CN103020610A - 扭曲指纹的自动检测方法 - Google Patents
扭曲指纹的自动检测方法 Download PDFInfo
- Publication number
- CN103020610A CN103020610A CN2012105929034A CN201210592903A CN103020610A CN 103020610 A CN103020610 A CN 103020610A CN 2012105929034 A CN2012105929034 A CN 2012105929034A CN 201210592903 A CN201210592903 A CN 201210592903A CN 103020610 A CN103020610 A CN 103020610A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- fingerprint image
- average
- curvature
- curvature average
- 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
Abstract
本发明提出一种扭曲指纹的自动检测方法,包括:对指纹图像进行脊线周期分析,获得指纹图像的周期标准差;对指纹图像进行方向场信息分析,获得指纹图像的法向曲率均值和切向曲率均值;融合周期标准差、法向曲率均值和切向曲率均值,得到指纹图像的扭曲度。现有自动指纹识别技术很难识别扭曲的指纹,而本发明仅需一张扭曲指纹图像即可判定其扭曲程度,具有兼容性好、数据需求量少,算法简便的优点。
Description
技术领域
本发明涉及指纹识别领域,尤其涉及一种扭曲指纹的自动检测方法。
背景技术
指纹识别技术在过去的一些年内,取得了快速的发展,但仍然存在着很多具有挑战性的研究问题。其中,扭曲指纹的识别就是很棘手的问题。扭曲之所以会发生,是因为手指皮肤具有弹性。当同一个手指的两次按捺在用力方向和力度上有差异时,两幅指纹图像之间就会存在扭曲。当扭曲比较严重时,现有的指纹匹配算法很容易将它们判为不同的指纹。
无法匹配扭曲指纹这一缺陷对于不同的指纹识别系统具有不同的负面影响。指纹识别系统可以分为两类:一类是身份认证系统,常见的应用有重要场所的出入控制、电脑的访问控制;另一类是身份辨识系统,常见的应用有黑名单人员识别、身份查重。对于身份认证应用,这个缺陷会给用户带来一些不便,因为用户不得不多次尝试按捺指纹,直到可以通过认证。而对于刑侦、出入境等身份辨识应用,这个缺陷会被一些不法分子利用。他们可能在按指纹的过程中故意扭曲其指纹,以避免被识别出真实身份。
已有的处理扭曲指纹的技术可以被粗略分为四类:
A)在匹配时容忍扭曲。在指纹匹配算法中对扭曲设置一个门限,为了对付严重的扭曲,门限的设置必须很大。然而大的门限可能导致原本不匹配的细节点可能相互匹配,从而导致不匹配指纹的相似度上升。
B)指纹校正。这种方法认为指纹在空间上是均匀分布的,因此先将指纹进行脊线周期均匀化的处理。该方法的缺点在于简单的均匀化周期可能丢失一些指纹的判别信息从而导致错误匹配。
C)指纹传感器的合理设计以及合理操作。将指纹的采集平面设计成手形的凹槽,在一定程度上可以减少扭曲。然而这种方法的缺点为:1)不能处理过去已经采集的扭曲指纹;2)无法应对皮肤本身存在扭曲的指纹,比如不法分子可能通过化学药剂或者外科手术来扭曲他们的手指皮肤。
D)扭曲检测。在采集过程中根据压力传感器上力的变化来确定指纹是否扭曲,或者采集指纹按捺的视频,根据视频中多幅图像之间的匹配来判断指纹是否扭曲。这种算法的不足在于:1)需要特殊的压力传感器或者具有视频采集功能的指纹传感器,这增加了硬件的成本和尺寸,不适于许多应用场合;2)不能处理过去已经采集的扭曲指纹;3)不能处理在采集之前就已经扭曲的指纹,即通过化学药剂或者外科手术扭曲的手指的指纹。
发明内容
本发明的目的是解决从单张指纹图像中进行扭曲检测的问题。为此,本发明的目的在于提出一种兼容性好、数据需求小、算法简便的扭曲指纹的自动检测方法。
根据本发明的扭曲指纹的自动检测方法,包括:A.对指纹图像进行脊线周期分析,获得所述指纹图像的周期标准差;B.对所述指纹图像进行方向场信息分析,获得所述指纹图像的法向曲率均值和切向曲率均值;和C.融合所述周期标准差、法向曲率均值和切向曲率均值,得到所述指纹图像的扭曲度。
在本发明的一个实施例中,所述步骤A进一步包括:A1.在所述指纹图像中获得第一兴趣域;和A2.计算所述第一兴趣域的周期的标准差。
在本发明的一个实施例中,所述步骤B进一步包括:B1.在所述指纹图像中获取第二兴趣域;B2.计算所述第二兴趣域的每一点的法向曲率和切向曲率;和B3.计算法向曲率均值和切向曲率均值。
在本发明的一个实施例中,所述步骤C进一步包括:C1.对所述周期标准差、法向曲率均值和切向曲率均值进行归一化;C2.将归一化后的所述周期标准差、法向曲率均值和切向曲率均值进行加权平均,得到所述扭曲度;和C3.判断所述扭曲度是否大于扭曲度阈值,若大于,则认为被检测指纹存在扭曲。
本发明中主要通过分析指纹的脊线周期和方向场信息是否异常,来判断指纹是否扭曲。本发明至少具有以下优点:(1)不需要改动已有的指纹传感器;(2)可以对已有的指纹图像库进行扭曲检测;(3)不需要对已有的指纹匹配算法做任何改变,与已有指纹识别系统具有很好的兼容性。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例的扭曲指纹的自动检测方法的流程图
图2为第一兴趣域示意图
图3为只考虑第一兴趣域内周期的标准差的必要性示意图
图4为只考虑第二兴趣域内方向场信息的必要性示意图
图5为特征融合的必要性示意图
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
为使本领域技术人员更好地理解本发明,先对下文中的符号进行解释说明。
σ:周期的标准差
σ′:归一化的周期的标准差
κN:法向曲率的均值
κN′:归一化的法向曲率的均值
κT:切向曲率的均值
κT′:归一化的切向曲率的均值
本发明解决的是从单张指纹图像中进行扭曲检测的问题。其特征在于分析指纹的脊线周期和方向场信息,并根据脊线周期和方向场信息的差异来判断指纹是否扭曲。
如图1所述,根据本发明的扭曲指纹的自动检测方法,包括:A.对指纹图像进行脊线周期分析,获得所述指纹图像的周期标准差;B.对所述指纹图像进行方向场信息分析,获得所述指纹图像的法向曲率均值和切向曲率均值;和C.融合所述周期标准差、法向曲率均值和切向曲率均值,得到所述指纹图像的扭曲度。
本方法兼容性好、数据需求小、算法简便,可以在计算机或者嵌入式系统上实现,对操作系统没有特殊要求。
本发明的扭曲指纹的自动检测方法具体如下:
步骤(1):分析脊线周期
步骤(1.1),确定第一兴趣域。通过对大量指纹的观察,正常指纹三角点之上的区域其周期比较稳定,而扭曲指纹三角点之上的区域周期变化较大。因此,三角点之上区域周期的标准差越大,说明指纹越扭曲。这样,三角点之上的区域则被视为第一兴趣域。值得注意的是,如果没有检测到三角点而检测到中心点,则第一兴趣域取最下面中心点和指纹底边的中点之上的区域;如果中心点和三角点都没有检测到,则第一兴趣域取指纹顶边和底边的中点之上的区域。三种情况下第一兴趣域的示意图如图1中直线上面的指纹区域。指纹中心点和三角点的检测可以使用已有方法来完成,比如庞加莱指数法。
步骤(1.2),计算第一兴趣域脊线周期的标准差σ。计算周期的具体做法为,沿着局部脊线方向,对指纹灰度值进行投影得到一元函数,然后检测该函数的峰值,并将相邻峰值的距离作为脊线周期。标准差的大小反映了指纹的扭曲程度,标准差越大,扭曲越大。只考虑第一兴趣域内脊线周期的标准差的必要性示意图如图2。从图2中可以看出,在区分扭曲指纹和正常指纹方面,第一兴趣域内的脊线周期标准差σ比整个指纹区域的标准差有更好的区分性。
步骤(2):分析方向场信息
步骤(2.1),确定第二兴趣域。指纹顶端区域的方向场比较稳定,如果指纹存在扭曲的话,该区域的方向场往往出现异常,因此我们视顶端区域为分析方向场的第二兴趣域。顶端区域是指最上面中心点之上的区域。指纹中心点的检测可以使用已有方法来完成,比如庞加莱指数法。当没有检测到中心点时,则顶端区域取指纹顶边和底边的中点之上的区域。
步骤(2.2),在第二兴趣域内计算每一点的切向曲率和法向曲率。首先建立局部坐标系,坐标系原点为当前点,x轴方向为当前点的脊线方向,y轴方向为x轴方向逆时针转过90度的方向;其次在此坐标系下取A(0,λ),B(0,-λ),C(-λ,0),D(λ,0)四点。λ为参数,在图像分辨率为500ppi时,λ经验性地被设为24像素;最后A点与B点的脊线方向之差的绝对值定义为法向曲率,C点与D点的脊线方向之差的绝对值定义为切向曲率。
步骤(2.3),计算法向曲率的均值κN和切向曲率的均值κT。由于扭曲指纹在局部很小范围内可以认为受到的力是相同的,相同的力会使得脊线的走向趋于一致,因此切向曲率和法向曲率都会小一些。因此,κN和κT越小,说明指纹越扭曲。只考虑第二兴趣域内方向场信息的必要性示意图如图3。从图3中可以看出,在整个指纹上,正常指纹和扭曲指纹的法向曲率的均值κN和切向曲率的均值κT差异比较小,而在第二兴趣域内,正常指纹和扭曲指纹的法向曲率的均值κN和切向曲率的均值κT的差异变得明显,其中正常指纹的要大一些。
步骤(3):特征融合
考虑到单个特征σ,κN或κT的判别能力的局限性,因此很有必要将3个特征融合起来。
步骤(3.1),对σ,κN,κT分别进行归一化处理得到相应的σ′,κN′,κT′。归一化方法描述如下。统计出一批包括正常指纹和扭曲指纹的指纹中这三个值的最小值和最大值,然后以此为范围,将原始的数值线性地拉伸到[0,1]的范围。
步骤(3.2),扭曲度d表示为3个归一化特征的加权平均:
d=ω1σ′+ω2(1-κN′)+ω3(1-κT′)
其中ω1,ω2和ω3为参数,本发明中分别取为0.2,0.5和0.3。如果扭曲度d超过某个阈值(比如0.8),则认为指纹存在严重扭曲。
特征融合的必要性示意图如图4。从图4中可以看出,当只依靠法向曲率κN时,不能正确检测到第一个指纹存在扭曲,因为其法向曲率偏大;当只依靠脊线周期的标准差σ时,不能正确检测到第二个指纹存在扭曲,因为其脊线周期的标准差偏小。然而当把特征融合起来时,可以正确地检测到这两个指纹都存在扭曲。
本发明中主要通过分析指纹的脊线周期和方向场信息是否异常,来判断指纹是否扭曲。本发明至少具有以下优点:(1)不需要改动已有的指纹传感器;(2)可以对已有的指纹图像库进行扭曲检测;(3)不需要对已有的指纹匹配算法做任何改变,与已有指纹识别系统具有很好的兼容性。
需要说明的是,流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (4)
1.一种扭曲指纹的自动检测方法,其特征在于,包括:
A.对指纹图像进行脊线周期分析,获得所述指纹图像的周期标准差;
B.对所述指纹图像进行方向场信息分析,获得所述指纹图像的法向曲率均值和切向曲率均值;和
C.融合所述周期标准差、法向曲率均值和切向曲率均值,得到所述指纹图像的扭曲度。
2.如权利要求1所述的方法,其特征在于,所述步骤A进一步包括:
A1.在所述指纹图像中获得第一兴趣域;和
A2.计算所述第一兴趣域的周期的标准差。
3.如权利要求1所述的方法,其特征在于,所述步骤B进一步包括:
B1.在所述指纹图像中获取第二兴趣域;
B2.计算所述第二兴趣域的每一点的法向曲率和切向曲率;和
B3.计算法向曲率均值和切向曲率均值。
4.如权利要求1所述的方法,其特征在于,所述步骤C进一步包括:
C1.对所述周期标准差、法向曲率均值和切向曲率均值进行归一化;
C2.将归一化后的所述周期标准差、法向曲率均值和切向曲率均值进行加权平均,得到所述扭曲度;和
C3.判断所述扭曲度是否大于扭曲度阈值,若大于,则认为被检测指纹存在扭曲。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105929034A CN103020610A (zh) | 2012-12-31 | 2012-12-31 | 扭曲指纹的自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105929034A CN103020610A (zh) | 2012-12-31 | 2012-12-31 | 扭曲指纹的自动检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103020610A true CN103020610A (zh) | 2013-04-03 |
Family
ID=47969201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012105929034A Pending CN103020610A (zh) | 2012-12-31 | 2012-12-31 | 扭曲指纹的自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103020610A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971099A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 扭曲指纹的合成方法及系统 |
CN103996025A (zh) * | 2014-05-15 | 2014-08-20 | 清华大学 | 指纹扭曲度估计方法及系统 |
CN110346364A (zh) * | 2019-07-23 | 2019-10-18 | 重庆远视科技有限公司 | 一种焦度计及其对镜片扭曲度的测量方法 |
CN113204308A (zh) * | 2020-01-31 | 2021-08-03 | 华为技术有限公司 | 一种基于扭曲指纹的触控方法与电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05216981A (ja) * | 1992-02-05 | 1993-08-27 | Nippon Oputoronikusu Kk | 指紋検出装置 |
CN1595425A (zh) * | 2004-07-13 | 2005-03-16 | 清华大学 | 指纹多特征识别方法 |
US20070047785A1 (en) * | 2005-08-23 | 2007-03-01 | Samsung Electronics Co., Ltd. | Methods and apparatus for estimating orientation in an image |
CN102708346A (zh) * | 2011-03-02 | 2012-10-03 | 东芝泰格有限公司 | 扫描器及其控制方法、销售数据处理装置 |
-
2012
- 2012-12-31 CN CN2012105929034A patent/CN103020610A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05216981A (ja) * | 1992-02-05 | 1993-08-27 | Nippon Oputoronikusu Kk | 指紋検出装置 |
CN1595425A (zh) * | 2004-07-13 | 2005-03-16 | 清华大学 | 指纹多特征识别方法 |
US20070047785A1 (en) * | 2005-08-23 | 2007-03-01 | Samsung Electronics Co., Ltd. | Methods and apparatus for estimating orientation in an image |
CN102708346A (zh) * | 2011-03-02 | 2012-10-03 | 东芝泰格有限公司 | 扫描器及其控制方法、销售数据处理装置 |
Non-Patent Citations (2)
Title |
---|
JIANJIANG FENG ET AL.: "Detecting Altered Fingerprints", 《PATTERN RECOGNITION (ICPR),2010 20TH INTERNATIONAL CONFERENCE ON》 * |
XUANBIN SI ET AL.: "Detecting Fingerprint Distortion from a Single Image", 《INFORMATION FORENSICS AND SECURITY (WIFS),2012 IEEE INTERNATIONAL WORKSHOP ON BIOMETRICS COMPENDIUM,IEEE》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996025A (zh) * | 2014-05-15 | 2014-08-20 | 清华大学 | 指纹扭曲度估计方法及系统 |
CN103996025B (zh) * | 2014-05-15 | 2017-04-19 | 清华大学 | 指纹扭曲度估计方法及系统 |
CN103971099A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 扭曲指纹的合成方法及系统 |
CN103971099B (zh) * | 2014-05-19 | 2017-04-19 | 清华大学 | 扭曲指纹的合成方法及系统 |
CN110346364A (zh) * | 2019-07-23 | 2019-10-18 | 重庆远视科技有限公司 | 一种焦度计及其对镜片扭曲度的测量方法 |
CN110346364B (zh) * | 2019-07-23 | 2021-12-14 | 重庆远视科技有限公司 | 一种焦度计及其对镜片扭曲度的测量方法 |
CN113204308A (zh) * | 2020-01-31 | 2021-08-03 | 华为技术有限公司 | 一种基于扭曲指纹的触控方法与电子设备 |
CN113204308B (zh) * | 2020-01-31 | 2022-10-18 | 华为技术有限公司 | 一种基于扭曲指纹的触控方法与电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Experiments with an improved iris segmentation algorithm | |
Sun et al. | Improving iris recognition accuracy via cascaded classifiers | |
CN105335731B (zh) | 指纹识别方法、装置及终端设备 | |
CN105224931B (zh) | 一种指纹采集方法及装置 | |
CN102687172B (zh) | 伪指判定设备 | |
CN110235139A (zh) | 用于认证电子装置的用户的手指的方法 | |
US11455817B2 (en) | Non-finger object rejection for fingerprint sensors | |
AU722613B2 (en) | Fingerprint characteristic extraction apparatus as well as fingerprint classification apparatus and fingerprint verification apparatus for use with fingerprint characteristic extraction apparatus | |
WO2011052036A1 (ja) | 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム | |
CN103020610A (zh) | 扭曲指纹的自动检测方法 | |
Min et al. | Eyelid and eyelash detection method in the normalized iris image using the parabolic Hough model and Otsu’s thresholding method | |
CN106485237A (zh) | 指纹图像采集方法、系统及指纹采集设备 | |
CN105184304A (zh) | 图像辨识装置以及对图像辨识装置的特征量数据注册方法 | |
CN101593269B (zh) | 人脸识别装置及方法 | |
CN105335730A (zh) | 指纹识别方法、装置和终端设备 | |
US20080273769A1 (en) | Print matching method and system using direction images | |
CN106203308B (zh) | 人脸识别方法及人脸识别装置 | |
US20080273767A1 (en) | Iterative print matching method and system | |
CN103902970A (zh) | 自动指纹姿态估计方法及系统 | |
CN107278308A (zh) | 图像识别方法、图像识别装置、电子装置及计算机存储介质 | |
WO2008054940A2 (en) | Print matching method and apparatus using pseudo-ridges | |
CN1971582A (zh) | 一种基于掌纹图像识别的身份鉴别方法 | |
WO2007004537A1 (ja) | 指紋画像背景検出装置及び検出方法 | |
Si et al. | Detecting fingerprint distortion from a single image | |
CN104799865A (zh) | 指纹识别系统 |
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: 20130403 |