[发明专利]在指纹分析中通过机器学习来区分活体手指与欺骗手指

说明书

本公开内容涉及在指纹分析系统中执行的利于区分活体手指与欺骗手指的方法。该方法包括：当手指与指纹传感器(3)的检测表面(21)接合时获取图像的多个时间序列，时间序列中的每一个显示相应的手指(5)。时间序列中的每一个至少包括显示手指的指纹形貌的第一图像和最后图像，其中，时间序列的一些时间序列中的相应的手指已知为活体手指，并且时间序列的另外一些时间序列中的相应的手指已知为欺骗手指。该方法还包括在多个时间序列上训练机器学习算法，以产生用于区分活体手指与欺骗手指的机器学习算法的模型。

技术领域

本公开内容涉及用于通过对与指纹传感器的检测表面接合的手指的图像时间序列进行分析来区分活体手指与欺骗手指的方法和装置。

背景技术

各种类型的生物计量系统被越来越多地使用，以提供提高的安全性和/或增强的用户便利性。

特别地，指纹感测系统由于其小形状因数、高性能和用户接受度已经被采用于例如消费者电子装置中。

需要活性检测/反欺骗/表示攻击检测，以保护生物计量系统免受利用欺骗的身体部位例如欺骗指纹的攻击。

存在许多解决这种应用于指纹识别的问题的方法，例如寻找材料属性的基于硬件的方法、通过血氧定量法的脉冲检测、寻找所获得的指纹图像中的伪造的伪像欺骗并查看精细尺度的纹理的基于软件的方法。

描述了多种基于图像的软件方法，所述基于图像的软件方法明确地查看引入图像帧之间的差异的出汗效果。但并非所有手指都表现出所需的出汗量，尤其是在冬季条件下。参见例如IJITKM Special Issue(ICFTEM-2014)May 2014，pp.61-69(ISSN 0973-4414)，Tanisha Aggarwal等人的“FakeFingerprint Detection Methods”。

还存在皮肤弹性方法，所述皮肤弹性方法要求用户在传感器捕获图像序列的同时扭动手指。参见例如IEEE Transactions on Information Forensics and Security，vol.1,no.3，September 2006，Athos Antonelli等人的“Fake Finger Detection by SkinDistortion Analysis”。

US 7,133,541公开了一种区分活体手指与模仿手指的方法。该方法包括：当手指正在被放置在指纹传感器上时获得图像的序列，并且分析序列图像之间的变化以确定手指是否为活体。

制作精良的欺骗相对于低呈现的伪像能够达到非常高的质量。

由于较新的几代电容式传感器较小并且由于厚的涂层而具有低的空间分辨率，因此存在于每个图像中的伪像的数目低，并且不存在精细尺度纹理。因此，可用的软件活性方法受到了挑战。

发明内容

本公开内容的目的是提供针对指纹传感器的改进的活性检测，该改进的活性检测可以独立于伪像检测或高空间分辨率。

根据本公开内容的一个方面，提供了一种在指纹分析系统中执行的利于区分活体手指与欺骗手指的方法。该方法包括：当在手指正在接近并且压靠检测表面的时段期间手指与指纹传感器的检测表面接合时获取图像的多个时间序列，所述时间序列中的每一个显示相应的手指。时间序列中的每一个至少包括显示手指的指纹形貌的第一图像和最后图像，其中时间序列的一些时间序列中的相应的手指已知为活体手指，并且时间序列的另外一些时间序列中的相应的手指已知为欺骗手指。该方法还涉及在多个时间序列上训练机器学习算法，以产生用于区分活体手指与欺骗手指的机器学习算法的模型。