CN105373769A - 在图像中确定可能代表个体的至少一个手指的至少一个区域的方法 - Google Patents

在图像中确定可能代表个体的至少一个手指的至少一个区域的方法 Download PDF

Info

Publication number
CN105373769A
CN105373769A CN201510608215.6A CN201510608215A CN105373769A CN 105373769 A CN105373769 A CN 105373769A CN 201510608215 A CN201510608215 A CN 201510608215A CN 105373769 A CN105373769 A CN 105373769A
Authority
CN
China
Prior art keywords
image
region
fingerprint
criterion
finger
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
Application number
CN201510608215.6A
Other languages
English (en)
Other versions
CN105373769B (zh
Inventor
C·贝利亚尔
S·布龙萨特
C·蒂利耶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Adimia Identity And Security France
Original Assignee
Morpho SA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Morpho SA filed Critical Morpho SA
Publication of CN105373769A publication Critical patent/CN105373769A/zh
Application granted granted Critical
Publication of CN105373769B publication Critical patent/CN105373769B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/13—Sensors therefor
    • G06V40/1312—Sensors therefor direct reading, e.g. contactless acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V40/107—Static hand or arm
    • 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
    • G06V40/13—Sensors therefor
    • G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
    • 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
    • G06V40/1347—Preprocessing; Feature extraction
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/633—Control of cameras or camera modules by using electronic viewfinders for displaying additional information relating to control or operation of the camera
    • H04N23/635—Region indicators; Field of view indicators

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Collating Specific Patterns (AREA)
  • Image Input (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种在个体的手(2)的至少一个部分的图像(1)中检测可能含有至少一处指纹(3)的区域(Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a)的方法，其特征在于，该方法包括：a)获取该图像的步骤(A)；b)在获取的图像(1)中确定多个区域(Z1a、Z1b、Z1c、Z1d)的步骤(E)，每个区域从而被确定为该获取的图像(1)的均展现出大于或等于选择的发光强度阈值(Vsn，Vs1)的发光强度水平(I)的点的连续区域；c)用于从确定的区域内选择可能代表手指(3)的至少一处指纹的区域的第一选择步骤(F)。

Description

在图像中确定可能代表个体的至少一个手指的至少一个区域的方法
技术领域
本发明涉及在手的图像中检测可能含有该手中至少一个指纹的图像区域的方法。
背景技术
从文件WO2009/112717中获悉一种在个体的手的图像检测指纹的方法，该图像在进行中获得，不与手接触。在该方法中，为了在图像中标识指纹，使用被投射到手上的发光测试卡，以及然后以所投射的颜色中的一种颜色生成单色图像，以及分析该单色图像来寻找其中指纹的形状特性，例如条纹的局部偏向，条纹的形状/轮廓，气孔(pore)的位置。如果在图像中找到这些特性形状，则获知已标识出代表指纹的图像。
这种检测方法需要投射特定测试卡，并分析图像来寻找其中代表指纹的特性。因此需要简化在图像中检测指纹的方法。
发明目的
本发明的目的是获得一种检测个体的手的至少一个部分的图像中可能含有至少一个指纹的区域的替换方法。
发明内容
为了达到该目的，根据本发明，提出一种检测个体的手的至少一个部分的图像中可能含有至少一个指纹的区域的方法，该方法的必要技术特征在于，其包括：
a)在光学传感器的辅助下并且在不接触手的情况下获取该手的至少一个照明部分的图像的步骤；
b)在获取的图像中确定多个区域的步骤，每个区域从而被确定为该获取的图像的点的连续区域，其中每个点均展现出大于或等于为该区域的确定所选择的发光强度阈值的发光强度水平；
c)从所确定的区域中选择可能代表手指的至少一处指纹的区域的第一选择步骤，该选择在第一种类型的至少一个过滤准则的辅助下执行，该至少一个过滤准则选自手指形状标识准则和/或指纹标准纹理标识准则和/或手指标准颜色标识准则。
获取的图像由多个也被称为像素的并列点构成。
为了确定区域，使用该区域的各点间共享的公共特性，在这种情况下：
-该区域中每个点的发光强度的固有水平均大于或等于选定的强度阈值；以及
-该区域中每个点与该区域中的至少一个其他点相接触/相邻接。
“点的连续区域”的表述意味着该区域仅由与至少一个其他点相接触的点组成。
如果第一点展现出大于或等于该选定的发光强度阈值的固有发光强度水平，但不与任何其他展现出大于或等于该选定的发光强度阈值的固有发光强度水平的点相邻接/相毗邻，则将该第一点从包含该第一点的区域中排除。
根据本发明的方法中使用的用于确定区域的原理类似于在所谓的分水岭(watershed)分割算法中使用的原理。这些分水岭分割算法在与图像中的指纹的标识相差较远的其他技术领域中使用。通常，在区域确定步骤中确定的区域在外侧由所谓的分水岭线划界。
根据本发明的方法使得可以在获取的图像内利用获取的图像上的采用发光强度偏差变化，该发光强度变化在特定给定手指的指纹中心更显著，而随着移向该手指的边缘而变弱。发光强度偏差变化的这种属性与手指的伪圆柱形形状有关相联系。在光学传感器的辅助下且在不接触该手的情况下获得一个伪圆柱形形状的被照明的该手指的图像时，观察到：发光强度变化的这种属性在获取的摄影图像的包含该手指的摄影图像的区域中观察到发光强度偏差的这种属性是可见的。根据本发明的方法在获得的图像中搜索展现出形成的点的连续区域由相邻的点形成的点的连续区域，并且具有大于或等于该选定的强度阈值的固有发光强度水平的的相邻点的区域。由此，对于每个选定的强度阈值，检测到高发光强度的区域，其最可能是包含至少手指顶部的区域，并且因此是最有可能包含/代表至少一处指纹的区域。
根据本发明的方法从计算上来看在计算方面不昂贵，但极大减轻在空中在进行中(onthefly)在获取的手的图像中定位指纹的工作量。它进一步使得不需要在图像的部分中几乎不含有任何形状特定的部分中可以不需要寻找所述部分中很少包含的指纹的形状特性(条纹、旋绕)。由于利用根据本发明的方法，寻找对指纹定位向的搜索涉及图像中的在指纹标识过程中具有顶端的最大可能性的区域。该方法由此允许节省计算时间和资源。
为了理解本发明，术语“不接触”意味着手指远离易于使其变形的任何机械夹持/定位元件。实际上，当手指接触到机械元件时，例如扫描仪眼镜或关于光学传感器的用于手指定位的夹子，手指被变形并且此时具有高发光强度的区域很可能对应于该手指的不是可能包含乳突状指纹的区域。
相应地，本发明的方法在不接触的情况下执行，也就是说，在手指既不被夹持以便关于光学获取元件定位也不与任何机械元件相接触放置时。换句话说，根据本发明的方法通过在进行中获取手指图像来实现，同时手指能够关于光学传感器在三维中具有相对移动。
根据本发明的方法实现起来尤其符合现实，由于它在图像获取过程中不需要经过机械止动来定位手指。
在已经瞄准所确定的可能包含指纹的区域后，本方法在用于从所确定的区域中选择可能代表手指的至少一处指纹的区域的第一选择步骤期间细化此瞄准。
该选择在第一种类型的至少一个过滤准则的辅助下执行，该至少一个过滤准则选自手指形状标识准则和/或指纹标准纹理标识准则和/或手指标准颜色标识准则。
在该第一过滤步骤中没有被选定的区域在该方法其他步骤中不再保留，由此使得可能瞄准最可能包含指纹的区域。
手指形状标识准则包括保留伸长形的并且从而可能代表指纹轮廓的所确定的区域。实际上，指纹的一般形状是长于其宽的。
因此，该准则包括保留长宽比大于阈值的区域。例如将区域的长度限定为其长度沿着其主轴且其宽度沿着垂直于其主轴的轴。
基于指纹纹理类型的标识准则包括在所确定的区域内搜索指纹纹理的存在，也就是说，包含气孔和/或限定弧形和/或环和/或螺旋线的细长线的图像区域。
在本方法的一个优选模式中，位于最小强度阈值和最大强度阈值之间的一发光强度阈值集合被选定，并且在获取的图像中确定多个区域的步骤在该阈值集合中的每一个阈值的辅助下执行，然后存储用该阈值集合中的每一个阈值确定的获取的图像的该多个区域。
利用该集合的各种被选中的阈值，获得获取图像的各自可能代表手指至少一部分的区域集合。因此，该区域集合包括可能代表同一个手指或若干手指的区域。使用若干阈值使得可能通过选择给定阈值来固定区域检测敏感度。
在每个选择的阈值，将标识该图像的一个或多个区域，所述一个或多个区域与用其他阈值标识的一个或多个图像区域不同。通过储存用不同阈值确定的所有区域，丰富所捕捉的图像中可能包含/代表至少一个手指的可能区域集合。通过对图像系统化和均一化的处理从而使得标识图像区域的工作变得简单，其结果是可能代表指纹的所瞄准的区域列表。搜索指纹的工作因此可被限定于在该区域集合中确定并存储的区域的一部分。从而避免在所述图像的所确定/枚举的区域之外的部分中搜索指纹的存在，并从而限制在获取的图像中标识指纹所需要的计算量。
根据本发明的另一实施例，该方法进一步包括第二选择步骤，该第二选择步骤包括在第一选择步骤完成后，在第二种类型的至少一个过滤准则的辅助下，过滤之前选择的区域。该第二种类型的过滤准则选自：
-区域间最大分离准则，确定该最大分离准则以便在保留区域集合中仅保留之前在第一选择步骤完成后选择的区域，所述区域互相相邻，并且可能仅代表同一只手的指纹的部分；和/或
-互相相邻区域间面积比准则，确定该面积比准则以使得确定互相相邻区域的面积之间的比落在预定的面积比的最小值和最大值之间，符合该面积比准则的互相相邻区域被保留在保留区域集合中；和/或
-互相相邻区域间相对定向准则，符合该定向准则的互相相邻区域被保留在保留区域集合中。
当确定第一种类型的过滤准则中的每个过滤准则以便逐个区域地分析所述区域的个体特性时，确定第二种类型的过滤准则中的每个准则以便分析所确定的相邻区域间的一致性，以便：
-保留可能代表同一只手的指纹的所确定的区域；以及
-拒绝看上去不可能代表同一只手的指纹的所确定的区域。
区域间最大分离准则使得例如可能在该保留区域集合内仅保留相邻区域，也就是说分离不太远的区域，也就是说代表彼此分离的分离距离小于预定的最大像素数的部分的图像区域。
面积比准则使得例如可能不保留具有彼此差异太大的相应表面积的两个相邻区域，并保留具有彼此接近的相应表面积的区域，也就是说这些表面积的比落在预定的比值区间内。
现在陈述互相相邻区域间相对定向准则。每个所确定的区域展示纵向维度或者主维度，其是最显著的维度，也就是其固有长度。每个区域展示沿平行于该区域的固有主维度延伸的固有主轴。两个相邻区域间形成的定向角是这些相邻区域的主轴之间形成的锐角。相邻区域指代分隔距离小于预定距离(例如以像素数计算且代表相邻手指的两个末端之间的最大间隔的预定距离)的两个区域。
定向准则被适配成，只有相邻区域间的定向角小于预定最大角度值的相邻区域，最大角度值通常小于45°，并优选小于30°时，才在该保留区域集合内保留那些相邻区域。
该定向准则使得可能区分：
-可能包含属于同一只手的指纹(也就是说相邻的、并且相对于彼此取向最大为45°并优选最大为30°的指纹)的图像区域；
-与可能包含属于若干只手的指纹的图像区域(通常置于相对于彼此60°角的相邻指纹很可能属于若干只手，并且根据定向准则不被保留)。
在本方法的特定实施例中，获得的图像是彩色图像，并且为了确定获取的图像的点的发光强度水平，使用基于获取的彩色图像生成的灰度级图像。
针对获取的彩色图像的每个点的固有强度水平的评估在对对应于获取的彩色图像的点的灰度级图像的点的发光强度水平的测量的辅助下执行。
在灰度级图像上执行测量发光强度水平比在彩色图像上容易。因此，本实施例简化了着眼于在获取的彩色图像中标识可能包含/代表手指的至少一处指纹区域的图像处理。
注意，此灰度级图像优选/基本上展现出与获取的彩色图像相同的发光和色度水平。然而，该灰度级图像可能是获取的彩色图像的负图像，在这种情况下，该负图像的发光和色度水平相对于获取的彩色图像被反转。即使灰度级图像是获取的彩色图像的负图像，在获取的图像内的点的连续区域选择点的条件仍然是在灰度级图像的辅助下评估的彩色图像的点的相应发光强度水平的函数。
根据另一方面，本发明涉及一种用来在图像中确定该图像的可能代表个体至少一处指纹的至少一个区域的装置，该装置被适配以执行根据本发明的方法的任一实施例。
通常，根据本发明的确定装置包括智慧型电话，也就是智能电话。
由于其易于实现，根据本发明的方法使得可能在移动电话或数字平板或膝上型计算机拍摄的图像中选定最可能代表指纹的区域，由此简化了在图像中搜索指纹的特性的操作。因此能够降低在图像中搜索指纹的特性所必需的计算量，由此促进了用有限的计算手段(在移动电话的情况下正是如此)来实现本发明。
附图说明
本发明的其他特征和优点将从后文作为完全非限制性指示给出的对其的描述中清楚浮现，同时参考附图，其中：
-图1表示根据本发明的方法的步骤的年表；
-图2呈现确定均可能代表指纹的多个区域的步骤的细节；
-图3a呈现根据本发明的用来确定区域的装置的透视图，该装置用来产生获取的图像，在该图像上是均代表至少一处指纹的被识别区域；
-图3b呈现基于图3a的获取的彩色图像生成的灰度级图像；
-图3c符号化表示图3b的线以及沿该线的强度水平的变化的图，该绘图将该线上点的发光强度水平表示为灰度级；
-图3d表示其上叠加了框的获取的彩色图像，每个框标识一所确定的区域的地点。
-图3e1、3e2、3e3、3e4分别表示手的一部分以及可能代表指纹的所确定的区域；这些区域逐图像地变化，由于每个图像用其自己的选定的强度阈值水平来建立。
具体实施方式
如之前所提示，本发明涉及在手的一部分的图像中检测可能含有至少一个指纹的区域的方法。
后文将参考图1和2详细描述本方法，本方法在装置11的辅助下实现，以确定图像中的区域。如尤其在图3a中可见，装置11包括：
-组装在一起的装置的本地组11a；以及可选地，
-用来基于指纹特性标识个体的的装置的远程组11b。
通常，组装在一起的装置的本地组11a是智慧型电话。
组装和链接在一起的装置的此本地组11a包括：
至少一个光学传感器4a；
至少一个光学发光装置4b；
至少一个处理器；
至少一个存储器；
至少一个程序，其当被该处理器执行时，实现根据本发明的确定方法；
优选地，获取图像显示装置，诸如屏幕4c；以及
可选地，电信装置，其被适配成与装置组11b交换数据以标识远离所述本地组11a的个体。
本地组11a在本地执行根据本发明的方法，当它已经确定和保留获取图像的均可能包含至少一处指纹的区域后，它将表示包含在该图像的已经确定和保留的区域上所表示的指纹的特征传输给远程组11b。
远程组11b接收表示这些指纹的特征，并将该保留区域集合内的每个区域的特征与存储在远程组11b的层次上的预先记录的数据库10中包含的指纹的图像的特征相比较。
在保留区域Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a集合中的一个区域的特征与预先记录数据库10的一个指纹特征相匹配的情况下，则远程组11b存储代表此匹配的标识链接。
如果满足至少一定数量的预定匹配准则，则认为所述区域之一的特征和指纹之间存在匹配。
这种标识链接和/或确认该标识的通知12b由远程组11b传输到本地组11a。
本地组11a的处理器可对先前收到标识链接和/或确认标识的通知12b的动作的执行设置条件。例如，设置条件的动作可以是要执行的应用的访问权的确认，诸如支付应用或屏幕解锁应用4c。
在某些特定情况下，预先记录的数据库可以记录在本地组11a的存储器中，在这种情况下，本地组11a：
-将保留区域集合内的每个区域Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a的特征与在本地组11a的层次上预先记录的数据库中包含的指纹的图像的特征相比较；以及
-在保留区域集合中的一个区域的特征与预先记录数据库的一个指纹的特征相匹配的情况下，则装置的本地组11a存储代表该匹配的标识链接和/或生成确认标识的通知；以及
-本地组11a的处理器对标识链接和/或确认标识的通知的先前生成的动作的执行设置条件。设置条件的动作与先前描述的或其他任何动作相同。
现在参照图1和2描述在图像中检测均可能包含至少一处指纹的各区域的方法。
本方法包括获取被照明的手2的彩色图像的步骤A，此时手面向光学传感器4a的主光学轴X1位移。照明优选在展现出主照明轴X2的人工照明4b的光学装置的辅助下执行。
在此图像获取步骤A期间，手以以下方式位移：它相对主光学轴X1的位移速度小于预定最大速度，在此情况下最大1米每秒；且以以下方式位移：它与光学传感器的距离小于预定最大获取距离，在此情况下最大1米。
因为光学传感器4a和光学照明装置4b机械互链接，并被设计成使得光学轴X1和主照明轴X2相互平行，在获取的彩色图像1上观察到：最显著的部分(诸如伪圆柱形的手指的中部)是照明最强的，而手的凹陷部分(诸如手指的边缘)是照明最弱的。
图像中属于同一个连续点群的照明最强的点限定可能包含至少一处指纹的区域。根据本发明的方法使得可能确定这些区域。
为了这个目的，执行步骤B，基于彩色图像生成第一灰度级图像。该操作使得可能执行专门针对于获取的彩色图像的色度空间到专门针对于灰度级图像的照明强度空间的转换。
在实现此步骤B后，实现步骤C，计算代表第一灰度级图像的梯度图像。
在计算完此梯度图像后，实现步骤D，在步骤D过程中生成第二灰度级图像，该第二灰度级图像对应于已从中减去该梯度图像的第一灰度级图像。
步骤B使得可能从彩色空间传递到灰度级空间，其余处理将在此灰度级空间执行。步骤C和D使得可能获得第二灰度级图像，其相对于第一灰度级图像强调的点来强调这些点强度水平之间的不同(例如，手指的被照明的中心区域和手指的照明稍弱的边缘区域的强度的不同被强调)。
在此第二灰度级图像的辅助下，在步骤E中确定多个区域Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a，其均可能代表至少一处指纹3。
此步骤E在图2中详细示出。在第一子步骤E1中，选择最大强度阈值VsMax。接着，在步骤E2中，在第二灰度级图像中搜索具有大于或等于选择的阈值Vsn的固有发光强度水平的点的集合。
在此第二灰度级图像中标识其相应的发光强度水平大于或等于VsMax的点的连续区域集合。接着，将如此标识的所有这些连续区域存储在区域集合中。
在实现子步骤E2后，实现子步骤E3，在子步骤E3期间验证刚才选择的强度阈值是否等于预定最小值Vsmin。只要没有观察到这种情况，执行子步骤E4，其包括计算新选定强度阈值。该新选定强度阈值等于先前选定的强度阈值减去预定步幅大小值“阈值_步幅”。
在执行此子步骤E4后，再次执行子步骤E2，但使用在子步骤E4中计算的新阈值。
这使得可能确定新的点的连续区域，所述区域仅由固有发光强度水平大于或等于新阈值的点构成。这些区域也储存在均可能代表至少一处指纹的所确定区域集合内。
当在子步骤E3中观察到刚才在子步骤E2中使用的选定强度阈值等于Vsmin，就运行子步骤E5，该子步骤E5包括信令表示可能代表指纹的区域的枚举完毕。
在图3C的辅助下也能够理解确定多个区域的此步骤E的细节。
如果我们考虑由灰度级图像的若干个点组成的直线X，则可能表示出沿该线X的发光强度I的逐个点的变化的曲线。
观察到，这种变化散布在阈值Vsmin和VsMax之间，且有时穿过中间阈值Vs3，Vs2，Vs1。如果看到具有阈值Vsn＝VsMax的确定区域，则得到不包括任何区域的在图3e1中可见的图像。在该图3e1中，图像中没有点展现出大于或等于VsMax的发光强度水平。
通过选择值Vs1，观察到，线X中的一些点具有大于或等于Vs1的固有发光强度。这些点形成的连续区域Z1a、Z1b、Z1c、Z1d在图3e2中可见。
通过选择比Vs1小的新值Vs2，则在图3e3中再次获得区域Z2a、Z2b、Z2d。
最后，通过比Vs2小的另一个阈值Vs3时，获得在图3e4中可见的单一新连续区域。
观察到，具有高强度阈值Vsn的确定的每个区域总是被包括在具有低强度阈值Vsn的确定的区域内。
有可能选择Vsmin和VsMax以使得每个选择的阈值允许生成的确定区域的数量位于最小值(例如3个区域)和区域数量的最大值(例如是8个区域)之间。这使得可能限制确定区域集合的体量。
一旦到达列举/区域确定的过程的结束，也就是说在步骤E完成后，执行连续的过滤步骤F和G，所述过滤步骤旨在标识该图像的很可能包括至少一处指纹的区域。
步骤F用第一种类型的过滤准则来实现，其使得可能逐个地分析确定区域集合中的区域。
第一种类型的这些准则可以是关于区域大小、区域形状(延长)或代表指纹形貌的特征的存在的准则。
实现步骤G以便在步骤F中保留的区域的基础上生成很可能代表属于个体的同一只手的指纹的保留区域的集合。
第二种类型的这些准则可以是关于区域间最大间隔、区域间相对布置的准则。根据后一种准则，保留的区域是那些可能沿着同一只手的手指的乳突状末端延伸的曲线布置的区域。
获取的图像1可以取自属于在手被光学照明装置4b照明时由所述光学传感器4a生成的视频流中的一系列图像1。
视频流包括连续的图像。依次使用视频流中的这些图像作为获取的图像1，并对视频流中的这些连续图像中的每个图像确定可能包含至少一处指纹的区域。
注意，可能在这些连续图像中搜索彼此匹配的区域，也就是说代表同一个手指指纹的区域，并从匹配的区域中选择包含给定指纹的最佳表示的区域。
在保留区域集合中记录该区域，其他图像的其他对应区域被从保留区域集合中排除。
理想的是，如图3a和3d中可见，视频流的至少一个图像被显示在显示装置4c上，并且图形符号8，例如框叠加在该显示的图像上，该框指示获取的图像中可能代表至少一处指纹的所述至少一处区域Z1d在图像1中坐落的地点。因此，在步骤F和G的过滤完成后保留区域集合中的每个区域在显示的图像上被标记。在实现过滤步骤F和G后，在步骤H中完成该保留区域集合。
视频流中的这些图像优选实时显示，也就是说在视频流中捕捉到图像的时刻到其在屏幕4c上显示并叠加符号8的时刻之间的不超过2秒的等待时间之后。
框8的显示允许用户知道指纹标识是否令人满意。也可以显示特定的符号来用信号告知用户他的指纹已经确实在预先记录的数据库中被标识。
根据本发明的方法的优点是它可以在不同光的条件下实现，即使该获取的图像显示颤抖的、模糊的手背景。该方法因此能够被用作大量销售的移动电话的标识装置。
注意，标识图像中指纹的特征与指纹数据库中的特征之间的匹配可与在进行中获取新图像同时执行。

Claims (12)

1.一种在个体的手(2)的至少一部分的图像(1)中检测可能含有至少一处指纹(3)的区域(Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a)的方法，其特征在于，该方法包括：
a)在光学传感器(4a)的辅助下且在不接触该手(2)的情况下获取手(2)的至少一照明部分的图像的步骤(A)；
b)确定获取的图像(1)的多个区域(Z1a、Z1b、Z1c、Z1d)的步骤(E)，每个区域从而被确定为该获取的图像(1)的均展现出大于或等于为确定的区域的确定而选择的发光强度阈值(Vsn，Vs1)的发光强度水平(I)的点的连续区域；
c)用于从该确定的区域内选择可能代表手指(3)的至少一处指纹的区域的第一选择步骤(F)，此选择(F)在第一种类型的至少一个过滤准则的辅助下执行，该第一种类型的至少一个过滤准则选自手指形状标识准则和/或指纹标准纹理标识准则和/或手指标准颜色标识准则，并且其中选择位于强度(I)的最小阈值(Vsmin)和强度(I)的最大阈值(VsMax)之间的照明强度(I)的阈值(Vsn、Vs、Vs2、Vs3)集合；以及在该阈值集合(Vsn)中的每一个阈值(Vs1、Vs2、Vs3)的辅助下执行确定该获取的图像的多个区域的步骤(E)，，以及随后存储用该阈值集合(Vsn)中的每一个阈值(Vs1、Vs2、Vs3)确定的该获取的图像(1)中该多个区域(Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a)。
2.如权利要求1所述的检测方法，其特征在于，进一步包括第二选择步骤(G)，该第二选择步骤(G)包括在该第一选择步骤(F)完成后在第二种类型的至少一个过滤准则的辅助下过滤之前选择的区域(Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a)，该第二种类型的过滤至少一个准则选自：
-区域(Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a)间最大分离准则，确定该最大分离准则以便在保留区域集合内仅保留在第一选择步骤(F)完成后的之前选择的区域，这些区域互相相邻，并且可能代表同一只手(2)的指纹的单独部分；和/或
-互相相邻区域(Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a)间面积比准则，确定该面积比准则以便确定互相相邻区域间的面积的比落在面积比的预定的最小值和最大值之间，符合该面积比准则的互相相邻区域被保留在保留区域集合中；和/或
-互相相邻区域(Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a)间相对定向准则，符合此定向准则的互相相邻区域被保留在保留区域集合中。
3.如权利要求1和2之一所述的检测方法，其特征在于，其中获取的图像(1)是彩色图像，并且为了确定获取的图像的点的发光强度(I)水平，使用基于获取的彩色图像(1)生成的灰度级图像(5)。
4.如权利要求1到3中任一项所述的检测方法，其特征在于，其中将该保留区域集合内的每个区域(Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a)的特征与预先记录的数据库(10)中包含的指纹的图像的特征相比较，并且在在该保留区域集合中的一个区域的特征与该预先记录的数据库10中的一个指纹的特征相匹配的情况下，则存储代表此匹配的标识链接。
5.如前述任一项权利要求所述的检测方法，其特征在于，其中，为执行获取该图像(1)的步骤(A)，被照明的手(2)面向该光学传感器(4a)的主光学轴(X1)位移。
6.如前述权利要求所述的检测方法，其特征在于，其中，为执行获取该图像(1)的步骤(A)，使用呈现主发光轴(X2)的人工照明(4b)的光学装置，其被设计成至少在该光学传感器(4a)获取该图像(1)的时刻照明该手。
7.如前述权利要求中任一项所述的检测方法，其特征在于，其中光学传感器(4a)和光学发光装置(4b)机械连接，并被设计成使得光学轴(X1)和主发光轴(X2)相互平行。
8.如前述权利要求中任一项所述的检测方法，其特征在于，其中获取的图像(1)取自属于用所述光学传感器生成的视频流的一系列图像。
9.如前述权利要求所述的检测方法，其特征在于，其中该视频流的至少一个图像被显示在显示装置(4c)上，并且诸如框的图形符号(8)被叠加在该视频流的显示的图像上，该图形符号指示该获取的图像中可能代表至少一处指纹的所述至少一处区域(Z1d)在图像(1)中坐落的地点。
10.如权利要求8和9中任一项所述的检测方法，其特征在于，其中该视频流包括连续的图像；依次使用所述连续的图像中的每个图像作为获取的图像，在该视频流中的所述连续的图像中的每个图像中确定可能包含至少一处指纹的区域。
11.一种确定装置(11)，所述确定装置被用来在图像中确定此图像的可能代表个体的至少一处指纹的至少一个区域(Z1a、Z1b、Z1c、Z1d、Z2a、Z2b、Z2d、Z3a)，该装置的特征在于，该装置被适配成实现如前述权利要求中的任一项所述的方法。
12.如前述权利要求所述的确定装置，其特征在于，所述确定装置包括智慧型电话，即所谓的智能电话。
CN201510608215.6A 2014-08-06 2015-08-06 在图像中确定可能代表个体的至少一个手指的区域的方法 Active CN105373769B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1457659A FR3024791B1 (fr) 2014-08-06 2014-08-06 Procede de determination, dans une image, d’au moins une zone succeptible de representer au moins un doigt d’un individu
FR1457659 2014-08-06

Publications (2)

Publication Number Publication Date
CN105373769A true CN105373769A (zh) 2016-03-02
CN105373769B CN105373769B (zh) 2019-05-21

Family

ID=52450255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510608215.6A Active CN105373769B (zh) 2014-08-06 2015-08-06 在图像中确定可能代表个体的至少一个手指的区域的方法

Country Status (7)

Country Link
US (1) US10248832B2 (zh)
EP (1) EP2988249B1 (zh)
KR (1) KR101736939B1 (zh)
CN (1) CN105373769B (zh)
ES (1) ES2635041T3 (zh)
FR (1) FR3024791B1 (zh)
LT (1) LT2988249T (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107526953A (zh) * 2016-06-15 2017-12-29 三星电子株式会社 支持指纹认证功能的电子装置及其操作方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6512965B2 (ja) * 2015-07-01 2019-05-15 キヤノン株式会社 画像処理装置および画像処理方法
CN109243009B (zh) * 2018-04-20 2020-12-01 湖州达立智能设备制造有限公司 指纹锁指纹角度校正系统
CN112232157B (zh) * 2020-09-30 2022-03-18 墨奇科技（北京）有限公司 指纹区域检测方法、装置、设备、存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067845A (zh) * 2007-05-14 2007-11-07 杭州中正生物认证技术有限公司 一种免接触光学指纹图像采集方法和系统
US20080044066A1 (en) * 2000-09-06 2008-02-21 Hitachi, Ltd. Personal identification device and method
CN101432593A (zh) * 2004-08-09 2009-05-13 克拉西菲耶有限公司 用于3d指纹识别的非接触式光学装置和方法
US20130182077A1 (en) * 2012-01-17 2013-07-18 David Holz Enhanced contrast for object detection and characterization by optical imaging

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19612949C1 (de) * 1996-04-01 1997-08-14 Siemens Ag Verfahren zur Erkennung mindestens eines fingerförmigen Objekts in einem ersten, handförmigen Objekt durch einen Rechner
WO2007000504A1 (fr) * 2005-06-27 2007-01-04 France Telecom Procede de reconnaissance biometrique d'une main, systeme et dispositif associes
US9042606B2 (en) * 2006-06-16 2015-05-26 Board Of Regents Of The Nevada System Of Higher Education Hand-based biometric analysis
FR2927713B1 (fr) * 2008-02-14 2011-08-26 Sagem Securite Dispositif d'acquisition d'empreintes digitales a la volee.
US8913801B2 (en) * 2012-06-29 2014-12-16 Apple Inc. Enrollment using synthetic fingerprint image and fingerprint sensing systems
US20150347833A1 (en) * 2014-06-03 2015-12-03 Mark Ries Robinson Noncontact Biometrics with Small Footprint

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080044066A1 (en) * 2000-09-06 2008-02-21 Hitachi, Ltd. Personal identification device and method
CN101432593A (zh) * 2004-08-09 2009-05-13 克拉西菲耶有限公司 用于3d指纹识别的非接触式光学装置和方法
CN101067845A (zh) * 2007-05-14 2007-11-07 杭州中正生物认证技术有限公司 一种免接触光学指纹图像采集方法和系统
US20130182077A1 (en) * 2012-01-17 2013-07-18 David Holz Enhanced contrast for object detection and characterization by optical imaging

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHULHAN LEE ET AL: "Preprocessing of a Fingerprint Image Captured with a Mobile Camera", 《ICB 2006》 *
HAREESH RAVI ET AL: "a novel method for touch-less finger print authentication", 《TECHNOLOGIES FOR HOMELAND SECURITY,2013 IEEE INTERNATIONAL CONFERENCE ON》 *
R. RAGHAVENDRA ET AL: "Scaling-Robust Fingerprint Verification with Smartphone Camera in Real-life Scenarios", 《BIOMETRICS: THEORY, APPLICATIONS AND SYSTEMS (BTAS), 2013 IEEE SIXTH INTERNATIONAL CONFERENCE ON》 *
梁爱华 等: "基于指部关联特征的多模态图像采集系统", 《传感技术学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107526953A (zh) * 2016-06-15 2017-12-29 三星电子株式会社 支持指纹认证功能的电子装置及其操作方法

Also Published As

Publication number Publication date
US10248832B2 (en) 2019-04-02
KR101736939B1 (ko) 2017-05-29
CN105373769B (zh) 2019-05-21
LT2988249T (lt) 2017-11-10
EP2988249A1 (fr) 2016-02-24
ES2635041T3 (es) 2017-10-02
FR3024791A1 (fr) 2016-02-12
FR3024791B1 (fr) 2017-11-10
KR20160017638A (ko) 2016-02-16
US20160042222A1 (en) 2016-02-11
EP2988249B1 (fr) 2017-05-24

Similar Documents

Publication Publication Date Title
US11176406B2 (en) Edge-based recognition, systems and methods
KR101856401B1 (ko) 차선 데이터의 처리 방법, 장치, 저장매체 및 기기
CN108846365B (zh) 视频中打架行为的检测方法、装置、存储介质及处理器
US9530071B2 (en) Hierarchical interlinked multi-scale convolutional network for image parsing
CN103916603B (zh) 逆光检测方法及设备
CN103916654B (zh) 获得深度信息的方法和显示设备
CN105488503B (zh) 一种非编码圆环形标记点圆心图像坐标检测方法
CN105373769A (zh) 在图像中确定可能代表个体的至少一个手指的至少一个区域的方法
CN107481101B (zh) 穿衣推荐方法及其装置
CN110276251A (zh) 一种图像识别方法、装置、设备及存储介质
WO2016190783A1 (ru) Способ визуализации объекта
CN103927785A (zh) 一种面向近景摄影立体影像数据的特征点匹配方法
CN101470805B (zh) 静态图像目标的特征信息提取方法及装置
CN107622496A (zh) 图像处理方法及装置
CN110879983B (zh) 一种人脸特征关键点的提取方法和一种人脸图像合成方法
CN103376897A (zh) 用于确定在所投影的图像的光锥中执行的手势的方法和设备
JP2015035799A (ja) 情報処理装置、撮像装置、情報処理システム、情報処理方法およびプログラム
US8718320B1 (en) Codification of a time series of images
Khan et al. A review of benchmark datasets and training loss functions in neural depth estimation
US6894716B1 (en) Method and apparatus for identifying a position of a predetermined object in free space using a video image
JP4991278B2 (ja) 画像処理装置
US9734593B2 (en) Object locating and tracking in video frames using smoothness check along specified line sections
CN104919470B (zh) 手指分割方法
KR102189307B1 (ko) 집단 지성 기반의 상호 검증을 이용한 인공지능 기반 객체인식 신뢰도 향상 방법
JP2013012117A (ja) 画像認識装置、画像認識方法及び画像認識用コンピュータプログラム

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: French Kubeva

Patentee after: Adimia - Identity and Security France

Address before: French Yixilaimu Leo

Patentee before: MORPHO