CN108664956B - 人体静脉生物特征信息采集过程中的活体识别方法及装置 - Google Patents

人体静脉生物特征信息采集过程中的活体识别方法及装置 Download PDF

Info

Publication number
CN108664956B
CN108664956B CN201810663946.4A CN201810663946A CN108664956B CN 108664956 B CN108664956 B CN 108664956B CN 201810663946 A CN201810663946 A CN 201810663946A CN 108664956 B CN108664956 B CN 108664956B
Authority
CN
China
Prior art keywords
user
strain
vein
judging
image
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
CN201810663946.4A
Other languages
English (en)
Other versions
CN108664956A (zh
Inventor
苏飞
王诗丽
王雪儿
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN201810663946.4A priority Critical patent/CN108664956B/zh
Publication of CN108664956A publication Critical patent/CN108664956A/zh
Application granted granted Critical
Publication of CN108664956B publication Critical patent/CN108664956B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06V40/45—Detection of the body part being alive
    • 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)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种人体静脉生物特征信息采集过程中的活体识别方法及装置，该方法包括：按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像，根据至少三张连续的数字静脉图像，并根据数字图像相关算法，计算出至少两个应变场，根据至少两个应变场，判断用户身体指定部位是否存在脉搏，若判断结果为是，则判定用户身体指定部位为活体，若判断结果为否，则判定用户身体指定部位为假体。由于活体中的静脉存在血压，会造成血管以及周围的肌肉组织的应变，并随时间而产生变化，那么根据计算出的应变场，来判断用户身体指定部位是否为活体，解决了现有技术中不存在活体识别方法的问题。

Description

人体静脉生物特征信息采集过程中的活体识别方法及装置
技术领域
本发明涉及人体生物特征识别领域，具体涉及一种人体静脉生物特征信息采集过程中的活体识别方法及装置。
背景技术
现有技术中，不存在活体识别方法。
发明内容
本发明的目的在于提供人体静脉生物特征信息采集过程中的活体识别方法及装置，用以解决现有技术中不存在活体识别方法的问题。
为实现上述目的，本发明的技术方案为：
本发明提供一种人体静脉生物特征信息采集过程中的活体识别方法，所述方法包括：
按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像；
根据所述至少三张连续采集的数字静脉图像，并根据数字图像相关算法，计算出至少两个应变场，其中，每个应变场包括至少一个应变值，应变场是指一张数字静脉图像中的血管和周围肌肉组织，相对于另一张数字静脉图像中的血管和周围肌肉组织的应变场；
根据所述至少两个应变场，判断所述用户身体指定部位是否存在脉搏；
若判断结果为是，则判定所述用户身体指定部位为活体；
若判断结果为否，则判定所述用户身体指定部位为假体。
进一步的，按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像之前，所述方法还包括：
采集所述用户身体指定部位的数字静脉图像；
通过图像处理和识别技术，获取所采集的数字静脉图像中的静脉的图像特征；
在预设的静脉数据库中搜寻是否存在与所述静脉的图像特征匹配的目标静脉的图像特征；
若存在，则判定所述用户的身份为合法身份；
则执行按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像的操作的前提是：
判定所述用户的身份为合法身份。
进一步的，按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像，具体包括：
按照所述预设时间间隔，通过静脉图像采集仪，获取所述用户身体指定部位的至少三张连续的数字静脉图像。
进一步的，所述预设时间间隔，小于人类平均脉搏周期的一半。
进一步的，根据所述至少两个应变场，判断所述用户身体指定部位是否存在脉搏，具体包括：
确定出每个应变场中的极大应变值和极小应变值；
判断至少两个极大应变值和至少两个极小应变值，是否均位于预设的由噪声造成的虚假应变范围内；
若所述至少两个极大应变值和所述至少两个极小应变值，均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位不存在脉搏；
若所述至少两个极大应变值和所述至少两个极小应变值，不均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位存在脉搏。
本发明还提供一种人体静脉生物特征信息采集过程中的活体识别装置，所述装置包括：
获取模块，用于按照预设时间间隔，获取用户身体指定部位的至少三张连续的数字静脉图像；
计算模块，用于根据所述至少三张连续的数字静脉图像，并根据数字图像相关算法，计算出至少两个应变场，其中，每个应变场包括至少一个应变值，应变场是指一张数字静脉图像中的血管和周围肌肉组织，相对于另一张数字静脉图像中的血管和周围肌肉组织的应变场；
判断模块，用于根据所述至少两个应变场，判断所述用户身体指定部位是否存在脉搏；
所述判断模块，还用于若判断结果为是，则判定所述用户身体指定部位为活体；
所述判断模块，还用于若判断结果为否，则判定所述用户身体指定部位为假体。
进一步的，所述获取模块，还用于：
按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像之前，采集所述用户身体指定部位的数字静脉图像；
通过图像处理和识别技术，获取所采集的数字静脉图像中的静脉的图像特征；
在预设的静脉数据库中搜寻是否存在与所述静脉的图像特征匹配的目标静脉的图像特征；
若存在，则判定所述用户的身份为合法身份；
则执行按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像的操作的前提是：
判定所述用户的身份为合法身份。
进一步的，所述获取模块，具体用于：
按照所述预设时间间隔，通过静脉图像采集仪，获取所述用户身体指定部位的至少三张连续的数字静脉图像。
进一步的，所述预设时间间隔，小于人类平均脉搏周期的一半。
进一步的，所述判断模块，具体包括：
确定出每个应变场中的极大应变值和极小应变值；
判断至少两个极大应变值和至少两个极小应变值，是否均位于预设的由噪声造成的虚假应变范围内；
若所述至少两个极大应变值和所述至少两个极小应变值，均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位不存在脉搏；
若所述至少两个极大应变值和所述至少两个极小应变值，不均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位存在脉搏。
本发明具有如下优点：
本发明中，按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像，根据所述至少三张连续的数字静脉图像，并根据数字图像相关算法，计算出至少两个应变场，其中，每个应变场包括至少一个应变值，应变场是指一张数字静脉图像中的血管和周围肌肉组织，相对于另一张数字静脉图像中的血管和周围肌肉组织的应变场，根据所述至少两个应变场，判断所述用户身体指定部位是否存在脉搏，若判断结果为是，则判定所述用户身体指定部位为活体，若判断结果为否，则判定所述用户身体指定部位为假体。由于活体中的脉搏会跳动，造成血管以及周围的肌肉组织会随时间推移产生变化，那么根据计算出的不同数字静脉图像中的血管和周围肌肉组织的应变场，来判断用户身体指定部位是否为活体还是假体，解决了现有技术中不存在活体识别方法的问题。
附图说明
图1为本发明提供的一种人体静脉生物特征信息采集过程中的活体识别方法的流程示意图；
图2为本发明提供的一种人体静脉生物特征信息采集过程中的活体识别装置的结构示意图。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例1
本发明实施例1提供一种人体静脉生物特征信息采集过程中的活体识别方法，该方法的执行主体，可以但不限于门禁、手机、平板电脑或个人电脑(Personal Computer，PC)等用户终端，或者该些用户终端上运行的应用(Application，APP)，或者，还可以是服务器等设备。
为便于描述，下文以该方法的执行主体为APP为例，对该方法的实施方式进行介绍。可以理解，该方法的执行主体为APP只是一种示例性的说明，并不应理解为对该方法的限定。
该方法的流程示意图参见图1，该方法包括下述步骤：
步骤101，按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像。
上述预设时间间隔可为任意时间间隔，或者可以小于人类平均脉搏周期，再或者也可以小于人类平均脉搏周期的一半。其中，可将多人的脉搏周期的平均数，作为人类平均脉搏周期。
用户身体指定部位，可为用户身体中的任一部位，比如手指、手掌、胳膊或脚趾等。
本发明实施例1中，可按照所述预设时间间隔，通过静脉图像采集仪，获取用户身体指定部位的至少三张连续采集的数字静脉图像。另外，也可以接收其他用户终端或APP发送的上述图像。
步骤102，根据所述至少三张连续采集的数字静脉图像，并根据数字图像相关算法，计算出至少两个应变场。
其中，每个应变场包括至少一个应变值。
任一应变场，是指一张数字静脉图像中的血管和周围肌肉组织，相对于另一张数字静脉图像中的血管和周围肌肉组织的应变场。
具体的，可任选一张数字静脉图像，根据数据图像相关算法，分别计算其他数字静脉图像中的血管和周围肌肉组织，相对于选出的数字静脉图像中的血管和周围肌肉组织的应变场。
另外，也可根据数字图像相关算法，针对上述至少三张连续采集的数字静脉图像中的每两张数字静脉图像，计算应变场。
步骤103，根据所述至少两个应变场，判断所述用户身体指定部位是否存在脉搏。
若判断结果为是，则执行步骤104；若判断结果为否，则执行步骤105。
步骤103的具体实现方式如下：
确定出每个应变场中的极大应变值和极小应变值，判断至少两个极大应变值和至少两个极小应变值，是否均位于预设的由噪声造成的虚假应变范围内，若所述至少两个极大应变值和所述至少两个极小应变值，均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位不存在脉搏，若所述至少两个极大应变值和所述至少两个极小应变值，不均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位存在脉搏。针对所述至少两个极大应变值和所述至少两个极小应变值，不均位于所述预设的由噪声造成的虚假应变范围内的情况，只要至少一个极大应变值和/或至少一个极小应变值，不位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位存在脉搏。
实际应用中，由于静脉图像采集仪存在电子噪声，即使物体没有应变，噪声也会改变采集到的数字静脉图像的灰度，进而计算出虚假的应变场，由于这一情况的存在，可计算出假体的应变场，将假体的应变场中的所有应变值所在的范围，确定为预设的由噪声造成的虚假应变范围，若用户身体指定部位应变场内的极大应变值和极小应变值，均在这一范围内，表明用户身体指定部位无脉搏，否则，表明用户身体指定部位有脉搏。
步骤104，判定所述用户身体指定部位为活体。
步骤105，判定所述用户身体指定部位为假体。
本发明中，按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像，根据所述至少三张连续的数字静脉图像，并根据数字图像相关算法，计算出至少两个应变场，其中，每个应变场包括至少一个应变值，应变场是指一张数字静脉图像中的血管和周围肌肉组织，相对于另一张数字静脉图像中的血管和周围肌肉组织的应变场，根据所述至少两个应变场，判断所述用户身体指定部位是否存在脉搏，若判断结果为是，则判定所述用户身体指定部位为活体，若判断结果为否，则判定所述用户身体指定部位为假体。由于活体中的脉搏会跳动，造成血管以及周围的肌肉组织会随时间推移产生变化，那么根据计算出的不同数字静脉图像中的血管和周围肌肉组织的应变场，来判断用户身体指定部位是否为活体还是假体，相较于现有技术来说，提高了活体识别方法的准确性。
需要说明的是，在执行步骤101之前，还可以执行下述操作：
利用静脉采集和识别技术，判断用户的身份是否为合法身份。则步骤101的前提是：判定所述用户的身份为合法身份。
具体的，可以通过静脉识别系统，采集所述用户身体指定部位的数字静脉图像，通过图像处理和识别技术，获取所采集的数字静脉图像中的静脉的图像特征，在预设的静脉数据库中搜寻是否存在与所述静脉的图像特征匹配的目标静脉的图像特征，若存在，则判定所述用户的身份为合法身份，则执行按照预设时间间隔，获取用户身体指定部位的至少三张连续的数字静脉图像的操作的前提是：判定所述用户的身份为合法身份。这一情况下，后续执行步骤103时，若判断出该用户身体指定部位是假体，则判定该用户身份不合法；若判断出该用户身体指定部位是活体，则判定该用户身份合法。
现有技术中，静脉识别系统中，一般通过静脉采集和识别技术，来获取人体静脉生物特征，并与数据库对比，判断检体是否为合法身份。但是由于国内现有的静脉识别系统不具备活体识别功能，针对被砍掉的人的某一身体部位，或者具备假血管和肌肉组织的假体，仍有可能通过现有静脉识别系统的防护，以合法身份的名义蒙混过关，在某些关键场合会造成重大损失。因此活体识别技术的开发具有重大意义。先通过静脉采集和识别技术，判断出用户的身份可能合法后，再充分利用脉搏会造成血管及周围肌肉组织应变的特点，发挥数字图像相关法能直接计算应变的优势，通过计算出的脉搏造成的应变场大小来判断用户身体指定部位的静脉是否存在脉动，进而判断是活体还是假体，若判断是假体，则判定用户的身份不合法，若判断出是活体，则确定用户的身份合法。本发明有力的补充了静脉识别方法的可靠性，减少了现有技术中静脉识别系统的误通过率，在某些特殊和重要场合，有可能避免重大经济损失。
另外，在另一实施场景中，在执行步骤104后，可执行上述利用静脉采集和识别技术，判断用户的身份是否为合法身份的操作。
具体的，可在静脉识别系统中，添加本发明提供的活体识别方法，即先判断检体(即待检测的用户身体指定部位)是否为活体，若判断出是假体，则结束进程，若判断出是活体，再根据静脉采集和识别技术，判断用户的身份是否为合法身份。这样，避免了现有技术中静脉识别系统中没有活体识别方法的弊端，降低了现有技术中静脉识别系统的误通过率，在某些特殊和重要场合，有可能避免重大经济损失。其中，误通过率，是指将不合法身份判断为身份合法，或者将假体或被砍下的人的身体部位对应的用户的身份，判断为身份合法的概率。
实施例2
本发明实施例2提供一种人体静脉生物特征信息采集过程中的活体识别装置，该装置的结构示意图可参见图2，图2中，所述装置包括：
获取模块201，用于按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像；
计算模块202，用于根据所述至少三张连续采集的数字静脉图像，并根据数字图像相关算法，计算出至少两个应变场，其中，每个应变场包括至少一个应变值，应变场是指一张数字静脉图像中的血管和周围肌肉组织，相对于另一张数字静脉图像中的血管和周围肌肉组织的应变场；
判断模块203，用于根据所述至少两个应变场，判断所述用户身体指定部位是否存在脉搏；
所述判断模块203，还用于若判断结果为是，则判定所述用户身体指定部位为活体；
所述判断模块203，还用于若判断结果为否，则判定所述用户身体指定部位为假体。
进一步的，所述获取模块201，还用于：
按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像之前，采集所述用户身体指定部位的数字静脉图像；
通过图像处理和识别技术，获取所采集的数字静脉图像中的静脉的图像特征；
在预设的静脉数据库中搜寻是否存在与所述静脉的图像特征匹配的目标静脉的图像特征；
若存在，则判定所述用户的身份为合法身份；
则执行按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像的操作的前提是：
判定所述用户的身份为合法身份。
进一步的，所述获取模块201，具体用于：
按照所述预设时间间隔，通过静脉图像采集仪，获取所述用户身体指定部位的至少三张连续采集的数字静脉图像。
进一步的，所述预设时间间隔，小于人类平均脉搏周期的一半。
进一步的，所述判断模块203，具体包括：
确定出每个应变场中的极大应变值和极小应变值；
判断至少两个极大应变值和至少两个极小应变值，是否均位于预设的由噪声造成的虚假应变范围内；
若所述至少两个极大应变值和所述至少两个极小应变值，均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位不存在脉搏；
若所述至少两个极大应变值和所述至少两个极小应变值，不均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位存在脉搏。
实施例1和2中的各技术特征，可自由组合，本发明对此不进行任何限定。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (8)

1.一种人体静脉生物特征信息采集过程中的活体识别方法，其特征在于，所述方法包括：
按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像，所述预设时间间隔小于人类平均脉搏周期，或者小于人类平均脉搏周期的一半；
根据所述至少三张连续采集的数字静脉图像，并根据数字图像相关算法，计算出至少两个应变场，其中，每个应变场包括至少一个应变值，应变场是指一张数字静脉图像中的血管和周围肌肉组织，相对于另一张数字静脉图像中的血管和周围肌肉组织的应变场；
根据所述至少两个应变场，判断所述用户身体指定部位是否存在脉搏；
若判断结果为是，则判定所述用户身体指定部位为活体；
若判断结果为否，则判定所述用户身体指定部位为假体；
判断所述用户身体指定部位是否存在脉搏，具体包括：
确定出每个应变场中的极大应变值和极小应变值；
判断至少两个极大应变值和至少两个极小应变值，是否均位于预设的由噪声造成的虚假应变范围内；
若所述至少两个极大应变值和所述至少两个极小应变值，均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位不存在脉搏；
若所述至少两个极大应变值和所述至少两个极小应变值，不均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位存在脉搏。
2.如权利要求1所述的方法，其特征在于，按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像之前，所述方法还包括：
采集所述用户身体指定部位的数字静脉图像；
通过图像处理和识别技术，获取所采集的数字静脉图像中的静脉的图像特征；
在预设的静脉数据库中搜寻是否存在与所述静脉的图像特征匹配的目标静脉的图像特征；
若存在，则判定所述用户的身份为合法身份；
则执行按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像的操作的前提是：
判定所述用户的身份为合法身份。
3.如权利要求1所述的方法，其特征在于，按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像，具体包括：按照所述预设时间间隔，通过静脉图像采集仪，获取所述用户身体指定部位的至少三张连续采集的数字静脉图像。
4.如权利要求1所述的方法，其特征在于，所述预设时间间隔，小于人类平均脉搏周期的一半。
5.一种人体静脉生物特征信息采集过程中的活体识别装置，其特征在于，所述装置包括：
获取模块，用于按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像，所述预设时间间隔小于人类平均脉搏周期，或者小于人类平均脉搏周期的一半；
计算模块，用于根据所述至少三张连续采集的数字静脉图像，并根据数字图像相关算法，计算出至少两个应变场，其中，每个应变场包括至少一个应变值，应变场是指一张数字静脉图像中的血管和周围肌肉组织，相对于另一张数字静脉图像中的血管和周围肌肉组织的应变场；
判断模块，用于根据所述至少两个应变场的均匀性，判断所述用户身体指定部位是否存在脉搏；
所述判断模块，还用于若判断结果为是，则判定所述用户身体指定部位为活体；
所述判断模块，还用于若判断结果为否，则判定所述用户身体指定部位为假体；
判断所述用户身体指定部位是否存在脉搏，具体包括：
确定出每个应变场中的极大应变值和极小应变值；
判断至少两个极大应变值和至少两个极小应变值，是否均位于预设的由噪声造成的虚假应变范围内；
若所述至少两个极大应变值和所述至少两个极小应变值，均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位不存在脉搏；
若所述至少两个极大应变值和所述至少两个极小应变值，不均位于所述预设的由噪声造成的虚假应变范围内，则判定所述用户身体指定部位存在脉搏。
6.如权利要求5所述的装置，其特征在于，所述获取模块，还用于：
按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像之前，采集所述用户身体指定部位的数字静脉图像；
通过图像处理和识别技术，获取所采集的数字静脉图像中的静脉的图像特征；
在预设的静脉数据库中搜寻是否存在与所述静脉的图像特征匹配的目标静脉的图像特征；
若存在，则判定所述用户的身份为合法身份；
则执行按照预设时间间隔，获取用户身体指定部位的至少三张连续采集的数字静脉图像的操作的前提是：
判定所述用户的身份为合法身份。
7.如权利要求5所述的装置，其特征在于，所述获取模块，具体用于：按照所述预设时间间隔，通过静脉图像采集仪，获取所述用户身体指定部位的至少三张连续采集的数字静脉图像。
8.如权利要求5所述的装置，其特征在于，所述预设时间间隔，小于人类平均脉搏周期的一半。
CN201810663946.4A 2018-06-25 2018-06-25 人体静脉生物特征信息采集过程中的活体识别方法及装置 Active CN108664956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810663946.4A CN108664956B (zh) 2018-06-25 2018-06-25 人体静脉生物特征信息采集过程中的活体识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810663946.4A CN108664956B (zh) 2018-06-25 2018-06-25 人体静脉生物特征信息采集过程中的活体识别方法及装置

Publications (2)

Publication Number Publication Date
CN108664956A CN108664956A (zh) 2018-10-16
CN108664956B true CN108664956B (zh) 2021-11-12

Family

ID=63773103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810663946.4A Active CN108664956B (zh) 2018-06-25 2018-06-25 人体静脉生物特征信息采集过程中的活体识别方法及装置

Country Status (1)

Country Link
CN (1) CN108664956B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110866235B (zh) * 2019-10-21 2021-11-23 上海交通大学 同时捕获人体脉搏和静脉图像的身份识别方法及装置
CN111063078A (zh) * 2019-11-20 2020-04-24 杭州遁甲科技有限公司 基于活体识别的门禁控制方法、控制设备及安全门

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1816587A1 (en) * 2006-02-02 2007-08-08 Hitachi, Ltd. Biometric information processing device and biometric information processing program
CN101908140A (zh) * 2010-07-29 2010-12-08 中山大学 一种在人脸识别中应用的活体检测方法
CN106372611A (zh) * 2016-09-09 2017-02-01 康佳集团股份有限公司 基于手掌静脉特征的身份识别方法、系统及图像采集装置
CN107194367A (zh) * 2017-06-07 2017-09-22 重庆科技学院 手指静脉识别过程中的活体检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1816587A1 (en) * 2006-02-02 2007-08-08 Hitachi, Ltd. Biometric information processing device and biometric information processing program
CN101908140A (zh) * 2010-07-29 2010-12-08 中山大学 一种在人脸识别中应用的活体检测方法
CN106372611A (zh) * 2016-09-09 2017-02-01 康佳集团股份有限公司 基于手掌静脉特征的身份识别方法、系统及图像采集装置
CN107194367A (zh) * 2017-06-07 2017-09-22 重庆科技学院 手指静脉识别过程中的活体检测方法

Also Published As

Publication number Publication date
CN108664956A (zh) 2018-10-16

Similar Documents

Publication Publication Date Title
CN102542281B (zh) 非接触式生物特征识别方法和系统
TWI599964B (zh) 手指靜脈辨識系統與方法
CN108513665A (zh) 用户身份识别的方法、装置和系统
CN108664956B (zh) 人体静脉生物特征信息采集过程中的活体识别方法及装置
CN110287918A (zh) 活体识别方法及相关产品
CN107273827B (zh) 一种心电信号r波检测方法及装置
CN112294253A (zh) 一种基于用户语音变化的疾病诊断系统及家庭智能机器人
CN108125678B (zh) 心电信号的方向检测方法、装置及电子设备
CN109858366A (zh) 身份认证方法及装置
CN111062021B (zh) 一种基于可穿戴设备进行身份认证的方法及装置
CN111053552B (zh) 一种基于深度学习的qrs波检测方法
CN110123289A (zh) 一种基于脉搏波的生物识别方法及相关装置
Derawi et al. Fusion of gait and ECG for biometric user authentication
CN109919050B (zh) 身份识别方法和装置
CN114869249B (zh) 脉搏波特征参数的获取方法、装置、电子设备及介质
KR101587874B1 (ko) 단일 채널 심전도를 이용한 생체 인식 장치 및 그 방법
CN111222374A (zh) 测谎数据处理方法、装置、计算机设备和存储介质
CN111507124A (zh) 基于深度学习的非接触式视频测谎方法及系统
CN112957018A (zh) 基于人工智能的心脏状态检测方法和装置
CN108388861B (zh) 电子设备及其控制方法和装置
JP2003016433A (ja) 指紋照合における生体識別方法，方式，およびプログラム
CN114187281A (zh) 一种图像处理方法、装置、电子设备和存储介质
CN117253096B (zh) 手指自适应的健康指标监控方法、装置、设备及存储介质
CN111324880A (zh) 一种指纹和心电特征双认证身份识别系统及方法
CN111956205B (zh) 一种心电图数据处理设备、方法、装置及存储介质

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