7篇关于指静脉识别的计算机毕业论文

今天分享的是关于指静脉识别的7篇计算机毕业论文范文, 如果你的论文涉及到指静脉识别等主题,本文能够帮助到你

基于生物特征的电子签章系统的研究与实现

这是一篇关于指静脉识别,分布式存储,大数据处理,微服务,电子签章的论文, 主要内容为电子签章系统是互联网时代的主要在线政务、商务办理平台。随着在线业务数量的增长,电子签章系统被越来越多的用户所使用,在线业务的办理已成必然。在电子签章系统蓬勃发展的同时许多问题随之而来,用户身份的认证安全问题、系统内部数据安全问题、电子签章的安全问题、用户在使用系统时系统内部的风险控制等问题亟待处理。本论文针对电子签章系统面对的用户认证以及系统内部安全问题进行研究并设计一种基于生物特征的电子签章系统。区别于传统电子签章系统,本系统通过将生物特征与电子印章相结合的方式来保障系统中生成电子印章的不可抵赖与防伪防盗的特性,同时在展示方式上使用QR码的形式进行展示。在用户进行签约操作时,系统会提取用户的指静脉特征并将其与其他的签约信息一并生成为电子印章。借助指静脉特征是活体内部生物特征的特性,其每次提取的特征值都是不同的,且无法被窃取、伪造。因此系统每次生成的电子印章都关联了用户在签约时的认可态度,保证了电子印章不可抵赖的特性。在生物特征之外系统将签约相关信息(签约文本,地点,时间,双方主体)加入到电子印章中,使得电子印章与其所对应的合同信息关联起来,使得印章不会被挪用至其他合同中,保证了电子印章防盗、防伪的特性。系统采用微服务构架的方式实现,各个功能模块相互独立,打包成不同的微服务。系统共由五个模块组成,分别为:后台服务模块、认证授权模块、数据存储模块、印章管理模块、风险控制模块。各个模块负责不同的服务,认证授权模块负责用户的身份认证与权限授予,包括指静脉认证与密钥、密保认证,对于不同的认证方式授予不同级别的操作权限。数据存储模块负责系统内部的数据存储与采集,内部由分布式存储模块、RocketMQ消息队列、MySQL数据库三部分组成,分布式存储模块负责存储用户的敏感信息如静脉模版、密保问题等,对于内部存储的信息在读取时会进行一致性的检验,如果数据存在问题便进行告警操作,通知管理员进行处理。RocketMQ负责将用户行为日志进行采集并缓存,输入到不同的下游消费者中。MySQL数据库负责存储系统状态信息与持久化的用户日志。印章管理模块负责印章的生成与检验。风险控制模块是对用户在使用系统时产生的行为日志进行处理分析,通过行为日志来检测用户是否存在含有影响系统以及用户风险的操作行为,若存在相关行为则及时向系统管理员以及相关用户进行报警,及时降低内部风险,同时会将所有的报警信息进行记录,便于系统管理员对系统内部状态进行回溯,处理异常问题。

基于RFID的化学药品管理系统

这是一篇关于射频识别,指静脉识别,物联网,化学药品管理,云端服务器的论文, 主要内容为化学是一门重视实践的学科,而化学实验是高校化学教学的重要组成部分,化学药品的安全有序管理是化学实验得以顺利进行的保障。随着化工行业的发展和高校教育人群的增加,实验室中化学药品使用量逐年增多,而且实验室存放的化学药品种类繁多、性质复杂,传统的管理方式一方面难以满足师生日常使用需求,另一方面缺乏安全管理条件。论文针对高校实验室化学药品管理需求,设计一种新的化学药品管理系统,系统采用了RFID、指静脉识别等技术,由化学药品存放柜、云端信息平台和Web端软件等三部分组成,存放柜和平台采用C/S架构,平台与Web端软件采用B/S架构。其中化学药品存放柜作为化学药品存储的实际载体,由主控制器和外部辅助电路组成。云端信息平台部署于阿里云服务器,连接化学药品存放柜和Web端软件,负责系统数据管理和转发。Web端软件为用户访问平台,查询系统数据和信息提供界面。论文的主要研究内容包括:1.总结现有各种类型的实验室化学药品管理模式,分析其优缺点,给出本系统的总体架构,同时选定合适的药品识别技术和生物识别技术。2.根据化学药品管理系统需求设计药品存放柜对应的主控制器、化学药品管理电路和柜体状态监测电路,并给出各模块设计流程。3.针对设计的硬件电路编写驱动程序,移植嵌入式Linux操作系统到主控制器,开发QT应用程序供用户使用系统功能。4.采用Spring Boot框架设计云端信息平台,使用Java开发平台业务层软件,通过JDBC驱动连接使用My SQL数据库,选择Tomcat作为平台部署容器。5.采用HTML+CSS+Java Script+Thymeleaf技术栈开发Web端软件,Web端软件与平台通过HTTP协议通信,方便用户通过浏览器使用云端信息平台,查询系统数据并配置管理系统。在分别对药品存放柜硬件、软件、Web端软件和服务器端平台进行功能测试的基础上,对系统整体进行综合测试,测试结果表明系统各项功能均达到预期,满足设计要求。

基于RFID的化学药品管理系统

基于生物识别技术的统一身份认证平台的设计与实现

这是一篇关于生物识别,指静脉识别,人脸识别,统一身份认证的论文, 主要内容为当今社会安全形势日益复杂,加强个人身份信息安全以及提高个人身份识别效率已逐渐成为全世界关注的关键性话题。因此,验证用户身份合法性、真实性成为身份认证系统亟需解决的问题之一。生物特征识别技术相较于传统身份认证技术而言其精确度、安全性、稳定性、方便性都更高且具备与生俱来的唯一性和难以复制性。目前,生物特征识别技术已替代传统身份认证技术成为各种身份识别应用中最为安全和广泛的技术。基于统一身份认证平台的功能需求,本文首先对生物特征识别技术的种类及发展概况进行阐述,并从普遍性、易采集性、准确性等角度对几种生物特征识别技术进行对比,然后选择指静脉识别和人脸识别作为身份认证平台的认证手段。其次,对统一身份认证平台进行总体设计,平台被划分为Android用户应用客户端、统一身份认证服务端和数据库三部分。Android用户应用客户端用来协助第三方应用系统完成用户信息采集注册以及可视化界面管理,用户人证合一核验通过之后方可进行信息采集注册,界面管理则包括完成用户、黑名单、采集和认证模式设置、认证记录、通信设置等管理功能,客户端通过与服务器通信将采集到的用户信息及生物特征数据上送至服务器端。统一身份认证服务端应用服务器接受第三方应用系统请求,对外提供标准统一的身份认证接口和管理接口,应用服务器对认证服务器进行调度访问来满足第三方应用系统的指静脉认证需求。最后,详细阐述以指静脉识别和人脸识别为核心的统一身份认证平台各模块的设计与实现,并通过编写的测试用例表对统一身份认证平台进行严格的功能测试,然后提出系统进一步的改进和优化的方向。

基于指静脉识别的健身房认证系统的设计与实现

这是一篇关于健身房,指静脉识别,微服务的论文, 主要内容为健身运动越来越受到人们的重视,在学习和工作之余,越来越多的人喜欢参与健身锻炼,以求达到塑形减脂、放松心情、缓解压力、增强体质的目的。健身房系统就是为了提供高效便捷的健身预约、课程教学、运营管理而建设的。传统的健身房系统认证识别方式多采用IC卡、指纹、人脸等识别方式,但IC卡不方便携带、易丢失,指纹识别易受手指上汗渍、油污影响,人脸识别安全性低,这些识别方式在健身房场景下都存在不足。指静脉识别安全性高、不受手指油污影响,能够满足在健身房场景下身份识别的需求。本设计将指静脉识别技术融入到健身房系统之中,开发出一款安全、便捷、实用的健身房系统。本文从健身房系统的业务需求入手,分析健身房系统的周境和数据流图,抽取出系统的参与者角色和主要业务场景,对用户管理、认证授权、课程教学、商品售卖等基本服务功能展开了细致的服务需求分解,从而得出健身房系统的基本功能需要与非功能要求。在进行总体设计时,将健身房系统划分为三个平台端,并由八个服务提供支撑。三个平台端分别是管理员平台端、健身教练平台端和健身用户平台端,八个服务分别为认证授权服务、指静脉识别服务、用户管理服务、课程管理服务、商品管理服务、运营管理服务、验证码服务和文件存储服务。在服务划分的基础上进行了系统架构设计,架构设计从系统全局的角度分析了各个模块在系统中的位置,论述了指静脉识别技术在系统中起到的作用。另外,也对应用的交互界面、数据库表结构等做出了设计与描述。基于总体设计基础之上,对健身房系统的各业务模块的实现进行了详细的设计,实现了各微服务的功能接口和用户交互页面。后端系统选用Java语言编码开发,选用 Spring 框架中的 Spring Boot、Spring Cloud 和 Spring Security 等技术。前端技术选用VUE,设计出风格统一、页面友好的用户交互界面。在健身房系统设计实现之后,搭建了系统测试环境,对各业务场景设计了详细的测试用例,并对各系统功能做了详细测试。在系统性能方面,对于系统能够提供的并发能力做了测试。所有测试结果均符合预期要求,由此验证了健身房系统功能的正确性和性能的稳定性。

基于轻量化网络的指静脉识别算法研究与应用

这是一篇关于指静脉识别,轻量化,参数依赖卷积核,相似性分布,图像质量评估的论文, 主要内容为现有的指静脉识别技术在理论研究中已经取得了丰富的成果,但在实际应用中,仍存在许多亟待解决的技术难题。例如,大规模深度神经网络难以直接部署到嵌入式设备上、低质量图像严重影响系统的识别准确率等。针对上述两大技术难点,本文展开了如下研究:(1)提出了一种基于参数依赖的轻量化特征提取网络算法。其技术路线主要分为两个方面:一是选取轻量级经典网络结构——Mobile Net和Squeeze Net作为网络主干,从整体结构上缩小网络规模;二是利用参数依赖卷积核(parameterdependent convolutional kernels,PDKs)进一步减少主干网络的参数量,从而实现模型的极致压缩。实验结果表明,本章提出的PDKs可分别对Mobile Net和Squeeze Net的参数量压缩36.47%和96.17%,同时提升了对应模型性能:在FV＿USM、MMCBNU＿6000、SDUMLA数据集上,Mobile Net的等错误率(Equal Error Rate,EER)分别减少了0.617%、0.05%和0.15%,Squeeze Net的EER分别减少了2.34%、4.42%和2.21%。(2)提出了一种基于相似性分布的指静脉图像质量评估算法。该算法实现分为两步:首先,根据指静脉图像特征向量间的类内-类间相似性分布情况自动对图像进行质量标注。其次,为了挖掘低质量图像的公共属性,构建了一个轻量级质量评估模型;同时,为了解决高、低质量图像数量不平衡的问题,提出了低质量图像生成算法。实验结果表明,用该算法剔除FV＿USM、MMCBNU＿6000和SDUMLA数据集中的低质量图像后,对比实验里各指静脉识别系统性能均得到了不同程度的改进,其中,Squeeze Net在上文EER基础上进一步减少了0.51%、0.8%和1.07%。(3)研发了一个符合实际应用场景的指静脉识别系统原型。该系统集成了本文提出的轻量化特征提取模型和图像质量评估模型,为普通用户提供静脉注册、静脉识别、静脉验证等服务的同时,也为系统管理员提供了模型管理、系统性能统计分析等相关服务。该系统轻便简洁,仅占108M内存空间。测试结果表明,系统平均响应时间为298ms,其识别准确率高达99.17%,有效模拟了实际应用场景中指静脉识别的过程,具有一定的实用性价值。

基于深度学习的手指静脉图像去噪和识别研究

这是一篇关于指静脉识别,图像去噪,梯度算子,纹理约束,网络压缩,知识蒸馏的论文, 主要内容为随着人们对个人信息安全的高度重视,指静脉识别技术因其具有较强安全性和便利性的优势已应用于日常生活中的身份验证中。然而由于手指静脉识别系统特殊的应用场景,静脉图像在采集过程中易受镜面粉尘和手指横纹等因素影响,导致采集到的静脉图像携带噪声,这些噪声严重损坏了静脉的纹理信息,所以极大的影响了后续的识别性能。本文首先针对现有的去噪算法进行研究分析,发现它们都是基于纹理清晰的图像进行去噪,对于静脉纹理和背景区域对比不明显的静脉图像实现去噪时,未能充分保留静脉图像边缘信息和恢复静脉纹理,导致去噪效果不佳,所以提出一种基于梯度方向残差结构结合LBP(Local Binary Pattern)纹理约束的手指静脉去噪算法,在实现去噪的同时有效保留了静脉图像边缘和纹理信息;其次针对网络参数量较大难以部署到移动设备端的问题,提出一种基于深度残差网络的轻量级指静脉识别算法,结合手指静脉特点设计轻量化网络,并采用知识蒸馏的方式恢复其性能,在实现压缩网络的同时保证了手指在正常以及特殊姿态放置下的识别率,对该类型图像的去噪以及识别研究具有很好的参考价值。具体的研究内容如下:1.提出一种基于梯度方向残差结构结合LBP纹理约束的指静脉去噪算法。首先,在残差结构中引入梯度方向算子,解决去噪后静脉图像中梯度方向信息丢失的问题。然后,通过跳层连接将图像浅层的纹理等局部特征与深层的语义信息相融合,从而尽可能地保留去噪后静脉图像的全局与局部信息。最后,在损失函数中加入LBP纹理损失项,增强对静脉纹理的恢复能力。通过理论分析以及实验证明了相比于传统的三维块匹配(Block Matching 3D,BM3D)去噪算法和基于Dn CNN(Denoising Convolutional Neural Network)和FFDNet(Fast and Flexible Denoising Network)网络的深度学习去噪算法,基于梯度方向残差结构结合LBP纹理约束的指静脉去噪算法实现去噪的同时在视觉效果、峰值信噪比(Peak Signal to Noise Ratio,PSNR)以及识别性能上都有更加优异的表现。2.提出一种基于深度残差网络的轻量级指静脉识别算法。首先使用深度可分离卷积代替传卷积构建网络残差块,在残差块中加入SE(Squeeze and Excitation)注意力机制模块来提取手指静脉空间域上的细节特征,并在此基础上引入宽度缩放因子,进一步压缩网络模型。其次,使用知识蒸馏损失、Curricular Face和交叉熵损失对网络进行联合监督,解决了轻量级深度残差网络因参数量较少而引起的性能下降问题。通过仿真实验证明,当手指在正常和特殊姿态放置下时,相比于广泛使用的轻量化网络模型Mobile Face Net,基于深度残差网络的轻量级指静脉识别算法仍能保持较好的识别效果,在实现网络轻量化的同时保证了识别性能。

本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码货栈，原文地址：https://m.bishedaima.com/lunwen/45307.html