红外门把手上的并行神经网络系统：手静脉识别的新方案

本文主要探讨了一种基于并行子神经网络的新型手背静脉识别系统（Parallel sub-neural network system for hand vein pattern recognition）。该系统设计了一个创新的生物特征认证方案，通过将红外发光二极管（Infrared Light Emitting Diode, LED）集成到门把手中，用户只需轻轻一握，就能验证其身份。另一侧则安装有摄像头（Charge-Coupled Device, CCD），用于捕捉手背静脉图像。 在技术实现上，该方法结合了模糊均值聚类（Fuzzy C-Means Clustering）算法，这是一种非监督学习方法，能有效地对静脉图像进行预处理和特征提取，有助于提高识别的准确性。同时，文章强调了并行神经网络（Parallel Neural Networks, PNNs）的应用，PNNs以其自我学习能力和并行处理的优势，在大规模数据库中的模式识别问题上展现出潜力。这种系统利用并行计算能力，能够更高效地处理大量的训练数据，从而提升识别性能。 作者们来自北京交通大学的智能系统与可再生能源中心，他们针对手背静脉的特性，设计了这个具有自主学习特性的系统，旨在解决传统生物识别可能面临的复杂性和效率问题。实验结果表明，该算法在实际应用中表现出很高的效率和准确性，验证了所提出的并行子神经网络在手背静脉识别领域的可行性。 文章的分类代码为100.0100（计算机视觉与图像处理）、110.0110（生物特征识别与安全）、150.0150（并行计算与分布式处理），这些标签揭示了研究内容的关键技术领域。这项工作对于提升手背静脉身份认证的安全性和速度具有重要意义，为未来的生物识别技术和物联网设备的集成提供了一个有前景的研究方向。