CN102368291B - 基于指纹图像隐形意识的个人身份验证系统 - Google Patents
基于指纹图像隐形意识的个人身份验证系统 Download PDFInfo
- Publication number
- CN102368291B CN102368291B CN 201110264000 CN201110264000A CN102368291B CN 102368291 B CN102368291 B CN 102368291B CN 201110264000 CN201110264000 CN 201110264000 CN 201110264000 A CN201110264000 A CN 201110264000A CN 102368291 B CN102368291 B CN 102368291B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- consciousness
- image
- feature
- characteristic
- 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.)
- Expired - Fee Related
Links
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000012795 verification Methods 0.000 claims description 13
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009329 sexual behaviour Effects 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明涉及生物特征图像分析、识别和信息安全等交叉领域，尤其是一种基于指纹图像隐形意识的个人身份验证系统，该系统首先是意识指纹图像的采集，然后是图像特征提取和特征优化，最后是特征匹配决策。本发明克服传统的依据固有物理特征进行身份认证的弊端，为用户身份认证提供新的研究思路和方法。
Description
技术领域
本发明涉及生物特征图像分析、识别和信息安全等交叉领域，尤其是一种基于指纹图像隐形意识的个人身份验证系统。
背景技术
为解决伪造指纹给指纹识别系统带来的弊端，目前基于软件的解决方案是通过标准指纹传感器来捕捉信息，与活性检测来用于修改过的算法以测量如排汗、弹性和变形等皮肤特性，这种方法的主要缺点是识别结果容易受到手指施加压力、环境湿度和用户合作等因素影响。在硬件解决方案中，额外的硬件须结合生物传感器以检测如心跳、温度及表皮下组织等其他信息，这种方法的主要特点是设备比传统光学传感器复杂、昂贵且提取的特征容易发生偏差。目前的软硬件解决方案在一定程度上预防了假指纹的流通，但是如果犯罪分子利用暴力行为截取用户手指，这些解决方案将如同虚设。
发明内容
本发明所要解决的技术问题是提供一种基于指纹图像隐形意识的个人身份验证系统，利用对大脑意识和意识性行为的分析方法及其数据挖掘技术来提取指纹的固有物理特征和意识特征进行用户身份认证，用于克服因多隐式意识特征提取不全而造成的匹配识别错误，从而克服传统基于单生物底层特征进行身份认证的缺点。
为解决上述问题，本发明公开了一种基于指纹图像隐形意识的个人身份验证系统，该系统包括：意识指纹图像的采集、图像特征提取、特征优化和特征匹配决策。
所述意识指纹图像的采集包括指纹图像采集装置，采集装置上具有设定位置和角度的基准线，采集装置表面设有压电式薄膜压力检测器。
所述意识指纹图像的采集包括图像采集向导和指纹图像的预处理，指纹图像的预处理的主要步骤包括：图像去噪、图像分割和图像增强。
所述图像特征提取包括指纹固有物理特征提取和多隐性意识特征提取。
进一步，所述指纹固有物理特征提取包括指纹形状特征、指纹细节点特征和指纹脊线毛孔点特征；多隐性意识特征提取包括指纹与采集器接触面积、指纹脊谷间距、指纹方向分布、指纹奇异点数量和位置及指纹整体方向特征。
进一步，所述隐式意识特征的提取是针对在各种意识前提下采集到的指纹图像，设计合理的多方式隐式意识分析算法，具体包括：构建单意识模型、构建组合意识模型和选择合适的聚类方法进行降维。
所述的特征优化包括隐式意识特征优化和指纹固有物理特征的优化。
进一步，所述隐式意识特征优化是通过对缺失数据特征采用分类决策树算法，在存储的多隐式意识特征模板和提取到的多隐式意识特征之间建立映射关系得到，具体步骤为：
(1)初始化数据集，将数据集分为缺失数据集和非缺失数据；
(2)数据集权重值初始化分配；
(3)为节点选择一个特征属性作为这个节点分裂时候的属性；
(4)将训练样本根据节点的特征属性分类到各个子节点；
(5)计算每个子节点选择的特征量的信息熵；
(6)计算每个子节点选择的特征量的增益率；
(7)若所选特征量拥有最大增益率，则继续分裂节点为子节点，若所选特征量不是最大增益率，则重新选择其特征属性；
(8)若每个节点只含有同一类样本，则将次节点设置为叶子节点，结束此节点的分裂，若不只含有一类样本，则继续进行节点选择。
进一步，所述指纹固有物理特征的优化是在隐性意识特征得到优化后，对意识性指纹进行的逆向恢复。
所述特征匹配决策包括隐式意识特征的匹配和指纹固有物理特征的匹配，特征匹配决策需要对隐式意识特征和指纹固有物理特征分配不同的权重，获得鲁棒性的指纹匹配决策原则。
本发明的有益效果是：克服传统的依据固有物理特征进行身份认证的弊端，为用户身份认证提供新的研究思路和方法。
具体实施例
一种基于指纹图像隐形意识的个人身份验证系统，该系统包括：意识指纹图像的采集、图像特征提取、特征优化和特征匹配决策。
意识指纹图像的采集先通过指纹图像采集装置上压电式薄膜压力检测器获得，然后通过图像去噪、图像分割和图像增强对指纹图像进行预处理。
图像特征提取包括指纹固有物理特征提取和多隐性意识特征提取，指纹固有物理特征提取包括指纹形状特征、指纹细节点特征和指纹脊线毛孔点特征，多隐性意识特征提取包括指纹与采集器接触面积、指纹脊谷间距、指纹方向分布、指纹奇异点数量和位置及指纹整体方向特征，多隐性意识特征提取是针对在各种意识前提下采集到的指纹图像，设计合理的多方式隐式意识分析算法，具体包括：构建单意识模型、构建组合意识模型和选择合适的聚类方法进行降维。
特征优化包括隐式意识特征优化和指纹固有物理特征的优化，隐式意识特征优化是通过对缺失数据特征采用分类决策树算法，在存储的多隐式意识特征模板和提取到的多隐式意识特征之间建立映射关系得到，具体步骤为：
(1)初始化数据集，将数据集分为缺失数据集和非缺失数据；
(2)数据集权重值初始化分配；
(3)为节点选择一个特征属性作为这个节点分裂时候的属性；
(4)将训练样本根据节点的特征属性分类到各个子节点；
(5)计算每个子节点选择的特征量的信息熵；
(6)计算每个子节点选择的特征量的增益率；
(7)若所选特征量拥有最大增益率，则继续分裂节点为子节点，若所选特征量不是最大增益率，则重新选择其特征属性；
(8)若每个节点只含有同一类样本，则将次节点设置为叶子节点，结束此节点的分裂，若不只含有一类样本，则继续进行节点选择。
指纹固有物理特征优化在隐性意识特征优化之后，是对意识性指纹进行的逆向恢复。
特征匹配决策包括隐式意识特征的匹配和指纹固有物理特征的匹配，特征匹配决策需要对隐式意识特征和指纹固有物理特征分配不同的权重，获得鲁棒性的指纹匹配决策原则。
Claims (8)
1.一种基于指纹图像隐形意识的个人身份验证系统，其特征在于，首先是意识指纹图像的采集，然后是图像特征提取和特征优化，最后是特征匹配决策；所述的特征优化包括隐式意识特征优化和指纹固有物理特征的优化；
所述的隐式意识特征优化是通过对缺失数据特征采用分类决策树算法，在存储的多隐式意识特征模板和提取到的多隐式意识特征之间建立映射关系得到，具体步骤为：
（1）初始化数据集，将数据集分为缺失数据集和非缺失数据；
（2）数据集权重值初始化分配；
（3）为节点选择一个特征属性作为这个节点分裂时候的属性；
（4）将训练样本根据节点的特征属性分类到各个子节点；
（5）计算每个子节点选择的特征量的信息熵；
（6）计算每个子节点选择的特征量的增益率；
（7）若所选特征量拥有最大增益率，则继续分裂节点为子节点，若所选特征量不是最大增益率，则重新选择其特征属性；
（8）若每个节点只含有同一类样本，则将次节点设置为叶子节点，结束此节点的分裂，若不只含有一类样本，则继续进行节点选择。
2.根据权利要求1所述的基于指纹图像隐形意识的个人身份验证系统，其特征在于，所述的意识指纹图像的采集包括指纹图像采集装置，采集装置上具有设定位置和角度的基准线，采集装置表面设有压电式薄膜压力检测器。
3.根据权利要求1所述的基于指纹图像隐形意识的个人身份验证系统，其特征在于，所述的意识指纹图像的采集包括图像采集向导和指纹图像的预处理，指纹图像的预处理的主要步骤包括：图像去噪、图像分割和图像增强。
4.根据权利要求1所述的基于指纹图像隐形意识的个人身份验证系统，其特征在于，所述的图像特征提取包括指纹固有物理特征提取和多隐性意识特征提取。
5.根据权利要求4所述的基于指纹图像隐形意识的个人身份验证系统，其特征在于，所述的指纹固有物理特征提取包括指纹形状特征、指纹细节点特征和指纹脊线毛孔点特征；所述的多隐性意识特征提取包括指纹与采集器接触面积、指纹脊谷间距、指纹方向分布、指纹奇异点数量和位置及指纹整体方向特征。
6.根据权利要求4或5所述的基于指纹图像隐形意识的个人身份验证系统，其特征在于，所述的多隐性意识特征的提取是针对在各种意识前提下采集到的指纹图像，设计合理的多方式隐式意识分析算法，具体包括：构建单意识模型、构建组合意识模型和选择合适的聚类方法进行降维。
7.根据权利要求1所述的基于指纹图像隐形意识的个人身份验证系统，其特征在于，所述的指纹固有物理特征的优化是在隐性意识特征得到优化后，对意识性指纹进行的逆向恢复。
8.根据权利要求1所述的基于指纹图像隐形意识的个人身份验证系统，其特征在于，所述的特征匹配决策包括隐式意识特征的匹配和指纹固有物理特征的匹配，特征匹配决策需要对隐式意识特征和指纹固有物理特征分配不同的权重，获得鲁棒性的指纹匹配决策原则。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110264000 CN102368291B (zh) | 2011-09-07 | 2011-09-07 | 基于指纹图像隐形意识的个人身份验证系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110264000 CN102368291B (zh) | 2011-09-07 | 2011-09-07 | 基于指纹图像隐形意识的个人身份验证系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102368291A CN102368291A (zh) | 2012-03-07 |
| CN102368291B true CN102368291B (zh) | 2013-02-13 |
Family
ID=45760854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201110264000 Expired - Fee Related CN102368291B (zh) | 2011-09-07 | 2011-09-07 | 基于指纹图像隐形意识的个人身份验证系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102368291B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104657047A (zh) * | 2013-11-18 | 2015-05-27 | 联想(北京)有限公司 | 一种信息处理的方法及一种电子设备 |
| US9639765B2 (en) * | 2014-09-05 | 2017-05-02 | Qualcomm Incorporated | Multi-stage liveness determination |
| CN104680192B (zh) * | 2015-02-05 | 2017-12-12 | 国家电网公司 | 一种基于深度学习的电力图像分类方法 |
| CN108345824A (zh) * | 2017-01-24 | 2018-07-31 | 创智能科技股份有限公司 | 指纹验证方法与电子装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101751555A (zh) * | 2009-09-25 | 2010-06-23 | 中国科学院自动化研究所 | 一种形变指纹识别方法及系统 |
| CN101777128A (zh) * | 2009-11-25 | 2010-07-14 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及系统 |
-
2011
- 2011-09-07 CN CN 201110264000 patent/CN102368291B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101751555A (zh) * | 2009-09-25 | 2010-06-23 | 中国科学院自动化研究所 | 一种形变指纹识别方法及系统 |
| CN101777128A (zh) * | 2009-11-25 | 2010-07-14 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102368291A (zh) | 2012-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107609497B (zh) | 基于视觉跟踪技术的实时视频人脸识别方法及系统 | |
| CN102547123B (zh) | 基于人脸识别技术的自适应视线跟踪系统及其跟踪方法 | |
| CN102073843B (zh) | 非接触式快速人手多模态信息融合识别方法 | |
| CN101604376B (zh) | 基于hmm-svm混合模型的人脸识别方法 | |
| CN109497990B (zh) | 一种基于典型相关分析的心电信号身份识别方法及系统 | |
| CN103761466A (zh) | 一种身份验证的方法及装置 | |
| CN104200146A (zh) | 一种结合视频人脸和数字唇动密码的身份验证方法 | |
| CN103595538A (zh) | 基于手机加速度传感器的身份认证方法 | |
| CN103886283A (zh) | 用于移动用户的多生物特征图像信息融合方法及其应用 | |
| CN105117708A (zh) | 人脸表情识别的方法和装置 | |
| WO2014169835A1 (zh) | 一种基于手指信息的在线笔迹认证方法及系统 | |
| CN101464945A (zh) | 基于指背关节纹理的身份特征识别方法 | |
| CN102368291B (zh) | 基于指纹图像隐形意识的个人身份验证系统 | |
| CN103093133A (zh) | 面向ieee802.15.6的生物身份认证方法 | |
| Karnan et al. | A model to secure mobile devices using keystroke dynamics through soft computing techniques | |
| CN105701462A (zh) | 一种身份识别方法 | |
| CN101178767A (zh) | 人脸和虹膜混合识别的新方法-识别层融合 | |
| Cherifi et al. | Robust multimodal biometric authentication on IoT device through ear shape and arm gesture | |
| Li et al. | Handwritten signature authentication using smartwatch motion sensors | |
| CN105678150A (zh) | 一种用户权限管理方法 | |
| CN103886303A (zh) | 一种掌纹识别方法及装置 | |
| Derawi et al. | Fusion of gait and fingerprint for user authentication on mobile devices | |
| CN110222660A (zh) | 一种基于动态与静态特征融合的签名鉴伪方法及系统 | |
| CN108563939A (zh) | 基于步态轨迹曲线特征的人体身份识别 | |
| CN101789114A (zh) | 网络问卷调查中的数据源防伪方法 |
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: 20130213 |