CN110647955A - 身份验证方法 - Google Patents
身份验证方法 Download PDFInfo
- Publication number
- CN110647955A CN110647955A CN201811362603.0A CN201811362603A CN110647955A CN 110647955 A CN110647955 A CN 110647955A CN 201811362603 A CN201811362603 A CN 201811362603A CN 110647955 A CN110647955 A CN 110647955A
- Authority
- CN
- China
- Prior art keywords
- value
- fingerprint
- information
- biometric information
- face image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012795 verification Methods 0.000 claims abstract description 14
- 230000007547 defect Effects 0.000 claims description 19
- 210000000887 face Anatomy 0.000 claims 2
- 210000000554 iris Anatomy 0.000 claims 2
- 230000002950 deficient Effects 0.000 description 14
- 238000005192 partition Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 5
- 102220465380 NF-kappa-B inhibitor beta_S23A_mutation Human genes 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000004243 sweat Anatomy 0.000 description 3
- 102220352372 c.148T>G Human genes 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
Abstract
本发明为一种身份验证方法,通过选择第一生物特征信息的一部分,以及一第二生物特征的全部或部份,来进行身份的验证程序,本发明采用使用者部份的生物特征进行身份验证,可以提升使用上的便利性,并且本发明同时结合两种生物特征识别的结果,可以维持身份验证的准确性。
Description
技术领域
本发明为一种身份验证方法,指一种根据两种不同的生物特征进行身份验证的方法。
背景技术
目前许多电子产品采用人体生物特征识别来作为身份验证。指纹识别及人脸识别为现有技术中常用的两种生物特征识别技术,常用于电子装置(例如手机或电脑)的解锁,或者是金融交易的身份验证。目前的身份验证方法只使用一种生物特征,例如人脸识别或指纹识别,其方便性和准确性都还有待改善。
发明内容
有鉴于此,本发明针对现有的身份验证方法加以改良,让使用者更方便的通过身份验证。
为达到上述发明目的,本发明所采用的技术手段为提供一种身份验证方法,其中包括:
获得一使用者的一第一生物特征信息与一第二生物特征信息;
选择部份的该第一生物特征信息;
比较该部份的第一生物特征信息与一第一注册信息,以产生一第一数值。
选择部份的该第二生物特征信息;
比较该部份的第二生物特征信息与一储存的第二注册信息,以产生一第二数值;
根据该第一数值与第二数值产生一输出值;
根据该输出值验证该使用者身份。
为达到上述发明目的,本发明所采用的另一种技术手段为提供一种身份验证方法,其中包括:
获得一使用者的一第一生物特征信息与一第二生物特征信息;
选择部份的该第一生物特征信息;
比较该部份的该第一生物特征信息与一第一注册信息,以产生一第一数值;
比较该第二生物特征信息与一第二注册信息,以产生一第二数值;
根据该第一数值与第二数值产生一输出值;以及
根据该输出值验证该使用者身份。
本发明的优点在于,允许采用使用者的生物特征的一部分信息来进行生物特征识别,能提升身份验证的便利性,同时通过结合两种生物特征识别的结果,可以维持身份验证的准确性。
以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
附图说明
图1为本发明所应用的电子装置的方块图。
图2的流程图说明本发明应用于人脸识别及指纹识别的实施例。
图3A及3B显示待验证的人脸图像。
图4显示一使用者注册的人脸图像。
图5A及5B的示意图说明从一指纹图像选取出其中一部份。
图6A至6B的示意图提供使用者注册的指纹图像。
图7为本发明的一实施例。
图8为本发明的另一实施例。
图9提供一指纹比对示意图。
图10提供一人脸识别的示意图。
其中,附图标记:
A电子装置 2处理单元
4储存介质 6相机
8指纹传感器 P1、P2、P3人脸图像
11上部区域 12下部区域
30口罩 31太阳眼镜
H人脸注册信息 E眼睛 M嘴巴
P1、P2、P3人脸图像 Q1、Q2、F1、F2指纹图像
21第一区域 22缺陷区域
23空白区域 24上部区域
50缺陷区域 60指纹图像
62指纹注册信息 70口罩
80脸部图像 82人脸注册信息
具体实施方式
下面结合附图对本发明的结构原理和工作原理作具体的描述:
请参阅图9所示的示意图,使用者的一指纹图像60包括一缺陷区域50,这个缺陷区域50可能是因为指纹识别器表面或手指的一部份区域具有脏污或汗水所造成,由于指纹图像60中的指纹不完整,与该使用者原先注册的指纹62有很大的差异,因此必然不能通过安全验证。在人脸识别方面,请参阅图10所示的示意图,如果使用者配戴口罩70(或太阳眼镜)于脸部,拍摄到的图像80与注册时的人脸图像82会有很明显的差异,必然不能通过身份验证。但无论是手指有脏污,或者是使用者配戴口罩与太阳眼镜,都是很普遍的情况,因此,本发明提出一种身份验证的方法,可以兼具安全性与便利性。
本发明的特点之一是利用两种不同的生物特征进行身份验证。这两种生物特征可以是指纹、人脸、虹膜、掌纹或声纹。为了方便说明,图1与图2的实施例先以人脸及指纹两种生物特征来说明本发明的技术内容,但不以此为限。
图1的电子装置A可以是一手机、电脑或个人数字助理(Personal digitalassistant,PDA)。电子装置A包括一处理单元2、一储存介质4、一相机6以及一指纹传感器8。处理单元2耦接储存介质4、相机6以及指纹传感器8。相机6是用以拍摄人脸图像。指纹传感器8可以是电容式或是光学式指纹传感器,用于感测指纹以产生指纹图像。储存介质4储存有供处理单元2利用人脸图像以及指纹图像执行身份验证的程序及数据。
图2的实施例说明本发明利用人脸图像以及指纹图像执行身份验证的方法。步骤S10是通过相机6拍摄使用者的脸,以及用指纹传感器8感测使用者的手指,以获得人脸图像与指纹图像。
所获得的人脸图像或指纹图像被送给处理单元2后,处理单元2可能对人脸图像及指纹图像进行一些预处理的程序,例如调整图像的大小,方向,比例等等,以便后续进行人脸识别及指纹识别。在步骤S20中,处理单元2判断该人脸图像是否具有遮蔽物,例如口罩或太阳眼镜等等。判断人脸图像是否具有遮蔽物可以使用人工智能或者图像分析的方式来进行,举例来说,人脸特征识别技术(facial landmark detection)可以识别出一张人脸图像中的五官位置,当使用人脸特征识别技术在一人脸图像中找不到嘴巴时,即表示该张人脸图像中可能包含口罩遮住了嘴巴。同理,当一张人脸图像中的两个眼睛无法被找到时,即表示该张人脸图像可能包含太阳眼镜遮住了眼睛。在步骤S30中,处理单元2判断指纹图像是否具有缺陷区域。判断指纹图像是否具有缺陷区域可以有许多方式,举例来说,将指纹图像分成多个区域,当一区域的像素值总和高于或低于一门槛值时,或者与其他区域的差异程度过大时,即可判断该区域为缺陷区域。其他可以判断人脸图像是否具有遮蔽物,以及判断指纹图像是否具有缺陷区域的方法,亦可以适用于本发明。
当处理单元2在步骤S20中判断该人脸图像具有遮蔽物时,则进行步骤S21从该人脸图像中选择一无遮蔽区域,该选择的无遮蔽区域并不与该遮蔽物重叠,亦即步骤S21是在选择人脸图像中没有被遮蔽物遮住的其他部位。在步骤S22中,处理单元2根据所选择的无遮蔽区域选取一组人脸分区注册信息,该选取的人脸分区注册信息的内容至少对应该选择的无遮蔽区域所涵盖的部位,例如眼睛或嘴巴。
步骤S23比较该选择的无遮蔽区域与该选取的人脸分区注册信息以产生一第一数值X1。在步骤S23中,处理单元2先将该选择的无遮蔽区域的图像转换成一组待验证人脸信息,然后再计算该待验证人脸信息与该人脸分区注册信息的相似程度,以产生该第一数值X1。
举例而言,图3A的图像P1是待验证的人脸图像。当处理单元2在步骤S20分析出人脸图像P1有口罩30时,就在步骤S21选择该人脸图像P1上没有被口罩遮到的上部区域11,并且在步骤S22根据该上部区域11涵盖了眼睛部位选取一人脸分区注册信息H1。选择上部区域11的一种方式,可以是利用人脸特征识别技术(facial landmark detection)从人脸图像P1先识别出两个眼睛,并且以两个眼睛的中心点向外延伸一预设大小的区域至少涵盖该两个眼睛。上部区域11包括两个眼睛的部位,该人脸分区注册信息H1的内容至少涵盖到两个眼睛的部位。在步骤S23中,处理单元2比较该上部区域11的图像与该人脸分区注册信息H1,以产生第一数值X1。
在图3B的例子中,图像P2是待验证的人脸图像。当处理单元2在步骤S20分析出人脸图像P2有太阳眼镜31时,就在步骤S21选择该人脸图像P2上没有被太阳眼镜31遮到的下部区域12,并且在步骤S22根据该下部区域22涵盖了嘴巴部位选取一人脸分区注册信息H2。选择下部区域12的一种方式,可以是利人脸特征识别技术(facial landmark detection)从人脸图像P2先识别出嘴巴,并且以嘴巴的中心点向外延伸一预设大小的区域至少涵盖嘴巴。下部区域12包括嘴巴的部位,该人脸分区注册信息H2的内容至少涵盖到嘴巴部位。在步骤S23中,处理单元2比较下部区域12的图像与该人脸分区注册信息H2,以产生第一数值X1。
上述的人脸分区注册信息是在使用者进行人脸图像的注册程序时由处理单元2产生。举例来说,使用者以图4所示的人脸图像P3在电子装置A注册。在一实施例中,处理单元2选取涵盖两个眼睛E的多个不同大小的区域,这些选取区域的图像经过人工智能演算法的处理之后,产生一组注册信息H1。相似的,处理单元2选取涵盖嘴巴M的多个不同大小的区域,这些选取区域的图像经过人工智能演算法的处理之后,产生一组注册信息H2。在另一实施例中,处理单元2执行一人工智能演算法萃取人脸图像P3的特征,产生一组全脸注册信息H。由于全脸注册信息H是从人脸图像P3转换而来,因此从全脸注册信息H中,处理单元2亦可以选择涵盖两眼E的部份作为注册信息H1,涵盖嘴巴M的部份作为注册信息H2。举例来说,人脸注册信息H包括100个系数,第30~50个系数是对应两个眼睛E及其周围的部位,用来作为注册信息H1。第70~90个系数是对应嘴巴M的部位,用来作为注册信息H2。至于根据一人脸图像产生人脸注册信息为熟习人脸识别领域的人士所熟知,在此便不再详述。
当处理单元2在步骤S20中判断人脸图像并没有遮蔽物时,则进行步骤S24。步骤S24是比较步骤S10所获得的人脸图像与一全脸注册信息(例如前述的全脸注册信息H),产生一第一数值X2。在步骤S24中,处理单元2先将该人脸图像转换成一组待验证人脸信息,然后再计算该待验证人脸信息与该全脸注册信息H的相似程度,以产生该第一数值X2。在图示中,步骤S23与步骤S24的第一数值是代表人脸图像的识别结果,并非表示步骤S23与步骤S24产生的第一数值相同。
步骤S30是在判断步骤S10获得的指纹图像是否具有缺陷区域。该缺陷区域可能是因指纹识别器表面或手指的一部份区域具有脏污或汗水所造成。在步骤S30中,处理单元2分析指纹图像以判断是否有缺陷区域。当处理单元2判断该指纹图像具有缺陷区域时,则进行步骤S31从指纹图像中选择一非缺陷区域,该选择的非缺陷区域并不与该缺陷区域重叠,亦即步骤S31是在选择指纹图像的缺陷区域以外的其他区域。接下来,处理单元2根据所选择的非缺陷区域进行步骤S32。在步骤S32中,处理单元2比较该非缺陷区域的图像与一指纹注册信息J以产生一第二数值Y1。例如在图5A中,处理单元2分析出指纹图像Q1的下半部存在着缺陷区域22,处理单元2就从该指纹图像Q1中选择缺陷区域22以外的第一区域21跟指纹注册信息J作比对,以产生第二数值Y1。或者,如图5B所示,处理单元2可以将指纹图像Q1加以处理,以一块空白区域23取代图5A中的缺陷区域22,使得处理后的指纹图像Q2是由上部区域24与空白区域23所组成。然后以处理后的指纹图像Q2来跟指纹注册信息J作比对。在这个例子中,以空白区域23取代缺陷区域22,相当于是选择了缺陷区域22以外的上部区域24的指纹图像来作指纹识别。在进行指纹比对时,由于空白区域23没有指纹,因此仍然是拿上部区域24的指纹图像来跟注册信息J作比对。
上述的指纹注册信息J是在使用者进行指纹的注册程序时由处理单元2产生。在一实施例中,指纹传感器8的尺寸较大,可以感测到一只手指的完整的指纹,例如图6A所示的指纹F1。在进行指纹注册时,处理单元2感测使用者的指纹(例如指纹F1)以产生指纹注册信息J,并储存在储存介质4中。在另一实施例中,指纹传感器8的尺寸较小,例如只有手指面积的1/10。在进行指纹注册时,指纹传感器8对使用者的手指进行多次的感测,以获取如图6B所示的多张指纹图像F2,每一张指纹图像F2是对应使用者指纹的一部份。处理单元2即根据该多张指纹图像F2产生一组指纹注册信息J1并储存在储存介质中。该指纹注册信息J1中,包括分别对应该多张指纹图像F2的多笔注册信息。关于指纹的注册程序为熟习指纹识别领域者所熟知,在此不再赘述。
当处理单元2在步骤S30中判断指纹图像并没有缺陷区域时,则进行步骤S33,在步骤S33中,处理单元2比较步骤S10获得的指纹图像与指纹注册信息(例如前述的指纹注册信息J或J1),产生一第二数值Y2。在图示中,步骤S32与步骤S33的第二数值是代表指纹图像的识别结果,并非表示步骤S32与步骤S33产生的第二数值相同。
在步骤S32与S33中,以部份或者完整的指纹图像来跟指纹注册信息作比对的方式可以使用现有的指纹比对方法,从待验证的指纹图像中分析出特征点,再与指纹注册信息进行比对。关于指纹比对的细节为熟习指纹识别技术的人士所熟知,在此不再赘述。
在一实施例中,上述的第一数值与第二数值为分数,代表相似度。分数愈高,相似度愈高。步骤S40是根据第一数值与第二数值产生一输出值。在步骤S40中,处理单元2根据步骤S23或S24产生的第一数值,以及步骤S32或S33产生的第二数值,进行运算以产生一输出值S。步骤S50是根据步骤S40产生的输出值S验证使用者身份,以决定在步骤S10获得的人脸图像与指纹图像与在电子装置A注册的使用者是否匹配。在一实施例中,处理单元2根据步骤S40产生的输出值S与一门槛值作比较,并且根据比较的结果产生一验证值1代表验证成功,或产生一验证值0代表验证失败。
举例来说,步骤S40根据步骤S23的第一数值X1与步骤S32的第二数值Y1产生的输出值S1=A1×X1+B1×Y1。在步骤S40根据步骤S23的第一数值X1与步骤S33的第二数值Y2产生的输出值S2=A1×X1+B2×Y2。步骤S40根据步骤S24的第一数值X2与步骤S32的第二数值Y1产生的输出值S3=A2×X2+B1×Y1。步骤S40根据步骤S24的第一数值X2与步骤S33的第二数值Y2产生的输出值S4=A2×X2+B2×Y2。其中,符号S1~S4是代表输出值,A1、A2、B1与B2是权重值。步骤S24执行的是全脸图像的人脸识别,在身份验证的准确度会高于步骤S23执行的部份人脸图像的人脸识别,因此权重值A2>A1。在人脸图像中不同的无遮蔽区域也可以是对应不同的权重值A1,在指纹图像中,不同的无缺陷区域也可以是对应不同的权重值B1。步骤S33执行的是整张指纹图像的指纹识别,在身份验证的准确度会高于步骤S32执行的部份指纹图像的指纹识别,因此权重值B2>B1。在步骤S50的一个实施例中,是拿步骤S40产生的输出值来与一门槛值作比较,以产生一验证值代表对使用者身份的验证结果,当该输出值大于门槛值时,则产生一验证值1代表识别成功,当该输出值小于门槛值时,则产生一验证值0代表识别失败。针对不同的情况,步骤S50可能用到不同的门槛值。举例来说,输出值S1被拿来与一门槛值TH1相比较,输出值S2被拿来与一门槛值TH2相比较,输出值S3被拿来与门槛值TH3相比较,输出值S4被拿来为一门槛值TH4相比较。门槛值TH1~TH4的设定跟权重值A1、A2、B1与B2有关。在一实施例中,权重值A2>A1,门槛值TH3>TH1,权重值B2>B1,门槛值TH4>TH2。在其他的实施例中,根据实际的安全性与方便性的需求,门槛值TH3亦可能小于或等于门槛值TH1,门槛值TH4亦可能小于或等于门槛值TH2。
从以上的说明可以了解,图2的实施例结合了人脸识别与指纹识别,其中人脸识别是以整张人脸图像或部份人脸图像来进行,指纹识别是以整张指纹图像或部份的指纹图像来进行。因此图2包括了四种的识别组合,分别是:
组合一:全脸图像的人脸识别搭配整张指纹图像的指纹识别。
组合二:全脸图像的人脸识别搭配部份指纹图像的指纹识别。
组合三:部份人脸图像的人脸识别搭配整张指纹图像的指纹识别。
组合四:部份人脸图像的人脸识别搭配部份指纹图像的指纹识别。
以上的实施例使用人脸与指纹这两种生物特征来作说明,本发明亦可以适用于其他不同的生物特征。因此,从图2以及上述的组合二、三与四可以了解,本发明的实施方式至少包括以部份的第一生物特征以及部份的第二生物特征进行身份验证,以及以部份的第一生物特征与全部的的第二生物特征进行身份验证。这两种实施方式可以分别表现如图7及图8所示。
图7的流程图包含有以下步骤:
获得使用者的第一生物特征信息与第二生物特征信息(S10A);
选择部份的第一生物特征信息(S21A);
比较该部份的第一生物特征信息与一第一注册信息,以产生一第一数值(S23A);
选择部份的第二生物特征信息(S31A);
比较该部份的第二生物特征信息与一第二注册信息,以产生一第二数值(S32A);
根据该第一数值与该第二数值产生一输出值(S40A);
根据该输出值验证使用者身份(S50A)。
如图8所示,本发明的方法的又一实施例包含有以下步骤:
获得使用者的第一生物特征信息与第二生物特征信息(S10B);
选择部份的第一生物特征信息(S21B);
比较该部份的第一生物特征信息与一第一注册信息以产生第一数值(S23B);
比较该第二生物特征信息与一第二注册信息以产生一第二数值(S33B);根据该第一数值与该第二数值产生一输出值(S40B);
根据该输出值验证使用者身份(S50B)。
当图7与图8所示实施例的第一生物特征信息为人脸图像时,步骤S21A、S21B以及步骤S23A与23B的具体实施方式可以分别参考图2所示实施例的步骤S21与S23的相关说明。当图7与图8所示实施例的第二生物特征信息为指纹图像时,步骤S31A、S32A与S33B的具体实施方式可以分别参考图2所示实施例的步骤S31、S32与S33的相关说明。当图7与图8所示实施例的第一生物特征信息为指纹图像时,步骤S21A、S21B以及步骤S23A与23B的具体实施方式可以分别参考图2所示实施例的步骤S31与S32的相关说明。当图7与图8所示实施例的第二生物特征信息为人脸图像时,步骤S31A、S32A与S33B的具体实施方式可以分别参考图2所示实施例的步骤S21、S23与S24的相关说明。
图7的步骤S40A与图8的步骤S40B的具体实施方式是将该第一数值乘上一第一权重及该第二数值乘上一第二权重的总和作为该输出值。当第一生物特征信息为人脸图像而第二生物特征信息为指纹图像时,更详细的计算方式可以参考步骤S40的相关说明。
从以上说明可以了解,本发明的特点包括采用两种不同的生物特征信息来进行身份验证,而且允许采用使用者部份的生物特征来进行身份验证。以人脸识别及指纹识别为例,即使人脸戴着口罩或太阳眼镜等遮蔽物,或者指纹有汗水或脏污,都可以通过本发明进行身份验证。相较于现有单纯以一种生物特征进行识别的方法,本发明显然更为便利,且/或准确性更高。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (14)
1.一种身份验证方法,其特征在于,其中包括:
获得一使用者的一第一生物特征信息与一第二生物特征信息;
选择部份的该第一生物特征信息;
比较该部份的第一生物特征信息与一第一注册信息,以产生一第一数值;
选择部份的该第二生物特征信息;
比较该部份的第二生物特征信息与一第二注册信息,以产生一第二数值;
根据该第一数值与第二数值产生一输出值;以及
根据该输出值验证该使用者身份。
2.如权利要求1所述的身份验证方法,其特征在于,其中该第一生物特征信息与该第二生物特征信息是不同类型的生物特征,该第一生物特征信息与该第二生物特征信息为指纹、人脸、虹膜、掌纹或声纹。
3.如权利要求1所述的身份验证方法,其特征在于,其中该根据该第一数值与该第二数值产生该输出值的步骤包括:
将该第一数值乘上一第一权重及该第二数值乘上一第二权重的总和作为该输出值。
4.如权利要求1所述的身份验证方法,其特征在于,其中该第一生物特征信息为一人脸图像,该身份验证方法更包括:
判断该人脸图像是否包括一遮蔽物;以及
当该人脸图像包括一遮蔽物时,进行该选择部份的该第一生物特征信息的步骤,从该人脸图像中选择该遮蔽物以外的一无遮蔽区域。
5.如权利要求4所述的身份验证方法,其特征在于,其中更包括根据该无遮蔽区域选择对应的该注册信息。
6.如权利要求1或4所述的身份验证方法,其特征在于,其中该第二生物特征信息为一指纹图像,该身份验证方法更包括:
判断该指纹图像是否具有一缺陷区域;
当该指纹图像具有一缺陷区域时,进行该选择部份的该第二生物特征信息的步骤,从该指纹图像中选择该缺陷区域以外的一非缺陷区域。
7.如权利要求4所述的身份验证方法,其特征在于,其中该部份的该第一生物特征信息包括该人脸图像中的两个眼睛或嘴巴。
8.一种身份验证方法,其特征在于,其中包括:
获得一使用者的一第一生物特征信息与一第二生物特征信息;
选择部份的该第一生物特征信息;
比较该部份的该第一生物特征信息与一第一注册信息,以产生一第一数值;
比较该第二生物特征信息与一第二注册信息,以产生一第二数值;
根据该第一数值与第二数值产生一输出值;以及
根据该输出值验证该使用者身份。
9.如权利要求8所述的身份验证方法,其特征在于,其中该第一生物特征信息与该第二生物特征信息是不同类型的生物特征,该第一生物特征信息与该第二生物特征信息为指纹、人脸、虹膜、掌纹或声纹。
10.如权利要求8所述的身份验证方法,其特征在于,其中该根据该第一数值与该第二数值产生该输出值的步骤包括:
将该第一数值乘上一第一权重及该第二数值乘上一第二权重的总和作为该输出值。
11.如权利要求8所述的身份验证方法,其特征在于,其中该第一生物特征信息为一人脸图像,该身份验证方法更包括:
判断该人脸图像是否包括一遮蔽物;以及
当该人脸图像包括一遮蔽物时,进行该选择部份的该第一生物特征信息的步骤,从该人脸图像中选择该遮蔽物以外的一无遮蔽区域。
12.如权利要求11所述的身份验证方法,其特征在于,其中更包括根据该无遮蔽区域选择对应的该注册信息。
13.如权利要求8所述的身份验证方法,其特征在于,其中该第一生物特征信息为一指纹图像,该身份验证方法更包括:
判断该指纹图像是否具有一缺陷区域;
当该指纹图像具有一缺陷区域时,进行该选择部份的该第一生物特征信息的步骤,从该指纹图像中选择该缺陷区域以外的一非缺陷区域。
14.如权利要求11所述的身份验证方法,其特征在于,其中该部份的该第一生物特征信息包括该人脸图像中的两个眼睛或嘴巴。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862690311P | 2018-06-26 | 2018-06-26 | |
US62/690,311 | 2018-06-26 | ||
TW107134823A TW202001646A (zh) | 2018-06-26 | 2018-10-02 | 身份驗證方法 |
TW107134823 | 2018-10-02 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110647955A true CN110647955A (zh) | 2020-01-03 |
Family
ID=68981902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811362603.0A Pending CN110647955A (zh) | 2018-06-26 | 2018-11-15 | 身份验证方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20190392129A1 (zh) |
CN (1) | CN110647955A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111414831A (zh) * | 2020-03-13 | 2020-07-14 | 深圳市商汤科技有限公司 | 监测方法及系统、电子设备和存储介质 |
CN111428594A (zh) * | 2020-03-13 | 2020-07-17 | 北京三快在线科技有限公司 | 身份验证方法、装置、电子设备和存储介质 |
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 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7303654B2 (ja) * | 2019-03-29 | 2023-07-05 | グローリー株式会社 | 認証システム及び認証方法 |
TWI772648B (zh) * | 2019-06-03 | 2022-08-01 | 銓鴻資訊有限公司 | 基於集體驗證的部分資料驗證方法 |
US11695758B2 (en) * | 2020-02-24 | 2023-07-04 | International Business Machines Corporation | Second factor authentication of electronic devices |
JPWO2022003863A1 (zh) * | 2020-07-01 | 2022-01-06 | ||
CN113222798A (zh) * | 2021-04-30 | 2021-08-06 | 深圳市展拓电子技术有限公司 | 一种针对在押人员的防勿放方法、系统、智能终端以及计算机可读存储介质 |
US20230019250A1 (en) * | 2021-05-10 | 2023-01-19 | Apple Inc. | User interfaces for authenticating to perform secure operations |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004355253A (ja) * | 2003-05-28 | 2004-12-16 | Nippon Telegr & Teleph Corp <Ntt> | セキュリティ装置、セキュリティ方法、プログラム、及び記録媒体 |
JP2006277028A (ja) * | 2005-03-28 | 2006-10-12 | Nec Corp | 身体的特徴情報を用いた利用者登録方法及び認証代行システム |
JP2010157073A (ja) * | 2008-12-26 | 2010-07-15 | Fujitsu Ltd | 顔認識装置、顔認識方法及び顔認識プログラム |
CN103324909A (zh) * | 2012-03-15 | 2013-09-25 | 谷歌公司 | 面部特征检测 |
CN104751108A (zh) * | 2013-12-31 | 2015-07-01 | 汉王科技股份有限公司 | 人脸图像识别装置和人脸图像识别方法 |
JP2016081212A (ja) * | 2014-10-15 | 2016-05-16 | 日本電気株式会社 | 画像認識装置、画像認識方法、および、画像認識プログラム |
CN105740683A (zh) * | 2016-01-20 | 2016-07-06 | 北京信安盟科技有限公司 | 基于多因素、多引擎、人机相结合的身份验证方法与系统 |
CN105825183A (zh) * | 2016-03-14 | 2016-08-03 | 合肥工业大学 | 基于部分遮挡图像的人脸表情识别方法 |
CN105913241A (zh) * | 2016-04-01 | 2016-08-31 | 袁艳荣 | 一种基于图像识别的顾客认证系统的使用方法 |
CN106096585A (zh) * | 2016-06-29 | 2016-11-09 | 深圳市金立通信设备有限公司 | 一种身份验证方法以及终端 |
US20170041314A1 (en) * | 2015-08-07 | 2017-02-09 | Suprema Inc. | Biometric information management method and biometric information management apparatus |
CN107437074A (zh) * | 2017-07-27 | 2017-12-05 | 深圳市斑点猫信息技术有限公司 | 一种身份认证方法和装置 |
CN107967458A (zh) * | 2017-12-06 | 2018-04-27 | 宁波亿拍客网络科技有限公司 | 一种人脸识别方法 |
-
2018
- 2018-11-15 CN CN201811362603.0A patent/CN110647955A/zh active Pending
-
2019
- 2019-02-01 US US16/265,628 patent/US20190392129A1/en not_active Abandoned
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004355253A (ja) * | 2003-05-28 | 2004-12-16 | Nippon Telegr & Teleph Corp <Ntt> | セキュリティ装置、セキュリティ方法、プログラム、及び記録媒体 |
JP2006277028A (ja) * | 2005-03-28 | 2006-10-12 | Nec Corp | 身体的特徴情報を用いた利用者登録方法及び認証代行システム |
JP2010157073A (ja) * | 2008-12-26 | 2010-07-15 | Fujitsu Ltd | 顔認識装置、顔認識方法及び顔認識プログラム |
CN103324909A (zh) * | 2012-03-15 | 2013-09-25 | 谷歌公司 | 面部特征检测 |
CN104751108A (zh) * | 2013-12-31 | 2015-07-01 | 汉王科技股份有限公司 | 人脸图像识别装置和人脸图像识别方法 |
JP2016081212A (ja) * | 2014-10-15 | 2016-05-16 | 日本電気株式会社 | 画像認識装置、画像認識方法、および、画像認識プログラム |
US20170041314A1 (en) * | 2015-08-07 | 2017-02-09 | Suprema Inc. | Biometric information management method and biometric information management apparatus |
CN105740683A (zh) * | 2016-01-20 | 2016-07-06 | 北京信安盟科技有限公司 | 基于多因素、多引擎、人机相结合的身份验证方法与系统 |
CN105825183A (zh) * | 2016-03-14 | 2016-08-03 | 合肥工业大学 | 基于部分遮挡图像的人脸表情识别方法 |
CN105913241A (zh) * | 2016-04-01 | 2016-08-31 | 袁艳荣 | 一种基于图像识别的顾客认证系统的使用方法 |
CN106096585A (zh) * | 2016-06-29 | 2016-11-09 | 深圳市金立通信设备有限公司 | 一种身份验证方法以及终端 |
CN107437074A (zh) * | 2017-07-27 | 2017-12-05 | 深圳市斑点猫信息技术有限公司 | 一种身份认证方法和装置 |
CN107967458A (zh) * | 2017-12-06 | 2018-04-27 | 宁波亿拍客网络科技有限公司 | 一种人脸识别方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111414831A (zh) * | 2020-03-13 | 2020-07-14 | 深圳市商汤科技有限公司 | 监测方法及系统、电子设备和存储介质 |
CN111428594A (zh) * | 2020-03-13 | 2020-07-17 | 北京三快在线科技有限公司 | 身份验证方法、装置、电子设备和存储介质 |
WO2021179624A1 (zh) * | 2020-03-13 | 2021-09-16 | 深圳市商汤科技有限公司 | 监测方法及系统、电子设备和存储介质 |
CN111414831B (zh) * | 2020-03-13 | 2022-08-12 | 深圳市商汤科技有限公司 | 监测方法及系统、电子设备和存储介质 |
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 |
Also Published As
Publication number | Publication date |
---|---|
US20190392129A1 (en) | 2019-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647955A (zh) | 身份验证方法 | |
US20220165087A1 (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 | |
US9361681B2 (en) | Quality metrics for biometric authentication | |
JP4351982B2 (ja) | 個人認証方法、装置及びプログラム | |
US10922399B2 (en) | Authentication verification using soft biometric traits | |
Nadheen et al. | Feature level fusion in multimodal biometric authentication system | |
Ammour et al. | Face-iris multimodal biometric system based on hybrid level fusion | |
Doublet et al. | Robust grayscale distribution estimation for contactless palmprint recognition | |
JP5730044B2 (ja) | 顔画像認証装置 | |
Rajasekar et al. | Efficient multimodal biometric recognition for secure authentication based on deep learning approach | |
Jacob et al. | Feature level fusion using multiple fingerprints | |
Rane et al. | Multimodal system using Radon-Gabor transform | |
TW202217611A (zh) | 身份驗證方法 | |
Shukla et al. | A Hybrid Model of Multimodal Biometrics System using Fingerprint and Face as Traits | |
Ribarić et al. | A biometric identification system based on the fusion of hand and palm features | |
TW202001646A (zh) | 身份驗證方法 | |
Muthukumaran et al. | Face and Iris based Human Authentication using Deep Learning | |
Brown | Investigating Combinations of Feature Extraction and Classification for Improved Image-Based Multimodal Biometric Systems at the Feature Level | |
Mehmood | An Adaptive Palmprint Enhancement and Feature Selection Method for Robust Identification | |
Qureshi et al. | Effectiveness of assigning confidence levels to classifiers and a novel feature in fingerprint matching | |
Lee et al. | Ocular and iris recognition baseline algorithm | |
Brown et al. | A dynamically weighted multi-modal biometric security system | |
Das | Iris Recognition in Eigen Space | |
Chaudhari et al. | A novel approach for latent to rolled fingerprint matching |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200103 |
|
WD01 | Invention patent application deemed withdrawn after publication |