一种基于OCT指纹图像的自动防伪方法及系统技术方案

本发明专利技术适用于生物特征识别技术领域，提供了一种基于OCT指纹图像的自动防伪方法，包括：S1、利用OCT设备对预识别的指纹进行图像采集；S2、选取预定值数量采集的指纹图像作为测试的数据集；S3、对选取的指纹图像的测试数据集进行图像预处理；S4、将预处理后的指纹图像计算一维深度信号；S5、根据一维深度信号与预设的两种防伪特征对比判断测试指纹为真实手指或人造指纹。该方法有效的解决了人造指纹的攻击问题，并且考虑了对手指包裹包含超薄附加层情况的防伪。该方法解决了人工干预，实现自动化基于OCT指纹图像进行防伪判断。

An Automatic Anti-counterfeiting Method and System Based on OCT Fingerprint Image

The invention is applicable to the field of biometric identification technology, and provides an automatic anti-counterfeiting method based on OCT fingerprint images, including: S1, image acquisition of pre-identified fingerprints by using OCT equipment; S2, fingerprint images collected by selecting a predetermined number of values as test data sets; S3, test number of selected fingerprint images. Data sets are pre-processed; S4, the pre-processed fingerprint image is calculated one-dimensional depth signal; S5, according to the comparison of one-dimensional depth signal and two anti-counterfeiting features, the test fingerprint is real fingerprint or artificial fingerprint. This method effectively solves the problem of attacking artificial fingerprints, and considers the anti-counterfeiting of fingerprint wrapping with ultra-thin additional layer. This method solves the problem of manual intervention and realizes automatic anti-counterfeiting judgment based on OCT fingerprint image.

【技术实现步骤摘要】
一种基于OCT指纹图像的自动防伪方法及系统
本专利技术属于生物特征识别
，尤其涉及一种基于OCT指纹图像的自动防伪方法及系统。
技术介绍
生物特征识别技术在当前的信息时代中具有十分重要的意义。生物特征识别技术能够作为一种强且有效的身份认证手段。生物特征识别技术是基于人们身体或者行为特征统计和分析的。目前常见的生物特征包括了指纹，人脸，DNA，虹膜，掌纹以及声音等。在众多的生物特征中，指纹是目前运用最广泛和最有效的生物特征。如今自动指纹识别系统已经在商业、医疗以及金融等领域中被广泛使用，考虑到自动指纹识别系统的广泛普及使用，针对目前的自动指纹识别系统出现了多种不同的攻击方式，其中就包括指纹模仿。指纹模仿是复制一个人的指纹用来制作相同的指纹，以此欺骗自动指纹识别系统。这种人造指纹，包括厚指纹膜、薄指纹膜以及人造手指模型，并且目前主要使用明胶，硅胶以及树脂制作人造指纹。因为目前大多数自动指纹识别系统采集装置使用普通光学装置，因此使用这些人造指纹能够欺骗自动指纹识别系统，实现和其他人共享身份。因为自动指纹识别系统已经应用在各种日常场合，并且保护着个人的隐私以及财产。所以针对目前的常见的人造指纹攻击手段，使用新的指纹采集技术，如OCT技术，并且提出有效的指纹防伪方法至关重要。并且目前也缺少实现利用自动化的OCT技术采集指纹图像防伪方法。
技术实现思路
本专利技术的目的在于提供一种基于OCT指纹图像的自动防伪方法，旨在解决人造指纹能够欺骗自动指纹识别系统的技术问题。本专利技术是这样实现的，一种基于OCT指纹图像的自动防伪方法，所述自动防伪方法包括以下步骤：S1、利用OCT设备对预识别的指纹进行图像采集；S2、选取预定值数量采集的指纹图像作为测试的数据集；S3、对选取的指纹图像的测试数据集进行图像预处理；S4、将预处理后的指纹图像计算一维深度信号；S5、根据一维深度信号与预设的两种防伪特征对比判断测试指纹为真实手指或人造指纹。本专利技术的进一步技术方案是：所述步骤S3还包括以下步骤：S31、对采集的指纹图像进行消除噪声处理；S32、对去除噪声的指纹图像的每列峰值检测结果进行拉直处理；S33、对拉伸后的指纹图像使用非锐化掩蔽USM方法进行锐化；S34、根据峰值检测结构对锐化的指纹图像进行区域划分并观察选取图像。本专利技术的进一步技术方案是：所述步骤S4还包括以下步骤：S41、对每列指纹图像进行累加求和计算处理。本专利技术的进一步技术方案是：所述步骤S5中还包括以下步骤：S51、计算具有双峰特征的一维深度信号图像占测试数据集的百分比；S52、判断具有双峰特征图像的百分比是否大于阈值；如是，则执行下一步骤，如否，则判断采集样品为人造指纹并输出不通过；S53、计算不具有单峰特征的一维深度信号图像占测试数据集的百分比；S54、判断不具有单峰特征图像的百分比是否大于阈值；如是，则判断为真实手指并输出通过，如否，则判断采集样品为增加超薄透明附加层是我手指并输出不通过。本专利技术的进一步技术方案是：所述步骤S51中还包括以下步骤：S511、对测试数据集中每幅图像的一维深度信号进行平滑处理；S512、计算平滑处理后的一维深度信号具有两个存在间距且大于均值的峰值特征的图像占测试数据集的百分比。本专利技术的进一步技术方案是：所述步骤S53中还包括以下步骤：S531、对测试数据集每幅图像的一维深度信号自信号开始至信号最大值进行截取；S532、计算截取后的一维深度信号不具有单个大于均值的峰值特征的图像占测试数据集的百分比。本专利技术的进一步技术方案是：所述步骤S2中作为测试的数据集图像占每次OCT设备采集指纹图像的10％-25％。本专利技术的进一步技术方案是：所述OCT设备为高速SD-OCT系统，通过测量样品的后向散射光的干涉信号，对生物组织的内部微观结构进行高分辨率层析成像。本专利技术的进一步技术方案是：所述步骤S31中还包括以下步骤：S311、对采集的指纹图像利用小波变换消除高频噪声；S312、对消除高频噪声的指纹图像利用贝叶斯局部均值原理的方法消除散斑噪声。本专利技术的另一目的在于提供一种基于OCT指纹图像的自动防伪系统，所述自动防伪系统包括采集模块，用于利用OCT设备对预识别的指纹进行图像采集；选取模块，用于选取预定值数量采集的指纹图像作为测试的数据集；预处理模块，用于对选取的指纹图像的测试数据集进行图像预处理；一维信号计算模块，用于将预处理后的指纹图像计算一维深度信号；手指判断模块，用于根据一维深度信号与预设的两种防伪特征对比判断测试指纹为真实手指或人造指纹。本专利技术的进一步技术方案是：所述预处理模块中还包括去噪单元，用于对采集的指纹图像进行消除噪声处理；拉直单元，用于对去除噪声的指纹图像的每列峰值检测结果进行拉直处理；锐化单元，用于对拉伸后的指纹图像使用非锐化掩蔽USM方法进行锐化；选图单元，根据峰值检测结构对锐化的指纹图像进行区域划分并观察选取图像。本专利技术的进一步技术方案是：所述一维信号判断模块中还包括累加求和单元，用于对每列指纹图像进行累加求和计算处理。本专利技术的进一步技术方案是：所述手指判断模块中还包括计算双峰特征百分比单元，用于计算具有双峰特征的一维深度信号图像占测试数据集的百分比；判断双峰特征单元，用于判断具有双峰特征图像的百分比是否大于阈值；如是，则执行计算不具有单峰特征百分比单元，如否，则判断采集样品为人造指纹并输出不通过；计算不具有单峰特征百分比单元，用于计算不具有单峰特征的一维深度信号图像占测试数据集的百分比；判断不具有单峰特征单元，用于判断不具有单峰特征图像的百分比是否大于阈值；如是，则判断为真实手指并输出通过，如否，则判断采集样品为增加超薄透明附加层是我手指并输出不通过。本专利技术的进一步技术方案是：所述计算双峰特征百分比单元中还包括平滑处理子模块，用于对测试数据集中每幅图像的一维深度信号进行平滑处理；平滑峰值特征子模块，用于计算平滑处理后的一维深度信号具有两个存在间距且大于均值的峰值特征的图像占测试数据集的百分比。本专利技术的进一步技术方案是：所述计算不具有单峰特征百分比单元中还包括截取子模块，用于对测试数据集每幅图像的一维深度信号自信号开始至信号最大值进行截取；截取峰值特征子模块，用于计算截取后的一维深度信号不具有单个大于均值的峰值特征的图像占测试数据集的百分比。本专利技术的进一步技术方案是：所述去噪单元中还包括高频去噪子模块，用于对采集的指纹图像利用小波变换消除高频噪声；散斑去噪子模块，用于对消除高频噪声的指纹图像利用贝叶斯局部均值原理的方法消除散斑噪声。本专利技术的进一步技术方案是：所述选取模块中作为测试的数据集图像占每次OCT设备采集指纹图像的10％-25％。本专利技术的进一步技术方案是：所述OCT设备为高速SD-OCT系统，通过测量样品的后向散射光的干涉信号，对生物组织的内部微观结构进行高分辨率层析成像。本专利技术的有益效果是：该方法有效的解决了人造指纹的攻击问题，并且考虑了对手指包裹包含超薄附加层情况的防伪。该方法解决了人工干预，实现自动化基于OCT指纹图像进行防伪判断。附图说明图1是本专利技术实施例提供的基于OCT指纹图像的自动防伪方法的流程图。图2是本专利技术实施例提供的所使用OCT设备采集的真手指原图样张图。图3是本专利技术实施例提供的对OCT设备采集的真手本文档来自技高网...

【技术保护点】
1.一种基于OCT指纹图像的自动防伪方法，其特征在于，所述自动防伪方法包括以下步骤：S1、利用OCT设备对预识别的指纹进行图像采集；S2、选取预定值数量采集的指纹图像作为测试的数据集；S3、对选取的指纹图像的测试数据集进行图像预处理；S4、将预处理后的指纹图像计算一维深度信号；S5、根据一维深度信号与预设的两种防伪特征对比判断测试指纹为真实手指或人造指纹。

【技术特征摘要】
1.一种基于OCT指纹图像的自动防伪方法，其特征在于，所述自动防伪方法包括以下步骤：S1、利用OCT设备对预识别的指纹进行图像采集；S2、选取预定值数量采集的指纹图像作为测试的数据集；S3、对选取的指纹图像的测试数据集进行图像预处理；S4、将预处理后的指纹图像计算一维深度信号；S5、根据一维深度信号与预设的两种防伪特征对比判断测试指纹为真实手指或人造指纹。2.根据权利要求1所述的自动防伪方法，其特征在于，所述步骤S3还包括以下步骤：S31、对采集的指纹图像进行消除噪声处理；S32、对去除噪声的指纹图像的每列峰值检测结果进行拉直处理；S33、对拉伸后的指纹图像使用非锐化掩蔽USM方法进行锐化；S34、根据峰值检测结构对锐化的指纹图像进行区域划分并观察选取图像。3.根据权利要求2所述的自动防伪方法，其特征在于，所述步骤S4还包括以下步骤：S41、对每列指纹图像进行累加求和计算处理。4.根据权利要求3所述的自动防伪方法，其特征在于，所述步骤S5中还包括以下步骤：S51、计算具有双峰特征的一维深度信号图像占测试数据集的百分比；S52、判断具有双峰特征图像的百分比是否大于阈值；如是，则执行下一步骤，如否，则判断采集样品为人造指纹并输出不通过；S53、计算不具有单峰特征的一维深度信号图像占测试数据集的百分比；S54、判断不具有单峰特征图像的百分比是否大于阈值；如是，则判断为真实手指并输出通过，如否，则判断采集样品为增加超薄透明附加层是我手指并输出不通过。5.根据权利要求4所述的自动防伪方法，其特征在于，所述步骤S51中还包括以下步骤：S511、对测试数据集中每幅图像的一维深度信号进行平滑处理；S512、计算平滑处理后的一维深度信号具有两个存在间距且大于均值的峰值特征的图像占测试数据集的百分比。6.根据权利要求5所述的自动防伪方法，其特征在于，所述步骤S53中还包括以下步骤：S531、对测试数据集每幅图像的一维深度信号自信号开始至信号最大值进行截取；S532、计算截取后的一维深度信号不具有单个大于均值的峰值特征的图像占测试数据集的百分比。7.根据权利要求6所述的自动防伪方法，其特征在于，所述步骤S2中作为测试的数据集图像占每次OCT设备采集指纹图像的10%-25%。8.根据权利要求7所述的自动防伪方法，其特征在于，所述OCT设备为高速SD-OCT系统，通过测量样品的后向散射光的干涉信号，对生物组织的内部微观结构进行高分辨率层析成像。9.根据权利要求6所述的自动防伪方法，其特征在于，所述步骤S31中还包括以下步骤：S311、对采集的指纹图像利用小波变换消...

【专利技术属性】
技术研发人员：刘凤，刘国杰，沈琳琳，刘亚辉，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44