下载文档原格式
以识别人体内部生物特征的第二代生物识别方式已悄然面 世。
由于内部生物特征无法用肉眼观察到，则要求用特殊的且 对人体无伤害的物理手段来获取，手指静脉识别认证系统便是 这样的技术。
手指静脉识别认证系统文／ 郭岳衡 广州华赛高科技发展有限责任公司揭秘随着对个人物品、内部网 络、建筑物通道、Ｉｎｔｅｒｎｅｔ乃至电 子商务的安全性的要求日趋严 格，对于身份认证技术的需求也 变得越来越紧迫，生物识别技术 即是安全和便捷的身份识别方 法。
在众多生物识别方案中，有 指纹识别、面像识别、虹膜识 别、掌形识别、步态识别等多种 识别方式，这些识别人的身份的 方式仅停留在观察人的生物特征 的“表象”上，安全系数较低。
伴随着市场需求的加大，以及科 研人员的努力，第二代生物识别 方式正逐步登上历史舞台，手指 静脉识别认证系统便是其中最具 代表性的技术。
管纹路，形成二进制影像，快速 运算比对确认，仅需０．０４秒即能辨 识使用者，误判率极低。
由ＦＡＲ （ Ｆａｌｓｅ Ａｃｃｅｐｔａｎｃｅ Ｒａｔｅ） ０．０００１％及ＦＲＲ（ＦａｌｓｅＲｅｊｅｃｔｉｏｎ Ｒａｔｅ）０．１％两者数据显示出，辨 识正确性优于其它生物辨识系 统；同时具有９９．９８％的高度可用 性，可避免指纹辨识系统达３％成 人无法正常使用的尴尬状况。
如果手指静脉认证系统搭配 使用ＩＣ卡或者密码输入双重识别方 式，则能增加系统使用的安全 性；由于此类系统采用活体辨 识，不是生理特征的实体接触， 因此不会因为残留辨识的痕迹， 而导致伪冒或仿制成功的事件。
手指静脉认证系统不受环境及油 渍污染，即使手指背面表皮形成 新的疤痕，仍可以正确而快速辨 识手指静脉图像。
系统综述手指静脉认证系统起源于一 般的血管纹路辨识系统，由感应 器使用红外线扫描手指的静脉血60２００７年１－２月识别认证原理手指静脉认证是近年来生物 认证技术开辟的新领域，利用每 个人手指内部的静脉图案各不相 同这一特点作为生物特征进行认 证。
手掌识别，有望开启新的身份验证思路作者：暂无来源：《信息化建设》 2019年第9期文|林露露Redrock Biometrics公司的技术将手掌的图像转换为一个独特的签名，并根据CPU的速度对用户进行10到100毫秒的验证继指纹识别与人脸识别之后，两位前Leap Motion 员工认为他们已经开拓性地解决了密码和身份管理的另外一个思路——手掌识别。
于是，这两位前Leap Motion 员工成立了Redrock Biometrics（红岩生物测定）公司，该公司的技术正在向世界上大量的身份识别技术、PIN码、密码和语音识别技术提出挑战。
新的识别技术结合了现有的硬件和专有软件，以识别掌纹来验证用户身份。
根据一份声明，Redrock Biometrics公司的技术将手掌的图像转换为一个独特的签名，并根据CPU的速度对用户进行10到100毫秒的验证。
该技术使用机器视觉技术来检测手掌，并通过其描述符进行登记或验证。
因为远隔重洋，本刊记者用问答的形式对其中的一位创始人杨骅博士进行了采访，他用非常具有逻辑性并且浅显易懂的思路对我们的疑问作了解答。
记者：杨博士，能否详细描述一下你的项目？这个项目又有哪些亮点？杨骅：Redrock Biometrics开发了PalmID，一种全新的基于掌纹识别的非接触式生物特征识别解决方案。
和人脸识别一样，PalmID适用于任何带普通摄像头的设备，只需将手掌对着摄像头就能实现快速识别。
在应用于身份认证时，掌纹识别具有一些人脸识别所不具备的优点。
首先是精确度高，掌纹包含的信息量大，PalmID的精确度远高于人脸或者指纹识别。
其次是安全性高，人脸模板可以很容易地在网上找到，而掌纹照片就很难获取。
第三是私密性高，用户只有在希望被识别时才会主动伸手，不用担心在不知情的情况下被识别跟踪。
最后是社会包容性高，人脸识别对黑皮肤用户的识别精度会下降，也不适用于需要蒙面的中东妇女，而掌纹识别不存在这些问题。
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910159759.7(22)申请日 2019.03.01(30)优先权数据62/640,917 2018.03.09 US(71)申请人 苹果公司地址 美国加利福尼亚(72)发明人 D ·R ·赛特拉克 G ·戈齐尼 M ·雅凯亚兹丹杜斯特 (74)专利代理机构 中国国际贸易促进委员会专利商标事务所 11038代理人 刘凤香(51)Int.Cl.G06K 9/00(2006.01)G06F 21/32(2013.01)(54)发明名称包括非接触式手掌生物特征传感器的电子设备和相关方法(57)摘要本发明公开了包括非接触式手掌生物特征传感器的电子设备和相关方法。
一种电子设备可包括非接触式手掌生物特征传感器，该传感器包括至少一个光源和至少一个与其一起工作的光传感器。
该电子设备还可以包括控制器，该控制器被配置为，从定位成与非接触式手掌生物特征传感器间隔相邻的用户手掌捕获图像数据，并基于该图像数据确定用户手掌的取向偏移。
该控制器还可被配置为基于图像数据来确定用户手掌的表面畸变，并且基于图像数据、取向偏移和表面畸变来执行对用户手掌的生物特征认证。
权利要求书1页 说明书8页 附图14页CN 110245547 A 2019.09.17C N 110245547A权 利 要 求 书1/1页CN 110245547 A1.一种电子设备，包括：显示层，所述显示层包括透光部分和不透光部分；手掌生物特征图像传感器层，所述手掌生物特征图像传感器层在所述显示层下方并被配置为基于从用户手掌反射，通过所述显示层的所述透光部分的光，感测定位在所述显示层上方的用户手掌的图像；以及控制器，所述控制器被配置为：与所述手掌生物特征图像传感器层合作，从所述用户手掌捕获图像数据，基于所述图像数据确定所述用户手掌的表面畸变，以及基于所述图像数据和所述表面畸变来执行对所述用户手掌的生物特征认证。
手指静脉识别传感器的光源设计吴飞;杨广达;王凤兰;张素红【摘要】针对手指静脉图像采集系统中近红外LED光源的光强均匀性相对较差的问题,设计了一种等边三角形结构的光源阵列.通过应用近红外LED光源的数学模型和斯派罗法则优化两个相邻光源的距离,确定了两颗光源之间的最优距离为6.26 mm,对该光源阵列进行仿真形成面积为10 mm ×20 mm的均匀光照区域.对此光源阵列进行硬件实验,证明等边三角形结构的光源阵列比单排的光源阵列在均匀性和图像质量上更加突出.%Aiming at problem that intensity uniformity of near infrared LED light source is relatively poor in finger vein image acquisition system,a light source array structure of equilateral triangle is designed.Through using the mathematical model for near infrared LED light intensity and Sparrow's criterion to optimize distance between two adjacent light source,the optimal distance between the two light sources are confirmed as 6.26 mm.An uniform illumination area of 10 mm× 20 mm is formed by the new light source array by simulation.The hardware experiment of the light source arrays demonstrate that the light source array of equilateral triangle structure is more prominent than the light sources array of single row in the uniformity and the quality of image.【期刊名称】《传感器与微系统》【年(卷),期】2017(036)004【总页数】4页(P74-77)【关键词】手指静脉;图像采集;近红外LED;等边三角形;硬件实现【作者】吴飞;杨广达;王凤兰;张素红【作者单位】燕山大学电气工程学院,河北秦皇岛066004;燕山大学电气工程学院,河北秦皇岛066004;秦皇岛鸿大科技开发有限公司,河北秦皇岛066004;燕山大学电气工程学院,河北秦皇岛066004【正文语种】中文【中图分类】TP391.4手指静脉识别技术是一种新的生物特征识别技术[1]，具有采集速度快、精度高、活体识别、非接触式等优点[2]，拥有很高的市场价值与应用前景[3,4]。
活体检测原理活体检测是指通过生物特征识别技术，对人体的生物特征进行识别和验证，以确认被识别者是活体而非静态照片、录像或其他仿真手段。
活体检测技术在人脸识别、指纹识别、虹膜识别等领域有着广泛的应用，其原理主要包括生物特征提取、活体检测方法和技术的发展趋势。
首先，生物特征提取是活体检测的基础。
生物特征包括人体的面部特征、指纹特征、虹膜特征等。
在人脸识别中，通过摄像头采集到的人脸图像，可以提取出人脸的特征点，如眼睛、鼻子、嘴巴等部位的位置和轮廓，然后将这些特征点进行编码和存储。
在指纹识别中，通过指纹传感器采集到的指纹图像，可以提取出指纹的纹路、起伏和分叉等特征，然后将这些特征进行编码和存储。
在虹膜识别中，通过虹膜摄像头采集到的虹膜图像，可以提取出虹膜的纹理、颜色和形状等特征，然后将这些特征进行编码和存储。
生物特征提取的关键在于准确性和稳定性，只有提取到准确且稳定的生物特征，才能保证后续的活体检测结果可靠。
其次，活体检测方法是保证生物特征识别结果的真实性和可靠性的重要手段。
常见的活体检测方法包括活体检测传感器、活体检测算法和活体检测流程。
活体检测传感器可以通过红外光、三维结构光、多光谱成像等技术，对被识别者进行活体检测，以区分真实的活体和仿真的静态物体。
活体检测算法可以通过分析被识别者的生物特征图像或视频，检测出人体的活体特征，如眨眼、张嘴、摇头等动作，从而判断被识别者是否为活体。
活体检测流程是指将生物特征提取和活体检测方法结合起来，形成一套完整的活体检测系统，实现对被识别者的真实性验证。
最后，活体检测技术的发展趋势是向着多模态、深度学习和智能化方向发展。
多模态活体检测是指通过融合多种生物特征，如人脸、指纹、虹膜等，来提高活体检测的准确性和安全性。
深度学习是指通过神经网络等深度学习技术，对大量的生物特征数据进行学习和训练，从而提高活体检测的自动化和智能化水平。
智能化是指将活体检测技术应用于智能手机、智能门禁、智能支付等场景，实现更便捷、更安全的生物识别体验。
