CN103544490A - 一种皮肤纹理的采集及其身份识别方法和系统 - Google Patents
一种皮肤纹理的采集及其身份识别方法和系统 Download PDFInfo
- Publication number
- CN103544490A CN103544490A CN201310562033.0A CN201310562033A CN103544490A CN 103544490 A CN103544490 A CN 103544490A CN 201310562033 A CN201310562033 A CN 201310562033A CN 103544490 A CN103544490 A CN 103544490A
- Authority
- CN
- China
- Prior art keywords
- dermatoglyph
- image
- value
- module
- correction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种皮肤纹理的采集及其身份识别方法,包括:采集用户的皮肤纹理图像;确定所述皮肤纹理图像的质量加权值;以预设的模板图像为标准,对所述皮肤纹理图像进行校正;将校正后的皮肤纹理图像与所述模板图像进行比较,得到皮肤纹理比对值;将所述质量加权值和所述皮肤纹理比对值相乘,得到相乘结果;判断所述相乘结果是否大于第一预设值,如果是,则确定用户身份为合法用户。本实施例中,由于不需要过分注重细节,而是注重纹理、注重大节,因此减少了由于缺少细节点而造成的拒登问题。
Description
技术领域
本申请涉及生物特征识别技术领域,更具体地说,涉及一种皮肤纹理的采集及其身份识别方法和系统。
背景技术
生物特征识别具有防伪性、便携性、不易丢失、不易遗忘等特点,因此这方面的技术广泛应用于金融、证券、保险、社保、电子商务、办公自动化、身份证管理、防伪等行业。
现有成熟的生物特征识别技术有指纹、虹膜、声纹、人脸、手形、掌纹等,不同生物特征识别各有不同特点,指纹识别在识别率和运行效率上优于虹膜、声纹、人脸、手形、掌纹等。目前国内外指纹识别中,最流行也是最关键的的技术是细节点算法,此技术的核心是细节点的提取和比对,而目前有少部分人的指纹图像由于生物、采集时干扰等原因,在指纹图像上只有极少的细节点,针对这类人,从原理上就排除了采用细节点算法进行成功匹配的可能,从而产生了拒登,影响用户的正常使用。
发明内容
有鉴于此,本申请提供了一种皮肤纹理的采集及其身份识别方法和系统,用于解决现有识别方法针对少细节点或没有细节点的情况,经常出现拒登现象的问题。
为了实现上述目的,现提出的方案如下:
一种皮肤纹理的采集及其身份识别方法,包括:
采集用户的皮肤纹理图像;
确定所述皮肤纹理图像的质量加权值;
以预设的模板图像为标准,对所述皮肤纹理图像进行校正;
将校正后的皮肤纹理图像与所述模板图像进行比较,得到皮肤纹理比对值;
将所述质量加权值和所述皮肤纹理比对值相乘,得到相乘结果;
判断所述相乘结果是否大于第一预设值,如果是,则确定用户身份为合法用户。
优选地,所述采集用户的皮肤纹理图像具体为:
主动式皮肤纹理信息采集模块接触要求采集皮肤纹理的皮肤表面;
点击按钮开始采集;
系统给出提示,表示采集完毕。
优选地,所述将校正后的皮肤纹理图像与所述模板图像进行比较,得到皮肤纹理比对值过程具体为:
针对校正后的皮肤纹理图像和所述模板图像分别进行傅里叶变换,得到对应的两组值;
对上述经傅里叶变换后得到的两组值中的任意一组值求共轭;
将共轭后的值与另一幅经傅里叶变换后得到的值进行点乘运算,并将点乘的结果归一化;
对所述归一化后的点乘结果求傅里叶反变换,并求取绝对值后的最大值,将所述最大值确定为皮肤纹理比对值。
优选地,在所述确定所述皮肤纹理图像的质量加权值之后进一步包括:对所述皮肤纹理图像进行预处理,所述预处理为:归一化、滤波和拉伸。
优选地,所述对所述皮肤纹理图像进行校正包括:角度校正和/或位移校正。
一种皮肤纹理的采集及其身份识别系统,包括:
皮肤纹理信息采集模块,用于采集用户的皮肤纹理图像;
图像质量判断模块,与所述皮肤纹理信息采集模块相连,用于确定所述皮肤纹理图像的质量加权值;
图像校正模块,与所述图像质量判断模块相连,用于以预设的模板图像为标准,对所述皮肤纹理图像进行校正;
皮肤纹理信息识别模块,与所述图像校正模块相连,用于将校正后的皮肤纹理图像与所述模板图像进行比较,得到皮肤纹理比对值;
身份确定模块,与所述皮肤纹理信息识别模块相连,用于将所述质量加权值和所述皮肤纹理比对值相乘并得到相乘结果,判断所述相乘结果是否大于第一预设值,如果是,则确定用户身份为合法用户。
优选地,所述系统还包括:
皮肤纹理图像预处理模块,一端与所述图像质量判断模块相连,另一端与所述图像校正模块相连,用于对所述皮肤纹理图像进行预处理。
优选地,所述图像校正模块包括:角度校正子模块和位移校正子模块。
优选地,所述皮肤纹理信息采集模块为主动式皮肤纹理信息采集模块。
优选地,所述主动式皮肤纹理信息采集模块和主机之间通过无线或电线连接。
从上述的技术方案可以看出,本申请公开的方案,通过采集皮肤纹理图像,对采集的皮肤纹理图像的质量进行加权,然后对采集的皮肤纹理图像进行校正,进而对比校正后的皮肤纹理图像与预存的模板图像的皮肤纹理,得出皮肤纹理比对值,最后结合图像质量的加权值和皮肤纹理比对值,确认用户的身份。本申请并不过分注重细节,而是注重纹理、注重大节,因此解决了指纹细节点比对方法中,针对少细节点或者没有细节点指纹图像,难以克服的零拒登难题。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例公开的一种皮肤纹理的采集及其身份识别方法流程图;
图2为本申请实施例公开的一种皮肤纹理图像与模板图像对比流程图;
图3为本申请实施例公开的又一种皮肤纹理的采集及其身份识别方法流程图;
图4为本申请实施例公开的一种确定皮肤纹理图像的质量加权值的方法流程图;
图5为申请实施例公开的一种皮肤纹理图像纹理延伸后角度校正方法流程图;
图6为本申请实施例公开的一种皮肤纹理图像纹理延伸后位移校正方法流程图;
图7为本申请实施例公开的一种基于皮肤纹理的身份识别系统结构图;
图8为本申请实施例公开的另一种皮肤纹理的采集及其身份识别系统结构图;
图9为本申请实施例公开的图像质量判断模块组成图;
图10为本申请实施例公开的图像校正模块组成图;
图11为本申请实施例公开的一种皮肤纹理信息采集模块与主机的示意图;
图12为本申请实施例公开的另一种皮肤纹理信息采集模块与主机的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
参见图1,图1为本申请实施例公开的一种皮肤纹理的采集及其身份识别方法流程图。
如图1所示,该方法包括:
步骤101:采集用户的皮肤纹理图像;
具体地,采集过程可以为:首先,主动式皮肤纹理信息采集模块接触要求采集皮肤纹理的皮肤表面,然后通过点击采集模块上的按钮进入采集环节,当采集结束后系统给出提示,代表采集结束。其中,采集部位可以是额头、手背、腿部等各个人体皮肤部位;系统给出的提示可以是通过声音提示或通过发光提示或通过屏幕显示结束,当然还可以是这三种的任意组合方式。
步骤102:确定所述皮肤纹理图像的质量加权值;
具体地,在采集用户的皮肤纹理图像之后,可以判断所述皮肤纹理图像的质量,并对相应的图像都赋予图像质量加权值,该加权值为0-1间任意一个数,包括0和1。当然为了加快识别速度,也可以不经过图像质量判断过程,直接赋予图像质量加权值为1。如果图像质量太差,可以选择提示用户重新进行皮肤纹理采集,也可以不提示。
步骤103:以预设的模板图像为标准,对所述皮肤纹理图像进行校正;
具体地,通过对比模板图像与皮肤纹理图像,进而对皮肤纹理图像进行校正,这种校正包括角度校正或位移校正,当然也可以对角度和位移都进行校正。
步骤104:将校正后的皮肤纹理图像与所述模板图像进行比较,得到皮肤纹理比对值;
步骤105:将所述质量加权值和所述皮肤纹理比对值相乘,得到相乘结果;
步骤106:判断所述相乘结果是否大于第一预设值,如果是,则确定用户身份为合法用户。
具体地,在识别之前要预先存储一个预设值,该值的大小由用户根据多次实验进行确定。在识别时,对皮肤纹理图像进行了校正,综合考虑图像的质量加权值与皮肤纹理比对值,判断二者相乘结果与预设值的大小关系,当相乘结果大于预设值时,则确认用户身份为合法用户,允许用户登录,否则确认用户身份为非法用户,拒绝用户登录。
本实施例中,由于不需要过分注重细节,而是注重纹理、注重大节,因此减少了由于缺少细节点而造成的拒登问题。
进一步地,上述实施例中仅仅是预存了一个模板图像,对比时也只是对比的一个模板图像与采集的图像,这种情况适用于个人业务。当然,如果应用在图书馆等需要对多人进行身份认证的场合时,在上一实施例中可通过预存多人的皮肤纹理图像模板,在认证时对应的需要逐次对比每个模板图像与采集的皮肤纹理图像,并选取多个对比结果中的最大值,判断这个最大值是否大于预设值,如果大于,则认为该用户为合法用户,允许其登录。因此,实现了1:N的认证过程。
参见图2,图2为本申请实施例公开的一种皮肤纹理图像与模板图像对比流程图。
该方法包括:
步骤201:针对校正后的皮肤纹理图像和所述模板图像分别进行傅里叶变换,得到对应的两组值;
步骤202:对上述经傅里叶变换后得到的两组值中的任意一组值求共轭;
步骤203:将共轭后的值与另一幅经傅里叶变换后得到的值进行点乘运算,并将点乘的结果归一化;
步骤204:对所述归一化后的点乘结果求傅里叶反变换,并求取绝对值后的最大值,将所述最大值确定为皮肤纹理比对值。
通过本实施例提供的皮肤纹理图像比对方法,选择皮肤纹理丰富、较少毛发干扰、对表情变化比较鲁棒的检测分析区域,并不过分强调纹理的细节,因此解决了当前流行的指纹细节点比对方法中,针对少细节点指纹图像或者没有细节点指纹图像,难以克服的零据登难题,并且本方法不仅适用于指纹正面、指纹侧面图像验证与比对,而且适合指关节正面、指关节背面、手掌、脸部等图像验证与比对。
参见图3,图3为本申请实施例公开的又一种皮肤纹理的采集及其身份识别方法流程图。
如图3所示,本实施例中步骤301、302、304、305、306、307与实施例一中的步骤101、102、103、104、105、106一样,只是在实施例一的步骤102和103之间增加了步骤303。步骤303:对所述皮肤纹理图像进行预处理,预处理的方式为:归一化、滤波和拉伸。
通过对皮肤纹理图像进行预处理,能够使得提取出的皮肤纹理更准确,使得认证方法更加准确。
参见图4,图4为本申请实施例公开的一种确定皮肤纹理图像的质量加权值的方法流程图。
该方法包括:
步骤401:计算皮肤纹理规则度、计算皮肤纹理能量集中度、计算皮肤纹理平衡度和/或计算皮肤纹理均匀度;
步骤402:对所述皮肤纹理规则度、所述皮肤纹理能量集中度、所述皮肤纹理平衡度和/或所述皮肤纹理均匀度进行加权,得出加权值。
本实施例中,可以选择上述四个判断标准中的任意一个或多个,如果选择多个判断标准,则对应的给每一个判断标准得出的值进行加权处理,最后综合考虑总的加权后的值的大小,来评价皮肤纹理图像的质量。
参见图5,图5为申请实施例公开的一种皮肤纹理图像纹理延伸后角度校正方法流程图。
如图5所示,包括:
步骤501:检测皮肤纹理图像与模板图像之间的角度偏移;
步骤502:扩充皮肤纹理图像的四周;
步骤503:对扩充后的皮肤纹理图像进行纹理延伸处理;
步骤504:对纹理延伸后的皮肤纹理图像进行角度校正;
步骤505:对角度校正后的皮肤纹理图像去除四周,恢复到检测时皮肤纹理图像的大小。
本步骤中,对进行角度校正的纹理图像去除四周,恢复到了最开始检测时的初始皮肤纹理图像的大小。
本实施例中,通过对纹理图像先进行纹理延伸处理,之后再进行角度校正,使得角度校正更加准确。
当然上述角度校正方法只是众多方法中的一种而已,还存在其它的多种角度校正方法。例如:角度校正采用的方法可以包括:采集图像角度偏移量校正方法、模板角度偏移量校正方法、角度偏移量平均分配的采集图像和模板分别校正方法;填充数据方式可以包括:常值数据填充方式、循环移动数据填充方式、随机数据填充方式、纹理延伸后的数据填补方式;插补方式可以包括:最近临域补法、双线性插补法、多项式插补法。因此,存在上述多种情况的组合,都可以作为本申请实施例的角度校正方法。
参见图6,图6为本申请实施例公开的一种皮肤纹理图像纹理延伸后位移校正方法流程图。
如图6所示,包括:
步骤601:检测皮肤纹理图像与模板图像之间的水平偏移和垂直偏移;
步骤602:扩充皮肤纹理图像的四周;
步骤603:对扩充后的皮肤纹理图像进行纹理延伸处理;
步骤604:对纹理延伸后的皮肤纹理图像进行位移校正;
步骤605:对位移校正后的皮肤纹理图像去除四周,恢复到检测时皮肤纹理图像的大小。
本步骤中,对进行位移校正的纹理图像去除四周,恢复到了最开始检测时的初始皮肤纹理图像的大小。
本实施例中,通过对纹理图像先进行纹理延伸处理,之后再进行位移校正,使得位移校正更加准确。
进一步地,我们可以对图像既进行角度校正又进行位移校正,这样使得校正更加精确,当然为了节省时间,我们也可以只进行角度校正或只进行位移校正。
当然上述位移校正方法只是众多方法中的一种而已,还存在其它的多种位移校正方法。例如:位移校正采用的方法可以包括:采集图像位移偏移量校正方法、模板位移偏移量校正方法、偏移量平均分配的采集图像和模板分别校正方法;填充数据方式可以包括:常值数据填充方式、循环移动数据填充方式、随机数据填充方式、纹理延伸后的数据填补方式。因此,存在上述多种情况的组合,都可以作为本申请实施例的位移校正方法。
参见图7,图7为本申请实施例公开的一种皮肤纹理的采集及其身份识别系统结构图。
如图7所示,包括:
皮肤纹理信息采集模块71,用于采集用户的皮肤纹理图像;
图像质量判断模块72,与皮肤纹理信息采集模块相连,用于确定所述皮肤纹理图像的质量加权值;
具体地,图像质量判断模块72用于对图像质量进行评价,赋予每幅图像一个加权值,该值为0-1之间的任意一个数,包括0和1。当然为了加快识别速度,也可以不经过图像质量判断过程,直接赋予图像质量加权值为1。如果图像质量太差,可以选择提示用户重新进行皮肤纹理采集,也可以不提示。
图像校正模块73,与图像质量判断模块72相连,用于以预设的模板图像为标准,对所述皮肤纹理图像进行校正;
皮肤纹理信息识别模块74,与图像校正模块73相连,用于将校正后的皮肤纹理图像与所述模板图像进行比较,得到皮肤纹理比对值;
身份确定模块75,与皮肤纹理信息识别模块74相连,用于将所述质量加权值和所述皮肤纹理比对值相乘并得到相乘结果,判断所述相乘结果是否大于第一预设值,如果是,则确定用户身份为合法用户。
本实施例所述的系统通过图像校正模块73对采集的图像进行校正,使得比对过程更加精确。通过图像质量判断模块72对图像质量进行判断,并赋予一定的加权值,通过皮肤纹理信息识别模块74对皮肤纹理图像进行比对,得到最大皮肤纹理特征比对值,综合考虑图像的质量加权值与最大皮肤纹理特征比对值,判断二者相乘结果与第一预设值的大小关系,当相乘结果大于第一预设值时,则确认用户身份,允许用户登录,否则确认用户身份为非法用户,拒绝其登录。
参见图8,图8为本申请实施例公开的另一种皮肤纹理的采集及其身份识别系统结构图。
如图8所示,在上述实施例的基础上,本实施例进一步可以包括皮肤纹理图像预处理模块76,皮肤纹理图像预处理模块76一端与图像质量判断模块72连接,另一端与图像校正模块73连接,用于对所述皮肤纹理图像进行预处理。
通过皮肤纹理图像预处理模块76对皮肤纹理图像进行预处理,能够使得提取出的皮肤纹理更精确,使得认证方法更加准确。
参见图9,图9为本申请实施例公开的图像质量判断模块组成图。
如图9所示,图像质量判断模块72具体包括:
规则度图像质量判断子模块721,用于利用规则度对图像质量进行评判;
能量集中度图像质量判断子模块722,用于利用能量集中度对图像质量进行评判;
平行度图像质量判断子模块723,用于利用平行度对图像质量进行评判;
均匀度图像质量判断子模块724,用于利于均匀度对图像质量进行评判。
本实施例中,图像质量判断模块72可以是规则度图像质量判断子模块721、能量集中度图像质量判断子模块722、平行度图像质量判断子模块723、均匀度图像质量判断子模块724中的任意一个或多个,也可以经过加权共同构成多模式图像质量判断模块72。规则度图像质量判断子模块721、能量集中度图像质量判断子模块722、平行度图像质量判断子模块723、均匀度图像质量判断子模块724分别从图像的局部、全局、频域、时域出发,得到不同的图像质量判断方法。
其中,规则度图像质量判断子模块721,是指利用规则度对图像质量进行评判,即利用纹理规则度来衡量皮肤纹理图像纹理有序性的程度,它是时域上的全局指标,规则度小的皮肤纹理图像纹理杂乱,而规则度大的皮肤纹理图像则纹线排列有序;能量集中度图像质量判断子模块722,是指利用能量集中度对图像质量进行评判,即在频域中提取皮肤纹理图像的基本特征,它是频域上的全局指标,体现出主频所占的份量;平行度图像质量判断子模块723,是衡量皮肤纹理图像局部纹线平行程度的指标,它对皮肤纹理图像进行等块划分,每一个小块内的皮肤纹理图像一般都由脊线和谷线交替组成,平行度好的皮肤纹理图像所有脊线方向近似于平行,而平行度差的图像则相反;均匀度图像质量判断子模块724,是指利用均匀度对图像质量进行评判,纹理均匀度是用于表征皮肤纹理局部图像的不同程度灰度像素的比值,它是时域上的局部指标,均匀度好的皮肤纹理图像脊谷是交替排列并且均匀分布的,所以每一块内的黑白像素比率是稳定的,而均匀度差的皮肤纹理图像由于其脊谷纹线不明显,裂纹多且杂,块与块之间的变数很大,所以其比率是不恒定的。
参见图10,图10为本申请实施例公开的图像校正模块组成图。
如图10所示,图像校正模块73包括:
角度校正子模块731和位移校正子模块732。
其中,角度校正子模块731用于以预存模板图像为标准,对采集的皮肤纹理图像进行角度校正;位移校正子模块732用于以预存模块图像为标准,对采集的皮肤纹理图像进行位移校正。
参见图11和图12,图11为本申请实施例公开的一种皮肤纹理信息采集模块与主机的示意图。图12为本申请实施例公开的另一种皮肤纹理信息采集模块与主机的示意图。
其中皮肤纹理信息采集模块71可以是主动式皮肤纹理信息采集模块也可以是被动式皮肤纹理信息采集模块。在此我们只讨论主动式皮肤纹理采集模块与主机之间的关系。我们将主动式皮肤纹理采集模块编号为1,将主机编号为2。其中采集模块1和主机2共同完成对皮肤纹理的采集以及认证和认证后的后续工作。
如图11,主动式皮肤纹理信息采集模块1和主机2是相互分离的两个单元,二者之间可以通过无线形式进行信号的交流。
主动式皮肤纹理信息采集模块1可以设计成便于手持的结构,由于其与主机2之间是分离的,因此用户可以通过手持主动式皮肤纹理信息采集模块1对人体各个部位如额头、颈部、背部、腿部等进行皮肤纹理的采集。而传统的被动式皮肤纹理信息采集模块通常是固定在墙上或其它位置。采集时,需要人主动将采集部位放在采集模块上,这个过程采集模块是固定不动的,因此对于颈部、腿部等一些特殊的人体部位,传统的采集方式很难进行采集。而本实施例公开的这种主动式皮肤纹理信息采集模块1,在采集过程中采集模块和人体都是可动的,其使用更加灵活、方便,对采集对象更加尊重。
如图12,本申请中主动式皮肤纹理信息采集模块1和主机2之间也可以通过电线连接,此时在电线的允许活动的范围内,主动式皮肤纹理信息采集模块1也可以做到对人体各个部位的纹理采集。
当然,本申请并不限定主动式皮肤纹理信息采集模块1必须设计成手持结构,其也可以安装在三维移动平台上,或者其它多种方式,只要能够做到采集过程中采集模块可以在不同自由度下做移动和转动即采集模块是主动式的,都属于本申请所保护的范围。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种皮肤纹理的采集及其身份识别方法,其特征在于,包括:
采集用户的皮肤纹理图像;
确定所述皮肤纹理图像的质量加权值;
以预设的模板图像为标准,对所述皮肤纹理图像进行校正;
将校正后的皮肤纹理图像与所述模板图像进行比较,得到皮肤纹理比对值;
将所述质量加权值和所述皮肤纹理比对值相乘,得到相乘结果;
判断所述相乘结果是否大于第一预设值,如果是,则确定用户身份为合法用户。
2.根据权利要求1所述的方法,其特征在于,所述采集用户的皮肤纹理图像具体为:
主动式皮肤纹理信息采集模块接触要求采集皮肤纹理的皮肤表面;
点击按钮开始采集;
系统给出提示,表示采集完毕。
3.根据权利要求1所述的方法,其特征在于,所述将校正后的皮肤纹理图像与所述模板图像进行比较,得到皮肤纹理比对值过程具体为:
针对校正后的皮肤纹理图像和所述模板图像分别进行傅里叶变换,得到对应的两组值;
对上述经傅里叶变换后得到的两组值中的任意一组值求共轭;
将共轭后的值与另一幅经傅里叶变换后得到的值进行点乘运算,并将点乘的结果归一化;
对所述归一化后的点乘结果求傅里叶反变换,并求取绝对值后的最大值,将所述最大值确定为皮肤纹理比对值。
4.根据权利要求1所述的方法,其特征在于,在所述确定所述皮肤纹理图像的质量加权值之后进一步包括:对所述皮肤纹理图像进行预处理,所述预处理为:归一化、滤波和拉伸。
5.根据权利要求1所述的方法,其特征在于,所述对所述皮肤纹理图像进行校正包括:角度校正和/或位移校正。
6.一种皮肤纹理的采集及其身份识别系统,其特征在于,包括:
皮肤纹理信息采集模块,用于采集用户的皮肤纹理图像;
图像质量判断模块,与所述皮肤纹理信息采集模块相连,用于确定所述皮肤纹理图像的质量加权值;
图像校正模块,与所述图像质量判断模块相连,用于以预设的模板图像为标准,对所述皮肤纹理图像进行校正;
皮肤纹理信息识别模块,与所述图像校正模块相连,用于将校正后的皮肤纹理图像与所述模板图像进行比较,得到皮肤纹理比对值;
身份确定模块,与所述皮肤纹理信息识别模块相连,用于将所述质量加权值和所述皮肤纹理比对值相乘并得到相乘结果,判断所述相乘结果是否大于第一预设值,如果是,则确定用户身份为合法用户。
7.根据权利要求6所述的系统,其特征在于,所述系统还包括:
皮肤纹理图像预处理模块,一端与所述图像质量判断模块相连,另一端与所述图像校正模块相连,用于对所述皮肤纹理图像进行预处理。
8.根据权利要求6所述的系统,其特征在于,所述图像校正模块包括:角度校正子模块和位移校正子模块。
9.根据权利要求6所述的系统,其特征在于,所述皮肤纹理信息采集模块为主动式皮肤纹理信息采集模块。
10.根据权利要求9所述的系统,其特征在于,所述主动式皮肤纹理信息采集模块和主机之间通过无线或电线连接。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310562033.0A CN103544490A (zh) | 2013-11-12 | 2013-11-12 | 一种皮肤纹理的采集及其身份识别方法和系统 |
PCT/CN2014/073446 WO2015070549A1 (zh) | 2013-11-12 | 2014-03-14 | 一种皮肤纹理的采集及其身份识别方法和系统 |
US15/036,275 US20160300094A1 (en) | 2013-11-12 | 2014-03-14 | Skin texture collection and identity recognition method and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310562033.0A CN103544490A (zh) | 2013-11-12 | 2013-11-12 | 一种皮肤纹理的采集及其身份识别方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103544490A true CN103544490A (zh) | 2014-01-29 |
Family
ID=49967925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310562033.0A Pending CN103544490A (zh) | 2013-11-12 | 2013-11-12 | 一种皮肤纹理的采集及其身份识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103544490A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015070549A1 (zh) * | 2013-11-12 | 2015-05-21 | 浙江维尔科技股份有限公司 | 一种皮肤纹理的采集及其身份识别方法和系统 |
CN105138889A (zh) * | 2015-09-24 | 2015-12-09 | 联想(北京)有限公司 | 一种身份认证方法及电子设备 |
CN106055959A (zh) * | 2016-05-31 | 2016-10-26 | 广东欧珀移动通信有限公司 | 一种解锁方法及移动终端 |
CN106843987A (zh) * | 2017-02-18 | 2017-06-13 | 珠海格力电器股份有限公司 | 基于指纹识别启动关联应用的方法及装置 |
CN107150654A (zh) * | 2016-03-03 | 2017-09-12 | 大众汽车有限公司 | 用于认证用户的方法和系统以及机动车 |
CN107981842A (zh) * | 2017-11-20 | 2018-05-04 | 珠海伊斯佳科技股份有限公司 | 一种用于转录皮肤纹理的复膜套件及其使用方法和应用 |
CN111008842A (zh) * | 2019-11-19 | 2020-04-14 | 中冶赛迪工程技术股份有限公司 | 一种茶叶检测方法、系统、电子设备及机器可读介质 |
CN114220233A (zh) * | 2021-11-25 | 2022-03-22 | 泰州市华达机电设备有限公司 | 智能化网络支付终端及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6185318B1 (en) * | 1997-08-22 | 2001-02-06 | International Business Machines Corporation | System and method for matching (fingerprint) images an aligned string-based representation |
CN101620675A (zh) * | 2009-06-16 | 2010-01-06 | 浙江维尔电子有限公司 | 一种提高指纹验证通过率的方法 |
CN101901336A (zh) * | 2010-06-11 | 2010-12-01 | 哈尔滨工程大学 | 指纹与指静脉双模态识别决策级融合法 |
-
2013
- 2013-11-12 CN CN201310562033.0A patent/CN103544490A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6185318B1 (en) * | 1997-08-22 | 2001-02-06 | International Business Machines Corporation | System and method for matching (fingerprint) images an aligned string-based representation |
CN101620675A (zh) * | 2009-06-16 | 2010-01-06 | 浙江维尔电子有限公司 | 一种提高指纹验证通过率的方法 |
CN101901336A (zh) * | 2010-06-11 | 2010-12-01 | 哈尔滨工程大学 | 指纹与指静脉双模态识别决策级融合法 |
Non-Patent Citations (2)
Title |
---|
王升国: "指纹识别算法研究及其实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 October 2007 (2007-10-15) * |
赵昕玥 等: "基于FMT与自适应绑定频域带宽的指纹匹配方法", 《浙江大学学报(工学版)》, vol. 43, no. 4, 30 April 2009 (2009-04-30) * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015070549A1 (zh) * | 2013-11-12 | 2015-05-21 | 浙江维尔科技股份有限公司 | 一种皮肤纹理的采集及其身份识别方法和系统 |
CN105138889A (zh) * | 2015-09-24 | 2015-12-09 | 联想(北京)有限公司 | 一种身份认证方法及电子设备 |
CN107150654B (zh) * | 2016-03-03 | 2020-09-08 | 大众汽车有限公司 | 用于认证用户的方法和系统以及机动车 |
CN107150654A (zh) * | 2016-03-03 | 2017-09-12 | 大众汽车有限公司 | 用于认证用户的方法和系统以及机动车 |
US10341863B2 (en) | 2016-03-03 | 2019-07-02 | Volkswagen Ag | Method and system for authenticating a user and a motor vehicle |
CN106055959A (zh) * | 2016-05-31 | 2016-10-26 | 广东欧珀移动通信有限公司 | 一种解锁方法及移动终端 |
CN106055959B (zh) * | 2016-05-31 | 2022-10-18 | Oppo广东移动通信有限公司 | 一种解锁方法及移动终端 |
CN106843987A (zh) * | 2017-02-18 | 2017-06-13 | 珠海格力电器股份有限公司 | 基于指纹识别启动关联应用的方法及装置 |
CN106843987B (zh) * | 2017-02-18 | 2019-10-11 | 珠海格力电器股份有限公司 | 基于指纹识别启动关联应用的方法及装置 |
CN107981842B (zh) * | 2017-11-20 | 2019-02-05 | 珠海伊斯佳科技股份有限公司 | 一种用于转录皮肤纹理的复膜套件及其使用方法和应用 |
CN107981842A (zh) * | 2017-11-20 | 2018-05-04 | 珠海伊斯佳科技股份有限公司 | 一种用于转录皮肤纹理的复膜套件及其使用方法和应用 |
CN111008842A (zh) * | 2019-11-19 | 2020-04-14 | 中冶赛迪工程技术股份有限公司 | 一种茶叶检测方法、系统、电子设备及机器可读介质 |
CN111008842B (zh) * | 2019-11-19 | 2023-08-25 | 中冶赛迪工程技术股份有限公司 | 一种茶叶检测方法、系统、电子设备及机器可读介质 |
CN114220233A (zh) * | 2021-11-25 | 2022-03-22 | 泰州市华达机电设备有限公司 | 智能化网络支付终端及方法 |
CN114220233B (zh) * | 2021-11-25 | 2022-12-13 | 西安欣联数据信息服务有限公司 | 智能化网络支付终端及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103544490A (zh) | 一种皮肤纹理的采集及其身份识别方法和系统 | |
Kushwaha et al. | Disguised faces in the wild | |
KR100629550B1 (ko) | 다중스케일 가변영역분할 홍채인식 방법 및 시스템 | |
US9971920B2 (en) | Spoof detection for biometric authentication | |
US10095927B2 (en) | Quality metrics for biometric authentication | |
Regouid et al. | Multimodal biometric system for ECG, ear and iris recognition based on local descriptors | |
CA2467529C (en) | Image identification system | |
US9076048B2 (en) | Biometric identification, authentication and verification using near-infrared structured illumination combined with 3D imaging of the human ear | |
CN101246543B (zh) | 基于仿生与生物特征识别的考试者身份鉴定方法 | |
US11238143B2 (en) | Method and system for authenticating a user on a wearable heads-up display | |
CN107479801A (zh) | 基于用户表情的终端显示方法、装置及终端 | |
US20160300094A1 (en) | Skin texture collection and identity recognition method and system | |
Bhardwaj et al. | A spoof resistant multibiometric system based on the physiological and behavioral characteristics of fingerprint | |
Femila et al. | Biometric system | |
Faltemier et al. | Using multi-instance enrollment to improve performance of 3D face recognition | |
Bharadi et al. | Multimodal biometric recognition using iris & fingerprint: By texture feature extraction using hybrid wavelets | |
CN103559487A (zh) | 一种基于皮肤纹理特征的身份识别方法和系统 | |
CN105024817B (zh) | 一种身份认证方法及装置 | |
Vanthana et al. | Iris authentication using gray level co-occurrence matrix and Hausdorff dimension | |
JP4270842B2 (ja) | 指紋照合装置 | |
Pushpalatha et al. | Finger vein authentication using image processing and regression tree classification | |
Vasavi et al. | An Image Pre-processing on Iris, Mouth and Palm print using Deep Learning for Biometric Recognition | |
CN105069433A (zh) | 一种应用于智慧城市技术领域的生物特征识别方法 | |
Sun et al. | Incremental Learning based Color Iris Recognition | |
Bora et al. | Biometric authentication system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140129 |
|
RJ01 | Rejection of invention patent application after publication |