网站开发形式python3的网站开发

[1]张秀峰,牛选兵,王伟,等.掌静脉识别研究综述[J].大连民族大学学报,2020,22(01):33-37.DOI:10.13744/j.cnki.cn21-1431/g4.2020.01.007.

1、背景

目前对手部特征的识别主要有：指静脉识别、掌静脉识别、指纹识别、指节纹识别、掌纹识别和手形识别等。

而掌静脉识别作为一种新兴的生物特征识别技术，属于内生理特征。它不会磨损并且是活体时才存在的生理特征，具有难伪造、比掌纹和指纹识别更具安全性、比人脸识别更具稳定性、比虹膜识别更具应用的普遍性等特点。

2007年，静脉识别技术正式被国际标准组织( ISO) 采纳。

2、手掌静脉识别方法

2.1、传统手掌静脉图像识别方法

一般采用近红外光拍摄获取手掌静脉图像; 截取 ROI（Region Of Interest）区域进行增强、去噪等处理; 最后静脉特征提取及匹配。

（1）手掌静脉 ROI 图像的获取

eg：利用圆的数学特性确定手掌内切圆，从而确定手掌 ROI 区域。

（2）手掌静脉图像的增强

由于采集手部静脉图像时可能会受到采集设备、光照条件等各种因素的干扰，导致采集到的图像不清晰或静脉血管与背景区分度低等质量不佳的情况，因此对静脉图像识别之前需要对图像进行增强处理。

灰度归一化、直方图均衡、自适应对比度增强、自适应直方图均衡等。

（3）手掌静脉特征提取

传统方法

• 2D － Gabor 滤波编码
• 全局 Gist 特征

2.2、基于深度学习的掌静脉图像识别

eg：GAN 获得静脉纹理更加清晰的手掌静脉图像

3、手掌静脉识别难点

• 掌静脉图像采集环境的影响
• 掌静脉 ＲOI 图像定位分割的影响
• 掌纹的影响