棕榈静脉识别库 欢迎来到基于 Bob 的掌静脉识别库。 该库旨在对手掌静脉识别算法进行公平的比较。 它包含在各种手掌静脉图像数据库上执行各种手掌静脉识别实验的脚本，运行帮助就像进入命令行并输入一样简单： $ bin/palmveinverify.py --help 关于 该库由的开发。 PalmVeinRecLib 旨在以可比较和可重复的方式运行手掌静脉识别实验。 笔记 当您在工作时，您可能会获得一个版本，其中设置了所有路径，以便您可以直接开始运行实验。 在之外，您需要设置指向数据库的路径，请查看有关如何执行此操作的文档。 数据库 为了实现这一目标，包含了许多公开可用的面部图像数据库的接口，并定义了默认评估协议，例如： CASIA 多光谱掌纹数据库 [ http://biometrics.idealtest.org/dbDetailForUser.do?id=6 ] VERA 掌

手指静脉识别技术促使了多光谱手指静脉图像采集的进一步发展。对于多光谱手指静脉采集系统而言,获得更加合理的光源控制电路,设计出更加合理的光源光路结构形式已经变得非常重要。因此本设计以这两个关键点为目标,对现有的采集系统进行了优化改进。首先从设计硬件电路出发,优化了光源控制电路;同时对采集装置外壳进行了重新设计,并改善了光源光路结构形式,建立了新的多光谱手指静脉成像系统,然后在硬件的基础上对其相应的软件支持进行完善,最后搭建成新的采集系统,通过详细的比较实验,验证了本文设计的有效性。

基于图像处理和VGG19实现的指静脉识别系统python源码+GUI界面+项目使用说明.zip 【代码说明】 源代码在finger.py 根据源代码生成的可执行文件为finger.exe，可直接运行 编译源代码所需Python环境为3.7，其他库在requirements.txt 【使用说明】 可直接运行finger.exe 参数说明 单人手指图片个数：训练集中一根手指录入的图片数，本例子设为7，因为训练集中总共21张图片，每根手指7张图片，总共三根手指。 随机选取的图片测试个数：识别时，在训练集中随机选取的与待识别图片比对的图片数，取值范围应为[1~7]之间，若取5，意义则为从每根手指的7张图片随机选取5张与待识别的图片进行5次比对，求得相似度平均值。 训练集图片文件夹：训练集图片所在文件夹，训练完毕后会在该文件夹下生成trained文件夹，存储处理完成后的图片，本例子为HighGuardFinger。 待识别图片文件夹：待识别的图片文件夹，本例子选取了7张图片为训练集，剩下的第8张图片作为测试图片，文件夹在HighGuardTest。 首次运行识别时，会下载VGG16的预训练模

基于传统图像处理方法实现手指静脉识别Matlab源码99.56%准确率+项目操作说明（毕设项目）.zip 【项目介绍】 本项目实现手指图像的处理和匹配算法，需要处理的数据是本人不同手指的图像，首先经过图像处理，使得指静脉的纹理增强凸显处理，然后将所有的这些图像进行相互间的匹配，检验类内和类间的匹配度，观察其是否能够明显区分开来，并据此计算正确率。 在本项目中，由于是基于算法原型的研究，因此我们选用了操作便捷的Matlab R2019b软件作为运行环境，在Windows 10 Pro for Workstation操作系统中实现算法。 图像预处理过程中，需要增强图像，提取手指区域，为识别做准备。拟采用CLAHE、直方图均衡、二值化等算法，以达到增强图像的效果；拟采用边缘检测算法实现手指的识别和提取 图像的特征提取和匹配过程中，拟采用两类不同的方法。一是局部不变特征提取算法。这些算法具有检测图像中的特征点，并对特征点的局部区域进行描述和匹配的功能。二是针对二值化图像的模板匹配，检测其匹配度。 SIFT——正确率93.625%

为了提取手掌静脉图像的纹理特征, 并有效提高其识别率, 在联合Gabor小波和近邻二值模式(NBP)的基础上提出了一种纹理特征提取方法。该方法利用静脉结构中血管粗细与延伸方向不同的特点, 将掌静脉图像感兴趣区域与4尺度、4方向的Gabor小波卷积获得多个幅值特征, 并在4个不同的尺度下分别求取均值, 获得Gabor尺度均值模式(GSP), 在每个GSP分块上使用NBP描述算子来提取局部邻域关系模式(GSPNBP)。然后将这些多尺度、多方向的GSPNBP分块区域的编码序列的总和作为掌静脉特征向量。最后通过求特征向量间汉明距离衡量静脉图像的相似程度来计算识别率, 并在PolyU图库和自建图库中进行实验。实验结果显示, 该算法获得的识别率最高可分别可达99.7935%和99.3965%, 识别时间都在1 s以内, 有效增强了算法稳健性。

手背静脉识别的图像处理算法.pdf

手指静脉识别，包含数据库和全部代码，且整个识别已经打包，可以直接运行exe文件

完整的静脉识别程序包含enroll和match，里面有完整的图像处理库源代码，不需要再去调用opencv库 方便平台移植，代码是VC++写的，里面有enroll 和 match 两个程序，分别是模式识别的注册和匹配，学会一个静脉 稍微修改就可以用于指纹，虹膜 掌纹等的识别，难能可贵的是里面的注释基本是中文的，不是洋文，很容易理解

手静脉识别

本标准规定了安防掌静脉识别应用中掌静脉图像的技术要求。 本标准适用于安防掌静脉识别应用中掌静脉图像的采集和存储。