CN105740750A - 指纹活体检测及识别方法与装置 - Google Patents
指纹活体检测及识别方法与装置 Download PDFInfo
- Publication number
- CN105740750A CN105740750A CN201410763587.1A CN201410763587A CN105740750A CN 105740750 A CN105740750 A CN 105740750A CN 201410763587 A CN201410763587 A CN 201410763587A CN 105740750 A CN105740750 A CN 105740750A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- pore
- identified
- pretending
- image
- 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
Links
Landscapes
- Image Input (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种指纹活体检测及识别方法与装置，该方法包括：采集待识别指纹图像；以及根据所述图像中汗孔数量和/或汗孔密度和/或汗孔位置信息判断所述待识别指纹是否为冒充指纹；该装置包括用于采集待识别指纹图像的指纹采集单元；指纹判断单元，用于根据所述图像中汗孔数量和/或汗孔密度和/或汗孔位置信息判断所述待识别指纹是否为冒充指纹用于采集待识别指纹图像的指纹采集单元。本发明指纹活体检测及识别方法与装置可以准确判断待识别指纹是否为冒充指纹，可防止指纹膜及其他指纹冒充。
Description
技术领域
本发明涉及一种基于高分辨率指纹图像的识别技术，尤指一种指纹活体检测及识别方法与装置。
背景技术
目前，指纹识别在很多场合已经有很重要的应用，如考勤、门禁、自助通关、电脑解锁、手机解锁、支付等。现有的指纹识别所用的指纹采集器主要是提取指纹上的细节点特征来识别是否为有效指纹，这些细节点特征是指指纹纹线的端点、分叉点等。
然而指纹伪造技术也随之发展，最常见的是指纹膜伪造他人指纹。指纹膜通常用硅胶等材料制作，成本低廉，但其却可以制作出具有相当清晰度的指纹细节点特征。无论是光学式指纹采集器还是半导体式指纹采集器，指纹膜在很多时候都可以成功欺骗。
因此，如何在指纹识别技术中增加指纹的活体检测方法，防止使用指纹膜或其他手段冒充，已经成为指纹识别领域需要解决的一大难题。
发明内容
本发明的目的在于提供一种指纹活体检测及识别方法与装置，其可以准确判断待识别指纹是否为冒充指纹，可防止指纹膜及其他指纹冒充。
为了达到上述目的，本发明提供一种指纹活体检测及识别方法，其包括以下步骤：
采集待识别指纹图像；以及
根据所述图像中汗孔数量和/或汗孔密度和/或汗孔位置信息判断所述待识别指纹是否为冒充指纹。
进一步地，按照下述步骤根据所述图像中汗孔数量和/或汗孔密度和/或汗孔位置信息判断所述待识别指纹是否为冒充指纹：
确定N帧有效图像，N≥2；
获取每一帧图像中的汗孔数量和/或汗孔密度和/或汗孔位置信息；
将这些图像上的汗孔信息相互匹配，确定待识别指纹是否为冒充指纹。
进一步地，在根据所述汗孔数量和/或汗孔密度和/或汗孔位置信息判断待识别指纹为有效指纹后，还包括：进一步判断待识别指纹图像的指纹细节点是否与指纹模板的指纹细节点匹配，若匹配则确定待识别指纹为有效指纹，否则为冒充指纹。
进一步地，在根据指纹细节点与指纹模板的指纹细节点匹配结果判断为有效指纹后，还包括：
选择N个汗孔；
将各个汗孔中心的X、Y坐标和/或各汗孔区域与其周围区域的平均对比度与指纹模板上的汗孔信息进行匹配，根据匹配结果判断待识别指纹是否为冒充指纹。
一种指纹活体检测及识别装置，其包括：
指纹采集单元，用于采集待识别指纹图像；
指纹判断单元，用于根据所述图像中汗孔数量和/或汗孔密度和/或汗孔位置信息判断所述待识别指纹是否为冒充指纹。
进一步地，所述指纹判断单元包括：
图像选择单元，用于确定N帧有效图像，N≥2；
参数获取单元，用于获取每一帧图像中的汗孔数量和/或汗孔密度和/或汗孔位置信息；
第一判断单元，用于将该些所述图像上的汗孔信息相互匹配，确定待识别指纹是否为冒充指纹。
进一步地，还包括连接所述第一判断单元的第二判断单元，所述第二判断单元在第一判断单元判断待识别指纹为有效指纹后，进一步判断待识别指纹图像的指纹细节点是否与指纹模板的指纹细节点匹配，若匹配确定待识别指纹为有效指纹，否则为冒充指纹。
进一步地，还包括连接第二判断单元的第三判断单元，所述第三判断单元在根据指纹细节点与指纹模板的指纹细节点匹配结果判断为有效指纹后，选择N个有效汗孔；将各个汗孔中心的X、Y坐标和/或各汗孔区域与其周围区域的平均对比度与指纹模板上的汗孔信息进行匹配，根据匹配结果判断待识别指纹是否为冒充指纹。
采用上述方案后，本发明具有以下有益效果：
1、本发明通过对采集到的待识别指纹图像中汗孔的数量和/或密度和/或位置进行检测，可以判断出待识别指纹是否为冒充指纹，因为一般的指纹膜上是复制不出汗腺，因此采集到的图像中也不会有汗孔存在，而一些高级指纹膜或其它冒充指纹，其图像中汗孔的数量和/或密度和/或位置均不同于指纹模板上的汗孔信息，这样可以准确判断待识别指纹是否为冒充指纹；
2、通过进一步对待识别指纹图像的指纹细节点与指纹模板的指纹细节点匹配检测，可以进一步判断待识别指纹是否是冒充指纹；
3、通过对待识别指纹图像中各汗孔中心的X、Y坐标和各汗孔区域与其周围区域的平均对比度与指纹模板上的相应汗孔信息进行匹配检测，可以直接判断出待识别指纹是否为同源的活体指纹，这样进一步增强了对待识别指纹的身份确定，达到有效防止指纹膜及其他指纹冒充。
附图说明
图1是本发明指纹活体检测及识别方法的实施例一流程图；
图2是图1中2000PPI下采集到的指纹图像；
图3是本发明指纹活体检测及识别方法的实施例二流程图；
图4是本发明指纹活体检测及识别方法的实施例三流程图；
图5是本发明指纹活体检测及识别方法的实施例四流程图；
图6是本发明指纹活体检测及识别方法的实施例五流程图；
图7是本发明指纹活体检测及识别方法的实施例六流程图；
图8是本发明指纹活体检测及识别方法的实施例七流程图；
图9是本发明指纹活体检测及识别方法的实施例八流程图；
图10是本发明指纹活体检测及识别方法的实施例九流程图；
图11是本发明指纹活体检测及识别方法的实施例十流程图；
图12是本发明指纹活体检测及识别方法的实施例十一流程图；
图13是本发明指纹活体检测及识别装置的实施例一结构框图；
图14是本发明指纹活体检测及识别装置的实施例二结构框图；
图15是本发明指纹活体检测及识别装置的实施例三结构框图；
图16是本发明指纹活体检测及识别装置的实施例四结构框图。
具体实施方式
下面结合说明书附图对本发明做进一步的描述。
如图1所示本发明指纹活体检测及识别方法的实施例一流程图，其包括以下步骤：
S10、当有信号输入时，采集待识别指纹图像，此实施例采集一枚图像，将图像经过图像增强、去噪处理及二值化处理后，见图2中所示的在分辨率2000PPI下拍摄到的采集图像，图像中指纹脊线上有多个白色光斑，这些光斑是手指上汗腺分泌的汗液呈现在图像中的形状，我们将这些光斑称为汗孔。
S11、根据所述图像中汗孔数量与指纹模板上的汗孔数量进行比较，判断待识别指纹是否为冒充指纹。
将所述图像中采集的汗孔数量与指纹模板上的汗孔数量进行比较，例如：图像采集区的有效面积为5*6毫米且分辨率为2000PPI，采集的图像内的汗孔数量为100个，而指纹模板上的汗孔数量为190个，设置符合有效指纹的汗孔数量阈值范围为150-250个，则可以判断待识别指纹为冒充指纹，并输出“冒充指纹”的信号，如果图像中的汗孔数量为180个，则其在有效指纹的汗孔数量阈值范围内，可判断该待识别指纹为有效指纹，并输出“有效指纹”的信号，否则判断为“冒充指纹”，并输出“冒充指纹”的信号。
如图3所示本发明指纹活体检测及识别方法的实施例二流程图，其是对采集的所述图像的第二种方式指纹判断：
S21、根据所述图像中汗孔密度与指纹模板上的汗孔密度进行比较，判断待识别指纹是否为冒充指纹。
汗孔密度即在单位面积内的汗孔数量，如：图像中采集的汗孔密度为6个/平方毫米，指纹模板上的汗孔密度为5个/平方毫米，设置有效指纹的汗孔密度阈值范围为3-8个/平方毫米，则所述图像的汗孔密度在汗孔密度阈值范围内，则判断待识别指纹为有效指纹，输出“有效指纹”的信号，否则待识别指纹被判断为冒充指纹，输出“冒充指纹”的信号。
如图4所示本发明指纹活体检测及识别方法的实施例三流程图，其是对采集的所述图像的第三种方式指纹判断：
S31、根据所述图像中汗孔位置与指纹模板上的汗孔位置进行比较，判断待识别指纹是否为冒充指纹。
例如，图像采集区采集的图像面积5*6毫米，所述图像上一块汗孔数量集中的位置与指纹模板上相对应的位置进行比较，该位置图像面积2*3毫米，假设待识别指纹图像中该位置内的汗孔数量为10个，而指纹模板上该位置的汗孔数量为45个，设置符合有效指纹的该位置汗孔数量阈值范围为30-50个，则可以判断出待识别指纹为冒充指纹，并输出“冒充指纹”的信号，如果待识别指纹图像中该位置内的汗孔数量为50个，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号。
如图5所示本发明指纹活体检测及识别方法的实施例四流程图，其是对采集的所述图像的第四种方式指纹判断：
S41、根据所述图像中汗孔数量和汗孔密度与指纹模板上的汗孔数量和汗孔密度进行比较，判断待识别指纹是否为冒充指纹。
该方式判断标准为：所述图像中汗孔数量和汗孔密度同时与指纹模板上汗孔数量和汗孔密度进行比较。
例如，图像采集区采集的图像面积5*6毫米，所述图像中的汗孔数量为50个，汗孔密度为1个/平方毫米，而指纹模板上的汗孔数量为190个，汗孔密度为5个/平方毫米，设置有效指纹的汗孔数量阈值范围为150-250个，汗孔密度阈值范围为3-8个/平方毫米，则可以判断该待识别指纹为冒充指纹，并输出“冒充指纹”的信号，再例如：所述图像的汗孔数量为180个，汗孔密度为6个/平方毫米，由于汗孔数量与汗孔密度均满足有效指纹的汗孔数量阈值范围和汗孔密度阈值范围，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，这种判断方式，所述图像中汗孔数量和汗孔密度必须同时满足有效指纹的汗孔数量阈值范围和汗孔密度阈值范围，只要汗孔数量、汗孔密度中有一个不满足相应的阈值范围，判断为冒充指纹。
如图6所示本发明指纹活体检测及识别方法的实施例五流程图，其是对采集的所述图像的第五种方式指纹判断：
S51、根据所述图像中汗孔数量和汗孔位置与指纹模板上的汗孔数量和汗孔位置进行比较，判断待识别指纹是否为冒充指纹。
该方式判断标准为：所述图像中汗孔数量和汗孔位置同时与指纹模板上的汗孔数量和汗孔位置进行比较，当所述图像中汗孔数量和汗孔位置同时满足有效指纹的汗孔数量阈值范围和该位置汗孔数量阈值范围，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则只要汗孔数量、汗孔位置中有一个不满足相应阈值范围，就判断为冒充指纹，并输出“冒充指纹”的信号。
如图7所示本发明指纹活体检测及识别方法的实施例六流程图，其是对采集的所述图像的第六种方式指纹判断：
S61、根据所述图像中汗孔密度和汗孔位置与指纹模板上的汗孔密度和汗孔位置进行比较，判断待识别指纹是否为冒充指纹。
该方式判断标准为：所述图像中汗孔密度和汗孔位置同时与指纹模板上的汗孔密度和汗孔位置进行比较，当所述图像中汗孔密度和汗孔位置同时满足有效指纹的汗孔密度阈值范围和该位置汗孔数量阈值范围，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则只要汗孔密度、汗孔位置中有一个不满足相应阈值范围，就判断为冒充指纹，并输出“冒充指纹”的信号。
如图8所示本发明指纹活体检测及识别方法的实施例七流程图，其是对采集的所述图像的第七种方式指纹判断：
S71、根据所述图像中汗孔数量、汗孔密度和汗孔位置与指纹模板上的汗孔数量、汗孔密度和汗孔位置进行比较，判断待识别指纹是否为冒充指纹。
该方式判断标准为：所述图像中汗孔数量、汗孔密度和汗孔位置同时与指纹模板上的汗孔数量、汗孔密度和汗孔位置进行比较，当所述图像中汗孔数量、汗孔密度和汗孔位置同时满足有效指纹的汗孔数量阈值范围、汗孔密度阈值范围、该位置汗孔数量阈值范围，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则只要汗孔数量、汗孔密度、汗孔位置中有一个不满足相应阈值范围，就判断为“冒充指纹”，并输出“冒充指纹”的信号。
如图9所示本发明指纹活体检测及识别方法的实施例八流程图，在本实施例或本公开其他某些实施例中，根据所述图像中汗孔数量信息判断所述待识别指纹是否为冒充指纹包括以下步骤：
S81、确定从同一指纹上采集的N帧有效图像，N≥2，例如选择3帧图像；
该3帧图像保证其观察的清晰度。
S82、获取每一帧图像中的汗孔数量信息，该步骤可参考图1中的获取方式；
S83、将该3帧图像中的汗孔数量信息相互匹配，确定待识别指纹是否为冒充指纹。
例如，图像采集区采集的图像面积5*6毫米，获取的三帧图像中汗孔数量分别为180个、190个、200个，设置符合有效指纹的条件：即任意两帧图像中的汗孔数量的差值绝对值阈值范围为不大于20，由于该三帧图像中的任意两帧图像中的汗孔数量差值绝对值均在所设置的阈值范围内，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则只要有任意两帧图像的汗孔数量差值绝对值大于20，则判断待识别指纹为“冒充指纹”，并输出“冒充指纹”的信号。
上述三帧图像也可以通过获取各帧图像中汗孔密度信息，将三帧图像中的汗孔密度信息相互匹配，判断待识别指纹是否为冒充指纹。各帧图像的汗孔密度信息获取方式参见图3所示实施例。例如三帧图像中的汗孔密度分别为4个/平方毫米、5个/平方毫米、6个/平方毫米，设置符合有效指纹的条件：即任意两帧图像中的汗孔密度的差值绝对值阈值范围为不大于2，由于该三帧图像中的任意两帧图像中的汗孔密度差值绝对值均在所设置的阈值范围内，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则只要有任意两帧图像的汗孔密度差值绝对值大于2，则判断待识别指纹为“冒充指纹”，并输出“冒充指纹”的信号。
上述三帧图像也可以通过获取各帧图像中汗孔位置信息，将三帧图像中的汗孔位置信息相互匹配，判断待识别指纹是否为冒充指纹。各帧图像的汗孔位置信息获取方式参见图4所示实施例。设置任意两帧图像的汗孔位置信息的差值绝对值阈值范围，如果三帧图像中任意两帧图像中汗孔位置信息的差值绝对值均在所设置的阈值范围内，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则判断为“冒充指纹”，并输出“冒充指纹”信号。
上述三帧图像也可以通过获取各帧图像中汗孔数量和汗孔密度信息，将三帧图像中的汗孔数量和汗孔密度信息相互匹配，判断待识别指纹是否为冒充指纹。设置任意两帧图像的汗孔数量的差值绝对值阈值范围和汗孔密度的差值绝对值阈值范围，当该三帧图像中任意两帧图像中的汗孔数量的差值绝对值和汗孔密度的差值绝对值均在所设置的相应阈值范围内，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则判断为“冒充指纹”，并输出“冒充指纹”的信号。
上述三侦图像也可以通过获取各帧图像中汗孔数量和汗孔位置信息，将三帧图像中的汗孔数量和汗孔位置信息相互匹配，判断待识别指纹是否为冒充指纹。设置任意两帧图像的汗孔数量的差值绝对值阈值范围和汗孔位置信息的差值绝对值阈值范围，当该三帧图像中任意两帧图像中的汗孔数量的差值绝对值和汗孔位置信息的差值绝对值均在所设置的相应阈值范围内，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则判断为“冒充指纹”，并输出“冒充指纹”的信号。
上述三帧图像也可以通过获取各帧图像中汗孔密度和汗孔位置信息，将三帧图像中的汗孔密度和汗孔位置信息相互匹配，判断待识别指纹是否为冒充指纹。设置任意两帧图像的汗孔密度的差值绝对值阈值范围和汗孔位置信息的差值绝对值阈值范围，当该三帧图像中任意两帧图像中的汗孔密度的差值绝对值和汗孔位置信息的差值绝对值均在所设置的相应阈值范围内，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则判断为“冒充指纹”，并输出“冒充指纹”的信号。
也可以通过获取各帧图像中汗孔数量、汗孔密度和汗孔位置信息，将三帧图像中的汗孔数量、汗孔密度和汗孔位置信息相互匹配，判断待识别指纹是否为冒充指纹。设置任意两帧图像的汗孔数量的差值绝对值阈值范围、汗孔密度的差值绝对值阈值范围和汗孔位置信息的差值绝对值阈值范围，当该三帧图像中任意两帧图像中的汗孔数量的差值绝对值、汗孔密度的差值绝对值和汗孔位置信息的差值绝对值均在所设置的相应阈值范围内，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则判断为“冒充指纹”，并输出“冒充指纹”的信号。
如图10所示本发明指纹活体检测及识别方法的实施例九流程图，在本实施例或本公开其他某些实施例中，还包括：在上述各实施例根据对汗孔数量和/或汗孔密度和/或汗孔位置信息判断待识别指纹为有效指纹后，
S91、进一步判断待识别指纹图像的指纹细节点是否与指纹模板的指纹细节点匹配；指纹细节点特征即指纹纹线的端点、分叉点等，将所述图像中的指纹纹线的端点、分叉点等与指纹模板上的指纹纹线端点、分叉点等进行匹配，此为现有技术，不再赘述。若二者匹配，则判断待识别指纹为有效指纹，并输出“有效指纹”的信号，否则判断为“冒充指纹”，并输出“冒充指纹”的信号。
如图11所示本发明指纹活体检测及识别方法的实施例十流程图，其包括如下步骤：
S101、当有信号输入时，采集待识别指纹图像，采集过程可参见图1中的步骤S10；
S102、对上述步骤采集的所述图像进行增强处理、去噪处理及二值化处理；
S103、经步骤S102处理后进行汗孔检测，该检测过程可参考图1中的步骤S11；
S104、判断所述图像中是否存在有效汗孔，判断方式可参考图1中步骤S11；
S105、若上述判断为否则，则为冒充指纹，输出“冒充指纹”的信号、报警，同时转到步骤S110结束，若上述判断为是，则进入下一步骤S106；
S106、提取所述图像的指纹细节点特征；
S107、判断与指纹模板细节点特征是否匹配，如果判断为否，则转入步骤S105，输出“冒充指纹”的信号、报警，同时转到步骤S110结束，若上述判断为是，则进入下一步骤S108；
S108、判断与指纹模板的汗孔信息是否匹配，若判断为否，则转入步骤S105，输出“冒充指纹”的信号、报警，同时转到步骤S110结束；
S109、若上述步骤S108判断为是，则判断待识别指纹为有效指纹，并转到步骤S110结束。
结合图12所示，步骤S108的具体匹配过程是：
S1081、选择N个汗孔：在指纹图像对准的情况下，对准步骤为：例如选择位于指纹细节点特征处，如指纹纹线的端点或分叉点附近的一个汗孔做为基准点，以所述基准点的汗孔及其附近的所述纹线的端点或交叉点为对象，在指纹模板上找相对应特征的汗孔及纹线的端点或交叉点，使二者对准后，进行较粗略的旋转、平移等参数之后，再利用汗孔本身的位置信息进行精细对准，即将汗孔看作二维的无向点集(没有方向的二维散点集合)，见下表1，利用常规的点集匹配理论进行匹配和对准。这类方法有很多，此处不再赘述。对准后，选择N个汗孔，获取每个汗孔中心的X、Y坐标，和每个汗孔区域与其周围区域的平均对比度；
S1082、将各个汗孔中心的X、Y坐标和/或各汗孔区域与其周围区域的平均对比度与指纹模板上的汗孔信息进行匹配，此实施例以各个汗孔中心的X、Y坐标和各汗孔区域与其周围区域的平均对比度与指纹模板上的汗孔信息进行匹配说明，根据匹配结果判断待识别指纹是否为冒充指纹。
即所述图像中应该有足够多的汗孔信息与指纹模板上的汗孔信息一致。两个汗孔信息的一致性判定方法可以如下：
假设两个汗孔的信息分别为(x1，y1，c1)，(x2，y2，c2)，其中x,y分量是汗孔中心的坐标，c分量是汗孔区域与其周围区域的平均对比度。若
则称这两个汗孔信息一致。其中，Tx，Ty，Tc是给定的阈值。
表1为汗孔的记录信息
| 序号 | 名称 | 类型 | 内容说明 |
| 1 | X | 整数 | 汗孔中心的x坐标 |
| 2 | Y | 整数 | 汗孔中心的y坐标 |
| 3 | C | 整数 | 汗孔的灰度与其周围的平均灰度的对比度 |
如图13所示本发明指纹活体检测及识别装置的实施例一结构框图，包括：
指纹采集单元M10，用于采集待识别指纹图像，其为高分辨率采集装置。其具有指纹采集触摸区窗口，该指纹采集单元M10还包括用于对图像进行图像增强处理、去噪处理的墨西哥帽滤波器(MexicanHatFilter)及对图像进行二值化处理的二值化处理装置。待识别指纹在指纹采集触摸区窗口进行捺印后，该指纹采集单元M10将采集到该枚指纹转化为模拟指纹图像及由模拟指纹图像转化的数据信息。模拟指纹图像经墨西哥帽滤波器(MexicanHatFilter)及二值化处理装置对图像处理后，得到清晰的图像，该图像除了具有指纹纹线、指纹纹线端点、交叉点等指纹细节点特征外，在指纹纹线的脊线上还具有多个汗孔，该所述图像中的光斑数量和/或密度通过该指纹采集单元M10即可得到；
指纹判断单元M11，其包括指纹模板，其根据指纹采集单元M10采集到图像中的汗孔数量和/或密度和/或位置与指纹模板上的该些汗孔信息进行比较，来判断采集的待识别指纹是否为冒充指纹。
如图14所示本发明指纹活体检测及识别装置的实施例二结构框图，在本实施例或本公开其他某些实施例中，指纹判断单元M21包括：
图像选择单元M211，用于确定N帧有效图像，N≥2，此处N选择3，确定方式参考图1所述实施例中有描述，此处不再赘述；
参数获取单元M212，用于获取每一帧图像中的汗孔数量和/或汗孔密度和/或汗孔位置信息；
第一判断单元M213，用于将该些所述图像上的汗孔信息相互匹配，确定待识别指纹是否为冒充指纹。
如图15所示为本发明指纹活体检测及识别装置的实施例三结构框图，在本实施例或本公开其他某些实施例中，指纹判断单元M31包括的图像选择单元M311、参数获取单元M312及第一判断单元M313与上述图14所示实施例结构相同，不再赘述，不同之处在于：还包括连接第一判断单元M313的第二判断单元M32，第二判断单元M32在第一判断单元M313判断待识别指纹为有效指纹后，进一步判断待识别指纹图像的指纹细节点是否与指纹模板的指纹细节点匹配，若匹配确定待识别指纹为有效指纹，否则为冒充指纹。
如图16所示本发明指纹识别装置的实施例四结构框图，在本实施例或本公开其他某些实施例中，指纹判断单元M41包括的图像选择单元M411、参数获取单元M412、第一判断单元M413及第二判断单元M42与上述图15所示实施例结构相同，不再赘述，不同之处在于：还包括连接第二判断单元M42的第三判断单元M43，第三判断单元M43在根据指纹细节点与指纹模板的指纹细节点匹配结果判断为有效指纹后，选择N个有效汗孔；将各个汗孔中心的X、Y坐标和/或各汗孔区域与其周围区域的平均对比度与指纹模板上的汗孔信息进行匹配，根据匹配结果判断待识别指纹是否为冒充指纹。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (8)
1.一种指纹活体检测及识别方法，其特征在于，包括以下步骤：
采集待识别指纹图像；以及
根据所述图像中汗孔数量和/或汗孔密度和/或汗孔位置信息判断所述待识别指纹是否为冒充指纹。
2.根据权利要求1所述的指纹活体检测及识别方法，其特征在于，按照下述步骤根据所述图像中汗孔数量和/或汗孔密度和/或汗孔位置信息判断所述待识别指纹是否为冒充指纹：
确定N帧有效图像，N≥2；
获取每一帧图像中的汗孔数量和/或汗孔密度和/或汗孔位置信息；
将这些图像上的汗孔信息相互匹配，确定待识别指纹是否为冒充指纹。
3.根据权利要求1或2所述的指纹活体检测及识别方法，其特征在于，在根据所述汗孔数量和/或汗孔密度和/或汗孔位置信息判断待识别指纹为有效指纹后，还包括：进一步判断待识别指纹图像的指纹细节点是否与指纹模板的指纹细节点匹配，若匹配则确定待识别指纹为有效指纹，否则为冒充指纹。
4.根据权利要求3所述的指纹活体检测及识别方法，其特征在于，在根据指纹细节点与指纹模板的指纹细节点匹配结果判断为有效指纹后，还包括：
选择N个汗孔；
将各个汗孔中心的X、Y坐标和/或各汗孔区域与其周围区域的平均对比度与指纹模板上的汗孔信息进行匹配，根据匹配结果判断待识别指纹是否为冒充指纹。
5.一种指纹活体检测及识别装置，其特征在于，包括：
指纹采集单元，用于采集待识别指纹图像；
指纹判断单元，用于根据所述图像中汗孔数量和/或汗孔密度和/或汗孔位置信息判断所述待识别指纹是否为冒充指纹。
6.根据权利要求5所述的指纹活体检测及识别装置，其特征在于，所述指纹判断单元包括：
图像选择单元，用于确定N帧有效图像，N≥2；
参数获取单元，用于获取每一帧图像中的汗孔数量和/或汗孔密度和/或汗孔位置信息；第一判断单元，用于将该些所述图像上的汗孔信息相互匹配，确定待识别指纹是否为冒充指纹。
7.根据权利要求5或6所述的指纹活体检测及识别装置，其特征在于，还包括连接所述第一判断单元的第二判断单元，所述第二判断单元在第一判断单元判断待识别指纹为有效指纹后，进一步判断待识别指纹图像的指纹细节点是否与指纹模板的指纹细节点匹配，若匹配确定待识别指纹为有效指纹，否则为冒充指纹。
8.根据权利要求7所述的指纹活体检测及识别装置，其特征在于，还包括连接第二判断单元的第三判断单元，所述第三判断单元在根据指纹细节点与指纹模板的指纹细节点匹配结果判断为有效指纹后，选择N个有效汗孔；将各个汗孔中心的X、Y坐标和/或各汗孔区域与其周围区域的平均对比度与指纹模板上的汗孔信息进行匹配，根据匹配结果判断待识别指纹是否为冒充指纹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410763587.1A CN105740750B (zh) | 2014-12-11 | 2014-12-11 | 指纹活体检测及识别方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410763587.1A CN105740750B (zh) | 2014-12-11 | 2014-12-11 | 指纹活体检测及识别方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105740750A true CN105740750A (zh) | 2016-07-06 |
| CN105740750B CN105740750B (zh) | 2019-07-30 |
Family
ID=56241202
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410763587.1A Active CN105740750B (zh) | 2014-12-11 | 2014-12-11 | 指纹活体检测及识别方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105740750B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106250890A (zh) * | 2016-09-23 | 2016-12-21 | 南昌欧菲生物识别技术有限公司 | 一种指纹识别方法及装置 |
| CN106709454A (zh) * | 2016-12-23 | 2017-05-24 | 努比亚技术有限公司 | 指纹识别装置及方法 |
| CN107045744A (zh) * | 2017-04-14 | 2017-08-15 | 特斯联（北京）科技有限公司 | 一种智能别墅门禁认证方法及系统 |
| WO2017143571A1 (zh) * | 2016-02-25 | 2017-08-31 | 深圳市汇顶科技股份有限公司 | 指纹识别方法、装置和终端 |
| CN107563364A (zh) * | 2017-10-23 | 2018-01-09 | 清华大学深圳研究生院 | 基于汗腺的指纹真伪辨别方法以及指纹识别方法 |
| CN108345824A (zh) * | 2017-01-24 | 2018-07-31 | 创智能科技股份有限公司 | 指纹验证方法与电子装置 |
| CN108446633A (zh) * | 2018-03-20 | 2018-08-24 | 深圳大学 | 一种新型指纹自动防伪与活体检测的方法、系统及装置 |
| CN109478235A (zh) * | 2016-07-20 | 2019-03-15 | 赛普拉斯半导体公司 | 用于指纹控制器的反欺骗保护 |
| CN109840458A (zh) * | 2017-11-29 | 2019-06-04 | 杭州海康威视数字技术股份有限公司 | 一种指纹识别方法及指纹采集设备 |
| CN109871729A (zh) * | 2017-12-04 | 2019-06-11 | 上海箩箕技术有限公司 | 身份识别方法和身份识别系统 |
| CN111079626A (zh) * | 2019-12-11 | 2020-04-28 | 深圳市迪安杰智能识别科技有限公司 | 一种活体指纹识别方法、电子设备及计算机可读存储介质 |
| CN112001233A (zh) * | 2020-07-01 | 2020-11-27 | 义隆电子股份有限公司 | 生物特征的辨识系统及辨识方法 |
| CN112069878A (zh) * | 2020-07-21 | 2020-12-11 | 北京迈格威科技有限公司 | 目标对象的合法性判别方法、装置及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1842805A (zh) * | 2003-08-29 | 2006-10-04 | 皇家飞利浦电子股份有限公司 | 生物统计识别设备 |
| CN101226589A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 基于薄板样条形变模型的活体指纹检测方法 |
| WO2014165579A1 (en) * | 2013-04-02 | 2014-10-09 | Clarkson University | Fingerprint pore analysis for liveness detection |
-
2014
- 2014-12-11 CN CN201410763587.1A patent/CN105740750B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1842805A (zh) * | 2003-08-29 | 2006-10-04 | 皇家飞利浦电子股份有限公司 | 生物统计识别设备 |
| CN101226589A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 基于薄板样条形变模型的活体指纹检测方法 |
| WO2014165579A1 (en) * | 2013-04-02 | 2014-10-09 | Clarkson University | Fingerprint pore analysis for liveness detection |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017143571A1 (zh) * | 2016-02-25 | 2017-08-31 | 深圳市汇顶科技股份有限公司 | 指纹识别方法、装置和终端 |
| CN109478235B (zh) * | 2016-07-20 | 2021-11-02 | 赛普拉斯半导体公司 | 用于指纹控制器的反欺骗保护 |
| CN109478235A (zh) * | 2016-07-20 | 2019-03-15 | 赛普拉斯半导体公司 | 用于指纹控制器的反欺骗保护 |
| CN106250890B (zh) * | 2016-09-23 | 2020-05-05 | 南昌欧菲生物识别技术有限公司 | 一种指纹识别方法及装置 |
| CN106250890A (zh) * | 2016-09-23 | 2016-12-21 | 南昌欧菲生物识别技术有限公司 | 一种指纹识别方法及装置 |
| CN106709454A (zh) * | 2016-12-23 | 2017-05-24 | 努比亚技术有限公司 | 指纹识别装置及方法 |
| CN108345824A (zh) * | 2017-01-24 | 2018-07-31 | 创智能科技股份有限公司 | 指纹验证方法与电子装置 |
| CN107045744A (zh) * | 2017-04-14 | 2017-08-15 | 特斯联（北京）科技有限公司 | 一种智能别墅门禁认证方法及系统 |
| CN107563364A (zh) * | 2017-10-23 | 2018-01-09 | 清华大学深圳研究生院 | 基于汗腺的指纹真伪辨别方法以及指纹识别方法 |
| CN107563364B (zh) * | 2017-10-23 | 2021-11-12 | 清华大学深圳研究生院 | 基于汗腺的指纹真伪辨别方法以及指纹识别方法 |
| WO2019104932A1 (zh) * | 2017-11-29 | 2019-06-06 | 杭州海康威视数字技术股份有限公司 | 一种指纹识别方法及指纹采集设备 |
| CN109840458A (zh) * | 2017-11-29 | 2019-06-04 | 杭州海康威视数字技术股份有限公司 | 一种指纹识别方法及指纹采集设备 |
| CN109871729A (zh) * | 2017-12-04 | 2019-06-11 | 上海箩箕技术有限公司 | 身份识别方法和身份识别系统 |
| CN108446633A (zh) * | 2018-03-20 | 2018-08-24 | 深圳大学 | 一种新型指纹自动防伪与活体检测的方法、系统及装置 |
| CN111079626A (zh) * | 2019-12-11 | 2020-04-28 | 深圳市迪安杰智能识别科技有限公司 | 一种活体指纹识别方法、电子设备及计算机可读存储介质 |
| CN111079626B (zh) * | 2019-12-11 | 2023-08-01 | 深圳市迪安杰智能识别科技有限公司 | 一种活体指纹识别方法、电子设备及计算机可读存储介质 |
| CN112001233A (zh) * | 2020-07-01 | 2020-11-27 | 义隆电子股份有限公司 | 生物特征的辨识系统及辨识方法 |
| CN112069878A (zh) * | 2020-07-21 | 2020-12-11 | 北京迈格威科技有限公司 | 目标对象的合法性判别方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105740750B (zh) | 2019-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105740750A (zh) | 指纹活体检测及识别方法与装置 | |
| CN110060774B (zh) | 一种基于生成式对抗网络的甲状腺结节识别方法 | |
| TWI496112B (zh) | 細胞影像分割方法以及核質比評估方法 | |
| CN110647875B (zh) | 一种血细胞分割、识别模型构造的方法及血细胞识别方法 | |
| Liu et al. | High-accurate and robust fingerprint anti-spoofing system using optical coherence tomography | |
| CN109493343A (zh) | 医疗图像异常区域分割方法及设备 | |
| Zuo et al. | Combination of polar edge detection and active contour model for automated tongue segmentation | |
| Motta et al. | Vessel optimal transport for automated alignment of retinal fundus images | |
| Vezzetti et al. | 3D Landmarking in multiexpression face analysis: a preliminary study on eyebrows and mouth | |
| Wang et al. | A method of ultrasonic image recognition for thyroid papillary carcinoma based on deep convolution neural network | |
| Sivasankar et al. | Retracted: FCM based iris image analysis for tissue imbalance stage identification | |
| Chen et al. | Automatic measurements of fetal lateral ventricles in 2D ultrasound images using deep learning | |
| CN105530851A (zh) | 图像处理装置、图像处理方法以及图像处理程序 | |
| CN110555380A (zh) | 基于Center Loss损失函数的指静脉识别方法 | |
| CN109389033A (zh) | 一种新型的瞳孔快速定位方法 | |
| Mustonen et al. | Discrepancies in expert decision-making in forensic fingerprint examination | |
| CN115527065A (zh) | 髋关节分型方法、装置和存储介质 | |
| Koehoorn et al. | Effcient and effective automated digital hair removal from dermoscopy images | |
| Deng et al. | A novel framework for classifying leather surface defects based on a parameter optimized residual network | |
| Faustino et al. | A graph-mining algorithm for automatic detection and counting of embryonic stem cells in fluorescence microscopy images | |
| Zhang et al. | Cascaded-Automatic Segmentation for Schistosoma japonicum eggs in images of fecal samples | |
| CN106372593A (zh) | 一种基于血管收敛的视盘区定位方法 | |
| Kankrale et al. | Template level concatenation of iris and fingerprint in multimodal biometric identification systems | |
| CN116524315A (zh) | 一种基于Mask R-CNN的肺癌病理组织切片识别及分割方法 | |
| JP4991278B2 (ja) | 画像処理装置 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Fingerprint in vivo detection and identification method and device Effective date of registration: 20200826 Granted publication date: 20190730 Pledgee: Zhang Jinfang Pledgor: Vkansee Technology Co.,Ltd. Registration number: Y2020990001028 |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 714000 floors 4-6, building 3, additive manufacturing Innovation Center Industrial Park, west section of Chaoyang Street, high tech Industrial Development Zone, Weinan City, Shaanxi Province Patentee after: Weinan impression Cognitive Technology Co.,Ltd. Address before: 518057 402, AVIC Nanhang building, No. 7, Langshan Road, north high tech Zone, Nanshan District, Shenzhen, Guangdong Patentee before: VKANSEE TECHNOLOGY Co.,Ltd. |