CN101277190A - 调整生物特征认证用参考信息的方法和装置 - Google Patents
调整生物特征认证用参考信息的方法和装置 Download PDFInfo
- Publication number
- CN101277190A CN101277190A CNA2008100869666A CN200810086966A CN101277190A CN 101277190 A CN101277190 A CN 101277190A CN A2008100869666 A CNA2008100869666 A CN A2008100869666A CN 200810086966 A CN200810086966 A CN 200810086966A CN 101277190 A CN101277190 A CN 101277190A
- Authority
- CN
- China
- Prior art keywords
- user
- matching ratio
- threshold value
- procedure
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012545 processing Methods 0.000 claims description 32
- 238000012217 deletion Methods 0.000 claims description 17
- 230000037430 deletion Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims 2
- 238000013475 authorization Methods 0.000 description 75
- 238000012795 verification Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 10
- 230000008676 import Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/50—Maintenance of biometric data or enrolment thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/117—Identification of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及调整生物特征认证用参考信息的方法和装置。根据实施方式的一个方面,一种调整生物特征认证用参考信息的方法,包括以下步骤:存储步骤,存储所述参考信息,所述参考信息包括分别与多个用户对应的参考生物特征数据和多个阈值;获得步骤,通过输入一个用户的生物特征信息获得用户的生物特征数据;计算步骤,分别计算生物特征数据与多个用户中每一个的所述参考生物特征数据的匹配比;比较步骤,分别将多个用户中每一个的匹配比和多个用户中每一个的阈值进行比较;确定步骤,确定哪些匹配比超过了对应的阈值;以及调整步骤,调整被对应的多个匹配比超过的那些阈值,从而使除了最高所述匹配比以外的所有匹配比分别变得低于调整后的多个阈值。
Description
技术领域
本技术涉及基于生物特征信息来验证用户是否是预先注册(例如入会)的注册者的验证装置、验证方法和验证程序,并且更具体地,涉及即使基于低质量的输入生物特征信息也能以高精度识别出用户的验证装置、验证方法和验证程序。
背景技术
在现有技术中,生物特征识别装置和方法例如在日本特开专利公开No.2000-215313和No.2005-182184中进行了描述。
发明内容
根据实施方式的一个方面,提供了一种调整生物特征认证用参考信息的方法,该方法包括以下步骤:存储步骤,存储参考信息,所述参考信息包括分别与多个用户对应的多个参考生物特征数据和多个阈值;获得步骤,通过输入用户的生物特征信息而获得该用户的生物特征数据;计算步骤,分别计算所述生物特征数据与所述多个用户中每一个的所述参考生物特征数据的匹配比;比较步骤,将所述多个用户中每一个的所述匹配比分别与所述多个用户中每一个的所述阈值进行比较;确定步骤,确定哪些所述匹配比超过了对应的所述阈值;以及调整步骤,调整被对应的多个所述匹配比超过的那些阈值,从而使除了最高匹配比以外的所有所述匹配比分别变得低于所述调整后的多个阈值。
附图说明
图1A例示了根据一实施方式的验证方法;
图1B例示了根据该实施方式的该验证方法;
图1C例示了根据该实施方式的该验证方法;
图1D例示了根据该实施方式的该验证方法;
图2是根据该实施方式的验证装置的结构的功能框图;
图3例示了示例性注册者信息;
图4例示了示例性阈值更新历史;
图5A和5B是验证处理的流程图;
图6是提取用户候选者的处理的流程图;
图7是更新代表性的相似度的处理的流程图;
图8A和8B是更新阈值的处理的流程图;
图9是删除注册者信息的处理的流程图;
图10是执行验证程序的计算机的功能框图;
图11A和11B是验证处理的流程图;以及
图12是生成相似度的处理的流程图。
具体实施方式
将参照附图描述根据本发明的优选实施方式的验证装置、验证方法和验证程序。
生物特征认证系统被分为一对一匹配和一对N匹配。一对N匹配是仅仅基于生物特征信息而不使用额外的识别手段(例如身份输入等等)来识别一个人的方法。通常,使用关于相似度的识别阈值逐个系统地进行一对N匹配。将通过顺序地将从用户获得的生物特征信息和多条预先登记的生物特征信息进行比较而获得的相似度与识别阈值进行比较,由此对用户进行识别。
当识别阈值严格时,基于按照前述方法逐个系统地设置的识别阈值的系统具有较高的错误拒绝率。相反地,通过设置宽松的识别阈值而使错误接受率增大。
第一实施方式:
根据本技术的第一实施方式的验证装置100被构造成不是逐个系统地存储识别阈值,而是被构造成针对预先登记的多条生物特征信息中的每一条来存储识别阈值(之后简称为“阈值”),并在操作期间动态地改变该阈值。因此,在不影响整体系统的识别精度的情况下,防止了由于输入低质量的生物特征信息而导致的识别错误的发生。
将示例性地描述由根据该实施方式的验证装置100进行的验证方法。在以下描述中,为了避免混淆,用于一对N匹配的预先登记的生物特征信息被称为“验证信息”(例如“生物特征参考”),而在操作期间输入的生物特征信息被称为“生物特征信息”。
图1A到1D例示了根据该实施方式的验证方法。图1A例示了在紧接着验证信息注册之后的状态中的阈值。在本实施例中,分别注册具有ID“A”、“B”以及“C”的三条验证信息。对于每条验证信息,提供一阈值。这些阈值被设置为初始值。在本实施例中,初始值被设置为“100”。
图1B例示了这样的状态,其中输入对应于ID“A”的用户的生物特征信息,并且通过将输入的生物特征信息与多条验证信息进行比较来生成多个相似度(例如匹配比)。在本实施例中,该生物特征信息和验证信息“A”之间的相似度约为“230”;该生物特征信息和验证信息“B”之间的相似度约为“20”;并且该生物特征信息和验证信息“C”之间的相似度约为“110”。
即,在本实施例中,不仅该生物特征信息和验证信息“A”之间的相似度,而且该生物特征信息和验证信息“C”之间的相似度也超过了针对多条验证信息“A”和“C”而设置的对应多个阈值。在多条验证信息的相似度超过对应多个阈值并且相似度之差较小的情况下,根据本实施方式的验证方法将对应于这些条验证信息的阈值改变为更严格,从而减小发生识别错误的可能性。在本实施方式中,使阈值更高。在图1B中示出的实施例中,针对验证信息“A”的阈值和针对验证信息“C”的阈值被改变为“200”。
图1C例示了这样的状态,其中再次输入对应于ID“A”的用户的生物特征信息并且通过将输入的生物特征信息与多条验证信息进行比较来生成多个相似度。在本实施例中,由于某种原因(例如在指纹验证处理中没有精确地放置手指),输入的生物特征信息具有较低的质量。结果,该生物特征信息和验证信息“A”之间的相似度约为“80”;该生物特征信息和验证信息“B”之间的相似度约为“20”;并且该生物特征信息和验证信息“C”之间的相似度约为“110”。
如果针对验证信息“A”的阈值和针对验证信息“C”的阈值未改变并且仍为初始值“100”,则因为只有“C”具有超过阈值“100”的相似度,所以“C”被识别为该用户。然而,因为如图1B所示更新了阈值,所以与多条验证信息的相似度都未超过对应的阈值。结果,防止了验证错误的发生。
图1D例示了这样的状态,其中再次输入对应于ID“A”的用户的生物特征信息并且通过将输入的生物特征信息与多条验证信息进行比较来生成多个相似度。在本实施例中,输入的生物特征信息具有正常质量,并且和图1B中一样,该生物特征信息和验证信息“A”之间的相似度约为“230”;该生物特征信息和验证信息“B”之间的相似度约为“20”;并且该生物特征信息和验证信息“C”之间的相似度约为“110”。
在这种状态下,生成的多个相似度和在图1B中所示状态下生成的多个相似度相同。然而,只有与验证信息“A”的相似度超过对应阈值。因此,该用户被正确地识别为“A”。以这种方式,根据本实施方式的验证方法为每条验证信息提供一个阈值,并且,如果在操作期间多条验证信息和输入的生物特征信息之间的多个相似度超过对应的阈值,则动态改变所述多个阈值。因此,即使在输入了低质量生物特征信息的情况下,也防止了验证错误的发生。
接着将描述根据本实施方式的验证装置100的结构。图2是根据本实施方式的验证装置100的结构的功能框图。如图2中所示出,验证装置100包括生物特征信息输入单元110、通知单元120、控制单元130以及存储单元140。
生物特征信息输入单元110是被构造成用来输入生物特征信息的处理器。例如,生物特征信息输入单元110包括指纹传感器、静脉传感器等。通知单元120是被构造成用于通知一用户的处理器,其中该用户请求验证装置100来识别各种类型信息的用户。通知单元120包括液晶显示器(LCD)等。通知单元120还可以被构造成用于经由网络等将识别结果发送到另一设备。
控制单元130是被构造成用于控制整个验证装置100的控制器。控制单元130包括验证控制单元131、相似度生成单元132、验证单元133、代表性相似度更新单元134、阈值更新单元135以及注册者信息删除单元136。验证控制单元131是这样的控制单元,为了识别一个人,所述控制单元被构造成用于控制生物特征信息输入单元110、通知单元120、相似度生成单元132、验证单元133、代表性相似度更新单元134以及阈值更新单元135。稍后将在对处理的描绘中详细描述验证控制单元131执行的控制操作。
相似度生成单元132是这样的处理器,所述处理器被构造成用于通过将从生物特征信息输入单元110输入的生物特征信息与存储单元140中被注册为注册者信息141的多条验证信息进行比较来生成多个相似度。由相似度生成单元132生成的相似度可以是绝对值(例如相似性分数)或以逐步方式求出的相对值(例如相似性水平)。
图3例示了注册者信息141的实施例。注册者信息(例如入会数据库)141是预先存储的与作为待识别用户的注册者有关的信息。注册者信息141包括多个字段中的多个项,所述多个字段包括ID、阈值、代表性相似度以及验证信息。ID字段用于登记对注册者进行识别的标识号。阈值字段用于保存与相似度进行比较以用于识别的阈值。
代表性相似度字段用于保存当已经正确地识别对应注册者时由相似度生成单元132生成的多个相似度中的一个代表性值。在本实施方式中,最小相似度被视为代表性相似度。然而,另选地,多个相似度的平均值可以被视为代表性相似度。验证信息字段用于注册从注册者获得的生物特征信息本身或者该生物特征信息的特征信息。
在前述字段中,阈值字段和代表性相似度字段在初始状态下被设置为预定的初始值。例如,阈值字段初始时被设置为如下的值,该值被调整为使得错误接受率将小于或等于预定比率,并且代表性相似度字段初始时被设置为“0”。操作期间,由阈值更新单元135更新阈值,并且由代表性相似度更新单元134更新代表性相似度。
可以使用包括在验证装置100中的附加的注册装置来指定注册者信息141的多个字段,该附加的注册装置将ID等添加到从生物特征信息输入单元110输入的验证信息中。另选地,可以通过将使用另一设备输入的字段值和信息经由特定介质传递到验证装置100来指定注册者信息141的多个字段。另选地,注册者信息141可以被存储在另一设备中,并且验证装置100可以被构造成经由网络访问注册者信息141。
验证单元133是这样的处理器,该处理器被构造成将保存在注册者信息141的对应字段中的多个阈值与相似度生成单元132生成的多个相似度进行比较,其中该多个相似度是相似度生成单元132通过将对应于该多个阈值的多条验证信息与从生物特征信息输入单元110输入的生物特征信息进行比较而生成的。代表性相似度更新单元134是这样的处理器,该处理器被构造成当用户识别处理确定注册在注册者信息141的对应字段中的验证信息为该用户的验证信息时,更新对应于该验证信息的代表性相似度。
阈值更新单元135是这样的处理器,该处理器被构造成当由于当前的阈值设置而导致可能会发生验证错误时(例如当作为针对注册在注册者信息141的对应字段中的多条验证信息中的每一条将相似度与阈值进行比较的结果而找到与他们的多个相似度均超过多个对应阈值的多条验证信息时),更新保存在注册者信息141的对应字段中的阈值。阈值更新单元135被构造成当阈值被更新时,记录哪条验证信息具有与存储单元140中的阈值更新历史142内的阈值的更新相关联的相似度。
图4例示了阈值更新历史142的实施例。如图4中所示出,阈值更新历史142具有多个字段,包括目标ID、阈值波动范围以及相关ID。目标ID字段用于存储对应于其阈值已经被更新的验证信息的ID。阈值波动范围字段用于存储更新阈值前后的波动范围。相关ID字段用于存储对应于这样的多条验证信息的ID列表,即,因为生成的与这些条验证信息的相似度可能已经导致了识别错误,所以这些条验证信息造成阈值已经被更新。
注册者信息删除单元136是被构造成用于基于管理员给出的指令等从注册者信息141中以行为单位删除信息的处理器。当从注册者信息141中删除一行时,注册者信息删除单元136查询阈值更新历史142并更新注册者信息141,从而其他(多)条验证信息的阈值将变得更宽松(lenient),其中该阈值已经被设置为与该行中的验证信息相关联的严格值。在本实施方式的实施例中,使这些阈值更低。
以这种方式,当删除一条验证信息时,使得已经被设置为与删除的该条验证信息相关联的严格值的那些阈值更宽松。因此,减小了错误拒绝率,并能够实现易用的系统。
接着将描述验证装置100执行的处理。图5A和5B是验证处理的流程图。验证处理是当用户将生物特征信息输入到验证装置100中并且请求验证装置100识别该用户时执行的处理。在该处理的以下描述中,认为阈值越大,识别处理越严格。然而,该关系也可以相反。
验证控制单元131使生物特征信息输入单元110输入生物特征信息(步骤S101)。验证控制单元131使相似度生成单元132和验证单元133执行后面描述的用户候选者提取处理,以基于多个相似度和对应多个阈值之间的比较从注册者信息141中提取用户候选者(步骤S102)。如果没有找到用户候选者(步骤S103中为否),则验证控制单元131使通知单元120发送表示“无候选者”的通知(步骤S104)。流程返回到步骤S101,并且验证控制单元131使生物特征信息输入单元110再次输入生物特征信息。在步骤S103中,确定多个匹配比中的哪一个超过了阈值。
相反,如果找到了用户候选者(步骤S103中为是)并且用户候选者的数目为一(步骤S105中为是),则验证控制单元131将该候选者识别为该用户(步骤S106)。验证控制单元131使代表性相似度更新单元134执行后面描述的代表性相似度更新处理(步骤S107)。验证控制单元131使通知单元120发送识别结果的通知(步骤S108)。在用户已被识别出的情况下,例如通过将表示已经识别出该用户的消息显示在显示屏上或者通过将被识别为该用户的候选者的ID发送到另一设备来给出该通知。
相反,如果找到了用户候选者(步骤S103中为是)并且找到的用户候选者的数目为多个(步骤S105中为否),则验证控制单元131选择具有最高相似度的候选者(步骤S109)。验证控制单元131检索该候选者的阈值(步骤S110)。验证控制单元131将通过从获得的阈值中减去预定的容限(margin)而获得的值与另一候选者的相似度进行比较(步骤S111)。
如果不存在其相似度超过通过从获得的阈值中减去预定的容限而获得的值的其他候选者,则具有最高相似度的候选者的阈值足够严格。如果具有最高相似度的候选者是其相似度超过阈值的唯一候选者(步骤S112中为是),则验证控制单元131将具有最高相似度的候选者识别为该用户(步骤S113)。
这里使用的容限用于调整识别处理的严格性,并且可以根据使用验证装置100的目的等任意地确定该容限。例如,该容限可以为零。另选地,可以将通过从具有最高相似度的候选者的相似度中减去一个容限而获得的值与另一候选者的相似度进行比较,以代替将通过从具有最高相似度的候选者的阈值中减去容限而获得的值与另一候选者的相似度进行比较。
之后,验证控制单元131一次选择一个其他候选者(步骤S114并且在步骤S115中为否),并且验证控制单元131使阈值更新单元135执行后面描述的阈值更新处理,以将选择的另一候选者的阈值重置为严格值(步骤S116)。在步骤S116中,阈值被调整。在对所有其他候选者完成该处理后(步骤S115中为是),验证控制单元131使代表性相似度更新单元134执行后面描述的代表性相似度更新处理(步骤S107)。验证控制单元131使通知单元120发送识别结果的通知(步骤S108)。
如果即使在已经正确识别出该用户的情况下也存在(一个或多个)其他用户候选者,则如果出于某种原因用户输入了低质量的生物特征信息,在下一次请求验证装置100来识别该用户时可能会发生验证错误。在这种情况下,可以通过将其他(多个)用户候选者的(多个)阈值重置为(多个)更严格的值来减小识别错误发生的可能性。
在存在其相似度超过通过从获得的阈值中减去预定容限而获得的值的另一候选者的情况下(步骤S112中为否),由于输入低质量的生物特征信息等使得除了该用户以外的一个人的验证信息可能恰好具有最高相似度,并且验证控制单元131使通知单元120发送表示存在多个候选者的通知(步骤S117)。验证控制单元131使阈值更新单元135执行后面描述的阈值更新处理,以将步骤S102中提取的所有用户候选者的多个阈值重置为多个更严格的值(步骤S118)。流程返回到步骤S101。
图6是提取用户候选者的处理的流程图。如图6中所示出,相似度生成单元132从注册者信息141中获得一条验证信息(步骤S201)。如果成功获得了验证信息(步骤S202中为否),则相似度生成单元132通过将从生物特征信息输入单元110输入的生物特征信息与获得的该条验证信息进行比较而生成相似度(步骤S203)。
验证单元133从注册者信息141中获得对应于该验证信息的阈值(步骤S204)。如果由相似度生成单元132生成的相似度大于或等于获得的阈值(步骤S205中为是),则验证单元133将该验证信息添加为用户候选者(步骤S206)。重复前述处理,并且如果在步骤S201中已经获得了所有这些条验证信息(步骤S202中为是),则流程结束。
图7是更新代表性相似度的处理的流程图。如图7中所示出,代表性相似度更新单元134获得被识别为用户的候选者的相似度(步骤S301)。代表性相似度更新单元134从注册者信息141中获得候选者的代表性相似度(步骤S302)。如果该代表性相似度为零,即仍未设置代表性相似度(步骤S303中为是),或者如果该代表性相似度不为零,即该代表性相似度已经被设置(步骤S303中为否)并且大于该相似度(步骤S304中为是),则代表性相似度更新单元134将所述相似度作为代表性相似度保存在注册者信息141的对应字段中。
前述处理是在被识别为用户的候选者的最小相似度用作代表性相似度的情况下执行的处理。如果除了最小值以外的值用作代表性值,则可以改变该处理。
图8A和8B是更新阈值的处理的流程图。如图8A和8B中所示,阈值更新单元135从注册者信息141中获得正在针对其执行该处理的候选者的阈值和代表性相似度(步骤S401)。阈值更新单元135将一个预定的固定值加到所获得的阈值上,以使识别处理更严格(步骤S402)。阈值更新单元135从代表性相似度中减去一容限,其中已经通过考虑生物特征信息的质量的变化等设置了该容限(步骤S403)。
可以根据使用验证装置100的目的等任意确定用于使验证处理更严格的该固定值。可以将以相似度作为自变量的函数的输出用作要加到用于使识别处理更严格的阈值上的值,来代替该固定值。以相似度作为自变量的函数是例如这样的函数,随着相似度变大,该函数输出更小的值。
如果代表性相似度大于阈值(步骤S404中为是),则阈值更新单元135将该代表性相似度作为候选者的阈值保存在注册者信息141的对应字段中(步骤S405)。阈值更新单元135将注册者信息141的对应字段中的候选者的代表性相似度初始化为“零”,以开始对代表性相似度的新的求值(步骤S406)。
相反,在代表性相似度小于或等于阈值的情况下(步骤S404中为否),如果该阈值小于或等于预定的上限值(步骤S407中为是),则阈值更新单元135将该阈值作为候选者的阈值保存在注册者信息141的对应字段中(步骤S408)。阈值更新单元135向阈值更新历史142中添加一行、将目标ID字段设置为候选者的ID、将阈值波动范围字段设置为前述固定值,并将相关ID字段设置到其他候选者的ID列表中(步骤S409)。
如果阈值超过预定的上限值(步骤S407中为否),则当通过更新阈值而使阈值变得过于严格时可能不能正确地识别出用户。因此,不更新阈值。
图9是删除注册者信息141的处理的流程图。在管理员等给出指令要删除注册者信息141中特定行的情况下,由注册者信息删除单元136执行该处理。
如图9中所示出,注册者信息删除单元136获得要被删除的ID(步骤S501)。注册者信息删除单元136获得阈值更新历史142中的一行(步骤S502)。如果已经成功获得了一行(在步骤S503中为否),则注册者信息删除单元136检查要删除的ID是否包括在该行的相关ID字段中(步骤S504)。
如果要删除的ID包括在该行的相关ID字段中(步骤S505中为是),则注册者信息删除单元136将该行的阈值波动范围字段中的值除以包括在该行的相关ID字段中的ID数(步骤S506)。注册者信息删除单元136重写注册者信息141,从而与该行的目标ID字段中的ID对应的阈值变成通过从该阈值中减去该商而得到的值(步骤S507)。
重复步骤S502到S507中的处理。如果在步骤S502中已经获得了阈值更新历史142中的所有行(步骤S503中为是),则从注册者信息141中删除与要删除的ID对应的行(步骤S508)。
在不脱离本实施方式的范围的情况下,可以对图2中示出的根据本实施方式的验证装置100的结构做出各种改变。例如,可以将验证装置100的结构的多个部分(例如整个控制单元130和整个存储单元140)移动至经由网络连接到验证装置100的服务器,并且可以实现通过在验证装置100和服务器之间传递信息而对用户进行识别的服务器-客户机构造。
另选地,可以将验证装置100的控制单元130的功能实现为软件,并且可以在计算机上执行该软件,从而实现与验证装置100的功能相同的功能。下文中将描述被构造成用于执行将控制单元130的功能实现为软件的验证程序1071的示例性计算机。
图10是被构造成用于执行验证程序1071的计算机1000的功能框图。计算机1000包括被构造成用于执行各种算术运算的中央处理单元(CPU)1010、被构造成用于接受用户输入的数据的输入单元1020、被构造成用于输入用户的生物特征信息的生物特征信息输入单元1021、被构造成用于显示各种类型信息的监视器1030、被构造成用于从记录介质中读取程序等的介质读取器1040、被构造成用于经由网络来传递去往或来自另一计算机的数据的网络接口单元1050、被构造成用于临时存储各种类型信息的随机存取存储器(RAM)1060以及硬盘驱动器(HDD)1070,这些部分经由总线1080互连。
另选地,生物特征信息输入单元1021可以包括在另一设备中,并且输入该设备中的生物特征信息可以经由网络发送到计算机1000。计算机1000可以执行识别处理并返回识别结果。
HDD 1070存储具有与图2中所示控制单元130的功能相同或相似功能的验证程序1071以及与存储在图2中所示存储单元140中的各种类型数据对应的验证数据1072。另选地,验证数据1072可以分布并存储在经由网络连接到计算机1000的其他计算机中。
CPU 1010从HDD 1070加载验证程序1071并将验证程序1071扩展到RAM 1060中,验证程序1071开始用作验证处理1061。验证处理1061将从验证数据1072读取的信息等扩展到在RAM 1060上根据需要给该信息等分配的区域中,并且基于扩展的数据等执行对各种类型数据的处理。
前述验证程序1071可以不是必须存储在HDD 1070中。另选地,可以由计算机1000读取并执行存储在存储介质(例如只读光盘存储器(CD-ROM)等)上的验证程序1071。另选地,验证程序1071可以存储在经由公共线路、因特网、局域网(LAN)、广域网(WAN)等连接到计算机1000的另一计算机(或服务器)中,并且计算机1000可以读取并执行存储在其他计算机(或服务器)中的验证程序1071。
如上所述,根据第一实施方式,针对多条预先注册的验证信息中的每一条提供一个识别阈值,并且如果存在与多条验证信息的多个相似度均超过对应的阈值,其中通过将这些条验证信息与用户输入的生物特征信息进行比较来生成这些相似度,则对应于这些条验证信息的多个阈值被重置为多个更严格的值。因此,针对具有高相似度的多条验证信息的多个阈值变得更严格,并且即使用户输入低质量的生物特征信息,也能够以高精度识别该用户。
在前述实施方式中,已经描述了当从注册者信息141中删除信息时减小阈值的技术。另选地,可以根据相似度与阈值的比较结果来减小阈值。更具体地,可以为每个阈值提供一个计数器。在阈值和相似度生成单元132生成的相似度之间的比较给出相似度落在阈值之下预定范围内的结果的情况下,即在相似度小于阈值但是接近阈值的情况下,如果不存在其相似度大于或等于通过从该阈值中减去一个容限而获得的值的其他验证信息,则将针对该阈值的计数器递增。相反,如果存在这种其他验证信息,则针对该阈值的计数器被初始化为零。如果计数器值超过一个预定值,则将对应于该计数器的阈值减小一个步长(step)。这减小了与本应该被识别为该用户却因为阈值设得较高而多次均未被识别为该用户的验证信息对应的阈值。
第二实施方式:
根据本技术的第二实施方式,将描述对根据第一实施方式的验证装置100执行的处理的修改。因为用于执行这些修改的处理的验证装置100的结构与图2中示出的验证装置100的结构类似,所以省略了其重复的描述。
图11A和11B是验证处理的流程图。验证控制单元131使生物特征信息输入单元110输入生物特征信息(步骤S601)。验证控制单元131使相似度生成单元132执行后面描述的相似度生成处理,以生成与注册在注册者信息141的对应字段中的多条验证信息中的每一条的相似度(步骤S602)。
验证控制单元131获得候选者的相似度S1和阈值T1,其中已经针对该候选者生成了最高相似度(下文中称为“具有最高相似度的候选者”)(步骤S603)。验证控制单元131获得候选者的相似度S2和阈值T2,其中已经针对该候选者生成了次高相似度(下文中称为“具有次高相似度的候选者”)(步骤S604)。
如果S1小于T1(步骤S605中为否),则具有最高相似度的候选者不能被识别为该用户,并且其他候选者也不能被识别为该用户。因此,验证控制单元131使通知单元120发送表示“无候选者”的通知(步骤S606)。如果S2小于T2(步骤S607中为否),则流程返回到步骤S601,并且验证控制单元131使生物特征信息输入单元110再次输入生物特征信息。
如果S2大于或等于T2(步骤S607中为是),则可能通过在下一次和之后执行验证处理而将具有次高相似度的不是该用户的候选者错误地识别为该用户。因此,验证控制单元131使阈值更新单元135执行前述阈值更新处理,以将具有次高相似度的候选者的阈值重置为更严格的值,并且流程返回到步骤S601(步骤S608)。对于具有第三高及之后相似度的候选者,如果该相似度高于对应的阈值,则可以用类似的方式将该阈值重置为更严格的值。
相反,如果S1大于或等于T1(步骤S605中为是)并且S1和S2之差大于或等于预定差Δ并足够大(步骤S609中为是),则验证控制单元131将具有最高相似度的候选者识别为该用户(步骤S610)。验证控制单元131使代表性相似度更新单元134执行前述更新代表性相似度的处理(步骤S611)。此外,验证控制单元131使通知单元120发送识别结果的通知(步骤S612)。可以根据使用验证装置100的目的等任意确定用于求S1和S2之差的预定差Δ。
如果S2大于或等于T2(步骤S613中为是),则可能通过在下一次和之后执行验证处理而将具有次高相似度的不是该用户的候选者错误地识别为该用户。因此,验证控制单元131使阈值更新单元135执行前述阈值更新处理,以将具有次高相似度的候选者的阈值重置为更严格的值(步骤S614)。对于具有第三高及之后相似度的候选者,如果相似度高于对应的阈值,则可以用类似的方式将该阈值重置为更严格的值。
相反,如果S1大于或等于T1(步骤S605中为是)并且S1和S2之差小于预定差Δ(步骤S609中为否),则由于输入低质量的生物特征信息等使得具有最高相似度的候选者可能恰好具有最高相似度。因此,验证控制单元131使通知单元120发送表示“无候选者”的通知(步骤S615)。为了防止验证错误的发生,验证控制单元131使阈值更新单元135执行前述阈值更新处理,以将具有最高相似度的候选者的阈值重置为更严格的值(步骤S616)。如果S2小于T2(步骤S617中为否),则流程返回到步骤S601,并且验证控制单元131使生物特征信息输入单元110再次输入生物特征信息。
相反,如果S2大于或等于T2(步骤S617中为是),则可能通过在下一次和之后执行验证处理而将具有次高相似度的不是用户的候选者错误地识别为用户。因此,验证控制单元131使阈值更新单元135执行前述阈值更新处理,以将具有次高相似度的候选者的阈值重置为更严格的值(步骤S618)。对于具有第三高及之后相似度的候选者,如果相似度高于对应的阈值,则可以用类似的方式将该阈值重置为更严格的值。
图12是生成相似度的处理的流程图。如图12中所示,相似度生成单元132从注册者信息141中获得一条验证信息(步骤S701)。如果成功获得验证信息并且尚未获得所有这些条验证信息(步骤是702为否),则相似度生成单元132通过将从生物特征信息输入单元110输入的生物特征信息与获得的该条验证信息进行比较而生成相似度(步骤S703)。重复前述处理,并且如果已经在步骤S701中获得了所有这些条验证信息(步骤S702中为是),则该处理结束。
如上所述,通过基于具有最高和次高相似度的候选者的相似度和阈值来控制这些阈值而将针对具有高相似度的多条验证信息的多个阈值设置为多个严格值。即使用户输入了低质量的生物特征信息,也能够以高精度识别该用户。
根据本实施方式,针对多条预先注册的多条验证信息中的每一条提供一个识别阈值,并且如果存在与多条验证信息的多个相似度均超过对应的阈值,其中通过将这些条验证信息与用户输入的生物特征信息进行比较来生成这些相似度,则对应于这些条验证信息的多个阈值被重置为多个更严格的值。因此,针对具有高相似度的多条验证信息的多个阈值变得更严格,并且即使用户输入了低质量的生物特征信息,也能够以高精度识别该用户。
如上所述,在验证一用户是否为预先注册的注册者方面,根据本技术的实施方式的验证装置、验证方法以及验证程序是有效的,并且具体地,即使在输入了低质量的生物特征信息的情况下,该验证装置、验证方法以及验证程序也适合于以高精度识别该用户。
Claims (18)
1.一种调整生物特征认证用参考信息的方法,该方法包括以下步骤:
存储步骤,存储所述参考信息,所述参考信息包括分别与多个用户对应的多个参考生物特征数据和多个阈值;
获得步骤,通过输入一个用户的生物特征信息而获得所述用户的生物特征数据;
计算步骤,分别计算所述生物特征数据与所述多个用户中每一个的所述参考生物特征数据的匹配比;
比较步骤,分别将所述多个用户中每一个的所述匹配比和所述多个用户中每一个的所述阈值进行比较;
确定步骤,确定哪些所述匹配比超过了对应的所述阈值;以及
调整步骤,调整被对应的多个所述匹配比超过的那些阈值,从而使除了最高匹配比以外的所有所述匹配比分别变得低于所述调整后的多个阈值。
2.根据权利要求1所述的方法,其中所述调整步骤基于将具有所述最高匹配比的用户的所述阈值与次高匹配比进行比较而调整。
3.根据权利要求1所述的方法,该方法还包括以下步骤:重复所述获得步骤、所述计算步骤、所述比较步骤、所述确定步骤以及所述调整步骤,直到所述最高匹配比和次高匹配比之差变得不小于一个预定值。
4.根据权利要求1所述的方法,该方法还包括以下步骤:重复所述获得步骤、所述计算步骤、所述比较步骤、所述确定步骤以及所述调整步骤,直到具有所述最高匹配比的一个用户的所述阈值和次高匹配比之差变得不小于一个预定差。
5.根据权利要求1所述的方法,其中所述调整步骤基于一个上限值进行调整。
6.根据权利要求1所述的方法,该方法还包括以下步骤:删除所述参考信息,其中所述调整步骤与除了对应于一个待更新阈值的一个用户以外的多个用户的信息相关联地将所述用户的信息存储在存储器中,所述用户和所述多个用户基于所述确定步骤而确定,并且所述删除步骤通过查询所述存储器而删除所述参考信息。
7.一种生物特征认证装置,其包括:
存储器,所述存储器用于分别存储均对应于多个用户的多个参考生物特征数据和多个阈值;以及
处理器,所述处理器用于分别地通过输入一个用户的生物特征信息而获得所述用户的生物特征数据、计算所述生物特征数据与所述多个用户中每一个的所述参考生物特征数据的匹配比、通过将所述多个用户中每一个的所述匹配比和所述多个用户中每一个的所述阈值进行比较来执行认证,所述处理器提供了用于调整参考信息的调整机制,所述调整机制包括以下步骤:
获得步骤,通过输入一个用户的生物特征信息而获得所述用户的生物特征数据;
计算步骤,分别计算所述生物特征数据与所述多个用户中每一个的所述参考生物特征数据的匹配比;
比较步骤,分别将所述多个用户中每一个的所述匹配比和所述多个用户中每一个的所述阈值进行比较;
确定步骤,确定哪些所述匹配比超过了对应的所述阈值;以及
调整步骤,调整被对应的多个所述匹配比超过的那些阈值,从而使除了最高匹配比以外的所有所述匹配比分别变得低于所述调整后的多个阈值。
8.根据权利要求7所述的装置,其中所述调整步骤基于将具有所述最高匹配比的用户的所述阈值与次高匹配比进行比较而调整。
9.根据权利要求7所述的装置,其中所述调整机制还包括以下步骤:重复所述获得步骤、所述计算步骤、所述比较步骤、所述确定步骤以及所述调整步骤,直到所述最高匹配比和次高匹配比之差变得不小于一个预定值。
10.根据权利要求7所述的装置,其中所述调整机制还包括以下步骤:重复所述获得步骤、所述计算步骤、所述比较步骤、所述确定步骤以及所述调整步骤,直到具有所述最高匹配比的一个用户的所述阈值和次高匹配比之差变得不小于一个预定差。
11.根据权利要求7所述的装置,其中所述调整步骤基于一个上限值进行调整。
12.根据权利要求7所述的方法,其中所述调整步骤基于一个用户的一个匹配比进行调整。
13.一种存储有计算机程序的计算机可读记录介质,所述计算机程序用于根据一个处理对一个装置进行控制,该处理包括以下步骤:
存储步骤,存储参考信息,所述参考信息包括分别与多个用户对应的多个参考生物特征数据和多个阈值;
获得步骤,通过输入一个用户的生物特征信息而获得所述用户的生物特征数据;
计算步骤,分别计算所述生物特征数据与所述多个用户中每一个的所述参考生物特征数据的匹配比;
比较步骤,分别将所述多个用户中每一个的所述匹配比和所述多个用户中每一个的所述阈值进行比较;
确定步骤,确定哪些所述匹配比超过了对应的所述阈值;以及
调整步骤,调整被对应的多个所述匹配比超过的那些阈值,从而使除了最高匹配比以外的所有所述匹配比分别变得低于所述调整后的多个阈值。
14.根据权利要求13所述的计算机可读记录介质,其中所述调整步骤基于将具有所述最高匹配比的用户的所述阈值与次高匹配比进行比较而调整。
15.根据权利要求13所述的计算机可读记录介质,其中所述处理还包括以下步骤:重复所述获得步骤、所述计算步骤、所述比较步骤、所述确定步骤以及所述调整步骤,直到所述最高匹配比和次高匹配比之差变得不小于一个预定值。
16.根据权利要求13所述的计算机可读记录介质,其中所述处理还包括以下步骤:重复所述获得步骤、所述计算步骤、所述比较步骤、所述确定步骤以及所述调整步骤,直到具有所述最高匹配比的一个用户的所述阈值和次高匹配比之差变得不小于一个预定差。
17.根据权利要求13所述的计算机可读记录介质,其中所述调整步骤基于一个上限值进行调整。
18.根据权利要求13所述的计算机可读记录介质,其中所述调整步骤基于一个用户的一个匹配比进行调整。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007085785A JP5003242B2 (ja) | 2007-03-28 | 2007-03-28 | 照合装置、照合方法および照合プログラム |
JP2007-085785 | 2007-03-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101277190A true CN101277190A (zh) | 2008-10-01 |
CN101277190B CN101277190B (zh) | 2011-05-18 |
Family
ID=39615758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100869666A Expired - Fee Related CN101277190B (zh) | 2007-03-28 | 2008-03-28 | 调整生物特征认证用参考信息的方法和装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8242881B2 (zh) |
EP (1) | EP1975852B1 (zh) |
JP (1) | JP5003242B2 (zh) |
KR (1) | KR100986788B1 (zh) |
CN (1) | CN101277190B (zh) |
DE (1) | DE602008003704D1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314594A (zh) * | 2010-07-06 | 2012-01-11 | 日立欧姆龙金融系统有限公司 | 活体认证装置和活体认证方法 |
CN105404807A (zh) * | 2015-12-08 | 2016-03-16 | 广东欧珀移动通信有限公司 | 提升指纹识别性能的方法、装置及移动终端 |
CN106056054A (zh) * | 2016-05-24 | 2016-10-26 | 青岛海信移动通信技术股份有限公司 | 一种进行指纹识别的方法和终端 |
CN110663043A (zh) * | 2017-06-15 | 2020-01-07 | 指纹卡有限公司 | 生物度量对象的模板匹配 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5012092B2 (ja) * | 2007-03-02 | 2012-08-29 | 富士通株式会社 | 生体認証装置、生体認証プログラムおよび複合型生体認証方法 |
WO2010106644A1 (ja) * | 2009-03-17 | 2010-09-23 | 富士通株式会社 | データ照合装置およびプログラム |
JP5230501B2 (ja) * | 2009-03-26 | 2013-07-10 | 富士フイルム株式会社 | 認証装置及び認証方法 |
JPWO2010116470A1 (ja) * | 2009-03-30 | 2012-10-11 | 富士通株式会社 | 生体認証装置、生体認証方法、および記憶媒体 |
JP5729302B2 (ja) * | 2009-09-09 | 2015-06-03 | 日本電気株式会社 | 生体認証システム、方法およびプログラム |
WO2012014308A1 (ja) * | 2010-07-29 | 2012-02-02 | 富士通株式会社 | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびに生体情報登録装置 |
JP5533536B2 (ja) * | 2010-10-08 | 2014-06-25 | 富士通株式会社 | 情報処理プログラム、装置及び方法 |
JP5505323B2 (ja) * | 2011-01-25 | 2014-05-28 | 富士通株式会社 | 生体認証装置、生体認証装置を制御する制御プログラム、生体認証装置を制御する制御方法及び生体認証システムの制御方法 |
JP5601277B2 (ja) * | 2011-05-06 | 2014-10-08 | 富士通株式会社 | 情報処理装置、情報処理システムおよび検索方法 |
JP5932317B2 (ja) * | 2011-12-02 | 2016-06-08 | 綜合警備保障株式会社 | 顔認証データベース管理方法、顔認証データベース管理装置及び顔認証データベース管理プログラム |
US9336456B2 (en) * | 2012-01-25 | 2016-05-10 | Bruno Delean | Systems, methods and computer program products for identifying objects in video data |
AT514146B1 (de) | 2013-03-08 | 2018-06-15 | Ekey Biometric Systems Gmbh | Verfahren zur Identifikation einer Person |
JP6303374B2 (ja) * | 2013-10-03 | 2018-04-04 | 富士通株式会社 | 認証装置、認証方法、及びプログラム |
US10586028B2 (en) * | 2013-10-21 | 2020-03-10 | Purdue Research Foundation | Customized biometric data capture for improved security |
JP2015121874A (ja) * | 2013-12-20 | 2015-07-02 | 富士通株式会社 | 生体認証装置、照合用データ検証方法及び照合用データ検証用コンピュータプログラム |
CN103995997B (zh) * | 2014-05-15 | 2017-09-12 | 华为技术有限公司 | 一种用户权限的分配方法和设备 |
US10339296B2 (en) * | 2014-07-22 | 2019-07-02 | Lg Electronics Inc. | Terminal apparatus and control method for terminal apparatus |
KR101736710B1 (ko) * | 2015-08-07 | 2017-05-17 | 주식회사 슈프리마 | 생체 정보 관리 방법 및 장치 |
US10002242B2 (en) | 2015-08-17 | 2018-06-19 | Qualcomm Incorporated | Electronic device access control using biometric technologies |
JP6292421B2 (ja) * | 2016-07-22 | 2018-03-14 | 富士ゼロックス株式会社 | 認証装置及びプログラム |
CN108876385B (zh) | 2017-05-11 | 2020-06-16 | 创新先进技术有限公司 | 身份认证方法、装置和系统 |
WO2020218656A1 (ko) * | 2019-04-26 | 2020-10-29 | 엘지전자 주식회사 | 전자 장치 및 그 제어방법 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5229764A (en) * | 1991-06-20 | 1993-07-20 | Matchett Noel D | Continuous biometric authentication matrix |
KR19980703120A (ko) * | 1995-03-20 | 1998-10-15 | 조안나 티. 라우 | 이미지 식별 시스템 및 방법 |
US6173068B1 (en) * | 1996-07-29 | 2001-01-09 | Mikos, Ltd. | Method and apparatus for recognizing and classifying individuals based on minutiae |
DE69815291T2 (de) * | 1997-01-17 | 2004-04-29 | British Telecommunications P.L.C. | Sicherheitsgerät und verfahren |
US6160903A (en) * | 1998-04-24 | 2000-12-12 | Dew Engineering And Development Limited | Method of providing secure user access |
JP2000215313A (ja) | 1999-01-22 | 2000-08-04 | Mitsubishi Electric Corp | デ―タ識別方法およびその装置 |
JP4480832B2 (ja) * | 2000-01-21 | 2010-06-16 | 三菱電機株式会社 | 指紋照合装置及びその照合方法 |
US20030046237A1 (en) * | 2000-05-09 | 2003-03-06 | James Uberti | Method and system for enabling the issuance of biometrically secured online credit or other online payment transactions without tokens |
JP2001338297A (ja) * | 2000-05-29 | 2001-12-07 | Oki Electric Ind Co Ltd | 個人認証装置 |
JP2002222424A (ja) * | 2001-01-29 | 2002-08-09 | Nec Corp | 指紋照合システム |
JP4153691B2 (ja) * | 2001-11-06 | 2008-09-24 | 株式会社東芝 | 顔画像照合装置及び顔画像照合方法 |
US7079007B2 (en) * | 2002-04-19 | 2006-07-18 | Cross Match Technologies, Inc. | Systems and methods utilizing biometric data |
JP2004078686A (ja) | 2002-08-20 | 2004-03-11 | Toshiba Corp | 個人認証装置、個人認証方法、通行制御装置および通行制御方法 |
US7539856B2 (en) * | 2003-05-27 | 2009-05-26 | Microsoft Corporation | Distributed authentication in a protocol-based sphere of trust in which a given external connection outside the sphere of trust may carry communications from multiple sources |
US7088220B2 (en) * | 2003-06-20 | 2006-08-08 | Motorola, Inc. | Method and apparatus using biometric sensors for controlling access to a wireless communication device |
US7218760B2 (en) * | 2003-06-30 | 2007-05-15 | Microsoft Corporation | Stereo-coupled face shape registration |
JP2005182184A (ja) | 2003-12-16 | 2005-07-07 | Toshiba Corp | 人物認識装置、人物認識方法および通行制御装置 |
KR100602526B1 (ko) * | 2004-01-31 | 2006-08-22 | 뷰웨이 주식회사 | 가변 임계치를 이용한 실시간 홍채패턴 검증 방법 |
US20060016868A1 (en) * | 2004-07-01 | 2006-01-26 | American Express Travel Related Services Company, Inc. | Method and system for hand geometry recognition biometrics on a smartcard |
US7266536B2 (en) * | 2004-09-02 | 2007-09-04 | Hewlett-Packard Development Company, L.P. | Calibrated classifiers with threshold comparisons |
JP4340618B2 (ja) * | 2004-10-08 | 2009-10-07 | 富士通株式会社 | 生体情報認証装置及び方法,並びに生体情報認証プログラム及び生体情報認証プログラムを記録したコンピュータ読取可能な記録媒体 |
US7298873B2 (en) * | 2004-11-16 | 2007-11-20 | Imageware Systems, Inc. | Multimodal biometric platform |
US7734067B2 (en) * | 2004-12-07 | 2010-06-08 | Electronics And Telecommunications Research Institute | User recognition system and method thereof |
KR20070023022A (ko) * | 2005-08-23 | 2007-02-28 | 주식회사 아이디테크 | 생체정보 업데이트 방법 |
-
2007
- 2007-03-28 JP JP2007085785A patent/JP5003242B2/ja not_active Expired - Fee Related
-
2008
- 2008-03-04 EP EP08102265A patent/EP1975852B1/en not_active Expired - Fee Related
- 2008-03-04 DE DE602008003704T patent/DE602008003704D1/de active Active
- 2008-03-24 KR KR1020080026921A patent/KR100986788B1/ko active IP Right Grant
- 2008-03-28 CN CN2008100869666A patent/CN101277190B/zh not_active Expired - Fee Related
- 2008-03-28 US US12/058,083 patent/US8242881B2/en active Active
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314594A (zh) * | 2010-07-06 | 2012-01-11 | 日立欧姆龙金融系统有限公司 | 活体认证装置和活体认证方法 |
US8607064B2 (en) | 2010-07-06 | 2013-12-10 | Hitachi-Omron Terminal Solutions, Corp. | Biometric authentication device and biometric authentication method |
CN102314594B (zh) * | 2010-07-06 | 2014-05-07 | 日立欧姆龙金融系统有限公司 | 活体认证装置和活体认证方法 |
CN105404807A (zh) * | 2015-12-08 | 2016-03-16 | 广东欧珀移动通信有限公司 | 提升指纹识别性能的方法、装置及移动终端 |
CN105404807B (zh) * | 2015-12-08 | 2019-02-05 | Oppo广东移动通信有限公司 | 提升指纹识别性能的方法、装置及移动终端 |
CN106056054A (zh) * | 2016-05-24 | 2016-10-26 | 青岛海信移动通信技术股份有限公司 | 一种进行指纹识别的方法和终端 |
CN106056054B (zh) * | 2016-05-24 | 2019-08-09 | 青岛海信移动通信技术股份有限公司 | 一种进行指纹识别的方法和终端 |
CN110663043A (zh) * | 2017-06-15 | 2020-01-07 | 指纹卡有限公司 | 生物度量对象的模板匹配 |
Also Published As
Publication number | Publication date |
---|---|
JP5003242B2 (ja) | 2012-08-15 |
CN101277190B (zh) | 2011-05-18 |
EP1975852A1 (en) | 2008-10-01 |
KR100986788B1 (ko) | 2010-10-12 |
KR20080088416A (ko) | 2008-10-02 |
DE602008003704D1 (de) | 2011-01-13 |
JP2008243054A (ja) | 2008-10-09 |
EP1975852B1 (en) | 2010-12-01 |
US20080240515A1 (en) | 2008-10-02 |
US8242881B2 (en) | 2012-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101277190B (zh) | 调整生物特征认证用参考信息的方法和装置 | |
CN102087686A (zh) | 使用多种类模板的生物体认证系统及生物体认证方法 | |
WO2017080291A1 (zh) | 指纹识别方法、指纹模板的更新方法、装置和移动终端 | |
CN103313018A (zh) | 登记确定装置及其控制方法、以及电子装置 | |
EP2166473A2 (en) | Biometric authentication device, fake body judgement device, and biometric authentication method | |
EP3229516B1 (en) | Method and device for fingerprint registration and mobile terminal | |
CN110083475B (zh) | 一种异常数据的检测方法及装置 | |
US10298455B2 (en) | Data processing system, data processing control apparatus, and data processing control method | |
CN111078639B (zh) | 数据标准化方法、装置以及电子设备 | |
US20100045787A1 (en) | Authenticating apparatus, authenticating system, and authenticating method | |
US20220019916A1 (en) | Apparatus and method for recommending federated learning based on tendency analysis of recognition model and method for federated learning in user terminal | |
US20200320409A1 (en) | Model creation supporting method and model creation supporting system | |
US10997281B2 (en) | Information processing device, biometric authentication method, and recording medium recording biometric authentication program | |
KR101852774B1 (ko) | 처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템 | |
CN109597745B (zh) | 异常数据处理方法及装置 | |
JP6570978B2 (ja) | クラスタ選択装置 | |
CN104363112A (zh) | 一种参数管理方法及装置 | |
JP2018124999A (ja) | 情報処理装置及びプログラム | |
CN109976826B (zh) | 一种应用软件处理方法、移动终端及云服务器 | |
CN110020040B (zh) | 查询数据的方法、装置和系统 | |
CN103238171B (zh) | 进出门管理装置以及使用该进出门管理装置的进出门管理系统 | |
US9058476B2 (en) | Method and image forming apparatus to authenticate user by using smart card | |
CN113420699A (zh) | 一种人脸匹配方法、装置及电子设备 | |
JP2010072774A (ja) | データ検索システム、データ検索方法及びデータ検索プログラム | |
JP2021056928A (ja) | 最適解獲得プログラム、最適解獲得方法および情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110518 |
|
CF01 | Termination of patent right due to non-payment of annual fee |