CN105260696A - 指纹模板的自学习方法及装置 - Google Patents

Abstract

本发明公开了一种指纹模板的自学习方法及装置，其中该方法包括：将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，其中，N为正整数；如果满足匹配成功条件，则根据第N特征点集合更新模板特征点集合，并计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数；以及根据每个模板特征点对应的匹配次数对模板特征点集合的模板特征点进行筛选。该方法降低了指纹模板自学习的条件，大大提高了自学习的速度，使得能够很快学习完整个手指的特征点，提升了用户体验。

Description

指纹模板的自学习方法及装置

技术领域

本发明涉及指纹识别技术领域，尤其涉及一种指纹模板的自学习方法及装置。

背景技术

目前，在小面积指纹应用中，由于指纹面积小、特征点数量过少，通常需要将一个个小面积指纹逐渐学习成一个包含手指全部特征点的大模板，这个学习过程称为指纹模板的自学习。

然而，在指纹模板的自学习过程中，由于噪声、赃物、图像处理效果不理想等原因，常常出现一些伪特征点，对于一些特征较明显的伪特征点，如毛刺、过孔、短线等，由于这些情况形成的伪特征点距离都较近，所以可将距离小于一定阈值的特征点去掉。但是，有些伪特征点却没有明显的特征，例如，有些分叉点在分叉的地方似断非断，若手指按压力度大时可能连起来称为分叉点，若手指按压力度轻时可能就会断开成为端点，这样的特征点与真实的特征点没有任何区别，但无法区分。又如，在图像质量较差时，或图像处理算法不够理想时，也会出现较多的伪特征点。这些伪特征点出现的概率较低，但如果不断的将这些伪特征点学习进去，将最终导致指纹模板彻底失效，不能再进行指纹匹配。

为了防止上述情况发生，相关技术中，主要通过尽量提高指纹学习的条件，比如在匹配分数很高时才进行自学习。但是，上述指纹模板的自学习方法可以在短时间内保持模板的有效性，但在使用一定时间(如几个月等)后模板可能已经学习了过多的伪特征点，导致模板失效；此外，由于上述指纹模板的自学习方法设置的学习条件较高，所以会导致学习的速度变缓慢，用户体验变差。

发明内容

本发明的目的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，本发明的第一个目的在于提出一种指纹模板的自学习方法。该方法降低了指纹模板自学习的条件，大大提高了自学习的速度，使得能够很快学习完整个手指的特征点，以使用户在指纹解锁等功能时，用手指任意区域按压时都能成功，提升了用户体验。

本发明的第二个目的在于提出一种指纹模板的自学习装置。

为了实现上述目的，本发明第一方面实施例的指纹模板的自学习方法，包括：将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，其中，N为正整数；如果所述第N指纹中的所述第N特征点集合与所述指纹模板中的所述模板特征点集合满足匹配成功条件，则根据所述第N特征点集合更新所述模板特征点集合，并计算更新之后的所述模板特征点集合中每个所述模板特征点对应的匹配次数；以及根据所述每个所述模板特征点对应的匹配次数对所述模板特征点集合的模板特征点进行筛选。

根据本发明实施例的指纹模板的自学习方法，将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，如果满足匹配成功条件，则根据第N特征点集合更新模板特征点集合，并计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数，以及根据每个模板特征点对应的匹配次数对模板特征点集合的模板特征点进行筛选，即通过将采集的指纹中的特征点与指纹模板中的模板特征点进行多次匹配，在匹配的过程中，通过统计指纹模板中每个模板特征点在使用过程中发生匹配的匹配次数及在指纹重叠区域但不匹配的次数，并根据这些次数对模板特征点进行筛选以将其中的伪特征点删除，降低了指纹模板自学习的条件，大大提高了自学习的速度，使得能够很快学习完整个手指的特征点，以使用户在指纹解锁等功能时，用手指任意区域按压时都能成功，提升了用户体验。

为了实现上述目的，本发明第二方面实施例的指纹模板的自学习装置，包括：匹配模块，用于将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，其中，N为正整数；更新模块，用于在所述第N指纹中的所述第N特征点集合与所述指纹模板中的所述模板特征点集合满足匹配成功条件时，根据所述第N特征点集合更新所述模板特征点集合；计算模块，用于计算更新之后的所述模板特征点集合中每个所述模板特征点对应的匹配次数；以及筛选模块，用于根据所述每个所述模板特征点对应的匹配次数对所述模板特征点集合的模板特征点进行筛选。

根据本发明实施例的指纹模板的自学习装置，可通过匹配模块将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，如果满足匹配成功条件，则更新模块根据第N特征点集合更新模板特征点集合，计算模块计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数，筛选模块根据每个模板特征点对应的匹配次数对模板特征点集合的模板特征点进行筛选，通过将采集的指纹中的特征点与指纹模板中的模板特征点进行多次匹配，在匹配的过程中，即通过统计指纹模板中每个模板特征点在使用过程中发生匹配的匹配次数及在指纹重叠区域但不匹配的次数，并根据这些次数对模板特征点进行筛选以将其中的伪特征点删除，降低了指纹模板自学习的条件，大大提高了自学习的速度，使得能够很快学习完整个手指的特征点，以使用户在指纹解锁等功能时，用手指任意区域按压时都能成功，提升了用户体验。

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是根据本发明一个实施例的指纹模板的自学习方法的流程图；

图2是将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行一次匹配后的匹配结果的示例图；

图3(a)是本发明一个实施例的初始指纹模板的示例图；

图3(b)是采集图3(a)中初始指纹对应的同一个手指的指纹的示例图；

图3(c)是将图3(a)中的初始指纹模板与图3(b)中指纹进行了一次匹配后的指纹模板变化的示例图；

图3(d)是将图3(c)中的指纹模板与图3(b)中指纹进行了三次匹配之后的指纹模板变化的示例图；以及

图4是根据本发明一个实施例的指纹模板的自学习装置的结构示意图。

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，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的指纹模板的自学习方法及装置。

图1是根据本发明一个实施例的指纹模板的自学习方法的流程图。如图1所示，该指纹模板的自学习方法可以包括：

S101，将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，其中，N为正整数。

具体地，可先获取指纹模板和采集到的第N指纹，之后可将采集到的第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配。

S102，如果第N指纹中的第N特征点集合与指纹模板中的模板特征点集合满足匹配成功条件，则根据第N特征点集合更新模板特征点集合，并计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数。

其中，在本发明的实施例中，第N指纹可理解为第N次采集到的手指指纹；第N特征点集合可理解为第N次采集到的指纹中的特征点的集合；上述指纹模板可理解为上一次更新模板特征点集合之后的模板。

具体地，在第N指纹中的第N特征点集合与指纹模板中的模板特征点集合满足匹配成功条件时，可先判断第N特征点集合中的第j个特征点是否存在于模板特征点集合中，其中j为正整数，如果第j个特征点存在于模板特征点集合中，则可包括模板特征点集合不变；如果第j个特征点不存在于模板特征点集合中，则将第j个特征点添加至模板特征点集合中。也就是说，当第N特征点集合中的第N特征点集合与指纹模板中的模板特征点集合满足匹配成功条件时，可将第N特征点集合中的未存在于模板特征点集合中的特征点添加到模板特征点集合中，以补充指纹模板中的模板特征点。之后，可计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数。其中，在本发明的实施例中，满足匹配成功条件可理解为第一指纹与指纹模板是来自于同一个手指而采集得到的，也就是说，只有第N指纹与指纹模板来自于同一个手指，才会进行自学习。

需要说明的是，对于指纹特征点的存储方式，本发明实施例的指纹模板的自学习方法除了保存模板特征点的特征点类型、特征点坐标、特征点方向等信息，还增加了一项匹配次数的参数MCNT。

具体而言，在本发明的实施例中，计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数的具体实现过程可为：获取第N指纹与指纹模板的指纹重叠区域；如果更新之后的模板特征点集合中的第i个模板特征点在指纹重叠区域，且与第N特征点集合中的特征点匹配，则将第i个模板特征点对应的匹配次数加一，其中，i为正整数；如果模板特征点集合中的第i个模板特征点在指纹重叠区域，但未与第N特征点集合中的特征点匹配，则将第i个模板特征点对应的匹配次数减一；以及如果模板特征点集合中的第i个模板特征点不在指纹重叠区域，则保持第i个模板特征点对应的匹配次数不变。其中，在本发明的实施例中，同一个手指采集的两幅指纹，在两次采集时可能采集到手指同一部位，该同一部位可称为指纹重叠区域。

举例而言，可获取第N指纹与指纹模板的指纹重叠区域，之后，可将第N指纹中的第N特征点集合中的每个特征点与模板特征点集合中的每个特征点进行一一匹配。例如，图2是将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行一次匹配后的匹配结果的示例图，如图2所示，图中间四边形内表示的是指纹重叠区域，当在该指纹重叠区域中的模板特征点与第N特征点集合中的特征点匹配时，可将该模板特征点对应的匹配次数加一；当在该指纹重叠区域中的模板特征点与第N特征点集合中的特征点不匹配时，可将该模板特征点对应的匹配次数减一；当模板特征点不在指纹重叠区域时，可保持该模板特征点对应的匹配次数不变。

例如，选取3种情况特征点来说明进行一次匹配后的特征点对应的参数变化，如下面表1所示，当第1个模板特征点在指纹重叠区域发生一次匹配时，那么第1个模板特征点对应的匹配次数自动加1，第2个模板特征点在指纹重叠区域但不匹配，那么第2个模板特征点对应的匹配次数自动减1，第3个模板特征点不在指纹重叠区域，那么对该模板特征点不做处理，即保持该模板特征点对应的匹配次数不变。

表1

特征点序号	特征点类型	特征点坐标	特征点方向	匹配次数(MCNT)
					1	64	(31,55)	35	1(匹配)
2	128	(43,46)	90	-1(在重叠区域但不匹配)
					3	64	(75,103)	132	0(不在重叠区域)

可以理解，经过多次匹配后，发生多次匹配的模板特征点对应的匹配次数将会较大，多次在指纹重叠区域但不匹配的模板特征点对应的匹配次数将会较小。例如，如下面表2所示，表2为经过多次匹配后，指纹模板中的每个模板特征点所对应的匹配次数：

表2

特征点序号	特征点类型	特征点坐标	特征点方向	匹配次数(MCNT)
					1	128	(45,9)	212	15
2	64	(11,13)	32	-1
					3	128	(137,33)	24	16
4	64	(166,-127)	20	-3
					5	64	(214,132)	139	-2
6	128	(181,74)	353	16
					7	128	(84,144)	38	-4
8	64	(174,87)	180	15
					9	64	(214,96)	325	3
10	64	(129,91)	205	16
					11	128	(101,95)	34	5

S103，根据每个模板特征点对应的匹配次数对模板特征点集合的模板特征点进行筛选。

具体而言，在本发明的实施例中，如果第i个模板特征点的匹配次数小于或等于第一预设阈值，则判断第i个模板特征点为伪特征点，并将伪特征点删除；如果第i个模板特征点的匹配次数大于或等于第二预设阈值，则判断第i个模板特征点为真实特征点，并将真实特征点保留并作为有效特征点使用。另外，在本发明的一个实施例中，上述自学习方法还可包括：如果第i个模板特征点的匹配次数大于第一预设阈值，且小于第二预设阈值，则判断第i个模板特征点为待定特征点，并将待定特征点保留但不作为有效特征点使用。其中，在本发明的实施例中，第一预设阈值可为-3，第二预设阈值可为3。

举例而言，假设指纹模板为初始指纹模板，即该指纹模板还未与其他指纹进行匹配，当N为1时，可将第一指纹中的第一特征点集合与指纹模板中的模板特征点集合进行匹配，并在满足匹配成功条件时，根据第一特征点集合更新模板特征点集合。具体地，可先获取初始的指纹模板和采集到的第一指纹(即第一次与初始指纹模板进行匹配时采集到的指纹)，之后可将采集到的第一指纹中的第一特征点集合与选定的初始指纹模板中的模板特征点集合进行匹配。应当理解，将第一次采集到的指纹(即第一指纹)与初始指纹模板进行匹配，如果第一指纹中的第一特征点集合与指纹模板中的模板特征点集合满足匹配成功条件，则将第一特征点集合中的未存在于模板特征点集合中的特征点添加到模板特征点集合中，以补充指纹模板中的模板特征点。

需要说明的是，当初始指纹模板中的模板特征点集合为空，即指纹模板中还尚未有模板特征点时，将第一次采集到的指纹(即第一指纹)与初始指纹模板进行匹配，在满足匹配成功条件时，可将第一特征点集合中的所有特征点添加至模板特征点集合中，并且此时模板特征点集合中的每个模板特征点对应的匹配次数为0；当初始指纹模板中的模板特征点集合不为空，即指纹模板中已经有模板特征点时，将第一次采集到的指纹(即第一指纹)与初始指纹模板进行匹配，在满足匹配成功条件时，可将第一特征点集合中的未存在于模板特征点集合中的的特征点添加至模板特征点集合中，并且此时模板特征点集合每个模板特征点对应的匹配次数的计算方法与上述步骤S102的计算过程相同。

进一步的，在本发明的一个实施例中，该指纹模板的自学习方法还可包括以下步骤：将第N+1指纹中的第N+1特征点集合与第N次更新之后的指纹模板中的模板特征点集合进行匹配；如果第N+1指纹中的第N+1特征点集合与第N次更新之后的指纹模板中的模板特征点集合满足匹配成功条件，则根据第N+1特征点集合更新模板特征点集合，并计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数；以及根据每个模板特征点对应的匹配次数对模板特征点集合的模板特征点进行筛选。

具体而言，在本发明的实施例中，根据第N+1特征点集合更新第N次更新之后的指纹模板中的模板特征点集合的具体实现过程可为：判断第N+1特征点集合中的第k个特征点是否存在于模板特征点集合中，其中，k为正整数；如果第k个特征点存在于模板特征点集合中，则保持模板特征点集合不变；如果第k个特征点不存在模板特征点集合中，则将第k个特征点添加至模板特征点集合中。可以理解，本实施例的第N+1指纹与第N次更新之后的指纹模板进行匹配的实现过程与上述第N指纹与指纹模板进行匹配的实现过程相同，可参照上述步骤S101-S103，在此不再赘述。

综上所述，本发明实施例的指纹模板的自学习方法通过统计指纹模板中的模板特征点在指纹重叠区域但不匹配次数来删除伪特征点，意味着即使在指纹学习的过程中引入了伪特征点，在之后的使用中也可以将其删除掉，所以指纹模板自学习的条件就可以降低，在较低匹配分数时也会进行自学习，这样指纹模板自学习的速度会大大增加，很快能学习完整个手指的特征点，使得用户在指纹解锁等功能时，用手指任意区域按压时都能成功，增强了用户体验。

同时，使用特征点缓存的方法，避免了会删除掉真实中模板特征点或者无法有效删除伪特征点的问题。如果采用一刀切的方法，那么，如果删除伪特征点的条件太严，将无法及时的删除掉伪特征点，如果删除伪特征点的条件太松，则有可能删除掉真实的模板特征点。所以本发明实施例的指纹模板的自学习方法通过使用特征点缓存的方法，将能肯定是伪特征点的模板特征点删除，将能肯定是真实特征点的模板特征点投入使用，将不能肯定是伪特征点还是真实特征点的模板特征点暂保留但不使用，这样可以在保证能及时删除伪特征点的同时不删除掉真实特征点。

本发明提出的指纹模板的自学习方法，相比于相关技术中的方法，从基本不能删除伪特征点，只能靠增加学习特征点的条件来减少指纹模板的有效性，转变为可以删除伪特征点，同时通过特征点缓存的方法避免了删除掉真实的特征点，使指纹模板具有了自我调节能力，增加了指纹模板的有效期。

根据本发明实施例的指纹模板的自学习方法，将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，如果满足匹配成功条件，则根据第N特征点集合更新模板特征点集合，并计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数，以及根据每个模板特征点对应的匹配次数对模板特征点集合的模板特征点进行筛选，即通过将采集的指纹中的特征点与指纹模板中的模板特征点进行多次匹配，在匹配的过程中，通过统计指纹模板中每个模板特征点在使用过程中发生匹配的匹配次数及在指纹重叠区域但不匹配的次数，并根据这些次数对模板特征点进行筛选以将其中的伪特征点删除，降低了指纹模板自学习的条件，大大提高了自学习的速度，使得能够很快学习完整个手指的特征点，以使用户在指纹解锁等功能时，用手指任意区域按压时都能成功，提升了用户体验。

进一步的，在本发明的一个实施例中，上述指纹模板的自学习方法还可包括：如果第N指纹中的第N特征点集合与指纹模板中的模板特征点集合不满足匹配成功条件，则保持指纹模板不变。由此，在不确定模板特征点是否是真实特征点之前，避免将其误认为是伪特征点被删除。

为了使得本领域的技术人员能够更清楚的了解本发明，下面将举例说明。

举例而言，图3(a)是本发明一个实施例的初始指纹模板的示例图，如图3(a)所示，图中指纹下半部分被人为去掉，即指纹模板中暂时没有下半部分特征点，且图中圆圈内是一个伪特征点，现将用这个指纹模板和图3(b)所示的采集的指纹进行匹配，在本示例中将对其进行4次匹配，下面将描述说明进行4次匹配过程中的指纹模板变化情况：如图3(c)所示，在第一次匹配后，图3(b)中指纹的未存在于图3(a)中指纹模块中的特征点已经被添加至指纹模板中，但图3(c)中的所有特征点都被暂时认定为无法确定是否为伪特征点的状态，且图3(a)中的伪特征点没有被删除，这是因为指纹模板中已经匹配的模板特征点对应的匹配次数变为1(其小于第二预设阈值3)，在指纹重叠区域但未匹配的模板特征点对应的匹配次数变为-1(其大于第一预设阈值-3)；在第二次匹配之后，指纹模板中的模板特征点依然被认定为无法确定状态，且图3(a)中的伪特征点没有被删除，此时指纹模板中已经匹配的模板特征点对应的匹配次数变为2，在指纹重叠区域但未匹配的模板特征点对应的匹配次数变为-2；在第三次匹配之后，此时，原来指纹模板中的模板特征点已经可以确定为真实特征点，从图3(b)的指纹中学习进来的特征点被认定为无法确定状态，伪特征点已经被删除，如图3(d)所示；在第四次匹配之后，从图3(b)的指纹中学习进来的特征点也已经被认为是真实特征点，指纹模板学习完成。以此类推，指纹其他部分特征点也可用上述同样方法学习，从而可以完成整个手指特征点的自学习。

与上述几种实施例提供的指纹模板的自学习方法相对应，本发明的一种实施例还提供一种指纹模板的自学习装置，由于本发明实施例提供的指纹模板的自学习装置与上述几种实施例提供的指纹模板的自学习方法相对应，因此在前述指纹模板的自学习方法的实施方式也适用于本实施例提供的指纹模板的自学习装置，在本实施例中不再详细描述。图4是根据本发明一个实施例的指纹模板的自学习装置的结构示意图。如图4所示，该指纹模板的自学习装置可以包括：匹配模块10、更新模块20、计算模块30和筛选模块40。

具体地，匹配模块10可用于将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，其中，N为正整数。

更新模块20可用于在第N指纹中的第N特征点集合与指纹模板中的模板特征点集合满足匹配成功条件时，根据第N特征点集合更新模板特征点集合。其中，在本发明的实施例中，第N指纹可理解为第N次采集到的手指指纹；第N特征点集合可理解为第N次采集到的指纹中的特征点的集合；上述指纹模板可理解为上一次更新模板特征点集合之后的模板。

更具体地，更新模块20可先判断第N特征点集合中的第j个特征点是否存在于模板特征点集合中，其中j为正整数，在第j个特征点存在于模板特征点集合中时，可包括模板特征点集合不变；在第j个特征点不存在于模板特征点集合中时，将第j个特征点添加至模板特征点集合中。其中，在本发明的实施例中，满足匹配成功条件可理解为第一指纹与指纹模板是来自于同一个手指而采集得到的，也就是说，只有第N指纹与指纹模板来自于同一个手指，才会进行自学习。

计算模块30可用于计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数。具体而言，在本发明的实施例中，计算模块30可具体用于：获取第N指纹与指纹模板的指纹重叠区域；如果更新之后的模板特征点集合中的第i个模板特征点在指纹重叠区域，且与第N特征点集合中的特征点匹配，则将第i个模板特征点对应的匹配次数加一，其中，i为正整数；如果模板特征点集合中的第i个模板特征点在指纹重叠区域，但未与第N特征点集合中的特征点匹配，则将第i个模板特征点对应的匹配次数减一；以及如果模板特征点集合中的第i个模板特征点不在指纹重叠区域，则保持第i个模板特征点对应的匹配次数不变。

筛选模块40可用于根据每个模板特征点对应的匹配次数对模板特征点集合的模板特征点进行筛选。具体而言，在本发明的实施例中，筛选模块40可具体用于：如果第i个模板特征点的匹配次数小于或等于第一预设阈值，则判断第i个模板特征点为伪特征点，并将伪特征点删除；如果第i个模板特征点的匹配次数大于或等于第二预设阈值，则判断第i个模板特征点为真实特征点，并将真实特征点保留并作为有效特征点使用。

在本发明的一个实施例中，筛选模块40还可用于：如果第i个模板特征点的匹配次数大于第一预设阈值，且小于第二预设阈值，则判断第i个模板特征点为待定特征点，并将待定特征点保留但不作为有效特征点使用。

举例而言，假设指纹模板为初始指纹模板，即该指纹模板还未与其他指纹进行匹配，当N为1时，匹配模块10可将第一指纹中的第一特征点集合与指纹模板中的模板特征点集合进行匹配，并在满足匹配成功条件时，更新模块20根据第一特征点集合更新模板特征点集合。具体地，匹配模块10可先获取初始的指纹模板和采集到的第一指纹(即第一次与初始指纹模板进行匹配时采集到的指纹)，之后可将采集到的第一指纹中的第一特征点集合与选定的初始指纹模板中的模板特征点集合进行匹配。应当理解，匹配模块10将第一次采集到的指纹(即第一指纹)与初始指纹模板进行匹配，如果第一指纹中的第一特征点集合与指纹模板中的模板特征点集合满足匹配成功条件，则更新模块20将第一特征点集合中的未存在于模板特征点集合中的特征点添加到模板特征点集合中，以补充指纹模板中的模板特征点。

需要说明的是，当初始指纹模板中的模板特征点集合为空，即指纹模板中还尚未有模板特征点时，匹配模块10将第一次采集到的指纹(即第一指纹)与初始指纹模板进行匹配，在满足匹配成功条件时，更新模块20可将第一特征点集合中的所有特征点添加至模板特征点集合中，此时模板特征点集合中的每个模板特征点对应的匹配次数为0；当初始指纹模板中的模板特征点集合不为空，即指纹模板中已经有模板特征点时，匹配模块10将第一次采集到的指纹(即第一指纹)与初始指纹模板进行匹配，在满足匹配成功条件时，更新模块20可将第一特征点集合中的未存在于模板特征点集合中的的特征点添加至模板特征点集合中，并且此时模板特征点集合每个模板特征点对应的匹配次数的计算方法与上述计算模块30计算已根据第N特征点集合更新之后的模板特征点集合中的每个模板特征点的匹配次数的计算过程相同。

进一步的，在本发明的一个实施例中，匹配模块10还可用于将第N+1指纹中的第N+1特征点集合与第N次更新之后的指纹模板中的模板特征点集合进行匹配。更新模块20还可用于在第N+1指纹中的第N+1特征点集合与第N次更新之后的指纹模板中的模板特征点集合满足匹配成功条件时，根据第N+1特征点集合更新模板特征点集合。计算模块30还可用于计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数。筛选模块40还可用于根据每个模板特征点对应的匹配次数对模板特征点集合的模板特征点进行筛选。

具体而言，在本发明的实施例中，计算模块30根据第N+1特征点集合更新第N次更新之后的指纹模板中的模板特征点集的具体实现过程可为：判断第N+1特征点集合中的第k个特征点是否存在于模板特征点集合中，其中，k为正整数；如果第k个特征点存在于模板特征点集合中，则保持模板特征点集合不变；如果第k个特征点不存在模板特征点集合中，则将第k个特征点添加至模板特征点集合中。可以理解，本实施例的第N+1指纹与第N次更新之后的指纹模板进行匹配的实现过程与上述第N指纹与指纹模板进行匹配的实现过程相同，可参照第N指纹与指纹模板进行匹配的实现过程，在此不再赘述。

进一步的，在本发明的一个实施例中，更新模块20还可用于：如果第N指纹中的第N特征点集合与指纹模板中的模板特征点集合不满足匹配成功条件，则保持指纹模板不变。

根据本发明实施例的指纹模板的自学习装置，可通过匹配模块将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，如果满足匹配成功条件，则更新模块根据第N特征点集合更新模板特征点集合，计算模块计算更新之后的模板特征点集合中每个模板特征点对应的匹配次数，筛选模块根据每个模板特征点对应的匹配次数对模板特征点集合的模板特征点进行筛选，通过将采集的指纹中的特征点与指纹模板中的模板特征点进行多次匹配，在匹配的过程中，即通过统计指纹模板中每个模板特征点在使用过程中发生匹配的匹配次数及在指纹重叠区域但不匹配的次数，并根据这些次数对模板特征点进行筛选以将其中的伪特征点删除，降低了指纹模板自学习的条件，大大提高了自学习的速度，使得能够很快学习完整个手指的特征点，以使用户在指纹解锁等功能时，用手指任意区域按压时都能成功，提升了用户体验。

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必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

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。

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。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

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 (16)

1.一种指纹模板的自学习方法，其特征在于，包括以下步骤：

将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，其中，N为正整数；

如果所述第N指纹中的所述第N特征点集合与所述指纹模板中的所述模板特征点集合满足匹配成功条件，则根据所述第N特征点集合更新所述模板特征点集合，并计算更新之后的所述模板特征点集合中每个所述模板特征点对应的匹配次数；以及

根据所述每个所述模板特征点对应的匹配次数对所述模板特征点集合的模板特征点进行筛选。

2.如权利要求1所述的指纹模板的自学习方法，其特征在于，所述计算更新之后的所述模板特征点集合中每个所述模板特征点对应的匹配次数具体包括：

获取所述第N指纹与所述指纹模板的指纹重叠区域；

如果所述更新之后的模板特征点集合中的第i个模板特征点在所述指纹重叠区域，且与所述第N特征点集合中的特征点匹配，则将所述第i个模板特征点对应的匹配次数加一，其中，i为正整数；

如果所述模板特征点集合中的第i个模板特征点在所述指纹重叠区域，但未与所述第N特征点集合中的特征点匹配，则将所述第i个模板特征点对应的匹配次数减一；以及

如果所述模板特征点集合中的第i个模板特征点不在所述指纹重叠区域，则保持第i个模板特征点对应的匹配次数不变。

3.如权利要求1或2所述的指纹模板的自学习方法，其特征在于，所述根据所述每个所述模板特征点对应的匹配次数对所述模板特征点集合的模板特征点进行筛选具体包括：

如果所述第i个模板特征点的匹配次数小于或等于第一预设阈值，则判断所述第i个模板特征点为伪特征点，并将所述伪特征点删除；

如果所述第i个模板特征点的匹配次数大于或等于第二预设阈值，则判断所述第i个模板特征点为真实特征点，并将所述真实特征点保留并作为有效特征点使用。

4.如权利要求3所述的指纹模板的自学习方法，其特征在于，还包括：

如果所述第i个模板特征点的匹配次数大于所述第一预设阈值，且小于所述第二预设阈值，则判断所述第i个模板特征点为待定特征点，并将所述待定特征点保留但不作为有效特征点使用。

5.如权利要求1所述的指纹模板的自学习方法，其特征在于，还包括：

将第N+1指纹中的第N+1特征点集合与第N次更新之后的指纹模板中的模板特征点集合进行匹配；

如果所述第N+1指纹中的所述第N+1特征点集合与所述第N次更新之后的指纹模板中的所述模板特征点集合满足匹配成功条件，则根据所述第N+1特征点集合更新所述模板特征点集合，并计算更新之后的所述模板特征点集合中每个所述模板特征点对应的匹配次数；以及

根据所述每个所述模板特征点对应的匹配次数对所述模板特征点集合的模板特征点进行筛选。

6.如权利要求1所述的指纹模板的自学习方法，其特征在于，所述根据所述第N特征点集合更新所述模板特征点集合具体包括：

判断所述第N特征点集合中的第j个特征点是否存在于所述模板特征点集合中，其中，j为正整数；

如果所述第j个特征点存在于所述模板特征点集合中，则保持所述模板特征点集合不变；

如果所述第j个特征点不存在于所述模板特征点集合中，则将所述第j个特征点添加至所述模板特征点集合中。

7.如权利要求5所述的指纹模板的自学习方法，其特征在于，所述根据所述第N+1特征点集合更新所述模板特征点集合具体包括：

判断所述第N+1特征点集合中的第k个特征点是否存在于所述模板特征点集合中，其中，k为正整数；

如果所述第k个特征点存在于所述模板特征点集合中，则保持所述模板特征点集合不变；

如果所述第k个特征点不存在所述模板特征点集合中，则将所述第k个特征点添加至所述模板特征点集合中。

8.如权利要求1所述的指纹模板的自学习方法，其特征在于，还包括：

如果所述第N指纹中的所述第N特征点集合与所述指纹模板中的所述模板特征点集合不满足匹配成功条件，则保持所述指纹模板不变。

9.一种指纹模板的自学习装置，其特征在于，包括：

匹配模块，用于将第N指纹中的第N特征点集合与指纹模板中的模板特征点集合进行匹配，其中，N为正整数；

更新模块，用于在所述第N指纹中的所述第N特征点集合与所述指纹模板中的所述模板特征点集合满足匹配成功条件时，根据所述第N特征点集合更新所述模板特征点集合；

计算模块，用于计算更新之后的所述模板特征点集合中每个所述模板特征点对应的匹配次数；以及

筛选模块，用于根据所述每个所述模板特征点对应的匹配次数对所述模板特征点集合的模板特征点进行筛选。

10.如权利要求9所述的指纹模板的自学习装置，其特征在于，所述计算模块具体用于：

获取所述第N指纹与所述指纹模板的指纹重叠区域；

如果所述更新之后的模板特征点集合中的第i个模板特征点在所述指纹重叠区域，且与所述第N特征点集合中的特征点匹配，则将所述第i个模板特征点对应的匹配次数加一，其中，i为正整数；

如果所述模板特征点集合中的第i个模板特征点在所述指纹重叠区域，但未与所述第N特征点集合中的特征点匹配，则将所述第i个模板特征点对应的匹配次数减一；以及

如果所述模板特征点集合中的第i个模板特征点不在所述指纹重叠区域，则保持第i个模板特征点对应的匹配次数不变。

11.如权利要求9或10所述的指纹模板的自学习装置，其特征在于，所述筛选模块具体用于：

如果所述第i个模板特征点的匹配次数小于或等于第一预设阈值，则判断所述第i个模板特征点为伪特征点，并将所述伪特征点删除；

如果所述第i个模板特征点的匹配次数大于或等于第二预设阈值，则判断所述第i个模板特征点为真实特征点，并将所述真实特征点保留并作为有效特征点使用。

12.如权利要求11所述的指纹模板的自学习装置，其特征在于，所述筛选模块还用于：

如果所述第i个模板特征点的匹配次数大于所述第一预设阈值，且小于所述第二预设阈值，则判断所述第i个模板特征点为待定特征点，并将所述待定特征点保留但不作为有效特征点使用。

13.如权利要求9所述的指纹模板的自学习装置，其特征在于，

所述匹配模块还用于将第N+1指纹中的第N+1特征点集合与第N次更新之后的指纹模板中的模板特征点集合进行匹配；

所述更新模块还用于在所述第N+1指纹中的所述第N+1特征点集合与所述第N次更新之后的指纹模板中的所述模板特征点集合满足匹配成功条件时，根据所述第N+1特征点集合更新所述模板特征点集合；

所述计算模块还用于计算更新之后的所述模板特征点集合中每个所述模板特征点对应的匹配次数；

所述筛选模块还用于根据所述每个所述模板特征点对应的匹配次数对所述模板特征点集合的模板特征点进行筛选。

14.如权利要求9所述的指纹模板的自学习装置，其特征在于，所述更新模块具体用于：

判断所述第N特征点集合中的第j个特征点是否存在于所述模板特征点集合中，其中，j为正整数；

在所述第j个特征点存在于所述模板特征点集合中时，保持所述模板特征点集合不变；

在所述第j个特征点不存在于所述模板特征点集合中，将所述第j个特征点添加至所述模板特征点集合中。

15.如权利要求13所述的指纹模板的自学习装置，其特征在于，所述更新模块具体用于：

判断所述第N+1特征点集合中的第k个特征点是否存在于所述模板特征点集合中，其中，k为正整数；

在所述第k个特征点存在于所述模板特征点集合中时，保持所述模板特征点集合不变；

在所述第k个特征点不存在所述模板特征点集合中时，将所述第k个特征点添加至所述模板特征点集合中。

16.如权利要求9所述的指纹模板的自学习装置，其特征在于，所述更新模块还用于：

如果所述第N指纹中的所述第N特征点集合与所述指纹模板中的所述模板特征点集合不满足匹配成功条件，则保持所述指纹模板不变。