TWI817656B - 可防範假指紋攻擊之指紋真偽識別方法、指紋識別裝置及資訊處理裝置 - Google Patents
可防範假指紋攻擊之指紋真偽識別方法、指紋識別裝置及資訊處理裝置 Download PDFInfo
- Publication number
- TWI817656B TWI817656B TW111130836A TW111130836A TWI817656B TW I817656 B TWI817656 B TW I817656B TW 111130836 A TW111130836 A TW 111130836A TW 111130836 A TW111130836 A TW 111130836A TW I817656 B TWI817656 B TW I817656B
- Authority
- TW
- Taiwan
- Prior art keywords
- fingerprint
- block
- frame
- generate
- frames
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000010365 information processing Effects 0.000 title claims description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 33
- 238000010606 normalization Methods 0.000 claims abstract description 16
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 15
- 238000006073 displacement reaction Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
Images
Landscapes
- Collating Specific Patterns (AREA)
- Image Input (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一種可防範假指紋攻擊之指紋真偽識別方法，包括：利用一指紋採集單元自一指紋感測裝置獲得與N個採集時點對應的N幀指紋圖像，N為大於1之整數；驅使一預處理單元對所述N幀指紋圖像執行一預處理程序以產生一輸入張量，該預處理程序包括：對所述N幀指紋圖像中之每兩相鄰幀指紋圖像進行一像素點位移計算程序以產生N-1個移動複數距離矩陣；對所述N-1個移動複數距離矩陣進行一時間歸一化計算程序以產生N-1個移動速度矩陣；以及將所述N-1個移動速度矩陣組成該輸入張量；以及驅使一卷積神經網路單元對該輸入張量進行一類神經網路運算以產生一真偽識別結果。
Description
本發明係有關於指紋識別，特別是關於一種可防範假指紋攻擊的指紋真偽識別方法。
指紋識別技術的原理在於一指紋的谷、脊可對電學信號或光學信號有不同的反應而在一感測器上形成一指紋圖像，且不同的指紋會產生不同的指紋圖像。由於指紋具有獨特性，因此，指紋識別技術已廣泛應用在各種移動智慧終端機、門鎖和汽車等設備中。
然而，目前已有人以仿生材料製作的假指紋模具破解指紋辨識模組。攻擊者事先用假指紋材料製作已錄入指紋模具，然後用模具解鎖，一旦解開，即會造成被攻擊設備的安全性問題。
現有指紋識別防假技術的原理在於指紋模具的導電率/反光率與人體手指不同，致使採集到之圖像的灰度深淺會有不同。然而，這些差異隨著材料和工藝的改進已變得越來越小，已很難單純從圖像上區分真、假。
為解決上述的問題，本領域亟需一新穎的指紋真偽識別方法。
本發明之一目的在於揭露一種可防範假指紋攻擊之指紋真偽識別方法，其可依在多個時點所擷取之多幀指紋圖像產生多個移動速度矩陣，並依該些移動速度矩陣做為一類神經網路的輸入資料，以產生一指紋的真、偽識別結果。
本發明之另一目的在於揭露一種指紋識別裝置，其可藉由上述的指紋真偽識別方法有效防範假指紋的攻擊。
本發明之又一目的在於揭露一種資訊處理裝置，其可藉由上述的指紋識別裝置有效防範假指紋的攻擊，從而確保資訊安全。
為達前述目的，一種可防範假指紋攻擊之指紋識別方法乃被提出，其包括：
利用一指紋採集單元自一指紋感測裝置獲得與N個採集時點對應的N幀指紋圖像，N為大於1之整數；
驅使一預處理單元對所述N幀指紋圖像執行一預處理程序以產生一輸入張量，該預處理程序包括：對所述N幀指紋圖像中之每兩相鄰幀指紋圖像進行一像素點位移計算程序以產生N-1個移動複數距離矩陣；對所述N-1個移動複數距離矩陣進行一時間歸一化計算程序以產生N-1個移動速度矩陣；以及將所述N-1個移動速度矩陣組成該輸入張量；以及
驅使一卷積神經網路單元對該輸入張量進行一類神經網路運算以產生一識別結果。
在一實施例中，該像素點位移計算程序包括：對於第i幀指紋圖像中的每個像素點，i為介於1至N-1間之正整數，以該像素點為中心點決定一第一區塊，該第一區塊的中心點座標為(x1,y1)，x1,y1均為整數；在第i+1幀中以座標(x1,y1)為中心圈出一圓形區域，在該圓形區域內搜索與該第一區塊之間具有一最小平方差之一第二區塊，該第二區塊的尺寸同於該第一區塊的尺寸，並獲得該第二區塊之中心點的座標(x2,y2)，x2,y2均為整數；以及依該座標(x1,y1)和該座標(x2,y2)的差產生一偏移向量(dx, dy)，dx=x2-x1, dy=y2-y1，並據以組成一複數z = dx +j*dy，j為虛數，從而獲得該移動複數距離矩陣。
在一實施例中，該時間歸一化計算程序包括：依第i幀所述指紋圖像的所述採集時點和第i+1幀所述指紋圖像的所述採集時點的時間差歸一化第i幀所述指紋圖像的所述移動複數距離矩陣以得到一移動速度矩陣。
在一實施例中，第i幀所述指紋圖像的所述移動複數距離矩陣為B
i，該時間差為(t
i+1-t
i)，t
i+1,t
i均為正實數，C
i代表第i幀所述指紋圖像之移動速度矩陣，則C
i= B
i/ (t
i+1-t
i)，其中i=1,2,3,...,N-1。
為達前述目的，本發明進一步提出一種指紋識別裝置，其具有一指紋感測裝置及一指紋識別單元，該指紋識別單元具有一指紋採集單元、一預處理單元及一卷積神經網路單元以執行一指紋識別程序，該指紋識別程序包括：
利用該指紋採集單元自該指紋感測裝置獲得與N個採集時點對應的N幀指紋圖像，N為大於1之整數；
驅使該預處理單元對所述N幀指紋圖像執行一預處理程序以產生一輸入張量，該預處理程序包括：對所述N幀指紋圖像中之每兩相鄰幀指紋圖像進行一像素點位移計算程序以產生N-1個移動複數距離矩陣；對所述N-1個移動複數距離矩陣進行一時間歸一化計算程序以產生N-1個移動速度矩陣；以及將所述N-1個移動速度矩陣組成該輸入張量；以及
驅使該卷積神經網路單元對該輸入張量進行一類神經網路運算以產生一識別結果。
在一實施例中，該像素點位移計算程序包括：對於第i幀指紋圖像中的每個像素點，i為介於1至N-1間之正整數，以該像素點為中心點決定一第一區塊，該第一區塊的中心點座標為(x1,y1)，x1,y1均為整數；在第i+1幀中以座標(x1,y1)為中心圈出一圓形區域，在該圓形區域內搜索與該第一區塊之間具有一最小平方差之一第二區塊，該第二區塊的尺寸同於該第一區塊的尺寸，並獲得該第二區塊之中心點的座標(x2,y2)，x2,y2均為整數；以及依該座標(x1,y1)和該座標(x2,y2)的差產生一偏移向量(dx, dy)，dx=x2-x1, dy=y2-y1，並據以組成一複數z = dx +j*dy，j為虛數，從而獲得該移動複數距離矩陣。
在一實施例中，該時間歸一化計算程序包括：依第i幀所述指紋圖像的所述採集時點和第i+1幀所述指紋圖像的所述採集時點的時間差歸一化第i幀所述指紋圖像的所述移動複數距離矩陣以得到一移動速度矩陣。
在一實施例中，第i幀所述指紋圖像的所述移動複數距離矩陣為B
i，該時間差為(t
i+1-t
i)，t
i+1,t
i均為正實數，C
i代表第i幀所述指紋圖像之移動速度矩陣，則C
i= B
i/ (t
i+1-t
i)，其中i=1,2,3,...,N-1。
在可能的實施例中，該指紋感測裝置可為一電容式指紋感測裝置或一光學式指紋感測裝置。
為達前述目的，本發明進一步提出一種資訊處理裝置，其具有一中央處理單元及如前述之指紋識別裝置，其中，該中央處理單元係用以與該指紋識別裝置通信。
在可能的實施例中，所述之資訊處理裝置可為一智慧型手持裝置、一攜帶型電腦、一穿戴裝置、一車載電腦或一門禁系統。
為使 貴審查委員能進一步瞭解本發明之結構、特徵及其目的，茲附以圖式及較佳具體實施例之詳細說明如後。
本發明的原理在於：
（一）感測器檢測到手指按壓後，連續採集N幀圖像A
1，A
2，...，A
N，設採集的時刻分別是t
1，t
2，...，t
N；
（二）檢測相鄰幀的移動情況，對於A
i中的每個像素點，以該像素點為中心點決定一m*n區塊，m*n為奇數，到A
i+1幀中以該像素點的對應位置為中心圈出半徑為r之一圓形區域，在該圓形區域內搜索差異最小之一對應的m*n區塊並獲得其中心點的座標，依前、後兩個中心點的座標的差產生一偏移向量(dx, dy)，並據以組成一複數z = dx +j*dy，從而獲得一移動複數距離矩陣B
i；亦即，可由A
1，A
2，...，A
N獲得N-1個移動複數距離矩陣：B
1，B
2，...，B
N-1；
（三）依相鄰幀的時間差歸一化各移動複數距離矩陣以得到N-1個移動速度矩陣，C
i= B
i/ (t
i+1-t
i)，其中i=1,2,3,...,N-1；以及
（四）將N-1個移動速度矩陣組成輸入張量，然後送入一卷積神經網路進行訓練，其中，在進行該卷積神經網路訓練時，可以用多個真指紋所產生的所述輸入張量及多個假指紋所產生的所述輸入張量作為訓練素材。
依此，本發明即可在不增加硬體成本的基礎上，迅速判定手指的真假，從而增加指紋識別裝置的安全性。
請參照圖1，其繪示本發明之指紋識別裝置之一實施例的方塊圖。如圖1所示，一指紋識別裝置100具有一指紋感測裝置110及一指紋真偽識別單元120，其中，指紋感測裝置110可為一電容式指紋感測裝置或一光學式指紋感測裝置；以及指紋真偽識別單元120具有一指紋採集單元121、一預處理單元122及一卷積神經網路單元123以執行一指紋識別程序，其包括：
(一)利用指紋採集單元121自指紋感測裝置110獲得與N個時點對應的N幀指紋圖像，N為大於1之整數；
(二)驅使預處理單元122對N幀指紋圖像執行一預處理程序以產生一輸入張量，該預處理程序包括：對所述N幀指紋圖像中之每兩相鄰幀指紋圖像進行一像素點位移計算程序以產生N-1個移動複數距離矩陣；對所述N-1個移動複數距離矩陣進行一時間歸一化計算程序以產生N-1個移動速度矩陣；以及將所述N-1個移動速度矩陣組成該輸入張量；以及
(三)驅使卷積神經網路單元123對該輸入張量進行一類神經網路運算以產生一真偽識別結果。
在步驟(二)中，該像素點位移計算程序可包括：對於第i幀指紋圖像中的每個像素點，以該像素點為中心點決定一第一m*n區塊，該第一m*n區塊的中心點座標為(x1,y1)，m*n為奇數；到第i+1幀中以座標(x1,y1)為中心圈出一圓形區域，在該圓形區域內搜索與該第一m*n區塊之間具有一最小平方差之一第二m*n區塊並獲得該第二m*n區塊之中心點的座標(x2,y2)；以及依該第一m*n區塊之中心點座標(x1,y1)和該第二m*n區塊之中心點座標(x2,y2)的差產生一偏移向量(dx, dy)，dx=x2-x1, dy=y2-y1，並據以組成一複數z = dx +j*dy，j為虛數，從而獲得該移動複數距離矩陣。
另外，該時間歸一化計算程序可包括：依相鄰幀的時間差歸一化各移動複數距離矩陣以得到N-1個移動速度矩陣。例如，假設B
i為第i幀之移動複數距離矩陣，第i幀與第i+1幀的時間差為(t
i+1-t
i)，且C
i代表第i幀之移動速度矩陣，則C
i= B
i/ (t
i+1-t
i)，其中i=1,2,3,...,N-1。
由上述的說明可知，本發明提出了一種可防範假指紋攻擊之指紋真偽識別方法。請參照圖2，其繪示本發明之可防範假指紋攻擊之指紋真偽識別方法之一實施例的流程圖。如圖2所示，該方法包括：利用一指紋採集單元自一指紋感測裝置獲得與N個時點對應的N幀指紋圖像，N為大於1之整數(步驟a)；驅使一預處理單元對所述N幀指紋圖像執行一預處理程序以產生一輸入張量，該預處理程序包括：對所述N幀指紋圖像中之每兩相鄰幀指紋圖像進行一像素點位移計算程序以產生N-1個移動複數距離矩陣；對所述N-1個移動複數距離矩陣進行一時間歸一化計算程序以產生N-1個移動速度矩陣；以及將所述N-1個移動速度矩陣組成該輸入張量(步驟b)；以及驅使一卷積神經網路單元對該輸入張量進行一類神經網路運算以產生一真偽識別結果(步驟c)。
在上述的步驟中，該像素點位移計算程序可包括：對於第i幀指紋圖像中的每個像素點，以該像素點為中心點決定一第一m*n區塊，該第一m*n區塊的中心點座標為(x1,y1)，m*n為奇數；到第i+1幀中以座標(x1,y1)為中心圈出一圓形區域，在該圓形區域內搜索與該第一m*n區塊之間具有一最小平方差之一第二m*n區塊並獲得該第二m*n區塊之中心點的座標(x2,y2)；以及依該第一m*n區塊之中心點座標(x1,y1)和該第二m*n區塊之中心點座標(x2,y2)的差產生一偏移向量(dx, dy)，dx=x2-x1, dy=y2-y1，並據以組成一複數z = dx +j*dy，j為虛數，從而獲得該移動複數距離矩陣。
另外，該時間歸一化計算程序可包括：依相鄰幀的時間差歸一化各移動複數距離矩陣以得到N-1個移動速度矩陣。例如，假設B
i為第i幀之移動複數距離矩陣，第i幀與第i+1幀的時間差為(t
i+1-t
i)，且C
i代表第i幀之移動速度矩陣，則C
i= B
i/ (t
i+1-t
i)，其中i=1,2,3,...,N-1。
依上述的說明，本發明進一步提出一種資訊處理裝置。請參照3，其繪示本發明之資訊處理裝置之一實施例的方塊圖。如3所示，一資訊處理裝置200具有一中央處理單元210及一指紋識別裝置220，其中，指紋識別裝置220係由指紋識別裝置100實現，且中央處理單元210係用以與指紋識別裝置220通信。另外，資訊處理裝置200可為一智慧型手持裝置、一攜帶型電腦、一穿戴裝置、一車載電腦或一門禁系統。
藉由前述所揭露的設計，本發明乃具有以下的優點：
一、本發明之可防範假指紋攻擊之指紋真偽識別方法可依在多個時點所擷取之多幀指紋圖像產生多個移動速度矩陣，並依該些移動速度矩陣做為一類神經網路的輸入資料，以產生一指紋的真、偽識別結果。
二、本發明之指紋識別裝置可藉由上述的指紋真偽識別方法有效防範假指紋的攻擊。
三、本發明之資訊處理裝置可藉由上述的指紋識別裝置有效防範假指紋的攻擊，從而確保資訊安全。
本案所揭示者，乃較佳實施例，舉凡局部之變更或修飾而源於本案之技術思想而為熟習該項技藝之人所易於推知者，俱不脫本案之專利權範疇。
綜上所陳，本案無論目的、手段與功效，皆顯示其迥異於習知技術，且其首先發明合於實用，確實符合發明之專利要件，懇請 貴審查委員明察，並早日賜予專利俾嘉惠社會，是為至禱。
100:指紋識別裝置
110:指紋感測裝置
120:指紋真偽識別單元
121:指紋採集單元
122:預處理單元
123:卷積神經網路單元
200:資訊處理裝置
210:中央處理單元
220:指紋識別裝置
步驟a:利用一指紋採集單元自一指紋感測裝置獲得與N個時點對應的N幀指紋圖像，N為大於1之整數
步驟b:驅使一預處理單元對所述N幀指紋圖像執行一預處理程序以產生一輸入張量，該預處理程序包括：對所述N幀指紋圖像中之每兩相鄰幀指紋圖像進行一像素點位移計算程序以產生N-1個移動複數距離矩陣；對所述N-1個移動複數距離矩陣進行一時間歸一化計算程序以產生N-1個移動速度矩陣；以及將所述N-1個移動速度矩陣組成該輸入張量。
步驟c:驅使一卷積神經網路單元對該輸入張量進行一類神經網路運算以產生一真偽識別結果。
圖1繪示本發明之指紋識別裝置之一實施例的方塊圖。
圖2繪示本發明之可防範假指紋攻擊之指紋識別方法之一實施例的流程圖。
圖3繪示本發明之資訊處理裝置之一實施例的方塊圖。
步驟a:利用一指紋採集單元自一指紋感測裝置獲得與N個時點對應的N幀指紋圖像，N為大於1之整數
步驟b:驅使一預處理單元對所述N幀指紋圖像執行一預處理程序以產生一輸入張量，該預處理程序包括：對所述N幀指紋圖像中之每兩相鄰幀指紋圖像進行一像素點位移計算程序以產生N-1個移動複數距離矩陣；對所述N-1個移動複數
距離矩陣進行一時間歸一化計算程序以產生N-1個移動速度矩陣；以及將所述N-1個移動速度矩陣組成該輸入張量
步驟c:驅使一卷積神經網路單元對該輸入張量進行一類神經網路運算以產生一真偽識別結果
Claims (11)
- 一種可防範假指紋攻擊之指紋真偽識別方法，其包括： 利用一指紋採集單元自一指紋感測裝置獲得與N個採集時點對應的N幀指紋圖像，N為大於1之整數； 驅使一預處理單元對所述N幀指紋圖像執行一預處理程序以產生一輸入張量，該預處理程序包括：對所述N幀指紋圖像中之每兩相鄰幀指紋圖像進行一像素點位移計算程序以產生N-1個移動複數距離矩陣；對所述N-1個移動複數距離矩陣進行一時間歸一化計算程序以產生N-1個移動速度矩陣；以及將所述N-1個移動速度矩陣組成該輸入張量；以及 驅使一卷積神經網路單元對該輸入張量進行一類神經網路運算以產生一真偽識別結果。
- 如申請專利範圍第1項所述之可防範假指紋攻擊之指紋真偽識別方法，其中，該像素點位移計算程序包括：對於第i幀指紋圖像中的每個像素點，i為介於1至N-1間之正整數，以該像素點為中心點決定一第一區塊，該第一區塊的中心點座標為(x1,y1)，x1,y1均為整數；在第i+1幀中以座標(x1,y1)為中心圈出一圓形區域，在該圓形區域內搜索與該第一區塊之間具有一最小平方差之一第二區塊，該第二區塊的尺寸同於該第一區塊的尺寸，並獲得該第二區塊之中心點的座標(x2,y2)，x2,y2均為整數；以及依該座標(x1,y1)和該座標(x2,y2)的差產生一偏移向量(dx, dy)，dx=x2-x1, dy=y2-y1，並據以組成一複數z = dx +j*dy，j為虛數，從而獲得該移動複數距離矩陣。
- 如申請專利範圍第1項所述之可防範假指紋攻擊之指紋真偽識別方法，其中，該時間歸一化計算程序包括：依第i幀所述指紋圖像的所述採集時點和第i+1幀所述指紋圖像的所述採集時點的時間差歸一化第i幀所述指紋圖像的所述移動複數距離矩陣以得到一移動速度矩陣。
- 如申請專利範圍第3項所述之可防範假指紋攻擊之指紋真偽識別方法，其中，第i幀所述指紋圖像的所述移動複數距離矩陣為B i，該時間差為(t i+1-t i)，t i+1,t i均為正實數，C i代表第i幀所述指紋圖像之移動速度矩陣，則C i= B i/ (t i+1-t i)，其中i=1,2,3,...,N-1。
- 一種指紋識別裝置，其具有一指紋感測裝置及一指紋真偽識別單元，該指紋真偽識別單元具有一指紋採集單元、一預處理單元及一卷積神經網路單元以執行一指紋真偽識別程序，該指紋真偽識別程序包括： 利用該指紋採集單元自該指紋感測裝置獲得與N個採集時點對應的N幀指紋圖像，N為大於1之整數； 驅使該預處理單元對所述N幀指紋圖像執行一預處理程序以產生一輸入張量，該預處理程序包括：對所述N幀指紋圖像中之每兩相鄰幀指紋圖像進行一像素點位移計算程序以產生N-1個移動複數距離矩陣；對所述N-1個移動複數距離矩陣進行一時間歸一化計算程序以產生N-1個移動速度矩陣；以及將所述N-1個移動速度矩陣組成該輸入張量；以及 驅使該卷積神經網路單元對該輸入張量進行一類神經網路運算以產生一真偽識別結果。
- 如申請專利範圍第5項所述之指紋識別裝置，其中，該像素點位移計算程序包括：對於第i幀指紋圖像中的每個像素點，i為介於1至N-1間之正整數，以該像素點為中心點決定一第一區塊，該第一區塊的中心點座標為(x1,y1)，x1,y1均為整數；在第i+1幀中以座標(x1,y1)為中心圈出一圓形區域，在該圓形區域內搜索與該第一區塊之間具有一最小平方差之一第二區塊，該第二區塊的尺寸同於該第一區塊的尺寸，並獲得該第二區塊之中心點的座標(x2,y2)，x2,y2均為整數；以及依該座標(x1,y1)和該座標(x2,y2)的差產生一偏移向量(dx, dy)，dx=x2-x1, dy=y2-y1，並據以組成一複數z = dx +j*dy，j為虛數，從而獲得該移動複數距離矩陣。
- 如申請專利範圍第5項所述之指紋識別裝置，其中，該時間歸一化計算程序包括：依第i幀所述指紋圖像的所述採集時點和第i+1幀所述指紋圖像的所述採集時點的時間差歸一化第i幀所述指紋圖像的所述移動複數距離矩陣以得到一移動速度矩陣。
- 如申請專利範圍第7項所述之指紋識別裝置，其中，第i幀所述指紋圖像的所述移動複數距離矩陣為B i，該時間差為(t i+1-t i)，t i+1,t i均為正實數，C i代表第i幀所述指紋圖像之移動速度矩陣，則C i= B i/ (t i+1-t i)，其中i=1,2,3,...,N-1。
- 如申請專利範圍第5項所述之指紋識別裝置，其中，該指紋感測裝置係一電容式指紋感測裝置或一光學式指紋感測裝置。
- 一種資訊處理裝置，其具有一中央處理單元及如申請專利範圍第5至9項中任一項所述之指紋識別裝置，其中，該中央處理單元係用以與該指紋識別裝置通信。
- 如申請專利範圍第10項所述之資訊處理裝置，其係由一智慧型手持裝置、一攜帶型電腦、一穿戴裝置、一車載電腦和一門禁系統所組成之群組所選擇的一種電子裝置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111130836A TWI817656B (zh) | 2022-08-16 | 2022-08-16 | 可防範假指紋攻擊之指紋真偽識別方法、指紋識別裝置及資訊處理裝置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111130836A TWI817656B (zh) | 2022-08-16 | 2022-08-16 | 可防範假指紋攻擊之指紋真偽識別方法、指紋識別裝置及資訊處理裝置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI817656B true TWI817656B (zh) | 2023-10-01 |
| TW202409981A TW202409981A (zh) | 2024-03-01 |
Family
ID=89857824
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111130836A TWI817656B (zh) | 2022-08-16 | 2022-08-16 | 可防範假指紋攻擊之指紋真偽識別方法、指紋識別裝置及資訊處理裝置 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI817656B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104834923B (zh) * | 2015-06-01 | 2018-05-04 | 西安电子科技大学 | 基于全局信息的指纹图像配准方法 |
| CN110765857A (zh) * | 2019-09-12 | 2020-02-07 | 敦泰电子（深圳）有限公司 | 指纹识别方法、芯片及电子装置 |
| CN109063541B (zh) * | 2017-06-08 | 2021-11-12 | 墨奇公司 | 用于指纹识别的系统和方法 |
-
2022
- 2022-08-16 TW TW111130836A patent/TWI817656B/zh active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104834923B (zh) * | 2015-06-01 | 2018-05-04 | 西安电子科技大学 | 基于全局信息的指纹图像配准方法 |
| CN109063541B (zh) * | 2017-06-08 | 2021-11-12 | 墨奇公司 | 用于指纹识别的系统和方法 |
| CN110765857A (zh) * | 2019-09-12 | 2020-02-07 | 敦泰电子（深圳）有限公司 | 指纹识别方法、芯片及电子装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202409981A (zh) | 2024-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | SCANet: sensor-based continuous authentication with two-stream convolutional neural networks | |
| Miyazawa et al. | An effective approach for iris recognition using phase-based image matching | |
| JP2018200716A (ja) | カメラ付きデバイスに関連する生体認証のためのシステム及び方法 | |
| TWI664552B (zh) | 與配備有相機之裝置連接之用於生物特徵量測鑑認之系統及方法 | |
| Ito et al. | A palmprint recognition algorithm using phase-only correlation | |
| Cao et al. | HandKey: Knocking-triggered robust vibration signature for keyless unlocking | |
| TWI817656B (zh) | 可防範假指紋攻擊之指紋真偽識別方法、指紋識別裝置及資訊處理裝置 | |
| Guo | A hidden markov model fingerprint matching approach | |
| Keerthana et al. | AI enabled smart surveillance system | |
| Yuan et al. | Fingerprint liveness detection adapted to different fingerprint sensors based on multiscale wavelet transform and rotation-invarient local binary pattern | |
| CN115294614A (zh) | 指纹识别防伪方法、装置和电子设备 | |
| Agarwal et al. | Human identification and verification based on signature, fingerprint and iris integration | |
| Kalangi et al. | Deployment of Haar Cascade algorithm to detect real-time faces | |
| Wang et al. | Smart_Auth: user identity authentication based on smartphone motion sensors | |
| Kumar et al. | Fingerprint matching based on orientation feature | |
| Bhowmik et al. | A fingerprint verification algorithm using the smallest minimum sum of closest Euclidean distance | |
| Jeon et al. | Performance evaluation of teeth image recognition system based on difference image entropy | |
| Patil et al. | Biometric authentication based smart bank locker security system | |
| Devakumar et al. | An intelligent approach for anti-spoofing in a multimodal biometric system | |
| Sun et al. | Presentation attacks in palmprint recognition systems | |
| Jeong | Design on novel door lock using minimizing physical exposure and fingerprint recognition technology | |
| Sharma et al. | Deep Transfer Learning for Face Spoofing Detection | |
| Kumar et al. | Deep Neural Network-Based Fingerprint Reformation for Minimizing Displacement | |
| Balaji et al. | Multimodal Biometrics Authentication in Healthcare Using Improved Convolution Deep Learning Model | |
| CN117315833B (zh) | 一种用于智能门锁的掌静脉识别模组及其方法 |