qq_59572329的博客

一种基于视觉密码学和可信计算的无密钥依赖的医学图像安全隐私保护框架。一种基于加密方案的可逆数据隐藏的智能环境安全生物特征认证系统。通过联邦学习对隐私约束下深度人脸识别的无监督域适应。一种保护隐私的手语基于深度学习的加密手势识别云服务。基于计算机视觉的人脸识别技术中的云数据访问预防方法。基于联邦学习和集成模型的可转移人脸图像隐私保护。基于差分隐私框架的频域下人脸识别隐私保护算法。通过与隐私无关的集群改进联邦学习人脸识别。基于深度学习和同态加密的人脸安全认证系统。基于人脸识别的联邦学习。

本篇博文是对中科大硕士论文《嵌入式掌纹掌脉识别门禁控制系统的设计与实现》的总结。

Edward Rosten和Tom Drummond在2006年发表的“Machine learning for high-speed corner detection”文章中提出了一种FAST特征，并在2010年对这篇论文作了小幅度的修改后重新发表。特征检测的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。的特征算子，该算子是由T.Ojala等人于1994年首次提出的，后经过发展改进可应用于图像特征分析，该算子具有。跟它的名字一样，这是个算法是加速版的 SIFT。

基于深度学习的生物特征识别（手掌静脉、手背静脉、手指静脉、掌纹、人脸等）论文模型和方法总结。具体方法包括：基于特征表征、基于传统网络设计与优化、基于轻量级网络设计与优化、基于Transformer设计与优化、基于GAN设计与优化、基于哈希编码、基于多模态融合、基于多特征融合等。

掌静脉识别预处理部分包括ROI提取和图像增强。ROI 提取一般包括四个步骤：手掌图像二值化、手掌轮廓线提取、利用相关算法定位关键点并建立坐标系和提取合适的 ROI。

掌静脉识别作为一种新兴的红外生物识别技术，因其高安全性、活体检测性等优势已成为当前生物特征识别领域中的研究热点之一。近年来，该领域的大量研究通过引入深度学习方法推动了掌静脉识别技术的发展。