非接触式指掌识别系统研究及开发
发布时间：2021-04-01 10:27
基于生物特征识别的安防系统中,掌纹和指纹识别占有较大的市场份额。针对传统的基于单种特征的指纹识别系统或掌纹识别系统在应用中存在识别率不高或容易受到指纹模具等“假指纹”攻击的问题,本文提出融合多种生物特征的身份验证策略,开发新的鲁棒性更强的生物特征识别系统。具体为:（1）提出基于指掌的识别方案并开发应用于Android手机端的指掌识别APP:本文用Android手机相机采集了一个包含100个个体,400张手掌（手指和掌纹）图像的数据库。在这个数据库上验证了基于非接触式掌纹及指节折痕的识别算法的准确率。其中提出的非接触式掌纹及指节折痕的身份认证算法共包含四个步骤:一、使用基于肤色检测和最大连通域的分割算法提取掌纹感兴趣区域;二、使用Harris角点检测算法来定位手指间谷点等关键点坐标,使用连通域和投影方法来定位指节折痕的关键点位置;三、选取竞争编码来表示掌纹和指节折痕特征,并提出指节折痕和掌纹特征的层级融合策略;四、利用下采样方法适配Android手机的配置和运算能力以保证系统运行速度。（2）利用指静脉能进行活体检测,防止恶意攻击的优点,本文开发了一个基于多目指纹和指静脉特征的可靠的识别系...
【文章来源】：深圳大学广东省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
生物特征识别市场按技术分类百分比
非接触式指掌识别系统研究及开发21.2国内外研究现状1.2.1掌纹识别技术手掌掌纹[4]是一种相对较新的生物特征，Zhang等人[5]率先开始手掌掌纹识别的研究工作。掌纹中包含丰富的特征[6]，如主线、皱褶、三角点和细节点等，如图1-2所示。与其他生物特征相比，掌纹的优势是很明显的。相对指纹而言，掌纹的面积很大而且拥有丰富的纹理信息，在较低的分辨率的采集设备下就可以构建高性能的掌纹识别系统；对于人脸而言，人脸容易发生变化，如化妆、整容等，而掌纹则不会轻易发生改变；对于虹膜而言，掌纹的低分辨率的采集设备成本更低，采集方式更为容易，用户接受度更高；因此，掌纹被认为是一种有效的生物特征，其识别技术也越来越成熟。在早些时候的刑事侦查案件中，掌纹仅仅是作为一种辅助的痕迹物证，从2000年左右开始，兴起了以掌纹作为一种生物特征进行身份识别的风潮。20世纪末产生掌纹生物特征，经历四年的发展，21世纪初至今，掌纹识别技术已越发成熟。束为和张大鹏等人[8-9]是国内最先提出将掌纹作为生物特征用于身份认证，他们是掌纹识别领域的先驱。在此之后，学术界开始了掌纹识别的研究热潮，如北京大学、北京交通大学、哈尔滨工业大学、香港理工大学和美国的密歇根州立大学等国内外高校都开始投入到这一新兴领域的研究中，创作了许多关于掌纹识别技术的优秀学术成果。香港理工和哈工大在掌纹识别领域影响力非常大，他们的掌纹识别技术非常有创造性而且被认为是经典，他们研究搭建了On-line掌纹识别系统并将其应用于市场，公开了第一个掌纹图像标准库[10]，至今这个数据库仍然被广大研究掌纹识别的学者所应用。图1-2掌纹中包含的各种特征[6]掌纹识别系统是以掌纹图像作为身份识别的特征，其识别系统通常包括两个模块：注册与
非接触式指掌识别系统研究及开发3纹特征进行一对一匹配，就可完成身份的识别。（a）采集设备（b）手掌定位图1-3PolyU接触式掌纹采集设备[5]掌纹采集图像通常分为两种方式：接触式和非接触式[5]。接触式的采集方式不论是在前期采集图像时，还是在后期对掌纹特征的处理都更加便捷：这种方法限定了手掌的放置位置，如图1-3（b），相同的光照环境，在所限定的范围内采集图像，这样便于达到稳定的成像环境，避免了光照强度的不同对掌纹图像的影响，也可以避免由于采集的掌纹位置不同使精确度降低的不良影响。如图1-3（a）所示。非接触式的掌纹采集方式，用户手掌完全悬空，没有任何辅助支架支持，手掌可以随意摆放，这样在采集的手掌图像中手掌方向各不相同，在图像预处理的环节中首先需要将手掌图像校正在同一方向，然后才能准确的分割出掌纹感兴趣区域，进而精确的提取出掌纹特征。但是在掌纹图像校正和分割仍然是非接触式采集系统的一大难点。此外，非接触式采集装置通常不会将手掌包围在封闭的环境中，大多数都是将手掌露在外界，这样就会受到外界环境的影响，如室外阳光，室内灯光等，同一手掌在不同光照的背景环境下采集的图像可能会有所差异，这对于后续的掌纹识别可能会造成错误识别。在采集时用户手掌与采集设备之间的距离波动也会引起图像尺度的变化。与此同时，越来越多的仿冒手段来攻击系统，如硅胶假体、手掌照片等都可以攻破非接触式的掌纹识别系统。为了解决这些问题，研究者在ROI的定位方法上展开研究，解决了手掌平面旋转的问题，准确定位手掌关键点，使用圆形ROI区域等，虽然可以提高定位手掌关键点的准确性，为后续提取掌纹特征提供优势和便利，但是该算法的复杂度较高，应用在系统中运行时长会增加，系统的实时性降低。一?
【参考文献】：
期刊论文
[1]生物特征识别技术综述[J]. 郑方,艾斯卡尔·肉孜,王仁宇,李蓝天. 信息安全研究. 2016(01)
[2]手指多模态Gabor编码特征局部融合方法研究[J]. 卢中宁,仲贞,贾桂敏,史玉坤,杨金锋. 信号处理. 2015(11)
[3]Android中的Activity生命周期[J]. 关晶鑫,李永全. 电脑知识与技术. 2013(11)
[4]基于纹路的三维指纹模型重建算法[J]. 梁小龙,殷建平,祝恩,官群健. 计算机科学. 2012(10)
[5]一种新的掌纹ROI图像定位方法[J]. 尚丽,苏品刚,淮文军. 激光与红外. 2012(07)
[6]掌纹识别算法综述[J]. 岳峰,左旺孟,张大鹏. 自动化学报. 2010(03)
[7]基于移动设备的掌纹验证系统[J]. 张建新,欧宗瑛,刘典婷. 计算机工程. 2010(04)
本文编号：3113182
【文章来源】：深圳大学广东省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
生物特征识别市场按技术分类百分比
非接触式指掌识别系统研究及开发21.2国内外研究现状1.2.1掌纹识别技术手掌掌纹[4]是一种相对较新的生物特征，Zhang等人[5]率先开始手掌掌纹识别的研究工作。掌纹中包含丰富的特征[6]，如主线、皱褶、三角点和细节点等，如图1-2所示。与其他生物特征相比，掌纹的优势是很明显的。相对指纹而言，掌纹的面积很大而且拥有丰富的纹理信息，在较低的分辨率的采集设备下就可以构建高性能的掌纹识别系统；对于人脸而言，人脸容易发生变化，如化妆、整容等，而掌纹则不会轻易发生改变；对于虹膜而言，掌纹的低分辨率的采集设备成本更低，采集方式更为容易，用户接受度更高；因此，掌纹被认为是一种有效的生物特征，其识别技术也越来越成熟。在早些时候的刑事侦查案件中，掌纹仅仅是作为一种辅助的痕迹物证，从2000年左右开始，兴起了以掌纹作为一种生物特征进行身份识别的风潮。20世纪末产生掌纹生物特征，经历四年的发展，21世纪初至今，掌纹识别技术已越发成熟。束为和张大鹏等人[8-9]是国内最先提出将掌纹作为生物特征用于身份认证，他们是掌纹识别领域的先驱。在此之后，学术界开始了掌纹识别的研究热潮，如北京大学、北京交通大学、哈尔滨工业大学、香港理工大学和美国的密歇根州立大学等国内外高校都开始投入到这一新兴领域的研究中，创作了许多关于掌纹识别技术的优秀学术成果。香港理工和哈工大在掌纹识别领域影响力非常大，他们的掌纹识别技术非常有创造性而且被认为是经典，他们研究搭建了On-line掌纹识别系统并将其应用于市场，公开了第一个掌纹图像标准库[10]，至今这个数据库仍然被广大研究掌纹识别的学者所应用。图1-2掌纹中包含的各种特征[6]掌纹识别系统是以掌纹图像作为身份识别的特征，其识别系统通常包括两个模块：注册与
非接触式指掌识别系统研究及开发3纹特征进行一对一匹配，就可完成身份的识别。（a）采集设备（b）手掌定位图1-3PolyU接触式掌纹采集设备[5]掌纹采集图像通常分为两种方式：接触式和非接触式[5]。接触式的采集方式不论是在前期采集图像时，还是在后期对掌纹特征的处理都更加便捷：这种方法限定了手掌的放置位置，如图1-3（b），相同的光照环境，在所限定的范围内采集图像，这样便于达到稳定的成像环境，避免了光照强度的不同对掌纹图像的影响，也可以避免由于采集的掌纹位置不同使精确度降低的不良影响。如图1-3（a）所示。非接触式的掌纹采集方式，用户手掌完全悬空，没有任何辅助支架支持，手掌可以随意摆放，这样在采集的手掌图像中手掌方向各不相同，在图像预处理的环节中首先需要将手掌图像校正在同一方向，然后才能准确的分割出掌纹感兴趣区域，进而精确的提取出掌纹特征。但是在掌纹图像校正和分割仍然是非接触式采集系统的一大难点。此外，非接触式采集装置通常不会将手掌包围在封闭的环境中，大多数都是将手掌露在外界，这样就会受到外界环境的影响，如室外阳光，室内灯光等，同一手掌在不同光照的背景环境下采集的图像可能会有所差异，这对于后续的掌纹识别可能会造成错误识别。在采集时用户手掌与采集设备之间的距离波动也会引起图像尺度的变化。与此同时，越来越多的仿冒手段来攻击系统，如硅胶假体、手掌照片等都可以攻破非接触式的掌纹识别系统。为了解决这些问题，研究者在ROI的定位方法上展开研究，解决了手掌平面旋转的问题，准确定位手掌关键点，使用圆形ROI区域等，虽然可以提高定位手掌关键点的准确性，为后续提取掌纹特征提供优势和便利，但是该算法的复杂度较高，应用在系统中运行时长会增加，系统的实时性降低。一?
【参考文献】：
期刊论文
[1]生物特征识别技术综述[J]. 郑方,艾斯卡尔·肉孜,王仁宇,李蓝天. 信息安全研究. 2016(01)
[2]手指多模态Gabor编码特征局部融合方法研究[J]. 卢中宁,仲贞,贾桂敏,史玉坤,杨金锋. 信号处理. 2015(11)
[3]Android中的Activity生命周期[J]. 关晶鑫,李永全. 电脑知识与技术. 2013(11)
[4]基于纹路的三维指纹模型重建算法[J]. 梁小龙,殷建平,祝恩,官群健. 计算机科学. 2012(10)
[5]一种新的掌纹ROI图像定位方法[J]. 尚丽,苏品刚,淮文军. 激光与红外. 2012(07)
[6]掌纹识别算法综述[J]. 岳峰,左旺孟,张大鹏. 自动化学报. 2010(03)
[7]基于移动设备的掌纹验证系统[J]. 张建新,欧宗瑛,刘典婷. 计算机工程. 2010(04)
本文编号：3113182
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3113182.html
