CN100364480C - 生物特征信息获取设备和使用生物特征信息的认证设备 - Google Patents
生物特征信息获取设备和使用生物特征信息的认证设备 Download PDFInfo
- Publication number
- CN100364480C CN100364480C CNB028296001A CN02829600A CN100364480C CN 100364480 C CN100364480 C CN 100364480C CN B028296001 A CNB028296001 A CN B028296001A CN 02829600 A CN02829600 A CN 02829600A CN 100364480 C CN100364480 C CN 100364480C
- Authority
- CN
- China
- Prior art keywords
- relative position
- feature
- position information
- topography
- image acquiring
- 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.)
- Expired - Fee Related
Links
Images
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
- G06V40/1335—Combining adjacent partial images (e.g. slices) to create a composite input or reference pattern; Tracking a sweeping finger movement
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Input (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Analysis (AREA)
Abstract
在其中手指沿传感器表面移动同时连续获取局部图像以获取个人认证所需信息的设备如滑动型指纹传感器中,可以利用小存储容量并以高速获取无失真的图像,使得能够以高质量的特征信息进行认证。所述设备包括:图像获取装置(10),用于生成生物特征信息的图像并连续获取多幅局部图像;特征提取装置(20),用于从获取的各局部图像提取特征及其位置;相对位置信息检测装置(30),用于根据获取的多幅局部图像中的两幅或更多幅局部图像相重叠的部分中存在的特征,来检测两幅或更多幅图像的相对位置;以及校正装置(40),用于根据失真量来校正各局部图像中的特征的位置、并获取特征的相对位置,所述失真量是根据检测到的相对位置和各局部图像中的特征位置来计算的。
Description
技术领域
本发明涉及用于获取生物特征信息(例如指纹、掌纹以及血管图案)的设备。具体地,本发明涉及一种生物特征信息获取设备,该生物特征信息获取设备从多幅局部图像(多幅指纹图像)获取用户认证所需要的信息,所述多幅局部图像是当手指相对于滑动(sweep)型指纹传感器的传感器表面(图像捕获表面)移动时连续获取的。此外,本发明还涉及一种认证设备,在该认证设备上使用生物特征信息(例如指纹、掌纹以及血管图案)来执行用户认证。
背景技术
随着近来的功能改进,诸如移动电话和PDA(个人数字助理)的小型信息设备也能够连接到通信网络并存储大量个人信息,由此增加了提高设备安全性的需求。
为了实现设备的安全性,已将密码和ID(标识)卡用于用户认证。然而,由于这种密码和ID卡很容易失窃,因此非常渴望更可靠的用户认证(对目标用户是已预先注册的授权用户进行确认)。为了满足这个需求,可以想到的是,使用在认证中非常可靠的生物特征用户认证。特别地,对用户来说,指纹是非常方便的。
在将指纹用作用于用户认证的生物特征信息时,通常会使用静电电容型或光学型的指纹传感器,以从用户的指梢获取指纹(由接触指纹传感器的图像捕获表面的指纹脊线和不接触图像捕获表面的谷线所构成的图案)的图像信息。从指纹图像的前景(例如,指纹脊线图像)提取特征信息(例如,分叉点和端点的位置信息),并将所提取的特征信息对照预先注册的用户特征信息进行认证,由此执行对用户的认证。
常用的指纹传感器具有大于人指梢的传感器表面(图像捕获表面)。然而,近来的指纹传感器具有小于人指梢的传感器表面,以使得可以为小型信息设备(如移动电话和PDA)提供这种指纹传感器。对通过这种小型传感器表面连续获取的多幅指纹局部图像进行组合,以获取整个指纹图像。
滑动型指纹传感器是这种具有小型传感器表面的指纹传感器之一。滑动型指纹传感器具有小型的矩形图像捕获表面(传感器表面/图像捕获表面),该图像捕获表面与指梢相比在长度上短得多。当目标指纹相对于图像捕获表面移动时,或者当图像捕获表面相对于指梢移动时,指纹传感器连续地获取多幅指纹局部图像,并且,根据这些局部图像再现完整的指纹图像。在这里,这种手指相对于图像捕获表面的移动称为“滑动”。从由此再现的指纹图像提取/生成指纹细节(脊线分叉点和脊线端点),并基于该细节信息来执行用户认证。
例如,在日本专利申请公报特开平8-263631以及日本专利申请公报特开2001-155137中公开了根据多幅指纹局部图像再现完整指纹图像的技术。在这些专利申请公开的技术中,获取手指与传感器之间在与传感器纵向方向垂直的方向上的相对位置来再现完整的手指图像。在美国专利No.USP 6,289,114和美国专利No.USP 6,317,508公开的技术中,对连续获取的图像之间的重叠进行测量,并基于这种重叠来再现完整的手指图像。
然而,因为通过这种滑动型指纹传感器获取并随后再现的图像会由于变化因素而出现失真,所以有时候难以对使用滑动型指纹传感器获取的指纹数据与预先注册的指纹数据进行比较。
例如,在手指接触传感器表面地在传感器表面上移动时获取指纹图像的指纹传感器具有以下问题。如稍后参照图5至图7以及图27至图31所述,由于柔软且立体的手指压在平面的传感器表面上,所以手指出现变形,由此在指纹图像中引起很大的失真。此外,由于手指的一部分有时因为传感器表面与手指之间的摩擦力而粘至传感器表面,所以手指出现变形,由此在得到的指纹图像中引起很大的失真。这种变形还取决于手指滑动的方向。
此外,如图19至图26所示,如果获取指纹图像的图像捕获设备具有任何的检测延迟,那么所捕获的图像会与手指本身的变形无关地出现失真。以使用一条扫描线来检测信息并在经过特定延迟之后使用相邻扫描线来检测信息的传感器(参见图25)为例,如果手指与传感器之间的相对位置信息随着时间发生了很大变化,那么所捕获的指纹图像的纵横比(aspect ratio)将发生变化,由此引起伸/缩失真(参见图21至图24)。此外,在对每个单元都出现检测延迟的传感器中(参见图26),将出现偏斜失真(skew distortion)(参见图25和图26)。
这种失真使得再现图像的可再现性劣化。此外,当对按不同方式失真的多幅局部图像进行拼接时,可能出现指纹中实际并不存在的图案(手指分泌的皮脂或汗的图像、或者传感器表面上的瑕疵的图像、或者由于检测器装置中的缺陷而产生的图像)。也就是说,由于上述的失真或者出现了指纹中不存在的图案,所以,使用指纹传感器从一用户获取的特征信息明显不同于该用户的注册特征信息。这样,即使要认证的目标用户是授权用户,也可能获得错误的认证结果,从而使得认证性能(即认证可靠性)降低。
此外,在上述日本专利申请和上述美国专利所公开的技术中还会引起以下问题。为了根据获取的多幅局部图像再现完整的指纹图像,需要提供容量足以存储完整的手指图像的存储器,并且也增加了处理时间。因此,上述技术不适用于小型信息设备。
有鉴于此,本发明的目的是对从各局部图像提取的特征信息进行校正,从而使得可以使用小容量的存储器来获取无失真的特征信息。结果,用户认证是基于高质量的特征信息来执行的,由此可以改进认证性能(即认证可靠性),并且改善了用户便利性。
发明内容
为了实现上述目的,根据本发明,提供了一种生物特征信息获取设备,其包括:图像获取装置,其捕获生物特征信息的连续部分的多幅连续的局部图像;特征提取装置,其从由图像获取装置获取的单幅局部图像获取包含在该单幅局部图像中的特征以及该特征的位置;相对位置信息检测装置,其根据包含在图像获取装置获取的两幅或更多幅局部图像相重叠的区域中的特征,对这两幅或更多幅局部图像的相对位置信息进行检测;以及校正装置(第一校正装置),其根据相对位置信息检测装置检测到的相对位置信息、以及单幅局部图像中的特征的位置,计算特征的失真量,并且根据计算出的失真量对单幅局部图像中的特征的位置进行校正。
此外,本发明的生物特征信息获取设备具有与上述相似的图像获取装置、特征提取装置以及相对位置信息检测装置,并且该生物特征信息获取设备还具有校正装置(第二校正装置),该校正装置根据图像获取装置获取单幅局部图像的时间间隔、图像获取装置在捕获单幅局部图像过程中的延迟、以及相对位置信息检测装置检测到的相对位置信息,对单幅局部图像中的特征的位置进行校正,从而对由于图像获取装置捕获单幅局部图像过程中的延迟而引起的单幅局部图像的失真进行校正。
此外,本发明的生物特征信息获取设备具有与上述相似的图像获取装置、特征提取装置以及相对位置信息检测装置,并且该生物特征信息获取设备还具有校正装置(第三校正装置),该校正装置既具有第一校正装置的功能又具有第二校正装置的功能。
本发明的生物特征信息认证设备具有与上述类似的图像获取装置、特征提取装置以及相对位置信息检测装置,并且还具有第一校正装置、第二校正装置以及第三校正装置中的一个。该生物特征信息认证设备还包括:生成装置,其通过使用特征提取装置提取的特征以及校正装置获取的经校正的特征位置,生成用于用户认证的注册数据和认证数据中的任何一个或全部两个;以及认证装置,其使用生成装置生成的注册数据和认证数据中的任何一个或全部两个来执行认证处理,以对用户进行认证。
此外,上述的生物特征信息获取设备和生物特征信息认证设备可以具有如下构造(1-1)到(1-15)。
(1-1)图像获取装置从正在相对于图像获取装置移动的物体捕获多幅连续的局部图像,并且生物特征信息获取设备还包括去除装置,该去除装置在特征提取装置提取特征之前去除包含在图像获取装置所捕获的多幅局部图像中且不移动的图案图像。
(1-2)在上述(1-1)中,去除装置根据恰在获取物体局部图像前已捕获到的多幅局部图像来计算加权平均图像,并且去除装置根据由此计算出的加权平均图像来分离移动图案和非移动图案,并且去除非移动图案。
(1-3)特征提取装置提取各局部图像的前景和前景的边缘,作为上述特征。
(1-4)特征提取装置提取通过细化(thinning)各局部图像的前景而获取的图案中的端点和分叉点,作为特征。
(1-5)相对位置信息检测装置根据恰在对图像获取装置连续捕获的两幅或更多幅局部图像的相对位置信息进行检测前已检测到的一个或更多个相对位置信息项,对所述两幅或更多幅局部图像的相对位置信息进行检测。
(1-6)相对位置信息检测装置根据预测的随后要检测的相对位置信息,对图像获取装置连续捕获的两幅或更多幅局部图像的相对位置信息进行检测,其中预测的相对位置信息是根据恰在对所述两幅或更多幅局部图像的相对位置信息进行检测前已检测到的一个或更多个相对位置信息项而估计的。
(1-7)相对位置信息检测装置将图像获取装置连续捕获的两幅或更多幅局部图像中的每一幅都划分为共享公共重叠区域的两个或更多个局部区域,并在所划分的两个或更多个局部区域中分别地检测相对位置信息。
(1-8)相对位置信息检测装置将图像获取装置连续捕获的两幅或更多幅局部图像中的每一幅划分为共享公共重叠区域的两个或更多个局部区域,并在所划分的两个或更多个局部区域中独立地检测相对位置信息,并且,校正装置对所述多个局部区域中的特征的位置分别地进行校正,从而对由于图像获取装置捕获各局部图像过程中的延迟而引起的各局部图像的失真进行校正。
(1-9)图像获取装置从正在相对于图像获取装置移动的物体捕获多幅连续的局部图像,并且生物特征信息获取设备还包括移动物体检测装置,该移动物体检测装置基于图像获取装置捕获的多幅局部图像来检测是否存在正在相对于图像获取装置移动的移动物体。
(1-10)在上述(1-9)中,移动物体检测装置根据恰在获取物体局部图像前已捕获到的局部图像,计算加权平均图像,并且,移动物体检测装置根据由此计算出的加权平均图像来检测是否存在移动物体。
(1-11)在上述(1-10)中,移动物体检测装置在图像获取装置获取的最新局部图像与计算出的加权平均图像之间的差值超过一特定阈值时检测到存在移动物体,其中所述阈值被设为大于噪声引起的变化的值。
(1-12)在具有上述构造(1-9)至(1-11)的认证设备中,认证装置在移动物体检测装置没有检测到移动物体时不执行认证处理。
(1-13)在具有上述构造(1-9)至(1-11)的认证设备中,本实施例的认证装置优先使用从较早捕获的局部图像获取的特征以及这些特征的相对位置信息来执行认证处理。
(1-14)认证装置在用户的认证结果得到确认时结束认证处理。
(1-15)图像获取装置从在与图像获取装置接触的同时还相对于图像获取装置移动的物体捕获多幅连续的局部图像,并且,生物特征信息获取设备还包括摩擦力减小装置,该摩擦力减小装置可以起作用以减小物体移动而引起的摩擦力。
此外,生物特征信息获取设备包括:图像获取装置,其从在与图像获取装置接触的同时还相对于图像获取装置移动的物体捕获多幅连续的局部图像;以及摩擦力减小装置,其可以起作用以减小物体移动而引起的摩擦力。
上述生物特征信息获取设备以及生物特征认证设备实现了以下的效果和益处(2-1)至(2-16)。
(2-1)基于包含在两幅或更多幅局部图像重叠的区域(重叠区域)中的特征来对所述两幅或更多幅局部图像之间的相对位置信息进行检测。根据从相对位置信息以及各局部图像中的特征的位置而估计的失真量,对各局部图像中的特征的位置进行校正,由此去除由于捕获指纹局部图像时的手指变形而引起的失真。因此,使用高质量的特征信息来进行认证,从而改进了认证性能(即认证可靠性)。
(2-2)基于包含在两幅或更多幅局部图像重叠的区域(重叠区域)中的特征来对所述两幅或更多幅局部图像之间的相对位置信息进行检测,并基于该相对位置信息、图像获取装置获取各局部图像的时间间隔、以及在图像获取装置捕获各局部图像的过程中的延迟来对各局部图像中的特征的位置进行校正,从而对由于在图像获取装置捕获单幅局部图像的过程中的延迟而引起的单幅局部图像的失真进行校正。这使得可以去除由于滑动型指纹传感器中的检测延迟而引起的特征信息的图像失真(伸/缩失真和偏斜失真)。由此获取了无失真的特征信息,因而使得在用户认证中可以使用高质量的特征信息,从而改进了认证性能(即认证可靠性)。
(2-3)通过既执行校正(2-1)又执行校正(2-2),从特征信息中既去除了由于在获取指纹局部图像时手指自身的变形而引起的失真、又去除了由于滑动型指纹传感器的检测延迟而引起的图像失真(伸/缩失真和偏斜失真)。这使得在用户认证中可以使用高质量的特征信息,从而改进了认证性能(即认证可靠性)。
(2-4)由于对从各局部图像中提取的特征信息执行了校正,所以不必照原样存储各局部图像,由此可以使用少量的存储容量而以高速获取无失真的特征信息。
(2-5)按完成对特征位置的校正的顺序来依次对单幅局部图像执行认证处理。由此可以使用小型传感器来执行精确的生物特征信息认证,从而可以实现一种对用户很方便的用户认证系统。
(2-6)不需要获取全部的生物特征信息分布,只使用小型传感器就可以进行用户的生物特征认证。这种小型生物特征信息传感器可以配备给无法预备用于安装传感器的足够空间的小型信息设备(如移动电话和PDA),从而提高安全性能。
(2-7)如果图像获取装置是滑动型生物特征信息传感器,并且如果去除了各局部图像中的非移动图案,则从局部图像中作为非移动图案(背景)去除了附于传感器表面的皮脂、汗或者水气的图像、传感器表面上的瑕疵的图像、以及构成传感器的检测器设备的缺陷而产生的图像。这防止了前述非移动图像作为实际指纹图像中不存在的图案出现在局部图像中,因此,不会提取到认证不需要的特征信息,由此改进了认证性能。
(2-8)提取前景(例如,脊线图像亮度)和前景的边缘(例如亮度梯度)作为特征,并通过使用前景和边缘二者来检测相对位置信息,由此,即使多幅局部图像包含有相似的脊线图案,也可以准确检测出多幅局部图像之间的相对位置信息,从而改进了检测相对位置信息的性能。
(2-9)提取通过细化各局部图像的前景(例如脊线图像)而获取的图案中的端点和分叉点。根据由此提取的端点和分叉点来检测相对位置信息,从而,当为了进行用户认证而执行(指纹端点和分叉点中的)特征信息认证时,不必从整个指纹图像中提取指纹细节,这将大大缩短处理时间。此外,由于不必将从其中曾经提取过特征信息的局部图像存储在存储器中,所以可以丢弃该局部图像,从而减少使用的存储量。
(2-10)根据恰在检测两幅或更多幅局部图像前已检测到的一个或更多个相对位置信息项来检测所述两幅或更多幅局部图像的相对位置信息,由此减少了执行用于检测相对位置信息的操作的次数。换言之,对相关值进行计算以检测相对位置信息的范围例如限于沿滑动方向延伸的范围,并且缩短了检测相对位置信息所需要的处理时间。这时,如果获取局部图像的时间间隔足够短,则滑动方向决不会突然颠倒,此外还可以在不降低对相对位置信息的检测性能的情况下限制搜索范围。
(2-11)根据对随后要检测的预测相对位置信息来检测两幅或更多幅局部图像的相对位置信息,所述预测相对位置信息是根据恰在检测这两幅或更多幅局部图像的相对位置信息前已检测到的一个或更多个相对位置信息项来估计的,由此,与前述(2-10)一样,减少了执行用于检测相对位置信息的操作的次数。换言之,如果获取局部图像的时间间隔足够短,则可以假定滑动方向与滑动速度决不会突然发生显著变化,从而可以根据恰在检测两幅或更多幅局部图像的相对位置信息前已获取的相对位置信息来限制随后的搜索范围。由此,缩短了检测相对位置信息所需要的时间,即使搜索范围受限也不会降低对相对位置信息的检测性能。
(2-12)将两幅或更多幅局部图像中的每一幅都划分为共享公共重叠区域的两个或更多个局部区域,并在所划分的两个或更多个局部区域中独立检测相对位置信息。结果,即使从其获取局部指纹图像的指梢明显变形,仍然可以准确地检测指梢的每个部位的相对位置信息。
(2-13)当使用滑动型生物特征信息传感器来获取连续的局部图像时,根据生物特征信息传感器获取的局部图像来检测是否存在相对于生物特征信息传感器移动的移动物体(例如手指)。这使得不必准备单独的用于检测移动物体的传感器,并且可以无需附加成本地对这种移动物体进行检测,由此提高了实用性。此时,计算恰在获取当前局部图像前已获取的局部图像的加权平均图像。如果加权平均图像与最新的局部图像之间的差值超出一特定的阈值,则判定检测到了存在移动物体。这时,如果照原样使用除去非移动图像(背景)时计算出的加权平均图像,则可以在不增加计算量的情况下检测移动物体。此外,将上述的特定阈值设为大于由噪声引起的变化的值,从而防止错误地将这种噪声检测成移动物体,因此可以提高对移动物体的检测性能。
(2-14)由于不必为非移动物体执行认证处理,所以当没有检测到移动物体时不执行认证处理。也就是说,当没有检测到移动物体时不启动认证处理,而只有当检测到任何移动物体时才执行认证处理。这使得可以减少计算所需要的时间和负载。此外,由于防止了将从噪声中提取的特征信息用于认证处理,所以不会降低认证性能。
(2-15)优先使用从早期捕获的局部图像中获取的特征及相对位置信息来执行认证处理,并且当确认了认证结果时结束认证处理。结果,按滑动动作输入多幅局部图像的顺序从所述多幅局部图像依次产生特征,从而可以启动认证处理而无需等待获取全部图像的特征。此外,在确定认证结果时可以在早期结束认证。
(2-16)以传感器为例,例如滑动型生物特征信息传感器,该传感器从在与传感器表面接触的同时还相对于传感器表面移动的物体(待认证用户的身体部位)获取多幅局部图像,如果传感器配备有用于减小物体移动所产生的摩擦力的摩擦力减小装置,那么可以有助于身体部位的滑动动作,由此提高用户便利性。此外,由于减小了身体部位的变形,所以可以获取具有高可再现性的生物特征信息图像,从而改进了认证性能。
附图说明
图1是表示根据本发明一个优选实施例的生物特征认证设备的功能构造的框图;
图2是表示本实施例的生物特征认证设备的具体构造的框图;
图3是用于说明使用滑动型指纹传感器来捕获指纹图像的处理(滑动动作)的图;
图4是用于说明滑动型指纹传感器连续捕获的多幅局部图像的图;
图5是表示典型指纹传感器获取的指纹图像的示例的图;
图6是表示根据滑动型指纹传感器获取的多幅局部图像来再现的完整指纹图像(它是(在用户注册时)注册指纹时捕获的)的示例的图;
图7是表示根据使用滑动型指纹传感器获取的多幅局部图像来再现的完整指纹图像(它是在用户认证时从目标用户捕获的)的另一示例的图;
图8是表示不执行滑动(当手指保持静止时)的情况下捕获的局部图像的示例的图;
图9是表示在滑动动作期间捕获的局部图像的示例的图;
图10是在表示传感器表面上存在缺陷和污点时获取的局部图像的示例的图;
图11是表示存在图10的缺陷和污点时捕获的平均局部图像的图;
图12是表示其中去除了非移动图案(缺陷和污点的图像)的局部图像的示例的图;
图13是表示只使用前景信息很难检测相对位置信息的局部图像示例的图;
图14是表示只使用边缘信息很难检测相对位置信息的局部图像示例的图;
图15是表示应从局部图像中提取的示例细节的图;
图16是用于说明可以根据恰在进行当前检测前已检测到的相对位置信息来确定(限定)下一搜索范围的原因的图;
图17和图18是用于说明当每幅局部图像都被划分为共享公共重叠区域的两个或更多个区域时的相对位置信息检测方法的图;
图19是表示能够读取所捕获图像数据的每行的传感器的构造示例的框图;
图20是表示能够读取所捕获图像数据的每个像素的传感器的构造示例(需考虑各像素的延迟的示例)的框图;
图21是表示静止地位于图19的传感器上的手指的图;
图22是表示在图21的状态下捕获的局部图像的示例的图;
图23是表示手指在图19的传感器上滑动的图;
图24是表示在图22的状态下捕获的局部图像的示例(由于伸/缩而引起失真)的图;
图25是表示手指在图20的传感器上滑动的图;
图26是用于说明在图25的状态下捕获的局部图像的失真(偏斜失真)的图;
图27至图29是用于说明局部图像中的脊线图像变化的图;
图30A至图30E是表示滑动动作期间的指纹变形的转变的图;
图31是表示本实施例的失真分布的示例的图;
图32是示意性地表示本实施例的摩擦力减小装置的示例的立体图;
图33是示意性地表示本实施例的摩擦力减小装置的另一示例的立体图;
图34是表示用作本实施例的摩擦力减小装置的凸起部分的第一变型例的图;
图35是表示用作本实施例的摩擦力减小装置的凸起部分的第二变型例的图;以及
图36是用于说明本实施例的认证设备的操作的流程图。
具体实施方式
现在将参照相关附图对本发明的一个优选实施例进行描述。
[1]本实施例的认证设备
图1和图2都表示根据本发明一个优选实施例的生物特征用户认证设备(生物特征信息获取设备)的构造。图1是表示根据本发明一个优选实施例的生物特征认证设备的功能构造(原理构造)的框图。图2是表示生物特征认证设备的具体构造的框图。在图1和图2中,相同的标号和字符指示相同的部分或单元。
如图1所示,本实施例的认证设备具有作为如下装置的功能:生物特征信息输入装置(图像获取装置)10、特征提取装置20、相对位置信息检测装置30、校正装置40、移动物体检测装置(去除装置)50、生成装置60,以及认证装置70。
如图2所示,通过附有静电电容型的滑动型指纹传感器10(生物特征信息输入装置(图像获取装置))的普通个人计算机来实现认证设备,所述普通计算机具有:实时时钟80、易失性存储器90、非易失性存储器91,以及CPU(中央处理单元)100。这时,CPU 100执行特定的程序以用作:特征提取单元(特征提取装置)20、相对位置信息检测单元(相对位置信息检测装置)30、校正单元(校正装置)40、移动物体检测单元(移动物体检测装置/去除装置)50、注册/认证数据生成单元(生成装置)60,以及认证单元(认证装置)70(稍后详细描述)。
静电电容型的滑动型指纹传感器10捕获待认证用户的生物特征信息的连续局部图像。更确切的说,滑动型指纹传感器10在用户的手指(目标;参见图3至图7、图32和图33中的项200)正在相对于图像捕获表面(传感器表面)11移动时捕获手指的连续局部图像。
“指纹”是待认证用户的手指皮肤上的图案,这个图案是由接触传感器表面11的脊线(接触部分)和不接触传感器表面11的谷线(非接触部分/间隙部分)构成的。通过利用和传感器表面11接触的脊线与不和传感器表面11接触的谷线之间的检测灵敏度的差异,捕获指纹的局部图像作为多级(multilevel)图像。在这种多级图像中,亮度取决于到传感器的距离。一般来说,由于脊线接近传感器,所以按较低亮度显示脊线,而由于谷线离传感器相对较远,所以按较高亮度显示谷线。
在指纹认证时,用户使其手指在指纹传感器10的传感器表面11的上方经过同时保持其手指与传感器表面11接触。用户沿从其手指根侧到手指梢侧、或者从手指右侧到手指左侧的任意方向来移动手指。这里,如果指纹传感器10可以相对于手指移动,那么用户无需移动其手指。现在将参照图3、图4、图6以及图7,对从靠近手指根部的一侧朝着手指梢部来滑动手指200的情况进行说明。稍后将参照图19和图20对指纹传感器10的构造进行详细说明。
实时时钟80用于向指纹传感器10连续捕获的多幅局部图像添加时间戳(time stamp)。
易失性存储器90存储有:指纹传感器10获取的连续局部图像;CPU100获取的特征、相对位置信息以及校正结果;以及实现本实施例的认证设备的功能所需要的各种参数(例如,用于校正单元40执行的处理中的校正的参数)。
非易失性存储器91存储有用户注册时从待认证用户获取/注册的指纹数据。非易失性存储器91中的指纹数据可以是从常规型指纹传感器(其传感器表面的尺寸大于普通人手指的尺寸)所获取的图像中提取的数据,或者另选地,其可以是注册/认证数据生成单元60生成的数据。
特征提取单元(特征提取装置)20从指纹传感器10捕获的局部图像中提取包含在所述局部图像中的特征以及这些特征的位置。这里,这种特征可以是各局部图像的前景(在本实施例中为脊线图像的亮度值;参见图13)以及该前景的边缘(在本实施例中为亮度梯度值;参见图14),或者可以是在通过细化各局部图像的前景(在本实施例中为脊线图像)而获取的图案中提取的端点和分叉点,稍后将参照图15来对此进行详细描述。
相对位置信息检测单元30根据包含在指纹传感器10连续获取的两幅或更多幅局部图像重叠的区域中的特征,对这两幅或更多幅局部图像的相对位置信息进行检测。这时,相对位置信息检测单元30可以根据恰在检测这两幅或更多幅目标图像的相对位置信息前已检测到的一个或更多个相对位置信息项,对相对位置信息进行检测。另选地,如稍后参照图16所详细描述,可以根据对随后即将检测的预测相对位置信息来执行所述检测,其中该预测相对位置信息是根据恰在检测这两幅或更多幅物体局部图像的相对位置信息前已检测到的一个或更多个相对位置信息项来估计的。此外,如稍后参照图17和图18所详细描述,相对位置信息检测单元30可以将指纹传感器10连续捕获的多幅局部图像中的每一幅划分为共享公共重叠区域的两个或更多个局部区域,并在所划分的两个或更多个局部区域中独立地检测相对位置信息。
校正单元40对指纹传感器10的检测延迟而引起的图像失真和手指的变形而引起的失真进行校正。校正单元40具有以下两种校正功能。如参照图3至图7和图27至图31所述,第一校正功能是根据相对位置信息检测单元30检测到的相对位置信息以及各局部图像中包含的特征的位置来计算失真量(由手指的变形而引起的失真量),并根据计算得到的失真量来校正特征的位置。第二校正功能是根据指纹传感器10获取各局部图像的时间间隔、指纹传感器10捕获各局部图像过程中的延迟、以及相对位置信息检测单元30检测到的相对位置信息,对各局部图像中的特征的位置进行校正,由此,对由于指纹传感器10捕获单幅局部图像过程中的延迟而引起的各局部图像的失真(伸/缩失真和偏斜失真)进行校正。
这里,如果相对位置信息检测单元30将指纹传感器10获取的多幅连续局部图像中的每一幅都划分成共享公共重叠区域的两个或更多个局部区域以检测各个局部区域中的上述相对位置信息,那么,校正单元40在各个局部区域中对特征的位置进行校正,从而对由于指纹传感器10在捕获单幅局部图像的过程中的延迟而引起的各局部区域的失真进行校正。
移动物体检测单元(移动物体检测装置/去除装置)50根据指纹传感器10捕获的局部图像来检测是否存在正在相对于指纹传感器10移动的移动物体(在本示例中为用户的手指)。移动物体检测单元50根据恰在获取物体局部图像前已捕获到的局部图像来计算加权平均图像,并且根据由此计算出的加权平均图像来检测物体局部图像中是否存在移动物体。更确切的说,移动物体检测单元50在指纹传感器10获取的物体(最新)局部图像与计算出的加权平均图像之间的差值超出一特定阈值时检测到存在这种移动物体,所述特定阈值大于噪声引起的变化。此外,在本实施例中,除非移动物体检测单元50检测到任何移动物体,否则不执行由认证单元70执行的认证处理(稍后将会描述)。
此外,移动物体检测单元50具有作为从指纹传感器10获取的局部图像中去除不移动的图案图像的去除装置的功能。如稍后参照图8至图12所述,利用这种功能,根据恰在获取物体局部图像前已捕获到的局部图像计算了加权平均图像,并且根据计算出的加权平均图像将非移动物体与移动物体分离,以去除非移动物体。
注册/认证数据生成单元(生成装置)60使用特征提取装置20提取的特征以及校正单元40进行校正之后的位置信息,生成用户认证过程中要使用的指纹数据[要注册的数据(注册数据)和要认证的数据(认证数据)]。当在注册时对指纹数据进行注册的时候,将注册/认证数据生成单元60生成的指纹数据(公知信息,例如脊线分叉点和脊线端点的位置及其图案)作为注册数据存储/注册在非易失性存储器91中。之后,在用户认证中,将注册/认证数据生成单元60生成的指纹数据作为认证数据发送到认证单元70。
认证单元(认证装置)70将注册/认证数据生成单元60生成的认证数据与存储在非易失性存储器91中的注册数据进行比较,以便执行用于用户认证的认证处理。这个认证单元70优先使用从指纹传感器10早期(基于实时时钟80给出的时间戳)捕获的局部图像中获取的特征和相对位置信息来执行认证处理。认证单元70在确定了认证结果时结束认证处理。
如稍后参照图32至图35所详述,在指纹传感器10的传感器表面11的周围设置有摩擦力减小装置15至18,这些摩擦力减小装置减小当手指200与传感器表面11接触时由手指200的移动而引起的摩擦力。
[2]认证设备的详细构造及其操作和效果
在下文中将参照图3至图35来描述本实施例的认证设备的更为详细的构造。
[2-1]本实施例的滑动型指纹传感器和认证设备
如下所述,本实施例的认证设备实现了如下功能:不必根据滑动型指纹传感器10获取的多幅局部图像来重构完整的生物特征信息图像(以下称为“完整图像”),即可获取在认证中要使用的生物特征特征信息的分布(指纹细节分布)。
如先前所述,本实施例使用指纹作为用于认证的生物特征信息,以下将参照图3和图4对滑动型指纹传感器10的指纹图像捕获操作(滑动)以及滑动型指纹传感器10连续捕获的局部图像进行描述。
将其传感器表面11远小于人类手指200的指纹传感器10获取的多幅局部指纹图像(以下称为“局部图像”)拼在一起,以获取完整指纹图像的信息,为此目的,至少需要各单幅局部图像之间的相对位置信息。
图3和图4表示指纹传感器10如何随时间从手指根侧到手指梢侧捕获指纹的多幅局部图像。例如,如果在时间T捕获的局部图像与在时间T+1捕获的局部图像共享着足够大小的公共重叠区域,则在所述重叠区域中出现几乎相同的图案。也就是说,将局部图像拼在一起,以使其中包含的相同图案重叠,由此获取较大区域的指纹图像。这时,需要基于在某个时间点获取的局部图像,对在该时间点之后获取的多幅局部图像之间的相对位置信息进行检测。在下文中,如图3和图4所示,在几乎固定的方向上逐渐移动图像捕获位置的过程被称为“滑动”。
在指纹传感器10获取的多幅局部图像中将重复出现非常相似的图案(例如指纹脊线图案)。因此,为了准确地检测多幅局部图像之间的相对位置信息,有必要提取各幅局部图像中的更独特部分。如稍后参照图13至图15所详细描述,这种特征例如是亮度梯度、通过二进制处理获取的前景或前景轮廊。此外,从特征指纹图案的观点来看,脊线端点和脊线分叉点也是这种特征。
在本实施例中,特征提取单元20提取这种特征,并且相对位置信息检测单元30使用由此提取的特征来检测各局部图像之间的相对位置信息。这时,如果从局部图像中提取到认证所需要的特征(指纹中的脊线端点和脊线分叉点),那么不必再现完整图像即可容易地生成注册数据和认证数据。
这里,使用了一种公知方法作为相对位置信息检测单元30用以检测相对位置信息的方法。例如,当重叠区域连续变化时计算表示相关性的值,并且对相关性表示值最优的位置进行检测,作为相对位置信息。
正如已经在背景技术部分所述,局部图像经常会因为指纹传感器10的延迟属性以及手指200的塑性而出现失真。此外,如果在手指200或指纹传感器100移动的方向(以下称为“滑动方向”)和速度(以下称为“滑动速度”)上缺乏可再现性,那么手指注册时的特征分布与指纹认证时的特征分布不同。
其传感器表面(指纹捕获表面)大于人类手指的普通类型的指纹传感器从相同的手指始终捕获几乎相同的指纹图像(例如,图5所示的图像)。
另一方面,在使用指纹传感器10时,手指200与传感器表面11之间与滑动方向相反的方向上的摩擦力使得手指200发生变形。如图6和图7所示,如果通过滑动动作来使手指200相对于固定传感器表面11移动,那么手指的皮肤在滑动方向上拉伸,由此将扩大脊线间距,而皮肤在相反方向上收缩,由此将减小脊线间距。
图6的指纹数据是在手指200相对于指纹传感器10沿右下方向移动时的注册指纹数据中获取的,图7的指纹数据是在手指200相对于指纹传感器10沿左下方向移动时的认证(用户认证)中获取的。即使这些数据是从同一用户获取的,所述数据也显示出大不相同的特征分布,并且在注册数据与认证数据之间特征位置不一致。因此,在捕获指纹数据时出现的这种手指200的变形将降低认证性能。
如稍后参照图27至31所详细描述,在本实施例中,校正单元40校正并且去除由于这种变形而引起的失真,以提高认证性能。
此外,在本实施例中,校正单元40校正并且去除由于指纹传感器10的延迟属性而引起的失真(稍后将会参照图19至26对其进行详细描述),以提高认证性能。
正如已经描述的那样,在本实施例的认证设备中,特征提取单元20根据包含在两幅连续局部图像所共享的公共重叠区域中的特征,检测这两幅局部图像之间的相对位置信息,然后,如稍后将要详细描述的那样,校正单元40对各局部图像中的特征的位置进行校正,从而去除由于手指变形和由于指纹传感器的延迟属性而引起的失真。此外,注册/认证数据生成单元60根据经校正的特征信息生成指纹数据,生成的数据作为注册数据注册在非易失性存储器91中,并且在由认证单元70执行的认证处理中用作认证数据。通过使用这种方案,可以获取减少失真的指纹数据,使用高质量指纹数据来执行用户认证,从而改进了认证性能,即认证可靠性。
这时,由于校正是对特征提取单元20从各局部图像提取的特征执行的,所以不必照原样存储各局部图像,从而利用小存储容量就可以高速地获取无失真指纹数据。此外,由于在认证中使用所提取特征的相对位置信息,而不照原样使用局部图像和整体图像,所以可以在大大减少所使用存储量的同时执行高可靠性的认证。
此外,在本发明中,由校正单元40对其中的特征位置进行了校正的各局部图像顺序地经受由认证单元70执行的认证处理。这使得可以用小型的滑动型指纹传感器10来执行准确的指纹认证,从而实现非常方便的用户认证系统。
此外,由于不必同时获得生物特征信息(在本实施例中是指纹细节)的完整分布,所以用小型滑动型指纹传感器10即可容易地实现指纹用户认证,其中所述小型滑动型指纹传感器10可以装配到小至难以在其中安装传感器的小型信息设备(如移动电话和PDA),以便提高安全性。
[2-2]背景去除功能
接下来,在下文中将参照图8至图12对移动物体检测单元50作为上述去除装置的功能(去除功能)进行描述。图8是表示在不执行滑动动作(手指200停止)的情况下获取的局部图像的示例的图;图9是表示在执行滑动动作的过程中捕获的局部图像的示例的图;图10是表示当传感器表面上存在缺陷和污点时获取的示例局部图像的图;图11是表示当存在图10中的缺陷和污点时捕获的平均局部图像的图;图12是表示其中去除了不移动图案(缺陷和污点的图像)的局部图像的示例的图。
在本实施例的认证设备中,上述去除功能预先去除并非移动物体的图案,从而不会从不反映生物特征信息的图像信息中提取特征。
例如,大量汗腺通过手指200的表面(在脊线上)开口,通过所述汗腺,总是分泌汗、皮脂和水气。由此,如果手指200在与传感器表面11接触的同时在指纹传感器10的传感器表面11上移动,那么来自汗腺的分泌物将附着至传感器表面11。结果,滑动型指纹传感器10捕获这种分泌物的图像以及指纹脊线的图像,例如,如图9所示,分泌物可能被捕获为局部图像中包含的低亮度图案。
如图8所示,在不执行滑动动作的情况下(当手指200停止时),附着于指纹脊线接触传感器的部分的皮脂和汗被检测为脊线图案。另一方面,在执行滑动动作的情况下,汗沿着滑动方向曳伸,其图像与脊线图像一起被捕获,如图9所示。由于该汗图像具有与脊线图像相似的特征,所以可能从图9的局部图像中提取出指纹中实际并不存在的特征信息,从而降低认证性能。在这里,如图9所示附着于传感器表面11的汗随着手指200的滑动动作进行将会逐渐模糊。
此外,除了这种汗图像之外,脊线之间(也就是谷线上)的皮脂和水气的图像也可能降低指纹脊线与谷线之间的对比,由此降低认证性能。
此外,如果在传感器表面11上存在瑕疵,或者如果滑动型指纹传感器10的检测器装置(单元)存在局部缺陷,或者如果在传感器表面11上有污点,那么如图10所示,根据指纹传感器10的特性,这些瑕疵、缺陷和污点可能呈现与前景(脊线图像)相似的亮度。在这种情况下,这些瑕疵、缺陷和污点图像使得检测相对位置信息的准确度劣化,从而也影响了认证性能。
因此,通过在特征提取单元20从局部图像提取特征之前去除这种非移动图案,提高了认证性能。
为了去除作为背景而不移动的非移动图案,本实施例的认证设备的移动物体检测单元50使用加权平均图像。
如图10所示,由于移动物体(手指200;实际是脊线图像)连续地改变其位置,所以相同脊线图像在不同局部图像中出现于相同位置的可能性极低。因此,在根据两幅或更多幅局部图像获取的加权平均图像(重叠图像)中,对应于脊线的图像受到平均,而脊线图像信息(图像浓度)将会变得较淡。
与此相反,背景(其为不移动的图案)将作为相同图案出现在两幅或更多幅局部图像中的相同位置处。例如,如果如图10所示,皮脂、汗或水气的图案随着手指200扫过传感器表面11而附着于传感器表面11,那么,所述图案随着手指200继续在传感器表面11上扫过而被擦去,或者所述图案在不同局部图像中仍然处于相同位置。因此,如图11所示,在根据两幅或更多幅局部图像获得的加权平均图像(重叠图像)中,与周围相比,与不移动的图案对应的图像得到增强。
因此,移动物体检测单元50计算两幅或更多幅局部图像的加权平均图像,以检测不像脊线图像那样移动的图案,例如从生物特征部位(手指200)分泌并且附着于传感器表面11的汗等,或者污点、缺陷或瑕疵。通过使用这种加权平均图像,在指纹传感器10捕获的局部指纹图像中,将指纹图像(脊线图像)与非移动图案图像分离,并且如图12所示,从局部图像中去除了非移动图案图像。
这时,如上所述,附着于传感器表面11上的汗和皮脂随着手指200的滑动动作随时间继续进行而被手指200擦去,或者蒸发。结果,它们不会被作为图像而捕获,从而其旧的图像信息变得毫无意义。因此,为了始终使用最新的局部图像来计算反映非移动图案的加权平均图像G(i,j,K),使用了以下公式(1):
G(i,j,K)=wF(i,j,K-k)+(1-w)G(i,j,K-1) (1)
其中0<w<1。
通过使用公式(1),将输入图像F(i,j,K-k)与权重w(k)相乘,由此获得n幅局部图像的加权平均图像G(i,j,K),其被认为是非移动图案(即,背景图像)。这里,n可以是在特定时段内或在特定距离内获得的图像的数量。此外,越新(也就是k越小)的局部图像具有越大的权重w(k)。
这时,为了缩短计算时间并减少使用的存储量,在计算平均图像G(i,j,K)的过程中可以使用以下公式(2)代替公式(1)。
G(i,j,K)=∑{w(k)·F(i,j,K-1)+G(i,j,K-1)} (2)
也可以使用与公式(1)和(2)一致的任何其它计算来计算加权平均图像G(i,j,K),很明显,这种公式增强了由指纹传感器10的局部缺陷所引起的作为背景的图案。
为了去除作为背景的非移动图案,使用以下公式(3)来获得其中去除了背景的图像F’(i,j):
F’(i,j)=F(i,j)+w(M-G(i,j)),或
F’(i,j)=F(i,j)+(M-w·G(i,j)) (3)
其中0<w<1,M是最大量化级(quantization level)。
与公式(3)一致的任何其它计算都可以用于去除背景。使用这种计算,即使获取了图10的局部图像,也可以使用图11的平均图像来去除非移动图案(背景图像),从而获取图12的只包含移动图像(即,指纹脊线图像)的局部图像。
作为另一种计算方法,使用阈值Th:
F’(i,j)=F(I,j) (G(i,j)<Th)
N(N:视为背景的亮度)(G(i,j)≥Th) (4)
仅仅在其中以低亮度检测脊线并以高亮度检测谷线的传感器中。
如公式(4),使用G(i,j)作为掩模(mask)来计算其中去除了背景的局部图像F’,也可以执行与该计算一致的任何其它计算。
这样,由于在提取特征之前去除了各局部图像中包含的非移动图案图像(背景图像),所以从局部图像中去除了诸如皮脂、汗以及水气的图像、传感器表面11上的瑕疵的图像,以及由形成指纹传感器10的检测器装置(单元)的缺陷而引起的图像。这将可靠地防止这种非移动图像作为实际并不存在于手指200表面上的指纹图案而出现在局部图像中,由此防止提取认证所不必要的特征信息。因此,进一步提高了认证性能。
[2-3]特征提取单元提取的特征
以下将参照图13至图15对本实施例的特征提取单元20提取的特征进行描述。
特征提取单元20提取前景和前景的边缘,或是作为前景的脊线的细节(端点和分叉点),作为用于检测局部图像之间的相对位置信息的特征。
首先,对特征提取单元20提取前景及其边缘作为特征的情况进行描述。
这里,前景表示作为局部图像中的生物特征信息而被检测的部分,在这种情况中为指纹中的脊线。前景可以照原样是局部图像中的亮度值,也可以是作为经二值化前景的标记值。前景边缘是亮度梯度值,或者可以是作为前景轮廓的标记值。
指纹局部图像通常包含具有相似形状的脊线图像。因此,如果仅仅使用输入局部图像或其前景来检测多幅局部图像之间的相对位置信息,那么很可能将如图13所示偏移了一条脊线的错误位置检测为相对位置信息,使得相对位置检测的性能降低。更确切地说,在图13中,f(T)是在时间T获取的局部图像;f(T+1)是在时间T+1获取的局部图像。如果仅仅使用前景信息来检测局部图像f(T)与f(T+1)之间的相对位置信息,则无法检测局部图像f(T)与f(T+1)之间的相对位置是偏移了一条脊线的位置还是偏移了两条脊线的位置。
此外,如图14所示,如果仅仅使用边缘来检测相对位置信息,那么排列成交错结构的脊线和谷线的位置可能出错,使得相对位置检测的性能降低。这里,在图14中,f(T)是在时间T获取的局部图像;f(T+1)是在时间T+1获取的局部图像。
因此,如果前景具有高于背景的特征,并且如果边缘具有高于前景的特征,那么,即使多幅局部图像包括相似形状的脊线图像,使用至少这两个特征(前景和边缘)来检测相对位置信息也使得可以准确检测所述多幅局部图像之间的相对位置信息,从而改进了相对位置信息检测的性能。在这里,公知的锐度加强滤波器(sharpness enhancing filter)可实现与由既使用前景又使用边缘的相对位置检测实现的作用和效果原理上相似的作用和效果。
同时,如图15所示,前景(脊线图像)经受细化处理,特征提取单元20在经细化的图案中提取端点和分叉点作为特征。在这种情况下,由于这些特征(端点和分叉点)代表局部形状,所以不必总根据局部图像再现完整的指纹图像。一旦从输入图像提取了特征之后,就不必将输入图像本身存储在易失性存储器90中,因此在提取了特征之后丢弃局部图像,从而大大减少了易失性存储器90的使用量。
此外,如上所述,脊线的端点和分叉点被提取为特征,所提取的特征被用于检测相对位置信息。结果,在为了用户认证而对特征信息(在指纹中为端点和分叉点)进行认证的时候,不必从完整的指纹图像提取细节,从而大大地缩短了处理时间。这里,可以通过使用图15的粗线方框大小的图像来检测诸如端点和分叉点的特征。
[2-4]相对位置信息检测
接下来,在下文中将参照图16至图18对本实施例的相对位置信息检测单元30进行的检测相对位置信息的处理进行描述。
相对位置信息检测单元30根据直到对多幅当前局部图像的相对位置信息进行检测前已检测到的一个或更多个相对位置信息项,来检测多幅当前局部图像之间的相对位置信息,这将减少执行计算的次数。也就是说,假定滑动方向不会剧烈变化,那么对表示用于检测相对位置信息的相关性的值进行计算的范围(在下文中将其称为“搜索范围”)限于沿滑动方向延伸的范围,由此减少了执行计算的次数,并且缩短了用于检测相对位置信息的处理时间。
这时,如果指纹传感器10获取各局部图像的间隔足够短,那么可以假定滑动方向决不会突然反转。这是因为没有物体能够违反惯性定律移动。因此,仅通过设置搜索范围使之沿滑动方向延伸,就可以实现足够的相对位置检测性能。此外,如果图像获取间隔足够短,那么,通过假定搜索范围等于或小于一条脊线,进一步减少了执行计算的次数,也降低了错误检测相对位置信息的风险。
为了在相对位置信息检测中限制搜索范围,相对位置信息检测装置30根据接着要检测的预测的相对位置信息,来检测当前局部图像的相对位置信息,其中所述预测的相对位置信息是基于恰在对当前相对位置信息进行检测前已检测到的一个或更多个相对位置信息项而估计的。这种方法还可以减少执行计算的次数。也就是说,如果指纹传感器10获取各局部图像的间隔足够短,那么,可以假定滑动方向和滑动速度决不会如图16中的箭头A1和箭头A2所示地突然改变。因此,如图16所示,可以基于恰在当前相对位置信息的检测之前已检测到的相对位置信息来预测/限定接下来的搜索范围(滑动速度范围d)。这使得可以减少检测相对位置信息所需要的处理时间,并且即使搜索范围受限也可以实现足够的相对位置信息检测性能。
很明显,通过以下公式(5)获得滑动速度V:
V(K)=Pr(K)/I(K) (5)
其中I(K)是局部图像捕获间隔,Pr(K)是相对位置信息。
间隔I(K)是从开始对一幅局部图像进行图像捕获到开始对下一幅局部图像进行图像获取的时间。
使用上述公式(5),通过以下公式(6)来获取被预测接下来要检测的下一个相对位置信息Pr’(K):
Pr’(K)=V(K-1)×I(K),K:整数 (6)
如果图像获取间隔足够短,那么,通过假定搜索范围等于或小于一条脊线,进一步减少了执行计算的次数,也降低了错误检测相对位置信息的风险。
这里,如果局部图像捕获间隔I(K)是固定的,那么,如以下公式(7)所示,无论图像获取时间怎样,都可以照原样使用先前的相对位置信息Pr(K-1),并实现与公式(6)的作用和益处相同的作用和益处。
Pr’(K)=Pr(K-1) (7)
这个预测方法在滑动速度变化非常平缓以至于滑动速度可以被认为固定的情况下是有效的。
如果局部图像捕获间隔I(K)是固定的,并且如果滑动速度变化显著,那么可以通过以下公式(8)来预测相对位置信息Pr’(K):
Pr’(K)=Pr(K-1)+{Pr(K-1)-Pr(K-2)} (8)
公式(8)在速度变化{Pr(K-1)-Pr(K-2)}固定的情况下(也就是说,在加速度被认为固定的情况下)是有效的。例如,如果将公式(8)应用于在滑动动作开始时滑动速度逐渐增大的情况,那么可以恰当地设定搜索范围。
即使不能将图像捕获间隔I(K)视为是固定的,如果以与上述描述相同的方式来对速度变化加以考虑,则也可以获得对搜索范围的恰当设置。例如,通过利用最小二乘法将速度变化应用于二次表达式,可以得到允许速度变化的估计。应用了速度变化的表达式并不限于二次表达式,速度变化也可以应用于多项式。如果速度变化应用于多项式,则可以通过不同于最小二乘法的公知方法来进行估计。
在相对位置信息检测单元30检测多幅局部图像之间的相对位置信息时,如图18所示,可以将各局部图像划分为共享公共重叠区域(重叠区域OW)的两个或更多个的局部区域(图18中的两个搜索模板(template)TP1和TPr)。然后,相对位置信息检测单元30在划分的两个或更多个的局部区域中独立检测相对位置信息。这样,即使在捕获局部图像时手指如图17所示地发生显著变形,也可实现对相对位置信息的准确检测。
在图17和图18中,f(T)是在时间T获取的局部图像;f(T+1)是在时间T+1获取的局部图像。如图18的上部图像所示,两个搜索模板TP1和TPr被设置为将局部图像f(T)分成两个(左和右)区域,并且模板TP1和TPr共享公共重叠区域OW。
左模板TP1中的图像包含相对较少的在用户认证中可以用作一致性判定器的特征,而右模板TPr中的图像包含在用户认证中可以用作一致性判定器的脊线分叉点和端点。
如图17中所示,当在紧接着局部图像f(T)获取的局部图像(T+1)的左侧中由于手指200与传感器表面11之间的摩擦力而引起脊线图像显著失真时,分别使用搜索模板TP1和TPr来检测相对位置信息,从而使得可以准确检测两个分立区域的相对位置信息,如图18的下部图像所示。
在这种相对位置检测中,两个或更多个局部区域共享一公共重叠区域的原因是为了避免检测准确度降低如图18所示,这种准确度降低是当多个局部区域中的一个未包含足够用来检测相对位置信息的特征时所引起的。
虽然在图18的示例中将各局部图像划分为共享一公共重叠区域的两个局部区域,但是也可以将单个局部图像划分为三个或更多个区域(模板)。以与上述描述相同的方式执行相对位置信息的检测。
[2-5]由于指纹传感器的延迟属性而引起的图像失真及对该失真的校正
在下文中将参照图19至图26对由于指纹传感器10的延迟属性而引起的图像失真、以及由本实施例的校正单元40进行的失真校正进行描述。
如果指纹传感器10具有同时检测整体图像信息并将检测到的信息存入缓冲器等的机构,则永远不会导致由于延迟属性而引起的图像失真,因此不必执行由校正单元40进行的校正。
然而,如图24所示,在其中通过各扫描线来捕获图像的指纹传感器10(参见图19)中,引起了其中改变所捕获图像的纵横比的伸/缩失真。另一方面,如图26所示,在其中通过各像素(单元)来捕获图像的指纹传感器10(参见图20)中,引起了偏斜失真。
因此,本实施例的校正单元40基于相对位置信息检测单元30检测到的相对位置信息、指纹传感器10获取各局部图像的时间间隔、以及指纹传感器10捕获各局部图像过程中的延迟,对各局部图像中的特征的位置进行校正,从而对由于指纹传感器10进行图像捕获过程中的延迟而引起的各局部图像的失真进行校正。结果,从特征信息中去除了上述的图像失真(伸/缩失真和偏斜失真)。
在这里,图19是表示能够读取所捕获图像数据的每一行的传感器的构成示例的框图。如图19所示,指纹传感器10具有若干个行传感器10a,每个行传感器都沿着主扫描方向(图中的横向)延伸,在副扫描方向(图中的纵向)平行排列。各行传感器10a都包含排列在主扫描方向上的多个单元。选择器10c顺序地选择多个行传感器10a获取的图像信息,将其读出到用于各行传感器10a(各扫描线)的缓冲器10d,并且将其输出到外部。
图20是表示能够读取所捕获图像数据的每一个像素的传感器的构成示例(不能忽略各像素的延迟的示例)的框图。如图20所示,指纹传感器10由排列为矩阵形式的多个单元10b组成。此外,两级的选择器10e和10f顺序地选择多个单元10b捕获的图像信息,并且针对各单元10b(各像素)将所述图像信息读出到外部。
图19的指纹传感器10通过各条扫描线(各个行传感器10a)来读取图像信息,在一条扫描线与下一条扫描线之间将引发延迟(生物特征信息检测延迟时间;由于生物特征信息输入装置(即指纹传感器10)的属性而引起的延迟)。
在这种指纹传感器10中,如果局部图像是当如图21所示地手指停止时获取的,那么,如图22所示,所获取的局部图像的纵横比为“1”。
这里,在图19的指纹传感器10中,假定在一条扫描线上从各像素(单元10b)读取信息所需的时间短至可以忽略,但是在目标扫描线之间进行切换所需的延迟Δt相对较大。在这种指纹传感器10中,如果图像是在手指200沿副扫描方向滑动时获取的,那么纵横比根据手指200的速度而变化,使得图像失真。这是因为扫描间隔d表观上是d’(≠d)。如图23所示,如果手指200沿副扫描方向移动,那么副扫描速度Vs表观上为Vs’。这里,这种表观扫描速率Vs’通过以下公式(9)给出:
Vs’=Vs-Vf (9)
副扫描速度Vs是如下公式获得的:
Vs=d/Δt (10)
其中d是扫描间隔,Δt是延迟,表观副扫描速度Vs’由如下公式给出:
Vs’=d’/Δt (11)
当副扫描方向上的伸缩率(expansion rate)为E时,
d’=Ed (12)
E=d’/d=Vs’Δt/(VsΔt)=(Vs-Vf)/Vs (13)
因此,改变了纵横比。上述公式(11)和(12)表示,手指200在副扫描方向上移动的速度越大,表观扫描线间隔就越短。假定纵横比不变,那么图像看起来伸开了。另一方面,上述公式(11)和(12)表示,手指200在与副扫描方向相反的方向上移动的速度越大,表观扫描线间隔d就越长。假定纵横比不变,那么图像看起来收缩了。
然而,由于不能直接从图像获得手指200的速度Vf,所以使用手指200的表观速度Vf’来获得速度Vf。这里,通过以下公式(14)获得Vf’:
Vf’=ΔY’/I (14)
其中,ΔY’是相对位置信息检测单元30获取的相对位置信息,I是指纹传感器10的输入间隔。
这里,通过将d’作为d来计算ΔY’。通过以下公式(15)获取利用伸缩率E校正的ΔY’与ΔY之间的关系:
ΔY’=ΔY/E (15)
根据Vf=ΔY/I以及上述公式(13),导出以下方程(16):
Vf’=ΔY’/I=ΔY/(IE)
=Vf/E=VsVf/(Vs-Vf) (16)
由此,通过针对Vf解方程(16),由以下等式(17)来计算Vf:
Vf=VsVf’/(Vs+Vf’) (17)
这样,手指200的速度Vf由副扫描速度Vs和手指200的表观速度Vf’表示。
此外,由于以下等式(18)成立,所以伸缩率E由以下等式(19)利用Vf’来表示。
ΔY/I=(ΔY’/I)(Vs/(Vs+Vf’))
Δ Y=(Vs/(Vs+Vf’))ΔY’ (18)
E=Vs/(Vs+Vf’) (19)
也就是说,上述等式(17)表示:在检测到相对位置信息ΔY’的时候,将ΔY’与Vs/(Vs+Vf’)相乘,从而去除纵横比变化的影响。由此,将图像在副扫描方向上扩展Vs/(Vs+Vf’)倍,以去除/校正图像伸/缩失真。
接下来,如图20所示,对从像素(单元10b)读取信息所需时间Δtx以及切换扫描线时的延迟Δt不能被忽略的情况进行描述。如图25所示,假定一条扫描线包括X个像素(X个单元)。这时,假定手指200以速度Vf移动,那么,当从扫描线的一端到另一端读取像素信息时,手指200经过Vf×Δtx个像素。假定手指200与副扫描线平行地移动,那么图像按由以下公式(20)给出的偏斜角ф发生失真:
ф=atan(VfΔtx) (20)
这里,Vf是由上述公式(17)给出的,Vs=d/(XΔtx+Δty)。通过对各像素位置都在副扫描方向给出偏移-Xatan(VfΔtx)来对偏斜失真进行校正。
以下是对手指200沿倾斜方向移动的情况的描述。当Vp为主扫描速度并且Vfp’是手指200在主扫描方向的表观速度时,图像在主扫描方向上需要扩展Vfp’Vp/(Vp+Vfp’)倍,以校正失真。即,首先执行副扫描方向上的校正,然后对偏斜失真进行校正,接下来执行主扫描方向上的校正。所有这些校正都是由利用仿射变换的图像变形处理来实现的。
在为了演示而对图像进行再现时,如上所述,通过仿射变换来校正各局部图像的失真,然后对局部图像进行连接。这里,如果图像捕获间隔足够短,那么连续的局部图像中的失真几乎相同。因此,在连接了局部图像之后,在有限的区域内执行前述校正,由此缩短了处理时间。
如上所述,校正单元40对各局部图像中包含的特征的位置进行校正,以便对由于指纹传感器10进行图像捕获过程中的延迟而引起的各局部图像的失真进行校正。结果,获取了特征的相对位置信息,从而从特征信息中去除了由于指纹传感器10的检测延迟而引起的图像失真(伸/缩失真和偏斜失真)。这使得可以获取无失真的特征信息,从而避免了认证性能的劣化。此外,由于可以利用高质量的特征信息来执行用户认证,所以改进了认证性能,即认证可靠性。
如上所述,参照图17和图18,如果将指纹传感器10连续获取的各个局部图像划分为共享公共重叠区域的两个或更多个的区域,并且如果相对位置信息检测单元30在每个所划分区域中对相对位置信息进行检测,那么,校正单元40对各个区域中的特征的位置进行校正,从而对由于指纹传感器10进行图像捕获过程中的延迟而引起的失真进行校正。也就是说,根据在各局部图像中检测到的相对位置信息来获取校正系数,以校正图像失真。这是因为手指200的速度取决于手指200的哪个部位接触传感器表面。例如,在指腹(finger cushion)的皮肤完全展开之前,指腹移动得慢于其周围部分。在皮肤伸展到最大之后,指腹以与周围部分相同的速度移动。如果皮肤在其这种展开之后快速收缩,那么指腹移动得快于周围部分。因此,由于这种速度的不同将导致不同的失真,所以应该在各个区域中进行校正。在重叠区域中,根据从各个区域获取的相对位置信息的平均值来获取校正系数。这样,即使手指200显著变形,也可以准确地检测手指200的每个部位的相对位置信息。此外,即使指纹传感器10具有任何检测延迟,也可以获取无失真(伸/缩失真)的特征信息(注册指纹数据或认证指纹数据)。由此,改进了认证性能,即认证可靠性。
[2-6]由于手指变形而引起的失真以及对该失真的校正
现在将参照图27至图31来对由于手指变形而引起的失真以及由校正单元40校正该失真的方法进行描述。
图27至图29是用于说明局部图像中的脊线图像变化的图;图30A至图30E是示出滑动动作过程中指纹形变的转变的图;图31是示出本实施例的失真分布的示例的图。
在图27至图29中,r(T)是在时间T获取的脊线图像,r(T+1)是在时间T+1获取的脊线图像,r(T+2)是在时间T+2获取的脊线图像。这些脊线图像r(T)、r(T+1)、和r(T+2)是包含在指纹传感器10连续获取的三幅局部图像中的同一脊线的图像。
本实施例的校正单元40根据相对位置信息检测单元30检测到的相对位置信息以及各局部图像中包含的特征的位置来估计失真量。根据估计的失真量,对各局部图像中包含的特征的位置进行校正,由此去除由于在捕获指纹局部图像时导致的手指自身的变形而引起的失真。
更具体地说,如果当捕获连续局部图像时手指200本身以不同程度发生变形,那么,根据包含在连续局部图像的重叠区域中的相同特征之间的相对距离来估计手指200的变形(失真量)。根据估计结果,对特征的位置进行校正。
手指200与传感器表面11之间的摩擦力随着手指200滑动而作用于不同的部分上。因此,如图27所示,在对连续的局部图像进行比较时,一个特征在连续局部图像之间的距离不同于另一个特征在连续局部图像之间的距离。在图27中,左侧分叉点之间的距离大于右侧端点之间的距离。也就是说,由于摩擦力而引起的失真量在同一局部图像内并不一致,所述失真量取决于特征在该局部图像中的位置。然而,与对整个局部图像进行一致校正的情况相比,对这种非一致失真的校正将增加校正处理所需要的时间。因此,校正单元40只对特征提取单元20提取的特征进行校正,由此改进了认证性能,并且可以在短时间内完成校正处理。
如图28和29所示,沿着滑动方向产生摩擦力,由此引起指纹脊线发生变形。因此,在连续局部图像的重叠区域内沿滑动方向搜索相互匹配的特征。这里,由于出现变形的部分中的相关性低于没有出现变形的部分中的相关性,所以相对位置信息检测单元30检测到的相对位置用作失真量测量的基准点。
这时,如图30A至图30E所示,由于变形而引起的手指200的失真在从滑动动作开始到滑动动作结束的时间里传播。因此,使用失真量的总和来校正相互匹配的特征。使用这个总和,例如,到结束滑动动作时获得图31的失真分布。
在图31的失真分布中,区域R1是滑动动作开始时获取指纹图像的区域,区域R1也是手指200的中间部分(指腹)的区域。由于这个中间部分相对较软,所以在区域R1中失真量逐渐增大。区域R2是接着区域R1的区域。在区域R2中,滑动速度的变化小,并且失真量也小。区域R3是接着区域R2的区域,区域R3为手指梢。手指梢相对较少变形,因此区域R3中的失真相对较小。
根据由此估计的失真分布,校正单元40对各局部图像中包含的特征的位置进行校正,校正单元40还获取特征的相对位置信息,从而去除由于获取局部指纹图像时导致的手指自身的变形而引起的失真。这使得可以获取无失真的特征信息(注册指纹数据和认证指纹数据),并且可以使用高质量的特征信息来执行用户认证,从而改进认证性能,即认证可靠性。
[2-7]移动物体检测单元
接着,以下将对本实施例的移动物体检测单元50进行描述。
当使用本实施例的滑动型指纹传感器10来获取连续局部图像时,正如已在[2-2]节所述,基于指纹传感器10获取的局部图像,可以将指纹图像(指纹脊线图像)与非移动物体的图案图像(背景图像)分离。本实施例的移动物体检测单元50使用了在[2-2]节中被描述为背景去除功能的功能,来检测是否存在正相对于指纹传感器10移动的移动物体(例如手指200;实际为脊线图像)。这消除了单独准备用于检测移动物体的传感器的必要,并且无需增加任何成本即可对移动物体进行,从而提高了实用性。
更确切地说,如[2-2]节所述,移动物体检测单元50通过使用前述公式(1)和(2),计算恰在获取当前局部图像前指纹传感器10已获取的局部图像的加权平均图像G(i,j,K)。移动物体检测单元50对如此计算的加权平均图像G(i,j,K)与最新的局部图像F(i,j,K)之间的差值进行计算。如果该差值超出特定阈值,则判定检测到移动物体(脊线图像,即手指200)。
这时,当去除了非移动图案(背景)时,如果照原样使用通过上述去除功能计算的上述加权平均图像G(i,j,K),则可以无需增加认证设备(CPU 100)执行的计算量地对移动物体进行检测。
此外,如果将用作对移动物体进行检测的标准的上述阈值设置为比由噪声引起的变化值大的值,那么可靠地防止了将噪声错误地检测为移动物体,从而改进了移动物体检测性能。
[2-8]认证单元进行的认证处理
接下来将对本实施例的认证单元70执行的认证处理进行描述。
在本认证设备中,随着滑动动作,从局部图像顺序地提取/生成特征,因此,认证单元70能够在获取整个指纹图像之前就开始认证处理。
本实施例的认证单元70优先使用从较早捕获的局部图像获取的特征以及所述特征的相对位置信息,来执行认证处理,并且,认证单元70在确定了认证结果时结束认证处理。
这样,由于特征是从由滑动动作输入的局部图像中顺序产生的,而无需等待捕获到整个指纹图像,所以可以在获取整个指纹的特征之前就开始认证处理。当确定了认证结果时(例如当发现了目标用户不是授权用户时),在早期就中止认证处理。
此外,由于认证单元70无需为非移动物体执行认证处理,所以在移动物体检测单元50没有检测到移动物体时认证单元70不执行认证处理。也就是说,在没有检测到移动物体时认证单元70不启动认证处理,只有在检测到任一移动物体时认证单元70才执行认证处理。
这使得可以减少计算所需的时间和负载。此外,由于防止了在认证处理中使用从噪声提取的特征信息,所以认证性能不会下降。
这里,当移动物体检测单元50没有检测到任何移动物体时,校正单元40可以不执行校正处理,相对位置信息检测单元30可以不执行检测处理,从而减少了计算所需的时间和负载。
[2-9]摩擦力减小装置
接下来,参照图32至图35,为了减小与传感器表面11接触的手指200的移动引起的摩擦力,在指纹传感器10的传感器表面11的周围设置有摩擦力减小装置15至18。图32至图35是示意性地示出本实施例的摩擦力减小装置15至18的立体图。
图32的摩擦力减小装置15被设置为小摩擦系数的材料(小摩擦系数材料),例如TeflonTM,该材料布置在指纹传感器10的壳体表面12上位于指梢侧(图32中的传感器表面11的左侧)的手指接触区域13中。
这样,当执行滑动动作时,摩擦力减小装置15处于手指200的梢部(指梢侧)与壳体表面12之间。即使滑动动作中向指梢施加压力,也避免了由于摩擦力使得手指200伸展而导致的手指200的变形。
如果还在指纹传感器10的壳体表面12上位于指根侧(图32的传感器11的右侧)的手指接触区域13处设置了由前述小摩擦系数材料制成的摩擦力减小装置,那么更可靠地抑制了手指200的变形。此外,这种布置在手指200的滑动方向不受限制时也可靠地抑制手指200的变形。
图33的摩擦力减小装置16被设置为布置在指纹传感器10的壳体表面12上的凸起部,所述指纹传感器10具有与图32的摩擦力减小装置相同的摩擦力减小装置15,所述凸起部设置在手指200的指根侧(图33中的传感器表面11的右侧)。
该凸起部16是与传感器表面11的纵向方向平行地延伸的长物体,并且凸起部16在离指纹捕获对象区域14恰当距离的位置处从壳体表面12凸出。凸起部16设置在当开始进行指纹图像捕获(滑动)时放置手指200的第一关节的位置处。例如,凸起部16被设置为与指纹捕获对象区域14的端部(图33中的左端)相距4~10mm之内。
凸起部16的高度使得当手指200的第一关节位于凸起部16上时传感器表面11充分接触手指200(例如0.2mm到1.0mm),并且该凸起部的宽度与手指200的宽度大致相同(例如大约10mm)。与凸起部16的纵向正交的横截面的形状类似于倒字母U,以使手指平滑地接触凸起部16。
由于手指200在滑动时受到凸起部16支撑,所以不会向传感器表面11与手指200之间的接触面施加压力,从而防止了由手指根侧与壳体表面12之间的摩擦力而引起的手指200的收缩变形。此外,当手指200的滑动方向不受限制时,减小了由于即将进行捕获之前的部位与壳体表面12之间的摩擦力而引起的变形。
作为摩擦力减小装置,也可以设置图34的凸起部17和图35的凸起部18,而不是图33的凸起部16。
图34的凸起部17的中间部分的高度低于凸起部17的两端的高度。凸起部17的这种形状防止了手指200滑到旁边,从而可靠地获取指纹数据(生物特征信息)并且可以进行稳定的认证。此外,凸起部17拉伸指腹的皮肤,使得手指200与传感器表面11更稳定地接触。
图35的凸起部18的中间部分厚于其两端部分,凸起部18的这种形状比凸起部17的形状更强地拉伸指腹的皮肤。
前述摩擦力减小装置15和凸起部16至18还用作指示应该开始手指200的滑动动作的位置的标记,从而提高便利性。
如上所述,如果滑动型指纹传感器10具有摩擦力减小装置15至18(所述摩擦力减小装置15至18减小手指200在传感器表面11上的滑动运动而产生的摩擦力),则可以容易地执行手指200的滑动动作,从而提高便利性。此外,由于减小了手指200的变形,所以得到了具有高可再现性的生物特征信息图像,从而改进了认证性能。
[2-10]本实施例的认证设备的操作
以下参照图36的流程图(步骤S11至S22)对本实施例的认证设备的(用户鉴别的)操作进行描述。
首先,执行滑动型指纹传感器10的初始调节(步骤S11)。在该初始调节中,例如执行为了恰当检测指纹信息而进行的增益调节。此外,为了防止移动物体检测单元50在检测移动物体时错误地检测噪声,生成指纹传感器10在初始条件下连续获取的局部图像的加权时间平均图像。该平均图像存储在易失性存储器90中,并且,根据该平均图像,设置使得不会将噪声检测为移动物体的阈值。这时,如果没有开始滑动动作并且手指保持静止,则可以将手指200放在指纹传感器10的传感器表面11上。
在执行了初始调节之后,将指纹传感器10捕获的局部图像逐个存储到易失性存储器90中(步骤S12)。每当捕获到局部图像时,都从实时时钟80读出图像捕获开始时间,并将该图像捕获开始时间与对应的局部图像相关联地存储在易失性存储器90中。
移动物体检测单元50生成连续输入的局部图像的加权时间平均图像,并且对局部图像执行背景去除处理。特征提取单元20从已经去除了背景的局部图像提取前景和边缘,作为图像特征。特征提取单元20还提取端点和分叉点作为指纹特征,然后将其存储在易失性存储器90中(步骤S13)。
相对位置信息检测单元30根据在步骤13提取的特征来检测局部图像之间的相对位置信息,并且将相对位置信息与局部图像相关联地存储在易失性存储器90中(步骤S14)。
校正单元40使用在步骤S14检测到的相对位置信息以及在图像获取时存储的时间来计算滑动速度,并根据指纹传感器10的延迟属性来校正特征的位置。校正单元40还对手指200的变形程度(失真分布)进行估计/检测,并且根据所述变形程度来校正特征的位置(步骤S15)。
同时,移动物体检测单元50使用连续输入的局部图像的加权时间平均图像来检测移动物体(步骤S16)。这时,该加权时间平均图像即为在步骤S13的背景去除处理中计算的加权时间平均图像。如果移动物体检测单元50检测到任何移动物体(步骤S17处的“是”分支),则注册/认证数据生成单元60检查在非易失性存储器91中是否存储有对应于目标用户的注册数据(步骤S18)。如果其中存储有该注册数据(步骤S18处的“是”分支),则注册/认证数据生成单元60根据与局部图像相关联地存储在易失性存储器90中的特征和相对位置信息、按局部图像的输入顺序来生成用于认证的数据,并且注册/认证数据生成单元60将生成的认证数据发送到认证单元70(步骤S19)。
一旦接收到认证数据,认证单元70按生成注册数据时生成特征的顺序从非易失性存储器91读出特征(步骤S20),并比照注册数据对认证数据进行认证(步骤S21)。针对注册数据中的各项顺序地执行认证单元70的这个认证处理,直到读出了所有注册数据。
在从非易失性存储器91中读出了所有注册数据时,如果注册数据和认证数据不包含任何匹配的特征,则认为认证结果是失败的(失败的用户认证),并且处理结束(步骤S22处的“是”分支)。如果在结束认证数据输入时(在完成手指200的滑动动作时)仍未获得足够量的认证数据,则也认为认证是失败的(失败的用户认证),并且处理结束(步骤S22处的“是”分支)。
如果没有确定/完成认证结果(步骤S22处的“否”分支),则处理返回步骤S12,并且重复进行相同的过程。此外,如果在步骤S17处判断没有检测到移动物体(“否”分支),或者如果在步骤S18处判断没有存储注册数据(“否”分支),则处理转移至步骤S22,并且评估是否完成认证。此外,如果在从非易失性存储器91中读出所有注册数据之前就由步骤S21中的认证处理确定了认证结果,则认证处理在此时结束(步骤S22处的“是”分支)。
[3]其他变型例
本发明决不限于上述例示的实施例,在不脱离本发明实质的情况下可以提出不同的变化或修改。
例如,在上述实施例中,为认证而获取的生物特征信息是从人手指获取的指纹。本发明应不限于此,本发明还适用于从人手掌获取的掌纹和血管图案,并且也可以实现与上述描述中相同的效果和作用。此外,本发明还适用于牛的鼻纹图案,并且也可以实现与上述描述中相同的效果和作用。
此外,虽然上述实施例的指纹传感器是静电电容型的传感器,但是光学型的传感器也是适用的。
工业应用性
对两幅或更多幅局部图像之间的相对位置信息进行了检测,并且根据从相对位置信息及各局部图像中包含的特征的位置而估计的失真量,对各局部图像中包含的特征的位置进行了校正。这使得可以获取无失真的特征信息,从而可以在用户认证中使用高质量的特征信息,由此改进了认证性能,即认证可靠性。这时,由于校正是针对从各局部图像提取的特征信息而执行的,因此不必照原样存储单幅局部图像,从而使用少量存储器容量即可以以高速获取无失真的特征信息。
因此,本发明适合用于其中在诸如小型信息设备(例如移动电话和PDA)的小至无法配备传感器的设备上进行用户认证的系统,因此,本发明是非常有用的。
Claims (25)
1.一种生物特征信息获取设备,包括:
图像获取装置(10),其捕获生物特征信息的连续部分的多幅连续局部图像;
特征提取装置(20),其从所述图像获取装置(10)获取的单幅局部图像中获取包含在所述单幅局部图像中的特征以及该特征的位置;
相对位置信息检测装置(30),其根据包含在所述图像获取装置(10)所获取的两幅或更多幅局部图像相重叠的区域中的特征,检测所述两幅或更多幅局部图像的相对位置信息;以及
校正装置(40),其根据所述相对位置信息检测装置(30)检测到的相对位置信息以及单幅局部图像中的特征的位置,计算特征的失真量,并且根据计算出的失真量来校正单幅局部图像中的特征的位置。
2.一种生物特征信息获取设备,包括:
图像获取装置(10),其捕获生物特征信息的连续部分的多幅连续局部图像;
特征提取装置(20),其从所述图像获取装置(10)获取的单幅局部图像中获取包含在所述单幅局部图像中的特征以及该特征的位置;
相对位置信息检测装置(30),其根据包含在所述图像获取装置(10)所获取的两幅或更多幅局部图像相重叠的区域中的特征,检测所述两幅或更多幅局部图像的相对位置信息;以及
校正装置(40),其根据所述图像获取装置(10)获取单幅局部图像的时间间隔、所述图像获取装置(10)捕获单幅局部图像过程中的延迟、以及所述相对位置信息检测装置(30)检测到的相对位置信息,对单幅局部图像中的特征的位置进行校正,从而对由于所述图像获取装置(10)捕获单幅局部图像过程中的延迟而引起的单幅局部图像的失真进行校正。
3.一种生物特征信息获取设备,包括:
图像获取装置(10),其捕获生物特征信息的连续部分的多幅连续局部图像;
特征提取装置(20),其从所述图像获取装置(10)获取的单幅局部图像中获取包含在所述单幅局部图像中的特征以及该特征的位置;
相对位置信息检测装置(30),其根据包含在所述图像获取装置(10)所获取的两幅或更多幅局部图像相重叠的区域中的特征,检测所述两幅或更多幅局部图像的相对位置信息;以及
校正装置(40),
所述校正装置(40)根据所述相对位置信息检测装置(30)检测到的相对位置信息以及单幅局部图像中的特征的位置,计算特征的失真量,并且根据计算出的失真量来校正单幅局部图像中的特征的位置,并且
所述校正装置(40)根据所述图像获取装置(10)获取单幅局部图像的时间间隔、所述图像获取装置(10)捕获单幅局部图像过程中的延迟、以及所述相对位置信息检测装置(30)检测到的相对位置信息,对单幅局部图像中的特征的位置进行校正,从而对由于所述图像获取装置(10)捕获单幅局部图像过程中的延迟而引起的单幅局部图像的失真进行校正。
4.如权利要求1至权利要求3中的任何一项所述的生物特征信息获取设备,
其中,所述图像获取装置(10)从正在相对于所述图像获取装置(10)移动的被检体(200)捕获多幅连续局部图像,并且
其中,所述生物特征信息获取设备还包括去除装置(50),该去除装置(50)在所述特征提取装置(20)提取特征之前去除包含在所述图像获取装置(10)获取的多幅局部图像中并且不移动的图案图像。
5.如权利要求1至权利要求3中的任何一项所述的生物特征信息获取设备,其中,所述特征提取装置(20)提取单幅局部图像的前景和该前景的边缘作为所述特征。
6.如权利要求1至权利要求3中的任何一项所述的生物特征信息获取设备,其中,所述特征提取装置(20)提取通过细化单幅局部图像的前景而获取的图案中的端点和分叉点,作为所述特征。
7.如权利要求1至权利要求3中的任何一项所述的生物特征信息获取设备,其中,所述相对位置信息检测装置(30)根据恰在对所述图像获取装置(10)连续捕获的两幅或更多幅局部图像的相对位置信息进行检测前已检测到的一个或更多个相对位置信息项,对所述两幅或更多幅局部图像的相对位置信息进行检测。
8.如权利要求1至权利要求3中的任何一项所述的生物特征信息获取设备,其中,所述相对位置信息检测装置(30)根据随后要检测的预测相对位置信息,对所述图像获取装置(10)连续捕获的两幅或更多幅局部图像的相对位置信息进行检测,所述预测相对位置信息是根据恰在对所述两幅或更多幅局部图像的相对位置信息进行检测前已检测到的一个或更多个相对位置信息项而估计的。
9.如权利要求1至权利要求3中的任何一项所述的生物特征信息获取设备,其中,所述相对位置信息检测装置(30)将所述图像获取装置(10)连续捕获的两幅或更多幅局部图像中的每一幅都划分为共享一公共重叠区域的两个或更多个局部区域,并在所划分的两个或更多个局部区域中独立地检测相对位置信息。
10.如权利要求2所述的生物特征信息获取设备,
其中,所述相对位置信息检测装置(30)将所述图像获取装置(10)连续捕获的两幅或更多幅局部图像中的每一幅都划分为共享一公共重叠区域的两个或更多个局部区域,并在所划分的两个或更多个局部区域中独立地检测相对位置信息,
其中,所述校正装置(40)对多个局部区域中的特征的位置独立地进行校正,从而对由于所述图像获取装置(10)捕获单幅局部图像过程中的延迟而引起的单幅局部图像的失真进行校正。
11.如权利要求1至权利要求3中的任何一项所述的生物特征信息获取设备,
其中,所述图像获取装置(10)从正在相对于所述图像获取装置(10)移动的被检体(200)捕获多幅连续局部图像,并且
其中,所述生物特征信息获取设备还包括移动物体检测装置(50),该移动物体检测装置(50)基于所述图像获取装置(10)捕获的多幅局部图像来检测是否存在正在相对于所述图像获取装置(10)移动的移动物体。
12.如权利要求1至权利要求3中的任何一项所述的生物特征信息获取设备,
其中,所述图像获取装置(10)从在与所述图像获取装置(10)接触的同时相对于所述图像获取装置(10)移动的被检体(200)捕获多幅连续局部图像,并且
其中,所述生物特征信息获取设备还包括摩擦力减小装置(15-18),所述摩擦力减小装置(15-18)可以起作用以减小由被检体(200)的移动而引起的摩擦力。
13.一种生物特征信息认证设备,包括:
图像获取装置(10),其捕获待认证用户的生物特征信息的连续部分的多幅连续局部图像;
特征提取装置(20),其从所述图像获取装置(10)获取的单幅局部图像获取包含在所述单幅局部图像中的特征以及该特征的位置;
相对位置信息检测装置(30),其根据包含在所述图像获取装置(10)所获取的两幅或更多幅局部图像相重叠的区域中的特征,检测所述两幅或更多幅局部图像的相对位置信息;
校正装置(40),其根据所述相对位置信息检测装置(30)检测到的相对位置信息以及单幅局部图像中的特征的位置,计算特征的失真量,并且根据计算出的失真量来校正单幅局部图像中的特征的位置;
生成装置(60),其通过使用所述特征提取装置(20)提取的特征以及所述校正装置(40)获取的经校正的特征位置,生成用于用户认证的注册数据和认证数据中的任何一个或全部两个;以及
认证装置(70),其使用所述生成装置(60)生成的注册数据和认证数据中的任何一个或全部两个来执行认证处理,以对用户进行认证。
14.一种生物特征信息认证设备,包括:
图像获取装置(10),其捕获待认证用户的生物特征信息的连续部分的多幅连续局部图像;
特征提取装置(20),其从所述图像获取装置(10)获取的单幅局部图像获取包含在所述单幅局部图像中的特征以及该特征的位置;
相对位置信息检测装置(30),其根据包含在所述图像获取装置(10)所获取的两幅或更多幅局部图像相重叠的区域中的特征,检测所述两幅或更多幅局部图像的相对位置信息;
校正装置(40),其根据所述图像获取装置(10)获取单幅局部图像的时间间隔、所述图像获取装置(10)捕获单幅局部图像过程中的延迟、以及所述相对位置信息检测装置(30)检测到的相对位置信息,对单幅局部图像中的特征的位置进行校正,从而对由于所述图像获取装置(10)捕获单幅局部图像过程中的延迟而引起的单幅局部图像的失真进行校正;
生成装置(60),其通过使用所述特征提取装置(20)提取的特征以及所述校正装置(40)获取的经校正的特征位置,生成用于用户认证的注册数据和认证数据中的任何一个或全部两个;以及
认证装置(70),其使用所述生成装置(60)生成的注册数据和认证数据中的任何一个或全部两个来执行认证处理,以对用户进行认证。
15.一种生物特征信息认证设备,包括:
图像获取装置(10),其捕获待认证用户的生物特征信息的连续部分的多幅连续局部图像;
特征提取装置(20),其从所述图像获取装置(10)获取的单幅局部图像获取包含在所述单幅局部图像中的特征以及该特征的位置;
相对位置信息检测装置(30),其根据包含在所述图像获取装置(10)所获取的两幅或更多幅局部图像相重叠的区域中的特征,检测所述两幅或更多幅局部图像的相对位置信息;
校正装置(40),
所述校正装置(40)根据所述相对位置信息检测装置(30)检测到的相对位置信息以及单幅局部图像中的特征的位置,计算特征的失真量,并且根据计算出的失真量来校正单幅局部图像中的特征的位置,并且
所述校正装置(40)根据所述图像获取装置(10)获取单幅局部图像的时间间隔、所述图像获取装置(10)捕获单幅局部图像过程中的延迟、以及所述相对位置信息检测装置(30)检测到的相对位置信息,对单幅局部图像中的特征的位置进行校正,从而对由于所述图像获取装置(10)捕获单幅局部图像过程中的延迟而引起的单幅局部图像的失真进行校正;
生成装置(60),其通过使用所述特征提取装置(20)提取的特征以及所述校正装置(40)获取的经校正的特征位置,生成用于用户认证的注册数据和认证数据中的任何一个或全部两个;以及
认证装置(70),其使用所述生成装置(60)生成的注册数据和认证数据中的任何一个或全部两个来执行认证处理,以对用户进行认证。
16.如权利要求13至权利要求15中的任何一项所述的生物特征信息认证设备,
其中,所述图像获取装置(10)从待认证用户的被检体(200)捕获多幅连续局部图像,所述被检体正在相对于所述图像获取装置(10)移动,并且
其中,所述生物特征信息获取设备还包括去除装置(50),该去除装置(50)在所述特征提取装置(20)提取特征之前去除包含在所述图像获取装置(10)捕获的多幅局部图像中并且不移动的图案图像。
17.如权利要求13至权利要求15中的任何一项所述的生物特征信息认证设备,其中,所述特征提取装置(20)提取单幅局部图像的前景和该前景的边缘作为所述特征。
18.如权利要求13至权利要求15中的任何一项所述的生物特征信息认证设备,其中,所述特征提取装置(20)提取通过细化单幅局部图像的前景而获取的图案中的端点和分叉点,作为所述特征。
19.如权利要求13至权利要求15中的任何一项所述的生物特征信息认证设备,其中,所述相对位置信息检测装置(30)根据恰在对所述图像获取装置(10)连续捕获的两幅或更多幅局部图像的相对位置信息进行检测前已检测到的一个或更多个相对位置信息项,对所述两幅或更多幅局部图像的相对位置信息进行检测。
20.如权利要求13至权利要求15中的任何一项所述的生物特征信息认证设备,其中,所述相对位置信息检测装置(30)根据随后要检测的预测相对位置信息,对所述图像获取装置(10)连续捕获的两幅或更多幅局部图像的相对位置信息进行检测,所述预测相对位置信息是根据恰在对所述两幅或更多幅局部图像的相对位置信息进行检测前已检测到的一个或更多个相对位置信息项而估计的。
21.如权利要求13至权利要求15中的任何一项所述的生物特征信息认证设备,其中,所述相对位置信息检测装置(30)将所述图像获取装置(10)连续捕获的两幅或更多幅局部图像中的每一幅都划分为共享公共重叠区域的两个或更多个局部区域,并在所划分的两个或更多个局部区域中独立地检测相对位置信息。
22.如权利要求13至权利要求15中的任何一项所述的生物特征信息认证设备,
其中,所述图像获取装置(10)从待认证用户的被检体(200)捕获多幅连续局部图像,所述被检体正在相对于所述图像获取装置(10)移动,并且
其中,所述生物特征信息认证设备还包括移动物体检测装置(50),该移动物体检测装置(50)基于所述图像获取装置(10)捕获的多幅局部图像来检测是否存在正在相对于图像获取装置(10)移动的移动物体。
23.如权利要求13至权利要求15中的任何一项所述的生物特征信息认证设备,
其中,所述认证装置(70)优先使用从所述图像获取装置(10)早先捕获的局部图像中获取的特征和相对位置信息来执行认证处理。
24.如权利要求23所述的生物特征信息认证设备,
其中,所述认证装置(70)在确认了用户的认证结果时终止认证处理。
25.如权利要求13至权利要求15中的任何一项所述的生物特征信息认证设备,
其中,所述图像获取装置(10)从待认证用户的被检体(200)捕获多幅连续局部图像,所述被检体在与所述图像获取装置(10)接触的同时相对于所述图像获取装置(10)移动,并且
其中,所述生物特征信息认证设备还包括摩擦力减小装置(15-18),所述摩擦力减小装置(15-18)可以起作用以减小由被检体(200)的移动而引起的摩擦力。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2002/009501 WO2004026139A1 (ja) | 2002-09-17 | 2002-09-17 | 生体情報取得装置および生体情報による認証装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1668244A CN1668244A (zh) | 2005-09-14 |
CN100364480C true CN100364480C (zh) | 2008-01-30 |
Family
ID=32012207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB028296001A Expired - Fee Related CN100364480C (zh) | 2002-09-17 | 2002-09-17 | 生物特征信息获取设备和使用生物特征信息的认证设备 |
Country Status (7)
Country | Link |
---|---|
US (1) | US7627150B2 (zh) |
EP (2) | EP2053536B1 (zh) |
JP (1) | JP3859673B2 (zh) |
CN (1) | CN100364480C (zh) |
AU (1) | AU2002328437A1 (zh) |
DE (1) | DE60238281D1 (zh) |
WO (1) | WO2004026139A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198289A (zh) * | 2012-01-04 | 2013-07-10 | 金佶科技股份有限公司 | 双镜头指纹辨识方法与其装置 |
Families Citing this family (100)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6711283B1 (en) | 2000-05-03 | 2004-03-23 | Aperio Technologies, Inc. | Fully automatic rapid microscope slide scanner |
JP4583819B2 (ja) * | 2004-06-23 | 2010-11-17 | Necインフロンティア株式会社 | 指紋入力装置、指紋入力方法及びプログラム |
JP4411152B2 (ja) | 2004-07-05 | 2010-02-10 | Necインフロンティア株式会社 | 指紋読取方法、指紋読取システム及びプログラム |
EP1784763B1 (en) * | 2004-09-01 | 2019-05-22 | Leica Biosystems Imaging, Inc. | System and method for data management in a linear-array-based microscope slide scanner |
US20060078178A1 (en) * | 2004-09-18 | 2006-04-13 | Will Shatford | Swipe sensor |
JP2006107366A (ja) | 2004-10-08 | 2006-04-20 | Fujitsu Ltd | 生体情報入力装置,生体認証装置,生体情報処理方法,生体情報処理プログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体 |
TW200632764A (en) | 2004-11-15 | 2006-09-16 | Nec Corp | Biological feature input device |
JP2006221514A (ja) * | 2005-02-14 | 2006-08-24 | Canon Inc | 生体認証装置及び画像取得方法 |
CA2598482C (en) * | 2005-02-17 | 2012-04-17 | Authentec, Inc. | Finger sensor apparatus using image resampling and associated methods |
JP4690081B2 (ja) * | 2005-03-09 | 2011-06-01 | Necインフロンティア株式会社 | 指紋照合方法 |
EP1715443B1 (en) * | 2005-04-22 | 2012-12-05 | Hitachi-Omron Terminal Solutions, Corp. | Biometrics authentication apparatus |
JP4967259B2 (ja) * | 2005-06-14 | 2012-07-04 | 船井電機株式会社 | 制御装置及び被制御機器 |
US8385612B2 (en) | 2005-06-30 | 2013-02-26 | Nec Corporation | Fingerprint image background detection apparatus and detection method |
JP4511428B2 (ja) * | 2005-07-28 | 2010-07-28 | 綜合警備保障株式会社 | 掃引式指紋認証装置 |
US7809211B2 (en) * | 2005-11-17 | 2010-10-05 | Upek, Inc. | Image normalization for computed image construction |
JP4740743B2 (ja) | 2006-01-06 | 2011-08-03 | 富士通株式会社 | 生体情報入力装置 |
JP2007206991A (ja) * | 2006-02-02 | 2007-08-16 | Hitachi Ltd | 生体情報処理装置及び生体情報処理プログラム |
JP4547629B2 (ja) * | 2006-02-10 | 2010-09-22 | ソニー株式会社 | 登録装置、登録方法及び登録プログラム |
JP4757071B2 (ja) | 2006-03-27 | 2011-08-24 | 富士通株式会社 | 指紋認証装置および情報処理装置 |
JP4182987B2 (ja) | 2006-04-28 | 2008-11-19 | 日本電気株式会社 | 画像読取装置 |
US7773126B1 (en) * | 2006-05-26 | 2010-08-10 | Itt Manufacturing Enterprises, Inc. | Mosaic image collector including an embedded atomic clock |
US20080049987A1 (en) * | 2006-08-28 | 2008-02-28 | Champagne Katrina S | Fingerprint recognition system |
JP4238902B2 (ja) * | 2006-09-04 | 2009-03-18 | 日本電気株式会社 | 文字ノイズ除去装置、文字ノイズ除去方法、文字ノイズ除去プログラム |
JP5012000B2 (ja) * | 2006-12-15 | 2012-08-29 | ソニー株式会社 | 照合装置、照合方法及びプログラム |
JP4862644B2 (ja) * | 2006-12-15 | 2012-01-25 | ソニー株式会社 | 登録装置、登録方法及びプログラム |
EP2128817B1 (en) * | 2007-01-24 | 2019-04-03 | Fujitsu Limited | Image reading device, image reading program, and image reading method |
WO2008110227A1 (de) * | 2007-03-14 | 2008-09-18 | Axsionics Ag | Druckmessvorrichtung und entsprechendes verfahren |
EP2219154B1 (en) * | 2007-11-09 | 2017-09-20 | Fujitsu Limited | Biological information acquiring device, biological information accruing method, biological information acquiring program, and biometric authentication device |
JP2009140076A (ja) | 2007-12-04 | 2009-06-25 | Sony Corp | 認証装置及び認証方法 |
TWI380196B (en) * | 2007-12-25 | 2012-12-21 | Pixart Imaging Inc | Method for detecting users' pressing action and optical operating unit |
US8634604B2 (en) * | 2008-05-05 | 2014-01-21 | Sonavation, Inc. | Method and system for enhanced image alignment |
JP5040835B2 (ja) | 2008-07-04 | 2012-10-03 | 富士通株式会社 | 生体情報読取装置、生体情報読取方法および生体情報読取プログラム |
JP4748199B2 (ja) * | 2008-09-30 | 2011-08-17 | ソニー株式会社 | 静脈撮像装置および静脈撮像方法 |
KR101252047B1 (ko) * | 2009-01-28 | 2013-04-12 | 후지쯔 가부시끼가이샤 | 지문 판독 장치 및 전자 장치 |
JP5196010B2 (ja) * | 2009-04-13 | 2013-05-15 | 富士通株式会社 | 生体情報登録装置、生体情報登録方法及び生体情報登録用コンピュータプログラムならびに生体認証装置、生体認証方法及び生体認証用コンピュータプログラム |
JP4759633B2 (ja) * | 2009-08-20 | 2011-08-31 | 富士通株式会社 | 生体情報入力装置,生体情報処理方法および生体情報処理プログラム |
WO2011092827A1 (ja) | 2010-01-28 | 2011-08-04 | 富士通株式会社 | 生体情報処理装置、生体情報処理方法及び生体情報処理プログラム |
US8913847B2 (en) * | 2010-06-01 | 2014-12-16 | Hewlett-Packard Development Company, L.P. | Replacement of a person or object in an image |
JP5984327B2 (ja) * | 2010-07-24 | 2016-09-06 | キヤノン株式会社 | 情報処理方法及びその装置、プログラム |
US8724861B1 (en) * | 2010-12-06 | 2014-05-13 | University Of South Florida | Fingertip force, location, and orientation sensor |
JP5641059B2 (ja) | 2010-12-29 | 2014-12-17 | 富士通株式会社 | 生体情報登録装置及び生体情報登録方法 |
US9229489B2 (en) * | 2011-05-03 | 2016-01-05 | Facebook, Inc. | Adjusting mobile device state based on user intentions and/or identity |
TWI485629B (zh) * | 2011-11-21 | 2015-05-21 | Pixart Imaging Inc | An optical input device, an input detection method thereof, and a method for the optical input device |
KR101622065B1 (ko) * | 2012-03-28 | 2016-05-17 | 후지쯔 가부시끼가이샤 | 생체 인증 장치, 생체 인증 방법 및 기억 매체 |
KR101312097B1 (ko) * | 2012-10-29 | 2013-09-25 | 크루셜소프트 주식회사 | 지문 인식 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 |
JP5971089B2 (ja) * | 2012-11-14 | 2016-08-17 | 富士通株式会社 | 生体情報補正装置、生体情報補正方法及び生体情報補正用コンピュータプログラム |
US9582705B2 (en) | 2014-08-31 | 2017-02-28 | Qualcomm Incorporated | Layered filtering for biometric sensors |
US9665763B2 (en) | 2014-08-31 | 2017-05-30 | Qualcomm Incorporated | Finger/non-finger determination for biometric sensors |
US9195879B1 (en) * | 2014-08-31 | 2015-11-24 | Qualcomm Incorporated | Air/object determination for biometric sensors |
US9760755B1 (en) * | 2014-10-03 | 2017-09-12 | Egis Technology Inc. | Fingerprint matching methods and device |
CN107358188B (zh) * | 2015-01-13 | 2021-12-07 | 深圳市汇顶科技股份有限公司 | 指纹传感器及其校正方法 |
US9805247B2 (en) * | 2015-02-27 | 2017-10-31 | Idex Asa | Pattern registration |
USD776664S1 (en) * | 2015-05-20 | 2017-01-17 | Chaya Coleena Hendrick | Smart card |
US9471765B1 (en) * | 2015-07-01 | 2016-10-18 | Fingerprint Cards Ab | Fingerprint authentication with template updating |
JP6578843B2 (ja) | 2015-09-18 | 2019-09-25 | 富士通株式会社 | システム、装置、方法およびプログラム |
CN105303172B (zh) * | 2015-10-19 | 2017-11-21 | 广东欧珀移动通信有限公司 | 一种指纹传感器的校准参数的获取方法、装置及移动终端 |
CN105373786A (zh) * | 2015-11-30 | 2016-03-02 | 东莞酷派软件技术有限公司 | 一种指纹采集方法、装置及电子设备 |
CN107091704B (zh) * | 2016-02-17 | 2020-10-09 | 北京小米移动软件有限公司 | 压力检测方法和装置 |
US10656255B2 (en) | 2016-05-04 | 2020-05-19 | Invensense, Inc. | Piezoelectric micromachined ultrasonic transducer (PMUT) |
US10445547B2 (en) | 2016-05-04 | 2019-10-15 | Invensense, Inc. | Device mountable packaging of ultrasonic transducers |
US10670716B2 (en) | 2016-05-04 | 2020-06-02 | Invensense, Inc. | Operating a two-dimensional array of ultrasonic transducers |
US10315222B2 (en) | 2016-05-04 | 2019-06-11 | Invensense, Inc. | Two-dimensional array of CMOS control elements |
US10441975B2 (en) | 2016-05-10 | 2019-10-15 | Invensense, Inc. | Supplemental sensor modes and systems for ultrasonic transducers |
US11673165B2 (en) | 2016-05-10 | 2023-06-13 | Invensense, Inc. | Ultrasonic transducer operable in a surface acoustic wave (SAW) mode |
US10562070B2 (en) | 2016-05-10 | 2020-02-18 | Invensense, Inc. | Receive operation of an ultrasonic sensor |
US10452887B2 (en) | 2016-05-10 | 2019-10-22 | Invensense, Inc. | Operating a fingerprint sensor comprised of ultrasonic transducers |
US10539539B2 (en) | 2016-05-10 | 2020-01-21 | Invensense, Inc. | Operation of an ultrasonic sensor |
US10706835B2 (en) | 2016-05-10 | 2020-07-07 | Invensense, Inc. | Transmit beamforming of a two-dimensional array of ultrasonic transducers |
US10632500B2 (en) | 2016-05-10 | 2020-04-28 | Invensense, Inc. | Ultrasonic transducer with a non-uniform membrane |
US11232274B2 (en) * | 2017-03-10 | 2022-01-25 | Fingerprint Cards Anacatum Ip Ab | Suppressing impairment data in fingerprint images |
US10474862B2 (en) | 2017-06-01 | 2019-11-12 | Invensense, Inc. | Image generation in an electronic device using ultrasonic transducers |
US10643052B2 (en) | 2017-06-28 | 2020-05-05 | Invensense, Inc. | Image generation in an electronic device using ultrasonic transducers |
US10713463B2 (en) | 2017-10-16 | 2020-07-14 | Egis Technology Inc. | Display method of user interface and electronic apparatus thereof |
TWI735821B (zh) * | 2018-04-12 | 2021-08-11 | 神盾股份有限公司 | 指紋註冊方法以及使用其的電子裝置 |
CN109669651B (zh) * | 2017-10-16 | 2021-02-02 | 神盾股份有限公司 | 用户接口的显示方法以及电子装置 |
US10755068B2 (en) | 2017-10-16 | 2020-08-25 | Egis Technology Inc. | Fingerprint registration method and electronic device using the same |
JP7092984B2 (ja) | 2017-12-01 | 2022-06-29 | 富士通株式会社 | 生体画像処理装置、生体画像処理方法、及び生体画像処理プログラム |
US10997388B2 (en) | 2017-12-01 | 2021-05-04 | Invensense, Inc. | Darkfield contamination detection |
US10984209B2 (en) | 2017-12-01 | 2021-04-20 | Invensense, Inc. | Darkfield modeling |
WO2019109010A1 (en) | 2017-12-01 | 2019-06-06 | Invensense, Inc. | Darkfield tracking |
US11151355B2 (en) * | 2018-01-24 | 2021-10-19 | Invensense, Inc. | Generation of an estimated fingerprint |
US10755067B2 (en) | 2018-03-22 | 2020-08-25 | Invensense, Inc. | Operating a fingerprint sensor comprised of ultrasonic transducers |
CN110378180B (zh) * | 2018-04-12 | 2023-03-24 | 神盾股份有限公司 | 指纹注册方法以及使用其的电子装置 |
JP7384157B2 (ja) * | 2018-06-19 | 2023-11-21 | ソニーグループ株式会社 | 情報処理装置、ウエアラブル機器、情報処理方法及びプログラム |
CN109389071A (zh) * | 2018-09-29 | 2019-02-26 | 京东方科技集团股份有限公司 | 指纹检测方法与指纹图像补偿方法及装置、电子装置 |
US10936843B2 (en) | 2018-12-28 | 2021-03-02 | Invensense, Inc. | Segmented image acquisition |
US11188735B2 (en) | 2019-06-24 | 2021-11-30 | Invensense, Inc. | Fake finger detection using ridge features |
WO2020264046A1 (en) | 2019-06-25 | 2020-12-30 | Invensense, Inc. | Fake finger detection based on transient features |
US11176345B2 (en) | 2019-07-17 | 2021-11-16 | Invensense, Inc. | Ultrasonic fingerprint sensor with a contact layer of non-uniform thickness |
US11216632B2 (en) | 2019-07-17 | 2022-01-04 | Invensense, Inc. | Ultrasonic fingerprint sensor with a contact layer of non-uniform thickness |
US11232549B2 (en) | 2019-08-23 | 2022-01-25 | Invensense, Inc. | Adapting a quality threshold for a fingerprint image |
US11392789B2 (en) | 2019-10-21 | 2022-07-19 | Invensense, Inc. | Fingerprint authentication using a synthetic enrollment image |
CN111368747A (zh) * | 2020-03-06 | 2020-07-03 | 上海掌腾信息科技有限公司 | 基于tof技术实现掌静脉特征矫正处理的系统及其方法 |
US11460957B2 (en) | 2020-03-09 | 2022-10-04 | Invensense, Inc. | Ultrasonic fingerprint sensor with a contact layer of non-uniform thickness |
US11243300B2 (en) | 2020-03-10 | 2022-02-08 | Invensense, Inc. | Operating a fingerprint sensor comprised of ultrasonic transducers and a presence sensor |
US11328165B2 (en) | 2020-04-24 | 2022-05-10 | Invensense, Inc. | Pressure-based activation of fingerprint spoof detection |
US11995909B2 (en) | 2020-07-17 | 2024-05-28 | Tdk Corporation | Multipath reflection correction |
KR20220132245A (ko) | 2021-03-23 | 2022-09-30 | 삼성전자주식회사 | 전자 장치 및 그것의 지문 인식 방법 |
FR3127602A1 (fr) * | 2021-09-27 | 2023-03-31 | Idemia Identity & Security France | procédé de génération d’une image augmentée et dispositif associé |
CN114913555B (zh) * | 2022-05-30 | 2024-09-13 | 深圳芯启航科技有限公司 | 指纹特征点获取方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5629988A (en) * | 1993-06-04 | 1997-05-13 | David Sarnoff Research Center, Inc. | System and method for electronic image stabilization |
US5838837A (en) * | 1995-04-10 | 1998-11-17 | Sharp Kabushiki Kaisha | Image synthesizing device |
US5999662A (en) * | 1994-11-14 | 1999-12-07 | Sarnoff Corporation | System for automatically aligning images to form a mosaic image |
US6289114B1 (en) * | 1996-06-14 | 2001-09-11 | Thomson-Csf | Fingerprint-reading system |
US20020003892A1 (en) * | 2000-07-10 | 2002-01-10 | Casio Computer Co., Ltd. | Authentication system based on fingerprint and electronic device employed for the system |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2531605B2 (ja) * | 1984-02-24 | 1996-09-04 | 株式会社東芝 | 画像の位置合せ装置 |
DK155242C (da) * | 1985-05-02 | 1989-07-31 | Jydsk Telefon As | Fremgangsmaade og apparat til automatisk aftastning af fingeraftryk |
US5719970A (en) * | 1994-07-08 | 1998-02-17 | Seiko Epson Corporation | Image processing method and device |
JPH0888778A (ja) * | 1994-09-14 | 1996-04-02 | Olympus Optical Co Ltd | 画像走査装置 |
JPH08263631A (ja) | 1995-03-23 | 1996-10-11 | Nippon Telegr & Teleph Corp <Ntt> | 指紋入力装置 |
FR2739977B1 (fr) | 1995-10-17 | 1998-01-23 | France Telecom | Capteur monolithique d'empreintes digitales |
US6064753A (en) * | 1997-06-10 | 2000-05-16 | International Business Machines Corporation | System and method for distortion control in live-scan inkless fingerprint images |
US6002815A (en) * | 1997-07-16 | 1999-12-14 | Kinetic Sciences, Inc. | Linear sensor imaging method and apparatus |
US5844187A (en) * | 1997-12-12 | 1998-12-01 | Siemens Energy & Automation, Inc. | Single piece arcing contact for a circuit breaker |
US6466686B2 (en) * | 1998-01-07 | 2002-10-15 | International Business Machines Corporation | System and method for transforming fingerprints to improve recognition |
US6317508B1 (en) | 1998-01-13 | 2001-11-13 | Stmicroelectronics, Inc. | Scanning capacitive semiconductor fingerprint detector |
US6324310B1 (en) * | 1998-06-02 | 2001-11-27 | Digital Persona, Inc. | Method and apparatus for scanning a fingerprint using a linear sensor |
JP4340722B2 (ja) | 1998-09-25 | 2009-10-07 | 財団法人電磁応用研究所 | 画像合成方法、画像入力装置、及び画像合成プログラムを記録した記録媒体 |
US6259108B1 (en) * | 1998-10-09 | 2001-07-10 | Kinetic Sciences Inc. | Fingerprint image optical input apparatus |
US6364835B1 (en) * | 1998-11-20 | 2002-04-02 | Acuson Corporation | Medical diagnostic ultrasound imaging methods for extended field of view |
US6546122B1 (en) * | 1999-07-29 | 2003-04-08 | Veridicom, Inc. | Method for combining fingerprint templates representing various sensed areas of a fingerprint to derive one fingerprint template representing the fingerprint |
JP3738629B2 (ja) | 1999-11-25 | 2006-01-25 | 三菱電機株式会社 | 携帯型電子機器 |
JP3536908B2 (ja) * | 1999-12-15 | 2004-06-14 | 日本電気株式会社 | 画像合成方法、画像合成装置、記録媒体、及び指紋入力装置 |
JP4426733B2 (ja) * | 2000-03-31 | 2010-03-03 | 富士通株式会社 | 指紋データ合成方法,指紋データ合成装置,指紋データ合成プログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体 |
AU2000244476A1 (en) * | 2000-04-13 | 2001-10-30 | Nanyang Technological University | Method and device for determining a total minutiae template from a plurality of partial minutiae templates |
SE0001761L (sv) * | 2000-05-15 | 2001-07-02 | Ericsson Telefon Ab L M | Metod för alstring av en sammansatt bild samt en apparat för detektering av fingeravtryck |
JP3742279B2 (ja) * | 2000-06-09 | 2006-02-01 | 日本電信電話株式会社 | 画像照合装置、画像照合方法及び画像照合プログラムを記録した記録媒体 |
JP3780830B2 (ja) * | 2000-07-28 | 2006-05-31 | 日本電気株式会社 | 指紋識別方法及び装置 |
US7289649B1 (en) * | 2000-08-10 | 2007-10-30 | Avago Technologies Ecbu Ip (Singapore) Pte. Ltd. | Fingerprint imager |
JP2002074353A (ja) * | 2000-08-30 | 2002-03-15 | Minolta Co Ltd | 画像処理装置、画像処理方法および画像処理プログラムを記録したコンピュータ読取可能な記録媒体 |
JP4303410B2 (ja) * | 2000-09-29 | 2009-07-29 | 富士通株式会社 | 紋様中心決定装置および紋様方向決定装置並びに紋様位置合わせ装置および紋様照合装置 |
US6766040B1 (en) * | 2000-10-02 | 2004-07-20 | Biometric Solutions, Llc | System and method for capturing, enrolling and verifying a fingerprint |
JP3709344B2 (ja) * | 2001-01-16 | 2005-10-26 | Necソフト株式会社 | 指紋画像の入力方法、指紋画像の入力装置、プログラム、携帯型情報機器 |
KR100430054B1 (ko) * | 2001-05-25 | 2004-05-03 | 주식회사 씨크롭 | 리니어 지문 검출센서를 이용한 지문획득 방법 |
US7113622B2 (en) * | 2001-06-27 | 2006-09-26 | Laurence Hamid | Swipe imager with improved sensing control features |
JP3902473B2 (ja) * | 2002-01-17 | 2007-04-04 | 富士通株式会社 | 生体情報を用いた本人認証方法 |
CN1235172C (zh) * | 2002-02-20 | 2006-01-04 | 佳能株式会社 | 图像输入装置 |
JP2003242489A (ja) * | 2002-02-20 | 2003-08-29 | Canon Inc | 画像入力装置及び指紋認識装置 |
-
2002
- 2002-09-17 CN CNB028296001A patent/CN100364480C/zh not_active Expired - Fee Related
- 2002-09-17 AU AU2002328437A patent/AU2002328437A1/en not_active Abandoned
- 2002-09-17 EP EP09152192A patent/EP2053536B1/en not_active Expired - Lifetime
- 2002-09-17 DE DE60238281T patent/DE60238281D1/de not_active Expired - Lifetime
- 2002-09-17 WO PCT/JP2002/009501 patent/WO2004026139A1/ja active Application Filing
- 2002-09-17 EP EP02763032A patent/EP1541086B1/en not_active Expired - Lifetime
- 2002-09-17 JP JP2004537499A patent/JP3859673B2/ja not_active Expired - Fee Related
-
2004
- 2004-12-22 US US11/018,601 patent/US7627150B2/en not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5629988A (en) * | 1993-06-04 | 1997-05-13 | David Sarnoff Research Center, Inc. | System and method for electronic image stabilization |
US5999662A (en) * | 1994-11-14 | 1999-12-07 | Sarnoff Corporation | System for automatically aligning images to form a mosaic image |
US5838837A (en) * | 1995-04-10 | 1998-11-17 | Sharp Kabushiki Kaisha | Image synthesizing device |
US6289114B1 (en) * | 1996-06-14 | 2001-09-11 | Thomson-Csf | Fingerprint-reading system |
US20020003892A1 (en) * | 2000-07-10 | 2002-01-10 | Casio Computer Co., Ltd. | Authentication system based on fingerprint and electronic device employed for the system |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198289A (zh) * | 2012-01-04 | 2013-07-10 | 金佶科技股份有限公司 | 双镜头指纹辨识方法与其装置 |
CN103198289B (zh) * | 2012-01-04 | 2016-12-14 | 金佶科技股份有限公司 | 双镜头指纹辨识方法与其装置 |
Also Published As
Publication number | Publication date |
---|---|
EP1541086B1 (en) | 2010-11-10 |
AU2002328437A1 (en) | 2004-04-08 |
EP1541086A1 (en) | 2005-06-15 |
EP1541086A4 (en) | 2007-07-18 |
JP3859673B2 (ja) | 2006-12-20 |
JPWO2004026139A1 (ja) | 2006-01-12 |
CN1668244A (zh) | 2005-09-14 |
WO2004026139A1 (ja) | 2004-04-01 |
EP2053536A1 (en) | 2009-04-29 |
US7627150B2 (en) | 2009-12-01 |
EP2053536B1 (en) | 2012-06-20 |
DE60238281D1 (de) | 2010-12-23 |
US20050100200A1 (en) | 2005-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100364480C (zh) | 生物特征信息获取设备和使用生物特征信息的认证设备 | |
JP3780830B2 (ja) | 指紋識別方法及び装置 | |
KR100430054B1 (ko) | 리니어 지문 검출센서를 이용한 지문획득 방법 | |
US7734074B2 (en) | Finger sensor apparatus using image resampling and associated methods | |
EP1993061B1 (en) | Sequential image alignment | |
EP0976087B1 (en) | Biometric recognition using a master pattern set | |
US7616787B2 (en) | Methods for finger biometric processing and associated finger biometric sensors | |
US8824746B2 (en) | Biometric information processing device, biometric-information processing method, and computer-readable storage medium | |
US20100046810A1 (en) | Fingerprint image acquiring device, fingerprint authenticating apparatus, fingerprint image acquiring method, and fingerprint authenticating method | |
Ross et al. | Image versus feature mosaicing: A case study in fingerprints | |
WO1998050885A2 (en) | Method and apparatus for performing global image alignment using any local match measure | |
JP2003248820A (ja) | 画像連結方法、プログラム及び装置 | |
US20050201596A1 (en) | Coding system & method of a fingerprint image | |
JP4427039B2 (ja) | 生体情報取得装置および生体情報による認証装置 | |
JP5040835B2 (ja) | 生体情報読取装置、生体情報読取方法および生体情報読取プログラム | |
US20040218790A1 (en) | Print segmentation system and method | |
Maltoni et al. | Advances in fingerprint modeling | |
JP2019028490A (ja) | 生体画像処理装置、生体画像処理方法及び生体画像処理プログラム | |
JP5861530B2 (ja) | 利用者検知装置、方法、及びプログラム | |
KR100789607B1 (ko) | 지문 인식 장치 및 방법 | |
KR100642620B1 (ko) | 생체 정보 취득 장치 및 생체 정보에 의한 인증 장치 | |
RU2320261C2 (ru) | Способ получения изображения отпечатка папиллярного узора | |
Cho et al. | A method for fingerprint enrollment by finger rubbing | |
US7856128B2 (en) | Method of compensating for distortion caused by fingerprint input sensors of heterogeneous fingerprint recognition systems | |
JP2001126072A (ja) | 画像データ照合装置、画像データ照合方法、及び画像データ照合処理プログラムを記憶した記憶媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080130 Termination date: 20200917 |
|
CF01 | Termination of patent right due to non-payment of annual fee |