一种基于小面积指纹的指纹采集方法、身份认证方法及电子装置制造方法及图纸

本发明专利技术提供一种基于小面积指纹的指纹采集方法、身份认证方法及电子装置，将用户的小面积指纹内所有特征点数据及小面积指纹与全指纹中心点的距离、全指纹数量、采集全指纹顺序和用户标识作为该用户指纹信息，对用户身份进行认证。本发明专利技术从全指纹出发，尽可能地选取整个全指纹的最优部分作为认证凭据，处理过程简洁，处理速度快。

【技术实现步骤摘要】
一种基于小面积指纹的指纹采集方法、身份认证方法及电子装置
本专利技术涉及计算机终端安全领域，尤其涉及一种基于小面积指纹的指纹采集方法、身份认证方法及电子装置。
技术介绍
指纹认证，是一种历史十分悠久的认证技术，在中国最早可以追溯到唐朝。中国解放后发现的唐代许多文书、契约、遗嘱上都有指纹、指节纹或掌纹，以此作为识别个人的重要手段。此后历代，都沿用在文书上以指模、掌模为鉴的习惯。我国古代军队有《箕斗册》，即登记士兵指纹，以便检查。这表明当时己能对指纹按形态、结构进行正确分类，并将这种分类特征和知识应用于社会实践。我国用指纹破案的记录也可追溯二千多年前的秦代。因此指纹在身份认证中的可行性毋庸置疑。传统的指纹采集方法可分两类，物理法和化学法，物理法即使用粉末，磁粉或激光来显现指纹并记录，而化学法则是通过使用化学制剂，通过化学反应产生的特殊影像和荧光获得指纹。随着计算机技术的发展，对于指纹的主动采集和识别变得越来越便捷，如光学识别技术已经广泛使用了，而基于指纹的身份认证也应用于门禁打卡，开锁，手机等移动设备的设备锁，甚至银行在进行账户注册时的认证中。随着指纹识别设备越做越小，很多手机等移动设备都加入了指纹识别功能，基于指纹识别的身份认证就变为了很多应用的首选身份认证方式。目前如微信支付，支付宝支付等都早已实现了对指纹认证的支持。对于安卓设备而言，可信执行环境(TEE)的加入也为用户指纹的识别和保护提供了硬件上的支持。但不同指纹识别设备识别方式不同，采集的指纹精度不同，识别算法差异较大，导致现有的技术出现不同程度的漏洞。中国专利申请CN2017109201495公开了一种基于选择性延伸的指纹图像匹配方法，利用细节点和方向场信息进行小指纹图像的匹配，但其采用互相叠加的指纹图像块构成直流矩阵，增加了算法难度，影响了准确性。来自纽约大学的研究人员使用GAN成功制造出了“万能指纹”，使用该种指纹可以实现对设备最高76.67％的破解率，出现这种万能指纹的原因主要是设备必须具有一定的容错率，如果容错率过低，用户录入的指纹哪怕有最轻微的一点点偏差也会导致识别出错，而容错率过高也是不切实际的。由于用户的指纹会留在一些光滑物体的表面，因此对于一些安全级别要求较高的场景，指纹的安全系数甚至没有4-6位纯数字密码高。目前很多现有的小面积指纹技术，其处理方式损失了大量全指纹的信息，因此在处理完成后很难保障小面积指纹的唯一性。现有的技术很多未考虑小面积指纹上特征点的分布特性，因此可能在部分指纹上采集到的数据缺乏有效性，包含的用户特征信息较少，进而导致识别准确率下降，安全性降低。
技术实现思路
针对上述现况与存在的问题，本专利技术提供一种基于小面积指纹的指纹采集方法、身份认证方法及电子装置，适用于应用场景如：单一设备认证，且用户较少，如手机，个人计算机；或每个用户只在特定的几台设备上进行验证，如科研实验室等，能够最大程度利用全指纹信息，加快指纹验证的处理速度。一种基于小面积指纹的指纹采集方法，其步骤包括：1)依次采集用户的若干全指纹，对每一全指纹，获取全指纹中所有特征点数据，并做一个以全指纹中心点为中心、包含大部分特征点的内接矩阵；2)对所述内接矩阵进行卷积，将获取的各卷积结果对应位置作为各小面积指纹，并选取部分或全部小面积指纹，计算各选取小面积指纹与全指纹中心点的距离；3)将选取小面积指纹内所有特征点数据及选取小面积指纹与全指纹中心点的距离、全指纹数量、采集全指纹顺序和用户标识作为该用户指纹信息。进一步地，使用ORB算法获取全指纹中所有特征点数据。进一步地，特征点数据包括特征点的位置与类型信息；所述特征点的位置依据以全指纹中心点为中心的二维坐标系计算。进一步地，将所述内接矩阵分割为若干相同形状与大小的子矩阵，使用设定感受野与步长对所述内接矩阵进行卷积。进一步地，通过以下步骤选取部分小面积指纹：1)根据各小面积指纹内的特征点数量，对全部小面积指纹进行由多到少排序；2)计算各相同特征点数量的小面积指纹内每一特征点与该小面积指纹内其它特征的欧氏距离平均值，对相同特征点数量的小面积指纹进行由大到小排序；3)排序前若干个小面积指纹作为部分小面积指纹。进一步地，计算选取小面积指纹内每一特征点与全指纹中心点的欧氏距离平均值，得到选取小面积指纹与全指纹中心点的距离。一种基于小面积指纹的身份认证方法，其步骤包括：1)依次获取待认证用户的若干全指纹，根据获取待认证用户全指纹数量在上述用户指纹信息内查找相同全指纹数量对应的用户标识、采集全指纹顺序、选取小面积指纹内所有特征点数据及选取小面积指纹与全指纹中心点的距离；2)根据采集全指纹顺序、选取小面积指纹与全指纹中心点的距离及获取待认证用户全指纹顺序，将选取小面积指纹内所有特征点数据与待验证用户全指纹进行匹配，并根据匹配成功的选取小面积指纹数量，判断待验证用户全指纹是否匹配成功；3)若有匹配成功的待验证用户全指纹，则判断该待认证用户通过身份认证，依据用户标识进行登录。进一步地，若匹配成功的选取小面积指纹数量大于等于设定数量，则相应的全指纹匹配成功；若匹配成功的选取小面积指纹数量小于设定数量，则相应的全指纹匹配失败。一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序执行上述方法的各步骤。一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述方法。与现有技术相比，本专利技术提出的方法具有以下的优点及效果：本专利技术从全指纹出发，尽可能地选取整个全指纹的最优部分作为认证凭据，处理过程较为简洁，处理速度较快。附图说明图1基于小面积指纹的身份认证方法的整体流程图。图2为指纹采集过程示意图。图3为卷积过程示意图。图4为指纹验证过程示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清晰，下面通过具体实施例和附图对本专利技术进行进一步详细阐述。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。本专利技术的整体流程如图1所示。本专利技术先进行基于小面积指纹的指纹采集，建立小面积指纹信息数据库，如图2所示。在用户录入指纹时，首先进行指纹的中心点定位，确定指纹的矩形边界，将矩形区域划分为4*4的区域，以2*2的感受野、步长(1,1)卷积矩形内的指纹特征点，对用户指纹进行采样。指纹录入时会要求用户录入多次指纹，次数由用户设置，每次输入的指纹可以是不同的，也可以是相同的。如果是不同的在指纹验证时也需要使用录入时的顺序。推荐的录入次数为4-6次，最多为8次，推荐使用3种不同的指纹。每个录入的全指纹会对应6个小面积指纹，数据库需要存储小面积指纹和小面积指纹相对于指纹中心的位置信息、全指纹数量、采集全指纹顺序及用户标识。指纹采集步骤如下：第一步，采本文档来自技高网...

【技术保护点】
1.一种基于小面积指纹的指纹采集方法，其步骤包括：/n1)依次采集用户的若干全指纹，对每一全指纹，获取全指纹中所有特征点数据，并做一个以全指纹中心点为中心、包含大部分特征点的内接矩阵；/n2)对所述内接矩阵进行卷积，将获取的各卷积结果对应位置作为各小面积指纹，并选取部分或全部小面积指纹，计算各选取小面积指纹与全指纹中心点的距离；/n3)将选取小面积指纹内所有特征点数据及选取小面积指纹与全指纹中心点的距离、全指纹数量、采集全指纹顺序和用户标识作为该用户指纹信息。/n

【技术特征摘要】
1.一种基于小面积指纹的指纹采集方法，其步骤包括：
1)依次采集用户的若干全指纹，对每一全指纹，获取全指纹中所有特征点数据，并做一个以全指纹中心点为中心、包含大部分特征点的内接矩阵；
2)对所述内接矩阵进行卷积，将获取的各卷积结果对应位置作为各小面积指纹，并选取部分或全部小面积指纹，计算各选取小面积指纹与全指纹中心点的距离；
3)将选取小面积指纹内所有特征点数据及选取小面积指纹与全指纹中心点的距离、全指纹数量、采集全指纹顺序和用户标识作为该用户指纹信息。


2.如权利要求1所述的方法，其特征在于，使用ORB算法获取全指纹中所有特征点数据。


3.如权利要求1所述的方法，其特征在于，特征点数据包括特征点的位置与类型信息；所述特征点的位置依据以全指纹中心点为中心的二维坐标系计算。


4.如权利要求1所述的方法，其特征在于，将所述内接矩阵分割为若干相同形状与大小的子矩阵，使用设定感受野与步长对所述内接矩阵进行卷积。


5.如权利要求1所述的方法，其特征在于，通过以下步骤选取部分小面积指纹：
1)根据各小面积指纹内的特征点数量，对全部小面积指纹进行由多到少排序；
2)计算各相同特征点数量的小面积指纹内每一特征点与该小面积指纹内其它特征的欧氏距离平均值，对相同特征点数量的小面积指纹进行由大到小排序；
3)排序前若干个小面积指纹作为部分小面积指纹。

【专利技术属性】
技术研发人员：汪秋云，姜政伟，李小萌，方舟，王栋，赵丽花，
申请(专利权)人：中国科学院信息工程研究所，国网浙江省电力有限公司信息通信分公司，国网雄安金融科技集团有限公司，国家电网有限公司，
类型：发明
国别省市：北京;11