CN118171261A - 安防密码验证方法、装置、设备、介质及其计算机产品 - Google Patents
安防密码验证方法、装置、设备、介质及其计算机产品 Download PDFInfo
- Publication number
- CN118171261A CN118171261A CN202410305543.8A CN202410305543A CN118171261A CN 118171261 A CN118171261 A CN 118171261A CN 202410305543 A CN202410305543 A CN 202410305543A CN 118171261 A CN118171261 A CN 118171261A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- living body
- body detection
- area
- password verification
- 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
Links
- 238000012795 verification Methods 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 192
- 238000013441 quality evaluation Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 14
- 230000004927 fusion Effects 0.000 claims description 7
- 238000001574 biopsy Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- 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
-
- 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
- G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请涉及传感器技术领域,公开了一种安防密码验证方法、装置、设备、介质及其计算机产品,方法包括:确定触控操作的触控中心点在指纹密码传感器的指纹识别区域内,则确定待处理指纹区域;根据待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,确定待处理指纹区域是否作为目标指纹区域;若待处理指纹区域作为目标指纹区域,则获取待识别指纹图像;通过指纹活体检测模型对待识别指纹图像进行指纹活体检测,得到活体检测结果;根据活体检测结果对待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数;根据指纹图像质量分数对待识别指纹图像进行指纹密码验证,得到安防密码验证结果。本申请提高指纹识别率和降低安防密码验证成本。
Description
技术领域
本申请涉及传感器技术领域,具体涉及一种安防密码验证方法、装置、设备、介质及其计算机产品。
背景技术
现有的安防密码验证方法主要有静态匹配方法、动态特征匹配方法和多模态融合方法。然而静态匹配方法容易受到指纹质量、环境条件和伪造攻击的影响,较容易出现误识别和误拒绝。动态特征匹配方法需要更复杂的算法和硬件支持,对***的要求较高,成本相对较高。多模态融合方法需要多个传感器或算法支持,***复杂度和成本较高。
发明内容
本申请旨在至少解决相关技术中存在的技术问题之一。为此,本申请实施例提供一种安防密码验证方法、装置、设备、介质及其计算机产品,可以提高指纹识别率和降低安防密码验证成本。
第一方面,本申请实施例提供一种安防密码验证方法,包括:
响应触控操作,且确定所述触控操作的触控中心点在指纹密码传感器的指纹识别区域内,则确定触控操作在所述指纹识别区域的待处理指纹区域;
根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,计算所述待处理指纹区域的区域指标值;所述区域指标值的计算公式为:
其中,N为区域指标值,P为显著区域关联状态,显著区域关联状态为完全关联,则P=1,显著区域关联状态为非完全关联,则P=0,k为边缘清晰程度,m为特征点数量;
若所述区域指标值大于或者等于预设指标阈值,确定所述待处理指纹区域作为目标指纹区域;
若所述待处理指纹区域作为所述目标指纹区域,则获取在所述待处理指纹区域中的待识别指纹图像;
通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果;所述指纹活体检测模型是基于指纹图像样本及其对应的活体检测结果训练得到;
根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数;
根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果。
第二方面,本申请实施例提供一种安防密码验证装置,包括:
第一区域确定模块,用于响应触控操作,且确定所述触控操作的触控中心点在指纹密码传感器的指纹识别区域内,则确定触控操作在所述指纹识别区域的待处理指纹区域;
第二区域确定模块,用于:
根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,计算所述待处理指纹区域的区域指标值;所述区域指标值的计算公式为:
其中,N为区域指标值,P为显著区域关联状态,显著区域关联状态为完全关联,则P=1,显著区域关联状态为非完全关联,则P=0,k为边缘清晰程度,m为特征点数量;
若所述区域指标值大于或者等于预设指标阈值,确定所述待处理指纹区域作为目标指纹区域;
指纹图像获取模块,用于若所述待处理指纹区域作为所述目标指纹区域,则获取在所述待处理指纹区域中的待识别指纹图像;
指纹活体检测模块,用于通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果;所述指纹活体检测模型是基于指纹图像样本及其对应的活体检测结果训练得到;
指纹质量评估模块,用于根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数;
指纹密码验证模块,用于根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果。
第三方面,本申请实施例还提供一种电子设备,包括存储器存储有多条指令;处理器从存储器中加载指令,以执行本申请实施例所提供的任一种安防密码验证方法。
第四方面,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有多条指令,指令适于处理器进行加载,以执行本申请实施例所提供的任一种安防密码验证方法。
第五方面,本申请实施例还提供一种计算机程序产品,包括计算机程序或指令,计算机程序或指令被处理器执行时实现本申请实施例所提供的任一种安防密码验证方法。
采用本申请实施例的方案,通过待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,指纹活体检测模型以及指纹图像质量评估,提高了指纹识别率。同时,本申请实施例的方案只需要通过一个指纹传感器即可实现,降低了安防密码验证成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例中提供的安防密码验证方法的流程示意图;
图2是本申请实施例中提供的安防密码验证装置的结构示意图;
图3是本申请实施例中提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。同时,在本申请实施例的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更特征。在本申请实施例的描述中,“”的含义是两个或两个以上,除非另有明确具体的限定。
本申请实施例提供一种安防密码验证方法、装置、设备、介质及其计算机产品。具体地,本申请实施例将从安防密码验证装置的角度进行描述,该安防密码验证装置具体可以集成在电子设备中,即本申请实施例安防密码验证方法可以由电子设备执行。可选的,该电子设备包括终端设备。终端设备可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、游戏机、或者个人电脑(Personal Computer,PC)等设备。可选的,该电子设备包括服务器,该服务器可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,其包括但不限于计算机、网络主机、单个网络服务器、网络服务器集或服务器构成的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于附图所示的顺序执行所示出或描述的步骤。
以下结合附图分别进行详细说明,本申请实施例以安防密码验证装置为执行主体举例说明。
参考图1,图1是本申请实施例中提供的安防密码验证方法的流程示意图。本申请实施例提供的安防密码验证方法的具体流程可以如下步骤101至步骤106,包括:
步骤101,响应触控操作,且确定所述触控操作的触控中心点在指纹密码传感器的指纹识别区域内,则确定触控操作在所述指纹识别区域的待处理指纹区域;
步骤102,根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,确定所述待处理指纹区域是否作为目标指纹区域;
步骤103,若所述待处理指纹区域作为所述目标指纹区域,则获取在所述待处理指纹区域中的待识别指纹图像;
步骤104,通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果;所述指纹活体检测模型是基于指纹图像样本及其对应的活体检测结果训练得到;
步骤105,根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数;
步骤106,根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果。
可选的,用户需要安防密码验证时,需要在在指纹密码传感器的指纹识别区域进行指纹验证操作。因此,安防密码验证装置响应触控操作,并确定触控操作的触控中心点是否在指纹密码传感器的指纹识别区域内。若确定确定触控操作的触控中心点在指纹密码传感器的指纹识别区域内,安防密码验证装置则确定触控操作在指纹识别区域的待处理指纹区域。
可选的,安防密码验证装置获取待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,其中,显著区域为一特定区域,该区域内特征点与区域外特征点存在明显差别。例如区域内为具有较深颜色的物体,区域外为较浅的底色,则该区域为显著区域。待处理指纹区域与显著区域关联状态包含如下几种情况:指纹区域∈显著区域,显著区域∈指纹区域和指纹区域∩显著区域相应地,边缘清晰程度为图案边缘与邻居区域的差别大小。例如,可以为颜色差值的大小,而物体的边缘与***的邻近区域色差往往较大。特征点为与邻近区域差别大的点,如根据色差大小确定特征点。例如,单一颜色的四边形,则具有四个特征点。在一个实施例中,获取候选指纹区域的边缘清晰程度,包括:根据带有梯度方向的灰度梯度图像,选取梯度方向的极大值点作为边缘,根据边缘的像素数量确定边缘清晰程度;或根据无梯度方向的灰度梯度图,选取梯度大于一半以上的八邻接像素点梯度的像素点作为边缘,根据边缘的像素数量确定边缘清晰程度。边缘清晰程度可用图像区域对应的边缘所包含像素数量表示,设为num_edge,其可用梯度图像局部极大值像素点数量衡量,同样大小区域内,num_edge越大,边缘越明显。可以采用带有梯度方向的灰度梯度图像和无梯度方向的灰度梯度图像确定num_edge。如果采用带有梯度方向的灰度梯度图像则选取梯度方向的极大值点作为边缘,额外有下划线的方格,边缘数量num_edge=12。如果采用无梯度方向的灰度梯度图像,则边缘选取需要该像素点的梯度大于一半以上的八邻接像素点对应梯度,额外有下划线的方格,边缘数量num_edge=15。
可选的,安防密码验证装置根据待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,确定待处理指纹区域是否作为目标指纹区域。
可选的,若确定待处理指纹区域作为目标指纹区域,安防密码验证装置则获取在待处理指纹区域中的待识别指纹图像。
可选的,安防密码验证装置通过指纹活体检测模型对待识别指纹图像进行指纹活体检测,得到活体检测结果,其中,指纹活体检测模型是基于指纹图像样本及其对应的活体检测结果训练得到。
可选的,安防密码验证装置根据活体检测结果对待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数。
可选的,安防密码验证装置根据指纹图像质量分数对待识别指纹图像进行指纹密码验证,得到安防密码验证结果。
采用本申请实施例的方案,通过待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,指纹活体检测模型以及指纹图像质量评估,提高了指纹识别率。同时,本申请实施例的方案只需要通过一个指纹传感器即可实现,降低了安防密码验证成本。
可选的,确定触控操作在所述指纹识别区域的待处理指纹区域,包括:
获取触控操作在所述指纹识别区域的外轮廓形状和轮廓尺寸大小,以及所述指纹识别区域的覆盖区域面积;
根据所述轮廓尺寸大小和所述覆盖区域面积,计算所述外轮廓形状匹配的多个外轮廓点的外扩轨迹方向和外扩距离大小;
基于所述外扩轨迹方向和所述外扩距离大小对所述外轮廓形状进行外扩,得到所述触控操作在所述指纹识别区域的待处理指纹区域。
可选的,安防密码验证装置获取触控操作在指纹识别区域的外轮廓形状和轮廓尺寸大小,以及指纹识别区域的覆盖区域面积。
可选的,安防密码验证装置根据轮廓尺寸大小和覆盖区域面积,计算外轮廓形状匹配的多个外轮廓点的外扩轨迹方向和外扩距离大小。
可选的,安防密码验证装置以外扩轨迹方向和外扩距离大小对外轮廓形状进行外扩,得到触控操作在指纹识别区域的待处理指纹区域。
可选的,根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,确定所述待处理指纹区域是否作为目标指纹区域,包括:
根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,计算所述待处理指纹区域的区域指标值;所述区域指标值的计算公式为:
其中,N为区域指标值,P为显著区域关联状态,显著区域关联状态为完全关联,则P=1,显著区域关联状态为非完全关联,则P=0,k为边缘清晰程度,m为特征点数量;
若所述区域指标值大于或者等于预设指标阈值,确定所述待处理指纹区域作为目标指纹区域;或,
若所述区域指标值小于所述预设指标阈值,确定所述待处理指纹区域非目标指纹区域。
可选的,安防密码验证装置根据待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,计算待处理指纹区域的区域指标值,其中,区域指标值的计算公式为:
其中,N为区域指标值,P为显著区域关联状态,显著区域关联状态为完全关联,则P=1,显著区域关联状态为非完全关联,则P=0,k为边缘清晰程度,m为特征点数量。
可选的,若区域指标值大于或者等于预设指标阈值,安防密码验证装置则确定待处理指纹区域作为目标指纹区域,其中,预设指标阈值根据实际设定。
可选的,若区域指标值小于预设指标阈值,安防密码验证装置则确定待处理指纹区域非目标指纹区域。
可选的,通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果,包括:
将所述待识别指纹图像输入至所述指纹活体检测模型中进行指纹活体检测,得到所述指纹活体检测模型输出的活体检测结果;
相应地,指纹活体检测模型输出活体检测结果的具体步骤包括:
获取所述指纹活体检测模型中窗口不同位置的模型深度值;
提取所述待识别指纹图像的待处理指纹特征,并对所述待处理指纹特征进行差分卷积处理和中心卷积处理,得到第一目标指纹特征和第二目标指纹特征;
将所述第一目标指纹特征和所述第二目标指纹特征进行特征融合,得到综合指纹特征;
通过所述指纹活体检测模型的注意力机制将所述第一目标指纹特征、所述第二目标指纹特征和所述综合指纹特征进行融合,得到注意力特征值;
根据窗口不同位置的模型深度值对所述注意力特征值进行加权,得到活体检测特征值;
其中,所述活体检测特征值的计算公式如下:
其中,Att(n,m,k)为活体检测特征值,n为第一目标指纹特征对应的特征值,m为第二目标指纹特征对应的特征值,k为综合指纹特征对应的特征值,T和B都为注意力特征值系数,di和dj为窗口内i位置的深度值和j位置的深度值;
若所述活体检测特征值大于或等于预设特征阈值,则确定所述活体检测结果为活体指纹;或,
若所述活体检测特征值小于所述预设特征阈值,则确定所述活体检测结果为非活体指纹。
可选的,安防密码验证装置将待识别指纹图像输入至指纹活体检测模型中进行指纹活体检测,得到指纹活体检测模型输出的活体检测结果,其中,指纹活体检测模型输出活体检测结果的具体步骤包括:
安防密码验证装置获取指纹活体检测模型中窗口不同位置的模型深度值。
可选的,安防密码验证装置提取待识别指纹图像的待处理指纹特征,并对待处理指纹特征进行差分卷积处理和中心卷积处理,得到第一目标指纹特征和第二目标指纹特征。可选的,安防密码验证装置将第一目标指纹特征和第二目标指纹特征进行特征融合,得到综合指纹特征。
可选的,安防密码验证装置通过指纹活体检测模型的注意力机制将第一目标指纹特征、第二目标指纹特征和综合指纹特征进行融合,得到注意力特征值。
可选的,安防密码验证装置根据窗口不同位置的模型深度值对注意力特征值进行加权,得到活体检测特征值,其中,其中,活体检测特征值的计算公式如下:
其中,Att(n,m,k)为活体检测特征值,n为第一目标指纹特征对应的特征值,m为第二目标指纹特征对应的特征值,k为综合指纹特征对应的特征值,T和B都为注意力特征值系数,di和dj为窗口内i位置的深度值和j位置的深度值;
若活体检测特征值大于或等于预设特征阈值,安防密码验证装置则确定活体检测结果为活体指纹,其中,预设特征阈值根据实际设定。
若活体检测特征值小于预设特征阈值,安防密码验证装置则确定活体检测结果为非活体指纹。
可选的,根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数,包括:
若所述活体检测结果为活体指纹,则计算所述待识别指纹图像的指纹纹理特征和指纹深度特征;
根据所述指纹密码传感器的类型获取纹理特征范围和深度特征范围;
根据所述指纹纹理特征、所述指纹深度特征、所述纹理特征范围和所述深度特征范围,计算所述指纹图像质量分数。
可选的,计算所述指纹图像质量分数的具体公式为:
其中,W为指纹图像质量分数,α为预设指纹纹理参数因子,β为指纹深度参数因子,x为指纹纹理特征对应的特征值,c为指纹深度特征对应的特征值,t1为纹理特征范围,t2为深度特征范围。
可选的,若活体检测结果为活体指纹,安防密码验证装置则计算待识别指纹图像的指纹纹理特征和指纹深度特征。
可选的,安防密码验证装置根据指纹密码传感器的类型获取纹理特征范围和深度特征范围。
可选的,安防密码验证装置根据指纹纹理特征、指纹深度特征、纹理特征范围和深度特征范围,计算指纹图像质量分数,其中,计算指纹图像质量分数的具体公式为:
其中,W为指纹图像质量分数,α为预设指纹纹理参数因子,β为指纹深度参数因子,x为指纹纹理特征对应的特征值,c为指纹深度特征对应的特征值,t1为纹理特征范围,t2为深度特征范围。
可选的,根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果,包括:
若所述指纹图像质量分数大于或者等于预设分数阈值,则将所述待识别指纹图像与指纹库中指纹图像集合的各个目标指纹图像进行匹配,得到所述待识别指纹图像与各个目标指纹图像之间的相似度值;相似度值的计算公式为:
其中,S为相似度值,L1为待识别指纹图像的特征值,L2为目标指纹图像的特征值;
若在所述相似度值中存在大于预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证通过;或,
若在所述相似度值中不存在大于所述预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证未通过。
可选的,若指纹图像质量分数大于或者等于预设分数阈值,安防密码验证装置则将待识别指纹图像与指纹库中指纹图像集合的各个目标指纹图像进行匹配,得到待识别指纹图像与各个目标指纹图像之间的相似度值,其中,预设分数阈值根据实际,相似度值的计算公式为:
其中,S为相似度值,L1为待识别指纹图像的特征值,L2为目标指纹图像的特征值;
可选的,若在相似度值中存在大于预设阈值的目标值,安防密码验证装置则确定安防密码验证结果为安防密码验证通过,其中,预设阈值根据实际设定。
可选的,若在相似度值中不存在大于预设阈值的目标值,安防密码验证装置则确定安防密码验证结果为安防密码验证未通过。
采用本申请实施例的方案,通过待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,指纹活体检测模型以及指纹图像质量评估,提高了指纹识别率。同时,本申请实施例的方案只需要通过一个指纹传感器即可实现,降低了安防密码验证成本。
下面对本申请实施例提供的安防密码验证装置进行描述,下文描述的安防密码验证装置与上文描述的安防密码验证方法可相互对应参照。参照图2所示,图2是本申请实施例中提供的安防密码验证装置的结构示意图,该安防密码验证装置可以包括:
第一区域确定模块201,用于响应触控操作,且确定所述触控操作的触控中心点在指纹密码传感器的指纹识别区域内,则确定触控操作在所述指纹识别区域的待处理指纹区域;
第二区域确定模块202,用于:根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,计算所述待处理指纹区域的区域指标值;所述区域指标值的计算公式为:
其中,N为区域指标值,P为显著区域关联状态,显著区域关联状态为完全关联,则P=1,显著区域关联状态为非完全关联,则P=0,k为边缘清晰程度,m为特征点数量;
若所述区域指标值大于或者等于预设指标阈值,确定所述待处理指纹区域作为目标指纹区域;
指纹图像获取模块203,用于若所述待处理指纹区域作为所述目标指纹区域,则获取在所述待处理指纹区域中的待识别指纹图像;
指纹活体检测模块204,用于通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果;
指纹质量评估模块205,用于根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数;
指纹密码验证模块206,用于根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果。
采用本申请实施例的方案,通过待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,指纹活体检测模型以及指纹图像质量评估,提高了指纹识别率。同时,本申请实施例的方案只需要通过一个指纹传感器即可实现,降低了安防密码验证成本。
在一个可选的示例中,第一区域确定模块201还用于:
获取触控操作在所述指纹识别区域的外轮廓形状和轮廓尺寸大小,以及所述指纹识别区域的覆盖区域面积;
根据所述轮廓尺寸大小和所述覆盖区域面积,计算所述外轮廓形状匹配的多个外轮廓点的外扩轨迹方向和外扩距离大小;
基于所述外扩轨迹方向和所述外扩距离大小对所述外轮廓形状进行外扩,得到所述触控操作在所述指纹识别区域的待处理指纹区域。
在一个可选的示例中,指纹活体检测模块204还用于:
将所述待识别指纹图像输入至所述指纹活体检测模型中进行指纹活体检测,得到所述指纹活体检测模型输出的活体检测结果;
相应地,指纹活体检测模型输出活体检测结果的具体步骤包括:
获取所述指纹活体检测模型中窗口不同位置的模型深度值;
提取所述待识别指纹图像的待处理指纹特征,并对所述待处理指纹特征进行差分卷积处理和中心卷积处理,得到第一目标指纹特征和第二目标指纹特征;
将所述第一目标指纹特征和所述第二目标指纹特征进行特征融合,得到综合指纹特征;
通过所述指纹活体检测模型的注意力机制将所述第一目标指纹特征、所述第二目标指纹特征和所述综合指纹特征进行融合,得到注意力特征值;
根据窗口不同位置的模型深度值对所述注意力特征值进行加权,得到活体检测特征值;
其中,所述活体检测特征值的计算公式如下:
其中,Att(n,m,k)为活体检测特征值,n为第一目标指纹特征对应的特征值,m为第二目标指纹特征对应的特征值,k为综合指纹特征对应的特征值,T和B都为注意力特征值系数,di和dj为窗口内i位置的深度值和j位置的深度值;
若所述活体检测特征值大于或等于预设特征阈值,则确定所述活体检测结果为活体指纹;或,
若所述活体检测特征值小于所述预设特征阈值,则确定所述活体检测结果为非活体指纹。
在一个可选的示例中,指纹质量评估模块205还用于:
若所述活体检测结果为活体指纹,则计算所述待识别指纹图像的指纹纹理特征和指纹深度特征;
根据所述指纹密码传感器的类型获取纹理特征范围和深度特征范围;
根据所述指纹纹理特征、所述指纹深度特征、所述纹理特征范围和所述深度特征范围,计算所述指纹图像质量分数;
计算所述指纹图像质量分数的具体公式为:
其中,W为指纹图像质量分数,α为预设指纹纹理参数因子,β为指纹深度参数因子,x为指纹纹理特征对应的特征值,c为指纹深度特征对应的特征值,t1为纹理特征范围,t2为深度特征范围。
在一个可选的示例中,指纹密码验证模块206还用于:
若所述指纹图像质量分数大于或者等于预设分数阈值,则将所述待识别指纹图像与指纹库中指纹图像集合的各个目标指纹图像进行匹配,得到所述待识别指纹图像与各个目标指纹图像之间的相似度值;相似度值的计算公式为:
其中,S为相似度值,L1为待识别指纹图像的特征值,L2为目标指纹图像的特征值;
若在所述相似度值中存在大于预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证通过;或,
若在所述相似度值中不存在大于所述预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证未通过。
本申请提供的安防密码验证装置的具体实施例与安防密码验证方法各实施例基本相同,在此不作赘述。
可选的,如图3所示,图3为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括:处理器(processor)310、通信接口(Communication Interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的确定机程序,以执行安防密码验证方法的步骤,例如包括:
响应触控操作,且确定所述触控操作的触控中心点在指纹密码传感器的指纹识别区域内,则确定触控操作在所述指纹识别区域的待处理指纹区域;
根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,确定所述待处理指纹区域是否作为目标指纹区域;
若所述待处理指纹区域作为所述目标指纹区域,则获取在所述待处理指纹区域中的待识别指纹图像;
通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果;所述指纹活体检测模型是基于指纹图像样本及其对应的活体检测结果训练得到;
根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数;
根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果。
在一个可选的示例中,所述确定触控操作在所述指纹识别区域的待处理指纹区域,包括:
获取触控操作在所述指纹识别区域的外轮廓形状和轮廓尺寸大小,以及所述指纹识别区域的覆盖区域面积;
根据所述轮廓尺寸大小和所述覆盖区域面积,计算所述外轮廓形状匹配的多个外轮廓点的外扩轨迹方向和外扩距离大小;
基于所述外扩轨迹方向和所述外扩距离大小对所述外轮廓形状进行外扩,得到所述触控操作在所述指纹识别区域的待处理指纹区域。
在一个可选的示例中,所述通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果,包括:
将所述待识别指纹图像输入至所述指纹活体检测模型中进行指纹活体检测,得到所述指纹活体检测模型输出的活体检测结果;
相应地,指纹活体检测模型输出活体检测结果的具体步骤包括:
获取所述指纹活体检测模型中窗口不同位置的模型深度值;
提取所述待识别指纹图像的待处理指纹特征,并对所述待处理指纹特征进行差分卷积处理和中心卷积处理,得到第一目标指纹特征和第二目标指纹特征;
将所述第一目标指纹特征和所述第二目标指纹特征进行特征融合,得到综合指纹特征;
通过所述指纹活体检测模型的注意力机制将所述第一目标指纹特征、所述第二目标指纹特征和所述综合指纹特征进行融合,得到注意力特征值;
根据窗口不同位置的模型深度值对所述注意力特征值进行加权,得到活体检测特征值;
其中,所述活体检测特征值的计算公式如下:
其中,Att(n,m,k)为活体检测特征值,n为第一目标指纹特征对应的特征值,m为第二目标指纹特征对应的特征值,k为综合指纹特征对应的特征值,T和B都为注意力特征值系数,di和dj为窗口内i位置的深度值和j位置的深度值;
若所述活体检测特征值大于或等于预设特征阈值,则确定所述活体检测结果为活体指纹;或,
若所述活体检测特征值小于所述预设特征阈值,则确定所述活体检测结果为非活体指纹。
在一个可选的示例中,所述根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数,包括:
若所述活体检测结果为活体指纹,则计算所述待识别指纹图像的指纹纹理特征和指纹深度特征;
根据所述指纹密码传感器的类型获取纹理特征范围和深度特征范围;
根据所述指纹纹理特征、所述指纹深度特征、所述纹理特征范围和所述深度特征范围,计算所述指纹图像质量分数。
在一个可选的示例中,计算所述指纹图像质量分数的具体公式为:
其中,W为指纹图像质量分数,α为预设指纹纹理参数因子,β为指纹深度参数因子,x为指纹纹理特征对应的特征值,c为指纹深度特征对应的特征值,t1为纹理特征范围,t2为深度特征范围。
在一个可选的示例中,所述根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果,包括:
若所述指纹图像质量分数大于或者等于预设分数阈值,则将所述待识别指纹图像与指纹库中指纹图像集合的各个目标指纹图像进行匹配,得到所述待识别指纹图像与各个目标指纹图像之间的相似度值;相似度值的计算公式为:
其中,S为相似度值,L1为待识别指纹图像的特征值,L2为目标指纹图像的特征值;
若在所述相似度值中存在大于预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证通过;或,
若在所述相似度值中不存在大于所述预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证未通过。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个确定机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该确定机软件产品存储在一个存储介质中,包括若干指令用以使得一台确定机设备(可以是个人确定机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请实施例还提供一种非暂态确定机可读存储介质,所述非暂态确定机可读存储介质包括确定机程序,所述确定机程序可存储在非暂态确定机可读存储介质上,所述确定机程序被处理器执行时,确定机能够执行上述各实施例所提供的安防密码验证方法的步骤,例如包括:
响应触控操作,且确定所述触控操作的触控中心点在指纹密码传感器的指纹识别区域内,则确定触控操作在所述指纹识别区域的待处理指纹区域;
根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,确定所述待处理指纹区域是否作为目标指纹区域;
若所述待处理指纹区域作为所述目标指纹区域,则获取在所述待处理指纹区域中的待识别指纹图像;
通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果;所述指纹活体检测模型是基于指纹图像样本及其对应的活体检测结果训练得到;
根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数;
根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果。
在一个可选的示例中,所述确定触控操作在所述指纹识别区域的待处理指纹区域,包括:
获取触控操作在所述指纹识别区域的外轮廓形状和轮廓尺寸大小,以及所述指纹识别区域的覆盖区域面积;
根据所述轮廓尺寸大小和所述覆盖区域面积,计算所述外轮廓形状匹配的多个外轮廓点的外扩轨迹方向和外扩距离大小;
基于所述外扩轨迹方向和所述外扩距离大小对所述外轮廓形状进行外扩,得到所述触控操作在所述指纹识别区域的待处理指纹区域。
在一个可选的示例中,所述通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果,包括:
将所述待识别指纹图像输入至所述指纹活体检测模型中进行指纹活体检测,得到所述指纹活体检测模型输出的活体检测结果;
相应地,指纹活体检测模型输出活体检测结果的具体步骤包括:
获取所述指纹活体检测模型中窗口不同位置的模型深度值;
提取所述待识别指纹图像的待处理指纹特征,并对所述待处理指纹特征进行差分卷积处理和中心卷积处理,得到第一目标指纹特征和第二目标指纹特征;
将所述第一目标指纹特征和所述第二目标指纹特征进行特征融合,得到综合指纹特征;
通过所述指纹活体检测模型的注意力机制将所述第一目标指纹特征、所述第二目标指纹特征和所述综合指纹特征进行融合,得到注意力特征值;
根据窗口不同位置的模型深度值对所述注意力特征值进行加权,得到活体检测特征值;
其中,所述活体检测特征值的计算公式如下:
/>
其中,Att(n,m,k)为活体检测特征值,n为第一目标指纹特征对应的特征值,m为第二目标指纹特征对应的特征值,k为综合指纹特征对应的特征值,T和B都为注意力特征值系数,di和dj为窗口内i位置的深度值和j位置的深度值;
若所述活体检测特征值大于或等于预设特征阈值,则确定所述活体检测结果为活体指纹;或,
若所述活体检测特征值小于所述预设特征阈值,则确定所述活体检测结果为非活体指纹。
在一个可选的示例中,所述根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数,包括:
若所述活体检测结果为活体指纹,则计算所述待识别指纹图像的指纹纹理特征和指纹深度特征;
根据所述指纹密码传感器的类型获取纹理特征范围和深度特征范围;
根据所述指纹纹理特征、所述指纹深度特征、所述纹理特征范围和所述深度特征范围,计算所述指纹图像质量分数。
在一个可选的示例中,计算所述指纹图像质量分数的具体公式为:
其中,W为指纹图像质量分数,α为预设指纹纹理参数因子,β为指纹深度参数因子,x为指纹纹理特征对应的特征值,c为指纹深度特征对应的特征值,t1为纹理特征范围,t2为深度特征范围。
在一个可选的示例中,所述根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果,包括:
若所述指纹图像质量分数大于或者等于预设分数阈值,则将所述待识别指纹图像与指纹库中指纹图像集合的各个目标指纹图像进行匹配,得到所述待识别指纹图像与各个目标指纹图像之间的相似度值;相似度值的计算公式为:
其中,S为相似度值,L1为待识别指纹图像的特征值,L2为目标指纹图像的特征值;
若在所述相似度值中存在大于预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证通过;或,
若在所述相似度值中不存在大于所述预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证未通过。
又一方面,本申请实施例还提供一种计算机产品,计算机产品包括确定机程序,确定机程序可存储在计算机产品上,所述确定机程序被处理器执行时,确定机能够执行上述各实施例所提供的安防密码验证方法的步骤,例如包括:
响应触控操作,且确定所述触控操作的触控中心点在指纹密码传感器的指纹识别区域内,则确定触控操作在所述指纹识别区域的待处理指纹区域;
根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,确定所述待处理指纹区域是否作为目标指纹区域;
若所述待处理指纹区域作为所述目标指纹区域,则获取在所述待处理指纹区域中的待识别指纹图像;
通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果;所述指纹活体检测模型是基于指纹图像样本及其对应的活体检测结果训练得到;
根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数;
根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果。
在一个可选的示例中,所述确定触控操作在所述指纹识别区域的待处理指纹区域,包括:
获取触控操作在所述指纹识别区域的外轮廓形状和轮廓尺寸大小,以及所述指纹识别区域的覆盖区域面积;
根据所述轮廓尺寸大小和所述覆盖区域面积,计算所述外轮廓形状匹配的多个外轮廓点的外扩轨迹方向和外扩距离大小;
基于所述外扩轨迹方向和所述外扩距离大小对所述外轮廓形状进行外扩,得到所述触控操作在所述指纹识别区域的待处理指纹区域。
在一个可选的示例中,所述通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果,包括:
将所述待识别指纹图像输入至所述指纹活体检测模型中进行指纹活体检测,得到所述指纹活体检测模型输出的活体检测结果;
相应地,指纹活体检测模型输出活体检测结果的具体步骤包括:
获取所述指纹活体检测模型中窗口不同位置的模型深度值;
提取所述待识别指纹图像的待处理指纹特征,并对所述待处理指纹特征进行差分卷积处理和中心卷积处理,得到第一目标指纹特征和第二目标指纹特征;
将所述第一目标指纹特征和所述第二目标指纹特征进行特征融合,得到综合指纹特征;
通过所述指纹活体检测模型的注意力机制将所述第一目标指纹特征、所述第二目标指纹特征和所述综合指纹特征进行融合,得到注意力特征值;
根据窗口不同位置的模型深度值对所述注意力特征值进行加权,得到活体检测特征值;
其中,所述活体检测特征值的计算公式如下:
其中,Att(n,m,k)为活体检测特征值,n为第一目标指纹特征对应的特征值,m为第二目标指纹特征对应的特征值,k为综合指纹特征对应的特征值,T和B都为注意力特征值系数,di和dj为窗口内i位置的深度值和j位置的深度值;
若所述活体检测特征值大于或等于预设特征阈值,则确定所述活体检测结果为活体指纹;或,
若所述活体检测特征值小于所述预设特征阈值,则确定所述活体检测结果为非活体指纹。
在一个可选的示例中,所述根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数,包括:
若所述活体检测结果为活体指纹,则计算所述待识别指纹图像的指纹纹理特征和指纹深度特征;
根据所述指纹密码传感器的类型获取纹理特征范围和深度特征范围;
根据所述指纹纹理特征、所述指纹深度特征、所述纹理特征范围和所述深度特征范围,计算所述指纹图像质量分数。
在一个可选的示例中,计算所述指纹图像质量分数的具体公式为:
其中,W为指纹图像质量分数,α为预设指纹纹理参数因子,β为指纹深度参数因子,x为指纹纹理特征对应的特征值,c为指纹深度特征对应的特征值,t1为纹理特征范围,t2为深度特征范围。
在一个可选的示例中,所述根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果,包括:
若所述指纹图像质量分数大于或者等于预设分数阈值,则将所述待识别指纹图像与指纹库中指纹图像集合的各个目标指纹图像进行匹配,得到所述待识别指纹图像与各个目标指纹图像之间的相似度值;相似度值的计算公式为:
其中,S为相似度值,L1为待识别指纹图像的特征值,L2为目标指纹图像的特征值;
若在所述相似度值中存在大于预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证通过;或,
若在所述相似度值中不存在大于所述预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证未通过。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该确定机软件产品可以存储在确定机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台确定机设备(可以是个人确定机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种安防密码验证方法,其特征在于,包括:
响应触控操作,且确定所述触控操作的触控中心点在指纹密码传感器的指纹识别区域内,则确定触控操作在所述指纹识别区域的待处理指纹区域;
根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,计算所述待处理指纹区域的区域指标值;所述区域指标值的计算公式为:
其中,N为区域指标值,P为显著区域关联状态,显著区域关联状态为完全关联,则P=1,显著区域关联状态为非完全关联,则P=0,k为边缘清晰程度,m为特征点数量;
若所述区域指标值大于或者等于预设指标阈值,确定所述待处理指纹区域作为目标指纹区域;
若所述待处理指纹区域作为所述目标指纹区域,则获取在所述待处理指纹区域中的待识别指纹图像;
通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果;所述指纹活体检测模型是基于指纹图像样本及其对应的活体检测结果训练得到;
根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数;
根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果。
2.根据权利要求1所述安防密码验证方法,其特征在于,所述确定触控操作在所述指纹识别区域的待处理指纹区域,包括:
获取触控操作在所述指纹识别区域的外轮廓形状和轮廓尺寸大小,以及所述指纹识别区域的覆盖区域面积;
根据所述轮廓尺寸大小和所述覆盖区域面积,计算所述外轮廓形状匹配的多个外轮廓点的外扩轨迹方向和外扩距离大小;
基于所述外扩轨迹方向和所述外扩距离大小对所述外轮廓形状进行外扩,得到所述触控操作在所述指纹识别区域的待处理指纹区域。
3.根据权利要求1所述安防密码验证方法,其特征在于,所述通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果,包括:
将所述待识别指纹图像输入至所述指纹活体检测模型中进行指纹活体检测,得到所述指纹活体检测模型输出的活体检测结果;
相应地,指纹活体检测模型输出活体检测结果的具体步骤包括:
获取所述指纹活体检测模型中窗口不同位置的模型深度值;
提取所述待识别指纹图像的待处理指纹特征,并对所述待处理指纹特征进行差分卷积处理和中心卷积处理,得到第一目标指纹特征和第二目标指纹特征;
将所述第一目标指纹特征和所述第二目标指纹特征进行特征融合,得到综合指纹特征;
通过所述指纹活体检测模型的注意力机制将所述第一目标指纹特征、所述第二目标指纹特征和所述综合指纹特征进行融合,得到注意力特征值;
根据窗口不同位置的模型深度值对所述注意力特征值进行加权,得到活体检测特征值;
其中,所述活体检测特征值的计算公式如下:
其中,Att(n,m,k)为活体检测特征值,n为第一目标指纹特征对应的特征值,m为第二目标指纹特征对应的特征值,k为综合指纹特征对应的特征值,T和B都为注意力特征值系数,di和dj为窗口内i位置的深度值和j位置的深度值;
若所述活体检测特征值大于或等于预设特征阈值,则确定所述活体检测结果为活体指纹;或,
若所述活体检测特征值小于所述预设特征阈值,则确定所述活体检测结果为非活体指纹。
4.根据权利要求1所述安防密码验证方法,其特征在于,所述根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数,包括:
若所述活体检测结果为活体指纹,则计算所述待识别指纹图像的指纹纹理特征和指纹深度特征;
根据所述指纹密码传感器的类型获取纹理特征范围和深度特征范围;
根据所述指纹纹理特征、所述指纹深度特征、所述纹理特征范围和所述深度特征范围,计算所述指纹图像质量分数。
5.根据权利要求4所述安防密码验证方法,其特征在于,计算所述指纹图像质量分数的具体公式为:
其中,W为指纹图像质量分数,α为预设指纹纹理参数因子,β为指纹深度参数因子,x为指纹纹理特征对应的特征值,c为指纹深度特征对应的特征值,t1为纹理特征范围,t2为深度特征范围。
6.根据权利要求1所述安防密码验证方法,其特征在于,所述根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果,包括:
若所述指纹图像质量分数大于或者等于预设分数阈值,则将所述待识别指纹图像与指纹库中指纹图像集合的各个目标指纹图像进行匹配,得到所述待识别指纹图像与各个目标指纹图像之间的相似度值;相似度值的计算公式为:
其中,S为相似度值,L1为待识别指纹图像的特征值,L2为目标指纹图像的特征值;
若在所述相似度值中存在大于预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证通过;或,
若在所述相似度值中不存在大于所述预设阈值的目标值,则确定所述安防密码验证结果为安防密码验证未通过。
7.一种安防密码验证装置,其特征在于,包括:
第一区域确定模块,用于响应触控操作,且确定所述触控操作的触控中心点在指纹密码传感器的指纹识别区域内,则确定触控操作在所述指纹识别区域的待处理指纹区域;
第二区域确定模块,用于:
根据所述待处理指纹区域的显著区域关联状态,边缘清晰程度和特征点数量,计算所述待处理指纹区域的区域指标值;所述区域指标值的计算公式为:
其中,N为区域指标值,P为显著区域关联状态,显著区域关联状态为完全关联,则P=1,显著区域关联状态为非完全关联,则P=0,k为边缘清晰程度,m为特征点数量;
若所述区域指标值大于或者等于预设指标阈值,确定所述待处理指纹区域作为目标指纹区域;
指纹图像获取模块,用于若所述待处理指纹区域作为所述目标指纹区域,则获取在所述待处理指纹区域中的待识别指纹图像;
指纹活体检测模块,用于通过指纹活体检测模型对所述待识别指纹图像进行指纹活体检测,得到活体检测结果;所述指纹活体检测模型是基于指纹图像样本及其对应的活体检测结果训练得到;
指纹质量评估模块,用于根据所述活体检测结果对所述待识别指纹图像进行指纹图像质量评估,得到指纹图像质量分数;
指纹密码验证模块,用于根据所述指纹图像质量分数对所述待识别指纹图像进行指纹密码验证,得到安防密码验证结果。
8.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有多条指令;所述处理器从所述存储器中加载指令,以执行如权利要求1至6任一项所述的安防密码验证方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行如权利要求1至6任一项所述的安防密码验证方法。
10.一种计算机产品,其特征在于,所述计算机产品存储有多条指令,所述指令适于处理器进行加载,以执行如权利要求1至6任一项所述的安防密码验证方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311304035.XA CN117332397A (zh) | 2023-10-09 | 2023-10-09 | 基于指纹密码传感器的安防密码验证方法及其装置 |
CN202311304035X | 2023-10-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118171261A true CN118171261A (zh) | 2024-06-11 |
Family
ID=89292707
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311304035.XA Withdrawn CN117332397A (zh) | 2023-10-09 | 2023-10-09 | 基于指纹密码传感器的安防密码验证方法及其装置 |
CN202410305543.8A Pending CN118171261A (zh) | 2023-10-09 | 2024-03-18 | 安防密码验证方法、装置、设备、介质及其计算机产品 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311304035.XA Withdrawn CN117332397A (zh) | 2023-10-09 | 2023-10-09 | 基于指纹密码传感器的安防密码验证方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN117332397A (zh) |
-
2023
- 2023-10-09 CN CN202311304035.XA patent/CN117332397A/zh not_active Withdrawn
-
2024
- 2024-03-18 CN CN202410305543.8A patent/CN118171261A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN117332397A (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11971924B2 (en) | Liveness test method and apparatus | |
CN110852160B (zh) | 以图像为基准的生物识别***及计算机实施方法 | |
CN111275129A (zh) | 一种图像数据的增广策略选取方法及*** | |
CN109272016B (zh) | 目标检测方法、装置、终端设备和计算机可读存储介质 | |
CN112633144A (zh) | 人脸遮挡检测方法、***、设备及存储介质 | |
KR101761586B1 (ko) | 홍채와 공막의 경계선 검출 방법 | |
CN106485651B (zh) | 快速鲁棒性尺度不变的图像匹配方法 | |
CN109840524A (zh) | 文字的类型识别方法、装置、设备及存储介质 | |
US7856127B2 (en) | Ridge direction extraction device, ridge direction extraction method, ridge direction extraction program | |
CN110807110A (zh) | 结合局部和全局特征的图片搜索方法、装置及电子设备 | |
CN108960247B (zh) | 图像显著性检测方法、装置以及电子设备 | |
CN111079587B (zh) | 人脸的识别方法、装置、计算机设备及可读存储介质 | |
CN110427826B (zh) | 一种手掌识别方法、装置、电子设备及存储介质 | |
US10740590B2 (en) | Skin information processing method, skin information processing device, and non-transitory computer-readable medium | |
CN104268550A (zh) | 特征提取方法及装置 | |
CN113269752A (zh) | 一种图像检测方法、装置终端设备及存储介质 | |
KR101450247B1 (ko) | Sift 특징점에 기반한 손가락 정맥 인증 방법 | |
KR101188296B1 (ko) | 스트랩다운 이중 모드 영상탐색기의 가중치 기반 표적 결정 방법 및 이를 이용한 가중치 기반 표적 결정 시스템 | |
CN118171261A (zh) | 安防密码验证方法、装置、设备、介质及其计算机产品 | |
CN111898408A (zh) | 一种快速人脸识别方法及装置 | |
CN111612083A (zh) | 一种手指静脉识别方法、装置及设备 | |
CN111291712A (zh) | 基于插值的cn和胶囊网络的森林火灾识别方法及装置 | |
CN113780095B (zh) | 人脸识别模型的训练数据扩充方法、终端设备及介质 | |
KR20180072517A (ko) | 홍채와 공막의 경계선 검출 방법 | |
CN110874602A (zh) | 一种图像识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |