CN106031638B - 基于指纹和心电图信号的用户验证方法和设备 - Google Patents

基于指纹和心电图信号的用户验证方法和设备 Download PDF

Info

Publication number
CN106031638B
CN106031638B CN201510122310.5A CN201510122310A CN106031638B CN 106031638 B CN106031638 B CN 106031638B CN 201510122310 A CN201510122310 A CN 201510122310A CN 106031638 B CN106031638 B CN 106031638B
Authority
CN
China
Prior art keywords
similarity
user
humidity level
data
equipment
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
CN201510122310.5A
Other languages
English (en)
Other versions
CN106031638A (zh
Inventor
裴致成
金尚骏
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics 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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN106031638A publication Critical patent/CN106031638A/zh
Application granted granted Critical
Publication of CN106031638B publication Critical patent/CN106031638B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/12—Fingerprints or palmprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
    • 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
    • G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
    • 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
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • 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
    • G06V40/1365—Matching; Classification
    • 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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • 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
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

公开了一种基于指纹和心电图信号的用户验证方法和设备。所述验证设备包括：生物测量数据获取器，被配置为获取用户的指纹数据和心电图(ECG)波形；湿度等级获取器，被配置为获取用户的皮肤的湿度等级。所述设备还包括：相似度提取器，被配置为：基于湿度等级来调整指纹数据与预先登记的用户的参考指纹数据之间的第一相似度以及ECG波形与所述预先登记的用户的参考ECG波形之间的第二相似度，并基于调整后的第一相似度和调整后的第二相似度来提取组合相似度。所述设备还包括：验证器，被配置为基于组合相似度来验证用户是否为所述预先登记的用户。

Description

基于指纹和心电图信号的用户验证方法和设备
本申请要求于2014年8月7日提交到韩国知识产权局的第10-2014-0101660号韩国专利申请的权益，其中，所述专利申请的全部公开通过引用合并于此以用于所有目的。
技术领域
以下描述涉及一种基于指纹和心电图(ECG)信号的用户验证方法和用户验证设备。
背景技术
正在研发一种将从身体提取出的信号和数据应用到各种系统的技术。例如，用于基于生物信号和生物测量数据(biometric data)而建立安全系统的生物测量技术正在引起关注。生物测量技术可指示这样的技术：提取与用户的身体相关联的信号或数据并将提取结果与预存的数据进行比较，从而通过识别将用户验证为已登记的用户。例如，在生物测量技术领域，正在研发一种基于个人心电图(ECG)信号来识别用户的技术。
生物测量技术可使用每个用户的唯一生物信号。由于唯一生物信号不会被偷或丢失，并且具有防止伪造或篡改的鲁棒性，所以生物测量技术在安全领域获得高度青睐。已进行研究提高唯一生物信号识别率。
发明内容
提供本发明内容以按照简化的形式来介绍对构思的选择，将在下面的具体实施方式中对所述构思进行描述。本发明内容不意图确定所要求的主题的关键特征或基本特征，也不意图用作帮助确定所要求的主题的范围。
在一个总的方面，提供一种验证设备，其中，所述验证设备包括：生物测量数据获取器，被配置为获取用户的指纹数据和心电图(ECG)波形；湿度等级获取器，被配置为获取用户的皮肤的湿度等级；所述设备还包括：相似度提取器，被配置为：基于湿度等级来调整指纹数据与预先登记的用户的参考指纹数据之间的第一相似度以及ECG波形与所述预先登记的用户的参考ECG波形之间的第二相似度，并基于调整后的第一相似度和调整后的第二相似度来提取组合相似度。所述设备还包括：验证器，被配置为基于组合相似度来验证用户是否为所述预先登记的用户。
可从用户的同一手指获取指纹数据、ECG波形和湿度等级。
生物测量数据获取器可包括：指纹特征点提取器，被配置为：使用指纹传感器来感测指纹数据并从指纹数据提取指纹特征点；ECG特征点提取器，被配置为：使用ECG传感器来感测ECG波形并且从ECG波形提取ECG特征点。
ECG传感器可包括：多个电极，被配置为获取用户的ECG信号；放大器，被配置为对ECG信号进行放大；数字转换器，被配置为将放大后的ECG信号转换为ECG波形。
相似度提取器可被配置为：在基于湿度等级确定的第一相似度与第一阈值之间的差值以及基于湿度等级确定的第二相似度与第二阈值之间的差值的基础上，提取组合相似度。
相似度提取器可被配置为从预定数据提取第一阈值和第二阈值。
相似度提取器可被配置为：在基于湿度等级的与每项预先存储的指纹数据相应的指纹特征点的数量之差或基于湿度等级的与每项预先存储的指纹数据相应的指纹特征点之间相隔的距离之差的基础上，提取第一阈值。
相似度提取器可被配置为：计算每个预先存储的ECG信号的基于湿度等级的信噪比(SNR)；基于SNR来提取第二阈值。
相似度提取器可被配置为：通过将基于湿度等级确定的第一加权值应用于第一相似度与第一阈值之间的差值并将基于湿度等级确定的第二加权值应用于第二相似度与第二阈值之间的差值，提取组合相似度。
相似度提取器可被配置为：通过将应用了第一加权值的差值与应用了第二加权值的差值相加来提取组合相似度。
相似度提取器可被配置为：以这样的方式来设置第一加权值和第二加权值：第一加权值与湿度等级负相关，第二加权值与湿度等级正相关，并且无论湿度等级如何第一加权值与第二加权值之和均为常数。
指纹特征点可包括指纹数据的以下项中的至少两项：脊线、上中心点、下中心点、左三角点、右三角点、分叉点和终结点。
ECG特征点可包括ECG波形的以下项中的至少两项：PR段、QRX波群、ST段、T波、U波、PR间期和QT间期。
验证器可被配置为：响应于组合相似度大于预定值，将用户验证为所述预先登记的用户。
在另一总的方面，提供一种验证设备，其中，所述验证设备包括：指纹传感器，被配置为感测用户的指纹数据；心电图(ECG)传感器，被配置为使用第一电极、第二电极和第三电极来感测用户的ECG波形。所述设备还包括：湿度传感器，被配置为感测用户的皮肤的湿度等级；处理器，被配置为基于湿度等级来调整指纹数据和预先登记的用户的参考指纹数据之间的第一相似度以及ECG波形和所述预先登记的用户的参考ECG波形之间的第二相似度，基于调整后的第一相似度和调整后的第二相似度来提取组合相似度，基于组合相似度来验证用户是否为所述预先登记的用户。
第一电极、指纹传感器和湿度传感器可被布置在预定区域中。
第一电极、指纹传感器和湿度传感器可被配置为感测用户的同一手指。
处理器可被配置为：在基于湿度等级确定的第一相似度与第一阈值之间的差值以及基于湿度等级确定的第二相似度与第二阈值之间的差值的基础上，提取组合相似度。
处理器可被配置为：通过将基于湿度等级确定的第一加权值应用于第一相似度与第一阈值之间的差值并将基于湿度等级确定的第二加权值应用于第二相似度与第二阈值之间的差值，提取组合相似度。
处理器可被配置为：通过将应用了第一加权值的差值与应用了第二加权值的差值相加来提取组合相似度。
在另一总的方面，提供一种验证设备，其中，所述验证设备包括：生物测量数据获取器，被配置为获取用户的第一生物测量数据和第二生物测量数据；湿度等级获取器，被配置为获取用户的皮肤的湿度等级。所述设备还包括：相似度提取器，被配置为：基于湿度等级来调整第一生物测量数据与预先登记的用户的相应第一参考生物测量数据之间的第一相似度以及第二生物测量数据与所述预先登记的用户的相应第二参考生物测量数据之间的第二相似度，并基于调整后的第一相似度和调整后的第二相似度来提取组合相似度。所述设备还包括：验证器，被配置为基于组合相似度来验证用户是否为所述预先登记的用户。
在另一总的方面，提供一种验证方法，其中，所述验证方法包括：获取用户的指纹数据和心电图(ECG)波形，并获取用户的皮肤的湿度等级。所述方法还包括：基于湿度等级来调整指纹数据与预先登记的用户的参考指纹数据之间的第一相似度以及ECG波形与所述预先登记的用户的参考ECG波形之间的第二相似度，并基于调整后的第一相似度和调整后的第二相似度来提取组合相似度。所述方法还包括：基于组合相似度来验证用户是否为所述预先登记的用户。
在另一总的方面，提供一种验证方法，其中，所述验证方法包括：获取用户的第一生物测量数据和第二生物测量数据，并获取用户的皮肤的湿度等级。所述方法还包括：基于湿度等级来调整第一生物测量数据和预先登记的用户的相应第一参考生物测量数据之间的第一相似度以及第二生物测量数据和所述预先登记的用户的相应第二参考生物测量数据之间的第二相似度，并且基于调整后的第一相似度和调整后的第二相似度来提取组合相似度。所述方法还包括：基于组合相似度来验证用户是否为预先登记的用户。
在另一总的方面，提供一种验证设备，其中，所述验证设备包括：处理器，被配置为基于用户皮肤的湿度等级来调整用户的第一生物测量数据与预先登记的用户的第一参考生物测量数据之间的第一相似度以及用户的第二生物测量数据与所述预先登记的用户的第二参考生物测量数据之间的第二相似度，基于调整后的第一相似度和调整后的第二相似度来提取组合相似度，并基于组合相似度来验证用户是否为所述预先登记的用户。
所述处理器可被配置为：响应于湿度等级提高，增加第一相似度并减少第二相似度；响应于湿度等级降低，减少第一相似度并增加第二相似度。
第一生物测量数据的质量可响应于湿度等级提高而降低，而第二生物测量数据的质量可响应于湿度等级提高而提高。
通过以下的具体实施方式、附图和权利要求，其它特征和方面将是清楚的。
附图说明
图1是示出验证设备的示例的框图。
图2是示出基于湿度等级的指纹数据和心电图(ECG)波形的质量的示例的示图。
图3是示出基于湿度等级的第一相似度的阈值和第二相似度的阈值的示例的框图。
图4是示出包括基于湿度等级的数据的查找表的示例的示图。
图5是示出验证设备的另一示例的框图。
图6是示出验证设备的示例的示图。
图7是示出验证设备的另一示例的示图。
图8是示出验证设备的另一示例的示图。
图9是示出验证方法的示例的流程图。
图10是示出验证方法的另一示例的流程图。
除非另有描述或规定，否则贯穿附图和详细描述，相同的附图标号将被理解为指示相同的元件、特征和结构。附图可不按比例缩放，并且为了清楚、说明和方便，可对附图中的元件的相对大小、比例和描绘可被夸大。
具体实施方式
提供以下详细描述以帮助读者获得对描述在此的方法、设备和/或系统全面理解。然而，对于本领域普通技术人员而言，在此描述的系统、设备和/或方法的各种改变、修改以及等同物将是清楚的。所描述的处理步骤和/或操作的进程是示例性的；然而，除非步骤和/或操作必须按照特定顺序发生，否则步骤和/或操作的顺序不受在此阐述的顺序的限制，并且可根据本领域的公知而改变。此外，为了更清楚和简明，对本领域普通技术人员公知的功能和结构的描述可被省略。
可以以不同形式来实施描述在此的特征，并且描述在此的特征不应被解释为受限于在此描述的示例。与之相反，已提供在此描述的示例使得本公开将是彻底且完整的，并且在此描述的示例将向本领域普通技术人员转达本公开的完整范围。
图1是示出验证设备110的示例的框图。参照图1，验证设备110包括生物测量数据获取器120、湿度等级获取器130、相似度提取器140和验证器150。
生物测量数据获取器120获取关于用户的多项生物测量数据。验证设备110基于由生物测量获取器120获取的多项生物测量数据，确定是否允许用户访问包括验证设备110的装置。由于验证设备110基于多项生物测量数据而不是单项生物测量数据来对用户进行验证，所以可提高验证设备110的安全性。
在示例中，生物测量数据获取器120可从相应传感器接收例如用户的心电图(ECG)数据、肌电图(EMG)数据、虹膜数据、血管数据、静脉数据、语音数据、面部数据和/或掌纹数据。在示例中，生物测量数据获取器120可获取受湿度等级影响的多项生物测量数据。在下文中，为了更清楚和简明，将基于多项生物测量数据之中的指纹数据和ECG数据来提供针对验证设备110的描述。然而，由验证设备100使用的生物测量数据不限于指纹数据和ECG数据。
生物测量数据获取器120可包括指纹特征点提取器(未示出)和ECG特征点提取器(未示出)。指纹特征点提取器可使用指纹传感器来感测指纹数据。指纹传感器可包括例如光学传感器、基于半导体装置的传感器、超声传感器、基于热检测的传感器、非接触传感器和/或多路(multiple-way)传感器。指纹特征点提取器可提取指纹数据的多个指纹特征点。在此示例中，多个指纹特征点可包括指纹的以下项中的至少两项：脊线(ridge)、上中心点、下中心点、左三角点(delta)、右三角点、分叉点(bifurcation)和终结点。指纹特征点提取器可增加从指纹传感器接收到的指纹数据的明亮部分和阴影部分之间的对比，并从指纹数据中去除噪声。例如，指纹特征点提取器可从指纹数据针对每条脊线提取方向分量，对脊线和与脊线分离的谷线(valley)执行二进制编码，并检验脊线的粗细度，从而使指纹数据变细为线。此外，在示例中，指纹特征点提取器可从变细后的指纹数据提取脊线，并提取上中心点、下中心点、左三角点、右三角点、分叉点之间的距离、终结点之间的距离和/或分叉点和终结点的数量。
ECG特征点提取器可使用ECG传感器提取ECG波形。ECG传感器可包括多个电极、放大器和数字转换器。多个电极可与皮肤(例如，用户的手指)接触，并可用于感测用户的ECG信号。放大器可对在多个电极中感测的ECG信号进行放大。在示例中，放大器可被表示为模拟前端(AFE)。数字转换器可将放大后的ECG信号转换为数字信号以提取ECG波形。通过如此，可提高ECG信号的信噪比(SNR)。此外，ECG特征点提取器可从自ECG传感器接收到的ECG波形提取多个ECG特征点。在此示例中，多个ECG特征点可包括ECG波形的以下项中的至少两项：PR段、QRX波群、ST段、T波、U波、PR间期(interval)和QT间期。
湿度等级获取器130使用湿度传感器获取用户的湿度等级。湿度传感器可感测从用户皮肤蒸发掉的水量，并将感测结果转换为湿度等级。例如，湿度传感器可基于当皮肤上的水分被吸入多孔陶瓷或聚合物膜时发生的电容改变或电阻改变来提取湿度等级。湿度传感器可包括用于感测皮肤的湿度等级的任何传感器。在示例中，可将湿度传感器放置在指纹传感器和ECG传感器附近。在此示例中，湿度传感器、指纹传感器和ECG传感器可从用户的同一手指获取相应数据。
相似度提取器140可通过基于湿度等级适应性地调整第一相似度和第二相似度来提取组合相似度。在此示例中，第一相似度可指示参考指纹数据和在生物测量数据获取器120中获取的指纹数据之间的相似度，第二相似度可指示在参考ECG波形和在生物测量数据获取器120中获取的ECG波形之间的相似度。参考指纹数据和参考ECG波形可分别指示预先登记在验证设备110中的用户的指纹数据和ECG波形。组合相似度、第一相似度和第二相似度可以是例如百分比或分数。在此示例中，组合相似度可指示尝试被验证的用户与相应于参考指纹数据和参考ECG波形的预先登记的用户是否匹配。
在示例中，验证设备110可预先获取尝试被验证的用户的指纹数据和ECG波形，并存储获取的指纹数据和ECG波形。此外，验证设备110可从外源接收预先登记的参考指纹数据和参考ECG波形。
相似度提取器140可通过确定由生物测量数据获取器120获取的指纹数据中的多个指纹特征点与参考指纹数据中的多个指纹特征点是否匹配来提取第一相似度。在示例中，相似度提取器可基于例如简单图案匹配方案、统计识别方案和/或结构识别方案来确定第一相似度。在此示例中，简单图案匹配方案可指的是如下的方法：通过检验参考指纹数据中的多个指纹特征点的提取图案与包括在由生物测量数据提取器120获取的指纹数据中的多个指纹特征点的提取图案是否相同来确定相似度。统计识别方法可指的是如下的方法：当将被组合的两个指纹特征点之间的直接组合不可能时，通过计算参考指纹数据的特征向量和在生物测量数据获取器120中获取的指纹数据的特征向量之间的同时生成概率来确定相似度。结构识别方案可指的是如下的方法：从通过在结构上分析参考指纹数据的多个指纹特征点和在生物测量数据获取器120中获取的指纹数据的多个指纹特征点而获得的曲线来提取相似度。
此外，相似度提取器140可基于在生物测量数据获取器120中获取的ECG波形的多个ECG特征点和参考ECG波形的多个ECG特征点之间的距离来提取第二相似度。在示例中，相似度提取器140可基于与在由生物测量数据获取器120获取的ECG波形中的多个ECG特征点的每个ECG特征点相应的参考ECG波形中的多个ECG特征点之中的余弦相似度、均方根误差(RMSE)、相关系数、P范数、L1范数和欧几里得范数中的至少一项来提取第二相似度。第一相似度和第二相似度可分别根据参考指纹数据和在生物测量数据获取器120中获取的指纹数据之间的相似度的增加以及参考ECG波形和在生物测量数据获取器120中获取的ECG波形之间的相似度的增加而增加。
由生物测量数据获取器120获取的指纹数据和ECG波形的质量可基于湿度等级而变化。在指纹数据的示例中，当在与指纹传感器接触的手指上存在水分时，指纹传感器会由于在手指上存在的水分而不准确地识别指纹数据的指纹特征点。例如，在手指上存在的水分会导致正与指纹传感器接触的手指的皮肤阻抗的减小，因此，指纹传感器会不准确地识别指纹。因此，当手指的湿度等级相对高时，生物测量数据获取器120可获取低质量指纹数据，而当手指的湿度等级相对低时，生物测量数据获取器120可获取高质量指纹数据。
在ECG波形的示例中，当在与ECG传感器接触的皮肤上存在水分时，会改善在皮肤和ECG传感器的电极之间的微电流的流动，因此，由ECG传感器感测的ECG信号的质量也可提高。因此，当手指的湿度等级相对高时，生物测量数据获取器120可获取高质量的ECG波形，而当手指湿度等级相对低时，生物测量数据获取器120可获取低质量的ECG波形。
如上所述，相似度提取器140可在考虑指纹数据和ECG波形的质量基于湿度等级而变化的特性的情况下，通过适应性地调整第一相似度和第二相似度来提取组合相似度。在示例中，相似度提取器140可通过将基于湿度等级确定的第一阈值和第二阈值应用到第一相似度和第二相似度来提取组合相似度。此外，在示例中，相似度提取器140可通过将第一加权值和第二加权值以及第一阈值和第二阈值应用到第一相似度和第二相似度来提取组合相似度。例如，相似度提取器140可通过使用等式1来提取组合相似度。
[等式1]
SC＝α·r(SF-TF)+β·r(SE-TE)
在等式1中，SC表示组合相似度，α表示第一加权值，β表示第二加权值，SF表示第一相似度，SE表示第二相似度，TF表示第一阈值，TE表示第二阈值，r(·)表示斜坡函数。相似度提取器140可将第一加权值应用到第一相似度和第一阈值之间的差值，并将第二加权值应用到第二相似度与第二阈值之间的差值。在此示例中，基于斜坡函数r(·)，当第一相似度小于或等于第一阈值时，第一相似度和第一阈值之间的差值可为0，当第二相似度小于或等于第二阈值时，第二相似度和第二阈值之间的差值可为0。此外，相似度提取器140可通过将已应用了第一加权值的差值与已应用了第二加权值的差值相加来提取组合相似度。
在示例中，相似度提取器140可从预定参考数据提取第一阈值和第二阈值。例如，相似度提取器140可包括存储有基于湿度等级的第一阈值、第二阈值、第一加权值和第二加权值的数据的查找表。在此示例中，相似度提取器140可预先基于湿度等级来计算第一阈值、第二阈值、第一加权值和第二加权值的数据，以将这些数据存储在查找表中。可选地，相似度提取器140可通过使用通信接口从外源接收查找表或查找表的条目值(例如，基于湿度等级的第一阈值、第二阈值、第一加权值和第二加权值)。相似度提取器140可设置基于查找表的第一阈值、第二阈值、第一加权值和第二加权值或查找表的条目值。
在示例中，相似度提取器140可通过在基于湿度等级的多项预先存储的指纹数据之中使用与每项预先存储的指纹数据相应的多个指纹特征点的数量之差来提取第一阈值，或者通过在基于湿度等级的多项预先存储的指纹数据之中使用与每项预先存储的指纹数据相应的多个指纹特征点之间相隔的距离之差来提取第一阈值。指纹特征点的数量和指纹数据的指纹特征点之间相隔的距离可基于湿度等级而变化。例如，在较高湿度等级下获取的指纹特征点的数量可多于在较低湿度等级下获取的指纹特征点的数量。此外，在较高湿度等级下获取的指纹特征点之间相隔的距离可大于在较低湿度等级下获取的指纹特征点之间相隔的距离。相似度提取器140可针对每项指纹数据，预先获取基于湿度等级的指纹特征点的数量之差的数据和基于湿度等级的指纹特征点之间相隔的距离之差。通过统计上分析获取的数据，可基于湿度等级来计算最小值(第一相似度从该最小值起具有可靠性)，并可将最小值设置为第一阈值。
此外，相似度提取器140可计算基于湿度等级而变化的多个ECG信号中的每个ECG信号的SNR，并基于SNR来提取第二阈值。相似度提取器140可确定基于湿度等级的多个预先存储的ECG信号的强度。相似度提取器140可预先存储基于湿度等级而变化的多个预先存储的ECG信号的噪声值。相似度提取器140可通过使用存储的噪声值和ECG信号的强度值来确定基于湿度等级变化的多个ECG信号的每个ECG信号的SNR。例如，在高湿度等级下获取的多个ECG信号的强度可大于在低湿度等级下获取的多个ECG信号的强度。因此，在高湿度等级下确定的多个ECG信号的SNR可大于在低湿度等级确定的多个ECG信号的SNR。相似度提取器140可通过统计上分析基于湿度等级而变化的多个ECG信号的每个ECG信号的SNR，基于湿度等级计算最小值(第二相似度从该最小值起具有可靠性)，并可将计算出的最小值设置为第二阈值。
在示例中，相似度提取器140可将第一加权值和第二加权值设置为：第一加权值与湿度等级负相关，第二加权值与湿度等级正相关。所述设置基于指纹数据质量根据湿度等级的增加而降低的特性以及ECG波形质量根据湿度等级的增加而提高的特性来被执行。因此，根据指纹数据质量的提高，相较于第二相似度，相似度提取器140可在组合相似度中更多地反映第一相似度。此外，根据ECG波形质量的提高，相较于第一相似度，相似度提取器140可在组合相似度中更多地反映第二相似度。相似度提取器140可将第一加权值和第二加权值设置为：无论湿度等级如何都将第一加权值和第二加权值之和维持为常数。例如，相似度提取器140可将第一加权值和第二加权值设置为第一加权值和第二加权值之和为1。
验证器150基于组合相似度来验证用户是否为预先登记的用户。当组合相似度大于预定组合阈值时，验证器150可将用户验证为预先登记的用户，而当组合相似度小于或等于预定组合阈值时，验证器150可将用户验证为未登记的用户。在示例中，验证器150可任意地设置组合阈值或在外部装置的控制下设置组合阈值。
当用户被验证为预先登记的用户时，验证设备110可授权用户访问包括验证设备110的装置。当用户被验证为未登记的用户时，可不允许用户访问包括验证设备110的装置。通过基于组合相似度对用户执行验证，无论用户皮肤的湿度等级如何改变，验证设备110都可鲁棒且准确地验证用户是否为预先登记的用户。
图2是示出基于湿度等级的指纹数据和ECG波形的质量的示例的示图。参照图2，由验证设备获取的指纹数据和ECG波形的质量基于湿度等级而变化。在图2的示例中，当与指纹传感器接触的手指具有低湿度等级(例如，10％)时，如图像211所示，验证设备可提取指纹数据的26个指纹特征点。此外，当与指纹传感器接触的手指具有高湿度等级(例如，80％)时，如图像212所示，验证设备可提取指纹数据的13个指纹特征点，这是在湿度等级10％下提取的指纹特征点的数量的一半。
此外，在图2的示例中，当与指纹传感器接触的手指具有低湿度等级(例如，10％)时，ECG信号的SNR会降低，因此，如曲线221所示，验证设备可获取到低质量的ECG波形。与之相反，当与指纹传感器接触的手指具有高湿度等级(例如，80％)时，ECG信号的SNR会提高，因此，如曲线222所示，验证设备可获取到高质量的ECG波形。前述示例是基于与ECG传感器接触的皮肤上的水分导致皮肤和ECG传感器的电极之间的微电流的流动的改善的情况。
考虑到指纹数据和ECG波形的质量基于湿度等级而变化的特性，验证设备可基于湿度等级来适应性地调整第一相似度和第二相似度，其中，第一相似度指示用户的指纹数据和参考指纹数据之间的相似度，第二相似度指示用户的ECG波形和参考ECG波形的相似度。通过如此，验证设备可提取组合相似度，并基于组合相似度来验证用户是否为预先登记的用户，其中，组合相似度指示用户与相应于参考指纹数据和参考ECG波形的预先登记的用户是否匹配。
图3是示出基于湿度等级的第一相似度的阈值和第二相似度的阈值的示例的框图。参照图3，曲线图310使用实曲线320表示第一阈值，使用点划曲线330表示第二阈值。第一阈值指的是第一相似度的阈值，第二阈值可指的是第二相似度的阈值。第一相似度指的是参考指纹数据和尝试被验证的用户的指纹数据之间的相似度。第二相似度指的是参考ECG波形和尝试被验证的用户的ECG波形之间的相似度。在曲线图310中，水平轴表示湿度等级，垂直轴表示第一阈值和第二阈值的等级。
指纹数据和ECG波形的质量基于湿度等级而变化。例如，指纹数据的质量可根据湿度等级的增加而降低，ECG波形的质量可根据湿度等级的增加而提高。基于指纹和ECG波形的特性，验证设备可设置第一阈值和第二阈值。
在示例中，验证设备可针对多项预先存储的指纹数据中的每项指纹数据，预先获取关于基于湿度等级的多个指纹特征点的数量之差的数据，或关于多个指纹特征点之间相隔的距离之差的数据。此外，验证设备可通过统计上分析获取的数据来基于湿度等级计算最小值(第一相似度从该最小值起具有可靠性)，并可将计算出的最小值设置为第一阈值。
此外，验证设备可计算基于湿度等级而变化的多个ECG信号中的每个ECG信号的SNR，通过统计上分析计算出的SNR来基于湿度等级计算最小值(第二相似度从该最小值起具有可靠性)，并将计算出的最小值设置为第二阈值。
在示例中，验证设备可预先存储如曲线图310中所示的第一阈值和第二阈值的数据。例如，验证设备可计算第一阈值和第二阈值的数据，并将计算出的数据存储在查找表中。验证设备也可使用通信接口从外源接收查找表或查找表的条目值。验证设备可基于查找表设置第一阈值和第二阈值。
验证设备可通过将第一阈值、第二阈值、第一加权值和第二加权值应用到第一相似度和第二相似度来提取组合阈值，并基于组合阈值来验证用户。
在示例中，验证设备可通过使用等式1来提取组合阈值。作为示例，当最大湿度等级为100％，最小湿度等级为0％并且组合阈值为10时，湿度等级可以如点341所示是30％，第一阈值可以是如点321所示的80(TF1)，第二阈值可以是如点331所示的40(TE2)，第一加权值可以是0.8，第二加权值可以是0.2。在此示例中，当第一相似度是90并且第二相似度是30时，组合相似度可被提取为8。由于组合相似度小于组合阈值，所以验证设备可将用户验证为未登记的用户，从而不允许用户访问包括验证设备的装置。如另一示例，在与以上示例相同的假设下，湿度等级可以如点342所示是70％，第一阈值可以是如点322所示的20(TF2)，第二阈值可以是如点332所示的60(TE1)，第一加权值可以是0.2，第二加权值可以是0.8。在此示例中，当第一相似度是30并且第二相似度是70时，组合相似度可被提取为10。由于组合相似度大于或等于组合阈值，所以验证设备可将用户验证为预先登记的用户，从而允许用户访问包括验证设备的装置。
图4是示出包括基于湿度等级的数据的查找表410的示例的示图。参照图4，查找表410包括第一阈值420、第二阈值430、第一加权值440和第二加权值450的数据。
第一阈值420指示第一相似度从其开始具有可靠性的最小值，第二阈值430指示第二相似度从其开始具有可靠性的最小值。第一相似度指的是参考指纹数据和尝试被验证的用户的指纹数据之间的相似度，第二相似度指的是参考ECG波形和尝试被验证的用户的ECG波形之间的相似度。第一加权值440指示第一相似度在组合相似度的提取中反映的比率，其中，组合相似度指示用户与预先登记的用户是否匹配。第二加权值450指示第二相似度在组合相似度的提取中反映的比率。
验证设备可计算第一阈值420、第二阈值430、第一加权值440和第二加权值450的数据，并将计算出的数据预先存储在查找表410中。验证设备也可通过使用通信接口从外源接收查找表410或查找表410的条目值。条目值可包括针对各个湿度等级的第一阈值420、第二阈值430、第一加权值440和第二加权值450。验证设备可基于查找表410或查找表410的条目值来设置第一阈值420、第二阈值430、第一加权值和第二加权值。如上所述，验证设备可在不需要执行另外的操作的情况下提取第一阈值420、第二阈值430、第一加权值440和第二加权值450。通过如此，可减少用于验证用户的操作的数量，并且可加快在验证设备中执行操作的速度。
图5是示出验证设备510的另一示例的框图。参照图5，验证设备510包括指纹传感器520、ECG传感器530、湿度传感器540和处理器550。
指纹传感器520感测用户的指纹数据。在示例中，指纹传感器520可包括光学传感器、基于半导体装置的传感器、超声传感器、基于热检测的传感器、非接触传感器和/或多路传感器。
ECG传感器530使用第一电极、第二电极和第三电极(未示出)来感测用户的ECG波形。在示例中，ECG传感器530可包括第一电极至第三电极、放大器(未示出)和数字转换器(未示出)。第一电极至第三电极可接触用户皮肤以感测用户的ECG信号。放大器可对在第一电极至第三电极中感测的ECG信号进行放大。在示例中，放大器可由AFE表示。数字转换器可将放大后的ECG信号转换为数字信号以提取ECG波形。此外，ECG传感器530可通过预处理从ECG波形去除噪声。
湿度传感器540感测用户皮肤的湿度等级。在示例中，湿度传感器540可感测从用户皮肤蒸发掉的水量，并将感测结果转换为湿度等级。
在示例中，ECG传感器的第一电极、指纹传感器520和湿度传感器540可被布置在验证设备510的预定区域中。通过如此，ECG传感器530、指纹传感器520和湿度传感器540可感测用户的单个手指，并分别获取ECG波形、指纹数据和湿度等级。
处理器550基于湿度等级来适应性地调整由指纹传感器520获取的指纹数据和参考指纹数据之间的第一相似度以及由ECG传感器530获取的ECG波形和参考ECG波形之间的第二相似度。通过如此，处理器550提取组合相似度，其中，组合相似度指示由指纹传感器520和ECG传感器530感测的用户与相应于参考指纹数据和参考ECG波形的预先登记的用户是否匹配。处理器550可提取由指纹传感器520获取的指纹数据的多个指纹特征点，并通过确定由指纹传感器520获取的指纹数据的多个指纹特征点与参考指纹数据的多个指纹特征点是否匹配来提取第一相似度。此外，处理器550可提取由ECG传感器530获取的ECG波形的多个ECG特征点，并基于由ECG传感器530获取的ECG波形的多个ECG特征点和参考ECG波形的多个ECG特征点之间的距离来提取第二相似度。
处理器550可从预定参考数据提取第一阈值和第二阈值，其中，第一阈值指示第一相似度从其开始具有可靠性的最小值，第二阈值指示第二相似度从其开始具有可靠性的最小值。可选地，处理器550可在考虑湿度等级和多项预先存储的指纹数据的质量之间的关系以及湿度等级和多个预先存储的ECG波形的质量之间的关系的情况下来设置第一阈值和第二阈值。此外，处理器550可将第一阈值和第二阈值设置为：第一加权值与湿度等级负相关，第二加权值与湿度等级正相关，并且第一加权值和第二加权值之和被维持为常数。
处理器550可通过将基于湿度等级确定的第一阈值和第二阈值应用到第一相似度和第二相似度来提取组合相似度。此外，处理器550可通过将第一加权值、第二加权值、第一阈值和第二阈值应用到第一相似度和第二相似度来提取组合相似度。例如，处理器550可通过将第一加权值应用到第一相似度和第一阈值之间的差值并将第二加权值应用到第二相似度与第二阈值之间的差值来提取组合相似度。
处理器550基于组合相似度来验证用户是否为预先登记的用户。例如，当组合相似度大于预定组合阈值时，处理器550可将用户验证为预先登记的用户，而当组合相似度小于或等于预定组合阈值时，处理器550可将用户验证为未登记的用户。
图6是示出验证设备的示例的示图。参照图6，移动终端610包括ECG传感器、指纹传感器630和湿度传感器640。ECG传感器包括正极电极621、参考电极622和负极电极623以感测ECG信号。在此示例中，正极电极621和参考电极622被布置在移动终端610的各个侧边，负极电极623、指纹传感器630和湿度传感器640被布置在移动终端610的底部。
当用户皮肤与正极电极621和参考电极622接触并且用户的手指与负极电极623、指纹传感器630和湿度传感器640接触时，指纹传感器630、ECG传感器和湿度传感器640分别感测用户的指纹数据、ECG波形和湿度等级。在此示例中，指纹传感器630、ECG传感器和湿度传感器640从用户的单个手指分别感测指纹数据、ECG波形和湿度等级。
移动终端610基于湿度等级来适应性地调整由指纹传感器630获取的指纹数据和参考指纹数据之间的第一相似度以及由ECG传感器获取的ECG波形和参考ECG波形之间的第二相似度。通过如此，移动终端610提取组合相似度，其中，组合相似度指示由指纹传感器630和ECG传感器感测的用户与相应于参考指纹数据和参考ECG波形的预先登记的用户是否匹配。移动终端610可通过将第一加权值应用到第一相似度和第一阈值之间的差值并将第二加权值应用到第二相似度与第二阈值之间的差值来提取组合相似度。在此示例中，移动终端610可从预定参考数据提取第一阈值、第二阈值、第一加权值和第二加权值。可选地，移动终端可在考虑湿度等级和多项预先存储的指纹数据的质量之间的关系以及湿度等级和多个预先存储的ECG波形的质量之间的关系的情况下来设置第一阈值、第二阈值、第一加权值和第二加权值。
移动终端610基于组合相似度来验证用户是否为预先登记的用户。例如，当组合相似度大于预定组合阈值时，移动终端610可将用户验证为预先登记的用户以允许用户访问移动装置610。
图7是示出验证设备的另一示例的示图。参照图7，可穿戴终端710包括ECG传感器、指纹识别器731和湿度传感器741。
ECG传感器包括正极电极722、参考电极723和负极电极721以感测ECG信号。在此示例中，正极电极722和参考电极723被布置在可穿戴终端710的背面，负极电极721、指纹传感器731和湿度传感器741被布置在可穿戴终端710的正面。当用户的腕部皮肤与正极电极722和参考电极723接触并且用户手指与负极电极721、指纹传感器731和湿度传感器741接触时，指纹传感器731、ECG传感器和湿度传感器741分别感测用户的指纹数据、ECG波形和湿度等级。在此示例中，指纹传感器731、ECG传感器和湿度传感器741从用户的单个手指分别感测指纹数据、ECG波形和湿度等级。
与图6的移动终端610相似，可穿戴终端710基于湿度等级来适应性地调整由指纹传感器731获取的指纹数据和参考指纹数据之间的第一相似度以及由ECG传感器获取的ECG波形和参考ECG波形之间的第二相似度。通过如此，可穿戴终端710提取组合相似度，并基于组合相似度来验证用户是否为预先登记的用户，其中，组合相似度指示用户与相应于参考指纹数据和参考ECG波形的预先登记的用户是否匹配。
图8是示出验证设备的另一示例的示图。参照图8，移动终端810包括ECG传感器、指纹传感器830和湿度传感器840。ECG传感器包括正极电极821、参考电极822和负极电极823以感测ECG信号。正极电极821和参考电极822被布置在移动终端810的各个侧边，负极电极823、指纹传感器830和湿度传感器840被布置在移动终端810的底部。
移动终端810从服务器850获取指示预先登记的用户的指纹数据的参考指纹数据和指示预先登记的用户的ECG波形的参考ECG波形。移动终端810可通过将基于湿度等级确定的第一阈值、第二阈值、第一加权值和第二加权值应用到指示由指纹传感器830获取的指纹数据和参考指纹数据之间的相似度的第一相似度和指示由ECG传感器获取的ECG波形和参考ECG波形之间的相似度的第二相似度，提取指示用户与预定登记的用户是否匹配的组合相似度。
在示例中，移动终端810可将由湿度传感器840获取的湿度等级发送到服务器850。服务器850可从预定参考数据提取针对从移动终端810接收到的湿度等级的第一阈值、第二阈值、第一加权值和第二加权值。可选地，服务器850可在考虑湿度等级和多项预先存储的指纹数据的质量之间的关系以及湿度等级和多个预先存储的ECG波形的质量之间的关系的情况下来设置第一阈值、第二阈值、第一加权值和第二加权值。通过如此，服务器850可将第一阈值、第二阈值、第一加权值和第二加权值发送到移动终端810。移动终端810可通过将从服务器850接收到的第一阈值、第二阈值、第一加权值和第二加权值应用到第一相似度和第二相似度来提取组合相似度。
移动终端810基于组合相似度来验证用户是否为预先登记的用户。例如，当组合相似度大于预定组合阈值时，移动终端810可将用户验证为预先登记的用户，并将指示用户是预先登记的用户的验证数据发送到服务器850。
在示例中，服务器850可将图4的查找表410发送到移动终端810，或将查找表410的条目值发送到移动终端810。条目值可包括针对各个湿度等级的第一阈值、第二阈值、第一加权值和第二加权值。在此示例中，移动终端810可通过使用查找表410或查找表410的条目值，基于由湿度传感器840获取的湿度等级来从预定参考数据提取第一相似度、第二相似度、第一加权值和第二加权值。移动终端810可通过应用从预定参考数据提取的第一相似度、第二相似度、第一加权值和第二加权值来提取组合相似度。服务器850可基于接收到的验证数据来允许用户访问服务器850。
图9是示出验证方法的示例的流程图。参照图9，在操作910，验证设备获取用户的指纹数据和ECG波形。
在操作920，验证设备获取用户皮肤的湿度等级。
在操作930，验证设备提取指纹数据和参考指纹数据之间的第一相似度以及ECG波形和参考ECG波形之间的第二相似度。
在操作940，验证设备基于湿度等级来适应性地调整第一相似度和第二相似度，并提取指示用户与相应于参考指纹数据和参考ECG波形的预定登记的用户是否匹配的组合相似度。
在操作950，验证设备基于组合相似度来验证用户是否为预先登记的用户。
由于参照图1至图8提供的描述也可应用于图9的验证方法，所以为了更清楚和简洁，将省略关于图9的验证方法的重复描述。
图10是示出验证方法的另一示例的流程图。参照图10，在操作1010，验证设备获取关于用户的多项生物测量数据。
在操作1020，验证设备获取用户皮肤的湿度等级。
在操作1030，验证设备提取针对每项生物测量数据的各自的相似度。所述各自的相似度可指示每项生物测量数据和多项参考生物测量数据之中与所述每项生物测量数据相应的参考生物测量数据之间的相似度。
在操作1040，验证设备基于湿度等级，适应性地调整每项生物测量数据的各自的相似度，并提取指示用户与相应于多项参考生物测量数据的用户是否匹配的组合相似度。
在操作1050，验证设备基于组合相似度来验证用户是否为预先登记的用户。
由于参照图1至图8提供的描述也可应用于图10的验证方法，所以为了更清楚和简洁，将省略关于图10的验证方法的重复描述。
可使用一个或更多个硬件组件、一个或更多个软件组件或一个或更多个硬件组件和一个或更多个软件组件的组合来实现以上描述的各种元件和方法。
硬件组件可以是例如物理上执行一个或更多个操作的物理装置，但不限于此。硬件组件的示例包括麦克风、放大器、低通滤波器、高通滤波器、带通滤波器、模数转换器、数模转换器和处理装置。
例如，软件组件可通过由软件或指令控制的处理装置来实现以执行一个或更多个操作，但不限于此。计算机、控制器或其它控制装置可使处理装置运行软件或执行指令。一个软件组件可由一个处理装置来实现，或者两个或更多个软件组件可由一个处理装置来实现，或者一个软件组件可由两个或更多个处理装置来实现，或者两个或更多个软件组件可由两个或更多个处理装置来实现。
可使用一个或更多个通用或专用计算机(诸如，处理器、控制器和算术逻辑单元、数字信号处理器、微计算器、现场可编程阵列、可编程逻辑单元、微处理器或能够运行软件或执行指令的任何其它装置)来实现处理装置。处理装置可运行操作系统(OS)，并可运行在OS下操作的一个或更多个软件应用。处理装置可在运行软件或执行指令时访问、存储、操纵、处理并创建数据。简单来说，虽然在描述中可使用术语“处理装置”，但是本领域普通技术人员将理解，处理装置可包括多个处理元件和多种类型的处理元件。例如，处理装置可包括一个或更多个处理器或者一个或更多个处理器和一个或更多个控制器。此外，可有不同的处理配置，诸如并行处理器或多核处理器。
被配置为实施软件组件以执行操作A的处理装置可包括被编程为运行软件或执行指令以控制处理器执行操作A的处理器。此外，被配置为实施软件组件以执行操作A、操作B和操作C的处理装置可具有不同配置，诸如，被配置为实施软件组件以执行操作A、操作B和操作C的处理器；被配置为实施软件组件以执行操作A的第一处理器和被配置为实施软件组件以执行操作B和操作C的第二处理器；被配置为实施软件组件以执行操作A和操作B的第一处理器和被配置为实施软件组件以执行操作C的第二处理器；被配置为实施软件组件以执行操作A的第一处理器、被配置为实施软件组件以执行操作B的第二处理器和被配置为实施软件组件以执行操作C的第三处理器；被配置为实施软件组件以执行操作A、操作B和操作C的第一处理器和被配置为实施软件组件以执行操作A、操作B和操作C的第二处理器；或者均实施操作A、操作B和操作C中的一个或更多个操作的一个或更多个处理器的任何其它配置。虽然这些示例提到了三个操作A、B和C，但是可被实施的操作的数量不限于三个，而可以是任何数量的实现期望的结果或执行期望的任务所需的操作。
用于控制处理装置实现软件组件的软件或指令可包括用于独立地或共同地指示或配置处理装置以执行一个或多个期望操作的计算机程序、代码段、指令或它们的组合。软件或指令可包括可由处理装置直接执行的机器代码(诸如由编译器产生的机器代码)和/或可由处理装置使用解释器来执行的更高级代码。可在任何类型的机器、组件、物理或虚拟装备、计算机存储介质或装置或能够将指令或数据提供给处理装置或由处理装置解释的传播信号波中永久地或临时地实施所述软件或指令以及任何关联的数据、数据文件和数据结构。也可将所述软件或指令以及任何关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得按照分布方式来存储并执行所述软件或指令以及任何关联的数据、数据文件和数据结构。
例如，可在一个或更多个非暂时性计算机可读存储介质中记录、存储或固定所述软件或指令以及任何关联的数据、数据文件和数据结构。非暂时性计算机可读存储介质可以是能够存储所述软件或指令以及任何关联的数据、数据文件和数据结构以使得它们可被计算机系统或处理装置读取的任何数据存储装置。非暂时性计算机可读存储介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、闪存、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘或本领域普通技术人员已知的任何其它非暂时性计算机可读存储介质。
可由所述示例所属领域的程序员基于附图和在此提供的它们的相应描述来容易地构建用于实现在此公开的示例的功能程序、代码和代码段。
仅作为非详尽的说明，在此描述的终端或装置可指示移动装置，诸如，蜂窝电话、智能电话、可穿戴智能装置(诸如，戒指、手表、一副眼镜、手环、脚踝支撑、腰带、项链、耳环、束发带、头盔、嵌在衣服中的装置等)、个人计算机(PC)、平板个人计算机(平板)、平板手机、个人数字助理(PDA)、数码相机、便携式游戏机、MP3播放器、便携式/个人多媒体播放器(PMP)、掌上电子书、超便携移动个人计算机(UMPC)、便携式膝上型PC、全球定位系统(GPS)导航、以及诸如高清电视(HDTV)、光盘播放器、DVD播放器、蓝光播放器、机顶盒或与在此公开的一致地能够无线通信或网络通信的任何其它装置的装置。在非详尽的示例中，可穿戴装置(诸如，眼镜或手环)可自身被安装在用户身体上。在另一非详尽的示例中，可穿戴装置可通过固定装置被安装在用户身体上，例如，使用臂带将智能手机或平板固定到用户手臂上，或使用系绳将可穿戴装置悬挂在用户颈部周围。
虽然本公开包括特定示例，但是本领域普通技术人员将理解：在不脱离权利要求和它们的等同物的情况下，可在这些示例中进行形式上和细节上的各种改变。在此描述的示例可仅在描述意义上考虑，而非为了限制的目的。在每个示例中的特征或方面的描述将被理解为可被应用于在其它示例中的相似特征或方面。如果按照不同顺序执行描述的技术，和/或如果按照不同方式组合在描述的系统、架构、装置或电路中的组件和/或由其它组件或其等同物来替代或补充在描述的系统、架构、装置或电路中的组件，则可实现适当的结果。因此，本公开的范围并非由具体实施方式限定而是由权利要求和它们的等同物所限定，并且在权利要求和它们的等同物的范围内的所有变化将被解释为包含在本公开中。

Claims (26)

1.一种验证设备，包括：
生物测量数据获取器，被配置为获取用户的指纹数据和心电图波形；
湿度等级获取器，被配置为获取用户的皮肤的湿度等级；
相似度提取器，被配置为：
基于湿度等级来调整指纹数据与预先登记的用户的参考指纹数据之间的第一相似度以及心电图波形与所述预先登记的用户的参考心电图波形之间的第二相似度，
基于调整后的第一相似度和调整后的第二相似度来提取组合相似度；
验证器，被配置为基于组合相似度来验证用户是否为所述预先登记的用户。
2.如权利要求1所述的设备，其中，指纹数据、心电图波形和湿度等级是从用户的同一手指获取的。
3.如权利要求1所述的设备，其中，生物测量数据获取器包括：
指纹特征点提取器，被配置为：
使用指纹传感器来感测指纹数据，
从指纹数据提取指纹特征点；
心电图特征点提取器，被配置为：
使用心电图传感器来感测心电图波形，
从心电图波形提取心电图特征点。
4.如权利要求2所述的设备，其中，心电图传感器包括：
多个电极，被配置为获取用户的心电图信号；
放大器，被配置为对心电图信号进行放大；
数字转换器，被配置为将放大后的心电图信号转换为心电图波形。
5.如权利要求2所述的设备，其中，相似度提取器被配置为：
在第一相似度与基于湿度等级确定的第一阈值之间的差值以及第二相似度与基于湿度等级确定的第二阈值之间的差值的基础上，提取组合相似度。
6.如权利要求5所述的设备，其中，相似度提取器被配置为：
从预定数据提取第一阈值和第二阈值。
7.如权利要求5所述的设备，其中，相似度提取器被配置为：
在基于湿度等级的与每项预先存储的指纹数据相应的指纹特征点的数量之差或基于湿度等级的与每项预先存储的指纹数据相应的指纹特征点之间相隔的距离之差的基础上，提取第一阈值。
8.如权利要求5所述的设备，其中，相似度提取器被配置为：
计算每个预先存储的心电图信号的基于湿度等级的信噪比；
基于信噪比来提取第二阈值。
9.如权利要求5所述的设备，其中，相似度提取器被配置为：
通过将基于湿度等级确定的第一加权值应用于第一相似度与第一阈值之间的差值并将基于湿度等级确定的第二加权值应用于第二相似度与第二阈值之间的差值，提取组合相似度。
10.如权利要求9所述的设备，其中，相似度提取器被配置为：
通过将应用了第一加权值的差值与应用了第二加权值的差值相加来提取组合相似度。
11.如权利要求9所述的设备，其中，相似度提取器被配置为：
以下述方式来设置第一加权值和第二加权值：第一加权值与湿度等级负相关，第二加权值与湿度等级正相关，并且无论湿度等级如何第一加权值与第二加权值之和均为常数。
12.如权利要求2所述的设备，其中，指纹特征点包括指纹数据的以下项中的至少两项：脊线、上中心点、下中心点、左三角点、右三角点、分叉点和终结点。
13.如权利要求2所述的设备，其中，心电图特征点包括心电图波形的以下项中的至少两项：PR段、QRX波群、ST段、T波、U波、PR间期和QT间期。
14.如权利要求1所述的设备，其中，验证器被配置为：
响应于组合相似度大于预定值，将用户验证为所述预先登记的用户。
15.一种验证设备，包括：
指纹传感器，被配置为感测用户的指纹数据；
心电图传感器，被配置为使用第一电极、第二电极和第三电极来感测用户的心电图波形；
湿度传感器，被配置为感测用户的皮肤的湿度等级；
处理器，被配置为：
基于湿度等级来调整指纹数据与预先登记的用户的参考指纹数据之间的第一相似度以及心电图波形与所述预先登记的用户的参考心电图波形之间的第二相似度，
基于调整后的第一相似度和调整后的第二相似度来提取组合相似度，
基于组合相似度来验证用户是否为所述预先登记的用户。
16.如权利要求15所述的设备，其中，第一电极、指纹传感器和湿度传感器被布置在预定区域中。
17.如权利要求15所述的设备，其中，第一电极、指纹传感器和湿度传感器被配置为感测用户的同一手指。
18.如权利要求15所述的设备，其中，处理器被配置为：
在第一相似度与基于湿度等级确定的第一阈值之间的差值以及第二相似度与基于湿度等级确定的第二阈值之间的差值的基础上，提取组合相似度。
19.如权利要求18所述的设备，其中，处理器被配置为：
通过将基于湿度等级确定的第一加权值应用于第一相似度与第一阈值之间的差值并将基于湿度等级确定的第二加权值应用于第二相似度与第二阈值之间的差值，提取组合相似度。
20.如权利要求19所述的设备，其中，处理器被配置为：
通过将应用了第一加权值的差值与应用了第二加权值的差值相加来提取组合相似度。
21.一种验证设备，包括：
生物测量数据获取器，被配置为获取用户的第一生物测量数据和第二生物测量数据，其中，第一生物测量数据和第二生物测量数据受湿度等级影响；
湿度等级获取器，被配置为获取用户的皮肤的湿度等级；
相似度提取器，被配置为：
基于湿度等级来调整第一生物测量数据与预先登记的用户的相应第一参考生物测量数据之间的第一相似度以及第二生物测量数据与所述预先登记的用户的相应第二参考生物测量数据之间的第二相似度，
基于调整后的第一相似度和调整后的第二相似度来提取组合相似度；
验证器，被配置为基于组合相似度来验证用户是否为所述预先登记的用户。
22.一种验证方法，包括：
获取用户的指纹数据和心电图波形；
获取用户的皮肤的湿度等级；
基于湿度等级来调整指纹数据与预先登记的用户的参考指纹数据之间的第一相似度以及心电图波形与所述预先登记的用户的参考心电图波形之间的第二相似度；
基于调整后的第一相似度和调整后的第二相似度来提取组合相似度；
基于组合相似度来验证用户是否为所述预先登记的用户。
23.一种验证方法，包括：
获取用户的第一生物测量数据和第二生物测量数据，其中，第一生物测量数据和第二生物测量数据受湿度等级影响；
获取用户的皮肤的湿度等级；
基于湿度等级来调整第一生物测量数据与预先登记的用户的相应第一参考生物测量数据之间的第一相似度以及第二生物测量数据与所述预先登记的用户的相应第二参考生物测量数据之间的第二相似度，
基于调整后的第一相似度和调整后的第二相似度来提取组合相似度；
基于组合相似度来验证用户是否为所述预先登记的用户。
24.一种验证设备，包括：
处理器，被配置为：
基于用户的皮肤的湿度等级来调整用户的第一生物测量数据与预先登记的用户的第一参考生物测量数据之间的第一相似度以及用户的第二生物测量数据与所述预先登记的用户的第二参考生物测量数据之间的第二相似度，其中，第一生物测量数据和第二生物测量数据受湿度等级影响，
基于调整后的第一相似度和调整后的第二相似度来提取组合相似度，
基于组合相似度来验证用户是否为所述预先登记的用户。
25.如权利要求24所述的设备，其中，所述处理器被配置为：
响应于湿度等级提高，增加第一相似度并减少第二相似度；
响应于湿度等级降低，减少第一相似度并增加第二相似度。
26.如权利要求24所述的设备，其中，
响应于湿度等级提高，第一生物测量数据的质量降低；响应于湿度等级提高，第二生物测量数据的质量提高。
CN201510122310.5A 2014-08-07 2015-03-19 基于指纹和心电图信号的用户验证方法和设备 Active CN106031638B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2014-0101660 2014-08-07
KR1020140101660A KR102257287B1 (ko) 2014-08-07 2014-08-07 지문 및 심전도 신호를 이용한 사용자 인증 방법 및 장치

Publications (2)

Publication Number Publication Date
CN106031638A CN106031638A (zh) 2016-10-19
CN106031638B true CN106031638B (zh) 2019-05-10

Family

ID=53773378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510122310.5A Active CN106031638B (zh) 2014-08-07 2015-03-19 基于指纹和心电图信号的用户验证方法和设备

Country Status (5)

Country Link
US (1) US9576179B2 (zh)
EP (1) EP2983109B1 (zh)
JP (1) JP6553976B2 (zh)
KR (1) KR102257287B1 (zh)
CN (1) CN106031638B (zh)

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10069824B2 (en) * 2015-05-12 2018-09-04 Branch Banking And Trust Company Biometric signature authentication and centralized storage system
KR20160136013A (ko) * 2015-05-19 2016-11-29 엘지전자 주식회사 이동 단말기 및 그 제어 방법
US9928398B2 (en) * 2015-08-17 2018-03-27 Invensense, Inc. Always-on sensor device for human touch
US20170124256A1 (en) * 2015-10-30 2017-05-04 General Electric Company Method and system for analyzing electrocardiograph data
KR102466995B1 (ko) * 2015-12-21 2022-11-14 삼성전자주식회사 사용자 인증 장치 및 방법
SE1650126A1 (en) * 2016-02-02 2017-08-03 Fingerprint Cards Ab Method and fingerprint sensing system for analyzing biometric measurements of a user
SE1650416A1 (en) * 2016-03-31 2017-10-01 Fingerprint Cards Ab Secure storage of fingerprint related elements
US10931859B2 (en) 2016-05-23 2021-02-23 InSyte Systems Light emitter and sensors for detecting biologic characteristics
US10713458B2 (en) 2016-05-23 2020-07-14 InSyte Systems Integrated light emitting display and sensors for detecting biologic characteristics
KR102202342B1 (ko) * 2016-06-09 2021-01-12 인사이트 시스템즈 생물학적 특성을 검출하는 일체형 발광 디스플레이 및 센서
CN106203303B (zh) * 2016-06-30 2018-02-02 北京小米移动软件有限公司 指纹识别装置及方法
US10990658B2 (en) * 2016-07-11 2021-04-27 Samsung Electronics Co., Ltd. Method and apparatus for verifying user using multiple biometric verifiers
CN106503525A (zh) * 2016-10-31 2017-03-15 三星电子（中国）研发中心 指纹解锁方法、装置和终端
US10667134B2 (en) 2016-11-21 2020-05-26 International Business Machines Corporation Touch-share credential management on multiple devices
US10911452B2 (en) * 2016-11-22 2021-02-02 Synergex Group (corp.) Systems, methods, and media for determining access privileges
US10586031B2 (en) * 2016-12-21 2020-03-10 Fingerprint Cards Ab Biometric authentication of a user
CN108306736B (zh) * 2017-01-11 2023-02-03 北京三星通信技术研究有限公司 使用心电信号进行身份认证的方法及设备
US10528714B2 (en) 2017-01-11 2020-01-07 Samsung Electronics Co., Ltd. Method and apparatus for authenticating user using electrocardiogram signal
US10607055B2 (en) 2017-02-06 2020-03-31 Fingerprint Cards Ab Method for authenticating a finger of a user of an electronic device
US10749863B2 (en) * 2017-02-22 2020-08-18 Intel Corporation System, apparatus and method for providing contextual data in a biometric authentication system
CN107980151B (zh) * 2017-02-22 2020-03-17 清华大学深圳研究生院 一种基于心电认证的门禁系统及其认证方法
KR101950797B1 (ko) * 2017-03-10 2019-02-22 크루셜텍(주) 다중 생체 데이터를 이용한 비접촉식 다중 생체 인식 방법 및 다중 생체 인식 장치
KR101962203B1 (ko) * 2017-03-10 2019-03-27 크루셜텍 (주) 다중 생체 데이터를 이용한 비접촉식 다중 생체 인식 방법 및 다중 생체 인식 장치
JP2018182616A (ja) * 2017-04-18 2018-11-15 京セラ株式会社 電子機器、制御方法、およびプログラム
KR101931100B1 (ko) * 2017-06-19 2018-12-20 한국인터넷진흥원 생체신호를 이용한 멀티-모달형 웨어러블 사용자 인증 장치
KR101986241B1 (ko) * 2017-06-19 2019-09-30 한국인터넷진흥원 생체신호를 이용한 멀티 모달 기반의 사용자 인증 장치 및 방법
KR102288302B1 (ko) * 2017-07-03 2021-08-10 삼성전자주식회사 적외선 영상을 이용한 사용자 인증 방법 및 장치
WO2019006709A1 (zh) * 2017-07-05 2019-01-10 深圳市汇顶科技股份有限公司 指纹采集的方法、装置、芯片和终端设备
CA2992333C (en) 2018-01-19 2020-06-02 Nymi Inc. User access authorization system and method, and physiological user sensor and authentication device therefor
CN109033931A (zh) * 2018-05-12 2018-12-18 广东可穿戴数字技术有限公司 一种基于指纹和心电双重身份确认的系统
JP7384157B2 (ja) * 2018-06-19 2023-11-21 ソニーグループ株式会社 情報処理装置、ウエアラブル機器、情報処理方法及びプログラム
US10983642B2 (en) * 2018-07-30 2021-04-20 Texas Instruments Incorporated Using driven shield and touch elements lock algorithm for achieving liquid tolerant capacitive touch solution
KR102114045B1 (ko) * 2018-10-12 2020-05-25 재단법인 대구경북첨단의료산업진흥재단 생체정보를 이용한 사용자 인증 장치
CA3042361A1 (en) * 2019-05-06 2020-11-06 Nymi Inc. Live user authentication device, system and method and fraud or collusion prevention using same
US11153308B2 (en) * 2019-06-27 2021-10-19 Visa International Service Association Biometric data contextual processing
CN110751758B (zh) * 2019-09-29 2021-10-12 湖北美和易思教育科技有限公司 一种智能锁系统
KR20210119647A (ko) * 2020-03-25 2021-10-06 삼성전자주식회사 센서를 포함하는 전자 장치 및 이를 이용한 생체 정보 획득 방법
US20220004658A1 (en) * 2020-07-01 2022-01-06 Johanna Paola Contreras Cardiac monitoring system
KR20220055210A (ko) * 2020-10-26 2022-05-03 현대자동차주식회사 차량 및 그 제어방법
KR102498835B1 (ko) * 2020-12-16 2023-02-09 조선대학교산학협력단 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법
KR20220087672A (ko) * 2020-12-17 2022-06-27 삼성디스플레이 주식회사 표시 장치 및 이의 구동 방법
CN116028914B (zh) * 2023-03-27 2023-06-16 深圳市魔样科技有限公司 一种智能戒指身份认证方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101773394A (zh) * 2010-01-06 2010-07-14 中国航天员科研训练中心 身份识别方法及应用该方法的身份识别系统
CN202694091U (zh) * 2012-04-12 2013-01-23 北京仁佳科技有限公司 新型rfid身份识别电力工具柜及安全工器具智能管理系统

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5559504A (en) 1993-01-08 1996-09-24 Kabushiki Kaisha Toshiba Surface shape sensor, identification device using this sensor, and protected system using this device
ES2110841T5 (es) * 1994-03-24 2005-12-16 Minnesota Mining And Manufacturing Company Sistema de autenticacion personal biometrica.
JP3620938B2 (ja) * 1996-11-15 2005-02-16 沖電気工業株式会社 個人識別装置
US6026321A (en) 1997-04-02 2000-02-15 Suzuki Motor Corporation Apparatus and system for measuring electrical potential variations in human body
JPH11309133A (ja) * 1998-04-30 1999-11-09 Hitachi Eng Co Ltd 光学式指紋等読取り装置
JP2000148985A (ja) * 1998-11-17 2000-05-30 Hitachi Ltd 個人認証システム
WO2001059733A2 (en) * 2000-02-14 2001-08-16 Pacific Consultants, Llc Security control method and system
US7171680B2 (en) 2002-07-29 2007-01-30 Idesia Ltd. Method and apparatus for electro-biometric identity recognition
KR20060090821A (ko) * 2003-09-30 2006-08-16 코닌클리케 필립스 일렉트로닉스 엔.브이. 생체 측정 임계값을 적응적으로 설정하는 시스템 및 방법
US8918900B2 (en) 2004-04-26 2014-12-23 Ivi Holdings Ltd. Smart card for passport, electronic passport, and method, system, and apparatus for authenticating person holding smart card or electronic passport
KR20060038119A (ko) 2004-10-29 2006-05-03 에스케이 텔레콤주식회사 생체인식을 이용한 의료네트워크의 개인 인증 시스템 및방법
CN101233459B (zh) * 2005-03-17 2011-01-26 成像器件系统股份有限公司 多模式生物测定分析
EP1924976A2 (en) 2005-08-18 2008-05-28 IVI Smart Technologies Inc. Biometric identity verification system and method
US20100045705A1 (en) 2006-03-30 2010-02-25 Roel Vertegaal Interaction techniques for flexible displays
JP2008077269A (ja) * 2006-09-20 2008-04-03 Fujitsu Fsas Inc データ処理装置のセキュアシステムおよびデータ保護方法
KR101030311B1 (ko) 2007-02-27 2011-05-23 (주)엠디앤유 휴대형 생체신호 통합감지장치 및 이를 이용한 원격지의료정보 서비스 시스템과 방법
KR20110002373A (ko) 2009-07-01 2011-01-07 주식회사 슈프리마 생체신호를 감지하여 위조지문을 식별하는 지문인증장치 및 방법
US8598980B2 (en) 2010-07-19 2013-12-03 Lockheed Martin Corporation Biometrics with mental/physical state determination methods and systems
KR101203669B1 (ko) 2010-10-25 2012-11-21 경희대학교 산학협력단 사용자 인식 기능을 가지는 보행 보조 장치
CA2835460C (en) 2011-05-10 2018-05-29 Foteini AGRAFIOTI System and method for enabling continuous or instantaneous identity recognition based on physiological biometric signals
KR101270954B1 (ko) 2011-05-24 2013-06-11 가톨릭대학교 산학협력단 심전도 신호 및 지문인식을 이용한 생체인식 시스템
KR101883964B1 (ko) 2011-11-21 2018-08-31 엘지전자 주식회사 단말기 및 그 제어 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101773394A (zh) * 2010-01-06 2010-07-14 中国航天员科研训练中心 身份识别方法及应用该方法的身份识别系统
CN202694091U (zh) * 2012-04-12 2013-01-23 北京仁佳科技有限公司 新型rfid身份识别电力工具柜及安全工器具智能管理系统

Also Published As

Publication number Publication date
US9576179B2 (en) 2017-02-21
EP2983109A2 (en) 2016-02-10
EP2983109A3 (en) 2016-02-24
EP2983109B1 (en) 2021-10-06
JP6553976B2 (ja) 2019-07-31
US20160042219A1 (en) 2016-02-11
CN106031638A (zh) 2016-10-19
KR20160017941A (ko) 2016-02-17
KR102257287B1 (ko) 2021-05-27
JP2016038913A (ja) 2016-03-22

Similar Documents

Publication Publication Date Title
CN106031638B (zh) 基于指纹和心电图信号的用户验证方法和设备
US9876791B2 (en) Method and apparatus for authenticating user based on biosignal
EP3189779B1 (en) Electrocardiogram (ecg) authentication method and apparatus
CN105389489B (zh) 基于心电图信号的用户认证方法和设备
US10154818B2 (en) Biometric authentication method and apparatus
US11109812B2 (en) Electrocardiogram (ECG) signal based authentication apparatus and method
CN104573458A (zh) 一种基于心电信号的身份识别方法、装置及系统
CN105373719A (zh) 基于心电图信号的用户认证方法和设备
CN1945554B (zh) 一种提高智能密钥安全性的方法及装置
US10885361B2 (en) Biometric method and device for identifying a person through an electrocardiogram (ECG) waveform
JP2012212362A (ja) 情報処理装置、情報処理方法及びプログラム
WO2019000908A1 (zh) 皮肤检测装置、产品信息确定方法、装置及系统
US20200233499A1 (en) Method for detecting input using audio signal, and electronic device therefor
Bi et al. SmartEar: Rhythm-based tap authentication using earphone in information-centric wireless sensor network
KR101578167B1 (ko) 심전도 생체정보를 이용한 실시간 개인 인증방법
Singh et al. Identifying individuals using eigenbeat features of electrocardiogram
Fan et al. CNN‐Based Personal Identification System Using Resting State Electroencephalography
CN105389575A (zh) 生物数据的处理方法和装置
CN106650685B (zh) 一种基于心电图信号的身份识别方法及装置
KR20190080598A (ko) 생체신호를 이용한 감성 검출 시스템 및 그 방법
Al-Naffakh A comprehensive evaluation of feature selection for gait recognition using smartwatches
US10528714B2 (en) Method and apparatus for authenticating user using electrocardiogram signal
CN109820523A (zh) 心理测试仪控制方法、装置及计算机可读存储介质
Singh Individual identification using linear projection of heartbeat features
Kumar et al. Real-Time EEG Based Object Recognition

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
GR01 Patent grant
GR01 Patent grant