CN102682279A - 以分类三角形实现的高速指纹特征比对系统及其方法 - Google Patents

以分类三角形实现的高速指纹特征比对系统及其方法 Download PDF

Info

Publication number
CN102682279A
CN102682279A CN2012100221999A CN201210022199A CN102682279A CN 102682279 A CN102682279 A CN 102682279A CN 2012100221999 A CN2012100221999 A CN 2012100221999A CN 201210022199 A CN201210022199 A CN 201210022199A CN 102682279 A CN102682279 A CN 102682279A
Authority
CN
China
Prior art keywords
unique point
feature
fingerprint
triangle
new
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
Application number
CN2012100221999A
Other languages
English (en)
Other versions
CN102682279B (zh
Inventor
许文星
许鹤龄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xu Wenxing
Original Assignee
Startek Engineering Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Startek Engineering Inc filed Critical Startek Engineering Inc
Publication of CN102682279A publication Critical patent/CN102682279A/zh
Application granted granted Critical
Publication of CN102682279B publication Critical patent/CN102682279B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/1371—Matching features related to minutiae or pores

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供一种以分类三角形实现的高速指纹特征比对系统及其方法，以指纹上的特征点建构多数个特征三角形，并将各个特征三角形依据其几何资料分类为预设的多个三角形类别其中之一；由一新指纹所建构的每个新特征三角形首先进行分类，每个新特征三角形以其几何数据与相同预设分类的建档特征三角形分别比对，以缩短整体比对时间。

Description

以分类三角形实现的高速指纹特征比对系统及其方法
技术领域
本发明是有关于指纹辨识技术，特别是关于一种指纹特征比对系统及其方法。
背景技术
生物辨识(Biometrics)是利用人体局部生理特征进行辨识，以确认个人真实身份，常见的生物辨识包括脸部、虹膜辨识、静脉辨识以及指纹辨识等。而指纹辨识是目前应用最为广泛，也是最容易以低成本实现的技术之一。由于人类的指纹完全相同的机率几乎是微乎其微，从19世纪开始，指纹辨识就已在应用在犯罪证据的收集上。
指纹主要乃由彼此围绕的许多凸纹(ridge)与凹纹(valley)所组成。指纹上凸纹与凹纹的组合可形成多种不同的指纹特征，包括末端(Termination)、分叉(Bifurcation)、湖纹(Lake)、独立凸纹(Independent Ridge)、岛纹(Island)、岔纹(Spur)或跨交纹(Crossover)等；这些指纹特征皆可用做指纹比对的依据。在各种不同的指纹特征中，指纹的凸纹端点(Ridge Termination Point)与凸纹分叉点(Ridge Bifurcation Point)可谓是最基础的标准特征点(Standard FeaturePoints)。
指纹辨识系统的搜寻时间、筛选率及准确度是最为重要的效能因子。传统指纹辨识采用一对多比对方式，直接将扫描的未知指纹影像与数据库内建立的所有指纹的每个指纹特征档案进行特征比对。这种方法最为简单，但是最花费时间。若应用于信息装置如笔记型计算机上作为安全登入时，由于数据库中比对的指纹特征档案数目较少，或能满足需求。但若应用于大楼门禁管制或犯罪鉴识时，由于比对的指纹特征少则百千笔、多至数万数十万笔以上，传统一对多的指纹比对效率过低。
为了提升效能，现有的高速指纹比对系统，不以指纹的标准特征点直接进行比对，大多须额外采用指纹影像上的「特殊特征」，例如指纹方向流、中心点(Core Point)、三角点(Delta Point)等。此类指纹辨识系统必须额外对这些特殊特征进行撷取、辨识与分类处理，系统架构过于复杂。
发明内容
有鉴于习知技术的问题，本发明提供一种指纹特征比对系统及其方法，以指纹上的特征点建构多数个特征三角形，并将各个特征三角形依据其几何资料分类为预设的多个三角形类别其中之一；由一新指纹所建构的每个新特征三角形首先进行分类，每个新特征三角形以其几何数据与相同预设分类的建档特征三角形分别比对，以缩短整体比对时间。
根据本发明的一个实施例中，一种指纹特征比对方法是透过处理单元将一新指纹与一数据库中的建档指纹进行比对，其特征在于：根据该新指纹上的多个新特征点建构多个新特征三角形；分别计算该新指纹上各该新特征三角形的多个新几何资料；依各该新特征三角形的至少一个该等新几何资料，将该等新特征三角形分别分类为多个三角形类别；及将各该新特征三角形的至少一个该等新几何资料，与该建档特征三角形的该建档几何数据中隶属相同的该等三角形类别者进行比对，以辨识该新指纹。
上述指纹特征比对方法中，该等新特征点包含凸纹端点(Ridge TerminationPoint)与凸纹分叉点(Ridge Bifurcation Point)，且该等特征三角形的建构是透过德洛涅三角分割(Delaunay Triangulation)进行。
上述指纹特征比对方法中，该建档几何数据及/或该新几何数据是选自该特征三角形三个边的边长、各该边与其两端的两个该等特征点的特征点方向的个别夹角、最大边的坐标夹角其中之一或其任意组合。
上述指纹特征比对方法中，该新几何数据与该建档几何数据是选自该特征三角形三个边的边长、各该边与其两端的两个该等特征点的特征点方向的个别夹角、最大边的坐标夹角其中之一或其任意组合。
上述指纹特征比对方法中，可透过该处理单元将同一该三角形类别的该等建档特征三角形再依照最长边的边长排序。
上述指纹特征比对方法中，更包含透过该处理单元将该新指纹的该等新特征点与各该新特征点的一特征方向于一显示单元，及/或显示该新指纹的该等新特征三角形于该显示单元。
上述指纹特征比对方法中，可透过该处理单元根据各该建档特征三角形的一比对差值给分并进行累加，以找出命中分数较高的数个该等建档指纹。
上述指纹特征比对方法中，可透过该处理单元将各该建档特征三角形的一比对差值记录到一旋转角度相似度数组中，以找出一比对分数较高的数个该等建档指纹。
上述指纹特征比对方法中，可透过该处理单元对该新指纹与该建档指纹的比对方式，仅比对与所属该三角形类别相关的该新几何数据与该建档几何数据，以加快比对速度。
上述指纹特征比对方法中，该等三角形类别是选自「该特征三角形三顶点的该特征点方向皆为顺时针方向」、「该特征三角形三顶点的该特征点方向皆为逆时针方向」、「该特征三角形的一第一特征点与一第三特征点的特征点方向为同向」、「该特征三角形的该第一特征点与该第三特征点的特征点方向为反向」、「该特征三角形的一第二特征点与该第三特征点的特征点方向为同向」、「该特征三角形的该第二特征点与该第三特征点的特征点方向为反向」、「该特征三角形该第一特征点与该第二特征点的特征点方向为同向」、「该特征三角形的该第一特征点与该第二特征点的特征点方向为反向」其中之一。
本发明进行特征三角形建构与三角形类别分类的作法，可同时应用于数据库内既有建档指纹的处理，以及新指纹进行辨识时的处理。本发明预做分类、并依照三角形类别分别比对其几何数据的好处在于，本发明不进行习知速度较慢的图形比对处理程序，而改为对几何数据做高速的数值比对，加上预做分类后，各三角形类别的数值比对可同步进行，速度自然加快许多。本发明唯一需用到影像辨识部分仅为目前技术最成熟、速度最快的「特征点撷取」，相较于其它需额外撷取三角点、中心点等特殊特征的技术更为简单快速。
附图说明
图1是根据本发明指纹特征处理方法的第一较佳实施例流程图；
图2A是根据本发明指纹特征处理方法的实施过程图片；
图2B是根据本发明指纹特征处理方法的实施过程示意图，显示一范例指纹上的特征点；
图2C是根据本发明指纹特征处理方法的另一实施过程示意图，显示依据图2B的特征点所建构的特征三角形；
图3A是根据本发明指纹特征处理方法建构的一特征三角形示意图；
图3B是根据本发明指纹特征处理方法建构的一特征三角形中任何二个特征点与其所夹边的示意图；
图3C是根据本发明指纹特征处理方法建构的一特征三角形中最大边的坐标夹角示意图；
图4是本发明指纹特征处理方法的第二较佳实施例流程图；
图5是本发明指纹特征处理方法的第三较佳实施例流程图；及
图6是本发明指纹特征比对系统的较佳实施例系统方块图。
符号说明
最大边l1                    次长边l2
最小边l3                    第一特征点P1
第二特征点P2                第三特征点P3
最大角αmax                 次大角αmed
最小角αmin                 特征点Pj、Pk
边li                        夹角sthi、ethi
指纹数据处理系统400         处理单元410
显示单元420                 数据库430
总线440                     指纹影像500
指纹撷取装置600
具体实施方式
请参考图1，其是根据本发明指纹特征处理方法的第一较佳实施例流程图。本发明指纹特征处理方法的第一较佳实施例主要包括步骤110、120与130。
各步骤细节分述如下：
步骤110：以一指纹上的多个特征点建构多个特征三角形。
请同时参考图2A、2B、2C。图2A是根据本发明指纹特征处理方法的实施过程图片；图2B是根据本发明指纹特征处理方法的实施过程示意图，显示一范例指纹上的特征点；图2C是根据本发明指纹特征处理方法的另一实施过程示意图，显示依据图2B的特征点所建构的特征三角形。
如图2A所示，经扫描撷取的范例指纹500上包括有许多指纹特征(未一一标示)，包括末端(Termination)、分叉(Bifurcation)、湖纹(Lake)、独立凸纹(Independent Ridge)、岛纹(Island)、岔纹(Spur)或跨交纹(Crossover)等。根据本发明的指纹特征处理方法，是撷取指纹影像500上的多个特征点，例如特征点511～515(因数量过多未全部标示，请参考图2B)，进行特征三角形的建构。
图2B中显示根据本发明的指纹特征处理方法与范例指纹500所撷取的多个特征点，图中每一个带有指向线段的点都是特征点；指向线段的箭头所指方向即为「特征点方向」，与该特征点的指纹流向相关。本发明所采用的特征点主要为标准特征点(Standard Feature Points)，包括凸纹端点(RidgeTermination Point)与凸纹分叉点(Ridge Bifurcation Point)，但本发明并不以此为限；任何指纹辨识方法中所采用的点，或是产业标准如ISO19794-2所律定的特征点，只要利于本发明指纹特征处理方法的实施，均可纳入本发明的特征点集合。
本发明指纹特征处理方法可实现为计算机可执行的程序，为提供使用者本实施例的现阶段进展，本发明指纹特征处理方法可进一步包含：「显示所撷取的多个特征点与其特征方向」的步骤；显示方式可为透过一显示单元(如平面显示器)，单独显示所撷取的多个特征点与其特征方向，或与指纹合并显示，如于范例指纹500上显示所撷取的多个特征点与其特征方向，以显示二者的相对位置。
基于图2B的多个特征点，可建构各式各样不同的特征三角形组合。在此三角形分割过程中，为了得到最小的特征三角形数量，可进行德洛涅三角分割(Delaunay Triangulation)以建构特征三角形。图2C为基于图2B的多个特征点，进行德洛涅三角分割的结果；其中每条虚线皆为某个特征三角形的边长，每个特征三角形的三个顶点皆为特征点、其分别带有个别的特征点方向。
为提供使用者本实施例的现阶段进展，本发明指纹特征处理方法可进一步包含：「显示所建构的多个特征三角形」的步骤；显示方式可为透过显示单元，单独显示所撷取的多个特征三角形，或同步显示特征三角形、特征点及其特征方向；亦可于指纹上显示同步显示特征三角形、特征点及其特征方向，或仅于指纹上显示特征三角形。
步骤120：分别计算各特征三角形的多个几何数据。
每个特征三角形可具备多个几何数据(Geometric Information)，至少包括(1)每个特征三角形的三个边的边长；(2)每个边与其两端的两个特征点的特征点方向的夹角；(3)最大边的坐标夹角。
请参考第3A、3B、3C图。其中，图3A是根据本发明指纹特征处理方法建构的一特征三角形示意图；图3B是根据本发明指纹特征处理方法建构的一特征三角形中任何二个特征点与其所夹边长的示意图；图3C是根据本发明指纹特征处理方法建构的一特征三角形中最大边的坐标夹角示意图。以下所介绍特征三角形的各种几何数据(Geometric Data)均可涵盖于本发明的几何数据(Geometric Information)中；同时为便于说明，以下几何数据的定义具有特定规则，但本发明不限于此。
如图3A所示，最大边l1所对应者为第一特征点P1与最大角αmax、最小边l3所对应者为第三特征点P3与最小角αmin、及次长边l2所对应者为第二特征点P2与次大角αmed。前述提及的边长，即指最大边l1、最小边l3的边长及次长边l2的边长。需注意的是，各第一特征点P1、第二特征点P2、第三特征点P3的特征点方向，并非最大边l1、次长边l2或最小边l3的方向。
请参考图3B所示，其显示一特征三角形中任何二个特征点Pj、Pk与其所夹边li，其中特征点Pj与边li所夹角度为sthi，而特征点Pk与边li所夹角度则为ethi。对照图3A所示，第一特征点P1、第二特征点P2所夹为最小边l3；第二特征点P2、第三特征点P3所夹为最大边l1；第一特征点P1、第三特征点P3所夹为次长边l2。
如图3C所示，前述提及最大边的坐标夹角，即最大边l1与一虚拟坐标(即虚线所示)的X轴(或Y轴)的夹角。
每个特征三角形的前述各种几何数据储存于一数据库，亦可以列表方式呈现显示于一显示单元。本发明的系统与方法中提及的数据库是用以储存数字型态数据、数据或软件程序，可由任何形态的「储存单元」所实现，并透过电路板上的总线/电路、或数据连接器、数据缆线等，「电性连接」任意计算机系统的处理单元(如处理器或中央处理单元CPU)，使处理单元可存取数据库的数据。其中，用以实现数据库的储存单元，实际上可为挥发或非挥发性内存。挥发性内存的例子如随机存取内存(random access memory；RAM)、动态随机存取内存(dynamic random access memory；DRAM)、静态随机存取内存(dynamic random access memory；SRAM)，固态硬盘(solid-state disk；SSD)等等。非挥发性内存的例子如只读存储器(read-only memory；ROM)、闪存(flashmemory)，铁电随机存取内存(FRAM；Ferroelectric RAM)、大多数型态的计算机储存装置(如硬盘、软盘及磁带)、以及光盘等等。在某些实施例中，用以实现数据库的储存单元可为：专为处理单元用来执行计算机相关作业的「系统内存」、或者位于计算机系统内部/外部、经区域串接或「连网」(私有/公有网络或因特网)可被处理单元存取的储存装置。
步骤130：依照特征三角形的几何数据，将所有特征三角形分别分类为多个三角形类别，供以进行指纹辨识。
请参考图3A、3B、3C。依照特征三角形的几何数据与所订定的规则不同，可分成各式各样不同的三角形类别。为方便说明，以下列举的八种三角形类别具有特定规则。
例如对每个特征三角形而言，三角形类别一与二仅可能符合其中一项；同理，对每个特征三角形而言，三角形类别三与四仅可能符合其中一项；三角形类别五与六仅可能符合其中一项；而三角形类别七与八仅可能符合其中一项。因此，所有特征三角形被分类的结果，可能会有2*2*2*2共16种的三角形类别组合，但本发明并不限于此。
(1)三角形类别一：三顶点的特征点方向皆为顺时针方向
亦即第一特征点P1、第二特征点P2、第三特征点P3的特征点方向可判断为顺时针方向。
(2)三角形类别二：三顶点的特征点方向皆为逆时针方向
亦即第一特征点P1、第二特征点P2、第三特征点P3的特征点方向可判断为逆时针方向。
(3)三角形类别三：第一特征点与第三特征点的特征点方向为同向
亦即第一特征点P1与第三特征点P3的特征点方向可判断为同向，实务上可以用第一特征点P1与第三特征点P3的特征点方向夹角做判断，第一特征点P1与第三特征点P3的特征点方向夹角为「锐角」，即可分类为三角形类别三。
(4)三角形类别四：第一特征点与第三特征点的特征点方向为反向
亦即第一特征点P1与第三特征点P3的特征点方向可判断为同向，实务上可以用第一特征点P1与第三特征点P3的特征点方向夹角做判断，第一特征点P1与第三特征点P3的特征点方向夹角为「钝角」，即可分类为三角形类别四。
(5)三角形类别五：第二特征点与第三特征点的特征点方向为同向
亦即第二特征点P2与第三特征点P3的特征点方向可判断为同向，实务上可以用第二特征点P2与第三特征点P3的特征点方向夹角做判断，第二特征点P2与第三特征点P3的特征点方向夹角为「锐角」，即可分类为三角形类别五。
(6)三角形类别六：第二特征点与第三特征点的特征点方向为同向
亦即第二特征点P2与第三特征点P3的特征点方向可判断为同向，实务上可以用第二特征点P2与第三特征点P3的特征点方向夹角做判断，第二特征点P2与第三特征点P3的特征点方向夹角为「钝角」，即可分类为三角形类别六。
(7)三角形类别七：第一特征点与第二特征点的特征点方向为同向
亦即第一特征点P1与第二特征点P2的特征点方向可判断为同向，实务上可以用第一特征点P1与第二特征点P2的特征点方向夹角做判断，第一特征点P1与第二特征点P2的特征点方向夹角为「锐角」，即可分类为三角形类别七。
(8)三角形类别八：第一特征点与第二特征点的特征点方向为同向
亦即第一特征点P1与第二特征点P2的特征点方向可判断为同向，实务上可以用第一特征点P1与第二特征点P2的特征点方向夹角做判断，第一特征点P1与第二特征点P2的特征点方向夹角为「钝角」，即可分类为三角形类别八。
本发明进行特征三角形建构与三角形类别分类的作法，可同时应用于数据库内既有建档指纹的处理，以及新指纹进行辨识时的处理。本发明预做分类、并依照三角形类别分别比对其几何数据的好处在于，本发明不进行习知速度较慢的图形比对处理程序，而改为对几何数据做高速的数值比对，加上预做分类后，各三角形类别的数值比对可同步进行，速度自然加快许多。本发明唯一需用到影像辨识部分仅为目前技术最成熟、速度最快的「特征点撷取」，相较于其它需额外撷取三角点、中心点等特殊特征的技术更为简单快速。
以下介绍将本发明前述指纹特征处理方法应用于数据库的建档指纹处理。请参考图4，是本发明指纹特征处理方法的第二较佳实施例流程图。本发明指纹特征处理方法的第二较佳实施例主要包括步骤210、220、230与240。
步骤210：以一建档指纹上的多个特征点建构多个建档特征三角形。「建档指纹」即为数据库中作为比对样本的指纹，而「建档特征三角形」即为依据「建档指纹」的特征点所建构的特征三角形；其余步骤细节与步骤110雷同，于此不再赘述。
步骤220：分别计算各建档特征三角形的多个建档几何资料。步骤细节与步骤110雷同，于此不再赘述。
步骤230：依照建档特征三角形的建档几何数据，将所有建档特征三角形分别分类为多个三角形类别。步骤细节与步骤110雷同，于此不再赘述。
步骤240：依照三角形类别储存所有建档特征三角形及其建档几何资料。例如，按照前述八种三角形类别，分别储存所有建档特征三角形及其建档几何数据，以期在辨识新指纹时可以快速存取建档指纹的所有建档特征三角形及其建档几何资料。
为了加速数据存取与比对速度，本实施例可进一步包括：「将同一类别的建档特征三角形再依照最长边(如图2A的最长边l1)的边长排序」的步骤。
以下介绍将本发明前述指纹特征处理方法应用于新指纹的处理。请参考图5，是本发明指纹特征处理方法的第二较佳实施例流程图。本发明指纹特征处理方法的第二较佳实施例主要包括步骤310、320、330与340。
步骤310：以一新指纹上的多个特征点建构多个新特征三角形。「新指纹」即为待辨识的未知指纹，而「新特征三角形」即为依据「新指纹」的特征点所建构的特征三角形；其余步骤细节与步骤110雷同，于此不再赘述。
步骤320：分别计算各新特征三角形的多个新几何资料。步骤细节与步骤110雷同，于此不再赘述。
步骤330：依照新特征三角形的新几何数据，将所有新特征三角形分别分类为多个三角形类别。步骤细节与步骤110雷同，于此不再赘述。
步骤340：将所有新特征三角形逐一与隶属相同三角形类别的建档特征三角形进行比对。例如，按照前述八种三角形类别，分别比对隶属相同三角形类别的新特征三角形与建档特征三角形；比对时是可比对与所属三角形类别相关的几何数据以加快比对速度，以期在辨识新指纹时可以快速存取建档指纹的所有建档特征三角形及其几何数据。
如为进行完整比对，比对过程可涵盖数据库中所有三角形类别及所有建档指纹；对于新指纹若已知部分信息，亦可仅仅比对一部分三角形类别下的建档指纹。
为求汇出系统化或数字化的指纹辨识结果，可分就建档指纹的每个建档特征三角形的比对结果给予一命中分数；若已依据比对差值制作一差值分数对应表，即可依据比对差值进行命中分数的给分。建档指纹的每个特征三角形的命中分数可进行累加、排序，而输出命中分数最高的几枚建档指纹数据作为指纹辨识结果。因此，本实施例的指纹特征处理方法可进一步包含：「根据各特征三角形的比对差值给分并进行累加，以找出命中分数较高的数个建档指纹」的步骤。
此外，由于指纹影像输入到任何系统中，皆会有旋转角度的问题。因此，亦可预先制作一「旋转角度相似度数组」；前述特征三角形的比对差值亦可被记录到此「旋转角度相似度数组」中，并从此旋转角度相似度数组中选出最高分者，作为特征三角形的比对分数；此比对分数的排序结果，即可作为输出前几名可能的建档指纹的依据。因此，本实施例的指纹特征处理方法可进一步包含：「将各特征三角形的比对差值记录到旋转角度相似度数组中，以找出比对分数较高的数个建档指纹」的步骤。
图6是本发明指纹特征比对系统的较佳实施例系统方块图。指纹数据处理系统400是用以执行本发明前述的指纹特征比对方法，其主要由处理单元410、显示单元420、数据库430与总线440所组成。新指纹可由外接(或内建)的指纹撷取装置600输入至指纹数据处理系统400。
处理单元410是用以执行图1、4、5以及前述相关的指纹数据处理步骤，其主要依据一指纹上的多个特征点建构多个特征三角形，并分别计算各特征三角形的多个几何数据，再依各该特征三角形的几何数据，将所有特征三角形分别分类为多个三角形类别。
显示单元420，受处理单元410选择控制，显示指纹特征的处理画面；如前述的特征点、特征三角形、新指纹与建档指纹影像、差值分数对应表及/或旋转角度相似度数组等等。
数据库430，储存指纹的特征点、特征三角形、新指纹与建档指纹影像、差值分数对应表及/或旋转角度相似度数组等等，供处理单元400存取。
总线440，电性连接处理单元410、数据库430及显示单元420以进行数据传输。
虽然本发明的较佳实施例揭露如上所述，然其并非用以限定本发明，任何熟习相关技艺者，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，因此本发明的保护范围须视权利要求所界定的内容为准。

Claims (10)

1.一种指纹特征比对方法，透过一处理单元将一新指纹与一数据库中的至少一建档指纹进行比对，其特征在于：
根据该新指纹上的多个新特征点建构多个新特征三角形；
分别计算该新指纹上各该新特征三角形的多个新几何资料；
依各该新特征三角形的至少一个该等新几何资料，将该等新特征三角形分别分类为多个三角形类别；及
将各该新特征三角形的至少一个该等新几何资料，与该建档特征三角形的该建档几何数据中隶属相同的该等三角形类别者进行比对，以辨识该新指纹。
2.如权利要求1所述的指纹特征比对方法，其特征在于，该等新特征点包含凸纹端点与凸纹分叉点，且该等特征三角形的建构是透过德洛涅三角分割进行。
3.如权利要求1所述的指纹特征比对方法，其特征在于，该建档几何数据及/或该新几何数据是选自该特征三角形三个边的边长、各该边与其两端的两个该等特征点的特征点方向的个别夹角、最大边的坐标夹角其中的一或其任意组合。
4.如权利要求1所述的指纹特征比对方法，其特征在于，该新几何数据与该建档几何数据是选自该特征三角形三个边的边长、各该边与其两端的两个该等特征点的特征点方向的个别夹角、最大边的坐标夹角其中的一或其任意组合。
5.如权利要求1所述的指纹特征比对方法，其特征在于，隶属同一该三角形类别的该等建档特征三角形是依照最长边的边长予以排序。
6.如权利要求1所述的指纹特征比对方法，其特征在于，更包含将该新指纹的该等新特征点与各该新特征点的一特征方向于一显示单元，及/或将该新指纹的该等新特征三角形显示于该显示单元上。
7.权利要求1所述的指纹特征比对方法，其特征在于，更包含根据各该建档特征三角形的一比对差值给分并进行累加，以找出命中分数较高的数个该等建档指纹。
8.如权利要求1所述的指纹特征比对方法，其特征在于，更包含将各该建档特征三角形的一比对差值记录到一旋转角度相似度数组中，以找出一比对分数较高的数个该等建档指纹。
9.如权利要求1所述的指纹特征比对方法，其特征在于，更包含对该新指纹与该建档指纹的比对方式，仅比对与所属该三角形类别相关的该新几何数据与该建档几何数据，以加快比对速度。
10.如权利要求1所述的指纹特征比对方法，其特征在于，该等三角形类别是选自该特征三角形三顶点的该特征点方向皆为顺时针方向、该特征三角形三顶点的该特征点方向皆为逆时针方向、该特征三角形的一第一特征点与一第三特征点的特征点方向为同向、该特征三角形的该第一特征点与该第三特征点的特征点方向为反向、该特征三角形的一第二特征点与该第三特征点的特征点方向为同向、该特征三角形的该第二特征点与该第三特征点的特征点方向为反向、该特征三角形该第一特征点与该第二特征点的特征点方向为同向、该特征三角形的该第一特征点与该第二特征点的特征点方向为反向其中之一。
CN201210022199.9A 2011-02-01 2012-02-01 以分类三角形实现的高速指纹特征比对系统及其方法 Active CN102682279B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW100104071 2011-02-01
TW100104071A TWI599965B (zh) 2011-02-01 2011-02-01 以分類三角形實現之高速指紋特徵比對系統及其方法

Publications (2)

Publication Number Publication Date
CN102682279A true CN102682279A (zh) 2012-09-19
CN102682279B CN102682279B (zh) 2015-04-01

Family

ID=46577397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210022199.9A Active CN102682279B (zh) 2011-02-01 2012-02-01 以分类三角形实现的高速指纹特征比对系统及其方法

Country Status (3)

Country Link
US (1) US9064142B2 (zh)
CN (1) CN102682279B (zh)
TW (1) TWI599965B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110032936A (zh) * 2019-03-08 2019-07-19 吉林大学 无参数手背静脉最大圆形区域提取方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8634654B2 (en) * 2011-04-15 2014-01-21 Yahoo! Inc. Logo or image recognition
US11151630B2 (en) 2014-07-07 2021-10-19 Verizon Media Inc. On-line product related recommendations
WO2019021264A1 (en) * 2017-07-24 2019-01-31 Mmapro It Solutions (Pty) Ltd SYSTEM AND METHOD FOR DIGITAL FOOTPRINT CLASSIFICATION
US10650631B2 (en) 2017-07-28 2020-05-12 Hand Held Products, Inc. Systems and methods for processing a distorted image

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050036664A1 (en) * 2003-07-03 2005-02-17 Cross Match Technologies, Inc. Polygonal ridge flow classification
US20060083430A1 (en) * 2004-10-14 2006-04-20 The Secretary Of State For The Home Department Identifier comparision
CN101620677A (zh) * 2009-03-11 2010-01-06 刘鸣宇 一种基于三角剖分与lod技术的指纹识别方法
US20100080425A1 (en) * 2008-09-29 2010-04-01 Board of regents of the Nevada System of Higher Education, on Behalf of the University of Minutiae-based template synthesis and matching
CN101145196B (zh) * 2006-09-13 2010-04-07 中国科学院自动化研究所 基于奇异的拓扑结构的快速指纹识别方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6041133A (en) * 1996-12-13 2000-03-21 International Business Machines Corporation Method and apparatus for fingerprint matching using transformation parameter clustering based on local feature correspondences
US7711153B2 (en) * 2003-04-14 2010-05-04 Hillhouse Robert D Method and apparatus for searching biometric image data
US7333638B2 (en) * 2005-01-18 2008-02-19 Lenovo (Singapore) Pte Ltd. Minutiae fingerprint transactions
EP1990757A1 (fr) * 2007-05-11 2008-11-12 Gemplus Procédé et dispositif d'authentification automatisée d'un ensemble de points
TWI484420B (zh) * 2008-10-07 2015-05-11 Univ Nat Kaohsiung Applied Sci 利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其系統

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050036664A1 (en) * 2003-07-03 2005-02-17 Cross Match Technologies, Inc. Polygonal ridge flow classification
US20060083430A1 (en) * 2004-10-14 2006-04-20 The Secretary Of State For The Home Department Identifier comparision
CN101145196B (zh) * 2006-09-13 2010-04-07 中国科学院自动化研究所 基于奇异的拓扑结构的快速指纹识别方法
US20100080425A1 (en) * 2008-09-29 2010-04-01 Board of regents of the Nevada System of Higher Education, on Behalf of the University of Minutiae-based template synthesis and matching
CN101620677A (zh) * 2009-03-11 2010-01-06 刘鸣宇 一种基于三角剖分与lod技术的指纹识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XUEFENG LIANG，ETC.: "A Robust Fingerprint Indexing Scheme Using Minutia Neighborhood Structure and Low-Order Delaunay Triangles", 《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》, vol. 2, no. 4, 31 December 2007 (2007-12-31), pages 721 - 733 *
尹义龙等: "基于Delaunay三角化的指纹匹配方法", 《计算机研究与发展》, no. 9, 31 December 2005 (2005-12-31), pages 1622 - 1627 *
杨利敏等: "基于指纹分类的模式匹配", 《电子学报》, vol. 31, no. 7, 31 July 2003 (2003-07-31), pages 1030 - 1034 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110032936A (zh) * 2019-03-08 2019-07-19 吉林大学 无参数手背静脉最大圆形区域提取方法
CN110032936B (zh) * 2019-03-08 2022-08-09 吉林大学 无参数手背静脉最大圆形区域提取方法

Also Published As

Publication number Publication date
TWI599965B (zh) 2017-09-21
TW201234281A (en) 2012-08-16
US20120195478A1 (en) 2012-08-02
US9064142B2 (en) 2015-06-23
CN102682279B (zh) 2015-04-01

Similar Documents

Publication Publication Date Title
US4607384A (en) Fingerprint classification arrangement
CN110209660B (zh) 欺诈团伙挖掘方法、装置及电子设备
EP0848346A2 (en) Method and apparatus for fingerprint matching using transformation parameter clustering based on local feature correspondence
US20140344195A1 (en) System and method for machine learning and classifying data
US20070005556A1 (en) Probabilistic techniques for detecting duplicate tuples
CN102682279A (zh) 以分类三角形实现的高速指纹特征比对系统及其方法
US8693739B2 (en) Systems and methods for performing facial detection
CN1136848A (zh) 指纹匹配系统
US8971596B2 (en) Method for identifying fingerprints through numeric representation
CN111950408A (zh) 基于规则图的手指静脉图像识别方法、装置及存储介质
CN112597978B (zh) 指纹匹配方法、装置、电子设备及存储介质
CN107346410B (zh) 图片处理方法及装置
CN107229842A (zh) 一种基于局部图的三代测序序列校正方法
CN115310527A (zh) 基于密度的聚类计算方法、装置、设备和存储介质
CN1378177A (zh) 图形对照设备,图形对照方法以及图像对照程序
CN115424053A (zh) 小样本图像识别方法、装置、设备及存储介质
CN111492407A (zh) 用于绘图美化的系统和方法
CN106980878B (zh) 三维模型几何风格的确定方法及装置
Arjun et al. An efficient image retrieval system based on multi-scale shape features
Szymkowski et al. A novel approach to fingerprint identification using method of sectorization
CN110059180B (zh) 文章作者身份识别及评估模型训练方法、装置及存储介质
CN111460325B (zh) Poi搜索方法、装置与设备
CN111143626A (zh) 团伙识别方法、装置、设备及计算机可读存储介质
CN112686302A (zh) 图像特征点匹配方法、计算机设备及存储装置
CN112418339A (zh) 基于随机森林的空中移动对象识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Free format text: FORMER OWNER: XU WENXING

Effective date: 20121207

Owner name: XU WENXING

Free format text: FORMER OWNER: XINGYOU SCIENCE + TECH. CO., LTD.

Effective date: 20121207

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20121207

Address after: Hsinchu City, Taiwan, China

Applicant after: Xu Wenxing

Address before: Hsinchu County, Taiwan, China

Applicant before: Xingyou Science & Tech. Co., Ltd.

Applicant before: Xu Wenxing

C14 Grant of patent or utility model
GR01 Patent grant