CN115457602A - 一种生物特征识别方法和系统 - Google Patents
一种生物特征识别方法和系统 Download PDFInfo
- Publication number
- CN115457602A CN115457602A CN202211116317.2A CN202211116317A CN115457602A CN 115457602 A CN115457602 A CN 115457602A CN 202211116317 A CN202211116317 A CN 202211116317A CN 115457602 A CN115457602 A CN 115457602A
- Authority
- CN
- China
- Prior art keywords
- palm
- image
- target
- light source
- illuminating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 119
- 238000001914 filtration Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000007920 subcutaneous administration Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 29
- 210000004204 blood vessel Anatomy 0.000 claims description 15
- 210000003462 vein Anatomy 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 10
- 210000003491 skin Anatomy 0.000 description 38
- 230000008901 benefit Effects 0.000 description 26
- 238000005286 illumination Methods 0.000 description 18
- 238000013507 mapping Methods 0.000 description 16
- 230000003287 optical effect Effects 0.000 description 13
- 238000003384 imaging method Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000012795 verification Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 230000010287 polarization Effects 0.000 description 6
- 230000002087 whitening effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 210000004247 hand Anatomy 0.000 description 5
- XUMBMVFBXHLACL-UHFFFAOYSA-N Melanin Chemical compound O=C1C(=O)C(C2=CNC3=C(C(C(=O)C4=C32)=O)C)=C2C4=CNC2=C1C XUMBMVFBXHLACL-UHFFFAOYSA-N 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 102000008186 Collagen Human genes 0.000 description 3
- 108010035532 Collagen Proteins 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 229920001436 collagen Polymers 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000001010 compromised effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 239000006059 cover glass Substances 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000001795 light effect Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 206010014970 Ephelides Diseases 0.000 description 2
- 208000003351 Melanosis Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000002615 epidermis Anatomy 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 210000003780 hair follicle Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 210000000439 stratum lucidum Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 102000016942 Elastin Human genes 0.000 description 1
- 108010014258 Elastin Proteins 0.000 description 1
- 206010016275 Fear Diseases 0.000 description 1
- 206010020649 Hyperkeratosis Diseases 0.000 description 1
- 244000060701 Kaempferia pandurata Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 235000016390 Uvaria chamae Nutrition 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 210000001789 adipocyte Anatomy 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000007933 dermal patch Substances 0.000 description 1
- 210000004207 dermis Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000002500 effect on skin Effects 0.000 description 1
- 229920002549 elastin Polymers 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000006210 lotion Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 210000004927 skin cell Anatomy 0.000 description 1
- 230000000392 somatic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002255 vaccination Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000024883 vasodilation Effects 0.000 description 1
- 230000002455 vasospastic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 210000000707 wrist Anatomy 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
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
- G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
-
- 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
- G06V40/1347—Preprocessing; Feature extraction
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
-
- 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
- G06V40/1365—Matching; Classification
- G06V40/1376—Matching features related to ridge properties or fingerprint texture
-
- 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
- G06V40/14—Vascular patterns
-
- 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
- G06V40/14—Vascular patterns
- G06V40/145—Sensors therefor
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种生物特征识别的方法和系统,方法包括:设置光源和成像器;将目标手掌面向所述光源和所述成像器;利用所述光源照射所述目标手掌;利用所述成像器捕获所述目标手掌的手掌图像;利用处理器确定所述手掌图像中的毛细血管床的特性。本发明可以包括基于毛细血管床的特性来识别目标对象的步骤。确定图像中的毛细血管床的特性的步骤可以包括确定毛细血管床的位置。本发明可以包括对图像进行处理以过滤手掌的除毛细血管床之外的图像特征的步骤。对图像进行处理以过滤手掌的除毛细血管床之外的图像特征可以包括移除表面脊纹特征以及进行空间滤波以移除频率小于选定阈值的细节。
Description
技术领域
本申请涉及认证和识别领域,更具体地说,涉及一种生物特征识别方法和系统。
背景技术
生物特征系统已经广泛用于基于测量、记录和匹配人体的某些独特特性来进行用户识别和认证。生物特征系统将在人与电子存储的凭证匹配后准许访问。该访问可以是物理的,例如解锁门或十字转门或保险箱等,或逻辑的例如准许对计算机、移动设备、网站、在线账户等的访问等。
指纹、面部、眼睛的虹膜、眼睛的视网膜以及大的手静脉是可测量的因人而异的身体特征。这些特征的图像或数字表示可以被捕获、存储并且稍后利用现有生物特征系统进行匹配。这些特征的图像或数字表示每个均具有不足,包括有限的准确性、读取装置的复杂性、被欺骗的能力以及易用性。
生物特征领域的技术人员已知,存在若干出于对个人进行生物特征认证或识别的目的而读取人手的可识别特性的方法。用于生物特征匹配的当前生物学特性包括指纹、手部几何形状、大的掌静脉、手掌褶痕以及手掌脊。利用这些身体特性的生物特征匹配系统的缺点是被模具、图像欺骗或者使用已故者身体部位与生物特征读取设备物理接触。
因此,需要新的且经改进的对目标对象进行生物特征识别的系统和方法,该系统和方法能够使得可靠性、准确性、装置的简单性、对欺骗攻击的抵抗力以及易用性得以提升。
本发明提供了改进的对目标对象进行生物特征识别的系统和方法,并且克服了以上提及的现有技术的缺点和不足。
发明内容
有鉴于此,本申请提供了一种生物特征识别方法和系统,使得可靠性、准确性、装置的简单性、对欺骗攻击的抵抗力以及易用性得以提升。
一种生物特征识别方法,包括:
设置光源和成像器;
将目标手掌面向所述光源和所述成像器;
利用所述光源照射所述目标手掌;
利用所述成像器捕获所述目标手掌的手掌图像;
利用处理器确定所述手掌图像中的毛细血管床的特性。
可选的,还包括:
基于所述毛细血管床的特性,对所述目标手掌属于的目标对象进行识别。
可选的,确定所述手掌图像中的毛细血管床的特性,包括确定所述手掌图像中的毛细血管床的位置信息。
可选的,在确定所述手掌图像中的毛细血管床的特性之前,还包括:
对所述手掌图像进行第一过滤处理,以滤除所述手掌图像中除所述毛细血管床之外的图像特征。
可选的,对所述手掌图像进行第一过滤处理,包括移除所述手掌图像中的表面脊纹特征。
可选的,对所述手掌图像进行第一过滤处理,包括:
采用空间滤波对所述手掌图像进行处理,以移除所述手掌图像中频率小于选定阈值的图案特征,其中,所述选定阈值小于1mm。
可选的,所述光源照射所述目标手掌包括用可见光照射。
可选的,所述光源照射所述目标手掌包括用绿光照射。
可选的,所述光源照射所述目标手掌包括用用能量谱在575nm波长以下的光照射。
可选的,所述光源照射所述目标手掌包括用在红光和红外波长中的百分比能量含量小于5%的光照射。
可选的,所述光源照射所述目标手掌包括用偏振光照射。
可选的,还包括在所述光源、所述成像器两者与所述目标手掌之间设置圆偏振器。
可选的,所述手掌图像还包含附加生物特征,所述附加生物特征包括手外围、表面脊、指纹、指纹节点、褶痕和血管中的至少之一。
可选的,还包括:
基于所述毛细血管床的位置信息和所述附加生物特征的位置信息对所述目标手掌属于的目标对象进行识别。
可选的,包括所述目标手掌与所述光源和所述成像器呈非接触式。
一种生物特征识别方法,包括:
设置光源和成像器;
将目标手掌面向所述光源和所述成像器;
利用所述光源照射所述目标手掌;
利用所述成像器捕获所述目标手掌的手掌图像;
利用处理器确定所述手掌图像中各个位置的表观颜色并基于所述表观颜色确定所述目标手掌的皮下特征的位置信息。
可选的,确定所述目标手掌的皮下特征的位置信息,包括:
确定所述目标手掌中典型间隔属于1mm至10mm范围的皮下特征的位置信息。
可选的,确定所述目标手掌的皮下特征的位置信息,包括:
确定所述目标手掌中具有着岛状最小值或最大值的斑纹状特性的皮下特征的位置信息。
可选的,确定所述目标手掌的皮下特征的位置信息,包括:
确定所述目标手掌中除具有长形特性以外的皮下特征的位置信息。
可选的,所述具有长形特性的皮下特征包括肉眼可见的静脉和表面脊线。
可选的,还包括:
基于所述皮下特征的位置信息,对所述目标手掌属于的目标对象进行识别。
可选的,在确定所述目标手掌的皮下特征的位置信息之前,还包括:
对所述手掌图像进行第二过滤处理,以滤除所述手掌图像中除所述皮下特征之外的图像特征。
可选的,对所述手掌图像进行第二过滤处理,包括移除所述手掌图像中的表面脊纹特征。
可选的,所述光源照射所述目标手掌包括用可见光照射。
可选的,所述光源照射所述目标手掌包括用绿光照射。
可选的,所述光源照射所述目标手掌包括用用能量谱在575nm波长以下的光照射。
可选的,所述光源照射所述目标手掌包括用在红光和红外波长中的百分比能量含量小于5%的光照射。
可选的,所述光源照射所述目标手掌包括用偏振光照射。
可选的,还包括在所述光源、所述成像器两者与所述目标手掌之间设置圆偏振器。
可选的,所述手掌图像还包含附加生物特征,所述附加生物特征包括手外围、表面脊、指纹、指纹节点、褶痕和血管中的至少之一。
可选的,还包括:
基于所述皮下特征的位置信息和所述附加生物特征的位置信息对所述目标手掌属于的目标对象进行识别。
可选的,包括所述目标手掌与所述光源和所述成像器呈非接触式。
一种生物特征识别系统,包括:
光源,所述光源用于照射与所述光源间隔开的所述目标手掌的皮肤表面;
成像器,所述成像器用于捕获并生成所述目标手掌的手掌图像;
处理器,所述处理器用于确定所述手掌图像中的毛细血管床的特性。
可选的,还包括偏振器,所述偏振器,所述偏振器设置在所述光源、所述成像器两者与所述目标手掌之间。
可选的,所述偏振器为圆偏振器。
可选的,还包括:
在所述光源与所述目标手掌之间的设置有具有第一取向的第一线偏振器,在所述成像器与所述目标手掌之间的设置有具有第二取向的第二线偏振器。
可选的,所述光源照射所述目标手掌包括用可见光照射。
可选的,所述光源照射所述目标手掌包括用绿光照射。
可选的,所述光源照射所述目标手掌包括用用能量谱在575nm波长以下的光照射。
可选的,所述光源照射所述目标手掌包括用在红光和红外波长中的百分比能量含量小于5%的光照射。
可选的,所述成像器生成的所述目标手掌的手掌图像还包含附加生物特征,所述附加生物特征包括手外围、表面脊、指纹、指纹节点、褶痕和血管中的至少之一。
可选的,所述处理器还用于基于所述毛细血管床的特性,对所述目标手掌属于的目标对象进行识别。
从上述的技术方案可以看出,本申请实施例提供的一种生物特征识别方法和系统,具有较高的准确性、在较大群体内的可用性、在较广泛范围的环境和/或照射条件下的可用性以及对欺骗攻击的较高抵抗力。毛细血管床图案中的特征与手掌脊图案中的特征之间的几何相关性提供了准确性的优点、登记手掌图像数据与输入验证手掌图像数据之间对准的优点,可以加速处理并且/或者可以允许呈现手的较小区域同时仍实现高匹配准确性。通过读取和匹配复杂的毛细血管床图案和复杂的手掌脊图案两者,使可匹配特征的数量增加,从而提高了准确性。通过读取和匹配复杂的毛细血管床图案和复杂的手掌脊图案两者,大大增加了构建假手来欺骗系统的难度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例示出的第一种对目标手掌进行生物特征识别的侧剖面示意图;
图2是图1示出的对目标手掌进行生物特征识别的俯视示意图;
图3为本申请实施例提供的第一种生物特征识别方法的流程图;
图4为本申请实施例提供的第二种生物特征识别方法的流程图;
图5是对目标对象进行生物特征识别的系统和方法的第一替选实施方式的俯视图。
图6是对目标对象进行生物特征识别的系统和方法的第二替选实施方式的俯视图。
图7是图1的使用对目标对象进行生物特征识别的方法的系统在识别目标手掌的应用中的示意图。
图8是由图7的使用对目标对象进行生物特征识别的方法的系统拍摄的目标手掌的图像。
图9是使用对目标对象进行生物特征识别的方法的系统的第三替选实施方式在识别目标手掌的应用中的示意图。
图10是由图9的使用对目标对象进行生物特征识别的方法的系统的第三替选实施方式拍摄的目标手掌的图像。
图11是使用对目标对象进行生物特征识别的方法的系统的第四替选实施方式在识别目标手掌的应用中的示意图。
图12是目标手掌的示出毛细血管床图案的图像。
图13是图12的目标手掌的在经受背景消除和放大校正之后的图像。
图14A是图13的目标手掌的在手掌区域被放大之后的图像。
图14B是图13的目标手掌的在指尖区域被放大之后的图像。
图15A是图14A的目标手掌的在手掌区域的毛细血管床图案中的特征的对比度被增强之后的图像。
图15B是图14B的目标手掌的在指尖区域的毛细血管床图案中的特征的对比度被增强之后的图像。
图16A是图15A的目标手掌的在进一步进行高通滤波和锐化以增强手掌区域的毛细血管床图案并且不强调手上的照明变化之后的图像。
图16B是图15B的目标手掌的在进一步进行高通滤波和锐化以增强指尖区域的毛细血管床图案并且不强调手上的照明变化之后的图像。
图17A是图16A的目标手掌的在进一步进行低通滤波和锐化以增强手掌区域的毛细血管床图案的较大特征之后的图像。
图17B是图16B的目标手掌的在进一步进行低通滤波和锐化以增强手掌区域的毛细血管床图案的较大特征之后的图像。
图18A是图17A的目标手掌的在手掌区域的灰度级别的数量被减少至三之后的图像。
图18B是图18A的目标手掌的仅示出手掌区域上的亮斑的图像。
图18C是图18A的目标手掌的仅示出手掌区域上的暗斑的图像。
图19A是图17B的目标手掌的在指尖的灰度级别的数量被减少至三之后的图像。
图19B是图19A的目标手掌的仅示出指尖上的亮斑的图像。
图19C是图19A的目标手掌的仅示出指尖上的暗斑的图像。
图20A是图18A的目标手掌的示出特征点到手掌区域图像的映射的图像。
图20B是图19A的目标手掌的示出特征点到指尖图像的映射的图像。
图21A是针对手掌区域的仅图20A的特征点的映射的图像。
图21B是针对指尖的仅图20B的特征点的映射的图像。
图22是图20A的目标手掌的图像,紧邻该图像的是几天之后拍摄的同一只手的经类似处理的图像。
图23A是在摄像装置和LED光源两者上方放置有偏振滤光器的情况下拍摄的食指整个下侧的原始图像。
图23B是在摄像装置和LED光源两者上方未放置偏振滤光器的情况下拍摄的食指整个下侧的原始图像。
图24A是图23A的食指整个下侧的在手指的边缘和背景被遮蔽之后的图像。
图24B是图23B的食指整个下侧的在手指的边缘和背景被遮蔽之后的图像。
图25A是图24A的食指整个下侧的在对比度被增强和均衡之后的图像。
图25B是图24B的食指整个下侧的在对比度被增强和均衡之后的图像。还施加了带通滤波或锐化。
图26A是图25A的食指整个下侧的在图像被色调分离为较小数目的灰度在这种情况下为四个灰度之后的图像。
图26B是图25A的食指整个下侧的在映射局部亮斑之后的图像。
图26C是图25A的食指整个下侧的在映射局部暗斑之后的图像。
上述各附图中相同的附图标记指代相同的部分。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
接下来介绍本申请方案,本申请提出如下技术方案,具体参见下文。
首先对本申请的生物特征识别系统进行介绍。
图1为本申请实施例示出的第一种对目标手掌进行生物特征识别的侧剖视示意图,图2是图1示出的对目标手掌进行生物特征识别的俯视示意图,其中生物特征识别系统由附图标记10表示。
具体的,图1和图2中生物特征识别系统对目标对象的目标手掌12进行生物特征识别。该生物特征识别系统可以包括:
光源20的外壳14,光源20可操作以照射从生物特征识别系统起与光源间隔开工作距离40的目标手掌的皮肤表面42。
成像器16,其包含CMOS图像传感器、透镜和光圈,所述成像器用于捕获并生成所述目标手掌的手掌图像
处理器32,处理器用于确定所述手掌图像中的毛细血管床的特性。处理器32可以发送或处理图像。
偏振器,所述偏振器设置在所述光源、所述成像器两者与所述目标手掌之间,偏振器可以是位于光源和成像器两者与目标对象之间的圆偏振器。或者偏振器可以是在光源与目标手掌之间的具有第一取向的第一线偏振器28,以及,在成像器与目标手掌之间的具有第二取向的第二线偏振器26,其中,第一取向与第二取向可以相同也可以不同。
皮肤表面可以用可见光照射,包括用主要为绿色的光照射。皮肤表面可以用能量谱主要在575nm波长以下的光照射。皮肤表面可以用在红光和红外波长中的百分比能量含量小于5%的光照射。
在当前实施方式中为LED的光源的辐射图由附图标记22表示。外壳的内容物由玻璃盖窗24保护。印刷电路板30电连接并支承光源、电子部件、用于供电和通信的连接器和线缆34、可选的接近检测器部件36以及可选的用于减少杂散光的挡板38。
图3为本申请实施例提供的第一种生物特征识别方法的流程图,方法整体由附图标记100表示。
该方法包括以下步骤:
步骤110、设置光源和成像器。
步骤120、将目标手掌面向所述光源和所述成像器。
步骤130、利用所述光源照射所述目标手掌。
步骤140、利用所述成像器捕获所述目标手掌的手掌图像。
步骤150、利用处理器确定所述手掌图像中的毛细血管床的特性。
可选的,该方法还可以包括步骤160、基于所述毛细血管床的特性,对所述目标手掌属于的目标对象进行识别。
可选的,步骤150、利用处理器确定所述手掌图像中的毛细血管床的特性的过程,具体可以包括步骤152、确定毛细血管床的位置。
该方法还可以包括在对所述目标手掌属于的目标对象进行识别之前对图像进行过滤处理,具体为在确定所述手掌图像中的毛细血管床的特性之前,还包括:
步骤154、对所述手掌图像进行第一过滤处理,以滤除所述手掌图像中除所述毛细血管床之外的图像特征。
可选的,步骤154、对所述手掌图像进行第一过滤处理的过程,具体可以包括步骤156、移除所述手掌图像中的表面脊纹特征,以及步骤158、采用空间滤波对所述手掌图像进行处理,以移除所述手掌图像中频率小于选定阈值的图案特征,其中,所述选定阈值小于1mm。
可选的,步骤130、利用所述光源照射所述目标手掌的过程可以为用可见光照射,并且用主要为绿色的光照射。照射手掌的步骤还可以包括用能量谱主要在575nm波长以下的光照射。照射手掌的步骤还可以包括用在红光和红外波长中的百分比能量含量小于5%的光照射。照射手掌的步骤还可以包括用偏振光照射。
可选的,步骤110、设置光源和成像器还可以包括步骤112、在所述光源、所述成像器两者与所述目标手掌之间设置圆偏振器。
可选的,步骤140、利用所述成像器捕获所述目标手掌的手掌图像,其中手掌图像中还包含附加生物特征,所述附加生物特征包括手外围、表面脊、指纹、指纹节点、褶痕和血管中的至少之一。在实际应用中,可以基于所述毛细血管床的位置信息和所述附加生物特征的位置信息对所述目标手掌属于的目标对象进行识别。
可选的,步骤120、将目标手掌面向所述光源和所述成像器可以包括将手掌定位成离开光源和成像器的一小段距离,该距离可以是在25mm与300mm之间的距离。
图4为本申请实施例提供的第二种生物特征识别方法的流程图,方法整体由附图标记200表示。
步骤210、设置光源和成像器。
步骤220、将目标手掌面向所述光源和所述成像器。
步骤230、利用所述光源照射所述目标手掌。
步骤240、利用所述成像器捕获所述目标手掌的手掌图像。
步骤250、利用处理器确定所述手掌图像中各个位置的表观颜色。
步骤260、基于所述表观颜色确定所述目标手掌的皮下特征的位置信息。
可选的,步骤260中确定所述目标手掌的皮下特征的位置信息的过程,可以包括:
①确定所述目标手掌中典型间隔属于1mm至10mm范围的皮下特征的位置信息;
②确定所述目标手掌中具有着岛状最小值或最大值的斑纹状特性的皮下特征的位置信息。
③确定所述目标手掌中除具有长形特性以外的皮下特征的位置。
可选的,所述具有长形特性的皮下特征包括肉眼可见的静脉和表面脊线。
可选的,步骤230、利用所述光源照射所述目标手掌的过程可以为用可见光照射,并且用主要为绿色的光照射。照射手掌的步骤还可以包括用能量谱主要在575nm波长以下的光照射。照射手掌的步骤还可以包括用在红光和红外波长中的百分比能量含量小于5%的光照射。照射手掌的步骤还可以包括用偏振光照射。
可选的,步骤210、设置光源和成像器还可以包括步骤212、在所述光源、所述成像器两者与所述目标手掌之间设置圆偏振器。圆偏振器也可以替换成线性偏振器的。
可选的,步骤240、利用所述成像器捕获所述目标手掌的手掌图像,其中手掌图像中还包含附加生物特征,所述附加生物特征包括手外围、表面脊、指纹、指纹节点、褶痕和血管中的至少之一。在实际应用中,捕获图像的步骤还可以包括步骤242、将皮下特征的位置信息与附加生物特征信息的位置信息相关联。
步骤260、基于对颜色的确定来确定皮下特征的位置的可以包括步骤262、对所述手掌图像进行第二过滤处理,以滤除所述手掌图像中除所述皮下特征之外的图像特征,以及步骤264、对所述手掌图像进行第二过滤处理,包括移除所述手掌图像中的表面脊纹特征。
可选的,在步骤260之后还可以包括,步骤270、基于所述皮下特征的位置信息和所述附加生物特征的位置信息对所述目标手掌属于的目标对象进行识别。
可选的,步骤120、将目标手掌面向所述光源和所述成像器可以包括将手掌定位成离开光源和成像器的一小段距离,该距离可以是在25mm与300mm之间的距离。
图5为本申请实施例提供的对生物特征识别的第一替选实施方式的俯视图示意图。图5中生物特征识别系统300利用各自具有第二线偏振器326的两个成像器316和各自具有第一线偏振器328的四个光源320之外,生物特征识别系统300与生物特征识别系统10相同。图5中示出的其他部件为外壳314、玻璃盖窗324以及可选的接近检测器336。
使用两个摄像装置可以具有以下优点中的一个或更多个:具有捕获手部较大区域的能力;具有捕获可能进一步偏离中心的手的能力;具有在较大距离范围内进行捕获的能力,例如,一个摄像装置聚焦得较近,而一个摄像装置聚焦得较远;具有确定距离和大小的能力,通过视差测量,一个摄像装置可以被优化(在分辨率、聚焦等方面)用于捕获中央手掌区域,而第二摄像装置被优化用于捕获手指,两个摄像装置可以被优化用于不同波长的光,例如,IR、可见光、紫外线,以进行多模态捕获,和/或两个摄像装置可以被优化成具有不同的光学滤光器或特性,包括偏振、波长灵敏度等。
图6为本申请实施例提供的对生物特征识别的第二替选实施方式的俯视图示意图。图6中生物特征识别系统400利用各自具有第二线偏振器426的两个成像器416和各自具有第一线偏振器428的四个光源420之外,生物特征识别系统400与生物特征识别系统10相同。图6中示出的其他部件为玻璃盖窗424以及可选的接近检测器436。玻璃盖窗包括通知和引导用户的手图标440,并且可以具有颜色、滤光器和/或涂层以使得成像器、光源和其他部件对用户不太可见。
图7是本实施例提供的对目标手掌进行生物特征识别的应用示意图,并且图8示出了由成像器16捕获的图像。也就是说,图7是图1中生物特征识别系统在识别目标手掌的应用中的示意图。其中,生物特征识别系统被配置成突出显示活体目标手掌或手指的皮肤表面42的表面轮廓。该配置在光源20与手之间使用第一线偏振器28,并且在手与成像器16之间使用偏振轴与第一线偏振器平行的第二线偏振器26(或第一线偏振器的延伸)。图8中示出的所得图像由来自目标手掌的皮肤表面的镜面反射主导。
图9是本实施例提供的对生物特征识别的第三替选实施方式在识别目标手掌的应用中的示意图,并且图10示出了由成像器516捕获的图像。图9示出了使用生物特征识别系统500识别目标手掌12。除了被配置成抑制来自活体目标手掌或手指的皮肤表面42的表面轮廓的镜面反射之外,该生物特征识别系统与生物特征识别系统10相同。该配置在光源520与手之间使用第一线偏振器528,并且在手与成像器之间使用偏振轴与第一线偏振器垂直的第二线偏振器526。图10中示出的所得图像由来自目标手掌的肉体结构例如毛细血管床的漫反射主导。
图11是本实施例提供的对生物特征识别的第四替选实施方式在识别目标手掌的应用中的示意图。图11示出了使用生物特征识别系统600识别目标手掌12。除了被配置成抑制来自活体目标手掌或手指的皮肤表面42的表面轮廓的镜面反射之外,该生物特征识别系统与生物特征识别系统10相同。该配置在光源620与手之间使用其构造包括线偏振器层628的圆偏振器,并且在手与线偏振器层之间使用偏振轴相对于线偏振器旋转45°的四分之一波片层626。在所示出的实施方式中,圆偏振器还在手与摄像装置616之间延伸。所得图像由来自目标手掌的最上表面之下的肉体结构的漫反射主导。来自目标对象的皮肤表面的镜面反射保持圆偏振,但是具有相反的“旋向性”。因此,镜面反射在遇到摄像装置之前由于第二次通过圆偏振器而被有效地阻挡。
图12示出了目标手掌的典型原始图像。在该示例中,用绿色LED灯照射手。偏振滤光器被放置在LED光源和摄像装置上方以增强毛细血管床图案的图像。
图13示出了图12的目标手掌的在经受背景消除和放大校正之后的图像。可以通过对快速连续拍摄的非照射图像进行阈值处理、颜色过滤或作减法来将背景减去。背景由所示出的方格图案指示,并且该区域在后续处理步骤中被忽略。根据分析来排除手部边缘可能是有利的,因为那里的曲率、环境反射和阴影使特征识别变得困难。
放大校正可以通过使用接近传感器或两个摄像装置以及视差计算来针对不同的手部距离进行调整。可替选地,可以将所有手部图像放大至关键点之间的标准距离。
图14A示出了图13的目标手掌的在手掌区域被放大之后的图像。
图14B示出了图13的目标手掌的在指尖区域被放大之后的图像。指尖的图像也被旋转。
图15A示出了图14A的目标手掌的在手掌区域的毛细血管床图案中的特征的对比度通过图像处理步骤而增强之后的图像。
图15B示出了图14B的目标手掌的在指尖区域的毛细血管床图案中的特征的对比度通过图像处理步骤而增强之后的图像。
图16A示出了图15A的目标手掌的在进一步进行高通滤波和锐化以增强手掌区域的毛细血管床图案并且不强调手上的照明变化之后的图像。
图16B示出了图15B的目标手掌的在进一步进行高通滤波和锐化以增强指尖区域的毛细血管床图案并且不强调手上的照明变化之后的图像。
图17A示出了图16A的目标手掌的在进一步进行低通滤波和锐化以增强手掌区域的毛细血管床图案的较大特征之后的图像。可以不必要保留所有小特征,这是因为基于毛细血管床图案(在面积和/或幅度方面)的较大特征来执行匹配将更可靠并且在计算上更有效。因此,可以执行低通滤波(例如,高斯模糊)。这也将消除高频噪声(灰尘、脊图案、污物等)。另外,锐化或均衡(例如,直方图均衡)将扩展动态范围以充分利用从黑色到白色的所有灰度。
图17B示出了图16B的目标手掌的在进一步进行低通滤波和锐化以增强手掌区域的毛细血管床图案的较大特征之后的图像。可以不必要保留所有小特征,这是因为基于毛细血管床图案(在面积和/或幅度方面)的较大特征来执行匹配将更可靠并且在计算上更有效。因此,可以执行低通滤波(例如,高斯模糊)。这也将消除高频噪声(灰尘、脊图案、污垢等)。另外,锐化或均衡(例如,直方图均衡)将扩展动态范围以充分利用从黑色到白色的所有灰度。
图18A示出了图17A的目标手掌的在手掌区域的灰度级别的数量被减少至三之后的图像。图18B示出了图18A的目标手掌的仅示出手掌区域上的亮斑的图像。图18C示出了图18A的目标手掌的仅示出手掌区域上的暗斑的图像。尽管先前的图像能够用于匹配,但是可以将灰度的数量减少到允许所存储信息的较小数据大小。图18A已经被“色调分离(posterized)”,将灰度级别的数量减少至3,但是保留了关键的最小形状和位置以及最大形状和位置。图18B和图18C是经色调分离的图像的仅亮斑和仅暗斑的子图像。这些图像中的任何图像均可以用于匹配。注意,手部的边缘区域可以被排除在外,这是因为这些区域受阴影、环境光反射以及皮肤的曲率的影响,并且因此在提供用于匹配的有用特征方面价值不大。
图19A示出了图17B的目标手掌在指尖的灰度级别的数量被减少至三之后的图像。图19B示出了图19A的目标手掌的仅示出指尖上的亮斑的图像。图19C示出了图19A的目标手掌的仅示出指尖上的暗斑的图像。尽管先前的图像能够用于匹配,但是可以将灰度的数量减少到允许存储信息的较小数据大小。图19A已经被“色调分离”,将灰度级别的数量减少至3,但是保留了关键的最小形状和位置以及最大形状和位置。图19B和图19C是经色调分离的图像的仅亮斑和仅暗斑的子图像。这些图像中的任何图像均可以用于匹配。注意,手指的边缘区域可以被排除在外,这是因为这些区域受阴影、环境光反射以及皮肤的曲率的影响,并且因此在提供用于匹配的有用特征方面价值不大。
图20A示出了图18A的目标手掌的示出特征点到手掌区域图像的映射的图像。图21A示出了针对手掌区域的仅图20A的特征点的映射的图像。代替保存先前所示的图像以供匹配,可能有利的是存储最小点和最大点的映射。这种特征点映射的方法进一步降低了数据存储要求,并且可以加速匹配。在所示附图中,对于手掌区域图像,“+”标记被置于局部最大点处,并且“-”标记被置于局部最小点处。
分配和映射特征点的过程可以包括诸如以下各项的标准:最小面积要求、与另一点的最小接近度、对连续低亮度或高亮度特征串的不同处理。这些点可以被选择为处于每个斑点的质心中,并且根据一些标准,较大斑点可以得到多个点。另外,可以根据信号的幅度、周围最小值/最大值的面积、置信度值和/或其他标准为每个点分配“加权”值。所存储的特征数据可以是从某个可预测的“零”位置测量的笛卡尔x-y位置(以及类型和“加权”值等)串,或者可以是距相邻点的偏移向量串。
图20B是图19A的目标手掌的示出特征点到指尖图像的映射的图像。图21B示出了针对指尖的仅图20B的特征点的映射的图像。代替保存先前所示的图像以供匹配,可能有利的是存储最小点和最大点的映射。这种特征点映射的方法进一步降低了数据存储要求,并且可以加速匹配。在所示附图中,对于指尖图像,“+”标记被置于局部最大点处,并且“-”标记被置于局部最小点处。
分配和映射特征点的过程可以包括诸如以下各项的标准:最小面积要求、与另一点的最小接近度、对连续低亮度或高亮度特征串的不同处理。这些点可以被选择为在每个斑点的质心中,并且根据一些标准,较大斑点可以得到多个点。另外,可以根据信号的幅度、周围最小值/最大值的面积、置信度值和/或其他标准为每个点分配“加权”值。所存储的特征数据可以是从某个可预测的“零”位置测量的笛卡尔x-y位置(以及类型和“加权”值等)串,或者可以是距相邻点的偏移向量串。
图22是图20A的目标手掌的图像,紧邻该图像的是几天之后拍摄的同一只手的经类似处理的图像。目标对象的生物特征数据的初始登记处理可以遵循如先前所述的图像处理和存储步骤。优选地以压缩格式将生物特征数据存储在服务器上、计算机上、移动设备中或一些其他数据存储设备上。在未来的一个或多个时间处,用户再次将他们的手放在图像捕获装置上,并且可能使用诸如先前概述的图像处理步骤再次捕获生物特征(毛细血管床图案)。然后计算机必须将新捕获的“验证”数据与初始存储的“登记”数据进行比较以确定是否存在匹配。数学匹配将确认同一个人正在寻求授权。
图22是图20A的经处理的子图像,其中特征点被映射,紧邻该子图像的是几天之后拍摄的同一手的经类似处理的子图像。当然,所捕获的毛细血管床图案是不相同的,然而相对于原始图像的叠加特征图(通过一些旋转和放大调整)示出了与新图像的最小斑和最大斑的高度相关性。
匹配处理可以采取许多形式。一些示例是:
1.直线全图像相似性扫描。优选地,验证图像将被沿x和y平移、被旋转某个角度以及被沿x和y拉伸,使得该图像与登记图像大小和位置相同。这可以通过迫使关键“锚点”交叠来实现。这样的“锚点”可以是手指的轮廓、主要的手掌褶痕等。灰度可以被归一化以考虑在登记时间与验证时间之间的不同照射。然后可以执行逐像素相似性函数;这样的相似性函数可以是数学差等。所有差的总和将给出图像的相似性的度量。如果该总和小于某个阈值,则可以声明匹配。
2.与第一处理类似但是对已经经过滤波、被减少到较小灰度级别数量并且如先前所述被均衡的“色调分离”图像进行处理的相似性扫描。再次,可以对图像进行一些平移、旋转和拉伸以使图像交叠。然后,可以执行逐像素相似性函数,并且计算表示验证图像的毛细血管床图案与登记图像匹配的紧密程度的得分。
3.匹配处理,由此将登记关键特征点(在登记期间捕获的毛细血管床图案的局部最大值和最小值)叠加在验证毛细血管床图案图像上并且进行数学评分,该数学评分表示登记关键特征点与验证图像中相对较亮的斑和相对较暗的斑匹配的程度。
4.相似性评分过程,由此原始图像、或经色调分离/均衡的图像、或特征点映射图或这样的图像/映射图的子集经历自相关或卷积步骤。如本领域技术人员所知的,自相关或卷积等包含在一个阵列被平移(沿x和/或y)和/或旋转和/或拉伸时测量一个数学阵列(其可以是图像数据)与第二数学阵列的相似度。在某个点处,自相关或卷积函数达到最大值,其将表示使阵列之一最紧密匹配第二阵列所需的位置(x,y)、旋转和拉伸。即使在该函数的最大值处函数返回低相关因子,也可以推断出这两个阵列不匹配,并且在这种情况下,两个生物特征毛细血管床图案不是源自同一物理手。
这四种方法描述了用于测量登记图像与验证图像之间的匹配度的几何/数学步骤。替选方法将是使用“机器学习”或“人工智能”或“神经网络”技术来确定匹配置信度。如本领域技术人员所知的,这样的技术涉及在非常大的数据集上训练分类器以配置系统。尽管这样的系统中的根计算复杂并且/或者未知,但是所得系统可以是高度准确的并且能够随时间推移进行自适应。
这四个处理可以优选地针对图像的较小子集,可能是10mm×10mm或20mm×20mm的正方形区域等一一执行。与全手匹配相比,这些较小区域在数学上与第二图像的对应区域匹配的可能性更高,尤其是在手部图像数据在旋转、位置、距离、手“弯曲”、照射、污点等方面具有差异的情况下。
此外,代替使整个手上的每个验证子图像自相关,使预期的+/-20mm左右的区域上以及预期旋转上的每个子图像自相关将在计算上更有效,所述预期旋转由诸如手边缘、手指的根部、手指的角度、大的褶痕图案等的锚点确定。匹配的手可以使绝大多数子图像与高得分和可预测的相对位置匹配。
图23A是在摄像装置和LED光源两者上方放置有偏振滤光器的情况下拍摄的食指整个下侧的原始图像。偏振滤光器阻挡来自手指脊的镜面反射,从而使来自毛细血管床图案的漫反射更加显著。
图23B是在摄像装置和LED光源两者上方未放置偏振滤光器的情况下拍摄的食指整个下侧的原始图像。与图23A相比,明显的是,没有偏振滤光器导致来自手指脊的镜面反射更显著。
图24A是图23A的食指整个下侧的在手指的边缘和背景被遮蔽之后的图像。
图24B是图23B的食指整个下侧的在手指的边缘和背景被遮蔽之后的图像。
图25A是图24A的食指整个下侧的在对比度被增强和均衡之后的图像。
图25B是图24B的食指整个下侧的在对比度被增强和均衡之后的图像。还施加了带通滤波或锐化。
图26A是图25A的食指整个下侧的在图像被色调分离为较小数目的灰度在这种情况下为四个灰度之后的图像。经色调分离的图像突出显示图案中的局部最小斑点和最大斑点。
图26B是图25A的食指整个下侧的在映射局部亮斑之后的图像。
图26C是图25A的食指整个下侧的在映射局部暗斑之后的图像。
使用对目标对象进行生物特征识别的方法的系统的各种实施方式可以用于根据目标手掌或目标手掌指来识别目标对象。生物特征识别系统读取人的肉体和/或皮肤的血管斑纹的图案,并将该图案与所存储的图案表示进行生物特征比较,以认证、识别和/或匹配人。本发明的优选用途是读取手的手掌和/或手指下侧的血管斑纹图案。然而,本发明可以用于人体的其他部位。此外,应当理解,术语“手掌”被广泛用于指示手表面具有脊和谷的任何部分,包括中央手掌和手指到尖端,并且与不限于离开手指的中心区域的诸如“掌纹(palm print)”和“看手相(palm reading)”的口语用法或手相术相关联。
血管斑纹图案表现为手掌皮肤中宽度或直径通常为0.5mm至3mm的浅粉色(或几乎为白色)和深粉色的微弱、不规则形状的斑或斑点的随机图案。这一特性在生物学和医学文献中被称为血管斑纹,并且类似于或者可以可替选地被定义为:毛细血管床、比尔斑、血管痉挛性斑块、网状青斑或生理性贫血斑块。尽管这些定义中的一些用于与疾病相关联的极端斑纹。血管斑纹图案的深粉色区域很可能是由于皮肤的真皮层(在表皮层以下)中的小血管或毛细血管的毛细血管床引起的。血管斑纹图案的浅粉色区域由毛细血管浓度较低、毛细血管富集层厚度较小或毛细血管相对缺失使得使下面的浅色细胞结构显示出来的区域形成。所述浅色结构很可能是构成真皮层的脂肪细胞、弹性蛋白、胶原蛋白和/或其他纤维结缔组织。术语“血管斑纹图案”和“毛细血管床图案”两者都描述了人类手掌的相同特性并且可以互换使用。为简单起见,将主要使用术语“毛细血管床图案”。
手掌特别适于对毛细血管床图案进行成像,这是因为:缺乏毛发、毛囊和其他相关联的结构,以及存在组织例如透明层(stratum lucidum)。透明层(“透明层(clear layer)”的拉丁文)是表皮中的死皮细胞的薄的透明层,因其在显微镜下呈半透明外观而得名。如果对手掌上的一小块区域施加压力,则由于红色血液被挤出毛细血管床,那里的皮肤会暂时从深粉色变为浅粉色或白色。这种效果被称为“转白(blanching)”。转白使毛细血管床图案被暂时遮掩。然而,在压力释放后的几秒钟内,血液会返回这些毛细血管,并且可以再次看到相同的毛细血管床图案。这种现象说明斑纹图案本质上主要是血管。
肉体中产生毛细血管床图案的结构通常在皮肤表面以下0.5mm至3mm,并且不会在皮肤表面产生任何3维轮廓。因此,毛细血管床图案明显不同于手掌脊、疣、老茧、褶痕等。毛细血管床图案还明显不同于上乳头层的乳头袢(papillary loop)中的毛细血管,因为它们遵循表面脊的指纹状图案。手的毛细血管床图案与表面脊图案、褶痕图案或大静脉图案几乎没有相关性。
特别地,手掌中毛细血管床的斑纹状斑点特性与大静脉和动脉的分支状结构明显不同,大静脉和动脉的分支状结构倾向于在手的手掌表面以下更深。毛细血管床图案由随机分布的离散斑点组成,而大静脉则由分支状结构中相互连接的线组成。手掌中的毛细血管床图案在可见光照射下肉眼可见或微弱可见,而手掌中的大血管在可见光照射下肉眼几乎或完全不可见。必须使用红外光(IR)和IR敏感摄像装置系统来捕获大的掌静脉的图像,而毛细血管床图案在IR照射下对IR敏感摄像装置系统在很大程度上不可见。
毛细血管床图案在可见波长光下尤其是在使用蓝色或绿色或蓝绿色照射源时可见。毛细血管床图案甚至可以用肉眼看到,尽管它通常很微弱。蓝绿光的有效性是因为:在毛细血管床中毛细血管浓度较高的区域,这些波长的光相对更容易被血液吸收,而在毛细血管密度较低的区域,这些波长的光相对更容易被富含胶原蛋白的肉体(和其他组织)反射。
用紫外光照射手时也可以看到毛细血管床图案。当被UV-A光(315nm至400nm)照射时,通常为浅粉色或白色的区域中的底层富含胶原蛋白的组织会轻微地发出荧光,从而发出一些蓝光,而通常为深粉色或略带红色的区域中的富含血液的毛细血管保持暗,这是因为它们相对更容易吸收紫外光和/或由底层荧光组织发出的基本为蓝色的光。可以在成像器上方安装抑制紫外线的长通光学滤光器(longpass optical filter),以在使可见波长范围内的荧光信号通过的同时阻挡紫外线的反射。这将不需要偏振滤光器来阻挡表面反射,针对紫外线波长制造这样的偏振器是困难并且/或者昂贵的。
如果手冷和/或保持在腰部以下,则毛细血管床图案可能在一定程度上更明显。毛细血管床中血液浓度的增加分别由于血管舒张和/或重力的影响引起。斑或斑点可能清晰可见,或者可能对于人眼在视觉上不可见,这取决于包括以下各项的因素:温度、疾病、环境光以及身体部位被升高还是被降低。然而,斑或斑点的形状、图案和相对位置可通过光学/电子装置测量、对于个人而言是唯一的并且对于该个人随时间推移保持相对恒定。这使得该特点对于生物特征识别是有用的。毛细血管床图案有若干优于其他手部生物特征的优点,包括:可以识别的特征数量增加、识别准确性提高、非接触式使用模式、对手部位置的敏感性更低、硬件紧凑/成本更低、固有隐私以及对欺骗攻击的抵抗力。与其他手部生物特征系统相比,毛细血管床图案中可以存在许多更易于识别的特征,例如手部轮廓几何形状、手掌褶痕图案以及大的掌静脉的典型红外成像。在手掌的毛细血管床图案中,通常存在多于一百个适于识别的特征,每个特征均具有特征形状、相对强度和位置。这种可识别特征的数量的增加使得能够进行较高准确性的生物特征匹配。
生物特征读取器可以分为两种类型:“接触式”(“触摸式”)读取器和“非接触式”(“无接触式”)读取器。接触式读取器要求用户将要识别的皮肤部分置于与读取器表面物理接触,而非接触式读取器可以通过空气在一定距离处读取个人的身体部位。触摸式读取器具有以下优点:到皮肤的焦距固定、呈现角度的变化较小和/或3D表面到2D平面的转换是固有的。非接触式读取器具有下述优点:更卫生的使用方法,相对小的读取器捕获身体相对较大区域的图像的能力,与非平坦和/或敏感身体部位的兼容性,以及皮肤不因与读取器接触的压力而转白。转白是指因为所施加的压力使血液从毛细血管排出而使与表面接触的皮肤变白。
本发明具有针对接触式生物特征读取器和非接触式生物特征读取器两者的应用。例如,接触式指纹读取器可以读取指尖的毛细血管床图案,可能与读取常规指纹脊图案相结合。这样的读取器必须在手指与读取器接触时立即读取毛细血管床图案,或者在接触之前稍早读取毛细血管床图案,以免转白效果将该图案遮掩。然而,设想本发明的最大适用性是用于非接触式读取器,特别是非接触式手掌和手指读取器。与接触式读取器相比,这样的读取器将具有方便、易用、准确、卫生和预防疾病的优点。
非接触式手掌脊捕获系统趋于在很大程度上依赖于摄像装置的视角和光源相对于手的照射角,使得难以从整个手掌的轮廓表面捕获完整且清楚的脊数据。干燥磨损的手进一步将手掌脊图案遮掩。与手掌脊相比,即使在手是湿的、干的或以稍微不同的角度呈现给成像系统的情况下,毛细血管床图案的图像也能够被更容易且更可靠地捕获。
基于毛细血管床图案的生物特征系统由于难以秘密地获取不情愿的个人的毛细血管床图案而对用户具有私密性和防欺骗的优点。相比之下,潜在的指纹和手印可以被从触摸过的表面盗取,甚至不需要目标对象在场。当用户触摸物品表面或握持物品时,手的毛细血管床图案不会留下潜在图案或印记。此外,面部图像可能被从远距离摄像装置捕获或者从社交媒体网站获取。
业界强烈需要使生物特征系统对欺骗攻击具有高度抵抗力。而由于上述原因,黑客极难“盗取”他们希望冒充的人的毛细血管床图案或者将这些毛细血管床图案偷偷复制到生物特征系统。即使在黑客获得了个人的毛细血管床图案的图像的这种不太可能的情况下,由于硬件和软件保护措施,也难以对读取器重放这些信息。这样的保护措施包括但不限于:通过检测像素、偏振器、对不同波长的光的不正确反射率来检测来自数字屏幕的图像的方法;通过检测像素、人造颜色、不同波长或不同偏振光源下的不正确反射率来检测打印在纸或胶片上的图像的方法;以及通过检测对不同光波长或偏振光的不正确响应来检测手的3维模型的方法。如果本发明的毛细血管床图案读取器另外具有捕获手掌脊图案和/或大的掌静脉图案的能力,则本发明可以进一步增加欺骗系统的难度。这将通过确定那些次要特性(手掌脊、大的掌静脉)存在于所呈现的手或欺骗物上并且/或者在位置、形状和/或取向上与生物特征登记时存储的那些特征基本相似来实现。
本发明的优选实施方式读取并匹配手的手掌的毛细血管床图案。这是因为设想生物特征手掌扫描仪将是本发明的方便且高准确性的应用。毛细血管床图案在手部区域最为清晰,在手部区域中,毛细血管床图案通常不会被毛发、毛囊、雀斑、暗黑色素以及遮掩毛细血管床图案的其他特征所遮掩。然而,可以设想的是:本发明也可以应用于人体的其他部位,包括但不限于手的手掌侧手指、手的指尖、手的背部(非手掌侧)、手的背部侧手指、手腕、面部以及耳朵。例如,读取手指的毛细血管床图案可能比读取手掌区域稍微更一致,手掌区域可能会根据手的形状、姿势或位置而起皱、呈杯状或翘曲。为简单起见,此处的描述主要围绕本发明应用于手的手掌和手掌侧手指的用途而措词。
本发明可以采用用于照射毛细血管床图案并对毛细血管床图案成像的专用装置的形式,或者可以利用诸如移动电话、平板电脑或个人计算机的设备中的现有摄像装置。在后一种情况下,本发明采用以软件实现的方法的形式来处理和匹配使用内置摄像装置捕获的斑纹图像。
对于本领域技术人员而言,术语“认证”,并且特别是“生物特征认证”是指将所呈现的生物特征与该特征的单个存储表示进行一对一比较。如果生物特征数据匹配,则准许该个人物理或逻辑访问。可替选地,术语“识别”,并且特别是“生物特征识别”是指将所呈现的生物特征与该特征的多个存储表示进行一对多比较,以用于识别存在的个体是否在所存储的数据库中、以及/或者识别数据库中的哪个个体存在、以及/或者在确认存在的个体的凭证在数据库中时准许对该个体的访问。此处描述的本发明适用于生物特征认证和生物特征识别两者。为简单起见,术语“生物特征匹配(biometric match)”和“生物特征匹配(biometric matching)”将用于指代生物特征认证和生物特征识别的所有方式。
本发明使用光学技术,例如电子摄像装置系统,来捕获毛细血管床图案的图像。该电子摄像装置系统通常采用CCD或CMOS图像传感器、镜头和光圈来记录数字图像。优选地,使用利用蓝绿色LED的照射系统;然而,本发明的实现方式可以使用其他颜色的光源、紫外光源或环境光。在典型的室内照明或室外阳光下并且利用常规的CMOS成像器/摄像装置,捕获的图像将具有毛细血管床图案和表面脊图案两者的相互交叠的元素。这对于毛细血管床图案具有一些固有的隐私优势,因为其在某种程度上被遮掩并且因此黑客更难以秘密地捕获。为了分离和增强毛细血管床图案图像,本发明可以使用专用硬件和/或软件。
为了增强毛细血管床图案的图像,本发明可以利用线偏振器、圆偏振器、滤色器和/或图像处理软件。偏振器通常是由玻璃或塑料膜构成的滤光器。例如,放置在光源上方的线偏振滤光器和放置在摄像装置上方(或摄像装置内)的偏振轴旋转90°的第二线偏振滤光器在使散射、漫反射通过的同时将阻挡来自皮肤的表面的镜面(镜状)反射。这种配置将增强毛细血管床图案的图像(其本质上是漫散射反射),并且将减少或消除手掌脊图案的图像(其具有很大比例的由表面皮肤油脂引起的镜面反射。这将减少图像中的噪声。可替选地,如下定向的圆偏振器也将在使来自斑纹图像的漫反射通过的同时阻挡来自手的表面的镜面反射:所述圆偏振器的线偏振器侧面向光源和摄像装置系统并且其四分之一波片侧面向用户的手。
本发明的一个实施方式使用在其光路中具有线偏振器的单个摄像装置和一个或更多个具有垂直于摄像装置的偏振器定向的线偏振器的LED,以及具有平行于摄像装置的偏振器定向的线偏振器的一个或更多个附加LED。以这种方式,可以仅照射具有垂直偏振器的LED来拍摄一个图像以捕获皮肤的斑纹图像,并且可以仅照射具有平行偏振器的LED来拍摄第二个图像以捕获皮肤的脊图案。这两个图像可以连续拍摄。可替选地,如果对于平行偏振器LED使用与垂直偏振器LED不同的颜色(红色、绿色或蓝色),则在两种类型的LED均被照射的情况下可以通过彩色CMOS图像传感器在单个图像中同时捕获两个图像。在该实现方式中,与垂直偏振LED的颜色(优选地,绿色或蓝色)匹配的颜色像素将形成毛细血管床图案图像,并且其颜色与平行偏振LED的颜色匹配的像素将形成脊图案图像。软件直接分离出不同的颜色通道,并且然后分别对不同类型的图像进行处理。这样以较高的速度、较低的成本和/或较小的尺寸传递多生物特征信息。
在本发明的优选实施方式中,使用蓝色、绿色或蓝绿色光源来照射手的手掌,并且使用单色或彩色CMOS图像传感器来捕获手掌图像。彩色CMOS图像传感器通常具有应用于各个像素上的红光、蓝光和绿光波长通过滤色器,使得给定像素主要响应对应的颜色。在本发明中,从所捕获的原始图像中去除环境光的影响可能是有利的,并且这可以通过考虑彩色图像的红色像素中的图像数据来实现。由于用于捕获毛细血管床图案的预期照明为蓝色和/或绿色,因此红色像素中的数据对应于环境光效应,可以被认为是遮掩真实毛细血管床图案的噪声。这样的环境光可以是散射到手上或穿过手的室内光,或者可以是手指或手周边外部的顶部照明或阳光。注意,使用光谱的蓝绿区域中的光也可以更有效地对手掌脊图案进行成像,并且这些环境光减少技术也适用于捕获手掌脊或指纹图像。可替选地,可以通过用摄像装置系统捕获两个连续的图像来确定环境光效应,一个图像是在用蓝绿色光源照射的情况下捕获的,一个图像是在该光源关闭的情况下捕获的。“关闭”图像中的图像数据将由环境光效应产生。该技术可以用于彩色或单色CMOS图像传感器。本领域技术人员将认识到,基于红色像素数据或“关闭”图像数据的软件减法功能或遮蔽功能可以用于减少或消除原始图像数据中的环境光的影响。
通常,捕获毛细血管床图案的光学系统也将捕获手掌褶痕的图像。本发明的不同实现方式可能认为这是有利的或不利的。在前一种情况下,生物特征模板可以根据毛细血管床图案和手掌褶痕两者得到特征,并且然后基于匹配这两种类型的特征来执行匹配。这甚至可以是有帮助的,因为手掌褶痕可以提供手的取向/位置信息,并提供在大型数据库识别系统中对模板进行预分类的能力。相反地,如果应用要求将褶痕图案与斑纹图像单独处理或者将褶痕图案从斑纹图像中除去,则软件滤波可能是必要的。用于分离手掌褶痕图案的另外的方法是用基本上红色的光照射手并捕获手掌褶痕图像。红色的光将减少来自毛细血管床图案和手掌脊的信号,同时仍示出手掌褶痕图案。在手掌褶痕图案被分离出来的情况下,可以从其他特征的图像中减去手掌褶痕图案,或者可以使用手掌褶痕图案来限定斑纹或手掌脊特征应当被不同地处理或省略的“忽略”区域。
由摄像装置系统捕获的毛细血管床图案的原始图像很可能对比度低,并且可能在局部平均强度方面有变化。局部平均强度的变化可能由以下各项引起:光源的光学特性(包括强度的不均匀性和照射角度的变化)、由于手或身体部位的不平坦形状而在手或身体部位上投下阴影、手或身体部位的呈现角度、摄像装置系统的光学特性以及/或者身体部位的皮肤和肉体的反射率的实际变化。由于归一化并增强毛细血管床图案图像的对比度是有利的,因此可以使用软件图像处理。这种图像处理的形式可以采取全局对比度增强、局部对比度增强(也称为清晰度或微对比度)、锐化滤光器、直方图均衡和/或其他图像处理技术的形式。此外,由于有用的毛细血管床图案信息出现在一定空间频率范围内,因此可以加将空间滤波(低通、高通和/或带通)应用于图像。在该范围外的信号可以被视为噪声并且优选地将其丢弃。可以联合使用的所有这些类型的软件滤光器能够增强和均衡整个视场中感兴趣的图案,同时使图像中的噪声、偏移、边缘效应和其他不期望的伪影最小化。
当在不同时间呈现手时,很可能在位置、距离、旋转、手指的分离以及手“张开”或“呈杯状”的程度方面存在差异。这些差异将影响可识别生物特征在斑纹图像或其他图像中的相对位置。因此,对这些手部呈现特性进行测量并且然后对生物特征的结果位置变化进行补偿是有利的。测量手部呈现的方法包括但不限于测量手的轮廓(其可以包括手指)以及测量手的手掌中的褶痕的位置。在计算这些宏观手部特征的变换函数时,可以将图像变换为规范的形状/位置/旋转/尺寸以进行一致的特征提取,或者可以对模板中的特征的位置进行变换以更好地匹配登记模板的对应条件。也可以使用应用测距传感器或自动对焦的技术。
数字算法可以将毛细血管床图案图像转换为该图像的表示,称为模板。模板通常在数字大小(以字节为度量)方面比原始图像小、被以使得便于与另一模板进行匹配的方式格式化并且可以出于安全原因被加密。所存储的毛细血管床图案的模板可以采用图像、压缩图像、大量子图像或图案内的特征的映射的形式。毛细血管床图案图像中的这些特征可以是图像亮度的局部最小值、图像亮度的局部最大值、图像的等高线图和/或图案中的不同形状。
如生物特征认证领域的技术人员所知的,在用户“登记”(也称为“注册”)的初始处理期间生成一个模板,并且该模板(“登记模板”或“存储的参考数据”)被存储在计算机系统中。通常在登记期间会发生多次图像捕获,以通过选择“最佳”图像、通过合并多个图像以及/或者通过更多地权衡贯穿多次图像捕获持续存在的特征来确定和存储最高质量的模板。执行登记和存储登记模板的计算机系统可以是移动设备、电子令牌、嵌入式计算机、个人计算机、大型计算机、公司中的服务器、或互联网连接的web服务器中的“云中”服务器或这些的一些组合。在之后的某个时间,用户将他们的手或身体部位呈现给本发明的电子读取器,并且生成新模板,该新模板通常被称为“认证模板”或“识别模板”或“匹配模板”。将该模板与存储在计算机系统中的登记模板进行比较以确定是否存在匹配。如果确认匹配,则准许用户访问。这样的访问可以是对计算机、网络服务的访问,或者可以是对门口、大门等的物理访问。在生物特征匹配处理结束时,认证或识别模板通常被删除;然而,事务记录可以被保存。
匹配处理通常将包括很少或从不与登记模板逐位相同地补偿认证模板的软件算法。由于光学/电子系统中的固有噪声、人体和外部条件的变化以及生物特征数据的不精确性质,即使在模板是相同人体生物特征的表示的情况下,模板也将是不同的。因此,匹配算法是复杂的并且被设计成对下述变化进行补偿,所述变化包括但不限于电子系统中的噪声、光学系统中的噪声、身体部位的不同呈现(旋转、距离、角度、扭曲、皮肤翘曲、所呈现的不同区域、身体部位上的污物等)、人体变化(生长、受伤、衰老、洗剂的使用等)、环境条件的变化及其对人体和电子系统的影响(温度、环境光、湿度、振动等)。生物特征模板和被设计成基于斑纹图像来执行生物特征匹配的匹配算法将需要考虑并补偿这些变化。大多数生物特征系统允许生物特征的相对位置存在一定容差。大多数生物特征系统不要求100%的特征来进行匹配;而是确定在统计学上有意义的子集是否匹配。一些生物特征匹配算法利用诸如“仿射变换”的数学函数来补偿皮肤的翘曲和拉伸。该匹配算法可以对手部(或其他身体部位)图像数据的子集执行数学相关函数。只有当大量子集与合理的高相关性得分以及可接受的相似旋转角度、相对位置等交叠时,才会声明高置信度匹配。
如此处所描述的,数学相关函数可以采用随一个2D值矩阵相对于参考矩阵被平移、旋转和放大而执行统计交叠得分的形式,这也被称为“卷积”。即使在存在噪声和不精确数据的情况下,由于变化而获得的最大相关性得分可以给出关于两个矩阵的相似性以及产生最大交叠的位置/旋转/放大倍数的洞察。可以使用机器学习或人工智能或神经网络方法来开发使用基于毛细血管床图案的模板的生物特征匹配算法。在这样的方法中,专用工具对匹配和不匹配的生物特征图像或模板的大型数据库进行处理,并且在无需要手动编码的情况下推导出匹配算法。
虽然将包括手掌脊、手掌褶痕、手部几何形状以及手静脉的某些手和手掌特征用于生物特征认证和识别对于本领域技术人员来说是已知的,但是将本发明的毛细血管床图案与一种或更多种这些公共领域(遗留)生物特征识别方法结合使用是可以设想的,并且具有一定优势。本发明还可以对毛细血管床图案以及皮肤中的褶痕两者进行成像、记录和匹配。本发明还可以对毛细血管床图案以及皮肤的表面脊图案两者进行成像、记录和匹配。在这种情况下,皮肤可以是指尖的皮肤(在这种情况下,表面脊图案是常规的指纹),和/或手掌侧手指的皮肤,和/或手的手掌的皮肤。本发明还可以对毛细血管床图案和手中的大血管两者进行成像、记录和匹配。本发明还可以对毛细血管床图案以及手的几何形状两者进行成像、记录和匹配。本发明还可以对由皮肤中的黑色素形成的特征进行成像、记录和匹配,包括雀斑或深色皮肤的人的其他暗特征。
这样的多模态生物特征读取器(其中毛细血管床图案和至少一个其他手掌特性被捕获和匹配)将具有包括以下各项的优点:较高的生物特征准确性、改进的针对非常大的数据库进行识别的预分类能力、改进的对欺骗攻击的抵抗力、在较广泛用户群体范围内工作的能力、在较广泛外部条件下工作的能力、使用通用硬件组件以及不同类型图像之间的互相关。该互相关可以使位置(锚点)和/或取向信息能够用于改善图像之间的几何相关性。
本发明的多模态变型的一个示例是可以对指尖的毛细血管床图案以及那些相同手指的指纹两者进行成像、记录和匹配的装置。这样的装置可以在非接触模式下工作。可替选地,这样的装置可以在“触摸”或接触模式下工作;在这样的情况下,由于先前描述的接触的“转白”效果,可能期望恰好在先于手指与读取器接触的时间点捕获指尖的毛细血管床图案。在这样的实施方式中,如果指纹捕获摄像装置在“受抑全内反射”(frustrated totalinternal reflection,FTIR)模式下工作,则需要第二摄像装置来捕获毛细血管床图案,这是因为FTIR摄像装置/光学系统无法捕获不与压板(棱镜)表面直接接触的手指的图像。
本发明的多模态变型的一个示例是可以对手的手掌的一部分的毛细血管床图案以及表面趾掌脊(friction ridge)图案两者进行成像、记录和匹配的装置。表面趾掌脊图案与指纹图案非常相似:它采用一系列局部平行或同心的脊的形式并且其脊在“指纹节点(minutiae point)”处分叉或终止,所述脊的典型间距为0.25mm至1mm,具有斗型(whorl)、弓型(arch)和箕型(loop)图案。在单个设备中对用户手掌的毛细血管床图案和手掌脊图案两者进行成像、记录和匹配存在若干优点。所述优点包括较高的准确性、在较大群体内的可用性、在较广泛范围的环境和/或照射条件下的可用性、在手相对于读取器的较广泛范围的位置对准中的可用性以及对欺骗攻击的较高抵抗力。毛细血管床图案中的特征与脊图案中的特征之间的几何相关性提供了准确性的优点、登记手部图像数据与输入验证手部图像数据之间对准的优点,可以加速处理并且/或者可以允许呈现手的较小区域同时仍实现高匹配准确性。通过读取和匹配复杂的毛细血管床图案和复杂的手掌脊图案两者,使可匹配特征的数量增加,从而提高了准确性。通过读取和匹配复杂的毛细血管床图案和复杂的手掌脊图案两者,大大增加了构建假手来欺骗系统的难度。
表面手掌脊数据可以采用指纹节点映射的形式,这对于指纹识别领域的技术人员来说是公知的。然而,在本发明的非接触式实现方式中,可能难以可靠地读取足够的指纹节点,并且因此脊取向映射可能是优选的。在存在噪声、低信号或次优手部位置的情况下,局部脊方向的脊取向映射更容易被确定,因为仅脊的片段是确定其方向所必需的。可以根据脊取向映射图来确定核心点和三角点(与指纹节点不同)。虽然手掌脊流动数据可能不能产生被单独采用的非常高准确性的生物特征匹配,但是在它与毛细血管床图案数据被分层的情况下,所得系统将具有甚至更高的准确性和对欺骗攻击的抵抗力。
本发明的另一实现方式在每个生物特征捕获事件期间捕获手的三个方面:手的毛细血管床图案、脊图案和大静脉图案。这些图案可以从手掌区域和/或手指中捕获。如前所述,捕获较多生物特征信息具有准确性较高、在较广泛群体中使用以及对欺骗攻击的抵抗力提高的优点。
本发明可以被实现为专用硬件设备、嵌入到较大硬件系统中的硬件模块、或者计算机或移动设备中的软件。在后一种情况下,本发明可以利用已经集成到设备中的摄像装置和/或光源。本发明的专用硬件实施方式包括但不限于:桌面外围读取器或门禁设备。作为嵌入式硬件设备,本发明可以采用小模块安装在较大设备内的形式,所述较大设备包括但不限于计算机、移动设备(包括移动电话或平板电脑)、鼠标、保险箱、武器、时钟、门禁设备(包括门锁)、汽车、十字转门、售货亭、投票机、销售点终端、交通门等。因为本发明在相对于手的短距离内工作,所以本发明的一个应用包括被放置在门或其相邻窗户的内侧玻璃上的读取器。外面的用户将他们的手靠近与读取器相对的玻璃,并且一旦匹配,门就会解锁。这在易于安装、防止篡改、避免室外天气条件等方面具有优势。
本发明的读取器的优选实施方式将具有若干人体工程学或工业设计特性。可能被照亮的手的图标将向用户给出使用哪只手(左手或右手)的视觉指示,并给出关于手相对于读取器的大致位置的指导以获得最佳功能。基本上平坦或圆顶的读取器可能会导致用户错误地将他们的手与读取器接触。因此,读取器表面的一些突起将给出用户的手不应触摸读取器的提示。
在本发明的优选实施方式中,预期手将被放在距读取器设备40mm至150mm的距离,尽管也可以构造更近或更远地工作的实现方式。读取器可以具有优选的工作距离和/或可以被接受的距离范围。本领域技术人员将认识到:可以使用距离测量传感器、自动对焦摄像装置系统和/或软件放大技术来对在距读取器不同距离处呈现的手进行测量、成像和补偿。在本发明的优选实施方式中,向用户提供某种形式的反馈以帮助正确使用设备。反馈的目的可以是指示手距离读取器太远、手距离读取器太近、手偏离读取器中心、手处于良好位置、手没有保持足够静止、正在读取、读取完成以及“现在可以将手移除”。反馈的形式可以是可听声音,屏幕上的图标、动画或文字以及/或者改变颜色、强度或图案的LED。为了在没有偏振器抑制来自脊的表面反射的移动设备上进行登记(或认证),读取器可以仅针对谷区域保存数据。读取器可以要求目标对象移动正被成像的手以迫使脊反射移动,从而使得能够从图像数据中减去脊反射。使用自拍摄像装置的移动设备手部扫描具有为目标对象提供实时图像以有助于使手掌居中的优点。该移动设备的屏幕还可以被编程为在成像处理期间闪烁不同的颜色以防止利用屏幕进行回放攻击以及收集由于每种不同颜色而变得可见的附加生物特征数据。
已观察到手的手掌和手指的手掌侧的毛细血管床图案在超过一年的时间段内在很大程度上恒定,然而并非绝对相同。大多数“斑点”位置及其一般形状在很大程度上保持固定;然而,随着时间的推移,一小部分“斑点”会褪色、改变其形状或消失,并且会出现少量新的“斑点”。这些变化可能是由人体变化引起的。初始的参考捕获图像与后来的验证图像之间的毛细血管床图案的其他差异可能是由于杂散反射、污垢、手掌呈现的变化(角度、距离或偏离中心)、不同的环境条件(外部光、温度或湿度)和/或图像捕获期间存在的其他噪声信号。出于这些原因,在将用户与其存储的模板匹配时,使用“学习”或“自适应”算法可能是有利的。“学习”或“自适应”算法将略微更新所存储的参考模板,以考虑生物特征的变化、不同的条件、不同的或改进的硬件等。应当注意,“学习”或“自适应”算法将仅在所存储的特征的绝大部分与所呈现的样本匹配的情况下更新所存储的参考模板,以免导致冒名顶替者的错误匹配。此外,“学习”或“自适应”算法可能仅在手或身体部位的多次呈现给出毛细血管床图案的变化是持久的而不是虚假的统计置信度之后添加、减去或修改所存储的参考模板。可替选地,本发明可以使用毛细血管床图案的自然变化来创建自动过期的生物特征。在该示例中,毛细血管床图案在若干年内发生的变化被用作优势。例如,读取器可以强制用户利用新的私钥、DID(去中心化标识符)和生物特征读取每年进行重新登记。区块链技术可以用于管理生物特征数据的到期日期。
对于用户而言,使用毛细血管床图案进行生物特征匹配具有优于常规生物特征模态例如指纹或面部的某些隐私优势。一些用户不喜欢使用指纹识别生物特征系统,这是因为指纹具有以下缺点:可从被触摸对象“盗取”、具有与由执法部门和其他组织持有的用户身份相关联的许多人可访问的大量指纹数据库以及与犯罪相关联。一些用户不喜欢使用面部识别生物特征系统,这是因为面部具有以下缺点:可被公开查看、可从互联网社交媒体和其他来源广泛获取、受到监控系统的广泛捕获、以及能够被政府或其他组织用于违背其意愿地跟踪他们。相比之下,皮肤的毛细血管床图案不能从被触摸对象“盗取”,并且极不可能被远程监控系统违背个人意愿捕获。因此,毛细血管床图案生物特征系统的用户:保留对其生物特征数据的隐私的更多控制、对何时以及是否向读取器呈现他们的手或其他身体部位的更多控制、以及/或者对他们的生物特征数据是否可以在他们不知情或未经同意的情况下与其他数据库交叉匹配的更多控制。
为了进一步增强个人隐私,利用毛细血管床图案的生物特征系统可以将模板存储在“数字钱包”中,该“数字钱包”通常包含在个人的移动设备中。这种分布式使用模式的优点是凭证未存储在中央服务器上,其可能会受损。此外,用户保持对如何和在何处可以使用他或她的凭据的控制,并且如果用户选择删除其凭据,则用户通过其删除其凭据的能力来保持“被遗忘的权利”。此外,本发明的基于毛细血管床图案的生物特征匹配使其自身适于“匿名”认证,在“匿名”认证中用户能够安全地证明其会员资格、或年龄、或国籍、或选民状态、或疫苗接种状态,而无需透露他们的姓名或地址或其他个人可识别信息。
为了进一步增强生物特征凭证的隐私和用户控制,本发明可以使用同态加密来保护毛细血管床图案生物特征模板。同态加密具有可以针对保持处于加密状态的模板执行数学匹配函数的优点。该优点是登记模板永远不会被解密,并且如果用户担心登记模板已经受损,可以撤销或删除登记模板。在这样的情况下,用户可以使用新的加密密钥重新登记他们的生物特征,从而使先前受损的凭证无用。由于这些隐私优点,同态加密的使用特别适于基于毛细血管床图案的生物特征模板。
可以设想,本发明的一个应用将是在利用去中心化标识符技术将凭证存储在数字钱包中的系统中。可以设想,本发明的一个应用将是在利用区块链技术以防篡改且易于访问的方式存储交易、权利和可能的匿名凭证的系统中。
在本发明的一种实现方式中,读取器的光学部件(包括但不限于摄像装置设备)另外用于读取可以在移动计算设备例如移动电话或平板电脑的屏幕上显示的条形码或QR码。这种能力具有以下应用:有利于生物特征系统进行一对一或一对几(one-to-few)认证而不是一对多识别。这样的优点包括速度、隐私和准确性。一对一或一对多匹配可以在用户的移动设备上进行。QR码可以包括安全特征,例如用于保护读取器与用户的移动设备之间的无线通信的密钥,使得对数字通信的任何中间人拦截都不会产生私人生物特征数据并且不会被欺诈性通信欺骗。QR码等对于每笔交易都可以是不同的,并且具有用于附加安全的有效期。还存在很多可以使用本发明的生物特征读取器的数字通信架构:使用读取器扫描来自用户的移动设备的码或信息、数字钱包(或移动设备上的其他安全存储或令牌)、移动设备上的应用(app)以及/或者存储在互联网上的数字记录(凭证、特权、密钥、生物特征数据、个人数据、身份证号等)。
在本发明的一种实现方式中,读取器可以读取护照、驾驶执照、ID证、会员卡、信用卡/借记卡、其他纸质凭证或在移动设备例如移动电话屏幕上显示的其他信息。这将具有包括但不限于以下各项的优点:双重用途读取器可以通过生物特征、遗留凭证或生物特征和遗留凭证两者来认证人,以及单一读取器也可以通过使用新用户的遗留凭证更容易地对新用户进行生物特征注册。
在本发明的另一实现方式中,读取器与被设计成与用户的移动设备通信的无线通信电路连接。与上述对使用QR码的架构的描述类似,无线通信可以促进一对一或一对几的认证,而无需使登记生物特征凭证离开用户的移动设备。加密的使用,优选地利用非对称密码学,将使得能够实现安全通信而不是以未加密的方式传输生物特征信息,并且还防止重放先前的通信以欺骗系统。
访问被批准或拒绝的指示也将以安全、加密的方式传输,具有短的有效期。如果读取器是指示或以电子方式准许访问的设备,则读取器需要将最终接收到的匹配确定与用于此交易的密钥和/或在交易期间收集的生物特征数据(或数据的散列表示)联系起来。
应当注意,本发明可以使用单色光来捕获毛细血管床图案(和手的其他特性)的图像。尽管讨论了可以选择的不同波长,但是用于创建毛细血管床图案的图像的机制不是多光谱成像。尽管讨论了使用不同波长的光对不同的特征进行成像以及/或者使彩色图像传感器中的不同颜色像素能够响应于利用不同照射源拍摄的图像,但这也不意味着对任何特征进行成像的机制取决于多光谱成像。讨论了对图像的特征的颜色的测量,并且本领域技术人员将认识到可以以不同方式来测量颜色。例如,为了测量皮肤斑中“绿色”含量较高或较低的程度,可以在宽带(白色)或单色(在这种情况下为绿色)照射下测量图像中典型的红色、绿色和蓝色像素中的反射信号的比率。同样地,可以通过用彩色或单色成像器在绿光照射下简单地测量反射信号的幅度来确定皮肤的斑的“绿色度”。尽管本发明能够在即使手被阳光、室内环境光或移动设备的闪光灯LED(其均趋于白光)照射的情况下也能捕获和匹配毛细血管床图案,但其底层机制并不依赖于光的多光谱性质。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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过程、方法、物品或者设备不仅包括那些要素,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过程、方法、物品或者设备所固有的要素。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过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (42)
1.一种生物特征识别方法,包括:
设置光源和成像器;
将目标手掌面向所述光源和所述成像器;
利用所述光源照射所述目标手掌;
利用所述成像器捕获所述目标手掌的手掌图像;
利用处理器确定所述手掌图像中的毛细血管床的特性。
2.根据权利要求1所述的方法,其特征在于,还包括:
基于所述毛细血管床的特性,对所述目标手掌属于的目标对象进行识别。
3.根据权利要求1所述的方法,其特征在于,确定所述手掌图像中的毛细血管床的特性,包括确定所述手掌图像中的毛细血管床的位置信息。
4.根据权利要求1所述的方法,其特征在于,在确定所述手掌图像中的毛细血管床的特性之前,还包括:
对所述手掌图像进行第一过滤处理,以滤除所述手掌图像中除所述毛细血管床之外的图像特征。
5.根据权利要求4所述的方法,其特征在于,对所述手掌图像进行第一过滤处理,包括移除所述手掌图像中的表面脊纹特征。
6.根据权利要求4所述的方法,其特征在于,对所述手掌图像进行第一过滤处理,包括:
采用空间滤波对所述手掌图像进行处理,以移除所述手掌图像中频率小于选定阈值的图案特征,其中,所述选定阈值小于1mm。
7.根据权利要求1所述的方法,其特征在于,所述光源照射所述目标手掌包括用可见光照射。
8.根据权利要求1所述的方法,其特征在于,所述光源照射所述目标手掌包括用绿光照射。
9.根据权利要求1所述的方法,其特征在于,所述光源照射所述目标手掌包括用用能量谱在575nm波长以下的光照射。
10.根据权利要求1所述的方法,其特征在于,所述光源照射所述目标手掌包括用在红光和红外波长中的百分比能量含量小于5%的光照射。
11.根据权利要求1所述的方法,其特征在于,所述光源照射所述目标手掌包括用偏振光照射。
12.根据权利要求1所述的方法,其特征在于,还包括在所述光源、所述成像器两者与所述目标手掌之间设置圆偏振器。
13.根据权利要求1所述的方法,其特征在于,所述手掌图像还包含附加生物特征,所述附加生物特征包括手外围、表面脊、指纹、指纹节点、褶痕和血管中的至少之一。
14.根据权利要求13所述的方法,其特征在于,还包括:
基于所述毛细血管床的位置信息和所述附加生物特征的位置信息对所述目标手掌属于的目标对象进行识别。
15.根据权利要求1所述的方法,其特征在于,包括所述目标手掌与所述光源和所述成像器呈非接触式。
16.一种生物特征识别方法,包括:
设置光源和成像器;
将目标手掌面向所述光源和所述成像器;
利用所述光源照射所述目标手掌;
利用所述成像器捕获所述目标手掌的手掌图像;
利用处理器确定所述手掌图像中各个位置的表观颜色并基于所述表观颜色确定所述目标手掌的皮下特征的位置信息。
17.根据权利要求16所述的方法,其特征在于,确定所述目标手掌的皮下特征的位置信息,包括:
确定所述目标手掌中典型间隔属于1mm至10mm范围的皮下特征的位置信息。
18.根据权利要求16所述的方法,其特征在于,确定所述目标手掌的皮下特征的位置信息,包括:
确定所述目标手掌中具有着岛状最小值或最大值的斑纹状特性的皮下特征的位置信息。
19.根据权利要求16所述的方法,其特征在于,确定所述目标手掌的皮下特征的位置信息,包括:
确定所述目标手掌中除具有长形特性以外的皮下特征的位置信息。
20.根据权利要求19所述的方法,其特征在于,所述具有长形特性的皮下特征包括肉眼可见的静脉和表面脊线。
21.根据权利要求16所述的方法,其特征在于,还包括:
基于所述皮下特征的位置信息,对所述目标手掌属于的目标对象进行识别。
22.根据权利要求1所述的方法,其特征在于,在确定所述目标手掌的皮下特征的位置信息之前,还包括:
对所述手掌图像进行第二过滤处理,以滤除所述手掌图像中除所述皮下特征之外的图像特征。
23.根据权利要求22所述的方法,其特征在于,对所述手掌图像进行第二过滤处理,包括移除所述手掌图像中的表面脊纹特征。
24.根据权利要求16所述的方法,其特征在于,所述光源照射所述目标手掌包括用可见光照射。
25.根据权利要求16所述的方法,其特征在于,所述光源照射所述目标手掌包括用绿光照射。
26.根据权利要求16所述的方法,其特征在于,所述光源照射所述目标手掌包括用用能量谱在575nm波长以下的光照射。
27.根据权利要求16所述的方法,其特征在于,所述光源照射所述目标手掌包括用在红光和红外波长中的百分比能量含量小于5%的光照射。
28.根据权利要求16所述的方法,其特征在于,所述光源照射所述目标手掌包括用偏振光照射。
29.根据权利要求16所述的方法,其特征在于,还包括在所述光源、所述成像器两者与所述目标手掌之间设置圆偏振器。
30.根据权利要求16所述的方法,其特征在于,所述手掌图像还包含附加生物特征,所述附加生物特征包括手外围、表面脊、指纹、指纹节点、褶痕和血管中的至少之一。
31.根据权利要求30所述的方法,其特征在于,还包括:
基于所述皮下特征的位置信息和所述附加生物特征的位置信息对所述目标手掌属于的目标对象进行识别。
32.根据权利要求16所述的方法,其特征在于,包括所述目标手掌与所述光源和所述成像器呈非接触式。
33.一种生物特征识别系统,包括:
光源,所述光源用于照射与所述光源间隔开的所述目标手掌的皮肤表面;
成像器,所述成像器用于捕获并生成所述目标手掌的手掌图像;
处理器,所述处理器用于确定所述手掌图像中的毛细血管床的特性。
34.根据权利要求33所述的系统,其特征在于,还包括偏振器,所述偏振器,所述偏振器设置在所述光源、所述成像器两者与所述目标手掌之间。
35.根据权利要求34所述的系统,其特征在于,所述偏振器为圆偏振器。
36.根据权利要求33所述的系统,其特征在于,还包括:
在所述光源与所述目标手掌之间的设置有具有第一取向的第一线偏振器,在所述成像器与所述目标手掌之间的设置有具有第二取向的第二线偏振器。
37.根据权利要求33所述的系统,其特征在于,所述光源照射所述目标手掌包括用可见光照射。
38.根据权利要求33所述的系统,其特征在于,所述光源照射所述目标手掌包括用绿光照射。
39.根据权利要求33所述的系统,其特征在于,所述光源照射所述目标手掌包括用用能量谱在575nm波长以下的光照射。
40.根据权利要求33所述的系统,其特征在于,所述光源照射所述目标手掌包括用在红光和红外波长中的百分比能量含量小于5%的光照射。
41.根据权利要求33所述的系统,其特征在于,所述成像器生成的所述目标手掌的手掌图像还包含附加生物特征,所述附加生物特征包括手外围、表面脊、指纹、指纹节点、褶痕和血管中的至少之一。
42.根据权利要求33所述的系统,其特征在于,所述处理器还用于基于所述毛细血管床的特性,对所述目标手掌属于的目标对象进行识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211116317.2A CN115457602A (zh) | 2022-09-14 | 2022-09-14 | 一种生物特征识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211116317.2A CN115457602A (zh) | 2022-09-14 | 2022-09-14 | 一种生物特征识别方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115457602A true CN115457602A (zh) | 2022-12-09 |
Family
ID=84302641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211116317.2A Pending CN115457602A (zh) | 2022-09-14 | 2022-09-14 | 一种生物特征识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457602A (zh) |
-
2022
- 2022-09-14 CN CN202211116317.2A patent/CN115457602A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107438854B (zh) | 使用移动设备捕获的图像执行基于指纹的用户认证的系统和方法 | |
CN110326001B (zh) | 使用利用移动设备捕捉的图像执行基于指纹的用户认证的系统和方法 | |
US7899217B2 (en) | Multibiometric multispectral imager | |
US20220300593A1 (en) | System and method of biometric identification of a subject | |
Labati et al. | Touchless fingerprint biometrics | |
Tiwari et al. | A review of advancements in biometric systems | |
KR20170116530A (ko) | 광 파장 특성을 이용한 위조지문 판별장치 및 그 방법 | |
WO2020073169A1 (zh) | 生物特征识别的方法、装置和电子设备 | |
Kumar et al. | Introduction to trends in fingerprint identification | |
Benziane et al. | An introduction to biometrics | |
Echizen et al. | BiometricJammer: Use of pseudo fingerprint to prevent fingerprint extraction from camera images without inconveniencing users | |
Echizen et al. | Biometricjammer: method to prevent acquisition of biometric information by surreptitious photography on fingerprints | |
Galbally et al. | Introduction to presentation attack detection in fingerprint biometrics | |
Sepasian et al. | Vitality detection in fingerprint identification | |
CN115457602A (zh) | 一种生物特征识别方法和系统 | |
Yau et al. | Fake finger detection by finger color change analysis | |
Patil et al. | Iris recognition using fuzzy system | |
KR101792012B1 (ko) | 지문과 지정맥의 알고리즘을 동시에 연동시키는 입출력 통합모듈 | |
KR101792011B1 (ko) | 남녀 식별구분하여 지문과 지정맥을 동시에 인증하는 다면 입체 촬영장치 | |
Sepasian et al. | Liveness and spoofing in fingerprint identification: Issues and challenges | |
TanishaAggarwal | Fake Fingerprint Detection Methods | |
Chaudhari et al. | Prevention of spoof attacks in fingerprinting using histogram features | |
Pishva | Spectroscopic approach for aliveness detection in biometrics authentication | |
KR101792020B1 (ko) | 지문1과 지문2의 알고리즘을 동시에 연동시키는 입출력 통합모듈 | |
KR101792013B1 (ko) | 지문1과 지문2의 알고리즘을 동시에 연동시키는 입출력 통합모듈 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231026 Address after: California, USA Applicant after: Kenneth Brownley Address before: 2314 Walsh Street, Santa Clara, California Applicant before: Entropy Technology (USA) Silk ID Co.,Ltd. |
|
TA01 | Transfer of patent application right |