[go: up one dir, main page]

CN109858316A - 用于生物计量识别的系统和方法 - Google Patents

用于生物计量识别的系统和方法 Download PDF

Info

Publication number
CN109858316A
CN109858316A CN201811249260.7A CN201811249260A CN109858316A CN 109858316 A CN109858316 A CN 109858316A CN 201811249260 A CN201811249260 A CN 201811249260A CN 109858316 A CN109858316 A CN 109858316A
Authority
CN
China
Prior art keywords
biometric
matching
input
template
processor
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.)
Granted
Application number
CN201811249260.7A
Other languages
English (en)
Other versions
CN109858316B (zh
Inventor
O.奥雷菲
A.施瓦茨
B.L.麦基
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.)
Synaptics Inc
Original Assignee
Synaptics Inc
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 Synaptics Inc filed Critical Synaptics Inc
Publication of CN109858316A publication Critical patent/CN109858316A/zh
Application granted granted Critical
Publication of CN109858316B publication Critical patent/CN109858316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/1365—Matching; Classification
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2358—Change logging, detection, and notification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2365—Ensuring data consistency and integrity
    • 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
    • G06F21/45—Structures or tools for the administration of authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V40/1365—Matching; Classification
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

公开了包括用于更新在登记数据集中的生物计量数据的设备的系统和方法。该设备包括生物计量传感器和处理器。该处理器被配置为基于未能通过第一匹配判定的来自生物计量传感器的生物计量输入来拒绝认证尝试；基于通过辅助匹配判定的来自生物计量传感器的附加的生物计量输入来接受附加的认证尝试；以及基于通过辅助匹配判定的生物计量输入更新生物计量数据储存库。

Description

用于生物计量识别的系统和方法
交叉引用
本申请要求2017年10月25日提交的美国临时专利申请No.62/577115的权益，其内容通过引用并入。
技术领域
本文公开的实施例涉及用于电子生物计量识别的系统和方法。
背景技术
生物计量识别是一种用于广范围环境的普及工具，并且通常用于增强电子系统的安全性和可用性。除了其他可能性之外，生物计量识别系统能够用于自动识别个体的独特个人特征(或特性)，以用于诸如安全访问控制和基于身份的设备设置的个性化等目的。典型地，生物计量识别涉及用于与参考生物计量数据(或登记数据)进行比较的生物计量的检测。不幸的是，生物计量识别系统可以对使得检测到的一个或多个生物计量不可识别的变化高度敏感。这转而降低了生物计量识别系统的准确性和可靠性。
发明内容
一个实施例提供了用于更新生物计量数据的设备。该设备包括生物计量传感器和处理器。处理器配置成：基于未能通过匹配判定的来自生物计量传感器的生物计量输入来拒绝认证尝试，基于通过辅助匹配判定的来自生物计量传感器的附加的生物计量输入来接受附加的认证尝试，以及基于生物计量输入更新生物计量数据储存库。
另一个实施例包括更新生物计量数据的方法。该方法包括基于未能通过匹配判定的来自生物计量传感器的生物计量输入来拒绝认证尝试，基于通过辅助匹配判定的来自生物计量传感器的附加的生物计量输入来接受附加的认证尝试，以及基于生物计量输入来更新生物计量数据储存库。
又一个实施例包括非瞬态计算机可读存储介质。一种储存指令的非瞬态计算机可读存储介质，当指令由处理器执行时，将处理器配置为：基于未能通过匹配判定的来自生物计量传感器的生物计量输入来拒绝认证尝试，基于通过辅助匹配判定的来自生物计量传感器的附加的生物计量输入来接受附加的认证尝试，以及基于生物计量输入来更新生物计量数据储存库。
附图说明
图1是描绘电子设备的实施例的框图。
图2是描绘变化的生物计量的实施例的一对图像。
图3是描绘更新生物计量数据的方法的实施例的流程图。
图4A-4B是描绘基于多个更新标准更新生物计量数据的方法的实施例的流程图。
图5是描绘基于辅助匹配判定更新生物计量数据的方法的实施例的流程图。
图6是描绘基于辅助匹配判定更新生物计量数据的方法的实施例的流程图。
图7A-7B是描绘对准以及比较生物计量图像的方法的实施例的图像集合和图表。
具体实施方式
以下具体实施方式在本质上仅是示例性的并且不意在限制本发明或本发明的应用和用途。此外，不意在受前面的技术领域、背景技术、发明内容、附图说明、以下具体实施方式或附随的摘要中所呈现的任何明示的或暗示的理论束缚。
转到附图，图1是根据一些实施例的电子设备100(或电子系统)的框图。电子设备100的一些非限制性示例包括所有尺寸和形状的个人计算机，诸如台式计算机、膝上型计算机、上网本计算机、平板电脑、网页浏览器、电子书阅读器和个人数字助理(PDA)。附加的示例电子设备100包括复合输入设备，诸如物理键盘和分离的操纵杆或按键开关。另外的示例电子设备100包括外围设备，诸如数据输入设备(包括遥控器和鼠标)和数据输出设备(包括显示屏和打印机)。其它示例包括远程终端、信息站、视频游戏机(例如，视频游戏控制台、便携式游戏设备等等)、通信设备(包括蜂窝电话，诸如智能电话)和媒体设备(包括记录器、编辑器和播放器，诸如电视、机顶盒、音乐播放器、数字相框和数字相机)。
电子设备100包括传感器102和处理系统104。作为示例，图示了可以在生物计量匹配尝试或认证尝试期间使用的电子设备100的基本功能组件。处理系统104包括(一个或多个)处理器106、存储器108、生物计量数据储存库110、操作系统(OS)112和(一个或多个)电源114。(一个或多个)处理器106、存储器108、生物计量数据储存库110和操作系统112中的每一个物理地、通信地和/或操作地互连以用于组件间通信。电源114互连到各种系统组件以在必要时提供电力。
如图示的，(一个或多个)处理器106被配置为实现功能和/或处理用于在电子设备100和处理系统104内执行的指令。例如，处理器106执行储存在存储器108中的指令以识别生物计量或确定认证尝试被接受还是被拒绝。存储器108，其可以是非瞬态计算机可读存储介质，被配置为在操作期间在电子设备100内储存信息。在一些实施例中，存储器108包括临时存储器，即，使信息在电子设备100被关闭时不被保持的区域。这样的临时存储器的示例包括易失性存储器，诸如随机存取存储器(RAM)、动态随机存取存储器(DRAM)和静态随机存取存储器(SRAM)。存储器108还保持用于由处理器106执行的程序指令。
生物计量数据储存库110可以储存在一个或多个非瞬态计算机可读存储介质和/或存储器108上。生物计量数据储存库110可以包括用于一个或多个登记的生物计量(或参考生物计量)的登记数据(或参考数据)。登记数据可以从生物计量图像(例如，图像本身、压缩的图像、提取的特征集、图像的数字表示等)、一个或多个生物计量对象(例如，手指、虹膜、掌纹)以及(一个或多个)生物计量对象的全部或部分获得。在一些实施例中，生物计量数据储存库110包括可以与适当的标识符相关联的多个模板。例如，多个模板可以对应于多个用户、多个生物计量对象、相同生物计量对象的多个登记视图和/或其他登记信息。更一般地，生物计量数据储存库110可以被配置为储存关于一个或多个生物计量的信息。生物计量数据储存库110还可以被配置用于信息的长期存储。在一些实施例中，生物计量数据储存库110储存在非易失性存储元件上。除了其他元件，非易失性存储元件的非限制性示例包括磁性硬盘、固态驱动器(SSD)、光盘、软盘、闪存，或电可编程存储器(EPROM)或电可擦除和可编程(EEPROM)存储器的形式。虽然生物计量数据储存库110被示出为包括在处理系统104中，但是在一些实施例中，生物计量数据储存库110或其部分可以远离处理系统104和/或传感器104来储存。
处理系统104还可以托管操作系统(OS)112。操作系统112可以控制处理系统104的组件的操作。例如，操作系统112可以促进(一个或多个)处理器106、存储器108以及生物计量数据储存库110的交互。尽管示出为包括处理器106和存储器108，但处理系统104还可包括微处理器、微控制器和/或专用电路。在一些实施例中，处理系统104向传感器102发送消息以指示传感器102捕获对象的图像(例如，诸如用于认证尝试)。此外，在一些实施例中，当设备100处于睡眠模式时，传感器102可以在传感器检测到在传感器102上的按压时向处理系统104发送中断信号，这导致电子设备100从睡眠模式唤醒。另外，处理系统104可以被配置为通过用户界面(例如，电子显示器、扬声器、触觉设备等)向用户输出提示或反馈。
(一个或多个)处理器106可以实现硬件和/或软件以获得描述输入对象的图像或描述生物计量的数据。(一个或多个)处理器106还可以对准两个图像并将对准的图像彼此进行比较来确定是否存在匹配。(一个或多个)处理器106还可以操作成，当在生物计量过程期间收集多个部分指纹图像时，从一系列较小的部分图像或子图像(诸如指纹图像)重建较大的图像，所述生物计量过程诸如用于验证或识别的登记或匹配过程。(一个或多个)处理器106还可以执行图像处理操作，诸如对比度增强、缩放、背景减除等。在一些实施例中，(一个或多个)处理器106包括与传感器102相关联的一个或多个专用处理器。附加地或替代地，(一个或多个)处理器106可包括与电子设备100相关联的一个或多个主处理器。
处理系统104包括一个或多个电源114以向电子设备100提供电力。电源114的非限制性示例包括一次性电源、可再充电电源和/或由镍镉、锂离子或其他适当的材料开发的电源以及转而连接到电源的电源线和/或适配器。
传感器102可以被配置为通过与一个或多个用户交互来检测生物计量和/或其他输入。交互可以是主动的或被动的，并且可以是直接的或间接的。作为示例，在一些实施例中，传感器102和/或诸如键盘、触摸屏等的一个或多个输入设备可以被配置为捕获用于认证的输入，诸如生物计量输入和密码(例如，口令、PIN码、认证手势等)等。
传感器102可以实现为处理系统104的物理部分，或者可以与处理系统104物理分离。适当时，传感器102可以使用以下中的任何一个或多个与电子设备100的部分通信：总线、网络和其他有线或无线互连。在一些实施例中，传感器102被实现为指纹传感器以捕获用户的指纹图像。在其他实施例中，传感器102被实现为可用于捕获面部的或眼睛的生物计量的相机。在又一个实施例中，传感器被实现为用于捕获语音生物计量的麦克风。传感器设备102可以作为显示器的一部分并入，例如，或者可以是分立的传感器。在一些实施例中，传感器102可以被配置用于图像感测(例如，使用光学成像、电容成像、声学成像等)。
传感器102可以利用传感器组件和感测技术的任何合适的组合来检测感测区域中的用户输入。一些实现方式利用多个感测元件的阵列或其他规则或不规则图案来检测输入。传感器102可以使用的示例感测技术包括电容感测技术、光学感测技术、电阻感测技术、热感测技术、电感感测技术、磁感测技术和/或雷达感测技术。
在一个示例中，传感器102可以使用电感感测技术，其中一个或多个感测元件拾取由谐振线圈或线圈对感应的回路电流。然后可以使用电流的幅度、相位和频率的某种组合来确定对应于输入对象的空间信息。
在另一个示例中，传感器102可以使用光学感测技术，其中一个或多个感测元件检测来自感测区域的光。检测到的光可以从输入对象反射，透过输入对象传播，由输入对象发射，或其某种组合。检测到的光可以处于可见光或不可见光谱(例如红外或紫外光)中。示例光学感测元件包括光电二极管、CMOS图像传感器阵列、CCD阵列，薄膜检测器，以及对感兴趣的(一个或多个)波长的光敏感的其他适当的光电传感器。可以使用主动照明来向感测区域提供光，并且可以检测来自感测区域的(一个或多个)照明波长的反射以确定与输入对象对应的输入信息。
一个示例光学技术利用输入对象的直接照明，输入对象取决于配置可以或可以不与感测区域的输入表面接触。一个或多个光源和/或光导结构用来引导光到感测区域。当存在输入对象时，该光直接从输入对象的表面反射，该反射可以由光学感测元件检测并用来确定关于输入对象的输入信息。
另一示例光学技术利用基于内反射的间接照明来检测与感测区域的输入表面接触的输入对象。由于在由输入表面限定的界面的相对侧处的不同折射率，一个或多个光源用来以某一角度引导透射介质中的光，按该角度光在感测区域的输入表面处被内反射。由输入对象对输入表面的接触使得折射率跨越此边界而改变，这更改了输入表面处的内反射特性。如果使用受抑全内反射(FTIR)原理来检测输入对象，其中光以其被全内反射的入射角指向输入表面，除了在输入对象相接触并且使得光在输入对象所接触的区域散射且部分地透射通过此界面的位置，则有时可以获得更高的对比度信号。此情况的示例是被引入到由玻璃到空气界面限定的输入表面的手指的存在。人类皮肤与空气相比更高的折射率使得在输入表面处以该界面到空气的临界角入射的光被部分地透射通过输入界面并由手指散射，其中它原本会在玻璃到空气界面处被完全地内反射。这种光学响应可以由系统检测并用于确定空间信息。在一些实施例中，这可以用来对输入对象的小尺度表面变化(诸如指纹图案)进行成像，其中入射光的内反射率取决于是否有手指的脊或谷与输入表面的该部分相接触而不同。
在另一示例中，传感器102可以使用声学感测技术，其中一个或多个声学感测元件检测来自附近输入对象的声波。声波可以是可听频率或超声频率。检测到的声波可以包括环境声波的回声和/或由输入装置发射的声波的回声，它们从输入对象的表面被反射。电信号的幅度、相位、频率和/或时延的某种组合可用来确定对应于输入对象的空间信息。
一种示例性声学感测技术利用主动超声波感测来发射传播到感测区域的高频源波。一个或多个超声发射器元件(也称为“超声发射器”)可用于向感测区域发射高频声波，并且一个或多个超声接收元件(也称为“超声接收器”)可检测发射的声波的回声。可以使用独立的元件来发送和接收，或者可以使用既发送又接收的元件(例如，超声波收发器)。在一个实现方式中，声脉冲在对应于输入表面的界面处被发射和反射。界面处的声阻抗取决于是否有手指的脊或谷与输入表面的该部分相接触而不同，从而影响从输入表面反射回来的检测波的强度。在一些实施例中，发射的超声波能够穿透输入对象的子表面，诸如人手指的真皮层。
在另一个示例中，传感器102可以使用电容技术，其中施加电压或电流来产生电场。附近的输入对象引起电场的变化，并生成可以被检测为电压、电流等的变化的电容耦合的可检测的变化。传感器电极可以用作电容感测元件。可以使用电容感测元件的阵列或其他规则或不规则图案来产生电场。独立的传感器电极可以欧姆地短接在一起来形成更大的感测元件。
一种示例技术利用基于在传感器电极和输入对象之间的电容耦合的变化的“自电容”(或“绝对电容”)感测方法。传感器电极附近的输入对象更改传感器电极附近的电场，从而改变测量的电容耦合。绝对电容感测方法可以通过相对于参考电压(例如系统接地)调制传感器电极，以及通过检测传感器电极和输入对象之间的电容耦合来操作。例如，可以调制感测元件阵列，或者可以调制驱动环或欧姆或电容地耦合到输入对象的其他导电元件。参考电压可以是基本恒定的电压或变化的电压，或者参考电压可以是系统地。
另一示例技术利用基于在传感器电极之间的电容耦合的变化的“互电容”(或“跨电容”)感测方法。传感器电极附近的输入对象可以更改传感器电极之间的电场，从而改变测量的电容耦合。跨电容感测方法可以通过检测一个或多个发射器传感器电极(也称为“发射器电极”)与一个或多个接收器传感器电极(也称为“接收器电极”)之间的电容耦合来操作。可以相对于参考电压调制发射器传感器电极来发射发射器信号。接收器传感器电极可以相对于参考电压保持基本恒定，以促成接收结果信号。参考电压可以是基本恒定的电压或系统地。发射器电极相对于接收器电极被调制，以发射发射器信号并来促成接收结果信号。结果信号可以包括与一个或多个发射器信号相对应的(一个或多个)效果，和/或与一个或多个环境干扰源(例如，其他电磁信号)相对应的(一个或多个)效果。传感器电极可以是专用发射器或接收器，或者可以配置为既发射又接收。另外，传感器电极可以是专用的跨电容感测元件或绝对电容感测元件，或者可以作为跨电容和绝对电容感测元件二者来操作。
诸如图1中所示的电子设备100的电子设备的一些实施例可以配置用来检测和识别生物计量。总体上，生物计量包括个人生理或行为特征(或特性)，所述特征是独特的且提供关于用户身份的信息。生物计量的示例包括指纹、面部、手或掌纹、眼部特性(例如，虹膜、眼静脉、视网膜等)、血管特征(例如，手指静脉、眼静脉、腕静脉等)、声音以及诸如击键模式的行为生物计量。
对诸如指纹和面部的生理生物计量的识别通常基于利用传感器捕获生物计量的图像(例如，使用光学、电容、声学或其他适当的感测方法)。参考图2，描绘了生物计量的两个图像。更具体地，图2示出了使用光学传感器捕获的两个指纹图像。图2中的两个图像例示了改变的条件可以如何影响生物计量的检测，以及更具体地，例示改变的手指皮肤状况可以如何影响来自光学指纹传感器的指纹图像。
第一指纹图像IMG1是从具有在皮肤中的典型水分量的手指获得的图像。第二指纹图像IMG2是在洗手后不久从手指获得的图像。洗手改变手指上的皮肤状况并影响作为结果的生物计量图像。更具体地，洗手相对于未洗的或典型的状况降低了皮肤的水分含量。当手指触摸光学传感器的输入表面(或压板)时，这种改变的状况影响输入表面和手指之间的接触区域，这转而影响由光学传感器检测到的输入表面处的光的交互。如在图2中可见的，这种变化显著影响了作为结果的图像中指纹的外观。这转而降低了生物计量识别系统的性能并且显著增加了采用光学指纹传感器的认证系统的错误拒绝率(FRR)，这是由于系统无法识别从改变的指纹捕获的图像。例如，用户可以在类似于第一图像IMG1中所示的典型皮肤状况下登记他们的指纹。当同一用户稍后在类似于第二图像IMG2中的洗过的手指状况下提供与认证或匹配尝试相关的相同指纹时，因相对于登记图像的改变的外观，错误的匹配失败判定是很可能的。如果用户在洗过的手指状况下登记他们的指纹然后稍后在典型(未洗过的)的状况下提供他们的同样的手指，那么可能发生同样的问题。
其他类型的指纹传感器也可能出现类似的改变的生物计量问题。例如，太干燥或太潮湿的手指也会影响用电容和声学指纹传感器捕获的图像(具有变化的效果)。此外，与生物计量检测相关联的其他改变可能使指纹和其他生物计量识别系统的性能降级。例如，捕获阶段的姿势和光照变化可以影响面部识别和指纹识别系统中的生物计量的外观。由于检测到的语音信号的变化和模板老化，语音识别性能可能降级。任何时候生物计量识别系统在检测和识别的不同实例上对与生物计量相关的变化都不鲁棒(robust)，系统的性能可能受到影响。
再次参考图2，第二指纹图像IMG2看起来具有低对比度区域，所述低对比度区域具有破碎和不清楚的指纹脊和谷。对于未经训练的眼睛来说，似乎其具有不足以用于生物计量识别系统的性能。然而，尽管出现这种情况，第二指纹图像IMG2不一定是低质量或不可用的。相反，它具有丰富的生物计量信息，这些信息可以被生物计量识别系统利用。在一些实施例中，可以通过储存更能代表与生物计量相关联的变化的登记数据集和/或通过采用对于与生物计量相关联的变化更鲁棒的匹配过程来提高识别性能。
储存更完整的生物计量数据集的一种方式是对生物计量外观上的变化的影响，或更一般地，对从检测到的生物计量获得的数据或作为结果的信号的变化的影响，进行建模。例如，从在第一图像IMG1中例示的典型指纹到第二图像IMG2中例示的洗过的指纹(或反之亦然)的映射能够被建模并且人为地被应用来生成生物计量的人为改变(例如，人为地洗)的表示。然后，人为改变的表示可以用更高的精度来匹配到用生物计量传感器检测到的生物计量的真正改变的表示。可以使用任何合适的技术，诸如透过使用机器学习、自组织方法和/或根据经验基于观察到的数据，对将登记的生物计量从一个状况映射到另一个状况的变换进行建模或估计。在一些实施例中，可以在登记时应用这种变换或将这种变换应用到登记的生物计量，并且可以将人为变换的表示储存在生物计量数据储存库中。与尝试在匹配时将人为变换应用到新的验证输入的方法相比，直接储存登记的生物计量的人工表示可以在减少的匹配时间或减少的等待时间方面具有益处。
储存更完整的生物计量数据集的另一种方法是在各种变化的状况下检测生物计量，并将在不同状况下检测到的生物计量中获得的数据储存。然后，从改变的生物计量导出的、作为结果的所存储数据可以提供登记数据集，该登记数据集更能代表在改变的状况下的生物计量以供与新输入的稍后比较。一些方法可以通过显式用户反馈或提示的使用来尝试储存更具代表性的数据集，所述显式用户反馈或提示请求用户在有效登记期间创建改变的状况。然而，对于用户来说创建或重建相同的状况或环境可能是麻烦的、不切实际的或不可靠的。例如，在如图2中例示的洗过的手指的情况下，用户使用典型的手指登记，洗手指，然后使用洗过的手指再次登记可能是麻烦的。
为此目的，基于新的生物计量输入自动更新储存的生物计量数据集的模板更新方案可以很好地运作并减轻用户的负担。模板更新方案可以获得与新匹配尝试或认证尝试相关的新的生物计量输入，并在满足某些标准时基于新的生物计量输入更新登记数据集。更一般地，模板更新方案可以在有效登记过程之外或与设备的其他使用相关联来检测生物计量。这种模板更新方案可以称为被动登记。可能存在与这种方法相关的挑战和风险。例如，冒名顶替者或假用户可以通过将错误的生物计量数据输入到登记数据集中来危害系统的安全性或性能。虽然构成成功(合格的)匹配或被接受的认证尝试的基础的新的生物计量输入可以提供冒名顶替者进入模板的更低风险，但它们也向登记数据集提供较少的新信息。由于它们已经与现有模板充分匹配，因此这些成功输入中包含的信息可能对现有登记数据集是稍微有点多余的。
图3-6公开了用于结合生物计量匹配失败和/或基于生物计量的认证拒绝来更新生物计量数据的实施例。从匹配失败获得的数据可以被添加到登记数据集和/或匹配失败可以被用作使新的生物计量输入将被捕获的指示符。具有附加输入的成功的(被接受的)认证可被用来增加匹配失败属于登记的(一个或多个)用户(真实用户)的置信度，并且可以用于模板更新。对不合格生物计量输入的辅助匹配可以结合附加的被接受的认证被引入，这进一步增加匹配失败是从真实登记的用户导出并且可以形成隐式模板更新的基础的置信度。附加地或替代地，可以在多个模板的情况下执行对不合格生物计量输入的辅助匹配判定，以识别适当模板用于更新和/或将识别判定用于其他目的。
在一些实施例中，辅助匹配判定可以采用一个或多个不同的匹配参数，诸如与验证匹配判定相关的一个或多个不同阈值、不同特征、不同对齐过程和/或不同评分函数。例如，在一些实施例中，辅助匹配判定使用与用于验证的分数相同的分数，但具有不同的、放宽的阈值。在一些实施例中，验证匹配判定和辅助匹配判定可以基于与不同特征相对应的不同分数。例如，验证匹配判定可以基于局部特征，而辅助匹配判定可以基于全局特征。基于全局特征的匹配判定的示例将是基于新输入图像(例如，验证图像)中的像素和处于确定的最佳可能对准的所储存(例如，登记图像)之间的欧几里德距离的计算的匹配判定。作为另一示例，可以使用相关性峰值的强度。辅助匹配判定还可以基于比不合格验证匹配判定更低的安全级别和/或计算上更昂贵的过程。由于辅助匹配判定可以与附加的强认证(例如，密码、备选生物计量等)结合使用，可以基于弱辅助匹配加上强备选认证的组合所提供的总体高安全级别来容忍较弱的辅助匹配。附加地或替代地，由于辅助匹配判定可以在初始匹配失败的特殊情况下采用或者在用于验证隐式模板更新的背景下采用，因此可以接受计算上更昂贵或更慢的过程而不会过度增加对用户体验的挫败感。
再次参考图3-6，描绘了流程图，其中一个或多个步骤可以由电子设备100、(一个或多个)处理器106和/或任何适当的设备或处理电路实现或配置成被实现。在一些实施例中，(一个或多个)处理器106或其他处理电路可以被配置为使用专门编程的通用硬件(例如，经由储存在存储器中的一个或多个程序来执行方法的步骤而配置的CPU)和/或专用硬件(例如，专用数字逻辑电路块)来实现一个或多个步骤。虽然这些方法在流程图中图示为按特定顺序流动，应当理解的是，除非另有说明或者与上下文或方法的逻辑明显矛盾，否则某些步骤可以以任何适当的顺序或序列执行。此外，应当理解的是，除非另有说明或者与上下文或方法的逻辑明显矛盾，否则可以串行或并行地执行各种步骤。同样，为简单起见，省略了可选地包括在各种流程图中的若干中间步骤。
转到图3，描绘了更新生物计量数据的方法350。特别地，图3中描绘的方法350涉及结合生物计量认证拒绝(或不合格认证尝试)来更新生物计量数据储存库。
在步骤352处，该方法包括获得与认证尝试相关的生物计量输入。在步骤354处，基于来自步骤352的生物计量输入和一个或多个认证标准进行认证判定。当确定满足认证标准时，在步骤356处接受认证尝试。当确定未能满足认证标准时(或当认证尝试被拒绝时)，在步骤358处基于是否满足一个或多个更新标准进行更新判定。当确定满足更新标准时，在步骤360处更新生物计量数据储存库。当确定未能满足更新标准时，在步骤362处拒绝认证尝试而不更新生物计量数据储存库。
在步骤352处的生物计量输入可以直接或间接地从生物计量传感器(或输入设备)获得，并且对应于与认证尝试相关的生物计量传感器检测到的生物计量(例如，指纹、面部、语音等)。生物计量输入可以包括信号或数据(例如，图像、音频信号等)，信号或数据对应于检测到的生物计量，并且可以被分析和进一步处理以进行关于生物计量输入的一个或多个判定。在本文公开的一些实施例中，每个认证尝试可以是隐式或显式的，视情况而定。例如，可以响应于用户对认证的请求和/或结合使用户提供生物计量的提示的输出来显式地获得在步骤352处的生物计量输入。备选地，可以隐式地获得在步骤352处的生物计量输入，而不向用户提供指示，诸如结合持久或连续的认证尝试。此外，步骤356处的认证尝试的接受和/或在步骤362处的认证尝试的拒绝可以被动地执行而不向用户提供指示。
在步骤354处的认证标准可包括一个或多个生物计量匹配标准，并且认证判定可以，全部或部分地，基于来自步骤352处匹配或未能匹配一个或多个生物计量匹配标准匹配的生物计量输入。认证标准的示例包括基于在步骤352处接收的生物计量输入与生物计量数据储存库中的数据之间的比较来确定匹配分数，其中匹配分数可以与多模态或多因素认证尝试相关联。
匹配判定可涉及将生物计量输入与来自于生物计量数据储存库的所储存的生物计量数据(或参考数据)进行比较。所储存的生物计量数据可以包括对应于一个或多个登记的生物计量的登记数据，其可能先前已被用于捕获来自步骤352的生物计量输入的相同生物计量传感器检测到和/或可能已经以其他方式获得(例如，来自不同的传感器或数据库)。当确定生物计量输入以足够高的置信度匹配登记数据时，生物计量输入通过匹配判定，并且可以在步骤356处接受认证尝试。当确定生物计量输入以足够高的置信度不匹配登记数据时，生物计量输入未能通过匹配判定，并且在步骤362处可以拒绝认证尝试。
在步骤360处，生物计量数据储存库可以以来自生物计量输入(来自步骤352)的数据和/或以来自一个或多个新获得的生物计量输入的数据来更新。在一些实施例中，通过储存来自未能通过匹配判定的生物计量输入的数据来更新生物计量数据储存库。附加地或替代地，当满足在步骤358处的更新标准时，可以扫描或操作生物计量传感器以获得一个或多个附加的生物计量输入，并且一个或多个附加输入可用于更新模板。步骤358处的更新标准可以包括任何适当的标准，并且在一些实施例中，更新标准包括在图4A-4B所示的实施例中描绘的更新标准的一个或多个，如下文进一步描述，诸如辅助匹配判定和/或基于附加输入的附加认证。
此外，应该注意的是，生物计量数据更新可以可选地与步骤356处的验证接受相结合单独使用(例如，基于其他更新标准或条件)。举例来说，在一些实施例中，当数据满足在步骤354处的认证标准时，可以利用在步骤352处收集的生物计量输入数据来更新生物计量数据储存库中的数据。
现在参考图4A-4B，公开了基于辅助匹配判定来更新生物计量数据的方法450。可以根据本文公开的方法的其他适当实施例来配置方法450的一些实施例。此外，在适当的情况下，相似的元件用相似的参考数字标示，并且在适当的情况下，为了简单起见，省略了可以在这些方法的其他公开的实施例中共同共享的元件的更详细说明。
方法450涉及以来自未能通过验证匹配判定的生物计量输入的数据(例如，从生物计量输入提取的特征数据和/或生物计量输入本身)来更新生物计量数据。在图4A-4B的方法450中，多个更新标准458a-d可用于验证不合格认证以确定未能实现认证的生物计量输入仍用于更新登记数据集。虽然图4A-4B中示出了多个更新标准458a-d，但是可以使用图4A-4B中所示的更新标准的任何组合。此外，应当理解的是，也可以可选地使用未图示的其他适当的更新标准。
另外，在方法450中每个更新标准判定，被单独地或共同地采纳，也可以被用作在步骤460处更新生物计量数据的一个先决条件。特别地，在方法450中所示的图示实施例中，仅响应于更新条件458a-d中的每个的正面满足(positive satisfaction)是在步骤460处被更新的生物计量数据。此外，如图所示，响应于更新条件458a-d的任何一个的不合格，生物计量数据在460处不被更新或者在步骤470处丢弃从不合格生物计量输入导出的数据。然而，应当理解的是，在备选实施例中，在步骤458a-d处的判定可以更一般地使用更复杂的逻辑或决策形成在步骤460处更新生物计量数据的基础。例如，在一些实施例中，可以在各种更新标准458a-d的加权或未加权组合满足时执行在步骤460处的更新。又一个示例会是在更新标准458a-d中只有一个或多个满足时执行在步骤460处的更新。
现在参考图4A所示，在步骤452处获得生物计量输入。在步骤454处，基于将生物计量输入与储存在生物计量数据储存库中的登记数据进行比较，对生物计量输入进行验证匹配判定。验证匹配判定用作验证标准，以基于通过或未能通过验证匹配判定的生物计量输入来接受或拒绝认证尝试。当生物计量输入通过验证匹配判定时，在步骤456处接受认证尝试。与接受认证尝试相结合，在步骤464处授权对电子设备的操作的访问。举例来说，在步骤464处授权对操作的访问可以包括响应于在步骤456处接受认证尝试而解锁移动设备或执行金融交易。附加地或替代地，可以结合或者响应于在步骤456处接受认证尝试而用输出设备(例如，显示器、扬声器、触觉致动器等)输出接受消息(或指示符)。当生物计量输入未能通过在步骤454处的验证匹配判定时，在步骤462处拒绝认证尝试。与在步骤462处拒绝认证尝试相关，在步骤468处拒绝对电子设备的操作的访问。作为示例，在步骤468处拒绝对该操作的访问可以包括响应于在步骤462处拒绝认证尝试而维持移动设备的锁定状态或拒绝金融交易。附加地或替代地，可以结合或者响应于在步骤462处拒绝认证尝试用输出设备(例如，显示器、扬声器、触觉致动器等)输出拒绝消息(或指示符)。
同样结合在步骤454处的失败验证匹配判定，在步骤466处将来自不合格生物计量输入的数据临时储存在存储器中。参考图4B，当确定未能满足多个更新标准458a-d的一个或多个时，在步骤470处丢弃从不合格生物计量输入导出的数据。当确定满足多个更新标准458a-d时，在步骤460处以来自不合格生物计量输入的数据更新生物计量数据储存库。来自不合格生物计量输入的数据可以储存在生物计量数据储存库中以用于将来的匹配尝试(例如，用于与未来的新生物计量输入进行比较)。作为示例，在来自步骤452的生物计量输入是生物计量图像的实施例中，在步骤460处储存的数据可以是从图像确定的生物计量模板，其包括从图像提取的特征集、图像的数字表示和/或完整图像本身。
在步骤458a-d处的更新标准包括在步骤458a处的认证标准(基于对附加输入的附加的认证判定)、在步骤458b处的定时标准(基于从被拒绝认证开始经过的时间)、在步骤458c处的与匹配无关(match-independent)标准(基于未能通过的生物计量输入的与匹配无关的分类)以及在步骤458d的辅助匹配标准(基于对未能通过的生物计量输入的辅助匹配判定)。如下文进一步描述的，更新标准458a-d可以增加来自失败的生物计量输入的数据可以被添加到模板的置信度，并且降低因不适当地将错误用户或用户数据添加到登记数据集而增加错误接受率(FAR)的可能性。
参考图4B，在步骤474处获得附加输入以促成与附加的认证尝试相结合在步骤458a处的附加认证判定。在步骤474处的附加输入可以是与在步骤452获得的生物计量输入相同的生物计量模态(或模式)或不同的认证模态(或模式)。附加输入可以是非生物计量认证模态。例如，在一个实施例中，生物计量输入可以对应于指纹生物计量模态，并且附加输入可以对应于面部生物计量模态、眼睛生物计量模态或语音生物计量模态。在另一个实施例中，生物计量输入可以对应于生物计量模态(例如，指纹、面部、眼睛、语音、手印等)，并且附加输入可以对应于密码模态(例如，口令、PIN码或用户定义的手势)。在一些实施例中，每个单独的输入(例如，在步骤452处的生物计量输入和在步骤474处的附加输入)可以与以下相关联或从其中被获得：生物计量传感器的单独扫描、由用户进行的具有目标生物计量的单独输入动作、或其组合。
在一个实施例中，附加的输入对应于相同的生物计量模态并且是从与来自步骤452的生物计量输入相同的生物计量传感器获得，并且该相同的生物计量传感器的感测参数是在获取附加输入之前被修改的。举例来说，可调整光学传感器的积分时间或增益设置来改进相对于来自步骤452的生物计量输入的检测。在一个实施例中，生物计量传感器配置成重复地扫描或捕获生物计量并匹配扫描(或捕获)中的每个直到它们中的一个成功地匹配。在这个实施例中，来自步骤474的附加输入可以对应于重复的扫描中的任何一个或多个。在另一个实施例中，生物计量传感器被配置为捕获多个扫描并组合那些扫描中的两个或更多个来获得在步骤474处的附加输入。例如，可以将来自步骤452的生物计量输入中的图像与来自以生物计量传感器获得的一个或多个后续扫描的一个或多个图像一起求平均，或者可以将以生物计量传感器获得的两个或多个后续扫描一起求平均，以在步骤474处提供附加输入。在一个实施例中，这可以对来自步骤474的附加输入，相对于来自步骤452的生物计量输入，改善信噪比(SNR)。
在图示的方法450中，在步骤476处向用户输出提示之后或与其相结合获得在474处的附加输入，但是在备选实施例中，可以省略步骤476处的提示。提示可以包括对另一输入模式(例如，另一生物计量或密码)的请求。附加地或替代地，提示可以包括用户反馈，以便以来自步骤452的检测到的生物计量来执行动作。例如，用户反馈可以包括提示，用来以生物计量对象增加压力或者以指纹紧靠输入表面增加压力。附加地或替代地，它可以包括使生物计量输入位置与输入表面接触或使指纹与输入表面接触的提示。在光学指纹传感器的情况下，增加压力或保持较长时间的接触可以改善输入表面和指纹之间的接触质量，从而提高后续指纹检测的质量。在另一个实施例中，提示可以包括使用户用他们的指纹触摸鼻子的请求，在指纹传感器的情况下该请求可以改善指纹的潮湿状况。更一般地，提示可以包括用户反馈或请求。
在步骤458a处，方法450基于来自步骤474的附加输入确定一个或多个附加的认证标准是否被满足。可以基于如上文所述的生物计量和/或非生物计量认证来满足步骤458a处的认证标准。例如，当确定附加输入匹配登记的生物计量时或者当附加输入匹配储存的密码时，可以满足在步骤458a处的认证标准。当满足在步骤458a处的认证标准时，在步骤478处接受附加的认证尝试。当不能满足认证标准时，在步骤480处拒绝附加的认证尝试。此外，从未能通过的生物计量输入导出的数据可以响应于在步骤480处的附加的认证尝试的拒绝，在步骤470处丢弃。
在步骤458b-d处，方法450确定多个附加的更新标准是否被满足。在图4B中，更新标准458b-d被示出为串行执行，并且进一步地，步骤458a处的认证判定被示出为与更新标准458b-d并行执行。然而，方法450的各种实施例中，在步骤458a-d处的更新判定的任何两个或更多个可以彼此并行和/或串行地执行。在步骤458b处，方法450基于来自步骤452的生物计量输入来确定自认证尝试(或者更具体地来自步骤454的验证尝试)以来是否已经过了一个时间段(例如，时间段T＝2秒、10秒或另一个适当的时间段)。在一些实施例中，通过响应于在步骤452处的生物计量输入启动计数器、在步骤454处的验证判定、或者与来自步骤452的生物计量输入相关联的认证尝试的另一合适代理来确定该时间段。当在步骤458b处判定该时间段在附加的认证尝试之前经过，在步骤470处丢弃来自生物计量输入的数据。当在步骤458b处确定附加的认证尝试在该时间段内发生时，来自生物计量数据储存库的数据在步骤460处被更新以包括来自不合格生物计量输入的数据。虽然在如图4B中示出了时间段标准，在一些实施例中，方法450可以附加地或替代地确定来自步骤458a的附加的认证尝试是否紧随在来自步骤454的验证认证尝试之后。当在附加的认证尝试和验证认证尝试之间没有中间认证尝试时，可以确定附加的认证尝试紧随在验证尝试之后。
在步骤458c处，方法450确定生物计量输入的与匹配无关的分类。与匹配无关分类可以包括关于来自步骤474的生物计量输入的固有特征的一个或多个判定，而不考虑与登记的生物计量数据的比较。在一些实施例中，在步骤485c处的与匹配无关分类包括质量判定、传感器覆盖判定、活跃度判定和/或改变的状况判定。
质量判定可以基于任何适当的质量度量或图像质量分析(例如，基于对比度度量、提取的特征等)。传感器覆盖判定可以基于指纹传感器或其他生物计量传感器是否被指纹或另一生物计量充分覆盖(例如，基于对来自生物计量输入的图像的分析和/或通过将图像分割成指纹图案和非指纹图案区域)的判定。
生物计量输入可以在确定它充分覆盖传感器时通过传感器覆盖判定并在确定它对传感器具有不充分覆盖时未能通过传感器覆盖判定。作为示例，传感器覆盖判定可以用于在部分触摸(包含不充分的生物计量信息)的情况下放弃模板更新。
活跃度判定可涉及生物计量输入是否从一个真正的有生命的生物计量(而不是欺骗或副本)获得的判定。当生物计量输入被确定为来自有生命的生物计量输入时，生物计量输入可以通过活跃度判定，而当确定生物计量输入是来自欺骗(或不是来自有生命的生物计量输入)时，没有通过活跃度判定。举例来说，活跃度判定可以基于任何适当的活跃度量或反欺骗分析(例如，基于图像强度、诸如平均灰度值的统计等)。
当生物计量输入被确定为对应于用于包含在登记数据集中的所期望的改变的状况时，改变的状况判定可以通过，而当生物计量输入被确定为不对应于所期望的改变的状况时，改变的状况判定则未能通过。举例来说，在图2中例示的指纹的情况下，当确定生物计量输入对应于洗过的手指而不是湿手指或典型(未洗过的)手指时，改变的状况判定可以通过。作为示例，与匹配无关的分类中的任一个可以基于以下：对分数计算进行阈值化、基于从图像提取的特征的神经网络、深度学习网络、非线性评分函数等。
应当注意的是，虽然在步骤458c处的分类被示出为与匹配无关的判定，在一些备选实施例中，这些分类中的一个或多个以基于与储存的或登记的生物计量数据进行比较的、依赖于匹配的方式来进行。例如，可以全部或部分地基于比较、或从比较导出的特征或统计来进行质量或活跃度判定，这可以与辅助匹配判定分离或组合到下面的辅助匹配判定中。举例来说，在所有不同类别的期望图像上训练并且接收所有适当特征、统计或度量作为输入的神经网络可以用于同时进行多个判定。
在步骤458d处，基于未能通过来自步骤454的验证匹配判定的生物计量输入进行辅助匹配判定。举例来说，辅助匹配判定可以基于不同的阈值、参数、对准、评分，或如本文进一步描述的特征。当生物计量输入通过辅助匹配判定时，在步骤460处更新生物计量数据储存库，并且当生物计量输入未能通过辅助匹配判定时，在步骤470处丢弃从生物计量输入导出的数据。
模板更新可能涉及登记数据集的修改，如果模板无意中使用冒名顶替者的数据更新，则这种修改可能潜在地允许冒名顶替者不受限制的将来访问。此外，与作出单个错误拒绝不同，使用不正确的数据更新模板可能会导致FRR增加，或者在许多认证的实例中以别的方式地对未来的性能产生负面影响。相应地，在一些实施例中，模板更新可以与总体更高的安全性要求(相比诸如设备解锁之类的普通访问控制功能)相关联。可以使用辅助匹配标准来强制执行这种更高的安全级别(该辅助匹配标准本身，与用于进行认证接受/拒绝判定的主要匹配标准相比，具有更低的安全性)，但是与附加的强认证(例如密码认证或不同的生物计量模态)相耦合，来共同提供总体更高的安全级别。备选地，可以使用辅助匹配标准，其本身提供更高的安全级别(不需要另一认证)，但是相比用于认证接受/拒绝判定的匹配标准，在计算上更昂贵。
现在参考图5，公开了基于辅助匹配判定来更新生物计量数据的方法550。可以根据本文公开的方法的其他适当实施例来配置方法550的某些实施例。此外，在适当的情况下，类似的元件用类似的参考数字标示，并且在适当的情况下，为了简单起见，省略了可以在方法的其他公开的实施例中共同共享的元件的更详细说明。
在图5的实施例中，辅助匹配判定形成与不合格验证匹配尝试相结合来更新生物计量数据储存库510的基础。在图2中示出的辅助匹配判定基于宽松的阈值，并且进一步地，辅助匹配判定可以用于识别与验证失败有关的模板。宽松的阈值可以对应于生物计量输入和储存的生物计量数据之间的较低程度的一致性。当单独使用时，这种宽松的阈值通常可以指示不合格生物计量输入的匹配中的较低程度的置信度。然而，当宽松的阈值与附加认证结合使用时(例如，基于来自图4B中的步骤474的附加输入的认证)，宽松的阈值连同附加认证一起可提供允许模板进行更新的总体高置信度，而不损害生物计量识别系统的安全性或性能。
再次参考图5，在步骤582处，检测多个登记生物计量输入，并且将来自多个登记生物计量输入的数据储存在包含在生物计量数据储存库510中的多个模板584中。作为示例，在来自步骤582的登记输入是生物计量图像的实施例中，多个模板584中的数据可包括从图像提取的特征集、图像的数字表示和/或完整图像本身。在一个实施例中，在步骤552处对新的生物计量输入的检测之前在有效登记过程期间检测多个登记输入。图5中示出了三个模板作为示例，但在备选的实施例中，可以采用任何适当数量的模板。多个模板584中的每一个可以与相应的标识符(例如，模板ID)相关联，以促成基于多个模板584中的哪个被确定为匹配新的生物计量输入的识别判定。总体上，多个模板可以对应于任何适当的多个登记的生物计量数据集，对于这些登记的生物计量数据集，识别或单独的模板存储可能是所期望的。例如，多个模板可以从以下导出：相同或不同的用户、相同或不同的生物计量模态、生物计量的相同或不同部分等。识别判定可以涉及以下：多个登记用户中的特定登记用户的识别、多个登记手指(来自相同或不同的用户)中的特定手指的识别，或更一般地，多个登记模板584中的特定模板的识别。在采用指纹识别的示例实施例中，多个模板584可以分别对应于多个不同的登记手指，其中模板的每一个包括从对应的登记手指的一个或若干图像导出的数据。
再次参考图图5，在步骤552处获得生物计量输入。在步骤586处，基于生物计量输入与储存在生物计量数据储存库510中的登记数据的比较来确定匹配分数。在步骤554处，基于将匹配分数与验证阈值进行比较来进行验证匹配判定。当匹配分数满足验证阈值时，在步骤556处接受认证尝试。当匹配分数未能满足验证阈值时，在步骤562处拒绝认证尝试。当认证尝试被拒绝时，根据来自步骤586的匹配分数是否满足在步骤558d处的辅助阈值来进行辅助匹配判定。当匹配分数满足辅助阈值(并且诸如图4B中所示的来自步骤458a的附加认证的其他标准被满足)时，在步骤560处更新生物计量数据储存库510。更具体地，生物计量数据储存库510可以通过储存来自未能通过验证匹配判定的生物计量输入的数据来更新。当匹配分数未能满足辅助匹配阈值时，生物计量数据储存库510不以来自步骤552的生物计量输入进行更新，并且在步骤570处丢弃来自未能通过的生物计量输入的数据。在图5中示出的方法550中，辅助匹配阈值是相对于来自步骤554的验证阈值的放宽的阈值。更具体地，在步骤558d处的辅助匹配阈值，相比验证阈值，可以对应于生物计量输入和登记数据集之间的低一致性。取决于所使用的(一个或多个)评分度量，宽松的阈值可以在数值上更低或更高。例如，当使用差异度量时，数字上较低的分数可以指示较高程度的一致性，而当使用相似性度量时，数字上较高的分数可以指示较高程度的一致性。当结合附加认证(诸如图4中的步骤458a)使用时，基于宽松的阈值的辅助匹配判定可以提供从真实登记的用户，而不是在步骤458a处后续接受的认证之前与生物计量传感器交互的冒名顶替者或另一个用户，获得先前生物计量输入的附加的置信度测量。例如，在某些实例中真正登记的用户可能希望向另一个、未登记用户提供临时访问权。如果未登记的用户在接受的附加的认证尝试之前有意或无意地与生物计量传感器交互，则在未采用辅助匹配判定的实施例中，可能无意地将来自未登记用户的数据添加到模板。
在一些实施例中，可以基于生成未能通过验证阈值但满足辅助阈值的最佳匹配分数的模板来识别模板集合584中的模板。辅助识别判定可以用于识别在多个模板584中要更新的适当模板和/或识别判定可以用于任何其他适当的目的。相应地，在一些辅助识别实施例中，在步骤586处确定匹配分数包括确定储存在生物计量数据储存库中的多个模板584的一个或多个匹配分数，并且在步骤554处的验证判定可以进一步基于一个或多个匹配分数。当匹配分数中的一个满足验证阈值时，可以在步骤556处接受匹配认证尝试。当匹配分数未能满足验证阈值时，拒绝验证尝试。在步骤558d处，针对辅助阈值检查未能满足验证阈值的匹配分数，并且当至少一个匹配分数满足辅助阈值时(并且诸如图4B中所示的来自步骤458a的附加认证的其他标准被满足)，更新生物计量数据储存库510。当确定多于一个匹配分数并且匹配分数的至少一个满足辅助阈值时，方法550还可以确定在未能满足验证阈值的多个匹配分数中的最佳匹配分数，并识别生成最佳匹配分数的模板。可以在步骤560处通过将来自未能通过的生物计量输入的数据储存到识别的模板中来更新生物计量数据储存库510。可以使用任何适当的匹配评分函数(例如，基于提取的特征的神经网络、深度学习网络、线性或非线性评分函数等)来确定在步骤586处的匹配分数。
在一些实施例中，生物计量易受变化的影响，这些变化如此重大以致不同的匹配参数、对准过程和/或特征集适合于辅助匹配判定。例如，局部特征(例如，点、局部补丁等)和/或基于特征的图像对准可以在大多数情况下提供在验证阶段的高匹配置信度，而全局特征(例如，强度图像、梯度图像、二进制图像、全局统计等)和/或基于强度的图像对准(例如，相关性对准、基于粗到细金字塔的对准、距离函数的最小化/最大化等)在改变的生物计量的情况下和/或在较低安全级别对辅助匹配判定可能是可接受的(因其他附加认证)情况下，可以提供在辅助匹配阶段的更高准确度验证。
再次参考图2中示出的指纹图像，同一手指但在不同状况下的图像IMG1和图像IMG2之间的外观差异是足够不同的，使得不同的对准过程和/或特征集可能更适合于每个状况。如图2示出，在典型皮肤状况下手指的图像IMG1显示出良好限定的脊和谷以及，与洗过的手指的图像IMG2中示出的那些相对照，高度定向的纹理。相应地，当比较诸如图像IMG1中示出的典型指纹图像时，诸如细节(例如，分叉和脊线末端)和兴趣点(例如，对应于斑点、SIFT点等)的特征点，由于其相对高的可靠性、可重复性和辨别力，可以提供在对准和/或评分阶段强大的性能。然而，这样的特征点可能不是可重复的，或者在洗过的手指图像IMG2中的点特征检测或基于特征的对准(或配准)过程中可能存在错误。相应地，用于图像对准和/或匹配评分的强度的直接比较可以为某些改变的图像或者当试图在改变的图像之间进行匹配时提供更好或更鲁棒的匹配性能。
参考图6，公开了一种方法650，该方法涉及全部或部分基于特征点的验证匹配判定以及全部或部分基于强度图像(或灰度图像)的辅助匹配判定。图7A-7B描绘了使用基于强度的相关性对准(图7A)比较未改变的生物计量图像(登记视图和验证视图)，以及使用基于强度的相关性对准(图7B)比较改变的生物计量图像(登记视图和验证视图)的示例。在这个示例中，对准包括旋转的确定，但是在各种实施例中，对准可以涉及任何适当的变换(例如，涉及旋转、平移、缩放等的刚性或仿射变换)的确定。此外，在图7A-7B示出的示例中，相关性峰值的强度可以用作分数或评分度量用于进行辅助匹配判定，但是附加地或替代地，可以使用诸如脊像素之间的欧几里德距离的其他度量。
该方法的一些实施例650可以根据本文所公开的方法的其他适当的实施例来配置。此外，在适当的情况下，相似的元件用相似的参考数字指示，并且在适当的情况下，为了简单起见，省略了可以在方法的其他公开的实施例中共同共享的元件的更详细说明。
再次参考图6，在步骤682处，获得多个登记生物计量输入，并且来自多个登记生物计量输入的数据储存在包含在生物计量数据储存库610中的多个模板684中。可以基于以生物计量传感器进行的图像感测来检测登记输入。多个模板684中的每一个可以与相应的标识符(例如，模板ID)相关联，以促成基于多个模板中的哪个被确定为匹配新的生物计量输入来进行识别判定。登记输入的每一个储存在一个或多个表示中，这些表示允许从同样的模板导出多个期望特征和/或图像表示。举例来说，这可能涉及储存所期望的特征集和图像表示本身，或者储存足够的登记数据集，这允许这些特征集和图像表示在匹配时被确定。例如，在一个实施例中，特征点本身和强度图像二者可以储存在多个模板684中的每一个中。在另一个实施例中，强度图像本身储存在多个模板684中的每一个中，而特征点在匹配时从登记的强度图像中确定(或从中提取)。
在步骤652处，获得生物计量输入。在步骤686a处，基于生物计量输入与储存在生物计量数据储存库610中的登记数据的比较来确定匹配分数。更具体地，在图6中示出的方法650中，全部或部分地基于将来自生物计量数据储存库610的特征点与来自生物计量输入的特征点进行比较来确定验证匹配分数。在步骤654处，基于将验证匹配分数与阈值进行比较来进行验证匹配判定。当验证匹配分数满足阈值时，在步骤656处接受认证尝试。当验证匹配分数未能满足阈值时，在步骤662处拒绝认证尝试。
当认证尝试被拒绝时，在步骤686b处基于生物计量输入与储存在生物计量数据储存库610中的登记数据的比较来确定辅助匹配分数。更具体地，该辅助匹配分数可以全部或部分地基于来自对应于生物计量输入的强度图像的强度与来自生物计量数据储存库610的强度图像的强度的直接比较来确定。
再次参见图6，在步骤658d处，进行辅助匹配判定以确定来自步骤686b的辅助匹配分数是否满足阈值。当辅助匹配分数满足辅助阈值时，在步骤660处更新生物计量数据储存库610。更具体地，通过储存从未能通过验证匹配判定的来自步骤652的生物计量输入导出的数据来更新生物计量数据储存库610。举例来说，储存的数据可以是图像强度和/或特征点。当辅助匹配分数未能满足辅助匹配阈值时，生物计量数据储存库610不以来自步骤652的生物计量输入更新，并且在步骤670处丢弃从未能通过的生物计量输入导出的数据。
在一些实施例中，模板集684中的模板可以基于生成与未能通过的验证匹配分数分离的最佳辅助匹配分数的模板来识别。辅助识别判定可以用于识别在模板集中要更新的正确模板和/或识别判定可以用于任何其他适当的目的。
根据一个辅助识别实施例，确定在步骤658b处的辅助匹配分数包括确定针对储存在生物计量数据储存库中的多个相应的模板684的多个辅助匹配分数。在步骤658d处的辅助匹配判定基于多个辅助匹配分数中的每一个。当多个辅助匹配分数中的一个满足辅助阈值时，可以在步骤660处更新产生最佳辅助匹配分数的模板。当多个辅助匹配分数中的每一个未能满足辅助阈值时，在步骤670处丢弃从生物计量输入652导出的数据。
图6和图7A-7B参照用于验证匹配和辅助匹配的特征点和强度图像提供了特定示例。然而，方法650的各种实施例中，验证匹配判定可以大体上依赖于任何适当的局部特征(例如，点、局部补丁等)和/或基于特征的图像对准。此外，辅助匹配判定可以大体上依赖于输入的任何适当的全局表示(例如，强度图像、梯度图像、二进制图像，全局统计等)和/或基于强度的图像对准(例如，相关性对准、基于粗到细金字塔的对准、距离函数的最小化/最大化等)。
在描述本发明的上下文中(特别是在以下权利要求的上下文中)对术语“一”、“一个”、“所述”和“至少一个”以及类似指示物的使用是要被解释为覆盖单数和复数二者，除非本文中另有说明或者根据上下文明显矛盾。对跟随有一系列的一个或多个项目的术语“至少一个”(例如，“A和B中的至少一个”)的使用是要被解释为意味着从所列出的项目中所选择的一个项目(A或B)或者所列出的项目中的两个或更多项目的任何组合(A和B)，除非本文中另有说明或者根据上下文明显矛盾。除非另有说明，术语“包含”、“具有”、“包括”和“含有”是要被解释为开放性术语(即，意味着“包括，但不限于”)。本文中对值的范围的记载仅仅意在充当单独地指代落在范围内的每一个分离的值的速记方法，除非本文中另有说明，并且每一个分离的值被并入到说明书中，如同其在本文中被单独地记载。本文中所描述的所有方法可以以任何合适的顺序执行，除非本文中另有说明或者另外根据上下文明显矛盾。除非另有声明，对本文中所提供的任何的以及所有的示例或示例性语言(例如，“诸如”)的使用仅仅意在更好地阐明本发明而不引起对本发明的范围的限制。说明书中的语言不应当被解释为将任何非要求保护的元素指示为对于本发明的实践是必要的。
本文中描述了优选的实施例，但对于阅读前述说明后的本领域普通技术人员而言，那些优选的实施例的变型可能变得显而易见。发明人期望技术人员视情况而定采用这样的变型，并且发明人意在让本发明以与本文中所具体描述的相不同的方式来实践。因此，本发明包括由可适用的法律所准许的、所附权利要求中所记载的主题的所有修改和等同。而且，上述元素按照其所有可能变型的任何组合均由本发明所涵盖，除非本文中另有说明或者另外根据上下文明显矛盾。

Claims (20)

1.一种用于更新生物计量数据的设备，所述设备包括：
生物计量传感器；以及
处理器，所述处理器配置成：
基于未能通过匹配判定的来自所述生物计量传感器的生物计量输入来拒绝认证尝试；
基于通过辅助匹配判定的来自所述生物计量传感器的附加的生物计量输入来接受附加的认证尝试；以及
基于所述生物计量输入更新生物计量数据储存库。
2.根据权利要求1所述的设备，其中所述处理器还配置为：
通过在所述生物计量数据储存库中储存来自未能通过所述匹配判定的所述生物计量输入的数据来更新所述生物计量数据储存库。
3.根据权利要求1所述的设备，其中所述处理器还配置为：
进一步基于未能通过针对储存在所述生物计量数据储存库中的多个模板的多个第一匹配判定的所述生物计量输入来拒绝所述认证尝试；
基于未能满足第一匹配阈值的多个匹配分数来进行所述多个第一匹配判定；以及
通过确定在未能满足所述第一匹配阈值的所述多个匹配分数中的最佳匹配分数来识别第一模板。
4.根据权利要求3所述的设备，其中所述处理器还配置为：
通过确定在多个辅助匹配分数中的最佳辅助匹配分数，来基于所述辅助匹配判定识别所述多个模板中的第二模板。
5.根据权利要求4所述的设备，其中所述第一模板与所述第二模板相同。
6.根据权利要求4所述的设备，其中当所述处理器基于所述生物计量输入更新所述生物计量数据储存库时，所述处理器更新所述第一模板或所述第二模板中的一个。
7.根据权利要求1所述的设备，其中所述处理器还配置为：
基于将所述生物计量输入与储存在所述生物计量数据储存库中的登记数据进行比较来确定匹配分数；
基于未能满足匹配阈值的所述匹配分数进行所述匹配判定；以及
基于满足辅助匹配阈值的所述匹配分数进行所述辅助匹配判定，
其中相对于所述第一匹配阈值放宽所述辅助匹配阈值。
8.根据权利要求1所述的设备，其中所述处理器还配置为：
基于将所述生物计量输入与储存在所述生物计量数据储存库中的登记数据进行比较来确定匹配分数；
基于将所述辅助生物计量输入与储存在所述生物计量数据储存库中的所述登记数据进行比较来确定辅助匹配分数；
基于未能满足阈值的所述匹配分数进行所述匹配判定；以及
基于满足所述阈值的所述辅助匹配分数进行所述辅助匹配判定。
9.根据权利要求1所述的设备，其中所述处理器还基于所述附加的认证尝试在被拒绝的认证尝试的指定时间段内发生的判定来更新所述生物计量数据储存库。
10.根据权利要求1所述的设备，其中在拒绝所述第一认证尝试之后，所述处理器被配置为重复地扫描所述生物计量传感器直到作出合格的匹配判定。
11.根据权利要求1所述的设备，其中所述生物计量输入和所述附加的生物计量输入对应于不同的模态。
12.根据权利要求11所述的设备，其中所述附加的生物计量输入对应于与所述生物计量输入不同的生物计量模态。
13.根据权利要求11所述的设备，其中所述附加的生物计量输入对应于非生物计量模态。
14.一种更新生物计量数据的方法，所述方法包括：
基于未能通过匹配判定的来自生物计量传感器的生物计量输入来拒绝认证尝试；
基于通过辅助匹配判定的来自所述生物计量传感器的附加的生物计量输入来接受附加的认证尝试；以及
基于所述生物计量输入来更新生物计量数据储存库。
15.根据权利要求14所述的方法，其中基于所述生物计量输入来更新所述生物计量数据储存库包括：通过在所述生物计量数据储存库中储存来自未能通过所述匹配判定的所述生物计量输入的数据，来更新所述生物计量数据储存库。
16.根据权利要求14所述的方法，还包括：
进一步基于未能通过针对储存在所述生物计量数据储存库中的多个模板的多个第一匹配判定的所述生物计量输入来拒绝所述认证尝试；
基于未能满足第一匹配阈值的多个匹配分数来进行所述多个第一匹配判定；以及
通过确定在未能满足所述第一匹配阈值的所述多个匹配分数中的最佳匹配分数来识别第一模板。
17.根据权利要求16所述的方法，还包括：
通过确定在多个辅助匹配分数中的最佳辅助匹配分数，来基于所述辅助匹配判定识别所述多个模板中的第二模板。
18.根据权利要求17所述的方法，其中所述第一模板与所述第二模板相同。
19.一种储存指令的非瞬态计算机可读存储介质，当所述指令由处理器执行时，将所述处理器配置为：
基于未能通过匹配判定的来自生物计量传感器的生物计量输入来拒绝认证尝试；
基于通过辅助匹配判定的来自所述生物计量传感器的附加的生物计量输入来接受附加的认证尝试；以及
基于所述生物计量输入来更新生物计量数据储存库。
20.根据权利要求19所述的非瞬态计算机可读存储介质，其中当所述处理器基于所述生物计量输入更新所述生物计量数据储存库时，所述处理器通过，在所述生物计量数据储存库中，储存来自未能通过所述匹配判定的所述生物计量输入的数据来更新所述生物计量数据储存库。
CN201811249260.7A 2017-10-25 2018-10-25 用于生物计量识别的系统和方法 Active CN109858316B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762577115P 2017-10-25 2017-10-25
US62/577115 2017-10-25
US16/169,818 US10970516B2 (en) 2017-10-25 2018-10-24 Systems and methods for biometric recognition
US16/169818 2018-10-24

Publications (2)

Publication Number Publication Date
CN109858316A true CN109858316A (zh) 2019-06-07
CN109858316B CN109858316B (zh) 2024-11-19

Family

ID=66171029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811249260.7A Active CN109858316B (zh) 2017-10-25 2018-10-25 用于生物计量识别的系统和方法

Country Status (3)

Country Link
US (1) US10970516B2 (zh)
KR (1) KR102367761B1 (zh)
CN (1) CN109858316B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110287669A (zh) * 2019-06-21 2019-09-27 Oppo广东移动通信有限公司 解锁方法及相关产品
CN112784665A (zh) * 2019-11-07 2021-05-11 联咏科技股份有限公司 图像处理方法及其图像处理系统

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108573038A (zh) * 2018-04-04 2018-09-25 北京市商汤科技开发有限公司 图像处理、身份验证方法、装置、电子设备和存储介质
WO2020018454A1 (en) 2018-07-16 2020-01-23 Islamov Rustam Cryptography operations for secure post-quantum communications
US10769399B2 (en) * 2018-12-18 2020-09-08 Zebra Technologies Corporation Method for improper product barcode detection
KR102708688B1 (ko) * 2019-03-21 2024-09-24 엘지전자 주식회사 전자 장치 및 그 제어 방법
WO2020196944A1 (ko) * 2019-03-26 2020-10-01 엘지전자 주식회사 전자 장치 및 그것의 제어 방법
CN110516087B (zh) * 2019-04-23 2021-12-07 广州麦仑信息科技有限公司 一种大规模分布式全掌脉络数据的闪速搜索比对方法
US11271915B2 (en) * 2019-06-25 2022-03-08 Mastercard International Incorporated Authenticating a user associated with a plurality of user devices using a plurality of types of authentication information
US20210035109A1 (en) * 2019-07-31 2021-02-04 Mastercard International Incorporated Methods and systems for enrollment and use of biometric payment card
US12335399B2 (en) 2019-12-10 2025-06-17 Winkk, Inc. User as a password
US11574045B2 (en) 2019-12-10 2023-02-07 Winkk, Inc. Automated ID proofing using a random multitude of real-time behavioral biometric samplings
US12132763B2 (en) 2019-12-10 2024-10-29 Winkk, Inc. Bus for aggregated trust framework
US11588794B2 (en) 2019-12-10 2023-02-21 Winkk, Inc. Method and apparatus for secure application framework and platform
US12153678B2 (en) 2019-12-10 2024-11-26 Winkk, Inc. Analytics with shared traits
US11553337B2 (en) 2019-12-10 2023-01-10 Winkk, Inc. Method and apparatus for encryption key exchange with enhanced security through opti-encryption channel
US11928193B2 (en) 2019-12-10 2024-03-12 Winkk, Inc. Multi-factor authentication using behavior and machine learning
US12341790B2 (en) 2019-12-10 2025-06-24 Winkk, Inc. Device behavior analytics
US12073378B2 (en) 2019-12-10 2024-08-27 Winkk, Inc. Method and apparatus for electronic transactions using personal computing devices and proxy services
US12143419B2 (en) 2019-12-10 2024-11-12 Winkk, Inc. Aggregated trust framework
US11328042B2 (en) 2019-12-10 2022-05-10 Winkk, Inc. Automated transparent login without saved credentials or passwords
US11657140B2 (en) 2019-12-10 2023-05-23 Winkk, Inc. Device handoff identification proofing using behavioral analytics
US11652815B2 (en) 2019-12-10 2023-05-16 Winkk, Inc. Security platform architecture
US11936787B2 (en) 2019-12-10 2024-03-19 Winkk, Inc. User identification proofing using a combination of user responses to system turing tests using biometric methods
KR20210076514A (ko) 2019-12-16 2021-06-24 삼성전자주식회사 라이브니스 판단 방법 및 장치와 그 학습 장치 및 학습 방법
US11899765B2 (en) * 2019-12-23 2024-02-13 Dts Inc. Dual-factor identification system and method with adaptive enrollment
US11874906B1 (en) * 2020-01-15 2024-01-16 Robert William Kocher Skin personal identification (Skin-PIN)
CN111368721B (zh) * 2020-03-03 2023-05-05 深圳市腾讯计算机系统有限公司 身份识别的处理方法、装置、电子设备及存储介质
KR102137060B1 (ko) * 2020-03-04 2020-07-23 씨엠아이텍주식회사 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법
CN111401463B (zh) 2020-03-25 2024-04-30 维沃移动通信有限公司 检测结果输出的方法、电子设备及介质
US11163970B1 (en) * 2020-06-16 2021-11-02 Google Llc Optical fingerprint system with varying integration times across pixels
KR102822927B1 (ko) * 2020-06-22 2025-06-23 삼성디스플레이 주식회사 지문 인증 장치, 이를 포함하는 표시 장치, 및 지문 인증 방법
CN111753719A (zh) * 2020-06-24 2020-10-09 上海依图网络科技有限公司 一种指纹识别方法及装置
US11921831B2 (en) 2021-03-12 2024-03-05 Intellivision Technologies Corp Enrollment system with continuous learning and confirmation
US11843943B2 (en) 2021-06-04 2023-12-12 Winkk, Inc. Dynamic key exchange for moving target
US12095751B2 (en) 2021-06-04 2024-09-17 Winkk, Inc. Encryption for one-way data stream
US11824999B2 (en) 2021-08-13 2023-11-21 Winkk, Inc. Chosen-plaintext secure cryptosystem and authentication
US11912234B2 (en) * 2021-12-02 2024-02-27 Ford Global Technologies, Llc Enhanced biometric authorization
US12095761B2 (en) 2021-12-02 2024-09-17 Ford Global Technologies, Llc Enhanced biometric authorization
US12288433B2 (en) 2021-12-02 2025-04-29 Ford Global Technologies, Llc Enhanced biometric authorization
TWI843338B (zh) * 2022-12-14 2024-05-21 松翰科技股份有限公司 熱感測方法
US20240311457A1 (en) * 2023-03-15 2024-09-19 Samsung Electronics Company, Ltd. Systems and Methods for AI Assisted Biometric Authentication

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105447371A (zh) * 2015-12-29 2016-03-30 深圳市亚略特生物识别科技有限公司 生物身份识别验证终端及电子系统
WO2017030770A1 (en) * 2015-08-17 2017-02-23 Qualcomm Incorporated Electronic device access control using biometric technologies
US20170228581A1 (en) * 2016-02-04 2017-08-10 Fujitsu Limited Biometric authentication device, biometric authentication method and computer-readable non-transitory medium
CN107079024A (zh) * 2014-11-12 2017-08-18 高通股份有限公司 基于背景传感器输入提供增强型安全性的移动装置
US20190080066A1 (en) * 2017-09-09 2019-03-14 Apple Inc. Implementation of biometric authentication

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5633947A (en) 1991-03-21 1997-05-27 Thorn Emi Plc Method and apparatus for fingerprint characterization and recognition using auto correlation pattern
WO2003007125A2 (en) 2001-07-12 2003-01-23 Icontrol Transactions, Inc. Secure network and networked devices using biometrics
US20060294393A1 (en) * 2005-06-24 2006-12-28 Mc Call Clark E Remote biometric registration for vehicles
US9747428B2 (en) * 2014-01-30 2017-08-29 Qualcomm Incorporated Dynamic keyboard and touchscreen biometrics
JP2017526056A (ja) * 2014-07-25 2017-09-07 クアルコム，インコーポレイテッド モバイルデバイス上での登録および認証
CN105989333B (zh) * 2015-02-12 2018-08-17 深圳市汇顶科技股份有限公司 指纹认证方法、系统及支持指纹认证功能的终端
US20160283703A1 (en) * 2015-03-27 2016-09-29 Mark Allyn Technologies for verifying biometrics during fingerprint authentication
US10325139B2 (en) * 2016-05-13 2019-06-18 Fingerprint Cards Ab Fingerprint authentication with parallel processing
GB201801527D0 (en) * 2017-07-07 2018-03-14 Cirrus Logic Int Semiconductor Ltd Method, apparatus and systems for biometric processes

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107079024A (zh) * 2014-11-12 2017-08-18 高通股份有限公司 基于背景传感器输入提供增强型安全性的移动装置
WO2017030770A1 (en) * 2015-08-17 2017-02-23 Qualcomm Incorporated Electronic device access control using biometric technologies
CN105447371A (zh) * 2015-12-29 2016-03-30 深圳市亚略特生物识别科技有限公司 生物身份识别验证终端及电子系统
US20170228581A1 (en) * 2016-02-04 2017-08-10 Fujitsu Limited Biometric authentication device, biometric authentication method and computer-readable non-transitory medium
US20190080066A1 (en) * 2017-09-09 2019-03-14 Apple Inc. Implementation of biometric authentication

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110287669A (zh) * 2019-06-21 2019-09-27 Oppo广东移动通信有限公司 解锁方法及相关产品
CN110287669B (zh) * 2019-06-21 2021-05-04 Oppo广东移动通信有限公司 解锁方法及相关产品
CN112784665A (zh) * 2019-11-07 2021-05-11 联咏科技股份有限公司 图像处理方法及其图像处理系统

Also Published As

Publication number Publication date
KR20190046679A (ko) 2019-05-07
US20190122024A1 (en) 2019-04-25
KR102367761B1 (ko) 2022-02-24
CN109858316B (zh) 2024-11-19
US10970516B2 (en) 2021-04-06

Similar Documents

Publication Publication Date Title
CN109858316A (zh) 用于生物计量识别的系统和方法
US20220165087A1 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
US10068124B2 (en) Systems and methods for spoof detection based on gradient distribution
Bhattacharyya et al. Biometric authentication: A review
Buciu et al. Biometrics systems and technologies: A survey
US10430638B2 (en) Systems and methods for spoof detection relative to a template instead of on an absolute scale
CN109886080A (zh) 人脸活体检测方法、装置、电子设备及可读存储介质
US11017204B2 (en) Systems and methods for spoof detection based on local binary patterns
CN109906459B (zh) 用于基于匹配器对准信息改进哄骗检测的系统和方法
US10127429B2 (en) Systems and methods for spoof detection based on local interest point locations
JP2003016433A (ja) 指紋照合における生体識別方法，方式，およびプログラム
US20240378274A1 (en) Multi-modal kinetic biometric authentication
HK40069201A (zh) 執行指紋識別的方法和系統
Naser et al. A Comparison between Backpropagation Neural Network and Seven Moments for More Accurate Fingerprint Video Frames Recognition
Venkatesh AI-Driven Palm Vein Biometrics for Enhanced Authentication
CN115457602A (zh) 一种生物特征识别方法和系统

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
GR01 Patent grant
GR01 Patent grant