用于指纹认证的方法、设备和非瞬态计算机可读存储介质

技术领域

本公开一般地涉及指纹识别技术领域。更具体地，本公开涉及一种用于指纹认证的方法、设备和非瞬态计算机可读存储介质。

背景技术

随着信息技术的不断发展，信息安全变的越来越重要。无论对于便携式电子设备或是门禁设备等，进行用户的身份认证已经成为一种趋势，指纹识别技术也因此应运而生。然而，现今出现的指纹模仿技术，可以通过在假手指上复制指纹信息来欺骗指纹识别系统，以达到非法侵入的目的。因此，如何能够提升指纹认证的准确性和安全性，成为了目前亟待解决的技术问题。

发明内容

鉴于上面所提到的技术问题，本公开的技术方案在多个方面提供一种用于指纹认证的方法、设备和非瞬态计算机可读存储介质。

在本公开的第一方面中，提供一种用于指纹认证的方法，包括：响应于接收到认证请求，执行第一模式的指纹图像采集和比对，以及选择性执行第二模式的指纹图像采集和比对，其中在所述第一模式下，采集目标手指在指纹采集区域的按压操作产生的指纹图像，在所述第二模式下，采集目标手指在指纹采集区域的滑动操作产生的指纹图像序列；以及至少基于所述第一模式的比对结果进行认证。

在本公开的一个实施例中，所述方法进一步包括：响应于所述认证请求的级别为普通级别，基于所述第一模式的比对结果进行认证。

在本公开的另一个实施例中，所述方法进一步包括：响应于所述认证请求的级别为严格级别，基于所述第一模式与第二模式的比对结果进行认证。

在本公开的又一个实施例中，所述方法还包括：在所述第一模式下，将指纹图像与已注册指纹信息进行比对，以进行指纹识别；和/或在所述第二模式下，基于所述指纹图像序列进行真假手指识别。

在本公开的一个实施例中，在执行第一模式的指纹图像采集和比对之前，所述方法还包括：呈现用于指示目标手指至少进行按压操作的提示信息。

在本公开的另一个实施例中，在响应于所述认证请求的级别为严格级别之后，所述方法还包括：呈现用于指示目标手指进行滑动操作的提示信息；或者呈现用于指示目标手指先按压后滑动的提示信息。

在本公开的又一个实施例中，还包括：响应于所述第一模式的比对结果为通过，确定所述认证请求的级别；以及响应于所述级别为严格级别，呈现用于指示目标手指进行滑动操作的提示信息。

在本公开的一个实施例中，还包括：在接收到认证请求时，确定所述认证请求的级别；响应于所述级别为严格级别，呈现用于指示目标手指进行按压操作的提示信息；以及响应于所述第一模式的比对结果为通过，呈现用于指示目标手指进行滑动操作的提示信息。

在本公开的另一个实施例中，还包括：在接收到认证请求时，确定所述认证请求的级别；以及响应于所述级别为严格级别，呈现用于指示目标手指进行先按压后滑动操作的提示信息。

在本公开的又一个实施例中，执行第二模式的指纹图像采集和比对包括：响应于目标手指在指纹采集区域的滑动操作，获取所述目标手指在滑动过程中生成的指纹图像序列；提取所述指纹图像序列中每个指纹图像的静态特征和/或所述指纹图像序列的动态特征；以及基于所述静态特征和/或所述动态特征，确定所述目标手指是否为假手指。

在本公开的一个实施例中，提取所述静态特征包括以下至少一项：生成所述指纹图像的全局灰阶分布；生成所述指纹图像的局部灰阶分布；以及提取所述指纹图像中脊线的毛边特征。

在本公开的另一个实施例中，提取所述动态特征包括以下至少一项：统计所述指纹图像序列中包括部分非指纹区域的指纹图像数量；统计所述指纹图像序列中无指纹信息的指纹图像数量；统计所述指纹图像序列中前后指纹图像的信号强度差异；以及确定所述指纹图像序列的连续匹配命中状态。

在本公开的又一个实施例中，统计所述指纹图像序列中前后指纹图像的信号强度差异包括：计算所述指纹图像序列中前后不同时间段内指纹图像的信号强度分布的标准差或标准差均值；以及比较所述标准差或所述标准差均值之间的差值，以获得所述信号强度差异。

在本公开的一个实施例中，确定所述指纹图像序列的连续匹配命中状态包括：将所述指纹图像序列中各个指纹图像与已注册指纹信息进行匹配，生成匹配结果；响应于所述匹配结果符合第一图案，确定所述指纹图像序列为连续匹配命中状态；以及响应于所述匹配结果符合第二图案，确定所述指纹图像序列为非连续匹配命中状态。

在本公开的另一个实施例中，基于所述静态特征和/或所述动态特征，确定所述目标手指是否为假手指包括：基于所述静态特征和/或所述动态特征，利用预先训练的机器模型或根据预定的逻辑来判断所述目标手指是否为假手指。

在本公开的又一个实施例中，所述预定的逻辑包括满足以下至少一项时确定为假手指：所述指纹图像序列中基于所述静态特征确认为属于假手指的指纹图像数量占比超过第一阈值；所述指纹图像序列中包括部分非指纹区域的指纹图像数量小于第二阈值；所述指纹图像序列中无指纹信息的指纹图像数量大于第三阈值；所述指纹图像序列中前后指纹图像的信号强度差异小于第四阈值；以及所述指纹图像序列为非连续匹配命中状态。

在本公开的一个实施例中，基于所述静态特征确认为假手指包括：根据每个指纹图像的静态特征，检测每个指纹图像是否具有假手指特征；以及响应于检测到假手指特征，确认所述指纹图像属于假手指。

在本公开的另一个实施例中，所述假手指特征包括以下至少一项：所述指纹图像的全局灰阶分布的分布范围小于第五阈值；所述指纹图像的局部灰阶分布的分布范围小于第六阈值；以及所述指纹图像中的脊线具有毛边特征。

在本公开的第二方面中，提供一种用于指纹认证的设备，包括指纹采集装置和处理器，其中：所述处理器配置用于：响应于接收到认证请求，控制所述指纹采集装置执行第一模式下的指纹图像采集，并基于采集的指纹图像执行所述第一模式下的比对，以及选择性地控制所述指纹采集装置执行第二模式下的指纹图像采集，并基于采集的指纹图像序列执行所述第二模式下的比对；以及至少基于所述第一模式的比对结果进行认证；并且所述指纹采集装置配置用于：在所述第一模式下，采集目标手指在指纹采集区域的按压操作产生的指纹图像；或者在所述第二模式下，采集目标手指在指纹采集区域的滑动操作产生的指纹图像序列。

在本公开的一个实施例中，所述处理器还配置用于：响应于所述认证请求的级别为普通级别，基于所述第一模式的比对结果进行认证。

在本公开的另一个实施例中，所述处理器还配置用于：响应于所述认证请求的级别为严格级别，基于所述第一模式与第二模式的比对结果进行认证。

在本公开的又一个实施例中，所述处理器还配置用于：在所述第一模式下，将指纹图像与已注册指纹信息进行比对，以进行指纹识别；和/或在所述第二模式下，基于所述指纹图像序列进行真假手指识别。

在本公开的一个实施例中，所述设备还包括：人机接口，其配置用于在所述处理器的控制下，在执行第一模式的指纹图像采集之前，呈现用于指示目标手指至少进行按压操作的提示信息。

在本公开的另一个实施例中，所述设备还包括：人机接口，其配置用于在所述处理器的控制下，在响应于所述认证请求的级别为严格级别之后，呈现用于指示目标手指进行滑动操作的提示信息；或者呈现用于指示目标手指先按压后滑动的提示信息。

在本公开的又一个实施例中，所述处理器还配置用于：响应于第一模式的比对结果为通过，确定所述认证请求的级别；以及所述设备还包括：人机接口，其配置用于在所述处理器的控制下，在响应于所述级别为严格级别之后，呈现用于指示目标手指进行滑动操作的提示信息。

在本公开的一个实施例中，所述处理器还配置用于：在接收到认证请求时，确定所述认证请求的级别；以及所述设备还包括：人机接口，其配置用于在所述处理器的控制下，在响应于所述级别为严格级别之后，呈现用于指示目标手指进行按压操作的提示信息；以及在响应于第一模式的比对结果为通过时，呈现用于指示目标手指进行滑动操作的提示信息。

在本公开的另一个实施例中，所述处理器还配置用于：在接收到认证请求时，确定所述认证请求的级别；以及所述设备还包括：人机接口，其配置用于在所述处理器的控制下，在响应于所述级别为严格级别之后，呈现用于指示目标手指进行先按压后滑动操作的提示信息。

在本公开的第三方面中，提供一种非瞬态计算机可读存储介质，其存储有用于指纹认证的程序指令，当所述程序指令由至少一个处理器执行时，使得执行：响应于接收到认证请求，控制执行第一模式下的指纹图像采集和比对，以及选择性执行第二模式下的指纹图像采集和比对，其中在所述第一模式下，采集目标手指在指纹采集区域的按压操作产生的指纹图像，在所述第二模式下，采集目标手指在指纹采集区域的滑动操作产生的指纹图像序列；以及至少基于所述第一模式的比对结果进行认证。

通过上述对本公开的技术方案及其多个实施例的描述，本领域技术人员可以理解本公开的用于指纹认证的方法，可以至少基于第一模式下采集的指纹图像的比对结果进行认证，也可以选择性的执行第二模式下采集的指纹图像序列的比对操作，以实现指纹认证的目的。由于第二模式下采集的是目标手指滑动操作产生的指纹图像序列，提高了对目标手指的动作要求以及认证的复杂度，因此在选择第二模式时能够有助于提高指纹认证方法的安全性和可靠性。进一步地，通过选择性的执行第二模式的指纹图像的采集和比对，可以根据信息安全需要提供选择性的指纹认证安全模式，以满足多种认证需求。

附图说明

通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，并且相同或对应的标号表示相同或对应的部分其中：

图1示意性示出根据本公开实施例的用于指纹认证的方法流程图；

图2示意性示出根据本公开实施例的基于第一模式的比对结果进行认证的方法流程图；

图3示意性示出根据本公开实施例的分级别响应的用于指纹认证的方法流程图；

图4示意性示出根据本公开另一个实施例的分级别响应的用于指纹认证的方法流程图；

图5示意性示出根据本公开又一个实施例的分级别响应的用于指纹认证的方法流程图；

图6示意性示出根据本公开实施例的执行第二模式的指纹图像采集和比对的方法流程图；

图7示意性示出根据本公开实施例的提取静态特征和动态特征的过程的示意图；

图8示意性示出根据本公开实施例的真手指指纹图像的全局灰阶分布的示意图；

图9示意性示出根据本公开实施例的假手指指纹图像的全局灰阶分布的示意图；

图10示意性示出根据本公开实施例的真手指指纹图像的局部灰阶分布的示意图；

图11示意性示出根据本公开实施例的假手指指纹图像的局部灰阶分布的示意图；

图12示意性示出根据本公开实施例的指纹图像序列中包括部分非指纹区域的指纹图像的示意图；

图13示意性示出根据本公开实施例的指纹图像序列中包括无指纹信息的指纹图像的示意图；

图14a和图14b示意性示出真手指的指纹图像序列中较前时间段内的指纹图像及其灰阶分布的多个示意图；

图15a和图15b示意性示出真手指的指纹图像序列中较后时间段内的指纹图像及其灰阶分布的多个示意图；

图16a和图16b示意性示出假手指的指纹图像序列中较前时间段内的指纹图像及其灰阶分布的多个示意图；

图17a和图17b示意性示出假手指的指纹图像序列中较后时间段内的指纹图像及其灰阶分布的多个示意图；

图18示意性示出根据本公开实施例的连续匹配命中状态的指纹图像序列的示意图；

图19示意性示出根据本公开实施例的非连续匹配命中状态的指纹图像序列的示意图；以及

图20示意性示出根据本公开实施例的用于指纹认证的设备的框图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

本公开针对现有技术的不足，提供了一种全新的可实现的解决方案。特别的，本公开的用于指纹认证的方法可以至少基于第一模式下采集的指纹图像的比对结果进行认证，也可以选择性的执行第二模式的指纹图像采集和比对，以便根据需要增加对目标手指的动作要求，从而能够提供一种可选安全程度的指纹认证方法。

通过下面的描述，本领域技术人员可以理解的是，本公开还在多个实施例中提供了根据认证请求的级别执行的多种认证操作，例如呈现用于指示目标手指操作的提示信息等，以满足不同的应用场景需求。在另一些实施例中，通过对第二模式下采集的指纹图像序列提取静态特征和/或动态特征，能够有效识别目标手指是否为假手指，从而有利于提高第二模式下的指纹认证的准确性和安全性。下面结合附图来详细描述本公开的具体实施方式。

图1示意性示出根据本公开实施例的用于指纹认证的方法流程图。如图1中所示，提供一种用于指纹认证的方法100，可以包括：步骤102中，响应于接收到认证请求，执行第一模式的指纹图像采集和比对，以及选择性执行第二模式的指纹图像采集和比对，其中在第一模式下，可以采集目标手指在指纹采集区域的按压操作产生的指纹图像，在第二模式下，可以采集目标手指在指纹采集区域的滑动操作产生的指纹图像序列。

上文中所述的指纹图像可以是包含指纹对象的图像，例如可以是包含目标手指的指纹的图像。目标手指可能为已注册指纹信息所属的真实手指，也可能为用于欺骗认证系统而仿制的假手指。在一些应用场景中，指纹采集区域可以承载于触摸屏上，使得在步骤102中可以采集目标手指在触摸屏上的按压操作产生的指纹图像，以及选择性采集目标手指在触摸屏上的滑动操作产生的指纹图像序列。在一些实施例中，第一模式下采集的指纹图像可以包括一张或多张，第一模式下的指纹图像的比对可以包括对采集到的一张或多张指纹图像进行的比对。

上文中所述的选择性执行是指可以根据需要执行或者不执行。在一些实施例中，可以执行第一模式的指纹图像采集和比对，以及执行第二模式的指纹图像采集和比对。在另一些实施例中，可以仅执行第一模式的指纹图像采集和比对。上文中所述的指纹图像序列可以包括多张图像。在又一些实施例中，指纹图像序列可以通过在上述滑动操作过程中执行连续图像采集操作来获得。

接着，在步骤104中，可以至少基于第一模式的比对结果进行认证。在一些实施例中，可以仅基于第一模式的比对结果进行认证。在另一些实施例中，可以基于第一模式的比对结果和第二模式的比对结果进行认证。例如，在本公开的一个实施例中，方法100可以进一步包括：响应于认证请求的级别为普通级别，基于第一模式的比对结果进行认证。在本公开的另一个实施例中，方法100可以进一步包括：响应于认证请求的级别为严格级别，基于第一模式与第二模式的比对结果进行认证。

在本公开的又一个实施例中，方法100还可以包括：在第一模式下，将指纹图像与已注册指纹信息进行比对，以进行指纹识别；和/或在第二模式下，基于指纹图像序列进行真假手指识别。在一些应用场景中，已注册指纹信息可以包括具有登入权限的用户的指纹信息，并可以通过预先录入和存储在例如指纹认证系统或者数据库中以便于认证操作。本发明人发现，由于真手指具有柔软以及非平面等特点，其在滑动过程中使用的力道有可能不同，无法保证与指纹采集区域的接触面始终相同，因此真手指产生的指纹图像序列中的多个指纹图像之间会产生差异性或者形成变化趋势，而假手指难以制成与真手指相同的质感和弧度，因此假手指产生的指纹图像序列中难以获得如真手指一样的差异性或者变化趋势。基于这样的发现，本公开实施例的方法可以在第二模式下基于指纹图像序列进行真假手指的识别。

以上结合图1对根据本公开实施例的用于指纹认证的方法进行了示例性的描述，本领域技术人员可以理解的是，上面的描述是示例性的而非限制性的，例如在一些实施例中，在第一模式下采集的多张指纹图像，可以均与已注册指纹信息进行比对，并可以根据比对结果中比对通过的图像比例来确定是否通过认证。在另一些实施例中，在第一模式下采集的多张指纹图像，可以依次与已注册指纹信息进行比对；响应于当前比对的指纹图像比对通过，可以停止对后续指纹图像进行比对。为了便于理解，下面将结合图2进行示例性的描述。

图2示意性示出根据本公开实施例的基于第一模式的比对结果进行认证的方法流程图。如图2中所示，方法200可以包括：在步骤201中，可以响应于接收到认证请求，开始指纹认证流程；接着，在步骤202中，可以执行第一模式的指纹图像采集(或称取图)操作，可以根据需要采集一张或者多张指纹图像，例如可以采集如图203中所示的(虚线箭头指向的)指纹图像。在一些实施例中，可以通过控制单张取图时间以获取瞬时、清晰的指纹图像。例如，在另一些实施例中，单张取图时间可以为8毫秒(ms)～20ms。

然后，流程可以前进到步骤204中，可以对步骤202中采集的指纹图像进行特征提取，例如可以通过提取指纹图像中的指纹特征点(例如虚线箭头指向的图205中所示)来实现特征提取的目的。特征提取可以包括例如提取指纹图像中的指纹脊线特征和指纹谷线(即相邻脊线之间的区域)特征等。

如图2中所示，在执行步骤204之后，可以继续执行步骤206，可以将指纹图像与已注册指纹信息进行比对，以进行指纹识别。将指纹图像与已注册指纹信息进行比对可以将指纹图像中提取的指纹特征与已注册指纹信息中相应位置的指纹信息进行比对，例如可参考图207(虚线箭头指向)中所示，图205为步骤204中获得的特征提取图，图2071可以为已注册指纹信息图。在步骤206中可以将指纹图像的特征提取图205与已注册指纹信息图2071进行相应特征点的比对，通过统计比中的特征点的数量或者比中的特征点所占的比例是否大于预设阈值，来确定指纹图像与已注册指纹信息是否比对成功。在一些实施例中，单张取图和单张比对时间可以控制在55ms～125ms之间，有利于提高单张指纹图像的比对效率。

接着，响应于步骤206中的比对通过，可以执行步骤208中的解锁或者通过认证的操作。在一些应用场景中，解锁或者通过认证的操作可以包括对触摸屏的解锁操作或者用户身份认证通过的操作等。

如图2中进一步示出的，响应于步骤206中的比对失败，可以执行步骤209，可以判断当前比对次数是否超过单次比对数量。单次比对数量可以是单次任务(即单次认证请求)中允许进行比对的指纹图像数量，单次比对数量可以根据需要进行设置。提高单次比对数量有利于提高比中概率，但是单次比对数量太多可能会影响第一模式下的整体比对速度和认证效率。在一些实施例中，单次比对数量可以设置为1～5次，可以在保证第一模式下的整体比对速度和认证效率的同时，提高比中概率以降低误判率。

在一些应用场景中，设定单次比对数量为5张，当步骤202中采集的第一张指纹图像在步骤206中比对失败时，可以在步骤209中判断是否超过单次比对数量，由于步骤206中执行比对的指纹图像还未达到5张，因此可以在执行步骤209中判定未超过单次比对数量，可以继续执行步骤202的取图操作；当在单次任务中步骤209中判断执行比对的指纹图像已达到5张时，则可以执行步骤210，即解锁失败或者认证失败的操作。

以上结合图2对根据本公开实施例的基于第一模式的认证方法进行了示例性的描述，本领域技术人员可以理解的是，上面的描述和图中所示是示例性的而非限制性的，例如单次比对数量可以不限于5张以内，可以根据需要设置的更多。例如当单张指纹图像所需的比对时间更少时，可以增加单次比对数量而不影响认证效率。还例如，在另一些实施例中，在执行第一模式的指纹图像采集和比对之前，方法200还可以包括呈现用于指示目标手指至少进行按压操作的提示信息。至少进行按压操作的提示信息可以包括仅进行按压操作的提示信息，或者可以包括进行按压操作和其他操作的提示信息。例如，在又一些实施例中，至少进行按压操作的提示信息可以包括进行按压操作和进行滑动操作的提示信息。下面将结合图3-图5进行示例性的描述。

图3示意性示出根据本公开实施例的分级别响应的用于指纹认证的方法流程图。通过下面的描述，本领域技术人员可以理解的是，图3所示的方法300是前文中结合图1所示方法100的一个具体化表现形式，因此前文中关于图1的描述也适用于下面关于图3的描述中。

如图3中所示，方法300可以包括：在步骤301中，可以响应于接收到认证请求，呈现用于指示目标手指进行按压操作的提示信息。该进行按压操作的提示信息可以可视或者可听的形式呈现，例如可以包括动画、图片、文字、语音、视频、指示灯、震动等中的一种或多种形式。

接着，在步骤302中，可以执行第一模式的指纹图像采集和比对。执行第一模式的指纹图像采集和比对已经在前文中结合图1和图2进行了详细的描述，此处不再赘述。在一些实施例中，响应于第一模式的比对结果失败，可以返回步骤301中等待接收下一次的认证请求。在另一些实施例中，响应于第一模式的比对结果失败，可以停止执行后续步骤，并可以发出用于提示认证失败或者解锁失败的提示信息。

在又一些实施例中，流程可以前进到步骤303中，响应于第一模式的比对结果为通过，可以确定认证请求的级别。在一些实施例中，认证请求的级别可以从接收到的认证请求中获取。在另一些实施例中，响应于认证请求中不包含与级别相关的信息，可以根据预设的默认级别进行级别的确定。接着，根据确定的级别，可以选择执行步骤304或者步骤305。如图3中所示，在步骤304中，可以响应于认证请求的级别为普通级别，并直接执行步骤307，可以执行解锁或者通过认证的操作。在一些应用场景中，普通级别可以适用于例如屏幕解锁等认证需求中。步骤307与前文中结合图2所描述的步骤208相同或相似，此处不再赘述。

如图3中进一步示出的，在步骤305中，可以响应于级别为严格级别，呈现用于指示目标手指进行滑动操作的提示信息。该进行滑动操作的提示信息可以以可视或者可听的形式呈现，例如可以包括动画、图片、文字、语音、视频、指示灯、震动等中的一种或多种形式。在一些应用场景中，严格级别可以适用于例如金融操作、移动支付等安全级别需求较高的场景中。

然后，流程可以前进到步骤306中，可以执行第二模式的指纹图像采集和比对。在第二模式下，可以采集目标手指在指纹采集区域的滑动操作产生的指纹图像序列，并可以基于指纹图像序列进行真假手指识别。根据这样的设置，既需要执行第一模式对指纹的识别，也需要执行第二模式的对真假手的辨识，有利于提高指纹认证的准确性，并能够有效提高严格级别下的指纹认证的安全性和可靠性。

在一些实施例中，响应于步骤306中执行的第二模式的指纹图像的比对失败，可以返回步骤301中等待接收下一次的认证请求。在另一些实施例中，响应于步骤306中执行的第二模式的比对结果失败，可以发出用于提示认证失败或者解锁失败的提示信息。在又一些实施例中，响应于步骤306中执行的第二模式的指纹图像的比对通过，可以执行步骤307中解锁或者通过认证的操作。

以上结合图3对根据本公开实施例的分级别响应的用于指纹认证的方法进行了示例性的描述，可以理解的是，图3所示的实施方式可以在第一模式的比对失败时就判定认证失败，并且可以无需执行后续确定级别等步骤，有利于在指纹认证的初步阶段快速排除与已注册指纹信息明显不匹配的指纹图像，从而在一些应用场景中可以有利于提高认证速度和认证效率。本领域技术人员还可以理解的是，上面结合图3的描述是示例性的而非限制性的，例如，步骤303中确定认证请求级别可以不限于在步骤302之后执行，在另一些实施例中，确定认证请求的级别的步骤也可以在步骤302之前执行。下面将结合图4和图5进行详细描述。

图4示意性示出根据本公开另一个实施例的分级别响应的用于指纹认证的方法流程图。如图4中所示，方法400可以包括：在步骤401中，可以在接收到认证请求时，确定认证请求的级别。确定认证请求的级别的实施方式可以与前文中结合图3中步骤303所描述的相同或者相似，此处不再赘述。接着，可以根据确定的级别，选择性执行步骤402或者步骤404。

如图4中所示，在步骤402中，可以响应于级别为普通级别，呈现用于指示目标手指进行按压操作的提示信息。接着，可以响应于目标手指在指纹采集区域的按压操作，执行步骤403，即执行第一模式的指纹图像采集和比对。在一些实施例中，响应于步骤403中执行的第一模式的指纹图像的比对失败，可以执行返回步骤401的操作，以等待接收下一次的认证请求。在另一些实施例中，响应于步骤403中执行的第一模式的比对结果失败，可以发出用于提示认证失败或者解锁失败的提示信息。在又一些实施例中，响应于步骤403中执行的第一模式的指纹图像的比对通过，可以执行步骤408，以执行解锁或者通过认证的操作。

如图4中进一步示出的，在步骤404中，可以响应于级别为严格级别，呈现用于指示目标手指进行按压操作的提示信息。接着，可以响应于目标手指在指纹采集区域的按压操作，执行步骤405，即执行第一模式的指纹图像采集和比对。在一些实施例中，响应于步骤405中执行的第一模式的指纹图像的比对失败，可以执行返回步骤401的操作，以等待接收下一次的认证请求。在另一些实施例中，响应于步骤405中执行的第一模式的比对结果失败，可以发出用于提示认证失败或者解锁失败的提示信息。

在又一些实施例中，在步骤406中，可以响应于第一模式的比对结果为通过，呈现用于指示目标手指进行滑动操作的提示信息。接着，可以响应于目标手指在指纹采集区域的滑动操作，执行步骤407，即执行第二模式的指纹图像采集和比对。在一些实施例中，可以采集目标手指滑动操作产生的指纹图像序列，并基于采集到的指纹图像序列进行真假手指识别。

接着，响应于步骤407中第二模式的指纹图像的比对结果为通过，可以执行步骤408，以执行解锁或者通过认证的操作。在另一些实施例中，响应于步骤407中的第二模式的指纹图像的比对结果为失败，可以执行返回步骤401的操作，以等待接收下一次的认证请求。在又一些实施例中，响应于步骤407中的第二模式的比对结果为失败，可以发出用于提示认证失败或者解锁失败的提示信息。

以上结合图4对根据本公开另一实施例的用于指纹认证的方法进行了示例性的描述，可以理解的是，上面的描述以及图4所示是示例性的而非限制性的，本领域技术人员可以根据需要进行调整，例如，在步骤404中响应于认证请求的级别为严格级别之后，可以不限于呈现用于指示目标手指进行按压操作的提示信息，在另一些实施例中，可以呈现用于指示目标手指先按压后滑动的提示信息。为了便于理解，下面将结合图5进行示例性的描述。

图5示意性示出根据本公开又一个实施例的分级别响应的用于指纹认证的方法流程图。如图5中所示，方法500可以包括，在步骤501中，可以在接收到认证请求时，确定认证请求的级别。接着，可以根据确定的级别，选择性执行步骤502或者步骤504。在步骤502中，可以响应于级别为普通级别，呈现用于指示目标手指进行按压操作的提示信息。然后，流程可以前进到步骤503中，可以执行第一模式的指纹图像采集和比对。在一些实施例中，响应于步骤503中的第一模式的比对结果为通过，可以执行步骤507中的解锁或者通过认证的操作。图5中所示的步骤501、步骤502、步骤503和步骤507分别与前文中结合图4所描述的步骤401、步骤402、步骤403和步骤407相同或相似，此处不再赘述。下面将详细描述响应于级别为严格级别时执行的操作。

如图5中进一步示出的，在步骤504中，响应于级别为严格级别，可以呈现用于指示目标手指进行先按压后滑动操作的提示信息。该先按压后滑动操作的提示信息可以以可视或者可听的形式呈现，例如可以包括动画、图片、文字、语音、视频、指示灯等中的一种或多种形式。接着，响应于目标手指在指纹采集区域的先按压后滑动操作，可以执行步骤505，即执行第一模式的指纹图像采集和比对。在一些实施例中，响应于步骤505中的第一模式的指纹图像的比对结果为失败，可以执行返回步骤501的操作，以等待接收下一次的认证请求。在另一些实施例中，响应于步骤505中的第一模式的比对结果为失败，可以发出用于提示认证失败或者解锁失败的提示信息。

进一步地，如图5中所示，在步骤506中，响应于在步骤505中执行的第一模式的比对结果为通过，可以执行第二模式的指纹图像采集和比对。响应于步骤506中第二模式的指纹图像的比对结果为通过，可以执行步骤507中解锁或者通过认证的操作。在一些实施例中，响应于步骤506中的第二模式的指纹图像的比对结果为失败，可以执行返回步骤501的操作，以等待接收下一次的认证请求。在另一些实施例中，响应于步骤506中的第二模式的比对结果为失败，可以发出用于提示认证失败或者解锁失败的提示信息。

以上结合图5对根据本公开又一个实施例的分级别响应的用于指纹认证的方法进行了详细描述，应该理解的是，根据本实施例中的步骤504，在响应于级别为严格级别之后，呈现用于指示目标手指进行先按压后滑动操作的提示信息，可以使得目标手指一次性完成全部动作后再抬起，有利于减少严格级别下的用户操作次数，从而有利于提高用户体验。本领域技术人员还可以理解的是，以上描述是示例性的而非限制性的，例如步骤506中执行第二模式的指纹图像采集，可以不限于图示中的在步骤505之后执行，在另一些实施例中，第二模式的指纹图像序列的采集可以在执行第一模式的指纹图像的比对之前执行，即可以在目标手指的按压和滑动过程中实现第一模式的指纹图像采集与第二模式的指纹图像序列的采集，而无需等待第一模式的比对结果。还例如，在又一些实施例中，响应于级别为严格级别，可以呈现用于指示目标手指进行先滑动后按压操作的提示信息。

以上结合图3-图5对根据本公开的多个实施例的用于指纹认证的方法进行了详细的描述，本领域技术人员可以根据应用需求选择不同的实现方式。为了更好的理解第二模式的指纹图像采集和比对过程，下面将结合图6对执行第二模式的指纹图像采集和比对的一个详细实施方式进行描述。

图6示意性示出根据本公开实施例的执行第二模式的指纹图像采集和比对的方法流程图。如图6中所示，方法600可以包括：在步骤601中，响应于目标手指在指纹采集区域的滑动操作，可以获取目标手指在滑动过程中生成的指纹图像序列。在一些应用场景中，响应于目标手指在指纹采集区域进行先按压后滑动的操作，可以获取目标手指在按压过程中生成的指纹图像用于第一模式的比对，以及可以获取目标手指在滑动过程中生成的指纹图像序列，以用于第二模式的比对。

在一些实施例中，可以通过控制指纹图像序列的采集时间，来控制获得的指纹图像序列中的指纹图像数量。图像采集时间越长，获得的指纹图像将会越多，有利于提高第二模式下的比对准确度。但是获得的指纹图像越多，需要处理的数据量就会越大，可能影响第二模式下的比对速度和效率。在另一些实施例中，在目标手指的滑动过程中，可以控制取图时间(或称图像采集时间)为0.5秒(s)～1.5s，可以连续获取例如4～28张指纹图像，这样的取图时间和取图数量可以满足第二模式的比对准确度要求，还能够保证比对的速率和效率。

接着，在步骤602中，可以提取指纹图像序列中每个指纹图像的静态特征和/或指纹图像序列的动态特征。为了便于理解静态特征和/或动态特征的提取过程，下面将参考图7进行示例性的说明。

图7示意性示出根据本公开实施例的提取静态特征和动态特征的过程的示意图。如图7中所示，静态特征可以直接从每张取图中提取，动态特征可以在相邻两张取图中提取，以获得该相邻两张取图之间的动态变化特征。在一些实施例中，动态特征可以从相邻两张取图中提取的静态特征中获得。另外，需要说明的是，图7中所示的取图1～取图n构成指纹图像序列，其中取图1可以表示在目标手指的滑动过程中采集的第一张指纹图像，取图2可以表示在目标手指的滑动过程中采集的第二张指纹图像，类似地，取图n可以表示在目标手指的滑动过程中采集的第n张指纹图像，n表示正整数。

通过上面结合图7的描述，可以理解的是，静态特征可以直接从指纹图像序列的每个指纹图像中获得，动态特征可以从指纹图像序列中的多张指纹图像中获得。本领域技术人员还需要理解的是，图7中所示的提取过程是示例性的而非限制性的，例如，动态特征的提取可以不限于在相邻两个指纹图像之间提取，可以在数量更多的指纹图像中提取，以获得多个指纹图像之间的动态变化趋势。还例如，在一些应用场景中，可以不限于将静态特征和动态特征均提取出来，可以根据需要仅提取指纹图像序列的静态特征或者动态特征。

在结合图7描述了提取静态特征和/或动态特征的过程之后，下面将返回图6中继续描述。如图6中所示，在步骤602中，可以提取指纹图像序列中的静态特征和/或动态特征，在本公开的一个实施例中，提取静态特征可以包括以下至少一项：生成指纹图像的全局灰阶分布；生成指纹图像的局部灰阶分布；以及提取指纹图像中脊线的毛边特征。灰阶分布可以是灰度图像的灰阶值的分布情况，灰阶值一般可以包括0到255的数值范围，其中灰阶值255表示白色，灰阶值0表示黑色。生成指纹图像的全局灰阶分布可以包括生成每个指纹图像的整体(或称全部)的灰阶分布情况。局部灰阶分布可以包括每个指纹图像中的部分区域的灰阶分布情况。脊线的毛边特征可以包括脊线边界模糊的情况。指纹的脊线可以是由手指指腹上凸起的皮肤形成的线条纹路。

在本公开的另一个实施例中，提取动态特征可以包括以下至少一项：统计指纹图像序列中包括部分非指纹区域的指纹图像数量；统计指纹图像序列中无指纹信息的指纹图像数量；统计指纹图像序列中前后指纹图像的信号强度差异；以及确定指纹图像序列的连续匹配命中状态。包括部分非指纹区域的指纹图像可以是指指纹图像中包括部分指纹区域和部分非指纹区域。在一些实施例中，无指纹信息的指纹图像可以包括没有任何与指纹相关的信息的图像，例如空白图像。

在本公开的又一个实施例中，统计指纹图像序列中前后指纹图像的信号强度差异可以包括：计算指纹图像序列中前后不同时间段内指纹图像的信号强度分布的标准差或标准差均值；以及比较标准差或标准差均值之间的差值，以获得信号强度差异。前后不同时间段内指纹图像可以包括一张或者多张指纹图像。前后不同时间段内指纹图像的数量可以相同或不同。例如，在一些实施例中，前后不同时间段中较前时间段内可以包括一张指纹图像，较后时间段内可以包括多张指纹图像。在另一些实施例中，前后不同时间段中较前时间段内可以包括多张指纹图像，较后时间段内可以包括一张指纹图像。在又一些实施例中，指纹图像序列中较前时间段内可以包括一张指纹图像，较后时间段内可以包括一张指纹图像。在再一些实施例中，指纹图像序列中较前时间段内可以包括多张指纹图像，较后时间段内可以包括多张指纹图像。

根据本公开的一个实施例，指纹图像的信号强度分布可以从例如指纹图像的灰阶分布中获得。根据本公开的另一个实施例，指纹图像的信号强度差异可以从指纹频谱的差异中获得。通常真手指的指纹的饱和度会比较分明，其指纹频谱中的高频效果较强；而假手指的指纹会稍微浑浊，其指纹频谱中的高频效果较低。在一些实施例中，可以通过一些频谱工具(例如傅立叶变换、小波转换等)的拆解，来达到频谱分析的效果。在本公开的又一个实施例中，指纹图像的信号强度差异可以从指纹边缘的强度差异中获取。指纹边缘的强度可以通过例如sobel算子、schar算子等执行高通滤波(Highpass filer)来获得，由于真手指的指纹边缘比假手指的指纹边缘锋利，因此通过指纹边缘的强度来判断指纹的真假是可靠的。

在本公开的另一个实施例中，确定指纹图像序列的连续匹配命中状态可以包括：将指纹图像序列中各个指纹图像与已注册指纹信息进行匹配，生成匹配结果；响应于匹配结果符合第一图案，确定指纹图像序列为连续匹配命中状态；以及响应于匹配结果符合第二图案，确定指纹图像序列为非连续匹配命中状态。在一些实施例中，第一图案可以包括以下情形：指纹图像序列中任一指纹图像匹配命中之后，后续指纹图像持续匹配命中，直至出现未匹配命中的指纹图像或者检测到目标手指离开指纹采集区域为止，且该未匹配命中的指纹图像后续的指纹图像均未匹配命中。在另一些实施例中，第二图案可以包括例如指纹图像序列中存在先匹配命中、然后匹配不命中，之后又匹配命中的情况。为了便于理解，下面将对第一图案和第二图案进行举例说明。

在又一些实施例中，可以将指纹图像与已注册指纹信息匹配命中设置为1，以及将指纹图像与已注册指纹信息匹配失败设置为0，则第一图案可以包括例如0011111111100、011111111111、11111111111000、11111111111等中的至少一种；第二图案可以包括例如0011100111000、1111110011111、100111111000、00011111011111等中的至少一种。需要说明的是，该实施例中的1和0的个数是示例性的，可以根据实际应用情况而改变，1和0的个数之和可以与指纹图像序列中包含的指纹图像数量相对应。

如图6中进一步示出的，流程可以前进到步骤603中，可以基于静态特征和/或动态特征，确定目标手指是否为假手指。在一些实施例中，可以仅基于静态特征确定目标手指是否为假手指。在另一些实施例中，可以仅基于动态特征确定目标手指是否为假手指。在又一些实施例中，可以基于静态特征和动态特征确定目标手指是否为假手指。在再一些实施例中，响应于确定目标手指为假手指，可以判定第二模式下的比对失败。

在本公开的另一个实施例中，基于静态特征和/或动态特征，确定目标手指是否为假手指可以包括：基于静态特征和/或动态特征，利用预先训练的机器模型或根据预定的逻辑来判断目标手指是否为假手指。在一些实施例中，机器模型可以包括基于深度神经网络的模型，并可以通过预先对机器模型进行静态特征和动态特征的判断训练以及利用机器模型的自学习能力，实现判断假手指的目的。

在本公开的又一个实施例中，预定的逻辑可以包括满足以下至少一项时确定为假手指：指纹图像序列中基于静态特征确认为属于假手指的指纹图像数量占比超过第一阈值；指纹图像序列中包括部分非指纹区域的指纹图像数量小于第二阈值；指纹图像序列中无指纹信息的指纹图像数量大于第三阈值；指纹图像序列中前后指纹图像的信号强度差异小于第四阈值；以及指纹图像序列为非连续匹配命中状态。

在一些实施例中，满足至少一项时确定为假手指可以包括：上述五个条件全部满足时确定为假手指。根据这样的设置，确定为假手指需要满足的条件更为严苛，使得判断为假手指的操作更加谨慎，有利于较大程度的降低确认假手指的误判率。

在另一些实施例中，预定的逻辑还可以包括在上述五个条件中选取一个或多个执行判断。在又一些实施例中，预定的逻辑可以包括选取上述五个条件中的至少两个条件进行假手指的判断。

在一些实施例中，预定的逻辑可以包括按照预设的判断顺序执行对上述五个条件的判断。例如，在另一些实施例中，按照预设的判断顺序对上述五个条件依次执行判断时，响应于满足当前条件时，可以停止对排序在当前条件之后的其他条件的判断操作，并可以直接确定目标手指为假手指。

在本公开的一个实施例中，基于静态特征确认为假手指可以包括：根据每个指纹图像的静态特征，检测每个指纹图像是否具有假手指特征；以及响应于检测到假手指特征，可以确认指纹图像属于假手指。即响应于检测到假手指特征，可以确认检测到假手指特征的指纹图像属于假手指。在本公开的另一个实施例中，假手指特征可以包括以下至少一项：指纹图像的全局灰阶分布的分布范围小于第五阈值；指纹图像的局部灰阶分布的分布范围小于第六阈值；以及指纹图像中的脊线具有毛边特征。毛边特征可以体现为指纹图像中所示指纹的纹路黑白边界不分明、指纹脊线和谷线之间界限模糊等现象。毛边特征可以通过例如影像分析、灰阶分布分析等方式判断。

通过确认指纹图像序列中每个指纹图像是否属于假手指，可以统计出指纹图像序列中确认为属于假手指的指纹图像数量，并可以通过计算该指纹图像数量占指纹图像序列中指纹图像总数的比例，得到指纹图像序列中基于静态特征确认为属于假手指的指纹图像数量占比。在一些实施例中，第一阈值可以为70％。

以上结合图6和图7对根据本公开实施例的第二模式的指纹图像采集和比对的方法进行了详细描述，本领域技术人员可以理解的是，以上描述是示例性的而非限制性地，例如，第二模式的指纹图像采集和比对可以不限于图示中的步骤，还可以根据需要进行调整。在另一些实施例中，方法600还可以包括：检测目标手指是否离开指纹采集区域；响应于检测到目标手指离开指纹采集区域，可以停止采集指纹图像，并可以基于指纹图像序列的静态特征和动态特征中的至少一个进行假手指判断；响应于检测到目标手指未离开指纹采集区域，可以继续采集指纹图像，并继续提取静态特征和/或动态特征。进一步地，为了更容易理解真手指和假手指二者的静态特征和/或动态特征的区别，也为了进一步验证本公开实施例的第二模式下的指纹图像比对方法的准确性和可靠性，下面将结合图8-图19进行示例性的展示和描述。

图8示意性示出根据本公开实施例的真手指指纹图像的全局灰阶分布的示意图。如图8中所示，真手指的指纹图像801中呈现的指纹纹路较深，且脊线与谷线之间的边界清晰。如图中所示，灰阶分布图802是指纹图像801的全局灰阶分布示意图，从全局灰阶分布图802中可以看出，真手指的指纹图像801的全局灰阶最小值为71、最大值为255，分布范围较宽。

图9示意性示出根据本公开实施例的假手指指纹图像的全局灰阶分布的示意图。与图8中所示的真手指的指纹图像801相比，图9中所示的假手指的指纹图像901中呈现的指纹纹路明显较浅，且脊线与谷线之间的边界明显模糊。如图9中进一步示出的，灰阶分布图902是指纹图像901的全局灰阶分布示意图，从全局灰阶分布图902中可以看出，假手指的指纹图像901的全局灰阶最小值为163、最大值为255。与图8中所示的全局灰阶分布图802相比，图9中所示的全局灰阶分布范围明显较窄。因此，在一些实施例中，可以通过判断指纹图像的全局灰阶分布范围来判断目标手指是否为假手指。例如，在另一些实施例中，当检测到指纹图像的全局灰阶分布的分布范围(即灰阶分布涉及区域占全部灰阶值0～255的比例)小于第五阈值时，可以确认目标手指为假手指。在又一些实施例中，第五阈值可以为例如50％。

以上结合图8和图9对来自真手指和假手指的指纹图像的全局灰阶分布进行了比较和分析，通过上面的描述，本领域技术人员可以理解的是，来自真手指和来自假手指的指纹图像的全局灰阶分布范围具有显著的差异性，因此将全局灰阶分布范围作为假手指特征是准确且可靠的。在另一些实施例中，也可以基于指纹图像的局部灰阶分布来辨识假手指，下面将结合图10和图11进行描述。

图10示意性示出根据本公开实施例的真手指指纹图像的局部灰阶分布的示意图。如图10中所示，可以选取来自真手指的指纹图像1001中的局部指纹区域1002(图中以圆圈示出)进行灰阶分布分析，可以得到局部灰阶分布图1003。从局部灰阶分布图1003中可以看出，真手指的指纹图像1001的局部灰阶最小值为11、最大值为244，分布范围较宽。

图11示意性示出根据本公开实施例的假手指指纹图像的局部灰阶分布的示意图。如图11中所示，可以选取来自假手指的指纹图像1101中的局部指纹区域1102(图中以圆圈示出)进行灰阶分布分析，可以得到局部灰阶分布图1103。如指纹图像1101中可以看出，假手指的指纹图像的局部指纹区域1102中呈现的指纹纹路模糊，脊线和谷线之间的边界模糊，这种特征也可称为脊线的毛边特征。从局部灰阶分布图1103中可以看出，假手指的局部指纹区域1102的灰阶最小值为80、最大值为210。与图10中所示的局部灰阶分布图1003相比，图11中所示的局部灰阶分布范围明显较窄。因此，在一些实施例中，可以通过判断指纹图像的局部灰阶分布范围来确认目标手指是否为假手指。例如，在另一些实施例中，当检测到指纹图像的局部灰阶分布的分布范围小于第六阈值时，可以确认目标手指为假手指。在又一些实施例中，第六阈值可以为例如50％。

以上结合图10和图11对来自真手指和假手指的指纹图像的局部灰阶分布进行了比较和说明，通过上面的描述，本领域技术人员可以理解的是，来自真手指和来自假手指的指纹图像的局部灰阶分布范围具有显著的差异性，因此将局部灰阶分布范围作为假手指特征是准确且可靠的。在一些实施例中，可以根据指纹图像序列中每个指纹图像的静态特征，确认每个指纹图像是否具有假手指特征，并根据指纹图像序列中具有假手指特征的指纹图像的数量占比确定目标手指是否为假手指。本领域技术人员还应该理解的是，以上描述是示例性的而非限制性的，例如脊线的毛边特征可以不限于通过灰阶分布来检测，也可以通过其他检测方式实现，例如利用图像识别技术等。

上面对基于静态特征确认为假手指的实施方式进行了示例性的描述，下面将结合多个示意图对基于动态特征判断目标手指是否为假手指的实现方式进行具体说明。

图12示意性示出根据本公开实施例的指纹图像序列中包括部分非指纹区域的指纹图像的示意图。如图12中所示，本实施例的指纹图像序列中可以包括十个指纹图像，其中四个指纹图像中包括部分非指纹区域(例如图示中虚线圆圈示出的非指纹区域1201、1202、1203和1204)，即该指纹图像序列中包括部分非指纹区域的指纹图像数量为四个。本发明人发现，由于真手指的接触面不是平面，因此真手指在指纹采集区域的滑动过程中，容易产生部分指腹不接触指纹采集区域的情况，从而容易采集到包含部分非指纹区域的指纹图像。由于假手指难以模拟真手指的弧度，因此假手指接触指纹采集区域难以产生包括部分非指纹区域的指纹图像。基于本实施例的发现，在一些实施例中，可以通过判断指纹图像序列中包括部分非指纹区域的指纹图像数量来确认目标手指是否为假手指。例如，在另一些实施例中，当检测到指纹图像序列中包括部分非指纹区域的指纹图像数量小于第二阈值时，可以确认目标手指为假手指。在又一些实施例中，第二阈值可以设置为例如3或4或6或8。

图13示意性示出根据本公开实施例的指纹图像序列中包括无指纹信息的指纹图像的示意图。如图13中所示，在本实施例的指纹图像序列中存在一个无指纹信息的指纹图像1301。本发明人还发现，由于假手指难以制成如真手指一样的接触面，因此在假手指的滑动过程中不容易采集到包含部分非指纹区域的指纹图像，但是平面或者类似平面状态的假手指在拖滑过程中容易采集到全指纹信息的指纹图像或者无指纹信息的指纹图像。例如，在一些应用场景中，当真手指抬离指纹采集区域时，可能采集到包括部分非指纹区域的指纹图像；而当假手指抬离指纹采集区域时，可能采集到的是无指纹信息的指纹图像。在一些实施例中，指纹图像序列中无指纹信息的指纹图像数量大于第三阈值时，可以确认目标手指为假手指，第三阈值可以为0。

以上结合图12和图13分别对真手指具有的包含部分非指纹区域的指纹图像的动态特征以及假手指具有的包含无指纹信息的指纹图像的动态特征进行了示例性的描述，下面将结合图14a-图17b对真手指和假手指的指纹图像序列中前后指纹图像的信号强度差异进行说明。

图14a和图14b示意性示出真手指的指纹图像序列中较前时间段内的指纹图像及其灰阶分布的多个示意图。如图14a中所示，对指纹图像1401进行灰阶分析可以得到灰阶分布图1402，其标准差为39.967。如图14b中所示，对指纹图像1403进行灰阶分析可以得到灰阶分布图1404，其标准差为39.942。灰阶分布图1402和灰阶分布图1404的标准差均值为39.9545。

图15a和图15b示意性示出真手指的指纹图像序列中较后时间段内的指纹图像及其灰阶分布的多个示意图。如图15a中所示，对指纹图像1501进行灰阶分析可以得到灰阶分布图1502，其标准差为32.764。如图15b中所示，对指纹图像1503进行灰阶分析可以得到灰阶分布图1504，其标准差为28.403。灰阶分布图1502和灰阶分布图1504的标准差均值为30.5835。

以灰阶分布体现信号强度分布为例，通过对比真手指的指纹图像序列中前后不同时间段内的指纹图像的信号强度分布的标准差(例如灰阶分布图1402的标准差39.967与灰阶分布图1502的标准差32.764相比)或者标准差均值(例如上述较前时间段内标准差均值39.9545与较后时间段内标准差均值30.5835相比)，可以看出，真手指的指纹图像序列中前后不同时间段内的指纹图像的信号强度差异较大。

图16a和图16b示意性示出假手指的指纹图像序列中较前时间段内的指纹图像及其灰阶分布的多个示意图。如图16a中所示，对指纹图像1601进行灰阶分析可以得到灰阶分布图1602，其标准差为18.600。如图16b中所示，对指纹图像1603进行灰阶分析可以得到灰阶分布图1604，其标准差为15.041。灰阶分布图1602和灰阶分布图1604的标准差均值为16.8205。

图17a和图17b示意性示出假手指的指纹图像序列中较后时间段内的指纹图像及其灰阶分布的多个示意图。如图17a中所示，对指纹图像1701进行灰阶分析可以得到灰阶分布图1702，其标准差为16.625。如图17b中所示，对指纹图像1703进行灰阶分析可以得到灰阶分布图1704，其标准差为16.619。灰阶分布图1702和灰阶分布图1704的标准差均值为16.622。

以灰阶分布体现信号强度分布为例，通过对比假手指的指纹图像序列中前后不同时间段内的指纹图像的信号强度分布的标准差(例如灰阶分布图1602的标准差18.600与灰阶分布图1702的标准差16.625相比)或者标准差均值(例如图16a和图16b的标准差均值16.8205与图17a和图17b的标准差均值16.622相比)，可以看出，假手指的指纹图像序列中前后不同时间段内的指纹图像的信号强度比较接近。

通过比较真手指和假手指的指纹图像序列中前后不同时间段内的指纹图像的信号强度分布标准差或标准差均值可以发现，假手指的指纹图像序列中前后指纹图像的信号强度差异较小。这可能是由于真手指的质感柔软且非平面，使得真手指在接触指纹采集区域以及滑动过程中的前后力道不同，从而会产生不同的信号强度；而假手指的质感通常较硬，特别是平面状态的假手指，在接触指纹采集区域以及滑动过程中的前后力道差异较小，从而会产生较为接近的信号强度。因此，基于指纹图像序列中前后不同时间段内指纹图像的信号强度差异小于第四阈值的逻辑，判定目标手指为假手指是具有准确性和可靠性的。

图18示意性示出根据本公开实施例的连续匹配命中状态的指纹图像序列的示意图。如图18中所示，本实施例中的指纹图像序列中的所有指纹图像均能够与已注册指纹信息匹配通过，即该指纹图像序列为连续匹配命中状态。

图19示意性示出根据本公开实施例的非连续匹配命中状态的指纹图像序列的示意图。如图19中所示，本实施例中的指纹图像序列中存在指纹图像与已注册指纹信息先匹配通过、然后匹配失败、最后又匹配通过的情况，即该指纹图像序列为非连续匹配命中状态。

经过实践证明，真手指接触指纹采集区域(例如指纹传感器)并进行按压和滑动操作时，采集的指纹图像图质比较稳定，因此指纹图像序列中的指纹图像一旦命中，在目标手指离开指纹采集区域之前，容易出现持续命中的状态。然而，由于当假手指接触指纹采集区域时，采集到的指纹图像图质不稳定，因此指纹图像序列中容易出现非连续匹配命中的状态。因此，基于指纹图像序列为非连续匹配命中状态的逻辑，判定目标手指为假手指是具有准确性和可靠性的。

在介绍了本公开示例性实施方式的方法之后，接下来，参考图20对本公开示例性实施方式的用于指纹认证的设备进行描述。

图20示意性示出根据本公开实施例的用于指纹认证的设备的框图。在本公开的第二方面中，提供一种用于指纹认证的设备2000，如图20中所示，设备2000可以包括指纹采集装置2001和处理器2002，其中：处理器2002配置用于：响应于接收到认证请求，控制指纹采集装置2001执行第一模式下的指纹图像采集，并基于采集的指纹图像执行第一模式下的比对，以及选择性地控制指纹采集装置2001执行第二模式下的指纹图像采集，并基于采集的指纹图像序列执行第二模式下的比对；以及至少基于第一模式的比对结果进行认证；并且指纹采集装置2001配置用于：在第一模式下，采集目标手指在指纹采集区域的按压操作产生的指纹图像；或者在第二模式下，采集目标手指在指纹采集区域的滑动操作产生的指纹图像序列。

本公开实施方式的设备在上文中已经结合方法进行了详细的描述和解释，这里将不再赘述。需要说明的是，上文中所述的人机接口可以通过视觉、听觉等方式呈现，例如可以包括但不限于显示器、扬声器等。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解：实现前文结合图1-图19所描述的方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序指令可以存储于非瞬态计算机可读介质中，该程序指令在执行时，执行包括上述方法实施例的步骤。

计算机可读介质可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、静态随机存取存储器(SRAM)、数字多功能盘(DVD)、光存储器件、磁存储器件，或者上述的任意合适的组合。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本公开描述的任何应用或模块可以使用由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。

通过上面对本公开的用于指纹认证的方法和设备等技术方案以及多个实施例的描述，本领域技术人员可以理解的是，本公开的用于指纹认证的方法可以提供一种可选择安全级别的认证方法，并且在选择执行第二模式的指纹图像采集和比对时，能够有效提高指纹认证的准确性和安全性，因此根据本公开实施例的方法既能够满足一些应用场景中快速认证的需求，也能够满足另一些应用场景中对高安全级别认证的需求。

在一些实施例中，本公开实施例的方法可以在第一模式下进行指纹识别，在第二模式下进行真假手指的辨识，从而能够更加全面、准确的对目标手指的指纹特征和指纹来源进行判断，有利于降低认证结果的误判率以及提高认证结果的准确性。在另一些实施例中，本公开实施例的方法还可以根据第二模式下的指纹图像序列中的静态特征和动态特征中的至少一种来确定目标手指是否为假手指，以便更精细、更准确的实现真假手指的辨识。

虽然本公开的实施例如上，但所述内容只是为便于理解本公开而采用的实施例，并非用以限定本公开的范围和应用场景。任何本公开所述技术领域内的技术人员，在不脱离本公开所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本公开的专利保护范围，仍须以所附的权利要求书所界定的范围为准。