开发基于深度学习的非接触式指纹定位与分割工具，其平均绝对误差为 30 像素、角度预测误差为 5.92 度、标签准确率为 97.46%。
Nov, 2023
本研究介绍了一种新的以手掌印为基础的移动生物识别技术，通过嵌入式摄像头捕获手掌印数据库，通过 RST 不变正方形基础的手掌印局部区域提取方法，实现了高准确性的认证技术。
Dec, 2009
以手部几何为基础的四指生物特征方法，采用特征选择方法提高鉴别性能，实验使用 Bosphorus 手部数据库的 300 个受试者进行测试，通过排名为基础的本地 FoBa 算法选择的 25 个特征子集，实现了最佳鉴别准确率 98.67% 和等错误率 4.6%。
Dec, 2023
本文总结了 46 篇 2017 年至 2021 年期间发表的关于深度学习在指静脉图像识别方面的研究。文章根据深度神经网络的任务对这些研究进行了总结，并提出了指静脉图像识别的挑战和潜在发展方向。
Jul, 2022
利用人脸识别技术在数字平台上解决了找寻失踪人员的常见问题，具有安全性和可行性特点。
May, 2024
数字取证是确保数字世界免受身份盗窃的不可避免的一部分，生物特征是解决数字取证所遇到问题的更好方案，手部生物特征模式的潜在益处和范围已经通过手几何验证方法进行了调查。
Feb, 2024
本论文综述了在室内定位中利用深度学习的方法，包括对不同指纹类型的优缺点、已提出的解决方案以及性能评估等方面进行了综合分析比较，还介绍了公开数据集和实施过程中可能遇到的挑战和问题，为未来研究提供了一些展望。
May, 2022
本文提出了一种基于深度学习的算法，用于精确定位和标记斜向和过度旋转的掌纹影像中的指纹，并通过在新数据集上的训练证明此算法在不同年龄组的掌纹影像中均具有不变性，并在成年人和儿童主体的正常和旋转图像的综合数据集中，实现了 97.17％的匹配准确度，表现优于现有的系统。
Mar, 2023
研究了指纹识别系统在有或没有用户配合下直接攻击的漏洞，通过对真假指纹数据库上两个不同系统（细节和脊特征）的评估，根据指纹图像质量和在不同操作场景下获得的结果， 得出了一些关于系统的鲁棒性的统计显著观察结果。
Dec, 2022
本研究提出了一种数据增强的方法，用于训练基于深度神经网络的小区域指纹识别模型，并经测试验证其有效性。
Mar, 2022