第六讲生物认证技术 - 多agent系统与智能决策研究小组.ppt

第六讲生物认证技术 - 多agent系统与智能决策研究小组.ppt

  1. 1、本文档共136页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
指纹采集的方法有两种一种是由指纹采集器件主动向手指发出探测信号然后分析反馈信号以形成指纹脊线和谷线的图案如光学采集和射频采集属于主动式采集另一种是指纹采集器件是被动感应的方式当手指放置到指纹采集设备上时因为指纹嵴和峪的物理特性或生物特性的不同会形成不同的感应信号然后分析感应信号的量值来形成指纹图案如热敏采集半导体电容采集和半导体压感采集属于第二种学习报告学习报告基于奇异点的特征提取基于结构的特征提取和匹配算法基于曲线解析的特征提取与分类图匹配方法变换和楔环分类这样子有利于再对图像做进一步处理时图

指纹采集的方法有两种: 一种是由指纹采集器件主动向手指发出探测信号,然后分析反馈信号,以形成指纹脊线和谷线的图案。 如光学采集和射频(RF)采集属于主动式采集。 另一种是指纹采集器件是被动感应的方式。当手指放置到指纹采集设备上时,因为指纹嵴和峪的物理特性或生物特性的不同,会形成不同的感应信号,然后分析感应信号的量值来形成指纹图案。 如热敏采集、半导体电容采集和半导体压感采集属于第二种。 学习报告1 Fingerprint Image Enhancement using Filtering Techniques Adaptive fingerprint binarization by frequency domain analysis Binary Fingerprint Image Thinning Using Template-Based PCNNs 学习报告2 基于奇异点的特征提取 基于结构的特征提取和匹配算法 基于曲线解析的特征提取与分类 图匹配方法 Fourier变换和楔环分类 * 这样子有利于再对图像做进一步处理时,图像的集合性质只与像素值为0或255的点的位置有关,不再涉及像素的多级值,使处理变得简单,而且数据的处理和压缩量小。 * 在预处理的过程中我们采用了三次滤波操作: 灰度图象滤 波、二值图象滤波和细化后图像的滤波, 这主要是为了彻底去除图象中的噪音, 减少人工 干预, 同时也提高了系统对模糊不清、残缺不全的指纹图象的处理能力. * 设置16个跟踪方向,每次在9个方向上(因为只需考虑前进方向周围 的几个方向,见图6)跟踪纹线上的点,直到遇到背景点或者跟踪步数超过所给阈值为止. 然后以所跟踪的最长步数为半径作一圆,则纹线至少会被该圆切下一段圆弧,取与跟踪方 向最贴近的弧的中点为终点,在终点与该段跟踪的起点(图6中的两个三角顶点)之间连 一条线段,则该直线段就作为该段纹线细化后的结果.重复执行,直到该纹线结束 * 设置16个跟踪方向,每次在9个方向上(因为只需考虑前进方向周围 的几个方向,见图6)跟踪纹线上的点,直到遇到背景点或者跟踪步数超过所给阈值为止. 然后以所跟踪的最长步数为半径作一圆,则纹线至少会被该圆切下一段圆弧,取与跟踪方 向最贴近的弧的中点为终点,在终点与该段跟踪的起点(图6中的两个三角顶点)之间连 一条线段,则该直线段就作为该段纹线细化后的结果.重复执行,直到该纹线结束 * 在最复杂的情况下,B-样条可以是一些基本多项式函数的线性组合。这一方法的弱点是搜索时间 * 楔 xiē * 人脸定位:首先判断其是否存在人脸 , 如果存在人脸,则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。 人脸识别:依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份 * 几何特征的人脸识别方法:几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系(如相互之间的距离)。这些算法识别速度快,需要的内存小,但识别率较低。 基于特征脸(PCA)的人脸识别方法 :基于图像灰度的统计特性 ,需要较多的训练样本 * 语音模板是一个以时间值为横坐标,以响度为纵坐标的波形,其处理步骤如下: 数字获取 特征选择和提取 特征结群、并入库 新的语音数据和库中数据进行模式匹配 * 说话人识别模型与方法 * 虹膜包含纹理的部分是内外两个近似圆形边界之间的部分,虹膜内侧与瞳孔相邻,外侧与眼白相邻。但是,这两个圆不是完全同心的[7],我们需要分别对内外两个边界进行处理。采用二值化的方法分离出瞳孔,提取内虹膜边界;最小二乘拟合的方法提取外圆边界 * 字迹高度、字迹宽度、弯道数量和形式(比如i和g的弯道)以及弓形(凸出的或凹入的弓形),此外还有交叉(如t的横线与竖线的交叉)以及分叉(如p的竖线与弓形的分叉)。每一笔的独特的起点和终点以及中断也属于签名识别的参数 鉴名识别 签名识别,也被称为签名力学辨识,源于每个人都有自己独特的书写风格。 按数据获取方式分以下两种 离线认证 :扫描仪获取签名图像,静态特征,易伪造 在线认证:通过手写板采集书写人的签名样本,除了采集书写点的坐标外,有的系统还采集压力、握笔的角度等数据 ,动态特征 签名的数量特征: 字迹高度、字迹宽度、弯道数量和形式、弓形、交叉、分叉; 每一笔的独特的起点和终点以及中断也属于签名识别的参数; 整个签名时间、书写“一笔”所用的时间以及平均书写速度 虹膜识别 虹膜识别技术将虹膜的可视特征转换成一个512个字节的Iris Code(虹膜代码),这个代码模板被存储下来以便后期识别所用 准确性和稳定性最高。其处理过程如下: 虹膜定位 虹膜的内外边界 虹膜编码(用Gabor子波、小波变换等

文档评论(0)

wangsux + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档