CN108765664A - 指纹解锁方法、装置、终端及存储介质 - Google Patents
指纹解锁方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN108765664A CN108765664A CN201810545694.5A CN201810545694A CN108765664A CN 108765664 A CN108765664 A CN 108765664A CN 201810545694 A CN201810545694 A CN 201810545694A CN 108765664 A CN108765664 A CN 108765664A
- Authority
- CN
- China
- Prior art keywords
- data
- finger print
- tested
- notable feature
- fingerprint
- 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
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
本申请实施例提供了一种指纹解锁方法、装置、终端及存储介质。该方法包括:获取指纹传感器采集的待验指纹数据;提取待验指纹数据的显著特征数据;检测待验指纹数据的显著特征数据和预存指纹数据的显著特征数据是否匹配;若待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配,则将目标对象由锁定状态切换为解锁状态。在本申请实施例中,通过在对某个对象进行指纹解锁时,终端将采集到的指纹数据中的显著特征数据与预存指纹数据中的显著特征数据进行比对验证,由于需要比对验证的指纹数据的数据量较小,因此终端完成上述比对验证过程所需的时间较少,进而提高解锁效率。
Description
技术领域
本申请实施例涉及指纹识别技术领域,特别涉及一种指纹解锁方法、装置、终端及存储介质。
背景技术
目前,指纹识别技术已得到广泛的应用。例如,用户可以通过指纹解锁终端,还可以通过指纹解锁终端中的某个应用程序。
相关技术中,当用户触摸终端中的指纹传感器时,指纹传感器采集到用户的指纹数据,之后终端将采集到的指纹数据与预存的指纹数据进行比对,若采集到的指纹数据与预存的指纹数据匹配,则对终端进行解锁。
发明内容
本申请实施例提供一种指纹解锁方法、装置、终端及存储介质。所述技术方案如下:
一方面,本申请实施例提供一种指纹解锁方法,所述方法包括:
获取指纹传感器采集的待验指纹数据;
提取所述待验指纹数据的显著特征数据,所述显著特征数据包括用于指示指纹中的显著特征的数据,所述显著特征包括以下至少一种:分叉点、截止点、孤立点、核心点、三角点;
检测所述待验指纹数据的显著特征数据和预存指纹数据的显著特征数据是否匹配;
若所述待验指纹数据的显著特征数据和所述预存指纹数据的显著特征数据匹配,则将目标对象由锁定状态切换为解锁状态。
另一方面,本申请实施例提供一种指纹解锁装置,所述装置包括:
指纹获取模块,用于获取指纹传感器采集的待验指纹数据;
特征提取模块,用于提取所述待验指纹数据的显著特征数据,,所述显著特征数据包括用于指示指纹中的显著特征的数据,所述显著特征包括以下至少一种:分叉点、截止点、孤立点、核心点、三角点;
指纹匹配模块,用于检测所述待验指纹数据的显著特征数据和预存指纹数据的显著特征数据是否匹配;
解锁模块,用于若所述待验指纹数据的显著特征数据和所述预存指纹数据的显著特征数据匹配,则将目标对象由锁定状态切换为解锁状态。
再一方面,本申请实施例提供一种终端,所述终端包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现上述方面所述的指纹解锁方法。
又一方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现上述方面所述的指纹解锁方法。
本申请实施例提供的技术方案可以带来如下有益效果:
通过对某个对象进行指纹解锁时,将采集到的指纹数据中的显著特征数据与预存指纹数据中的显著特征数据进行比对验证,相比于相关技术中将采集到的全部指纹数据与预存的指纹数据进行比对验证,显著特征数据的数据量小于采集到的全部指纹数据的数据量,也即,本申请实施例中需要比对验证的指纹数据的数据量较小,因此终端完成上述比对验证过程所需的时间较少,进而提高解锁效率。
附图说明
图1是本申请一个实施例示出的指纹解锁方法的流程图;
图2是本申请一个实施例示出的指纹解锁的示意图;
图3是本申请一个实施例示出的解锁终端的界面示意图;
图4是本申请另一个实施例示出的解锁终端的界面示意图;
图5是本申请一个实施例示出的解锁应用程序的界面示意图;
图6是本申请另一个实施例示出的指纹解锁方法的流程图;
图7是本申请一个实施例示出的指纹解锁装置的框图;
图8是本申请一个实施例示出的终端的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例提供的技术方案,通过对某个对象进行指纹解锁时,将采集到的指纹数据中的显著特征数据与预存指纹数据中的显著特征数据进行比对验证,相比于相关技术中将采集到的全部指纹数据与预存的指纹数据进行比对验证,显著特征数据的数据量小于采集到的全部指纹数据的数据量,也即,本申请实施例中需要比对验证的指纹数据的数据量较小,因此终端完成上述比对验证过程所需的时间较少,进而提高解锁效率。
本申请实施例提供的方法,各步骤的执行主体为终端,上述终端可以是手机、平板电脑、电子书阅读器、多媒体播放设备、可穿戴设备、膝上型便携计算机等电子设备。
另外,终端中安装有指纹传感器。指纹传感器用于采集用户的指纹,终端可根据指纹传感器采集到的指纹识别用户的身份,或者,由指纹传感器根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由终端授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器可以被设置终端的正面、背面或侧面。当终端上设置有物理按键或厂商时,指纹传感器可以与物理按键或厂商Logo集成在一起。
请参考图1,其示出了本申请一个实施例提供的指纹解锁方法的流程图。该方法可以包括如下几个步骤。
步骤101,获取指纹传感器采集的待验指纹数据。
指纹传感器用于采集用户的指纹。指纹传感器可以设置在终端的前面板,也可以设置在终端的背板,本申请实施例对此不作限定。另外,指纹传感器还可以与终端的触摸显示屏集成,也即,当用户触摸显示屏执行触摸操作时,终端即可采集到指纹数据。待验指纹数据可以是指纹图像。
在本申请实施例中,当用户触摸指纹传感器时,指纹传感器采集指纹图像,之后终端从指纹传感器中获取指纹图像,作为待验指纹数据。
步骤102,提取待验指纹数据的显著特征数据。
显著特征数据包括用于指示指纹中的显著特征的数据。显著特征数据的数据量小于待验指纹数据的数据量。可选地,显著特征数据也能够唯一确定用户身份,因此,终端可以通过显著特征数据来完成指纹数据的比对验证过程,在提升解锁速率的前提下,保证指纹解锁的安全性。显著特征包括以下至少一种:分叉点、截止点、孤立点、核心点、三角点。分叉点是指指纹纹路中出现分叉的点。截止点是指指纹纹路的结束位置。孤立点是指长度很短的指纹纹路。核心点位于指纹纹路的渐进中心。三角点是指从核心点开始的第一个分叉点。
在本申请的一些实施例中,步骤102可以包括如下两个子步骤:
步骤102a,对待验指纹数据进行特征提取,得到待验指纹数据的至少一个特征数据;
待验指纹数据通常包括冗余信息,例如纹路之间的间隙,冗余信息会增加不必要的指纹匹配工作。因此,在本申请实施例中,对待验指纹数据进行特征提取,也即是去除待验指纹数据的冗余信息。
步骤102b,通过特征分类模型对至少一个特征数据进行分类处理,得到至少一个特征数据各自对应的分类;
特征分类模型是采用机器学习算法对神经网络训练得到的。机器学习算法可以是反向传播算法(Back-Propagation,BP)、更快的区域卷积神经网络faster RCNN(fasterRegions with Convolutional Neural Network,faster RCNN)算法等,本申请实施例对此不作限定。神经网络可以是卷积神经网络(Convolutional Neural Network,CNN)人工神经网络(Artificial Neural Network,ANN)等,本申请实施例对此不作限定。
进一步地,特征分类模型是采用机器学习算法,以及具有分类标签的样本特征数据对神经网络训练得到的。分类标签是指样本特征数据对应的分类,其可以是以下至少一种:指纹的交叉点、截止点、分歧点、孤立点、短纹、环点、核心点、三角点等等。
可选地,特征分类模型包括:一个输入层、至少一个隐层、和一个输出层。输入层的输入数据为特征数据,输出层的输出结果是该特征数据对应的分类。分类确定过程如下:将特征数据输入至特征分类模型的输入层,由特征分类模型的隐层对上述特征数据进行特征提取,并对提取到的特征进行组合和抽象,最后由输出层输出该特征数据对应的分类。另外,在本申请实施例中,对隐层的具体结构不作限定。一般来说,神经网络的层数越多,效果越好但计算时间也会越长,在实际应用中,可结合对超时时间的超时率的要求,设计适当层数的神经网络。
特征分类模型的训练过程如下:将样本特征数据输入初始的特征分类模型,得到样本特征数据对应的分类,将上述样本特征数据对应的分类与样本特征数据具有的分类标签进行比较,得到计算损失,若计算损失大于预设值,根据该计算损失调节各个隐层的参数,后续重复上述步骤,直至计算损失小于或等于预设值,最后生成特征分类模型。上述预设值可以根据对分类精度实际设定,本申请实施例对此不作限定。
步骤102c,将属于目标分类的特征数据确定为待验指纹数据的显著特征数据。
目标分类是指显著特征数据对应的分类。在本申请实施例中,终端对待验指纹数据中提取的各个特征数据进行分类,之后将分类为显著特征数据对应的分类的特征数据确定为待验指纹数据的显著特征数据。
步骤103,检测待验指纹数据的显著特征数据和预存指纹数据的显著特征数据是否匹配。
预存指纹数据是指指纹传感器预先采集,并保存在终端中的指纹数据。预存指纹数据可以是一个,也可以是多个。可选地,当用户在设定目标对象的指纹解锁权限时,终端采集用户的指纹数据,并将采集到的指纹数据存储至终端中,作为预存指纹数据。可选地,终端存储用户通过不同按压角度,不同按压力度下对指纹传感器进行触摸操作时的指纹数据。目标对象的指纹解锁权限是指终端能够通过指纹数据对目标对象进行解锁的权限。
预存指纹数据的显著特征数据可以通过如下方式得到:对预存指纹数据进行特征提取,得到预存指纹数据的至少一个特征数据;通过特征分类模型对至少一个特征数据进行分类处理,得到至少一个特征数据各自对应的分类,将属于目标分类的特征数据确定为预存指纹数据的显著特征数据。对于预存指纹数据的显著特征数据的获取方式的解释说明,可以参考步骤102中对待验指纹数据的显著特征数据的获取方式的解释说明,此处不再赘述。
在本申请实施例中,终端通过获取待验指纹数据的显著特征数据与预存指纹数据的显著特征数据之间的相似度,并通过检测上述相似度是否大于相似度门限,以确定待验指纹数据的显著特征数据和预存指纹数据的显著特征数据是否匹配。相似度门限可以根据实际需求设定,本申请实施例对此不作限定。
进一步地,终端获取待验指纹数据的显著特征数据各自对应的分类,以及预存指纹数据的显著特征数据各自对应的分类,并把对应位置处的分类相同的数量与显著特征数据对应的分类的总数量之间的比值确定为待验指纹数据的显著特征数据与预存指纹数据的显著特征数据之间的相似度。
步骤104,若待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配,则将目标对象由锁定状态切换为解锁状态。
目标对象可以是终端,也可以是终端中的某个应用程序,还可以是终端中的某个文件夹,还可以是终端中的某个功能,本申请实施例对此不作限定。
锁定状态是指目标对象无法响应用户的交互操作的状态。相对地,解锁状态是指目标对象能够响应用户的交互操作的状态。
当待验指纹数据的显著特征数据和任意一个预存指纹数据的显著特征数据匹配,则待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配;当待验指纹数据的显著特征数据和全部预存指纹数据的显著特征数据均不匹配,则待验指纹数据的显著特征数据和预存指纹数据的显著特征数据不匹配。
进一步地,当终端通过待验指纹数据的显著特征数据与预存指纹数据的显著特征数据之间的相似度,来检测待验指纹数据的显著特征数据和预存指纹数据的显著特征数据是否匹配时,当待验指纹数据的显著特征数据和任意一个预存指纹数据的显著特征数据之间的相似度大于相似度阈值,则待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配;当待验指纹数据的显著特征数据和全部预存指纹数据的显著特征数据之间的相似度均小于相似度阈值,则待验指纹数据的显著特征数据和预存指纹数据的显著特征数据不匹配。
在本申请实施例中,终端通过指纹对某个对象进行解锁时,并非将采集到的全部指纹数据与预存的指纹数据进行比对验证,而是将采集到的指纹数据中的部分指纹数据与预存的指纹数据中的部分指纹数据进行比对验证,由于需要比对验证的指纹数据的数据量较小,因此终端完成上述比对验证过程所需的时间较少,进而提高解锁效率。
结合参考图2,其示出了本申请一个实施例示出的指纹解锁的示意图。终端从待验指纹数据提取待验指纹数据的显著特征数据,并从预存指纹数据提取预存指纹数据的显著特征数据,之后检测二者是否匹配,若匹配,则解锁成功,若不匹配,则解锁失败。
若待验指纹数据的显著特征数据和预存指纹数据的显著特征数据不匹配,则生成第一提示信息,第一提示信息用于提示用户待验指纹数据的显著特征数据和预存指纹数据的显著特征数据不匹配,用户可以根据该第一提示信息再次触摸指纹传感器,以便终端重新采集待验指纹数据。
综上所述,本申请实施例提供的技术方案,通过对某个对象进行指纹解锁时,将采集到的指纹数据中的显著特征数据与预存指纹数据中的显著特征数据进行比对验证,相比于相关技术中将采集到的全部指纹数据与预存的指纹数据进行比对验证,显著特征数据的数据量小于采集到的全部指纹数据的数据量,也即,本申请实施例中需要比对验证的指纹数据的数据量较小,因此终端完成上述比对验证过程所需的时间较少,进而提高解锁效率。
在基于图1实施例提供的一个可选实施例中,当目标对象包括n种功能的使用权限时,n为大于1的整数,步骤104可以实现为:
步骤104a,将n种功能中的m种功能的使用权限由锁定状态切换为解锁状态,其中,m为小于n的正整数。
n种功能是目标对象具备的全部功能。以目标对象为终端为例,终端具备的功能包括终端安装的各项应用的使用功能,例如通话应用、日历应用、天气应用等等,终端还可以具备各项系统功能。例如手电筒功能、蓝牙功能、后台清理功能等等。m种功能是目标对象具备的全部功能中的部分功能。可选地,m种功能可以由终端默认设置,也可以由用户自定义设置。可选地,终端为每一种功能设定安全级别,并将安全级别小于预设级别的功能确定为m种功能。
当某一功能的使用权限处于锁定状态时,终端无法执行该功能;当某一功能的使用权限处于解锁状态时,终端能够执行该功能。在本申请实施例中,在待验指纹数据中的显著特征数据与预存指纹数据中的显著特征数据匹配时,终端仅解锁待解锁对象的部分功能,在提升指纹解锁速度的前提下,能够保证待解锁对象的安全性。
另外,对于不同的目标对象,终端在待验指纹数据中的显著特征数据与预存指纹数据中的显著特征数据匹配时所解锁的功能并不相同。
当目标对象为终端时,步骤104a实现为:将终端的通话功能的使用权限,由锁定状态切换为解锁状态。
在本申请实施例中,用户对终端进行指纹解锁时,若检测到待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配,则终端仅对通话功能进行解锁,而不解锁其它功能。
在一种可能的实现中,当终端检测到待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配时,直接显示通话功能对应的拨号界面。结合参考图3,其示出了本申请一个实施例提供的解锁通话功能的示意图。当终端检测到待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配时,终端显示拨号界面31。
在另一种可能的实现方式中,当终端检测到待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配时,显示桌面界面。结合参考图4,其示出了本申请另一个实施例提供的解锁通话功能的示意图。当终端检测到待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配时,终端显示桌面界面41,桌面界面41中包括应用A、应用B和通话应用42,其中,应用A和B的使用权限属于锁定状态,通话应用42的使用权限属于解锁状态。
当目标对象为目标应用程序时,步骤104a实现为:将目标应用程序的主界面的显示功能的使用权限,由锁定状态切换为解锁状态。
在本申请实施例中,用户对应用程序进行指纹解锁时,若检测到待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配,则终端仅对主界面的显示功能进行解锁,而不解锁其它功能。
可选地,当终端检测到待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配时,显示目标应用程序的主界面。结合参考图5,其示出了本申请一个实施例提供的解锁主界面的显示功能的示意图。用户触发应用A,终端提示用户输入指纹数据,用户触摸指纹传感器之后,终端在检测到待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配时显示应用A的主界面51。
可选地,在步骤104a之后,该指纹解锁方法还可以包括如下步骤:
步骤105,检测待验指纹数据的非显著特征数据和预存指纹数据的非显著特征数据是否匹配。
待验指纹数据的非显著特征数据是待验指纹数据中除待验指纹数据的显著特征数据以外的数据。预存指纹数据的非显著特征数据是预存指纹数据中除预存指纹数据的显著特征数据以外的数据。
非显著特征是包括指纹中的非显著特征的数据。非显著特征包括以下至少一种:分歧点、短纹、环点。其中,环点是一条纹路分开成为两条之后,立即有合并成为一条,这样形成的一个小环。短纹是一端较短但不至于成为一点的纹路。分歧点是指两条纹路分开的位置。
步骤106,若待验指纹数据的非显著特征数据和预存指纹数据的非显著特征数据匹配,则将n种功能中除已经解锁的m种功能之外的至少一种功能的使用权限,由锁定状态切换为解锁状态。
在本申请实施例中,终端在检测出待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配后,进一步将待验指纹数据中除显著特征数据之外的其它数据与预存指纹数据中除显著特征数据之外的其他数据进行进一步匹配,并根据匹配结果来解锁目标对象具备的除已经解锁的功能之外的其它功能。
可选地,终端在检测出待验指纹数据的非显著特征数据和预存指纹数据的非显著特征数据匹配时,将n种功能中除已经解锁的m种功能之外的其它功能的使用权限,由锁定状态切换为解锁状态。
可选地,终端在检测出待验指纹数据的非显著特征数据和预存指纹数据的非显著特征数据不匹配时,显示第二提示信息,第二提示信息用于提示用户待验指纹数据的非显著特征数据和预存指纹数据的非显著特征数据不匹配,用户可以根据该第二提示信息再次触摸指纹传感器,以便终端重新采集待验指纹数据。进一步地,终端还可以在在检测出待验指纹数据的非显著特征数据和预存指纹数据的非显著特征数据不匹配时,将已解锁的m种功能的至少一种功能的使用权限由解锁状态切换成锁定状态。
另外,在本申请实施例中,当终端解锁目标对象的部分功能时,终端并不会向用户发出提醒信息,而是在上述部分功能解锁后与用户对终端操作之前的时间间隙中执行进一步地匹配操作,也即将待验指纹数据的非显著特征数据和预存指纹数据的非显著特征数据进行比对验证,从而在用户无感知的情况下,提升解锁速度并保证指纹解锁的安全性。
本申请实施例提供的技术方案,在对某一对象进行指纹解锁时,终端在检测出待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配时,仅解锁上述对象的部分功能,在提升解锁速度的前提下,保证指纹解锁的安全性。
请参考图6,其示出了本申请另一个实施例示出的指纹解锁方法的流程图。该方法包括如下步骤:
步骤601,获取指纹传感器采集的待验指纹数据。
步骤602,检测终端是否处于高安全需求场景。
高安全需求场景是指安全需求要求较高的场景。上述预设门限可以根据实际需求设定,本申请实施例对此不作限定。高安全需求场景可以由用户自定义设置,也可以由终端默认设置。高安全需求场景可以包括以下至少一种:指纹支付场景、查看加密信息场景、更改设置场景等。
可选地,终端获取当前显示界面中的内容,并根据上述内容判断终端是否处于高安全需求场景。在一种可选的实现方式中,当终端检测出上述内容中包括指定关键词时,确定终端处于高安全需求场景。上述指定关键词可以是“支付”、“付款”、“金额”等等,本申请实施例对此不作限定。在另一种可选的实现方式中,当终端检测出上述内容中包括指定图标时,确定终端处于高安全需求场景。上述指定图标可以是锁定图标,也可以是用户设定有指纹解锁权限的应用图标、功能图标等等,本申请实施例对此不作限定、
若终端处于高安全支付场景,则执行步骤603和步骤604;若终端不处于高安全需求场景,则执行步骤605至步骤607。
步骤603,若终端处于高安全需求场景,则检测待验指纹数据和预存指纹数据是否匹配。
步骤604,若待验指纹数据和预存指纹数据匹配,则将目标对象由锁定状态切换至解锁状态。
在本申请实施例中,在终端处于高安全需求场景时,若终端需要对某个对象进行指纹解锁,则将采集到的全部指纹数据与预存的指纹数据进行比对验证,进而提高指纹解锁的安全性。
若待验指纹数据和预存指纹数据不匹配,则生成第三提示信息,第三提示信息用于提示用户待验指纹数据和预存指纹数据不匹配,用户可以根据该第三提示信息再次触摸指纹传感器,以便终端重新采集待验指纹数据。
步骤605,提取待验指纹数据的显著特征数据,待验指纹数据的显著特征数据是待验指纹数据中的部分数据。
步骤606,检测待验指纹数据的显著特征数据和预存指纹数据的显著特征数据是否匹配,预存指纹数据的显著特征数据是预存指纹数据中的部分数据。
步骤607,若待验指纹数据的显著特征数据和预存指纹数据的显著特征数据匹配,则将目标对象由锁定状态切换为解锁状态。
综上所述,本申请实施例提供的技术方案,通过在终端处于高安全需求场景时,若终端需要对某个对象进行指纹解锁,则将采集到的全部指纹数据与预存的指纹数据进行比对验证,进而提高指纹解锁的安全性。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图7,其示出了本申请一个实施例提供的身份信息显示装置的框图。具有实现上述方法示例的功能,所述功能可以由硬件实现,也可以由硬件执行相应的软件实现。该装置可以包括:指纹获取模块701、特征提取模块702、指纹匹配模块703和解锁模块704。
指纹获取模块701,用于获取指纹传感器采集的待验指纹数据。
特征提取模块702,用于提取所述待验指纹数据的显著特征数据,,所述显著特征数据包括用于指示指纹中的显著特征的数据,所述显著特征包括以下至少一种:分叉点、截止点、孤立点、核心点、三角点。
指纹匹配模块703,用于检测所述待验指纹数据的显著特征数据和预存指纹数据的显著特征数据是否匹配。
解锁模块704,用于若所述待验指纹数据的显著特征数据和所述预存指纹数据的显著特征数据匹配,则将目标对象由锁定状态切换为解锁状态。
本申请实施例提供的技术方案,通过对某个对象进行指纹解锁时,将采集到的指纹数据中的显著特征数据与预存指纹数据中的显著特征数据进行比对验证,相比于相关技术中将采集到的全部指纹数据与预存的指纹数据进行比对验证,显著特征数据的数据量小于采集到的全部指纹数据的数据量,也即,本申请实施例中需要比对验证的指纹数据的数据量较小,因此终端完成上述比对验证过程所需的时间较少,进而提高解锁效率。
在基于图7所示实施例提供的一个可选实施例中,所述目标对象包括n种功能的使用权限,n为大于1的整数;
所述解锁模块704,用于将所述n种功能中的m种功能的使用权限由所述锁定状态切换为所述解锁状态,其中,所述m为小于n的正整数。
可选地,
所述指纹匹配模块703,还用于检测所述待验指纹数据的非显著特征数据和所述预存指纹数据的非显著特征数据是否匹配,其中,所述待验指纹数据的非显著特征数据是所述待验指纹数据中除所述待验指纹数据的显著特征数据以外的数据,所述预存指纹数据的非显著特征数据是所述预存指纹数据中除所述预存指纹数据的显著特征数据以外的数据。
所述解锁模块704,还用于若所述待验指纹数据的非显著特征数据和所述预存指纹数据的非显著特征数据匹配,则将所述n种功能中除已经解锁的所述m种功能之外的至少一种功能的使用权限,由所述锁定状态切换为所述解锁状态。
可选地,所述目标对象为终端;所述解锁模块704,用于将所述终端的通话功能的使用权限,由所述锁定状态切换为所述解锁状态。
可选地,所述目标对象为目标应用程序;所述解锁模块704,用于将所述目标应用程序的主界面的显示功能的使用权限,由所述锁定状态切换为所述解锁状态。
在基于图7所示实施例提供的另一个可选实施例中,所述特征提取模块702,用于:
对所述待验指纹数据进行特征提取,得到所述待验指纹数据的至少一个特征数据;
通过特征分类模型对所述至少一个特征数据进行分类处理,得到所述至少一个特征数据各自对应的分类;其中,所述特征分类模型是采用机器学习算法对神经网络训练得到的;
将属于目标分类的特征数据确定为所述待验指纹数据的显著数据,所述目标分类是指所述显著特征数据对应的分类。
在基于图7所示实施例提供的另一个可选实施例中,所述装置还包括:场景检测模块(图中未示出)。
场景检测模块,用于检测所述终端是否处于高安全需求场景。
所述指纹匹配模块703,还用于若所述终端处于所述高安全需求场景,则检测所述待验指纹数据和所述预存指纹数据是否匹配。
所述解锁模块704,还用于若所述待验指纹数据和所述预存指纹数据匹配,则将所述目标对象由所述锁定状态切换至所述解锁状态。
需要说明的是,上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
参考图8,其示出了本申请一个示例性实施例提供的终端的结构方框图。本申请中的终端可以包括一个或多个如下部件:处理器810和存储器820。
处理器810可以包括一个或者多个处理核心。处理器810利用各种接口和线路连接整个终端内的各个部分,通过运行或执行存储在存储器820内的指令、程序、代码集或指令集,以及调用存储在存储器820内的数据,执行终端的各种功能和处理数据。可选地,处理器810可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器810可集成中央处理器(CentralProcessing Unit,CPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统和应用程序等;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器810中,单独通过一块芯片进行实现。
可选地,处理器810执行存储器820中的程序指令时实现下上述各个方法实施例提供的指纹解锁方法。
存储器820可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选地,该存储器820包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器820可用于存储指令、程序、代码、代码集或指令集。存储器820可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令、用于实现上述各个方法实施例的指令等;存储数据区可存储根据终端的使用所创建的数据等。
上述终端的结构仅是示意性的,在实际实现时,终端可以包括更多或更少的组件,比如:指纹传感器等,本实施例对此不作限定。
本领域技术人员可以理解,图8中示出的结构并不构成对终端800的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序由终端的处理器加载并执行以实现上述方法实施例中的各个步骤。
在示例性实施例中,还提供了一种计算机程序产品,当该计算机程序产品被执行时,其用于实现上述方法实施例中的各个步骤的功能。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种指纹解锁方法,其特征在于,所述方法包括:
获取指纹传感器采集的待验指纹数据;
提取所述待验指纹数据的显著特征数据,所述显著特征数据包括用于指示指纹中的显著特征的数据,所述显著特征包括以下至少一种:分叉点、截止点、孤立点、核心点、三角点;
检测所述待验指纹数据的显著特征数据和预存指纹数据的显著特征数据是否匹配;
若所述待验指纹数据的显著特征数据和所述预存指纹数据的显著特征数据匹配,则将目标对象由锁定状态切换为解锁状态。
2.根据权利要求1所述的方法,其特征在于,所述目标对象包括n种功能的使用权限,n为大于1的整数;
所述将目标对象由锁定状态切换为解锁状态,包括:
将所述n种功能中的m种功能的使用权限由所述锁定状态切换为所述解锁状态,其中,所述m为小于n的正整数。
3.根据权利要求2所述的方法,其特征在于,所述将所述n种功能中的m种功能的使用权限由所述锁定状态切换为所述解锁状态之后,还包括:
检测所述待验指纹数据的非显著特征数据和所述预存指纹数据的非显著特征数据是否匹配,其中,所述待验指纹数据的非显著特征数据是所述待验指纹数据中除所述待验指纹数据的显著特征数据以外的数据,所述预存指纹数据的非显著特征数据是所述预存指纹数据中除所述预存指纹数据的显著特征数据以外的数据;
若所述待验指纹数据的非显著特征数据和所述预存指纹数据的非显著特征数据匹配,则将所述n种功能中除已经解锁的所述m种功能之外的至少一种功能的使用权限,由所述锁定状态切换为所述解锁状态。
4.根据权利要求2所述的方法,其特征在于,所述目标对象为终端;
所述将所述n种功能中的m种功能的使用权限由所述锁定状态切换为所述解锁状态,包括:
将所述终端的通话功能的使用权限,由所述锁定状态切换为所述解锁状态。
5.根据权利要求2所述的方法,其特征在于,所述目标对象为目标应用程序;
所述将所述n种功能中的m种功能的使用权限由所述锁定状态切换为所述解锁状态,包括:
将所述目标应用程序的主界面的显示功能的使用权限,由所述锁定状态切换为所述解锁状态。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述提取所述待验指纹数据的显著特征数据,包括:
对所述待验指纹数据进行特征提取,得到所述待验指纹数据的至少一个特征数据;
通过特征分类模型对所述至少一个特征数据进行分类处理,得到所述至少一个特征数据各自对应的分类;其中,所述特征分类模型是采用机器学习算法对神经网络训练得到的;
将属于目标分类的特征数据确定为所述待验指纹数据的显著特征数据,所述目标分类是指所述显著特征数据对应的分类。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述提取所述待验指纹数据的显著特征数据之前,还包括:
检测所述终端是否处于高安全需求场景;
若所述终端处于所述高安全需求场景,则检测所述待验指纹数据和所述预存指纹数据是否匹配;
若所述待验指纹数据和所述预存指纹数据匹配,则将所述目标对象由所述锁定状态切换至所述解锁状态。
8.一种指纹解锁装置,其特征在于,所述装置包括:
指纹获取模块,用于获取指纹传感器采集的待验指纹数据;
特征提取模块,用于提取所述待验指纹数据的显著特征数据,,所述显著特征数据包括用于指示指纹中的显著特征的数据,所述显著特征包括以下至少一种:分叉点、截止点、孤立点、核心点、三角点;
指纹匹配模块,用于检测所述待验指纹数据的显著特征数据和预存指纹数据的显著特征数据是否匹配;
解锁模块,用于若所述待验指纹数据的显著特征数据和所述预存指纹数据的显著特征数据匹配,则将目标对象由锁定状态切换为解锁状态。
9.一种终端,其特征在于,所述终端包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的指纹解锁方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现如权利要求1至7任一项所述的指纹解锁方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810545694.5A CN108765664B (zh) | 2018-05-25 | 2018-05-25 | 指纹解锁方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810545694.5A CN108765664B (zh) | 2018-05-25 | 2018-05-25 | 指纹解锁方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108765664A true CN108765664A (zh) | 2018-11-06 |
CN108765664B CN108765664B (zh) | 2021-03-16 |
Family
ID=64000997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810545694.5A Active CN108765664B (zh) | 2018-05-25 | 2018-05-25 | 指纹解锁方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765664B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100189361A1 (en) * | 2009-01-28 | 2010-07-29 | Seiko Epson Corporation | Image processing apparatus for detecting coordinate positions of characteristic portions of face |
CN105912901A (zh) * | 2016-04-06 | 2016-08-31 | 深圳市金立通信设备有限公司 | 一种指纹认证方法及终端 |
CN106200879A (zh) * | 2016-07-25 | 2016-12-07 | 深圳市万普拉斯科技有限公司 | 一种指纹验证方法以及电子设备 |
CN106897454A (zh) * | 2017-02-15 | 2017-06-27 | 北京时间股份有限公司 | 一种文件分类方法及装置 |
CN107402663A (zh) * | 2016-04-27 | 2017-11-28 | 三星电子株式会社 | 指纹验证方法和用于执行该方法的电子设备 |
CN107516029A (zh) * | 2016-06-16 | 2017-12-26 | 深圳富泰宏精密工业有限公司 | 工作模式选择方法及其电子装置 |
CN107609390A (zh) * | 2017-08-25 | 2018-01-19 | 深圳天珑无线科技有限公司 | 终端解锁方法、终端和计算机可读存储介质 |
CN107704839A (zh) * | 2016-05-27 | 2018-02-16 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法、装置及用户终端和介质产品 |
US20180107858A1 (en) * | 2014-08-26 | 2018-04-19 | Gingy Technology Inc. | Fingerprint identification method and fingerprint identification device |
-
2018
- 2018-05-25 CN CN201810545694.5A patent/CN108765664B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100189361A1 (en) * | 2009-01-28 | 2010-07-29 | Seiko Epson Corporation | Image processing apparatus for detecting coordinate positions of characteristic portions of face |
US20180107858A1 (en) * | 2014-08-26 | 2018-04-19 | Gingy Technology Inc. | Fingerprint identification method and fingerprint identification device |
CN105912901A (zh) * | 2016-04-06 | 2016-08-31 | 深圳市金立通信设备有限公司 | 一种指纹认证方法及终端 |
CN107402663A (zh) * | 2016-04-27 | 2017-11-28 | 三星电子株式会社 | 指纹验证方法和用于执行该方法的电子设备 |
CN107704839A (zh) * | 2016-05-27 | 2018-02-16 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法、装置及用户终端和介质产品 |
CN107516029A (zh) * | 2016-06-16 | 2017-12-26 | 深圳富泰宏精密工业有限公司 | 工作模式选择方法及其电子装置 |
CN106200879A (zh) * | 2016-07-25 | 2016-12-07 | 深圳市万普拉斯科技有限公司 | 一种指纹验证方法以及电子设备 |
CN106897454A (zh) * | 2017-02-15 | 2017-06-27 | 北京时间股份有限公司 | 一种文件分类方法及装置 |
CN107609390A (zh) * | 2017-08-25 | 2018-01-19 | 深圳天珑无线科技有限公司 | 终端解锁方法、终端和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
彭代渊: "《铁路信息安全技术》", 31 May 2010 * |
Also Published As
Publication number | Publication date |
---|---|
CN108765664B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jain et al. | Exploring orientation and accelerometer sensor data for personal authentication in smartphones using touchscreen gestures | |
CN105279405B (zh) | 触屏用户按键行为模式构建与分析系统及其身份识别方法 | |
CN109241709B (zh) | 基于滑块验证码验证的用户行为识别方法及装置 | |
CN105335641B (zh) | 一种基于指纹识别的身份验证方法及装置 | |
US20130283378A1 (en) | System and method for distinguishing human swipe input sequence behavior and using a confidence value on a score to detect fraudsters | |
CN104036177A (zh) | 智能终端指纹解锁装置及方法 | |
CN105320864A (zh) | 一种事件操作的处理方法及装置 | |
CN107633169A (zh) | 一种终端解锁方法、终端及计算机可读存储介质 | |
CN104407803B (zh) | 基于笔迹识别的屏幕解锁方法、装置和电子设备 | |
CN106201288A (zh) | 一种指纹信息的存储方法、装置及移动终端 | |
CN105427012A (zh) | 一种业务引导方法及自助业务终端 | |
CN105354455B (zh) | 一种状态切换方法及电子设备 | |
CN107368722A (zh) | 生物图像的验证方法、计算机可读存储介质、移动终端 | |
Teh et al. | Recognizing your touch: Towards strengthening mobile device authentication via touch dynamics integration | |
CN112733611A (zh) | 一种遗留物品检测方法、装置、电子设备及存储介质 | |
CN103870812A (zh) | 一种获取掌纹图像的方法及系统 | |
CN105427480B (zh) | 一种基于图像分析的柜员机 | |
Alpar | Biometric touchstroke authentication by fuzzy proximity of touch locations | |
Salem et al. | Enhanced Authentication System Performance Based on Keystroke Dynamics using Classification algorithms. | |
CN113111322A (zh) | 一种基于多模态融合的智能手机辅助认证方法 | |
CN105653993A (zh) | 一种密码输入方法、装置及电子设备 | |
CN108460260A (zh) | 侦测系统、指纹传感器及相关手指触碰认证的方法 | |
CN104392558A (zh) | 用于智能快件柜的登录方法及登录装置 | |
CN108765664A (zh) | 指纹解锁方法、装置、终端及存储介质 | |
CN107516024B (zh) | 解锁电子设备的方法、装置、电子设备 |
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 |