首页

> 期刊论文知识库

首页 期刊论文知识库 问题

资产指纹识别算法研究论文

发布时间:

资产指纹识别算法研究论文

Fingerprint Recognition Algorithm and Its Application in the safe system Abstract With the rapid development of computers and networks, the accuracy of people's identity, security, and put forward higher requirements for practicality. Fingerprint recognition technology to fully use the fingerprint of the universality, uniqueness and permanent biological characteristics, has gradually replaced the traditional means of identification of password-based, currently in networking, banking, financial, medical and security Deng 行业 averaged a Guangfan application. I studied the basic principles of fingerprint identification and the basic process. After the traditional template for fingerprint ridge filter adhesion and uneven transition in all directions, of a symmetric filter template algorithm. Improved OPTA algorithm in detail, for the burr caused by the algorithm, and more detailed bifurcation point of failure issue a detailed study, the final refinement by a relatively smooth images. Described based on structural features of fingerprint matching algorithm. Study based on fingerprint recognition safe system design, system hardware structure is given and the functions and processes of software modules. Key words: fingerprint; direction filter; binarization; thinning; feature extraction

指纹识别技术是生物测量学技术中较为成熟、应用较多的一种,它是一种利用人的指纹进行计算机自动识别的综合...这里的指纹识别技术是指利用计算机进行的指纹自动识别技术,它是一项综合技术,其研究发展涉及到多个前沿及边缘科学...当...基于Nios II的自动指纹识别系统设计摘要: 介绍基于Nios II处理器的嵌入式自动指纹识别系统的实现方法;具体说明自动指纹识别系统的基本原理、系统总体结构、硬件结构设计、用户自定义指令的设计,以及指纹识别算法的处理流程和实现方法。关键词: 嵌入式 指纹识别 Nios II 定制指令引 言指纹识别作为生物特征识别的一种,在身份识别上有着其他手段不可比拟的优越性:人的指纹具有唯一性和稳定性的特点;随着指纹传感器性能的提高和价格的降低,指纹的采集相对容易;指纹的识别算法已经较为成熟。由于指纹识别的诸多优点,指纹识别技术已经逐渐走入民用市场,并应用到许多嵌入式设备中。目前的嵌入式处理器种类繁多。Altera公司的Nios II处理器是用于可编程逻辑器件的可配置的软核处理器,与Altera的低成本的Cyclone FPGA组合,具有很高的性能价格比。本系统采用Nios II和Cyclone EP1C20嵌入式系统开发板,以及Veridicom公司的FPS200指纹传感器芯片,实现了一个嵌入式自动指纹识别系统。1 总体设计及系统架构本系统有两大功能:指纹登记和指纹比对。指纹登记主要包括指纹采集、指纹图像预处理、特征点提取、特征模板存储和输出显示;指纹比对的前三步与指纹登记相同,但在特征点提取后,是将生成的特征模板与存储在指纹特征模板库中的特征模板进行特征匹配,最后输出显示匹配结果。自动指纹识别系统的基本原理框图如图1所示。本系统在结构上分为三层:系统硬件平台、操作系统和指纹识别算法。系统层次结构如图2所示。图1自动指纹识别的基本原理框图图2系统层次最底层——系统硬件平台,是系统的物理基础,提供软件的运行平台和通信接口。系统的硬件平台在Altera的Nios II Cyclone嵌入式系统开发板上实现,指纹传感器采用美国Veridicom公司的FPS200。FPS200可输出大小为256×300像素、分辨率为500 dpi的灰度图像。第二层是操作系统,采用μC/OSII。μC/OSII是一个基于抢占式的实时多任务内核,可固化、可剪裁、具有高稳定性和可靠性。这一层提供任务调度以及接口驱动,同时,通过硬件中断来实现系统对外界的通信请求的实时响应,如对指纹采集的控制、对串口通信的控制等。这种方式可以提高系统的运行效率。最上层是指纹识别核心算法的实现。该算法高效地对采集到的指纹进行处理和匹配。采用C语言在Nios II的集成开发环境(IDE)中实现。2 系统硬件的设计与实现 Nios II嵌入式软核处理器简介Nios II嵌入式处理器是Altera公司于2004年6月推出的第二代用于可编程逻辑器件的可配置的软核处理器,性能超过200 DMIPS。Nios II是基于哈佛结构的RISC通用嵌入式处理器软核,能与用户逻辑相结合,编程至Altera的FPGA中。处理器具有32位指令集,32位数据通道和可配置的指令以及数据缓冲。它特别为可编程逻辑进行了优化设计,也为可编程单芯片系统(SoPC)设计了一套综合解决方案。Nios II处理器系列包括三种内核:一种是高性能的内核(Nios II/f);一种是低成本内核(Nios II/e);一种是性能/成本折中的标准内核(Nios II/s),是前两种的平衡。本系统采用标准内核。Nios II 处理器支持256 个具有固定或可变时钟周期操作的定制指令;允许Nios II设计人员利用扩展CPU指令集,通过提升那些对时间敏感的应用软件的运行速度,来提高系统性能。 硬件平台结构系统的硬件平台结构如图3所示。图3系统硬件平台结构本系统使用FPS200指纹传感器获取指纹图像。FPS200是电容式固态指纹传感器,采用CMOS技术,获取的图像为256×300像素,分辨率为500 dpi。该传感器提供三种接口方式:8位微机总线接口、集成USB全速接口和集成SPI接口。本系统采用集成SPI接口。指纹采集的程序流程是:首先初始化FPS200的各个寄存器,主要是放电电流寄存器(DCR)、放电时间寄存器(DTR)和增益控制寄存器(PGC)的设置;然后查询等待,指纹被FPS200采集进入数据寄存器后,通过DMA存入内存。由于从指纹传感器采集到的指纹图像数据在80 KB左右,以DMA方式存入片内RAM。Nios II对指纹图像数据进行处理后,生成指纹特征模板,在指纹登记模式下,存入片外Flash中;在指纹比对模式下,与存储在Flash中的特征模板进行匹配,处理结果通过LCD和七段LED显示器输出显示。本系统的硬件平台主要是在Altera的Nios II Cyclone嵌入式开发板上实现,选用Altera的Cyclone版本的Nios II开发套件,包括Nios II处理器、标准外围设备库、集成了SoPC Builder系统设计工具的QuartusII开发软件等。系统的主要组件Nios II的标准内核、片内存储器、SPI、UART、DMA控制器、并行I/O接口、Avalon总线、定时器等都集成在一块Altera的Cyclone FPGA芯片上,使用SoPC Builder来配置生成片上系统。SoPC Builder是功能强大的基于图形界面的片上系统定义和定制工具。SoPC Builder库中包括处理器和大量的IP核及外设。根据应用的需要,本系统选用Nios II Processor、On�Chip�Memory、Flash Memory(Common Flash Interface)、SPI、JTAG UART、DMA、Interval timer、LCD PIO、Seven Segment PIO、Avalon Tri�State Bridge等模块。对这些模块配置完成后,使用SoPC Builder进行系统生成。SOPC Builder自动产生每个模块的HDL文件,同时自动产生一些必要的仲裁逻辑来协调系统中各部件的工作。 使用Nios II的定制指令提高系统性能使用Nios II的定制指令,可以将一个复杂的标准指令序列简化为一个用硬件实现的单一指令,从而简化系统软件设计并加快系统运行速度。Nios II的定制指令是与CPU的数据通路中的ALU相连的用户逻辑块。其基本操作是,接收从dataa和/或datab端口输入的数据,经过定制指令逻辑的处理,将结果输出到result端口。在指纹识别算法中,对指纹图像的处理数据运算量大,循环数目多;而Nios II的定制指令个数已增加到256个,可以使用定制指令完成许多循环内的数据处理,从而加速数据处理的速度。在对指纹图像的处理中,频繁地用到坐标转换,将图像的二维坐标转换为一维的存储地址;通过定制指令来完成坐标的转换,用一组易于用硬件实现的位移和加法运算替代乘加运算,可将转换时间缩短1/3。在方向图计算中,要进行离散反正切变换,使用优化过的用硬件实现的定制指令来替代C语言中的atan函数,更可以将变换时间缩短到原来的1/1000。定制指令逻辑和Nios II的连接在SoPC Builder中完成。Nios II CPU配置向导提供了一个可添加256条定制指令的图形用户界面,在该界面中导入设计文件,设置定制指令名,并分配定制指令所需的CPU时钟周期数目。系统生成时,Nios II IDE为每条用户指令产生一个在系统头文件中定义的宏,可以在C或C++应用程序代码中直接调用这个宏。3 系统软件的设计与实现本系统的指纹图像处理及识别算法采用C语言在Nios II IDE中实现。指纹识别算法的流程如图4所示。图4指纹识别算法流程背景分离是将指纹区与背景分离,从而避免在没有有效信息的区域进行特征提取,加速后续处理的速度,提高指纹特征提取和匹配的精度。采用标准差阈值跟踪法,图像指纹部分由黑白相间的纹理组成,灰度变化大,因而标准差较大;而背景部分灰度分布较为平坦,标准差较小。将指纹图像分块,计算每个小块的标准差。若大于某一阈值(本文取20),则该小块中的所有像素点为前景;否则,为背景。方向图是用纹线的方向来表示原来的纹线。本文采用块方向图,将源指纹图像分成小块,使用基于梯度值的方向场计算方法,计算出每个小块的脊线方向。图像增强的目的是改善图像质量,恢复脊线原来的结构;采用方向滤波,设计一个水平模板,根据计算出的方向图,在每个小块中将水平模板旋转到所需要的方向进行滤波。图像的二值化是将脊线与背景分离,将指纹图像从灰度图像转换为二值图像。二值化后的图像经过细化,得到纹线的骨架图像。细化采用迭代的方法,使用Zhang�Suen并行细化算法,可对二值图像并行处理。特征提取阶段,选择脊线端点和分叉点作为特征点,记录每一个特征点的类型、位置和方向信息,从而得到指纹的特征点集。但由于在指纹扫描和预处理阶段会引入噪声,产生大量伪特征点,因此需要进行伪特征点的去除。去除伪特征点后的特征点集作为特征模板保存。特征匹配阶段采用基于特征点的匹配算法,通过平移和旋转变换实现特征点的大致对齐重合,计算坐标变换后两个模板中的特征点的距离和角度。如果小于某一阈值(本文的距离和角度阈值分别取5个像素和10°),则认为是一对匹配的特征点。计算得出所有匹配的特征点对后,计算匹配的特征点占模板中所有特征点的百分比S。根据系统的拒识率(FRR)和误识率(FAR)要求设置阈值TS。如果S大于或等于阈值TS,则认为是同一指纹;否则,匹配失败。结语本文提出了一种基于Nios II嵌入式处理器软核的自动指纹识别系统实现方法。使用Altera的Cyclone FPGA实现,且具有开发周期短、成本低等特点;同时,采用Nios II的定制指令来提高系统性能,利用硬件实现算法速度快的优点,使以Nios II处理器为核心的系统能够快速地完成大量数据处理。参考文献1 Frank Vahid,等. 嵌入式系统设计.骆丽等译. 北京:北京航空航天大学出版社, 20042 任爱锋,等.基于FPGA的嵌入式系统设计.西安:西安电子工业大学出版社, 20043 Nios II Custom Instruction User Guide. Vizcaya P, Gerhardt L. A nonlinear orientation model for global description of fingerprints. Pattern Recognition, v. 29, no. 75 柴晓光,等.民用指纹识别技术.北京:人民邮电出版社,2004

各种生物识别技术发展概况 所有生物识别设备都需要进行不断地完善才能更加精确和可靠,由于生物识别技术已经被广泛接受,因此它将进入到我们生活的更多领域中。 生物识别技术和智能卡的结合,使得这两项技术的发展有了长足进步,希望在不久的将来,人们能够在生物识别技术标准上达成共识,使得众多厂家的录入技术能够在同样的系统配置下得到运用。手指扫描技术 手指扫描技术大体可分为两类:确认(identification)系统,例如afis(自动指纹确认系统)和核对(verification)系统。手指扫描系统都是以人类指纹的唯一性特征为基础的。手指的唯一性特征包括涡、拱、环、脊断点和脊分岔的特征。 核对系统是拾取一个手指的平面图象来完成一对一的核对,核对能够在几秒中之内完成。 afis的运用主要有两个方面:刑侦和民用。刑侦afis拾取十个手指的一组图象。这组图象能够为刑侦调查提供更多的数据。此系统是在一些罪犯尽量避免留下指纹的情况下用来获得罪犯指纹信息的专门设备。民用afis的应用是拾取一些手指的平面图象,afis能在几秒中之内完成一对多的检索。实际检索的时间因指纹数据库的大小而不同。 手指扫描录入设备有三类。现有afis仅使用光学录入头。在核对系统中三类设备都有应用。光学录入技术 光学录入技术是最成熟也是最古老的指纹录入技术,只要将手指放在一个台板(通常是用加膜的玻璃制成)上,就能完成手指图象的录入。在过去几年中,这种设备已经变地越来越小,价格也越来越便宜了。光学录入设备的生产厂家大约有50家·超声波录入技术 虽然超声波技术已经存在多年,但它的应用范围始终不是十分广泛。手指在放在玻璃台板上,超声波扫描开始时会听到蜂鸣声并感觉到震动。由于使用了声波,因此,在录入图象时,手指不必直接接触台板。·基于芯片的录入技术 基于芯片的传感器,它的面积只有一枚邮票那么大,使用者直接将手指放在硅芯片的表面来完成指纹图象的录入。生产商 大约有50家手指扫描系统生产厂家,大多数厂家的产品是采用光学录入技术的。主要的光学指纹录入系统生产商有:北京北大高科指纹技术有限公司,american biometric company, identix, identicator, bac, sas, crossmatch 和digital persona.。ultrascan 是唯一生产超声波指纹录入技术的厂家(主要部件有kodak公司生产)。基于芯片的指纹录入生产厂家主要有:thomson-csf, infineon, st microelectronics, authentec, veridicom和who vison。afis软件生产商afis软件生产商主要有 北京北大高科指纹技术有限公司,printrak, sagem, nec, cogent, trw。afis硬件生产商 刑侦用afis硬件生产商主要有 北京北大高科指纹技术有限公司,printrak,identix和digital biometrics。民用afis硬件生产商主要有 北京北大高科指纹技术有限公司,identix,digital biometrics,crossmatch, identicator和trw。应用 民用afis在纽约、洛杉机和西班牙的福利发放以及在牙买加的选民注册登记中都得到了广泛应用。例如,在洛杉机,当地政府使用afis来确认享受福利人员的身份。每次在一个福利享受者申领抚恤金时,它的手指都要经过扫描并同数据库中上百万的指纹进行比对以确定申领抚恤金的人没有以别人的身份冒领抚恤金。美国联邦调查局,州、市警察局都利用afis来帮助抓捕嫌疑犯。 在金融领域,核对系统的应用更加普遍。包括在atm,银行保险箱中都有应用。pc安全方面,包括在网络登陆、数据库访问权限的方面的广泛应用,都给核对系统提供了相当广阔的市场前景。compaq公司已经将identicator公司的指纹录入设备同它所生产的计算机结合起来。手指扫描在物理访问(如门禁等方面)和考勤方面应用也十分普遍。在澳大利亚,woolworth百货公司利用identix公司的手指录入设备对其80,000名员工进行考勤管理。大众接受度 手指扫描技术同其他生物识别技术相比,它所引发的大众接受度的讨论比其他生物识别技术要多的多。尽管手指扫描设备工作耗时短,易操作,但仍然许多人不愿提供他们的指纹,因为在他们的心目中,只有罪犯才提供自己的指纹。这样不接受手指扫描技术的事例便相当多了。成本 核对系统手指扫描设备的成本在100美元到几千美元不等。这些成本还包括硬件和软件成本。随着sony,motorola和infineon公司相继进入芯片录入技术市场,相信不久的将来手指扫描设备的价格肯定会进一步降低。 afis系统,主要是完成一对多的确认检索,它的价格比较昂贵。成本主要和每天需要完成的检索数量、检索时间的长短、是民用还是刑侦用等因素有关。刑侦用afis由于存储的指纹数据多,因而它的价格比民用afis高许多。一个刑侦用afis,假设数据库中有三百万个指纹资料,并且需要每天执行5000个检索,检索需在5分钟内完成,这样一套afis需要耗资数百万美元。嵌入式系统(embedded system)与连接pc的桌面应用 利用指纹识别技术的应用系统常见有两种方法,即嵌入式系统和连接pc的桌面应用系统。嵌入式系统是一个相对独立的完整系统,它不需要连接其他设备或计算机就可以独立完成其设计的功能,象指纹门锁、指纹考勤终端就是嵌入式系统。其功能较为单一,应用于完成特定的功能。而连接pc的桌面应用系统具有灵活的系统结构,并且可以多个系统共享指纹识别设备,可以建立大型的数据库应用。当然,由于需要连接计算机才能完成指纹识别的功能,限制了这种系统在许多方面的应用。 当今市场上的指纹识别系统厂商,除了提供完整的指纹识别应用系统及其解决方案外,可以提供从指纹取像设备的oem产品到完整的指纹识别软件开发包,从而使得无论是系统集成商还是应用系统开发商都可以自行开发自己的增值产品,包括嵌入式的系统和其他应用指纹验证的计算机软件。 指纹识别技术应用实例 指纹识别技术可以通过几种方法应用到许多方面。本文在上面已经介绍的通过使用指纹验证来取代各个计算机应用程序的密码就是最为典型的实例。可以想象如果计算机上的所有系统和应用程序都可以使用指纹验证的话,人们使用计算机就会非常方便和安全,用户不再讨厌必要的安全性检查,而it开发商的售后服务工作也会减轻许多。ibm公司已经开发成功并广泛应用的global sign on软件通过定义唯一的口令,或者使用指纹,就可以在公司整个网络上畅行无阻。 把指纹识别技术同ic卡结合起来,是目前最有前景的一个方向之一。该技术把卡的主人的指纹(加密后)存储在ic卡上,并在ic卡的读卡机上加装指纹识别系统,当读卡机阅读卡上的信息时,一并读入持卡者的指纹,通过比对卡上的指纹与持卡者的指纹,就可以确认持卡者是否是卡的真正主人,从而进行下一步的交易。在更加严格的场合,还可以进一步同后端主机系统数据库上的指纹作比较。指纹ic卡可以广泛地运用于许多行业中,例如取代现行的atm卡、制造防伪证件(签证或护照、公费医疗卡、会员卡、借书卡等)。目前atm提款机加装指纹识别功能在美国已经开始使用。持卡人可以取消密码 (避免老人和孩子记忆密码的困难)或者仍旧保留密码,在操作上按指纹与密码的时间差不多。 近年来,自动发送信息的互联网络,带给人们的方便与利益,正在快速增长之中,但也因此产生了很多的问题,尤其在信息安全方面。无论是团体或者个人的信息,都害怕在四通八达的网络上传送而发生有损权益或隐私的事情。由于指纹特征数据可以通过电子邮件或其他传输方法在计算机网络上进行传输和验证,通过指纹识别技术,限定只有指定的人才能访问相关信息,可以极大地提高网上信息的安全性,这样,包括网上银行、网上贸易、电子商务的一系列网络商业行为,就有了安全性保障。在sfnb(security first network bank安全第一网络银行),就是通过互联网络来进行资金划算的,他们目前正在实施以指纹识别技术为基础的保障安全性的项目,以增强交易的安全性。 在医院里,指纹识别技术可以验证病人身份,例如输血管理。指纹识别技术也有助于证实寻求公共救援、医疗及其他政府福利或者保险金的人的身份确认。在这些应用中,指纹识别系统将会取代或者补充许多大量使用照片和id的系统。 总之,随着许多指纹识别产品已经开发和生产,指纹识别技术的应用已经开始进入民用市场,并且发展迅猛,相信这一技术的普及应用已经指日可待。下面是电脑的指纹识别基于Nios II的自动指纹识别系统设计摘要: 介绍基于Nios II处理器的嵌入式自动指纹识别系统的实现方法;具体说明自动指纹识别系统的基本原理、系统总体结构、硬件结构设计、用户自定义指令的设计,以及指纹识别算法的处理流程和实现方法。 关键词: 嵌入式 指纹识别 Nios II 定制指令 引 言 指纹识别作为生物特征识别的一种,在身份识别上有着其他手段不可比拟的优越性:人的指纹具有唯一性和稳定性的特点;随着指纹传感器性能的提高和价格的降低,指纹的采集相对容易;指纹的识别算法已经较为成熟。由于指纹识别的诸多优点,指纹识别技术已经逐渐走入民用市场,并应用到许多嵌入式设备中。 目前的嵌入式处理器种类繁多。Altera公司的Nios II处理器是用于可编程逻辑器件的可配置的软核处理器,与Altera的低成本的Cyclone FPGA组合,具有很高的性能价格比。本系统采用Nios II和Cyclone EP1C20嵌入式系统开发板,以及Veridicom公司的FPS200指纹传感器芯片,实现了一个嵌入式自动指纹识别系统。 1 总体设计及系统架构 本系统有两大功能:指纹登记和指纹比对。指纹登记主要包括指纹采集、指纹图像预处理、特征点提取、特征模板存储和输出显示;指纹比对的前三步与指纹登记相同,但在特征点提取后,是将生成的特征模板与存储在指纹特征模板库中的特征模板进行特征匹配,最后输出显示匹配结果。自动指纹识别系统的基本原理框图如图1所示。 本系统在结构上分为三层:系统硬件平台、操作系统和指纹识别算法。系统层次结构如图2所示。图1自动指纹识别的基本原理框图 图2系统层次 最底层——系统硬件平台,是系统的物理基础,提供软件的运行平台和通信接口。系统的硬件平台在Altera的Nios II Cyclone嵌入式系统开发板上实现,指纹传感器采用美国Veridicom公司的FPS200。FPS200可输出大小为256×300像素、分辨率为500 dpi的灰度图像。 第二层是操作系统,采用μC/OSII。μC/OSII是一个基于抢占式的实时多任务内核,可固化、可剪裁、具有高稳定性和可靠性。这一层提供任务调度以及接口驱动,同时,通过硬件中断来实现系统对外界的通信请求的实时响应,如对指纹采集的控制、对串口通信的控制等。这种方式可以提高系统的运行效率。 最上层是指纹识别核心算法的实现。该算法高效地对采集到的指纹进行处理和匹配。采用C语言在Nios II的集成开发环境(IDE)中实现。 2 系统硬件的设计与实现 Nios II嵌入式软核处理器简介 Nios II嵌入式处理器是Altera公司于2004年6月推出的第二代用于可编程逻辑器件的可配置的软核处理器,性能超过200 DMIPS。Nios II是基于哈佛结构的RISC通用嵌入式处理器软核,能与用户逻辑相结合,编程至Altera的FPGA中。处理器具有32位指令集,32位数据通道和可配置的指令以及数据缓冲。它特别为可编程逻辑进行了优化设计,也为可编程单芯片系统(SoPC)设计了一套综合解决方案。Nios II处理器系列包括三种内核:一种是高性能的内核(Nios II/f);一种是低成本内核(Nios II/e);一种是性能/成本折中的标准内核(Nios II/s),是前两种的平衡。本系统采用标准内核。 Nios II 处理器支持256 个具有固定或可变时钟周期操作的定制指令;允许Nios II设计人员利用扩展CPU指令集,通过提升那些对时间敏感的应用软件的运行速度,来提高系统性能。 硬件平台结构 系统的硬件平台结构如图3所示。 图3系统硬件平台结构 本系统使用FPS200指纹传感器获取指纹图像。FPS200是电容式固态指纹传感器,采用CMOS技术,获取的图像为256×300像素,分辨率为500 dpi。该传感器提供三种接口方式:8位微机总线接口、集成USB全速接口和集成SPI接口。本系统采用集成SPI接口。指纹采集的程序流程是:首先初始化FPS200的各个寄存器,主要是放电电流寄存器(DCR)、放电时间寄存器(DTR)和增益控制寄存器(PGC)的设置;然后查询等待,指纹被FPS200采集进入数据寄存器后,通过DMA存入内存。 由于从指纹传感器采集到的指纹图像数据在80 KB左右,以DMA方式存入片内RAM。Nios II对指纹图像数据进行处理后,生成指纹特征模板,在指纹登记模式下,存入片外Flash中;在指纹比对模式下,与存储在Flash中的特征模板进行匹配,处理结果通过LCD和七段LED显示器输出显示。 本系统的硬件平台主要是在Altera的Nios II Cyclone嵌入式开发板上实现,选用Altera的Cyclone版本的Nios II开发套件,包括Nios II处理器、标准外围设备库、集成了SoPC Builder系统设计工具的QuartusII开发软件等。系统的主要组件Nios II的标准内核、片内存储器、SPI、UART、DMA控制器、并行I/O接口、Avalon总线、定时器等都集成在一块Altera的Cyclone FPGA芯片上,使用SoPC Builder来配置生成片上系统。 SoPC Builder是功能强大的基于图形界面的片上系统定义和定制工具。SoPC Builder库中包括处理器和大量的IP核及外设。根据应用的需要,本系统选用Nios II Processor、On�Chip�Memory、Flash Memory(Common Flash Interface)、SPI、JTAG UART、DMA、Interval timer、LCD PIO、Seven Segment PIO、Avalon Tri�State Bridge等模块。对这些模块配置完成后,使用SoPC Builder进行系统生成。SOPC Builder自动产生每个模块的HDL文件,同时自动产生一些必要的仲裁逻辑来协调系统中各部件的工作。 使用Nios II的定制指令提高系统性能 使用Nios II的定制指令,可以将一个复杂的标准指令序列简化为一个用硬件实现的单一指令,从而简化系统软件设计并加快系统运行速度。Nios II的定制指令是与CPU的数据通路中的ALU相连的用户逻辑块。其基本操作是,接收从dataa和/或datab端口输入的数据,经过定制指令逻辑的处理,将结果输出到result端口。 在指纹识别算法中,对指纹图像的处理数据运算量大,循环数目多;而Nios II的定制指令个数已增加到256个,可以使用定制指令完成许多循环内的数据处理,从而加速数据处理的速度。 在对指纹图像的处理中,频繁地用到坐标转换,将图像的二维坐标转换为一维的存储地址;通过定制指令来完成坐标的转换,用一组易于用硬件实现的位移和加法运算替代乘加运算,可将转换时间缩短1/3。在方向图计算中,要进行离散反正切变换,使用优化过的用硬件实现的定制指令来替代C语言中的atan函数,更可以将变换时间缩短到原来的1/1000。 定制指令逻辑和Nios II的连接在SoPC Builder中完成。Nios II CPU配置向导提供了一个可添加256条定制指令的图形用户界面,在该界面中导入设计文件,设置定制指令名,并分配定制指令所需的CPU时钟周期数目。系统生成时,Nios II IDE为每条用户指令产生一个在系统头文件中定义的宏,可以在C或C++应用程序代码中直接调用这个宏。 3 系统软件的设计与实现 本系统的指纹图像处理及识别算法采用C语言在Nios II IDE中实现。指纹识别算法的流程如图4所示。图4指纹识别算法流程 背景分离是将指纹区与背景分离,从而避免在没有有效信息的区域进行特征提取,加速后续处理的速度,提高指纹特征提取和匹配的精度。采用标准差阈值跟踪法,图像指纹部分由黑白相间的纹理组成,灰度变化大,因而标准差较大;而背景部分灰度分布较为平坦,标准差较小。将指纹图像分块,计算每个小块的标准差。若大于某一阈值(本文取20),则该小块中的所有像素点为前景;否则,为背景。 方向图是用纹线的方向来表示原来的纹线。本文采用块方向图,将源指纹图像分成小块,使用基于梯度值的方向场计算方法,计算出每个小块的脊线方向。 图像增强的目的是改善图像质量,恢复脊线原来的结构;采用方向滤波,设计一个水平模板,根据计算出的方向图,在每个小块中将水平模板旋转到所需要的方向进行滤波。 图像的二值化是将脊线与背景分离,将指纹图像从灰度图像转换为二值图像。 二值化后的图像经过细化,得到纹线的骨架图像。细化采用迭代的方法,使用Zhang�Suen并行细化算法,可对二值图像并行处理。 特征提取阶段,选择脊线端点和分叉点作为特征点,记录每一个特征点的类型、位置和方向信息,从而得到指纹的特征点集。但由于在指纹扫描和预处理阶段会引入噪声,产生大量伪特征点,因此需要进行伪特征点的去除。去除伪特征点后的特征点集作为特征模板保存。 特征匹配阶段采用基于特征点的匹配算法,通过平移和旋转变换实现特征点的大致对齐重合,计算坐标变换后两个模板中的特征点的距离和角度。如果小于某一阈值(本文的距离和角度阈值分别取5个像素和10°),则认为是一对匹配的特征点。计算得出所有匹配的特征点对后,计算匹配的特征点占模板中所有特征点的百分比S。根据系统的拒识率(FRR)和误识率(FAR)要求设置阈值TS。如果S大于或等于阈值TS,则认为是同一指纹;否则,匹配失败。 结语 本文提出了一种基于Nios II嵌入式处理器软核的自动指纹识别系统实现方法。使用Altera的Cyclone FPGA实现,且具有开发周期短、成本低等特点;同时,采用Nios II的定制指令来提高系统性能,利用硬件实现算法速度快的优点,使以Nios II处理器为核心的系统能够快速地完成大量数据处理。 参考文献 1 Frank Vahid,等. 嵌入式系统设计.骆丽等译. 北京:北京航空航天大学出版社, 2004 2 任爱锋,等.基于FPGA的嵌入式系统设计.西安:西安电子工业大学出版社, 2004 3 Nios II Custom Instruction User Guide. 4 Vizcaya P, Gerhardt L. A nonlinear orientation model for global description of fingerprints. Pattern Recognition, v. 29, no. 7 5 柴晓光,等.民用指纹识别技术.北京:人民邮电出版社,2004

Abstract As the computers and networks are rapidly developing, the accuracy of people's identity, security, and put forward higher requirements for practicality. Fingerprint recognition technology makes full use of the universal fingerprint, unique and permanent biological characteristics, has gradually replaced the traditional password-based identification methods, currently in the network, bank, financial, medical and security industries are widely application. I studied the basic principles of fingerprint identification and the basic process. After the traditional template for fingerprint ridge filter adhesion and uneven transition in all directions, of a symmetric filter template algorithm. Improved OPTA algorithm in detail for the glitch caused by the algorithm and the bifurcation point more detailed failure issues studied in detail, the final refinement by a relatively smooth image. Described based on structural features of fingerprint matching algorithm. Study based on fingerprint recognition safe system design, system hardware structure is given and the functions and processes of software modulesKey words: fingerprint; direction filter; binarization; thinning; feature extraction

指纹识别方法研究论文

一、追溯指纹识别技术的最早 (1)最早的指纹术 中国是世界上公认的“指纹术”发祥地,在指纹应用方面具有非常悠久的历史。追溯中华民族的指纹历史,可以上溯到6000年以前的新石器时代中期。在半坡遗址出土的陶器上就印有清晰可见的指纹图案。距今有5000年历史的红山文化遗址处(今天的内蒙赤峰市东效红山),考古发现的古陶罐上有3组几何曲线画,是3枚相同的、典型的箕形指纹画,每枚指纹画都有一条中心线和6条围线。在位于青海省乐都县柳湾墓地的马家窖文化,出土了距今5000年的人像指纹彩陶壶。其上绘有4幅原始螺旋形指纹画。嵴线的起点、终点的细节特征都很明显,在两组画之间绘制一个三角,一个中心花纹配左右两个三角纹,组成了一幅完整的斗形指纹画。 指纹学家确认,指纹曾是古人进行陶器纹样设计的模板。新石器时代陶器上被考古学家命名的几何装饰纹中,如波形纹、弧形纹、圆圈纹、曲线纹、旋涡纹、雷云纹等在指纹上应有尽有。这是在积累了丰富的指纹观察经验的基础上,准确生动的创作的指纹画。这种创作的成功,是深刻理解指纹特性基础上的再创作,是对指纹术认识的前奏曲。 中国古代第一个利用指纹的保密措施。秦汉时代(公元前221年~公元25年)盛行封泥制。当时的公私文书大都写在木简或木牍上,差发时用绳捆绑,在绳端或交叉处封以粘土,盖上印章或指纹,作为信验,以防私拆。这种泥封指纹,是作为个人标识,也表示真实和信义。还可防止伪造。这个保密措施可靠易行。 中国古代第一个印有指纹的契约文书。1959年新疆米兰古城出土了一份唐代藏文文书(借粟契)。这封契是用长厘米、宽厘米,棕色、较粗的纸写成的,藏文为黑色,落款处按有4个红色指印。其中一个能看到嵴线,可以肯定为指纹。 另外在我国宋代时期,判案就讲证据讲科学。指纹在那时已作为正式刑事判案的物证。《宋史-元绛传》中记载有元绛利用指纹判案的故事。 (2)指纹术的正式形成 指纹最早应用在中国,但指纹技术的形成却是西方人对世界的贡献。亨利?福尔茨博士是英国皇家内外科医师学会会员,1874-1886年在日本京筑地医院工作。1880年10月8日,他在第22期英国《自然》杂志上发表了《手上的皮肤垄沟》论文。几乎同一时间,威廉?赫谢尔爵士——大英帝国派驻印度殖民地的内务官,他于1853-1878年在孟加拉胡格里地区民政部任职。1880年11月28日,第23期英国《自然》杂志也发表了他的文章——《手的皮肤垄沟》。比起亨利?福尔茨博士的论文来,他的论文仅迟了一期在同样的杂志上发表,但两篇论文的题目却惊人的相似。 亨利?福尔茨博士在日本讲授生物学的13年间,他看到日本许多文件和中国一样,都用手印来签署。亨利?福尔茨博士出于对生物学知识的敏感,对古代陶器的指纹产生了浓厚的兴趣。他收集了大量的指纹进行研究,并经过大量的观察比对,认定人的指纹各不相同。从而成为第一个提出指纹第一大特性的人。为了了解指纹是否在人的生命周期内发生变化,他组织日本的学生和医生进行各种试验。用砂纸、酸碱试着去磨去或腐蚀指纹,但新长出来的指纹与原来一模一样。亨利?福尔茨博士凭着自己深厚的生物学知识功底,从一开始就利用生物学理论和方法规范自己的指纹研究,很快就得到了指纹各不相同的结论,并证实了由吉森大学讲师、人类学家奥尔克于1856年提出的指纹终身不变的理论。到了1921年,亨利?福尔茨又连续7期出版了《指纹学》双月期杂志,奠定了其在西方指纹学方面的主导地位。 威廉?赫谢尔爵士1853-1878年在印度任职时发现孟加拉的一些中国商人有时在契约上按大拇指印。他也就采用盖手印的方法让每一个士兵在领津贴的名单和收据上盖两个指纹,结果重领和冒领的情况戛然而止。后来,他又让犯人按右手中指和食指为质,制止了当时常有的罪犯雇人服刑、冒名顶替的现象。威廉?赫谢尔爵士在自己长达19年的指纹试验和实践中,收集了数千人的指纹档案。这些档案为进一步研究指纹技术提供了宝贵的资料。1877年在他在印度写出了《手之纹线》一文。 1891年高尔顿用统计学和概率论的理论,整理出指纹的形态规律。他是达尔文的表弟,擅长统计学,他以指纹的三角数目的多少和有无为依据,将千奇百态的指纹合并为弓、箕、斗三大类型,再从其中细分出亚形,对各种形态编制数字代码,大大方便了指纹档案的管理。亨利?福尔茨的理论经高尔顿的系统整理,于1892年高尔顿出版了经典力作《指纹学》。此书标志着非经验意义上的、有着科学意义的现代指纹学的诞生。 威廉?赫谢尔爵士的继任者亨利,于1893年学习了高尔顿的《指纹学》,创造出指纹档案分类登记法,他把指纹分为5个种类:桡侧环(正箕)、尺侧环(反箕)、螺型、平拱和凸拱(见图26),并开始在印度使用。1901年英国政府采用了亨利指纹分类法,1903年德国、1904年美国、1914年法国也都相继使用了亨利指纹法。其它国家如瑞士、挪威、俄罗斯、意大利、埃及等国也在后来陆续采用了亨利的指纹分类法。从此亨利指纹分类法在世界上广泛使用,包括我国在内。 二、人工指纹识别技术成形 自亨利指纹法提出以来,世界各国都开始在自己的刑侦领域广泛使用这一分类方法。那时指纹的建档是通过指纹卡作为载体来存储指纹的。随着收集的指纹越来越多,指纹的亚类型越来越丰富,FBI和其它机构在经过多年实际应用的经验后,扩大了亨利指纹系统,增加了更多的判定数据作为辅助分类的依据。同时考虑到指纹卡存储、检索与管理的方便性,FBI开发了指纹卡的标准,包括卡片大小、墨水类型、指纹数量、应该收集的指纹名称(拇指等)、指纹按压位置、描述文字所在位置等。 当时环境下,指纹采集均采用指纹卡的形式。在刑侦现场,收集嫌疑人留下的指纹的方法,大多是采用化学显影等方法显现指纹,之后再通过拍照的方式取得现场指纹并保存下来,以备后续进行人工比对。显现指印的具体方法许多,主要归纳为物理附着作用显色、化学反应显色、荧光显现等几大类。但没有任何一种方法是到处可以适用的"万能方法"。必须因质、因时、因地做具体筛选,否则不会奏效,甚至破坏现场手印。 以下是一位多年从事刑侦工作的工作人员所提供的基本思路。 (一)先在自然光或人造光源下,通过调整光的强弱与角度检查,更加能观察清楚,即直接拍照。 (二)在普通光线下观察不清的,试用在各种色光、紫外和激光下,配用不同的滤光镜进行荧光检验。许多物质(包含汗液物质)在外界光能激发下,都会产生荧光。不同物质、在不同波长激发光的激发下,发出荧光的波长范围也不一样。而滤光片有若干种,当滤光片与指印物质的荧光波长匹配,我们即可透过滤光镜看到和拍摄到清晰的指印。 (三)使用特种胶薰显法,大部分指印可以显出。而且薰显出来的纹线粘附力增强,还可以继续用碘薰等其他方法增强薰显效果。 (四)薰显后,如效果不佳,可以放置挥发,继续用化学方法显色,一般采用喷雾方法。视不同客体,可用不同的试剂。 (五)对薰显后,不宜再采用化学方法的,可以适当用物理方法显现,再用真空镀膜法增强效果。 (六)最后,还可以用二次荧光技术进行检验。 人工指纹比对一般是由专业技术人员根据事先制定的指纹分类方法和指纹细节辨识方法,对从现场采集回来的指纹与指纹库中的指纹卡上的进行人工肉眼辨识。当时的人工比对主要是用于刑事侦破和法院判案,所以保证人工比对的准确性是非常重要的。 三、自动指纹识别应运而生 在20世纪60年代,以电子计算机为代表的信息技术的逐步兴起,为人们研究指纹识别提供了新的思路和方法。早在1961年的时候就有记载关于自动比较指纹的论文发表出来。1963年,著名的《自然》杂志也发表了关于指纹自动识别的论文。而指纹卡的应用,到1969年的时候,仅FBI收集的指纹就有超过1600万人的。当时,FBI已经发现存储和搜索指纹任务之繁重到了FBI职员不能承受的地步。于是向美国国家标准局提出要求帮助研究自动比较的技术。当时的法国、英国、俄罗斯、加拿大、日本也开始了类似的研究。目前全球著名的自动指纹识别系统(AFIS)公司大多都是这一阶段创立和发展起来的,如SAGEM(Morpho System)、UltraScan、Printrak Motorola、NEC、Biolink、Idenicator、Cogent等。 在我国, “指纹识别”作为重要的证据之一,在以前的破案工作中,技术人员需要举着放大镜,把现场提取的指纹在几十万份指纹档案中一一核对,有时需要十几个人连着干两个月,才有可能找出相同的指纹。20世纪90年代初,北京市公安局刑事科学技术研究所(以下简称刑科所)研制成功了具有国际先进水平、符合我国刑侦部门实际需要的指纹自动识别系统,彻底结束了这种繁重的体力劳动。 用指纹自动识别系统来做同样的工作,最多只要5分钟。警方从案发现场提取的指纹,不论模糊、残缺、变形甚至故意破坏的指纹,经扫描输入计算机后,可以几分钟内对比出同样的指纹以及这枚指纹的主人情况,或者告知用户在数据库中没有同样的指纹。在侦破鹿宪洲抢劫运钞车系列案等重大刑事案件过程中,这套系统立下了汗马功劳。 目前,这套系统已在全国公安机关中推广使用,并建立起庞大的前科指纹档案数据库,大部分已实现了远程比对。运用这一系统,北京市在1999年破获刑事案件117 起,今年截止到现在已破案近百起。这套系统在全国推广以来,已破案1万余起,挽回经济损失达亿元以上。 四、警用AFIS(指纹识别系统)到民用AFIS(指纹识别系统) 上世纪90年代以前,指纹识别技术基本上仅应用于刑侦领域,满足国家刑事侦察与法院身份鉴定的专项需要。警用AFIS系统由于指纹库庞大、图像信号处理的复杂程度高,以及对实时性要求高等原因,其硬件成本及对运行环境的要求均较高,使用与维护的成本也相对较高,不易大规模普及,因此主要应用于司法与刑侦领域。 指纹识别技术在民用领域中的应用和发展缓慢,其中最大的障碍是由于计算机系统过于庞大、价格昂贵以及指纹采集方式落后,使用困难。传统的采集方法是将手指按在纸上留下指纹捺印,再用扫描仪等装置将指纹捺印输入计算机进行处理,速度慢而且很不方便,指纹图像的质量也无法得到保证,常有重叠、粘连等现象,使识别准确率大大受到影响。 随着计算机图像处理和模式识别理论及大规模集成电路技术的不断发展与成熟,指纹自动识别系统发生了质的飞跃,体积缩小,速度提高,实现成本以及对运行环境的要求逐步降低,指纹采集的速度和方便性都得到提高。这些都使指纹认证技术的实用化向前迈进了一大步,大量应用于政府、银行、税务、社保、学校和公司机构等部门的文件保密、信息安全、门禁控制、考勤管理与证卡管理等各类需要计算机进行自动身份认证的场合。这个变化发生在自动识别的第二个阶段。 总体来说,警用AFIS的应用重点是把指纹当证据,把指纹识别当作一种有效的取证技术手段。民用AFIS的应用重点则是把指纹当成个人身份的识别标记,把指纹识别当成应用系统中行之有效的身份确认方法。 五、指纹识别技术的基础是指纹的两大特性 正所谓万变不离其中,指纹识别技术不管怎么发展,对它本身而言,“指纹”始终是最基本的构成元素,也是指纹识别的主体对象,任其技术如何发展最终都只能说是对“指纹”这个主体对象的技术识别。 因此,指纹的特性是指纹识别技术的基础。 指纹的两大特性分别是指(1)“每个人的指纹形状终身不变”;(2)“每个人的指纹均不相同”。 (1)其中“指纹终身不变”的理论,是由吉森大学讲师、人类学家奥克尔在1856年提出的。他对自己34岁和75岁时的指纹进行了对比,发现指纹的纹形类型和细节点特征没有变化,于是提出这一理论。“指纹终身不变”是指指纹的嵴线形状在一生之中不会改变。人出生后随着年龄的增长,嵴线会变粗、纹形面积会增大。但到了成年之后,这些变化就不明显了。“指纹的终身不变”,还表现在它具有一定的复原性和难以毁灭性。复原性来源于真皮乳头的再生能力,只要不伤及真皮,即使表皮大面积剥脱也能慢慢恢复起来,而且保持与原来的完全同样的纹形和结构,以及全部特征点。 (2)指纹的另外一大特性是“各不相同”。它是由英国人亨利·福尔茨提出的,也就是第一位撰写《指纹学》的亨利。他是英国皇家内外科医师学会会员,教授生物学。他在日本传教期间,看到许多日本的文件和中国的文件一样,常常按捺手印,就开始大量收集指纹进行研究,并组织日本的学生和医生进行各种有关指纹的试验,从而证明了每个人的指纹各不相同。同时他还证明了奥克尔提出的“指纹终身不变”的理论。

常识告诉我,指纹完全相同的2个人概率几乎为0,所以指纹就能作为识别工具。指纹和DNA现在是很有效的识别方法。

它是独一无二的呀。

中国门禁网论坛上应该有或者直接登陆中国门禁网首页查寻

指纹识别技术毕业论文

计算机毕业论文一般来说,应该包括论文文档,设计作品,以及作品的相关介绍吧,不一定要毕业设计作品,好像我们以前班,就有一部分用纯论文(对某个论题作研究)去作答辩的,而且还拿了优秀论文呢,呵!

指纹,由于其具有终身不变性、唯一性和方便性,已几乎成为生物特征识别的代名词。指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。纹线有规律的排列形成不同的纹型。纹线的起点、终点、结合点和分叉点,称为指纹的细节特征点(minutiae)。指纹识别即指通过比较不同指纹的细节特征点来进行鉴别。由于每个人的指纹不同,就是同一人的十指之间,指纹也有明显区别,因此指纹可用于身份鉴定。其实,我国古代早就利用指纹(手印)来签押。1684年,植物形态学家Grew发表了第一篇研究指纹的科学论文。1809年Bewick把自己的指纹作为商标。1823年解剖学家Purkije将指纹分为九类。 1880年,Faulds在《自然》杂志提倡将指纹用于识别罪犯。1891年Galton提出著名的高尔顿分类系统。之后,英国、美国、德国等的警察部门先后采用指纹鉴别法作为身份鉴定的主要方法。随着计算机和信息技术的发展,FBI和法国巴黎警察局于六十年代开始研究开发指纹自动识别系统(AFIS)用于刑事案件侦破。目前,世界各地的警察局已经广泛采用了指纹自动识别系统。九十年代,用于个人身份鉴定的自动指纹识别系统得到开发和应用。 由于每次捺印的方位不完全一样,着力点不同会带来不同程度的变形,又存在大量模糊指纹,如何正确提取特征和实现正确匹配,是指纹识别技术的关键。指纹识别技术涉及图像处理、模式识别、机器学习、计算机视觉、数学形态学、小波分析等众多学科。 指纹识别系统是一个典型的模式识别系统,包括指纹图像获取、处理、特征提取和比对等模块。 指纹图像获取:通过专门的指纹采集仪可以采集活体指纹图像。目前,指纹采集仪主要有活体光学式、电容式和压感式。对于分辨率和采集面积等技术指标,公安行业已经形成了国际和国内标准,但其他还缺少统一标准。根据采集指纹面积大体可以分为滚动捺印指纹和平面捺印指纹,公安行业普遍采用滚动捺印指纹。另外,也可以通过扫描仪、数字相机等获取指纹图像。 指纹图像压缩:大容量的指纹数据库必须经过压缩后存储,以减少存储空间。主要方法包括JPEG、WSQ、EZW等。 指纹图像处理:包括指纹区域检测、图像质量判断、方向图和频率估计、图像增强、指纹图像二值化和细化等。 指纹分类:纹型是指纹的基本分类,是按中心花纹和三角的基本形态划分的。纹形从属于型,以中心线的形状定名。我国十指纹分析法将指纹分为三大类型,九种形态。一般,指纹自动识别系统将指纹分为弓形纹(弧形纹、帐形纹)、箕形纹(左箕、右箕)、斗形纹和杂形纹等。 指纹形态和细节特征提取:指纹形态特征包括中心(上、下)和三角点(左、右)等,指纹的细节特征点主要包括纹线的起点、终点、结合点和分叉点。 指纹比对:可以根据指纹的纹形进行粗匹配,进而利用指纹形态和细节特征进行精确匹配,给出两枚指纹的相似性得分。根据应用的不同,对指纹的相似性得分进行排序或给出是否为同一指纹的判决结果。 现在的计算机应用中,包括许多非常机密的文件保护,大都使用“用户ID+密码”的方法来进行用户的身份认证和访问控制。但是,如果一旦密码忘记,或被别人窃取,计算机系统以及文件的安全问题就受到了威胁。 随着科技的进步,指纹识别技术已经开始慢慢进入计算机世界中。目前许多公司和研究机构都在指纹识别技术领域取得了很大突破性进展,推出许多指纹识别与传统IT技术完美结合的应用产品,这些产品已经被越来越多的用户所认可。指纹识别技术多用于对安全性要求比较高的商务领域,而在商务移动办公领域颇具建树的富士通、三星及IBM等国际知名品牌都拥有技术与应用较为成熟的指纹识别系统,下面就对指纹识别系统在笔记本电脑中的应用进行简单介绍。 众所周知,在两年前就有部分品牌的笔记本采用指纹识别技术用于用户登录时的身份鉴定,但是,当时推出的指纹系统属于光学识别系统,按照现在的说法,应该属于第一代指纹识别技术。光学指纹识别系统由于光不能穿透皮肤表层(死性皮肤层),所以只能够扫描手指皮肤的表面,或者扫描到死性皮肤层,但不能深入真皮层。 在这种情况下,手指表面的干净程度,直接影响到识别的效果。如果,用户手指上粘了较多的灰尘,可能就会出现识别出错的情况。并且,如果人们按照手指,做一个指纹手模,也可能通过识别系统,对于用户而言,使用起来不是很安全和稳定。 因此出现了第二代电容式传感器,电容传感器技术是采用了交替命令的并排列和传感器电板,交替板的形式是两个电容板,以及指纹的山谷和山脊成为板之间的电介质。两者之间的恒量电介质的传感器检测变化来生成指纹图像。但是由于传感器表面是使用硅材料 容易损坏 导致使用寿命降低,还有它是通过指纹的山谷和山脊之间的凹凸来形成指纹图像的 所以对脏手指 湿手指等困难手指识别率低。 发展到今天,出现第三代生物射频指纹识别技术,射频传感器技术是通过传感器本身发射出微量射频信号,穿透手指的表皮层去控测里层的纹路,来获得最佳的指纹图像。因此对干手指,汉手指,干手指等困难手指通过可高达99@%,防伪指纹能力强,指纹敏感器的识别原理只对人的真皮皮肤有反应,从根本上杜绝了人造指纹的问题,宽温区:适合特别寒冷或特别酷热的地区。因为射频传感器产生高质量的图像,因此射频技术是最可靠,最有力有解决方案。除此之外,高质量图像还允许减小传感器,无需牺牲认证的可靠性,从而降低成本并使得射频传感器思想的应用到可移动和大小不受拘束的任何领域中。

免费的?!!

谈谈网络安全技术随着Internet的迅速发展,电子商务已成为潮流,人们可以通过互联网进行网上购物、银行转账等许多商业活动。现在商业贸易、金融财务和其他经济行为中,不少已经以数字化信息的方式在网上流动着。在下个世纪伴随着电子商务的不断发展和普及,全球电子交易一体化将成为可能。“数字化经济”(Digital Economy)初具规模,电子银行及电子货币的研究、实施和标准化开始普及。 然而,开放的信息系统必然存在众多潜在的安全隐患,黑客和反黑客、破坏和反破坏的斗争仍将继续。在这样的斗争中,安全技术作为一个独特的领域越来越受到全球网络建设者的关注。 一、防火墙技术和SET规范 防火墙技术和数据加密传输技术将继续沿用并发展,多方位的扫描监控、对后门渠道的治理、防止受病毒感染的软件和文件的传输等许多问题将得到妥善解决。未来防火墙技术会全面考虑网络的安全、操作系统的安全、应用程序的安全、用户的安全、数据的安全,五者综合应用。在产品及功能上,将摆脱目前对子网或内部网治理方式的依靠,向远程上网集中治理方式发展,并逐渐具备强大的病毒扫除功能;适应IP加密的需求,开发新型安全协议,建立专用网(VPN);推广单向防火墙;增强对网络攻击的检测和预警功能;完善安全治理工具,非凡是可疑活动的日志分析工具,这是新一代防火墙在编程技术上的革新。 理论上,防火墙就是指设置在不同网络(如可信任的企业内部网和不可信任的公共网)或网络安全域之间的一系列部件的组合。在逻辑上它是一个限制器,也是一个分析器,能有效地监控内部网和Internet之间的活动,保证内部网络的安全。由于硬件技术的进步,基于高速Internet上的新一代防火墙,还将更加注重发挥全网的效能,安全策略会更加明晰化、合理化、规范化。由140家高技术公司、大学和美国政府开发的高速网络Internet2是21世纪互联网的雏形,其主干网之一——Abilene横跨10,000英里,网络速度高达2�4GB/秒。技术的进步将进一步减少时延、提高网络效能。目前,全球连入Internet的计算机中约有1/3是处于防火墙保护之下,而到了下个世纪这个比率会大幅提升。电子商务运作全球化是21世纪的一个特色,由电子钱包(e-WALLET)、电子通道(e-POS)、电子银行(e-BANK)、认证机构(Certificate Authority)组成的网上支付系统将被推广应用。高效、安全的新版本SET协议将承担起保证传输数据的安全重任。SET(Secure Electronic Transaction)即安全电子交易协议,它是由VISA和MASTERCARD所开发,是为了在Internet上进行在线交易时保证用卡支付的安全而设立的一个开放的规范。目前SET11.0版本已经公布并可应用于任何银行支付服务。SET规范得到了IBM、HP、Micro-soft、NetScape、VeriFone、GTE、VeriSign等很多大公司的支持,已形成了事实上的工业标准,并获取了IETF标准的认可。就连大名鼎鼎的微软公司亦宣称将来要将其加入到Windows的核心中。符合SET规范的产品会越来越多,SET必将成为21世纪电子商务的基础。 二、生物识别技术 人类在追寻文档、交易及物品的安全保护的有效性与方便性经历了三个阶段的发展。第一阶段也就是最初的方法,是采用大家早已熟悉的各种机械钥匙。第二阶段是由机械钥匙发展到数字密钥,如登录上网的个人密码(Password)以及使用银行自动提款机所需的身份识别码(PIN-Personal Identification Number)、身份证(ID Cards)或条形码等,它是当今数字化生活中较为流行的一种安全密钥系统。随着21世纪的来临,一种更加便捷、先进的信息安全技术将全球带进了电子商务时代,它就是集光学、传感技术、超声波扫描和计算机技术于一身的第三代身份验证技术——生物识别技术。生物识别技术是依靠人体的身体特征来进行身份验证的一种解决方案,由于人体特征具有不可复制的特性,这一技术的安全系数较传统意义上的身份验证机制有很大的提高。人体的生物特征包括指纹、声音、面孔、视网膜、掌纹、骨架等,而其中指纹凭借其无可比拟的唯一性、稳定性、再生性倍受关注。 20世纪60年代,计算机可以有效地处理图形,人们开始着手研究用计算机来处理指纹,自动指纹识别系统AFIS由此发展开来。AFIS是当今数字生活中一套成功的身份鉴别系统,也是未来生物识别技术的主流之一,它通过外设来获取指纹的数字图像并存贮在计算机系统中,再运用先进的滤波、图像二值化、细化手段对数字图像提取特征,最后使用复杂的匹配算法对指纹特征进行匹配。时下,有关指纹自动识别的研究已进入了成熟的阶段。随着指纹识别产品的不断开发和生产,未来该项技术的应用将进入民用市场,服务大众。到时在ATM提款机加装指纹识别功能,持卡人可以取消密码(避免老人和孩子记忆密码的困难),通过指纹直接操作。除了指纹识别技术外,近年来视网膜识别技术和签名识别技术的研究也取得了骄人的成绩。视网膜识别技术分为两个不同的领域:虹膜识别技术和角膜识别技术。虹膜识别系统使用一台摄像机来捕捉样本,而角膜扫描的进行则是用低密度的红外线去捕捉角膜的独特特征。由于该项技术具有高度的准确性,它将被应用在未来军事安全机构和其他保密机关中。签名识别,也被称为签名力学识别(Danamic Signature Verification——DSV),它是建立在签名时的力度上的,分析笔的移动,例如加速度、压力、方向以及笔划的长度,而非签名的图像本身。签名力学的要害在于区分出不同的签名部分,有些是习惯性的,而另一些在每次签名时都不同,DSV系统能被控制在某种方式上去接受变量,此项技术预计在今后十年中会得到进一步发展和应用。 三、加密及数字签名技术 加密技术的出现为全球电子商务提供了保证,从而使基于Internet上的电子交易系统成为了可能,因此完善的对称加密和非对称加密技术仍是21世纪的主流。对称加密是常规的以口令为基础的技术,加密运算与解密运算使用同样的密钥。 不对称加密,即“公开密钥密码体制”,其中加密密钥不同于解密密钥,加密密钥公之于众,谁都可以用,解密密钥只有解密人自己知道,分别称为“公开密钥”和“秘密密钥”。 目前,广为采用的一种对称加密方式是数据加密标准(DES),DES对64位二进制数据加密,产生64位密文数据,实际密钥长度为56位(有8位用于奇偶校验,解密时的过程和加密时相似,但密钥的顺序正好相反),这个标准由美国国家安全局和国家标准与技术局来治理。DES的成功应用是在银行业中的电子资金转账(EFT)领域中。现在DES也可由硬件实现,AT&T首先用LSI芯片实现了DES的全部工作模式,该产品称为数据加密处理机DEP。另一个系统是国际数据加密算法(IDEA),它比DES的加密性好,而且计算机功能也不需要那么强。在未来,它的应用将被推广到各个领域。IDEA加密标准由PGP(Pretty Good Privacy)系统使用,PGP是一种可以为普通电子邮件用户提供加密、解密方案的安全系统。在PGP系统中,使用IDEA(分组长度128bit)、RSA(用于数字签名、密钥治理)、MD5(用于数据压缩)算法,它不但可以对你的邮件保密以防止非授权者阅读,还能对你的邮件加以数字签名从而使收信人确信邮件是由你发出。 在电脑网络系统中使用的数字签名技术将是未来最通用的个人安全防范技术,其中采用公开密钥算法的数字签名会进一步受到网络建设者的亲睐。这种数字签名的实现过程非常简单:首先,发送者用其秘密密钥对邮件进行加密,建立了一个“数字签名”,然后通过公开的通信途径将签名和邮件一起发给接收者,接收者在收到邮件后使用发送者的另一个密匙——公开密钥对签名进行解密,假如计算的结果相同他就通过了验证。数字签名能够实现对原始邮件不可抵赖性的鉴别。另外,多种类型的专用数字签名方案也将在电子货币、电子商业和其他的网络安全通信中得到应用。 总之,网络安全是一个综合性的课题,涉及技术、治理、使用等许多方面,既包括信息系统本身的安全问题,也有物理的和逻辑的技术措施,一种技术只能解决一方面的问题,而不是万能的。因此只有严格的保密政策、明晰的安全策略以及高素质的网络治理人才才能完好、实时地保证信息的完整性和确证性,为网络提供强大的安全服务——这也是21世纪网络安全领域的迫切需要。

手势识别算法研究论文

领域自适应: 多用于文本分类,属于直推式迁移学习,直推式迁移学习定义:给定一个源域和相应的学习任务,一个目标域和相应的学习任务,直推式学习旨在利用源域和目标域中相同的知识来提高目标域中的目标预测函数。 《基于深度学习的体态与手势感知计算关键技术研究》 基于深度学习的肌电手势识别: 并不需要任何附加信息或手工设计的特征提取器,基于高密度肌电信号(HD-sEMG),使用二维阵列电极采集的肌电信号,使得肌肉活动产生的电势场在时间和空间上的变化可被多个紧密分布在皮肤表面的电极同时记录下来。HD-sEMG中的肌电信号描绘了位于电极覆盖区域内的肌肉活动的时空分布,同时HD-sEMG的瞬时值呈现了在特定时间点肌肉活动所涉及的生理过程的相对全局的测量。瞬时HD-sEMG内部可区分出不同手势模式,可以将采集到的HD-Semg描绘出电势在空间的分布,其对应的热度图即为肌电图像,肌电图像中的像素数(分辨率)由其采集设备中的电极阵列决定,即电极的数量及其电极间距离(例如,具有16行8列的电极网格可W采集8*16像素的肌电图像)。主要是将原始肌电信号值从(-1,1)映射到(0,255),即,其中x是原始肌电信号,I是肌电图像。构建一个8层CNN结构,网络的前两个卷积层用于提取公共的底层图片特征,作者发现瞬时肌电图像在不同的空间位置上表现出不同的视觉特征。在不同手势中,肌电图像在中部偏下以及顶部的条状区域上亮度较强,提出在3,4层加入局部连接结构(受人脸识别前沿工作的启发),因为局部连接层在不同空间位置上的卷积模板的权重不共享,可以更好的提取图片上不同位置的特征。并依据单个窗口内每帧识别出的手势标签中所占比例最高的标签,因为上述实验仅适用于肌电幅值较大的数据进行训练和测试可以获得较高的手势识别准确率,因此需要对肌电信号采用全波整流和低通滤波(全波整流和低通滤波是被广泛采用的肌电信号幅值估计方法),以获取更好的肌电信号。基于深度领域自适应的肌电手势识别: 当训练集和测试集的肌电信号来自不同的采集会话的情况。因为电极位移,肌肉疲劳,电极和皮肤之间的阻抗变化等因素的干扰,肌电信号与采集会话高度相关,已经训练好的手势分类器直接被应用在新的会话时通常准确率较低。因为肌电信号的分布在不同的会话之间变化很大,所以来自不同会话的基于瞬时肌电信号的手势识别可以相应地表示为多源领域自适应问题。 当标定数据未标记时,该论文采用自适应批量归一化(AdaBN, Adaptive Batch Normalization)对手势分类器进行适配。假设用于区分不同手势的知识存储在每个层的权重中,AdaBN不需要适配数据的手势标签,而是随着无标签的适配数据的增加,逐步更新少量的网络参数。给定输入U,BN将其转换为V,其中第i个输入特征的转换公式为: l在训练阶段,每个BN层对于每个源域的均值统计量和方差统计量是独立计算的。因为训练阶段的BN对每个数据批次独立计算统计量,所以只需要确保每个数据批次中的样本来自同一个会话。 l识别阶段,对于给定的未标记数据A,AdaBN执行正向传播算法,更新参数。 该方法准确率:单幅,150毫秒窗口,而另一种算法特征集(150毫秒窗口)和线性判断:。 随机选择未标记的测试集的子集(,,1%,5%,10%)进行深度领域自适应,之后再评测整个测试集上的手势识别的准确率。最后观测到大约5%的适配数据后准确率达到巅峰,适配数据20000帧,在CSL-HDEMG的2048赫兹的采样率下大约10秒。 并且适配算法并不需要观测到所有种类的手势,从27种选择5个和13个进行适配,最终结果分别是(),()另一种方法是肌电地势(sEMG topography),定义为肌电信号在时间上的二维平均强度图,其中每个像素是某个通道的肌电信号在特定时间窗口内的均方根,用于手势识别。 《Revealing Critical Channels and Frequency Bands for Emotion Recognition from EEG with Deep Belief Network》 在基于脑电信号的情感识别任务中,多通道脑电信号存在不相关的脑电信号,这不仅会引起噪声,还会降低系统对情感识别能力。该论文提出一种新的深度信念网(DBN)来检查用于情感识别的关键EEG信道和频段。 主要从行为和生理反应进行情感分析,因为EEG与表情手势相比,具有较高的准确性和客观评价性。该论文采用ESI神经扫描系统,从62通道电极帽以采样率为1000Hz记录脑电信号。每个实验有15个测试,每个测试包括15s提示,45s测试及反馈,5s休息。盖论文一共评价了30个实验。 先下采样原始脑电数据到200Hz,之后使用到50Hz的带通滤波器滤除噪声和伪影,之后采用之前提出的微分熵(differential entropy)特征[1][2],对于固定长度的脑电信号,微分熵相当于一定频段内的对数能量谱。此前已经证明微分熵在低频和高频能量之间具有识别EEG模式的能力,因此在五个频段计算微分熵特征(δ:1-3Hz,θ:4 – 7Hz,α:8-13Hz,β:14-30Hz,γ:31-50Hz),使用256点的短时傅里叶变换,并将特征归一化到0-1。利用五个频段的去噪后的62通道的特征作为输入,DBN达到的准确率和标准差,本论文通过分析经过训练的DBN的权重分布来检验关键通道和频带,权重对于识别情感模型是很重要的,因为对于学习任务贡献较大的神经元权值将增加,不相关的神经元权值趋于随机分布,图1为权重在第一层神经网络训练后的分布,可以看出主要在beta和gamma波的权重最大,这说明此频带包含更重要的鉴别信息。  从图2中我们可以看出侧颞区和前额脑区相比其他脑区在beta和gamma频带更容易激活。因此可以得出结论,在识别积极,中性和负面情绪时侧颞叶和前额叶通道是关键通道,beta和gamma是关键频带。如图3所示,依据脑区中权重分布的特点,设计了四种不同的电极放置剖面,包括4通道,6通道,9通道和12通道,其中4通道的最佳平均精度和标准差为,而所有62通道的最佳平均精度和标准差为,这说明四个相对电极阻轮廓(four profiles of relative electrode sets)FT7,T7,FT8,T8是辨别情感特征的电极。 [1]Duan R N, Zhu J Y, Lu B L. Differential entropyfeature for EEG-based emotion classification[C]// International Ieee/embsConference on Neural Engineering. IEEE, 2013:81-84. [2]Zheng W L, Zhu J Y, Peng Y, et al. EEG-based emotionclassification using deep belief networks[C]// IEEE International Conference onMultimedia and Expo. IEEE, 2014:1-6. 脑电论文(大脑解码:行为,情绪): Real-time naive learning of neural correlates in ECoG Electrophysiology 神经实时朴素学习相关的皮层电生理 地址: A Deep Learning Method for Classification of EEG Data Based on MotorImagery 基于运动表象的脑电数据分类的深度学习方法 地址: Affective state recognition from EEG with deep belief networks 基于深层信念网络的脑电情感状态识别 地址: A Novel Semi-Supervised Deep Learning Framework for Affective StateRecognition on EEG Signals 一种用于脑电信号情感状态识别的半监督深度学习框架 地址: Revealing critical channels and frequency bands for emotion recognitionfrom EEG with deep belief network 用深层信念网络揭示脑电情感识别的关键通道和频带 地址: EEG-based emotion recognition using deep learning network withprincipal component based covariate shift adaptation 基于深度学习网络的主成分协移自适应的脑电情感识别 地址: Classifying EEG recordings of rhythm perception 节律性脑电记录分类 地址: Using Convolutional Neural Networks to Recognize Rhythm Stimuli from Electroencephalography Recordings利用卷积神经网络识别脑电记录中的节律刺激 地址: Convolutional neural network with embedded Fourier transform for EEGclassification 基于嵌入傅立叶变换的卷积神经网络在脑电信号分类中的应用 地址: Continuous emotion detection using EEG signals and facial expressions 基于脑电信号和表情的连续情绪检测 地址: ‘Deep Feature Learning for EEG Recordings 脑电记录的深部特征学习 地址: 异常分类论文(阿兹海默症,癫痫,睡眠阶段检测): Classification of Electrocardiogram Signals with Deep Belief Networks 基于深层信念网络的心电信号分类 Modeling electroencephalography waveforms with semi-supervised deepbelief nets: fast classification and anomaly measurement 半监督深信网模拟脑电波形:快速分类和异常测量 Deep belief networks used on high resolution multichannelelectroencephalography data for seizure detection 用于癫痫检测的基于高分辨率多道脑电图数据的深度信念网 地址: Deep Learning in the EEG Diagnosis of Alzheimer’s Disease 深层学习在阿尔茨海默病脑电诊断中的应用 Sleep stage classification using unsupervised feature learning 基于无监督特征学习的睡眠阶段分类 Classification of patterns of EEG synchronization for seizureprediction 癫痫发作的脑电同步模式分类 地址: Recurrent neural network based prediction of epileptic seizures inintra-and extracranial EEG 基于递归神经网络的颅内外脑电癫痫发作预测 EEG-based lapse detection with high temporal resolution 基于脑电信号的高时间分辨率检测 地址:

题目太多了。。。。来拿走。

你的计算机科学与技术论文准备往什么方向写,选题老师审核通过了没,有没有列个大纲让老师看一下写作方向? 老师有没有和你说论文往哪个方向写比较好?写论文之前,一定要写个大纲,这样老师,好确定了框架,避免以后论文修改过程中出现大改的情况!!学校的格式要求、写作规范要注意,否则很可能发回来重新改,你要还有什么不明白或不懂可以问我,希望你能够顺利毕业,迈向新的人生。论文选题的具体方法有哪些在选题的方向确定以后,还要经过一定的调查和研究,来进一步确定选题的范围,以至最后选定具体题目。下面介绍两种常见的选题方法。1、浏览捕捉法这种方法就是通过对占有的文献资料快速地、大量地阅读,在比较中来确定题目的方法。浏览捕捉法一般可按以下步骤进行:第一步、广泛地浏览资料。在浏览中要注意勤作笔录,随时记下资料的纲目,记下资料中对自己影响最深刻的观点、论据、论证方法等,记下脑海中涌现的点滴体会。第二步、是将阅读所得到的方方面面的内容,进行分类、排列、组合,从中寻找问题、发现问题,材料可按纲目分类。第三步、将自己在研究中的体会与资料分别加以比较,找出哪些体会在资料中没有或部分没有。 2、追溯验证法这是一种先有拟想,然后再通过阅读资料加以验证来确定选题的方法。追溯可从以下几方面考虑:第一步、看自己的“拟想”是否对别人的观点有补充作用,自己的“拟想”别人没有论及或者论及得较少。第二步、如果自己的“拟想”虽然别人还没有谈到,但自己尚缺乏足够的理由来加以论证,考虑到写作时间的限制,那就应该中止,再作重新构思。第三步、看“拟想”是否与别人重复。如果自己的想法与别人完全一样,就应马上改变“拟想”,再作考虑;如果自己的想法只是部分的与别人的研究成果重复,就应再缩小范围,在非重复方面深入研究。第四步、要善于捕捉一闪之念,抓住不放,深入研究。在阅读文献资料或调查研究中,有时会突然产生一些思想火花。

近年来机器人辅助外科手术的出现,引起了医学界乃至全世界的关注。什么是手术机器人呢?手术机器人不是机器人在做手术,而是手术机器人系统由经验丰富的外科医生操控机械手臂,来达到手术的目的。医生在机器人手术系统控制台上操作机械臂,被系统精确无误的实时传递,同时在患者体内微小的器械进行手术。医生采用手术机器人辅助手术,可以使手术更加精准、创伤更小、患者恢复更快。

远程手术机器人主要应用于远程手术,比如达芬奇机器人(da Vinci)。远程机器人手术系统主要由控制台和操作臂两部分组成。控制台是机器人手术系统的核心,由计算机系统、手术操作监视器。机器人控制监视器、操作手柄和输入输出设备等组成。术者坐在控制台前,通过机器人的控制监视设定器械动作幅度,张开角度的大小、器械闭合后锁定与否等,利用操作手柄进行操作。手术前需对操作臂活动范围进行设定。术者的手术操作转化为电信号,传导给机器人的操作臂,从而实现远程手术。

2001年7月《自然》 杂志报道了世界首例从美国纽约到法国Strasbourg的跨大西洋腹腔镜胆囊切除术也获得了成功,这是远程手术的一个里程碑,标志着外科手术跨时代的飞跃。现今远程手术机器人手术已应用于心脏外科、普通外科、泌尿外科、妇产科和骨科,具有普通腔镜或开放手术无法替代的优点:1、可进行精细操作,计算机系统可将术者在操作台上易于完成的大幅度动作通过缩小传输到机器人双臂手柄上,并可将术者的动作进行高频波过滤,消除器械的抖动和震颤,使操作更平稳准确。2、术者可坐在舒适的椅子上从容进行手术操作,不易疲劳3、手术通常由术者一人就可以完成。有时需1位洗手护士或助手医师,帮助安装、更换手术器械,协助止血,术后卸载器械装置等。

美国食品和药物监管局将远程手术机器人定为二类器械(那些被滥用或错用会造成亚种伤害的器械)来监管,因为它的控制信号都是依靠来自电脑的电磁脉冲。此外,远程手术的机器人操作手术时,术者使用的是机器人手柄或特制的器械,需要一段时间学习和训练,才能获得一种间接的触觉的反馈,否则压力过大会造成局部组织的损伤。在其他安全问题上,如黑客网络攻击造成互联网传输的中断、远程传输速度慢造成图像滞后,也会影响手术的精确性等等。由此可见,紧急应付措施及机器人操作的精确性和敏感性应该纳入术前考虑的问题。

对于特别脆弱的组织,医生在第一次远程 "触摸 "时可能已经施加了过大的压力。而正是考虑到这个问题,美国德克萨斯农工大学的一个团队创造了这个实验性的新系统。在其目前的形式下,它结合了光学距离传感器,应用于机器人抓取器的手指内侧,由人类操作者远程控制。当该设备闭上手指抓取物体时,传感器会测量自己和该物体之间的距离递减。这些数据会被传送到操作者佩戴的控制手套上,控制手套会向他们的指尖发出温和的电脉冲。这些脉冲的频率会随着操作者的手指越来越接近物体而增加。因此,操作者可以在实际接触物品之前,精细地调节他们即将施加到物品上的压力大小。

远程手术机器人的关键设备之一是互联网系统。互联网网速会影响图像的传输速度,进而影响手术的精确性。研究表明,600毫秒以内的滞后,在现实中对手术的影响是微乎其微。现在5G网络已经逐渐在普及,图像传输的滞后必将得到解决。

相比之下,互联网的稳定性则是关键的问题,如何保证互联网故障不会发生、服务器遭受黑客恶意攻击,是目前尚待解决的问题。加密在机器人和人类操作员之间流动的数据包将有助于防止某些类型的网络攻击。但是,对于使用无关数据阻碍系统的拒绝服务攻击,它无效。对于视频,加密还存在导致精细操作中不可接受的延迟的风险。为此,华盛顿大学(UW)电气工程团队开发“操作员签名”的概念,该概念利用特定外科医生或其他遥控操作员与机器人交互的方式来创建独特的生物识别签名。通过跟踪特定操作员应用于控制台仪器的力和扭矩以及他或她与机器人工具的相互作用,研究人员开发了一种新方法来验证该人的身份并验证操作员是他或她声称的人。

相信在不久的将来,随着机器人手术器械和手术技术的不断成熟和完善,信息网络技术的飞速发展,远程手术机器人必将越来越完善,能够帮助外科医生减少手术过程中的意外伤害,不断造福于人类。

“我们要消除众生的困苦和匮乏,带给他们愉悦和美丽。”——医疗机器人工程师

远程机器人系统已经允许外科医生在一个地方控制另一个地方的机器人手术工具,因此他们可以在远处进行手术。然而,一种新的近距离感应系统可以使这种手术比以往更安全、更精确。

在典型的远程机器人手术设置中,外科医生在视频屏幕上查看切口,移动手指在远程手术室中相应地移动机器人操纵器 "手指 "或其他器械。这种技术不仅可以让外科医生在一个城市给另一个城市的病人做手术,而且还可以在外科医生自己的位置上给病人做手术,帮助他们在做精细手术时,抚平手部的颤动。因此,这些系统通常都包含了触觉反馈功能,操作者可以通过指尖上的振动来感受到他们对病人身体组织施加的力的大小。

也就是说,对于特别脆弱的组织,医生在第一次远程 "触摸 "时可能已经施加了过大的压力。而正是考虑到这个问题,美国德克萨斯农工大学的一个团队创造了这个实验性的新系统。在其目前的形式下,它结合了光学距离传感器,应用于机器人抓取器的手指内侧,由人类操作者远程控制。当该设备闭上手指抓取物体时,传感器会测量自己和该物体之间的距离递减。

这些数据会被传送到操作者佩戴的控制手套上,控制手套会向他们的指尖发出温和的电脉冲。这些脉冲的频率会随着操作者的手指越来越接近物体而增加。因此,操作者可以在实际接触物品之前,精细地调节他们即将施加到物品上的压力大小。

在实验室测试中,11名志愿者使用该系统远程完成了一个物体抓取任务。每个人只在抓取器的视频引导下完成了两次,另外两次是在视频和触觉反馈的引导下完成的。当反馈被利用后,他们能够减少约70%的初始接触力。最终,研究人员希望这项技术能够在远程机器人手术中最大限度地降低患者的风险,并且以不分散注意力的方式进行。

“我们的目标是想出一种能够在不增加这项任务所需的主动思考负担的情况下,提高近距离估计的准确性的解决方案。”首席科学家Hangue Park说。“当我们的技术准备好在手术环境中使用后,医生将能够直观地知道他们的机器人手指离底层结构有多远,这意味着他们可以保持积极的专注于优化患者的手术结果。”

一篇关于这项研究的论文最近发表在《科学报告》杂志上。

从新型冠状病毒肺炎疫情开始到现在,中国是世界上疫情控制做得最好的国家。不过,关联境外输入的零星小规模偶发疫情持续不断,一旦疫情出现必然导致隔离发生,医院作为战疫主战场,影响许多需要医疗救助的病人。幸运的是,5G技术推动的远程医疗快速发展,尤其VR/AR技术立体呈现病人器官、组织病变形态,允许医生远程清晰诊断病人的病灶;手势识别精准定位医生的动作与病人身体的位置,远程控制医疗设备为病人诊疗、手术,为远程病人带来曙光。

一、远程医疗“VR/AR+手势识别”方案落地性强

自从5G诞生,云计算速度延迟的基础设施障碍没了,我们落地远程医疗就要考虑三方面因素:一是精度,医疗的精度必须高到离谱,有初 科技 手势控制精度能达到级别;二是立体,医生也是人,有正常的交互习惯,建立VR/AR病人器官、组织模型,最大化接近人体并看得更清楚;三是成本,类似一针药100多万的产品没有普及价值,这是一个软件算法配合硬件的方案,软件算法效率提升可以降低硬件成本,进而降低整体成本,实现“普通摄像头+深度学习”方案,大数据进一步训练,精准度越来越高。

首先来讲,基于计算机视觉的手势识别的技术方案优势明显,从医生动作信息输入到VR/AR模型做出反馈,这是一个动态过程,降低了硬件的束缚,为实时手术提供了可行性,而且,手势识别降低了硬件的依赖,让医生的手避免被其他物体遮挡,顺应医生视觉习惯,而且识别精度比医生手术刀微弱抖动还小,技术的落地基础有了。

其次,人体是一个三维立体结构,而手势识别也是三维立体识别,VR/AR模型呈现也是三维立体。这过程类似增强CT、MR或造影支持,从机器视觉获取人体三维模型信息到VR/AR模型立体呈现,呈现在医生眼前的就是一个立体的病人器官、组织,并清晰展示病灶情况,此时,医生远程诊断病人情况,需要手术的情况下,也可以借助远程专用VR/AR模型为基础的手术平台,实现两地病人与医生的链接,完成远程手术,为来不及远程运送的急重症病人提供新的希望。

最后,任何 科技 的产生都是为了造福大众,成本的高企无法适应市场需求,进行最优方案降低成本也是必须考虑的因素。目前来讲,基于机器视觉的手势识别方案分为两种“一种是用深度摄像头,一种是用一个或者多个普通摄像头实现。 而其中深度摄像头的方案又分为两种,TOF(Time of Flight,光飞时间)和结构光。”而不同方案的差别就像人的一只眼睛、两只眼睛看到景深层次不同,但是一只眼睛借助已有信息、关键提示等其他辅助软条件也可以达到预定效果,而普通摄像头信息延迟低于TOF数倍、拍摄角度大于TOF很多,虽然提高算法要求,但是降低综合成本,更及时、全面获取信息,也更适应医疗场景需求。

二、远程医疗VR/AR硬件低成本、高精度手势识别技术可行

在手势识别应用于VR/AR硬件方面,有初 科技 有落地项目进行实际验证,并把成本分成不同方案进行呈现,当然,包括最低成本的实现方案。

对于医疗来讲,高精度就是病人的生命,有初 科技 实现识别精度,为远程精准医疗提供技术可行性。实现手势识别依赖“摄像头+算法”的合理方案,得益于机器视觉和深度学习技术的发展,我们利用普通摄像头实现高精度的手势识别,对于应用的落地是一大利好。

而且,手势识别的高精度摆脱穿戴设备也是一大突破,一个穿戴设备套在手上,增加一层交互传感的误差,这个误差远远大于手术刀的误差,这一点无手套、无标记的手势识别也是有初 科技 的优势。

对于医疗来讲,延迟和视角是高精度的间接影响因素,却直接影响着医生对病人的治疗。利用现有SLAM摄像头实现手势识别,大部分用于SLAM的摄像头均为鱼眼或者广角灰度摄像头,在实现的精度上,用同样的计算资源或者用同样复杂度模型的话,基于深度的或者灰度的摄像头能够做到精度最高,RGB的精度反而相对会弱一些,因此,直接在SLAM的相机上实现手势识别的精度也能够达到比较满意的效果。

在成本、延迟、广角都占据优势的条件下,SLAM相机进一步加速“普通摄像头+深度学习”方案落地,也可能是未来的主流方案,等待临床数据去训练和验证。

三、远程医疗“最自然交互”手势识别成为VR/AR选择

最好的交互就是没有交互,当下的交互方式都是人适应机器,这样就容易导致用户的操作失误,医生的操作失误就会导致病人的生命危险,所以,交互方式适应人才是最佳方案。

人类诞生语言前,手势识最原始、最自然的交流方式,成为人的一种习惯、潜意识,出错率大大降低,而手势识别就是基于最自然的交互,适应医生的习惯,让医生全身心投入治疗,而不是分心于交互习惯。

而无论具有高度三维立体沉浸感的VR/AR,还是交互自然而生的手势控制,模仿人体日常生活中的行为方式,如挥手、握手、击掌、猜拳、抓取……动态追踪手势进行实时识别,保障动作识别的及时性、准确性。

为了提高真实手术场景的触感,基于VR/AR定制手术刀、镊子等设备,实现手势的触觉反馈体验,进一步感知手部复杂自由度的姿态和意图,未来手势识别成为VR/AR设备主流交互方式指日可待。

图像处理指纹识别毕业论文

数字图像处理是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为,应用广泛,多用于测绘学、大气科学、天文学、美图、使图像提高辨识等。这里学术堂为大家整理了一些数字图像处理毕业论文题目,希望对你有用。1、基于模糊分析的图像处理方法及其在无损检测中的应用研究2、数字图像处理与识别系统的开发3、关于数字图像处理在运动目标检测和医学检验中若干应用的研究4、基于ARM和DSP的嵌入式实时图像处理系统设计与研究5、基于图像处理技术的齿轮参数测量研究6、图像处理技术在玻璃缺陷检测中的应用研究7、图像处理技术在机械零件检测系统中的应用8、基于MATLAB的X光图像处理方法9、基于图像处理技术的自动报靶系统研究10、多小波变换及其在数字图像处理中的应用11、基于图像处理的检测系统的研究与设计12、基于DSP的图像处理系统的设计13、医学超声图像处理研究14、基于DSP的视频图像处理系统设计15、基于FPGA的图像处理算法的研究与硬件设计

中国知网也好!万方数据也好都有例子!甚至百度文库都有!==================论文写作方法===========================论文网上没有免费的,与其花人民币,还不如自己写,万一碰到人的,就不上算了。写作论文的简单方法,首先大概确定自己的选题,然后在网上查找几份类似的文章通读一些相关资料,对这方面的内容有个大概的了解!参照你们学校的论文的格式,列出提纲,补充内容!实在不会,把这几份论文综合一下,从每篇论文上复制一部分,组成一篇新的文章!然后把按自己的语言把每一部分换下句式或词,经过换词不换意的办法处理后,网上就查不到了!最后,到万方等地进行检测,将扫红部分进行再次修改!祝你顺利完成论文!

主要是你怎么选择了,大哥帮

你哪一个熟悉就写哪方面的,如果都不熟悉,我建议写图像处理方面的。因为直观,可以写的也比较多,比如车牌识别、人脸识别、指纹识别、目标检测与跟踪。

相关百科

热门百科

首页
发表服务