Nothing Special   »   [go: up one dir, main page]

CN107194367A - 手指静脉识别过程中的活体检测方法 - Google Patents

手指静脉识别过程中的活体检测方法 Download PDF

Info

Publication number
CN107194367A
CN107194367A CN201710420415.8A CN201710420415A CN107194367A CN 107194367 A CN107194367 A CN 107194367A CN 201710420415 A CN201710420415 A CN 201710420415A CN 107194367 A CN107194367 A CN 107194367A
Authority
CN
China
Prior art keywords
finger
vein
finger vena
video
identification process
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710420415.8A
Other languages
English (en)
Inventor
陈刘奎
李作进
刘丁芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Science and Technology
Original Assignee
Chongqing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University of Science and Technology filed Critical Chongqing University of Science and Technology
Priority to CN201710420415.8A priority Critical patent/CN107194367A/zh
Publication of CN107194367A publication Critical patent/CN107194367A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种手指静脉识别过程中的活体检测方法，其特征在于：在手指静脉识别过程中通过采集一定帧数的手指静脉视频图像，然后选取部分有手指静脉的区域作为活体静脉检测区域，最后再使用欧拉视频运动放大算法进行静脉纹路轻微膨胀和收缩运动检测，根据检测结果确定是否为活体手指静脉。其效果是，本发明不需要增加原有手指静脉识别平台的硬件，保持无接触采集的优点，还有可以应用到手背和手掌静脉的活体检测中。

Description

手指静脉识别过程中的活体检测方法
技术领域
本发明涉及手指静脉识别技术，具体涉及一种手指静脉识别过程中的活体检测方法。
背景技术
手指静脉识别技术属于当前生物特征识别技术中的热点领域，相比与指纹和人脸特征而言，手指静脉信息藏匿于浅表皮下，日常活动不会留下印迹，而且每根手指的静脉纹路都不一样，因此可以用作个人身份识别，而且具有无接触采集、安全性高、唯一性强的优势。
但应该过程中，难以避免有人利用自制设备采集原始手部静脉图像，再打印到假体上进行攻击。参考文献Tome P,Vanoni M,Marcel S.On the vulnerability of fingervein recognition to spoofing[C],Biometrics Special Interest Group.IEEE,2014:1-10.中也有指出：打印手指静脉图片有86％的可能性在手指静脉识别设备上蒙混过关，说明现有的手指静脉识别设备中还是存在着假体攻击的隐患，因此，在手指静脉识别过程中需要进行活体检测，从而降低假体欺骗的通过率。
现有的手指静脉识别设备中的活体检测通常采用添加其它器件来检测其它活体特征，如中国专利申请201310636653.4即公开了一种具有活体手指侦测功能的手指静脉识别装置，该装置通过在传统的手指静脉识别仪器中增设红外线脉搏波检测传感器来探测脉搏，从而判断被测物体是否为活体手指，以提高手指静脉识别的可靠性。
也有其他研究人员提出通过增设探测真皮层的电容式指纹传感器、用于检测汗孔的高分辨率的光学指纹传感器、指夹血氧探测器等方案，但是这些方式均需要对原有生物特征识别设备进行改造，硬件成本相对较高。
发明内容
经过研究发现，近红外透射手指静脉造影获取的图像中，因漫反射造成静脉纹路模糊，信噪比低，难以高清晰度成像，难以类似指纹高清晰图像采集，利用汗孔，汗渍等细微特征进行活体检测，在手指静脉的采集过程中，手指整体运动或静止，缺少人脸活体检测中眨眼，微笑等局部动态特性，利用单幅手指静脉图像和互动特征进行静脉活体检测难度太大。
针对上述缺陷，本发明提出可以从采集手指静脉视频中挖掘需要的活体特征，静脉活体识别的关键在于判别静脉部分的“活体”状态，静脉保持“活体”在于其内部的血液流动，虽然血液流动缓慢，但会随着脉搏有流量的变化，从而引起静脉轻微的膨胀和收缩，在近红外光透射手指静脉造影条件下，这种轻微的膨胀和收缩虽然很难用传统的视频运动检测方法侦测出来，但可以利用欧拉视频运动放大技术可以检测到局部微小的运动信息，将近红外手指静脉视频采集与欧拉视频运动放大相结合，综合手指整体宏观和局部静脉微观的运动检测，能够实现手指静脉的活体检测，无需增设多余硬件设备，从而降低设备成本。
为实现上述目的，本发明所采用的具体技术方案如下：
一种手指静脉识别过程中的活体检测方法，其关键在于：在手指静脉识别过程中通过采集一定帧数的手指静脉视频图像，然后选取部分有手指静脉的区域作为活体静脉检测区域，最后再使用欧拉视频运动放大算法进行静脉纹路轻微膨胀和收缩运动检测，根据检测结果确定是否为活体手指静脉。
进一步地，在实施上述方法过程中，通过手指静脉图像采集装置采集手指静脉视频图像，所述手指静脉图像采集装置包括近红外光源、光学传感器以及用于实现近红外光源光强自适应调整的单片机驱动电路，所述近红外光源模块和所述光学传感器相对设置，二者之间预留有用于放置手指的采集槽。
进一步地，所述手指静脉图像采集装置采集40～80帧手指无运动情况下的连续手指静脉视频图像作为待处理图像。
进一步地，通过视频运动检测判断手指在视频中是否为静止状态，如果不是静止状态，则手指静止图像帧数清零。
进一步地，通过局部动态阈值分割出图像中的静脉区域，选取相对明显的静脉区域作为所述活体静脉检测区域。
进一步地，所述活体静脉检测区域为2～3个不同位置区域。
进一步地，通过欧拉视频放大技术对局部静脉视频中的静脉膨胀和收缩进行放大，如果发现静脉区域的宽度有明显变化，即发生了膨胀或收缩，则认为该区域有血液流过，从而认定为活体静脉。
本发明的有益效果：
本发明提出通过近红外手指静脉视频来进行静脉活体检测，利用视频运动检测进行手指整体宏观静止状态检测，使用局部动态阈值分割出明显的静脉区域，选取出明显的静脉区域利用欧拉视频放大进行静脉微观运动检测，实现了手指静脉的活体检测。本发明不需要增加原有手指静脉识别平台的硬件，保持无接触采集的优点，还有可以应用到手背和手掌静脉的活体检测中。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明的系统原理框图；
图2为本发明的方法流程图；
图3为本发明手指静脉视频图像处理效果图；
图4为本发明静脉纹路宽度发生明显变化效果图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示，为实现本发明提出的方法，首先采用手指静脉图像采集装置采集手指静脉视频图像，通过图1可以看出，所述手指静脉图像采集装置包括近红外光源、光学传感器以及用于实现近红外光源光强自适应调整的单片机驱动电路，所述近红外光源模块和所述光学传感器相对设置，二者之间预留有用于放置手指的采集槽。
手指放置于采集槽中，光学传感器将采集的手指静脉视频图像传输至计算机，计算机根据手指厚度情况自适应调节近红外光强，然后通过控制单片机驱动电路保持稳定的光强分布。
如图2所示，针对本发明提出的手指静脉识别过程中的活体检测方法，在开始采集手指静脉图像并自适应调整近红外光强后，先通过视频运动检测判断手指在视频中是否为静止状态，如果不是静止状态，则手指静止图像帧数清零，如果手指是静止状态，则判断采集的帧数是否足够。
通常手指静脉识别过程中需要采集一定帧数的手指静脉视频图像，本例中设定为60帧，通过选定60帧手指无运动情况下的连续手指静脉视频图像作为待处理图像。
在采集时，将手指活体或假体放入采集平台后保持相对静止，采集平台自动调整光强使整个手指能够被近红外光透射，无过曝光和欠曝光，手指活体或假体在采集中静止放置约2秒钟即可，按30帧/秒估算，总共有60帧。如果在当前采集到的60帧内发现手指有移动，则抛弃当前存储的视频帧，等待手指不移动后重新开始采集多幅视频，通过人机交互界面提醒采集人不要挪动手指，直到采集到60帧手指无运动的连续帧为止。
接下来进行静脉纹络分割和感兴趣的区域提取，选取部分有手指静脉的区域作为活体静脉检测区域，实施时，通过局部动态阈值分割出图像中的静脉区域，选取相对明显的静脉区域作为所述活体静脉检测区域，通常选择的活体静脉检测区域为2～3个不同位置区域，图3所示即为分割后的感兴趣区域的图像。
通过图3和图4可以看出，选定好感兴趣的区域后，再使用欧拉视频运动放大算法进行静脉纹路轻微膨胀和收缩运动检测，根据检测结果确定是否为活体手指静脉。
通过欧拉视频放大技术对局部静脉视频中的静脉膨胀和收缩进行放大，如果发现静脉区域的宽度有明显变化，即发生了膨胀或收缩，则认为该区域有血液流过，从而认定为活体静脉。
欧拉视频放大的具体过程如下：
将60帧裁剪过的视频图像记作In,n＝1,2,...,60，先进行空域分解，对每一帧In都进行空域金字塔分解，向上2*2降采样，形成3层拉普拉斯金字塔，这样就得到了3种分辨率的60帧视频，记作k＝1,2,...,5,其中k表示第几层金字塔，原裁减过的视频帧In作为第零层
然后进行时域滤波，对中的每一帧进行频域带通滤波，频域带通滤波器选择理想带通滤波器，带通频率段在[0.7 1.2]之间，滤波后的图像记作
再将乘以放大系数α(k)，即线性放大该部分信号，得到将该部分加入到对应帧的拉普拉斯重构中，重构后的视频帧记作An，放大重构公式如下:
其中还需要进行上采样，使得每层的图像大小都与原始图像一样大小。将An进行gabor增强，再进行局部动态阈值分割，得到的某帧静脉增强和二值图像，具体如图3所示。
将视频运动放大增强后的每一帧进行gabor变换和局部动态阈值分割后就能够测出活体和假体静脉的宽度，测试中发现，活体静脉纹路的宽度在图4中的黑框处发生了较大的改变，有4～6个像素宽度的变化，而假体静脉纹路的宽度一般变化不超过2个像素宽度，即通过该方法可以检测出活体和假体静脉。
基于上述构思，可以理解，本实施例通过近红外手指静脉视频来进行静脉活体检测，利用视频运动检测进行手指整体宏观静止状态检测，使用局部动态阈值分割出明显的静脉区域，选取出明显的静脉区域利用欧拉视频放大进行静脉微观运动检测，实现了手指静脉的活体检测。本发明不需要增加原有手指静脉识别平台的硬件，保持无接触采集的优点，还有可以应用到手背和手掌静脉的活体检测中。
最后应说明的是：本实施例中所涉及的欧拉视频运动放大技术、手指运动状态检测技术以及图像分割技术可以参考以下文献，具体原理及过程不再赘述。
[1]Wu H Y,Rubinstein M,Shih E,et al.Eulerian video magnification forrevealing subtle changes in the world[J].Acm Transactions on Graphics,2012,31(4):65-73.
[2]甘明刚,陈杰,刘劲,等.一种基于三帧差分和边缘信息的运动目标检测方法.
[3]林喜荣,庄波,苏晓生,等.人体手背血管图像的特征提取及匹配[J].清华大学学报自然科学版,2003,43(2):164-167.
此外，以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (7)

1.一种手指静脉识别过程中的活体检测方法，其特征在于：在手指静脉识别过程中通过采集一定帧数的手指静脉视频图像，然后选取部分有手指静脉的区域作为活体静脉检测区域，最后再使用欧拉视频运动放大算法进行静脉纹路轻微膨胀和收缩运动检测，根据检测结果确定是否为活体手指静脉。
2.根据权利要求1所述的手指静脉识别过程中的活体检测方法，其特征在于：通过手指静脉图像采集装置采集手指静脉视频图像，所述手指静脉图像采集装置包括近红外光源、光学传感器以及用于实现近红外光源光强自适应调整的单片机驱动电路，所述近红外光源模块和所述光学传感器相对设置，二者之间预留有用于放置手指的采集槽。
3.根据权利要求2所述的手指静脉识别过程中的活体检测方法，其特征在于：所述手指静脉图像采集装置采集40～80帧手指无运动情况下的连续手指静脉视频图像作为待处理图像。
4.根据权利要求3所述的手指静脉识别过程中的活体检测方法，其特征在于：通过视频运动检测判断手指在视频中是否为静止状态，如果不是静止状态，则手指静止图像帧数清零。
5.根据权利要求1-4任一所述的手指静脉识别过程中的活体检测方法，其特征在于：通过局部动态阈值分割出图像中的静脉区域，选取相对明显的静脉区域作为所述活体静脉检测区域。
6.根据权利要求5所述的手指静脉识别过程中的活体检测方法，其特征在于：所述活体静脉检测区域为2～3个不同位置区域。
7.根据权利要求5所述的手指静脉识别过程中的活体检测方法，其特征在于：通过欧拉视频放大技术对局部静脉视频中的静脉膨胀和收缩进行放大，如果发现静脉区域的宽度有明显变化，即发生了膨胀或收缩，则认为该区域有血液流过，从而认定为活体静脉。
CN201710420415.8A 2017-06-07 2017-06-07 手指静脉识别过程中的活体检测方法 Pending CN107194367A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710420415.8A CN107194367A (zh) 2017-06-07 2017-06-07 手指静脉识别过程中的活体检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710420415.8A CN107194367A (zh) 2017-06-07 2017-06-07 手指静脉识别过程中的活体检测方法

Publications (1)

Publication Number Publication Date
CN107194367A true CN107194367A (zh) 2017-09-22

Family

ID=59877758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710420415.8A Pending CN107194367A (zh) 2017-06-07 2017-06-07 手指静脉识别过程中的活体检测方法

Country Status (1)

Country Link
CN (1) CN107194367A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108021892A (zh) * 2017-12-06 2018-05-11 上海师范大学 一种基于极短视频的人脸活体检测方法
CN108664956A (zh) * 2018-06-25 2018-10-16 北京航空航天大学 人体静脉生物特征信息采集过程中的活体识别方法及装置
CN109308405A (zh) * 2018-09-08 2019-02-05 太若科技(北京)有限公司 运用手部静脉血管解锁ar设备的方法、装置及ar设备
CN110239487A (zh) * 2019-06-28 2019-09-17 Oppo广东移动通信有限公司 控制车门开启的方法及相关设备
US11375909B2 (en) 2018-12-05 2022-07-05 Boe Technology Group Co., Ltd. Method and apparatus for determining physiological parameters of a subject, and computer-program product thereof
US11497408B2 (en) 2018-06-26 2022-11-15 Beijing Boe Technology Development Co., Ltd. Image information generation method, pulse wave measurement system and electronic device

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103126655A (zh) * 2013-03-14 2013-06-05 浙江大学 一种非约束目标的非接触式脉搏波采集系统及采集方法
CN103617419A (zh) * 2013-12-02 2014-03-05 中山微盾信息科技有限公司 具有活体手指侦测功能的手指静脉识别装置和方法
CN104622439A (zh) * 2013-11-10 2015-05-20 浙江大学 一种非固定的手环式脉搏采集系统及采集方法
CN106778446A (zh) * 2015-11-24 2017-05-31 秦皇岛鸿大科技开发有限公司 一种近红外指静脉图像采集系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103126655A (zh) * 2013-03-14 2013-06-05 浙江大学 一种非约束目标的非接触式脉搏波采集系统及采集方法
CN104622439A (zh) * 2013-11-10 2015-05-20 浙江大学 一种非固定的手环式脉搏采集系统及采集方法
CN103617419A (zh) * 2013-12-02 2014-03-05 中山微盾信息科技有限公司 具有活体手指侦测功能的手指静脉识别装置和方法
CN106778446A (zh) * 2015-11-24 2017-05-31 秦皇岛鸿大科技开发有限公司 一种近红外指静脉图像采集系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
R. RAGHAVENDRA等: "Finger vein Liveness Detection Using Motion Magnification", 《2015 IEEE 7TH INTERNATIONAL CONFERENCE ON BIOMETRICS THEORY, APPLICATIONS AND SYSTEMS (BTAS)》 *
孙继平: "《煤矿井下安全避险"六大系统"建设指南》", 31 March 2012, 煤炭工业出版社 *
韩富跃: "基于欧拉影像放大算法的驾驶疲劳检测研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
黄吉羊: "基于视频非接触技术的身份识别、追踪及异常预警", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108021892A (zh) * 2017-12-06 2018-05-11 上海师范大学 一种基于极短视频的人脸活体检测方法
CN108021892B (zh) * 2017-12-06 2021-11-19 上海师范大学 一种基于极短视频的人脸活体检测方法
CN108664956A (zh) * 2018-06-25 2018-10-16 北京航空航天大学 人体静脉生物特征信息采集过程中的活体识别方法及装置
CN108664956B (zh) * 2018-06-25 2021-11-12 北京航空航天大学 人体静脉生物特征信息采集过程中的活体识别方法及装置
US11497408B2 (en) 2018-06-26 2022-11-15 Beijing Boe Technology Development Co., Ltd. Image information generation method, pulse wave measurement system and electronic device
CN109308405A (zh) * 2018-09-08 2019-02-05 太若科技(北京)有限公司 运用手部静脉血管解锁ar设备的方法、装置及ar设备
US11375909B2 (en) 2018-12-05 2022-07-05 Boe Technology Group Co., Ltd. Method and apparatus for determining physiological parameters of a subject, and computer-program product thereof
US11751766B2 (en) 2018-12-05 2023-09-12 Boe Technology Group Co., Ltd. Method and apparatus for determining physiological parameters of a subject, and computer-program product thereof
CN110239487A (zh) * 2019-06-28 2019-09-17 Oppo广东移动通信有限公司 控制车门开启的方法及相关设备
CN110239487B (zh) * 2019-06-28 2021-10-08 Oppo广东移动通信有限公司 控制车门开启的方法及相关设备

Similar Documents

Publication Publication Date Title
CN107194367A (zh) 手指静脉识别过程中的活体检测方法
CN106530279B (zh) 一种图像处理方法及系统
CN105426843B (zh) 一种单镜头下掌静脉和掌纹图像采集装置及图像增强和分割方法
Al-Ajlan Survey on fingerprint liveness detection
CN113920119B (zh) 一种基于热成像技术的心率呼吸分析处理方法
CN108021892A (zh) 一种基于极短视频的人脸活体检测方法
CN110298273A (zh) 一种基于多光谱图像的3d指静脉提取方法及系统
CN108375095A (zh) 一种吸油烟机的控制方法及吸油烟机
Sujatha et al. Biometric authentication system with hand vein features using morphological processing
CN110866235B (zh) 同时捕获人体脉搏和静脉图像的身份识别方法及装置
Cho et al. Enhancement of finger-vein image by vein line tracking and adaptive gabor filtering for finger-vein recognition
Qin et al. The anti-spoofing study of vein identification system
Guzman et al. Generating thermal facial signatures using thermal infrared images
Wang et al. Building palm vein capturing system for extraction
Wang et al. Novel algorithm for enhancement of hand vein images based on adaptive filtering and retinex method
Kumar et al. Performance improvement using an automation system for segmentation of multiple parametric features based on human footprint
Khan et al. A new method to extract dorsal hand vein pattern using quadratic inference function
Agnalt et al. Vein detection using vein transillumination and contrast differentiation for practitioner aid
Qadir et al. Time and Cost Efficient Vein Pattern Recognition and Injection Point Suggestion using Machine Vision Technology
CN117333910B (zh) 一种基于静脉识别的醉酒检测方法
Ruan et al. Vein visualization enhancement by dual-wavelength phase-locked denoising technology.
Mil’shtein et al. Multi-mode biometrics for law enforcement operations
Shrotri et al. IR-webcam imaging and vascular pattern analysis towards hand vein authentication
Bhat et al. Design and Implementation of Vascular Pattern Recognition System
Koushik Design and Implementation of Vascular Pattern Recognition System

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170922