CN117015953A - 一种门禁系统人脸数据的安全加密方法和系统 - Google Patents
一种门禁系统人脸数据的安全加密方法和系统 Download PDFInfo
- Publication number
- CN117015953A CN117015953A CN202280018231.8A CN202280018231A CN117015953A CN 117015953 A CN117015953 A CN 117015953A CN 202280018231 A CN202280018231 A CN 202280018231A CN 117015953 A CN117015953 A CN 117015953A
- Authority
- CN
- China
- Prior art keywords
- encrypted
- encryption
- image
- matrix
- face
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 111
- 238000003064 k means clustering Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 210000000056 organ Anatomy 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 206010040844 Skin exfoliation Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000035618 desquamation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种门禁系统人脸数据的安全加密方法,包括以下步骤:S1:获取门禁系统的原始人脸图像数据,并根据图像中人脸的位置确定待加密区域;S2:提取人脸图像中的预加密区域的图像数据,得到待加密子图像;S3:提取待加密子图像中的人脸特征数据,生成第一处理矩阵;S4:根据比特位面对待加密子图像进行分层,输出对应的三维矩阵作为第二处理矩阵;S5:对第一处理矩阵和第二处理矩阵分别进行加密操作,分别得到第一处理矩阵和第二处理矩阵对应的加密矩阵;S6:利用加密矩阵对待加密子图像进行加密处理,得到加密人脸图像数据,安全加密方法提高门禁系统人脸图像数据的安全性。
Description
技术领域
本发明涉及数据安全保护领域,尤其是涉及一种门禁系统人脸数据的安全加密方法和系统。
背景技术
门禁解锁由机械式的钥匙解锁发展到电子密码锁,当前又出现指纹门禁,解锁方式进化的背后一方面是技术的进步,另一方面是人们对门锁的安全性以及门锁的用户体验有着越来越高的需求。钥匙、密码形式的门禁较为传统,安全性较低,体验也一般;指纹门禁通过用户指纹进行解锁,用户无需携带钥匙,也不用记密码,安全性以及体验性比传统门锁稍高,但同样会面临一些问题,比如误识率高,用户手指脱皮、有水等使得解锁不成功,双手被占用时也无法解锁等等。
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术,用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行识别的一系列相关技术,通常也叫做人像识别、面部识别。
随着人脸识别技术的发展和门禁解锁方式正不断变化,利用人脸识别的门禁系统快速发展,其主要原理是基于人脸图像实时采集并与预存图像数据对比进行匹配识别,门禁系统中存储着大量的人脸图像数据,从数据安全角度考虑,这很容易造成用户人脸等隐私信息的泄露,在个人隐私日益受到关注的今天,若门禁系统对人脸图像数据的处理不当,极有可能为用户巨大的困扰。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种门禁系统人脸数据的安全加密方法和系统。
本发明的目的可以通过以下技术方案来实现:
一种门禁系统人脸数据的安全加密方法,其特征在于,包括以下步骤:
S1:获取门禁系统的原始人脸图像数据,并根据图像中人脸的位置确定待加密区域;
S2:提取人脸图像中的预加密区域的图像数据,得到待加密子图像;
S3:提取待加密子图像中的人脸特征数据,生成第一处理矩阵;
S4:根据比特位面对待加密子图像进行分层,输出对应的三维矩阵作为第二处理矩阵;
S5:对第一处理矩阵和第二处理矩阵分别进行加密操作,分别得到第一处理矩阵和第二处理矩阵对应的加密矩阵;
S6:利用加密矩阵对待加密子图像进行加密处理,得到加密人脸图像数据。
进一步地,所述的人脸特征数据包括五官特征点和轮廓特征点,步骤S3中,通过对五官特征点和轮廓特征点进行编码,得到第一处理矩阵,所述的第一处理矩阵的尺寸为M×N,其中M×N为待加密子图像的尺寸。
进一步地,所述的三维矩阵的尺寸为M×N×L,其中M×N为待加密子图像的尺寸,L为位面层数。
进一步地,步骤S5中,采用全同态加密函数对所述的第一处理矩阵和第二处理矩阵分别进行加密操作,分别得到第一处理矩阵和第二处理矩阵对应的加密矩阵。
更进一步地,步骤S6中,具体包括:
将第一处理矩阵对应的加密矩阵和第二处理矩阵对应的加密矩阵进行叠加,生成密文矩阵,并将密文矩阵替换原始人脸图像数据中的待加密区域,得到加密人脸图像数据。
进一步地,步骤S2还包括对待加密子图像进行预加密处理。
更进一步地,所述的预加密处理具体包括:
通过线性空间滤波器和K-均值聚类算法对待加密子图像进行卷积和聚类,得到纹理;
基于所述的纹理图像对所述的待加密子图像进行分块,得到多个图像块;
分别对多个图像块进行JL变换加密,完成预加密处理。
一种用于实现如所述的门禁系统人脸数据安全加密方法的系统,包括:
图像获取模块:用于获取门禁系统的原始人脸图像数据,根据图像中人脸的位置确定待加密区域,并提取人脸图像中的预加密区域的图像数据,生成待加密子图像;
加密模块:用于根据待加密子图像生成第一处理矩阵和第二处理矩阵,并对待加密子图像进行加密处理,得到加密人脸图像数据。
优选地,该系统还包括预加密模块,所述的预加密模块用于对待加密子图像进行预加密处理,具体为:
通过线性空间滤波器和K-均值聚类算法对待加密子图像进行卷积和聚类,得到纹理图像;
基于所述的纹理图像对所述的待加密子图像进行分块,得到多个图像块;
分别对多个图像块进行JL变换加密,完成预加密处理。
进一步地,所述的加密模块首先采用全同态加密函数对所述的第一处理矩阵和第二处理矩阵分别进行加密操作,分别得到第一处理矩阵和第二处理矩阵对应的加密矩阵,再将第一处理矩阵对应的加密矩阵和第二处理矩阵对应的加密矩阵进行叠加,生成密文矩阵,并将密文矩阵替换原始人脸图像数据中的待加密区域,得到加密人脸图像数据。
与现有技术相比,本发明具有以下优点:
1)本发明通过获取门禁系统的原始人脸图像数据,根据图像中人脸的位置确定待加密区域,并提取人脸图像中的预加密区域的图像数据,生成待加密子图像,并根据待加密子图像生成第一处理矩阵和第二处理矩阵,并对待加密子图像进行加密处理,得到加密人脸图像数据,利用待加密子图像自身数据生成的第一处理矩阵和第二处理矩阵进行加密,对人脸图像数据执行加密隐藏避免用户隐私泄漏,实现更为安全更为缜密的信息加密方案,具有针对性强、实时加密、且安全性高不易被破解的优点;
2)本发明的第二处理矩阵通过根据比特位面对待加密子图像进行分层输出的三维矩阵得到,增加行、列和层三个维度的加密安全性,能够针对重点区域进行处理以获得理想的加密效果;
3)本发明在加密处理之前,先通过线性空间滤波器和K-均值聚类算法对待加密子图像进行卷积和聚类,对待加密子图像进行分块,并进行JL变换加密,进行预加密处理,进一步保证了人脸图像数据的加密安全性,解决了现有人脸图像加密安全性不高和无法有效实现图像隐私保护的问题。
附图说明
图1为本发明方法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
如图1所示,本发明提供一种门禁系统人脸数据的安全加密方法,包括以下步骤:
S1:获取门禁系统的原始人脸图像数据,并根据图像中人脸的位置确定待加密区域;
S2:提取人脸图像中的预加密区域的图像数据,得到待加密子图像;
S3:提取待加密子图像中的人脸特征数据,生成第一处理矩阵;
S4:根据比特位面对待加密子图像进行分层,输出对应的三维矩阵作为第二处理矩阵;
S5:对第一处理矩阵和第二处理矩阵分别进行加密操作,分别得到第一处理矩阵和第二处理矩阵对应的加密矩阵;
S6:利用加密矩阵对待加密子图像进行加密处理,得到加密人脸图像数据。
人脸特征数据包括五官特征点和轮廓特征点,步骤S3中,通过对五官特征点和轮廓特征点进行编码,得到第一处理矩阵,第一处理矩阵的尺寸为M×N,其中M×N为待加密子图像的尺寸,三维矩阵的尺寸为M×N×L,其中M×N为待加密子图像的尺寸,L为位面层数。
具体地,步骤S5中,采用全同态加密函数对第一处理矩阵和第二处理矩阵分别进行加密操作,分别得到第一处理矩阵和第二处理矩阵对应的加密矩阵。步骤S6中,具体包括:将第一处理矩阵对应的加密矩阵和第二处理矩阵对应的加密矩阵进行叠加,生成密文矩阵,并将密文矩阵替换原始人脸图像数据中的待加密区域,得到加密人脸图像数据。第二处理矩阵通过根据比特位面对待加密子图像进行分层输出的三维矩阵得到,增加行、列和层三个维度的加密安全性,能够针对重点区域进行处理以获得理想的加密效果。
本实施例中,步骤S2还包括对待加密子图像进行预加密处理,具体地,预加密处理具体包括:
通过线性空间滤波器和K-均值聚类算法对待加密子图像进行卷积和聚类,得到纹理;
基于纹理图像对待加密子图像进行分块,得到多个图像块;
分别对多个图像块进行JL变换加密,完成预加密处理。
本发明还提供一种门禁系统人脸数据的安全加密方法系统,包括:
图像获取模块:用于获取门禁系统的原始人脸图像数据,根据图像中人脸的位置确定待加密区域,并提取人脸图像中的预加密区域的图像数据,生成待加密子图像;
加密模块:用于根据待加密子图像生成第一处理矩阵和第二处理矩阵,并对待加密子图像进行加密处理,得到加密人脸图像数据;
预加密模块:用于对待加密子图像进行预加密处理,具体为:通过线性空间滤波器和K-均值聚类算法对待加密子图像进行卷积和聚类,得到纹理图像;基于纹理图像对待加密子图像进行分块,得到多个图像块;分别对多个图像块进行JL变换加密,完成预加密处理。
加密模块首先采用全同态加密函数对第一处理矩阵和第二处理矩阵分别进行加密操作,分别得到第一处理矩阵和第二处理矩阵对应的加密矩阵,再将第一处理矩阵对应的加密矩阵和第二处理矩阵对应的加密矩阵进行叠加,生成密文矩阵,并将密文矩阵替换原始人脸图像数据中的待加密区域,得到加密人脸图像数据。
预加密模块先通过线性空间滤波器和K-均值聚类算法对待加密子图像进行卷积和聚类,对待加密子图像进行分块,并进行JL变换加密,进行预加密处理,进一步保证了人脸图像数据的加密安全性,解决了现有人脸图像加密安全性不高和无法有效实现图像隐私保护的问题。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种门禁系统人脸数据的安全加密方法,其特征在于,包括以下步骤:
S1:获取门禁系统的原始人脸图像数据,并根据图像中人脸的位置确定待加密区域;
S2:提取人脸图像中的预加密区域的图像数据,得到待加密子图像;
S3:提取待加密子图像中的人脸特征数据,生成第一处理矩阵;
S4:根据比特位面对待加密子图像进行分层,输出对应的三维矩阵作为第二处理矩阵;
S5:对第一处理矩阵和第二处理矩阵分别进行加密操作,分别得到第一处理矩阵和第二处理矩阵对应的加密矩阵;
S6:利用加密矩阵对待加密子图像进行加密处理,得到加密人脸图像数据。
2.根据权利要求1所述的一种门禁系统人脸数据的安全加密方法,其特征在于,所述的人脸特征数据包括五官特征点和轮廓特征点,步骤S3中,通过对五官特征点和轮廓特征点进行编码,得到第一处理矩阵,所述的第一处理矩阵的尺寸为M×N,其中M×N为待加密子图像的尺寸。
3.根据权利要求1所述的一种门禁系统人脸数据的安全加密方法,其特征在于,所述的三维矩阵的尺寸为M×N×L,其中M×N为待加密子图像的尺寸,L为位面层数。
4.根据权利要求1所述的一种门禁系统人脸数据的安全加密方法,其特征在于,步骤S5中,采用全同态加密函数对所述的第一处理矩阵和第二处理矩阵分别进行加密操作,分别得到第一处理矩阵和第二处理矩阵对应的加密矩阵。
5.根据权利要求4所述的一种门禁系统人脸数据的安全加密方法,其特征在于,步骤S6中,具体包括:
将第一处理矩阵对应的加密矩阵和第二处理矩阵对应的加密矩阵进行叠加,生成密文矩阵,并将密文矩阵替换原始人脸图像数据中的待加密区域,得到加密人脸图像数据。
6.根据权利要求1所述的一种门禁系统人脸数据的安全加密方法,其特征在于,步骤S2还包括对待加密子图像进行预加密处理。
7.根据权利要求6所述的一种门禁系统人脸数据的安全加密方法,其特征在于,所述的预加密处理具体包括:
通过线性空间滤波器和K-均值聚类算法对待加密子图像进行卷积和聚类,得到纹理;
基于所述的纹理图像对所述的待加密子图像进行分块,得到多个图像块;
分别对多个图像块进行JL变换加密,完成预加密处理。
8.一种用于实现如权利要求1-7任一项所述的门禁系统人脸数据安全加密方法的系统,其特征在于,包括:
图像获取模块:用于获取门禁系统的原始人脸图像数据,根据图像中人脸的位置确定待加密区域,并提取人脸图像中的预加密区域的图像数据,生成待加密子图像;
加密模块:用于根据待加密子图像生成第一处理矩阵和第二处理矩阵,并对待加密子图像进行加密处理,得到加密人脸图像数据。
9.根据权利要求8所述的一种门禁系统人脸数据的安全加密系统,其特征在于,该系统还包括预加密模块,所述的预加密模块用于对待加密子图像进行预加密处理,具体为:
通过线性空间滤波器和K-均值聚类算法对待加密子图像进行卷积和聚类,得到纹理图像;
基于所述的纹理图像对所述的待加密子图像进行分块,得到多个图像块;
分别对多个图像块进行JL变换加密,完成预加密处理。
10.根据权利要求8所述的一种门禁系统人脸数据的安全加密系统,其特征在于,所述的加密模块首先采用全同态加密函数对所述的第一处理矩阵和第二处理矩阵分别进行加密操作,分别得到第一处理矩阵和第二处理矩阵对应的加密矩阵,再将第一处理矩阵对应的加密矩阵和第二处理矩阵对应的加密矩阵进行叠加,生成密文矩阵,并将密文矩阵替换原始人脸图像数据中的待加密区域,得到加密人脸图像数据。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2022/103567 WO2024007095A1 (zh) | 2022-07-04 | 2022-07-04 | 一种门禁系统人脸数据的安全加密方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117015953A true CN117015953A (zh) | 2023-11-07 |
CN117015953B CN117015953B (zh) | 2024-07-09 |
Family
ID=88574796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280018231.8A Active CN117015953B (zh) | 2022-07-04 | 2022-07-04 | 一种门禁系统人脸数据的安全加密方法和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117015953B (zh) |
WO (1) | WO2024007095A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117998025B (zh) * | 2024-04-07 | 2024-06-11 | 山东青橙数字科技有限公司 | 一种基于位阶计量运算的关键信息识别图像加密方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170083752A1 (en) * | 2015-09-18 | 2017-03-23 | Yahoo! Inc. | Face detection |
CN109657483A (zh) * | 2018-11-27 | 2019-04-19 | 哈尔滨工业大学(深圳) | 一种图像加密方法和系统 |
WO2021227349A1 (zh) * | 2020-05-11 | 2021-11-18 | 华南理工大学 | 一种生物特征隐私保护的前端人像加密与识别方法 |
CN113723334A (zh) * | 2021-09-07 | 2021-11-30 | 合肥远康信息技术有限公司 | 一种金融联网综合安防系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5533127A (en) * | 1994-03-18 | 1996-07-02 | Canon Information Systems, Inc. | Encryption system |
CN108776790A (zh) * | 2018-06-06 | 2018-11-09 | 海南大学 | 云环境下基于神经网络的加密人脸识别方法 |
CN110633650A (zh) * | 2019-08-22 | 2019-12-31 | 首都师范大学 | 基于隐私保护的卷积神经网络人脸识别方法及装置 |
CN111967033B (zh) * | 2020-08-28 | 2024-04-05 | 深圳康佳电子科技有限公司 | 基于人脸识别的图片加密方法、装置、终端及存储介质 |
CN112949576B (zh) * | 2021-03-29 | 2024-04-23 | 北京京东方技术开发有限公司 | 姿态估计方法、装置、设备及存储介质 |
CN113807258A (zh) * | 2021-09-17 | 2021-12-17 | 南京工业大学 | 一种基于神经网络与dct变换的加密人脸识别方法 |
-
2022
- 2022-07-04 CN CN202280018231.8A patent/CN117015953B/zh active Active
- 2022-07-04 WO PCT/CN2022/103567 patent/WO2024007095A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170083752A1 (en) * | 2015-09-18 | 2017-03-23 | Yahoo! Inc. | Face detection |
CN109657483A (zh) * | 2018-11-27 | 2019-04-19 | 哈尔滨工业大学(深圳) | 一种图像加密方法和系统 |
WO2021227349A1 (zh) * | 2020-05-11 | 2021-11-18 | 华南理工大学 | 一种生物特征隐私保护的前端人像加密与识别方法 |
CN113723334A (zh) * | 2021-09-07 | 2021-11-30 | 合肥远康信息技术有限公司 | 一种金融联网综合安防系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2024007095A1 (zh) | 2024-01-11 |
CN117015953B (zh) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hikal et al. | A new approach for palmprint image encryption based on hybrid chaotic maps | |
Sardar et al. | A novel cancelable facehashing technique based on non-invertible transformation with encryption and decryption template | |
CN117015953B (zh) | 一种门禁系统人脸数据的安全加密方法和系统 | |
CN111723395A (zh) | 一种人像生物特征隐私保护与解密方法 | |
CN108681698A (zh) | 一种具有隐私保护功能的大规模虹膜识别方法 | |
CN111797702A (zh) | 基于空间局部二值模式与光流梯度的人脸伪造视频检测方法 | |
CN114065169B (zh) | 一种隐私保护生物认证方法和装置、电子设备 | |
Ayoup et al. | Cancelable multi-biometric template generation based on dual-tree complex wavelet transform | |
Kumar et al. | 6D-chaotic system and 2D fractional discrete cosine transform based encryption of biometric templates | |
Singh | High PSNR based image steganography | |
CN112580011B (zh) | 一种面向生物特征隐私保护的人像加解密系统 | |
CN115879126B (zh) | 基于安全云存储的医疗信息共享方法、电子设备及存储介质 | |
CN110569945A (zh) | 基于单强度记录相位恢复过程的qr码加密方法 | |
CN112800452B (zh) | 用户身份图像处理和识别的方法及装置 | |
Adamović et al. | Information analysis of iris biometrics for the needs of cryptology key extraction | |
Barman et al. | Approach to cryptographic key generation from fingerprint biometrics | |
Dahake et al. | Hybrid cryptosystem for maintaining image integrity using biometric fingerprint | |
Koteswari et al. | vc of IRIS Images for ATM Banking | |
Balamurugan et al. | A fingerprint based reversible watermarking system for the security of medical information | |
CN105719224A (zh) | 基于对偶树复小波变换的压缩感知的生物特征图像加密方法 | |
Maurya et al. | A Survey on Cancellable Biometrics Techniques | |
Liu et al. | 3D fuzzy vault based on palmprint | |
Sayed et al. | CBSB: Robust Cancelable Biometric System for Banks Using Deep Learning | |
You et al. | A fingerprint and threshold scheme-based key generation method | |
Boukhari et al. | Biometric Signature of Private Key by Reliable Iris Recognition Based on Flexible-ICA Algorithm |
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: 20240617 Address after: No. 804, No. 56 Feicui Oasis Forest Peninsula Street, Xintang Town, Zengcheng District, Guangzhou City, Guangdong Province, 510000 Applicant after: Xu Lianying Country or region after: China Address before: 303, No.14, Xujiabang, Dong'an Village, Chongfu Town, Tongxiang City, Jiaxing City, Zhejiang Province, 314500 Applicant before: Jiaxing Shangkun Technology Co.,Ltd. Country or region before: China |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |