CN103793696B - 指纹识别方法及其系统 - Google Patents
指纹识别方法及其系统 Download PDFInfo
- Publication number
- CN103793696B CN103793696B CN201410049244.9A CN201410049244A CN103793696B CN 103793696 B CN103793696 B CN 103793696B CN 201410049244 A CN201410049244 A CN 201410049244A CN 103793696 B CN103793696 B CN 103793696B
- Authority
- CN
- China
- Prior art keywords
- similarity
- fingerprint
- minutiae point
- 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.)
- Active
Links
Abstract
本发明涉及一种指纹识别方法及其系统,所述方法包括:输入多个档案指纹和一个待识别指纹;选择任一档案指纹作为当前档案指纹,对当前档案指纹和待识别指纹分别进行细节点划分,并构建细节点对;计算细节点对的第一相似度和第二相似度;对所述第一相似度和所述第二相似度分别进行配准,计算第三相似度和第四相似度;将所述第一相似度、第二相似度、第三相似度和第四相似度进行融合,得出当前档案指纹与待识别指纹的最终相似度;依次将所有档案指纹进行上述计算,得出所述多个档案指纹的最终相似度,将所述最终相似度最高的档案指纹作为所述待识别指纹的识别结果。该方法通过对柱形编码赋值和对细节点配准,提高了指纹识别能力。
Description
技术领域
本发明涉及指纹识别技术领域,具体地,涉及一种指纹识别方法及其系统。
背景技术
自动指纹识别技术相对于其他生物特征识别技术不仅具有许多独到的信息安全角度的优点,更重要的是还具有很高的实用性和可行性。细节点特征是目前指纹识别中使用的主流特征,现有的一种基于细节点柱形编码结构的指纹识别方法,该方法将细节点局部结构由传统的二维扩展到准三维,每个局部结构都是由中心细节点周围的一个柱形来表示,柱体中各个小长方体的值由该结构中的其他细节点所决定。这种结构具有旋转、平移不变性,固定维度,固定位数等优点,有利于局部结构相似度的度量和细节点对之间的匹配。但是此种方法针对稀疏细节点,由于其周围细节点数目很少或没有,柱形编码在这些点的匹配问题上基本失效,并且柱形编码描述局部结构时等同对待柱面每一个单元格,按直观判断柱面上距离较远的单元格准确度会下降,判别能力也应该较弱,从而降低了识别能力。
发明内容
本发明提供一种指纹识别方法及其系统,通过对带权值的柱形编码的计算和对细节点的配准,能够很好地对稀疏细节点进行识别,从而提高了指纹识别。
为此目的,本发明提出了一种指纹识别方法,其特征在于,包括:步骤一、输入多个档案指纹和一个待识别指纹;步骤二、选择任一档案指纹作为当前档案指纹,对当前档案指纹与待识别指纹分别进行细节点特征划分,并构建细节点对;步骤三、计算所述当前档案指纹和待识别指纹的第一相似度和第二相似度,所述第一相似度通过对所述细节点对进行柱形编码计算而得,所述第二相似度通过对所述细节点对进行带权值的柱形编码计算而得;步骤四、对所述第一相似度和所述第二相似度分别进行配准,并分别计算第三相似度和第四相似度;步骤五、将所述第一相似度、第二相似度、第三相似度和第四相似度进行融合,得出当前档案指纹与待识别指纹的最终相似度;步骤六、依次将所有档案指纹进行上述计算,得出所述多个档案指纹的最终相似度;步骤七、比较所述多个档案指纹的最终相似度,将所述最终相似度最高的档案指纹作为所述待识别指纹的识别结果。
其中,所述第一相似度的计算包括:对所述当前档案指纹的细节点和所述待识别指纹的细节点分别进行柱编码,并将柱形编码二值化,得到二进制串,分别对所述细节点对的所述二进制串异或后求1的个数,得到局部第一相似度,然后基于上述细节点对的兼容性修改所述局部第一相似度,从而计算出第一相似度。
其中,所述第二相似度的计算包括:对所述当前档案指纹的细节点和所述待识别指纹的细节点分别进行柱编码,并将柱形编码二值化,得到二进制串,分别对所述细节点对的所述二进制串赋予特定的权值,然后对所述二进制串异或后求1的个数,得到局部第二相似度,然后基于上述细节点对的兼容性修改所述局部第二相似度,从而计算出第二相似度,其中,所述权值通过在进行柱形编码时对所述细节点对建立的柱形结构中的单元格所在的位置确定。
其中,所述第三相似度的计算包括:步骤1、对所述细节点对的第一相似度进行排序,选择前N对细节点对作为匹配细节点对;步骤2、选取所述N对细节点对中的任一细节点对作为当前细节点对,依照当前细节点对对所述N随细节点对进行平移,使得所述当前细节点对重合;步骤3、以当前细节点对为中心,将所述N对细节点对进行旋转,选择特定角度使得所述N对细节点对之间的距离最小;步骤4、基于所述当前细节点对,将所述N对细节点对平移特定距离,使得所述N对细节点对之间的距离最小;步骤5、依据所述特定角度和特定距离,计算所述当前细节点对的匹配分数;步骤6、将所述N对细节点对的每对细节点对进行上述过程;步骤7、选择所述匹配分数最高的细节点对作为最后的配准;步骤8、使用所述最后的配准的细节对的变换参数,计算所有细节点对的匹配分数,然后将所述所有细节点对的匹配分数相加,从而得出第三相似度。
其中,所述第四相似度的计算包括:步骤1、对所述细节点对的第二相似度进行排序,选择前N对细节点对作为匹配细节点对;步骤2、选取所述N对细节点对中的任一细节点对作为当前细节点对,依照当前细节点对对所述N随细节点对进行平移,使得所述当前细节点对重合;步骤3、以当前细节点对为中心,将所述N对细节点对进行旋转,选择特定角度使得所述N对细节点对之间的距离最小;步骤4、基于所述当前细节点对,将所述N对细节点对平移特定距离,使得所述N对细节点对之间的距离最小;步骤5、依据所述特定角度和特定距离,计算所述当前细节点对的匹配分数;步骤6、将所述N对细节点对的每对细节点对进行上述过程;步骤7、选择所述匹配分数最高的细节点对作为最后的配准;步骤8、使用所述最后的配准的细节对的变换参数,计算所有细节点对的匹配分数,然后将所述所有细节点对的匹配分数相加,从而得出第四相似度。
本发明还提供一种现场指纹识别系统,其特征在于,所述系统包括:指纹输入模块,用于输入所述多个档案指纹和一个待识别指纹;细节点划分模块,选取任一档案指纹作为当前档案指纹,对所述档案指纹和所述待识别指纹分别进行细节点特征划分,并构建细节点对;第一和第二相似度计算模块,用于计算所述细节点对的第一相似度和第二相似度;第三和第四相似度计算模块,用于对所述第一相似度和所述第二相似度分别进行配准,并分别计算所述第三相似度和所述第四相似度;相似度融合模块,用于将所述第一、第二、第三和第二相似度进行融合,计算出所述最终相似度;计算判断模块,用于判断是否将所有档案指纹与所述待识别指纹进行相似度计算;相似度识别模块,接收所述最终相似度,并对所有的最终相似度进行比较,将相似度最高的最终相似度输出,作为识别结果。
其中,所述第一和第二相似度计算模块包括:第一相似度计算模块,所述第一相似度计算模块对所述当前档案指纹的细节点和所述待识别指纹的细节点分别进行柱编码,并将柱形编码二值化,得到二进制串,分别对所述细节点对的所述二进制串异或后求1的个数,得到局部第一相似度,然后基于上述细节点对的兼容性修改所述局部第一相似度,从而计算出第一相似度;第二相似度计算模块,第二相似度计算模块对所述当前档案指纹的细节点和所述待识别指纹的细节点分别进行柱编码,并将柱形编码二值化,得到二进制串,分别对所述细节点对的所述二进制串赋予特定的权值,然后对所述二进制串异或后求1的个数,得到局部第二相似度,然后基于上述细节点对的兼容性修改所述局部第二相似度,从而计算出第二相似度,其中,所述权值通过在进行柱形编码时对所述细节点对建立的柱形结构中的单元格所在的位置确定。
通过采用本发明所公开的指纹识别方法及其系统,在进行柱形编码计算时,可以根据细节点周围不同单元格距离细节点中心的距离进行赋值计算,从而提高了指纹识别的准确度,同时,通过可以对细节点对进行配准计算,可以找回在柱形编码中丢失的细节点对,从而提高了整体的指纹识别能力。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了本发明的指纹识别方法的流程图;
图2示出了本发明的指纹识别方法的第三相似度计算的流程图;
图3示出了本发明的指纹识别系统的结构框图。
图4示出了本发明的指纹识别系统的第一和第二相似度计算模块的结构框图。
具体实施方式
下面将结合附图对本发明的实施例进行详细描述。
图1示出了本发明的指纹识别方法的流程图。
参照图1,本发明的指纹识别方法的步骤包括:
步骤S100,输入多个档案指纹和一个待识别指纹。
步骤S200,在上述档案指纹中选择任一案指纹作为当前档案指纹,对当前档案指纹与待识别指纹分别进行细节点特征划分,并构建细节点对;
步骤S300,计算当前档案指纹和待识别指纹的第一相似度和第二相似度。
在本实施例中,第一相似度的计算采用柱形编码的方法,其过程如下。
对每一个细节点构造一个柱形结构,每个局部结构都是由中心细节点周围的一个半径为R,高度为2π的柱形结构来表示。该柱形被一个长方体所包围,该长方体的大小为2R×2R×2π,且根据中心细节点的坐标对齐,将该柱形分为Ns×Ns×Nd个小长方体。每个小长方体底为Δs×Δs,高为Δd。柱体中各个小长方体的权值cm(i,j,k)由该结构中的其他细节点共同决定,每个细节点对其周围3σs范围内的立方体小格产生影响,对范围外的立方体小格的影响可以忽略不计。每个细节点的影响贡献值都可以分为两部分:空间坐标(x,y)的贡献和方向d的贡献。
用m表示中心细节点;mt表示m的周围细节点;表示第(i,j,k)个长方体的中心点;表示周围细节点mt对小长方体(i,j,k)总的贡献值;C(i,j,k)表示第(i,j,k)个长方体对应的具体柱形编码权值;Ψ(·)是一个增强函数;表示该方格落在指纹分割的前景上。表达式如下:
周围细节点mt对小长方体(i,j,k)总的贡献值可以分为两个部分:表示周围细节点mt对小长方体(i,j,k)的坐标贡献;表示mt对小长方体(i,j,k)的方向贡献。
坐标贡献和方向贡献的具体表达式如下:
其中,代表mt与在坐标平面的欧式距离;代表两个细节点的方向角度差。可以看出,坐标贡献实际上就是坐标平面的二维滤波,而方向贡献是在细节点方向上的一维滤波。
每个细节点m的柱形编码可以作为其特征进行后续的匹配,该特征长度为细节点柱形结构中小长方体的个数,即Ns×Ns×Nd。通过设定阈值将柱形编码二值化,从而得到二进制串表示的特征。
将所述每个细节点对的二进制串异或后求1的个数,得到局部第一相似度,然后基于上述细节点对的兼容性修改所述局部第一相似度,从而计算出第一相似度。
基于细节点对的兼容性修改所述局部相似度,其过程如下,例如,用a表示档案指纹细节点,A表示档案指纹细节点集合,用b表示现场指纹细节点,B表示现场指纹细节点集合,给定匹配点对(a,b),如果a和A中其他细节点的全局关系同b和B中其他细节点的全局关系是兼容的,则增强(a,b)的相似度,否则减小(a,b)的相似度。兼容性由如下式定义:
其中:
为增加对形变的适应能力将d1修改为如下式:
对于本实施例的第二相似度的计算,对所述细节点对进行所述柱形编码时,将所述柱形编码二值化,得到二进制串后,分别对细节点对的二进制串赋予特定的权值,然后在如上述的对二进制串进行异或后求1的个数,得到局部第二相似度,然后再进行计算,其他部分的计算方法同第一相似度的计算方法相同,再次不再详述。
本实施例中的权值通过在进行柱形编码时对所述细节点对建立的柱形结构中的单元格所在的位置确定。即对细节点进行柱形编码时,对距离中心细节点的不同半径上的单元格赋予不同的权值,在使用柱形编码的二进制串进行相似度计算时,将权值相应地加到每个计算中去,从而得到第二相似度。
S400,计算第三相似度和第四相似度。
第三相似度和第四相似度的计算过程类似,为了描述简单,以下以第三相似度计算为例进行描述。
S411,对所有的细节点对的第一相似度进行排序,选择前N对细节点对作为匹配细节点对;
S412,选取N对细节点对中的任一细节点对作为当前细节点对,依照当前细节点对对述N对细节点对进行平移,使得所述当前细节点对重合;
S413,以所述当前细节点对为中心,将所述N对细节点对进行旋转,选择特定角度使得所述N对细节点对之间的距离最小;
S414,基于当前细节点对,将N对细节点对平移特定距离,使得N对细节点对之间的距离最小;
S415,依据所述特定角度和特定距离,计算所述当前细节点对的匹配分数;
S416,依次将N对细节点对的每对细节点对进行上述过程;
S417,选择所述匹配分数最高的细节点对作为最后的配准;
S418,使用所述最后的配准的细节对的变换参数,计算所有细节点对的匹配分数,然后将所述所有细节点对的匹配分数相加,从而得出第三相似度。
本实施例的第四相似度是在第二相似度的基础上进行计算,其计算过程与第三相似度的计算过程相同,在此不再重复。
S500,将上述第一相似度、第二相似度、第三相似度和第四相似度进行融合,得出当前档案指纹与待识别指纹的最终相似度。
S600,判断是否将待识别的指纹与当前指纹进行相识度计算,如果否,则重复上述S200~S500的步骤,如果是,则进行下一步。
S700,将上述所有的最终相似度进行排序,将最终相似度最高的档案指纹作为待识别指纹的识别结果。
本发明的另一个实施例提供了一种现场指纹识别系统,该系统包括指纹输入模块100、细节点划分模块200、第一和第二相似度计算模块300、第三和第四相似度计算模块400、相似度融合模块500、计算判断模块600和相似度识别模块700。
指纹输入模块100,用于输入多个档案指纹和一个待识别指纹。
细节点划分模块200,选取任一档案指纹作为当前档案指纹,对所述档案指纹和所述待识别指纹分别进行细节点特征划分,并构建细节点对。
第一和第二相似度计算模块300,将所述第一档案指纹和所述待识别的指纹的所述细节点进行柱形编码,并计算相应的所述细节点对的第一相似度,同时将所述第一档案指纹和所述待识别的指纹的所述细节点进行带权值的柱形编码,并计算相应的所述细节点对的第二相似度;
第三和第四相似度计算模块400,用于对所述第一相似度和所述第二相似度分别进行配准,并分别计算所述第三相似度和所述第四相似度;
相似度融合模块500,用于将所述第一、第二、第三和第二相似度进行融合,计算出所述最终相似度;
计算判断模块600,用于判断是否将所述待识别指纹与所有档案指纹进行相似度计算;
相似度识别模块700,接收所述最终相似度,并对所有的最终相似度进行比较,将相似度最高的最终相似度输出,作为识别结果。
同时,第一和第二相似度计算模块300包括:
第一相似度计算单元310,所述第一相似度计算模块310对所述当前档案指纹的细节点和所述待识别指纹的细节点分别进行柱编码,并将柱形编码二值化,得到二进制串,分别对所述细节点对的所述二进制串异或后求1的个数,得到局部第一相似度,然后基于上述细节点对的兼容性修改所述局部第一相似度,从而计算出第一相似度;
第二相似度计算单元320,第二相似度计算模块对所述当前档案指纹的细节点和所述待识别指纹的细节点分别进行柱编码,并将柱形编码二值化,得到二进制串,分别对所述细节点对的所述二进制串赋予特定的权值,然后对所述二进制串异或后求1的个数,得到局部第二相似度,然后基于上述细节点对的兼容性修改所述局部第二相似度,从而计算出第二相似度,其中,所述权值通过在进行柱形编码时对所述细节点对建立的柱形结构中的单元格所在的位置确定。
通过采用本发明所公开的指纹识别方法及其系统,在进行柱形编码计算时,可以根据细节点周围不同单元格距离细节点中心的距离进行赋值计算,从而提高了指纹识别的准确度,同时,通过可以对细节点对进行配准计算,可以找回在柱形编码中丢失的细节点对,从而提高了整体的指纹识别能力。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (7)
1.一种指纹识别方法,其特征在于,包括:
步骤一、输入多个档案指纹和一个待识别指纹;
步骤二、选择任一档案指纹作为当前档案指纹,对所述当前档案指纹与所述待识别指纹分别进行细节点特征划分,并构建细节点对;
步骤三、计算所述当前档案指纹和上述待识别指纹的第一相似度和第二相似度,所述第一相似度通过对所述细节点对进行柱形编码计算而得,所述第二相似度通过对所述细节点对进行带权值的柱形编码计算而得;
步骤四、对所述第一相似度和所述第二相似度分别进行配准,并分别计算第三相似度和第四相似度;
步骤五、将所述第一相似度、第二相似度、第三相似度和第四相似度进行融合,得出所述当前档案指纹与上述待识别指纹的最终相似度;
步骤六、依次将所有档案指纹进行上述计算,得出所述多个档案指纹的最终相似度;
步骤七、比较所述多个档案指纹的最终相似度,将所述最终相似度最高的档案指纹作为所述待识别指纹的识别结果。
2.根据权利要求1所述的指纹识别方法,其特征在于,所述第一相似度的计算包括:
对所述当前档案指纹的细节点和所述待识别指纹的细节点分别进行柱形编码;
将所述柱形编码二值化,得到二进制串;
分别对所述细节点对的所述二进制串异或后求1的个数,得到局部第一相似度;
基于所述细节点对的兼容性修改所述局部第一相似度,从而计算出所述第一相似度。
3.根据权利要求1所述的指纹识别方法,其特征在于,所述第二相似度的计算包括:
对所述当前档案指纹的细节点和所述待识别指纹的细节点分别进行所述柱形编码;
将所述柱形编码二值化,得到二进制串;
分别对所述细节点对的所述二进制串赋予特定的权值,然后对所述二进制串异或后求1的个数,得到局部第二相似度;
基于上述细节点对的兼容性修改所述局部第二相似度,从而计算出第二相似度,
其中,所述权值通过在进行柱形编码时对所述细节点对建立的柱形结构中的单元格所在的位置确定。
4.根据权利要求1所述的指纹识别方法,其特征在于,所述第三相似度的计算包括:
步骤1、对所述细节点对的所述第一相似度进行排序,选择前N对细节点对作为匹配细节点对;
步骤2、选取所述N对细节点对中的任一细节点对作为当前细节点对,依照所述当前细节点对对所述N对细节点对进行平移,使得所述当前细节点对重合;
步骤3、以当前细节点对为中心,将所述N对细节点对进行旋转,选择特定角度使得所述N对细节点对之间的距离最小;
步骤4、基于所述当前细节点对,将所述N对细节点对平移特定距离,使得所述N对细节点对之间的距离最小;
步骤5、依据所述特定角度和特定距离,计算所述当前细节点对的匹配分数;
步骤6、依次将所述N对细节点对中的每对细节点对进行上述过程;
步骤7、选择所述匹配分数最高的细节点对作为最后的配准;
步骤8、使用所述最后的配准的细节点对的变换参数,计算所有细节点对的匹配分数,然后将所述所有细节点对的匹配分数相加,从而得出上述第三相似度。
5.根据权利要求1所述的指纹识别方法,其特则在于,所述第四相似度的计算包括:
步骤1、对所述细节点对的所述第二相似度进行排序,选择前N对细节点对作为匹配细节点对;
步骤2、选取所述N对细节点对中的任一细节点对作为当前细节点对,依照所述当前细节点对对所述N对细节点对进行平移,使得所述当前细节点对重合;
步骤3、以当前细节点对为中心,将所述N对细节点对进行旋转,选择特定角度使得所述N对细节点对之间的距离最小;
步骤4、基于所述当前细节点对,将所述N对细节点对平移特定距离,使得所述N对细节点对之间的距离最小;
步骤5、依据所述特定角度和特定距离,计算所述当前细节点对的匹配分数;
步骤6、依次将所述N对细节点对中的每对细节点对进行上述过程;
步骤7、选择所述匹配分数最高的细节点对作为最后的配准;
步骤8、使用所述最后的配准的细节点对的变换参数,计算所有细节点对的匹配分数,然后将所述所有细节点对的匹配分数相加,从而得出上述第四相似度。
6.一种现场指纹识别系统,其特征在于,所述系统包括:
指纹输入模块,用于输入多个档案指纹和一个待识别指纹;
细节点划分模块,选取任一档案指纹作为当前档案指纹,对所述档案指纹和所述待识别指纹分别进行细节点特征划分,并构建细节点对;
第一和第二相似度计算模块,用于计算所述细节点对的第一相似度和第二相似度;
第三和第四相似度计算模块,用于对所述第一相似度和所述第二相似度分别进行配准,并分别计算第三相似度和第四相似度;
相似度融合模块,用于将所述第一相似度、第二相似度、第三相似度和第四相似度进行融合,计算出所述当前档案指纹与上述待识别指纹的最终相似度;
计算判断模块,用于判断是否已将所述待识别指纹与所有档案指纹进行了相似度计算,如果未将所述待识别指纹与所有档案指纹进行了相似度计算,则对于每一个未与所述待识别指纹进行相似度计算的档案指纹,依次通知所述细节点划分模块、第一和第二相似度计算模块、第三和第四相似度计算模块和相似度融合模块工作,以计算该档案指纹与所述待识别指纹的最终相似度,否则,通知相似度识别模块工作;
所述相似度识别模块,接收所述最终相似度,并对所有的最终相似度进行比较,将相似度最高的最终相似度输出,作为识别结果。
7.根据权利要求6所述的现场指纹识别系统,其特征在于,所述第一和第二相似度计算模块包括:
第一相似度计算单元,所述第一相似度计算单元对所述当前档案指纹的细节点和所述待识别指纹的细节点分别进行柱编码,并将柱形编码二值化,得到二进制串,分别对所述细节点对的所述二进制串异或后求1的个数,得到局部第一相似度,然后基于上述细节点对的兼容性修改所述局部第一相似度,从而计算出第一相似度;
第二相似度计算单元,第二相似度计算单元对所述当前档案指纹的细节点和所述待识别指纹的细节点分别进行柱编码,并将柱形编码二值化,得到二进制串,分别对所述细节点对的所述二进制串赋予特定的权值,然后对所述二进制串异或后求1的个数,得到局部第二相似度,然后基于上述细节点对的兼容性修改所述局部第二相似度,从 而计算出第二相似度,其中,所述权值通过在进行柱形编码时对所述细节点对建立的柱形结构中的单元格所在的位置确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410049244.9A CN103793696B (zh) | 2014-02-12 | 2014-02-12 | 指纹识别方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410049244.9A CN103793696B (zh) | 2014-02-12 | 2014-02-12 | 指纹识别方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103793696A CN103793696A (zh) | 2014-05-14 |
CN103793696B true CN103793696B (zh) | 2017-02-08 |
Family
ID=50669341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410049244.9A Active CN103793696B (zh) | 2014-02-12 | 2014-02-12 | 指纹识别方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103793696B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971107A (zh) * | 2014-05-28 | 2014-08-06 | 深圳市中兴移动通信有限公司 | 一种移动终端及其利用指纹进行健康识别的方法和装置 |
CN104392226B (zh) * | 2014-12-15 | 2018-06-08 | 金虎林 | 指纹认证系统及方法 |
CN105205451B (zh) * | 2015-08-25 | 2018-12-25 | 东莞酷派软件技术有限公司 | 指纹验证方法、指纹验证装置和终端 |
CN107437053B (zh) * | 2016-05-27 | 2022-11-11 | 中兴通讯股份有限公司 | 一种指纹识别方法及装置 |
CN110858294B (zh) * | 2018-08-26 | 2023-11-10 | 敦泰电子有限公司 | 提升指纹识别率的指纹识别方法及指纹识别芯片 |
CN110807423B (zh) * | 2019-10-31 | 2022-04-22 | 北京迈格威科技有限公司 | 屏下指纹图像的处理方法、装置和电子设备 |
CN114445052A (zh) * | 2022-04-07 | 2022-05-06 | 北京吉道尔科技有限公司 | 基于区块链的智慧教育学生出勤大数据统计方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN101957913A (zh) * | 2010-10-19 | 2011-01-26 | 北京邮电大学 | 一种基于信息融合技术的指纹识别方法及装置 |
CN102819754A (zh) * | 2012-07-27 | 2012-12-12 | 中国科学院自动化研究所 | 一种基于Sigmoid扩展的指纹分数融合系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100714303B1 (ko) * | 2005-12-09 | 2007-05-07 | 한국전자통신연구원 | 특징점을 은닉하는 지문 인식 방법 및 그 장치 |
CN101539993B (zh) * | 2008-03-20 | 2012-05-23 | 中国科学院自动化研究所 | 基于尺寸缩放估算的多采集仪间指纹交叉匹配方法 |
CN101276411B (zh) * | 2008-05-12 | 2010-06-02 | 北京理工大学 | 指纹识别方法 |
CN101751555B (zh) * | 2009-09-25 | 2012-02-08 | 中国科学院自动化研究所 | 一种形变指纹识别方法及系统 |
CN102262730B (zh) * | 2011-08-15 | 2012-10-03 | 山东志华信息科技股份有限公司 | 一种基于多参考点对的指纹匹配方法 |
GB2507539A (en) * | 2012-11-02 | 2014-05-07 | Zwipe As | Matching sets of minutiae using local neighbourhoods |
-
2014
- 2014-02-12 CN CN201410049244.9A patent/CN103793696B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN101957913A (zh) * | 2010-10-19 | 2011-01-26 | 北京邮电大学 | 一种基于信息融合技术的指纹识别方法及装置 |
CN102819754A (zh) * | 2012-07-27 | 2012-12-12 | 中国科学院自动化研究所 | 一种基于Sigmoid扩展的指纹分数融合系统及方法 |
Non-Patent Citations (2)
Title |
---|
"Binary Feature Vector Fingerprint Representation From Minutiae Vicinities";Julien Bringer el at;《Biometrics:Theory Applications and Systems(BTAS),2010 Fourth IEEE International》;20100929;参见第II节"VICINITIES OF MINUTIAS" 的第C小节"Binary Feature Vector"、第D小节"Binary Feature Vectors Matching" * |
"构建细节点柱形结构的指纹匹配算法";付翔 等;《计算机科学与探索》;20120731;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103793696A (zh) | 2014-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103793696B (zh) | 指纹识别方法及其系统 | |
Paliwal et al. | A tri-gram based feature extraction technique using linear probabilities of position specific scoring matrix for protein fold recognition | |
Li et al. | Neural architecture search for lightweight non-local networks | |
CN105956560A (zh) | 一种基于池化多尺度深度卷积特征的车型识别方法 | |
CN106250881A (zh) | 一种基于三维点云数据的目标识别方法及系统 | |
CN111429977B (zh) | 一种新的基于图结构注意力的分子相似性搜索算法 | |
CN104182732A (zh) | 基于特征矩阵进行相似度匹配的手写汉字笔画确认方法 | |
CN104915673A (zh) | 一种基于视觉词袋模型的目标分类方法和系统 | |
Bai et al. | Learning graph convolutional networks based on quantum vertex information propagation | |
CN107403084A (zh) | 一种基于步态数据的身份识别方法 | |
CN105930834A (zh) | 基于球哈希二值编码的人脸识别方法及装置 | |
CN112150523A (zh) | 一种低重叠率的三维点云配准方法 | |
CN102663367A (zh) | 一种基于模拟退火算法的三维人脸识别方法 | |
CN106203373B (zh) | 一种基于深度视觉词袋模型的人脸活体检测方法 | |
CN116486900B (zh) | 基于深度模态数据融合的药物靶标亲和度预测方法 | |
US20220301712A1 (en) | Disease diagnosis system and method for performing segmentation by using neural network and unlocalized block | |
CN103617203A (zh) | 基于查询驱动的蛋白质-配体绑定位点预测方法 | |
CN104504361B (zh) | 基于方向特征的手掌静脉主方向特征提取方法 | |
CN116128944A (zh) | 一种基于特征交互和可靠对应关系估计的三维点云配准方法 | |
CN102819754A (zh) | 一种基于Sigmoid扩展的指纹分数融合系统及方法 | |
CN112116949B (zh) | 基于三元组损失的蛋白质折叠识别方法 | |
CN115527605B (zh) | 基于深度图模型的抗体结构预测方法 | |
CN110135253A (zh) | 一种基于长期递归卷积神经网络的手指静脉认证方法 | |
Jiao et al. | Fine-grained image classification with coarse and fine labels on one-shot learning | |
CN109726568B (zh) | 一种基于融合特征描述子的指纹加密方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |