CN101432593A - 用于3d指纹识别的非接触式光学装置和方法 - Google Patents
用于3d指纹识别的非接触式光学装置和方法 Download PDFInfo
- Publication number
- CN101432593A CN101432593A CNA200580032390XA CN200580032390A CN101432593A CN 101432593 A CN101432593 A CN 101432593A CN A200580032390X A CNA200580032390X A CN A200580032390XA CN 200580032390 A CN200580032390 A CN 200580032390A CN 101432593 A CN101432593 A CN 101432593A
- Authority
- CN
- China
- Prior art keywords
- picture
- fingerprint
- finger
- optical
- local
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000003287 optical effect Effects 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 238000013178 mathematical model Methods 0.000 claims description 10
- 238000011084 recovery Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 239000004744 fabric Substances 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000002310 reflectometry Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000000593 degrading effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 241000143437 Aciculosporium take Species 0.000 claims 2
- 230000003760 hair shine Effects 0.000 claims 1
- 230000001419 dependent effect Effects 0.000 abstract 1
- 230000004075 alteration Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 239000004816 latex Substances 0.000 description 2
- 229920000126 latex Polymers 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- QDZOEBFLNHCSSF-PFFBOGFISA-N (2S)-2-[[(2R)-2-[[(2S)-1-[(2S)-6-amino-2-[[(2S)-1-[(2R)-2-amino-5-carbamimidamidopentanoyl]pyrrolidine-2-carbonyl]amino]hexanoyl]pyrrolidine-2-carbonyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-N-[(2R)-1-[[(2S)-1-[[(2R)-1-[[(2S)-1-[[(2S)-1-amino-4-methyl-1-oxopentan-2-yl]amino]-4-methyl-1-oxopentan-2-yl]amino]-3-(1H-indol-3-yl)-1-oxopropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-3-(1H-indol-3-yl)-1-oxopropan-2-yl]pentanediamide Chemical compound C([C@@H](C(=O)N[C@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(C)C)C(N)=O)NC(=O)[C@@H](CC=1C2=CC=CC=C2NC=1)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](CC=1C2=CC=CC=C2NC=1)NC(=O)[C@H]1N(CCC1)C(=O)[C@H](CCCCN)NC(=O)[C@H]1N(CCC1)C(=O)[C@H](N)CCCNC(N)=N)C1=CC=CC=C1 QDZOEBFLNHCSSF-PFFBOGFISA-N 0.000 description 1
- 102100024304 Protachykinin-1 Human genes 0.000 description 1
- 101800003906 Substance P Proteins 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000012237 artificial material Substances 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001595 mastoid Anatomy 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
- G06V40/1312—Sensors therefor direct reading, e.g. contactless acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/571—Depth or shape recovery from multiple images from focus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/88—Image or video recognition using optical means, e.g. reference filters, holographic masks, frequency domain filters or spatial domain filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
- G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
-
- 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
- G06V40/1347—Preprocessing; Feature extraction
- G06V40/1353—Extracting features related to minutiae or pores
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Input (AREA)
- Collating Specific Patterns (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种用无接触光学装置识别3D指纹的方法。该新颖的方法，除别的外，包括如下步骤：获得用于拍摄指纹的光学无接触装置，以便给出选自一组包含细节、分叉、末端、或它们任何组合的多幅3D光学像；获得多个指纹，其中所述指纹的像分辨率与摄像机和被检查手指之间的距离无关；通过散焦和模糊恢复，校正获得的像；在注册状态中，在各种视野和角度下，获得多幅像，最好是6到9幅；系统地改进所述像的景深的质量和每一像素的强度；和使更高分辨率与存储器消耗脱离，以便不需要附加的光学传感器。
Description
技术领域
本发明一般涉及用于3D指纹识别的非接触式光学装置和方法。
背景技术
指纹的图形和几何形状对每一个人都是不同的，且它们不随身体的生长和时间的流逝而改变。指纹的分类通常依据某些特征，诸如弓、箕、或斗。最有特色的特征是，在脊线和脊线走向的整个形状中找到的细节、分叉、或末端。
识别指纹的方法有各种专利。例如，授予Mueller的美国专利US App.No.2004/234111公开一种测试指纹的方法，是把指纹的参考数据储存在便携式数据媒体中。
指纹是特别精确的标识符，因为它们依赖于不可修改的物理属性，但它们唯一性的识别要求专业的输入装置。这些装置不总与标准的电信和计算装备兼容。此外，涉及这些装置的费用，在大量销售的可接受性方面产生限制。
因此，依然存在已长期意识到的需求，需要一种使用非接触式光学装置进行3D指纹识别的成本效益高的方法，而这种方法迄今在商业上还没有出售。
发明内容
因此，本发明的目的，是提供一种非接触光学装置和用于3D指纹识别的方法。所述方法以非限制方式包括如下步骤：获得用于拍摄指纹的光学非接触装置，以便提供选自一组包含细节、分叉、末端、或它们任何组合的指纹特征的3D光学像；获得多个指纹像，其中所述指纹像的像分辨率，与摄像机和所述被检查手指之间的距离无关；通过散焦和模糊恢复，校正获得的像；在注册状态中，在各种视野和角度下，获得多幅像，最好是6到9幅；系统地改进所述像景深的质量和每一像素的强度；和使更高分辨率与存储器消耗脱离，以便不需要附加的光学传感器。
本发明的范围，包括提供一种利用至少一个CMOS摄像机的方法；通过基于软件的程序包，增强所述方法，该方法包括：以近场照明及反差拍摄像；提供散焦和模糊恢复；通过保持固定角度及距离的不变性，恢复所述像；和获得注册状态及所述像数学模型的交叉储存。
本发明的范围，还包括提供一种方法，该方法包括：使初始像在多个区中分段，并执行DCT或Fourier变换，以获取指纹区至少一部分的频率映射；析取外部手指轮廓线；通过在频域中完成至少一个局部直方图，以评估局部模糊的降质；增加从准非空间状态散焦强度像引起的模糊；在不同区中，估算所述模糊的影响及它与散焦弥散圆(COC)度的关系；对紧邻焦距的像进行光线追迹，并根据光学精度差(OPD)产生质量判据；把与手指拓扑形状相关的点扩展函数(PSF)和COC局部相对位置模型化；和最好使用离散去卷积，恢复已获得的3D像，这一步骤可能包含反滤波和/或统计滤波装置。
本发明的范围，还再包括提供一种方法，该方法包括：应用Newton紧密体(Newtonian compact body)生物弹性模型；应用全面凸形面还原模型；和通过匹配装置，应用立体摄影术重构。
本发明的范围，也还包括提供一种方法，该方法包括：构建两组特性的近似矩阵，其中每一元素是高斯加权的距离；和实施相关的近似G矩阵的奇异值分解。
本发明的另一个目的，是提供一种在识别时拍摄的手指像和更早时拍摄的像之间进行区分、还包括把像的反射率作为周围光条件的函数进行比较的方法，该方法包括：在注册时，在每一彩色通道中拍摄图像并映射选出的区；在每一通道的小的区上，完成局部直方图；对每一指纹使用外部闪光修改，按照不同的彩色通道和摄像机装置的灵敏度，设定响应分布；获得候选像的接受性或拒绝性，并把实际指纹的谱响应与怀疑的指纹比较。
本发明的范围，包括提供一种方法，该方法包括：获得光线追迹装置；根据OPD产生退出判据；获取涉及检测器几何结构的像素OTF；计算抽样的OTF和PSF；根据抽样的PSF集合，为选择的处理算法计算数字滤波系数；计算比率运算符；处理数字参数；组合比率优值运算数与光学运算数；和修改光学表面。
本发明的范围，也包括提供一种改进像的光线追迹性质和像的像素冗余度的方法，该方法尤其包括：冗余度去卷积恢复；和确定适合使模糊失真模型化的数值非球面透镜。
本发明的范围，还包括提供一种指纹标识系统，该系统包括：以近场照明拍摄像的装置；用于散焦和模糊恢复的装置；用于映射和投影获得的像的装置；和用于获取注册状态和获得所述像数学模型的交叉储存的装置。
附图说明
为了理解本发明和明白它是如何在实践中实施，现在仅以非限制性的举例方式，参照附图说明优选的实施例，附图中：
图1按照本发明一个简化实施例，示意地给出蜂窝配置的示意说明；
图2按照本发明另一个实施例，示意地给出PC配置的说明；
图3按照本发明另一个实施例，仍然示意地给出流程图的说明；和
图4按照本发明再一个实施例，示意地给出标识状态。
具体实施方式
与本发明所有章节一起，给出下面的说明，以便使本领域任何熟练人员能使用所述发明，并阐明本发明人设想的实现本发明的最佳模式。但是，对本领域熟练人员，各种各样的修改依然是显而易见的，因为已经详细解释本发明的普遍原理，提供用非接触式光学装置，识别3D指纹的方法。
本方法以非排它方式包括多个步骤：
第一步骤是“像的获取”或像的拍摄。在该过程的这部分中，用户把他的手指放在摄像机装置的附近。手指的像被拍摄，从而能够对该像进行分析。
这种获取像的方式，不同于常规的指纹装置，因为手指像的拍摄，无需任何物理接触。在别的技术中，手指是与透明的玻璃板或任何感测表面，亦称扫描器实现物理接触的。
该技术的使用，选择的像必须验证诸如照明、反差、模糊规定等基本要求。只有观察到中心点的像，才可以被选择。
本技术则不管作为3D物体的手指的任何区与摄像机部件之间已有的距离，能获得宽范围的指纹像，因为作为3D物体，手指的弧度是必须考虑的。
考虑到光学限制和手指的不适当位置，诸如透镜焦距、环境光条件，本技术能用离焦和模糊降质来校正像。
本方法的第二步骤，专用于短距离拍摄并因散焦而呈现模糊降质的像的重构。为了调整光学精度，即每面积的像素数，还实施像的定标(scaling)。
像重构的具体过程，在此后详细说明。
指纹识别的最关键步骤之一包括，在数学模型的析取中，用原始细节的确定，缩略手指的线条表示。为了取得良好的可再现数学模型，人们必须尽可能限制手指的自由度数目，自由度数目一般建议为6。
与接触式技术相反，接触式技术中，大多数自由度是被冻结的，只保留平移和旋转运动，本技术专门考虑复杂得多的像，这些像中出现硬拓扑像差(hard topological aberration)。作为举例，让我们指出，有陡坡度的区中的脊线表现出比实际的更接近，这些脊线必须重新定标。
因此，非接触的像，本性上是3D的，不保持角度的不变性和距离的可定标性；这一状况可使数学模型的任何可再现性变复杂。
在这个层面上，本技术复原投影的3D像，使之保持角度和距离的不变性。这些新的像，与用常规的接触扫描器得到的等价。
能实现这类拓扑投影的一系列处理过程和算法，被提了出来。此后将详细说明不同的算法。
拍摄状态出现在不同的手指识别步骤中：注册、验证、和标识。
为了在验证或标识状态中，改进像的匹配，人们必须得到已经完成的给定手指指纹标识的子数据库。一般说来，在注册状态中，同一指纹三个不同的像，为了把它们联系在一起，用数学模型的复原处理，并建立相关权重。这里，在非接触式像的情形中，注册状态包括若干幅像，通常是在各种视野和角度下的6-9幅。然后是交叉连结相似性算法处理，以复原像的立体视野。
还有，使用拓扑3D重构像，不同的像将投影在手指的形状上。按此方式获得的像的整个子数据库，以及它们的数学模型样板，还要进一步用于识别。
对只要求验证的过程的应用，即“1:1技术”，则注册状态应至少包括一个真实的2D像，即使用质量上与非接触式读取器相同的接触式读取器拍摄的指纹。如此，参考的2维，可使景深、扫描器分辨率、角度容差、和脊线对谷线的局部周期性之类基本参数复原。
按照本发明的另一个实施例，本技术局部地校准摄像机传感器参数，例如局部反差、照明、饱和，用于指纹乳突线的优化析取。
指纹由诸如细节、脊线、和谷线的拓扑细部组成，这些细部是形成如在指尖看到的箕、弓、和旋的基础。
按照本发明的一个实施例，本发明公开一种用于拍摄细节和获取脊线的方法。该方法在指纹结构的远场衍射表示或Fourier变换中特别有用。
该处理过程尤其包括如下步骤：
1.像中手指的边界的析取
把一系列像处理滤波器被应用于手指形式的析取：
a.RGB通道算法
b.红色的直方图
c.灰度级的间取
d.白噪声滤波器和低频段
e.屏蔽照明
f.ROI算法
g.局部周期性
2.像的接受或拒绝
3.用于中心点确定的算法
4.围绕中心点小半径上像的析取。该步骤包括一系列像的处理。
5.多区域化和局部要素算法
6.边缘析取
7.局部Fourier块分析
按照本发明又另一个实施例，在即时像分析中主要要求之一，是得到良好聚焦像的置信度，以便尽可能使出现在像的不同区中的模糊像差最小。
为了达到该目的，建议一系列处理过程来估算输入像的质量，并在必要时，通过提供来自像的散焦的普遍校正，以提高质量。
本发明公开一种提供普遍的处理过程的方法，该普遍的处理过程系统地改进像的景深和每像素强度的质量。
为了完成这一任务，用实空间中和频率Fourier表示中的指示符，提供像的散焦的即时(on-fly)估算。为了估算这一降质，关键点在于对点扩展函数(PSF)的深刻理解。
用CMOS或CCD摄像机传感器在小距离上拍摄的任何像，对焦距的定标是敏感的，因为手指拓扑中有强烈的局部差；像中一些区仅仅是被散焦从而出现局部模糊。
在拓扑结构上看来，像是由若干层状小岛构成，像的质量在这些小岛上是不同的。对指纹的良好聚焦的像，像中的局部纹理是全面地均匀的，具有局部拓扑不连续的脊线和谷线交替地相继，且它的频率分布是完全确定的。
相反，对散焦区，模糊产生低通滤波器和均匀散射的纹理状区。
只要像中任何子区能够用完全确定的纹理和用空间频率的整个平面隔离，就立刻校正整个感兴趣的区(ROI)。即使ROI的大部分是模糊的，局部状态散焦的基本假设，也使校正成为可能。
为了达到该目的，用实空间中和频率Fourier表示中的指示符，提供像的散焦的即时处理。为了估算这一降质，关键点在于定义PSF的健全的普遍模型。
该方法的主要步骤详细说明如下：
1.从指定操作条件下的给定光学表面开始，这些指定的操作条件诸如波长范围、像的视场、局部反差等。
2.把若干区中的初始像分段，并完成DCT或Fourier变换，以便得到每一区的频率映射。
使用JPEG像的参数，以便析取局部参数和局部颗粒度。
3.手指形状析取并描绘轮廓。在频域中完成直方图，以便评估局部的模糊降质。
4.由准非空间状态散焦强度像引起的模糊。在不同区中，估算所述模糊的影响及它与散焦弥散圆(COC)度的关系。
5.在焦距附近运行光线追迹算法，并根据光学精度差(OPD)产生质量判据。把与手指拓扑形状相关的PSF和COC局部相对位置模型化。
6.使用离散去卷积，能够进行最后3D像的恢复。这一步骤或者包含反滤波和/或统计滤波算法。
对更硬的散焦像，提出的若干改进是，计及光线追迹性质和像素冗余度处理。
稍有状态局部模糊产生的散焦像。为析取局部特性，诸如细节、脊线、和谷线所要求的精度，通常能以低集成的像素传感器完成。
使用目前和将来的具有大量集成像素的矩阵，如百万像素和更多像素矩阵的低价CMOS或CCD摄像机传感器，能够显著地改进基于去卷积的恢复算法。我们要求，期望的PSF能够用重复抽样算法精细化。
使用局部光线追迹算法，每一像素上收集的光强，可在PSF和光学传递函数(OTF)上得到更好的信息。我们建议使用这种局部信息的冗余度，使每一像素的权重精细化并获得适当的PSF。
散焦像能够用重复抽样的信息，以及通过非球面光学数值滤波器装置的光线追迹算法，加以改进。
对广泛的各种指纹初始像，PSF和COC模型仍然是完全确定的。对良好聚焦的像，指纹信息一般要求不多于100K像素。基本上是，对百万像素传感器，该额外的信息能够用于使局部光线追迹模型化，并估算PSF和导致模糊的像差。
这些像差能导致数值非球面透镜的确定，该非球面透镜可使模糊失真模型化。使用去卷积恢复，能够检索(retrieve)良好聚焦的像。
该处理过程可以宣告如下：
1.从指定操作条件下的给定光学表面开始，这些指定的操作条件诸如波长范围、像的视场、或局部反差等。
2.运行光线追迹算法，然后根据光学精度差(OPD)产生退出的判据。
3.计算OTF。
4.包括涉及检测器几何结构的像素OTF。
5.计算抽样的OTF和PSF。
6.根据抽样的PSF集合，为选取的处理算法计算数字滤波器系数。
7.形成比率运算符，该比率运算符是基于抽样的PSF与通过焦点的MTF，因图形失真而随视场角、随灰度级的最小变化。
8.诸如处理量、涉及像噪声处理等数字处理参数。
9.把比率优值运算数与传统的光学运算数组合成优化的例程，并修改光学表面，上述传统的光学运算数如Seidel型像差、RMS误差。
按照本发明又另一个实施例，是构建一种导致建立伪2D像的算法过程，该伪2D像保持角度和距离的不变性，且该伪2D像对拓扑失真仍然是健全的。实质上是建议如下的方法：
1.手指的生物弹性模型-刚体。
刚体模型用于确定手指的3D取向。
2.向视野平面的3D投影算法。
a.建立透视投影矩阵，并用于确定指纹像。
b.用从弹性膜模型计算的位移场，校正该像。
c.在凸面3D自由参数手指模型上，按使用非约束非线性Simplex模型的优化算法，完成投影。
3.通过两个立体视野的匹配算法，形成手指的析取。
利用指纹两个相继像之间出现的小位移优势，恢复第三维拓扑维。
当人员行进到把他的手指定位在光学装置上时，将进行一系列拍摄。在手指调整、中心点定位、合适距离上的对焦预处理的过程中，系统连续地拍摄两幅或更多幅像。该处理过程能获得拓扑信息和精确地确定像的3D衔接。使用手指凸面的形状映射该立体像，以复原脊线之间合适的距离。
建议使用基于近似矩阵奇异值分解的算法处理过程，该近似矩阵已经储存两幅像的有限特性。
令i和j代表两幅像，分别包含m种特性和n种特性，这些特性被排成一一对应。
该算法包括三步：
1.建立两个特性集合的近似G矩阵，这里每一元素代表高斯加权的距离。
2.执行相关近似G矩阵的奇异值分解，这里的近似G矩阵是正交矩阵，且该对角矩阵沿它的对角元素，按下降数值顺序包含正的奇异值。对m<n，只有第一m列有意义。
3.这个新的矩阵与近似矩阵有相同形状，但有“放大”好对偶而“衰减”坏对偶的有趣的分类性质。
按照本发明又另一个实施例，该方法在识别时拍摄的手指像和在不同时刻拍摄的手指像之间，是有区别的。
生物统计学识别中实质问题之一，是验证当前的像是手指还是数字像。通过比较作为周围光条件函数的反射率，我们能够验证该像是真实的手指不是假冒的。
在注册时，要收集手指的反射率并储存手指的谱分布。利用如下的事实，即假冒的指纹，无论是乳胶再现的还是任何人造材料的，都能够被专门的谱特征波形检测，所以我们能够鉴别该指纹是否为可疑的指纹。为了实现这一点，提出如下的方法：
1.在注册时，沿每一彩色通道并在选择的区上，分析拍摄的图像。在小的区上画出每一通道的直方图。
2.使用外部闪光修改，如闪光灯；按照不同的彩色通道和摄像机装置灵敏度，对每一指纹，设定摄像机内部参数、伽玛因子、及白平衡的变化，和响应分布。
3.把真实的指纹谱响应与怀疑的或是像或是乳胶包裹的指纹谱响应比较，将导致候选指纹的接受或拒绝。
按照本发明又另一个实施例，要建立指纹的数学模型的另一个实质问题，是在有限的CPU和储存器资源环境中，对付JPG压缩。典型的方式应把像从JPG转换为TIFF、BMP、或其他能用于识别的格式。但是，随着像分辨率的增加，该处理过程变成更大的储存器消耗。该方法提出一种资源有效利用的处理过程，它使更高分辨率与储存器消耗脱离。
该简约算法的最后一步，是获得指纹二进制缩略的像。为了获得更紧凑的二进制像，考虑到子区的局部性质，提出可与低CPU兼容的，以较少的拓扑条目储存整个二进制像。利用前一涉及矢量化脊线的步骤产生的、使被选择脊线参数化的优势，能够实现指纹的整个映射。这一处理过程能构建局部片段、细节、脊线、和局部周期的分层体系，该分层体系将被储存，供匹配步骤使用。
现在参考图1，图上给出蜂窝配置的示意说明，该蜂窝配置包括：
1.蜂窝摄像机-一种作为移动装置一部分或移动装置附件的摄像机，该移动装置能在互联网和/或蜂窝网络上进行声音和数据通信。
2.像处理算法-作为蜂窝移动装置的标准部分交付的软件算法。该部分通常以全面的方式处理像，例如整个地指导该像有关的变化。这些算法通常由蜂窝摄像机提供或由移动装置提供。
3.像增强算法-该部分使数字摄像机拍摄的像增强。增强是局部的，例如涉及像的指定面积。
4.像校正算法-该部分为指纹识别需要而校正像。校正是按能被标准识别算法使用的方式进行的。
5.第三方识别算法-一种现有的(off-the-shelve)指纹识别算法。
6.数据库-该数据库置于移动装置内或远程位置上。该数据库包含有关以前注册人员的指纹信息。
现在参考图2，图上给出PC配置的示意说明，该PC配置包括：
1.数字摄像机-与PC连接的摄像机。
2.像处理算法-作为数字摄像机产品包装的标准部分交付和/或之后在互联网上下载的软件算法。该部分通常以全面的方式处理像，例如整个地指导该像有关的变化。
3.像增强算法-该部分使数字摄像机拍摄的像增强。增强是局部的，例如涉及像的指定面积。
4.像校正算法-该部分为指纹识别需要而校正像。校正是按能被标准识别算法使用的方式进行的。
5.第三方识别算法-一种现有的指纹识别算法。
6.数据库-该数据库置于PC内或远程位置上。该数据库包含有关以前注册人员的指纹信息。
现在参考图3，图上给出流程图的示意说明，其中指纹识别过程通常包括两步：
1.注册-开始时把新的条目添加到数据库。接着的处理过程被执行一次或多次。
2.定标
识别或鉴别，如图4所示，某人接近该数据库，并用他的手指获得鉴别。识别是指某人只提供手指的情况，通常是按一对多定义的，而鉴别是指某人提供他的手指和姓名，通常是按一对一定义的。
Claims (9)
1.一种用非接触光学装置识别3D指纹的方法，包括：
a.获得用于拍摄指纹的光学非接触装置，以便给出选自一组包含细节、分叉、末端、或它们任何组合的多幅3D光学像；
b.获得多个指纹，其中所述指纹的像分辨率与摄像机和被检查手指之间的距离无关；
c.通过散焦和模糊恢复，校正获得的像；
d.在注册状态中，在各种视野和角度下，获得多幅像，最好是6到9幅；
e.系统地改进所述像的景深质量和每一像素的强度；和
f.使更高的分辨率与存储器消耗脱离，以便不需要附加的光学传感器。
2.按照权利要求1的方法，至少利用一个CMOS摄像机；所述方法通过基于软件的程序包得到增强，该方法包括：
a.以近场照明和反差拍摄像；
b.提供散焦和模糊恢复；
c.通过保持固定的角度和距离的不变性，恢复所述像；和
d.获得注册状态和所述像数学模型的交叉储存。
3.按照权利要求2的方法，还包括：
a.通过初始像在多个区中分段，并执行DCT或Fourier变换，获取指纹区至少一部分的频率映射；
b.析取外部手指轮廓线；
c.通过在频域中完成至少一个局部直方图，以评估局部模糊的降质；
d.增加从准非空间状态散焦强度像引起的模糊；
e.估算所述模糊的影响及它在不同区中与散焦弥散圆(COC)度的关系；
f.对紧邻焦距的像进行光线追迹，并根据光学精度差(OPD)产生质量判据；
g.把点扩展函数(PSF)和COC与手指拓扑形状相关的局部相对位置模型化；和
h.最好使用离散去卷积，恢复已获得的3D像，这一步可能包含反滤波和/或统计滤波装置。
4.按照权利要求2的方法，包括：
a.应用Newton紧密体生物弹性模型；
b.应用全面凸形面还原模型；和
c.通过匹配装置，应用立体摄影术重构。
5.按照权利要求3的方法，包括：
a.构建两组特性近似矩阵，其中每一元素是高斯加权的距离；和
b.完成相关的近似G矩阵的奇异值分解。
6.一种在识别时拍摄的手指像和更早时拍摄的像之间进行区分、还包括把像的反射率作为周围光条件的函数进行比较的方法，该方法包括：
a.在注册过程中，在每一彩色通道中拍摄图像并映射选出的区；
b.在每一通道的小的区上，完成局部直方图；
c.对每一指纹使用外部闪光修改，按照不同的彩色通道和摄像机装置的灵敏度，设定响应分布；
d.获得候选像的接受性或拒绝性，并把实际指纹的谱响应与怀疑的指纹比较。
7.按照权利要求6的方法，尤其包括：
a.获得光线追迹装置；
b.根据OPD产生退出判据；
c.获取涉及检测器几何结构的像素OTF；
d.计算抽样的OTF和PSF；
e.根据抽样的PSF集合，为选择的处理算法计算数字滤波系数；
f.计算比率运算符；
g.处理数字参数；
h.组合比率优值运算数与光学运算数；和
i.修改光学表面。
8.一种改进像的光线追迹性质和像素冗余度的方法，该方法尤其包括：
a.冗余度去卷积恢复；和
b.确定适合使模糊失真模型化的数值非球面透镜。
9.一种指纹标识系统，包括：
a.以近场照明拍摄像的装置；
b.用于散焦和模糊恢复的装置；
c.用于映射和投影获得的像的装置；和
d.用于获取注册状态和获得所述像数学模型的交叉储存的装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US59955704P | 2004-08-09 | 2004-08-09 | |
| US60/599,557 | 2004-08-09 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101432593A true CN101432593A (zh) | 2009-05-13 |
Family
ID=35839656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA200580032390XA Pending CN101432593A (zh) | 2004-08-09 | 2005-08-09 | 用于3d指纹识别的非接触式光学装置和方法 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20080101664A1 (zh) |
| EP (1) | EP1779064A4 (zh) |
| JP (1) | JP2008517352A (zh) |
| KR (1) | KR20070107655A (zh) |
| CN (1) | CN101432593A (zh) |
| CA (1) | CA2576528A1 (zh) |
| WO (1) | WO2006016359A2 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015096803A1 (zh) * | 2013-12-26 | 2015-07-02 | 齐发光电股份有限公司 | 手指指纹读取系统及指纹读取方法 |
| CN105373769A (zh) * | 2014-08-06 | 2016-03-02 | 摩福公司 | 在图像中确定可能代表个体的至少一个手指的至少一个区域的方法 |
| CN110008892A (zh) * | 2019-03-29 | 2019-07-12 | 北京海鑫科金高科技股份有限公司 | 一种基于四连指指纹图像采集的指纹核验方法及装置 |
Families Citing this family (45)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120118964A1 (en) * | 2008-10-22 | 2012-05-17 | Timothy Paul James Kindberg | Altering an imaging parameter to read a symbol |
| US8406487B2 (en) * | 2009-09-16 | 2013-03-26 | General Electric Company | Method and system for contactless fingerprint detection and verification |
| US8325993B2 (en) * | 2009-12-23 | 2012-12-04 | Lockheed Martin Corporation | Standoff and mobile fingerprint collection |
| JP5725012B2 (ja) * | 2010-03-04 | 2015-05-27 | 日本電気株式会社 | 異物判定装置、異物判定方法および異物判定プログラム |
| KR101633397B1 (ko) * | 2010-03-12 | 2016-06-27 | 삼성전자주식회사 | 영상 복원 장치, 영상 복원 방법 및 영상 복원 시스템 |
| US8600123B2 (en) | 2010-09-24 | 2013-12-03 | General Electric Company | System and method for contactless multi-fingerprint collection |
| US8971588B2 (en) * | 2011-03-30 | 2015-03-03 | General Electric Company | Apparatus and method for contactless high resolution handprint capture |
| US8965069B2 (en) * | 2011-09-30 | 2015-02-24 | University Of Louisville Research Foundation, Inc. | Three dimensional minutiae extraction in three dimensional scans |
| US8340456B1 (en) * | 2011-10-13 | 2012-12-25 | General Electric Company | System and method for depth from defocus imaging |
| US8953854B2 (en) | 2012-08-08 | 2015-02-10 | The Hong Kong Polytechnic University | Contactless 3D biometric feature identification system and method thereof |
| US9864184B2 (en) | 2012-10-30 | 2018-01-09 | California Institute Of Technology | Embedded pupil function recovery for fourier ptychographic imaging devices |
| SG11201503293VA (en) | 2012-10-30 | 2015-05-28 | California Inst Of Techn | Fourier ptychographic imaging systems, devices, and methods |
| US10652444B2 (en) | 2012-10-30 | 2020-05-12 | California Institute Of Technology | Multiplexed Fourier ptychography imaging systems and methods |
| US9251396B2 (en) | 2013-01-29 | 2016-02-02 | Diamond Fortress Technologies, Inc. | Touchless fingerprinting acquisition and processing application for mobile devices |
| KR101428364B1 (ko) | 2013-02-18 | 2014-08-18 | 한양대학교 산학협력단 | 특이값 분해를 이용한 입체 영상 처리 방법 및 그 장치 |
| CN110262026B (zh) | 2013-07-31 | 2022-04-01 | 加州理工学院 | 孔径扫描傅立叶重叠关联成像 |
| JP2016530567A (ja) | 2013-08-22 | 2016-09-29 | カリフォルニア インスティチュート オブ テクノロジー | 可変照明フーリエタイコグラフィー撮像装置、システム、及び方法 |
| US9773151B2 (en) | 2014-02-06 | 2017-09-26 | University Of Massachusetts | System and methods for contactless biometrics-based identification |
| US11468557B2 (en) * | 2014-03-13 | 2022-10-11 | California Institute Of Technology | Free orientation fourier camera |
| US10162161B2 (en) | 2014-05-13 | 2018-12-25 | California Institute Of Technology | Ptychography imaging systems and methods with convex relaxation |
| US9734165B2 (en) * | 2014-08-02 | 2017-08-15 | The Hong Kong Polytechnic University | Method and device for contactless biometrics identification |
| US9734381B2 (en) | 2014-12-17 | 2017-08-15 | Northrop Grumman Systems Corporation | System and method for extracting two-dimensional fingerprints from high resolution three-dimensional surface data obtained from contactless, stand-off sensors |
| SE1451598A1 (en) * | 2014-12-19 | 2016-06-20 | Fingerprint Cards Ab | Improved guided fingerprint enrollment |
| EP3238135B1 (en) | 2014-12-22 | 2020-02-05 | California Institute Of Technology | Epi-illumination fourier ptychographic imaging for thick samples |
| AU2016209275A1 (en) | 2015-01-21 | 2017-06-29 | California Institute Of Technology | Fourier ptychographic tomography |
| AU2016211635A1 (en) | 2015-01-26 | 2017-06-29 | California Institute Of Technology | Multi-well fourier ptychographic and fluorescence imaging |
| US10684458B2 (en) | 2015-03-13 | 2020-06-16 | California Institute Of Technology | Correcting for aberrations in incoherent imaging systems using fourier ptychographic techniques |
| US9993149B2 (en) | 2015-03-25 | 2018-06-12 | California Institute Of Technology | Fourier ptychographic retinal imaging methods and systems |
| US10228550B2 (en) | 2015-05-21 | 2019-03-12 | California Institute Of Technology | Laser-based Fourier ptychographic imaging systems and methods |
| US10291899B2 (en) * | 2015-11-30 | 2019-05-14 | Canon Kabushiki Kaisha | Image processing apparatus, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium for generating restored image |
| US11092795B2 (en) | 2016-06-10 | 2021-08-17 | California Institute Of Technology | Systems and methods for coded-aperture-based correction of aberration obtained from Fourier ptychography |
| US10568507B2 (en) | 2016-06-10 | 2020-02-25 | California Institute Of Technology | Pupil ptychography methods and systems |
| US11450140B2 (en) | 2016-08-12 | 2022-09-20 | 3M Innovative Properties Company | Independently processing plurality of regions of interest |
| WO2018031900A1 (en) * | 2016-08-12 | 2018-02-15 | 3M Innovative Properties Company | Independently processing plurality of regions of interest |
| US10552662B2 (en) * | 2016-12-30 | 2020-02-04 | Beyond Time Investments Limited | Optical identification method |
| JP7056052B2 (ja) * | 2017-09-22 | 2022-04-19 | 富士通株式会社 | 画像処理プログラム、画像処理方法、及び画像処理装置 |
| WO2019090149A1 (en) | 2017-11-03 | 2019-05-09 | California Institute Of Technology | Parallel digital imaging acquisition and restoration methods and systems |
| KR102491855B1 (ko) | 2017-12-11 | 2023-01-26 | 삼성전자주식회사 | 3d 지문센서 소자 및 이를 포함하는 전자 장치 |
| US10546870B2 (en) | 2018-01-18 | 2020-01-28 | Sandisk Technologies Llc | Three-dimensional memory device containing offset column stairs and method of making the same |
| CN108388835A (zh) * | 2018-01-24 | 2018-08-10 | 杭州电子科技大学 | 一种非接触式指纹图像采集装置 |
| US10804284B2 (en) | 2018-04-11 | 2020-10-13 | Sandisk Technologies Llc | Three-dimensional memory device containing bidirectional taper staircases and methods of making the same |
| US11139237B2 (en) | 2019-08-22 | 2021-10-05 | Sandisk Technologies Llc | Three-dimensional memory device containing horizontal and vertical word line interconnections and methods of forming the same |
| US11114459B2 (en) | 2019-11-06 | 2021-09-07 | Sandisk Technologies Llc | Three-dimensional memory device containing width-modulated connection strips and methods of forming the same |
| US11133252B2 (en) | 2020-02-05 | 2021-09-28 | Sandisk Technologies Llc | Three-dimensional memory device containing horizontal and vertical word line interconnections and methods of forming the same |
| KR102396516B1 (ko) * | 2021-04-23 | 2022-05-12 | 고려대학교 산학협력단 | 훼손된 지문 복원 방법, 이를 수행하기 위한 기록 매체 및 장치 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3424955A1 (de) * | 1984-07-06 | 1986-01-16 | Siemens Ag | Anordnung zum erfassen von fingerpapillaren |
| JP2763830B2 (ja) * | 1991-03-06 | 1998-06-11 | シャープ株式会社 | 指紋入力装置 |
| US6498861B1 (en) * | 1996-12-04 | 2002-12-24 | Activcard Ireland Limited | Biometric security encryption system |
| US6075876A (en) * | 1997-05-07 | 2000-06-13 | Draganoff; Georgi Hristoff | Sliding yardsticks fingerprint enrollment and verification system and method |
| JP2000040146A (ja) * | 1998-07-23 | 2000-02-08 | Hitachi Ltd | 画像処理方法、画像処理装置および指掌紋画像入力装置 |
| US6289113B1 (en) * | 1998-11-25 | 2001-09-11 | Iridian Technologies, Inc. | Handheld iris imaging apparatus and method |
| JP2000215308A (ja) * | 1999-01-27 | 2000-08-04 | Toshiba Corp | 生体情報認証装置およびその方法 |
| US6993157B1 (en) * | 1999-05-18 | 2006-01-31 | Sanyo Electric Co., Ltd. | Dynamic image processing method and device and medium |
| JP2002092616A (ja) * | 2000-09-20 | 2002-03-29 | Hitachi Ltd | 個人認証装置 |
| KR100374708B1 (ko) * | 2001-03-06 | 2003-03-04 | 에버미디어 주식회사 | 회전영상의 보정에 의한 비접촉식 홍채인식방법 |
| DE10123561A1 (de) * | 2001-05-15 | 2001-10-18 | Thales Comm Gmbh | Verfahren zur Personenidentifikation mittels dreidimensionaler Fingerkuppenanalyse |
| DE10126369A1 (de) * | 2001-05-30 | 2002-12-05 | Giesecke & Devrient Gmbh | Verfahren zum Prüfen eines Fingerabdrucks |
| DE10153808B4 (de) * | 2001-11-05 | 2010-04-15 | Tst Biometrics Holding Ag | Verfahren zur berührungslosen, optischen Erzeugung von abgerollten Fingerabdrücken sowie Vorrichtung zur Durchführung des Verfahrens |
| US7221805B1 (en) * | 2001-12-21 | 2007-05-22 | Cognex Technology And Investment Corporation | Method for generating a focused image of an object |
-
2005
- 2005-08-09 WO PCT/IL2005/000856 patent/WO2006016359A2/en active Application Filing
- 2005-08-09 CN CNA200580032390XA patent/CN101432593A/zh active Pending
- 2005-08-09 KR KR1020077005630A patent/KR20070107655A/ko not_active Application Discontinuation
- 2005-08-09 CA CA002576528A patent/CA2576528A1/en not_active Abandoned
- 2005-08-09 JP JP2007525449A patent/JP2008517352A/ja active Pending
- 2005-08-09 US US11/660,019 patent/US20080101664A1/en not_active Abandoned
- 2005-08-09 EP EP05771957A patent/EP1779064A4/en not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015096803A1 (zh) * | 2013-12-26 | 2015-07-02 | 齐发光电股份有限公司 | 手指指纹读取系统及指纹读取方法 |
| CN105373769A (zh) * | 2014-08-06 | 2016-03-02 | 摩福公司 | 在图像中确定可能代表个体的至少一个手指的至少一个区域的方法 |
| CN110008892A (zh) * | 2019-03-29 | 2019-07-12 | 北京海鑫科金高科技股份有限公司 | 一种基于四连指指纹图像采集的指纹核验方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CA2576528A1 (en) | 2006-02-16 |
| US20080101664A1 (en) | 2008-05-01 |
| WO2006016359A3 (en) | 2009-05-07 |
| EP1779064A2 (en) | 2007-05-02 |
| KR20070107655A (ko) | 2007-11-07 |
| JP2008517352A (ja) | 2008-05-22 |
| EP1779064A4 (en) | 2009-11-04 |
| WO2006016359A2 (en) | 2006-02-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101432593A (zh) | 用于3d指纹识别的非接触式光学装置和方法 | |
| Xiao et al. | Image splicing forgery detection combining coarse to refined convolutional neural network and adaptive clustering | |
| Lin et al. | Recent advances in passive digital image security forensics: A brief review | |
| Raghavendra et al. | Presentation attack detection for face recognition using light field camera | |
| Rajagopalan et al. | Depth estimation and image restoration using defocused stereo pairs | |
| De et al. | Enhancing effective depth-of-field by image fusion using mathematical morphology | |
| CN112085534B (zh) | 一种关注度分析方法、系统及存储介质 | |
| Sen et al. | Practical high dynamic range imaging of everyday scenes: Photographing the world as we see it with our own eyes | |
| Liu et al. | Light field-based face liveness detection with convolutional neural networks | |
| Asmare et al. | Image Enhancement by Fusion in Contourlet Transform. | |
| Hovhannisyan et al. | AED-Net: A single image dehazing | |
| CN116012432A (zh) | 立体全景图像的生成方法、装置和计算机设备 | |
| WO2002009024A1 (en) | Identity systems | |
| Panetta et al. | Unrolling post-mortem 3D fingerprints using mosaicking pressure simulation technique | |
| CN112639870A (zh) | 图像处理装置、图像处理方法和图像处理程序 | |
| CN118015190A (zh) | 一种数字孪生模型的自主构建方法及装置 | |
| Bernacki | Digital camera identification based on analysis of optical defects | |
| Farhood et al. | 3D point cloud reconstruction from a single 4D light field image | |
| Abraham | Digital image forgery detection approaches: A review and analysis | |
| Chen et al. | Depth estimation of light field data from pinhole-masked DSLR cameras | |
| Lee et al. | Material Type Recognition of Indoor Scenes via Surface Reflectance Estimation | |
| Morel et al. | Three-dimensional inspection of highly-reflective metallic objects by polarization imaging | |
| Paar et al. | Photogrammetric fingerprint unwrapping | |
| Chan et al. | Coarse and fine localized CNN classifier for intelligent DIC preprocessing in large structure health monitoring sample | |
| Kulkarni et al. | Depth estimation from defocused images: a survey |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090513 |