CN103927351B - 基于姿态校正的指纹检索方法及系统 - Google Patents
基于姿态校正的指纹检索方法及系统 Download PDFInfo
- Publication number
- CN103927351B CN103927351B CN201410142493.2A CN201410142493A CN103927351B CN 103927351 B CN103927351 B CN 103927351B CN 201410142493 A CN201410142493 A CN 201410142493A CN 103927351 B CN103927351 B CN 103927351B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- minutiae
- training
- index table
- attitude
- 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 65
- 238000012549 training Methods 0.000 claims abstract description 95
- 238000013507 mapping Methods 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims description 74
- 230000006870 function Effects 0.000 claims description 59
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000009466 transformation Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000011840 criminal investigation Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于姿态校正的指纹检索方法及系统，其中，检索方法包括以下步骤：获取指纹库中多个指纹图像的姿态信息；对每个指纹图像进行姿态校正；通过训练指纹图像得到姿态校正算法的误差；根据误差将每个指纹图像分为多个区域，并为多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表；学习关键字对应的细节点个数和权重间的映射，建立权重函数；对查询指纹进行姿态校正，并通过权重函数与指纹库的倒排索引表进行检索。根据本发明实施例的指纹检索方法，通过对指纹库中多个指纹图像进行姿态校正，并对每个指纹图像进行分区，其次，在对查询指纹进行姿态校正之后，从指纹库中进行检索，提高了检索精度和效率。
Description
技术领域
本发明涉及指纹检索技术领域，特别涉及一种基于姿态校正的指纹检索方法及系统。
背景技术
在相关技术中，主流的指纹检索方法是基于细节点描述子和倒排表技术。其中，细节点描述子可以是单个细节点的邻域内的特征，也可以是细节点对或者细节点三元组的属性。相关技术中的检索方法包括离线的建立索引阶段和在线的查询阶段。具体地，在离线阶段，通过直接量化方法或者哈希函数等将库指纹的所有细节点描述子映射成为关键字，并将细节点编号存储到对应的关键字内组成倒排索引表；在查询阶段，以同样方式将查询指纹的细节点描述子映射成为关键字，通常认为映射到同一关键字的细节点描述子间相互匹配，因此，倒排索引表中与查询关键字一致的关键字所对应的细节点列表即是可能的候选集合，再通过一些评分策略，对候选指纹图像进行排序，输出最终检索结果。
然而，相关技术中的指纹检索方法传忽略了姿态约束，导致对于不匹配的指纹，容易出现许多错误匹配的描述子，限制了检索方法的性能，检索精度不高。另外，相关技术中还有的检索方法通过对匹配细节点做变换参数聚类，然后删除与最优变换参数不一致的匹配点，虽然利用了姿态约束，精度比不用姿态约束高，但是速度很慢，导致检索效率不高。
发明内容
本申请是基于发明人对以下问题的认识和发现作出的：
由于指纹具有唯一性、普遍性和终生不变性等重要性质，利用指纹图像进行身份识别已经有了很长的历史。尤其是在公安刑侦领域，自20世纪初期以来，指纹逐渐成为了执法机构逮捕和判定罪犯有罪的最重要的证据之一。近年来，自动指纹识别技术的发展与成熟使得指纹识别被广泛地应用于公安刑侦、出入境、门禁系统和重要设备的权限控制等应用中。
其中，公共安全应用中往往对识别技术的精度要求较高。然而在保证精度的前提下，识别算法的效率也随着数据库容量的增大而愈显重要，尤其是在通关口岸、经济交易或者其它对身份认证实时性有较高要求的应用场合中。尽管目前指纹匹配技术已经达到了较高的水平，但在大数据指纹容量下，靠一对一的指纹匹配算法所花费的时间无法很好地满足使用者的要求。
大数据库下的自动指纹识别系统一般会在系统中增加预选步骤，以加快查找过程。预选步骤根据查询样本的特征动态地从数据库中挑选出小部分匹配可能性较高的样本再进行精细匹配，得出最终的匹配结果，这个预选过程也称为指纹检索。
然而，相关技术中的指纹检索方法或者忽略了姿态约束，导致检索精度不高，或者利用了姿态约束，精度比不用姿态约束高，但是速度很慢，导致检索效率不高，无法很好地满足使用者的需求。
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种既能利用姿态约束，又能保证速度，提高检索的精度和效率的基于姿态校正的指纹检索方法。
本发明的另一个目的在于提出一种基于姿态校正的指纹检索系统。
为达到上述目的，本发明一方面实施例提出了一种基于姿态校正的指纹检索方法，包括以下步骤：获取指纹库中多个指纹图像的姿态信息；根据所述姿态信息利用指纹姿态估计算法分别对每个指纹图像进行姿态校正；通过训练指纹图像得到所述指纹姿态估计算法的误差；根据所述指纹姿态估计算法的误差分别将所述指纹库中的每个指纹图像分为多个区域，每个区域包含所述每个指纹图像的多个细节点，并分别为所述多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表；根据所述训练指纹的倒排索引表学习关键字对应的细节点个数和所述关键字的权重之间的映射，并建立所述关键字的权重函数；以及对查询指纹进行所述姿态校正，并通过所述权重函数与所述指纹库的倒排索引表从所述指纹库中进行检索。
根据本发明实施例的基于姿态校正的指纹检索方法，首先通过对指纹库中多个指纹图像进行姿态校正，并通过训练指纹图像得到指纹姿态估计算法的误差，从而将指纹库中的每个指纹图像分为多个区域，并分别为多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表，其次通过训练指纹的倒排索引表学习关键字权重间的映射，并建立关键字的权重函数，最后在对查询指纹进行姿态校正之后，通过权重函数与指纹库的倒排索引表从指纹库中进行检索，提高了检索精度和效率，实现了既能利用姿态约束，又能保证检索的速度的目的。
另外，根据本发明上述实施例的基于姿态校正的指纹检索方法还可以具有如下附加的技术特征：
在本发明的一个实施例中，所述训练指纹图像中每个训练指纹包含至少两个成对的训练指纹的指纹图像。
进一步地，在本发明的一个实施例中，所述通过训练指纹图像得到所述指纹姿态估计算法的误差具体包括：根据所述指纹姿态估计算法得到所述训练指纹的中心位置和角度，以对所述训练指纹图像进行所述姿态校正；提取所述训练指纹图像的细节点作为所述检索特征，并通过学习所述训练指纹图像的细节点的偏差，以得到所述指纹姿态估计算法的误差。
进一步地，在本发明的一个实施例中，根据所述指纹姿态估计算法的误差得到分区后的重叠区域的大小，且所述重叠区域的细节点出现在多个相应区域的倒排索引表中。
进一步地，在本发明的一个实施例中，所述对查询指纹进行所述姿态校正，并通过所述权重函数与所述指纹库的倒排索引表从所述指纹库中进行检索具体包括：通过所述指纹姿态估计算法得到查询指纹的中心位置和方向，以对所述查询指纹图像进行所述姿态校正；提取所述查询指纹图像的细节点作为所述检索特征，并根据所述查询指纹图像的细节点和所述权重函数通过所述指纹库的倒排索引表进行检索和排序，并输出检索结果。
在本发明的另一个实施例提出了一种基于姿态校正的指纹检索系统，包括：获取模块，用于获取指纹库中多个指纹图像的姿态信息；校正模块，用于根据所述姿态信息利用指纹姿态估计算法分别对每个指纹图像进行姿态校正；计算模块，用于通过训练指纹图像得到所述指纹姿态估计算法的误差；控制模块，用于根据所述指纹姿态估计算法的误差分别将所述指纹库中的每个指纹图像分为多个区域，每个区域包含所述每个指纹图像的多个细节点，并分别为所述多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表；学习模块，用于根据所述训练指纹的倒排索引表学习关键字对应的细节点个数和所述关键字的权重之间的映射，并建立所述关键字的权重函数；以及检索模块，用于对查询指纹进行所述姿态校正，并通过所述权重函数与所述指纹库的倒排索引表从所述指纹库中进行检索。
根据本发明实施例的基于姿态校正的指纹检索系统，首先通过对指纹库中多个指纹图像进行姿态校正，并通过训练指纹图像得到指纹姿态估计算法的误差，从而将指纹库中的每个指纹图像分为多个区域，并分别为多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表，其次通过训练指纹的倒排索引表学习关键字权重间的映射，并建立关键字的权重函数，最后在对查询指纹进行姿态校正之后，通过权重函数与指纹库的倒排索引表从指纹库中进行检索，提高了检索精度和效率，实现了既能利用姿态约束，又能保证检索的速度的目的。
另外，根据本发明上述实施例的基于姿态校正的指纹检索系统还可以具有如下附加的技术特征：
在本发明的一个实施例中，所述训练指纹图像中每个训练指纹包含至少两个成对训练指纹的指纹图像。
进一步地，在本发明的一个实施例中，所述计算模块包括：第一校正子模块，用于根据所述指纹姿态估计算法得到所述训练指纹的中心位置和角度，以对所述训练指纹图像进行所述姿态校正；学习子模块，用于提取所述训练指纹图像的细节点作为所述检索特征，并通过学习所述训练指纹图像的细节点的偏差，以得到所述指纹姿态估计算法的误差。
进一步地，在本发明的一个实施例中，所述控制模块还用于根据所述指纹姿态估计算法的误差得到分区后的重叠区域的大小，且所述重叠区域的细节点出现在多个相应区域的倒排索引表中。
进一步地，在本发明的一个实施例中，所述检索模块包括：第二校正子模块，用于通过所述指纹姿态估计算法得到查询指纹的中心位置和方向，以对所述查询指纹图像进行所述姿态校正；检索子模块，用于提取所述查询指纹图像的细节点作为所述检索特征，并根据所述查询指纹图像的细节点和所述权重函数通过所述指纹库的倒排索引表进行检索和排序，并输出检索结果。
本发明附加的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
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的基于姿态校正的指纹检索方法的流程图；
图2为根据本发明一个实施例的一种指纹姿态估计算法估计的参考点和线所指示的方向为参考方向的示意图；
图3为根据本发明一个实施例的校正后的指纹图像的示意图；
图4为根据本发明一个实施例的两幅指纹图像的细节点位置的示意图；
图5为根据本发明一个实施例的位置估计误差的分布示意图；
图6为根据本发明一个实施例的角度估计误差的分布示意图；
图7为根据本发明一个实施例的位置区域划分方式的示意图；
图8为根据本发明一个实施例的倒排索引表中关键字对应的细节点列表长度与对应真实匹配比例之间的关系示意图；
图9为根据本发明一个具体实施例的基于姿态校正的指纹检索方法的流程图；
图10为根据本发明另一个具体实施例的基于姿态校正的指纹检索方法的流程图；
图11为根据本发明实施例的基于姿态校正的指纹检索系统的结构示意图；以及
图12为根据本发明一个具体实施例的基于姿态校正的指纹检索系统的结构示意图。
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，仅用于解释本发明，而不能解释为对本发明的限制。
下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，
并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或字母。
这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的可应用于性和/或其他材料的使用。另外，以下描述的第一特征在第二特征之“上”的结构可以包括第一和第二特征形成为直接接触的实施例，也可以包括另外的特征形成在第一和第二特征之间的实施例，这样第一和第二特征可能不是直接接触。
在本发明的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，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的具体含义。
下面参照附图描述根据本发明实施例提出的基于姿态校正的检索方法及系统，首先将参照附图描述根据本发明实施例提出的基于姿态校正的检索方法。如图1所示，该基于姿态校正的检索方法包括以下步骤：
S101，获取指纹库中多个指纹图像的姿态信息。
在本发明的一个实施例中，本发明实施例的检索方法分为两个阶段，分别为离线阶段和在线阶段。其中，离线阶段仅进行一次，主要目标是建立指纹库的倒排索引表。在线阶段将对查询指纹进行姿态校正，并进行检索。
具体地，本发明实施例的检索方法对指纹库中所有指纹图像统一进行姿态校正，考虑了指纹全局几何约束信息，并且在采集姿势不标准情况下，相比相关技术中的指纹检索方法精度更高，另外，所有指纹图像只需进行一次姿态校正操作，库指纹的姿态校正可以离线完成，提高了检索效率。因此，在本发明的实施例中，本发明实施例的检索方法首先获取指纹库中多个指纹图像的姿态信息，为下一步骤做准备。
S102，根据姿态信息利用指纹姿态估计算法分别对每个指纹图像进行姿态校正。
在本发明的一个实施例中，参照图2和图3所示，由于指纹在图像中位置和方向的任意性，不同指纹图像的对应位置的图像没有可比性，需要将指纹图像调整到统一的坐标系下。其中，指纹的姿态校正是指预先将指纹图像调整到统一的坐标系下，使之具有标准的位置和方向，这样同一指纹的不同指纹图像可直接进行比较。
进一步地，指纹姿态估计算法可以估计出指纹的姿态，包括参考点和参考方向。常用的指纹姿态估计算法包括基于指纹中心点的方法、基于焦点的方法、以及基于全局方向场的方法等。需要说明的是，本发明实施例不局限于具体的指纹姿态估计算法。具体而言，如图2所示，中心点c为一种指纹姿态估计算法估计的参考点和线l所指示的方向为参考方向，由参考点例如中心点c和参考方向例如线l所指示的方向与标准位置之间的偏差即可计算出校正所需的旋转平移量，例如在本发明实施例中指定标准姿态的指纹的参考点在图像中心、参考方向为竖直向上，则图2中指纹图像校正后所得图像为如图3所示的指纹图像。
S103，通过训练指纹图像得到指纹姿态估计算法的误差。
具体地，参照图9所示，通过训练指纹图像得到指纹姿态估计算法的误差具体包括以下步骤：
S901，根据指纹姿态估计算法得到训练指纹的中心位置和角度，以对训练指纹图像进行姿态校正。
S902，提取训练指纹图像的细节点作为检索特征，并通过学习训练指纹图像的细节点的偏差，以得到指纹姿态估计算法的误差。
其中，在本发明的一个实施例中，本发明实施例的检索方法主要是利用成对的训练指纹图像对指纹姿态估计算法进行误差估计。其中，指纹姿态估计算法的估计误差会导致姿态校正后的训练指纹图像对应细节点的位置有一定偏差，参照图4所示，方框与星标分别表示两幅指纹图像的细节点位置，直线段标识出细节点间的对应关系。进一步地，在本发明的一个实施例中，本发明实施例使用RANSAC方法估计两个细节点集之间的刚体变换，并将刚体变换的平移、旋转量作为姿态估计误差。另外，在本发明的一个实施例中，参照图5和图6所示，本发明实施例对多个训练指纹图像的估计误差进行统计，图5和图6分别为细节点的位置及角度估计误差即偏差的分布。在本发明的一个实施例中，训练指纹图像中每个训练指纹包含至少两个成对的训练指纹的指纹图像，在本发明实施例中以每个训练指纹包含两个成对的训练指纹的指纹图像为例进行描述。
S104，根据指纹姿态估计算法的误差分别将指纹库中的每个指纹图像分为多个区域，每个区域包含每个指纹图像的多个细节点，并分别为多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表。
进一步地，在本发明的一个实施例中，基于细节点的指纹检索通常基于倒排索引表技术，因此本发明实施例的检索方法根据姿态校正后细节点所在位置和角度的不同，对指纹库中的每个指纹图像分为多个区域，即进行分区，并分别为多个指纹图像中的同一区域建立对应的倒排索引表。参照图7所示，图7所示为一种位置区域划分方式，图中将整个指纹图像划分为4个区域，分别由不同方向的直线段覆盖，每个区域分别建立自己的倒排索引表。换句话说，每个区域内部的细节点只将细节点编号存储在对应区域的倒排索引表中。
进一步地，根据指纹姿态估计算法的误差得到分区后的重叠区域的大小，且重叠区域的细节点出现在多个相应区域的倒排索引表中。
具体地，考虑到指纹估计算法的估计误差，划分区域时有一定的重叠区域，图7中重叠区参数dx=dv＝100 pixels由指纹姿态估计算法的位置误差确定。因此，参照图7所示，非重叠区的细节点只会在该区域的倒排索引表中出现，而重叠区的细节点则会出现在多个相应区域的倒排索引表内。
进一步地，在本发明的一个实施例中，对于不同角度的细节点也可以相似方式分区建立倒排索引表：将0°-360°划分为多个区间，每个细节点根据角度的不同，参与相应区间倒排索引表的建立，其中，相邻区间的重叠范围可由角度误差确定。
S105，根据训练指纹的倒排索引表学习关键字对应的细节点的个数和关键字的权重之间的映射，并建立关键字的权重函数。
在本发明的另一个实施例中，在每个区域的倒排索引表的建立时，每个细节点的细节点描述子mi均由固定的T个映射函数{ft(x),t＝1,2,…,T}将细节点描述子映射成为T个关键字，每个映射函数对应一个倒排索引表，细节点编号和指纹编号存储于对应索引表的关键字内。在本发明的实施例中，本发明实施例采用的映射函数取决于所采用的细节点描述子，且本发明实施例不局限于特定的细节点描述子，也不局限于特定的映射函数。
进一步地，在本发明的实施例中，在倒排索引表中，每个关键字对应的细节点的细节点描述子个数不同，对应细节点描述子多的关键字由于存在于多个指纹图像当中，区分力会比对应细节点描述子少的关键字弱。因此，对于对应细节点描述子多的关键字，降低其匹配时对整体匹配分数的贡献即权重，相反地，提高对应细节点描述子少的关键字匹配时对整体匹配分数的贡献是在检索过程中体现细节点描述子区分力的方法之一。
进一步地，在本发明的一个实施例中，本发明实施例的检索方法通过建立训练指纹的倒排索引表，从而建立训练指纹库的倒排索引表，并统计所得训练指纹库的倒排索引表中关键字对应细节点的细节点描述子个数与其中真实匹配比例的关系作为建立关键字权重函数的依据，真实匹配比例高的关键字权重也会相对较大。训练指纹图像中每个指纹都包含两个成对的指纹图像，因此关键字对应的细节点描述子列表中会有来源于同一个指纹的指纹图像记录。在本发明的一个具体实施例中，参照图8所示，例如某一关键字k对应的细节点列表长度为n，其中有m个细节点来源于相同的指纹，则令真实匹配比例为所得的倒排索引表中关键字对应的细节点列表长度与对应真实匹配比例即具有相同细节点列表长度的关键字的真实匹配比例的平均值之间的关系如图8所示。其中，由于关键字对应的细节点列表长度与样本数量相关，可将关键字对应的细节点列表长度与样本细节点总数N之比作为关键字权重的自变量进行归一化，重新统计细节点列表长度与样本细节点总数N之比与对应真实匹配比例之间的关系，并对该曲线进行拟合，得到的函数作为关键字权重函数，即w(k)＝g(n/N)。
S106，对查询指纹进行姿态校正，并通过权重函数与指纹库的倒排索引表从指纹库中进行检索。
具体地，参照图10所示，对查询指纹进行姿态校正，并通过权重函数与指纹库的倒排索引表从指纹库中进行检索具体包括以下步骤：
S1001，通过指纹姿态估计算法得到查询指纹的中心位置和方向，以对查询指纹图像进行姿态校正。
S1002，提取查询指纹图像的细节点作为检索特征，并根据查询指纹图像的细节点和权重函数通过指纹库的倒排索引表进行检索和排序，并输出检索结果。
具体而言，在线阶段将在指纹库中查询输入指纹图像进行检索。首先，根据指纹姿态估计算法对查询指纹进行姿态校正，提取查询指纹的指纹图像的细节点的细节点描述子特征作为检索特征；其次，对于每个细节点描述子mi使用建立指纹库的倒排表时所使用的映射函数集合{ft(x),t＝1,2,…,T}将检索特征即细节点描述子映射成为关键字，再根据细节点所在位置和方向及使用的映射函数分别在对应的倒排索引表里找出具有相同关键字的细节点描述子，并计算每个候选细节点描述子mj的得分其中，式中，ft(mi)为细节点经过映射后所得的关键字，ft(mi)＝ft(mj)表示细节点mi与细节点mj在被映射函数ft映射成为相同的关键字时，otherwise则表示细节点mi与细节点mj在被映射函数ft映射成为不同的关键字时；在计算mj的得分时，若它与细节点mi在映射函数ft的映射下具有相同的关键字，则对关键字的权重w(ft(mi))进行累积，作为mj的得分；最后，计算候选库指纹图像的得分并进行排序。其中，每个库指纹的得分为它与查询指纹相匹配的细节点描述子的得分总和本发明实施例的检索方法利用成对的训练样本学习对应细节点的偏差对指纹姿态估计算法的误差进行估计，并根据细节点的位置与方向不同，分区建立倒排索引表，尤其是只在对应区域进行检索，提高了检索效率，以及在对检索结果进行排序时，考虑了各个特征区分力的不同，以权重的方式突出了匹配特征集合中的较为重要的元素，提高了指纹检索的精度。
根据本发明实施例的基于姿态校正的指纹检索方法，首先通过对指纹库中多个指纹图像进行姿态校正，并通过训练指纹图像得到指纹姿态估计算法的误差，从而将指纹库中的每个指纹图像分为多个区域，并分别为多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表，其次通过训练指纹的倒排索引表学习关键字权重间的映射，并建立关键字的权重函数，最后在对查询指纹进行姿态校正之后，通过权重函数与指纹库的倒排索引表从指纹库中进行检索，提高了检索精度和效率，实现了既能利用姿态约束，又能保证检索的速度的目的。
图11为根据本发明实施例的基于姿态校正的指纹检索系统的结构示意图。参照图12所示，根据本发明实施例的基于姿态校正的指纹检索系统以下简称检索系统100包括：获取模块10、校正模块20、计算模块30、控制模块40、学习模块50及检索模块60。
其中，获取模块10用于获取指纹库中多个指纹图像的姿态信息。校正模块20用于根据姿态信息利用指纹姿态估计算法分别对每个指纹图像进行姿态校正。计算模块30用于通过训练指纹图像得到指纹姿态估计算法的误差。控制模块40用于根据指纹姿态估计算法的误差分别将指纹库中的每个指纹图像分为多个区域，每个区域包含每个指纹图像的多个细节点，并分别为多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表。学习模块50用于根据训练指纹的倒排索引表学习关键字对应的细节点个数和关键字的权重之间的映射，并建立关键字的权重函数。检索模块60用于对查询指纹进行姿态校正，并通过权重函数与指纹库的倒排索引表从指纹库中进行检索。
在本发明的一个实施例中，本发明实施例的检索系统100进行检索时分为两个阶段，分别为离线阶段和在线阶段。其中，离线阶段仅进行一次，主要目标是建立指纹库的倒排索引表。在线阶段将对查询指纹进行姿态校正，并进行检索。
具体地，本发明实施例的检索系统100对指纹库中所有指纹图像统一进行姿态校正，考虑了指纹全局几何约束信息，并且在采集姿势不标准情况下，相比相关技术中的指纹检索系统精度更高，另外，所有指纹图像只需进行一次姿态校正操作，库指纹的姿态校正可以离线完成，提高了检索效率。
在本发明的一个实施例中，参照图2和图3所示，由于指纹在图像中位置和方向的任意性，不同指纹图像的对应位置的图像没有可比性，需要将指纹图像调整到统一的坐标系下。其中，指纹的姿态校正是指预先将指纹图像调整到统一的坐标系下，使之具有标准的位置和方向，这样同一指纹的不同指纹图像可直接进行比较。
进一步地，指纹姿态估计算法可以估计出指纹的姿态，包括参考点和参考方向。常用的指纹姿态估计算法包括基于指纹中心点的方法、基于焦点的方法、以及基于全局方向场的方法等。需要说明的是，本发明实施例不局限于具体的指纹姿态估计算法。具体而言，如图2所示，中心点c为一种指纹姿态估计算法估计的参考点和线l所指示的方向为参考方向，由参考点例如中心点c和参考方向例如线l所指示的方向与标准位置之间的偏差即可计算出校正所需的旋转平移量，例如在本发明实施例中指定标准姿态的指纹的参考点在图像中心、参考方向为竖直向上，则图2中指纹图像校正后所得图像为如图3所示的指纹图像。
具体地，在本发明的一个实施例中，参照图12所示，计算模块30包括：第一校正子模块31和学习子模块32。
其中，第一校正子模块31用于根据指纹姿态估计算法得到训练指纹的中心位置和角度，以对训练指纹图像进行所述姿态校正。学习子模块32用于提取训练指纹图像的细节点作为检索特征，并通过学习训练指纹图像的细节点的偏差，以得到指纹姿态估计算法的误差。
其中，在本发明的一个实施例中，本发明实施例的检索系统100主要是利用成对的训练指纹图像对指纹姿态估计算法进行误差估计。其中，指纹姿态估计算法的估计误差会导致姿态校正后的训练指纹图像对应细节点的位置有一定偏差，参照图4所示，方框与星标分别表示两幅指纹图像的细节点位置，直线段标识出细节点间的对应关系。进一步地，在本发明的一个实施例中，本发明实施例使用RANSAC方法估计两个细节点集之间的刚体变换，并将刚体变换的平移、旋转量作为姿态估计误差。另外，在本发明的一个实施例中，参照图5和图6所示，本发明实施例对多个训练指纹图像的估计误差进行统计，图5和图6分别为细节点的位置及角度估计误差即偏差的分布。在本发明的一个实施例中，训练指纹图像中每个训练指纹包含至少两个成对的训练指纹的指纹图像，在本发明实施例中以每个训练指纹包含两个成对的训练指纹的指纹图像为例进行描述。
进一步地，在本发明的一个实施例中，基于细节点的指纹检索通常基于倒排索引表技术，因此本发明实施例的检索方法根据姿态校正后细节点所在位置和角度的不同，对指纹库中的每个指纹图像分为多个区域，即进行分区，并分别为多个指纹图像中的同一区域建立对应的倒排索引表。参照图7所示，图7所示为一种位置区域划分方式，图中将整个指纹图像划分为4个区域，分别由不同方向的直线段覆盖，每个区域分别建立自己的倒排索引表。换句话说，每个区域内部的细节点只将细节点编号存储在对应区域的倒排索引表中。
进一步地，在本发明的一个实施例中，控制模块40还用于根据指纹姿态估计算法的误差得到分区后的重叠区域的大小，且重叠区域的细节点出现在多个相应区域的倒排索引表中。
具体地，考虑到指纹估计算法的估计误差，划分区域时有一定的重叠区域，图7中重叠区参数dx=dv=100 pixels由指纹姿态估计算法的位置误差确定。因此，参照图7所示，非重叠区的细节点只会在该区域的倒排索引表中出现，而重叠区的细节点则会出现在多个相应区域的倒排索引表内。
进一步地，在本发明的一个实施例中，对于不同角度的细节点也可以相似方式分区建立倒排索引表：将0°-360°划分为多个区间，每个细节点根据角度的不同，参与相应区间倒排索引表的建立，其中，相邻区间的重叠范围可由角度误差确定。
在本发明的另一个实施例中，在每个区域的倒排索引表的建立时，每个细节点的细节点描述子mi均由固定的T个映射函数{ft(x),t＝1,2,…,T}将细节点描述子映射成为T个关键字，每个映射函数对应一个倒排索引表，细节点编号和指纹编号存储于对应索引表的关键字内。在本发明的实施例中，本发明实施例采用的映射函数取决于所采用的细节点描述子，且本发明实施例不局限于特定的细节点描述子，也不局限于特定的映射函数。
进一步地，在本发明的实施例中，在倒排索引表中，每个关键字对应的细节点的细节点描述子个数不同，对应细节点描述子多的关键字由于存在于多个指纹图像当中，区分力会比对应细节点描述子少的关键字弱。因此，对于对应细节点描述子多的关键字，降低其匹配时对整体匹配分数的贡献即权重，相反地，提高对应细节点描述子少的关键字匹配时对整体匹配分数的贡献是在检索过程中体现细节点描述子区分力的方法之一。
进一步地，在本发明的一个实施例中，本发明实施例的检索方法通过建立训练指纹的倒排索引表，从而建立训练指纹库的倒排索引表，并统计所得训练指纹库的倒排索引表中关键字对应细节点的细节点描述子个数与其中真实匹配比例的关系作为建立关键字权重函数的依据，真实匹配比例高的关键字权重也会相对较大。训练指纹图像中每个指纹都包含两个成对的指纹图像，因此关键字对应的细节点描述子列表中会有来源于同一个指纹的指纹图像记录。在本发明的一个具体实施例中，参照图8所示，例如某一关键字k对应的细节点列表长度为n，其中有m个细节点来源于相同的指纹，则令真实匹配比例为所得的倒排索引表中关键字对应的细节点列表长度与对应真实匹配比例即具有相同细节点列表长度的关键字的真实匹配比例的平均值之间的关系如图8所示。其中，由于关键字对应的细节点列表长度与样本数量相关，可将关键字对应的细节点列表长度与样本细节点总数N之比作为关键字权重的自变量进行归一化，重新统计细节点列表长度与样本细节点总数N之比与对应真实匹配比例之间的关系，并对该曲线进行拟合，得到的函数作为关键字权重函数，即w(k)＝g(n/N)。
进一步地，在本发明的一个实施例中，参照图12所示，检索模块60包括：第二校正子模块61和检索子模块62。
其中，第二校正子模块61用于通过指纹姿态估计算法得到查询指纹的中心位置和方向，以对查询指纹图像进行姿态校正。检索子模块62用于提取查询指纹图像的细节点作为检索特征，并根据查询指纹图像的细节点和权重函数通过指纹库的倒排索引表进行检索和排序，并输出检索结果。
具体地，在本发明的一个实施例中，在线阶段将在指纹库中查询输入指纹图像进行检索。首先，根据指纹姿态估计算法对查询指纹进行姿态校正，提取查询指纹的指纹图像的细节点的细节点描述子特征作为检索特征；其次，对于每个细节点描述子mi使用建立指纹库的倒排表时所使用的映射函数集合{ft(x),t＝1,2,…,T}将检索特征即细节点描述子映射成为关键字，再根据细节点所在位置和方向及使用的映射函数分别在对应的倒排索引表里找出具有相同关键字的细节点描述子，并计算每个候选细节点描述子mj的得分其中，式中，ft(mi)为细节点经过映射后所得的关键字，ft(mi)＝ft(mj)表示细节点mi与细节点mj在被映射函数ft映射成为相同的关键字时，otherwise则表示细节点mi与细节点mj在被映射函数ft映射成为不同的关键字时；在计算mj的得分时，若它与细节点mi在映射函数ft的映射下具有相同的关键字，则对关键字的权重w(ft(mi))进行累积，作为mj的得分；最后，计算候选库指纹图像的得分并进行排序。其中，每个库指纹的得分为它与查询指纹相匹配的细节点描述子的得分总和本发明实施例的检索系统利用成对的训练样本学习对应细节点的偏差对指纹姿态估计算法的误差进行估计，并根据细节点的位置与方向不同，分区建立倒排索引表，尤其是只在对应区域进行检索，提高了检索效率，以及在对检索结果进行排序时，考虑了各个特征区分力的不同，以权重的方式突出了匹配特征集合中的较为重要的元素，提高了指纹检索的精度。
根据本发明实施例的基于姿态校正的指纹检索系统，首先通过对指纹库中多个指纹图像进行姿态校正，并通过训练指纹图像得到指纹姿态估计算法的误差，从而将指纹库中的每个指纹图像分为多个区域，并分别为多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表，其次通过训练指纹的倒排索引表学习关键字权重间的映射，并建立关键字的权重函数，最后在对查询指纹进行姿态校正之后，通过权重函数与指纹库的倒排索引表从指纹库中进行检索，提高了检索精度和效率，实现了既能利用姿态约束，又能保证检索的速度的目的。
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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。另外，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至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
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。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同限定。
Claims (10)
1.一种基于姿态校正的指纹检索方法，其特征在于，包括以下步骤：
获取指纹库中多个指纹图像的姿态信息；
根据所述姿态信息利用指纹姿态估计算法分别对每个指纹图像进行姿态校正；
通过训练指纹图像得到所述指纹姿态估计算法的误差；
根据所述指纹姿态估计算法的误差分别将所述指纹库中的每个指纹图像分为多个区域，每个区域包含所述每个指纹图像的多个细节点，并分别为所述多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表；
根据所述训练指纹的倒排索引表学习关键字对应的细节点个数和所述关键字的权重之间的映射，并建立所述关键字的权重函数；以及
对查询指纹进行所述姿态校正，并通过所述权重函数与所述指纹库的倒排索引表从所述指纹库中进行检索。
2.如权利要求1所述的方法，其特征在于，所述训练指纹图像中每个训练指纹包含多个独立采集的指纹图像。
3.如权利要求1所述的方法，其特征在于，所述通过训练指纹图像得到所述指纹姿态估计算法的误差具体包括：
根据所述指纹姿态估计算法得到所述训练指纹的中心位置和角度，以对所述训练指纹图像进行所述姿态校正；
提取所述训练指纹图像的细节点作为第一检索特征，并通过学习所述训练指纹图像的细节点的偏差，以得到所述指纹姿态估计算法的误差。
4.如权利要求3所述的方法，其特征在于，根据所述指纹姿态估计算法的误差得到分区后的重叠区域的大小，且所述重叠区域的细节点出现在多个相应区域的倒排索引表中。
5.如权利要求1所述的方法，其特征在于，所述对查询指纹进行所述姿态校正，并通过所述权重函数与所述指纹库的倒排索引表从所述指纹库中进行检索具体包括：
通过所述指纹姿态估计算法得到查询指纹的中心位置和方向，以对所述查询指纹图像进行所述姿态校正；
提取所述查询指纹图像的细节点作为第二检索特征，并根据所述查询指纹图像的细节点和所述权重函数通过所述指纹库的倒排索引表进行检索和排序，并输出检索结果。
6.一种基于姿态校正的指纹检索系统，其特征在于，包括：
获取模块，用于获取指纹库中多个指纹图像的姿态信息；
校正模块，用于根据所述姿态信息利用指纹姿态估计算法分别对每个指纹图像进行姿态校正；
计算模块，用于通过训练指纹图像得到所述指纹姿态估计算法的误差；
控制模块，用于根据所述指纹姿态估计算法的误差分别将所述指纹库中的每个指纹图像分为多个区域，每个区域包含所述每个指纹图像的多个细节点，并分别为所述多个指纹图像中的同一区域建立对应的倒排索引表、指纹库及训练指纹的倒排索引表；
学习模块，用于根据所述训练指纹的倒排索引表学习关键字对应的细节点个数和所述关键字的权重之间的映射，并建立所述关键字的权重函数；以及
检索模块，用于对查询指纹进行所述姿态校正，并通过所述权重函数与所述指纹库的倒排索引表从所述指纹库中进行检索。
7.如权利要求6所述的系统，其特征在于，所述训练指纹图像中每个训练指纹包含多个独立采集的指纹图像。
8.如权利要求6所述的系统，其特征在于，所述计算模块包括：
第一校正子模块，用于根据所述指纹姿态估计算法得到所述训练指纹的中心位置和角度，以对所述训练指纹图像进行所述姿态校正；
学习子模块，用于提取所述训练指纹图像的细节点作为第一检索特征，并通过学习所述训练指纹图像的细节点的偏差，以得到所述指纹姿态估计算法的误差。
9.如权利要求6所述的系统，其特征在于，所述控制模块还用于根据所述指纹姿态估计算法的误差得到分区后的重叠区域的大小，且所述重叠区域的细节点出现在多个相应区域的倒排索引表中。
10.如权利要求6所述的系统，其特征在于，所述检索模块包括：
第二校正子模块，用于通过所述指纹姿态估计算法得到查询指纹的中心位置和方向，以对所述查询指纹图像进行所述姿态校正；
检索子模块，用于提取所述查询指纹图像的细节点作为第二检索特征，并根据所述查询指纹图像的细节点和所述权重函数通过所述指纹库的倒排索引表进行检索和排序，并输出检索结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410142493.2A CN103927351B (zh) | 2014-04-10 | 2014-04-10 | 基于姿态校正的指纹检索方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410142493.2A CN103927351B (zh) | 2014-04-10 | 2014-04-10 | 基于姿态校正的指纹检索方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103927351A CN103927351A (zh) | 2014-07-16 |
| CN103927351B true CN103927351B (zh) | 2017-06-06 |
Family
ID=51145572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410142493.2A Expired - Fee Related CN103927351B (zh) | 2014-04-10 | 2014-04-10 | 基于姿态校正的指纹检索方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103927351B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105469106B (zh) * | 2015-11-13 | 2018-06-05 | 广东欧珀移动通信有限公司 | 指纹识别方法、装置及终端设备 |
| CN105808747A (zh) * | 2016-03-14 | 2016-07-27 | 浪潮（苏州）金融技术服务有限公司 | 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 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101246543A (zh) * | 2008-03-18 | 2008-08-20 | 苏州纳米技术与纳米仿生研究所 | 基于仿生与生物特征识别的考试者身份鉴定系统 |
| CN102722701A (zh) * | 2012-05-24 | 2012-10-10 | 清华大学 | 指纹采集过程中的视觉监控方法及其设备 |
| CN202887214U (zh) * | 2012-11-13 | 2013-04-17 | 成都迪特福科技有限公司 | 基于人脸识别的人体身份识别装置 |
| CN103562911A (zh) * | 2011-05-17 | 2014-02-05 | 微软公司 | 基于姿势的视觉搜索 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130129162A1 (en) * | 2011-11-22 | 2013-05-23 | Shian-Luen Cheng | Method of Executing Software Functions Using Biometric Detection and Related Electronic Device |
-
2014
- 2014-04-10 CN CN201410142493.2A patent/CN103927351B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101246543A (zh) * | 2008-03-18 | 2008-08-20 | 苏州纳米技术与纳米仿生研究所 | 基于仿生与生物特征识别的考试者身份鉴定系统 |
| CN103562911A (zh) * | 2011-05-17 | 2014-02-05 | 微软公司 | 基于姿势的视觉搜索 |
| CN102722701A (zh) * | 2012-05-24 | 2012-10-10 | 清华大学 | 指纹采集过程中的视觉监控方法及其设备 |
| CN202887214U (zh) * | 2012-11-13 | 2013-04-17 | 成都迪特福科技有限公司 | 基于人脸识别的人体身份识别装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103927351A (zh) | 2014-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10127432B2 (en) | Derived virtual quality parameters for fingerprint matching | |
| US8041956B1 (en) | Method and system for biometric authentication | |
| Cao et al. | Graph-based discriminative learning for location recognition | |
| Gálvez-López et al. | Bags of binary words for fast place recognition in image sequences | |
| US8520903B2 (en) | Method and system of accounting for positional variability of biometric features | |
| Yue et al. | Hashing based fast palmprint identification for large-scale databases | |
| CN109934114B (zh) | 一种手指静脉模板生成与更新算法及系统 | |
| Iloanusi | Fusion of finger types for fingerprint indexing using minutiae quadruplets | |
| US9846801B2 (en) | Minutiae grouping for distorted fingerprint matching | |
| WO2008026414A1 (fr) | Procédé de reconnaissance d'image, dispositif de reconnaissance d'image et programme de reconnaissance d'image | |
| CN105808709A (zh) | 人脸识别快速检索方法及装置 | |
| JP7149976B2 (ja) | 誤り訂正方法及び装置、コンピュータ読み取り可能な媒体 | |
| US20170140192A1 (en) | Feature-Based Matcher for Distorted Fingerprint Matching | |
| US10474872B2 (en) | Fingerprint matching using virtual minutiae | |
| AU2011252761B2 (en) | Automatic identity enrolment | |
| US20210200994A1 (en) | Processing method of learning face recognition by artificial intelligence module | |
| CN112036362A (zh) | 图像处理方法、装置、计算机设备和可读存储介质 | |
| Han et al. | A novel loop closure detection method with the combination of points and lines based on information entropy | |
| CN103927351B (zh) | 基于姿态校正的指纹检索方法及系统 | |
| US10235344B2 (en) | Rank-based score normalization framework and methods for implementing same | |
| CN105320935A (zh) | 多模板指纹识别方法 | |
| US11386340B2 (en) | Method and apparatus for performing block retrieval on block to be processed of urine sediment image | |
| US7356170B2 (en) | Fingerprint matching method and system | |
| US10719690B2 (en) | Fingerprint sensor and method for processing fingerprint information | |
| Indrawan et al. | On analyzing of fingerprint direct-access strategies |
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: 20170606 Termination date: 20190410 |