一种基于计算机视觉的手指特征识别算法研究及其FPGA实现

为了提高视频图像中手指特征识别的精度和速度,提出一种基于矩形模板的动态阈值算法。该算法采用矩形模板平滑图像,用灰度阈值法提取目标边缘,实现对手指特征的准确识别。Matlab仿真结果表明,该算法受环境噪声影响较小,能清晰准确地分割出手指边缘。在FPGA平台上设计了一套基于计算机视觉的手指特征识别系统,并对该系统的实时性、手指识别精度等性能进行了测试。测试结果表明,该系统的运行速度与摄像头摄取图像的速度基本同步,可满足系统对实时性要求。系统对手指位置识别的坐标偏差约为3个像素,基本满足系统对识别精度的要求。

基于手指静脉特征图像的加密研究

移动互联下的信息安全是目前研究的热门,提出从手指静脉图像的加密出发,首先对手指静脉图像的特征进行了提取,通过构建图像平滑器来获得静脉图像的大小,明暗区域的选择和特征图像的加强来获得采集后的静脉特征图像,其次对静脉图像采用基于小波基函数,Arnold映射,二次Logistic映射和Baker变换的混合加密方式对进行加密;在相关系分析和差分攻击分析等方面实验比较,说明算法具有很好的安全性和低耗时性,能够完全适应在移动互联环境中推广。

一种基于手指轮廓特征的目标识别与定位算法

为了提高从背景图像中提取目标的速度和精度,设计了一种基于手指轮廓特征的目标识别与定位算法;该算法利用肤色信息和手指轮廓特征进行目标识别,利用提出的9点快速定位算法进行目标定位。仿真结果表明,该算法能正确识别出手指的特征;并对其进行快速定位。在实物系统上对算法的实时性、识别准确率、定位精度等性能进行了测试,测试结果表明,算法运行时间不超过40 ms,能保证系统对实时性的要求;在无手指状干扰物存在的情况下,目标识别的准确率可达95%以上;定位精度误差小于8 mm,可满足系统对定位精度的要求。这种基于手指轮廓特征的目标识别与定位算法为增强人机交互系统的和谐性提供了一种新的技术途径。

基于手指骨架提取的手形识别方法

针对使用非接触式手形采集仪采集手形时,手掌图像的指根处轮廓会因手掌张开幅度不同而出现不同程度的变形,增加手形精确定位和手形识别的难度这一问题,提出一种不受指根处轮廓变形影响的手形识别算法。该算法首先提取出细化的手指骨架,其次拟合手指骨架并定位手指中线,然后提取与指根部无关的指形特征,最后,计算注册样本与待识别样本的差异特征统计值并进行判别决策。研究结果表明:本文提出的手形识别算法对指根处轮廓变形有着较强的鲁棒性,识别率可达99.62%。

指纹特征和指静脉特征融合的身份认证

提出一个有效的基于指纹特征和手指静脉特征的身份认证方案.在采集同一手指的指纹图像和静脉图像后,分别提取其指纹特征和静脉特征.对于指纹图像,提取其纹线端点和交叉点的位置与方向组成指纹特征向量.对于手指静脉图像,用局部二进制(LBP)提取其有区分性的特征.进行身份识别时,分别将手指指纹特征和静脉特征进行匹配,然后根据两种特征的匹配分数进行非线性融合,得到最终的匹配结果,以达到认证目的.

基于RGB-D图像的手势识别方法

针对静态手势,提出一种基于形状特征的手势识别方法。使用深度信息与肤色信息相结合的方法,分割出手势区域;对分割后的手势进行卷积和阈值化处理,得到手指部分的图像信息,根据手掌质心和手指质心准确判断手的方向,保证手的旋转不变性;在极坐标下,结合手指特征能够准确得到每个手指的具体角度和弯曲状态,判断出左右手。对比实验结果表明,该方法对手势的判别和左右手判别具有更高的性能、更强的鲁棒性。

基于独立成分分析的指静脉识别研究

提出一种基于独立成分分析的指静脉特征提取方法,该方法利用独立成分抽取的特征量,并采取基于近邻聚类方法进行分类识别。基于指独立成分分析法的指静脉特征提取,可充分利用指静脉图像中包含的高阶和低阶全局统计信息。实验结果表明,该方法比主元分析法更有效提高了指静脉识别系统的精确度。