前言:想要写出一篇令人眼前一亮的文章吗?我们特意为您整理了5篇生物特征识别技术范文,相信会为您的写作带来帮助,发现更多的写作思路和灵感。
1 引言
所谓生物识别技术就是,通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合,利用人体固有的生理特性(如指纹、脸像、虹膜等)和行为特性(如笔迹、声音、步态等)来进行个人身份的鉴定。其核心在于如何获取这些生物特征,并将之转换为数字信息,存储于计算机中,利用可靠的匹配算法来完成验证与识别个人身份的过程。我们常见的用于生物识别的特征有手形、指纹、脸形、虹膜、视网膜、脉搏、耳廓、签字、声音、按键力度、步态等。
网络信息化时代的一大特征就是身份的数字化和隐性化。如何准确鉴定一个人的身份,保护信息安全是当今信息化时代必须解决的一个关键社会问题。相信大家都还记得一个经典的漫画,一条狗在计算机面前一边打字。一边对另一条狗说:“在互联网上,没有人知道你是一个人还是一条狗!”这个漫画说明了在互联网上很难识别身份。与传统的身份鉴定方法相比,生物识别技术具有安全、保密、方便、不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等优点。生物特征由于其特有的稳定性、唯一性和方便性,在安全、认证等身份鉴别领域有着广泛的应用。如重要部门的合法进入、计算机网络登录安全控制、信用卡持卡人的身份认证、被保险人的身份认证等。比尔・盖茨认为“以人类生物特征(指纹、语音、人脸识别等方式)进行身份验证的生物特征识别技术,在今后数年内将成为lT产业最为重要的技术革命”。生物识别是当今数字化生活中最高级别的安全密钥系统。
2 生物特征识别技术的应用前景及发展趋势
生物识别的应用范围很广:PC/局域网登录――许多供应商都提供允许用户登录到PC或局域网,尤其是Windows NT的应用软件,这减少了用户记住密码和经常更改密码的必要性,也同时减少了管理员经常复位和管理密码的必要性;应用系统登录――生物识别可以替换访问某项服务(比如电子邮件客户)所需的密码,这一自动登录过程可以对多项服务重复进行,并与LAN登录相结合。这使得生物识别是让“一次性登录”系统成为可能的技术;一次性登录(SSO)――这是通过一次验证就可以访问多项服务和资源的过程,这样一个系统的好处在于极大地方便了用户,不必要再操作多个密码,同时减少了访问关键应用内容所需的时间。其不足之处在于一次验证事件就控制了对所有应用项目和资源的访问。许多企业对于只使用一个简单密码进行一次性登录很有顾虑,因为泄密的危险太大了。对于实现一次性登录,生物识别成为密码的自然替代物。有些SSO项目提供部分应用一次登录的功能,比如:对于主要系统和网络操作系统。这些应用项目可以看成是简化的或是强化的登录系统。
关键词:生物特征 身份认证 多目标规划 优化组合
中图分类号:TP18 文献标识码:A 文章编号:1672-3791(2013)04(b)-0009-02
要害部位的安全性对身份认证技术提出了越来越高的要求,生物特征识别成为关注热点。单一的生物特征识别技术存在识别率低、安全性差等问题,多生物特征身份识别技术因综合了单生物特征识别的优点,成为一种发展趋势。如何在经济性、防伪性、稳定性、便捷性等约束条件下,从众多单一生物特征中挑选出最优化的组合方案,是研究多生物特征识别技术要考虑的问题。本文从多目标规划的角度,对多生物特征进行优化选取,达到对不同场所给出相应的优化组合的目的。
1 多目标规划模型
2.3 评价指标分值的确定及数学表达
由于各生物特征识别技术的复杂性、发展成熟程度以及市场化程度等的不同,各生物特征的各自评价指标会有不同程度上的差别。根据各种生物识别技术的优缺点以及应用中的情况,使用专家评分法对评价指标经济性、防伪性、稳定性、便捷性在[0,1]内打分,本文实验数据由相关资料参考得到,各评价指标分值如表2所示。
为说明不同权系数的影响不同,这里、、与成本值的值在MATLAB计算中给出。将表2的数值代入到式(5)、式(6),即得到多生物特征优化组合的数学模型。
3 多生物特征优化组合的MATLAB求解
0-1型整数规划常用解法为穷举法和隐枚举法。穷举法在变量较多时,计算量较为庞大,这里采取MATLAB7.0,建立m文件,根据式(5)、式(6)的数学表达与2.3节指标值,调用函数bintprog( )求解此0-1线性整数规划问题。
根据实际的情况和不同场所要进行安保对象的不同,采用不同的多生物特征组合,设定不同的成本代价、各评价指标权重、、,得到不同组合,找到最优的多生物特征组合。下面给出七组不同的实际应用场合的、、、的进行实验,得到各变量的0、1取值,其中:“1”表示选取,“0”表示未选取。根据实验数据以及它们与表1中相对应的生物特征,得到表3。
分别给定成本预算、权重系数,根据1、2组的比较可以得到,当成本预算相同时,根据实际需保护的目标不同,改变评价指标的权重,可以得到与之匹配的优化组合;由3、4得到权重相同时,改变成本预算也可以改变相应的生物特征组合。实验过程中,采用0-1线性整数规划,输入相同的预算成本或权重系数可能会得到相同的结果,但输出的实际成本会有不同,考虑到成本与评价指标的共同约束性,此时尽量选择不同的成本和权重。由此可以得到,当安保的部位确定后,可以根据预算成本和各评价指标的权重来确定采取的身份认证手段,从而综合多种生物特征识别的优点,提高识别率,起到对要点部位的安全防范。
4 结语
本文从重要场所出入口身份识别认证的需求出发,运用多目标规划模型,建立多生物特征的目标函数,利用线性加权和法得到评价函数,用最优化方法求解了重要目标多种生物特征识别的优化组合问题,通过MATLAB7.0实验得出结果后,经反算验证,在约束条件下,得到的组合是最优化组合,为后续的信息融合提供依据,也为不同军事目标的防护提供了较好的参考。
参考文献
[1] 曹卫华,郭正.最优化技术方法及MATLAB的实现[M].北京:化学工业出版社,2005.
[2] 周赤非.新编军事运筹学[M].北京:军事科学出版社,2010.
[3] 张睿.多模态手部生物特征识别技术的研究[D].重庆:重庆工学院,2008.
[4] 李秀艳.多生物特征身份识别方法研究[D].天津:天津大学,2010.
【关键词】生物特征识别;步态识别;步态检测;特征提取
0 引言
生物特征识别技术是根据每个人独有的、可以采样检测的生理特征或行为特征进行身份识别的技术。第一代生物特征识别技术主要利用人的指纹、脸像等特征进行识别,这通常要求上体近距离或接触性的协作感知,在远距离的情况下,这些特征不可能被利用。
由于个体之间身体结构和运动行为上的基本特性不同,步态运动为人的识别提供了独特的线索。步态具有非接触性、难以隐藏或伪装、易于捕捉等特点,且不受距离影响。除了步态本身的特点,PC处理器能力的提升,高速数据存储设备的出现,人体建模、运动跟踪等计算机视觉处理技术的提高等因素使得步态识别技术成为一种新的可行的安全应用,极具研究意义与研究价值。
近几年来步态势识别技术引起了世界各国学术科研机构的广泛的关注。美国国防高级研究所项目署资助的重大项目――HID(Human Identification a Distance)计划开展的多模态视觉监控技术以实现远距离情况下的人的检测、分类和识别。
1 步态识别过程
步态识别旨在根据人行走时的姿势来进行人的身份认证。步态识别过程可以划分为步态检测、步态特征提取、步态分类与识别三个阶段。
1.1 步态检测
步态检测是从人行走的视频序列中提取步态轮廓区域,这方面的工作包括背景建模、前景检测和形态学后处理等。步态轮廓的有效分割对于特征提取、分类识别等后期处理非常重要,因为后续处理过程仅考虑图像中轮廓区域的像素。常用的步态检测方法有背景减除法、时间差分法、光流法等。
1.2 步态特征提取
步态特征主要分为两大类:人体结构特征和运动行为特征。前者反映了人体的几何特性,如身高和体形;后者主要指行走时的肢体运动参数的变化。步态特征提取的方法主要有基于模型的方法和基于非模型的方法。
1.2.1 基于模型的方法
基于模型的方法是将人体结构或人体运动建模后,利用二维图像序列数据与模型数据进行匹配以获取特征参数。人的步行存在着携带背包、雨伞等足以改变外形、掩盖部分身体的现象,在很多运动场合还存在身体自我遮挡现象,基于模型的方法能够成功解决遮挡问题,原因在于模型是依赖于图像序列中人的运动模式而建立,能够反映当前的变化,还能对过去和将来的变化进行估算。常用的模型主要有:Lee构建的椭圆模型,即用椭圆来匹配运动人体的二值化侧影的不同身体部位,以椭圆的质心、离心率等参数反映人体步态特征参数[1];Cunado建立的钟摆模型,将大腿建模为链接的钟摆,并从其倾斜角度信号的频率分量中获取步态特征[2];Yoo建立的骨架图模型,即用直线近似在关节点处所连接的骨骼来表达人体[3]。
1.2.2 基于非模型的方法
非模型的方法是通过对位置、速度、形状等相关特征的预测或估计来建立相邻帧间的关系。例如,Little等[4]利用步态序列图像的光流频率和相位作为特征;Kale等[5]提取人体轮廓图像的宽度向量作为特征;Shutler[6]等引入速度矩作为特征;王亮等[7]提取轮廓点到人体质心的距离向量作为步态特征。
1.2.3 步态分类与识别
步态的分类识别过程,即采用适当的方法将待识别的步态与步态数据库中的步态模式进行匹配,通过一定的判别依据决策它所属的类别。考虑到步态的运动特性,对其分类识别也需要采用基于动态系统的识别方法。
2 结论
美国“9.11”事件之后,国际社会反恐形势更为严峻,加强重点场所的安全监测,提高身份识别能力,是反恐必不可少的措施。步态可在被观察者没有察觉的情况下进行非接触性的感知和度量,具有较好的非侵犯性。因此,从视觉监控的角度来看,步态识别是非常具有潜力的生物特征识别技术。当前文献报道的各种步态识别方法大多数是在一定实验假设条件下进行测试的,还没有应用到实际生活中。实际监控场景往往很复杂,可能存在多个运动物体,背景图像受天气、光照等外界因素的影响变化较大。以日照条件下运动目标的影子为例,它可能与被检测的目标相连,也可能与目标分离。前者,影子扭曲了目标形状,使基于轮廓的步态识别方法不再可靠;后者,影子可能被误认为场景中一个错误的目标。因此,实现实际场景下的步态检测仍然是一个挑战。
【参考文献】
[1]L.Lee.Gait analysis for recognition and classification[C]//Proceedings of the IEEE International Conference on Automatic Face and Gesture Recognition.2002.
[2]D.Cunado, M.Nixon, J.Carter. Using gait as a biometric, via phase-weighter magnitude spectra[C]// Proceedings of International Conference on Audio and Video-based Biometric Person Authenticetion.1997.
[3]Yoo Jang-hee,Nixon M S, Harris C J.Extracting Human Gait Signatures by Body Segment Properties[C]//Proceeding of Proc IEEE Southwest Symposium on Image Analysis and Interpretation.2002.
[4]J.Little,J. Boyd.Recognizingm people by their gait: the shape of motion[J]. Jouranl of Computer Vision Research,1998(2):2-32.
[5]Kale A, Rajagopalan A,Cuntoor N.Gait based recognition of humans using continuous hmms[C]// Proceedings of IEEE International Conference on Automatic Face and Gesture Recognition.2002.
【关键词】考试防作弊系统;人脸识别技术;指静脉识别技术
高校考试作为一种评价学生知识掌握程度和教师教学效果的重要手段,对优化教学过程,提高教学质量发挥着积极的作用。考试的质量高低及公正与否直接影响着考试积极作用的发挥。然而,高校学生在各类考试中出现作弊行为屡禁不止的现象,使得考试不能发挥积极的作用,给个人,学校乃至社会带来了严重危害。考试作弊对于个人来说,不但有损品德还会因违反学校纪律受到相应处分从而影响毕业及就业。对于学校而言考试作弊之风盛行,将严重影响到学风校风建设,因此,作为高校考务管理者应将防止作弊行为的发生作为首要课题。
一、当前高校考试作弊现状及对策分析
目前,通过对高校考试作弊现象的研究进行梳理,发现现阶段高校考试主要呈现作弊人数逐年增长,作弊手段多样、作弊技术高科技等特点。分析近几年高校相关的考试作弊学生处理文件发现,作弊行为由传统的夹带,抄袭等作弊方式逐渐发展成使用手机发送短信传递答案、隐形耳机传送答案,利用作弊笔、作弊眼镜抄袭答案,伪造准考证替考等高科技作弊手段。为了有效防止作弊行为的发生,高校提出了一系列的措施,如:加强考风考纪建设,树立严肃的考风;加强考务管理,健全考试制度;强化风险意识,严格遵守规章制度,依法按章严惩作弊者等。这些措施,对防止作弊行为的发生起到了一定作用,但随着社会信息技术的发展,使用高科技手段作弊的行为逐渐增多,严重影响了其他考生的利益且给社会造成了恶劣的影响,本项目基于考试防作弊系统中人脸识别、指静脉识别等技术的实际应用,探讨符合实际应用方式。
二、人脸识别技术的含义及发展
人脸识别技术是指一种包含人脸图像采集,人脸定位,人脸识别预处理,身份确认及查找的一系列相关技术的总和。是生物特征识别的一种,而生物特征识别是利用一种或多种人类的生理特征(如指纹、人脸、虹膜、静脉等)或行为特征(如步态、签名等)进行身份认证的一种技术。1相比目前的防作弊技术,例如,专门用来探测金属或含有金属部件的仪器金属探测器,专门屏蔽手机等无线通讯设备信号的手机信号屏蔽器,异地采集图像、声音等实况信息的监控器,生物特征识别技术具有唯一性、持久性和安全性高等诸多优势。
人脸识别技术由最初的识别基于人脸器官局部特征描述到识别多姿态,多表情变化,再到运用动态跟踪技术采集比静态图像信息更丰富的视频序列信息进行识别。此项技术在不断发展的过程中,逐渐被更多的领域应用,可见其技术优势。
三、指静脉识别技术的内容及应用
指静脉识别技术主要是利用手指的静脉血管纹路进行身份识别的一项生物特征识别技术,指静脉信息属于人体的内部特征,具有唯一性,无法被窃取和伪造并且指静脉信息只能在活体条件下才能被采集到,准确率高。采集指静脉信息目前主要使用指静脉识别仪进行。首先,通过指静脉识别仪采集指静脉图像并进行预处理以加强图像信息,然后提取静脉纹路、纹理、细节点等的指静脉特征,从而与数据库信息进行匹配,通过即为认证成功。
四、人脸识别技术及指静脉识别技术的应用探讨
在高校考试中,如全国大学英语四六级考试,全国非计算机联合考试等大型考试,由于参考人数众多,存在作弊行为的人数就相对较多。现阶段我们采用的方式是考前入场查验的方式。首先,基于考试防作弊系统信息采集模块进行信息采集,将学生信息录入数据库,学生信息主要包括身份证信息、人脸模型建模信息及指静脉信息,目前主要采用直接采集人脸模型的方式进行人脸图像的建模。具体做法是,在考前将在籍本科生人脸模型信息通过防作弊系统采集之后存入数据库,系统根据身份证信息存储数据,采用身份证配对调取信息的好处在于身份证号唯一且辨识度高。然后,考试当天对参加考学生进行信息认证。在考试前通知学生携带本人身份证,考试当天将防作弊系统安装至考试入场处,要求参加考试的学生提前拿出身份证,在身份证识别仪处刷取身份证信息,在身份证阅读器上读取身份证信息,同时通过双目摄像头检索数据库中,与身份证信息匹配的人脸模型,将数据库存储的人脸模型信息与现场参与考试的考生人脸图像进行扫描对比,通过者即为认证成功,可以正常参加考试。若扫描对比失败则进入指静脉信息对比环节。
进入指静脉信息对比环节后,引导考生将采集信息的手指放入指静脉识别仪中,若读取的考生指静脉信息后显示认证成功即确认为本人,则进入考场参加考试。指静脉识别失败即确定不是本人,认证失败确定不是本人者即有替考嫌疑,应进行进一步审核,若确定为替考者,将取消考试资格。
防作弊系统信息采集及信息认证操作流程:
五、总结与展望
目前,经过几次测试,防作弊系统可以正常投入使用,但在使用过程中遇到最大的问题是,当考生人数众多时,由于考生进场时间有限且信息认证花费的时间较长,容易造成考生入场拥堵,考前入场时间不够等情况。为了确保考试正常运行,可以考虑如下解决办法。
(一)考前入鏊婊查验的方式
信息认证方式可以由统一认证所有考生信息的方式改为单独随机抽查考生的方式。随机抽取部分考生,通过防作弊系统的人脸识别和指静脉识别查验考生信息,这样做的好处是大大缩减了认证时间,同时对考生起到警示的作用。
(二)监考人员复核查验的方式
在考生进入考场时,由监考人员核对考生信息,主要核对考生证件信息与本人是否相符,若有替考嫌疑,则通过防作弊系统的人脸识别和指静脉识别查验考生信息。
综上所述,人脸识别技术和指静脉识别技术在高校大型考试中进行应用还是可行的,但是还是存在一些问题,影响应用效果,在使用的过程中及时发现问题,解决问题,做到确保考试安全平稳运行的情况下,让人脸识别技术和指静脉识别技术在高校考试中发挥最大作用。
项目名称:高校考试防作弊技术应用探讨;项目编号:XJNUGF201618。
作者简介:方琴(1988-),女,汉族,新疆乌鲁木齐人,硕士研究生,科员。研究方向:信息化教育。
参考文献:
[1]Jain A K,Ross A,Pankanti S.Biometrics:A tool for information security[J].IEEE Transactions on Information Forensics and Security,2006,1(2):125―143.
[2]余成波,秦华锋.生物特征识别技术:手指静脉识别技术[M].北京:清华大学出版社,2009.
[3]管凤旭,王科俊,刘靖字,等.归一双向加权(2D)2 PCA的手指静脉识别方法[J].模式识别与人工智能,2011,24(3):417-424. Guan Fengxu,Wang Kejun,Liu Jingyu。et a1.Bi―direction weighted(2D)2 PCA with eigenvalue normalization one for finger vein recognition[J].Pattern Recognition and Artificial Intelligence,2011,24(3):417-424.
[4]伊义龙,杨公平,杨璐.指静脉识别研究综述[M].济南:山东大学计算机科学与技术学院,2015.
如今社会已然是信息化时代,每个人的信息安全显得尤为重要。于是生物特征识别技术也就应运而生了,生物特征识别技术最为常见的当属指纹识别了,但当下指纹识别渐渐不能满足人们的需求了。虽然指纹识别较为广泛应用,但有着安全性不大好,识别率不高,指纹易受损,可伪造等缺陷,对于一些需要安全性高的特殊场合来说不足以胜任。而近几年异军突起的指静脉识别技术不仅继承了传统指纹识别的使用方便,大众接受性高,快捷等优势,还弥补了可伪造,易受损等缺陷,大幅提升了信息的安全性。
【关键词】信息安全 生物特征识别 指静脉识别技术
1 引言
在信息化时代这个大背景之下,有些信息问题和弊端是较为突出和必须解决的。现在的身份识别慢慢由外物识别过渡为生物特征识别,就目前来说相对成熟和应用广泛的生物识别技术当属指纹识别了,但仍有着无法弥补的弊端,比如当指头受损或者有污渍等影响指纹纹路的情况下,指纹识别的识别率将会大幅降低,而且虽然无法破解和篡改机器内部的指纹记录,但现在有方法制作指纹膜,制作好的指纹膜可以进行指纹识别认证,所以指纹识别安全性并不能长久得到保障。而指静脉识别是根据静脉里血红蛋白反射的近红外线形成的静脉像来识别的,属于活体识别技术,由于静脉属于内部生理特征,所以不会受到表皮、污染、温湿度等外部环境的影响,而且静脉像也是无法复制的,所以指静脉识别可以避免上述情况的发生。
2 指静脉识别原理和处理技术
2.1 指静脉特征成像原理
医学研究表明,我们每个人的手指血管纹路都是世界上独一无二的。之所以采用手指静脉这一部分是因为相比于动脉来说静脉更加接近人体皮肤表皮,更容易采集。另外静脉相比动脉来说曲线和分支更多,采集到的静脉图像特征也就越明显。通过使用近红外线透照射手指时,静脉血液中的血红蛋白会吸收掉近红外线,肌肉和骨骼等部位被弱化,从而形成了明显的图像。
2.2 图像的采集
在静脉成像这方面,目前市场上的成像设备感光传感器多数分为两种:CCD和CMOS。其中CMOS较为便宜,并且集成度较高,功耗也低,虽然在成像的质量上没有CCD优秀,但是CMOS的光谱敏感范围在近红外线段中比可见光的高出5到6倍,更加适合在红外光线下采集图像,所以总体来说COMS更为合适。
近红外线范围一般选在850nm左右,在这个波长左右静脉透射的部分较少,成像明显,另外还需要增加红外滤光片来尽可能消除来自可见光的干扰。
2.3 图像的处理
采集到的图像会带着噪声,并且图像还会受到手指摆放的位置和姿势等其他因素的影响,所以需要对采集到的图像做进一步的处理。
其中有几项处理方法较为重要的:
2.3.1 图像增强
由于使用者个体的差异,不同的人手指的厚度也不尽相同。原始图像还会受到椒盐噪声的影响,这就给后面图像的分割造成了困难,所以在图像分割之前需要对图像进行增强处理。
2.3.2 去噪处理
需要对获取到的图像进行减噪,可以采用均值滤波的方式对图像进行图像平滑。均值滤波主要是邻域平均,针对有噪声的原始图像(假设为f(x,y))的每个像素点选择一个模板,这个模板是由邻近的m个像素组成,求得均值之后再将均值赋给当前的像素点,即为该像素点最终的像素值。公式如下:
∑f(x,y)
2.3.3 图像区域裁剪
采集到手指静脉图像的同时也会不可避免地包含了图像背景等冗余的数据,为了避免冗余数据的干扰,就需要我们进行图像区域的定位,最为常用的提取目标物体的方法为图像阈值化,适用于图像中目标物体和背景占据不同灰度级范围的情况。通过设置多种阈值对应不同的特征,由此可将图像像素点分为了若干类。常用的特征包括了直接来自原始图像的灰度和彩色特征以及由原始灰度或彩色值变换得到的特征。将原始图像设为f(x,y),按照定好的准则在f(x,y)中找到特征值T,分别赋予0和1来标明图像的背景和目的物体,也就是图像二值化。
2.3.4 图像分割
根据图像分割方法的不同,可以大致分为四种:
(1)利用图像灰度统计信息的方法,比如一维直方图阈值和二维直方图阈值;
(2)利用图像空间区域信息和光谱信息的图像分割方法,比如生长法、多光谱图像分割、纹理分割等;
(3)边缘检测方法,利用了图像中灰度变化最强烈的区域信息信息,比如Canny算法;
(4)像素分类法,是利用图像分类技术进行图像分割的一种方法,比如统计分类方法、模糊分类方法和神经网络方法等。
2.4 指静脉特征点提取
采集图像通过处理便可以得到进一步的静脉图像,不同静脉图像的区别在于静脉的拓扑结构以及细节点。而细节点的提取一般有以下几种:
2.4.1 端点
当指静脉在手指内部一定深度或近红外线透射不够深的时候就会出现。
2.4.2 分叉点
由一个单一的静脉段分裂为两段静脉段时出现。
2.4.3 双分叉点
当两个分叉点靠得比较近的时候就会出现。
根据上述三种细节点进行特征提取的方法如下:
2.4.4 提取端点
以端点为中心提取一块范围N*N(N的值视情况而定),然后删除该范围中没有与端点相连接的点。计算特征与范围边界的连接数,如果数目为一个细节点就将该细节点作为端点并保存该点与水平线的角度,否则不成立。
2.4.5 提取分叉点
以一个分叉点为中心提取一块范围N*N(N的值视情况而定),接着删除在该范围内不与该分叉点相连接的点,计算特征和该范围的连接数,当连接数目是4个的时候,就认为该分叉点是双分叉点,同时并保存分支之间的角度,否则不成立。
3 总结
针对传统指纹识别所凸显的弊端提出了指静脉识别的优势以及光明的前景,阐明了指静脉系统从采集到特征提取这一系列过程的原理以及方式等关键问题。虽然目前指静脉识别并没有像指纹识别那么为大众所熟知,但目前指静脉市场正处于临界状态,一旦得到进一步的完善和推广,相信在不久的将来会普及到各类领域之中,甚至将会引领信息安全的方向。就像十几年前人们纷纷丢掉腰间的呼叫机换成手机一样,指静脉识别将会大放异彩!
(通讯作者:刘晋胜)
参考文献
[1]葛彦平.手指静脉识别技术研究[D].哈尔滨:哈尔滨工程大学(硕士学位论文),2003.
[2]袁智.基于匹配融合的指纹与指静脉双模态生物识别技术的研究[D].南京:南京邮电大学(硕士学位论文),2005.