主观手指行为的识别验证方法及识别验证卡与流程

1.本发明涉及图像编码及图像识别技术领域，尤其是涉及一种主观手指行为识别验证的方法及识别验证卡。


背景技术：

2.传统的客观指纹生物识别技术仅将被识别之人的指纹与其已被存储的指纹数据的匹配作为识别的唯一判据，匹配则认证通过。但现实生活中只看指纹匹配与否，并不能判定通过输入设备采集到的指纹是否是由自然人个人主观行为产生的。如：家庭成员之间在互不告知的情况下可以互开彼此的手机指纹锁。又如朋友聚会时，醉酒者的手机指纹锁未经允许可被与他聚会的“朋友”打开。类似情况还有很多，这里不再一一列举。
3.可见，传统的客观指纹生物识别技术用于数字世界后自然人的个人意愿没有得到应有的尊重。还应该看到在上述客观指纹生物识别案例中存在的共同点：(1)指纹的来源并不是仅仅来自自然人的个人意愿。(2)传统的生物识别技术中，这些非个人意愿的指纹与已存储的指纹数据是匹配的。这两个问题的存在，使数字世界中自然人身份识别不具有唯一性，从而引发了数字世界的无序状况。
4.在数字世界的发展进程中，如何设计出一种将个人主观行为转换成自然人唯一识别码的技术方案，进而纠正数字世界的无序状况，并建立数字世界互信，是目前亟待需要解决的技术问题。


技术实现要素：

5.针对现有技术中存在的上述缺陷，本发明的目的是提供一种主观手指行为识别验证的方法，通过独立制作的验证卡综合处理自然人主观拇指划擦行为特征和划擦生成的指纹图像信息，得到自然人主观手指行为特征并合成该自然人身份的唯一识别码，找到了数字世界中将个人主观行为转换成自然人唯一识别码，实现数字世界的互信。
6.为解决上述技术问题，本发明采用的技术方案如下：
7.一种主观手指行为识别验证的方法，该方法包括：
8.生成实时的冗余滑擦帧数据序列，其中，所述的冗余滑擦帧数据序列为通过手指贴合在第一区域以相对所述第一区域滑擦的运动方式产生；
9.对所述冗余滑擦帧数据序列拼接处理后在区别于所述第一区域的第二区域呈现出拼接指纹图像；
10.判断滑擦形成的滑擦手指生物及生理行为特征值数组，是否在预设的根数组范围内，确定是否属于用户自主认证行为。
11.进一步地，所述的滑擦手指生物及生理行为特征值数组由通过滑擦拼接算法采集得到的手指生理拼接参量数组及通过指纹生物特征提取算法采集的手指生物特征值数组进行统一编码形成。
12.进一步地，形成所述手指生理拼接参量数组包括步骤：
13.以帧为单位采集滑擦时的每一个图像帧数据；
14.分别统计无效重叠帧计数n、有效图像拼接帧计数m，计算图像帧拼接线数i及拼接线水平偏移量j，其中，1<＝i<＝4，
‑
1～j～ 1；
15.依据拼接过程中有效图像帧m和设定的图像水平线数量x，假定，当[{m}(i)] [{m 1}(i) ....]>＝x时，{(m＝0 )，(1<＝i<＝4)}，中止帧序列算法，并依次记录拼接过程中形成的5项参数，得到自下而上排列的手指生理拼接参数数组{x，m，i，j，n}。
[0016]
进一步地，形成所述手指生物特征值数组包括步骤：
[0017]
确定特征点相对原点的坐标，坐标单位为像素；
[0018]
根据特征点是端点还是分叉点，确定特征类型，其中设定端点为1，分叉点为2；
[0019]
根据特征点相对原点的角度确定特征点方向；
[0020]
将特征点像素坐标、特征类型及特征方向四项参数形成手指生物特征值数组；
[0021]
之后，再将前述的手指生理拼接参数数组与得到的手指生物特征值数组统一编码为所述的滑擦手指生物及生理行为特征值数组。
[0022]
进一步地，所述的根数组通过用户多次的滑擦积累起有效数量的滑擦手指生物及生理行为特征值数组，后续产生的滑擦手指生物及生理行为特征值数组落在预设的根数组范围内，则满足判定条件，确定该次手指滑擦行为属于用户自主认证行为，在全生命周期内，以特定周期，基于剔除突变，包容渐变的原则，持续维护根数组的更新。使用前，通过训练学习得到滑擦手指的生物特征及生理行为特征值数组(简称根数组)，在每次使用中，判断本次产生的滑擦手指生物特征及生理行为特征，若落在“根数组”范围内容，满足判定条件。在每次识别判断过程中，采用特定周期方式更新“根数组”、过滤抖动行为和趋向稳定行为原则。
[0023]
本发明的另一方面，提供了一种主观手指行为的识别验证卡，所述验证卡包括视窗显示区和指纹滑擦区，其中，所述视窗显示区存储有某自然人唯一的某手指的指纹图像特征点，所述指纹滑擦区设置有滑擦式手指指纹生物传感器，以用于识别贴合在所述指纹滑擦区并通过相对滑擦运动方式生成的冗余滑擦帧数据序列，并对所述冗余滑擦帧数据序列拼接处理后生成拼接指纹图像，发送给视窗显示区上显示，并判断与视窗显示区的预存的指纹图像特征点匹配，如匹配成功，则认定为用户自主认证行为。
[0024]
进一步地，所述的冗余滑擦帧数据序列为一个特征值数组，该特征值数组通过滑擦拼接算法采集得到的手指生理拼接参量数组及通过指纹生物特征提取算法采集的手指生物特征值数组进行统一编码形成。
[0025]
进一步地，所述的识别验证卡内置nfc近场芯片，以获得来自外部智能终端的能量感应并与其进行通讯连接。
[0026]
进一步地，所述的外部智能终端为手机，所述的识别验证卡与手机内的esim卡进行关联，待验证通过后，所述手机通过所述esim上传验证通过的消息至其它服务端。
[0027]
进一步地，所述的识别验证卡用于关联指纹开锁、esim卡、银行卡、公务员登录卡、防疫流调卡。
[0028]
与现有技术相比，本发明所述的一种主观手指行为识别验证的方法及识别验证卡，具有如下技术效果：
[0029]
1、本发明将自然人的拇指，通过手眼配合的方式(个人主观行为)并采用滑擦式多
维动态输入采集指纹，可得到滑擦拼接的过程参量和拼接后产生的指纹图像(指纹特征 行为参量)，本发明的手指生物及生理视反馈拼接特征的编码方案，突破了现有指纹识别单一的手指生物特征匹配方案，增加了手指生理视反馈拼接特征的相关匹配点，使得自然人依据手指行为的自我识别成为可能，提高了自然人身份识别的唯一性和准确性。
[0030]
2、本发明的识别验证卡，将自然人主观拇指行为与验证卡绑定，通过手机nfc近场接口与不可信的工具手机贴合的方式进入数字世界，方便安全的实现了自然人的唯一识别码认证。
附图说明
[0031]
图1为本发明实施例所述的主观手指行为识别验证的方法的流程示意图。
[0032]
图2为本发明实施例所述的拼接前后的指纹图像示意图。
具体实施方式
[0033]
以下结合附图对本发明作进一步详细说明，但不作为对本发明的限定。
[0034]
参照图1所示，本发明实施例所公开的一种主观手指行为识别验证的方法，该方法包括：
[0035]
生成实时的冗余滑擦帧数据序列，其中，所述的冗余滑擦帧数据序列为通过手指贴合在第一区域以相对所述第一区域滑擦的运动方式产生，第一区域为数据采集的工作区域。不同的划擦动作产生不同的划擦图像，基于此，设定规则：以符合划擦者本人生物特征最大化的图像和生理特征最大化的划擦行为为准则，规范划擦人行为(比如通过奖励头像的方法)，最终形成每个人不同的手指划擦习惯。
[0036]
对所述冗余滑擦帧数据序列拼接处理后在区别于所述第一区域的第二区域呈现出拼接指纹图像，第二区域为显示区域；通过滑动指纹序列拼接算法对滑擦产生的冗余帧序列拼接后形成滑擦者本人的指纹图像并进行显示，这样，使用者本人可以根据滑擦后形成的指纹图像进行调整以使得满足符合要求的指纹图像，如若不是使用者本人，盗用或复制了“使用者”的指纹，由于无法形成滑擦冗余帧序列，无法得到符合规范的指纹图像。
[0037]
判断滑擦形成的滑擦手指生物及生理行为特征值数组，是否在预设的根数组范围内，确定是否属于用户自主认证行为。其中，该滑擦手指生物及生理行为特征值数组由通过滑擦拼接算法采集得到的手指生理拼接参量数组及通过指纹生物特征提取算法采集的手指生物特征值数组进行统一编码形成。即使非使用者本人拥有“使用者”的手指指纹，其最终生成的指纹图像也符合身份，但是自然人主管手指滑擦行为特征和滑擦生成的指纹图像信息是无法进行盗用复制的，本发明自然人的手指，通过手眼配合的方式(个人主观行为)并采用滑擦式多维动态输入采集指纹，可得到滑擦拼接的过程参量和拼接后产生的指纹图像，也即既存在行为参量，也存在指纹特征，每个自然人其主观手指滑擦行为与自然人非主观手指滑擦行为存在一定的差异性，这个差异性则成为了每个自然人身份识别的唯一性。
[0038]
其中，所述的根数组通过用户多次的滑擦积累起有效数量的滑擦手指生物及生理行为特征值数组，后续产生的滑擦手指生物及生理行为特征值数组落在预设的根数组范围内，则满足判定条件，确定该次手指滑擦行为属于用户自主认证行为，在硬件的全生命周期内，以特定周期，基于剔除突变，包容渐变的原则，持续维护根数组的更新，使得用户的手指
特征实时处于最新的状态。使用前，通过大数据采集和机器训练学习得到该用户滑擦手指的生物特征及生理行为特征值数组(简称根数组)，在每次使用中，判断本次产生的滑擦手指生物特征及生理行为特征，若落在根数组范围内容，满足判定条件。在每次识别判断过程中，采用特定周期方式更新根数组、过滤抖动行为和趋向稳定行为原则，使得形成的根数组数据更精确，判定基础更准确。
[0039]
本实施例中，形成所述手指生理拼接参量数组包括如下步骤：
[0040]
以帧为单位采集滑擦时的每一个图像帧数据；
[0041]
分别统计无效重叠帧计数n、有效图像拼接帧计数m，计算图像帧拼接线数i及拼接线水平偏移量j，其中，1<＝i<＝4(每帧8线)，
‑
1～j～ 1；以滑动指纹序列拼接算法，对重叠帧计数，得到重叠的拼接帧序列号，对图像帧计数，得到图像拼接帧序列号，对拼接线计数，得到图像帧拼接线数，对线水平偏移量计算，得到图像帧拼接线偏移量。丢掉重叠帧，计算帧内的拼接线数i，计算拼接时的线水平偏移量，完成拼接。
[0042]
依据拼接过程中有效图像帧m和设定的图像水平线数量(相当于图像长度)x，假定，当[{m}(i)] [{m 1}(i) ....]>＝x时，{(m＝0 )，(1<＝i<＝4)}，中止帧序列算法，当累计拼接线数大于设定图像水平线数时，中止帧序列拼接算法。最后，根据滑擦式指纹传感器经典算法产生的各个滑擦拼接参数，依次记录拼接过程中形成的5项参数，得到自下而上排列的手指生理拼接参数数组{x，m，i，j，n}，该参数数组描述了自然人拇指划擦时的生理过程。
[0043]
举例:设定拼接水平线数x＝5，拼接参量数组{m,i,j,n}为：
[0044]
0001,0100,0200,0300,0400,0500,0600,0700,0800,0900,0a00,0101,0b00,0c00,0d
[0045]
00,0e00,0f00,1000,0201,1100,1200,1300,1400,1500,1600,0301,1700,1800,1900,
[0046]
1a00,0412。
[0047]
则：5＝x＝<01 01 01 01 12；
[0048]
即：x＝5，m＝4，i＝2，j＝1，n＝{1700,1800,1900,1a00}＝4。
[0049]
那么，x＝5所在的手指生理拼接参数组为{5,4,2,1,4}。
[0050]
图像的第五行拼接水平线是经过四次图像帧拼接，第四图像帧内拼接线为二线,右偏移一像素，产生四帧重叠帧。手指生理拼接参量数组，基于各用户滑擦习惯形成的行为大数据产生，并事先预存，不同的自然人有不同的滑擦习惯，其拼接参量数组不同。如图2所示，拼接前的指纹帧为滑擦冗余帧序列，图像大小232(宽)*1896(长)拼接后的指纹图像为正常的指纹图像，图像大小为232(宽)*491(长)。
[0051]
指纹特征提取是指在指纹细化处理后的图像上提取特征点，指纹细节特征的提取可采用模板匹配法，模板匹配法具有运算量小、速度快的优点，在8邻域的所有状态中，满足端点特征的有8中，满足分叉点特征条件的有9种，约定：(1)特征类型，1
‑
端点，2
‑
分叉点；(2)、特征绝对坐标。以指纹图像左下角为坐标原点，特征点相对该原点的坐标(x，y)，单位为像素；(3)、特征方向，端点
‑
端点所在纹线的切线方向，分叉点
‑
三条指纹纹线形成三个角度，最小的角度所对的纹线切线方向为该分叉点方向，指向该纹线。
[0052]
本实施例中，形成所述手指生物特征值数组包括步骤：
[0053]
确定特征点相对原点的坐标(x,y)，坐标单位为像素；
[0054]
根据特征点是端点还是分叉点，确定特征类型，其中端点为1，分叉点为2；
[0055]
根据特征点相对原点的角度确定特征点方向；
[0056]
将特征点像素坐标、特征类型及特征方向四项参数形成手指生物特征值数组[x，y，特征类型，特征方向]；
[0057]
假设某指纹生物特征点所在的坐标x＝60,y＝5，特征类型为端点，特征方向为45度，那么该特征点的数组记录为[60，5，1，45]，再将前述的手指生理拼接参数数组{5，4，2，1，4}与得到的手指生物特征值数组统一编码为所述的滑擦手指生物及生理行为特征值数组。且图像的第五行拼接水平线与图像的第五行像素特征点为同一行像素，(x＝y)，即可统一编码为：手指生物及生理行为特征值数组{60,5,1,45,5,4,2,1,4}，既包含手指的生物特征点数组，又包含相关的手指生理拼接参数数组，相关性可表示为：y＝x。
[0058]
现有的手指生物特征识别方案[x，y，特征类型，特征方向]并不包含手指生理拼接特征，因此在非自主条件下，现有的指纹识别算法不会区分指纹图像的来源，匹配则成功，该种方式明显存在缺陷，本发明通过提高手指生物及生理视反馈形成的拼接特征参数数组的样本数量，不断扩充修改，形成该自然人的滑擦习惯，则拼接特征参数数组相对固定，进而达到最佳判定方案。本发明得到的手指生物及生理视反馈拼接特征的编码方案，突破了现有指纹识别单一的手指生物特征匹配方案，增加了手指生理视反馈拼接特征的相关匹配点，使得自然人通过手指行为自我识别成为可能，开创了自然人隐私保护和识别双赢的新局面。
[0059]
本发明的另一实施例，还提供了一种主观手指行为的识别验证卡，该验证卡包括视窗显示区和指纹滑擦区，其中，所述视窗显示区存储有某自然人唯一的某手指的指纹图像特征点，所述指纹滑擦区设置有滑擦式手指指纹生物传感器，以用于识别并记录贴合在所述指纹滑擦区并通过相对滑擦运动方式生成的冗余滑擦帧数据序列，并对所述冗余滑擦帧数据序列拼接处理后生成拼接指纹图像，发送给视窗显示区上显示，并判断与视窗显示区的预存的指纹图像特征点是否匹配，如匹配成功，则认定为用户自主认证行为，其中，此处的匹配是指具有一定的误差范围内的匹配。其中，预存的指纹图像特征点为基于用户的滑擦习惯，通过大数据和机器训练学习得到，并可随着用户不断的积累和变动，其数据越来越精确。
[0060]
其中，所述的冗余滑擦帧数据序列为一个特征值数组，该特征值数组通过滑擦拼接算法采集得到的手指生理拼接参量数组及通过指纹生物特征提取算法采集的手指生物特征值数组进行统一编码形成。手指生理拼接参量数组包括：计算和统计得到的图像水平线长度x、无效重叠帧计数n、有效图像拼接帧计数m，计算图像帧拼接线数i及拼接线水平偏移量j，共计五项参数；手指生物特征值数组包括：计算得到的特征点像素坐标(x、y)、特征类型及特征方向四项参数。而图像的水平线x则和图像特征点坐标y相同，建立起了相关性。
[0061]
本实施例中，该识别验证卡内置nfc近场芯片，以获得来自外部智能终端的能量感应并与其进行通讯连接。也就是说，该识别验证卡为无源卡，通过与外部的nfc近场通讯连接获得工作所需的能量，属于一种超微功耗系统。
[0062]
本实施例中，所述的外部智能终端为手机，所述的识别验证卡与手机内的esim卡进行关联，待验证通过后，所述手机通过所述esim上传验证通过的消息至其它服务端，进而
实现相关操作，当绑定esim卡后，非操作者本人无法确认的手机无法完成加密信息的验证和上传。该识别验证卡提供自然人手指与卡之间的无缝感知，采用将自然人主观手指行为与识别验证卡绑定，通过手机nfc近场接口与不可信的手机贴合的方式进入到数字世界，方便安全的实现了自然人的唯一识别码认证。此外，由于识别验证卡在未认证前不具备视读性；二是自然人主观拇指行为是不会丢的；三是主观拇指行为认证动作具有不可言传，只可意会的天然属性，捡拾者(或复制者)在非本人主观意愿的情况下，认证动作不会成功。
[0063]
本实施例中的识别验证卡用于指纹开锁、选举投票、公交卡、银行卡、信用卡、公务员登录卡、防疫流调卡。在对应的设备或验证卡上设置有如上所示的验证区和滑擦区，增强识别的真实性和准确性。
[0064]
本发明实施例所提供的一种主观手指行为的识别验证卡，以卡片的形式，存储有每个持卡所有人的主观手指行为的认证动作，进而确保了采用该滑擦行为的唯一性，并可与手机近场通讯，进入其他需要进行验证的数字领域，方便安全的实现了自然人的唯一识别码的认证可信。
[0065]
上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。