生物识别 SCIE

生物识别（Iet Biometrics）在中科院分区中位于4区，JCR分区位于Q3。审稿速度一般为 33 Weeks ，且近两年没有被列入国际预警名单，您可以放心投稿。如果您需要投稿指导，可在线咨询我们的客服老师，我们将竭诚为您服务。

生物特征识别领域（基于个人的行为和生物特征自动识别个人）现已达到成熟水平，可行的实际应用不仅可能而且越来越可用。生物特征识别领域的特点是其跨学科性，因为虽然主要关注强大的技术基础，但有效的系统设计和实施通常需要广泛的技能，例如人为因素、数据安全和数据库技术、心理和生理意识等。此外，技术重点本身包含多样性，因为有效的生物特征识别系统的工程需要整合图像分析、模式识别、传感器技术、数据库工程、安全设计和许多其他理解。

该期刊的范围故意相对较广。虽然重点关注核心技术问题，但人们认识到这些问题可能本质上是多样化的，在许多情况下可能跨越传统的学科界限。因此，该期刊的范围将包括任何可以证明论文可以增加我们对生物识别系统的理解、预示生物识别未来发展和应用或促进相关技术更广泛实际应用的主题：

开发和增强单个生物识别模式，包括既定和传统模式（例如面部、指纹、虹膜、签名和手写识别）以及较新或新兴的模式（步态、耳朵形状、神经模式等）

多生物识别、理论和实践问题、实用系统的实施、多分类器和多模式方法

用于识别、验证和特征预测的软生物识别和信息融合

生物识别系统的人为因素和人机界面问题、异常处理策略

模板构建和模板管理、老化因素及其对生物识别系统的影响

可用性和面向用户的设计、心理和生理原理和系统集成

用于生物特征识别处理的传感器和传感器技术

支持生物特征识别系统的数据库技术

生物特征识别系统的实施、安全工程影响、智能卡及相关实施技术、实施平台、系统设计和性能评估

信任和隐私问题、生物特征识别系统的安全性和支持技术解决方案、生物特征识别模板保护

生物特征识别密码系统、安全性和与生物特征识别相关的加密

与法医处理的联系和跨学科共性

核心基础技术（例如生物识别技术（例如，图像分析、模式识别、计算机视觉、信号处理等）与生物识别处理的具体相关性可得到证明。

应用和应用主导的考虑

关于生物识别系统开发的技术或工业背景的立场文件

采用和推广生物识别标准，提高技术接受度、部署和互操作性，避免跨文化和跨部门限制

相关的伦理和社会问题