【技术实现步骤摘要】
具有生物特征伪造考虑的方法和设备
[0001]本申请要求于2021年3月31日在韩国知识产权局提交的第10
‑
2021
‑
0042091号韩国专利申请以及于2021年5月28日在韩国知识产权局提交的第10
‑
2021
‑
0068812号韩国专利申请的权益，所述韩国专利申请的全部公开出于所有目的通过引用包含于此。
[0002]下面的描述涉及具有生物特征伪造考虑的方法和设备。
技术介绍
[0003]通常，可通过使用传感器获得用户的指纹图像并将获得的指纹图像与预先登记的指纹图像进行比较来执行用户认证或验证。这里，如果精细制造的虚假指纹图案被输入到传感器，则典型的指纹识别装置可能无法将虚假指纹图案与真实指纹图案区分开，因此通常可能将虚假指纹图案错误地识别为生物指纹或被认证的指纹。例如，如果其上刻有指纹的材料(诸如，橡胶、硅树脂、明胶、环氧树脂或乳胶)与传感器接触，则刻在这样的材料上的指纹通常可被识别为人的活体指纹。
技术实现思路
[0004]提供本
技术实现思路
以简要的形式介绍在以下具体实施方式中进一步描述的构思的选择。本
技术实现思路
不意在确定要求保护的主题的关键特征或必要特征，也不意在用于帮助确定要求保护的主题的范围。
[0005]在一个总体反面，一种处理器实现的方法包括：执行机器学习模型的多个卷积块中的一个或多个卷积块，机器学习模型确定至少一个输入图像中的生物特征信息是否被伪造，执行的步骤包括：使用所述一个或多个卷积块中...
【技术保护点】
【技术特征摘要】
1.一种处理器实现的检测生物特征信息是否被伪造的方法，所述方法包括：执行机器学习模型的多个卷积块中的一个或多个卷积块，机器学习模型确定至少一个输入图像中的生物特征信息是否被伪造，执行的步骤包括：使用所述一个或多个卷积块中的卷积块的一个或多个卷积层，针对输入图像的输入特征图来生成包括多个通道的特征图；响应于所述卷积块的输入通道总数和所述卷积块的输出通道总数不同，通过使用所述卷积块的跳跃连接结构将零填充通道添加到输入特征图来使所述卷积块的输入通道总数与所述卷积块的输出通道总数匹配；以及根据生成的特征图和所述卷积块的跳跃连接结构的结果，生成用于确定生物特征信息是否被伪造的输出数据。2.根据权利要求1所述的方法，还包括：根据生成的输出数据来确定输入图像中的生物特征信息是否被伪造。3.根据权利要求1所述的方法，其中，所述一个或多个卷积块包括至少两个卷积块，其中，所述方法还包括：使用所述两个或更多个卷积块中的另一卷积块的一个或多个卷积层，针对作为对应的其他特征图的所述卷积块的生成的输出数据来生成包括另外的多个通道的附加特征图；响应于所述另一卷积块的输入通道总数和所述另一卷积块的输出通道总数不同，通过使用所述另一卷积块的跳跃连接结构将零填充通道添加到对应的其他特征图来使所述另一卷积块的输入通道总数与所述另一卷积块的输出通道总数匹配；以及根据生成的附加特征图和所述另一卷积块的跳跃连接结构的结果，生成生物特征信息是否被伪造的确定。4.根据权利要求3所述的方法，其中，所述卷积块和所述另一卷积块具有不同的卷积参数，并且不同的卷积参数包括以下中的任何一个或任何组合：所述卷积块与所述另一卷积块之间的各个不同的卷积层通道乘数大小、所述卷积块与所述另一卷积块之间的至少一个相应卷积层的各个不同的卷积核大小、以及所述卷积块和所述另一卷积块的分别生成的特征图的各个不同的通道总数。5.根据权利要求4所述的方法，其中，特征图的生成和附加特征图的生成中的一者或两者包括注意力机制。6.根据权利要求3所述的方法，其中，机器学习模型是神经网络。7.根据权利要求6所述的方法，其中，神经网络至少包括所述卷积块并且至少包括所述另一卷积块。8.根据权利要求1所述的方法，其中，所述多个卷积块包括另外的一个或多个卷积块，其中，所述方法还包括：使用所述一个或多个卷积块中的另一卷积块的一个或多个卷积层，针对另一输入图像的对应的输入特征图来生成包括另外的多个通道的附加特征图；响应于所述另一卷积块的输入通道总数和所述另一卷积块的输出通道总数不同，通过使用所述另一卷积块的跳跃连接结构将零填充通道添加到对应的输入特征图来使所述另
一卷积块的输入通道总数与所述另一卷积块的输出通道总数匹配；以及根据生成的附加特征图和所述另一卷积块的跳跃连接结构的结果，生成用于确定所述另一输入图像的生物特征信息是否被伪造的另一输出数据。9.根据权利要求8所述的方法，其中，生成特征图和附加特征图的步骤被并行执行。10.根据权利要求8所述的方法，还包括：根据生成的输出数据并且根据生成的所述另一输出数据来生成生物特征信息是否被伪造的组合确定。11.根据权利要求10所述的方法，其中，特征图的生成和附加特征图的生成中的一者或两者包括注意力机制。12.根据权利要求8所述的方法，其中，机器学习模型包括至少包括所述卷积块的神经网络以及至少包括所述另一卷积块的另一神经网络，或者机器学习模型是至少包括所述卷积块并且至少包括所述另一卷积块的神经网络。13.根据权利要求1所述的方法，还包括：获得输入图像，输入图像包括用户的生物特征信息；将输入图像输入到机器学习模型；以及至少根据生成的输出数据来确定输入图像是否包括伪造的生物特征信息。14.根据权利要求1所述的方法，其中，使输入通道总数与输出通道总数匹配的步骤包括：响应于输入通道总数和输出通道总数不同，将与所述卷积块的输入特征图中的确定的不足数量的通道对应的零填充通道拼接到输入特征图。15.根据权利要求1所述的方法，其中，输入通道总数与输出通道总数的匹配被选择性地执行，响应于输入通道总数和输出通道总数相同而不执行匹配，其中，当不执行匹配时执行跳跃连接结构的步骤包括：通过一致跳跃连接，输出没有零填充通道的输入特征图作为所述卷积块的跳跃连接结构的结果。16.根据权利要求1所述的方法，还包括：响应于所述卷积块的输入特征图的非通道大小和所述卷积块的输出特征图的非通道大小不同，使用包括在跳跃连接结构中的池化层来使输入特征图的非通道大小与输出特征图的非通道大小匹配。17.根据权利要求16所述的方法，还包括：响应于输入特征图的大小和输出特征图的大小相同，在不执行池化层的情况下执行跳跃连接结构。18.根据权利要求1所述的方法，其中，所述一个或多个卷积块包括具有不同卷积参数的至少两个卷积块，并且不同的卷积参数包括以下中的任何一个或任何组合：所述至少两个卷积块之间的各个不同的卷积层通道乘数大小、所述至少两个卷积块之间的至少一个相应卷积层的各个不同的卷积核大小、以及所述至少两个卷积块的分别生成的特征图的各个不同的通道总数。19.根据权利要求1所述的方法，其中，针对特征图的生成，所述卷积块包括：大小为1
×
1的第一卷积层，被配置为根据输入特征图生成第一特征图，第一特征图具有与输入特征图的大小相同的大小以及与输入特征图的通道总数不同的通道总数；大小为k
×
k的第二卷积层，被配置为根据第一特征图生成第二特征图，第二特征图具
有与第一特征图的通道总数相同的通道总数，并且具有通过改变第一特征图的大小而获得的大小，其中，k是大于零的自然数；以及大小为1
×
1的第三卷积层，被配置为根据第二特征图生成第三特征图，第三特征图具有与第二特征图的大小相同的大小，并且具有与第二特征图的通道总数相同的通道总数或与第二特征图的通道总数不同的通道总数。20.根据权利要求19所述的方法，其中，第二卷积层包括深度可分离卷积层和分组卷积层中的一个。21.根据权利要求19所述的方法，其中，所述卷积块还包括以下项中的至少一个：一个或多个归一化层，被配置为对生成的第一特征图、生成的第二特征图和/或生成的第三特征图分别进行归一化；以及一个或多个非线性激活函数，分别被提供归一化的第一特征图、归一化的第二特征图和/或归一化的第三特征图。22.根据权利要求21所述的方法，其中，第二卷积层被配置为基于所述一个或多个非线性激活函数中的被提供归一化的第一特征图的第一非线性激活函数的结果来生成第二特征图，第三卷积层被配置为基于所述一个或多个非线性激活函数中的被提供归一化的第二特征图的第二非线性激活函数的结果来生成第三特征图，和/或输出数据的生成基于所述一个或多个非线性激活函数中的被提供归一化的第三特征图的第三非线性激活函数的结果。23.根据权利要求1所述的方法，还包括执行注意力机制，注意力机制包括：使用包括在所述卷积块中的注意力层，为根据所述一个或多个卷积层生成的对应特征图的通道分配相应的权重，其中，为对应特征图的通道分配相应的权重的步骤包括：根据确定的对应特征图的每个通道的重要性，使用注意力层为对应特征图的每个通道分配相应的权重。24.根据权利要求1所述的方法，还包括执行注意力机制，注意力机制包括：使用包括在所述卷积块中的注意力层，为特征图的通道分配相应的权重，其中，生成输出数据的步骤包括：根据为特征图的通道分配相应的权重的结果并且根据包括添加的零填充通道的跳跃连接结构的结果，生成用于确定生物特征信息是否被伪造的输出数据。25.根据权利要求24所述的方法，其中，所述卷积块的所述一个或多个卷积层包括至少三个卷积层，注意力层设置在所述至少三个卷积层之中的第三卷积层之后，并且分配相应的权重的步骤包括：为从第三卷积层得到的特征图的每个通道分配相应的权重。26.根据权利要求24所述的方法，其中，所述卷积块的所述一个或多个卷积层包括至少三个卷积层，注意力层设置在所述至少三个卷积层之中的第二卷积层与第三卷积层之间，并且分配相应的权重的步骤包括：为从第二卷积层得到的并且在第三卷积层之前的特征图的每个通道分配相应的权重。27.根据权利要求24所述的方法，其中，注意力层包括：
全局池化层，被配置为将由所述一个或多个卷积层中的一个卷积层生成的对应特征图的大小调整为1
×
1的大小；第一全连接层，被配置为通过对调整了大小的对应特征图进行平滑来将调整了大小的对应特征图转换为单个向量；第二全连接层，被配置为对第一全连接层的输出进行平滑；以及非线性激活函...
【专利技术属性】
技术研发人员：金智焕，金圭洪，朴成彦，韩在濬，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。