CN109906459B - 用于基于匹配器对准信息改进哄骗检测的系统和方法 - Google Patents
用于基于匹配器对准信息改进哄骗检测的系统和方法 Download PDFInfo
- Publication number
- CN109906459B CN109906459B CN201780069456.5A CN201780069456A CN109906459B CN 109906459 B CN109906459 B CN 109906459B CN 201780069456 A CN201780069456 A CN 201780069456A CN 109906459 B CN109906459 B CN 109906459B
- Authority
- CN
- China
- Prior art keywords
- input image
- spoof
- image
- biometric
- overlapping region
- 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
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
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
公开了一种用于执行哄骗检测的系统和方法。方法包括:由处理器从生物计量传感器接收生物计量的输入图像;由处理器获得将输入图像对准到登记图像的对准信息;由处理器确定输入图像相对于登记图像的重叠区和非重叠区;由处理器基于重叠区和非重叠区中的一个或多个从输入图像提取一个或多个防哄骗特征;以及由处理器基于一个或多个防哄骗特征来确定输入图像是否是生物计量的复制品。
Description
相关申请的交叉引用
本申请要求于2016年11月10日提交的美国临时申请No. 62/420,522的权益,该临时申请通过引用以其整体并入本文中。
技术领域
本公开总体上涉及生物计量传感器,并且更具体地涉及用于基于匹配器对准信息进行哄骗检测的系统和方法。
背景技术
生物计量认证系统用于认证和/或验证包含认证系统的设备的用户。生物计量感测技术提供可靠的非侵入性方式来验证个体身份以用于识别目的。
像各种其它生物计量特性一样,指纹基于独特的个人特性,并且因此是用于识别个体的可靠机制。存在许多使用指纹传感器的潜在应用。例如,指纹传感器可用于提供固定应用(诸如防护检查点)中的访问控制。电子指纹传感器还可以用于在移动设备中提供访问控制,所述移动设备诸如蜂窝电话、可穿戴智能设备(例如,智能手表和活动跟踪器)、平板计算机、个人数字助理(PDA)、导航设备和便携式游戏设备。因此,一些应用(特别是与移动设备相关的应用)可能需要既尺寸小又高度可靠的认证系统。
生物计量“哄骗”是使用用户的所感测生物计量的复制品陷害生物计量防护的任何尝试。在指纹认证系统的上下文中,除了别的以外,哄骗材料的一些示例包括手指的三维(3D)明胶模具、手指的石墨模具、手指的木胶模具以及手指的打印二维(2D)图像。在面部识别的上下文中,示例哄骗材料可以是人的面部的照片。在语音识别的上下文中,示例哄骗材料可以是声音模仿或回放。
为了保存生物计量认证系统的完整性,存在对于在哄骗检测时能够检测认证尝试何时是哄骗以及适当地拒绝认证的防哄骗系统和方法(也被称为“活跃度检测”)的需要。
发明内容
一个实施例提供一种设备,其包括生物计量传感器和处理系统。处理系统被配置成:从生物计量传感器接收生物计量的输入图像;获得将输入图像对准到登记图像的对准信息;确定输入图像相对于登记图像的重叠区和非重叠区;基于重叠区和非重叠区中的一个或多个从输入图像提取一个或多个防哄骗特征;以及基于一个或多个防哄骗特征来确定输入图像是否是生物计量的复制品。
另一实施例提供了一种用于执行哄骗检测的方法。方法包括:由处理器从生物计量传感器接收生物计量的输入图像;由处理器获得将输入图像对准到登记图像的对准信息;由处理器确定输入图像相对于登记图像的重叠区和非重叠区;由处理器基于重叠区和非重叠区中的一个或多个从输入图像提取一个或多个防哄骗特征;以及由处理器基于一个或多个防哄骗特征来确定输入图像是否是生物计量的复制品。一些实施例还包括存储指令的非暂时性计算机可读存储介质,所述指令在由处理器执行时执行用于哄骗检测的方法。
附图说明
图1是根据实施例的包括传感器设备和处理系统的电子设备的示例的框图。
图2是图示根据实施例的用于哄骗检测的系统和方法的框图。
图3是根据实施例的哄骗检测系统的框图。
图4A图示了根据实施例的由传感器捕获的示例输入图像。
图4B图示了根据实施例的通过对准变换来变换的示例输入图像。
图4C图示了根据实施例的通过对准变换和逆对准变换来变换的示例输入图像。
图5是图示根据实施例的用于基于匹配器对准信息来计算一个或多个哄骗检测计量的方法步骤的流程图。
具体实施方式
以下具体实施方式本质上仅仅是示例性的,并且不旨在限制本公开或本公开的应用和使用。此外,不存在受到前述技术领域、背景技术、发明内容、附图说明或以下具体实施方式中呈现的任何明示或暗示的理论束缚的意图。转到附图,并且如本文中更详细地描述的那样,实施例提供了用于哄骗检测的计量的系统和方法。
指纹图像可具有因人、因传感器以及甚至因相同人的不同图像的相当大的变化。该变化反映了以下事实:人的手指是有生命的事物,以及当手指响应于外部因素时改变,所述外部因素诸如出汗、当触摸时的拉伸等。当利用指纹传感器对手指进行成像时,这些改变在某种程度上被捕获,并且因此所感测图像包括一些变化,即使是在相同手指的不同印痕的情况下。另外,来自相同感测技术的不同传感器可以添加小的差异。
鲁棒的指纹匹配器的目标对于相同手指的这些改变中的许多是不可知论的,这改进了系统对于真实用户的可用性。然而,如果例如利用来自用户的潜在印记来构造哄骗,则哄骗图像可以充分地类似于真实手指,使得它们可以用于得到进入系统中的入口。指纹防哄骗技术尝试通过从可用于区分哄骗手指和活的手指的图像导出属性来区分来自哄骗手指的图像与来自活的手指的图像。
如所描述的那样,防哄骗技术通过防止使用哄骗的指纹(例如,使用设备的真实用户的潜在指纹创建的哄骗指纹)的成功认证来帮助改进生物计量认证系统的防护。由于哄骗指纹是在没有防哄骗技术的情况下登记在设备上的指纹的复制,所以指纹匹配器可以将哄骗的指纹图像匹配到登记图像并授权对设备的访问。
防哄骗技术分析哄骗指纹图像中的特征,并尝试将哄骗指纹图像与真实手指的图像区分。本公开的实施例提供了一种用于哄骗检测的系统和方法。
一旦计量被计算,则计量可以被输入到“分类器”,该分类器产生可以与阈值进行比较以确定手指是活的手指还是哄骗的分数。在一些实现方式中,许多不同的计量被输入到分类器中,并且分类器被配置成基于计量的组合来计算总体活跃度分数。在一个示例中,分类器是神经网络,但是任何分类器都在本公开的范围内。可以使用机器学习方法来开发分类器本身,其中创建训练集和测试集以训练和生效分类器性能。
基于软件的防哄骗技术通过提取输入图像中的特征以及分析那些特征以区分哄骗图像与真实手指的图像来检测哄骗。通常,防哄骗解决方案独立于底层匹配器(即,例如用于确定输入图像是否提供与登记模板的匹配以用于例如认证、验证或识别的目的的匹配器)来执行,使得匹配/非匹配判定和哄骗/非哄骗判定被分离地且彼此独立地进行。
在常规方法中,防哄骗模块不执行任何对准,因为执行对准可能是计算密集的。因此,用于防哄骗检测的特征通常从输入图像导出,而不管其如何与登记模板对准。此方法的缺点是较低的哄骗检测准确度,因为防哄骗特征可从与登记图像不重叠的区导出。
实施例利用来自匹配器的对准信息来提取输入图像的防哄骗特征。具体地,实施例使用来自匹配器的对准信息来识别匹配的重叠区和非重叠区,以及然后基于重叠区和非重叠区提取防哄骗特征。防哄骗特征被分类为来自重叠区或来自非重叠区。防哄骗特征被传递到分类器,分类器可以给予对来自重叠区的特征和来自非重叠区的特征不同的权重。在一个实施例中,当进行哄骗判定时,来自非重叠区的特征被给予更高的权重。使用来自匹配器的对准信息来帮助哄骗检测可以改进哄骗检测准确性。
转向附图,图1是根据实施例的包括传感器设备102(即,生物计量传感器设备)和处理系统104的电子设备100的示例的框图。作为示例,图示了在捕获、存储和生效生物计量匹配尝试期间利用的电子设备100的基本功能部件。处理系统104包括(一个或多个)处理器106、存储器108、模板存储部110、操作系统(OS)112和(一个或多个)电源114。(一个或多个)处理器106、存储器108、模板存储部110和操作系统112中的每一个物理地、通信地和/或可操作地互连以用于部件间通信。电源114互连到各种系统部件以在必要时提供电力。
如所图示的那样,(一个或多个)处理器106被配置成实现用于在电子设备100和处理系统104内执行的功能性和/或处理指令。例如,处理器106执行存储于存储器108中的指令或存储于模板存储部110上的指令以识别生物计量对象或确定生物计量认证尝试是成功还是不成功。可以是非暂时性计算机可读存储介质的存储器108被配置成在操作期间将信息存储在电子设备100内。在一些实施例中,存储器108包括临时存储器,即用于在电子设备100被关闭时不被保存的信息的区域。这种临时存储器的示例包括易失性存储器,诸如随机存取存储器(RAM)、动态随机存取存储器(DRAM)和静态随机存取存储器(SRAM)。存储器108还保存用于由处理器106执行的程序指令。
模板存储部110包括一个或多个非暂时性计算机可读存储介质。在指纹传感器的上下文中,模板存储部110通常被配置成存储用于用户的指纹或其它登记信息的指纹图像的登记视图。登记视图可以包括相同手指的多个图像。此外,登记视图可以包括用户的多个不同手指的视图。更通常地,模板存储部110可以用于存储关于对象的信息。模板存储部110还可以被配置用于信息的长期存储。在一些示例中,模板存储部110包括非易失性存储元件。除了别的以外,非易失性存储元件的非限制性示例包括磁性硬盘、固态驱动器(SSD)、光盘、软盘、闪速存储器或电可编程存储器(EPROM)或电可擦除可编程(EEPROM)存储器的形式。
处理系统104还主控操作系统(OS)112。操作系统112控制处理系统104的部件的操作。例如,操作系统112促进(一个或多个)处理器106、存储器108和模板存储部110的交互。尽管被示出为包括处理器106和存储器108,但是处理系统104还可以包括微处理器、微控制器和/或专用电路。
根据各种实施例,(一个或多个)处理器106实现用于获得描述输入对象的图像的数据的硬件和/或软件。(一个或多个)处理器106还可对准两个图像并且将对准的图像彼此比较以确定是否匹配。(一个或多个)处理器106还可操作以从一系列较小部分图像或子图像(诸如在生物计量过程(诸如用于验证或识别的登记或匹配过程)期间收集多个部分指纹图像时的指纹图像)重构较大图像。
处理系统104包括一个或多个电源114以向电子设备100提供电力。电源114的非限制性示例包括一次性电源、可再充电电源和/或从镍镉、锂离子或其它适合的材料开发的电源,以及转而连接到电力的电源线和/或适配器。
传感器设备102可以被实现为电子设备100的物理部分,或者可以与电子设备100物理地分离。视情况而定,传感器设备102可使用以下各者中的任何一个或多个与电子设备100的部分通信:总线、网络和其它有线或无线互连。在一些实施例中,传感器设备102被实现为指纹传感器以捕获用户的指纹图像。根据本公开,传感器设备102使用光学感测以用于对象成像的目的,所述对象成像包括对诸如指纹的生物计量成像。传感器设备102可并入为显示器的部分,例如,或可以是分立传感器。在一些实施例中,传感器设备102可执行光学成像。在各种其它实施例中,传感器设备102可利用电容性传感器设备、超声波传感器设备或使用用于对象成像的某一其它感测技术的另一传感器设备替代,如本文中更详细地描述的那样。
电子设备100可以利用传感器部件和感测技术的任何合适的组合来检测感测区中的用户输入。一些实现方式利用多个感测元件的阵列或其它规则或不规则图案来检测输入。电子设备100可以使用的示例感测技术包括电容性感测技术、光学感测技术、声学(例如,超声)感测技术、基于压力的(例如,压电)感测技术、电阻感测技术、热感测技术、电感感测技术、倒介电感测技术、磁感测技术和/或雷达感测技术。
例如,电子设备100可以使用电阻感测技术,其中来自输入对象的接触闭合电气电路并且可以用于检测输入。在一个示例技术中,传感器设备102包括由一个或多个间隔件元件与导电性第二层分离的柔性和导电性第一层。在操作期间,跨层创建一个或多个电压梯度。按压柔性第一层可使其充分偏转以在层之间创建电接触,从而导致反映层之间的(一个或多个)接触点的电压输出。这些电压输出可用于确定对应于输入对象的空间信息。
在另一示例中,电子设备100可以使用电感感测技术,其中一个或多个感测元件拾取由谐振线圈或线圈对感生的回路电流。然后可以使用电流的幅度、相位和频率的某种组合来确定对应于输入对象的空间信息。
在另一示例中,电子设备100可以使用声学感测技术,其中一个或多个声学感测元件检测来自附近的输入对象的声波。声波可以是以听得见的频率或超声频率。所检测的声波可以包括环境声波的回波和/或由输入设备发射的从输入对象的表面反射的声波的回波。电信号的幅度、相位、频率和/或时间延迟的某一组合可用于确定对应于输入对象的空间信息。
一个示例声学感测技术利用有源超声感测来发射传播到感测区的高频源波。一个或多个超声发射器元件(也是“超声发射器”)可以用于向感测区发射高频声波,并且一个或多个超声接收元件(也是“超声接收器”)可以检测所发射的声波的回波。可以使用分离的元件来发射和接收,或者可以使用既发射又接收的公共元件(例如,超声收发器)。在一些实例中,发射的超声波能够穿透输入对象的子表面,诸如人类手指的真皮层。
在另一示例中,电子设备100可以使用光学感测技术,其中一个或多个感测元件检测来自感测区的光。所检测光可以从输入对象反射、透射通过输入对象、由输入对象发射或其某种组合。所检测光可以在可见或不可见光谱(诸如红外或紫外光)中。示例光学感测元件包括光电二极管、CMOS图像传感器阵列、CCD阵列、薄膜检测器和对感兴趣的(一个或多个)波长中的光敏感的其它合适的光电传感器。可以使用主动照明来向感测区提供光,并且可以检测来自(一个或多个)照明波长中的感测区的反射以确定对应于输入对象的输入信息。
一个示例光学技术利用输入对象的直接照明,取决于配置,所述输入对象可以或可以不与感测区的输入表面接触。一个或多个光源和/或光导结构用于将光引导到感测区。当存在输入对象时,该光直接从输入对象的表面反射,该反射可由光学感测元件检测并用于确定关于输入对象的输入信息。
另一示例光学技术利用基于内反射的间接照明来检测与感测区的输入表面接触的输入对象。由于在由输入表面限定的界面的相对侧处的不同折射率,一个或多个光源被用于以其在感测区的输入表面处被内反射的角度在透射介质中引导光。由输入对象对输入表面的接触使得折射率跨该边界改变,这改变了输入表面处的内反射特性。如果使用受抑全内反射(FTIR)的原理来检测输入对象,则通常可以实现较高对比度信号,其中光以其全内反射(除了在输入对象接触并且使得光在由输入对象接触的区处跨该界面散射和部分地透射的位置处)的入射角被引导到输入表面。其示例是引入到由玻璃到空气界面限定的输入表面的手指的存在。与空气相比,人类皮肤的较高折射率引起以界面到空气的临界角入射在输入表面处的光部分地透射穿过输入界面并且被手指散射,其中其原本会在玻璃到空气界面处被完全内反射。该光学响应可由系统检测并用于确定空间信息。在一些实施例中,这可以用于对输入对象的小尺度表面(诸如指纹图案)变化进行成像,其中入射光的内反射率取决于手指的脊或谷是否与输入表面的该部分接触而不同。
在另一示例中,电子设备100可以使用电容性技术,其中施加电压或电流以创建电场。附近的输入对象引起电场的改变,并且产生可以被检测为电压、电流等的改变的电容性耦合的可检测改变。传感器电极可用作电容性感测元件。电容性感测元件的阵列或其它规则或不规则图案可用于创建电场。分离的传感器电极可以欧姆地短接在一起以形成较大的感测元件。
一种示例技术利用基于传感器电极与输入对象之间的电容性耦合的改变的“自电容”(或“绝对电容”)感测方法。传感器电极附近的输入对象更改传感器电极附近的电场,因此改变所测量的电容性耦合。绝对电容感测方法可以通过相对于参考电压(例如系统接地)调制传感器电极并且通过检测传感器电极与输入对象之间的电容性耦合来操作。例如,可以调制感测元件阵列,或者可以调制欧姆地或电容性地耦合到输入对象的驱动环或其它导电性元件。参考电压可以是基本恒定的电压或变化的电压,或者参考电压可以是系统接地。
另一示例技术利用基于传感器电极之间的电容性耦合的改变的“互电容”(或“跨电容”)感测方法。传感器电极附近的输入对象可以更改传感器电极之间的电场,因此改变所测量的电容性耦合。跨电容性感测方法可以通过检测一个或多个发射器传感器电极(也是“发射器电极”)与一个或多个接收器传感器电极(也是“接收器电极”)之间的电容性耦合来操作。发射器传感器电极可相对于参考电压调制以发射发射器信号。接收器传感器电极可相对于参考电压保持基本上恒定以促进所产生信号的接收。参考电压可以是基本上恒定的电压或系统接地。发射器电极相对于接收器电极被调制以发射发射器信号以及促进所产生信号的接收。所产生信号可以包括对应于一个或多个发射器信号和/或对应于一个或多个环境干扰源(例如,其它电磁信号)的(一个或多个)影响。传感器电极可以为专用发射器或接收器,或可被配置成既发射又接收。另外,传感器电极可以是专用的跨电容感测元件或绝对电容感测元件,或者可以被操作为跨电容感测元件和绝对电容感测元件两者。
电子设备100的一些非限制性示例包括所有尺寸和形状的个人计算机,诸如台式计算机、膝上型计算机、上网本计算机、平板电脑、网络浏览器、电子书阅读器和个人数字助理(PDA)。附加示例电子设备100包括复合输入设备,诸如物理键盘和分离的操纵杆或按键开关。另外的示例电子设备100包括外围设备,诸如数据输入设备(包括远程控制设备和鼠标)和数据输出设备(包括显示屏和打印机)。其它示例包括远程终端、信息站、视频游戏机(例如,视频游戏控制台、便携式游戏设备等)、通信设备(包括蜂窝电话,诸如智能电话)以及媒体设备(包括记录器、编辑器和播放器,诸如电视机、机顶盒、音乐播放器、数码相框和数码相机)。
图2是图示根据实施例的用于哄骗检测的系统和方法的框图。在步骤202,传感器捕获指纹的图像。指纹可以来自活的手指或哄骗手指。在步骤204,处理器基于匹配器对准信息来计算一个或多个防哄骗计量,如下面更详细地描述的那样。在步骤204计算的一个或多个防哄骗计量被传递给分类器。可选地,在步骤206,处理器可计算其它防哄骗计量并且还将其传递到分类器。在步骤208,处理器执行分类器以确定在步骤202捕获的指纹的图像是来自活的手指还是哄骗手指。
图3是根据实施例的哄骗检测系统的框图。该系统包括传感器设备102和处理器106。处理器106被配置成执行一个或多个软件功能块,包括图像获取模块302、匹配器304和哄骗检测模块306。图像获取模块302、匹配器304和哄骗检测模块306被实现为存储在存储器中并由一个或多个处理器106执行的软件指令。理解的是,功能块中的每一个也可由专用电路而不是软件或与软件组合来实现。
尽管在图3中被示出为分离的功能块,但是图像获取模块302、匹配器304和哄骗检测模块306中的两个或多个可以作为单个软件模块、应用或操作系统一起被执行。可替换地,图像获取模块302、匹配器304和哄骗检测模块306可以分离地执行和/或由不同的软件供应商提供。另外,在一些实施例中,多个处理器106可以用于执行图像获取模块302、匹配器304和哄骗检测模块306中的一个或多个。
在一些实施例中,由传感器设备102捕获诸如指纹图像的输入图像。输入图像被传递到图像获取模块302,所述图像获取模块302确定图像是登记图像还是验证图像。如果输入图像是登记图像,则与输入图像相关联的模板被存储在匹配器模板存储部308中和/或匹配器模板存储部308基于新的输入图像被更新。
如果输入图像是验证图像,则图像获取模块302还将输入图像传递到匹配器304,匹配器304被配置成确定输入图像是否匹配存储在匹配器模板存储部308中的任何登记图像。在一个实现方式中,匹配器304可以将输入图像与登记图像进行比较以确定图像之间的差异。在一些实施例中,如果差异低于阈值,则找到匹配;否则,不存在匹配。在其它实施例中,除了与阈值的比较之外的各种技术可用于确定输入图像是否与任何登记图像匹配。可以使用许多不同的技术来执行匹配器304,包括基于点的技术、基于脊的技术或者基于点和基于脊的技术的组合。
在一个实现方式中,在匹配器304可以将输入图像与存储的登记图像(或“模板”)进行比较之前,匹配器304执行对准。确定将输入图像最紧密地对准到登记图像中的一个的对准,并且将对应于对准的变换应用于输入图像。在一个实施例中,变换T可以由T =(Tx,Ty,θ)表示,其中Tx是水平方向上的平移,Ty是在垂直方向上的平移,并且θ是旋转。该过程被称为图像对准。由匹配器304可以使用各种技术来计算图像对准。例如,在另一实施例中,可以使用非笛卡尔坐标系(例如,极坐标系)来表示变换。另外,在各种实施例中,变换可以是刚性变换或非刚性变换。
在一个实施例中,在匹配器304执行图像对准之后,匹配器304进行匹配/非匹配判定。在其它实施例中,匹配器生成匹配分数并且将匹配分数返回到被称为匹配器304的系统的另一实体(例如,图像获取模块302),其中另一实体基于匹配分数进行匹配/非匹配判定。匹配/非匹配判定可以基于比较输入图像与登记图像的重叠区。在一个实现方式中,匹配器304可以将对准的输入图像与登记图像的重叠区进行比较,以确定图像之间的差异。在一些实施例中,如果差异低于阈值,则找到匹配;否则,不存在匹配。应当理解的是,许多不同技术可用于匹配并且也在本公开的范围内。
在一些实施例中,对于登记图像,图像获取模块302还将输入图像传递到哄骗检测模块306,所述哄骗检测模块306可从输入图像提取防哄骗计量。除了别的以外,示例防哄骗计量包括:脊的平均灰度级、谷的平均灰度级、关于输入图像是否包括模糊区域的一个或多个值、关于输入图像是否包括相对较亮区域的一个或多个值、关于输入图像是否包括相对较暗区域的一个或多个值、纹理信息(例如,通过计算输入图像的部分上的LBP(线性二进制图案)。在一些实现方式中,防哄骗计量可能无法充分辨别以提供充足的指纹匹配结果,即,因为许多哄骗图像可以满足仅依赖于用于匹配的防哄骗计量的匹配器。
由哄骗检测模块306从输入图像提取的防哄骗计量被存储在防哄骗模板存储部310中的防哄骗模板(其也可以被称为“防哄骗登记模板”)中。在一些实施例中,从输入图像提取的计量可以与防哄骗模板中的防哄骗计量组合(例如通过对从输入图像提取的计量和防哄骗模板中的防哄骗计量求平均)以生成更新的防哄骗模板。一些实施例不存储防哄骗模板,并且哄骗/非哄骗判定仅基于输入图像。
在一个实现方式中,匹配器模板存储部308和防哄骗模板存储部310包括一个存储设备。在另一实现方式中,匹配器模板存储部308和防哄骗模板存储部310包括分离的存储设备。
另外,在一个实现方式中,当用户登记登记图像时,相同的图像被用于更新匹配器模板存储部308和防哄骗模板存储部310。在其它实现方式中,使用分离的登记过程来更新匹配器模板存储部308和防哄骗模板存储部310。因此,给定的登记图像可以用于更新匹配器模板存储部308和防哄骗模板存储部310中的仅一个或两个。然而,如所描述的那样,其它实施例不存储任何防哄骗模板,并且哄骗/非哄骗判定仅基于输入图像。
在一些实施例中,如果匹配器304在匹配器模板存储部308中未找到匹配,则匹配器304采取适当的动作,诸如例如拒绝到移动设备的进入。如果匹配器304找到匹配,则哄骗检测模块306被配置成确定输入图像是否是活的手指的哄骗,即,图像是真实活的手指的哄骗还是其它基于非真皮的材料(诸如明胶或木胶)的哄骗。
在一些实施例中,哄骗检测模块306作为匹配器304的部分被执行。在其它实施例中,哄骗检测模块306与匹配器304分离地执行。
在一些实施例中,哄骗检测模块306在匹配器304找到肯定匹配之后执行。在其它实施例中,哄骗检测模块306在匹配器304进行匹配/非匹配判定之前执行。在另外的实施例中,哄骗检测模块306和匹配器304并行执行。
如本文中更具体地描述的那样,哄骗检测模块306被配置成使用本地二进制模式(LBP)来分析输入图像(例如,指纹图像)以计算一个或多个哄骗检测计量。一个或多个哄骗检测计量被传递到进行防哄骗判定的分类器。
另外,在一些实现方式中,匹配器的匹配/非匹配判定由与匹配器相关联的分类器进行,所述分类器是进行哄骗/非哄骗判定的相同分类器。在其它实施例中,匹配/非匹配判定由与进行哄骗/非哄骗判定的分类器不同的分类器进行。
如本文中更详细地描述的那样,哄骗检测模块306从匹配器304接收对准信息,并且使用对准信息来协助进行哄骗判定。
图4A图示了根据一个实施例的由传感器捕获的示例输入图像。如所示出的那样,输入图像是示出指纹的各种脊和谷的指纹图像。输入图像被传递到匹配器(诸如图3中的匹配器304),以进行匹配/非匹配判定。如所描述的那样,匹配过程的部分是要确定输入图像的对准。
图4B图示了根据一个实施例的通过对准变换来变换的示例输入图像。如所示出的那样,图4B中的输入图像在两个维度上平移并且相对于图4A中的输入图像旋转。变换T可以由T =(Tx,Ty,θ)表示,其中Tx是在水平方向上的平移,Ty是在垂直方向上的平移,并且θ是旋转。在一个实施例中,将变换应用于输入图像以将输入图像与登记图像对准。在一个实施例中,变换被应用于输入图像(即,验证图像),而不是登记图像,这是因为防哄骗模块可能不能访问登记图像本身。然而,在其它实施例中,可将变换应用于登记图像以将登记图像与输入图像对准。如图4B中所示出的那样,对准的输入图像包括重叠区402和非重叠区404。可以在重叠区402和非重叠区404中识别防哄骗特征。重叠区402中的防哄骗特征可以由分类器与非重叠区404中的防哄骗特征不同地加权。例如,第一权重可以被分配给重叠区402中的防哄骗特征,并且第二权重可以被分配给非重叠区404中的防哄骗特征。在一些实施例中,在不参考对应登记图像中找到的防哄骗特征的情况下提取防哄骗特征。在其它实施例中,基于在对应的登记图像中找到的防哄骗特征的差异来提取防哄骗特征。
图4C图示了根据一个实施例的通过对准变换和逆对准变换来变换的示例输入图像。在一个实现方式中,防哄骗模块接收对准变换以应用于导致最佳匹配对准的输入图像(即,参见图4B)。然后可以使用逆对准变换将输入图像变换回到原始位置(即,参见图4C)。以此方式,将输入图像恢复回到其原始坐标系。然后使用原始输入图像坐标系从重叠和非重叠部分中的输入图像提取防哄骗特征。
在其它实施例中,匹配器可以将掩码或掩码坐标直接传递到防哄骗模块,所述防哄骗模块识别输入图像的哪些部分与登记图像重叠;而不是匹配器将变换提供给防哄骗模块以应用到输入图像。例如,形成图4C中的非重叠区404的白色部分的坐标可以作为掩码被传递到防哄骗模块。在这种实现方式中,输入图像的对准已经在输入图像的原始坐标系中,并且因此防哄骗模块不需要执行任何变换或逆变换。
图5是图示根据实施例的用于基于匹配器对准信息来计算一个或多个哄骗检测计量的方法步骤的流程图。在一个实施例中,图5中所图示的方法对应于图2中的步骤204。
如图5中所示出的那样,在步骤500,处理器接收生物计量的输入图像(例如,在图2中的步骤202捕获的图像)。在一个实现方式中,输入图像是指纹的图像。
在步骤502,处理器执行匹配器以将输入图像与一个或多个登记图像进行比较。如所描述的那样,可以使用许多不同的技术来执行匹配器。
在步骤504,处理器执行API (应用编程接口)以从匹配器取得对准信息。在一个实施例中,对准信息包括与输入图像到存储的登记图像的最强对准相关联的变换T。变换T可以由T=( Tx,Ty,θ)表示。在其它实施例中,对准信息包括与输入图像到n个登记图像的前n个最强对准相关联的多个变换Tn。在另外的实施例中,对准信息包括指示输入图像的哪些部分与具有最强对准的登记图像重叠的掩码或坐标信息。在又一些实施例中,对准信息包括指示输入图像的哪些部分与具有n个最强对准的n个登记图像重叠的多个(即,n个)掩码或坐标信息。在一些情况下,对准可能不能从匹配器得到,诸如当匹配器未能找到匹配时。在这种情况下,当匹配器未能找到匹配时,方法在步骤504终止,这是因为不需要检查防哄骗。可替换地,在匹配器未能找到匹配的情况下,整个输入图像可以被认为是与登记图像的非重叠区。
在步骤506,处理器可选地计算逆变换以计算输入图像在登记图像上的重叠。步骤506仅在其中对准信息包括要应用于输入图像以将输入图像与一个或多个登记图像对准的一个或多个变换的实施例中执行的意义上是可选的。在其中对准信息包括掩码或坐标信息的实施例中,省略步骤506。
在步骤508,处理器提取重叠区中的特征并且提取输入图像的非重叠区中的特征。在一个实现方式中,所提取特征可包括重叠区中的多个关键点、重叠区中的多个细节或重叠区中的多个关键点和多个细节。所提取特征可以还包括非重叠区中的多个关键点、非重叠区中的多个细节或非重叠区中的多个关键点和多个细节。在一个实现方式中,关键点是指纹图像中的任何感兴趣的点。在其它实施例中,可以从重叠区和非重叠区提取各种特征。另外,在一些实施例中,仅从重叠区和非重叠区中的一个提取特征,而不从另一个提取特征。
在一些实施例中,在不参考在登记图像的对应部分中找到什么防哄骗特征的情况下,从重叠区和非重叠区提取防哄骗特征。在其它实施例中,基于在登记图像的对应部分中找到的防哄骗特征的差异,从重叠区和非重叠区提取防哄骗特征,如下文更详细地描述的那样。
在步骤510,处理器将在步骤508提取的特征输入到分类器。在步骤512,处理器执行分类器以进行哄骗判定。分类器被配置成进行关于输入图像是真实手指的图像还是哄骗手指的图像(即,真实手指的复制品)的哄骗判定。分类器可被实现为神经网络,但任何分类器都在本公开的范围内。分类器本身可使用机器学习方法来开发,其中创建训练集和测试集以训练和生效分类器性能。
另外,在涉及差异图像的实施例中,可选地执行框550中的步骤。在步骤552,处理器从输入图像提取防哄骗特征。在一个实施例中,处理器直接从输入图像提取防哄骗特征。在其它实施例中,处理器基于来自匹配器的对准信息来提取防哄骗特征。
在一个实施例中,步骤552基于从匹配器接收的匹配器对准信息,并且考虑哪些防哄骗特征在重叠区和非重叠区中。在其它实施例中,步骤552不基于匹配器对准信息。
在步骤554,处理器基于将从输入图像所提取的防哄骗特征与防哄骗登记模板556中的对应的防哄骗特征进行比较来计算差异特征。如所描述的那样,一些实施例涉及防哄骗模块计算防哄骗登记模板,所述防哄骗登记模板包括从针对给定生物计量的登记图像导出的防哄骗计量。在这些实施例中,处理器可以计算输入图像中的给定防哄骗计量的值与防哄骗模板310中的给定防哄骗计量的对应值之间的差值(或“差异”值)。
在步骤558,对差异特征进行加权,并且可将其与其它防哄骗特征组合并传递到分类器。在另一实现方式中,差异特征被传递到对差异特征进行加权的分类器。防哄骗登记模板556还可以可选地更新。
在不涉及防哄骗登记模板的实施例中,可以省略框550中的步骤。
另外,在一些实现方式中,也可将与匹配器对准信息无关的其它计量输入到分类器中,并且分类器被配置成基于计量的组合来计算总体活跃度分数。
总而言之,所公开的实施例利用来自匹配器的对准信息并且基于对准信息从输入图像提取防哄骗特征。具体地,本公开的实施例使用来自匹配器的对准信息来识别重叠区和非重叠区,以及然后从分离的区提取防哄骗特征。防哄骗特征被分类为来自重叠区和非重叠区中的一个或多个。防哄骗特征被传递到分类器,所述分类器可以将不同的权重分配给来自重叠区的特征和来自非重叠区的特征。在一个实施例中,当进行哄骗判定时,来自非重叠区的特征被给予较高的权重(例如,这是因为可能存在非重叠的原因是由于输入图像的该部分中的哄骗假象)。使用来自匹配器的对准信息来帮助哄骗检测可以改进哄骗检测的准确性。
尽管本发明在指纹图像感测的上下文中描述了光学对象成像,但所述方法和系统可用于对任何对象成像。
在描述本发明的上下文中(尤其是在以下权利要求的上下文中)对术语“一”和“一个”和“所述”和“至少一个”以及类似指示物的使用是要被解释为覆盖单数和复数二者,除非本文中另外指出或与上下文明显矛盾。对之后是一个或多个项目的列表的术语“至少一个”的使用(例如,“A和B中的至少一个”)是要被解释为意指从所列出的项目( A或B )中选择的一个项目或所列出的项目( A和B )中的两个或更多个的任何组合,除非本文中另外指出或与上下文明显矛盾。除非另有说明,否则术语“包括”、“具有”、“包含”和“含有”是要被解释为开放式术语(即,意味着“包括但不限于”)。除非本文中另外指出,否则本文中值的范围的记载仅仅旨在用作单独地指代落入该范围内的每个分离的值的速记方法,并且每个分离的值被并入本说明书中,就像其在本文中被单独记载一样。在本文中描述的所有方法可以以任何适合的顺序执行,除非本文中另有说明或与上下文明显矛盾。除非另有要求,否则本文中提供的任何和所有示例或示例性语言(例如,“诸如”)的使用仅仅旨在更好地阐明本发明,而不对本发明的范围提出限制。说明书中的语言不应当被解释为指示任何未要求保护的元素对本发明的实践是必要的。
在本文中描述了本发明的优选实施例,包括发明人已知的用于执行本发明的最佳模式。在阅读前面的描述时,那些优选实施例的变型对于本领域的普通技术人员来说是显而易见的。发明人期望技术人员适当地采用这种变型,并且发明人意图以不同于本文中具体描述的方式来实践本发明。因此,本发明包括如由所适用法律所准许的其所附权利要求中记载的主题的所有修改和等同物。此外,上述元素在其所有可能变型中的任何组合被本发明所涵盖,除非在本文中另有指示或与上下文明显矛盾。
Claims (22)
1.一种电子设备,包括:
生物计量传感器;以及
处理器,其配置成:
从所述生物计量传感器接收生物计量的输入图像;
获得将所述输入图像对准到所述生物计量的登记图像的对准信息;
基于将所述输入图像对准到所述登记图像的所述对准信息确定所述输入图像相对于所述登记图像的重叠区和非重叠区;
基于所述重叠区和所述非重叠区中的一个或多个,从所述输入图像提取一个或多个防哄骗特征;以及
基于所述一个或多个防哄骗特征来确定所述输入图像是否是所述生物计量的复制品。
2.根据权利要求1所述的电子设备,其中所述对准信息包括当被应用于所述输入图像时平移和旋转所述输入图像以将所述输入图像与登记图像对准的变换信息。
3.根据权利要求1所述的电子设备,其中所述对准信息包括识别所述重叠区和所述非重叠区的掩码或坐标信息。
4.根据权利要求1所述的电子设备,其中所述一个或多个防哄骗特征包括所述非重叠区中的多个关键点和多个细节中的至少一个。
5.根据权利要求1所述的电子设备,其中所述一个或多个防哄骗特征包括所述重叠区中的多个关键点和多个细节中的至少一个。
6.根据权利要求1所述的电子设备,其中确定所述输入图像是否是所述生物计量的复制品是基于将第一权重应用于来自所述重叠区的所述防哄骗特征以及将第二权重应用于来自所述非重叠区的所述防哄骗特征。
7.根据权利要求6所述的电子设备,其中所述第二权重大于所述第一权重。
8.根据权利要求1所述的电子设备,其中从所述输入图像提取所述一个或多个防哄骗特征是基于所述输入图像的所述重叠区中的防哄骗特征与防哄骗模板的对应部分中的防哄骗特征之间的差异。
9.根据权利要求1所述的电子设备,其中从所述输入图像提取所述一个或多个防哄骗特征是基于所述输入图像的所述非重叠区中的防哄骗特征与防哄骗模板的对应部分中的防哄骗特征之间的差异。
10.根据权利要求1所述的电子设备,其中所述生物计量包括手指的指纹,并且所述复制品包括所述手指的所述指纹的明胶模具、石墨模具或木胶模具。
11.一种用于执行哄骗检测的方法,包括:
由处理器从生物计量传感器接收生物计量的输入图像;
由所述处理器获得将所述输入图像对准到所述生物计量的登记图像的对准信息;
由所述处理器基于将所述输入图像对准到所述登记图像的所述对准信息确定所述输入图像相对于所述登记图像的重叠区和非重叠区;
由所述处理器基于所述重叠区和所述非重叠区中的一个或多个从所述输入图像提取一个或多个防哄骗特征;以及
由所述处理器基于所述一个或多个防哄骗特征来确定所述输入图像是否是所述生物计量的复制品。
12.根据权利要求11所述的方法,其中所述对准信息包括当应用于所述输入图像时平移和旋转所述输入图像以将所述输入图像与登记图像对准的变换信息。
13.根据权利要求11所述的方法,其中所述对准信息包括识别所述重叠区和所述非重叠区的掩码或坐标信息。
14.根据权利要求11所述的方法,其中所述一个或多个防哄骗特征包括所述非重叠区中的多个关键点和多个细节中的至少一个。
15.根据权利要求11所述的方法,其中所述一个或多个防哄骗特征包括所述重叠区中的多个关键点和多个细节中的至少一个。
16.根据权利要求11所述的方法,其中确定所述输入图像是否是所述生物计量的复制品是基于将第一权重应用于来自所述重叠区的所述防哄骗特征以及将第二权重应用于来自所述非重叠区的所述防哄骗特征。
17.根据权利要求16所述的方法,其中所述第二权重大于所述第一权重。
18.根据权利要求11所述的方法,其中从所述输入图像提取所述一个或多个防哄骗特征是基于所述输入图像的所述重叠区中的防哄骗特征与防哄骗模板的对应部分中的防哄骗特征之间的差异。
19.根据权利要求11所述的方法,其中从所述输入图像提取所述一个或多个防哄骗特征是基于所述输入图像的所述非重叠区中的防哄骗特征与防哄骗模板的对应部分中的防哄骗特征之间的差异。
20.根据权利要求11所述的方法,其中所述生物计量包括手指的指纹,并且所述复制品包括所述手指的所述指纹的明胶模具、石墨模具或木胶模具。
21.一种存储指令的非暂时性计算机可读存储介质,所述指令在由处理器执行时使得计算设备通过执行包括以下各项的步骤来执行哄骗检测:
从生物计量传感器接收生物计量的输入图像;
获得将所述输入图像对准到所述生物计量的登记图像的对准信息;
基于将所述输入图像对准到所述登记图像的所述对准信息确定所述输入图像相对于所述登记图像的重叠区和非重叠区;
基于所述重叠区和所述非重叠区中的一个或多个,从所述输入图像提取一个或多个防哄骗特征;以及
基于所述一个或多个防哄骗特征来确定所述输入图像是否是所述生物计量的复制品。
22.根据权利要求21所述的计算机可读存储介质,其中获得将所述输入图像对准到所述登记图像的所述对准信息包括从匹配器模块接收所述对准信息。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662420522P | 2016-11-10 | 2016-11-10 | |
US62/420522 | 2016-11-10 | ||
US15/388,908 US10121054B2 (en) | 2016-11-10 | 2016-12-22 | Systems and methods for improving spoof detection based on matcher alignment information |
US15/388908 | 2016-12-22 | ||
PCT/US2017/061137 WO2018089817A1 (en) | 2016-11-10 | 2017-11-10 | Systems and methods for improving spoof detection based on matcher alignment information |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109906459A CN109906459A (zh) | 2019-06-18 |
CN109906459B true CN109906459B (zh) | 2023-05-23 |
Family
ID=62064009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780069456.5A Active CN109906459B (zh) | 2016-11-10 | 2017-11-10 | 用于基于匹配器对准信息改进哄骗检测的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10121054B2 (zh) |
CN (1) | CN109906459B (zh) |
WO (1) | WO2018089817A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10430638B2 (en) * | 2016-11-10 | 2019-10-01 | Synaptics Incorporated | Systems and methods for spoof detection relative to a template instead of on an absolute scale |
TWI710963B (zh) * | 2019-01-31 | 2020-11-21 | 大陸商北京集創北方科技股份有限公司 | 指紋圖像歸一化方法、指紋圖像歸一化裝置及資訊處理裝置 |
US11657148B2 (en) * | 2019-05-10 | 2023-05-23 | General Electric Company | Event analysis in an electric power system |
CN112651268B (zh) * | 2019-10-11 | 2024-05-28 | 北京眼神智能科技有限公司 | 活体检测中排除黑白照片的方法、装置、电子设备 |
KR20220014441A (ko) | 2020-07-27 | 2022-02-07 | 삼성디스플레이 주식회사 | 지문 인증 장치, 이를 포함하는 표시 장치, 및 지문 인증 방법 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6466686B2 (en) * | 1998-01-07 | 2002-10-15 | International Business Machines Corporation | System and method for transforming fingerprints to improve recognition |
JP3356144B2 (ja) * | 1999-12-08 | 2002-12-09 | 日本電気株式会社 | バイオメトリクスを用いるユーザ認証装置及びそれに用いるユーザ認証方法 |
US6628377B1 (en) * | 2000-04-04 | 2003-09-30 | Stmicroelectronics, Inc. | Scanning optical semiconductor fingerprint detector |
US6895104B2 (en) * | 2001-02-16 | 2005-05-17 | Sac Technologies, Inc. | Image identification system |
US7359553B1 (en) * | 2001-02-16 | 2008-04-15 | Bio-Key International, Inc. | Image identification system |
AU2002318165A1 (en) * | 2001-05-25 | 2002-12-09 | Biometric Informatics Technology, Inc. | Fingerprint recognition system |
US20030123714A1 (en) * | 2001-11-06 | 2003-07-03 | O'gorman Lawrence | Method and system for capturing fingerprints from multiple swipe images |
US7593593B2 (en) * | 2004-06-16 | 2009-09-22 | Microsoft Corporation | Method and system for reducing effects of undesired signals in an infrared imaging system |
US7505613B2 (en) | 2005-07-12 | 2009-03-17 | Atrua Technologies, Inc. | System for and method of securing fingerprint biometric systems against fake-finger spoofing |
EP1988489B1 (en) * | 2007-05-04 | 2021-02-17 | STMicroelectronics (Research & Development) Limited | Biometric sensor apparatus and method |
US8275178B2 (en) * | 2008-06-19 | 2012-09-25 | Authentec, Inc. | Software based method for finger spoof detection and related devices |
JP5277804B2 (ja) * | 2008-09-05 | 2013-08-28 | 富士通株式会社 | 指紋認証装置、指紋認証プログラムおよび指紋認証方法 |
US8442824B2 (en) | 2008-11-26 | 2013-05-14 | Nuance Communications, Inc. | Device, system, and method of liveness detection utilizing voice biometrics |
US9268991B2 (en) | 2012-03-27 | 2016-02-23 | Synaptics Incorporated | Method of and system for enrolling and matching biometric data |
US8396265B1 (en) * | 2012-06-26 | 2013-03-12 | Google Inc. | Facial recognition |
EP2981929B1 (en) | 2013-04-02 | 2018-07-18 | Precise Biometrics AB | Fingerprint pore analysis for liveness detection |
US9036876B2 (en) * | 2013-05-01 | 2015-05-19 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for authenticating biometric data |
US9785818B2 (en) * | 2014-08-11 | 2017-10-10 | Synaptics Incorporated | Systems and methods for image alignment |
WO2016025540A1 (en) * | 2014-08-11 | 2016-02-18 | Synaptics Incorporated | Multi-view fingerprint matching |
WO2016084072A1 (en) * | 2014-11-26 | 2016-06-02 | Isityou Ltd. | Anti-spoofing system and methods useful in conjunction therewith |
US9424458B1 (en) * | 2015-02-06 | 2016-08-23 | Hoyos Labs Ip Ltd. | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices |
CN104881632A (zh) * | 2015-04-28 | 2015-09-02 | 南京邮电大学 | 高光谱人脸识别方法 |
EP3403217A4 (en) * | 2016-01-12 | 2019-08-21 | Princeton Identity, Inc. | SYSTEMS AND METHODS FOR BIOMETRIC ANALYSIS |
-
2016
- 2016-12-22 US US15/388,908 patent/US10121054B2/en active Active
-
2017
- 2017-11-10 CN CN201780069456.5A patent/CN109906459B/zh active Active
- 2017-11-10 WO PCT/US2017/061137 patent/WO2018089817A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2018089817A1 (en) | 2018-05-17 |
CN109906459A (zh) | 2019-06-18 |
US10121054B2 (en) | 2018-11-06 |
US20180129859A1 (en) | 2018-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10068124B2 (en) | Systems and methods for spoof detection based on gradient distribution | |
KR102367761B1 (ko) | 바이오메트릭 인식을 위한 시스템들 및 방법들 | |
US10430638B2 (en) | Systems and methods for spoof detection relative to a template instead of on an absolute scale | |
CN109906459B (zh) | 用于基于匹配器对准信息改进哄骗检测的系统和方法 | |
US11188734B2 (en) | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices | |
US11017204B2 (en) | Systems and methods for spoof detection based on local binary patterns | |
US9646193B2 (en) | Fingerprint authentication using touch sensor data | |
US10013597B2 (en) | Multi-view fingerprint matching | |
US10127429B2 (en) | Systems and methods for spoof detection based on local interest point locations | |
US20170372049A1 (en) | Systems and methods for sequential biometric matching | |
US20180150679A1 (en) | Method and apparatus of fingerprint recognition | |
US10169637B2 (en) | On-screen optical fingerprint capture for user authentication | |
US9646192B2 (en) | Fingerprint localization | |
US10572749B1 (en) | Systems and methods for detecting and managing fingerprint sensor artifacts | |
US20200410200A1 (en) | Sequenced illumination of nearby object with cue marks | |
US10176362B1 (en) | Systems and methods for a gradient-based metric for spoof detection | |
KR20220005960A (ko) | 지문 인증 방법 및 지문 인증 장치 | |
Li et al. | A hybrid biometric system using touch-panel-based finger-vein identification and deformable-registration-based face identification |
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 |