CN113177516A - 指纹识别方法、装置、电子设备及存储介质 - Google Patents
指纹识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113177516A CN113177516A CN202110559386.XA CN202110559386A CN113177516A CN 113177516 A CN113177516 A CN 113177516A CN 202110559386 A CN202110559386 A CN 202110559386A CN 113177516 A CN113177516 A CN 113177516A
- Authority
- CN
- China
- Prior art keywords
- data
- fingerprint
- subdata
- determining
- calibration
- 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
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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
-
- 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
- G06V40/12—Fingerprints or palmprints
- G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
- G06V40/1388—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using image processing
-
- 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
- G06V40/12—Fingerprints or palmprints
- G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
- G06V40/1394—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using acquisition arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供一种指纹识别方法、装置、电子设备及存储介质,在单次按压过程中分别得到异形光斑对应的第一指纹数据以及正常光斑对应的第二指纹数据,进而得到与第一指纹数据对应的亮区数据和暗区数据以及第二指纹数据相关的指纹特征信息,由于第一指纹数据对应的亮区数据和暗区数据可以用于表征真手指与2.5D假指纹的差异,即真手指与2.5D假指纹所产生的透射光的量的差异,从而,基于指纹特征信息可以有效确定待检测指纹的真伪,提高对于2.5D假指纹的指纹识别结果的准确性。
Description
技术领域
本申请涉及指纹识别技术领域,尤其涉及一种指纹识别方法、装置、电子设备及存储介质。
背景技术
随着光学指纹识别技术在终端设备中的广泛应用,用户对指纹识别的安全性要求越来越高。
现有的指纹识别方案,可以较好地识别真指纹和伪造的平面假指纹(不具备立体指纹特征的指纹,也称为2D假指纹)。然而,由于根据提取的用户指纹通过腐蚀电路板等简单工艺制作的假指纹(也称为2.5D假指纹)具有3D深度特征,使得现有的指纹识别方案对此类假指纹的拦截效果较差,严重影响终端用户的信息安全。
因此,如何识别真指纹与2.5D假指纹,以提升指纹识别的安全性是一项亟需解决的问题。
发明内容
本申请提供一种指纹识别方法、装置、电子设备及存储介质,用以解决现有技术存在的问题。
第一方面,本申请提供一种指纹识别方法,包括:
在检测到手指在按压区域内的按压操作时,分别获取待检测指纹对应的第一指纹数据以及第二指纹数据,所述第一指纹数据为所述按压区域对应的发光单元部分发光时采集的数据,所述第二指纹数据为所述按压区域对应的发光单元全部发光时采集的数据;
根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定指纹特征信息,所述亮区数据为处于发光状态的发光单元所在区域内的数据,所述暗区数据为处于熄灭状态的发光单元所在区域内的数据;
根据所述指纹特征信息,确定所述待检测指纹的真伪。
在一些实施例中,所述根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定指纹特征信息,包括:
根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定校准数据;
根据所述校准数据,确定指纹特征信息。
在一些实施例中,所述校准数据包括第一指纹数据对应的第一校准数据和所述第二指纹数据对应的第二校准数据;
所述根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定校准数据,包括:
通过第一类预设数据集合对所述第一指纹数据对应的亮区数据和暗区数据进行正则化处理,得到所述第一校准数据,其中,所述第一类预设数据集合为在所述发光单元部分发光时获取的、并用于标定在按压过程中发光单元部分发光时采集得到的指纹数据的数据集合;
通过第二类预设数据集合对所述第二指纹数据进行正则化处理,得到所述第二校准数据,其中,所述第一类预设数据集合为在所述发光单元全部发光时获取的、并用于标定在按压过程中发光单元全部发光时采集得到的指纹数据的数据集合。
在一些实施例中,所述指纹特征信息包括指纹数据的重复度以及指纹数据之间的大小关系;
所述根据所述校准数据,确定指纹特征信息,包括:
从所述第一校准数据中选择第一子数据,所述第一子数据为包含亮区数据以及暗区数据的行数据,和/或,所述第一子数据为包含亮区数据以及暗区数据的列数据;
从所述第二校准数据中选择第二子数据,所述第二子数据在所述第二指纹数据中的位置与所述第一子数据在所述第一指纹数据中的位置相同;
确定所述第一子数据中的亮区数据与所述第二子数据中对应位置的指纹数据的重复度;
确定所述第一子数据中暗区数据小于所述第二子数据中对应位置的指纹数据的数据量,所述数据量用于表征所述第一子数据与所述第二子数据之间的大小关系。
在一些实施例中,所述根据所述指纹特征信息,确定所述待检测指纹的真伪,包括:
根据所述第一子数据中的亮区数据,与所述第二子数据中对应位置的指纹数据的重复度,确定所述第一子数据以及所述第二子数据是否均有效;
在确定所述第一子数据以及所述第二子数据均有效时,若所述第一子数据中暗区数据小于所述第二子数据中对应位置的指纹数据的数据量达到第一预设阈值,则确定所述待检测指纹为真指纹。
在一些实施例中,根据所述第一子数据中的亮区数据,与所述第二子数据中对应位置的指纹数据的重复度,确定所述第一子数据以及所述第二子数据是否均有效,包括:
若所述第一子数据中亮区数据等于所述第二子数据中对应位置的指纹数据的数据量达到第二预设阈值,则确定所述第一子数据与所述第二子数据均有效。
在一些实施例中,所述指纹特征信息包括指纹数据的大小关系、指纹数据均值、指纹数据均值的差值、第一子数据中暗区数据与第二子数据中对应位置的指纹数据之间的差异度;
所述根据所述校准数据,确定指纹特征信息,包括:
从所述第一校准数据中选择第一子数据,所述第一子数据为包括所述亮区数据和所述暗区数据的行数据,和/或,所述第一子数据为所述亮区数据和所述暗区数据的列数据;
从所述第二校准数据中选择第二子数据,所述第二子数据在所述第二指纹数据中的位置与所述第一子数据在所述第一指纹数据中的位置相同;
确定所述第一子数据中暗区数据小于所述第二子数据中对应位置的指纹数据的数据量;
确定所述第一子数据中暗区数据的第一数据均值、所述第二子数据中对应位置的数据的第二数据均值、以及所述第一数据均值与所述第二数据均值的差值;
确定所述第一子数据中的每个暗区数据与所述第二子数据中对应位置的指纹数据的差值,并确定每个差值的绝对值的总和,所述总和用于表征所述第一子数据与所述第二子数据的差异度。
在一些实施例中,所述校准数据包括第一指纹数据对应的第三校准数据;
所述根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定校准数据,包括:
从所述第一指纹数据对应的亮区数据中选择第三子数据,确定所述第三子数据的第三数据均值;
从所述第二指纹数据中选择第四子数据,确定所述第四子数据的第四数据均值,所述第四子数据在所述第二指纹数据中的位置与所述第三子数据在所述第一指纹数据中的位置对应相同;
确定所述第三数据均值与所述第四数据均值的比值;
基于所述第一指纹数据的亮区数据和暗区数据、所述第二指纹数据以及所述比值,对所述第一指纹数据进行正则化处理,得到所述第三校准数据。
在一些实施例中,所述指纹特征信息包括量化特征信息;
所述根据所述校准数据,确定指纹特征信息,包括:
确定所述第三校准数据对应的亮区数据和/或暗区数据的量化特征信息,所述量化特征信息包括数据均值、数据方差、数据标准差以及梯度值中的至少一项。
在一些实施例中,所述校准数据还包括第一指纹数据对应的第三校准数据;
所述根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定校准数据,还包括:
从所述第一指纹数据对应的亮区数据中选择第三子数据,确定所述第三子数据的第三数据均值;
从所述第二指纹数据中选择第四子数据,确定所述第四子数据的第四数据均值,所述第四子数据在所述第二指纹数据中的位置与所述第三子数据在所述第一指纹数据中的位置对应相同;
确定所述第三数据均值与所述第四数据均值的比值;
基于所述第一指纹数据的亮区数据和暗区数据、所述第二指纹数据以及所述比值,对所述第一指纹数据进行正则化处理,得到所述第三校准数据。
在一些实施例中,所述指纹特征信息还包括量化特征信息;
所述根据所述校准数据,确定指纹特征信息,还包括:
确定所述第三校准数据对应的亮区数据和/或暗区数据的量化特征信息,所述量化特征信息包括数据均值、数据方差、数据标准差以及梯度值中的至少一项。
在一些实施例中,所述根据所述指纹特征信息,确定所述待检测指纹的真伪,包括:
将所述指纹特征信息输入至预先训练的决策树模型,得到用于指示所述待检测指纹为真指纹的得分;
根据所述得分和预设指纹阈值的比较结果,确定所述待检测指纹的真伪。
第二方面,本申请提供一种指纹识别装置,包括:
指纹数据获取模块,用于在检测到手指在按压区域内的按压操作时,分别获取待检测指纹对应的第一指纹数据以及第二指纹数据,所述第一指纹数据为所述按压区域对应的发光单元部分发光时采集的数据,所述第二指纹数据为所述按压区域对应的发光单元全部发光时采集的数据;
特征信息确定模块,用于根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定指纹特征信息,所述亮区数据为处于发光状态的发光单元所在区域内的数据,所述暗区数据为处于熄灭状态的发光单元所在区域内的数据;
指纹真伪确定模块,用于根据所述指纹特征信息,确定所述待检测指纹的真伪。
第三方面,本申请提供一种电子设备,包括:存储器,处理器及存储在所述存储器上并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程序时实现上述的指纹识别方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现上述的指纹识别方法。
本申请提供的指纹识别方法、装置、电子设备及存储介质,在单次按压过程中分别得到异形光斑对应的第一指纹数据以及正常光斑对应的第二指纹数据,进而得到与第一指纹数据对应的亮区数据和暗区数据以及第二指纹数据相关的指纹特征信息,由于第一指纹数据对应的亮区数据和暗区数据可以用于表征真手指与2.5D假指纹的差异,即真手指与2.5D假指纹所产生的透射光的量的差异,从而,基于指纹特征信息可以有效确定待检测指纹的真伪,提高对于2.5D假指纹的指纹识别结果的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本申请实施例可以适用的电子设备的剖面示意图;
图2为本申请实施例中指纹采集区域对应的发光单元全部发光或者部分发光的示意图;
图3为本申请实施例中真手指按压屏幕时的示意图;
图4为本申请实施例中2.5D假指纹按压屏幕时的示意图;
图5为本申请实施例提供的指纹识别方法的示意图;
图6为本申请实施例提供的获取第一预设数据集合的示意图;
图7为本申请实施例提供的获取第二预设数据集合的示意图;
图8为本申请实施例从第一校准数据中选择第一子数据的示意图;
图9为本申请实施例从第二校准数据中选择第二子数据的示意图;
图10为本申请实施例中进行指纹真伪识别的示例图;
图11为本申请实施例中进行指纹真伪识别的另一示例图;
图12为本申请实施例中进行指纹真伪识别的另一示例图;
图13为本申请实施例中进行指纹真伪识别的另一示例图;
图14为本申请实施例中第一指纹数据的示意图;
图15为本申请实施例中第二指纹数据的示意图;
图16为本申请实施例中选择第六子数据、第七子数据的另一示意图;
图17为本申请实施例中选择第六子数据、第七子数据的另一示意图;
图18为本申请实施例提供的指纹识别装置的示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将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,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本申请实施例中所使用的单数形式的“一种”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“三种,一般表示前后关联对象是一种“或”的关系。
还需要说明的是,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商品或者系统不仅包括那些要素,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商品或者系统所固有的要素。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商品或者系统中还存在另外的相同要素。
现有技术所制作的2.5D假指纹是一种和2D假指纹一样容易被制作的假指纹类型,首先将提取到指纹采用简单的工艺(普通打印机打印在胶片纸上、腐蚀线路板工艺、UV打印等)制作成假指纹模具(Mold),然后用假指纹制作材料(例如白胶,木胶,黑胶,硅胶,美缝剂,油漆,明胶等)进行拓印,待定型后取下即得到具有3D立体特征的2.5D假指纹。
在镜头式指纹识别系统中,现有的指纹识别方案可以较好地识别真指纹和伪造的2D假指纹,但是对2.5D假指纹的拦截效果较差,严重影响终端用户的信息安全。
本申请提供的指纹识别方法、装置、电子设备、存储介质及产品,旨在解决现有技术的如上技术问题。
本申请实施例提供的技术方案可以应用于各种电子设备。例如,智能手机、平板电脑以及其他具有显示屏和指纹识别装置的移动终端或者其他电子设备。更具体地,在上述电子设备中,指纹识别装置可以具体为光学指纹装置,其可以设置在显示屏下方的局部区域或者全部区域,从而形成屏下(Under-display或Under-screen)光学指纹系统。具体地,在该电子设备中,指纹识别装置接收从电子设备的显示屏的顶面返回的光,这种返回的光携带有与显示屏的顶面接触的物体(例如手指)的信息,从而,通过采集和检测这种返回来的光来获取手指的指纹信息。
图1为本申请实施例可以适用的电子设备的剖面示意图。如图1所示,电子设备包括显示屏12和指纹识别装置13,其中,显示屏12包括上盖板121、发光层122和下盖板123。具体的,根据发光层不同,显示屏12可以是具有自发光显示单元的显示屏,也可以是非自发光的显示屏。
在显示屏12是具有自发光显示单元的显示屏,例如,如图1所示,显示屏12可以为采用有机发光二极管(Organic Light-Emitting Diode,OLED)显示屏,然而,本申请不限于此,例如也可以采用微型发光二极管(Micro-LED)。在采用OLED显示屏时,指纹识别装置13可以利用显示屏12的与指纹采集区域位置对应的OLED光源作为指纹检测的激励光源。当物体11按压在显示屏12的指纹采集区域时,显示屏12中对应位置的光源(包括发光单元)向指纹采集区域上方的物体11发射光束,该光束在物体11与屏幕接触的表面发生反射形成反射光,以及,光束透过部分物体11形成透射光。不同强度的反射光以及透射光经过光学部件后,由指纹识别装置13接收并转换为相应的电信号,即指纹检测信号。基于该指纹检测信号,可以获得指纹数据,用于在电子设备实现指纹识别功能。
另外,在显示屏12是非自发光的显示屏,例如液晶显示屏。指纹识别装置13需要采用内置光源或外置光源作为激励光源,以提供用于进行指纹检测的光信号。在采用内置光源或外置光源作为激励光源时的指纹检测原理与上面提及的采用OLED显示屏时的指纹检测原理相同,此处不再赘述。
参考图1,指纹识别装置13,具体地为光学指纹识别装置,可以设置在显示屏12下方,并且可以包括多光路结构131和光学检测部件132。其中,多光路结构131可以设置在光学检测部件132的上方,主要用于将从手指处反射或散射的光信号引导至光学检测部件以由光学检测部件132进行光学检测。光学检测部件132包括感光阵列和与感光阵列电连接的读取电路及其他辅助电路。感光阵列可以包括多个呈阵列分布的多个感光单元,其也可以称为像素单元或感光像素。感光阵列主要用于对接收到的光信号进行检测,以便通过与其电连接的读取电路等生成指纹数据。
在本申请的实施例中,在采集物体11的指纹数据时,物体11所按压的指纹采集区域对应的发光单元可以全部发光或者部分发光。其中,全部发光是指指纹采集区域内的所有发光单元均发射光束,从而形成完整的光斑,部分发光是指指纹采集区域内的一部分发光单元发射光束,而另一部分发光单元不发射光束,从而无法形成完整的光斑,即称为异形光斑。
例如,图2为本申请实施例中指纹采集区域对应的发光单元全部发光或者部分发光的示意图,如图2所示,指纹采集区域可以是在显示屏12的12a位置,此时,指纹采集区域对应的发光单元全部发光(白色表示发光,发光的区域称为亮区),从而形成完整的光斑;指纹采集区域也可以是在显示屏12的12b位置,此时,指纹采集区域对应的发光单元部分发光(黑色表示不发光,不发光的区域称为暗区),从而形成异形光斑;另外,如12c、12d、12e、12f所示,不发光的发光单元所在的位置以及所形成的形状可以发生变化,本申请对此不做具体限定。
图3为本申请实施例中真手指按压屏幕时的示意图,图4为本申请实施例中2.5D假指纹按压屏幕时的示意图,如图3以及图4所示,在指纹采集区域对应的发光单元部分发光形成异形光斑的情况下,图中亮区表示发光单元发光的区域,暗区表示发光单元不发光的区域,另外,在图4中,由于常见的假指纹材料本身通常无法触发电子设备的指纹识别功能,因此,需要将具有触发采图功能的其他材料或物体,如真手指放置在假指纹材料上方以触发指纹识别功能,从而导致图4中的真手指与假指纹材料共同形成较厚的厚度。
参考图3以及图4,在异形光斑中,位于暗区边缘位置的感光单位可以接收到周围的小角度反射光(实线表示的光线),位于暗区中心位置的感光单元可以接收到真手指或者假指纹材料的透射光(虚线表示的光线)。
而由于假指纹材料的存在,使得图4中位于显示屏上方的物体(真手指+假指纹材料)厚度大于图3中位于显示屏上方的物体(真手指)厚度,而厚度越大,暗区中心位置的感光单元接收到的透射光越多,因此,2.5D假指纹按压屏幕时所产生的透射光比真手指按压屏幕时产生的透射光更多,从而,本申请基于该差异,可以实现对指纹进行真伪识别。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
可以理解,本申请中指纹识别方法的处理步骤可以由电子设备内部的处理器实现,该处理器可以基于本申请中的指纹识别方法对指纹的真伪进行识别,从而根据指纹真伪识别结果进行进一步处理,例如,处理器在确定指纹为真指纹时,可以执行电子设备的解锁操作等。
图5为本申请实施例提供的指纹识别方法的示意图,以方法的执行主体为电子设备内部的处理器为例进行解释说明,如图5所示,该方法主要包括以下步骤:
S1、在检测到手指在按压区域内的按压操作时,分别获取待检测指纹对应的第一指纹数据以及第二指纹数据,第一指纹数据为按压区域对应的发光单元部分发光时采集的数据,第二指纹数据为按压区域对应的发光单元全部发光时采集的数据。
处理器获取的第一指纹数据以及第二指纹数据可以是由指纹识别装置中的光学检测部件根据多路光学结构引导的多路光信号得到,并且,第一指纹数据以及第二指纹数据为物体单次按压过程中采集得到的两份指纹数据。
具体的,在检测到物体按压显示屏时,指纹采集区域(即按压区域)对应的发光单元可以在控制信号的作用下,依次进行部分发光以及全部发光,从而依次得到第一指纹数据以及第二指纹数据。可选的,发光单元也可以是先全部发光,再部分发光,从而依次得到第二指纹数据以及第一指纹数据。
其中,在指纹采集区域对应的发光单元部分发光的情况下采集得到的第一指纹数据,由于部分发光所形成的光斑为异形光斑,因此第一指纹数据也可以被称为异形光斑数据。
另外,在指纹采集区域对应的发光单元全部发光的情况下采集得到的第二指纹数据,由于全部发光所形成的光斑为完整光斑,因此第二指纹数据也可以被称为正常光斑数据。
S2、根据第一指纹数据对应的亮区数据和暗区数据,以及第二指纹数据,确定指纹特征信息,亮区数据为处于发光状态的发光单元所在区域内的数据,暗区数据为处于熄灭状态的发光单元所在区域内的数据;
本步骤中,处理器根据第一指纹数据对应的亮区数据和暗区数据以及第二指纹数据确定指纹特征信息,因此可以认为,指纹特征信息与第一指纹数据对应的亮区数据和暗区数据以及第二指纹数据相关,由于真手指与2.5D假指纹的差异主要体现在产生的透射光的量,而该差异可以通过第一指纹数据对应的亮区数据以及暗区数据体现,从而,处理器得到的指纹特征信息可以用于确定待检测指纹的真伪。
S3、根据指纹特征信息,确定待检测指纹的真伪。
由于真手指与2.5D假指纹的差异主要体现在产生的透射光的量,而该差异可以通过第一指纹数据对应的亮区数据以及暗区数据体现,因此,处理器在得到与第一指纹数据对应的亮区数据和暗区数据以及第二指纹数据相关的指纹特征信息后,根据该指纹特征信息即可确定待检测指纹的真伪。
本实施例提供一种指纹识别方法,在单次按压过程中分别得到异形光斑对应的第一指纹数据以及正常光斑对应的第二指纹数据,进而得到与第一指纹数据对应的亮区数据和暗区数据以及第二指纹数据相关的指纹特征信息,由于第一指纹数据对应的亮区数据和暗区数据可以用于表征真手指与2.5D假指纹的差异,即真手指与2.5D假指纹所产生的透射光的量的差异,从而,基于指纹特征信息可以有效确定待检测指纹的真伪,提高对于2.5D假指纹的指纹识别结果的准确性。
在一些实施例中,根据第一指纹数据对应的亮区数据和暗区数据,以及第二指纹数据,确定指纹特征信息,包括:
S21、根据第一指纹数据对应的亮区数据和暗区数据,以及第二指纹数据,确定校准数据;
S22、根据校准数据,确定指纹特征信息。
具体的,在进行屏下指纹识别时,显示屏的发光单元会向置于显示屏上的物体发射光信号。此外,显示屏的发光单元发射的光信号中有一部分光信号(也称为屏幕漏光)直接向下经过多次折射、反射和衍射等被光学检测部件接收。光学检测部件根据接收到的光信号生成指纹原始数据。然而,该指纹原始数据不仅包括指纹信息,还包括显示屏背景噪声(例如屏幕漏光)等干扰信息(也称为底噪),各个光学检测部件的底噪不同。因此,通过对指纹原始数据进行校准处理,具体例如进行正则化处理,可以消除由于光学检测部件的底噪差异对指纹原始数据的影响,以保证指纹数据的准确性。
在一些实施例中,校准数据包括第一指纹数据对应的第一校准数据和第二指纹数据对应的第二校准数据;
本实施例中,处理器可以分别对第一指纹数据以及第二指纹数据进行正则化处理,从而,可以消除由于光学检测部件的底噪差异对第一指纹数据以及第二指纹数据的影响,以保证第一指纹数据以及第二指纹数据的准确性。
对应的,根据第一指纹数据对应的亮区数据和暗区数据,以及第二指纹数据,确定校准数据,包括:
S211、通过第一类预设数据集合对第一指纹数据对应的亮区数据和暗区数据进行正则化处理,得到第一校准数据,其中,第一类预设数据集合为在发光单元部分发光时获取的、并用于标定在按压过程中发光单元部分发光时采集得到的指纹数据的数据集合;
具体的,第一类预设数据集合包括第一预设数据集合和第二预设数据集合,第一预设数据集合和第二预设数据集合为在发光单元部分发光时获取、以用于标定在按压过程中发光单元部分发光时采集得到的指纹数据的数据集合;
图6为本申请实施例提供的获取第一预设数据集合的示意图,如图6所示,第一预设数据集合可以是在光学检测部件的校准阶段利用肉色平头指纹模型51来模拟用户的手指而获取的数据集合。肉色平头指纹模型51用于模拟无指纹的用户手指,即肉色平头指纹模型51相当于全是指纹谷的手指。在获取第一预设数据集合时,可以将肉色平头指纹模型51按压在指纹采集区域上(即光学检测部件对应的显示屏12的局部区域),在指纹采集区域对应的发光单元部分发光的情况下,光学检测部件根据接收到的光信号确定第一预设数据集合。由于肉色平头指纹模型51相当于全是指纹谷的手指,因此,第一预设数据集合不仅包含有与肉色平头指纹模型51的中央凹面反射的光有关的信息,还包括显示屏12的背景噪声(例如显示屏12的漏光信息)等干扰信息。
图7为本申请实施例提供的获取第二预设数据集合的示意图,如图7所示,第二预设数据集合可以是在光学检测部件的校准阶段利用黑色平头指纹模型52模拟用户的手指而获取的数据集合。黑色平头指纹模型52用于模拟没有手指触摸的按压状态。在获取第二指纹数据集合时,可以将黑色平头指纹模型52按压在指纹采集区域,在指纹采集区域对应的发光单元处于同样的部分发光的情况下,光学检测部件根据接收到的光信号确定第二预设数据集合。由于黑色平头指纹模型52会吸收向显示屏上方透射的光,因此,第二指纹数据仅包括显示屏的背景噪声(例如显示屏12的漏光信息)等干扰信息,即仅包括光学检测部件的底噪。
将第一预设数据集合减去第二预设数据集合,可以得到不包含底噪的指纹数据。本实施例中利用第一预设数据集合和第二预设数据集合对待检测指纹对应的第一指纹数据进行正则化处理,由此消除不同光学检测部件的底噪对第一指纹数据的影响,提高指纹识别的准确度。
为了便于描述,将第一预设数据集合和第二预设数据集合分别表示为H_Fleshspot和H_blackspot,将待检测指纹的第一指纹数据表示为Spotdata,则可以通过以下公式对第一指纹数据进行正则化处理:
Spotdata=(Spotdata-H_blackspot)/(H_Fleshspot-H_blackspot)
通过上述公式,可以计算得到第一指纹数据对应的第一校准数据。需要说明的是,此处的计算方式仅是为了说明正则化处理的具体原理,在实际计算时也可以利用矩阵运算,提高处理速度。
可以理解,上述正则化处理的实现方式仅是一种示例,本实施例对正则化处理的具体实现方式不做限定,也可以利用第一预设数据集合和第二预设数据集合通过其他合适的正则化处理方式对第一指纹数据进行正则化处理。
S212、通过第二类预设数据集合对第二指纹数据进行正则化处理,得到第二校准数据,其中,第一类预设数据集合为在发光单元全部发光时获取的、并用于标定在按压过程中发光单元全部发光时采集得到的指纹数据的数据集合。
具体的,第二类预设数据集合包括第三预设数据集合和第四预设数据集合,第三预设数据集合和第四预设数据集合为在发光单元全部发光时获取、以用于标定在按压过程中发光单元全部发光时采集得到的指纹数据的数据集合。
本实施例中,获取第三预设数据集合的过程,基本原理可以参考前文中获取第一预设数据集合的过程,不同之处在于,在获取第三预设数据集合时,可以将肉色平头指纹模型51按压在指纹采集区域上(即光学检测部件对应的显示屏12的局部区域),在指纹采集区域对应的发光单元全部发光的情况下,光学检测部件根据接收到的光信号确定第三预设数据集合。第三预设数据集合不仅包含有与肉色平头指纹模型51的中央凹面反射的光有关的信息,还包括显示屏12的背景噪声(例如显示屏12的漏光信息)等干扰信息。
另外,获取第四预设数据集合的过程,基本原理可以参考前文中获取第二预设数据集合的过程,不同之处在于,在获取第四指纹数据集合时,可以将黑色平头指纹模型52按压在指纹采集区域,在指纹采集区域对应的发光单元处于全部发光的情况下,光学检测部件根据接收到的光信号确定第四预设数据集合。第四指纹数据仅包括显示屏的背景噪声(例如显示屏12的漏光信息)等干扰信息,即仅包括光学检测部件的底噪。
将第三预设数据集合减去第四预设数据集合,可以得到不包含底噪的指纹数据。本实施例中利用第三预设数据集合和第四预设数据集合对待检测指纹对应的第二指纹数据进行正则化处理,由此消除不同光学检测部件的底噪对第二指纹数据的影响,提高指纹识别的准确度。
为了便于描述,将第三预设数据集合和第四预设数据集合分别表示为H_Flesh和H_black,将待检测指纹的第二指纹数据表示为Nordata,则可以通过以下公式对第二指纹数据进行正则化处理:
Nordata=(Nordata-H_black)/(H_Flesh-H_black)
通过上述公式,可以计算得到第二指纹数据对应的第二校准数据。需要说明的是,此处的计算方式仅是为了说明正则化处理的具体原理,在实际计算时也可以利用矩阵运算,提高处理速度。
可以理解,上述正则化处理的实现方式仅是一种示例,本实施例对正则化处理的具体实现方式不做限定,也可以利用第三预设数据集合和第四预设数据集合通过其他合适的正则化处理方式对第二指纹数据进行正则化处理。
从而,通过分别对第一指纹数据以及第二指纹数据进行正则化处理,得到第一校准数据以及第二校准数据,基于真手指与2.5D假指纹的性能差异,若为2.5D假指纹,则第一校准数据中的暗区数据通常会大于第二校准数据中对应位置的指纹数据;若为真手指,则第一校准数据中的暗区数据通常会小于第二校准数据中对应位置的指纹数据,从而,基于上述原理,可以实现对待检测指纹的真伪识别。
在一些实施例中,在假指纹材料与真手指所产生的透射光的量的差异较大时,例如假指纹材料比较厚,可以直接根据指纹数据本身的数据特征来进行指纹的真伪识别。
在这种情况下,指纹特征信息包括指纹数据的重复度以及指纹数据之间的大小关系,其中,重复度用于表征第一校准数据与第二校准数据的相似度,大小关系为第一校准数据与第二校准数据的数据大小相关关系。
对应的,根据校准数据,确定指纹特征信息,包括:
S221a、从第一校准数据中选择第一子数据,第一子数据为包含亮区数据以及暗区数据的行数据,和/或,第一子数据为包含亮区数据以及暗区数据的列数据;
S221b、从第二校准数据中选择第二子数据,第二子数据在第二指纹数据中的位置与第一子数据在第一指纹数据中的位置相同;
S221c、确定第一子数据中的亮区数据与第二子数据中对应位置的指纹数据的重复度;
S221d、确定第一子数据中暗区数据小于第二子数据中对应位置的指纹数据的数据量,所述数据量用于表征所述第一子数据与所述第二子数据之间的大小关系。
具体的,图8为本申请实施例从第一校准数据中选择第一子数据的示意图,如图8所示,第一校准数据包含亮区数据(图中白色圆环部分)以及暗区数据(图中黑色圆圈部分),在选择第一子数据时,由于需要依赖暗区数据来进行真伪识别,因此,选择的第一子数据为同时包含亮区数据以及暗区数据的行数据和/或列数据。例如,可以选择图8中的第m行数据和/或第n列数据作为第一子数据。
图9为本申请实施例从第二校准数据中选择第二子数据的示意图,如图9所示,第二校准数据仅包含亮区数据(图中白色圆圈部分)在选择第二子数据时,第二子数据在第二指纹数据中的位置与第一子数据在第一指纹数据中的位置对应相同。例如,若选择图8中第一校准数据的第m行数据作为第一子数据,则同样选择图9中第二校准数据的第m行数据作为第二子数据。
在选择第一子数据以及第二子数据之后,处理器基于第一子数据以及第二子数据确定指纹特征信息,本实施例中,指纹特征信息具体包括第一子数据中的亮区数据,与第二子数据中对应位置的指纹数据的重复度,以及,第一子数据中暗区数据小于第二子数据中对应位置的指纹数据的数据量,从而,基于上述指纹特征信息可以确定待检测指纹的真伪。
在一些实施例中,根据指纹特征信息,确定待检测指纹的真伪,包括:
S311、根据第一子数据中的亮区数据,与第二子数据中对应位置的指纹数据的重复度,确定第一子数据以及第二子数据是否均有效;
S312、在确定第一子数据以及第二子数据均有效时,若第一子数据中暗区数据小于第二子数据中对应位置的指纹数据的数据量达到第一预设阈值,则确定待检测指纹为真指纹。
其中,由于第一指纹数据以及第二指纹数据是在单次按压过程中采集得到的两份指纹数据,该单次按压过程中,物体的按压区域未发生较大变化,因此,第一子数据中的亮区数据与第二子数据中对应位置的指纹数据的相似程度较高,从而,第一子数据中的亮区数据与第二子数据中对应位置的指纹数据的重复度可以用于确定第一指纹数据以及第二指纹数据的有效性,即第一子数据以及第二子数据的有效性。
在确定第一子数据以及第二子数据均为有效数据时,若第一子数据中暗区数据小于第二子数据中对应位置的指纹数据的数据量达到第一预设阈值,则确定待检测指纹为真指纹,否则,确定待检测指纹为假指纹。
在一些实施例中,根据第一子数据中的亮区数据,与第二子数据中对应位置的指纹数据的重复度,确定第一子数据以及第二子数据是否均有效,包括:若第一子数据中亮区数据等于第二子数据中对应位置的指纹数据的数据量达到第二预设阈值,则确定第一子数据与第二子数据均有效。
具体的,若第一子数据中亮区数据等于第二子数据中对应位置的指纹数据的数据量达到第二预设阈值,说明第一子数据中的亮区数据与第二子数据中对应位置的指纹数据的相似程度较高,因此,可以确定第一指纹数据以及第二指纹数据均为有效数据,由此可得第一子数据与第二子数据也均为有效数据,从而,基于第一子数据与第二子数据得到的指纹真伪识别结果的准确性以及可信度较高。
可以理解,本实施例中,第一子数据中亮区数据等于第二子数据中对应位置的指纹数据,可以是两种数据完全相等,或者,两种数据的差值小于某一阈值内,从而,上述两种情况均可以认为第一子数据中亮区数据与第二子数据中对应位置的指纹数据的相似程度较高。
另外,若第一子数据中亮区数据等于第二子数据中对应位置的指纹数据的数据量未达到第二预设阈值,则说明第一子数据中的亮区数据与第二子数据中对应位置的指纹数据的相似程度较低,确定第一子数据以及第二子数据均为无效数据,此时,需要重新采集第一指纹数据以及第二指纹数据,电子设备可以输出重新按压以重新获取第一指纹数据以及第二指纹数据的提示信息。
图10为本申请实施例中进行指纹真伪识别的示例图,如图10所示,坐标轴的横轴表示数据的位置,纵坐标表示数据大小,第一曲线表示第一校准数据中同时包含亮区数据以及暗区数据的某一行的第一子数据,第二曲线表示第二校准数据中对应位置的第二子数据,参考图10所示的曲线,两种曲线中,位于横坐标两端的亮区数据的重复度较高,因此,两种曲线均为有效数据。另外,对于位于横坐标中间的暗区数据,由于第一曲线在第二曲线下方的部分较多,说明第一子数据中暗区数据小于第二子数据中对应位置的指纹数据的数据量达到第一预设阈值,因此可以确定待检测指纹为真指纹。
图11为本申请实施例中进行指纹真伪识别的另一示例图,如图11所示,坐标轴的横轴表示数据的位置,纵坐标表示数据大小,第一曲线表示第一校准数据中同时包含亮区数据以及暗区数据的某一列的第一子数据,第二曲线表示第二校准数据中对应位置的第二子数据,参考图11所示的曲线,两种曲线中,位于横坐标两端的亮区数据的重复度较高,因此,两种曲线均为有效数据。另外,对于位于横坐标中间的暗区数据,由于第一曲线在第二曲线下方的部分较多,说明第一子数据中暗区数据小于第二子数据中对应位置的指纹数据的数据量达到第一预设阈值,因此可以确定待检测指纹为真指纹。
图12为本申请实施例中进行指纹真伪识别的另一示例图,如图12所示,坐标轴的横轴表示数据的位置,纵坐标表示数据大小,第一曲线表示第一校准数据中同时包含亮区数据以及暗区数据的某一行的第一子数据,第二曲线表示第二校准数据中对应位置的第二子数据,参考图12所示的曲线,两种曲线中,位于横坐标两端的亮区数据的重复度较高,因此,两种曲线均为有效数据。另外,对于位于横坐标中间的暗区数据,由于第一曲线在第二曲线上方的部分较多,说明第一子数据中暗区数据小于第二子数据中对应位置的指纹数据的数据量未达到第一预设阈值,因此可以确定待检测指纹为假指纹。
图13为本申请实施例中进行指纹真伪识别的另一示例图,如图13所示,坐标轴的横轴表示数据的位置,纵坐标表示数据大小,第一曲线表示第一校准数据中同时包含亮区数据以及暗区数据的某一列的第一子数据,第二曲线表示第二校准数据中对应位置的第二子数据,参考图13所示的曲线,两种曲线中,位于横坐标两端的亮区数据的重复度较高,因此,两种曲线均为有效数据。另外,对于位于横坐标中间的暗区数据,由于第一曲线在第二曲线上方的部分较多,说明第一子数据中暗区数据小于第二子数据中对应位置的指纹数据的数据量未达到第一预设阈值,因此可以确定待检测指纹为假指纹。
从而,基于图10至图13所示的示例图,通过本申请的技术方案,可以有效对指纹的真伪进行识别,从而提高电子设备的安全性能。
在一些实施例中,在假指纹材料与真手指所产生的透射光的量的差异较小时,例如假指纹材料比较薄、比较透明(比如明胶),直接根据指纹数据本身的数据特征无法准确进行指纹的真伪识别,此时,可以结合根据指纹数据得到的更深入的数据特征来识别指纹的真伪。
在这种情况下,指纹特征信息包括指纹数据的大小关系、指纹数据均值、指纹数据均值的差值、第一子数据中暗区数据与第二子数据中对应位置的指纹数据之间的差异度。
对应的,根据校准数据,确定指纹特征信息,包括:
S222a、从第一校准数据中选择第一子数据,第一子数据为包括亮区数据和暗区数据的行数据,和/或,第一子数据为亮区数据和暗区数据的列数据;
S222b、从第二校准数据中选择第二子数据,第二子数据在第二指纹数据中的位置与第一子数据在第一指纹数据中的位置相同;
S222c、确定第一子数据中暗区数据小于第二子数据中对应位置的指纹数据的数据量;
S222d、确定第一子数据中暗区数据的第一数据均值、第二子数据中对应位置的数据的第二数据均值、以及第一数据均值与第二数据均值的差值;
S222e、确定第一子数据中的每个暗区数据与第二子数据中对应位置的指纹数据的差值,并确定每个差值的绝对值的总和,所述总和用于表征所述第一子数据与所述第二子数据的差异度。
具体的,假设第一子数据和第二子数据均为行数据,将第一子数据和第二子数据分别表示为RowSpotData和RowNorData,则分别计算RowSpotData中暗区数据(例如从第m个数据至第n个数据)的第一数据均值AvgRowSpotData,RowNorData中对应位置的数据(即同样是从第m个数据至第n个数据)的第二数据均值AvgRowNorData,以及AvgRowNorData与AvgRowSpotData的差值AvgRowSub。同理,若第一子数据和第二子数据均为列数据,则执行相同的处理。
另外,对于RowSpotData中的每个暗区数据,以及RowNorData中对应位置的指纹数据,逐像素求取其差值,并确定每个差值的绝对值的总和sumRow,该总和sumRow可以用于表示第一子数据中暗区数据与第二子数据中对应位置的指纹数据之间的差异度。同理,若第一子数据和第二子数据均为列数据,则执行相同的处理。
在一些实施例中,根据指纹特征信息,确定待检测指纹的真伪,包括:
S313、将第一子数据中暗区数据小于第二子数据中对应位置的指纹数据的数据量、第一数据均值、第二数据均值、差值、以及总和中的至少一项输入至预先训练的决策树模型,得到用于指示待检测指纹为真指纹的得分;
S314、根据得分和预设指纹阈值的比较结果,确定待检测指纹的真伪。
其中,决策树模型是根据指纹样本集合中每个指纹样本的指纹特征信息以及每个指纹样本的真伪结果训练得到的。每个指纹样本的指纹特征信息与待检测指纹的指纹特征信息具有相同的特征类型。例如,指纹特征信息的特征类型包括第一子数据的第一数据均值、第二子数据的第二数据均值、第一数据均值与第二数据均值的差值、每个差值(对于RowSpotData中的每个暗区数据以及RowNorData中对应位置的指纹数据,逐像素求取的差值)的绝对值的总和,或其任意组合。应理解,此处的指纹特征信息的特征类型进行举例说明,本实施例不限于此。
指纹样本集合中的指纹样本例如可以包括在各种场景下的真手指和假手指,例如、在低温场景、高温场景、常温场景、油污状态下的真手指和假手指、干手指和/或湿手指。相应地,指纹样本的指纹特征信息为根据各种场景下的指纹样本对应的指纹数据确定的指纹特征信息。
在训练决策树模型时,可以将指纹特征信息的每个特征类型看作一个决策节点,使用每个决策节点对指纹样本进行分类,由此训练生成的决策树模型,该决策树模型可以包括与每个特征类型对应的判断阈值和权重。
在进行指纹识别时,将根据待检测指纹对应的指纹数据生成的指纹特征信息输入到预先训练的决策树模型,预先训练的决策树模型根据预先确定的判断阈值和权重,生成待检测指纹的得分。
例如,若指纹特征信息的特征类型包括第一子数据的第一数据均值、第二子数据的第二数据均值、第一数据均值与第二数据均值的差值和每个差值的绝对值的总和,在训练决策树模型时,可以提取指纹样本集合中的每个指纹样本对应的第一子数据的第一数据均值、第二子数据的第二数据均值、第一数据均值与第二数据均值的差值和每个差值的绝对值的总和作为指纹样本对应的指纹特征信息,将所提取的每个指纹样本的指纹特征信息和每个指纹样本对应的真伪结构输入决策树模型进行训练,得到训练的预测模型,该训练的预测模型包括第一子数据的第一数据均值对应的第一判断阈值和第一权重、第二子数据的第二数据均值对应的第二判断阈值和第二权重、第一数据均值与第二数据均值的差值对应的第三判断阈值和第三权重、以及每个差值的绝对值的总和对应的第四判断阈值和第四权重。在对待检测指纹进行识别时,可以提取待检测指纹的第一子数据的第一数据均值、第二子数据的第二数据均值、第一数据均值与第二数据均值的差值和每个差值的绝对值的总和,训练的决策树模型根据待检测指纹的第一子数据的第一数据均值与第一判断阈值的比较结果、待检测指纹的第一子数据的第一数据均值与第二判断阈值的比较结果、待检测指纹的第一数据均值与第二数据均值的差值与第三判断阈值的比较结果、待检测指纹的每个差值的绝对值的总和与第四判断阈值的比较结果,以及各个判断条件对应的权重确定用于指示待检测指纹为真指纹的得分。
另外,预设指纹阈值可以根据用户的安全级别要求进行灵活设置,例如在安全级别要求较低的应用场景中,例如在通过指纹验证对电子设备进行解锁的应用场景中,可以将预设指纹阈值设置得相对较低,例如0.5。而在安全级别要求较高的应用场景中,例如在通过指纹验证进行费用支付的应用场景中,可以将预设指纹阈值设置得相对较高,例如0.7。
本实施例中,基于上述指纹特征信息,采用预先训练好的决策树模型进行打分,并根据得分和预设指纹阈值的比较结果,确定待检测指纹的真伪,从而可以准确识别真假指纹。
在一些实施例中,校准数据包括第一指纹数据对应的第三校准数据;
根据第一指纹数据对应的亮区数据和暗区数据,以及第二指纹数据,确定校准数据,包括:
S213、从第一指纹数据对应的亮区数据中选择第三子数据,确定第三子数据的第三数据均值;
S214、从第二指纹数据中选择第四子数据,确定第四子数据的第四数据均值,第四子数据在第二指纹数据中的位置与第三子数据在第一指纹数据中的位置对应相同;
S215、确定第三数据均值与第四数据均值的比值;
S216、基于第一指纹数据的亮区数据和暗区数据、第二指纹数据以及比值,对第一指纹数据进行正则化处理,得到第三校准数据。
图14为本申请实施例中第一指纹数据的示意图,其中,实线圆圈内的数据为第一指纹数据对应的暗区数据,实线圆圈外、方框内的数据为第一指纹数据对应的亮区数据;在选择第三子数据时,可以是选择亮区数据中的一份或者多份子数据,例如,可以将图14中的P11、P21、P31、P41作为第三子数据。
图15为本申请实施例中第二指纹数据的示意图,其中,虚线圆圈内的数据为第一指纹数据中暗区数据在第二指纹数据中对应位置的指纹数据,虚线圆圈外、方框内的数据为第一指纹数据中亮区数据在第二指纹数据中对应位置的指纹数据。例如,在将图14中的P11、P21、P31、P41作为第三子数据时,可以将图15中的P12、P22、P32、P42作为第四子数据。
在选择第三子数据以及第四子数据后,分别计算对应的数据均值,例如,P11、P21、P31、P41对应的数据均值分别以AvgSpotPart1、AvgSpotPart2、AvgSpotPart3、AvgSpotPart4表示,P12、P22、P32、P42对应的数据均值分别以AvgNorPart1、AvgNorPart2、AvgNorPart3、AvgNorPart4表示,则第三数据均值与第四数据均值的比值包括K1、K2、K3、K4,其中:
K1=AvgNorPart1/AvgSpotPart1
K2=AvgNorPart2/AvgSpotPart2
K3=AvgNorPart3/AvgSpotPart3
K4=AvgNorPart4/AvgSpotPart4
然后,计算比值的均值K:
K=(K1+K2+K3+K4)/4
最后,基于第一指纹数据SpotData,第二指纹数据NorData,通过以下公式对第一指纹数据进行正则化处理,得到第三校准数据SpotNomalized:
SpotNomalized=SpotData/(NorData*K)
从而,通过对第一指纹数据进行正则化处理,可以提高指纹数据的准确性,从而提高指纹识别结果的准确性。
在一些实施例中,根据指纹特征信息,确定待检测指纹的真伪,包括:
S315、确定第三校准数据对应的亮区数据和/或暗区数据的量化特征信息,量化特征信息包括数据均值、数据方差、数据标准差以及梯度值中的至少一项;
S316、将量化特征信息输入至预先训练的决策树模型,得到用于指示待检测指纹为真指纹的得分;
S317、根据得分和预设指纹阈值的比较结果,确定待检测指纹的真伪。
具体的,在确定第三校准数据对应的亮区数据和/或暗区数据的量化特征信息时,可以从第三校准数据的暗区数据中选择第五子数据以及第六子数据,确定第五子数据的第五数据均值、数据方差、数据标准差,以及第六子数据的第六数据均值、数据方差、数据标准差,第五子数据与第六子数据位置不同;
例如,参考图14,在得到第三校准数据后,可以选择第三校准数据中与图14中C1位置相同的数据作为第五子数据,即第三校准数据中暗区数据的中心位置数据。另外,可以选择第三校准数据中与图14中L1、R1、U1、D1位置相同的数据作为第六子数据,即第三校准数据中暗区数据的边缘位置数据。
在选择第五子数据以及第六子数据后,分别计算对应的数据均值、数据方差、数据标准差。例如,第五子数据对应的第五数据均值avgcenter,方差varCenter等,以及第六子数据对应的第六数据均值avgL/avgR/avgU/avgD、方差varL/varR/varU/varD等。
此外,在确定第三校准数据对应的亮区数据和/或暗区数据的量化特征信息时,也可以从第三校准数据的亮区数据中选择第七子数据,确定第七子数据的第七数据均值、数据方差、数据标准差;
例如,参考图14,在得到第三校准数据后,可以选择第三校准数据中与图14中P11、P21、P31、P41位置相同的数据作为第七子数据。
在选择第七子数据后,分别计算对应的数据均值、数据方差、数据标准差。例如,第七子数据对应的第七数据均值avgPart1/avgPart2/avgPart3/avgPart4等。
另外,在得到第五数据均值、第六数据均值以及第七数据均值后,还可以基于第五数据均值、第六数据均值以及第七数据均值,确定第三校准数据中不同区域之间的梯度值,即四个方向从外围区域到中心区域的两段梯度。
例如,以P11的数据均值减去L1的数据均值,即可得到左侧的第一段梯度:Gra1=avgPart1-avgL;以L1的数据均值减去C1的数据均值,即可得到左侧的第二段梯度:GraL2=avgL-avgCenter。同理,可以得到其他方向的两段梯度。
可以理解,本实施例中,并不限定第六子数据、第七子数据的具体形状、具体位置以及具体数量。例如,图16和图17为本申请实施例中选择第六子数据、第七子数据的另两种示意图,第六子数据、第七子数据的具体位置可以进行调整,同样,具体形状以及具体数量也可以进行调整。
本实施例中,基于上述指纹特征信息,采用预先训练好的决策树模型进行打分,并根据得分和预设指纹阈值的比较结果,确定待检测指纹的真伪,从而可以准确识别真假指纹。
在一些实施例中,处理器也可以是通过分别对第一指纹数据以及第二指纹数据进行正则化处理,并获取第一校准数据以及第二校准数据的指纹数据的大小关系、指纹数据均值、指纹数据均值的差值、第一子数据中暗区数据与第二子数据中对应位置的指纹数据之间的差异度,以及,通过对第一指纹数据进行正则化处理,并获取第三校准数据对应的亮区数据和/或暗区数据的量化特征信息,然后,将上述指纹特征信息输入至预先训练的决策树模型,得到用于指示所述待检测指纹为真指纹的得分;根据所述得分和预设指纹阈值的比较结果,确定所述待检测指纹的真伪。
其中,上述处理步骤的具体过程可以参考前文的描述内容,在此不再赘述。本实施例通过结合多种指纹特征信息来进行打分判断,可以进一步提高指纹真伪识别结果的准确性。
应该理解的是,虽然上述实施例中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一些实施例中,提供一种指纹识别装置。图18为本申请实施例提供的指纹识别装置的示意图,如图18所示,该装置包括:
指纹数据获取模块100,用于在检测到手指在按压区域内的按压操作时,分别获取待检测指纹对应的第一指纹数据以及第二指纹数据,第一指纹数据为按压区域对应的发光单元部分发光时采集的数据,第二指纹数据为按压区域对应的发光单元全部发光时采集的数据;
特征信息确定模块200,用于根据第一指纹数据对应的亮区数据和暗区数据,以及第二指纹数据,确定指纹特征信息,亮区数据为处于发光状态的发光单元所在区域内的数据,暗区数据为处于熄灭状态的发光单元所在区域内的数据;
指纹真伪确定模块300,用于根据指纹特征信息,确定待检测指纹的真伪。
关于指纹识别装置的具体限定可以参见上文中对于指纹识别方法的限定,在此不再赘述。上述指纹识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本申请提供一种指纹识别装置,在单次按压过程中分别得到异形光斑对应的第一指纹数据以及正常光斑对应的第二指纹数据,进而得到与第一指纹数据对应的亮区数据和暗区数据以及第二指纹数据相关的指纹特征信息,由于第一指纹数据对应的亮区数据和暗区数据可以用于表征真手指与2.5D假指纹的差异,即真手指与2.5D假指纹所产生的透射光的量的差异,从而,基于指纹特征信息可以有效确定待检测指纹的真伪,提高对于2.5D假指纹的指纹识别结果的准确性。
在一些实施例中,提供一种电子设备,包括:存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述的指纹识别方法。
在上述终端设备中,存储器和处理器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以通过一条或者多条通信总线或信号线实现电性连接,如可以通过总线连接。存储器中存储有实现数据访问控制方法的计算机执行指令,包括至少一个可以软件或固件的形式存储于存储器中的软件功能模块,处理器通过运行存储在存储器内的软件程序以及模块,从而执行各种功能应用以及数据处理。
存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器用于存储程序,处理器在接收到执行指令后,执行程序。进一步地,上述存储器内的软件程序以及模块还可包括操作系统,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通信,从而提供其他软件组件的运行环境。
处理器可以是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在一些实施例中,提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现本申请各方法实施例的步骤。
在一些实施例中,提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本申请各方法实施例的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实践这里公开的申请后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (15)
1.一种指纹识别方法,其特征在于,包括:
在检测到手指在按压区域内的按压操作时,分别获取待检测指纹对应的第一指纹数据以及第二指纹数据,所述第一指纹数据为所述按压区域对应的发光单元部分发光时采集的数据,所述第二指纹数据为所述按压区域对应的发光单元全部发光时采集的数据;
根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定指纹特征信息,所述亮区数据为处于发光状态的发光单元所在区域内的数据,所述暗区数据为处于熄灭状态的发光单元所在区域内的数据;
根据所述指纹特征信息,确定所述待检测指纹的真伪。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定指纹特征信息,包括:
根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定校准数据;
根据所述校准数据,确定指纹特征信息。
3.根据权利要求2所述的方法,其特征在于,所述校准数据包括第一指纹数据对应的第一校准数据和所述第二指纹数据对应的第二校准数据;
所述根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定校准数据,包括:
通过第一类预设数据集合对所述第一指纹数据对应的亮区数据和暗区数据进行正则化处理,得到所述第一校准数据,其中,所述第一类预设数据集合为在所述发光单元部分发光时获取的、并用于标定在按压过程中发光单元部分发光时采集得到的指纹数据的数据集合;
通过第二类预设数据集合对所述第二指纹数据进行正则化处理,得到所述第二校准数据,其中,所述第一类预设数据集合为在所述发光单元全部发光时获取的、并用于标定在按压过程中发光单元全部发光时采集得到的指纹数据的数据集合。
4.根据权利要求3所述的方法,其特征在于,所述指纹特征信息包括指纹数据的重复度以及指纹数据之间的大小关系;
所述根据所述校准数据,确定指纹特征信息,包括:
从所述第一校准数据中选择第一子数据,所述第一子数据为包含亮区数据以及暗区数据的行数据,和/或,所述第一子数据为包含亮区数据以及暗区数据的列数据;
从所述第二校准数据中选择第二子数据,所述第二子数据在所述第二指纹数据中的位置与所述第一子数据在所述第一指纹数据中的位置相同;
确定所述第一子数据中的亮区数据与所述第二子数据中对应位置的指纹数据的重复度;
确定所述第一子数据中暗区数据小于所述第二子数据中对应位置的指纹数据的数据量,所述数据量用于表征所述第一子数据与所述第二子数据之间的大小关系。
5.根据权利要求4所述的方法,其特征在于,所述根据所述指纹特征信息,确定所述待检测指纹的真伪,包括:
根据所述第一子数据中的亮区数据,与所述第二子数据中对应位置的指纹数据的重复度,确定所述第一子数据以及所述第二子数据是否均有效;
在确定所述第一子数据以及所述第二子数据均有效时,若所述第一子数据中暗区数据小于所述第二子数据中对应位置的指纹数据的数据量达到第一预设阈值,则确定所述待检测指纹为真指纹。
6.根据权利要求5所述的方法,其特征在于,根据所述第一子数据中的亮区数据,与所述第二子数据中对应位置的指纹数据的重复度,确定所述第一子数据以及所述第二子数据是否均有效,包括:
若所述第一子数据中亮区数据等于所述第二子数据中对应位置的指纹数据的数据量达到第二预设阈值,则确定所述第一子数据与所述第二子数据均有效。
7.根据权利要求3所述的方法,其特征在于,所述指纹特征信息包括指纹数据的大小关系、指纹数据均值、指纹数据均值的差值、第一子数据中暗区数据与第二子数据中对应位置的指纹数据之间的差异度;
所述根据所述校准数据,确定指纹特征信息,包括:
从所述第一校准数据中选择第一子数据,所述第一子数据为包括所述亮区数据和所述暗区数据的行数据,和/或,所述第一子数据为所述亮区数据和所述暗区数据的列数据;
从所述第二校准数据中选择第二子数据,所述第二子数据在所述第二指纹数据中的位置与所述第一子数据在所述第一指纹数据中的位置相同;
确定所述第一子数据中暗区数据小于所述第二子数据中对应位置的指纹数据的数据量;
确定所述第一子数据中暗区数据的第一数据均值、所述第二子数据中对应位置的数据的第二数据均值、以及所述第一数据均值与所述第二数据均值的差值;
确定所述第一子数据中的每个暗区数据与所述第二子数据中对应位置的指纹数据的差值,并确定每个差值的绝对值的总和,所述总和用于表征所述第一子数据与所述第二子数据的差异度。
8.根据权利要求2所述的方法,其特征在于,所述校准数据包括第一指纹数据对应的第三校准数据;
所述根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定校准数据,包括:
从所述第一指纹数据对应的亮区数据中选择第三子数据,确定所述第三子数据的第三数据均值;
从所述第二指纹数据中选择第四子数据,确定所述第四子数据的第四数据均值,所述第四子数据在所述第二指纹数据中的位置与所述第三子数据在所述第一指纹数据中的位置对应相同;
确定所述第三数据均值与所述第四数据均值的比值;
基于所述第一指纹数据的亮区数据和暗区数据、所述第二指纹数据以及所述比值,对所述第一指纹数据进行正则化处理,得到所述第三校准数据。
9.根据权利要求8所述的方法,其特征在于,所述指纹特征信息包括量化特征信息;
所述根据所述校准数据,确定指纹特征信息,包括:
确定所述第三校准数据对应的亮区数据和/或暗区数据的量化特征信息,所述量化特征信息包括数据均值、数据方差、数据标准差以及梯度值中的至少一项。
10.根据权利要求7所述的方法,其特征在于,所述校准数据还包括第一指纹数据对应的第三校准数据;
所述根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定校准数据,还包括:
从所述第一指纹数据对应的亮区数据中选择第三子数据,确定所述第三子数据的第三数据均值;
从所述第二指纹数据中选择第四子数据,确定所述第四子数据的第四数据均值,所述第四子数据在所述第二指纹数据中的位置与所述第三子数据在所述第一指纹数据中的位置对应相同;
确定所述第三数据均值与所述第四数据均值的比值;
基于所述第一指纹数据的亮区数据和暗区数据、所述第二指纹数据以及所述比值,对所述第一指纹数据进行正则化处理,得到所述第三校准数据。
11.根据权利要求10所述的方法,其特征在于,所述指纹特征信息还包括量化特征信息;
所述根据所述校准数据,确定指纹特征信息,还包括:
确定所述第三校准数据对应的亮区数据和/或暗区数据的量化特征信息,所述量化特征信息包括数据均值、数据方差、数据标准差以及梯度值中的至少一项。
12.根据权利要求7或9或11任一项所述的方法,其特征在于,所述根据所述指纹特征信息,确定所述待检测指纹的真伪,包括:
将所述指纹特征信息输入至预先训练的决策树模型,得到用于指示所述待检测指纹为真指纹的得分;
根据所述得分和预设指纹阈值的比较结果,确定所述待检测指纹的真伪。
13.一种指纹识别装置,其特征在于,包括:
指纹数据获取模块,用于在检测到手指在按压区域内的按压操作时,分别获取待检测指纹对应的第一指纹数据以及第二指纹数据,所述第一指纹数据为所述按压区域对应的发光单元部分发光时采集的数据,所述第二指纹数据为所述按压区域对应的发光单元全部发光时采集的数据;
特征信息确定模块,用于根据所述第一指纹数据对应的亮区数据和暗区数据,以及所述第二指纹数据,确定指纹特征信息,所述亮区数据为处于发光状态的发光单元所在区域内的数据,所述暗区数据为处于熄灭状态的发光单元所在区域内的数据;
指纹真伪确定模块,用于根据所述指纹特征信息,确定所述待检测指纹的真伪。
14.一种电子设备,其特征在于,包括:存储器,处理器及存储在所述存储器上并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程序时实现上述如权利要求1-12任一项所述的指纹识别方法。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现上述如权利要求1-12任一项所述的指纹识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110559386.XA CN113177516A (zh) | 2021-05-21 | 2021-05-21 | 指纹识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110559386.XA CN113177516A (zh) | 2021-05-21 | 2021-05-21 | 指纹识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113177516A true CN113177516A (zh) | 2021-07-27 |
Family
ID=76929651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110559386.XA Pending CN113177516A (zh) | 2021-05-21 | 2021-05-21 | 指纹识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113177516A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11798314B1 (en) | 2022-06-21 | 2023-10-24 | Novatek Microelectronics Corp. | Fingerprint identification method and apparatus |
US11803624B2 (en) | 2021-07-23 | 2023-10-31 | Samsung Electronics Co., Ltd. | Electronic device and method for acquiring fingerprint information thereof |
-
2021
- 2021-05-21 CN CN202110559386.XA patent/CN113177516A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11803624B2 (en) | 2021-07-23 | 2023-10-31 | Samsung Electronics Co., Ltd. | Electronic device and method for acquiring fingerprint information thereof |
US11798314B1 (en) | 2022-06-21 | 2023-10-24 | Novatek Microelectronics Corp. | Fingerprint identification method and apparatus |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113177516A (zh) | 指纹识别方法、装置、电子设备及存储介质 | |
US20180182039A1 (en) | Method, system, apparatus, and storage medium for realizing antifraud in insurance claim based on consistency of multiple images | |
RU2412553C2 (ru) | Аутентификация документов путем сличения с эталоном с быстрой масочной нормированной кросс-корреляцией | |
CN106952393B (zh) | 纸币识别方法和装置、电子设备和存储介质 | |
US20210150182A1 (en) | Cloud detection from satellite imagery | |
CN111723815B (zh) | 模型训练方法、图像处理方法、装置、计算机系统和介质 | |
CN111144372A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
CN112651333B (zh) | 静默活体检测方法、装置、终端设备和存储介质 | |
US11450143B2 (en) | Real/fake fingerprint recognition device, method, and non-transitory computer readable storage medium | |
CN111274906A (zh) | 指纹防伪方法及装置 | |
CN113514467A (zh) | 利用可变扩散板的光学系统 | |
AU2021104243A4 (en) | Method of Pedestrian detection based on multi-layer feature fusion | |
CN112115917B (zh) | 指纹识别方法、指纹识别装置、电子设备及存储介质 | |
CN117558011B (zh) | 基于自一致性矩阵和多尺度损失的图像文本篡改检测方法 | |
CN114298345A (zh) | 回收估价输出模型训练方法及回收估价输出方法 | |
CN114724258A (zh) | 活体检测方法、装置、存储介质及计算机设备 | |
CN110728680A (zh) | 行车记录仪检测方法、装置、计算机设备和存储介质 | |
CN110544424A (zh) | 具有检测标识的随机纹理防伪标识结构 | |
CN113435219A (zh) | 防伪检测方法、装置、电子设备及存储介质 | |
WO2022241792A1 (zh) | 指纹识别方法、装置、电子设备及存储介质 | |
CN116912881A (zh) | 一种动物物种识别方法、计算机设备以及识别系统 | |
KR100837244B1 (ko) | 자동차 번호판의 영상 인식 시스템 및 그 방법 | |
CN116168377A (zh) | 车牌识别方法、装置、计算机设备以及存储介质 | |
CN114067401A (zh) | 目标检测模型的训练及身份验证方法和装置 | |
CN113674215A (zh) | 光伏板的光斑识别方法、装置及计算机可读存储介质 |
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 |