CN107111704B - 基于生物识别系统在虹膜内欺骗检测的系统和方法 - Google Patents

基于生物识别系统在虹膜内欺骗检测的系统和方法 Download PDF

Info

Publication number
CN107111704B
CN107111704B CN201580067997.5A CN201580067997A CN107111704B CN 107111704 B CN107111704 B CN 107111704B CN 201580067997 A CN201580067997 A CN 201580067997A CN 107111704 B CN107111704 B CN 107111704B
Authority
CN
China
Prior art keywords
iris
image
imaged
exposure time
incidence
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
CN201580067997.5A
Other languages
English (en)
Other versions
CN107111704A (zh
Inventor
奥莱克西·达尼克诺
亚历山大·伊万尼索夫
萨利尔·普拉巴卡尔
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.)
Delta ID Inc
Original Assignee
Delta ID Inc
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 Delta ID Inc filed Critical Delta ID Inc
Publication of CN107111704A publication Critical patent/CN107111704A/zh
Application granted granted Critical
Publication of CN107111704B publication Critical patent/CN107111704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/554—Detecting local intrusion or implementing counter-measures involving event detection and direct action
    • 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
    • G06F21/60—Protecting data
    • G06F21/606—Protecting data by securing the transmission between two devices or processes
    • G06F21/608—Secure printing
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/03—Indexing scheme relating to G06F21/50, monitoring users, programs or devices to maintain the integrity of platforms
    • G06F2221/031—Protect user input by software means

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Bioethics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Input (AREA)

Abstract

本发明提供了用于基于生物特征识别在虹膜内的欺骗检测的方法、系统和计算机程序产品。在一个实施例中,本发明包括(1)在配置有第一曝光设置的一个成像装置处获得虹膜的第一图像(202)(2)在配置有第二曝光设置的成像装置处获得虹膜的第二图像(204)(3)比较第一和第二虹膜图像内的反射图案的发生率(206)以及(4)基于比较第一和第二虹膜图像内的反射图案的发生率的结果，确定成像虹膜的真实性(208)。

Description

基于生物识别系统在虹膜内欺骗检测的系统和方法
相关申请的交叉引用
本申请是2014年10月30日提交的美国专利申请No.14/528,619的延续申请，其公开内容通过引用并入本申请。
技术领域
本发明涉及一种将获取和处理的主体的眼睛的一个或多个特征的图像用于生物识别的系统和方法。本发明尤其涉及一种能够实现欺骗检测的系统和方法(即，确定为生物识别认证目的成像虹膜是真实的还是虚假的)。
背景技术
用于虹膜识别的方法实现模式识别技术，通过将获得的主体虹膜的图像与先前存储的主体虹膜的图像进行比较，从而确定或验证主体的身份。使用数学或统计算法，基于图像对对应于获取的虹膜图像的的数字特征集进行编码。将数字特征集或模板与先前已编码的数字模板(对应于先前获取的虹膜图像的存储特征集)的数据库进行比较，以定位匹配并确定或验证主体的身份。
用于虹膜识别的装置通常包括用于捕获主体虹膜图像的成像装置，和用于将捕获的图像与先前存储的虹膜图像信息进行比较的图像处理装置。成像装置和图像处理装置可以包括单独的设备，或者可以在单个设备内组合。
基于生物识别技术的虹膜容易受到欺骗攻击，其中虹膜的伪像作为用于虹膜识别的真正的虹膜被传出。例如，某些虹膜识别系统容易受到主体眼睛的高分辨率打印图像或提供给虹膜照相机，用于成像和随后的特征提取和比较的虹膜的欺骗。
现有的虹膜欺骗检测方法(专利US8,364,971中公开的)包括(a)改变照明水平和观察眼睛照明强度变化的效果，(b)改变提供照明的LED的位置或模式，和观察从眼睛角膜反射的镜面模式的差异，以及(c)在连续图像上修改的照明角度以通过瞳孔，通常被称为“红眼”，改变眼睛内的反射率水平中的一个或多个。由于上述所有方法涉及到主体眼睛上的主动照明的不同水平，所以这些方法可能引起用户不适，并且在照明强度增加并超出安全阈值的情况下，也会引起眼睛的安全问题。
本发明的目的是为基于生物识别系统在虹膜内欺骗检测提供安全有效的解决方案。
发明内容
本发明提供了基于生物特征识别在虹膜内欺骗检测的方法、系统和计算机程序产品。
在一个方法实施例中，本发明包括在配置有第一曝光设置的一个成像装置处获得虹膜的第一图像，以及在配置有第二曝光设置的成像装置处获得虹膜的第二图像。比较第一和第二虹膜图像内的反射图案的发生率，且基于比较第一和第二虹膜图像内的反射图案的发生率的结果确定成像虹膜的真实性。
在该方法的一个实施例中，第一曝光设置定义了通过图像传感器的图像采集的第一曝光时间，且第二曝光设置定义了通过图像传感器的图像采集的第二曝光时间。第二曝光时间可以比第一曝光时间短。
在该方法的一个实施例中，根据快门速度设置或积分时间设置中的一个或两个，实现第一曝光设置的第一成像装置的配置与实现第二曝光设置的第二成像装置的配置不同。
在一个更具体的实施例中，对应第一成像装置配置的第一快门速度设置可以实现一比对应第二成像装置配置的第二快门速度更慢的快门速度。在一个可选实施例中，对应第一成像装置配置的第一积分时间设置可以实现比一对应第二成像装置配置的第二积分时间设置更长的积分时间。
本发明的方法，响应于判明(1)在第一虹膜图像中检测到的反射的第一组图像特性和(2)在第二虹膜图像中检测到的相同反射的第二组图像特征之间的变化，与所述第一和第二组图像特性中的预测变化一致，可以确定一成像虹膜是真实的。
在一个特定的方法实施例中，响应于(1)定义通过图像传感器进行图像采集的第一曝光时间的第一曝光设置，(2)定义通过图像传感器进行图像采集的第二曝光时间的第二曝光设置且(3)第二曝光时间比第一曝光时间短，反射的第一和第二组图像特性中的预测变化包括一预测值，当与第一个虹膜图像中检测到的相同的反射相比，在第二虹膜图像内成像的反射具有(a)较小的尺寸(b)较低的强度(c)较低的像素饱和度发生率，(d)多峰辐照度曲线干扰引起的较低的像素饱和度发生率，和(e)更高的清晰度中的任意。
在一个方法实施例中，响应于判明(1)在第一虹膜图像中检测到的反射的第一组图像特性和(2)在第二虹膜图像中检测到的相同反射的第二组图像特征之间的变化，与所述第一和第二组图像特性中的预测变化不一致，确定一成像虹膜为虚假的。
在另一方法实施例中，响应于(1)定义通过图像传感器进行图像采集的第一曝光时间的第一曝光设置(2)定义通过图像传感器进行图像采集的第二曝光时间的第二曝光设置并且(3)第二曝光时间比第一曝光时间短，反射的第一和第二组图像特性中的预测变化包括一预测值，当与第二虹膜图像中检测到的相同的反射相比，在第一虹膜图像内成像的反射具有(1)较大的尺寸(2)较高的强度(3)较高的像素饱和度发生率，(4) 多峰辐照度曲线干扰引起的较高的像素饱和度发生率，和(5)较低的清晰度的任意。
本发明的一个方法实施例可以包括以下步骤：(1)在配置有第一曝光设置的一成像装置处获得虹膜的第一图像(2)将从第一图像提取的虹膜信息与存储的对应至少一个虹膜的虹膜信息进行比较(3)响应于通过对应于第一图像的虹膜信息与存储的对应至少一个虹膜的虹膜信息之间的比较而导致的匹配决定，引起一匹配决定(a)在配置有第二曝光设置的成像装置处获得虹膜的第二图像，(b)比较第一和第二虹膜图像内的反射图案的发生率，(c)基于比较第一和第二虹膜图像内的反射图案的发生率的结果确定成像虹膜的真实性，和(d)响应于成像虹膜是真实的，授予一访问权限。
本发明还提供了一种基于生物特征识别用于虹膜的欺骗检测的系统。在一个实施例中，该系统包括一成像装置，该成像装置包括图像传感器，配置为在第一曝光设置下获得虹膜的第一图像，并在第二曝光设置下获得虹膜的第二图像。该系统另外可以包括处理器，配置为比较第一和第二虹膜图像内的反射图案的发生率，且基于比较第一和第二虹膜图像内的反射图案的发生率的结果来确定成像虹膜的真实性。
系统的成像装置可以配置为第一曝光设置定义了通过图像传感器的图像采集的第一曝光时间，且第二曝光设置定义了通过图像传感器的图像采集的第二曝光时间。根据快门速度设置或积分时间设置中的一个或两个，实现第一曝光设置的成像装置的第一配置可以不同于实现第二曝光设置的成像装置的第二配置。
在一个系统实施例中，处理器配置为，响应于确定(1)在第一虹膜图像中检测到的反射的第一组图像特性和(2)在第二虹膜图像中检测到的相同反射的第二组图像特征之间的变化，与所述第一和第二组图像特性中的预测变化一致，接受成像虹膜为真正的。
处理器还可以进一步配置为，响应于(1)定义通过图像传感器进行图像采集的第一曝光时间的第一曝光设置，(2)定义通过图像传感器进行图像采集的第二曝光时间的第二曝光设置且(3)第二曝光时间比第一曝光时间短，反射的第一和第二组图像特性中的预测变化包括一预测值，当与第一虹膜图像中检测到的相同的反射相比在第二虹膜图像内成像的反射具有(1)较小的尺寸(2)较低的强度(3)较低的像素饱和度发生率， (4)多峰辐照度曲线干扰引起的较低的像素饱和度发生率，和(5)更高的清晰度的任意。
处理器另外可以配置为，响应于判明(1)在第一虹膜图像中检测到的反射的第一组图像特性和(2)在第二虹膜图像中检测到的相同反射的第二组图像特征之间的变化，与所述第一和第二组图像特性中的预测变化不一致，拒绝一虚假的成像虹膜。
在一系统实施例中，处理器配置为，响应于(1)定义通过图像传感器进行图像采集的第一曝光时间的第一曝光设置(2)定义通过图像传感器进行图像采集的第二曝光时间的第二曝光设置且(3)第二曝光时间比第一曝光时间短，反射的第一和第二组图像特性中的预测变化包括一预测值，与第二虹膜图像中检测到的相同的反射相比在第一虹膜图像内成像的反射具有(1)较大的尺寸(2)较高的强度(3)较高的像素饱和度发生率， (4)多峰辐照度曲线干扰引起的较高的像素饱和度发生率，和(5)较低的清晰度的任意。
本发明还提供了一种基于生物特征识别用于虹膜的欺骗检测的计算机程序产品，包括内部含有计算机可读程序代码的非暂时性的计算机可用介质，该计算机可读程序代码包括在配置有第一曝光设置的成像装置处获得虹膜的第一图像以及在配置有第二曝光设置的成像装置处获得虹膜的第二图像的指令。计算机可读程序代码还可以包括比较第一和第二虹膜图像内的反射图案的发生率，且基于比较第一和第二虹膜图像内的反射图案的发生率的结果确定成像虹膜的真实性。
附图说明
图1A描绘了涉及基于识别系统的虹膜图像的步骤。
图1B为结合根据本发明的装置的设备的功能框图。
图2为虹膜欺骗检测的方法。
图3至图10描绘了改变曝光时间的结果而产生的对应于镜面反射图案的图像特性的可检测变化。
图11描绘了基于生物识别用于虹膜的方法中用于确定虹膜图像的真实性的方法的实现。
图12描绘了根据本发明的示例性系统。
具体实施方式
图1A描绘了涉及基于识别系统的虹膜图像的步骤。在步骤102A，成像装置获取主体虹膜的图像。
在步骤104A对获取的图像执行虹膜分割。虹膜分割是指在获取的图像内定位虹膜的内部和外部边界，并裁剪对应于虹膜的图像部分的步骤。由于虹膜是环形的，虹膜分割通常涉及识别在获取的图像内的两个基本上同心的圆形边界-其圆形边界对应于虹膜的内部和外部边界。为此可以采用若干用于虹膜分割的技术，包括例如道格曼虹膜分割算法(Daugman's iris segmentation algorithm)。另外，虹膜分割可以包括从获取的图像中裁剪眼睑和眼睫毛。可以理解为，虹膜分割是在特征提取和比较之前的可选步骤，其可以被完全避免。虹膜分割有时被理解为构成特征提取操作的一部分，并不总是被单独描述。
随后，在步骤106A执行特征提取，包括处理对应于已裁剪的虹膜图像的图像数据，以提取和编码表示潜在生物特征的突出和区别特征。对于虹膜图像，可以通过应用数字滤波器来检查分割的虹膜图像的纹理来提取特征。数字滤波器的应用可引起二进制化的输出(也称为“虹膜代码”或“特征集”)，其包括虹膜的突出和区别特征的表示。可以实现用于虹膜特征提取的多种技术，包括例如贾伯滤波器(Gabor filters)的应用。
在步骤108A中，比较算法将对应于获取的虹膜图像的特征集与来自数据库的先前存储的虹膜图像模板进行比较，以生成表示输入图像和数据库模板之间的差异(即相似度或不相似度)的分数。例如，比较算法可以涉及计算两个虹膜图像的特征集之间的汉明距离(hamming distance)，其中所计算的归一化汉明距离表示两个虹膜之间的不相似性的度量。
特征提取和比较步骤可以集成到单个步骤中。同样地，可以完全省略特征提取步骤，在这种情况下，特征比较步骤可以包括将对应于接收到的帧的虹膜图像信息，与存储的对应于至少一个虹膜图像的虹膜信息进行比较。为了本发明的目的，对比较步骤的任何引用应理解为等同地应用于(1)从特征提取步骤导出的特征集与存储的虹膜图像模板之间的比较，以及(2)相对应接收到的帧的虹膜图像信息与存储的对应于至少一个虹膜图像的虹膜信息之间的比较。
在步骤110A，比较步骤的结果用于作出关于获取的虹膜图像的身份的决定(身份决定)。
为了本说明书的目的，身份决定可以包括肯定决定或否定决定。肯定决定(“匹配”或“匹配决定”)包括获取的虹膜图像(1)与已经在系统中注册或登记的虹膜图像或虹膜模板相匹配，或者(2)其满足已经在系统内注册或登记的虹膜图像或虹膜模板的预定程度的相似度的判定。否定决定(“不匹配”或“不匹配决定”)包括获取的虹膜图像(1)与已经在系统中注册或登记的任何虹膜图像或虹膜模板不匹配，或者(2)其不满足在系统内注册或登记的虹膜图像或虹膜模板的预定程度的相似度的判定。在匹配(或不匹配) 依赖于满足(或不能满足)在系统内注册或登记的虹膜图像或虹膜模板的预定程度的相似度的实施例中，该预定程度的相似度可以根据应用和精度要求来改变。在某些电子设备(例如，移动设备)中，身份验证可导致解锁，访问授权或对电子设备或其通信的授意，而不能识别虹膜图像可导致拒绝解锁或拒绝访问。在本发明的一个实施例中，匹配 (或不匹配)的判定可以被传送到配置为响应于该被传送的判定，授权或拒绝一个事务、或授权或拒绝访问设备、装置、场所或信息的另一设备或装置。
本发明提出了在多个连续图像上测量的，基于检测到的成像眼表面上的反射图案(例如表面眩光或镜面反射图案)的变化，用于欺骗检测的系统和方法。为了欺骗检测目的，避免必须变化入射到主体眼睛上的照明强度，本发明取决于变化虹膜成像装置内的曝光参数。
在摄像中，“曝光”是指到达成像表面的每单位面积的光量，例如摄影胶片(在胶片相机的情况下)或图像传感器(在数码相机的情况下)。成像表面的曝光可以通过快门速度或积分时间或两者同时确定，其确定成像表面暴露于入射波长的有限时间段，用于图像采集(“曝光时间”)。
“快门速度”是指相机快门在图像采集期间打开的时间长度，并确定相机内到达摄影胶片或图像传感器的光量。
在数字照相机中，也可以通过“积分时间”来确定曝光时间-这是指，响应于入射波长，在图像传感器内的光敏元件被允许积累电荷(在CCD图像传感器的情况下)或允许排出电荷(在CMOS图像传感器的情况下)的一个有限时间段。在积分时间结束时，为了产生图像信息，读取并数字化在每个光敏元件中充电累积或剩余的电荷。
为了控制成像装置的曝光时间，数码相机可以控制快门速度和积分时间中的一个或两个。
应当理解为，控制成像装置的曝光就是对应地控制在成像表面处检测的照明强度。本发明利用这一点通过使用曝光控制作为虹膜欺骗检测的手段。
图1B是具有依据本发明的装置的设备100B的功能框图，其配置用于基于生物识别的眼睛(例如，基于虹膜或视网膜的生物识别)，该设备包括成像装置102B和图像处理装置104B。成像装置102B包括用于获取主体眼睛的图像的图像传感器，并将图像传输到图像处理装置104B。由成像装置102B捕获的图像可以是静止图像或视频图像。图像处理装置104B此后分析并比较从主体眼睛/虹膜的捕获图像提取的数据与从先前获取的眼睛/虹膜图像提取的数据，以识别主体，或者验证主体的身份。设备100B还包括照明源106B(例如白炽光源，红外光谱或者近红外光谱照明源或任何其他照明源)以及配置为控制成像装置的曝光时间的曝光控制器108B。曝光控制器108B可以通过变化成像装置的快门速度或图像传感器的积分时间中的一个或两个来控制曝光时间。虽然图1A ，图 1B 中未示出，但是设备100B可以包括其他组件，包括一个或多个光学组件，以及用于从视频图像中提取静止帧，用于处理和数字化图像数据，以及用于实现装置的部件之间的通信的部件。
图2示出了一种根据本发明的虹膜欺骗检测的方法。
步骤202包括在配置有第一曝光设置的成像装置处获得主体的虹膜的第一图像-该第一曝光设置定义在该成像装置内通过图像传感器进行图像采集的第一曝光时间。步骤204包括在配置有第二曝光设置的成像装置处获取主体的虹膜的第二图像，该第二曝光设置定义通过图像传感器进行图像采集的第二曝光时间。在本发明的一个实施例中，第二曝光时间可以比第一曝光时间短。在另一个实施例中，第二曝光时间可以比第一曝光时间长。
根据快门速度设置或积分时间设置中的一个或两个，实现第一曝光设置的第一成像装置配置可能不同于实现第二曝光设置的第二成像装置配置。在一个实施例中，对应于第一成像设备配置的第一快门速度设置可以实现一比对应第二成像设备配置的第二快门速度更慢的快门速度。在另一个实施例中，对应于第一成像装置配置的第一积分时间设置可以实现一比对应于第二成像装置配置的第二积分时间设置更长的时间。
在步骤206，该方法比较在获取的第一和第二图像内检测到的一个或多个反射图案的图像特征。在获取的第一和第二图像内检测到的反射图案可以包括由主体的角膜，虹膜或成像眼睛的任何其他部分的眩光或镜面反射引起的反射。
如前所述，成像装置的控制曝光对应地控制在成像表面检测到的照明强度。特别是考虑到与虹膜图像中检测到的反射图案有关(并且假设所有其他因素，包括虹膜的位置和照明源的位置和强度保持相同或基本相同)时，通过长曝光时间获取的第一虹膜图像将包括具有对应的第一组图像特性的第一组反射图案，并且通过短曝光时间获取的第二虹膜图像将包括具有对应的第二组图像特征的第二组反射图案，从而第二组图像特征不同于第一组图像特征。可以使用对于分别对应于第一组和第二组反射图案的第一组图像特性和第二组图像特征之间的识别差异的分析，来确定用于成像的虹膜是真实的还是虚假的。在图2的方法的实施例中，形成用于在步骤206进行比较的基础的图像特征(分别对应于获取的第一和第二图像内的第一和第二组反射图案)，可以包括任何检测到的图像特征，包括但不限于外观，尺寸，透明度，形状，图案，绝对或相对位置，反射图案内的部件反射的特征，检测到的辐照度曲线信息或反射强度。
步骤208包括确定成像虹膜的真实性(即，用于成像的虹膜是真正的还是虚假的)，该判定基于步骤206的比较结果。真实性的判定包括(1)确定在第一虹膜图像中检测到的反射的第一组图像特征与在第二虹膜图像中检测到的相同反射的第二组图像特征之间的变化，以及(2)判明是否检测到的变化与作为将成像装置配置从第一曝光设置改变为第二曝光设置的结果的，预测发生在所述第一和第二组图像特征中的变化一致。
具体而言，确定的或者观测的在第一和第二图像内的反射图案的图像特性的变化，与预测发生的作为将成像装置配置从第一曝光设置改变为第二曝光设置的结果的变化不一致的情况下，可以得出用于成像虹膜是欺骗或者虚假的判定。相反地，确定的在第一和第二图像内的反射图案的图像特性的变化，与预测发生的作为将成像装置配置从第一曝光设置改变为第二曝光设置的结果的变化一致的情况下，可以得出用于成像虹膜是真实的判定。
例如，在第一曝光配置确保第一曝光时间和第二曝光配置确保比第一曝光时间短的第二曝光时间的情况下，与第二虹膜图像中检测到的相同的反射相比，在本发明的一个实施例中，第一虹膜图像内检测到的反射可预期呈现(1)一个较大的尺寸(2)一个较高的强度(3)增加的像素饱和度，(4)多峰辐照度曲线干扰引起的较高的像素饱和度发生率，和(5)较低的清晰度中的一个或多个。如果在比较步骤206中发现，与第二虹膜图像内检测到的相同反射相比，在第一个虹膜图像中检测到的反射呈现上述特征中的一个或多个，用于成像的虹膜被确定为真正的。另一方面，如果在步骤206中，与第二虹膜图像中检测到的相同反射相比，发现在第一虹膜图像内检测到的反射呈现(1)相同或较小的尺寸(2)相同或较低的强度(3)相同或较低的像素饱和度发生率，(4)多峰辐照度曲线干扰引起的相同或者较低的像素饱和度发生率，和(5)相同或较高的清晰度中的一个或多个，用于成像的虹膜被确定为欺骗或者虚假的。
相反，在第一曝光配置确保第一曝光时间和第二曝光配置确保比第一曝光时间长的第二曝光时间的情况下，与第二个虹膜图像中检测到的相同的反射相比，在本发明的一个实施例中，第一虹膜图像内检测到的反射可预期呈现(1)较小的尺寸(2)较低的强度(3)较低的饱和度发生率，(4)多峰辐照度曲线干扰引起的相同或者较低的像素饱和度发生率，和(5)较高的清晰度中的一个或多个。如果在比较步骤206中发现，与第二虹膜图像中检测到的相同反射相比，在第一虹膜图像内检测到的反射实际上呈现(1) 较小的尺寸(2)较低的强度(3)较低的像素饱和度发生率，(4)多峰辐照度曲线干扰引起的相同或者较低的像素饱和度发生率，和(5)较高的清晰度中的一个或多个,用于成像的虹膜被确定为真正的。另一方面，如果在步骤206中发现，与第二虹膜图像中检测到的相同反射相比，在第一虹膜图像内检测到的反射呈现(1)相同或较大的尺寸(2) 相同或较高的强度(3)相同或较高的像素饱和度的发生率，(4)多峰辐照度曲线干扰引起的较高的像素饱和度，和(5)相同或较低的清晰度中的一个或多个,用于成像的虹膜被确定为欺骗或者虚假的。
应当理解为，尺寸，强度，像素饱和度的发生率，多峰辐照度曲线干扰引起的像素饱和度的发生率和清晰度的特征不包括受曝光时间变化影响的图像特性的详尽列举。其它示例性非限制性图像特征可以包括检测到的反射的绝对或相对位置以及反射内的部件反射的特征。
图3至图10示出了对应于作为改变曝光时间的结果而产生的镜面反射图案的图像特征的可检测变化的示例性实施例，按照图2的方法其可用于确定用于成像的虹膜是否是欺骗或虚假的。
图3和图4分别包括真正的眼睛的第一图像301和第二图像401(即位于用于图像采集的成像装置前面的真正的眼睛)，这两个图像都是使用相同的成像装置获得的，但是采用不同的曝光时间。具体而言，摄像装置获取图3的第一图像301的第一曝光时间长于获取图4的第二图像401的第二曝光时间。将观察到，虽然主体眼睛的第一图像301 和第二图像401中的每一个分别包括在虹膜-瞳孔边界附近的镜面反射(主镜面反射)302 和402，但是第一图像301内的所述主镜面的反射302尺寸和强度特征不同于第二图像 401内的主要镜面反射402的对应尺寸和强度特征。
图5示出了对应于(1)图3的第一图像301内的主镜面反射302和(2)图4的第二图像401内的主镜面反射402的辐照度曲线。图5的比较图示出了当在不同的曝光时间下获取真正的或真实的虹膜的图像时，观察到的在主镜面反射图案302和402的辐照度曲线的变化。
图6和图7分别包括使用相同的成像装置，但在不同的曝光时间获得的一假冒或者虚假眼睛的第一图像601和第二图像701(例如，打印在纸上并位于用于图像获取的成像装置的前方的主体眼睛的图像)。具体地，由成像装置获取图6的第一图像601的第一曝光时间比获得图7的第二图像701的第二曝光时间长。将观察到虚假眼睛的第一图像 601和第二图像701中的每一个分别包括在虹膜-瞳孔边界附近的镜面反射(主镜面反射) 602和702。
图8示出了对应于(1)图6的第一图像601内的主镜面反射602和(2)图7的第二图像701内的主镜面反射702的辐照度曲线。图8的比较图示出了当在不同的曝光时间下获取虚假的眼睛的图像时，观察到的在主镜面反射图案602和702的辐照度曲线的变化。
比较图5和图8的各个部分，可以看出，使用两个不同的曝光时间的真正的眼睛的图像捕捉引起的镜面辐照度曲线的特征的变化类型，与使用两个不同的曝光时间的假冒的眼睛的图像捕捉引起的镜面辐照度分布的特征的变化类型明显不同。在与图2联系讨论的方法的实施例中，本发明通过在至少两个不同的曝光时间获取的至少两个眼睛或虹膜的图像来判明用于图像采集的眼睛或虹膜是真正的还是假冒的，以及当(1)获取的真正的眼睛的图像在相同的至少两个不同的曝光时间时或(2)获取的假冒的眼睛的图像在相同的至少两个不同的曝光时间时，将在检测到的镜面反射的图像特征上观察到的变化与预期或预测的变化进行比较。
图9A示出了对应于由不是“点光源”的光源(例如具有两个或更多个LED的照明源，例如LED阵列或多芯片LED封装)引起的反射的辐照度曲线。检测的辐照度曲线不是具有单个峰值，而是包括调制(或多峰)辐照度曲线，在图9A中其包括双峰辐照度曲线。
应当理解，能够由图像传感器的像素记录或检测的最大辐照度(Imax)确定图像传感器的像素达到饱和度(即，饱和度水平)时的辐射强度-超出该饱和度，图像传感器的像素不能提供关于入射辐射的直接信息，并且只能指示这些像素已经经受具有至少等于Imax的强度的辐照度。
因此，如图9B的辐照度曲线所示，图像传感器将仅能够检测到等于Imax的强度水平的辐照度信息，超出该强度水平，图像传感器的像素达到饱和，这干扰了对应于图 9A所示的双峰配置的尖端的辐照度信息的检测和记录。因此，图9B的辐照度曲线不是示出图9A的双峰配置，而是示出在饱和水平Imax处的平台区域，从而表示像素已经经受至少等于Imax的辐射强度。
在由多点光源引起的反射的情况下，由改变曝光时间引起的检测和记录的辐照度曲线信息(包括关于多峰辐照度曲线干扰引起的像素饱和度发生率)的变化，可以在实施例用于判明用于图像采集的虹膜或眼睛是真正的还是假冒的。
图10示出了响应于曝光时间变化的检测或记录的多峰辐照度曲线(由多点光源引起的)的变化。如图10的比较图所示，在较长曝光时间获取的图像的情况下，由镜面反射引起的最大辐照度强度可能会超过图像传感器像素的饱和度水平，从而防止辐照度曲线的多个峰值被图像传感器检测和记录。相比之下，当在更短的曝光时间获取图像时，由镜面反射引起的最大辐照度强度可能小于图像传感器像素的饱和度水平，结果，图像传感器像素能够检测并记录辐照度曲线的多个峰值。
因此，在本发明的一个实施例中，照明源是能够引起具有多峰值辐照度曲线的镜面反射的多点照明源，可以将在长曝光时间和短曝光时间分别检测的辐照度曲线之间的预期或预测的变化与实际确定的变化进行比较，以判明用于成像的眼睛或虹膜是真实的还是虚假的。在本发明的一个实施例中，如果在短曝光时间的情况下像素饱和导致的与多峰辐照度曲线的干扰，小于在长曝光时间的情况下像素饱和度导致的与多峰辐照度曲线的干扰，则用于成像的眼睛或虹膜可以被视为真正的。在本发明的一个实施例中，如果在短曝光时间的情况下像素饱和导致的与多峰辐照度曲线的干扰，大于在长曝光时间的情况下像素饱和度导致的与多峰辐照度曲线的干扰，则用于成像的眼睛或虹膜可以被视为假冒的。
综上所述，下表总结了用于成像的虹膜的真实性的示例性基于判定的规则。
Figure BDA0001320620750000111
Figure BDA0001320620750000121
除了在上述基于判定的具体实施规则中描述的图像特征之外，应当理解，本发明可以同样依赖于在任何其他可能显示对应于曝光时间的改变的可预测的变化的图像特征的确定的和预测的变化之间的比较。
图11示出了一种具体实施方法，其中用于确定用于成像的虹膜的真实性的方法在基于生物特征识别用于虹膜的方法中实现。
步骤1102包括在第一曝光设置下获取主体虹膜的第一图像。在步骤1104，该方法将从第一图像提取的虹膜信息与存储的对应于至少一个虹膜的虹膜信息进行比较。尽管在图11中没有具体示出，但是应当理解，方法步骤1104可以包括与结合图1A所讨论上述用于虹膜识别的方法相关的任何一个或多个步骤。
在步骤1106，对应于在步骤1104中执行的任何比较所产生的匹配决定，在第二曝光设置下获得虹膜的第二图像。此后，步骤1108比较所获取的虹膜的第一和第二图像内的反射图案的图像特征。在步骤1110，可以基于第一和第二虹膜图像内的反射图案的图像特性的比较结果来确定成像虹膜的真实性。应当理解，结合图2如前所述，比较步骤1108和认证步骤1110可以各自根据比较认证步骤206和208来实现。
在本发明的一个实施例中，图11的方法可以引起对应于(1)引起匹配决定(或对主体身份的验证)的步骤1104，和(2)引起验证成像虹膜的真实性(即导致确定成像虹膜是真实的)的步骤1110的授权访问。授权访问可以包括解锁电子设备或任何其他系统，装置或设备，或者授权访问任何实现基于虹膜的生物特征授权访问控制的系统，设备，装或环境中的一个或多个。相反，图11的方法可以引起对应于(1)不引起匹配决定(或对主体身份的验证)的步骤1104，或(2)不引起验证成像虹膜的真实性的步骤 1110的拒绝访问。
图12示出了可以实现包括成像装置，图像处理设备和显示器的本发明的各种实施例的示例性系统。应当理解，图12的示例性系统可以在各种实施例中或包括或被包括在图1B所示的生物识别设备内。
系统1202包括至少一个处理器1204和至少一个存储器1206。处理器1204执行程序指令，并且可以是真正的处理器。处理器1204也可以是虚拟处理器。计算机系统1202 并不表示对所描述的实施例的使用范围或功能做任何限制。例如，计算机系统1202可以包括但不限于通用计算机，编程微处理器，微控制器，集成电路以及其他能够实施构成本发明方法的步骤的设备或者设备的组合中的一个或多个。在本发明的实施例中，存储器1206可以存储用于实施本发明的各种实施例的软件。计算机系统1202可以具有附加部件。例如，计算机系统1202包括一个或多个通信信道1208，一个或多个输入设备1210，一个或多个输出设备1212和存储器1214。诸如总线，控制器或网络的互连机制(未示出) 互相连接计算机系统1202的组件。在本发明的各种实施例中，操作系统软件(未示出) 为在计算机系统1202中执行的各种软件提供操作环境，并且管理计算机系统1202的组件的不同功能。
通信信道1208允许通过通信介质与各种其他计算实体进行通信。通信介质在通信媒体中提供诸如程序指令或其他数据的信息。通信媒体包括但不限于用电，光，射频，红外，声学，微波，蓝牙或其它传输介质实现的有线或无线通信方法。
输入设备1210可以包括但不限于触摸屏，键盘，鼠标，笔，操纵杆，轨迹球，语音设备，扫描设备或能够向计算机系统1202提供输入的任何其他设备。在本发明的实施例中，输入设备1210可以是以模拟或数字形式接受音频输入的声卡或类似设备。输出设备1212可以包括但不限于CRT或LCD，打印机，扬声器，CD/D5D刻录机或提供来自计算机系统1202的输出的任何其他设备的用户界面。
存储器1214可以包括但不限于磁盘，磁带，CD-ROM，CD-RW，D5D，任何类型的计算机存储器，磁条，智能卡，打印条形码或任何其他可以用于存储信息并且可以被计算机系统1202访问暂时性的或非暂时性的介质。在本发明的各种实施例中，存储器 1214包含用于实现所述实施例的程序指令。
在本发明的一个实施例中，计算机系统1202是分布式网络的一部分，其中实现本发明的各种实施例用于快速开发端对端软件应用。
本发明可以以多种方式实现，包括作为系统，方法或计算机程序产品，例如计算机可读存储介质或计算机网络，其中从远程位置传送编程指令。
本发明可以适当地体现为与计算机系统1202一起使用的计算机程序产品。本申请描述的方法通常被实现为计算机程序产品，其包括由计算机系统1202或任何其它类似设备执行的一组程序指令。该组程序指令可以是存储在有形介质上的一系列计算机可读代码，该有形介质诸如计算机可读存储介质(存储器1214)，例如磁盘，CD-ROM，ROM，闪存驱动器或硬盘，或能够经过调制解调器或其他接口设备通过有形介质包括但不限于光学或模拟通信信道1208传输到计算机系统1202。作为计算机程序产品的本发明的实现可以是使用无线技术的无形形式，包括但不限于微波，红外线，蓝牙或其他传输技术。这些指令可以被预加载到系统中或者记录在诸如CD-ROM的存储介质上，或者可以通过诸如因特网或移动电话网络进行下载。这一系列计算机可读指令可以体现本申请先前描述的全部或部分功能。
尽管本申请描述和示出了本发明的示例性实施例，但是应当理解，它们仅仅是说明性的。在不脱离或违反由所附权利要求限定的本发明的精神和范围的情况下，本领域技术人员在理解本说明书后，可以在形式和细节上进行各种修改。

Claims (12)

1.一种基于生物特征识别用于虹膜的欺骗检测的方法，所述方法包括：
在使用第一曝光时间的一个成像装置处获得虹膜的第一图像；
在使用第二曝光时间的成像装置处获得虹膜的第二图像；
比较第一和第二虹膜图像内的反射图案的发生率；
基于比较第一和第二虹膜图像内的反射图案的发生率的结果确定成像虹膜的真实性；
其中，成像虹膜被确定为真实的响应于：
(a)所述第二曝光时间比第一曝光时间短；
(b)在不改变入射到成像虹膜上的照明强度的情况下获得第一虹膜图像和第二虹膜图像；
(c)与第一虹膜图像内检测到的相同的反射相比，在第二虹膜图像内成像的反射具有(1)较小的尺寸(2)较低的强度(3)较低的像素饱和度发生率，(4)多峰辐照度曲线干扰引起的较低的像素饱和度发生率，和(5)较高的清晰度中的任意。
2.如权利要求1所述的方法，其中，根据快门速度设置或积分时间设置中的一个或两个，实现第一曝光时间的第一成像装置的配置与实现第二曝光时间的第二成像装置的配置不同。
3.如权利要求2所述的方法，其中，对应第一成像装置配置的第一快门速度设置实现一比对应第二成像装置配置的第二快门速度更慢的快门速度。
4.如权利要求2所述的方法，其中，对应第一成像装置配置的第一积分时间设置实现一比对应第二成像装置配置的第二积分时间设置更长的积分时间。
5.如权利要求1所述的方法，其中，响应于判明(1)在第一虹膜图像中检测到的反射的第一组图像特性；和(2)在第二虹膜图像中检测到的相同反射的第二组图像特征之间的变化，与所述第一和第二组图像特性中的预测变化不一致，一成像虹膜确定为虚假的。
6.如权利要求5所述的方法，其中，确定成像虹膜是虚假的基于：
反射的第一和第二组图像特性中的预测变化包括一预测值，当与第二虹膜图像内检测到的相同的反射相比，在第一虹膜图像内成像的反射具有(1)较大的尺寸(2)较高的强度(3)较高的像素饱和度发生率，(4)多峰辐照度曲线干扰引起的较高的像素饱和度发生率，和(5)较低的清晰度中的任意。
7.一种基于生物特征识别用于虹膜的方法，包括以下步骤：
在使用第一曝光时间的一成像装置处获得虹膜的第一图像；
将从第一图像提取的虹膜信息与存储的对应至少一个虹膜的虹膜信息进行比较；
响应于通过对应于第一图像的虹膜信息与存储的对应至少一个虹膜的虹膜信息之间的比较而导致的匹配决定，引起一匹配决定：
在使用第二曝光时间的成像装置处获得虹膜的第二图像；
比较第一和第二虹膜图像内的反射图案的发生率；
基于比较第一和第二虹膜图像内的反射图案的发生率的结果确定成像虹膜的真实性；及
响应于确定成像虹膜是真实的，授予一访问权限；
其中，成像虹膜被确定为真实的响应于：
(a)所述第二曝光时间比第一曝光时间短；
(b)在不改变入射到成像虹膜上的照明强度的情况下获得第一虹膜图像和第二虹膜图像；
(c)与第一虹膜图像内检测到的相同的反射相比，在第二虹膜图像内成像的反射具有(1)较小的尺寸(2)较低的强度(3)较低的像素饱和度发生率，(4)多峰辐照度曲线干扰引起的较低的像素饱和度发生率，和(5)较高的清晰度中的任意。
8.一种基于生物特征识别用于虹膜的欺骗检测的系统，包括：
一成像装置，该成像装置包括图像传感器，配置为：
在第一曝光时间下获得虹膜的第一图像；及
在第二曝光时间下获得虹膜的第二图像；
一处理器，配置为：
比较第一和第二虹膜图像内的反射图案的发生率；
基于比较第一和第二虹膜图像内的反射图案的发生率的结果来确定成像虹膜的真实性；
其中，成像虹膜被确定为真实的响应于：
(a)所述第二曝光时间比第一曝光时间短；
(b)在不改变入射到成像虹膜上的照明强度的情况下获得第一虹膜图像和第二虹膜图像；
(c)与第一虹膜图像内检测到的相同的反射相比，在第二虹膜图像内成像的反射具有(1)较小的尺寸(2)较低的强度(3)较低的像素饱和度发生率，(4)多峰辐照度曲线干扰引起的较低的像素饱和度发生率，和(5)较高的清晰度中的任意。
9.如权利要求8所述的系统，其中，根据快门速度设置或积分时间设置中的一个或两个，实现第一曝光时间的成像装置的第一配置不同于实现第二曝光时间的成像装置的第二配置。
10.如权利要求8所述的系统，其中，所述处理器配置为，响应于判明(1)在第一虹膜图像中检测到的反射的第一组图像特性；和(2)在第二虹膜图像中检测到的相同反射的第二组图像特征之间的变化，与所述第一和第二组图像特性中的预测变化不一致，拒绝一虚假的成像虹膜。
11.根据权利要求10所述的系统，其中，所述处理器配置为，确定成像虹膜是虚假的基于：
反射的第一和第二组图像特性中的预测变化包括一预测值，当与第二虹膜图像内检测到的相同的反射相比，在第一虹膜图像内成像的反射具有(1)较大的尺寸(2)较高的强度(3)较高的像素饱和度发生率，(4)多峰辐照度曲线干扰引起的较高的像素饱和度发生率，和(5)较低的清晰度中的任意。
12.一种基于生物特征识别用于虹膜的欺骗检测的非暂时性计算机可读存储介质，所述非暂时性的计算机可读存储介质内部含有计算机可读程序代码，所述计算机可读程序代码包括以下指令：
在配置有第一曝光设置的成像装置处获得虹膜的第一图像；
在配置有第二曝光设置的成像装置处获得虹膜的第二图像；
比较第一和第二虹膜图像内的反射图案的发生率；
基于比较第一和第二虹膜图像内的反射图案的发生率的结果确定成像虹膜的真实性；
其中，成像虹膜被确定为真实的响应于：
(a)定义通过图像传感器进行图像采集的第一曝光时间的第一曝光设置；
(b)定义通过图像传感器进行图像采集的第二曝光时间的第二曝光设置；
(c)第二曝光时间比第一曝光时间短；
(d)在不改变入射到成像虹膜上的照明强度的情况下获得第一虹膜图像和第二虹膜图像；
(e)与第一虹膜图像内检测到的相同的反射相比，在第二虹膜图像内成像的反射具有(1)较小的尺寸(2)较低的强度(3)较低的像素饱和度发生率，(4)多峰辐照度曲线干扰引起的较低的像素饱和度发生率，和(5)较高的清晰度中的任意。
CN201580067997.5A 2014-10-30 2015-10-29 基于生物识别系统在虹膜内欺骗检测的系统和方法 Active CN107111704B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/528,619 US9672341B2 (en) 2014-10-30 2014-10-30 Systems and methods for spoof detection in iris based biometric systems
US14/528,619 2014-10-30
PCT/US2015/058023 WO2016069879A1 (en) 2014-10-30 2015-10-29 Systems and methods for spoof detection in iris based biometric systems

Publications (2)

Publication Number Publication Date
CN107111704A CN107111704A (zh) 2017-08-29
CN107111704B true CN107111704B (zh) 2020-05-15

Family

ID=55852972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580067997.5A Active CN107111704B (zh) 2014-10-30 2015-10-29 基于生物识别系统在虹膜内欺骗检测的系统和方法

Country Status (6)

Country Link
US (1) US9672341B2 (zh)
EP (1) EP3213245B1 (zh)
JP (1) JP2017537386A (zh)
KR (1) KR102387184B1 (zh)
CN (1) CN107111704B (zh)
WO (1) WO2016069879A1 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8485442B2 (en) 2009-07-02 2013-07-16 Biometric Payment Solutions Electronic transaction verification system with biometric authentication
US8437513B1 (en) * 2012-08-10 2013-05-07 EyeVerify LLC Spoof detection for biometric authentication
US9886639B2 (en) * 2014-12-31 2018-02-06 Morphotrust Usa, Llc Detecting facial liveliness
US9928603B2 (en) 2014-12-31 2018-03-27 Morphotrust Usa, Llc Detecting facial liveliness
CN104834908B (zh) * 2015-05-07 2018-09-07 惠州Tcl移动通信有限公司 一种移动终端基于眼纹识别的图像曝光方法及曝光系统
US20170061210A1 (en) * 2015-08-26 2017-03-02 Intel Corporation Infrared lamp control for use with iris recognition authentication
JP6607755B2 (ja) * 2015-09-30 2019-11-20 富士通株式会社 生体撮影装置および生体撮影方法
NZ744400A (en) 2016-01-19 2019-11-29 Magic Leap Inc Eye image collection, selection, and combination
CA3030015A1 (en) * 2016-07-05 2018-01-11 Yecheng WU Spoofing attack detection during live image capture
US10430638B2 (en) * 2016-11-10 2019-10-01 Synaptics Incorporated Systems and methods for spoof detection relative to a template instead of on an absolute scale
US10701277B2 (en) * 2017-05-31 2020-06-30 Fotonation Limited Automatic exposure module for an image acquisition system
CN107992866B (zh) * 2017-11-15 2018-06-29 上海聚虹光电科技有限公司 基于视频流眼部反光点的活体检测方法
CN109375358B (zh) * 2018-11-28 2020-07-24 南京理工大学 一种基于最优照明模式设计下的差分相衬定量相位显微成像方法
CN110135370B (zh) * 2019-05-20 2022-09-09 北京百度网讯科技有限公司 人脸活体检测的方法及装置、电子设备、计算机可读介质
US11074467B2 (en) * 2019-12-05 2021-07-27 Shenzhen GOODIX Technology Co., Ltd. Anti-spoofing of transparent fake object overlays with optical sensing modules
US11256939B2 (en) * 2021-10-06 2022-02-22 Arnav Gupta Methods, systems and computer program products for eye based spoof detection
WO2023075538A1 (ko) * 2021-10-29 2023-05-04 주식회사 람다 정품 인증 방법
IT202200000548A1 (it) * 2022-01-14 2023-07-14 Biomeye S R L Sistema e metodo di autenticazione di un essere vivente basato sul riconoscimento dell’iride

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6486915B2 (en) * 1999-04-20 2002-11-26 Intel Corporation Determining a final exposure setting automatically for a solid state camera without a separate light metering circuit
JP4424292B2 (ja) * 2005-09-28 2010-03-03 ソニー株式会社 撮像装置、露出制御方法およびプログラム
US20090060286A1 (en) 2007-09-04 2009-03-05 General Electric Company Identification system and method utilizing iris imaging
US20130089240A1 (en) 2011-10-07 2013-04-11 Aoptix Technologies, Inc. Handheld iris imager
US8542879B1 (en) * 2012-06-26 2013-09-24 Google Inc. Facial recognition
US8437513B1 (en) 2012-08-10 2013-05-07 EyeVerify LLC Spoof detection for biometric authentication
US9767358B2 (en) * 2014-10-22 2017-09-19 Veridium Ip Limited Systems and methods for performing iris identification and verification using mobile devices

Also Published As

Publication number Publication date
US20160125178A1 (en) 2016-05-05
WO2016069879A1 (en) 2016-05-06
JP2017537386A (ja) 2017-12-14
EP3213245B1 (en) 2019-05-08
KR102387184B1 (ko) 2022-04-14
EP3213245A1 (en) 2017-09-06
US9672341B2 (en) 2017-06-06
CN107111704A (zh) 2017-08-29
KR20170078729A (ko) 2017-07-07
EP3213245A4 (en) 2018-05-02

Similar Documents

Publication Publication Date Title
CN107111704B (zh) 基于生物识别系统在虹膜内欺骗检测的系统和方法
KR102466997B1 (ko) 라이브니스 검사 방법 및 장치
US10095927B2 (en) Quality metrics for biometric authentication
US9922238B2 (en) Apparatuses, systems, and methods for confirming identity
JP7242528B2 (ja) モバイルデバイスを用いてキャプチャした画像を使用する、指紋によるユーザ認証を実施するためのシステムおよび方法
CN107438854B (zh) 使用移动设备捕获的图像执行基于指纹的用户认证的系统和方法
US8744141B2 (en) Texture features for biometric authentication
KR101672541B1 (ko) 지문과 지정맥을 동시에 인증하는 3d 입체 촬영장치
JP7253691B2 (ja) 照合装置及び照合方法
US20240087358A1 (en) Liveness test method and apparatus and biometric authentication method and apparatus
KR102317180B1 (ko) 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법
US20160366317A1 (en) Apparatuses and methods for image based biometric recognition
KR20210069404A (ko) 라이브니스 검사 방법 및 라이브니스 검사 장치
Wild et al. Comparative test of smartphone finger photo vs. touch-based cross-sensor fingerprint recognition
KR20120135381A (ko) 동공 경계 정보를 이용한 생체 인식 방법 및 이를 적용하는 장치
KR101792011B1 (ko) 남녀 식별구분하여 지문과 지정맥을 동시에 인증하는 다면 입체 촬영장치
CN114067383B (zh) 基于宏观结构和微观结构图像尺寸的被动三维面部成像

Legal Events

Date Code Title Description
PB01 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