手指静脉识别技术

doi:10.3778/j.issn.1673-9418.2012.04.007

计算机科学与探索 ›› 2012, Vol. 6 ›› Issue (4): 343-354.DOI: 10.3778/j.issn.1673-9418.2012.04.007

手指静脉识别技术

杨颖，杨公平

1. 阜阳师范学院计算机与信息学院，安徽阜阳 236029
2. 山东大学计算机科学与技术学院，济南 250101

出版日期:2012-04-01

Review on Finger Vein Recognition

YANG Ying, YANG Gongping

1. School of Computer and Information, Fuyang Teachers College, Fuyang, Anhui 236029, China
2. School of Computer Science and Technology, Shandong University, Jinan 250101, China

Online:2012-04-01

摘要/Abstract

摘要： 相对于指纹识别等传统生物特征识别，手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。综述了手指静脉识别的基本原理和关键技术，包括手指静脉图像采集、预处理、特征提取和匹配等；对与手指静脉识别有关的多生物特征技术进行了归纳总结，并对手指静脉识别技术存在的问题和未来的研究方向进行了讨论。

关键词: 生物特征识别, 手指静脉识别, 多生物特征识别, 特征提取, 匹配

Abstract: Compared to traditional biometrics such as fingerprint recognition, finger vein recognition is a new bio-
metric technology which has some better prospects. Firstly, this paper reviews the basic principles and key technologies of finger vein recognition, including acquisition, preprocessing, feature extraction and matching of finger vein images. Then, it summarizes the multi-biometric technologies which are related to finger vein. Finally, it discusses the problems and future researches of finger vein recognition.

Key words: biometric, finger vein recognition, multi-biometric, feature extraction, matching

杨颖，杨公平. 手指静脉识别技术[J]. 计算机科学与探索, 2012, 6(4): 343-354.

YANG Ying, YANG Gongping. Review on Finger Vein Recognition[J]. Journal of Frontiers of Computer Science and Technology, 2012, 6(4): 343-354.

[1]	苑春苗, 牛瑛, 郭涛, 李鑫. 融合衣服特征迁移的行人重识别方法[J]. 计算机科学与探索, 2021, 15(9): 1740-1752.
[2]	刘利平, 乔乐乐, 蒋柳成. 图像去噪方法概述[J]. 计算机科学与探索, 2021, 15(8): 1418-1431.
[3]	孙宇, 魏本征, 刘川, 张魁星, 丛金玉. 融减自动编码器[J]. 计算机科学与探索, 2021, 15(8): 1526-1533.
[4]	赵小强, 徐慧萍. 分级特征融合的图像语义分割[J]. 计算机科学与探索, 2021, 15(5): 949-957.
[5]	史志成, 周宇. 代码特征自动提取方法[J]. 计算机科学与探索, 2021, 15(3): 456-467.
[6]	李祥霞, 吉晓慧, 李彬. 细粒度图像分类的深度学习方法[J]. 计算机科学与探索, 2021, 15(10): 1830-1842.
[7]	严春满, 王铖. 卷积神经网络模型发展及应用[J]. 计算机科学与探索, 2021, 15(1): 27-46.
[8]	李维，赵晓乐，段彦隆，刘利军，黄青松. 基于CNN多层面二阶特征融合的肺结节分类[J]. 计算机科学与探索, 2020, 14(9): 1590-1601.
[9]	李昌华，崔李扬，李智杰. 用于非精确图匹配的改进GCN模型[J]. 计算机科学与探索, 2020, 14(8): 1397-1408.
[10]	赵晨园，李文新，张庆熙. 双目视觉的立体匹配算法研究进展[J]. 计算机科学与探索, 2020, 14(7): 1104-1113.
[11]	任家东，王倩，王菲，李亚洲，刘佳新. S-C特征提取的计算机漏洞自动分类算法[J]. 计算机科学与探索, 2020, 14(7): 1173-1182.
[12]	赵慧，景丽萍，于剑. 自适应监督下降方法的姿态鲁棒人脸对齐算法[J]. 计算机科学与探索, 2020, 14(4): 649-656.
[13]	程玉胜，李志伟，庞淑芳. 特征标记依赖自编码器的多标记特征提取方法[J]. 计算机科学与探索, 2020, 14(3): 470-481.
[14]	盛家川，王佳媛，李玉芝，王君. 融合深度网络的改进快速生成超像素算法[J]. 计算机科学与探索, 2020, 14(12): 2132-2139.
[15]	田晓彬，邓赵红，王士同. 融合深度和浅层特征的多视角癫痫检测算法[J]. 计算机科学与探索, 2020, 14(10): 1712-1726.

手指静脉识别技术

Review on Finger Vein Recognition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics