手掌靜脈識(shí)別技術(shù)在貴重物品物流中的應(yīng)用研究.pdf

1、貴重物品在物流中丟失、損壞、被冒領(lǐng)引起巨額財(cái)產(chǎn)損失和賠償糾紛，傳統(tǒng)的身份認(rèn)證方式如身份證、短信、手機(jī)號(hào)碼、工號(hào)、用戶名、密碼等存在容易被丟失、遺忘、復(fù)制及盜用的隱患，已經(jīng)不能滿足貴重物品物流的應(yīng)用需求。由于手掌靜脈特征具有穩(wěn)定性、唯一性、含有豐富的信息量、難被復(fù)制和竊取、采集方式易于接受等獨(dú)特的優(yōu)勢(shì)，本文采用新型的身份認(rèn)證方式——手掌靜脈識(shí)別技術(shù)對(duì)貴重物品物流中的客戶、收派員、倉(cāng)庫(kù)管理員進(jìn)行監(jiān)督、管理，當(dāng)貴重物品丟失、損壞、被冒領(lǐng)時(shí)，保

2、證責(zé)任落實(shí)到個(gè)人。
　　本文利用自建的掌脈圖像數(shù)據(jù)庫(kù)，重點(diǎn)圍繞基于子空間的手掌靜脈特征提取算法展開(kāi)分析和討論，提出基于主成分分析和FISHER線性判別的方法。FLD提取的是最佳分類特征，本文通過(guò)PCA降維克服了單獨(dú)使用FLD方法時(shí)，出現(xiàn)的小樣本問(wèn)題。此外，提出上述方法的改進(jìn)算法，識(shí)別階段將降維過(guò)程提取的PCA特征與最終提取的FLD特征利用加法融合，取得了較好的識(shí)別效果。
　　為了得到原始輸入空間中非線性最佳分類特征，并解決小

3、樣本問(wèn)題，本文提出基于核主成分分析和FISHER線性判別的掌脈特征提取方法，先用KPCA對(duì)圖像降維，然后用FLD提取分類特征，最后采用歐式距離完成匹配。仿真結(jié)果表明，與傳統(tǒng)的2DFLD、本文的PCA+FLD、改進(jìn)的PCA+FLD相比，在不同的特征個(gè)數(shù)下，該方法均取得較高的正確識(shí)別率96％，識(shí)別時(shí)間較短，運(yùn)行速度較快，滿足貴重物品物流的應(yīng)用需求。
　　最后，利用MATLAB GUI編寫(xiě)了用戶界面，完成從獲取掌脈圖像到匹配結(jié)果的軟件調(diào)