CN116665257B - 指纹识别方法、装置及计算机设备 - Google Patents

指纹识别方法、装置及计算机设备 Download PDF

Info

Publication number
CN116665257B
CN116665257B CN202310939957.1A CN202310939957A CN116665257B CN 116665257 B CN116665257 B CN 116665257B CN 202310939957 A CN202310939957 A CN 202310939957A CN 116665257 B CN116665257 B CN 116665257B
Authority
CN
China
Prior art keywords
fingerprint
value
data
judging
encrypted data
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.)
Active
Application number
CN202310939957.1A
Other languages
English (en)
Other versions
CN116665257A (zh
Inventor
王道群
谢瑞华
夏文明
曾明
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.)
Shenzhen Zecheng Electronics Co ltd
Original Assignee
Shenzhen Zecheng Electronics Co 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 Shenzhen Zecheng Electronics Co ltd filed Critical Shenzhen Zecheng Electronics Co ltd
Priority to CN202310939957.1A priority Critical patent/CN116665257B/zh
Publication of CN116665257A publication Critical patent/CN116665257A/zh
Application granted granted Critical
Publication of CN116665257B publication Critical patent/CN116665257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1365Matching; Classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1382Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • G06V40/1394Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using acquisition arrangements
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/15Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40Spoof detection, e.g. liveness detection
    • G06V40/45Detection of the body part being alive
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70Multimodal biometrics, e.g. combining information from different biometric modalities

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Cardiology (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及指纹识别技术领域,提供了一种指纹识别方法、装置及计算机设备,包括:当获取到生物信号后,接收指纹图像;将所述指纹图像与预设的至少一个指纹信息进行相似度计算,得到多个相似值;从多个所述相似值中获取数值最高的目标相似值,判断所述目标相似值是否大于预设的匹配阈值;若是,判定识别指纹成功。本发明可以避免人采用其他的装置伪造用户的指纹进行指纹识别,进而避免识别到非人体的指纹而进行错误的指纹识别,提高指纹识别的准确性。

Description

指纹识别方法、装置及计算机设备
技术领域
本发明涉及指纹识别技术领域,特别涉及一种指纹识别方法、装置及计算机设备。
背景技术
随着人工智能、生物信息的发展,越来越多的电子产品应用在人们的日常生活中;商业活动、职场等越来越多的应用场景中也使用了很多智能化的电子产品。
指纹识别技术也是一个比较成熟的技术,通过采集人的指纹的图像,与数据库中存储的指纹的图像进行匹配计算,进而计算该指纹对应的用户。
指纹识别技术应用在职场打卡机或日常生活中的门锁非常常见,识别出指纹是指定的用户后,则自动为该职场员工打卡或自动开户门锁。
但是,现在也产生了很多低成本的指纹套膜;指纹纹套膜是用指纹按在类似橡皮泥的物质上制造带有指纹的模具,然后将类似硅胶的东西倒入后定型,经过简单的拓印、倒模工序后,用硅胶制成的指纹套膜。通过指纹套膜同样也能被指纹识别的设备识别成功,从而制造一些虚假的打卡记录或造成一些门锁被用户以外的人开启,带来很大的安全隐患。
发明内容
本发明的主要目的为提供一种指纹识别方法、装置及计算机设备,旨在解决上述背景技术中提现的问题。
为实现上述目的,本发明提供了一种指纹识别方法,包括以下步骤:
当获取到生物信号后,接收指纹图像;
将所述指纹图像与预设的至少一个指纹信息进行相似度计算,得到多个相似值;
从多个所述相似值中获取数值最高的目标相似值,判断所述目标相似值是否大于预设的匹配阈值;
若是,判定识别指纹成功。
进一步地,所述获取到生物信号的方法,包括以下步骤:
获取心率值;
判断所述心率值是否大于预设的心率阈值;
若是,则判定获取到生物信号。
进一步地,所述获取到生物信号的方法,包括以下步骤:
获取多个时刻分别对应的压力值以及指纹面积;
将多个压力值拟合形成压力曲线,以及多个指纹面积拟合形成面积曲线;
计算压力曲线与面积曲线的重合率;
若所述重合率位于预设的重合区间,则判定获取到生物信号。
进一步地,所述计算压力曲线与面积曲线的重合率,包括以下步骤:
从拟合后的压力曲线和面积曲线中按照时刻轴等距选择指定数量的点,形成指定数量的组合值,其中,每个组合值中包括一个压力值和对应时刻的指纹面积;
计算每个组合值中的压力值与指纹面积的差值;
若差值小于预设的重合阈值,则判定该组合值为重合;
获取组合值为重合的重合数量,并用所述重合数量除以所述指定数量,得到重合率。
进一步地,所述获取到生物信号的方法,包括以下步骤:
获取温度值;
判断所述温度值是否在预设的温度阈值范围内;
若是,则判定获取到生物信号。
本发明还提供了一种指纹识别装置,包括:
接收单元,用于当获取到生物信号后,接收指纹图像;
计算单元,用于将所述指纹图像与预设的至少一个指纹信息进行相似度计算,得到多个相似值;
判断单元,用于从多个所述相似值中获取数值最高的目标相似值,判断所述目标相似值是否大于预设的匹配阈值;
判定单元,用于若标相似值大于预设的匹配阈值,则判定识别指纹成功。
本发明还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本发明提供的指纹识别方法、装置及计算机设备,通过首先获取到生物信号后,再进行指纹识别,以避免人采用其他的装置伪造用户的指纹进行指纹识别,进而避免识别到非人体的指纹而进行错误的指纹识别,提高指纹识别的准确性。
附图说明
图1是本发明一实施例中指纹识别方法步骤示意图;
图2是本发明一实施例中的拟合出的压力曲线和面积曲线的示意图;
图3是本发明一实施例中指纹识别装置结构框图;
图4是本发明一实施例的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本发明一实施例中提供了一种指纹识别方法,包括以下步骤:
S1、当接收到生物信号后,接收指纹识别区域采集的指纹图像;
S2、将所述指纹图像与预设的多个模型图像进行相似度计算,得到多个相似值;
S3、从多个所述相似值中获取数值最高的目标相似值,判断所述目标相似值是否大于预设的匹配阈值;
S4、若是,判定识别指纹成功。
在一些实施例中,指纹识别方法应用于一种智能指纹锁上,该智能指纹锁上设置有生物信号采集模块、指纹采集模块、存储器和控制器,控制器分别与其他三者通信连接。生物信号采集模块可以采集人的生物信号,指纹采集模块可以采集人的指纹图像,存储器可以存储人的生物信息和指纹信息,控制器可以接收生物信号采集模块的生物信号并转换成生物信息并存储在存储器中,也可以拉指纹采集模块采集的指纹图像并转换成指纹信息并存储在存储器中;控制器也具有一定的计算功能,可以计算多个指纹图像或生物信息之间的相似度。此外,需要说明的是,本实施例中,生物信号采集模块的设置与指纹采集模块的设置需要有一定的要求,当人的手指按压在指纹采集区域时,指纹采集模块能采集指纹图像,同时生物信号采集模块也能采集到该手指的生物信号。例如,采集区域为一块特制的透明电子屏,且该透明电子屏上设置有温度传感器、压力传感器、心率传感器,用户的手指按压在该透明电子屏上时,该透明电子屏能采集到手指的温度、手指按压在透明电子屏上的压力、手指血管随心脏搏动的充盈变化对应的心率;同时,设置在该透明电子屏后方的指纹采集模块可以采集该手指的指纹图像。
上述方法应用于上述智能指纹锁上,其方法的执行主体以控制器为例进行说明。智能指纹锁上的生物信号采集模块采集生物信号,其中,生物信号可以是人体的温度、人的心率等多种信号中的一种,生物信号采集模块根据实际的情况具体设置。生物信号采集模块采集到信号后,发送给控制器;控制器根据存储器中预先存储的算法,判断该信号是否是对应的生物信号,若是,则确定获取到生物信号;则控制指纹采集模块开始工作,采集指纹图像,并接收该指纹图像。
之后控制器将该指纹图像与存储器中存储的指纹信息进行相似度计算,计算指纹图像与指纹信息的相似度;当存储器中存储有多个指纹信息时,则依次与多个指纹信息进行相似度计算,得到多个相似值。
然后控制器将多个相似值进行比较,得出值最高的目标相似值,再将目标相似值与预设的匹配阈值进行比较,如果目标相似值大于匹配阈值,则判定指纹识别成功,控制门锁打开。
在一些实施例中,控制器将指纹图像与存储器中存储的多个指纹信息进行相似度计算时,每计算得出一个相似值,则与匹配阈值进行比较,当比较结果为相似值小于或等于匹配阈值,则控制器将指纹图像与下一个指纹信息进行相似度计算;当比较结果为相似值大于匹配阈值,则不必再与其他指纹信息进行相似度计算,直接判定识别指纹成功。
本实施例中,指纹识别过程中,首先判断智能指纹锁上的生物信号采集装置采集到生物信号后,而不是没有生物信号的指纹套膜,再接收指纹图像,进行后续的指纹识别;可以避免人采用其他的装置伪造用户的指纹进行指纹识别,进而避免识别到非人体的指纹而进行错误的指纹识别,提高指纹识别的准确性。
在一些实施例中,所述获取到生物信号的方法,包括以下步骤:
S11、获取心率值;
S12、判断所述心率值是否大于预设的心率阈值;
S13、若是,则判定获取到生物信号。
本实施例中,当人手指按压在指纹采集区域时,设置在指纹采集区域的心率传感器检测到手指的手指血管随心脏搏动的充盈变化并生成心率值,将该心率值发送给控制器;控制器获取到了心率值。然后判断按心率值大于预设的心率阈值,若是,则判定获取到生物信号,其中,心率阈值是根据预设的指纹信息对应的用户设置的。若是采用指纹套膜,则由于指纹套膜直接与指纹采集区域接触,对应的心率传感器在采集指纹套膜的心率值,由于无法采集到手指血管的充盈变化,从而采集到的心率值为0,进而判定没有识别到生物信号。
在一些实施例中,所述获取到生物信号的方法,包括以下步骤:
S14、获取多个时刻分别对应的压力值以及指纹面积;
S15、将多个压力值拟合形成压力曲线,以及多个指纹面积拟合形成面积曲线;
S16、计算压力曲线与面积曲线的重合率;
S17、若所述重合率位于预设的重合区间,则判定获取到生物信号。
本实施例中,手指放在指纹采集区域时,指纹采集区域处的压力传感器实时检测压力值,同时指纹采集模块实时采集指纹图像。两者均实时将采集的压力值以及指纹纹图像发送给控制器。控制器接收到指纹图像后,首先识别出指纹图像中的最外圈的线条,拟合成一个封闭的环形,再计算该封闭的环形的面积,即指纹面积;得到多个时刻采集的压力值和多个指纹面积后,分别以压力值和指纹面积拟合成两条曲线,较粗的线为压力曲线,较细的线为面积曲线。可以参考附图2。之后,计算压力曲线与面积曲线的重合率;如果重合率在预设的重合区间,则判定获取到生物信号。
在该实施例中,人在使用智能指纹锁,将手指按压在指纹采集区域上时,会有一个力由小到大的变化过程,而手指与指纹采集区域的接触面积也有一个从小到大的变化过程。由于手指上的肌肉与指纹套膜的材质存在本质上的区别,其弹性大小也存在一些区别。对应的,“当手指按压在指纹采集区域上时,其接触面积的变化的曲线”;与,“指纹套膜按压在指纹采集区域上时,其接触面积的变化的曲线”;存在较大的差距。通过计算压力与指纹面积的差距,则可以判断出按压在指纹采集区域的是否是手指;当指纹套膜按压在指纹采集区域上时,则可以识别出来。
在一些实施例中,计算压力曲线与面积曲线的重合率,包括以下步骤:
S161、从拟合后的压力曲线和面积曲线中按照时刻轴等距选择指定数量的点,形成指定数量的组合值,其中,每个组合值中包括一个压力值和对应时刻的指纹面积;
S162、计算每个组合值中的压力值与指纹面积的差值;
S163、若差值小于预设的重合阈值,则判定该组合值为重合;
S164、获取组合值为重合的重合数量,并用所述重合数量除以所述指定数量,得到重合率。
本实施例中,由于人在指纹采集区域的时间非常短,而且会存在一些噪声值,因此会先拟合成曲线,去除一些噪声值。此外,虽然是获取的是同一时间段内的压力值和指纹面积;但是由于分别是压力传感器和指纹采集装置采集的两个不同的硬件采集的不同类型的信号,有可能会存在采集频率或其他采集因素的干扰,使同一时刻采集的压力值没有对应的指纹图像对应的指纹面积,因此,需要先进行曲线拟合的步骤,再从拟合后的曲线中,选择时刻轴上的同一时刻的压力值和指纹面积,可以更加准确反应出手指按压在指纹采集区域上时压力与指纹面积的变化关系。在计算前,首先确定压力的计量单位与指纹面积的计量单位,根据具体的硬件或算法来确定两者的单位;使两者的单位分别确定后,再计算两者的差值。根据差值与预设的重合阈值,判断该组合值是否是重合。进而计算得到重合率。在一具体实施例中,重合区间为60%-80%。
如附图2中,压力曲线上与面积曲线上均在时刻轴上等距取了相同数量个压力值与指纹面积,形成相同数量的组合值。图2中虚线框中示例了两组组合值。其中组合值1的为重合,组合值2为不重合。
在一些实施例中,还包括以下步骤:
从获取的多个指纹面积中,计算得到最大面积的目标指纹面积;
根据目标指纹面积,匹配与所述目标指纹面积对应的重合系数;
根据所述重合系数,设置所述重合区间。
本实施例中,指纹套膜的硬度比普遍人的手指硬。但同时一些人手指比较大,且对应的手指的硬度也会比较大。因此,需要针对不同手指面积的人匹配不同的重合区间,使手指面积小对应的手指的硬度较小的,对应的其手指的弹性相对指纹套膜的差距越大,则对应的重合区间的范围即使过大,也能准确的区分出是手指或是指纹套膜;手指面积大对应的手指的硬度偏大,即与指纹套膜的弹性相接近,则对应的重合区间的范围不能过大。因此,本实施例中,根据不同的目标指纹面积,设置对应的重合区间。上述在多个指纹面积中,获取最大面积的目标指纹面积,其目的是获得完整度最高的指纹面积,以便更准确的获得手指的硬度。
在一些实施例中,上述步骤S15之后,包括:
S151:计算压力曲线和面积曲线的每一个时刻轴上的差值;
S152:将多个差值拟合成差值曲线;
S153:计算差值曲线与预设的标准曲线的相同度;
S154:若相同度大于预设的相同度阈值,则判定获取到生物信号。
本实施例中,首先同上述步骤S161相同,获取多个时刻分别对应的压力值以及指纹面积,然后计算每个组合值中的差值,然后将多个差值拟合成差值曲线。再将差值曲线与预设的标准曲线,计算两者的相似程度,计算得到相同度。再根据相同度与相同度阈值的关系,判定是否获取到生物信号。该实施例的原理也是基于人的手指的弹性与指纹套膜之间的弹性程度不同而判断按压在指纹采集区域的手指是否是指纹套膜。
在一些实施例中,获取到生物信号的方法,包括以下步骤:
S18、获取温度值;
S19、判断所述温度值是否在预设的温度阈值范围内;
S110、若是,则判定获取到生物信号。
本实施例中,当人手指按压在指纹采集区域时,设置在指纹采集区域的温度传感器检测到手指的温度值,将该温度值发送给控制器;控制器获取到了温度值。然后判断温度值是否位于预设的温度阈值范围内,若是,则判定获取到生物信号,其中,温度阈值范围是根据预设的指纹信息对应的用户设置的。若是采用指纹套膜,则由于指纹套膜直接与指纹采集区域接触,对应人手指传递给指纹套膜的温度需要很长的时间,则采集的指纹套膜的温度远低于人的手指的温度,从而采集到的温度值不在温度阈值范围内,进而判定没有识别到生物信号。
在一实施例中,所述判定识别指纹成功的步骤之后,还包括:
获取指纹验证之后的用户操作数据,从所述用户操作数据中提取出隐私数据;
对所述隐私数据进行篡改处理,得到篡改数据;
对所述隐私数据进行脱敏处理,得到脱敏数据;
采用第一加密算法,对所述隐私数据进行加密,得到第一加密数据;
采用第二加密算法,对所述篡改数据进行加密,得到第二加密数据;
采用第三加密算法,对所述脱敏数据进行加密,得到第三加密数据;其中,第一加密算法、第二加密算法、第三加密算法为不同的加密算法;
将所述第一加密数据、第二加密数据、第三加密数据采用相同的数据格式存储在数据库中;对所述第一加密数据进行哈希计算,得到对应的哈希值,将所述哈希值与所述第一加密数据关联之后存储在数据库的索引表中;其中,数据库中仅存储有对应所述第一加密算法的解密算法,用于对所述第一加密数据进行解密。
在一些实施例中,在接收指纹图像的步骤之后,还包括:
S201、识别指纹失败;
S202、获取当前的湿度值;
S203、判断所述湿度值是否小于预设的湿度阈值;
S204、若是,则控制加湿器启动,再次接收指纹图像。
本实施例中,当获取到生物信号后,比如获取到指纹采集区域处的手指温度是36.5摄氏度,则指纹采集装置采集了指纹图像,但是没有识别出指纹,通常情况是由于天气干燥,指纹不容易被采集。因此,控制器再根据设置在智能指纹锁上的温度传感器去采集当前的湿度值,若当前的湿度值小于预设的湿度阈值,则判定是由于干燥而导致采集指纹失败,再控制加湿器启动,加湿器设置在指纹采集区域处,喷出水雾,使手指变湿润,再次按压在指纹采集区域时,更加方便准确的采集指纹。需要说明的是,此步骤是在获取到生物信号且在接收的指纹图像中识别指纹失败,则再次接收指纹图像前,不需要再次获取生物信号。
参照图3,本发明一实施例中还提供了一种指纹识别装置,包括:
接收单元1,用于当获取到生物信号后,接收指纹图像;
计算单元2,用于将所述指纹图像与预设的至少一个指纹信息进行相似度计算,得到多个相似值;
判断单元3,用于从多个所述相似值中获取数值最高的目标相似值,判断所述目标相似值是否大于预设的匹配阈值;
判定单元4,用于若标相似值大于预设的匹配阈值,则判定识别指纹成功。
在一些实施例中,上述指纹识别装置还用于执行上述任一实施例的指纹识别方法。
参照图4,本发明实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储指纹数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现指纹识别方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备的限定。
本发明一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种指纹识别方法。可以理解的是,本实施例中的计算机可读存储介质可以是易失性可读存储介质,也可以为非易失性可读存储介质。
综上所述,为本发明实施例中提供的指纹识别方法、装置及计算机设备,本发明提供的指纹识别方法、装置及计算机设备,通过首先获取到生物信号后,再进行指纹识别,可以避免人采用其他的装置伪造用户的指纹进行指纹识别,进而避免识别到非人体的指纹而进行错误的指纹识别,提高指纹识别的准确性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种指纹识别方法,其特征在于,包括以下步骤:
当获取到生物信号后,接收指纹图像;
将所述指纹图像与预设的至少一个指纹信息进行相似度计算,得到多个相似值;
从多个所述相似值中获取数值最高的目标相似值,判断所述目标相似值是否大于预设的匹配阈值;
若是,判定识别指纹成功;
所述获取到生物信号的方法,包括:
获取多个时刻分别对应的压力值以及指纹面积;
将多个压力值拟合形成压力曲线,以及多个指纹面积拟合形成面积曲线;
计算压力曲线与面积曲线的重合率;
若所述重合率位于预设的重合区间,则判定获取到生物信号;
所述计算压力曲线与面积曲线的重合率,包括以下步骤:
从拟合后的压力曲线和面积曲线中按照时刻轴等距选择指定数量的点,形成指定数量的组合值,其中,每个组合值中包括一个压力值和对应时刻的指纹面积;
计算每个组合值中的压力值与指纹面积的差值;
若差值小于预设的重合阈值,则判定该组合值为重合;
获取组合值为重合的重合数量,并用所述重合数量除以所述指定数量,得到重合率;
所述判定识别指纹成功的步骤之后,还包括:
获取指纹验证之后的用户操作数据,从所述用户操作数据中提取出隐私数据;
对所述隐私数据进行篡改处理,得到篡改数据;
对所述隐私数据进行脱敏处理,得到脱敏数据;
采用第一加密算法,对所述隐私数据进行加密,得到第一加密数据;
采用第二加密算法,对所述篡改数据进行加密,得到第二加密数据;
采用第三加密算法,对所述脱敏数据进行加密,得到第三加密数据;其中,第一加密算法、第二加密算法、第三加密算法为不同的加密算法;
将所述第一加密数据、第二加密数据、第三加密数据采用相同的数据格式存储在数据库中;对所述第一加密数据进行哈希计算,得到对应的哈希值,将所述哈希值与所述第一加密数据关联之后存储在数据库的索引表中;其中,数据库中仅存储有对应所述第一加密算法的解密算法,用于对所述第一加密数据进行解密。
2.根据权利要求1所述的指纹识别方法,其特征在于,所述获取到生物信号的方法,包括以下步骤:
获取心率值;
判断所述心率值是否大于预设的心率阈值;
若是,则判定获取到生物信号。
3.根据权利要求1所述的指纹识别方法,其特征在于,所述获取到生物信号的方法,包括以下步骤:
获取温度值;
判断所述温度值是否在预设的温度阈值范围内;
若是,则判定获取到生物信号。
4.一种指纹识别装置,其特征在于,包括:
接收单元,用于当获取到生物信号后,接收指纹图像;
计算单元,用于将所述指纹图像与预设的至少一个指纹信息进行相似度计算,得到多个相似值;
判断单元,用于从多个所述相似值中获取数值最高的目标相似值,判断所述目标相似值是否大于预设的匹配阈值;
判定单元,用于若标相似值大于预设的匹配阈值,则判定识别指纹成功;
所述接收单元获取到生物信号,包括:
获取多个时刻分别对应的压力值以及指纹面积;
将多个压力值拟合形成压力曲线,以及多个指纹面积拟合形成面积曲线;
计算压力曲线与面积曲线的重合率;
若所述重合率位于预设的重合区间,则判定获取到生物信号;
所述计算压力曲线与面积曲线的重合率,包括以下步骤:
从拟合后的压力曲线和面积曲线中按照时刻轴等距选择指定数量的点,形成指定数量的组合值,其中,每个组合值中包括一个压力值和对应时刻的指纹面积;
计算每个组合值中的压力值与指纹面积的差值;
若差值小于预设的重合阈值,则判定该组合值为重合;
获取组合值为重合的重合数量,并用所述重合数量除以所述指定数量,得到重合率;
所述判定单元判定识别指纹成功之后,还包括:
获取指纹验证之后的用户操作数据,从所述用户操作数据中提取出隐私数据;
对所述隐私数据进行篡改处理,得到篡改数据;
对所述隐私数据进行脱敏处理,得到脱敏数据;
采用第一加密算法,对所述隐私数据进行加密,得到第一加密数据;
采用第二加密算法,对所述篡改数据进行加密,得到第二加密数据;
采用第三加密算法,对所述脱敏数据进行加密,得到第三加密数据;其中,第一加密算法、第二加密算法、第三加密算法为不同的加密算法;
将所述第一加密数据、第二加密数据、第三加密数据采用相同的数据格式存储在数据库中;对所述第一加密数据进行哈希计算,得到对应的哈希值,将所述哈希值与所述第一加密数据关联之后存储在数据库的索引表中;其中,数据库中仅存储有对应所述第一加密算法的解密算法,用于对所述第一加密数据进行解密。
5.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。
6.一种计算机存储介质,存储有计算机程序,其特征在于,所述计算机程序被运行时实现权利要求1至3中任一项所述方法的步骤。
CN202310939957.1A 2023-07-28 2023-07-28 指纹识别方法、装置及计算机设备 Active CN116665257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310939957.1A CN116665257B (zh) 2023-07-28 2023-07-28 指纹识别方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310939957.1A CN116665257B (zh) 2023-07-28 2023-07-28 指纹识别方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN116665257A CN116665257A (zh) 2023-08-29
CN116665257B true CN116665257B (zh) 2024-01-19

Family

ID=87717467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310939957.1A Active CN116665257B (zh) 2023-07-28 2023-07-28 指纹识别方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN116665257B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118038505B (zh) * 2024-04-15 2024-08-20 一脉通(深圳)智能科技有限公司 具有蓝牙功能的智能门锁指纹图像采集模组及识别系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105335731A (zh) * 2015-11-13 2016-02-17 广东欧珀移动通信有限公司 指纹识别方法、装置及终端设备
CN106682473A (zh) * 2016-12-20 2017-05-17 深圳芯启航科技有限公司 一种用户身份信息的识别方法及其装置
US10459990B1 (en) * 2018-12-27 2019-10-29 Silver Rocket Data Technology (Shanghai) Co., Ltd Data processing method and device, medium and terminal thereof

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003075135A (ja) * 2001-08-31 2003-03-12 Nec Corp 指紋画像入力装置および指紋画像による生体識別方法
KR102692984B1 (ko) * 2017-02-06 2024-08-08 삼성전자주식회사 터치 입력 처리 방법 및 이를 지원하는 전자 장치
US10552596B2 (en) * 2017-12-20 2020-02-04 International Business Machines Corporation Biometric authentication
KR102700035B1 (ko) * 2019-02-19 2024-08-29 삼성전자주식회사 터치 센서를 터치하는 외부 객체의 좌표를 식별하기 위한 전자 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105335731A (zh) * 2015-11-13 2016-02-17 广东欧珀移动通信有限公司 指纹识别方法、装置及终端设备
CN106682473A (zh) * 2016-12-20 2017-05-17 深圳芯启航科技有限公司 一种用户身份信息的识别方法及其装置
US10459990B1 (en) * 2018-12-27 2019-10-29 Silver Rocket Data Technology (Shanghai) Co., Ltd Data processing method and device, medium and terminal thereof

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
图书馆大数据平台多维度敏感数据保护研究;马晓亭;;图书馆(第02期);第70-75页 *

Also Published As

Publication number Publication date
CN116665257A (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN116665257B (zh) 指纹识别方法、装置及计算机设备
CN105335731B (zh) 指纹识别方法、装置及终端设备
CN107437074B (zh) 一种身份认证方法和装置
US8065529B2 (en) Methods for using a biometric parameter in the identification of persons
Shah et al. FEATURE ANALYSIS
Martinovic et al. Authentication using pulse-response biometrics
CN111145910A (zh) 基于人工智能的异常案例识别方法、装置、计算机设备
US9769166B1 (en) Wearable sensor based system for person identification
CN110853750A (zh) 健康管理设备的控制方法、装置、计算机设备和存储介质
WO2006012053A2 (en) Generetion of quality field information in the context of image processing
WO2006012132A2 (en) Generation of directional field information in the context of image processing
CN112052731A (zh) 一种智能人像识别打卡考勤系统及方法
US20090060296A1 (en) Sensor Security
Gamassi et al. Quality assessment of biometric systems: a comprehensive perspective based on accuracy and performance measurement
CN110751171A (zh) 图像数据分类方法、装置、计算机设备和存储介质
CN112489276A (zh) 基于步态识别的门禁控制方法、装置和存储介质
CN111222374A (zh) 测谎数据处理方法、装置、计算机设备和存储介质
CN116682163A (zh) 基于情绪识别的药物疗效预测方法、装置及设备
CN113673343B (zh) 一种基于加权元度量学习的开放集掌纹识别系统及方法
Krishna Prasad ABCD Analysis of Fingerprint Biometric Attendance Maintenance System
CN109255318A (zh) 基于多尺度和多卷积层特征融合的指纹活性检测方法
CN108492420B (zh) 基于指纹识别的安防系统
Leberknight et al. An investigation into the efficacy of keystroke analysis for perimeter defense and facility access
CN112328990A (zh) 基于身份认证的屏幕控制方法、装置和计算机设备
CN108416882A (zh) 便携式指纹识别装置

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