在指纹分析中通过机器学习来区分活体手指与欺骗手指制造技术

本公开内容涉及在指纹分析系统中执行的利于区分活体手指与欺骗手指的方法。该方法包括：当手指与指纹传感器(3)的检测表面(21)接合时获取图像的多个时间序列，时间序列中的每一个显示相应的手指(5)。时间序列中的每一个至少包括显示手指的指纹形貌的第一图像和最后图像，其中，时间序列的一些时间序列中的相应的手指已知为活体手指，并且时间序列的另外一些时间序列中的相应的手指已知为欺骗手指。该方法还包括在多个时间序列上训练机器学习算法，以产生用于区分活体手指与欺骗手指的机器学习算法的模型。

In fingerprint analysis, machine learning is used to distinguish living fingers from cheating fingers

【技术实现步骤摘要】
【国外来华专利技术】在指纹分析中通过机器学习来区分活体手指与欺骗手指
本公开内容涉及用于通过对与指纹传感器的检测表面接合的手指的图像时间序列进行分析来区分活体手指与欺骗手指的方法和装置。
技术介绍
各种类型的生物计量系统被越来越多地使用，以提供提高的安全性和/或增强的用户便利性。特别地，指纹感测系统由于其小形状因数、高性能和用户接受度已经被采用于例如消费者电子装置中。需要活性检测/反欺骗/表示攻击检测，以保护生物计量系统免受利用欺骗的身体部位例如欺骗指纹的攻击。存在许多解决这种应用于指纹识别的问题的方法，例如寻找材料属性的基于硬件的方法、通过血氧定量法的脉冲检测、寻找所获得的指纹图像中的伪造的伪像欺骗并查看精细尺度的纹理的基于软件的方法。描述了多种基于图像的软件方法，所述基于图像的软件方法明确地查看引入图像帧之间的差异的出汗效果。但并非所有手指都表现出所需的出汗量，尤其是在冬季条件下。参见例如IJITKMSpecialIssue(ICFTEM-2014)May2014，pp.61-69(ISSN0973-4414)，TanishaAggarwal等人的“FakeFingerprintDetectionMethods”。还存在皮肤弹性方法，所述皮肤弹性方法要求用户在传感器捕获图像序列的同时扭动手指。参见例如IEEETransactionsonInformationForensicsandSecurity，vol.1,no.3，September2006，AthosAntonelli等人的“FakeFingerDetectionbySkinDistortionAnalysis”。US7,133,541公开了一种区分活体手指与模仿手指的方法。该方法包括：当手指正在被放置在指纹传感器上时获得图像的序列，并且分析序列图像之间的变化以确定手指是否为活体。制作精良的欺骗相对于低呈现的伪像能够达到非常高的质量。由于较新的几代电容式传感器较小并且由于厚的涂层而具有低的空间分辨率，因此存在于每个图像中的伪像的数目低，并且不存在精细尺度纹理。因此，可用的软件活性方法受到了挑战。
技术实现思路
本公开内容的目的是提供针对指纹传感器的改进的活性检测，该改进的活性检测可以独立于伪像检测或高空间分辨率。根据本公开内容的一个方面，提供了一种在指纹分析系统中执行的利于区分活体手指与欺骗手指的方法。该方法包括：当在手指正在接近并且压靠检测表面的时段期间手指与指纹传感器的检测表面接合时获取图像的多个时间序列，所述时间序列中的每一个显示相应的手指。时间序列中的每一个至少包括显示手指的指纹形貌的第一图像和最后图像，其中时间序列的一些时间序列中的相应的手指已知为活体手指，并且时间序列的另外一些时间序列中的相应的手指已知为欺骗手指。该方法还涉及在多个时间序列上训练机器学习算法，以产生用于区分活体手指与欺骗手指的机器学习算法的模型。根据本公开内容的另一方面，提供了一种在电子装置中执行的与由电子装置借助于指纹传感器执行的认证操作相关联地区分活体手指与欺骗手指的方法，该电子装置包括指纹分析系统的指纹传感器，。该方法包括：当在手指正在接近并且正在压靠检测表面的时段期间手指与指纹传感器的检测表面接合时获取手指的图像的时间序列，其中时间序列至少包括时间序列的显示手指的指纹形貌的第一图像和最后图像。该方法还包括将机器学习算法的模型应用于时间序列。该方法还包括基于所应用的模型的结果，确定手指是活体手指还是欺骗手指。在一些实施方式中，机器学习算法的模型可以是通过训练本专利技术的先前方法方面的机器学习算法而产生的模型。根据本专利技术的另一方面，提供了计算机程序产品，该计算机程序产品包括计算机可执行部件，该计算机可执行部件用于当计算机可执行部件在包括在指纹分析系统中的处理电路上运行时使指纹分析系统执行本公开内容的方法的实施方式。根据本公开内容的另一方面，提供了一种指纹分析系统，其包括：处理电路；以及数据存储装置，其存储可由所述处理电路执行的指令，由此该指纹分析系统进行操作以：当在手指正在接近并且正在压靠检测表面的时段期间手指与指纹传感器的检测表面接合时获取图像的多个时间序列，所述时间序列中的每一个显示相应的手指，时间序列中的每一个至少包括显示手指的指纹形貌的第一图像和最后图像，其中，时间序列的一些时间序列中的相应的手指已知为活体手指，并且时间序列的另外一些时间序列中的相应的手指已知为欺骗手指。指纹分析系统还进行操作以利用多个时间序列来训练机器学习算法，以产生用于区分活体手指与欺骗手指的机器学习算法的模型。指纹分析系统可以例如被包括在还包括例如提供多个时间序列的数据库的中央服务器装置中，或被包括在包括指纹传感器的电子装置中(如在下面方面中那样)，电子装置例如以用户设备(例如智能电话或膝上型计算机)的形式。根据本公开内容的另一方面，提供了一种电子装置，其包括：指纹传感器；处理电路；以及数据存储装置，其存储可由所述处理电路执行的指令，由此所述电子装置进行操作以：当在手指正在接近并且压靠检测表面的时段期间手指与指纹传感器的检测表面接合时获取手指的图像的时间序列，其中，时间序列至少包括显示手指的指纹形貌的第一图像和最后图像。电子装置还进行操作以将机器学习算法的模型应用于时间序列。电子装置还进行操作以基于所应用的模型的结果，确定手指是活体手指还是欺骗手指。根据本专利技术，机器学习用于区分活体手指与欺骗手指。借助于不同手指的多个图像序列来训练机器学习算法，时间序列中一些已知为活体手指，并且时间序列中一些已知为欺骗手指。因此所获得的模型用于通常与由电子装置执行的用于认证装置的用户的认证操作相关联地但是也可以独立于由电子装置执行的用于认证装置的用户的该认证操作由电子装置来区分活体手指与欺骗手指，该电子装置包括指纹传感器。要注意的是，各方面中任一方面中的任何特征可以在适当的情况下应用于任何其他方面。同样，各方面中的任一方面的任何优点可以应用于其他方面的任一方面。根据下面的详细公开内容、所附从属权利要求以及附图，所附的实施方式的其他目的、特征和优点将是明显的。通常，除非在本文中另外明确定义，否则权利要求中所使用的所有术语将根据其在
中的普通含义进行解释。除非另外明确声明，否则对“一(a)/一个(an)/元件、设备、部件、手段、步骤等”的所有引用将被开放地解释为指代元件、设备、部件、手段、步骤等的至少一个实例。除非明确声明，否则本文所公开的任何方法的步骤不必按照所公开的确切顺序执行。针对本公开内容的不同特征/部件使用的“第一”、“第二”等仅旨在将特征/部件与其他类似特征/部件区分开，并且不向该特征/部件赋予任何顺序或层次。附图说明将参照附图通过示例的方式来描述实施方式，在附图中：图1示意性地示出了根据本公开内容的实施方式的包括指纹传感器的电子装置。图2示意性地示出了根据本公开内容的实施方式的与指纹传感器的检测表面接合的手指。图3是根据本公开内容的与外部数据库进行可选通信的本文档来自技高网...

【技术保护点】
1.一种在指纹分析系统(30)中执行的利于区分活体手指与欺骗手指的方法，所述方法包括：/n当在手指正在接近并且正在压靠检测表面的时段期间所述手指与指纹传感器(3)的所述检测表面(21)接合时获取(S1)图像(I

【技术特征摘要】
【国外来华专利技术】20171018 SE 1751291-41.一种在指纹分析系统(30)中执行的利于区分活体手指与欺骗手指的方法，所述方法包括：
当在手指正在接近并且正在压靠检测表面的时段期间所述手指与指纹传感器(3)的所述检测表面(21)接合时获取(S1)图像(I1..In)的多个时间序列(50)，所述时间序列中的每一个显示相应的手指(5)，所述时间序列中的每一个至少包括显示所述手指的指纹形貌的第一图像(I1)和最后图像(In)，其中，所述时间序列的一些时间序列中的所述相应的手指已知为活体手指，并且所述时间序列的另外一些时间序列中的所述相应的手指已知为欺骗手指；以及
在所述多个时间序列上训练(S2)机器学习算法，以产生用于区分活体手指与欺骗手指的所述机器学习算法的模型。


2.根据权利要求1所述的方法，其中，针对所述时间序列中的每一个，当所述相应的手指(5)与所述检测表面(21)接合但是尚未在所述检测表面的整个检测区域(22)上与所述检测表面接触时，已经触发所述时间序列的获取，所述检测区域对应于在所述时间序列(50)中的每一个中成像的区域。


3.根据权利要求1或2所述的方法，其中，所述指纹分析系统(30)包括指纹传感器(3)，并且其中，借助于所述指纹传感器来获取(S1)所述多个时间序列(50)。


4.根据权利要求1或2所述的方法，其中，从数据库(36)获取(S1)所述多个时间序列(50)。


5.根据权利要求1或2所述的方法，其中，与在相应的电子装置(1)上执行的认证操作相关联地从所述相应的电子装置(1)实时地获取(S1)所述多个时间序列(50)。


6.根据任一前述权利要求所述的方法，其中，所述时间序列(50)中的每一个已经以每秒至少20个图像的速率被获得。


7.一种在电子装置(1)中执行的用于与由所述电子装置借助于指纹传感器(3)执行的认证操作相关联地区分活体手指与欺骗手指的方法，所述电子装置(1)包括指纹分析系统(30)的所述指纹传感器，所述方法包括：
当在手指正在接近并且正在压靠检测表面的时段期间所述手指与所述指纹传感器的检测表面(21)接合时获取(S11)所述手指(5)的图像(I1..In)的时间序列(50)，其中，所述时间序列至少包括所述时间序列的显示所述手指的指纹形貌的第一图像(I1)和最后图像(In)；
将机器学习算法的模型应用(S12)于所述时间序列；以及
基于所应用的模型的结果，确定(S13)所述手指是活体手指还是欺骗手指。


8.根据权利要求7所述的方法，其中，当所述手指(5)正在与所述检测表面(21)接合但是尚未在所述检测表面的整个检测区域(22)上与所述检测表面接触时，触发所述获取(S11)，所述检测区域对应于在所述时间序列(50)中成像的区域。


9.根据权利要求7或8所述的方法，其中，所述确定(S13)包括确定所述手指(5)是活体手指，从而所述方法还包括：
基于所述确定(S13)，授权(S14)访问所述装置(1)的功能。


10.根据权利要求7至9中任一项所述的方法，其中，所述模型被预编程在所述电子装置(1)中。


11.根据权利要求7至10中任一项所述的方法，其中，所述时间...

【专利技术属性】
技术研发人员：肯尼斯·琼森，阿拉·哈拉瓦尼，
申请(专利权)人：指纹卡有限公司，
类型：发明
国别省市：瑞典;SE