CN103793642B - 移动互联网掌纹身份认证方法 - Google Patents

移动互联网掌纹身份认证方法 Download PDF

Info

Publication number
CN103793642B
CN103793642B CN201410074050.4A CN201410074050A CN103793642B CN 103793642 B CN103793642 B CN 103793642B CN 201410074050 A CN201410074050 A CN 201410074050A CN 103793642 B CN103793642 B CN 103793642B
Authority
CN
China
Prior art keywords
image
palm
user
palmprint
palm print
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.)
Active
Application number
CN201410074050.4A
Other languages
English (en)
Other versions
CN103793642A (zh
Inventor
邬向前
卜巍
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.)
Harbin Institute of Technology Institute of artificial intelligence Co.,Ltd.
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201410074050.4A priority Critical patent/CN103793642B/zh
Publication of CN103793642A publication Critical patent/CN103793642A/zh
Application granted granted Critical
Publication of CN103793642B publication Critical patent/CN103793642B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/06—Authentication

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供一种移动互联网掌纹身份认证方法，分为注册和识别两个阶段。在注册阶段，通过智能移动设备自带的摄像头获取待注册用户的掌纹图像，并通过网络上传到服务器，服务器端经过手掌定位与感兴趣区域提取、掌纹特征提取等一系列算法，将该用户的信息存储于数据库中。在认证阶段，通过智能移动设备自带的摄像头获取用户的掌纹图像，并上传到服务器，服务器端通过同样的算法得到待认证用户的掌纹特征，与数据库中存储的掌纹特征进行匹配，进而判断该用户是否为已注册用户。本方法既摆脱了传统掌纹识别不便携的缺点，又不受智能移动设备硬件性能的限制，同时由于算法的核心部署在服务器上，增强了系统的安全性，大大扩展了掌纹识别的应用领域。

Description

移动互联网掌纹身份认证方法
技术领域
本发明涉及一种移动互联网掌纹身份认证的解决方法。
背景技术
随着互联网技术的发展以及手机、平板电脑等移动智能设备的普及，移动互联网已经深入人们的生活。越来越多的人已经习惯通过移动互联网进行网站登陆、移动支付、转账、缴费等，为人们的生活带来极大的便利。由于这一切是线上交易，交易双方并不见面，交易双方很难确认对方的真实身份，这样就给线上交易带来了极大的安全风险。目前，线上交易主要是通过密码或者手机验证码来验证交易人的身份，但是手机上的密码往往非常简单容易被破解，手机验证码验证的是手机，而不是人的身份，任何人都可以用该手机进行交易，一旦设备丢失，密码被破解，支付过程的安全便完全没有保障。因此传统的基于密码或手机验证码的身份认证方式已经很难满足智能移动平台的网络支付对安全性的要求。
人体生物特征识别技术是通过分析人体本身所具有的生物特征来对身份进行识别的方法。由于生物特征不会被忘记、丢失，并且具有足够的信息量，因而很难破解，所以可以克服传统身份认证的缺陷。为了满足用户随时随地进行移动互联网上身份认证的需要，只有能直接利用手机、平板电脑等移动终端自带的成像装置方便进行采集并识别的生物特征才适合于移动支付的身份认证。
在常用的生物特征识别技术中，指纹识别应用范围最为广泛，虹膜的识别精度很高，然而这两种生物特征的采集区域较小，需要高分辨率的图像才能取得满意的识别精度，普通移动设备的成像系统很难采集到能够满足识别要求的高分辨率指纹或虹膜图像，因此不能满足移动互联网领域身份认证的要求。而人脸、手形和掌纹的区域较大，相关的识别技术并不需要很高的图像分辨率，因此可以直接通过移动设备自带的成像装置方便地进行采集并识别。但手形特征的区分能力较弱，其识别精度不能满足移动互联网身份认证的需求。而人脸识别由于如下原因，也无法用于无处不在的移动互联网身份认证：（1）人脸识别的准确率不能达到移动支付等移动互联网应用场合的安全性要求；（2）人脸特征容易被盗取，通过偷拍或者利用公开的照片等手段来获取；（3）人脸识别技术依赖前置摄像头，不适合没有配备前置摄像头的设备；（4）人脸识别的精度受外界光照影响很大，并且在光线较弱或者完全黑暗的场合，无法工作。
掌纹在移动互联网身份认证领域具有得天独厚的优势：（1）由于后置摄像头已成为移动设备的标准配置，掌纹可以通过移动设备的后置摄像头方便采集；（2）掌纹很难在用户不知情的情况下被高质量获取；（3）掌纹信息很丰富，区分能力较强，识别精度很高；（4）掌纹识别受外界影响较小，可在任何情况下进行身份认证。当外界光线不足或者完全黑暗时，可自动开启设备的闪光灯等补光装置进行补光，从而完成识别。正是由于掌纹的这些优势，使得掌纹识别成为移动互联网身份安全认证的唯一可行方案。
传统的掌纹识别主要由图像采集、感兴趣区域提取、掌纹特征提取、掌纹特征匹配等模块组成。其中图像采集由与计算机相联接的摄像头完成，用户信息和掌纹特征存储在计算机的磁盘中，也就是说，整个掌纹识别系统部署在一台计算机上。另外，传统的掌纹识别需要专用的图像采集设备，不便于系统集成，也不便于携带，因此其应用场合受到限制。
发明内容
发明的目的是提供一种基于移动互联网的掌纹识别方法，通过智能移动设备的摄像头采集掌纹，采集到的图像上传到服务器进行感兴趣区域提取、特征提取、特征匹配等操作，再将结果返回到智能移动设备上（根据需要感兴趣区域提取、特征提取等操作也可在移动终端上进行），也就是说，整个识别过程是分布式部署。这样，既摆脱了传统掌纹识别不便携的缺点，又不受智能移动设备硬件性能的限制，同时由于算法的核心部署在服务器上，增强了系统的安全性，大大扩展了掌纹识别的应用领域。
本发明的目的是通过以下技术方案实现的：
一种基于移动互联网的掌纹识别方法，包括以下步骤：
一、注册阶段
1、首先录入注册用户的身份标识；
2、通过智能移动设备自带的摄像头获取待注册用户的掌纹图像，拍摄掌纹图像时，用户将手掌的特定部位与虚拟关键点对齐，完成拍摄；
3、根据虚拟关键点的位置确定感兴趣区域；
4、在感兴趣区域内进行掌纹特征提取；
5、存储用户注册信息、掌纹特征，完成注册；
二、认证阶段
1、用户输入身份标识；
2、通过智能移动设备自带的摄像头获取用户的掌纹图像，拍摄掌纹图像时，用户将手掌的特定部位与虚拟关键点对齐，完成拍摄；
3、根据虚拟关键点的位置确定感兴趣区域；
4、在感兴趣区域内进行掌纹特征提取；
5、将提取的掌纹特征与注册的掌纹特征进行匹配；
6、若匹配成功，则进行后继操作；若匹配失败，则拒绝后继操作。
本发明的特点如下：
1、本发明所述的身份认证方法中，手掌定位和图像采集在客户端的智能移动设备上进行，掌纹特征存储在服务器上，掌纹特征的匹配也在服务端进行，客户端和服务端通过网络进行通信，保证了个人信息和认证过程的安全性。
2、本发明在图像采集时应用一种基于虚拟关键点的手掌定位方法，在保证认证系统使用便捷性的同时，最大程度地实现了手掌的准确定位，保证了识别的精度。
3、本发明提出了一种简单、快速、高精度的掌纹特征提取和匹配算法，该算法在处理能力有限的智能移动设备上，能进行实时准确的身份识别。
附图说明
图1为本发明体系结构示意图；
图2为用户自定义虚拟关键点的示意图；
图3为虚拟关键点定义方法1的示意图；
图4为使用虚拟关键点定义方法1定义的虚拟关键点采集手掌图像过程；
图5为虚拟关键点定义方法2的示意图；
图6为使用虚拟关键点定义方法2定义的虚拟关键点采集手掌图像过程；
图7为感兴趣区域确定方法；
图8为注册过程流程图；
图9为认证过程流程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。
本发明提供的移动互联网的掌纹身份认证方法，分为注册和识别两个阶段。在注册阶段，通过智能移动设备自带的摄像头获取待注册用户的掌纹图像，并通过网络上传到服务器，服务器端经过手掌定位与感兴趣区域提取、掌纹特征提取等一系列算法，将该用户的信息（包括用户标识、掌纹特征等）存储于数据库中。在认证阶段，通过智能移动设备自带的摄像头获取待注册用户的掌纹图像，并通过网络上传到服务器，服务器端通过同样的算法得到待认证用户的掌纹特征，与数据库中存储的掌纹特征进行匹配，进而判断该用户是否为已注册（合法）用户。
从体系结构上来看，本发明分为服务器端和客户端两部分。如图1中所示，手掌定位、掌纹图像采集在移动客户端完成，采集的掌纹图像通过网络上传到服务端。掌纹特征提取和匹配在服务端完成，认证的结果（合法/非法）通过网络传输发送回移动客户端，或在服务端执行特定的操作，如进行支付或交易等。另外，根据具体应用需求，感兴趣区域提取、掌纹特征提取也可以在移动客户端实现，以减少网络传输的数据量。
1、手掌定位
本发明所采用的掌纹特征提取与匹配算法需要从采集到的原始掌纹图像中提取最富含掌纹特征的一部分区域，后续的特征提取等处理完全在此区域上进行，这一过程称为感兴趣区域提取。感兴趣区域提取可以保留原始图像中对特征提取最有意义的区域，去除冗余信息，同时由于子图像比原始图像的尺寸要小，可以加快后续处理的速度。在本发明中，掌纹图像是通过智能移动设备自带的摄像头采集的，采集环境和手部姿态都难以控制，导致常用的感兴趣区域提取算法所需要的某些关键点（如指尖、指缝等）无法稳定的检测到。
针对这一问题，本发明使用一种基于虚拟关键点的手掌定位方法。即在移动设备的屏幕上显示一组位置预定义的点，拍摄掌纹图像时，用户将手掌的特定部位与虚拟关键点对齐，完成拍摄。后续的感兴趣区域提取依据虚拟关键点的位置进行，这样可以保证每次提取的感兴趣区域是同一手掌区域。
定义虚拟关键点的方式有很多种。如可以在用户注册时交互式的由用户自己定义关键点，即在注册时，用户以自然、舒适的方式摆放手掌，并根据手掌图像自定义一组虚拟关键点，然后系统保存用户定义的虚拟关键点的位置，为该用户在以后的每次图像采集中提供参考。图2所示为这种虚拟关键点定义的一个例子，虚拟关键点定义为掌纹主线与手掌边缘的交点，以及中指与无名指指缝之间的点，即图2中ABC三点。在采集图像时，用户将掌纹主线与手掌边缘的交点，以及中指与无名指指缝之间的点对准ABC三点即可。
上述的定义方法中，虚拟关键点由用户在注册时自己点选，这个过程比较繁琐，在实际应用时用户需要一个学习过程且操作不便，影响了掌纹认证系统的用户体验。
本发明中所使用的虚拟关键点不需要用户自定义，而是在系统中预先定义好，用户在拍摄手掌图像时只需要将手掌的特定部位与系统预定义的虚拟关键点对齐即可，省去了用户自定义虚拟关键点的步骤，增强了掌纹认证系统的用户友好度。
本发明中使用两种虚拟关键点定义方法：
虚拟关键点定义方法1
如图3所示，在定义方法1中，虚拟关键点定义为掌纹主线与手掌边缘的交点，即图3中的A、B两点。线段AB的角度可以通过以下方式对大量用户的使用习惯来进行统计学习，其确定方法如下（令手掌图像和屏幕的左上角为坐标原点，向右、向下为正方向）：
1、用户以最自然、舒适的方式伸直和放置手掌；
2、对每个用户的同一侧手掌采集k幅手掌图像，即m个用户总共采集幅掌纹图像，作为训练样本；
3、在这n幅图上标记出掌纹主线与手掌边缘交点和；
4、线段AB的角度的计算方法如下：
（1）对于每一幅手掌图像，设是复平面内的两点，则向量可以表示为：
，
其中r是的长度，是与横轴正向的夹角，是虚数单位。经长度归一化后，有：
（2）设最终得到的A，B两点在复平面中对应的向量为
，
令：
，
其中即为要求的线段AB的角度；
（3）将进行长度归一化后，得到：
，
将两端实部和虚部相对应，即可得到：
。
5、在确定了线段AB角度的基础上，为使得采集到的图像中有效手掌区域足够大，在采集图像时，可将线段AB尽可能长地显示在智能设备的屏幕上，用户将掌纹主线与手掌边缘的交点对准AB两点进行采集即可。
使用虚拟关键点定义方法1定义的虚拟关键点采集的手掌图像如图4所示。
虚拟关键点定义方法2
在前面所述的虚拟关键点定义方法1中，仅定义了2个点，即点A和B，这一方法存在的问题是2个点无法确定一个平面，当拍摄手掌图像时，虽然可以保证所有用户的手掌均可以与虚拟关键点适配，但不能消除手掌以线段AB为轴线进行三维旋转，从而难以保证每次手掌的倾斜度一致，这会对系统的精度产生严重影响。若再在手掌上固定一个点，比如中指和无名指交点C，三个点可确定一个平面，可避免手掌的倾斜。但由于每个人的手掌大小、比例不一样，使得不同用户在对准点A和点B的同时，很难对准点C。为此，本发明设计了第二种虚拟关键点的定义方法，如图5所示。在该方法中，第三个点不需要完全对齐，只需落在与线段AB平行的一条直线上即可。关键点定义为掌纹主线与手掌边缘的交点（图5中AB两点），辅以经过中指与无名指指缝之间点C的直线（图5中直线NM），直线NM与线段AB平行。由于两条平行线可确定一个平面，因此以点A、B和直线NM来对掌纹图像进行定位，可避免手掌的倾斜。实际应用时，可构造梯形ABMN显示在屏幕上，其中AB的角度、AB与NM之间的距离、点M与点N的位置可通过大量用户的使用习惯来进行统计学习确定。其确定方法如下（令手掌图像和屏幕的左上角为坐标原点，向右、向下为正方向）：
1、用户以最自然、舒适的方式伸直和放置手掌；
2、对每个用户的同一侧手掌采集k幅手掌图像，即m个用户总共采集幅掌纹图像，作为训练样本；
3、在这n幅图上标记出掌纹主线与手掌边缘交点和，设其坐标分别为和；
4、按照关键点定义方法1中的第4歩计算线段AB的角度。
5、在n幅图像中，标记出中指和无名指指缝之间的点，设其坐标分别为。假设最终确定的线段AB的长度为l，则MN到AB的距离d表示为：
,
其中，表示点到点之间连线的距离。
6、假设各幅图像上线段AiBi的长度放缩为l，则各幅图像上的点的坐标也进行相同比例的放缩，将放缩后的点向直线MN上投影得到点，假设点M’和点N’是所有位于直线MN上的点中相距最远的两个点，将线段M’N’向两端各延长，得到线段MN（如图5所示）。
7、经1-6歩确定了梯形ABMN的形状后，为确保采集到图像中有效手掌区域足够大，采集图像时，可将梯形ABMN尽可能大并完整地显示在智能移动设备的屏幕上，用户需将掌纹主线与手掌边缘的交点对准AB点，并使中指和无名指指缝之间的点C位于NM上，如图6所示。这样，所有用户在较为自然舒适的状态下，中指和无名指指缝之间的点均可以落在该线段上。
使用虚拟关键点定义方法2定义的虚拟关键点采集的手掌图像如图6所示。
2、感兴趣区域提取
本发明中感兴趣区域根据虚拟关键点的位置确定，确定的感兴趣区域是手掌上纹理较丰富的一个正方形区域DEFG，如图7所示，其确定过程用下式表示：
其中m,n,p是正数，决定了感兴趣区域的大小和位置，可以根据具体应用需求确定其值。
3、掌纹特征提取与匹配
本发明掌纹特征提取过程如下：
（1）对掌纹的感兴趣区域图像在M个方向上分别计算1到N阶导数，得到个导数图像，记为；
（2）对于每个导数图像，计算每个像素值的符号，得到符号图像，即：
，
其中为中像素的值，为中像素的值。
本发明中特征匹配规则表示为：
，
其中为逻辑异或运算，I,J为掌纹感兴趣区域图像的尺寸，分别为两幅掌纹图像第i个符号图像。
4、注册
注册过程在客户端的智能移动设备上实现。其流程如图8所示。
如图8中所示，进入客户端的注册界面后，首先录入注册用户的身份标识，而后移动设备的屏幕上将显示系统预定义的虚拟关键点，用户根据虚拟关键点采集若干幅掌纹图像用于注册。用户标识、掌纹图像等注册信息将上传至服务器。服务器端进行感兴趣区域提取、掌纹特征提取操作，并将用户标识、掌纹特征等信息保存在数据库中，并向客户端返回注册成功或失败信息。根据需要，感兴趣区域提取和掌纹特征提取等操作也可在客户端进行，只上传最后的特征，从而减少网络传输数据量，服务器端只存储掌纹特征。
5、认证
本发明的认证过程如图9所示。进入认证界面后，首先用户输入身份标识，而后移动设备的屏幕上将显示系统预定义的虚拟关键点。用户根据虚拟关键点拍摄掌纹图像并上传到服务器。服务器端进行感兴趣区域提取、掌纹特征提取、掌纹特征匹配等操作，并根据认证结果进行后继操作（如完成支付、转账、登陆等）。同样根据需要感兴趣区域提取和掌纹特征提取等操作也可在客户端进行，只上传最后的特征，从而减少网络传输数据量，服务器端只进行特征匹配。

Claims (6)

1.一种移动互联网掌纹身份认证方法，其特征在于所述方法包括以下步骤：
一、注册阶段
(1)首先录入注册用户的身份标识；
(2)通过智能移动设备自带的摄像头采集待注册用户的掌纹图像，采集掌纹图像时，使用基于虚拟关键点的手掌定位方法进行拍摄；
(3)根据虚拟关键点的位置确定感兴趣区域；
(4)在感兴趣区域内进行掌纹特征提取；
(5)存储用户注册信息、掌纹特征，完成注册；
二、认证阶段
(1)用户输入身份标识；
(2)通过智能移动设备自带的摄像头采集用户的掌纹图像，采集掌纹图像时，使用基于虚拟关键点的手掌定位方法进行拍摄；
(3)根据虚拟关键点的位置确定感兴趣区域；
(4)在感兴趣区域内进行掌纹特征提取；
(5)将提取的掌纹特征与注册的掌纹特征进行匹配；
(6)若匹配成功，则进行后继操作；若匹配失败，则拒绝后继操作；
基于虚拟关键点的手掌定位方法步骤如下：
(1)定义掌纹主线与手掌边缘的交点A、B两点为虚拟关键点；
(2)对每个用户的同一侧手掌采集k幅手掌图像，即m个用户总共采集n＝k×m幅掌纹图像，作为训练样本；
(3)在这n幅图上标记出掌纹主线与手掌边缘交点A1，...，An和B1，...，Bn；
(4)计算线段AB的角度；
(5)在确定了线段AB角度的基础上，在采集图像时，用户将掌纹主线与手掌边缘的交点对准AB两点进行采集即可。
2.根据权利要求1所述的移动互联网掌纹身份认证方法，其特征在于所述基于虚拟关键点的手掌定位方法步骤如下：
(1)定义掌纹主线与手掌边缘的交点A、B两点和中指与无名指指缝之间的点C为虚拟关键点；
(2)定义经过中指与无名指指缝之间点C的直线为NM，直线NM与线段AB平行；
(3)对每个用户的同一侧手掌采集k幅手掌图像，即m个用户总共采集n＝k×m幅掌纹图像，作为训练样本；
(4)在这n幅图上标记出掌纹主线与手掌边缘交点A1，...，An和B1，...，Bn，设其坐标分别为(ax1，ay1)，...，(axn，ayn)和(bx1，by1)，...，(bxn，byn)；
(5)计算线段AB的角度θ；
(6)在n幅图像中，标记出中指和无名指指缝之间的点Ci，设其坐标分别为(cx1，cy1)，...，(cxn，cyn)，假设最终确定的线段AB的长度为l，则直线NM到线段AB的距离d可按如下公式确定为：
其中，di表示点(cxi，cyi)到点(axi，ayi)，(bxi，byi)之间连线的距离；
(7)假设各幅图像上线段AiBi的长度放缩为l，则各幅图像上的Ci点的坐标也进行相同比例的放缩，将放缩后的Ci点向直线NM上投影得到点C′i，假设点M’和点N’是所有位于直线NM上的点C′i中的相距最远的两个点，将线段M’N’向两端各延长Δ，得到线段NM；
(8)在此基础上，采集图像时，用户将掌纹主线与手掌边缘的交点对准AB点，并使中指和无名指指缝之间的点C位于NM上进行采集。
3.根据权利要求1或2所述的移动互联网掌纹身份认证方法，其特征在于所述线段AB的角度的计算步骤如下：
(1)对于每一幅手掌图像，设Ai，Bi是复平面内的两点，则向量可以表示为：
其中r是的长度，θi是与横轴正向的夹角，是虚数单位，经长度归一化后，有：
(2)设最终得到的A，B两点在复平面中对应的向量为
令：
其中θ即为要求的线段AB的角度；
(3)将进行长度归一化后，得到：
将两端实部和虚部相对应，即可得到：
4.根据权利要求1所述的移动互联网掌纹身份认证方法，其特征在于所述感兴趣区域DEFH的确定过程用下式表示：
EF⊥AB，
其中m，n，p是正数，决定了感兴趣区域的大小和位置。
5.根据权利要求1所述的移动互联网掌纹身份认证方法，其特征在于所述掌纹特征提取过程如下：
(1)对掌纹的感兴趣区域图像在M个方向上分别计算1到N阶导数，得到M×N个导数图像，记为IDi，i＝1，...，M×N；
(2)对于每个导数图像IDi，计算每个像素值的符号，得到符号图像ICi，即：
其中IDi(x，y)为IDi中像素(x，y)的值，ICi(x，y)为ICi中像素(x，y)的值。
6.根据权利要求1所述的移动互联网掌纹身份认证方法，其特征在于所述掌纹特征匹配规则表示为：
其中为逻辑异或运算，I和J为掌纹感兴趣区域的尺寸，分别为两幅掌纹图像第i个符号图像。
CN201410074050.4A 2014-03-03 2014-03-03 移动互联网掌纹身份认证方法 Active CN103793642B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410074050.4A CN103793642B (zh) 2014-03-03 2014-03-03 移动互联网掌纹身份认证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410074050.4A CN103793642B (zh) 2014-03-03 2014-03-03 移动互联网掌纹身份认证方法

Publications (2)

Publication Number Publication Date
CN103793642A CN103793642A (zh) 2014-05-14
CN103793642B true CN103793642B (zh) 2016-06-29

Family

ID=50669296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410074050.4A Active CN103793642B (zh) 2014-03-03 2014-03-03 移动互联网掌纹身份认证方法

Country Status (1)

Country Link
CN (1) CN103793642B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751040A (zh) * 2014-07-25 2015-07-01 北京智膜科技有限公司 基于智能移动信息设备的指纹检测方法
MX2017001678A (es) * 2014-08-04 2017-05-09 Mobile Search Security LLC Sistema de contacto movil seguro (smcs).
CN104580143A (zh) * 2014-11-09 2015-04-29 李若斌 一种基于手势识别的安全认证方法、终端、服务器和系统
EP3091492A1 (en) * 2015-05-05 2016-11-09 Mastercard International Incorporated Systems, methods, devices, and computer readable media for enabling electronic payment transfers
CN104951940B (zh) * 2015-06-05 2018-07-03 西安理工大学 一种基于掌纹识别的移动支付验证方法
CN105205944A (zh) * 2015-09-22 2015-12-30 电子科技大学 一种基于智能终端的自助存取系统
CN105335853A (zh) * 2015-10-26 2016-02-17 惠州Tcl移动通信有限公司 一种基于掌纹识别的移动终端支付方法、系统及移动终端
CN110321690A (zh) * 2019-07-15 2019-10-11 山东浪潮通软信息科技有限公司 一种基于生物特征匹配的身份鉴别方法
CN116884045B (zh) * 2023-09-07 2024-01-02 腾讯科技（深圳）有限公司 身份识别方法、装置、计算机设备和存储介质
CN117350737B (zh) * 2023-11-29 2024-05-14 深圳市盛思达通讯技术有限公司 一种基于掌纹识别的支付方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622596A (zh) * 2012-02-20 2012-08-01 哈尔滨工业大学 面向生物特征识别的交互式定位方法
CN103440480A (zh) * 2013-06-05 2013-12-11 哈尔滨工业大学 基于掌纹图像配准的非接触掌纹识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8527758B2 (en) * 2009-12-09 2013-09-03 Ebay Inc. Systems and methods for facilitating user identity verification over a network

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622596A (zh) * 2012-02-20 2012-08-01 哈尔滨工业大学 面向生物特征识别的交互式定位方法
CN103440480A (zh) * 2013-06-05 2013-12-11 哈尔滨工业大学 基于掌纹图像配准的非接触掌纹识别方法

Also Published As

Publication number Publication date
CN103793642A (zh) 2014-05-14

Similar Documents

Publication Publication Date Title
CN103793642B (zh) 移动互联网掌纹身份认证方法
CN108764024B (zh) 人脸识别模型的生成装置、方法及计算机可读存储介质
US20220165087A1 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
Xu et al. Virtual u: Defeating face liveness detection by building virtual models from your public photos
CN103390153B (zh) 用于生物特征验证的纹理特征的方法和系统
US20150186708A1 (en) Biometric identification system
CN103577801B (zh) 用于生物特征验证的质量度量的方法和系统
EP4022474A2 (en) Id verification with a mobile device
WO2016177259A1 (zh) 一种相似图像识别方法及设备
WO2019071664A1 (zh) 结合深度信息的人脸识别方法、装置及存储介质
CN111091075B (zh) 人脸识别方法、装置、电子设备及存储介质
CN105260726B (zh) 基于人脸姿态控制的交互式视频活体检测方法及其系统
CN107273844A (zh) 掌静脉识别匹配方法及装置
CN111914775B (zh) 活体检测方法、装置、电子设备及存储介质
CN108288012A (zh) 一种基于手机实现的艺术品备案验证方法及其系统
US20200302041A1 (en) Authentication verification using soft biometric traits
CN105718776B (zh) 一种三维手势验证方法及系统
TW201937392A (zh) 與配備有相機之裝置連接之用於生物特徵量測鑑認之系統及方法
CN113642639B (zh) 活体检测方法、装置、设备和存储介质
Zhang et al. Pay by showing your palm: A study of palmprint verification on mobile platforms
KR102151474B1 (ko) 스마트 단말기를 이용한 비접촉 지문인증 방법
Li et al. Generative adversarial networks-based privacy-preserving 3D reconstruction
Di Martino et al. Rethinking shape from shading for spoofing detection
JP5931646B2 (ja) 画像処理装置
Nakazawa et al. Registration of eye reflection and scene images using an aspherical eye model

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210412

Address after: Room 206-10, building 16, 1616 Chuangxin Road, Songbei District, Harbin City, Heilongjiang Province

Patentee after: Harbin jizuo technology partnership (L.P.)

Patentee after: Harbin Institute of Technology Asset Management Co.,Ltd.

Address before: 150000 No. 92, West Da Zhi street, Nangang District, Harbin, Heilongjiang.

Patentee before: HARBIN INSTITUTE OF TECHNOLOGY

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210615

Address after: Room 206-12, building 16, 1616 Chuangxin Road, Songbei District, Harbin City, Heilongjiang Province

Patentee after: Harbin Institute of Technology Institute of artificial intelligence Co.,Ltd.

Address before: Room 206-10, building 16, 1616 Chuangxin Road, Songbei District, Harbin City, Heilongjiang Province

Patentee before: Harbin jizuo technology partnership (L.P.)

Patentee before: Harbin Institute of Technology Asset Management Co.,Ltd.