[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107169479A - 基于指纹验证的智能移动设备敏感数据防护方法 - Google Patents

基于指纹验证的智能移动设备敏感数据防护方法 Download PDF

Info

Publication number
CN107169479A
CN107169479A CN201710493347.8A CN201710493347A CN107169479A CN 107169479 A CN107169479 A CN 107169479A CN 201710493347 A CN201710493347 A CN 201710493347A CN 107169479 A CN107169479 A CN 107169479A
Authority
CN
China
Prior art keywords
fingerprint
image
user
local
template
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
CN201710493347.8A
Other languages
English (en)
Inventor
李学龙
王�琦
杨健
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201710493347.8A priority Critical patent/CN107169479A/zh
Publication of CN107169479A publication Critical patent/CN107169479A/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • 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
    • G06V40/1347—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
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供了一种基于指纹验证的智能移动设备敏感数据防护方法。当用户在智能移动设备上选择不同APP应用时，系统自动感知手指接触动作并发送用户私密数据防护开启指令，立即调用超声波指纹采集模块采集用户指纹，然后进行指纹识别与验证，以实现数据安全防护。由于将指纹识别隐式嵌入到用户对移动应用的操作过程中，避免了功能冗杂对用户操作的干扰，同时也不影响其他移动APP的正常使用。指纹识别与验证先利用图像预处理增强指纹细节，再结合统计的纹路方向信息，对指纹图像自适应子图划分，分别对各子图提取特征，得到模板特征向量，利用模板特征向量进行匹配和验证，提高指纹识别的精度和算法的效率，且能适用用户的不同操作习惯。

Description

基于指纹验证的智能移动设备敏感数据防护方法
技术领域
本发明属信息安全、指纹识别技术领域，具体涉及一种基于指纹验证的智能移动设备敏感数据防护方法。
背景技术
随着移动互联网的快速发展，手机、平板电脑等移动智能终端已成为人们日常生活不可或缺的一部分，据统计，全球接入互联网的移动设备总数超过70亿台。丰富的移动应用与生活服务类APP在给用户带来便捷多样体验的同时，也促使不同层次的用户数据在移动设备上频繁存储、转移和交换，而目前智能移动设备多采用一锁通用的登录验证模式，一旦开机密码被获取即意味着使用者与所有者拥有对等的设备操作权限，使用者便可随意浏览甚至更改设备中存储的用户数据，很容易造成用户私密信息泄露、丢失、损毁甚至被盗用，由此引发的智能移动设备用户数据安全问题日益突出，亟待解决。
近年来，基于生物特征的身份识别技术引起了国内外学者的广泛关注，其利用人类生理或行为特征通过计算机建模实现对一个人身份的鉴别。人类的指纹、虹膜及面部等生理特征具有唯一性，且很难被攻击者仿造或假冒，因此，生物特征可为身份认证提供可靠的依据。相对于虹膜、面部等特征，指纹稳定性好、准确度高、易用性强、不易丢失，且采集过程简单、设备复杂度低，已被成功应用于智能手机等移动设备用户身份验证中，但因指纹采集的限制，只能在移动设备屏幕的确定位置进行指纹验证。
目前，指纹识别技术可分为接触式和非接触式指纹识别两大类。接触式指纹识别以弹性指尖曲面在指纹传感器平面的2D投影为输入图像，进行特征的提取与指纹的识别，其不涉及三维指纹重建，因而计算简单，但投影过程存在信息损失，同时，指纹采集过程中指尖与指纹传感器平面会发生弹性挤压，这使得采集的指纹往往局部形变严重且可能存在部分缺失，如Y.Wang等人在文献“Y.Wang,and J.Hu,Global ridge orientation modelingfor partial fingerprint identification,IEEE Transactions on Pattern Analysisand Machine Intelligence,vol.33,no.1,pp.72-87,2011”中针对二维不完整或部分缺失指纹检索问题，通过逆方向模型恢复出部分指纹的全局拓扑结构，并利用指纹脊线的拓扑特性，估计指纹图像缺失部分的脊线方向，在此基础上，结合流体模型重建指纹图像，算法显著提高了部分指纹图像的检索和识别性能，但该算法通过缺失恢复的指纹图像实现部分指纹的识别，算法性能有待进一步提升。
非接触式指纹识别采集指纹图像时指纹表面与相机或结构光不直接接触，可获得肤色、指纹三维结构且不存在卫生、指纹形变、纹路残留等问题，采集的指纹更精确，但因考虑到指纹的三维形态，因而算法复杂，限制了其应用，如A.Kumar等人在文献“A.Kumar,andK.Cyril,Towards contactless,low-cost and accurate 3D fingerprintidentification,IEEE Transactions on Pattern Analysis&MachineIntelligence.vol.37,no.3,pp.681-696,2015”中提出一种非接触式的3D指纹识别方法，该算法利用单目相机采集不同光照条件下的指纹图像，通过明暗恢复形状(SFS)算法重建出3D指纹，提取由传统2D指纹细节点特征扩展到三维空间而形成的3D指纹细节特征，对3D指纹进行识别匹配，并结合原始用于重建3D指纹的二维指纹图像匹配结果进一步优化3D指纹匹配结果，算法避免了运用多目相机或结构光法所产生的高额成本，但该算法依赖于3D指纹重建算法，且需要对多幅图像进行细节点匹配，因而算法复杂度高，很难达到实时。
作为未来一个全新的生物特征识别技术，超声波指纹识别运用3D扫描技术可穿皮肤表层，捕获皮肤深层的三维结构与纹理模式，避免了皮肤表层损伤、脱皮、附着物等的干扰，采集的指纹更真实可靠。由于其可穿透玻璃盖板采集指纹，因而超声波指纹识别具有在屏幕任意位置实现指纹识别的潜力，已成为移动设备身份验证研究的热点。如J.Gu等人在专利“J.Gu,MY.Chen,EY.Du,K.Chan and E.Vural,Image-based liveness detection forultrasonic fingerprints:U.S.Patent Application,No.US9633269B2.2015-9-3”中提出一种活体超声波指纹检测方法，该方法将单幅超声波指纹图像划分成多个相互重叠的采样块，并分别提取其空域和频域特征，利用预先训练好的分类器对其进行分类，再通过决策融合给出最终的识别结果，算法不需要对指纹图像进行脊线和谷线的分割，抗噪性好且对缺损指纹具有一定适用性。由于其针对整幅指纹图像进行特征提取，因而无法直接处理部分指纹图像与整幅指纹图像间识别验证问题。
利用生物指纹的唯一性，将指纹验证过程嵌入到智能移动设备不同应用的操作环节中，通过隐式指纹识别来加密存储在智能移动设备中的敏感数据，有限制地开放智能移动设备的使用权限以确保用户信息安全，这就为智能移动设备用户数据防护提供了一种新的思路。
发明内容
为了解决现有智能移动设备采用一锁通用的登录验证模式存在用户信息安全防护针对性不强、容易泄露的问题，本发明提供一种基于指纹验证的智能移动设备敏感数据防护方法，通过隐式指纹身份验证机制，有限制地开放智能移动设备的使用权限以确保用户信息安全。当用户在智能移动设备上选择不同APP应用时，系统自动感知手指接触动作并发送用户私密数据防护开启指令，立即调用超声波指纹采集模块采集用户指纹，然后进行指纹识别与验证，以实现数据安全防护。利用低通滤波技术去除指纹噪声，增强指纹细节，同时结合统计的纹路方向信息，对指纹图像自适应子图划分，再分别对各子图提取特征，得到模板特征向量，利用模板特征向量进行匹配，效率较高，且能适用用户的不同操作习惯。
一种基于指纹验证的智能移动设备敏感数据防护方法，其特征在于包括以下步骤：
步骤一：指纹模板采集和存储：利用超声波指纹采集模块分别采集用户十个手指信息，得到指纹模板图像，对指纹模板图像分别进行预处理、指纹子图划分、特征提取，得到指纹模板特征向量，将指纹模板特征向量存储到数据库；
步骤二：指纹图像采集：当检测到用户手指点击屏幕任一个APP应用时，调用超声波指纹采集模块采集用户指纹信息，得到指纹图像；当检测到用户手指离开屏幕时，立即终止采样并进入休眠状态；
步骤三：指纹图像处理：对指纹图像进行预处理、特征提取，得到指纹特征向量；
步骤四：指纹验证与数据库更新：将指纹特征向量与数据库存储的指纹模板特征向量进行匹配验证，如果二者匹配，则认为两指纹属于同一用户，验证通过，允许用户进行下一步操作，并更新数据库中当前匹配的指纹模板特征向量的匹配频次，按照匹配频次由大到小排列数据库中指纹模板特征向量顺序；否则，验证不通过，禁止用户进行下一步操作。
步骤一和步骤三中所述的预处理是利用高斯低通滤波器对图像进行滤波处理，再利用Retinex算法对滤波后图像进行增强，得到预处理后的图像；
步骤一中所述的指纹子图划分是提取图像的指纹中心点，并利用指纹中心点将指纹图像划分为指纹前端、左部、右部、尾部及中心子图共5个指纹局部子图，具体为：
步骤a：按照计算得到图像I′(x,y)的梯度方向矩阵A′(x,y)，再采用Poincare Index算法提取得到指纹纹路的中心点；
其中，Ix′(x,y)为采用3×3Sobel梯度模板算子沿x轴方向与图像I′(x,y)做卷积得到的梯度分量，Iy′(x,y)为采用3×3Sobel梯度模板算子沿y轴方向与图像I′(x,y)做卷积得到的梯度分量；I′(x,y)为预处理后的图像；
步骤b：利用ICS算法提取图像I′(x,y)的细节点，分别以细节点中的每一个核心点为中心，运用指纹分解算法提取每一个核心点所对应的局部图像块，并根据计算局部图像块的平均方向θCore，再利用计算得到指纹纹路的分割方向θh_Core；
其中，Bf,g表示局部图像块，记细节点中核心点对应的局部图像块共F×G个，f＝1,...,F，g＝1,...,G，表示局部图像块Bf,g的脊线主方向，为局部图像块Bf,g对应在I′(x,y)图像中的最小行号，为局部图像块Bf,g对应在I′(x,y)图像中的最大行号，为局部图像块Bf,g对应在I′(x,y)图像中的最小列号，为局部图像块Bf,g对应在I′(x,y)图像中的最大列号；
步骤c：以步骤a得到的指纹纹路的中心点为中心分别沿着θh_Core、 方向将指纹图像分割成指纹左部、指纹右部和指纹尾部三个子图；指纹纹路中心点往指尖方向1/3处沿方向画一条的直线，直线以上至指纹图像边缘为指纹前端子图；以指纹纹路中心点为中心沿θh_Core方向和垂直于θh_Core方向到指纹图像边缘的3/4处以内的椭圆形区域为指纹中心子图；
步骤一和步骤三中所述的特征提取是提取图像的显著性特征、脊谷结构特征、梯度特征、脊线特征以及细节点特征，这些特征即构成指纹特征向量；
步骤四中所述的将指纹特征向量与数据库存储的指纹模板特征向量进行匹配验证具体过程为：首先，将指纹特征向量中的细节点特征与数据库中存储的指纹模板特征向量的细节点特征进行匹配，得到可能属于的候选局部子图，然后，计算指纹特征向量与数据库存储的对应候选局部子图的指纹模板特征向量的余弦相似度，若相似度最小值和相似度次最小值的比值小于给定的阈值，则二者匹配，否则，不匹配；其中，阈值设为0.6。
本发明的有益效果是：充分利用了超声波较好的方向性及强的穿透能力，提出以移动应用为基元进行指纹验证的策略，并将指纹识别隐式嵌入到用户对移动应用的操作过程中，避免了功能冗杂对用户操作的干扰，同时也不影响其他移动APP的正常使用。通过对指纹图像分子图特征提取，充分利用了指纹图像中心区域指纹结构清晰、细节完整且局部形变小的特性及指纹成像过程中指尖与移动屏幕的投影规律，有利于提高指纹识别的精度和算法的效率，且更符合用户操作习惯，实现了自适应的指纹匹配。
附图说明
图1是本发明的一种基于指纹验证的智能移动设备敏感数据防护方法流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。
如图1所示，本发明提出的一种基于指纹验证的智能移动设备敏感数据防护方法，实现过程如下：
1、指纹模板采集和存储：利用超声波指纹采集模块分别采集用户十个手指信息，得到指纹模板图像，对10个指纹模板图像分别进行预处理、指纹子图划分、特征提取，得到指纹模板特征向量，即包含了所有指纹局部子图的特征向量，将其存储到数据库。
其中，预处理的过程为：设采集得到的用户指纹图像为I(x,y)，利用高斯低通滤波器对指纹图像I(x,y)进行平滑滤波，再通过Retinex算法(DJ.Jobson,Z.Rahman,andGA.Woodell,"A multiscale retinex for bridging the gap between color imagesand the human observation of scenes,"IEEE Transactions on Image processing,vol.6,no.7,pp.965-976,1997.)对滤波后图像进行增强，得到预处理后的图像I′(x,y)。(x,y)表示图像中的像素坐标。
指纹子图划分是先提取图像的指纹中心点，然后利用指纹中心点将指纹图像划分为指纹前端、左部、右部、尾部及中心子图共5个指纹局部子图，具体为：
步骤a：按照计算得到图像I′(x,y)的梯度方向矩阵A′(x,y)，再采用Poincare Index算法提取得到指纹纹路的中心点；
其中，Ix′(x,y)为采用3×3Sobel梯度模板算子沿x轴方向与图像I′(x,y)做卷积得到的梯度分量，Iy′(x,y)为采用3×3Sobel梯度模板算子沿y轴方向与图像I′(x,y)做卷积得到的梯度分量。
步骤b：利用Intrinsic Coordinate System(ICS)算法(AM.Bazen,andSH.Gerez,"An intrinsic coordinate system for fingerprint matching,"InProc.Audio-and Video-Based Biometric Person Authentication,2001.)提取图像I′(x,y)的细节点，分别以细节点中的每一个核心点为中心，运用指纹分解算法(S.MA Wahby,and MO.Ahmad,"A multilevel structural technique for fingerprintrepresentation and matching,"Signal Processing,vol.93,no.1,pp.56-69,2013.)提取每一个核心点所对应的局部图像块，并根据计算局部图像块的平均方向θCore，再利用计算得到指纹纹路的分割方向θh_Core。
其中，Bf,g表示局部图像块，记细节点中核心点对应的局部图像块共F×G个，f＝1,...,F，g＝1,...,G，表示局部图像块Bf,g的脊线主方向，为局部图像块Bf,g对应在I′(x,y)图像中的最小行号，为局部图像块Bf,g对应在I′(x,y)图像中的最大行号，为局部图像块Bf,g对应在I′(x,y)图像中的最小列号，为局部图像块Bf,g对应在I′(x,y)图像中的最大列号。
步骤c：以步骤a得到的指纹纹路的中心点为中心分别沿着θh_Core、 方向将指纹图像分割成指纹左部、指纹右部和指纹尾部三个子图；指纹纹路中心点往指尖方向1/3处沿方向画一条的直线，直线以上至指纹图像边缘为指纹前端子图；以指纹纹路中心点为中心沿θh_Core方向和垂直于θh_Core方向到指纹图像边缘的3/4处以内的椭圆形区域为指纹中心子图。
特征提取是利用Sankaran,Anush等人发表在Information Fusion上题为“Adaptive latent fingerprint segmentation using feature selection and randomdecision forest classification”中提出的特征提取方法提取图像的显著性特征、脊谷结构特征、梯度特征、脊线特征以及Bazen,Asker M等人发表在Audio-and Video-BasedBiometric Person Authentication上题为“An intrinsic coordinate system forfingerprint matching”中提出的细节点提取方法提取图像的细节点特征，这些特征即构成指纹特征向量，其中：
(1)显著性特征由显著灰度S1和显著方向S2构成，具体定义为：
S2＝||D*G(0)||+||D*G(π/2)|| (2)
其中，(x,y)为局部块的中心像素坐标，w为局部邻域大小，这里取为16，σ＝0.5为高斯核，*表示卷积操作，G(0)为Gabor滤波沿0度响应，G(π/2)为Gabor滤波沿90度方向响应，D为指纹图像I′(x,y)经傅里叶变换后的图像；
(2)脊谷结构特征γ，具体定义为：
其中，w为局部邻域大小，取为12，Imean为整幅图像的灰度均值，γ1(x,y)为x＝i,y＝j时γ1(i,j)取值，这里γ1(i,j)表示点(i,j)处局部τ×τ邻域内灰度值小于全局灰度均值Imean的像素点的个数即这里τ取4。脊谷结构特征对脊线断裂不敏感且对噪声具有较强的适应性。
(3)梯度特征由脊线方向Or(i,j)、梯度幅值Mr(i,j)及脊线在局部块方向上的投影Pf＝(Pv,Ph)组成。脊线方向Or(i,j)和梯度幅值Mr(i,j)分别定义为：
其中，这里G(i,j)表示核为3×3高斯函数，O(i,j)为点(i,j)处图像的梯度方向。
脊线在局部块方向上的投影定义为：
其中，B×H表示局部方向块的大小，取为12×9，(k,l)为局部方向块的中心坐标。
(4)脊线特征由指纹相邻脊峰之间的距离d与脊频率h组成。利用梯度算法(D.Maltoni,et al,"Handbook of fingerprint recognition,"Springer Science&Business Media,2009.)提取指纹图像的局部块脊峰，则脊峰之间的距离定义为脊峰的平均距离即其中，n为脊峰个数，lk表示相邻脊峰之间的距离。指纹的脊谷结构特性可以用一组正弦曲线表示，具体采用一组可变频率的方向滤波器(二维Gabor滤波)提取脊频率的幅度谱，滤波器取得最大值时对应频率即为局部邻域的脊频率，则有
其中，F(u,v)为w×w局部指纹图像的傅里叶变换，这里w取16，Wl(u,v)表示Gabor沿l方向滤波。
(5)细节点特征Mi＝(xi,yi,θi,ti,qi)由表示细节点坐标(xi,yi)、细节点的方向θi、细节点类型(脊结束或分岔)ti和表示细节点的特性qi组成(i表示第i个细节点)。细节点坐标、方向及细节点类型由前面指纹子图划分的步骤b得到，而细节点特性用于度量局部w×w区域提取特征的可信度，这里w取16，这里通过脊线能量和正弦波谱(YJ.Chin,TS.Ong,andABJ.Teoh,et al."Integrated biometrics template protection technique based onfingerprint and palmprint feature-level fusion,"Information Fusion,vol.18,pp.161-174,2014.)来度量局部邻域的特性，即有：
其中，Wl′(u,v)表示Gabor沿l′方向具有最大响应的滤波。
2、指纹图像采集：当检测到用户手指点击屏幕任一个APP应用时，调用超声波指纹采集模块采集用户指纹信息，得到指纹图像；当检测到用户手指离开屏幕时，立即终止采样并进入休眠状态，以减少超声波指纹识别模块的功耗。
3、指纹图像处理：按步骤1中方法对指纹图像进行预处理、特征提取，得到指纹特征向量；
4、指纹验证与数据库更新：将指纹特征向量中的细节点特征与数据库中存储的指纹模板特征向量的细节点特征按照Bazen,Asker M等人发表在Audio-and Video-BasedBiometric Person Authentication上题为“An intrinsic coordinate system forfingerprint matching”提出的细节点匹配算法进行匹配，得到可能属于的候选局部子图，然后，计算指纹特征向量与数据库存储的对应候选局部子图的指纹模板特征向量的余弦相似度，若相似度最小值和相似度次最小值的比值小于给定的阈值(这里阈值设为0.6)，则二者匹配，认为两指纹属于同一用户，验证通过，允许用户进行下一步操作，进入相应移动应用，并更新数据库中当前匹配的指纹模板特征向量的匹配频次，按照出现的频次对不同手指不同子图对应的指纹模板特征向量进行排序，动态构建有序模板特征向量，以适应用户的操作习惯，提升后续验证的效率；否则，验证不通过，禁止用户进行下一步操作，并可将其作为异己指纹进行存储。

Claims (5)

1.一种基于指纹验证的智能移动设备敏感数据防护方法，其特征在于包括以下步骤：
步骤一：指纹模板采集和存储：利用超声波指纹采集模块分别采集用户十个手指信息，得到指纹模板图像，对指纹模板图像分别进行预处理、指纹子图划分、特征提取，得到指纹模板特征向量，将指纹模板特征向量存储到数据库；
步骤二：指纹图像采集：当检测到用户手指点击屏幕任一个APP应用时，调用超声波指纹采集模块采集用户指纹信息，得到指纹图像；当检测到用户手指离开屏幕时，立即终止采样并进入休眠状态；
步骤三：指纹图像处理：对指纹图像进行预处理、特征提取，得到指纹特征向量；
步骤四：指纹验证与数据库更新：将指纹特征向量与数据库存储的指纹模板特征向量进行匹配验证，如果二者匹配，则认为两指纹属于同一用户，验证通过，允许用户进行下一步操作，并更新数据库中当前匹配的指纹模板特征向量的匹配频次，按照匹配频次由大到小排列数据库中指纹模板特征向量顺序；否则，验证不通过，禁止用户进行下一步操作。
2.如权利要求1所述的一种基于指纹验证的智能移动设备敏感数据防护方法，其特征在于：步骤一和步骤三中所述的预处理是利用高斯低通滤波器对图像进行滤波处理，再利用Retinex算法对滤波后图像进行增强，得到预处理后的图像。
3.如权利要求1或2所述的一种基于指纹验证的智能移动设备敏感数据防护方法，其特征在于：步骤一中所述的指纹子图划分是提取图像的指纹中心点，并利用指纹中心点将指纹图像划分为指纹前端、左部、右部、尾部及中心子图共5个指纹局部子图，具体为：
步骤a：按照计算得到图像I′(x,y)的梯度方向矩阵A′(x,y)，再采用Poincare Index算法提取得到指纹纹路的中心点；
其中，Ix′(x,y)为采用3×3Sobel梯度模板算子沿x轴方向与图像I′(x,y)做卷积得到的梯度分量，Iy′(x,y)为采用3×3Sobel梯度模板算子沿y轴方向与图像I′(x,y)做卷积得到的梯度分量；I′(x,y)为预处理后的图像；
步骤b：利用ICS算法提取图像I′(x,y)的细节点，分别以细节点中的每一个核心点为中心，运用指纹分解算法提取每一个核心点所对应的局部图像块，并根据计算局部图像块的平均方向θCore，再利用计算得到指纹纹路的分割方向θh_Core；
其中，Bf,g表示局部图像块，记细节点中核心点对应的局部图像块共F×G个，f＝1,...,F，g＝1,...,G，表示局部图像块Bf,g的脊线主方向， 为局部图像块Bf,g对应在I′(x,y)图像中的最小行号，为局部图像块Bf,g对应在I′(x,y)图像中的最大行号，为局部图像块Bf,g对应在I′(x,y)图像中的最小列号，为局部图像块Bf,g对应在I′(x,y)图像中的最大列号；
步骤c：以步骤a得到的指纹纹路的中心点为中心分别沿着θh_Core、 方向将指纹图像分割成指纹左部、指纹右部和指纹尾部三个子图；指纹纹路中心点往指尖方向1/3处沿方向画一条的直线，直线以上至指纹图像边缘为指纹前端子图；以指纹纹路中心点为中心沿θh_Core方向和垂直于θh_Core方向到指纹图像边缘的3/4处以内的椭圆形区域为指纹中心子图。
4.如权利要求1、2或3所述的一种基于指纹验证的智能移动设备敏感数据防护方法，其特征在于：步骤一和步骤三中所述的特征提取是提取图像的显著性特征、脊谷结构特征、梯度特征、脊线特征以及细节点特征，这些特征即构成指纹特征向量。
5.如权利要求1、2、3或4所述的一种基于指纹验证的智能移动设备敏感数据防护方法，其特征在于：步骤四中所述的将指纹特征向量与数据库存储的指纹模板特征向量进行匹配验证具体过程为：首先，将指纹特征向量中的细节点特征与数据库中存储的指纹模板特征向量的细节点特征进行匹配，得到可能属于的候选局部子图，然后，计算指纹特征向量与数据库存储的对应候选局部子图的指纹模板特征向量的余弦相似度，若相似度最小值和相似度次最小值的比值小于给定的阈值，则二者匹配，否则，不匹配；其中，阈值设为0.6。
CN201710493347.8A 2017-06-26 2017-06-26 基于指纹验证的智能移动设备敏感数据防护方法 Pending CN107169479A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710493347.8A CN107169479A (zh) 2017-06-26 2017-06-26 基于指纹验证的智能移动设备敏感数据防护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710493347.8A CN107169479A (zh) 2017-06-26 2017-06-26 基于指纹验证的智能移动设备敏感数据防护方法

Publications (1)

Publication Number Publication Date
CN107169479A true CN107169479A (zh) 2017-09-15

Family

ID=59826235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710493347.8A Pending CN107169479A (zh) 2017-06-26 2017-06-26 基于指纹验证的智能移动设备敏感数据防护方法

Country Status (1)

Country Link
CN (1) CN107169479A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108681284A (zh) * 2018-05-23 2018-10-19 文丹 一种基于指纹识别的智能家居控制系统
CN109886189A (zh) * 2019-02-20 2019-06-14 Oppo广东移动通信有限公司 指纹模板获取方法及相关装置
CN110717429A (zh) * 2019-09-27 2020-01-21 联想(北京)有限公司 一种信息处理方法、电子设备及计算机可读存储介质
CN111161258A (zh) * 2019-12-31 2020-05-15 重庆青信科技有限公司 基于能谱曲线统计指纹的能谱ct图像分割方法
CN111657997A (zh) * 2020-06-23 2020-09-15 无锡祥生医疗科技股份有限公司 超声辅助引导方法、装置及存储介质
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
CN111753722A (zh) * 2020-06-24 2020-10-09 上海依图网络科技有限公司 一种基于特征点类型的指纹识别方法及装置
CN112560813A (zh) * 2021-02-19 2021-03-26 深圳阜时科技有限公司 窄条形指纹的识别方法、存储介质及电子设备
CN112733670A (zh) * 2020-12-31 2021-04-30 北京海鑫科金高科技股份有限公司 指纹特征提取方法、装置、电子设备及存储介质
CN112784816A (zh) * 2021-02-22 2021-05-11 深圳阜时科技有限公司 窄条形指纹的识别方法、存储介质及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104008350A (zh) * 2014-05-15 2014-08-27 惠州Tcl移动通信有限公司 通过不同解锁方式进入不同用户模式的移动终端及方法
CN104077518A (zh) * 2014-07-03 2014-10-01 南昌欧菲生物识别技术有限公司 解锁并执行应用程序的装置及方法
CN105893982A (zh) * 2016-04-28 2016-08-24 乐视控股（北京）有限公司 基于超声波进行指纹识别的方法及系统
CN106022348A (zh) * 2016-07-01 2016-10-12 昆明理工大学 一种基于特定点方向场与指纹投影的指纹检索方法
CN106295539A (zh) * 2016-08-03 2017-01-04 乐视控股（北京）有限公司 指纹识别方法、指纹识别装置和终端设备
CN106599648A (zh) * 2016-10-31 2017-04-26 努比亚技术有限公司 一种应用开启方法和终端
CN106778159A (zh) * 2016-12-29 2017-05-31 努比亚技术有限公司 虚拟按键管理方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104008350A (zh) * 2014-05-15 2014-08-27 惠州Tcl移动通信有限公司 通过不同解锁方式进入不同用户模式的移动终端及方法
CN104077518A (zh) * 2014-07-03 2014-10-01 南昌欧菲生物识别技术有限公司 解锁并执行应用程序的装置及方法
CN105893982A (zh) * 2016-04-28 2016-08-24 乐视控股（北京）有限公司 基于超声波进行指纹识别的方法及系统
CN106022348A (zh) * 2016-07-01 2016-10-12 昆明理工大学 一种基于特定点方向场与指纹投影的指纹检索方法
CN106295539A (zh) * 2016-08-03 2017-01-04 乐视控股（北京）有限公司 指纹识别方法、指纹识别装置和终端设备
CN106599648A (zh) * 2016-10-31 2017-04-26 努比亚技术有限公司 一种应用开启方法和终端
CN106778159A (zh) * 2016-12-29 2017-05-31 努比亚技术有限公司 虚拟按键管理方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ANUSH SANKARAN ET AL.: "Adaptive latent fingerprint segmentation using feature selection and random decision forest classification", 《INFORMATION FUSION》 *
ASKER M.BAZEN ET AL.: "An Intrinsic Coordinate System for Fingerprint Matching", 《PROC.AUDIO-AND VIDEO-BASED BIOMETRIC PERSON AUTHENTICATION，2001》 *
M.A.WAHBY SHALABY ET AL.: "A multilevel structural technique for fingerprint representation and matching", 《SIGNAL PROCESSING 93（2013）》 *
聂桂军 等: "基于连续分布方向图和改进的Poincare Index的指纹分类", 《电子学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108681284A (zh) * 2018-05-23 2018-10-19 文丹 一种基于指纹识别的智能家居控制系统
CN109886189B (zh) * 2019-02-20 2021-06-04 Oppo广东移动通信有限公司 指纹模板获取方法及相关装置
CN109886189A (zh) * 2019-02-20 2019-06-14 Oppo广东移动通信有限公司 指纹模板获取方法及相关装置
CN110717429A (zh) * 2019-09-27 2020-01-21 联想(北京)有限公司 一种信息处理方法、电子设备及计算机可读存储介质
CN110717429B (zh) * 2019-09-27 2023-02-21 联想(北京)有限公司 一种信息处理方法、电子设备及计算机可读存储介质
CN111161258A (zh) * 2019-12-31 2020-05-15 重庆青信科技有限公司 基于能谱曲线统计指纹的能谱ct图像分割方法
CN111161258B (zh) * 2019-12-31 2023-05-09 重庆青信科技有限公司 基于能谱曲线统计指纹的能谱ct图像分割方法
CN111657997A (zh) * 2020-06-23 2020-09-15 无锡祥生医疗科技股份有限公司 超声辅助引导方法、装置及存储介质
CN111753722A (zh) * 2020-06-24 2020-10-09 上海依图网络科技有限公司 一种基于特征点类型的指纹识别方法及装置
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
CN111753722B (zh) * 2020-06-24 2024-03-26 上海依图网络科技有限公司 一种基于特征点类型的指纹识别方法及装置
CN112733670A (zh) * 2020-12-31 2021-04-30 北京海鑫科金高科技股份有限公司 指纹特征提取方法、装置、电子设备及存储介质
CN112733670B (zh) * 2020-12-31 2024-02-27 北京海鑫科金高科技股份有限公司 指纹特征提取方法、装置、电子设备及存储介质
CN112560813A (zh) * 2021-02-19 2021-03-26 深圳阜时科技有限公司 窄条形指纹的识别方法、存储介质及电子设备
CN112784816A (zh) * 2021-02-22 2021-05-11 深圳阜时科技有限公司 窄条形指纹的识别方法、存储介质及电子设备

Similar Documents

Publication Publication Date Title
Fei et al. Feature extraction methods for palmprint recognition: A survey and evaluation
CN107169479A (zh) 基于指纹验证的智能移动设备敏感数据防护方法
Xin et al. Multimodal feature-level fusion for biometrics identification system on IoMT platform
Yuan et al. Fingerprint liveness detection based on multi-scale LPQ and PCA
Pflug et al. Ear biometrics: a survey of detection, feature extraction and recognition methods
Dagnes et al. Occlusion detection and restoration techniques for 3D face recognition: a literature review
Alheeti Biometric iris recognition based on hybrid technique
Islam et al. A review of recent advances in 3D ear-and expression-invariant face biometrics
Fischer et al. A novel palm vein recognition approach based on enhanced local Gabor binary patterns histogram sequence
Alausa et al. Contactless palmprint recognition system: a survey
Gao et al. On Designing a SwinIris Transformer Based Iris Recognition System
Krishneswari et al. A review on palm print verification system
Chinnappan et al. Fingerprint recognition technology using deep learning: a review
Kumar et al. An empirical evaluation of rotation invariance of LDP feature for fingerprint matching using neural networks
Hegde et al. Human authentication using finger knuckle print
Fernandes et al. Directed adversarial attacks on fingerprints using attributions
Kankrale et al. Template level concatenation of iris and fingerprint in multimodal biometric identification systems
Kaur et al. Touch-less Fingerprint Analysis--A Review and Comparison
Adami et al. Contactless fingerprint biometric anti-spoofing: An unsupervised deep learning approach
Hussein et al. The fundamentals of unimodal palmprint authentication based on a biometric system: a review
Kalangi et al. Deployment of Haar Cascade algorithm to detect real-time faces
Jain et al. Fingerprint recognition
Hegde et al. FKP biometrics for human authentication using Gabor wavelets
Kuban et al. A NOVEL MODIFICATION OF SURF ALGORITHM FOR FINGERPRINT MATCHING.
Khokher et al. Footprint-based personal recognition using dactyloscopy technique

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20170915

RJ01 Rejection of invention patent application after publication