CN113228037A - 创建虹膜标识以减少生物特征识别系统的搜索空间 - Google Patents
创建虹膜标识以减少生物特征识别系统的搜索空间 Download PDFInfo
- Publication number
- CN113228037A CN113228037A CN201980083491.1A CN201980083491A CN113228037A CN 113228037 A CN113228037 A CN 113228037A CN 201980083491 A CN201980083491 A CN 201980083491A CN 113228037 A CN113228037 A CN 113228037A
- Authority
- CN
- China
- Prior art keywords
- index
- image
- iris
- generating
- biometric information
- 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
- 238000000034 method Methods 0.000 claims abstract description 81
- 230000015654 memory Effects 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 21
- 230000001815 facial effect Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 description 31
- 238000004891 communication Methods 0.000 description 19
- 238000004590 computer program Methods 0.000 description 8
- 238000005286 illumination Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000002834 transmittance Methods 0.000 description 4
- 235000013305 food Nutrition 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000006641 stabilisation Effects 0.000 description 3
- 238000011105 stabilization Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001179 pupillary effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V40/18—Eye characteristics, e.g. of the iris
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- 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
- G06V40/193—Preprocessing; Feature extraction
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本文描述的技术可以实施在用于生成虹膜标识的方法中。所述方法包括:获得虹膜的多个图像,以及为所述虹膜的多个图像中的每个图像生成二进制代码,所述二进制代码包括位序列。所述方法还包括:识别位值和位的位置在所述多个二进制代码中相同的第一位模式,基于所述第一位模式生成第一索引,然后根据数据库管理系统将所述第一索引存储在存储设备上。所述第一索引链接至对应用户的不同模态的生物特征信息。
Description
技术领域
本公开涉及生物特征认证系统。
背景技术
结合诸如虹膜识别之类的生物特征识别技术的系统从用户获取信息并处理此类信息以使用生物特征识别技术来认证用户。
发明内容
在一个方面中,本文提供一种用于生成虹膜标识的方法。所述方法包括:获得虹膜的多个图像;以及为所述虹膜的多个图像中的每个图像生成二进制代码,所述二进制代码包括位序列。所述方法还包括:识别位值和位的位置在多个所述二进制代码之间相同的第一位模式;基于所述第一位模式生成第一索引;以及根据数据库管理系统将所述第一索引存储在存储设备上。所述第一索引链接到对应用户的不同模式的生物特征信息。
在另一方面中,本文提供一种系统,其包括:至少一个处理设备;以及存储器,通信地耦接到所述至少一个处理设备。所述存储器存储有指令,所述指令在被执行时使所述至少一个处理设备执行操作,所述操作包括:获得虹膜的多个图像;以及为所述虹膜的多个图像中的每个图像生成二进制代码,所述二进制代码包括位序列。所述操作还包括:识别位值和位的位置在多个所述二进制代码之间相同的第一位模式;以及基于所述第一位模式生成第一索引。所述操作哈包括:根据数据库管理系统将所述第一索引存储在存储设备上,所述第一索引链接到对应用户的不同模式的生物特征信息。
在另一方面中,本文提供一种非暂时性计算机可读介质,其上编码有用于使一个或多个处理设备执行操作的计算机可读指令,所述操作包括:获得虹膜的多个图像;以及为所述虹膜的多个图像中的每个图像生成二进制代码,所述二进制代码包括位序列。所述操作还包括:识别位值和位的位置在多个所述二进制代码之间相同的第一位模式;以及基于所述第一位模式生成第一索引。所述操作还包括:根据数据库管理系统将所述第一索引存储在存储设备上,所述第一索引链接到对应用户的不同模式的生物特征信息。
上述方面的实施方式可以包括以下一个或多个特征。获得所述虹膜的多个图像可以包括:拍摄所述虹膜的第一图像,然后通过使用模拟不同图像拍摄条件的多个不同滤波器处理所述第一图像来生成所述多个图像。生成所述二进制代码可以包括:使用Gabor滤波器对所述图像进行滤波。生成所述索引可以包括:将所述第一位模式与对应于所述位模式的位置信息结合在一起。所述不同模态的生物特征信息可以包括面部图像、指纹图像或眼印图像之一。
上述方法或操作还可以包括认证用户的步骤。所述方法或操作可以包括:从试图访问安全系统的用户拍摄至少一个虹膜图像;以及从所述至少一个虹膜图像生成多个二进制代码。所述方法或操作还可以包括:识别位值和位的位置在从所述至少一个虹膜图像生成的多个二进制代码之间相同的所述二进制代码中第二位模式;基于所述第二位模式生成第二索引;确定所述第二索引与所述第一索引基本相似;以及响应地,检索链接至所述第一索引的所述不同模态的生物特征信息。所述方法或操作还包括:从所述试图访问安全系统的用户获得所述不同模态的生物特征信息;以及响应于确定从所述试图访问安全系统的用户获得的生物特征信息与链接至所述第一索引的所述不同模态的生物特征信息基本相同,授权访问所述安全系统。
本文所述的各种实施方式可以提供以下一个或多个优点。基于与虹膜相关联的二进制代码创建虹膜标识可以显著减少安全设备必须处理以认证用户的数据量。这对于具有有限的处理/通信/存储资源的安全设备尤其有利。这种系统可以通过提高认证的速度和准确性以及向附加生物特征认证方法添加安全层来改善用户体验。其他优点包括减少不同生物特征模态中的搜索空间而不存储虹膜图像,这在某些司法管辖区由于监管原因可能被禁止。
附图说明
图1示出了作为示例环境的一体机,在该示例环境中可以使用本文描述的技术。
图2A示出了使用本文描述的技术获取的眼睛图像的示例。
图2B示出了从图2A的眼睛图像提取的虹膜的展开图像的示例。
图2C示出了来自图2B的虹膜的二进制化图像的示例。
图3是用于生成虹膜标识的示例处理的图示。
图4是用于创建虹膜标识以减少生物特征认证系统的搜索空间的示例处理的流程图。
图5是表示计算设备的示例的框图。
在本说明书和附图中重复使用附图标记旨在表示相同或类似的特征或元件。
具体实施方式
本文描述了从虹膜图像创建虹膜标识以减少生物特征认证系统的搜索空间的技术。各种生物识别/验证系统基于从用户收集或获取信息,例如虹膜图像,然后将其与先前在注册过程中存储的模板信息进行比较。例如,使用面部识别的生物特征认证系统可能要求注册用户在注册过程中拍摄其面部或眼睛的一个或多个图像。在注册过程中获取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。在运行时,可以获取用户的虹膜图像并将其与先前存储的多个用户的模板图像进行比较,以找到匹配的图片并确定用户是否可以被认证。生物特征认证系统的存储器或存储设备通常存储非常大的图库,其存储数百、数千、数万、数百万甚至更多不同用户的图像。为了对用户进行认证,生物特征认证系统通常将用户的运行时图像与多个(如果不是全部)存储的图像进行比较,以找到匹配的图像。这样的图库大小或搜索空间可减慢认证过程,并且可能需要大量的计算资源,这转化为高功耗。
人类虹膜是位于中央瞳孔区和白色巩膜区之间的环形结构。虹膜具有复杂的纤维状结构,可以对其进行二进制化和编码以生成可用于生物特征认证技术的模板。虽然部分虹膜在时间和成像条件下保持稳定并因此可以可靠用于生物特征认证中,但在某些司法管辖区,虹膜代码作为模板的存储可能受到高度监管。本文所描述的技术利用识别人类虹膜中的稳定部分,并且使用与这些部分相对应的代码作为其他模态(modality)的生物特征信息的索引。例如,与虹膜的这些稳定部分相对应的代码(也被称为“稳定位”)可以在注册过程期间链接到相应用户的不同模态的生物特征信息(例如,面部图像)。在运行时,可以处理用户的虹膜图像来识别稳定位以生成索引,该索引进而可用于检索链接到同一索引的其他生物特征模板(例如,模板面部图像)。由于链接到同一索引的候选模板的数量可能显著小于整个搜索空间中的模板数量,因此使用虹膜的稳定位的索引过程可以提高生物特征认证系统的性能,例如,通过允许更快地识别用户身份。
在一个示例应用中,在注册过程中,诸如安全设备(例如,一体机)或移动设备之类的计算设备使用图像传感器来获取用户的多个虹膜图像。计算设备在对虹膜图像展开和滤波之后,为每个虹膜图像生成二进制代码。每个二进制代码基于虹膜的相应图像的像素并且包括位序列。计算设备通过识别在多个二进制代码的全部或部分中对应位序列中的值和位置相同的位模式,从所述位序列识别“稳定位”。计算设备基于所述位模式生成虹膜标识,并将链接到用户的虹膜标识存储在存储设备中,使得虹膜标识可由生物特征认证系统使用。例如,在运行时,当用户尝试访问安全设备时,该安全设备使用图像传感器来获取用户的多个虹膜图像,并为每个虹膜图像生成二进制代码,类似于注册过程期间使用的方法。在注册过程期间,安全设备识别稳定位,基于稳定位生成标识,并使用数据库管理系统从存储设备检索链接到基本相同标识的一个或多个候选用户的标识。然后,安全设备可以将该人识别为候选用户之一。这样的验证系统可以显著减少安全设备必须处理以认证用户的数据量。这对于具有有限的处理/通信/存储资源的安全设备尤其有利。这种系统可以通过提高认证的速度和准确性以及向附加生物特征认证方法添加安全层来改善用户体验。此外,该技术还可用于减少不同生物特征模态中的搜索空间而不存储虹膜图像,这在某些司法管辖区可能因监管原因而被禁止。
图1A示出了作为示例环境的一体机100,其中,可以使用本文描述的技术。这种一体机可用于需要通过一个或多个生物特征认证过程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可以部署在餐馆或快餐店,并允许用户对食物进行订购和支付。一体机100也可以部署在入口点(例如,在竞技场或体育场的门口),以在进入场馆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或者甚至在没有用户的任何积极参与的情况下对用户进行认证。另外,如下面关于图1B更详细地描述的,本文描述的技术可以部署在使用生物特征认证的不同环境,例如租赁自行车或踏板车、车门或房门。
一体机100包括一个或多个支持生物特征认证系统的组件。例如,一体机100可以包括一个或多个照明源115和相机105,相机105拍摄与一体机100交互的用户的图像。照明源115可以包括高强度照明源(例如,LED光),其照亮用户以允许相机拍摄虹膜的高质量图像。在一些实施方式中,所述照明源可以包括在IR或近IR波长范围内产生电磁辐射的红外(IR)照明源,并且所述相机可以被配置为拍摄反射红外光的物体的图像。拍摄的图像可被处理以识别/认证有效用户,和/或允许或拒绝对通过一体机提供的服务/产品的访问。例如,一体机100可以包括允许用户在零售店选择和订购食品的显示设备110(例如,电容式触摸屏)。一旦用户经由显示设备110上呈现的用户界面完成选择,就可以要求用户注视相机105以进行认证。然后,可以将使用相机105拍摄的图像用于验证/识别用户的预存储的简档,并且随后可以从链接到简档的账户中自动扣除对食物的支付。
在一些实施方式中,可以使用底层生物特征认证系统来处理使用相机105拍摄的图像,以识别/认证用户。在一些实施方式中,生物特征认证系统可从图像提取各种特征,例如来自面部、虹膜、眼膜下的脉管系统的特征、或眼周区域,用于基于将提取的特征与注册过程期间为用户存储的一个或多个模板图像的特征匹配来识别/认证特定用户。生物特征认证系统可以使用机器学习过程(例如,使用深度神经网络架构实现的深度学习过程),以将用户与为系统的各种用户存储的多个模板中的一个匹配。在一些实施方式中,机器学习过程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。在一些实施方式中,一体机100可以与实现机器学习过程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。
参考图2A至图2C,用于生成虹膜标识的示例过程包括拍摄虹膜的图像并对其进行二进制化以从中生成代码。例如,图2A示出在注册过程期间拍摄的多个图像中的一个图像200。在一些示例中,可以通过用户与相应设备的多个会话或交互来拍摄多个图像。在一些实施方式中,可以使用不同的滤波器来处理虹膜图像以模拟各种图像拍摄条件。在图2A中,图像200是为注册用户拍摄的眼睛的图片。图像200可以是IR图像或在足够的照明下拍摄的图像,以拍摄虹膜205的详细图像。图2B示出虹膜的展开图像。例如,安全设备的计算设备(例如,处理设备)可以从图像200剪切并提取环形虹膜205的一部分,以展开为矩形图像210。在一些实施方式中,可以使用多个展开的虹膜图像来生成在多个图像之间具有相同尺寸的相应二进制代码(例如,相同长度或相同长度×宽度)。在一些实施方式中,经展开的图像210可以在二进制化之前进行滤波以生成虹膜代码(IrisCode)。可以使用的滤波器包括例如加博(Gabor)滤波器、基于小波的滤波器和基于离散余弦变换(DCT)的滤波器。如图2C所示,经滤波的图像可以二进制化以生成二值图像220,该二值图像220随后用于生成虹膜代码。在一些实施方式中,在生成二值图像的过程中,可以对虹膜图像执行诸如分割、阈值化或抖动之类的一种或多种图像处理技术。
二值图像220可被用于生成相应的虹膜代码。例如,生成的二进制代码中的每一位可以与二进制图像的特定像素值相关联。二进制代码包括位序列或位阵列,可以对其进行分析或者将其与基于虹膜的其他拍摄图像生成的其他二进制代码进行比较,以识别“稳定位”。例如,如图3所示,从同一用户的三个不同虹膜图像提取三个不同的二进制代码300(为了简单起见,每个代码包含18位)。每个代码都是不同的,因为每个拍摄图像的像素取决于照明条件、噪声等而随着图片的不同而变化。然后,将这三个代码相互比较,以识别在所有三个二进制代码300中相应位序列中的值和位置相同的位模式。如图3所示,来自二进制代码的多个位形成在二进制代码中具有相同值和位置的位的“组”305。这些组中的位在本文中称为稳定位。在一些实施方式中,关于这些组305的稳定位的信息与这些组的位置信息可被组合以生成单个代码310(例如,稳定位的集群),其可被用作与对应于同一用户的另一模态的生物特征信息相关联的索引。数据库管理系统(未示出)可以为多个其他用户存储链接到关于另一生物特征模态的信息的这种索引,其中,每个索引是为相应的用户生成的。虽然虹膜代码在其整体上对用户来说是唯一的,但是从与稳定位相对应的较短代码中导出的表示通常不是唯一的。因此,可以将基于这种稳定位形成的基本相似或相等的索引分组或聚集在一起以形成减小的搜索空间(相比于另一生物特征模态的模板的完整搜索空间,生物特征认证系统可以使用该搜索空间来搜索匹配模板。
在一些示例中,基于识别稳定位生成的每个索引可以与另一模态的模板(例如,面部图像、指纹图像、眼印图像等)相关联。在运行时,可以通过从多个虹膜图像识别稳定位来生成索引,并且该索引可以被用于检索链接到数据库中同一索引的多个模板图像。将检索到的模板图像与在认证过程中拍摄的用户的运行时图像(另一模态的图像)进行比较。由于检索到的链接到特定索引的模板图像的数目可以显著小于模板的总数目,因此本文描述的技术可以通过减少搜索空间来提高认证过程的速度。在一些实施方式中,可以随时间拍摄虹膜的多个图像(例如,当用户继续与安全设备交互时)以进行迭代处理和更新,从而通过向虹膜标识添加更多稳定位的“层”来“加强”用户的索引。在一些实施方式中,如本文所描述的技术所促进的搜索空间减小的优点可以使用诸如透过率(penetration rate)和命中率(hit rate)之类的度量来量化。透过率表示为了找到匹配而搜索的总图像的部分。命中率表示在该透过率中找到正确匹配模板的次数百分比。在一些实施方式中,本文描述的技术可以帮助降低透过率和/或增加命中率,从而提高整个搜索过程的效率。
图4是用于生成虹膜模板的示例处理400的流程图。该方法包括获得虹膜的多个图像(402)。可以通过使用诸如相机的传感器之类的图像传感器拍摄虹膜的图像来获得图像。在用户与计算设备(例如,电话或一体机)的一次交互或者多次交互中可以拍摄多个图像。该处理还包括为虹膜的多个图像中的每一个生成二进制代码,该二进制代码包括位序列(404)。在一些示例中,可以通过首先对虹膜图像进行展开、然后对展开的虹膜图像进行滤波来生成二进制代码。可以使用Gabor滤波器对图像进行滤波。可以对经滤波的图像进行二进制化以生成图像的二进制代码。在某些情况下,可以通过对同一图像使用不同的滤波器来生成单独的代码,以模拟各种图像拍摄条件。该方法还包括识别在多个二进制代码中位值和位的位置相同的第一位模式(406)。在一些示例中,形成第一位模式的位被认为是稳定位。稳定位还可以包括在虹膜的所有或多个图像上始终高于像素强度或值的阈值的位。处理400还包括以下步骤:基于第一位模式生成第一索引的(408),然后根据数据库管理系统将第一索引存储在存储设备上,第一索引链接到对应用户的不同模态的生物特征信息(410)。生成索引可以包括将第一位模式与对应于该位模式的位置信息组合在一起。不同模态的生物特征信息可以包括面部图像、指纹图像或眼印图像中的一个。
在存储了第一索引之后,识别或认证用户的处理可以包括以下步骤:从试图访问安全系统的用户拍摄至少一个虹膜图像并从该至少一个虹膜图像生成多个二进制代码。该处理可以包括:识别二进制代码中的第二位模式,其中位值和位的位置在从至少一个虹膜图像生成的多个二进制代码中是相同的,以及基于第二位模式生成第二索引。该方法可以包括:确定第二索引与第一索引基本相似,以及响应地检索链接至第一索引的不同模态的生物特征信息。该方法可以包括:从试图访问安全系统的用户获取不同模态的生物特征信息,然后响应于确定从试图访问安全系统的用户获得的生物特征信息与链接到第一索引的不同模态的生物特征信息基本相同而授权对安全系统的访问。
图5示出了可与此处描述的技术一起使用的计算设备500和移动设备550的示例。例如,参照图1,一体机100可以部分或全部包括计算设备500或移动设备550中的一个或多个。计算设备500旨在表示各种形式的数字计算机,例如笔记本电脑、台式机、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。计算设备550旨在表示各种形式的移动设备,例如个人数字助理、蜂窝电话、智能手机和其他类似计算设备。此处所示的组件、它们的连接和关系及其功能仅是示例,不意味着限制本文中描述和/或声明的技术的实施方式。
计算设备500包括处理器502、存储器504、存储设备506、连接到存储器504和高速扩展端口510的高速接口508、连接到低速总线514和存储设备506的低速接口512。每个组件502、504、506、508、510和512使用各种总线互连,并可安装在公共主板上或以其他方式(视情况而定)安装。处理器502可以处理用于在计算设备500内执行的指令,包括存储在存储器504中或存储设备506上的指令,以在外部输入/输出设备(例如,耦接到高速接口508的显示器516)显示GUI的图形信息。在其他实施方式中,可视情况而使用多个处理器和/或多个总线以及多个存储器和多个类型的存储器。此外,可以连接多个计算设备500,每个设备提供所需操作的部分(例如,作为服务器组、刀锋型服务器组或多处理器系统)。
存储器504在计算设备500内存储信息。在一个实施方式中,存储器504是易失性存储器单元。在另一个实施方式中,存储器504是非易失性存储器单元。存储器504还可以是另一形式的计算机可读介质,例如磁盘或光盘。
存储设备506能够为计算设备500提供大容量存储。在一个实施方式中,存储设备506可以是或包含计算机可读介质,例如软盘设备、硬盘设备、光盘设备或磁带设备、闪存或其他类似固态存储设备、或设备阵列,包括存储区域网络或其他配置中的设备。计算机程序产品可有形地体现在信息载体中。计算机程序产品还可包含在执行时执行一个或多个方法(例如,上述方法)的指令。信息载体是计算机或机器可读介质,例如存储器504、存储设备506、处理器502上的存储器或传播信号。
高速控制器508管理计算设备500的带宽密集型操作,而低速控制器512管理较低带宽密集型操作。这种功能分配仅为示例。在一个实施方式中,高速控制器508耦接到存储器504、显示器516(例如,通过图形处理器或加速器)和高速扩展端口510,高速扩展端口510可以接受各种扩展卡(未示出)。在该实施方式中,低速控制器512耦接到存储设备506和低速扩展端口514。低速扩展端口可包括各种通信端口(例如,USB、蓝牙、以太网、无线以太网),其可以耦接到一个或多个输入/输出设备,例如,键盘、定点设备、扫描器、或者诸如交换机或路由器之类的联网设备(例如,通过网络适配器)。
如图所示,计算设备500可以以多种不同的形式实现。例如,它可以实现为标准服务器520,或者在一组这样的服务器中多次实现。它也可以实现为机架服务器系统524的一部分。此外,它可以实现在诸如膝上型计算机522的个人计算机中。或者,计算设备500的组件可以与移动设备(未示出)中的其他组件组合,每个这样的设备可以包含计算设备500、550中的一个或多个,并且整个系统可以由相互通信的多个计算设备500、550组成。
计算设备550包括处理器552、存储器564、诸如显示器554的输入/输出设备、通信接口566和收发机568等组件。设备550还可以配备有存储设备,例如微驱动器或其他设备,以提供附加存储。组件550、552、564、554、566和568中的每一个使用各种总线互连,并且多个所述组件可以适当地安装在公共主板上或以其他方式安装。
处理器552可以执行计算设备550内的指令,包括存储在存储器564中的指令。处理器可以实现为芯片组,所述芯片组包括单独的多个模拟和数字处理器。例如,处理器可以提供设备550的其他组件的协调,例如,对用户接口、设备550运行的应用程序以及设备550的无线通信的控制。
处理器552可通过耦接到显示器554的控制接口558和显示接口556与用户通信。显示器554可为例如TFT-LCD(薄膜晶体管液晶显示器)或OLED(有机发光二极管)显示器或其它适当的显示技术。显示接口556可以包括用于驱动显示器554以向用户呈现图形和其他信息的适当电路。控制接口558可以接收来自用户的命令并将其转换以提交给处理器552。此外,可以提供与处理器552通信的外部接口562,以使设备550能够与其他设备进行近区通信。例如,外部接口562可以在一些实施方式中提供有线通信,或者在其他实施方式中提供无线通信,并且还可以使用多个接口。
存储器564在计算设备550内存储信息。存储器564可以实现为计算机可读介质、易失性存储器单元或非易失性存储器单元中的一个或多个。扩展存储器574还可以被提供并通过扩展接口572连接到设备550,扩展接口572可以包括例如SIMM(单列直插存储器模块)卡接口。这种扩展存储器574可以为设备550提供附加存储空间,或者还可以为设备550存储应用程序或其他信息。具体地,扩展存储器574可以包括执行或补充上述处理的指令,并且还可以包括安全信息。因此,例如,扩展存储器574可以作为设备550的安全模块来提供,并且可以利用允许设备550的安全使用的指令来编程。此外,可以通过SIMM卡以及附加信息来提供安全应用程序,例如,以不可破解的方式在SIMM卡上放置识别信息。
存储器可包括例如闪存和/或NVRAM存储器,如下所述。在一个实施方式中,计算机程序产品有形地实现在信息载体中。计算机程序产品包含在执行时执行一个或多个方法(例如,上述方法)的指令。信息载体是计算机或机器可读介质,例如,存储器564、扩展存储器574、处理器552上的存储器,或者可以例如通过收发器568或外部接口562接收的传播信号。
设备550可通过通信接口566进行无线通信,根据需要,通信接口566可包括数字信号处理电路。通信接口566可提供各种模式或协议下的通信,例如GSM语音呼叫、SMS、EMS或MMS消息收发、CDMA、TDMA、PDC、WCDMA、CDMA2000或GPRS等。这种通信可以例如通过射频收发器568发生。此外,可以进行短距离通信,例如,使用蓝牙、WiFi或其他这种收发器(未示出)。另外,GPS(全球定位系统)接收器模块570可以向设备550提供附加导航和位置相关的无线数据,设备550上运行的应用程序可以适当地使用这些数据。
设备550还可以使用音频编解码器560进行音频通信,音频编解码器560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560同样可以例如通过扬声器(例如,在设备550的手持设备中)为用户生成可听见的声音。这种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设备550上操作的应用程序生成的声音。
如图所示,计算设备550可以多种不同形式实现。例如,它可以实现为蜂窝电话580。它也可以实现为智能手机582、个人数字助理、平板电脑或其他类似移动设备的一部分。
这里描述的系统和技术的各种实施方式可以在数字电子电路、集成电路、专门设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或其组合中实现。这些各种实施方式可以包括在可编程系统上可执行和/或可解释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,其可以是专用的或通用的,耦接以从存储系统接收数据和指令以及将数据和指令传输到存储系统;至少一个输入设备;以及至少一个输出设备。
这些计算机程序(也称为程序、软件、软件应用程序或代码)包括可编程处理器的机器指令,并且可以利用高级程序和/或面向对象的编程语言和/或汇编/机器语言来实现。如本文所使用的,术语“机器可读介质”“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、可编程逻辑器件(PLD)),包括接收机器指令的机器可读介质。
为了提供与用户的交互,这里描述的系统和技术可以实现在计算机上,该计算机具有用于向用户显示信息的显示设备(例如,CRT(阴极射线管)或LCD(液晶显示器)监视器)以及键盘和指向设备(例如,鼠标或轨迹球),用户可以通过这些设备向计算机提供输入。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觉反馈(例如,视觉反馈、听觉反馈或触觉反馈)。来自用户的输入可以以任何形式接收,包括声学、语音或触觉输入。
这里描述的系统和技术可以实现在计算系统中,该计算系统包括后端组件(例如,作为数据服务器)、或包括中间件组件(例如,应用服务器)、或包括前端组件(例如,客户端计算机,具有图形用户界面或网络浏览器,用户可通过该用户界面或网络浏览器与本文所述的系统和技术的实施方式进行交互)、或这些后端、中间或前端组件的任何组合。所述系统的组件可以通过数字数据通信的任何形式或媒介(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”)、广域网(“WAN”)和互联网。
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进行交互。客户端和服务器的关系是由于在各自的计算机上运行的计算机程序以及彼此具有客户端-服务器关系而产生的。
尽管上面已经详细描述了一些实施方式,但是可以在不脱离本文所述发明构思的范围的情况下进行其他修改,因此其他实施方式在所附权利要求的范围内。
Claims (18)
1.一种用于生成虹膜标识的方法,所述方法包括:
获得虹膜的多个图像;
为所述虹膜的多个图像中的每个图像生成二进制代码,所述二进制代码包括位序列;
识别位值和位的位置在多个所述二进制代码之间相同的第一位模式;
基于所述第一位模式生成第一索引;以及
根据数据库管理系统将所述第一索引存储在存储设备上,所述第一索引链接到对应用户的不同模式的生物特征信息。
2.根据权利要求1所述的方法,其中,获得所述虹膜的多个图像包括:
拍摄所述虹膜的第一图像;以及
通过使用模拟不同图像拍摄条件的多个不同滤波器处理所述第一图像来生成所述多个图像。
3.根据权利要求1所述的方法,其中,生成所述二进制代码包括:
使用Gabor滤波器对所述图像进行滤波。
4.根据权利要求1所述的方法,其中,生成所述索引包括:
将所述第一位模式与对应于所述位模式的位置信息结合在一起。
5.根据权利要求1所述的方法,其中,所述不同模态的生物特征信息包括面部图像、指纹图像或眼印图像之一。
6.根据权利要求1所述的方法,还包括:
从试图访问安全系统的用户拍摄至少一个虹膜图像;
从所述至少一个虹膜图像生成多个二进制代码;
识别位值和位的位置在从所述至少一个虹膜图像生成的多个二进制代码之间相同的所述二进制代码中第二位模式;
基于所述第二位模式生成第二索引;
确定所述第二索引与所述第一索引基本相似;
响应于确定所述第二索引与所述第一索引基本相似,检索链接至所述第一索引的所述不同模态的生物特征信息;
从试图访问所述安全系统的所述用户获得所述不同模态的生物特征信息;以及
响应于确定从试图访问所述安全系统的所述用户获得的生物特征信息与链接至所述第一索引的所述不同模态的生物特征信息基本相同,授权访问所述安全系统。
7.一种系统,包括:
至少一个处理设备;以及
存储器,通信地耦接到所述至少一个处理设备,所述存储器存储有指令,所述指令在被执行时使所述至少一个处理设备执行操作,所述操作包括:
获得虹膜的多个图像;
为所述虹膜的多个图像中的每个图像生成二进制代码,所述二进制代码包括位序列;
识别位值和位的位置在多个所述二进制代码之间相同的第一位模式;
基于所述第一位模式生成第一索引;以及
根据数据库管理系统将所述第一索引存储在存储设备上,所述第一索引链接到对应用户的不同模式的生物特征信息。
8.根据权利要求7所述的系统,其中,获得所述虹膜的多个图像包括:
拍摄所述虹膜的第一图像;以及
通过使用模拟不同图像拍摄条件的多个不同滤波器处理所述第一图像来生成所述多个图像。
9.根据权利要求7所述的系统,其中,生成所述二进制代码包括:
使用Gabor滤波器对所述图像进行滤波。
10.根据权利要求7所述的系统,其中,生成所述索引包括:
将所述第一位模式与对应于所述位模式的位置信息结合在一起。
11.根据权利要求7所述的系统,其中,所述不同模态的生物特征信息包括面部图像、指纹图像或眼印图像之一。
12.根据权利要求7所述的系统,其中,所述操作还包括:
从试图访问安全系统的用户拍摄至少一个虹膜图像;
从所述至少一个虹膜图像生成多个二进制代码;
识别位值和位的位置在从所述至少一个虹膜图像生成的多个二进制代码之间相同的所述二进制代码中第二位模式;
基于所述第二位模式生成第二索引;
确定所述第二索引与所述第一索引基本相似;
响应于确定所述第二索引与所述第一索引基本相似,检索链接至所述第一索引的所述不同模态的生物特征信息;
从试图访问所述安全系统的所述用户获得所述不同模态的生物特征信息;以及
响应于确定从试图访问所述安全系统的所述用户获得的生物特征信息与链接至所述第一索引的所述不同模态的生物特征信息基本相同,授权访问所述安全系统。
13.一种非暂时性计算机可读介质,其上编码有用于使一个或多个处理设备执行操作的计算机可读指令,所述操作包括:
获得虹膜的多个图像;
为所述虹膜的多个图像中的每个图像生成二进制代码,所述二进制代码包括位序列;
识别位值和位的位置在多个所述二进制代码之间相同的第一位模式;
基于所述第一位模式生成第一索引;以及
根据数据库管理系统将所述第一索引存储在存储设备上,所述第一索引链接到对应用户的不同模式的生物特征信息。
14.根据权利要求13所述的非暂时性计算机可读介质,其中,获得所述虹膜的多个图像包括:
拍摄所述虹膜的第一图像;以及
通过使用模拟不同图像拍摄条件的多个不同滤波器处理所述第一图像来生成所述多个图像。
15.根据权利要求13所述的非暂时性计算机可读介质,其中,生成所述二进制代码包括:
使用Gabor滤波器对所述图像进行滤波。
16.根据权利要求13所述的非暂时性计算机可读介质,其中,生成所述索引包括:
将所述第一位模式与对应于所述位模式的位置信息结合在一起。
17.根据权利要求13所述的非暂时性计算机可读介质,其中,所述不同模态的生物特征信息包括面部图像、指纹图像或眼印图像之一。
18.根据权利要求13所述的非暂时性计算机可读介质,其中,所述操作还包括:
从试图访问安全系统的用户拍摄至少一个虹膜图像;
从所述至少一个虹膜图像生成多个二进制代码;
识别位值和位的位置在从所述至少一个虹膜图像生成的多个二进制代码之间相同的所述二进制代码中第二位模式;
基于所述第二位模式生成第二索引;
确定所述第二索引与所述第一索引基本相似;
响应于确定所述第二索引与所述第一索引基本相似,检索链接至所述第一索引的所述不同模态的生物特征信息;
从试图访问所述安全系统的所述用户获得所述不同模态的生物特征信息;以及
响应于确定从试图访问所述安全系统的所述用户获得的生物特征信息与链接至所述第一索引的所述不同模态的生物特征信息基本相同,授权访问所述安全系统。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/224,479 | 2018-12-18 | ||
US16/224,479 US10832053B2 (en) | 2018-12-18 | 2018-12-18 | Creating an iris identifier to reduce search space of a biometric system |
PCT/US2019/065727 WO2020131524A1 (en) | 2018-12-18 | 2019-12-11 | Creating an iris identifier to reduce search space of a biometric system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113228037A true CN113228037A (zh) | 2021-08-06 |
CN113228037B CN113228037B (zh) | 2024-03-15 |
Family
ID=69724040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980083491.1A Active CN113228037B (zh) | 2018-12-18 | 2019-12-11 | 创建虹膜标识以减少生物特征识别系统的搜索空间 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10832053B2 (zh) |
CN (1) | CN113228037B (zh) |
SG (1) | SG11202100405PA (zh) |
WO (1) | WO2020131524A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023133072A2 (en) | 2022-01-07 | 2023-07-13 | Jumio Corporation | Biometric authentication using head-mounted devices |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002009024A1 (en) * | 2000-07-25 | 2002-01-31 | Bio4 Limited | Identity systems |
US20050008200A1 (en) * | 2002-09-13 | 2005-01-13 | Takeo Azuma | Iris encoding method, individual authentication method, iris code registration device, iris authentication device, and iris authentication program |
US20050152583A1 (en) * | 2002-11-07 | 2005-07-14 | Matsushita Electric Industrial Co., Ltd | Method for cerficating individual iris registering device system for certificating iris and program for cerficating individual |
US20060165266A1 (en) * | 2005-01-26 | 2006-07-27 | Honeywell International Inc. | Iris recognition system and method |
CN1932840A (zh) * | 2005-09-16 | 2007-03-21 | 中国科学技术大学 | 基于虹膜和人脸的多模态生物特征身份识别系统 |
CN101073090A (zh) * | 2004-11-22 | 2007-11-14 | 虹膜技术公司 | 用于虹膜识别的多级可变域分解方法和系统 |
CN101814130A (zh) * | 2009-02-19 | 2010-08-25 | 中国科学院自动化研究所 | 用摄像机阵列的虹膜识别装置和多模态生物特征识别方法 |
US20110206243A1 (en) * | 2009-09-22 | 2011-08-25 | Unisys Corp. | Multi-biometric identification system |
JP2014203215A (ja) * | 2013-04-03 | 2014-10-27 | 株式会社野村総合研究所 | 決済支援サーバ、決済支援方法、決済支援システム及びコンピュータプログラム |
US20150098629A1 (en) * | 2013-10-08 | 2015-04-09 | Sri International | Iris biometric recognition module and access control assembly |
CN104598794A (zh) * | 2015-01-21 | 2015-05-06 | 北京天诚盛业科技有限公司 | 虹膜信息快速处理的方法、装置和系统 |
US20180018516A1 (en) * | 2016-07-18 | 2018-01-18 | Samsung Electronics Co., Ltd. | Method and apparatus for iris recognition |
US20180349683A1 (en) * | 2017-06-06 | 2018-12-06 | Global Bionic Optics Ltd. | Blended iris and facial biometric system |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5291560A (en) * | 1991-07-15 | 1994-03-01 | Iri Scan Incorporated | Biometric personal identification system based on iris analysis |
RU2628201C1 (ru) | 2016-07-07 | 2017-08-15 | Самсунг Электроникс Ко., Лтд. | Способ адаптивного квантования для кодирования изображения радужной оболочки |
CN110692062B (zh) * | 2017-03-24 | 2023-12-08 | 奇跃公司 | 虹膜代码的累积和置信分配 |
-
2018
- 2018-12-18 US US16/224,479 patent/US10832053B2/en active Active
-
2019
- 2019-12-11 CN CN201980083491.1A patent/CN113228037B/zh active Active
- 2019-12-11 SG SG11202100405PA patent/SG11202100405PA/en unknown
- 2019-12-11 WO PCT/US2019/065727 patent/WO2020131524A1/en active Application Filing
-
2020
- 2020-11-09 US US17/093,162 patent/US11017227B2/en active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002009024A1 (en) * | 2000-07-25 | 2002-01-31 | Bio4 Limited | Identity systems |
US20050008200A1 (en) * | 2002-09-13 | 2005-01-13 | Takeo Azuma | Iris encoding method, individual authentication method, iris code registration device, iris authentication device, and iris authentication program |
US20050152583A1 (en) * | 2002-11-07 | 2005-07-14 | Matsushita Electric Industrial Co., Ltd | Method for cerficating individual iris registering device system for certificating iris and program for cerficating individual |
CN101073090A (zh) * | 2004-11-22 | 2007-11-14 | 虹膜技术公司 | 用于虹膜识别的多级可变域分解方法和系统 |
US20060165266A1 (en) * | 2005-01-26 | 2006-07-27 | Honeywell International Inc. | Iris recognition system and method |
CN1932840A (zh) * | 2005-09-16 | 2007-03-21 | 中国科学技术大学 | 基于虹膜和人脸的多模态生物特征身份识别系统 |
CN101814130A (zh) * | 2009-02-19 | 2010-08-25 | 中国科学院自动化研究所 | 用摄像机阵列的虹膜识别装置和多模态生物特征识别方法 |
US20110206243A1 (en) * | 2009-09-22 | 2011-08-25 | Unisys Corp. | Multi-biometric identification system |
JP2014203215A (ja) * | 2013-04-03 | 2014-10-27 | 株式会社野村総合研究所 | 決済支援サーバ、決済支援方法、決済支援システム及びコンピュータプログラム |
US20150098629A1 (en) * | 2013-10-08 | 2015-04-09 | Sri International | Iris biometric recognition module and access control assembly |
CN104598794A (zh) * | 2015-01-21 | 2015-05-06 | 北京天诚盛业科技有限公司 | 虹膜信息快速处理的方法、装置和系统 |
US20180018516A1 (en) * | 2016-07-18 | 2018-01-18 | Samsung Electronics Co., Ltd. | Method and apparatus for iris recognition |
US20180349683A1 (en) * | 2017-06-06 | 2018-12-06 | Global Bionic Optics Ltd. | Blended iris and facial biometric system |
CN109002748A (zh) * | 2017-06-06 | 2018-12-14 | 全球仿生物光学有限公司 | 混合虹膜及面部生物识别系统 |
Non-Patent Citations (2)
Title |
---|
ISHAN NIGAM 等: ""Ocular biometrics: A survey of modalities and fusion approaches"", 《INFORMATION FUSION》, pages 1 - 35 * |
SANJAY KANADE 等: "Obtaining Cryptographic Keys Using Feature Level Fusion of Iris and Face Biometrics for Secure User Authentication", 《SANJAY KANADE》, pages 138 - 145 * |
Also Published As
Publication number | Publication date |
---|---|
CN113228037B (zh) | 2024-03-15 |
WO2020131524A1 (en) | 2020-06-25 |
US11017227B2 (en) | 2021-05-25 |
US20210081644A1 (en) | 2021-03-18 |
SG11202100405PA (en) | 2021-02-25 |
US20200193130A1 (en) | 2020-06-18 |
US10832053B2 (en) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11151234B2 (en) | Augmented reality virtual reality touchless palm print identification | |
US20170262472A1 (en) | Systems and methods for recognition of faces e.g. from mobile-device-generated images of faces | |
US11023756B2 (en) | Spoof detection using iris images | |
US11328043B2 (en) | Spoof detection by comparing images captured using visible-range and infrared (IR) illuminations | |
CN113574537B (zh) | 使用复合手部图像的生物特征识别 | |
CN108875478B (zh) | 人证合一核验方法、装置和系统及存储介质 | |
US11531743B2 (en) | Systems and methods for enhancing biometric matching accuracy | |
CN113168508A (zh) | 使用结构光照射的欺骗检测 | |
US20210209508A1 (en) | System and method for disentangling features specific to users, actions and devices recorded in motion sensor data | |
CN109416734B (zh) | 用于虹膜图像编码的自适应量化方法 | |
JP2023520964A (ja) | 複数の領域での顔認識システム及び顔認識方法の効率的な管理 | |
Abdullah et al. | Smart card with iris recognition for high security access environment | |
CN113826135B (zh) | 使用话音识别进行非接触式认证的系统、方法和计算机系统 | |
US20200311449A1 (en) | Using an illumination sequence pattern for biometric authentication | |
CN111753619A (zh) | 生成合成图像的方法、系统和装置 | |
CN113228037B (zh) | 创建虹膜标识以减少生物特征识别系统的搜索空间 | |
WO2022186863A1 (en) | Filtering pulse-width modulated (pwm) noise from a fingerprint image captured with an optical under-display fingerprint sensor (udfps) | |
US11470080B2 (en) | Method for performing a biometric function between a client and a server | |
DHANAKOTI | BANK TRANSACTION USING IRIS RECOGNITION SYSTEM. | |
Mohammed et al. | Iris Segmentation by Using Circular Distribution of Angles in Smartphones Environments | |
Kumar et al. | Bank Transaction Using Iris Recognition System | |
CN118115158A (zh) | 认证系统和计算机实现的方法 | |
Moço | Biometric Recognition Based on Smartphone |
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 |