CN102855279B - 基于细节点隆线形状的目标指纹快速查找方法 - Google Patents
基于细节点隆线形状的目标指纹快速查找方法 Download PDFInfo
- Publication number
- CN102855279B CN102855279B CN201210261158.5A CN201210261158A CN102855279B CN 102855279 B CN102855279 B CN 102855279B CN 201210261158 A CN201210261158 A CN 201210261158A CN 102855279 B CN102855279 B CN 102855279B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- carina
- masterplate
- vector
- minutiae point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000013598 vector Substances 0.000 claims abstract description 64
- 230000010354 integration Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 2
- 230000037431 insertion Effects 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
Abstract
基于细节点隆线形状的目标指纹快速查找方法。分类技术受限于指纹各类型的非平均分布,使得值仅为30%左右。本发明方法包括:定义细节点隆线向量,定义细节点隆线向量之间的距离,建立模版指纹索引数据库,在指纹数据库中快速查找指纹信息:指定一枚输入指纹,首先对其每个特征向量取得特征空间里离之最近的向量所对应的模版指纹,其次以模版指纹出现的频率作为相似度进行排序,得到最为相似的模版指纹作为目标指纹,最后排除绝大多数不相似的模版指纹,减小
Description
技术领域:
本发明涉及指纹图像识别技术、指纹数据库索引技术和细节点隆线形状比对技术,具体涉及一种基于细节点隆线形状的目标指纹快速查找方法。
背景技术:
数量众多的指纹图像识别系统已被广泛应用于物理安全(门禁、楼宇监控)和逻辑安全(计算机,网络)领域。指纹图像识别系统是一个典型的模式识别系统,包括指纹图像获取、处理、特征信息获取和比对等模块。根据实际应用场所不同,其工作方式可分为指纹比对模式(1对1比较)和指纹辨识模式(1对比较)。前者用于判断当前输入的指纹是否与数据库中的某一枚模版指纹出自同一手指,后者则用于判断在数据库中存有枚模版指纹里是否有与当前输入指纹出自同一手指的模版指纹。
如果进行1对1比对所需的时间为,且他人误识率(系统把两枚来自不同手指的指纹识别为来自同一手指的概率)为,那么从枚模版指纹里辨识出输入指纹则需要时间,且他人误识率将上升为。为了避免辨识模式下系统性能随着数据库大小增加线性下降,就必须采用目标指纹分类和索引技术来减小实际辨识过程中的值(记为)。通常用来表示目标指纹分类和索引技术的效率。
目前广泛应用的目标指纹分类技术都是演变于加尔顿-亨利分类思想。这些方法从全局结构出发,根据指纹图像上奇异点个数和位置分布,将指纹大致分为5类,这样就可以对当前输入指纹和数据库模版指纹进行分类后再进行辨识,提高辨识效率。然而,由于各类指纹出现的频率并不一致,实际应用中使用分类技术得到的值仅为30%左右。当指纹数据库规模较小时(不超过100枚模版指纹),分类技术尚能提高系统性能,当指纹数据库规模较大时(1000枚模版指纹或更多),使用分类技术的辨识时间并不能明显缩短,且他人误识率依然居高不下。
目标指纹索引技术将指纹表示为高度概括的特征向量。在多维特征向量空间里,相似的指纹被映射为距离相近的点或点集。通过对当前输入指纹和数据库中模版指纹特征向量间的距离进行排序,就能够找出数据库中哪些模版指纹与输入指纹相似,哪些不相似。这样,排除不相似的指纹后,就可以快速完成辨识过程,提高辨识效率。目前最为成功的指纹索引技术是基于细节点三角形化的方法,该方法分别将每三个细节点构成一个三角形,并用三角形边长、内角和细节点方向组成多维向量。这中索引技术能够得到的效率约为,远远优于指纹分类技术。然而,这种方法存在着生成向量集过大的问题。例如,对一枚有50个细节点的指纹,该方法产生的向量集包含个9维向量。因此,如果数据库规模在数百枚指纹左右,上述索引技术就会因为耗时过长而不能明显提高辨识速度。如果数据库规模过大,则会因为特征向量所需存储空间太大,而使磁盘读取性能成为辨识速度的瓶颈。
发明内容:
本发明的目的是提供一种基于细节点隆线形状的目标指纹快速查找方法,一方面通过减少特征向量集中的向量个数,缩短目标指纹查找时间,提高系统辨识效率;另一方面通过增加新特征,在使用极少数量的特征向量的情况下,仍能提高目标指纹索引的精度。
上述的目的通过以下的技术方案实现:
一种基于细节点隆线形状的目标指纹快速查找方法,该方法包括如下步骤:定义细节点隆线向量,定义细节点隆线向量之间的距离,建立模板指纹索引数据库,在指纹数据库中快速查找指纹信息:指定一枚输入指纹,首先对其每个特征向量取得特征空间里离之最近的向量所对应的模版指纹,其次以模版指纹出现的频率作为相似度进行排序,得到最为相似的模版指纹作为目标指纹,最后排除绝大多数不相似的模版指纹,减小的数值,缩短辨识时间,减小他人误识率,得到最为相似的模版指纹作为目标指纹。
所述的基于细节点隆线形状的目标指纹快速查找方法,所述的定义细节点隆线向量是对指纹图像中的每个细节点,分别取其位置和方向,并在每个细节点方向指向的延伸隆线上分别取4个等距离点,用这些信息构成该细节点的隆线向量。
所述的基于细节点隆线形状的目标指纹快速查找方法,所述的定义细节点隆线向量之间的距离是将二维笛卡尔坐标下构成隆线隆线向量的4个等距离点映射到4维角度空间,使得4个二维欧式距离的计算通过近似简化为2个一维角度差的计算。
所述的基于细节点隆线形状的目标指纹快速查找方法,所述的建立模版指纹索引数据库是指建立指纹多维特征向量空间,将所有模版指纹以点集的形式投影到这个空间里。
有益效果:
1.本发明方法,将细节点隆线形状高度紧凑的概括为4维整型向量,数量仅为三角形化方法向量维数的一半不到,有效降低了模版指纹特征向量存储空间。
2.本发明方法,用一个细节点对应一个隆线形状向量,产生的向量集大小约为三角形化方法的百万分之一,显著降低了模版指纹特征向量存储空间,并大幅减少所需计算距离向量对数量,降低了计算复杂度。
3.本发明方法,把隆线向量之间的距离计算由4个二维欧式距离运算简化为2个一维角度求差运算,进一步降低计算复杂度,减少指纹索引所需时间,提高系统辨识效率。
4.本发明方法,与基于细节点三角形化方法相比,除细节点本身的位置与方向特征之外,增加了细节点隆线形状特征,使向量距离与指纹相似度更为准确的相互对应,从而提高了索引精度。
5.本发明方法,相对细节点三角形化索引方法,将目标指纹的索引时间由秒数量级加快至秒数量级,同时将由7%降为4%。
具体实施方式:
实施例1:
一种基于细节点隆线形状的目标指纹快速查找方法,该方法包括如下步骤:定义细节点隆线向量,定义细节点隆线向量之间的距离,建立模板指纹索引数据库,在指纹数据库中快速查找指纹信息,得到最为相似的模版指纹作为目标指纹。
实施例2:
上述的基于细节点隆线形状的目标指纹快速查找方法,所述的定义细节点隆线向量是对指纹图像中的每个细节点,分别取其位置和方向,并在每个细节点方向指向的延伸隆线上分别取4个等距离点,用这些信息构成该细节点的隆线向量。对于一个细节点,其中表示位置坐标,为处的隆线方向。沿着方向的隆线延伸,每隔距离记录下此处的隆线方向,共记录4个点,,,,其对应的方向分别为,,,。对于细节点,其隆线向量定义为。将连续角度空间转化为含个等距角度的离散角度空间。
实施例3:
上述的基于细节点隆线形状的目标指纹快速查找方法,所述的定义细节点隆线向量之间的距离是将二维笛卡尔坐标下构成隆线隆线向量的4个等距离点映射到4维角度空间,使得4个二维欧式距离的计算通过近似简化为2个一维角度差的计算。对于两个细节点和,其对应的隆线向量分别为和。向量与的距离定义为将平移至与重合时,对应点与的距离与对应点与的距离和:
(1)
其中为取模运算。
实施例4:
上述的基于细节点隆线形状的目标指纹快速查找方法,所述的建立模版指纹索引数据库是指建立指纹多维特征向量空间,将所有模版指纹以点集的形式投影到这个空间里。根据公式(1),若要,即向量与完全一致,只需考虑与这两个标量。定义索引值
(2)
建立基于地址查找的哈希表,若编号为的模版指纹有细节点和与之对应的隆线向量,则在哈希表中进行模版编号插入操作:
(3)
对模版数据库中所有指纹的所有细节点和与之对应的隆线向量按照公式(2)(3)分别计算,即可完成构建基于地址查找的哈希表。
实施例5:
上述的基于细节点隆线形状的目标指纹快速查找方法,所述的指纹数据库快速查找是指给定一枚输入指纹,首先对其每个特征向量取得特征空间里离之最近的向量所对应的模版指纹,其次以模版指纹出现的频率作为相似度进行排序,得到最为相似的模版指纹作为目标指纹,最后排除绝大多数不相似的模版指纹,减小的数值,缩短辨识时间,减小他人误识率。当前输入指纹,提取其细节点以及隆线向量集合,对于每一个细节点及其隆线向量按公式(2)计算其索引值。根据模版数据库数量建立积分数组。用提取哈希表中对应的模版指纹编号数组,若出现某个指纹模版的编号,则在积分数组的相应位置进行累加操作:
(4)
中所有细节点及其隆线向量完成以上操作后,将积分数组按分值降序排列即可得到最有可能与当前输入指纹来自同一手指的目标模版指纹。
Claims (2)
1.一种基于细节点隆线形状的目标指纹快速查找方法,其特征是:该方法包括如下步骤:定义细节点隆线向量,定义细节点隆线向量之间的距离,建立模板指纹索引数据库,在指纹数据库中快速查找指纹信息:指定一枚输入指纹,首先对其每个特征向量取得特征空间里离之最近的向量所对应的模版指纹,其次以模版指纹出现的频率作为相似度进行排序,得到最为相似的模版指纹作为目标指纹,最后排除不相似的模版指纹,减小的数值,缩短辨识时间,减小他人误识率,得到最为相似的模版指纹作为目标指纹;
所述的定义细节点隆线向量是对指纹图像中的每个细节点,分别取其位置和方向,并在每个细节点方向指向的延伸隆线上分别取4个等距离点,用这些信息构成该细节点的隆线向量;对于一个细节点,其中表示位置坐标,为处的隆线方向;沿着方向的隆线延伸,每隔距离记录下此处的隆线方向,共记录4个点,,,,其对应的方向分别为,,,;对于细节点,其隆线向量定义为;将连续角度空间转化为含个等距角度的离散角度空间;
计算细节点隆线向量距离是对所有细节点两两配对,分别计算每对细节点之间隆线向量距离;对于两个细节点和,其对应的隆线向量分别为和;向量与的距离定义为将平移至与重合时,对应点与的距离与对应点与的距离和:
(1)
其中为取模运算。
2.根据权利要求1 所述的基于细节点隆线形状的目标指纹快速查找方法,其特征是:所述的建立模版指纹索引数据库是指建立指纹多维特征向量空间,定义索引值
(2)
建立基于地址查找的哈希表,若编号为的模版指纹有细节点和与之对应的隆线向量,则在哈希表中进行模版编号插入操作:
(3)
对模版数据库中所有指纹的所有细节点和与之对应的隆线向量按照公式(2)(3)分别计算,即可完成构建基于地址查找的哈希表;
所述的指纹数据库快速查找是指给定一枚输入指纹,首先对其每个特征向量取得特征空间里离之最近的向量所对应的模版指纹,其次以模版指纹出现的频率作为相似度进行排序,得到最为相似的模版指纹作为目标指纹,最后排除绝大多数不相似的模版指纹,减小的数值,缩短辨识时间,减小他人误识率;当前输入指纹,提取其细节点以及隆线向量集合,对于每一个细节点及其隆线向量按公式(2)计算其索引值;根据模版数据库数量建立积分数组;用提取哈希表中对应的模版指纹编号数组,若出现某个指纹模版的编号,则在积分数组的相应位置进行累加操作:
(4)
中所有细节点及其隆线向量完成以上操作后,将积分数组按分值降序排列即可得到最有可能与当前输入指纹来自同一手指的目标模版指纹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210261158.5A CN102855279B (zh) | 2012-07-26 | 2012-07-26 | 基于细节点隆线形状的目标指纹快速查找方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210261158.5A CN102855279B (zh) | 2012-07-26 | 2012-07-26 | 基于细节点隆线形状的目标指纹快速查找方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102855279A CN102855279A (zh) | 2013-01-02 |
CN102855279B true CN102855279B (zh) | 2018-05-22 |
Family
ID=47401867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210261158.5A Expired - Fee Related CN102855279B (zh) | 2012-07-26 | 2012-07-26 | 基于细节点隆线形状的目标指纹快速查找方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102855279B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105989333B (zh) * | 2015-02-12 | 2018-08-17 | 深圳市汇顶科技股份有限公司 | 指纹认证方法、系统及支持指纹认证功能的终端 |
CN110704651A (zh) * | 2019-10-18 | 2020-01-17 | 哈尔滨理工大学 | 基于核心细节点支持系统的指纹数据库快速检索方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770567A (zh) * | 2008-12-31 | 2010-07-07 | 杭州中正生物认证技术有限公司 | 一种识别生物特征的方法及系统 |
CN101777128A (zh) * | 2009-11-25 | 2010-07-14 | 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 |
CN101853486A (zh) * | 2010-06-08 | 2010-10-06 | 华中科技大学 | 一种基于局部数字指纹的图像拷贝检测方法 |
-
2012
- 2012-07-26 CN CN201210261158.5A patent/CN102855279B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770567A (zh) * | 2008-12-31 | 2010-07-07 | 杭州中正生物认证技术有限公司 | 一种识别生物特征的方法及系统 |
CN101777128A (zh) * | 2009-11-25 | 2010-07-14 | 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 |
CN101853486A (zh) * | 2010-06-08 | 2010-10-06 | 华中科技大学 | 一种基于局部数字指纹的图像拷贝检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102855279A (zh) | 2013-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106682233B (zh) | 一种基于深度学习与局部特征融合的哈希图像检索方法 | |
CN107577990B (zh) | 一种基于gpu加速检索的大规模人脸识别方法 | |
Berton et al. | Deep visual geo-localization benchmark | |
US8798357B2 (en) | Image-based localization | |
CN104615676B (zh) | 一种基于最大相似度匹配的图片检索方法 | |
Chaouch et al. | A new descriptor for 2D depth image indexing and 3D model retrieval | |
CN110188225B (zh) | 一种基于排序学习和多元损失的图像检索方法 | |
GB2516037A (en) | Compact and robust signature for large scale visual search, retrieval and classification | |
Negre Carrasco et al. | Global image signature for visual loop-closure detection | |
CN106682700A (zh) | 一种基于关键点描述算子的分块快速匹配算法 | |
JP2015111339A (ja) | 画像検索システム、画像検索装置、検索サーバ装置、画像検索方法、及び画像検索プログラム | |
Gonzalez-Diaz et al. | Neighborhood matching for image retrieval | |
Akgül et al. | Similarity learning for 3D object retrieval using relevance feedback and risk minimization | |
CN102855279B (zh) | 基于细节点隆线形状的目标指纹快速查找方法 | |
Chaouch et al. | 3D model retrieval based on depth line descriptor | |
CN105808747A (zh) | 一种使用多维化技术进行快速指纹数据查询和对比的方法 | |
Dymczyk et al. | Landmarkboost: Efficient visualcontext classifiers for robust localization | |
Biswas et al. | Efficient indexing for articulation invariant shape matching and retrieval | |
Wu et al. | Visual loop closure detection by matching binary visual features using locality sensitive hashing | |
CN115512137A (zh) | 一种基于点云位姿估计的随机堆放工件定位方法 | |
Fu et al. | OverlapNetVLAD: A coarse-to-fine framework for LiDAR-based place recognition | |
CN112115286A (zh) | 基于深度强化学习的机器人环境识别方法及系统 | |
CN110704651A (zh) | 基于核心细节点支持系统的指纹数据库快速检索方法 | |
Wang et al. | Visual Loop Closure Detection Based on Stacked Convolutional and Autoencoder Neural Networks | |
Schlegel et al. | Hbst: A hamming distance embedding binary search tree for visual place recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180522 Termination date: 20190726 |