CN112861649B - 指纹签名生成方法、装置、电子设备及计算机存储介质 - Google Patents
指纹签名生成方法、装置、电子设备及计算机存储介质 Download PDFInfo
- Publication number
- CN112861649B CN112861649B CN202110068587.XA CN202110068587A CN112861649B CN 112861649 B CN112861649 B CN 112861649B CN 202110068587 A CN202110068587 A CN 202110068587A CN 112861649 B CN112861649 B CN 112861649B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- data
- signature
- gray
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 238000007405 data analysis Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 42
- 238000006243 chemical reaction Methods 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004913 activation Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims 4
- 230000000149 penetrating effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 10
- 238000013139 quantization Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000005070 sampling Methods 0.000 description 12
- 238000012015 optical character recognition Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004454 trace mineral analysis Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及数据处理技术，揭露了一种指纹签名生成方法，包括：获取用户的指纹图像，对指纹图像进行指纹区域提取，得到指纹区域；对指纹区域进行纹理轨迹分析，得到纹理轨迹数据；获取用户的指纹按压数据，对指纹按压数据进行压力数据分析，得到压力量化数据；获取用户的电子签名，对电子签名进行签名识别，得到签名数据；将纹理轨迹数据、压力量化数据和签名数据进行等间距数据融合，得到用户的指纹签名。本发明还提出了指纹签名生成装置、设备及计算机可读存储介质。此外，本发明还涉及区块链技术，电子签名可存储于区块链节点中。本发明可以提高电子签名的安全性。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种指纹签名生成方法、装置、电子设备及计算机可读存储介质。
背景技术
在日常生活中，很多人都会遇到需要签名的情况，例如，在合同文件中进行手写签名，在电子邮件中进行电子签名，通过签名来对各项事务进行授权等。
随着网络的发展，电子签名已经逐渐取代了手写签名，成为主要的签名方式。但是，电子签名时，因签名时所使用的设备性能的差异，而无法反映签名人的笔力运用和细微笔画的书写习惯，因此可能会导致无法鉴定出签名者的身份，从而使得电子签名的安全性不高，电子签名具备的法律效用得不到保证。
发明内容
本发明提供一种指纹签名生成方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高电子签名的安全性。
为实现上述目的，本发明提供的一种指纹签名生成方法，包括：
获取用户的指纹图像，对所述指纹图像进行指纹区域提取，得到指纹区域；
对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据；
获取用户的指纹按压数据，对所述指纹按压数据进行压力数据分析，得到压力量化数据；
获取用户的电子签名，对所述电子签名进行签名识别，得到签名数据；
将所述纹理轨迹数据、所述压力量化数据和所述签名数据进行等间距数据融合，得到用户的指纹签名。
可选地，所述对所述指纹图像进行指纹区域提取，包括：
对所述指纹图像进行下采样，得到全局特征图；
将所述全局特征图进行第一阈值倍数的上采样，得到中间特征图；
将所述中间特征图进行第二阈值倍数的上采样，得到指纹复原图像；
利用第一激活函数计算所述指纹复原图像中各像素点属于预设的目标类别的目标类别概率；
根据所述目标类别概率对所述指纹复原图像进行分割处理，得到指纹区域。
可选地，所述对所述指纹区域进行纹理轨迹分析之前，所述方法还包括：
对所述指纹区域进行灰度像素转化及对比度拉伸处理。
可选地，所述对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据，包括：
计算所述指纹区域的灰度频率场；
计算所述指纹区域中各个像素点的切向像素之和与法向像素之和；
整合所述灰度频率场、所述切向像素之和及法向像素之和，得到纹理轨迹数据。
可选地，所述对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据，包括：
计算所述指纹区域的灰度频率场；
计算所述指纹区域中各个像素点的切向像素之和与法向像素之和；
整合所述灰度频率场、所述切向像素之和及法向像素之和，得到纹理轨迹数据。
可选地，所述计算所述指纹区域的灰度频率场，包括：
利用如下计算公式计算所述指纹区域的灰度频率场f：
其中，V(x)为所述指纹区域上任意两个像素点的灰度垂直变化总量；x1和x2分别为指纹区域上任意两个不相同的像素点的横向坐标值；h(x)表示所述指纹区域的垂直方向上的灰度函数；am为所述指纹区域上任意两个不相同的像素点之间的指纹波形的平均振幅。
可选地，所述将所述纹理轨迹数据、所述压力量化数据和所述签名数据进行等间距数据融合，得到用户的指纹签名，包括：
将所述纹理轨迹数据按照第一预设长度进行等间距拆分，得到第一拆分数据；
将所述压力量化数据按照第二预设长度进行等间距拆分，得到第二拆分数据；
将所述签名数据按照第三预设长度进行等间距拆分，得到第三拆分数据；
将所述第一拆分数据、第二拆分数据和第三拆分数据按进行穿插组合，得到用户的指纹签名。
可选地，所述对所述指纹按压数据进行压力数据分析，得到压力量化数据，包括：
利用如下计算公式计算所述指纹按压数据的瞬时压力值Z和压力梯度场T(x,y)：
Z＝|T(x,y)|
其中，Z为像素点(x,y)的瞬时压力值；T(x,y)像素点(x,y)的压力梯度场；Gx(x,y)为瞬时压力值Z在点(x,y)对x的偏导数Gy(x,y)为瞬时压力值Z在点(x,y)对y的偏导数θ(x,y)为瞬时压力值Z的施加方向；
确定所述瞬时压力值Z和压力梯度场|T(x,y)|为压力量化数据。
为了解决上述问题，本发明还提供一种指纹签名生成装置，所述装置包括：
区域提取模块，用于获取用户的指纹图像，对所述指纹图像进行指纹区域提取，得到指纹区域；
轨迹分析模块，用于对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据；
压力分析模块，用于获取用户的指纹按压数据，对所述指纹按压数据进行压力数据分析，得到压力量化数据；
签名识别模块，用于获取用户的电子签名，对所述电子签名进行签名识别，得到签名数据；
数据融合模块，用于将所述纹理轨迹数据、所述压力量化数据和所述签名数据进行等间距数据融合，得到用户的指纹签名。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的指纹签名生成方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现上述所述的指纹签名生成方法。
本发明实施例通过对指纹图像进行指纹区域提取，可避免对指纹图像中没有指纹信息的区域进行分析，进而提高从指纹图像中提取纹理轨迹数据的效率；对指纹按压数据进行压力数据分析，得到压力量化数据，对用户电子签名进行签名识别，得到签名数据，并将纹理轨迹数据、压力量化数据和签名数据等间距融合为指纹签名，使得融合后得到的指纹签名中包含更精确的运笔力度，细微笔画，从而使得指纹签名与预先存储于数据库内的模板的匹配率更高，从而提高了指纹签名的精确度和安全性。因此本发明提出的指纹签名生成方法、装置及计算机可读存储介质，可以提高电子签名的安全性。
附图说明
图1为本发明一实施例提供的指纹签名生成方法的流程示意图；
图2为本发明一实施例提供的指纹签名生成装置的模块示意图；
图3为本发明一实施例提供的实现指纹签名生成方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种指纹签名生成方法。所述指纹签名生成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述指纹签名生成方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的指纹签名生成方法的流程示意图。在本实施例中，所述指纹签名生成方法包括：
S1、获取用户的指纹图像，对所述指纹图像进行指纹区域提取，得到指纹区域。
本发明实施例中，所述指纹图像是包含了用户的指纹的图像，例如，含有用户指纹电子照片或带有用户指纹的书面文本的图像等。
详细地，本发明实施例可通过手机或任何具有摄像功能的设备拍照以获取用户的指纹图像。
实际应用中，由于获取到的用户的指纹图像中可能包含着大量的无用信息，例如，在很大的一张指纹图像中只有十分之一的区域含有用户的指纹信息，若直接对获取到的指纹图像进行分析，会占用大量计算资源，降低提取指纹信息的效率，因此，本发明实施例利用具有特征提取功能的卷积神经网络来实现对指纹图像进行指纹区域提取，以缩减指纹图形的尺寸，提高从指纹图像中获取指纹信息的效率，其中，所述指纹区域是所述指纹图像中含有指纹信息的图像区域。
详细地，所述对所述指纹图像进行指纹区域提取，包括：
对所述指纹图像进行下采样，得到全局特征图；
将所述全局特征图进行第一阈值倍数的上采样，得到中间特征图；
将所述中间特征图进行第二阈值倍数的上采样，得到指纹复原图像；
利用第一激活函数计算所述指纹复原图像中各像素点属于预设的目标类别的目标类别概率；
根据所述目标类别概率对所述指纹复原图像进行分割处理，得到指纹区域。
具体地，所述分割处理包括对指纹复原图像中像素点进行分类，所述预设的目标类别中包括多个预设类别，所述根据所述预设的目标类别概率对所述指纹复原图像进行分割处理，得到指纹区域，即确定指纹复原图像中目标像素点的目标类别概率最大的预设类别为该目标像素点的像素类别。
例如，预设目标类别中包括类别A、类别B与类别C，指纹复原图像中目标像素点为预设目标类别中类别A的概率为20％，指纹复原图像中目标像素点为预设目标类别中类别B的概率为70％，指纹复原图像中目标像素点为预设目标类别中类别C的概率为40％，则确定指纹复原图像中目标像素点为类别B，当所述指纹复原图像中所有像素点均完成所述分割操作，确定指纹复原图像中像素点分类为指纹类别的像素所在的区域为指纹区域。
本发明实施例中将全局特征图进行第一阈值倍数的上采样，得到中间特征图，再将中间特征图进行第二阈值倍数的上采样，得到指纹复原图像，避免直接将全局特征图上采样至指纹复原图像时上采样倍数过大导致指纹复原图像中图像特征的丢失，提高了指纹复原图像中特征信息的完整性。
S2、对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据。
本发明实施例中，所述对所述指纹区域进行纹理轨迹分析之前，所述方法还可以包括：
对所述指纹区域进行灰度像素转化及对比度拉伸处理。
详细地，所述灰度像素转化是将所述指纹区域中的所有像素点输入至一个灰度值转换公式中进行灰度值转换，生成所述灰度图像。
其中，所述灰度值转换公式为：
Gary＝0.30*R+0.59*G+0.11*B
其中R，G，B为所述指纹区域中的像素的三分量，Gary为指纹区域进行灰度像素转化后得到的灰度图像。
进一步地，所述对比度拉伸处理，包括：
遍历并统计灰度像素转化后的指纹区域中每一个像素点的灰度概率密度；
利用预设灰度变换函数将每一个像素点的灰度概率密度进行拉伸变换处理，得到比度拉伸处理后的指纹区域。
具体地，本发明实施例可利用MATLAB中预先编译完成的灰度密度函数统计灰度像素转化后的指纹区域中每一个像素点的灰度概率密度。
详细地，本发明实施例可以利用如下拉伸变换函数对所述指纹区域进行对比度拉伸处理：
Db＝f(Da)＝a*Da+b
其中，a为预设线性斜率，Da为所述对比度拉伸之前指纹区域的灰度值，Db为对比度拉伸之后指纹区域的灰度值，b为Db在Y轴上的截距。
由于通过对获取的指纹图像直接进行指纹区域提取得到的指纹区域存在着图像较暗、图像不清晰等情况，不利于后续对指纹区域中包含的数据进行分析，因此，本发明实施例对指纹区域进行灰度像素转化及对比度拉伸处理，本发明实施例中，对指纹区域进行纹理轨迹分析之前，先对指纹区域进行灰度像素转化和对比度拉伸，可凸显出指纹区域中指纹的纹理轨迹特征，有利于提高对指纹区域进行纹理轨迹分析得到纹理轨迹数据的精确度。
详细地，所述对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据，包括：
计算所述指纹区域的灰度频率场；
计算所述指纹区域中各个像素点的切向像素之和与法向像素之和；
整合所述灰度频率场、所述切向像素之和及法向像素之和，得到纹理轨迹数据。
具体地，本发明实施例利用如下计算公式计算所述指纹区域的灰度频率场f：
其中，V(x)为所述指纹区域上任意两个像素点的灰度垂直变化总量；x1和x2分别为指纹区域上任意两个不相同的像素点的横向坐标值；h(x)表示所述指纹区域的垂直方向上的灰度函数；am为所述指纹区域上任意两个不相同的像素点之间的指纹波形的平均振幅。
S3、获取用户的指纹按压数据，对所述指纹按压数据进行压力数据分析，得到压力量化数据。
本发明实施例中，可以利用任何具有的压力传感器功能设备采集获得用户的指纹按压数据，其中，所述指纹按压数据时指用户在按压具有的压力传感器功能设备时所产生的压力数据，包括但不限于压力的大小、压力的变化趋势和/或压力的施加方向等。
所述对所述指纹按压数据进行压力数据分析，得到压力量化数据，包括：
利用如下计算公式计算所述指纹按压数据的瞬时压力值Z和压力梯度场T(x,y)：
Z＝|T(x,y)|
其中，Z为像素点(x,y)的瞬时压力值；T(x,y)像素点(x,y)的压力梯度场；Gx(x,y)为瞬时压力值Z在点(x,y)对x的偏导数Gy(x,y)为瞬时压力值Z在点(x,y)对y的偏导数θ(x,y)为瞬时压力值Z的施加方向；
确定所述瞬时压力值Z和压力梯度场|T(x,y)|为压力量化数据。
详细地，利用如下计算方向公式计算所述压力的施加方向θ(x,y)：
其中，Vx(x,y)为横轴方向上施加的压力；Vy(x,y)为纵轴方向上施加的压力；θ(x,y)为压力方向场函数；w为初始方向参数；Gx(x,y)为瞬时压力函数Z在点(x,y)对x的偏导数Gy(x,y)为瞬时压力函数Z在点(x,y)对y的偏导数/>i为点(x,y)预设的横轴误差，j为点(x,y)预设的纵轴误差。
S4、获取用户的电子签名，对所述电子签名进行签名识别，得到签名数据。
本发明实施例中，可利用具有数据抓取功能的python语句从用于存储用户的电子签名的区块链中获取用户的电子签名。利用区块链对数据的保密性，可提高电子签名的安全性，同时，利用区块链对数据的高吞吐性，可提高获取用户的电子签名的效率。
本发明实施例中，利用OCR(Optical Character Recognition，光学字符识别)模型对所述电子签名进行识别，得到签名数据，所述电子签名可以为任何电子形式的用户签名，例如，电子印章，带有用户签名的电子图像等。
详细地，所述OCR模型采用Bi-LSTM-CRF结构，包括：
字/词向量层，用于将所述电子签名包含的文本中的单词和字符转化为字/词向量；
Bi-LSTM层，用于将所述字/词向量进行分割，对分割后的所述字/词向量进行编码，得到所述字/词向量的编码表征，利用所述编码表征对分割后的所述字/词向量进行标注，得到键值和结果值；
CRF层，用于将相同类型的键值和结果值拼接为签名数据。
其中，所述字/词向量层利用已经训练好的词向量作为初始化参数，将所述电子签名包含的文本中的单词和字符转化为字/词向量，所述已经训练好的词向量是预先给定一套标准转化规则。
由于所述电子签名中包含的文本可能较多，文本中的语句可能较长，如果只是进行字符转换，可能会出现文本粘滞的情况，不利于后续的文本纠错，因此本发明实施例利用所述Bi-LSTM层可将所述字/词向量进行分割，以提高生成签名数据的效率。
优选地，所述Bi-LSTM层可采用java语言将所述字/词向量进行分割，并对分割后的所述字/词向量进行编码，所述编码表征包含Key-B，Value-B，Key-I，Value-I，Other-B，Other-I六类标注类型。其中，Key为键值，Value为结果值，Other为其他值。
本发明实施例中利用CRF层将相同类型的键值和结果值进行拼接，如Key-B，Key-I或Value-B，Value-I。当所有键值和结果值拼接完成后，即可得到所述签名数据，其中，所述签名数据为IO数据流形式的计算机数据。
S5、将所述纹理轨迹数据、所述压力量化数据和所述签名数据进行等间距数据融合，得到用户的指纹签名。
本发明实施例中，所述将所述纹理轨迹数据、所述压力量化数据和所述签名数据进行等间距数据融合，得到用户的指纹签名，包括：
将所述纹理轨迹数据按照第一预设长度进行等间距拆分，得到第一拆分数据；
将所述压力量化数据按照第二预设长度进行等间距拆分，得到第二拆分数据；
将所述签名数据按照第三预设长度进行等间距拆分，得到第三拆分数据；
将所述第一拆分数据、第二拆分数据和第三拆分数据按进行穿插组合，得到用户的指纹签名。
详细地，等间距拆分是指将一段数据按照预设长度拆分为多段数据，例如，数据&中包含数据：123456，当预设长度为“2”时，将数据&拆分成12、34和56。
本发明实施例中，所述第一预设长度、第二预设长度和第三预设长度可以相同，也可以不同。
具体地，将所述第一拆分数据、第二拆分数据和第三拆分数据按照预设顺序进行穿插组合，例如，第一拆分数据为ab、cd和ef，第二拆分数据为gh、ij和kl，第三拆分数据为mn、op和qr；当预设顺序为“第一拆分数据-第二拆分数据-第三拆分数据”，则将将第一拆分数据、第二拆分数据和第三拆分数据按照预设顺序进行穿插组合为：ab+gh+mn+cd+ij+op+ef+kl+qr。
本发明实施例中，将纹理轨迹数据、压力量化数据和签名数据进行等间距数据融合生成用户的指纹签名，可通过用户指纹的纹理轨迹数据、压力量化数据和签名数据共同对用户身份进行认证，提高利用用户签名对用户身份验证的安全性。
本发明实施例通过对指纹图像进行指纹区域提取，可避免对指纹图像中没有指纹信息的区域进行分析，进而提高从指纹图像中提取纹理轨迹数据的效率；对指纹按压数据进行压力数据分析，得到压力量化数据，对用户电子签名进行签名识别，得到签名数据，并将纹理轨迹数据、压力量化数据和签名数据等间距融合为指纹签名，使得融合后得到的指纹签名中包含更精确的运笔力度，细微笔画，从而使得指纹签名与预先存储于数据库内的模板的匹配率更高，从而提高了指纹签名的精确度和安全性。因此本发明提出的指纹签名生成方法，可以提高电子签名的安全性。
如图2所示，是本发明指纹签名生成装置的模块示意图。
本发明所述指纹签名生成装置100可以安装于电子设备中。根据实现的功能，所述指纹签名生成装置可以包括区域提取模块101、轨迹分析模块102、压力分析模块103、签名识别模块104和数据融合模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述区域提取模块101，用于获取用户的指纹图像，对所述指纹图像进行指纹区域提取，得到指纹区域；
所述轨迹分析模块102，用于对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据；
所述压力分析模块103，用于获取用户的指纹按压数据，对所述指纹按压数据进行压力数据分析，得到压力量化数据；
所述签名识别模块104，用于获取用户的电子签名，对所述电子签名进行签名识别，得到签名数据；
所述数据融合模块105，用于将所述纹理轨迹数据、所述压力量化数据和所述签名数据进行等间距数据融合，得到用户的指纹签名。
详细地，所述指纹签名生成装置100中的各模块在由电子设备的处理器所执行时，可以实现包括下述操作步骤的指纹签名生成方法：
步骤一、所述区域提取模块101获取用户的指纹图像，对所述指纹图像进行指纹区域提取，得到指纹区域。
本发明实施例中，所述指纹图像是包含了用户的指纹的图像，例如，含有用户指纹电子照片或带有用户指纹的书面文本的图像等。
详细地，本发明实施例所述区域提取模块101可通过手机或任何具有摄像功能的设备拍照以获取用户的指纹图像。
实际应用中，由于获取到的用户的指纹图像中可能包含着大量的无用信息，例如，在很大的一张指纹图像中只有十分之一的区域含有用户的指纹信息，若直接对获取到的指纹图像进行分析，会占用大量计算资源，降低提取指纹信息的效率，因此，本发明实施例所述区域提取模块101利用具有特征提取功能的卷积神经网络来实现对指纹图像进行指纹区域提取，以缩减指纹图形的尺寸，提高从指纹图像中获取指纹信息的效率，其中，所述指纹区域是所述指纹图像中含有指纹信息的图像区域。
详细地，所述区域提取模块101在通过下述操作对所述指纹图像进行指纹区域提取，得到指纹区域：
对所述指纹图像进行下采样，得到全局特征图；
将所述全局特征图进行第一阈值倍数的上采样，得到中间特征图；
将所述中间特征图进行第二阈值倍数的上采样，得到指纹复原图像；
利用第一激活函数计算所述指纹复原图像中各像素点属于预设的目标类别的目标类别概率；
根据所述目标类别概率对所述指纹复原图像进行分割处理，得到指纹区域。
具体地，所述分割处理包括对指纹复原图像中像素点进行分类，所述预设的目标类别中包括多个预设类别，所述根据所述预设的目标类别概率对所述指纹复原图像进行分割处理，得到指纹区域，即确定指纹复原图像中目标像素点的目标类别概率最大的预设类别为该目标像素点的像素类别。
例如，预设目标类别中包括类别A、类别B与类别C，指纹复原图像中目标像素点为预设目标类别中类别A的概率为20％，指纹复原图像中目标像素点为预设目标类别中类别B的概率为70％，指纹复原图像中目标像素点为预设目标类别中类别C的概率为40％，则确定指纹复原图像中目标像素点为类别B，当所述指纹复原图像中所有像素点均完成所述分割操作，确定指纹复原图像中像素点分类为指纹类别的像素所在的区域为指纹区域。
本发明实施例中将全局特征图进行第一阈值倍数的上采样，得到中间特征图，再将中间特征图进行第二阈值倍数的上采样，得到指纹复原图像，避免直接将全局特征图上采样至指纹复原图像时上采样倍数过大导致指纹复原图像中图像特征的丢失，提高了指纹复原图像中特征信息的完整性。
步骤二、所述轨迹分析模块102对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据。
本发明实施例中，所述指纹签名生成装置100还用于：
对所述指纹区域进行灰度像素转化及对比度拉伸处理。
详细地，所述灰度像素转化是将所述指纹区域中的所有像素点输入至一个灰度值转换公式中进行灰度值转换，生成所述灰度图像。
其中，所述灰度值转换公式为：
Gary＝0.30*R+0.59*G+0.11*B
其中R，G，B为所述指纹区域中的像素的三分量，Gary为指纹区域进行灰度像素转化后得到的灰度图像。
进一步地，所述对比度拉伸处理，包括：
遍历并统计灰度像素转化后的指纹区域中每一个像素点的灰度概率密度；
利用预设灰度变换函数将每一个像素点的灰度概率密度进行拉伸变换处理，得到比度拉伸处理后的指纹区域。
具体地，所述轨迹分析模块102可利用MATLAB中预先编译完成的灰度密度函数统计灰度像素转化后的指纹区域中每一个像素点的灰度概率密度。
详细地，所述轨迹分析模块102利用如下拉伸变换函数对所述指纹区域进行对比度拉伸处理：
Db＝f(Da)＝a*Da+b
其中，a为预设线性斜率，Da为所述对比度拉伸之前指纹区域的灰度值，Db为对比度拉伸之后指纹区域的灰度值，b为Db在Y轴上的截距。
由于通过对获取的指纹图像直接进行指纹区域提取得到的指纹区域存在着图像较暗、图像不清晰等情况，不利于后续对指纹区域中包含的数据进行分析，因此，本发明实施例所述轨迹分析模块102对指纹区域进行灰度像素转化及对比度拉伸处理。本发明实施例中，对指纹区域进行纹理轨迹分析之前，所述轨迹分析模块102先对指纹区域进行灰度像素转化和对比度拉伸，可凸显出指纹区域中指纹的纹理轨迹特征，有利于提高对指纹区域进行纹理轨迹分析得到纹理轨迹数据的精确度。
详细地，所述轨迹分析模块102采用下述操作对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据：
计算所述指纹区域的灰度频率场；
计算所述指纹区域中各个像素点的切向像素之和与法向像素之和；
整合所述灰度频率场、所述切向像素之和及法向像素之和，得到纹理轨迹数据。
具体地，本发明实施例所述轨迹分析模块102利用如下计算公式计算所述指纹区域的灰度频率场f：
其中，V(x)为所述指纹区域上任意两个像素点的灰度垂直变化总量；x1和x2分别为指纹区域上任意两个不相同的像素点的横向坐标值；h(x)表示所述指纹区域的垂直方向上的灰度函数；am为所述指纹区域上任意两个不相同的像素点之间的指纹波形的平均振幅。
步骤三、所述压力分析模块103获取用户的指纹按压数据，对所述指纹按压数据进行压力数据分析，得到压力量化数据。
本发明实施例中，所述压力分析模块103可以利用任何具有的压力传感器功能设备采集获得用户的指纹按压数据，其中，所述指纹按压数据时指用户在按压具有的压力传感器功能设备时所产生的压力数据，包括但不限于压力的大小、压力的变化趋势和/或压力的施加方向等。
详细地，所述压力分析模块103通过下述操作对所述指纹按压数据进行压力数据分析，得到压力量化数据：
利用如下计算公式计算所述指纹按压数据的瞬时压力值Z和压力梯度场T(x,y)：
Z＝|T(x,y)|
其中，Z为像素点(x,y)的瞬时压力值；T(x,y)像素点(x,y)的压力梯度场；Gx(x,y)为瞬时压力值Z在点(x,y)对x的偏导数Gy(x,y)为瞬时压力值Z在点(x,y)对y的偏导数θ(x,y)为瞬时压力值Z的施加方向；
确定所述瞬时压力值Z和压力梯度场|T(x,y)|为压力量化数据。
详细地，所述压力分析模块103利用如下计算方向公式计算所述压力的施加方向θ(x,y)：
其中，Vx(x,y)为横轴方向上施加的压力；Vy(x,y)为纵轴方向上施加的压力；θ(x,y)为压力方向场函数；w为初始方向参数；Gx(x,y)为瞬时压力函数Z在点(x,y)对x的偏导数Gy(x,y)为瞬时压力函数Z在点(x,y)对y的偏导数/>i为点(x,y)预设的横轴误差，j为点(x,y)预设的纵轴误差。
步骤四、所述签名识别模块104获取用户的电子签名，对所述电子签名进行签名识别，得到签名数据。
本发明实施例中，所述签名识别模块104可利用具有数据抓取功能的python语句从用于存储用户的电子签名的区块链中获取用户的电子签名。利用区块链对数据的保密性，可提高电子签名的安全性，同时，利用区块链对数据的高吞吐性，可提高获取用户的电子签名的效率。
本发明实施例中，所述签名识别模块104利用OCR(Optical CharacterRecognition,光学字符识别)模型对所述电子签名进行识别，得到签名数据，所述电子签名可以为任何电子形式的用户签名，例如，电子印章，带有用户签名的电子图像等。
详细地，所述OCR模型采用Bi-LSTM-CRF结构，包括：
字/词向量层，用于将所述电子签名包含的文本中的单词和字符转化为字/词向量；
Bi-LSTM层，用于将所述字/词向量进行分割，对分割后的所述字/词向量进行编码，得到所述字/词向量的编码表征，利用所述编码表征对分割后的所述字/词向量进行标注，得到键值和结果值；
CRF层，用于将相同类型的键值和结果值拼接为签名数据。
其中，所述字/词向量层利用已经训练好的词向量作为初始化参数，将所述电子签名包含的文本中的单词和字符转化为字/词向量，所述已经训练好的词向量是预先给定一套标准转化规则。
由于所述电子签名中包含的文本可能较多，文本中的语句可能较长，如果只是进行字符转换，可能会出现文本粘滞的情况，不利于后续的文本纠错，因此本发明实施例利用所述Bi-LSTM层可将所述字/词向量进行分割，以提高生成签名数据的效率。
优选地，所述Bi-LSTM层可采用java语言将所述字/词向量进行分割，并对分割后的所述字/词向量进行编码，所述编码表征包含Key-B，Value-B，Key-I，Value-I，Other-B，Other-I六类标注类型。其中，Key为键值，Value为结果值，Other为其他值。
本发明实施例中利用CRF层将相同类型的键值和结果值进行拼接，如Key-B，Key-I或Value-B，Value-I。当所有键值和结果值拼接完成后，即可得到所述签名数据，其中，所述签名数据为IO数据流形式的计算机数据。
步骤五、所述数据融合模块105将所述纹理轨迹数据、所述压力量化数据和所述签名数据进行等间距数据融合，得到用户的指纹签名。
本发明实施例中，所述数据融合模块105通过下述操作将所述纹理轨迹数据、所述压力量化数据和所述签名数据进行等间距数据融合，得到用户的指纹签名：
将所述纹理轨迹数据按照第一预设长度进行等间距拆分，得到第一拆分数据；
将所述压力量化数据按照第二预设长度进行等间距拆分，得到第二拆分数据；
将所述签名数据按照第三预设长度进行等间距拆分，得到第三拆分数据；
将所述第一拆分数据、第二拆分数据和第三拆分数据按进行穿插组合，得到用户的指纹签名。
详细地，等间距拆分是指将一段数据按照预设长度拆分为多段数据，例如，数据&中包含数据：123456，当预设长度为“2”时，将数据&拆分成12、34和56。
本发明实施例中，所述第一预设长度、第二预设长度和第三预设长度可以相同，也可以不同。
具体地，所述数据融合模块105将所述第一拆分数据、第二拆分数据和第三拆分数据按照预设顺序进行穿插组合，例如，第一拆分数据为ab、cd和ef，第二拆分数据为gh、ij和kl，第三拆分数据为mn、op和qr；当预设顺序为“第一拆分数据-第二拆分数据-第三拆分数据”，则将将第一拆分数据、第二拆分数据和第三拆分数据按照预设顺序进行穿插组合为：ab+gh+mn+cd+ij+op+ef+kl+qr。
本发明实施例中，所述数据融合模块105将纹理轨迹数据、压力量化数据和签名数据进行等间距数据融合生成用户的指纹签名，可通过用户指纹的纹理轨迹数据、压力量化数据和签名数据共同对用户身份进行认证，提高利用用户签名对用户身份验证的安全性。
本发明实施例通过对指纹图像进行指纹区域提取，可避免对指纹图像中没有指纹信息的区域进行分析，进而提高从指纹图像中提取纹理轨迹数据的效率；对指纹按压数据进行压力数据分析，得到压力量化数据，对用户电子签名进行签名识别，得到签名数据，并将纹理轨迹数据、压力量化数据和签名数据等间距融合为指纹签名，使得融合后得到的指纹签名中包含更精确的运笔力度，细微笔画，从而使得指纹签名与预先存储于数据库内的模板的匹配率更高，从而提高了指纹签名的精确度和安全性。因此本发明提出的指纹签名生成装置，可以提高电子签名的安全性。
如图3所示，是本发明实现指纹签名生成方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如指纹签名生成程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如指纹签名生成程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行指纹签名生成程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的指纹签名生成程序12是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取用户的指纹图像，对所述指纹图像进行指纹区域提取，得到指纹区域；
对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据；
获取用户的指纹按压数据，对所述指纹按压数据进行压力数据分析，得到压力量化数据；
获取用户的电子签名，对所述电子签名进行签名识别，得到签名数据；
将所述纹理轨迹数据、所述压力量化数据和所述签名数据进行等间距数据融合，得到用户的指纹签名。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种指纹签名生成方法，其特征在于，所述方法包括：
获取用户的指纹图像，对所述指纹图像进行下采样，得到全局特征图，将所述全局特征图进行第一阈值倍数的上采样，得到中间特征图，将所述中间特征图进行第二阈值倍数的上采样，得到指纹复原图像，利用第一激活函数计算所述指纹复原图像中各像素点属于预设的目标类别的目标类别概率，根据所述目标类别概率对所述指纹复原图像进行分割处理，得到指纹区域；
将所述指纹区域中的所有像素点输入预设灰度值转换公式中进行灰度像素转换，生成灰度图像，遍历并统计灰度像素转换后的指纹区域中每一个像素点的灰度概率密度，利用预设灰度变换函数将每一个像素点的灰度概率密度进行拉伸变换处理，得到对比度拉伸处理后的指纹区域，对所述对比度拉伸处理后的指纹区域进行纹理轨迹分析，得到纹理轨迹数据；
获取用户的指纹按压数据，对所述指纹按压数据进行压力数据分析，得到压力量化数据；
获取用户的电子签名，将所述电子签名包含的文本中的字符和单词转化为字/词向量，将所述字/词向量进行分割，对分割后的所述字/词向量进行编码，得到所述字/词向量的编码表征，利用所述编码表征对分割后的所述字/词向量进行标注，得到键值和结果值，将相同类型的键值和结果值拼接为签名数据；
将所述纹理轨迹数据按照第一预设长度进行等间距拆分，得到第一拆分数据，将所述压力量化数据按照第二预设长度进行等间距拆分，得到第二拆分数据，将所述签名数据按照第三预设长度进行等间距拆分，得到第三拆分数据，将所述第一拆分数据、第二拆分数据和第三拆分数据按进行穿插组合，得到用户的指纹签名。
2.如权利要求1所述的指纹签名生成方法，其特征在于，所述对所述指纹区域进行纹理轨迹分析，得到纹理轨迹数据，包括：
计算所述指纹区域的灰度频率场；
计算所述指纹区域中各个像素点的切向像素之和与法向像素之和；
整合所述灰度频率场、所述切向像素之和及法向像素之和，得到纹理轨迹数据。
3.如权利要求2所述的指纹签名生成方法，其特征在于，所述计算所述指纹区域的灰度频率场，包括：
利用如下计算公式计算所述指纹区域的灰度频率场：
其中，为所述指纹区域上任意两个像素点的灰度垂直变化总量；/>和/>分别为指纹区域上任意两个不相同的像素点的横向坐标值；/>表示所述指纹区域的垂直方向上的灰度函数；/>为所述指纹区域上任意两个不相同的像素点之间的指纹波形的平均振幅。
4.如权利要求1至3中任意一项所述的指纹签名生成方法，其特征在于，所述对所述指纹按压数据进行压力数据分析，得到压力量化数据，包括：
利用如下计算公式计算所述指纹按压数据的瞬时压力值和压力梯度场/>：
其中，为像素点/>的瞬时压力值；/>像素点/>的压力梯度场；/>为瞬时压力值/>在点/>对/>的偏导数/>；/>为瞬时压力值/>在点/>对/>的偏导数/>，为瞬时压力值/>的施加方向；
确定所述瞬时压力值和压力梯度场/>为压力量化数据。
5.一种指纹签名生成装置，其特征在于，所述装置包括：
区域提取模块，用于获取用户的指纹图像，对所述指纹图像进行下采样，得到全局特征图，将所述全局特征图进行第一阈值倍数的上采样，得到中间特征图，将所述中间特征图进行第二阈值倍数的上采样，得到指纹复原图像，利用第一激活函数计算所述指纹复原图像中各像素点属于预设的目标类别的目标类别概率，根据所述目标类别概率对所述指纹复原图像进行分割处理，得到指纹区域；
轨迹分析模块，用于将所述指纹区域中的所有像素点输入预设灰度值转换公式中进行灰度像素转换，生成灰度图像，遍历并统计灰度像素转换后的指纹区域中每一个像素点的灰度概率密度，利用预设灰度变换函数将每一个像素点的灰度概率密度进行拉伸变换处理，得到对比度拉伸处理后的指纹区域，对所述对比度拉伸处理后的指纹区域进行纹理轨迹分析，得到纹理轨迹数据；
压力分析模块，用于获取用户的指纹按压数据，对所述指纹按压数据进行压力数据分析，得到压力量化数据；
签名识别模块，用于获取用户的电子签名，将所述电子签名包含的文本中的字符和单词转化为字/词向量，将所述字/词向量进行分割，对分割后的所述字/词向量进行编码，得到所述字/词向量的编码表征，利用所述编码表征对分割后的所述字/词向量进行标注，得到键值和结果值，将相同类型的键值和结果值拼接为签名数据；
数据融合模块，用于将所述纹理轨迹数据按照第一预设长度进行等间距拆分，得到第一拆分数据，将所述压力量化数据按照第二预设长度进行等间距拆分，得到第二拆分数据，将所述签名数据按照第三预设长度进行等间距拆分，得到第三拆分数据，将所述第一拆分数据、第二拆分数据和第三拆分数据按进行穿插组合，得到用户的指纹签名。
6.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至4中任一项所述的指纹签名生成方法。
7.一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的指纹签名生成方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110068587.XA CN112861649B (zh) | 2021-01-19 | 2021-01-19 | 指纹签名生成方法、装置、电子设备及计算机存储介质 |
| PCT/CN2021/090722 WO2022156088A1 (zh) | 2021-01-19 | 2021-04-28 | 指纹签名生成方法、装置、电子设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110068587.XA CN112861649B (zh) | 2021-01-19 | 2021-01-19 | 指纹签名生成方法、装置、电子设备及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112861649A CN112861649A (zh) | 2021-05-28 |
| CN112861649B true CN112861649B (zh) | 2024-05-10 |
Family
ID=76007234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110068587.XA Active CN112861649B (zh) | 2021-01-19 | 2021-01-19 | 指纹签名生成方法、装置、电子设备及计算机存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112861649B (zh) |
| WO (1) | WO2022156088A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI788204B (zh) * | 2022-01-25 | 2022-12-21 | 王士華 | 用於電子文件的電子簽章方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102103692A (zh) * | 2011-03-17 | 2011-06-22 | 电子科技大学 | 一种指纹图像增强方法 |
| CN103218624A (zh) * | 2013-04-25 | 2013-07-24 | 华东理工大学 | 基于生物特征的识别方法及装置 |
| CN109544474A (zh) * | 2018-11-16 | 2019-03-29 | 四川长虹电器股份有限公司 | 一种基于相位拉伸变换的指纹图像增强方法 |
| CN110765857A (zh) * | 2019-09-12 | 2020-02-07 | 敦泰电子（深圳）有限公司 | 指纹识别方法、芯片及电子装置 |
| CN111079689A (zh) * | 2019-12-27 | 2020-04-28 | 深圳纹通科技有限公司 | 一种指纹图像增强方法 |
| CN111523099A (zh) * | 2020-03-27 | 2020-08-11 | 平安普惠企业管理有限公司 | 基于压力轨迹的授权验证方法、装置及可读存储介质 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7035443B2 (en) * | 2002-03-22 | 2006-04-25 | Wong Jacob Y | Personal choice biometric signature |
| CN102394754A (zh) * | 2011-11-14 | 2012-03-28 | 宇龙计算机通信科技(深圳)有限公司 | 利用指纹生成手写签名的方法及通信终端 |
| CN104113419B (zh) * | 2014-07-18 | 2016-07-13 | 努比亚技术有限公司 | 电子签名的认证方法和系统 |
| CN106203039A (zh) * | 2016-07-04 | 2016-12-07 | 深圳市亚略特生物识别科技有限公司 | 指纹数字签名装置及电子业务系统 |
| CN107992803A (zh) * | 2017-11-10 | 2018-05-04 | 深圳市金立通信设备有限公司 | 一种电子签名的验证方法、终端设备及计算机可读介质 |
| CN108306876B (zh) * | 2018-01-30 | 2021-03-02 | 平安普惠企业管理有限公司 | 客户身份验证方法、装置、计算机设备和存储介质 |
| CN108667622B (zh) * | 2018-05-21 | 2022-02-22 | 平安科技（深圳）有限公司 | 电子签名认证方法、系统、计算机设备和存储介质 |
| CN110619274A (zh) * | 2019-08-14 | 2019-12-27 | 深圳壹账通智能科技有限公司 | 基于印章和签名的身份验证方法、装置和计算机设备 |
| CN110942382B (zh) * | 2019-10-15 | 2024-05-28 | 平安科技（深圳）有限公司 | 电子合同的生成方法、装置、计算机设备及存储介质 |
| CN112883346A (zh) * | 2021-01-19 | 2021-06-01 | 遥相科技发展(北京)有限公司 | 基于复合数据的安全身份认证方法、装置、设备及介质 |
-
2021
- 2021-01-19 CN CN202110068587.XA patent/CN112861649B/zh active Active
- 2021-04-28 WO PCT/CN2021/090722 patent/WO2022156088A1/zh active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102103692A (zh) * | 2011-03-17 | 2011-06-22 | 电子科技大学 | 一种指纹图像增强方法 |
| CN103218624A (zh) * | 2013-04-25 | 2013-07-24 | 华东理工大学 | 基于生物特征的识别方法及装置 |
| CN109544474A (zh) * | 2018-11-16 | 2019-03-29 | 四川长虹电器股份有限公司 | 一种基于相位拉伸变换的指纹图像增强方法 |
| CN110765857A (zh) * | 2019-09-12 | 2020-02-07 | 敦泰电子（深圳）有限公司 | 指纹识别方法、芯片及电子装置 |
| CN111079689A (zh) * | 2019-12-27 | 2020-04-28 | 深圳纹通科技有限公司 | 一种指纹图像增强方法 |
| CN111523099A (zh) * | 2020-03-27 | 2020-08-11 | 平安普惠企业管理有限公司 | 基于压力轨迹的授权验证方法、装置及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022156088A1 (zh) | 2022-07-28 |
| CN112861649A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112699775B (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
| CN112507934B (zh) | 活体检测方法、装置、电子设备及存储介质 | |
| CN111626118B (zh) | 文本纠错方法、装置、电子设备及计算机可读存储介质 | |
| CN112396005A (zh) | 生物特征图像识别方法、装置、电子设备及可读存储介质 | |
| CN112508145B (zh) | 电子印章生成及验证方法、装置、电子设备及存储介质 | |
| CN112883980B (zh) | 一种数据处理方法及系统 | |
| CN112016560B (zh) | 覆盖文本识别方法、装置、电子设备及存储介质 | |
| CN114898373B (zh) | 文件脱敏方法、装置、电子设备及存储介质 | |
| CN116912847A (zh) | 一种医学文本识别方法、装置、计算机设备及存储介质 | |
| CN112861649B (zh) | 指纹签名生成方法、装置、电子设备及计算机存储介质 | |
| CN112883346A (zh) | 基于复合数据的安全身份认证方法、装置、设备及介质 | |
| CN113704474B (zh) | 银行网点设备操作指引生成方法、装置、设备及存储介质 | |
| CN115471775A (zh) | 基于录屏视频的信息验证方法、装置、设备及存储介质 | |
| CN114677526A (zh) | 图像分类方法、装置、设备及介质 | |
| CN112862703B (zh) | 基于移动拍照的图像校正方法、装置、电子设备及介质 | |
| CN111985491A (zh) | 基于深度学习的相似信息合并方法、装置、设备及介质 | |
| CN113420684A (zh) | 基于特征提取的报表识别方法、装置、电子设备及介质 | |
| CN112329666A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
| CN112347739A (zh) | 适用规则分析方法、装置、电子设备及存储介质 | |
| CN113221888B (zh) | 车牌号管理系统测试方法、装置、电子设备及存储介质 | |
| CN113536782B (zh) | 敏感词识别方法、装置、电子设备及存储介质 | |
| CN116739001A (zh) | 基于对比学习的文本关系提取方法、装置、设备及介质 | |
| CN113822215A (zh) | 设备操作指引文件生成方法、装置、电子设备及存储介质 | |
| CN113936286A (zh) | 图像文本识别方法、装置、计算机设备及存储介质 | |
| CN114120347A (zh) | 表单校验方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |