CN111382593A - 身份验证方法、装置及电子设备 - Google Patents

身份验证方法、装置及电子设备 Download PDF

Info

Publication number
CN111382593A
CN111382593A CN201811610458.3A CN201811610458A CN111382593A CN 111382593 A CN111382593 A CN 111382593A CN 201811610458 A CN201811610458 A CN 201811610458A CN 111382593 A CN111382593 A CN 111382593A
Authority
CN
China
Prior art keywords
similarity
adaptive threshold
value
self
finger vein
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
Application number
CN201811610458.3A
Other languages
English (en)
Other versions
CN111382593B (zh
Inventor
侯强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201811610458.3A priority Critical patent/CN111382593B/zh
Publication of CN111382593A publication Critical patent/CN111382593A/zh
Application granted granted Critical
Publication of CN111382593B publication Critical patent/CN111382593B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1347Preprocessing; Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1365Matching; Classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明实施例提供了一种身份验证方法、装置及电子设备。涉及信息安全技术领域。所述方法包括通过获取指纹特征值和指静脉特征值,依据指纹特征值和指静脉特征值得到组合相似度,利用组合相似和自适应阈值进行对比,若组合相似度大于自适应阈值则匹配通过,以避免因指纹素材伪造导致的验证错误,同时也避免了因环境因素使得指纹特征值和指静脉特征值中任一特征值的获取存在误差而导致的验证失败。

Description

身份验证方法、装置及电子设备
技术领域
本发明涉及信息安全技术领域,具体而言,涉及一种身份验证方法、装置及电子设备。
背景技术
随着人们生活水平的提高,身份验证技术在日常生活中的应用越来越广泛,例如门禁、系统登录等,其中,以指纹识别应用最为广泛,但指纹素材容易被伪造,从而影响验证结果,近些年来,慢慢兴起了以指静脉进行验证的身份验证方式,由于指静脉是人体内部特征,不容易被伪造,并且指静脉具有唯一性,即使是同卵双胞胎,其手指内部的静脉同样存在着差别,相对指纹识别具有更低的认错率,也避免了因识别素材造假导致的识别错误。
虽然指静脉识别技术相比于其它几种生物识别技术更具有优势,但是部分人员由于体质特殊导致指静脉不明显,或是特别行业导致手茧过厚,影响到指静脉的采集,从而导致验证出错。
发明内容
本发明实施例的目的在于提供一种身份验证方法装置及电子设备,用以改善上述问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提出一种身份验证方法,所述方法包括获取用户的指静脉特征值和指纹特征值;依据指静脉特征值和指纹特征值得到组合相似度;将组合相似度和自适应阈值进行对比,若组合相似度大于自适应阈值,则匹配通过。
第二方面,本发明实施例还提出一种身份验证装置,所述装置包括获取模块,用于获取用户的指静脉特征值和指纹特征值;处理模块,用于依据指静脉特征值和指纹特征值得到组合相似度;匹配模块,用于将组合相似度和自适应阈值进行对比,若组合相似度大于自适应阈值,则匹配通过。
第三方面,本发明实施例还提出一种电子设备,包括:存储器;处理器;所述存储器中存储有可在所述处理器上运行的计算机程序,,所述处理器执行所述计算机程序时实现身份验证方法的步骤。
与现有技术对比,本发明实施例提供了一种身份验证方法,所述方法包括通过获取指纹特征值和指静脉特征值,依据指纹特征值和指静脉特征值得到组合相似度,利用组合相似和自适应阈值进行对比,若组合相似度大于自适应阈值则匹配通过,以避免因指纹素材伪造导致的验证错误,同时也避免了因环境因素使得指纹特征值和指静脉特征值中任一特征值的获取存在误差而导致的验证失败。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本发明实施例所提供的电子设备的示意图。
图2示出了本发明实施例所提供的身份验证方法的流程示意图。
图3为图2中步骤S102的子步骤流程示意图。
图4示出了本发明实施例所提供的身份验证方法另一种流程示意图。
图5为图4中步骤S105的子步骤流程示意图。
图6为图4中步骤S106的子步骤流程示意图。
图7示出了本发明实施例所提供的置信间隔计算对照表。
图8示出了本发明实施例所提供的身份验证装置的示意图。
图标:100-电子设备;111-存储器;112-处理器;113-通信单元;114-指静脉采集单元;115-指纹采集单元;200-身份验证装置;201-获取模块;202-处理模块;203-匹配模块;204-调整模块。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
图1示出本发明较佳实施例提供的电子设备100的方框示意图。优选地,上述电子设备100为可移动的电子设备100,例如,笔记本电脑、平板电脑、智能手机、个人数字助理(personal digital assistant,PDA)等。上述电子设备100包括身份验证装置200、存储器111、处理器112、通信单元113、指静脉采集单元114及指纹采集单元115。
所述存储器111、处理器112、通信单元113、指静脉采集单元114以及指纹采集单元115各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述实现数据存储方法的软件包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器111中或固化在所述电子设备100的操作系统(Operating System,OS)中的软件功能模块。所述处理器112用于执行所述存储器111中存储的可执行模块。
其中,所述存储器111可以是,但不限于,随机存取存储器111(Random AccessMemory,RAM),只读存储器111(Read Only Memory,ROM),可编程只读存储器111(Programmable Read-Only Memory,PROM),可擦除只读存储器111(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器111(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。其中,存储器111用于存储程序或者数据。例如,身份验证装置200对应的功能模块、预先创建的软件解码器对应的功能模块。
所述通信单元113用于通过所述网络建立所述电子设备100与其它通信终端之间的通信连接。
应当理解的是,图1所示的结构仅为电子设备100的结构示意图,所述电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2,图2为本发明较佳实施例所提供的一种身份验证方法的流程示意图。该身份验证方法可以应用于电子设备100,用于针对指静脉和指纹进行身份验证,上述身份验证方法包括以下步骤:
步骤S101,获取用户的指静脉特征值和指纹特征值。
在本发明实施例中,指纹采集单元115采集指纹图像,指静脉采集单元114采集指静脉图像,并对采集到的指纹图像和指静脉图像进行处理,具体地,对图像依次进行手指区域定位处理、灰度归一化处理、图像增强及滤波处理、图像分割处理和图像细化处理;再依据处理后的指静脉图像和处理后的指纹图像进行特征提取得到指纹特征值和指静脉特征值,以提取指静脉特征值为例,具体地,将处理后的指静脉图像以每个静脉分叉区域作为中心区域分成多个3×3区域,每个3×3区域包括一个中心区域和八个相邻区域,分别获取八个相邻区域指静脉出现的个数,并将得到的个数依据3×3区域的顺序进行排列,例如,将处理后的指静脉图像以每个静脉分叉区域作为中心区域分成N个3×3区域,分别获取每个3×3区域中八个相邻区域指静脉的个数,并进行排序,得到的指静脉特征值为[A1 … An]。需要解释的是,每一3×3区域中八个相邻区域指静脉出现的个数能够表示该区域指静脉的特征。例如,某一3×3区域中八个区域指静脉出现的个数为3个,则说明该3×3区域的指静脉为三岔血管。
步骤S102,依据指静脉特征值和指纹特征值得到组合相似度。
在本发明实施例中,分别依据指静脉特征值和指纹特征值得到指静脉相似度和指纹相似度,并利用指静脉相似度和指纹相似度得到组合相似度。请参阅图3,步骤S102还包括以下子步骤:
子步骤S1021,依据所述指纹特征值和预设指纹特征值得到指纹相似度
在本发明实施例中,依据提取到的指纹特征值对比预设的指纹特征值,依据各个特征值的匹配程度得到相似度。具体地,当提取到的指纹特征值为[B1 … Bn],预设的指纹特征值为[B′1 … B′N],利用如下公式:
Figure BDA0001924616650000061
得到指纹相似度
Figure BDA0001924616650000062
需要解释的是,预设的指纹特征值为储存在电子设备100中指纹图像模板对应的特征值,指纹图像模板可以有多个,对应的预设的指纹特征值也存在多个,匹配过程中将提取到的指纹特征值依次和每个预设的指纹特征值进行对比,选取匹配程度最高的相似度。
子步骤S1022,依据所述指静脉特征值的预设指静脉特征值得到指静脉相似度。
在本发明实施例中,依据提取到的指静脉特征值对比预设的指静脉特征值,依据各个特征值的匹配程度得到相似度。具体地,当提取到的指静脉特征值为[A1 … An],预设的指静脉特征值为[A′1 … A′N],利用如下公式:
Figure BDA0001924616650000063
得到指静脉相似度β。
需要解释的是,预设的指静脉特征值为储存在电子设备100中指静脉图像模板对应的特征值,指静脉图像模板可以有多个,对应的预设的指静脉特征值也存在多个,匹配过程中将提取到的指静脉特征值依次和每个预设的指静脉特征值进行对比,选取匹配程度最高的相似度。
子步骤S1023,将所述指纹相似度和所述指静脉相似度进行归一得到所述组合相似度。
在本发明实施例中,当出现手指静脉纹路不清晰或者指纹识别受到外界环境干扰时,会降低指静脉或者指纹的相似度,在不同场景下可以利用权重的方法对最终的识别度做出决策,需要对指纹及指静脉识别度进行归一化处理,具体地,
Figure BDA0001924616650000071
为指静脉相似度,β为指纹相似度,利用如下公式:
Figure BDA0001924616650000072
Figure BDA0001924616650000073
得到指纹相似度权重
Figure BDA0001924616650000074
与指静脉相似度权重β′,当手指静脉纹路较少时,利用手指静脉识别会出现较大偏差,手指静脉识别相似度也会进一步降低,进而导致指静脉识别在最终决策时所占比重降低,此时由指纹识别进行补偿。反之,当指纹识别出现异常时,可以利用指静脉识别进行补偿。
进一步地,依据指静脉相似度、指静脉相似度权重、指纹相似度和指纹相似度权重利用如下公式:
Figure BDA0001924616650000075
得到组合相似度γ。
步骤S103,将组合相似度和自适应阈值进行对比,若组合相似度大于自适应阈值,则匹配通过。
在本发明实施例中,将计算得到的组合相似度和自适应阈值进行对比,当组合相似度大于自适应阈值,则说明相似度达到匹配要求,匹配通过。
请参阅图4,图4为发明实施例提供的身份验证方法另一种流程示意图。步骤如下:
步骤S104,若所述组合相似度小于所述自适应阈值的次数超过预设值。
在本发明实施例中,当身份验证过程中,对比组合相似度和自适应阈值,组合相似度小于自适应阈值的次数超过预设值,可能存在因环境因素对获取指纹特征值或指静脉特征值产生影响,从而使得组合相似度接近自适应阈值但小于自适应阈值,需要说明的是,预设值可以依据用户设置调整。
步骤S105,依据所述组合相似度和所述自适应阈值判断是否需要调整所述自适应阈值。
在本发明实施例中,依据组合相似度和自适应阈值判断是否因环境因素导致组合相似度接近自适应阈值但小于自适应阈值,从而判断自适应阈值是否需要调整。需要解释的是,由于各种环境因素可能会对指纹和指静脉的采集产生一定的影响,从而导致提取到的指纹特征值和指静脉特征值存在误差,由于在计算组合相似度采用了相似权重,即使指纹特征值或指静脉特征值的提取存在误差,导致计算出的组合相似度的偏差也不会很大,所以组合相似度小于自适应阈值也接近自适应阈值。
请参阅图5,步骤S105还包括以下子步骤:
子步骤S1051,依据所述组合相似度和所述自适应阈值得到相似度偏差值。
在本发明实施例中,依据组合相似度和当前的自适应阈值计算得到相似度偏差值,其中,相似度偏差值是组合相似度与自适应阈值之间的差值,例如,自适应阈值为90%,组合相似度为87%,相似度偏差值则为3%。
子步骤S1052,对比所述相似度偏差值和预设的偏差阈值,判断是否需要调整自适应阈值。
在本发明实施例中,将计算出来的相似度偏差值和预设的偏差阈值进行对比,依据相似度偏差是大于或是不大于预设的偏差阈值,从而判断自适应阈值是否需要调整。需要解释的是,预设的偏差阈值依据当前的环境由用户设置,可以是5%、8%等数值。
子步骤S1053,若所述相似度偏差值大于所述预设的偏差阈值时,则不需要调整所述自适应阈值。
在本发明实施例中,当相似度偏差值大于预设的偏差阈值时,则说明组合相似度距离自适应阈值过大,已经超出了容错范围,判定不需要调整自适应阈值。
子步骤S1054,若所述相似度偏差值不大于所述预设的偏差阈值时,则需要调整所述自适应阈值。
在本发明实施例中,当相似度偏差值不大于预设的偏差阈值时,则说明组合相似度接近自适应阈值,确认由于环境因素导致获取指纹特征值或指静脉特征值存在误差而在导致组合相似度低于自适应阈值,使得匹配失败,相似度偏差值容错范围内,判断需要调整自适应阈值。
步骤S106,若需要调整所述自适应阈值,依据所述组合相似度对所述自适应阈值进行调整。
在本发明实施例中,当判定自适应阈值需要调整,则依据组合相似度对自适应阈值进行调整。需要解释的是,当判定自适应阈值需要调整,则说明多次进行验证的指纹和指静脉为由于环境因素导致的匹配不成功,需要依据调整自适应阈值满足在该环境中身份验证正常运行。
请参阅图6,步骤S106还包括以下子步骤:
子步骤S1061,依据预设的置信概率和组合相似度得到置信区间。
在本发明实施例中,利用组合相似度和预设的置信概率计算得到置信区间,需要说明的是,置信区间展现的是不小于一次的组合相似度按照置信概率落在测量结果的周围的程度,从而能够作为调整自适应阈值的依据。
具体地,先获取N次验证的组合相似度并计算出N次组合相似度的平均值
Figure BDA0001924616650000101
以及多次组合相似度的标准差S,和预设的置信概率α,并依据如图7所示的对照表得到置信间隔
Figure BDA0001924616650000102
则按照预设的置信概率α和N次验证的组合相似度计算得到的置信区间为:
Figure BDA0001924616650000103
子步骤S1062,依据置信区间调整所述自适应阈值。
在本发明实施例中,依据计算得到的置信区间最小值调整自适应阈值,具体地,当计算到的置信区间为:
Figure BDA0001924616650000104
则将自适应阈值调整至
Figure BDA0001924616650000105
请参阅图8,图8为本发明实施例提供的一种身份验证装置200的功能模块图。需要说明的是,本实施例所提供的身份验证装置200,其基本原理及产生的技术效果和上述相同,为简要描述,本部分未提及之处,可参考上述中相应内容。
身份验证装置200包括:获取模块201、处理模块202、匹配模块203和调整模块204。
其中,获取模块201,用于获取用户的指静脉特征值和指纹特征值。
可以理解地,在一种优选的实施例中,获取模块201可用于执行步骤S101。
处理模块202,用于依据指静脉特征值和指纹特征值得到组合相似度。进一步地,处理模块202还具体用于依据所述指纹特征值和预设指纹特征值得到指纹相似度;依据所述指静脉特征值的预设指静脉特征值得到指静脉相似度;将所述指纹相似度和所述指静脉相似度进行归一得到所述组合相似度。
可以理解地,在一种优选的实施例中,处理模块202可用于执行步骤S102。
匹配模块203,用于将组合相似度和自适应阈值进行对比,若组合相似度大于自适应阈值,则匹配通过。
可以理解地,在一种优选的实施例中,匹配模块203可用于执行步骤S103。
调整模块204,用于若所述组合相似度小于所述自适应阈值的次数超过预设值;依据所述组合相似度和所述自适应阈值判断是否需要调整所述自适应阈值;若需要调整所述自适应阈值,依据所述组合相似度对所述自适应阈值进行调整。
进一步地,调整模块204具体还用于依据所述组合相似度和所述自适应阈值得到相似度偏差值;对比所述相似度偏差值和预设的偏差阈值,判断是否需要调整自适应阈值;若所述相似度偏差值大于所述预设的偏差阈值时,则不需要调整所述自适应阈值;若所述相似度偏差值不大于所述预设的偏差阈值时,则需要调整所述自适应阈值;依据预设的置信概率得到置信区间;依据所述置信区间调整所述自适应阈值。
可以理解地,在一种优选的实施例中,调整模块204可用于执行步骤S104、步骤S105、步骤S106。
综上所述,本发明实施例所提供的身份验证方法、装置及电子设备,所述方法包括获取用户的指静脉特征值和指纹特征值;依据所述指静脉特征值和所述指纹特征值得到组合相似度;将所述组合相似度和自适应阈值进行对比,若所述组合相似度大于自适应阈值,则匹配通过。以避免因指纹素材伪造导致的验证错误,同时也避免了因环境因素使得指纹特征值和指静脉特征值中任一特征值的获取存在误差而导致的验证失败。
本领域内的技术人员应明白,本发明实施例可提供为方法、装置、设备或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、装置、设备和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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,本发明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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、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,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的可选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。

Claims (10)

1.一种身份验证方法,其特征在于,所述方法包括:
获取用户的指静脉特征值和指纹特征值;
依据所述指静脉特征值和所述指纹特征值得到组合相似度;
将所述组合相似度和自适应阈值进行对比,若所述组合相似度大于自适应阈值,则匹配通过。
2.如权利要求1所述的身份验证方法,其特征在于,所述方法还包括:
若所述组合相似度小于所述自适应阈值的次数超过预设值;
依据所述组合相似度和所述自适应阈值判断是否需要调整所述自适应阈值;
若需要调整所述自适应阈值,依据所述组合相似度对所述自适应阈值进行调整。
3.如权利要求2所述的身份验证方法,其特征在于,所述依据所述组合相似度和所述自适应阈值判断是否需要调整所述自适应阈值的步骤包括:
依据所述组合相似度和所述自适应阈值得到相似度偏差值;
对比所述相似度偏差值和预设的偏差阈值,判断是否需要调整自适应阈值;
若所述相似度偏差值大于所述预设的偏差阈值时,则不需要调整所述自适应阈值;
若所述相似度偏差值不大于所述预设的偏差阈值时,则需要调整所述自适应阈值。
4.如权利要求2所述的身份验证方法,其特征在于,所述依据所述组合相似度对所述自适应阈值进行调整的步骤包括:
依据预设的置信概率和组合相似度得到置信区间;
依据所述置信区间调整所述自适应阈值。
5.如权利要求1所述的身份验证方法,其特征在于,所述依据指静脉特征值和指纹特征值得到组合相似度的步骤包括:
依据所述指纹特征值和预设指纹特征值得到指纹相似度;
依据所述指静脉特征值的预设指静脉特征值得到指静脉相似度;
将所述指纹相似度和所述指静脉相似度进行归一得到所述组合相似度。
6.一种身份验证装置,其特征在于,所述装置包括:
获取模块,用于获取用户的指静脉特征值和指纹特征值;
处理模块,用于依据指静脉特征值和指纹特征值得到组合相似度;
匹配模块,用于将组合相似度和自适应阈值进行对比,若组合相似度大于自适应阈值,则匹配通过。
7.如权利要求6所述的身份验证装置,其特征在于,所述装置还包括:
调整模块,用于若所述组合相似度小于所述自适应阈值的次数超过预设值;依据所述组合相似度和所述自适应阈值判断是否需要调整所述自适应阈值;若需要调整所述自适应阈值,依据所述组合相似度对所述自适应阈值进行调整。
8.如权利要求7所述的身份验证装置,其特征在于,所述调整模块具体用于依据所述组合相似度和所述自适应阈值得到相似度偏差值;对比所述相似度偏差值和预设的偏差阈值,判断是否需要调整自适应阈值;若所述相似度偏差值大于所述预设的偏差阈值时,则不需要调整所述自适应阈值;若所述相似度偏差值不大于所述预设的偏差阈值时,则需要调整所述自适应阈值。
9.如权利要求7所述的身份验证装置,其特征在于,所述调整模块具体还用于依据预设的置信概率得到置信区间;依据所述置信区间调整所述自适应阈值。
10.一种电子设备,其特征在于,所述电子设备包括:
存储器;
处理器;
所述存储器中存储有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上述权利要求1-5任一所述的方法的步骤。
CN201811610458.3A 2018-12-27 2018-12-27 身份验证方法、装置及电子设备 Active CN111382593B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811610458.3A CN111382593B (zh) 2018-12-27 2018-12-27 身份验证方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811610458.3A CN111382593B (zh) 2018-12-27 2018-12-27 身份验证方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111382593A true CN111382593A (zh) 2020-07-07
CN111382593B CN111382593B (zh) 2023-07-21

Family

ID=71216359

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811610458.3A Active CN111382593B (zh) 2018-12-27 2018-12-27 身份验证方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111382593B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101069179A (zh) * 2004-12-01 2007-11-07 皇家飞利浦电子股份有限公司 相关内容检索中的位置相似度阈值的调整
JP2008250089A (ja) * 2007-03-30 2008-10-16 Pioneer Electronic Corp 話者特定装置及び音声認識装置並びに話者特定用プログラム及び音声認識用プログラム
US20100115611A1 (en) * 2007-07-11 2010-05-06 Fujitsu Limited Method, device, and system for judging user authentication
CN103714049A (zh) * 2012-09-29 2014-04-09 百度在线网络技术(北京)有限公司 动态确认样本相似的方法及装置
CN205486116U (zh) * 2015-12-28 2016-08-17 深圳市亚略特生物识别科技有限公司 基于生物识别的移动终端
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
CN107864121A (zh) * 2017-09-30 2018-03-30 上海壹账通金融科技有限公司 用户身份验证方法及应用服务器
CN108171570A (zh) * 2017-12-15 2018-06-15 北京小度信息科技有限公司 一种数据筛选方法、装置及终端
CN108875493A (zh) * 2017-10-12 2018-11-23 北京旷视科技有限公司 人脸识别中相似度阈值的确定方法以及确定装置
CN108880815A (zh) * 2017-05-12 2018-11-23 阿里巴巴集团控股有限公司 身份验证方法、装置和系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101069179A (zh) * 2004-12-01 2007-11-07 皇家飞利浦电子股份有限公司 相关内容检索中的位置相似度阈值的调整
JP2008250089A (ja) * 2007-03-30 2008-10-16 Pioneer Electronic Corp 話者特定装置及び音声認識装置並びに話者特定用プログラム及び音声認識用プログラム
US20100115611A1 (en) * 2007-07-11 2010-05-06 Fujitsu Limited Method, device, and system for judging user authentication
CN103714049A (zh) * 2012-09-29 2014-04-09 百度在线网络技术(北京)有限公司 动态确认样本相似的方法及装置
CN205486116U (zh) * 2015-12-28 2016-08-17 深圳市亚略特生物识别科技有限公司 基于生物识别的移动终端
CN108880815A (zh) * 2017-05-12 2018-11-23 阿里巴巴集团控股有限公司 身份验证方法、装置和系统
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
CN107864121A (zh) * 2017-09-30 2018-03-30 上海壹账通金融科技有限公司 用户身份验证方法及应用服务器
CN108875493A (zh) * 2017-10-12 2018-11-23 北京旷视科技有限公司 人脸识别中相似度阈值的确定方法以及确定装置
CN108171570A (zh) * 2017-12-15 2018-06-15 北京小度信息科技有限公司 一种数据筛选方法、装置及终端

Also Published As

Publication number Publication date
CN111382593B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN109948408B (zh) 活性测试方法和设备
CN111191539B (zh) 证件真伪验证方法、装置、计算机设备和存储介质
CN105989266B (zh) 基于心电信号的认证方法、装置及系统
JP5710748B2 (ja) 生体認証システム
Hemalatha A systematic review on Fingerprint based Biometric Authentication System
KR102427853B1 (ko) 사용자 인증을 위한 등록 데이터베이스의 적응적 갱신 방법 및 장치
WO2008137330A2 (en) Print matching method and system using direction images
US20100157088A1 (en) Authentication apparatus and authentication method
US20120189170A1 (en) Biometric authentication device, method of controlling biometric authentication device and non-transitory, computer readable storage medium
CN111506889A (zh) 一种基于相似用户组的用户验证方法及装置
EP3371739A1 (en) High speed reference point independent database filtering for fingerprint identification
KR20080037447A (ko) 얼굴 영상의 위조 여부를 판별하는 방법 및 그 장치
JP2000155803A (ja) 文字読取方法および光学式文字読取装置
Shawkat et al. The new hand geometry system and automatic identification
JP2010039981A (ja) 認証にかかる履歴情報を用いる生体認証のためのプログラム,装置および方法
JP2021103538A (ja) 情報処理装置、情報処理方法、および、情報処理プログラム
CN113128427A (zh) 人脸识别方法、装置、计算机可读存储介质及终端设备
CN112163110A (zh) 图像分类方法、装置、电子设备和计算机可读存储介质
CN111382593B (zh) 身份验证方法、装置及电子设备
Liu et al. Finger-vein recognition with modified binary tree model
Min et al. Comparison of eyelid and eyelash detection algorithms for performance improvement of iris recognition
Lomte et al. Biometric fingerprint authentication by minutiae extraction using USB token system
CN107844735B (zh) 生物特征的认证方法和装置
KR20190014678A (ko) 사용자에 의한 생체정보 기반의 사용자 인증 레벨 조정 방법
KR102253572B1 (ko) 앙상블 네트워크 기반 데이터 학습 방법 및 개인 식별 방법

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