人機(jī)交互中的虛擬生物特征模糊判定系統(tǒng)設(shè)計(jì)

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)

0 引言

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。

1 系統(tǒng)硬件結(jié)構(gòu)及原理

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。

2 系統(tǒng)硬件設(shè)計(jì)

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。

2.1 電源電路

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。

2.2 復(fù)位電路

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。

2.3 串口電路

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。

2.4 JTAG接口電路

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。

3 系統(tǒng)軟件設(shè)計(jì)

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。

3.1 圖像預(yù)處理

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。

3.2 虛擬生物特征模糊恢復(fù)

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)。

4 實(shí)驗(yàn)結(jié)果分析

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。

5 結(jié)論

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.