采用轻量化神经网络的高安全手指静脉识别系统

针对特殊材料能伪造手指静脉从而欺骗识别系统,以及利用卷积神经网络进行手指静脉识别计算量大的问题,设计了具有活体检测功能和轻量化卷积神经网络结构的手指静脉识别系统。采用光容积法检测手指脉搏波的变化,从而判断被采集对象是否为活体;利用剪枝及通道恢复方法改进了ResNet-18卷积神经网络,并结合L_(1)正则化增加卷积神经网络的特征选择能力,在提升算法准确率的基础上,能有效地降低计算资源的消耗。实验表明,使用改进的剪枝及通道恢复优化结构,参数量降低了75.6%,计算量降低了25.6%,在山东大学和香港理工大学手指静脉数据库上得到的等误率分别为0.025%、0.085%,远低于ResNet-18得到的等误率(0.117%、0.213%)。

深度学习在手指静脉识别中的应用研究综述

手指静脉识别技术由于其非接触、高防伪性以及活体检测等优点,成为新一代生物识别技术中的研究热点。随着深度学习的发展,基于深度神经网络的手指静脉识别技术取得了显著的成果。首先对手指静脉识别领域的常用公开数据集进行了介绍,然后根据神经网络学习任务的不同,对近几年深度学习方法在手指静脉识别中的应用进行了分类,分析了每种类型的技术特点和适用场景。从轻量化网络、数据增广、注意力机制等方面对手指静脉识别中的深度学习设计技巧进行了介绍。从分类损失和度量学习损失两方面,对模型中常用的损失函数进行了阐述。最后介绍了手指静脉识别系统的评价指标并汇总了部分研究在准确率和等错误率方面的成果。此外,还提出了手指静脉识别面临的挑战和潜在的发展方向。

基于感兴趣区域的改进型LBP手指静脉识别

为进一步提升手指静脉识别算法的识别率,在图像预处理阶段提出一种快速感兴趣区域(RoI)提取方法,简化候选区域提取的计算过程,缩短手指区域提取时间。识别特征则是在局部二值模式(LBP)的基础上,利用邻域像素的平均值代替中心值,通过邻域像素的关系引入,提升了图像的纹理表达效果。在SDUMLA数据库与天津市智能实验室采集指静脉图像数据库上,分别取得了99.53%,99.74%的识别率,表明了算法优良的识别性能与泛化能力。

基于质量评价与特征提取网络的手指静脉识别

在利用手指静脉信息进行个人身份识别认证的系统中,采集到的手指静脉图像质量的好坏以及图像特征提取算法的性能直接影响着系统识别的准确性。针对以上两个核心问题,提出了基于神经网络学习的手指静脉图像质量判断与特征提取技术,并将图像质量判断、特征提取与匹配集成为一个完整的识别系统。在采集手指静脉图像时,利用经过训练的轻量级的MobileNet-V2网络,判断图像质量,仅保留质量较好的图像,将其用于后续个人身份识别与验证;对特征提取网络的设计,提出了基于平滑平均准确度损失函数的ResNet模型,提高了原网络的特征提取能力。最后,利用余弦相似度进行特征匹配,获得待识别人的身份信息。实验结果表明,所提出的方法在公开的山东大学和中国香港理工大学手指静脉数据库上分别得到3.855%和3.699%的等误率值,比基于差分图像+VGG网络识别等方法至少降低了1.311%。并且,所设计的识别系统对于自建手指静脉图像数据库,达到了99.30%的识别率。

融合局部特征和全局特征的手指静脉识别方法

手指静脉识别是利用人体手指静脉结构的唯一性实现个体身份认证,具有高度安全和使用便捷等优点。为了进一步提高手指静脉识别系统的性能,提出了一种融合局部特征和全局特征的手指静脉识别方法。应用局部二元模式方法提取手指静脉局部特征,利用海明距离计算匹配得分;应用双向两维主成分分析方法提取手指静脉全局特征,利用欧式距离计算匹配得分;在得分级上融合二者的匹配得分以产生识别结果。实验结果表明,局部特征与全局特征具有较好的互补性,有效地提高了识别精度。

基于改进LBP的手指静脉识别算法

为进一步提高手指静脉识别算法识别率,在图像预处理阶段提出了将直方图均衡化算法与局部对比度增强算法相结合,在扩大静脉图像动态范围的同时增强图像的细节。在图像识别阶段,提出了一种基于局部二值模式(Local Binary Pattern,LBP)的改进算子用来描述图像局部纹理特征,并结合权重分配和分块LBP特征算法对图像进行特征提取。最后使用支持向量机(Support Vector Machine,SVM)算法对图像特征进行训练。实验结果表明,上述算法识别率高达99.33%,与传统的识别算法相比具有明显的准确率提高。

一种基于2DHOL特征与(2D)~2FPCA结合的手指静脉识别方法

文中提出一种基于二维方向线直方图统计(2DHOL)特征与双向二维费希尔主成分分析((2D)~2FPCA))相结合的手指静脉识别方法.首先针对手指静脉图像纹路走向的特点,改进基于梯度直方图(HOG)特征中有关梯度幅值和方向的计算方法,采用二维Gabor滤波器获取静脉图像的线形响应和方向,提取2DHOL特征;然后综合考虑行列相关性和类别信息,采用(2D)~2FPCA对2DHOL特征进行降维处理,得到手指静脉特征向量;最后计算特征向量的欧氏距离.应用不同手指静脉数据库进行实验的结果表明,该方法能够有效地提高手指静脉识别率,并对训练样本数变化具有较强的鲁棒性.

基于相对距离的手指静脉识别方法

提出了一种新的手指静脉识别方法,即以静脉内部拓扑结构的本质特性为原理进行手指静脉的匹配,首先对细化修复后的图像提取端点和交叉点,并计算这些特征点之间的相对距离,最后通过比对这些距离值来完成手指静脉图像的识别。该方法结合静脉自身特征,充分利用了拓扑结构的本质属性,无须定位,简单易行。实验结果表明,该方法能够快速准确地进行身份识别,在一定程度上克服了平移、旋转对识别结果的影响,具有实际应用价值。

手指静脉识别技术

相对于指纹识别等传统生物特征识别,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。综述了手指静脉识别的基本原理和关键技术,包括手指静脉图像采集、预处理、特征提取和匹配等;对与手指静脉识别有关的多生物特征技术进行了归纳总结,并对手指静脉识别技术存在的问题和未来的研究方向进行了讨论。

基于ARM的手指静脉识别系统的设计与实现

手指静脉识别是第二代生物认证的高端手段。为了实现识别设备的小型化,针对嵌入式系统独立运行的优点,设计并实现了一种基于ARM11和Windows CE的手指静脉识别系统。ARM11处理器从数字摄像头获取手指静脉图像,通过开发的应用软件进行图像预处理和特征提取,与建立的手指静脉图像库中的对应模板比对,完成身份认证。实验结果表明,该系统具有实时性、快速性、便携性等特点,取得了很好的识别效果。

基于Gabor和Curvelet的近邻二值模式手指静脉识别方法

针对手指静脉拓扑结构简单、有用识别信息较少的情况,提出一种基于Gabor和Curvelet的近邻二值模式(NBP)手指静脉识别方法。该方法主要利用Gabor的方向及尺度特性和Curvelet多尺度几何分析优势,有效提取手指静脉的纹理特征。首先对指静脉感兴趣区域做5个尺度8个方向的Gabor变换;其次,利用Curvelet变换将每个尺度下的图像进行融合,减小经过Gabor变换后的特征维数,从而获得集成Gabor特征的图像,再对其做NBP编码得到特征向量。最后,利用汉明距离进行匹配。在两个手指静脉数据库上进行实验,结果表明,该方法可获得最高的识别率为99.821 1%、97.359 1%,相比与分块LBP+分块PCA、小波灰度曲面等方法,识别率至少提高0.390 4%和1.074 6%,证明该方法能够进一步提高手指静脉识别率,具有应用前景。

基于MMNBP的手指静脉识别方法

针对传统的局部二值模式(LBP)手指静脉特征识别率不高的问题,提出基于多块均值近邻二值模式(MMNBP)的手指静脉识别方法。对LBP算法改进,提出基于近邻二值模式(NBP)的特征提取方法;将指静脉图像分块并取子块均值,对所有子块均值构成的图像采用NBP方法提取特征,从而形成MMNBP方法;利用汉明距离进行匹配。在国外和国内两个图库上与几种典型算法进行对比实验,结果表明,提出的方法可获得最低等误率分别为2. 4611%和0. 3137%,证明MMNBP方法能够进一步提高身份识别的鲁棒性,具有较好的稳定性和有效性。

嵌入式手指静脉识别系统设计

研究嵌入式手指静脉识别系统有利于手指静脉识别设备应用推广。设计并实现一种基于嵌入式Linux平台的手指静脉识别系统,并详细讨论了系统硬件平台的搭建和软件开发。主要贡献如下:(1)优化系统结构;(2)嵌入手指静脉图像预处理、特征提取与识别等核心算法;(3)实现系统动态注册功能;(4)改进传统的特征数据存储模式,采用新的嵌入式数据库技术。实验结果表明该系统性能稳定可靠、识别效率更高。

NIBLACK改进算法在手指静脉识别中的应用研究

手指静脉识别是利用人体手指静脉结构的唯一性实现个体身份认证,具有高度安全和使用便捷等优点,对手指静脉提取方法进行了研究。首先,采用CLAHE算法对手指静脉图像进行增强处理,然后,针对传统NIBALCK二值化算法的不足,提出了改进后NIBLACK算法的图像分割。实验证明,其算法提取的静脉图像脉络清晰,保留了因光照不均而易丢失的特征细节,对提高系统的识别率和正确率提供了可靠保证。

利用双倍二元模式进行手指静脉识别

局部二值模式(Local Binary Patterns,LBP)是图像处理中经典的算法之一,该算法以及相关算法已成功的应用到手指静脉识别系统中.但这些算法的邻域来自单个圆形区域或一个正方形区域,因此无法表达同一中心像素条件下多邻域像素之间的相关性.为了克服传统算法的缺陷,本文提出一种新颖的双倍二元模式(Dual Binary Patterns,DBP)的手指静脉识别算法.首先,将单个圆形邻域扩展到两个同心圆的圆形邻域;其次,基于多邻域像素的相关性提取DBP特征;然后,为了充分利用手指静脉的空间信息,将分块与直方图结合的方法应用于DBP模式得到最后的识别特征;最后,使用直方图交叉核对静脉图像的特征进行匹配.所提出的算法在SDUMLA-FV标准手指静脉数据库中取得了高达94.10%的识别率和低至3.6%的等误率.

基于PCA-RBF神经网络的手指静脉识别

提出了一种将主成分分析法(PCA)和径向基神经网络(RBF)算法相结合的手指静脉分类算法,即PCA-RBF算法。首先对手指静脉训练样本进行PCA降维,提取图像主要成分,利用RBF神经网络分类识别中的优势,对降维后的静脉图像分类,并采用最短距离法进行识别,通过与BP神经网络识别效果的对比试验,结果表明,PCA-RBF方法加快了手指静脉识别的训练速度、简化了算法结构、提高了识别率。

基于随机森林的手指静脉识别方法研究

利用手指静脉造影识别人的身份已发展成为自动身份识别领域的一种重要方式,并广泛应用于多种实际场景。为了提升手指静脉图像的识别率,提出了一种基于随机森林的手指静脉识别方法。先将灰度化的手指静脉图像利用圆形等价模式LBP算子计算出编码值,然后通过子窗口直方图降维获取用于识别的特征向量,用随机森林集成分类器完成分类识别。通过实验对比分析,结果表明该方法能达到较理想的识别效果。

基于手指静脉识别的银行门禁系统设计

银行等金融单位的安保系统设计直接关系到国家金融和人民财产的安全及金融工作人员生命安全的大事,手指静脉识别作为新一代的生物特征识别技术具有很强的优势,本文把两者进行了有机结合,提高金融等重要部门安全防范等级,为下一代安全防范提供了参考。

一种基于模板匹配的手指静脉识别算法

相对于指纹识别等传统生物特征识别手段,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。本文设计了具有自适应光源系统的手指静脉采集仪,能够自动获得亮度均匀的手指静脉图像;提出了一种基于模板匹配的手指静脉识别算法,采用基于多方向灰度谷底搜寻方法提取手指静脉特征,然后将从同一手指多个图像中提取的静脉特征合成模板,并通过门限阈值消除模板中的随机差异信息。实验结果表明,运用本研究提出的基于模板匹配的手指静脉识别算法能有效提高识别准确性,具有99.10%的识别准确率和1.03%的等错误率。

基于改进HOG特征和稀疏表示的手指静脉识别

针对亮度不均、位置偏移、旋转和遮挡等复杂的手指静脉图像识别问题,提出基于改进方向梯度直方图(HOG)特征和稀疏表示的识别方法。计算所有像素梯度幅值和方向,统计各单元格的HOG;利用单元格邻域内像素点的梯度幅值和方向对各单元格的HOG进行修正,提取融合邻域梯度信息的ng HOG特征;采用主成分分析法对ng HOG特征矩阵进行降维,构建稀疏表示超完备字典,并设计基于稀疏表示的分类器,得到分类结果。实验结果表明:所提方法在SDUMLA数据库上识别率达到98.64%,大小为128像素×64像素的单幅图像识别时间为122 ms,且在poly U数据库和自建数据库等不同的数据库下识别性能稳定。