CN116738411A - 基于生物特征识别的多模态注册方法和身份识别方法 - Google Patents

基于生物特征识别的多模态注册方法和身份识别方法 Download PDF

Info

Publication number
CN116738411A
CN116738411A CN202310650931.5A CN202310650931A CN116738411A CN 116738411 A CN116738411 A CN 116738411A CN 202310650931 A CN202310650931 A CN 202310650931A CN 116738411 A CN116738411 A CN 116738411A
Authority
CN
China
Prior art keywords
palm
feature
target
registration
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.)
Granted
Application number
CN202310650931.5A
Other languages
English (en)
Other versions
CN116738411B (zh
Inventor
曾庆宁
戚广杰
陈洁
方文玉
杨奥楠
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.)
Grg Intelligent Technology Solution Co ltd
GRG Banking Equipment Co Ltd
Original Assignee
Grg Intelligent Technology Solution Co ltd
GRG Banking Equipment 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 Grg Intelligent Technology Solution Co ltd, GRG Banking Equipment Co Ltd filed Critical Grg Intelligent Technology Solution Co ltd
Priority to CN202310650931.5A priority Critical patent/CN116738411B/zh
Publication of CN116738411A publication Critical patent/CN116738411A/zh
Application granted granted Critical
Publication of CN116738411B publication Critical patent/CN116738411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F21/45—Structures or tools for the administration of authentication
    • G06F21/46—Structures or tools for the administration of authentication by designing passwords or checking the strength of passwords
    • 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
    • G06V40/10—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请公开了一种基于生物特征识别的多模态注册方法和身份识别方法，属于生物特征识别技术领域。所述基于生物特征识别的多模态注册方法包括：对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征；在所述第一掌纹特征存在于目标场景对应的目标特征库且所述第一掌静脉特征不存在于所述目标特征库的情况下，基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册。本申请的基于生物特征识别的多模态注册方法，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验。

Description

基于生物特征识别的多模态注册方法和身份识别方法
技术领域
本申请属于生物特征识别技术领域，尤其涉及一种基于生物特征识别的多模态注册方法和身份识别方法。
背景技术
在身份验证和识别领域，需要对用户的身份特征进行注册以完成用户的身份验证与识别。相关技术中存在基于单一的生物特征对用户的身份特征进行注册，常用的用户身份特征注册方法在后续身份识别过程中可能存在误识别问题，识别的准确率不高，且可靠性不高。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种基于生物特征识别的多模态注册方法和身份识别方法，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验。
第一方面，本申请提供了一种基于生物特征识别的多模态注册方法，该方法包括：
对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征；
在所述第一掌纹特征存在于目标场景对应的目标特征库且所述第一掌静脉特征不存在于所述目标特征库的情况下，基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册。
根据本申请实施例提供的基于生物特征识别的多模态注册方法，通过对从获取的手掌图像中提取得到的掌纹特征掌静脉特征与目标场景对应的目标特征库中已注册的特征进行匹配，在第一掌静脉特征不存在于目标特征库的情况下，自动基于用户注册信息对第一掌静脉特征进行注册，从而实现先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验。
本申请一个实施例的基于生物特征识别的多模态注册方法，所述目标特征库包括注册特征库，在所述基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册之前，所述方法还包括：
建立所述第一掌静脉特征与所述目标场景的关联关系，并将所述第一掌静脉特征以及所述关联关系存储至所述注册特征库。
本申请一个实施例的基于生物特征识别的多模态注册方法，所述目标特征库包括注册特征库和所述目标场景对应的场景特征库，在所述基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册之前，所述方法还包括：
将所述第一掌静脉特征分别存储至所述注册特征库和所述目标场景对应的场景特征库。
本申请一个实施例的基于生物特征识别的多模态注册方法，在所述对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征之后，且在所述基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册之前，所述方法还包括：
在所述第一掌纹特征存在于所述目标场景对应的目标特征库且所述第一掌静脉特征不存在于所述目标特征库的情况下，将所述目标用户对应的掌静脉注册状态确定为预注册。
本申请一个实施例的基于生物特征识别的多模态注册方法，所述基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册，包括：
融合所述第一掌纹特征和所述第一掌静脉特征，获取第一掌纹掌静脉特征；
基于所述第一掌纹掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册。
本申请一个实施例的基于生物特征识别的多模态注册方法，在所述对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征之前，所述方法还包括：
对由第二设备采集的所述目标用户对应的第二手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征；
在所述第一掌纹特征不存在于注册特征库的情况下，将所述第一掌纹特征存储至所述注册特征库；
将所述目标用户对应的掌纹注册状态确定为预注册。
本申请一个实施例的基于生物特征识别的多模态注册方法，在所述将所述目标用户对应的掌纹注册状态确定为预注册之后，所述方法还包括：
在所述预注册状态下，接收所述目标用户对所述第二设备的第一输入；所述第一输入用于确定所述目标场景；
响应于所述第一输入，基于所述目标场景，将所述第一掌纹特征存储至所述目标特征库。
本申请一个实施例的基于生物特征识别的多模态注册方法，在所述对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征之前，所述方法还包括：
获取所述目标用户的初始手掌图像；
在所述初始手掌图像对应的角度特征、清晰度、光照信息、姿态特征和距离信息中的至少一种符合目标阈值的情况下，将所述初始手掌图像确定为所述第一手掌图像；其中，所述角度特征为所述目标用户的手掌与图像传感器之间的角度；所述光照信息为所述初始手掌图像所接受的可见光的能量；所述姿态特征为所述手掌对应的姿态；所述距离信息为所述手掌与所述图像传感器之间的距离。
第二方面，本申请提供了一种基于如第一方面所述的基于生物特征识别的多模态注册方法的身份识别方法，该方法包括：
对由第一设备采集的待识别用户的第三手掌图像进行生物特征提取，获取所述待识别用户的第二掌纹特征和第二掌静脉特征；
基于所述第二掌纹特征、所述第二掌静脉特征以及目标特征库，确定所述待识别用户的身份。
根据本申请实施例提供的身份识别方法，通过先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验；在用户再次识别时，可以基于第二掌纹特征、第二掌静脉特征以及目标特征库，采用掌纹掌静脉多模态融合比对技术，对待识别用户的身份进行识别，识别准确率较高，避免了单一生物特征识别中可能存在的误识别问题，降低了被攻击的风险，同时拓宽了产品的应用接入渠道。
本申请一个实施例的身份识别方法，所述基于所述第二掌纹特征、所述第二掌静脉特征以及目标特征库，确定所述待识别用户的身份，包括：
融合所述第二掌纹特征和所述第二掌静脉特征，获取第二掌纹掌静脉特征；
在所述第二掌纹掌静脉特征与所述目标特征库中所存储的第一掌纹掌静脉特征匹配的情况下，确定所述待识别用户的身份。
第三方面，本申请提供了一种基于生物特征识别的多模态注册装置，该装置包括：
第一处理模块，用于对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征；
第二处理模块，用于在所述第一掌纹特征存在于目标场景对应的目标特征库且所述第一掌静脉特征不存在于所述目标特征库的情况下，基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册。
根据本申请实施例提供的基于生物特征识别的多模态注册装置，通过对从获取的手掌图像中提取得到的掌纹特征掌静脉特征与目标场景对应的目标特征库中已注册的特征进行匹配，在第一掌静脉特征不存在于目标特征库的情况下，自动基于用户注册信息对第一掌静脉特征进行注册，从而实现先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验。
第四方面，本申请提供了一种基于如第一方面所述的基于生物特征识别的多模态注册方法的身份识别装置，该装置包括：
第三处理模块，用于对由第一设备采集的待识别用户的第三手掌图像进行生物特征提取，获取所述待识别用户的第二掌纹特征和第二掌静脉特征；
第四处理模块，用于基于所述第二掌纹特征、所述第二掌静脉特征以及目标特征库，确定所述待识别用户的身份。
根据本申请实施例提供的身份识别装置，通过先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验；在用户再次识别时，可以基于第二掌纹特征、第二掌静脉特征以及目标特征库，采用掌纹掌静脉多模态融合比对技术，对待识别用户的身份进行识别，识别准确率较高，避免了单一生物特征识别中可能存在的误识别问题，降低了被攻击的风险，同时拓宽了产品的应用接入渠道。
第五方面，本申请提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的基于生物特征识别的多模态注册方法和第二方面所述的身份识别方法。
第六方面，本申请提供了一种非暂态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如上述第一方面所述的基于生物特征识别的多模态注册方法和第二方面所述的身份识别方法。
第七方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的基于生物特征识别的多模态注册方法和第二方面所述的身份识别方法。
本申请实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：
通过对从获取的手掌图像中提取得到的掌纹特征掌静脉特征与目标场景对应的目标特征库中已注册的特征进行匹配，在第一掌静脉特征不存在于目标特征库的情况下，自动基于用户注册信息对第一掌静脉特征进行注册，从而实现先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验。
进一步地，通过融合掌纹特征和掌静脉特征，实现基于多种生物特征信息进行注册，提高了注册的准确率以及可靠性，避免了单一生物特征识别中可能存在的误识别问题，降低了被攻击的风险，同时拓宽了产品的应用接入渠道。
进一步地，通过在第一掌纹特征不存在于注册特征库的情况下，将第一掌纹特征存储至注册特征库，然后将目标用户对应的掌纹注册状态确定为预注册，在后续首次识别时只需注册目标用户的掌静脉特征，提高了注册系统的处理速度，节省了用户的注册时间。
更进一步地，通过先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验；在用户再次识别时，可以基于第二掌纹特征、第二掌静脉特征以及目标特征库，采用掌纹掌静脉多模态融合比对技术，对待识别用户的身份进行识别，识别准确率较高，避免了单一生物特征识别中可能存在的误识别问题，降低了被攻击的风险，同时拓宽了产品的应用接入渠道。
再进一步地，通过对第三手掌图像进行生物特征提取，获取待识别用户的第二掌纹特征和第二掌静脉特征，然后融合第二掌纹特征和第二掌静脉特征，获取第二掌纹掌静脉特征，便于后续识别过程中可以基于第二掌纹掌静脉特征进行多模态比对，基于多种生物特征信息进行识别，提高了识别的准确率以及可靠性，避免了单一生物特征识别中可能存在的误识别问题，降低了被攻击的风险，同时拓宽了产品的应用接入渠道。
本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本申请实施例提供的基于生物特征识别的多模态注册方法的流程示意图之一；
图2是本申请实施例提供的基于生物特征识别的多模态注册方法的流程示意图之二；
图3是本申请实施例提供的基于生物特征识别的多模态注册方法的流程示意图之三；
图4是本申请实施例提供的基于生物特征识别的多模态注册装置的结构示意图；
图5是本申请实施例提供的身份识别方法的流程示意图之一；
图6是本申请实施例提供的身份识别方法的流程示意图之二；
图7是本申请实施例提供的身份识别装置的结构示意图；
图8是本申请实施例提供的电子设备的结构示意图。
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地描述，显然，所描述的实施例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获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合图1至图3描述本申请实施例的基于生物特征识别的多模态注册方法。
需要说明的是，基于生物特征识别的多模态注册方法的执行主体可以为服务器，或者可以为基于生物特征识别的多模态注册装置，或者还可以为用户的终端，包括但不限于移动终端和非移动终端。
需要说明的是，该基于生物特征识别的多模态注册方法可以应用于移动端，或者可以应用于非移动端，本申请不作限定。
例如，在应用于移动端的情况下，移动端可以为手机、PDA智能终端、平板电脑以及车载智能终端等。
如图1所示，该基于生物特征识别的多模态注册方法，包括：步骤110和步骤120。
步骤110、对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取目标用户对应的第一掌纹特征和第一掌静脉特征。
在该步骤中，第一设备可以为设置于现场的识别终端。
第一设备可以配置掌纹掌静脉采集模块，用于采集手掌的掌纹信息及掌静脉信息。
例如，在用户刷掌识别通过地铁闸机口时，第一设备可以为设置于闸机口的识别终端，以采集目标用户对应的第一手掌图像。
目标用户为注册掌纹掌静脉的用户。
第一手掌图像为目标用户对应的手掌图像。
第一手掌图像可以基于图像传感器获取，例如，可以基于现场的识别终端拍照获取目标用户的掌纹信息和掌静脉信息，进而获取第一手掌图像。
可以对第一手掌图像进行生物特征提取，以获取第一掌纹特征和第一掌静脉特征。
第一掌纹特征用于表征目标用户的掌纹信息。
第一掌静脉特征用于表征目标用户的掌静脉信息。
在实际执行过程中，可以在识别终端配置掌纹掌静脉采集模块，可以采集得到目标用户手掌的掌纹信息以及掌静脉信息，进而获取第一手掌图像；
然后可以对第一手掌图像进行归一化处理，对归一化处理后的第一手掌图像进行生物特征提取，可以获取第一掌纹特征和第一掌静脉特征。
步骤120、在第一掌纹特征存在于目标场景对应的目标特征库且第一掌静脉特征不存在于目标特征库的情况下，基于第一掌纹特征、第一掌静脉特征和获取的目标用户的注册信息，对目标用户进行目标场景下的掌纹掌静脉注册。
在该步骤中，目标场景为目标用户在注册掌纹信息时使用的场景，例如，目标场景可以为商超、景区、校园或交通等。
目标特征库为目标场景对应的特征库，可以理解的是，不同的场景对应的目标特征库不同。
目标用户的注册信息为目标用户的个人信息，注册信息可以包括目标用户的姓名和年龄等相关信息。
基于第一掌纹特征、第一掌静脉特征和获取的目标用户的注册信息，可以对目标用户进行目标场景下的掌纹掌静脉注册。
例如，可以建立第一掌纹特征和第一掌静脉特征与目标用户的注册信息之间的关联关系，在建立关联关系之后，存储第一掌纹特征、第一掌静脉特征关联关系以及注册信息，即完成目标用户的掌纹掌静脉注册。
在实际应用中，例如在地铁场景下，用户在刷掌识别通过地铁闸机口时，现场识别终端可以自动判断第一掌纹特征和第一掌静脉特征是否存在于目标特征库，在第一掌纹特征存在于目标特征库且第一掌静脉特征不存在于目标特征库的情况下，基于第一掌纹特征、第一掌静脉特征和获取的目标用户的注册信息，完成用户的掌纹及掌静脉注册；
在用户再次通过地铁闸机口时，可以通过刷掌识别直接通过地铁闸机口。
发明人在研发过程中发现，相关技术中基于单一的生物特征对用户的身份特征进行注册，常用的用户身份特征注册方法在后续身份识别过程中可能存在误识别问题，识别的准确率不高，且可靠性不高。
在本申请中，对从获取的手掌图像中提取得到的掌纹特征掌静脉特征与目标场景对应的目标特征库中已注册的特征进行匹配，在第一掌静脉特征不存在于目标特征库的情况下，自动基于用户注册信息对第一掌静脉特征进行注册，从而实现先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验；
通过获取用户的第一掌纹特征和第一掌静脉特征，将多种生物特征信息结合进行注册，提高了注册的准确率以及可靠性，避免了单一生物特征识别中可能存在的误识别问题，降低了被攻击的风险，同时拓宽了产品的应用接入渠道。
根据本申请实施例提供的基于生物特征识别的多模态注册方法，通过对从获取的手掌图像中提取得到的掌纹特征掌静脉特征与目标场景对应的目标特征库中已注册的特征进行匹配，在第一掌静脉特征不存在于目标特征库的情况下，自动基于用户注册信息对第一掌静脉特征进行注册，从而实现先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验。
在一些实施例中，在步骤110之前，基于生物特征识别的多模态注册方法还可以包括：
获取目标用户的初始手掌图像；
在初始手掌图像对应的角度特征、清晰度、光照信息、姿态特征和距离信息中的至少一种符合目标阈值的情况下，将初始手掌图像确定为第一手掌图像；其中，角度特征为目标用户的手掌与图像传感器之间的角度；光照信息为初始手掌图像所接受的可见光的能量；姿态特征为手掌对应的姿态；距离信息为手掌与图像传感器之间的距离。
在该实施例中，初始手掌图像可以基于图像传感器采集得到。
角度特征为目标用户的手掌与图像传感器之间的角度。
清晰度为初始手掌图像对应的清晰程度。
光照信息为初始手掌图像所接受的可见光的能量。
姿态特征为手掌对应的姿态。
距离信息为手掌与图像传感器之间的距离。
用户可以基于目标阈值判断初始手掌图像对应的角度特征、清晰度、光照信息、姿态特征和距离信息中的至少一种是否符合要求，目标阈值可以基于用户实际需求进行自定义，本申请不作限定。
在实际执行过程中，可以基于图像传感器采集得到目标用户的初始手掌图像，然后对初始手掌图像对应的角度特征、清晰度、光照信息、姿态特征和距离信息进行判断，在其中至少一种符合目标阈值的情况下，将初始手掌图像确定为第一手掌图像。
根据本申请实施例提供的基于生物特征识别的多模态注册方法，通过获取目标用户的初始手掌图像，并在初始手掌图像对应的角度特征、清晰度、光照信息、姿态特征和距离信息中的至少一种符合目标阈值的情况下，将初始手掌图像确定为第一手掌图像，提高了第一手掌图像的图像质量，进而提高了注册的掌纹掌静脉特征信息的准确度和精准度，提高了后续用户身份识别的可靠性。
如图3所示，在一些实施例中，在步骤110之前，基于生物特征识别的多模态注册方法还可以包括：
对由第二设备采集的目标用户对应的第二手掌图像进行生物特征提取，获取目标用户对应的第一掌纹特征；
在第一掌纹特征不存在于注册特征库的情况下，将第一掌纹特征存储至注册特征库；
将目标用户对应的掌纹注册状态确定为预注册。
在该实施例中，第二设备可以为移动采集终端。
注册特征库可以包括掌纹特征库和掌静脉特征库中的至少一种。
掌纹注册状态可以为未注册，或者可以为预注册，或者还可以为已注册，可以基于实际注册状态进行确定。
在第一掌纹特征不存在于注册特征库的情况下，可以将第一掌纹特征存储至注册特征库，然后将掌纹注册状态设置为预注册。
在实际执行过程中，可以基于移动采集终端录入目标用户的掌纹生物特征信息，然后对采集得到的初始掌纹图像对应的角度特征、清晰度、光照信息、姿态特征和距离信息中的至少一种进行检测，以获取符合后续特征提取以及特征比对识别的掌纹图像；
然后对掌纹图像进行归一化处理，并对归一化处理之后的掌纹图像进行生物特征提取，获取目标用户对应的第一掌纹特征；
基于全量的注册特征库，在第一掌纹特征不存在于注册特征库的情况下，将第一掌纹特征存储至注册特征库；
然后将掌纹注册状态设置为预注册。
根据本申请实施例提供的基于生物特征识别的多模态注册方法，通过在第一掌纹特征不存在于注册特征库的情况下，将第一掌纹特征存储至注册特征库，然后将目标用户对应的掌纹注册状态确定为预注册，在后续首次识别时只需注册目标用户的掌静脉特征，提高了注册系统的处理速度，节省了用户的注册时间。
在一些实施例中，在将目标用户对应的掌纹注册状态确定为预注册之后，基于生物特征识别的多模态注册方法还可以包括：
在预注册状态下，接收目标用户对第二设备的第一输入；第一输入用于确定目标场景；
响应于第一输入，基于目标场景，将第一掌纹特征存储至所述目标特征库。
在该实施例中，第二设备可以为移动采集终端，例如，可以为目标用户的手机。
第一输入用于确定用户选择的首次使用的场景。
其中，第一输入可以为如下至少一种方式：
其一，第一输入可以为触控操作，包括但不限于点击操作、滑动操作和按压操作等。
在该实施方式中，接收用户的第一输入，可以为，接收用户在终端显示屏的显示区域的触控操作。
为了降低用户误操作率，可以将第一输入的作用区域限定在特定的区域内，比如存储第一掌纹特征对应的界面的上部中间区域；或者在显示选择目标场景界面的状态下，在当前界面显示目标控件，触摸目标控件，即可实现第一输入；或者将第一输入设置为在目标时间间隔内对显示区域的连续多次敲击操作。
其二，第一输入可以为实体按键输入。
在该实施方式中，终端的机身上设有与目标场景对应的实体按键，接收用户的第一输入，可以为，接收用户按压对应的实体按键的操作；第一输入还可以为同时按压多个实体按键的组合操作。
其三，第一输入可以为语音输入。
在该实施方式中，终端可以在接收到语音如“目标场景为地铁”时，触发显示将第一掌纹特征存储至地铁对应的场景特征库的界面。
当然，在其他实施例中，第一输入也可以为其他形式，包括但不限于字符输入等，具体可根据实际需要决定，本申请实施例对此不作限定。
在实际应用中，用户可以在家直接使用手机注册掌纹特征，然后在用户刷掌识别通过地铁闸机口时，现场识别终端可以自动判断第一掌纹特征和第一掌静脉特征是否存在于场景特征库，在第一掌纹特征存在于场景特征库且第一掌静脉特征不存在于场景特征库的情况下，自动融合第一掌纹特征和第一掌静脉特征，并完成用户的掌纹及掌静脉注册；
在用户再次通过地铁闸机口时，可以通过刷掌识别直接通过地铁闸机口。
在一些实施例中，目标特征库可以包括注册特征库和目标场景对应的场景特征库中的至少一种，基于目标场景，将第一掌纹特征存储至所述目标特征库，可以包括：
建立第一掌纹特征与目标场景之间的关联关系，并将第一掌纹特征和关联关系存储至注册特征库；
或者，
将第一掌纹特征分别存储至注册特征库和目标场景对应的场景特征库。
在该实施例中，在目标特征库包括注册特征库的情况下，可以建立第一掌纹特征与目标场景之间的关联关系，然后将第一掌纹特征和关联关系存储至注册特征库；
在目标特征库包括注册特征库和场景特征库的情况下，可以将第一掌纹特征分别存储至注册特征库和场景特征库。
根据本申请实施例提供的基于生物特征识别的多模态注册方法，通过在预注册状态下，接收目标用户对第二设备的第一输入以确定目标用户首次使用的目标场景，然后响应于第一输入，基于目标场景，将第一掌纹特征存储至所述目标特征库，保证了后续掌纹掌静脉采集识别的数据安全性，提高了后续识别检索的效率以及准确度。
如图2所示，在一些实施例中，目标特征库可以包括注册特征库，在步骤120之前，该基于生物特征识别的多模态注册方法还可以包括：
建立第一掌静脉特征与目标场景的关联关系，并将第一掌静脉特征以及关联关系存储至注册特征库。
在该实施例中，建立第一掌静脉特征与目标场景之间的关联关系，第一掌静脉特征对应有用于表征目标场景的标识，可以将目标用户注册掌静脉特征时所处的目标环境与获取的第一掌静脉特征关联起来。
注册特征库存储有用户注册过的特征信息，注册特征库可以包括用户注册过的掌纹特征以及掌静脉特征中的至少一种。
在实际执行过程中，在第一掌纹特征存在于目标特征库且第一掌静脉特征不存在于目标特征库的情况下，将新注册的目标用户的第一掌静脉特征存储至注册特征库。
根据本申请实施例提供的基于生物特征识别的多模态注册方法，通过在第一掌纹特征存在于目标特征库且第一掌静脉特征不存在于目标特征库的情况下，建立第一掌静脉特征与目标场景的关联关系，并将第一掌静脉特征以及关联关系存储至注册特征库，在后续应用中可以基于目标场景对应的注册特征库对用户的掌静脉特征进行注册，进而提高了后续身份识别的准确率。
在一些实施例中，目标特征库可以包括注册特征库和目标场景对应的场景特征库，在步骤120之前，该基于生物特征识别的多模态注册方法还可以包括：
将第一掌静脉特征分别存储至注册特征库和目标场景对应的场景特征库。
在该实施例中，目标场景为目标用户注册掌静脉特征时所处的场景。
在第一掌纹特征存在于目标特征库且第一掌静脉特征不存在于目标特征库的情况下，将第一掌静脉特征分别存储至注册特征库和目标场景对应的场景特征库。
根据本申请实施例提供的基于生物特征识别的多模态注册方法，通过在第一掌纹特征存在于目标特征库且第一掌静脉特征不存在于目标特征库的情况下，将第一掌静脉特征分别存储至注册特征库和目标场景对应的场景特征库，在后续应用中可以基于目标场景对应的场景特征库对用户的掌静脉特征进行注册，进而提高了后续身份识别的准确率。
在一些实施例中，在步骤110之后且在步骤120之前，基于生物特征识别的多模态注册方法还可以包括：
在第一掌纹特征存在于目标场景对应的目标特征库且第一掌静脉特征不存在于目标特征库的情况下，将目标用户对应的掌静脉注册状态确定为预注册。
在该实施例中，掌静脉注册状态可以为未注册，或者可以为预注册，或者还可以为已注册，可以基于实际注册状态进行确定。
预注册状态为完成注册之前的一个过程状态。
如图2所示，在第一掌静脉特征分别存储至目标场景对应的场景特征库和注册特征库之后，可以将目标用户对应的掌静脉注册状态确定为预注册。
在本申请中，通过在目标用户的移动采集终端预先注册第一掌纹特征，能够在后续目标用户首次识别时，例如，在地铁场景下，可以基于设置于现场的掌静脉注册终端机采集得到目标用户的掌纹信息和掌静脉信息，在目标用户的第一掌纹特征存在于目标特征库且第一掌静脉特征不存在于目标特征库的情况下，先将目标用户的掌静脉注册状态确定为预注册状态，在预注册状态下，再注册目标用户的掌静脉信息，提高了地铁系统的处理速度，节省了目标用户的注册时间。
根据本申请实施例提供的基于生物特征识别的多模态注册方法，通过在第一掌纹特征存在于目标场景对应的目标特征库且第一掌静脉特征不存在于目标特征库的情况下，将目标用户对应的掌静脉注册状态确定为预注册，在已注册掌纹信息的情况下，进而注册掌静脉信息，能够在用户无感的情况下，完成用户的掌纹掌静脉注册，极大便利了用户注册使用，提升了用户的使用体验。
在一些实施例中，步骤120可以包括：
融合第一掌纹特征和第一掌静脉特征，获取第一掌纹掌静脉特征；
基于第一掌纹掌静脉特征和获取的目标用户的注册信息，对目标用户进行目标场景下的掌纹掌静脉注册。
在该实施例中，第一掌纹掌静脉特征为对第一掌纹特征和第一掌静脉特征进行多模态融合之后得到的。
基于第一掌纹掌静脉特征和获取的目标用户的注册信息，对目标用户进行目标场景下的掌纹掌静脉注册，可以包括：建立第一掌纹掌静脉特征和目标场景之间的关联关系，并将第一掌纹掌静脉特征、关联关系以及目标用户的注册信息存储至注册特征库，然后完成目标场景下的掌纹掌静脉注册；
或者可以包括：将第一掌纹掌静脉特征以及目标用户的注册信息分别存储至注册特征库和目标场景下的场景特征库，以完成目标场景下的掌纹掌静脉注册。
如图2所示，在实际执行过程中，可以检索目标用户注册掌纹特征信息时选择的目标场景对应的目标特征库，获取符合阈值的掌纹特征对应的候选用户的信息，且在该用户对应的第一掌静脉特征不存在于目标特征库的情况下，对第一掌纹特征和第一掌静脉特征进行多模态融合，获取一个特征集或特征向量，即为第一掌纹掌静脉特征，然后基于第一掌纹掌静脉特征和获取的目标用户的注册信息，对目标用户进行目标场景下的掌纹掌静脉注册。
根据本申请实施例提供的基于生物特征识别的多模态注册方法，通过融合掌纹特征和掌静脉特征，以获取第一掌纹掌静脉特征，实现基于多种生物特征信息进行注册，提高了注册的准确率以及可靠性，避免了单一生物特征识别中可能存在的误识别问题，降低了被攻击的风险，同时拓宽了产品的应用接入渠道。
下面对本申请提供的基于生物特征识别的多模态注册装置进行描述，下文描述的基于生物特征识别的多模态注册装置与上文描述的基于生物特征识别的多模态注册方法可相互对应参照。
本申请实施例提供的基于生物特征识别的多模态注册方法，执行主体可以为基于生物特征识别的多模态注册装置。本申请实施例中以基于生物特征识别的多模态注册装置执行基于生物特征识别的多模态注册方法为例，说明本申请实施例提供的基于生物特征识别的多模态注册装置。
本申请实施例还提供一种基于生物特征识别的多模态注册装置。
如图4所示，该基于生物特征识别的多模态注册装置，包括：第一处理模块410和第二处理模块420。
第一处理模块410，用于对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取目标用户对应的第一掌纹特征和第一掌静脉特征；
第二处理模块420，用于在第一掌纹特征存在于目标场景对应的目标特征库且第一掌静脉特征不存在于目标特征库的情况下，基于第一掌纹特征、第一掌静脉特征和获取的目标用户的注册信息，对目标用户进行目标场景下的掌纹掌静脉注册。
根据本申请实施例提供的基于生物特征识别的多模态注册装置，通过对从获取的手掌图像中提取得到的掌纹特征掌静脉特征与目标场景对应的场景特征库中已注册的特征进行匹配，在第一掌静脉特征不存在于场景特征库的情况下，自动基于用户注册信息对第一掌静脉特征进行注册，从而实现先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验。
在一些实施例中，目标特征库包括注册特征库，该基于生物特征识别的多模态注册装置还可以包括第五处理模块，用于：
在基于第一掌纹特征、第一掌静脉特征和获取的目标用户的注册信息，对目标用户进行目标场景下的掌纹掌静脉注册之前，建立第一掌静脉特征与目标场景的关联关系，并将第一掌静脉特征以及关联关系存储至注册特征库。
在一些实施例中，目标特征库包括注册特征库和目标场景对应的场景特征库，该基于生物特征识别的多模态注册装置还可以包括第六处理模块，用于：
在基于第一掌纹特征、第一掌静脉特征和获取的目标用户的注册信息，对目标用户进行目标场景下的掌纹掌静脉注册之前，将第一掌静脉特征分别存储至注册特征库和目标场景对应的场景特征库。
在一些实施例中，该基于生物特征识别的多模态注册装置还可以包括第七处理模块，用于：
在对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取目标用户对应的第一掌纹特征和第一掌静脉特征之后，且在基于第一掌纹特征、第一掌静脉特征和获取的目标用户的注册信息，对目标用户进行目标场景下的掌纹掌静脉注册之前，在第一掌纹特征存在于目标场景对应的目标特征库且第一掌静脉特征不存在于目标特征库的情况下，将目标用户对应的掌静脉注册状态确定为预注册。
在一些实施例中，该基于生物特征识别的多模态注册装置还可以包括第八处理模块，用于：
融合第一掌纹特征和第一掌静脉特征，获取第一掌纹掌静脉特征；
基于第一掌纹掌静脉特征和获取的目标用户的注册信息，对目标用户进行目标场景下的掌纹掌静脉注册。
在一些实施例中，该基于生物特征识别的多模态注册装置还可以包括第九处理模块，用于：
在对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取目标用户对应的第一掌纹特征和第一掌静脉特征之前，对由第二设备采集的目标用户对应的第二手掌图像进行生物特征提取，获取目标用户对应的第一掌纹特征；
在第一掌纹特征不存在于注册特征库的情况下，将第一掌纹特征存储至注册特征库；
将目标用户对应的掌纹注册状态确定为预注册。
在一些实施例中，该基于生物特征识别的多模态注册装置还可以包括第十处理模块，用于：
在将目标用户对应的掌纹注册状态确定为预注册之后，在预注册状态下，接收目标用户对第二设备的第一输入；第一输入用于确定目标场景；
响应于第一输入，基于目标场景，将第一掌纹特征存储至所述目标特征库。
在一些实施例中，该基于生物特征识别的多模态注册装置还可以包括第十一处理模块，用于：
在对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取目标用户对应的第一掌纹特征和第一掌静脉特征之前，获取目标用户的初始手掌图像；
在初始手掌图像对应的角度特征、清晰度、光照信息、姿态特征和距离信息中的至少一种符合目标阈值的情况下，将初始手掌图像确定为第一手掌图像；其中，角度特征为目标用户的手掌与图像传感器之间的角度；光照信息为初始手掌图像所接受的可见光的能量；姿态特征为手掌对应的姿态；距离信息为手掌与图像传感器之间的距离。
本申请实施例中的基于生物特征识别的多模态注册装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为IOS操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的基于生物特征识别的多模态注册装置能够实现图1至图3的方法实施例实现的各个过程，为避免重复，这里不再赘述。
下面结合图5描述本申请提出的一种基于上文任意实施例所述的基于生物特征识别的多模态注册方法的身份识别方法，包括：步骤510和步骤520。
步骤510、对由第一设备采集的待识别用户的第三手掌图像进行生物特征提取，获取待识别用户的第二掌纹特征和第二掌静脉特征。
在该步骤中，第一设备可以为设置于现场的识别终端。
待识别用户为待识别身份的用户。
第三手掌图像为待识别用户在刷掌识别过程中，基于识别终端采集得到的手掌图像。
生物特征提取用于从第三手掌图像中提取出特征向量。
对第三手掌图像进行生物特征提取，可以获取待识别用户的第二掌纹特征和第二掌静脉特征。
第二掌纹特征用于表征待识别用户的掌纹信息。
第二掌静脉特征用于表征待识别用户的掌静脉信息。
在实际执行过程中，可以基于现场终端采集设备采集得到第三手掌图像，然后对第三手掌图像进行归一化处理，再对归一化处理之后的第三手掌图像进行生物特征提取，以获取待识别用户的第二掌纹特征和第二掌静脉特征。
步骤520、基于第二掌纹特征、第二掌静脉特征以及目标特征库，确定待识别用户的身份。
在该步骤中，目标特征库为目标场景对应的特征库，可以理解的是，不同的场景对应的目标特征库不同。
如图6所示，在实际执行过程中，在待识别用户通过识别终端刷掌时，识别终端采集待识别用户的手掌的掌纹信息以及掌静脉信息，以获取初始手掌图像；
然后对初始手掌图像对应的角度特征、清晰度、光照信息、姿态特征和距离信息中的至少一种进行质量检测，获取符合后续特征提取及特征比对识别要求的第三手掌图像；
对第三手掌图像进行归一化处理，并对归一化处理后的第三手掌图像进行生物特征提取，获取第二掌纹特征和第二掌静脉特征；
基于第二掌纹特征、第二掌静脉特征以及目标特征库，确定待识别用户的身份。
根据本申请实施例提供的身份识别方法，通过先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验；在用户再次识别时，可以基于第二掌纹特征、第二掌静脉特征以及目标特征库，采用掌纹掌静脉多模态融合比对技术，对待识别用户的身份进行识别，识别准确率较高，避免了单一生物特征识别中可能存在的误识别问题，降低了被攻击的风险，同时拓宽了产品的应用接入渠道。
在一些实施例中，步骤520可以包括：
融合第二掌纹特征和第二掌静脉特征，获取第二掌纹掌静脉特征；
在第二掌纹掌静脉特征与目标特征库中所存储的第一掌纹掌静脉特征匹配的情况下，确定待识别用户的身份。
在该实施例中，第二掌纹掌静脉特征为对第二掌纹特征和第二掌静脉特征进行融合之后得到的。
第一掌纹掌静脉特征为对第一掌纹特征和第一掌静脉特征进行融合之后得到的。
可以对第二掌纹掌静脉特征以及第一掌纹掌静脉特征进行多模态融合比对，在第二掌纹掌静脉特征与第一掌纹掌静脉特征相匹配的情况下，确定待识别用户的身份。
在实际执行过程中，对第二掌纹特征和第二掌静脉特征进行多模态融合，可以获取第二掌纹掌静脉特征；
对第二掌纹掌静脉特征与第一掌纹掌静脉特征进行多模态比对，在第二掌纹掌静脉特征与目标特征库中所存储的第一掌纹掌静脉特征匹配的情况下，确定待识别用户的身份。
根据本申请实施例提供的身份识别方法，通过融合第二掌纹特征和第二掌静脉特征，获取第二掌纹掌静脉特征，再对第二掌纹掌静脉特征和目标特征库中所存储的第一掌纹掌静脉特征进行多模态比对，基于多种生物特征信息进行识别，提高了识别的准确率以及可靠性，避免了单一生物特征识别中可能存在的误识别问题，降低了被攻击的风险，同时拓宽了产品的应用接入渠道。
下面对本申请提供的身份识别装置进行描述，下文描述的身份识别装置与上文描述的身份识别方法可相互对应参照。
本申请实施例提供的身份识别方法，执行主体可以为身份识别装置。本申请实施例中以身份识别装置执行身份识别方法为例，说明本申请实施例提供的身份识别装置。
本申请实施例还提供一种身份识别装置。
如图7所示，该身份识别装置，包括：第三处理模块710和第四处理模块720。
第三处理模块710，用于对由第一设备采集的待识别用户的第三手掌图像进行生物特征提取，获取待识别用户的第二掌纹特征和第二掌静脉特征；
第四处理模块720，用于基于第二掌纹特征、第二掌静脉特征以及目标特征库，确定待识别用户的身份。
根据本申请实施例提供的身份识别装置，通过先注册用户的掌纹特征，在用户首次识别的过程中再注册掌静脉特征，在用户无感的情况下即可完成用户的掌纹掌静脉的注册，方便快捷，提升了用户体验；在用户再次识别时，可以基于第二掌纹特征、第二掌静脉特征以及目标特征库，采用掌纹掌静脉多模态融合比对技术，对待识别用户的身份进行识别，识别准确率较高，避免了单一生物特征识别中可能存在的误识别问题，降低了被攻击的风险，同时拓宽了产品的应用接入渠道。
在一些实施例中，第四处理模块720还可以用于：
融合第二掌纹特征和第二掌静脉特征，获取第二掌纹掌静脉特征；
在第二掌纹掌静脉特征与目标特征库中所存储的第一掌纹掌静脉特征匹配的情况下，确定待识别用户的身份。
本申请实施例中的身份识别装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为IOS操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的身份识别装置能够实现图5至图6的方法实施例实现的各个过程，为避免重复，这里不再赘述。
本申请实施例中的基于生物特征识别的多模态注册装置和身份识别装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device，MID)、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，还可以为服务器、网络附属存储器(NetworkAttached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
在一些实施例中，如图8所示，本申请实施例还提供一种电子设备800，包括处理器801、存储器802及存储在存储器802上并可在处理器801上运行的计算机程序，该程序被处理器801执行时实现上述基于生物特征识别的多模态注册方法和身份识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
另一方面，本申请还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述基于生物特征识别的多模态注册方法和身份识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
又一方面，本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述基于生物特征识别的多模态注册方法和身份识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
又一方面，本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述基于生物特征识别的多模态注册方法和身份识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (13)

1.一种基于生物特征识别的多模态注册方法，其特征在于，包括：
对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征；
在所述第一掌纹特征存在于目标场景对应的目标特征库且所述第一掌静脉特征不存在于所述目标特征库的情况下，基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册。
2.根据权利要求1所述的基于生物特征识别的多模态注册方法，其特征在于，所述目标特征库包括注册特征库，在所述基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册之前，所述方法还包括：
建立所述第一掌静脉特征与所述目标场景的关联关系，并将所述第一掌静脉特征以及所述关联关系存储至所述注册特征库。
3.根据权利要求1所述的基于生物特征识别的多模态注册方法，其特征在于，所述目标特征库包括注册特征库和所述目标场景对应的场景特征库，在所述基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册之前，所述方法还包括：
将所述第一掌静脉特征分别存储至所述注册特征库和所述目标场景对应的场景特征库。
4.根据权利要求1-3任一项所述的基于生物特征识别的多模态注册方法，其特征在于，在所述对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征之后，且在所述基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册之前，所述方法还包括：
在所述第一掌纹特征存在于所述目标场景对应的目标特征库且所述第一掌静脉特征不存在于所述目标特征库的情况下，将所述目标用户对应的掌静脉注册状态确定为预注册。
5.根据权利要求1-3任一项所述的基于生物特征识别的多模态注册方法，其特征在于，所述基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册，包括：
融合所述第一掌纹特征和所述第一掌静脉特征，获取第一掌纹掌静脉特征；
基于所述第一掌纹掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册。
6.根据权利要求1-3任一项所述的基于生物特征识别的多模态注册方法，其特征在于，在所述对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征之前，所述方法还包括：
对由第二设备采集的所述目标用户对应的第二手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征；
在所述第一掌纹特征不存在于注册特征库的情况下，将所述第一掌纹特征存储至所述注册特征库；
将所述目标用户对应的掌纹注册状态确定为预注册。
7.根据权利要求6所述的基于生物特征识别的多模态注册方法，其特征在于，在所述将所述目标用户对应的掌纹注册状态确定为预注册之后，所述方法还包括：
在所述预注册状态下，接收所述目标用户对所述第二设备的第一输入；所述第一输入用于确定所述目标场景；
响应于所述第一输入，基于所述目标场景，将所述第一掌纹特征存储至所述目标特征库。
8.根据权利要求1-3任一项所述的基于生物特征识别的多模态注册方法，其特征在于，在所述对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征之前，所述方法还包括：
获取所述目标用户的初始手掌图像；
在所述初始手掌图像对应的角度特征、清晰度、光照信息、姿态特征和距离信息中的至少一种符合目标阈值的情况下，将所述初始手掌图像确定为所述第一手掌图像；其中，所述角度特征为所述目标用户的手掌与图像传感器之间的角度；所述光照信息为所述初始手掌图像所接受的可见光的能量；所述姿态特征为所述手掌对应的姿态；所述距离信息为所述手掌与所述图像传感器之间的距离。
9.一种基于如权利要求1-8任一项所述的基于生物特征识别的多模态注册方法的身份识别方法，包括：
对由第一设备采集的待识别用户的第三手掌图像进行生物特征提取，获取所述待识别用户的第二掌纹特征和第二掌静脉特征；
基于所述第二掌纹特征、所述第二掌静脉特征以及目标特征库，确定所述待识别用户的身份。
10.根据权利要求9所述的身份识别方法，其特征在于，所述基于所述第二掌纹特征、所述第二掌静脉特征以及目标特征库，确定所述待识别用户的身份，包括：
融合所述第二掌纹特征和所述第二掌静脉特征，获取第二掌纹掌静脉特征；
在所述第二掌纹掌静脉特征与所述目标特征库中所存储的第一掌纹掌静脉特征匹配的情况下，确定所述待识别用户的身份。
11.一种基于生物特征识别的多模态注册装置，其特征在于，包括：
第一处理模块，用于对由第一设备采集的目标用户对应的第一手掌图像进行生物特征提取，获取所述目标用户对应的第一掌纹特征和第一掌静脉特征；
第二处理模块，用于在所述第一掌纹特征存在于目标场景对应的目标特征库且所述第一掌静脉特征不存在于所述目标特征库的情况下，基于所述第一掌纹特征、所述第一掌静脉特征和获取的所述目标用户的注册信息，对所述目标用户进行所述目标场景下的掌纹掌静脉注册。
12.一种基于如权利要求1-8任一项所述的基于生物特征识别的多模态注册方法的身份识别装置，其特征在于，包括：
第三处理模块，用于对由第一设备采集的待识别用户的第三手掌图像进行生物特征提取，获取所述待识别用户的第二掌纹特征和第二掌静脉特征；
第四处理模块，用于基于所述第二掌纹特征、所述第二掌静脉特征以及目标特征库，确定所述待识别用户的身份。
13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8任一项所述的基于生物特征识别的多模态注册方法和如权利要求9或10所述的身份识别方法。
CN202310650931.5A 2023-06-02 2023-06-02 基于生物特征识别的多模态注册方法和身份识别方法 Active CN116738411B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310650931.5A CN116738411B (zh) 2023-06-02 2023-06-02 基于生物特征识别的多模态注册方法和身份识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310650931.5A CN116738411B (zh) 2023-06-02 2023-06-02 基于生物特征识别的多模态注册方法和身份识别方法

Publications (2)

Publication Number Publication Date
CN116738411A true CN116738411A (zh) 2023-09-12
CN116738411B CN116738411B (zh) 2024-04-19

Family

ID=87905491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310650931.5A Active CN116738411B (zh) 2023-06-02 2023-06-02 基于生物特征识别的多模态注册方法和身份识别方法

Country Status (1)

Country Link
CN (1) CN116738411B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102916968A (zh) * 2012-10-29 2013-02-06 北京天诚盛业科技有限公司 身份认证方法、身份认证服务器和身份认证装置
CN107122700A (zh) * 2017-03-02 2017-09-01 华南理工大学 一种基于视频的掌纹掌脉联合注册和识别方法
CN107195124A (zh) * 2017-07-20 2017-09-22 长江大学 基于掌纹和掌静脉的图书馆自助借书方法及系统
CN107294730A (zh) * 2017-08-24 2017-10-24 北京无线电计量测试研究所 一种多模态生物特征身份认证方法、装置及系统
CN112734950A (zh) * 2020-12-03 2021-04-30 南京熊猫电子股份有限公司 一种基于生物特征识别的地铁自动检票机系统及控制方法
CN113221084A (zh) * 2021-04-23 2021-08-06 深圳市智莱科技股份有限公司 充电认证方法、装置、系统、充电设备和存储介质
CN114220130A (zh) * 2021-11-02 2022-03-22 华南理工大学 非接触式手势与掌纹、掌静脉融合的身份识别系统及方法
CN114511885A (zh) * 2022-02-10 2022-05-17 支付宝(杭州)信息技术有限公司 手掌感兴趣区域提取系统和方法
US20230074386A1 (en) * 2021-09-07 2023-03-09 Moqi Technology (beijing) Co., Ltd. Method and apparatus for performing identity recognition on to-be-recognized object, device and medium

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102916968A (zh) * 2012-10-29 2013-02-06 北京天诚盛业科技有限公司 身份认证方法、身份认证服务器和身份认证装置
CN107122700A (zh) * 2017-03-02 2017-09-01 华南理工大学 一种基于视频的掌纹掌脉联合注册和识别方法
CN107195124A (zh) * 2017-07-20 2017-09-22 长江大学 基于掌纹和掌静脉的图书馆自助借书方法及系统
CN107294730A (zh) * 2017-08-24 2017-10-24 北京无线电计量测试研究所 一种多模态生物特征身份认证方法、装置及系统
CN112734950A (zh) * 2020-12-03 2021-04-30 南京熊猫电子股份有限公司 一种基于生物特征识别的地铁自动检票机系统及控制方法
CN113221084A (zh) * 2021-04-23 2021-08-06 深圳市智莱科技股份有限公司 充电认证方法、装置、系统、充电设备和存储介质
US20230074386A1 (en) * 2021-09-07 2023-03-09 Moqi Technology (beijing) Co., Ltd. Method and apparatus for performing identity recognition on to-be-recognized object, device and medium
CN114220130A (zh) * 2021-11-02 2022-03-22 华南理工大学 非接触式手势与掌纹、掌静脉融合的身份识别系统及方法
CN114511885A (zh) * 2022-02-10 2022-05-17 支付宝(杭州)信息技术有限公司 手掌感兴趣区域提取系统和方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张梦婷;: "多模态身份识别系统在智慧营区建设中的应用研究", 现代信息科技, no. 12, 25 June 2020 (2020-06-25), pages 184 - 186 *
王天华;冷璐;袁明汶;: "双点辅助定位的移动终端掌纹识别系统", 计算机与现代化, no. 03, 15 March 2018 (2018-03-15), pages 116 - 119 *
袁玲;黄靖;刘娅琴;杨丰;: "基于图像融合的去掌纹手掌静脉图像增强方法", 科学技术与工程, no. 36, 28 December 2016 (2016-12-28), pages 53 - 59 *

Also Published As

Publication number Publication date
CN116738411B (zh) 2024-04-19

Similar Documents

Publication Publication Date Title
CN111539740B (zh) 一种支付方法、装置及设备
US8649575B2 (en) Method and apparatus of a gesture based biometric system
CN102646190B (zh) 一种基于生物特征的认证方法、装置及系统
US20150302252A1 (en) Authentication method using multi-factor eye gaze
AU2017429564B2 (en) Subtle user recognition
CN108804006B (zh) 用于可穿戴设备的解锁方法、装置、设备和存储介质
CN106843729A (zh) 一种终端操控方法及终端
CN107506629B (zh) 解锁控制方法及相关产品
CN106529255B (zh) 基于笔迹指纹的用户身份识别方法和装置
CN108108711B (zh) 人脸布控方法、电子设备及存储介质
CN105653171A (zh) 基于指纹识别的终端控制方法、终端控制装置及终端
EP2701096A2 (en) Image processing device and image processing method
EP4032007A1 (en) Fingerprint capturing and matching for authentication
WO2022268023A1 (zh) 指纹识别方法、装置、电子设备和可读存储介质
CN105550628A (zh) 指纹录入方法及装置
CN106529243A (zh) 一种身份鉴别的方法、装置及终端
US8826392B2 (en) Device and method for authenticating biological information
CN116738411B (zh) 基于生物特征识别的多模态注册方法和身份识别方法
KR101286750B1 (ko) 제스처를 이용한 패스워드 판단시스템
WO2022037024A1 (zh) 基于生物特征信息的鉴权方法、计算机系统和可读介质
US11991180B2 (en) Authentication system, authentication device, authentication method and program
CN113516481A (zh) 刷脸意愿的确认方法、装置和刷脸设备
JP2018169943A (ja) 顔認証処理装置、顔認証処理方法及び顔認証処理システム
CN112487885A (zh) 支付方法、装置、电子设备及可读存储介质
WO2020191547A1 (zh) 生物识别方法及装置

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
CB02 Change of applicant information

Address after: 510663 9, 11, science Road, science and Technology City, Guangzhou high tech Industrial Development Zone, Guangdong

Applicant after: GRG INTELLIGENT TECHNOLOGY SOLUTION Co.,Ltd.

Applicant after: Guangdian Yuntong Group Co.,Ltd.

Address before: 510663 9, 11, science Road, science and Technology City, Guangzhou high tech Industrial Development Zone, Guangdong

Applicant before: GRG INTELLIGENT TECHNOLOGY SOLUTION Co.,Ltd.

Applicant before: GRG BANKING EQUIPMENT Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant