基于生物特征識別的安防系統(tǒng)中,掌紋和指紋識別占有較大的市場份額。針對傳統(tǒng)的基于單種特征的指紋識別系統(tǒng)或掌紋識別系統(tǒng)在應(yīng)用中存在識別率不高或容易受到指紋模具等“假指紋”攻擊的問題,本文提出融合多種生物特征的身份驗證策略,開發(fā)新的魯棒性更強的生物特征識別系統(tǒng)。具體為:（1）提出基于指掌的識別方案并開發(fā)應(yīng)用于Android手機端的指掌識別APP:本文用Android手機相機采集了一個包含100個個體,400張手掌（手指和掌紋）圖像的數(shù)據(jù)庫。在這個數(shù)據(jù)庫上驗證了基于非接觸式掌紋及指節(jié)折痕的識別算法的準(zhǔn)確率。其中提出的非接觸式掌紋及指節(jié)折痕的身份認(rèn)證算法共包含四個步驟:一、使用基于膚色檢測和最大連通域的分割算法提取掌紋感興趣區(qū)域;二、使用Harris角點檢測算法來定位手指間谷點等關(guān)鍵點坐標(biāo),使用連通域和投影方法來定位指節(jié)折痕的關(guān)鍵點位置;三、選取競爭編碼來表示掌紋和指節(jié)折痕特征,并提出指節(jié)折痕和掌紋特征的層級融合策略;四、利用下采樣方法適配Android手機的配置和運算能力以保證系統(tǒng)運行速度。（2）利用指靜脈能進(jìn)行活體檢測,防止惡意攻擊的優(yōu)點,本文開發(fā)了一個基于多目指紋和指靜脈特征的可靠的識別系... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

生物特征識別市場按技術(shù)分類百分比

非接觸式指掌識別系統(tǒng)研究及開發(fā)21.2國內(nèi)外研究現(xiàn)狀1.2.1掌紋識別技術(shù)手掌掌紋[4]是一種相對較新的生物特征，Zhang等人[5]率先開始手掌掌紋識別的研究工作。掌紋中包含豐富的特征[6]，如主線、皺褶、三角點和細(xì)節(jié)點等，如圖1-2所示。與其他生物特征相比，掌紋的優(yōu)勢是很明顯的。相對指紋而言，掌紋的面積很大而且擁有豐富的紋理信息，在較低的分辨率的采集設(shè)備下就可以構(gòu)建高性能的掌紋識別系統(tǒng)；對于人臉而言，人臉容易發(fā)生變化，如化妝、整容等，而掌紋則不會輕易發(fā)生改變；對于虹膜而言，掌紋的低分辨率的采集設(shè)備成本更低，采集方式更為容易，用戶接受度更高；因此，掌紋被認(rèn)為是一種有效的生物特征，其識別技術(shù)也越來越成熟。在早些時候的刑事偵查案件中，掌紋僅僅是作為一種輔助的痕跡物證，從2000年左右開始，興起了以掌紋作為一種生物特征進(jìn)行身份識別的風(fēng)潮。20世紀(jì)末產(chǎn)生掌紋生物特征，經(jīng)歷四年的發(fā)展，21世紀(jì)初至今，掌紋識別技術(shù)已越發(fā)成熟。束為和張大鵬等人[8-9]是國內(nèi)最先提出將掌紋作為生物特征用于身份認(rèn)證，他們是掌紋識別領(lǐng)域的先驅(qū)。在此之后，學(xué)術(shù)界開始了掌紋識別的研究熱潮，如北京大學(xué)、北京交通大學(xué)、哈爾濱工業(yè)大學(xué)、香港理工大學(xué)和美國的密歇根州立大學(xué)等國內(nèi)外高校都開始投入到這一新興領(lǐng)域的研究中，創(chuàng)作了許多關(guān)于掌紋識別技術(shù)的優(yōu)秀學(xué)術(shù)成果。香港理工和哈工大在掌紋識別領(lǐng)域影響力非常大，他們的掌紋識別技術(shù)非常有創(chuàng)造性而且被認(rèn)為是經(jīng)典，他們研究搭建了On-line掌紋識別系統(tǒng)并將其應(yīng)用于市場，公開了第一個掌紋圖像標(biāo)準(zhǔn)庫[10]，至今這個數(shù)據(jù)庫仍然被廣大研究掌紋識別的學(xué)者所應(yīng)用。圖1-2掌紋中包含的各種特征[6]掌紋識別系統(tǒng)是以掌紋圖像作為身份識別的特征，其識別系統(tǒng)通常包括兩個模塊：注冊與

非接觸式指掌識別系統(tǒng)研究及開發(fā)3紋特征進(jìn)行一對一匹配，就可完成身份的識別。（a）采集設(shè)備（b）手掌定位圖1-3PolyU接觸式掌紋采集設(shè)備[5]掌紋采集圖像通常分為兩種方式：接觸式和非接觸式[5]。接觸式的采集方式不論是在前期采集圖像時，還是在后期對掌紋特征的處理都更加便捷：這種方法限定了手掌的放置位置，如圖1-3（b），相同的光照環(huán)境，在所限定的范圍內(nèi)采集圖像，這樣便于達(dá)到穩(wěn)定的成像環(huán)境，避免了光照強度的不同對掌紋圖像的影響，也可以避免由于采集的掌紋位置不同使精確度降低的不良影響。如圖1-3（a）所示。非接觸式的掌紋采集方式，用戶手掌完全懸空，沒有任何輔助支架支持，手掌可以隨意擺放，這樣在采集的手掌圖像中手掌方向各不相同，在圖像預(yù)處理的環(huán)節(jié)中首先需要將手掌圖像校正在同一方向，然后才能準(zhǔn)確的分割出掌紋感興趣區(qū)域，進(jìn)而精確的提取出掌紋特征。但是在掌紋圖像校正和分割仍然是非接觸式采集系統(tǒng)的一大難點。此外，非接觸式采集裝置通常不會將手掌包圍在封閉的環(huán)境中，大多數(shù)都是將手掌露在外界，這樣就會受到外界環(huán)境的影響，如室外陽光，室內(nèi)燈光等，同一手掌在不同光照的背景環(huán)境下采集的圖像可能會有所差異，這對于后續(xù)的掌紋識別可能會造成錯誤識別。在采集時用戶手掌與采集設(shè)備之間的距離波動也會引起圖像尺度的變化。與此同時，越來越多的仿冒手段來攻擊系統(tǒng)，如硅膠假體、手掌照片等都可以攻破非接觸式的掌紋識別系統(tǒng)。為了解決這些問題，研究者在ROI的定位方法上展開研究，解決了手掌平面旋轉(zhuǎn)的問題，準(zhǔn)確定位手掌關(guān)鍵點，使用圓形ROI區(qū)域等，雖然可以提高定位手掌關(guān)鍵點的準(zhǔn)確性，為后續(xù)提取掌紋特征提供優(yōu)勢和便利，但是該算法的復(fù)雜度較高，應(yīng)用在系統(tǒng)中運行時長會增加，系統(tǒng)的實時性降低。一?

【參考文獻(xiàn)】：
期刊論文
[1]生物特征識別技術(shù)綜述[J]. 鄭方,艾斯卡爾·肉孜,王仁宇,李藍(lán)天.  信息安全研究. 2016(01)
[2]手指多模態(tài)Gabor編碼特征局部融合方法研究[J]. 盧中寧,仲貞,賈桂敏,史玉坤,楊金鋒.  信號處理. 2015(11)
[3]Android中的Activity生命周期[J]. 關(guān)晶鑫,李永全.  電腦知識與技術(shù). 2013(11)
[4]基于紋路的三維指紋模型重建算法[J]. 梁小龍,殷建平,祝恩,官群健.  計算機科學(xué). 2012(10)
[5]一種新的掌紋ROI圖像定位方法[J]. 尚麗,蘇品剛,淮文軍.  激光與紅外. 2012(07)
[6]掌紋識別算法綜述[J]. 岳峰,左旺孟,張大鵬.  自動化學(xué)報. 2010(03)
[7]基于移動設(shè)備的掌紋驗證系統(tǒng)[J]. 張建新,歐宗瑛,劉典婷.  計算機工程. 2010(04)



本文編號：3113182