CN111832533B - 认证方法、装置、系统、电子设备和可读存储介质 - Google Patents
认证方法、装置、系统、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN111832533B CN111832533B CN202010727476.0A CN202010727476A CN111832533B CN 111832533 B CN111832533 B CN 111832533B CN 202010727476 A CN202010727476 A CN 202010727476A CN 111832533 B CN111832533 B CN 111832533B
- Authority
- CN
- China
- Prior art keywords
- data
- feature
- similarity
- points
- registered
- 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
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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本公开提供了一种认证方法,包括:获得当前用户的M种生物特征数据,其中,M为大于1的整数;根据当前用户的账户信息,从生物识别数据库中确定与当前用户关联的M种注册生物特征数据,其中,生物识别数据库中存储有不同用户的账户信息与注册生物特征数据的对应关系;针对M种生物特征数据中的每种生物特征数据,分别计算生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度;以及根据M个相似度对当前用户进行认证。本公开还提供了一种认证装置、一种认证系统、一种电子设备和一种计算机可读存储介质。
Description
技术领域
本公开涉及计算机技术领域,更具体地,涉及一种认证方法、一种认证装置、一种认证系统、一种电子设备和一种计算机可读存储介质。
背景技术
在办理交易类业务时,如何准确鉴定客户的身份,保证客户身份信息和财产安全,同时又能满足客户快捷方便的需求,是金融机构当前面临的一个挑战。
研究和实验表明,人的脸型、指纹、掌静脉、声音、虹膜、DNA等生物特征具有可识别、与生俱来、终身不变等特点,且有不易遗忘、防伪性能好、不易伪造或被盗等优点,基于这些特征,人脸识别、指纹识别、掌纹识别、声纹识别、虹膜识别等生物识别技术,已经研究并取得了一定成果,且开始服务于我们的日常生活。
但在实现本公开的过程中,发明人发现,目前金融交易等其他服务中,仍然采用的是交易卡、数字字母密码、手机验证码等身份识别方法,容易丢失、遗忘、伪造,有极大的安全风险。少数金融机构采用了指纹认证方式,但单一指纹极容易泄露;也有金融机构使用人脸识别辅助身份认证,但单一的生物特征识别方式仍然留有漏洞,并不能保证认证的准确性。并且,当前金融机构服务中,客户去网点或者自助金融机构办理业务,必须持有身份证、银行卡、手机等介质辅助识别客户身份,这类物品可能出现丢失、忘带等情况,这些身外物品的使用极大限制了业务办理的便携性,且身份容易被冒充或取代,存在安全漏洞。
发明内容
有鉴于此,本公开提供了一种认证方法、一种认证装置、一种认证系统、一种电子设备和一种计算机可读存储介质。
本公开的一个方面提供了一种认证方法,包括:获得当前用户的M种生物特征数据,其中,上述M为大于1的整数;根据上述当前用户的账户信息,从生物识别数据库中确定与上述当前用户关联的M种注册生物特征数据,其中,上述生物识别数据库中存储有不同用户的账户信息与注册生物特征数据的对应关系;针对上述M种生物特征数据中的每种生物特征数据,计算上述生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度;以及根据上述M个相似度对上述当前用户进行认证。
根据本公开的实施例,根据上述M个相似度对上述当前用户进行认证包括:确定每个相似度的认证权重;根据上述M个相似度和每个上述相似度的认证权重计算最终相似度;以及根据上述最终相似度对上述当前用户进行认证。
根据本公开的实施例,在上述生物特征包括指纹特征的情况下,计算上述生物特征数据与对应的注册生物特征数据之间的相似度包括:将上述指纹特征数据转化成单像素宽的脊线线条的二值图像数据;提取上述二值图像数据中端点、分叉点、孤立点、环点;将上述端点、分叉点、孤立点、环点与注册指纹特征数据中的特征点进行匹配;计算特征相同的特征点数量;以及计算上述特征相同的特征点数量和总特征点数量的比值,其中,上述比值为上述指纹特征数据与对应的注册指纹特征数据之间的相似度。
根据本公开的实施例,在上述生物特征包括掌静脉特征的情况下,计算上述生物特征数据与对应的注册生物特征数据之间的相似度包括:提取上述掌静脉特征数据的两个特征点;以上述两个特征点的连线所在的直线为一坐标轴,以上述连线的中点为原点建立二维坐标系;提取在上述二位坐标系中的目标象限内的图像数据;计算上述目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
根据本公开的实施例,计算上述目标象限内的图像数据与注册掌静脉特征数据之间的相似度包括:计算上述目标象限内的图像数据的第一像素均值;计算上述注册掌静脉特征数据的第二像素均值;以及根据上述目标象限内的图像数据、上述注册掌静脉特征数据、上述第一像素均值和上述第二像素均值计算上述目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
根据本公开的实施例,上述生物特征包括以下至少两种:指纹特征、掌静脉特征、人脸特征、虹膜特征、声纹特征。
本公开的另一个方面提供了一种认证装置,包括:获得模块,用于获得当前用户的M种生物特征数据,其中,上述M为大于1的整数;确定模块,用于根据上述当前用户的账户信息,从生物识别数据库中确定与上述当前用户关联的M种注册生物特征数据,其中,上述生物识别数据库中存储有不同用户的账户信息与注册生物特征数据的对应关系;计算模块,用于针对上述M种生物特征数据中的每种生物特征数据,计算上述生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度;以及认证模块,用于根据上述M个相似度对上述当前用户进行认证。
根据本公开的实施例,上述认证模块包括:确定单元,用于确定每个相似度的认证权重;第一计算单元,用于根据上述M个相似度和每个上述相似度的认证权重计算最终相似度;以及认证单元,用于根据上述最终相似度对上述当前用户进行认证。
根据本公开的实施例,在上述生物特征包括指纹特征的情况下,上述计算模块包括:转化单元,用于将上述指纹特征数据转化成单像素宽的脊线线条的二值图像数据;第一提取单元,用于提取上述二值图像数据中端点、分叉点、孤立点、环点;匹配单元,用于将上述端点、分叉点、孤立点、环点与注册指纹特征数据中的特征点进行匹配;第二计算单元,用于计算特征相同的特征点数量;以及第三计算单元,用于计算上述特征相同的特征点数量和总特征点数量的比值,其中,上述比值为上述指纹特征数据与对应的注册指纹特征数据之间的相似度。
根据本公开的实施例,在上述生物特征包括掌静脉特征的情况下,上述计算模块包括:第二提取单元,用于提取上述掌静脉特征数据的两个特征点;创建单元,用于以上述两个特征点的连线所在的直线为一坐标轴,以上述连线的中点为原点建立二维坐标系;第三提取单元,用于提取在上述二位坐标系中的目标象限内的图像数据;第四计算单元,用于计算上述目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
根据本公开的实施例,上述第四计算单元用于:计算上述目标象限内的图像数据的第一像素均值;计算上述注册掌静脉特征数据的第二像素均值;以及根据上述目标象限内的图像数据、上述注册掌静脉特征数据、上述第一像素均值和上述第二像素均值计算上述目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
本公开的另一方面提供了一种认证系统,包括:指纹采集设备,用于采集当前用户的指纹特征数据;掌静脉采集设备,用于采集当前用户的掌静脉特征数据;电子设备,包括:一个或多个处理器和存储器,其中,上述存储器用于存储一个或多个指令,当上述一个或多个指令被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如上上述的方法。
本公开的另一方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个指令,其中,当上述一个或多个指令被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,通过获得当前用户的M种生物特征数据,根据当前用户的账户信息,从生物识别数据库中确定与当前用户关联的M种注册生物特征数据;针对M种生物特征数据中的每种生物特征数据,分别计算生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度;以及根据M个相似度对当前用户进行认证。由于利用多种生物特征作为身份认证依据,这些特征不可复制,不易被冒充或取代,和传统身份认证方法和单一的生物特征认证方法相比,可靠性较高,并且,用户不必携带任何身外物品就能完成业务办理。所以至少部分地克服了相关技术中认证安全性较低或者需要携带物品进行认证的技术问题,进而达到了提高交易安全性和提高业务办理的便携性的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的可以应用认证方法及装置的示例性系统架构;
图2示意性示出了根据本公开实施例的认证方法的流程图;
图3示意性示出了根据本公开实施例的认证系统的示意图;
图4示意性示出了根据本公开实施例的信息录入模块的示意图;
图5示意性示出了根据本公开实施例的生物识别计算模块的示意图;
图6示意性示出了根据本公开实施例的生物识别认证的流程图;
图7示意性示出了根据本公开实施例的计算生物特征数据与对应的注册生物特征数据之间的相似度的流程图;
图8示意性示出了根据本公开另一实施例的计算生物特征数据与对应的注册生物特征数据之间的相似度的流程图;
图9示意性示出了根据本公开实施例的认证装置的框图;以及
图10示意性示出了根据本公开实施例的适于实现上文描述的认证方法的计算机系统的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种认证方法及装置,该方法包括:获得当前用户的M种生物特征数据,其中,M为大于1的整数;根据当前用户的账户信息,从生物识别数据库中确定与当前用户关联的M种注册生物特征数据,其中,生物识别数据库中存储有不同用户的账户信息与注册生物特征数据的对应关系;针对上述M种生物特征数据中的每种生物特征数据,分别计算每一种生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度;以及根据M个相似度对当前用户进行认证。
图1示意性示出了根据本公开实施例的可以应用认证方法及装置的示例性系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的认证方法一般可以由服务器105执行。相应地,本公开实施例所提供的认证装置一般可以设置于服务器105中。本公开实施例所提供的认证方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的认证装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者,本公开实施例所提供的认证方法也可以由终端设备101、102、或103执行,或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地,本公开实施例所提供的认证方法也可以设置于终端设备101、102、或103中,或设置于不同于终端设备101、102、或103的其他终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的认证方法的流程图。
如图2所示,该方法包括操作S201~S204。
在操作S201,获得当前用户的M种生物特征数据,其中,M为大于1的整数。
根据本公开的实施例,生物特征可以包括以下至少两种:指纹特征、掌静脉特征、人脸特征、虹膜特征、声纹特征。
根据本公开的实施例,以M等于2为例,可以获得当前用户的2种生物特征数据,例如,获得当前用户的指纹特征数据和掌静脉特征数据。或者,获得当前用户的指纹特征数据和人脸特征数据。以M等于3为例,可以获得当前用户的3种生物特征数据,例如,获得当前用户的指纹特征数据、掌静脉特征数据和虹膜特征数据。或者,获得当前用户的掌静脉特征数据、人脸特征数据和声纹特征数据。
根据本公开的实施例,可以组建集成了多种生物特征采集功能为一体的信息录入模块,例如,可以集成摄像单元、指纹采集器、掌静脉采集器、虹膜扫描仪、语音采集器中的至少两种。通过信息录入模块可以预先采集用户的人脸图像、指纹信息、掌静脉图像、虹膜信息、声纹信息等,将用户的生物特征数据存储在生物识别数据库中,作为该用户的注册生物特征数据,用于标识客户,可以与用户账户关联,让用户在不带身份证、银行卡的情况下实现身份认证,解决了传统身份认证方法的不可靠性,提升了交易办理的便携性,方便客户。
在操作S202,根据当前用户的账户信息,从生物识别数据库中确定与当前用户关联的M种注册生物特征数据,其中,生物识别数据库中存储有不同用户的账户信息与注册生物特征数据的对应关系。
在操作S203,针对上述M种生物特征数据中的每种生物特征数据,分别计算生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度。
根据本公开的实施例,以M种生物特征数据包括指纹特征数据、掌静脉特征数据和虹膜特征数据为例,可以计算采集得到的指纹特征数据与注册指纹特征数据之间的相似度,计算采集得到的掌静脉特征数据与注册掌静脉特征数据之间的相似度,计算采集得到的虹膜特征数据与注册虹膜特征数据之间的相似度,得到3个相似度。
在操作S204,根据M个相似度对当前用户进行认证。
根据本公开的实施例,可以为每个相似度设置相应的权重系数,根据相似度和对应的权重系数对当前用户进行认证。
图3示意性示出了根据本公开实施例的认证系统的示意图。
如图3所示,认证系统300包括信息录入模块301、生物识别数据库302、生物识别计算模块303、识别结果输出模块304。
信息录入模块301用于采集生物特征数据和输入客户基础信息;
生物识别数据库302用于存储用户开户时通过信息录入模块301采集到的能够唯一标识客户身份信息的生物数据。
生物识别计算模块303接收从信息录入模301录入的数据和生物识别数据库302存储的数据,使用生物识别计算模型和算法,完成生物识别。
识别结果输出模块304,接收生物识别模块303计算的识别结果并输出,认证系统根据此结果判断是否可以做下一步业务办理。
图4示意性示出了根据本公开实施例的信息录入模块的示意图。
如图4所示,信息录入模块301可以包括人像采集设备401、指纹采集设备402、掌静脉采集设备403、虹膜采集设备404、声纹采集设备405、计算机输入设备406。
人像采集设备401可以采用3D摄像头,集红外摄像、RGB摄像、特征点提取、3D人脸建模于一体,完成人像数据的采集。
指纹采集设备402可以采用光学指纹采集装置,包括指纹采集膜和多图像传感器模组。
掌静脉采集设备403可以采用掌静脉识别装置,包括绝缘体及由绝缘体封装的光组件、图像采集组件以及控制电路。
虹膜采集设备404可以包括红外发射器、虹膜识别摄像头和红外感应模块。
声纹采集设备405可以采用麦克风接收音频信息,从接收到的音频信息中提取声纹特征。
计算机输入设备406用于输入账号、身份证号等信息的PC键盘。
图5示意性示出了根据本公开实施例的生物识别计算模块的示意图。
如图5所示,生物识别计算模块303可以包括人脸识别模块501、指纹识别模块502、掌静脉识别模块503、虹膜识别模块504和声纹识别模块505。
人脸识别模块501基于人的脸部特征信息提取特征值完成相似度计算,给出识别结果。
指纹识别模块502基于人类手指末端纹路提取特征值完成相似度计算,给出识别结果。
掌静脉识别模块503基于个人手掌静脉分布提取特征值完成相似度计算,给出识别结果。
虹膜识别模块504基于眼睛中的虹膜提取特征值完成相似度计算,给出识别结果。
声纹识别模块505基于声音信息把声信号转换成电信号,区别声音是否是同一人的声音,给出识别结果。
图6示意性示出了根据本公开实施例的生物识别认证的流程图。
如图6所示,人像采集设备401采集人像数据,通过计算机输入设备406输入客户身份证号码,利用身份证号码通过联网核查系统请求客户人像信息,将两份人像数据进行灰度校正、噪声过滤、直方图均衡化、归一化、滤波以及锐化预处理,提取特征数据,计算相似度并输出计算结果PSim。
指纹采集设备402采集指纹图像,对对图像进行预处理,处理好后进行特征提取,与数据库302中保存的指纹特征相比较,判断是否属于同一指纹,计算相似性程度FSim。
掌静脉采集设备403采集静脉图像,对图像进行预处理,提取特征,与数据库302中保存的手掌静脉特征进行匹配,计算相似度并输出计算结果VSim。
虹膜采集设备404采集人的眼部图像,通过虹膜定位、虹膜图像归一化、图像增强等预处理使其满足提取虹膜特征的需求,然后提取出虹膜识别所需的特征点,并对其进行编码,与数据库302中保存的虹膜特征进行匹配,计算相似度并输出计算结果ISim。
声纹采集设备405采集人的声音信息,转换为声波频谱,提取声学特征,与数据库302中保存的声纹特征进行匹配,计算相似度并输出计算结果VpSim。
根据本公开的实施例,例如,可以使用录音设备采集语音,使用一阶高通滤波器对语音信号进行预加重,然后进行加窗分帧操作,保持语音信号的高频成分;然后进行端点检测,区分语音数据中的语音和非语音部分;提取语音部分的梅尔频率倒谱系数(MFCC)特征参数;使用高斯混合模型(GMM)进行模式匹配。
根据上述步骤结果,利用以下公式(一)计算最终相似度,结果大于阈值,则说明身份匹配成功,可做下一步交易。
根据本公开的实施例,可以为每种生物特征预先设置认证权重。根据预先设置的认证权重,确定每种生物特征的相似度的认证权重,根据每个相似度和每个相似度的认证权重计算最终相似度,例如,将每个相似度和每个相似度的认证权重相乘,然后将所有乘积求和,将求和得到的结果作为最终相似度。根据最终相似度对当前用户进行认证。
根据本公开的实施例,可以预先设置认证阈值,用于对当前用户进行认证。根据最终相似度对当前用户进行认证可以是将最终相似度与认证阈值进行比较,如果最终相似度大于或等于认证阈值,则可以认为当前用户认证通过,如果最终相似度小于认证阈值,则可以认为当前用户认证不通过。
根据本公开的实施例,通过获得当前用户的M种生物特征数据,根据当前用户的账户信息,从生物识别数据库中确定与当前用户关联的M种注册生物特征数据;针对多种生物特征数据中的每种生物特征数据,分别计算生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度;以及根据M个相似度对当前用户进行认证,由于利用多种生物特征作为身份认证依据,这些特征不可复制,不易被冒充或取代,和传统身份认证方法和单一的生物特征认证方法相比,可靠性较高,并且,用户不必携带任何身外物品就能完成业务办理。所以至少部分地克服了相关技术中认证安全性较低或者需要携带物品进行认证的技术问题,进而达到了提高交易安全性和提高业务办理的便携性的技术效果。
下面参考图7~图9,结合具体实施例对图2所示的方法做进一步说明。
图7示意性示出了根据本公开实施例的计算生物特征数据与对应的注册生物特征数据之间的相似度的流程图。
在生物特征包括指纹特征的情况下,如图7所示,计算生物特征数据与对应的注册生物特征数据之间的相似度包括操作S701~S705。
在操作S701,将指纹特征数据转化成单像素宽的脊线线条的二值图像数据。
根据本公开的实施例,指纹的脊线线条可以是单像素宽的宽度,不仅可以满足识别要求,而且可以适当的减少数据处理量,对处理器的要求低。
在操作S702,提取二值图像数据中端点、分叉点、孤立点、环点。
在操作S703,将端点、分叉点、孤立点、环点与注册指纹特征数据中的特征点进行匹配。
根据本公开的实施例,新采集的指纹特征数据中的端点、分叉点、孤立点、环点与注册指纹特征数据中的端点、分叉点、孤立点、环点重合时,即特征相同,可以认为特征点是匹配的。
在操作S704,计算特征相同的特征点数量。
在操作S705,计算特征相同的特征点数量和总特征点数量的比值,其中,比值为指纹特征数据与对应的注册指纹特征数据之间的相似度。
图8示意性示出了根据本公开另一实施例的计算生物特征数据与对应的注册生物特征数据之间的相似度的流程图。
在生物特征包括掌静脉特征的情况下,如图8所示,计算生物特征数据与对应的注册生物特征数据之间的相似度包括操作S801~S804。
在操作S801,提取掌静脉特征数据的两个特征点。
根据本公开的实施例,掌静脉采集设备可以内置距离感应模块,在采集掌静脉特征数据时,感应到手掌时可以驱动采集设备进入工作模式,利用红外摄像机拍摄光照下的手掌,用图像传感器接收手掌反射回的光线,根据光线强弱计算静脉分布图案,形成掌静脉图像。通过裁剪掉原始掌静脉图像中的手腕区域,进行高斯平滑滤波去除噪声,分割出手掌图像,通过轮廓提取进行关键特征点定位。特征点可以是手指上的指跟位置。例如,可以是小拇指和中指的指跟位置。
在操作S802,以两个特征点的连线所在的直线为一坐标轴,以连线的中点为原点建立二维坐标系。
根据本公开的实施例,例如,以直线连接两个特征点,该直线为x轴,连续中点为原点,垂直平分线为y轴建立坐标系,将图像旋转至该坐标系下。
在操作S803,提取在二位坐标系中的目标象限内的图像数据。
根据本公开的实施例,例如,在坐标系中x轴下方、y轴两侧提取出图像的ROI(Region of Interest)区域,即目标象限为第三象限和第四象限。
在操作S804,计算目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
根据本公开的实施例,计算目标象限内的图像数据与注册掌静脉特征数据之间的相似度包括:计算目标象限内的图像数据的第一像素均值;计算注册掌静脉特征数据的第二像素均值;以及根据目标象限内的图像数据、注册掌静脉特征数据、第一像素均值和第二像素均值计算目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
根据本公开的实施例,可以将目标象限内的图像数据中的像素值大于或等于第一像素均值的元素置为1,将目标象限内的图像数据中的像素值小于第一像素均值的元素置为0,然后使用哈希算法计算被处理后的目标象限内的图像数据的第一哈希值。
根据本公开的实施例,同样地,也可以将注册掌静脉特征数据中的像素值大于或等于第二像素均值的元素置为1,将目标象限内的图像数据中的像素值小于第二像素均值的元素置为0,然后使用哈希算法计算被处理后的注册掌静脉特征数据的第二哈希值。根据第一哈希值和第二哈希值计算汉明距离K。
根据本公开的实施例,例如,以目标象限内的图像数据称为图像数据A,注册掌静脉特征数据称为图像数据B为例.其中,图像数据A和图像数据B的像素大小为M×N。为图像数据A的像素均值,/>为图像数据B的像素均值。按照如下公式(二)计算目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
图9示意性示出了根据本公开实施例的认证装置900的框图。
如图9所示,认证装置900包括:获得模块901、确定模块902、计算模块903和认证模块904。
获得模块901用于获得当前用户的M种生物特征数据,其中,所述M为大于1的整数。
确定模块902用于根据所述当前用户的账户信息,从生物识别数据库中确定与所述当前用户关联的M种注册生物特征数据,其中,所述生物识别数据库中存储有不同用户的账户信息与注册生物特征数据的对应关系。
计算模块903用于针对所述M种生物特征数据中的每种生物特征数据,计算所述生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度。
认证模块904用于根据所述M个相似度对所述当前用户进行认证。
根据本公开的实施例,通过获得当前用户的M种生物特征数据,根据当前用户的账户信息,从生物识别数据库中确定与当前用户关联的M种注册生物特征数据;针对M种生物特征数据中的每种生物特征数据,分别计算生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度;以及根据M个相似度对当前用户进行认证。由于利用多种生物特征作为身份认证依据,这些特征不可复制,不易被冒充或取代,和传统身份认证方法和单一的生物特征认证方法相比,可靠性较高,并且,用户不必携带任何身外物品就能完成业务办理。所以至少部分地克服了相关技术中认证安全性较低或者需要携带物品进行认证的技术问题,进而达到了提高交易安全性和提高业务办理的便携性的技术效果。
根据本公开的实施例,认证模块904包括:确定单元、第一计算单元和认证单元。
确定单元用于确定每个相似度的认证权重。
第一计算单元用于根据所述M个相似度和每个所述相似度的认证权重计算最终相似度。
认证单元用于根据所述最终相似度对所述当前用户进行认证。
根据本公开的实施例,在所述生物特征包括指纹特征的情况下,所述计算模块903包括:转化单元、第一提取单元、匹配单元、第二计算单元和第三计算单元。
转化单元用于将所述指纹特征数据转化成单像素宽的脊线线条的二值图像数据。
第一提取单元用于提取所述二值图像数据中端点、分叉点、孤立点、环点。
匹配单元用于将所述端点、分叉点、孤立点、环点与注册指纹特征数据中的特征点进行匹配。
第二计算单元用于计算特征相同的特征点数量。
第三计算单元用于计算所述特征相同的特征点数量和总特征点数量的比值,其中,所述比值为所述指纹特征数据与对应的注册指纹特征数据之间的相似度。
根据本公开的实施例,在所述生物特征包括掌静脉特征的情况下,所述计算模块903包括:第二提取单元、创建单元、第三提取单元和第四计算单元。
第二提取单元用于提取所述掌静脉特征数据的两个特征点。
创建单元用于以所述两个特征点的连线所在的直线为一坐标轴,以所述连线的中点为原点建立二维坐标系。
第三提取单元用于提取在所述二位坐标系中的目标象限内的图像数据。
第四计算单元用于计算所述目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
根据本公开的实施例,所述第四计算单元用于:计算所述目标象限内的图像数据的第一像素均值;计算所述注册掌静脉特征数据的第二像素均值;以及根据所述目标象限内的图像数据、所述注册掌静脉特征数据、所述第一像素均值和所述第二像素均值计算所述目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获得模块901、确定模块902、计算模块903和认证模块904中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,获得模块901、确定模块902、计算模块903和认证模块904中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获得模块901、确定模块902、计算模块903和认证模块904中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本公开的实施例中认证装置部分与本公开的实施例中认证方法部分是相对应的,认证装置部分的描述具体参考认证方法部分,在此不再赘述。
根据本公开的实施例,还提供了另一种认证系统,包括:指纹采集设备、掌静脉采集设备和电子设备。
指纹采集设备用于采集当前用户的指纹特征数据。
掌静脉采集设备用于采集当前用户的掌静脉特征数据。
电子设备包括:一个或多个处理器和存储器,其中,所述存储器用于存储一个或多个指令,当所述一个或多个指令被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的认证方法。
本公开的另一方面提供了电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个指令,其中,当所述一个或多个指令被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
图10示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的框图。图10示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示,根据本公开实施例的计算机系统1000包括处理器1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中,存储有系统1000操作所需的各种程序和数据。处理器1001、ROM1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM 1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,系统1000还可以包括输入/输出(I/O)接口1005,输入/输出(I/O)接口1005也连接至总线1004。系统1000还可以包括连接至I/O接口1005的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开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上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,上述模块、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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (11)
1.一种认证方法,包括:
获得当前用户的M种生物特征数据,其中,所述M为大于1的整数;
根据所述当前用户的账户信息,从生物识别数据库中确定与所述当前用户关联的M种注册生物特征数据,其中,所述生物识别数据库中存储有不同用户的账户信息与注册生物特征数据的对应关系;
针对所述M种生物特征数据中的每种生物特征数据,计算所述生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度;根据所述M个相似度对所述当前用户进行认证;
在所述生物特征包括掌静脉特征的情况下,计算所述生物特征数据与对应的注册生物特征数据之间的相似度包括:
提取掌静脉特征数据的两个特征点;
以所述两个特征点的连线所在的直线为一坐标轴,以所述连线的中点为原点建立二维坐标系;
提取在所述二维坐标系中的目标象限内的图像数据;以及
计算所述目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
2.根据权利要求1所述的方法,其中,根据所述M个相似度对所述当前用户进行认证包括:
确定每个相似度的认证权重;
根据所述M个相似度和每个所述相似度的认证权重计算最终相似度;以及
根据所述最终相似度对所述当前用户进行认证。
3.根据权利要求1所述的方法,其中,在所述生物特征包括指纹特征的情况下,计算所述生物特征数据与对应的注册生物特征数据之间的相似度包括:
将指纹特征数据转化成单像素宽的脊线线条的二值图像数据;
提取所述二值图像数据中端点、分叉点、孤立点、环点;
将所述端点、分叉点、孤立点、环点与注册指纹特征数据中的特征点进行匹配;
计算特征相同的特征点数量;以及
计算所述特征相同的特征点数量和总特征点数量的比值,其中,所述比值为所述指纹特征数据与对应的注册指纹特征数据之间的相似度。
4.根据权利要求1所述的方法,其中,计算所述目标象限内的图像数据与注册掌静脉特征数据之间的相似度包括:
计算所述目标象限内的图像数据的第一像素均值;
计算所述注册掌静脉特征数据的第二像素均值;以及
根据所述目标象限内的图像数据、所述注册掌静脉特征数据、所述第一像素均值和所述第二像素均值计算所述目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
5.根据权利要求1所述的方法,其中,所述生物特征包括以下至少两种:指纹特征、掌静脉特征、人脸特征、虹膜特征、声纹特征。
6.一种认证装置,包括:
获得模块,用于获得当前用户的M种生物特征数据,其中,所述M为大于1的整数;
确定模块,用于根据所述当前用户的账户信息,从生物识别数据库中确定与所述当前用户关联的M种注册生物特征数据,其中,所述生物识别数据库中存储有不同用户的账户信息与注册生物特征数据的对应关系;
计算模块,用于针对所述M种生物特征数据中的每种生物特征数据,计算所述生物特征数据与对应的注册生物特征数据之间的相似度,得到M个相似度;认证模块,用于根据所述M个相似度对所述当前用户进行认证;
其中,在所述生物特征包括掌静脉特征的情况下,所述计算模块包括:
第二提取单元,用于提取掌静脉特征数据的两个特征点;
创建单元,用于以所述两个特征点的连线所在的直线为一坐标轴,以所述连线的中点为原点建立二维坐标系;
第三提取单元,用于提取在所述二维坐标系中的目标象限内的图像数据;以及
第四计算单元,用于计算所述目标象限内的图像数据与注册掌静脉特征数据之间的相似度。
7.根据权利要求6所述的装置,其中,所述认证模块包括:
确定单元,用于确定每个相似度的认证权重;
第一计算单元,用于根据所述M个相似度和每个所述相似度的认证权重计算最终相似度;以及
认证单元,用于根据所述最终相似度对所述当前用户进行认证。
8.根据权利要求6所述的装置,其中,在所述生物特征包括指纹特征的情况下,所述计算模块包括:
转化单元,用于将指纹特征数据转化成单像素宽的脊线线条的二值图像数据;
第一提取单元,用于提取所述二值图像数据中端点、分叉点、孤立点、环点;
匹配单元,用于将所述端点、分叉点、孤立点、环点与注册指纹特征数据中的特征点进行匹配;
第二计算单元,用于计算特征相同的特征点数量;以及
第三计算单元,用于计算所述特征相同的特征点数量和总特征点数量的比值,其中,所述比值为所述指纹特征数据与对应的注册指纹特征数据之间的相似度。
9.一种认证系统,包括:
指纹采集设备,用于采集当前用户的指纹特征数据;
掌静脉采集设备,用于采集当前用户的掌静脉特征数据;
电子设备,包括:一个或多个处理器和存储器,其中,所述存储器用于存储一个或多个指令,当所述一个或多个指令被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至5中任一项所述的方法。
10.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个指令,
其中,当所述一个或多个指令被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至5中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010727476.0A CN111832533B (zh) | 2020-07-24 | 2020-07-24 | 认证方法、装置、系统、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010727476.0A CN111832533B (zh) | 2020-07-24 | 2020-07-24 | 认证方法、装置、系统、电子设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111832533A CN111832533A (zh) | 2020-10-27 |
CN111832533B true CN111832533B (zh) | 2023-09-05 |
Family
ID=72925725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010727476.0A Active CN111832533B (zh) | 2020-07-24 | 2020-07-24 | 认证方法、装置、系统、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111832533B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106888207A (zh) * | 2017-02-21 | 2017-06-23 | 中国联合网络通信集团有限公司 | 认证方法、系统和sim卡 |
CN110266738A (zh) * | 2019-07-31 | 2019-09-20 | 中国工商银行股份有限公司 | 基于多生物特征的识别认证方法及装置 |
CN110443128A (zh) * | 2019-06-28 | 2019-11-12 | 广州中国科学院先进技术研究所 | 一种基于surf特征点精确匹配的指静脉识别方法 |
-
2020
- 2020-07-24 CN CN202010727476.0A patent/CN111832533B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106888207A (zh) * | 2017-02-21 | 2017-06-23 | 中国联合网络通信集团有限公司 | 认证方法、系统和sim卡 |
CN110443128A (zh) * | 2019-06-28 | 2019-11-12 | 广州中国科学院先进技术研究所 | 一种基于surf特征点精确匹配的指静脉识别方法 |
CN110266738A (zh) * | 2019-07-31 | 2019-09-20 | 中国工商银行股份有限公司 | 基于多生物特征的识别认证方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111832533A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Das et al. | Recent advances in biometric technology for mobile devices | |
KR101629224B1 (ko) | 생체 특징에 기반한 인증 방법, 장치 및 시스템 | |
EP2528018B1 (en) | Biometric authentication device and biometric authentication method | |
Hemalatha | A systematic review on Fingerprint based Biometric Authentication System | |
US20120057011A1 (en) | Finger vein recognition system and method | |
US10922399B2 (en) | Authentication verification using soft biometric traits | |
CN110287918B (zh) | 活体识别方法及相关产品 | |
Amin et al. | Biometric and traditional mobile authentication techniques: Overviews and open issues | |
US10552596B2 (en) | Biometric authentication | |
TW201937392A (zh) | 與配備有相機之裝置連接之用於生物特徵量測鑑認之系統及方法 | |
CN107886330A (zh) | 结算方法、装置及系统 | |
KR20190122206A (ko) | 신분 인증 방법 및 장치, 전자 기기, 컴퓨터 프로그램 및 저장 매체 | |
US20210034895A1 (en) | Matcher based anti-spoof system | |
CN106250890B (zh) | 一种指纹识别方法及装置 | |
Beton et al. | Biometric secret path for mobile user authentication: A preliminary study | |
Choi et al. | A multimodal user authentication system using faces and gestures | |
CN111832533B (zh) | 认证方法、装置、系统、电子设备和可读存储介质 | |
Philip et al. | Implementing signature recognition system as SaaS on microsoft azure cloud | |
Bartuzi et al. | Multispectral hand features for secure biometric authentication systems | |
Aizi et al. | Remote multimodal biometric identification based on the fusion of the iris and the fingerprint | |
JP7305183B2 (ja) | ペン入力個人認証方法、ペン入力個人認証方法をコンピュータに実行させるためのプログラム、及びコンピュータ読み取り可能な記憶媒体 | |
Hemanth et al. | AReview onVascular Biometrics for Finger VeinAuthentication System | |
Javidnia et al. | Palm-print recognition for authentication on smartphones | |
Wu et al. | Multibiometric fusion authentication in wireless multimedia environment using dynamic Bayesian method | |
Szczepanik et al. | Security lock system for mobile devices based on fingerprint recognition algorithm |
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 |