{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,8,29]]，“日期-时间”：“2024-08-29T19:10:10Z”，“时间戳”：1724958610543}，“引用-计数”：40，“发布者”：“MDPI AG”，“问题”：“24”，“许可证”：[{“开始”：{-date-parts”：[2023,12,5]]，”日期-时间“：”2023-12-05T00:00:00Z“，“时间戳”：1701734400000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“name”：“重庆市自然科学基金会”，“奖项”：[“cstc2020jcyj-msxmX0818”，“cstc2041ycjh-bgzxm0071”，“CSTB2023NSCQ-MSX0760”]}，{“name”：“重庆市委科技研究计划”，“奖项”：[“KJZD-M202301502”，“KJQN201901530”，“JJQN202300225”，“kJQN2020101513”]}，{“名称”：“重庆研究生教育\u2018课程思想政治\u2019”，“奖项“：[”YKCSZ23193“]}”，{”名称“：”重庆理工大学研究生创新计划项目“，“奖项，{“name”：“中国船舶重工集团武汉海事通信研究所基金会”，“奖项”：[“KCJJ2020-6”]}]，“内容域”：{“域”：[]，“交叉标记限制”：false}，“短集装箱标签”：[”传感器“]，“抽象”：“假肢攻击是当前手指静脉识别应用中必须防止的问题。为了解决这一问题，本研究建立了手指静脉活性检测系统。该系统首先使用均匀的近红外照明捕获短期静态手指静脉视频。随后，它使用没有直流分量的Gabor滤波器进行静脉区域分割。然后将静脉区域划分为块以计算多尺度空间\u2013时间地图（MSTmap），这有助于提取粗略的活性特征。最后，对这些特征进行细化训练，并使用所提出的Light-ViT模型预测活跃度检测结果，该模型配备了增强的Light-ViT主干，通过交错多个MN块和Light-Vi T块精心设计，确保任务中的性能得到改善。该体系结构有效地平衡了局部图像特征的学习，控制了网络参数的复杂性，大大提高了活性检测的准确性。在自制的活体手指静脉视频数据集上，Light-ViT模型的准确度验证为99.63%。在模型变得轻量级之后，该系统还可以直接应用于手指静脉识别终端<\/jats:p>“，”DOI“：”10.3390\/s23249637“，”type“：”journal-article“，”created“：{”date-parts“：[[2023,12,5]]，”date-time“：”2023-12-05T13:09:17Z“，”timestamp“：1701781757000}，”page“：，“前缀”：“10.3390“，“卷”：“23”，“作者”：[{“给定”：“刘奎”，“家庭”：“陈”，“序列”：“第一”，“隶属关系”：[[{名称：“重庆理工大学智能技术与工程学院，重庆401331，中国”}]}，{“给出”：“腾文”，“家族”：“郭”，”序列：“附加”，“附属关系”：[{名称“：”重庆科技大学智能技术与工程学院，重庆401331，中国“}]}，{”给定“：”李“，”家庭“：”李“，”序列“：”附加“，”隶属“：[{”名称“：”武汉海事通信研究院，武汉430202，中国“{”给出“：”海阳“，”家人“：”江“，”顺序“：”额外“，”affiliation“：[{”name“：”重庆科技大学智能技术与工程学院，中国重庆401331“}]}，{”given“：”Wenfu“，”family“：”Luo“，”sequence“：”additional“，”affiliance“：[[{“name”：”重庆理工大学智能技术工程学院，重庆401333“}”]}，{“given”：“Zuojin”，“family”：“Li”，“sequence”：“additional”，“affiliation”：[{“name”：“重庆科技大学智能技术与工程学院，重庆401331，中国”}]}]，“member”：“1968”，“published-online”：{“date-parts”：[[2023,12,5]]}，“reference”：[}“key”：”ref_1“，”doi-asserted-by“：”crossref“，“first page”：“151310”，“DOI”：“10.1007\/s1704-020-9236-4”，“文章标题”：“指纹匹配、恶搞和活体检测：分类和文献综述”，“卷”：“15”，“作者”：“Ali”，“年份”：“2021”，“期刊标题”：“Front.Comput.Sci.”}，{“key”：“ref_2”，“非结构化”：“Himaga，M.和Kou，K.（2008）。生物医学进展，施普林格。”}，{“key”：“ref_3”，“首页”：“5609”，“文章标题”：“面部防滑深度学习：调查”，“卷”：“45”，“作者”：“余”，“年份”：“2021”，“期刊标题”：《IEEE Trans.Pattern Anal.Mach.Intell.》}，{“key”：“ref_4”，“非结构化”：“Tome，P.，Vanoni，M.，and Marcel，S.（2014年1月10日\u201312）关于手指静脉识别对欺骗的脆弱性。2014年生物计量学特别兴趣小组（BIOSIG）国际会议记录，德国达姆施塔特。“}，{”key“：”ref_5“，”doi-asserted-by“：”crossref“，”first page“：“2015”，”doi“：”10.21474\/IJAR01\/1418“，”article-title“：”伪造生物特征检测的图像质量评估：手指-静脉图像的应用“，”volume“:”4“，”author“：”Krishnan“，”year“：”2016“，”journal-title”：“Int.J.Adv.Res.”}，”{“key”：“ref_6”，“unstructured”：“Ke，K.（2023年8月3日）日立在中国推出静脉识别技术智能手机，搜狐，2016.10.30。可在线获取：https:\/\/www.sohu.com/a/117647702_122331.“}，{”key“：”ref_7“，”doi-asserted-by“：”crossref“，”unstructured“：”Tome，P.，Raghavendra，R.，and Busch，C.（2015年1月19日\u201322）。关于手掌静脉识别对欺骗攻击的脆弱性。2015年国际生物统计会议论文集（ICB）泰国普吉岛。“，”DOI“：”10.1109\/ICB.2015.7139056“}，{“key”：”ref_8“，”DOI-asserted-by“：”crossref“，”first page“：”1“，“DOI”：”10.1145\/3038924“，”article-title“：”人脸识别系统的呈现攻击检测方法：综合调查“，”volume“：9“，”doi-asserted-by“：”crossref“，”first page“：”159“，“doi”：“10.1016\/j.eswa.2018.05.004”，“article-title”：“LiveNet:使用卷积神经网络改进人脸活性检测的特征泛化”，“volume”：“108”，“author”：“Rehman”，“year”：“2018”，“journal-title“：”专家系统。申请。“｝，｛”key“：”ref_10“，”首页“：”1“，”文章标题“：”ETA rPPGNet:远程心率测量的有效时域注意力网络“，”卷“：”99“，”作者“：”Hu“，”年份“：”2021“，”期刊标题“：”IEEE Trans.Instrum.Meas.“｝，｛”key“：”ref_11“，”doi断言“：”crossref“，”首页“：”135“，”doi“：”10.1016\/j.neucom.2020.09.043“，”文章标题“：”用于交通事故预测的深度时空图卷积网络”，“卷”：“423”，“作者”：“余”，“年份”：“2021”，“日志标题”：“神经计算”}，{“关键”：“ref_12”，“非结构化”：“多索维茨基，A.，Beyer，L.，Kolesnikov，A.，Weissenborn，D.，Zhai，X.，Unterthiner，T.，Dehghani，M.，Minderer，M.、Heigold，G.和Gelly，S.（2020）.一幅图像值16个单词：用于大规模图像识别的变形金刚。arXiv公司。“}，{”key“：”ref_13“，”doi-asserted-by“：”crossref“，”first page“：“103688”，”doi“：”10.1016\/j.infrared.2021.103688“，”article-title“：”同步采集手静脉近红外图像和脉搏，用于活体手背静脉识别“，”volume“：doi由“：”crossref“，”非结构化“：”M\u00e4\u00e4tt\u00e4，J.，Hadid，A.和Pietik\u00e4inen，M.断言（2011年1月11日\u201313）。使用微纹理分析从单个图像进行人脸欺骗检测。2011年国际生物计量学联合会议（IJCB）会议记录，美国华盛顿特区”，“DOI”：“10.1109”，{“key”：“ref_15”，“unstructured”：“Chingovska，I.，Anjos，A.，and Marcel，S.（2012年1月6日\u20137）.关于局部二进制模式在人脸反泄密中的有效性。德国达姆施塔特国际生物计量学特别兴趣小组会议记录。“}，{”key“：”ref_16“，”doi-asserted-by“：”crossref“，”unstructured“：”Tome，P.，Raghavendra，R.，Busch，C.，Tirunagari，S.，Poh，N.，Shekar，B.H.，Gragnaniello，D.，Sansone，C.，Verdoliva，L.，and Marcel，S.（2015年1月19日\u201322）第一届手指静脉欺骗攻击对策竞赛。2015年国际生物计量学会议记录，泰国普吉岛。“，”DOI“：”10.1109\/ICB.2015.7139067“}，{“key”：”ref_17“，”DOI-asserted-by“：”crossref“，”first page“：”100“，“DOI”：”10.1016\/j.neucom.2018.02.042“，”article-title“：”基于两流卷积网络学习的新型手指静脉验证系统“，”volume“：_18“，”doi-asserted-by“：”crossref“，”unstructured“：”Bok，J.Y.，Suh，K.H.和Lee，E.C.（2019）。使用远程光体积描记术检测假指骨数据。电子学，8.“，”DOI“：”10.3390\/electronics8091016“}，{”key“：”ref_19“，”first page“：“1”，“article-title”：“深度学习调查：算法、技术和应用”，“volume”：“51”，“author”：“Pouyanfar”，“year”：“2018”，“journal-title“：”ACM Compute.Surv.“}”，{“key”：”ref_20“，”DOI-asserted-by“：”crossref“，”非结构化“：”Assim，O.M.和Alkababji，A.M.（2021201310年1月7日）。CNN和遗传算法在生姜脉识别中的应用。2021年第14届电子系统工程发展国际会议记录，阿拉伯联合酋长国沙迦。“，”DOI“：”10.1109\/DeSE54285.2021.9719504“}，{”key“：”ref_21“，”DOI-asserted-by“：”crossref“，”unstructured“：”Baweja，Y.，Oza，P.，Perera，P.和Patel，V.M.（10月，1月28日）。基于异常检测的未知人脸呈现攻击检测。2020 IEEE国际生物特征联合会议（IJCB）会议记录，美国德克萨斯州休斯顿。“，”DOI“：”10.1109\/IJCB4858.2020.9304935“}，{“key”：”ref_22“，”DOI-asserted-by“：”crossref“，”first page“：”65402“，“DOI”：“10.1109\/ACCESC.2020.2984711”，“article-title”：“基于完全卷积神经网络和条件随机场的手指静脉验证算法”，“volume”：“8”，“author”：“Zeng”，“year”：“2020”，“journal-title“：”IEEE ACCESS“}”，{key“：”ref_23“，”doi-asserted-by“：”crossref“，”first-page“：”78594“，”doi“：”10.1109\/ACCESS.2021.3084037“，”article-title“：”DGLFV：“手指视觉识别的深度广义标记算法”，“volume”：“9”，“author”：“Tao”，“year”：“2021”，“journal-title”：“IEEE ACCESS”}，{“key”：”ref_2 4“，“doi-assert-by”：“crossref”，“unstructured”：“”Gionfrida，L.、Rusli，W.M.R.、Kedgley，A.E.和Bharath，A.A.（2022年）。一种用于手势识别的3DCNN-LSTM多类时间分割方法。电子学，11.“，”DOI“：”10.20944\/prints202206.0368.v1“}，{“key”：“ref_25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Sandouka，S.B.，Bazi，Y.，and Alajlan，N.（2021）。多目标指纹传感器中活体检测的变压器和生成对抗网络。传感器，21.“，”，“DOI”：“10.3390\/s21030699”}，“{”key“：”ref_26“，”首页“：”16“，”article-title“：”机器学习方法评价指纹活度检测\u2014A系统观“，”volume“：”3“，”author“：”Adam“，”year“：”2021“，”journal-title”：“IRO J.”}，{“key”：“ref_27”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhou，L.，Yang，L.、Fu，D.和Yang，G.（2022）基于SIFT-Flow的单样本手指静脉识别虚拟样本生成。电子学，11.“，”DOI“：”10.3390\/electronics11203382“}，{“key”：“ref_28”，“DOI-asserted-by”：“crossref”，“first page”：”7429“，“DOI”：“10.1364\/AO.41.007429”，“article-title”：“用于个人身份识别的近红外指静脉模式”，“volume”:“41”，“author”：“Kono”，“year”：“2002”，“journal-title“：”Appl.Opt.“}”，{”key“：”ref_29“，”DOI-asserted-by“：”crossref”，“首页”：“623”，“DOI”：“10.1016\/j.parec.2011.11.002”，“文章标题”：“用于个人识别的指纹和手指静脉的特征级融合”，“卷”：“33”，“作者”：“Yang”，“年”：“2012”，“期刊标题”：“模式识别。莱特。“}，{”key“：”ref_30“，”doi-asserted-by“：”crossref“，”first page“：“3621”，”doi“：”10.1007\/s13369-017-2672-2“，“article-title”：“通过背景减法和改进的三帧差分进行前景检测”，“volume”：“42”，“author”：“Sengar”，“year”：“2017”，“journal-title“：”Arab.J.Sci.Eng.“}”，{“key”：”ref.31“，”“doi-assert-by”：“交叉引用”，“非结构化”：“Sarwar，S.S.、Panda，P.和Roy，K.（2017年1月24日\u201326）。Gabor滤波器辅助的节能快速学习卷积神经网络。2017 IEEE\/ACM低功耗电子与设计国际研讨会（ISLPED）会议记录，台湾台北。“，”DOI“：”10.1109\/ISLPED.2017.8009202“}，{“key”：“ref_32”，“unstructured”：“Geirhos，R.，Rubisch，P.，Michaelis，C.，Bethge，M.，Wichman，F.A.，and Brendel，W.（2018）。ImageNet-trained CNN偏向纹理；增加形状偏差可提高准确性和鲁棒性。arXiv.”}，“{”key“：”ref_33“，”DOI-asserted-by“：”crossref“，”first page“：“331”，“DOI”：“”10.1007 \/s12530-021-09393-2“，“article-title”：“一种基于Gabor滤波器和遗传算法的面部表情识别新方法”，“volume”：“13”，“author”：“Boughida”，“year”：“2022”，“journal-title“：“Evol。系统。“}，{”key“：”ref_34“，”unstructured“：”Howard，A.G.，Zhu，M.，Chen，B.，Kalenichenko，D.，Wang，W.，Weyand，T.，Andreetto，M.和Adam，H.（2017）。手机：移动视觉应用的高效卷积神经网络。arXiv.“}”，{“key”：“ref_35”，“unstructure”：“（2023，8月7日）。ISO\/IEC 30107-3-2017；信息技术\u2014生物特征表示攻击检测\u2014第3部分：测试和报告。在线获取：https:\/\/www.iso.org\/standard\/53227.html。“｝，｛”key“：”ref_36“，”doi asserted by“：”crossref“，”nonstructured“：”Lin，B.，Li，X.，Yu，Z.，and Zhao，G.（2019年1月29日\u201331）。通过rppg特征和基于上下文补丁的CNN进行人脸活力检测。2019年第三届国际生物识别工程与应用会议论文集，瑞典斯德哥尔摩。“，”doi“：”10.1145\/33453345345“}，{”key“：”ref_37“，”first page“：“295”，”article-title“：”基于SVM的全局和局部特征相结合的手指静脉识别“，”volume“：：”30“，”author“：”Park“，”year“：”2011“，”journal-title”：“Compute.Inform”}，”{“key”：“ref_38”，“doi-asserted-by”：“crossref”，”first-page“：”66845“，”doi“：”10.1109\/ACCESS 2019.2918503“，”article-title“：”基于deep DenseNet使用合成图像的指纹识别“，”volume“：”7“，”author“：”Song“，”year“：”2019“，”journal-title”：“IEEE Access”}，{“key”：“ref_39”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen，L.，Li，S.，Bai，Q.，Yang，J.，Jiang，S..，and Miao，Y.（2021）基于卷积神经网络的图像分类算法综述。远程传感器，13.”，“DOI”：“10.3390\/rs1324712”}，｛“key”：“ref_40”，“DOI断言”：“crossref”，“非结构化”：“Sandler，M.，Howard，A.，Zhu，M.，Zhmoginov，A.和Chen，L.C.（2018年1月18日\u201323）.Mobilenetv2：反转残差和线性瓶颈。IEEE计算机视觉和模式识别会议记录，美国犹他州盐湖城”，“DOI”：“10.1109\/CVPR.2018.00474”}]，“container-title”：[“传感器”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/www.mdpi.com\/1424-8220\/23\/24\/9637\/pdf”，“content-type”：“未指定”，“内容-版本”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,12,5]]，”date-time“：”2023-12-05T13:26:12Z“，”timestamp“：1701782772000}，”score“：1，”resource“：”primary“：”{“URL”：“https:\/\/www.mdpi.com\/1424-8220\/23\/24\/9637”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-part”：[[2023,12,5]]}，“参考人数”：40，“日志发布”：{“issue“：”24“，”published-online“：{“date-parts”：[[2023,12]]}}，“alternative-id”：[“s23249637”]，“URL”：“http://\/dx.doi.org\/10.3390\/s23249637”，“relationship”：{}，”ISSN“：[“1424-8220”]，”ISSN-type“：[{”value“：”1424-8220'，“type”：“electronic”}]，“subject”：[]，“published”：{“：[[2023,12,5]]}}}”