[go: up one dir, main page]

CN108319887A - 一种身份认证的方法和系统 - Google Patents

一种身份认证的方法和系统 Download PDF

Info

Publication number
CN108319887A
CN108319887A CN201710039975.9A CN201710039975A CN108319887A CN 108319887 A CN108319887 A CN 108319887A CN 201710039975 A CN201710039975 A CN 201710039975A CN 108319887 A CN108319887 A CN 108319887A
Authority
CN
China
Prior art keywords
finger vein
preset
topological structure
target finger
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710039975.9A
Other languages
English (en)
Inventor
陈虹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Communication Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communication Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Communication Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201710039975.9A priority Critical patent/CN108319887A/zh
Publication of CN108319887A publication Critical patent/CN108319887A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明实施例公开了一种身份认证的方法和系统;该方法包括:通过预设的图像处理策略对采集到的目标指静脉图像进行处理,获取目标指静脉拓扑结构;按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数;将所述目标指静脉拓扑结构对应的特征参数与已有的指静脉拓扑结构对应的特征参数按照预设的匹配策略进行匹配;当匹配成功时,确定所述目标指静脉图像认证成功。能够避免采集过程中发生平移或旋转时所造成的识别认证错误。

Description

一种身份认证的方法和系统
技术领域
本发明涉及信息安全技术领域,尤其涉及一种身份认证的方法和系统。
背景技术
目前,业界比较常用的身份认证技术中有一种为生物特征认证,其中,包括有指纹识别认证和人脸识别认证。但是在生物特征认证技术中,指纹识别认证对环境的要求相对较高;人脸识别认证由于存在整容、化妆等一系列的人类行为,会造成人脸识别非常不准确,因此,也最容易造假。
当前,指静脉识别技术是利用近红外线穿透手指后所得的静脉纹路影像来进行身份认证识别。但是,目前大部分的指静脉识别技术均采用指静脉纹路的特征点进行模糊匹配的方式来实现,从而当采集过程中发生平移和旋转时,造成识别认证错误。
发明内容
为解决上述技术问题,本发明实施例期望提供一种身份认证的方法和系统;能够避免采集过程中发生平移或旋转时所造成的识别认证错误。
本发明的技术方案是这样实现的:
第一方面,本发明实施例提供了一种身份认证的方法,所述方法包括:
通过预设的图像处理策略对采集到的目标指静脉图像进行处理,获取目标指静脉拓扑结构;
按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数;
将所述目标指静脉拓扑结构对应的特征参数与已有的指静脉拓扑结构对应的特征参数按照预设的匹配策略进行匹配;
当匹配成功时,确定所述目标指静脉图像认证成功。
在上述方案中,所述方法还包括:当匹配不成功时,确定所述目标指静脉图像认证失败。
在上述方案中,所述目标指静脉图像通过摄像头中增加近红外光的光源发射器进行采集。
在上述方案中,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中曲线交叉点之间的距离以及所述交叉点连线之间所产生的夹角;其中,所述交叉点之间的距离通过所述交叉点连线的长度进行表征。
在上述方案中,所述按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数,包括:
根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;
将所述目标指静脉拓扑结构中的所有交叉点两两连线,获取所有连线的长度以及所有连线之间所产生的夹角。
在上述方案中,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中各曲线的端点、所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离以及所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线所产生的夹角;其中,所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离通过指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线的长度进行表征。
在上述方案中,所述按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数,包括:
获取所述目标指静脉拓扑结构中各曲线的端点;
根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;
将所述目标指静脉拓扑结构中的每个交叉点按照预设的距离阈值对应选取预设数目的相邻交叉点;
将每个交叉点与对应的相邻交叉点进行连线,获取所有连线的长度以及所有连线之间所产生的夹角。
在上述方案中,所述将所述目标指静脉拓扑结构对应的特征参数与已有的指静脉拓扑结构对应的特征参数按照预设的匹配策略进行匹配,包括:
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中的交叉点之间的连线数目与交叉点连线之间所产生的夹角数目均相同时,确定所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目是否超过预设的第一阈值;
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目超过预设的第一阈值时,确定所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目是否超过预设的第二阈值;
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目超过预设的第二阈值时,确定匹配成功。
在上述方案中,所述方法还包括:
当目标指静脉图像认证失败时,发送预警信息;其中,所述预警信息用于提示并预防非授权行为侵入。
在上述方案中,所述方法还包括:
对所述目标指静脉图像认证成功次数以及所述目标指静脉图像认证总次数进行统计,获取所述目标指静脉图像认证识别率;
当所述目标指静脉图像认证识别率低于预设的识别率阈值时,发送提示信息;其中,所述提示信息用于请求调整识别率阈值。
第二方面,本发明实施例提供了一种身份认证的系统,所述系统包括:采集模块、图像处理模块、特征提取模块、匹配模块和第一确定模块;其中,
所述采集模块,用于采集目标指静脉图像;
所述图像处理模块,用于通过预设的图像处理策略对采集到的目标指静脉图像进行处理,获取目标指静脉拓扑结构;
所述特征提取模块,用于按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数;
所述匹配模块,用于将所述目标指静脉拓扑结构对应的特征参数与已有的指静脉拓扑结构对应的特征参数按照预设的匹配策略进行匹配;并且当匹配成功时,触发所述第一确定模块;
所述第一确定模块,用于确定所述目标指静脉图像认证成功。
在上述方案中,所述系统还包括:第二确定模块;相应地,所述匹配模块,还用于当匹配不成功时,触发所述第二确定模块;
所述第二确定模块,用于确定所述目标指静脉图像认证失败。
在上述方案中,所述采集模块,由摄像头中增加近红外光的光源发射器组成。
在上述方案中,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中曲线交叉点之间的距离以及所述交叉点连线之间所产生的夹角;其中,所述交叉点之间的距离通过所述交叉点连线的长度进行表征。
在上述方案中,所述特征提取模块,用于:
根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;以及,
将所述目标指静脉拓扑结构中的所有交叉点两两连线,获取所有连线的长度以及所有连线之间所产生的夹角。
在上述方案中,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中各曲线的端点、所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离以及所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线所产生的夹角;其中,所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离通过指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线的长度进行表征。
在上述方案中,所述特征提取模块,用于:
获取所述目标指静脉拓扑结构中各曲线的端点;
以及,根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;
以及,将所述目标指静脉拓扑结构中的每个交叉点按照预设的距离阈值对应选取预设数目的相邻交叉点;
以及,将每个交叉点与对应的相邻交叉点进行连线,获取所有连线的长度以及所有连线之间所产生的夹角。
在上述方案中,所述匹配模块,用于:
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中的交叉点之间的连线数目与交叉点连线之间所产生的夹角数目均相同时,确定所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目是否超过预设的第一阈值;以及,
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目超过预设的第一阈值时,确定所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目是否超过预设的第二阈值;以及,
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目超过预设的第二阈值时,确定匹配成功。
在上述方案中,所述系统还包括:预警模块,用于当目标指静脉图像认证失败时,发送预警信息;其中,所述预警信息用于提示并预防非授权行为侵入。
在上述方案中,所述系统还包括:统计模块和提示模块;其中,
所述统计模块,用于对所述目标指静脉图像认证成功次数以及所述目标指静脉图像认证总次数进行统计,获取所述目标指静脉图像认证识别率;
所述提示模块,用于当所述目标指静脉图像认证识别率低于预设的识别率阈值时,发送提示信息;其中,所述提示信息用于请求调整识别率阈值。
本发明实施例提供了一种身份认证的方法和系统;通过对指静脉纹路中具有平移不变性以及旋转不变性的特征进行匹配来实现身份认证,能够避免采集过程中发生平移或旋转时所造成的识别认证错误。
在本发明一些实施例中,利用的指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中各曲线的端点、所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离。在一些实施例中,以同样的方式还可以利用的指静脉拓扑结构所对应的特征参数也可以包括所述指静脉拓扑结构中各曲线的端点和/或所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线的端点之间的距离。
在本发明一些实施例中,利用的指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线所产生的夹角。在一些实施例中,以同样的方式还可以利用的指静脉拓扑结构所对应的特征参数也可以包括述指静脉拓扑结构中曲线交叉点和/或所述指静脉拓扑结构中各曲线的端点与预设范围内的其他曲线端点之间连线所产生的夹角。
附图说明
图1为本发明实施例提供的一种身份认证的方法流程示意图;
图2为本发明实施例提供的归一化之后的指静脉图像示意图;
图3为本发明实施例提供的图像分割后的指静脉图像示意图;
图4为本发明实施例提供的指静脉拓扑结构示意图;
图5为本发明实施例提供的一种特征提取流程示意图;
图6为本发明实施例提供的一种像素点的8邻域示意图;
图7为本发明实施例提供的指静脉拓扑结构对应交叉点示意图;
图8为本发明实施例提供的交叉点连线示意图;
图9为本发明实施例提供的一种匹配流程示意图;
图10为本发明实施例提供的一种匹配策略匹配的流程示意图;
图11为本发明实施例提供的一种身份认证的系统结构示意图;
图12为本发明实施例提供的另一种身份认证的系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
实施例一
参见图1,其示出了本发明实施例提供的一种身份认证的方法,该方法可以应用于身份认证系统,该方法可以包括:
S101:通过预设的图像处理策略对采集到的目标指静脉图像进行处理,获取目标指静脉拓扑结构;
S102:按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数;
S103:将目标指静脉拓扑结构对应的特征参数与已有的指静脉拓扑结构对应的特征参数按照预设的匹配策略进行匹配;
S104:当匹配成功时,确定目标指静脉图像认证成功。
可以理解地,当匹配不成功时,确定目标指静脉图像认证失败。
通过图1所示的技术方案,能够通过对指静脉纹路中具有平移不变性以及旋转不变性的特征进行匹配来实现身份认证,能够避免采集过程中发生平移或旋转时所造成的识别认证错误。
对于图1所示的技术方案,在步骤S101中,目标指静脉图像可以通过视频采集前端设备,例如视频监控用的摄像头进行采集。摄像头具体可以选用行业通用的球型摄像机,简称球机、卡片机、枪机、家庭用带云台的球机等,本实施例对此不做赘述。在具体实现指静脉图像采集时,可以在这些传统摄像头中增加近红外光的光源发射器,就能够采集到指静脉图像。
在步骤S101的具体实现过程中,当采集到目标指静脉图像后,可以通过对采集到的目标指静脉图像进行归一化处理,并将归一化之后的图像依次进行图像增强、图像分割以及图像细化及修复,从而可以得到通过细化后的目标指静脉图像来表征对应的目标指静脉拓扑结构。对于图像归一化、图像增强、图像分割以及图像细化及修复等处理的具体实现过程,为图像处理领域的惯用性技术手段,本实施例对此不做赘述。
针对上述对于步骤S101的具体实现过程,参见图2所示的四张作为归一化之后的指静脉图像示例,对其分别进行图像分割后的结果如图3所示,针对分割后的图像分别进行细化及修复后所得到的对应的指静脉拓扑结构如图4所示。
需要说明的是,从图4所示的指静脉拓扑结构示例可以看出,指静脉拓扑结构可以归结为多条曲线和多条曲线之间的交叉点。由于两条直线之间的夹角以及两点之间的相对距离这两个特征具有平移不变性以及旋转不变性,也就是说这两个特征不会因为平移和旋转而发生改变。
因此,在一种优选的实现方式中,指静脉拓扑结构所对应的特征参数包括指静脉拓扑结构中曲线交叉点之间的距离以及交叉点连线之间所产生的夹角。
通过上述的说明,当指静脉拓扑结构所对应的特征参数优选为指静脉拓扑结构中曲线交叉点之间的距离以及交叉点连线之间所产生的夹角时,对于步骤S102,参见图5,具体可以包括:
S1021A:根据每个像素点的值以及每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;
具体地,以像素点P0的8邻域为例,即如图6所示的以像素点P0为中心的的3×3像素点区域为例,像素点P0的8邻域像素点为:P1、P2、P3、P4、P5、P6、P7和P8。当满足式1所示的条件时,像素点P0为交叉点;
其中,也就是说,N表示P1到P8为1的次数,当N≥3时,则认为该点P0是目标指静脉拓扑结构中的一个交叉点。
当目标指静脉拓扑结构中所有像素点按照上述式1所示的条件进行筛选后,就能够得到目标指静脉拓扑结构中的所有交叉点,如图7所示,为图4所示的指静脉拓扑结构对应的交叉点,具体通过矩阵来表征各指静脉拓扑结构对应的交叉点的坐标点集合如下所示:
设矩阵Xk为第k个指静脉拓扑结构对应的交叉点的坐标点集合,其中,k的取值从1至4。因此,图7所示四个指静脉拓扑结构的交叉点对应的矩阵为:
S1022A:将目标指静脉拓扑结构中的所有交叉点两两连线,获取所有连线的长度以及所有连线之间所产生的夹角。
具体地,假定有d个交叉点,那么将交叉点两两连线之后,会产生条连线;而所有连线之间所产生的夹角个数为个。
需要说明的是,连线的长度表征了连线两端的交叉点之间的相对距离,可以通过平面上两点之间的距离公式进行计算,本实施例对此不做赘述。而连线之间所产生的夹角则可以通过形成该夹角的两条连线的三个交叉点之间的距离按照三角形的余弦定理进行计算,例如,交叉点A和B的连线与交叉点A和C的连线所组成的角A为:其中,BC点之间的距离为a,AC点之间的距离为b,AB点之间的距离为c。
设定目标指静脉拓扑结构对应的特征参数集合为R=(lmu);其中,l表示任意两个交叉点之间的连线的长度[l1,l2,...,lm],单位是像素;θ表示任意两条交叉点连线产生的夹角[θ12,...,θu],单位是度;而m表示任意两个交叉点之间的连线个数;u表示任意两条交叉点连线产生的夹角的个数。
以图7中第一个指静脉拓扑结构对应的交叉点以及对应的矩阵X1为例,可以得到:l=[56,29.0172,27.0185,15.6525,42.5793,16.1555,25.2982,68.352,43.566,27.8029,47.0106,34.6699,29.1204,31.8277,45.2769,43.0813,56.5685,41.1096,33.0606,28.8444,23.7065,60.208,41.4849,42.1545,45.2769,55.3624,13.6015,29],其中,m=28;而θ=[2.1211,1.9749,26.5651,69.4440,42.8789,65.5560,…],其中,u=168。
参见图8,为图7所示的所有指静脉拓扑结构对应交叉点进行连线之后的效果图。从图8中可以看出,图8中每个图像的拓扑关系体现了静脉的整体性和自身特性,由于交叉点是指静脉交错产生的内部特征点,能够反映静脉的走向和分布的结构特性;因此,为了避免将图8的各图像中的断点误认为端点从而影响识别结果。本实施例仅对可靠的交叉点作为进行特征参数获取的特征点。
针对上述优选的实现方式,为了提高数据的准确度并减少数据处理的计算开销,在另一种优选的实现方式中,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中各曲线的端点、所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离以及所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线所产生的夹角;其中,所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离通过指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线的长度进行表征。
需要说明的是,各曲线的端点能够准确的对各曲线进行标识,从而能够将不同的曲线通过端点来进行区分;而为了减少计算量,每个曲线交叉点无需与其他的所有交叉点进行连线,而是可以在每个曲线交叉点的预设范围内进行选取进行连线的交叉点,此时,对于步骤S102,参见图9,所述按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数,具体可以包括:
S1021B:获取所述目标指静脉拓扑结构中各曲线的端点;
S1022B:根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;
S1023B:将所述目标指静脉拓扑结构中的每个交叉点按照预设的距离阈值对应选取预设数目的相邻交叉点;
S1024B:将每个交叉点与对应的相邻交叉点进行连线,获取所有连线的长度以及所有连线之间所产生的夹角。
需要说明的是,对于图9所示的方案,在具体实现过程中,与图5所示的技术方案的不同是在于针对交叉点进行连线的过程中,并没有将所有的交叉点进行连线,而与按照预设的距离阈值选取预设树数目的相邻交叉点进行连线,
在本实施例中,按照预设的距离阈值选取预设树数目的相邻交叉点可以是针对每个交叉点,按照距离最近和/或最远的顺序总共选取n个点进行连线,其中,n根据数据量的要求优选为小于总交叉点点数一半的自然数。所以,图9所示的技术方案中,所选取的交叉点连线可以认为是从所有交叉点的连线中抽取了一部分来用于表征指静脉拓扑结构所对应的特征参数,从而使得图9所示的方案与图5所示的方案相比,减少了重复计算量而不减少信息量,从而节约系统开销又不有损准确度。
可以理解地,对于上述两个优选的实现方式,已有的指静脉拓扑结构对应的特征参数也可以按照上述方案进行获取,例如,也可适用于仅使用曲线的端点或者交叉点与端点混合使用的情况,本实施例对此不做赘述。
对应于上述步骤S102的两个优选的实现方式,对于步骤S103,参见图10,具体可以包括:
S1031:确定目标指静脉拓扑结构和已有的指静脉拓扑结构中的交叉点之间的连线数目与交叉点连线之间所产生的夹角数目均是否相同;若相同,则转至S1032;若不相同,则转至S1034;
S1032:确定目标指静脉拓扑结构和已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目是否超过预设的第一阈值;若超过,则转至S1033;若未超过则转至S1034;
S1033:确定目标指静脉拓扑结构和已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目是否超过预设的第二阈值;若超过,则转至S1034;若未超过,则转至S1035;
S1034:确定匹配成功;
S1035:确定匹配未成功。
在具体实现过程中,设R1=(lmu)和R2=(lnv)分别是目标指静脉拓扑结构和已有的指静脉拓扑结构的特征参数集合,对于图9,则可以包括:
步骤a:判断m和n以及u和v是否相等;若不相等则确定匹配失败;若相等,则继续执行步骤b;
步骤b:判断R1和R2中交叉点连线长度相等或近似相等的个数是否大于预先设定的第一阈值,如果小于第一阈值则匹配失败;若不小于第一阈值,则继续执行步骤c;
步骤c:获取长度相等或近似相等的连线产生的夹角,分别为θz1和θz2;统计θz1和θz2相等或近似相等的个数,并判断大于预先设定的第二阈值;如果小于第二阈值则匹配失败;若大于第二阈值则匹配成功。
可以理解地,近似相等可以认为两个数值之间的在预设的误差范围内;对于连线长度来说,误差范围优选为±0.0005;对于夹角角度来说,误差范围优选为±0.006。
需要说明的是,由于步骤c中,仅对匹配成功的交叉点连线产生的夹角进行继续匹配,这样既保留了静脉的有效特征,又减少了特征之间的交叉冗余信息和计算量,最大限度地给出了决策分析所需要的信息,提高了识别的准确性。
示例性地,当目标指静脉图像认证失败时,本实施例的技术方案还可以包括:
发送预警信息;该预警信息用于提示并预防非授权行为侵入;例如可以向系统管理员发送预警短信,告知其查看原因,预防有非法人员入侵系统。
示例性地,本实施例的技术方案还可以包括:
对目标指静脉图像认证成功次数以及目标指静脉图像认证总次数进行统计,获取目标指静脉图像认证识别率;
当目标指静脉图像认证识别率低于预设的识别率阈值时,发送提示信息;该提示信息用于请求调整识别率阈值。例如,目标指静脉图像认证识别率低于设定阈值时,可以自动向系统管理员发送提醒短信,告知其查看原因,分析是否要调整系统阈值设定。
本实施例提供了一种身份认证的方法;通过对指静脉纹路中具有平移不变性以及旋转不变性的特征进行匹配来实现身份认证,能够避免采集过程中发生平移或旋转时所造成的识别认证错误。
实施例二
基于前述实施例相同的技术构思,参见图11,其示出了本发明实施例提供的一种身份认证的系统110,所述系统110包括:采集模块1101、图像处理模块1102、特征提取模块1103、匹配模块1104和第一确定模块1105;其中,
所述采集模块1101,用于采集目标指静脉图像;
所述图像处理模块1102,用于通过预设的图像处理策略对采集到的目标指静脉图像进行处理,获取目标指静脉拓扑结构;
所述特征提取模块1103,用于按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数;
所述匹配模块1104,用于将所述目标指静脉拓扑结构对应的特征参数与已有的指静脉拓扑结构对应的特征参数按照预设的匹配策略进行匹配;并且当匹配成功时,触发所述第一确定模块1105;
所述第一确定模块1105,用于确定所述目标指静脉图像认证成功。
示例性地,参见图12,所述系统110还包括:第二确定模块1106;相应地,所述匹配模块1104,还用于当匹配不成功时,触发所述第二确定模块1106;
所述第二确定模块1106,用于确定所述目标指静脉图像认证失败。
示例性地,所述采集模块1101,由摄像头中增加近红外光的光源发射器组成。
示例性地,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中曲线交叉点之间的距离以及所述交叉点连线之间所产生的夹角;其中,所述交叉点之间的距离通过所述交叉点连线的长度进行表征。
进一步地,所述特征提取模块1103,用于:
根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;以及,
将所述目标指静脉拓扑结构中的所有交叉点两两连线,获取所有连线的长度以及所有连线之间所产生的夹角。
示例性地,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中各曲线的端点、所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离以及所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线所产生的夹角;其中,所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离通过指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线的长度进行表征。
进一步地,所述特征提取模块1103,用于:
获取所述目标指静脉拓扑结构中各曲线的端点;
以及,根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;
以及,将所述目标指静脉拓扑结构中的每个交叉点按照预设的距离阈值对应选取预设数目的相邻交叉点;
以及,将每个交叉点与对应的相邻交叉点进行连线,获取所有连线的长度以及所有连线之间所产生的夹角。
优选地,所述匹配模块1104,用于:
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中的交叉点之间的连线数目与交叉点连线之间所产生的夹角数目均相同时,确定所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目是否超过预设的第一阈值;以及,
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目超过预设的第一阈值时,确定所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目是否超过预设的第二阈值;以及,
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目超过预设的第二阈值时,确定匹配成功。
示例性地,在图11所示的身份认证的系统的基础上,参见图12,所述系统110还可以包括:预警模块1107,用于当目标指静脉图像认证失败时,发送预警信息;其中,所述预警信息用于提示并预防非授权行为侵入。
示例性地,参见图12,所述系统110还可以包括:统计模块1108和提示模块1109;其中,
所述统计模块1108,用于对所述目标指静脉图像认证成功次数以及所述目标指静脉图像认证总次数进行统计,获取所述目标指静脉图像认证识别率;
所述提示模块1109,用于当所述目标指静脉图像认证识别率低于预设的识别率阈值时,发送提示信息;其中,所述提示信息用于请求调整识别率阈值。
可以理解地,统计模块1108可以通过对第一确定模块1105和第二确定模块1106分别对应的认证成功次数和认证失败次数进行相加,获取认证总次数。
本实施例提供了一种身份认证的系统;通过对指静脉纹路中具有平移不变性以及旋转不变性的特征进行匹配来实现身份认证,能够避免采集过程中发生平移或旋转时所造成的识别认证错误。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。

Claims (20)

1.一种身份认证的方法,其特征在于,所述方法包括:
通过预设的图像处理策略对采集到的目标指静脉图像进行处理,获取目标指静脉拓扑结构;
按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数;
将所述目标指静脉拓扑结构对应的特征参数与已有的指静脉拓扑结构对应的特征参数按照预设的匹配策略进行匹配;
当匹配成功时,确定所述目标指静脉图像认证成功。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:当匹配不成功时,确定所述目标指静脉图像认证失败。
3.根据权利要求1所述的方法,其特征在于,所述目标指静脉图像通过摄像头中增加近红外光的光源发射器进行采集。
4.根据权利要求1所述的方法,其特征在于,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中曲线交叉点之间的距离以及所述交叉点连线之间所产生的夹角;其中,所述交叉点之间的距离通过所述交叉点连线的长度进行表征。
5.根据权利要求4所述的方法,其特征在于,所述按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数,包括:
根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;
将所述目标指静脉拓扑结构中的所有交叉点两两连线,获取所有连线的长度以及所有连线之间所产生的夹角。
6.根据权利要求1所述的方法,其特征在于,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中各曲线的端点、所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离以及所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线所产生的夹角;其中,所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离通过指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线的长度进行表征。
7.根据权利要求6所述的方法,其特征在于,所述按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数,包括:
获取所述目标指静脉拓扑结构中各曲线的端点;
根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;
将所述目标指静脉拓扑结构中的每个交叉点按照预设的距离阈值对应选取预设数目的相邻交叉点;
将每个交叉点与对应的相邻交叉点进行连线,获取所有连线的长度以及所有连线之间所产生的夹角。
8.根据权利要求5或7所述的方法,其特征在于,所述将所述目标指静脉拓扑结构对应的特征参数与已有的指静脉拓扑结构对应的特征参数按照预设的匹配策略进行匹配,包括:
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中的交叉点之间的连线数目与交叉点连线之间所产生的夹角数目均相同时,确定所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目是否超过预设的第一阈值;
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目超过预设的第一阈值时,确定所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目是否超过预设的第二阈值;
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目超过预设的第二阈值时,确定匹配成功。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当目标指静脉图像认证失败时,发送预警信息;其中,所述预警信息用于提示并预防非授权行为侵入。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述目标指静脉图像认证成功次数以及所述目标指静脉图像认证总次数进行统计,获取所述目标指静脉图像认证识别率;
当所述目标指静脉图像认证识别率低于预设的识别率阈值时,发送提示信息;其中,所述提示信息用于请求调整识别率阈值。
11.一种身份认证的系统,其特征在于,所述系统包括:采集模块、图像处理模块、特征提取模块、匹配模块和第一确定模块;其中,
所述采集模块,用于采集目标指静脉图像;
所述图像处理模块,用于通过预设的图像处理策略对采集到的目标指静脉图像进行处理,获取目标指静脉拓扑结构;
所述特征提取模块,用于按照预设的特征提取策略获取所述目标指静脉拓扑结构中至少两个同时具有平移不变性以及旋转不变性的特征参数;
所述匹配模块,用于将所述目标指静脉拓扑结构对应的特征参数与已有的指静脉拓扑结构对应的特征参数按照预设的匹配策略进行匹配;并且当匹配成功时,触发所述第一确定模块;
所述第一确定模块,用于确定所述目标指静脉图像认证成功。
12.根据权利要求11所述的系统,其特征在于,所述系统还包括:第二确定模块;相应地,所述匹配模块,还用于当匹配不成功时,触发所述第二确定模块;
所述第二确定模块,用于确定所述目标指静脉图像认证失败。
13.根据权利要求11所述的系统,其特征在于,所述采集模块,由摄像头中增加近红外光的光源发射器组成。
14.根据权利要求11所述的系统,其特征在于,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中曲线交叉点之间的距离以及所述交叉点连线之间所产生的夹角;其中,所述交叉点之间的距离通过所述交叉点连线的长度进行表征。
15.根据权利要求14所述的系统,其特征在于,所述特征提取模块,用于:
根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;以及,
将所述目标指静脉拓扑结构中的所有交叉点两两连线,获取所有连线的长度以及所有连线之间所产生的夹角。
16.根据权利要求11所述的系统,其特征在于,所述指静脉拓扑结构所对应的特征参数包括所述指静脉拓扑结构中各曲线的端点、所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离以及所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线所产生的夹角;其中,所述指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间的距离通过指静脉拓扑结构中曲线交叉点与预设范围内的其他曲线交叉点之间连线的长度进行表征。
17.根据权利要求16所述的系统,其特征在于,所述特征提取模块,用于:
获取所述目标指静脉拓扑结构中各曲线的端点;
以及,根据每个像素点的值以及所述每个像素点所对应的预设范围邻域内的所有邻域像素点值的统计值提取所述目标指静脉拓扑结构中的所有交叉点;
以及,将所述目标指静脉拓扑结构中的每个交叉点按照预设的距离阈值对应选取预设数目的相邻交叉点;
以及,将每个交叉点与对应的相邻交叉点进行连线,获取所有连线的长度以及所有连线之间所产生的夹角。
18.根据权利要求15或17所述的系统,其特征在于,所述匹配模块,用于:
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中的交叉点之间的连线数目与交叉点连线之间所产生的夹角数目均相同时,确定所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目是否超过预设的第一阈值;以及,
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构之间长度满足预设的第一误差范围的连线数目超过预设的第一阈值时,确定所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目是否超过预设的第二阈值;以及,
当所述目标指静脉拓扑结构和所述已有的指静脉拓扑结构中满足预设误差范围的连线之间所产生的夹角满足预设的第二误差范围的夹角数目超过预设的第二阈值时,确定匹配成功。
19.根据权利要求11所述的系统,其特征在于,所述系统还包括:预警模块,用于当目标指静脉图像认证失败时,发送预警信息;其中,所述预警信息用于提示并预防非授权行为侵入。
20.根据权利要求11所述的系统,其特征在于,所述系统还包括:统计模块和提示模块;其中,
所述统计模块,用于对所述目标指静脉图像认证成功次数以及所述目标指静脉图像认证总次数进行统计,获取所述目标指静脉图像认证识别率;
所述提示模块,用于当所述目标指静脉图像认证识别率低于预设的识别率阈值时,发送提示信息;其中,所述提示信息用于请求调整识别率阈值。
CN201710039975.9A 2017-01-18 2017-01-18 一种身份认证的方法和系统 Pending CN108319887A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710039975.9A CN108319887A (zh) 2017-01-18 2017-01-18 一种身份认证的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710039975.9A CN108319887A (zh) 2017-01-18 2017-01-18 一种身份认证的方法和系统

Publications (1)

Publication Number Publication Date
CN108319887A true CN108319887A (zh) 2018-07-24

Family

ID=62891445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710039975.9A Pending CN108319887A (zh) 2017-01-18 2017-01-18 一种身份认证的方法和系统

Country Status (1)

Country Link
CN (1) CN108319887A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188678A (zh) * 2019-05-29 2019-08-30 Oppo广东移动通信有限公司 静脉识别方法及相关产品
CN112395981A (zh) * 2020-11-17 2021-02-23 华北电力大学扬中智能电气研究中心 一种基于指静脉图像的认证方法、装置、设备及介质
CN112883356A (zh) * 2021-03-31 2021-06-01 中国工商银行股份有限公司 一种身份认证方法、装置及设备
CN113469248A (zh) * 2021-06-30 2021-10-01 平安科技(深圳)有限公司 基于神经网络的农业培育控制方法、装置、系统及介质
WO2022104552A1 (zh) * 2020-11-17 2022-05-27 华北电力大学扬中智能电气研究中心 一种基于指静脉图像的认证方法、装置、设备和存储介质
CN115223211A (zh) * 2022-09-20 2022-10-21 山东圣点世纪科技有限公司 一种将静脉图像转化为指纹图像的识别方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020028004A1 (en) * 2000-09-06 2002-03-07 Naoto Miura Personal identification device and method
CN101853378A (zh) * 2010-05-24 2010-10-06 哈尔滨工程大学 基于相对距离的手指静脉识别方法
CN102043961A (zh) * 2010-12-02 2011-05-04 北京交通大学 静脉特征提取方法及利用双指静脉和指形特征进行身份认证的方法
CN103235929A (zh) * 2013-03-11 2013-08-07 北京航空航天大学 基于手背静脉图像的身份识别方法和装置
CN103336945A (zh) * 2013-06-10 2013-10-02 黑龙江大学 融合局部特征与全局特征的指静脉识别方法
CN103400134A (zh) * 2013-06-28 2013-11-20 哈尔滨工程大学 非接触式手指静脉样本感兴趣区域提取方法
CN104933432A (zh) * 2014-03-18 2015-09-23 北京思而得科技有限公司 一种指腹折痕和指静脉图像的处理方法
CN105426821A (zh) * 2015-11-04 2016-03-23 浙江工业大学 一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020028004A1 (en) * 2000-09-06 2002-03-07 Naoto Miura Personal identification device and method
CN101853378A (zh) * 2010-05-24 2010-10-06 哈尔滨工程大学 基于相对距离的手指静脉识别方法
CN102043961A (zh) * 2010-12-02 2011-05-04 北京交通大学 静脉特征提取方法及利用双指静脉和指形特征进行身份认证的方法
CN103235929A (zh) * 2013-03-11 2013-08-07 北京航空航天大学 基于手背静脉图像的身份识别方法和装置
CN103336945A (zh) * 2013-06-10 2013-10-02 黑龙江大学 融合局部特征与全局特征的指静脉识别方法
CN103400134A (zh) * 2013-06-28 2013-11-20 哈尔滨工程大学 非接触式手指静脉样本感兴趣区域提取方法
CN104933432A (zh) * 2014-03-18 2015-09-23 北京思而得科技有限公司 一种指腹折痕和指静脉图像的处理方法
CN105426821A (zh) * 2015-11-04 2016-03-23 浙江工业大学 一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李飞: "基于手部生物特征多模态识别算法研究", 《万方在线论文》 *
猛犸: "《未来在现实的第几层》", 31 July 2011, 印刷工业出版社 *
王科俊,刘靖宇: "基于相对距离和角度的手指静脉识别方法", 《华中科技大学学报 (自然科学版)》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188678A (zh) * 2019-05-29 2019-08-30 Oppo广东移动通信有限公司 静脉识别方法及相关产品
CN112395981A (zh) * 2020-11-17 2021-02-23 华北电力大学扬中智能电气研究中心 一种基于指静脉图像的认证方法、装置、设备及介质
WO2022104552A1 (zh) * 2020-11-17 2022-05-27 华北电力大学扬中智能电气研究中心 一种基于指静脉图像的认证方法、装置、设备和存储介质
CN112395981B (zh) * 2020-11-17 2023-08-18 华北电力大学扬中智能电气研究中心 一种基于指静脉图像的认证方法、装置、设备及介质
CN112883356A (zh) * 2021-03-31 2021-06-01 中国工商银行股份有限公司 一种身份认证方法、装置及设备
CN112883356B (zh) * 2021-03-31 2024-04-23 中国工商银行股份有限公司 一种身份认证方法、装置及设备
CN113469248A (zh) * 2021-06-30 2021-10-01 平安科技(深圳)有限公司 基于神经网络的农业培育控制方法、装置、系统及介质
CN113469248B (zh) * 2021-06-30 2024-09-17 平安科技(深圳)有限公司 基于神经网络的农业培育控制方法、装置、系统及介质
CN115223211A (zh) * 2022-09-20 2022-10-21 山东圣点世纪科技有限公司 一种将静脉图像转化为指纹图像的识别方法

Similar Documents

Publication Publication Date Title
CN108319887A (zh) 一种身份认证的方法和系统
CN107209848B (zh) 用于基于多模式生物识别信息的个人识别的系统和方法
US20090268951A1 (en) Method and system for personal identification using 3d palmprint imaging
US7151846B1 (en) Apparatus and method for matching fingerprint
US20040042645A1 (en) Fingerprint recognition method, and fingerprint control method and system
KR102766550B1 (ko) 라이브니스 검사 방법 및 장치, 생체 인증 방법 및 장치
KR102836584B1 (ko) 라이브니스 검사 방법 및 라이브니스 검사 장치
KR101632912B1 (ko) 지문 인식을 이용한 사용자 인증 방법
US8355543B2 (en) Method and system for identifying a person based on their tongue
CA3152812A1 (en) Facial recognition method and apparatus
CN114612941B (zh) 一种基于掌静脉特征的多模式身份认证方法、装置及系统
TW202042113A (zh) 人臉辨識系統、建立人臉辨識之資料之方法及其人臉辨識之方法
WO2014132570A1 (ja) 認証装置、認証方法およびプログラム記憶媒体
KR20200109977A (ko) 지문 및 얼굴 영상을 이용한 스마트폰 기반 신원확인 방법
WO2023028947A1 (zh) 掌静脉非接触式三维建模方法、装置及认证方法
CN113445829B (zh) 一种具备面部识别功能的储物柜智能锁及使用方法
Aizi et al. Remote multimodal biometric identification based on the fusion of the iris and the fingerprint
CN115497213A (zh) 一种基于掌静脉识别的门禁方法、系统及计算机设备
JP5488113B2 (ja) 不正アクセス検知装置、および、不正アクセス検知方法
CN116541814B (zh) 一种统一登录认证方法、系统
Ines et al. Fingerprint recognition using polynomial discrete radon transform
CN115995098B (zh) 电子合同在线签约的流程数据验证方法
KR102529513B1 (ko) 스마트폰을 이용한 신원확인 시스템
CN119028032A (zh) 基于生物识别的考生虚拟现实模拟的身份确认方法及装置
KR20110132834A (ko) 안전한 지문 인식 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180724