CN113412489A - 生物识别过程、设备和机器可读介质 - Google Patents

生物识别过程、设备和机器可读介质 Download PDF

Info

Publication number
CN113412489A
CN113412489A CN202080013151.4A CN202080013151A CN113412489A CN 113412489 A CN113412489 A CN 113412489A CN 202080013151 A CN202080013151 A CN 202080013151A CN 113412489 A CN113412489 A CN 113412489A
Authority
CN
China
Prior art keywords
biometric
ear
weight
scores
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080013151.4A
Other languages
English (en)
Inventor
J·P·莱索
W·E·舍伍德
P·巴德斯利
K·拉赫达尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cirrus Logic International Semiconductor Ltd
Original Assignee
Cirrus Logic International Semiconductor Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Cirrus Logic International Semiconductor Ltd filed Critical Cirrus Logic International Semiconductor Ltd
Publication of CN113412489A publication Critical patent/CN113412489A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A61B5/1171—Identification of persons based on the shapes or appearances of their bodies or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/12—Audiometering
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A61B5/6815—Ear
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/10—Earpieces; Attachments therefor ; Earphones; Monophonic headphones
    • H04R1/1041—Mechanical or electronic switches, or control elements

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Otolaryngology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)

Abstract

一种生物识别处理器，包括：一个或多个输入端，被配置为接收关于用户的第一和第二耳朵获取的第一和第二耳朵生物识别数据；处理模块，被配置为基于第一耳朵生物识别数据与授权用户的第一所存储耳朵生物识别模板的比较以及第二耳朵生物识别数据与授权用户的第二所存储耳朵生物识别模板的比较，对第一和第二耳朵生物识别数据执行生物识别算法，以获得相应的第一和第二生物识别分数；融合模块，被配置为将第一和第二权重应用于相应的第一和第二生物识别分数以获得第一和第二加权生物识别分数，并且组合至少第一和第二加权生物识别分数以生成总体生物识别分数，其中第一和第二权重彼此不同；并且其中生物识别结果是基于所述总体生物识别分数。

Description

生物识别过程、设备和机器可读介质
技术领域
本公开的实施方案涉及生物识别过程、设备和机器可读介质，并且特别地，涉及利用耳朵生物识别数据的过程、设备和机器可读介质。
背景技术
已知用户耳朵(无论是外部部分(称为耳廓或外耳)、耳道、还是两者)的声学特性基本上因个体而异，因此可用作识别用户的生物特征。定位成靠近耳朵或在耳朵内的一个或多个扬声器或类似换能器产生刺激，并且类似地定位成靠近耳朵或在耳朵内的一个或多个传声器检测耳朵对刺激的响应。可从响应信号中提取一个或多个特征，并将其用于表征个体。
例如，耳道是谐振系统，因此可从响应信号中提取的一个特征是耳道的谐振频率。如果所测量谐振频率(即，在响应信号中)不同于用户的所存储谐振频率，则耦合以接收和分析响应信号的生物识别算法可返回否定结果。从响应信号中提取的其他特征可包括一个或多个梅尔频率倒谱系数。更一般地，可确定刺激与所测量响应信号之间的传递函数(或传递函数的特征)，并将其与是用户的特性的所存储传递函数(或传递函数的所存储特征)进行比较。
用户耳朵的其他声学特性包括耳声发射，无论是自发的(即，耳朵在无外部刺激的情况下产生的)还是诱发的(即，耳朵响应于刺激信号(诸如一个或多个纯音、猝发音等)产生的)。此类耳声发射也可因个体而异，因此可用于在个体之间进行辨别或识别特定个体。
因此，从用户获取输入生物识别数据并将其与跟授权用户相关联的所存储生物识别配置文件进行比较。基于比较得出生物识别分数，其指示所获取生物识别数据与所存储配置文件之间的相似性。在某些布置中，可将输入生物识别数据与所存储生物识别配置文件和对应于广大公众的一群组或多群组生物识别配置文件两者进行比较。在这种情况下，生物识别分数指示输入生物识别数据对应于所存储生物识别配置文件而不是一般公众一员的可能性。然后可将生物识别分数与阈值进行比较以确定是否应将用户认证为授权用户。
生物识别算法所面临的一个问题是需要在两个方面达到可接受的性能。首先，算法应提供可接受的安全性，使得未授权用户不被错误地认为是授权用户。算法将接受未授权用户的访问尝试的可能性称为错误接受率(FAR)，并且如果算法想提供合理的安全性，则应保持FAR较低。其次，算法应可靠地工作，使得授权用户不被错误地作为未授权用户拒绝。例如，用户的生物识别数据通常将在访问尝试之间发生有限程度的变化。这可能是由于各种因素造成的，诸如不断变化的环境(因此不同的噪音水平)、生物识别数据采集系统的不同定位(例如，插入耳朵不同距离的耳塞)等。算法将拒绝授权用户的访问尝试的可能性称为错误拒绝率(FRR)，并且如果算法不想证明对寻求认证的授权用户来说是令人沮丧的，则也应保持FRR较低。
问题是这两个性能要求是相互依赖的。低FRR可通过放宽用户实现认证的要求(例如，降低阈值)来实现。但是，这也将导致FAR增大。相反地，低FAR可通过使用户实现认证的要求更严格(例如，增大阈值)来实现。但是，这将导致FRR增大。
图1是示意图，其示出对于在0(输入生物识别数据与所存储生物识别配置文件之间的零对应性)与1(输入生物识别数据与所存储生物识别配置文件之间的精确对应性)之间变化的生物识别分数，FAR和FRR随阈值变化的近似变化。在阈值的非常低生物识别(即，接近0)的值下，FAR高而FRR低，因为“匹配”所需的输入生物识别数据与所存储配置文件之间的相似性水平相对较低。相反地，在阈值的非常高(即，接近1)的值下，FAR低而FRR高，因为“匹配”所需的输入生物识别数据与所存储生物识别配置文件之间的相似性水平相对较高。
也就是说，有可能降低FAR和FRR两者，从而总体上提高生物识别过程的效能。例如，可精心设计生物识别算法来以更高的置信水平测量所获取数据与所存储配置文件文件之间的相似性。然而，设计算法以实现高性能是困难的。
替代地或另外地，可选择生物识别数据本身来提高过程的效能。例如，生物识别数据的质量(例如，噪声水平、量化误差等)将影响生物识别过程准确地在用户之间进行辨别的能力。此外，不同的生物识别数据可能具有不同的辨别能力。即，与其他用户的生物识别数据相似的生物识别数据具有相对较低的辨别能力；相反地，与其他用户的生物识别数据不同的生物识别数据具有相对较高的辨别能力，并且在生物识别过程中使用时可表现得更好。举个简单的例子，用户的生物性别具有低辨别能力，因为近似一半的人口是相同的；指纹具有高得多的辨别能力，因为它在个体之间显著不同。因此，生物识别数据的类型影响生物识别过程的效能。
生物识别过程的这种效能可使用等错误率(EER)来量化。如上文所指出，FAR和FRR可通过改变生物识别分数与之进行比较的阈值来变化。FAR和FRR通常随着阈值的变化在相反的方向上改变，因此存在FAR和FRR彼此相等的阈值。EER是此阈值下的错误率。EER越低，生物识别过程越有效。
提高生物识别过程的效能是生物识别学领域技术人员的长期目标。本公开的实施方案试图解决此问题以及其他问题。
发明内容
根据本公开的一个方面，提供一种生物识别处理器，其包括：一个或多个输入端，所述一个或多个输入端被配置为接收关于用户的第一耳朵获取的第一耳朵生物识别数据和关于所述用户的第二耳朵获取的第二耳朵生物识别数据；处理模块，所述处理模块被配置为基于所述第一耳朵生物识别数据与授权用户的第一所存储耳朵生物识别模板的比较以及所述第二耳朵生物识别数据与所述授权用户的第二所存储耳朵生物识别模板的比较，对所述第一耳朵生物识别数据和所述第二耳朵生物识别数据执行生物识别算法，以获得相应的第一生物识别分数和第二生物识别分数；融合模块，所述融合模块被配置为将第一权重和第二权重应用于所述相应的第一生物识别分数和第二生物识别分数以获得第一加权生物识别分数和第二加权生物识别分数，并且组合至少所述第一加权生物识别分数和所述第二加权生物识别分数以生成总体生物识别分数，其中所述第一权重和所述第二权重彼此不同；并且其中生物识别结果是基于所述总体生物识别分数。
另外的方面提供包括这种生物识别处理器的电子设备。在替代实施方案中，提供一种电子设备，其包括：处理电路；以及存储指令的非暂时性机器可读介质，所述指令在由所述处理电路执行时致使所述处理电路：获得关于用户的第一耳朵所获取的第一耳朵生物识别数据和关于所述用户的第二耳朵所获取的第二耳朵生物识别数据；基于所述第一耳朵生物识别数据与授权用户的第一所存储耳朵生物识别模板的比较以及所述第二耳朵生物识别数据与所述授权用户的第二所存储耳朵生物识别模板的比较，对所述第一耳朵生物识别数据和所述第二耳朵生物识别数据执行一个或多个生物识别算法，以获得相应的第一生物识别分数和第二生物识别分数；将第一权重和第二权重应用于所述相应的第一生物识别分数和第二生物识别分数以获得第一加权生物识别分数和第二加权生物识别分数，并且组合至少所述第一加权生物识别分数和所述第二加权生物识别分数以生成总体生物识别分数，其中所述第一权重和所述第二权重彼此不同；并且基于所述总体生物识别分数生成生物识别结果。
在另一个方面，提供一种执行生物识别过程的方法。所述方法包括：获得关于用户的第一耳朵获取的第一耳朵生物识别数据和关于所述用户的第二耳朵获取的第二耳朵生物识别数据；基于所述第一耳朵生物识别数据与授权用户的第一所存储耳朵生物识别模板的比较以及所述第二耳朵生物识别数据与所述授权用户的第二所存储耳朵生物识别模板的比较，对所述第一耳朵生物识别数据和所述第二耳朵生物识别数据执行生物识别算法，以获得相应的第一生物识别分数和第二生物识别分数；将第一权重和第二权重应用于所述相应的第一生物识别分数和第二生物识别分数以获得第一加权生物识别分数和第二加权生物识别分数，并且组合至少所述第一加权生物识别分数和所述第二加权生物识别分数以生成总体生物识别分数，其中所述第一权重和所述第二权重彼此不同；以及基于所述总体生物识别分数生成生物识别结果。
本公开的另外的方面提供一种生物识别处理器，其包括：一个或多个输入端，所述一个或多个输入端被配置为接收关于用户的第一耳朵获取的第一耳朵生物识别数据和关于所述用户的第二耳朵获取的第二耳朵生物识别数据；处理模块，所述处理模块被配置为基于所述第一耳朵生物识别数据与授权用户的第一所存储耳朵生物识别模板的比较以及所述第二耳朵生物识别数据与所述授权用户的第二所存储耳朵生物识别模板的比较，对所述第一耳朵生物识别数据和所述第二耳朵生物识别数据执行一个或多个生物识别算法，以获得相应的第一生物识别分数和第二生物识别分数；以及融合模块，所述融合模块被配置为组合至少所述第一生物识别分数和所述第二生物识别分数以生成总体生物识别分数。所述第一生物识别分数和所述第二生物识别分数在以下形式的多项式变换中组合：
Figure BDA0003200107200000051
其中p和q分别表示所述第一生物识别分数和所述第二生物识别分数中所述多项式的次数，并且其中SL和SR分别是所述第一生物识别分数和所述第二生物识别分数。所述多项式变换被输入到非线性函数以生成所述总体生物识别分数。生物识别结果是基于所述总体生物识别分数。
附图说明
为了更好地理解本公开的实例并且更清楚地示出如何可实行所述实例，现将仅通过举例的方式对附图进行参考，在附图中：
图1示出生物识别系统中的错误率的变化；
图2示出一系列用户的左右耳生物识别数据之间的相关性；
图3示出一系列用户的左耳和右耳的等错误率；
图4至图6示出从用户左耳和右耳的个人生物识别分数得出的融合生物识别分数的示例性曲线图；
图7是根据本公开实施方案的电子设备的示意图；
图8是根据本公开实施方案的生物识别处理器的示意图；并且
图9是根据本公开实施方案的更新权重的方法的流程图。
具体实施方式
一种用于提高生物识别过程效能的已知技术是将多种认证过程组合(或“融合”)在一起，无论是否是生物识别的。例如，在耳朵生物识别的背景下，可融合左耳和右耳的耳朵生物识别过程。
可使用分数级融合或决策级融合。在前一种情况下，针对左耳和右耳计算单独的生物识别分数(基于左耳和右耳的单独的所存储配置文件)，然后将其组合以形成总体生物识别分数。然后将所述总体生物识别分数与阈值进行比较以生成关于用户是否为授权用户的决策。在后一种情况下，同样针对左耳和右耳计算单独的生物识别分数，但将这些分数单独地与一个或多个阈值进行比较，以针对左耳和右耳中的每一者生成相应的决策。然后融合决策以将用户认证为授权用户。在一个简单的实例中，为对用户进行认证，两个决策都必须是肯定的。
本公开的实施方案涉及左耳和右耳的耳朵生物识别数据的分数级融合。
融合左右耳生物识别所带来的改进取决于给定用户的左耳和右耳的相关程度。给定用户的两只耳朵之间的相关性越高，融合将提供的改进就越少。通过考虑高度相关的耳朵将具有相同的形状，可直观地理解这一点。因此，针对左耳和右耳重复相同的过程并融合分数将不会提供特别的优势。
图2是示出一系列25个样本用户的左生物识别右耳数据之间的相关系数的条形图，其中相关系数在0(指示完全缺乏相关性)与1(指示精确相关性)之间变化。可看出，对于一些用户(例如，特别是用户10、14和18)而言，左右耳生物识别数据是高度相关的，而对于其他用户(例如，特别是用户3、13和15)而言，则是相对不相关的。
这种可变的相关度表明：对于一些用户而言，融合不同耳朵的生物识别数据以提高分数可能不存在实质性的优势。
另外要考虑的是不同的耳朵本身可能具有不同的辨别特性。即，左耳的生物识别数据可能比右耳的生物识别数据更具辨别性，或者反之亦然。在这个背景下，生物识别的辨别能力对应于所述生物识别数据与一般公众辨别开的能力(例如，如由一个或多个群组限定的)。
例如，图3示出一系列用户的左耳和右耳的等错误率(EER)的条形图。在每个条形图之间，用户ID是恒定的。因此，左耳和右耳的条形图中的特定用户ID对应于同一用户。从上面的论述中将回忆起：EER是生物识别数据的辨别性的指标。EER越低，生物识别数据就越具辨别性。
可看出，不同耳朵之间的EER范围出人意料地宽泛。不同用户具有辨别性或高或低的耳朵。此外，特定用户的左耳可能比其右耳更具辨别性(或者反之亦然)。例如，用户2的左耳具有辨别性，但右耳不具辨别性。用户11的左耳具有辨别性，但右耳辨别性较低。这可能是由于多种因素造成的，诸如耳朵形状的差异、其他生理差异、用户操作生物识别数据采集系统的方式(例如，使用优势手时更好地配合)。所存储模板或配置文件(在称为登记的过程期间获取)的质量也可起作用。
本公开的实施方案在融合用户左耳和右耳的生物识别过程时利用辨别特性的这种差异。特别地，生物识别数据的辨别特性用于对左耳和右耳的生物识别分数进行加权，以便强调更具辨别性的耳朵的生物识别分数。以此方式，可预期总体过程的效能(例如，如EER所指示)会提高。
为了融合与左耳和右耳相关联的生物识别分数，可如下组合左耳的生物识别分数sL和右耳的生物识别分数sR：
s＝wLsL+WRSR
其中s是总体生物识别分数，并且wL和wR分别是左耳和右耳的权重。在此实例中，权重被归一化，使得WL+WR＝1。如果权重总和不为1，则可(例如，通过将加权总和除以权重和)将归一化因子应用于方程。
可配置权重以便强调更具辨别性的生物识别数据的生物识别分数。因此，在左耳的生物识别特性比右耳更具辨别性的情况下，左耳的权重WL被配置为大于右耳的权重WR(或者反之亦然)。
实现这一点的一种方式是将权重配置为相应耳朵的EER的函数。例如：
Figure BDA0003200107200000091
Figure BDA0003200107200000092
其中EERL是与左耳相关联的EER，并且EERR是与右耳相关联的EER。
这里将回忆起，EER越低，生物识别数据就越具辨别性。因此在此实例中，与每只耳朵的EER成反比地配置相应耳朵的权重。
在另一个实例中，可配置权重以优化错误拒绝率或错误接受率。这里，可与相应的错误拒绝率或错误接受率成比例地配置权重。在取决于错误拒绝率的一个实例中，可如下配置权重：
Figure BDA0003200107200000093
Figure BDA0003200107200000094
其中FRRL是与左耳相关联的FRR，并且FRRR是与右耳相关联的FRR。
在取决于错误接受率的另一个实例中，可如下配置权重：
Figure BDA0003200107200000095
Figure BDA0003200107200000096
其中FARL是与左耳相关联的FAR，并且FARR是与右耳相关联的FAR。
在本公开的另一个实施方案中，可通过包括(a)SL和SR的线性仿射变换g(SR,SL)、然后是(b)S型(逻辑)函数的复合函数h(SR,SL)将左耳生物识别分数SL和右耳生物识别分数SR组合成单个总体分数SF：
Figure BDA0003200107200000101
h(SR,SL)是非线性函数，其输出在范围[0,1]内(应注意，在此实施方案中，SL和SR不需要是非负的)。此实施方案的一个有用特性在于：可将SF＝h(SR,SL)解译为在给定对象右耳和左耳生物识别分数SR、SL的情况下对象是授权(“目标”)用户的条件概率。如果对象实际上是目标用户，则写下y＝1，否则写下y＝0，然后
Figure BDA0003200107200000102
因此，仅当用户真实的条件概率足够高时才决定接受用户的认证尝试仅仅需要检查总体分数SF是否大于阈值T。阈值T可被选择为满足FAR和/或FRR的操作要求。
本领域技术人员将了解，可使用替代函数而不是S型函数。例如，双S型函数和tanh(双曲正切)函数也适用。
在此实施方案中，左耳与右耳生物识别分数的相对辨别性值由函数h(SR,SL)的形状捕获，并在h(SR,SL)相对于SR或SL在任何给定处的斜率中反映出来。斜率越陡指示辨别性值越高。
线性仿射变换g(SR,SL)＝α0+αRSR+αLSL的系数α0、αR、αL是常数，其值通过在示例性右耳和左耳生物识别分数对
Figure BDA0003200107200000103
的训练集内使成本函数J(h,α0,αR,αL)最小化来确定。此训练集可从自多个对象获得的左耳和右耳声学生物识别特征的测量结果得出，所述特征已经通过左耳和右耳生物识别处理器评分。最小化优化系数α0、αR、αL的值的成本函数J(h,α0,αR,αL)的实例是对数似然成本函数。
Figure BDA0003200107200000104
这里，m是训练实例的数量，β≥0是恒定的正则化参数(其可被调整以提高优化程序的速度或鲁棒性)，并且如果第i个训练实例属于目标(授权用户)类，则y(i)＝1，否则为0。本领域技术人员将了解，在不脱离附于此的权利要求的范围的情况下，可使用替代成本函数。
梯度下降是有效迭代程序的一个实例，它将使(3)中的成本函数J(h,α0,αR,αL)最小化以产生系数α0、αR、αL的最佳值。本领域技术人员将了解，也可使用具有类似效果的其他优化程序。
图4示出方程(1)中的h(SR,SL)的示例性曲线图，其中系数α0、αR、αL是使用梯度下降与方程(3)中的成本函数J(h,α0,αR,αL)确定的。还示出在训练集中使用的目标(真实)和非目标(冒名顶替者)左耳和右耳生物识别分数对
Figure BDA0003200107200000111
表面h(SR,SL)相对于SR或SL是非对称的，从而反映左耳和右耳生物识别分数的不等辨别性值。图5示出横截面h(SR＝1,SL)以及左耳生物识别分数
Figure BDA0003200107200000112
图6示出横截面h(SR,SL＝1)以及右耳生物识别分数
Figure BDA0003200107200000113
从S型横截面的斜率可推断：对于此示例性数据，左耳生物识别分数比右耳生物识别分数更具辨别性。
在其他实施方案中，可将步骤(a)的线性仿射变换g(SR,SL)推广到其他函数形式，诸如多元多项式变换f(SR,SL)：
Figure BDA0003200107200000114
这里，p和q分别表示左分数和右分数中多项式的次数。此实施方案可捕获左耳与右耳生物识别处理器的分数输出之间的任何非线性相互依赖性的更多细节。
对于此实施方案，成本函数J(h，αij)可与方程(3)相同，只是正则化项
Figure BDA0003200107200000115
被
Figure BDA0003200107200000116
替换。可通过使成本函数J(h，αij)最小化来以类似方式获得αij的最佳值。
图7示出根据本公开实施方案的电子设备400。
电子设备400包括处理电路402，其可包括一个或多个处理器，诸如中央处理单元或应用处理器(AP)，或数字信号处理器(DSP)。在一个实施方案中，处理电路402包括生物识别处理器。
电子设备400还包括存储器404，其可通信地耦合到处理电路402。存储器404可存储指令，所述指令在由处理电路402执行时致使处理电路执行如以下所述的一种或多种方法(例如参见图8所示的机构和图9所示的方法)。处理电路402可基于存储在存储器404中的数据和程序指令来执行如本文所述的方法。存储器404可作为单个部件或作为多个部件提供，或者可与处理电路402的至少部分共集成。具体地，本文所述的方法可在处理电路402中通过执行以非瞬态形式存储在存储器404中的指令来进行，其中程序指令是在电子设备400的制造期间存储的或在电子设备400在使用时通过上传存储的。
处理电路402包括控制模块410，其耦合到相应的扬声器406a、406b(统称为406)。控制模块410产生一个或多个电音频信号并将所述一个或多个电音频信号提供给扬声器406。本领域技术人员将了解，为清楚起见，省略了诸如放大器和数模转换器(DAC)的装置。
扬声器406产生对应的声学信号，这些声学信号被输出到用户的耳朵。例如，声学信号可以是音速的或超音速的。声学信号可具有平坦的频谱，或者以强调允许在个体之间进行良好辨别(即，幅度比其他频率高)的那些频率的这种方式进行预处理。
声学信号可输出到用户耳朵的全部或部分(即，外耳或耳道)。声学信号被耳朵反射，并且反射信号(或回声信号)被相应的传声器408a、408b(统称为408)检测和接收。因此，每个反射信号包括个人的相应耳朵所特有并且适合于用作生物识别的数据。传声器408可进一步被配置为用于反馈有源噪声消除(ANC)系统的误差传声器。以此方式，除了ANC头戴式耳机或耳机中通常所提供的硬件之外，耳朵生物识别数据的采集可不需要另外的硬件。在替代实施方案中，传声器可不是与扬声器分开的装置，而是可包括围绕扬声器配置以允许扬声器用作传声器的另外的感测电路。
在例示的实施方案中，扬声器406和传声器408被示出为电子设备400的部分。电子设备400是头戴式受话器、一对耳机(或耳塞式耳机)或类似装置并且处理电路402位于同一设备内的情况就是如此。在替代实施方案中，扬声器406和传声器408可设置在与处理电路402分开的设备中。在后一种情况下，扬声器406和传声器408可设置在外围装置(诸如头戴式受话器或一对耳机(或耳塞式耳机))中，而处理电路402包括在主机装置(诸如智能电话、音频播放器、平板计算机、或移动或蜂窝电话)内。
传声器408检测到的信号在时域中。然而，出于生物识别过程的目的而提取的特征可在频域中(因为所特有的是用户耳朵的频率响应)。因此，处理电路402还可包括将反射信号转换到频域的相应的傅立叶变换模块412a、412b(统称为412)。例如，傅立叶变换模块412可实现快速傅立叶变换(FFT)。本领域技术人员还将了解，可通过在两个信号路径之间多路复用的单个傅立叶变换模块来执行左耳和右耳的反射信号到频域的变换。在一些实例中，生物识别过程可能不在频域中，因此可省略任何傅立叶变换模块。
然后，变换信号被传递到生物识别模块414，所述生物识别模块414可从信号中提取一个或多个特征，然后对所提取特征执行生物识别过程。
从信号中提取的特征可包括以下中的一者或多者：相应耳朵的一个或多个谐振频率；一个或多个倒谱系数(诸如梅尔频率倒谱系数)；耳朵在一个或多个预先确定的频率下或跨一个或多个频率范围的频率响应。
在一些实施方案中，声学刺激可以是预先确定的频率和幅度的音调。在其他实施方案中，处理电路402可被配置为将音乐应用到扬声器406(或其他未预先确定的声学输出)，例如正常回放操作，并且生物识别模块414可能够被配置为从声学刺激所包含的任何信号分量中提取响应或传递函数。
因此，在一些实施方案中，生物识别模块414可被设计为预知声学刺激的性质，例如知道声学刺激信号的频谱，使得可适当地对响应或传递函数进行归一化。在其他实施方案中，生物识别模块414可包括第二输入端以接收声学刺激(例如，回放音乐)，因此获得关于声学刺激或其频谱的信息，使得可确定反射信号与声学刺激之间的传递函数(从中可得出所需的特征参数)。在后一种情况下，刺激信号也可通过傅立叶变换模块412传递到生物识别模块414。
如上文所指出，生物识别模块414被配置为对所提取特征执行生物识别过程。例如，生物识别模块414可执行生物识别登记，其中将所提取特征(或从中得出的参数)存储为个体所特有的生物识别数据的一部分。生物识别数据可存储在电子设备400内(例如，在存储器404中)或远离电子设备400(并且可由生物识别模块414安全地访问)。此类所存储数据可称为生物识别配置文件或“耳纹”。在本上下文中，关于每只耳朵获取单独的耳纹：左耳的耳纹416a；和右耳的耳纹416b(统称为416)。
生物识别模块414可进一步被配置为计算每只耳朵的权重WL和WR，并存储这些权重418(例如，在存储器404中)以供将来在如上文所述的融合生物识别分数中使用。权重可初始地在登记期间计算，然后在电子设备400的使用期间更新。下面相对于图9提供关于本公开的这个方面的进一步细节。本领域技术人员将了解，生物识别模块414可替代地计算并存储指示生物识别数据的辨别能力的一个或多个参数，当需要时可从所述参数计算权重。
如上文所指出，在另一个实例中，生物识别模块414可执行生物识别认证过程，其中将从反射信号中提取的特征与所存储耳纹416中的对应特征进行比较。
图8是示出根据本公开实施方案的用于执行这种认证过程的机构的示意图。所述机构可在上文相对于图7描述的生物识别模块414内实现。
所述机构包括处理模块502、融合模块504和阈值模块506。处理模块502实现生物识别算法508a、508b(统称为508)，其将从自用户耳朵反射的信号中提取的特征与所存储耳纹进行比较以生成指示输入数据与所存储耳纹之间的相似性的对应生物识别分数。因此，第一生物识别算法508a涉及从自用户左耳反射的信号中提取的特征与左耳的耳纹416a(左生物识别耳纹，或L BEP)之间的比较；第二生物识别算法508b涉及从自用户右耳反射的信号中提取的特征与右耳的耳纹416b(右生物识别耳纹，或R BEP)之间的比较。本领域技术人员将了解，处理模块502可替代地实现在左耳和右耳的处理之间多路复用的单个生物识别算法。
基于比较结果针对每只耳朵确定单独的生物识别分数。在一些实施方案中，可另外地基于从反射信号提取的特征与从一群组或多群组其他用户获取的一个或多个配置文件之间的比较来获得生物识别分数。
生物识别分数被输出到融合模块504，在一些实施方案中，融合模块504将每个生物识别分数乘以其相应的权重。在例示的实施方案中，融合模块504包括用于将左耳的生物识别分数乘以左耳的权重WL的第一乘法节点510a，以及用于将右耳的生物识别分数乘以右耳的权重WR的第二乘法节点510b。然后在加法节点512中将加权的生物识别分数组合(例如，相加)以生成总体生物识别分数。应注意，本文所述的耳朵生物识别分数可与一个或多个另外的生物识别分数(诸如语音、指纹、虹膜生物识别等)组合以生成总体生物识别分数。
在替代实施方案中，融合模块504可被配置为对生物识别分数应用权重并且以不同方式组合任何此类加权生物识别分数。例如，可以线性函数(诸如如上文所述的线性仿射函数)对左耳和右耳的生物识别分数应用权重。替代地或另外地，可将权重作为多项式变换的一部分单独地和组合地应用于生物识别分数，例如，
Figure BDA0003200107200000161
其中p和q分别表示所述第一生物识别分数和所述第二生物识别分数中所述多项式的次数，并且其中SL和SR分别是所述第一生物识别分数和所述第二生物识别分数。这些加权(变换)生物识别分数可通过加法组合以生成总体生物识别分数(如上所述)，或者以非线性函数(诸如S型(逻辑)函数、双S型函数、tanh函数等)进行组合。
总体生物识别分数被输出到阈值模块506，阈值模块506将其与一个或多个阈值进行比较以生成生物识别结果。生物识别结果可被提供到控制模块410以用于进一步动作。
在简单实施方案中，阈值模块506可将总体生物识别分数与被设定来确定生物识别数据是否对应于授权用户(即，对应于所存储耳纹416)的单个第一阈值进行比较。在这种情况下，生物识别结果可对应于用户是否被授权的指示。一个或多个另外的阈值可用于确定生物识别数据是否在满足第一阈值的限定范围内。在这种情况下，生物识别结果可用于向用户提供反馈以重新定位设备400且特别地重新定位扬声器406。在又另外的实施方案中，阈值可被设定在较低水平以识别生物识别数据是否对应于耳朵(即，任何耳朵)。以此方式，生物识别模块414可用作入耳式检测功能。例如，入耳式检测(和相反地耳外式检测)可用于在低功率操作状态与高功率操作状态之间移动设备400，或者执行一个或多个预定义动作(例如，诸如开始或停止回放)。
因此，本公开的实施方案提供了用于基于从用户的左耳和右耳获取的生物识别数据来执行生物识别过程的方法、设备和计算机可读介质。左耳和右耳的分数在加权和中融合，其中权重被配置为强调对于一群组或多群组用户来说更具辨别性的耳朵的分数。
图9是计算权重WL和wR的方法的流程图。所述方法相对于一只耳朵进行描述，但对于第二只耳朵可以是重复的。
例如，所述方法可由上文相对于图7描述的生物识别模块414来执行。如从以下描述将清楚地看到的，所述方法可在登记(即，其中授权用户生成所存储配置文件或“耳纹”以供将来在认证中使用)期间或在电子设备400的正常使用期间执行。在一些实施方案中，所述方法既在登记期间执行，随后又在电子设备400的正常使用期间(即，在登记以外的操作模式(诸如音频回放)中、在电话呼叫期间等)执行。即，可在登记期间获得权重WL和wR的第一值，这些值随后基于在设备的正常使用期间获取的新数据来更新。在其他实施方案中，系数α0、αR、αL(或αij)的第一值可在训练期间获得，在登记期间更新，且随后基于在设备的正常使用期间获取的新数据进一步更新。
在步骤600中，获得授权用户的耳朵生物识别数据。如上文所指出，耳朵生物识别数据可包括从自用户耳朵反射的声学信号中提取的一个或多个特征。从信号中提取的特征可包括以下中的一者或多者：相应耳朵的一个或多个谐振频率；一个或多个倒谱系数(诸如梅尔频率倒谱系数)；耳朵在一个或多个预先确定的频率下或跨一个或多个频率范围的频率响应。
这里将注意，耳朵生物识别数据是针对已知或假定被授权的用户的。例如，用户可能已经响应于安全密码或密码短语的请求等而通过生物识别认证(无论是耳朵生物识别还是一些其他模态，诸如语音、指纹、虹膜等)被认证为授权用户。在电子设备的正常操作期间执行图9的方法的情况或者在一些其他认证过程之后执行耳朵生物识别登记时的情况可特别是如此。替代地，当尚未建立设备的授权用户时，可在电子设备的初始设置时执行所述过程。
使用所接收耳朵生物识别数据获得错误接受率(FAR)和错误拒绝率(FFR)。这些参数可并行(如图所示)或顺序地获得。
因此，在步骤602中，将所接收耳朵生物识别数据与一群组或多群组用户(不包括授权用户)进行比较，以生成指示所接收耳朵生物识别数据与一群组或多群组用户之间的相似性(例如，通过诸如余弦相似性的函数)的一个或多个对应的生物识别分数。可基于授权用户的多组耳朵生物识别数据和/或通过旋转数据值以生成新数据来获得多个分数。
使用在步骤602中获得的分数形成一组非目标分数，即指示输入耳朵生物识别数据与授权用户的耳朵生物识别数据之间的非对应性的分数。
在步骤604中，基于在步骤602中获得的非目标分数获得FAR，并且特别地，针对阈值范围获得FAR的变化。因此，FAR是基于大于阈值范围的阈值的非目标分数的比例计算的。这些分数将被生物识别模块错误地接受。
在步骤606中，将所接收耳朵生物识别数据与特定耳朵的所存储生物识别耳纹进行比较。如果尚无所存储生物识别耳纹可供使用，则将授权用户的第一组耳朵生物识别数据用作生物识别耳纹，并将随后的多组耳朵生物识别数据与第一组耳朵生物识别数据进行比较。基于所述比较，生成指示所接收耳朵生物识别数据与所存储耳纹之间的相似性(例如，通过诸如余弦相似性的函数)的一个或多个对应的生物识别分数。使用在步骤606中获得的分数形成一组目标分数，即指示输入耳朵生物识别数据与授权用户的耳朵生物识别数据之间的对应性的分数。
在步骤608中，基于在步骤606中获得的目标分数获得FRR，并且特别地，针对阈值范围获得FRR的变化。因此，FRR是基于小于阈值范围的阈值的目标分数的比例计算的。这些分数将被生物识别模块错误地拒绝。
在步骤610中，利用FAR和FRR的变化来确定等错误率(EER)：针对FAR和FRR彼此相等时的阈值的错误率。如上文所指出，EER是生物识别过程或生物识别数据的辨别能力的指标。在本上下文中，EER指示所存储耳纹的辨别能力。
在步骤612中，基于EER确定或更新左耳和右耳的权重WL和wR。如上文所指出，在一个实施方案中，根据以下方程进行计算权重：
Figure BDA0003200107200000191
Figure BDA0003200107200000192
其中EERL是与左耳相关联的EER，并且EERR是与右耳相关联的EER。
这里将回忆起，EER越低，生物识别数据就越具辨别性。因此在此实例中，与每只耳朵的EER成反比地配置相应耳朵的权重。
在另一个实例中，可配置权重以优化错误拒绝率或错误接受率。这里，可与相应的错误拒绝率或错误接受率成比例地配置权重。在取决于错误拒绝率的一个实例中，可如下配置权重：
Figure BDA0003200107200000193
Figure BDA0003200107200000194
其中FRRL是与左耳相关联的FRR，并且FRRR是与右耳相关联的FRR。因此，在此实施方案中，可不计算EER，并且可不计算FAR。
在取决于错误接受率的另一个实例中，可如下配置权重：
Figure BDA0003200107200000201
Figure BDA0003200107200000202
其中FARL是与左耳相关联的FAR，并且FARR是与右耳相关联的FAR。因此，在此实施方案中，可不计算EER，并且可不计算FRR。
在其他实施方案中，如上文所指出，线性仿射变换g(SR，SL)＝α0+αRSR+αLSL的系数α0、αR、αL是常数，其值通过在示例性右耳和左耳生物识别分数对
Figure BDA0003200107200000203
的训练集内使成本函数J(h,α0,αR,αL)最小化来确定。系数α0、αR、αL在本文中也可称为权重。此训练集可从自多个对象获得的左耳和右耳声学生物识别特征的测量结果得出，所述特征已经通过左耳和右耳生物识别处理器评分。最小化优化系数α0、αR、αL的值的成本函数J(h,α0,αR,αL)的实例是对数似然成本函数。
Figure BDA0003200107200000204
这里，m是训练实例的数量，β≥0是恒定的正则化参数(其可被调整以提高优化程序的速度或鲁棒性)，并且如果第i个训练实例属于目标(授权用户)类，则y(i)＝1，否则为0。本领域技术人员将了解，在不脱离附于此的权利要求的范围的情况下，可使用替代成本函数。
梯度下降是有效迭代程序的一个实例，它将使(3)中的成本函数J(h,α0,αR,αL)最小化以产生系数α0、αR、αL的最佳值。本领域技术人员将了解，也可使用具有类似效果的其他优化程序。
如上文所指出，在一些实施方案中，首先在登记期间获得权重，并且随后基于在设备的正常使用期间获取的数据来更新权重。在此类实施方案中，新的权重值可计算为在登记期间获得的值(或者先前使用的那些值)与通过遵循图9的方法基于新的耳朵生物识别数据获得的值的组合。例如，新的权重值可对应于先前值或“旧”值与基于新的耳朵生物识别数据获得的值的平均值。此类平均值本身可以是加权的，例如使得新的权重值主要基于旧值，使得值不会快速改变且变得易受未授权用户的攻击。替代地，可限制允许权重值改变的量以便防止它们的值快速改变。
实施方案可在电子、便携式和/或电池供电的主机装置(诸如智能电话、音频播放器、移动或蜂窝电话、或手机)中实现。实施方案可在设置在这种主机装置内的一个或多个集成电路上实现。实施方案可在可被配置为向单个人提供音频回放的个人音频装置(诸如智能电话、移动或蜂窝电话、头戴式耳机、耳机等)中实现，参见图1a至图1e。同样地，实施方案可在设置在这种个人音频装置内的一个或多个集成电路上实现。在又另外的替代方案中，实施方案可在主机装置和个人音频装置的组合中实现。例如，实施方案可在设置在个人音频装置内的一个或多个集成电路和设置在主机装置内的一个或多个集成电路中实现。
应理解，尤其是受益于本公开的本领域普通技术人员应理解，本文(特别是结合附图)描述的各种操作可由其他电路或其他硬件部件实现。可改变执行给定方法的每个操作的顺序，并且可对本文所例示的系统的各种元件进行添加、重新排序、组合、省略、修改等。本公开意图涵盖所有此类修改和改变，并且因此，以上描述应以说明性意义而非限制性意义来看待。
类似地，虽然本公开参考具体实施方案，但是在不脱离本公开的范围和覆盖范围的情况下，可对那些实施方案进行某些修改和改变。此外，本文关于具体实施方案描述的任何益处、优点或问题解决方案均不意图被诠释为关键的、必需的或必要的特征或元素。
同样受益于本公开的另外的实施方案对本领域普通技术人员将是显而易见的，并且此类实施方案应被视为涵盖在本文中。

Claims (22)

1.一种生物识别处理器，其包括：
一个或多个输入端，所述一个或多个输入端被配置为接收关于用户的第一耳朵获取的第一耳朵生物识别数据和关于所述用户的第二耳朵获取的第二耳朵生物识别数据；
处理模块，所述处理模块被配置为基于所述第一耳朵生物识别数据与授权用户的第一所存储耳朵生物识别模板的比较以及所述第二耳朵生物识别数据与所述授权用户的第二所存储耳朵生物识别模板的比较，对所述第一耳朵生物识别数据和所述第二耳朵生物识别数据执行一个或多个生物识别算法，以获得相应的第一生物识别分数和第二生物识别分数；
融合模块，所述融合模块被配置为将第一权重和第二权重应用于所述相应的第一生物识别分数和第二生物识别分数以获得第一加权生物识别分数和第二加权生物识别分数，并且组合至少所述第一加权生物识别分数和所述第二加权生物识别分数以生成总体生物识别分数，其中所述第一权重和所述第二权重彼此不同；并且其中生物识别结果是基于所述总体生物识别分数。
2.根据权利要求1所述的生物识别处理器，其中所述第一所存储耳朵生物识别模板比所述第二所存储耳朵生物识别模板更具辨别性，并且其中所述第一权重和所述第二权重被配置为使得所述第一权重大于所述第二权重。
3.根据权利要求1或2所述的生物识别处理器，其中所述第一权重根据以下中的一者或多者变化：与所述第一所存储耳朵生物识别模板相关联的等错误率；与所述第一所存储耳朵生物识别模板相关联的错误拒绝率；以及与所述第一所存储耳朵生物识别模板相关联的错误接受率。
4.根据权利要求3所述的生物识别处理器，其中所述第一权重与跟所述第一所存储耳朵生物识别模板相关联的所述等错误率成反比地变化。
5.根据权利要求4所述的生物识别处理器，其中所述第一权重根据以下方程来计算：
Figure FDA0003200107190000021
其中w1是所述第一权重，EER1是与所述第一所存储耳朵生物识别模板相关联的所述等错误率，并且EER2是与所述第二所存储耳朵生物识别模板相关联的等错误率。
6.根据权利要求3所述的生物识别处理器，其中所述第一权重与跟所述第一所存储耳朵生物识别模板相关联的所述错误拒绝率或所述错误接受率成比例地变化。
7.根据权利要求6所述的生物识别处理器，其中所述第一权重根据以下方程来计算：
Figure FDA0003200107190000022
其中w1是所述第一权重，FRR1是与所述第一所存储耳朵生物识别模板相关联的所述错误拒绝率，并且FRR2是与所述第二所存储耳朵生物识别模板相关联的错误拒绝率。
其中所述第一权重根据以下方程来计算：
Figure FDA0003200107190000023
其中w1是所述第一权重，FAR1是与所述第一所存储耳朵生物识别模板相关联的所述错误接受率，并且FAR2是与所述第二所存储耳朵生物识别模板相关联的错误接受率。
8.根据前述权利要求中任一项所述的生物识别处理器，其中所述第一权重和所述第二权重基于在所述授权用户的登记期间获取的生物识别数据来计算。
9.根据权利要求8所述的生物识别处理器，其中所述第一权重和所述第二权重在所述授权用户的登记之后基于在登记之外的操作模式中获取的生物识别数据来更新。
10.根据权利要求8或9所述的生物识别处理器，其中所述第一权重和所述第二权重进一步基于从一群组对象获得的生物识别分数的训练集来计算。
11.根据权利要求10所述的生物识别处理器，其中所述第一权重和所述第二权重通过基于所述生物识别分数的训练集和在所述授权用户的登记期间获取的所述生物识别数据使成本函数最小化来计算。
12.根据前述权利要求中任一项所述的生物识别处理器，其中所述第一加权生物识别分数和所述第二加权生物识别分数在非线性函数中组合，所述非线性函数具有根据所述第一生物识别分数和所述第二生物识别分数的相对辨别性值变化的斜率。
13.根据前述权利要求中任一项所述的生物识别处理器，其中所述第一耳朵生物识别数据和所述第二耳朵生物识别数据包括声学数据。
14.根据权利要求13所述的生物识别处理器，其中所述第一耳朵生物识别数据包括所述用户的所述第一耳朵对第一声学刺激的声学响应，并且其中所述第二耳朵生物识别数据包括所述用户的所述第二耳朵对第二声学刺激的声学响应。
15.根据权利要求13所述的生物识别处理器，其中所述第一耳朵生物识别数据包括从所述用户的所述第一耳朵对第一声学刺激的声学响应中提取的一个或多个第一特征，并且其中所述第二耳朵生物识别数据包括从所述用户的所述第二耳朵对第二声学刺激的声学响应中提取的一个或多个第二特征。
16.根据权利要求15所述的生物识别处理器，其中所述一个或多个第一特征和所述一个或多个第二特征各自包括以下中的一者或多者：相应声学响应的一个或多个谐振频率；所述相应声学响应的倒谱系数；以及所述第一声学刺激和所述第二声学刺激与所述相应声学响应之间的传递函数。
17.根据权利要求13所述的生物识别处理器，其中所述第一耳朵生物识别数据包括来自所述用户的所述第一耳朵的耳声发射，并且其中所述第二耳朵生物识别数据包括来自所述用户的所述第二耳朵的耳声发射。
18.根据前述权利要求中任一项所述的生物识别处理器，其还包括：阈值模块，所述阈值模块被配置为将所述总体生物识别分数与一个或多个阈值进行比较以便生成所述生物识别结果。
19.一种电子设备，其包括根据前述权利要求中任一项所述的生物识别处理器。
20.一种执行生物识别过程的方法，所述方法包括：
获得关于用户的第一耳朵获取的第一耳朵生物识别数据和关于所述用户的第二耳朵获取的第二耳朵生物识别数据；
基于所述第一耳朵生物识别数据与授权用户的第一所存储耳朵生物识别模板的比较以及所述第二耳朵生物识别数据与所述授权用户的第二所存储耳朵生物识别模板的比较，对所述第一耳朵生物识别数据和所述第二耳朵生物识别数据执行一个或多个生物识别算法，以获得相应的第一生物识别分数和第二生物识别分数；
将第一权重和第二权重应用于所述相应的第一生物识别分数和所述第二生物识别分数以获得第一加权生物识别分数和第二加权生物识别分数，并且组合至少所述第一加权生物识别分数和所述第二加权生物识别分数以生成总体生物识别分数，其中所述第一权重和所述第二权重彼此不同；以及
基于所述总体生物识别分数生成生物识别结果。
21.一种电子设备，其包括：处理电路；以及存储指令的非暂时性机器可读介质，所述指令在由所述处理电路执行时致使所述处理电路：
获得关于用户的第一耳朵获取的第一耳朵生物识别数据和关于所述用户的第二耳朵获取的第二耳朵生物识别数据；
基于所述第一耳朵生物识别数据与授权用户的第一所存储耳朵生物识别模板的比较以及所述第二耳朵生物识别数据与所述授权用户的第二所存储耳朵生物识别模板的比较，对所述第一耳朵生物识别数据和所述第二耳朵生物识别数据执行一个或多个生物识别算法，以获得相应的第一生物识别分数和第二生物识别分数；
将第一权重和第二权重应用于所述相应的第一生物识别分数和第二生物识别分数以获得第一加权生物识别分数和第二加权生物识别分数，并且组合至少所述第一加权生物识别分数和所述第二加权生物识别分数以生成总体生物识别分数，其中所述第一权重和所述第二权重彼此不同；并且
基于所述总体生物识别分数生成生物识别结果。
22.一种生物识别处理器，其包括：
一个或多个输入端，所述一个或多个输入端被配置为接收关于用户的第一耳朵获取的第一耳朵生物识别数据和关于所述用户的第二耳朵获取的第二耳朵生物识别数据；
处理模块，所述处理模块被配置为基于所述第一耳朵生物识别数据与授权用户的第一所存储耳朵生物识别模板的比较以及所述第二耳朵生物识别数据与所述授权用户的第二所存储耳朵生物识别模板的比较，对所述第一耳朵生物识别数据和所述第二耳朵生物识别数据执行一个或多个生物识别算法，以获得相应的第一生物识别分数和第二生物识别分数；以及
融合模块，所述融合模块被配置为组合至少所述第一生物识别分数和所述第二生物识别分数以生成总体生物识别分数，其中所述第一生物识别分数和所述第二生物识别分数在以下形式的多项式变换中组合：
Figure FDA0003200107190000061
其中p和q分别表示所述第一生物识别分数和所述第二生物识别分数中所述多项式的次数，并且其中SL和SR分别是所述第一生物识别分数和所述第二生物识别分数，
其中所述多项式变换被输入到非线性函数以生成所述总体生物识别分数；并且
其中生物识别结果是基于所述总体生物识别分数。
CN202080013151.4A 2019-03-19 2020-03-19 生物识别过程、设备和机器可读介质 Pending CN113412489A (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201962820384P 2019-03-19 2019-03-19
US62/820,384 2019-03-19
GB1905638.1 2019-04-23
GBGB1905638.1A GB201905638D0 (en) 2019-03-19 2019-04-23 Biometric processes, apparatus and machine-readable mediums
US16/822,885 US11609977B2 (en) 2019-03-19 2020-03-18 Biometric processes, apparatus and machine-readable mediums
US16/822,885 2020-03-18
PCT/GB2020/050723 WO2020188281A1 (en) 2019-03-19 2020-03-19 Biometric processes, apparatus and machine-readable mediums

Publications (1)

Publication Number Publication Date
CN113412489A true CN113412489A (zh) 2021-09-17

Family

ID=66810234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080013151.4A Pending CN113412489A (zh) 2019-03-19 2020-03-19 生物识别过程、设备和机器可读介质

Country Status (4)

Country Link
US (1) US11609977B2 (zh)
CN (1) CN113412489A (zh)
GB (2) GB201905638D0 (zh)
WO (1) WO2020188281A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113806760B (zh) * 2021-04-09 2024-05-17 京东科技控股股份有限公司 获取特征间相关系数方法、装置、电子设备及存储介质
WO2024004011A1 (ja) * 2022-06-28 2024-01-04 日本電信電話株式会社 本人性認証システム、本人性認証方法、本人性スコア算出装置、認証装置、および、プログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015011552A1 (en) * 2013-07-25 2015-01-29 Bionym Inc. Preauthorized wearable biometric device, system and method for use thereof
US10248771B1 (en) * 2014-01-24 2019-04-02 Microstrategy Incorporated Performing biometrics operations in uncontrolled environments
WO2018057813A2 (en) * 2016-09-21 2018-03-29 PINN Technologies System for user identification and authentication
US10460095B2 (en) * 2016-09-30 2019-10-29 Bragi GmbH Earpiece with biometric identifiers
KR102288302B1 (ko) * 2017-07-03 2021-08-10 삼성전자주식회사 적외선 영상을 이용한 사용자 인증 방법 및 장치
GB201801530D0 (en) 2017-07-07 2018-03-14 Cirrus Logic Int Semiconductor Ltd Methods, apparatus and systems for authentication
GB201801526D0 (en) 2017-07-07 2018-03-14 Cirrus Logic Int Semiconductor Ltd Methods, apparatus and systems for authentication
US10887335B2 (en) * 2017-08-03 2021-01-05 Interset Software, Inc. Aggregation of risk scores across ad-hoc entity populations

Also Published As

Publication number Publication date
GB202110459D0 (en) 2021-09-01
GB201905638D0 (en) 2019-06-05
GB2594873A (en) 2021-11-10
GB2594873B (en) 2023-10-18
WO2020188281A1 (en) 2020-09-24
US20200302042A1 (en) 2020-09-24
US11609977B2 (en) 2023-03-21

Similar Documents

Publication Publication Date Title
US11487861B2 (en) Methods, apparatus and computer-readable mediums related to biometric authentication
US10984083B2 (en) Authentication of user using ear biometric data
Ali et al. Edge-centric multimodal authentication system using encrypted biometric templates
CN111903112A (zh) 耳朵接近度检测
US8589167B2 (en) Speaker liveness detection
Rathore et al. SonicPrint: A generally adoptable and secure fingerprint biometrics in smart devices
US20190130168A1 (en) System, method and apparatus for multi-modal biometric authentication and liveness detection
CN108959866B (zh) 一种基于高频声波频率的持续身份认证方法
Xie et al. TeethPass: Dental occlusion-based user authentication via in-ear acoustic sensing
CN113412489A (zh) 生物识别过程、设备和机器可读介质
US10896682B1 (en) Speaker recognition based on an inside microphone of a headphone
US20210192244A1 (en) Biometric identification
Shang et al. Voice liveness detection for voice assistants using ear canal pressure
EP3373177B1 (en) Methods and systems for determining user liveness
TW202213326A (zh) 用於說話者驗證的廣義化負對數似然損失
Cao et al. HeartPrint: Passive heart sounds authentication exploiting in-ear microphones
Guo et al. Voice-based user-device physical unclonable functions for mobile device authentication
Cuzzocrea et al. Dempster-Shafer-based fusion of multi-modal biometrics for supporting identity verification effectively and efficiently
Shang et al. Voice liveness detection for voice assistants through ear canal pressure monitoring
Shi et al. Anti-replay: A fast and lightweight voice replay attack detection system
Evsyukov et al. Methods of protection in speaker verification systems
Nhan Nguyen et al. Fuzzy logic weight estimation in biometric-enabled co-authentication systems
Yang et al. Room-scale Voice Liveness Detection for Smart Devices
Wu et al. EarAE: An Autoencoder based User Authentication using Earphones
JP7347540B2 (ja) 耳音響認証装置、耳音響認証方法、及びプログラム

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