CN111753620A - 使用照射序列图案进行生物特征认证的方法和系统 - Google Patents

使用照射序列图案进行生物特征认证的方法和系统 Download PDF

Info

Publication number
CN111753620A
CN111753620A CN202010095063.5A CN202010095063A CN111753620A CN 111753620 A CN111753620 A CN 111753620A CN 202010095063 A CN202010095063 A CN 202010095063A CN 111753620 A CN111753620 A CN 111753620A
Authority
CN
China
Prior art keywords
illumination
image
sequence pattern
representative wavelength
illumination sequence
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
Application number
CN202010095063.5A
Other languages
English (en)
Inventor
S·帕拉帕蒂
Z·菲尔茨
R·R·德拉克希尼
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.)
Jumio Inc
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Publication of CN111753620A publication Critical patent/CN111753620A/zh
Pending legal-status Critical Current

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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V40/16—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
    • G06V40/10—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
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Ophthalmology & Optometry (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Input (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本文公开了一种使用照射序列图案进行生物特征认证的方法和系统。所述方法：包括在一个或多个处理设备处接收与第一图像相对应的数据，以及所述一个或多个处理设备基于所述接收到的数据确定所述第一图像的第一组像素值对应于第一代表性波长的照射，所述第一图像的至少第二组像素值对应于第二代表性波长的照射。所述第一代表性波长的照射和所述第二代表性波长的照射构成在捕获所述第一图像时使用的第一照射序列图案的至少一部分。所述方法还包括确定所述第一照射序列图案与和设备相关联的第二照射序列图案相匹配，期望从该设备接收到所述第一图像，并且作为响应，发起用于对所述第一图像中表示的主体进行认证的生物特征认证处理。

Description

使用照射序列图案进行生物特征认证的方法和系统
技术领域
本文一般涉及图像捕获设备。
背景技术
结合诸如面部识别或虹膜识别的生物特征识别技术的系统通常包括捕获用户的图像的相机。然后，对捕获的图像进行处理，以使用生物特征识别技术认证用户。
发明内容
本公开的实施方式一般涉及在生物特征认证系统中采用的图像捕获设备。更具体地，实施方式涉及滚动快门模式下捕获主体的图像，其中，使用照射序列图案来改变来自至少一个照射源的照射的频率并且与滚动快门同步。捕获的图像可以用于生物特征认证处理。例如，捕获的图像可以具有与照射序列图案相对应的像素值。生物特征认证处理可以包括验证在捕获图像时使用的照射序列图案匹配与设备相关联的期望照射序列图案，期望从设备接收到捕获的图像。例如，生物特征认证处理可以包括验证图像被特定一体机捕获。
在一方面，本文描述了一种方法，所述方法包括在一个或多个处理设备处接收与第一图像相对应的数据，以及所述一个或多个处理设备基于所述接收到的数据确定所述第一图像的第一组像素值对应于第一代表性波长的照射，并且所述第一图像的至少第二组像素值对应于第二代表性波长的照射。所述第一代表性波长的照射和所述第二代表性波长的照射构成在捕获所述第一图像时使用的第一照射序列图案的至少一部分。所述方法还包括确定所述第一照射序列图案匹配与设备相关联的第二照射序列图案，期望从设备接收到所述第一图像，并且作为响应，发起用于对所述第一图像中表示的主体进行认证的生物特征认证处理。
在另一方面，本文描述了一种系统，所述系统包括收发器，其接收与使用图像传感器捕获的第一图像相对应的数据，以及一个或多个处理设备。所述一个或多个处理设备执行包括以下的操作：基于所述接收到的数据确定所述第一图像的第一组像素值对应于第一代表性波长的照射，并且所述第一图像的至少第二组像素值对应于第二代表性波长的照射。所述第一代表性波长的照射和所述第二代表性波长的照射构成在捕获所述第一图像时使用的第一照射序列图案的至少一部分。所述操作还包括确定所述第一照射序列图案匹配与设备相关联的第二照射序列图案，期望从该设备接收到所述第一图像，以及作为响应，发起用于对所述第一图像中表示的主体进行认证的生物特征认证处理。
在另一方面，本文描述了一个或多个非暂时性计算机可读存储设备，其耦接到一个或多个处理器且其上存储有指令，当所述指令被所述一个或多个处理器执行时，所述指令促使所述一个或多个处理器执行各种操作。所述操作包括接收与第一图像相对应的数据，以及基于所述接收到的数据确定所述第一图像的第一组像素值对应于第一代表性波长的照射，并且所述第一图像的至少第二组像素值对应于第二代表性波长的照射。所述第一代表性波长的照射和所述第二代表性波长的照射构成在捕获所述第一图像时使用的第一照射序列图案的至少一部分。所述操作还包括确定所述第一照射序列图案匹配与设备相关联的第二照射序列图案，期望从设备接收到所述第一图像，以及作为响应，发起用于对所述第一图像中表示的主体进行认证的生物特征认证处理。
在另一方面，本文描述了一种计算机实现的方法，所述方法包括识别在捕获主体的图像时使用的照射序列图案。所述方法还包括基于所述照射序列图案控制照射源以使用第一代表性波长照射所述主体，以及在使用所述第一代表性波长照射所述主体时，基于所述照射序列图案捕获所述主体的所述图像的第一组像素值。所述方法还包括基于所述照射序列图案控制所述照射源使用第二代表性波长照射所述主体，其中，所述第二代表性波长不同于所述第一代表性波长。然后将所述主体的所述图像提供给生物特征认证系统。
以上各方面的实施方式可以包括以下一个或多个特征。可以使用以行方式或列方式曝光图像传感器的像素的滚动快门来捕获所述第一图像。可以在所述一个或多个处理设备处接收与第二图像相对应的数据，并且可以确定所述第二图像的第一组像素值对应于第三代表性波长的照射，并且所述第二图像的至少第二组像素值对应于第四代表性波长的照射。所述第三代表性波长的照射和所述第四代表性波长的照射构成在捕获所述第二图像时使用的第三照射序列图案的至少一部分。可以确定所述第三照射序列图案不同于与所述设备相关联的所述第二照射序列图案，并且作为响应，可以阻止将所述第二图像用于所述生物特征认证处理。根据所述第一照射序列图案，可以在捕获所述第一图像期间使所述滚动快门和照射源同步。所述照射源可以被配置为生成多个波长的电磁辐射。所述生物特征认证处理可以包括基于将所述图像与所述主体的模板图像进行比较来认证所述主体。可以在注册过程中捕获所述主体的所述模板图像。可以在认证所述主体之后向主体呈现信息。
本公开中描述的主题的特定实施方式可以被实施以实现以下优点中的一个或多个。本公开的实施方式可以被用于例如基于以滚动快门模式捕获的图像进行实时识别硬件和生物特征表示攻击。在一些实施方式中，滚动快门的使用可以在相机前面的活的主体的脸上产生可预测的空间色带。因此，色带反射响应可用于欺骗检测，以区分活性面部皮肤和例如硅、塑料或纸的欺骗性材料。在一些情况下，本文所述的技术允许实现欺骗检测系统和/或硬件攻击预防系统，同时减少对附加硬件的需求。在一些情况下，这继而可以减少与底层生物特征认证系统相关的成本。
应当理解，根据本公开的方法可以包括本文所描述的方面和特征的任何组合。也就是说，根据本公开的方法不限于本文具体描述的方面和特征的组合，而还可以包括所提供的方面和特征的任何组合。
在附图和以下说明中阐述了本公开的一个或多个实施方式的细节。根据具体实施方式和附图以及权利要求，本文的其他特征和优点将显现。
附图说明
图1描绘了作为示例性环境的可以向其中部署生物特征认证系统的一体机。
图2描绘了可以用于生物特征认证系统的多个示例的示例性环境。
图3描绘了可用于实现本文描述的技术的系统。
图4A-4C是描绘可在生物特征认证系统中采用的示例性照射图案的概念图。
图5是生物特征认证系统中采用的示例性处理的流程图。
图6是表示计算设备的示例的框图。
具体实施方式
本公开的实施方式一般涉及使用相机的滚动快门捕获主体的图像，该相机的滚动快门与根据照射序列图案(例如，编码光序列)控制的一个或多个照射源协同工作，以保障与相机关联的设备的安全。在一些实施方式中，照射序列图案定义了将从照射源辐射的各种波长的光的序列。本公开的实施方式可以用于例如通过验证照射序列图案来实时识别硬件和生物特征表示攻击。可以基于照射序列图案验证结果为主体发起(或阻止)后续的生物特征认证处理。
通常，各种生物特征识别/认证系统基于对一个或多个图像的捕获，然后将所述图像与在注册过程中捕获的模板图像进行比较或参考所述模板图像对所述图像进行分析。例如，使用面部识别的生物特征认证系统可以要求注册用户在注册过程中拍摄一张或多张面部图像。注册过程中捕获的图像可以存储在生物特征认证系统可访问的存储设备上。在运行期间，可以捕获用户的面部图像，并将其与一个或多个模板图像进行比较，以确定该用户是否可以被认证。
在示例性上下文中，可以将生物特征认证系统部署在例如自动取款机(ATM)的一体机类型的设备中。一体机可以包括可由生物特征认证系统使用的相机，以捕获用户的运行时图像。一体机的相机组件可以包括快门。快门是允许光持续通过确定的时间段，从而将胶卷或者光敏电子传感器曝光以便捕获场景的永久图像的设备。机械快门使用位于传感器前面的传统前后快门卷帘，打开和关闭该前后快门卷帘以产生曝光。
滚动快门是一种图像捕获方法，其中通过竖直或者水平扫描场景来捕获静态图片(在静态相机中)或者视频的每一帧(在视频相机中)，使得场景的图像的所有部分被记录，尽管不是精确地同时记录。然而，在重放期间，场景的图像会被立刻显示，就像其代表时间上的单个时刻。滚动快门与其中同时捕获全部帧的“全局快门”形成对比。滚动快门可以作为经过如上所述的机械或者电子手段捕获像素的行(或其他部分)的相机模式。
鉴于前述，并且如本文进一步详细描述的，本公开的实施方式提供用于生物特征认证系统。例如，服务器(或另一设备)可以接收与在例如一体机设备处捕获的图像相对应的数据。服务器可以基于接收到的数据来确定所捕获的图像是否包括与期望的照射序列图案相对应的像素值。响应于确定所捕获的图像包括与期望的照射序列图案相对应的像素值，可以发起用于对在第一图像中表示的主体进行认证的生物特征认证处理。响应于确定所捕获的图像不包括与期望的照射序列图案相对应的像素值，服务器可以阻止在生物特征认证处理中使用所捕获的图像。
图1描绘了作为示例性环境的可以向其中部署生物特征认证系统的一体机100。这样的一体机用于需要通过一个或多个生物特征认证处理来认证用户的各种目的。例如，一体机100可以包括允许用户从银行账户取款的ATM。在另一示例中，一体机100可以被部署在饭店或快餐店，并且允许用户订购和支付食物。一体机100还可以被部署在入口(例如，在竞技场或体育场的大门处)以在进入场地之前对进入者进行认证。通常，一体机100可以部署在各种类型的位置以交互地认证用户，甚至不需要用户的任何主动参与。
在一些实施方式中，一体机100可以包括支持生物特征认证系统的一个或多个组件。例如，一体机100可以包括相机105。相机105可以被用来捕获例如正在与一体机100交互人大用户的图像。在一些示例中，可以在生物特征认证处理中对捕获的图像进行处理以识别/认证有效用户，和/或允许或拒绝访问通过一体机提供的服务/产品。例如，一体机100可以包括显示设备110(例如，容性触摸屏)，其允许用户在零售店选择和订购食品。一旦用户通过呈现在显示设备110上的用户界面完成选择，就可以要求用户看向相机105以进行认证。使用相机105捕获的图像然后可以用于认证/识别预存储的用户的简档，然后可以从链接到该简档的账户自动扣除食品的付款。
一体机100可以包括照射源115。尽管示出了一个照射源115，但是一体机100可以包括多个照射源。尽管将本公开的实施方式描述为使用一个照射源，但是可以使用多个照射源。照射源115被配置为生成多个波长的电磁辐射。例如，照射源115可以包括一个或多个发光二极管(LED)元件120，可对该元件进行控制从而生成不同波长范围的电磁辐射图案或序列。波长范围可以包括例如大约400-700nm的可见光谱、大约700-1400nm的近红外(NIR)光谱和/或320-400nm范围中的波长。
一体机100可以例如从生物特征认证服务接收描述照射序列图案的可编程代码(例如，密钥)。在一些实施方式中，照射源115可被配置为根据照射序列图案辐射电磁辐射，使得在给定时间，照射源115辐射出至少部分地与随后从照射源115辐射的第二波长范围不重叠的第一波长范围的照射。第一波长范围可以包括第一代表性波长，第二波长范围可以包括不同的第二代表性波长。在一些实施方式中，第一波长范围和/或第二波长范围分别包括除了第一代表波长或第二代表波长之外的其他波长。
在一些实施方式中，照射源115可以以指定的光色图案照射主体的脸部并且以滚动快门模式捕获主体的图像。例如，来自照射源115的根据接收到的照射序列图案进行的照射可以与相机105的依次曝光图像传感器的像素集的滚动快门同步。在一些实施方式中，通过采用相机的例如在开始曝光时发出信号的通用输入/输出(GPIO)，滚动快门相机行扫描频率与接收的照射序列图案同步，该照射序列图案控制从照射源115辐射的光。当针对图像收集像素的不同部分时，从照射源115辐射的照射可以与滚动快门同步。例如，当快门移动穿过曝光像素的每个部分(例如，行、列)的光圈/传感器时，可以控制照射源115根据照射序列图案来发光。例如，根据照射序列图案执行的照射序列可以包括：对于一个或多个行的第一组，以第一波长范围点亮照射源115，对于后续一个或多个行的第二组，以第二波长范围点亮照射源115。
由于滚动快门效果，捕获的图像可以包括根据照射序列图案而被上色的色带。由相机105捕获的每个图像因此具有可识别的照射图案，其中的像素捕获根据照射序列图案与照射源115同步。例如，图像可以包括照射图案，该照射图案包括用包括第一代表性波长的第一波长范围照射主体的第一组像素行，以及用包括第二代表性波长的第二波长范围照射主体的第二组像素行。先前和以下的示例性照射序列图案包括与两组像素部分同步的两个波长作为示例；然而，可以通过照射序列图案来指定任意数量的波长和像素部分的组。照射序列图案可用于例如验证图像是否是由特定的一体机所捕获的。
例如，一体机100可以将所捕获的包括照射图案的图像发送到服务器(或其他设备或系统)以进行验证。服务器可以从接收到的图像解码出密钥，并对照最初发送给一体机100的密钥验证所解码的密钥。因此，服务器可以通过实时改变可编程代码(密钥)来动态地质询一体机100，以实时识别硬件和生物特征表示攻击。因此，可以提高生物特征系统的安全性。例如，如果服务器确定图像包括期望的照射图案，则可以为用户发起生物特征认证处理。作为另一示例，如果服务器确定图像不包括期望的照射图案，则可以阻止进一步的处理(例如，可以停止对用户的进一步认证，并且可以拒绝用户访问一体机100或其他系统)。服务器可以确定例如图像是由冒充者系统尝试发送的，以欺骗服务器该图像是由一体机获得的。冒充者攻击可能由于冒充者系统不知道与一体机100相对应的密钥(例如，当前一体机密钥可以是一体机和服务器之间共享的秘密)而失败。
在一些实施方式中，使用相机105捕获的图像可以在生物特征认证处理中被进一步处理以识别/认证用户。在一些实施方式中，生物特征认证系统可以从图像中提取各种特征，例如，从面部、虹膜、眼巩膜下面的脉管系统或眼周区域抽取的特征等，以基于将提取的特征与在注册过程中存储的特定用户的一个或多个模板图像的特征进行匹配来识别/认证该用户。生物特征认证系统可以使用机器学习处理(例如，使用例如深度神经网络架构实现的深度学习处理)来将用户与针对系统的各种用户存储的多个模板之一进行匹配。在一些实施方式中，可以至少部分地使用部署在一体机100上的一个或多个处理设备来实现机器学习处理。在一些实施方式中，一体机100可以与实现机器学习处理的一个或多个远程处理设备(例如，一个或多个远程服务器)通信(见图2)。
图2描绘了可以用于执行和/或协调描述的生物特征认证系统的多个示例的示例性环境200。示例性环境200包括网络210、后端系统230和一体机设备222-226。一体机设备222-226基本上类似于图1的一体机设备100。
在一些实施方式中，网络210包括局域网(LAN)、广域网(WAN)、互联网或其组合，并连接计算设备(例如，一体机设备222-226)、和后端系统(例如，后端系统230)。在一些实施方式中，可以通过有线通信链路和/或无线通信链路访问网络210。
在所描绘的示例中，后端系统230包括至少一个服务器系统232和数据存储234。在一些实施方式中，后端系统230提供对一体机222-226可以与之交互的一个或多个计算机实现的服务的访问。计算机实现的服务可以承载在例如至少一个服务器系统232和数据存储234上。计算机实现的服务可以包括例如认证服务，一体机222-226可以使用该认证服务基于收集到的图像数据来认证用户。
例如，作为生物特征认证服务的一部分，服务器系统232可以向一体机222-226之一发送可编程代码(例如，密钥)，该可编程代码描述可以用于在捕获的图像中生成照射图案的照射序列图案。一体机根据照射序列图案照射主体的脸部(并且在一些实施方式中，以滚动快门模式获取图像)。在一些实施方式中，一体机222-226将捕获的图像提供给服务器系统232以进行验证。服务器系统232可以从接收到的图像数据解码出密钥，并对照先前提供给对应一体机的密钥来验证所解码的密钥。如果所解码的密钥被验证，则服务器232可以发起生物特征认证处理(例如，可以将捕获的图像与模板图像进行比较以识别用户)。
此技术允许服务器系统232通过实时改变密钥来动态地质询示例性环境200中的每个一体机222-226。例如，如果所解码的密钥与期望的密钥不匹配(例如，由于冒充者系统240发起的“中间人”攻击)，则服务器系统232可以阻止发起生物特征认证处理。例如，冒充者系统240可以将不包括期望的照射图案的图像发送到服务器系统232(例如，因为冒充者系统240没有接收到初始密钥，也没有使用由密钥定义的照射序列图案来捕获主体图像)。在一些实施方式中，服务器232可以向一体机发送指示密钥验证失败的消息。在一些实施方式中，服务器系统232忽略(例如，不做出响应)发送未成功验证的图像的设备。响应于事件等，服务器系统232可以周期性地、间断地(例如，基于随机生成的时间点)向对应的一体机发送更新的密钥。
更详细地，服务器系统232可以基于接收到的数据确定接收到的图像的第一组像素值对应于第一代表性波长的照射，以及接收到的图像的至少第二组像素值对应于第二代表性波长的照射。第一代表性波长和第二代表性波长的照射构成在捕获接收到的图像时使用的第一照射序列图案的至少一部分。服务器系统232可以确定第一照射序列图案与和期望的一体机关联的期望的照射序列图案相匹配，期望从该期望的一体机接收到该接收的图像。例如，期望的一体机可以是被发送了与第一照射序列图案相对应的密钥的一体机。服务器系统232可以响应于确定第一照射序列图案与期望的照射序列图案相匹配，发起用于对接收到的图像中所表示的主体进行认证的生物特征认证处理。
作为另一示例，服务器系统232可以针对接收到的图像或另一图像确定该图像不包括期望的照射图案。响应于确定图像不包括期望的照射图案，服务器232可以阻止在生物特征认证处理中使用该图像。例如，冒充者系统240可能已经向服务器系统232发送了在没有编程的照射源的情况下捕获的图像。
作为又一示例，冒充者系统240可以向服务器系统232发送具有通过对一个或多个照射源进行编程控制而生成的照射图案，但是与期望的照射图案不匹配的图像。例如，接收到的图像可能已经由除期望的一体机以外的设备捕获，或者在一体机配置有与为该一体机最后记录的密钥不同的密钥的时间由该期望的一体机捕获。服务器系统232可以确定接收到的图像的第一组像素值对应于第三代表性波长的照射，并且第二图像的至少第二组像素值对应于第四代表性波长的照射，其中第三波长和第四波长的照射构成在捕获接收到的图像时使用的第三照射序列图案的至少一部分。服务器系统232可以确定第三照射序列图案不同于期望的照射序列图案，该期望的照射序列图案与被期望已经接收到图像的一体机相关联。响应于确定第三照射序列图案与期望的照射序列图案不同，服务器系统232可以阻止将接收到的图像用于生物特征认证处理中。
在一些实施方式中，服务器系统232可以基于接收到的图像执行欺骗检测。例如，如活性皮肤或欺骗性材料(例如纸，硅或塑料)的不同的材料可能对不同的波长具有不同的光谱响应。例如，活人的图像可以对特定波长的照射具有可预测的反射响应。服务器系统232可以通过确定接收到的图像是否包括与活性皮肤相对应的期望反射响应来执行欺骗检测。
在一些实施方式中，后端系统230包括采用集群计算机和组件的计算机系统，当通过网络210访问该计算机系统时，该计算机系统用作单个无缝资源池。例如，可以在数据中心、云计算、存储区域网络(SAN)和网络附加存储(NAS)应用中使用这样的实施方式。在一些实施方式中，后端系统230被部署并通过虚拟机提供计算机实现的服务。
图3描绘了可用于实施本文描述的技术的系统300。系统300包括滚动快门相机305、处理设备310、照射源312、收发器313和显示设备315。在一些实施方式中，系统300可以被包括在一体机内，例如参考图1所描述的。例如，显示设备315可以是显示设备110、照射源312可以是照射源115，滚动快门相机305可以是相机105。在一些实施方式中，显示设备315可以被布置在诸如智能电话、平板电脑或电子阅读器的移动设备上。滚动快门相机305包括图像传感器320。图像传感器320检测并传送构成图像的信息(例如，如上所述通过滚动快门收集的像素)。图像传感器的类型包括，例如，互补金属氧化物半导体(CMOS)和电荷耦合设备(CCD)。
一个或多个处理设备310可以使用照射序列图案使照射源312的照射与滚动相机305同步。可以通过使用收发器313接收(例如，从服务器)的密钥来定义照射序列图案。一个或多个处理设备310可以使用收发器313向服务器发送在照射图案下捕获的图像。服务器可以验证捕获的图像中的照射图案与期望的照射图案匹配。如果验证成功，则可以发起生物特征认证处理。例如，可以将捕获的图像与模板图像进行比较，以识别特定用户。如果用户被认证，则一个或多个处理设备310可以驱动显示设备315。例如，可以向用户提供对一个或多个服务的访问。
图4A-4C分别描绘了可以在所描述的生物特征认证系统内采用的示例性照射图案400、420和440。照射图案400、420和440被描绘为10x10的网格，其中每个方块表示一个像素。照射图案400、420和440包括像素行402和404。像素行402和404表示根据照射序列图案捕获的(例如，通过处于滚动快门模式的相机)像素行。例如，当照射源以由照射序列图案定义的第一代表性波长照射时，捕获条纹像素行402。类似地，当照射源以由照射序列图案定义的第二代表性波长照射时，可以捕获阴影像素行404。像素行402和404是像素的线性分组，其可以水平(例如，作为行，如所描述的)或竖直(例如，作为列(未示出))取向。
例如，在照射图案400中，可以在第一代表性波长的照射下捕获奇数行(例如，条纹像素行402)，并且可以在第二代表性波长的照射下捕获偶数行(例如，阴影像素行404)。作为另一示例，可以根据照射序列图案来生成照射图案420，包括以第一代表性波长照射主体，同时滚动快门曝光前两个条纹像素行402，然后以第二代表性波长照射主体，同时滚动快门曝光第三和第四阴影像素行404，然后随着滚动快门遍历整个传感器重复该照射图案。可以根据与遍历图像传感器的各个部分的滚动快门同步的其他照射序列图案来激活照射源。例如，图4C示出了随着滚动快门遍历图像传感器在第一代表性波长或第二代表性波长的照射下曝光的行数的变化(例如，随机地)的一般方案。
用于描绘照射图案400、420和440的网格的尺寸是为了提供像素网格的简单表示。由诸如相机105的相机在滚动快门模式下捕获的图像通常包括大得多的像素网格。照射图案400、420和440作为示例被提供，并且可以在所描述的生物特征认证系统内生成和采用其他照射图案。尽管讨论了第一代表性波长和第二代表性波长，但是可以使用两个以上的代表性波长。
图5描绘了例如在诸如图1的一体机100之类的一体机设备上部署的生物特征认证系统内采用的示例性处理500的流程图。在一些实施方式中，可以在以上参考图3描述的一个或多个处理设备310处执行处理的至少一部分。在502，接收与第一图像相对应的数据。第一图像可以是在与诸如一体机设备之类的设备相关联的相机的视野中的主体的图像。
在504，基于接收到的数据确定第一图像的第一组像素值对应于第一代表性波长的照射，并且第一图像的至少第二组像素值对应于第二代表性波长的照射。第一代表性波长和第二代表性波长的照射构成在捕获第一图像时使用的第一照射序列图案的至少一部分。在一些实施方式中，第一图像是使用滚动快门捕获的，所述滚动快门以行方式(row-wise)曝光图像传感器的像素。在一些实施方式中，第一图像是使用滚动快门捕获的，所述滚动快门以列方式(column-wise)曝光图像传感器的像素。在一些实施方式中，根据照射序列图案，在捕获第一图像期间使滚动快门和照射源同步。在一些实施方式中，照射源被配置为生成多个波长的电磁辐射。
在506，确定第一照射序列图案与和设备相关联的第二照射序列图案相匹配，期望从该设备接收到第一图像。例如，描述第二照射序列图案的信息可能已经在先被发送到设备。
在508，响应于确定第一照射序列图案与第二照射序列图案匹配，发起用于对第一图像中表示的主体进行认证的生物特征认证处理。在一些实施方式中，生物特征认证处理包括基于将主体的图像与模板图像进行比较来认证该主体。在一些实施方式中，主体的模板图像是在注册过程中捕获的。在一些实施方式中，基于对主体的认证，在显示设备上显示关于主体的信息。
在一些实施方式中，接收与第二图像相对应的数据。可以确定第二图像的第一组像素值对应于第三代表性波长的照射，图像的至少第二组像素值对应于第四代表性波长的照射。第三波长和第四波长的照射可以构成在捕获第二图像时使用的第三照射序列图案的至少一部分。可以确定第三照射序列图案不同于与设备相关联的第二照射序列图案。响应于确定第三照射序列图案不同于第二照射序列图案，可以阻止将第二图像用于生物特征认证处理。
图6示出了为执行本公开的实施方式所采用的计算设备600和移动计算设备650的示例。计算设备600旨在表示各种形式的数字计算机，例如膝上型计算机、台式计算机、工作站、个人数字助理、服务器、刀锋型服务器、主机和其他适当的计算机。移动计算设备650旨在代表各种形式的移动设备，例如个人数字助理、蜂窝电话、智能电话、AR设备以及其他类似的计算设备。本文所示的组件，它们的连接和关系以及它们的功能仅是示例，并无意作为限制。
计算设备600包括处理器602、存储器604、存储设备606、高速接口608和低速接口612。在一些实施方式中，高速接口608连接到存储器604和多个高速扩展端口610。在一些实施方式中，低速接口612连接到低速扩展端口614和存储设备606。处理器602、存储器604、存储设备606、高速接口608、高速扩展端口610和低速接口612中的每一个都使用各种总线互连，并且可以安装在通用主板上或以其他适当方式安装。处理器602可以处理用于在计算设备600内执行的指令，包括存储在存储器604中和/或存储在存储设备606上的指令，以在诸如耦接到高速接口608的显示器616的外部输入/输出设备上显示用于图形用户界面(GUI)的图形信息。在其他实施方式中，只要合适，可以使用多个处理器和/或多个总线，以及多个存储器和多个类型的存储器。另外，可以连接多个计算设备，每个计算设备提供部分的必要操作(例如，作为服务器库、刀锋型服务器组或多处理器系统)。
存储器604将信息存储在计算设备600内。在一些实施方式中，存储器604是一个或多个易失性存储器单元。在一些实施方式中，存储器604是一个或多个非易失性存储器单元。存储器604也可以是另一种形式的计算机可读介质，例如磁盘或光盘。
存储设备606能够为计算设备600提供大容量存储。在一些实施方式中，存储设备606可以是或包括计算机可读介质，例如软盘设备、硬盘设备、光盘设备、磁带设备、闪存或其他类似的固态存储器设备或设备的阵列，包括存储区域网络或其他配置中的设备。指令可以存储在信息载体中。当所述指令由一个或多个例如处理器602的处理设备执行时，执行如上描述的一个或多个方法。指令还可以由例如计算机可读或机器可读介质的一个或多个存储设备存储，所述介质例如存储器604、存储设备606或处理器602上的存储器。
高速接口608管理计算设备600的带宽密集型操作，而低速接口612管理较低带宽密集型操作。这种对功能的分配仅是示例。在一些实施方式中，高速接口608耦接到存储器604、显示器616(例如，通过图形处理器或加速器)以及可以接受各种扩展卡的高速扩展端口610。在该实施方式中，低速接口612耦接到存储设备606和低速扩展端口614。可以包括各种通信端口(例如，通用串行总线(USB)、蓝牙、以太网、无线以太网)的低速扩展端口614可以耦接至一个或多个输入/输出设备。这样的输入/输出设备可以包括扫描仪630、打印设备634、键盘或鼠标636。输入/输出设备还可以通过网络适配器耦接到低速扩展端口614。这样的网络输入/输出设备可以包括例如交换机或路由器632。
如图6所示，计算设备600可以以多种不同的形式实现。例如，它可以被实现为标准服务器620，或者在一组这样的服务器中多次实现。另外，它可以在诸如膝上型计算机622的个人计算机中实现。它也可以被实现为机架服务器系统624的一部分。可选地，来自计算设备600的组件可以与诸如移动计算设备650的移动设备中的其他组件组合。每个这样的设备可以包含计算设备600和移动计算设备650中的一个或多个，并且整个系统可以由彼此通信的多个计算设备组成。
除了其他组件之外，移动计算设备650包括处理器652、存储器664、例如显示器654的输入/输出设备、通信接口666和收发器668。移动计算设备650还可以具有存储设备，例如微驱动器或其他设备，以提供附加的存储。处理器652、存储器664、显示器654、通信接口666和收发器668中的每一个使用各种总线互连，并且若干个组件可以安装在通用主板上或以其他适当方式安装。在一些实施方式中，移动计算设备650可以包括相机设备(未示出)。
处理器652可以在移动计算设备650内执行指令，包括存储在存储器664中的指令。处理器652可以被实现为包括单独的或多个模拟和数字处理器的芯片的芯片组。例如，处理器652可以是复杂指令集计算机(CISC)处理器、精简指令集计算机(RISC)处理器或最小指令集计算机(MISC)处理器。处理器652可以提供例如用于协调移动计算设备650的其他组件，例如对用户界面(UI)、由移动计算设备650运行的应用和/或由移动计算设备650进行的无线通信的控制。
处理器652可以通过控制接口658和耦接到显示器654的显示接口656与用户通信。显示器654可以是例如薄膜晶体管液晶显示(TFT)显示器、有机发光二极管(OLED)显示器或其他适当的显示技术。显示接口656可以包括用于驱动显示器654以向用户呈现图形和其他信息的适当电路。控制接口658可以从用户接收命令并将它们转换以提交给处理器652。另外，外部接口662可以提供与处理器652的通信，以便实现移动计算设备650与其他设备的近场通信。外部接口662可以被提供用于例如一些实施方式中的有线通信或者其他实施方式中的无线通信，并且也可以使用多个接口。
存储器664将信息存储在移动计算设备650内。存储器664可以被实现为以下中的一个或多个：一个或多个计算机可读介质、一个或多个易失性存储器单元或一个或多个非易失性存储器单元。还可以提供扩展存储器674，并通过扩展接口672将其连接到移动计算设备650，扩展接口572可以包括例如单列直插式存储器模块(SIMM)卡接口。扩展存储器674可以为移动计算设备650提供额外的存储空间，或者还可以为移动计算设备650存储应用或其他信息。具体地，扩展存储器674可以包括用于执行或补充上述过程的指令，并且还可以包括安全信息。因此，例如，扩展存储器674可以被提供为用于移动计算设备650的安全模块，并且可以被编程有允许安全使用移动计算设备650的指令。此外，安全应用可以由SIMM卡提供，与附加信息一起，例如以不可破解的方式将标识信息放置在SIMM卡上。
存储器可以包括例如闪存和/或非易失性随机存取存储器(NVRAM)，如下所述。在一些实施方式中，指令被存储在信息载体中。当所述指令由一个或多个例如处理器652的处理设备执行时，执行如上描述的一个或多个方法。指令还可以由例如一个或多个计算机可读或机器可读介质的一个或多个存储设备存储，所述介质例如存储器664、扩展存储器674或处理器652上的存储器。在一些实施方式中，可以在例如通过收发器668或外部接口662传播的信号中接收指令。
移动计算设备650可以通过通信接口666进行无线通信，该通信接口在需要时可以包括数字信号处理电路。通信接口666可以提供各种模式或协议下的通信，诸如全球移动通信系统(GSM)语音呼叫、短消息服务(SMS)、增强消息服务(EMS)、多媒体消息服务(MMS)消息、码分多址(CDMA)、时分多址(TDMA)、个人数字蜂窝(PDC)、宽带码分多址(WCDMA)、CDMA2000、通用分组无线业务(GPRS)。例如，可以使用射频通过收发器668进行这种通信。另外，可能会发生短距离通信，例如使用蓝牙或Wi-Fi。此外，全球定位系统(GPS)接收器模块670可以向移动计算设备650提供附加的与导航和位置相关的无线数据，这些数据可以由运行在移动计算设备650上的应用适当使用。
移动计算设备650还可以使用音频编解码器660在进行音频通信，该音频编解码器可以从用户接收语音信息并将其转换为可用的数字信息。音频编解码器660可类似地例如通过扬声器在如移动计算设备650的手持设备中生成用户可听见的声音。这样的声音可以包括来自语音电话呼叫的声音，可以包括录制的声音(例如，语音消息、音乐文件等)，并且还可以包括由在移动计算设备650上运行的应用生成的声音。
如图6所示，移动计算设备650可以以多种不同的形式实现。例如，它可以被实现为图1中描述的一体机100。其他实施方式可以包括移动设备682和平板设备684。移动计算设备650也可以被实现为智能电话、个人数字助理、AR设备或其他类似移动设备的组件。
计算设备600和/或650也可以包括USB闪存驱动器。USB闪存驱动器可以存储操作系统和其他应用程序。USB闪存驱动器可以包括输入/输出组件，例如可以插入另一个计算设备的USB端口的无线发射器或USB连接器。
可以在数字电子电路、集成电路、特殊设计的专用集成电路(ASIC)、计算机硬件、固件、软件和/或它们的组合中实现本文描述的系统和技术的各种实施方式。这些各种实施方式可以包括在可编程系统上可执行和/或可编译的一个或多个计算机程序中的实现，所述可编程系统包括至少一个可编程处理器，其可为专用或通用的，耦合以从存储系统、至少一个输入设备和至少一个输出设备接收数据和指令，并将数据和指令发送到所述存储系统、至少一个输入设备和至少一个输出设备。
这些计算机程序(也称为程序、软件、软件应用程序或代码)包括用于可编程处理器的机器指令，并且可以以高级程序、面向对象、汇编和/或机器语言来实现。如本文所使用的，术语机器可读介质和计算机可读介质是指用于向可编程处理器提供机器指令和/或数据的任何计算机程序产品、装置和/或设备(例如磁盘、光盘、存储器、可编程逻辑设备(PLD))，包括接收作为机器可读信号的机器指令的机器可读介质。术语机器可读信号是指用于向可编程处理器提供机器指令和/或数据的任何信号。
为了提供与用户的交互，本文所描述的系统和技术可以在计算机上实现，该计算机具有用于向用户显示信息的显示设备(例如，阴极射线管(CRT)或液晶显示(LCD)监视器)以及用户可用以向该计算机提供输入的键盘和指针设备(例如，鼠标或轨迹球)。其他类型的设备也可用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的感官反馈，例如视觉反馈、听觉反馈或触觉反馈；并且可以接收来自用户的任何形式的输入，包括声音、语音或触觉输入。
本文描述的系统和技术可以在计算系统中实现，该计算系统包括后端组件(例如，数据服务器)，或包括中间件组件(例如，应用服务器)，或包括前端组件(例如，具有GUI或网页浏览器的客户端计算机，用户可以通过所述GUI或网页浏览器与本文所述的系统和技术的实施方式交互)，或包括这样的后端、中间件、或前端组件的组合。该系统的组件可以例如图2的网络210的任何的数字数据通信的形式或介质互联。通信网络的示例包括局域网(LAN)、广域网(WAN)和因特网。
计算系统可以包括客户端和服务器。客户端和服务器通常彼此远离并且通常通过通信网络交互。客户端和服务器的关系借助运行在各自的计算机上并且彼此具有客户端-服务器关系的计算机程序产生。
尽管上面已经详细描述了一些实施方式，但是其他修改也是可能的。例如，尽管客户端应用被描述为访问所述代表，但是在其他实施方式中，所述代表可以被由一个或多个处理器实现的其他应用所采用，例如在一个或多个服务器上执行的应用。另外，图中描绘的逻辑流程并不要求所示的特定顺序或次序来实现期望的结果。另外，可以从所描述的流程中提供其他动作，或者可以从所描述的流程中去除动作，并且可以将其他组件添加到所述系统中或从所述系统中移除。因此，其他实施方式在以下权利要求的范围内。

Claims (20)

1.一种计算机实现的方法，包括：
在一个或多个处理设备处接收与第一图像相对应的数据；
所述一个或多个处理设备基于所述接收到的数据确定所述第一图像的第一组像素值对应于第一代表性波长的照射，并且所述第一图像的至少第二组像素值对应于第二代表性波长的照射，其中，所述第一代表性波长的照射和所述第二代表性波长的照射构成在捕获所述第一图像时使用的第一照射序列图案的至少一部分；
确定所述第一照射序列图案与和设备相关联的第二照射序列图案相匹配，其中，期望从所述设备接收到所述第一图像；以及
响应于确定所述第一照射序列图案与所述第二照射序列图案相匹配，发起用于对所述第一图像中表示的主体进行认证的生物特征认证处理。
2.如权利要求1所述的计算机实现的方法，其中，所述第一图像是使用滚动快门捕获的，所述滚动快门以行方式曝光图像传感器的像素。
3.如权利要求1所述的计算机实现的方法，其中，所述第一图像是使用滚动快门捕获的，所述滚动快门以列方式曝光图像传感器的像素。
4.如权利要求1所述的计算机实现的方法，还包括：
在所述一个或多个处理设备处接收与第二图像相对应的数据；
所述一个或多个处理设备确定所述第二图像的第一组像素值对应于第三代表性波长的照射，并且所述第二图像的至少第二组像素值对应于第四代表性波长的照射，其中，所述第三代表性波长的照射和所述第四代表性波长的照射构成在捕获所述第二图像时使用的第三照射序列图案的至少一部分；
确定所述第三照射序列图案不同于与所述设备相关联的所述第二照射序列图案；以及
响应于确定所述第三照射序列图案不同于所述第二照射序列图案，阻止将所述第二图像用于所述生物特征认证处理。
5.如权利要求2所述的计算机实现的方法，其中，根据所述第一照射序列图案，在捕获所述第一图像期间使所述滚动快门和照射源同步。
6.如权利要求5所述的计算机实现的方法，其中，所述照射源被配置为生成多个波长的电磁辐射。
7.如权利要求1所述的计算机实现的方法，其中，所述生物特征认证处理包括：基于将所述图像与所述主体的模板图像进行比较来认证所述主体。
8.如权利要求7所述的计算机实现的方法，其中，所述主体的所述模板图像是在注册过程中捕获的。
9.如权利要求7所述的计算机实现的方法，包括：
基于对所述主体的认证，在显示设备上向所述主体呈现信息。
10.一种系统，包括：
收发器，其接收与使用图像传感器捕获的第一图像相对应的数据，以及
可通信地耦接到所述收发器的一个或多个处理设备，所述一个或多个处理设备执行包括以下的操作：
基于所述接收到的数据确定所述第一图像的第一组像素值对应于第一代表性波长的照射，并且所述第一图像的至少第二组像素值对应于第二代表性波长的照射，其中，所述第一代表性波长的照射和所述第二代表性波长的照射构成在捕获所述第一图像时使用的第一照射序列图案的至少一部分，
确定所述第一照射序列图案与和设备相关联的第二照射序列图案相匹配，期望从该设备接收到所述第一图像，以及
响应于确定所述第一照射序列图案与所述第二照射序列图案相匹配，发起用于对所述第一图像中表示的主体进行认证的生物特征认证处理。
11.如权利要求10所述的系统，还包括以行方式曝光所述图像传感器的像素的滚动快门。
12.如权利要求10所述的系统，还包括以列方式曝光图像传感器的像素的滚动快门。
13.如权利要求10所述的系统，其中，所述操作还包括：
接收与第二图像相对应的数据；
确定所述第二图像的第一组像素值对应于第三代表性波长的照射，并且所述第二图像的至少第二组像素值对应于第四代表性波长的照射，其中，所述第三代表性波长的照射和所述第四代表性波长的照射构成在捕获所述第二图像时使用的第三照射序列图案的至少一部分；
确定所述第三照射序列图案不同于与所述设备相关联的所述第二照射序列图案；以及
响应于确定所述第三照射序列图案不同于所述第二照射序列图案，阻止将所述第二图像用于所述生物特征认证处理。
14.如权利要求11所述的系统，其中，根据所述第一照射序列图案，在捕获所述第一图像期间使所述滚动快门和照射源同步。
15.如权利要求10所述的系统，其中，所述照射源被配置为生成多个波长的电磁辐射。
16.如权利要求10所述的系统，其中，所述生物特征认证处理包括：基于将所述图像与所述主体的模板图像进行比较来认证所述主体。
17.一个或多个非暂时性计算机可读存储设备，其耦接到一个或多个处理器且其上存储有指令，当所述指令被所述一个或多个处理器执行时，所述指令促使所述一个或多个处理器执行包括以下的操作：
接收与第一图像相对应的数据；
基于所述接收到的数据确定所述第一图像的第一组像素值对应于第一代表性波长的照射，并且所述第一图像的至少第二组像素值对应于第二代表性波长的照射，其中，所述第一代表性波长的照射和所述第二代表性波长的照射构成在捕获所述第一图像时使用的第一照射序列图案的至少一部分；
确定所述第一照射序列图案与和设备相关联的第二照射序列图案相匹配，期望从该设备接收到所述第一图像；以及
响应于确定所述第一照射序列图案与所述第二照射序列图案相匹配，发起用于对所述第一图像中表示的主体进行认证的生物特征认证处理。
18.如权利要求17所述的一个或多个非暂时性计算机可读存储设备，其中，所述第一图像是使用滚动快门捕获的，所述滚动快门以行方式或列方式曝光图像传感器的像素。
19.如权利要求17所述的一个或多个非暂时性计算机可读存储设备，还包括用于以下操作的指令：
接收与第二图像相对应的数据；
确定所述第二图像的第一组像素值对应于第三代表性波长的照射，并且所述第二图像的至少第二组像素值对应于第四代表性波长的照射，其中，所述第三代表性波长的照射和所述第四代表性波长的照射构成在捕获所述第二图像时使用的第三照射序列图案的至少一部分；
确定所述第三照射序列图案不同于与所述设备相关联的所述第二照射序列图案；以及
响应于确定所述第三照射序列图案不同于所述第二照射序列图案，阻止将所述第二图像用于所述生物特征认证处理。
20.一种计算机实现的方法，包括：
识别在捕获主体的图像时使用的照射序列图案；
基于所述照射序列图案控制照射源以使用第一代表性波长照射所述主体；
在使用所述第一代表性波长照射所述主体时，基于所述照射序列图案捕获所述主体的所述图像的第一组像素值；
基于所述照射序列图案控制所述照射源以使用第二代表性波长照射所述主体，其中，所述第二代表性波长不同于所述第一代表性波长；
在使用所述第二代表性波长照射所述主体时，基于所述照射序列图案捕获所述主体的所述图像的第二组像素值；以及
将所述主体的所述图像提供给生物特征认证系统。
CN202010095063.5A 2019-03-29 2020-02-13 使用照射序列图案进行生物特征认证的方法和系统 Pending CN111753620A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/370,525 2019-03-29
US16/370,525 US11182630B2 (en) 2019-03-29 2019-03-29 Using an illumination sequence pattern for biometric authentication

Publications (1)

Publication Number Publication Date
CN111753620A true CN111753620A (zh) 2020-10-09

Family

ID=72603858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010095063.5A Pending CN111753620A (zh) 2019-03-29 2020-02-13 使用照射序列图案进行生物特征认证的方法和系统

Country Status (2)

Country Link
US (2) US11182630B2 (zh)
CN (1) CN111753620A (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210209606A1 (en) * 2020-01-05 2021-07-08 Obsecure Inc. System, Device, and Method of User Authentication and Transaction Verification
CN118159870A (zh) 2021-10-26 2024-06-07 特里纳米克斯股份有限公司 涉及多波长投影仪的扩展材料检测
US11922732B2 (en) * 2021-12-15 2024-03-05 Paypal, Inc. Interactive silent liveness detection
FR3133245A1 (fr) 2022-03-03 2023-09-08 Commissariat à l'Energie Atomique et aux Energies Alternatives Système sécurisé de capture d’images

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105308626A (zh) * 2013-01-17 2016-02-03 西奥尼克斯股份有限公司 生物识别成像装置以及其方法
CN105874472A (zh) * 2014-02-21 2016-08-17 三星电子株式会社 具有虹膜颜色识别的多频带生物识别相机系统
US20160317003A1 (en) * 2015-04-30 2016-11-03 Panasonic Corporation Endoscope system and light source control method
US20170191946A1 (en) * 2014-06-05 2017-07-06 University Of The West Of England, Bristol Apparatus for and method of inspecting surface topography of a moving object
US20190034720A1 (en) * 2016-03-22 2019-01-31 Guangdong Virtual Reality Technology Co., Ltd. Method and device for searching stripe set
US20190044723A1 (en) * 2017-08-01 2019-02-07 Apple Inc. Biometric authentication techniques
CN109325328A (zh) * 2017-08-01 2019-02-12 苹果公司 生物特征认证技术
US20190098233A1 (en) * 2017-09-28 2019-03-28 Waymo Llc Synchronized Spinning LIDAR and Rolling Shutter Camera System

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030227550A1 (en) 2002-06-06 2003-12-11 Manico Joseph A. System and method for providing a customized imaging product or service
US20050195292A1 (en) 2004-03-03 2005-09-08 Eastman Kodak Company System and method for providing a customized imaging product or service
JP2008085393A (ja) 2006-09-25 2008-04-10 Olympus Corp 情報端末装置、情報処理システム及び情報処理プログラム
WO2010029549A1 (en) 2008-09-12 2010-03-18 Ceramicam Ltd. Surface scanning device
GB2464453B8 (en) 2008-10-10 2016-09-14 Toshiba Res Europ Ltd An imaging system and method
JP2010245839A (ja) 2009-04-06 2010-10-28 Olympus Corp 情報通信端末
KR101825761B1 (ko) 2010-03-31 2018-03-22 톰슨 라이센싱 3d 디스패리티 맵들
US9035939B2 (en) 2010-10-04 2015-05-19 Qualcomm Incorporated 3D video control system to adjust 3D video rendering based on user preferences
US20150172628A1 (en) 2011-06-30 2015-06-18 Google Inc. Altering Automatically-Generated Three-Dimensional Models Using Photogrammetry
US9521418B2 (en) 2011-07-22 2016-12-13 Qualcomm Incorporated Slice header three-dimensional video extension for slice header prediction
US9367966B2 (en) 2012-04-06 2016-06-14 Xerox Corporation Smartphone augmented video-based on-street parking management system
KR101945867B1 (ko) 2012-06-29 2019-02-11 삼성디스플레이 주식회사 표시 장치의 구동 방법
US9264598B1 (en) 2012-12-12 2016-02-16 Amazon Technologies, Inc. Collaborative image capturing
US20160076942A1 (en) 2013-09-11 2016-03-17 Sci Instruments, Inc (Dba) Scientific Computing International Imaging spectropolarimeter
US8760500B1 (en) 2013-10-23 2014-06-24 Google Inc. Depth map generation
JP6510213B2 (ja) 2014-02-18 2019-05-08 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 投影システム、半導体集積回路、および画像補正方法
KR102173242B1 (ko) 2014-03-25 2020-11-04 에스케이플래닛 주식회사 근거리 무선 데이터 통신 시스템, 그 시스템에서의 정보 자동 설정 방법, 장치
CA2902093C (en) 2014-08-28 2023-03-07 Kevin Alan Tussy Facial recognition authentication system including path parameters
WO2016089606A1 (en) 2014-12-04 2016-06-09 Google Inc. Three-dimensional shape capture using non-collinear display illumination
US10123005B2 (en) 2015-03-06 2018-11-06 Apple Inc. Displays with unit-specific display identification data
US9995857B2 (en) 2015-04-03 2018-06-12 Avegant Corp. System, apparatus, and method for displaying an image using focal modulation
US10281408B2 (en) 2016-04-12 2019-05-07 Nippon Steel & Sumitomo Metal Corporation Inspection object imaging apparatus, inspection object imaging method, surface inspection apparatus, and surface inspection method
US10346675B1 (en) 2016-04-26 2019-07-09 Massachusetts Mutual Life Insurance Company Access control through multi-factor image authentication
US10666927B2 (en) 2017-03-15 2020-05-26 Baker Hughes, A Ge Company, Llc Method and device for inspection of an asset
JP2019083501A (ja) * 2017-10-27 2019-05-30 ソニーセミコンダクタソリューションズ株式会社 撮像装置
US11100205B2 (en) 2017-11-13 2021-08-24 Jpmorgan Chase Bank, N.A. Secure automated teller machine (ATM) and method thereof
US10687034B1 (en) 2018-04-23 2020-06-16 Facebook Technologies, Llc Image sensor with switchable optical filter
US10303963B1 (en) 2018-07-09 2019-05-28 Capital One Services, Llc ATM with biometric security
JP7265823B2 (ja) * 2018-10-19 2023-04-27 キヤノン株式会社 撮像装置及びプログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105308626A (zh) * 2013-01-17 2016-02-03 西奥尼克斯股份有限公司 生物识别成像装置以及其方法
CN105874472A (zh) * 2014-02-21 2016-08-17 三星电子株式会社 具有虹膜颜色识别的多频带生物识别相机系统
US20170191946A1 (en) * 2014-06-05 2017-07-06 University Of The West Of England, Bristol Apparatus for and method of inspecting surface topography of a moving object
US20160317003A1 (en) * 2015-04-30 2016-11-03 Panasonic Corporation Endoscope system and light source control method
US20190034720A1 (en) * 2016-03-22 2019-01-31 Guangdong Virtual Reality Technology Co., Ltd. Method and device for searching stripe set
US20190044723A1 (en) * 2017-08-01 2019-02-07 Apple Inc. Biometric authentication techniques
CN109325328A (zh) * 2017-08-01 2019-02-12 苹果公司 生物特征认证技术
US20190098233A1 (en) * 2017-09-28 2019-03-28 Waymo Llc Synchronized Spinning LIDAR and Rolling Shutter Camera System

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SONI, YS: "Biometric User Authentication Using Brain Waves", 2016 INTERNATIONAL CONFERENCE ON INVENTIVE COMPUTATION TECHNOLOGIES (ICICT), 1 March 2017 (2017-03-01), pages 37 - 42 *
谢天夏: "面向目标识别的多策略可见光与红外两波段图像配准与融合", 中国硕士论文数据库 信息科技辑, vol. 2019, no. 02, 15 February 2019 (2019-02-15), pages 138 - 2209 *

Also Published As

Publication number Publication date
US11347961B2 (en) 2022-05-31
US20200311448A1 (en) 2020-10-01
US11182630B2 (en) 2021-11-23
US20200311449A1 (en) 2020-10-01

Similar Documents

Publication Publication Date Title
US11347961B2 (en) Using an illumination sequence pattern for biometric authentication
CN112868028A (zh) 利用虹膜图像的欺骗检测
US10762613B2 (en) Capturing images under coded illumination patterns to reduce effects of ambient lighting conditions
US11328043B2 (en) Spoof detection by comparing images captured using visible-range and infrared (IR) illuminations
US11170242B2 (en) Spoof detection using dual-band fluorescence
US10872402B2 (en) Specular reflection reduction using polarized light sources
US20230359722A1 (en) Spoof Detection Using Illumination Sequence Randomization
US20210209508A1 (en) System and method for disentangling features specific to users, actions and devices recorded in motion sensor data
CN111756951B (zh) 生物特征认证系统、方法及计算机可读存储介质
CN111107252B (zh) 利用子帧照明捕获图像的方法和系统
US11017227B2 (en) Creating an iris identifier to reduce search space of a biometric system
US12020512B2 (en) Spoof detection using eye boundary analysis
US12014577B2 (en) Spoof detection using catadioptric spatiotemporal corneal reflection dynamics

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201012

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20201012

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221109

Address after: California, USA

Applicant after: JUMIO Inc.

Address before: Ky1-9008 Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands, ky1-9008

Applicant before: Innovative advanced technology Co.,Ltd.