4、传感器与一类分类器识别埃及伊蚊及指静脉模式部分匹配技术

传感器与一类分类器识别埃及伊蚊及指静脉模式部分匹配技术

1. 埃及伊蚊识别

利用传感器信息进行埃及伊蚊识别时，即便训练分类器的目标示例数量减少（仅347个示例），且没有非目标示例，依然能够学习到准确的分类器。在评估的算法中，svdd和parzendd表现最佳，AUC分别达到0.85和0.87。

算法	AUC值
svdd	0.85
parzendd	0.87

未来可探索不同一类分类（OCC）算法与特征集的组合，以及在概念漂移和极端延迟的条件下更新分类模型。

2. 指静脉认证技术概述

在过去十年里，指静脉认证成为了最具潜力的生物识别技术之一。指静脉具有独特性和稳定性，难以复制伪造，且不受环境和皮肤状况影响。同时，指静脉模式可非接触式采集，市面上有小尺寸、低成本的采集设备，适用于多种安全应用场景。

然而，指静脉认证仍存在一些问题，主要受不均匀光照和手指姿势变化的影响，导致图像中静脉模式出现不规则阴影和变形。目前的研究主要致力于通过设计预处理算法或鲁棒的特征提取/匹配技术来解决这些问题。指静脉认证主要包括四个阶段：
- 图像采集：采集设备向手指投射红外光，通过红外相机扫描皮肤内表面读取静脉模式，市场上的成像传感器提供的8位灰度手指图像分辨率在240×180像素到640×4