CN101154263A - 基于局部结构的双胞胎相似指纹识别系统及方法 - Google Patents
基于局部结构的双胞胎相似指纹识别系统及方法 Download PDFInfo
- Publication number
- CN101154263A CN101154263A CNA200610113409XA CN200610113409A CN101154263A CN 101154263 A CN101154263 A CN 101154263A CN A200610113409X A CNA200610113409X A CN A200610113409XA CN 200610113409 A CN200610113409 A CN 200610113409A CN 101154263 A CN101154263 A CN 101154263A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- minutiae point
- image
- template
- partial structurtes
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008878 coupling Effects 0.000 claims description 38
- 238000010168 coupling process Methods 0.000 claims description 38
- 238000005859 coupling reaction Methods 0.000 claims description 38
- 239000013598 vector Substances 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 22
- 238000013519 translation Methods 0.000 claims description 17
- 239000000284 extract Substances 0.000 claims description 10
- 230000013011 mating Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000002203 pretreatment Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000004700 fetal blood Anatomy 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明公开一种基于局部结构的双胞胎相似指纹识别系统及方法,识别系统包括:预处理装置、局部结构模板装置、细节点局部结构匹配装置;方法包括:对采集到的指纹图像进行预处理,得到指纹的细化图像;提取细化图像中的脊线末梢和分叉细节点p,对提取的细节点p的集合构造局部结构,将指纹中各局部结构组合生成指纹模板;把输入指纹局部结构模板与数据库中指纹模板进行比对,计算局部结构之间的相对位置和方向参数的差异,判断指纹是否匹配。由于本发明运用细节点局部结构,不仅显著提高了自动指纹识别系统对于双胞胎相似指纹的识别性能,而且能够避免因指纹全局特征相似而造成的识别率下降问题,拓宽其在双胞胎这一特殊群体中的应用。
Description
技术领域
本发明属于生物特征识别技术领域,具体涉及指纹识别方法,尤其涉及基于局部结构的双胞胎相似指纹识别方法。
背景技术
随着社会的发展和人们安全意识的提高,生物特征识别技术起着越来越重要的作用,在社会的各个领域和人们日常生活的方方面面也有着日益广泛的应用。虽然双胞胎占人口的比例较小,但是受到的关注程度很高,对这一特殊群体的进行有效的身份认证更是研究的难点。由于双胞胎是基因基本相同的个体,所以他们具有十分相似的生物特征,如人脸、形体和声音等,所以采用人脸、形体或语音识别等手段,无法将双胞胎正确的区分开来。而且由于双胞胎的基因几乎完全相同,所以使用DNA鉴定的方法也很难对双胞胎进行识别和验证。与此同时,双胞胎的指纹的相似程度也很高。因此,对双胞胎的相似指纹进行有效识别的技术难度远远大于对普通人群的指纹识别。
医学研究表明,人的指纹主要是在胎儿时期的第13至19周形成的,决定指纹形态的因素主要有两个,一是遗传因素,即DNA,二是胎儿在母体中的发育环境,如脐带血流等。双胞胎在这两方面都是最为相近的,因此双胞胎的指纹,尤其是指纹中的全局特征相似度很高,这就给双胞胎的指纹识别带来了巨大挑战。
自动指纹识别技术是将采集到的指纹与数据库中的指纹进行比较,以确定是否属于某个手指的过程。指纹识别方法主要的依据包括指纹的全局特征,如指纹分类、奇异点、脊线流等,以及局部特征,如细节点等。由于全局特征在指纹采集中相对比较稳定,而局部特征数量较多、便于比较,因此目前的指纹识别方法都采用全局特征与局部特征相结合的方法进行指纹识别。然而对于全局特征非常相似的双胞胎指纹而言,传统的指纹识别方法有着明显的缺点:在全局特征一致而局部特征相似的情况下,容易造成指纹的误识,导致了双胞胎群体指纹的识别率显著降低,自动指纹识别系统的应用范围受到限制。
发明内容
对于全局特征非常相似的双胞胎指纹而言,传统的指纹识别方法有着明显的缺点:在全局特征一致而局部特征相似的情况下,容易造成指纹的误识,导致了双胞胎群体指纹的识别率显著降低,指纹自动识别系统的应用范围受到限制,为了解决现有技术的问题,本发明的目的是提供一种能提高双胞胎群体指纹的识别率的基于局部结构的双胞胎相似指纹识别系统及方法。
为了实现本发明的目的,本发明的一方面,是提供一种基于局部结构的双胞胎相似指纹识别系统,包括:
与输入图像端连接的预处理装置,用于对输入的指纹图像提取方向场图像、分割指纹图像的前景和背景、对图像进行方向滤波,输出指纹细化图像;
与预处理装置连接的局部结构模板装置,用于提取细化图像中细节点,构造细节点局部结构,将指纹中各局部结构组合生成指纹模板;
与局部结构模板装置连接的细节点局部结构匹配装置:比对输入指纹局部结构模板与数据库中指纹模板,用于输出指纹识别结果。
根据本发明的实施例,所述预处理装置包括:
方向场提取单元:用于分析指纹中灰度点的梯度方向和待估计方向的关系,提取方向场图像;
与方向场提取单元连接的分割单元:用于去除所述方向场图像中方向场变化紊乱的部分,形成指纹的掩膜图像;
与分割单元连接的图像滤波单元:用于掩膜图像进行方向滤波;
与图像滤波单元连接的细化单元:采用垂直于x轴方向或垂直于y方向细化处理,用于对脊线方向梯度的线积分通过跨越脊线的断面进行细化,获得细化指纹图像。
根据本发明的实施例,所述细节点局部结构匹配装置,还包括:
细节点特征单元,用于将所有的细节点向量作为一个整体与指纹图像一一对应;
与细节点特征单元连接的初匹配单元:用于将细节点向量匹配成细节点对,并生成指纹图像细节点结构;
与初匹配单元连接的模板匹配单元:对指纹局部结构模板中的细节点结构和数据库指纹中的细节点结构进行匹配,获取匹配阵列,用于计算能量匹配阵列的统计平均值得到平移参数和旋转参数;
与模板匹配单元连接的细节点对比对单元:用于指纹局部结构模板和数据库指纹模板中对应的细节点对二次比对,比较对应的细节点对并得到匹配分数。
为了实现本发明的目的,本发明的另一方面,是提供一种基于局部结构的双胞胎相似指纹识别方法,包括步骤:
预处理步骤:对采集到的指纹图像进行预处理,得到指纹的细化图像;
构造局部结构模板步骤:提取细化图像中的脊线末梢和分叉细节点p,对提取的细节点p的集合构造局部结构,将指纹中各局部结构组合生成指纹模板;
细节点局部结构匹配步骤:把输入指纹局部结构模板与数据库中指纹模板进行比对,计算局部结构之间的相对位置和方向参数的差异,判断指纹是否匹配。
根据本发明的实施例,所述预处理步骤,还包括:
步骤1.1方向场图像提取:采用分析指纹中灰度点的梯度方向和待估计方向的关系,利用模糊逻辑的方法去求解出四个方向所占的比例,利用映射方向的值,估计求出方向场图像;
步骤1.2分割方向场图像:去除所述方向场图像中方向场变化紊乱的部分,形成指纹的掩膜图像;
步骤1.3方向滤波:利用一个基于具有方向性的平行四边形的模板和利用滑动窗运行算法,对掩膜图像进行方向滤波;
步骤1.4方向滤波图像细化:采用垂直于x轴方向或垂直于y方向两种情况下的细化处理方法,对方向滤波图像采用线积分通过跨越脊线的断面进行细化:对于脊线方向在之间的线积分采用垂直于y轴方向的变换,对于脊线方向在和之间的情况采用垂直于x轴方向的变换。
根据本发明的实施例,所述构造局部结构模板步骤,还包括:
根据细化图像提取的细节点集信息,生成待比对的指纹模板,当采集的指纹图像抽取了细节点点集M={Mk,1≤k≤L},其中L是该点集中细节点的个数;对于其中任意一个细节点,其特征矢量为Mk=(xk yk k tk)T,由这个特征矢量构成指纹基本模板。
根据本发明的实施例,所述细节点局部结构匹配步骤,还包括:
步骤3.1取得每一个细节点的特征,其中包括细节点x,y坐标、方向θ和方向场区域特征ZOD,所有的细节点向量Pi作为一个整体与指纹图像一一对应,Pi=[(x,y),θ,ZOD ];
步骤3.2指纹图像的初匹配:应用细节点向量得到匹配的细节点对,并生成细节点结构;
步骤3.3模板匹配:对指纹局部结构模板中的细节点结构和数据库指纹中的细节点结构进行匹配,获取两个匹配阵列,其中一个记录匹配阵列位置平移能量,另外一个匹配阵列记录角度旋转能量,计算能量匹配阵列的统计平均值得到平移参数和旋转参数;
步骤3.4对指纹局部结构模板Flk和数据库指纹模板中对应的细节点对进行二次比对,通过整体位置平移和角度旋转,对模板中细节点局部结构进行调整,比较对应的细节点对并得到匹配分数。
本发明的有益效果是:
由于双胞胎具有最为相近的DNA,并且有着相同的母体发育环境,其指纹被证实具有很高的相似性,尤其在指纹全局特征上相似程度更高,导致现有的指纹识别方法在双胞胎指纹识别的应用中往往错误率较高。本发明基于指纹局部特征结构的可辨别性,提出了基于局部结构的指纹匹配方法,能够有效地对双胞胎的指纹进行识别。由于本发明运用了细节点局部结构,使得采用本发明所述的方法不仅显著提高了自动指纹识别系统对于双胞胎相似指纹的识别性能,而且能够避免因指纹全局特征相似而造成的识别率下降问题。双胞胎指纹识别是指纹识别技术中的难点,该方法在应用于普通人群指纹识别的同时,显著提高了自动指纹识别系统对于双胞胎相似指纹的识别能力,拓宽了其在双胞胎这一特殊群体中的应用范围,提供了简便、高效的双胞胎身份鉴定的手段,具有重要的应用价值。
附图说明
图1是利用本发明系统的架构示意图;
图2本发明基于局部结构的双胞胎相似指纹识别系统原理框图
图3是本发明的预处理装置方框图
图4细节点局部结构匹配装置方框图
图5本发明提取双胞胎相对应手指指纹中细节点特征示意图;
图6本发明的细节点对示意图;
图7本发明的细节点局部结构示意图;
图8本发明的重叠区域校准示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,应指出的是,所描述的实施例仅旨在便于对本发明的理解,而对其不起任何限定作用。
如图1,是利用本发明系统的架构双胞胎身份系统示意图所示:
双胞胎指纹身份管理系统包括:系统管理计算机和指纹采集仪,其中管理计算机包括:双胞胎指纹数据库、指纹识别系统。
实现本发明指纹识别系统的具体方法如下:本发明在利用指纹采集仪采集待比对双胞胎的指纹图像信息以后,通过USB接口将采集到的指纹图像信息传入双胞胎身份系统管理计算机,由所述系统计算机中指纹识别系统的预处理装置1对指纹图像进行预处理得到细化图像,并提取指纹中的细节点;然后通过局部结构模板装置2将细节点构建为细节点局部结构,对提取的细节点构造出相对位置稳定、抗形变、抗噪声的局部结构的指纹模板信息;最后通过细节点局部结构匹配装置3计算指纹局部结构之间的差异,从而判断指纹是否匹配。本发明的指纹识别系统将待比对模板与双胞胎指纹数据库中的模板进行遍历比较,得出比对结果并输出。
如图2本发明基于局部结构的双胞胎相似指纹识别系统所示,包括:预处理装置1、局部结构模板装置2、细节点局部结构匹配装置3,其中:
与输入图像端连接的预处理装置1,用于对输入的指纹图像提取方向场图像、分割指纹图像的前景和背景、对图像进行方向滤波,输出指纹细化图像;
与预处理装置1连接的局部结构模板装置2,用于提取细化图像中细节点,构造细节点局部结构,将指纹中各局部结构组合生成指纹模板;
与局部结构模板装置2连接的细节点局部结构匹配装置3:比对输入指纹局部结构模板与数据库中指纹模板,用于输出指纹识别结果。
本发明各装置程序由C++语言编写,运行环境为Windows2000和WindowsXP系统,需要计算机配置USB接口以连接指纹采集仪。
如图3所示,预处理装置1,是对采集到的指纹图像进行方向场提取、分割、滤波、细化等预处理,得到指纹的细化图像,提取细化图像中的脊线末梢和分叉等细节点p,具体实施步骤如下:
方向场提取单元11:对输入指纹图像是采用分析四个指纹中灰度点的梯度方向0°、45°、90°和135°和待估计方向的关系,利用模糊逻辑的方法去求解出四个方向:0°、45°、90°和135°所占的比例[1,2,3,4]。若映射[0°-180°]为[0-128]中的值,从而估计出所求的方向场如下式,O=1+2×32+3×64+4×96。其中1、32、64和96分别对应四个方向0°、45°、90°和135°所对应的方向值。该方法只使用基本算术运算,执行速度比一般的利用两个梯度方向的反正切函数快。
分割单元12,对上述步骤提取出的方向场图像,去除掉方向场图像方向场变化紊乱的部分,得到指纹的掩膜图像ImgMsk;
图像滤波单元13,用于掩膜图像ImgMsk进行方向滤波;利用一个基于具有方向性的平行四边形的模板来进行方向滤波,在进行滤波的同时,利用滑动窗的方法来加速算法的运行,可以进一步提高算法执行的效率,也能够得到非常理想的图像增强效果。
细化单元14,对脊线方向梯度的线积分通过跨越脊线的断面进行,只采用垂直于x轴方向或垂直于y方向两种情况下的处理方法。对于脊线方向在之间的线积分采用垂直于y轴方向的变换,对于脊线方向在和之间的情况采用垂直于x轴方向的变换,输出指纹细化结果。
2、所述构造局部结构模板装置2的步骤:
根据细化图像提取的细节点集信息,生成待比对的指纹模板,当采集的指纹图像抽取了细节点点集M={Mk,1≤k≤L},其中L是该点集中细节点的个数。对于其中任意一个细节点,其特征矢量为Mk=(xk yk k tk)T,这个特征矢量就构成了指纹的基本模板。
3、如图4所述细节点局部结构匹配装置,输入指纹的局部结构模板与数据库中指纹的模板进行比对,通过计算局部结构之间的相对位置和方向等参数的差异,判断指纹是否匹配,具体实现步骤如下:
细节点特征单元31,如附图5所示,把来自同一对双胞胎的两幅指纹图像提取细节点并用带方向的短射线标识,其中射线的端点为细节点,方向为细节点的方同,对提取的细节点p进行进一步处理,计算细节点的特征向量,取得每一个细节点的特征,其中包括4个特征量:
●细节点在整体坐标系下的坐标x,y
●在整体坐标系下的方向θ
●方向场区域特征ZOD
所有的细节点向量Pi作为一个整体与指纹图像一一对应,Pi=[(x,y),θ,ZOD];
模板匹配单元33:以输入指纹的Flk作为模板对Flk和数据库指纹的Fl′k进行匹配,获取两个匹配数组,其中一个记录匹配数组中位置平移的偏差,另外一个记录匹配数组中角度旋转的偏差,通过这两个数组,分别计算平移参数和旋转参数为: 其中,i表示第i个细节点,M是可能的角度旋转的最大值,nOri是角度旋转的数量,POi是记录i点的位置偏差的相似度权值数组;
细节点对比对单元34:对模板中对应的细节点对进行二次比对:通过整体位置平移和角度旋转,对模板中细节点局部结构进行调整,由于已调整模板细节点集与输入的细节点集非常相似,所以第二次匹配仅需要比较对应的细节点对并得到匹配分数。
4、所述局部细节点结构构造,即把输入指纹和数据库指纹的细节点提取出来,并构造细节点局部结构,为接下来的匹配过程形成模板。构造细节点局部结构是指纹比对中的一个重要步骤,细节点结构构造的准确程度直接影响到整个指纹识别方法的性能。所述细节点局部结构具体构造方法如下:
a)对步骤1中提取的细节点p进行进一步处理,计算细节点的特征向量,其中包括4个特征量:
●细节点在整体坐标系下的坐标x,y
●在整体坐标系下的方向θ
●方向场区域特征ZOD
所有的细节点向量Pi作为一个整体与指纹图像一一对应,Pi=[(x,y),θ,ZOD];
●细节点i,j之间的距离dij
●细节点i,j的角度θi,θj
●细节点i,j和细节点对之间的方向差Zj,Zj
●细节点k和细节点i,j之间的距离dki,dkj
●细节点k和细节点i,j之间的方向差Zki,Zkj
●向量的角度θki,θkj
细节点结构为一向量集,Flk=(dki,dkj,θki,θkj,Zki,Zkj,nki,nkj,tk,ti,tj)T,t是各细节点的类型,如末梢点、分叉点等,其它参数定义如权利要求4c中所述;
d)对数据库中的指纹图像采取同样的步骤,获得其细节点局部结构Fl′l,其构造过程与待匹配指纹的局部结构Flk相同;
e)形成模板Flk和Fl′k,进入局部结构匹配。
5、进行细节点局部结构匹配,即把输入指纹的局部结构模板与数据库中指纹的模板进行比对,通过计算局部结构之间的相对位置和方向等参数的差异,判断指纹是否匹配,所述的模板匹配方法如下:
a)对Flk和Fl′k进行匹配,获取两个匹配阵列,其中一个记录位置平移的能量,另外一个记录角度旋转的能量,计算能量阵列的统计平均值可以得到平移参数和旋转参数nOri:
计算公式为, 其中,M是可能的角度旋转的最大值,nOri是角度旋转的数量,位置平移的数量计算方法同角度旋转一样;
b)根据平移参数和旋转参数nOri,对待比对图像与数据库中图像的重叠区域进行校准,对Flk和Fl′k进行结构中细节点对的计算,得出匹配上的细节点数n,参见图8,本发明的重叠区域校准示意图,其中上图为两幅待匹配的指纹图像,下图为两幅图像之间重叠区域的示意图。
c)将细节点对的结构用多维矢量表示,Fki,j=(dk,ki,kj,nk),计算待比对模板和数据库中指纹的模板中两个细节点集的相似性,
其中pi m、pj t是匹配细节点集中第i个点对以及模板细节点集中第j个细节点对,pwr是归一化权值的系数,Thr是待匹配模板中细节点对和数据库中模板细节点对的配对的阈值,该阈值由上述的矢量的四个分量分别决定。
d)根据两个模板中匹配上的细节点数n,利用经验公式来获得与细节点数目不相关的归一化匹配分数计算式:
其中的n是比对中匹配上的点对数,Pn是指纹匹配累计权值。在匹配比对数小于100分配较大的权值,而在大于500时分配较小的权值系数,从而保持权值系数尽量平滑,得出最终的匹配分数S。
匹配分数S与判断阈值V进行比较,输出判断结果,判定输入指纹与数据库中指纹是否同一指纹。
上面描述是用于实现本发明的实施例,本领域的技术人员应该理解,在不脱离本发明的范围的任何修改或局部替换,均属于本发明权利要求来限定的范围。
Claims (10)
1.一种基于局部结构的双胞胎相似指纹识别系统,其特征在于,包括:
与输入图像端连接的预处理装置,用于对输入的指纹图像提取方向场图像、分割指纹图像的前景和背景、对图像进行方向滤波,输出指纹细化图像;
与预处理装置连接的局部结构模板装置,用于提取细化图像中细节点,构造细节点局部结构,将指纹中各局部结构组合生成指纹模板;
与局部结构模板装置连接的细节点局部结构匹配装置:比对输入指纹局部结构模板与数据库中指纹模板,用于输出指纹识别结果。
2.如权利要求1所述双胞胎相似指纹识别系统,其特征在于,预处理装置包括:
方向场提取单元:用于分析指纹中灰度点的梯度方向和待估计方向的关系,提取方向场图像;
与方向场提取单元连接的分割单元:用于去除所述方向场图像中方向场变化紊乱的部分,形成指纹的掩膜图像;
与分割单元连接的图像滤波单元:用于掩膜图像进行方向滤波;
与图像滤波单元连接的细化单元:采用垂直于x轴方向或垂直于y方向细化处理,用于对脊线方向梯度的线积分通过跨越脊线的断面进行细化,获得细化指纹图像。
3.如权利要求1所述双胞胎相似指纹识别系统,其特征在于,所述细节点局部结构匹配装置,还包括:
细节点特征单元,用于将所有的细节点向量作为一个整体与指纹图像一一对应;
与细节点特征单元连接的初匹配单元:用于将细节点向量匹配成细节点对,并生成指纹图像细节点结构;
与初匹配单元连接的模板匹配单元:对指纹局部结构模板中的细节点结构和数据库指纹中的细节点结构进行匹配,获取匹配阵列,用于计算能量匹配阵列的统计平均值得到平移参数和旋转参数;
与模板匹配单元连接的细节点对比对单元:用于指纹局部结构模板和数据库指纹模板中对应的细节点对二次比对,比较对应的细节点对并得到匹配分数。
4.一种基于局部结构的双胞胎相似指纹识别方法,其特征在于:包含步骤:
预处理步骤:对采集到的指纹图像进行预处理,得到指纹的细化图像;
构造局部结构模板步骤:提取细化图像中的脊线末梢和分叉细节点p,对提取的细节点p的集合构造局部结构,将指纹中各局部结构组合生成指纹模板;
细节点局部结构匹配步骤:把输入指纹局部结构模板与数据库中指纹模板进行比对,计算局部结构之间的相对位置和方向参数的差异,判断指纹是否匹配。
5.如权利要求4所述双胞胎相似指纹识别方法,其特征在于,所述预处理步骤,还包括:
步骤1.1方向场图像提取:采用分析指纹中灰度点的梯度方向和待估计方向的关系,利用模糊逻辑的方法去求解出四个方向所占的比例,利用映射方向的值,估计求出方向场图像;
步骤1.2分割方向场图像:去除所述方向场图像中方向场变化紊乱的部分,形成指纹的掩膜图像;
步骤1.3方向滤波:利用一个基于具有方向性的平行四边形的模板和利用滑动窗运行算法,对掩膜图像进行方向滤波;
6.如权利要求4所述双胞胎相似指纹识别方法,其特征在于,所述构造局部结构模板步骤,还包括:
根据细化图像提取的细节点集信息,生成待比对的指纹模板,当采集的指纹图像抽取了细节点点集M={Mk,1≤k≤L},其中L是该点集中细节点的个数;对于其中任意一个细节点,其特征矢量为Mk=(xkykktk)T,由这个特征矢量构成指纹基本模板。
7.如权利要求4所述双胞胎相似指纹识别方法,其特征在于,所述细节点局部结构匹配步骤,还包括:
步骤3.1取得每一个细节点的特征,其中包括细节点x,y坐标、方向θ和方向场区域特征ZOD,所有的细节点向量Pi作为一个整体与指纹图像一一对应,Pi=[(x,y),θ,ZOD];
步骤3.2指纹图像的初匹配:应用细节点向量得到匹配的细节点对,并生成细节点结构;
步骤3.3模板匹配:对指纹局部结构模板中的细节点结构和数据库指纹中的细节点结构进行匹配,获取两个匹配阵列,其中一个记录匹配阵列位置平移能量,另外一个匹配阵列记录角度旋转能量,计算能量匹配阵列的统计平均值得到平移参数和旋转参数为nOri;
步骤3.4对指纹局部结构模板和数据库指纹模板中对应的细节点对进行二次比对,通过整体位置平移和角度旋转,对模板中细节点局部结构进行调整,比较对应的细节点对并得到匹配分数。
9.如权利要求7所述的双胞胎相似指纹识别方法,其特征在于,所述计算平移参数和旋转参数为: 其中,i表示第i个细节点,M是可能的角度旋转的最大值,nOri是角度旋转的数量,POi是记录i点的位置偏差的相似度权值数组;
根据平移参数和旋转参数对待比对图像与数据库中图像的重叠区域进行校准,对指纹局部结构模板Flk和数据库指纹Flk′进行结构中细节点对的计算,得出匹配上的细节点数n。
10.根据权利要求7所述的基于局部结构的双胞胎相似指纹识别方法,其特征在于,所述模板匹配分数,还包括:
根据匹配上的细节点数n,利用与细节点数目不相关的归一化匹配分数计算式:
其中的n是比对中匹配上的点对数,Pn是指纹匹配累计权值;用于保持权值系数尽量平滑,得出最终的匹配分数S选择:在匹配比对数小于100对时,分配较大的权值为(Pn×2);在匹配对数大于500对时,分配较小的权值系数为(Pn×102/256)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200610113409A CN100576230C (zh) | 2006-09-27 | 2006-09-27 | 基于局部结构的双胞胎相似指纹识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200610113409A CN100576230C (zh) | 2006-09-27 | 2006-09-27 | 基于局部结构的双胞胎相似指纹识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101154263A true CN101154263A (zh) | 2008-04-02 |
CN100576230C CN100576230C (zh) | 2009-12-30 |
Family
ID=39255911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200610113409A Expired - Fee Related CN100576230C (zh) | 2006-09-27 | 2006-09-27 | 基于局部结构的双胞胎相似指纹识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100576230C (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782965A (zh) * | 2010-02-11 | 2010-07-21 | 上海点佰趣信息科技有限公司 | 形变指纹图像的处理方法 |
CN101777128B (zh) * | 2009-11-25 | 2012-05-30 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及系统 |
CN105975914A (zh) * | 2016-04-28 | 2016-09-28 | 东南大学 | 基于线性组合特征的夫妇与孩子间三人亲属关系判别方法 |
CN106557748A (zh) * | 2016-11-21 | 2017-04-05 | 成都艾德沃传感技术有限公司 | 指纹识别处理方法及装置 |
CN107301549A (zh) * | 2016-04-15 | 2017-10-27 | 恩智浦有限公司 | 指纹认证系统和方法 |
CN109644183A (zh) * | 2016-08-23 | 2019-04-16 | 维萨国际服务协会 | 本地存储的生物统计认证数据的远程使用 |
CN109726568A (zh) * | 2018-12-12 | 2019-05-07 | 西安电子科技大学 | 一种基于融合特征描述子的指纹加密方法 |
CN110096954A (zh) * | 2019-03-21 | 2019-08-06 | 同济大学 | 一种基于神经网络的指纹识别方法 |
CN110913143A (zh) * | 2019-12-09 | 2020-03-24 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN111428701A (zh) * | 2020-06-10 | 2020-07-17 | 深圳市诺赛特系统有限公司 | 小面积指纹图像特征提取方法、系统、终端及存储介质 |
CN111506889A (zh) * | 2017-07-27 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 一种基于相似用户组的用户验证方法及装置 |
CN114120378A (zh) * | 2021-12-06 | 2022-03-01 | 中电万维信息技术有限责任公司 | 一种三级分类指纹识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6125192A (en) * | 1997-04-21 | 2000-09-26 | Digital Persona, Inc. | Fingerprint recognition system |
CN1152340C (zh) * | 2001-11-29 | 2004-06-02 | 田捷 | 基于知识的指纹图像增强方法 |
-
2006
- 2006-09-27 CN CN200610113409A patent/CN100576230C/zh not_active Expired - Fee Related
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777128B (zh) * | 2009-11-25 | 2012-05-30 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及系统 |
CN101782965A (zh) * | 2010-02-11 | 2010-07-21 | 上海点佰趣信息科技有限公司 | 形变指纹图像的处理方法 |
CN101782965B (zh) * | 2010-02-11 | 2012-05-23 | 上海点佰趣信息科技有限公司 | 形变指纹图像的处理方法 |
CN107301549B (zh) * | 2016-04-15 | 2023-10-27 | 恩智浦有限公司 | 指纹认证系统和方法 |
CN107301549A (zh) * | 2016-04-15 | 2017-10-27 | 恩智浦有限公司 | 指纹认证系统和方法 |
CN105975914A (zh) * | 2016-04-28 | 2016-09-28 | 东南大学 | 基于线性组合特征的夫妇与孩子间三人亲属关系判别方法 |
CN105975914B (zh) * | 2016-04-28 | 2018-12-28 | 东南大学 | 基于线性组合特征的夫妇与孩子间三人亲属关系判别方法 |
CN109644183B (zh) * | 2016-08-23 | 2022-03-08 | 维萨国际服务协会 | 本地存储的生物统计认证数据的远程使用 |
US11847199B2 (en) | 2016-08-23 | 2023-12-19 | Visa International Service Association | Remote usage of locally stored biometric authentication data |
CN109644183A (zh) * | 2016-08-23 | 2019-04-16 | 维萨国际服务协会 | 本地存储的生物统计认证数据的远程使用 |
US11308189B2 (en) | 2016-08-23 | 2022-04-19 | Visa International Service Association | Remote usage of locally stored biometric authentication data |
CN106557748A (zh) * | 2016-11-21 | 2017-04-05 | 成都艾德沃传感技术有限公司 | 指纹识别处理方法及装置 |
CN111506889A (zh) * | 2017-07-27 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 一种基于相似用户组的用户验证方法及装置 |
CN111506889B (zh) * | 2017-07-27 | 2023-05-02 | 创新先进技术有限公司 | 一种基于相似用户组的用户验证方法及装置 |
CN109726568A (zh) * | 2018-12-12 | 2019-05-07 | 西安电子科技大学 | 一种基于融合特征描述子的指纹加密方法 |
CN109726568B (zh) * | 2018-12-12 | 2023-08-08 | 西安电子科技大学 | 一种基于融合特征描述子的指纹加密方法 |
CN110096954A (zh) * | 2019-03-21 | 2019-08-06 | 同济大学 | 一种基于神经网络的指纹识别方法 |
CN110913143A (zh) * | 2019-12-09 | 2020-03-24 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN110913143B (zh) * | 2019-12-09 | 2021-04-02 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN111428701A (zh) * | 2020-06-10 | 2020-07-17 | 深圳市诺赛特系统有限公司 | 小面积指纹图像特征提取方法、系统、终端及存储介质 |
CN114120378A (zh) * | 2021-12-06 | 2022-03-01 | 中电万维信息技术有限责任公司 | 一种三级分类指纹识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100576230C (zh) | 2009-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101154263A (zh) | 基于局部结构的双胞胎相似指纹识别系统及方法 | |
CN100414558C (zh) | 基于模板学习的自动指纹识别系统和方法 | |
Chen et al. | A new algorithm for distorted fingerprints matching based on normalized fuzzy similarity measure | |
CN101539993B (zh) | 基于尺寸缩放估算的多采集仪间指纹交叉匹配方法 | |
CN101057248B (zh) | 指纹生物统计机器 | |
CN1333366C (zh) | 基于统计结构特征的联机手写汉字识别方法 | |
Daramola et al. | Offline signature recognition using hidden markov model (HMM) | |
CN102222216A (zh) | 基于手指纹络生物特征的身份识别系统 | |
CN100385451C (zh) | 基于局部三角结构特征集的形变指纹识别方法 | |
CN103336960A (zh) | 一种基于流形学习的人脸识别方法 | |
CN111507206B (zh) | 一种基于多尺度局部特征融合的手指静脉识别方法 | |
CN101819629B (zh) | 一种基于监督张量流形学习的掌纹识别系统及识别方法 | |
CN103927532B (zh) | 基于笔画特征的笔迹配准方法 | |
CN101604384A (zh) | 个性化指纹识别方法 | |
CN112367273A (zh) | 基于知识蒸馏的深度神经网络模型的流量分类方法及装置 | |
CN109657657A (zh) | 一种基于图像处理的手机小面积高精度指纹识别方法及系统 | |
CN102819754B (zh) | 一种基于Sigmoid扩展的指纹分数融合系统及方法 | |
CN103714159A (zh) | 融合二级和三级特征的由粗到精的指纹识别方法 | |
Shinde et al. | Math accessibility for blind people in society using machine learning | |
CN104504370A (zh) | 一种结合仿生纹理特征和线状纹理特征的手指静脉识别方法 | |
CN109886251A (zh) | 一种基于姿势引导对抗学习的端到端的行人再识别方法 | |
CN111127407B (zh) | 一种基于傅里叶变换的风格迁移伪造图像检测装置及方法 | |
Soltane et al. | Soft decision level fusion approach to a combined behavioral speech-signature biometrics verification | |
Ng et al. | Adjacent orientation vector based fingerprint minutiae matching system | |
CN200972656Y (zh) | 一种双胞胎相似指纹识别装置 |
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: 20091230 Termination date: 20190927 |
|
CF01 | Termination of patent right due to non-payment of annual fee |