CN110705481B - 一种光学指纹防伪方法、装置及计算机可读存储介质 - Google Patents
一种光学指纹防伪方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110705481B CN110705481B CN201910948296.2A CN201910948296A CN110705481B CN 110705481 B CN110705481 B CN 110705481B CN 201910948296 A CN201910948296 A CN 201910948296A CN 110705481 B CN110705481 B CN 110705481B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- carrier
- characteristic data
- module
- deformation process
- 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
- G06V40/13—Sensors therefor
- G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
-
- 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
- G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
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)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供了一种光学指纹防伪方法、装置及计算机可读存储介质,在指纹载体按压显示屏上的指纹识别区域过程中,控制光学指纹模组对指纹载体进行连续曝光采图;基于连续曝光采图所得到的多张指纹载体图像,统计指纹载体的形变过程特征数据;将形变过程特征数据与表征真实手指按压指纹识别区域过程中的形变特征的合法形变过程特征数据进行比对验证;在验证通过时,确定当前的指纹载体为真实手指。通过本申请方案的实施,结合真实手指按压指纹识别区域过程中的手指形变过程规律,来对实际使用过程中待识别的指纹载体进行真假手指区分,有效降低了技术实现复杂度,充分保证了指纹防伪可靠性,使终端使用安全性得到了提高。
Description
技术领域
本申请涉及电子技术领域,尤其涉及一种光学指纹防伪方法、装置及计算机可读存储介质。
背景技术
随着终端技术的不断发展,全面屏终端的普及率越来越高,由于全面屏终端的屏占比较高,屏下指纹识别技术也应运而生。
目前,光学指纹识别技术作为一种主流的屏下指纹识别技术,由于其快速的响应速度和精准的识别率,受到市场的较大青睐。然而随着该技术的普及,包括指纹模仿的指纹识别破解方案也应运而生,指纹模仿是指复制合法用户的指纹来欺骗指纹识别系统,流行的指纹模仿技术包括采用明胶、塑料等来制造具备合法用户的指纹信息的假体手指。为了提升光学指纹识别系统在面对假指纹攻击时的可靠性,相关光学指纹防伪技术被提出,例如通过采集大量防伪攻击场景下的伪指纹图像样本来训练算法模型,利用真假指纹特征上的差异实现防伪,然而,该算法的准确性对模型的训练行为具有较大依赖,由于目前输入模型的伪指纹样本数量和样本类型的全面性并不能达到有效训练模型的要求,从而目前的光学指纹防伪系统的可靠性依旧不能得到充分保证,终端使用安全性较低。
发明内容
本申请实施例提供了一种光学指纹防伪方法、装置及计算机可读存储介质,至少能够解决相关技术中所采用的指纹防伪模型的训练样本数量和样本类型的全面性难以满足实际需求,所导致的训练得到的指纹防伪模型的指纹防伪可靠性不能得到充分保证、终端使用安全性较低的问题。
本申请实施例第一方面提供了一种光学指纹防伪方法,应用于电子装置,所述电子装置包括显示屏组件和光学指纹模组,包括:
在指纹载体按压显示屏上的指纹识别区域过程中,控制所述光学指纹模组对所述指纹载体进行连续曝光采图;
基于所述连续曝光采图所得到的多张指纹载体图像,统计所述指纹载体的形变过程特征数据;
将所述形变过程特征数据与预设的合法形变过程特征数据进行比对验证;其中,所述合法形变过程特征数据用于表征真实手指按压所述指纹识别区域过程中的形变特征;
在验证通过时,确定当前的所述指纹载体为真实手指。
本申请实施例第二方面提供了一种光学指纹防伪装置,应用于电子装置,所述电子装置包括显示屏组件和光学指纹模组,包括:
控制模块,用于在指纹载体按压显示屏上的指纹识别区域过程中,控制所述光学指纹模组对所述指纹载体进行连续曝光采图;
统计模块,用于基于所述连续曝光采图所得到的多张指纹载体图像,统计所述指纹载体的形变过程特征数据;
形变验证模块,用于将所述形变过程特征数据与预设的合法形变过程特征数据进行比对验证;其中,所述合法形变过程特征数据用于表征真实手指按压所述指纹识别区域过程中的形变特征;
确定模块,用于在验证通过时,确定当前的所述指纹载体为真实手指。
本申请实施例第三方面提供了一种电子装置,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,实现上述本申请实施例第一方面提供的光学指纹防伪方法中的各步骤。
本申请实施例第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时,实现上述本申请实施例第一方面提供的光学指纹防伪方法中的各步骤。
由上可见,根据本申请方案所提供的光学指纹防伪方法、装置及计算机可读存储介质,在指纹载体按压显示屏上的指纹识别区域过程中,控制光学指纹模组对指纹载体进行连续曝光采图;基于连续曝光采图所得到的多张指纹载体图像,统计指纹载体的形变过程特征数据;将形变过程特征数据与表征真实手指按压指纹识别区域过程中的形变特征的合法形变过程特征数据进行比对验证;在验证通过时,确定当前的指纹载体为真实手指。通过本申请方案的实施,结合真实手指按压指纹识别区域过程中的手指形变过程规律,来对实际使用过程中待识别的指纹载体进行真假手指区分,有效降低了技术实现复杂度,充分保证了指纹防伪可靠性,使终端使用安全性得到了提高。
附图说明
图1为本申请第一实施例提供的光学指纹防伪方法的基本流程示意图;
图2为本申请第一实施例提供的电容变化特征验证方法的流程示意图;
图3为本申请第一实施例提供的指纹载体接近显示屏的过程示意图;
图4为本申请第一实施例提供的伪手指确定方法的流程示意图;
图5为本申请第一实施例提供的指纹识别认证方法的流程示意图;
图6为本申请第二实施例提供的光学指纹防伪方法的细化流程示意图;
图7为本申请第三实施例提供的一种光学指纹防伪装置的程序模块示意图;
图8为本申请第三实施例提供的另一种光学指纹防伪装置的程序模块示意图;
图9为本申请第四实施例提供的电子装置的结构示意图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而非全部实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了解决相关技术中所采用的指纹防伪模型的训练样本数量和样本类型的全面性难以满足实际需求,所导致的训练得到的指纹防伪模型的指纹防伪可靠性不能得到充分保证、终端使用安全性较低的缺陷,本申请第一实施例提供了一种光学指纹防伪方法,应用于电子装置,电子装置包括显示屏组件和光学指纹模组,光学指纹模组设置于所述显示屏组之下,如图1为本实施例提供的光学指纹防伪方法的基本流程图,该光学指纹防伪方法包括以下的步骤:
步骤101、在指纹载体按压显示屏上的指纹识别区域过程中,控制光学指纹模组对指纹载体进行连续曝光采图。
具体的,在实际应用中,终端在不同的应用场景下均可具备指纹识别需求,例如指纹支付、指纹解锁等。另外,指纹识别在显示屏上特定的指纹识别区域进行,指纹识别区域在显示屏上的设置位置,对应于光学指纹模组的屏下设置位置,本实施例的终端上可以设置有一个或多个指纹识别区域,在此不作唯一限定。应当理解的是,本实施例的指纹载体也即承载指纹的物体,包括人体的真实手指、由不法分子仿制的假体手指等。
还应当说明的是,光学指纹模组包括光学透镜系统、传感器芯片、红外滤光片等,在指纹载体接触显示屏而对显示屏按压时,显示屏产生的光线照射在指纹载体上,然后光线被指纹载体反射到显示屏下方的光学指纹模组,而由光学指纹模组生成指纹载体图像。由于指纹载体按压指纹识别区域为一个持续过程,按压程度逐渐增大,本实施例在该按压过程中控制光学指纹模组连续曝光,来实现在不同时刻对指纹载体进行多张图像的采集。
步骤102、基于连续曝光采图所得到的多张指纹载体图像,统计指纹载体的形变过程特征数据。
具体的,手指表面是一个曲面,在与指纹识别区域接触过程中会产生形变,由于本实施例的各指纹载体图像分别采集于不同的时刻,且不同时刻的指纹载体按压行为有所不同,从而每张指纹载体图像上所对应的指纹载体形变特征均会有所不同,本实施例对所采集的所有指纹载体图像所表征的指纹载体形变特征进行综合统计,从而得到整个按压过程中,指纹载体的形变过程特征。
步骤103、将形变过程特征数据与预设的合法形变过程特征数据进行比对验证。
具体的,本实施例中的合法形变过程特征数据用于表征真实手指按压指纹识别区域过程中的形变过程特征。在实际应用中,不法份子所仿制的假体手指材料与真实手指并不一致,从而假体手指在按压指纹识别区域的过程中,其完整形变过程的表现行为并不能对真实手指形变过程中的规律进行模仿。应当说明的是,本实施例的合法形变特征数据可以是终端上所存储的、预先提示终端用户使用真实手指按压指纹识别区域时所采集的形变过程特征,也可以是从后台服务器上所获取的现成的合法形变过程特征数据,在此不作唯一限定。
步骤104、在验证通过时,确定当前的指纹载体为真实手指。
具体的,在当前指纹识别区域所验证的指纹载体的形变过程特征数据与合法形变过程特征数据一致时,则判定该指纹载体为合法用户的真实手指。应当说明的是,本实施例在进行一致性比对验证时,验证通过所对应的一致性并非一定需要百分百的一致性,在实际应用中可以仅要求高于一预设的一致程度阈值(例如80%)即可。本实施例结合真实手指按压指纹识别区域过程中的手指形变过程规律,来对实际使用过程中待识别的指纹载体进行真假手指区分,有效降低了技术实现复杂度,充分保证了指纹防伪可靠性,使终端使用安全性得到了提高。
如图2所示为本实施例提供的一种电容变化特征验证方法的流程示意图,在本实施例一种可选的实施方式中,在控制光学指纹模组对指纹载体进行连续曝光采图之前,还具体包括以下步骤:
步骤201、在指纹载体接触指纹识别区域之前的接近过程中,对显示屏上的感应电容值进行连续采集;
步骤202、基于所连续采集的多个感应电容值统计电容变化特征数据;
步骤203、将电容变化特征数据与合法电容变化特征数据进行比对验证。
具体的,为了进一步提高光学指纹防伪系统的可靠性,本实施例中在前述进行形变过程特征验证的基础上,还进一步将感应电容变化特征进行结合。如图3所示为本实施例提供的指纹载体接近显示屏的过程示意图,其中,A为显示屏,B为穿透孔、C为光学透镜系统、D为空气间隙、E为滤光片(例如红外滤光片)、F为传感器芯片、G为柔性线路板,在实际应用中,当指纹载体接近显示屏时,随着指纹载体与显示屏距离的减小,显示屏上所产生的感应电容对应变化,从而对整个接近过程中各时刻所采集的感应电容值进行统计,即可得到该接近过程的感应电容变化特征。应当理解的是,本实施例的合法电容变化特征数据用于表征真实手指靠近指纹识别区域过程中,显示屏的感应电容值变化特征。应当说明的是,基于指纹载体接近指纹识别区域的过程中,指纹载体与终端的距离逐渐减小,从而本实施例可以使用红外传感器进行红外感应数据的采集,或使用电容传感器进行感应电容数据的采集,然后通过所采集的感应数据来计算出指纹载体与终端的距离变化数据,进而即可对指纹载体是否处于接近指纹识别区域过程中进行确定。
由于假体手指的材料原因,真实手指的感应电容变化特征也是假体手指所难以模拟的,从而本实施例还可以进行感应电容变化特征来进行指纹载体是否为真实手指的初步验证,而在验证通过时,再执行控制光学指纹模组对指纹载体进行连续曝光采图的步骤,触发对指纹载体是否为真实手指的复判,通过双重判断的方式可以使得指纹防伪验证结果准确性更高。
可选的,在对显示屏上的感应电容值进行连续采集之前,还包括:对指纹载体相对指纹识别区域的接近特征数据进行采集;将接近特征数据与标准接近特征数据进行比对验证;其中,标准接近特征数据用于表征外部具备指纹识别需求时,使用指纹载体接近指纹识别区域过程中的接近特征。
具体的,在实际应用中,为了保证电容变化特征验证流程触发的准确性,本实施例需要预先对当前指纹载体是否处于真实接近指纹识别区域的过程进行验证,也即确定当前是否真实具备指纹识别需求进行确定。在本实施例中,判断的实现基于所采集的接近特征数据来进行,这里的接近特征数据可以是红外感应数据或感应电容数据,将实时采集的接近特征数据与对应于外部具备指纹识别需求时所真实接近指纹识别区域的标准接近特征数据进行比对,可以避免由偶然接近行为所带来的误触发。其中,在验证通过时,则可确定当前处于指纹载体接触所述指纹识别区域之前的接近过程中,再触发执行对所述显示屏上的感应电容值进行连续采集的步骤。
可选的,本实施例的光学指纹防伪方法还包括:在连续曝光采图过程中,实时判断是否满足预设的采图亮度补偿条件;在满足采图亮度补偿条件时,增大光学指纹模组中信号放大电路所产生的电压信号的放大倍数。
具体的,在实际应用中,随着指纹载体按压显示屏的程度的逐渐加大,指纹载体按压显示屏的面积也适应性增大,从而在通过光学指纹模组连续曝光采图的过程中,在后期可能会因为图像采集环境光线的减弱导致所采集的图像的亮度偏暗,进而图像的细节表现能力减弱,基于此,本实施例在连续曝光采图过程中会进行是否满足采图亮度补偿条件的判断,在满足该条件时,增大光学指纹模组的信号放大电路的增益值,从而提升电压信号的放大倍数,进而可以提升所采集的图像的亮度。
应当说明的是,本实施例的采图亮度补偿条件可以包括:累积采集的图像数量到达预设数量、图像采集环境的亮度低于预设亮度、连续曝光采图持续时长到达预设时长等,具体条件可以根据实际使用场景而定,本实施例不作唯一限定。
如图4所示为本实施例提供的一种伪手指确定方法的流程示意图,在本实施例一种可选的实施方式中,在将形变过程特征数据与预设的合法形变过程特征数据进行比对验证之后,还具体包括以下步骤:
步骤401、在形变过程特征数据验证失败时,获取包含指纹载体的指纹信息的指纹图像;
步骤402、将所获取的指纹图像输入至预设的指纹防伪复判模型;
步骤403、在指纹防伪复判模型输出的复判结果为伪指纹时,确定当前的指纹载体为伪手指。
具体的,为了提升伪手指判断的准确性,在本实施例中,在对指纹载体进行形变过程特征比对失败时,并不直接将该指纹载体确定为伪手指,而是将该指纹载体的指纹图像输入至指纹防伪复判模型进行伪手指的复判,本实施例的指纹防伪复判模型基于预设的伪指纹样本对神经网络进行训练而得到。当复判仍验证为假时,才最终输出当前指纹载体为伪手指的结果。
如图5所示为本实施例提供的一种指纹识别认证方法的流程示意图,在本实施例一种可选的实施方式中,在确定当前的指纹载体为真实手指之后,还具体包括以下步骤:
步骤501、获取包含真实手指的指纹信息的指纹图像;
步骤502、提取指纹图像中的指纹特征数据,将指纹特征数据与标准指纹特征数据进行相关度匹配;
步骤503、在匹配得到的相关度高于预设的相关度阈值时,控制终端通过对指纹载体的指纹识别认证。
具体的,在本实施例中,可以在先进行真实手指的确定之后,再获取该真实手指的指纹信息来进行指纹特征的合法性比对,在比对通过之后,则确定该指纹载体通过指纹识别认证,从而允许终端执行解锁或支付等。
应当说明的是,在本实施例的另一种实施方式中,也可以是先执行本实施例的将指纹特征数据与标准指纹特征数据进行相关度匹配的流程,然后在匹配得到的相关度高于预设的相关度阈值时,再触发对指纹载体的形变过程特征数据进行比对验证,并且在比对验证通过将当前指纹载体确定为真实手指之后,确定指纹载体通过指纹识别认证,允许终端执行解锁或支付等。
可选的,控制光学指纹模组对指纹载体进行连续曝光采图包括:采用低于默认曝光时长的快速曝光时长,控制光学指纹模组对指纹载体进行连续曝光采图;获取包含真实手指的指纹信息的指纹图像包括:采用默认曝光时长,控制光学指纹模组采集包含真实手指的指纹信息的指纹图像。
具体的,在本实施例中,为了保证所统计的形变过程特征数据的准确性,可以在连续曝光采图过程中采用较低的曝光时长,从而可以实现高帧率采图,进而在指纹载体按压指纹识别区域的整个过程中采集尽量多帧数的图像。而在进行指纹图像获取时,为了保证所采集的图像的细节表现力更强,可以将光学指纹模组的曝光时长恢复到默认曝光时长,在正常曝光下进行图像采集。应当说明的是,所采集的指纹载体图像中通常对指纹信息也进行了记录,从而在实际应用中,获取包含真实手指的指纹信息的指纹图像的方式还可以是,从连续曝光采图所采集的多张指纹载体图像中获取指纹信息最为丰富的一张或多张作为该指纹图像。
此外,还应当说明的是,为了保证前述所统计的电容变化特征数据的准确性,在本实施例的另一些实施方式中,还可以采用高于预设阈值的屏幕刷新率(例如大于等于120Hz),来对显示屏上的感应电容值进行连续采集,从而可以在单位时间内采集到尽量多的感应电容值,在实际应用中更具数据统计意义。
基于上述本申请实施例的技术方案,在指纹载体按压显示屏上的指纹识别区域过程中,控制光学指纹模组对指纹载体进行连续曝光采图;基于连续曝光采图所得到的多张指纹载体图像,统计指纹载体的形变过程特征数据;将形变过程特征数据与表征真实手指按压指纹识别区域过程中的形变特征的合法形变过程特征数据进行比对验证;在验证通过时,确定当前的指纹载体为真实手指。通过本申请方案的实施,结合真实手指按压指纹识别区域过程中的手指形变过程规律,来对实际使用过程中待识别的指纹载体进行真假手指区分,有效降低了技术实现复杂度,充分保证了指纹防伪可靠性,使终端使用安全性得到了提高。
图6中的方法为本申请第二实施例提供的一种细化的光学指纹防伪方法,该光学指纹防伪方法包括:
步骤601、对指纹载体相对指纹识别区域的接近特征数据进行实时采集,并将接近特征数据与标准接近特征数据进行比对验证。
应当说明的是,标准接近特征数据用于表征外部具备指纹识别需求时,使用指纹载体接近指纹识别区域过程中的接近特征。
步骤602、在验证通过时,确定当前处于指纹载体接触指纹识别区域之前的接近过程中,采用高于预设刷新率阈值的屏幕刷新率对显示屏上的感应电容值进行连续采集。
步骤603、基于所连续采集的多个感应电容值统计电容变化特征数据,并将电容变化特征数据与合法电容变化特征数据进行比对验证。
其中,合法电容变化特征数据用于表征真实手指靠近指纹识别区域过程中,显示屏的感应电容值变化特征。在本实施例中,当指纹载体接近显示屏时,随着指纹载体与显示屏距离的减小,显示屏上所产生的感应电容对应变化,从而对整个接近过程中各时刻所采集的感应电容值进行统计,即可得到该接近过程的感应电容变化特征。
由于假体手指的材料原因,真实手指的感应电容变化特征是假体手指所难以模拟的,从而本实施例进行感应电容变化特征的比对可以对指纹载体是否为真实手指进行初步验证。
步骤604、若验证通过,则在指纹载体按压显示屏上的指纹识别区域过程中,采用低于默认曝光时长的快速曝光时长控制光学指纹模组对指纹载体进行连续曝光采图。
具体的,指纹识别区域在显示屏上的设置位置,对应于光学指纹模组的屏下设置位置。在本实施例中,在电容变化特征比对通过而完成初步验证之后,还继续在指纹载体按压指纹识别区域过程中进行指纹载体图像的连续采集,以进行指纹载体是否为真实手指的复核。
步骤605、基于连续曝光采图所得到的多张指纹载体图像,统计指纹载体的形变过程特征数据。
具体的,每张指纹载体图像上所对应的指纹载体形变特征均会有所不同,本实施例对所采集的所有指纹载体图像所表征的指纹载体形变特征进行综合统计,从而得到整个按压过程中,指纹载体的形变过程特征。
步骤606、将形变过程特征数据与合法形变过程特征数据进行比对验证。
步骤607、在验证通过时,确定当前的指纹载体为真实手指。
其中,合法形变过程特征数据用于表征真实手指按压指纹识别区域过程中的形变过程特征。由于假体手指在按压指纹识别区域的过程中,其完整形变过程的表现行为并不能对真实手指形变过程中的规律进行模仿,从而在当前指纹识别区域所验证的指纹载体的形变过程特征数据与合法形变过程特征数据一致时,则可最终判定该指纹载体为合法用户的真实手指。
步骤608、采用默认曝光时长,控制光学指纹模组采集包含该真实手指的指纹信息的指纹图像。
步骤609、提取指纹图像中的指纹特征数据,将指纹特征数据与标准指纹特征数据进行相关度匹配。
步骤610、在匹配得到的相关度高于预设的相关度阈值时,控制终端通过对指纹载体的指纹识别认证。
在本实施例中,在完成真实手指的确定之后,再获取该真实手指的指纹信息来进行指纹特征的合法性比对,在比对通过之后,则确定该指纹载体通过指纹识别认证,从而允许终端执行解锁或支付等。
应当理解的是,本实施例中各步骤的序号的大小并不意味着步骤执行顺序的先后,各步骤的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成唯一限定。
本申请实施例公开了一种光学指纹防伪方法,先在指纹载体接触指纹识别区域之前的接近过程中进行感应电容值的连续采集,若所有感应电容值统计得到的电容变化特征数据比对验证通过,则在指纹载体按压显示屏上的指纹识别区域过程中进行对指纹载体进行连续曝光采图,若所得到所有指纹载体图像统计得到的指纹载体的形变过程特征数据比对验证通过,则确定当前的指纹载体为真实手指,然后再获取该真实手指的指纹图像进行指纹特征匹配,若匹配通过,则控制终端通过对指纹载体的指纹识别认证。可有效对待识别的指纹载体进行真假手指区分,并降低了技术实现复杂度,充分保证了指纹防伪可靠性,使终端使用安全性得到了提高。
图7为本申请第三实施例提供的一种光学指纹防伪装置。该光学指纹防伪装置可用于实现前述实施例中的光学指纹防伪方法。如图7所示,该光学指纹防伪装置主要包括:
控制模块701,用于在指纹载体按压显示屏上的指纹识别区域过程中,控制光学指纹模组对指纹载体进行连续曝光采图;
统计模块702,用于基于连续曝光采图所得到的多张指纹载体图像,统计指纹载体的形变过程特征数据;
形变验证模块703,用于将形变过程特征数据与预设的合法形变过程特征数据进行比对验证;其中,合法形变过程特征数据用于表征真实手指按压指纹识别区域过程中的形变过程特征;
确定模块704,用于在验证通过时,确定当前的指纹载体为真实手指。
如图8所示为本实施例提供的另一种光学指纹防伪装置,在本实施例一种可选的实施方式中,光学指纹防伪装置还包括:电容验证模块705,用于在控制光学指纹模组对指纹载体进行连续曝光采图之前,在指纹载体接触指纹识别区域之前的接近过程中,对显示屏上的感应电容值进行连续采集;基于所连续采集的多个感应电容值统计电容变化特征数据;将电容变化特征数据与合法电容变化特征数据进行比对验证,其中,合法电容变化特征数据用于表征真实手指靠近指纹识别区域过程中,显示屏的感应电容值变化特征。相对应的,在验证通过时,控制模块701执行控制光学指纹模组对指纹载体进行连续曝光采图的功能。
请再次参阅图8,在本实施例一种可选的实施方式中,光学指纹防伪装置还包括:接近判断模块706,用于对指纹载体相对指纹识别区域的接近特征数据进行采集;将接近特征数据与标准接近特征数据进行比对验证;其中,标准接近特征数据用于表征外部具备指纹识别需求时,使用指纹载体接近指纹识别区域过程中的接近特征。相对应的,在验证通过时,确定当前处于指纹载体接触指纹识别区域之前的接近过程中,则电容验证模块705执行对显示屏上的感应电容值进行连续采集的功能。
请继续参阅图8,在本实施例一种可选的实施方式中,光学指纹防伪装置还包括:亮度补偿模块707,用于在连续曝光采图过程中,实时判断是否满足预设的采图亮度补偿条件;在满足采图亮度补偿条件时,增大光学指纹模组中信号放大电路所产生的电压信号的放大倍数。
在本实施例一种可选的实施方式中,确定模块704还用于:在将形变过程特征数据与预设的合法形变过程特征数据进行比对验证失败时,获取包含指纹载体的指纹信息的指纹图像;将所获取的指纹图像输入至预设的指纹防伪复判模型,其中,指纹防伪复判模型基于预设的伪指纹样本训练得到;在指纹防伪复判模型输出的复判结果为伪指纹时,确定当前的指纹载体为伪手指。
请继续参阅图8,在本实施例一种可选的实施方式中,光学指纹防伪装置还包括:指纹匹配模块708,用于在确定当前的指纹载体为真实手指之后,获取包含真实手指的指纹信息的指纹图像;提取指纹图像中的指纹特征数据,将指纹特征数据与标准指纹特征数据进行相关度匹配;在匹配得到的相关度高于预设的相关度阈值时,控制终端通过对指纹载体的指纹识别认证。
在本实施例一种可选的实施方式中,控制模块701具体用于采用低于默认曝光时长的快速曝光时长,控制光学指纹模组对指纹载体进行连续曝光采图;指纹匹配模块708在获取包含真实手指的指纹信息的指纹图像时,具体用于采用默认曝光时长,控制光学指纹模组采集包含真实手指的指纹信息的指纹图像。
应当说明的是,第一、二实施例中的光学指纹防伪方法均可基于本实施例提供的光学指纹防伪装置实现,所属领域的普通技术人员可以清楚的了解到,为描述的方便和简洁,本实施例中所描述的光学指纹防伪装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
根据本实施例所提供的光学指纹防伪装置,在指纹载体按压显示屏上的指纹识别区域过程中,控制光学指纹模组对指纹载体进行连续曝光采图;基于连续曝光采图所得到的多张指纹载体图像,统计指纹载体的形变过程特征数据;将形变过程特征数据与表征真实手指按压指纹识别区域过程中的形变特征的合法形变过程特征数据进行比对验证;在验证通过时,确定当前的指纹载体为真实手指。通过本申请方案的实施,结合真实手指按压指纹识别区域过程中的手指形变过程规律,来对实际使用过程中待识别的指纹载体进行真假手指区分,有效降低了技术实现复杂度,充分保证了指纹防伪可靠性,使终端使用安全性得到了提高。
请参阅图9,图9为本申请第四实施例提供的一种电子装置。该电子装置可用于实现前述实施例中的光学指纹防伪方法。如图9所示,该电子装置主要包括:
存储器901、处理器902、总线903及存储在存储器901上并可在处理器902上运行的计算机程序,存储器901和处理器902通过总线903连接。处理器902执行该计算机程序时,实现前述实施例中的光学指纹防伪方法。其中,处理器的数量可以是一个或多个。
存储器901可以是高速随机存取记忆体(RAM,Random Access Memory)存储器,也可为非不稳定的存储器(non-volatile memory),例如磁盘存储器。存储器901用于存储可执行程序代码,处理器902与存储器901耦合。
进一步的,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以是设置于上述各实施例中的电子装置中,该计算机可读存储介质可以是前述图9所示实施例中的存储器。
该计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现前述实施例中的光学指纹防伪方法。进一步的,该计算机可存储介质还可以是U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的可读存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本申请所提供的光学指纹防伪方法、电子装置及计算机可读存储介质的描述,对于本领域的技术人员,依据本申请实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种光学指纹防伪方法,应用于电子装置,所述电子装置包括显示屏组件和光学指纹模组,其特征在于,包括:
在指纹载体接触指纹识别区域之前的接近过程中,对所述显示屏上的感应电容值进行连续采集;
基于所连续采集的多个感应电容值统计电容变化特征数据;
将所述电容变化特征数据与合法电容变化特征数据进行比对验证;其中,所述合法电容变化特征数据用于表征真实手指靠近所述指纹识别区域过程中,所述显示屏的感应电容值变化特征;
在验证通过时,控制所述光学指纹模组对所述指纹载体进行连续曝光采图;
基于所述连续曝光采图所得到的多张指纹载体图像,统计所述指纹载体的形变过程特征数据;
将所述形变过程特征数据与预设的合法形变过程特征数据进行比对验证;其中,所述合法形变过程特征数据用于表征真实手指按压所述指纹识别区域过程中的形变过程特征;
在验证通过时,确定当前的所述指纹载体为真实手指。
2.根据权利要求1所述的光学指纹防伪方法,其特征在于,所述对所述显示屏上的感应电容值进行连续采集之前,还包括:
对所述指纹载体相对所述指纹识别区域的接近特征数据进行采集;
将所述接近特征数据与标准接近特征数据进行比对验证;其中,所述标准接近特征数据用于表征外部具备指纹识别需求时,使用所述指纹载体接近所述指纹识别区域过程中的接近特征;
在验证通过时,确定当前处于所述指纹载体接触所述指纹识别区域之前的接近过程中,则执行所述对所述显示屏上的感应电容值进行连续采集的步骤。
3.根据权利要求1所述的光学指纹防伪方法,其特征在于,还包括:
在所述连续曝光采图过程中,实时判断是否满足预设的采图亮度补偿条件;
在满足所述采图亮度补偿条件时,增大所述光学指纹模组中信号放大电路所产生的电压信号的放大倍数。
4.根据权利要求1所述的光学指纹防伪方法,其特征在于,所述将所述形变过程特征数据与预设的合法形变过程特征数据进行比对验证之后,还包括:
在验证失败时,获取包含所述指纹载体的指纹信息的指纹图像;
将所获取的指纹图像输入至预设的指纹防伪复判模型;其中,所述指纹防伪复判模型基于预设的伪指纹样本训练得到;
在所述指纹防伪复判模型输出的复判结果为伪指纹时,确定当前的所述指纹载体为伪手指。
5.根据权利要求1至4中任意一项所述的光学指纹防伪方法,其特征在于,所述确定当前的所述指纹载体为真实手指之后,还包括:
获取包含所述真实手指的指纹信息的指纹图像;
提取所述指纹图像中的指纹特征数据,将所述指纹特征数据与标准指纹特征数据进行相关度匹配;
在匹配得到的相关度高于预设的相关度阈值时,控制终端通过对所述指纹载体的指纹识别认证。
6.根据权利要求5所述的光学指纹防伪方法,其特征在于,所述控制所述光学指纹模组对所述指纹载体进行连续曝光采图包括:
采用低于默认曝光时长的快速曝光时长,控制所述光学指纹模组对所述指纹载体进行连续曝光采图;
所述获取包含所述真实手指的指纹信息的指纹图像包括:
采用所述默认曝光时长,控制所述光学指纹模组采集包含所述真实手指的指纹信息的指纹图像。
7.一种光学指纹防伪装置,应用于电子装置,所述电子装置包括显示屏组件和光学指纹模组,其特征在于,包括:
控制模块,用于在指纹载体接触指纹识别区域之前的接近过程中,对所述显示屏上的感应电容值进行连续采集;基于所连续采集的多个感应电容值统计电容变化特征数据;将所述电容变化特征数据与合法电容变化特征数据进行比对验证;在验证通过后,控制所述光学指纹模组对所述指纹载体进行连续曝光采图,其中,所述合法电容变化特征数据用于表征真实手指靠近所述指纹识别区域过程中,所述显示屏的感应电容值变化特征;
统计模块,用于基于所述连续曝光采图所得到的多张指纹载体图像,统计所述指纹载体的形变过程特征数据;
形变验证模块,用于将所述形变过程特征数据与预设的合法形变过程特征数据进行比对验证;其中,所述合法形变过程特征数据用于表征真实手指按压所述指纹识别区域过程中的形变过程特征;
确定模块,用于在验证通过时,确定当前的所述指纹载体为真实手指。
8.一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现权利要求1至6中任意一项所述方法中的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现权利要求1至6中的任意一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910948296.2A CN110705481B (zh) | 2019-10-08 | 2019-10-08 | 一种光学指纹防伪方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910948296.2A CN110705481B (zh) | 2019-10-08 | 2019-10-08 | 一种光学指纹防伪方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110705481A CN110705481A (zh) | 2020-01-17 |
CN110705481B true CN110705481B (zh) | 2022-05-13 |
Family
ID=69198207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910948296.2A Active CN110705481B (zh) | 2019-10-08 | 2019-10-08 | 一种光学指纹防伪方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705481B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468917A (zh) * | 2020-03-31 | 2021-10-01 | 华为技术有限公司 | 一种指纹验证方法及装置 |
CN111488958B (zh) * | 2020-04-13 | 2024-08-02 | 中国医学科学院北京协和医院 | 一种基于智能芯片的人工假体信息跟踪采集系统及方法 |
TWI766474B (zh) * | 2020-06-15 | 2022-06-01 | 神盾股份有限公司 | 指紋感測裝置以及指紋感測方法 |
CN114639128A (zh) * | 2020-12-15 | 2022-06-17 | 华为技术有限公司 | 指纹防伪方法、装置和设备 |
TW202226015A (zh) | 2020-12-28 | 2022-07-01 | 神盾股份有限公司 | 用於指紋認證的方法、設備和非瞬態計算機可讀存儲介質 |
CN113361401A (zh) * | 2021-06-04 | 2021-09-07 | 北京集创北方科技股份有限公司 | 指纹识别方法及装置、电子设备、存储介质 |
CN114578989B (zh) * | 2022-01-18 | 2024-08-20 | 清华大学 | 基于指纹变形的人机交互方法和装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100573553C (zh) * | 2007-01-18 | 2009-12-23 | 中国科学院自动化研究所 | 基于薄板样条形变模型的活体指纹检测方法 |
US8929618B2 (en) * | 2009-12-07 | 2015-01-06 | Nec Corporation | Fake-finger determination device |
CN201845368U (zh) * | 2010-09-21 | 2011-05-25 | 北京海鑫智圣技术有限公司 | 具有活体检测功能的人脸指纹门禁 |
CN103279744B (zh) * | 2013-05-28 | 2016-08-10 | 中国科学院自动化研究所 | 基于多尺度三模式纹理特征的仿造指纹检测方法和系统 |
US10216978B2 (en) * | 2014-08-26 | 2019-02-26 | Gingy Technology Inc. | Fingerprint identification device and fingerprint identification method |
CN105303165A (zh) * | 2015-09-29 | 2016-02-03 | 上海众享电子科技有限公司 | 一种电容光学指纹采集仪 |
CN106201288B (zh) * | 2016-07-04 | 2019-08-30 | Oppo广东移动通信有限公司 | 一种指纹信息的存储方法、装置及移动终端 |
CN106295555A (zh) * | 2016-08-08 | 2017-01-04 | 深圳芯启航科技有限公司 | 一种活体指纹图像的检测方法 |
CN106815565A (zh) * | 2016-12-28 | 2017-06-09 | 华勤通讯技术有限公司 | 一种电容式指纹识别芯片、移动终端和芯片控制方法 |
US10552662B2 (en) * | 2016-12-30 | 2020-02-04 | Beyond Time Investments Limited | Optical identification method |
WO2018194187A1 (ko) * | 2017-04-17 | 2018-10-25 | 주식회사 유니온커뮤니티 | 신경망 학습기법을 이용한 위조지문 판별장치 및 그 방법 |
CN109196525B (zh) * | 2017-07-18 | 2020-12-22 | 深圳市汇顶科技股份有限公司 | 在用于屏上指纹感测的屏下光学传感器模块中拒绝假指纹图案的反欺骗感测 |
CN109934180B (zh) * | 2019-03-18 | 2021-06-01 | Oppo广东移动通信有限公司 | 指纹识别方法及相关装置 |
WO2020220223A1 (zh) * | 2019-04-29 | 2020-11-05 | 深圳市汇顶科技股份有限公司 | 用于指纹识别的方法和电子设备 |
-
2019
- 2019-10-08 CN CN201910948296.2A patent/CN110705481B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110705481A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705481B (zh) | 一种光学指纹防伪方法、装置及计算机可读存储介质 | |
CN107886032B (zh) | 终端设备、智能手机、基于脸部识别的认证方法和系统 | |
Shao et al. | Deep convolutional dynamic texture learning with adaptive channel-discriminability for 3D mask face anti-spoofing | |
CN105825109B (zh) | 一种终端解锁的方法及终端 | |
Bhattacharyya et al. | Biometric authentication: A review | |
CN107423703B (zh) | 基于人脸、指纹和指静脉特征的多模态识别装置及方法 | |
CN109858316A (zh) | 用于生物计量识别的系统和方法 | |
CN105426815A (zh) | 活体检测方法及装置 | |
JP2022524833A (ja) | 指紋画像強調、指紋認識、アプリケーションプログラム起動方法、指紋検知システム、電子機器及び記憶媒体 | |
CN110287918B (zh) | 活体识别方法及相关产品 | |
Husseis et al. | A survey in presentation attack and presentation attack detection | |
CN111163650A (zh) | 一种基于智能终端的提醒方法和提醒系统 | |
Pravallika et al. | SVM classification for fake biometric detection using image quality assessment: Application to iris, face and palm print | |
CN111445640A (zh) | 基于虹膜识别的快递取件方法、装置、设备及存储介质 | |
CN111860394A (zh) | 一种基于姿态估计和动作检测的动作活体识别方法 | |
CN112580472A (zh) | 一种快速轻量的人脸识别方法、装置、机器可读介质及设备 | |
CN109543635A (zh) | 活体检测方法、装置、系统、解锁方法、终端及存储介质 | |
CN110123289B (zh) | 一种基于脉搏波的生物识别方法及相关装置 | |
Debiasi et al. | Near-infrared illumination add-on for mobile hand-vein acquisition | |
Khalil et al. | A review of fingerprint pre-processing using a mobile phone | |
CN112699811A (zh) | 活体检测方法、装置、设备、储存介质及程序产品 | |
CN112766162A (zh) | 活体检测方法、装置、电子设备及计算机可读存储介质 | |
Benlamoudi | Multi-modal and anti-spoofing person identification | |
CN116758622A (zh) | 用于出勤管理系统的数据处理方法、装置、系统及介质 | |
CN109978018A (zh) | 一种中药材人工智能鉴别系统及其鉴别方法 |
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 |