CN110766074B - 生物识别方法中异常纹路识别合格性的测试方法及装置 - Google Patents
生物识别方法中异常纹路识别合格性的测试方法及装置 Download PDFInfo
- Publication number
- CN110766074B CN110766074B CN201911008747.0A CN201911008747A CN110766074B CN 110766074 B CN110766074 B CN 110766074B CN 201911008747 A CN201911008747 A CN 201911008747A CN 110766074 B CN110766074 B CN 110766074B
- Authority
- CN
- China
- Prior art keywords
- biological
- information
- identification method
- abnormal
- abnormal grains
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/96—Management of image or video recognition tasks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种对生物识别方法中异常纹路识别合格性的测试方法及装置。所述方法包括:获取存在异常纹路的生物信息作为测试信息,通过生物识别方法识别所述测试信息,判断生物识别方法是否对测试信息采用预设处理方式进行处理,若是,判定生物识别方法对异常纹路的识别不合格。从而在对生物识别方法的性能进行测试时,从根本上上定位发生识别认假的原因,即判断所述生物识别方法是否对测试信息采用预设处理方式进行处理,也就是确定所述生物识别方法是否识别到测试信息中异常纹路,从而可以精准定位测试点,减小测试时消耗的人力物力资源,使得测试更加快捷有效。
Description
技术领域
本申请涉及生物识别技术领域,更具体地,涉及一种生物识别方法中异常纹路识别合格性的测试方法及装置。
背景技术
随着科技的进步,生物识别技术的使用越来越广泛,例如指纹识别,人脸识别,虹膜识别等,常见的生物识别技术主要用于身份验证。基于不同的生物信息,可以有不同的生物识别方法,生物识别方法的性能的好坏影响了在通过生物识别进行身份验证的可靠性。
通常,在生物识别中,可以用认假率(False Acceptance Rate,FAR)来评估生物识别方法的性能,认假率为将不应该识别成功的生物信息识别成功的概率。由于在认假率合格的数量级较高,在测试生物识别方法的认假率时,需要耗费大量的人力物力资源,难以确定出现识别认假的原因,从而造成测试效率低下。
发明内容
本申请提出了一种对生物识别方法中异常纹路识别合格性的测试方法及装置,以解决在测试生物识别方法的性能时效率低下的问题。
第一方面,本申请实施例提供了一种对生物识别方法中异常纹路识别合格性的测试方法,所述生物识别方法对无异常纹路的生物信息以预设处理方式进行处理,该测试方法包括:获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路;通过所述生物识别方法识别所述测试信息;判断所述生物识别方法是否对所述测试信息采用所述预设处理方式进行处理;若是,判定所述生物识别方法对异常纹路的识别不合格。
第二方面,一种对生物识别方法中异常纹路识别合格性的测试装置,其特征在于,所述生物识别方法对无异常纹路的生物信息以预设处理方式进行处理,该装置包括:获取模块,用于获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路;识别模块,用于通过所述生物识别方法识别所述测试信息;判断模块,用于判断所述生物识别方法是否对所述测试信息采用所述预设处理;结果输出模块,用于若是,判定所述生物识别方法对异常纹路的识别不合格。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括一个或多个处理器;存储器;一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行如上述应用于电子设备的方法。
第四方面,本申请实施列提供一种计算机可读存储介质,所述计算机可读存储介质中存储有程序代码,其中,在所述程序代码运行时执行上述的方法。
相对于现有技术,本申请实施例提供的对生物识别方法中异常纹路识别合格性的测试方法及装置,获取存在异常纹路的生物信息作为测试信息,通过生物识别方法识别所述测试信息,判断在所述生物识别方法识别所述测试信息的过程中,是否将所述测试信息当成无异常纹路的生物信息,对测试信息采用预设处理方式进行处理,若是,表明所述生物识别方法没有识别到测试信息中的异常纹路,则可以判定生物识别方法对异常纹路的识别不合格。从而在对生物识别方法的性能进行测试时,从根本上上定位发生识别认假的原因,即判断所述生物识别方法是否对测试信息采用预设处理方式进行处理,也就是确定所述是生物识别方法是否识别到测试信息中异常纹路,从而可以精准定位测试点,减小测试时消耗的人力物力资源,使得测试更加快捷有效。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域技术人员来讲,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。
图1示出了本申请一个实施例提供的生物识别方法中异常纹路识别合格性的测试方法的流程图。
图2示出了本申请一个实施例提供的存在异常纹路的指纹信息与不存在异常纹路的指纹信息的示意图。
图3示出了本申请另一个实施例提供的生物识别方法中异常纹路识别合格性的测试方法的流程图。
图4示出了本申请又一个实施例提供的生物识别方法中异常纹路识别合格性的测试方法的流程图。
图5示出了本申请再一个实施例提供的生物识别方法中异常纹路识别合格性的测试方法的流程图。
图6示出了本申请一个实施例提供的生物识别方法中异常纹路识别合格性的测试装置的功能模块图。
图7示出了本申请实施例提出的用于执行根据本申请实施例的生物识别方法中异常纹路识别合格性的测试方法的电子设备的结构框图。
图8示出了本申请实施例提供的用于保存或者携带实现根据本申请实施例的生物识别方法中异常纹路识别合格性的测试方法的程序代码的存储介质。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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。
生物识别技术广泛应用于人们的生活中,常见的生物识别技术主要用于身份验证。基于不同的生物信息,可以有不同的生物识别方法。生物识别方法的性能的好坏影响了在通过生物识别进行身份验证的可靠性。若在生物识别中,用户A在电子设备上录入自己的生物信息进行身份验证,可靠的生物识别方法,在任何情况下,只有用户A录入生物信息时,才能验证成功。然而在一些生物识别方法中,在某些特定的情况下,会出现将用户B的生物信息认为是用户A的生物信息,从而导致用户B也能验证成功,从而对用户造成巨大的影响,从而需要对生物识别方法的性能进行测试。
其中,生物识别技术识别的生物信息可以是指纹信息,人脸信息,或是虹膜信息等,下面仅以生物信息为指纹信息为例,进行描述,指纹识别技术是一种常见的生物识别技术,随着科技的发展,指纹识别技术对应着多种不同的识别方案,指纹在裂纹异物场景的认假率((False Acceptance Rate,FAR))为评估指纹识别方案的性能的一个重要参数。其中,FAR可以理解为把不应该匹配的指纹当成匹配的指纹的概率。
由此,需要在裂纹以及异物的场景下对指纹识别方案的认假率进行测试。其中,异物的场景包括在生物信息采集模组上存在生物信息采集模组以外的物体,例如,进行指纹信息采集的指纹模组为电容模组,指纹模组上存在异物的场景可以是:在电容模组上贴有金属丝、头发、绝缘胶带等各种异物。裂纹场景可以是在生物信息采集模组上存在裂纹,或者生物信息采集模组采集信息时采集到生物信息以外的纹路信息,例如,进行指纹信息采集的指纹模组为电容模组,指纹模组的裂纹场景可以是:指纹模组的盖板产生裂纹、导电笔在指纹模组画十字;以及在指纹模组上贴膜后再在膜的表面制造划痕,如在屏下指纹方案中,在贴膜画划痕、钢化膜上制作裂纹、屏幕裂开等。
在某些实施方式中,测试生物识别方法是否成功识别到异常纹路的方法为,在无裂纹以及异物的情况下正常录入5个指纹,在有裂纹或异物的情况下用录入手指识别成功200次,然后让其他未录入指纹的x人每个手指识别100次,统计整个过程中的未录入指纹的人是否有存在解锁成功的次数y,最终得出裂纹异物场景其中之一的FAR=y/(x*100),验收标准为各异物裂纹场景下的FAR<1/10,000,以此类推可以完成所有裂纹异物的场景下FAR的测试。
然而,使用该种测试方法,工作量巨大,在保证FAR<1/10,000的数量级的情况下,每个裂纹异物场景都需要识别至少10000次,所有的场景测试完成则需要识别更多的次数,并且通过该方法测试得到的FAR结果只能得到此次测试有没有发生认假的结论,不能从原理上理清裂纹异物造成认假的根本原因。根据生物识别方法的原理,发明人发现在存在裂纹或异物场景下,使用录入的手指成功识别时,若该生物识别方法没有识别出在裂纹或异物场景下录入的指纹中的异常纹路,则可能将异常纹路作为录入的手指的指纹的一部分,从而导致任何人在存在所述裂纹或异物的场景下,录入的指纹都可以被识别成功。由此,在存在裂纹或异物的场景下,可能会出现识别认假的现象。
因此,发明人提出了本申请中对生物识别方法中异常纹路识别合格性的测试方法及装置,获取存在异常纹路的生物信息作为测试信息,通过生物识别方法识别所述测试信息,判断在所述生物识别方法识别所述测试信息的过程中,是否将所述测试信息当成无异常纹路的生物信息,对测试信息采用预设处理方式进行处理,若是,表明所述生物识别方法没有识别到测试信息中的异常纹路,则可以判定生物识别方法对异常纹路的识别不合格。从而在对生物识别方法的性能进行测试时,从根本上上定位发生识别认假的原因,即判断所述生物识别方法是否对测试信息采用预设处理方式进行处理,也就是确定所述是生物识别方法是否识别到测试信息中异常纹路,从而可以精准定位测试点,减小测试时消耗的人力物力资源,使得测试更加快捷有效。
下面将对本申请实施例进行详细的说明。
请参阅图1,本申请实施例提供了一种对生物识别方法中异常纹路识别合格性的测试方法,用于测试生物识别方法是否能有效识别生物信息中的异常纹路。若能有效识别,可以认为生物识别方法对异常纹路的识别合格,若不能有效识别异常纹路,则认为生物识别方法对异常纹路的识别不合格。本实施例描述的处理流程的执行主体可以是电子设备。具体的该方法可以包括:
步骤S110,获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路。
在进行测试时,有多种不同的产生异常纹路的场景,例如,生物识别模组的表面有裂纹,在用户录入生物信息时,在生物信息中则会存在由所述裂纹产生的异常纹路;若生物识别模组的表面存在头发,细铁丝等异物,也会导致录入的生物信息存在异常的纹路。其中,所述异常纹路是与生物信息本身产生的纹路不同的纹路。
获取存在异常纹路的生物信息作为测试信息,获取该测试信息的方法有多种,下面仅以生物信息为指纹信息为例,获取存在异常纹路的指纹信息作为测试信息,可以有多种方式。
作为一种实施方式,可以在指纹模组上用小刀划出裂纹,在有裂纹的指纹模组上录入指纹信息,则可以获取到存在异常纹路的指纹信息。
作为一种实施方式,可以是在指纹模组上放入发丝或是细铁丝等异物,在有发丝或细铁丝等异物的情况下录入指纹,则可以获取到存在异常纹路的指纹信息。
作为一种实施方式,可以是在录入指纹的手指上附带发丝或其他异物,以获得存在异常纹路的指纹信息。
可参阅图2,示出了存在异常纹路的指纹信息与无异常纹路的指纹信息的示意图。其中,111为存在异常纹路的指纹信息,112为无异常纹路的指纹信息,113为存在异常纹路的指纹信息111相对于无异常纹路的指纹信息112中的异常纹路。
获取到存在异常纹路的生物信息时,可以将存在异常纹路的生物信息作为测试信息,基于所述测试信息,对所述生物识别方法的性能进行测试。
步骤S120,通过所述生物识别方法识别所述测试信息。
在获取到所述测试信息时,通过需要进行测试的生物识别方法对该生物信息进行识别,从而可以判断生物识别方法能否有效识别测试信息中的异常纹路。所述生物识别方法对有异常纹路的生物信息以及无异常纹路的生物信息通常会进行不同的处理。其中,定义生物识别方法对无异常纹路的生物信息的处理方式为预设处理方式,该预设处理方式不同于该生物识别方法对有异常纹路的生物信息的处理。也就是说,生物识别方法对无异常纹路的生物信息以预设处理方式进行处理。
步骤S130,判断所述生物识别方法是否对所述测试信息采用所述预设处理方式进行处理。
在使用所述生物信息识别方法对测试信息进行识别时,所述生物识别方法会对所述无异常纹路的生物信息采用预设处理方式进行处理,以实现对所述生物信息的识别。若在对所述测试信息进行识别的过程中,所述生物识别方法按照预设的处理方式对所述测试信息进行处理,而测试信息为存在异常纹路的信息,则表明所述生物识别方法没有识别到所述测试信息中的异常纹路,将所述测试信息当成了无异常纹路的生物信息进行处理,则可能会造成识别认假。
例如,预设处理方式为根据无异常纹路的生物信息进行学习,而对于有异常纹路的生物信息,该生物识别方法并不会根据该生物识别信息进行学习。然而在识别过程中发现所述生物识别方法根据所述测试信息进行学习。由于测试信息为存在异常纹路的生物信息,而生物识别方法为对无异常纹路的生物信息进行学习,表明所述生物识别方法没有识别到测试信息中的异常纹路,则会将所述测试信息中的异常纹路作为正确的生物信息中的一部分。在存在异常纹路的情况下由于已经将异常纹路作为正确的生物信息中的一部分,任意一个人在存在该异常纹路的情况下,录入生物信息,都会被认为是正确的生物信息,从而发生识别认假的现象。由此,可以判断所述生物识别方法是否对所述测试信息采用所述预设处理方式进行处理来确定所述生物识别方法对异常纹路的识别是否合格。
步骤S140,若是,判定所述生物识别方法对异常纹路的识别不合格。
若在识别过程中判定所述生物识别方法对所述测试信息采用所述预设处理方式进行处理,则可以认为该识别方法没有识别出所述测试信息中存在的异常纹路,可能会发生在生物信息存在异常纹路时,发生识别认假的情况,从而影响生物识别方法的整体的性能。由此,可以判定所述生物识别方法对异常纹路的识别不合格。也就是说在存在异常纹路的情况下,该生物识别方法可能会发生识别认假的现象,难以实现对用户的身份的验证,影响用户的使用体验。
若判定所述生物识别方法没有对所述测试信息采用所述预设处理方式进行处理。表明所述生物识别方法在该次对测试信息的识别中对异常纹路的识别合格,可以多次获取不同的测试信息,使用该生物识别方法对多个不同的测试信息分别识别预设次数,若在对多个不同的测试信息分别识别预设次数中,所述生物识别方法都没有对所述测试信息按照预设处理方式进行处理,可以表明该生物识别方法对异常纹路的识别合格。
本申请提出的对生物识别方法中异常纹路识别合格性的测试方法,获取存在异常纹路的生物信息作为测试信息,通过生物识别方法识别所述测试信息,判断在所述生物识别方法识别所述测试信息的过程中,是否将所述测试信息当成无异常纹路的生物信息,对测试信息采用预设处理方式进行处理,若是,表明所述生物识别方法没有识别到测试信息中的异常纹路,则可以判定生物识别方法对异常纹路的识别不合格。从而在对生物识别方法的性能进行测试时,从根本上上定位发生识别认假的原因,即判断所述生物识别方法是否对测试信息采用预设处理方式进行处理,也就是确定所述生物识别方法是否识别到测试信息中的异常纹路,从而可以精准定位测试点,减小测试时消耗的人力物力资源,使得测试更加快捷有效。
在生物识别中,可以有多种不同的生物识别方法。常用的生物识别方法为预先获取用户注册的生物信息作为生物信息模板进行存储,当用户录入生物信息进行识别时,将用户录入的生物信息与预先存储的生物信息模板进行匹配,在匹配值大于预设值时,成功识别用户录入的生物信息,在成功识别用户录入的生物信息后,在满足学习条件时,可以根据识别成功的生物信息进行生物信息模板学习。然而在存在裂纹或异物的情况下,由于用户录入的生物信息中会存在异常纹路,不同的生物识别方法对异常纹路的处理不同。
作为一种实施方法,在生物识别方法中,可以通过算法检测生物信息是否存在异常纹路;若检测到异常纹路,则将存在异常纹路的生物信息与预先存储的生物信息模板进行匹配,对所述存在异常纹路的生物信息进行正常的识别,在识别成功后,即使达到学习条件,也不根据该存在异常纹路的生物信息进行生物信息模板学习。若没有检测到异常纹路,则在识别成功后,满足学习条件时,进行生物信息模板学习。
作为另一种实施方式,在生物识别方法中,可以通过算法检测生物信息中是否存在异常纹路;若检测到异常纹路,通过算法去除所述生物信息中存在异常纹路的部分,得到无异常纹路的生物信息,将所述无异常纹路的生物信息与预先存储的生物信息模板进行匹配,对所述存在异常纹路的生物信息进行正常的识别,在达到学习条件时,根据去除异常纹路后的生物信息进行生物信息模板学习。若没有检测到异常纹路,则正常与生物信息模板进行匹配,在达到学习条件时,进行生物信息模板学习。
基于上述两种不同的生物识别方法,本申请另一实施例提供了一种对生物识别方法中异常纹路识别合格性的测试方法,请参阅图3,本实施例在前述实施例的基础上,重点描述了判断所述生物识别方法是否对所述测试信息采用所述预设处理方式进行处理的过程,该方法可以包括:
步骤S210,获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路。
步骤S210可参照前述实施例对应的部分,在此不再赘述。在本申请实施例中,获得的生物信息可以是图像信息,如通过指纹模组采集到的指纹图像,通过虹膜采集模组采集到的虹膜图像等.
步骤S220,通过所述生物识别方法识别所述测试信息。
步骤S230,判断所述生物识别方法是否根据所述测试信息进行学习。
其中,生物识别中对应着多种不同的生物识别方法。以指纹识别为例,指纹识别方案有对电容指纹的识别、对光学指纹的识别、对超声波指纹的识别等,在这些指纹识别方案中,在对存在异常纹路的指纹信息的处理方式可以是通过算法检测是否存在异常纹路,在检测到异常纹路后,通过不同的生物识别方法进行识别。
基于前述两种生物识别方法,都是根据无异常纹路的生物信息进行学习,也就是说预设处理方式包括根据无异常纹路的生物信息进行学习。那么在所述生物识别方法识别所述测试信息时,则可以判断所述生物识别方法是否根据所述测试信息进行学习以确认所述生物识别方法是否对所述测试信息采用预设处理方式进行处理。
作为一种实施方式,可以是通过判断在识别过程中是否输出学习标识来确定所述生物识别方法是否对所述测试信息采用预设处理方法进行处理。在生物识别方法根据无异常纹路的生物信息进行学习时,可以输出学习标识,以表明在通过所述生物识别方法进行识别的过程中发生了学习。其中,获取所述学习标识的方法可以是实时打印识别日志,若在识别过程中发生了学习,所述识别日志中则会存在所述学习标识。
由此,在该实施方式中,可以判断在识别过程中是否输出所述学习标识来确定所述生物识别方法是否对所述测试信息采用预设处理方法进行处理。
作为另一种方式,也可以判断生物识别方法中是否调用进行学习所需要使用的程序或者接口,判断生物识别方法是否根据测试信息进行学习。若生物识别方法调用了学习对应的程序,或者调用了学习需要使用的接口,则判定生物识别方法根据该测试信息进行学习。
步骤S240,若是,判定所述生物识别方法对所述测试信息采用所述预设处理方式进行处理。
若在所述生物识别方法对所述测试信息进行识别的过程中,根据所述测试信息进行了生物信息模板的学习。即在所述生物识别方法对所述测试信息进行识别的过程中,输出所述学习标识或是调用了进行学习所需要使用的程序或者接口,则可以认为所述生物识别方法根据所述测试信息进行学习。也就是说,所述生物识别方法没有检测到所述测试信息中的异常纹路,将所述测试信息作为无异常纹路的生物信息进行处理,则可以判定所述生物识别方法对所述测试信息采用所述预设处理方式进行处理。
步骤S250,判定所述生物识别方法对异常纹路的识别不合格。
在判定所述生物识别方法根据所述测试信息进行学习,则可以判定识别方法采用所述预设处理方式进行处理,可以确定所述生物识别方法没有识别出所述测试信息中存在的异常纹路,将所述测试信息作为了无异常纹路的生物信息进行处理,则可以判定所述生物识别方法对异常纹路的识别不合格。
若在所述生物识别方法对所述测试信息进行识别过程中,没有学习,则可以认为所述生物识别方法检测到所述测试信息中的异常纹路。可以认为在该次的生物识别中,所述生物识别方法检测到了异常纹路,对异常纹路的识别合格。
本申请提出的对生物识别方法中异常纹路识别合格性的测试方法,通过获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路;通过生物识别方法识别所述测试信息。在生物识别方法会根据无异常纹路的生物信息进行学习,而不会根据具有异常纹路的生物信息进行学习的情况下,判断所述生物识别方法是否根据所述测试信息进行学习。若进行了学习,判定所述生物识别方法对所述测试信息采用预设处理方法进行处理;则可以判定所述生物识别方法对异常纹路的识别不合格。从而通过分析生物识别方法的原理,从根本上定位了在存在异常纹路的情况下发生识别认假的原因,精准定位测试点,从而实现快捷高效的测试。
请参阅图4,本申请又一实施例对生物识别方法中异常纹路识别合格性的测试方法,本实施例在前述实施例的基础上,重点描述了针对切除生物信息中的异常纹路的识别方法的测试方法,该方法可以包括:
步骤S310,获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路。
步骤S310可参照前述实施例的对应部分,在此不再赘述。
步骤S320,通过所述生物识别方法识别所述测试信息。
其中,所述生物识别方法为将有异常纹路的生物信息中的异常纹路去除后,将去除异常纹路的生物信息作为无异常纹路的生物信息进行识别,并以所述预设处理方式进行处理。对于无异常纹路的生物信息,则直接对所述无异常纹路的生物信息进行识别,并以所述预设处理方式进行处理。
在获取到存在异常纹路的生物信息时,即测试信息,若生物识别方法识别到测试信息中的异常纹路,则会将所述测试信息中的异常纹路去除后,将去除异常纹路的生物作为无异常纹路的生物信息进行识别,并以所述预设处理方式进行识别。若该生物识别方法没有识别到测试信息中的异常纹路,则不会进行异常纹路的去除,而是直接进行识别。
步骤S330,判断所述生物识别方法进行识别的信息中是否包括异常纹路。
步骤S340,若是,判定所述生物识别方法对异常纹路的识别不合格。
所述生物识别方法在检测到异常纹路时,可以去除所述异常纹路得到无异常纹路的生物信息,根据所述无异常纹路的生物信息进行识别。
作为一种实施方式,可以判断在所述生物识别方法进行识别的信息中是否包括异常纹路来确定所述生物识别方法对异常纹路的识别是否合格。若所述生物识别方法进行识别的信息中包括异常纹路,表明所述生物识别方法没有检测到所述测试信息中的异常纹路,即没有对所述测试信息中的异常纹路进行切除,也就是说所述生物识别方法将存在异常纹路的测试信息作为无异常纹路的生物信息进行处理,则可以直接判定所述生物识别方法对异常纹路的识别不合格。
作为另一种实施方式,可以同时获取在所述识别过程中的识别日志以及所述生物识别方法进行识别的信息,同时判断所述识别过程中的识别日志中是否存在学习标识,以及所述生物识别方法进行识别的信息来共同确定所述生物识别方法对异常纹路的识别是否合格。
在检测到所述生物识别方法进行识别的信息中存在异常纹路时,表明没有对所述测试信息中的异常纹路进行切除,若同时在所述学习日志中存在所述学习标识,表明所述生物识别方法没有识别出所述测试信息中的异常纹路,对存在异常纹路的生物信息按照预设处理方式进行处理,则可以认为所述生物识别方法对异常纹路的识别不合格。所述生物识别方法对异常纹路的识别不合格,可能会将异常纹路更新进指纹模板,从而导致在存在异常纹路的情况下识别认假。
本申请提出的对生物识别方法中异常纹路识别合格性的测试方法,获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息生产的纹路不同的纹路;通过所述生物识别方法识别所述测试信息,其中,所述生物识别方法为在识别到测试信息中的异常纹路时,将所述异常纹路去除后,得到无异常纹路的生物信息,对所述无异常纹路的生物进行识别,在识别成功后,满足学习条件时,根据无异常纹路的生物信息进行生物信息模板学习。由此,可以判断所述生物识别方法进行识别的信息中是否包括异常纹路;若包括异常纹路,则判定所述生物识别方法对异常纹路的识别不合格。从而可以根据生物识别方法从原理上定位发生识别认假的原因,可以判断所生物识别方法识别的信息中是否包括异常纹路,若包括,表明所述生物识别方法没有识别到异常纹路,没有去除异常纹路的部分。还可以是在识别的信息中包括异常纹路时,确定是否根据包括异常纹路的生物信息进行学习,从而可以精准定位测试点,实现更加快捷高效的测试。
请参阅图5,本申请再一实施例提供了一种对生物识别方法中异常纹路识别合格性的测试方法,该方法可以包括:
步骤S410,获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路。
步骤S420,通过所述生物识别方法识别所述测试信息。
步骤S410至步骤S420可参照前述实施例对应部分,在此不再赘述。
步骤S430,判断所述生物识别方法对所述测试信息的识别结果是否为合法。
生物识别方法根据用于识别的生物信息进行学习之前,可以先对该生物信息的合法性进行识别,即判断该生物信息是否与预先存储的生物信息模板匹配。若匹配,认为该生物信息是合法用户的生物信息,从而确定该生物信息合法。若生物信息与生物信息模板不匹配,则认为该生物信息不合法。若生物信息不合法,表明该生物信息不是合法用户的生物信息,或者说不是产生生物信息模板的用户的生物信息,则该生物信息不能用于学习以更新生物信息模板。因此,生物识别方法可以在确定生物信息合法的情况下,才根据该生物信息进行学习。
因此,在判断生物识别方法是否根据所述测试信息进行学习之前,可以先判断该生物识别方法对测试信息的识别结果是否为合法。若为合法,生物识别方法才可能根据测试信息进行学习,可以进一步判断生物识别方法是否根据所述测试信息进行学习。若不合法,由于生物识别方法对该测试信息不会进行学习,则不必再判断生物识别方法是否根据所述测试信息进行学习。
可选的,在本申请实施例中,可以输入的是合法用户的测试信息,因此,若判定生物识别方法对所述测试信息的识别结果为不合法,可以认为该生物识别方法对测试信息的识别失败,该识别失败有可能是受测试信息中异常纹路的影响,可以判定该生物识别方法对异常纹路的识别不合格。
其中,对生物信息的识别通常基于所述生物信息与预先存储的生物信息模板进行匹配,在匹配值达到预设匹配值时,可以认为所述生物信息与所述生物信息模板是同一个生物信息,则认为对所述生物信息的识别结果为合法。同样的,若所述生物识别方法在匹配所述生物信息与所述生物信息模板时,获得的匹配值小于预设匹配值,可以认为所述生物信息与所述生物信息模板不是同一个生物信息,对所述生物信息的识别结果为不合法。
作为一种实施方式,可以是提前获取所述生物识别方法的预设匹配值,在对所述测试信息进行识别时,获取所述生物识别方法匹配所述测试信息与所述生物信息模板的匹配值,通过比较所述匹配值与所述预设匹配值,确定所述生物识别方法对所述测试信息的识别结果是否为合法。若所述匹配值大于所述预设匹配值,则可以认为所述生物识别方法对所述测试信息的识别结果为合法,若所述匹配值小于或等于所述预设匹配值,则可以认为所述生物识别方法对所述测试信息的识别结果为不合法。
作为另一种实施方式,可以是根据识别合法后产生的效果进行判断。例如,在电子设备中,通常使用生物识别方式进行电子设备屏幕的解锁。也就是说,若所述生物识别方法对所述测试信息的识别结果为合法时,所述电子设备的屏幕会解锁成功;若所述生物识别方法对所述测试信息的识别结果为不合法,所述电子设备的屏幕则会保持锁定状态。由此可以通过判断电子设备的屏幕是否解锁成功来确定所述生物识别方法对所述测试信息的识别结果是否合法。若在录入所述测试信息后,所述电子设备的屏幕解锁成功,则可以判定所述生物识别方法的对所述测试信息识别结果为合法;若在录入所述测试信息后,所述电子设备的屏幕仍然保持锁定,则可以认为所述生物识别方法对所述测试信息的识别结果为不合法。
步骤S440,若合法,判断所述生物识别方法是否根据所述测试信息进行学习。
步骤S450,若是,判定所述生物识别方法对所述测试信息采用所述预设处理方式进行处理。
若所述生物识别方法对所述测试信息的识别结果为合法,表明所述生物识别方法对所述测试信息识别成功,则可能会根据所述测试信息进行学习。预设处理方法为根据无异常纹路的指纹信息进行学习,由此则可以通过判断所述生物识别方法是否根据所述测试信息进行学习来确定所述生物识别方法是否对所述测试信息采用预设处理方式进行处理。若所述生物识别方法根据所述测试信息进行学习,则可以判定所述生物识别方法对所述测试信息采用所述预设处理方式进行处理。
步骤S440中判断所述生物识别方法是否根据所述测试信息进行学习以及步骤S450的详细描述可进一步参照前述实施例的对应的部分,在此不再赘述。
步骤S460,判定所述生物识别方法对异常纹路的识别不合格。
步骤S460可参照前述实施例对应部分,在此不再赘述。
本申请提供的对生物识别方法中异常纹路识别合格性的测试方法,获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路;通过所述生物识别方法识别所述测试信息;判断所述生物识别方法对所述测试信息的识别结果是否为合法;若合法,判断在所述生物识别方法识别所述测试信息的过程中,是否将所述测试信息当成无异常纹路的生物信息,对测试信息采用预设处理方式进行处理,若是,表明所述生物识别方法没有识别到测试信息中的异常纹路,则可以判定生物识别方法对异常纹路的识别不合格。从而在对生物识别方法的性能进行测试时,从根本上上定位发生识别认假的原因,即判断所述生物识别方法是否对测试信息采用预设处理方式进行处理,也就是确定所述生物识别方法是否识别到测试信息中的异常纹路,从而可以精准定位测试点,减小测试时消耗的人力物力资源,使得测试更加快捷有效。
请参阅图6,其示出了本申请实施例提供的对生物识别方法中异常纹路识别合格性的测试装置500,所述装置500包括获取模块510、识别模块520、判断模块530以及结果输出模块540。
所述获取模块510,用于获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路;所述识别模块520,用于通过所述生物识别方法识别所述测试信息;所述判断模块530,用于判断所述生物识别方法是否对所述测试信息采用所述预设处理;所述结果输出模块540,用于若是,判定所述生物识别方法对异常纹路的识别不合格。
进一步的,所述生物识别方法将有异常纹路的生物信息中的异常纹路去除后,将去除异常纹路的生物信息作为无异常纹路的生物信息进行识别,并以所述预设处理方式进行处理。
进一步的,所述预设处理方式包括,根据无异常纹路的生物信息进行学习,所述判断模块530用于判断所述生物识别方法是否根据所述测试信息进行学习,若是,判定所述生物识别方法对所述测试信息采用所述预设处理方式进行处理。
进一步的,所述生物识别方法识别到无异常纹路的生物信息合法后,以预设处理方式进行处理,所述判断模块530在判断所述生物识别方法是否根据所述测试信息进行学习之前,还用于判断所述生物识别方法对所述测试信息的识别结果是否为合法;若是合法,执行所述判断所述生物识别方法是否根据所述测试信息进行学习的步骤。
进一步的,所述生物信息识别方法在根据无异常纹路的生物信息进行学习时,输出学习标识,所述判断模块还用于判断是否输出所述学习标识,若是,判定所述生物识别方法根据所述测试信息进行学习。
进一步的,在判断所述生物识别方法是否对所述测试信息采用所述预设处理方式进行处理之前,所述判断模块530还用于判断所述生物识别方法进行识别的信息中是否包括异常纹路;若所述生物识别方法进行识别的测试信息中包括异常纹路,判定所述生物识别方法对异常纹路的识别不合格。
进一步的,所述生物信息为指纹信息。
需要说明的是,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
综上所述,本申请提供的生物识别方法中异常纹路识别合格性的测试方法及装置。所述方法包括:获取存在异常纹路的生物信息作为测试信息,通过生物识别方法识别所述测试信息,判断在所述生物识别方法识别所述测试信息的过程中,是否将所述测试信息当成无异常纹路的生物信息,对测试信息采用预设处理方式进行处理,若是,表明所述生物识别方法没有识别到测试信息中的异常纹路,则可以判定生物识别方法对异常纹路的识别不合格。从而在对生物识别方法的性能进行测试时,从根本上上定位发生识别认假的原因,即判断所述生物识别方法是否对测试信息采用预设处理方式进行处理,也就是确定所述生物识别方法是否识别到测试信息中的异常纹路,从而可以精准定位测试点,减小测试时消耗的人力物力资源,使得测试更加快捷有效。
在本申请所提供的几个实施例中,所显示或讨论的模块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。
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。
请参考图7,其示出了本申请实施例提供的一种电子设备的结构框图。该电子设备600可以是智能手机、平板电脑、电子书等能够运行应用程序的电子设备。本申请中的电子设备600可以包括一个或多个如下部件:处理器610、存储器620、以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器620中并被配置为由一个或多个处理器610执行,一个或多个程序配置用于执行如前述方法实施例所描述的方法。
处理器610可以包括一个或者多个处理核。处理器610利用各种接口和线路连接整个电子设备600内的各个部分,通过运行或执行存储在存储器620内的指令、程序、代码集或指令集,以及调用存储在存储器620内的数据,执行电子设备600的各种功能和处理数据。可选地,处理器610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610可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)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用于负责显示内容的渲染和绘制;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610中,单独通过一块通信芯片进行实现。
存储器620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)。存储器620可用于存储指令、程序、代码、代码集或指令集。存储器620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、用于实现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。存储数据区还可以存储电子设备600在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
请参考图8,其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读存储介质700中存储有程序代码,所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质700可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质700包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质700具有执行上述方法中的任何方法步骤的程序代码710的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码710可以例如以适当形式进行压缩。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (8)
1.一种对生物识别方法中异常纹路识别合格性的测试方法,其特征在于,所述生物识别方法对无异常纹路的生物信息以预设处理方式进行处理,所述测试方法包括:
获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路;
检测所述测试信息是否存在异常纹路;
若检测到存在所述异常纹路,所述生物识别方法将有异常纹路的生物信息中的异常纹路去除后,将去除异常纹路的生物信息作为无异常纹路的生物信息进行识别,并以所述预设处理方式进行处理;
判断所述生物识别方法进行识别的信息中是否包括异常纹路;
若所述生物识别方法进行识别的测试信息中包括异常纹路,判定所述生物识别方法对异常纹路的识别不合格;
若检测到不存在所述异常纹路,通过所述生物识别方法识别所述测试信息;
判断所述生物识别方法是否对所述测试信息采用所述预设处理方式进行处理;
若是,判定所述生物识别方法对异常纹路的识别不合格。
2.根据权利要求1所述的测试方法,其特征在于,所述预设处理方式包括,根据无异常纹路的生物信息进行学习,所述判断所述生物识别方法是否对所述测试信息采用所述预设处理方式进行处理,包括:
判断所述生物识别方法是否根据所述测试信息进行学习,
若是,判定所述生物识别方法对所述测试信息采用所述预设处理方式进行处理。
3.根据权利要求2所述的测试方法,其特征在于,所述生物识别方法识别到无异常纹路的生物信息合法后,以预设处理方式进行处理,所述判断所述生物识别方法是否根据所述测试信息进行学习之前,还包括:
判断所述生物识别方法对所述测试信息的识别结果是否为合法;
若是合法,执行所述判断所述生物识别方法是否根据所述测试信息进行学习的步骤。
4.根据权利要求2所述的测试方法,其特征在于,所述生物信息识别方法在根据无异常纹路的生物信息进行学习时,输出学习标识,
所述判断所述生物识别方法是否根据所述测试信息进行学习,包括:
判断是否输出所述学习标识,若是,判定所述生物识别方法根据所述测试信息进行学习。
5.根据权利要求1-4任一项所述的测试方法,其特征在于,所述生物信息为指纹信息。
6.一种对生物识别方法中异常纹路识别合格性的测试装置,其特征在于,所述生物识别方法对无异常纹路的生物信息以预设处理方式进行处理,所述装置包括:
获取模块,用于获取存在异常纹路的生物信息作为测试信息,所述异常纹路为与所述生物信息产生的纹路不同的纹路;
检测模块,用于通过所述生物识别方法检测所述测试信息是否存在异常纹路;
结果输出模块,用于若检测到存在所述异常纹路,所述生物识别方法将有异常纹路的生物信息中的异常纹路去除后,将去除异常纹路的生物信息作为无异常纹路的生物信息进行识别,并以所述预设处理方式进行处理;判断所述生物识别方法进行识别的信息中是否包括异常纹路;若所述生物识别方法进行识别的测试信息中包括异常纹路,判定所述生物识别方法对异常纹路的识别不合格;若检测到不存在所述异常纹路,通过所述生物识别方法识别所述测试信息;判断所述生物识别方法是否对所述测试信息采用所述预设处理方式进行处理;若是,判定所述生物识别方法对异常纹路的识别不合格。
7.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,与所述一个或多个处理器电连接;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个应用程序配置用于执行如权利要求1至5任一项所述的方法。
8.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008747.0A CN110766074B (zh) | 2019-10-16 | 2019-10-16 | 生物识别方法中异常纹路识别合格性的测试方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008747.0A CN110766074B (zh) | 2019-10-16 | 2019-10-16 | 生物识别方法中异常纹路识别合格性的测试方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110766074A CN110766074A (zh) | 2020-02-07 |
CN110766074B true CN110766074B (zh) | 2023-04-07 |
Family
ID=69332890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911008747.0A Active CN110766074B (zh) | 2019-10-16 | 2019-10-16 | 生物识别方法中异常纹路识别合格性的测试方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766074B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112199299B (zh) * | 2020-07-13 | 2022-05-17 | 支付宝(杭州)信息技术有限公司 | 一种生物识别设备的测试方法、装置、设备及系统 |
CN112560645A (zh) * | 2020-12-11 | 2021-03-26 | 维沃移动通信有限公司 | 状态控制方法、装置和电子设备 |
CN117649684A (zh) * | 2022-09-02 | 2024-03-05 | 荣耀终端有限公司 | 指纹识别方法和电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107087075B (zh) * | 2017-04-28 | 2020-04-17 | 维沃移动通信有限公司 | 一种基于屏幕指纹识别的提示方法及移动终端 |
CN107145866A (zh) * | 2017-05-09 | 2017-09-08 | 北京小米移动软件有限公司 | 指纹检测方法及装置 |
CN108446633A (zh) * | 2018-03-20 | 2018-08-24 | 深圳大学 | 一种新型指纹自动防伪与活体检测的方法、系统及装置 |
CN109522146A (zh) * | 2018-11-15 | 2019-03-26 | 腾讯音乐娱乐科技(深圳)有限公司 | 对客户端进行异常测试的方法、装置及存储介质 |
-
2019
- 2019-10-16 CN CN201911008747.0A patent/CN110766074B/zh active Active
Non-Patent Citations (2)
Title |
---|
于艳.第10章 Web测试.《软件测试策略、设计及其自动化实战》.2019, * |
张志.第四章移动功能应用测试.《高职高专国家示范性学校"十三五"规划教材 Android移动应用测试实战》.2017, * |
Also Published As
Publication number | Publication date |
---|---|
CN110766074A (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766074B (zh) | 生物识别方法中异常纹路识别合格性的测试方法及装置 | |
CN106326829B (zh) | 检测虚假指纹的方法和设备以及识别指纹的方法和设备 | |
JP6838005B2 (ja) | 指紋に基づく認証のための装置及びコンピュータ実装方法 | |
US8270726B2 (en) | Authentication apparatus | |
US20110013814A1 (en) | Method and apparatus for authenticating biometric scanners | |
CN110765939B (zh) | 身份识别方法、装置、移动终端及存储介质 | |
CN108363963B (zh) | 指纹验证装置 | |
CN109886127B (zh) | 指纹识别方法及终端设备 | |
CN107908940B (zh) | 一种指纹识别的方法及终端设备 | |
CN112836661A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN111931548A (zh) | 人脸识别系统、建立人脸识别数据的方法及人脸识别方法 | |
CN113221601A (zh) | 字符识别方法、装置及计算机可读存储介质 | |
Mohammadi et al. | Improving cross-dataset performance of face presentation attack detection systems using face recognition datasets | |
CN109711308B (zh) | 指纹组件、电子设备及其指纹信号处理方法 | |
TWI423145B (zh) | 指紋圖像檢測方法 | |
US20210326615A1 (en) | System and method for automatically detecting and repairing biometric crosslinks | |
CN107358080B (zh) | 终端的社交应用软件登录方法和终端 | |
CN107516024B (zh) | 解锁电子设备的方法、装置、电子设备 | |
CN110348361B (zh) | 皮肤纹理图像验证方法、电子设备及记录介质 | |
CN106156568B (zh) | 一种生物信息识别模块及电子设备 | |
TW202226015A (zh) | 用於指紋認證的方法、設備和非瞬態計算機可讀存儲介質 | |
CN112906676A (zh) | 人脸图像来源的识别方法、装置、存储介质及电子设备 | |
CN111931148A (zh) | 图像处理方法、装置和电子设备 | |
CN110851808A (zh) | 身份认证方法、装置、电子设备及计算机可读存储介质 | |
CN112200120B (zh) | 一种身份识别方法、活体识别方法、装置及电子设备 |
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 |