CN105631285A - 一种生物特征身份识别方法及装置 - Google Patents

一种生物特征身份识别方法及装置 Download PDF

Info

Publication number
CN105631285A
CN105631285A CN201510626303.9A CN201510626303A CN105631285A CN 105631285 A CN105631285 A CN 105631285A CN 201510626303 A CN201510626303 A CN 201510626303A CN 105631285 A CN105631285 A CN 105631285A
Authority
CN
China
Prior art keywords
biological characteristic
biometric image
characteristic region
piece
region
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
Application number
CN201510626303.9A
Other languages
English (en)
Inventor
孔领领
陈香
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.)
Yulong Computer Telecommunication Scientific Shenzhen Co Ltd
Original Assignee
Yulong Computer Telecommunication Scientific Shenzhen Co Ltd
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 Yulong Computer Telecommunication Scientific Shenzhen Co Ltd filed Critical Yulong Computer Telecommunication Scientific Shenzhen Co Ltd
Priority to CN201510626303.9A priority Critical patent/CN105631285A/zh
Priority to PCT/CN2015/093379 priority patent/WO2017054276A1/zh
Publication of CN105631285A publication Critical patent/CN105631285A/zh
Pending legal-status Critical Current

Links

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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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
    • G06V40/13—Sensors therefor
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供一种生物特征身份识别方法及装置，在获得第一生物特征图像后，对第一生物特征图像进行分块得到多块第一生物特征区域，再对每块第一生物特征区域进行特征提取，得到每块第一生物特征区域的特征数据，然后基于第一生物特征区域的匹配结果，得到第一生物特征图像的匹配度，并基于第一生物特征图像的匹配度，得到第一生物特征图像对应的用户身份识别结果。也就是说本发明可以基于第一生物特征区域的合法匹配的比例来得到第一生物特征图像对应的用户身份识别结果，在一定程度上降低对第一生物特征图像的质量要求，进而降低因拍摄角度、光照等导致采集第一生物特征图像不完整导致的重复识别的概率。

Description

一种生物特征身份识别方法及装置
技术领域
本发明属于特征识别技术领域，更具体的说，尤其涉及一种生物特征身份识别方法及装置。
背景技术
由于虹膜自身的稳定性、非侵犯性、不可更改性等优点，虹膜识别已经成为生物特征身份鉴别领域中的研究热点。现有虹膜识别的主要过程包括：虹膜定位，虹膜图像的采集，虹膜图像的归一化，虹膜图像的增强和虹膜图像中的特征提取，然后将提取到的特征进行匹配以得到虹膜图像对应的用户身份。
其中，虹膜定位主要是通过识别算法来识别眼睛内外边界，通过内外边界定位虹膜，内边界主要是指瞳孔的边界，由于瞳孔与眼睛的亮度区别较大，通常采用二值化即可将瞳孔从眼睛中分离，外边界则是指与瞳孔同心的到眼睛上下边界的圆的边界。虹膜图像的归一化则是将虹膜图像的大小和比例统一调整到统一的校准，这是因为光照变化引起的瞳孔缩放以及镜头与人眼的距离不同，会造成虹膜在人眼图像的大小不同，这种弹性形变将会影响从虹膜图像中提取特征，因此必须将虹膜图像的大小和比例统一调整到统一的校准。目前常见的归一化方法是“二维坐标系”下的虹膜图像变化为“极坐标系”下的虹膜图像。并且由于光照的不均匀，导致虹膜图像中各个像素的亮度不一，这就增加从虹膜图像中提取特征的难度，所以可以通过亮度直方图的均衡化对虹膜图像进行增强处理，使得不同区域中各个像素的亮度变得相近，简化特征提取的难度。
相应的在特征提取过程中是以整幅虹膜图像为对象进行特征提取。比如从一幅虹膜图像中提取纹理的位置、大小、形状三个指标作为虹膜识别的特征，也就是说现有特征提取是在对虹膜图像进行归一化和增强处理后，直接从整幅虹膜图像中提取这三个特征。若是采集图像的过程中受到光照、角度、距离等因素影响导致采集到的虹膜图像信息不完整，使得无法提取到完整的虹膜特征，在此种情况下就会重复获取虹膜图形进行识别。
发明内容
有鉴于此，本发明的目的在于提供一种生物特征身份识别方法及装置，用于降低重复识别的次数。技术方案如下：
本发明提供一种生物特征身份识别方法，所述方法包括：
在获得第一生物特征图像后，对所述第一生物特征图像进行分块，得到多块第一生物特征区域；
对每块第一生物特征区域进行特征提取，得到每块第一生物特征区域的特征数据；
对每块第一生物特征区域的特征数据进行特征匹配，其中特征匹配过程是：将第i块第一生物特征区域的特征数据与预先存储的第i块第二生物特征区域的特征数据进行匹配，得到第i块第一生物特征区域的匹配结果，1≤i≤n，n为得到的第一生物特征区域总数，所述预先存储的第i块第二生物特征区域是对预先存储的合法用户的第二生物特征图像进行分块得到的一个区域；
基于所述第一生物特征区域的匹配结果，得到所述第一生物特征图像的匹配度，其中所述第一生物特征图像的匹配度用于指示所述第一生物特征图像相对于所述第二生物特征图像的匹配情况；
基于所述第一生物特征图像的匹配度，得到所述第一生物特征图像对应的用户身份识别结果。
优选的，所述在获得第一生物特征图像后，对所述第一生物特征图像进行分块，得到多块第一生物特征区域，包括：
在获得第一生物特征图像后，按照预设分块数量对所述第一生物特征图像进行分块，得到多块第一生物特征区域。
优选的，所述对每块第一生物特征区域的特征数据进行特征匹配，包括：并行对多块第一生物特征区域的特征数据进行匹配。
优选的，所述对每块第一生物特征区域的特征数据进行特征匹配，包括：依次对每块第一生物特征区域的特征数据进行匹配。
优选的，所述方法还包括：在对预设数量的第一生物特征区域进行匹配后，判断基于预设数量的第一生物特征区域的匹配结果得到的第一生物特征图像的匹配度是否指示所述第一生物特征图像对应的用户身份识别结果合法；
如果是，则终止对剩余的第一生物特征区域的匹配。
本发明还提供一种生物特征身份识别装置，所述装置包括：
分块单元，用于在获得第一生物特征图像后，对所述第一生物特征图像进行分块，得到多块第一生物特征区域；
提取单元，用于对每块第一生物特征区域进行特征提取，得到每块第一生物特征区域的特征数据；
匹配单元，用于对每块第一生物特征区域的特征数据进行特征匹配，其中特征匹配过程是：将第i块第一生物特征区域的特征数据与预先存储的第i块第二生物特征区域的特征数据进行匹配，得到第i块第一生物特征区域的匹配结果，1≤i≤n，n为得到的第一生物特征区域总数，所述预先存储的第i块第二生物特征区域是对预先存储的合法用户的第二生物特征图像进行分块得到的一个区域；
计算单元，用于基于所述第一生物特征区域的匹配结果，得到所述第一生物特征图像的匹配度，其中所述第一生物特征图像的匹配度用于指示所述第一生物特征图像相对于所述第二生物特征图像的匹配情况；
识别单元，用于基于所述第一生物特征图像的匹配度，得到所述第一生物特征图像对应的用户身份识别结果。
优选的，所述分块单元用于：在获得第一生物特征图像后，按照预设分块数量对所述第一生物特征图像进行分块，得到多块第一生物特征区域。
优选的，所述提取单元用于：并行对多块第一生物特征区域的特征数据进行匹配。
优选的，所述提取单元用于：依次对每块第一生物特征区域的特征数据进行匹配。
优选的，所述装置还包括：判断单元，用于在对预设数量的第一生物特征区域进行匹配后，判断基于预设数量的第一生物特征区域的匹配结果得到的第一生物特征图像的匹配度是否指示所述第一生物特征图像对应的用户身份识别结果合法，如果是，则触发所述提取单元终止对剩余的第一生物特征区域的匹配。
与现有技术相比，本发明提供的上述技术方案具有如下优点：
本发明提供的上述技术方案，在获得第一生物特征图像后，对第一生物特征图像进行分块得到多块第一生物特征区域，再对每块第一生物特征区域进行特征提取，得到每块第一生物特征区域的特征数据，然后基于第一生物特征区域的匹配结果，得到第一生物特征图像的匹配度，并基于第一生物特征图像的匹配度，得到第一生物特征图像对应的用户身份识别结果。也就是说本发明可以基于第一生物特征区域的合法匹配的比例来得到第一生物特征图像对应的用户身份识别结果，在一定程度上降低对第一生物特征图像的质量要求，进而降低因拍摄角度、光照等导致采集第一生物特征图像不完整导致的重复识别的概率。
附图说明
为了更清楚地说明本发明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，下面描述中的附图是本发明的一些实施例，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他的附图。
图1是本发明实施例提供的生物特征身份识别方法的流程图；
图2是本发明实施例提供的对第一生物特征图像分块的示意图；
图3是本发明实施例提供的第一生物特征区域匹配过程的示意图；
图4是本发明实施例提供的虹膜图像匹配过程和匹配结果的示意图；
图5是本发明实施例提供的生物特征身份识别装置的一种结构示意图；
图6是本发明实施例提供的生物特征身份识别装置的另一种结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本发明实施例提供的生物特征身份识别方法的流程图，可以采用与现有直接从整幅第一生物特征图像中提取特征数据不同的方式进行特征提取，可以包括以下步骤：
101：在获得第一生物特征图像后，对第一生物特征图像进行分块，得到多块第一生物特征区域。也就是说每块第一生物特征区域是第一生物特征图像的部分区域，且每块第一生物特征区域通过对第一生物特征图像分块得到。
在本发明实施例中，第一生物特征图像是用于对用户身份进行识别的基础，其可以人脸图像、虹膜图像和指纹图像中的任意一种。并且人脸图像和虹膜图像可以通过电子设备中的摄像装置获取，而指纹图像则可以通过电子设备中的指纹采集装置获取。在第一生物特征图像是虹膜图像或指纹图像的情况下，可以直接对第一生物特征图像进行分块；在第一生物特征图像是人脸图像的情况下，则需要首先识别出人脸图像中的特征对象所在区域，如人眼、嘴巴和鼻子所在区域，然后再对特征对象所在区域分块以得到多块第一生物特征区域。
在对上述第一生物特征图像进行分块时，可以按照预设分块数量对第一生物特征图像进行分块，即将第一生物特征图像划分成预设分块数量的第一生物特征图像，如图2所示，其中图2左边为一第一生物特征图像，将该第一生物特征图像划分成图2右边所示的n块第一生物特征区域，n为预设分块数量。
在本发明实施例中，预设分块数量可以是一固定取值或者其可以根据识别准确度来设定，当识别准确度较高时可以增大预设分块数量的取值；当识别准确度较低时则可以降低预设分块数量的取值。此外上述预设分块数量还可以与第一生物特征图像的质量相关，即第一生物特征图像的质量较高时可以增大预设分块数量的取值；当第一生物特征图像的质量较低时则可以降低预设分块数量的取值，其中第一生物特征图像的质量与获取第一生物特征图像的装置的配置参数相关，以摄像装置为例，当摄像装置的分辨率较高时，得到的第一生物特征图像的清晰度越好，则说明第一生物特征图像的质量较高；当摄像装置的分辨率较低时，得到的第一生物特征图像的清晰度则会降低，说明第一生物特征图像的质量较低。
102：对每块第一生物特征区域进行特征提取，得到每块第一生物特征区域的特征数据，即本发明实施例可以分块来提取第一生物特征图像中的特征数据，与现有技术中直接从整幅第一生物特征图像中的提取不同，尤其是电子设备可以并行处理数据的情况下，采用分块提取方式可以使得电子设备并行对多块第一生物特征区域进行特征提取，从而加快提取速度。
103：对每块第一生物特征区域的特征数据进行特征匹配，其中特征匹配过程是：将第i块第一生物特征区域的特征数据与预先存储的第i块第二生物特征区域的特征数据进行匹配，得到第i块第一生物特征区域的匹配结果，1≤i≤n，n为得到的第一生物特征区域总数，预先存储的第i块第二生物特征区域是对预先存储的合法用户的第二生物特征图像进行分块得到的一个区域。
在本发明实施例中，为能够对每块第一生物特征区域的特征数据进行特征匹配，第二生物特征图像的第二生物特征区域的数量与第一生物特征图像的第一生物特征区域的数量相同，这样才能够对第一生物特征区域和第二生物特征区域进行一对一匹配，其中第一生物特征区域和第二生物特征区域进行一对一匹配的过程如图3所示，即对于第1块至第n块来说，将第1块第一生物特征区域与第1块第二生物特征区域进行匹配、第2块第一生物特征区域与第2块第二生物特征区域进行匹配、......、第n块第一生物特征区域与第n块第二生物特征区域进行匹配，得到的匹配结果依次为σ1、σ2、......、σn，其中匹配结果以匹配度来表示，其取值范围为0％到100％，且图3中的∈表示特征匹配。
104：基于第一生物特征区域的匹配结果，得到第一生物特征图像的匹配度。
105：基于第一生物特征图像的匹配度，得到第一生物特征图像对应的用户身份识别结果。
其中第一生物特征图像的匹配度用于指示第一生物特征图像相对于第二生物特征图像的匹配情况，如果第一生物特征图像的匹配度指示第一生物特征图像与第二生物特征图像匹配，则表明第一生物特征图像对应的用户身份为合法用户身份；如果第一生物特征图像的匹配度指示第一生物特征图像与第二生物特征图像不匹配，则表明第一生物特征图像对应的用户身份为非法用户身份。
从上述技术方案可知，本发明实施例提供的生物特征身份识别方法在获得第一生物特征图像后，对第一生物特征图像进行分块得到多块第一生物特征区域，再对每块第一生物特征区域进行特征提取，得到每块第一生物特征区域的特征数据，然后基于第一生物特征区域的匹配结果，得到第一生物特征图像的匹配度，并基于第一生物特征图像的匹配度，得到第一生物特征图像对应的用户身份识别结果，也就是说本发明可以基于第一生物特征区域的合法匹配的比例来得到第一生物特征图像对应的用户身份识别结果，在一定程度上降低对第一生物特征图像的质量要求，进而降低因拍摄角度、光照等导致采集第一生物特征图像不完整导致的重复识别的概率。
在本发明实施例中，第一生物特征图像的匹配度可以通过对各个第一生物特征区域的匹配结果进行归一化处理得到，其归一化处理过程如下：
首先，设置第一生物特征区域的判断阈值，记为θ，其中θ的取值可以根据电子设备的安全等级要求而定，例如在安全等级要求较低应用下θ可以取较小的值，比如60％，相反对安全等级要求较高的应用下θ可以取80％到90％。用Qi表示每块第一生物特征区域的匹配情况，其取值如下：
其中取值“1”表示第i块第一生物特征区域与第i块第二生物特征区域匹配；取值“0”表示第i块第一生物特征区域与第i块第二生物特征区域不匹配。
其次，计算匹配的第一生物特征区域的数量在分块总数中的比例，记为η，取值如下：
其中n为分块总数，η表示为第一生物特征图像的匹配度。也就是说本发明实施例中第一生物特征图像的匹配度与匹配的第一生物特征区域的数量相关，在因拍摄角度、光照等导致第一生物特征图像不完整的情况下，本发明实施例可以通过划分更多的第一生物特征区域的方式来提高与第二生物特征区域匹配的第一生物特征区域的数量，以此提高相对于基于整幅第一生物特征图像的一次匹配方式的识别准确度。
以下结合具体实例对本发明实施例提供的技术方案进行详细说明：假设第一生物特征图像为虹膜图像，并将虹膜图像分为上下两个区域，即n＝2，分别提取上下两个区域的特征。这两个区域的特征数据和第二生物特征图像的特征数据为：
上半区域特征数据＝{50、23、32、41、65、85、49、76、21、11}；
下半区域特征数据＝{47、35、47、38、69、85、25、35、99、52}；
第二生物特征图像的上半区域特征序列＝{50、78、32、41、65、85、49、55、21、11}；
第二生物特征图像的下半区域特征序列＝{33、45、47、77、39、41、25、85、22、58}；
两个区域的匹配流程如图4所示，其中粗体部分的数据表示不匹配，正常字体部分的数据匹配，且上半区域的匹配度为80％，由于虹膜图像受光照和拍摄角度影响导致下半区域采集的图像质量较差，使得下半区域提取的特征不够准确，最终导致下半区域的匹配度为20％。若是按照直接从整幅虹膜图像进行特征提取并匹配，其匹配度最高为50％。若匹配的阈值θ＝70％，则现有直接从整幅虹膜图像进行特征提取并匹配的识别结果是不匹配，即用户身份为非法用户身份，这就造成合法用户的误判；而采用本发明实施例得到分块识别的结果是上半区域匹配，下半区域不匹配。若选取η＝40％，则最终的识别结果是匹配，正确识别合法用户的身份。
此外本发明实施例提供的生物特征身份识别方法还可以串行对每块第一生物特征区域的特征数据进行匹配，即对于第1块第一生物特征区域至第n块第一生物特征区域来说，依次对每块第一生物特征区域的特征数据进行匹配，这样在对预设数量的第一生物特征区域进行匹配后，判断基于预设数量的第一生物特征区域的匹配结果得到的第一生物特征图像的匹配度是否指示第一生物特征图像对应的用户身份识别结果合法，如果是，则终止对剩余的第一生物特征区域的匹配；如果否可以在对剩余的第一生物特征区域依次进行匹配的过程中，判断每次匹配后得到的第一生物特征图像的匹配度是否指示第一生物特征图像对应的用户身份识别结果合法，如果是，则终止对剩余的第一生物特征区域的匹配，如果否则继续匹配并判断。
也就是说在依次对每块第一生物特征区域的特征数据进行匹配的情况下，可以首先对部分第一生物特征区域进行匹配，然后得到基于这部分第一生物特征区域的第一生物特征图像的匹配度，若此时得到的第一生物特征图像的匹配度指示第一生物特征图像对应的用户身份识别结果合法，则可以不再对剩余的第一生物特征区域进行匹配，从而减少匹配的第一生物特征区域的数量，进而可以节省系统资源。其中预设数量可以大于等于n/2，具体取值本发明实施例并不加以限定。
在这里需要说明的一点是：本发明实施例提供的第一生物特征图像的匹配度与匹配的第一生物特征区域的数量相关，若一百块第一生物特征区域中只有一块匹配，即使其匹配度达到100％，也判定用户身份为非法用户身份，以排除因提取的特征数据不精确导致误识别。若是要求匹配的第一生物特征区域过多则会失去分块的意义，因此η的取值在设置过程中不宜较高，例如全等级要求较高的应用下η最大取值可以是70％，安全等级要求不高的应用下可选取稍微小的比例比如30％。
与上述方法实施例相对应的，本发明实施例还提供一种生物特征身份识别装置，其结构示意图如图5所示，可以包括：分块单元11、提取单元12、匹配单元13、计算单元14和识别单元15。
分块单元11，用于在获得第一生物特征图像后，对第一生物特征图像进行分块，得到多块第一生物特征区域。也就是说每块第一生物特征区域是第一生物特征图像的部分区域，且每块第一生物特征区域通过对第一生物特征图像分块得到。
在本发明实施例中，第一生物特征图像是用于对用户身份进行识别的基础，其可以人脸图像、虹膜图像和指纹图像中的任意一种。并且人脸图像和虹膜图像可以通过电子设备中的摄像装置获取，而指纹图像则可以通过电子设备中的指纹采集装置获取。在第一生物特征图像是虹膜图像或指纹图像的情况下，可以直接对第一生物特征图像进行分块；在第一生物特征图像是人脸图像的情况下，则需要首先识别出人脸图像中的特征对象所在区域，如人眼、嘴巴和鼻子所在区域，然后再对特征对象所在区域分块以得到多块第一生物特征区域。
在对上述第一生物特征图像进行分块时，分块单元11可以按照预设分块数量对第一生物特征图像进行分块，即将第一生物特征图像划分成预设分块数量的第一生物特征图像，如图2所示，其中图2左边为一第一生物特征图像，将该第一生物特征图像划分成图2右边所示的n块第一生物特征区域，n为预设分块数量。
在本发明实施例中，预设分块数量可以是一固定取值或者其可以根据识别准确度来设定，当识别准确度较高时可以增大预设分块数量的取值；当识别准确度较低时则可以降低预设分块数量的取值。此外上述预设分块数量还可以与第一生物特征图像的质量相关，即第一生物特征图像的质量较高时可以增大预设分块数量的取值；当第一生物特征图像的质量较低时则可以降低预设分块数量的取值，其中第一生物特征图像的质量与获取第一生物特征图像的装置的配置参数相关，以摄像装置为例，当摄像装置的分辨率较高时，得到的第一生物特征图像的清晰度越好，则说明第一生物特征图像的质量较高；当摄像装置的分辨率较低时，得到的第一生物特征图像的清晰度则会降低，说明第一生物特征图像的质量较低。
提取单元12，用于对每块第一生物特征区域进行特征提取，得到每块第一生物特征区域的特征数据，即本发明实施例可以分块来提取第一生物特征图像中的特征数据，与现有技术中直接从整幅第一生物特征图像中的提取不同，尤其是电子设备可以并行处理数据的情况下，采用分块提取方式可以使得提取单元12并行对多块第一生物特征区域进行特征提取，从而加快提取速度。
匹配单元13，用于对每块第一生物特征区域的特征数据进行特征匹配，其中特征匹配过程是：将第i块第一生物特征区域的特征数据与预先存储的第i块第二生物特征区域的特征数据进行匹配，得到第i块第一生物特征区域的匹配结果，1≤i≤n，n为得到的第一生物特征区域总数，预先存储的第i块第二生物特征区域是对预先存储的合法用户的第二生物特征图像进行分块得到的一个区域。
在本发明实施例中，为能够对每块第一生物特征区域的特征数据进行特征匹配，第二生物特征图像的第二生物特征区域的数量与第一生物特征图像的第一生物特征区域的数量相同，这样才能够对第一生物特征区域和第二生物特征区域进行一对一匹配，其中第一生物特征区域和第二生物特征区域进行一对一匹配的过程如图3所示，即对于第1块至第n块来说，将第1块第一生物特征区域与第1块第二生物特征区域进行匹配、第2块第一生物特征区域与第2块第二生物特征区域进行匹配、......、第n块第一生物特征区域与第n块第二生物特征区域进行匹配，得到的匹配结果依次为σ1、σ2、......、σn，其中匹配结果以匹配度来表示，其取值范围为0％到100％，且图3中的∈表示特征匹配。
计算单元14，用于基于第一生物特征区域的匹配结果，得到第一生物特征图像的匹配度。
识别单元15，用于基于第一生物特征图像的匹配度，得到第一生物特征图像对应的用户身份识别结果。
其中第一生物特征图像的匹配度用于指示第一生物特征图像相对于第二生物特征图像的匹配情况，如果第一生物特征图像的匹配度指示第一生物特征图像与第二生物特征图像匹配，则表明第一生物特征图像对应的用户身份为合法用户身份；如果第一生物特征图像的匹配度指示第一生物特征图像与第二生物特征图像不匹配，则表明第一生物特征图像对应的用户身份为非法用户身份。
从上述技术方案可知，本发明实施例提供的生物特征身份识别装置在获得第一生物特征图像后，对第一生物特征图像进行分块得到多块第一生物特征区域，再对每块第一生物特征区域进行特征提取，得到每块第一生物特征区域的特征数据，然后基于第一生物特征区域的匹配结果，得到第一生物特征图像的匹配度，并基于第一生物特征图像的匹配度，得到第一生物特征图像对应的用户身份识别结果。也就是说本发明可以基于第一生物特征区域的合法匹配的比例来得到第一生物特征图像对应的用户身份识别结果，在一定程度上降低对第一生物特征图像的质量要求，进而降低因拍摄角度、光照等导致采集第一生物特征图像不完整导致的重复识别的概率。
在本发明实施例中，第一生物特征图像的匹配度可以通过对各个第一生物特征区域的匹配结果进行归一化处理得到，其归一化处理过程如下：
首先，设置第一生物特征区域的判断阈值，记为θ，其中θ的取值可以根据电子设备的安全等级要求而定，例如在安全等级要求较低应用下θ可以取较小的值，比如60％，相反对安全等级要求较高的应用下θ可以取80％到90％。用Qi表示每块第一生物特征区域的匹配情况，其取值如下：
其中取值“1”表示第i块第一生物特征区域与第i块第二生物特征区域匹配；取值“0”表示第i块第一生物特征区域与第i块第二生物特征区域不匹配。
其次，计算匹配的第一生物特征区域的数量在分块总数中的比例，记为η，取值如下：
其中n为分块总数，η表示为第一生物特征图像的匹配度。也就是说本发明实施例中第一生物特征图像的匹配度与匹配的第一生物特征区域的数量相关，在因拍摄角度、光照等导致第一生物特征图像不完整的情况下，本发明实施例可以通过划分更多的第一生物特征区域的方式来提高与第二生物特征区域匹配的第一生物特征区域的数量，以此提高相对于基于整幅第一生物特征图像的一次匹配方式的识别准确度。
此外本发明实施例提供的生物特征身份识别装置还具有其他结构，如图6所示，其中图6所示的生物特征身份识别装置中提取单元12串行对每块第一生物特征区域的特征数据进行匹配，即对于第1块第一生物特征区域至第n块第一生物特征区域来说，提取单元12依次对每块第一生物特征区域的特征数据进行匹配。
判断单元16，用于在对预设数量的第一生物特征区域进行匹配后，判断基于预设数量的第一生物特征区域的匹配结果得到的第一生物特征图像的匹配度是否指示第一生物特征图像对应的用户身份识别结果合法，如果是，则触发提取单元12终止对剩余的第一生物特征区域的匹配；如果否则触发提取单元12在对剩余的第一生物特征区域依次进行匹配，并在提取单元对剩余的第一生物特征区域依次进行匹配的过程中，判断单元16仍需要判断每次匹配后得到的第一生物特征图像的匹配度是否指示第一生物特征图像对应的用户身份识别结果合法，如果是，则触发提取单元12终止对剩余的第一生物特征区域的匹配，如果否则触发提取单元12继续匹配并判断。
也就是说在依次对每块第一生物特征区域的特征数据进行匹配的情况下，可以首先对部分第一生物特征区域进行匹配，然后得到基于这部分第一生物特征区域的第一生物特征图像的匹配度，若此时得到的第一生物特征图像的匹配度指示第一生物特征图像对应的用户身份识别结果合法，则可以不再对剩余的第一生物特征区域进行匹配，从而减少匹配的第一生物特征区域的数量，进而可以节省系统资源。其中预设数量可以大于等于n/2，具体取值本发明实施例并不加以限定。
在这里需要说明的一点是：本发明实施例提供的第一生物特征图像的匹配度与匹配的第一生物特征区域的数量相关，若一百块第一生物特征区域中只有一块匹配，即使其匹配度达到100％，也判定用户身份为非法用户身份，以排除因提取的特征数据不精确导致误识别。若是要求匹配的第一生物特征区域过多则会失去分块的意义，因此η的取值在设置过程中不宜较高，例如全等级要求较高的应用下η最大取值可以是70％，安全等级要求不高的应用下可选取稍微小的比例比如30％。
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。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域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发明的精神或范围的情况下，在其它实施例中实现。因此，本发明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。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种生物特征身份识别方法，其特征在于，所述方法包括：
在获得第一生物特征图像后，对所述第一生物特征图像进行分块，得到多块第一生物特征区域；
对每块第一生物特征区域进行特征提取，得到每块第一生物特征区域的特征数据；
对每块第一生物特征区域的特征数据进行特征匹配，其中特征匹配过程是：将第i块第一生物特征区域的特征数据与预先存储的第i块第二生物特征区域的特征数据进行匹配，得到第i块第一生物特征区域的匹配结果，1≤i≤n，n为得到的第一生物特征区域总数，所述预先存储的第i块第二生物特征区域是对预先存储的合法用户的第二生物特征图像进行分块得到的一个区域；
基于所述第一生物特征区域的匹配结果，得到所述第一生物特征图像的匹配度，其中所述第一生物特征图像的匹配度用于指示所述第一生物特征图像相对于所述第二生物特征图像的匹配情况；
基于所述第一生物特征图像的匹配度，得到所述第一生物特征图像对应的用户身份识别结果。
2.根据权利要求1所述的方法，其特征在于，所述在获得第一生物特征图像后，对所述第一生物特征图像进行分块，得到多块第一生物特征区域，包括：
在获得第一生物特征图像后，按照预设分块数量对所述第一生物特征图像进行分块，得到多块第一生物特征区域。
3.根据权利要求1所述的方法，其特征在于，所述对每块第一生物特征区域的特征数据进行特征匹配，包括：并行对多块第一生物特征区域的特征数据进行匹配。
4.根据权利要求1所述的方法，其特征在于，所述对每块第一生物特征区域的特征数据进行特征匹配，包括：依次对每块第一生物特征区域的特征数据进行匹配。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：在对预设数量的第一生物特征区域进行匹配后，判断基于预设数量的第一生物特征区域的匹配结果得到的第一生物特征图像的匹配度是否指示所述第一生物特征图像对应的用户身份识别结果合法；
如果是，则终止对剩余的第一生物特征区域的匹配。
6.一种生物特征身份识别装置，其特征在于，所述装置包括：
分块单元，用于在获得第一生物特征图像后，对所述第一生物特征图像进行分块，得到多块第一生物特征区域；
提取单元，用于对每块第一生物特征区域进行特征提取，得到每块第一生物特征区域的特征数据；
匹配单元，用于对每块第一生物特征区域的特征数据进行特征匹配，其中特征匹配过程是：将第i块第一生物特征区域的特征数据与预先存储的第i块第二生物特征区域的特征数据进行匹配，得到第i块第一生物特征区域的匹配结果，1≤i≤n，n为得到的第一生物特征区域总数，所述预先存储的第i块第二生物特征区域是对预先存储的合法用户的第二生物特征图像进行分块得到的一个区域；
计算单元，用于基于所述第一生物特征区域的匹配结果，得到所述第一生物特征图像的匹配度，其中所述第一生物特征图像的匹配度用于指示所述第一生物特征图像相对于所述第二生物特征图像的匹配情况；
识别单元，用于基于所述第一生物特征图像的匹配度，得到所述第一生物特征图像对应的用户身份识别结果。
7.根据权利要求6所述的装置，其特征在于，所述分块单元用于：在获得第一生物特征图像后，按照预设分块数量对所述第一生物特征图像进行分块，得到多块第一生物特征区域。
8.根据权利要求6所述的装置，其特征在于，所述提取单元用于：并行对多块第一生物特征区域的特征数据进行匹配。
9.根据权利要求6所述的装置，其特征在于，所述提取单元用于：依次对每块第一生物特征区域的特征数据进行匹配。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：判断单元，用于在对预设数量的第一生物特征区域进行匹配后，判断基于预设数量的第一生物特征区域的匹配结果得到的第一生物特征图像的匹配度是否指示所述第一生物特征图像对应的用户身份识别结果合法，如果是，则触发所述提取单元终止对剩余的第一生物特征区域的匹配。
CN201510626303.9A 2015-09-28 2015-09-28 一种生物特征身份识别方法及装置 Pending CN105631285A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201510626303.9A CN105631285A (zh) 2015-09-28 2015-09-28 一种生物特征身份识别方法及装置
PCT/CN2015/093379 WO2017054276A1 (zh) 2015-09-28 2015-10-30 一种生物特征身份识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510626303.9A CN105631285A (zh) 2015-09-28 2015-09-28 一种生物特征身份识别方法及装置

Publications (1)

Publication Number Publication Date
CN105631285A true CN105631285A (zh) 2016-06-01

Family

ID=56046211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510626303.9A Pending CN105631285A (zh) 2015-09-28 2015-09-28 一种生物特征身份识别方法及装置

Country Status (2)

Country Link
CN (1) CN105631285A (zh)
WO (1) WO2017054276A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886742A (zh) * 2015-12-16 2017-06-23 东莞市中控电子技术有限公司 一种虹膜采集方法及虹膜采集装置
CN107229915A (zh) * 2017-05-26 2017-10-03 北京小米移动软件有限公司 生物特征识别方法、装置、设备及存储介质
CN107358699A (zh) * 2017-07-17 2017-11-17 深圳市斑点猫信息技术有限公司 一种安全验证方法及系统
CN108196740A (zh) * 2017-11-28 2018-06-22 维沃移动通信有限公司 一种图标显示方法、装置及移动终端

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116346489B (zh) * 2023-04-14 2023-10-10 江苏奥诺电能科技有限公司 一种互联网信息安全通信系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231695A (zh) * 2008-01-19 2008-07-30 电子科技大学中山学院 一种基于多分辨率分析的虹膜识别方法
CN101916363A (zh) * 2010-05-28 2010-12-15 深圳大学 一种虹膜特征设计与编码方法及虹膜识别系统
CN101923640A (zh) * 2010-08-04 2010-12-22 中国科学院自动化研究所 基于鲁棒纹理特征和机器学习对伪造虹膜图像判别的方法
CN102087705A (zh) * 2011-03-16 2011-06-08 山东大学 一种基于毯子维和缺项的虹膜识别方法
CN102542243A (zh) * 2010-12-17 2012-07-04 北京理工大学 一种基于lbp图像和分块编码的虹膜特征提取方法
WO2013087028A1 (zh) * 2011-12-16 2013-06-20 北京天诚盛业科技有限公司 虹膜识别方法和基于多方向Gabor和Adaboost虹膜识别方法
CN102867308B (zh) * 2012-09-11 2015-06-03 大连理工大学 一种电脑输出视频图像变化检测的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101122949A (zh) * 2007-08-30 2008-02-13 中国科学技术大学 一种基于局部频率特征和局部方向特征的虹膜识别方法
CN103150561A (zh) * 2013-03-19 2013-06-12 华为技术有限公司 人脸识别方法和设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231695A (zh) * 2008-01-19 2008-07-30 电子科技大学中山学院 一种基于多分辨率分析的虹膜识别方法
CN101916363A (zh) * 2010-05-28 2010-12-15 深圳大学 一种虹膜特征设计与编码方法及虹膜识别系统
CN101923640A (zh) * 2010-08-04 2010-12-22 中国科学院自动化研究所 基于鲁棒纹理特征和机器学习对伪造虹膜图像判别的方法
CN102542243A (zh) * 2010-12-17 2012-07-04 北京理工大学 一种基于lbp图像和分块编码的虹膜特征提取方法
CN102087705A (zh) * 2011-03-16 2011-06-08 山东大学 一种基于毯子维和缺项的虹膜识别方法
WO2013087028A1 (zh) * 2011-12-16 2013-06-20 北京天诚盛业科技有限公司 虹膜识别方法和基于多方向Gabor和Adaboost虹膜识别方法
CN102867308B (zh) * 2012-09-11 2015-06-03 大连理工大学 一种电脑输出视频图像变化检测的方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886742A (zh) * 2015-12-16 2017-06-23 东莞市中控电子技术有限公司 一种虹膜采集方法及虹膜采集装置
CN107229915A (zh) * 2017-05-26 2017-10-03 北京小米移动软件有限公司 生物特征识别方法、装置、设备及存储介质
US10824891B2 (en) 2017-05-26 2020-11-03 Beijing Xiaomi Mobile Software Co., Ltd. Recognizing biological feature
CN107358699A (zh) * 2017-07-17 2017-11-17 深圳市斑点猫信息技术有限公司 一种安全验证方法及系统
CN108196740A (zh) * 2017-11-28 2018-06-22 维沃移动通信有限公司 一种图标显示方法、装置及移动终端
CN108196740B (zh) * 2017-11-28 2019-08-20 维沃移动通信有限公司 一种图标显示方法、装置及移动终端

Also Published As

Publication number Publication date
WO2017054276A1 (zh) 2017-04-06

Similar Documents

Publication Publication Date Title
KR100453943B1 (ko) 개인 식별을 위한 홍채 영상의 처리 및 인식방법과 시스템
US9785823B2 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
WO2021036436A1 (zh) 一种人脸识别方法及装置
CN106778664B (zh) 一种虹膜图像中虹膜区域的分割方法及其装置
KR101309889B1 (ko) 바이오메트릭 인증을 위한 텍스처 특징
CN108764041B (zh) 用于下部遮挡人脸图像的人脸识别方法
CN106529414A (zh) 一种通过图像比对实现结果认证的方法
CN105631285A (zh) 一种生物特征身份识别方法及装置
CN106709450A (zh) 一种指纹图像识别方法及系统
US10922399B2 (en) Authentication verification using soft biometric traits
Abate et al. BIRD: Watershed based iris detection for mobile devices
CN106570447B (zh) 基于灰度直方图匹配的人脸照片太阳镜自动去除方法
CN102867179A (zh) 一种数字证件照片采集质量检测的方法
CN105335719A (zh) 活体检测方法及装置
CN111832464B (zh) 一种基于近红外摄像头的活体检测方法及装置
Ravi et al. A novel method for touch-less finger print authentication
Chen et al. A robust segmentation approach to iris recognition based on video
CN106156739B (zh) 一种基于脸部轮廓分析的证件照耳朵检测与提取方法
KR101266603B1 (ko) 무인접수시스템의 사용자 인증을 위한 얼굴 인식 시스템
CN109697347B (zh) 基于指静脉和指形特征的用户特征认证方法及其装置
Jamaludin et al. The removal of specular reflection in noisy iris image
Kyaw et al. Performance analysis of features extraction on iris recognition system
CN106485210A (zh) 一种基于椭圆检测的虹膜检测方法
CN112270218A (zh) 一种用于指纹自动识别的方法及系统
CN110705352A (zh) 基于深度学习的指纹图像检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20160601

RJ01 Rejection of invention patent application after publication