CN106056037A - 用于识别指纹的方法和设备 - Google Patents
用于识别指纹的方法和设备 Download PDFInfo
- Publication number
- CN106056037A CN106056037A CN201610236041.XA CN201610236041A CN106056037A CN 106056037 A CN106056037 A CN 106056037A CN 201610236041 A CN201610236041 A CN 201610236041A CN 106056037 A CN106056037 A CN 106056037A
- Authority
- CN
- China
- Prior art keywords
- piece
- fingerprint
- image
- registration
- topography
- 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
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
-
- 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
- G06V40/1335—Combining adjacent partial images (e.g. slices) to create a composite input or reference pattern; Tracking a sweeping finger movement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- 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
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
- G06V10/7515—Shifting the patterns to accommodate for positional errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
提供一种用于识别指纹的方法和设备。一种指纹识别方法包括:接收与第一用户的指纹的局部图像相应的输入局部图像;将输入局部图像划分为多个块;基于所述多个块和与登记指纹的局部图像相应的登记局部图像执行比较操作;基于比较操作的结果识别第一用户的指纹。
Description
本申请要求于2015年4月15日提交到韩国知识产权局的第10-2015-0053315号韩国专利申请和2015年10月1日提交到韩国知识产权局的第10-2015-0138515号韩国专利申请的优先权,所述申请的全部内容通过引用完整地包含于此。
技术领域
至少一个示例实施例涉及一种用于识别指纹的方法和设备。
背景技术
基于生物特征的认证技术涉及使用对于用户单独特有的指纹、虹膜、语音、面部、血管等的用户认证。这种用于认证的生物特征因人而异,在一生中很少改变,并且具有被盗取或被复制的低风险。此外,个体不需要特意地携带这种特征,因此可不经受使用生物特征的不便。在这种认证技术中,指纹识别方法因各种原因(例如,高便利性、高安全性和高经济效率)而被普遍使用。指纹识别方法可加强用户装置的安全性并易于提供各种应用服务(诸如移动支付)。
发明内容
一些示例实施例涉及一种指纹识别方法。
在一些示例实施例中,所述方法可包括:接收与用户的指纹的局部图像相应的输入局部图像;将输入局部图像划分为块;将所述块和与登记指纹的局部图像相应的登记局部图像进行比较;基于比较的结果识别用户的指纹。
接收的步骤可包括:通过小于用户的指纹的大小的感测区域来感测用户的指纹的局部区域。登记的局部图像可以由通过小于用户的指纹的大小的感测区域来反复感测登记用户的指纹的局部区域来产生。
比较的步骤可包括:计算表示所述块中的每个块与登记的局部图像之间的匹配的程度的分数。
比较的步骤可包括:将所述块与登记的局部图像进行匹配;基于匹配的结果将所述块与登记的局部图像进行比较。匹配的步骤可包括:根据基于频率的匹配方法确定所述块与登记的局部图像之间的平移信息、旋转信息和缩放信息中的至少一种信息。
比较的步骤可包括:通过将所述块中的每个块与登记的局部图像进行匹配来确定针对登记的局部图像的最优旋转角;基于针对登记的局部图像的最优旋转角来响应于登记的局部图像旋转所述块;将响应于登记的局部图像而旋转的所述块与登记的局部图像进行比较。
确定最优旋转角的步骤可包括:根据基于频率的匹配方法确定所述块与登记的局部图像之间的旋转角;使用基于旋转角的分数确定针对登记的局部图像的最优旋转角。
比较的步骤可包括:通过将所述块中的每个与登记的局部图像进行匹配来计算分数;基于计算的分数从登记的局部图像中选择预定数量的登记的局部图像;基于计算的分数确定针对选择的登记的局部图像的最优旋转角;基于针对选择的登记的局部图像的最优旋转角响应于选择的登记的局部图像来旋转所述块;将响应于选择的登记的局部图像而旋转的所述块与选择的登记的局部图像进行比较。预定数量可小于登记的局部图像的数量。
识别的步骤可包括基于比较的结果认证用户和基于比较的结果辨别用户中的至少一个。
识别的步骤可包括:基于比较的结果选择预定数量的所述块与登记的局部图像的配对;基于选择的配对识别用户的指纹。
选择的步骤可包括:基于包括在每个配对中的块与登记的局部图像之间的分数来选择配对的数量。
其他的示例实施例涉及一种指纹识别设备。
在一些示例实施例中,所述设备可包括:指纹传感器,被配置为接收与用户的指纹相应的输入图像;至少一个处理器,被配置为将输入图像划分为块,将所述块与相应于登记指纹的至少一个登记图像进行比较,并基于比较的结果识别用户的指纹。
其他的示例实施例涉及一种生物图像识别方法。
在一些示例实施例中,所述方法可包括:接收与用户的生物数据相应的输入图像;将输入图像划分为块;将所述块与相应于登记的生物数据的登记图像进行比较;基于比较的结果识别用户。
示例实施例的另外的方面将会部分地在以下描述中阐述,并且部分从描述将是清楚的,或可通过本公开的实践而获知。
附图说明
本发明构思的示例实施例的以上和其他特征和优点将通过针对附图详细描述本发明构思的示例实施例而变得更加清楚。附图意在描述本发明构思的示例实施例,而不应被解释为限制权利要求的意图范围。除非明确说明,否则附图将不被视为按比例绘制。
图1和图2示出根据至少一个示例实施例的指纹图像的示例;
图3和图4示出根据至少一个示例实施例的指纹识别方法;
图5示出根据至少一个示例实施例的包括将输入局部图像划分为块并且将所述块与登记的局部图像进行比较的指纹识别方法;
图6是示出根据至少一个示例实施例的指纹识别方法的示例的流程图;
图7是示出根据至少一个示例实施例的用户认证方法的示例的流程图;
图8是示出根据至少一个示例实施例的基于频率的匹配方法的示例的示图;
图9示出根据至少一个示例实施例的对数极坐标变换的示例;
图10示出根据至少一个示例实施例的处理登记图像和输入图像以计算块的分数的操作的示例;
图11是示出根据至少一个示例实施例的用户认证方法的另一示例的流程图;
图12是示出根据至少一个示例实施例的电子系统的示例的示图。
具体实施方式
在这里公开了本发明构思的具体示例实施例。然而,这里公开的具体的结构和功能的细节仅代表描述本发明构思的示例实施例的目的。然而,本发明构思的示例实施例可以以许多替代形式被实施,并且不应被解释为仅限于这里阐述的实施例。
因此,虽然本发明构思的示例实施例能够作出各种修改和替代形式,但是本发明构思的实施例以在附图中的示例的方式被示出,并将会在这里被详细描述。然而,应该理解,不意图将本发明构思的示例实施例限制于公开的特定形式,而相反,本发明构思的示例实施例将覆盖落入本发明构思的示例实施例的范围内的所有修改、等同物和替代物。贯穿附图的描述,相同的标号指示相同的元件。
将理解的是,虽然术语第一、第二等可在这里使用以描述各种元件,但是这些元件不应被这些术语限制。这些术语仅用于将一个元件与另一元件区分。例如,在不脱离本发明构思的示例实施例的范围的情况下,第一元件可被称为第二元件,类似地,第二元件可被称为第一元件。如在这里使用的,术语“和/或”包括一个或多个关联的所列项的任意和所有组合。
将理解的是,当元件被称为“连接”或者“结合”到另一元件时,该元件可能直接连接到或者结合到所述另一元件,或者可能存在中间元件。与此相反,当元件被称为“直接连接”或者“直接结合”到另一元件时,不存在中间元件。用来描述元件之间的关系的其他词语应以同样的方式被解释(例如,“在……之间”与“直接在……之间”、“相邻”与“直接相邻”等)。
这里使用的术语仅为描述特定实施例的目的,而不意图限制本发明构思的示例实施例。如在这里使用的,除非上下文明确地另有指示,否则单数形式也意图包括复数形式。还将理解,当在这里使用术语“包括”和/或“包含”时,指定所述的特征、整体、步骤、操作、元件和/或组件的存在,但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或它们的组。
还应注意,在一些可选实现中,提及的功能/动作可不以图中提到的顺序发生。例如,根据涉及的功能/动作,相继示出的两幅图实际可以基本同时被执行或有时可以以相反的顺序被执行。
在这里参照本发明构思的理想化的实施例的示意图(和中间结构)来描述本发明构思的示例实施例。因此,可预期到因例如制造技术和/或偏差导致的示图的形状的改变。因此,本发明构思的示例实施例不应被解释为限于这里示出的区域的具体形状,而将包括由于例如制造所产生的形状上的偏差。
虽然可能未示出一些截面图的相应的俯视图和/或立体图,但是这里示出的装置结构的截面图向多个装置结构提供支持,所述多个装置结构如同在俯视图中示出的一样沿着两个不同的方向扩展,和/或如同在立体图中示出的一样沿着三个不同的方向扩展。所述两个不同的方向可能是或可能不是相互正交的。所述三个不同的方向可包括可能与所述两个不同的方向正交的第三方向。所述多个装置结构可被集成于同一电子装置中。例如,当在剖视图中示出装置结构(例如,存储器单元结构或晶体管结构)时,如同会由电子装置的俯视图示出的一样,该电子装置可包括多个装置结构(例如,存储器单元结构或晶体管结构)。所述多个装置结构可以以阵列和/或二维模式被布置。
这里描述的示例实施例可被用于识别用户的指纹。识别用户指纹的步骤可包括认证用户或辨别用户。例如,认证用户可包括确定用户是否是登记的用户。认证的结果可被输出为正确或错误。例如,辨别用户可包括确定与多个登记用户中的用户相应的用户。例如,辨别的结果可被输出为确定的登记用户的身份(ID)。当用户不与任何一个登记用户对应时,可输出表示未辨别该用户的信号。
这里描述的示例实施例可通过各种形式的产品实现,所述产品的示例包括但不限于个人计算机(PC)、膝上型计算机、平板计算机、智能电话、电视(TV)、智能家电、智能车辆、亭子(kiosk)和可穿戴装置。例如,这里描述的示例实施例可应用于在例如智能电话、移动装置和智能家居系统中的用户认证。此外,这里描述的示例实施例可应用于通过用户认证提供的支付服务。此外,这里描述的示例实施例还可应用于通过用户认证自动启动车辆的智能汽车系统。在下文中,将参照附图详细描述示例实施例。
图1和图2示出根据至少一个示例实施例的指纹图像的示例。
参照图1,指纹传感器(未示出)可感测用户的指纹100。将参考图3和图12更详细地讨论包括指纹传感器310的指纹识别设备的示例。指纹传感器(例如,指纹传感器310)可通过感测区域来感测指纹100。在这里,指纹传感器的感测区域的大小可小于指纹100的大小。例如,指纹传感器的感测区域可具有小于指纹100的大小的矩形形状。在这种示例中,指纹传感器可通过感测区域来感测指纹100的一部分。
指纹传感器可通过捕获感测的指纹100的一部分来产生指纹图像。当指纹传感器的感测区域的大小小于指纹100的大小时,由指纹传感器产生的指纹图像可对应于包括指纹100的一部分的局部图像。此外,根据至少一些示例实施例,指纹传感器的感测区域还可与指纹100的大小相同或大于指纹100的大小,从而由指纹传感器产生的指纹图像可对应于指纹100的完整图像。
指纹图像可被用于登记或识别用户的指纹100。例如,在登记方法中指纹图像可被登记。例如,登记的指纹图像可被存储在存储器或预布置的存储器中。当指纹传感器的感测区域的大小小于指纹100的大小时,可登记与用户的指纹100的局部图像相应的多个指纹图像。例如,参照图1,可登记局部图像110至170。局部图像110至170中的每个局部图形可覆盖指纹100的一部分,并且局部图像110至170中的组合可完整地覆盖指纹100。在这里,局部图像110至170可彼此重叠。在下文中,为便于描述,登记的指纹的局部图像将被称为登记局部图像。
此外,在识别方法中,输入指纹图像可被识别。例如,识别方法可包括执行输入指纹图像与登记指纹图像的比较。可基于输入指纹图像是否与登记指纹图像匹配,来获取认证用户或辨别用户的结果。在这里,当指纹传感器的感测区域的大小小于指纹100的大小时,输入指纹图像可对应于用户的指纹100的局部图像。在下文中,为便于描述,用户的指纹的局部图像将被称为输入局部图像。虽然在下文中描述,示例实施例提供一种识别指纹的方法(为了简明将被称为指纹识别方法),其包括将输入局部图像与登记局部图像进行比较。
虽然指纹传感器的感测区域在图1中被示出为矩形形状,但是不同的大小和形状可应用于感测区域。例如,感测区域可被提供为如图2所示的圆形。参照图2,在登记方法中,可登记与单个指纹200相应的多个局部图像210至295。识别方法可包括执行与指纹200的一部分相应的指纹图像与登记局部图像210至295的比较。
根据至少一些示例实施例,在登记方法中使用的指纹传感器可不同于在识别方法中使用的指纹传感器。例如,具有如图1所示的矩形感测区域的指纹传感器可在登记方法中使用,具有如图2所示的圆形感测区域的指纹传感器可在识别方法中使用,反之亦然。可选地,可在登记方法和识别方法中均使用相同指纹传感器。
图3和图4示出根据至少一个示例实施例的指纹识别方法。参照图3,指纹识别设备300包括指纹传感器310。指纹传感器310的感测区域的大小可小于用户指纹的大小。指纹识别设备300可通过指纹传感器310获取输入局部图像315。指纹识别设备300可从数据库320获取登记局部图像(例如,登记局部图像321、登记局部图像322和登记局部图像323)。根据至少一些示例实施例,数据库320可以是预布置的数据库。数据库320可被存储在包括在指纹识别设备300中的存储器(未示出)中或可有线或无线或者通过网络连接到指纹识别设备300的例如服务器的外部装置(未示出)中。根据至少一些示例实施例,输入局部图像的大小和形状可与登记局部图像的大小相同。例如,如果输入局部图像315和登记局部图像321至323均通过使用指纹传感器310被捕获,则输入局部图像315可具有与登记局部图像321至323相同的大小和形状。指纹识别设备300可通过将输入局部图像315与登记局部图像321至323进行比较来识别用户的指纹。参照图4,指纹识别设备300可将输入局部图像315与登记局部图像323进行匹配以比较输入局部图像315和登记局部图像323。例如,指纹识别设备300可缩放、旋转和/或平移输入局部图像315以重叠包括在输入局部图像315和登记局部图像323二者中的输入局部图像315的区域和登记局部图像323的区域。然而,输入局部图像315和登记局部图像323中的每个图像是局部图像,因此重叠区域的大小可能远小于输入局部图像315和登记局部图像323中的每个图像的大小。例如,重叠区域325是输入局部图像315登记与局部图像323重叠的区域。如图4所示,相比局部图像315的整体大小,重叠区域325的大小可相对很小。在这样的示例中,对输入局部图像315与登记局部图像323进行匹配可能是没有效果的。
此外,输入局部图像315可包括因各种因素而变形的部分。例如,指纹图像可通过施加于传感器的压力而变形。当产生输入局部图像315时,在指纹传感器的感测区域的每个部分上可施加不同的压力。因此,输入局部图像315的至少一部分可能变形。此外,登记局部图像321至323可包括因各种因素而变形的部分。在这种情况下,将输入局部图像315与登记局部图像321至323进行比较可能降低指纹识别的可靠性。
图5示出根据至少一个示例实施例的包括将输入局部图像划分为块并且将所述块与登记局部图像进行比较的指纹识别方法。参照图5,图3的指纹识别设备300可将输入局部图像315划分为块(例如,块511、块512、块513和块514)。将输入局部图像315划分为块511至514也可被称为块划分。指纹识别设备300可将块511至514与图3的登记局部图像321至323进行比较,而不是将输入局部图像315与登记局部图像321至323进行比较。如图5所示,指纹识别设备300可将输入局部图像划分为块,以使每个块在面积上小于输入局部图像。
如本公开所讨论的,图像的划分(或块划分)可以指形成可相互重叠的几个不同的图像的块(如图5所示)的操作和形成可彼此相邻或彼此不相邻的相互不重叠的几个不同的图像的块的操作之一或二者。
指纹识别设备300可使用各种方法划分输入局部图像315。例如,指纹识别设备300可基于期望的图案(或可选地,预定的图案)划分输入局部图像315。可基于指纹传感器的感测区域的形状和大小、登记局部图像的形状和大小等来预先确定图案。如必要,可动态地改变图案。此外,可执行划分以允许块彼此重叠或块的部分彼此重叠。
指纹识别设备300可通过块图案匹配来识别指纹。块图案匹配包括局部指纹图像的图案匹配。虽然在下文中描述,指纹识别设备300可将通过指纹传感器输入的指纹图像划分为多个块,执行基于频率的匹配,对所述多个块的匹配分数进行排列,并使用排列的匹配分数中的前K个匹配分数的特征值来确定是否认证用户。特征值可以是表示所述前K个匹配分数的特征的值,并且包括统计值(例如,平均值)。指纹识别设备300可在感测指纹图像时识别指纹,不管手指的方向如何。
指纹识别设备300可通过使用块511至514来提高匹配的效率。如图5所示,重叠区域523是块513与局部图像321重叠的区域,重叠区域522是块512与局部图像322重叠的区域。当输入局部图像315被输入时,输入局部图像315与登记局部图像321至323之间的重叠区域可能不大,因此通过将输入局部图像315划分为块511至514来执行匹配可以是有效的。例如,指纹识别设备300可基于图像频率信息计算每个块针对登记局部图像321至323的旋转角和平移。在这里,包括在块513和登记局部图像321二者中的区域(在下文中,被称为重叠区域)与块513的比例可大于重叠区域与输入局部图像315的比例。例如,重叠区域523和522的大小分别与局部图像321和322的整体大小相比可相对大。因此,重叠区域523的大小与块513的大小的比率可大于图4中的重叠区域325的大小与局部图像315的大小的比率。类似地,重叠区域522的大小与块512的大小的比率可大于图4中的重叠区域325的大小与局部图像315的大小的比率。因此,可更有效地执行匹配。
此外,指纹识别设备300可使用块511至514来稳健操作以抵抗可能包括在输入局部图像315或登记局部图像321至323中的变形。例如,指纹识别设备300可仅使用块511至514中与登记局部图像321至323合适地匹配的块。指纹识别设备300可排除利用变形的块执行的比较的结果,并仅使用利用非变形的块执行的比较的结果。因此,可执行稳健抵抗变形的指纹识别。
在登记方法中,指纹识别设备300可仅存储登记局部图像,而可不存储附加信息(例如,关于拼接登记局部图像的信息和关于匹配登记局部图像的信息)。因此,当登记局部图像时可提供具有低操作复杂性和有效使用存储器的技术。
指纹识别设备300可使用各种方法将块511至514与登记局部图像311至323进行匹配。例如,指纹识别设备300可根据基于频率的匹配方法确定块511至514与登记局部图像321至323之间的平移信息、旋转信息、缩放信息以及它们的各种组合。基于频率的匹配方法可以是在频域内执行匹配的方法。
块与登记局部图像之间的平移信息可包括表示沿x轴的平移的参数Tx和表示沿y轴的平移的参数Ty。块与登记局部图像之间的旋转信息可包括旋转参数R。块与登记局部图像之间的缩放信息可包括缩放参数S。在下文中,Tx和Ty将被称为平移,R将被称为旋转角。指纹识别设备300可通过在频域内将块511至514与登记局部图像321至323进行比较,来计算旋转角、平移和缩放参数。将参考图8更详细地描述在频域内计算旋转角、平移和缩放参数的方法。
指纹识别设备300可基于作为匹配的结果而获取的平移信息,来对块进行平移和旋转。指纹识别设备300可基于作为匹配的结果而获取的缩放信息,来将块放大或缩小。平移信息、旋转信息和缩放信息可以是块与登记局部图像之间的相对信息,因此,指纹识别设备300可平移、旋转、放大或缩小登记局部图像来替代平移、旋转、放大或缩小块。
当块与登记局部图像由于平移、旋转和缩放而重叠时,指纹识别设备300可计算重叠区域的匹配分数。例如,指纹识别设备300可根据基于图像亮度值的归一化相关,来计算匹配分数。如参考图5所述,指纹识别设备300可对旋转的输入指纹图像准确地执行匹配。因此,当以一个角度输入指纹图像时,指纹识别设备300可准确地识别该指纹图像的指纹。
图6是示出根据至少一个示例实施例的指纹识别方法的示例的流程图。参照图6,指纹识别方法包括接收输入局部图像的操作610、将输入局部图像划分为块的操作620、将所述块与登记局部图像进行比较的操作630以及识别用户的指纹的操作640。
接收输入局部图像的操作610还可包括执行预处理。例如,预处理可包括为了提高指纹图像的质量而执行的一系列操作。指纹图像可包括输入局部图像或登记局部图像。例如,预处理可包括从指纹图像消除噪声、增加指纹图像的对比度、对指纹图像进行去模糊(deblurring)以从指纹图像中去除模糊以及为了校正包括在指纹图像中的失真(distortion)而执行的弯曲。
此外,预处理可包括评估指纹图像的品质。例如,当指纹图像的品质小于阈值品质时,预处理可包括丢弃获取的指纹图像并接收新的指纹图像。根据至少一些示例实施例,阈值品质可根据指纹识别设备300的用户和/或制造商的偏好来设置。
参考图1至图5提供的描述可应用于参考图6描述的操作。在下文中,将参考图7和图12进一步详细描述操作630和640。
图7是示出根据至少一个示例实施例的用户认证方法的示例的流程图。参照图7,在操作620,指纹识别设备(例如,指纹识别设备300)将输入图像划分为N个块。在这里,N是大于或等于2的正整数。在操作710,指纹识别设备从数据库715获取L个登记局部图像。在这里,L是大于或等于1的正整数。在操作710,指纹识别设备将N个块中的当前正在被处理的块与L个登记局部图像进行匹配。在示例中,指纹识别设备可使用基于频率的匹配方法将块与登记局部图像进行匹配。
图8是示出根据至少一个示例实施例的基于频率的匹配方法的示例的示图。参照图8,在操作1011,包括在块中的时域中的信息(在下文中简称为“时域信息”)通过快速傅里叶变换(FFT)被转换为频域中的信息(在下文中简称为“频域信息”)。在操作1012,FFT被应用于登记局部图像。在这里,频域信息可基于使用(x,y)坐标表示信息的正交坐标系。
在操作1021,包括在块中的频域信息的坐标系通过对数极坐标变换(LPT)被转换为极坐标系。在示例中,可对通过FFT得到的FFT图像中像素的大小值执行LPT。极坐标系可使用半径、角或半径与角的组合来表示信息。在操作1022,LPT被应用于包括在登记局部图像中的频域信息。
图9示出根据至少一个示例实施例的LPT的示例。参照图9,在正交坐标系中,基于中心点1110设置同心圆。同心圆可基于半径、角或半径与角的组合被划分为区域。在示例中,LPT可将正交坐标系中的区域映射到半径与角的极坐标系中的区域。在这样的示例中,正交坐标系中的中心点1110可被映射到极坐标系中的(0,0°)区域1115。此外,正交坐标系中的区域1120、区域1130、区域1140和区域1150可被分别映射到区域1125、区域1135、区域1145和区域1155。
虽然未示出,但是LPT可将正交坐标系中的区域映射到半径的极坐标系中的区域。在这样的情况下,正交坐标系中的区域1120可被映射到极坐标系中的(0°)区域。正交坐标系中的区域1130和区域1140可被映射到极坐标系中的(36°)区域。正交坐标系中的区域1150被映射到极坐标系中的(324°)区域。
返回参照图8,在操作1031,FFT被应用于块的LPT图像。在操作1032,FFT被应用于登记局部图像的LPT图像。在操作1040,执行相位相关。峰值(peak)被检测作为相位相关的结果,检测的峰值的位置可表示旋转信息(例如,块与登记局部图像之间的θ)。
在另一示例中,检测的峰值的位置可表示块与登记局部图像之间的缩放信息。例如,LPT图像的一个轴对应于角,而另一轴对应于半径。在这样的示例中,通过相位相关检测的峰值的位置可被表示为与角相应的轴的坐标和与半径相应的轴的坐标。与角相应的轴的坐标可表示旋转信息,与半径相应的轴的坐标可表示缩放信息。
通常,指纹图像可不具有实质的尺寸改变,因此半径可被固定为预设的值(例如,1)。在这种情况下,通过相位相关检测的峰值的位置可被表示为与角相应的轴的坐标。与角相应的轴的坐标可表示旋转信息。
在操作1050,基于旋转信息来旋转块。在操作1060,FFT被应用于旋转的块。在操作1070,执行相位相关。作为相位相关的结果的检测的峰值的位置可表示块与登记局部图像之间的平移信息(例如,(Tx,Ty))。在操作1080,基于平移信息来平移旋转的块。
返回参照图7,在操作710,指纹识别设备基于匹配的结果计算表示将当前正在被处理的块与L个登记局部图像进行匹配的程度的L个块分数。如参考图8所述,指纹识别设备可基于针对第一登记局部图像的一对平移信息和旋转信息来旋转和平移当前正在被处理的块,以将当前正在被处理的块与第一登记局部图像重叠。
指纹识别设备可计算重叠区域中的块分数。指纹识别设备可使用各种方法计算块的分数。例如,指纹识别设备可根据基于归一化互相关(normalizedcross correlation)方法的图像亮度值计算块分数。例如,指纹识别设备可基于例如定义归一化互相关(ncc)函数的等式1计算块的分数。
[等式1]
在等式1中,“W”表示图像I1和图像I2之间的重叠区域。图像I1是旋转的块,图像I2是登记局部图像。项“i”表示重叠区域中的像素的X轴坐标,项“j”表示重叠区域中的像素的Y轴坐标。项“x”表示沿X轴方向的平移信息(例如,Tx),项“y”表示沿Y轴方向的平移信息(例如,Ty)。表达式“I1(i,j)”表示图像I1的(i,j)坐标上的像素值(例如,像素亮度值)。表达式“I2(x+i,y+j)”表示图像I2的(x+i,y+j)坐标上的像素值(例如,像素亮度值)。
图10示出根据至少一个示例实施例的处理登记图像和输入图像以计算块分数的操作的示例。参照图10,通过FFT和LPT将登记图像1210转换为第一LPT图像1220。通过FFT和LPT将输入图像的块1215转换为第二LPT图像1225。
通过第一LPT图像1220与第二LPT图像1225之间的相位相关1230,来确定登记图像1210与块1215之间的旋转信息(例如,θ)。基于确定的旋转信息旋转块1215。通过登记图像1210的FFT图像与旋转的块1245的FFT图像之间的相位相关1250,来确定登记图像1210与块1215之间的平移信息(例如,(Tx,Ty))。
根据至少一些示例实施例,基于旋转信息和平移信息执行登记图像1210与块1215的匹配。计算匹配图像1260的登记图像1210与旋转的块1245之间的重叠区域中的分数1270。分数1270还可被称为块分数和匹配分数。
返回参照图7,指纹识别设备可计算针对第二登记局部图像至第L登记局部图像的块分数。块分数还可被称为匹配分数。
在操作720,指纹识别设备执行验证操作以确定最近处理的块是否是N个块中的最后的块。例如,当处理的块不是N个块中的最后的块时,指纹识别设备可对待处理的块执行操作710。指纹识别设备可通过重复执行操作720和730N次来计算N×L个块分数。
在操作730,指纹识别设备选择N×L个块分数中的前K个块分数。如参考图4所述,输入局部图像315和登记局部图像323可部分重叠。在这种情况下,输入局部图像315的块中的位于重叠区域中的块可获取有意义的块分数,而位于非重叠区域中的块可获取无意义的块分数。因此,指纹识别设备可通过从这N×L个块分数中选择前K个块分数来排除无意义的块分数。在这里,K可被确定在小于或等于N×L的范围内。
指纹识别设备可基于前K个块分数计算特征值。例如,指纹识别设备可使用等式2计算前K个块分数之和。
[等式2]
在等式2中,项“↓Score(Bi)”表示以降序排列的第i个块分数。计算特征值(Val)的方法可被不同修改(例如,获取前K个块分数的平均数)。此外,可将不同的权重应用于各个块分数,以基于具有最高的块分数的块的计算的期望(或可选地,最优)旋转角计算特征值。
在操作740,指纹识别设备通过将特征值与阈值进行比较来执行用户认证。例如,当特征值大于阈值时,在操作750,指纹识别设备确定认证成功。相反,当特征值小于或等于阈值时,在操作760,指纹识别设备确定认证失败。可基于计算特征值的方法、登记局部图像的数量、登记局部图像的品质和输入局部图像的品质来确定阈值。
图11是示出根据至少一个示例实施例的用户认证方法的另一示例的流程图。
指纹识别设备(例如,指纹识别设备300)可计算针对登记局部图像的每个块的旋转角,并计算针对登记局部图像的期望(或可选地,最优)旋转角。指纹识别设备可将与每个登记局部图像相应的期望(或可选地,最优)旋转角同等地应用于所有块,并通过计算旋转的块与登记局部图像之间的平移获取匹配分数。
指纹识别设备的操作可被划分为两个阶段。在第一阶段,指纹识别设备可将一个登记局部图像与输入局部图像的N个块进行匹配(例如,使用图8示出的匹配方法)并获取N个匹配分数。指纹识别设备可将具有作为匹配的结果而得到的N个匹配分数中的最高匹配分数的块的旋转角同等地应用于所有块。例如,具有N个匹配分数中的最高匹配分数的块可以是N个块中具有针对登记图像的最高相似度的块。在第二阶段,指纹识别设备可计算每个块的平移。
虽然在下文中详细描述,指纹识别设备可在第一阶段基于匹配分数选择与前M个匹配分数相应的登记局部图像,并在第二阶段仅使用选择的登记局部图像计算平移,以有效地提高处理速度。
参照图11,在操作810,指纹识别设备从数据库815获取L个登记局部图像。在操作810,指纹识别设备将N个块与L个登记局部图像进行匹配。例如,在操作810,可针对L个登记局部图像中的每个登记局部图像执行匹配操作。例如,针对L个登记局部图像中的第一登记局部图像,指纹识别设备可(例如,使用图8示出的匹配方法)将第一登记局部图像与输入局部图像的N个块进行匹配并得到针对第一登记图像的N个第一块分数作为匹配的结果。在操作810,可针对这L个登记局部图像中的剩余登记局部图像执行以上针对第一登记局部图像讨论的相同的匹配操作。因此,例如,指纹识别设备可基于匹配的结果计算N×L个块分数。参考图7提供的操作710和720的描述可应用于操作810。
在操作820,指纹识别设备确定针对每个登记局部图像的期望(或可选地,最优)旋转角(R)。针对每个登记局部图像的期望(或可选地,最优)旋转角可以是用来响应于登记局部图像来旋转块的角度。进一步地,在操作820,指纹识别设备可从在在操作810期间针对第一登记图像执行的匹配操作期间针对第一登记图像确定的第一N个块分数中选择最高的块分数。指纹识别设备可从计算最高的块分数的匹配信息提取旋转角。例如,在操作820,指纹识别设备可针对第一登记局部图像提取旋转角R。针对第一登记局部图像提取的旋转角R是在操作810期间针对第一登记图像执行的匹配期间被确定为具有最高的块分数的块的旋转角。匹配信息可以是包括在在操作810期间针对第一登记图像执行的匹配操作期间被确定为具有最高的块分数的块的旋转角R和平移的配对。指纹识别设备可将提取的旋转角R确定为期望(或可选地,最优)旋转角,以用来针对第一登记局部图像旋转全部N个块。在操作820,指纹识别设备可使用以上针对L个登记局部图像的第一登记局部图像而描述的相同的处理来确定针对L个登记局部图像的每个剩余登记局部图像的期望(或可选地,最优)旋转角R。因此,在操作820,指纹识别设备可分别针对L个登记图像确定L个最优旋转角R。
在操作830,指纹识别设备基于在操作820分别针对L个登记局部图像确定的期望(或可选地,最优)旋转角R来旋转N个块。例如,在操作830,指纹识别设备可按照在操作820针对L个登记局部图像的第一登记局部图像确定的期望(或可选地,最优)旋转角R来旋转N个块。此外,在操作830,指纹识别设备可按照在操作820针对L个登记局部图像的剩余登记局部图像确定的期望(或可选地,最优)旋转角R来分别旋转N个块。在操作850,指纹识别设备将响应于登记局部图像而旋转的块与登记局部图像进行比较。例如,指纹识别设备可使用基于频率的匹配方法将响应于每个登记局部图像而旋转的块与相应的登记局部图像进行重新匹配。根据至少一些示例实施例,在操作850由指纹识别设备执行的重新匹配可包括图8的操作1060至操作1080,并且可排除操作1011至操作1050。在这里,指纹识别设备可在保持块的旋转角的同时确定块的平移。指纹识别设备可基于在操作850的重新匹配的结果计算第二块分数。根据至少一些示例实施例,可针对这L个登记局部图像中的每个登记局部图像执行在操作850由指纹识别设备执行的重新匹配。
根据至少一些示例实施例,可以以上面讨论的方式针对全部L个登记局部图像执行操作820、830和850。然而,如将在以下更详细讨论的,根据至少一些示例实施例,在操作840可执行附加的排序操作,并且可针对少于全部L个的登记局部图像执行操作820、830和850。例如,在操作850,指纹识别设备可不使用全部L个登记局部图像来计算第二块分数。在操作840,指纹识别设备基于第一块分数(例如,在操作810针对L个登记局部图像中的每个登记局部图像确定的N个块的分数)排列L个登记局部图像。例如,指纹识别设备可从与最高的第一块分数相关的登记局部图像开始排列登记局部图像。例如,指纹识别设备可基于在操作810确定的第一块分数从最高到最低对L个登记局部图像进行排序。例如,指纹识别设备可基于L个登记局部图像的块分数平均从最高到最低对L个登记局部图像进行排序,其中,针对L个登记图像中的每个登记局部图像,登记局部图像的块分数平均是在操作810针对登记局部图像确定的N个块分数的平均。作为另一示例,指纹识别设备可基于L个登记局部图像的最高的块分数从最高到最低对L个登记局部图像进行排序,其中,针对L个登记图像中的每个登记局部图像,登记局部图像的最高的块分数是在操作810针对登记局部图像确定的N个块分数中的最高的块分数。指纹识别设备可基于排列顺序选择M个登记局部图像。例如,指纹识别设备可从L个登记局部图像中选择M个排序最高的登记局部图像。在这里,M是小于L的正整数。通过仅将从L个登记局部图像中选择的M个登记局部图像与输入局部图像进行比较,可提高指纹识别设备的处理速度。
在这种情况下,在操作820,指纹识别设备计算针对M个登记局部图像(即,不针对全部L个登记局部图像)的期望(或可选地,最优)旋转角。在操作830,指纹识别设备基于针对M个登记局部图像(即,不针对全部L个登记局部图像)中的每个登记局部图形的期望(或可选地,最优)旋转角来旋转块。在操作850,指纹识别设备计算第二块分数(例如,N×M个块分数(即,不针对全部L个登记局部图像))。
在操作860,指纹识别设备从N×M个块分数(或可选地,N×L个块的分数)中选择前K个块分数。指纹识别设备基于前K个块分数计算特征值(Val)。在操作870,指纹识别设备通过将特征值与阈值进行比较来确定用户认证。例如,当特征值大于阈值时,在操作880,指纹识别设备确定认证成功。相反,当特征值小于或等于阈值时,在操作890,指纹识别设备确定认证失败。
虽然前面描述了使用多个登记图像的比较,但是相同的认证方法可应用于存在单个登记局部图像(L=1)的情况。在这种情况下,K的值可被确定在大于或等于1与小于或等于N的范围内。此外,虽然输入图像和登记图像被描述为局部指纹图像,但是相同的认证方法可应用于输入图像和登记图像是完整的指纹图像的情况。
图12是示出根据至少一个示例实施例的电子系统1200的示例的示图。参照图12,电子系统1200包括传感器920、处理器910和存储器930。传感器920、处理器910和存储器930可通过总线940彼此通信。例如,处理器910可以是具有被物理地构建来执行期望操作(例如,包括被表示为代码和/或包括在程序中的指令的操作)的电路的硬件实现的数据处理装置。上述硬件实现的数据处理装置的示例包括但不限于微处理器、中央处理器(CPU)、处理器核、多核处理器、多处理器、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。执行程序代码的处理器是编程的处理器,因此是专用计算机。根据至少一些示例实施例,电子系统1200是图3讨论的指纹识别设备300的示例。例如,在这里被描述为由指纹识别设备300或指纹识别设备所执行的任意功能可由包括电子系统1200的结构的指纹识别设备300执行。例如,存储器930可存储程序代码,所述程序代码包括被配置为当执行所述程序代码时使处理器910执行在本公开中描述的如同由指纹识别设备300、指纹识别设备和/或电子系统1200所执行的任意或所有功能的指令。
传感器920可以是图3示出的指纹传感器310。传感器920可使用公知的方法(例如,将期望(或可选地,最优)图像转换为电信号的方法)捕获指纹图像。捕获的指纹图像可被输出到处理器910。
处理器910可包括参考图1至图11所述的至少一个装置或单元,或执行参考图1至图11所述的至少一个方法。例如,处理器910可包括图3的指纹识别设备300。存储器930可存储由传感器920捕获的局部图像,然后登记由传感器920捕获的输入局部图像、由处理器910处理的匹配的结果和/或由处理器910计算的块分数。存储器930可以是易失性存储器或非易失性存储器。
处理器910可执行程序并控制电子系统1200。由处理器910执行的程序代码可被存储在存储器930中。电子系统1200可通过输入和输出装置(未示出)连接到外部装置(例如,PC和网络),并且可与外部装置交换数据。
电子系统1200可被提供为各种形式,例如,移动装置(诸如移动电话、智能电话、个人数字助理(PDA)、平板计算机和膝上型计算机)、计算装置(诸如PC、平板计算机和上网本)以及电视(TV)、智能TV和用于门控制的安全装置。
虽然这里描述的示例涉及使用用户的指纹的一部分来识别用户,但是这些示例还可应用于使用用户的生物数据的一部分来识别用户。生物数据可包括关于用户的指纹、血管和虹膜的信息。在这种应用中,处理器910可接收与用户的生物数据的一部分相应的输入局部数据,将输入局部数据划分为块,将所述块与相应于登记生物数据的局部数据集合的登记局部数据集合进行比较,并基于比较的结果识别用户。
在一个示例中,传感器920可包括被配置为识别用户的血管图案的传感器。传感器920可从用户的手背皮肤提取血管图案。传感器920可使用红外照明和滤光器以皮肤的亮度为衬托增大(或可选地,最大化)血管的亮度。在这种示例中,处理器910可通过将与血管图案的一部分相应的局部图像和与登记血管图案相应的局部图像进行比较。
在另一示例中,传感器920可包括被配置为识别用户的虹膜图案的传感器。传感器920可扫描或捕获用户的瞳孔与巩膜(眼睛的白色区域)之间的虹膜图案。传感器920可获取与虹膜图案的一部分相应的局部图像。在这种示例中,处理器910可通过将与虹膜图案的一部分相应的局部图像和与登记虹膜图案相应的局部图像进行比较。
这里描述的单元和/或模块可使用硬件组件和软件组件来实现。例如,硬件组件可包括麦克风、放大器、带通滤波器、音频数字转换器和处理装置。可使用一个或多个被配置为通过执行算术、逻辑和输入/输出操作来执行和/或运行程序代码的硬件装置来实现处理装置。处理装置可包括处理器、控制器和算术逻辑单元、数字信号处理器、微型计算机、现场可编程阵列、可编程逻辑单元、微处理器或能够以限定的方式响应并执行指令的任何其他装置。处理装置可运行操作系统(OS)以及运行在OS上的一个或多个软件应用。处理装置也可响应于软件的执行来存取、存储、操控、处理和创建数据。为了简单起见,使用单数来描述处理装置。然而,本领域技术人员将理解,处理装置可包括多个处理元件和多种类型的处理元件。例如,处理装置可包括多个处理器或包括一个处理器和一个控制器。此外,不同的处理配置是可行的(诸如,并行处理器)。
软件可包括用于独立地或共同地指示和/或配置处理装置以如所期望的一样工作的计算机程序、一段代码、指令或它们的一些组合,从而使处理装置转变为专用处理器。软件和数据可在任何类型的机器、组件、物理的或虚拟的设备、计算机存储介质或装置中、或能够将指令或数据提供给处理装置或被处理装置解释的传播信号波中被永久地或暂时地实施。软件也可被分布在联网的计算机系统上,使得软件按照分布方式被存储并被执行。软件和数据可由一个或多个非暂时性计算机可读记录介质进行存储。
根据上述示例实施例的方法可被记录在包括程序指令以实现上述示例实施例的各种操作的非暂时性计算机可读介质中。所述介质还可包括单独的或与所述程序指令结合的数据文件、数据结构等。例如,在所述介质上记录的程序指令可以是针对示例实施例的目的而专门设计和构建的那些程序指令。非暂时性计算机可读介质的示例包括磁介质(诸如硬盘、软盘和磁带)、光学介质(诸如CD-ROM盘、DVD和/或蓝光盘)、磁光介质(诸如光盘)和专门被配置为存储并执行程序指令的硬件装置(诸如只读存储器(ROM)、随机存取存储器(RAM)、闪存(例如,USB闪存驱动器、存储卡、存储棒等)等)。程序指令的示例包括机器代码(诸如由编译器产生的机器代码)和包含可由计算机使用解释器来执行的更高级代码的文件二者。上述装置可被配置为充当一个或多个软件模块以便执行上述示例实施例的操作,或者反之亦然。
本领域技术人员将清楚,在不脱离这里描述的本发明构思的精神或范围的情况下,可对示例实施例作出各种修改和变化。因此,只要示例实施例的修改和变化在权利要求和它们的等同物的范围内,则示例实施例意在覆盖示例实施例的修改和变化。
Claims (35)
1.一种指纹识别方法,包括:
接收与第一用户的指纹的局部图像相应的输入局部图像;
将输入局部图像划分为多个块;
基于所述多个块和与登记指纹的局部图像相应的登记局部图像执行比较操作;
基于比较操作的结果识别第一用户的指纹。
2.如权利要求1所述的指纹识别方法,其中,接收的步骤包括:
通过小于第一用户的指纹的大小的感测区域,来感测第一用户的指纹的局部区域。
3.如权利要求1所述的指纹识别方法,还包括:
通过小于登记用户的指纹的大小的感测区域来反复感测登记用户的指纹的局部区域,来产生登记局部图像。
4.如权利要求1所述的指纹识别方法,其中,划分的步骤包括:
基于第一图案将输入局部图像划分为所述多个块。
5.如权利要求1所述的指纹识别方法,其中,执行比较操作的步骤包括:
将所述多个块中的第一块与登记局部图像进行比较;
将所述多个块中的第二块与登记局部图像进行比较。
6.如权利要求1所述的指纹识别方法,其中,执行比较操作的步骤包括:
计算表示所述多个块中的每个块与登记局部图像之间的匹配的程度的分数。
7.如权利要求1所述的指纹识别方法,其中,执行比较操作的步骤包括:
将所述多个块与登记局部图像进行匹配;
基于匹配的结果将所述多个块与登记局部图像进行比较。
8.如权利要求7所述的指纹识别方法,其中,匹配的步骤包括:
根据基于频率的匹配方法确定所述多个块与登记局部图像之间的平移信息、旋转信息和缩放信息中的至少一种信息。
9.如权利要求1所述的指纹识别方法,其中,执行比较操作的步骤包括:
通过将所述多个块中的每个块与登记局部图像进行匹配,来确定针对登记局部图像的第一旋转角;
基于针对登记局部图像的第一旋转角来旋转所述多个块;
将基于第一旋转角而旋转的所述多个块与登记局部图像进行比较。
10.如权利要求9所述的指纹识别方法,其中,确定的步骤包括:
根据基于频率的匹配方法确定所述多个块与登记局部图像之间的第二旋转角;
使用基于第二旋转角的分数确定针对登记局部图像的第一旋转角。
11.如权利要求1所述的指纹识别方法,其中,执行比较操作的步骤包括:
通过将所述多个块中的每个块与登记局部图像进行匹配来计算分数;
基于计算的分数从登记局部图像中选择第一图像,第一图像的总数小于登记局部图像的总数;
基于计算的分数确定针对第一图像的第一旋转角;
基于针对第一图像的第一旋转角旋转所述多个块;
将基于第一旋转角而旋转的所述多个块与第一图像进行比较。
12.如权利要求1所述的指纹识别方法,其中,识别的步骤包括以下步骤中的至少一种步骤:
基于比较操作的结果认证用户;
基于比较操作的结果辨别用户。
13.如权利要求1所述的指纹识别方法,其中,识别的步骤包括:
基于比较操作的结果从所述多个块与登记的局部图像的多个配对中选择第一数量的配对;
基于选择的配对识别用户的指纹。
14.如权利要求13所述的指纹识别方法,其中,选择的步骤包括:
基于选择的配对中的每个配对所包括的块与登记局部图像之间的分数来选择第一数量的配对。
15.一种指纹识别设备,包括:
指纹传感器,被配置为接收与用户的指纹相应的输入图像;
至少一个处理器,被配置为将输入图像划分为多个块,基于所述多个块和与登记指纹相应的至少一个登记图像执行比较操作,并基于比较操作的结果识别用户的指纹。
16.如权利要求15所述的指纹识别设备,其中,输入图像对应于用户的指纹的局部图像,所述至少一个登记图像对应于登记指纹的至少一个局部图像。
17.如权利要求15所述的指纹识别设备,其中,所述至少一个处理器被配置为:将所述多个块与所述至少一个登记图像进行匹配,并计算表示所述多个块中的每个块与所述至少一个登记图像之间的匹配的程度的分数。
18.如权利要求17所述的指纹识别设备,其中,所述至少一个处理器被配置为:根据基于频率的匹配方法确定所述多个块与所述至少一个登记图像之间的平移信息、旋转信息和缩放信息中的至少一种信息。
19.如权利要求15所述的指纹识别设备,其中,所述至少一个处理器被配置为:
通过将所述多个块与所述至少一个登记图像进行匹配来确定针对所述至少一个登记图像的第一旋转角;
基于确定的第一旋转角来旋转所述多个块;
将基于确定的第一旋转角而旋转的所述多个块与所述至少一个登记图像进行比较。
20.如权利要求19所述的指纹识别设备,其中,所述至少一个处理器被配置为根据基于频率的匹配方法确定所述多个块与所述至少一个登记图像之间的旋转角以确定第一旋转角。
21.如权利要求15所述的指纹识别设备,其中,所述至少一个处理器被配置为:
通过将所述多个块与所述至少一个登记图像进行匹配来计算分数;
基于计算的分数从所述至少一个登记图像中选择第一数量的登记图像;
基于计算的分数确定针对选择的登记图像的第一旋转角;
基于针对选择的登记图像的第一旋转角旋转所述多个块;
将基于第一旋转角而旋转的所述多个块与选择的登记图像进行比较,
其中,所述至少一个登记图像是多个登记图像,
其中,第一数量小于所述多个登记图像的总数。
22.如权利要求15所述的指纹识别设备,其中,所述至少一个处理器被配置为基于比较操作的结果认证用户或基于比较操作的结果辨别用户。
23.如权利要求15所述的指纹识别设备,其中,所述至少一个处理器被配置为:
基于比较操作的结果选择第一数量的所述多个块与所述至少一个登记图像的配对;
基于选择的配对识别用户的指纹。
24.如权利要求23所述的指纹识别设备,其中,所述至少一个处理器被配置为基于所述多个配对中的每个配对所包括的块与登记图像之间的分数来选择第一数量的配对。
25.一种生物图像识别方法,包括:
接收与用户的生物数据相应的输入图像;
将输入图像划分为多个块;
基于所述多个块和与登记的生物数据相应的登记图像执行比较操作;
基于比较操作的结果识别用户。
26.如权利要求25所述的生物图像识别方法,其中,生物图像包括指纹图像、血管图像或虹膜图像中的至少一种。
27.一种指纹识别方法,包括:
接收由图像传感器捕获的输入指纹图像;
产生多个块,所述多个块是输入指纹图像的图像块;
针对一个或多个登记指纹图像中的每个登记指纹图像:
通过基于登记指纹图像与所述多个块执行第一匹配操作来选择第一旋转角;
按照第一旋转角来旋转所述多个块中的每个块;
基于登记指纹图像和按照第一旋转角旋转的所述多个块执行第二匹配操作;
基于针对所述一个或多个登记指纹图像执行的第二匹配操作确定是否认证输入指纹图像。
28.如权利要求27所述的指纹识别方法,其中,针对所述一个或多个登记指纹图像中的第一登记图像,选择的步骤包括:
基于所述多个块和第一登记图像分别执行第一匹配操作,以确定与所述多个块相应的多个旋转角;
按照确定的与所述多个块相应的多个旋转角分别旋转所述多个块;
基于第一登记图像和按照确定的多个旋转角而旋转的所述多个块来分别产生与所述多个块相应的多个第一块分数;
基于所述多个第一块分数从确定的多个旋转角中选择第一旋转角,
其中,所述多个第一块分数表示当所述多个块按照确定的多个旋转角进行旋转时与所述多个第一块分数相应的所述多个块与第一登记图像的匹配的程度。
29.如权利要求28所述的指纹识别方法,其中,第一匹配操作包括:
基于第一登记图像产生第一频域信息;
针对所述多个块中的每个块:
基于块产生第二频域信息;
基于第一频域信息和第二频域信息执行相位相关;
基于相位相关操作从所述多个确定的旋转角中确定对应于所述块的确定的旋转角。
30.如权利要求28所述的指纹识别方法,其中,确定是否认证输入指纹图像的步骤包括:
针对所述一个或多个登记指纹图像中的每个登记指纹图像:
基于登记指纹图像和按照针对登记指纹图像选择的第一旋转角而旋转的所述多个块分别产生与所述多个块相应的多个第二块分数,
所述多个第二块分数表示当所述多个块按照第一旋转角而旋转时与所述多个第二块分数相应的所述多个块与登记指纹图像的匹配度;
基于针对所述一个或多个登记指纹图像产生的所述多个第二块分数来确定是否认证输入指纹图像。
31.如权利要求30所述的指纹识别方法,
其中,第一输入指纹图像是由图像传感器捕获的指纹的局部图像,
其中,所述一个或多个登记指纹图像中的每个是指纹的局部图像并被存储在存储器中。
32.如权利要求31所述的指纹识别方法,其中,产生多个块的步骤包括:
通过将第一输入指纹图像划分为所述多个块来产生所述多个块。
33.如权利要求27所述的指纹识别方法,其中,确定是否认证输入指纹图像的步骤包括:
针对所述一个或多个登记指纹图像中的每个登记指纹图像:
基于登记指纹图像和按照针对登记指纹图像选择的第一旋转角而旋转的所述多个块分别产生与所述多个块相应的多个第一块分数;
当所述多个块按照第一旋转角而旋转时,所述多个第一块分数表示与所述多个第一块分数相应的所述多个块与登记指纹图像的匹配度。
基于针对所述一个或多个登记指纹图像产生的所述多个第一块分数来确定是否认证输入指纹图像。
34.如权利要求33所述的指纹识别方法,
其中,第一输入指纹图像是由图像传感器捕获的指纹的局部图像,
其中,所述一个或多个登记指纹图像中的每个是指纹的局部图像并被存储在存储器中。
35.如权利要求34所述的指纹识别方法,其中,产生多个块的步骤包括:
通过将第一输入指纹图像划分为所述多个块来产生所述多个块。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2015-0053315 | 2015-04-15 | ||
KR20150053315 | 2015-04-15 | ||
KR1020150138515A KR102205495B1 (ko) | 2015-04-15 | 2015-10-01 | 지문 인식 방법 및 장치 |
KR10-2015-0138515 | 2015-10-01 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106056037A true CN106056037A (zh) | 2016-10-26 |
CN106056037B CN106056037B (zh) | 2022-09-20 |
Family
ID=55755419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610236041.XA Active CN106056037B (zh) | 2015-04-15 | 2016-04-15 | 用于识别指纹的方法和设备 |
Country Status (3)
Country | Link |
---|---|
US (2) | US10032062B2 (zh) |
EP (1) | EP3096262A1 (zh) |
CN (1) | CN106056037B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090475A (zh) * | 2018-01-17 | 2018-05-29 | 深圳市爱克信智能股份有限公司 | 一种指纹识别算法 |
CN108182424A (zh) * | 2018-01-29 | 2018-06-19 | 上海天马微电子有限公司 | 显示装置及其指纹识别方法 |
CN108573137A (zh) * | 2017-03-14 | 2018-09-25 | 三星电子株式会社 | 指纹验证方法和设备 |
WO2019076272A1 (zh) * | 2017-10-16 | 2019-04-25 | 神盾股份有限公司 | 用户接口的显示方法以及电子装置 |
CN110383287A (zh) * | 2019-05-27 | 2019-10-25 | 深圳市汇顶科技股份有限公司 | 反色区域的确定方法、指纹芯片及电子设备 |
CN110574031A (zh) * | 2018-02-16 | 2019-12-13 | 指纹卡有限公司 | 用于电子设备的登记方案 |
US10713463B2 (en) | 2017-10-16 | 2020-07-14 | Egis Technology Inc. | Display method of user interface and electronic apparatus thereof |
CN111488761A (zh) * | 2019-01-25 | 2020-08-04 | 北京小米移动软件有限公司 | 指纹识别方法、装置、电子设备和计算机可读存储介质 |
CN112183508A (zh) * | 2020-11-30 | 2021-01-05 | 深圳阜时科技有限公司 | 指纹识别方法、指纹识别传感器及电子设备 |
CN114600173A (zh) * | 2019-12-12 | 2022-06-07 | 谷歌有限责任公司 | 用于认证的指纹捕获并匹配 |
CN116311395A (zh) * | 2022-08-18 | 2023-06-23 | 荣耀终端有限公司 | 指纹识别的方法和装置 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9507670B2 (en) * | 2010-06-14 | 2016-11-29 | Veeam Software Ag | Selective processing of file system objects for image level backups |
US9613428B2 (en) * | 2014-11-07 | 2017-04-04 | Fingerprint Cards Ab | Fingerprint authentication using stitch and cut |
US10032062B2 (en) * | 2015-04-15 | 2018-07-24 | Samsung Electronics Co., Ltd. | Method and apparatus for recognizing fingerprint |
US10521642B2 (en) | 2015-04-23 | 2019-12-31 | Samsung Electronics Co., Ltd. | Fingerprint verification method and apparatus |
US10339178B2 (en) * | 2015-06-30 | 2019-07-02 | Samsung Electronics Co., Ltd. | Fingerprint recognition method and apparatus |
KR101774746B1 (ko) * | 2015-08-13 | 2017-09-05 | 주식회사 슈프리마 | 지문 인증 방법 및 그 지문 인증 방법을 이용한 장치 |
KR101639986B1 (ko) * | 2015-10-07 | 2016-07-15 | 크루셜텍 (주) | 지문 등록 및 인증 속도 향상을 위한 지문 정보 프로세싱 방법 및 그 장치 |
SE1551643A1 (en) * | 2015-12-14 | 2017-06-15 | Fingerprint Cards Ab | Method and fingerprint sensing system for forming a fingerprint image |
KR102316278B1 (ko) * | 2017-04-07 | 2021-10-22 | 삼성전자 주식회사 | 지문 정보를 저장하기 위한 전자 장치 및 방법 |
US11080546B2 (en) | 2017-10-13 | 2021-08-03 | Fingerprint Cards Ab | Method and system for fingerprint image enhancement |
US11354934B2 (en) * | 2018-05-03 | 2022-06-07 | Microsoft Technology Licensing, Llc | Location matched small segment fingerprint reader |
KR102577588B1 (ko) | 2019-01-03 | 2023-09-12 | 삼성전자주식회사 | 지문 인증 방법 및 장치 |
TWI710963B (zh) * | 2019-01-31 | 2020-11-21 | 大陸商北京集創北方科技股份有限公司 | 指紋圖像歸一化方法、指紋圖像歸一化裝置及資訊處理裝置 |
CN110084170A (zh) * | 2019-04-22 | 2019-08-02 | Oppo广东移动通信有限公司 | 图像处理方法及相关装置 |
GB2590079B (en) * | 2019-11-29 | 2023-01-18 | Zwipe As | Off-device biometric enrolment |
TWM601349U (zh) * | 2020-01-21 | 2020-09-11 | 神盾股份有限公司 | 影像掃描裝置 |
US11163970B1 (en) | 2020-06-16 | 2021-11-02 | Google Llc | Optical fingerprint system with varying integration times across pixels |
KR20220141383A (ko) * | 2021-04-12 | 2022-10-20 | 삼성전자주식회사 | 스토리지 시스템, 스토리지 장치 및 스토리지 장치의 동작 방법 |
CN116665256B (zh) * | 2023-06-05 | 2024-03-15 | 长春理工大学 | 一种基于指纹图像局部区域质量的指纹匹配方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002024831A (ja) * | 2000-07-10 | 2002-01-25 | Casio Comput Co Ltd | 指紋認証装置及び指紋認証システム |
WO2004097741A1 (ja) * | 2003-04-25 | 2004-11-11 | Fujitsu Limited | 指紋照合装置、指紋照合方法および指紋照合プログラム |
CN1818927A (zh) * | 2006-03-23 | 2006-08-16 | 北京中控科技发展有限公司 | 指纹识别方法与系统 |
CN1831847A (zh) * | 2006-03-28 | 2006-09-13 | 北京握奇数据系统有限公司 | 指纹特征快速匹配方法、装置及其应用 |
JP2006330874A (ja) * | 2005-05-24 | 2006-12-07 | Japan Science & Technology Agency | 指紋照合装置、方法およびプログラム |
US20140003680A1 (en) * | 2012-06-29 | 2014-01-02 | Apple Inc. | Zero Reference Based Ridge Flow Map |
KR101419784B1 (ko) * | 2013-06-19 | 2014-07-21 | 크루셜텍 (주) | 지문 인식 및 인증을 위한 방법 및 장치 |
US20140270420A1 (en) * | 2013-03-15 | 2014-09-18 | Apple Inc. | Finger biometric sensor providing coarse matching of ridge flow data using histograms and related methods |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3976086B2 (ja) | 1999-05-17 | 2007-09-12 | 日本電信電話株式会社 | 表面形状認識装置および方法 |
US7142699B2 (en) * | 2001-12-14 | 2006-11-28 | Siemens Corporate Research, Inc. | Fingerprint matching using ridge feature maps |
US7720262B2 (en) * | 2002-02-18 | 2010-05-18 | Precise Biometrics Ab | Method and device for recording fingerprint data |
JP4022090B2 (ja) | 2002-03-27 | 2007-12-12 | 富士通株式会社 | 指の動きの検出方法および検出装置 |
JP4127546B2 (ja) | 2003-04-15 | 2008-07-30 | 富士通株式会社 | 画像照合装置、画像照合方法、及び画像照合プログラム |
EP1671260B1 (en) | 2003-10-01 | 2014-06-11 | Authentec, Inc. | Methods for finger biometric processing and associated finger biometric sensors |
JP2005149455A (ja) | 2003-10-21 | 2005-06-09 | Sharp Corp | 画像照合装置、画像照合方法、画像照合プログラムおよび画像照合プログラムを記録したコンピュータ読取り可能な記録媒体 |
US8131026B2 (en) * | 2004-04-16 | 2012-03-06 | Validity Sensors, Inc. | Method and apparatus for fingerprint image reconstruction |
US8175345B2 (en) | 2004-04-16 | 2012-05-08 | Validity Sensors, Inc. | Unitized ergonomic two-dimensional fingerprint motion tracking device and method |
KR101122944B1 (ko) * | 2004-06-18 | 2012-03-22 | 소니 주식회사 | 화상 대조 방법, 화상 대조 장치, 프로그램 |
KR20100032152A (ko) | 2008-09-17 | 2010-03-25 | 전자부품연구원 | 스위핑 지문 인식 장치 및 방법 |
KR101012596B1 (ko) | 2010-05-18 | 2011-02-10 | 주식회사 슈프리마 | 기준선을 이용한 회전 지문 정합/합성 장치 및 방법 |
EP2671189A1 (en) * | 2011-02-04 | 2013-12-11 | Gannon Technologies Group LLC | Systems and methods for biometric identification |
US9268991B2 (en) * | 2012-03-27 | 2016-02-23 | Synaptics Incorporated | Method of and system for enrolling and matching biometric data |
US9202099B2 (en) * | 2012-06-29 | 2015-12-01 | Apple Inc. | Fingerprint sensing and enrollment |
US9436864B2 (en) * | 2012-08-23 | 2016-09-06 | Apple Inc. | Electronic device performing finger biometric pre-matching and related methods |
US20150071508A1 (en) * | 2013-09-09 | 2015-03-12 | Apple Inc. | Background Enrollment and Authentication of a User |
TWI607386B (zh) * | 2013-12-05 | 2017-12-01 | 神盾股份有限公司 | 指紋辨識方法及其裝置 |
WO2016049655A1 (en) * | 2014-09-26 | 2016-03-31 | Shenzhen Huiding Technology Co., Ltd. | Fingerprint sensors |
US10032062B2 (en) * | 2015-04-15 | 2018-07-24 | Samsung Electronics Co., Ltd. | Method and apparatus for recognizing fingerprint |
US10339178B2 (en) * | 2015-06-30 | 2019-07-02 | Samsung Electronics Co., Ltd. | Fingerprint recognition method and apparatus |
-
2016
- 2016-04-01 US US15/088,545 patent/US10032062B2/en active Active
- 2016-04-14 EP EP16165366.2A patent/EP3096262A1/en active Pending
- 2016-04-15 CN CN201610236041.XA patent/CN106056037B/zh active Active
-
2018
- 2018-07-20 US US16/041,196 patent/US10679037B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002024831A (ja) * | 2000-07-10 | 2002-01-25 | Casio Comput Co Ltd | 指紋認証装置及び指紋認証システム |
WO2004097741A1 (ja) * | 2003-04-25 | 2004-11-11 | Fujitsu Limited | 指紋照合装置、指紋照合方法および指紋照合プログラム |
JP2006330874A (ja) * | 2005-05-24 | 2006-12-07 | Japan Science & Technology Agency | 指紋照合装置、方法およびプログラム |
CN1818927A (zh) * | 2006-03-23 | 2006-08-16 | 北京中控科技发展有限公司 | 指纹识别方法与系统 |
CN1831847A (zh) * | 2006-03-28 | 2006-09-13 | 北京握奇数据系统有限公司 | 指纹特征快速匹配方法、装置及其应用 |
US20140003680A1 (en) * | 2012-06-29 | 2014-01-02 | Apple Inc. | Zero Reference Based Ridge Flow Map |
US20140270420A1 (en) * | 2013-03-15 | 2014-09-18 | Apple Inc. | Finger biometric sensor providing coarse matching of ridge flow data using histograms and related methods |
KR101419784B1 (ko) * | 2013-06-19 | 2014-07-21 | 크루셜텍 (주) | 지문 인식 및 인증을 위한 방법 및 장치 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573137A (zh) * | 2017-03-14 | 2018-09-25 | 三星电子株式会社 | 指纹验证方法和设备 |
CN108573137B (zh) * | 2017-03-14 | 2023-11-14 | 三星电子株式会社 | 指纹验证方法和设备 |
GB2574973A (en) * | 2017-10-16 | 2019-12-25 | Egis Tech Inc | User interface display method and electronic device |
WO2019076272A1 (zh) * | 2017-10-16 | 2019-04-25 | 神盾股份有限公司 | 用户接口的显示方法以及电子装置 |
GB2574973B (en) * | 2017-10-16 | 2022-04-13 | Egis Tech Inc | User interface display method and electronic device |
US10713463B2 (en) | 2017-10-16 | 2020-07-14 | Egis Technology Inc. | Display method of user interface and electronic apparatus thereof |
CN108090475A (zh) * | 2018-01-17 | 2018-05-29 | 深圳市爱克信智能股份有限公司 | 一种指纹识别算法 |
CN108182424B (zh) * | 2018-01-29 | 2020-05-22 | 上海天马微电子有限公司 | 显示装置及其指纹识别方法 |
CN108182424A (zh) * | 2018-01-29 | 2018-06-19 | 上海天马微电子有限公司 | 显示装置及其指纹识别方法 |
CN110574031A (zh) * | 2018-02-16 | 2019-12-13 | 指纹卡有限公司 | 用于电子设备的登记方案 |
CN110574031B (zh) * | 2018-02-16 | 2022-12-30 | 指纹卡安娜卡敦知识产权有限公司 | 用于电子设备的登记方案 |
CN111488761B (zh) * | 2019-01-25 | 2024-04-26 | 北京小米移动软件有限公司 | 指纹识别方法、装置、电子设备和计算机可读存储介质 |
CN111488761A (zh) * | 2019-01-25 | 2020-08-04 | 北京小米移动软件有限公司 | 指纹识别方法、装置、电子设备和计算机可读存储介质 |
WO2020237481A1 (zh) * | 2019-05-27 | 2020-12-03 | 深圳市汇顶科技股份有限公司 | 反色区域的确定方法、指纹芯片及电子设备 |
CN110383287B (zh) * | 2019-05-27 | 2022-08-30 | 深圳市汇顶科技股份有限公司 | 反色区域的确定方法、指纹芯片及电子设备 |
CN110383287A (zh) * | 2019-05-27 | 2019-10-25 | 深圳市汇顶科技股份有限公司 | 反色区域的确定方法、指纹芯片及电子设备 |
CN114600173A (zh) * | 2019-12-12 | 2022-06-07 | 谷歌有限责任公司 | 用于认证的指纹捕获并匹配 |
CN112183508B (zh) * | 2020-11-30 | 2021-06-29 | 深圳阜时科技有限公司 | 指纹识别方法、指纹识别传感器及电子设备 |
CN112183508A (zh) * | 2020-11-30 | 2021-01-05 | 深圳阜时科技有限公司 | 指纹识别方法、指纹识别传感器及电子设备 |
CN116311395A (zh) * | 2022-08-18 | 2023-06-23 | 荣耀终端有限公司 | 指纹识别的方法和装置 |
CN116311395B (zh) * | 2022-08-18 | 2023-11-14 | 荣耀终端有限公司 | 指纹识别的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3096262A1 (en) | 2016-11-23 |
US20180330147A1 (en) | 2018-11-15 |
US10679037B2 (en) | 2020-06-09 |
US10032062B2 (en) | 2018-07-24 |
CN106056037B (zh) | 2022-09-20 |
US20160307023A1 (en) | 2016-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106056037A (zh) | 用于识别指纹的方法和设备 | |
US11715325B2 (en) | Fingerprint verification method and apparatus | |
US10198615B2 (en) | Fingerprint enrollment method and apparatus | |
US10339178B2 (en) | Fingerprint recognition method and apparatus | |
Galar et al. | A survey of fingerprint classification part II: experimental analysis and ensemble proposal | |
US20180150679A1 (en) | Method and apparatus of fingerprint recognition | |
CN106326829B (zh) | 检测虚假指纹的方法和设备以及识别指纹的方法和设备 | |
CN108073889A (zh) | 虹膜区域提取的方法和设备 | |
CN108399374B (zh) | 选择用于指纹识别的候选指纹图像的方法和设备 | |
CN106326327A (zh) | 用于更新用户认证数据的方法和设备 | |
JP2005222419A (ja) | 生体情報照合装置 | |
CN102542243A (zh) | 一种基于lbp图像和分块编码的虹膜特征提取方法 | |
CN106250809A (zh) | 预处理包括生物信息的图像的方法 | |
CN107408207A (zh) | 指纹局部化 | |
KR102205495B1 (ko) | 지문 인식 방법 및 장치 | |
Wang et al. | Fingerprint pore extraction using U-Net based fully convolutional network | |
CN107958208A (zh) | 一种基于传播算法的指纹交叉库匹配方法 | |
Varytimidis et al. | W α SH: weighted α-shapes for local feature detection | |
Lu et al. | Enhanced hierarchical model of object recognition based on a novel patch selection method in salient regions | |
US11663849B1 (en) | Transform pyramiding for fingerprint matching system and method | |
Sarangi et al. | An evaluation of ear biometric system based on enhanced Jaya algorithm and SURF descriptors | |
Omara et al. | LDM-DAGSVM: learning distance metric via DAG support vector machine for ear recognition problem | |
Almutiry | Efficient iris segmentation algorithm using deep learning techniques | |
Sabeena et al. | Copy-move image forgery localization using deep feature pyramidal network | |
Wang et al. | Cross-device recognition of dorsal hand vein images by two-stage coarse-to-fine matching |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |