CN104751040A - 基于智能移动信息设备的指纹检测方法 - Google Patents

Abstract

本发明涉及手机通信的安全性和生物识别领域，基于智能移动信息设备的指纹检测方法，包括：在预定距离范围内，开启所述智能移动信息设备的摄像头进行非接触式地手指图像信息的采集；对所采集的手指图像进行预处理，并对手指的大小进行自动切分和背景剥离；旋转所述手指图像的角度至合适的位置，提取出指纹特征；将上述获取的指纹特征与预先存储的模板进行匹配，如果匹配成功，则执行设定的相应功能，反之结束。本发明利用手机端就可以实现非接触式地指纹识别，采集指纹图像时不需要接触到采集器端面，减少了致病菌传播的可能性，并且不需要额外的成本较高的硬件采集设备。

Description

基于智能移动信息设备的指纹检测方法

技术领域

本发明涉及手机通信的安全性和生物识别技术领域，具体地涉及一种基于智能移动信息设备的指纹检测方法。

背景技术

苹果公司开启了触摸屏的时代，触摸屏手机已成为人们的新宠。手机发展的终端是“一机在手，走遍天下”。例如可以通过手机远程打开家里的热水器、可以通过手机进行银行转账业务、可以通过手机进行身份识别等。这小小的手机里存储了庞大的信息量，极大地方便和简化了人们的生活。但隐患问题便随之而来，那就是安全性问题。现在的手机大多采用多点触控解锁或者是简单的数字设定解密，这种手机加密功能极易被破解，不能保证机主信息的安全性。

指纹特征是人终生不变的特征之一，而且不同人的指纹特征相同的可能性几乎为零。人体指纹含有天然的密码信息，其具有作为密码信息必须具备的三个重要性质：广泛性，指每一个正常人都有指纹；唯一性， 指每一个人的指纹都不同；终生不变性， 指非意外事故指纹终身不变。因此，指纹识别技术，作为一种可靠的生物识别技术，受到了人们的重视。

现有的指纹识别都是以指纹采集器所获得的图像为基础来进行识别的，也就是说必须要有一个指纹采集器，包括各类图像、CIS、电容、电感等类型，并且是接触采集，这样现有的指纹识别技术有两个不足：一是成本较高，必须要有单独的硬件采集设备；二是接触采集手指信息，必须需要接触到采集器端面，增加病毒、细菌等致病菌的接触传播的可能性。

发明内容

本发明的目的是提供一种基于智能移动信息设备的指纹检测方法，可通过手机端实现非接触式指纹识别功能，解决现有指纹识别装置硬件成本过高、需要接触采集指纹图像的问题。

本发明的目的是通过下面的技术方案来实现的：

基于智能移动信息设备的指纹检测方法，所述智能移动信息设备具有摄像头，所述方法包括：

步骤（1）、在预定距离范围内，开启所述智能移动信息设备的摄像头进行非接触式地手指图像信息的采集；

步骤（2）、对所采集的手指图像进行预处理，并对手指的大小进行自动切分和背景剥离；

步骤（3）、旋转所述手指图像的角度至合适的位置，提取出指纹特征；

步骤（4）、将上述获取的指纹特征与预先存储的模板进行匹配，如果匹配成功，则执行设定的相应功能，反之结束。

优选地，所述步骤（2）中预处理包括图像增强和滤波。

优选地，所述步骤（2）中使用方差均值法进行背景剥离。

优选地，在所述方差均值法之前还通过归一法将所述手指图像变为低频图。

优选地，所述步骤（3）中提取出指纹特征具体包括：对所述预处理后的手指图像进行细化，通过细化图像提取特征点，所述指纹特征是指纹细节点。

优选地，所述指纹细节点包括分叉点、端点、环、岛，或者是端点和分叉点的组合。

优选地，提取出的特征点还经过伪特征点的去除，去除掉细化处理过程引入的伪特征点。

优选地，所述步骤（4）中的指纹匹配是将采集到的指纹细节点与模板中的细节点进行比对，完成指纹匹配。

优选地，所述预定距离由所述智能移动信息设备预先设置或者用户自定义。

优选地，所述设定的相应功能包括解锁、登录、移动支付中任意一种或者其组合功能。

这样，通过上述的技术方案，就可以达到这样的效果：利用手机端就可以实现非接触式地指纹识别，采集指纹图像时不需要接触到采集器端面，减少了致病菌传播的可能性，并且不需要额外的成本较高的硬件采集设备，同时针对如今触摸屏手机的安全性低而提出的安全性高、不易破解的解锁或认证方法，可以有效避免恶意盗取机主重要信息行为，保护机主的隐私。

附图说明

图1是本发明所提出的基于智能移动信息设备的指纹检测方法流程示意图。

具体实施方式

为了更好地理解本发明，下面结合附图参考实施例的描述，对本发明的方法和系统进行进一步的说明。

为了全面理解本发明，在以下详细描述中提到了众多具体细节。但是本领域技术人员应该理解，本发明可以无需这些具体细节而实现。在其他实施例中，不详细描述公知的方法、过程、组件和电路，以免不必要地使实施例繁琐。

如图1所示，本发明的目的是通过下面的技术方案来实现的：

基于智能移动信息设备的指纹检测方法，所述智能移动信息设备具有摄像头，所述方法包括：

步骤S101：摄像头非接触式采集手指图像信息，具体地，在预定距离范围内，开启所述智能移动信息设备（在本发明中具体采用智能手机尤其是电容式触摸屏的智能手机来示例说明）的摄像头，特别是利用所述智能手机的前置摄像头进行非接触式地手指图像信息的采集；

本实施例优选地，所述预定距离由所述智能移动信息设备预先设置或者用户自定义。因为所述距离的远近会影响到手指图像的大小和清晰度，以及周围背景噪声的引入，所述预定距离可以根据具体的智能手机前置摄像头像素高低以及识别算法精度来进行自动调整或者用户手动设置，只要其满足可以清晰采集手指图像并能进行识别即可。

可选地，本发明在采集手指图像之前，还需要对所述智能手机本地是否预先存储有手指特征模板进行判断，如果有则直接进行待识别手指图像的采集，如果没有，则将当前采集到的手指图像通过特征提取后或者直接对该图像进行手机本地存储，当然，现在也可以进行云端的识别，那么相应的手指模板也存储在云端。其次，该手指模板也可以是外部设备传输而来的。 

步骤S102：对所采集的手指图像进行预处理，并对手指的大小进行自动切分和背景剥离；

在实际应用中，有相当一部分要处理的指纹图像的质量是比较差的。本实施例中优选地，所述步骤中预处理包括图像增强和滤波。对于质量很差的图像，如果不经过特殊的增强处理，是很难正确地进行特征提取的。

本发明实施例中可选地，还可以包括一光照预处理过程，用于去除不同光照强度对图像灰度值的影响。在实际的手机拍摄头像中，光照影响较大，由于强光等因素影响，需要增加一个光照预处理步骤。图片的灰度值主要受到光照和局部表面反射系数的影响，通过分立光照可以减小它的影响。经过光照预处理基本上去除了阴影以及不同光照强度对图像灰度值的影响，同时保留了识别中有用的信息。

本发明实施例中可选地，指纹图像分割是所述图像预处理的一部分。指纹分割的最基本的依据是图像某些特征和特征集合。图像特征是指纹图像的固有属性,如灰度值,邻域关系,纹线的扭曲程度等。特征集合则是几种的结合。通过提取图像特征,可将原始图像映射到特征空间,使图像特征在特征空间中呈现一定的分布。因此根据以上的的灰度值领域关系，纹线的扭曲程度，指纹图像分割大致分为三类：基于像素的图像分割，基于块特征的图像分割以及基于全局的图像分割。

所述基于块特征的指纹图像分割为多种块基本特征如灰度均值、块灰度方差、块方向图等综合运用和重新定义块特征。其中块指的是将图像分个成一个个小的图像块。图像均值就是对每一个单位块的灰度值取均值，方差则反映该块中各点与均值的偏差性，这可以很好的反映纹理的变化趋势。它是利用正交坐标系下，原点到它们组成的坐标点的有向线段与X的正半轴的夹角可来表示该子块的块方向。这种方法最大的优点是易实现，很好体现出纹理。此方法的实现是利用方向滤波器。

所述基于全局的图像分割则是根据情况特别是某些特殊场合的利用，如残缺指纹。全局的图像分割可以是人工选定几个特定点后再根据全局的特点来处理，此法也可运用于指纹匹配。

本实施例中优选地，所述步骤中使用方差均值法进行背景剥离。

所述方差均值法是于背景区灰度方差小，而指纹区方差大的思想，将指纹图像分成块，计算每一块的方差，如果该块的方差小于阈值为背景，否则为前景。具体步骤分以下三步：

(1)将低频图分成M×M大小的无重叠方块，方块的大小以一谷一脊为宜。

(2)计算出每一块的均值和方差。

设指纹图像I的大小为H×L，I(i,j)为像素点(i,j)的灰度，AVE和VAR分别为原指纹图像的均值和方差，AVE和VAR可以通过公式(1)和(2)计算得到。

$\mathrm{AVE}=\frac{1}{H\×L}\underset{i=0}{\overset{H-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}I(i,j)---\left(1\right)$

$\mathrm{VAR}=\frac{1}{H\×L}\underset{i=0}{\overset{H-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}{(I(i,j)-\mathrm{AVE})}^2---\left(2\right)$

(3)如果计算得到的方差几乎接近于0就认为是背景，对于方差不为零的区域再进行阈值分割算法，这种算法主要是根据计算得到的方差来决定其是否为背景区。

本实施例中可选地，在所述方差均值法之前还通过归一法将所述手指图像变为低频图。

在使用方差均值法之前还要使用归一法将图变为低频图。归一化的目的是把不同原图像的对比度和灰度调整到一个固定的级别上，为后续处理提供一个较为统一的图像规格。指纹图像的归一化公式如式(3)所示，当大于平均值时为加。

$I(x,y)=\left\{\begin{array}{c}{\mathrm{AVE}}_0+\sqrt{\frac{{\mathrm{VAR}}_0{(I(x,y)-\mathrm{AVE})}^2}{\mathrm{VAR}}}\\ {\mathrm{AVE}}_0-\sqrt{\frac{{\mathrm{VAR}}_0{(I-(x,y)-\mathrm{AVE})}^2}{\mathrm{VAR}}}\end{array}\right.---\left(3\right)$

其中AVE₀和VAR₀为期望的灰度均值和方差。

用上述方差均值法分割既适用于比较圆滑的指纹，又适用纹线变化很大的指纹图像。在归一化处理降频和通过区域均值方差的后得到的图像条纹清晰，轮廓分明，对于后面的细化和匹配有很大的帮助。该方法快捷，损坏程度低。

步骤S103：旋转所述手指图像的角度至合适的位置，提取出指纹特征；

所述特征提取就是对细化后的指纹图像提取表示其特征的信息的操作。前述指纹图像预处理目的就是为指纹的特征提取和最终识别建立一个良好的基础，以保证整个系统识别率比较高。

对于特征点提取的常用算法很多，如：

(1)基于二值化的特征提取方法：这种算法对于预处理和增强后得指纹图像进行二值化，然后再提取特征点。

(2)基于直接灰度的特征提取方法：这种方法直接从灰度图像出发，通过分析图像的纹理属性和拓扑结构提取特征点。

(3)基于细化图像的特征提取方法：这种方法是将指纹图像处理后得到细化图像，通过细化图像提取特征点。

本实施例中优选地，所述步骤中提取出指纹特征具体包括：对所述预处理后的手指图像进行细化，通过细化图像提取特征点，所述指纹特征是指纹细节点。

为了比较两个指纹是否相同，需要从指纹图像中提取出能表示指纹唯一性的特征。所述指纹细节点是人工指纹匹配中最常用的特征。指纹由脊线和谷线交替构成，在大多数地方纹线连续且相互平行，而某些局部不连续的地方构成了细节点。所述指纹细节点具有唯一性，可以用于指纹匹配。

本实施例中优选地，所述指纹细节点包括分叉点、端点、环、岛，或者是端点和分叉点的组合。

本实施例中更进一步可选地，提取出的特征点还经过伪特征点的去除，去除掉细化处理过程引入的伪特征点。提取出的特征点还必须经过伪特征点的去除，尽可能地去除掉由于二值化、细化处理等过程引入的伪特征点。最后确定出特征点的类型、位置、方向。

步骤S104：指纹匹配，具体地，将上述获取的指纹特征与预先存储的模板进行匹配；

所述指纹匹配要解决的是对两幅给定指纹图像的特征模式进行比对，判断这两幅图像是否来自同一个人的同一手指。

具体的，所述指纹图像匹配方面，主要有基于图像，脊线结构和特征点的方法。基于特征点的匹配算法具有简单、快速、鲁棒性等优点。目前最为常用的方法是细节点坐标模型来做细节匹配。它利用脊线上的端点和分叉点这两种关键点来鉴定指纹。通过将细节点表示为点模式，一个指纹识别问题可以转化为一个点模式匹配问题。点匹配算法是通过某些变换，如平移变换、旋转变化、伸缩变换，可以把两个点集中的对应点匹配起来。从模板指纹和输入指纹中选取一个节点作为参考节点对，在进行节点匹配时先利用基准点将指纹对齐，然后再评估其它节点的匹配程度。

本实施例优选地，所述步骤中的指纹匹配是将采集到的指纹细节点与模板中的细节点进行比对，完成指纹匹配。

本发明实施例中优选地，选用图片的中心点。能获得参考点表明从被识别图像中获得的任意比特流与登记图像中获得的比特流相近，则有可能得出两图像相同的结果；没有参考点表明被识别图像完全是另一不同图像。当它们满足一定条件时即为匹配成功，不满足视为不匹配。匹配与否用success值返回。返回1说明匹配成功，返回0则匹配失败。

上述点判断条件本身就是一个人为的容错估计值，很小的出错不会影响最终的匹配结果。该方法处理信息少，虽然要一定的预处理，但快捷高效，出错小，适合本发明中的应用场景，即一对一匹配。

步骤S105：判断是否匹配成功，如果成功，则进入下一步；反之跳转到步骤S107；

步骤S106：执行设定的相应功能；

本实施例中优选地，所述设定的相应功能包括解锁、登录、移动支付中任意一种或者其组合功能。

步骤S107：结束本次指纹检测过程。

根据上述方法的示例，一个具体的应用场景可以是这样的：智能手机用户预先在手机存储其任一手指的图像或者是其手指图像经过特征提取后的指纹特征，比如，可以是大拇指。在所述智能手机锁屏的情况下，该用户伸出手掌，放在离该智能手机的前置摄像头下大概20cm的地方，自动拍摄或者用户手指触发某一按钮比如电源键即手动触发该拍摄操作，其后该手机处理器获得该用户的手指图像，因为此时初始获得的手指图像中会有多根手指和非用户手指的背景噪声，需要对不需要识别的手指进行自动切分和背景图像的分割，留取待识别的大拇指图像，对该待识别的大拇指图像进行二值化和细化，并自动将该大拇指图像旋转至一合适的位置，其旋转可以根据坐标系的中心点来确定，然后提取细化图像中的指纹细节点，将所述指纹细节点与预先存储的指纹模板进行匹配，如果匹配成功，则返回一响应信号，屏幕自动解锁。当然，在这里，如果因为某些原因，例如光照、拍摄角度、用户的手抖动等原因导致手指图像识别失败，可以预设一定时间内的识别次数，在该预设时间段内进行预设次数的拍摄和重新识别，例如5次没有匹配成功，则可以自动关闭该识别功能一定时长，默认该用户不是该智能手机的机主。这样，可以保护机主的隐私。

这样，通过上述的技术方案，就可以达到这样的效果：利用现有智能手机的标配摄像头，在不需要添加高成本硬件采集设备的情况下，本发明提出的基于智能移动信息设备的指纹检测方法实现了在手机端非接触式指纹识别，在实现手指识别作为身份识别、安全认证的同时，降低了成本且同时大大减少了致病菌的传播可能性。

这里只说明了本发明的优选实施例，但其意并非限制本发明的范围、适用性和配置。相反，对实施例的详细说明可使本领域技术人员得以实施。应能理解，在不偏离所附权利要求书确定的本发明精神和范围情况下，可对一些细节做适当变更和修改。

Claims (10)

1.基于智能移动信息设备的指纹检测方法，所述智能移动信息设备具有摄像头，所述方法包括：

步骤（1）、在预定距离范围内，开启所述智能移动信息设备的摄像头进行非接触式地手指图像信息的采集；

步骤（2）、对所采集的手指图像进行预处理，并对手指的大小进行自动切分和背景剥离；

步骤（3）、旋转所述手指图像的角度至合适的位置，提取出指纹特征；

步骤（4）、将上述获取的指纹特征与预先存储的模板进行匹配，如果匹配成功，则执行设定的相应功能，反之结束。

2.如权利要求1所述的基于智能移动信息设备的指纹检测方法，其特征在于：所述步骤（2）中预处理包括图像增强和滤波。

3.如权利要求1或2所述的基于智能移动信息设备的指纹检测方法，其特征在于：所述步骤（2）中使用方差均值法进行背景剥离。

4.如权利要求3所述的基于智能移动信息设备的指纹检测方法，其特征在于：在所述方差均值法之前还通过归一法将所述手指图像变为低频图。

5.如权利要求1所述的基于智能移动信息设备的指纹检测方法，其特征在于：所述步骤（3）中提取出指纹特征具体包括：对所述预处理后的手指图像进行细化，通过细化图像提取特征点，所述指纹特征是指纹细节点。

6.如权利要求5所述的基于智能移动信息设备的指纹检测方法，其特征在于：所述指纹细节点包括分叉点、端点、环、岛，或者是端点和分叉点的组合。

7.如权利要求5或6所述的基于智能移动信息设备的指纹检测方法，其特征在于：提取出的特征点还经过伪特征点的去除，去除掉细化处理过程引入的伪特征点。

8.如权利要求7所述的基于智能移动信息设备的指纹检测方法，其特征在于：所述步骤（4）中的指纹匹配是将采集到的指纹细节点与模板中的细节点进行比对，完成指纹匹配。

9.如权利要求1所述的基于智能移动信息设备的指纹检测方法，其特征在于：所述预定距离由所述智能移动信息设备预先设置或者用户自定义。

10.如权利要求1所述的基于智能移动信息设备的指纹检测方法，其特征在于：所述设定的相应功能包括解锁、登录、移动支付中任意一种或者其组合功能。