-
题名基于韦伯二值感知特征的指纹活性检测
被引量：2
- 1
-
-
作者
吕锐
夏志华
陈先意
孙星明
-
机构
南京信息工程大学计算机与软件学院
江苏省网络监控工程中心
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2016年第5期616-624,共9页
-
基金
国家自然科学基金(No.61672294
No.61173141
+8 种基金
No.U1536206
No.61232016
No.U1405254
No.61373133
No.61373132
No.61502242
No.61572258)
江苏高校优势学科建设工程PAPD基金
大气环境与装备技术协同创新中心(CICAEET)基金资助
-
文摘
基于韦伯二值感知特征的局部描述符,提出一种指纹活性检测方法.该方法包含两部分:根据韦伯定理提取视觉感知特征的局部二值差分激励,以及从中心对称像素对提取梯度方向特征的局部二值梯度方向.在2011年和2013年指纹活性检测竞赛的数据库上,使用支持向量机分类器对提取的特征向量进行训练和测试,实验结果表明了该方法进行指纹活性检测的有效性.
-
关键词
生物识别
指纹活性检测
特征提取
局部描述符
韦伯定律
-
Keywords
biometrics
fingerprint liveness detection
feature extract
local descriptor
Weber＇s law
-
分类号
TN391
[电子电信—物理电子学]
-
-
题名基于纹理特征融合的指纹活性检测方法
被引量：2
- 2
-
-
作者
袁程胜
郭强
李欣亭
孟若涵
周志立
-
机构
南京信息工程大学数字取证教育部工程研究中心
南京信息工程大学计算机学院
国防科技大学国际关系学院
-
出处
《南京理工大学学报》
CAS
CSCD
北大核心
2023年第3期352-358,共7页
-
基金
国家自然科学基金(62102189)
江苏省自然科学基金(BK20200807)
+2 种基金
基于大数据架构的公安信息化应用公安部重点实验室开放课题(2021DSJSYS006)
国防科技大学科研计划(JS21-4)
南京信息工程大学人才启动经费(2020r015)。
-
文摘
针对当前指纹识别系统容易遭受伪造指纹欺骗攻击的问题,提出一种基于纹理特征融合的指纹活性检测算法。通过设计边缘纹理增强(ETE)和对称差分统计(SDS)2种脊线纹理特征描述算子来表示真假指纹的显著性纹理,前者用来提取指纹图像脊线的方向纹理信息,后者用来描述邻域内脊线的频率纹理信息。首先,利用感兴趣区域(ROI)提取算法对指纹图像进行预处理,以消除指纹图像中背景空白噪声的干扰;然后,利用ETE和SDS分别提取指纹的脊线纹理特征;接着,统计上述2类特征的直方图,描述真假指纹的纹理特征;最后,将生成的特征输入支持向量机(SVM)中进行训练和测试。在LiveDet 2011指纹数据集的测试中,分别使用Biometrika、Italdata、Sagem 3种传感器,且与Best、韦伯局部描述算子(WLD)、局部相位量化(LPQ)和局部二值模式(LBP)4种指纹检测算法进行了比较,该文算法的检测性能优于其余方法,能够完成当前的活性检测任务。LiveDet 2013数据集使用Biometrika、Italdata和Swipe 3种传感器,通过与WLD、不变梯度直方图(HIG)、统一局部二值模式(ULBP)、深度表征结构优化(DRAO)和Winner 5种指纹活性检测方法对比,该文算法的指纹活性检测准确率有一定的提升。
-
关键词
纹理特征融合
指纹活性检测
边缘纹理增强
对称差分统计
指纹图像脊线
邻域内脊线
感兴趣区域提取算法
支持向量机
-
Keywords
texture feature fusion
fingerprint liveness detection
edge texture enhancement
symmetric difference statistics
fingerprint image ridge
ridge in neighborhood
region of interest extraction algorithm
support vector machine
-
分类号
TN391
[电子电信—物理电子学]
-
-
题名一种应用于嵌入式设备的指印活性检测方法
- 3
-
-
作者
李仁旺
杨柳
陈高曙
施展
-
机构
浙江理工大学机械与自动控制学院
浙江理工大学信息学院
浙江中正智能科技有限公司
浙江工业大学计算机科学与技术学院
-
出处
《浙江工业大学学报》
CAS
北大核心
2023年第1期32-37,共6页
-
文摘
现有的指印活性检测方法因存在模型复杂、训练参数量大等问题,在嵌入式设备这种运算能力受限的场景中应用较为困难。为解决这一问题,提出一种应用于嵌入式设备的指印活性检测方法。该方法构建了一个轻量级的神经网络模型,在传统卷积神经网络模型的基础上,取消了全连接层,采用分通道的残差模块替代原有的卷积层,精简了网络结构,大幅度降低了模型参数量,缩短了模型运行时间。建立指印数据集,并用其进行实验分析,实验结果表明:笔者构建的轻量级神经网络模型在测试集上准确率为96.22%,相较于传统神经网络模型在指印活性检测方面准确率更高,参数量更少,对设备运算性能要求更低。
-
关键词
指纹活性检测
卷积神经网络
嵌入式设备
-
Keywords
fingermark liveness detection
convolutional neural network
embedded equipment
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
