Abstract
随着生物特征身份认证技术的发展, 非接触式掌纹识别的高识别率、低侵犯性和非接触性等优点, 使其得到了越来越广泛的关注. 为了满足边缘环境下多设备的实时高效的处理需求, 本文设计了一套基于边缘计算的紧致化掌纹识别框架, 分别在终端设备层、边缘服务器层、云端搭建掌纹识别子系统. 在终端设备层采用基于Tiny YOLO-v3的目标识别算法和基于MobilenetV2的关键点定位算法对采集图像进行预处理, 提取掌纹ROI, 并提出识别请求. 在边缘服务器层, 对接受到的掌纹ROI利用基于对抗度量学习的GoogLeNet模型进行特征提取和特征匹配, 在返回识别结果后进行数据同步. 在数据中心, 将对会所有的识别任务记录日志并归入数据库, 同时定时训练更新终端设备和边缘设备的网络模型, 以提高系统的跨领域识别能力. 该框架是一套完整可行的生物特征识别框架, 具有广阔的市场前景和应用价值.
Full Text 
Sign-in/Register to access full text options
Sign-in/Register to access full text options 
Published version (
Free)
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
