基于静脉关键特征和AdaFace损失的轻量级指静脉识别算法

基于深度学习的指静脉识别方法通常需要大量的计算资源,限制了其在嵌入设备上的推广和普及,采用轻量级网络又面临模型参数减少导致准确率下降的问题,为此提出一种基于指静脉关键特征和AdaFace损失的轻量级识别算法。在MicroNet框架中,首先提出一种FMixconv卷积来替代原网络中的深度卷积,减少参数的同时可以获得静脉特征的多尺度信息;其次引入轻量级注意力模块CA模块,从空间和通道上聚焦于静脉特征的关键信息;最后在损失函数中加入AdaFace损失,通过特征范数对图像质量进行评价,以减少图像质量下降对训练的影响。该算法在SDUMLA-HMT、FV-USM和自建数据集上的识别准确率达到99.84%、99.39%和99.42%,而参数量仅有0.82 M。实验结果表明,该算法在准确率和参数量大小上均领先于其他方法。

基于手指静脉识别的艺术实验教学智慧监管系统

当前艺术实验教学中缺乏兼顾安全监管和智慧决策的信息化管理手段。在主流的信息安全技术中,手指静脉识别技术具有活体识别、准确率高、使用方便等优势,适应艺术实验教学监管应用场景。该文提出结合软特征的手指静脉识别算法,进一步提升了识别性能。在此基础上,研究实现艺术实验教学智能监管系统,在实现实验教学监管的同时辅助管理决策,有效解决了监管中普遍存在的问题,全面提升了监管水平。

基于多模态生物特征识别的高校门禁系统设计与实现

为解决传统门禁系统对实体校园卡的过度依赖、数据应用能力差、无法形成精细化管理等问题,在已有门禁系统架构基础上,基于一卡通专网,采用分布式架构设计了一种基于多模态生物特征识别的高校智慧门禁系统。该系统集采集管理、生物数据库、算法服务、校门口出入管理、访客出入管理、公寓管理、设备管理和出入权限管理等功能于一体,实现了校园出入口的智慧化管理,提升了校园安全管理效率,为下一步的智慧校园建设奠定了应用基础。

用于视频监控系统的生物特征识别技术标准化研究

为了提升生物特征识别技术在视频监控系统中的应用效果,对比阐述了生物特征识别系统与视频监控系统中存在语义差异的常用术语,并介绍了具备生物特征识别功能的视频监控系统的处理流程和重要组件,分析了影响生物特征识别技术在视频监控系统中使用的主要因素,提出如何从主要硬件及软件部署、参考数据库规范以及性能评价等方面进行标准化考量,最后从视频标注的规范性以及典型生物特征识别标准在视频监控系统中的进一步应用推广两个层面进行了展望,从而提升该领域的标准化整体水平。

全国信标委生物特征识别分技术委员会2024年第一次工作组全会在西安召开

4月16-19日,全国信息技术标准化技术委员会生物特征识别分技术委员会(SAC/TC28/SC37,以下简称“分委会”)2024年第一次工作组全会在西安召开,来自49家单位的91名代表参加了本次会议。本次全会共召开了行为识别、基因组识别、虹膜识别、基础共性、人脸识别和静脉识别等6个工作组会议,与会代表对在研标准和拟立项标准进行了汇报及深入的讨论。

让技术标准成为生物特征识别蓬勃发展的基石

生物特征识别技术是基于个体的生物学特性和行为特性实现对该个体的自动识别。生物特征包括指纹、人脸、虹膜、静脉、声纹、行为等多种模态,生物特征识别凭借其独特性和唯一性已成为身份识别领域的重要信息技术手段。我国积极部署生物特征识别产业的发展及标准化工作。2020年7月,国家标准委、中央网信办、国家发展改革委、科技部、工信部联合印发《国家新一代人工智能标准体系建设指南》提出:生物特征识别标准是关键领域技术标准建设重点内容之一,明确要规范计算机利用人体所固有的生理特征(指纹、人脸、虹膜、声纹、DNA等)或行为特征(步态、击键等)来进行个人身份鉴定的技术要求,解决生物特征描述、数据、接口的一致性问题。2022年3月,中共中央国务院发布的《关于加快建设全国统一大市场的意见》中明确指出:加快制定面部识别、指静脉、虹膜等智能化识别系统的全国统一标准和安全规范。

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。

ResNet多输出特征的手指静脉识别

为了解决成像环境复杂、生物组织引起红外光散射导致识别准确率低的问题,在基于神经网络分类的手指静脉识别技术基础上,提出神经网络拓展结构模型,并采用机器学习方法计算区分性好的特征,弥补原神经网络引起的部分特征缺失,避免了模型迁移到小型数据库上由于样本数量不足带来的性能下降问题.利用ResNet18、ResNet34和ResNet50三种神经网络在手指静脉数据库上进行的分析与实验表明,拓展结构模型显著提高了识别性能.

一种手指静脉识别实验平台的开发与应用

作者设计开发了一种手指静脉识别实验平台,该平台采用自主研发采集系统进行手指静脉图像的采集,基于Matlab开发环境实现图像的预处理、特征提取和匹配等任务。平台的实验项目融合机器视觉、图像处理、模式识别等多方面前沿技术,具有良好的开放性,适用于以项目形式开展的探索性实验教学,有利于提高学生的积极性和主动性,培养学生的创新和探索研究能力,对工程类实验课程的改革具有一定借鉴意义。

计算机信息安全管理中的生物识别技术分析——评《生物特征识别技术及应用》

随着科学技术的不断发展以及互联网的普及,各种生物识别技术发展愈发迅猛,相关专家及学者更多地采用生物识别技术遏制网络攻击,从而提高计算机信息的安全性。目前,越来越多的计算机信息系统之间存在网络安全威胁,而且互联网时代的到来彻底改变了用户对网络风向的思考方式。生物识别技术是利用人体具有唯一性的生物特征进行身份验证的技术,生物识别技术能够自动识别和验证人的行为方式、生理特性,常见的用于生物识别的生理特征有指纹。

GB/T 41786-2022《公共安全 生物特征识别 术语》国家标准解读

本文介绍了国家标准GB/T 41786-2022《公共安全生物特征识别术语》的立项背景、起草过程,论述了本标准的基本架构。该架构将各模态生物特征中重复定义的内容归于通用术语,有效减少了标准篇幅。本文梳理了国家标准GB/T 41786-2022《公共安全生物特征识别术语》的技术特点,并辅以实例介绍了本标准的准确性、适用性、全面性和创新性。

基于多层级精细特征融合的步态识别算法

随着深度学习的引入,步态识别算法取得了很大的突破,但是仍存在忽略了浅层网络提取的细节信息,以及对不限时长的步态视频时空信息难以融合的问题。为了有效利用浅层特征和融合时空特征,提出一种基于多层级精细特征融合的跨视角步态识别算法。所提算法由两个部分组成:边缘运动捕捉模块(EMCM)用于提取包含时间信息的边缘运动特征;多层级特征提取模块(MFEM)用于提取包含不同粒度全局和局部信息的多层级精细特征。首先,使用EMCM和MFEM分别提取多层级精细特征和边缘运动特征;然后,将两个模块提取的特征融合得到具有鉴别性的步态特征;最后,在公开数据集CASIA-B上和OU-MVLP上进行多种情况下的对比实验。在CASIA-B上平均识别准确率可达89.9%,与GaitPart相比,所提算法的平均识别准确率提升了1.1个百分点;在OU-MVLP上90°视角下比GaitSet识别准确率提升了3.0个百分点。所提算法能够有效地提升多种情况下的步态识别的准确率。

基于移动终端的指纹识别专利技术现状

概述生物识别技术是利用人体所固有的生理特征或行为特征来鉴定一个人的身份,而其中的指纹识别技术已经成为目前使用较广泛的一种生物特征识别技术。指纹具有三级特征,包括指纹的纹型、指纹的细节点以及指纹纹线,以上特征具有稳定性和独特性。正是由于指纹的以上特性,形成了其独特的优势,使得指纹识别技术被应用在很多领域。

采用纹理近邻模式的掌静脉生物特征识别研究

针对传统局部二值模式(LBP)只以固定的中心像素为阈值的编码方式进行了改进,从纹理分析角度,提出一种基于近邻模式的掌脉身份识别方法,主要利用局部区域相邻像素之间的灰度大小关系,对掌脉图像进行近邻二值模式(NBP)编码。首先将手掌静脉图像分成若干大小一致的区块,然后计算每一区块的灰度平均值,形成多块均值图像,进一步使用NBP对多块均值图像进行编码,最后利用汉明距离进行匹配。采用CCD图像传感器设计了光学仪器,在实际应用环境下获取掌脉图像建立图库,并在香港理工大学(Poly U)接触式公用图库和自建非接触图库上与目前典型和流行方法进行了对比实验,结果显示该方法在8×8区块划分情况下在2个图库上获得了最低等误率(EER)分别为0.698 3%和1.603 6%,识别时间为0.122 7 s和0.124 2s,显示出方法的可行性和有效性,具有应用前景。

基于分块和偏最小二乘的非接触式手掌静脉生物特征识别

研究了一种适用于非接触式图像采集的手掌静脉识别的子空间方法,解决了传统接触式采集容易传染疾病,非接触采集使同类图像差别增大导致识别性能不佳的问题。先采用分块算法对图像进行快速降维,再用偏最小二乘算法提取掌脉图像中灰度值变异大,且类别信息相关性最大的若干方向组成分类子空间,然后依据图像在此空间中的位置进行分类识别。应用自建掌脉图库和中科院自动化研究所图库进行实验分析,实验结果表明:与传统掌脉识别方法相比,该方法能有效地提高正确识别率,降低误拒率。两个图库中,该算法选择分块大小为4×4时的正确识别率分别达到99.98%,99.34%;误识率分别达到0.02%,0.66%;误拒率分别达到0.13%,0.60%;识别时间分别在0.03 s,0.04 s之内。适用于安防、考勤等场合,具有实用价值。

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。

基于深度残差网络的轻量级指静脉识别算法

提出一种基于深度残差网络的轻量级指静脉识别算法。首先,以ResNet34为基础,使用深度可分离卷积代替传统卷积,加入SE(Squeeze and Excitation)注意力机制模块来提取手指静脉空间域上的细节特征,并引入宽度缩放因子,进一步压缩网络;其次,在训练中引入教师-学生网络模式,对轻量级深度残差网络进行知识蒸馏训练,并使用知识蒸馏损失、CurricularFace和交叉熵损失对网络进行联合监督,解决了轻量级深度残差网络因学习参数量较少引起的性能下降问题。分别在FV-USM数据集、Lab-Normal数据集和Lab-Special数据集上进行仿真实验,结果表明,同基于轻量级网络MobileFaceNet的识别算法相比,提出的算法有效提高了零误识识别率和Top1排序性能。

一种新的生物特征识别模式-手指背关节皮纹识别

提出了一种新的生物特征识别模式--手指背关节皮纹识别．利用自主设计的采集装置获得手背图像,由Canny算子和滑动窗分割并定位手指背关节皮纹．在识别时,首先对要检验的两背关节皮纹进行快速配准,然后用两种方法识别,并对两种方法进行了比较,一是基于相关分类器的识别,一是基于复Gabor小波变换的识别．后者是利用复Gabor小波提取背关节皮纹特征,并利用二进制编码得到特征码,以两背关节皮纹特征码的Hammming距离为判据,检验两者是否为同一模式．试验结果表明:手指背关节皮纹具有较高的唯一性,可以用作身份认证,在等错误率情况下,基于相关分类器的识别准确率高达98．04%,基于Gabor小波变换的识别准确率为94．61%．而后者比前者的识别速度要快得多．

基于生物特征图像智能识别的安全系统技术建构应用--评《安全系统中的多模态生物特征识别与智能图像处理》

基于生物特征的图像智能识别在现实中已有广泛应用,如面容解锁、指纹解锁等技术在智能设备安全保护中较为常见,既为设备和用户提供了安全保障,又给安全识别带来了一定便捷。与传统密码安全保护方式相比,基于生物特征的图像智能识别安全技术优势更为明显,具有唯一性且不容易被窃取。信息时代,需要保护的个人设备和账号增多,且不少场所也需要快速识别用户身份安全并依此做出准入决策,因此,基于生物特征的智能图像识别处理技术具有现实应用价值。

基于字符级特征自适应的生物医学命名实体识别

生物医学领域新增实体数量和类型迅速增加,在预训练词表容量有限的情况下,字符嵌入可以在一定程度上解决未登录词问题,单一的字符级特征提取器所提取字符嵌入的潜在表征有一定局限性.针对此问题,提出一种字符级特征自适应融合的生物医学命名实体模型.首先利用卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)提取文本的字符向量,训练过程中动态计算文本单词两种字符向量的权重并进行拼接,使得模型在字符粒度上更加充分的利用信息,并加入词性信息和组块分析作为额外特征;将词向量、字符级特征和额外特征拼接后输入到BiLSTM-CRF神经网络模型进行训练.结果表明,所提模型在NCBI-disease和BiocreativeⅡGM语料库上平均F1值达到87.14%和81.04%,有效的提升了生物医学命名实体识别的效果.