融合局部双向编码与深度学习的非接触式掌纹识别

文章提出一种基于局部双向编码(Local Double-Orientation Code,LDOC)与深度学习的非接触式掌纹识别方法。该方法分别取Gabor滤波器的实数和虚数部分,并选用最大和次大响应进行编码作为深度神经网络的输入。在香港理工大学非接触式掌纹数据集和中国科学院自动化研究所非接触式掌纹数据集上进行实验。结果表明,所提出的基于局部双向编码与深度学习的非接触式掌纹识别方法取得了不错的结果,具有普适性。

日本San-In Godo银行采用非接触式掌纹识别仪

近日．日立声称位于日本岛岭地区的San-In Goda银行已采用其专利掌纹识别系统．日立还表示．他们在5月15日左右为该银行用户提供了相应的服务．

基于卷积神经网络的掌纹识别

随着社会的发展,身份信息的安全问题日益凸显。为解决用户身份识别过程中受环境影响较大,以及掌纹识别时提取掌纹特征复杂的问题,本文进行了“基于卷积神经网络(CNN)的掌纹识别”的研究。运用该算法的优势在于简化了掌纹识别的前期预处理,可以直接将采集的原始图像进行输入,然后识别。通过卷积操作和最大池化操作,减少了训练参数量,大大节约了时间。最后使用Softmax分类器对结果进行分类。实验结果显示,该方法对不同人的掌纹有较高的识别率,克服了传统掌纹识别精度差,识别时间长,人工提取特征困难的缺点。