3D掌纹数据快速获取和识别

本文介绍了一种快速获取和识别3D掌纹数据的方法，并开发了一种高效的3D掌纹特征提取和识别算法。在介绍这项技术之前，有必要先理解掌纹识别在身份验证领域的重要性，及其区别于其他生物特征识别技术的特点。 生物特征识别技术近年来随着互联网和电子商务的快速发展变得越来越重要，成为确保信息安全的关键问题。掌纹作为一种生物特征，由于易于获取和稳定性，已被广泛研究，并且在很多领域得到应用。例如，富士通已经将2D掌纹识别技术应用于手持设备中，日本三菱银行也在将掌纹识别系统与ATM机结合，以增强安全性。在医院、警察局和机场等重要部门，掌纹识别系统已被用于加强安全。在中国，掌纹识别技术仍然处于初级阶段，但已取得了快速的发展。 为了快速获取准确的3D掌纹的形状和纹理信息，本文提出了一种基于DLP投影仪和CCD相机同步工作的3D掌纹快速捕获系统。通过生成并投影绿色条纹模式图像到测量的掌面，从条纹模式图像中计算出3D掌纹数据。由此产生的3D掌纹数据中可以提取周期性特征向量，从而获得未失真的3D生物特征数据。利用获取到的3D掌纹数据，通过Gabor滤波器、竞争规则和平均曲率进行了特征匹配测试。实验结果表明，所提出的获取方法能够快速获取掌纹的3D形状信息，初期的识别实验表明，利用3D掌纹数据的方法是有效的。 文章中还提到，为了快速准确地获取掌纹的3D形状信息，使用了DLP投影仪触发CCD相机实现同步。这种同步机制保证了条纹图像能够准确地投影到掌纹上，并且由相机捕获。绿色条纹模式图像的生成和投影是基于相位测量轮廓术（Phase Measuring Profilometry，PMP）的原理，这是一种常用的3D形状测量技术，能够从多个不同角度捕获物体表面的形状信息。 3D掌纹数据的计算，即从捕获的条纹模式图像中提取出掌纹的3D形状和纹理，是通过分析投影模式与捕获图像之间的相位差来完成的。这一过程需要精确的算法来确保数据的质量和准确性。 在特征提取方面，文中提到了Gabor滤波器的使用，这是一种能够模拟视觉皮层细胞的线性滤波器，广泛应用于图像处理，特别是在纹理分析和特征提取领域。通过Gabor滤波器可以增强图像的纹理特征，有助于后续的特征匹配和识别。 竞争规则和平均曲率的应用，是指在进行特征匹配时，如何选取最匹配的掌纹特征，并通过计算特征点的平均曲率来进一步区分不同的掌纹特征。这有助于提升识别的准确性和可靠性。 文章中还提到了关于掌纹识别技术的最新进展，例如，Fujitsu公司已经将2D掌纹识别技术应用于手持设备中，日本三菱银行结合了掌纹识别系统与ATM机，以增强交易的安全性。这些应用案例表明，掌纹识别技术已经在一定程度上融入到了我们的日常生活和工作中，提供了一种方便且有效的身份验证手段。 此外，文章最后提到，尽管中国的掌纹识别技术还处于发展初期，但已经取得了快速的发展。这表明了掌纹识别技术在中国的巨大潜力和应用前景，随着技术的进一步完善和推广，未来掌纹识别有望在更多领域中得到应用，为人们的生活和工作提供更加安全便捷的保障。