| 作品介紹 |
使用深度學習在手機中運行手掌靜脈識別應用程式，會先要求用戶註冊手掌圖像，並使用手機閃光燈相機來擷取更清晰的手掌靜脈圖像，系統使用卷積神經網路模型來與註冊圖像進行比對識別，註冊完成後，可以直接使用手掌靜脈來登入系統，登入系統後得以開啟家中門鎖或是使用者想要開啟的裝置，可以藉由遠端的控制(使用WiFi)也可以使用近端的藍芽(BLE)介面來控制裝置。在手掌靜脈識別時，可以在自然光以及光線較弱的區域運行，並且具有高精度以及方便性。可以將其應用在往後的生活中，得以取代接觸式生物辨識特徵，例如手指紋及手掌紋等等，在這疫情期間，可以大大的避免接觸的機會。另外，這個系統同時能夠在IOS系統(IPhone8+)以及Android系統(HTC One A9)中正常運作，在執行速度的部分是取決於手機硬體的速度，例如在IPhone8+手機上運行，在FPS的表現上，可以達到40~60FPS。在False Accepted Rate(FAR)(錯誤接收率)趨近於零，Equal Error Rate(EER) ~ 1.5%，False Rejected Rate(FRR) ~ 10%，當FAR=0%的時候。在硬體方面，我們使用ESP8266的開發版，連上網路並存取資料庫即時更新目前裝置的狀態，來開啟或關閉相對應的裝置，也同時使用MLT-BT05的BLE低功耗藍芽模組，對手機進行連線，當控制板透過藍芽收到開啟裝置的訊號後，開啟相對應的裝置。所以我們這個系統擁有方便安裝的特性以及低成本的特性，同時也有相當高的準確率。 |