• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    一種利用多種生理資訊混合辨識身份之系統及方法，在多波長的光線照射受測者時對受測者擷取影像，從影像中取出多種生理特徵，對每一種生理特徵進行分析及比對以產生比對分數，根據全部的比對分數判斷受測者的身份。此系統及方法具有較高的辨識正確率，較低的接受誤差率及拒絕誤差率，而且具有高度彈性。
    公开号:TW201322147A
    申请号:TW100142604
    申请日:2011-11-21
    公开日:2013-06-01
    发明作者:Ren-Hau Gu；Ming-Tsan Kao；Sen-Huang Huang
    申请人:Pixart Imaging Inc；
    IPC主号:G06V40-00
    专利说明:
    利用多種生理資訊混合辨識身份之系統及方法
    本發明係有關一種身份辨識系統及方法，特別是關於一種生理辨識系統及方法。
    生理辨識係利用個人獨特的生理特徵，例如指紋、人臉、靜脈、眼睛中的虹膜或視網膜等，來辨識身份。指紋辨識已經被廣泛應用，更常成為警方辦案時的重要證據，但是指紋有容易被複製的風險。靜脈辨識所採用的生理特徵係人體手部的靜脈血管分佈，其正確度高且不易偽造，具有獨特性，其原理係基於靜脈中的血紅素為缺氧狀態，此缺氧血紅素在紅外線照射時會吸收光線，呈現出陰影，因此可依血管交錯、分歧、寬度、顏色深淺等形成的特徵進行辨識。但是靜脈辨識會受人體變化的影響，例如靜脈在天氣冷時會收縮，可能造成太細而無法採集樣本的問題；血管病變也可能造成無法使用靜脈辨識。人臉辨識係利用人的臉部輪廓五官的位置及距離作為辨識比對的特徵，由於一般攝影機便可攫取人臉的影像，因此設備相當普遍，但比對樣本攫取時容易被臉部表情、光線、髮型變化...等因素影響，而雙胞胎也無法分辨，其正確度需要特別考量。
    生理辨識已經被廣泛地應用在許多資訊、通訊及保安產品上，主要係用來辨識使用者的身份。過去的生理辨識技術皆朝向比對效能及容許程度的改善來發展，而比對效能及容許程度通常係由接受誤差率(False Acceptance Rate,FAR)及拒絕誤差率(False Rejection Rate,FRR)這兩個指標來衡量。接受誤差率係指將非合法使用者誤認為合法使用者的機率，而拒絕誤差率係指將合法使用者誤認為非合法使用者的機率。對任何一個生理辨識系統而言，皆須在比對效能及容許程度兩者之間進行取捨，如果希望合法使用者能容易使用而調高容許程度(低FRR)，則非合法使用者亦有較高的機率(高FAR)通過檢驗，但若為了防範非合法使用者而調低容許程度(低FAR)，則合法使用者亦不容易(高FRR)通過檢驗，因此，生理辨識系統具有固化的缺點，很難同時提供使用的方便性又兼具高辨識率，不論特徵比對準則設定為較寬鬆或較嚴格，皆有較高的誤判機率。
    本發明的目的之一，在於提出一種兼具使用的方便性及高辨識正確率的生理辨識系統及方法。
    本發明的目的之一，在於提出一種利用多種生理資訊混合辨識身份之系統及方法。
    根據本發明，一種利用多種生理資訊混合辨識身份之系統包含受控提供多波長光線的發光源，影像感測器對受測者擷取影像，辨識模組從影像中取出多種生理特徵，並對每一種生理特徵進行分析及比對以產生比對分數，以及分析判斷單元根據全部的比對分數判斷受測者的身份。
    根據本發明，一種利用多種生理資訊混合辨識身份之方法包含提供多波長的光線照射受測者，對受測者擷取影像，從影像中取出多種生理特徵，對每一種生理特徵進行分析及比對以產生比對分數，以及根據全部的比對分數判斷受測者的身份。
    由於利用多種生理資訊混合辨識身份，因此可以提高辨識率，同時亦降低接受誤差率及拒絕誤差率。更特別地，判斷受測者身份所使用的準則具有高度彈性。
    圖1係根據本發明的較佳實施例，利用多種生理資訊混合辨識身份之系統包含發光源10受控提供多波長的光線以照射受測者，影像感測器12對受測者擷取影像而產生影像信號Si，辨識模組14從影像中取出多種生理特徵，並對每一種生理特徵進行分析及比對，產生一組比對分數Ci，分析判斷單元16根據全部的比對分數Ci判斷受測者的身份。為了取得較佳的影像，在影像感測器12及受測者之間安排自動對焦的鏡片模組18，根據受測者的位置調整焦距。
    在圖1中例示的，係從使用者的手指20對使用者擷取多種生理資訊以進行身份辨識。手指20中的靜脈會吸收發光源10提供的光線中波長較長的紅外線，因此可以到靜脈分佈的影像21，而手指20的指紋則是利用波長較短的藍光或紅光從手指20的表面取得指紋的影像22。因為指紋及靜脈係分別在手指20的表面及其下方，因此鏡片模組18調整焦距，從不同的景深取像。
    圖2係圖1中的辨識模組14的實施例。手指偵測單元24利用手指特徵或亮度變化分析影像中是否有手指存在及其所在位置，若偵測到手指，則進一步從影像中取出指紋特徵及靜脈血管特徵。例如，手指偵測單元24可以根據影像中是否有手指的輪廓或指紋造成的紋線或其他手指特徵來判斷是否有手指的存在，或者從整個影像的亮度變化來判斷是否有手指的存在。手指偵測單元24分別根據取得的指紋特徵及靜脈血管特徵產生指紋信號Sfp及靜脈血管信號Sv給指紋辨識單元26及靜脈血管辨識單元28。指紋辨識單元26對指紋特徵進行分析，並與指紋資料庫內的指紋特徵比對，產生指紋比對分數Cfp。靜脈血管辨識單元28對靜脈血管特徵進行分析，並與靜脈血管資料庫內的靜脈血管特徵比對，產生靜脈血管比對分數Cv。分析判斷單元16根據指紋比對分數Cfp及靜脈血管比對分數Cv判斷使用者的身份。較佳者，辨識模組14更包含光源控制器30，手指偵測單元24根據影像的亮度產生控制信號給光源控制器30，以調整發光源10的亮度，使影像調整到最佳的清晰度。
    在一實施例中，分析判斷單元16係將指紋比對分數Cfp及靜脈血管比對分數Cv的和與門檻值比較，若其和超過門檻值，則判定受測者係合法使用著。在對合法使用者進行辨識時，即使其中一項或全部兩項生理資訊產生的比對分數稍低，但是其和仍然會比從非合法使用者產生的比對分數總和明顯高出甚多，因此可以減少拒絕合法使用者的機率，大幅降低拒絕誤差率。相反地，在對非合法使用者進行辨識時，即使其中一項生理資訊產生的比對分數稍高，卻因為另一項辨識項目差異大而產生很低的比對分數，加總後將無法超越門檻值，減少接受非合法使用者的機率，大幅降低接受誤差率。換言之，在此系統中，即使使用較寬鬆的特徵比對準則，也可以保有高辨識率。
    在另一實施例中，分析判斷單元16係將指紋比對分數Cfp及靜脈血管比對分數Cv分別與不同的門檻值比較，二者皆超過各自的門檻值才判定為合法使用者。即使使用較寬鬆的特徵比對準則，非合法使用者也很難僥倖通過檢驗，因此可以獲得高辨識率，同時兼具低拒絕誤差率及低接受誤差率。
    在不同的實施例中，也可以使用加權法，例如分別給指紋比對分數Cfp及靜脈血管比對分數Cv不同的權重，以減輕或加重指紋特徵或靜脈血管特徵對身份辨識的影響程度。
    在其他實施例中，各種不同的演算法皆可用來作為判斷的準則。
    圖3所示係從人臉32擷取多種生理資訊以進行身份辨識，圖4係辨識模組14的實施例。人臉偵測單元34根據影像中是否有人臉特徵或亮度變化分析是否有人臉存在及其所在位置。若偵測到人臉，則進一步從影像中取出人臉特徵及虹膜特徵。例如，人臉偵測單元34可以根據影像中是否有人臉的輪廓或其他人臉特徵來判斷是否有人臉的存在，或者從整個影像的亮度變化來判斷是否有人臉的存在。人臉偵測單元34根據人臉特徵產生人臉信號Sface給人臉辨識單元36，人臉辨識單元36對人臉特徵進行分析，並與人臉資料庫內的人臉特徵比對，產生人臉比對分數Cface。虹膜偵測單元38根據虹膜特徵產生虹膜信號Seye給虹膜辨識單元40，虹膜辨識單元40對虹膜特徵進行分析，並與虹膜資料庫內的虹膜特徵比對，產生虹膜比對分數Ceye。分析判斷單元16的運作如同前面的實施例所述，根據人臉比對分數Cface及虹膜比對分數Ceye判斷受測者是否為合法使用著。
    圖5及圖6的實施例係從使用者的手指20及人臉32對使用者擷取多種生理資訊以進行身份辨識，包含指紋比對、靜脈血管比對及人臉比對，其運作如同前面的實施例所述。在本發明的系統及方法，用來辨識的生理資訊的項目越多，辨識率就越高，而且單項的特徵比對準則允許越寬鬆。此外，分析判斷單元16係根據全部的比對分數來識別身份，因此其判斷準則以及各項特徵比對的準則具有高度彈性，可以根據使用的需求或硬體的性能調整。例如，使用解析度較低的影像感測器12時，可以適度地提高某些特徵比對的標準，放寬某些特徵比對的標準。例如，根據使用場合的溫度調整靜脈血管特徵的比對準則或靜脈血管比對分數的權重，或在溫度較低時不採用靜脈血管特徵進行辨識。
    以上對於本發明之較佳實施例所作的敘述係為闡明之目的，而無意限定本發明精確地所揭露的形式，基於以上的教導或從本發明的實施例學習而作修改或變化是可能的，實施例係為解說本發明的原理以及讓熟習該項技術者以各種實施例利用本發明在實際應用上而選擇及敘述，本發明的技術思想企圖由以下的申請專利範圍及其均等來決定。
    10．．．發光源
    12．．．影像感測器
    14．．．辨識模組
    16．．．分析判斷單元
    18．．．鏡片模組
    20．．．手指
    21．．．靜脈血管影像
    22．．．指紋影像
    24．．．手指偵測單元
    30．．．光源控制器
    26．．．指紋辨識單元
    28．．．靜脈血管辨識單元
    32．．．人臉
    34．．．人臉偵測單元
    36．．．人臉辨識單元
    38．．．虹膜偵測單元
    40．．．虹膜辨識單元
    圖1係根據本發明的較佳實施例；
    圖2係圖1中的辨識模組的實施例；
    圖3係從人臉擷取多種生理資訊以進行身份辨識的實施例；
    圖4係圖3中的辨識模組的實施例；
    圖5係從手指及人臉擷取多種生理資訊以進行身份辨識的實施例；以及
    圖6係圖5中的辨識模組的實施例。
    10．．．發光源
    12．．．影像感測器
    14．．．辨識模組
    16．．．分析判斷單元
    18．．．鏡片模組
    20．．．手指
    21．．．靜脈血管影像
    22．．．指紋影像
    权利要求:
    Claims (30)
    [1] 一種利用多種生理資訊混合辨識身份之系統，包含：發光源，受控提供多波長的光線以照射受測者；影像感測器，對該受測者擷取影像而產生影像信號；辨識模組，連接該影像感測器，從該影像中取出多種生理特徵，並對每一種該生理特徵進行分析及比對以產生比對分數；以及分析判斷單元，連接該辨識模組，根據該全部的比對分數判斷該受測者的身份。
    [2] 如請求項1之系統，其中該多種生理特徵包含指紋特徵及靜脈血管特徵。
    [3] 如請求項2之系統，其中該辨識模組包含：手指偵測單元，連接該影像感測器，利用手指特徵或亮度變化分析該影像中是否有手指存在及其所在位置，並從該影像中取出該指紋特徵及該靜脈血管特徵；指紋辨識單元，連接該手指偵測單元，分析及比對該指紋特徵，以產生指紋比對分數；以及靜脈血管辨識單元，連接該手指偵測單元，分析及比對該靜脈血管特徵，以產生靜脈血管比對分數。
    [4] 如請求項3之系統，其中該分析判斷單元將該指紋比對分數及該靜脈血管比對分數的和與門檻值比較，以判斷該受測者的身份。
    [5] 如請求項3之系統，其中該分析判斷單元將該指紋比對分數及該靜脈血管比對分數分別與二門檻值比較，以判斷該受測者的身份。
    [6] 如請求項1之系統，其中該多種生理特徵包含人臉特徵及虹膜特徵。
    [7] 如請求項6之系統，其中該辨識模組包含：人臉偵測單元，連接該影像感測器，利用人臉特徵或亮度變化分析該影像中是否有人臉存在及其所在位置，並從該影像中取出人臉特徵；人臉辨識單元，連接該人臉偵測單元，分析及比對該人臉特徵，以產生人臉比對分數；虹膜偵測單元，連接該影像感測器，從該影像中取出虹膜特徵；以及虹膜辨識單元，連接該虹膜偵測單元，分析及比對該虹膜特徵，以產生虹膜比對分數。
    [8] 如請求項7之系統，其中該分析判斷單元將該人臉比對分數及該虹膜比對分數的和與門檻值比較，以判斷該受測者的身份。
    [9] 如請求項7之系統，其中該分析判斷單元將該人臉比對分數及該虹膜比對分數分別與二門檻值比較，以判斷該受測者的身份。
    [10] 如請求項1之系統，其中該多種生理特徵包含指紋特徵、靜脈血管特徵及人臉特徵。
    [11] 如請求項10之系統，其中該辨識模組包含：手指偵測單元，連接該影像感測器，利用手指特徵或亮度變化分析該影像中是否有手指存在及其所在位置，並從該影像中取出該指紋特徵及該靜脈血管特徵；指紋辨識單元，連接該手指偵測單元，分析及比對該指紋特徵，以產生指紋比對分數；靜脈血管辨識單元，連接該手指偵測單元，分析及比對該靜脈血管特徵，以產生靜脈血管比對分數；人臉偵測單元，連接該影像感測器，利用人臉特徵或亮度變化分析該影像中是否有人臉存在及其所在位置，並從該影像中取出人臉特徵；以及人臉辨識單元，連接該人臉偵測單元，分析及比對該人臉特徵，以產生人臉比對分數。
    [12] 如請求項11之系統，其中該分析判斷單元將該指紋比對分數、該靜脈血管比對分數及該人臉比對分數的和與門檻值比較，以判斷該受測者的身份。
    [13] 如請求項3之系統，其中該分析判斷單元將該指紋比對分數、該靜脈血管比對分數及該人臉比對分數分別與三門檻值比較，以判斷該受測者的身份。
    [14] 如請求項1之系統，更包含光源控制器連接該發光源，受控調整該發光源的亮度。
    [15] 如請求項1之系統，更包含自動對焦的鏡片模組位於該影像感測器及該受測者之間。
    [16] 一種利用多種生理資訊混合辨識身份之方法，包含下列步驟：a)提供多波長的光線以照射受測者；b)對該受測者擷取影像；c)從該影像中取出多種生理特徵；d)對每一種該生理特徵進行分析及比對以產生比對分數；以及e)根據該全部的比對分數判斷該受測者的身份。
    [17] 如請求項16之方法，其中該步驟c包含取出指紋特徵及靜脈血管特徵。
    [18] 如請求項17之方法，其中該步驟d包含下列步驟：分析及比對該指紋特徵以產生指紋比對分數；以及分析及比對該靜脈血管特徵以產生靜脈血管比對分數。
    [19] 如請求項18之方法，其中該步驟e包含將該指紋比對分數及該靜脈血管比對分數的和與門檻值比較，以判斷該受測者的身份。
    [20] 如請求項18之方法，其中該步驟e包含將該指紋比對分數及該靜脈血管比對分數分別與二門檻值比較，以判斷該受測者的身份。
    [21] 如請求項16之方法，其中該步驟c包含取出人臉特徵及虹膜特徵。
    [22] 如請求項21之方法，其中該步驟d包含下列步驟：分析及比對該人臉特徵以產生人臉比對分數；以及分析及比對該虹膜特徵以產生虹膜比對分數。
    [23] 如請求項22之方法，其中該步驟e包含將該人臉比對分數及該虹膜比對分數的和與門檻值比較，以判斷該受測者的身份。
    [24] 如請求項22之方法，其中該步驟e包含將該人臉比對分數及該虹膜比對分數分別與二門檻值比較，以判斷該受測者的身份。
    [25] 如請求項16之方法，其中該步驟c包含取出指紋特徵、靜脈血管特徵及人臉特徵。
    [26] 如請求項25之方法，其中該步驟d包含下列步驟：分析及比對該指紋特徵以產生指紋比對分數；分析及比對該靜脈血管特徵以產生靜脈血管比對分數；以及分析及比對該人臉特徵以產生人臉比對分數。
    [27] 如請求項26之方法，其中該步驟e包含將該指紋特徵、該靜脈血管特徵及該人臉特徵的和與門檻值比較，以判斷該受測者的身份。
    [28] 如請求項18之方法，其中該步驟e包含將該指紋特徵、該靜脈血管特徵及該人臉特徵分別與三門檻值比較，以判斷該受測者的身份。
    [29] 如請求項16之方法，更包含根據該影像的亮度產生控制信號，以調整該光線的亮度。
    [30] 如請求項16之方法，其中該步驟b包含調整焦距，以從不同的景深取像。
    类似技术:
    公开号 | 公开日 | 专利标题
    TWI539386B|2016-06-21|The use of a variety of physiological information mixed identification of the identity of the system and methods
    US9195900B2|2015-11-24|System and method based on hybrid biometric detection
    US8265347B2|2012-09-11|Method and system for personal identification using 3D palmprint imaging
    US8582833B2|2013-11-12|Method and apparatus for detecting forged face using infrared image
    JP4819606B2|2011-11-24|対象物の部位判別装置及び性別判定装置
    Cho et al.2009|Thermal imprint feature analysis for face recognition
    US8965068B2|2015-02-24|Apparatus and method for discriminating disguised face
    Seal et al.2011|Minutiae based thermal face recognition using blood perfusion data
    WO2016127765A1|2016-08-18|一种采用手指静脉识别与腕部静脉识别、指甲识别相结合的认证装置及认证方法
    Villariña et al.2015|Palm vein recognition system using directional coding and back-propagation neural network
    CN110046564B|2021-07-20|一种多光谱活体指纹识别设备及识别方法
    WO2016023582A1|2016-02-18|A method of detecting a falsified presentation to a vascular recognition system
    Hollingsworth et al.2009|Recent research results in iris biometrics
    Kaur et al.2010|Enhanced Iris Recognition System–an Integrated Approach to Person Identification
    Seal et al.2012|Minutiae based thermal human face recognition using label connected component algorithm
    WO2016019679A1|2016-02-11|指静脉识别智能系统
    CN111462379A|2020-07-28|一种含掌静脉和人脸识别的门禁管理方法、系统及介质
    KR101870226B1|2018-06-25|위조 바이오 정보 검출 장치 및 방법
    Betaouaf et al.2013|A biometric identification algorithm based on retinal blood vessels segmentation using watershed transformation
    Chai et al.2019|Vote-based iris detection system
    KR102015118B1|2019-10-21|레이저 스펙클 이미징 방식을 이용한 생체 혈관인증 장치 및 그 방법
    Nestorovic et al.2016|Extracting unique personal identification number from iris
    KR20170116530A|2017-10-19|광 파장 특성을 이용한 위조지문 판별장치 및 그 방법
    KR102017749B1|2019-09-03|다중 생체신호를 이용한 개인 인증 방법 및 시스템
    Seal et al.2012|Minutiae from bit-plane sliced thermal images for human face recognition
    同族专利:
    公开号 | 公开日
    TWI539386B|2016-06-21|
    CN103136505A|2013-06-05|
    US20130129164A1|2013-05-23|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    TWI550524B|2014-10-20|2016-09-21|光寶電子（廣州）有限公司|生理訊號處理裝置及其方法|
    TWI716695B|2018-04-10|2021-01-21|義隆電子股份有限公司|生物特徵辨識方法及具有生物特徵辨識功能的電子裝置|
    TWI723589B|2019-10-17|2021-04-01|宏碁股份有限公司|裝置控制方法與電子裝置|
    CN112866541A|2019-11-12|2021-05-28|宏碁股份有限公司|装置控制方法与电子装置|JP3558025B2|2000-09-06|2004-08-25|株式会社日立製作所|個人認証装置及び方法|
    CN100403331C|2005-09-16|2008-07-16|中国科学技术大学|基于虹膜和人脸的多模态生物特征身份识别系统|
    KR20070081773A|2006-02-13|2007-08-17|스마트 와이어레스 가부시키가이샤|적외선 얼굴 인증장치, 이를 구비하는 휴대 단말기 및보안장치|
    CN101021898A|2006-02-13|2007-08-22|斯马特维尔雷斯有限公司|红外面部认证设备及包括该设备的便携式终端和安全设备|
    JP2008020942A|2006-07-10|2008-01-31|Rohm Co Ltd|個人識別装置及びこれを用いた電子機器|
    CN101408938B|2008-11-18|2012-05-23|华南理工大学|基于指部生物特征的身份认证装置|
    US8660321B2|2008-11-19|2014-02-25|Nec Corporation|Authentication system, apparatus, authentication method, and storage medium with program stored therein|
    EP2693398A4|2011-03-29|2015-04-29|Fujitsu Frontech Ltd|BIOMETRIC AUTHENTICATION DEVICE, BIOMETRIC AUTHENTICATION SYSTEM AND BIOMETRIC AUTHENTICATION PROCESS|GB2525516B|2012-11-14|2020-04-22|Weiss Golan|Biometric methods and systems for enrollment and authentication|
    CN103593648B|2013-10-22|2017-01-18|上海交通大学|一个面向开放环境的人脸识别方法|
    CN104055521B|2014-06-05|2017-10-27|胡宝华|用户身份识别方法、识别系统及健康仪|
    WO2016086343A1|2014-12-01|2016-06-09|Xiamen Zkteco Biometric Identification Technology Co., Ltd|System and method for personal identification based on multimodal biometric information|
    US10726235B2|2014-12-01|2020-07-28|Zkteco Co., Ltd.|System and method for acquiring multimodal biometric information|
    US10285627B2|2015-04-15|2019-05-14|Pixart Imaging Inc.|Action recognition system and method thereof|
    CN105550629A|2015-08-03|2016-05-04|宇龙计算机通信科技有限公司|身份识别方法以及装置|
    CN105760105A|2016-03-01|2016-07-13|联想有限公司|一种检测方法及电子设备|
    US20170308763A1|2016-04-25|2017-10-26|Microsoft Technology Licensing, Llc|Multi-modality biometric identification|
    US10713458B2|2016-05-23|2020-07-14|InSyte Systems|Integrated light emitting display and sensors for detecting biologic characteristics|
    US10931859B2|2016-05-23|2021-02-23|InSyte Systems|Light emitter and sensors for detecting biologic characteristics|
    CN106934361B|2017-03-06|2021-01-05|苏州佳世达光电有限公司|一种辨识方法以及电子设备|
    CN107463883A|2017-07-18|2017-12-12|广东欧珀移动通信有限公司|生物识别方法及相关产品|
    CN107609524A|2017-09-19|2018-01-19|成都折衍科技有限公司|一种复合式静脉指纹双识别设备|
    CN110362977A|2018-04-10|2019-10-22|义隆电子股份有限公司|生物特征辨识方法及具有生物特征辨识功能的电子装置|
    CN108334875A|2018-04-26|2018-07-27|南京邮电大学|基于自适应多阈值的静脉特征提取方法|
    法律状态:
    优先权:
    申请号 | 申请日 | 专利标题
    TW100142604A|TWI539386B|2011-11-21|2011-11-21|The use of a variety of physiological information mixed identification of the identity of the system and methods|TW100142604A| TWI539386B|2011-11-21|2011-11-21|The use of a variety of physiological information mixed identification of the identity of the system and methods|
    CN2011103926944A| CN103136505A|2011-11-21|2011-12-01|利用多种生理信息混合辨识身份的系统及方法|
    US13/683,657| US20130129164A1|2011-11-21|2012-11-21|Identity recognition system and method based on hybrid biometrics|
    US14/629,764| US9195900B2|2011-11-21|2015-02-24|System and method based on hybrid biometric detection|
    [返回顶部]