掌纹掌脉融合识别技术及其在泛地铁环境中的应用

作者: 丁轶峰著 , 陈轶斌著 , 顾宇峰著 , 陈彤著 , 胡红雷著

出版社: 上海科学技术出版社

出版时间: 2016-12

版次: 1

ISBN: 9787547832622

定价: 98.00

装帧: 精装

开本: 16开

纸张: 铜版纸

页数: 96页

字数: 220千字

分类: 计算机与互联网

12人买过

本书主要介绍了*新的掌纹掌脉生物识别技术及其在泛地铁环境中进行无卡支付体系的建设方法，及对应地铁商圈的应用场景丁轶峰，上海掌默智能科技有限公司总经理，本科学历，原盛大网络核心成员，早期曾任支付宝顾问，近两年重点关注生物支付业务。

陈彤，上海掌默智能科技有限公司副总经理，本科学历，曾任职腾讯，负责对接闸机公司需求衔接和合作关系维护，以及对接集团客户预算投放，比如银行*发卡预算，银行提供掌脉POS覆盖地铁站商户和迪斯尼商户。 1绪论 6

1.1 生物特征识别技术概述 6

1.2 生物特征识别技术的分类 8

1.2.1指纹识别技术 8

1.2.2人脸识别技术 11

1.2.3虹膜识别 14

1.2.4掌纹识别 15

1.2.5声音识别 16

1.2.6视网膜识别 16

1.2.7DNA识别 17

1.2.8签名识别 17

1.2.9声纹识别 17

1.2.10步态识别 18

1.3 生物特征识别技术的市场前景 20

1.4 生物特征识别技术的现状 21

1.4.1不同种类的生物特征识别技术竞争发展 21

1.4.2生物特征识别产品分析 22

1.5 生物特征识别技术的优点和缺点 23

2掌纹和掌脉识别技术的基本原理 25

2.1掌纹识别技术的基本原理 25

2.2掌脉识别技术的基本原理 29

2.2.1基于结构特征的方法 35

2.2.2基于纹理特征的方法 36

2.2.3基于子空间的方法 37

3  掌纹的特征提取算法 39

3.1 基于moire 特征的掌纹特征提取算法 39

3.1.1 moire 特征简介 39

3.1.2 moire 预处理 40

3.1.3 moire 特征提取 43

3.1.4 moire 特征判别 44

3.1.5 实验数据分析和性能评价 45

3.2 应用景象匹配的掌纹识别方法 48

3.2.1 景象匹配的相关技术 49

3.2.2 景象匹配在掌纹识别中的应用 52

3.2.3 实验分析和比对 56

3.3 基于结构的匹配算法 61

3.4 基于统计的匹配算法 63

3.5 基于子空间的方法 64

3.6 基于编码的方法 66

3.7 小结 69

4 机器学习与掌纹识别 70

4.1 机器学习在生物特征识别中的应用 70

4.2 挖掘和利用未匹配细节点的掌纹识别 71

4.2.1 掌纹匹配 71

4.2.2 未匹配细节点的特征定义与提取 73

4.2.3 集成方法 78

4.3 小结 79

5  掌纹识别系统的实现 80

5.1 基于数码相机的掌纹识别系统 80

5.1.1 实验装置的硬件设计 80

5.1.2 系统的整体实现 81

5.2 基于视频摄像头的掌纹识别系统 83

5.2.1 系统的硬件构成 84

5.2.2 系统的软件具体实现 85

5.3 基于ARM开发板的嵌入式掌纹识别系统 86

5.3.1 系统的总体模块设计 86

5.3.2 模型样机的设计 87

5.3.3 系统的程序实现 89

5.4 基于扫描仪的嵌入式掌纹识别系统 89

5.4.1 系统分析和设计 90

5.4.2 掌纹图像采集的分辨率分析 92

5.4.3 掌纹图像采集的分辨率分析 93

5.5 掌纹识别系统的性能比对 94

5.6 小结 95

6 掌脉采集系统及识别算法 96

6.1 掌脉采集系统的设备选取 96

6.2 掌脉采集系统设计 98

6.3 掌脉识别算法研究 99

6.3.1 掌脉血管提取的前期尝试 99

6.3.2 掌脉图像预处理 101

6.3.3 掌脉图像特征提取和匹配识别 104

6.3.4 掌脉识别算法性能评价 106

6.4 小结 108

7 掌纹掌脉融合识别技术 109

7.1 多模态生物特征识别技术 109

7.2 掌纹掌脉融合识别技术的原理 110

7.2.1 多模态生物特征识别技术 110

7.2.2 经典感受野与非经典感受野简介 112

7.2.3 响尾蛇双模式生物机理概述 114

7.2.4 应用感受野和响尾蛇双模式机理的掌纹掌脉融合技术 116

7.3 掌纹掌脉融合采集仪 119

7.4 掌纹掌脉融合技术的性能评价 121

7.5 多模态生物特征数据库 125

7.6 小结 126

8 当前掌纹掌脉识别技术的实际应用 128

8.1 掌纹掌脉识别技术为第三方支付保驾护航 128

8.2 掌纹掌脉识别技术在门禁考勤中大显身手 129

8.2.1 湖南广播电视台门禁应用案例 130

8.2.2 基于掌纹掌脉识别技术的银行金库安保管理系统 136

8.2.3 基于掌纹掌脉识别技术的银行二道门管理系统 137

8.2.4 基于掌纹掌脉识别技术的监狱点名系统 138

8.2.5 基于掌纹掌脉识别技术的监狱通道管理系统 139

8.2.6 基于掌纹掌脉识别技术的智能楼宇安保系统 140

8.3 基于掌纹掌脉识别技术的实名认证新趋势 141

8.4 掌纹掌脉识别技术与移动互联完美结合 142

8.5 小结 144

9 泛地铁环境中掌纹掌脉融合识别技术的应用 146

9.1  泛地铁时代来临 146

9.1.1 泛地铁带来的聚合效应 146

9.1.2 打造新商圈和新城市格局 147

9.2 当前泛地铁环境成熟应用 148

9.2.1 自动检票系统概述 148

9.2.2 AFC系统基本架构 149

9.2.3 AFC系统架构体系演变 150

9.2.4 移动支付在地铁交通中的应用 155

9.3 掌纹掌脉融合技术进入泛地铁环境中的必要性和可行性 160

9.3.1 票卡层技术对接 161

9.3.2 读写器模块对接 161

9.3.3 后台系统清分对账 161

9.3.4 可行的实现方案 162

9.4 具体实施方案与流程 163

9.4.1 用户注册 163

9.4.2 闸机出入 164

9.4.3 系统集成 166

9.5 小结 167

参考文献
内容简介:
本书主要介绍了*新的掌纹掌脉生物识别技术及其在泛地铁环境中进行无卡支付体系的建设方法，及对应地铁商圈的应用场景
作者简介:
丁轶峰，上海掌默智能科技有限公司总经理，本科学历，原盛大网络核心成员，早期曾任支付宝顾问，近两年重点关注生物支付业务。

陈彤，上海掌默智能科技有限公司副总经理，本科学历，曾任职腾讯，负责对接闸机公司需求衔接和合作关系维护，以及对接集团客户预算投放，比如银行*发卡预算，银行提供掌脉POS覆盖地铁站商户和迪斯尼商户。
目录:
1绪论 6

1.1 生物特征识别技术概述 6

1.2 生物特征识别技术的分类 8

1.2.1指纹识别技术 8

1.2.2人脸识别技术 11

1.2.3虹膜识别 14

1.2.4掌纹识别 15

1.2.5声音识别 16

1.2.6视网膜识别 16

1.2.7DNA识别 17

1.2.8签名识别 17

1.2.9声纹识别 17

1.2.10步态识别 18

1.3 生物特征识别技术的市场前景 20

1.4 生物特征识别技术的现状 21

1.4.1不同种类的生物特征识别技术竞争发展 21

1.4.2生物特征识别产品分析 22

1.5 生物特征识别技术的优点和缺点 23

2掌纹和掌脉识别技术的基本原理 25

2.1掌纹识别技术的基本原理 25

2.2掌脉识别技术的基本原理 29

2.2.1基于结构特征的方法 35

2.2.2基于纹理特征的方法 36

2.2.3基于子空间的方法 37

3  掌纹的特征提取算法 39

3.1 基于moire 特征的掌纹特征提取算法 39

3.1.1 moire 特征简介 39

3.1.2 moire 预处理 40

3.1.3 moire 特征提取 43

3.1.4 moire 特征判别 44

3.1.5 实验数据分析和性能评价 45

3.2 应用景象匹配的掌纹识别方法 48

3.2.1 景象匹配的相关技术 49

3.2.2 景象匹配在掌纹识别中的应用 52

3.2.3 实验分析和比对 56

3.3 基于结构的匹配算法 61

3.4 基于统计的匹配算法 63

3.5 基于子空间的方法 64

3.6 基于编码的方法 66

3.7 小结 69

4 机器学习与掌纹识别 70

4.1 机器学习在生物特征识别中的应用 70

4.2 挖掘和利用未匹配细节点的掌纹识别 71

4.2.1 掌纹匹配 71

4.2.2 未匹配细节点的特征定义与提取 73

4.2.3 集成方法 78

4.3 小结 79

5  掌纹识别系统的实现 80

5.1 基于数码相机的掌纹识别系统 80

5.1.1 实验装置的硬件设计 80

5.1.2 系统的整体实现 81

5.2 基于视频摄像头的掌纹识别系统 83

5.2.1 系统的硬件构成 84

5.2.2 系统的软件具体实现 85

5.3 基于ARM开发板的嵌入式掌纹识别系统 86

5.3.1 系统的总体模块设计 86

5.3.2 模型样机的设计 87

5.3.3 系统的程序实现 89

5.4 基于扫描仪的嵌入式掌纹识别系统 89

5.4.1 系统分析和设计 90

5.4.2 掌纹图像采集的分辨率分析 92

5.4.3 掌纹图像采集的分辨率分析 93

5.5 掌纹识别系统的性能比对 94

5.6 小结 95

6 掌脉采集系统及识别算法 96

6.1 掌脉采集系统的设备选取 96

6.2 掌脉采集系统设计 98

6.3 掌脉识别算法研究 99

6.3.1 掌脉血管提取的前期尝试 99

6.3.2 掌脉图像预处理 101

6.3.3 掌脉图像特征提取和匹配识别 104

6.3.4 掌脉识别算法性能评价 106

6.4 小结 108

7 掌纹掌脉融合识别技术 109

7.1 多模态生物特征识别技术 109

7.2 掌纹掌脉融合识别技术的原理 110

7.2.1 多模态生物特征识别技术 110

7.2.2 经典感受野与非经典感受野简介 112

7.2.3 响尾蛇双模式生物机理概述 114

7.2.4 应用感受野和响尾蛇双模式机理的掌纹掌脉融合技术 116

7.3 掌纹掌脉融合采集仪 119

7.4 掌纹掌脉融合技术的性能评价 121

7.5 多模态生物特征数据库 125

7.6 小结 126

8 当前掌纹掌脉识别技术的实际应用 128

8.1 掌纹掌脉识别技术为第三方支付保驾护航 128

8.2 掌纹掌脉识别技术在门禁考勤中大显身手 129

8.2.1 湖南广播电视台门禁应用案例 130

8.2.2 基于掌纹掌脉识别技术的银行金库安保管理系统 136

8.2.3 基于掌纹掌脉识别技术的银行二道门管理系统 137

8.2.4 基于掌纹掌脉识别技术的监狱点名系统 138

8.2.5 基于掌纹掌脉识别技术的监狱通道管理系统 139

8.2.6 基于掌纹掌脉识别技术的智能楼宇安保系统 140

8.3 基于掌纹掌脉识别技术的实名认证新趋势 141

8.4 掌纹掌脉识别技术与移动互联完美结合 142

8.5 小结 144

9 泛地铁环境中掌纹掌脉融合识别技术的应用 146

9.1  泛地铁时代来临 146

9.1.1 泛地铁带来的聚合效应 146

9.1.2 打造新商圈和新城市格局 147

9.2 当前泛地铁环境成熟应用 148

9.2.1 自动检票系统概述 148

9.2.2 AFC系统基本架构 149

9.2.3 AFC系统架构体系演变 150

9.2.4 移动支付在地铁交通中的应用 155

9.3 掌纹掌脉融合技术进入泛地铁环境中的必要性和可行性 160

9.3.1 票卡层技术对接 161

9.3.2 读写器模块对接 161

9.3.3 后台系统清分对账 161

9.3.4 可行的实现方案 162

9.4 具体实施方案与流程 163

9.4.1 用户注册 163

9.4.2 闸机出入 164

9.4.3 系统集成 166

9.5 小结 167

参考文献

查看详情

掌纹掌脉融合识别技术及其在泛地铁环境中的应用

内容简介:

作者简介:

目录: