-
公开(公告)号：CN110046588B
公开(公告)日：2019-11-01
申请号：CN201910321473.4
申请日：2019-04-22
Applicant: 吉林大学
Abstract: 本发明公开了一种具有盗取攻击应对机制的异质虹膜认证方法，其方法为：步骤一、构建基于卷积神经网络而改进的异质虹膜多类别认证系统；步骤二、构建盗取攻击应对机制；步骤三、开始正式认证；步骤四、图像依次进入全连接层；步骤五、得到与单一分类器所属的虹膜的相似概率；步骤六、得到精确的相似概率；步骤七、通过编码层的映射关系，输出测试虹膜所属的虹膜类别情况。有益效果：对传统的卷积神经网络进行改造，增加图像处理层和稀释层，有助于在多类别认证中放大不同类别虹膜间的差异性，提高认证的准确性。
-
公开(公告)号：CN111832540B
公开(公告)日：2021-01-15
申请号：CN202010737418.6
申请日：2020-07-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于非稳态虹膜视频流仿生神经网络的身份验证方法，其方法为：步骤一、采集图像1000‑2000张；步骤二、虹膜灰度图像都转化为256×32维度的模板虹膜归一增强图像；步骤三、对所有模板虹膜归一增强图像进行卷积处理；步骤四、提取32位模板虹膜归一增强图像的虹膜特征数据；步骤五、得到该模板测试人员的模板虹膜类别的类别认知；步骤六、截取90张虹膜图像作为测试虹膜图像；步骤七、转化为256×32维度的增强图像；步骤八、转化为4组30×254维度的二维数组；步骤九、提取虹膜特征数据；步骤十、得到身份验证结果。有益效果：视频流的设置也避免了非稳态虹膜对特征表达的影响，有利于训练虹膜数量较少时对虹膜特征的设定与调整。
-
公开(公告)号：CN111832540A
公开(公告)日：2020-10-27
申请号：CN202010737418.6
申请日：2020-07-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于非稳态虹膜视频流仿生神经网络的身份验证方法，其方法为：步骤一、采集图像1000-2000张；步骤二、虹膜灰度图像都转化为256×32维度的模板虹膜归一增强图像；步骤三、对所有模板虹膜归一增强图像进行卷积处理；步骤四、提取32位模板虹膜归一增强图像的虹膜特征数据；步骤五、得到该模板测试人员的模板虹膜类别的类别认知；步骤六、截取90张虹膜图像作为测试虹膜图像；步骤七、转化为256×32维度的增强图像；步骤八、转化为4组30×254维度的二维数组；步骤九、提取虹膜特征数据；步骤十、得到身份验证结果。有益效果：视频流的设置也避免了非稳态虹膜对特征表达的影响，有利于训练虹膜数量较少时对虹膜特征的设定与调整。
-
公开(公告)号：CN111582099A
公开(公告)日：2020-08-25
申请号：CN202010349223.4
申请日：2020-04-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜远源特征交运算决策的身份验证方法，其方法为：步骤一、采集虹膜灰度图像m张；步骤二、转化为256×32维度的模板虹膜归一增强图像；步骤三、纹理走势特征的认证参数；步骤四、各自分组中纹理走势特征的单一类别标签；步骤五、灰度差值特征的单一类别标签；步骤六、集测试虹膜灰度图像一张；步骤七、转化为256×32维度的测试虹膜归一增强图像；步骤八、模板虹膜类别中的其中一个分组；步骤九、得到纹理走势特征的判断结论；步骤十、得到灰度差值特征的判断结论；步骤十一、测试虹膜与模板虹膜属于相同的类别；有益效果：更好地在非稳态虹膜条件下进行认证；尽可能使得认证方法可以用在多个类别中。
-
Patent Agency Ranking
公开(公告)号：CN111046363A
公开(公告)日：2020-04-21
申请号：CN201911270621.0
申请日：2019-12-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜特征联盟随机匹配投票机制的身份验证方法，其方法为：步骤一、采集灰度图像1张；步骤二、转化为增强图像；步骤三、编号设定为1；步骤四、编号设定为2；步骤五、编号设定为3；步骤六、编号设定为4；步骤七、编号设定为5；步骤八、装进一个虹膜信息块中；步骤九、通过链结构连接；步骤十、采集测试虹膜灰度图像一张；步骤十一、测试虹膜归一增强图像；步骤十二、编号设定为1；步骤十三、编号设定为2；步骤十四、编号设定为3；步骤十五、编号设定为4；步骤十六、编号设定为5；步骤十七、随机生成的数字；步骤十八、模板虹膜与测试虹膜不是相同类别。有益效果：最大限度的保障了识别过程的安全。
-
公开(公告)号：CN110046588A
公开(公告)日：2019-07-23
申请号：CN201910321473.4
申请日：2019-04-22
Applicant: 吉林大学
Abstract: 本发明公开了一种具有盗取攻击应对机制的异质虹膜认证方法，其方法为：步骤一、构建基于卷积神经网络而改进的异质虹膜多类别认证系统；步骤二、构建盗取攻击应对机制；步骤三、开始正式认证；步骤四、图像依次进入全连接层；步骤五、得到与单一分类器所属的虹膜的相似概率；步骤六、得到精确的相似概率；步骤七、通过编码层的映射关系，输出测试虹膜所属的虹膜类别情况。有益效果：对传统的卷积神经网络进行改造，增加图像处理层和稀释层，有助于在多类别认证中放大不同类别虹膜间的差异性，提高认证的准确性。
-
公开(公告)号：CN111046363B
公开(公告)日：2020-12-15
申请号：CN201911270621.0
申请日：2019-12-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜特征联盟随机匹配投票机制的身份验证方法，其方法为：步骤一、采集灰度图像1张；步骤二、转化为增强图像；步骤三、编号设定为1；步骤四、编号设定为2；步骤五、编号设定为3；步骤六、编号设定为4；步骤七、编号设定为5；步骤八、装进一个虹膜信息块中；步骤九、通过链结构连接；步骤十、采集测试虹膜灰度图像一张；步骤十一、测试虹膜归一增强图像；步骤十二、编号设定为1；步骤十三、编号设定为2；步骤十四、编号设定为3；步骤十五、编号设定为4；步骤十六、编号设定为5；步骤十七、随机生成的数字；步骤十八、模板虹膜与测试虹膜不是相同类别。有益效果：最大限度的保障了识别过程的安全。
-
公开(公告)号：CN111582099B
公开(公告)日：2021-03-09
申请号：CN202010349223.4
申请日：2020-04-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜远源特征交运算决策的身份验证方法，其方法为：步骤一、采集虹膜灰度图像m张；步骤二、转化为256×32维度的模板虹膜归一增强图像；步骤三、纹理走势特征的认证参数；步骤四、各自分组中纹理走势特征的单一类别标签；步骤五、灰度差值特征的单一类别标签；步骤六、集测试虹膜灰度图像一张；步骤七、转化为256×32维度的测试虹膜归一增强图像；步骤八、模板虹膜类别中的其中一个分组；步骤九、得到纹理走势特征的判断结论；步骤十、得到灰度差值特征的判断结论；步骤十一、测试虹膜与模板虹膜属于相同的类别；有益效果：更好地在非稳态虹膜条件下进行认证；尽可能使得认证方法可以用在多个类别中。
-
公开(公告)号：CN210270938U
公开(公告)日：2020-04-07
申请号：CN201921851243.0
申请日：2019-10-31
Applicant: 吉林大学
Abstract: 本实用新型公开了一种可连接区块链网络存储的人脸虹膜指纹一体化采集装置，包括有壳体、微控制器单元、电源稳压单元、红外照明单元、自然光照补偿单元、红外测距单元、处理器单元、人脸-虹膜采集单元、指纹采集单元和语音反馈单元，微控制器单元、电源稳压单元、红外照明单元、自然光照补偿单元、红外测距单元、处理器单元、人脸-虹膜采集单元、指纹采集单元和语音反馈单元设在壳体内，微控制器单元上的A/D转换模块信号输入口与红外测距单元信号输出口相连，有益效果：能够实现人脸，虹膜，指纹的同时复合采集；这样的设计能够有效降低单一虹膜图像采集的用户的抗拒心理。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
