CN110443146A - 基于生物识别的身份验证方法、装置、设备及可读介质 - Google Patents
基于生物识别的身份验证方法、装置、设备及可读介质 Download PDFInfo
- Publication number
- CN110443146A CN110443146A CN201910615617.7A CN201910615617A CN110443146A CN 110443146 A CN110443146 A CN 110443146A CN 201910615617 A CN201910615617 A CN 201910615617A CN 110443146 A CN110443146 A CN 110443146A
- Authority
- CN
- China
- Prior art keywords
- palm
- information
- biological information
- reference sample
- authentication
- 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
- G06V40/107—Static hand or arm
-
- 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
- G06V40/45—Detection of the body part being alive
-
- 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
本发明实施例公开了一种基于生物识别的身份验证方法、服务器及计算机可读存储介质,其中,所述方法包括:接收输入的身份验证消息,所述身份验证消息包含手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种;判断所述手掌温度信息是否与预设温度阈值区间匹配,在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配;在所述手掌生物信息与所述参考样本匹配时,判定身份验证成功。本发明实施例的技术方案采用的包括活体检测的基于双重或多重生物识别的身份验证方式与基于单一种信息识别的身份验证方式相比,提高了身份验证的准确度。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种基于生物识别的身份验证方法、装置、设备及可读介质。
背景技术
目前,由于生物识别特别是手掌生物信息采集与识别技术的不断发展,基于手掌生物信息识别的身份验证方法已经逐渐在各种场景中被应用。
在现有的基于手掌识别的身份验证方法中,一般通过对掌纹信息、掌静脉信息、掌形信息等手掌相关的生物信息中的一种进行识别从而进行身份验证。然而在采取一种手掌生物信息作为判别依据时,会出现如因手掌掌纹的纹路复杂导致采集时不容易获取清晰图像,或者掌形作为较为常见的信息在基数较大的身份信息库中存在高相似度等问题导致的基于单一种手掌生物信息识别的身份验证的准确率、安全性和效率不理想的问题。
发明内容
基于此,有必要针对上述问题,提出了一种基于生物识别的身份验证方法、装置、设备及计算机可读存储介质。
一种基于生物识别的身份验证方法,所述方法包括:
接收输入的身份验证消息,所述身份验证消息包括手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种;
判断所述手掌温度信息是否与预设温度阈值区间匹配;
在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配;
在所述手掌生物信息与所述参考样本匹配时,判定身份验证成功。
一种基于生物识别的身份验证装置,所述装置包括:
接收单元,用于接收输入的身份验证消息,所述身份验证消息包括手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种;
第一判断单元,用于判断所述手掌温度信息是否与预设温度阈值区间匹配;
第二判断单元,用于在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配;
判定单元,用于在所述手掌生物信息与所述参考样本匹配时,判定身份验证成功。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
接收输入的身份验证消息,所述身份验证消息包括手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种;
判断所述手掌温度信息是否与预设温度阈值区间匹配;
在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配;
在所述手掌生物信息与所述参考样本匹配时,判定身份验证成功。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
接收输入的身份验证消息,所述身份验证消息包括手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种;
判断所述手掌温度信息是否与预设温度阈值区间匹配;
在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配;
在所述手掌生物信息与所述参考样本匹配时,判定身份验证成功。
本发明提供了一种方法、装置、设备以及计算机可读存储介质用以基于掌纹、掌静脉、掌形等多种生物信息的混合识别来进行身份验证。在本发明实施例中,先获取用户输入的手掌温度信息,并将其与预设温度阈值区间进行匹配以此来进行活体检测,在活体检测通过的情况下,再继续获取用户输入的手掌生物信息,具体包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种,并与预设账户信息库中的参考样本进行匹配,在上述各种手掌生物信息同样匹配成功时,判定该用户的身份验证成功。
不同于相关技术中基于单一种手掌生物信息识别的用户身份验证方法,本发明实施例所提供的基于掌纹、掌静脉、掌形等多种生物信息的混合识别的身份验证方法,对手掌的多种类型相关信息进行获取和验证,通过多重识别来对用户的身份进行验证,提高了用户身份验证的准确性和安全性;并且,在针对多种类型的手掌信息进行验证之前,还包括先进行一个基于手掌温度的活体验证,在活体验证失败时就直接判定为身份验证失败,避免了后续再针对前述手掌生物信息的处理和验证步骤,由此进一步提高了身份验证的效率和安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为一个实施例中基于生物识别的身份验证方法的应用环境图;
图2为一个实施例中基于生物识别的身份验证方法的流程图;
图3为一个实施例中基于生物识别的身份验证方法中确定所述手掌生物信息的流程图;
图4为一个实施例中基于生物识别的身份验证方法中判断手掌生物信息是否与预设账户信息库中的参考样本相匹配的流程图;
图5为一个实施例中基于生物识别的身份验证方法中对根据所述掌纹特征向量、掌静脉特征向量、和/或掌形特征向量进行匹配的流程图;
图6为一个实施例中基于生物识别的身份验证方法在“员工在预设门禁终端上进行身份验证”的应用场景下的流程图;
图7为一个实施例中基于生物识别的身份验证装置的结构框图;
图8为一个实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本实施例中,提出了一种基于生物识别的身份验证方法。
在一个实施例中,参考图1,图1为一个实施例中基于生物识别的身份验证方法的应用环境。该基于生物识别的身份验证方法的执行可以基于图1所示的基于生物识别的身份验证系统,具体的,该系统包括终端110和服务器120。在一个具体的实施例中,终端110可以是含有近红外成像装置或红外感温装置等生物信息采集模块以及通信模块的终端设备,用于采集用户输入的生物信息。服务器120可以是与终端110建立了连接的独立的服务器或者是多个服务器组成的服务器集群,用于接收服务器120发送的生物信息,并根据该生物信息进行对应的身份验证。
在另一个实施例中,本方法的执行还可以是基于一终端设备,该终端设备设置有采集模块和控制模块,其中采集模块用于采集前述手掌温度与手掌生物信息数据,控制模块用于对上述数据进行处理,从而根据上述手掌生物信息的匹配结果判断身份验证是否成功。
参考图2,图2示出了一个实施例中基于生物识别的身份验证方法的流程图。参考对图1的应用场景说明,该方法既可以应用于终端,也可以应用于服务器。但考虑到对身份验证消息存在及时响应的要求,并且对手掌生物信息进行预处理、特征提取,或者在预设账户信息库中进行搜索时都需要所需要足够的内存空间,若将等手掌生物信息处理和匹配等功能置于后台的服务器来完成,只在终端完成对手掌生物信息的采集和反馈信息的显示,可以很大程度地节省本方法的实施成本和提高应用效率,因而本实施例以应用于服务器的角度进行说明。
该基于生物识别的身份验证方法至少包括如图2所示的步骤S1022-S1028,具体说明如下。
在步骤S1022中,接收输入的身份验证消息,所述身份验证消息包含手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种。
在一个具体的实施例中,此处的身份验证消息可以通过任何与服务器建立起通信的终端利用预设传感模块进行采集、接收和发送。由于在后续步骤中结合具体操作将对上述各信息的实质及作用分别进行说明,此处暂不详述。
对于接收到的身份验证消息需要先从中确定出上述手掌生物信息,该过程至少可以包括图3中示出的步骤S1032-S1036。
图3为一个实施例中基于生物识别的身份验证方法根据身份验证消息中确定所述手掌生物信息的流程图。
在步骤S1032中,获取所述身份验证消息中包括的手掌图像。
在一个实施例中,可以通过含有光学摄像头或红外线传感器等采集装置的终端接收到上述身份验证消息,即通过上述采集装置获取身份待验证者的手掌图像。
同时,考虑到手掌生物信息的生物特性,在可选的实施例中,前述采集装置还可以是应用射频技术,通过传感器本身发射出微量射频信号,穿透手掌的表皮层感测出皮肤里层的纹路以此获得手掌图像。
在步骤S1034中,确定所述手掌图像中的目标图像区域。
通常的,采集到的手掌图像会一定程度上地包含一定面积的环境背景图像,而这些背景信息对于身份验证不具有任何意义,并且会增加图像处理的负担,在可选的实施例中,还可以根据组成图像的各像素点的灰度特性,按照预设的提取算法将手掌图像分为前景区域(即身份验证所需的目标手掌图像)和背景区域两部分。具体的,可以根据各像素点与周围预设面积区域内的像素点的灰度相似度对各像素点进行其从属于前景或者背景的类别判定,从而将背景点与前景点的交接区域确定为边缘区域,并将前景区域确定为上述目标图像区域。
在步骤S1036中,获取与所述目标图像区域对应的手掌图像作为目标手掌图像。
具体的,可以沿着步骤S1034中确定的边缘区域进行切割,将切割出的前景区域对应的手掌图像确定为目标手掌图像。
在可选的实施例中,还可以按照预设筛选算法识别并去除目标手掌图像中明显的噪声点,如将灰度值与预设面积大小的手掌图像区域的灰度平均阈值区间不匹配的像素点作为噪声点从目标手掌图像中去除。可选的,还可以对边缘部分按照预设图像处理方法进行平滑处理,以使得目标手掌更加完整,提高其清晰度和特异度,以便于后续步骤中掌形等特征的提取。
需要说明的是,在可选的实施例中,接收到的身份验证消息可以只包括手掌温度信息,在后续步骤中的手掌温度手掌温度信息与预设温度阈值区间匹配时,再进一步获取待验证用户的上述手掌生物信息并据之进行进一步验证。
在步骤S1024中,判断所述手掌温度信息是否与预设温度阈值区间匹配。
具体的,在一个实施例中,可以通过预设终端内置的红外线传感器以非接触式的方法获取上述手掌温度信息。考虑到在正常情况下,人的体温存在一个较稳定的变化范围,相对应的,人手掌的温度一般不高于38度也不会低于34度,因此可以将预设温度阈值区间确定为33摄氏度-39摄氏度。需要说明的是,虽然手掌温度的高低会存在因个体生理内环境差异以及不同地区和季节的温度差异而造成的影响,但活体(如提交身份验证消息的人类活体)与非活体(如仿生机器人装置)在红外线感温等传感装置下辐射出的热量所导致的温度上升仍会存在很明显的差异,因此在通过采集手掌生物信息进行身份验证时可以首先通过人手掌自带在一定区间内稳定变化的温度这一特性进行一个基于手掌温度的活体检测。
在上述活体检测未通过的情况下,即无需再进行后续步骤中的手掌生物信息的匹配和判断,可以直接判定身份验证不通过,由此节约了身份验证成本,也提高了身份验证的准确率和效率。
在通过上述步骤判定出手掌温度信息与预设温度阈值区间匹配时,需要进一步地判断手掌生物信息是否与预设账户信息库中的参考样本匹配,即执行步骤S1026。
在步骤S1026中,在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌信息与预设账户信息库中的参考样本是否匹配。需要特别说明的是,步骤S1026中的上述过程根据手掌生物信息进行身份验证的过程具体可以包括特征提取、特征匹配等步骤,下面对包括上述各步骤的可选实施例进行说明。
需要说明的是,在完成对手掌生物信息的获取后,考虑到实际应用场景中,在通过终端采集待验证者的手掌生物信息时,采集环境的光线条件、采集装置的清洁条件、被验证者的手掌状况(包括个体的手掌维护状态、在采集时所采用的手势角度等)都可能会导致采集到的手掌生物信息中一定面积的区域的清晰度达不到预设阈值、手掌生物信息中存在一定数量的噪点等会干扰后续特征提取以及匹配的情况。
因此在一个可选的实施例中,在基于上述手掌生物信息进行进一步的掌纹、掌静脉以及掌形的特征提取之前,还可以对手掌生物信息进行一定程度的预处理,用以去除其中的无意义信息(背景图像、颜色信息等)以及干扰信息(原始手掌图像中的噪点等)的同时使得对于身份验证存在意义的目标特征能够更高效地被提取出来以进行后续的匹配和验证。
具体的,这个对手掌生物信息预处理的过程可以先手掌生物信息进行灰度化处理,用以去除由于肤色差异或者光照条件不同造成的非特征差别,因为一方面在实际进行基于生物特征识别的身份验证时,手掌颜色由于具有不确定性和非特异性,不在作为特征被考虑的范围内,另一方面在后续的处理过程中,只需考虑手掌生物信息中的各像素点的灰度值和对应的坐标位置,可以大幅减小每一次待验证的手掌生物信息占用的处理内存,以此提高后续进行特征提取和身份验证的速度和准确度。
在可选的实施例中,在灰度化完成后,还可以对上述手掌生物信息进行二值化处理,如根据手掌生物信息中所有像素点的灰度分布情况确定一个预设灰度阈值,将灰度值低于预设灰度阈值的像素点处理成黑色,将灰度值低于预设灰度阈值的像素点处理成白色,以此获得一个只有黑白两色的手掌图像,这样在对掌纹信息进行特征提取时会更加高效。
需要说明的,上面列出的多个预处理方案只是适当举例对本方案的实施流程进行说明,在各种可选的实施例中均可以按照采集装置的差异、获取到的图像质量的不同、身份验证的不同步骤等因素的变化对这些预处理方案在现有技术能够支持的范围内进行扩展与变换。本方法不限制对各种可行的预处理的算法的选择与组合实施。
在完成了前述对手掌信息的预处理后,即可以开始对该手掌生物信息所包含的特征进行提取和进一步地进行特征的匹配,具体可以包括如图4示出的步骤S1042-S1044。
图4为一个实施例中基于生物识别的身份验证方法中判断手掌生物信息是否与预设账户信息库中的参考样本相匹配的流程图。
在步骤S1042中,提取所述掌纹信息的掌纹特征向量、掌静脉信息的掌静脉特征向量、和/或掌形信息的掌形特征向量。
首先,考虑到手掌生物信息可能包含的掌纹、掌静脉、掌形这三种类型的生物特征的本质区别,和这些本质区别所导致的在进行身份验证时的具有意义的特征信息的物理特点各有不同,所采用的算法也因此在确保验证准确率和效率的情况下需要相应的选择和改变。
下面即针对各种类型的手掌生物信息的生物构造特点和在提取时存在重要性的物理特征信息进行说明。
第一方面,掌纹信息主要包括手掌心多条特征较为明显的横向与纵向贯穿整个手掌的纹线,由于这些纹线在人的生命周期内基本上不会发生变化,同时其分布位置在手掌中心和占据的深度与面积都最大,因此在低分辨率和低质量的图像中仍能够较为容易和清晰地被识别出来。
综上所述,可以将这些手掌心特征明显的多条纹线的走向、长短、深浅变化以及相对位置等特征作为纹线特征的提取指标用以提取出对应的掌纹特征向量。
具体的,可以预先根据预先获取的手掌图像训练数据中的各手掌图像的基本纹线对应的上述提取指标建立一个预设掌纹特征提取模板,这个提取模板包含了能够涵盖目标纹线的走向、长短、深浅变化以及相对位置的特征点的分布区域,因而可以按照这个掌纹特征提取模板所包含的特征位置,对前述手掌生物信息的特征区域的像素点的分布情况进行提取与按照预设算法进行转换以计算出其对应的掌纹特征向量。
除了上述的纹线特征外,在可选的实施例中,在上述手掌生物信息的分辨率和质量达到预设阈值的情况下,还可以将手掌上所具有的类似于指纹的皮肤表面特征作为其对应的掌纹信息中的点特征,具体如掌纹中的乳突纹在局部形成的奇异点及纹形等可以很好地作为区分标识。
需要格外说明的是,在可选的实施例中,针对掌纹信息的获取和特征提取还可以包含多根手指对应的手指纹理信息,具体的,在采集手掌生物信息时可以采集身份待验证者以规定手势提交的其五指(食指、中指、无名指、小拇指、大拇指)中部分或全部的手指根部内侧的手指纹理图像作为上述手指纹理信息。
这样做的好处在于,一方面在采集手掌生物信息时,人的五指也会很自然呈张开的状态,同时人在面对采集装置时,其手掌也无意识地产生一定角度的自然偏移,另一方面,更重要的是,前述这些手指的根部内侧纹理与指纹、掌纹等其他人体生物特征一样具有唯一性,由此可以在采集手掌心的相关生物信息的同时,一并获取手指的根部内侧纹理,用作生物特征识别和对应的身份验证,以增加身份验证的识别准确度,也可以提高手掌生物信息的采集效率。
第二方面,除上述手掌皮肤表面自然分布的掌纹信息可以作为身份特异性的识别依据外,还可以通过在采集时同时获取手掌表皮之下分布的掌静脉图像信息作为识别身份的生物特征向量,下面就这样多重采集和识别的用意及优势进行说明。
首先,不同于掌纹信息,掌静脉由于其包含在人身体内部,具有不可销毁和不可篡改性,并且和人类的指纹、虹膜、掌纹等生物信息一样具有独一无二的特异性与极大数量级的生物复杂性,因而基于掌静脉信息进行身份具有很高的安全性和可靠性。
同时,考虑到和手指静脉、手背静脉相比,掌静脉的分布面积更大、纹路更复杂,对应包含的信息特征更多,而且更不易受环境和皮肤表层因素的影响(如受到外界伤害等),其稳定性和安全性都更好,因而在实际基于手掌信息识别的身份验证中选择对掌静脉信息进行采集。
具体的,采集掌静脉图像可以通过一个包括近红外成像模块、光源模块和处理模块等模块的装置。首先,通过预设光源模块在待采集手掌一侧发射近红外线以实现针对整个手掌的透射,在采集手掌的另一方,用预设近红外成像模块获取掌静脉数字图像。最后,通过处理模块对上述掌静脉数字图像进行调整,使得图像的位置和角度符合预设阈值,随后可以按照预设特征算法将掌静脉的数字图像中的静脉分布与联结信息作为掌静脉特征向量提取出来。
可选的,在通过上述处理模块判断出掌静脉图像的清晰度或者图像面积不符合预设阈值时,还可以通过预设终端发出“采集未成功,请重放手掌”的消息给身份待验证者。
第三方面,手掌图像中还会很自然地附带包括掌形信息。掌形信息主要是指从目标手掌图像提取出的对应的手掌轮廓的二维图像,通过计算其长度和宽度,也作为身份识别的依据之一。结合步骤S1036中所作的说明,在确定了目标手掌区域后,即可对应确定对应的整个目标手掌区域的外部轮廓线的分布特征作为掌形特征向量。
另外,考虑到终端采集手掌生物信息的方式存在差异,相对接触式成像方式,在利用非接触成像方式采集手图像时,手掌相对采集装置的方向、位置和拍摄距离存在不确定性,从而导致对于同一个账户,每次进行身份验证而采集到的手图像中手的大小、方向和位置可能不相同。由此,在提取掌形特征向量时,还可以对目标手掌图像进行归一化处理,从而使手掌特征向量与手成像造成的平移、旋转和比例缩放无关。
在步骤S1044中,判断所述掌纹特征向量、掌静脉特征向量、和/或掌形特征向量是否与预设账户信息库中的参考样本匹配。
具体的,步骤S1044中根据手掌生物信息对应提出的各类型特征进行匹配的过程还至少可以包括步骤S1052-S1054,具体说明如下。
图5为一个实施例中基于生物识别的身份验证方法中对根据所述掌纹特征向量、掌静脉特征向量、和/或掌形特征向量进行匹配的流程图。
在步骤S1052中,在所述预设账户信息库中查找是否存在与所述掌纹特征向量、掌静脉特征向量、和/或掌形特征向量相匹配的参考样本。
具体的,上述参考样本可以是以特征向量值的形式存于账户信息库中的,并且该账户信息库中存有与参考样本具有唯一性关联性的账户信息。
可选的,可以通过预先编制的计算机程序按照上述步骤中提取出的掌纹特征向量、掌静脉特征向量、和/或掌形特征向量在预设账户信息库中的对应种类的参考样本中进行查找。
在步骤S1054中,在查找到时,判定所述手掌生物信息与所述参考样本匹配成功,否则,判定所述手掌生物信息与所述参考样本匹配失败。
需要说明的是,上述匹配过程的执行顺序可以至少包括如下两种方式:
一个实施例中,可以同时将手掌生物信息中的各类型特征向量与对应类型的参考样本进行匹配,在同时查找到并且不同类型的特征向量对应的参考样本所预先关联的账户信息相同的情况下,判定为身份验证成功。
另一个实施例中,也可以先进行某一类型的特征向量的匹配,在匹配成功的情况下,从所述预设账户信息库中获取与该类型特征向量相匹配的参考样本所关联的账户信息作为目标账户,将其他类型的特征向量与上述目标账户所关联的对应类型的参考样本继续进行匹配,在其他类型的特征向量与对应类型的参考样本同样匹配的情况下,判定身份验证成功。
在步骤S1028中,在所述手掌生物信息与所述参考样本匹配时,判定身份验证成功。
在可选的实施例中,为了对实现伪造手掌生物信息对身份验证系统进行攻击的防范,还可以在预设服务器中可以存储一个预设验证历史表用以存储预设账户信息库中的所有账户对应的历史身份验证次数、时间、操作终端标识等,所述验证历史表中还存有与所述各次历史身份验证对应的身份验证消息的判定结果。将高于预设阈值的账户信息确定为不安全账户,并且在预设时长的时间内对上述不安全账户采取直接判定为身份验证失败等动作以对身份验证系统的安全进行保卫。
下面结合图6示出根据本发明一示例实施方式在为“员工在预设门禁终端上进行身份验证”的应用场景下的具体流程。
图6为一个实施例中基于生物识别的身份验证方法在“员工在预设门禁终端上进行身份验证”的应用场景下的流程图。
如图6所示,本发明一实施例的所述应用场景下的具体流程包括步骤S1062-S1068,解释如下:
在步骤S1062中,接收到由员工“李四”通过预设门禁终端提交的身份验证消息,这个身份验证消息中含有通过终端采集到的手掌温度信息以及包含掌纹信息、掌静脉信息、掌形信息的手掌生物信息。
在此应用场景中,上述预设门禁终端可以包含红外线感温装置用以采集上述手掌温度信息,以及含有近红外LED光源的成像装置用以采集手掌生物信息,具体的,可以根据上述采集得到的手掌图像中各像素点的灰度值等相关参数与对应预设灰度阈值的匹配关系确定目标手掌区域,并提取出目标手掌区域的图像作为上述手掌生物信息。
另外,在此应用场景中,“李四”提交的手掌生物信息中还包括了其手指根部纹理信息,具体的可以包括“李四”的被采集手掌的食指、中指、无名指这三根手指的手指内侧根部的纹理图像信息。
在步骤S1064中,将“李四”提交的手掌温度信息与预设温度阈值区间进行匹配,判断所述手掌温度信息是否与预设温度阈值区间匹配。
具体的,“李四”提交的手掌温度信息可以是“李四”被采集的手掌的手掌温度,在此应用场景中,“李四”的手掌温度可以是35摄氏度,预设温度阈值区间可以是32摄氏度到39摄氏度,因为35位于32-39这个区间内,故判定“李四”的手掌温度信息与预设温度阈值区间匹配。
而可选的,若“李四”提交的手掌温度信息为20摄氏度,则判定“李四”的手掌温度信息与预设温度阈值区间不匹配,从而直接判定身份验证失败。
在步骤S1066中,在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配。
在此应用场景中,在判定“李四”的手掌温度信息与预设温度阈值区间匹配之后,还可以进一步地对采集到的手掌生物信息进行灰度化、去背景、去噪声、二值化等预处理,随后可以按照预设特征提取算法如卷积神经网络等,提取出上述手掌生物信息中的掌纹信息的掌纹特征向量、掌静脉信息的掌静脉特征向量、和/或掌形信息的掌形特征向量,并将上述三种特征向量与预设账户信息库中的参考样本进行匹配,根据这三种特征向量的匹配结果进行验证。
在此应用场景中,具体的匹配过程可以是在所述预设账户信息库中查找是否存在与“李四”对应的掌纹特征向量、掌静脉特征向量、和/或掌形特征向量分别相匹配的参考样本,在都查找成功并且查找到的不同种类的参考样本所关联的账户信息相同时,判定前述手掌生物信息与前述参考样本匹配成功,否则,判定前述手掌生物信息与前述参考样本匹配失败。
在步骤S1068中,在所述手掌生物信息与所述参考样本匹配时,判定“李四”的身份验证成功。
在此应用场景中,在判定手掌生物信息与所述参考样本匹配不成功时,服务器将判定“李四”的身份验证未通过,可选的,还可以通过上述门禁终端包含的预设的外显装置向“李四”显示“身份验证未通过,请重放手掌。”的消息。
图7为一个实施例中基于生物识别的身份验证装置的结构框图。
参考图7所示,根据本发明的一个实施例的基于生物识别的身份验证系统的身份验证装置1070,包括:接收单元1072、第一判断单元1074、第二判断单元1076和判定单元1078。
其中,接收单元1072用于接收输入的身份验证消息,所述身份验证消息包括手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种;
第一判断单元1074用于判断所述手掌温度信息是否与预设温度阈值区间匹配;
第二判断单元1076用于在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配;
判定单元1078用于在所述手掌生物信息与所述参考样本匹配时,判定身份验证成功。
图8为一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端,也可以是服务器。如图8所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口、采集装置、外显设备。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现年龄识别方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行年龄识别方法。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
接收输入的身份验证消息,所述身份验证消息包括手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种;
判断所述手掌温度信息是否与预设温度阈值区间匹配;
在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配;
在所述手掌生物信息与所述参考样本匹配时,判定身份验证成功。
在一个实施例中,提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
接收输入的身份验证消息,所述身份验证消息包括手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种;
判断所述手掌温度信息是否与预设温度阈值区间匹配;
在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配;
在所述手掌生物信息与所述参考样本匹配时,判定身份验证成功。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(RambuS)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出多个变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于生物识别的身份验证方法,其特征在于,所述方法包括:
接收输入的身份验证消息,所述身份验证消息包括手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种;
判断所述手掌温度信息是否与预设温度阈值区间匹配;
在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配;
在所述手掌生物信息与所述参考样本匹配时,判定身份验证通过。
2.根据权利要求1所述的方法,其特征在于,
所述掌纹信息还包含多个手指对应的手指纹理信息。
3.根据权利要求1所述的方法,其特征在于,所述判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配,包括:
提取所述掌纹信息的掌纹特征向量、掌静脉信息的掌静脉特征向量、和/或掌形信息的掌形特征向量;
判断所述掌纹特征向量、掌静脉特征向量、和/或掌形特征向量是否与预设账户信息库中的参考样本匹配。
4.根据权利要求3所述的方法,其特征在于,所述判断所述掌纹特征向量、掌静脉特征向量、和/或掌形特征向量是否与预设账户信息库中的参考样本匹配,包括:
在所述预设账户信息库中查找是否存在与所述掌纹特征向量、掌静脉特征向量、和/或掌形特征向量相匹配的参考样本;
在查找到时,判定所述手掌生物信息与所述参考样本匹配成功,否则,判定所述手掌生物信息与所述参考样本匹配失败。
5.根据权利要求1所述的方法,其特征在于,在所述接收输入的身份验证消息之后,还包括:
获取所述身份验证消息中包括的手掌图像;
确定所述手掌图像中的目标图像区域;
获取与所述目标图像区域对应的手掌图像作为所述手掌生物信息。
6.根据权利要求1所述的方法,其特征在于,还包括:
对所述手掌生物信息进行预设的预处理。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述手掌温度信息与预设温度阈值区间不匹配时,判定身份验证失败;
或,在判定所述手掌生物信息与预设账户信息库中的参考样本匹配失败时,判定身份验证失败。
8.一种基于生物识别的身份验证装置,其特征在于,所述装置包括:
接收单元,用于接收输入的身份验证消息,所述身份验证消息包括手掌温度信息、手掌生物信息,所述手掌生物信息包括掌纹信息、掌静脉信息、和/或掌形信息中的至少两种;
第一判断单元,用于判断所述手掌温度信息是否与预设温度阈值区间匹配;
第二判断单元,用于在所述手掌温度信息与预设温度阈值区间匹配时,判断所述手掌生物信息是否与预设账户信息库中的参考样本匹配;
判定单元,用于在所述手掌生物信息与所述参考样本匹配时,判定身份验证成功。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910615617.7A CN110443146A (zh) | 2019-07-09 | 2019-07-09 | 基于生物识别的身份验证方法、装置、设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910615617.7A CN110443146A (zh) | 2019-07-09 | 2019-07-09 | 基于生物识别的身份验证方法、装置、设备及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110443146A true CN110443146A (zh) | 2019-11-12 |
Family
ID=68429968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910615617.7A Pending CN110443146A (zh) | 2019-07-09 | 2019-07-09 | 基于生物识别的身份验证方法、装置、设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443146A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563454A (zh) * | 2020-05-08 | 2020-08-21 | 浙江大学 | 一种双重活体验证的手部静脉识别方法及装置 |
CN112862492A (zh) * | 2021-01-19 | 2021-05-28 | 中国建设银行股份有限公司 | 结合测温的支付验证方法、装置、设备及存储介质 |
CN113901940A (zh) * | 2021-10-21 | 2022-01-07 | 华南理工大学 | 基于手掌温度信息的掌纹掌静脉动态融合识别方法及系统 |
CN115631514A (zh) * | 2022-10-12 | 2023-01-20 | 中海银河科技(北京)有限公司 | 基于掌静脉指纹的用户识别方法、装置、设备与介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196987A (zh) * | 2007-12-25 | 2008-06-11 | 哈尔滨工业大学 | 在线掌纹、手掌静脉图像身份识别方法及其专用采集仪 |
CN101251889A (zh) * | 2007-12-25 | 2008-08-27 | 哈尔滨工业大学 | 基于手掌静脉与掌纹的近红外成像设备与身份识别方法 |
CN101464947A (zh) * | 2009-01-16 | 2009-06-24 | 哈尔滨工程大学 | 基于指纹和手指静脉的双模态生物图像采集装置 |
CN102663355A (zh) * | 2012-03-27 | 2012-09-12 | 天津理工大学 | 基于手背静脉与手形结合的识别系统与方法 |
CN106682473A (zh) * | 2016-12-20 | 2017-05-17 | 深圳芯启航科技有限公司 | 一种用户身份信息的识别方法及其装置 |
CN107045744A (zh) * | 2017-04-14 | 2017-08-15 | 特斯联(北京)科技有限公司 | 一种智能别墅门禁认证方法及系统 |
CN107066988A (zh) * | 2017-05-02 | 2017-08-18 | 湖南大拓三维数字技术有限公司 | 一种手掌红外体温测量与身份识别系统 |
CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 深圳市利众信息科技有限公司 | 手掌特征识别方法、手掌特征识别设备、及存储介质 |
CN109740575A (zh) * | 2019-01-30 | 2019-05-10 | 北京一维大成科技有限公司 | 一种身份验证的方法、装置、计算机可读介质以及设备 |
CN109934118A (zh) * | 2019-02-19 | 2019-06-25 | 河北大学 | 一种手背静脉身份识别方法 |
-
2019
- 2019-07-09 CN CN201910615617.7A patent/CN110443146A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196987A (zh) * | 2007-12-25 | 2008-06-11 | 哈尔滨工业大学 | 在线掌纹、手掌静脉图像身份识别方法及其专用采集仪 |
CN101251889A (zh) * | 2007-12-25 | 2008-08-27 | 哈尔滨工业大学 | 基于手掌静脉与掌纹的近红外成像设备与身份识别方法 |
CN101464947A (zh) * | 2009-01-16 | 2009-06-24 | 哈尔滨工程大学 | 基于指纹和手指静脉的双模态生物图像采集装置 |
CN102663355A (zh) * | 2012-03-27 | 2012-09-12 | 天津理工大学 | 基于手背静脉与手形结合的识别系统与方法 |
CN106682473A (zh) * | 2016-12-20 | 2017-05-17 | 深圳芯启航科技有限公司 | 一种用户身份信息的识别方法及其装置 |
CN107045744A (zh) * | 2017-04-14 | 2017-08-15 | 特斯联(北京)科技有限公司 | 一种智能别墅门禁认证方法及系统 |
CN107066988A (zh) * | 2017-05-02 | 2017-08-18 | 湖南大拓三维数字技术有限公司 | 一种手掌红外体温测量与身份识别系统 |
CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 深圳市利众信息科技有限公司 | 手掌特征识别方法、手掌特征识别设备、及存储介质 |
CN109740575A (zh) * | 2019-01-30 | 2019-05-10 | 北京一维大成科技有限公司 | 一种身份验证的方法、装置、计算机可读介质以及设备 |
CN109934118A (zh) * | 2019-02-19 | 2019-06-25 | 河北大学 | 一种手背静脉身份识别方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563454A (zh) * | 2020-05-08 | 2020-08-21 | 浙江大学 | 一种双重活体验证的手部静脉识别方法及装置 |
CN111563454B (zh) * | 2020-05-08 | 2023-08-08 | 浙江大学 | 一种双重活体验证的手部静脉识别方法及装置 |
CN112862492A (zh) * | 2021-01-19 | 2021-05-28 | 中国建设银行股份有限公司 | 结合测温的支付验证方法、装置、设备及存储介质 |
CN113901940A (zh) * | 2021-10-21 | 2022-01-07 | 华南理工大学 | 基于手掌温度信息的掌纹掌静脉动态融合识别方法及系统 |
CN113901940B (zh) * | 2021-10-21 | 2024-03-19 | 华南理工大学 | 基于手掌温度信息的掌纹掌静脉动态融合识别方法及系统 |
CN115631514A (zh) * | 2022-10-12 | 2023-01-20 | 中海银河科技(北京)有限公司 | 基于掌静脉指纹的用户识别方法、装置、设备与介质 |
CN115631514B (zh) * | 2022-10-12 | 2023-09-12 | 中海银河科技(北京)有限公司 | 基于掌静脉指纹的用户识别方法、装置、设备与介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220165087A1 (en) | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices | |
CN106778525B (zh) | 身份认证方法和装置 | |
CN110443146A (zh) | 基于生物识别的身份验证方法、装置、设备及可读介质 | |
US20220215686A1 (en) | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices | |
CN110326001B (zh) | 使用利用移动设备捕捉的图像执行基于指纹的用户认证的系统和方法 | |
Han et al. | Palm vein recognition using adaptive Gabor filter | |
CN107862282A (zh) | 一种手指静脉识别与安全认证方法及其终端及系统 | |
CN104580143A (zh) | 一种基于手势识别的安全认证方法、终端、服务器和系统 | |
WO2016072920A1 (en) | Creating templates for fingerprint authentication | |
CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
US9449217B1 (en) | Image authentication | |
CN110472498A (zh) | 基于手部特征的身份认证方法、系统、存储介质及设备 | |
Jain et al. | Fingerprint image analysis: role of orientation patch and ridge structure dictionaries | |
Tukur | Fingerprint recognition and matching using Matlab | |
Awasthi et al. | Fingerprint analysis using termination and bifurcation minutiae | |
Patil et al. | Fingerprint recognition for Library management | |
Harun et al. | New algorithm of extraction of palmprint region of interest (ROI) | |
Giradkar et al. | A survey paper on Various biometric security system methods | |
Chopra et al. | Finger print and finger vein recognition using repeated line tracking and minutiae | |
Sharma et al. | Fingerprint matching Using Minutiae Extraction Techniques | |
CN110647787A (zh) | 一种基于虹膜识别的私钥生成与解密的方法及系统 | |
CN112926041B (zh) | 一种基于生物特征的远程身份认证系统 | |
Mehmood | An Adaptive Palmprint Enhancement and Feature Selection Method for Robust Identification | |
Lee | Palm vein feature extraction using 2-D gabor filters | |
Thamaraiselvi et al. | NOVEL APPROACHES OF BIOMETRIC FINGER PRINT MINUTIAE DETECTION AND EXTRACTION PROCESS |
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 |