CN106340096B - 一种基于指纹指静脉识别智能锁具的识别装置和方法 - Google Patents
一种基于指纹指静脉识别智能锁具的识别装置和方法 Download PDFInfo
- Publication number
- CN106340096B CN106340096B CN201610742367.XA CN201610742367A CN106340096B CN 106340096 B CN106340096 B CN 106340096B CN 201610742367 A CN201610742367 A CN 201610742367A CN 106340096 B CN106340096 B CN 106340096B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- heartbeat
- matching degree
- vein
- probability
- 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
Classifications
-
- 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
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
-
- 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
-
- 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
- G06V40/1365—Matching; Classification
-
- 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
- G06V40/14—Vascular patterns
-
- 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
- G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开一种基于指纹指静脉识别智能锁具的装置和方法,包括指纹识别模块:对指纹信息进行识别,检索出匹配概率最高的人员标识,并输出对应的指纹匹概率;指静脉识别模块:对指静脉信息进行识别,检索出匹配度最高的人员标识,并给出对应的指静脉匹配度;心跳识别模块:对心跳信息进行识别,检索出匹配度最高的人员标识,并给出对应的心跳匹配度;人员匹配判定模块:判断指纹识别、指静脉识别、心跳识别所匹配人员标识是否一致;如果指纹、指静脉、心跳所匹配的人员标识不一致,给出认证拒绝提示;如果指纹、指静脉、心跳所匹配的人员标识一致,进一步提交依据贝叶斯决策判定方法给出最终所匹配概率。
Description
技术领域
本发明涉及智能锁具和生物特征识别领域,具体地讲,涉及一种基于指纹指静脉识别智能锁具的识别装置和方法。
背景技术
目前利用手指部特征进行身份认证的方法主要有指纹和指静脉。两种方法各有特点。
指纹是千百年来形成的身份验证方法,通过指纹验证身份的观念已经深入人心,但是指纹识别存在一定的问题,主要表现在:1.)指纹的识别精度不够高,有一定比率的人群指纹特征不明显,不能够正确识别,比如女生的指纹较浅难以识别,常年劳作会导致指纹特征不明显;2.)指纹容易伪造。指纹是表面的非活体特征,容易被人获取,并通过打印高精度的***等方式进行伪造。为了解决这个问题,科研人员提出了种种办法来解决指纹的伪造问题,主要包括用超声波获取深层指纹等方式进行活体检测。
指静脉识别是近些年发展起来的一种生物特征识别方法,利用近红外线穿透手指后所得的静脉纹路影像来进行个人识别,是具有高精度、高速度的尖端的生物识别技术。指静脉识别是利用外部看不到的生物内部特征进行识别的技术,所以具有高防伪性。同时,由于其是利用身体内部特征来识别且必须是活体才可利用,比较与指纹之类的识别技术又跨进了一大步,指静脉必须是活体有流动的血液才能进行识别,是天然的活体识别特征。但是由于指静脉特征在手指的第二指节最为明显,第一指节,即通俗的指头肚部分指静脉特征则远不及第二指节明显,因此产品难以小型化。
发明内容
本发明要解决的技术问题是提供一种基于指纹指静脉识别智能锁具的识别装置和方法,将指纹和指静脉各自的优势相互补充,开发一种识别能力和防卫能力更强的复合生物特征识别装置的方法。
本发明采用如下技术方案实现发明目的:
一种基于指纹指静脉识别智能锁具的装置,包括,
指纹识别模块:对指纹信息进行识别,检索出匹配概率最高的人员标识,并输出对应的指纹匹概率;
其特征是:还包括,
指静脉识别模块:对指静脉信息进行识别,检索出匹配度最高的人员标识,并给出对应的指静脉匹配度;
心跳识别模块:对心跳信息进行识别,检索出匹配度最高的人员标识,并给出对应的心跳匹配度;
人员匹配判定模块:判断指纹识别、指静脉识别、心跳识别所匹配人员标识是否一致;如果指纹、指静脉、心跳所匹配的人员标识不一致,给出认证拒绝提示;如果指纹、指静脉、心跳所匹配的人员标识一致,进一步提交依据贝叶斯决策判定方法给出最终所匹配概率,如果匹配概率大于预先设定的开锁阈值,否则,给出认证拒绝提示。
作为对本技术方案的进一步限定,所述指纹识别模块通过指纹传感器扫描当前指纹,把指纹图像提交指纹识别***与智能锁具登记的合法用户指纹注册库比对,检索出匹配概率最高的人员标识,并输出对应的指纹匹概率;如果指纹图像不可用,匹配概率输出为0.5。
作为对本技术方案的进一步限定,所述指静脉识别模块通过指静脉传感器扫描当前指静脉,把指静脉图像传送到指静脉识别***与智能锁具登记的合法用户指静脉注册库比对,检索出匹配度最高的人员标识,并给出对应的指静脉匹配度;如果指静脉图像不可用,匹配概率输出为0.5。
作为对本技术方案的进一步限定,所述心跳识别模块通过心跳传感器把检测到的心跳脉动数据传送到心跳识别***与智能锁具登记的合法用户心跳注册库比对,检索出匹配度最高的人员标识,并给出对应的心跳匹配度;如果心跳检测模块未监测到心跳,心跳匹配度输出为0,给出认证拒绝提示。
作为对本技术方案的进一步限定,所述人员匹配判定模块的贝叶斯决策判定方法的具体过程为:设x为指纹匹配度,y为指静脉匹配度,z为心跳匹配度,P(x)为指纹匹配度出现概率,P(x|+)为指纹匹配度为x时匹配认证通过的概率,P(y)为指静脉匹配度出现概率,P(y|+)为指静脉匹配度为y时匹配认证通过的概率,P(z)为心跳匹配度出现概率,P(z|+)为心跳匹配度为z时匹配认证通过的概率,P(+)是匹配通过的先验概率,指纹匹配度为x、指静脉匹配度为y、心跳匹配度为z时的匹配通过的概率为P(+|xyz)=P(+)P(x|+)P(y|+)P(z|+)/(P(x)P(y)P(z));其中P(x)、P(y)、P(z)、P(x|+)、P(y|+)、P(z|+)、P(+)为已知数据,可事先根据实际数据统计得到。
本发明还公开了一种利用权利要求1基于指纹指静脉识别智能锁具装置的识别方法,其特征是,包括如下步骤:
(1)指纹识别模块进行指纹识别,并输出对应的指纹匹概率;
(2)指静脉识别模块进行指静脉识别,并输出对应的指静脉匹配度;
(3)心跳识别模块对心跳信息进行识别,并给出对应的心跳匹配度;
(4)人员匹配判定模块判断指纹识别、指静脉识别、心跳识别所匹配人员标识是否一致;如果指纹、指静脉、心跳所匹配的人员标识不一致,给出认证拒绝提示;如果指纹、指静脉、心跳所匹配的人员标识一致,进一步提交依据贝叶斯决策判定方法给出最终所匹配概率,如果匹配概率大于预先设定的开锁阈值,否则,给出认证拒绝提示。
作为对本技术方案的进一步限定,所述步骤(1)包括如下步骤:所述指纹识别模块通过指纹传感器扫描当前指纹,把指纹图像提交指纹识别***与智能锁具登记的合法用户指纹注册库比对,检索出匹配概率最高的人员标识,并输出对应的指纹匹概率;如果指纹图像不可用,匹配概率输出为0.5。
作为对本技术方案的进一步限定,所述步骤(2)包括如下步骤:所述指静脉识别模块通过指静脉传感器扫描当前指静脉,把指静脉图像传送到指静脉识别***与智能锁具登记的合法用户指静脉注册库比对,检索出匹配度最高的人员标识,并给出对应的指静脉匹配度;如果指静脉图像不可用,匹配概率输出为0.5。
作为对本技术方案的进一步限定,所述步骤(3)包括如下步骤:所述心跳识别模块通过心跳传感器把检测到的心跳脉动数据传送到心跳识别***与智能锁具登记的合法用户心跳注册库比对,检索出匹配度最高的人员标识,并给出对应的心跳匹配度;如果心跳检测模块未监测到心跳,心跳匹配度输出为0,给出认证拒绝提示。
作为对本技术方案的进一步限定,所述步骤(4)的贝叶斯决策判定方法的具体过程为:设x为指纹匹配度,y为指静脉匹配度,z为心跳匹配度,P(x)为指纹匹配度出现概率,P(x|+)为指纹匹配度为x时匹配认证通过的概率,P(y)为指静脉匹配度出现概率,P(y|+)为指静脉匹配度为y时匹配认证通过的概率,P(z)为心跳匹配度出现概率,P(z|+)为心跳匹配度为z时匹配认证通过的概率,P(+)是匹配通过的先验概率,指纹匹配度为x、指静脉匹配度为y、心跳匹配度为z时的匹配通过的概率为P(+|xyz)=P(+)P(x|+)P(y|+)P(z|+)/(P(x)P(y)P(z));其中P(x)、P(y)、P(z)、P(x|+)、P(y|+)、P(z|+)、P(+)为已知数据,可事先根据实际数据统计得到。
与现有技术相比,本发明的优点和积极效果是:本发明采用超声波检测,进行指纹的活体检测,进而进行指纹的识别,输出指纹特征的识别的隶属度作为身份识别的判据之一;基于近红外光照,提出针对第一指节的指静脉识别方法,输出指静脉的识别隶属度作为身份识别的依据之一。对第一指节采用特定波长的光照,进行反射、折射处理,获取心跳特征,作为活体检测的方式之一。同时,把心跳异常特征作为一种防欺诈的手段。方法中的指纹和指静脉识别采用软决策方式,根据两种识别方法分别输出识别的概率,进行数据融合处理,输出优化的判决结果。结合心跳检测,在心跳异常出现时,自适应调高识别的阈值,防止欺诈的发生。通过指纹、指静脉两种特征提高数据采集人群的覆盖率,当其中一种数据无法采集时,对应的匹配概率设为0.5,不影响另一种特征识别应用;利用心跳特征识别,可以防止非活体数据攻击,同时可作为弱辅助手段与前面两种特征融合,进一步提升识别准确性。
附图说明
图1为本发明的装置结构示意图。
图2为本发明的装饰结构的侧视图。
图3为本发明的原理方框图。
图中:1、指静脉传感器,2、指纹传感器,3、心跳传感器,4、红外辅助灯光,5、开关。
具体实施方式
下面结合附图,对本发明的一个具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
如图1-图3所示,本发明包括,
指纹识别模块:对指纹信息进行识别,检索出匹配概率最高的人员标识,并输出对应的指纹匹概率;
其特征是:还包括,
指静脉识别模块:对指静脉信息进行识别,检索出匹配度最高的人员标识,并给出对应的指静脉匹配度;
心跳识别模块:对心跳信息进行识别,检索出匹配度最高的人员标识,并给出对应的心跳匹配度;
人员匹配判定模块:判断指纹识别、指静脉识别、心跳识别所匹配人员标识是否一致;如果指纹、指静脉、心跳所匹配的人员标识不一致,给出认证拒绝提示;如果指纹、指静脉、心跳所匹配的人员标识一致,进一步提交依据贝叶斯决策判定方法给出最终所匹配概率,如果匹配概率大于预先设定的开锁阈值,否则,给出认证拒绝提示。
所述指纹识别模块通过指纹传感器扫描当前指纹,把指纹图像提交指纹识别***与智能锁具登记的合法用户指纹注册库比对,检索出匹配概率最高的人员标识,并输出对应的指纹匹概率;如果指纹图像不可用,匹配概率输出为0.5。
所述指静脉识别模块通过指静脉传感器扫描当前指静脉,把指静脉图像传送到指静脉识别***与智能锁具登记的合法用户指静脉注册库比对,检索出匹配度最高的人员标识,并给出对应的指静脉匹配度;如果指静脉图像不可用,匹配概率输出为0.5。
所述心跳识别模块通过心跳传感器把检测到的心跳脉动数据传送到心跳识别***与智能锁具登记的合法用户心跳注册库比对,检索出匹配度最高的人员标识,并给出对应的心跳匹配度;如果心跳检测模块未监测到心跳,心跳匹配度输出为0,给出认证拒绝提示。指纹传感器、指静脉传感器和心跳传感器都是采用现有的成熟产品,在此不再赘述。
所述人员匹配判定模块的贝叶斯决策判定方法的具体过程为:设x为指纹匹配度,y为指静脉匹配度,z为心跳匹配度,P(x)为指纹匹配度出现概率,P(x|+)为指纹匹配度为x时匹配认证通过的概率,P(y)为指静脉匹配度出现概率,P(y|+)为指静脉匹配度为y时匹配认证通过的概率,P(z)为心跳匹配度出现概率,P(z|+)为心跳匹配度为z时匹配认证通过的概率,P(+)是匹配通过的先验概率,指纹匹配度为x、指静脉匹配度为y、心跳匹配度为z时的匹配通过的概率为P(+|xyz)=P(+)P(x|+)P(y|+)P(z|+)/(P(x)P(y)P(z));其中P(x)、P(y)、P(z)、P(x|+)、P(y|+)、P(z|+)、P(+)为已知数据,可事先根据实际数据统计得到。
本发明还公开了一种利用权利要求1基于指纹指静脉识别智能锁具装置的识别方法,包括如下步骤:
(1)指纹识别模块进行指纹识别,并输出对应的指纹匹概率;手指第一指节放置在指纹传感器2上面轻轻按下,指纹传感器2压下开关启动激活识别***;
(2)指静脉识别模块进行指静脉识别,并输出对应的指静脉匹配度;
(3)心跳识别模块对心跳信息进行识别,并给出对应的心跳匹配度;
(4)人员匹配判定模块判断指纹识别、指静脉识别、心跳识别所匹配人员标识是否一致;如果指纹、指静脉、心跳所匹配的人员标识不一致,给出认证拒绝提示;如果指纹、指静脉、心跳所匹配的人员标识一致,进一步提交依据贝叶斯决策判定方法给出最终所匹配概率,如果匹配概率大于预先设定的开锁阈值,否则,给出认证拒绝提示。
所述步骤(1)包括如下步骤:所述指纹识别模块通过指纹传感器扫描当前指纹,把指纹图像提交指纹识别***与智能锁具登记的合法用户指纹注册库比对,检索出匹配概率最高的人员标识,并输出对应的指纹匹概率;如果指纹图像不可用,匹配概率输出为0.5。
所述步骤(2)包括如下步骤:所述指静脉识别模块通过指静脉传感器扫描当前指静脉,把指静脉图像传送到指静脉识别***与智能锁具登记的合法用户指静脉注册库比对,检索出匹配度最高的人员标识,并给出对应的指静脉匹配度;如果指静脉图像不可用,匹配概率输出为0.5。
所述步骤(3)包括如下步骤:所述心跳识别模块通过心跳传感器把检测到的心跳脉动数据传送到心跳识别***与智能锁具登记的合法用户心跳注册库比对,检索出匹配度最高的人员标识,并给出对应的心跳匹配度;如果心跳检测模块未监测到心跳,心跳匹配度输出为0,给出认证拒绝提示。
所述步骤(4)的贝叶斯决策判定方法的具体过程为:设x为指纹匹配度,y为指静脉匹配度,z为心跳匹配度,P(x)为指纹匹配度出现概率,P(x|+)为指纹匹配度为x时匹配认证通过的概率,P(y)为指静脉匹配度出现概率,P(y|+)为指静脉匹配度为y时匹配认证通过的概率,P(z)为心跳匹配度出现概率,P(z|+)为心跳匹配度为z时匹配认证通过的概率,P(+)是匹配通过的先验概率,指纹匹配度为x、指静脉匹配度为y、心跳匹配度为z时的匹配通过的概率为P(+|xyz)=P(+)P(x|+)P(y|+)P(z|+)/(P(x)P(y)P(z));其中P(x)、P(y)、P(z)、P(x|+)、P(y|+)、P(z|+)、P(+)为已知数据,可事先根据实际数据统计得到。
本发明指纹和指静脉的识别都集中的第一指关节,即手指肚的部分,进行身份识别。而不是对指纹进行第一指关节的识别,对指静脉进行全手指的识别。
Claims (8)
1.一种基于指纹指静脉识别智能锁具的装置,包括,
指纹识别模块:对指纹信息进行识别,检索出匹配概率最高的人员标识,并输出对应的指纹匹概率;
其特征是:还包括,
指静脉识别模块:对指静脉信息进行识别,检索出匹配度最高的人员标识,并给出对应的指静脉匹配度;
心跳识别模块:对心跳信息进行识别,检索出匹配度最高的人员标识,并给出对应的心跳匹配度;
人员匹配判定模块:判断指纹识别、指静脉识别、心跳识别所匹配人员标识是否一致;如果指纹、指静脉、心跳所匹配的人员标识不一致,给出认证拒绝提示;如果指纹、指静脉、心跳所匹配的人员标识一致,进一步提交依据贝叶斯决策判定方法给出最终所匹配概率,如果匹配概率大于预先设定的开锁阈值,否则,给出认证拒绝提示;
所述人员匹配判定模块的贝叶斯决策判定方法的具体过程为:设x为指纹匹配度,y为指静脉匹配度,z为心跳匹配度,P(x)为指纹匹配度出现概率,P(x|+)为指纹匹配度为x时匹配认证通过的概率,P(y)为指静脉匹配度出现概率,P(y|+)为指静脉匹配度为y时匹配认证通过的概率,P(z)为心跳匹配度出现概率,P(z|+)为心跳匹配度为z时匹配认证通过的概率,P(+)是匹配通过的先验概率,指纹匹配度为x、指静脉匹配度为y、心跳匹配度为z时的匹配通过的概率为P(+|xyz)=P(+)P(x|+)P(y|+)P(z|+)/(P(x)P(y)P(z));其中P(x)、P(y)、P(z)、P(x|+)、P(y|+)、P(z|+)、P(+)为已知数据,可事先根据实际数据统计得到。
2.根据权利要求1所述的基于指纹指静脉识别智能锁具的装置,其特征是:所述指纹识别模块通过指纹传感器扫描当前指纹,把指纹图像提交指纹识别***与智能锁具登记的合法用户指纹注册库比对,检索出匹配概率最高的人员标识,并输出对应的指纹匹概率;如果指纹图像不可用,匹配概率输出为0.5。
3.根据权利要求1所述的基于指纹指静脉识别智能锁具的装置,其特征是:所述指静脉识别模块通过指静脉传感器扫描当前指静脉,把指静脉图像传送到指静脉识别***与智能锁具登记的合法用户指静脉注册库比对,检索出匹配度最高的人员标识,并给出对应的指静脉匹配度;如果指静脉图像不可用,匹配概率输出为0.5。
4.根据权利要求1所述的基于指纹指静脉识别智能锁具的装置,其特征是:所述心跳识别模块通过心跳传感器把检测到的心跳脉动数据传送到心跳识别***与智能锁具登记的合法用户心跳注册库比对,检索出匹配度最高的人员标识,并给出对应的心跳匹配度;如果心跳检测模块未监测到心跳,心跳匹配度输出为0,给出认证拒绝提示。
5.一种利用权利要求1基于指纹指静脉识别智能锁具装置的识别方法,其特征是,包括如下步骤:
(1)指纹识别模块进行指纹识别,并输出对应的指纹匹概率;
(2)指静脉识别模块进行指静脉识别,并输出对应的指静脉匹配度;
(3)心跳识别模块对心跳信息进行识别,并给出对应的心跳匹配度;
(4)人员匹配判定模块判断指纹识别、指静脉识别、心跳识别所匹配人员标识是否一致;如果指纹、指静脉、心跳所匹配的人员标识不一致,给出认证拒绝提示;如果指纹、指静脉、心跳所匹配的人员标识一致,进一步提交依据贝叶斯决策判定方法给出最终所匹配概率,如果匹配概率大于预先设定的开锁阈值,否则,给出认证拒绝提示;
所述步骤(4)的贝叶斯决策判定方法的具体过程为:设x为指纹匹配度,y为指静脉匹配度,z为心跳匹配度,P(x)为指纹匹配度出现概率,P(x|+)为指纹匹配度为x时匹配认证通过的概率,P(y)为指静脉匹配度出现概率,P(y|+)为指静脉匹配度为y时匹配认证通过的概率,P(z)为心跳匹配度出现概率,P(z|+)为心跳匹配度为z时匹配认证通过的概率,P(+)是匹配通过的先验概率,指纹匹配度为x、指静脉匹配度为y、心跳匹配度为z时的匹配通过的概率为P(+|xyz)=P(+)P(x|+)P(y|+)P(z|+)/(P(x)P(y)P(z));其中P(x)、P(y)、P(z)、P(x|+)、P(y|+)、P(z|+)、P(+)为已知数据,可事先根据实际数据统计得到。
6.根据权利要求5所述的基于指纹指静脉识别智能锁具的识别方法,其特征是,所述步骤(1)包括如下步骤:所述指纹识别模块通过指纹传感器扫描当前指纹,把指纹图像提交指纹识别***与智能锁具登记的合法用户指纹注册库比对,检索出匹配概率最高的人员标识,并输出对应的指纹匹概率;如果指纹图像不可用,匹配概率输出为0.5。
7.根据权利要求5所述的基于指纹指静脉识别智能锁具的识别方法,其特征是,所述步骤(2)包括如下步骤:所述指静脉识别模块通过指静脉传感器扫描当前指静脉,把指静脉图像传送到指静脉识别***与智能锁具登记的合法用户指静脉注册库比对,检索出匹配度最高的人员标识,并给出对应的指静脉匹配度;如果指静脉图像不可用,匹配概率输出为0.5。
8.根据权利要求5所述的基于指纹指静脉识别智能锁具的识别方法,其特征是,所述步骤(3)包括如下步骤:所述心跳识别模块通过心跳传感器把检测到的心跳脉动数据传送到心跳识别***与智能锁具登记的合法用户心跳注册库比对,检索出匹配度最高的人员标识,并给出对应的心跳匹配度;如果心跳检测模块未监测到心跳,心跳匹配度输出为0,给出认证拒绝提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610742367.XA CN106340096B (zh) | 2016-08-29 | 2016-08-29 | 一种基于指纹指静脉识别智能锁具的识别装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610742367.XA CN106340096B (zh) | 2016-08-29 | 2016-08-29 | 一种基于指纹指静脉识别智能锁具的识别装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106340096A CN106340096A (zh) | 2017-01-18 |
CN106340096B true CN106340096B (zh) | 2018-06-26 |
Family
ID=57822608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610742367.XA Active CN106340096B (zh) | 2016-08-29 | 2016-08-29 | 一种基于指纹指静脉识别智能锁具的识别装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106340096B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200151480A1 (en) * | 2017-08-01 | 2020-05-14 | Nanjing Easthouse Information Technology Co., Ltd. | Finger vein sensors |
CN109033931A (zh) * | 2018-05-12 | 2018-12-18 | 广东可穿戴数字技术有限公司 | 一种基于指纹和心电双重身份确认的*** |
CN110472485A (zh) * | 2019-07-03 | 2019-11-19 | 华为技术有限公司 | 识别身份的方法和装置 |
CN111415442A (zh) * | 2020-03-16 | 2020-07-14 | 恒玄科技(上海)股份有限公司 | 一种门禁控制方法、电子设备及存储介质 |
CN112990225B (zh) * | 2021-05-17 | 2021-08-27 | 深圳市维度数据科技股份有限公司 | 一种复杂环境下的图像目标识别方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002033664A1 (en) * | 2000-10-16 | 2002-04-25 | Italdata Ingegneria Dell'idea S.P.A. | Peripheral device for acquiring biometric and personal data, particularly for preparing recognition documents |
CN1932840A (zh) * | 2005-09-16 | 2007-03-21 | 中国科学技术大学 | 基于虹膜和人脸的多模态生物特征身份识别*** |
CN102542258A (zh) * | 2011-12-16 | 2012-07-04 | 天津理工大学 | 基于手指生物特征信息的成像设备及多模态身份识别方法 |
CN103634118A (zh) * | 2013-12-12 | 2014-03-12 | 山东神思电子技术股份有限公司 | 基于证卡和复合生物特征识别的生存认证方法 |
CN104599366A (zh) * | 2014-12-31 | 2015-05-06 | 苏州福丰科技有限公司 | 一种适用于保险柜的人脸识别装置及识别方法 |
CN105303661A (zh) * | 2015-11-10 | 2016-02-03 | 成都智慧数联信息技术有限公司 | 基于指纹和指静脉识别的智慧社区***及方法 |
-
2016
- 2016-08-29 CN CN201610742367.XA patent/CN106340096B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002033664A1 (en) * | 2000-10-16 | 2002-04-25 | Italdata Ingegneria Dell'idea S.P.A. | Peripheral device for acquiring biometric and personal data, particularly for preparing recognition documents |
CN1932840A (zh) * | 2005-09-16 | 2007-03-21 | 中国科学技术大学 | 基于虹膜和人脸的多模态生物特征身份识别*** |
CN102542258A (zh) * | 2011-12-16 | 2012-07-04 | 天津理工大学 | 基于手指生物特征信息的成像设备及多模态身份识别方法 |
CN103634118A (zh) * | 2013-12-12 | 2014-03-12 | 山东神思电子技术股份有限公司 | 基于证卡和复合生物特征识别的生存认证方法 |
CN104599366A (zh) * | 2014-12-31 | 2015-05-06 | 苏州福丰科技有限公司 | 一种适用于保险柜的人脸识别装置及识别方法 |
CN105303661A (zh) * | 2015-11-10 | 2016-02-03 | 成都智慧数联信息技术有限公司 | 基于指纹和指静脉识别的智慧社区***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106340096A (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106340096B (zh) | 一种基于指纹指静脉识别智能锁具的识别装置和方法 | |
JP4748199B2 (ja) | 静脈撮像装置および静脈撮像方法 | |
CN104239869B (zh) | 一种智能指纹识别装置及方法 | |
Jain et al. | Guidelines for best practices in biometrics research | |
CN109858316A (zh) | 用于生物计量识别的***和方法 | |
CN106411952B (zh) | 一种隔空动态手势用户身份认证方法及装置 | |
CN105760841A (zh) | 一种身份识别方法及*** | |
CN106473751B (zh) | 基于阵列式超声传感器的手掌血管成像与识别装置及其成像方法 | |
CN108446633A (zh) | 一种新型指纹自动防伪与活体检测的方法、***及装置 | |
Iula et al. | 3-D ultrasound palmprint recognition system based on principal lines extracted at several under skin depths | |
Tiwari et al. | A review of advancements in biometric systems | |
Traore et al. | State of the art and perspectives on traditional and emerging biometrics: A survey | |
CN109496308A (zh) | 生物特征识别的方法、装置和电子设备 | |
Manjunathswamy et al. | Multimodal biometric authentication using ECG and fingerprint | |
Sinha et al. | Detecting fake iris in iris bio-metric system | |
Chowdhury | Revolution in authentication process by using biometrics | |
Latha et al. | A novel method for person authentication using retinal images | |
Al-Sidani et al. | Biometrie identification using photoplethysmography signal | |
Wang et al. | Local SIFT analysis for hand vein pattern verification | |
Li et al. | Hand-based multimodal biometric fusion: A review | |
Khan et al. | Fast and efficient iris segmentation approach based on morphology and geometry operation | |
Manjunath et al. | Analysis of unimodal and multimodal biometric system using iris and fingerprint | |
Sobabe et al. | Biometric system vulnerabilities: A typology of metadata | |
Gupta | Advances in multi modal biometric systems: a brief review | |
Ortiz-Lopez et al. | Predicting iris vulnerability to direct attacks based on quality related features |
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 |