CN112836194A - 一种基于人手内部生物特征的身份认证方法及系统 - Google Patents
一种基于人手内部生物特征的身份认证方法及系统 Download PDFInfo
- Publication number
- CN112836194A CN112836194A CN202110134310.2A CN202110134310A CN112836194A CN 112836194 A CN112836194 A CN 112836194A CN 202110134310 A CN202110134310 A CN 202110134310A CN 112836194 A CN112836194 A CN 112836194A
- Authority
- CN
- China
- Prior art keywords
- human hand
- biological characteristics
- identity
- internal biological
- identity authentication
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
- G06K7/10316—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves using at least one antenna particularly designed for interrogating the wireless record carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06V40/107—Static hand or arm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; 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
- G06V40/107—Static hand or arm
- G06V40/117—Biometrics derived from hands
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于人手内部生物特征的身份认证方法及系统,所述方法包括:步骤1,利用射频信号采集人手内部生物特征,获取包含人手内部生物特征的射频信号;步骤2,基于步骤1获得的射频信号,构建获得能够输入神经网络的维度规则的特征块;步骤3,将步骤2获得的特征块输入3D身份分类器中进行身份认证;其中,所述3D身份分类器通过预采集的预设数量的人手内部生物特征信息训练获得。本发明的基于人手内部生物特征的身份认证方法或系统,利用用户友好的方式提取体内生物特征,无需用户接触,用户体验较好且安全性能较高。
Description
技术领域
本发明属于无线感知技术领域,涉及身份认证领域,特别涉及一种基于人手内部生物特征的身份认证方法及系统。
背景技术
基于生物特征的身份认证技术在人们的日常生活中扮演着十分重要的角色,他们主要被应用于出入控制、隐私保护、财产保护等与安全息息相关的场景中;例如,智能手机的解锁与实验室的出入控制等。
目前,现有的基于生物特征的身份认证技术可根据生物特征的采集部位分为基于体表生物特征的技术和基于体内生物特征的技术;然而,现有的这两种基于生物特征的身份认证技术都有各自的缺陷,具体包括:
(1)基于体表生物特征的身份认证技术已经被广泛部署于日常生活中,常见的有指纹、面部特征以及声纹特征;这些特征易于采集且识别可区分性高,但是容易采集也导致他们容易被窃取和伪造。例如,攻击者可以用粘土伪造受害者的指纹特征以欺骗身份识别系统;在基于面部特征的身份识别系统中,一张照片就能让攻击者成功侵入;语音可以被重放来实现欺骗攻击;
(2)基于体内生物特征的身份认证技术比基于体表的相对安全,因为它们的特征是从人体内部组织或器官中采集的;例如,脑电波特征和心电图特征。但是由于体内特征难以获取,导致合法用户在认证时也有了不好的用户体验;同时,体内的生物特征也不太稳定,比如脑电波特征采集需要佩戴专门的设备,基于心电图的特征容易受到心情等因素的影响。
综上,亟需一种新的基于人手内部生物特征的身份认证方法及系统。
发明内容
本发明的目的在于提供一种基于人手内部生物特征的身份认证方法及系统,以解决上述存在的一个或多个技术问题。本发明的基于人手内部生物特征的身份认证方法或系统,利用用户友好的方式提取体内生物特征,无需用户接触,用户体验较好且安全性能较高。
为达到上述目的,本发明采用以下技术方案:
本发明的一种基于人手内部生物特征的身份认证方法,包括以下步骤:
步骤1,利用射频信号采集人手内部生物特征,获取包含人手内部生物特征的射频信号;
步骤2,基于步骤1获得的射频信号,构建获得能够输入神经网络的维度规则的特征块;
步骤3,将步骤2获得的特征块输入3D身份分类器中进行身份认证;其中,所述3D身份分类器通过预采集的预设数量的人手内部生物特征信息训练获得。
本发明的进一步改进在于,步骤1具体包括:基于射频识别中的被动式标签构建标签阵列;将阅读器的天线与所述标签阵列平行放置;其中,当人手置于标签阵列和阅读器的天线之间时,射频信号从阅读器的天线发射,穿透人手,将人手内部生物特征带出后到达标签阵列。
本发明的进一步改进在于,步骤2具体包括:步骤2.1,探测获取人手放到标签阵列和阅读器的天线之间的起始时间点;在起始时间点后对标签阵列中每个标签截取预设数量个时间点,构成预设维度的特征块;所述特征块包括信号强度值和相位值,所述预设数量个时间点,标签阵列的尺寸;步骤2.2,对步骤2.1获得的特征块中的相位值进行矫正,获得矫正后的特征块;步骤2.3,将步骤2.2获得的矫正后的特征块进行降噪处理,获得最终用于识别认证的特征块。
本发明的进一步改进在于,步骤2.1中,所述探测获取人手放到标签阵列和阅读器的天线之间的起始时间点的具体步骤包括:
通过监测中心标签的信号强度值来获取起始时间点;其中,信号强度下降幅度超过预设值,认为发起认证请求。
本发明的进一步改进在于,步骤2.2中,所述相位值进行矫正的具体步骤包括:
探测特征块中的相位值是大部分大于圆周率还是小于圆周率;利用多数派中的相位值的均值去替代少数派中的相位值以完成矫正。
本发明的进一步改进在于,步骤2.3中,所述降噪处理的具体步骤包括:将特征块中的信号强度值和相位值分别按行相减。
本发明的进一步改进在于,步骤3具体包括:
步骤3.1,将特征块输入3D身份分类器,得到所述特征块属于每个预采集的预设数量的人手内部生物特征信息的概率,获得最大概率值;
步骤3.2,将最大概率值与预设定的接受阈值进行比较;其中,如果最大概率值大于接受阈值,则所述特征块属于最大概率值对应的用户且认证成功;否则,就认为所述特征块是非法用户提供的并拒绝认证请求。
本发明的进一步改进在于,步骤3中,所述3D身份分类器为一个双分支的卷积神经网络,其两个卷积分支分别对信号强度子块和信号强度子块进行特征提取;两个分支的输出的概率值被分别乘以0.8和0.2再进行相加;信号强度卷积分支的权重是0.8,相位分支的是0.2;每个卷积层使用的卷积核都是三维卷积。
本发明的进一步改进在于,所述3D身份分类器的训练通过计算交叉熵损失并反向传播更新梯度来完成。
本发明的一种基于人手内部生物特征的身份认证系统,包括:
射频信号获取模块,利用射频信号采集人手内部生物特征,获取包含人手内部生物特征的射频信号;
特征块获取模块,基于射频信号获取模块获得的射频信号,构建获得能够输入神经网络的维度规则的特征块;
认证模块,将特征块获取模块获得的特征块输入3D身份分类器中进行身份认证;其中,所述3D身份分类器通过预采集的预设数量的人手内部生物特征信息训练获得。
与现有技术相比,本发明具有以下有益效果:
本发明的基于人手内部生物特征的身份认证方法是使用被动式射频识别技术的基于人手内部生物特征的身份认证方法;其利用非接触式方法收集人的生物特征,利用低开销的射频识别标签构成特征采集系统;使用射频信号来从人手的内部带出成分特征。本发明利用简单的采集方式捕获稳定的体内生物特征,将射频识别系统中的标签构建为阵列以采集生物特征,用非接触式的且用户友好的方式实现人体内特征的采集,用户体验较好且安全性能较高。
本发明中,通过正常的相位值的均值替代异常相位值以完成相位矫正,利用双分支的卷积神经网络分别从信号强度和相位值中提取深层生物特征;通过逐行相减的方式抑制环境噪声的影响;通过接受阈值与概率值比较的方式抵御非法用户的入侵。本发明采用双分支的卷积神经网络提取深层手部特征,比传统的统计量特征更加细粒度且可区分性更高。本发明通过设定接受阈值的方式抵御非法用户的欺骗,比传统的基于射频信号的身份识别方式更加安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面对实施例或现有技术描述中所需要使用的附图做简单的介绍;显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来说,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是本发明实施例的一种基于人手内部生物特征的身份认证方法的流程示意框图;
图2是本发明实施例中,标签阵列中标签布局示意图;
图3是本发明实施例的一种基于人手内部生物特征的身份认证系统的示意图;
图4是本发明实施例中,3D身份分类器的结构示意图;
图5是本发明实施例中,训练集的采集方式示意图。
具体实施方式
为使本发明实施例的目的、技术效果及技术方案更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述;显然,所描述的实施例是本发明一部分实施例。基于本发明公开的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例,都应属于本发明保护的范围。
为了解决现有身份认证技术的缺陷,本发明旨在利用简单的采集方式捕获稳定的体内生物特征;随着无线感知技术的发展,射频信号被广泛应用于细粒度的特征采集,例如人的行为特征捕获和毫米级振动探测。本发明将射频识别系统中的标签构建为阵列以采集生物特征,提出了一种基于人手内部生物特征的身份认证方法,其利用用户友好的方式提取体内生物特征,无需用户接触的。
请参阅图1,本发明实施例的一种基于人手内部生物特征的身份认证方法,包括以下步骤:
1)构建特征采集系统,包括:本发明实施例使用射频识别技术中的被动式标签构建一个标签阵列;具体地,可以用49个标签构建一个7*7的正方形阵列,这样可以覆盖大部分正常的人手尺寸。为了利用射频信号采集内部生物特征,将阅读器的天线与标签阵列平行放置,这样信号可以从阅读器的天线发射出来再穿透人手,把人手内部特征带出来后到达标签阵列。
2)对收集到的原始信号进行预处理并构建可以输入神经网络的维度规则的特征块,具体包括:
2.1)为了获取包含人手特征的射频信号,需要先探测到人手被放到了标签阵列和阅读器的天线之间的时间点。在该系统中可以通过监测中心标签的信号强度值来实现认证开始检测,因为人手的遮挡会使得中心标签的信号强度急剧下降。一旦检测到下降幅度超过5dbm。就认为用户发起了认证请求。然后在起始时间点后对标签阵列中每个标签截取5个时间点,构成维度为(2,5,7,7)的特征块,其中2指的是信号强度值和相位值,5为5个时间点,(7,7)是标签阵列的尺寸。
2.2)相位矫正。对特征块中的相位值进行矫正。矫正方法是首先探测特征块中的相位值是大部分大于圆周率还是小于圆周率。然后利用多数派中的相位值的均值去替代少数派中的相位值以完成矫正。
2.3)特征块降噪。为了抑制环境噪声的影响,将特征块中的信号强度值和相位值按行相减可以得到降噪后的维度为(2,5,6,7)的特征块。
3)身份识别:将降噪后的特征块输入到3D身份分类器中进行身份识别。
3.1)将特征块输入到3D身份分类器中得到特征块属于每个用户的概率值。
3.2)将最大的概率值与一个接受阈值0.8进行比较,如果最大概率值大于接受阈值,就接受此次认证并认为特征块属于最大概率值对应的用户。否则,就判定该特征块属于一个非法用户,应该将认证请求拒绝。
本发明实施例中,所述的步骤1)中采用的构建标签阵列的被动式标签是相互垂直摆放的,这样可以减轻标签之间耦合效应的影响。因为耦合效应会使得一些标签的信号强度很低以致于不可读取。
本发明实施例中,所述的步骤2.1)中探测到的开始时间点是中心标签的信号强度值下降5dbm后的时间点。每个标签会在该时间点后挑选连续的5个时间点。因为每个时间点对应一个信号强度值和一个相位值,所以分割后的数据会是一个维度为(5,7,7)信号强度子块和一个维度同样为(5,7,7)的相位子块。
本发明实施例中,所述的步骤2.2)中的相位矫正算法背后的原因是,在连续的10个相位值中,多数派的相位个数和少数派的相位个数比大概是4:1。少数派的相位是由于硬件不完美性和手的自然抖动引起的,属于异常值。所以使用多数派(即正常值)的均值替代少数派中的相位值。
本发明实施例中,所述的步骤2.3)中对特征块中的信号强度和相位值进行相减是通过后一行减去前一行完成的。因为原始特征块的维度是(2,5,7,7),其中第一个7是行数,第二个7是列数。所以按行相减后得到的特征块的维度为(2,5,6,7)。
本发明实施例中,所述的步骤3)中的3D身份分类器是一个双分支的卷积神经网络,其具有两个卷积分支,分别对信号强度子块和信号强度子块进行特征提取。两个分支的输出的概率值被分别乘以0.8和0.2再进行相加。因为信号强度值比相位稳定,所以信号强度卷积分支的权重是0.8,相位分支的是0.2。另外,每个卷积层使用的卷积核都是三维卷积,这样可以提取特征块中的时空特征。
所述的步骤3.1)中的3D身份分类器需要通过训练才能输出特征块属于每个用户的概率。每个用户在注册阶段需要提供一批特征块用于该分类器训练,训练可以通过计算交叉熵损失并反向传播更新梯度来完成。
与现有的无线定位技术相比,本发明实施例利用非接触式方法收集人的生物特征,利用低开销的射频识别标签构成特征采集系统。本发明使用射频信号来从人手的内部带出成分特征。本发明通过正常的相位值的均值替代异常相位值以完成相位矫正,利用双分支的卷积神经网络分别从信号强度和相位值中提取深层生物特征。通过逐行相减的方式抑制环境噪声的影响。通过接受阈值与概率值比较的方式抵御非法用户的入侵。进一步地,本发明可以用非接触式的且用户友好的方式实现人体内特征的采集。进一步地,本发明采用双分支的卷积神经网络提取深层手部特征,比传统的统计量特征更加细粒度且可区分性更高。进一步地,本发明通过设定接受阈值的方式抵御非法用户的欺骗,比传统的基于射频信号的身份识别方式更加安全。
本发明实施例的一种基于人手内部生物特征的身份认证方法,分以下三步完成:
步骤1)人手特征采集系统:本发明利用被动式的射频识别技术构建基于射频信号的人手部特征采集系统。具体使用49个被动式标签构建一个标签阵列。然后将阅读器的天线与标签阵列平行放置,且它们之间的距离为15厘米。当用户把人手放到标签阵列和阅读器的天线之间时,射频信号可以穿过人手把手内部的特征携带出来并被服务器采集。
参见图2,标签阵列中的被动式标签被相互垂直放置以减轻耦合效应,这是因为相互垂直的摆放可以使得标签之间的磁场的重叠部分变少,进而减少耦合效应。
参见图3,用户把手伸入标签阵列和天线之间以进行射频信号采集。采集到的包含人手特征的信号被服务器接收并进行预处理和身份识别。
步骤2)对采集到的信号进行预处理并构成特征块:基于以上的非接触式特征采集系统,当被动式标签将信号返回给阅读器后,阅读器将信号传给服务器以进行预处理。预处理包括认证请求探测,相位矫正,以及特征块构造。该系统通过监视中心标签的信号强度的方式搜索认证开始时间戳。在开始时间戳后为每个标签选择连续的5个时间戳以进行维度为(2,5,7,7)的特征块构建。接下来相位中的异常值被正常值的均值所替代以完成相位矫正。在特征块中,系统逐行对信号强度和相位相减以实现环境噪声抑制。
步骤3)使用3D身份分类器对特征块进行深层特征提取和身份识别:通过步骤1)和步骤2)收集到的降噪后的特征块进行身份识别。具体来说将特征块输入到训练好的3D身份分类器(如图4所示)中进行概率值计算。计算得到的最大概率值与接受阈值进行比较。最大概率值大于接受阈值时认证成功,并且最大概率值对应的用户作为系统最终的输出。否则,将拒绝该认证请求拒绝,因为输入特征块很有可能是非法用户提供的。对于该分类器的训练,如图5所示,用户最好提供三组训练数据。这样可以提高分类器对手的位置变化的鲁棒性。进一步,本发明利用非接触式且非侵入式的方法采集手部特征,并从射频信号中提取深层的细粒度的手内部特征进行身份识别,并用阈值比较法进行攻击检测。
本发明的目的在于,针对现有的身份认证技术的安全性和用户友好性不能同时满足的情况,提出一种在利用非接触式的射频信号采集体内生物特征的基于人手稳定的成分特征的身份认证系统,该系统首先利用射频信号采集包含人手内部特征的射频信号,然后收集到的原始信号被进行预处理并构成特征块。特征块紧接着被输入训练好的3D身份分类器中以得到身份认证结果。简要流程如图1所示。本发明公开了一种基于人手内部生物特征的身份认证方法,主要包括特征提取和身份识别两个部分。所采用的技术方案为:用49个被动射频识别标签构建一个正方形的标签阵列,将标签阵列与射频识别天线平行放置且间距为15厘米以构成手部特征采集系统,人在认证时将手伸到天线与标签阵列之间,人手的生物特征被射频信号采集并反馈给服务器。然后服务器对包含人手特征的信号进行预处理并生成特征块。最后特征块被输入一个深度神经网络以进行深层手内部特征提取和身份识别。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、设备(系统)、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。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (10)
1.一种基于人手内部生物特征的身份认证方法,其特征在于,包括以下步骤:
步骤1,利用射频信号采集人手内部生物特征,获取包含人手内部生物特征的射频信号;
步骤2,基于步骤1获得的射频信号,构建获得能够输入神经网络的维度规则的特征块;
步骤3,将步骤2获得的特征块输入3D身份分类器中进行身份认证;其中,所述3D身份分类器通过预采集的预设数量的人手内部生物特征信息训练获得。
2.根据权利要求1所述的一种基于人手内部生物特征的身份认证方法,其特征在于,步骤1具体包括:
基于射频识别中的被动式标签构建标签阵列;将阅读器的天线与所述标签阵列平行放置;
其中,当人手置于标签阵列和阅读器的天线之间时,射频信号从阅读器的天线发射,穿透人手,将人手内部生物特征带出后到达标签阵列。
3.根据权利要求2所述的一种基于人手内部生物特征的身份认证方法,其特征在于,步骤2具体包括:
步骤2.1,探测获取人手放到标签阵列和阅读器的天线之间的起始时间点;在起始时间点后对标签阵列中每个标签截取预设数量个时间点,构成预设维度的特征块;所述特征块包括信号强度值和相位值,所述预设数量个时间点,标签阵列的尺寸;
步骤2.2,对步骤2.1获得的特征块中的相位值进行矫正,获得矫正后的特征块;
步骤2.3,将步骤2.2获得的矫正后的特征块进行降噪处理,获得最终用于识别认证的特征块。
4.根据权利要求3所述的一种基于人手内部生物特征的身份认证方法,其特征在于,步骤2.1中,所述探测获取人手放到标签阵列和阅读器的天线之间的起始时间点的具体步骤包括:
通过监测中心标签的信号强度值来获取起始时间点;其中,信号强度下降幅度超过预设值,认为发起认证请求。
5.根据权利要求3所述的一种基于人手内部生物特征的身份认证方法,其特征在于,步骤2.2中,所述相位值进行矫正的具体步骤包括:
探测特征块中的相位值是大部分大于圆周率还是小于圆周率;利用多数派中的相位值的均值去替代少数派中的相位值以完成矫正。
6.根据权利要求3所述的一种基于人手内部生物特征的身份认证方法,其特征在于,步骤2.3中,所述降噪处理的具体步骤包括:将特征块中的信号强度值和相位值分别按行相减。
7.根据权利要求1所述的一种基于人手内部生物特征的身份认证方法,其特征在于,步骤3具体包括:
步骤3.1,将特征块输入3D身份分类器,得到所述特征块属于每个预采集的预设数量的人手内部生物特征信息的概率,获得最大概率值;
步骤3.2,将最大概率值与预设定的接受阈值进行比较;其中,如果最大概率值大于接受阈值,则所述特征块属于最大概率值对应的用户且认证成功;否则,就认为所述特征块是非法用户提供的并拒绝认证请求。
8.根据权利要求1所述的一种基于人手内部生物特征的身份认证方法,其特征在于,步骤3中,所述3D身份分类器为一个双分支的卷积神经网络,其两个卷积分支分别对信号强度子块和信号强度子块进行特征提取;两个分支的输出的概率值被分别乘以0.8和0.2再进行相加;信号强度卷积分支的权重是0.8,相位分支的是0.2;每个卷积层使用的卷积核都是三维卷积。
9.根据权利要求8所述的一种基于人手内部生物特征的身份认证方法,其特征在于,所述3D身份分类器的训练通过计算交叉熵损失并反向传播更新梯度来完成。
10.一种基于人手内部生物特征的身份认证系统,其特征在于,包括:
射频信号获取模块,利用射频信号采集人手内部生物特征,获取包含人手内部生物特征的射频信号;
特征块获取模块,基于射频信号获取模块获得的射频信号,构建获得能够输入神经网络的维度规则的特征块;
认证模块,将特征块获取模块获得的特征块输入3D身份分类器中进行身份认证;其中,所述3D身份分类器通过预采集的预设数量的人手内部生物特征信息训练获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110134310.2A CN112836194B (zh) | 2021-01-29 | 2021-01-29 | 一种基于人手内部生物特征的身份认证方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110134310.2A CN112836194B (zh) | 2021-01-29 | 2021-01-29 | 一种基于人手内部生物特征的身份认证方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112836194A true CN112836194A (zh) | 2021-05-25 |
CN112836194B CN112836194B (zh) | 2023-03-21 |
Family
ID=75932695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110134310.2A Active CN112836194B (zh) | 2021-01-29 | 2021-01-29 | 一种基于人手内部生物特征的身份认证方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836194B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168526A (zh) * | 2017-04-21 | 2017-09-15 | 西安交通大学 | 一种基于被动式rfid标签的非接触式虚拟屏操作识别方法 |
CN107832647A (zh) * | 2017-10-20 | 2018-03-23 | 南京邮电大学 | 一种基于无源射频标签的相位式手势识别方法 |
CN109388927A (zh) * | 2018-09-10 | 2019-02-26 | 西安交通大学 | 基于指尖阻抗和rfid标签物理层信号的轻量化联合认证方法 |
CN111814574A (zh) * | 2020-06-12 | 2020-10-23 | 浙江大学 | 应用双分支三维卷积模型的人脸活体检测系统、终端及存储介质 |
CN112116742A (zh) * | 2020-08-07 | 2020-12-22 | 西安交通大学 | 融合用户多源发声特征的身份认证方法、存储介质及设备 |
WO2021007760A1 (zh) * | 2019-07-15 | 2021-01-21 | Oppo广东移动通信有限公司 | 身份识别方法、终端设备及计算机存储介质 |
-
2021
- 2021-01-29 CN CN202110134310.2A patent/CN112836194B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168526A (zh) * | 2017-04-21 | 2017-09-15 | 西安交通大学 | 一种基于被动式rfid标签的非接触式虚拟屏操作识别方法 |
CN107832647A (zh) * | 2017-10-20 | 2018-03-23 | 南京邮电大学 | 一种基于无源射频标签的相位式手势识别方法 |
CN109388927A (zh) * | 2018-09-10 | 2019-02-26 | 西安交通大学 | 基于指尖阻抗和rfid标签物理层信号的轻量化联合认证方法 |
WO2021007760A1 (zh) * | 2019-07-15 | 2021-01-21 | Oppo广东移动通信有限公司 | 身份识别方法、终端设备及计算机存储介质 |
CN111814574A (zh) * | 2020-06-12 | 2020-10-23 | 浙江大学 | 应用双分支三维卷积模型的人脸活体检测系统、终端及存储介质 |
CN112116742A (zh) * | 2020-08-07 | 2020-12-22 | 西安交通大学 | 融合用户多源发声特征的身份认证方法、存储介质及设备 |
Non-Patent Citations (4)
Title |
---|
C. ZHAO等: "RF-Mehndi:A fingertip profiled RF identifier", 《IEEE INTERNATIONAL CONFERENCE ON COMPUTER COMMUNICATIONS》 * |
KHALID YOUSSEF等: "Machine Learning Approach to RF Transmitter Identification", 《IEEE JOURNAL OF RADIO FREQUENCY IDENTIFICATION》 * |
郑哲章等: "基于指静脉生物特性的身份识别系统研究与设计", 《闽江学院学报》 * |
钟习等: "融合情境感知信息的超声波手势识别方法", 《计算机辅助设计与图形学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112836194B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Fingerprint liveness detection using an improved CNN with image scale equalization | |
KR101829784B1 (ko) | 스티치와 컷을 이용한 지문인증 | |
Yuan et al. | Fingerprint liveness detection based on multi-scale LPQ and PCA | |
Jain et al. | Biometrics of next generation: An overview | |
CN106056054B (zh) | 一种进行指纹识别的方法和终端 | |
CN104580143A (zh) | 一种基于手势识别的安全认证方法、终端、服务器和系统 | |
CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
Ahamed et al. | Low complexity iris recognition using curvelet transform | |
CN103279744A (zh) | 基于多尺度三模式纹理特征的仿造指纹检测方法和系统 | |
Nait-Ali | Hidden biometrics: Towards using biosignals and biomedical images for security applications | |
CN105550878A (zh) | 一种授权请求的处理方法及装置 | |
Dey et al. | Electrocardiogram feature based inter-human biometric authentication system | |
CN110163123A (zh) | 一种基于单幅近红外手指图像指纹指静脉融合识别方法 | |
CN112836194B (zh) | 一种基于人手内部生物特征的身份认证方法及系统 | |
JP2008287432A (ja) | 静脈パターン管理システム、静脈パターン登録装置、静脈パターン認証装置、静脈パターン登録方法、静脈パターン認証方法、プログラムおよび静脈データ構造 | |
CN104899583A (zh) | 一种用于门禁监控系统的虹膜识别方法 | |
Ives et al. | Iris recognition using the ridge energy direction (RED) algorithm | |
EP2148296A1 (en) | Vein pattern management system, vein pattern registration device, vein pattern authentication device, vein pattern registration method, vein pattern authentication method, program, and vein data structure | |
Tantawi et al. | Fiducial based approach to ECG biometrics using limited fiducial points | |
CN112494950A (zh) | 一种网络游戏防沉迷系统及方法 | |
CN116132991A (zh) | Rke系统的射频指纹认证方法、装置及存储介质 | |
CN114677750A (zh) | 基于大数据的智慧商场人脸识别系统和方法 | |
CN115631515A (zh) | 一种高效的手指静脉图像特征提取方法和系统 | |
CN111444489B (zh) | 一种基于光电容积脉搏波传感器的双因子认证方法 | |
Hartung et al. | Quality estimation for vascular pattern recognition |
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 |