Data structures 我应该使用哪种数据结构来存储眼睛视网膜？

我需要开发和申请打开/关闭我办公室的大门。该应用程序将识别人眼视网膜，然后在有效的情况下打开闸门。视网膜图像将存储在数据库中，在数据库中，它将即将出现的图像与存储的视网膜图像（以db为单位）进行匹配。另外，当我想从数据库中删除特定人的视网膜数据时，它应该被删除。 在我的标准中，内存的使用是对时间的快速响应

---

此场景应使用哪种数据结构？存储

假设您可以使用技术获取视网膜图像：

获取视网膜图像的字节数组

计算该字节数组的哈希值

将此哈希存储在数据库中

---

验证

获取要进行身份验证的人的视网膜图像

计算他/她的视网膜图像的散列

如果存在哈希，则搜索数据库

---

捕获

我不确定视网膜图像是如何生成的。如果图像与最初用于计算哈希值的图像相差1字节，则两个哈希值将绝对不匹配，并且无法找到两个图像的相对相似性

正如@DonReba在下面的评论中提到的，有专门为此目的生成的哈希。因此，可以通过使用正确的哈希来克服捕获

---

一些数字

从数据库中删除图像的哈希是O（1）

如果对哈希进行排序，则搜索为O（n）或O（logn）

内存使用率为每人0（1）（取决于使用的哈希算法-可以是128字节、256字节等）

---

您必须使用树状结构，因为树ADT支持快速搜索。但删除树很糟糕。不过，删除是一项时间敏感的操作吗？你可能不会每秒重复多次。视网膜是用作授权还是身份识别？视网膜将用于身份识别。当一个人到达大门时。传感器捕获视网膜并将其转发至存储大量视网膜的系统，与之匹配，如果找到，则闸门打开。这是正确的想法。有专门为这种应用程序设计的哈希。@DonReba:我不知道。我凭直觉写出了答案。匹配不会是O（1），因为散列是。如果错误位是随机分布的，听起来像是表格扫描。@Sylvester:我刚才提到的搜索（我猜是相同的匹配）仅为O（n）和O（logn）。我看错你了吗？删除是基于与视网膜不同的键？O（n）保证用于搜索。我发现了一篇关于搜索这些模糊的东西的论文，可能是相关的：