公开(公告)号：CN113269080B

公开(公告)日：2022-07-12

申请号：CN202110553089.4

申请日：2021-05-20

Applicant: 南京邮电大学

Inventor： 穆恒宇 ,  刘星利 ,  成洋 ,  郭剑 ,  王书轩 ,  韩崇 ,  王娟

IPC: G06V40/10 ,  G06V10/50 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 基于多通道卷积神经网络的掌静脉识别方法，输入手掌静脉图像，并备份原图像，保存为A图像库；ROI区域定位；直方均衡化处理；使用多通道ResNet152网络融合识别。本发明能够减小图像噪音对网络识别的影响，使用直方均衡化能解决图像在定位后灰度分布过于集中、静脉特征不明显等缺点，有效提取出不明显的细小静脉信息，从而增强静脉特征，使用了多通道ResNet152神经网络，融合了整体和局部特征进行识别。原始图像所在通道不进行预处理，更大程度上保留图像的特征信息，实现对特征图像的宏观特征识别；另一个通道采用ROI定位和直方均衡化的结合处理，更注重对特征图像的细微特征识别，有利于提取局部静脉特征。通过使用上述网络结构，可提高掌静脉识别的准确率。

公开(公告)号：CN114913610B

公开(公告)日：2024-11-15

申请号：CN202210671731.3

申请日：2022-06-15

Applicant: 南京邮电大学

Inventor： 郭剑 ,  涂嘉翔 ,  朱楂 ,  姜依凡 ,  陈若星 ,  王书轩 ,  张勤 ,  韩崇 ,  王娟

IPC: G06V40/70 ,  G06V10/25 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 一种基于指纹和指静脉的多模态识别方法，将采集到的指纹、指静脉图片，分别作为网络的独立输入，用于特征提取和分析；分别从通道与空间的维度，通过注意力机制，分析指纹与对应的指静脉之间的相关性，融合指纹与指静脉特征；使用Softmax函数，确定最终的生物特征识别结果。本方法预处理操作简单，只需要提取指纹、指静脉的ROI即可，可以最大限度地保存图像中的细节特征，减少额外的计算机资源消耗；相比于现有使用单一生物模态的生物特征识别方法，本发明提出融合指纹、指静脉图像，可显著增加生物特征的判别性特征，通过挖掘不同生物特征之间的互补性信息，提高生物特征识别系统的准确率。

公开(公告)号：CN113269080A

公开(公告)日：2021-08-17

申请号：CN202110553089.4

申请日：2021-05-20

Applicant: 南京邮电大学

Inventor： 穆恒宇 ,  刘星利 ,  成洋 ,  郭剑 ,  王书轩 ,  韩崇 ,  王娟

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 基于多通道卷积神经网络的掌静脉识别方法，输入手掌静脉图像，并备份原图像，保存为A图像库；ROI区域定位；直方均衡化处理；使用多通道ResNet152网络融合识别。本发明能够减小图像噪音对网络识别的影响，使用直方均衡化能解决图像在定位后灰度分布过于集中、静脉特征不明显等缺点，有效提取出不明显的细小静脉信息，从而增强静脉特征，使用了多通道ResNet152神经网络，融合了整体和局部特征进行识别。原始图像所在通道不进行预处理，更大程度上保留图像的特征信息，实现对特征图像的宏观特征识别；另一个通道采用ROI定位和直方均衡化的结合处理，更注重对特征图像的细微特征识别，有利于提取局部静脉特征。通过使用上述网络结构，可提高掌静脉识别的准确率。

公开(公告)号：CN117271954A

公开(公告)日：2023-12-22

申请号：CN202311215747.4

申请日：2023-09-19

Applicant: 南京邮电大学

Inventor： 王书轩 ,  孙力娟 ,  郭剑 ,  相亚杉 ,  王哲宇 ,  陈铭 ,  韩崇 ,  王娟

IPC: G06F17/14 ,  G01S13/88 ,  G06F17/16 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/08 ,  A61B5/08 ,  A61B5/00

Abstract: 本发明属于非接触式生命体征监测领域，公开了一种基于MIMO毫米波雷达的细粒度呼吸波形重构方法，包括：设置雷达参数并进行数据采集，利用二维傅里叶变换处理数据后得到时间‑距离‑方位雷达矩阵，利用回环滤波器去除时间‑距离‑方位雷达矩阵中静态物体的反射信号，并利用2D‑CFAR算法定位人体区域，对人体区域中的I/Q分量进行旋转处理，标签归一化处理和数据集划分，搭建IQ‑Transformer模型，将待预测的雷达数据输入训练好的网络模型，实现细粒度呼吸监测。本发明通过设计IQ‑Transformer模型，负责从雷达数据的I/Q分量中提取并编码呼吸相关的隐藏特征，最终从隐藏特征中恢复出细粒度呼吸波形。

公开(公告)号：CN114913610A

公开(公告)日：2022-08-16

申请号：CN202210671731.3

申请日：2022-06-15

Applicant: 南京邮电大学

Inventor： 郭剑 ,  涂嘉翔 ,  朱楂 ,  姜依凡 ,  陈若星 ,  王书轩 ,  张勤 ,  韩崇 ,  王娟

IPC: G06V40/70 ,  G06V10/25 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于指纹和指静脉的多模态识别方法，将采集到的指纹、指静脉图片，分别作为网络的独立输入，用于特征提取和分析；分别从通道与空间的维度，通过注意力机制，分析指纹与对应的指静脉之间的相关性，融合指纹与指静脉特征；使用Softmax函数，确定最终的生物特征识别结果。本方法预处理操作简单，只需要提取指纹、指静脉的ROI即可，可以最大限度地保存图像中的细节特征，减少额外的计算机资源消耗；相比于现有使用单一生物模态的生物特征识别方法，本发明提出融合指纹、指静脉图像，可显著增加生物特征的判别性特征，通过挖掘不同生物特征之间的互补性信息，提高生物特征识别系统的准确率。