[发明专利]一种基于静脉的身份认证方法及手环有效

专利信息
申请号: 201810359301.1 申请日: 2018-04-20
公开(公告)号: CN108563937B 公开(公告)日: 2021-10-15
发明(设计)人: 邓坚;谌黎明 申请(专利权)人: 北京锐思智芯科技有限公司
主分类号: G06F21/32 分类号: G06F21/32;G06F21/35;G06K9/00
代理公司: 深圳市博锐专利事务所 44275 代理人: 林栋
地址: 100089 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 静脉 身份 认证 方法
【说明书】:

发明提供一种基于静脉的身份认证方法及手环,采用动态视觉传感器采集静脉特征,所述动态视觉传感器为线阵动态视觉传感器;所述静脉特征采集器包括两个所述线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,通过动态视觉传感器采集的图像只包含静脉的特征等有效信息,不包含冗余的皮肤等无效的背景信息,在接收到所述静脉特征图像后,相比于基于普通视觉传感器的深度学习算法,只需要很少的层就可以实现静脉特征向量的计算,可以极大程度上减小图像处理的计算量,降低功耗,适合集成,同时识别效果良好。

技术领域

本发明涉及身份智能识别技术领域,尤其涉及一种基于静脉的身份认证方法及手环。

背景技术

医学研究证明,静脉的形状具有唯一性和稳定性。静脉识别系统因为有活体识别、内部特征和非接触式三个方面的特征,确保了使用者的静脉特征很难被伪造,在高度安全和实用便捷上远胜指纹、虹膜、面部等识别技术,因此,基于静脉的身份认证特别适合于安全要求高的场所使用,特别是腕式的静脉身份认证系统。

现有的基于静脉的腕式身份认证系统通常都是先通过图像传感器采集固定位置的静脉图像,然后通过图像处理模块对采集的静脉图像进行处理,去除静脉图像背景,提取有用的静脉特征图像,基于静脉特征图像获取静脉特征向量,最后将获取的静脉特征向量与预存的静脉特征向量进行对比,若相同,则认证通过,否则,认证失败。

然而,现有的基于静脉的腕式身份认证系统具有如下缺陷:第一,其使用的是普通的图像传感器,普通的图像传感器对光线要求比较严格,在强光或暗光条件下,识别效果很差。并且,在获取图像过程中,如果手环出现移动,获取的图像将会很模糊;第二,由于采集的是包含背景的静脉图像,所采集的图像具有高度冗余数据,图像处理模块需要复杂地去除背景、提取静脉特征图像地计算,计算过程复杂,数据处理量大,需要大量的计算资源。

发明内容

本发明所要解决的技术问题是:提供一种计算量小、识别效果好的基于静脉的身份认证方法及装置。

为了解决上述技术问题,本发明采用的一种技术方案为:

一种基于静脉的身份认证方法,包括步骤:

S1、接收设置于手环上的触摸传感器发送的身份认证请求,根据所述身份认证请求,开始计时;

S2、接收手环在转动过程中设置于手环内壁的静脉特征采集器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第一静脉特征向量,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,所述线阵动态视觉传感器由多个动态视觉像素点排列成一条直线而成;

S3、在预存的静脉特征向量集中检索是否有与所述第一静脉特征向量匹配的第二特征向量,若是,则身份认证成功,若否,则身份认证错误,并判断是否超时,若否,则返回步骤S2。

为了解决上述技术问题,本发明采用的另一种技术方案为:

一种基于静脉的身份认证手环,包括触摸传感器,还包括:

静脉特征采集器,所述静脉特征采集器设置于所述手环内壁,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列;

存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:

S1、接收所述触摸传感器发送的身份认证请求,根据所述身份认证请求,开始计时;

S2、接收手环在转动过程中所述静脉特征采集器发送的静脉特征图像,根据所述静脉特征图像,采用深度学习算法获得对应的第一静脉特征向量,所述静脉特征采集器包括两个线阵动态视觉传感器,两个所述线阵动态视觉传感器成“十”字型互相垂直排列,所述线阵动态视觉传感器由多个动态视觉像素点排列成一条直线而成;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京锐思智芯科技有限公司,未经北京锐思智芯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810359301.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top