-
公开(公告)号：CN111582099B
公开(公告)日：2021-03-09
申请号：CN202010349223.4
申请日：2020-04-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜远源特征交运算决策的身份验证方法，其方法为：步骤一、采集虹膜灰度图像m张；步骤二、转化为256×32维度的模板虹膜归一增强图像；步骤三、纹理走势特征的认证参数；步骤四、各自分组中纹理走势特征的单一类别标签；步骤五、灰度差值特征的单一类别标签；步骤六、集测试虹膜灰度图像一张；步骤七、转化为256×32维度的测试虹膜归一增强图像；步骤八、模板虹膜类别中的其中一个分组；步骤九、得到纹理走势特征的判断结论；步骤十、得到灰度差值特征的判断结论；步骤十一、测试虹膜与模板虹膜属于相同的类别；有益效果：更好地在非稳态虹膜条件下进行认证；尽可能使得认证方法可以用在多个类别中。
-
公开(公告)号：CN110728251B
公开(公告)日：2020-05-12
申请号：CN201911005205.8
申请日：2019-10-22
Applicant: 吉林大学
Abstract: 本发明公开了一种基于强化泛用型虹膜特征标签的轻量级身份验证方法，其方法为：步骤一、采集模板虹膜灰度图像两张；步骤二、分别处理两张模板虹膜灰度图像；步骤三、将模板特征标签存储到IC卡中；步骤四、通过虹膜采集仪采集测试虹膜灰度图像一张；步骤五、处理测试虹膜灰度图像；步骤六、提取180×30维度测试虹膜处理图像的特征标签；步骤七、通过读卡器读取IC卡中存储的模板特征标签，利用模板虹膜灰度图像的特征标签与测试虹膜灰度图像的特征标签实现身份验证。有益效果：有利于虹膜识别系统的推广；有效提高了不同虹膜类别特征的区分度，进而提高了虹膜验证的准确率。
-
公开(公告)号：CN110046588B
公开(公告)日：2019-11-01
申请号：CN201910321473.4
申请日：2019-04-22
Applicant: 吉林大学
Abstract: 本发明公开了一种具有盗取攻击应对机制的异质虹膜认证方法，其方法为：步骤一、构建基于卷积神经网络而改进的异质虹膜多类别认证系统；步骤二、构建盗取攻击应对机制；步骤三、开始正式认证；步骤四、图像依次进入全连接层；步骤五、得到与单一分类器所属的虹膜的相似概率；步骤六、得到精确的相似概率；步骤七、通过编码层的映射关系，输出测试虹膜所属的虹膜类别情况。有益效果：对传统的卷积神经网络进行改造，增加图像处理层和稀释层，有助于在多类别认证中放大不同类别虹膜间的差异性，提高认证的准确性。
-
公开(公告)号：CN111130794B
公开(公告)日：2020-11-24
申请号：CN201911270600.9
申请日：2019-12-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜与私钥证书链连接存储结构的身份验证方法，其方法为：步骤一、采集灰度图像；步骤二、归一增强图像；步骤三、模板虹膜特征信息；步骤四、统计模板虹膜特征信息；步骤五、制作私钥证书；步骤六、存入个人信息块中；步骤七、构建完整记录；步骤八、制作完整记录；步骤九、输出给测试人员数字0；步骤十、测试虹膜灰度图像一张；步骤十一、测试虹膜归一增强图像；步骤十二、读取模板特征标签；步骤十三、进行身份验证；有益效果：非法用户盗取证书后即使通过了证书校验，也会因为无法通过虹膜识别校验导致无法得到正确的结果，因此通过私钥证书与虹膜识别的双重机制防止了用户个人信息被篡改以及被非法用户侵入的风险。
-
公开(公告)号：CN111130794A
公开(公告)日：2020-05-08
申请号：CN201911270600.9
申请日：2019-12-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜与私钥证书链连接存储结构的身份验证方法，其方法为：步骤一、采集灰度图像；步骤二、归一增强图像；步骤三、模板虹膜特征信息；步骤四、统计模板虹膜特征信息；步骤五、制作私钥证书；步骤六、存入个人信息块中；步骤七、构建完整记录；步骤八、制作完整记录；步骤九、输出给测试人员数字0；步骤十、测试虹膜灰度图像一张；步骤十一、测试虹膜归一增强图像；步骤十二、读取模板特征标签；步骤十三、进行身份验证；有益效果：非法用户盗取证书后即使通过了证书校验，也会因为无法通过虹膜识别校验导致无法得到正确的结果，因此通过私钥证书与虹膜识别的双重机制防止了用户个人信息被篡改以及被非法用户侵入的风险。
-
Patent Agency Ranking
公开(公告)号：CN111832540B
公开(公告)日：2021-01-15
申请号：CN202010737418.6
申请日：2020-07-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于非稳态虹膜视频流仿生神经网络的身份验证方法，其方法为：步骤一、采集图像1000‑2000张；步骤二、虹膜灰度图像都转化为256×32维度的模板虹膜归一增强图像；步骤三、对所有模板虹膜归一增强图像进行卷积处理；步骤四、提取32位模板虹膜归一增强图像的虹膜特征数据；步骤五、得到该模板测试人员的模板虹膜类别的类别认知；步骤六、截取90张虹膜图像作为测试虹膜图像；步骤七、转化为256×32维度的增强图像；步骤八、转化为4组30×254维度的二维数组；步骤九、提取虹膜特征数据；步骤十、得到身份验证结果。有益效果：视频流的设置也避免了非稳态虹膜对特征表达的影响，有利于训练虹膜数量较少时对虹膜特征的设定与调整。
-
公开(公告)号：CN111832540A
公开(公告)日：2020-10-27
申请号：CN202010737418.6
申请日：2020-07-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于非稳态虹膜视频流仿生神经网络的身份验证方法，其方法为：步骤一、采集图像1000-2000张；步骤二、虹膜灰度图像都转化为256×32维度的模板虹膜归一增强图像；步骤三、对所有模板虹膜归一增强图像进行卷积处理；步骤四、提取32位模板虹膜归一增强图像的虹膜特征数据；步骤五、得到该模板测试人员的模板虹膜类别的类别认知；步骤六、截取90张虹膜图像作为测试虹膜图像；步骤七、转化为256×32维度的增强图像；步骤八、转化为4组30×254维度的二维数组；步骤九、提取虹膜特征数据；步骤十、得到身份验证结果。有益效果：视频流的设置也避免了非稳态虹膜对特征表达的影响，有利于训练虹膜数量较少时对虹膜特征的设定与调整。
-
公开(公告)号：CN111582099A
公开(公告)日：2020-08-25
申请号：CN202010349223.4
申请日：2020-04-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜远源特征交运算决策的身份验证方法，其方法为：步骤一、采集虹膜灰度图像m张；步骤二、转化为256×32维度的模板虹膜归一增强图像；步骤三、纹理走势特征的认证参数；步骤四、各自分组中纹理走势特征的单一类别标签；步骤五、灰度差值特征的单一类别标签；步骤六、集测试虹膜灰度图像一张；步骤七、转化为256×32维度的测试虹膜归一增强图像；步骤八、模板虹膜类别中的其中一个分组；步骤九、得到纹理走势特征的判断结论；步骤十、得到灰度差值特征的判断结论；步骤十一、测试虹膜与模板虹膜属于相同的类别；有益效果：更好地在非稳态虹膜条件下进行认证；尽可能使得认证方法可以用在多个类别中。
-
公开(公告)号：CN111046363A
公开(公告)日：2020-04-21
申请号：CN201911270621.0
申请日：2019-12-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜特征联盟随机匹配投票机制的身份验证方法，其方法为：步骤一、采集灰度图像1张；步骤二、转化为增强图像；步骤三、编号设定为1；步骤四、编号设定为2；步骤五、编号设定为3；步骤六、编号设定为4；步骤七、编号设定为5；步骤八、装进一个虹膜信息块中；步骤九、通过链结构连接；步骤十、采集测试虹膜灰度图像一张；步骤十一、测试虹膜归一增强图像；步骤十二、编号设定为1；步骤十三、编号设定为2；步骤十四、编号设定为3；步骤十五、编号设定为4；步骤十六、编号设定为5；步骤十七、随机生成的数字；步骤十八、模板虹膜与测试虹膜不是相同类别。有益效果：最大限度的保障了识别过程的安全。
-
公开(公告)号：CN110046588A
公开(公告)日：2019-07-23
申请号：CN201910321473.4
申请日：2019-04-22
Applicant: 吉林大学
Abstract: 本发明公开了一种具有盗取攻击应对机制的异质虹膜认证方法，其方法为：步骤一、构建基于卷积神经网络而改进的异质虹膜多类别认证系统；步骤二、构建盗取攻击应对机制；步骤三、开始正式认证；步骤四、图像依次进入全连接层；步骤五、得到与单一分类器所属的虹膜的相似概率；步骤六、得到精确的相似概率；步骤七、通过编码层的映射关系，输出测试虹膜所属的虹膜类别情况。有益效果：对传统的卷积神经网络进行改造，增加图像处理层和稀释层，有助于在多类别认证中放大不同类别虹膜间的差异性，提高认证的准确性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.093 seconds)
