CN109635660A - 指纹传感***的检测方法 - Google Patents

指纹传感***的检测方法 Download PDF

Info

Publication number
CN109635660A
CN109635660A CN201811345858.6A CN201811345858A CN109635660A CN 109635660 A CN109635660 A CN 109635660A CN 201811345858 A CN201811345858 A CN 201811345858A CN 109635660 A CN109635660 A CN 109635660A
Authority
CN
China
Prior art keywords
image
fingerprint
sensing systems
fingerprint sensing
detection method
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.)
Pending
Application number
CN201811345858.6A
Other languages
English (en)
Inventor
陈子轩
王长海
田志民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chipone Technology Beijing Co Ltd
Original Assignee
Chipone Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chipone Technology Beijing Co Ltd filed Critical Chipone Technology Beijing Co Ltd
Priority to CN201811345858.6A priority Critical patent/CN109635660A/zh
Publication of CN109635660A publication Critical patent/CN109635660A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V40/13—Sensors therefor
    • G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Input (AREA)
  • Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种指纹传感***的检测方法，包括：获得所述指纹传感***采集的图像；从所述采集的图像中获得局部图像信息；对所述局部图像信息进行傅里叶分析，以获得评估参数；以及根据所述评估参数分辨指纹图像与类指纹图像。采用本发明所提供的指纹传感***的检测方法可以有效的区分指纹图像以及类指纹图像，防止类指纹图像对指纹传感***的攻击。

Description

指纹传感***的检测方法
技术领域
本发明涉及指纹传感***技术领域，具体涉及一种指纹传感***的检测方法。
背景技术
指纹是手指表面皮肤凹凸不平形成的纹理。指纹的纹理特性具有唯一性、稳定性，因此常常用来作为身份识别的依据。指纹传感***就是一种通过指纹来识别身份的传感器。电容笔是利用导体材料模仿人体(通常是手指)完成人机对话一种辅助装置，电容笔按压在指纹传感***上会得到图像，而由于电容笔按压得到的图像会与指纹图像相似，经过增强之后会得到类似脊线谷线的形状，会当作指纹图像进行录入。而由于电容笔接触头及其他带纹路的导体按压得到的纹路有随机性，可以模拟指纹图像细节点，进而可能会导致误识别，威胁***安全。同时在区分指纹图像以及电容笔及其他带纹路的导体的图像时使用一些现有的特征如：脊线宽度、图像质量、灰度攻城矩等无法进行有效的区分，因此发明一种指纹传感***检测方法以应对指纹和电容笔及其他带纹路的导体在指纹传感***上的有效分辨就显得尤为重要。
发明内容
为了解决上述技术问题，本发明提供了一种指纹传感***的检测方法，可以有效的区分指纹传感***上接收到的图像是指纹图像还是类指纹图像。
根据本发明提供的一种指纹传感***的检测方法，其特征在于，包括：获得所述指纹传感***采集的图像；从所述采集的图像中获得局部图像信息；对所述局部图像信息进行傅里叶分析，以获得评估参数；以及根据所述评估参数分辨指纹图像与类指纹图像。
优选的，所述获得局部图像信息的步骤包括：根据所述采集图像获得图像重心点；以所述图像重心点为原点获取图像半径；以所述图像重心点为坐标原点建立坐标轴；以及根据所述坐标轴对所述图像进行像素点采样。
优选的，所述图像重心点的获得方法包括：对于全幅图像，以其图像的几何中心点为图像重心点；对于半幅图像，以其图像有效区域的几何中心点为图像重心点
优选的，所述图像半径包括所述图像重心点到图像边缘的最小半径R。
优选的，所述获得局部图像信息的步骤包括：分别选取所述坐标轴的横轴与纵轴上的像素点作为局部图像信息。
优选的，所述获得局部图像信息的步骤还包括：沿垂直方向进行像素点采样。
优选的，所述像素点的采样范围为[-R，R]，其中，所述R为所述最小半径。
优选的，所述评估参数包括：对所述局部图像信息做N组特定频率的傅里叶变换后的到的N组系数，其中，N为大于1的自然数。
优选的，所述特定频率包括指纹脊线频率。
优选的，所述指纹图像与类指纹图像的分辨方法包括：采用机器学习的判别方法进行区分。
优选的，所述判别方法包括：采用支持向量机进行分类。
优选的，所述类指纹图像包括电容笔图像及其他带纹路的导体按压图像。
优选的，所述指纹传感***包括电容式传感***和/光学式传感***。
本发明的有益效果是：通过所述电容笔检测方法，更加高效的解决了指纹传感***对指纹图像和电容笔及其他带纹路的导体的图像的分辨问题。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚。
图1示出现有技术中采用指纹录入或解锁的方法流程图；
图2示出本发明实施例中采用指纹录入或解锁的方法流程图；
图3示出本发明实施例指纹传感***的检测算法检测方法流程图；
图4示出本发明实施例中获得局部图像信息的步骤流程图；
图5示出指纹传感***的结构图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是，本发明可以以不同的形式来实现，并不限于本文所描述的实施例。相反的，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
指纹传感***包括电容式传感***和/光学式传感***，本文以电容式指纹传感***为例说明本发明问题。电容式指纹传感***包括多个电容感应电极，感应电极分布于同一个平面上，与被感应物体(例如手指、电容笔或其他带纹路的导体)间有一层绝缘介质，绝缘介质厚度均匀。测量感应指纹时，指纹纹路的峰接触绝缘介质，接触绝缘介质的指纹纹路的峰与感应电极的距离被厚度均匀的绝缘介质限定于一个恒定的距离值。感应电极用于感应与指纹纹路的峰或谷的距离，由于感应电极与指纹纹路的峰或谷的距离不同，感应电极感应到的感应电容也就不同，将感应电极感应到的感应电容转换为传感器输出电压信号，传感器输出电压信号经过后续的处理就可以得到与指纹纹路的峰或谷相关的指纹图像信号。
下面，参照附图对本发明进行详细说明。
图1示出现有技术指纹识别***中采用指纹录入或解锁的方法流程图。
如图1所示，电容式指纹传感***的指纹识别***在采用指纹来进行信息录入或利用指纹来进行设备(例如手机/平板电脑等)解锁时，一般都是先由指纹传感器采集图像，然后再由指纹处理器对所采集到的图像进行图像增强处理，最后使用增强后的指纹图像信息进行指纹录入或解锁处理。但是电容笔图像或者其他带纹路的导体在经过信息采集及信号增强处理后也会得到类似指纹细节的效果，类似指纹细节的图像一般称之为类指纹图像。指纹识别***将无法有效的区分指纹图像和类指纹图像。
因此，本发明提供了一种指纹传感***的检测方法，能够针对现有技术中存在的无法区分指纹图像和类指纹图像的问题进行有效的检测分辨。
图2示出本发明实施例中采用指纹传感***指纹图像录入或解锁的方法的流程图。
如图2所示，相对于现有技术，本发明实施例采用一种指纹传感***检测方法，在采集指纹图像与图像信号增强之间添加了指纹图像判断的步骤，能够有效的区分指纹图像与类指纹图像，从而有效的防止类指纹图像对指纹传感***的攻击。
具体的，当指纹传感***判定所采集的图像为指纹图像时，对指纹图像进行图像增强处理，进而利用所采集到的指纹图像进行指纹录入或解锁等操作；当指纹传感***判定所采集的图像为非指纹图像时，指纹传感***就会直接退出当前图像处理流程，不执行图像信号增强和图像录入或解锁等操作，这样可以有效的防止类指纹图像对指纹传感***的攻击。
图3示出本发明实施例指纹传感***的检测方法流程图。
如图3所示，本发明实施例的指纹传感***的检测方法包括以下步骤：
步骤S1：获得所述指纹传感***采集的图像。
电容笔是利用导体材料模仿人体(通常是手指)完成人机对话的一种辅助装置，那么将电容笔按压在指纹传感***上所得到的图像会与指纹图像相似，经过增强之后也会得到类似脊线/谷线的形状。
在本发明实施例中，需要采集并记录通过所述电容笔或指纹对所述指纹传感***按压后所获得的样本图像，以便于后续的进一步分析处理。
步骤S2：从所述采集的图像中获得局部图像信息。
所述获取局部图像信息的具体方法可参照图4所示的获得局部图像信息的步骤流程图，其具体包括：在所述指纹传感***所采集到的图像中找到该图像的重心点；然后以所述图像重心点为原点，测试并记录所述原点距图像边缘各位置的距离，取其中的最小值作为最小半径R；以及以所述重心点为坐标原点建立坐标轴，同时分别提取所述坐标轴的横轴与纵轴上的像素点作为检测样本像素点。
进一步的，所述像素点采样方法还包括沿所述垂直方向进行采样。
进一步的，针对所述重心点的寻找：对于全幅的指纹或类指纹图像(即指纹传感***所得图像占据整个图片边框)，所述图像的重心点就是图片的几何中心点；对于半幅的指纹或类指纹图像(即指纹传感***所得图像只占整个图片的一部分)，此时所述图像的重心点会略有偏离，可选取所述半幅的指纹或类指纹图像中有效区域的几何中心点为图像重心点。
进一步的，所述横纵轴上像素点的采样范围为-R～R。
步骤S3：对局部图像信息进行傅里叶分析，获得评估参数。
所述步骤S2中已经得到了两列采样的像素点，此时分别对所述两列局部图像信息做N组特定频率的傅里叶变换，然后取其N组傅里叶变换系数作为所述评估参数，其中，N为大于1的自然数。
在本发明实施例中，只需要对所采样的像素点做傅里叶变换就可以达到需要的效果，而不需要对整个图像进行傅里叶分析，比较简洁快速。
进一步的，所述特定频率在本发明实施中指的是图像的纹脊线频率。
步骤S4：根据评估参数分辨指纹图像与类指纹图像。
进一步的，所述指纹图像与类指纹图像的分辨方法具体包括：由于电容笔在特定频率上的波动较小，幅值也较低，因此可根据这一特性作为分类依据对所述评估参数(即两组系数)进行分类，进而分辨出所获图像是属于指纹图像还是属于类指纹图像。
进一步的，所述类指纹图像包括电容笔图像及其他带纹路的导体按压图像。
进一步的，所述分类方法包括：采用机器学习的判别方法，具体为采用支持向量机(Support Vector Machine，SVM)的方法。它在解决小样本、非线性及高维模式识别中有许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。所述支持向量机方法是建立在统计学习理论的VC维(Vapnik-Chervonenkis Dimension)理论(VC维的概念是为了研究学习过程一致收敛的速度和推广性，由统计学理论定义的有关函数集学习性能的一个重要指标)和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折中，以期获得最佳的分类效果。
为便于对本发明进行理解，图5示出本发明所述指纹传感***的结构示意图。
如图5所示，所述指纹传感***100包括指纹传感器110，用于采集指纹图像；指纹处理器120，用于处理指纹图像、识别对比指纹模板、存储指纹模板以及控制人机界面等。所述指纹处理***100与外部装置相连接，可以实现对所述外部装置的指纹录入/解锁等相应控制。
应当说明的是，在本文中，所含术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是：显然，上述实施例仅仅是为清楚地说明本发明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。

Claims (13)

1.一种指纹传感***的检测方法，其特征在于，包括：
获得所述指纹传感***采集的图像；
从所述采集的图像中获得局部图像信息；
对所述局部图像信息进行傅里叶分析，以获得评估参数；以及
根据所述评估参数分辨指纹图像与类指纹图像。
2.根据权利要求1所述的指纹传感***的检测方法，其特征在于，所述获得局部图像信息的步骤包括：
根据所述采集图像获得图像重心点；
以所述图像重心点为原点获取图像半径；
以所述图像重心点为坐标原点建立坐标轴；以及
根据所述坐标轴对所述图像进行像素点采样。
3.根据权利要求2所述的指纹传感***的检测方法，其特征在于，所述图像重心点的获得方法包括：
对于全幅图像，以其图像的几何中心点为图像重心点；
对于半幅图像，以其图像有效区域的几何中心点为图像重心点。
4.根据权利要求2所述的指纹传感***的检测方法，其特征在于，所述图像半径包括所述图像重心点到图像边缘的最小半径R。
5.根据权利要求2所述的指纹传感***的检测方法，其特征在于，所述获得局部图像信息的步骤包括：分别选取所述坐标轴的横轴与纵轴上的像素点作为局部图像信息。
6.根据权利要求2所述的指纹传感***的检测方法，其特征在于，所述获得局部图像信息的步骤还包括：沿垂直方向进行像素点采样。
7.根据权利要求5所述的指纹传感***的检测方法，其特征在于：所述像素点的采样范围为[-R，R]，其中，所述R为所述最小半径。
8.根据权利要求1所述的指纹传感***的检测方法，其特征在于，所述评估参数包括：对所述局部图像信息做N组特定频率的傅里叶变换后得到的N组系数，其中，N为大于1的自然数。
9.根据权利要求8所述的指纹传感***的检测方法，其特征在于：所述特定频率包括指纹脊线频率。
10.根据权利要求1所述的指纹传感***的检测方法，其特征在于，所述指纹图像与类指纹图像的分辨方法包括：采用机器学习的判别方法进行区分。
11.根据权利要求10所述的指纹传感***的检测方法，其特征在于，所述判别方法包括：采用支持向量机进行分类。
12.根据权利要求1或10所述的指纹传感***的检测方法，其特征在于：所述类指纹图像包括电容笔图像及其他带纹路的导体按压图像。
13.根据权利要求1所述的指纹传感***的检测方法，其特征在于所述指纹传感***包括电容式传感***和/光学式传感***。
CN201811345858.6A 2018-11-13 2018-11-13 指纹传感***的检测方法 Pending CN109635660A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811345858.6A CN109635660A (zh) 2018-11-13 2018-11-13 指纹传感***的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811345858.6A CN109635660A (zh) 2018-11-13 2018-11-13 指纹传感***的检测方法

Publications (1)

Publication Number Publication Date
CN109635660A true CN109635660A (zh) 2019-04-16

Family

ID=66067908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811345858.6A Pending CN109635660A (zh) 2018-11-13 2018-11-13 指纹传感***的检测方法

Country Status (1)

Country Link
CN (1) CN109635660A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214160A (zh) * 2018-09-14 2019-01-15 温州科技职业学院 一种计算机网络身份验证***及方法、计算机程序

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102395995A (zh) * 2009-04-13 2012-03-28 富士通株式会社 活体信息登记装置、活体信息登记方法和活体信息登记用计算机程序以及活体认证装置、活体认证方法和活体认证用计算机程序
CN103324944A (zh) * 2013-06-26 2013-09-25 电子科技大学 一种基于svm和稀疏表示的假指纹检测方法
CN104463129A (zh) * 2014-12-17 2015-03-25 浙江维尔科技股份有限公司 一种指纹注册方法及装置
WO2018090984A1 (zh) * 2016-11-18 2018-05-24 比亚迪股份有限公司 指纹识别方法及电子装置
CN108256415A (zh) * 2017-11-30 2018-07-06 北京集创北方科技股份有限公司 指纹识别方法、装置和***、电子设备
CN108520225A (zh) * 2018-03-30 2018-09-11 南京信息工程大学 一种基于空间变换卷积神经网络的指纹检测分类方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102395995A (zh) * 2009-04-13 2012-03-28 富士通株式会社 活体信息登记装置、活体信息登记方法和活体信息登记用计算机程序以及活体认证装置、活体认证方法和活体认证用计算机程序
CN103324944A (zh) * 2013-06-26 2013-09-25 电子科技大学 一种基于svm和稀疏表示的假指纹检测方法
CN104463129A (zh) * 2014-12-17 2015-03-25 浙江维尔科技股份有限公司 一种指纹注册方法及装置
WO2018090984A1 (zh) * 2016-11-18 2018-05-24 比亚迪股份有限公司 指纹识别方法及电子装置
CN108256415A (zh) * 2017-11-30 2018-07-06 北京集创北方科技股份有限公司 指纹识别方法、装置和***、电子设备
CN108520225A (zh) * 2018-03-30 2018-09-11 南京信息工程大学 一种基于空间变换卷积神经网络的指纹检测分类方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张少乐: "基于子空间分析法的指纹特征提取", 中国优秀硕士学位论文全文数据库 信息科技辑, pages 175 - 178 *
胡德文 等: "《生物特征识别技术与方法》", pages: 175 - 178 *
陈若珠等: "一种基于重心的快速细化算法", 《兰州理工大学学报》, no. 02, 15 April 2009 (2009-04-15) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214160A (zh) * 2018-09-14 2019-01-15 温州科技职业学院 一种计算机网络身份验证***及方法、计算机程序

Similar Documents

Publication Publication Date Title
US9754149B2 (en) Fingerprint based smart phone user verification
Jia et al. Multi-scale local binary pattern with filters for spoof fingerprint detection
Lin et al. Palmprint verification using hierarchical decomposition
CN103324944B (zh) 一种基于svm和稀疏表示的假指纹检测方法
Grundmann et al. 3D shape context and distance transform for action recognition
Chen et al. Iris recognition based on bidimensional empirical mode decomposition and fractal dimension
CN107657241B (zh) 一种面向签字笔的签名真伪性鉴别***
Tan et al. New approach for liveness detection in fingerprint scanners based on valley noise analysis
Tiwari et al. A review of advancements in biometric systems
Kekre et al. Gabor filter based feature vector for dynamic signature recognition
Khalifa et al. Wavelet, gabor filters and co-occurrence matrix for palmprint verification
CN110222660B (zh) 一种基于动态与静态特征融合的签名鉴伪方法及***
Maltoni et al. Fingerprint recognition
Raut et al. Biometric palm prints feature matching for person identification
CN109635660A (zh) 指纹传感***的检测方法
Xie et al. Fingerprint quality analysis and estimation for fingerprint matching
Hany et al. Speeded-Up Robust Feature extraction and matching for fingerprint recognition
Kaur et al. Handwritten signature verification based on surf features using HMM
Shinde et al. Gender classification with KNN by extraction of Haar wavelet features from canny shape fingerprints
Houtinezhad et al. Off-line signature verification system using features linear mapping in the candidate points
Hong-Ying et al. An iris recognition method based on multi-orientation features and Non-symmetrical SVM
CN109255318A (zh) 基于多尺度和多卷积层特征融合的指纹活性检测方法
Zaghloul et al. Recognition of Hindi (Arabic) handwritten numerals
Haider et al. Online recognition of single stroke handwritten Urdu characters
Chauhan et al. Study of ridge based and image based approach for fingerprint gender classification

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