CN108319911B - 基于手脉识别的生物身份认证和支付系统及身份认证方法 - Google Patents
基于手脉识别的生物身份认证和支付系统及身份认证方法 Download PDFInfo
- Publication number
- CN108319911B CN108319911B CN201810088407.2A CN201810088407A CN108319911B CN 108319911 B CN108319911 B CN 108319911B CN 201810088407 A CN201810088407 A CN 201810088407A CN 108319911 B CN108319911 B CN 108319911B
- Authority
- CN
- China
- Prior art keywords
- image
- user
- vein
- palm
- information
- 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
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004891 communication Methods 0.000 claims abstract description 25
- 238000013500 data storage Methods 0.000 claims abstract description 13
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 238000012795 verification Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 210000003811 finger Anatomy 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 210000004204 blood vessel Anatomy 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims description 3
- 210000004932 little finger Anatomy 0.000 claims description 2
- 238000013475 authorization Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000003491 array Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000012503 blood component Substances 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 210000004304 subcutaneous tissue Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种基于手脉识别的生物身份认证和支付系统及身份认证方法,包括手掌静脉采集单元和显示交互单元,两者之间通过数据线连接;所述手掌静脉采集单元包括手脉掌托体、镜头模组、图像传感器、红外发光二极管阵列、光强传感器、控制器、数据存储单元、加密芯片和用于与显示交互单元连接的通信接口;该手掌静脉采集单元的电连接关系是:图像传感器、红外发光二极管阵列、光强传感器、数据存储单元、加密芯片和通信接口分别与控制器的对应接口连接。本发明的优点是:用户只需一次在该手脉识别生物身份认证设备进行一次性手脉信息注册并绑定个人支付账户,即可完成个人财产账户信息和个人生物认证信息的绑定。相对于其他的生物识别技术该技术具有更高的安全性。
Description
技术领域
本发明涉及一种基于手脉识别的生物身份认证和支付系统及身份认证方法,主要用于购物结算交易。
背景技术
随着移动互联网技术的发展,以支付宝和微信支付为首的移动电子支付技术已经成为当下主要的交易支付技术手段,代替了传统的POSS机刷卡支付方式,用户可随时随地可通过手机终端进行支付交易业务,大大节省了人们的交易时间成本,同时也避免了现金易损、易丢、找零难等等问题。但是移动电子支付技术在支付交易环节必须依赖一台可通信的移动终端设备,并保持设备正常运行,才能完成支付,在无网络和无电的情况下,交易将不能发生。
发明内容
本发明的目的就是提供一种基于手脉识别的生物身份认证和支付系统及身份认证方法,是一种基于生物识别技术方便、快捷、安全的新型POSS支付设备和结算交易系统,以解决现有技术存在的现金交易时间长、成本高,现金易损、易丢、找零难的问题。
本发明的技术方案是:一种基于手脉识别的生物身份认证和支付系统及身份认证方法,其特征在于,包括手掌静脉采集单元和显示交互单元,两者之间通过数据线连接;所述手掌静脉采集单元包括手脉掌托体、镜头模组、图像传感器、红外发光二极管阵列、光强传感器、控制器、数据存储单元、加密芯片和用于与显示交互单元连接的通信接口;该手掌静脉采集单元的电连接关系是:图像传感器、红外发光二极管阵列、光强传感器、数据存储单元、加密芯片和通信接口分别与控制器的对应接口连接。
所述的手掌静脉采集单元的机械结构是:控制器、数据存储单元、加密芯片和通信接口均安装在一块电路板上;在电路板上面基板的中部设置遮光筒,在遮光筒内的底部设置图像传感器,在该遮光筒的周围设置多个光强传感器,在光强传感器的外围设有多个发光二极管;在该图像传感器的上方设置透镜组件;所述的红外发光二极管阵列、光强传感器、图像传感器、透镜组件和电路板均安装于一个外壳内,在该外壳的上面设有滤波层板,在该外壳的上面周边设有用于放置手掌的手脉掌托体。
本发明的优点是:采用本发明,用户只需一次在该手脉识别生物身份认证设备进行一次性手脉信息注册并绑定个人包含但不限于银行、支付宝、微信等支付账户,即可完成个人财产账户信息和个人生物认证信息的绑定。用户在交易支付时只需通过在具有授权的商家手脉信息采集终端刷手就可完成交易支付,不需要携带任何可通信移动终端,也不需要通过扫码等繁琐的操作完成支付,同时由于支付密码就是用户自己的生物信息本身,因此不需要担心密码泄露,账户被盗等风险。而且本发明所述的手脉识别生物身份认证技术,是利用红外图像传感器获取手掌皮下组织血管微结构图像,运用先进的滤波、图像处理、细化等手段提取皮下血管图像几何分布数据,从而得到用户手脉特征数据,并加密存储于后台计算机系统;在验证对比时,手脉识别仪将获取的用户手脉特征数据通过复杂匹配算法与后台数据库手脉数据进行快速验证对比,从而实现对个人进行身份鉴定,确认身份。因此相比于传统的生物识别技术,如人脸识别、指纹识别、虹膜识别等技术,手脉识别是一种内生物识别技术,不用担心个人信息被复制,即使被不法分子采集到手脉图像数据,也无法在授权的手脉信息生物认证终端进行数据上传和验证,因为该设备终端只对活体有效,因此不需要担心,个人生物信息被盗,引发账户被盗风险,因此相对于其他的生物识别技术该技术具有更高的安全性。
附图说明
图1是本发明实施例的整体构成框图;
图2是图1中的手掌静脉采集设备的结构示意图;
图3是图2的A-A剖视图;
图4是本发明手掌静脉采集设备的工作原理示意图;
图5是本发明用户手脉信息的验证方法的流程图;
图6是本发明图像预处理方法的流程图;
图7是对手脉图像进行二值化处理前的图像示意图;
图8是本发明对手脉图像进行二值化处理后的图像示意图;
图9是本发明对图8中的图像进行边界处理后的图像;
图10是本发明对图9中的图像进行手掌轮廓提取后的示意图;
图11是本发明对手掌图像进行旋转校准后的图像示意图;
图12是本发明对图11中的手掌图像进行ROI 截取的示意图;
图13是图12中截取的ROI区域的细化图;
图14是本发明特征识别的流程图。
具体实施方式
参见图1-图3,本发明一种基于手脉识别的生物身份认证和支付系统,包括手掌静脉采集单元A和显示交互单元B,两者之间通过数据线连接。
所述手掌静脉采集单元A包括手脉掌托体15、镜头模组17、图像传感器3、850nm红外发光二极管阵列1、光强传感器2、控制器5、数据存储单元4、加密芯片6和用于与显示交互单元B连接的通信接口7。
手掌静脉采集单元A的电路结构是:图像传感器3、850nm红外发光二极管阵列1、光强传感器2、数据存储单元4、加密芯片6和通信接口7分别与控制器5的对应接口连接。
手掌静脉采集单元A的机械结构是:控制器5、数据存储单元4、加密芯片6和通信接口7均安装在一块电路板18上。在电路板18上(基板)上面的中部设置遮光筒22,在遮光筒22内的底部设置图像传感器3,在该遮光筒22的周围设置多个光强传感器2,在光强传感器2的外围设有多个红外发光二极管阵列1,在红外发光二极管阵列1的与光强传感器2之间设有遮光筒23(用于遮挡红外发光二极管阵列1发射的红外光干扰光强传感器);在该图像传感器3的上方设置透镜组件17,上述的发光二极管1、光强传感器2、图像传感器3、透镜组件17和电路板18均安装于一个外壳21内,在该外壳21的上面设有滤波层板16,在该外壳21的上面设有用于放置手掌的手脉掌托体15(在使用时将手掌21放在手脉掌托体15上面,参见图4)。
所述滤波层板16设置于成像设备上方,一是可以保护成像设备镜头,二是用来过滤非850nm波长的杂波。
所述的透镜组件17、遮光筒22、图像传感器3、控制器5组件共同构成成像设备,红外发光二极管阵列1和光强传感器2组成光照单元,红外发光二极管阵列1可发射850nm波长的近红外波,用来照射用户手掌,图像传感器3接收手掌反射光,进行成像。光强传感器2用来感知反射红外波的强度,可通过内设的控制器5自动控制红外发光强度。
所述红外发光二极管阵列1均匀排列在图像传感器3外沿周围, 数量为八个;所述光强传感器2均匀排列在图像传感器3和发光二极管1中间区域,数量为四个。
在红外发光二极管阵列1所在区域与外围的光强传感器2之间设置有遮光筒23,在其面向二极管阵列一侧表面涂有红外反射层,一是防止红外线干扰光强传感器2,二是使红外光线尽可能的集中向上散射。同时在红外发光二极管阵列1与滤波层板16之间大约1/3处设置有匀光板24(匀光板24与红外发光二极管阵列1距离小于于与滤波层板16的距离),可使红外线经过匀光板24后尽可能的均匀的散射都用户手掌,均匀的入射光线照射皮肤能够消除皮肤入射面由于全反射而闪烁的光学现象,极大程度地改善近红外静脉成像的质量;而且均匀发散的入射光线有利于人体静脉血管中血液成分对其的吸收,可以提高静脉图像血管部分的对比度,反映图像中的静脉边缘细节。
所述控制器5可采用cpu等核心处理器,所述数据存储单元4为内存存储器,所述通讯接口7包含多种通讯方式或者一种(采用RS232/485、USB等),用来与所述的显示交互单元B连接或者与外围计算机设备连接;所述加密芯片6用来对采集的手掌血管图像数据和内部数据加密,防止数据泄露和被破解。
所述的显示交互单元B包括触摸显示屏8、主控单元9、通信模块11、通讯接口12和语音模块10,触摸显示屏8、通信模块11、通讯接口12和语音模块10分别与主控单元9的连接;所述主控单元9作为显示交互单元B的数据处理单元(可采用单片机);所述触摸显示屏8用于显示包括二维码、账单、支付状态的信息;用户用移动终端扫描触摸显示屏8显示的二维码完成电子账户注册,后台服务器将用户注册的电子账户与录入的手脉信息共同生成用户生物电子账户;或通过字符输入的方式完成账户绑定。
所述触摸显示屏8用于显示二维码信息,通过用户移动终端扫描完成电子账户注册,同时与录入的手脉信息共同生成用户生物电子账户。亦可通过字符输入的方式完成账户绑定。同时亦可现实包含但不限于诸如注册流程、业务交易信息、账单信息等信息。
所述主控单元9与数据存储单元4、通信模块11、通讯接口12和语音模块10共同构成计算机主机系统,并用来接收手脉图像信息和发送业务执行信息。
所述的电子账户注册的注册流程是:商家与支付平台机构签订代扣协议,由支付平台机构生成二维码,并反馈至后台服务器13,由后台服务器13下发至所述的主控单元9,并由所述触摸显示屏8上显示;用户通过移动终端(智能手机)扫描触摸显示屏8上显示的二维码,并进行解码,并将解码后的二维码信息上传至支付平台机构服务器验证,并在验证通过后,向用户发送签约代扣完成信息同时向商家反馈签约代扣完成信息;商家的后台服务器13收到该信息后向本系统的主控单元9发送采集手脉指令,并通过触摸显示屏8显示或语音模块10的语音指导用户完成手脉或者指纹、脸谱信息的采集,并经过加密芯片6加密后发送至商家后台服务器13。
作为优选,在采集手脉信息前指引用户输入四位感兴趣数字(手机号后四位、身份证后四位、生日后四位等。这是因为在传统的手脉信息匹配过程中,需要对手脉特征编码在数据库中进行遍历查询匹配(1:N的模式),并且目前手脉特征编码数据量比较大,因此需要较长时间来进行匹配验证,同时面对高并发(规模用户同时使用)或面对大量手脉数据库的验证请求时验证时间较长,影响用户体验,所以本方案采用在注册和支付采集手脉数据前输入用户感兴趣四位数字,采用这种方式的注册用户在刷手支付验证匹配过程中,用户先输入四位数字,服务器系统先根据用户输入的四位数字检索出相应的手脉数据,这样就大大减少了检索匹配范围,只需要在该小规模范围内进行手脉数据匹配就可以实现快速的验证匹配(1:1模式)。
因此在注册采集手脉阶段优选的引导用户输入四位感兴趣数字,将四位感兴趣数子、用户手脉信息与个人支付账户关联绑定生成生物电子账户id。
用户购物完成后结算时,触发所设定的结算条件,由主控单元9向后台服务器13发送账单、用户感兴趣数字、用户手脉信息和终端设备编号,由后台服务器13对账单、用户手脉信息和终端设备编号的信息进行验证,验证完成后,商家服务器向支付平台发送结算指令,该结算指令包括账单和该用户手脉信息所对应的第三方支付账户的id,然后自动完成扣款,并向商家服务器反馈结算完成信息,并反馈至主控单元9,通过触摸显示屏8或语音模块10向用户反馈。
进一步的举例说明,以商超购物为例:
注册阶段:用户首先通过终端Poss设备,进行注册。通过点击触摸屏注册按钮,显示如支付宝签约代扣二维码,用户通过手机终端扫描该二维码,完成初步的绑定,后台服务器收到支付宝方验证成功信息后,向所述终端设备POSS机下发采集用户手脉信息,在采集前用户需通过触摸显示屏输入四位感兴趣数字(如手机号后四位、身份证号好四位等),输入完成后,指引用户采集三次高质量的手脉图像数据,并发送至后台服务器,由服务器将上述感兴趣数字、手脉数据、用户支付宝账户等关键信息关联绑定,生成生物电子账户ID,用户注册完成;
支付结算环节:注册用户在商超购物完成由收银人员对商品进行统计,生成购物清单,并自动输入所述POSS设备,确认无误后点击确认(上述所设定的结算条件),此时指导用户输入四位感兴趣数字,然后采集用户手脉信息,并发送至后台服务器,服务器首先根据四位的数字编码,搜索到所对应的手脉特征数据库,减小手脉检索匹配范围,然后进行手脉数据的匹配验证,若成功则向支付宝发送账单和该用户支付宝ID账户,完成支付;若失败则重试。
同时作为一种优选方案,在上述POSS设备显示购物结算金额时,用户可通过点击触摸屏选择通过收款二维码或者手脉两种支付方案;同时作为优选用户手脉匹配验证失败后,可返回通过扫描收款二维码进行支付。
所述的二维码包括:平台接口代码+商家编号+终端设备编号+加密编码,并且为动态更新,所述动态更新是指第一用户扫面完成二维码且完成手脉采集绑定后,第三方平台重新下发新的二维码。
所述的代扣信息包括:用户id、手机号、终端设备编号、日期、顺序编码,该代扣信息反映出某人在某终端完成签约代扣注册的信息,并与后续采集的用户生物特征信息进行关联绑定,生成用户生物电子账户id。
参见图5,一种基于手脉识别的生物身份认证方法,其特征在于,该方法由注册阶段和匹配阶段组成,其中:
注册阶段包括:
步骤1、掌静脉图像采集;
步骤2、感兴趣区域提取;
步骤3、图像预处理;
步骤4、特征提取;
步骤5、特征存储:将提取的信息储存在特征分类数据库中;
所述的匹配阶段包括:
步骤1、掌静脉图像采集;
步骤2、感兴趣区域提取;
步骤3、图像预处理;
步骤4、特征提取;
步骤5、特征匹配:将提取的特征与特征分类数据库中的特征进行比对,得出是否匹配的结果。
上述两个阶段中的步骤1-步骤4的内容相同。
所述的注册阶段和匹配阶段中步骤2的图像预处理流程为(如图6所示):
S1、感兴趣手脉区域(血管丰富、便于提取、不同采集状态下变形小)提取,具体流程包括以下步骤:
M1、首先对采集的手脉图像进行二值化处理,本发明中采用大津算法(OTSU)进行阈值化,从而剔除背景区域得到手掌轮廓;同时对该图像进行边界处理,在原始图像的四周添加N个像素(灰度值为0)的边界,在手掌图像周围形成黑色边界(如图7所示)。
M2、得到二值化处理后的手掌轮廓图像(如图8所示)后,利用Canny算法进行手掌轮廓提取,手掌轮廓提取后的图像如图9所示;
M3、指跟点定位:为获取较高精度的ROI区域,本发明通过确定食指与中指,小指与无名指之间的谷点作为ROI感兴区域的参考点P1和P2(如图10),同时按如下公式对图像进行旋转,使P1点和P2点的横坐标相等:
P1 的坐标为(x1 ,y1 ),P2的坐标为(x2 ,y2 ),PI 为圆周率,取 3.14;当旋转角度为正值,表示围绕中点P做逆时针旋转;当旋转角度为负值,表示围绕中点 P 做顺时针旋转。经过校准后的图像如图11所示。
M4、ROI(感兴趣区域)提取:传统的ROI提取都是提取固定的ROI区域,本发明设计了一个区域自校正方法,方法中d和m、n都不是定值,随着线段L的实际长度而变化,尽可能保证图像提取的ROI提取的一致性。
本发明的ROI提取方法是:首先事先人为规定掌静脉图像的标准参数,P1、P2两点间的标准长度为L0,延伸标准长度为d0,提取的标准ROI大小为mo *n0;在这里l0取200,d0取100, mo = no =150。
设P1的实际坐标为(X1,Y1) , P1的实际坐标为(X2,Y2),中点P的坐标为[X0=(X1+X2)/2, Y0=(Y11+Y2)/2],L长度:则提取的ROI区域的大小偏差为:r=l1/l0,实际延伸长度的偏差比例为d=d0×r,进而得到的提取的ROI区域的实际大小m×n,其中m=m0×r,n=n0×r(如图12所示)。
通过该方法(自校正方法)比传统的区域定值法所提取的手脉ROI区域的相似度提高了百分之二十左右,有效减小了因手掌图像采集时因偏移等因素对ROI图像提取的影响。对后续的匹配验证提供了高质量的手脉ROI区域特征图。
S2、图像归一化:将上述所提取的手脉ROI区域图,进行归一化处理,通过尺度归一化和灰度归一化,使采集的图像更标准化。
S3、图像增强:为了便于后续的手脉匹配,因此需要手掌脉纹与周围边组织尽可能的区分,提高图像的对比度,利用CLAHE算法对图像增强处理。
S4、图像去噪:由于增强后的图像的噪点也被增强,因此对图像进行滤波处理,获取掌脉纹路对比度明显和低噪点的图像。
S4、图像细化:经图像增强和降噪后的得到高质量的二值化ROI图像,但是由于采集的掌脉图像的质量会有所不同,同时纹路粗细不一,因此为了减少数据量和匹配算法的复杂度,对上述图像通过8领域细化算法进行细化得到纹路清晰的细化手脉ROI图像(如图13所示)。
所述的注册阶段和匹配阶段中步骤4的特征提取方法是:采用NBP算法对感兴趣区域提取的图像纹理特征的提取,生成NBP编码,并进行加密处理,上传至后台服务器。
所述的步骤5的特征匹配采用传统的汉明距离匹配算法,将所述的NBP编码,利用汉明距离匹配算法与掌脉数据库中的预存NBP编码进行遍历匹配验证,具体流程如下(参见图14):
获取NBP编码→与数据库内的NBP编码比较得出两者的汉明距离→取汉明距离最小值→判断汉明距离最小值是否小于t2(t2为相似度阈值,相当于一个差值,差值越小则相似度越高,完全相似这个值理论上是零,但是实际过程中只要设置一个阈值就可以了)→若小于t2为匹配,若不小于t2为不匹配。
Claims (5)
1.一种基于手脉识别的生物身份认证和支付系统,其特征在于,包括手掌静脉采集单元A和显示交互单元B,两者之间通过数据线连接;
所述手掌静脉采集单元A包括手脉掌托体15、透镜组件17、图像传感器3、红外发光二极管阵列1、光强传感器2、控制器5、数据存储单元4、加密芯片6和用于与显示交互单元B连接的通信接口7;
该手掌静脉采集单元A的电连接关系是:图像传感器3、红外发光二极管阵列1、光强传感器2、数据存储单元4、加密芯片6和通信接口7分别与控制器5的对应接口连接;
所述的手掌静脉采集单元A的机械结构是:控制器5、数据存储单元4、加密芯片6和通信接口7均安装在一块电路板18上;在电路板18上面基板的中部设置遮光筒22,在遮光筒22内的底部设置图像传感器3,在该遮光筒22的周围设置多个光强传感器2,在光强传感器2的外围设有多个发光二极管1;在该图像传感器3的上方设置透镜组件17;所述的红外发光二极管阵列1、光强传感器2、图像传感器3、透镜组件17和电路板18均安装于一个外壳21内,在该外壳21的上面设有滤波层板16,在该外壳21的上面周边设有用于放置手掌的手脉掌托体15;
在所述的红外发光二极管阵列1与外围的光强传感器2之间设置有遮光筒23,在该遮光筒23的外周面的表面涂有红外反射层;在红外发光二极管阵列1与滤波层板16之间设置有匀光板24;
所述的红外发光二极管阵列1能够发射850nm波长的近红外波;所述滤波层板16设置于成像设备上方,用于保护成像设备镜头和过滤非850nm波长的杂波;
所述的显示交互单元B包括触摸显示屏8、主控单元9、通信模块11、通讯接口12和语音模块10,触摸显示屏8、通信模块11、通讯接口12和语音模块10分别与主控单元9的连接;所述主控单元9通过通信模块11与后台服务器13建立通信连接;所述触摸显示屏8用于显示包括二维码、账单、支付状态的信息;用户用移动终端扫描触摸显示屏8显示的二维码完成电子账户注册,后台服务器13将用户注册的电子账户与录入的手脉信息关联共同生成用户生物电子账户;或通过字符输入的方式完成账户绑定;
所述的电子账户注册的注册流程是:商家与支付平台机构签订代扣授权协议,由支付平台机构生成二维码,并反馈至后台服务器13,由后台服务器13下发至所述的主控单元9,并由所述触摸显示屏8上显示;用户通过移动终端扫描触摸显示屏8上显示的二维码,并进行解码,并将解码后的二维码信息上传至支付平台机构服务器验证,并在验证通过后,向用户移动终端和后台服务器13发送签约代扣完成信息;后台服务器13收到该信息后向该主控单元9发送采集手脉指令,并通过触摸显示屏8显示或语音模块10的语音指导用户完成手脉或者指纹、脸谱信息的采集,并经过加密芯片6加密后发送至后台服务器13,将用户手脉信息与个人支付账户关联绑定生成生物电子账户id;用户购物完成后,触发所设定的结算条件,由主控单元9向后台服务器13发送账单、该用户感兴趣数字、用户手脉信息和终端设备编号,由后台服务器13对账单、用户手脉信息和终端设备编号的信息进行验证,验证完成后,后台服务器13向支付平台发送结算指令,该结算指令包括账单和该用户手脉信息所对应的第三方支付账户的id,然后自动完成扣款,并向后台服务器反馈结算完成信息,并反馈至主控单元9,通过触摸显示屏8或语音模块10向用户反馈;
在采集手脉信息前指引用户输入四位感兴趣数字,然后用手掌静脉采集单元A采集用户手脉图像,最后将四位感兴趣数字、用户手脉信息与个人支付账户关联绑定生成生物电子账户id;
所述的二维码包括:平台接口代码、商家编号、终端设备编号和加密编码,并且为动态更新,所述动态更新是指第一用户扫描完成二维码且完成手脉采集绑定后,第三方平台重新下发新的二维码;
所述的代扣信息包括:用户id、手机号、终端设备编号、日期、顺序编码,该代扣信息反映出某人在某终端完成签约代扣注册的信息,并于后续采集的用户生物特征信息进行关联绑定,生成用户生物电子账户id。
2.根据权利要求1所述的基于手脉识别的生物身份认证和支付系统,其特征在于,所述的控制器5采用微处理器;所述加密芯片6用来对采集的手掌血管图像数据和内部数据加密,防止数据泄露和被破解。
3.一种采用权利要求1所述的基于手脉识别的生物身份认证和支付系统的生物身份认证方法,其特征在于,该方法由注册阶段和匹配阶段组成,其中:
注册阶段包括:
步骤1、掌静脉图像采集;
步骤2、感兴趣区域提取;
步骤3、图像预处理;
步骤4、特征提取;
步骤5、特征存储:将提取的信息储存在特征分类数据库中;
所述的匹配阶段包括:
步骤1、掌静脉图像采集;
步骤2、感兴趣区域提取;
步骤3、图像预处理;
步骤4、特征提取;
步骤5、特征匹配:将提取的特征与特征分类数据库中的特征进行比对,得出是否匹配的结果;
所述的注册阶段和匹配阶段中步骤2的图像预处理流程为:
S1、感兴趣手脉区域提取,具体流程包括以下步骤:
M1、首先对采集的手脉图像进行二值化处理,采用大津算法(OTSU)进行阈值化,从而剔除背景区域得到手掌轮廓;同时对该图像进行边界处理,在原始图像的四周添加N个灰度值为0的像素边界,在手掌图像周围形成黑色边界;
M2、得到二值化处理后的手掌轮廓图像后,利用Canny算法进行手掌轮廓提取;
M3、指跟点定位:为获取较高精度的ROI区域,通过确定食指与中指,小指与无名指之间的谷点作为ROI感兴区域的参考点P1和P2,同时按如下公式对图像进行旋转,使P1点和P2点的横坐标相等:
P1的坐标为(x1,y1),P2的坐标为(x2,y2),PI为圆周率,取3.14;当旋转角度为正值,表示围绕中点P做逆时针旋转;当旋转角度为负值,表示围绕中点P做顺时针旋转;
M4、ROI提取:
规定掌静脉图像的标准参数,P1、P2两点间的标准长度为L0,延伸标准长度为d0,提取的标准ROI大小为mo*n0;在这里L0取200,d0取100,mo=no=150;
中点P的坐标为[x0=(x1+x2)/2,y0=(y1+y2)/2],P1、P2两点间的实际长度:则提取的ROI区域的大小偏差为:r=L1/L0,实际延伸长度的偏差比例为d=d0×r,进而得到的提取的ROI区域的实际大小为m×n,其中m=m0×r,n=n0×r;
S2、图像归一化:将所提取的ROI区域的图进行归一化处理,通过尺度归一化和灰度归一化,使采集的图像更标准化;
S3、图像增强:为了便于后续的手脉匹配,因此需要手掌脉纹与周围边组织尽可能的区分,提高图像的对比度,利用CLAHE算法对图像增强处理;
S4、图像去噪:由于增强后的图像的噪点也被增强,因此对图像进行滤波处理,获取掌脉纹路对比度明显和低噪点的图像;
S5、图像细化:经图像增强和降噪后的得到高质量的二值化ROI图像,但是由于采集的掌脉图像的质量会有所不同,同时纹路粗细不一,因此为了减少数据量和匹配算法的复杂度,对二值化ROI图像通过8领域细化算法进行细化得到纹路清晰的细化手脉ROI图像。
4.根据权利要求3所述的基于手脉识别的生物身份认证方法,其特征在于,所述的注册阶段和匹配阶段中步骤4的特征提取方法是:采用NBP算法对感兴趣区域提取的图像纹理特征的提取,生成NBP编码,并进行加密处理,上传至后台服务器。
5.根据权利要求4所述的基于手脉识别的生物身份认证方法,其特征在于,所述的步骤5的特征匹配采用传统的汉明距离匹配算法,将所述的NBP编码,利用汉明距离匹配算法与掌脉数据库中的预存NBP编码进行遍历匹配验证,具体流程如下:
获取NBP编码→与数据库内的NBP编码比较得出两者的汉明距离→取汉明距离最小值→判断汉明距离最小值是否小于t2→若小于t2为匹配,若不小于t2为不匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810088407.2A CN108319911B (zh) | 2018-01-30 | 2018-01-30 | 基于手脉识别的生物身份认证和支付系统及身份认证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810088407.2A CN108319911B (zh) | 2018-01-30 | 2018-01-30 | 基于手脉识别的生物身份认证和支付系统及身份认证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108319911A CN108319911A (zh) | 2018-07-24 |
CN108319911B true CN108319911B (zh) | 2024-04-26 |
Family
ID=62891135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810088407.2A Active CN108319911B (zh) | 2018-01-30 | 2018-01-30 | 基于手脉识别的生物身份认证和支付系统及身份认证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108319911B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109263604A (zh) * | 2018-09-10 | 2019-01-25 | 深兰盛视科技(苏州)有限公司 | 车门锁开启方法、装置及计算机可读存储介质 |
CN109191650A (zh) * | 2018-11-05 | 2019-01-11 | 广东聚霸智能技术有限公司 | 智能门和智能门系统 |
CN109598247B (zh) * | 2018-12-07 | 2022-09-06 | 黑龙江大学 | 基于静脉图像细节点与纹路特征的二维码身份认证方法 |
CN110175496B (zh) * | 2019-01-17 | 2023-05-23 | 深圳启脉科技有限公司 | 一种微型可穿戴的血管生物识别装置及身份认证方法 |
CN109784083B (zh) * | 2019-02-22 | 2022-09-02 | 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 |
CN110119683A (zh) * | 2019-04-10 | 2019-08-13 | 深兰科技(上海)有限公司 | 一种手脉识别设备及手脉数据处理系统 |
CN110046905A (zh) * | 2019-04-15 | 2019-07-23 | 驿网无际(上海)智能科技有限公司 | 一种基于掌心经络的身份认证和支付系统及其使用方法 |
CN111523413B (zh) * | 2020-04-10 | 2023-06-23 | 北京百度网讯科技有限公司 | 生成人脸图像的方法和装置 |
TWI737280B (zh) * | 2020-04-28 | 2021-08-21 | 大陸商北京集創北方科技股份有限公司 | 生物特徵資料加密裝置與方法及利用該方法之資訊處理裝置 |
CN111931609B (zh) * | 2020-07-24 | 2024-08-02 | 广州市公共交通数据管理中心有限公司 | 一种公共交通工具的手脉或静脉特征识别及支付方法 |
CN111950405B (zh) * | 2020-07-30 | 2024-09-06 | 内蒙古智诚物联股份有限公司 | 一种基于人工智能的静脉识别输入输出装置及其识别方法 |
CN112241710A (zh) * | 2020-10-22 | 2021-01-19 | 深兰科技(上海)有限公司 | 掌脉识别方法、掌脉识别装置 |
CN112668412A (zh) * | 2020-12-15 | 2021-04-16 | 深兰科技(上海)有限公司 | 二维码生成方法、装置、电子设备和存储介质 |
CN112668512A (zh) * | 2020-12-31 | 2021-04-16 | 深兰盛视科技(苏州)有限公司 | 手掌静脉识别方法、装置、电子设备及存储介质 |
CN112613863A (zh) * | 2020-12-31 | 2021-04-06 | 深兰盛视科技(苏州)有限公司 | 手脉支付方法、装置、电子设备及存储介质 |
CN112668540B (zh) * | 2021-01-06 | 2023-07-18 | 安徽省东超科技有限公司 | 生物特征采集识别系统及方法、终端设备和存储介质 |
CN116620219B (zh) * | 2023-07-21 | 2023-10-20 | 宁波芯然科技有限公司 | 一种低功耗车载掌静脉解锁方法 |
CN117788461B (zh) * | 2024-02-23 | 2024-05-07 | 华中科技大学同济医学院附属同济医院 | 一种基于图像分析的磁共振图像质量评估系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040048115A (ko) * | 2002-12-02 | 2004-06-07 | 주식회사 시큐아이티 | 이동통신 네트워크에서 인증을 위한 다중생체정보의송수신 장치 및 방법 |
CN203102317U (zh) * | 2013-01-24 | 2013-07-31 | 东莞市中控电子技术有限公司 | 一种手掌静脉采集与识别装置 |
KR101802359B1 (ko) * | 2017-05-30 | 2017-11-29 | 주식회사 올아이티탑 | 소형 이미지센서에 의한 정맥 인식을 이용한 전자 결제 시스템 및 그 방법 |
CN207780841U (zh) * | 2018-01-30 | 2018-08-28 | 深兰科技(上海)有限公司 | 手脉采集认证设备 |
-
2018
- 2018-01-30 CN CN201810088407.2A patent/CN108319911B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040048115A (ko) * | 2002-12-02 | 2004-06-07 | 주식회사 시큐아이티 | 이동통신 네트워크에서 인증을 위한 다중생체정보의송수신 장치 및 방법 |
CN203102317U (zh) * | 2013-01-24 | 2013-07-31 | 东莞市中控电子技术有限公司 | 一种手掌静脉采集与识别装置 |
KR101802359B1 (ko) * | 2017-05-30 | 2017-11-29 | 주식회사 올아이티탑 | 소형 이미지센서에 의한 정맥 인식을 이용한 전자 결제 시스템 및 그 방법 |
CN207780841U (zh) * | 2018-01-30 | 2018-08-28 | 深兰科技(上海)有限公司 | 手脉采集认证设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108319911A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108319911B (zh) | 基于手脉识别的生物身份认证和支付系统及身份认证方法 | |
CN1224935C (zh) | 身份确认系统 | |
US7778935B2 (en) | System for secure payment and authentication | |
US10133857B2 (en) | Phalangeal authentication device | |
CN1492365A (zh) | 电子签名验证方法和装置 | |
US11886562B2 (en) | Systems and methods for enhancing biometric matching accuracy | |
KR102112682B1 (ko) | 보상보험에 의한 디지털 가상화폐를 생체인증신호와 연동시켜 전송하는 디지털 가상화폐의 거래방법 | |
KR20200070986A (ko) | 디지털 가상화폐를 생체인증신호와 매칭시켜 발행되는 디지털 가상화폐 및 그 거래방법 | |
US11722904B2 (en) | Electronic system for construction and detection of spatial movements in a VR space for performance of electronic activities | |
KR101803397B1 (ko) | 얼굴과 지문 또는/및 지정맥을 스캐닝하여 사용자 인증을 처리하는 다중 안전 잠금 기능의 금융 거래 중계 시스템 및 그의 처리 방법 | |
KR102024372B1 (ko) | 디지털 가상화폐를 생체인증신호와 연동시켜 전송하는 디지털 가상화폐의 거래방법 | |
KR102337264B1 (ko) | 전화번호를 연계한 생체인증에 의한 앱(App) 형 모바일 디지털 카드의 생성방법 및 이의 이용방법 | |
KR101792025B1 (ko) | 홍채와 지문 또는/및 지정맥을 스캐닝하여 사용자 인증을 처리하는 다중 안전 잠금 기능의 금융 거래 중계 시스템 및 그의 처리 방법 | |
KR101792006B1 (ko) | 생체인증을 통한 다중안전 잠금기능을 갖는 유무선 통합 단말기 | |
CN110800010A (zh) | 具有多重安全锁定功能的有线或无线集成生物认证终端、以及使用该终端的广告方法 | |
US20220027866A1 (en) | Digital virtual currency issued by being matched with biometric authentication signal, and transaction method therefor | |
KR101846290B1 (ko) | 분리형 단말기를 연계한 다중 안전 잠금 기능을 구비하는 금융 거래 중계 시스템 및 그의 처리 방법 | |
KR102448850B1 (ko) | 전화번호를 연계한 생체인증에 의한 앱(App) 형 모바일 디지털 문서의 생성방법 및 이의 거래 방법 | |
KR101792015B1 (ko) | 보안인증수단을 이용한 의료 수요자의 의료비 결제방법 | |
Abikoye et al. | Biometric based point-of-sale authentication system | |
CN1763685A (zh) | 身份确认系统 | |
Lu et al. | M-commerce secured using web-enabled mobile biometric agents | |
KR102451994B1 (ko) | 다중 안전 잠금 기능을 구비하는 금융 거래 중계 처리 방법 | |
KR102250548B1 (ko) | 양자난수와 생체정보를 연계한 탈착식 분리형 usb를 이용한 금융거래방법 | |
KR101792023B1 (ko) | 은행별 남녀 세대를 구분한 지문 또는/및 지정맥 인식을 이용한 전자 금융 결제 시스템의 처리방법 |
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 |