CN109977915B - 基于最小签名的可撤销掌纹特征生成方法及系统 - Google Patents

基于最小签名的可撤销掌纹特征生成方法及系统 Download PDF

Info

Publication number
CN109977915B
CN109977915B CN201910278262.7A CN201910278262A CN109977915B CN 109977915 B CN109977915 B CN 109977915B CN 201910278262 A CN201910278262 A CN 201910278262A CN 109977915 B CN109977915 B CN 109977915B
Authority
CN
China
Prior art keywords
palm print
matrix
revocable
signature
roi
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.)
Expired - Fee Related
Application number
CN201910278262.7A
Other languages
English (en)
Other versions
CN109977915A (zh
Inventor
李恒建
王玺玉
邱建
于长志
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.)
University of Jinan
Original Assignee
University of Jinan
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 University of Jinan filed Critical University of Jinan
Priority to CN201910278262.7A priority Critical patent/CN109977915B/zh
Publication of CN109977915A publication Critical patent/CN109977915A/zh
Application granted granted Critical
Publication of CN109977915B publication Critical patent/CN109977915B/zh
Expired - Fee Related 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请公开了一种基于最小签名的可撤销掌纹特征生成方法及系统，获取原始掌纹图像并提取原始掌纹图像中的掌纹感兴趣区域ROI并提取掌纹ROI的正交特征；随机生成一个混沌矩阵作为秘钥，将混沌矩阵与正交矩阵异或计算获得初始特征矩阵；随机生成多个哈希函数以生成第一签名矩阵，根据哈希函数对初始特征矩阵进行扫描计算，并且用最小值替换签名矩阵中的最大值，获得第二签名矩阵，第二签名矩阵作为可撤销掌纹特征。最后利用哈希函数的不可逆性对初始特征矩阵进行扫描计算，产生最终的最小哈希签名矩阵作为最终的可撤销掌纹特征。对掌纹生物特征的安全性和隐私性进行有效的保护，并且能够在保证识别率的情况下，提高安全性和隐私性。

Description

基于最小签名的可撤销掌纹特征生成方法及系统
技术领域
本申请涉及掌纹识别技术领域，具体涉及一种基于最小签名的可撤销掌纹特征生成方法及系统。
背景技术
随着人们安全意识的增强，传统的基于钥匙、身份证、口令等验证方式已不能满足人们安全的需求，并且传统的身份认证方式存在着容易丢失、遗忘、被盗等风险。随着信息技术的发展，目前最为便捷与安全的认证方式就是生物特征识别，目前被广泛应用的识别方式有人脸识别、指纹识别、虹膜识别与掌纹识别等。掌纹识别相对于其它几种生物特征识别方式存在着采集设备低廉、不容易受到光照的影响并且掌纹中含有丰富的特征能够被用来识别。
虽然生物特征识别已经在很多全国性的大型项目中得到广泛的推广。但是生物特征识别作为一种识别和认证手段，必须满足可撤销性。因为生物特征数目有限，并且存在唯一性与终身不变性，直接采集存储原始的生物特征，一旦数据库被盗会造成生物特征的永久丢失，此外生物特征中还包含着一些隐私。掌纹特征和其它生物特征一样也存在上述问题，人只有两个手掌，并且不会随着年龄的改变而改变，掌纹特征还包含一些基因隐私信息，因此如何实现掌纹特征识别的可撤销是一个亟待解决的问题。
发明内容
本申请为了解决上述技术问题，提出了如下技术方案：
第一方面，本申请实施例提供了一种基于最小签名的可撤销掌纹特征生成方法，所述方法包括：获取原始掌纹图像并提取所述原始掌纹图像中的掌纹感兴趣区域ROI并提取所述掌纹ROI的正交特征，所述ROI对应的掌纹特征信息用于生成安全可撤销的掌纹特征信息；随机生成一个混沌矩阵作为秘钥，将所述混沌矩阵与所述正交矩阵异或计算获得初始特征矩阵；随机生成多个哈希函数以生成第一签名矩阵sig(i,c)，所述第一签名矩阵sig(i,c)初始值均为无穷大，其中：i为生成的第i个哈希函数，c为所述初始特征矩阵的第c列；根据所述哈希函数对所述初始特征矩阵进行扫描计算，并且用最小值替换所述签名矩阵中的最大值，获得第二签名矩阵，所述第二签名矩阵作为可撤销掌纹特征。
采用上述实现方式，首先提取掌纹的正交特征，然后为了实现一层安全性及掌纹特征的可撤销性，利用混沌矩阵异或上正交特征形成初始特征矩阵，最后利用哈希函数的不可逆性对初始特征矩阵进行扫描计算，产生最终的最小哈希签名矩阵作为最终的可撤销掌纹特征。本申请能对掌纹生物特征的安全性和隐私性进行有效的保护，并且能够在保证识别率的情况下，提高安全性和隐私性。
结合第一方面，在第一方面第一种可能的实现方式中，所述获取原始掌纹图像并提取所述原始掌纹图像中的掌纹感兴趣区域ROI并提取所述掌纹 ROI的正交特征，包括：确定获取所述正交滤波器的高斯滤波器，所述高斯滤波器为：G(u,v)＝(4u2-2)exp(-(u2+v2))，其中，平面坐标(u,v)为：
Figure RE-GDA0002042742670000021
其中：(x0，y0)为高斯滤波器的中心，θ为高斯滤波器的方向，α和β分别为所述高斯滤波器沿x轴和y轴的缩放因子；确定所述正交滤波器
Figure RE-GDA0002042742670000022
根据所述正交滤波器获得所述掌纹ROI的正交特征F(x,y)＝I(x,y)*OF(θ)，所述I(x,y) 为所述掌纹ROI，“*”为卷积运算。
结合第一方面，在第一方面第二种可能的实现方式中，所述将所述混沌矩阵与所述正交矩阵异或计算获得初始特征矩阵，包括：确定混沌矩阵
Figure RE-GDA0002042742670000031
其中，
Figure RE-GDA0002042742670000032
x∈[0,1]；根据所述混沌矩阵与所述正交特征逐值比对获得所述初始特征矩阵，所述比对的比对规则为：
Figure RE-GDA0002042742670000033
其中：F'为形成的初始特征矩阵。
结合第一方面，在第一方面第三种可能的实现方式中，所述哈希函数包括：第一哈希函数h1(x)＝mod(round(1000×O(0.8289,0.2)),32)和第二哈希函数h2(x)＝mod(179×(x-1)+1,32)。
结合第一方面或第一方面第一至三种任一可能的实现方式，在第一方面第四种可能的实现方式中，认证识别时，将采集的掌纹图像获取相同掌纹ROI 对应的可撤销掌纹特征；根据获取的所述可撤销掌纹特征与预先存储在数据库中的所述可撤销掌纹特征进行距离匹配识别，确定所述掌纹图像的合法性。
结合第一方面或第一方面第一至三种任一可能的实现方式，在第一方面第五种可能的实现方式中，所述距离匹配识别公式为：
Figure RE-GDA0002042742670000034
其中A和B为满足预设条件的集合。
第二方面，本申请实施例提供了一种基于最小签名的可撤销掌纹特征生成系系统，所述系统包括：获取模块，用于获取原始掌纹图像并提取所述原始掌纹图像中的掌纹感兴趣区域ROI并提取所述掌纹ROI的正交特征，所述 ROI对应的掌纹特征信息用于生成安全可撤销的掌纹特征信息；第一随机生成模块，用于随机生成一个混沌矩阵作为秘钥，将所述混沌矩阵与所述正交矩阵异或计算获得初始特征矩阵；第二随机生成模块，用于随机生成多个哈希函数以生成第一签名矩阵sig(i,c)，所述第一签名矩阵sig(i,c)初始值均为无穷大，其中：i为生成的第i个哈希函数，c为所述初始特征矩阵的第c列；确定模块，用于根据所述哈希函数对所述初始特征矩阵进行扫描计算，并且用最小值替换所述签名矩阵中的最大值，获得第二签名矩阵，所述第二签名矩阵作为可撤销掌纹特征。
结合第二方面，在第二方面第一种可能的实现方式中，所述获取模块包括：第一确定单元，用于确定获取所述正交滤波器的高斯滤波器，所述高斯滤波器为：G(u,v)＝(4u2-2)exp(-(u2+v2))，其中，平面坐标(u,v)为：
Figure RE-GDA0002042742670000041
其中：(x0，y0)为高斯滤波器的中心，θ为高斯滤波器的方向，α和β分别为所述高斯滤波器沿x轴和y轴的缩放因子；第二确定单元，用于确定所述正交滤波器
Figure RE-GDA0002042742670000042
Figure RE-GDA0002042742670000043
第一获取单元，用于根据所述正交滤波器获得所述掌纹ROI 的正交特征F(x,y)＝I(x,y)*OF(θ)，所述I(x,y)为所述掌纹ROI，“*”为卷积运算。
结合第二方面，在第二方面第二种可能的实现方式中，所述第一随机生成模块，包括：第三确定单元，用于确定混沌矩阵
Figure RE-GDA0002042742670000044
其中，
Figure RE-GDA0002042742670000045
x∈[0,1]；第二获取单元，用于根据所述混沌矩阵与所述正交特征逐值比对获得所述初始特征矩阵，所述比对的比对规则为：
Figure RE-GDA0002042742670000046
其中：F'为形成的初始特征矩阵。
结合第二方面或第二方面第一至二种任一可能的实现方式，在第二方面第三种可能的实现方式中，还包括：校验模块，用于在认证识别时，将采集的掌纹图像获取相同掌纹ROI对应的可撤销掌纹特征；根据获取的所述可撤销掌纹特征与预先存储在数据库中的所述可撤销掌纹特征进行距离匹配识别，确定所述掌纹图像的合法性。
附图说明
图1为本申请实施例提供的一种基于最小签名的可撤销掌纹特征生成方法的流程示意图；
图2为本申请实施例提供的一种基于最小签名的可撤销掌纹特征生成方法生成的可撤销掌纹特征的识别准确率示意图
图3为本申请实施例提供的一种基于最小签名的可撤销掌纹特征生成系系统的结构示意图。
具体实施方式
下面结合附图与具体实施方式对本方案进行阐述。
图1为本申请实施例提供的一种基于最小签名的可撤销掌纹特征生成方法，参见图1，所述方法包括：
S101，获取原始掌纹图像并提取所述原始掌纹图像中的掌纹感兴趣区域 ROI并提取所述掌纹ROI的正交特征，所述ROI对应的掌纹特征信息用于生成安全可撤销的掌纹特征信息。
对于一个原始掌纹图像可以采集多个掌纹ROI，对每个掌纹ROI提取其正交特征，具体来说，按照如下方式进行：
确定获取所述正交滤波器的高斯滤波器，所述高斯滤波器为： G(u,v)＝(4u2-2)exp(-(u2+v2)),其中，平面坐标(u,v)为：
Figure RE-GDA0002042742670000061
Figure RE-GDA0002042742670000062
其中：(x0，y0)为高斯滤波器的中心，θ为高斯滤波器的方向，α和β分别为所述高斯滤波器沿x轴和y轴的缩放因子。确定所述正交滤波器
Figure RE-GDA0002042742670000063
根据所述正交滤波器获得所述掌纹ROI的正交特征F(X，y)＝I(X，y)*OF(θ)，所述I(x,y)为所述掌纹ROI，“*”为卷积运算。
S102，随机生成一个混沌矩阵作为秘钥，将所述混沌矩阵与所述正交矩阵异或计算获得初始特征矩阵。
为了实现一层安全性及掌纹特征的可撤销性，首先确定混沌矩阵
Figure RE-GDA0002042742670000064
其中，
Figure RE-GDA0002042742670000065
x∈[0,1]。根据所述混沌矩阵与所述正交特征逐值比对获得所述初始特征矩阵，所述比对的比对规则为：
Figure RE-GDA0002042742670000066
其中：F'为形成的初始特征矩阵。
S103，随机生成多个哈希函数以生成第一签名矩阵sig(i,c)，所述第一签名矩阵sig(i,c)初始值均为无穷大，其中：i为生成的第i个哈希函数，c为所述初始特征矩阵的第c列。
首先遍历初始矩阵的所有行向量，然后计算该行向量所在的列为1处的两个哈希函数的值，即计算哈希函数h1(x)及h2(x)在该处的值，然后对比原始最小哈希签名矩阵中的该列对应的两个值，如果原始最小哈希签名矩阵中的该列对应的两个值比新产生的两个哈希函数都小，则该最小哈希签名矩阵不更新，若原始最小哈希签名矩阵中的该列对应的两个值比新产生的两个哈希函数都大，则该最小哈希签名矩阵中该列立马更新成值较小的新产生的哈希函数的值，然后一直循环遍历完所有的行向量，则最小哈希签名矩阵更新停止。
一个示意性实施例例，所述哈希函数包括：第一哈希函数h1(x)＝ mod(round(1000×O(0.8289,0.2)),32)和第二哈希函数h2(x)＝mod(179× (x-1)+1，32)。生成的第一签名矩阵sig(i,c)初始大小为2×n，其中n的大小由初始特征矩阵的列数决定。
S104，根据所述哈希函数对所述初始特征矩阵进行扫描计算，并且用最小值替换所述签名矩阵中的最大值，获得第二签名矩阵，所述第二签名矩阵作为可撤销掌纹特征。
确定所述第二签名矩阵后，将第二签名矩阵存储到数据库。进行认证识别时，将采集的掌纹图像获取相同掌纹ROI对应的可撤销掌纹特征；根据获取的所述可撤销掌纹特征与预先存储在数据库中的所述可撤销掌纹特征进行距离匹配识别，确定所述掌纹图像的合法性。所述距离匹配识别公式为：
Figure RE-GDA0002042742670000071
其中A和B为满足预设条件的集合,在这里是指两个可撤销掌纹特征。在运用上述距离匹配识别时，通过设置特定的阈值，将带识别的掌纹提取其可撤销掌纹特征然后与数据库中的可撤销掌纹特征进行匹配识别若得到的匹配距离达到或者超过该阈值，则识别被拒绝，即识别认证不通过。若部分或者全部距离小于该阈值，则在识别通过的基础上判断出待识别者属于距离最小的一类，则表明认证通过。
本申请实施例还进行了仿真实验，仿真实验是利用现有技术中公开的掌纹数据库进行的。该数据库中共包含600张大小为384×284的掌纹图像，采自于100个人，每人6张。每个人的6张掌纹图像采自于两个不同的时期，时间间隔大约是两个月。
在实验中，提取的正交特征的大小为32×96。在实验中同一个人的同一手掌的图像进行匹配为类内匹配，不用人之间或者同一人的不同手掌之间进行匹配为类间匹配。实验总共进行了179700次匹配，其中1500次为类内匹配，178200次为类间匹配。在具体实验时，对提取的正交特征分成大小相等的三块进行处理，每块的大小为32×32，对于每一个特征块，都经过哈希函数变换成一个最小签名矩阵，然后对每个特征块进行转置，每个特征块再次产生一个最小哈希签名矩阵，总共产生6个哈希签名矩阵，然后分别与数据库中的特征进行距离匹配，使用最终融合的距离进行识别。
如图3所示，从图中可以看出采用本申请实施例中的方法，当错误接受率为10-2％时正确接收率为96.08％，当错误接受率为10-1％时正确接收率为 98.07％，得到了很好的识别效果。
由上述实施例可知，本实施例提供了一种基于最小签名的可撤销掌纹特征生成方法，获取原始掌纹图像并提取原始掌纹图像中的掌纹感兴趣区域ROI 并提取掌纹ROI的正交特征；随机生成一个混沌矩阵作为秘钥，将混沌矩阵与正交矩阵异或计算获得初始特征矩阵；随机生成多个哈希函数以生成第一签名矩阵，根据哈希函数对初始特征矩阵进行扫描计算，并且用最小值替换签名矩阵中的最大值，获得第二签名矩阵，第二签名矩阵作为可撤销掌纹特征。最后利用哈希函数的不可逆性对初始特征矩阵进行扫描计算，产生最终的最小哈希签名矩阵作为最终的可撤销掌纹特征。对掌纹生物特征的安全性和隐私性进行有效的保护，并且能够在保证识别率的情况下，提高安全性和隐私性。
与上述实施例提供的一种基于最小签名的可撤销掌纹特征生成方法相对应，本申请还提供了一种基于最小签名的可撤销掌纹特征生成系统的实施例。参见图3，基于最小签名的可撤销掌纹特征生成系统20包括：获取模块201、第一随机生成模块202、第二随机生成模块203和确定模块204。
所述获取模块201，用于获取原始掌纹图像并提取所述原始掌纹图像中的掌纹感兴趣区域ROI并提取所述掌纹ROI的正交特征，所述ROI对应的掌纹特征信息用于生成安全可撤销的掌纹特征信息。所述第一随机生成模块202，用于随机生成一个混沌矩阵作为秘钥，将所述混沌矩阵与所述正交矩阵异或计算获得初始特征矩阵；所述第二随机生成模块203，用于随机生成多个哈希函数以生成第一签名矩阵sig(i,c)，所述第一签名矩阵sig(i,c)初始值均为无穷大，其中：i为生成的第i个哈希函数，c为所述初始特征矩阵的第c列。所述确定模块204，用于根据所述哈希函数对所述初始特征矩阵进行扫描计算，并且用最小值替换所述签名矩阵中的最大值，获得第二签名矩阵，所述第二签名矩阵作为可撤销掌纹特征。
进一步地，所述获取模块包括：第一确定单元、第二确定单元和第一获取单元。
第一确定单元，用于确定获取所述正交滤波器的高斯滤波器，所述高斯滤波器为：G(u,v)＝(4u2-2)exp(-(u2+v2)),其中，平面坐标(u,v)为：
Figure RE-GDA0002042742670000091
其中：(x0，y0)为高斯滤波器的中心，θ为高斯滤波器的方向，α和β分别为所述高斯滤波器沿x轴和y轴的缩放因子。第二确定单元，用于确定所述正交滤波器
Figure RE-GDA0002042742670000092
Figure RE-GDA0002042742670000101
第一获取单元，用于根据所述正交滤波器获得所述掌纹ROI 的正交特征F(x，y)＝I(x，y)*OF(θ)，所述I(x，y)为所述掌纹ROI，“*”为卷积运算。
所述第一随机生成模块202，包括：第三确定单元和第二获取单元。
第三确定单元，用于确定混沌矩阵
Figure RE-GDA0002042742670000102
其中，
Figure RE-GDA0002042742670000103
x∈[0，1]。第二获取单元，用于根据所述混沌矩阵与所述正交特征逐值比对获得所述初始特征矩阵，所述比对的比对规则为：
Figure RE-GDA0002042742670000104
其中：F′为形成的初始特征矩阵。
本实施例中，所述哈希函数包括：第一哈希函数 h1(x)＝mod(round(1000×O(0.8289，0.2))，32)和第二哈希函数h2(x)＝ mod(179×(x-1)+1，32)。
所述基于最小签名的可撤销掌纹特征生成系统20还包括：校验模块，用于在认证识别时，将采集的掌纹图像获取相同掌纹ROI对应的可撤销掌纹特征；根据获取的所述可撤销掌纹特征与预先存储在数据库中的所述可撤销掌纹特征进行距离匹配识别，确定所述掌纹图像的合法性。具体地，所述距离匹配识别公式为：
Figure RE-GDA0002042742670000105
其中A和B为满足预设条件的集合。
本申请说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于系统实施例而言，由于其中的方法基本相似于方法的实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
当然，上述说明也并不仅限于上述举例，本申请未经描述的技术特征可以通过或采用现有技术实现，在此不再赘述；以上实施例及附图仅用于说明本申请的技术方案并非是对本申请的限制，如来替代，本申请仅结合并参照优选的实施方式进行了详细说明，本领域的普通技术人员应当理解，本技术领域的普通技术人员在本申请的实质范围内所做出的变化、改型、添加或替换都不脱离本申请的宗旨，也应属于本申请的权利要求保护范围。

Claims (10)

1.一种基于最小签名的可撤销掌纹特征生成方法，其特征在于，所述方法包括：
获取原始掌纹图像并提取所述原始掌纹图像中的掌纹感兴趣区域ROI并提取所述掌纹ROI的正交特征，所述ROI对应的掌纹特征信息用于生成安全可撤销的掌纹特征信息；
随机生成一个混沌矩阵作为秘钥，将所述混沌矩阵与所述正交矩阵异或计算获得初始特征矩阵；
随机生成多个哈希函数以生成第一签名矩阵sig(i,c)，所述第一签名矩阵sig(i,c)初始值均为无穷大，其中：i为生成的第i个哈希函数，c为所述初始特征矩阵的第c列；
根据所述哈希函数对所述初始特征矩阵进行扫描计算，并且用最小值替换所述签名矩阵中的最大值，获得第二签名矩阵，所述第二签名矩阵作为可撤销掌纹特征。
2.根据权利要求1所述的基于最小签名的可撤销掌纹特征生成方法，其特征在于，所述获取原始掌纹图像并提取所述原始掌纹图像中的掌纹感兴趣区域ROI并提取所述掌纹ROI的正交特征，包括：
确定获取所述正交滤波器的高斯滤波器，所述高斯滤波器为：G(u,v)＝(4u2-2)exp(-(u2+v2))，其中，平面坐标(u,v)为：
Figure FDA0002020786120000011
Figure FDA0002020786120000012
其中：(x0，y0)为高斯滤波器的中心，θ为高斯滤波器的方向，α和β分别为所述高斯滤波器沿x轴和y轴的缩放因子；
确定所述正交滤波器
Figure FDA0002020786120000013
根据所述正交滤波器获得所述掌纹ROI的正交特征F(x,y)＝I(x,y)*OF(θ)，所述I(x,y)为所述掌纹ROI，“*”为卷积运算。
3.根据权利要求1所述的基于最小签名的可撤销掌纹特征生成方法，其特征在于，所述将所述混沌矩阵与所述正交矩阵异或计算获得初始特征矩阵，包括：
确定混沌矩阵
Figure FDA0002020786120000021
其中，
Figure FDA0002020786120000022
x∈[0,1]；
根据所述混沌矩阵与所述正交特征逐值比对获得所述初始特征矩阵，所述比对的比对规则为：
Figure FDA0002020786120000023
其中：F'为形成的初始特征矩阵。
4.根据权利要求1所述的基于最小签名的可撤销掌纹特征生成方法，其特征在于，所述哈希函数包括：第一哈希函数h1(x)＝mod(round(1000×O(0.8289,0.2)),32)和第二哈希函数h2(x)＝mod(179×(x-1)+1,32)。
5.根据权利要求1-4任一项所述的基于最小签名的可撤销掌纹特征生成方法，其特征在于，还包括：认证识别时，将采集的掌纹图像获取相同掌纹ROI对应的可撤销掌纹特征；
根据获取的所述可撤销掌纹特征与预先存储在数据库中的所述可撤销掌纹特征进行距离匹配识别，确定所述掌纹图像的合法性。
6.根据权利要求5所述的基于最小签名的可撤销掌纹特征生成方法，其特征在于，所述距离匹配识别公式为：
Figure FDA0002020786120000024
其中A和B为满足预设条件的集合。
7.一种基于最小签名的可撤销掌纹特征生成系系统，其特征在于，所述系统包括：
获取模块，用于获取原始掌纹图像并提取所述原始掌纹图像中的掌纹感兴趣区域ROI并提取所述掌纹ROI的正交特征，所述ROI对应的掌纹特征信息用于生成安全可撤销的掌纹特征信息；
第一随机生成模块，用于随机生成一个混沌矩阵作为秘钥，将所述混沌矩阵与所述正交矩阵异或计算获得初始特征矩阵；
第二随机生成模块，用于随机生成多个哈希函数以生成第一签名矩阵sig(i,c)，所述第一签名矩阵sig(i,c)初始值均为无穷大，其中：i为生成的第i个哈希函数，c为所述初始特征矩阵的第c列；
确定模块，用于根据所述哈希函数对所述初始特征矩阵进行扫描计算，并且用最小值替换所述签名矩阵中的最大值，获得第二签名矩阵，所述第二签名矩阵作为可撤销掌纹特征。
8.根据权利要求7所述的基于最小签名的可撤销掌纹特征生成系系统，其特征在于，所述获取模块包括：
第一确定单元，用于确定获取所述正交滤波器的高斯滤波器，所述高斯滤波器为：G(u,v)＝(4u2-2)exp(-(u2+v2))，其中，平面坐标(u,v)为：
Figure FDA0002020786120000031
其中：(x0，y0)为高斯滤波器的中心，θ为高斯滤波器的方向，α和β分别为所述高斯滤波器沿x轴和y轴的缩放因子；
第二确定单元，用于确定所述正交滤波器
Figure FDA0002020786120000032
Figure FDA0002020786120000033
第一获取单元，用于根据所述正交滤波器获得所述掌纹ROI的正交特征F(x,y)＝I(x,y)*OF(θ)，所述I(x,y)为所述掌纹ROI，“*”为卷积运算。
9.根据权利要求7所述的基于最小签名的可撤销掌纹特征生成系系统，其特征在于，所述第一随机生成模块，包括：
第三确定单元，用于确定混沌矩阵
Figure FDA0002020786120000041
其中，
Figure FDA0002020786120000042
x∈[0,1]；
第二获取单元，用于根据所述混沌矩阵与所述正交特征逐值比对获得所述初始特征矩阵，所述比对的比对规则为：
Figure FDA0002020786120000043
其中：F'为形成的初始特征矩阵。
10.根据权利要求7-9任一项所述的基于最小签名的可撤销掌纹特征生成系系统，其特征在于，还包括：校验模块，用于在认证识别时，将采集的掌纹图像获取相同掌纹ROI对应的可撤销掌纹特征；根据获取的所述可撤销掌纹特征与预先存储在数据库中的所述可撤销掌纹特征进行距离匹配识别，确定所述掌纹图像的合法性。
CN201910278262.7A 2019-04-09 2019-04-09 基于最小签名的可撤销掌纹特征生成方法及系统 Expired - Fee Related CN109977915B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910278262.7A CN109977915B (zh) 2019-04-09 2019-04-09 基于最小签名的可撤销掌纹特征生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910278262.7A CN109977915B (zh) 2019-04-09 2019-04-09 基于最小签名的可撤销掌纹特征生成方法及系统

Publications (2)

Publication Number Publication Date
CN109977915A CN109977915A (zh) 2019-07-05
CN109977915B true CN109977915B (zh) 2022-11-08

Family

ID=67083579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910278262.7A Expired - Fee Related CN109977915B (zh) 2019-04-09 2019-04-09 基于最小签名的可撤销掌纹特征生成方法及系统

Country Status (1)

Country Link
CN (1) CN109977915B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516425B (zh) * 2019-08-21 2022-03-01 济南大学 一种秘密共享方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107958211A (zh) * 2017-11-20 2018-04-24 济南大学 一种基于矩阵转化的掌纹识别方法
CN108960003A (zh) * 2017-05-18 2018-12-07 济南大学 基于Gabor和混沌映射的掌纹特征生成及认证方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8229178B2 (en) * 2008-08-19 2012-07-24 The Hong Kong Polytechnic University Method and apparatus for personal identification using palmprint and palm vein

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960003A (zh) * 2017-05-18 2018-12-07 济南大学 基于Gabor和混沌映射的掌纹特征生成及认证方法
CN107958211A (zh) * 2017-11-20 2018-04-24 济南大学 一种基于矩阵转化的掌纹识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
随机比较Gabor滤波的可撤销掌纹识别算法;焦阳等;《科技通报》;20181130(第11期);全文 *

Also Published As

Publication number Publication date
CN109977915A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
Lee et al. Biometric key binding: Fuzzy vault based on iris images
Yang et al. A delaunay triangle-based fuzzy extractor for fingerprint authentication
Nagar et al. On the security of non-invertible fingerprint template transforms
Yanikoglu et al. Combining multiple biometrics to protect privacy
US9690972B1 (en) Method and apparatus for fingerprint encoding, identification and authentication
Ali et al. Enhanced fingerprint shell
Anzaku et al. Multi-factor authentication using fingerprints and user-specific random projection
CN109977915B (zh) 基于最小签名的可撤销掌纹特征生成方法及系统
CN108960003A (zh) 基于Gabor和混沌映射的掌纹特征生成及认证方法
Lahmidi et al. Fingerprint template protection using irreversible minutiae tetrahedrons
CN110516425B (zh) 一种秘密共享方法及系统
Kamble et al. Fingerprint Verification of ATM Security System by Using Biometric and Hybridization
Barman et al. Revocable key generation from irrevocable biometric data for symmetric cryptography
Arjona et al. A dual-factor access control system based on device and user intrinsic identifiers
Kaur Multimodal biometrics feature level fusion for iris and hand geometry using chaos-based encryption technique
Sharma et al. Human recognition methods based on biometric technologies
Teoh et al. An integrated dual factor authenticator based on the face data and tokenised random number
Bayly et al. Fractional biometrics: safeguarding privacy in biometric applications
Lafkih et al. Vulnerabilities of fuzzy vault schemes using biometric data with traces
CN110175569B (zh) 一种单因子可撤销掌纹特征认证方法及系统
Divan et al. A fingerprint matching technique using minutiae based algorithm for voting system: A survey
Barkathunisha et al. Secure transmission of medical information using IRIS recognition and steganography
Ganjewar et al. Privacy threat reduction using modified multi-line code generation algorithm (MMLCGA) for cancelable biometric technique (CBT)
Ali et al. An Alignment-Free Fingerprint Template Protection Technique Based on Minutiae Triplets
Subban Fingerprint template protection techniques—A survey and analysis

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20221108