基于曲线描述子的手指静脉识别

手指静脉识别因为具有高防伪性、唯一性、稳定性和活体检测等优点,成为身份识别领域的研究热点。目前大多数基于指静脉结构特征的识别算法仅考虑到了细节点特征,却忽略了静脉网络结构的曲线特征,造成一部分结构信息的丢失,影响识别结果。针对上述问题,提出一种基于曲线描述子的手指静脉识别算法。首先,提取出指静脉的骨架结构,检测静脉交叉点和端点,并利用交叉点和端点将静脉骨架分割为若干条曲线段;其次,通过交叉点和曲线段的相对位置及形状特征提出曲线弧描述子和交叉弧描述子,并提取指静脉的结构特征矩阵;最后,根据提出的加权距离式计算匹配交叉弧对进行图像匹配。对实验室采集的来自56名志愿者的840张手指静脉图像进行算法实验,结果表明,传统的局部二值模式(LBP)、局部三值模式(LTP)和加速稳健特征(SURF)算法的等错误率分别为4.47%、3.99%和6.08%,而本方法的等错误率仅为1.63%。所提出方法在指静脉识别中具有一定的普适性和应用前景。

基于ECG信号的高精度血糖监测

连续血糖监测在糖尿病管理中具有重要的意义.目前糖尿病患者主要通过指尖采血或植入式微创传感器监测血糖,但上述方法存在疼痛、成本昂贵、易感染等问题,因此,无创监测是实现连续血糖监测的理想技术.本文利用心电(ECG)信号,提出了一种血糖水平无创监测的方法:通过获取12名志愿者共60 d 756160个ECG周期信号,利用递归滤波器实现ECG信号的滤波,并采用卷积神经网络和长短期记忆网络相结合(CNN-LSTM)的方法,实现了血糖水平的十分类监测,并通过实验探索了个体建模和群体建模2种建模方式的差异.结果表明,在个体建模和群体建模的条件下,血糖监测精确率分别约达到80%和88%.其中群体建模10分类的F1值可达到0.95、0.88、0.91、0.85、0.92、0.88、0.86、0.86、0.87和0.86.研究表明,本文提出的基于ECG的无创血糖监测方法为实现血糖水平的实时、精准监测提供了一种有力的理论支撑与技术指导.