CN103714159A - 融合二级和三级特征的由粗到精的指纹识别方法 - Google Patents
融合二级和三级特征的由粗到精的指纹识别方法 Download PDFInfo
- Publication number
- CN103714159A CN103714159A CN201310740950.3A CN201310740950A CN103714159A CN 103714159 A CN103714159 A CN 103714159A CN 201310740950 A CN201310740950 A CN 201310740950A CN 103714159 A CN103714159 A CN 103714159A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- grades
- features
- minutiae
- matching
- 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
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
- G06V40/1376—Matching features related to ridge properties or fingerprint texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种融合二级和三级特征的由粗到精指纹识别方法。所述方法包括如下步骤:a)构建包含三级指纹特征的高分辨率指纹图像数据库;b)标定所采集的指纹图像中的指纹细节点特征和三级特征;c)判断所采集的指纹图像中包含的细节点特征数量是否小于阈值,若是则进入步骤e;否则进入步骤d;d)采用所述细节点特征对数据库进行初步检索匹配,求出匹配分数高的第一候选指纹集;e)使用三级特征进行精确匹配,求出匹配分数高的第二候选指纹集;f)将所采集指纹图像与所述第二候选指纹集中的指纹进行确认。本发明能够在兼顾效率的前提下,实现高精的指纹检索匹配精度。
Description
技术领域
本发明涉及指纹鉴定领域,特别是一种融合二级和三级特征的由粗到精指纹识别方法。
背景技术
指纹识别技术以其易使用、高准确和低成本等特性在众多的生物识别技术中备受关注,已经成为身份认证最有效的手段之一,在公共信息安全、刑事侦查、电子商务等领域得到广泛应用。传统指纹识别系统以指纹细节点(即二级特征)作为唯一标识指纹的特征,在中小数据库规模情况下能取得较好的指纹检索匹配精度。
当前警用自动指纹识别系统(AFIS)系统主要利用的是指纹细节点特征来对数据库中的指纹进行唯一标识。图1示意性示出了目前的利用指纹细节点特征来进行指纹识别的流程图,如图1所示,对于现场提取的一枚指纹(即检材),侦查技术人员手动标定指纹图像中的细节点特征,并把标定结果输入AFIS系统,使用计算机在指纹数据库中自动检索匹配采集到的现场指纹;AFIS系统按匹配分数由高到低输出匹配候选指纹集;之后,侦查技术人员再手动一一匹配现场指纹和AFIS系统输出匹配候选指纹集中的前N枚指纹。评价自动指纹识别系统性能的指标主要有两个:系统检索时耗和检索精度。一般来说,系统检索时耗越小越好,检索精度越大越好。然而,我国刑事备案指纹数据库规模日益庞大,已达到并超过千万人级规模。在千万人级以上的大规模数据库中精准检索匹配输入指纹图像,对计算机系统硬件条件和指纹识别算法提出了更高的要求。如何研究下一代自动指纹识别系统,实现在大规模数据库中对输入指纹的精确查找匹配,是当前维护社会公共安全领域亟待解决的问题。
开发利用三级指纹特征为研究高精指纹识别算法提供了可行途径。指纹三级特征指的是指纹图像中汗孔、纹线边缘、细点线、疤痕等更加细节的特征信息。相比于细节点特征,指纹三级特征包含的信息更加丰富。图2示意性示出了以捺印方式采集的指纹图像与现场指纹图像的对比图。其中,图2a表示一枚现场指纹图像,图2b表示一枚以捺印方式采集的指纹图像。从图中可以看出,非捺印(现场)指纹图像中细节点特征数量有限,如果单纯依赖二级特征,不能对该指纹进行鉴定,而如果利用指纹中丰富的三级特征,就很容易与右图中的指纹进行匹配。可见三级特征对于提高指纹指纹识别的精度具有重要的价值。
基于高分辨率指纹图像的三级特征及其它扩展特征的研究在国际上受到了广泛的关注。2005年,美国国家标准化组织和美国国家标准与技术研究所明确提出:指纹图像分辨率最少要达到1000dpi,美国联邦调查局在AFIS标准中应该加入三级指纹特征。2007年美国著名科学家Anil K.Jain在模式识别领域的顶级期刊IEEE TRANSACTIONS ON PATTERNANALYSIS AND MACHINE INTELLIGENCE上发表长文《Pores andridges:high-resolution fingerprint matching using level Matching UsingLevel3Features》论证了应用三级特征进行指纹识别可能性和优越性。同时,随着指纹采集技术的发展,1000dpi分辨率的活体指纹采集仪已经逐渐进入商用,现场潜在指纹显现技术的不断发展也使得现场指纹的显出质量有效提高,“502”熏显及纳米材料等显现技术使得显现出的指纹能够反映三级特征,限制指纹三级特征应用的采集瓶颈已经被打破。随着高分辨率指纹图像采集技术的进步以及我国指纹数据库的不断扩容,高分辨率指纹三级特征的鉴定价值将逐渐凸显。
因此,需要一种融合二级和三级特征的由粗到精指纹识别方法,来提高指纹识别的精度。
发明内容
本发明的目的是提供一种融合二级和三级特征的由粗到精指纹识别方法。
根据本发明的一个方面,提供了一种融合二级和三级特征的由粗到精指纹识别方法,所述方法包括如下步骤:a)构建包含三级指纹特征的高分辨率指纹图像数据库;b)标定所采集的指纹图像中的指纹细节点特征和三级特征;c)判断所采集的指纹图像中包含的细节点特征数量是否小于阈值,若是则进入步骤e;否则进入步骤d;d)采用所述细节点特征对数据库进行初步检索匹配,在匹配结果中按细节点指纹匹配算法得出匹配分数由高到低取得第一候选指纹集;e)使用三级特征进行精确匹配,在匹配结果中-按精确匹配算法得出匹配分数由高到低取得第二候选指纹集;f)将所采集指纹图像与所述第二候选指纹集中的指纹进行确认。
优选地,所述三级特征包括指纹图像中的汗孔、纹线边缘、细点线、以及疤痕。
优选地,所述三级特征的表达方式为三维向量(xi,yi,θi),其中,(xi,yi)表示所述三级特征所在坐标,θi表示所述三级特征沿指纹的纹线的顺时针切片方向。
优选地,在步骤d中,所述第一候选指纹集的指纹数量大于2000。
优选地,在步骤e中,所述第二候选指纹集的指纹数量小于10。
优选地,在步骤e中,所述精确匹配为融合了细节点特征和三级特征的指纹精确匹配。
优选地,所述步骤e中计算所述指纹的匹配分数的步骤如下:
e1)依据所述现场指纹图像和所述三级指纹特征数据库中的指纹图像的细节点匹配结果,采用仿射变换原理,对所述两个图像做图像对齐操作;
e2)对于所述现场指纹图像中的每一个三级特征点,在所述三级指纹特征数据库中的指纹图像中查询是否存在与之相匹配的三级特征点。若存在一对相匹配的三级特征点,则记附加分其中a表示所述两个图像间相匹配的三级特征点的个数;b表示相匹配细节点的个数;δ为加分系数;
e3)按照如下公式计算所述两个指纹的匹配分数:
其中,S1为所述两个指纹的细节点匹配分数。
优选地,在步骤e2中,所述加分系数的取值范围是0.05~0.1。
优选地,所述步骤c中的阈值为10。
本发明提出的由粗到精的指纹识别算法能在兼顾效率的前提下,实现高精的指纹检索匹配精度,有利于提高我国公安机关打击犯罪的快速反应能力和侦查能力。
附图说明
参考随附的附图,本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明,其中:
图1示意性示出了目前利用的指纹细节点特征来进行指纹识别的流程图。
图2示意性示出了以捺印方式采集的指纹图像与现场指纹图像的对比图。其中,图2a表示一枚现场指纹图像,图2b表示一枚以捺印方式采集的指纹图像。
图3示意性示出了本发明的利用的融合二级和三级特征的由粗到精指纹识别方法的流程图。
图4示意性示出了标注了指纹三级特征的指纹图像。
图5示意性示出了以不同的捺印力度从同一只手指上采集的两幅指纹图像。
具体实施方式
通过参考示范性实施例,本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而,本发明并不受限于以下所公开的示范性实施例;可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。
在下文中,将参考附图描述本发明的实施例。在附图中,相同的附图标记代表相同或类似的部件,或者相同或类似的步骤。
本发明设计的指纹识别方法融合指纹二级和三级特征,采用由粗到精的检索策略,在兼顾检索效率、保证检索时耗的前提下,提高检索精度。其核心思想是:融合高分辨率指纹图像中富含的三级指纹特征和二级细节点特征来唯一标识指纹对应的身份信息。指纹三级特征包含的信息量大,随机性强,在二级细节点特征的基础上应用三级特征来实现对指纹身份的表达,具有很强的唯一性,这使得大规模数据库中任意两枚来自不同样本的指纹出现“相似”的概率将大大降低。
与传统指纹识别系统相比,本发明的方法的特点如下:第一,面对现场采集的指纹图像,不仅要标定指纹细节点特征还要标定指纹三级特征。第二,对于输入的指纹图像,指纹识别系统做如下处理:首先判断输入指纹图像中细节点的个数,如果细节点数量少于阈值n(阈值n可根据具体情况设定,一般可设置为10),则直接依据指纹图像中的三级特征对指纹数据库进行检索匹配;否则,依据细节点特征对指纹数据库进行初步筛选,在筛选结果中按匹配分数由高到低取N1(一般大于2000)枚指纹作为候选集,然后系统再依据指纹三级特征对候选集中的指纹做一一检索匹配。经过三级特征的检索匹配后,一般来说得到的检索结果是比较理想的,仅需取N2(一般小于10)枚指纹进行人工匹配即可。
图3示意性示出了本发明的利用的融合二级和三级特征的由粗到精指纹识别方法的流程图。如图3所示:
步骤310,构建包含三级指纹特征的高分辨率指纹图像数据库。本发明实施的前提是构建一个三级指纹特征数据库,即为备案指纹数据库中的指纹图像提取细节点和三级特征。该项步骤的工作量较大,这是因为,备案数据库的规模一般都比较庞大,一般来说,一个市级数据的规模都能达到百万级。此项工作的开展可采用计算机自动处理和人工监督调整来实现。备案数据库中的指纹图像质量一般都是比较好的,可利用三级指纹特征自动提取算法实现计算机对备案指纹图像的自动处理。当前,切实可用的三级指纹特征自动提取算法有Anil K.Jain的方法(Pores andRidges:High-Resolution Fingerprint Matching Using Level3Features)、清华大学曹良才的方法(Scale parameter-estimating method for adaptivefingerprint pore extraction model)等等。依据这些方法可实现对汗孔和细点线等特征的自动提取。
本发明对三级指纹特征的应用方式与传统方法不同。实现本发明的基础是定义指纹三级特征的表达方式。为保证本发明方法对现有指纹识别系统的兼容性,对汗孔、细点线特征定义如图4所示。图4示意性示出了标注了指纹三级特征的指纹图像。其中,三维向量(xi,yi,θi)表示每一个汗孔或者细点线特征,其中(xi,yi)表示汗孔或者细点线所在坐标,θi表示其方向,为纹线的顺时针切片方向。之所以采用这种定义方式,是为了使得三级特征的表达方式跟二级细节点特征保持一致。
使用指纹图像的三级特征,本发明能够实现对面积较小的残缺现场指纹进行检索匹配。因此对于一枚面积过小的残缺现场指纹,例如在一些特殊的案件(如恶性暴力事件)中发现的面积过小的指纹,就算它不包含任何细节点信息,我们也可以通过丰富的三级特征来完成检索匹配工作。
步骤320,标定所采集的指纹图像的指纹细节点特征和三级特征。所采集的指纹可以是现场采集的指纹。标定可采取计算机标定或人工标定的方法。特别地,在现场指纹图像质量比较低且计算机尚不能实现对质量指纹图像的自动提取特征的操作的情况下,需技术鉴定人员人工按照本发明对三级指纹特征的定义,在现场指纹上人工手动标定三级特征。其中,指纹三级特征指的是指纹图像中汗孔、纹线边缘、细点线、疤痕等更加细节的特征信息。
步骤330,判断所采集的指纹图像中包含的细节点数量是否小于阈值n(n优选为10),若是则进入步骤350;否则进入步骤340。n的大小一般根据经验确定,可设置为系统参数,也可由人工设定,优选为10。
步骤340,采用细节点特征对数据库进行初步检索匹配,在匹配结果中按细节点指纹匹配算法得出的匹配分数由高到低取N1枚指纹作为候选指纹集(以下称为第一候选指纹集)。当前指纹细节点检索匹配技术相对成熟,本步骤可以使用传统的指纹匹配算法,例如采用文献“Anil K.Jain,Jianjiang Feng.Latent Fingerprint Matching,IEEE TRANSACTIONSON PATTERN ANALYSIS AND MACHINE INTELLIGENCE,33(1):88-100,2011”中提到的匹配算法得出匹配分数。N1的大小一般根据经验确定,可设置为系统参数,也可由人工设定,优选大于2000。
步骤350,使用三级特征进行精确匹配,并得出匹配分数靠前的指纹图像集(以下,称为第二候选指纹集)。其中,计算精确匹配时的匹配分数的算法将在后面进行叙述。本发明中三级特征的定义与二级细节点特征类似,因此基于细节点特征的匹配算法可直接应用于三级指纹特征匹配。
如果在步骤340中已建立了第一候选指纹集,则上述第二候选指纹集是在第一候选指纹集的基础上进行挑选产生的。
在使用三级特征进行精确匹配时,由于指纹三级特征属于指纹微观特征,存在不稳定性的问题。图5示意性示出了以不同的捺印力度从同一只手指上采集的两幅指纹图像。如图5所示,三级指纹特征的可见性受采集条件的影响较大,手指上的大部分汗孔在图5a中呈现不可见状态,这主要是因为被采集者在按捺指纹的时候用力过大,使得汗孔被挤压而不可见;图5b采用正常力度按捺,所以采集到的汗孔数据较多。
为了能够充分利用三级指纹特征,同时又把二级细节点特征和三级特征的功能区分开来,我们采用“以细节点特征匹配分数为基础,以三级特征匹配分数为附加”的策略来融合细节点特征和三级特征。下面以所采集指纹图像A和数据库指纹图像B的匹配过程为例,阐述计算指纹的匹配分数的步骤:
步骤a,依据指纹图像A和指纹图像B的细节点匹配结果,采用仿射变换原理,对A和B做图像对齐操作。
步骤b,对于指纹图像A中的每一个三级特征点,在图像B中查询是否存在与之相匹配的三级特征点。若存在一对相匹配的三级特征点,则记附加分其中a表示指纹图像A和B间相匹配的三级特征点的个数;b表示相匹配细节点的个数;δ为加分系数,一般可取值0.05~0.1。另外,约定当b=0时,的值为1。
步骤c,得指纹图像A和B的匹配分数如下:
其中,S1为指纹图像A和B的细节点匹配分数。
若步骤330中判断出细节点数量过小而不进行步骤340,则S1为零。
利用步骤330、步骤340以及步骤350,能够实现以由粗到精的检索方式进行指纹识别。即,本发明设计指纹识别方法采用由粗到精二级检索的策略,在“粗”检索阶段使用指纹细节点特征作为检索依据,具有检索速度快的特点,适用于在千万人级数据库中进行检索匹配;“精”匹配阶段,本方法针对上一阶段筛选的结果,采用信息量较大的三级特征作为依据进行一一匹配,确定最佳匹配结果。从而,本发明设计的指纹识别方法既能保证系统检索精度,又能保证系统检索效率。
在步骤350之后进入步骤360,将所采集指纹与第二候选指纹集中的指纹进行确认。此步骤是警用自动指纹识别系统所必须的,这是因为指纹识别技术是以概率统计为理论基础的,被自动指纹识别系统检索比中的指纹,并不一定意味着它们一定匹配。所以需要专家针对匹配分数靠前的指纹图像做人工确认。
由于在本发明中指纹细节点特征和三级指纹特征被独立使用,所以本发明设计的由粗到精指纹识别方法对传统指纹识数据库具备很好的兼容性。在指纹数据库中的三级特征模板还没构建好的情况下,可以像传统指纹识别系统那样仅仅使用细节点特征工作。例如,对于当前警用指纹数据库而言,当前警用AFIS系统指纹数据库中指纹图像的分辨率为500ppi。此分辨率下,三级特征基本不可见,然而1000ppi指纹数据库的构建工作需要一定的时间,本发明设计的指纹识别算法能兼容当前警用数据库,能够在不影响公安机关正常工作的前提下,实现对AFIS系统的升级。
综上所述,本发明提出的由粗到精的指纹识别算法能在兼顾效率的前提下,实现高精的指纹检索匹配精度,有利于提高我国公安机关打击犯罪的快速反应能力和侦查能力。
结合这里披露的本发明的说明和实践,本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的,本发明的真正范围和主旨均由权利要求所限定。
Claims (10)
1.一种融合二级和三级特征的由粗到精指纹识别方法,其特征在于,包括如下步骤:
a)构建包含三级指纹特征的高分辨率指纹图像数据库;
b)标定所采集的指纹图像中的指纹细节点特征和三级特征;
c)判断所采集的指纹图像中包含的细节点特征数量是否小于阈值,若是则进入步骤e;否则进入步骤d;
d)采用所述细节点特征对数据库进行初步检索匹配,在匹配结果中按细节点指纹匹配算法得出匹配分数由高到低取得第一候选指纹集;
e)使用三级特征进行精确匹配,在匹配结果中-按精确匹配算法得出匹配分数由高到低取得第二候选指纹集;
f)将所采集指纹图像与所述第二候选指纹集中的指纹进行确认。
2.根据权利要求1所述的方法,其特征在于,所述三级特征包括指纹图像中的汗孔、纹线边缘、细点线、以及疤痕。
3.根据权利要求1所述的方法,其特征在于,所述三级特征的表达方式为三维向量(xi,yi,θi),其中,(xi,yi)表示所述三级特征所在坐标,θi表示所述三级特征沿指纹的纹线的顺时针切片方向。
4.根据权利要求1所述的方法,其特征在于,在步骤d中,所述第一候选指纹集的指纹数量大于2000。
5.根据权利要求1所述的方法,其特征在于,在步骤e中,所述第二候选指纹集的指纹数量小于10。
6.根据权利要求1所述的方法,其特征在于,在步骤e中,所述精确匹配为融合了细节点特征和三级特征的指纹精确匹配。
8.根据权利要求7所述的方法,其特征在于,在步骤e2中,所述加分系数的取值范围是0.05~0.1。
10.根据权利要求1所述的方法,其特征在于,所述步骤c中的阈值为10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310740950.3A CN103714159B (zh) | 2013-12-27 | 2013-12-27 | 融合二级和三级特征的由粗到精的指纹识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310740950.3A CN103714159B (zh) | 2013-12-27 | 2013-12-27 | 融合二级和三级特征的由粗到精的指纹识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103714159A true CN103714159A (zh) | 2014-04-09 |
CN103714159B CN103714159B (zh) | 2016-09-07 |
Family
ID=50407134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310740950.3A Active CN103714159B (zh) | 2013-12-27 | 2013-12-27 | 融合二级和三级特征的由粗到精的指纹识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103714159B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361331A (zh) * | 2014-12-05 | 2015-02-18 | 南京信息工程大学 | 基于二部图最佳匹配的指纹匹配方法 |
CN104463175A (zh) * | 2014-12-23 | 2015-03-25 | 智慧眼(湖南)科技发展有限公司 | 手指静脉特征匹配方法和装置 |
CN105447437A (zh) * | 2015-02-13 | 2016-03-30 | 比亚迪股份有限公司 | 指纹识别方法和装置 |
CN106156699A (zh) * | 2015-03-31 | 2016-11-23 | 联想(北京)有限公司 | 图像处理装置和图像匹配方法 |
CN106203034A (zh) * | 2016-06-27 | 2016-12-07 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
CN108416342A (zh) * | 2018-05-28 | 2018-08-17 | 杭州电子科技大学 | 一种结合细节点和细线结构的指纹识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070230754A1 (en) * | 2006-03-30 | 2007-10-04 | Jain Anil K | Level 3 features for fingerprint matching |
CN101276411A (zh) * | 2008-05-12 | 2008-10-01 | 北京理工大学 | 指纹识别方法 |
CN101777130A (zh) * | 2010-01-22 | 2010-07-14 | 北京大学 | 一种指纹图像相似度评价方法 |
CN102439604A (zh) * | 2009-03-12 | 2012-05-02 | 哈里公司 | 用于指纹模板合成的方法和使用点匹配算法的指纹拼接 |
US20120250955A1 (en) * | 2011-03-03 | 2012-10-04 | Vitt Joan L | Automated biometric identification system (abis) and method |
-
2013
- 2013-12-27 CN CN201310740950.3A patent/CN103714159B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070230754A1 (en) * | 2006-03-30 | 2007-10-04 | Jain Anil K | Level 3 features for fingerprint matching |
CN101276411A (zh) * | 2008-05-12 | 2008-10-01 | 北京理工大学 | 指纹识别方法 |
CN102439604A (zh) * | 2009-03-12 | 2012-05-02 | 哈里公司 | 用于指纹模板合成的方法和使用点匹配算法的指纹拼接 |
CN101777130A (zh) * | 2010-01-22 | 2010-07-14 | 北京大学 | 一种指纹图像相似度评价方法 |
US20120250955A1 (en) * | 2011-03-03 | 2012-10-04 | Vitt Joan L | Automated biometric identification system (abis) and method |
Non-Patent Citations (4)
Title |
---|
QIJUN ZHAO等: "Latent Fingerprint Matching: Utility of Level 3 Features", 《MSU TECHNICAL REPORT》 * |
李雄伟: "一种融合细节点和汗孔的指纹识别算法", 《万方数据知识服务平台》 * |
王文涛等: "基于多级索引的指纹分类算法", 《计算机工程》 * |
郭少波等: "探析高分辨率指纹特定条件下三级特征的稳定性", 《中国司法鉴定》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361331A (zh) * | 2014-12-05 | 2015-02-18 | 南京信息工程大学 | 基于二部图最佳匹配的指纹匹配方法 |
CN104361331B (zh) * | 2014-12-05 | 2017-11-21 | 南京信息工程大学 | 基于二部图最佳匹配的指纹匹配方法 |
CN104463175A (zh) * | 2014-12-23 | 2015-03-25 | 智慧眼(湖南)科技发展有限公司 | 手指静脉特征匹配方法和装置 |
CN104463175B (zh) * | 2014-12-23 | 2017-11-28 | 智慧眼(湖南)科技发展有限公司 | 手指静脉特征匹配方法和装置 |
CN105447437A (zh) * | 2015-02-13 | 2016-03-30 | 比亚迪股份有限公司 | 指纹识别方法和装置 |
US10354117B2 (en) | 2015-02-13 | 2019-07-16 | Byd Company Limited | Fingerprint identification method and apparatus |
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 |
CN106156699B (zh) * | 2015-03-31 | 2019-06-25 | 联想(北京)有限公司 | 图像处理装置和图像匹配方法 |
CN106156699A (zh) * | 2015-03-31 | 2016-11-23 | 联想(北京)有限公司 | 图像处理装置和图像匹配方法 |
CN106203034B (zh) * | 2016-06-27 | 2017-10-24 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
CN106203034A (zh) * | 2016-06-27 | 2016-12-07 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
CN108416342A (zh) * | 2018-05-28 | 2018-08-17 | 杭州电子科技大学 | 一种结合细节点和细线结构的指纹识别方法 |
CN108416342B (zh) * | 2018-05-28 | 2022-02-18 | 杭州电子科技大学 | 一种结合细节点和细线结构的指纹识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103714159B (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103714159A (zh) | 融合二级和三级特征的由粗到精的指纹识别方法 | |
CN107609497A (zh) | 基于视觉跟踪技术的实时视频人脸识别方法及系统 | |
CN105825176A (zh) | 基于多模态非接触身份特征的识别方法 | |
CN101539993B (zh) | 基于尺寸缩放估算的多采集仪间指纹交叉匹配方法 | |
CN103605963A (zh) | 一种指纹识别方法 | |
CN102254165B (zh) | 一种基于结构编码特征和纹理编码特征融合的手背静脉识别方法 | |
CN103077459A (zh) | 一种融合用户多生物特征进行活体认证支付的方法 | |
CN103778409A (zh) | 基于人脸特征数据挖掘的人脸识别方法与装置 | |
CN101819629B (zh) | 一种基于监督张量流形学习的掌纹识别系统及识别方法 | |
CN102096800A (zh) | 一种图像信息获取方法及装置 | |
CN101464945A (zh) | 基于指背关节纹理的身份特征识别方法 | |
CN103955674A (zh) | 掌纹图像采集装置及掌纹图像定位与分割方法 | |
CN101556713A (zh) | 指纹识别技术在pos机、刷卡机、提款机上的应用方法 | |
CN103886303A (zh) | 一种掌纹识别方法及装置 | |
CN101582114A (zh) | 基于旋转角度的指纹识别方法 | |
Li et al. | Palmprint identification using Hausdorff distance | |
CN106355150A (zh) | 一种具备通用性的指纹识别系统及方法 | |
CN106295622A (zh) | 一种基于手背静脉的识别方法 | |
CN102368291B (zh) | 基于指纹图像隐形意识的个人身份验证系统 | |
Jeyanthi et al. | Neural network based automatic fingerprint recognition system for overlapped latent images | |
CN104820828A (zh) | 一种基于双内指节纹多方向混合特征的身份认证方法 | |
CN101551857B (zh) | 基于独立匹配分数层融合的高精度掌纹识别算法 | |
CN104361331B (zh) | 基于二部图最佳匹配的指纹匹配方法 | |
CN105320935A (zh) | 多模板指纹识别方法 | |
Seng et al. | An improved fingerprint image matching and multi-view fingerprint recognition algorithm. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |