CN107092879B - 利用近红外吸收监测指纹识别技术的方法 - Google Patents

Abstract

本发明公开了利用近红外吸收监测指纹识别技术的方法。基于红外吸收特性，通过测量波长范围内俘获截面的光吸收度以进行曲线拟合和最小二乘法分析拟合出数据的最佳函数匹配，利用最优表达式求出极值等相干特性并加以数学分析。通过对比数据库成分，实现了对活体身份的验证。由于真皮层浅部血管网薄且含血量大的生理结构特性和血红蛋白以及细胞色素在特定近红外区的吸收特性，其无法被其他材料仿制，具有防伪性和不可复制性。同时随着近红外线光谱测定技术日趋成熟，傅里叶变换红外光谱仪、光栅扫描仪等仪器都可满足相关技术要求。该方法在保证效率的同时将大大增强身份识别的准确性，加强了信息安全，实现强了信息安全，实现了对信息的双重检测。

Description

利用近红外吸收监测指纹识别技术的方法

技术领域

本发明涉及利用近红外吸收监测指纹识别技术的方法，属于信息安全技术领域。

背景技术

在高度信息化的现代社会，随着通信、网络、金融技术的高速发展，信息安全显示出前所未有的重要性。在日常生活以及司法、金融、安检、电子商务等诸多场合都需要更加可靠、稳定、不易伪造的识别技术。近年来随着科学技术与计算机的发展，一些生物特征识别技术如人脸识别、指纹识别、虹膜识别都得了普及，其中指纹识别以终身不变性、唯一性与便利性成为了目前应用最广泛的个人身份认证方法。然而，现阶段指纹识别技术仍然存在着巨大的安全隐患。其无法识别待提取特征的本体身份，缺乏对信息图像转化过程的实时监控，加之指纹裸露体表的特性，导致信息易被复制窃取。

1977年，Kaiser和Jobsis首次报告了血红蛋白和细胞色素在特定近红外区的吸收特性，并发现氧合血红蛋白和脱氧血红蛋白在760和850nm处有两处吸收峰，通过实验计量记录了红外光谱图数据。本发明以此为技术背景，并利用曲线拟合分析提取特征，通过验证活体身份以监测指纹识别技术。

发明内容

针对背景技术的不足，本发明提供了利用近红外吸收监测指纹识别技术的方法，以提高防伪性，增加识别精确度。技术方案主要步骤如下：

针对背景技术的不足，本发明提供了利用近红外吸收监测指纹识别技术的方法，以提高防伪性，增加识别精确度。技术方案主要步骤如下：

针对背景技术的不足，本发明提供了利用近红外吸收监测指纹识别技术的方法，以提高防伪性，增加识别精确度。技术方案主要步骤如下：

步骤1)参数初始化；

步骤2)进行有效区域估计，去除图像边缘和灰度变化不大的部分，将指纹图像划分成n×n(8≤n≤20)的方格，n表示划分格数；计算每块方格区间的灰度均值与方差，若二者满足条件，当前方格被定义为有效方格；连接所有有效方格并进行后处理得到指纹有效区域，记录长度l，l表示区域较短边长的长度；同时，将指纹有效区域范围信息传递给光纤探头，红外发射器自动调节发射角度以确保发射光进入有效区域；

步骤3)

(3-1)选定波长范围[400,1000]nm，控制光穿透厚度达到与指纹接触面相距范围在b*(0.3±0.05mm)内以确保上确界进入真皮层，用b记为光实际穿透厚度；(3-2)入射光穿过真皮层介质，则

S＝db·l

-dI_x＝k·I_x

S表示介质截面，db表示对b取微分，-dI_x表示吸收的光强度，其中I_x表示辐射在介质截面S上的光强度，k表示光量子在与物质分子碰撞时被俘获的概率；a为任一分子存在有对光量子的俘获截面，则总俘获面积即有效面积为a·N，这里N为介质截面S中的分子数，故k＝a·N/S

N＝N_A·c·10^-3·S·db

N_A为阿伏伽德罗常数，c表示物质的量浓度，单位为mol/L，故

-dI_x＝k·I_x＝(a·N_A·c·10^-3·S·I_x/S)·db＝(a·N_A·c·I_x/1000)·db

两边取积分

有

ln(I₀/I)＝a·N_A·c·b/1000

其中，I₀，I分别表示入射光强度与出射光强度；

两边取以lg为底的对数

lg(I₀/I)＝a·N_A·c·b/(2.303×10^-3)＝2.64×10²⁰a·c·b

吸收度K＝lg(I₀/I)，2.64×10²⁰a为摩尔吸收系数ε，则有

K＝εbc

(3-3)在选定可见光与近红外线波长[400,1000]nm范围内，测得λ_i对应吸收度离散值K_i(i＝1，2，...，600)，其中下标i表示将区间均匀划分成600等份，λ_i表示在波长区间内下标i所对应的波长值，选定不同的波长进行测量，得到一组离散数据；

步骤4)

(4-1)用曲线拟合比拟吸收度离散值K_i与λ_i间的函数关系，计算机通过最小二乘法进行分析，并利用最小化误差的平方和寻找数据的最佳函数匹配，设函数为f，即

K₁＝f(λ₁,λ₂,...,λ_T)

K₂＝f(λ₁,λ₂,...,λ_T)

K₃＝f(λ₁,λ₂,...,λ_T)

K₄＝f(λ₁,λ₂,...,λ_T)

...

K_T＝f(λ₁,λ₂,...,λ_T)

其中T表示测量组数，要求T不小于100；

若λ_j为真值，由上述已知函数求出真值y_j，若其测量值为y_j ^*，则对应误差为σ_j＝y_j-y_j ^*(j＝1，2，...，n)，利用最小二乘法

得出最小误差的平方和，其中P_j表示各测量值的权重因子，利用最小误差的平方和拟合出最优函数表达式f(λ)；

(4-2)根据表达式求其极大值点以及相干特性并进行最大似然估计数学分析，通过对比数据库成分确定是否为手指内血液。

有益效果

(1)利用了手指真皮层浅部血管网薄且含血量大的生理结构，通过识别血管网的存在，有效认证手指的活体身份。

(2)准确排除假体身份，如目前市面上的指纹照片，***，指纹干扰仪等。因测量区厚度级别为0.1mm，且规定了上确界与下确界，使人皮内部特性无法被其他材料仿制。

(3)目前近红外线光谱测定技术日趋成熟，傅里叶变换红外光谱仪、光栅扫描仪等都可成像，通过计算机实现对吸收度的测定，结合指纹识别成像，有效实现对身份的双重检验。

(4)应用广泛，前景可观，适用于日常生活以及司法、金融、安检、电子商务等诸多领域。

附图说明

图1是光的透射示意图；

图2是波长与吸收度理论函数；

图3是近红外吸收监测指纹识别的建模流程图。

具体实施方式

以下结合附图具体说明本发明技术方案。

一种利用近红外吸收监测指纹识别技术的方法，包含以下步骤：

步骤1)参数初始化；

步骤2)

进行有效区域估计，去除图像边缘和灰度变化不大的部分，将指纹图像划分成n×n(8≤n≤20)的方格，n表示划分格数；计算每块方格区间的灰度均值与方差，若二者满足条件，当前方格被定义为有效方格；连接所有有效方格并进行后处理得到指纹有效区域，记录长度l，l表示区域较短边长的长度；同时，将指纹有效区域范围信息传递给光纤探头，红外发射器自动调节发射角度以确保发射光进入有效区域；

步骤3)(3-1)选定波长范围[400,1000]nm，控制光穿透厚度达到与指纹接触面相距范围在b*(0.3±0.05mm)内以确保上确界进入真皮层，用b记为光实际穿透厚度；

(3-2)入射光穿过真皮层介质，则

S＝db·l

-dI_x＝k·I_x

S表示介质截面，db表示对b取微分，-dI_x表示吸收的光强度，其中I_x表示辐射在介质截面S上的光强度，k表示光量子在与物质分子碰撞时被俘获的概率；a为任一分子存在有对光量子的俘获截面，则总俘获面积即有效面积为a·N，这里N为介质截面S中的分子数，故k＝a·N/S

N＝N_A·c·10^-3·S·db

N_A为阿伏伽德罗常数，c表示物质的量浓度，单位为mol/L，故

-dI_x＝k·I_x＝(a·N_A·c·10^-3·S·I_x/S)·db＝(a·N_A·c·I_x/1000)·db

两边取积分

有

ln(I₀/I)＝a·N_A·c·b/1000

其中，I₀，I分别表示入射光强度与出射光强度；

两边取以lg为底的对数

lg(I₀/I)＝a·N_A·c·b/(2.303×10^-3)＝2.64×10²⁰a·c·b

吸收度K＝lg(I₀/I)，2.64×10²⁰a为摩尔吸收系数ε，则有

K＝εbc

(3-3)在选定可见光与近红外线波长[400,1000]nm范围内，测得λ_i对应吸收度离散值K_i(i＝1，2，...，600)，其中下标i表示将区间均匀划分成600等份，λ_i表示在波长区间内下标i所对应的波长值，选定不同的波长进行测量，得到一组离散数据；

步骤4)

(4-1)用曲线拟合比拟吸收度离散值K_i与λ_i间的函数关系，计算机通过最小二乘法进行分析，并利用最小化误差的平方和寻找数据的最佳函数匹配，设函数为f，即

K₁＝f(λ₁,λ₂,...,λ_T)

K₂＝f(λ₁,λ₂,...,λ_T)

K₃＝f(λ₁,λ₂,...,λ_T)

K₄＝f(λ₁,λ₂,...,λ_T)

...

K_T＝f(λ₁,λ₂,...,λ_T)

其中T表示测量组数，要求T不小于100；

若λ_j为真值，由上述已知函数求出真值y_j，若其测量值为y_j ^*，则对应误差为σ_j＝y_j-y_j ^*(j＝1，2，...，n)，利用最小二乘法

得出最小误差的平方和，其中P_j表示各测量值的权重因子，利用最小误差的平方和拟合出最优函数表达式f(λ)；

(4-2)根据表达式求其极大值点以及相干特性并进行最大似然估计数学分析，通过对比数据库成分确定是否为手指内血液。

Claims (1)

1.利用近红外吸收监测指纹识别技术的方法，其特征在于，包括如下步骤：

步骤1)参数初始化；

步骤2)进行有效区域估计，去除图像边缘和灰度变化不大的部分，将指纹图像划分成n×n，8≤n≤20的方格，n表示划分格数；计算每块方格区间的灰度均值与方差，若二者满足条件，当前方格被定义为有效方格；连接所有有效方格并进行后处理得到指纹有效区域，记录长度l，l表示区域较短边长的长度；同时，将指纹有效区域范围信息传递给光纤探头，红外发射器自动调节发射角度以确保发射光进入有效区域；

步骤3)

(3-1)选定波长范围[400,1000]nm，控制光穿透厚度达到与指纹接触面相距范围b*即数值在0.3±0.05mm内，以确保上确界进入真皮层；用b记为光实际穿透厚度；

(3-2)入射光穿过真皮层介质，则

S＝db·l

-dI_x＝k·I_x

S表示介质截面，db表示对b取微分，-dI_x表示吸收的光强度，其中I_x表示辐射在介质截面S上的光强度，k表示光量子在与物质分子碰撞时被俘获的概率；a为任一分子存在有对光量子的俘获截面，则总俘获面积即有效面积为a·N，这里N为介质截面S中的分子数，故

k＝a·N/S

N＝N_A·c·10^-3·S·db

N_A为阿伏伽德罗常数，c表示物质的量浓度，单位为mol/L，故

-dI_x＝k·I_x＝(a·N_A·c·10^-3·S·I_x/S)·db＝(a·N_A·c·I_x/1000)·db

两边取积分

有

ln(I₀/I)＝a·N_A·c·b/1000

其中，I₀，I分别表示入射光强度与出射光强度；

两边取以lg为底的对数

lg(I₀/I)＝a·N_A·c·b/(2.303×10^-3)＝2.64×10²⁰a·c·b

吸收度K＝lg(I₀/I)，2.64×10²⁰a为摩尔吸收系数ε，则有

K＝εbc

(3-3)在选定可见光与近红外线波长[400,1000]nm范围内，测得λ_i对应吸收度离散值K_i，i＝1，2，...，600，其中下标i表示将区间均匀划分成600等份，λ_i表示在波长区间内下标i所对应的波长值，选定不同的波长进行测量，得到一组离散数据；

步骤4：

(4-1)用曲线拟合比拟吸收度离散值K_i与λ_i间的函数关系，计算机通过最小二乘法进行分析，并利用最小化误差的平方和寻找数据的最佳函数匹配，设函数为f，即

K₁＝f(λ₁,λ₂,...,λ_T)

K₂＝f(λ₁,λ₂,...,λ_T)

K₃＝f(λ₁,λ₂,...,λ_T)

K₄＝f(λ₁,λ₂,...,λ_T)

...

K_T＝f(λ₁,λ₂,...,λ_T)

其中T表示测量组数，要求T不小于100；

若λ_j为真值，由上述已知函数求出真值y_j，若其测量值为y_j ^*，则对应误差为σ_j＝y_j-y_j ^*j＝1，2，...，n，利用最小二乘法

得出最小误差的平方和，其中P_j表示各测量值的权重因子，利用最小误差的平方和拟合出最优函数表达式f(λ)；

(4-2)根据表达式求其极大值点以及相干特性并进行最大似然估计数学分析，通过对比数据库成分确定是否为手指内血液。

Images