CN102439604A - 用于指纹模板合成的方法和使用点匹配算法的指纹拼接 - Google Patents
用于指纹模板合成的方法和使用点匹配算法的指纹拼接 Download PDFInfo
- Publication number
- CN102439604A CN102439604A CN2010800110872A CN201080011087A CN102439604A CN 102439604 A CN102439604 A CN 102439604A CN 2010800110872 A CN2010800110872 A CN 2010800110872A CN 201080011087 A CN201080011087 A CN 201080011087A CN 102439604 A CN102439604 A CN 102439604A
- Authority
- CN
- China
- Prior art keywords
- minutiae point
- fingerprint
- group
- orientation
- ridge
- 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
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
- G06V40/1365—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
提供从多个指纹图像进行指纹模板合成的方法和系统。从第一指纹图像提取第一组细节点。从第二指纹图像提取第二组细节点。对于从基于第一指纹图像的第一组细节点选择的多个细节点而计算取向。向第一组细节点添加模拟点,其中,基于多个细节点中的细节点的位置和取向产生模拟点。登记第一组细节点和第二组细节点,并且,组合第一组细节点和第二组细节点。
Description
技术领域
本发明的配置涉及生物计量(biometric)系统,更具体地,涉及指纹模板合成和指纹拼接。
背景技术
生物计量系统被用于基于个体的独特的特性(unique trait)来识别个体。在许多应用(包括防护(security)和取证(forensics))中,生物计量学(biometrics)是有用的。一些身体(physical)生物计量标记包含面部特征、指纹、手掌几何特征(hand geometry)、以及虹膜和视网膜扫描。生物计量系统可通过查询数据库来认证用户或确定所采样的数据的身份(identity)。
使用生物计量系统存在许多优点。大多数的生物计量标记存在于大多数的个体中,在各个个体之间是独特的,持久贯穿个体的寿命,并且可容易收集。但是,这些因素得不到保证。例如,可以使用外科整形(surgical alteration)来改变生物计量特征,以致它与之前从同一个体收集的生物计量特征不匹配。此外,不同的生物计量特征可随着时间发生改变。
指纹被视为生物计量识别的耐用的形式。指纹是表皮上的凸起(raised)的摩擦嵴(friction ridge)的印痕。指纹具有持久性并且对于个体是独特的,使得指纹对于识别是理想的手段。可从表面上的自然沉积的压印(imprint)收集指纹。指纹当前是接触生物计量的一种选择,并且对于可预见的将来也可能保持如此。尽管与面部识别或声音印迹相比,指纹更具侵入性(intrusive),但是,指纹的侵入性比例如虹膜和DNA的某些其它生物计量学的侵入性小。
作为生物识别的一种形式的指纹的使用从收集指纹并且评价匹配的人工方法开始。现在仍然使用在卡上按压和滚转(roll)个体被检者的着墨手指的“墨技术”。一种产生指纹的数字图像的方式是,然后扫描这些卡。固态指纹读取器在自动认证系统中已变得常见。当前,它们常常是唯一的实用方案。固态指纹传感器基于电容、热、电场、激光、射频和其它的原理而工作。虽然有一些指纹传感器产生三维指纹图像,但是,指纹传感器一般产生二维指纹图像。
尽管指纹在各个个体之间是独特的,但是它们共享共同的特征。这些关键特征出于识别的目的而被用于指纹验证(verification)系统中。指纹的第一级特征包含由嵴形成的环形(loop)、螺旋形(whorl)和弓形(arch)。这些特征描述嵴所遵循的总体形状。指纹的第二级特征或细节(minutia)是嵴中的不规则性(irregularity)或不连续性(discontinuity)。它们包含嵴终止、分叉和斑点(dot)。指纹的第三级特征包含嵴微孔(pore)、嵴形状、以及瘢痕、疣(wart)、褶皱(crease)和其它变形。
指纹注册(enrollment)使指纹数据与特定的用户相关联。指纹辨识(recognition)可被分成验证和识别。在指纹验证中,使用指纹来核实用户的声称(claimed)的身份。在指纹识别中,将来自个体的指纹数据与数据库中的指纹数据相比较以寻找匹配。在本领域中常见的是仅存储指纹模板而不是整个指纹图像。指纹模板由诸如关键细节点的从指纹提取的关键特征构成。
在产生指纹模板时有几个方面比较复杂。当将手指的弯曲表面按压在平坦表面上时,不均匀的压力将使得捕获的指纹读取中的弹性皮肤变形。其它的问题包括由于差的接触和噪声而导致的不完整读取。此外,对于隐约(latent)指纹(即,无意中招致的那些指纹,例如在犯罪现场收集的指纹),可用的信息常常具有相当低的质量和信息量。同一个手指的多个指纹图像可被收集并且被组合以克服这些问题。
指纹拼接是用来调和(reconcile)由两个或更多个指纹图像呈现的信息的技术。可在图像级或特征级实现拼接。在基于图像的拼接中,在提取特征以合成指纹模板之前,指纹图像被调和成单个拼合的(stitched)指纹图像。在基于特征的拼接中,首先从指纹图像中的每一个提取特征。然后,调和这些特征,从而导致通过将来自单独的指纹图像的特征组合而形成的合成指纹模板。基于图像的拼接在计算上更复杂,并且更易于产生假象(artifact),从而导致在最终的指纹模板中包含错误的特征。
迭代最近点(iterative closest point,ICP)算法是用于登记(register)或组合指纹图像或指纹特征组(set)的方法。ICP算法迭代地估计最佳的变换(平移和旋转)以登记原始图像或特征组。它输出可用于组合图像或特征组的精细的(refined)变换。细节点常被用作在指纹模板中设定的特征。使用相对于相关联的指纹图像的(x,y)位置来描述细节点。由于各细节与指纹嵴末端(ridge ending)或分叉相关联,因此,可针对各细节来推断细节取向。标准ICP算法的输入由点组构成,不是角度。尽管细节取向信息可提供对于登记有用的信息,但是,细节取向还没有在指纹模板合成中与ICP算法一起被使用。
发明内容
本发明涉及从多个指纹图像进行指纹模板合成的方法和系统。从第一指纹图像提取第一组细节点。从第二指纹图像提取第二组细节点。对于从基于第一指纹图像的第一组细节点选择的多个细节点计算取向。向第一组细节点添加模拟点,其中,基于多个细节点中的细节点的位置和取向而产生模拟点。登记第一组细节点和第二组细节点。最后,组合第一组细节点和第二组细节点。
根据本发明的另一方面,对于从基于第二指纹图像的第二组细节点选择的多个细节点计算取向。向第二组细节点添加模拟点,其中,基于多个细节点中的细节点的位置和取向而产生模拟点。
根据本发明的另一方面,选择迭代最近点(ICP)算法来登记第一组细节点和第二组细节点。组合第一组细节点和第二组细节点包含旋转和平移细节点。指纹模板可包含或不包含(exclude)模拟点。
根据本发明的另一方面,至少一个指纹图像被预处理以增强嵴线,并且使用嵴线来计算细节点的取向。预处理还可包含使用修复技术来检测并填充空隙。
根据本发明的另一方面,基于所述细节点的取向和类型来产生模拟点。细节点可以是嵴末端,在这种情况下,所述取向是连接嵴末端与端点的取向线的角度。通过沿离开嵴末端的方向对嵴线跟踪预定的距离而确定所述端点。在位于嵴末端和端点之间的取向线上的选择的像素处产生模拟点。细节点可以是分叉点,在这种情况下,分叉点的取向是将第一线和第二线之间的角度二分(bisect)的取向线的角度。第一线连接分叉点和第一端点,所述第一端点是通过沿离开分叉点的方向对分叉的第一嵴跟踪第一预定距离而确定的。第二线连接分叉点和第二端点,所述第二端点是通过沿离开分叉点的方向对分叉的第二嵴跟踪第二预定距离而确定的。在位于分叉点的第三预定距离内的取向线上的选择的像素处产生模拟点。
根据本发明的另一方面,提供从多个指纹图像进行指纹辨识的方法。获得第一指纹图像和第二指纹图像。从第一指纹图像提取第一组细节点,并且从第二指纹图像提取第二组细节点。对于从基于第一指纹图像的第一组细节点选择的多个细节点计算取向。向第一组细节点添加模拟点,其中,基于多个细节点中的细节点的位置和取向而产生模拟点。登记第一组细节点和第二组细节点,最后,组合第一组细节点和第二组细节点。将得到的指纹模板与存储的指纹模板相比较以定位匹配。
根据本发明的另一方面,对于从基于第二指纹图像的第二组细节点选择的多个细节点计算取向。向第二组细节点添加模拟点,其中,基于多个细节点中的细节点的位置和取向而产生模拟点。
根据本发明的另一方面,用于指纹注册的系统包括指纹传感器、计算组件和用于存储指纹模板的计算机可读存储介质。指纹传感器生成同一个手指的多个指纹图像。计算组件通过以下步骤来合成来自所述多个指纹图像的指纹模板:从第一指纹图像提取第一组细节点,从第二指纹图像提取第二组细节点,计算从第一组细节点选择的多个细节点的取向,基于多个细节点中的细节点的位置和取向而向第一组细节点添加模拟点,登记多组细节点,以及将所述多组细节点组合成指纹模板。使用计算机可读存储介质来存储指纹模板。
根据本发明的另一方面,计算组件还计算从第二组细节点选择的第二多个细节点的取向,并且基于第二多个细节点中的细节点的位置和取向而向第二组细节点添加模拟点。
根据本发明的另一方面,指纹传感器、计算组件和计算机可读存储介质中的至少一个是固态设备。
附图说明
图1是可在本发明的实施例中使用的计算机系统的框图。
图2是基于图像的拼接的流程图。
图3是基于特征的拼接的流程图。
图4是根据本发明的实施例的指纹模板合成的方法的流程图。
图5a是预处理之前的指纹图像的表示(representation)。
图5b是预处理之后的指纹图像的表示。
图6是细节类型的表示。
图7是计算嵴末端的取向的示图。
图8是计算分叉的取向的示图。
图9是有助于理解迭代最近点(ICP)算法的示图。
图10是根据本发明的实施例的指纹辨识的流程图。
具体实施方式
基于图像的拼接和基于特征的拼接
基于图像和基于特征的拼接已在现有技术中被用于指纹模板合成。图2是概括了在A.Jain,A.Ross.,“Fingerprint mosaicking,”IEEE International Conference on Acoustics,Speech,and SignalProcessing,2002,vol.4,pp.4064-67(2002)中描述的基于图像的拼接处理的流程图。
图2中的处理200以步骤202开始,并继续以步骤204。在步骤204中,预处理两个指纹图像。该方法继续到步骤206,在步骤206中,使用迭代最近点(ICP)算法来登记两个指纹图像。该方法继续到步骤208,在步骤208中,根据ICP算法的结果来旋转和平移一个图像。该方法继续到步骤210,在步骤210中,两个图像被拼合成一个指纹图像。该方法继续到步骤212,在步骤212中,组合的指纹图像被预处理以便于细节提取。一般地,为了预处理指纹图像,图像被二值化并且指纹嵴被稀化。在特征提取之前预处理指纹图像的各种算法在本领域中是已知的。该方法继续到步骤214,在步骤214中,提取细节点。在步骤216中,处理终止。
图3是概括了在Y.S.Moon,et al,“Template synthesis and imagemosaicking for fingerprint registration:an experimental study”,IEEE Conference on Acoustics,Speech,and Signal Processing,2004,vol.5,pp.409-12(2004)中描述的基于特征的拼接处理的流程图。
图3中的处理300以步骤302开始并继续以步骤304。在步骤304中,为了细节提取而预处理两个指纹图像。该方法继续到步骤306,在步骤306中,对于各指纹图像提取细节点。该方法继续到步骤308,在步骤308中,使用ICP算法来登记两组细节点。该方法继续到步骤310,在步骤310中,根据ICP算法的结果来旋转和平移一组细节点。该方法继续到步骤312,在步骤312中,组合细节点以形成指纹模板。在步骤314中,处理终止。
应当注意,在处理200或处理300的登记步骤中没有使用细节点的取向。
现在将参照附图在下面更全面地描述本发明,在这些附图中,示出本发明的示例性实施例。但是,本发明可以按照许多不同的形式被体现,并且不应被解释为限于这里所阐述的实施例。因此,本发明可采取作为完全硬件实施例、完全软件实施例或硬件/软件实施例的形式。
可以在一个计算机系统中实现本发明。作为替代方案,可以在几个互连的计算机系统中实现本发明。适于实施这里描述的方法的任何类型的计算机系统或其它装置是适合的。硬件和软件的典型的组合可以是通用计算机系统。通用计算机系统可具有可控制计算机系统使得它实施这里描述的方法的计算机程序。
本发明可采取计算机可用存储介质(例如,硬盘或CD-ROM)上的计算机程序产品的形式。计算机可用存储介质可具有在介质中体现的计算机可用程序代码。这里使用的术语“计算机程序产品”指的是包含使得能够实现这里描述的方法的所有特征的部件。上下文中的计算机程序、软件应用、计算机软件例行程序和/或这些术语的其它变体意味着意图使得具有信息处理能力的系统直接或在以下步骤中的任一个或两个之后执行特定的功能的一组指令的采用任何语言、代码或记号的任何表达方式:a)转换成另一语言、代码或记号;或b)以不同的材料形式再现。
图1的计算机系统100可包含各种类型的计算系统和设备,包括服务器计算机、客户端用户计算机、个人计算机(PC)、板式PC、膝上型计算机、台式计算机、控制系统、网络路由器、交换机或桥接器、或者任何其它设备,其中,所述任何其它设备能够执行规定了要由该设备采取的动作的一组指令(相继或其他方式的指令)。应当理解,本公开的设备还包括提供声音、视频或数据通信的任何电子设备。此外,虽然示出的是单个计算机,但是,词语“计算机系统”应被理解为包括单独地或共同地执行一组(或多组)指令以执行这里讨论的方法中的任一种或更多种的计算设备的任何集合。
计算机系统100可包括通过总线108而相互通信的处理器102(诸如中央处理单元(CPU)、图形处理单元(GPU或两者)、主存储器104和静态存储器106。计算机系统100还可包括诸如视频显示器(例如,液晶显示器或LCD)、平板、固态显示器或阴极射线管(CRT)的显示单元110。计算机系统100可包括输入设备112(例如,键盘)、光标控制设备114(例如,鼠标)、盘驱动单元116、信号产生设备118(例如,扬声器或遥控器)和网络接口设备120。
盘驱动单元116可包含上面存储有被配置为实现这里描述的方法、过程或功能中的一个或更多个的一组或更多组指令124(例如,软件代码)的计算机可读存储介质122。指令124还可在被计算机系统100执行期间完全或部分地驻留在存储器104、静态存储器106和/或处理器102内。主存储器104和处理器102还可构成机器可读介质。
包含但不限于专用集成电路、可编程逻辑阵列和其它的硬件设备的专用硬件实现可类似地被构建为实现这里描述的方法。可包含各种实施例的装置和系统的应用广泛地包含各种电子和计算机系统。一些实施例在两个或更多个特定的互连硬件模块或装置(有关的控制和数据信号在模块之间或通过模块而被传递(communicate))中或者作为专用集成电路的各部分来实现功能。因此,示例性系统可适用于软件、固件和硬件实现。
根据本发明的各种实施例,以下描述的方法可被存储为计算机可读存储介质中的软件程序,并且可被配置为用于在计算机处理器上运行。此外,软件实现可包含但不限于也可被构建为实现这里描述的方法的分布式处理、部件/对象分布式处理、并行处理、虚拟机器处理。
在本发明的各种实施例中,计算机可读存储介质包含指令124,或者计算机可读存储介质从传播的信号接收并执行指令124使得与网络环境126连接的设备可发送或接收声音和/或视频数据,并且计算机可读存储介质可使用指令124在网络126上通信。可进一步通过网络接口设备120在网络126上传送或接收指令124。
虽然计算机可读存储介质122在示例性实施例中被示为单个的存储介质,但是,术语“计算机可读存储介质”应被理解为包括存储一组或更多组的指令的单个介质或多个介质(例如,集中式或分布式数据库和/或相关的高速缓冲器和服务器)。术语“计算机可读存储介质”还应被理解为包含能够存储、编码或承载由机器执行的一组指令并且使得机器执行本公开的方法中的任一个或更多个的任何介质。
因此,术语“计算机可读介质”应被理解为包括但不限于:诸如存储卡或者容纳一个或更多个只读(非易失性)存储器、随机存取存储器和其它的可再写(易失性)存储器的其它的封装的固态存储器;诸如盘或带的磁光或光学介质;以及诸如体现传送介质中的计算机指令的信号的载波信号;和/或电子邮件的数字文件附件或被视为与可触知的存储介质等同的分布介质的其它的自足信息档案(self-containedarchive)或一组档案。因此,本公开被视为包括这里列出的计算机可读介质或分布介质中的任一个或更多个,并且包括存储这里的软件实现的识别的等同物和后继(successor)介质。
本领域技术人员可以理解,图1所示的计算机系统架构是计算机系统的一个可能的例子。但是,本发明不限于此,并且,可以没有限制地使用任何其它适当的计算机系统架构。
本发明的实施例涉及用于指纹模板合成的方法。这里使用的术语“指纹模板合成”指的是用于产生指纹模板的任何处理。指纹模板合成包含从至少一个指纹图像提取包括特征的数据。指纹模板合成可包含从多个指纹图像提取的特征的组合。这里使用的术语“指纹模板”指的是包含与来自一个手指的指纹相关联的一组特征的指纹数据。在本发明的一个实施例中,特征包含细节点。指纹模板中的指纹数据可与拥有该手指的一个个体相关联,因此,可用于识别该个体。可从一个指纹图像提取包含指纹模板的该组特征。也可从与该手指相关联的多个指纹图像提取该组特征。指纹模板可包含从部分指纹图像提取的特征。
图4是有助于理解根据本发明的实施例的指纹模板合成的流程图。图4中的处理400以步骤402开始并继续以步骤404。在步骤404中,预处理至少一个指纹图像以便于细节提取。这里使用的术语“指纹图像”指的是指纹的数字图像。在本发明的一个实施例中,两个或更多个指纹图像被预处理以便于细节提取。指纹图像可来自各种来源,诸如固态指纹读取器、诸如从使用墨方法收集的指纹的扫描的人工收集的指纹的数字扫描或隐约指纹。指纹图像可包含部分指纹图像。
这里使用的术语“预处理”指的是向图像施加的数学或统计计算或变换的任何序列。可以在本发明的实施例中使用预处理以便于从指纹图像提取细节点。预处理可指各预处理步骤的任何组合。便于细节提取的预处理可包含指纹的二值化和/或嵴的稀化。在本发明的一个实施例中,指纹图像是灰度级指纹图像,并且,指纹图像的预处理包含将图像二值化、将其转换成黑白图像。在本发明的一个实施例中,预处理增强嵴线以便于细节提取和取向的计算。这可涉及指纹嵴的稀化。图5A是在预处理之前的指纹图像的表示。图5B是根据本发明的一个实施例的在预处理之后的指纹图像的表示。在本发明的一个实施例中,预处理包含使用修复技术来检测和填充空隙。由于手指的诸如伤疤或褶皱的自然特征,因此在指纹图像中可能存在空隙。由于不完整读取(诸如二维电子指纹传感器的不完整读取)或隐约指纹中的丢失数据,也可能在指纹图像中存在空隙。也可利用诸如降噪的其它图像处理步骤。
返回处理400,该方法继续到步骤406,在步骤406中,提取细节点。这里使用的术语“细节点”指的是细节的位置的任何点表示。例如,细节点可以是参照指纹图像的细节的位置的点表示。在一个实施例中,点表示是二维指纹图像中的像素位置。在另一实施例中,点表示是参照三维指纹图像的三维点。从各指纹图像提取一组细节点。在本发明的一个实施例中,每组细节点与一个指纹图像相关联。在本发明的一个实施例中,从第一指纹图像提取第一组细节点并且从第二指纹图像提取第二组细节点。
图6示出基本类型的细节:嵴末端和分叉。嵴末端是嵴在该处终止的点。分叉是将单个嵴分成两个嵴的点。其它特征可被视为细节点。它们包括所谓的复合的(compound)细节:短嵴(aka岛和斑点)、湖(aka环绕)、对向的分叉、桥、双分叉、钩形(hook)(aka短枝(spur))、以及与末端相对的分叉。Henry C.Lee et al.Advancesin Fingerprint Technology,374,CRC Press(2d ed.2001)。在本发明的一个实施例中,提取基本类型的细节点。在本发明的另一实施例中,也提取其它所选类型的细节点。可通过预处理后的指纹图像的计算或统计评价,确定多组细节点。在本发明的一个实施例中,使用计算或统计方法,通过选择关键细节点以包含于与指纹图像相关联的一组细节点中来提炼一组细节点。
返回处理400,方法继续到步骤408,在步骤408中,计算细节的取向。细节点可与由细节点表示的细节的取向相关。这里使用的细节点的取向指的是分配给细节点的角度。可基于指纹图像(包括围绕细节点的其它特征)来计算该角度。例如,可基于被确定为指纹图像中的指纹嵴的特征来计算该角度。图7是有助于理解本发明的一个实施例中的嵴末端的取向的计算的示图。嵴线702在嵴末端704处结束。通过沿离开嵴末端704的方向对嵴线702跟踪预定的距离来确定端点706。在本发明的一个实施例中,在预处理后的指纹图像上以像素为单位测量预定的距离。例如,预定的距离可以为约5~10个像素。根据连接嵴末端704和端点706的取向线708的角度来确定嵴末端704的取向710。例如,可关于基准线712来确定取向线708的角度。在本发明的一个实施例中,基准线712是与二维图像的x轴平行的任何线。本领域技术人员应当理解,可关于二维指纹图像,或者在诸如三维指纹图像扫描的用于描述指纹图像的任何其它坐标系中,定义取向710。
图8是有助于本发明的一个实施例中的分叉的取向的计算的示图。嵴线802在分叉点808处分成第一嵴804和第二嵴806。通过沿离开分叉点808的方向跟踪第一嵴804第一预定距离来确定第一端点810。通过沿离开分叉点808的方向跟踪第二嵴806第二预定距离来确定第二端点812。在本发明的一个实施例中,在预处理后的指纹图像上以像素为单位测量第一预定距离和第二预定距离。例如,第一预定距离和第二预定距离可以为约5~10个像素。第一预定距离可以与第二预定距离相同或不同。第一线814连接第一端点810和分叉点808。第二线816连接第二端点812和分叉点808。通过二分由第一线814和第二线816形成的角度的取向线818的角度来确定分叉点808的取向820。例如,可关于基准线822确定取向线818的角度。在本发明的一个实施例中,基准线822是与二维图像的x轴平行的任何线。本领域技术人员应当理解,可关于二维指纹图像,或者在诸如三维指纹图像扫描的用于描述指纹图像的任何其它坐标系中,定义取向820。
本领域技术人员可以理解,本发明的实施例包括基于指纹图像计算细节的取向的其它方法。在本发明的一个实施例中,仅对于选择细节点而计算取向。例如,可仅对于基本细节点计算取向。在本发明的一个实施例中,仅对于与指纹图像中的一些指纹图像相关联的多组细节点计算取向。在本发明的另一实施例中,对于与所有的指纹图像相关联的多组细节点计算取向。虽然参照二维指纹图像描述了对于分叉和嵴末端的细节点取向的计算,但是,本领域技术人员可以理解,本发明的实施例可被变更为供三维指纹图像使用。
返回处理400,方法继续到步骤410,在步骤410中,基于细节点的位置和取向而向至少一组细节点添加模拟点。在本发明的一个实施例中,模拟点被定位以模拟细节点的取向信息。这允许一般仅考虑点位置不考虑点取向的登记方法考虑取向信息。在本发明的一个实施例中,向接近某细节点的一组细节点添加模拟点。例如,可向一组细节点添加5~10个模拟点以模拟一个细节点的取向信息。在本发明的一个实施例中,沿与细节点相交的取向线添加模拟点,这里,取向线的角度等于所计算的细节点的取向。以这种方式,以点登记方法被设计为应对的方式向一组细节点添加关于细节点的取向的信息。
参照图7,在本发明的一个实施例中,在位于嵴末端704和端点706之间的取向线708上的选择的像素处产生对于具有取向710的包含嵴末端704的细节点的模拟点。选择的像素可包含嵴末端704和端点706之间的取向线708上的所有像素。作为替代方案,选择的像素可包含选择的像素子集。可以随机地、均匀分布地或根据任何其它的分布来选择像素。
参照图8,在本发明的一个实施例中,在位于取向线818上的在分叉点808的第三预定距离内的选择的像素处产生对于具有取向820的包含分叉点808的细节点的模拟点。在本发明的一个实施例中,模拟点沿向着分叉的方向(即,沿第一嵴804和第二嵴806的方向)位于取向线818上。在本发明的另一实施例中,模拟点位于离开分叉(即,沿嵴线802的方向)的取向线818上。在本发明的另一实施例中,模拟点以分叉点808为中心。模拟点也可以按照任何其它的方式关于分叉点808分布。在本发明的一个实施例中,第三预定距离为约5~10个像素。选择的像素可包含在第二预定距离内的取向线818上的所有像素。作为替代方案,选择的像素可包含选择的像素子集。可以随机地、均匀分布地或根据任何其它的分布来选择像素。
本领域技术人员可以理解,在本发明的其它实施例中,可对于各种类型的细节使用计算模拟点的许多方式。在本发明的一个实施例中,仅对于选择的细节点添加模拟点。例如,可仅对于基本细节点添加模拟点。在本发明的一个实施例中,仅对于指纹图像的子集添加模拟点。本领域技术人员应当理解,可通过关于二维指纹图像的像素坐标或者在用于描述与指纹图像相关联的一组细节点中的细节点的位置的任何其它坐标系中限定模拟点。虽然关于二维指纹图像描述了用于分叉和嵴末端的细节点取向的计算,但是,本领域技术人员可以理解,本发明的实施例可被变更以供三维指纹图像使用。例如,一个实施例可涉及三维指纹图像扫描、在三维空间中限定的细节点,并且,基于对于三维空间而变更的多种方法来添加模拟点。
返回处理400,方法继续到步骤412,在步骤412中,使用ICP算法以登记第一组细节点和第二组细节点。至少一组细节点包含模拟点。在本发明的其它的实施例中,可以使用ICP算法以外的另一登记方法来登记多组细节点。
图9是有助于理解本发明的一个实施例中的ICP算法的一般实现的示图。一般的ICP算法是能够通过迭代处理来调和两组点的迭代处理。ICP算法906可处理二维以及三维的点。ICP算法906以第一点组902和第二点组904作为输入。在各迭代中,ICP算法906对于第二点组904计算旋转908和平移910。ICP算法906还使用旋转908和平移910来为第二点组904产生新坐标914。ICP算法906还计算代表第一点组902和第二点组904的新坐标914之间的距离的误差912。作为下一迭代中的第二点组904的替代,新坐标914被用作输入。在各迭代中,ICP算法906计算点列表904的新坐标914。可以向ICP算法906供给大量的最大迭代916和误差阈值918。ICP算法还以用于第一点组902和第二点组904的对准的初始估计920为输入。如果初始估计920足够接近(close),那么算法将收敛。计算ICP算法的初始估计的方法在本领域中是已知的。
ICP算法是不使用取向信息来登记多组点的点登记算法的例子。通过登记包含模拟取向信息的模拟点的多组细节点,ICP算法在登记处理中使用由模拟点的位置提供的取向信息。
返回处理400,方法继续到步骤414,在步骤414中,基于登记步骤412的结果来旋转和平移细节点。在本发明的一个实施例中,基于由登记步骤412产生的变换来旋转和平移第二组细节点中的点。
方法继续到步骤416,在步骤416中,第一组细节点和第二组细节点被组合以形成单个指纹模板。在本发明的一个实施例中,指纹模板包含在步骤410中添加的模拟点。在本发明的另一实施例中,指纹模板仅包含原始的细节点。
该方法继续到步骤418,在步骤418中,从指纹模板去除模拟点。在本发明的一个实施例中,在最终的指纹模板中保留向一组细节点添加的模拟点。在本发明的另一实施例中,从最终的指纹模板去除模拟点中的一些或全部。在本发明的一个实施例中,使用某方法来知道(keep track of)一组细节点中的点是模拟点还是从指纹图像提取的原始细节点。在本发明的一个实施例中,在登记步骤412之后但是在组合步骤416之前,从第一和第二组细节点去除模拟点。所述方法可涉及布尔数学、阵列、表、数据库或任何其它的数据结构。在步骤420中,处理终止。
在本发明的一个实施例中,从两个指纹图像合成指纹模板。但是,本领域技术人员可以理解,本发明的实施例包括从多于两个的指纹图像合成指纹模板的方法。即使使用用于登记两组点的算法,诸如ICP算法,也可使用多于两个的指纹图像来合成指纹模板。例如,可通过先登记两个组、然后迭代地登记组合后的组与另一组细节点,登记来自多个指纹图像的多组细节点。在本发明的一个实施例中,当使用多于两个的指纹图像来合成指纹模板时,在登记具有已组合的细节点组的指纹图像之前,基于细节点的位置和取向而添加模拟点。此外,虽然在示例性实施例中使用的是ICP算法,但是,可以使用其他的登记算法来调和多组细节点。
本发明的实施例还涉及指纹辨识。图10是有助于理解根据本发明的实施例的使用合成后的指纹模板的指纹辨识的流程图。图10中的处理1000以步骤1002开始并且继续以步骤1004。在步骤1004中,获得同一指纹的多个数字指纹图像。方法继续到步骤1006~1018,根据图4中描述的实施例得到组合后的细节点组。在本发明的一个实施例中,从隐约指纹或者部分指纹图像或质量差的指纹图像的任何其它来源获得指纹。虽然本实施例使用了质量良好的多个指纹图像来示例,但是,当比较质量良好的指纹图像与质量良好的指纹模板时,组合指纹特征没那么重要。
方法继续到步骤1020,在步骤1020中,比较组合后的细节点与所存储的指纹模板以定位匹配。比较方法在本领域中是已知的,并且可包含计算和人工步骤。例如,对于指纹专家的人工检查,可自动选择这样的指纹模板:基于设定的阈值,所述指纹模板较为匹配(closematch)组合后的细节点。在本发明的实施例中,所存储的指纹模板被存储在使指纹模板与个体相关联的数据库中。在本发明的一个实施例中,对于指纹验证使用指纹辨识方法。在本发明的另一实施例中,对于指纹识别使用指纹辨识方法。
本发明的实施例还涉及用于指纹注册的系统。指纹注册描述的是使指纹数据与用户相关联的处理。它可包括指纹模板合成和使指纹模板与用户相关联。在本发明的一个实施例中,用于指纹注册的系统包括指纹传感器、用于指纹模板合成的计算组件、以及用于存储指纹模板的计算机可读存储介质。指纹传感器被用于取得用户的同一手指的多个指纹图像。这些指纹图像被用于根据图4中描述的方法的实施例而合成指纹模板。合成后的指纹模板被存储于计算机可读存储介质上。在本发明的一个实施例中,计算机可读存储介质是数据库。一旦用户使用指纹注册系统注册了,就可针对指纹验证或指纹识别使用指纹模板。
在本发明的一个实施例中,指纹传感器是固态指纹传感器。计算组件可以是软件、硬件或固态器件。在本发明的一个实施例中,计算机可读存储介质是固态存储装置。在本发明的一个实施例中,指纹传感器、计算组件和计算机可读存储设备包含于一个诸如移动计算机、手机、报警系统或希望使用指纹验证的任何其它设备的产品中。在本发明的另一实施例中,在多个设备上实现该系统。所述多个设备可被物理地被接合。在本发明的另一实施例中,可以在诸如无线网络、内联网、互联网和任何其它类型的网络的网络上接合所述多个设备。
Claims (10)
1.一种从多个指纹图像进行指纹模板合成的方法,包括:
从第一指纹图像提取第一组细节点;
从第二指纹图像提取第二组细节点;
计算从基于第一指纹图像的第一组细节点选择的多个细节点的取向;
向第一组细节点添加模拟点,其中,基于所述多个细节点中的细节点的位置和取向而产生模拟点;
登记第一组细节点和第二组细节点;以及
将第一组细节点和第二组细节点组合成指纹模板。
2.根据权利要求1的方法,还包括:
计算从基于第二指纹图像的第二组细节点选择的第二多个细节点的取向;以及
向第二组细节点添加模拟点,其中,基于第二多个细节点中的细节点的位置和取向而产生模拟点。
3.根据权利要求1的方法,其中,使用迭代最近点(ICP)算法来登记第一组细节点和第二组细节点。
4.根据权利要求1的方法,其中,指纹模板包含模拟点。
5.根据权利要求1的方法,其中,将第一组细节点和第二组细节点组合包含旋转和平移细节点。
6.根据权利要求1的方法,还包括:
预处理第一指纹图像和第二指纹图像中的至少一个以增强嵴线,并且使用嵴线来计算细节点的取向。
7.根据权利要求6的方法,其中,所述预处理包含使用修复技术来检测并填充空隙。
8.根据权利要求1的方法,还包括:基于所述细节点的取向和类型而产生模拟点。
9.根据权利要求8的方法,其中,
细节点的类型是嵴末端,
嵴末端的取向是连接嵴末端与端点的取向线的角度,通过沿离开嵴末端的方向跟踪嵴线预定的距离来确定所述端点,以及
在位于嵴末端和所述端点之间的取向线上的选择的像素处产生模拟点。
10.根据权利要求8的方法,其中,
细节点的类型是分叉点,
分叉点的取向是二分第一线和第二线之间的角度的取向线的角度,第一线连接分叉点和第一端点,所述第一端点是通过沿离开分叉点的方向跟踪分叉的第一嵴第一预定距离而确定的,并且,第二线连接分叉点和第二端点,所述第二端点是通过沿离开分叉点的方向跟踪分叉的第二嵴第二预定距离而确定的;以及
在位于取向线上的在分叉点的第三预定距离内的选择的像素处产生模拟点。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/402,723 US20100232659A1 (en) | 2009-03-12 | 2009-03-12 | Method for fingerprint template synthesis and fingerprint mosaicing using a point matching algorithm |
US12/402,723 | 2009-03-12 | ||
PCT/US2010/026714 WO2010104885A1 (en) | 2009-03-12 | 2010-03-09 | A method for fingerprint template synthesis and fingerprint mosaicing using a point matching algorithm |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102439604A true CN102439604A (zh) | 2012-05-02 |
Family
ID=42203926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010800110872A Pending CN102439604A (zh) | 2009-03-12 | 2010-03-09 | 用于指纹模板合成的方法和使用点匹配算法的指纹拼接 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20100232659A1 (zh) |
EP (1) | EP2406752A1 (zh) |
JP (1) | JP2012519928A (zh) |
KR (1) | KR20110127270A (zh) |
CN (1) | CN102439604A (zh) |
BR (1) | BRPI1006295A2 (zh) |
CA (1) | CA2754047A1 (zh) |
TW (1) | TW201044282A (zh) |
WO (1) | WO2010104885A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714159A (zh) * | 2013-12-27 | 2014-04-09 | 中国人民公安大学 | 融合二级和三级特征的由粗到精的指纹识别方法 |
CN108140107A (zh) * | 2015-09-25 | 2018-06-08 | 高通股份有限公司 | 快速、高精度的大型指纹验证系统 |
TWI683263B (zh) * | 2018-06-07 | 2020-01-21 | 奇景光電股份有限公司 | 指紋辨識系統 |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8306288B2 (en) * | 2009-08-19 | 2012-11-06 | Harris Corporation | Automatic identification of fingerprint inpainting target areas |
US20110044513A1 (en) * | 2009-08-19 | 2011-02-24 | Harris Corporation | Method for n-wise registration and mosaicing of partial prints |
US8041956B1 (en) * | 2010-08-16 | 2011-10-18 | Daon Holdings Limited | Method and system for biometric authentication |
US9152303B2 (en) | 2012-03-01 | 2015-10-06 | Harris Corporation | Systems and methods for efficient video analysis |
US9311518B2 (en) | 2012-03-01 | 2016-04-12 | Harris Corporation | Systems and methods for efficient comparative non-spatial image data analysis |
US9135338B2 (en) | 2012-03-01 | 2015-09-15 | Harris Corporation | Systems and methods for efficient feature based image and video analysis |
US9846799B2 (en) | 2012-05-18 | 2017-12-19 | Apple Inc. | Efficient texture comparison |
US9715616B2 (en) | 2012-06-29 | 2017-07-25 | Apple Inc. | Fingerprint sensing and enrollment |
US9202099B2 (en) | 2012-06-29 | 2015-12-01 | Apple Inc. | Fingerprint sensing and enrollment |
CN103679667B (zh) * | 2012-09-18 | 2016-06-08 | 成都方程式电子有限公司 | 方向自适应性图像拼接方法 |
GB2507539A (en) | 2012-11-02 | 2014-05-07 | Zwipe As | Matching sets of minutiae using local neighbourhoods |
GB2507540A (en) | 2012-11-02 | 2014-05-07 | Zwipe As | Enrolling fingerprints by combining image strips to obtain sufficient width |
CN103077377B (zh) * | 2012-12-31 | 2015-07-29 | 清华大学 | 基于方向场分布的指纹校正方法 |
CN103136517B (zh) * | 2013-03-04 | 2015-11-11 | 杭州景联文科技有限公司 | 一种基于关键列选择的滚动指纹图像序列实时拼接方法 |
US10068120B2 (en) | 2013-03-15 | 2018-09-04 | Apple Inc. | High dynamic range fingerprint sensing |
US9053365B2 (en) | 2013-09-16 | 2015-06-09 | EyeVerify, Inc. | Template update for biometric authentication |
US8965066B1 (en) * | 2013-09-16 | 2015-02-24 | Eye Verify LLC | Biometric template security and key generation |
CN103942566B (zh) * | 2014-04-15 | 2017-07-28 | 清华大学 | 指纹描述子的压缩方法及系统 |
WO2016047006A1 (ja) * | 2014-09-24 | 2016-03-31 | 康弘 久田 | 指紋認証システム、指紋認証プログラムおよび指紋認証方法 |
SE1451598A1 (en) * | 2014-12-19 | 2016-06-20 | Fingerprint Cards Ab | Improved guided fingerprint enrollment |
CN104463141B (zh) * | 2014-12-24 | 2018-03-13 | 北京大唐智能卡技术有限公司 | 一种基于智能卡的指纹模板录入方法及装置 |
CN105447437B (zh) * | 2015-02-13 | 2017-05-03 | 比亚迪股份有限公司 | 指纹识别方法和装置 |
RU2711050C2 (ru) | 2015-09-11 | 2020-01-14 | Айверифай Инк. | Качество изображения и признака, улучшение изображения и выделение признаков для распознавания по сосудам глаза и лицам и объединение информации о сосудах глаза с информацией о лицах и/или частях лиц для биометрических систем |
US10671831B2 (en) | 2015-11-02 | 2020-06-02 | Aware, Inc. | High speed reference point independent database filtering for fingerprint identification |
US9704015B2 (en) | 2015-11-04 | 2017-07-11 | Himax Technologies Limited | Fingerprint image processing method and device |
TWI615780B (zh) * | 2015-11-09 | 2018-02-21 | 奇景光電股份有限公司 | 指紋影像處理方法與裝置 |
CN105447454B (zh) * | 2015-11-13 | 2018-05-01 | 广东欧珀移动通信有限公司 | 指纹模板完善方法、装置和终端设备 |
CN106803053B (zh) * | 2015-11-26 | 2019-10-11 | 奇景光电股份有限公司 | 指纹图像处理方法与装置 |
US9773147B1 (en) * | 2016-03-25 | 2017-09-26 | Novatek Microelectronics Corp. | Fingerprint enrollment method and apparatus using the same |
KR102170725B1 (ko) | 2016-11-07 | 2020-10-27 | 삼성전자주식회사 | 지문 등록 방법 및 장치 |
US10405034B1 (en) * | 2016-11-14 | 2019-09-03 | Cox Communications, Inc. | Biometric access to personalized services |
KR20180086087A (ko) | 2017-01-20 | 2018-07-30 | 삼성전자주식회사 | 지문 정보 처리 방법 |
TWI678634B (zh) | 2017-11-28 | 2019-12-01 | 宏碁股份有限公司 | 指紋驗證方法與電子裝置 |
KR101873286B1 (ko) * | 2018-02-09 | 2018-08-03 | 주식회사 올아이티탑 | 지문 알고리즘과 연계된 지문 또는/및 지정맥 정보의 통합모듈에 의한 금융 거래 중계 시스템의 처리 방법 |
US10572749B1 (en) | 2018-03-14 | 2020-02-25 | Synaptics Incorporated | Systems and methods for detecting and managing fingerprint sensor artifacts |
CN111209872B (zh) * | 2020-01-09 | 2022-05-03 | 浙江工业大学 | 一种基于动态规划和多目标优化的实时滚动指纹拼接方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5572596A (en) * | 1994-09-02 | 1996-11-05 | David Sarnoff Research Center, Inc. | Automated, non-invasive iris recognition system and method |
US5963656A (en) * | 1996-09-30 | 1999-10-05 | International Business Machines Corporation | System and method for determining the quality of fingerprint images |
US7072523B2 (en) * | 2000-09-01 | 2006-07-04 | Lenovo (Singapore) Pte. Ltd. | System and method for fingerprint image enhancement using partitioned least-squared filters |
US7203347B2 (en) * | 2001-06-27 | 2007-04-10 | Activcard Ireland Limited | Method and system for extracting an area of interest from within a swipe image of a biological surface |
US20050084179A1 (en) * | 2003-09-04 | 2005-04-21 | Keith Hanna | Method and apparatus for performing iris recognition from an image |
EP1671260B1 (en) * | 2003-10-01 | 2014-06-11 | Authentec, Inc. | Methods for finger biometric processing and associated finger biometric sensors |
US7230429B1 (en) * | 2004-01-23 | 2007-06-12 | Invivo Corporation | Method for applying an in-painting technique to correct images in parallel imaging |
US8447077B2 (en) * | 2006-09-11 | 2013-05-21 | Validity Sensors, Inc. | Method and apparatus for fingerprint motion tracking using an in-line array |
JP2005304809A (ja) * | 2004-04-22 | 2005-11-04 | Matsushita Electric Ind Co Ltd | 照明装置付き目画像撮像装置 |
CN100367296C (zh) * | 2006-01-18 | 2008-02-06 | 北京飞天诚信科技有限公司 | 指纹图像采集成像方法 |
US20070230754A1 (en) * | 2006-03-30 | 2007-10-04 | Jain Anil K | Level 3 features for fingerprint matching |
RU2009103658A (ru) * | 2006-07-05 | 2010-08-10 | Тева Фармасьютикал Индастриес Лтд. (Il) | Фармацевтические композиции мемантина |
US7764810B2 (en) * | 2006-07-20 | 2010-07-27 | Harris Corporation | Geospatial modeling system providing non-linear inpainting for voids in geospatial model terrain data and related methods |
JP2010214634A (ja) * | 2009-03-13 | 2010-09-30 | Ricoh Co Ltd | 薄膜アクチュエータ、液体吐出ヘッド、インクカートリッジ及び画像形成装置 |
-
2009
- 2009-03-12 US US12/402,723 patent/US20100232659A1/en not_active Abandoned
-
2010
- 2010-03-09 WO PCT/US2010/026714 patent/WO2010104885A1/en active Application Filing
- 2010-03-09 BR BRPI1006295A patent/BRPI1006295A2/pt not_active IP Right Cessation
- 2010-03-09 EP EP10713276A patent/EP2406752A1/en not_active Withdrawn
- 2010-03-09 JP JP2011554129A patent/JP2012519928A/ja not_active Withdrawn
- 2010-03-09 CA CA2754047A patent/CA2754047A1/en not_active Abandoned
- 2010-03-09 CN CN2010800110872A patent/CN102439604A/zh active Pending
- 2010-03-09 KR KR1020117024000A patent/KR20110127270A/ko not_active Application Discontinuation
- 2010-03-12 TW TW099107370A patent/TW201044282A/zh unknown
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714159A (zh) * | 2013-12-27 | 2014-04-09 | 中国人民公安大学 | 融合二级和三级特征的由粗到精的指纹识别方法 |
CN103714159B (zh) * | 2013-12-27 | 2016-09-07 | 中国人民公安大学 | 融合二级和三级特征的由粗到精的指纹识别方法 |
CN108140107A (zh) * | 2015-09-25 | 2018-06-08 | 高通股份有限公司 | 快速、高精度的大型指纹验证系统 |
CN108140107B (zh) * | 2015-09-25 | 2019-05-03 | 高通股份有限公司 | 快速、高精度的大型指纹验证系统 |
TWI683263B (zh) * | 2018-06-07 | 2020-01-21 | 奇景光電股份有限公司 | 指紋辨識系統 |
Also Published As
Publication number | Publication date |
---|---|
CA2754047A1 (en) | 2010-09-16 |
KR20110127270A (ko) | 2011-11-24 |
WO2010104885A1 (en) | 2010-09-16 |
BRPI1006295A2 (pt) | 2017-05-30 |
EP2406752A1 (en) | 2012-01-18 |
US20100232659A1 (en) | 2010-09-16 |
JP2012519928A (ja) | 2012-08-30 |
TW201044282A (en) | 2010-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102439604A (zh) | 用于指纹模板合成的方法和使用点匹配算法的指纹拼接 | |
Lin et al. | Matching contactless and contact-based conventional fingerprint images for biometrics identification | |
Gad et al. | Iris recognition using multi-algorithmic approaches for cognitive internet of things (CIoT) framework | |
US20110044513A1 (en) | Method for n-wise registration and mosaicing of partial prints | |
CN110321795B (zh) | 用户姿态识别方法、装置、计算机装置及计算机存储介质 | |
US7840034B2 (en) | Method, system and program for authenticating a user by biometric information | |
US11017210B2 (en) | Image processing apparatus and method | |
Blanco‐Gonzalo et al. | Performance evaluation of handwritten signature recognition in mobile environments | |
JP6528764B2 (ja) | 顔照合装置、方法、及び、記録媒体 | |
US20100021014A1 (en) | Hand-based biometric analysis | |
US20150371077A1 (en) | Fingerprint recognition for low computing power applications | |
EP2467804A1 (en) | Automatic identification of fingerprint inpainting target areas | |
Alam et al. | An alignment-free cancelable fingerprint template for bio-cryptosystems | |
CN111091075B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
Olanrewaju et al. | Secure ear biometrics using circular kernel principal component analysis, Chebyshev transform hashing and Bose–Chaudhuri–Hocquenghem error-correcting codes | |
CN111027404B (zh) | 一种基于指纹保护模板的指纹识别方法 | |
Spreeuwers | Breaking the 99% barrier: optimisation of three‐dimensional face recognition | |
CN113515988A (zh) | 掌纹识别方法、特征提取模型训练方法、设备及介质 | |
Sheng et al. | Reliable and secure encryption key generation from fingerprints | |
Szymkowski et al. | A novel approach to fingerprint identification using method of sectorization | |
JP5279007B2 (ja) | 照合システム、照合方法、プログラム及び記録媒体 | |
Impedovo et al. | An evolutionary approach to address interoperability issues in multi-device signature verification | |
JP2010044588A (ja) | 認証装置、認証システム、認証方法、そのプログラムおよび記録媒体 | |
Parkavi et al. | Cancelable biometrics using geometric transformations and bio hashing | |
Ganguly et al. | Illumination, pose and occlusion invariant face recognition from range images using erfi model |
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 |
Application publication date: 20120502 |