TW202011270A - 具資料擴展性之掌紋辨識裝置及方法 - Google Patents
具資料擴展性之掌紋辨識裝置及方法 Download PDFInfo
- Publication number
- TW202011270A TW202011270A TW107130503A TW107130503A TW202011270A TW 202011270 A TW202011270 A TW 202011270A TW 107130503 A TW107130503 A TW 107130503A TW 107130503 A TW107130503 A TW 107130503A TW 202011270 A TW202011270 A TW 202011270A
- Authority
- TW
- Taiwan
- Prior art keywords
- identification
- data
- palmprint
- recognition
- expansion
- Prior art date
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本發明提供一種具資料擴展性之掌紋辨識裝置及方法。此裝置包括複數個電容感測單元、辨識單元與儲能單元。這些電容感測單元感測掌紋深淺狀況並傳送至辨識單元。此辨識單元接收複數個電容感測單元的電容變化量以用於訓練與辨識功能,並透過資料擴展性演算法擴增樣本資料量。而儲能單元提供裝置電量。藉此,能提供準確性高且低成本的身分辨識裝置。
Description
本發明是關於一種經非接觸電容式即時感測與辨識技術,且特別具資料擴展性之掌紋辨識裝置及方法。
隨著資通訊科技之進步,身份辨識設備均以低成本、安裝便利性以及簡易使用為研發主軸。
一般習知的身分辨識設備通常會利用多因子身分辨識,將使用者所具備的知識、所擁有的物品、及個人特徵擇其一來作為辨識之依據。常見的辨識手段例如有記憶密碼、鑰匙與指紋等方法,但這些辨識手段的缺點在於應用在多因子辨識技術上恐造成產品的價格昂貴,且使用上也較單因子辨識複雜。因此,身份辨識裝置之開發勢必有更加新穎設計之需。
根據中華民國發明專利第I562010號「結合手部認證的視線軌跡認證系統、方法、電腦可讀取紀錄媒體及電腦程式產品」,其揭示一種視線軌跡認證系統,包含有一影像擷取裝置、一顯示裝置、以及一控制單元。此影像擷取裝置用以拍攝用戶影像。此顯示裝置係提供顯示介面。此控制單元係包含有一手部特徵辨識模組、一眼動分析模組、一視線軌跡解鎖模組、以及一自主意志確認模組。此視線軌跡認證系統係透過手部特徵確認用戶身分,並偵測該用戶的注視方向及眼部動作。一方面,依據此用戶的注視方向記錄用戶的視線軌跡以確認用戶身分。另一方面,分析此用戶的眼部動作,以藉由分析此用戶的眼部動作來確認此用戶是否於自主意志下進行操作。此專利的缺點在於,使用影像擷取裝置無法降低辨識裝置成本,再者此專利係透過控制辨識手部特徵、眼動分析、視線軌跡與自主意志達成解鎖,恐造成一般使用者辨識使用複雜度提高。
而根據中華民國發明專利第I536272號「生物辨識裝置及方法」,此專利揭示一種生物辨識裝置及方法,藉由紅外線的垂直腔面射型雷射器(VCSEL)作為生物辨識裝置的替代光源而可在靜脈影像的辨識上提供更清楚的影像,並且使用獨特的光學導光機構來達成體積小型化的功效。此外,此生物辨識裝置及方法更藉由單一影像測器單元來同時擷取指靜脈與指紋兩種影像於同一感測訊號中,以進行後續之靜脈特徵與指紋特徵的分析比對,使硬體成本相對降低,電路設計上較為單純,且處理效率也較高的優點。而此專利的缺點在於,使用紅外線的垂直腔面射型雷射器感測裝置,需將手指放在特定辨識裝置中,從而造成使用上侷限。再者,此生物辨識裝置所用影像處理單元價格昂貴,恐將更為提升辨識裝置之成本。
由此可見,上述習用方式仍有諸多缺失,實非一良善之設計,而亟待加以改良。
有鑑於此,本發明提供一種具資料擴展性之掌紋辨識裝置及方法,其採電容感測方法感測掌紋資訊,並使用資料擴展性演算法,以降低裝置成本。
本發明實施例的具資料擴展性之掌紋辨識裝置,其包括複數個電容式感測單元、及辨識單元。電容式感測單元分別用以收集周圍電容變化量。而辨識單元對收集的那些電容變化量擴增資料量分析以得出擴展特徵向量,並將此擴展特徵向量透過辨識演算法辨別身分。此辨識演算法係利用由機器學習技術訓練的辨識模型。
本發明實施例的具資料擴展性之掌紋辨識方法,其包括下列步驟。收集複數個電容變化量,對這些電容變化量擴增資料量分析以得出擴展特徵向量。將此擴展特徵向量透過辨識演算法辨識身分。而此辨識演算法係利用由機器學習技術訓練的辨識模型。
本發明之目的之一在於,以電容感側來執行生物辨識,並透過資料擴展來減少硬體裝置電容感測單元節點數。同時,依照現有資料經擴展的樣本完成辨識演算。相較於使用高精度感測單元作為生物辨識依據的習知技術,本發明實施例能有效降低成本。再者,由於掌紋擁有較大的深淺,憑藉著電容感測單元的精度可有效降低及減少裝置成本。
本發明之目的之一在於,由於每個使用者掌紋具唯一性,而根據使用者手掌擺放方向具差異性,使裝置具基於多因子身分辨識手段,從而達成提升使用者直覺化以及提高系統安全性目的。再者,本發明實施例的遠距離電容感測法可偵測物件距離遠近之辨識依據,解決在不同場合下手掌不同辨識角度之應用。此外,結合資料擴展性演算法可減少電容感測單元建置成本,達成成本低廉之優勢,並增加安裝意願,同時更具便利性、輕量化、縮小化、簡易使用、省電、方便攜帶與價格便宜等優勢。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
一般身份辨識裝置中,基於多因子身分辨識之三種要點作為辨識之依據,分別為知識(something they know)、物品(something they have)與個人(something they are)。若辨識系統中具備以上越多條件,則系統安全性越能得到提升。
圖1所示具資料擴展性之掌紋辨識裝置的元件方塊圖。請參照圖1,此具資料擴展性之掌紋辨識裝置1包含複數個電容感測單元1a、辨識單元1b與儲能單元1c。複數個電容感測單元1a量測周邊電容變化量,並將結果(即,電容變化量)傳輸至辨識單元1b。電容感測單元1a可透過有線或無線傳輸介面(例如,電路走線、Wi-Fi、藍芽等)來傳遞電容變化量。此外,電容感測單元1a可布建在硬式電路板或軟式電路板上,並可形成具金屬性質的節點。辨識單元1b至少具有微處理器、可運行作業系統之晶片、或其他運算電路。而儲能單元1c用於為掌紋辨識裝置1提供電量。
圖2所示為具資料擴展性之掌紋辨識裝置的示意圖。請參照圖2,此裝置1包括電容節點(即,電容感測單元1a)以3×6排列(18個)的長方面板(或電路板)。由於手掌H掌紋面積龐大,需擷取大面積電容值,以產生良好的辨識效果。需說明的是,依據實際需求,此面板的面積及形狀可被調整。電容感測單元1a可感測周邊特定距離(例如,1~5公分等)內的物體以產生電容變化量,並轉換成電壓值,以即時感測手掌H掌紋狀況。電容變化量亦可供偵測物件距離遠近之辨識依據,以解決在不同場合下手掌H不同辨識角度之應用。
為了方便理解本發明實施例的操作流程,以下將舉諸多實施例詳細說明本發明實施例中針對身分辨識的流程。下文中,將搭配掌紋辨識裝置1中的各項元件及模組說明本發明實施例所述之方法。本方法的各個流程可依照實施情形而隨之調整,且並不僅限於此。
圖3所示為具資料擴展性之掌紋辨識方法的流程圖。請參照圖3,首先辨識單元1b收集各電容感測單元1a所回授電容變化量(由偵測的電容感測值所形成)(步驟S1)。例如,辨識單元1b所收集到的資料樣本(即,電容變化量)以矩陣表示為:…(1) 其中n
為電容感測單元1a的個數,C
為電容感測單元1a感測之電容量t
為取樣時間,為電容量矩陣。
辨識單元1b將這些電容變化量擴展化(步驟S2)。例如,辨識單元1b對電容量矩陣使用擴增矩陣(以cos、sin組成)以擴增資料量。…(2) 其中為第t
個取樣時間點內編號為0之電容感測單元1a所感測之電容值。為第t
個取樣時間點內編號為1之電容感測單元1a所感測之電容值。由公式(2)得知,其電容感測樣本從原本兩個提昇為三個(即,擴增特徵向量[])。換言之,本發明實施例可節省個電容感測單元1a(x為擴增特徵向量中的元素個數),從而降低裝置成本,進而提升使用者安裝意願。需說明的是,此範例以兩個電容變化量為例,而隨此數量改變,擴增矩陣內容亦隨之改變。
接著,辨識單元1b進入遞迴式切比雪夫類神經網路(Recursive Chebyshev Neural Network,RCNN)辨識演算中(步驟S3)。此時,若在訓練模式下(步驟S4),則辨識單元1b使用辨識演算法對RCNN的辨識模型進行權重訓練(步驟S5)。例如,辨識單元1b將公式(2)所得之計算樣本(即,擴增特徵向量),使用遞迴式切比雪夫類神經網路做為訓練演算法。而切比雪夫活化函數可表示成…(3) 其中。
最後,若辨識模型輸出的推論()與給定目標()之差異(e)小於期望值,即可結束訓練模式。不同使用者可依序透過掌紋辨識裝置1的訓練模式來訓練出不同辨識模型。需說明的是,本實施例是採用RCNN演算法來訓練,然於其他實施例中,其他機器學習技術的演算法亦可應用。
若在辨識模式下(步驟S6),則辨識單元1b將電容變化量經擴展化後的擴展特徵向量輸入至已訓練完成之辨識模型,以透過RCNN演算而經由性能指標得出身分的判別結果(即,判斷是否符合已訓練之掌紋)(步驟S7),從而達到辨識安全之功效。例如,當辨識單元1b設定為辨識模式時,其使用性能指標運算取得辨識結論,如公式(10)所示:…(10) 其中為訓練目標。
而在辨識單元1b完成辨識後,可使用無線或有線的方式,將身份辨識結果發送給後台裝置,以達到不同加值服務目的。本發明實施例的掌紋辨識裝置1可應用在任何需身分辨識的應用環境,例如,門禁系統、設備權限等,端視應用者之需求自行調整。
本發明實施例的特點及功效如下:
先前傳統的多因子辨識技術主要是,針對身分認證技術上,提出以手部指紋、靜脈影像等生物辨識法作為辨識依據。然而,一般的生物辨識法造成感測裝置價格昂貴且演算相對複雜,更可能有大幅降低電池續航力、不易安裝等侷限。再者,若提高感測精度則需增加感測單元數量,更無法使裝置成本降低。對於一般使用者而言,若裝置價格下降,並可即時做出身分辨識功能,勢必能讓身分驗證安全裝置更為普及。相對的,為了要達到簡易測量及價格低廉之目的,在電路功能及使用情境考量上更顯重要。本發明實施例所提供具資料擴展性之掌紋辨識裝置與方法,與其他習用技術相互比較時,更具備下列優點:
1. 本發明實施例可減少電容感測單元之感測數量。
2. 本發明實施例不需使用高精度電容感測單元即可量測掌紋資訊。
3. 本發明實施例使用資料多樣性演算法達到辨識效果。
4. 本發明實施例之多因子身分辨識手段,提升使用者系統安全性目的。
5. 本發明實施例不受限於當地氣候與使用者生理之變化因素,讓辨識效能產生差異。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
1:具資料擴展性之掌紋辨識裝置1a:電容感測單元1b:辨識單元1c:儲能單元S1~S7:步驟H:手掌
圖1為依據本發明一實施例之具資料擴展性之掌紋辨識裝置的元件方塊圖。 圖2為依據本發明一實施例之具資料擴展性之掌紋辨識裝置的示意圖。 圖3為依據本發明一實施例之具資料擴展性之掌紋辨識工作的流程圖。
S1~S7:步驟
Claims (10)
- 一種具資料擴展性之掌紋辨識裝置,包括: 複數個電容式感測單元,用以收集周圍電容變化量;以及 一辨識單元,對收集的該些電容變化量擴增資料量分析以得出擴展特徵向量,並將該擴展特徵向量透過一辨識演算法辨別身分,其中該辨識演算法利用由機器學習技術訓練的辨識模型。
- 如申請專利範圍第1項所述之具資料擴展性之掌紋辨識裝置,其中在訓練模式下,該辨識單元基於該些電容變化量而透過該機器學習技術訓練該辨識模型,以更新該辨識模型的權重。
- 如申請專利範圍第1項所述之具資料擴展性之掌紋辨識裝置,其中該機器學習技術是相關於遞迴式切比雪夫類神經網路(Recursive Chebyshev Neural Network,RCNN)。
- 如申請專利範圍第1項所述之具資料擴展性之掌紋辨識裝置,其中在訓練模式下,若該辨識模型輸出的推論結果與給定目標之間的差異小於期望值,則該辨識單元結束該辨識模型之訓練模式。
- 一種具資料擴展性之掌紋辨識方法,包括: 收集多個電容變化量; 對該些電容變化量擴增資料量分析以得出擴展特徵向量;以及 將該特徵向量透過一辨識演算法辨識身分,其中該辨識演算法利用由機器學習技術訓練的辨識模型。
- 如申請專利範圍第6項所述之具資料擴展性之掌紋辨識方法,其中對該些電容變化量擴增資料量分析以得出該擴展特徵向量的步驟之前,更包括: 在訓練模式下,基於該些電容變化量而透過該機器學習技術訓練該辨識模型,以更新該辨識模型的權重。
- 如申請專利範圍第6項所述之具資料擴展性之掌紋辨識方法,其中該機器學習技術是相關於遞迴式切比雪夫類神經網路(RCNN)。
- 如申請專利範圍第6項所述之具資料擴展性之掌紋辨識方法,對該些電容變化量擴增資料量分析以得出該擴展特徵向量的步驟之前,更包括: 在訓練模式下,若該辨識模型輸出的推論結果與給定目標之間的差異小於期望值,則結束該辨識模型之訓練模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107130503A TWI678661B (zh) | 2018-08-31 | 2018-08-31 | 具資料擴展性之掌紋辨識裝置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107130503A TWI678661B (zh) | 2018-08-31 | 2018-08-31 | 具資料擴展性之掌紋辨識裝置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI678661B TWI678661B (zh) | 2019-12-01 |
TW202011270A true TW202011270A (zh) | 2020-03-16 |
Family
ID=69582550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107130503A TWI678661B (zh) | 2018-08-31 | 2018-08-31 | 具資料擴展性之掌紋辨識裝置及方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI678661B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8190239B2 (en) * | 2002-09-03 | 2012-05-29 | Fujitsu Limited | Individual identification device |
TW200919333A (en) * | 2007-10-19 | 2009-05-01 | Advmatch Technology Inc | Genuine/fake fingerprint determination method and apparatus |
TWI456514B (zh) * | 2011-07-29 | 2014-10-11 | Univ Vanung | 掌紋辨識系統的掌紋擷取方法及其裝置 |
AU2013346387A1 (en) * | 2012-11-14 | 2015-07-02 | Golan Weiss | Biometric methods and systems for enrollment and authentication |
WO2014112081A1 (ja) * | 2013-01-17 | 2014-07-24 | 富士通株式会社 | 生体認証装置、生体認証システム、及び生体認証方法 |
CN104123537B (zh) * | 2014-07-04 | 2017-06-20 | 西安理工大学 | 一种基于手形和掌纹识别的快速身份验证方法 |
CN107403161B (zh) * | 2017-07-31 | 2019-07-05 | 歌尔科技有限公司 | 生物特征识别方法及装置 |
-
2018
- 2018-08-31 TW TW107130503A patent/TWI678661B/zh active
Also Published As
Publication number | Publication date |
---|---|
TWI678661B (zh) | 2019-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11908239B2 (en) | Image recognition network model training method, image recognition method and apparatus | |
Tian et al. | KinWrite: Handwriting-Based Authentication Using Kinect. | |
Delac et al. | A survey of biometric recognition methods | |
CN100361131C (zh) | 信息处理设备、信息处理方法 | |
JP2002222424A (ja) | 指紋照合システム | |
Dahia et al. | Continuous authentication using biometrics: An advanced review | |
Xu et al. | KEH-Gait: Using kinetic energy harvesting for gait-based user authentication systems | |
Blanco‐Gonzalo et al. | Performance evaluation of handwritten signature recognition in mobile environments | |
JP2008530685A (ja) | 手書き署名の取得、分析および認証のためのシステムと方法 | |
KR101384446B1 (ko) | 컴퓨터 판독가능한 기록 매체, 등록 장치, 및 등록 방법 | |
CN1957355A (zh) | 鼠标工作识别 | |
Behera et al. | Analysis of 3D signatures recorded using leap motion sensor | |
Tiwari et al. | A review of advancements in biometric systems | |
US20150278574A1 (en) | Processing a Fingerprint for Fingerprint Matching | |
El-Bendary et al. | Investigating of nodes and personal authentications utilizing multimodal biometrics for medical application of WBANs security | |
WO2018082080A1 (zh) | 一种压力检测的方法及装置 | |
CN112492090A (zh) | 智能手机上融合滑动轨迹和动力学特征的持续身份认证方法 | |
Muthukumar et al. | A novel hybrid deep learning model for activity detection using wide-angle low-resolution infrared array sensor | |
Si et al. | Remote identity verification using gait analysis and face recognition | |
CN106355150A (zh) | 一种具备通用性的指纹识别***及方法 | |
Li et al. | In-air signature authentication using smartwatch motion sensors | |
Chaitanya et al. | Verification of pattern unlock and gait behavioural authentication through a machine learning approach | |
TW202011270A (zh) | 具資料擴展性之掌紋辨識裝置及方法 | |
CN206331449U (zh) | 一种具备通用性的指纹识别*** | |
El Beqqal et al. | Multimodal access control system combining RFID, fingerprint and facial recognition |