CN110119727A - 指纹识别方法、装置、终端及存储介质 - Google Patents
指纹识别方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN110119727A CN110119727A CN201910423813.4A CN201910423813A CN110119727A CN 110119727 A CN110119727 A CN 110119727A CN 201910423813 A CN201910423813 A CN 201910423813A CN 110119727 A CN110119727 A CN 110119727A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- matching degree
- threshold value
- degree threshold
- fingerprint recognition
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
- G06V40/13—Sensors therefor
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请实施例公开了一种指纹识别方法、装置、终端及存储介质,属于终端技术领域。所述方法用于具备指纹采集组件的终端,所述方法包括:获取指纹采集组件采集到的指纹图像;计算指纹图像与指纹模板的指纹匹配度;若指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值,则将第一匹配度阈值更新为第二匹配度阈值,第二匹配度阈值大于第一匹配度阈值;若指纹匹配度大于第一匹配度阈值,则确定指纹图像通过指纹识别。本申请实施例中采用动态可变的匹配度阈值,并在检测到多次指纹识别失败的情况下,提高匹配度阈值,以此降低指纹识别的认假率,进而降低未录入指纹手指通过指纹识别的概率,提高了终端的安全性。
Description
技术领域
本申请实施例涉及终端技术领域,特别涉及一种指纹识别方法、装置、终端及存储介质。
背景技术
指纹识别是移动终端上一种常见的身份验证方式。
指纹识别过程中,终端通过指纹采集组件采集指纹图像,并将该指纹图像与指纹模板进行特征匹配,得到指纹匹配度。若指纹匹配度大于匹配度阈值,则确定采集到的指纹通过验证。
发明内容
本申请实施例提供了一种指纹识别方法、装置、终端及存储介质。所述技术方案如下:
一方面,本申请实施例提供了一种指纹识别方法,所述方法用于具备指纹采集组件的终端,所述方法包括:
获取所述指纹采集组件采集到的指纹图像;
计算所述指纹图像与指纹模板的指纹匹配度;
若所述指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值,则将所述第一匹配度阈值更新为第二匹配度阈值,所述第二匹配度阈值大于所述第一匹配度阈值;
若所述指纹匹配度大于所述第一匹配度阈值,则确定所述指纹图像通过指纹识别。
另一方面,本申请实施例提供了一种指纹识别装置,所述装置用于具备指纹采集组件的终端,所述装置包括:
第一获取模块,用于获取所述指纹采集组件采集到的指纹图像;
计算模块,用于计算所述指纹图像与指纹模板的指纹匹配度;
第一更新模块,用于当所述指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值时,将所述第一匹配度阈值更新为第二匹配度阈值,所述第二匹配度阈值大于所述第一匹配度阈值;
识别通过模块,用于当所述指纹匹配度大于所述第一匹配度阈值时,确定所述指纹图像通过指纹识别。
另一方面,本申请实施例提供了一种终端,所述终端包括:终端包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现如上述方面所述的指纹识别方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现如上述方面所述的指纹识别方法。
另一方面,还提供了一种计算机程序产品,该计算机程序产品存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述方面所述的指纹识别方法。
采用本申请实施例提供的指纹识别方法,通过获取指纹采集组件采集到的指纹图像,并计算指纹图像与指纹模板的指纹匹配度,从而在指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值时,则将第一匹配度阈值更新为第二匹配度阈值,在指纹匹配度大于第一匹配度阈值时,确定指纹图像通过指纹识别;相较于相关技术中采用固定的匹配度阈值,本申请实施例中采用动态可变的匹配度阈值,并在检测到多次指纹识别失败的情况下,提高匹配度阈值,以此降低指纹识别的认假率,进而降低未录入指纹手指通过指纹识别的概率,提高了终端的安全性。
附图说明
图1和图2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;
图3示出了本申请一个示例性实施例示出的指纹识别方法的流程图;
图4示出了本申请另一个示例性实施例示出的指纹识别方法的流程图;
图5示出了本申请另一个示例性实施例示出的指纹识别方法的流程图;
图6示出了本申请另一个示例性实施例示出的指纹识别方法的流程图;
图7示出了本申请另一个示例性实施例示出的指纹识别方法的流程图;
图8示出了本申请一个实施例提供的指纹识别装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
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。
参考图1和图2所示,其示出了本申请一个示例性实施例提供的终端100的结构方框图。该终端100可以是手机、平板电脑、笔记本电脑和电子书等。本申请中的终端100可以包括一个或多个如下部件:处理器110、存储器120和显示屏130。
处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个终端100内的各个部分,通过运行或执行存储在存储器120内的指令、程序、代码集或指令集,以及调用存储在存储器120内的数据,执行终端100的各种功能和处理数据。可选地,处理器110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110可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)、神经网络处理器(Neural-network Processing Unit,NPU)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、用户界面和应用程序等;GPU用于负责触摸显示屏130所需要显示的内容的渲染和绘制;NPU用于实现人工智能(Artificial Intelligence,AI)功能;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110中,单独通过一块芯片进行实现。
存储器120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120包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120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(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等;存储数据区可存储根据终端100的使用所创建的数据(比如音频数据、电话本)等。
以操作系统为安卓(Android)系统为例,存储器120中存储的程序和数据如图1所示,存储器120中存储有Linux内核层220、系统运行库层240、应用框架层260和应用层280。Linux内核层220为终端100的各种硬件提供了底层的驱动,如显示驱动、音频驱动、摄像头驱动、蓝牙驱动、Wi-Fi驱动、电源管理等。系统运行库层240通过一些C/C++库来为Android系统提供了主要的特性支持。如SQLite库提供了数据库的支持,OpenGL/ES库提供了3D绘图的支持,Webkit库提供了浏览器内核的支持等。在系统运行库层240中还提供有Android运行时库242(Android Runtime),它主要提供了一些核心库,能够允许开发者使用Java语言来编写Android应用。应用框架层260提供了构建应用程序时可能用到的各种API,开发者也可以通过使用这些API来构建自己的应用程序,比如活动管理、窗口管理、视图管理、通知管理、内容提供者、包管理、通话管理、资源管理、定位管理。应用层280中运行有至少一个应用程序,这些应用程序可以是操作系统自带的联系人程序、短信程序、时钟程序、相机应用等;也可以是第三方开发者所开发的应用程序,比如即时通信程序、相片美化程序等。
以操作系统为IOS系统为例,存储器120中存储的程序和数据如图2所示,IOS系统包括:核心操作系统层320(Core OS layer)、核心服务层340(Core Services layer)、媒体层360(Media layer)、可触摸层380(Cocoa Touch Layer)。核心操作系统层320包括了操作系统内核、驱动程序以及底层程序框架,这些底层程序框架提供更接近硬件的功能,以供位于核心服务层340的程序框架所使用。核心服务层340提供给应用程序所需要的系统服务和/或程序框架,比如基础(Foundation)框架、账户框架、广告框架、数据存储框架、网络连接框架、地理位置框架、运动框架等等。媒体层360为应用程序提供有关视听方面的接口,如图形图像相关的接口、音频技术相关的接口、视频技术相关的接口、音视频传输技术的无线播放(AirPlay)接口等。可触摸层380为应用程序开发提供了各种常用的界面相关的框架,可触摸层380负责用户在终端100上的触摸交互操作。比如本地通知服务、远程推送服务、广告框架、游戏工具框架、消息用户界面接口(User Interface,UI)框架、用户界面UIKit框架、地图框架等等。
在图2所示出的框架中,与大部分应用程序有关的框架包括但不限于:核心服务层340中的基础框架和可触摸层380中的UIKit框架。基础框架提供许多基本的对象类和数据类型,为所有应用程序提供最基本的系统服务,和UI无关。而UIKit框架提供的类是基础的UI类库,用于创建基于触摸的用户界面,iOS应用程序可以基于UIKit框架来提供UI,所以它提供了应用程序的基础架构,用于构建用户界面,绘图、处理和用户交互事件,响应手势等等。
显示屏130用于显示用户界面的显示组件。可选的,该显示屏130还具有触控功能,用于接收用户使用手指、触摸笔等任何适合的物体在其上或附近的触摸操作。显示屏130通常设置在终端130的前面板。显示屏130可被设计成为全面屏、曲面屏、异型屏、双面屏或折叠屏。显示屏130还可被设计成为全面屏与曲面屏的结合,异型屏与曲面屏的结合,本实施例对此不加以限定。
本申请实施例中,终端100具有指纹识别功能,该指纹识别功能通过指纹采集组件实现。可选的,该指纹采集组件可以是独立设置的指纹采集组件(比如设置在物理按键或背盖处),也可以设置在屏幕下方,从而实现成为屏下指纹采集组件,本申请实施例并不对指纹采集组件的设置方式进行说明。
除此之外,本领域技术人员可以理解,上述附图所示出的终端100的结构并不构成对终端100的限定,终端可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。比如,终端100中还包括射频电路、输入单元、传感器、音频电路、无线保真(Wireless Fidelity,WiFi)模块、电源、蓝牙模块等部件,在此不再赘述。
衡量终端指纹识别效果时通常采用两个指标,分别为认假率(False AcceptanceRate,FAR)和拒真率(False Rejection Rate,FRR),其中,认假率指非法指纹通过指纹验证的概率,拒真率指合法指纹未通过指纹验证的概率,其认假率与拒真率呈负相关关系。
过高的认假率无法保证终端的安全性,而过高的拒真率又会影响终端的指纹识别成功率,影响用户体验。为了平衡FAR和FRR,相关技术中通常设置一个较为适中的匹配度阈值(适中的FAR和FRR),从而兼顾指纹识别成功率以及终端安全性。
然而,采用固定的匹配度阈值时,当连续多次使用未录入指纹的手指进行指纹识别时,存在较大概率出现通过指纹识别的情况,影响终端的安全性。
为了解决采用固定匹配度阈值时出现的问题,本申请实施例中,终端采用动态可变的匹配度阈值,在检测到多次指纹识别失败的情况下,提高匹配度阈值,以此降低指纹识别的认假率,进而降低未录入指纹手指通过指纹识别的概率,提高了终端的安全性。下面采用示意性的实施例进行说明。
请参考图3,其示出了本申请一个示例性实施例示出的指纹识别方法的流程图。本实施例以该方法应用于图1或2所示的终端100来举例说明。该方法包括:
步骤301,获取指纹采集组件采集到的指纹图像。
可选的,该指纹采集组件是独立设置的指纹采集组件,比如设置在物理按键或背盖处的指纹采集组件,或者,该指纹采集组件是设置在屏幕下方的屏下指纹采集组件,本申请实施例对此不做限定。
可选的,终端通过指纹采集组件采集指纹图像时,进行指纹活体检测,并在通过指纹活体检测时,执行步骤302;在未通过指纹活体检测时,确定该指纹图像无效,指纹识别失败。其中,指纹活体检测的方式包括汗孔检测、心率信号检测等等,本实施例对此不做限定。
步骤302,计算指纹图像与指纹模板的指纹匹配度。
终端中存储有预先录入的指纹模板,获取到指纹图像后,终端即将该指纹图像与指纹模板进行匹配,从而计算得到两者之间的指纹匹配度,其中,指纹匹配度越高,表示采集到的指纹与指纹模板的相似度越高。
可选的,当终端中存储有不同手指的不同指纹模板时,终端将指纹图像与各个指纹模板进行逐一匹配,并获取最高的指纹匹配度。
针对计算指纹匹配度的方式,在一种可能的实施方式中,终端确定指纹图像中的若干个指纹特征点,并将若干个指纹特征点与指纹模板中的预设指纹特征点进行匹配,从而根据指纹特征点的匹配个数以及指纹特征点总个数计算得到指纹匹配度。本申请实施例并不对计算指纹匹配度的具体方式进行限定。
步骤303,若指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值,则将第一匹配度阈值更新为第二匹配度阈值,第二匹配度阈值大于第一匹配度阈值。
可选的,第一匹配度阈值为终端默认的匹配度阈值。终端检测指纹匹配度是否大于第一匹配度阈值,若大于则执行步骤304,若小于,则确定指纹图像未通过指纹识别(指纹识别识失败),执行步骤303。
在一种可能的实施方式中,终端启用计数器统计指纹识别失败次数,并在每次指纹识别失败时,指示计数器进行加一操作。指纹识别失败后,终端进一步检测指纹识别失败次数是否大于失败次数阈值,若大于,则将第一匹配度阈值更新为第二匹配度阈值;若小于,则保持第一匹配度阈值,并继续获取指纹采集组件采集到的指纹图像。
可选的,该指纹识别失败次数可以为定值,也可以由终端动态确定,且该指纹识别失败次数为终端系统默认或由用户自定义设置。比如,该指纹识别失败次数为5次,即当指纹识别失败次数达到5次时,终端对匹配度阈值进行更新。
可选的,该第二匹配度阈值可以为定值,也可以由终端动态确定。
在一个示意性的例子中,第一匹配度阈值为60,当指纹识别失败次数达到5次时,终端将第一匹配度阈值更新第二匹配度阈值80。
将第一匹配度阈值更新为第二匹配度阈值后,后续再次获取到的指纹图像,并计算得到指纹图像的指纹匹配度时,终端即检测指纹匹配度是否大于第二匹配度阈值。由于第二匹配度阈值大于第一匹配度阈值,因此后续终端进行指纹识别时的认假率降低,从而降低未录入指纹手指通过指纹识别的概率,提高了终端的安全性。
可选的,终端调整匹配度阈值后,显示提示信息,提示用户调整指纹录入角度或保持手指干燥清洁后重新录入指纹,以提高指纹识别的准确率。
步骤304,若指纹匹配度大于第一匹配度阈值,则确定指纹图像通过指纹识别。
当指纹匹配度大于第一匹配度阈值时,终端确定指纹图像通过指纹识别,并执行指纹识别的后续操作,该后续操作可以包括如下至少一种:解锁、支付、账号登陆、解密。
综上所述,采用本申请实施例提供的指纹识别方法,通过获取指纹采集组件采集到的指纹图像,并计算指纹图像与指纹模板的指纹匹配度,从而在指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值时,则将第一匹配度阈值更新为第二匹配度阈值,在指纹匹配度大于第一匹配度阈值时,确定指纹图像通过指纹识别;相较于相关技术中采用固定的匹配度阈值,本申请实施例中采用动态可变的匹配度阈值,并在检测到多次指纹识别失败的情况下,提高匹配度阈值,以此降低指纹识别的认假率,进而降低未录入指纹手指通过指纹识别的概率,提高了终端的安全性。
在一种可能的实施方式中,上述实施例中的指纹识别失败次数可以是指纹识别失败的连续次数,或,预定时长内指纹识别失败的总次数。
可选的,当指纹识别失败次数是指纹识别失败的连续次数时,该失败次数阈值为第一失败次数阈值;当指纹识别失败次数是预定时长内指纹识别失败的总次数的总次数时,该失败次数阈值为第二失败次数阈值,其中,第一失败次数阈值小于第二失败次数阈值。
在一个示意性的例子中,当指纹识别失败的连续次数达到5次(第一失败次数阈值)时,终端进行匹配度阈值更新;或者,当1小时(预定时长)内指纹识别失败的总次数的总次数达到8次(第二失败次数阈值)时,终端进行匹配度阈值更新。
进一步的,在一种可能的实施方式中,当指纹识别失败次数是指纹识别失败的连续次数时,若指纹匹配度大于第一匹配度阈值时,终端重置指纹识别失败次数。
在一个示意性的例子中,当失败次数阈值为5次时,若用户在连续指纹识别失败4次后通过指纹识别,终端则将指纹识别失败次数重置为0次,后续指纹识别失败时,终端即从0次开始统计指纹识别失败次数。
可选的,除了通过调整匹配度阈值来降低指纹识别认假率外,在另一种可能的实施方式中,若指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值,终端则将指纹特征点匹配数由第一数量更新为第二数量(第二数量大于第一数量),并根据更新后的指纹特征点匹配数计算指纹匹配度。由于指纹特征点的匹配数增多,因此非法指纹通过指纹识别的概率降低,达到了降低指纹识别认假率效果。
可选的,若指纹识别成功次数大于成功次数阈值,则将指纹特征点匹配数由第二数量更新为第一数量,避免长时间保持高拒真率影响用户使用体验。其中,指纹识别成功次数是指纹识别成功的连续次数,或,指纹识别成功次数是预定时长内指纹识别成功的总次数。
当然,终端也可以同时提高匹配度阈值以及指纹特征点匹配数,本实施例在此不再赘述。
上述实施例中,终端提高匹配度阈值以降低认假率的同时,会造成拒真率的提高,进而影响指纹识别的成功率。为了避免终端长期保持高拒真率,对用户指纹识别体验造成的影响,在图3的基础上,如图4所示,步骤303之后还可以包括步骤305。
步骤305,若指纹识别成功次数大于成功次数阈值,则将第二匹配度阈值更新为第一匹配度阈值,指纹识别成功次数是指纹识别成功的连续次数,或,指纹识别成功次数是预定时长内指纹识别成功的总次数。
与统计指纹识别失败次数类似的,可选的,终端启用计数器统计指纹识别成功次数,并在每次指纹识别成功时,指示计数器进行加一操作。指纹识别成功后,终端进一步检测指纹识别成功次数是否大于成功次数阈值,若大于,则将第二匹配度阈值恢复为第一匹配度阈值,从而避免长时间维持高拒真率(因匹配度阈值设置过高);若小于,则保持第二匹配度阈值。
在一种可能的实施方式中,上述指纹识别成功次数可以是指纹识别成功的连续次数,或,预定时长内指纹识别成功的总次数。
可选的,当指纹识别成功次数是指纹识别成功的连续次数时,该成功次数阈值为第一成功次数阈值;当指纹识别成功次数是预定时长内指纹识别成功的总次数的总次数时,该成功次数阈值为第二成功次数阈值,其中,第一成功次数阈值小于第二成功次数阈值。
在一个示意性的例子中,当指纹识别成功的连续次数达到5次(第一成功次数阈值)时,终端进行匹配度阈值更新;或者,当1小时(预定时长)内指纹识别成功的总次数的总次数达到8次(第二成功次数阈值)时,终端进行匹配度阈值更新。
进一步的,在一种可能的实施方式中,当指纹识别失败次数是指纹识别成功的连续次数时,若指纹匹配度小于第二匹配度阈值时(指纹识别失败),终端重置指纹识别成功次数。
在一个示意性的例子中,当成功次数阈值为5次时,若用户在连续指纹识别成功4次后指纹识别失败,终端则将指纹识别成功次数重置为0次,后续指纹识别成功时,终端即从0次开始统计指纹识别成功次数。
本实施例中,提高匹配度阈值后,通过统计指纹识别成功次数,并在指纹识别成功次数达到成功次数阈值时,将第二匹配度阈值重新恢复为第一匹配度阈值,避免终端长期保持高拒真率对用户指纹识别体验造成影响。
在一种可能的实施方式中,失败次数阈值以及第二匹配度阈值并非定值,而是由终端动态确定,在保证终端安全性的同时,降低对用户指纹识别体验的负面影响。下面采用示意性的实施例进行说明。
请参考图5,其示出了本申请另一个示例性实施例示出的指纹识别方法的流程图。本实施例以该方法应用于图1或2所示的终端100来举例说明。该方法包括:
步骤501,获取指纹采集组件采集到的指纹图像。
本步骤的实施方式可以参考上述步骤301,本实施例在此不再赘述。
步骤502,获取指纹图像的采集场景,采集场景包括解锁场景、支付场景、账号登陆场景或内容解密场景中的至少一种。
不同指纹图像采集场景下,终端对指纹识别认假率的要求不同。比如,对于解锁场景,终端要求指纹识别认假率小于万分之一,而对于支付场景,终端要求指纹识别认假率小于十万分之一。
而随着重复尝试的次数增多,未录入指纹手指通过指纹识别的概率也不断提高。因此,为了进一步降低未录入指纹手指通过指纹识别的概率,终端根据当前的采集场景,动态确定失败次数阈值。
在一种可能的实施方式中,终端接收到对指纹采集组件的触摸操作时,即获取终端当前的采集场景。可选的,当处于熄屏状态时,确定采集场景为解锁场景;当检测到用户界面中包含支付关键字时,确定采集场景为支付场景;当检测到用户界面中包含账号关键字或登录控件时,确定采集场景为账号登陆场景;当检测到用户界面中包含解密关键字时,确定采集场景为内容解密场景。本申请实施例并不对采集场景的分类方式以及具体采集场景识别方式构成限定。
步骤503,根据采集场景的安全性级别确定失败次数阈值,其中,失败次数阈值与安全性级别呈负相关关系。
在一种可能的实施方式中,终端中存储有采集场景、安全性级别以及失败次数阈值之间的对应关系。示意性的,该对应关系如表一所示。
表一
采集场景 | 安全性级别 | 失败次数阈值 |
解锁场景 | 1级 | 5次 |
账号登陆场景 | 2级 | 4次 |
支付场景 | 3级 | 3次 |
其中,安全性级别越高,该采集场景下对指纹识别认假率的要求越高(认假率越低),相应的,该采集场景对应的失败次数阈值越小。
结合表一所示的数据,在一个示意性的例子中,用户进行指纹解锁时(解锁场景),当连续指纹识别失败次数达到5次时,终端即提高匹配度阈值;用户进行指纹支付时(支付场景)。当连续指纹识别次数达到3次时,终端即提高匹配度阈值,降低利用未录入指纹手指成功支付的概率。
在其他可能的实施方式中,终端也可以根据当前应用程序的应用类型,确定当前应用程序的安全性级别,进而确定当前应用程序内进行指纹识别时的失败次数阈值,本实施例在此不再赘述。
步骤504,计算指纹图像与指纹模板的指纹匹配度。
本步骤的实施方式可以参考上述步骤302,本实施例在此不再赘述。
需要说明的是,上述步骤502至503与步骤504之间并不存在严格的先后时序,本实施例仅以步骤502至503在步骤504之前执行为例进行说明,但并不对此构成限定。
步骤505,若指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值,根据采集场景的安全性级别确定第二匹配度阈值,其中,第二匹配度阈值与安全性级别呈正相关关系。
除了使用动态失败次数阈值外,终端还可以进一步根据当前采集场景的安全性级别,确定第二匹配度阈值。其中,当前采集场景的安全性级别越高,该第二匹配度阈值越高,以此降低当前采集场景下的认假率,提高安全性。
在一种可能的实施方式中,终端中存储有采集场景、安全性级别以及第二匹配度阈值之间的对应关系。示意性的,该对应关系如表二所示。
表二
采集场景 | 安全性级别 | 第二匹配度阈值 |
解锁场景 | 1级 | 65 |
账号登陆场景 | 2级 | 70 |
支付场景 | 3级 | 80 |
结合表二所示的数据,在一个示意性的例子中,用户进行指纹解锁时(解锁场景),当连续指纹识别失败次数达到5次时,终端确定将匹配度阈值由60提高至65;用户进行指纹支付时(支付场景)。当连续指纹识别次数达到3次时,终端确定将匹配度阈值由60提高至80,降低利用未录入指纹手指成功支付的概率。
步骤506,将第一匹配度阈值更新为第二匹配度阈值。
步骤507,若指纹匹配度大于第一匹配度阈值,则确定指纹图像通过指纹识别。
本步骤的实施方式可以参考上述步骤304,本实施例在此不再赘述。
本实施例中,终端确定当前所处的采集场景,进而根据采集场景对应的安全性级别动态确定触发更新匹配度阈值的失败次数阈值,以及更新后的第二匹配度阈值,降低高安全性级别场景下指纹识别的认假率,提高终端信息的安全性。
根据采集场景的安全性级别动态确定第二匹配度阈值时,可能会出现合法用户手指因磨损或受伤,导致指纹匹配度无法达到第二匹配度阈值的情况。为了避免出现上述问题,在另一种可能的实施方式中,终端还可以根据最近指纹识别成功时的指纹匹配度,确定第二匹配度阈值,确保合法用户进行指纹解识别时,其指纹匹配度能够达到该第二匹配度阈值。
在一种可能的实施方式中,在图3的基础上,如图6所示,步骤303可以包括如下步骤。
步骤303A,若指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值,则获取最近n次指纹识别成功时的指纹匹配度,n为大于等于1的整数。
在一种可能的实施方式中,每次指纹识别成功时,终端获取此次指纹识别的指纹识别匹配度,并对最近n次指纹识别成功时的指纹匹配度进行存储。当指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值时,终端即获取存储的最近n次指纹识别成功时的指纹匹配度。
在一个示意性的例子中,终端获取到最近8次指纹识别成功时的指纹匹配度如表三所示。
表三
第n次 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 9 |
指纹匹配度 | 80 | 82 | 76 | 70 | 70 | 72 | 70 | 72 |
步骤303B,根据最近n次指纹识别成功时的指纹匹配度确定第二匹配度阈值。
在一种可能的实施方式中,终端计算n个指纹匹配度的平均值,从而将该平均值确定为第二匹配度阈值;或者,终端过滤n个指纹匹配度中的最高指纹匹配度和最低匹配度,并计算n-2个指纹匹配度的平均值,从而将该平均值确定为第二匹配度阈值。本申请实施例并不对基于n个指纹匹配度确定第二匹配度阈值的具体方式进行限定。
在一个示意性的例子中,结合表三中的数据,终端将8个指纹匹配度的平均值74确定为第二匹配度阈值。
步骤303C,将第一匹配度阈值更新为第二匹配度阈值。
进一步的,终端采用确定出的第二匹配度阈值替换第一匹配度阈值。由于第二匹配度阈值基于最近指纹识别成功的记录确定得到,因此,合法用户的指纹与指纹模板的指纹匹配度能够达到第二匹配度阈值,保证合法用户通过指纹识别。
本实施例中,终端根据最近n次指纹识别成功时的指纹匹配度,动态确定第二匹配度阈值,避免合法用户的指纹与指纹模板的指纹匹配度无法达到过高的第二匹配度阈值,在保证终端安全性的同时,降低对用户指纹识别体验的负面影响。
在其他可能的实施方式中,终端中设置有指纹识别行为预测模型,该指纹识别行为预测模型用于根据多次指纹识别(包括成功和失败)时的指纹匹配度,预测存在非法指纹识别行为的概率。在图3的基础上,如图7所示,步骤303可以包括如下步骤。
步骤303D,若指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值,获取最近n次指纹识别成功时的指纹匹配度,以及最近m次指纹识别失败时的指纹匹配度,n、m为大于等于1的整数。
在一种可能的实施方式中,每次指纹识别成功或失败时,终端都会指纹识别的指纹识别匹配度,并对最近n次指纹识别成功以及最近m次指纹识别失败时的指纹匹配度进行存储。当指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值时,终端即获取存储的指纹匹配度。
在一个示意性的例子中,终端获取到最近8次指纹识别成功时的指纹匹配度,以及最近8次指纹识别失败时的指纹匹配度如表四所示。
表四
第n次成功 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 9 |
指纹匹配度 | 80 | 82 | 76 | 70 | 70 | 72 | 70 | 72 |
第n次失败 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 9 |
指纹匹配度 | 58 | 59 | 56 | 35 | 35 | 55 | 57 | 54 |
步骤303E,将最近n次指纹识别成功时的指纹匹配度和最近m次指纹识别失败时的指纹匹配度输入指纹识别行为预测模型,得到非法指纹识别行为的预测概率。
可选的,该指纹识别行为预测模型根据(样本输入)样本指纹匹配度序列(包含n个成功时的指纹匹配度、m个失败时的指纹匹配度)以及(样本输出)样本指纹匹配度序列对应指纹识别行为标签(1表示合法指纹识别行为,0表示非法指纹识别行为),采用神经网络训练得到。
可选的,在预测非法指纹识别行为的概率时,终端根据指纹识别的先后时序,将最近n次指纹识别成功时的指纹匹配度和最近m次指纹识别失败时的指纹匹配度输入指纹识别行为预测模型,从而得到指纹识别行为预测模型输出的非法指纹识别行为的预测概率。
在一个示意性的例子中,终端通过指纹识别行为预测模型,得到非法指纹识别行为的预测概率为75%。
步骤303F,根据预测概率确定第二匹配度阈值,第二匹配度阈值与预测概率呈正相关关系。
进一步的,终端根据该预测概率确定第二匹配度阈值,其中,预测概率确越高,第二匹配度阈值越高。
可选的,终端根据预置的预测概率与第二匹配度阈值的对应关系,确定出第二匹配度阈值。示意性的,预测概率与第二匹配度阈值的对应关系如表五所示。
表五
预测概率 | 第二匹配度阈值 |
0%-50% | 70 |
50%-70% | 75 |
70%-100% | 80 |
结合表五以及上述步骤中的示例,终端将第二匹配度阈值确定为80。
步骤303G,将第一匹配度阈值更新为第二匹配度阈值。
本实施例中,终端根据最近指纹识别的记录,通过预训练的指纹识别行为预测模型对非法指纹识别行为进行概率预测,进而根据预测概率动态确定第二匹配度阈值,有助于提高非法指纹识别场景下终端信息的安全性。
请参考图8,其示出了本申请一个实施例提供的指纹识别装置的结构框图。该装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置包括:
第一获取模块801,用于获取所述指纹采集组件采集到的指纹图像;
计算模块802,用于计算所述指纹图像与指纹模板的指纹匹配度;
第一更新模块803,用于当所述指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值时,将所述第一匹配度阈值更新为第二匹配度阈值,所述第二匹配度阈值大于所述第一匹配度阈值;
识别通过模块804,用于当所述指纹匹配度大于所述第一匹配度阈值时,确定所述指纹图像通过指纹识别。
可选的,所述指纹识别失败次数是指纹识别失败的连续次数,或,所述指纹识别失败次数是预定时长内指纹识别失败的总次数。
可选的,所述指纹识别失败次数是指纹识别失败的连续次数,所述装置还包括:
重置模块,用于若所述指纹匹配度大于所述第一匹配度阈值,则重置所述指纹识别失败次数。
可选的,所述装置还包括:
第二更新模块,用于若指纹识别成功次数大于成功次数阈值,则将所述第二匹配度阈值更新为所述第一匹配度阈值,所述指纹识别成功次数是指纹识别成功的连续次数,或,所述指纹识别成功次数是预定时长内指纹识别成功的总次数。
可选的,所述装置还包括:
第二获取模块,用于获取所述指纹图像的采集场景,所述采集场景包括解锁场景、支付场景、账号登陆场景或内容解密场景中的至少一种;
第一确定模块,用于根据所述采集场景的安全性级别确定所述失败次数阈值,其中,所述失败次数阈值与所述安全性级别呈负相关关系;
和/或,
第二确定模块,用于根据所述采集场景的安全性级别确定所述第二匹配度阈值,其中,所述第二匹配度阈值与所述安全性级别呈正相关关系。
可选的,所述第一更新模块803,包括:
第一获取单元,用于获取最近n次指纹识别成功时的指纹匹配度,n为大于等于1的整数;
第三确定单元,用于根据所述最近n次指纹识别成功时的指纹匹配度确定所述第二匹配度阈值;
更新单元,用于将所述第一匹配度阈值更新为所述第二匹配度阈值。
可选的,所述第一更新模块803,包括:
第二获取单元,用于获取最近n次指纹识别成功时的指纹匹配度,以及最近m次指纹识别失败时的指纹匹配度,n、m为大于等于1的整数;
预测单元,用于将所述最近n次指纹识别成功时的指纹匹配度和所述最近m次指纹识别失败时的指纹匹配度输入指纹识别行为预测模型,得到非法指纹识别行为的预测概率;
第四确定单元,用于根据所述预测概率确定所述第二匹配度阈值,所述第二匹配度阈值与所述预测概率呈正相关关系;
更新单元,用于将所述第一匹配度阈值更新为所述第二匹配度阈值。
可选的,所述装置还包括:
第三更新模块,用于若所述指纹匹配度小于所述第一匹配度阈值,且所述指纹识别失败次数大于所述失败次数阈值,则将指纹特征点匹配数由第一数量更新为第二数量,所述第二数量大于所述第一数量。
可选的,所述装置还包括:
第四更新模块,用于若指纹识别成功次数大于成功次数阈值,则将所述指纹特征点匹配数由所述第二数量更新为所述第一数量,所述指纹识别成功次数是指纹识别成功的连续次数,或,所述指纹识别成功次数是预定时长内指纹识别成功的总次数。
综上所述,采用本申请实施例提供的指纹识别装置,通过获取指纹采集组件采集到的指纹图像,并计算指纹图像与指纹模板的指纹匹配度,从而在指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值时,则将第一匹配度阈值更新为第二匹配度阈值,在指纹匹配度大于第一匹配度阈值时,确定指纹图像通过指纹识别;相较于相关技术中采用固定的匹配度阈值,本申请实施例中采用动态可变的匹配度阈值,并在检测到多次指纹识别失败的情况下,提高匹配度阈值,以此降低指纹识别的认假率,进而降低未录入指纹手指通过指纹识别的概率,提高了终端的安全性。
本申请实施例还提供了一种计算机可读介质,该计算机可读介质存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的指纹识别方法。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的指纹识别方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本申请实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述仅为本申请的较佳实施例,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 (12)
1.一种指纹识别方法,其特征在于,所述方法用于具备指纹采集组件的终端,所述方法包括:
获取所述指纹采集组件采集到的指纹图像;
计算所述指纹图像与指纹模板的指纹匹配度;
若所述指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值,则将所述第一匹配度阈值更新为第二匹配度阈值,所述第二匹配度阈值大于所述第一匹配度阈值;
若所述指纹匹配度大于所述第一匹配度阈值,则确定所述指纹图像通过指纹识别。
2.根据权利要求1所述的方法,其特征在于,所述指纹识别失败次数是指纹识别失败的连续次数,或,所述指纹识别失败次数是预定时长内指纹识别失败的总次数。
3.根据权利要求2所述的方法,其特征在于,所述指纹识别失败次数是指纹识别失败的连续次数,所述方法还包括:
若所述指纹匹配度大于所述第一匹配度阈值,则重置所述指纹识别失败次数。
4.根据权利要求1至3任一所述的方法,其特征在于,所述将所述第一匹配度阈值更新为第二匹配度阈值之后,所述方法还包括:
若指纹识别成功次数大于成功次数阈值,则将所述第二匹配度阈值更新为所述第一匹配度阈值,所述指纹识别成功次数是指纹识别成功的连续次数,或,所述指纹识别成功次数是预定时长内指纹识别成功的总次数。
5.根据权利要求1至3任一所述的方法,其特征在于,所述获取所述指纹采集组件采集到的指纹图像之后,所述方法还包括:
获取所述指纹图像的采集场景,所述采集场景包括解锁场景、支付场景、账号登陆场景或内容解密场景中的至少一种;
根据所述采集场景的安全性级别确定所述失败次数阈值,其中,所述失败次数阈值与所述安全性级别呈负相关关系;
和/或,
根据所述采集场景的安全性级别确定所述第二匹配度阈值,其中,所述第二匹配度阈值与所述安全性级别呈正相关关系。
6.根据权利要求1至3任一所述的方法,其特征在于,所述将所述第一匹配度阈值更新为第二匹配度阈值,包括:
获取最近n次指纹识别成功时的指纹匹配度,n为大于等于1的整数;
根据所述最近n次指纹识别成功时的指纹匹配度确定所述第二匹配度阈值;
将所述第一匹配度阈值更新为所述第二匹配度阈值。
7.根据权利要求1至3任一所述的方法,其特征在于,所述将所述第一匹配度阈值更新为第二匹配度阈值,包括:
获取最近n次指纹识别成功时的指纹匹配度,以及最近m次指纹识别失败时的指纹匹配度,n、m为大于等于1的整数;
将所述最近n次指纹识别成功时的指纹匹配度和所述最近m次指纹识别失败时的指纹匹配度输入指纹识别行为预测模型,得到非法指纹识别行为的预测概率;
根据所述预测概率确定所述第二匹配度阈值,所述第二匹配度阈值与所述预测概率呈正相关关系;
将所述第一匹配度阈值更新为所述第二匹配度阈值。
8.根据权利要求1至3任一所述的方法,其特征在于,所述计算所述指纹图像与指纹模板的指纹匹配度之后,所述方法还包括:
若所述指纹匹配度小于所述第一匹配度阈值,且所述指纹识别失败次数大于所述失败次数阈值,则将指纹特征点匹配数由第一数量更新为第二数量,所述第二数量大于所述第一数量。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
若指纹识别成功次数大于成功次数阈值,则将所述指纹特征点匹配数由所述第二数量更新为所述第一数量,所述指纹识别成功次数是指纹识别成功的连续次数,或,所述指纹识别成功次数是预定时长内指纹识别成功的总次数。
10.一种指纹识别装置,其特征在于,所述装置用于具备指纹采集组件的终端,所述装置包括:
第一获取模块,用于获取所述指纹采集组件采集到的指纹图像;
计算模块,用于计算所述指纹图像与指纹模板的指纹匹配度;
第一更新模块,用于当所述指纹匹配度小于第一匹配度阈值,且指纹识别失败次数大于失败次数阈值时,将所述第一匹配度阈值更新为第二匹配度阈值,所述第二匹配度阈值大于所述第一匹配度阈值;
识别通过模块,用于当所述指纹匹配度大于所述第一匹配度阈值时,确定所述指纹图像通过指纹识别。
11.一种终端,其特征在于,所述终端包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现如权利要求1至9任一所述的指纹识别方法。
12.一种计算机可读存储介质,其特征在于,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现如权利要求1至9任一所述的指纹识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910423813.4A CN110119727B (zh) | 2019-05-21 | 2019-05-21 | 指纹识别方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910423813.4A CN110119727B (zh) | 2019-05-21 | 2019-05-21 | 指纹识别方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110119727A true CN110119727A (zh) | 2019-08-13 |
CN110119727B CN110119727B (zh) | 2021-07-30 |
Family
ID=67522938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910423813.4A Active CN110119727B (zh) | 2019-05-21 | 2019-05-21 | 指纹识别方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110119727B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555930A (zh) * | 2019-08-30 | 2019-12-10 | 北京市商汤科技开发有限公司 | 门锁控制方法及装置、电子设备和存储介质 |
CN111753722A (zh) * | 2020-06-24 | 2020-10-09 | 上海依图网络科技有限公司 | 一种基于特征点类型的指纹识别方法及装置 |
CN111783058A (zh) * | 2020-07-21 | 2020-10-16 | 青岛海信智慧家居系统股份有限公司 | 一种生物特征识别设备和生物特征识别方法 |
CN111914626A (zh) * | 2020-06-18 | 2020-11-10 | 北京迈格威科技有限公司 | 活体识别/阈值调节方法、装置、电子设备及存储介质 |
CN112287318A (zh) * | 2020-10-29 | 2021-01-29 | 平安科技(深圳)有限公司 | 跨应用程序登录方法、装置、设备及介质 |
CN112613020A (zh) * | 2020-12-31 | 2021-04-06 | 中国农业银行股份有限公司 | 一种身份验证方法及装置 |
CN114359982A (zh) * | 2022-03-19 | 2022-04-15 | 广州格鲁信息技术有限公司 | 一种基于大数据处理的反欺诈系统及方法 |
TWI800217B (zh) * | 2021-09-29 | 2023-04-21 | 大陸商敦泰電子(深圳)有限公司 | 增強防攻擊能力的指紋識別方法、裝置及電子設備 |
CN112287318B (zh) * | 2020-10-29 | 2024-07-02 | 平安科技(深圳)有限公司 | 跨应用程序登录方法、装置、设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260105A (zh) * | 2015-10-19 | 2016-01-20 | 广东欧珀移动通信有限公司 | 基于指纹传感器的显示屏唤醒方法、装置及移动终端 |
CN105389566A (zh) * | 2015-11-13 | 2016-03-09 | 广东欧珀移动通信有限公司 | 指纹识别方法、指纹模板的更新方法、装置和移动终端 |
CN105469033A (zh) * | 2015-11-13 | 2016-04-06 | 广东欧珀移动通信有限公司 | 指纹识别方法、装置及终端设备 |
CN106250876A (zh) * | 2016-08-19 | 2016-12-21 | 深圳市金立通信设备有限公司 | 一种指纹识别方法及终端 |
CN106303068A (zh) * | 2016-08-31 | 2017-01-04 | 维沃移动通信有限公司 | 一种解锁方法及移动终端 |
EP3139305A1 (en) * | 2015-09-02 | 2017-03-08 | Xiaomi Inc. | Method and apparatus for fingerprint recognition and mobile terminal |
CN106909900A (zh) * | 2017-02-27 | 2017-06-30 | 努比亚技术有限公司 | 指纹识别方法及装置 |
CN106909893A (zh) * | 2017-02-09 | 2017-06-30 | 北京小米移动软件有限公司 | 指纹识别方法及装置 |
US20170344798A1 (en) * | 2016-05-30 | 2017-11-30 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for controlling unlocking and mobile terminal |
CN107545160A (zh) * | 2016-06-28 | 2018-01-05 | 中兴通讯股份有限公司 | 指纹识别方法及装置 |
CN107808089A (zh) * | 2017-11-21 | 2018-03-16 | 青岛海信移动通信技术股份有限公司 | 一种指纹识别方法、装置及存储介质 |
CN108572783A (zh) * | 2018-04-03 | 2018-09-25 | 莆田市烛火信息技术有限公司 | 一种解锁识别方法及终端 |
-
2019
- 2019-05-21 CN CN201910423813.4A patent/CN110119727B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3139305A1 (en) * | 2015-09-02 | 2017-03-08 | Xiaomi Inc. | Method and apparatus for fingerprint recognition and mobile terminal |
CN105260105A (zh) * | 2015-10-19 | 2016-01-20 | 广东欧珀移动通信有限公司 | 基于指纹传感器的显示屏唤醒方法、装置及移动终端 |
CN105389566A (zh) * | 2015-11-13 | 2016-03-09 | 广东欧珀移动通信有限公司 | 指纹识别方法、指纹模板的更新方法、装置和移动终端 |
CN105469033A (zh) * | 2015-11-13 | 2016-04-06 | 广东欧珀移动通信有限公司 | 指纹识别方法、装置及终端设备 |
US20170344798A1 (en) * | 2016-05-30 | 2017-11-30 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for controlling unlocking and mobile terminal |
EP3252662A1 (en) * | 2016-05-30 | 2017-12-06 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for controlling unlocking and terminal |
CN107545160A (zh) * | 2016-06-28 | 2018-01-05 | 中兴通讯股份有限公司 | 指纹识别方法及装置 |
CN106250876A (zh) * | 2016-08-19 | 2016-12-21 | 深圳市金立通信设备有限公司 | 一种指纹识别方法及终端 |
CN106303068A (zh) * | 2016-08-31 | 2017-01-04 | 维沃移动通信有限公司 | 一种解锁方法及移动终端 |
CN106909893A (zh) * | 2017-02-09 | 2017-06-30 | 北京小米移动软件有限公司 | 指纹识别方法及装置 |
CN106909900A (zh) * | 2017-02-27 | 2017-06-30 | 努比亚技术有限公司 | 指纹识别方法及装置 |
CN107808089A (zh) * | 2017-11-21 | 2018-03-16 | 青岛海信移动通信技术股份有限公司 | 一种指纹识别方法、装置及存储介质 |
CN108572783A (zh) * | 2018-04-03 | 2018-09-25 | 莆田市烛火信息技术有限公司 | 一种解锁识别方法及终端 |
Non-Patent Citations (3)
Title |
---|
ANIL K. JAIN等: "Fingerprint Matching", 《COMPUTER》 * |
李宏伟等: "基于指纹结构特征信息匹配的算法", 《电脑开发与应用》 * |
赵辉: "指纹识别算法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555930A (zh) * | 2019-08-30 | 2019-12-10 | 北京市商汤科技开发有限公司 | 门锁控制方法及装置、电子设备和存储介质 |
CN111914626A (zh) * | 2020-06-18 | 2020-11-10 | 北京迈格威科技有限公司 | 活体识别/阈值调节方法、装置、电子设备及存储介质 |
CN111753722A (zh) * | 2020-06-24 | 2020-10-09 | 上海依图网络科技有限公司 | 一种基于特征点类型的指纹识别方法及装置 |
CN111753722B (zh) * | 2020-06-24 | 2024-03-26 | 上海依图网络科技有限公司 | 一种基于特征点类型的指纹识别方法及装置 |
CN111783058A (zh) * | 2020-07-21 | 2020-10-16 | 青岛海信智慧家居系统股份有限公司 | 一种生物特征识别设备和生物特征识别方法 |
CN111783058B (zh) * | 2020-07-21 | 2022-04-26 | 青岛海信智慧家居系统股份有限公司 | 一种生物特征识别设备和生物特征识别方法 |
CN112287318A (zh) * | 2020-10-29 | 2021-01-29 | 平安科技(深圳)有限公司 | 跨应用程序登录方法、装置、设备及介质 |
CN112287318B (zh) * | 2020-10-29 | 2024-07-02 | 平安科技(深圳)有限公司 | 跨应用程序登录方法、装置、设备及介质 |
CN112613020A (zh) * | 2020-12-31 | 2021-04-06 | 中国农业银行股份有限公司 | 一种身份验证方法及装置 |
CN112613020B (zh) * | 2020-12-31 | 2024-05-28 | 中国农业银行股份有限公司 | 一种身份验证方法及装置 |
TWI800217B (zh) * | 2021-09-29 | 2023-04-21 | 大陸商敦泰電子(深圳)有限公司 | 增強防攻擊能力的指紋識別方法、裝置及電子設備 |
CN114359982A (zh) * | 2022-03-19 | 2022-04-15 | 广州格鲁信息技术有限公司 | 一种基于大数据处理的反欺诈系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110119727B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119727A (zh) | 指纹识别方法、装置、终端及存储介质 | |
US11210657B2 (en) | System and method for mobile wallet remittance | |
EP3547604B1 (en) | Method and apparatus for security question generation and identity verification | |
WO2018121113A1 (zh) | 一种异常转账侦测方法和装置 | |
CN107093066B (zh) | 业务实现方法和装置 | |
US11675883B2 (en) | Passive identification of a kiosk user | |
US11531987B2 (en) | User profiling based on transaction data associated with a user | |
US20190173905A1 (en) | Method and apparatus for identifying fake traffic | |
WO2019178501A1 (en) | Fraudulent transaction identification method and apparatus, server, and storage medium | |
CN108304758A (zh) | 人脸特征点跟踪方法及装置 | |
WO2022037541A1 (zh) | 图像处理模型训练方法、装置、设备及存储介质 | |
CN107562475A (zh) | 消息显示方法、装置及终端 | |
US11961086B2 (en) | Utilizing card movement data to identify fraudulent transactions | |
CN112801670B (zh) | 针对支付操作的风险评估方法及装置 | |
EP4248341A1 (en) | Method and apparatus for user recognition | |
CN111611390B (zh) | 一种数据处理方法及装置 | |
CN111126623A (zh) | 一种模型更新方法、装置及设备 | |
CN112258238A (zh) | 用户生命价值周期检测方法、装置和计算机设备 | |
CN109684800A (zh) | 活体检测的方法、装置、设备及计算机存储介质 | |
US20210342755A1 (en) | Verification of proof of work using computer vision and/or machine learning | |
US20210224810A1 (en) | Transaction tracking and fraud detection using voice and/or video data | |
CN110197375A (zh) | 一种相似用户识别方法、装置、相似用户识别设备和介质 | |
CN109933260A (zh) | 识屏方法、装置、终端及存储介质 | |
CN106295559A (zh) | 一种数据处理的方法、指纹识别装置以及显示装置 | |
CN110688878A (zh) | 活体识别检测方法、装置、介质及电子设备 |
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 |