CN109389070A - 一种指静脉识别器、生成指静脉模型的方法和设备 - Google Patents
一种指静脉识别器、生成指静脉模型的方法和设备 Download PDFInfo
- Publication number
- CN109389070A CN109389070A CN201811147463.5A CN201811147463A CN109389070A CN 109389070 A CN109389070 A CN 109389070A CN 201811147463 A CN201811147463 A CN 201811147463A CN 109389070 A CN109389070 A CN 109389070A
- Authority
- CN
- China
- Prior art keywords
- finger
- vein
- distribution map
- recognition device
- refers
- 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.)
- Pending
Links
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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
Abstract
本发明提供一种指静脉识别器、生成指静脉模型的方法和设备,用以解决目前指静脉识别率低的问题。本发明实施例首先获取指静脉识别器中的N个指静脉采集模块采集的N组指静脉分布图;再将获取的N组指静脉分布图进行合成处理得到静脉模型。此种方法因在指静脉采集过程中获取的指静脉分布图的数量变多了,用于合成处理指静脉模型的数据更丰富,更有利于在进行指静脉识别时提高识别率。
Description
技术领域
本发明涉及安全认证技术领域,尤其涉及一种指静脉识别器、生成指静脉模型的方法和设备。
背景技术
指静脉识别技术是利用近红外线穿透手指后所得的静脉纹路影像来进行个人识别,是具有高精度、高速度的世界上最尖端的生物识别技术。在各种生物识别技术中,因其是利用外部看不到的生物内部特征进行识别的技术,所以作为具有高防伪性的第二代生物识别技术备受瞩目。
目前指静脉识别技术被广泛应用到公共领域认证设备比如,会员识别一体机,银行ATM机,门禁管理系统,PC登录,代替汽车锁,保险箱管理,复印机管理,电子支付等需要进行个人身份认证的领域。在中国,指静脉门禁系统以及USB型指静脉设别设备已发展到很多城市。
同时,用手指静脉进行身份认证,获取手指静脉图像时,手指无须与设备接触,轻轻一放,即可完成识别。这种方式没有手接触设备时的不卫生的问题以及手指表面特征可能被复制所带来的安全问题,井避免了被当作审查对象的心理不适,同时也不会因脏物污染后无法识别。手指静脉方式由于静脉位于手指内部,气温等外部因素的影响程度可以忽略不计,几乎适用于所有用户。用户接受度好。除了无需与扫描器表面发生直接接触以外,这种非侵入性的扫描过程既简单又自然,减轻了用户由于担心卫生程度或使用麻烦而可能存在的抗拒心理。因此,指静脉识别技术作为一种的新型的安全认证方式,通过获取手指静脉特征来进行安全认证。相比于指纹安全认证方式具有不容易被伪造,活体识别等安全更高;不易受手表面伤痕、油污等的影响,内部特征提取;非接触式,更加卫生。
但是目前的指静脉识别是靠截取指静脉的某一横截面的静脉图像分布,然后进行特征提取进行安全认证。因此在识别的过程中经常容易受手指的摆放位置、摆放方式的影响而出现识别率不高的问题。
综上所述,目前通过指静脉进行识别的识别率较低。
发明内容
本发明提供一种指静脉识别器、生成指静脉模型的方法和设备,用以解决目前指静脉识别率低的问题。
第一方面,本发明实施例提供的一种指静脉识别器包括:
所述指静脉识别器包括:N个指静脉采集模块,其中所述N≥2;
所述指静脉识别器通过N个指静脉采集模块采集手指不同位置的指静脉。
上述方法,所述指静脉识别器中包含多个指静脉采集模块,因此,在采集过程中,指静脉识别器可以通过多个指静脉采集模块采集到不同位置的手指指静脉,采集的更全面,采集到的指静脉的数据更丰富,更有利于在进行指静脉识别时提高识别率。
在一种可能的实现方式中,所述指静脉采集模块包括近红外光源和影像传感器。
上述方法,指静脉采集模块由近红外光源和影像传感器,因此,在进行指静脉识别时,可通过指静脉采集模块中的近红外光源发射出红外线,然后通过指静脉采集模块中的影像传感器采集红外光线照射手指显示出的指静脉影像,从而完成指静脉采集识别。
第二方面,本发明实施例提供的一种生成指静脉模型的方法包括:
获取指静脉识别器中的N个指静脉采集模块采集的N组指静脉分布图;
将获取的N组指静脉分布图进行合成处理得到静脉模型。
上述方法,通过指静脉识别器中的N个指静脉采集模块,采集到了N组指静脉分布图,并通过对所述N组指静脉分布图进行处理合成指静脉模式,因在指静脉采集过程中获取的指静脉分布图的数量变多了,用于合成处理指静脉模型的数据更丰富,更有利于在进行指静脉识别时提高识别率。
在一种可能的实现方式中,控制每个指静脉采集模块中的近红外光源发射红外线;通过每个指静脉采集模块中的影像传感器采集红外光线照射手指显示出的指静脉影像。
上述方法,通过控制静脉采集模块中的近红外光源和影像传感器,从而对手指中的静脉影像进行采集。
在一种可能的实现方式中,所述指静脉识别器在对采集到的所述N组指静脉分布图进行图像处理后,组合成指静脉模型;或,
所述指静脉识别器将采集到的所述N组指静脉分布图进行组合,并将组合后的分布图进行图像处理,生成指静脉模型。
上述方法,可通过先对采集的N组静脉分布图进行组合再进行处理,或先对采集的N组静脉分布图进行处理,再对N组处理后的分布图进行组两种方式进行指静脉模型组建,适应性更强。
在一种可能的实现方式中,在进行手指验证时,通过N个指静脉采集模块实时采集验证手指的指静脉分布图,并根据所述指静脉分布图提取特征值;将所述提取到的特征值与所述指静脉识别器中存储的指静脉模型比对,并根据比对结果判断是否验证通过。
上述方法,在进行指静脉验证时,可通过对验证手指采集到指静脉分布图进行特征值提取,并将提取到的所述特征值与指静脉模型进行比对,判断是否验证通过,从而更好的实现指静脉识别。
第三方面,本发明实施例还提供了一种生成指静脉模型的设备,该设备包括:至少一个处理单元以及至少一个存储单元,其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行上述第二方面的各实施例的功能。
第四方面,本发明实施例还提供一种生成指静脉模型的设备,该设备包括:获取模块和处理模块,该设备具有实现上述第二方面的各实施例的功能。
第五方面,本申请还提供一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现第二方面所述方法的步骤。
另外,第三方面至第五方面中任一一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果,此处不再赘述。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种指静脉识别器示意图;
图2为本发明实施例当N=3时指静脉识别器示意图;
图3为本发明实施例当N=4时指静脉识别器示意图;
图4为本发明实施例一种生成指静脉模型的方法示意图;
图5为本发明实施例生成指静脉模型的方法相关流程操作示意图;
图6为本发明实施例进行手指验证的相关流程操作示意图;
图7为本发明实施例第一种生成指静脉模型的设备的结构示意图;
图8为本发明实施例第二种生成指静脉模型的设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面对文中出现的一些词语进行解释:
(1)本发明实施例所指的“指静脉识别器”是指能够支持指静脉识别的设备。
(2)本发明实施例所指的“指静脉识别”是指一种新的生物特征识别技术,它利用手指内的静脉分布图像来进行身份识别。工作原理是依据人类手指中流动的血液可吸收特定波长的光线,而使用特定波长光线对手指进行照射,可得到手指静脉的清晰图像。并对获取的影像进行分析、处理,从而得到手指静脉的生物特征,再将得到的手指静脉特征信息与事先注册的手指静脉特征进行比对,从而确认登录者的身份。
(3)本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
(4)本申请实施例中术语“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。
如图1所示,本发明实施例提供一种指静脉识别器,该指静脉识别器包括:
N个指静脉采集模块,其中所述N≥2;
不同的指静脉采集模块采集到的手指的指静脉位置不同。
其中,所述指静脉识别器,根据指静脉采集模块的数量不同,又可具体分为多种情况,下面举例说明。
指静脉识别器1:当N=3时,所述指静脉识别器中有三个指静脉采集模块。
如图2所示,可将所述指静脉识别器设计成一个六棱柱,所述指静脉识别器中有3个指静脉采集模块,分别为指静脉采集模块210、指静脉采集模块220、指静脉采集模块230。
其中,指静脉采集模块210,具体包括近红外光,211和影像传感器212;指静脉采集模块220,具体包括近红外光,221和影像传感器222;指静脉采集模块230,具体包括近红外光,231和影像传感器232。
指静脉识别器2:当N=4时,所述指静脉识别器中有4个指静脉采集模块。
如图3所示,可将所述指静脉识别器设计成一个圆柱体,其中所述指静脉识别器中有4个指静脉采集模块,分别为指静脉采集模块310、指静脉采集模块320、指静脉采集模块330、指静脉采集模块340。
其中,指静脉采集模块310,具体包括近红外光311和影像传感器312;指静脉采集模块320,具体包括近红外光,321和影像传感器322;指静脉采集模块330,具体包括近红外光331和影像传感器332;指静脉采集模块340,具体包括近红外光341和影像传感器342。
需要说明的是,上面对所述指静脉识别器的描述只是举例说明,任何可以应用到本发明包含N个指静脉采集模块的指静脉识别器都属于本发明保护范围。
本发明实施例中,所述指静脉识别器中包含多个指静脉采集模块,因此,在采集过程中,指静脉识别器可以通过多个指静脉采集模块采集到不同位置的手指指静脉,采集的更全面,采集到的指静脉的数据更丰富,更有利于在进行指静脉识别时提高识别率。
具体的,所述指静脉识别器中的指静脉采集模块包括近红外光源和影像传感器。
其中,所述指静脉采集模块中的近红外光源主要用来发射红外线。
因为人体静脉中红血球的血红素是氧气的还原血红素,还原血红素会吸收近红外线,因此当近红外线照射到手指时,只有静脉部分才会有微弱的反射,从而形成静脉纹路图像。利用这一固有的科学特征,使用特定波长光线对手指进行照射可得到手指静脉的清晰图像。
其中,所述指静脉采集模块中的影像传感器主要用来采集红外光线照射手指显示出的指静脉影像。
因此,在进行指静脉识别时,可通过指静脉采集模块中的近红外光源发射出红外线,然后通过指静脉采集模块中的影像传感器采集红外光线照射手指显示出的指静脉影像,从而完成指静脉采集识别。
其中,本发明还提出了指静脉识别器生成指静脉模型的方法。
下面结合说明书附图对本发明实施例做进一步详细描述。
如图4所示,本发明实施例提供的一种生成指静脉模型的方法,具体包括以下步骤:
步骤401、获取指静脉识别器中的N个指静脉采集模块采集的N组指静脉分布图;
步骤402、将获取的N组指静脉分布图进行合成处理得到静脉模型。
通过上述方案,可利用指静脉识别器中的N个指静脉采集模块,采集到N组指静脉分布图,并通过对采集到的所述N组指静脉分布图进行处理合成指静脉模型,因在指静脉采集过程中获取的指静脉分布图的数量变多了,用于合成处理指静脉模型的数据更丰富,更有利于在进行指静脉识别时提高识别率。
其中,在进行指静脉采集时,指静脉采集模块采集的N组指静脉分布图主要通过下面的方式得到:
首先控制每个指静脉采集模块中的近红外光源发射红外线;然后通过每个指静脉采集模块中的影像传感器采集红外光线照射手指显示出的指静脉影像。
上述方法,通过控制静脉采集模块中的近红外光源和影像传感器,从而对手指中的静脉影像进行采集。
其中,指静脉采集模块采集到N组指静脉分布图后,需要对所述N组指静脉分布图进行合成处理,从而得到指静脉模型,而对所述N组指静脉分布图合成处理的方式有多种,下面列举几种。
方式1:先进行图像处理,后进行合成。
具体的,所述指静脉识别器在对采集到的所述N组指静脉分布图进行图像处理后,组合成指静脉模型。
方式2:先进行合成,后进行图像处理。
具体的,所述指静脉识别器将采集到的所述N组指静脉分布图进行组合,并将组合后的分布图进行图像处理,生成指静脉模型。
需要说明的是,上面对所述N组指静脉分布图合成处理的方式只是举例说明,任何可以应用到本发明对N组指静脉分布图合成处理的方式,都适用本发明实施例。
其中,在所述指静脉识别器组建好指静脉模型后,可通过指静脉识别器进行指静脉识别。
具体的,在进行手指验证时,通过N个指静脉采集模块实时采集验证手指的指静脉分布图,并根据所述指静脉分布图提取特征值;
将所述提取到的特征值与所述指静脉识别器中存储的指静脉模型比对,并根据比对结果判断是否验证通过。
其中,在通过指静脉识别器进行指静脉识别时,根据比对标准的不同,进行指静脉识别结果的判定方式也不相同,下面根据不同的比对标准列举几种。
比对标准1:通过设定一个比对阈值,进行判定。
比如可设置一个比对阈值,假设设置的比对阈值为0.6,在进行手指验证时,通过N个指静脉采集模块实时采集验证手指的N个指静脉分布图,并根据所述N个指静脉分布图提取得到N个特征值,当提取到的所述N个特征值与所述指静脉识别器中存储的指静脉模型的相似度高于设定阈值0.6时,则显示验证通过,否则显示验证失败。
比对标准2:若进行识别的手指有M组特征值与所述存储模型相同,则验证通过,其中M≤N。
比如可设置M为2,在进行手指验证时,通过N个指静脉采集模块实时采集验证手指的N个指静脉分布图,并根据所述N个指静脉分布图提取得到N个特征值,当提取到的所述N个特征值中有2个特征值与所述指静脉识别器中存储的指静脉模型中的特征值相同,则显示验证通过,否则显示验证失败。
需要说明的是,上面列举的方式只是举例说明,具体采用哪种方式可以由用户设置。为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面结合说明书附图对本发明实施例中一种生成指静脉模型的方法做进一步详细描述,其中选取通过指静脉识别器进行存储采集到的影像,且所述识别器中指静脉采集模块为3组,进行举例说明。
如图5所示,本发明实施例所述一种生成指静脉模型的方法的相关流程操作包括:
步骤500:指静脉识别器在收到采集指令后启动指静脉采集模块。
步骤501、所述指静脉采集模块N1中的近红外光源对进行指静脉采集的手指进行照射。
步骤502、所述指静脉采集模块N1中的影像传感器采集红外光线照射所述手指显示出的指静脉影像。
步骤503、所述指静脉识别器存储采集到的指静脉影像,并将所述指静脉影像标记为N1。
步骤504、所述指静脉采集模块N1停止工作,所述指静脉采集模块N2中的近红外光源对进行指静脉采集的手指进行照射。
步骤505、所述指静脉采集模块N2中的影像传感器采集红外光线照射所述手指显示出的指静脉影像。
步骤506、所述指静脉识别器存储采集到的指静脉影像,并将所述指静脉影像标记为N2。
步骤507、所述指静脉采集模块N2停止工作,所述指静脉采集模块N3中的近红外光源对进行指静脉采集的手指进行照射。
步骤508、所述指静脉采集模块N3中的影像传感器采集红外光线照射所述手指显示出的指静脉影像。
步骤509、所述指静脉识别器存储采集到的指静脉影像,并将所述指静脉影像标记为N3。
步骤510、所述指静脉识别器将采集到的所述指静脉分布图N1、指静脉分布图N2、指静脉分布图N3进行图像处理。
步骤511、所述指静脉识别器将进行图像处理后的指静脉分布图N1、指静脉分布图N2、指静脉分布图N3按照顺序组合成指静脉模型。
如图6所示,本发明实施例进行手指验证的相关流程操作包括:
步骤600:指静脉采集模块实时采集验证手指的指静脉分布图。
步骤601、处理器根据采集到的所述3组指静脉分布图分别提取特征值。
步骤602、所述处理器将所述提取到的特征值与存储器中的指静脉模型进行比对,判断是否有部分或全部相同,若是,执行步骤603,若否执行步骤604。
步骤603、所述指静脉识别器显示验证通过。
步骤604、所述指静脉识别器显示验证不通过。
需要说明的是,所述处理器可以是指静脉识别器,也可以是指静脉识别器外联设备等其他适用于本发明的处理设备;所述存储器可以是指静脉识别器,也可以是指静脉识别器外联设备等其他适用本发明的存储设备。
在一些可能的实施方式中,本发明实施例提供的对一种生成指静脉模型的方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序代码在计算机设备上运行时,所述程序代码用于使所述计算机设备执行本说明书中描述的根据本发明各种示例性实施方式的数据传输的方法中的步骤。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
根据本发明的实施方式的用于数据转发控制的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在服务器设备上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被信息传输、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由周期网络动作系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备,或者,可以连接到外部计算设备。
如图7所示,本发明实施例提供一种生成指静脉模型的设备,该设备包括:至少一个处理单元700以及至少一个存储单元701,其中,所述存储单元701存储有程序代码,当所述程序代码被所述处理单元700执行时,使得所述处理单元700执行下列过程:
获取指静脉识别器中的N个指静脉采集模块采集的N组指静脉分布图;将获取的N组指静脉分布图进行合成处理得到静脉模型。
可选的,所述处理单元700具体用于:
控制每个指静脉采集模块中的近红外光源发射红外线;
通过每个指静脉采集模块中的影像传感器采集红外光线照射手指显示出的指静脉影像。
可选的,所述处理单元700具体用于:
所述指静脉识别器在对采集到的所述N组指静脉分布图进行图像处理后,组合成指静脉模型;或,
所述指静脉识别器将采集到的所述N组指静脉分布图进行组合,并将组合后的分布图进行图像处理,生成指静脉模型。
可选的,所述处理单元700具体用于:
在进行手指验证时,通过N个指静脉采集模块实时采集验证手指的指静脉分布图,并根据所述指静脉分布图提取特征值;
将所述提取到的特征值与所述指静脉识别器中存储的指静脉模型比对,并根据比对结果判断是否验证通过。
如图8所示,本发明实施例提供一种生成指静脉模型的设备,包括获取模块800和处理模块801:
获取模块800:获取指静脉识别器中的N个指静脉采集模块采集的N组指静脉分布图;
处理模块801:将获取的N组指静脉分布图进行合成处理得到静脉模型。
可选的,所述获取模块800具体用于:
控制每个指静脉采集模块中的近红外光源发射红外线;
通过每个指静脉采集模块中的影像传感器采集红外光线照射手指显示出的指静脉影像。
可选的,所述处理模块801具体用于:
所述指静脉识别器在对采集到的所述N组指静脉分布图进行图像处理后,组合成指静脉模型;或,
所述指静脉识别器将采集到的所述N组指静脉分布图进行组合,并将组合后的分布图进行图像处理,生成指静脉模型。
可选的,所述处理模块801具体用于:
在进行手指验证时,通过N个指静脉采集模块实时采集验证手指的指静脉分布图,并根据所述指静脉分布图提取特征值;
将所述提取到的特征值与所述指静脉识别器中存储的指静脉模型比对,并根据比对结果判断是否验证通过。
以上参照示出根据本申请实施例的方法、装置(系统)和/或计算机程序产品的框图和/或流程图描述本申请。应理解,可以通过计算机程序指令来实现框图和/或流程图示图的一个块以及框图和/或流程图示图的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机的处理器和/或其它可编程数据处理装置,以产生机器,使得经由计算机处理器和/或其它可编程数据处理装置执行的指令创建用于实现框图和/或流程图块中所指定的功能/动作的方法。
相应地,还可以用硬件和/或软件(包括固件、驻留软件、微码等)来实施本申请。更进一步地,本申请可以采取计算机可使用或计算机可读存储介质上的计算机程序产品的形式,其具有在介质中实现的计算机可使用或计算机可读程序代码,以由指令执行系统来使用或结合指令执行系统而使用。在本申请上下文中,计算机可使用或计算机可读介质可以是任意介质,其可以包含、存储、通信、传输、或传送程序,以由指令执行系统、装置或设备使用,或结合指令执行系统、装置或设备使用。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种指静脉识别器,其特征在于,所述指静脉识别器包括:N个指静脉采集模块,其中所述N≥2;
不同的指静脉采集模块采集到的手指的指静脉位置不同。
2.如权利要求1所述的识别器,其特征在于,所述指静脉采集模块包括近红外光源和影像传感器。
3.一种利用权利要求1或2所述的指静脉识别器生成指静脉模型的方法,其特征在于,所述方法包括:
获取指静脉识别器中的N个指静脉采集模块采集的N组指静脉分布图;
将获取的N组指静脉分布图进行合成处理得到静脉模型。
4.如权利要求3所述的方法,其特征在于,所述获取指静脉识别器中的N个指静脉采集模块采集的N组指静脉分布图,包括:
控制每个指静脉采集模块中的近红外光源发射红外线;
通过每个指静脉采集模块中的影像传感器采集红外光线照射手指显示出的指静脉影像。
5.如权利要求3所述的方法,其特征在于,所述将获取的N组指静脉分布图进行合成处理得到静脉模型,包括:
所述指静脉识别器在对采集到的所述N组指静脉分布图进行图像处理后,组合成指静脉模型;或,
所述指静脉识别器将采集到的所述N组指静脉分布图进行组合,并将组合后的分布图进行图像处理,生成指静脉模型。
6.如权利要求3所述的方法,其特征在于,所述方法还包括:
在进行手指验证时,通过N个指静脉采集模块实时采集验证手指的指静脉分布图,并根据所述指静脉分布图提取特征值;
将所述提取到的特征值与所述指静脉识别器中存储的指静脉模型比对,并根据比对结果判断是否验证通过。
7.一种生成指静脉模型的设备,其特征在于,该设备包括:至少一个处理单元以及至少一个存储单元,其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行下列过程:
获取指静脉识别器中的N个指静脉采集模块采集的N组指静脉分布图;
将获取的N组指静脉分布图进行合成处理得到静脉模型。
8.如权利要求7所述的设备,其特征在于,所述处理单元具体用于:
控制每个指静脉采集模块中的近红外光源发射红外线;
通过每个指静脉采集模块中的影像传感器采集红外光线照射手指显示出的指静脉影像。
9.如权利要求7所述的设备,其特征在于,所述处理单元具体用于:
对采集到的所述N组指静脉分布图进行图像处理后,组合成指静脉模型;或,
将采集到的所述N组指静脉分布图进行组合,并将组合后的分布图进行图像处理,生成指静脉模型。
10.如权利要求7所述的设备,其特征在于,所述处理单元还用于:
在进行手指验证时,通过N个指静脉采集模块实时采集验证手指的指静脉分布图,并根据所述指静脉分布图提取特征值;
将所述提取到的特征值与所述指静脉识别器中存储的指静脉模型比对,并根据比对结果判断是否验证通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811147463.5A CN109389070A (zh) | 2018-09-29 | 2018-09-29 | 一种指静脉识别器、生成指静脉模型的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811147463.5A CN109389070A (zh) | 2018-09-29 | 2018-09-29 | 一种指静脉识别器、生成指静脉模型的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109389070A true CN109389070A (zh) | 2019-02-26 |
Family
ID=65418920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811147463.5A Pending CN109389070A (zh) | 2018-09-29 | 2018-09-29 | 一种指静脉识别器、生成指静脉模型的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109389070A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458988A (zh) * | 2019-08-06 | 2019-11-15 | 珠海格力电器股份有限公司 | 身份认证方法、计算机可读存储介质及电子锁 |
CN111753788A (zh) * | 2020-06-30 | 2020-10-09 | 重庆勤鸟圈科技有限公司 | 用于指静脉识别的自学习式控制系统及方法 |
CN113837069A (zh) * | 2021-09-18 | 2021-12-24 | 珠海格力电器股份有限公司 | 指静脉识别方法、装置、认证设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303128A (zh) * | 2014-07-31 | 2016-02-03 | 中国电信股份有限公司 | 一种防止未经授权使用移动终端的方法和移动终端 |
CN105701454A (zh) * | 2016-01-06 | 2016-06-22 | 深圳市亚略特生物识别科技有限公司 | 静脉身份验证设备及电子系统 |
CN205451102U (zh) * | 2016-01-06 | 2016-08-10 | 深圳市亚略特生物识别科技有限公司 | 静脉身份验证设备 |
CN107766775A (zh) * | 2016-08-17 | 2018-03-06 | 广州广电运通金融电子股份有限公司 | 一种手指静脉采集方法及装置 |
-
2018
- 2018-09-29 CN CN201811147463.5A patent/CN109389070A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303128A (zh) * | 2014-07-31 | 2016-02-03 | 中国电信股份有限公司 | 一种防止未经授权使用移动终端的方法和移动终端 |
CN105701454A (zh) * | 2016-01-06 | 2016-06-22 | 深圳市亚略特生物识别科技有限公司 | 静脉身份验证设备及电子系统 |
CN205451102U (zh) * | 2016-01-06 | 2016-08-10 | 深圳市亚略特生物识别科技有限公司 | 静脉身份验证设备 |
CN107766775A (zh) * | 2016-08-17 | 2018-03-06 | 广州广电运通金融电子股份有限公司 | 一种手指静脉采集方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458988A (zh) * | 2019-08-06 | 2019-11-15 | 珠海格力电器股份有限公司 | 身份认证方法、计算机可读存储介质及电子锁 |
CN111753788A (zh) * | 2020-06-30 | 2020-10-09 | 重庆勤鸟圈科技有限公司 | 用于指静脉识别的自学习式控制系统及方法 |
CN113837069A (zh) * | 2021-09-18 | 2021-12-24 | 珠海格力电器股份有限公司 | 指静脉识别方法、装置、认证设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hammad et al. | ResNet‐Attention model for human authentication using ECG signals | |
CA2586772C (en) | Method and apparatus for electro-biometric identity recognition | |
US7689833B2 (en) | Method and apparatus for electro-biometric identity recognition | |
Jain et al. | Biometrics of next generation: An overview | |
US20060136744A1 (en) | Method and apparatus for electro-biometric identity recognition | |
JP5363587B2 (ja) | 生体情報登録方法、生体認証方法および生体認証装置 | |
US20100311482A1 (en) | Electro-Biometric Methods and Apparatus | |
Chamatidis et al. | Using deep learning neural networks for ECG based authentication | |
JP2010244365A (ja) | サービス提供装置、サービス提供方法、生体情報認証サーバ、生体情報認証方法、プログラムおよびサービス提供システム | |
JP5642210B2 (ja) | 電子バイオメトリック識別認識のための方法及び装置 | |
EP2148295A1 (en) | Vein pattern management system, vein pattern registration device, vein pattern authentication device, vein pattern registration method, vein pattern authentication method, program, and vein data structure | |
CN109389070A (zh) | 一种指静脉识别器、生成指静脉模型的方法和设备 | |
US20210089748A1 (en) | Systems and Methods for Biometrically Authenticating a User Using Authentication Data and Liveness Data | |
JP2010146120A (ja) | 生体認証システムおよび生体認証方法 | |
Kumar et al. | A survey paper on altered fingerprint identification & classification | |
Li et al. | SoK: an overview of PPG's application in authentication | |
EP2148296A1 (en) | Vein pattern management system, vein pattern registration device, vein pattern authentication device, vein pattern registration method, vein pattern authentication method, program, and vein data structure | |
Sepasian et al. | Vitality detection in fingerprint identification | |
JP2010277232A (ja) | 生体認証システム、生体認証方法および生体認証装置 | |
Saini et al. | Comparative Analysis of Various Biometric Techniques for Database Security | |
Sepasian et al. | Liveness and spoofing in fingerprint identification: Issues and challenges | |
Gona | IoT-based multimodal liveness detection using the fusion of ECG and fingerprint | |
Shrikhande et al. | Personal identification using different biometrics: A review | |
El-afifi | Trends in Biometric Authentication: A review | |
Rathore | Towards Cyber-Physical Defense against Unwanted Access in Smart Applications |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190226 |