基于弹性特征的指纹认证方法与流程

本发明涉及一种指纹弹性认证方法。

背景技术：

在很多场景需要对用户进行身份识别，其中，指纹识别方便快捷，其应用广泛，但是，指纹在生活中随处可以留下，容易复制，存在安全隐患。专利申请号2017800024722“具有力传感器的指纹传感器”中，通过力值连同指纹一起实现认证上的改良。该方法需要在指纹传感器中加入力传感器，采集力参数，使指纹仪的结构和指纹认证算法变得复杂。

技术实现要素：

有鉴于此，本发明提供一种基于弹性特征的指纹认证方法，不改变现有指纹传感器的结构，仅通过改良指纹传感器的检测和认证方法提高指纹验证的安全性。

本发明提出的一种基于弹性特征的指纹认证方法，其特征包括以下步骤：

基于手指按压面积与指纹形态建立指纹弹性模型；

在采集用户指纹图像时，根据指纹弹性模型中的按压面积，控制采集对应的指纹形态；

通过所述手指按压面积和对应的指纹形态，与建立的指纹弹性模型进行对比，如果两者一致，判断指纹弹性认证通过；

通过所述指纹图像的指纹特征，与注册的指纹模板进行匹配，如果匹配度大于设定阈值，判断指纹模板认证通过；

当指纹模板认证和指纹弹性认证都通过，判断指纹认证通过；

当指纹模板认证和指纹弹性认证中任一个未通过，判断指纹认证未通过。

指纹是手指表皮上凸起的摩擦嵴的印痕，通过指纹特征可以识别身份。指纹特征包含由嵴形成的各种形状，比如环形、螺旋形、弓形等嵴总体形态构成指纹第一级特征，嵴中的不规则或不连续性，比如嵴端点、分叉、斑点等构成指纹第二级特征，指纹第三级特征包含嵴微孔、瘢痕、褶皱等其它变形。

指纹弹性反映的是指纹形态随手指按压指纹传感器力度变化而变化的特性，是一种个性生物信息，不同年龄、不同性别、不同职业的人，其指纹弹性存在差异。所述指纹形态包括嵴宽度、或嵴部劈开宽度、或嵴孔直径、或嵴斑点直径、或谷宽度一种或多种。比如对于嵴宽度，按压力度越大，嵴被压得越扁，造成嵴宽度越大，指纹形态变化也就越大，按压力度越小，嵴被压扁得程度越小，使嵴宽度越小，指纹形态变化也就越小。但是，嵴宽与谷宽是相反的，当嵴宽变大时，谷宽被挤压变窄，也就是谷宽随按压力度变大而变小。

指纹形态是手指表皮上的凸起部分，指纹弹性是指纹形态在压力下的变形特征，个体之间存在差异性。手指按压面积是按压力大小的反映，通过按压面积与指纹形态关系可以识别指纹弹性，与指纹特征结合，可以用于身份认证。

相对于手指指纹特征，指纹弹性展现在用户输入指纹信息的过程中，当指纹输入动作结束，指纹弹性随之消失，不会留下痕迹，因而不容易被复制。

在本发明的一种实施方案中，通过特定按压面积与指纹形态的对应关系，进行指纹弹性认证，通过采集特定手指按压面积下的指纹形态，与建立的指纹弹性模型进行对比，如果两者一致，判断指纹弹性认证通过。

在用户输入指纹信息后，在指纹传感器上可能残留一个最大按压面积下的指纹形态，但是指纹输入过程中的非最大按压面积下的指纹形态在用户手指离开指纹传感器时消失，不会残留在指纹传感器上。

在本发明的另一种实施方案中，通过手指非最大按压面积下的指纹形态，识别指纹弹性，如果采集的某一按压面积下的指纹形态与保存的相同按压面积下的指纹形态一致，判断指纹弹性识别通过，否则就不通过。

在本发明的第三种实施方案中，通过对比用户输入指纹过程中的指纹形态变化，即对比不同按压面积下同一区域的指纹形态，识别指纹弹性，如果指纹形态变化超过设定阈值，判断指纹弹性识别通过，否则就不通过。

在本发明的第四种实施方案中，通过对比用户输入指纹过程中的按压面积变化与指纹形态变化关系，识别指纹弹性，如果两者变化关系与指纹弹性模型一致，判断指纹弹性识别通过，否则就不通过。

本发明基于指纹传感器可以同时检测指纹特征和按压面积的特点，通过按压面积与指纹形态的关系建立指纹弹性模型，提高指纹的安全性，简单易行。通过不断自我更新指纹弹性模型，可以适应逐渐变化的指纹弹性。

下面结合实施例，详细描述本发明的技术方案。

附图说明

图1所示的是电容式指纹传感器结构示意图。

图2是指纹弹性识别方法流程示意图。

具体实施方式

指纹传感器采集指纹图像，通过提取图像中的指纹特征进行指纹识别。所述指纹传感器包括光学感应器、超声波感应器、电容感应器、热感测器等。本发明中所述的指纹图像应广义理解为通过指纹传感器采集的一组指纹检测数据，反映指纹特征信息。

指纹形状是三维立体的，手指按压传感器的同时压迫指纹，造成指纹平面形态发生变化。指纹传感器可以检测采集指纹的二维平面信息，包括手指按压传感器的接触面积大小、指纹特征和指纹形状。

指纹传感器不能检测手指的按压力，但是可以检测手指的按压面积，根据手指在指纹传感器上的按压面积可以反映手指的按压力度，按压力度越大，指纹传感器检测的手指接触面积越大。

检测手指按压面积与检测手指按压力相比，具有以下优点：1、手指压力具有方向性，对同一按压力，如果按压方向不同，可能引起手指与传感器接触的面积产生差异，造成的指纹形态也不同，也就是说，同一手指按压力可能对应不同的手指按压面积或指纹形态。由于手指按压面积和指纹形态是手指按压在传感器上的直接结果，反映了按压力的大小和按压方向，手指按压面积和指纹形态的对应具有唯一性。手指按压面积只有大小没有方向，更加便于检测，基于按压面积与指纹形态关系建立的指纹弹性模型更加精准。2、手指按压力需要通过指纹传感器之外的力传感器进行检测，使指纹传感器结构变得复杂，增加能耗；而手指按压面积可以直接通过指纹传感器检测，不需要额外装置，也不增加额外能耗。

通过指纹传感器检测手指按压面积（像素）的方法与指纹传感器采集指纹图像的技术有关，比如，光学指纹传感器拍摄手指在面积传感器上的按压区域照片，通过图像识别方法计算手指按压面积，超声波指纹传感器通过采集手指的反射波检测手指按压面积，电容指纹传感器通过检测感应器与手指之间的电容值采集手指按压面积、热感指纹传感器通过检测与手指接触的温度（体温）感应手指按压面积。以图1所示的电容感应器为例，面积传感器1包括顶面11和感应器12，顶面11为阵列分布的电容，其下分布感应芯片2，通过感应器12与手指表面之间的电容耦合检测采集手指按压面积。

通过指纹传感器可以连续检测用户手指的按压面积，在用户输入指纹按压过程中，指纹传感器检测的手指按压面积从0连续增大到某一范围，在用户抬起手指过程中，按压面又从某一范围连续减小到0。连接指纹传感器的处理器可以自动通过按压面积控制采集指纹形态。

比如以最大按压面积为标准进行采集，首先可以通过历史采集数据统计出用户最大按压面积，然后，根据统计结果，自动采集一个最大按压面积下的指纹形态，在用户手指抬起的过程中，按压面积开始由大变小，当面积缩小到最大面积的比如80%时，自动采集第二个按压面积下的指纹形态，当面积缩小到第二面积的比如80%时，再采集第三按压面积下的指纹形态，依次等等。此外，也可以在按压面积由大变小的过程中，任意采集，每采集一次，面积缩小一次，小到一个设定的最小面积为止。

反过来也可以在按压面积由小到大的按压过程中进行采集，比如设定一个最小（或起始）面积，当按压面积超过最小面积的比如120%后，采集第一个按压面积下的指纹形态，当面积扩大到第一面积的比如120%时，采集第二个按压面积下的指纹形态，当面积扩大到第二面积的比如120%时，采集第三按压面积下的指纹形态，依次等等。此外，也可以在按压面积由小变大的过程中，任意采集，每采集一次，面积扩大一次，直到最大按压面积为止。

此外，也可以在处理器中预置按压面积大小，控制指纹传感器根据预置条件，只采集设定按压面积下的指纹形态，比如基于指纹传感器面积大小的80%设定第一按压面积，基于指纹传感器面积大小的60%设定第二按压面积等。

如果手指按压压力偏小，手指与指纹传感器的接触偏弱，差的接触会影响指纹读取，因此，采集按压面积不应太小，应满足一定范围。优选的，以用户按压的最大面积为基准，采集的按压面积范围在最大按压面积的40%~90%，或是基于指纹传感器面积大小的40%~90%。

需要说明的是，上述基于多个按压面积采集的指纹形态，应在用户输入指纹过程中一次性完成，也就是说，一单用户手指离开指纹传感器，指纹图像消失，本次采集就结束，避免他人通过复制的几个不同按压面积下的指纹依次欺骗指纹传感器。

在以下实施例中，基于一个或两个按压面积下的指纹图像进行说明。

本发明基于手指按压面积和指纹形态，建立指纹弹性模型，通过指纹特征结合指纹弹性认证用户身份，具体方法步骤如图2所示：

（1）基于手指按压面积与指纹形态建立指纹弹性模型；

（2）在采集用户指纹图像时，根据指纹弹性模型中的按压面积，控制采集对应的指纹形态；

（3）通过所述手指按压面积和对应的指纹形态，与建立的指纹弹性模型进行对比，如果两者一致，判断指纹弹性认证通过；

（4）通过所述指纹图像的指纹特征，与注册的指纹模板进行匹配，如果匹配度大于设定阈值，判断指纹模板认证通过；

（5）当指纹模板认证和指纹弹性认证都通过，判断指纹认证通过；或当指纹模板认证和指纹弹性认证中任一个未通过，判断指纹认证未通过。

在步骤（1）中，所述指纹弹性模型包括按压面积与指纹形态的对应关系。进一步，所述按压面积包括特定的按压面积、或除最大按压面积以外的任意大小的按压面积。

基于按压面积与指纹形态的对应关系建立指纹弹性模型的一种方法是采集特定按压面积下的指纹形态，作为指纹弹性识别标准。所述特定按压面积可以在用户输入指纹过程中，基于用户的最大按压面积或是指纹传感器的最大采集面积进行设定，比如最大按压面积或最大采集面积的80%、60%等等。在用户输入指纹信息过程中，根据指纹弹性模型中设定的按压面积采集指纹形态，与建立的同一按压面积下的指纹形态模型进行对比，如果两者的指纹形态一致，即同一条嵴线的宽度、或同一嵴部劈开宽度、或同一嵴孔直径、或同一嵴斑点直径、或同一谷宽度的差值或比值小于设定阈值，判断指纹弹性认证通过，如果两者的指纹形态不一致，即同一条嵴线的宽度、或同一嵴部劈开宽度、或同一嵴孔直径、或同一嵴斑点直径、或同一谷宽度的差值或比值大于设定阈值，判断指纹弹性识别不通过。

在用户输入指纹信息后，残留在指纹传感器上的通常是最大按压面积下的指纹形态，可以被复制，而小于最大按压面积下的指纹形态只在用户输入指纹的过程中展现在指纹传感器上，随着用户手指离开指纹传感器而消失，因而比最大按压面积小的按压面积下的指纹形态没有痕迹，不可复制。

基于按压面积与指纹形态的对应关系建立指纹弹性模型的另一种方法是采集除最大面积以外的任意按压面积和对应的指纹形态，建立两者的对应关系，作为指纹弹性识别标准。

所述对应关系包括通过对历史数据的统计分析建立按压面积与对应指纹形态的数学关系式，即对采集的除最大面积以外的不同按压面积和对应的指纹形态历史数据进行统计分析，通过一元回归分析建立按压面积与对应指纹形态的方程式，比如按压面积与嵴宽度、或嵴部劈开宽度、或嵴孔直径、或嵴斑点直径、或谷宽度等的数学方程式，作为指纹弹性模型。在用户输入指纹信息时，采集除最大面积以外的任意按压面积和对应的指纹形态，通过模型方程式计算该采集按压面积下的指纹形态，比如嵴宽度、或嵴部劈开宽度、或嵴孔直径、或嵴斑点直径、或谷宽度等，与采集的嵴宽度、或嵴部劈开宽度、或嵴孔直径、或嵴斑点直径、或谷宽度等进行对比，如果两者的差值或比值小于设定阈值，判断与指纹弹性模型一致，指纹弹性认证通过，如果两者的差值或比值大于设定阈值，判断与指纹弹性模型不一致，指纹弹性认证不通过。

所述一元回归包括直线回归或曲线回归，比如常用统计学方法的最小二乘法。

所述对应关系还包括通过分组统计建立的按压面积与对应指纹形态的组间对应关系。通过对采集的按压面积和对应的指纹形态历史数据进行统计，首先确定按压面积的最小~最大区间范围，然后除以分组数求出组距，对按压面积进行分组，可以进行等距分组，也可以进行异距分组，比如在小按压面积区段可以进行小组距分组，在大按压面积区段可以进行相应的大组距分组。

根据手指按压面积的分组数据，分别统计每组按压面积下的指纹形态数据，比如嵴宽度、或嵴部劈开宽度、或嵴孔直径、或嵴斑点直径、或谷宽度等，根据每组最小~最大指纹形态统计区间，确定与该组按压面积对应的指纹形态变化组距，每个按压面积组对应一个指纹形态组。

可以理解，手指按压面积分组是连续不重叠的，而相邻指纹形态组之间是可以有重叠区间的，所述重叠区间是一种方法或系统误差，当然，所述重叠区间越小，基于手指按压面积建立的指纹弹性模型越精准。

此外，对手指按压面积分组也可以预先进行设定，比如在参数设置状态下设定手指按压面积分组为100~110、110~120、120~150…万像素，进行不等组距分组，按压面积大的组距较大。根据按压面积的分组数据，分别统计每组按压面积下的指纹形态数据，统计确定与按压面积分组对应的指纹形态分组区间。

显而易见，根据统计分组模型识别指纹弹性的方法，是按压面积和指纹形态分别处于对应的统计分组区间。比如按压面积处于100~110组内，那么同时指纹形态应落入与100~110按压面积组对应的指纹形态组内，如果指纹形态没有落入该组，判断与指纹弹性模型不一致，指纹弹性识别不通过。

此外，在步骤（1）中，所述指纹弹性模型还包括不同按压面积下指纹形态变化程度。

基于不同按压面积建立指纹弹性模型的一种方法是，建立不同按压面积之间的指纹形态变化程度判断阈值，作为指纹弹性识别标准，如果采集的不同按压面积之间的指纹形态变化程度大于设定阈值，判断指纹弹性认证通过，如果小于设定阈值，判断指纹弹性识别不通过。

所述指纹形态变化程度包括不按压同面积之间的嵴宽差值或比值、或不同按压面积之间的嵴部劈开的差值或比值、或不同按压面积之间的嵴孔直径的差值或比值、或不同按压面积之间的嵴斑点直径的差值或比值、或不同按压面积之间的谷宽差值或比值中一种或多种。

所述不同按压面积可以是设定的按压面积，也可以是任意大小的按压面积。

对于设定的按压面积，比如设定按压面积是最大按压面积80%和60%，或是设定的50万像素和80万像素，采集这两个面积下的指纹形态进行对比，以嵴宽为例，如果两指纹形态中同一嵴线的嵴宽差值或比值大于设定阈值，判断指纹弹性认证通过，如果小于设定阈值，判断指纹弹性识别不通过。

此外，也可以任意采集两个不同按压面积下的指纹形态进行对比，比如最大按压面积和最大按压面积的75%（任意值）下的指纹形态进行对比，如果两者的指纹形态变化程度大于设定阈值，判断指纹弹性认证通过。通过指纹形态变化识别指纹弹性，可以采集最大按压面积下的指纹形态，与相对小的按压面积下的指纹形态进行对比，因为，即使前者最大按压面积下的指纹形态是复制的，但是后者相对小面积下的指纹形态却是无法复制。

值得注意的是，两个设定按压面积下的指纹形态的变化程度是固定的，也就是说，根据设定的不同按压面积可以建立不同的指纹变形判断阈值，而根据两个任意按压面积建立的指纹变形判断阈值可以是一个。但是，两个任意按压面积的大小差别应满足一定条件，也就是两面积的差值或比值应大于设定阈值，比如两个面积大小差应大于20%，以便对应的指纹形态的变化大到足以识别，显然，指纹变形判断阈值对应的是最小面积差下的指纹形态变化。

基于不同按压面积建立指纹弹性模型的另一种方法是，建立不同按压面积变化程度与指纹形态变化程度的对应关系，作为指纹弹性识别标准，如果采集的不同按压面积变化程度与指纹形态变化程度关系符合建立的指纹弹性模型关系，判断指纹弹性认证通过，如果不符合，判断指纹弹性识别不通过。

所述面积变化程度包括不同按压面积之间的差值或比值。与前述的按压面积类似，按压面积变化程度也包括固定或任意两种。显而易见，如果两个按压面积是设定的按压面积，那么这两个按压面积的变化程度也是固定不变的，对应设定的指纹形态变化判断阈值。

如果两个按压面积是任意的，那么这两个按压面积的变化程度是变化的，对应的指纹形态变化判断阈值也是不同的，需要根据采集的历史数据，通过统计分析方法建立两者变化程度之间的数学关系。比如首先逐个选取相差20%以上的两个按压面积，计算两者面积的变化值（差值或比值），以及对应的指纹形态的变化值（比如嵴线宽度的差值或比值），通过一元回归分析建立按压面积变化与对应指纹形态变化的方程式，作为指纹弹性模型。在用户输入指纹信息时，采集面积变化大于设定阈值的任意两个按压面积和对应的指纹形态，计算该采集按压面积的变化值（比如差值或比值），以及对应的指纹形态变化值，比如嵴线宽度的差值或比值，再通过模型方程式根据该采集按压面积的变化值（比如差值或比值），计算对应的指纹形态变化值，比如嵴线宽度的差值或比值，如果通过采集计算的指纹形态变化值与通过模型方程式计算的指纹形态变化值之间的差值或比值小于设定阈值，判断与指纹弹性模型一致，指纹弹性认证通过，如果两者的差值或比值大于设定阈值，判断与指纹弹性模型不一致，指纹弹性认证不通过。

所述一元回归包括直线回归或曲线回归，比如常用统计学方法的最小二乘法。

所述对应关系还包括通过分组统计建立的按压面积变化与对应指纹形态变化的组间对应关系。通过对采集的按压面积和指纹形态等历史数据进行统计，首先计算按压面积变化值和指纹形态变化值，确定按压面积变化的最小~最大区间范围，然后除以分组数求出面积变化组距，对按压面积变化进行分组，可以进行等距分组，也可以进行异距分组，比如在小按压面积区段可以进行小组距分组，在大按压面积区段可以进行相应的大组距分组。

根据手指按压面积变化的分组数据，分别统计每组按压面积下的指纹形态变化数据，根据每组最小~最大指纹形态变化区间，确定与该组按压面积变化对应的指纹形态变化组距，每个按压面积变化组对应一个指纹形态变化组。

可以理解，手指按压面积变化分组是连续不重叠的，而相邻指纹形态变化组之间是可以有重叠区间的，所述重叠区间是一种方法或系统误差，当然，所述重叠区间越小，基于手指按压面积变化建立的指纹弹性模型越精准。

此外，对手指按压面积变化分组也可以预先进行设定，比如在参数设置状态下设定手指按压面积变化分组为0~2、2~4…、10~11、11~12、12~15…万像素，根据按压面积变化的分组数据，分别统计每组按压面积变化下的指纹形态变化数据，统计确定与按压面积变化分组对应的指纹形态变化分组区间。

显而易见，根据统计分组模型识别指纹弹性的方法，是按压面积变化和指纹形态变化分别处于对应的统计分组区间。比如按压面积变化处于10~11组内，那么同时指纹形态变化应落入与10~11按压面积变化组对应的指纹形态变化组内，如果指纹形态变化没有落入该组，判断与指纹弹性模型不一致，指纹弹性识别不通过。

手指按压面积越大，表明手指与指纹传感器的接触越好，越有利指纹传感器读取指纹信息，因此，在步骤（4）中，优选提取较大按压面积下的指纹图像的指纹特征与注册的指纹模板进行匹配验证。指纹模板注册和指纹认证是现有技术，在此不再累述。

指纹弹性随着年龄或其它因素的改变会发生变化，只要用户中间不中断使用，通过使用过程中的采集统计，不断更新或修订建立的指纹弹性模型，可以时时适应指纹弹性的变化。如果用户长时期中断了使用，而指纹弹性又发生了变化，需要重新建立新的指纹弹性模型，以适应新的指纹弹性特征。

本发明在进行指纹认证过程中，融入指纹弹性的认证，并不改变指纹传感器的结构，指纹弹性可以在指纹输入过程中展现，不会残留在指纹传感器上，无法复制，同时又与人的年龄、职业、生活习惯有关，具有明显的个性特征。对于屏下指纹识别系统，指纹传感器的采集面积较大，通过指纹弹性可以大大提高指纹认证的安全性。