CN109635756A - 融合指纹与指静脉的二维码身份认证方法 - Google Patents

融合指纹与指静脉的二维码身份认证方法 Download PDF

Info

Publication number
CN109635756A
CN109635756A CN201811541704.4A CN201811541704A CN109635756A CN 109635756 A CN109635756 A CN 109635756A CN 201811541704 A CN201811541704 A CN 201811541704A CN 109635756 A CN109635756 A CN 109635756A
Authority
CN
China
Prior art keywords
image
fingerprint
vein
vector
feature
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
Application number
CN201811541704.4A
Other languages
English (en)
Other versions
CN109635756B (zh
Inventor
马慧
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.)
Heilongjiang University
Original Assignee
Heilongjiang 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 Heilongjiang University filed Critical Heilongjiang University
Priority to CN201811541704.4A priority Critical patent/CN109635756B/zh
Publication of CN109635756A publication Critical patent/CN109635756A/zh
Application granted granted Critical
Publication of CN109635756B publication Critical patent/CN109635756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • 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
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • G06V40/53—Measures to keep reference information secret, e.g. cancellable biometrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Collating Specific Patterns (AREA)

Abstract

融合指纹与指静脉的二维码身份认证方法。本发明的方法包括：首先对读入的手指静脉图像与指纹图像分别进行滤波增强、分割、细化等预处理操作，然后提取细化后的手指静脉图像与指纹图像的细节点特征类型与位置信息；再对这两种特征采用随机融合的方式进行加密；最后，生成融合生物特征的二维码图像。本发明方法能对静脉与指纹特征模板信息起到有效的保护作用，提高生物特征认证系统的安全性。

Description

融合指纹与指静脉的二维码身份认证方法
技术领域
本发明属于模式识别技术领域，具体涉及指纹识别技术、手指静脉识别技术与二维码技术。
背景技术
近年来，生物特征识别技术逐步得到市场的重视，基于生物识别技术的应用也得了长足的发展。基于生物特征的识别技术，特别是基于指纹、静脉等识别技术已经从理论研究转入到市场应用阶段。针对目前生物特征认证技术所暴露出的安全隐患，急需一种适用于大数据环境下，可抗多种攻击同时又具有良好受众性的安全身份认证技术。保护用户的生物特征信息不被窃取和泄漏，是生物特征认证系统应满足的基本安全要求。针对这一问题，本发明将手指静脉图像特征与指纹图像特征采用随机融合的方式进行加密，对加密后的特征使用QR码生成融合特征的二维码图像，用于身份信息的验证。本发明可使用户的身份认证过程在加密域进行，解决数据远程存储的隐私问题，在大数据时代具有重要的实际意义。
发明内容
本发明的目的在于提供一种融合指纹与指静脉图像特征的二维码身份信息认证方法，将提取出的指纹特征与手指静脉特征采用随机融合的方式加密，并将加密后的融合特征生成二维码图像，从而实现对静脉与指纹特征模板信息有效的保护，提高生物特征认证系统的安全性。
本发明的目的是这样实现的：
一种融合指纹与指静脉的二维码身份认证方法，其特征是：首先对读入的手指静脉图像与指纹图像分别进行滤波增强、分割、细化等预处理操作；在此基础上提取细化后的手指静脉图像与指纹图像的细节点特征类型与位置信息；对两种特征采用随机融合的方式加密；最后，将加密后的静脉与指纹融合特征生成二维码图像。
所述的预处理操作与细节点特征提取方法，其特征是：滤波增强、分割、细化等预处理操作。具体方法为：
1）首先对读入的指静脉图像进行方向滤波增强操作，计算输入图像的方向图后，滤波时根据方向图计算出区域的方向特征，选择相应的方向滤波器进行滤波操作，从而得出滤波处理后的指静脉图像；
2）对滤波后的静脉图像采用NiBlack方法进行二值化处理；
3）在二值图像中采用快速与串行融合的细化方法提取出细化后的指静脉图像。即将快速细化算法与串行细化算法结合使用，对于每幅图像的每一轮的扫描先采用快速细化算法进行粗略的细化操作，然后在采用串行细化算法对图像进行精确的细化操作；
在细化后的指静脉图像中利用像素点八邻域内灰度特性提取出端点和交叉点两种细节点特征；
将所有细节点类型及位置记录于特征 中，其中为第i个细节点的空间位置信息，表示静脉图像中第i个细节点 的类型，值为0时表示该点为端点，否则为交叉点；
对指纹图像采取与上述静脉图像同样操作，即对指纹图像进行方向滤波、NiBlack分割 及细化操作后，提取出指纹图像的所有细节点类型及位置记录于特征中，其中为指纹图像中第i个细节点的空间 位置信息，表示第i个细节点的类型，值为0时表示该点为端点，否则为交叉点。
所述的静脉与指纹融合特征加密方法，其特征是：将上述提取出的静脉图像特征与指纹图像特征进行融合加密处理，具体方法如下：
1）首先生成一个二进制随机向量，随机向量的长度小于等于静脉 特征向量与指纹特征向量的长度和；
2）将静脉向量与指纹向量的每一维特征按照二进制随机向量O中的每一维数据的值进 行排序组合生成融合后的特征向量F，当的值为1则融合向量的第一维数据为静脉向量的 第一维数据v 1，否则为指纹向量的第一维数据p 1；遍历整个随机向量O将指纹及指静脉向量 的各维数据重新排列组合成新的融合向量；
3）若随机向量O的长度小于静脉向量与指纹向量的长度和，则将剩余的指纹与指静脉特征按照先指纹后静脉的顺序整体的串联接在融合向量后面。
本发明的主要贡献和特点在于：
本发明针对单一生物特征易受时间、环境与本身固有性质的制约，以及生物特征模板可能存在的被破坏与盗取等安全性问题，提出了一种融合指纹与手指静脉特征的二维码身份认证方法。本发明将提取出的手指静脉特征与指纹特征进行随机融合加密，再将加密后的融合特征用二维码的形式进行身份信息的验证，以期获得一种可靠、高效的身份认证方法。
（四）附图说明
图1本发明主要流程图；
图2融合向量生成示意图；
图3 指纹指静脉特征长度和大于随机向量长度时融合向量生成示意图。
（五）具体实施方式
下面结合附图举例对本发明做更详细地描述。
1 指静脉图像特征提取
1.1指静脉图像预处理
首先对读入的指静脉图像进行预处理操作，具体方法为：
1）首先对读入的指静脉图像进行方向滤波增强操作，计算输入图像的方向图后，滤波时根据方向图计算出区域的方向特征，选择相应的方向滤波器进行滤波操作，从而得出滤波处理后的指静脉图像；
2）对滤波后的静脉图像采用NiBlack方法进行二值化处理；
3）在二值图像中采用快速与串行融合的细化方法提取出细化后的指静脉图像。即将快速细化算法与串行细化算法结合使用，对于每幅图像的每一轮的扫描先采用快速细化算法进行粗略的细化操作，然后在采用串行细化算法对图像进行精确的细化操作；
1.2指静脉特征提取
在细化后的指静脉图像中利用像素点八邻域内灰度特性提取出端点和交叉点两种细节点特征，
将所有细节点类型及位置记录于特征 中，其中为第i个细节点的空间位置信息，表示静脉图像中第i个细节点 的类型，值为0时表示该点为端点，否则为交叉点。
2指纹图像特征提取
对指纹图像采取与上述静脉图像同样操作，即对指纹图像进行方向滤波、NiBlack分割 及细化操作后，提取出指纹图像的所有细节点类型及位置记录于特征中，其中为指纹图像中第i个细节点的空间 位置信息，表示第i个细节点的类型，值为0时表示该点为端点，否则为交叉点。
3. 静脉图像与指纹图像特征加密
将上述提取出的静脉图像特征与指纹图像特征进行融合加密处理，具体方法如下：
1）首先生成一个二进制随机向量，随机向量的长度小于等于静脉 特征向量与指纹特征向量的长度和；
2）将静脉向量与指纹向量的每一维特征按照二进制随机向量O中的每一维数据的值进 行排序组合生成融合后的特征向量F，当的值为1则融合向量的第一维数据为静脉向量的 第一维数据v 1，否则为指纹向量的第一维数据p 1；遍历整个随机向量O将指纹及指静脉向量 的各维数据重新排列组合成新的融合向量。例如，产生的随机向量，则融合向量为。融合向量 生成方式如图2所示；
3）若随机向量O的长度小于静脉向量与指纹向量的长度和，则将剩余的指纹与指静脉特征按照先指纹后静脉的顺序整体的串联接在融合向量后面。具体方法如图3所示。
4 .基于手指静脉与指纹特征的二维码生成
本发明将上述经过加密的静脉与指纹融合特征采用QR码生成静脉二维码图像。融合特征二维码编码步骤如下：
1) 对融合特征进行数据分析与编码；
2) 将上述融合特征的数据编码和纠错码字进行组合构造最终码字序列；
3) 进行矩阵布置即将最终码字序列以及功能图形按标准布置在图形中；
4) 掩膜操作；
5) 确定格式信息与版本信息；
6) 生成静脉与指纹融合特征的二维码图像。
5. 指纹与指静脉二维码身份验证
指纹与指静脉二维码身份验证过程如下：
1）对生成的静脉与指纹融合特征的二维码图像进行QR码解码操作，获得指纹与指静脉图像融合特征；
2）对解码后的特征序列进行解密操作，获取原静脉图像特征与指纹图像特征；
3）再通过比对待识别指纹与指静脉图像特征与模板样本的特征向量之间的欧式距离来实现最终的匹配识别，完成身份认证。

Claims (3)

1.融合指纹与指静脉的二维码身份认证方法，其特征是：首先对读入的手指静脉图像与指纹图像分别进行滤波增强、分割、细化等预处理操作；在此基础上提取细化后的手指静脉图像与指纹图像的细节点特征类型与位置信息；对两种特征采用随机融合的方式加密；最后，将加密后的静脉与指纹融合特征生成二维码图像。
2.根据权利要求1所述的预处理操作与细节点特征提取方法，其特征是：滤波增强、分割、细化等预处理操作，具体方法为：
1）首先对读入的指静脉图像进行方向滤波增强操作，计算输入图像的方向图后，滤波时根据方向图计算出区域的方向特征，选择相应的方向滤波器进行滤波操作，从而得出滤波处理后的指静脉图像；
2）对滤波后的静脉图像采用NiBlack方法进行二值化处理；
3）在二值图像中采用快速与串行融合的细化方法提取出细化后的指静脉图像；即将快速细化算法与串行细化算法结合使用，对于每幅图像的每一轮的扫描先采用快速细化算法进行粗略的细化操作，然后在采用串行细化算法对图像进行精确的细化操作；
在细化后的指静脉图像中利用像素点八邻域内灰度特性提取出端点和交叉点两种细节点特征；
将所有细节点类型及位置记录于特征 中，其中为第i个细节点的空间位置信息，表示静脉图像中第i个细节点 的类型，值为0时表示该点为端点，否则为交叉点；
对指纹图像采取与上述静脉图像同样操作，即对指纹图像进行方向滤波、NiBlack分割 及细化操作后，提取出指纹图像的所有细节点类型及位置记录于特征中，其中为指纹图像中第i个细节点的空间 位置信息，表示第i个细节点的类型，值为0时表示该点为端点，否则为交叉点。
3.根据权利要求1所述的静脉与指纹融合特征加密方法，其特征是：将上述提取出的静脉图像特征与指纹图像特征进行融合加密处理，具体方法如下：
1）首先生成一个二进制随机向量，随机向量的长度小于等于静脉 特征向量与指纹特征向量的长度和；
2）将静脉向量与指纹向量的每一维特征按照二进制随机向量O中的每一维数据的值进 行排序组合生成融合后的特征向量F，当的值为1则融合向量的第一维数据为静脉向量 的第一维数据v 1，否则为指纹向量的第一维数据p 1；遍历整个随机向量O将指纹及指静脉向 量的各维数据重新排列组合成新的融合向量；
3）若随机向量O的长度小于静脉向量与指纹向量的长度和，则将剩余的指纹与指静脉特征按照先指纹后静脉的顺序整体的串联接在融合向量后面。
CN201811541704.4A 2018-12-17 2018-12-17 融合指纹与指静脉的二维码身份认证方法 Active CN109635756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811541704.4A CN109635756B (zh) 2018-12-17 2018-12-17 融合指纹与指静脉的二维码身份认证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811541704.4A CN109635756B (zh) 2018-12-17 2018-12-17 融合指纹与指静脉的二维码身份认证方法

Publications (2)

Publication Number Publication Date
CN109635756A true CN109635756A (zh) 2019-04-16
CN109635756B CN109635756B (zh) 2022-07-05

Family

ID=66074617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811541704.4A Active CN109635756B (zh) 2018-12-17 2018-12-17 融合指纹与指静脉的二维码身份认证方法

Country Status (1)

Country Link
CN (1) CN109635756B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427906A (zh) * 2019-08-07 2019-11-08 上海应用技术大学 结合指纹与指静脉生物特征的混合加密识别方法
CN110502913A (zh) * 2019-08-22 2019-11-26 天津一鉴楼文化科技有限公司 一种对称散列混淆内容的方法
CN111882740A (zh) * 2020-07-21 2020-11-03 中国工商银行股份有限公司 门禁验证方法、门禁装置、服务器及系统
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

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101452526A (zh) * 2008-10-31 2009-06-10 电子科技大学 基于指纹和人脸的二维条码式身份认证方法
CN101674299A (zh) * 2009-10-16 2010-03-17 西安电子科技大学 基于加密域多特征融合的密钥生成方法
CN104123547A (zh) * 2014-07-25 2014-10-29 黑龙江大学 基于改进的方向滤波与柔性匹配的识别方法
CN105975951A (zh) * 2016-05-27 2016-09-28 国创科视科技股份有限公司 手指中段指静脉指纹融合识别方法
CN106254341A (zh) * 2016-08-02 2016-12-21 北京工业大学 针对集中式电子数据保全系统的数据指纹提取方法及系统
CN107332829A (zh) * 2017-06-13 2017-11-07 中国电力科学研究院 基于生物特征融合的电动汽车支付信息认证加密系统及方法
US20170344805A1 (en) * 2015-06-08 2017-11-30 Cross Match Technologies, Inc. Transformed representation for fingerprint data with high recognition accuracy
CN107832718A (zh) * 2017-11-13 2018-03-23 重庆工商大学 基于自编码器的手指静脉防伪鉴别方法及系统
CN108429614A (zh) * 2018-01-05 2018-08-21 杭州电子科技大学 一种基于指纹与人脸特征级融合的模糊金库实现方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101452526A (zh) * 2008-10-31 2009-06-10 电子科技大学 基于指纹和人脸的二维条码式身份认证方法
CN101674299A (zh) * 2009-10-16 2010-03-17 西安电子科技大学 基于加密域多特征融合的密钥生成方法
CN104123547A (zh) * 2014-07-25 2014-10-29 黑龙江大学 基于改进的方向滤波与柔性匹配的识别方法
US20170344805A1 (en) * 2015-06-08 2017-11-30 Cross Match Technologies, Inc. Transformed representation for fingerprint data with high recognition accuracy
CN105975951A (zh) * 2016-05-27 2016-09-28 国创科视科技股份有限公司 手指中段指静脉指纹融合识别方法
CN106254341A (zh) * 2016-08-02 2016-12-21 北京工业大学 针对集中式电子数据保全系统的数据指纹提取方法及系统
CN107332829A (zh) * 2017-06-13 2017-11-07 中国电力科学研究院 基于生物特征融合的电动汽车支付信息认证加密系统及方法
CN107832718A (zh) * 2017-11-13 2018-03-23 重庆工商大学 基于自编码器的手指静脉防伪鉴别方法及系统
CN108429614A (zh) * 2018-01-05 2018-08-21 杭州电子科技大学 一种基于指纹与人脸特征级融合的模糊金库实现方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
T.SHEEBA等: "《Survey on Multimodal Biometric Authentication Combining Fingerprint and Finger vein》", 《INTERNATIONAL JOURNAL OF COMPUTER APPLICATIONS》 *
王亭: "《基于手指静脉与手指折痕数据层融合的模糊金库方案》", 《软件导刊》 *
王科俊 等: "《使用方向滤波技术的手指静脉纹路提取方法》", 《中国图象图形学报》 *
董锦锦: "《基于混沌加密的多模态生物模板保护技术研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427906A (zh) * 2019-08-07 2019-11-08 上海应用技术大学 结合指纹与指静脉生物特征的混合加密识别方法
CN110427906B (zh) * 2019-08-07 2023-04-18 上海应用技术大学 结合指纹与指静脉生物特征的混合加密识别方法
CN110502913A (zh) * 2019-08-22 2019-11-26 天津一鉴楼文化科技有限公司 一种对称散列混淆内容的方法
CN111882740A (zh) * 2020-07-21 2020-11-03 中国工商银行股份有限公司 门禁验证方法、门禁装置、服务器及系统
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

Also Published As

Publication number Publication date
CN109635756B (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN109635756A (zh) 融合指纹与指静脉的二维码身份认证方法
CN106330464B (zh) 一种身份认证方法、设备及系统
CN109598247B (zh) 基于静脉图像细节点与纹路特征的二维码身份认证方法
Li et al. Privacy protection of fingerprint database
CN109993142A (zh) 基于指部多模态生物特征的二维码身份认证方法
Kirchgasser et al. Finger vein template protection based on alignment-robust feature description and index-of-maximum hashing
Jin et al. Cancelable biometrics
Khan et al. Chaos and NDFT-based spread spectrum concealing of fingerprint-biometric data into audio signals
Arunachalam et al. AES Based Multimodal Biometric Authentication using Cryptographic Level Fusion with Fingerprint and Finger Knuckle Print.
Rathgeb et al. Preventing the cross-matching attack in Bloom filter-based cancelable biometrics
Prasanalakshmi et al. Biometric cryptosystem involving two traits and palm vein as key
Saraswathi et al. Retinal biometrics based authentication and key exchange system
Meenakshi et al. Security analysis of password hardened multimodal biometric fuzzy vault
Balakumar et al. Secure biometric key generation scheme for cryptography using combined biometric features of fingerprint and iris
Sowkarthika et al. Securing iris and fingerprint templates using fuzzy vault and symmetric algorithm
Kirchgasser et al. Finger-vein template protection based on alignment-free hashing
Sujitha et al. Highly secure palmprint based biometric template using fuzzy vault
Meenakshi et al. Securing iris templates using combined user and soft biometric based password hardened fuzzy vault
Kaur Multimodal based fuzzy vault using iris retina and fingervein
Meenakshi et al. Security analysis of hardened retina based fuzzy vault
CN110427906A (zh) 结合指纹与指静脉生物特征的混合加密识别方法
Li et al. Privacy protection of fingerprint database using lossless data hiding
Adamović et al. Information analysis of iris biometrics for the needs of cryptology key extraction
Tajuddin et al. Cryptographic Key Generation using Retina Biometric Parameter
Meenakshi et al. Security analysis of password hardened multimodal biometric fuzzy vault with combined feature points extracted from fingerprint, iris and retina for high security 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
GR01 Patent grant
GR01 Patent grant