CN108563937B - 一种基于静脉的身份认证方法及手环 - Google Patents
一种基于静脉的身份认证方法及手环 Download PDFInfo
- Publication number
- CN108563937B CN108563937B CN201810359301.1A CN201810359301A CN108563937B CN 108563937 B CN108563937 B CN 108563937B CN 201810359301 A CN201810359301 A CN 201810359301A CN 108563937 B CN108563937 B CN 108563937B
- Authority
- CN
- China
- Prior art keywords
- vein feature
- vein
- bracelet
- judging whether
- feature vector
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/34—User authentication involving the use of external additional devices, e.g. dongles or smart cards
- G06F21/35—User authentication involving the use of external additional devices, e.g. dongles or smart cards communicating wirelessly
-
- 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
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
本发明提供一种基于静脉的身份认证方法及手环,采用动态视觉传感器采集静脉特征,所述动态视觉传感器为线阵动态视觉传感器;所述静脉特征采集器包括两个所述线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,通过动态视觉传感器采集的图像只包含静脉的特征等有效信息,不包含冗余的皮肤等无效的背景信息,在接收到所述静脉特征图像后,相比于基于普通视觉传感器的深度学习算法,只需要很少的层就可以实现静脉特征向量的计算,可以极大程度上减小图像处理的计算量,降低功耗,适合集成,同时识别效果良好。
Description
技术领域
本发明涉及身份智能识别技术领域,尤其涉及一种基于静脉的身份认证方法及手环。
背景技术
医学研究证明,静脉的形状具有唯一性和稳定性。静脉识别***因为有活体识别、内部特征和非接触式三个方面的特征,确保了使用者的静脉特征很难被伪造,在高度安全和实用便捷上远胜指纹、虹膜、面部等识别技术,因此,基于静脉的身份认证特别适合于安全要求高的场所使用,特别是腕式的静脉身份认证***。
现有的基于静脉的腕式身份认证***通常都是先通过图像传感器采集固定位置的静脉图像,然后通过图像处理模块对采集的静脉图像进行处理,去除静脉图像背景,提取有用的静脉特征图像,基于静脉特征图像获取静脉特征向量,最后将获取的静脉特征向量与预存的静脉特征向量进行对比,若相同,则认证通过,否则,认证失败。
然而,现有的基于静脉的腕式身份认证***具有如下缺陷:第一,其使用的是普通的图像传感器,普通的图像传感器对光线要求比较严格,在强光或暗光条件下,识别效果很差。并且,在获取图像过程中,如果手环出现移动,获取的图像将会很模糊;第二,由于采集的是包含背景的静脉图像,所采集的图像具有高度冗余数据,图像处理模块需要复杂地去除背景、提取静脉特征图像地计算,计算过程复杂,数据处理量大,需要大量的计算资源。
发明内容
本发明所要解决的技术问题是:提供一种计算量小、识别效果好的基于静脉的身份认证方法及装置。
为了解决上述技术问题,本发明采用的一种技术方案为:
一种基于静脉的身份认证方法,包括步骤:
S1、接收设置于手环上的触摸传感器发送的身份认证请求,根据所述身份认证请求,开始计时;
S2、接收手环在转动过程中设置于手环内壁的静脉特征采集器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第一静脉特征向量,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,所述线阵动态视觉传感器由多个动态视觉像素点排列成一条直线而成;
S3、在预存的静脉特征向量集中检索是否有与所述第一静脉特征向量匹配的第二特征向量,若是,则身份认证成功,若否,则身份认证错误,并判断是否超时,若否,则返回步骤S2。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种基于静脉的身份认证手环,包括触摸传感器,还包括:
静脉特征采集器,所述静脉特征采集器设置于所述手环内壁,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列;
存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、接收所述触摸传感器发送的身份认证请求,根据所述身份认证请求,开始计时;
S2、接收手环在转动过程中所述静脉特征采集器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第一静脉特征向量,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,所述线阵动态视觉传感器由多个动态视觉像素点排列成一条直线而成;
S3、在预存的静脉特征向量集中检索是否有与所述第一静脉特征向量匹配的第二特征向量,若是,则身份认证成功,若否,则身份认证错误,并判断是否超时,若否,则返回步骤S2。
本发明的有益效果在于:采用动态视觉传感器采集静脉特征,所述动态视觉传感器为线阵动态视觉传感器;所述静脉特征采集器包括两个所述线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,由于动态视觉传感器是基于拍摄区域的变化而成像的工作原理,其没有传统传感器的问题,对光线要求很低,在很低或者很亮的光线条件下都可以很好的工作,其是通过光强的变化产生异步的事件向量,经过简单的变换产生数字化的静脉分布特征图,所采集的图像只包含静脉的特征等有效信息,不包含冗余的皮肤等无效的背景信息,在接收到所述静脉特征图像后,相比于基于普通视觉传感器的深度学习算法,只需要很少的层就可以实现静脉特征向量的计算,可以极大程度上减小图像处理的计算量,降低功耗,适合集成,同时识别效果良好。
附图说明
图1为本发明实施例的一种基于静脉的身份认证方法的流程图;
图2为本发明实施例的一种基于静脉的身份认证手环的结构示意图;
图3为本发明实施例的一种基于静脉的身份认证手环的动态视觉传感器的结构示意图;
图4为本发明实施例的采集预存静脉特征向量的流程图;
图5为本发明实施例的进行连续身份认证的流程图;
标号说明:
1、一种基于静脉的身份认证手环;2、触摸传感器;3、静脉特征采集器;4、处理器;5、存储器;6、动态视觉传感器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:采用动态视觉传感器采集静脉特征图像,所述动态视觉传感器为线阵动态视觉传感器;所述静脉特征采集器包括两个所述线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,根据采集到的静脉特征图像,采用深度学习算法获得对应的静脉特征向量。
请参照图1,一种基于静脉的身份认证方法,包括步骤:
S1、接收设置于手环上的触摸传感器发送的身份认证请求,根据所述身份认证请求,开始计时;
S2、接收手环在转动过程中设置于手环内壁的静脉特征采集器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第一静脉特征向量,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,所述线阵动态视觉传感器由多个动态视觉像素点排列成一条直线而成;
S3、在预存的静脉特征向量集中检索是否有与所述第一静脉特征向量匹配的第二特征向量,若是,则身份认证成功,若否,则身份认证错误,并判断是否超时,若否,则返回步骤S2。
从上述描述可知,本发明的有益效果在于:采用动态视觉传感器采集静脉特征,所述动态视觉传感器为线阵动态视觉传感器;所述静脉特征采集器包括两个所述线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,由于动态视觉传感器是基于拍摄区域的变化而成像的工作原理,其没有传统传感器的问题,对光线要求很低,在很低或者很亮的光线条件下都可以很好的工作,其是通过光强的变化产生异步的事件向量,经过简单的变换产生数字化的静脉分布特征图,所采集的图像只包含静脉的特征等有效信息,不包含冗余的皮肤等无效的背景信息,在接收到所述静脉特征图像后,相比于基于普通视觉传感器的深度学习算法,只需要很少的层就可以实现静脉特征向量的计算,可以极大程度上减小图像处理的计算量,降低功耗,适合集成,同时识别效果良好。
进一步的,所述步骤S1之前还包括采集预存静脉特征向量步骤:
S0、判断手环是否初次使用,若是,则执行步骤S01,否则,执行步骤S02;
S01、接收手环沿手臂方向移动过程中所述动态视觉传感器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第三静脉特征向量,将所述第三静脉特征向量存入所述静脉特征向量集,并结束采集预存静脉特征向量步骤;
S02、判断是否开启日常静脉特征向量采集功能,若是,执行步骤S021,否则,结束采集预存静脉特征向量步骤;
S021、判断所述静脉特征向量集中的静脉特征向量数是否不小于第一预设值,若否,则执行步骤S022,否则,结束采集预存静脉特征向量步骤;
S022、判断所述手环的电量是否高于第二预设值,若是,则执行步骤S023,否则,返回步骤S021;
S023、接收手环沿手臂方向移动过程中所述动态视觉传感器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第四静脉特征向量,将所述第四静脉特征向量存入所述静脉特征向量集,并返回步骤S021。
由上述描述可知,通过多种途径进行预存静脉特征向量的采集实现预存静脉特征向量的本地存储,不仅提高了预存静脉特征向量采集的灵活性,而且能够保证预存足够多的静脉特征向量,实现更快速更安全的身份认证。
进一步的,所述步骤S1和步骤S2之间还包括步骤:
S11、判断所述手环转动的角度是否大于一预设角度,若是,则执行步骤S2,否则,判断是否超时,若否,返回步骤S11,否则,身份认证失败。
由上述描述可知,进行预存的静脉特征向量的采集时接收的是沿手臂方向移动手环后动态视觉传感器发送的静脉特征图像,在进行身份认证时,接收的是手环转动后动态视觉传感器发送的静脉特征图像,因此,手环转动的角度需要保证静脉特征采集器会经过预存的静脉特征向量所对应的手腕区域,这样才有足够的信息来进行是否是正确身份的判断,比如如果静脉特征采集器个数为1个,则要转过超过一圈,如果静脉特征采集器沿手环内壁周向均匀分布个数为6个,则要转过超过60度,也就是说若静脉特征采集器个数为N,则手环转过的角度必须超过360°/N才能保证有足够的信息来进行是否是正确身份的判断,从而保证所述身份认证的有效性,因此,在手环转动的角度大于预设值时才进行后续的接收提取操作,不仅降低了计算,而且保证了每次身份认证的有效性。
进一步的,所述步骤S3中身份认证成功后,还包括登记认证成功的身份信息;
所述步骤S3之后还包括步骤:
S411、判断是否接收到蓝牙或NFC的身份认证请求,或者手环是否转动或被连续敲击两下,若是,则开始计时;
S412、判断是否登记有认证成功的身份信息,若是,则发送认证成功的身份信息给所述蓝牙或NFC;
S413、判断是否接收到蓝牙或NFC的有效回复信息,若是,则完成身份认证,否则,判断是否超时,若否,则返回步骤S412。
由上述描述可知,在身份认证成功后,对认证成功的身份信息进行登记,可以实现连续的身份认证,使用更加方便。
进一步的,所述步骤S3之后还包括步骤:
S421、判断手环是否移动,若是,则启动设于手环上的接近传感器;
S422、接收所述接近传感器发送的数据,根据所述数据判断手环是否被取下,若是,则清除登记的认证成功的身份信息。
由上述描述可知,当感应到手环被取下时,对保存的认证成功的身份信息进行清除,可以提高身份认证的安全性。
请参照图2,一种基于静脉的身份认证手环,包括触摸传感器,还包括:
静脉特征采集器,所述静脉特征采集器设置于所述手环内壁,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,所述线阵动态视觉传感器由多个动态视觉像素点排列成一条直线而成;
存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、接收所述触摸传感器发送的身份认证请求,根据所述身份认证请求,开始计时;
S2、接收手环在转动过程中所述静脉特征采集器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第一静脉特征向量,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列;
S3、在预存的静脉特征向量集中检索是否有与所述第一静脉特征向量匹配的第二特征向量,若是,则身份认证成功,若否,判断是否超时,若否,则身份认证错误,并判断是否超时,若否,则返回步骤S2。
从上述描述可知,本发明的有益效果在于:采用动态视觉传感器采集静脉特征,所述动态视觉传感器为线阵动态视觉传感器;所述静脉特征采集器包括两个所述线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,由于动态视觉传感器是基于拍摄区域的变化而成像的工作原理,其没有传统传感器的问题,对光线要求很低,在很低或者很亮的光线条件下都可以很好的工作,其是通过光强的变化产生异步的事件向量,经过简单的变换产生数字化的静脉分布特征图,所采集的图像只包含静脉的特征等有效信息,不包含冗余的皮肤等无效的背景信息,在接收到所述静脉特征图像后,相比于基于普通视觉传感器的深度学习算法,只需要很少的层就可以实现静脉特征向量的计算,可以极大程度上减小图像处理的计算量,降低功耗,适合集成,同时识别效果良好。
进一步的,所述步骤S1之前还包括采集预存静脉特征向量步骤:
S0、判断手环是否初次使用,若是,则执行步骤S01,否则,执行步骤S02;
S01、接收手环沿手臂方向移动过程中所述动态视觉传感器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第三静脉特征向量,将所述第三静脉特征向量存入所述静脉特征向量集,并结束采集预存静脉特征向量步骤;
S02、判断是否开启日常静脉特征向量采集功能,若是,执行步骤S021,否则,结束采集预存静脉特征向量步骤;
S021、判断所述静脉特征向量集中的静脉特征向量数是否不小于第一预设值,若否,则执行步骤S022,否则,结束采集预存静脉特征向量步骤;
S022、判断所述手环的电量是否高于第二预设值,若是,则执行步骤S023,否则,返回步骤S021;
S023、接收手环沿手臂方向移动过程中所述动态视觉传感器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第四静脉特征向量,将所述第四静脉特征向量存入所述静脉特征向量集,并返回步骤S021。
由上述描述可知,通过多种途径进行预存静脉特征向量的采集实现预存静脉特征向量的本地存储,不仅提高了预存静脉特征向量采集的灵活性,而且能够保证预存足够多的静脉特征向量,实现更快速更安全的身份认证。
进一步的,所述步骤S1和步骤S2之间还包括步骤:
S11、判断所述手环转动的角度是否大于一预设角度,若是,则执行步骤S2,否则,判断是否超时,若否,返回步骤S11,否则,身份认证失败。
由上述描述可知,进行预存的静脉特征向量的采集时接收的是沿手臂方向移动手环后动态视觉传感器发送的静脉特征图像,在进行身份认证时,接收的是手环转动后动态视觉传感器发送的静脉特征图像,因此,手环转动的角度需要保证静脉特征采集器会经过预存的静脉特征向量所对应的手腕区域,这样才有足够的信息来进行是否是正确身份的判断,比如如果静脉特征采集器个数为1个,则要转过超过一圈,如果静脉特征采集器沿手环内壁周向均匀分布个数为6个,则要转过超过60度,也就是说若静脉特征采集器个数为N,则手环转过的角度必须超过360°/N才能保证有足够的信息来进行是否是正确身份的判断,从而保证所述身份认证的有效性,因此,在手环转动的角度大于预设值时才进行后续的接收提取操作,不仅降低了计算,而且保证了每次身份认证的有效性,同时如果设置多个静脉特征采集器,则可以提取手腕多个部位的静脉分布,包括手腕的背面、侧面和正面,具有更多的静脉特征点,具有不可复制性和更高的安全性。
进一步的,所述步骤S3中身份认证成功后,还包括登记认证成功的身份信息;
所述步骤S3之后还包括步骤:
S411、判断是否接收到蓝牙或NFC的身份认证请求,或者手环是否转动或被连续敲击两下,若是,则开始计时;
S412、判断是否登记有认证成功的身份信息,若是,则发送认证成功的身份信息给所述蓝牙或NFC;
S413、判断是否接收到蓝牙或NFC的有效回复信息,若是,则完成身份认证,否则,判断是否超时,若否,则返回步骤S412。
由上述描述可知,在身份认证成功后,对认证成功的身份信息进行登记,可以实现连续的身份认证,使用更加方便。
进一步的,还包括接近传感器,所述接近传感器设于所述手环内壁,所述步骤S3之后还包括步骤:
S421、判断手环是否移动,若是,则启动设于手环上的接近传感器;
S422、接收所述接近传感器发送的数据,根据所述数据判断手环是否被取下,若是,则清除登记的认证成功的身份信息。
由上述描述可知,当感应到手环被取下时,对保存的认证成功的身份信息进行清除,可以提高身份认证的安全性。
实施例一
请参照图1,一种基于静脉的身份认证方法,包括步骤:
S1、接收设置于手环上的触摸传感器发送的身份认证请求,根据所述身份认证请求,开始计时;
用户可以通过按住触摸传感器激活身份认证过程,为了防止误操作,可以在所述手环相对的两侧各设置一个触摸传感器,只有两个触摸传感器均被按住时,才启动手环的身份认证过程;
S2、接收手环在转动过程中设置于手环内壁的静脉特征采集器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第一静脉特征向量,其中,可以采用现有的深度学习算法对接收到的静脉特征图像进行处理,得到静脉特征向量,所述深度学习算法可以是卷积神经网络CNN算法、支持向量机SVM算法、PDA(PenalizedDiscriminant Analysis)算法,随机森林算法等,其中优选CNN算法;
如图3所示,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列;所述线阵动态视觉传感器由多个动态视觉像素点排列成一条直线而成,优选的,可以选用3行线阵动态视觉传感器,即由3个动态视觉像素点排列成直线而成,并且令所述线阵动态视觉传感器的动态视觉像素点排列后形成的直线的方向与所述手环主体的周向平行或垂直,由于手环内壁上设有“十”字结构的动态视觉传感器,使得无论是转动手环或者是沿手臂方向移动手环,均可以成像;
动态视觉传感器(Dynamic Vision Sensor,DVS)是一种事件驱动的图像传感器,只对所拍摄物体的变化敏感的图像传感器,其是一种模仿生物视觉感知与处理原理、采样超大规模集成电路技术实现的新型光电感知器件,其工作原理如下:其像素点的特殊结构只对场景中的光强变化敏感并采样输出,像素点独立检测所感受到的光强变化,每个像素点连续地测量光强变化量,当光变化量超过设定的阈值时发出信号,并通过总线异步输出,像素点间互不关联,不存在传统图像传感器中“帧”的限制。
在手环转动或沿手臂方向移动的过程中,动态视觉传感器中的每个像素点接收到的移动轨迹上的手臂皮肤等背景反射的红外光没有太大变化,接收光强的变化没有超过设定的阈值,像素点不会触发信号,而当像素点的轨迹上有静脉时,因为静脉对红外的吸收要远大于皮肤,像素点经过静脉上方时,接收的光线会有明显的变化,超过设定的阈值,因此,像素点会触发信号。由于动态视觉传感器在时间和空间域上是连续工作的,能够有效地跟踪物体运动,当手环跟手臂发生相对运动时,其运动路径上的所有有效特征点都会被读出,因此,通过动态视觉传感器拍摄的图片只包含静脉的特征等有效信息,而不包含冗余的皮肤等无效的背景信息,经动态视觉传感器采集得到的静脉特征图像传输给图像处理模块进行处理,可以采用深度学习算法实现静脉特征向量的计算,由于通过动态视觉传感器采集的静脉特特征图像基本只包含了静脉分布信息,冗余信息量非常小,数据量很小,因此,相比于基于普通视觉传感器的深度学习算法,图像处理模块采用的深度学习算法只需很少的层就可以实现静脉特征向量的计算,对计算力、资源和功耗的要求都要低很多,因而,特别适用于移动穿戴设备。
S3、在预存的静脉特征向量集中检索是否有与所述第一静脉特征向量匹配的第二特征向量,若是,则身份认证成功,若否,判断是否超时,若否,则身份认证错误,并判断是否超时,若否,则返回步骤S2,若是,则结束身份认证。
实施例二
本实施例与实施例一不同在于:
所述步骤S1之前还包括采集预存静脉特征向量步骤,具体如图4所示:
S0、判断手环是否初次使用,具体地,初始充电后,***自检,判断是否是初次使用,若是,则执行步骤S01,否则,执行步骤S02;
S01、接收手环沿手臂方向移动过程中所述动态视觉传感器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第三静脉特征向量,将所述第三静脉特征向量存入所述静脉特征向量集,并结束采集预存静脉特征向量步骤;
S02、判断是否开启日常静脉特征向量采集功能,若是,执行步骤S021,否则,结束采集预存静脉特征向量步骤;
S021、判断所述静脉特征向量集中的静脉特征向量数是否不小于第一预设值,若否,则执行步骤S022,否则,结束采集预存静脉特征向量步骤;
S022、判断所述手环的电量是否高于第二预设值,若是,则执行步骤S023,否则,返回步骤S021;
S023、接收手环沿手臂方向移动过程中所述动态视觉传感器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第四静脉特征向量,将所述第四静脉特征向量存入所述静脉特征向量集,并返回步骤S021;
其中,可以通过如下方式来开启手环的采集预存静脉特征向量的功能:在手机、电脑、pad等移动终端中预先安装用于控制手环的应用程序,在进行预存静脉特征向量采集前,手环通过蓝牙与移动终端建立连接,从而与移动终端上的应用程序建立连接,然后通过应用程序启动手环的采集预存静脉特征向量的功能,如果不采集,则通过应用程序关闭。
实施例三
本实施例与实施例二的不同在于:所述步骤S1和步骤S2之间还包括步骤:
S11、判断所述手环转动的角度是否大于一预设角度,若是,则执行步骤S2,否则,判断是否超时,若否,返回步骤S11,否则,身份认证失败。
实施例四
本实施例与实施例一的不同在于:
所述步骤S3中身份认证成功后,还包括登记认证成功的身份信息,通过登记认证成功的身份信息,则表明手环处于身份认证成功状态;若认证错误,则结束并清除已登记的认证成功的身份信息;
所述步骤S3之后还包括步骤,如图5所示:
S411、判断是否接收到蓝牙或NFC的身份认证请求,或者手环是否转动或被连续敲击两下,若是,则开始计时,否则,手环继续处于身份认证成功状态;S412、判断是否登记有认证成功的身份信息,若是,则发送认证成功的身份信息给所述蓝牙或NFC,若否,则提示用户进行身份认证,用户按下触摸传感器并转动,进行身份认证;
其中,确定不同的激活手环的方式,可以提高手环的适用性,可以使手环适用于不同的场景,根据使用场景的不同,有两种方式激活手环,从而向外部设备发送用户认证成功的身份信息,在开门等使用场景,只有当用户转动手环或连续敲击两下手环时,手环才会被激活,如果手环登记有认证成功的身份信息,手环才向外部设备发送认证成功的身份信息;而在例如NFC支付等使用场景下,用户将手环靠近NFC设备,手环收到NFC设备发出的身份认证请求后,如果手环登记有认证成功的身份信息,将直接向NFC设备发送认证成功的身份信息,之后手环震动提示使用者以表示进行了信息的发送;
S413、判断是否接收到蓝牙或NFC的有效回复信息,若是,则完成身份认证,否则,判断是否超时,若否,则返回步骤S412,否则,手环继续处于身份认证成功状态;
S421、判断手环是否移动,具体地,可以在手环上设置加速度传感器,通过加速度传感器判断手环是否移动,若是,则启动设于手环上的接近传感器;
S422、接收所述接近传感器发送的数据,根据所述数据判断手环是否被取下,若是,则清除登记的认证成功的身份信息;
其中,步骤S411-S413与步骤S421-S422是并行的流程。
实施例五
请参照图2,一种基于静脉的身份认证手环1,包括触摸传感器2,还包括:
静脉特征采集器3,所述静脉特征采集器3设置于所述手环1内壁,所述静脉特征采集器3包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列;
接近传感器,所述接近传感器设置于所述手环1内壁(图中未示出);
存储4器、处理器5及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器5执行所述计算机程序时实现实施例一至四中任意一个实施例的各个步骤。
综上所述,本发明提供的一种基于静脉的身份认证方法及手环,采用动态视觉传感器采集静脉特征,所述动态视觉传感器为线阵动态视觉传感器;所述静脉特征采集器包括两个所述线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,由于动态视觉传感器是基于拍摄区域的变化而成像的工作原理,其没有传统传感器的问题,对光线要求很低,在很低或者很亮的光线条件下都可以很好的工作,其是通过光强的变化产生异步的事件向量,经过简单的变换产生数字化的静脉分布特征图,所采集的图像只包含静脉的特征等有效信息,不包含冗余的皮肤等无效的背景信息,在接收到所述静脉特征图像后,相比于基于普通视觉传感器的深度学习算法,只需要很少的层就可以实现静脉特征向量的计算,可以极大程度上减小图像处理的计算量,降低功耗,适合集成,同时识别效果良好。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种基于静脉的身份认证方法,其特征在于,包括步骤:
S1、接收设置于手环上的触摸传感器发送的身份认证请求,根据所述身份认证请求,开始计时;
S2、接收手环在转动过程中设置于手环内壁的静脉特征采集器发送的静脉特征图像,所述静脉特征图像不包含无效的背景信息,根据所述静脉特征图像,采用深度学习算法获得对应的第一静脉特征向量,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,所述线阵动态视觉传感器由多个动态视觉像素点排列成一条直线而成;
S3、在预存的静脉特征向量集中检索是否有与所述第一静脉特征向量匹配的第二特征向量,若是,则身份认证成功,若否,则身份认证错误,并判断是否超时,若否,则返回步骤S2;
所述步骤S1和步骤S2之间还包括步骤:
S11、判断所述手环转动的角度是否大于一预设角度,若是,则执行步骤S2,否则,判断是否超时,若否,返回步骤S11,否则,身份认证失败。
2.根据权利要求1所述的一种基于静脉的身份认证方法,其特征在于,
所述步骤S1之前还包括采集预存静脉特征向量步骤:
S0、判断手环是否初次使用,若是,则执行步骤S01,否则,执行步骤S02;
S01、接收手环沿手臂方向移动过程中所述动态视觉传感器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第三静脉特征向量,将所述第三静脉特征向量存入所述静脉特征向量集,并结束采集预存静脉特征向量步骤;
S02、判断是否开启日常静脉特征向量采集功能,若是,执行步骤S021,否则,结束采集预存静脉特征向量步骤;
S021、判断所述静脉特征向量集中的静脉特征向量数是否不小于第一预设值,若否,则执行步骤S022,否则,结束采集预存静脉特征向量步骤;
S022、判断所述手环的电量是否高于第二预设值,若是,则执行步骤S023,否则,返回步骤S021;
S023、接收手环沿手臂方向移动过程中所述动态视觉传感器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第四静脉特征向量,将所述第四静脉特征向量存入所述静脉特征向量集,并返回步骤S021。
3.根据权利要求1所述的一种基于静脉的身份认证方法,其特征在于,所述步骤S3中身份认证成功后,还包括登记认证成功的身份信息;
所述步骤S3之后还包括步骤:
S411、判断是否接收到蓝牙或NFC的身份认证请求,或者手环是否转动或被连续敲击两下,若是,则开始计时;
S412、判断是否登记有认证成功的身份信息,若是,则发送认证成功的身份信息给所述蓝牙或NFC;
S413、判断是否接收到蓝牙或NFC的有效回复信息,若是,则完成身份认证,否则,判断是否超时,若否,则返回步骤S412。
4.根据权利要求1所述的一种基于静脉的身份认证方法,其特征在于,所述步骤S3之后还包括步骤:
S421、判断手环是否移动,若是,则启动设于手环上的接近传感器;
S422、接收所述接近传感器发送的数据,根据所述数据判断手环是否被取下,若是,则清除登记的认证成功的身份信息。
5.一种基于静脉的身份认证手环,包括触摸传感器,其特征在于,还包括:
静脉特征采集器,所述静脉特征采集器设置于所述手环内壁,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列;
存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、接收所述触摸传感器发送的身份认证请求,根据所述身份认证请求,开始计时;
S2、接收手环在转动过程中所述静脉特征采集器发送的静脉特征图像,根据所述静脉特征图像,所述静脉特征图像不包含无效的背景信息,采用深度学习算法获得对应的第一静脉特征向量,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,所述线阵动态视觉传感器由多个动态视觉像素点排列成一条直线而成;
S3、在预存的静脉特征向量集中检索是否有与所述第一静脉特征向量匹配的第二特征向量,若是,则身份认证成功,若否,则身份认证错误,并判断是否超时,若否,则返回步骤S2;
所述步骤S1和步骤S2之间还包括步骤:
S11、判断所述手环转动的角度是否大于一预设角度,若是,则执行步骤S2,否则,判断是否超时,若否,返回步骤S11,否则,身份认证失败。
6.根据权利要求5所述的一种基于静脉的身份认证手环,其特征在于,
所述步骤S1之前还包括采集预存静脉特征向量步骤:
S0、判断手环是否初次使用,若是,则执行步骤S01,否则,执行步骤S02;
S01、接收手环沿手臂方向移动过程中所述动态视觉传感器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第三静脉特征向量,将所述第三静脉特征向量存入所述静脉特征向量集,并结束采集预存静脉特征向量步骤;
S02、判断是否开启日常静脉特征向量采集功能,若是,执行步骤S021,否则,结束采集预存静脉特征向量步骤;
S021、判断所述静脉特征向量集中的静脉特征向量数是否不小于第一预设值,若否,则执行步骤S022,否则,结束采集预存静脉特征向量步骤;
S022、判断所述手环的电量是否高于第二预设值,若是,则执行步骤S023,否则,返回步骤S021;
S023、接收手环沿手臂方向移动过程中所述动态视觉传感器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第四静脉特征向量,将所述第四静脉特征向量存入所述静脉特征向量集,并返回步骤S021。
7.根据权利要求5所述的一种基于静脉的身份认证手环,其特征在于,所述步骤S3中身份认证成功后,还包括登记认证成功的身份信息;
所述步骤S3之后还包括步骤:
S411、判断是否接收到蓝牙或NFC的身份认证请求,或者手环是否转动或被连续敲击两下,若是,则开始计时;
S412、判断是否登记有认证成功的身份信息,若是,则发送认证成功的身份信息给所述蓝牙或NFC;
S413、判断是否接收到蓝牙或NFC的有效回复信息,若是,则完成身份认证,否则,判断是否超时,若否,则返回步骤S412。
8.根据权利要求5所述的一种基于静脉的身份认证手环,其特征在于,还包括接近传感器,所述接近传感器设于所述手环内壁,所述步骤S3之后还包括步骤:
S421、判断手环是否移动,若是,则启动所述接近传感器;
S422、接收所述接近传感器发送的数据,根据所述数据判断手环是否被取下,若是,则清除登记的认证成功的身份信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810359301.1A CN108563937B (zh) | 2018-04-20 | 2018-04-20 | 一种基于静脉的身份认证方法及手环 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810359301.1A CN108563937B (zh) | 2018-04-20 | 2018-04-20 | 一种基于静脉的身份认证方法及手环 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108563937A CN108563937A (zh) | 2018-09-21 |
CN108563937B true CN108563937B (zh) | 2021-10-15 |
Family
ID=63535846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810359301.1A Active CN108563937B (zh) | 2018-04-20 | 2018-04-20 | 一种基于静脉的身份认证方法及手环 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108563937B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341403A (zh) * | 2020-02-25 | 2020-06-26 | 泰康保险集团股份有限公司 | 患者状态监控方法、装置、设备及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104486306A (zh) * | 2014-12-04 | 2015-04-01 | 北京邮电大学 | 基于指静脉识别和云服务进行身份认证的方法 |
CN105844128A (zh) * | 2015-01-15 | 2016-08-10 | 北京三星通信技术研究有限公司 | 身份识别方法和装置 |
CN107481001A (zh) * | 2017-07-28 | 2017-12-15 | 深圳先进技术研究院 | 一种基于静脉识别技术和可穿戴智能设备的移动支付*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870986A (zh) * | 2012-12-12 | 2014-06-18 | 周良文 | 基于实体店的网络购物***及方法 |
US9983779B2 (en) * | 2013-02-07 | 2018-05-29 | Samsung Electronics Co., Ltd. | Method of displaying menu based on depth information and space gesture of user |
CN107403154B (zh) * | 2017-07-20 | 2020-10-16 | 四川大学 | 一种基于动态视觉传感器的步态识别方法 |
-
2018
- 2018-04-20 CN CN201810359301.1A patent/CN108563937B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104486306A (zh) * | 2014-12-04 | 2015-04-01 | 北京邮电大学 | 基于指静脉识别和云服务进行身份认证的方法 |
CN105844128A (zh) * | 2015-01-15 | 2016-08-10 | 北京三星通信技术研究有限公司 | 身份识别方法和装置 |
CN107481001A (zh) * | 2017-07-28 | 2017-12-15 | 深圳先进技术研究院 | 一种基于静脉识别技术和可穿戴智能设备的移动支付*** |
Also Published As
Publication number | Publication date |
---|---|
CN108563937A (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609383B (zh) | 3d人脸身份认证方法与装置 | |
CN107748869B (zh) | 3d人脸身份认证方法与装置 | |
CN107633165B (zh) | 3d人脸身份认证方法与装置 | |
US11074466B2 (en) | Anti-counterfeiting processing method and related products | |
US10824849B2 (en) | Method, apparatus, and system for resource transfer | |
US9607138B1 (en) | User authentication and verification through video analysis | |
Das et al. | Recent advances in biometric technology for mobile devices | |
US10769417B2 (en) | Payment method, apparatus, and system | |
CN109461003A (zh) | 基于多视角的多人脸场景刷脸支付风险防控方法和设备 | |
CN112613475B (zh) | 扫码界面显示方法、装置、移动终端及存储介质 | |
US9930525B2 (en) | Method and system for eyeprint recognition unlocking based on environment-filtering frames | |
WO2019011072A1 (zh) | 虹膜活体检测方法及相关产品 | |
CN104598870A (zh) | 基于智能移动信息设备的指纹活体检测方法 | |
WO2019011073A1 (zh) | 人脸活体检测方法及相关产品 | |
CN105426730A (zh) | 登录验证处理方法、装置及终端设备 | |
JP2011078009A (ja) | 撮像装置および撮像装置用プログラム | |
CN105068646A (zh) | 终端的控制方法和*** | |
CN111445640A (zh) | 基于虹膜识别的快递取件方法、装置、设备及存储介质 | |
KR20150069799A (ko) | 얼굴 인증 방법 및 그 장치 | |
CN108563937B (zh) | 一种基于静脉的身份认证方法及手环 | |
JP2000123186A5 (ja) | 被写体認識装置及び被写体認識方法 | |
CN109635622A (zh) | 身份识别方法、装置及电子设备 | |
US10726259B2 (en) | Image processing method and system for iris recognition | |
KR101718244B1 (ko) | 얼굴 인식을 위한 광각 영상 처리 장치 및 방법 | |
CN208144609U (zh) | 一种腕式静脉身份认证手环 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191010 Address after: 100089 Room 101, floor 1, building 9, No. 28, gaoliangqiaoxie street, Haidian District, Beijing 114 Applicant after: Beijing Ruisi smart core technology Co., Ltd. Address before: 518000 Guangdong Shenzhen Baoan District Fuyong street Fuyong Vanke gold area 5D1302 room Applicant before: Deng Jian |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |