TWI427544B - 具智能學習功能之生物特徵辨識裝置及其方法 - Google Patents

Description

具智能學習功能之生物特徵辨識裝置及其方法

本發明是有關於一種生物特徵辨識裝置及其方法，特別是有關於一種具智能學習功能之生物特徵辨識裝置及其方法。

在科技不斷創新求變的過程中，傳統生物特徵辨識技術已逐漸不能滿足大眾的需求，進而需以動態學習的生物特徵辨識方法始能更強化使用者對於生物特徵識別的需求。

習知的生物特徵辨識技術主要由四個功能所組合：讀取生物樣本、取得生物特徵、保存數據以及比對。所謂生物驗證就是利用使用者與生俱有的生物特徵如：虹膜、臉形、指紋或聲音等，來辨識使用者的身分。

傳統的生物特徵辨識技術係於使用者進行身分註冊時，即固定了生物特徵擷取單元所擷取之生物特徵的資訊，例如：註冊時擷取8個用以比對的特徵點。因此，當使用者於下次進行身分驗證時，必須以相同生物特徵以及同註冊時所擷取的角度進行驗證，否則容易因擷取不到足夠的特徵點而造成驗證失敗。然而於實務上，卻常因使用者的習慣改變，導致生物特徵擷取單元所擷取之特徵點的資訊不足，讓使用者需要重複驗證而造成不便。

舉例來說，常見的生物特徵擷取單元如指紋感測器，其包含：面積式感測器(area sensor)及掃掠式感測器(swipe sensor)。面積式感測器在擷取生物特徵時，因為面積較廣且為靜態取像，因此所擷取之生物特徵較為完整，其中會包含整個指側、指腹、甚至指尖等。但是，掃掠式感測器在擷取生物特徵時，因為是動態取像，因此往往僅有左側、右側、指腹或只有指尖等片段生物特徵。然而無論是面積式感測器或掃掠式感測器都會因為使用者習慣差異而使擷取生物特徵時產生較大的變化，例如：當使用者站立時所擷取到的生物特徵多為指尖、當使用者坐著時所擷取到的生物特徵多為指腹等。由於習知的生物特徵辨識技術係將生物特徵上之特徵點與生物特徵樣本之特徵點比對以確認使用者的身分，然而生物特徵樣本之特徵點資訊並不會因為使用者的按壓習慣改變，而調整特徵點的資訊；換言之，使用者需要經過多次的按壓才能比對成功，這對使用者而言是相當不方便的操作，使得使用者有可能因為經常比對不成功而無法通過身分驗證，大為降低使用者利用生物特徵作為辨識身分的動機。如此一來就失去了使用生物特徵作為辨識身分的優勢。

有鑑於習知之各項問題，為了能夠兼顧解決之，本發明人基於多年從事研究開發與諸多實務經驗，提出一種具智能學習功能之生物特徵辨識裝置及其方法，以作為改善上述缺點之實現方式與依據。

有鑑於上述習知技藝之問題，本發明之目的就是在提供一種具智能學習功能之生物特徵辨識裝置及其方法，以解決因使用者習慣改變而造成身分無法驗證的問題。

根據本發明之目的，提出一種具智能學習功能之生物特徵辨識裝置，其包括一生物特徵擷取單元、一處理單元及一儲存單元。儲存單元包含一特徵資料庫，特徵資料庫儲存至少一生物特徵樣本，各生物特徵樣本包含複數個第一特徵點，且複數個第一特徵點區分為複數個有效特徵點及複數個候選特徵點。生物特徵擷取單元係用以擷取一物件之複數個第二特徵點。處理單元連接儲存單元與生物特徵擷取單元。處理單元係於比對複數個第二特徵點與各生物特徵樣本對應之複數個有效特徵點後，進行身分驗證，當物件通過身分驗證後，處理單元則根據各第二特徵點與各第一特徵點的一比對結果，將所有複數個第一特徵點與所有複數個第二特徵點分類為複數個有效特徵點與複數個候選特徵點。

其中，處理單元更針對各有效特徵點與各候選特徵點設定對應之一貢獻度，當複數個第二特徵點的其中之一符合複數個有效特徵點的其中之一，處理單元則增加複數個有效特徵點的其中之一之貢獻度；當複數個第二特徵點的其中之一符合複數個候選特徵點的其中之一，處理單元則增加複數個候選特徵點的其中之一之貢獻度；以及當複數個第二特徵點的其中之一不符合任一第一特徵點，處理單元則將複數個第二特徵點的其中之一設定為 複數個候選特徵點的其中之一。

其中，處理單元更設定一第一門檻值以及一第二門檻值，當複數個第一特徵點的其中之一之貢獻度高於第一門檻值，處理單元即設定複數個第一特徵點的其中之一為複數個有效特徵點的其中之一；當複數個第一特徵點的其中之一之貢獻度介於第一門檻值以及第二門檻值，處理單元即設定複數個第一特徵點的其中之一為複數個候選特徵點的其中之一；以及當複數個第一特徵點的其中之一之貢獻度小於第二門檻值，處理單元即刪除複數個第一特徵點的其中之一。

其中，處理單元更針對各有效特徵點與各候選特徵點設定對應之一貢獻度及一老化值，當複數個第二特徵點的其中之一符合複數個有效特徵點的其中之一，處理單元則增加複數個有效特徵點的其中之一之貢獻度；當複數個第二特徵點的其中之一符合複數個候選特徵點的其中之一，處理單元則設定複數個候選特徵點的其中之一為複數個有效特徵點的其中之一，並增加設定後之複數個有效特徵點的其中之一之貢獻度以及將老化值歸零；當複數個第一特徵點的其中之一不符合任一第二特徵點時，處理單元即增加不符合之複數個第一特徵點的其中之一之老化值；以及當複數個第二特徵點的其中之一不符合任一第一特徵點時，處理單元即設定複數個第二特徵點的其中之一為複數個候選特徵點的其中之一。

其中，處理單元更設定一老化門檻值及一刪除門檻 值，當複數個有效特徵點的其中之一之老化值高於老化門檻值時，處理單元即降低複數個有效特徵點的其中之一之貢獻度，並將對應之老化值歸零；當複數個有效特徵點的其中之一之貢獻度為零時，處理單元即設定複數個有效特徵點的其中之一為複數個候選特徵點的其中之一，並將設定後之複數個候選特徵點的其中之一之老化值歸零；當複數個候選特徵點的其中之一之老化值超過刪除門檻值時，處理單元即刪除複數個候選特徵點的其中之一。

根據本發明之目的，再提出一種具智能學習功能之生物特徵辨識方法，具智能學習功能之生物特徵辨識方法適用於一生物特徵辨識裝置，此生物特徵辨識裝置包含一生物特徵擷取單元、一處理單元及一儲存單元。儲存單元包含一特徵資料庫，特徵資料庫儲存至少一生物特徵樣本，各生物特徵樣本包含複數個第一特徵點，複數個第一特徵點區分為複數個有效特徵點及複數個候選特徵點，具智能學習功能之生物特徵辨識方法包含下列步驟：首先以生物特徵擷取單元擷取一物件之複數個第二特徵點；然後以處理單元比對複數個第二特徵點與各生物特徵樣本對應之複數個有效特徵點，以進行身分驗證；當通過身分驗證後，則以處理單元根據各第二特徵點與各第一特徵點的一比對結果，將所有複數個第一特徵點與複數個第二特徵點分類為複數個有效特徵點與複數個候選特徵點。

其中，以處理單元分類複數個第一特徵點與數個第二特徵點的步驟中，更包含下列步驟：首先以處理單元 針對各有效特徵點與各候選特徵點設定對應之一貢獻度；然後當複數個第二特徵點的其中之一符合複數個有效特徵點的其中之一，處理單元則增加複數個有效特徵點的其中之一之貢獻度；當複數個第二特徵點的其中之一符合複數個候選特徵點的其中之一，處理單元則增加複數個候選特徵點的其中之一之貢獻度；以及當複數個第二特徵點的其中之一不符合任一第一特徵點，處理單元則將複數個第二特徵點的其中之一設定為複數個候選特徵點的其中之一。

其中，具智能學習功能之生物特徵辨識方法更包含下列步驟：以處理單元設定一第一門檻值以及一第二門檻值；當複數個第一特徵點的其中之一之貢獻度高於第一門檻值，則以處理單元設定複數個第一特徵點的其中之一為複數個有效特徵點的其中之一；當複數個第一特徵點的其中之一之貢獻度介於第一門檻值以及第二門檻值，則以處理單元設定複數個第一特徵點的其中之一為複數個候選特徵點的其中之一；以及當複數個第一特徵點的其中之一之貢獻度小於第二門檻值，則以處理單元刪除複數個第一特徵點的其中之一。

其中，以處理單元分類複數個第一特徵點與數個第二特徵點的步驟中，更包含下列步驟：以處理單元針對各有效特徵點與各候選特徵點設定對應之一貢獻度及一老化值；當複數個第二特徵點的其中之一符合複數個有效特徵點的其中之一，處理單元則增加複數個有效特徵點的其中之一之貢獻度；當複數個第二特徵點的其中之 一符合複數個候選特徵點的其中之一，處理單元則設定複數個候選特徵點的其中之一為複數個有效特徵點的其中之一，並增加設定後之複數個有效特徵點的其中之一之貢獻度以及將老化值歸零；當複數個第一特徵點的其中之一不符合任一第二特徵點時，則以處理單元增加不符合之複數個第一特徵點的其中之一之老化值；且當複數個第二特徵點的其中之一不符合任一第一特徵點時，則以處理單元設定複數個第二特徵點的其中之一為複數個候選特徵點的其中之一。

其中，具智能學習功能之生物特徵辨識方法更包含下列步驟：以處理單元設定一老化門檻值；當複數個有效特徵點的其中之一之老化值高於老化門檻值時，則以處理單元降低複數個有效特徵點的其中之一之貢獻度，並將對應之老化值歸零；當複數個有效特徵點的其中之一之貢獻度為零時，則以處理單元設定複數個有效特徵點的其中之一為複數個候選特徵點的其中之一，並將設定後之複數個候選特徵點的其中之一之老化值歸零；再以處理單元設定一刪除門檻值；以及當複數個候選特徵點的其中之一之老化值超過刪除門檻值時，則以處理單元刪除複數個候選特徵點的其中之一。

承上所述，依本發明之具智能學習功能之生物特徵辨識裝置及其方法，可藉由處理單元從通過身分驗證之物件中，加入其複數個第二特徵點於複數個第一特徵點內，比對複數個第一特徵點與複數個第二特徵點，並根據其比對結果不斷學習，進而改變有效特徵點及候選特徵點的範圍，並刪除無效的特徵點，藉此解決因使用者習慣改變而造 成其生物特徵無法辨識，導致身分無法通過驗證的問題。

請參閱第1圖，其係為本發明之具智能學習功能之生物特徵辨識裝置之第一實施例之方塊圖。圖中，具智能學習功能之生物特徵辨識裝置1包含一生物特徵擷取單元10、一處理單元11及一儲存單元12。

當具智能學習功能之生物特徵辨識裝置1進行智能學習的生物特徵辨識功能前，使用者必須先透過生物特徵擷取單元10註冊其生物特徵。首先，生物特徵擷取單元10係擷取一物件2之生物特徵，物件2係為一使用者，生物特徵可為虹膜、臉形、指紋或聲紋等。當進行身分註冊程序時，生物特徵擷取單元10可重複擷取物件2之生物特徵，例如：重複擷取同一使用者的3枚相同手指的指紋。接著，處理單元11再分析各個生物特徵之複數個第一特徵點1201進而產生一生物特徵樣本1200，並將生物特徵樣本1200所包含之複數個第一特徵點1201區分為有效特徵點1202及候選特徵點1203。

其中，有效特徵點1202係可作為比對的特徵點，候選特徵點1203係尚不可作為比對的特徵點。如此一來，生物特徵樣本1200中複數個第一特徵點1201便區分為複數個有效特徵點1202及複數個候選特徵點1203，且處理單元11更針對各有效特徵點1202及各候選特徵點1203分別設定對應之一貢獻度1204、1205，以作為之後 篩選有效特徵點1202與候選特徵點1203之依據。在本實施例中，貢獻度1204、1205可為一計數值或一權重值，但本發明並不限制貢獻度之實施態樣。

當處理單元11完成身分註冊程序後，便將生物特徵樣本1200儲存於儲存單元12內，其中儲存單元12係儲存一特徵資料庫120，特徵資料庫120包含至少一生物特徵樣本1200，各個生物特徵樣本1200包含複數個第一特徵點1201，複數個第一特徵點1201區分為複數個有效特徵點1202及複數個候選特徵點1203。

然後，具智能學習功能之生物特徵辨識裝置1會根據通過身分驗證的生物特徵進行智能學習的生物特徵辨識程序，所謂通過身分驗證的生物特徵即為與特徵資料庫120比對成功之生物特徵。如圖所示，當生物特徵擷取單元10係擷取物件2的生物特徵並根據生物特徵分析複數個第二特徵點201，再由處理單元11根據複數個第二特徵點201搜尋特徵資料庫120，比對複數個第二特徵點201與各個生物特徵樣本1200對應之複數個有效特徵點1202，進而產生一比對結果。當比對結果符合身分驗證的門檻值，則視此物件2的生物特徵通過身分驗證。舉例來說，假設複數個第二特徵點201之數量共有50個，複數個有效特徵點1202之數量有20個，當17個第二特徵點201符合有效特徵點1202(假設門檻值為比重80%)，處理單元11則視此比對結果為通過身分驗證。值得注意的是，本發明並不限制門檻值，端看使用上的設定而定。

接下來，處理單元11根據比對結果，將複數個第一特徵點1201與複數個第二特徵點201分類為複數個有效特徵點1202及複數個候選特徵點1203。也就是說，本發明會將以通過身分驗證之複數個第二特徵點201加入生物特徵樣本1200，與複數個第一特徵點1201一同進行複數個有效特徵點1202及複數個候選特徵點1203之分類。

其中，處理單元11進行生物特徵的智能學習程序詳述如下，當複數個第二特徵點201的其中之一符合複數個有效特徵點1202的其中之一，處理單元11則增加複數個有效特徵點1202的其中之一之貢獻度1204。當複數個第二特徵點201的其中之一符合複數個候選特徵點1203的其中之一，處理單元11則增加複數個候選特徵點1203的其中之一之貢獻度1205。當複數個第二特徵點201的其中之一不符合任一第一特徵點1201，處理單元11則將複數個第二特徵點201的其中之一設定為複數個候選特徵點1205的其中之一，也就是將未比對到的第二特徵點201加進第一特徵點1201中進行學習。

接著，處理單元11設定一第一門檻值110以及一第二門檻值111。當複數個第一特徵點1201的其中之一之貢獻度1204、1205高於第一門檻值110，處理單元11則設定複數個第一特徵點1201的其中之一為複數個有效特徵點1202的其中之一。當複數個第一特徵點1201的其中之一之貢獻度1204、1205介於第一門檻值110以及第二門檻值111，處理單元11則設定複數個第一特徵 點1201的其中之一為複數個候選特徵點1203的其中之一。當複數個第一特徵點1201的其中之一之貢獻度1204、1205小於第二門檻值111，處理單元11則刪除複數個第一特徵點1201的其中之一。

承上所述，處理單元便能根據新加入的特徵點及貢獻度進行學習，並依據第一門檻值及第二門檻值調整有效特徵點及候選特徵點的範圍，達到智能學習的目的。

請參閱第2圖，其係為本發明之具智能學習功能之生物特徵辨識裝置之第一實施例之示意圖。如圖所示，生物特徵擷取單元係以一掃掠式感測器(swipe sensor)21來實施，而待進行身分註冊的使用者的手指22係以滑動的方式滑過掃掠式感測器21，使掃掠式感測器21擷取手指22的生物特徵，但本發明並不限制生物特徵擷取單元的種類與數量。一般而言，當進行使用者的身分註冊時，生物特徵擷取單元通常會連續擷取同一手指的3~5枚生物特徵以作為建立生物特徵樣本的依據，但擷取的次數並不以此為限。如圖所示，掃掠式感測器21係擷取手指22的3枚生物特徵(即指紋)，並根據這3枚生物特徵提供3個生物特徵圖像(22a、22b及22c)。

值得注意的是，雖然前述係以掃掠式感測器為例說明本發明之概念，但熟悉此項技藝者當可輕易理解並可延伸至不同的生物特徵擷取單元，例如：面積式感測器、虹膜感測器或臉型感測器等，以讓本發明之概念得以應用在具有不同生物特徵擷取單元的生物特徵辨識裝置上。

請一併參閱第2圖及第3圖，第3圖係根據第2圖之生物特徵圖像之特徵點集合圖。當處理單元接收生物特徵擷取單元所傳來之生物特徵圖像，可利用取樣演算法根據各個生物特徵圖像所交集之特徵點以進行身分註冊程序。圖中，生物特徵圖像22a的特徵點以集合A表示、生物特徵圖像22b的特徵點以集合B表示以及生物特徵圖像22c的特徵點以集合C表示。當進行身分註冊程序時，處理單元係將集合A、集合B與集合C中所有特徵點定義為複數個第一特徵點，並產生一生物特徵樣本，儲存生物特徵樣本於儲存單元內，又儲存單元係儲存一特徵資料庫，特徵資料庫係紀錄各個生物特徵樣本，故特徵資料庫之各個生物特徵樣本便包含了複數個第一特徵點。

其中，複數個第一特徵點包含複數個有效特徵點及複數個候選特徵點，複數個有效特徵點係為集合A、集合B與集合C所交集的特徵點，候選特徵點係為集合A、集合B與集合C非交集的特徵點，且處理單元更針對各有效特徵點與各候選特徵點設定對應之一貢獻度。在此將複數個有效特徵點以有效特徵點集合E ₀表示，有效特徵點集合E ₀以數學式表示如下： 並將複數個候選特徵點以候選特徵點集合E'₀表示，候選特徵點集合E'₀以數學式表示如下： 復請一併參閱第2圖及第3圖，當使用者於下次以同一手指22按壓掃掠式感測器21時，可能因為使用者按壓習慣改變如：使用者站立/側站/坐著，而使掃掠式感測器21擷取到的生物特徵影像可能偏上、偏下、偏左、偏右或歪斜等，導致可以作為比對的特徵點過少，使得辨識失敗而無法通過身分驗證。然而本發明是以處理單元將每一次通過身分驗證之生物特徵圖像與特徵資料庫中手指22的生物特徵樣本比對，也就是將生物特徵圖像之複數個第二特徵點與複數個第一特徵點進行比對，產生一比對結果以進而學習新的特徵點，並調整有效特徵點與候選特徵點的範圍，且可刪除極少比對到的特徵點，藉此提高生物特徵辨識的準確率及效率。

當使用者通過身分驗證後，處理單元則將複數個第二特徵點加入複數個第一特徵點，重新分類有效特徵點及候選特徵點的範圍。首先，當複數個第二特徵點的其中之一符合複數個有效特徵點的其中之一或複數個候選特徵點的其中之一，處理單元則增加對應有效特徵點或候選特徵點之貢獻度。若複數個第二特徵點的其中之一不符合任一第一特徵點，處理單元則將複數個第二特徵點的其中之一設定為複數個候選特徵點的其中之一，也就是將未比對到的第二特徵點加入候選特徵點，作為智能學習的依據。

又處理單元更設定一第一門檻值以及一第二門檻值。處理單元將貢獻度高於第一門檻值的第一特徵點設定為有效特徵點，將貢獻度介於第一門檻值與第二門檻值的 第一特徵點設定為候選特徵點，並將貢獻度小於第二門檻值第一特徵點刪除，也就是說，處理單元是根據各個第一特徵點之貢獻度調整何者為有效特徵點、何者為候選特徵點、或何者需刪除。如第3圖所示，有效特徵點集合E ₀與候選特徵點集合E'₀會隨著使用者按壓習慣的改變，而不斷的學習，進而改變集合的範圍，藉此提高辨識的準確性。因此使用者即使按壓習慣改變，仍能藉由本發明之具智能學習功能之生物特徵辨識裝置進行身分驗證。

承上所述，即使使用者每次按壓的習慣不同，本發明仍可藉由通過身分驗證之生物特徵，根據其第二特徵點與第一特徵點比對，進而學習到新的特徵點，並調整貢獻度低(較少比對到)的有效特徵點為候選特徵點，調整貢獻度高(經常比對到)的候選特徵點為有效特徵點，並刪除貢獻度低於第二門檻值(極少比對到)的特徵點，以達到智能學習的目的，解決了先前技術無法調整特徵點範圍以作為智能生物特徵辨識之缺點。

請參閱第4圖，其係為本發明之具智能學習功能之生物特徵辨識裝置之第二實施例之方塊圖。圖中，其架構大致與第一實施例雷同，二者之差異在於，本實施例係利用處理單元11針對各有效特徵點1202及各候選特徵點1203分別設定對應之一貢獻度1204、1205及一老化值1206、1207，且處理單元11係設定一老化門檻值112及一刪除門檻值113，作為調整有效特徵點1202、候選特徵點1203範圍及刪除候選特徵點1203的依據，而非如第一實施例中所述之第一門檻值及第二門檻值。

當處理單元11完成身分驗證程序後，則進行生物特徵的智能學習程序，詳述如下：當複數個第二特徵點201的其中之一符合複數個有效特徵點1202的其中之一，處理單元11則增加複數個有效特徵點1202的其中之一之貢獻度1204。當複數個第二特徵點201的其中之一符合複數個候選特徵點1203的其中之一，處理單元11則設定複數個候選特徵點1203的其中之一為複數個有效特徵點1202的其中之一，並增加設定後之複數個有效特徵點1202的其中之一之貢獻度1204並將老化值1206歸零。當複數個第一特徵點1201的其中之一不符合任一第二特徵點201時，處理單元11則增加不符合之複數個第一特徵點1201的其中之一之老化值1206、1207，也就是增加沒有比對到的第一特徵點之老化值。又，當複數個第二特徵點201的其中之一不符合任一第一特徵點1201時，處理單元11則設定複數個第二特徵點201的其中之一為複數個候選特徵點1203的其中之一，也就是新增尚未紀錄於此生物特徵樣本的特徵點，並設定為候選特徵點，以作為之後進行智能學習的依據。

此外，處理單元11係設定一老化門檻值112。當複數個有效特徵點1202的其中之一之老化值1206高於老化門檻值112時，處理單元11則降低複數個有效特徵點1202的其中之一之貢獻度1204，並將對應之老化值1206歸零。當複數個有效特徵點1202的其中之一之貢獻度1204為零時，處理單元11則設定複數個有效特徵點1202的其中之一為複數個候選特徵點1203的其中之一，並將 設定後之複數個候選特徵點1203的其中之一之老化值1207歸零，作為動態調整有效特徵點1202及候選特徵點1203範圍的依據，避免極少比對到的有效特徵點1202仍儲存在有效特徵點1202的範圍內。

此外，處理單元11係設定一刪除門檻值113。當複數個候選特徵點1203的其中之一之老化值1207超過刪除門檻值113時，處理單元11則刪除複數個候選特徵點1203的其中之一。如此一來，處理單元11即可根據貢獻度1204、1205與老化值1206、1207動態調整有效特徵點1202與候選特徵點1203的範圍，並刪除極少比對到的特徵點，也就是老化值過高的特徵點，藉此有效控管所有特徵點佔儲存單元之儲存空間的問題，並提升具智能學習功能之生物特徵辨識裝置1的效能及準確率。

當然，本實施例亦可由第3圖之元件完成，在此便不再贅述。

儘管前述在說明本發明之具智能學習功能之生物特徵辨識裝置的過程中，亦已同時說明本發明之具智能學習功能之生物特徵辨識方法的概念，但為求清楚起見，以下仍另繪示流程圖詳細說明。

請參閱第5圖，其係為本發明之具智能學習功能之生物特徵辨識方法之進行身分驗證的步驟流程圖。

S50：以生物特徵擷取單元擷取一物件之複數個第二特徵點；S51：以處理單元比對複數個第二特徵點與各生物特 徵樣本對應之複數個有效特徵點，當複數個第二特徵點符合生物特徵樣本之複數個第一特徵點，則進行步驟S52，否則進行步驟S50；以及S52：以處理單元判斷物件通過身分驗證。

請參閱第6圖，其係為本發明之具智能學習功能之生物特徵辨識方法之第一實施例之進行智能學習程序的步驟流程圖。

S60：以處理單元針對各有效特徵點與各候選特徵點設定對應之一貢獻度；S61：以處理單元比對複數個第二特徵點與複數個有效特徵點，當複數個第二特徵點的其中之一符合複數個有效特徵點的其中之一，則進行步驟S64，否則進行步驟S62；S62：以處理單元比對複數個第二特徵點與複數個候選特徵點，當複數個第二特徵點的其中之一符合複數個候選特徵點的其中之一，則進行步驟S65，否則進行步驟S63；S63：以處理單元將不符合任一第一特徵點之第二特徵點設定為候選特徵點；S64：以處理單元增加複數個有效特徵點的其中之一之貢獻度；以及S65：以處理單元增加複數個候選特徵點的其中之一之貢獻度。

請參閱第7圖，係依據第6圖之進行智能學習程序的另一步驟流程圖。

S70：以處理單元設定一第一門檻值與一第二門檻值；S71：以處理單元判斷複數個第一特徵點的其中之一之貢獻度是否高於第一門檻值，當複數個第一特徵點的其中之一之貢獻度高於第一門檻值，則進行步驟S74，否則進行步驟S72；S72：以處理單元判斷複數個第一特徵點的其中之一之貢獻度是否介於第一門檻值與第二門檻值，當複數個第一特徵點的其中之一之貢獻度介於第一門檻值與第二門檻值，則進行步驟S75，否則進行步驟S73；S73：以處理單元刪除複數個第一特徵點的其中之一；S74：以處理單元設定複數個第一特徵點的其中之一為複數個有效特徵點的其中之一；以及S75：以處理單元設定複數個第一特徵點的其中之一為複數個候選特徵點的其中之一。

請參閱第8圖，其係為本發明之具智能學習功能之生物特徵辨識方法之第二實施例之進行智能學習程序的步驟流程圖。

S80：以處理單元針對各有效特徵點與各候選特徵點設定對應之一貢獻度及一老化值； S81：以處理單元比對複數個第二特徵點與複數個有效特徵點，當複數個第二特徵點的其中之一符合複數個有效特徵點的其中之一，則進行步驟S84，否則進行步驟S82；S82：以處理單元比對複數個第二特徵點與複數個候選特徵點，當複數個第二特徵點的其中之一符合複數個候選特徵點的其中之一，則進行步驟S85，否則進行步驟S83；S83：以處理單元增加不符合之複數個第一特徵點的其中之一之老化值，並設定不符合之複數個第二特徵點的其中之一為複數個候選特徵點的其中之一；S84：以處理單元增加複數個有效特徵點的其中之一之貢獻度；以及S85：以處理單元設定複數個候選特徵點的其中之一為複數個有效特徵點的其中之一，並增加設定後之複數個有效特徵點的其中之一之貢獻度以及將其老化值歸零。

請參閱第9圖，係依據第8圖之進行智能學習程序的另一步驟流程圖。

S90：以處理單元設定一老化門檻值；S91：以處理單元判斷複數個有效特徵點的其中之一之老化值是否高於老化門檻值，當複數個有效特徵點的其中之一之老化值高於老化門檻值時，則進行步驟S94，否則進行步驟S92； S92：以處理單元判斷複數個有效特徵點的其中之一貢獻度是否為零，當複數個有效特徵點的其中之一貢獻度為零時，則進行步驟S93，否則重複步驟S91；S93：以處理單元設定複數個有效特徵點的其中之一為複數個候選特徵點的其中之一，並將設定後之複數個候選特徵點的其中之一之老化值歸零；以及S94：以處理單元降低複數個有效特徵點的其中之一之貢獻度，並將對應之老化值歸零。

請參閱第10圖，係依據第9圖之刪除候選特徵點的步驟流程圖。

S100：以處理單元設定一刪除門檻值；以及S101：當複數個候選特徵點的其中之一之老化值超過刪除門檻值時，則以處理單元刪除複數個候選特徵點的其中之一。

本發明之具智能學習功能之生物特徵辨識方法之細節已於前述說明本發明之具智能學習功能之生物特徵辨識裝置時詳細說明，在此便不再贅述。

綜上所述，本發明之具智能學習功能之生物特徵辨識裝置及其方法利用處理單元經由不斷學習擴充及改變有效特徵點及候選特徵點的範圍，藉此可有效解決因使用者習慣改變而造成生物特徵無法辨識的問題，並根據貢獻度、老化值及/或刪除門檻值刪除極少比對到的特徵點，藉此節省儲存單元的儲存空間，進而提高生物特徵辨識裝置之效能。

以上所述僅為舉例性，而非為限制性者。任何未脫離本發明之精神與範疇，而對其進行之等效修改或變更，均應包含於後附之申請專利範圍中。

1‧‧‧具智能學習功能之生物特徵辨識裝置

10‧‧‧生物特徵擷取單元

11‧‧‧處理單元

110‧‧‧第一門檻值

111‧‧‧第二門檻值

112‧‧‧老化門檻值

113‧‧‧刪除門檻值

12‧‧‧儲存單元

120‧‧‧特徵資料庫

1200‧‧‧生物特徵樣本

1201‧‧‧第一特徵點

1202‧‧‧有效特徵點

1203‧‧‧候選特徵點

1204、1205‧‧‧貢獻度

1206、1207‧‧‧老化值

2‧‧‧物件

201‧‧‧第二特徵點

21‧‧‧掃掠式感測器

22‧‧‧手指

22a、22b及22c‧‧‧生物特徵圖像

A、B及C‧‧‧集合

E ₀‧‧‧有效特徵點集合

E'₀‧‧‧候選特徵點集合

S50~52、S60~S65、S70~S75、S80~S85、S90~S94及S100~S101‧‧‧步驟流程

第1圖 係為本發明之具智能學習功能之生物特徵辨識裝置之第一實施例之方塊圖。

第2圖 係為本發明之具智能學習功能之生物特徵辨識裝置之第一實施例之示意圖。

第3圖 係根據第2圖之生物特徵圖像之特徵點集合圖。

第4圖 係為本發明之具智能學習功能之生物特徵辨識裝置之第二實施例之方塊圖。

第5圖 係為本發明之具智能學習功能之生物特徵辨識方法之進行身分驗證的步驟流程圖。

第6圖 係為本發明之具智能學習功能之生物特徵辨識方法之第一實施例之進行智能學習程序的步驟流程圖。

第7圖 係依據第6圖之進行智能學習程序的另一步驟流程圖。

第8圖 係為本發明之具智能學習功能之生物特徵辨識方法之第二實施例之進行智能學習程序的步驟流程圖。

第9圖 係依據第8圖之進行智能學習程序的另一步驟流程 圖。

第10圖 係依據第9圖之刪除候選特徵點的步驟流程圖。

1‧‧‧具智能學習功能之生物特徵辨識裝置

10‧‧‧生物特徵擷取單元

11‧‧‧處理單元

110‧‧‧第一門檻值

111‧‧‧第二門檻值

12‧‧‧儲存單元

120‧‧‧特徵資料庫

1200‧‧‧生物特徵樣本

1201‧‧‧第一特徵點

1202‧‧‧有效特徵點

1203‧‧‧候選特徵點

1204、1205‧‧‧貢獻度

2‧‧‧物件

201‧‧‧第二特徵點

Claims (8)

1. 一種具智能學習功能之生物特徵辨識方法，係適用於一生物特徵辨識裝置，該生物特徵辨識裝置包含一生物特徵[K1]擷取單元、一處理單元及一儲存單元，該儲存單元包含一特徵資料庫，該特徵資料庫儲存至少一生物特徵樣本，各該生物特徵樣本包含複數個第一特徵點，該複數個第一特徵點區分為複數個有效特徵點及複數個候選特徵點，該具智能學習功能之生物特徵辨識方法包含下列步驟：以該生物特徵[K2]擷取單元擷取一物件之複數個第二特徵點；以該處理單元比對該複數個第二特徵點與各該生物特徵樣本對應之該複數個有效特徵點，以進行身分驗證；以及當通過身分驗證後，則以該處理單元根據各該第二特徵點與各該第一特徵點的一比對結果，將所有該複數個第一特徵點與該複數個第二特徵點分類為該複數個有效特徵點與該複數個候選特徵點，其中以該處理單元分類該複數個第一特徵點與該數個第二特徵點的步驟中，更包含下列步驟：以該處理單元針對各該有效特徵點與各該候選特徵點設定對應之一貢獻度；當該複數個第二特徵點的其中之一符合該複數個 有效特徵點的其中之一，該處理單元則增加該複數個有效特徵點的其中之一之該貢獻度；當該複數個第二特徵點的其中之一符合該複數個候選特徵點的其中之一，該處理單元則增加該複數個候選特徵點的其中之一之該貢獻度；以及當該複數個第二特徵點的其中之一不符合任一該第一特徵點，該處理單元則將該複數個第二特徵點的其中之一設定為該複數個候選特徵點的其中之一。
2. 如申請專利範圍第1項所述之具智能學習功能之生物特徵辨識方法，更包含下列步驟：以該處理單元設定一第一門檻值以及一第二門檻值；當該複數個第一特徵點的其中之一之該貢獻度高於該第一門檻值，則以該處理單元設定該複數個第一特徵點的其中之一為該複數個有效特徵點的其中之一；當該複數個第一特徵點的其中之一之該貢獻度介於該第一門檻值以及該第二門檻值，則以該處理單元設定該複數個第一特徵點的其中之一為該複數個候選特徵點的其中之一；以及當該複數個第一特徵點的其中之一之該貢獻度小於該第二門檻值，則以該處理單元刪除該複數個第一特徵點的其中之一。
3. 如申請專利範圍第1項所述之具智能學習功能之生物特徵辨識方法，其中以該處理單元分類該複數個第一特徵點與該複數個第二特徵點的步驟中，更以該處理單元針對各該有效特徵點與各該候選特徵點設定對應之一老化值，且更包含下列步驟：當該複數個第二特徵點的其中之一符合該複數個候選特徵點的其中之一，則以該處理單元設定該複數個候選特徵點的其中之一為該複數個有效特徵點的其中之一，並增加設定後之該複數個有效特徵點的其中之一之該貢獻度以及將該老化值歸零；以及當該複數個第一特徵點的其中之一不符合任一該第二特徵點時，則以該處理單元增加不符合之該複數個第一特徵點的其中之一之該老化值。
4. 如申請專利範圍第3項所述之具智能學習功能之生物特徵辨識方法，更包含下列步驟：以該處理單元設定一老化門檻值；當該複數個有效特徵點的其中之一之該老化值高於該老化門檻值時，則以該處理單元降低該複數個有效特徵點的其中之一之該貢獻度，並將對應之該老化值歸零；當該複數個有效特徵點的其中之一之該貢獻度為零時，則以該處理單元設定該複數個有效特徵點的其中之一為該複數個候選特徵點的其中之 一，並將設定後之該複數個候選特徵點的其中之一之該老化值歸零；再以該處理單元設定一刪除門檻值；以及當該複數個候選特徵點的其中之一之該老化值超過該刪除門檻值時，則以該處理單元刪除該複數個候選特徵點的其中之一。
5. 一種具智能學習功能之生物特徵辨識裝置，其包含：一儲存單元，包含一特徵資料庫，該特徵資料庫儲存至少一生物特徵樣本，各該生物特徵樣本包含複數個第一特徵點，該複數個第一特徵點區分為複數個有效特徵點及複數個候選特徵點；一生物特徵擷取單元，擷取一物件之複數個第二特徵點；以及一處理單元，連接該生物特徵擷取單元與該儲存單元，並於比對該複數個第二特徵點與各該生物特徵樣本對應之該複數個有效特徵點後，進行身分驗證，當該物件通過身分驗證後，該處理單元則根據各該第二特徵點與各該第一特徵點的一比對結果，將所有該複數個第一特徵點與該複數個第二特徵點分類為該複數個有效特徵點與該複數個候選特徵點，其中該處理單元更針對各該有效特徵點與各該候選特徵點設定對應之一貢獻度，當該複數個第二 特徵點的其中之一符合該複數個有效特徵點的其中之一，該處理單元則增加該複數個有效特徵點的其中之一之該貢獻度；當該複數個第二特徵點的其中之一符合該複數個候選特徵點的其中之一，該處理單元則增加該複數個候選特徵點的其中之一之該貢獻度；以及當該複數個第二特徵點的其中之一不符合任一該第一特徵點，該處理單元則將該複數個第二特徵點的其中之一設定為該複數個候選特徵點的其中之一。
6. 如申請專利範圍第5項所述之具智能學習功能之生物特徵辨識裝置，其中該處理單元更設定一第一門檻值以及一第二門檻值，當該複數個第一特徵點的其中之一之該貢獻度高於該第一門檻值，該處理單元即設定該複數個第一特徵點的其中之一為該複數個有效特徵點的其中之一；當該複數個第一特徵點的其中之一之該貢獻度介於該第一門檻值以及該第二門檻值，該處理單元即設定該複數個第一特徵點的其中之一為該複數個候選特徵點的其中之一；以及當該複數個第一特徵點的其中之一之該貢獻度小於該第二門檻值，該處理單元即刪除該複數個第一特徵點的其中之一。
7. 如申請專利範圍第5項所述之具智能學習功能之生物特徵辨識裝置，其中該處理單元更針對各該有效特徵點與各該候選特徵點設定對應之一老化值，當該複數個第二特徵點的其中之一符合該複數 個候選特徵點的其中之一，該處理單元則設定該複數個候選特徵點的其中之一為該複數個有效特徵點的其中之一，並增加設定後之該複數個有效特徵點的其中之一之該貢獻度以及將該老化值歸零；以及當該複數個第一特徵點的其中之一不符合任一該第二特徵點時，該處理單元即增加不符合之該複數個第一特徵點的其中之一之該老化值。
8. 如申請專利範圍第7項所述之具智能學習功能之生物特徵辨識裝置，其中該處理單元更設定一老化門檻值及一刪除門檻值，當該複數個有效特徵點的其中之一之該老化值高於該老化門檻值時，該處理單元即降低該複數個有效特徵點的其中之一之該貢獻度，並將對應之該老化值歸零；當該複數個有效特徵點的其中之一之該貢獻度為零時，該處理單元即設定該複數個有效特徵點的其中之一為該複數個候選特徵點的其中之一，並將設定後之該複數個候選特徵點的其中之一之該老化值歸零；當該複數個候選特徵點的其中之一之該老化值超過該刪除門檻值時，該處理單元即刪除該複數個候選特徵點的其中之一。