TW202236123A - 通過血管研究進行生物特徵認證 - Google Patents

Abstract

本文介紹的是基於隨時間推移通過血管的血液流動的空間性質和方向性的變化來對未知人進行認證的方法。概略而言，這些方法依賴於監測血管動態以識別未知人。例如，認證平台可以檢查解剖區域的數位圖像來確定該解剖區域內血管分布的性質如何變化作為變形的結果。性質的範例包括血管分布中包括的血管的位置、大小、容積和壓力，以及流經該血管分布的血液的速度和加速度。

Description

通過血管研究進行生物特徵認證

本公開係關於電腦安全中的生物特徵認證，以及更具體地，關於檢查生理特徵以顧及最小破壞性認證的技術。 [相關申請案的交叉引用]

本申請案主張於2020年12月17日申請之案名為「使用圖像感測器進行靜脈圖認證(Vein Map Authentication with Image Sensor)」的美國臨時專利申請案號63/127,054的優先權，其全部內容透過引用方式併入本文。

生物特徵認證程序透過生物特徵驗證個體的身分。術語“生物特徵(biometric)”是指可以用作一種驗證身分之手段的身體或行為特徵。生物特徵難以欺騙且很方便，因為相應的個體不必記住密碼或管理符記(token)。反而，認證機制是個體的一部分。

指紋歷來是最常見的生物特徵模態。然而，隨著技術的發展，出現了其他生物特徵模態。作為範例，血管圖案(Vascular Pattern)識別(也稱為“靜脈圖案識別”)使用近紅外光來創建皮下血管(或簡稱“血管”)的圖像。這些皮下血管共同定義了可用於認證的“血管圖案”或“靜脈圖”。靜脈圖案認證已顯示為有前景，因為血管圖案不僅對相對應的個體是唯一的，而且隨著個體年齡增長也會經歷最小的變化。

靜脈圖案認證通常涉及識別然後分析沿著手背的血管圖案。例如，由發光二極體(LED)產生的近紅外光可以朝向手背發射，從而穿透皮膚。由於血管和其他組織的吸光度不同，近紅外光會在不同深度朝向皮膚反射。可以基於反射的近紅外光的分析來推斷血管圖案，並且可以從血管圖案確定諸如分支位置和角度等特徵(然後用於認證)。

靜脈圖案認證已被宣傳是生物特徵認證的非接觸式選項，由於血管圖案難以重建，因此相對不易受到偽造。此外，靜脈圖案認證在錯誤接收率(也稱為“假陽性率”)和錯誤拒絕率(也稱為“假陰性率”)方面比其他生物特徵認證的方法有顯著進步。然而，靜脈圖案認證有幾個缺點。例如，個體往往不願意將他們的身體暴露在不熟悉的光源下，這些光源通常伴隨靜脈圖案認證所需的掃描設備。此外，這種掃描設備也可能很難(若非不可能的話)部署在某些環境中，而且對許多商家而言價格昂貴得令人負擔不起。

及

為了註冊依賴於靜脈圖案匹配的認證程式，個體(也稱為“使用者”)最初可能被提示向血管掃描器出示手。術語“血管掃描器”可用於指稱一種成像儀器，其包括(i)發射器，可操作以將電磁輻射(例如，在近紅外線範圍內)發射到身體內、以及(ii)感測器，可操作以感測由身體內部的生理結構反射的電磁輻射。通常，數位圖像是基於用作參考樣本的反射電磁輻射來創建的。概略而言，參考樣本代表可用於認證的“實況”血管圖形。

圖1包括傳統認證程序的高階說明，其中提示未知人向血管掃描器出示手。如圖1中所示，血管掃描器將電磁輻射發射到手部，然後基於由手部血管反射的電磁輻射來創建數位圖像(也稱為“掃描”)。此圖像指示手部的血管圖案，因此可以根據在登入(enrollment)階段(也稱為“註冊(registration)階段”)為給定個體創建的參考樣本進行驗證。若數位圖像與參考樣本匹配，則未知人將被認證為該給定個體。然而，若數位圖像與參考樣本不匹配，則未知人將不會被認證為該給定個體。

由於血管掃描器在執行掃描時不需要與身體直接接觸，因此靜脈圖案匹配已經成為生物特徵認證的有吸引力的選擇。然而，靜脈圖案匹配已被證明容易受到欺騙。例如，Jan Krissler和Julian Albrecht在2018年的混沌通訊大會(Chaos Communication Congress)上示範了如何使用蠟製成的假手繞過血管掃描器。雖然欺騙在大多數現實世界條件下不太可能成功，但任何與漏洞相關的擔憂都可能阻礙採用可靠的生物特徵認證的技術。

因此，此處介紹的是基於通過血管的血液流動的空間特性和方向性隨時間的變化對未知人進行認證的方法。概略而言，這些方法依賴於監控血管動態來識別未知人。術語“血管動態”是指由周圍皮下組織變形所引起的血管分布(vasculature)及其性質的變化，例如，由於手勢的表現。血管性質的範例包括血管的位置、大小、容積和壓力，以及血液流經血管的速度和加速度。

如下文進一步討論的，這些認證的方法可以被視為遠程光電容積描記圖(PPG)監測的一種形式。術語“光電容積描記圖(photoplethysmogram)”是指光學獲得的容積描記圖，其可用於檢測皮下組織中血容量的變化。在每個心搏週期中，心臟將血液泵送到身體周邊。雖然這種壓力脈衝在血液到達皮膚時會有所減弱，但仍足以將皮下組織中的血管擴張到可檢測的程度。由壓力脈衝引起的容積改變可以透過對皮膚照光然後測量傳輸或反射到圖像感測器的光量來檢測。在PPG中，每個心搏週期顯示為一峰值，如圖2中所示。

歷史上，脈搏血氧濃度計通常用於PPG監測。脈搏血氧濃度計通常包括至少一個發光二極體(LED)，其向光電二極體發射光通過身體的一部分，諸如指尖或耳垂。然而，PPG也可以透過對感興趣的解剖區域的數位圖像進行分析而獲得。在這種情況下，可以透過皮膚和皮下組織顏色的細微變化來證明壓力脈衝。然而，壓力脈衝的細微特徵可能難以確定。例如，由於底下血管分布的複雜結構以及身體姿勢和臉部表情的複雜影響，透過臉部數位圖像的分析難以發現壓力脈衝的時間和相位。由身體姿勢和臉部表情引起的皮下組織的變形會影響血液流經臉部靜脈網的阻力，進而影響由圖像感測器產生的信號，該圖像感測器觀察受靜脈網神經支配的皮下組織。雖然皮下組織的變形和由圖像感測器產生的信號之間的關係難以量化，但變形對信號具有可預測的影響(因此可用作認證的手段)。

為了確定使否將未知人認證為給定個體，認證平台(也稱為“認證系統”)可以確定未知人的血管動態與給定個體的血管動態相比的程度。例如，假設未知人希望將她自己認證為給定個體。在此種場景下，可能會提示未知人表現導致解剖區域中的皮下組織(因此還有血管分布)變形的手勢。此手勢可以與解剖區域有關。例如，若認證平台要檢查臉部的血管動態，則可以提示未知人微笑或皺眉，以及若認證平台要檢查手的血管動態，則可以提示未知人握緊她的手。

當未知人表現手勢時，電子裝置的相機可以產生解剖區域的數位圖像。例如，相機可以以預定的節奏快速連續地產生數位圖像。作為另一範例，相機可以產生解剖區域的視頻，在此情況下數位圖像可以代表視頻的幀。基於對數位圖像的分析，認證平台可以為未知表現產生“生物特徵簽名”或“血管簽名”。例如，認證平台可以產生靜脈模型，其透過編程方式指示血管分布在手勢表現時如何變形。概略而言，靜脈模型指定了血管分布的空間特性如何因手勢而變化。替代的，認證平台可以基於對數位圖像的分析估計血管性質的度量。例如，認證平台可以嘗試量化通過血管分布的血流的方向性如何因手勢而變化。

然後，認證平台可以將生物特徵簽名和與給定個體相關聯的已註冊的生物特徵簽名(也稱為“參考生物特徵簽名”)進行比較，以確定是否應將未知人認證為該給定個體。例如，若認證平台產生一靜脈模型，該靜脈模型透過編程方式指示未知人的血管分布在手勢表現時如何變形，則認證平台可以(i)獲得與給定個體相關聯的靜脈圖以及(ii)基於靜脈圖估計給定個體在表現手勢期間可以預期的變形。作為另一範例，若認證平台估計一度量，該度量指示在表現手勢時血管性質如何變化，則認證平台可以(i)獲得與給定個體相關聯的靜脈圖以及(ii)基於靜脈圖估計給定個體在表現手勢期間可以預期的度量。如下文進一步討論的，靜脈圖可以儲存在數位設定檔(profile)中，其包含關於給定個體之血管分布的資訊。例如，數位設定檔可以包括不同解剖區域的靜脈圖、不同血管性質的度量等。

總而言之，認證平台可以呈現指示要被認證的人表現引起解剖區域變形的手勢的通知、獲取由電子裝置在該人表現手勢時產生的解剖區域的數位圖像、基於該數位圖像估計通過解剖區域內皮下血管的血流特性、然後基於該估計的特性和與給定個體相關聯的數位設定檔的比較來確定是否將該人認證為給定個體。估計的特性可以是，例如，流經皮下血管的血液的方性性、速度、容積、相位或壓力。

基於生物特徵簽名的認證提供了許多與靜脈圖案匹配相同的好處，即，高準確性、可靠性和一致性，因為要被“讀取”的資訊是在身體內。然而，這些方法更容易實現，因為不需要專門的設備(例如，血管掃描器)。相反，可以基於對電子裝置產生的數位圖像進行分析來執行認證。雖然電子裝置可以包括專門的軟體、韌體或硬體，但商品標準化硬體(例如，用於行動電話、平板電腦等的數位圖像感測器)可能足以捕捉高品質的數位圖像。

概略而言，認證平台旨在促進個體能夠將作為認證因子的靜脈圖與作為PPG信號的測量的血流鏈結的方法。因此，可以使用不能檢測個體血管但能夠檢測空間分解的PPG信號(例如，透過數位圖像的分析)的電子裝置來實現認證。具體而言，本文描述的方法(i)無需專門的設備即可實現高安全性認證、(ii)基於未知人及給定個體的(例如，變形的)知識因子和生物特徵資訊允許認證以及(iii)允許對欺騙和竊盜具有穩健性的認證，因為新的變形可以容易地被識別和請求。

為了說明的目的，可以在監測給定解剖區域中的的血管分布的情境中描述實施例。例如，可以在檢查臉部、手掌或手指的數位圖像的情況中描述實施例。然而，本文描述的方法可以類似地適用於人體其他部位中的血管分布。

雖然不是必需的，但下面在可由電子裝置執行的指令的情況中描述實現。術語“電子裝置”通常與術語“計算裝置”互換地使用，因此可用於指稱電腦伺服器、銷售點(POS)系統、平板電腦、可穿戴裝置(例如，健身追蹤器和手錶)、行動電話等。

儘管可以將諸如某些模組的技術態樣描述為排他地或主要地由單一電子裝置執行，但一些實現是在分散式環境中執行，在該環境中模組在透過網路鏈接在一起的多個電子裝置之間共享。例如，可以要求未知人透過產生解剖區域的數位圖像的行動電話發起認證程序，儘管是否要對未知人進行認證的決定可以由駐留在行動電話向其傳送數位圖像的電腦伺服器上的認證平台做出。 術語

本說明書中對“一實施例”或“一個實施例”的引用意味著所描述的特徵、功能、結構或特性被包括在本技術的至少一個實施例中。這類短語的出現不一定指稱同一實施例，也不一定指稱彼此互斥的替代實施例。

除非上下文另有明確要求，否則術語“包括(comprise)”、“包含(comprising)”和“由…組成(comprised of)”應以包容性的含義而非排他性或窮舉的含義來解釋(即，“包括但不限於”的意思)。術語“基於”也應以包容性的含意而非排他性或窮舉的含義來解釋。因此，除非另有說明，否則術語“基於”旨在表示“至少部分基於”。

術語“連接的”、“耦接的”及其變體旨在包括兩個或更多個元件之間的任何連接或耦接，無論是直接或是間接。該連接/耦接可以是物理的、邏輯的或其之組合。例如，儘管不共享物理連接，但物件彼此仍可以電耦合或通訊耦合。

術語“模組”可以指軟體元件、韌體元件或硬體元件。模組通常是功能元件，其根據一或多個輸入產生一或多個輸出。例如，電腦程式可以包括負責完成不同任務的多個模組或者負責完成所有任務的單一模組。

當用於提及多項目的列表時，術語“或”旨在涵蓋以下所有解釋：列表中的任何項目、列表中的所有項目以及列表中的項目的任何組合。

本文描述的任何過程中執行的步驟的順序是示例性的。然而，除非與物理可能性相反，否則這些步驟可以各種順序和組合來執行。例如，步驟可以被添加到本文描述的步驟、或從本文描述的步驟移除。類似地，步驟可以被替換或重新排序。因此，任何過程的描述都旨在是開放式的。 透過分析血管資訊進行認證

此處介紹的是使用血管動態作為生物特徵證明未知人是給定個體的認證平台。如下文進一步討論的，可以基於對解剖區域之一或多個數位圖像的分析來估計通過解剖區域中的血管的血流的空間特性和方向性。血流的空間特性和方向性將隨著周圍皮下組織變形(例如，由於手勢的表現)而變化，並且這些變化可被用來確定是否將未知人認證為給定個體。

認證平台可被用來保全生物特徵驅動的交易，諸如透過不用手的(hands-free)介面認證的支付。例如，假設未知人希望對自身進行認證以完成交易。與其提示未知人將身體部位(例如，她的手)放置靠近血管掃描器，不如使用未知人用來發起交易的電子裝置執行生物特徵認證。例如，若未知人使用她擁有的行動電話發起交易，則該行動電話可以產生能由認證平台分析的解剖區域(例如，臉部)的數位圖像。如下文進一步討論的，認證平台可以駐留在行動電話或與行動電話通訊連接的另一電子裝置(例如，電腦伺服器)上。雖然這種認證方法依賴於對皮膚下血管的分析，但行動電話不需要接觸到皮膚。相反的，可以簡單地提示未知人使用行動電話產生解剖區域的數位圖像以用於認證目的。因此，認證平台可以允許人們透過依賴關於血管動態的資訊以破壞性最小的方式來對其自身進行認證。

在一些實施例中，認證平台獨立操作以對未知人的身份進行認證，而在其他實施例中，認證平台與另一系統一起操作。例如，支付系統可以與認證平台介接以確保交易以安全、順暢的方式完成。作為範例，認證平台可以促進非接觸式支付程序，其中允許未知人透過使身體部位可用於成像來發起或完成交易。如上所述，未知人可以透過簡單地將身體部位定位在電子裝置的相機的視野內來使身體部位可用於成像。雖然電子裝置通常是用來發起或完成交易的裝置，但並非必然。

要注意的是，雖然實施例可能在發起或完成交易的情況中討論認證，但認證在各種情況中可以是有用的。例如，假設一個接一個的個體已被邀請參加一可網路存取的會議，在該會議中將共享敏感資訊。每個試圖進入該可網路存取的會議的人可能需要通過認證平台的認證才能被允許存取。 認證平台的概述

圖3包括系統300的高階表示，該系統可被用於對其血管分布可用於成像的未知人的身分進行認證。如圖3中所示，系統300包括認證平台302，其可以存取使用者介面(UI)304、圖像感測器306、光源308、處理器310或其之任意組合。如下文進一步討論的，系統300的這些元件可以嵌入在相同電子裝置中或者分散在多個電子裝置之間。例如，認證平台302可以部分或全部駐留在可網路存取的伺服器系統上，而UI 304、圖像感測器306、光源308和處理器310可以駐留在負責產生未知人的數位圖像的另一電子裝置上。

UI 304代表未知人能夠透過其與系統300互動的介面。UI 304可以是顯示在電子裝置之顯示器上的語音驅動的圖形使用者介面(GUI)。替代的，UI 304可以是顯示在電子裝置之顯示器上的非語音驅動的GUI。在這種實施例中，UI 304可以視覺指示出於認證目的要呈現的身體部位。例如，UI 304可以在視覺上提示未知人定位她的身體，使得解剖區域可以被圖像感測器306觀察到。作為範例，UI 304可以包括由圖像感測器306產生的數位圖像的“即時取景(live view)”，使得未知人能夠容易地將她的臉對準圖像感測器306。作為另一範例，UI 304可以呈現一圖示，用以指示未知人應將她的手放在哪裡，以便可以使用圖像感測器306對手的手掌側或背側進行成像。此外，UI 304可以呈現最終由認證平台302做出的認證決定。

圖像感測器306可以是t能夠檢測和傳送資訊以便產生數位圖像的任何電子感測器。圖像感測器的範例包括電荷耦合元件(CCD)感測器和互補性金屬氧化物半導體(CMOS)感測器。圖像感測器306可以在相機模組(或簡稱“相機”)中實現。在一些實施例中，圖像感測器306是在電子裝置中實現的多個圖像感測器之一。例如，圖像感測器306可以被包含在行動電話內置的前置或後置相機中。

通常，數位圖像由圖像感測器306結合普通可見光產生。然而，代表數位圖像的圖像資料可以是各種格式、色彩空間等。例如，圖像感測器306可以在相機中實現，該相機被設計成依據紅-綠-藍(RGB)色彩模型輸出圖像資料，以便為每個像素分配紅、綠和藍的各別色度值。作為另一範例，圖像感測器306可以在相機內實現，該相機被設計成依據YCbCr色彩空間之一輸出圖像資料，以便為每個像素分配亮度分量(Y)的單一值以及色度分量(Cb、Cr)的一對值。

光源308包括一或多種能夠發射可見範圍或不可見範圍內的光的照明體。例如，光源308可以包括能夠在圖像感測器306產生數位圖像時發出白光的照明體。附加地或替代地，光源308可以包括能夠發射紫外光或紅外光的照明體。照明體的範例包括發光二極體(LED)、有機LED(OLED)、共振腔LED(RCLED)、量子點(QD)、雷射諸如垂直共振腔面射型雷射(VCSEL)、超發光二極體(SLED)及各種磷光體。

本領域之技術人士將認識到如果圖像感測器306被下指令(例如，透過處理器310)以結合由光源308發射的光(無論可見或不可見)產生數位圖像，則圖像感測器306必須被設計成檢測適當範圍內的電磁輻射。除了CCD和CMOS，圖像感測器的其他範例包括單片整合的鍺(Ge)光電二極體、銦-鎵-砷化物(InGaAs)光電二極體、汞-鎘-碲化物(HgCdTe)光電二極體及其他為電磁光譜的紅外光和紫外光區設計的光偵測器(例如，光電二極體)。

因此，圖像感測器306和光源308可以一起操作以在特定照明條件下產生解剖區域的數位圖像。例如，圖像感測器306可以在光源308發射可見範圍內的光時產生一系列數位圖像。作為另一範例，圖像感測器306可以在光源308發射可見範圍內的光時產生至少一個數位圖像，並且在光源308發射不可見範圍內的光時產生至少一個數位圖像。

如上所述，圖像感測器306和光源308可以嵌入在單一電子裝置中。在一些實施例中，電子裝置與未知人相關聯。例如，圖像感測器306和光源308可以嵌入在與未知人相關聯的行動電話中。在其他實施例中，電子裝置不與未知人相關聯。例如，圖像感測器306和光源308可以嵌入在未知人試圖透過其完成交易的POS系統中。

此電子裝置可被稱為“血管監測設備”，因為它負責監測感興趣的解剖區域內的血管分布的變化。在認證對話的成像部分期間，血管監測設備可以收集與解剖區域有關的圖像資料。如下文進一步討論的，認證平台302可能能夠透過檢查圖像資料來識別脈波。術語“脈波”可以指沿著解剖區域的表面的顏色變化，其由通過底下的皮下組織的血液流動引起。雖然顏色變化可能很難(若非不可能的話)用人眼發現，但認證平台302可能能夠透過分析圖像資料來識別這些變化。由於脈波與心搏週期有關，因此可以從脈波搜集有關解剖區域(及整個心血管系統)中血管分布的資訊。

如圖3中所示，認證平台302可以包括流動預測演算法312、流動測量演算法314、型樣匹配演算法316、認證演算法318和生物特徵資料庫320。生物特徵資料庫320可以儲存生物特徵資料，其代表收集到的與可用於識別未知人的血管性質有關的資訊。生物特徵資料庫320中的生物特徵資料可依據系統300所採用的認證方法而不同。生物特徵資料庫320中的生物特徵資料可被加密、雜湊或以其他方式混淆以防止未經授權的存取。

例如，生物特徵資料庫320可以包括各種個體的數位設定檔，並且每個數位設定檔可以包括可用於認證的相對應個體的靜脈圖。每個靜脈圖可以由相對應解剖區域的二維或三維圖像資料組成、或由其構成。例如，假設認證平台302被編程為基於解剖區域內血管分布的變形來確定是否將未知人認證為給定個體。在這種情況下，認證平台302可以提示未知人表現手勢，然後透過分析圖像感測器306產生的圖像資料來確定解剖區域中血管分布的變形。然後，認證平台302可以將變形和與給定個體相關聯的靜脈模型進行比較。概略而言，靜脈模型可以透過編程方式指示給定個體的血管分布在表現手勢時如何變形。換句話說，靜脈模型可以代表一系列離散位置，其指示單一血管或血管集合的形狀在手勢表現時如何隨時間變化，從而引起周圍皮下組織的變形。

此靜脈模型可以以幾種不同的方式創建。在一些實施例中，給定個體在註冊階段期間進行成像時被提示表現手勢，並且基於對結果數位圖像的分析創建靜脈模型。在其他實施例中，對給定個體的解剖區域進行成像，以便可以由認證平台302產生靜脈圖。在這種實施例中，認證平台302可以基於靜脈圖模擬在表現手勢時血管分布的變形。

數位設定檔可以包括與單一手勢相關聯的單一靜脈模型、與單一手勢相關聯的多個靜脈模型、或與不同手勢相關聯的多個模型。類似的，數位設定檔可以包括與單一解剖區域相關聯的單一靜脈模型、與單一解剖區域相關聯的多個靜脈模型、或與不同解剖區域相關聯的多個模型。在註冊階段期間，可以允許個體指定那些解剖區域和手勢可以用於認證。雖然認證平台302可以要求為每個解剖區域和手勢配對創建至少一個靜脈模型，但也可以允許個體創建多個靜脈模型(例如，為了提高穩健性)。

附加地或替代地，數位設定檔可以包括可用於認證的針對不同血管性質的參考值(例如，確定流經給定解剖區域內之血管的血液速度)。因此，生物特徵資料庫320可以包括指示在表現手勢時單一管血或血管集合的血管性質的時間變化的資料。認證可以基於諸如壓力或流速等血管性質的值之間的相似性，而非血管分布的空間變形之間的相似性、或者除了血管分布的空間變形之間的相似性之外，認證還可以基於諸如壓力或流速等血管性質的值之間的相似性。

如上所述，生物特徵資料庫320可以包括一或多個生物特徵簽名。每個生物特徵簽名的性質可以取決於如何執行認證。例如，每個生物特徵簽名都可以代表在註冊階段期間為個體創建的靜脈模型。替代的，每個生物特徵簽名都可以代表指示當解剖區域內的皮下組織發生變形時血管性質的時間變化的一或多個值。作為範例，生物特徵簽名可以包含長度N的向量，其中每個元素是指定當表現手勢時血液流經解剖區域之血管分布的速度的值。N可以表示當表現手勢時接管的樣本數量。換句話說，N可以表示當表現手勢時解剖區域之產生的數位圖像的數量，因為可以針對每個數位圖像獨立估計流速。

生物特徵資料庫320中的生物特徵簽名可以與單一個體相關聯，在這種情況下，認證平台302可被限制為將未知人認證為該個體。替代地，這些生物特徵簽名可以與多個個體相關聯，在這種情況下，認證平台302可能能夠將未知人認證為那些個體中的任一者。此外，單一個體在生物特徵資料庫320中可能有多個生物特徵簽名，如上所述。這些生物特徵簽名可以對應於不同的類型(例如，靜脈模型與血管特性值)、不同的解剖區域或不同的手勢。例如，個體可以選擇在註冊階段為不同的解剖區域創建多個生物特徵簽名，並且每個解剖區域可以有不同的生物特徵簽名。作為另一範例，個體可以選擇在註冊階段為不同的手勢創建多個生物特徵簽名，並且每個手勢可以有不同的生物特徵簽名。

當由處理器310執行時，在認證平台302中實現的演算法允許個體在註冊階段產生生物特徵簽名。此後，在認證平台302中實現的演算法允許在使用階段進行驗證。下面進一步描述註冊和使用階段。

流動預測演算法312可以負責透過對解剖區域之一或多個數位圖像進行分析來確定解剖區域內脈波的相對時間。例如，流動預測演算法312可以基於數位圖像確定在具有或不具有物理變形之特定空間座標(例如，指定解剖區域)處的脈波的時間或相位。當確定沒有物理變形時，此測量可被稱為“測量的靜脈流圖案”或“測量的流圖案”，而在確定有物理變形時，此測量可被稱為“測量的變形靜脈流圖案”或“測量的變形流圖案”。作為範例，脈波的相對到達時間可以基於對脈波(諸如重搏波)之特徵的識別來估計。基於此資訊，流動預測演算法312可以估計血液流經解剖區域內的血管分布的速度。替代的，流動預測演算法312可以估計另一血管性質，諸如解剖區域中壓力脈衝的相位、血流方向、血流容積或血管分布的壓力。

流動測量演算法314可以負責預測解剖區域變形時將出現的脈波的傳播型樣。此傳播型樣可被稱為“預測的變形靜脈流動型樣”或“預測的變形流動型樣”。為了實現這一點，流動測量演算法314可以透過建模、估計或以其他方式預測脈波將如何傳播通過處於變形狀態的解剖區域來創建PPG。流動測量演算法314可以獲得測量的流動型樣、靜脈圖及變形的靜脈圖作為輸入。如上所述，變形的靜脈圖可以基於處於變形狀態的解剖區域的至少一個數位圖像來確定、或者變形的靜脈圖可以透過改變靜脈圖來模擬變形而確定。

在一些實施例中，流動測量演算法314是機器學習演算法。例如，流動測量演算法314可以基於神經網路，其具有基於最佳實踐範例或通過實驗調整的參數。

可以使用與解剖區域之表面相關的二維或三維座標來表達預測的變形流動型樣。此外，預測的變形流動型樣可以與(i)時間資訊及(ii)相位資訊關聯。時間資訊可以與壓力脈衝在到達解剖區域之後到達座標的相對時間有關。時間資訊可以例如對應於壓力脈衝的可識別特徵，諸如重搏波或代表壓力脈衝的脈波的另一部分。相位資訊可以與在單一時間點出現在每個座標處的壓力脈衝的相對相位有關。由於對跨解剖區域之壓力脈衝的影響不同，解剖區域中的每個座標可具有不同的脈衝波形。

型樣匹配演算法316可以負責計算預測的變形流動型樣和測量的變形流動型樣之間的匹配強度。換句話說，型樣匹配演算法316可以負責確立測的變形流動型樣和測量的變形流動型樣之間的相似度。相似度可以使用被稱為“匹配分數”的度量來表示。匹配分數可以使用任何合適的數字標度來表示。例如，匹配分數可以使用0到100之間的任意整數值或0到1之間的任意十進制值來指示相似度。

認證演算法318可以負責基於匹配分數確定是否將未知人認證為給定個體。例如，認證演算法318可被編程為若匹配分數超過預定閾值，則將未知人認證為給定個體。若匹配分數未超過預定閾值，則認證演算法318不會將未知人認證為給定個體。通常，認證演算法318被設計成輸出指示認證是否合適的二進制信號(例如，通過或失敗)。然而，認證演算法318也可以被設計成輸出非二進制信號。作為範例，由認證演算法318產生的輸出可以指示(i)應將未知人認證為給定個人、(ii)不應將未知人認證為給定個人或(iii)需要進一步嘗試認證。若認證演算法318無法確切地確定認證是否合適，則認證平台302可以採取進一步的動作(例如，透過提示未知人表現另一種手勢或者呈現另一個解剖區域用於成像)。

圖4說明能夠實現認證平台414的電子裝置400的範例，該認證平台414被設計成基於由圖像感測器408產生的圖像資料對未知人的身分進行認證。如上面討論的，圖像資料可以代表身體之解剖區域的一或多個數位圖像。在一些實施例中，那些數位圖像是基於由解剖區域向圖像感測器408反射的環境光所產生的。在其他實施例中，光源410向解剖區域發射光以便照亮解剖區域，同時那些數位圖像由圖像感測器408產生。注意，光源410也可以被配置成在一段時間間隔發射一系列離散的光的“脈衝”或“閃光”。

在一些實施例中，認證平台414被體現為由電子裝置400執行的電腦程式。例如，認證平台414可以駐留在行動電話上，該行動電能夠獲得可以確定認證是否合適的圖像資料。作為另一範例，認證平台414可以駐留在POS系統上，該POS系統能夠獲得可以做出確定的圖像資料。在其他實施例中，認證平台414被體現為由與電子裝置400通訊連接的另一電子裝置執行的電腦程式。在這種實施例中，電子裝置414可以將圖像資料傳輸到另一電子裝置用於處理。例如，雖然未知人的認證可以由用於發起交易的POS系統來請求，但是圖像資料可以由位於未知人附近的行動電話產生。可以將圖像資料提供給POS系統或另一電子裝置(例如，電腦伺服器)進行處理，或者可以在將圖像資料傳送到POS系統或其他電子裝置之前由行動電話處理。本領域之技術人士將認識到，認證平台414的態樣也可以分散在多個電子裝置中。

電子裝置414可以包括處理器402、記憶體404、UI輸出機構406、圖像感測器408、光源410和通訊模組412。通訊模組412可以是，例如，設計成與其他電子裝置建立通訊通道的無線通訊電路。無線通訊電路的範例包括針對藍牙、Wi-Fi、NFC等配置的積體電路(也稱為“晶片”)。處理器402可以具有類似於通用處理器的通用特性、或者處理器402可以是為電子裝置400提供控制功能的特殊應用積體電路(ASIC)。如圖4中所示，處理器402可以直接或間接地耦接到電子裝置400的所有元件，以用於通訊目的。

記憶體404可以由任何合適類型的儲存媒體組成，諸如靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、電可擦除可編程唯讀記憶體(EEPROM)、快閃記憶體或暫存器。除了儲存可以由處理器402執行的指令之外，記憶體404還可以儲存由圖像感測器408產生的圖像資料以及由處理器402產生的資料(例如，當執行認證平台414的模組時)。注意，記憶體404僅僅是儲存環境的抽象表示。記憶體404可以由實際的記憶體晶片或模組組成。

如上面討論的，光源410可以被配置成向待認證的未知人身體的解剖區域發射在可見範圍或不可見範圍內的光(更具體而言，電磁輻射)。通常，光源410僅在被指示這樣做時發光。例如，若認證平台414確定認證是必要的，則認證平台414可以產生輸出，其提示處理器402(i)指示光源410發射光及(ii)指示圖像感測器408產生圖像資料。

通訊模組412可以管理電子裝置400的元件之間的通訊。通訊模組412還可以管理與其他電子裝置的通訊。電子裝置的範例包括行動電話、平板電腦、個人電腦、可穿戴裝置、POS系統和由一或多個電腦伺服器組成的可網路存取的伺服器系統。例如，在電子裝置400為行動電話的實施例中，通訊模組412可以促進與負責檢查由圖像感測器408所產生的圖像資料的可網路存取的伺服器系統的通訊。

為了方便起見，認證平台414可被稱為駐留在記憶體404中的電腦程式。然而，認證平台414可以由在電子裝置400中實現的、或可存取電子裝置400的軟體、韌體或硬體元件組成。依據本文所述的實施例，認證平台414可以包括如上面參考圖3討論的各種演算法。通常，這些演算法由的認證平台414的單獨模組執行，該些模組是可單獨定址的(因此可以獨立地執行而不干擾其他模組)。這些模組可以是認證平台414的組成部分。替代地，這些模組可以在邏輯上與認證平台414分離，但與其“一起”操作。合在一起，這些演算法可以致能認證平台414基於從圖像感測器408產生的圖像資料確定的血管動態的分析對未知人的身份進行認證。

例如，假設未知人希望將她自己認證為給定個體。在這種情況下，可以提示未知人表現引起解剖區域中血管分布變形的手勢。當未知人表現手勢時，圖像感測器408可以產生圖像資料，其代表解剖區域的數位圖像。基於該數位圖像的分析，認證平台414可以產生未知表現的“生物特徵簽名”。例如，認證平台414可以產生以編程方式指示血管分布在手勢表現時如何變形的靜脈模型，或者認證平台414可以基於對圖像資料的分析估計血管性質的度量。

然後，認證平台414可以將生物特徵簽名與與給定個體相關聯的已註冊的生物特徵簽名進行比較，以確定是否應將未知人認證為給定個體。通常，已註冊的生物特徵簽名被儲存在生物特徵資料庫416中。在圖4中，生物特徵資料庫416位於電子裝置400的記憶體404中。然而，生物特徵資料庫416可以替代地或附加地位於電子裝置400可透過網路存取的遠端記憶體中。如果生物特徵簽名與已註冊的生物特徵簽名足夠相似，則認證平台414可以將未知人認證為給定個體。

也可以包括其他元素作為認證平台414的一部分。例如，UI模組可以負責產生要由UI輸出機構406輸出的內容用於呈現給未知人。內容的形式可以取決於UI輸出機構406的性質。例如，若UI輸出機構406是揚聲器，則內容可以包括聲音指令，用以定位電子裝置400以便圖像感測器408可以觀察到解剖區域。作為另一範例，若UI輸出機構406是顯示器，則內容可以包括視覺指令，用以定位電子裝置400以便圖像感測器408可以觀察到解剖區域。UI輸出機構406還可以負責輸出(例如，發出或顯示)由認證平台414做出的認證決定。 由手勢表現引起的血管變形

在給定解剖區域內，皮膚下方的血管定義了血管分佈。作為範例，臉部包含幾個解剖區域(例如，前額、臉頰和下巴)，在這些區域中可以視覺監測血管分布。圖5說明在解剖區域(此處為臉部)中底下血管分布如何由於導致周圍組織物理變形的手勢的表現而改變。圖5也說明如何依據脈波監測流經血管分布的血液。換句話說，當血液流向解剖區域中微血管的小動脈末端時，可以視覺監測血管分布內的血液流動。在圖5中，編號為1-4的任意單元用於顯示脈波到達的示例順序。

如上面討論的，由於(i)血管的物理運動改變了那些血管的位置和(ii)周圍組織的變形改變了感興趣的血管分布的血液動力學流動性質，測量的流動型樣可能發生變化。例如，組織的壓縮可能造成微血管壓力增加，從而改變相對脈衝相位和脈波速度。通常，每當手勢被重複表現時，血管分布將會以可預測的方式變形。若(i)手勢、(ii)未變形的血管圖案(例如，圖5中的左上圖像)和(iii)測量的流動型樣(例如，圖5中的左下圖像)是已知的，則可以確定測量的變形流動型樣(例如，圖5中的右下圖像)及/或變形的血管圖案(例如，圖5中的右上圖像)。下面參考圖9的步驟904進一步討論此過程。 透過脈波的分析確定流動型樣

本文描述的幾種方法的一個重要態樣是透過圖像資料的分析來確定通過給定解剖區域中的血管分布的血液流動型樣。圖6A-C繪示了幾種不同的確定、計算或以及其他方式獲得脈波的方法。圖6A說明一種使用物件識別來定義產生數位圖像的感興趣區域(ROI)的方法。如圖6B中所示，可以在至少一個週期的一段時間內為ROI擷取紅色和綠色像素值。這可以針對ROI內的多個區塊(patches)完成，其中像素值在每個區塊上進行平均。區塊可以具有固定大小並依據分割函數分布在ROI內。替代的，區塊可以具有可以調整的大小(例如，基於ROI的大小、或基於可用計算資源的數量)。然後可以使用來自每個區塊的平均像素值來估計可用於確定脈波的相位的脈波值。如圖6C中所示，這些脈波值可以以任意單位表示相對相位週期。

注意，由於紅色和綠色像素值與在不同深度發生的變化(例如，不同的血管結構)相關，因此分量可能會受到物理變形的不同影響。這種差異可能是有用的分量，可以訓練本文描述的演算法來檢測然後用以創建預測。因此，確保紅色和綠色像素值不僅可用於認證平台，而且還可以獨立地用於計算相位的預測和估計可能是有益的。 認證方法

圖7包括用於基於對解剖區域中血管動態的視覺證據的分析來對認證平台的使用者進行認證的程序700的流程圖。如下文進一步討論的，認證程序具有三個階段：訓練階段、註冊階段和使用階段。這些階段可以被設計成允許最小限度的破壞性認證，而無需使用者以不尋常的方式與電子裝置互動。相反，使用者可以簡單地表現手勢，同時電子裝置產生由於這些手勢的表現而變形的解剖區域的數位圖像。

為了說明的目的，可以在監測當周圍的皮下組織由於手勢的表現而變形時的血管分布的情況中描述認證程序。然而，周圍的皮下組織可以以其他方式變形。例如，若待監測的血管分布位於手指中，則可以提示使用者將手指定位與電子裝置相鄰，使得由位在電子裝置內部的觸覺致動器(或簡稱“致動器”)產生的觸覺反饋可以使周圍的皮下組織變形。

為了開始訓練階段，流動預測演算法可以經歷監督的、半監督的或無監督的學習，其中訓練資料被提取、創建或以其他方式獲得，然後被提供給流動預測演算法用於訓練目的。訓練資料可以包括測量的流動型樣及/或測量的變形流動型樣，與相對應的靜脈圖及/或變形的靜脈圖相關聯。通常，訓練資料與單一解剖區域相關聯，因為對一個解剖區域(例如，臉)變形的理解可能根本不適用於另一個解剖區域(例如，手)。然而，訓練資料可以與多個個體相關聯。因此，針對各種個體，訓練資料可以包括測量的流動型樣、測量的變形流動型樣、靜脈圖、變形的靜脈圖或其之任何組合。

在一些實施例中，使用手勢學習是基於在正常時間(例如，沒有手勢的狀態，也稱為“正常狀態”)期間學習到的模型透過轉移學習來完成的。例如，神經網路的每一層可以被分為(i)與相對應個體之不依賴手勢的特徵相關的第一層和(ii)與相對應個體之透過手勢改變的特徵相關的第二層。可以透過固定第一層，而僅學習針對每個感興趣之手勢的第二層來預期用於學習之圖像資料的簡化(及學習過程的簡化)。

如上所述，訓練資料的一部分(例如，靜脈圖及變形的靜脈圖)可以是圖像資料。在一些實施例中，圖像資料是從各種捕捉角度或位置產生的，或者由各種圖像感測器(例如，對應於不同的電子裝置)產生，以在使用階段對這些變化提供更大的穩健性。

此外，可以將訓練資料分為訓練集和測試集，例如，80%的訓練資料被分配給訓練集以及20%的訓練資料被分給測試集。本領域之技術人士將認識到提供這些值是為了說明的目的。可以將多於或少於80%的訓練資料分配給訓練集。類似的，可以將多於或少於20%的訓練資料分配給測試集。分配給訓練集的訓練資料的份額通常大於(例如，2、3、5倍等)分配給測試集的訓練資料的份額。訓練集可用於訓練流動預測演算法如下所討論，而測試集可用於確認流動預測演算法正確地學習了如何預測流動。

概略而言，流動預測演算法包含一組被設計成產生輸出(也稱為“預測”)的演算法，該輸出與在給定輸入的情況下血液流經解剖區域的血管分布的流動相關。這些輸入可以包括解剖區域的靜脈圖、變形的靜脈圖或圖像資料。在一些實施例中，這組演算法代表一或多個神經網路。神經網路透過處理範例來學習，每個範例與已知的輸入和輸出相關聯，用以在輸入和輸出之間形成加權機率的關聯性。這些加權機率的關聯性可被稱為“權重”。在訓練階段期間，流動預測演算法的神經網路最初可以使用隨機選取的權重。隨著流動預測演算法從測量的流動型樣、靜脈圖和變形的靜脈圖學習，這些權重可以被調整。因此，流動預測演算法可以在學習如何輸出預測的變形流動型樣時調整這些權重。

流動預測演算法輸出的每個預測的變形流動型樣可以基於其與相對應的作為實況的測量的變形流動型樣的偏差來評分。通常，這是針對訓練集中包含的每個範例進行的。更具體地，型樣匹配演算法可以使用每個時間座標(例如，+/-3、5或10毫秒)的時間或相位的閾值來計算分數。如果測量的變形流動型樣和預測的變形流動型樣之間的時間差超過閾值，則可以將時間座標標記為失敗。分數可以透過型樣匹配演算法基於已被分類為失敗的時間座標的百分比來計算。此外，型樣匹配演算法可以將分數與預定閾值進行比較，依據相對應的分數是否超過預定閾值，將訓練集中的每個範例分類為“通過”或“失敗”。型樣匹配演算法可以基於訓練集中通過的範例的百分比來計算流動預測演算法的整體成功率。

注意，流動預測演算法的神經網路的權重可以根據進行調整以最佳化成功的任何方案進行調整。已知方案的一個範例是蒙地卡羅(Monte Carlo)方法。因此，可以將訓練階段的此部分重複預定數量的週期，或者可以將訓練階段的此部分重複直到整體成功率達到可接受的值(例如，90、95或98%)。

為了確保流動預測演算法正常運行，可以使用測試集。因此，可將流動預測演算法應用於測試集中包括地靜脈圖和變形靜脈圖，以產生預測的流動型樣或預測的變形流動型樣。如上面討論的，型樣匹配演算法可以基於預測的流動型樣或預測的變形流動型樣分別與測量的流動型樣或測量的變形流動型樣的比較來計算指示流動預測演算法之性能的分數。

在註冊階段(也稱為“設定階段”)中，可以在電子裝置的正常使用期間為使用者產生靜脈圖和變形靜脈圖。例如，在接收到指示啟動註冊階段的請求的輸入時，電子裝置可以產生當解剖區域變形(例如，由於使用者的手勢表現)時解剖區域的數位圖像。當由電子裝置產生臉部的數位圖像時，可以經由UI透過請求(例如，經由文字)使用者微笑、皺眉或抿唇來提示變形。例如，UI可以透過解剖區域或人體的通用模型來顯示變形的圖形表示，以便在視覺上指示使用者。作為另一範例，UI可以顯示將引起解剖區域變形的手勢的圖形表示。例如，圖形表示可以充當與負責以特定方式(例如，手指滑過螢幕、以特定方式握住機殼等)產生數位圖像的電子裝置互動的視覺指示。

從這些數位圖像，可以產生解剖區域的靜脈圖和變形靜脈圖。如圖7中所示，靜脈圖和變形靜脈圖通常儲存在生物特徵資料庫中，然後隨後在未知人試圖將自己認證為使用者時進行提取。

圖8包括在使用階段(也稱為“實施階段”)期間由認證平台執行的過程800的流程圖。最初，認證平台將從來源接收指示請求將未知人認證為給定個體的輸入(步驟801)。在一些實施例中，來源是在與認證平台相同的電子裝置上執行的電腦程式。例如，若認證平台駐留在行動電話上，則認證請求可源自行動應用程式，未知人正試圖透過該行動應用程式執行需要認證的活動。在其他實施例中，來源來自另一電子裝置。例如，假設未知人嘗試使用與商家相關聯的POS系統完成交易。在這種情況下，POS系統可能需要執行認證。雖然POS系統可以負責產生認證所需的圖像資料，但認證平台可以駐留在與該POS系統透過網路通訊連接的電腦伺服器上。

認證平台可以接著接收與給定個體相關聯的(i)靜脈圖及(ii)變形靜脈圖(步驟802)。如上面討論的，變形靜脈圖可以與給定個體在註冊階段期間表現的手勢相關聯。此外，認證平台可顯示提示未知人表現手勢的通知(步驟803)。此通知旨在提示未知人表現與給定個體在註冊階段期間表現的相同的手勢。

如上面討論的，表現手勢可能導致感興趣的解剖區域變形。當未知人表現手勢時，電子裝置可以監測解剖區域的變形。例如，電子裝置的圖像感測器可以透過對解剖區域的觀察產生圖像資料，並且認證平台可以獲取此圖像資料用於分析(步驟804)。在一些實施例中，圖像資料包括在解剖區域變形之前、期間或之後產生的數位圖像。例如，電子裝置可以在變形發生之前的第一時間間隔內產生第一系列的數位圖像，並且在變形“保持”時在第二時間間隔內產生第二系列的數位圖像。因此，電子裝置可以在解剖區域處於其自然狀態(也稱為“鬆弛”狀態)和變形狀態時產生數位圖像。通常，第一和第二時間間隔足夠長，以至於可以觀察到至少一個完整的心跳脈衝週期。雖然心跳脈衝週期的持續時間會因各種生理因素而異，但通常落在0.5-2.0秒的範圍內。因此，第一和第二間隔可以是至少1、2或3秒。可選地可使用更長的持續時間來捕捉多於一個心跳脈衝週期。

然後認證平台可以分析圖像資料以確定(i)測量的流動型樣和(ii)測量的變形流動型樣(步驟805)。為了實現此，認證平台可以將流動測量演算法應用於圖像資料。當應用於圖像資料實，流動測量演算法可以最初執行註冊操作(也稱為“映射操作”)以確定圖像資料中對應於靜脈圖和變形靜脈圖中的某些解剖座標的像素位置。此映射操作確保這些資料集中的值與解剖區域中的相同位置相關。然後，流動測量演算法可以在各種像素區域(例如，3x3、6x6或9x9像素區域)中平均圖像資料的紅色或綠色頻率分量。選擇的頻帶可以大致對應於將血液輸送到解剖區域的壓力脈衝的頻率。然而，如果合適，可替代地使用其他頻率。可以針對對應於不同時間點的圖像資料計算平均的紅色或綠色頻率分量，從而創建指定感興趣頻帶之強度的時間序列。例如，流動測量演算法可以對不同數位圖像(例如，代表由電子裝置產生的視頻幀)的紅色或綠色頻率分量進行平均。此外，流動測量演算法可以執行圖案識別，以便基於針對紅色或綠色頻率分量之隨時間變化系列的平均值進行分析來確定壓力脈衝(諸如重搏波)之單一可識別相位的相對時間。在已識別出壓力脈衝的此相位之後，流動測量演算法可以相對於壓力脈衝之經識別的相位之最早檢測到的出現，將時間值分配給一些或所有像素區域。概略而言，這些時間值可以代表指示血液如何流經解剖區域之血管分布的流動型樣，如從圖像資料之分析所確定的。若圖像資料與處於其自然狀態的解剖區域相關聯，則此流動型樣可被稱為“測量的流動型樣”。若圖像資料與處於其變形狀態的解剖區域相關聯，則此流動型樣可被稱為“測量的變形流動型樣”。

然後認證平台可以將流動預測演算法應用於(i)為未知人產生的測量的流動型樣、(ii)給定個體的靜脈圖和(iii)給定個體的變形靜脈圖，以便產生預測的變形流動型樣(步驟806)。概略而言，預測的變形流動型樣可以是包含時間值的資料結構，其表示關於在表現手勢時血液可能如何流經給定個體的血管分布的預測。

然後認證平台可以將型樣匹配演算法應用於(i)測量的變形流動型樣和(ii)預測的變形流動型樣，以產生指示相似性的度量(步驟807)。如上面討論的，此度量可被稱為“匹配分數”。概略而言，此度量可以指示測量的變形流動型樣與預測的變形流動型樣基於每個值的可比程度。

然後認證平台可以基於該度量確定是否將未知人認證為給定個體(步驟808)。例如，認證平台可以應用認證演算法，其將度量與預定閾值進行比較。若度量超過預定閾值，則認證平台可以產生指示未知人應被認證為給定個體的輸出。然而，若度量未超過預定閾值，則認證平台可以產生指示未知人不應被認證為給定個體的輸出。

圖9包括用於透過血管研究確定是否將未知人認證為給定個體的另一過程900的流程圖。同時，圖10包括過程的視覺圖示，認證平台透過該過程確定是否將未知人認證為給定個體。最初，認證平台可以接收指示請求將未知人認證為給定個體的輸入(步驟901)。圖9的步驟901可以實質上相似於圖8的步驟801。為了說明的目的，在檢查由未知人擁有的電子裝置產生的數位圖像的情況中描述過程900。然而，本領域之技術人士將認識到過程900可以類似地適用於未知人靠近但不擁有電子裝置(例如，電子裝置為POS系統)的場景。

此後，認證平台可以獲取與未知人聲稱的給定個體相關聯的數位設定檔(步驟902)。例如，認證平台可以存取其中儲存了與不同個體相關聯的數位設定檔的生物特徵資料庫，然後認證平台可以基於輸入從多個數位設定檔中選取數位設定檔。通常，輸入識別未知人聲稱的給定個體(例如，使用姓名或識別符，諸如電子郵件地址或電話號碼)，因此認證平台可以簡單地從儲存在生物特徵資料庫中的那些數位設定檔識別適當的數位設定檔。

數位設定檔可以包括與定個體相關聯的一或多個血管圖案(也稱為“靜脈圖”)。除了與給定個體相關聯之外，每個血管圖案還可以與給定解剖區域相關聯。例如，數位設定檔可以包括臉、手掌、手指等各別的血管圖案。此外，數位設定檔可以包括相同解剖區域在不同狀態下的血管圖案。例如，數位設定檔可以包括(i)第一血管圖案，其在解剖區域處於自然狀態時提供關於解剖區域中血管的空間資訊、以及(ii)第二血管圖案，其在解剖區域處於變形狀態(例如，由於手勢的表現)時提供關於解剖區域中血管的空間資訊。

然後，認證平台可以向未知人呈現指令以表現引起解剖區域變形的手勢，同時電子裝置的相機朝向解剖區域(步驟903)。當未知人表現手勢時，相機可以產生一系列的數位圖像。這些數位圖像可以以預定的節奏(例如，每0.1、0.2或0.5秒)快速連續地離散產生。替代地，相機可以產收解剖區域的視頻，在這種情況下數位圖像可以代表視頻的幀。在此場景中，數位圖像可以以預定的速率(例如，每秒20、30或60個幀)產生。

然後，認證平台可以基於由相機產生的數位圖像估計未知人的流動型樣。更具體地，認證平台可以基於對數位圖像的分析估計(i)當未知人的解剖區域處於自然狀態時血液的第一流動型樣及(ii)當人的解剖區域處於變形狀態時血液的第二流動型樣(步驟904)。如上面討論的，這些流動型樣將基於由電子裝置的相機所產生的不同的數位圖像進行估計。第一流動型樣可以基於對處於其自然狀態的解剖區域的數位圖像(例如，在已表現手勢之前或之後產生的那些數位圖像)的分析而產生，以及第二流動型樣可以基於對處於其變形狀態的解剖區域的數位圖像(例如，當表現或者持續手勢時產生的那些數位圖像)的分析而產生。如上面關於圖8所討論的，可以基於對相應數位圖像之像素進行程式設計分析來估計第一和第二流動型樣，以便識別指示血液通過解剖區域中的血管的流動的顏色變化(例如，在紅色分量或綠色分量上)。

此外，認證平台可以基於數位設定檔和第一流動型樣，預測若給定個體要表現手勢時可被預期的通過她的解剖區域的血液的第三流動型樣(步驟905)。如上所述，數位設定檔可以包括(i)第一血管圖案，其提供當給定個體之解剖區域處於自然狀態時關於該解剖區域中的血管的空間資訊、及(ii)第二血管圖案，其提供當給定個體之解剖區域處於變形狀態時關於該解剖區域中的血管的空間資訊。透過將演算法應用於第一血管圖案、第二血管圖案及第一流動型樣，認證平台能夠產生第三流動型樣作為輸出。概略而言，該演算法可以模擬在可能由手勢引起的解剖區域變形期間通過血管的血液流動。

然後認證平台可以基於第二流動型樣與第三流動型樣的比較來確定是否將未知人認證為給定個體(步驟906)。例如，假設將第一流動型樣、第二流動型樣和第三流動型樣表示為矩陣。第一流動型樣可以被表示為第一向量或矩陣，其中每個元素包括指示通過未知人的解剖區域的相應段在處於自然狀態時的估計的血液流動的值。第二流動型樣可以被表示為第二向量或矩陣，其中每個元素包括指示通過未知人的解剖區域的相應段在處於變形狀態時的估計的血液流動的值。同時，第三流動型樣可以被表示為第三向量或矩陣，其中每個元素包括指示通過給定個體的解剖區域的相應段在處於變形狀態時的估計的血液流動的值。在這種情況下，認證平台可以將演算法應用於第二和第三向量或矩陣以產生指示第二和第三流動型樣之間的相似性的分數。然後，認證平台可以依據分數確定未知人是給定個體的可能性。注意，術語“矩陣”，如本文中所使用的，可以用來指稱一系列列向量或行向量。

還可以包括其他步驟。作為一個範例，認證平台可以產生一信號(例如，以訊息或通知的形式)，其指示未知人是否已被認證為給定個體。認證平台可以將此信號傳送到從其接收到認證請求的來源。例如，若從在行動電話上執行的電腦程式接收到對未知人進行認證的請求，則認證平台可以向行動電話提供信號，使得電腦程式能夠確定是否允許未知人執行任何需要認證的任務。類似地，若在交易當中從POS系統接收到對未知人進行認證的請求，則認證平台可以向POS系統提供信號，使得交易可以被完成。

如上面參考圖8所討論的，執行認證可能需要認證平台將流動預測演算法應用於(i)與未知人相關聯的測量的流動型樣、(ii)與給定個體相關聯的靜脈圖及(iii)與給定個體相關聯的變形靜脈圖，以產生預測的變形流動型樣。此預測的變形流動型樣代表認證平台關於若給定個體要表現特定手勢時血液如何流經血管分布的預測。在一些實施例中，流動預測演算法是共同定義流動預測模型的演算法集合的一部分。通常，流動預測模型是機器學習(ML)或人工智慧(AI)模型，其使用範例來進行“訓練”以做出預測，即，當變形時血液將如何流過血管分布。

圖11包括用於創建模型的過程1100的流程圖，該模型被訓練以預測當變形時通過解剖區域之血管分布的血液流動。如上所述，解剖區域可能透過手勢的表現而變形，或者解剖區域可能透過施加外力(例如，由觸覺致動器產生的觸覺反饋)而變形。變形的性質可取決於解剖區域。例如，臉部中的血管分布可能透過指示人表現表情(例如，微笑或皺眉)更容易變形，而手指中的血管分布可能透過指示人將她的手指放在電子裝置上然後施加外力(例如，經由觸覺反饋)更容易變形。

最初，認證平台可以識別要被訓練以預測當變形時通過解剖區域中的靜脈網的血液流動的模型(步驟1101)。注意，術語“靜脈網(venous network)”和“血管分布(vasculature)”可以互換使用。因此，術語“靜脈網”可以指血管分布系統中位於解剖區域的部分。雖然解剖區域可以是身體中可透過成像監測血管動態的任何部份，但常見的解剖區域包括手指、手的掌側和背側以及臉。

接著，認證平台可以獲取(i)第一系列的血管圖案，其對應於處於自然狀態的解剖區域、(ii)第二系列的血管圖案，其對應於處於變形狀態的解剖區域、(iii)一系列的流動型樣，其表達當解剖區域處於自然狀態時，針對第一系列中的每個血管圖案，血液如何流經該血管圖案以及(iv)一系列的變形流動型樣，其表達當解剖區域處於變形狀態時，針對第二系列中的每個血管圖案，血液如何流經該血管圖案(步驟1102)。第一系列中的每個血管圖案可以指示當解剖區域處於自然狀態時皮下血管之間的空間關係。同時，第二系列中的每個血管圖案可以指示當解剖區域處於變形狀態時皮下血管之間的空間關係。

此外，第一系列中的每個血管圖案可以與第二系列中相對應的血管圖案相關聯，並且第一和第二系列中的相對應血管圖案可以與同一個體相關聯。因此，單一個體可以與一第一系列中的血管圖案、一第二系列中的血管圖案、流動型樣之一以和變形流動型樣之一相關聯。通常，第一系列中的每個血管圖案與不同的個體相關聯，僅管同一個體可以與第一系列中的多個血管圖案相關聯。例如，單一個體可以與對應於相同解剖區域但使用由不同電子裝置產生的圖像資料產生的血管圖案相關聯。類似地，第二系列中的每個血管圖案通常與不同的個體相關聯。然而，如上所述，第一系列中的每個血管圖案可以與第二系列中的相對應血管圖案相同的個體相關聯。

然後，認證平台可以將(i)該第一系列的血管圖案、(ii)該第二系列的血管圖案、(iii)該系列的流動型樣及(iv)該系列的變形流動型樣提供給模型作為訓練資料(步驟1103)。這種方法當被應用於與人相關聯的血管圖案時，使得模型被訓練以預測通過該人的解剖區域中的靜脈網的血液流動。換句話說，認證平台可以將此資訊作為訓練資料提供給模型，從而產生能夠預測血液流動的經訓練的模型。例如，若認證平台的任務是預測通過給定個體之解剖區域的血液流動，則認證平台可以將經訓練的模型應用於與給定個體相關聯的一對血管圖案。該對血管圖案可包括對應於處於自然狀態的解剖區域的一個血管圖案和對應於處於變形狀態的解剖區域的另一個血管圖案。在訓練完成後，認證平台可以將訓練好的模型儲存於生物特徵資料庫(步驟1104)。 其他注意事項和實現 A. 個人化的手勢

如上面討論的，靜脈圖可以在確定是否將未知人認證為給定個體的方面發揮關鍵作用。為了調整認證過程，認證平台可以依據那些靜脈圖來設計或選擇變形。

例如，假設未知人希望將她自己認證為給定個體。作為認證過程的一部分，認證平台可以獲取與給定個體相關聯的靜脈圖(例如，解剖區域處於自然狀態的第一靜脈圖和解剖區域處於變形狀態的第二靜脈圖)。在此情況下，認證平台可以設計或選擇將更佳地呈現或強調這些靜脈圖的獨特態樣的變形。例如，認證平台可以分析生物特徵資料庫中包含的部分或全部靜脈圖，以識別足夠獨特的特徵。這些特徵可能與不同血管之間的空間關係有關(例如，不尋常的分支位置或不尋常的尺寸)，或者這些特徵可能與血管的血管性質有關(例如，若血液流經靜脈網的速度、容積或壓力在變形後的變化大於或小於平均值)。

附加地或替代地，認證平台可以利用系統以呈現獨特特徵的方式向未知人傳遞表現手勢的請求(或以其他方式提示、刺激或導致變形)。例如，認證平台可能要求未知人對沿著手掌的位置施加壓力，以抑制或阻塞血液流向獨特血管的位置，從而對流入該獨特血管的其他血管的靜脈阻力產生獨特的影響。變形對通過解剖區域發出的壓力脈衝(因此還有視覺上捕捉壓力脈衝的圖像資料)的影響可以與變形位於同一位置，或者影響可能與變形的位置有些距離。

如上面討論的，作為認證過程的一部分，認證平台可以產生測量的流動型樣和測量的變形流動型樣。在一些實施例中，認證平台確定測量的流動型樣和測量的變形流動型樣之間的差異，然後將這些差異與其他範例進行比較，以確保由變形產生的圖案資料中的變化亦足夠獨特。 B. 測量的流動型樣匹配

在未知人已知測量的流動型樣和測量的變形流動型樣之後，認證平台可以僅基於測量的流動型樣的匹配來認證未知人，因為與原始靜脈圖認證因素的關聯性是先前已確立的。這種“輕量級”的認證過程可能僅適用於某些情況，諸如涉及最低限度敏感資訊或操作的情況。然而，若例如時間或計算資源有限，這種“輕量級”的認證過程對於快速認證未知人可以很有用。 C. 多重變形

如上面討論的，在註冊階段期間可以提示給定個體表現多個手勢。這種方法提供了顯著的安全優勢，因為有多種認證選項。若未知人尋求被認證為給定個體，則認證平台可以請求未知人表現給定個體在註冊階段表現的手勢的任意組合。因此，認證平台可以在認證過程期間請求未知人表現多種不同的手勢，並且認證平台可以僅在那些手勢的預定百分比(例如，超過50%，剛好100%)導致與給定個體匹配時將未知人認證為給定個體。

認證平台還可以請求未知人多次表現相同的手勢。例如，認證平台可以在認證過程期間請求未知人多次表現單一手勢，並且認證平台可以僅在那些手勢的預定百分比(例如，超過50%，剛好100%)導致與給定個體匹配時將未知人認證為給定個體。

在認證平台允許個人在註冊階段期間表現多種手勢的實施例中，認證平台可以管理針對不同手勢的各別生物特徵資料庫。例如，認證平台可以管理包括針對第一手勢的資訊(例如，靜脈圖和變形靜脈圖)的第一生物特徵資料庫、包括針對第二手勢的資訊的第二生物特徵資料庫等。替代地，認證平台可以將與不同手勢相關聯的資訊儲存在單一生物特徵資料庫地不同部分中。

此外，生物特徵資料庫中的條目不僅可以與識別相對應個體的姓名或識別符(例如，電子郵件地址或電話號碼)相關聯，還可以與識別相對應手勢的標籤相關聯。因此，不同姿態(例如，微笑或皺眉)可以與可被附加到生物特徵資料庫中的條目的不同標籤相關聯。

在一些實施例中，基於對用於認證的圖像資料的分析識別適當的標籤。例如，若圖像資料包括臉部的數位圖像，則認證平台可以檢查那些數位圖像以確定表現了哪種姿態。圖像資料的自動分析在幾個方面可能是有用的。首先，認證平台可能能夠推斷出未知人表現了哪種手勢，而非明確地指示未知人表現手勢。其次，認證平台可能能夠建立適當的靜脈圖以從生物特徵資料庫中擷取。例如，若認證平台在數位圖像中確定未知人表現了給定手勢，則認證平台可以從生物特徵資料庫中擷取與給定姿態相關聯的靜脈圖。 透過遠程(Ranged)血管研究對未知人進行認證的好處 A. 由於老化及環境的變化

雖然理解到血管的形狀通常不會改變，但血管性質，諸如流速，可能會受到諸如年齡、疾病等因素的影響。環境因素，諸如溫度和濕度，也可能影響血管性質。例如，血管可能因為低溫而收縮或縮緊。血液流動也可能受到生理因素(例如，緊張或壓力)及生理活動(例如，運動)的影響。

可以設計認證平台使其對於血管性質中的這些變化是穩健的。認證平台的一個重要的態樣是其關注變形導致的血液流動的局部空間性質和方向性。因此，上述因素的影響-其往往會影響整個身體-通常可忽略或者可管理(例如，透過建模)。例如，在緊張狀態和放鬆狀態下，由於手勢的表現而通過解剖區域中的靜脈網的血液流動的定向型樣將是可觀察到的，儘管信號的絕對強度(例如，透過分析圖像資料而確定)可能不同。

全局血液流動的變化可能將一些噪聲引入到個體測量中。然而，最近的研究中已經充分地解決了這種影響，該研究已顯示在進行身體活動(例如，運動)之後，仍可輕易地觀察到血液流動。 B. 具有挑戰性場景中的穩健性

繼續的研究透過分析數位圖像提高了確定或監測血管動態的準確性和穩健性。對遠端監測的興趣亦有提升，特別是在利用現成的電子裝置，如行動電話和平板電腦的方法中。

在未知使用者之健康況狀的變化在局部範圍影響空間性質(例如，由於外傷、中風等)的情況下，認證平台可以採用建模技術來解釋這些變化。例如，若認證平台基於對與未知人有關的圖像資料的分析檢測到發生了變形，則認證平台可以應用基於ML的模型，該模型被設計成相應地調整靜脈圖。因此，認證平台可能能夠智慧地操縱靜脈圖，以在那些個體已完成註冊階段之後說明個體的健康狀況的變化。作為另一範例，若認證平台基於對與未知人有關的圖像資料的分析檢測到心跳率高，則認證平台可以應用基於ML的模型來確定對諸如流速或壓力等的血管性質的適當調整。然而，預計這些類型的調整不會廣泛地被需要，因為空間資訊和血管性質往往會隨著時間推移保持相當一致。 處理系統

圖12是說明處理系統1200的範例的方塊圖，在該處理系統中可以實現本文所述的至少一些操作。例如，處理系統1200的元件可裝載在包括圖像感測器的電子裝置上。作為另一範例，處理系統1200的元件可裝載在包括負責檢查由圖像感測器產生的圖像資料的認證平台的電子裝置上。

處理系統1200可以包括處理器1202、主記憶體1206、非揮發性記憶體1210、網路配接器1212(例如，網路介面)、視訊顯示器1218、輸入/輸出裝置1220、控制裝置1222(例如，鍵盤、指向裝置或機械輸入，諸如按鈕)、包括儲存媒體1226的驅動單元1224或信號產生裝置1230，其通訊地連接到匯流排1216。匯流排1216被說明為一種抽象化，其表示一或多個實體匯流排及/或透過適當的橋接器、配接器或控制器連接的點對點連接。因此，匯流排1216可以包括系統匯流排、週邊組件互連(PCI)匯流排、快速週邊組件互連(PCI-Express)匯流排、HyperTransport匯流排、工業標準架構(ISA)匯流排、小型電腦系統介面(SCSI)匯流排、通用序列匯流排(USB)、內部積體電路(Inter-Integrated Circuit，I ²C)匯流排或符合美國電子電機工程師協會(IEEE)標準1394的匯流排。

處理系統1200可以共享與電腦伺服器、路由器、桌上型電腦、平板電腦、行動電話、視訊遊戲機、可穿戴電子裝置(例如，手錶或健身追蹤器)、連接網路的(“智慧型”)裝置(例如，電視家庭助理裝置)、增強或虛擬實境系統(例如，頭戴式顯示器)、或能夠執行一組指定處理系統1200要採取的動作的指令(循序的或以其他方式)的另一電子裝置類似的電腦處理器架構。

雖然主記憶體1206、非揮發性記憶體1210和儲存媒體1224被示出為單一媒體，但是術語“儲存媒體”和“機器可讀取媒體”應被理解為包括單一媒體或是多個儲存一或多組指令1226的媒體。術語“儲存媒體”和“機器可讀取媒體”還應被理解為包括能夠儲存、編碼或攜帶一組指令以供處理系統1200執行的任何媒體。

一般而言，為實現本公開之實施例而執行的例行程式可以被實現為作業系統或特定應用程式、元件、程式、物件、模組或指令序列的一部分(統稱為“電腦程式”)。電腦程式通常包含在不同時間設置於計算裝置中的各種記憶體和儲存裝置中的一或多個指令(例如，指令1204、1208、1228)。當由處理器1202讀取和執行時，指令使處理系統1200執行操作，以執行本公開的各種態樣。

雖然已經在全功能計算裝置的情況中描述了實施例，但是本領域之技術人士將理解到各種實施例能夠以各種形式作為電腦產品分散。無論用於實際引起分散的機器或電腦可讀取媒體的特定類型為何，本公開都適用。機器和電腦可讀取媒體的進一步範例包括可錄式媒體，諸如揮發性記憶體裝置、非揮發性記憶體裝置1210、可移磁碟、硬碟驅動器、光碟(例如，唯讀光碟記憶體(CD-ROMS)和數位光碟(DVD))、雲端為基的儲存器和傳輸型媒體，諸如數位和類比通訊鏈路。

網路配接器1212致能處理系統1200透過處理系統1200和外部實體支持的任何通訊協定，將網路1214中的資料與處理系統1200外部的實體進行協調。網路配接器1212可以包括網路配接卡、無線網路介面卡、交換機、協定轉換器、閘道器、橋接器、集線器、接收器、中繼器或包括積體電路的收發器(例如，透過藍牙或Wi-Fi致能通訊)。 備註

為了說明和描述的目的，提供了請求保護的申請標的的各種實施例的前述描述。其不旨在窮舉或將請求保護的申請標的限制為公開的精確形式。許多修改和變化對於本領域之技術人士而言將是顯而易見的。選擇和描述實施例是為了最佳地描述發明的原理及其實際應用，從而使相關領域中的技術人士能夠理解請求保護的申請標的、各種實施例以及適合所考慮到的特定用途的各種修改。

雖然實施方式描述了某些實施例和考慮到的最佳模式，但無論實施方式有多詳細，都可以以多種方式來實踐該技術。實施例在其實現細節上可能相當不同，但仍被說明書所涵蓋。在描述各種實施例的某些特徵或態樣時所使用的特定術語不應被理解為暗示該術語在本文中被重新定義為限於與該術語相關聯的技術的任何特定特性、特徵或態樣。一般而言，下面申請專利範圍中使用的術語不應被解釋為將技術限於說明書中公開的特定實施例，除非那些術語在本文中被明確地定義。因此，技術的實際範圍不僅包含公開的實施例，還包含實施或實現實施例的所有等效方式。

說明書中使用的語言主要是出於可讀性和教學目的而選擇的。其可能不被選擇來描述或限制申請標的。因此打算技術範圍不由實施方式限制，而是由基於本發明的申請案所發布的任何申請專利範圍限制。因此，各種實施例的揭示旨在說明而非限制如在下面申請專利範圍中闡述的技術範圍。

300:系統 302:認證平台 304:使用者介面(UI) 306:圖像感測器 308:光源 310:處理器 312:流動預測演算法 314:流動測量演算法 316:型樣匹配演算法 318:認證演算法 320:生物特徵資料庫 400:電子裝置 402:處理器 404:記憶體 406:使用者介面(UI)輸出機構 408:圖像感測器 410:光源 412:通訊模組 414:認證平台 416:生物特徵資料庫 700:程序 800:過程 801~808:步驟 900:過程 901~906:步驟 1100:過程 1101~1104:步驟 1200:處理系統 1202:處理器 1204:指令 1206:主記憶體 1208:指令 1210:非揮發性記憶體 1212:網路配接器 1214:網路 1216:匯流排 1218:視訊顯示器 1220:輸入/輸出裝置 1222:控制裝置 1224:驅動單元 1226:儲存媒體 1228:指令 1230:信號產生裝置

[圖1]包括傳統認證程序的高階說明，其中提示未知人向血管掃描器出示手。

[圖2]說明如何在光電容積描記圖(photoplethysmogram)中將每個心搏週期顯示為峰值。

[圖3]包括系統的高階表示，該系統可被用於認證其血管分布(vasculature)可用於成像的未知人的身分。

[圖4]示出能夠實現認證平台的電子裝置的範例，該認證平台被設計成基於由圖像感測器產生的圖像資料對未知人的身分進行認證。

[圖5]說明在解剖區域(此處為臉部)中底下血管分布如何由於導致周圍組織物理變形的手勢的表現而改變。

[圖6A-C]描述了幾種不同的方法用以確定、計算或以其他方式獲得脈波。

[圖7]包括用於基於對解剖區域中血管動態的視覺證據的分析來對認證平台的使用者進行認證的程序的流程圖。

[圖8]包括在使用階段(也稱為“實施階段”)期間由認證平台執行的過程的流程圖。

[圖9]包括用於透過血管研究確定是否將未知人認證為給定個體的另一過程的流程圖。

[圖10]包括過程的視覺圖示，認證平台透過該過程確定是否將未知人認證為給定個體。

[圖11]包括用於創建模型的過程的流程圖，該模型被訓練以預測當變形時通過解剖區域之血管分布的血液流動。

[圖12]是說明處理系統的範例的方塊圖，在該處理系統中可以實現本文所述的至少一些操作。

透過結合圖式對實施方式的研究，對於本領域之技術人士而言，本文描述之技術的各種特徵將變得更加明顯。實施例在圖式中以示例而非限制的方式示出。僅管圖式出於說明的目的說明了各種實施例，但本領域之技術人士將認識到在不背離技術原理的情況下，可以採用替代實施例。因此，雖然在圖式中示出了具體實施例，但該技術可進行各種修改。

Claims (25)

1. 一種方法，包括： 接收指示請求認證擁有電子裝置之人的輸入，該電子裝置包括相機； 獲取與該人聲稱之給定個體相關聯的數位設定檔(profile)； 使指令呈現給該人以執行導致解剖區域變形的手勢，同時該電子裝置的該相機朝向該解剖區域； 基於對該相機產生的數位圖像的分析，估計(i)當該人的該解剖區域處於自然狀態時血液的第一流動型樣和(ii)當該人的該解剖區域處於變形狀態時血液的第二流動型樣； 基於該數位設定檔和該第一流動型樣，預測若該給定個體要執行該手勢可預期的通過該給定個體之該解剖區域血液的第三流動型樣；以及 基於該第二流動型樣和該第三流動型樣的比較來確定是否將該人認證為該給定個體。
2. 如請求項1之方法，其中該數位設定檔包括(i)當該解剖區域處於自然狀態時，提供關於該解剖區域中血管之空間資訊的第一血管圖案及(ii)當該解剖區域處於變形狀態時，提供關於該解剖區域中血管之空間資訊的第二血管圖案。
3. 如請求項2之方法，其中所述預測包括： 將演算法應用於該第一血管圖案、該第二血管圖案和該第一流動型樣，其透過模擬在將由該手勢引起的該解剖區域的變形期間通過該些血管的血液流動來產生該第三流動型樣作為輸出。
4. 如請求項1之方法，其中所述估計包括： 檢查該些數位圖像以便識別顏色變化，其指示通過該解剖區域中血管的血液流動。
5. 如請求項1之方法， 其中該第一流動型樣被表示為第一向量，其中每個元素包括指示處於該自然狀態時通過該人的該解剖區域之相對應區段的估計血液流動的值；以及 其中該第二流動型樣被表示為第二向量，其中每個元素包括指示處於該變形狀態時通過該人的該解剖區域之該相對應區段的估計血液流動的值，並且 其中該第三流動型樣被表示為第三向量，其中每個元素包括指示處於該變形狀態時通過該給定個體的該解剖區域之該相對應區段的估計血液流動的值。
6. 如請求項5之方法，其中所述確定包括： 將演算法應用於第二和第三矩陣以產生指示該第二和第三流動型樣之間的相似性的分數；以及 基於該分數確定該人是該給定個體的可能性。
7. 如請求項1之方法，其中所述獲得包括： 存取其中儲存與不同個體相關聯的數位設定檔的生物特徵資料庫，以及 基於該輸入，從該些數位設定檔中選取該數位設定檔。
8. 如請求項7之方法，其中該輸入識別該人所聲稱的該給定個體。
9. 一種非暫時性媒體，具有儲存於其上的指令，當由電子裝置之處理器執行該些指令時，使該電子裝置執行操作，包括： 識別要被訓練以預測當變形時通過解剖區域中靜脈網的血液流動的模型； 獲取 (i)第一系列的血管圖案，其對應於在自然狀態下的該解剖區域， (ii)第二系列的血管圖案，其對應於在變形狀態下的該解剖區域， (iii)一系列的流動型樣，其表達當該解剖區域處於該自然狀態時，針對該第一系列中的每個血管圖案，血液如何流經該血管圖案，以及 (iv)一系列的變形流動型樣，其表達當該解剖區域處於該變形狀態時，針對該第二系列中的每個血管圖案，血液如何流經該血管圖案；以及 提供(i)該第一系列的血管圖案、(ii)該第二系列的血管圖案、(iii)該系列的流動型樣和(iv)該系列的變形流動型樣給該模型作為訓練資料，以便產生一經訓練的模型，當應用於與一人相關聯的血管圖案時，該經訓練的模型能夠預測通過該人的解剖區域中靜脈網的血液流動。
10. 如請求項9之非暫時性媒體，其中該第一系列中的每個血管圖案與該第二系列中相對應的血管圖案相關聯，並且其中該第一和第二系列中相對應的血管圖案與同一個體相關聯。
11. 如請求項9之非暫時性媒體，其中該第一系列中的每個血管圖案指示當該解剖區域處於該自然狀態時皮下血管之間的空間關係，並且其中該第二系列中的每個血管圖案指示當該解剖區域處於該變形狀態時皮下血管之間的空間關係。
12. 如請求項9之非暫時性媒體，其中該第一系列中的每個血管型樣與不同的個體相關聯。
13. 如請求項9之非暫時性媒體，其中該解剖區域是手指。
14. 如請求項9之非暫時性媒體，其中該解剖區域是手的手掌側或背側。
15. 如請求項9之非暫時性媒體，其中該解剖區域是臉部。
16. 如請求項9之非暫時性媒體，其中該模型包括神經網路，具有基於所述提供的結果調整的參數。
17. 一種方法，包括： 使通知呈現，該通知指示待認證之人執行引起解剖區域變形的手勢； 獲取由電子裝置在該人執行該手勢時產生的該解剖區域的數位圖像； 基於該些數位圖像，估計通過該解剖區域中皮下血管的血液流動的特性；以及 基於該估計的特性與與該給定個體相關聯的設定檔的比較，確定是否將該人認證為給定個體。
18. 如請求項17之方法，其中該些數位圖像是結合由該電子裝置發射的可見光、紅外光或紫外光產生的。
19. 如請求項17之方法，其中該特性為由該些皮下血管形成的靜脈網的變形。
20. 如請求項17之方法，其中該特性與流經該些皮下血管之血液的方向性、速度、容積、相位或壓力有關。
21. 一種電子裝置，包括： 處理器； 影像感測器，被配置成產生人的解剖區域的數位圖像； 通訊模組，被配置成經由網路啟動與託管在另一電子裝置上的認證平台的連接； 記憶體，具有指令儲存於其上，當由該處理器執行該些指令時，使該處理器： 向該通訊模組轉發該些數位圖像以透過該網路傳輸到該認證平台， 從該通訊模組接收由該認證平台基於對該些數位圖像的分析獲取的認證決定，以及 輸出該認證決定。
22. 如請求項21之電子裝置，其中該些數位圖像是由該圖像感測器回應於已要求該人執行手勢的確定而產生，並且其中該處理器還被配置成將該手勢的指示轉發給該認證平台。
23. 如請求項21之電子裝置，其中該電子裝置還包括： 使用者介面(UI)輸出機構，透過其輸出該認證決定。
24. 如請求項23之電子裝置，其中該UI輸出機構是顯示器。
25. 如請求項23之電子裝置，其中該UI輸出機構是揚聲器。

Images