华南理工大学自动化科学与工程学院, 广东 广州 510641
搭建了基于视频的掌纹掌脉联合识别系统。首先对掌纹掌脉采用新的注册和识别方式,用系统获取的手掌运动视频来代替传统采集方式所获取的静态图像,认证时手掌无需刻意停留,只需横扫而过,有效地增强了认证的亲和性。提出了将旋转视频和横扫视频进行融合注册的新策略,从而确保了注册特征的丰富性和完整性,增强了系统对不同认证姿态的稳健性。为了提升已注册用户的识别速度,提出一种级联融合策略来进行识别。构建了一个包含100个手掌、1200段带有运动模糊的掌纹掌脉视频数据库,并在数据库上进行了大量仿真,结果显示新系统在915 ms的期望耗时内能够达到1.51%的等误率,验证了所构建新系统的有效性和实用性。
机器视觉 生物特征认证 掌纹识别 掌脉识别 级联融合
1 湖州师范学院 信息工程学院,浙江 湖州 313000
2 浙江大学 计算机科学与技术学院,杭州 310027
为了解决掌纹特征提取过程中,手掌的非平面问题导致的伪主线噪音信息并简化运算,对重构的掌纹图像进行了局部离散余弦变换.解决了重构后图像噪音敏感性问题,有效地区分了掌纹主线、掌纹褶纹和乳突纹.由二维主元分析算法获得较稳健的识别特征.通过香港理工大学公布的PolyU掌纹数据库的实验,同二维主元分析算法相比,小波重构与局部离散余弦变换的2DPCA掌纹识别算法正确识别率较高,识别效率较高.
掌纹识别 提升小波重构 局部离散余弦变换 二维主元分析 Palm-print recognition Lifting wavelet reconstruction Local discrete cosine transform Two-dimensional principle component analysis
主分量分析(PCA)是一种在众多生物特征识别中获得成功应用的特征提取技术，是一种基于二阶统计的在最小均方误差意义上的最优维数据压缩技术，它所提取的各特征分量之间是互不相关的。传统的PCA变换是对图像向量的分析，但向量维数一般都很高。二维主分量分析方法是最近兴起的针对图像矩阵的主分量分析方法，与一维主分量分析相比能更精确的计算原始数据的协方差矩阵。将其应用于掌纹识别，并在主分量的选取上加以改进，选取了更适合于分类的主分量。实验结果表明，该方法不仅有更高的识别率，而且维数更低。
主成分分析 掌纹识别 特征值 特征向量 principle component analysis palm-print recognition eigenvalue eigenvector
