馬媛媛,陳 鵬
(1.中國(guó)人民解放軍第四二二醫(yī)院 經(jīng)濟(jì)管理科,廣東 湛江 524000;2.中國(guó)人民解放軍第四二二醫(yī)院 信息技術(shù)科,廣東 湛江 524000)
對(duì)虛擬生物特征進(jìn)行判定是研究計(jì)算機(jī)圖形學(xué)和生命學(xué)的重要內(nèi)容。虛擬生物是虛擬現(xiàn)實(shí)系統(tǒng)中不可缺少的部分,它具有沉浸感、智能性和交互性等特征[1]。為了提供一個(gè)可交互的、生動(dòng)的、真實(shí)的判定空間,需要對(duì)虛擬生物特征模糊判定系統(tǒng)進(jìn)行深入研究[2]。虛擬生物特征模糊判定系統(tǒng)一經(jīng)提出,便引起了很多專家學(xué)者和業(yè)內(nèi)人士的關(guān)注。傳統(tǒng)基于區(qū)域特征映射的虛擬生物特征模糊判定系統(tǒng)[3],根據(jù)圖像模糊原理,建立等價(jià)模型,獲取虛擬生物模糊紋路進(jìn)行處理,完成虛擬生物特征的模糊判定,該系統(tǒng)效率較低,判定結(jié)果準(zhǔn)確度低?;谔卣髂:R(shí)別的虛擬生物系統(tǒng)[4],對(duì)虛擬生物識(shí)別算法進(jìn)行改進(jìn),引入模糊數(shù)學(xué)方法,模糊識(shí)別特征量,完成虛擬生物特征的模糊判定,該系統(tǒng)實(shí)時(shí)性較低?,F(xiàn)使用計(jì)算機(jī)構(gòu)造虛擬現(xiàn)實(shí)世界的人機(jī)交互技術(shù),可對(duì)虛擬生物特征進(jìn)行精準(zhǔn)模糊判定,提高虛擬生物特征模糊判定系統(tǒng)的判定結(jié)果準(zhǔn)確度[5]。為解決以上系統(tǒng)存在的問(wèn)題,提出通過(guò)人機(jī)交互技術(shù)對(duì)虛擬生物特征模糊判定系統(tǒng)進(jìn)行優(yōu)化設(shè)計(jì)。實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)的效率高、判定結(jié)果準(zhǔn)確度高、實(shí)時(shí)性高。
要對(duì)人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)進(jìn)行設(shè)計(jì),先要對(duì)系統(tǒng)硬件結(jié)構(gòu)及其工作原理進(jìn)行分析。給出系統(tǒng)硬件結(jié)構(gòu)圖如圖1所示。
圖1 系統(tǒng)硬件結(jié)構(gòu)圖
由圖1可知,人機(jī)交互的俄虛擬生物特征模糊判定系統(tǒng)的硬件結(jié)構(gòu)以總分形式構(gòu)建。主控電路板起到整體電路調(diào)控作用,是硬件結(jié)構(gòu)的核心。由總線連接各子電路,起到數(shù)據(jù)接收、傳輸、發(fā)送等作用。電源電路為系統(tǒng)提供持久供電,是系統(tǒng)穩(wěn)定安全運(yùn)行的保障,復(fù)位電路對(duì)啟動(dòng)信號(hào)進(jìn)行監(jiān)控處理;串口電路主要負(fù)責(zé)片選控制,JTAG接口電路對(duì)兼容仿生器進(jìn)行調(diào)試,以上硬件的合理配置,協(xié)同作業(yè)完成生物特征的模糊判定。
在人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中對(duì)核心主板功能進(jìn)行支撐的是判定系統(tǒng)的擴(kuò)展板。擴(kuò)展板由電源電路、復(fù)位電路、串口電路和JTAG接口電路構(gòu)成,系統(tǒng)根據(jù)這些接口外接與設(shè)備進(jìn)行連接。
人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)的基礎(chǔ)是電源部分,電源部分對(duì)判定系統(tǒng)的穩(wěn)定起到關(guān)鍵作用,改進(jìn)系統(tǒng)對(duì)用電量進(jìn)行優(yōu)化控制,滿足系統(tǒng)低功耗和高性能的要求。
人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)的內(nèi)核電壓為1.3 V,儲(chǔ)存器需要的電壓為3.3 V。人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中包括圖像采集,選擇適當(dāng)?shù)墓庠措娐愤M(jìn)行圖像采集,采用正負(fù)12 V的直流穩(wěn)壓接口[6]。
總電源采用220 V轉(zhuǎn)正12 V的外界電源??傠娫?2 V共分為兩支,第一支與DLM05-12D12電源相連為圖像采集的電路提供電源接口,第一支電路的輸出正負(fù)電壓為12 V。第二支與系統(tǒng)電源穩(wěn)壓芯片的輸入端相連為L(zhǎng)CD和攝像頭供電,第二支電路的輸出端產(chǎn)生+5DC。通過(guò)將第二支電路產(chǎn)生的+5DC分流到人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)電源穩(wěn)壓AMS1117芯片的輸出端,產(chǎn)生的+3.3 VDC為系統(tǒng)的儲(chǔ)存器供電。
人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中復(fù)位的設(shè)計(jì)是定位系統(tǒng)在一個(gè)可知的狀態(tài),復(fù)位電路的信號(hào)需要與時(shí)鐘電路的信號(hào)保持一致要求復(fù)位電路能夠可靠的、快速的工作[7]。判定系統(tǒng)中的復(fù)位電路是整個(gè)系統(tǒng)運(yùn)行的開(kāi)端為ARM的啟動(dòng)提供信號(hào)。RESET是判定系統(tǒng)中ARM的復(fù)位信號(hào),當(dāng)復(fù)位信號(hào)有效時(shí),判定系統(tǒng)的復(fù)位將由系統(tǒng)的內(nèi)部產(chǎn)生,將RESET掛起程序放在人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)ARM的復(fù)位狀態(tài)中,當(dāng)電源穩(wěn)定時(shí),RESET的周期不能少于4,且必須保持低電平。
圖2為人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)的復(fù)位電路圖,人機(jī)交互中虛擬生物特征模糊判定系統(tǒng)中復(fù)位電路的工作原理如下,將判定系統(tǒng)通電,電容C20通過(guò)電阻R7進(jìn)行充電,電容C20未達(dá)到門限電壓的高電平時(shí),RESET端輸出的電壓為低電壓,此時(shí)判定系統(tǒng)為復(fù)位狀態(tài)。當(dāng)電阻C20在門限電壓中達(dá)到高電平時(shí),RESET端輸出的電壓為低電壓,此時(shí)判定系統(tǒng)的狀態(tài)為工作狀態(tài)。
圖2 系統(tǒng)復(fù)位電路圖
復(fù)位電路主要是在CPU正常工作的情況下,對(duì)復(fù)位計(jì)時(shí)器進(jìn)行定時(shí),設(shè)置復(fù)位計(jì)時(shí)器的上限值,以確保在CPU出現(xiàn)故障,不能正常工作時(shí),復(fù)位計(jì)數(shù)器不會(huì)超過(guò)這個(gè)上限值,從而降低復(fù)位電路出現(xiàn)故障的風(fēng)險(xiǎn)。提高復(fù)位電路的可靠性,主要取決于復(fù)位芯片的選取。同樣專業(yè)的復(fù)位芯片也有助于復(fù)位電路可靠性的分析。所設(shè)計(jì)的人機(jī)交互中虛擬生物特征模糊判定系統(tǒng)的復(fù)位電路選用MAX813L復(fù)位芯片,其功能十分強(qiáng)大,主要包括上電復(fù)位、看門狗輸出、電壓監(jiān)視、手動(dòng)復(fù)位四大功能。合理利用MAX813L復(fù)位芯片的各項(xiàng)功能,通過(guò)分析每一項(xiàng)功能的工作原理,對(duì)復(fù)位電路進(jìn)行優(yōu)化。
人機(jī)交互的虛擬生物特征模糊判定系統(tǒng)的必要措施是調(diào)試階段中的串口通信,當(dāng)前最廣泛的串行標(biāo)準(zhǔn)是ARM和PC機(jī)進(jìn)行通信[8]。低速率串行通信的單端標(biāo)準(zhǔn)為RS-232,人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)為兩路串口,人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中MAX3232ECAE芯片組合成的串口電路如圖3所示。
圖3 串口電路
串口電路主要負(fù)責(zé)片選控制,采用微處理器作為中斷,使人機(jī)交互中虛擬生物特征模糊判定系統(tǒng)的兩路串口能夠共用一個(gè)中斷。當(dāng)出現(xiàn)有效中斷使能信號(hào)時(shí),將中斷是能信號(hào)發(fā)送給處理器。系統(tǒng)硬件的驅(qū)動(dòng)層在處理器接收到中斷使能信號(hào)時(shí),做出實(shí)時(shí)響應(yīng)。整個(gè)中斷服務(wù)過(guò)程,處理器會(huì)按照接收中斷使能信號(hào)的順序,逐個(gè)地檢查來(lái)自串口的中斷源。因此對(duì)人機(jī)交互中虛擬生物特征模糊判定系統(tǒng)硬件部分的串口電路進(jìn)行優(yōu)化設(shè)計(jì)至關(guān)重要。
在人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中IEEE的標(biāo)準(zhǔn)為JTAG,JTAG的掃描鏈判定系統(tǒng)ARM的內(nèi)部,可以對(duì)判定系統(tǒng)的ICE-RT邏輯進(jìn)行配置和調(diào)試。為了對(duì)判定系統(tǒng)中的Multi-ICE兼容仿真器進(jìn)行調(diào)試,需要在判定系統(tǒng)的目標(biāo)板中安置20芯的JTAG接口,JTAG端口的定義如表1所示。
表1 JTAG端口定義
人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中U-Boot目標(biāo)板中的啟動(dòng)代碼主要由JTAG編寫(xiě)[9]。
綜上所述,對(duì)各電路進(jìn)行優(yōu)化,完善其功能,實(shí)現(xiàn)人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)硬件部分的設(shè)計(jì),為系統(tǒng)軟件設(shè)計(jì)提供良好的硬件環(huán)境。
引入模糊識(shí)別算法對(duì)人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)軟件部分進(jìn)行設(shè)計(jì)。圖像預(yù)處理和虛擬生物特征模糊恢復(fù)是軟件設(shè)計(jì)過(guò)程中最關(guān)鍵的兩個(gè)部分。圖像的預(yù)處理為虛擬生物特征模糊恢復(fù)奠定良好的基礎(chǔ),加快恢復(fù)速率。對(duì)虛擬生物特征進(jìn)行模糊恢復(fù)可有效提高系統(tǒng)軟件判定結(jié)果的準(zhǔn)確度。
在人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中圖像預(yù)處理的主要功能是對(duì)虛擬生物圖像進(jìn)行灰度化,是虛擬生物圖像去模糊的基礎(chǔ)。造成圖像模糊化的主要原因是成像設(shè)備存在的相機(jī)抖動(dòng)、散焦等問(wèn)題。將模糊圖像復(fù)原的方法頗多,例如信息疊加法、正推迭代法、遞進(jìn)復(fù)原法等等。在人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中的彩色圖像轉(zhuǎn)換為灰度的圖像稱為虛擬生物圖像的灰度化處理。R、G、B三個(gè)分量分別在彩色虛擬生物圖像中的像素中存在,R、G、B三個(gè)分量分別可以取255種值[10]。
在對(duì)圖像進(jìn)行去模糊的過(guò)程中,先要設(shè)計(jì)圖像模糊點(diǎn)擴(kuò)散函數(shù),計(jì)算圖像模糊點(diǎn)的擴(kuò)散值,依據(jù)模糊點(diǎn)的擴(kuò)散值,基于模糊識(shí)別算法構(gòu)建圖像去燥模型。對(duì)去燥模型進(jìn)行重構(gòu),需要模糊圖像和真實(shí)圖像,模糊核矩陣,噪聲干擾強(qiáng)度及卷積運(yùn)算綜合處理。圖像的去模糊過(guò)程可以理解為,利用卷積運(yùn)算將一幅圖像的模糊信息轉(zhuǎn)換成模糊核矩陣,根據(jù)模糊核矩陣,進(jìn)行深入去模糊計(jì)算。圖像去模糊的本質(zhì)就是圖像模糊的反過(guò)程。
在人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中的灰度化處理分為兩種。一是平均值法,對(duì)虛擬生物圖像中每個(gè)像素點(diǎn)的R、G、B分量進(jìn)行平均求值,得到的平均值作為虛擬生物圖像的灰度值。二是利用YUV編碼規(guī)則,其中Y代表的是虛擬生物圖像像素的亮點(diǎn),通過(guò)虛擬生物圖像像素中的亮點(diǎn)進(jìn)行灰度值的表示。
特征模糊恢復(fù)是人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)軟件部分的核心,可將原始無(wú)法識(shí)別的虛擬生物模糊特征進(jìn)行正確的判定,可將通過(guò)灰度化處理的虛擬生物圖像變?yōu)榍逦摂M生物圖像。圖4為引入模糊識(shí)別算法的虛擬生物特征模糊恢復(fù)流程圖。
圖4 虛擬生物特征模糊恢復(fù)流程圖
分析圖5可知,采用模糊識(shí)別算法,首先對(duì)虛擬生物圖像的尋像圖形進(jìn)行提取,對(duì)提取后的虛擬生物圖像尋像圖形區(qū)域的QI值進(jìn)行計(jì)算,根據(jù)QI值的大小評(píng)估虛擬生物圖像的特征模糊程度,若虛擬生物圖像中的QI值小于下限閾值,舍去圖像;若虛擬生物圖像中的QI值大于上限值,對(duì)虛擬生物圖像進(jìn)行直接識(shí)別;若虛擬生物圖像中的QI值在上下閾值中,對(duì)虛擬生物圖像中的退化特征信息進(jìn)行提取,重構(gòu)PSF函數(shù),采用參變維納濾波算法對(duì)虛擬生物圖像進(jìn)行去卷積的操作,得到清楚的虛擬生物圖像。
3.2.1 灰度方差算法
人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)的虛擬生物特征模糊圖像的灰度方差定義如下式所示:
(1)
其中:g代表的是虛擬生物模糊圖像的灰度平均值,s代表的是虛擬生物圖像的灰度值平均差,灰度方差算法參考虛擬生物圖像的像素灰度平均值,對(duì)虛擬生物圖像中每個(gè)像素點(diǎn)的灰度值進(jìn)行平均差的計(jì)算,當(dāng)虛擬生物圖像的灰度值平均差越大時(shí),虛擬生物圖像越清晰,當(dāng)虛擬生物圖像中的灰度值平均差越小時(shí),虛擬生物圖像越模糊。
3.2.2 灰度差分的絕對(duì)值之和算法
如公式(2)所示,將x方向、y方向虛擬圖像差分絕對(duì)值的和作為人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中模糊度的度量,虛擬生物圖像的特征模糊程度用灰度差絕對(duì)值表示:
(2)
在人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中虛擬生物圖像的模糊程度越深,梯度變化越慢,選用參數(shù)梯度設(shè)計(jì)判定系統(tǒng)中的模糊估計(jì)函數(shù),每個(gè)虛擬生物圖像中像素點(diǎn)的梯度公式如下:
G(x,y)=(f(x+1,y),f(x,y+1))
(3)
在人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中梯度模的公式為:
Mg=[f(x+1,y)2+f(x,y+1)2]
(4)
當(dāng)虛擬生物圖像窗口的高為H,寬為W時(shí),虛擬生物圖像灰度梯度模的平均值計(jì)算公式為:
(5)
在人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)中虛擬圖像的尋像圖形為固定的,虛擬圖像不會(huì)產(chǎn)生三個(gè)尋像區(qū)域的變化,所以將該區(qū)域中的像素集作為人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)模糊函數(shù)的判定標(biāo)準(zhǔn)。
綜上所述,通過(guò)對(duì)電源電路、串口電路等硬件部分進(jìn)行設(shè)計(jì),引入模糊識(shí)別算法對(duì)軟件部分進(jìn)行完善,完成人機(jī)交互中虛擬生物特征模糊判定系統(tǒng)的設(shè)計(jì)。
本次實(shí)驗(yàn)在Matlab7.1平臺(tái)中完成,Windows7為本次實(shí)驗(yàn)的操作系統(tǒng),為了驗(yàn)證人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)的性能,需要對(duì)人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)進(jìn)行測(cè)試。
所設(shè)計(jì)的人機(jī)交互中虛擬生物特征模糊判定系統(tǒng)在進(jìn)行虛擬生物的特征模糊判定時(shí),根據(jù)灰度值的不同將虛擬生物圖像分為不同的區(qū)域,對(duì)虛擬生物的模糊特征進(jìn)行校正,采用參變維納濾波算法建立虛擬生物模糊特征集,對(duì)虛擬生物特征模糊判定的效率進(jìn)行大幅度的提升。分別采用改進(jìn)系統(tǒng)和傳統(tǒng)系統(tǒng)進(jìn)行判定效率測(cè)試,多次試驗(yàn)記錄兩種不同系統(tǒng)的判定時(shí)間,對(duì)比兩種不同系統(tǒng)的判定效率,對(duì)比結(jié)果如圖5所示。
圖5 兩種不同系統(tǒng)的對(duì)比結(jié)果
分析圖6可知,傳統(tǒng)系統(tǒng)的判定時(shí)間平均保持在60s左右,在第10次實(shí)驗(yàn)時(shí),出現(xiàn)了最大判定時(shí)間,為65s。在第2次實(shí)驗(yàn)時(shí),判定時(shí)間最小,為55s。改進(jìn)系統(tǒng)的判定時(shí)間平均保持在18s左右,在第6次實(shí)驗(yàn)時(shí),出現(xiàn)了最大判定時(shí)間,為21s。在第5次實(shí)驗(yàn)時(shí),判定時(shí)間最小,為5s。對(duì)比改進(jìn)系統(tǒng)和傳統(tǒng)系統(tǒng)的實(shí)驗(yàn)結(jié)果,改進(jìn)系統(tǒng)的判定時(shí)間遠(yuǎn)遠(yuǎn)少于改進(jìn)系統(tǒng)的判定時(shí)間,充分說(shuō)明改進(jìn)系統(tǒng)的判定效率更高。
s代表的是虛擬生物圖像的灰度值平均差,當(dāng)虛擬生物圖像的灰度值平均差越大時(shí),虛擬生物圖像越清晰,判定的結(jié)果越精準(zhǔn)。為了測(cè)試人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)的判定準(zhǔn)確度,通過(guò)參數(shù)s對(duì)人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)進(jìn)行測(cè)試,分別采用改進(jìn)和傳統(tǒng)系統(tǒng)進(jìn)行對(duì)比,對(duì)比結(jié)果如表2所示。
表2 兩種不同系統(tǒng)的對(duì)比
分析表2可知,在四次實(shí)驗(yàn)中改進(jìn)系統(tǒng)的參數(shù)s平均值為6.5,傳統(tǒng)系統(tǒng)的參數(shù)s的平均值為2。對(duì)比兩種系統(tǒng)的測(cè)試結(jié)果可知,改進(jìn)系統(tǒng)的參數(shù)s要遠(yuǎn)遠(yuǎn)高于傳統(tǒng)系統(tǒng)的參數(shù)s,因?yàn)樘摂M生物圖像的灰度值平均差越大時(shí),虛擬生物圖像越清晰,判定的結(jié)果越精準(zhǔn),驗(yàn)證了改進(jìn)系統(tǒng)的判定準(zhǔn)確度更高。
實(shí)時(shí)性是衡量人機(jī)交互中虛擬生物特征模糊判定系統(tǒng)運(yùn)行速度的一個(gè)重要指標(biāo),決定著系統(tǒng)能否得到廣泛應(yīng)用。對(duì)人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)的實(shí)時(shí)性進(jìn)行測(cè)試,在各種條件都相同的條件下,分別采用改進(jìn)系統(tǒng)和傳統(tǒng)系統(tǒng)進(jìn)行測(cè)試,記錄兩種不同系統(tǒng)的判定信號(hào)情況,對(duì)比兩種系統(tǒng)的實(shí)時(shí)性對(duì)比結(jié)果如圖6所示。
圖6 兩種不同系統(tǒng)的實(shí)時(shí)性測(cè)試結(jié)果
觀察圖6可知,圖6(a)為傳統(tǒng)系統(tǒng)的判定信號(hào)情況,改進(jìn)系統(tǒng)的判定信號(hào)整體較弱,其平均信號(hào)值約為45dB,當(dāng)實(shí)驗(yàn)時(shí)間為4s時(shí),判定信號(hào)達(dá)到最大值是82dB。且實(shí)驗(yàn)過(guò)程中,常出現(xiàn)判定信號(hào)為零的現(xiàn)象,系統(tǒng)的實(shí)時(shí)性較低。圖6(b)為改進(jìn)系統(tǒng)的判定信號(hào)情況,傳統(tǒng)系統(tǒng)的判定信號(hào)整體較強(qiáng),平均判定信號(hào)值約為75dB,當(dāng)實(shí)驗(yàn)時(shí)間為7s時(shí),判定信號(hào)達(dá)到最大值是93dB。對(duì)比傳統(tǒng)系統(tǒng)和改進(jìn)系統(tǒng)的測(cè)試結(jié)果,相較于傳統(tǒng)系統(tǒng),改進(jìn)系統(tǒng)的判定信號(hào)大幅度增強(qiáng),充分說(shuō)明改進(jìn)系統(tǒng)的實(shí)時(shí)性更高,驗(yàn)證了改進(jìn)系統(tǒng)的實(shí)用性。
綜合以上實(shí)驗(yàn)結(jié)果可知,所設(shè)計(jì)的人機(jī)交互中虛擬生物特征模糊判定系統(tǒng)效率高、判定結(jié)果準(zhǔn)確度高、實(shí)時(shí)性高,具有一定的有效性和實(shí)用性,滿足虛擬生物特征模糊判定系統(tǒng)的設(shè)計(jì)需求。
提出設(shè)計(jì)了一種人機(jī)交互中虛擬生物特征模糊判定系統(tǒng),經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證,該系統(tǒng)效率高、判定結(jié)果準(zhǔn)確度高、實(shí)時(shí)性高,充分解決了當(dāng)前虛擬生物特征模糊判定系統(tǒng)存在的種種問(wèn)題。具有較好的實(shí)用性。但在判定系統(tǒng)的運(yùn)行能耗方面,還存在一些不足,未來(lái)將針對(duì)系統(tǒng)運(yùn)行能耗的問(wèn)題進(jìn)行深入研究,對(duì)人機(jī)交互中虛擬生物特征模糊判定系統(tǒng)進(jìn)行完善,為虛擬生物特征的模糊判定提供參考。
[1]王 偉,徐平平,王華君. 基于生物特征識(shí)別和一次性口令的電子商務(wù)安全交易方案[J]. 電子設(shè)計(jì)工程,2016,24(9):24-27.
[2] 路曉亞,杜麗娟. 模糊生物圖像特征優(yōu)化提取仿真研究[J]. 計(jì)算機(jī)仿真,2017,34(5):397-400.
[3] 鄭 杰,李建平. 一種基于生物特征匹配的未知協(xié)議比特流分類方法[J]. 科技通報(bào),2016,32(11):214-217.
[4] 丁 佳,張 娟,王索剛. 基于視覺(jué)雙特征的并行聯(lián)合腦-機(jī)接口范式的研究[J]. 科學(xué)技術(shù)與工程,2015,15(10):37-41.
[5] 胡瑞欽,張立建,孟少華. 基于OpenCV的圖像橢圓特征識(shí)別與定位研究[J]. 計(jì)算機(jī)測(cè)量與控制,2016,24(12):116-118.
[6] 林 森,吳 微,苑瑋琦. 采用紋理近鄰模式的掌靜脈生物特征識(shí)別研究[J]. 儀器儀表學(xué)報(bào),2015,36(10):2330-2338.
[7] 李海霞,張 擎. 結(jié)合并行融合的序列化多模態(tài)生物特征識(shí)別系統(tǒng)框架[J]. 計(jì)算機(jī)應(yīng)用,2015,35(10):2789-2792.
[8] 魏偉波,洪丹楓,潘振寬,等. 基于區(qū)域特征映射的模糊掌紋識(shí)別方法[J]. 自動(dòng)化學(xué)報(bào),2015,41(2):386-395.
[9] 李懷俊,謝小鵬. 基于核特征模糊聚類及模糊關(guān)聯(lián)熵的齒輪故障模式識(shí)別[J]. 儀器儀表學(xué)報(bào),2015,36(4):848-855.
[10] 王玉坤,高煒欣,湯 楠,等. 基于模糊模式識(shí)別的人體姿態(tài)識(shí)別[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2016,37(6):1621-1625.