CN107437074A - 一种身份认证方法和装置 - Google Patents
一种身份认证方法和装置 Download PDFInfo
- Publication number
- CN107437074A CN107437074A CN201710624890.7A CN201710624890A CN107437074A CN 107437074 A CN107437074 A CN 107437074A CN 201710624890 A CN201710624890 A CN 201710624890A CN 107437074 A CN107437074 A CN 107437074A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- personnel
- vein
- matching
- contrast
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 210000003462 vein Anatomy 0.000 claims abstract description 285
- 230000001815 facial effect Effects 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 19
- 210000001367 artery Anatomy 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000008569 process Effects 0.000 description 8
- 238000010200 validation analysis Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000018199 S phase Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06V40/1365—Matching; Classification
- G06V40/1376—Matching features related to ridge properties or fingerprint texture
-
- 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
- G06V40/12—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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种身份认证方法和装置，其中，该方法包括：采集待认证人员的指纹信息、人脸图像信息和指静脉图像信息；通过获取的指纹信息、人脸图像信息和指静脉图像信息对待认证人员的身份进行认证，并得到身份认证结果；其中，身份认证结果包括：身份认证通过和身份认证未通过。通过本发明实施例提供的身份认证方法和装置，可以提高识别率。
Description
技术领域
本发明涉及生物识别技术领域，具体而言，涉及一种身份认证方法和装置。
背景技术
目前，在一些特定场所下(如：安保现场、犯罪现场)，为了保证场所内人员的安全，需要对现场内或者要进入现场的人员身份进行认证。为了认证身份不明人员的身份，常常会对身份不明人员的身份进行认证。
现有技术中，在对人员进行身份认证时，只是采用指纹识别或者人脸图像识别等单一生物特征验证方式，采集人员的指纹信息或者人脸图像，来对人员的身份进行认证。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
采用单一生物特征验证方式对人员的身份进行认证的识别率低。
发明内容
有鉴于此，本发明实施例的目的在于提供一种身份认证方法和装置，以提高识别率。
第一方面，本发明实施例提供了一种身份认证方法，包括：
采集待认证人员的指纹信息、人脸图像信息和指静脉图像信息；
通过获取的所述指纹信息、所述人脸图像信息和所述指静脉图像信息对所述待认证人员的身份进行认证，并得到身份认证结果；其中，所述身份认证结果包括：身份认证通过和身份认证未通过。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中：所述采集待认证人员的指纹信息、人脸图像信息和指静脉图像信息，包括：
当所述待认证人员的手指与指纹采集设备的接触面的面积最大时，采集所述待认证人员的指纹信息，同时采集所述待认证人员的人脸图像信息和指静脉图像信息；
当所述待认证人员的手指与所述指纹采集设备的接触面的面积为最大接触面积的1/2时，采集所述待认证人员的第二指纹信息，并采集所述待认证人员的第二人脸图像信息和第二指静脉图像信息。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中：所述通过获取的所述指纹信息、所述人脸图像信息和所述指静脉图像信息对所述待认证人员的身份进行认证，并得到身份认证结果，包括：
提取指纹信息中的多个指纹纹路特征点，并将提取出的多个指纹纹路特征点与预设的指纹数据库中记录的各指纹纹路数据进行对比，得到各指纹纹路数据与所述指纹信息的第一对比相似度，其中，指纹纹路数据包括：人员标识、所述人员标识对应人员的多个指纹特征点、以及多个指纹特征点中的各指纹特征点的权重值；
将得到的各所述指纹信息与所述指纹信息的第一对比相似度中的最大值确定为所述待认证人员的指纹匹配度，并将得到第一对比相似度中最大值的指纹纹路数据中记录的人员标识作为第一匹配人员标识；
提取人脸图像信息中的多个人脸数据特征点，并将提取出的多个人脸数据特征点与预设的人脸图像数据库中记录的各对比人脸特征数据进行对比，得到各对比人脸特征数据与人脸图像信息的第二对比相似度，其中，对比人脸特征数据包括：人员标识、所述人员标识对应人员的多个人脸图像特征点、以及多个人脸图像特征点中的各人脸图像特征点的权重值；
将得到的各对比人脸特征数据与人脸图像信息的第二对比相似度中的最大值确定为所述待认证人员的人脸匹配度，并将得到第二对比相似度中最大值的对比人脸特征数据中记录的人员标识作为第二匹配人员标识；
提取采集到的所述待认证人员的指静脉图像信息中的多个指静脉曲线图像特征点，并将提取出的多个指静脉曲线图像特征点与预设的静脉曲线图像数据库中记录的各对比静脉曲线特征数据进行对比，得到各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度，其中，对比静脉曲线特征数据包括：人员标识、所述人员标识对应人员的多个指静脉曲线特征点、以及多个指静脉曲线特征点中的各指静脉曲线特征点的权重值；
将得到的各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度中的最大值确定为所述待认证人员的指静脉匹配度，并将得到第三对比相似度中最大值的对比静脉曲线特征数据中记录的人员标识作为第三匹配人员标识；
当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识相同时，获取第一匹配人员标识、第二匹配人员标识和第三匹配人员标识对应人员标识的人员属性信息；其中，人员属性信息包括：人员体征信息和人员认证信息；所述人员认证信息包括：指纹特征点和对应的指纹匹配度阈值、人脸图像特征点和人脸匹配度阈值、以及指静脉曲线特征点和指静脉匹配度阈值；
当得到的指纹匹配度达到指纹匹配度阈值、人脸匹配度达到人脸匹配度阈值阈值、且指静脉匹配度达到指静脉匹配度阈值时，确定所述待认证人员身份认证通过，并将身份认证通过的结果作为最终认证结果；
当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识不相同时，获取所述待认证人员的第二指纹信息、第二人脸图像信息和第二指静脉图像信息，并通过所述第二指纹信息、所述第二人脸图像信息和所述第二指静脉图像信息对所述待认证人员进行二次身份认证，得到作为最终认证结果的二次身份认证结果，所述二次身份认证结果，包括：身份认证通过和身份认证未通过。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中：所述将提取出的多个指纹纹路特征点与预设的指纹数据库中记录的各指纹纹路数据进行对比，得到各指纹纹路数据与所述指纹信息的第一对比相似度，包括：
当所述指纹数据库中存在未与所述多个指纹纹路特征点进行对比的指纹纹路数据时，从所述指纹数据库中获取未与所述多个指纹纹路特征点进行对比的指纹纹路数据；
将所述多个指纹纹路特征点中的各指纹纹路特征点分别与获取到的指纹纹路数据中的各指纹特征点进行逐一对比，得到各指纹纹路特征点分别与获取到的指纹纹路数据中各指纹特征点的对比结果，其中，对比结果包括相似和不相似；
将获取到的指纹纹路数据中与指纹纹路特征点相似的指纹特征点确定为第一指纹合格特征点；
从获取到的指纹纹路数据的各指纹特征点的权重值中获取第一指纹合格特征点的第一匹配权重值；
将获取到的第一指纹合格特征点的第一匹配权重值进行累加计算，得到所述指纹信息与获取到的指纹纹路数据的第一对比相似度。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中：所述方法还包括：
当最终认证结果指示所述待认证人员通过身份认证时，将得到第一对比相似度中最大值的指纹纹路数据中与指纹纹路特征点不相似的指纹特征点确定为第一指纹不合格特征点；
从得到第一对比相似度中最大值的指纹纹路数据记载的各指纹特征点的权重值中获取第一指纹不合格特征点的第一未匹配权重值；
通过预设的权重减小参数，对第一指纹不合格特征点的第一未匹配权重值进行减小操作，得到第一指纹不合格特征点的第一未匹配权重更新值；
统计第一指纹合格特征点的第一数量、以及第一指纹不合格特征点的第二数量；
通过权重减小参数*第二数量/第一数量，得到第一权重增加平均值；
通过所述第一权重增加平均值，对第一指纹合格特征点的第一匹配权重值进行增量操作，得到第一指纹合格特征点的第一匹配权重更新值；
根据得到的第一指纹合格特征点的第一匹配权重更新值和第一指纹不合格特征点的第一未匹配权重更新值，对得到第一对比相似度中最大值的指纹纹路数据中记载的各指纹特征点的权重值进行更新。
结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中：所述方法还包括：
当最终认证结果指示所述待认证人员未通过身份认证时，发出报警信息，并将各指纹纹路数据中与指纹纹路特征点相似的指纹特征点确定为第二指纹合格特征点，将各指纹纹路数据中与指纹纹路特征点不相似的指纹特征点确定为第二指纹不合格特征点；
从各指纹纹路数据中记载的各指纹特征点的权重值中分别获取第二指纹不合格特征点的第二未匹配权重值、以及第二指纹合格特征点的第二匹配权重值；
通过预设的权重减小参数，对各指纹纹路数据的第二指纹合格特征点的第二匹配权重值进行减小操作，得到第二指纹合格特征点的第二匹配权重更新值；
统计各指纹纹路数据的第二指纹合格特征点的第三数量、以及各指纹纹路数据的第二指纹不合格特征点的第四数量；
通过各指纹纹路数据的第二指纹合格特征点的第三数量、各指纹纹路数据的第二指纹不合格特征点的第四数量、以及预设的权重减小参数，计算得到各指纹纹路数据的第二权重增加平均值；
通过各指纹纹路数据的所述第二权重增加平均值，对各指纹纹路数据的第二指纹不合格特征点的第二未匹配权重值进行增量操作，得到各指纹纹路数据的第二指纹不合格特征点的第二未匹配权重更新值；
根据得到的各指纹纹路数据的第二指纹合格特征点的第二匹配权重更新值和第二指纹不合格特征点的第二未匹配权重更新值，对各指纹纹路数据中记录的各指纹特征点的权重值进行更新。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中：所述方法还包括：
当最终认证结果指示所述待认证人员未通过身份认证且有指纹匹配度达到指纹匹配度阈值时，通过预设的匹配度阈值增量参数对被指纹匹配度达到的指纹匹配度阈值进行增量操作。
第二方面，本发明实施例提供了一种身份认证装置，包括：
采集模块，用于采集待认证人员的指纹信息、人脸图像信息和指静脉图像信息；
认证模块，用于通过获取的所述指纹信息、所述人脸图像信息和所述指静脉图像信息对所述待认证人员的身份进行认证，并得到身份认证结果；其中，所述身份认证结果包括：身份认证通过和身份认证未通过。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中：所述采集模块，包括：
第一采集单元，用于当检测到所述待认证人员的手指与指纹采集设备的接触面的面积最大时，采集所述待认证人员的指纹信息，同时采集所述待认证人员的人脸图像信息和指静脉图像信息；
第二采集单元，用于当检测到所述待认证人员的手指与所述指纹采集设备的接触面的面积为最大接触面积的1/2时，采集所述待认证人员的第二指纹信息，并采集所述待认证人员的第二人脸图像信息和第二指静脉图像信息。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中：所述认证模块，包括：
第一计算单元，用于提取指纹信息中的多个指纹纹路特征点，并将提取出的多个指纹纹路特征点与预设的指纹数据库中记录的各指纹纹路数据进行对比，得到各指纹纹路数据与所述指纹信息的第一对比相似度，其中，指纹纹路数据包括：人员标识、所述人员标识对应人员的多个指纹特征点、以及多个指纹特征点中的各指纹特征点的权重值；
第一处理单元，用于将得到的各所述指纹信息与所述指纹信息的第一对比相似度中的最大值确定为所述待认证人员的指纹匹配度，并将得到第一对比相似度中最大值的指纹纹路数据中记录的人员标识作为第一匹配人员标识；
第二计算单元，用于提取人脸图像信息中的多个人脸数据特征点，并将提取出的多个人脸数据特征点与预设的人脸图像数据库中记录的各对比人脸特征数据进行对比，得到各对比人脸特征数据与人脸图像信息的第二对比相似度，其中，对比人脸特征数据包括：人员标识、所述人员标识对应人员的多个人脸图像特征点、以及多个人脸图像特征点中的各人脸图像特征点的权重值；
第二处理单元，用于将得到的各对比人脸特征数据与人脸图像信息的第二对比相似度中的最大值确定为所述待认证人员的人脸匹配度，并将得到第二对比相似度中最大值的对比人脸特征数据中记录的人员标识作为第二匹配人员标识；
第三计算单元，用于提取采集到的所述待认证人员的指静脉图像信息中的多个指静脉曲线图像特征点，并将提取出的多个指静脉曲线图像特征点与预设的静脉曲线图像数据库中记录的各对比静脉曲线特征数据进行对比，得到各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度，其中，对比静脉曲线特征数据包括：人员标识、所述人员标识对应人员的多个指静脉曲线特征点、以及多个指静脉曲线特征点中的各指静脉曲线特征点的权重值；
第三处理单元，用于将得到的各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度中的最大值确定为所述待认证人员的指静脉匹配度，并将得到第三对比相似度中最大值的对比静脉曲线特征数据中记录的人员标识作为第三匹配人员标识；
对比单元，用于当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识相同时，获取第一匹配人员标识、第二匹配人员标识和第三匹配人员标识对应人员标识的人员属性信息；其中，人员属性信息包括：人员体征信息和人员认证信息；所述人员认证信息包括：指纹特征点和对应的指纹匹配度阈值、人脸图像特征点和人脸匹配度阈值、以及指静脉曲线特征点和指静脉匹配度阈值；
第一结果确认单元，用于当得到的指纹匹配度达到指纹匹配度阈值、人脸匹配度达到人脸匹配度阈值阈值、且指静脉匹配度达到指静脉匹配度阈值时，确定所述待认证人员身份认证通过，并将身份认证通过的结果作为最终认证结果；
第二结果确认单元，当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识不相同时，获取所述待认证人员的第二指纹信息、第二人脸图像信息和第二指静脉图像信息，并通过所述第二指纹信息、所述第二人脸图像信息和所述第二指静脉图像信息对所述待认证人员进行二次身份认证，得到作为最终认证结果的二次身份认证结果，所述二次身份认证结果，包括：身份认证通过和身份认证未通过。
本发明实施例提供的身份认证方法和装置，通过采集到的待认证人员的指纹信息、人脸图像信息和指静脉图像信息对待认证人员的身份进行认证，与相关技术中采用单一生物特征验证方式对人员的身份进行认证相比，可以通过指纹识别、人脸图像识别、以及指静脉识别等多种生物特征验证方式对人员的身份进行认证，大大提高了身份认证的识别率。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本发明实施例1所提供的一种身份认证方法的流程图；
图2示出了本发明实施例1所提供的身份认证方法中，采集指纹信息、人脸图像信息和指静脉图像信息的具体流程图；
图3示出了本发明实施例1所提供的一种身份认证方法中，得到指纹信息与各指纹纹路数据的第一对比相似度的具体流程图；
图4示出了本发明实施例2所提供的一种身份认证装置的结构示意图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
目前，在对人员进行身份认证时，只是采用指纹识别或者人脸图像识别等单一生物特征验证方式，采集人员的指纹信息或者人脸图像，来对人员的身份进行认证。采用单一生物特征验证方式对人员的身份进行认证的识别率低。基于此，本申请提供的一种身份认证方法和装置。
实施例1
本实施例提供的身份认证方法，执行主体是身份认证系统，该身份认证系统包括：人脸识别模块、指纹识别模块、指静脉识别模块、人脸图像数据库、指纹数据库、静脉曲线图像数据库和结果分析模块。
其中，指纹识别模块，设置有第一处理模块和与第一处理模块连接的指纹采集设备，用于采集待认证人员的指纹信息，并从指纹信息中提取出指纹纹路特征点，并获取指纹数据库中预存的各指纹纹路数据，将指纹纹路特征点与各指纹纹路数据进行对比，得到作为对比结果的第一对比相似度。
人脸识别模块，设置有第二处理模块和与第二处理模块连接的摄像头，用于采集待认证人员的人脸图像，并对人脸图像进行处理，得到人脸数据特征点，并获取人脸图像数据库中记载的各对比人脸特征数据，将人脸数据特征点与各对比人脸特征数据进行对比，得到作为对比结果的第二对比相似度。
指静脉识别模块，设置有第三处理模块和与第三处理模块连接的红外扫描设备，用于扫描待认证人员的指静脉图像信息，并对指静脉图像信息进行处理，得到指静脉曲线图像特征点，并从静脉曲线图像数据库中获取各对比静脉曲线特征数据，将指静脉曲线图像特征点与各对比静脉曲线特征数据进行对比，得到作为对比结果的第三对比相似度。
指纹数据库，存储的指纹纹路数据包括：人员标识、上述人员标识对应人员的多个指纹特征点、以及多个指纹特征点中的各指纹特征点的权重值。
人脸图像数据库，存储的对比人脸特征数据包括：人员标识、上述人员标识对应人员的多个人脸图像特征点、以及多个人脸图像特征点中的各人脸图像特征点的权重值。
静脉曲线图像数据库，存储的对比静脉曲线特征数据包括：人员标识、上述人员标识对应人员的多个指静脉曲线特征点、以及多个指静脉曲线特征点中的各指静脉曲线特征点的权重值。
其中，指纹特征点、图像特征点、指静脉曲线特征点均以坐标方式进行存储；指纹特征点与对应权重值、图像特征点与对应权重值、指静脉曲线特征点与对应权重值的存储方式均可以采用特征点与相应权重值的对应关系的形式进行存储。比如：表征某个上述特征点的坐标是(100,110)，该特征点的权重值是0.02，那么，该特征点与对应权重值的存储方式可以是：(100，110)0.02。
结果分析模块，用于对人脸识别模块、指纹识别模块和指静脉识别模块、人脸图像数据库、指纹数据库、静脉曲线图像数据库进行控制，对待识别人员的身份进行验证，并在人脸识别模块、指纹识别模块和指静脉识别模块得到对比结果后，通过对比结果确定待识别人员的身份认证是否通过，并根据对比结果使人脸图像数据库、指纹数据库、静脉曲线图像数据库进行自我学习。
人脸识别模块、指纹识别模块、指静脉识别模块、人脸图像数据库、指纹数据库、静脉曲线图像数据库和结果分析模块可设置在同一服务器内，也可以根据处理功能的不同、或者处理任务类型的不同设置到不同的服务器中。这里不再赘述。
参见图1所示的身份认证方法的流程，本实施例提出的一种身份认证方法，包括以下具体步骤：
步骤100、采集待认证人员的指纹信息、人脸图像信息和指静脉图像信息。
具体地，参见图2所示的流程，上述步骤100包括以下步骤200至步骤202：
步骤200、当检测到上述待认证人员的手指与指纹采集设备的接触面的面积最大时，采集上述待认证人员的指纹信息，同时采集上述待认证人员的人脸图像信息和指静脉图像信息。
指纹识别模块会对待认证人员的手指与指纹采集设备的接触面的面积是否最大进行检测，检测方式可以采用现有技术中任何可以对手指与指纹采集设备的接触面的面积进行检测的方式，这里不再赘述。
步骤202、当检测到上述待认证人员的手指与上述指纹采集设备的接触面的面积为最大接触面积的1/2时，采集上述待认证人员的第二指纹信息、同时采集上述待认证人员的第二人脸图像信息和第二指静脉图像信息。
指纹识别模块会对待认证人员的手指与指纹采集设备的接触面的面积是否为最大接触面积的1/2进行检测，检测方式可以采用现有技术中任何可以对手指与指纹采集设备的接触面的面积进行检测的方式，这里不再赘述。
步骤102、通过获取的上述指纹信息、上述人脸图像信息和上述指静脉图像信息对上述待认证人员的身份进行认证，并得到身份认证结果；其中，上述身份认证结果包括：身份认证通过和身份认证未通过。
具体地，上述步骤102具体包括以下步骤：
(1)提取指纹信息中的多个指纹纹路特征点，并将提取出的多个指纹纹路特征点与预设的指纹数据库中记录的各指纹纹路数据进行对比，得到各指纹纹路数据与上述指纹信息的第一对比相似度，其中，指纹纹路数据包括：人员标识、上述人员标识对应人员的多个指纹特征点、以及多个指纹特征点中的各指纹特征点的权重值；
(2)将得到的各上述指纹信息与上述指纹信息的第一对比相似度中的最大值确定为上述待认证人员的指纹匹配度，并将得到第一对比相似度中最大值的指纹纹路数据中记录的人员标识作为第一匹配人员标识；
(3)提取人脸图像信息中的多个人脸数据特征点，并将提取出的多个人脸数据特征点与预设的人脸图像数据库中记录的各对比人脸特征数据进行对比，得到各对比人脸特征数据与人脸图像信息的第二对比相似度，其中，对比人脸特征数据包括：人员标识、上述人员标识对应人员的多个人脸图像特征点、以及多个人脸图像特征点中的各人脸图像特征点的权重值；
(4)将得到的各对比人脸特征数据与人脸图像信息的第二对比相似度中的最大值确定为上述待认证人员的人脸匹配度，并将得到第二对比相似度中最大值的对比人脸特征数据中记录的人员标识作为第二匹配人员标识；
(5)提取采集到的上述待认证人员的指静脉图像信息中的多个指静脉曲线图像特征点，并将提取出的多个指静脉曲线图像特征点与预设的静脉曲线图像数据库中记录的各对比静脉曲线特征数据进行对比，得到各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度，其中，对比静脉曲线特征数据包括：人员标识、上述人员标识对应人员的多个指静脉曲线特征点、以及多个指静脉曲线特征点中的各指静脉曲线特征点的权重值；
(6)将得到的各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度中的最大值确定为上述待认证人员的指静脉匹配度，并将得到第三对比相似度中最大值的对比静脉曲线特征数据中记录的人员标识作为第三匹配人员标识；
(7)当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识相同时，获取第一匹配人员标识、第二匹配人员标识和第三匹配人员标识对应人员标识的人员属性信息；其中，人员属性信息包括：人员体征信息和人员认证信息；上述人员认证信息包括：指纹特征点和对应的指纹匹配度阈值、人脸图像特征点和人脸匹配度阈值、以及指静脉曲线特征点和指静脉匹配度阈值；
(8)当得到的指纹匹配度达到指纹匹配度阈值、人脸匹配度达到人脸匹配度阈值阈值、且指静脉匹配度达到指静脉匹配度阈值时，确定上述待认证人员身份认证通过，并将身份认证通过的结果作为最终认证结果；
(9)当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识不相同时，获取上述待认证人员的第二指纹信息、第二人脸图像信息和第二指静脉图像信息，并通过上述第二指纹信息、上述第二人脸图像信息和上述第二指静脉图像信息对上述待认证人员进行二次身份认证，得到作为最终认证结果的二次身份认证结果，上述二次身份认证结果，包括：身份认证通过和身份认证未通过。
通过以上的描述可以看出，本实施例提出的身份认证方法，可以进行二次识别，与相关技术中只进行一次特征识别，就得到身份认证结果相比，可以在二次识别后，才得到最终的识别结果，进一步提高了识别率。
在上述步骤(1)中，参见图3所示的方法流程，上述将提取出的多个指纹纹路特征点与预设的指纹数据库中记录的各指纹纹路数据进行对比，得到各指纹纹路数据与上述指纹信息的第一对比相似度，包括步骤300至步骤308：
步骤300、当上述指纹数据库中存在未与上述多个指纹纹路特征点进行对比的指纹纹路数据时，从上述指纹数据库中获取未与上述多个指纹纹路特征点进行对比的指纹纹路数据。
步骤302、将上述多个指纹纹路特征点中的各指纹纹路特征点分别与获取到的指纹纹路数据中的各指纹特征点进行逐一对比，得到各指纹纹路特征点分别与获取到的指纹纹路数据中各指纹特征点的对比结果，其中，对比结果包括相似和不相似。
在上述步骤302中，可以采用现有的任何指纹特征对比方法，对指纹纹路特征点与指纹特征点进行对比，这里不再一一赘述。
步骤304、将获取到的指纹纹路数据中与指纹纹路特征点相似的指纹特征点确定为第一指纹合格特征点。
步骤306、从获取到的指纹纹路数据的各指纹特征点的权重值中获取第一指纹合格特征点的第一匹配权重值。
步骤308、将获取到的第一指纹合格特征点的第一匹配权重值进行累加计算，得到上述指纹信息与获取到的指纹纹路数据的第一对比相似度。
相应的，在上述步骤(3)中，上述将提取出的多个人脸数据特征点与预设的人脸图像数据库中记录的各对比人脸特征数据进行对比，得到人脸图像信息与各对比人脸特征数据的第二对比相似度，包括以下具体步骤(31)至步骤(35)：
(31)当上述人脸图像数据库中存在未与上述多个人脸数据特征点进行对比的对比人脸特征数据时，从上述人脸图像数据库中获取未与上述多个人脸数据特征点进行对比的对比人脸特征数据；
(32)将上述多个人脸数据特征点中的各人脸数据特征点分别与获取到的对比人脸特征数据中的各人脸图像特征点进行逐一对比，得到各人脸数据特征点分别与获取到的对比人脸特征数据中各人脸图像特征点的对比结果，其中，对比结果包括相似和不相似；
(33)将获取到的对比人脸特征数据中与人脸数据特征点相似的人脸图像特征点确定为第一人脸图像合格特征点；
(34)从获取到的对比人脸特征数据的各人脸图像特征点的权重值中获取第一人脸图像合格特征点的第三匹配权重值；
(35)将获取到的第一人脸图像合格特征点的第三匹配权重值进行累加计算，得到人脸图像信息与获取到的对比人脸特征数据的第二对比相似度。
在上述步骤(32)中，可以采用现有的任何人脸图像特征对比方法，对人脸数据特征点与人脸图像特征点进行对比，这里不再一一赘述。
在上述步骤(5)中，上述将提取出的多个指静脉曲线图像特征点与预设的静脉曲线图像数据库中记录的各对比静脉曲线特征数据进行对比，得到指静脉图像信息与各对比静脉曲线特征数据的第三对比相似度，包括以下步骤(51)至步骤(55)：
(51)当上述静脉曲线图像数据库中存在未与上述多个指静脉曲线图像特征点进行对比的对比静脉曲线特征数据时，从上述静脉曲线图像数据库中获取未与上述多个指静脉曲线图像特征点进行对比的对比静脉曲线特征数据；
(52)将上述多个指静脉曲线图像特征点中的各指静脉曲线图像特征点分别与获取到的对比静脉曲线特征数据中的各指静脉曲线特征点进行逐一对比，得到各指静脉曲线图像特征点分别与获取到的对比静脉曲线特征数据中各指静脉曲线特征点的对比结果，其中，对比结果包括相似和不相似；
(53)将获取到的对比静脉曲线特征数据中与指静脉曲线图像特征点相似的指静脉曲线特征点确定为第一指静脉曲线合格特征点；
(54)从获取到的对比静脉曲线特征数据的各指静脉曲线特征点的权重值中获取第一指静脉曲线合格特征点的第五匹配权重值；
(55)将获取到的第一指静脉曲线合格特征点的第五匹配权重值进行累加计算，得到指静脉图像信息与获取到的对比静脉曲线特征数据的第三对比相似度。
在上述步骤(52)中，可以采用现有的任何指静脉曲线对比方法，对指静脉曲线图像特征点与指静脉曲线特征点进行对比，这里不再一一赘述。
在上述步骤(7)中，人员体征信息，包括但不限于：姓名、性别、年龄、身高和体重。
其中，每条指纹纹路数据中各指纹特征点的权重值的和为1；每条对比人脸特征数据中各人脸图像特征点的权重值的和为1；每条对比静脉曲线特征数据中各指静脉曲线特征点的权重值的和为1。因此，可以计算各条数据中确定为与待识别特征点相似的特征点的权重值的和，确定相应的匹配度。
综上所述，本实施例提供的身份认证方法，通过采集到的待认证人员的指纹信息、人脸图像信息和指静脉图像信息对待认证人员的身份进行认证，与相关技术中采用单一生物特征验证方式对人员的身份进行认证相比，可以通过指纹识别、人脸图像识别、以及指静脉识别等多种生物特征验证方式对人员的身份进行认证，大大提高了身份认证的识别率。
在通过上述内容得到对比结果后，可以继续通过以下内容根据对比结果使人脸图像数据库、指纹数据库、静脉曲线图像数据库进行自我学习。
相关技术中，虽然神经网络、样本训练方式、深度学习等自我学习方式被应用在生物特征识别中，但使用比较复杂。所以，为了降低自我学习的复杂度，本实施例提出的身份认证方法，包括以下几个方面。
第一方面，指纹数据库进行自我学习的过程，包括以下步骤(1)至步骤(15)：
(1)当最终认证结果指示上述待认证人员通过身份认证时，将得到第一对比相似度中最大值的指纹纹路数据中与指纹纹路特征点不相似的指纹特征点确定为第一指纹不合格特征点；
(2)从得到第一对比相似度中最大值的指纹纹路数据记载的各指纹特征点的权重值中获取第一指纹不合格特征点的第一未匹配权重值；
(3)通过预设的权重减小参数，对第一指纹不合格特征点的第一未匹配权重值进行减小操作，得到第一指纹不合格特征点的第一未匹配权重更新值；
(4)统计第一指纹合格特征点的第一数量、以及第一指纹不合格特征点的第二数量；
(5)通过权重减小参数*第二数量/第一数量，得到第一权重增加平均值；
(6)通过上述第一权重增加平均值，对第一指纹合格特征点的第一匹配权重值进行增量操作，得到第一指纹合格特征点的第一匹配权重更新值；
(7)根据得到的第一指纹合格特征点的第一匹配权重更新值和第一指纹不合格特征点的第一未匹配权重更新值，对得到第一对比相似度中最大值的指纹纹路数据中记载的各指纹特征点的权重值进行更新；
(8)当最终认证结果指示上述待认证人员未通过身份认证时，发出报警信息，并将各指纹纹路数据中与指纹纹路特征点相似的指纹特征点确定为第二指纹合格特征点，将各指纹纹路数据中与指纹纹路特征点不相似的指纹特征点确定为第二指纹不合格特征点；
(9)从各指纹纹路数据记载的各指纹特征点的权重值中分别获取第二指纹不合格特征点的第二未匹配权重值、以及第二指纹合格特征点的第二匹配权重值；
(10)通过预设的权重减小参数，对各指纹纹路数据的第二指纹合格特征点的第二匹配权重值进行减小操作，得到第二指纹合格特征点的第二匹配权重更新值；
(11)统计各指纹纹路数据的第二指纹合格特征点的第三数量、以及各指纹纹路数据的第二指纹不合格特征点的第四数量；
(12)通过各指纹纹路数据的第二指纹合格特征点的第三数量、各指纹纹路数据的第二指纹不合格特征点的第四数量、以及权重减小参数，计算得到各指纹纹路数据的第二权重增加平均值；
(13)通过各指纹纹路数据的上述第二权重增加平均值，对各指纹纹路数据的第二指纹不合格特征点的第二未匹配权重值进行增量操作，得到各指纹纹路数据的第二指纹不合格特征点的第二未匹配权重更新值；
(14)根据得到的各指纹纹路数据的第二指纹合格特征点的第二匹配权重更新值和第二指纹不合格特征点的第二未匹配权重更新值，对各指纹纹路数据中记录的各指纹特征点的权重值进行更新；
(15)当最终认证结果指示待认证人员未通过身份认证且有指纹匹配度达到指纹匹配度阈值时，通过预设的匹配度阈值增量参数对被指纹匹配度达到的指纹匹配度阈值进行增量操作。
在上述步骤(5)中，权重减小参数是一个非常小的参数，通常情况下，在0.1％到0.5％之间。
在上述步骤(12)中，任一指纹纹路数据的第二权重增加平均值＝权重减小参数*该指纹纹路数据的第二指纹合格特征点的第三数量/该指纹纹路数据的第二指纹不合格特征点的第四数量。
比如，当权重减小参数为a，任一指纹纹路数据的第二指纹合格特征点的第三数量为b，且该指纹纹路数据的第二指纹不合格特征点的第四数量为c时，该指纹纹路数据的第二权重增加平均值＝a*b/c。
通过以上的描述可以看出，对于每个指纹纹路数据来说，与指纹纹路特征点不相似的指纹特征点的数量加上与指纹纹路特征点相似的指纹特征点的数量，就是该指纹纹路数据中所记载的指纹特征点的数量。而且，在认证身份通过时，只对得到第一对比相似度中最大值的指纹纹路数据中各指纹特征点的权重值进行更新。而在认证身份未通过时，对指纹数据库中记录的各指纹纹路数据中的指纹特征点的权重值均进行更新。从而进行指纹数据库的自我学习。
将更新后的各指纹特征点的权重值和指纹匹配度阈值，存储到指纹数据库中，完成指纹数据库的自我学习。
第二方面，人脸图像数据库进行自我学习的过程，包括以下步骤(1)至步骤(15)：
(1)当最终认证结果指示上述待认证人员通过身份认证时，将得到第二对比相似度中最大值的对比人脸特征数据中与人脸数据特征点不相似的人脸图像特征点确定为第一人脸图像不合格特征点；
(2)从得到第二对比相似度中最大值的对比人脸特征数据记载的各人脸图像特征点的权重值中获取第一人脸图像不合格特征点的第三未匹配权重值；
(3)通过预设的权重减小参数，对第一人脸图像不合格特征点的第三未匹配权重值进行减小操作，得到第一人脸图像不合格特征点的第三未匹配权重更新值；
(4)统计第一人脸图像合格特征点的第五数量、以及第一人脸图像不合格特征点的第六数量；
(5)通过权重减小参数*第六数量/第五数量，得到第三权重增加平均值；
(6)通过上述第三权重增加平均值，对第一人脸图像合格特征点的第三匹配权重值进行增量操作，得到第一人脸图像合格特征点的第三匹配权重更新值；
(7)根据得到的第一人脸图像合格特征点的第三匹配权重更新值和第一人脸图像不合格特征点的第三未匹配权重更新值，对得到第二对比相似度中最大值的对比人脸特征数据记载的各人脸图像特征点的权重值进行更新；
(8)当最终认证结果指示上述待认证人员未通过身份认证时，发出报警信息，并将各对比人脸特征数据中与人脸数据特征点相似的人脸图像特征点确定为第二人脸图像合格特征点，将各对比人脸特征数据中与人脸数据特征点不相似的人脸图像特征点确定为第二人脸图像不合格特征点；
(9)从各对比人脸特征数据记载的权重值中分别获取第二人脸图像不合格特征点的第四未匹配权重值、以及第二人脸图像合格特征点的第四匹配权重值；
(10)通过预设的权重减小参数，对第二人脸图像合格特征点的第四匹配权重值进行减小操作，得到第二人脸图像合格特征点的第四匹配权重更新值；
(11)统计各对比人脸特征数据的第二人脸图像合格特征点的第七数量、以及各对比人脸特征数据的第二人脸图像不合格特征点的第八数量；
(12)通过各对比人脸特征数据的第二人脸图像合格特征点的第七数量、各对比人脸特征数据的第二人脸图像不合格特征点的第八数量以及权重减小参数，计算得到各对比人脸特征数据的第四权重增加平均值；
(13)通过各对比人脸特征数据的上述第四权重增加平均值，对各对比人脸特征数据的第二人脸图像不合格特征点的第四未匹配权重值进行增量操作，得到各对比人脸特征数据的第二人脸图像不合格特征点的第四未匹配权重更新值；
(14)根据得到的各对比人脸特征数据的第二人脸图像合格特征点的第四匹配权重更新值和第二人脸图像不合格特征点的第四未匹配权重更新值，对各对比人脸特征数据中记录的各人脸图像特征点的权重值进行更新；
(15)当有人脸匹配度达到人脸匹配度阈值时，通过预设的匹配度阈值增量参数对被人脸匹配度达到的人脸匹配度阈值进行增量操作。
将更新后的各人脸图像特征点的权重值和人脸匹配度阈值存储到人脸图像数据库中，完成指纹数据库的自我学习。
在上述步骤(12)中，任一对比人脸特征数据的第四权重增加平均值＝权重减小参数*该对比人脸特征数据的第二人脸图像合格特征点的第七数量/该对比人脸特征数据的第二人脸图像不合格特征点的第八数量。
人脸图像数据库自我学习的过程中的参数解释以及参数的计算过程与指纹数据库自我学习的过程中的类似，这里不再赘述。
第三方面，静脉曲线图像数据库进行自我学习的过程，包括以下步骤(1)至步骤(15)：
(1)当最终认证结果指示上述待认证人员通过身份认证时，将得到第三对比相似度中最大值的对比静脉曲线特征数据中与指静脉曲线图像特征点不相似的指静脉曲线特征点确定为第一指静脉曲线不合格特征点；
(2)从得到第三对比相似度中最大值的对比静脉曲线特征数据记载的各指静脉曲线特征点的权重值中获取第一指静脉曲线不合格特征点的第五未匹配权重值；
(3)通过预设的权重减小参数，对第一指静脉曲线不合格特征点的第五未匹配权重值进行减小操作，得到第一指静脉曲线不合格特征点的第五未匹配权重更新值；
(4)统计第一指静脉曲线合格特征点的第九数量、以及第一指静脉曲线不合格特征点的第十数量；
(5)通过权重减小参数*第十数量/第九数量，得到第五权重增加平均值；
(6)通过上述第五权重增加平均值，对第一指静脉曲线合格特征点的第五匹配权重值进行增量操作，得到第一指静脉曲线合格特征点的第五匹配权重更新值；
(7)根据得到的第一指静脉曲线合格特征点的第五匹配权重更新值和第一指静脉曲线不合格特征点的第五未匹配权重更新值，对得到第三对比相似度中最大值的对比静脉曲线特征数据中记载的各指静脉曲线特征点的权重值进行更新；
(8)当最终认证结果指示上述待认证人员未通过身份认证时，发出报警信息，并将各对比静脉曲线特征数据中与指静脉曲线图像特征点相似的指静脉曲线特征点确定为第二指静脉曲线合格特征点，将各对比静脉曲线特征数据中与指静脉曲线图像特征点不相似的指静脉曲线特征点确定为第二指静脉曲线不合格特征点；
(9)从各对比静脉曲线特征数据记载的各指静脉曲线特征点的权重值中分别获取第二指静脉曲线不合格特征点的第六未匹配权重值、以及第二指静脉曲线合格特征点的第六匹配权重值；
(10)通过预设的权重减小参数，对各对比静脉曲线特征数据的第二指静脉曲线合格特征点的第六匹配权重值进行减小操作，得到第二指静脉曲线合格特征点的第四匹配权重更新值；
(11)统计各对比静脉曲线特征数据的第二指静脉曲线合格特征点的第十一数量、以及各对比静脉曲线特征数据的第二指静脉曲线不合格特征点的第十二数量；
(12)通过各对比静脉曲线特征数据的第二指静脉曲线合格特征点的第十一数量、各对比静脉曲线特征数据的第二指静脉曲线不合格特征点的第十二数量、以及权重减小参数，计算得到第六权重增加平均值；
(13)通过各对比静脉曲线特征数据的上述第六权重增加平均值，对各对比静脉曲线特征数据的第二指静脉曲线不合格特征点的第六未匹配权重值进行增量操作，得到各对比静脉曲线特征数据的第二指静脉曲线不合格特征点的第六未匹配权重更新值；
(14)根据得到的各对比静脉曲线特征数据的第二指静脉曲线合格特征点的第六匹配权重更新值和第二指静脉曲线不合格特征点的第六未匹配权重更新值，对各对比静脉曲线特征数据记录的各指静脉曲线特征点的权重值进行更新；
(15)当有指静脉匹配度达到指静脉匹配度阈值时，通过预设的匹配度阈值增量参数对被静脉匹配度达到的指静脉匹配度阈值进行增量操作。
将更新后的各指静脉曲线特征点的权重值和指静脉匹配度阈值存储到静脉曲线图像数据库中，完成静脉曲线图像数据库的自我学习。
在上述步骤(12)中，任一对比静脉曲线特征数据的第六权重增加平均值＝权重减小参数*该对比静脉曲线特征数据的第二指静脉曲线合格特征点的第十一数量/该对比静脉曲线特征数据的第二指静脉曲线不合格特征点的第十二数量。
静脉曲线图像数据库自我学习的过程中的参数解释以及参数的计算过程与指纹数据库自我学习的过程中的类似，这里不再赘述。
通过以上的描述可以看出，根据对比结果，通过简单的计算操作对各特征值的权重值以及判断阈值进行调整，大大降低了自我学习的复杂度，加快了处理速度。
实施例2
参见图4所示的身份认证装置的结构示意图，本实施例提出一种身份认证装置，用于执行上述实施例1所描述的身份认证方法，该身份认证装置包括：
采集模块400，用于采集待认证人员的指纹信息、人脸图像信息和指静脉图像信息；
认证模块402，用于通过获取的上述指纹信息、上述人脸图像信息和上述指静脉图像信息对上述待认证人员的身份进行认证，并得到身份认证结果；其中，上述身份认证结果包括：身份认证通过和身份认证未通过。
具体地，上述采集模块400，包括：
第一采集单元，用于当检测到上述待认证人员的手指与指纹采集设备的接触面的面积最大时，采集上述待认证人员的指纹信息，同时采集上述待认证人员的人脸图像信息和指静脉图像信息；
第二采集单元，用于当检测到上述待认证人员的手指与上述指纹采集设备的接触面的面积为最大接触面积的1/2时，采集上述待认证人员的第二指纹信息，并采集上述待认证人员的第二人脸图像信息和第二指静脉图像信息。
具体地，上述认证模块402，包括：
第一计算单元，用于提取指纹信息中的多个指纹纹路特征点，并将提取出的多个指纹纹路特征点与预设的指纹数据库中记录的各指纹纹路数据进行对比，得到各指纹纹路数据与上述指纹信息的第一对比相似度，其中，指纹纹路数据包括：人员标识、上述人员标识对应人员的多个指纹特征点、以及多个指纹特征点中的各指纹特征点的权重值；
第一处理单元，用于将得到的各上述指纹信息与上述指纹信息的第一对比相似度中的最大值确定为上述待认证人员的指纹匹配度，并将得到第一对比相似度中最大值的指纹纹路数据中记录的人员标识作为第一匹配人员标识；
第二计算单元，用于提取人脸图像信息中的多个人脸数据特征点，并将提取出的多个人脸数据特征点与预设的人脸图像数据库中记录的各对比人脸特征数据进行对比，得到各对比人脸特征数据与人脸图像信息的第二对比相似度，其中，对比人脸特征数据包括：人员标识、上述人员标识对应人员的多个人脸图像特征点、以及多个人脸图像特征点中的各人脸图像特征点的权重值；
第二处理单元，用于将得到的各对比人脸特征数据与人脸图像信息的第二对比相似度中的最大值确定为上述待认证人员的人脸匹配度，并将得到第二对比相似度中最大值的对比人脸特征数据中记录的人员标识作为第二匹配人员标识；
第三计算单元，用于提取采集到的上述待认证人员的指静脉图像信息中的多个指静脉曲线图像特征点，并将提取出的多个指静脉曲线图像特征点与预设的静脉曲线图像数据库中记录的各对比静脉曲线特征数据进行对比，得到各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度，其中，对比静脉曲线特征数据包括：人员标识、上述人员标识对应人员的多个指静脉曲线特征点、以及多个指静脉曲线特征点中的各指静脉曲线特征点的权重值；
第三处理单元，用于将得到的各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度中的最大值确定为上述待认证人员的指静脉匹配度，并将得到第三对比相似度中最大值的对比静脉曲线特征数据中记录的人员标识作为第三匹配人员标识；
对比单元，用于当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识相同时，获取第一匹配人员标识、第二匹配人员标识和第三匹配人员标识对应人员标识的人员属性信息；其中，人员属性信息包括：人员体征信息和人员认证信息；上述人员认证信息包括：指纹特征点和对应的指纹匹配度阈值、人脸图像特征点和人脸匹配度阈值、以及指静脉曲线特征点和指静脉匹配度阈值；
第一结果确认单元，用于当得到的指纹匹配度达到指纹匹配度阈值、人脸匹配度达到人脸匹配度阈值阈值、且指静脉匹配度达到指静脉匹配度阈值时，确定上述待认证人员身份认证通过，并将身份认证通过的结果作为最终认证结果；
第二结果确认单元，当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识不相同时，获取上述待认证人员的第二指纹信息、第二人脸图像信息和第二指静脉图像信息，并通过上述第二指纹信息、上述第二人脸图像信息和上述第二指静脉图像信息对上述待认证人员进行二次身份认证，得到作为最终认证结果的二次身份认证结果，上述二次身份认证结果，包括：身份认证通过和身份认证未通过。
通过以上的描述可以看出，本实施例提出的身份认证装置，可以进行二次识别，与相关技术中只进行一次特征识别，就得到身份认证结果相比，可以在二次识别后，才得到最终的识别结果，进一步提高了识别率。
综上所述，本实施例提供的身份认证装置，通过采集到的待认证人员的指纹信息、人脸图像信息和指静脉图像信息对待认证人员的身份进行认证，与相关技术中采用单一生物特征验证方式对人员的身份进行认证相比，可以通过指纹识别、人脸图像识别、以及指静脉识别等多种生物特征验证方式对人员的身份进行认证，大大提高了身份认证的识别率。
本发明实施例所提供的进行身份认证方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种身份认证方法，其特征在于，包括：
采集待认证人员的指纹信息、人脸图像信息和指静脉图像信息；
通过获取的所述指纹信息、所述人脸图像信息和所述指静脉图像信息对所述待认证人员的身份进行认证，并得到身份认证结果；其中，所述身份认证结果包括：身份认证通过和身份认证未通过。
2.根据权利要求1所述的方法，其特征在于，所述采集待认证人员的指纹信息、人脸图像信息和指静脉图像信息，包括：
当检测到所述待认证人员的手指与指纹采集设备的接触面的面积最大时，采集所述待认证人员的指纹信息，同时采集所述待认证人员的人脸图像信息和指静脉图像信息；
当检测到所述待认证人员的手指与所述指纹采集设备的接触面的面积为最大接触面积的1/2时，采集所述待认证人员的第二指纹信息，并采集所述待认证人员的第二人脸图像信息和第二指静脉图像信息。
3.根据权利要求2所述的方法，其特征在于，所述通过获取的所述指纹信息、所述人脸图像信息和所述指静脉图像信息对所述待认证人员的身份进行认证，并得到身份认证结果，包括：
提取指纹信息中的多个指纹纹路特征点，并将提取出的多个指纹纹路特征点与预设的指纹数据库中记录的各指纹纹路数据进行对比，得到各指纹纹路数据与所述指纹信息的第一对比相似度，其中，指纹纹路数据包括：人员标识、所述人员标识对应人员的多个指纹特征点、以及多个指纹特征点中的各指纹特征点的权重值；
将得到的各所述指纹信息与所述指纹信息的第一对比相似度中的最大值确定为所述待认证人员的指纹匹配度，并将得到第一对比相似度中最大值的指纹纹路数据中记录的人员标识作为第一匹配人员标识；
提取人脸图像信息中的多个人脸数据特征点，并将提取出的多个人脸数据特征点与预设的人脸图像数据库中记录的各对比人脸特征数据进行对比，得到各对比人脸特征数据与人脸图像信息的第二对比相似度，其中，对比人脸特征数据包括：人员标识、所述人员标识对应人员的多个人脸图像特征点、以及多个人脸图像特征点中的各人脸图像特征点的权重值；
将得到的各对比人脸特征数据与人脸图像信息的第二对比相似度中的最大值确定为所述待认证人员的人脸匹配度，并将得到第二对比相似度中最大值的对比人脸特征数据中记录的人员标识作为第二匹配人员标识；
提取采集到的所述待认证人员的指静脉图像信息中的多个指静脉曲线图像特征点，并将提取出的多个指静脉曲线图像特征点与预设的静脉曲线图像数据库中记录的各对比静脉曲线特征数据进行对比，得到各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度，其中，对比静脉曲线特征数据包括：人员标识、所述人员标识对应人员的多个指静脉曲线特征点、以及多个指静脉曲线特征点中的各指静脉曲线特征点的权重值；
将得到的各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度中的最大值确定为所述待认证人员的指静脉匹配度，并将得到第三对比相似度中最大值的对比静脉曲线特征数据中记录的人员标识作为第三匹配人员标识；
当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识相同时，获取第一匹配人员标识、第二匹配人员标识和第三匹配人员标识对应人员标识的人员属性信息；其中，人员属性信息包括：人员体征信息和人员认证信息；所述人员认证信息包括：指纹特征点和对应的指纹匹配度阈值、人脸图像特征点和人脸匹配度阈值、以及指静脉曲线特征点和指静脉匹配度阈值；
当得到的指纹匹配度达到指纹匹配度阈值、人脸匹配度达到人脸匹配度阈值阈值、且指静脉匹配度达到指静脉匹配度阈值时，确定所述待认证人员身份认证通过，并将身份认证通过的结果作为最终认证结果；
当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识不相同时，获取所述待认证人员的第二指纹信息、第二人脸图像信息和第二指静脉图像信息，并通过所述第二指纹信息、所述第二人脸图像信息和所述第二指静脉图像信息对所述待认证人员进行二次身份认证，得到作为最终认证结果的二次身份认证结果，所述二次身份认证结果，包括：身份认证通过和身份认证未通过。
4.根据权利要求3所述的方法，其特征在于，所述将提取出的多个指纹纹路特征点与预设的指纹数据库中记录的各指纹纹路数据进行对比，得到各指纹纹路数据与所述指纹信息的第一对比相似度，包括：
当所述指纹数据库中存在未与所述多个指纹纹路特征点进行对比的指纹纹路数据时，从所述指纹数据库中获取未与所述多个指纹纹路特征点进行对比的指纹纹路数据；
将所述多个指纹纹路特征点中的各指纹纹路特征点分别与获取到的指纹纹路数据中的各指纹特征点进行逐一对比，得到各指纹纹路特征点分别与获取到的指纹纹路数据中各指纹特征点的对比结果，其中，对比结果包括相似和不相似；
将获取到的指纹纹路数据中与指纹纹路特征点相似的指纹特征点确定为第一指纹合格特征点；
从获取到的指纹纹路数据的各指纹特征点的权重值中获取第一指纹合格特征点的第一匹配权重值；
将获取到的第一指纹合格特征点的第一匹配权重值进行累加计算，得到所述指纹信息与获取到的指纹纹路数据的第一对比相似度。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
当最终认证结果指示所述待认证人员通过身份认证时，将得到第一对比相似度中最大值的指纹纹路数据中与指纹纹路特征点不相似的指纹特征点确定为第一指纹不合格特征点；
从得到第一对比相似度中最大值的指纹纹路数据记载的各指纹特征点的权重值中获取第一指纹不合格特征点的第一未匹配权重值；
通过预设的权重减小参数，对第一指纹不合格特征点的第一未匹配权重值进行减小操作，得到第一指纹不合格特征点的第一未匹配权重更新值；
统计第一指纹合格特征点的第一数量、以及第一指纹不合格特征点的第二数量；
通过权重减小参数*第二数量/第一数量，得到第一权重增加平均值；
通过所述第一权重增加平均值，对第一指纹合格特征点的第一匹配权重值进行增量操作，得到第一指纹合格特征点的第一匹配权重更新值；
根据得到的第一指纹合格特征点的第一匹配权重更新值和第一指纹不合格特征点的第一未匹配权重更新值，对得到第一对比相似度中最大值的指纹纹路数据中记载的各指纹特征点的权重值进行更新。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
当最终认证结果指示所述待认证人员未通过身份认证时，发出报警信息，并将各指纹纹路数据中与指纹纹路特征点相似的指纹特征点确定为第二指纹合格特征点，将各指纹纹路数据中与指纹纹路特征点不相似的指纹特征点确定为第二指纹不合格特征点；
从各指纹纹路数据中记载的各指纹特征点的权重值中分别获取第二指纹不合格特征点的第二未匹配权重值、以及第二指纹合格特征点的第二匹配权重值；
通过预设的权重减小参数，对各指纹纹路数据的第二指纹合格特征点的第二匹配权重值进行减小操作，得到第二指纹合格特征点的第二匹配权重更新值；
统计各指纹纹路数据的第二指纹合格特征点的第三数量、以及各指纹纹路数据的第二指纹不合格特征点的第四数量；
通过各指纹纹路数据的第二指纹合格特征点的第三数量、各指纹纹路数据的第二指纹不合格特征点的第四数量、以及预设的权重减小参数，计算得到各指纹纹路数据的第二权重增加平均值；
通过各指纹纹路数据的所述第二权重增加平均值，对各指纹纹路数据的第二指纹不合格特征点的第二未匹配权重值进行增量操作，得到各指纹纹路数据的第二指纹不合格特征点的第二未匹配权重更新值；
根据得到的各指纹纹路数据的第二指纹合格特征点的第二匹配权重更新值和第二指纹不合格特征点的第二未匹配权重更新值，对各指纹纹路数据中记录的各指纹特征点的权重值进行更新。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
当最终认证结果指示所述待认证人员未通过身份认证且有指纹匹配度达到指纹匹配度阈值时，通过预设的匹配度阈值增量参数对被指纹匹配度达到的指纹匹配度阈值进行增量操作。
8.一种身份认证装置，其特征在于，包括：
采集模块，用于采集待认证人员的指纹信息、人脸图像信息和指静脉图像信息；
认证模块，用于通过获取的所述指纹信息、所述人脸图像信息和所述指静脉图像信息对所述待认证人员的身份进行认证，并得到身份认证结果；其中，所述身份认证结果包括：身份认证通过和身份认证未通过。
9.根据权利要求8所述的装置，其特征在于，所述采集模块，包括：
第一采集单元，用于当检测到所述待认证人员的手指与指纹采集设备的接触面的面积最大时，采集所述待认证人员的指纹信息，同时采集所述待认证人员的人脸图像信息和指静脉图像信息；
第二采集单元，用于当检测到所述待认证人员的手指与所述指纹采集设备的接触面的面积为最大接触面积的1/2时，采集所述待认证人员的第二指纹信息，并采集所述待认证人员的第二人脸图像信息和第二指静脉图像信息。
10.根据权利要求9所述的装置，其特征在于，所述认证模块，包括：第一计算单元，用于提取指纹信息中的多个指纹纹路特征点，并将提取出的多个指纹纹路特征点与预设的指纹数据库中记录的各指纹纹路数据进行对比，得到各指纹纹路数据与所述指纹信息的第一对比相似度，其中，指纹纹路数据包括：人员标识、所述人员标识对应人员的多个指纹特征点、以及多个指纹特征点中的各指纹特征点的权重值；
第一处理单元，用于将得到的各所述指纹信息与所述指纹信息的第一对比相似度中的最大值确定为所述待认证人员的指纹匹配度，并将得到第一对比相似度中最大值的指纹纹路数据中记录的人员标识作为第一匹配人员标识；
第二计算单元，用于提取人脸图像信息中的多个人脸数据特征点，并将提取出的多个人脸数据特征点与预设的人脸图像数据库中记录的各对比人脸特征数据进行对比，得到各对比人脸特征数据与人脸图像信息的第二对比相似度，其中，对比人脸特征数据包括：人员标识、所述人员标识对应人员的多个人脸图像特征点、以及多个人脸图像特征点中的各人脸图像特征点的权重值；
第二处理单元，用于将得到的各对比人脸特征数据与人脸图像信息的第二对比相似度中的最大值确定为所述待认证人员的人脸匹配度，并将得到第二对比相似度中最大值的对比人脸特征数据中记录的人员标识作为第二匹配人员标识；
第三计算单元，用于提取采集到的所述待认证人员的指静脉图像信息中的多个指静脉曲线图像特征点，并将提取出的多个指静脉曲线图像特征点与预设的静脉曲线图像数据库中记录的各对比静脉曲线特征数据进行对比，得到各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度，其中，对比静脉曲线特征数据包括：人员标识、所述人员标识对应人员的多个指静脉曲线特征点、以及多个指静脉曲线特征点中的各指静脉曲线特征点的权重值；
第三处理单元，用于将得到的各对比静脉曲线特征数据与指静脉图像信息的第三对比相似度中的最大值确定为所述待认证人员的指静脉匹配度，并将得到第三对比相似度中最大值的对比静脉曲线特征数据中记录的人员标识作为第三匹配人员标识；
对比单元，用于当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识相同时，获取第一匹配人员标识、第二匹配人员标识和第三匹配人员标识对应人员标识的人员属性信息；其中，人员属性信息包括：人员体征信息和人员认证信息；所述人员认证信息包括：指纹特征点和对应的指纹匹配度阈值、人脸图像特征点和人脸匹配度阈值、以及指静脉曲线特征点和指静脉匹配度阈值；
第一结果确认单元，用于当得到的指纹匹配度达到指纹匹配度阈值、人脸匹配度达到人脸匹配度阈值阈值、且指静脉匹配度达到指静脉匹配度阈值时，确定所述待认证人员身份认证通过，并将身份认证通过的结果作为最终认证结果；
第二结果确认单元，当第一匹配人员标识、第二匹配人员标识和第三匹配人员标识不相同时，获取所述待认证人员的第二指纹信息、第二人脸图像信息和第二指静脉图像信息，并通过所述第二指纹信息、所述第二人脸图像信息和所述第二指静脉图像信息对所述待认证人员进行二次身份认证，得到作为最终认证结果的二次身份认证结果，所述二次身份认证结果，包括：身份认证通过和身份认证未通过。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710624890.7A CN107437074B (zh) | 2017-07-27 | 2017-07-27 | 一种身份认证方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710624890.7A CN107437074B (zh) | 2017-07-27 | 2017-07-27 | 一种身份认证方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107437074A true CN107437074A (zh) | 2017-12-05 |
| CN107437074B CN107437074B (zh) | 2020-02-28 |
Family
ID=60460914
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710624890.7A Expired - Fee Related CN107437074B (zh) | 2017-07-27 | 2017-07-27 | 一种身份认证方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107437074B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109784083A (zh) * | 2019-02-22 | 2019-05-21 | 吉林大学 | 基于握力信息与手背静脉信息融合的仿生加密系统 |
| CN110414373A (zh) * | 2019-07-08 | 2019-11-05 | 武汉大学 | 一种基于云边端协同计算的深度学习掌静脉识别系统及方法 |
| CN110647955A (zh) * | 2018-06-26 | 2020-01-03 | 义隆电子股份有限公司 | 身份验证方法 |
| CN111382593A (zh) * | 2018-12-27 | 2020-07-07 | 浙江宇视科技有限公司 | 身份验证方法、装置及电子设备 |
| CN111444815A (zh) * | 2020-03-24 | 2020-07-24 | 中国南方电网有限责任公司 | 变电站身份认证方法、系统、装置和计算机设备 |
| CN111723595A (zh) * | 2019-03-18 | 2020-09-29 | 北京曙光易通技术有限公司 | 人员身份识别方法和系统 |
| CN112183327A (zh) * | 2020-09-27 | 2021-01-05 | 烟台艾睿光电科技有限公司 | 一种人脸识别方法、装置及系统 |
| CN112214746A (zh) * | 2020-09-14 | 2021-01-12 | 中国矿业大学 | 基于多模态静脉图像性别信息异构分离的身份识别方法 |
| CN112487389A (zh) * | 2020-12-16 | 2021-03-12 | 熵基科技股份有限公司 | 一种身份认证方法、装置和设备 |
| CN112988820A (zh) * | 2019-12-16 | 2021-06-18 | 航天信息股份有限公司 | 一种业务处理方法及装置 |
| CN114092974A (zh) * | 2021-10-25 | 2022-02-25 | 支付宝(杭州)信息技术有限公司 | 身份识别方法、装置、终端以及存储介质 |
| CN114120376A (zh) * | 2021-11-18 | 2022-03-01 | 黑龙江大学 | 一种多模态图像采集装置及系统 |
| CN116152529A (zh) * | 2023-04-20 | 2023-05-23 | 吉林省信息技术研究所 | 一种用于保障信息安全的权限识别系统 |
| CN117437665A (zh) * | 2023-11-27 | 2024-01-23 | 江苏芯灵智能科技有限公司 | 一种手指静脉特征提取方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130004032A1 (en) * | 2010-03-19 | 2013-01-03 | Fujitsu Limited | Identification apparatus, identification method, and program |
| CN103077459A (zh) * | 2012-12-18 | 2013-05-01 | 天津科技大学 | 一种融合用户多生物特征进行活体认证支付的方法 |
| CN104123565A (zh) * | 2014-07-30 | 2014-10-29 | 中山艺展装饰工程有限公司 | 基于多模态识别的身份证认证与持有人同一性认证方法 |
| CN105225189A (zh) * | 2015-11-10 | 2016-01-06 | 成都智慧数联信息技术有限公司 | 基于非法目标危险评估的智慧城市系统及方法 |
| CN105303661A (zh) * | 2015-11-10 | 2016-02-03 | 成都智慧数联信息技术有限公司 | 基于指纹和指静脉识别的智慧社区系统及方法 |
-
2017
- 2017-07-27 CN CN201710624890.7A patent/CN107437074B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130004032A1 (en) * | 2010-03-19 | 2013-01-03 | Fujitsu Limited | Identification apparatus, identification method, and program |
| CN103077459A (zh) * | 2012-12-18 | 2013-05-01 | 天津科技大学 | 一种融合用户多生物特征进行活体认证支付的方法 |
| CN104123565A (zh) * | 2014-07-30 | 2014-10-29 | 中山艺展装饰工程有限公司 | 基于多模态识别的身份证认证与持有人同一性认证方法 |
| CN105225189A (zh) * | 2015-11-10 | 2016-01-06 | 成都智慧数联信息技术有限公司 | 基于非法目标危险评估的智慧城市系统及方法 |
| CN105303661A (zh) * | 2015-11-10 | 2016-02-03 | 成都智慧数联信息技术有限公司 | 基于指纹和指静脉识别的智慧社区系统及方法 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110647955A (zh) * | 2018-06-26 | 2020-01-03 | 义隆电子股份有限公司 | 身份验证方法 |
| CN111382593A (zh) * | 2018-12-27 | 2020-07-07 | 浙江宇视科技有限公司 | 身份验证方法、装置及电子设备 |
| CN109784083A (zh) * | 2019-02-22 | 2019-05-21 | 吉林大学 | 基于握力信息与手背静脉信息融合的仿生加密系统 |
| CN111723595A (zh) * | 2019-03-18 | 2020-09-29 | 北京曙光易通技术有限公司 | 人员身份识别方法和系统 |
| CN110414373A (zh) * | 2019-07-08 | 2019-11-05 | 武汉大学 | 一种基于云边端协同计算的深度学习掌静脉识别系统及方法 |
| CN110414373B (zh) * | 2019-07-08 | 2021-09-24 | 武汉大学 | 一种基于云边端协同计算的深度学习掌静脉识别系统及方法 |
| CN112988820A (zh) * | 2019-12-16 | 2021-06-18 | 航天信息股份有限公司 | 一种业务处理方法及装置 |
| CN111444815B (zh) * | 2020-03-24 | 2024-05-14 | 中国南方电网有限责任公司 | 变电站身份认证方法、系统、装置和计算机设备 |
| CN111444815A (zh) * | 2020-03-24 | 2020-07-24 | 中国南方电网有限责任公司 | 变电站身份认证方法、系统、装置和计算机设备 |
| CN112214746A (zh) * | 2020-09-14 | 2021-01-12 | 中国矿业大学 | 基于多模态静脉图像性别信息异构分离的身份识别方法 |
| CN112214746B (zh) * | 2020-09-14 | 2021-07-13 | 中国矿业大学 | 基于多模态静脉图像性别信息异构分离的身份识别方法 |
| CN112183327A (zh) * | 2020-09-27 | 2021-01-05 | 烟台艾睿光电科技有限公司 | 一种人脸识别方法、装置及系统 |
| CN112487389A (zh) * | 2020-12-16 | 2021-03-12 | 熵基科技股份有限公司 | 一种身份认证方法、装置和设备 |
| CN114092974A (zh) * | 2021-10-25 | 2022-02-25 | 支付宝(杭州)信息技术有限公司 | 身份识别方法、装置、终端以及存储介质 |
| CN114120376A (zh) * | 2021-11-18 | 2022-03-01 | 黑龙江大学 | 一种多模态图像采集装置及系统 |
| CN116152529A (zh) * | 2023-04-20 | 2023-05-23 | 吉林省信息技术研究所 | 一种用于保障信息安全的权限识别系统 |
| CN117437665A (zh) * | 2023-11-27 | 2024-01-23 | 江苏芯灵智能科技有限公司 | 一种手指静脉特征提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107437074B (zh) | 2020-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107437074A (zh) | 一种身份认证方法和装置 | |
| US9298912B2 (en) | System and method for distinguishing human swipe input sequence behavior and using a confidence value on a score to detect fraudsters | |
| Delac et al. | A survey of biometric recognition methods | |
| CN100382093C (zh) | 生物测量认证系统的登记方法、生物测量认证系统 | |
| CN102945366B (zh) | 一种人脸识别的方法及装置 | |
| Kumar et al. | Authenticating users through their arm movement patterns | |
| CN104007929B (zh) | 基于手势识别的移动终端解锁方法及移动终端 | |
| EP3449409B1 (en) | Biometric method and device for identifying a person through an electrocardiogram (ecg) waveform | |
| CN103258157A (zh) | 一种基于手指信息的在线笔迹认证方法及系统 | |
| CN108875509A (zh) | 活体检测方法、装置和系统及存储介质 | |
| CN108171138A (zh) | 一种生物特征信息获取方法和装置 | |
| CN108108711A (zh) | 人脸布控方法、电子设备及存储介质 | |
| Santhosh et al. | Biometric authentication system using matlab | |
| CN110929243B (zh) | 一种基于手机惯性传感器的行人身份识别方法 | |
| CN105553665A (zh) | 一种基于书写行为生物特征的智能手机用户身份认证方法 | |
| Sivaram et al. | Biometric security and performance metrics: FAR, FER, CER, FRR | |
| CN111371951B (zh) | 基于肌电信号和孪生神经网络的智能手机用户认证方法和系统 | |
| Smorawa et al. | Biometric systems based on palm vein patterns | |
| Jyotishi et al. | Person identification using spatial variation of cardiac signal | |
| Alariki et al. | A Review Study of Heartbeat Biometric Authentication. | |
| Zhao et al. | A novel smartphone identity authentication mechanism | |
| Heinen et al. | Handwritten signature authentication using artificial neural networks | |
| CN104036251A (zh) | 基于嵌入式Linux系统手势识别方法 | |
| CN109068009A (zh) | 基于上下文检测的智能手机隐式身份认证方法 | |
| CN113434840B (zh) | 一种基于特征图的手机持续身份认证方法及装置 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200228 |