[go: up one dir, main page]

CN111563048A - 一种生物识别设备的测试方法、装置、设备及系统 - Google Patents

一种生物识别设备的测试方法、装置、设备及系统 Download PDF

Info

Publication number
CN111563048A
CN111563048A CN202010670690.7A CN202010670690A CN111563048A CN 111563048 A CN111563048 A CN 111563048A CN 202010670690 A CN202010670690 A CN 202010670690A CN 111563048 A CN111563048 A CN 111563048A
Authority
CN
China
Prior art keywords
biometric
target
component
biological
simulation component
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.)
Granted
Application number
CN202010670690.7A
Other languages
English (en)
Other versions
CN111563048B (zh
Inventor
郑建旭
朱凯
张义
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.)
Alipay Hangzhou Digital Service Technology Co ltd
Original Assignee
Alipay Hangzhou Information Technology 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 Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202010670690.7A priority Critical patent/CN111563048B/zh
Priority to CN202011254971.0A priority patent/CN112199299B/zh
Publication of CN111563048A publication Critical patent/CN111563048A/zh
Application granted granted Critical
Publication of CN111563048B publication Critical patent/CN111563048B/zh
Priority to TW110115078A priority patent/TWI779581B/zh
Priority to US17/349,316 priority patent/US11307976B2/en
Priority to EP21182517.9A priority patent/EP3940590B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Prevention of errors by analysis, debugging or testing of software
    • G06F11/3668—Testing of software
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Prevention of errors by analysis, debugging or testing of software
    • G06F11/3668—Testing of software
    • G06F11/3672—Test management
    • G06F11/3692—Test management for test results analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/776—Validation; Performance evaluation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本说明书实施例公开了一种生物识别设备的测试方法、装置、设备及系统，所述方法包括：从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件；在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数；获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。

Description

一种生物识别设备的测试方法、装置、设备及系统
技术领域
本说明书涉及计算机技术领域，尤其涉及一种生物识别设备的测试方法、装置、设备及系统。
背景技术
随着计算机技术的不断发展，终端设备为用户提供的身份识别方法也越来越多，如指纹识别、面部图像识别等生物特征识别方法，而如何对终端设备的生物特征识别性能进行测试，成为设备提供商关注的焦点。
目前，可以通过人工参与的方式，对终端设备的生物特征识别性能进行检测，例如，以终端设备为带有指纹识别功能的设备为例，测试人员可以在不同的环境（如常温环境、强光环境等）下，将指纹输入到不同的终端设备中，并根据每个终端设备对指纹的识别结果，确定每个终端设备的生物特征识别性能。
但是，对于不同的生物特征识别设备（即带有生物特征识别功能的终端设备），由于测试人员的生物特征本身可能存在变化（如生物特征的纹理清晰程度和干湿程度会有所变化），并且不同环境下对测试人员的生物特征的环境影响也不同，所以生物特征识别设备的性能确定准确性差，另外，人工测试的方式也使得对生物特征识别设备的性能确定的效率低。因此，需要提供一种更高确定效率和准确性的生物特征识别设备的性能确定方案。
发明内容
本说明书实施例的目的是提供一种生物识别设备的测试方法、装置、设备及系统，以提供一种能提高确定效率和准确性的生物特征识别设备的性能确定方案。
为了实现上述技术方案，本说明书实施例是这样实现的：
第一方面，本说明书实施例提供的一种生物识别设备的测试方法，所述方法包括：从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成。在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数。获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
第二方面，本说明书实施例提供了一种生物识别设备的测试装置，所述装置包括：选取模块，从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成。第一输入模块，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数。第一识别模块，获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
第三方面，本说明书实施例提供了一种生物识别设备的测试设备，所述生物识别设备的测试设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成。在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数。获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
第四方面，本说明书实施例提供了一种生物识别设备的测试系统，所述系统包括设置有摄像组件的机械臂、仿真组件和控制器，其中，所述控制器，用于从承载生物特征的所述仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成。在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数。获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
第五方面，本说明书实施例提供一种存储介质，所述存储介质用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成。在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数。获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一种生物识别设备的测试方法实施例的流程图；
图2为本说明书又一种生物识别设备的测试方法实施例的流程图；
图3为本说明书一种生物识别设备的测试装置实施例的结构示意图；
图4为本说明书一种生物识别设备的测试设备的结构示意图。
具体实施方式
本说明书实施例提供一种生物识别设备的测试方法、装置、设备及系统。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
实施例一
如图1所示，本说明书实施例提供一种生物识别设备的测试方法，该方法的执行主体可以为终端设备或服务器，该终端设备可以如个人计算机等设备，也可以如手机、平板电脑等移动终端设备，该服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群。该方法具体可以包括以下步骤：
在S102中，从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件。
其中，仿真组件可以为基于目标用户的预设肢体部位的生物特征构造形成，预设肢体部位可以是目标用户的手指、手掌等具有生物特征的部位，生物特征可以是指纹、掌纹等可以被生物特征识别设备识别到的生物特征，生物特征识别设备可以是用于采集用户的生物特征信息，并将采集到的用户的生物特征信息与预先存储的生物特征信息进行比较，以判断是否为同一生物特征信息的设备，例如，目标用户的预设肢体部位可以是手指，仿真组件可以是基于目标用户的手指的指纹构造形成的仿真手指，生物特征识别设备可以是指纹识别设备，其中，指纹识别设备可以是通过采集光信号得到指纹图像的光学指纹传感器，或通过采集电容信号得到指纹图像的电容指纹传感器等。
在实施中，随着计算机技术的不断发展，终端设备为用户提供的身份识别方法也越来越多，如指纹识别、面部图像识别等生物特征识别方法，而如何对终端设备的生物特征识别性能进行测试，成为设备提供商关注的焦点。
目前，可以通过人工参与的方式，对终端设备的生物特征识别性能进行检测，例如，以终端设备为带有指纹识别功能的设备为例，测试人员可以在不同的环境（如常温环境、强光环境等）下，将指纹输入到不同的终端设备中，并根据每个终端设备对指纹的识别结果，确定每个终端设备的生物特征识别性能。但是，对于不同的生物特征识别设备（即带有生物特征识别功能的终端设备），由于测试人员的生物特征本身可能存在变化（如生物特征的纹理清晰程度和干湿程度会有所变化），并且不同环境下对测试人员的生物特征的环境影响也不同，所以生物特征识别设备的性能确定准确性差，另外，人工测试的方式也使得对生物特征识别设备的性能确定的效率低。为此，本说明书实施例提供一种技术方案，具体可以参见下述内容。
可以对多个仿真组件进行编码，并将编码得到的每个仿真组件的识别码放置在对应的仿真组件上，同时，可以将每个仿真组件的识别码输入到服务器中，然后服务器可以根据识别码，从仿真组件中获取目标仿真组件。例如，可以根据每个仿真组件的组件信息，生成对应的二维码，并将二维码放置在对应的仿真组件上，同时可以将每个仿真组件的二维码输入到服务器中，服务器可以根据每个仿真组件的二维码，确定对当前生物特征识别设备的性能进行测试所需的目标仿真组件的二维码，并通过该二维码，选取对应的目标仿真组件。
在S104中，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将目标仿真组件的生物特征信息分别输入到生物特征识别设备中。
其中，测试参数包括目标测试环境下的光线参数、机械臂对目标仿真组件的按压力度参数和按压角度参数，机械臂上设置的摄像组件可以获取目标仿真组件的图像信息，并传送给图像处理系统，再由图像处理系统根据得到的图像信息中的像素分布、亮度、颜色等信息，将图像信息转换为数字信息，图像处理系统在对这些数字信息进行运算，抽取出目标仿真组件的特征，进而控制机械臂将目标仿真组件的生物特征信息输入到对应的生物特征识别设备中。
在实施中，可以有多个生物特征识别设备，机械臂上设置的摄像组件可以控制机械臂，将目标仿真组件的生物特征信息依次分别输入到每个生物特征识别设备中。
由于是在测试参数相同的目标测试环节下，将目标仿真组件输入到每个生物特征识别设备中，所以，可以保证每个生物特征识别设备在对目标仿真组件进行识别时的环境变量的一致性，以提高对生物特征识别设备的性能测试的准确性，也可以保证在对多个生物特征识别设备的性能进行比较时的准确性。
在S106中，获取生物特征识别设备基于预设基准生物特征信息对目标仿真组件的生物特征信息进行识别得到的识别结果，并基于识别结果，确定生物特征识别设备的性能测试结果。
其中，预设基准生物特征信息可以是预先存储的目标用户的预设肢体部位的生物特征信息，也可以是预先输入的仿真组件的生物特征信息。
在实施中，可以获取生物特征识别设备基于预设基准生物特征信息，对目标仿真组件的生物特征信息进行识别得到的误识率和据真率，并根据误识率和据真率，确定对应的识别结果，即得到生物特征识别设备的性能测试结果。
其中，误识率（False Acceptance Rate，FAR）是指在通过多个目标仿真组件对生物特征识别设备进行测试时，目标仿真组件的生物特征信息与预设基准生物特征信息不同时，生物特征识别设备识别到的该目标仿真组件的生物特征信息与预设基准生物特征信息之间的匹配分数大于预设匹配阈值，从而认为该目标仿真组件的生物特征信息与预设基准生物特征信息相同的目标仿真组件数量，与所有目标仿真组件的数量之间的比值。
据真率（False Rejection Rate，FRR）是指在通过多个目标仿真组件对生物特征识别设备进行测试时，目标仿真组件的生物特征信息与预设基准生物特征信息相同时，生物特征识别设备识别到的该目标仿真组件的生物特征信息与预设基准生物特征信息之间的匹配分数不大于预设匹配阈值，从而认为该目标仿真组件的生物特征信息与预设基准生物特征信息不同的目标仿真组件数量，与所有目标仿真组件的数量之间的比值。
此外，还可以根据每个生物特征识别设备的误识率和据真率，对多个生物特征识别设备进行排序，并将排序结果作为每个生物特征识别设备的性能测试结果。
上述生物特征识别设备的性能测试结果的确定方法是一种可选地、可实现的确定方法，在实际应用场景中，还可以有多种不同的确定方法，可以根据实际应用场景的不同而有所不同，本说明书实施例对此不作具体限定。
本说明书实施例提供一种生物识别设备的测试方法，通过从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，仿真组件为基于目标用户的预设肢体部位的生物特征构造形成，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将目标仿真组件的生物特征信息分别输入到生物特征识别设备中，测试参数包括目标测试环境下的光线参数、机械臂对目标仿真组件的按压力度参数和按压角度参数，获取生物特征识别设备基于预设基准生物特征信息对目标仿真组件的生物特征信息进行识别得到的识别结果，并基于识别结果，确定生物特征识别设备的性能测试结果。这样，通过机械臂及机械臂上设置的摄像组件、和仿真组件，替代人工的参与，可以提高对生物特征识别设备的性能确定效率，并且在测试参数相同的目标测试环节下，对生物特征识别设备进行性能测试，可以保证性能确定的准确性，即可以提高对生物特征识别设备的性能确定效率以及准确性。
实施例二
如图2所示，本说明书实施例提供一种生物识别设备的测试方法，该方法的执行主体可以为终端设备或服务器，该终端设备可以如个人计算机等设备，也可以如手机、平板电脑等移动终端设备，该服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群。该方法具体可以包括以下步骤：
在S202中，获取不同环境下的目标用户的预设肢体部位的生物特征图像。
其中，仿真组件可以为基于目标用户的预设肢体部位的生物特征在不同环境下的生物特征图像构造形成的仿真组件，不同环境对应的环境温度、环境湿度、光线强度以及目标用户的预设肢体部位的生物特征的湿度可以不同，例如，多个不同环境可以包括常温室内且目标用户的预设肢体部位的生物特征的湿度大于第一湿度阈值且小于第二湿度阈值的环境、常温室内且目标用户的预设肢体部位的生物特征的湿度不大于第一湿度阈值的环境、常温室内且目标用户的预设肢体部位的生物特征的湿度不小于第二湿度阈值的环境、强光且目标用户的预设肢体部位的生物特征的湿度大于第一湿度阈值且小于第二湿度阈值的环境、以及寒冷状态且目标用户的预设肢体部位的生物特征的湿度大于第一湿度阈值且小于第二湿度阈值的环境等。
在实施中，可以根据目标用户的预设肢体部位在不同环境下的生物特征图像，构造形成对应的仿真组件。
在S204中，基于预设图像特征提取算法，提取不同环境中每个环境对应的生物特征图像的图像特征。
其中，预设图像特征提取算法可以为方向梯度直方图算法、高斯函数差分算法、局部二值模式算法等。
在实施中，由于目标用户的预设肢体部位的生物特征图像在不同环境下可以有不同的图像特征（例如，对于寒冷状态且目标用户的预设肢体部位的生物特征的湿度大于第一湿度阈值且小于第二湿度阈值的环境下，获取到的目标用户的预设肢体部位的生物特征图像可能包含由于纹路断开造成的短线，对于常温室内且目标用户的预设肢体部位的生物特征的湿度不小于第二湿度阈值的环境下，获取到的目标用户的预设肢体部位的生物特征图像中就可能存在与小水珠对应的图像噪音），所以，可以通过预设图像特征提取算法，对每个环境对应的生物特征图像进行特征提取，以得到每个环境对应的生物特征图像的图像特征。
另外，在每个环境对应的生物特征图像有多个的情况下（即每个环境可以对应有多个图像特征），可以基于预设机器学习算法（如聚类算法），对这多个生物特征图像的图像特征进行处理，以确定每个环境下的图像特征。
在S206中，基于目标环境下的图像特征，对目标环境下的仿真组件进行调整，以得到仿真组件。
其中，目标环境可以为不同环境中的任意一个环境。
在实施中，在实际应用中，上述S206的处理方式可以多种多样，以下提供一种可选的实现方式，具体可以参见下述步骤一~步骤三处理。
步骤一，获取仿真组件所属的第一环境信息，以及仿真组件对应的目标用户的预设肢体部位在第一环境信息对应的环境下的第二生物特征图像。
步骤二，获取生物特征识别设备对仿真组件的第一误识率和第一据真率，以及生物特征识别设备对第二生物特征图像的第二误识率和第二据真率。
步骤三，在第一误识率和第二误识率的差值不小于预设第一阈值，和/或第一据真率和第二据真率的差值不小于预设第二阈值的情况下，获取第一环境信息对应的环境下的图像特征，并基于图像特征，对仿真组件进行调整，以得到仿真组件。
在实施中，可以通过激光雕刻或者化学蚀刻的方式，对仿真组件进行调整，以使仿真组件的生物特征与目标用户的预设肢体部位的生物特征之间的差距小于预设阈值。
在S208中，基于机械臂上设置的摄像组件控制机械臂从承载生物特征的仿真组件中选取目标仿真组件。
其中，生物特征可以包括指纹特征和掌纹特征中的一种或多种。
在S210中，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将目标仿真组件的生物特征信息分别输入到生物特征识别设备中。
上述S210的具体处理过程可以参见上述实施例一中S104的相关内容，在此不再赘述。
在S212中，将仿真组件的生物特征信息输入到生物特征识别设备中，并将仿真组件的生物特征信息作为预设基准生物特征信息。
在S214中，获取生物特征识别设备基于预设基准生物特征信息以及膜上的纹路信息，对目标仿真组件的生物特征信息进行识别得到的识别结果。
其中，生物特征识别设备上可以覆盖有包含预定纹路的膜，包含预定纹路的膜可以是包含有能够被生物特征识别设备识别到的带有明显纹路特征预定纹路的膜。
在S216中，基于识别结果，确定生物特征识别设备的性能测试结果。
在实施中，假设生物特征识别设备识别到的图像为包含膜上的纹路信息以及目标仿真物件的生物特征信息的图像，则可以将该图像与基准生物特征信息进行匹配，如果匹配成功，则表明生物特征识别设备的识别准确性差，即生物特征识别设备的性能差。
在S218中，获取与仿真组件对应的目标用户的预设肢体部位的生物特征图像，并基于生物特征图像构建生物特征测试组件。
其中，生物特征图像可以为基于预设图像处理方法进行处理后的图像，预设图像处理方法包括但不限于镜像处理方法、反色处理方法和锐化处理方法，生物特征测试组件用于将目标用户的预设肢体部位的生物特征输入到生物特征识别设备中，例如生物特征测试组件可以是承载有目标用户的预设肢体部位的生物特征的透明薄膜、硅胶等组件。
在实施中，可以通过非配合的方式，获取目标用户的预设肢体部位的生物特征图像，例如，可以通过扫描带有目标用户的预设肢体部位的生物特征图像的文本信息，获取到带有该目标用户的预设肢体部位的生物特征图像的图像，在通过预设图像处理方法，对该图像进行处理，以得到目标用户的预设肢体部位的生物特征图像。并基于得到的生物特征图像，构建生物特征测试组件。
在S220中，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将生物特征测试组件中的生物特征分别输入到生物特征识别设备中。
在实施中，在实际应用中，上述S220的处理方式可以多种多样，以下提供一种可选的实现方式，具体可以参见下述步骤一~步骤四处理。
步骤一，基于机械臂上设置的摄像组件控制机械臂将生物特征测试组件放置在生物特征识别设备上，并基于机械臂上设置的摄像组件获取生物特征测试组件在生物特征识别设备上的位置信息。
步骤二，基于位置信息，检测生物特征测试组件是否放置在识别设备的预设识别区域上。
步骤三，在检测到生物特征测试组件未放置在识别设备的预设识别区域上的情况下，基于机械臂上设置的摄像组件，控制机械臂将生物特征测试组件调整到位于生物特征识别设备的预设识别区域上。
步骤四，控制机械臂对生物特征测试组件进行按压操作，以将生物特征测试组件中的生物特征输入到生物特征识别设备中。
在S222中，获取生物特征识别设备基于预设基准生物特征信息对生物特征测试组件中的生物特征进行识别得到的第一识别结果，并基于第一识别结果，确定生物特征识别设备的安全测试结果。
在实施中，可以获取生物特征识别设备基于预设基准生物特征信息对生物特征图像进行识别得到的认假率，确定第一识别结果。
其中，认假率（Spoof Acceptance Rate，SAR）是指通过多个生物特征测试组件对生物特征识别设备进行测试时，存在生物特征测试组件中的生物特征实际与预设基准生物特征信息并不相同的生物特征测试组件，而生物特征识别设备在对该生物特征测试组件中的生物特征与预设基准生物特征信息进行比较时，确定的该生物特征测试组件中的生物特征与预设基准生物特征信息的匹配度大于预设匹配度阈值，此时该生物特征组件的数量与所有生物特征组件的数量的比值，即为认假率。
本说明书实施例提供一种生物识别设备的测试方法，通过从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，仿真组件为基于目标用户的预设肢体部位的生物特征构造形成，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将目标仿真组件的生物特征信息分别输入到生物特征识别设备中，测试参数包括目标测试环境下的光线参数、机械臂对目标仿真组件的按压力度参数和按压角度参数，获取生物特征识别设备基于预设基准生物特征信息对目标仿真组件的生物特征信息进行识别得到的识别结果，并基于识别结果，确定生物特征识别设备的性能测试结果。这样，通过机械臂及机械臂上设置的摄像组件、和仿真组件，替代人工的参与，可以提高对生物特征识别设备的性能确定效率，并且在测试参数相同的目标测试环节下，对生物特征识别设备进行性能测试，可以保证性能确定的准确性，即可以提高对生物特征识别设备的性能确定效率以及准确性。
实施例三
以上为本说明书实施例提供的数据的生物识别设备的测试方法，基于同样的思路，本说明书实施例还提供一种生物识别设备的测试系统，
该生物识别设备的测试系统包括设置有摄像组件的机械臂、仿真组件和控制器，其中：
控制器，可以用于从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，仿真组件为基于目标用户的预设肢体部位的生物特征构造形成，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将目标仿真组件的生物特征信息分别输入到生物特征识别设备中，测试参数包括目标测试环境下的光线参数、机械臂对目标仿真组件的按压力度参数和按压角度参数，获取生物特征识别设备基于预设基准生物特征信息对目标仿真组件的生物特征信息进行识别得到的识别结果，并基于识别结果，确定生物特征识别设备的性能测试结果。
此外，控制器还可以用于基于机械臂上设置的摄像组件控制机械臂从承载生物特征的仿真组件中选取目标仿真组件。
控制器还可以用于将仿真组件的生物特征信息输入到生物特征识别设备中，并将仿真组件的生物特征信息作为预设基准生物特征信息。
控制器还可以用于获取与仿真组件对应的目标用户的预设肢体部位的生物特征图像，并基于生物特征图像构建生物特征测试组件，生物特征测试组件用于将目标用户的预设肢体部位的生物特征输入到生物特征识别设备中，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将生物特征测试组件中的生物特征分别输入到生物特征识别设备中，获取生物特征识别设备基于预设基准生物特征信息对生物特征测试组件中的生物特征进行识别得到的第一识别结果，并基于第一识别结果，确定生物特征识别设备的安全测试结果。
控制器还可以用于基于机械臂上设置的摄像组件控制机械臂将生物特征测试组件放置在生物特征识别设备上，并基于机械臂上设置的摄像组件获取生物特征测试组件在生物特征识别设备上的位置信息，基于位置信息，检测生物特征测试组件是否放置在识别设备的预设识别区域上，在检测到生物特征测试组件未放置在识别设备的预设识别区域上的情况下，基于机械臂上设置的摄像组件，控制机械臂将生物特征测试组件调整到位于生物特征识别设备的预设识别区域上，控制机械臂对生物特征测试组件进行按压操作，以将生物特征测试组件中的生物特征输入到生物特征识别设备中。
仿真组件为基于目标用户的预设肢体部位的生物特征在不同环境下的生物特征图像构造形成的仿真组件，不同环境对应的环境温度、环境湿度、光线强度以及目标用户的预设肢体部位的生物特征的湿度不同，控制器还可以用于获取不同环境下的目标用户的预设肢体部位的生物特征图像，基于预设图像特征提取算法，提取不同环境中每个环境对应的生物特征图像的图像特征，基于目标环境下的图像特征，对目标环境下的仿真组件进行调整，以得到仿真组件，目标环境为不同环境中的任意一个环境。
控制器还可以用于获取仿真组件所属的第一环境信息，以及仿真组件对应的目标用户的预设肢体部位在第一环境信息对应的环境下的第二生物特征图像，获取生物特征识别设备对仿真组件的第一误识率和第一据真率，以及生物特征识别设备对第二生物特征图像的第二误识率和第二据真率，在第一误识率和第二误识率的差值不小于预设第一阈值，和/或第一据真率和第二据真率的差值不小于预设第二阈值的情况下，获取第一环境信息对应的环境下的图像特征，并基于图像特征，对仿真组件进行调整，以得到仿真组件。
控制器还可以用于获取生物特征识别设备基于预设基准生物特征信息以及膜上的纹路信息，对目标仿真组件的生物特征信息进行识别得到的识别结果。
本说明书实施例提供一种生物识别设备的测试系统，该生物识别设备的测试系统用于生物识别设备的测试方法，通过从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，仿真组件为基于目标用户的预设肢体部位的生物特征构造形成，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将目标仿真组件的生物特征信息分别输入到生物特征识别设备中，测试参数包括目标测试环境下的光线参数、机械臂对目标仿真组件的按压力度参数和按压角度参数，获取生物特征识别设备基于预设基准生物特征信息对目标仿真组件的生物特征信息进行识别得到的识别结果，并基于识别结果，确定生物特征识别设备的性能测试结果。这样，通过机械臂及机械臂上设置的摄像组件、和仿真组件，替代人工的参与，可以提高对生物特征识别设备的性能确定效率，并且在测试参数相同的目标测试环节下，对生物特征识别设备进行性能测试，可以保证性能确定的准确性，即可以提高对生物特征识别设备的性能确定效率以及准确性。
实施例四
本说明书实施例还提供一种生物识别设备的测试装置，如图3所示。
该生物识别设备的测试装置包括：选取模块301、第一输入模块302和第一识别模块303，其中：
选取模块301，从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成；
第一输入模块302，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数；
第一识别模块303，获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
本说明书实施例中，所述生物特征包括指纹特征和掌纹特征中的一种或多种。
本说明书实施例中，所述选取模块301，基于所述机械臂上设置的摄像组件控制所述机械臂从所述承载生物特征的仿真组件中选取所述目标仿真组件。
本说明书实施例中，所述装置，还包括：
基准设定模块，将所述仿真组件的生物特征信息输入到所述生物特征识别设备中，并将所述仿真组件的生物特征信息作为所述预设基准生物特征信息。
本说明书实施例中，所述装置还包括：
第一获取模块，获取与所述仿真组件对应的目标用户的预设肢体部位的生物特征图像，并基于所述生物特征图像构建生物特征测试组件，所述生物特征测试组件用于将所述目标用户的预设肢体部位的生物特征输入到生物特征识别设备中；
第二输入模块，在所述测试参数相同的目标测试环境下，基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件中的生物特征分别输入到所述生物特征识别设备中；
第二识别模块，获取所述生物特征识别设备基于预设基准生物特征信息对所述生物特征测试组件中的生物特征进行识别得到的第一识别结果，并基于所述第一识别结果，确定所述生物特征识别设备的安全测试结果。
本说明书实施例中，所述生物特征图像为基于预设图像处理方法进行处理后的图像，所述预设图像处理方法包括但不限于镜像处理方法、反色处理方法和锐化处理方法。
本说明书实施例中，所述第二输入模块，
基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件放置在所述生物特征识别设备上，并基于所述机械臂上设置的摄像组件获取所述生物特征测试组件在所述生物特征识别设备上的位置信息；
基于所述位置信息，检测所述生物特征测试组件是否放置在所述识别设备的预设识别区域上；
在检测到所述生物特征测试组件未放置在所述识别设备的预设识别区域上的情况下，基于所述机械臂上设置的摄像组件，控制所述机械臂将所述生物特征测试组件调整到位于所述生物特征识别设备的预设识别区域上；
控制所述机械臂对所述生物特征测试组件进行按压操作，以将所述生物特征测试组件中的生物特征输入到所述生物特征识别设备中。
本说明书实施例中，所述仿真组件为基于所述目标用户的预设肢体部位的生物特征在不同环境下的生物特征图像构造形成的仿真组件，所述不同环境对应的环境温度、环境湿度、光线强度以及所述目标用户的预设肢体部位的生物特征的湿度不同，所述装置还包括：
第二获取模块，获取不同环境下的所述目标用户的预设肢体部位的生物特征图像；
特征提取模块，基于预设图像特征提取算法，提取所述不同环境中每个环境对应的生物特征图像的图像特征；
组件调整模块，基于目标环境下的所述图像特征，对所述目标环境下的仿真组件进行调整，以得到所述仿真组件，所述目标环境为所述不同环境中的任意一个环境。
本说明书实施例中，所述组件调整模块，
获取所述仿真组件所属的第一环境信息，以及所述仿真组件对应的所述目标用户的预设肢体部位在所述第一环境信息对应的环境下的第二生物特征图像；
获取所述生物特征识别设备对所述仿真组件的第一误识率和第一据真率，以及所述生物特征识别设备对所述第二生物特征图像的第二误识率和第二据真率；
在所述第一误识率和所述第二误识率的差值不小于预设第一阈值，和/或所述第一据真率和所述第二据真率的差值不小于预设第二阈值的情况下，获取所述第一环境信息对应的环境下的所述图像特征，并基于所述图像特征，对所述仿真组件进行调整，以得到所述仿真组件。
本说明书实施例中，所述生物特征识别设备上覆盖有包含预定纹路的膜，所述第一识别模块303，获取所述生物特征识别设备基于预设基准生物特征信息以及所述膜上的纹路信息，对所述目标仿真组件的生物特征信息进行识别得到的识别结果。
本说明书实施例提供一种生物识别设备的测试装置，通过从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，仿真组件为基于目标用户的预设肢体部位的生物特征构造形成，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将目标仿真组件的生物特征信息分别输入到生物特征识别设备中，测试参数包括目标测试环境下的光线参数、机械臂对目标仿真组件的按压力度参数和按压角度参数，获取生物特征识别设备基于预设基准生物特征信息对目标仿真组件的生物特征信息进行识别得到的识别结果，并基于识别结果，确定生物特征识别设备的性能测试结果。这样，通过机械臂及机械臂上设置的摄像组件、和仿真组件，替代人工的参与，可以提高对生物特征识别设备的性能确定效率，并且在测试参数相同的目标测试环节下，对生物特征识别设备进行性能测试，可以保证性能确定的准确性，即可以提高对生物特征识别设备的性能确定效率以及准确性。
实施例五
基于同样的思路，本说明书实施例还提供一种生物识别设备的测试设备，如图4所示。
所述生物识别设备的测试设备可以为上述实施例提供的终端设备或服务器。
生物识别设备的测试设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器401和存储器402，存储器402中可以存储有一个或一个以上存储应用程序或数据。其中，存储器402可以是短暂存储或持久存储。存储在存储器402的应用程序可以包括一个或一个以上模块（图示未示出），每个模块可以包括对生物识别设备的测试设备中的一系列计算机可执行指令。更进一步地，处理器401可以设置为与存储器402通信，在生物识别设备的测试设备上执行存储器402中的一系列计算机可执行指令。生物识别设备的测试设备还可以包括一个或一个以上电源403，一个或一个以上有线或无线网络接口404，一个或一个以上输入输出接口405，一个或一个以上键盘404。
具体在本实施例中，生物识别设备的测试设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对生物识别设备的测试设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成；
在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数；
获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
可选地，所述生物特征包括指纹特征和掌纹特征中的一种或多种。
可选地，所述从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，包括：
基于所述机械臂上设置的摄像组件控制所述机械臂从所述承载生物特征的仿真组件中选取所述目标仿真组件。
可选地，在所述获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果之前，还包括：
将所述仿真组件的生物特征信息输入到所述生物特征识别设备中，并将所述仿真组件的生物特征信息作为所述预设基准生物特征信息。
可选地，在所述将所述仿真组件的生物特征信息输入到所述识别设备中，并将所述仿真组件的生物特征信息作为所述预设基准生物特征信息之后，还包括：
获取与所述仿真组件对应的目标用户的预设肢体部位的生物特征图像，并基于所述生物特征图像构建生物特征测试组件，所述生物特征测试组件用于将所述目标用户的预设肢体部位的生物特征输入到生物特征识别设备中；
在所述测试参数相同的目标测试环境下，基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件中的生物特征分别输入到所述生物特征识别设备中；
获取所述生物特征识别设备基于预设基准生物特征信息对所述生物特征测试组件中的生物特征进行识别得到的第一识别结果，并基于所述第一识别结果，确定所述生物特征识别设备的安全测试结果。
可选地，所述生物特征图像为基于预设图像处理方法进行处理后的图像，所述预设图像处理方法包括但不限于镜像处理方法、反色处理方法和锐化处理方法。
可选地，所述基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征图像分别输入到所述生物特征识别设备中，包括：
基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件放置在所述生物特征识别设备上，并基于所述机械臂上设置的摄像组件获取所述生物特征测试组件在所述生物特征识别设备上的位置信息；
基于所述位置信息，检测所述生物特征测试组件是否放置在所述识别设备的预设识别区域上；
在检测到所述生物特征测试组件未放置在所述识别设备的预设识别区域上的情况下，基于所述机械臂上设置的摄像组件，控制所述机械臂将所述生物特征测试组件调整到位于所述生物特征识别设备的预设识别区域上；
控制所述机械臂对所述生物特征测试组件进行按压操作，以将所述生物特征测试组件中的生物特征输入到所述生物特征识别设备中。
可选地，所述仿真组件为基于所述目标用户的预设肢体部位的生物特征在不同环境下的生物特征图像构造形成的仿真组件，所述不同环境对应的环境温度、环境湿度、光线强度以及所述目标用户的预设肢体部位的生物特征的湿度不同，在所述基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中之前，还包括：
获取不同环境下的所述目标用户的预设肢体部位的生物特征图像；
基于预设图像特征提取算法，提取所述不同环境中每个环境对应的生物特征图像的图像特征；
基于目标环境下的所述图像特征，对所述目标环境下的仿真组件进行调整，以得到所述仿真组件，所述目标环境为所述不同环境中的任意一个环境。
可选地，所述基于目标环境下的所述图像特征，对所述目标环境下的仿真组件进行调整，以得到所述仿真组件，包括：
获取所述仿真组件所属的第一环境信息，以及所述仿真组件对应的所述目标用户的预设肢体部位在所述第一环境信息对应的环境下的第二生物特征图像；
获取所述生物特征识别设备对所述仿真组件的第一误识率和第一据真率，以及所述生物特征识别设备对所述第二生物特征图像的第二误识率和第二据真率；
在所述第一误识率和所述第二误识率的差值不小于预设第一阈值，和/或所述第一据真率和所述第二据真率的差值不小于预设第二阈值的情况下，获取所述第一环境信息对应的环境下的所述图像特征，并基于所述图像特征，对所述仿真组件进行调整，以得到所述仿真组件。
可选地，所述生物特征识别设备上覆盖有包含预定纹路的膜，所述获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，包括：
获取所述生物特征识别设备基于预设基准生物特征信息以及所述膜上的纹路信息，对所述目标仿真组件的生物特征信息进行识别得到的识别结果。
本说明书实施例提供一种生物识别设备的测试设备，通过从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，仿真组件为基于目标用户的预设肢体部位的生物特征构造形成，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将目标仿真组件的生物特征信息分别输入到生物特征识别设备中，测试参数包括目标测试环境下的光线参数、机械臂对目标仿真组件的按压力度参数和按压角度参数，获取生物特征识别设备基于预设基准生物特征信息对目标仿真组件的生物特征信息进行识别得到的识别结果，并基于识别结果，确定生物特征识别设备的性能测试结果。这样，通过机械臂及机械臂上设置的摄像组件、和仿真组件，替代人工的参与，可以提高对生物特征识别设备的性能确定效率，并且在测试参数相同的目标测试环节下，对生物特征识别设备进行性能测试，可以保证性能确定的准确性，即可以提高对生物特征识别设备的性能确定效率以及准确性。
实施例六
本说明书实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述生物识别设备的测试方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器（Read-Only Memory，简称ROM）、随机存取存储器（Random AccessMemory，简称RAM）、磁碟或者光盘等。
所述存储介质用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：
从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成；
在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数；
获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
可选地，所述生物特征包括指纹特征和掌纹特征中的一种或多种。
可选地，所述从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，包括：
基于所述机械臂上设置的摄像组件控制所述机械臂从所述承载生物特征的仿真组件中选取所述目标仿真组件。
可选地，在所述获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果之前，还包括：
将所述仿真组件的生物特征信息输入到所述生物特征识别设备中，并将所述仿真组件的生物特征信息作为所述预设基准生物特征信息。
可选地，在所述将所述仿真组件的生物特征信息输入到所述识别设备中，并将所述仿真组件的生物特征信息作为所述预设基准生物特征信息之后，还包括：
获取与所述仿真组件对应的目标用户的预设肢体部位的生物特征图像，并基于所述生物特征图像构建生物特征测试组件，所述生物特征测试组件用于将所述目标用户的预设肢体部位的生物特征输入到生物特征识别设备中；
在所述测试参数相同的目标测试环境下，基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件中的生物特征分别输入到所述生物特征识别设备中；
获取所述生物特征识别设备基于预设基准生物特征信息对所述生物特征测试组件中的生物特征进行识别得到的第一识别结果，并基于所述第一识别结果，确定所述生物特征识别设备的安全测试结果。
可选地，所述生物特征图像为基于预设图像处理方法进行处理后的图像，所述预设图像处理方法包括但不限于镜像处理方法、反色处理方法和锐化处理方法。
可选地，所述基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征图像分别输入到所述生物特征识别设备中，包括：
基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件放置在所述生物特征识别设备上，并基于所述机械臂上设置的摄像组件获取所述生物特征测试组件在所述生物特征识别设备上的位置信息；
基于所述位置信息，检测所述生物特征测试组件是否放置在所述识别设备的预设识别区域上；
在检测到所述生物特征测试组件未放置在所述识别设备的预设识别区域上的情况下，基于所述机械臂上设置的摄像组件，控制所述机械臂将所述生物特征测试组件调整到位于所述生物特征识别设备的预设识别区域上；
控制所述机械臂对所述生物特征测试组件进行按压操作，以将所述生物特征测试组件中的生物特征输入到所述生物特征识别设备中。
可选地，所述仿真组件为基于所述目标用户的预设肢体部位的生物特征在不同环境下的生物特征图像构造形成的仿真组件，所述不同环境对应的环境温度、环境湿度、光线强度以及所述目标用户的预设肢体部位的生物特征的湿度不同，在所述基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中之前，还包括：
获取不同环境下的所述目标用户的预设肢体部位的生物特征图像；
基于预设图像特征提取算法，提取所述不同环境中每个环境对应的生物特征图像的图像特征；
基于目标环境下的所述图像特征，对所述目标环境下的仿真组件进行调整，以得到所述仿真组件，所述目标环境为所述不同环境中的任意一个环境。
可选地，所述基于目标环境下的所述图像特征，对所述目标环境下的仿真组件进行调整，以得到所述仿真组件，包括：
获取所述仿真组件所属的第一环境信息，以及所述仿真组件对应的所述目标用户的预设肢体部位在所述第一环境信息对应的环境下的第二生物特征图像；
获取所述生物特征识别设备对所述仿真组件的第一误识率和第一据真率，以及所述生物特征识别设备对所述第二生物特征图像的第二误识率和第二据真率；
在所述第一误识率和所述第二误识率的差值不小于预设第一阈值，和/或所述第一据真率和所述第二据真率的差值不小于预设第二阈值的情况下，获取所述第一环境信息对应的环境下的所述图像特征，并基于所述图像特征，对所述仿真组件进行调整，以得到所述仿真组件。
可选地，所述生物特征识别设备上覆盖有包含预定纹路的膜，所述获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，包括：
获取所述生物特征识别设备基于预设基准生物特征信息以及所述膜上的纹路信息，对所述目标仿真组件的生物特征信息进行识别得到的识别结果。
本说明书实施例提供一种计算机可读存储介质，通过从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，仿真组件为基于目标用户的预设肢体部位的生物特征构造形成，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制机械臂将目标仿真组件的生物特征信息分别输入到生物特征识别设备中，测试参数包括目标测试环境下的光线参数、机械臂对目标仿真组件的按压力度参数和按压角度参数，获取生物特征识别设备基于预设基准生物特征信息对目标仿真组件的生物特征信息进行识别得到的识别结果，并基于识别结果，确定生物特征识别设备的性能测试结果。这样，通过机械臂及机械臂上设置的摄像组件、和仿真组件，替代人工的参与，可以提高对生物特征识别设备的性能确定效率，并且在测试参数相同的目标测试环节下，对生物特征识别设备进行性能测试，可以保证性能确定的准确性，即可以提高对生物特征识别设备的性能确定效率以及准确性。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device，PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 425D、Atmel AT91SAM、Microchip PIC13F24K20 以及Silicone Labs C3051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例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、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书的实施例是参照根据本说明书实施例的方法、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。
在一个典型的配置中，计算设备包括一个或多个处理器（CPU）、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器（RAM）和/或非易失性内存等形式，如只读存储器（ROM）或闪存（flash RAM）。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（PRAM）、静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、其他类型的随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM）、数字多功能光盘（DVD）或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体（transitory media），如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例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、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (18)

1.一种生物识别设备的测试方法，所述方法包括：
从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成；
在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数；
获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
2.根据权利要求1所述的方法，所述生物特征包括指纹特征和掌纹特征中的一种或多种。
3.根据权利要求2所述的方法，所述从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，包括：
基于所述机械臂上设置的摄像组件控制所述机械臂从所述承载生物特征的仿真组件中选取所述目标仿真组件。
4.根据权利要求1所述的方法，在所述获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果之前，还包括：
将所述仿真组件的生物特征信息输入到所述生物特征识别设备中，并将所述仿真组件的生物特征信息作为所述预设基准生物特征信息。
5.根据权利要求2所述的方法，在所述将所述仿真组件的生物特征信息输入到所述识别设备中，并将所述仿真组件的生物特征信息作为所述预设基准生物特征信息之后，还包括：
获取与所述仿真组件对应的目标用户的预设肢体部位的生物特征图像，并基于所述生物特征图像构建生物特征测试组件，所述生物特征测试组件用于将所述目标用户的预设肢体部位的生物特征输入到生物特征识别设备中；
在所述测试参数相同的目标测试环境下，基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件中的生物特征分别输入到所述生物特征识别设备中；
获取所述生物特征识别设备基于预设基准生物特征信息对所述生物特征测试组件中的生物特征进行识别得到的第一识别结果，并基于所述第一识别结果，确定所述生物特征识别设备的安全测试结果。
6.根据权利要求5所述的方法，所述生物特征图像为基于预设图像处理方法进行处理后的图像，所述预设图像处理方法包括但不限于镜像处理方法、反色处理方法和锐化处理方法。
7.根据权利要求6所述的方法，所述基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件中的生物特征分别输入到所述生物特征识别设备中，包括：
基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件放置在所述生物特征识别设备上，并基于所述机械臂上设置的摄像组件获取所述生物特征测试组件在所述生物特征识别设备上的位置信息；
基于所述位置信息，检测所述生物特征测试组件是否放置在所述识别设备的预设识别区域上；
在检测到所述生物特征测试组件未放置在所述识别设备的预设识别区域上的情况下，基于所述机械臂上设置的摄像组件，控制所述机械臂将所述生物特征测试组件调整到位于所述生物特征识别设备的预设识别区域上；
控制所述机械臂对所述生物特征测试组件进行按压操作，以将所述生物特征测试组件中的生物特征输入到所述生物特征识别设备中。
8.根据权利要求2所述的方法，所述仿真组件为基于所述目标用户的预设肢体部位的生物特征在不同环境下的生物特征图像构造形成的仿真组件，所述不同环境对应的环境温度、环境湿度、光线强度以及所述目标用户的预设肢体部位的生物特征的湿度不同，在所述基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中之前，还包括：
获取不同环境下的所述目标用户的预设肢体部位的生物特征图像；
基于预设图像特征提取算法，提取所述不同环境中每个环境对应的生物特征图像的图像特征；
基于目标环境下的所述图像特征，对所述目标环境下的仿真组件进行调整，以得到所述仿真组件，所述目标环境为所述不同环境中的任意一个环境。
9.根据权利要求8所述的方法，所述基于目标环境下的所述图像特征，对所述目标环境下的仿真组件进行调整，以得到所述仿真组件，包括：
获取所述仿真组件所属的第一环境信息，以及所述仿真组件对应的所述目标用户的预设肢体部位在所述第一环境信息对应的环境下的第二生物特征图像；
获取所述生物特征识别设备对所述仿真组件的第一误识率和第一据真率，以及所述生物特征识别设备对所述第二生物特征图像的第二误识率和第二据真率；
在所述第一误识率和所述第二误识率的差值不小于预设第一阈值，和/或所述第一据真率和所述第二据真率的差值不小于预设第二阈值的情况下，获取所述第一环境信息对应的环境下的所述图像特征，并基于所述图像特征，对所述仿真组件进行调整，以得到所述仿真组件。
10.根据权利要求1所述的方法，所述生物特征识别设备上覆盖有包含预定纹路的膜，所述获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，包括：
获取所述生物特征识别设备基于预设基准生物特征信息以及所述膜上的纹路信息，对所述目标仿真组件的生物特征信息进行识别得到的识别结果。
11.一种生物识别设备的测试装置，所述装置包括：
选取模块，从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成；
第一输入模块，在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数；
第一识别模块，获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
12.根据权利要求11所述的装置，所述装置，还包括：
第一获取模块，获取与所述仿真组件对应的目标用户的预设肢体部位的生物特征图像，并基于所述生物特征图像构建生物特征测试组件，所述生物特征测试组件用于将所述目标用户的预设肢体部位的生物特征输入到生物特征识别设备中；
第二输入模块，在所述测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件中的生物特征分别输入到所述生物特征识别设备中；
第二识别模块，获取所述生物特征识别设备基于预设基准生物特征信息对所述生物特征测试组件中的生物特征进行识别得到的第一识别结果，并基于所述第一识别结果，确定所述生物特征识别设备的安全测试结果。
13.根据权利要求12所述的装置，所述第二输入模块，
基于所述机械臂上设置的摄像组件控制所述机械臂将所述生物特征测试组件放置在所述生物特征识别设备上，并基于所述机械臂上设置的摄像组件获取所述生物特征测试组件在所述生物特征识别设备上的位置信息；
基于所述位置信息，检测所述生物特征测试组件是否放置在所述识别设备的预设识别区域上；
在检测到所述生物特征测试组件未放置在所述识别设备的预设识别区域上的情况下，基于所述机械臂上设置的摄像组件，控制所述机械臂将所述生物特征测试组件调整到位于所述生物特征识别设备的预设识别区域上；
控制所述机械臂对所述生物特征测试组件进行按压操作，以将所述生物特征测试组件中的生物特征输入到所述生物特征识别设备中。
14.根据权利要求11所述的装置，所述仿真组件为基于所述目标用户的预设肢体部位的生物特征在不同环境下的生物特征图像构造形成的仿真组件，所述不同环境对应的环境温度、环境湿度、光线强度以及所述目标用户的预设肢体部位的生物特征的湿度不同，所述装置还包括：
第二获取模块，获取不同环境下的所述目标用户的预设肢体部位的生物特征图像；
特征提取模块，基于预设图像特征提取算法，提取所述不同环境中每个环境对应的生物特征图像的图像特征；
组件调整模块，基于目标环境下的所述图像特征，对所述目标环境下的仿真组件进行调整，以得到所述仿真组件，所述目标环境为所述不同环境中的任意一个环境。
15.根据权利要求11所述的装置，所述生物特征识别设备上覆盖有包含预定纹路的膜，所述第一识别模块，获取所述生物特征识别设备基于预设基准生物特征信息以及所述膜上的纹路信息，对所述目标仿真组件的生物特征信息进行识别得到的识别结果。
16.一种生物识别设备的测试设备，所述生物识别设备的测试设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成；
在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数；
获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
17.一种生物识别设备的测试系统，所述系统包括设置有摄像组件的机械臂、仿真组件和控制器，其中，
所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成；
所述控制器，从承载生物特征的所述仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件；在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数；获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
18.一种存储介质，所述存储介质用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：
从承载生物特征的仿真组件中获取对生物特征识别设备的性能进行测试所需的目标仿真组件，所述仿真组件为基于目标用户的预设肢体部位的生物特征构造形成；
在测试参数相同的目标测试环境下，基于机械臂上设置的摄像组件控制所述机械臂将所述目标仿真组件的生物特征信息分别输入到所述生物特征识别设备中，所述测试参数包括所述目标测试环境下的光线参数、所述机械臂对所述目标仿真组件的按压力度参数和按压角度参数；
获取所述生物特征识别设备基于预设基准生物特征信息对所述目标仿真组件的生物特征信息进行识别得到的识别结果，并基于所述识别结果，确定所述生物特征识别设备的性能测试结果。
CN202010670690.7A 2020-07-13 2020-07-13 一种生物识别设备的测试方法、装置、设备及系统 Active CN111563048B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010670690.7A CN111563048B (zh) 2020-07-13 2020-07-13 一种生物识别设备的测试方法、装置、设备及系统
CN202011254971.0A CN112199299B (zh) 2020-07-13 2020-07-13 一种生物识别设备的测试方法、装置、设备及系统
TW110115078A TWI779581B (zh) 2020-07-13 2021-04-27 生物識別設備的測試方法、裝置、設備及系統
US17/349,316 US11307976B2 (en) 2020-07-13 2021-06-16 Methods, apparatuses, devices, and systems for testing biometric recognition device
EP21182517.9A EP3940590B1 (en) 2020-07-13 2021-06-29 Methods, apparatuses, devices, and systems for testing biometric recognition device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010670690.7A CN111563048B (zh) 2020-07-13 2020-07-13 一种生物识别设备的测试方法、装置、设备及系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202011254971.0A Division CN112199299B (zh) 2020-07-13 2020-07-13 一种生物识别设备的测试方法、装置、设备及系统

Publications (2)

Publication Number Publication Date
CN111563048A true CN111563048A (zh) 2020-08-21
CN111563048B CN111563048B (zh) 2020-10-09

Family

ID=72072779

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010670690.7A Active CN111563048B (zh) 2020-07-13 2020-07-13 一种生物识别设备的测试方法、装置、设备及系统
CN202011254971.0A Active CN112199299B (zh) 2020-07-13 2020-07-13 一种生物识别设备的测试方法、装置、设备及系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202011254971.0A Active CN112199299B (zh) 2020-07-13 2020-07-13 一种生物识别设备的测试方法、装置、设备及系统

Country Status (4)

Country Link
US (1) US11307976B2 (zh)
EP (1) EP3940590B1 (zh)
CN (2) CN111563048B (zh)
TW (1) TWI779581B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12039027B1 (en) * 2022-03-30 2024-07-16 Amazon Technologies, Inc. Evaluating biometric authorization systems with synthesized images
US12072887B1 (en) 2023-05-01 2024-08-27 Ocient Holdings LLC Optimizing an operator flow for performing filtering based on new columns values via a database system

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120219934A1 (en) * 2011-02-28 2012-08-30 Brennen Ryoyo Nakane System and Method for Identifying, Analyzing and Altering an Entity's Motivations and Characteristics
CN109495344A (zh) * 2018-11-21 2019-03-19 Oppo（重庆）智能科技有限公司 测试设备的调试方法、装置、设备及存储介质

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040035572A (ko) * 2002-10-22 2004-04-29 최운호 정보 인프라에서의 종합 침해사고 대응시스템 및 그운영방법
CN104199314B (zh) * 2014-09-15 2016-08-31 中国农业科学院农业信息研究所 一种机器人智能仿真测试方法
US10733415B1 (en) * 2015-06-08 2020-08-04 Cross Match Technologies, Inc. Transformed representation for fingerprint data with high recognition accuracy
CN105488679B (zh) * 2015-11-23 2019-12-03 北京小米支付技术有限公司 基于生物识别技术的移动支付设备、方法和装置
CN106767995B (zh) * 2015-12-30 2019-08-23 深圳市汇顶科技股份有限公司 指纹识别设备测试系统
US10915612B2 (en) * 2016-07-05 2021-02-09 Alitheon, Inc. Authenticated production
US10421188B2 (en) * 2016-12-14 2019-09-24 Centurylink Intellectual Property Llc Robot fingerprint
GB2582456B (en) * 2017-09-28 2022-04-06 Motorola Solutions Inc System, device and method for fingerprint authentication using a watermarked digital image
CN107656162A (zh) * 2017-10-27 2018-02-02 昆山精讯电子技术有限公司 一种指纹识别模组测试装置
US10675760B2 (en) * 2018-06-14 2020-06-09 International Business Machines Corporation Robot identification manager
CN109740207A (zh) * 2018-12-13 2019-05-10 湖南科技大学 人体生物力信息获取方法、装置、计算机设备及存储介质
TWM581257U (zh) * 2019-03-28 2019-07-21 合作金庫商業銀行股份有限公司 機器人
CN210222160U (zh) * 2019-06-27 2020-03-31 宁波神州泰岳锐智信息科技有限公司 电子设备指纹识别模块测试机构及测试系统
CN110196242A (zh) * 2019-07-01 2019-09-03 安徽健朗医疗器械有限公司 一种全自动高通量生物芯片检测平台
CN110414098B (zh) * 2019-07-12 2021-07-06 北京三快在线科技有限公司 一种仿真测试环境的生成方法及装置
CN110489849A (zh) * 2019-08-13 2019-11-22 沈阳风驰软件股份有限公司 铁路车务接发车业务的仿真管理方法、装置和设备
CN110766074B (zh) * 2019-10-16 2023-04-07 RealMe重庆移动通信有限公司 生物识别方法中异常纹路识别合格性的测试方法及装置
FR3103599B1 (fr) * 2019-11-22 2021-10-29 Idemia Identity & Security France Procédé de collecte de matériel biologique et terminal pour mettre en œuvre ce procédé
CN111353404B (zh) * 2020-02-24 2023-12-01 支付宝实验室(新加坡)有限公司 一种人脸识别方法、装置及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120219934A1 (en) * 2011-02-28 2012-08-30 Brennen Ryoyo Nakane System and Method for Identifying, Analyzing and Altering an Entity's Motivations and Characteristics
CN109495344A (zh) * 2018-11-21 2019-03-19 Oppo（重庆）智能科技有限公司 测试设备的调试方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ENRIQUE NORIEGA-ATALA: "Extracting Inter-sentence Relations for Associating Biological Context with Events in Biomedical Text", 《IEEE/ACM TRANSACTIONS ON COMPUTATIONAL BIOLOGY AND BIOINFORMATICS》 *
王会勇等: "生物特征识别模板保护综述", 《计算机研究与发展》 *

Also Published As

Publication number Publication date
CN111563048B (zh) 2020-10-09
TWI779581B (zh) 2022-10-01
EP3940590A1 (en) 2022-01-19
US11307976B2 (en) 2022-04-19
CN112199299B (zh) 2022-05-17
CN112199299A (zh) 2021-01-08
US20220012171A1 (en) 2022-01-13
EP3940590B1 (en) 2024-09-11
TW202213171A (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
CN111951805B (zh) 一种文本数据处理方法及装置
Bose et al. Efficient inception V2 based deep convolutional neural network for real‐time hand action recognition
CN113095124B (zh) 一种人脸活体检测方法、装置以及电子设备
US11720789B2 (en) Fast nearest neighbor search for output generation of convolutional neural networks
Kang et al. Random forest with learned representations for semantic segmentation
Huu et al. Hand gesture recognition algorithm using SVM and HOG model for control of robotic system
TW201923707A (zh) 圖像處理方法和處理設備
CN108509994B (zh) 人物图像聚类方法和装置
EP3940588B1 (en) Fingerprint image processing methods and apparatuses
CN110889290B (zh) 文本编码方法和设备、文本编码有效性检验方法和设备
CN111563049B (zh) 一种生物特征识别的攻击测试方法、装置及设备
Verma et al. Framework for dynamic hand gesture recognition using Grassmann manifold for intelligent vehicles
CN117251592A (zh) 一种数据处理方法及其装置
CN111563048B (zh) 一种生物识别设备的测试方法、装置、设备及系统
CN118918382A (zh) 图像检测方法、装置、电子设备及计算机可读存储介质
Rehman et al. Efficient coarser‐to‐fine holistic traffic sign detection for occlusion handling
Jency Rubia et al. Hybrid convolution-based EfficientNet-based hand gesture recognition framework with optimized algorithm
CN115712866B (zh) 数据处理方法、装置及设备
Waris et al. Stacked ensemble learning for facial gender classification using deep learning based features extraction
CN116362301A (zh) 一种模型的量化方法以及相关设备
CN118862176B (zh) 脱敏模型训练方法、图像脱敏方法及装置
Mekala et al. Gesture recognition using neural networks based on HW/SW cosimulation platform
CN115358777B (zh) 虚拟世界的广告投放处理方法及装置
CN116701624A (zh) 数据处理方法、装置及设备
Arjun et al. Advanced Face Authentication Using Deep Learning Models

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
GR01 Patent grant
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40036332

Country of ref document: HK

CP03 Change of name, title or address

Address after: 310000 Zhejiang Province, Hangzhou City, Xihu District, Xixi Road 543-569 (continuous odd numbers) Building 1, Building 2, 5th Floor, Room 518

Patentee after: Alipay (Hangzhou) Digital Service Technology Co.,Ltd.

Country or region after: China

Address before: 310000 801-11 section B, 8th floor, 556 Xixi Road, Xihu District, Hangzhou City, Zhejiang Province

Patentee before: Alipay (Hangzhou) Information Technology Co., Ltd.

Country or region before: China

CP03 Change of name, title or address