CN105787420B - 用于生物认证的方法、装置以及生物认证*** - Google Patents
用于生物认证的方法、装置以及生物认证*** Download PDFInfo
- Publication number
- CN105787420B CN105787420B CN201410816701.2A CN201410816701A CN105787420B CN 105787420 B CN105787420 B CN 105787420B CN 201410816701 A CN201410816701 A CN 201410816701A CN 105787420 B CN105787420 B CN 105787420B
- Authority
- CN
- China
- Prior art keywords
- signals
- physiological
- biometric
- characteristic
- same
- 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
Links
Images
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
Abstract
本申请公开了一种用于生物认证的方法、装置以及生物认证***。所述方法的一具体实施方式包括:接收至少两种生物特征信号;从所述至少两种生物特征信号中分别提取同一生理特征;以及处理所述生理特征以判断所述至少两种生物特征信号是否来自同一真实生物体。该实施方式实现了待认证或待识别的生物体的真实性的判断,提升了身份认证***的安全性。
Description
技术领域
本申请涉及计算机技术领域,具体涉及生物特征识别技术领域,尤其涉及用于生物认证的方法、装置以及生物认证***。
背景技术
随着传感器制造技术和模式识别、机器学习技术的进步,生物特征识别技术得到了更加广泛的普及和发展。然而为了防止利用盗取或伪造的生物特征进行身份认证,身份认证***需要具有活体检测功能,以确认生物特征来自于有生命的真实的个体。
现有技术中存在多种基于软件或硬件的用于身份认证***的活体检测方法,其中使用多种生物特征联合的方法具有较好的防伪造能力,尤其是当这些生物特征中包含难以伪造和复制的、来自生物体内的信号(例如心电信号)时。然而,分别伪造或复制各种生物特征再同时使用,仍然可以欺骗身份认证***,通过身份认证。因此,需要进一步增强身份认证***的安全性。
发明内容
本申请提供了用于生物认证的方法、装置以及生物认证***。
一方面,本申请提供了一种生物认证的方法,该方法包括:接收至少两种生物特征信号;从所述至少两种生物特征信号中分别提取同一生理特征;以及处理所述生理特征以判断所述至少两种生物特征信号是否来自同一真实生物体。
在一些可选的实现方式中,基于来自同一生物体同时采集的至少两种生物特征信号的同一生理特征之间的一致性与来自不同生物体或不同时间采集的至少两种生物特征信号的同一生理特征之间的一致性具有能够区分的差异,进行所述判断。
在进一步的实现方式中,所述判断包括:基于所述生理特征的属性来计算所述至少两种生物特征信号的生理特征之间的一致性度量;以及响应于所述一致性度量满足预设条件,确认所述至少两种生物特征信号来自同一真实生物体。
在一些实现方式中,计算一致性度量包括:根据所述生理特征的波形中预定生理现象的采集时间的对应关系来计算一致性度量。
在一些可选的实现方式中,上述预定生理现象对应于所述生理特征的波形中的波峰或波谷,并且所述一致性度量用差异度或相似度来表征,其中所述差异度表示为所述生理特征的波形中对应波峰或波谷的采集时间偏差的方差,所述相似度表示为所述差异度的倒数。
在另一些实现方式中,计算一致性度量包括:利用回归器计算所述一致性度量,其中所述回归器经由输入的生理特征数据和设置的一致性度量而训练得到。
在另一些可选的实现方式中,所述判断包括:基于所述生理特征的属性,利用分类器对所述至少两种生物特征信号进行分类,其中所述分类器使用两类样本训练得到,第一类样本来自同时采集的同一生物体的生物特征信号,第二类样本来自不同时采集的生物特征信号或者来自不同生物体的生物特征信号;以及根据分类结果确认所述至少两种生物特征信号是否来自同一真实生物体。
在进一步的实现方式中,所述生理特征的属性包括以下至少一项:时域属性,频域属性和统计属性。
在进一步的实现方式中,所述时域属性包括所述生理特征中预定生理现象的发生时刻、变化时刻、延续时间或所述生理特征的信号波形;所述频域属性包括所述生理特征的信号频率或频谱分布。
在进一步的实现方式中,所述生理特征为随时间变化的生理特征。在进一步的实现方式中,所述生理特征包括心跳和/或呼吸。
在一些可选的实现方式中,所述用于生物认证的方法还包括:基于所述至少两种生物特征信号是否来自同一真实生物体的判断结果,进行身份认证或识别。
在进一步的实现方式中,所述基于所述至少两种生物特征信号是否来自同一真实生物体的判断结果,进行身份认证或识别,包括:将从所述至少两种生物特征信号中提取出的身份特征信息与已注册的身份特征信息进行匹配;响应于匹配成功并且所述判断结果确认所述至少两种生物特征信号来自同一真实生物体,认证或识别所述生物体的身份。
在进一步的实现方式中,所述身份特征信息包括以下至少一项:人脸图像、指纹图像、掌纹图像、血管图像、虹膜图像、视网膜图像、语音信号、步态特征、签字或笔迹特征、心电信号和脑电信号。
在一些可选的实现方式中,所述至少两种生物特征信号是同时采集的。
在进一步的实现方式中,所述采集持续一预定时间段。
在一些可选的实现方式中,所述生物特征信号包括以下中的至少一项:人脸图像、指纹图像、掌纹图像、血管图像、虹膜图像、视网膜图像、心电信号、脑电信号、光电容积脉搏波(PPG)信号、血压信号、心音信号、人体调制的电磁波信号、胸或腹运动信号和人体导电性信号。
第二方面,本申请提供了一种用于生物认证的装置,所述装置包括:接收单元,配置用于接收至少两种生物特征信号;提取单元,配置用于从所述至少两种生物特征信号中分别提取同一生理特征;以及判断单元,配置用于处理所述生理特征以判断所述至少两种生物特征信号是否来自同一真实生物体。该装置还可以包括配置用于执行根据本申请第一方面所述的方法的各实施方式的步骤的单元或装置。
第三方面,本申请提供了一种生物认证***,包括传感器和处理器,所述传感器配置用于采集至少两种生物特征信号;并且所述处理器配置用于从接收至少两种生物特征信号,从所述至少两种生物特征信号中分别提取同一生理特征,以及处理所述生理特征以判断所述至少两种生物特征信号是否来自同一真实生物体。
在一些实现方式中,传感器配置用于同时采集所述至少两种生物特征信号。该处理器还可以配置用于执行根据本申请第一方面所述的方法的各实施方式的步骤。
本申请提供的用于生物认证的方法、装置以及生物认证***,通过接收至少两种生物特征信号,而后从所述至少两种生物特征信号中分别提取同一生理特征,最后处理所述生理特征以判断所述至少两种生物特征信号是否来自同一真实生物体,实现了待认证或待识别的生物体的真实性的判断,提升了身份认证***的安全性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了根据本申请实施例的用于生物认证的方法的一个示例性流程图;
图2示出了根据本申请实施例的判断至少两种生物特征信号是否来自同一真实物体的一个示例性实现流程;
图3示出了根据本申请实施例的判断至少两种生物特征信号是否来自同一真实物体的另一个示例性实现流程;
图4示出了根据本申请实施例的用于生物认证的方法的另一个示例性流程图;
图5示出了根据本申请实施例的基于至少两种生物特征信号进行身份认证或识别的一个示例性实现流程;
图6示出了根据本申请实施例提供的用于生物认证的装置的一个实施例的结构示意图;
图7示出了根据本申请实施例提供的生物认证***的一个实施例的结构示意图;以及
图8a-图8f示出了根据本申请实施例的生物认证***的一些示例性实现。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1,其示出了根据本申请实施例的用于生物认证的方法的一个示例性流程图100。本实施例主要以该方法应用于具有多种生物特征采集和处理功能的身份认证***中来说明。所述用于生物认证的方法,包括以下步骤:
如图1所示,在步骤110中,接收至少两种生物特征信号。
生物特征是表征生物体的身体或行为特性的特征,例如人脸、指纹、掌纹、血管、虹膜、视网膜、心电、脑电、脉搏、血压、心音、胸或腹运动、人体导电性等。相应地,生物特征信号可以包括人脸图像、指纹图像、掌纹图像、血管图像、虹膜图像、视网膜图像、心电信号、脑电信号、光电容积脉搏波(PPG,Photo Plethysmo Graphy)信号、血压信号、心音信号、人体调制的电磁波信号、胸或腹运动信号、人体导电性信号以及其他未列举的包含生物特征的信号。本领域技术人员可以理解,上述示例是非穷尽性的,还可以有其他现在已知或者未来开发的各种生物特征信号。
生物特征信号能够以电信号、声音信号、力信号、电磁信号、图像或视频信号、光信号等多种形式被采集。用于采集生物特征信号的传感器可以具有多种形式。例如,彩色图像传感器,可以用于采集人脸图像、指纹图像、掌纹图像、视网膜图像等;红外图像传感器,可以用于采集血管图像等对红外光源敏感的生物特征的图像;震动传感器,可以用于采集胸或腹运动信号等具有震动特性的信号。其他传感器诸如压力传感器可以用来采集血压信号、胸或腹运动信号等产生压力的生物特征信号。多种生物特征信号可以由多个不同传感器同时分别采集或者由一个集成有多种功能的传感器同时采集。例如,可以分别由彩色图像传感器和光电传感器同时采集人脸图像和PPG信号,或者可以由集成有彩色图像传感器和光电传感器的多功能传感器同时采集人脸图像和PPG信号。
在一些实现中,每种生物特征信号的采集都可以持续一预定时间段,以获得随时间变化的连续的生物特征信号或多个在时间上具有关联性的生物特征的离散数据点(例如采集1分钟内的心电信号波形,或者在10秒时间采集多幅人脸图像)。采集到的生物特征信号可以经由信号转换电路进行诸如以下处理之后传送给处理器:将连续的模拟信号(如心电信号、PPG信号等)转换为数字信号,对信号中的噪声进行处理(例如对采集到的虹膜图像去除眼睑、睫毛等图像噪声),对信号的强度、分布、变化等进行处理(例如对掌纹图像进行归一化处理)。处理器则可以接收经过处理的生物特征信号。
接着,在步骤120中,从至少两种生物特征信号中分别提取同一生理特征。
在本实施例中,生理特征是表征生物体的生理状态的特征,可以是心跳、呼吸、血压、体温等。为了防止使用虚假生物信号进行欺骗,在一些实施例中,提取的生理特征可以是随时间变化的生理特征,例如心跳、呼吸等。如果步骤110中接收到两种以上的生物特征信号,则处理器可以从接收到的每一种生物特征信号中提取同一生理特征。也可以从每一种生物特征信号中提取多种对应的生理特征(例如对于多种生物特征信号同时提取心跳和呼吸)。
可以通过多种方法对生理特征进行提取。在一些实现中,可以基于采集到的生物特征信号与生理特征之间的直接映射关系得出生理特征。例如,人体的呼吸率与脉搏率具有比较稳定的比例关系(1:4),可以根据PPG信号估算出呼吸率。在另一些实现中,可以基于一段时间内的生物特征信号随时间变化的特性与生理特征之间的关系得出生理特征。例如心跳与人脸皮肤下的毛细血管的颜色变化有直接对应的关系,因而可以从一段时间内按时间顺序采集的多幅人脸图像中分析皮肤颜色随时间的变化,并根据该变化得出心跳。
在本实施例中,提取出的生理特征可以以多种形式表示。例如向量、向量组、信号波形等。在一些可选的实现方式中,以向量来表示提取出的生理特征,向量中的每一个元素可以对应于一个信号采集时间,元素的值可以表示生理特征的强度或在其变化过程中所处的位置。具体地,在实际应用中,可以采用例如以下形式的向量来表示生理特征:用一个一维向量来表示心跳,其中N为采样数量,N≥1,a1对应于第一个采样时间点,a1的大小可以表示第一个采样时间点的心电信号强度,依次类推,aN对应于第N个采样时间点,aN的大小可以表示第N个采样时间点的心电信号强度。进一步地,向量中的每个元素也可以对应于一个生理特征发生变化的时刻。例如,表示心跳的向量中的元素a1表示第一个波峰的时间,依次类推,aN表示第N个波峰的时间。在另一些可选的实现方式中,提取出的生理特征可以用一组向量表示,其中每一个向量对应于一个生理特征发生变化的时刻以及变化的程度。例如,可以采用向量组(M≥1)来表示心跳,其第一个向量可以对应于心跳的第一个波峰的发生时刻,a12可以对应于第一个波峰的心电信号强度,依次类推,aM1可以对应于心跳的第M个波峰的发生时刻,aM2可以对应于第M个波峰的心电信号强度。此外,提取出的生理特征还可以以二维坐标系中连续的信号波形来表示,其中,波形的变化趋势可以对应于生理特征的强度的变化趋势。
然后,在步骤130中,处理生理特征以判断至少两种生物特征信号是否来自同一真实生物体。
判断至少两种生物特征信号是否来自同一真实物体可以基于来自同一生物体同时采集的至少两种生物特征信号的生理特征表示与来自不同生物体或不同时间采集的至少两种生物特征信号的生理特征表示之间的差异性。换言之,由于来自同一生物体同时采集的至少两种生物特征信号的同一生理特征之间的一致性与来自不同生物体或不同时间采集的至少两种生物特征信号的同一生理特征之间的一致性具有能够区分的差异,因此可以基于上述原理判断接收的至少两种生物特征信号是否来自同一真实物体。例如,不同时刻(例如放松状态的时刻和紧张状态的时刻)基于同一人的人脸图像所获得的心跳频率之间具有较大差异性,基于不同人的人脸图像所获得的心跳频率之间也具有较大差异性。因此,可以基于这种差异性来判断至少两种生物特征信号是否来自同一真实物体。具体地,当这种差异性表现强烈时,可以确认生物特征信号不是来自同一真实生物体,也即采集到的生物特征信号可能是虚假的、仿制或复制的信号。
在本实施例中,当生物识别***被用于认证或识别时,***可以基于生理特征对被认证者或被识别者进行活体检测,即检测被认证者或被识别者是否为真实生物体,如果传感器采集到的至少两种生物特征信号中包含的同一生理特征表现出一致性,则可以认证被认证者或被识别者为真实的生物体。
提取到至少两种生物特征信号中所包含的生理特征之后,可以对生理特征进行如下处理:形式转换,特征分析,相似性分析等。举例而言,当提取到的至少两种生物特征信号具有不同的表示形式时,可以首先将其转换为具有相同的表示形式的信号(例如将从PPG信号中提取的以向量组形式表示的心跳和从人脸图像中提取的以信号波形形式表示的心跳均转换为以一维向量形式表示的心跳),基于转化后的生理特征确认至少两种生物特征信号是否来自同一真实生物体。又例如,可以对提取到的生理特征进行特征分析,当提取到的至少两种生物信号以向量组形式表示时,可以将向量组转化为矩阵,并通过计算矩阵的特征值或协方差矩阵等来对所提取到的生理特征进行特征分析。
另外,还可以对提取到至少两种生物特征信号中所包含的生理特征做相似性或差异性分析,具体实现方式将会在后面的实施例中详细阐述。
在本实施例中,可以基于提取的至少两种生物特征信号中的生理特征判断这些信号是否来自于同一个真实的生物体。具体地,如果提取的生理特征具有相同的强度、频率或变化趋势,则可以确认上述至少两种生物特征信号来自于同一生物体。
本申请的上述实施例通过由处理器接收至少两种生物特征信号,然后从这些生物特征信号中分别提取同一生理特征,之后处理提取出的生理特征以判断这些生物特征信号是否来自同一真实生物体,可以使在不同时间或不同生物体上复制的多种生物特征无法同时使用,显著增加生物特征盗用的难度,实现待认证或待识别的生物体的真实性的判断,提升身份认证***的安全性。
进一步参考图2,其示出了根据本申请实施例的判断至少两种生物特征信号是否来自同一真实物体的一种示例性实现流程200,也即示出了图1的方法步骤130的一个示例性实现的流程图。在本实施例中,通过对提取到至少两种生物特征信号中所包含的生理特征做相似性或差异性分析,做出信号是否来自真实生物体以及是否来自同一生物体的判断。
如图2所示,在步骤210中,基于生理特征的属性来计算至少两种生物特征信号的生理特征之间的一致性度量。
一致性度量是用于表征至少两种生理特征之间的一致性的指标,可以采用多种方法来计算。一致性度量可以用相似度或差异度来表征。举例而言,当提取出的生理特征以信号波形的形式表示时,可以根据生理特征的波形中预定生理现象的采集时间的对应关系来计算一致性度量。在此示例中,预定生理现象可以对应于生理特征的波形中的波峰或波谷。从来自于两种生物信号的生理特征的信号波形中分别检测出波峰或波谷时刻后,根据信号采集的时间,可以得出两组波峰或波谷时刻的对应关系。一致性度量可以用差异度或相似度来表征。当采用差异度表征时,差异度可以表示为生理特征的波形中对应波峰或波谷的采集时间偏差的方差。当采用相似度来表征时,相似度可以表示为上述差异度的倒数。如果两种生物特征信号为同时采集且采集自同一生物体,则对应波峰或波谷时刻的偏差基本恒定,不随时间变化,方差较小,差异度较小,相似度较大,也即一致性较高;而如果两种生物特征信号为不同时刻采集或采集自不同的生物体,则对应波峰或波谷时刻的偏差不稳定,随时间变化剧烈,方差较大,差异度较大,相似度较小,也即一致性较低。
可选地,一致性度量也可以采用机器学习的方法进行计算。例如,可以利用回归器来计算一致性度量,其中回归器是经由输入的生理特征数据和设置的一致性度量而训练得到。具体地,可以采用人工产生或采集的生理特征数据和人工设置的一致性度量作为训练样本集产生一个回归器,在训练时对来自同时采集的生物特征信号的生理特征设置较高的一致性度量,而对于不同时采集的或者采集自不同生物体的生物信号的生理特征设置较低的一致性度量。之后可以分别从来自不同生物特征信号的生理特征的向量或信号波形中采样固定长度的数据点,送入该回归器,输出的结果即为一致性度量。
在本实施例的一些可选的实现方式中,该一致性度量可以基于生理特征的以下至少一个属性来计算:时域属性、频域属性和统计属性。
在一些可选的实现方式中,时域属性可具体包括生理特征中预定生理现象的发生时刻(如心电图中的波峰时刻、波谷时刻等)、变化时刻、延续时间或生理特征的信号波形;频域属性可以包括生理特征的信号频率或信号频谱。
然后,在步骤220中,响应于一致性度量满足预设条件,确认至少两种生物特征信号来自同一真实生物体。
在本实施例中,根据一致性度量来判断信号是否来自同一真实生物体。一般地,同一时刻同一真实生物体的生理特征之间具有较高的一致性,而不同生物体或者不同时刻采集的生理特征之间具有较低的一致性。如前面所提到的,一致性度量可以用相似度或差异度来表征。相应地,可以为同一时刻同一真实生物体的生理特征的一致性度量设定阈值。如果步骤210中计算得出的一致性度量满足预设条件,例如相似度超过第一预设阈值或者差异度低于第二预设阈值,则可以确认包含该生理特征的生物特征信号来自同一真实生物体,否则,可以确认包含该生理特征的生物特征信号不是来自同一真实生物体或不是同一时刻采集的,其中一个或多个生物特征信号可能是伪造或复制的虚假信号,身份认证***可以阻止采用这些虚假信号的生物体通过认证。
在本实施的一些可选的实现方式中,阈值的设定可以基于一定数量样本集的训练结果,也可以根据经验值人工设定。其中基于样本集的训练结果设定阈值具体可以如下进行:首先选定同一真实生物体的生理特征的一致性度量样本集和不同生物体或者不同时刻采集的生理特征的一致性度量样本集,在一定范围内选定多个一致性度量值,针对每一个一致性度量值,分别计算该一致性度量值上的同一真实生物体的生理特征的一致性度量的分布密度或分布数量以及不同生物体和不同时刻采集的生理特征的一致性度量的分布密度或分布数量,得出真实生物体的生理特征的一致性度量的分布曲线和不同生物体或不同时刻采集的生理特征的一致性度量的分布曲线,如果两曲线相交,则选择交点所对应的一致性度量作为预设阈值;如果两曲线不相交,则可以在同一真实生物体的生理特征的最小一致性度量值和不同生物体或不同时刻采集的生理特征的最大一致性度量值之间选择一个值作为预设阈值。
进一步参考图3,其示出了根据本申请实施例的判断至少两种生物特征信号是否来自同一真实物体的另一种示例性实现流程300,也即示出了图1的方法步骤130的另一个示例性实现的流程图。
如图3所示,在步骤310中,基于生理特征的属性,利用分类器对至少两种生物特征信号进行分类。
在本实施例中,可以采用分类器对两种生物特征信号进行分类,其中分类器使用两类样本训练得到,第一类样本来自同时采集的同一生物体的生物特征信号,第二类样本来自不同时采集的生物特征信号或者来自不同生物体的生物特征信号。样本大小可以基于训练时间和训练结果精度来确定,输入分类器的特征可以是经过处理的生理特征的属性,例如归一化的时域属性、频域属性等,分类器可以采用支持向量机的算法,在一些实现中,为了提高分类的精度,可以采用级联的弱分类器形成强分类器来对生物特征信号进行分类。
类似地,生理特征的属性可以包含以下至少一项:时域属性、频域属性和统计属性。在一些可选的实现方式中,时域属性可具体包括生理特征中预定生理现象的发生时刻(如心电图中的波峰时刻、波谷时刻等)、变化时刻、延续时间或生理特征的信号波形;频域属性可以包括生理特征的信号频率或信号频谱。
然后,在步骤320中,根据分类结果确认至少两种生物特征信号是否来自同一真实生物体。
如果分类器输出结果为与训练的第一类样本同一类,则可以确认至少两种生物特征信号来自同一真实生物体,否则,认为至少两种生物特征信号来自不同的生物体或在不同时间采集。
进一步参考图4,其示出了根据本申请实施例的用于生物认证的方法的另一个示例性流程图400。
如图4所示,在步骤410中,接收至少两种生物特征信号。
在本实施例中,处理器可以从传感器接收生物特征信号,这些信号可以由多个传感器通过光学成像、信号检测等方法同时获取,也可以由集成多种功能的传感器经由多种信号获取方法同时获取。
接着,在步骤420中,从至少两种生物特征信号中分别提取同一生理特征。
在本实施例中,对每一种生物特征信号,分别提取同一生理特征,由于生理特征与生物特征信号有关联性(例如心跳频率与皮肤颜色的变化有直接对应的关系),可以基于这种关联性,分析得出生物特征信号与生理特征的关系,继而根据这种关系从生物特征信号中提取生理特征。提取出的生理特征可以多种形式表示,例如向量、向量组、信号波形等。
接着,在步骤430中,处理生理特征以判断至少两种生物特征信号是否来自同一真实生物体。
提取出生理特征之后,需要对该生理特征进行处理,并判断是否来自同一真实生物体。可以对生理特征进行形式转换和归一化处理,以便基于同样的形式和标准对多种生物特征的真实性进行判断。也可以对生理特征进行特征分析和相似性分析,以确认生物特征信号是否来自同一真实生物体。
可以理解,本实施例中步骤410、420和430的实现可以分别与前述实施例中的步骤110、120和130相同,在此不再赘述。
然后,在步骤440中,基于至少两种生物特征信号进行身份认证或识别。具体地,基于此至少两种生物特征信号是否来自同一真实生物体的判断结果来进行身份认证或识别。
在本实施例中,将步骤430的判断结果作为身份认证或识别的依据之一,对待认证者或待识别者进行身份认证或识别。生物特征信号中可以包含该生物体区别于其他生物体的特征信息,如身份特征信息。具体地,当步骤430判断至少两种生物特征信号来自于同一真实生物体时,可以基于生物特征信号中的身份特征信息来对待认证者或待识别者进行身份认证或识别。可选地,可以基于多种生物特征信号分别进行身份认证或识别,综合多个认证或识别结果确定被认证者或被识别者的身份。
进一步参考图5,其示出了根据本申请实施例的基于至少两种生物特征信号进行身份认证或识别的一个示例性实现流程500,也即示出了图4的方法步骤440的一个示例性实现的流程图。
如图5所示,在步骤510中,从至少两种生物特征信号的至少一个中提取身份特征信息。
身份特征信息具有较强的辨识度,以将生物体与其他生物体区别开来。通常情况下,将具有唯一性和稳定性的特征用作身份特征信息。一些可选的身份特征信息可以包括但不限于:人脸图像、指纹图像、掌纹图像、血管图像、虹膜图像、视网膜图像、语音信号、步态特征、签字或笔迹特征、心电信号和脑电信号。本领域技术人员可以理解,上述示例是非穷尽性的,还可以有其他现在已知或者未来开发的各种身份特征信息。在本实施例中,为认证或识别生物体的身份,首先将该生物体的身份特征信息从生物特征信号中提取出来。
有多种方法可以提取身份特征信息。可以直接将接收生物特征信号作为身份特征信息,例如,将人脸图像作为用于身份认证的身份验证信息;也可以对生物特征信号进行特征提取,以提取出的特征表示身份验证信息,例如从连续的行走的人的图像中分析人的行走姿势和步伐频率,并采用滤波等方式提取出步态特征作为身份验证信息;还可以通过分析生物特征信号中的某一特征在一段时间内的变化规律,将变化规律量化表示后作为身份验证信息,例如记录一段时间内的心电信号,将心电信号波峰的发生时刻的变化规律(如发生间隔、每一次发生时与上一次波峰值的差值)量化表示后作为身份验证信息。
在本实施例的一些可选的实现方式中,可以从其中一种生物特征信号中提取身份特征信息,用于身份认证或识别。在另一些可选的实现方式中,也可以从每一种生物特征信号中都提取身份特征信息,从多种生物特征信号中提取出的可以是同一类型的身份特征信息,也可以是不同类型的身份特征信息。
可以理解,身份特征信息可以与在进行生物体真实性判断中提取出的生物特征相同,也可以不同。当二者相同时,可以省略步骤510,直接利用之前提取的结果。
接着,在步骤520中,将身份特征信息与已注册的身份特征信息进行匹配。
在本实施例中,可以将提取的身份特征信息与数据库内已注册的身份特征信息进行两种模式的匹配:认证和识别。在认证模式下,需将提取的身份特征信息与数据库中的某一预想生物体的身份特征信息进行匹配;在识别模式下,可以遍历数据库中的所有身份特征信息,查找匹配程度最高的身份特征信息所对应的生物体。
在对身份特征信息进行匹配之前,还可以对提取到的身份特征信息进行预处理。以虹膜识别为例,可以先从采集到的眼部图像中将虹膜区域分割并归一化,之后还可以对归一化的图像进行去噪和增强等处理,然后采用滤波等方法将虹膜的纹理特征提取出来,之后在虹膜数据库中进行模板匹配。可选地,虹膜特征可以用向量表示,计算提取出的虹膜特征向量与数据库中存储的模板向量之间的相似度量即可实现模板匹配,该相似度量可以包括欧氏距离、汉明距离、平方差、相关系数等。
然后,在步骤530中,响应于匹配成功并且判断结果确认至少两种生物特征信号来自同一真实生物体,认证或识别生物体的身份。
在本实施例中,如果确认至少两种生物特征信号来自同一真实物体,则允许身份认证***对生物体的身份进行认证或识别,进而根据步骤520的匹配结果认证或识别生物体的身份。具体地,在认证模式下,如果提取的身份特征信息与数据库中的某一预想生物体的身份特征信息相吻合,则可以确认该生物体即为预想生物体,否则可以确认该生物体为不同于预想生物体的其他生物体;在识别模式下,可以将数据库中与待识别的生物体的身份特征信息匹配程度最高的身份特征信息所对应的身份信息作为待识别生物体的身份信息。
在一些可选的实现方式中,判断结果确认至少两种生物特征信号来自同一真实生物体且步骤510中提取出了多个相同或不同类型的身份特征信息,可以对每一个身份验证信息执行上述步骤502,基于多个匹配结果认证或识别生物体的身份。
从图4可以看出,与图1所对应的实施例不同的是,本实施例的示例性流程400多出了基于至少两种生物特征信号进行身份认证或识别的步骤440,通过增加的步骤440,可以在采集到的生物特征信号来自于真实个体时,进一步对该真实个体的身份进行认证和识别。
本申请的上述实施例可以实现对虚假生物特征信号的判断以及对真实生物体的身份认证或识别,增强了身份认证***的安全性。在进行这种身份认证或识别时,要求同时采集至少两种生物特征信号。进一步的,采集可以持续一预定时间段,以便获取随时间变化的生理特征。
进一步参考图6,其示出了根据本申请实施例提供的用于生物认证的装置的一个实施例的结构示意图600。
如图6所示,用于生物认证的装置600包括:接收单元610,配置用于接收至少两种生物特征信号;提取单元620,配置用于上述至少两种生物特征信号中分别提取同一生理特征;以及判断单元630,配置用于处理生理特征以判断至少两种生物特征信号是否来自同一真实生物体。
在本实施例中,接收单元610可以从传感器接收生物特征信号,这些信号可以由多个传感器通过光学成像、信号检测等方法获取,也可以由集成多种功能的传感器经由多种信号获取方法同时获取。然后提取单元620对每一种生物特征信号,分别提取同一生理特征,由于生理特征与生物特征信号具有关联性(例如心跳频率可以反映在皮肤颜色的变化中),可以基于这种关联性,分析得出生物特征信号与生理特征的关系,继而根据这种关系从生物特征信号中提取生理特征。提取出的生理特征可以多种形式表示,例如向量、向量组、信号波形等。之后判断单元630可以对该生理特征进行处理,并判断是否来自同一真实生物体。判断单元630可以对生理特征进行形式转换和归一化处理,以便基于同样的形式和标准对多种生物特征的真实性进行判断。也可以对生理特征进行特征分析和相似性分析,以确认生物特征信号是否来自同一真实生物体。
在一些可选的实现方式中,判断单元630可以基于来自同一生物体同时采集的至少两种生物特征信号的同一生理特征表示之间的一致性与来自不同生物体或不同时间采集的至少两种生物特征信号的同一生理特征表示之间的一致性具有能够区分的的差异来执行判断操作。
一种可能的判断方式中,判断单元630,具体用于基于所述生理特征的属性来计算所述至少两种生物特征信号的生理特征之间的一致性度量;以及响应于所述一致性度量满足预设条件,确认所述至少两种生物特征信号来自同一真实生物体。
一种可能的实现方式中,判断单元630,具体用于根据所述生理特征的波形中预定生理现象的采集时间的对应关系来计算一致性度量。
其中,所述预定生理现象对应于所述生理特征的波形中的波峰或波谷,并且所述一致性度量用差异度或相似度来表征,其中所述差异度表示为所述生理特征的波形中对应波峰或波谷的采集时间偏差的方差,所述相似度表示为所述差异度的倒数。
另一种可能的实现方式中,判断单元630,具体用于利用回归器计算所述一致性度量,其中所述回归器经由输入的生理特征数据和设置的一致性度量而训练得到。
另一种可能的判断方式中,判断单元630,具体用于基于所述生理特征的属性,利用分类器对所述至少两种生物特征信号进行分类,其中所述分类器使用两类样本训练得到,第一类样本来自同时采集的同一生物体的生物特征信号,第二类样本来自不同时采集的生物特征信号或者来自不同生物体的生物特征信号;以及根据分类结果确认所述至少两种生物特征信号是否来自同一真实生物体。
在本实施例的一些可选的实现方式中,用于生物认证的装置600还可以包括认证与识别单元(未示出),配置用于基于至少两种生物特征信号进行身份认证或识别,其中将至少两种生物特征信号是否来自同一真实生物体的判断结果作为身份认证或识别的依据之一。
具体的,认证与识别单元,具体用于将从所述至少两种生物特征信号中提取出的身份特征信息与已注册的身份特征信息进行匹配;响应于匹配成功并且所述判断结果确认所述至少两种生物特征信号来自同一真实生物体,认证或识别所述生物体的身份。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括接收单元,提取单元和判断单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,接收单元还可以被描述为“用于接收至少两种生物特征信号的单元”。
本申请提供的用于生物认证的方法可以用于多种复合生物特征的身份认证***中,因此,另一方面,本申请还提供了一种生物认证***。图7示出了根据本申请实施例提供的生物认证***的一种实施例的结构示意图。如图7所示,生物认证***700包括传感器710和处理器730。传感器710配置用于采集至少两种生物特征信号;处理器730配置用于从传感器接收至少两种生物特征信号,从至少两种生物特征信号中分别提取同一生理特征,以及处理生理特征以判断所述至少两种生物特征信号是否来自同一真实生物体。在一些实施例中,传感器配置用于同时采集至少两种生物特征信号。
上述生物认证***700还可以包含信号转换电路720。
在一些实现中,传感器710采集生物特征信号时可以持续一预定时间段,以获得随时间变化的连续的生物特征信号或多个在时间上具有关联性的生物特征的离散数据点。采集到的生物特征信号可以经由信号转换电路720进行诸如以下处理,转换为可以被处理器730处理的形式,然后传送给处理器730:将连续的模拟信号转换为数字信号,对信号中的噪声进行处理,对信号的强度、分布、变化等进行处理。
上述生物认证***700还可以包含存储器740,配置用于保存对生物特征信号进行处理过程中使用的指令、参数、数据等,或者用于记录***运行时得到的数据和结果。
上述生物认证***700还可以包含输出装置750,用来输出处理器处理得到的结果。例如显示使用说明、显示信号是否真实、显示身份认证或识别的结果,操作其他设备、软件等。
上述生物认证***700可以在各种需要进行身份认证或识别的设备上实现。可以用于判断被认证者是否为真实生物体,也可以用于验证被认证者与注册者是否为同一生物体,也可以用于从多个注册者中识别出某个生物体。
作为示例,图8a-图8f示出了根据本申请实施例的生物认证***的一些示例性实现。
如图8a所示,其示出了基于心电信号和PPG信号的具有身份认证功能的智能手表810。手表的正面和背面分别安装有心电图仪(ECG,Electro Cardio Graphy)电极812和814,用于采集心电信号;PPG传感器813用于采集PPG信号。处理器可以接收采集到的心电信号和PPG信号,并从中提取心跳或呼吸特征,然后对心跳或呼吸特征进行分析,根据提取的心跳或呼吸特征的一致性判断是否为同一时刻采集的同一用户的信号,之后还可以对用户身份进行验证,将判断和验证的结果显示在屏幕811上。
图8b示出了基于人脸图像和心电信号的具有身份认证功能的智能手机820。如图8b所示,屏幕821用于显示采集的信号和处理结果;摄像头822可以用于采集人脸图像;ECG电极823和824可以采集心电信号。手机的处理器可以接收采集到的人脸图像和心电信号,并从中提取心跳特征,然后可以对提取到的心跳特征进行处理,并基于处理后的心跳特征对用户的身份进行真实性判断以及进一步的验证。
图8c示出了基于人脸图像、心电信号和拉力传感器的具有身份认证功能的汽车830。如图8c所示,汽车后视镜上的摄像头831用于采集人脸图像;方向盘上安装有ECG电极832,用于采集心电信号,拉力传感器833安装在安全带上,也可以用于采集心电信号。处理器可以接收采集到的信号,并分别从每一种信号中提取心跳或呼吸特征,然后可以对提取到的心跳或呼吸特征进行处理,并基于处理后的心跳或呼吸特征一致性判断这些信号是否来自同一真实生物体。
图8d示出了基于人脸图像和指纹(或掌纹、血管)图像的具有身份认证功能的门锁***840。如图8d所示,门上方的摄像头841采集人脸图像,门锁上安装有传感器842,可采集指纹、静脉、掌纹图像。
图8e示出了基于人脸图像和心跳传感器的智能手机850。如图8e所示,手机摄像头852用于采集人脸图像;耳机上安装有脉搏探测器853。当用户进行身份认证时,手机摄像头852的图像传感器采集人脸图像,处理器可以接收采集到的人脸图像,从中提取心跳特征;位于耳塞上的脉搏传感器853获得心跳特征,处理器对两个心跳特征进行分析,并做出待认证生物体的真实性判断。所获取的图像和脉搏信号可以显示在屏幕851上。
图8f示出了基于心电信号和脑电信号的具有身份认证功能的手环和耳机860。当用户进行身份认证时,位于手环上的ECG传感器861采集心电信号;耳机上安装有EEG传感器862,用于采集脑电信号。当用户进行身份认证时,处理器可以接收心电信号和脑电信号,然后从心电信号和脑电信号中提取出心跳特征,并通过无线通信的方式将提取出的心跳特征传送到同一个设备上,之后该设备判断提取出的心跳是否来自同一真实生物体并可以进一步对该生物体进行身份验证或识别。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入终端中的计算机可读存储介质。所述计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本申请的用于生物认证的方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (47)
1.一种用于生物认证的方法,其特征在于,所述方法包括:
接收至少两种生物特征信号;
从所述至少两种生物特征信号中分别提取同一生理特征;以及
处理所述生理特征以判断所述至少两种生物特征信号是否来自同一真实生物体;
其中,基于来自同一生物体同时采集的至少两种生物特征信号的同一生理特征之间的一致性与来自不同生物体或不同时间采集的至少两种生物特征信号的同一生理特征之间的一致性具有能够区分的差异,进行所述判断;
所述一致性通过如下方式计算得到:利用回归器计算所述至少两种生物特征信号的同一生理特征之间的一致性,其中,所述回归器基于来自同时采集的同一生物特征信号的生理特征的第一样本和来自不同时采集的或者采集自不同生物体的生物信号的生理特征的第二样本和设置的一致性度量训练得到。
2.根据权利要求1所述的方法,其特征在于,所述判断包括:
基于所述生理特征的属性来计算所述至少两种生物特征信号的生理特征之间的一致性度量;以及
响应于所述一致性度量满足预设条件,确认所述至少两种生物特征信号来自同一真实生物体。
3.根据权利要求2所述的方法,其特征在于,所述计算一致性度量包括:
根据所述生理特征的波形中预定生理现象的采集时间的对应关系来计算一致性度量。
4.根据权利要求3所述的方法,其特征在于,所述预定生理现象对应于所述生理特征的波形中的波峰或波谷,并且所述一致性度量用差异度或相似度来表征,其中所述差异度表示为所述生理特征的波形中对应波峰或波谷的采集时间偏差的方差,所述相似度表示为所述差异度的倒数。
5.根据权利要求1所述的方法,其特征在于,所述判断包括:
基于所述生理特征的属性,利用分类器对所述至少两种生物特征信号进行分类,其中所述分类器使用两类样本训练得到,第一类样本来自同时采集的同一生物体的生物特征信号,第二类样本来自不同时采集的生物特征信号或者来自不同生物体的生物特征信号;以及
根据分类结果确认所述至少两种生物特征信号是否来自同一真实生物体。
6.根据权利要求2-5任一所述的方法,其特征在于,所述生理特征的属性包括以下至少一项:时域属性,频域属性和统计属性。
7.根据权利要求6所述的方法,其特征在于,
所述时域属性包括所述生理特征中预定生理现象的发生时刻、变化时刻、延续时间或所述生理特征的信号波形;以及
所述频域属性包括所述生理特征的信号频率或频谱分布。
8.根据权利要求1所述的方法,其特征在于,所述生理特征为随时间变化的生理特征。
9.根据权利要求1所述的方法,其特征在于,所述生理特征包括心跳和/或呼吸。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述至少两种生物特征信号是否来自同一真实生物体的判断结果,进行身份认证或识别。
11.根据权利要求10所述的方法,其特征在于,所述基于所述至少两种生物特征信号是否来自同一真实生物体的判断结果,进行身份认证或识别,包括:
将从所述至少两种生物特征信号中提取出的身份特征信息与已注册的身份特征信息进行匹配;
响应于匹配成功并且所述判断结果确认所述至少两种生物特征信号来自同一真实生物体,认证或识别所述生物体的身份。
12.根据权利要求11所述的方法,其特征在于,所述身份特征信息包括以下至少一项:人脸图像、指纹图像、掌纹图像、血管图像、虹膜图像、视网膜图像、语音信号、步态特征、签字或笔迹特征、心电信号和脑电信号。
13.根据权利要求1所述的方法,其特征在于,所述至少两种生物特征信号是同时采集的。
14.根据权利要求13所述的方法,其特征在于,所述采集持续一预定时间段。
15.根据权利要求1-5、7-14之一所述的方法,其特征在于,所述生物特征信号包括以下中的至少一项:人脸图像、指纹图像、掌纹图像、血管图像、虹膜图像、视网膜图像、心电信号、脑电信号、光电容积脉搏波信号、血压信号、心音信号、人体调制的电磁波信号、胸或腹运动信号和人体导电性信号。
16.一种用于生物认证的装置,其特征在于,所述装置包括:
接收单元,配置用于接收至少两种生物特征信号;
提取单元,配置用于从所述至少两种生物特征信号中分别提取同一生理特征;以及
判断单元,配置用于处理所述生理特征以判断所述至少两种生物特征信号是否来自同一真实生物体;
其中,所述判断单元进一步配置用于基于来自同一生物体同时采集的至少两种生物特征信号的同一生理特征之间的一致性与来自不同生物体或不同时间采集的至少两种生物特征信号的同一生理特征之间的一致性具有能够区分的差异来执行判断操作;
所述一致性通过如下方式计算得到:利用回归器计算所述至少两种生物特征信号的同一生理特征之间的一致性,其中,所述回归器基于来自同时采集的同一生物特征信号的生理特征的第一样本和来自不同时采集的或者采集自不同生物体的生物信号的生理特征的第二样本和设置的一致性度量训练得到。
17.根据权利要求16所述的装置,其特征在于,所述判断单元进一步配置用于:
基于所述生理特征的属性来计算所述至少两种生物特征信号的生理特征之间的一致性度量;以及
响应于所述一致性度量满足预设条件,确认所述至少两种生物特征信号来自同一真实生物体。
18.根据权利要求17所述的装置,其特征在于,所述判断单元进一步配置用于:
根据所述生理特征的波形中预定生理现象的采集时间的对应关系来计算一致性度量。
19.根据权利要求18所述的装置,其特征在于,所述预定生理现象对应于所述生理特征的波形中的波峰或波谷,并且所述一致性度量用差异度或相似度来表征,其中所述差异度表示为所述生理特征的波形中对应波峰或波谷的采集时间偏差的方差,所述相似度表示为所述差异度的倒数。
20.根据权利要求16所述的装置,其特征在于,所述判断单元进一步配置用于:
基于所述生理特征的属性,利用分类器对所述至少两种生物特征信号进行分类,其中所述分类器使用两类样本训练得到,第一类样本来自同时采集的同一生物体的生物特征信号,第二类样本来自不同时采集的生物特征信号或者来自不同生物体的生物特征信号;以及
根据分类结果确认所述至少两种生物特征信号是否来自同一真实生物体。
21.根据权利要求17-20任一所述的装置,其特征在于,所述生理特征的属性包括以下至少一项:时域属性,频域属性和统计属性。
22.根据权利要求21所述的装置,其特征在于,
所述时域属性包括所述生理特征中预定生理现象的发生时刻、变化时刻、延续时间或所述生理特征的信号波形;以及
所述频域属性包括所述生理特征的信号频率或频谱分布。
23.根据权利要求16所述的装置,其特征在于,所述生理特征为随时间变化的生理特征。
24.根据权利要求16所述的装置,其特征在于,所述生理特征包括心跳和/或呼吸。
25.根据权利要求16所述的装置,其特征在于,所述装置还包括:
认证与识别单元,配置用于基于所述至少两种生物特征信号是否来自同一真实生物体的判断结果,进行身份认证或识别。
26.根据权利要求25所述的装置,其特征在于,所述认证与识别单元进一步配置用于:
将从所述至少两种生物特征信号中提取出的身份特征信息与已注册的身份特征信息进行匹配;
响应于匹配成功并且所述判断结果确认所述至少两种生物特征信号来自同一真实生物体,认证或识别所述生物体的身份。
27.根据权利要求26所述的装置,其特征在于,所述身份特征信息包括以下至少一项:人脸图像、指纹图像、掌纹图像、血管图像、虹膜图像、视网膜图像、语音信号、步态特征、签字或笔迹特征、心电信号和脑电信号。
28.根据权利要求16所述的装置,其特征在于,所述至少两种生物特征信号是同时采集的。
29.根据权利要求28所述的装置,其特征在于,所述采集持续一预定时间段。
30.根据权利要求16-20、22-29之一所述的装置,其特征在于,所述生物特征信号包括以下中的至少一项:人脸图像、指纹图像、掌纹图像、血管图像、虹膜图像、视网膜图像、心电信号、脑电信号、光电容积脉搏波信号、血压信号、心音信号、人体调制的电磁波信号、胸或腹运动信号和人体导电性信号。
31.一种生物认证***,包括传感器和处理器,其特征在于,
所述传感器配置用于采集至少两种生物特征信号;并且
所述处理器配置用于接收所述至少两种生物特征信号,从所述至少两种生物特征信号中分别提取同一生理特征,以及处理所述生理特征以判断所述至少两种生物特征信号是否来自同一真实生物体;
其中,基于来自同一生物体同时采集的至少两种生物特征信号的同一生理特征之间的一致性与来自不同生物体或不同时间采集的至少两种生物特征信号的同一生理特征之间的一致性具有能够区分的差异,进行所述判断;
所述一致性通过如下方式计算得到:利用回归器计算所述至少两种生物特征信号的同一生理特征之间的一致性,其中,所述回归器基于来自同时采集的同一生物特征信号的生理特征的第一样本和来自不同时采集的或者采集自不同生物体的生物信号的生理特征的第二样本和设置的一致性度量训练得到。
32.根据权利要求31所述的***,其特征在于,所述判断包括:
基于所述生理特征的属性来计算所述至少两种生物特征信号的生理特征之间的一致性度量;以及
响应于所述一致性度量满足预设条件,确认所述至少两种生物特征信号来自同一真实生物体。
33.根据权利要求32所述的***,其特征在于,所述计算一致性度量包括:
根据所述生理特征的波形中预定生理现象的采集时间的对应关系来计算一致性度量。
34.根据权利要求33所述的***,其特征在于,所述预定生理现象对应于所述生理特征的波形中的波峰或波谷,并且所述一致性度量用差异度或相似度来表征,其中所述差异度表示为所述生理特征的波形中对应波峰或波谷的采集时间偏差的方差,所述相似度表示为所述差异度的倒数。
35.根据权利要求31所述的***,其特征在于,所述判断包括:
基于所述生理特征的属性,利用分类器对所述至少两种生物特征信号进行分类,其中所述分类器使用两类样本训练得到,第一类样本来自同时采集的同一生物体的生物特征信号,第二类样本来自不同时采集的生物特征信号或者来自不同生物体的生物特征信号;以及
根据分类结果确认所述至少两种生物特征信号是否来自同一真实生物体。
36.根据权利要求32-35任一所述的***,其特征在于,所述生理特征的属性包括以下至少一项:时域属性,频域属性和统计属性。
37.根据权利要求36所述的***,其特征在于,
所述时域属性包括所述生理特征中预定生理现象的发生时刻、变化时刻、延续时间或所述生理特征的信号波形;以及
所述频域属性包括所述生理特征的信号频率或频谱分布。
38.根据权利要求31所述的***,其特征在于,所述生理特征为随时间变化的生理特征。
39.根据权利要求31所述的***,其特征在于,所述生理特征包括心跳和/或呼吸。
40.根据权利要求31所述的***,其特征在于,所述***还包括:
基于所述至少两种生物特征信号是否来自同一真实生物体的判断结果,进行身份认证或识别。
41.根据权利要求40所述的***,其特征在于,所述基于所述至少两种生物特征信号是否来自同一真实生物体的判断结果,进行身份认证或识别,包括:
将从所述至少两种生物特征信号中提取出的身份特征信息与已注册的身份特征信息进行匹配;
响应于匹配成功并且所述判断结果确认所述至少两种生物特征信号来自同一真实生物体,认证或识别所述生物体的身份。
42.根据权利要求41所述的***,其特征在于,所述身份特征信息包括以下至少一项:人脸图像、指纹图像、掌纹图像、血管图像、虹膜图像、视网膜图像、语音信号、步态特征、签字或笔迹特征、心电信号和脑电信号。
43.根据权利要求31所述的***,其特征在于,所述传感器配置用于同时采集所述至少两种生物特征信号。
44.根据权利要求43所述的***,其特征在于,所述采集持续一预定时间段。
45.根据权利要求31-35、37-44之一所述的***,其特征在于,所述生物特征信号包括以下中的至少一项:人脸图像、指纹图像、掌纹图像、血管图像、虹膜图像、视网膜图像、心电信号、脑电信号、光电容积脉搏波信号、血压信号、心音信号、人体调制的电磁波信号、胸或腹运动信号和人体导电性信号。
46.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-15中任一所述的方法。
47.一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-15中任一所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410816701.2A CN105787420B (zh) | 2014-12-24 | 2014-12-24 | 用于生物认证的方法、装置以及生物认证*** |
KR1020150066256A KR102367481B1 (ko) | 2014-12-24 | 2015-05-12 | 생체 인증 장치 및 방법 |
US14/884,004 US10154818B2 (en) | 2014-12-24 | 2015-10-15 | Biometric authentication method and apparatus |
EP15193235.7A EP3037036B1 (en) | 2014-12-24 | 2015-11-05 | Biometric authentication method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410816701.2A CN105787420B (zh) | 2014-12-24 | 2014-12-24 | 用于生物认证的方法、装置以及生物认证*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105787420A CN105787420A (zh) | 2016-07-20 |
CN105787420B true CN105787420B (zh) | 2020-07-14 |
Family
ID=56378265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410816701.2A Active CN105787420B (zh) | 2014-12-24 | 2014-12-24 | 用于生物认证的方法、装置以及生物认证*** |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR102367481B1 (zh) |
CN (1) | CN105787420B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109844746B (zh) * | 2017-03-13 | 2021-05-04 | 华为技术有限公司 | 一种验证方法以及验证设备 |
CN106971157B (zh) * | 2017-03-22 | 2020-12-04 | 重庆科技学院 | 基于多元线性回归联想记忆模型的身份耦合识别方法 |
CN107088069B (zh) * | 2017-03-29 | 2019-10-11 | 西安电子科技大学 | 基于人体ppg信号分段的身份识别方法 |
CN108784650A (zh) | 2017-05-03 | 2018-11-13 | 深圳迈瑞生物医疗电子股份有限公司 | 生理信号的同源性识别方法及装置 |
KR101986241B1 (ko) * | 2017-06-19 | 2019-09-30 | 한국인터넷진흥원 | 생체신호를 이용한 멀티 모달 기반의 사용자 인증 장치 및 방법 |
KR102299847B1 (ko) * | 2017-06-26 | 2021-09-08 | 삼성전자주식회사 | 얼굴 인증 방법 및 장치 |
CN107330404A (zh) * | 2017-06-30 | 2017-11-07 | 重庆科技学院 | 基于细胞神经网络自联想记忆模型的身份识别方法 |
CN107277265A (zh) * | 2017-07-13 | 2017-10-20 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
CN107736874B (zh) | 2017-08-25 | 2020-11-20 | 百度在线网络技术(北京)有限公司 | 一种活体检测的方法、装置、设备和计算机存储介质 |
KR101986246B1 (ko) * | 2017-10-23 | 2019-06-05 | 한국인터넷진흥원 | 생체신호 인증 장치 및 방법 |
CN109784124A (zh) * | 2017-11-10 | 2019-05-21 | 北京嘀嘀无限科技发展有限公司 | 一种活体识别的判定方法、判定***及计算机装置 |
CN108029665B (zh) * | 2017-12-07 | 2020-11-06 | 东阳市聚冉电子科技有限公司 | 一种基于机器人机械臂的安全捕虫方法和装置 |
CA2992333C (en) * | 2018-01-19 | 2020-06-02 | Nymi Inc. | User access authorization system and method, and physiological user sensor and authentication device therefor |
KR102151424B1 (ko) * | 2018-09-19 | 2020-09-03 | 상명대학교산학협력단 | 위조 지정맥 탐지 장치 및 방법 |
CN109286499B (zh) * | 2018-09-21 | 2020-08-07 | 武汉大学 | 一种基于行为特征的在场认证方法 |
CN109409249A (zh) * | 2018-09-30 | 2019-03-01 | 联想(北京)有限公司 | 信息处理方法及电子设备 |
US10817246B2 (en) * | 2018-12-28 | 2020-10-27 | Baidu Usa Llc | Deactivating a display of a smart display device based on a sound-based mechanism |
US11507648B2 (en) | 2019-03-26 | 2022-11-22 | Lg Electronics Inc. | Electric device and control method thereof |
KR20210004376A (ko) | 2019-07-04 | 2021-01-13 | 삼성전자주식회사 | 생체정보 추정 모델의 캘리브레이션 장치 및 방법과, 생체정보 추정 장치 |
CN110664383A (zh) * | 2019-09-27 | 2020-01-10 | 北京小米移动软件有限公司 | 体温计、体温信息的存储方法和装置 |
TWI772751B (zh) * | 2020-02-19 | 2022-08-01 | 鉅怡智慧股份有限公司 | 活體偵測裝置及方法 |
CN113273961B (zh) * | 2020-02-19 | 2024-05-24 | 钜怡智慧股份有限公司 | 活体检测装置及方法 |
CN213423977U (zh) | 2020-03-02 | 2021-06-11 | 神盾股份有限公司 | 整合式真手指光谱感测装置 |
CN117037340B (zh) * | 2023-09-06 | 2024-04-12 | 东莞市安邦德智能锁具科技有限公司 | 一种基于数据识别的智能锁控制*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1672357A (zh) * | 2002-07-29 | 2005-09-21 | C-西格雷特有限公司 | 用于电生物身份识别的方法和装置 |
CN104054038A (zh) * | 2011-10-26 | 2014-09-17 | 索尼电脑娱乐公司 | 个体鉴别装置和个体鉴别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2002322302A1 (en) * | 2001-06-25 | 2003-01-08 | Science Applications International Corporation | Identification by analysis of physiometric variation |
US8762733B2 (en) * | 2006-01-30 | 2014-06-24 | Adidas Ag | System and method for identity confirmation using physiologic biometrics to determine a physiologic fingerprint |
KR101484566B1 (ko) * | 2007-03-21 | 2015-01-20 | 루미다임 인크. | 국소적으로 일관된 피처를 기초로 하는 생체인식 |
EP2712454A4 (en) * | 2011-05-10 | 2015-04-15 | Bionym Inc | SYSTEM AND METHOD FOR CONTINUOUS OR INSTANT IDENTITY RECOGNITION BASED ON PHYSIOLOGICAL BIOMETRIC SIGNALS |
US8542879B1 (en) * | 2012-06-26 | 2013-09-24 | Google Inc. | Facial recognition |
WO2014157896A1 (ko) * | 2013-03-24 | 2014-10-02 | 서울대학교산학협력단 | 필름형 생체신호 측정장치, 이를 이용한 혈압 측정장치, 심폐지구력 추정장치 및 개인인증 장치 |
CN103761465A (zh) * | 2014-02-14 | 2014-04-30 | 上海云亨科技有限公司 | 一种身份验证的方法及装置 |
-
2014
- 2014-12-24 CN CN201410816701.2A patent/CN105787420B/zh active Active
-
2015
- 2015-05-12 KR KR1020150066256A patent/KR102367481B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1672357A (zh) * | 2002-07-29 | 2005-09-21 | C-西格雷特有限公司 | 用于电生物身份识别的方法和装置 |
CN104054038A (zh) * | 2011-10-26 | 2014-09-17 | 索尼电脑娱乐公司 | 个体鉴别装置和个体鉴别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105787420A (zh) | 2016-07-20 |
KR20160078208A (ko) | 2016-07-04 |
KR102367481B1 (ko) | 2022-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105787420B (zh) | 用于生物认证的方法、装置以及生物认证*** | |
US10154818B2 (en) | Biometric authentication method and apparatus | |
CA2835460C (en) | System and method for enabling continuous or instantaneous identity recognition based on physiological biometric signals | |
Abdeldayem et al. | A novel approach for ECG-based human identification using spectral correlation and deep learning | |
Komeili et al. | Liveness detection and automatic template updating using fusion of ECG and fingerprint | |
Regouid et al. | Multimodal biometric system for ECG, ear and iris recognition based on local descriptors | |
Singh et al. | Fusion of electrocardiogram with unobtrusive biometrics: An efficient individual authentication system | |
Abdeldayem et al. | ECG-based human authentication using high-level spectro-temporal signal features | |
Islam et al. | Biometric template extraction from a heartbeat signal captured from fingers | |
Sasikala et al. | Identification of individuals using electrocardiogram | |
WO2018152711A1 (zh) | 一种基于心电认证的门禁***及其认证方法 | |
EP3449409B1 (en) | Biometric method and device for identifying a person through an electrocardiogram (ecg) waveform | |
Nait-Ali | Hidden biometrics: Towards using biosignals and biomedical images for security applications | |
Pouryayevali | ECG biometrics: new algorithm and multimodal biometric system | |
Canento et al. | Review and comparison of real time electrocardiogram segmentation algorithms for biometric applications | |
Chen et al. | Finger ECG-based authentication for healthcare data security using artificial neural network | |
KR101587874B1 (ko) | 단일 채널 심전도를 이용한 생체 인식 장치 및 그 방법 | |
KR102021491B1 (ko) | 사용자 인증을 위한 장치 및 방법 | |
KR101281852B1 (ko) | 뇌 신호를 이용한 생체 인증 장치 및 방법 | |
Manjunath et al. | Analysis of unimodal and multimodal biometric system using iris and fingerprint | |
Ivanciu et al. | A review of ECG based biometric systems | |
Hendrawan et al. | Identification of optimum segment in single channel EEG biometric system | |
Yeen et al. | Development of heartbeat based biometric system using wavelet transform | |
Canento et al. | On real time ECG segmentation algorithms for biometric applications | |
Sobabe et al. | Biometric system vulnerabilities: A typology of metadata |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |