CN106066991B - 指纹验证方法和设备 - Google Patents
指纹验证方法和设备 Download PDFInfo
- Publication number
- CN106066991B CN106066991B CN201610261973.XA CN201610261973A CN106066991B CN 106066991 B CN106066991 B CN 106066991B CN 201610261973 A CN201610261973 A CN 201610261973A CN 106066991 B CN106066991 B CN 106066991B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- similarity
- image
- fingerprint image
- groups
- 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.)
- Active
Links
Images
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
- G06V40/1347—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
- G06V40/1376—Matching features related to ridge properties or fingerprint texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
-
- 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
- G06V40/1353—Extracting features related to minutiae or pores
-
- 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
- G06V40/1371—Matching features related to minutiae or pores
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
提供一种指纹验证方法和设备。一种指纹验证方法包括:基于输入指纹图像从多个指纹组中选择一个或多个第一指纹组,所述多个指纹组中的每个指纹组包括局部指纹图像;基于输入指纹图像和包括在所述一个或多个第一指纹组中的每个局部指纹图像,来确定验证是否成功。
Description
本申请要求于2015年4月23日提交到韩国知识产权局的第10-2015-0057122号韩国专利申请以及于2015年11月12日提交到韩国知识产权局的第10-2015-0158684号韩国专利申请的优先权,所述韩国专利申请的全部内容通过引用全部包含于此。
技术领域
至少一个示例实施例涉及一种指纹验证方法和设备。
背景技术
基于生物测量学的用户验证技术涉及使用指纹、虹膜、语音、脸部、血管以及对用户是个人独特的类似的生物特性中的一个或多个的用户验证。这样的用于用户验证的生物特性因人而不同、在一生中很少改变,并且具有低的被盗或复制的风险。此外,个人不需要特意地携带这样的特性,因此,可不体验使用这样的特性的不方便。
在与这种类型的验证相关的技术中,指纹识别方法由于各种原因(例如,高方便性和安全性)而被普遍使用。通过指纹方法的用户验证可包括登记并存储将被用于指纹验证的指纹图案。用户验证方法还可包括:将预先登记的指纹图案与由用户请求用户验证而输入的指纹图案进行比较,并且在比较的结果满足预设条件时将用户验证为注册用户。
发明内容
至少一个示例实施例涉及一种指纹验证方法。
根据指示一些示例实施例,一种指纹验证方法包括:基于输入指纹图像从多个指纹组中选择一个或多个第一指纹组,所述多个指纹组中的每个指纹组包括局部指纹图像;基于输入指纹图像和包括在所述一个或多个第一指纹组中的每个局部指纹图像,来确定验证是否成功。
选择所述一个或多个第一指纹组的步骤可包括:确定输入指纹图像与包括在所述多个指纹组中的每个局部指纹图像之间的第一相似度;基于第一相似度来选择所述一个或多个第一指纹组。
确定第一相似度的步骤可包括:基于输入指纹图像的图像频率信息和包括在所述多个指纹组中的每个局部指纹图像的图像频率信息,来确定第一相似度。
确定第一相似度的步骤可包括:通过傅里叶-梅林方法来执行输入指纹图像与包括在所述多个指纹组中的局部指纹图像之间的相位相关,并且基于根据执行相位相关的结果检测的峰值来确定第一相似度。
选择所述一个或多个第一指纹组的步骤可包括:确定输入指纹图像与包括在所述多个指纹组中的每个局部指纹图像之间的第一相似度;基于第一相似度,针对每个指纹组来选择第一候选局部指纹图像;确定输入指纹图像与每个第一候选局部指纹图像之间的第二相似度;基于第二相似度来选择所述一个或多个第一指纹组。
选择第一候选局部指纹图像的步骤可包括:基于第一相似度,针对每个指纹组来选择第一数量的第一候选局部指纹图像。
确定第二相似度的步骤可包括:基于通过傅里叶-梅林方法获得的旋转信息和平移信息,来旋转并且平移输入指纹图像;基于被旋转且平移的输入指纹图像与第一候选局部指纹图像之间的重叠区域,来确定第二相似度。
确定第二相似度的步骤可包括:在重叠区域中通过基于图像亮度值的归一化互相关方案,来确定第二相似度。
第二相似度可通过具有比用于确定第一相似度的方案的计算复杂度更高的计算复杂度的方案而被确定。
确定验证是否成功的步骤可包括:基于输入指纹图像与包括在所述一个或多个第一指纹组中的每个局部指纹图像之间的确定的第二相似度,来确定验证是否成功。
确定验证是否成功的步骤可包括:基于输入指纹图像与包括在所述一个或多个第一指纹组中的每个第一候选局部指纹图像之间的确定的第二相似度,来确定验证是否成功。
选择一个或多个第一指纹组的步骤可包括:基于第二相似度分别针对所述多个指纹组来确定多个代表值,并且基于确定的所述多个代表值来选择所述一个或多个第一指纹组。
确定验证是否成功的步骤可包括:基于第二相似度在包括在所述一个或多个第一指纹组中的局部指纹图像中,选择将被用于分数计算的至少一个局部指纹图像;基于所述至少一个选择的局部指纹图像来计算用于验证的分数;基于分数确定验证是否成功。
确定验证是否成功的步骤可包括:从包括在所述一个或多个指纹组中的局部指纹图像,选择至少一个候选局部指纹图像;基于输入指纹图像与所述至少一个候选局部指纹图像之间的相似度,来确定验证是否成功。
所述多个指纹组中的每个指纹组可包括针对多个手指中的每个手指的预先登记的局部指纹图像。
根据至少一些示例实施例,一种存储计算机程序的非暂时性计算机可读介质,其中,所述计算机程序包括:在由一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1的方法的指令。
根据本发明构思的至少一些示例实施例,一种生物测量学验证方法可包括:基于输入生物测量学数据与登记的生物测量学数据之间的第一相似度,从登记的生物测量学数据选择第一候选测量学数据,登记的数据被布置在多个生物测量学数据组中;基于输入生物测量学数据与第一候选测量学数据之间的第二相似度,从所述多个生物测量学数据组中选择一个或多个生物测量学数据组;基于输入生物测量学数据与包括在所述一个或多个生物测量学数据组中的登记的生物测量学数据,来确定验证是否成功。
输入生物测量学数据可包括:关于指纹的信息、关于身体阻抗的信息、关于血管的信息和关于虹膜的信息中的至少一个。
根据本发明构思的至少一些示例实施例,一种指纹验证设备包括:存储器,存储计算机可读指令;一个或多个处理器,被配置为执行计算机可读指令,使得所述一个或多个处理器被配置为:执行基于输入指纹图像从多个指纹组中选择一个或多个第一指纹组的操作,所述多个指纹组中的每个指纹组包括基于输入指纹图像的局部指纹图像;执行基于输入指纹图像和包括在所述一个或多个第一指纹组中的每个局部指纹图像确定验证是否成功的操作。
所述一个或多个处理器可被配置为执行计算机可读指令,使得所述一个或多个处理器被配置为:执行基于输入指纹图像的图像频率信息与包括在所述多个指纹组中的每个局部指纹图像的图像频率信息来确定第一相似度的操作;执行基于第一相似度针对所述多个指纹组中的每个指纹组来选择第一候选局部指纹图像的操作;执行基于输入指纹图像与每个第一候选局部指纹图像之间的第二相似度来选择所述一个或多个第一指纹组的操作。
所述一个或多个处理器可被配置为执行计算机可读指令,使得所述一个或多个处理器被配置为:执行从包括在所述一个或多个第一指纹组中的局部指纹图像选择至少一个第二候选局部指纹图像的操作;执行基于输入指纹图像与所述至少一个第二候选局部指纹图像之间的第三相似度确定验证是否成功的操作。
示例实施例的另外的方面将在下面的描述中部分阐述,部分从该描述将是清楚的,或者可以通过本公开的实践而获知。
附图说明
通过参照附图详细地描述示例实施例,示例实施例的以上以及其他特征和优点将会变得更加清楚。附图意在描述示例实施例,而不应被解释为限制权利要求的意图的范围。除非明确指出,否则附图不认为是按比例绘制。
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示出根据至少一个示例实施例的登记指纹的处理的示例;
图4示出根据至少一个示例实施例的执行指纹验证的处理的示例;
图5是示出根据至少一个示例实施例的指纹验证方法的示例的流程图;
图6是示出根据至少一个示例实施例的选择指纹组的处理的示例的流程图;
图7是示出根据至少一个示例实施例的选择指纹组的处理的另一示例的流程图;
图8是示出根据至少一个示例实施例的确定验证是否成功的处理的流程图;
图9是示出根据至少一个示例实施例的确定验证是否成功的处理的另一示例的流程图;
图10A和图10B是示出根据至少一个示例实施例的基于输入指纹图像确定验证是否成功的示例的流程图;
图11是示出根据至少一个示例实施例的通过傅里叶-梅林(Fourier-Mellin)方法确定相似度的处理的示例的流程图;
图12示出根据至少一个示例实施例的对数极坐标变换(LPT)的示例;
图13示出根据至少一个示例实施例的处理输入指纹图像和局部指纹图像以计算相似度的示例;
图14示出根据至少一个示例实施例的指纹验证设备的示例。
具体实施方式
在此公开详细的示例实施例。然而,为了描述示例实施例的目的,在此公开的特定结构和功能的细节仅是代表性的。然而,可以以许多替换形式来实现示例实施例,并且示例实施例不应被解释为仅限于在此阐述的实施例。
因此,虽然示例实施例能够具有各种修改和替换形式,但是其实施例通过示例的方式在附图中被示出,并且在此将被详细地描述。然而,应理解,不意在将示例实施例限制为所公开的具体形式,而是与此相反,示例实施例将覆盖落入示例实施例的范围内的所有修改、等同物以及替换物。贯穿附图的描述,相同的标号表示相同的元件。
将理解,尽管术语“第一”、“第二”等可被用于描述各种元件,但是这些元件不受限于这些术语。这些术语仅被用于将一个元件与另一元件进行区分。例如,在不脱离示例实施例的范围的情况下,第一元件可被称为第二元件,相似地,第二元件可被称为第一元件。如在此所使用的,术语“和/或”包括一个或多个相关所列项的任意和所有组合。
将理解,当元件被称为被“连接”或“结合”到另一元件时,该元件可被直接地连接到或耦合到该另一元件,或者可存在中间元件。相反,当元件被称为被“直接地连接”或“直接地结合”到另一元件时,不存在中间元件。用于描述元件之间的关系的其他词语应以类似方式被解释(例如,“在…之间”与“直接在…之间”、“相邻”与“直接相邻”等)。
在此使用的术语仅是描述具体实施例的目的,而不意在限制示例性实施例。除非上下文另有清楚地指示,否则如在此使用的单数形式也意图包括复数形式。还将理解,当在此使用术语“包括”和/或“包含”时,说明存在叙述的特征、整体、步骤、操作、元件和/或组件,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。
还应注意的是,在一些替代实施方式中,所提出的功能/动作可不按附图中所指出的顺序发生。例如,根据涉及的功能/动作,连续示出的两个附图实际上可被基本同时地执行,或者有时可以以相反的顺序被执行。
在此参照本发明构思的理想实施例(和中间结构)的示意图示来描述示例实施例。如此,由例如制造技术和/或公差导致的图示的形状的变化将被预期。因此,示例实施例不应被解释为受限于在此示出的区域的具体形状,而将包括由例如制造导致的形状的偏差。
虽然一些剖视图的相应平面图和/或立体图可能未被示出,但是在此示出的装置结构的剖视图对沿着平面图中将会示出的两个不同方向和/或沿着立体图中将会示出的三个不同方向扩展的多个装置结构提供支持。这两个不同方向可以互相正交,或者可以不互相正交。这三个不同方向可包括可与这两个不同方向正交的第三方向。多个装置结构可被整合在同一电子装置中。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,电子装置可包括将由电子装置的平面图示出的多个装置结构(例如,多个存储器单元结构或多个晶体管结构)。多个装置结构可被布置在阵列中和/或二维图案中。
在此描述的示例实施例可被用于验证用户的指纹。例如,用户的验证可包括确定用户是否是预先注册的用户。在该示例中,可基于验证是成功还是失败来确定用户的验证的结果。
可通过以各种形式的产品来实现在此描述的示例实施例,其中,所述产品包括,例如,个人计算机(PC)、膝上型计算机、平板计算机、智能电话、电视(TV)、智能家庭应用、智能车辆、信息服务亭(kiosk)以及可穿戴装置。例如,在此描述的示例实施例可应用于验证智能电话、移动装置和智能家庭系统的用户。此外,在此描述的示例实施例可应用于通过用户验证提供的支付服务。此外,在此描述的示例实施例还可应用于通过用户验证自动地启动车辆的智能汽车系统。在下文中,将参照附图详细地描述示例实施例。
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。然而以下参照在图1或图2中未示出的指纹传感器来描述图1和图2,下面将参照包括在图4中所示的指纹验证设备410的指纹传感器420来详细地讨论这样的指纹传感器的示例。
参照图1,指纹传感器(未示出)感测用户的指纹100。指纹传感器可通过感测区域来感测指纹100。例如,指纹传感器的感测区域可具有小于指纹100的矩形形式。在该示例中,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来生成指纹图像。当感测区域的大小小于指纹100的大小时,由指纹传感器生成的指纹图像可对应于包括指纹100的一部分的局部图像(partial image)。
指纹图像可被用于识别或登记用户。在登记操作中,用户的指纹图像可被登记并且存储在存储器(例如,用于存储数据的存储器)中。当指纹传感器的感测区域的大小小于指纹100的大小时,与用户的指纹100的局部图像相应的多个指纹图像110至指纹图像170可被登记。局部图像110至局部图像170中的每个局部图像可覆盖指纹100的一部分,局部图像110至局部图像170的组合可大体上(或,可选地,完整地)覆盖指纹100。在此,局部图像110至局部图像170可彼此重叠。
在识别操作中输入的指纹图像可与登记的局部图像进行比较。基于指纹图像是否与登记的局部图像匹配,来可获得验证或识别用户的结果。
尽管在图1中,指纹传感器的感测区域被示出为具有矩形形式,但是感测区域可具有各种大小和形式。例如,可以以如图2中所示的圆形形式来提供感测区域。参照图2,在登记操作中,与单个指纹200相应的多个局部图像210至局部图像295可被登记。在识别操作中,与指纹200的一部分相应的指纹图像可与登记的局部图像210至局部图像295中的每个局部图像进行比较。
根据至少一个示例实施例,在登记操作中所使用的指纹传感器可不同于在识别操作中所使用的指纹传感器。例如,可在登记操作中使用具有如图1中所示的矩形形状的感测区域的指纹传感器,并且可在识别操作中使用具有如图2中所示的圆形形状的感测区域的指纹传感器,反之亦然。可选地,可在登记方法和识别方法二者中使用相同的指纹传感器。
图3示出根据至少一个示例实施例的登记指纹的处理的示例。参照图3,在指纹登记操作中,用户可针对至少一个手指来登记局部指纹图像310。例如,用户可通过指纹传感器感测食指若干次,来针对食指登记多个局部指纹图像。在该示例中,局部指纹图像可被登记,而无需基于图像合成生成整个指纹图像的额外的拼接处理(stitching process)。因此,在指纹登记期间可提供具有低的操作复杂度并且有效地使用资源的技术。
可针对每个手指来登记局部指纹图像(例如,局部指纹图像310),并且如由参考标号320所指示,可针对每个指纹组来生成登记数据库。例如,包括针对第一手指登记的局部指纹图像的第一指纹组332、包括针对第二手指登记的局部指纹图像的第二指纹组334以及包括针对第N手指登记的局部指纹图像的第N指纹组336可被登记。在该示例中,针对每个手指的指纹组332、指纹组334和指纹组336可形成单个簇(cluster),指纹组332、指纹组334和指纹组336可彼此区分。针对每个指纹组登记的登记指纹图像可被存储在登记指纹数据库340中,并且可被用于指纹验证处理。
例如,根据至少一个示例实施例,当指纹在指纹登记操作期间被初始注册时,正在用于执行登记的终端(例如,智能电话)的引导界面引导用户来注册用户的单个手指的多个指纹。因此,指纹登记操作可包括:例如,通过使用终端的用于捕获多个指纹图像的传感器以及(例如,在终端或数据库中)存储多个指纹图像,来在终端中注册用户的单个手指的多个局部指纹图像。根据至少一些示例实施例,用户的单个手指的多个局部指纹图像被注册为指纹组。可对同一用户的一个或多个其他手指,或者在另外的指纹登记操作期间也对另外的用户的一个或多个手指,执行以上涉及的将手指的多个局部指纹图像注册为指纹组的处理。因此,根据至少一些示例实施例,可使用终端来确定分别与多个手指相应的多个指纹组,以使每个指纹组包括仅与指纹组相应的手指的局部指纹图像。因此,根据至少一些示例实施例,指纹组被定义为单个用户的单个手指的多个局部指纹图像。指纹验证设备410是以上涉及的终端的示例,并且下面将参照图4来更加详细地讨论指纹验证设备410。
图4示出根据至少一个示例实施例的执行指纹验证的处理的示例。参照图4,指纹验证设备410包括指纹传感器420,并且指纹传感器420的感测区域的大小可小于用户的指纹的大小。指纹验证设备410可通过指纹传感器420来获得输入指纹图像430,并且输入指纹图像430可包括关于用户的期望的(或,可选地,预定的)的手指的指纹信息。以下将参照图14的指纹验证设备1410来更加详细地讨论指纹验证设备410的示例结构。
指纹验证设备410可从登记指纹数据库340获得预先登记的指纹组332、指纹组334和指纹组336。登记指纹数据库340可被存储在包括在指纹验证设备410中的存储器(未示出)中,或者可被存储在外部装置(例如,以有线或无线方式或者通过网络连接到或可连接到指纹验证设备410的服务器)(未示出)中。
指纹验证设备410可通过将输入指纹图像430与包括在指纹组332、指纹组334以及指纹组336中的每个局部指纹图像进行比较,来在指纹组332、指纹组334以及指纹组336中选择至少一个指纹组(如参考标号440所指示)。在该示例中,假设指纹组332被选择。指纹验证设备410可通过将输入指纹图像430与包括在指纹组332中的每个局部指纹图像进行比较,来执行验证(如参考标号450所指示),并且指纹验证设备410可输出验证的结果。指纹验证设备410可通过基于指纹组(例如,仅基于一个或多个选择的指纹组,而不基于所有的指纹组)执行指纹验证,来保持高识别速率,由此以更快速的方式来执行指纹验证。
图5是示出根据至少一个示例实施例的指纹验证方法的示例的流程图。
参照图5,在操作510中,指纹验证设备(例如,指纹验证设备410)基于输入指纹图像,来选择包括局部指纹图像的指纹组中的至少一个指纹组。指纹验证设备可基于输入指纹图像的图像频率信息以及每个局部指纹图像的图像频率信息,来确定输入指纹图像与每个局部指纹图像之间的相似度,并且基于相似度来在指纹组中选择用于以更加准确且详细的方式执行指纹比较的至少一个指纹组。
指纹验证设备可在选择至少一个指纹组之前执行针对输入指纹图像的预处理过程。预处理过程可包括用于增强输入指纹图像的质量的一系列操作。例如,预处理过程可包括以下操作中的一个或多个操作:去除包括在输入指纹图像中的噪声的操作、增大输入指纹图像的对比度的操作、去除包括在输入指纹图像中的模糊的去模糊操作以及校正包括在输入指纹图像中的失真的变形(warping)操作。此外,预处理过程可包括估计输入指纹图像的质量的操作。当输入指纹图像的质量小于阈值质量时,预处理过程可包括丢弃获得的输入指纹图像,并且通过例如提示指纹验证设备的用户提供新的指纹图像,来从用户接收新的输入指纹图像的操作。
在操作520中,指纹验证设备通过将输入指纹图像与在操作510中选择的至少一个指纹组中包括的每个局部指纹图像进行比较,来确定验证是否成功。当指纹验证设备在操作510中选择多个指纹组时,指纹验证设备可基于包括在选择的指纹组中的局部指纹图像来执行验证处理。指纹验证设备可确定输入指纹图像与包括在选择的指纹组中的局部指纹图像的一部分局部指纹图像或全部局部指纹图像之间的相似程度,并且基于确定的相似程度来确定验证成功还是失败。
当验证成功时,指纹验证设备可解除连接到指纹验证设备的终端装置的锁定状态,或者为用户(例如,提供验证的输入指纹图像的用户)分配访问终端的具体功能的权限。当验证失败时,指纹验证设备可保持终端装置的锁定状态,或者限制访问终端装置的具体功能的权限。
指纹验证设备可将登记的指纹图案管理为多个指纹组,并且通过在所述多个指纹组中选择将与输入指纹图像进行比较的指纹组来执行指纹验证,由此以更快速的方式执行指纹验证。例如,因为仅针对存储的指纹组的一部分,而不是所有的指纹组来执行比较,所以指纹验证以更快速的方式被执行,因此通过减小处理器上的处理负荷来提高处理器执行验证的操作。
由于参照图1至图4提供的描述也可应用于图5,因此为了更加清楚和简明将省略重复的描述。在下文中,将参照图6至图9提供操作510和操作520的详细的描述。
图6是示出根据至少一个示例实施例的选择指纹组的处理的示例的流程图。
在操作610中,指纹验证设备(例如,指纹验证设备410)通过确定输入指纹图像与包括在指纹组中的每个局部指纹图像之间的第一相似度来确定第一相似度。例如,指纹验证设备可通过基于图像频率信息的匹配方案(例如,傅里叶-梅林方法)来确定第一相似度。在此,傅里叶-梅林方法可被称为傅里叶-梅林变换。将参照图11至图13来提供基于傅里叶-梅林方法确定多个第一相似度的详细的描述。
对于每个登记的局部指纹图像,针对局部图像确定的第一相似度指示存在于输入指纹图像中的指纹图案与存在于登记的局部指纹图像中的指纹图案之间的相似程度。因此,高的第一相似度指示输入指纹图像的指纹图案相对相似于局部指纹图像的指纹图案。如上所述,根据至少一些示例实施例,可针对输入指纹图像以及包括在指纹组中的所有局部指纹图像中的每个局部指纹图像来确定第一相似度。
在操作620中,指纹验证设备基于操作610中确定的多个第一相似度(在此也称为第一相似度值),来选择指纹组中的至少一个指纹组。在一个示例中,指纹验证设备可选择具有针对每个局部指纹图像确定的多个第一相似度中的最高相似度的局部指纹图像的指纹组,作为在操作S620中选择的至少一个指纹组。在另一示例中,指纹验证设备可通过计算针对每个指纹组的局部指纹图像确定的多个第一相似度来获得平均值,并且选择具有最高平均值的指纹组。例如,指纹验证设备可通过以下操作来确定具有最高平均值的指纹组:按对于每个指纹组,与该指纹组相应的多个第一相似度值是针对属于该指纹组的局部指纹图像分别计算的第一相似度值方式来针对每个指纹组计算相应的多个第一相似度值;按对于每个指纹组,与该指纹组相应的平均值是与该指纹组相应的多个第一相似度值的平均值的方式来针对每个指纹组计算相应的平均值;选择与针对每个指纹组计算的平均值之中的最高平均值相应的指纹组,作为在操作S620中选择的至少一个指纹组。在另一示例中,指纹验证设备可基于针对局部指纹图像确定的第一相似度,来计算针对每个指纹组的第一相似度的标准偏差,并且选择具有最小标准偏差的指纹组。例如,指纹验证设备可通过以下操作来确定具有最小标准偏差的指纹组:按针对每个指纹组,与该指纹组相应的多个第一相似度值是针对属于该指纹组的局部指纹图像分别计算的第一相似度值的方式来针对每个指纹组计算相应的第一相似度值;按针对每个指纹组,与该指纹组相应的标准偏差值是与该指纹组相应的多个第一相似度值的标准偏差值的方式来针对每个指纹组计算相应的标准偏差;选择与针对每个指纹组计算的标准偏差值之中的最小标准差值相应的指纹组,作为在操作S620中选择的至少一个指纹组。然而,基于第一相似度选择指纹组的方法不限于此。指纹验证设备可基于各种方法来选择指纹组。
根据至少一些示例实施例,在操作620中,指纹验证设备仅选择单个指纹组作为选择的至少一个指纹组。可选地,根据至少一些示例实施例,指纹验证设备可在操作620中选择多个指纹组,作为选择的至少一个指纹组。例如,代替选择具有第一相似度值(或,可选地,最低标准偏差)的最高平均值的单个指纹组,指纹验证设备可通过以下操作来执行操作620:选择具有H个第一相似度值的最高平均值(或,可选地,H个最低标准差)的H个指纹组,作为选择的至少一个指纹组,其中,H是等于或大于2的正整数。
根据至少一些示例实施例,指纹验证设备可基于阈值,在操作620中,在仅选择一个指纹组与选择多个指纹组之间进行选择。例如,在操作620中,指纹验证设备可从所有指纹组中,确定具有第一相似度值的最高平均值的指纹组。此外,指纹验证设备可通过确定第一相似度值的最高平均值与其他指纹组的第一相似度值的所有其他平均值之间的差来确定差值。然后,指纹验证设备可选择具有与第一相似度值的最高平均值之差小于阈值的第一相似度值的平均值的所有指纹组,作为选择的一个或多个指纹组。相似地,根据至少一些示例实施例,在操作620中,指纹验证设备可选择具有与第一相似度值的最低标准偏差值小鱼阈值的第一相似度值的标准偏差值的所有指纹组,作为选择的一个或多个指纹组。
图7是示出根据至少一个示例实施例的选择指纹组的处理的另一示例的流程图。
在操作710中,指纹验证设备(例如,指纹验证设备410)确定输入指纹图像与包括在指纹组中的每个局部指纹图像之间的第二相似度。由于参照操作610提供的描述也可应用于操作710,因此为了更加清楚和简明将省略重复的描述。例如,操作610的第一相似度的描述也可应用于操作710的第二相似度。
在操作720中,指纹验证设备基于在操作710中确定的第二相似度,来选择第一候选局部指纹图像。在该示例中,可从期望的(或,可选地,预定的)指纹组中选择候选组,而不从其他指纹组中选择候选组。例如,指纹验证设备可从所有指纹组的所有局部指纹图像中的最高第二相似度的局部指纹图像开始,选择期望的(或,可选地,预定的)数量的第一候选局部指纹图像。例如,在操作720中,指纹验证设备可根据在操作710中确定的第二相似度对所有指纹组中的所有局部指纹图像进行排列,以使与最高第二相似度相应的局部指纹图像具有最高等级,而与最低第二相似度相应的局部指纹图像具有最低等级。此外,指纹验证设备可选择M个最高排列的局部指纹图像,其中,M是大于1且小于N的正整数,N是在所有指纹组的所有局部指纹图像中包括的局部指纹图像的总数量。当指纹验证设备从所有指纹组的所有局部指纹图像中选择具有M个最高第二相似度的M个第一候选局部指纹图像时,由于一个或多个指纹组可能不包括M个最高排列的局部指纹图像,因此针对期望的(或,可选地,预定的)指纹组,第一候选局部指纹图像可不被选择。在另一示例中,指纹验证设备可在局部指纹图像中,选择具有大于或等于阈值的第二相似度的局部指纹图像,作为第一候选局部指纹图像。阈值可以是期望的(或,可选地,预定的)值,或者可基于针对局部指纹图像的第二相似度来适应性地确定阈值。例如,针对所有指纹组的所有局部指纹图像的第二相似度的平均值可被确定为阈值。
在另一示例中,指纹验证设备可基于第二相似度,针对每个指纹组选择至少一个第一候选局部指纹图像。例如,指纹验证设备可从每个指纹组的最高第二相似度的局部指纹图像开始,选择期望的(或,可选地,预定的)数量的第一候选局部指纹图像。例如,在操作720中,针对所有指纹组中的第一指纹组,指纹验证设备可根据在操作710中确定的第二相似度对第一指纹组的所有局部指纹图像进行排列,以使第一指纹组的与最高第二相似度相应的局部指纹图像具有最高等级,第一指纹组的与最低第二相似度相应的局部指纹图像具有最低等级。此外,指纹验证设备可选择第一指纹组的K个最高排列的局部指纹图像,其中,K是小于L的正整数,L是包括在第一指纹组中的局部指纹图像的总数量。根据至少一些示例实施例,对于所有组分别执行以上针对第一指纹组描述的相同的操作。因此,根据至少一些示例实施例,在操作720中,指纹验证设备可从所有指纹组中的每个指纹组选择至少K个局部指纹图像。
在操作730中,指纹验证设备确定输入指纹图像与每个第一候选局部指纹图像之间的第三相似度。指纹验证设备可基于输入指纹图像的图像频率信息和每个第一候选局部指纹图像的图像频率信息,来确定第三相似度。指纹验证设备可通过具有比用于确定第二相似度的方案的计算复杂度更高的计算复杂度的基于图像频率信息的匹配方案,来确定第三相似度。例如,指纹验证设备可使用基于傅里叶-梅林方法获得的相位相关信息,来在操作710中确定第二相似度。为了在操作730中确定第三相似度,关于图像的平移信息和旋转信息可被额外地用于相位相关信息。将参照图11至图13来提供基于傅里叶-梅林方法确定第三相似度的详细的描述。
在操作740中,指纹验证设备基于在操作730中确定的第三相似度,来选择指纹组中的至少一个指纹组。在一个示例中,指纹验证设备可选择具有在操作730中针对第一候选局部指纹图像确定的第三相似度中的最高第三相似度的第一候选局部指纹图像的指纹组。在另一示例中,指纹验证设备可通过计算针对每个指纹组的第一候选局部指纹图像确定的第三相似度的平均,来获得平均值,并且选择具有最大平均值的指纹组。例如,在操作740中,指纹验证设备可选择这样的指纹组,其中,该指纹组在与具有第一候选局部指纹图像的其他指纹组进行比较时,属于该指纹组的第一候选局部指纹图像具有第三相似度的最高平均值。在另一示例中,指纹验证设备可基于针对第一候选局部指纹图像确定的第三相似度,计算针对每个指纹组的第一候选局部指纹图像确定的第三相似度的标准偏差,并且选择具有最小标准偏差的指纹组。例如,在操作740中,指纹验证设备可选择这样的指纹组,其中,该指纹组在与具有第一候选局部指纹图像的其他指纹组进行比较时,属于该指纹组的第一候选局部指纹图像具有最低标准偏差。然而,基于第三相似度选择指纹组的方法不限于此。指纹验证设备可基于各种方法来选择指纹组。
根据至少一些实例实施例,在操作740中,指纹验证设备仅选择单个指纹组作为选择的至少一个指纹组。可选地,根据至少一些示例实施例,指纹验证设备可在操作740中选择多个指纹组作为选择的至少一个指纹组。例如,代替在具有第一候选局部指纹图像的所有指纹组中,选择属于指纹组的第一候选局部指纹图像具有第三相似度的最高平均值(或,可选地,第三相似度的最低标准差)的单个指纹组,指纹验证设备可通过以下操作来执行操作740:在具有第一候选指纹图像的所有指纹组中选择J个指纹组,其中,对于J个指纹组,属于指纹组的第一候选局部指纹图像具有J个第三相似度的最高平均值(或,可选地,J个最低标准差),其中,J是等于或大于2的正整数。
根据至少一些示例实施例,指纹验证设备以与上面针对图6的操作620所讨论的方式相同的方式,基于阈值,在操作740中,在仅选择一个指纹组与选择多个指纹组之间进行选择。例如,根据至少一些示例实施例,在操作740中,指纹验证设备可选择这样所有指纹组作为选择的一个或多个指纹组,其中,在这种所有指纹组中,属于指纹组的第一候选局部指纹图像具有与最高平均值之差小于阈值量的第三相似度的平均值。最高平均值可以是具有第一候选局部指纹图像的所有指纹组中的这种指纹组的第一候选局部指纹图像的第三相似度的平均值,其中,在这种指纹组中,属于指纹组的第一候选局部指纹图像具有第三相似度的最高平均值。相似地,在操作740中,指纹验证设备可选择这种所有指纹组作为选择的一个或多个指纹组,其中,在这种所有的指纹组中,属于指纹组的第一候选局部指纹图像具有与最低标准偏差之差小于阈值量的第三相似度的标准偏差。最低标准偏差可以是具有第一候选局部指纹图像的所有指纹组中的这种指纹组的第一候选局部指纹图像的第三相似度的标准偏差,其中,在这种指纹组中,属于指纹组的第一候选局部指纹图像具有第三相似度的最低标准差。
图8是示出根据至少一个示例实施例的确定验证是否成功的处理的流程图。
在操作810中,指纹验证设备(例如,指纹验证设备410)确定输入指纹图像与在图5的操作510中选择的至少一个指纹组中包括的每个局部指纹图像之间的第四相似度。例如,指纹验证设备可在指纹组被选择时,针对包括在指纹组中的所有局部指纹图像确定第四相似度。根据至少一些示例实施例,在操作810中,指纹验证设备可针对包括在选择的至少一个指纹组中的每个局部指纹图像,确定第四相似度。因此,根据至少一些示例实施例,当使用图7中所示的操作来执行图5的操作510时,在操作810中,即使针对选择的至少一个指纹组中的未被选择为图7的操作730中的第一候选局部指纹图像的一个或多个局部指纹图像,指纹验证设备也可确定第四相似度。
在操作820中,指纹验证设备基于在操作810中确定的第四相似度来确定验证是否成功。指纹验证设备可基于针对局部指纹图像的第四相似度来确定用于确定指纹验证的分数,并且基于分数来确定验证是否成功。例如,第四相似度中的最大值或者第四相似度的平均值可被确定为分数。指纹验证设备可在分数大于或等于阈值时,确定验证成功。相反,指纹验证设备可在分数小于阈值时,确定验证失败。根据至少一些示例实施例,可根据指纹验证设备的制造商和/或用户来设置阈值。
在另一示例中,当使用图7中所示的操作来执行图5的操作510时,指纹验证设备可通过以下操作来执行操作820:代替以上面讨论的方式针对包括在指纹组中的所有局部指纹图像确定第四相似度,基于针对图7的操作730中的第一候选局部指纹图像确定的第三相似度来确定验证是否成功。因此,根据至少一些示例实施例,可省略操作810。指纹验证设备可基于针对包括在选择的指纹组中的第一候选局部指纹图像的第三相似度来确定分数,并且通过将分数与阈值进行比较,来确定验证是否成功。
图9是示出根据至少一个示例实施例的确定验证是否成功的处理的另一示例的流程图。
在操作910中,指纹验证设备(例如,指纹验证设备410)从包括在操作510中选择的指纹组中的局部指纹图像,选择第二候选局部指纹图像。例如,在操作910中,指纹验证设备可针对包括在选择的指纹组中的所有局部指纹图像确定第五相似度,并且从最高的第五相似度的第二候选局部指纹图像开始选择期望的(或,可选地,预定的)数量的第二候选局部指纹图像。根据至少一些实例实施例,指纹验证设备可以以上面讨论的关于操作810的第四相似度的方式相同的方式,来确定操作910中的第五相似度。
在操作920中,指纹验证设备确定输入指纹图像与每个第二候选局部指纹图像之间的第六相似度。例如,指纹验证设备可从输入指纹图像以及每个第二候选局部指纹图像提取指纹图案的细节,并且基于细节之间的匹配程度来确定第六相似度。当细节之间的匹配程度增大时,第六相似度的程度可增大。
在操作930中,指纹验证设备基于在操作920中确定的第六相似度来确定验证是否成功。指纹验证设备可基于针对第二候选局部指纹图像的第六相似度来确定分数,并且基于分数来确定验证是否成功。例如,第六相似度中的最大值或者第六相似度的平均值可被确定为分数。指纹验证设备可在分数大于或等于阈值时,确定验证成功。相反,指纹验证设备可在分数小于阈值时,确定验证失败。根据至少一些示例实施例,可根据指纹验证设备的制造商和/或用户来设置阈值。
图10A和图10B是示出根据至少一个示例实施例的基于输入指纹图像确定验证是否成功的示例的流程图。
参照图10A,在操作1010中,指纹验证设备(例如,指纹验证设备410)可在指纹验证设备接收到输入指纹图像时,计算输入指纹图像与存储在登记指纹数据库1005中的每个局部指纹图像之间的第一相似度。登记指纹数据库1005可包括针对每个指纹组登记的手指(例如,第一手指、第二手指以及第N手指)的局部指纹图像,每个手指的局部指纹图像可形成彼此被区分的指纹组。可针对第一手指、第二手指以及第N手指的局部指纹图像中的每个局部指纹图像计算第一相似度。
在操作1020中,指纹验证设备基于第一相似度来选择多个候选局部指纹图像。例如,指纹验证设备可基于登记的指纹图像的第一相似度的大小,在所有登记的局部指纹图像中,选择期望的(或,可选地,预定的)数量的候选局部指纹图像。在操作1030中,指纹验证设备可计算输入指纹图像与每个候选局部指纹图像之间的第二相似度。指纹验证设备可基于具有比用于确定第一相似度的方案的计算复杂度更高计算复杂度并且更加详细的方案,来计算第二相似度。
在操作1040中,指纹验证设备可针对候选局部指纹图像基于第二相似度被选择的每个指纹组,确定代表值,例如,最大值、平均值和标准偏差。
在另一示例中,如图10B中所示,可针对每个指纹组执行操作1010至操作1040。例如,指纹验证设备(例如,指纹验证设备410)可计算针对第一手指、第二手指以及第N手指的每个指纹组的第一相似度,并且基于计算的第一相似度,为每个指纹组选择至少一个候选局部指纹图像。然后,指纹验证设备可计算输入指纹图像与每个候选局部指纹图像之间的第二相似度,并且基于第二相似度来确定每个指纹组的代表值。参照操作1050至操作1070提供的描述也可应用于图10A和图10B。
在操作1050中,指纹验证设备基于针对候选局部指纹图像被选择的每个指纹组确定的代表值,在登记指纹数据库1005中登记的指纹组中,选择与输入指纹图像相应的指纹组。
在操作1060中,指纹验证设备针对包括在操作1050中选择的指纹组的局部指纹图像,确定分数。在一个示例中,指纹验证设备可基于第二相似度在包括在选择的指纹组中的所有局部指纹图像中,选择将被用于分数计算的至少一个局部指纹图像。例如,在所有局部指纹图像中,指纹验证设备可从最高的相似度的局部指纹图像开始选择期望的(或,可选地,预定的)数量的局部指纹图像,或者选择具有大于或等于阈值的第二相似度的局部指纹图像。指纹验证设备可基于至少一个选择的局部指纹图像,来确定用于验证的分数。确定分数的方法不限于此,指纹验证设备可基于各种方法来确定分数。
在操作1070中,指纹验证设备基于分数确定验证是否成功。例如,指纹验证设备可在分数大于或等于阈值时确定验证成功。相反,指纹验证设备可在分数小于阈值时,确定验证失败。根据至少一些示例实施例,可根据指纹验证设备的制造商和/或用户来设置阈值。
图11是示出根据至少一个示例实施例的通过傅里叶-梅林方法确定相似度的处理的示例的流程图。
参照图11,在操作111中,指纹验证设备(例如,指纹验证设备410)可基于快速傅里叶变换(FFT),将包括在输入指纹图像中的空间域上的信息变换为频域上的信息。在操作1112中,指纹验证设备可基于FFT,将包括在局部指纹图像中的空间域上的信息变换为频域上的信息。频域上的信息可基于使用(x,y)坐标表示信息的正交坐标系。
在操作1121中,指纹验证设备可基于对数极坐标变换(LPT),将包括在输入指纹图像中的频域上的信息的坐标系变换到极坐标系。在一个示例中,可针对通过FFT获得的FFT图像中的像素的大小值执行LPT。在极坐标系中,可通过半径、角度或者半径和角度的组合来表示信息。在操作1122中,指纹验证设备可将LPT应用于包括在局部指纹图像中的频域上的信息。在下文中,将参照图12来描述LPT。
图12示出根据至少一个示例实施例的对数极坐标变换(LPT)的示例。参照图12,在正交坐标系中基于中线点1210来设置同心圆。同心圆可基于半径、角度或者半径和角度的组合被划分为多个区域。在一个示例中,LPT可将正交坐标系上的多个区域映射到极坐标系(半径,角度)上的区域。在该示例中,中心点1210可被映射到与极坐标系的(0,0°)相应的区域1215。相似地,正交坐标系中的第一区域1220、第二区域1230、第三区域1240、第四区域1250可分别被映射到极坐标系中的第一区域1225、第二区域1235、第三区域1245、第四区域1255。
虽然未示出,但是LPT可将正交坐标系上的多个区域映射到基于角度表示的极坐标系上的区域。在该示例中,正交坐标系中的第一区域1220可被映射到极坐标系中的区域(0°),正交坐标系中的第二区域1230和第三区域1240可被映射到极坐标系中的区域(36°),正交坐标系中的第四区域1250可被映射到极坐标系中的区域(324°)。
返回参照图11,在操作1131中,指纹验证设备可将FFT应用到LPT被应用的输入指纹图像。在操作1132中,指纹验证设备可将FFT应用到LPT被应用的局部指纹图像。在操作1140中,指纹验证设备可执行相位相关,并检测峰作为执行相位相关的结果。检测的峰的位置可指示输入指纹图像与局部指纹图像之间的旋转信息(θ)。
在另一示例中,峰的位置可指示输入指纹图像与局部指纹图像之间的缩放信息。例如,应用了LPT的图像的一个轴可对应于角度,图像的另一轴可对应于半径,通过相位相关检测的峰值的位置可被表示为:(与角度相应的轴的坐标,与半径相应的轴的坐标)。与角度相应的轴的坐标可指示旋转信息,并且与半径相应的轴的坐标可指示缩放信息。
一般地,由于指纹图像不改变比例,因此半径可被固定为期望的(或可选地,预定的)值,例如,1。在该示例中,通过相位相关检测的峰的位置可被表示为与角度相应的轴的坐标,并且与角度相应的轴的坐标可指示旋转信息。
在该示例中,指纹验证设备可通过执行如上所述的相位相关来检测峰值,并且基于峰值来确定如上所述的第一相似度。峰值可根据输入指纹图像与局部指纹图像之间的指纹图案的相同区域或重叠区域的数量增多而增大,或者峰值可在输入指纹图像与局部指纹图像之间的指纹图案彼此相同时增大。因此,指纹验证设备可基于通过相位相关检测的峰值来确定输入指纹图像与局部指纹图像之间的第一相似度。
在操作1150中,指纹验证设备可基于旋转信息(θ)来旋转输入指纹图像。在操作1160中,指纹验证设备可将FFT应用于旋转的输入指纹图像,并且在操作1170中执行相位相关。峰可被检测作为执行相位相关的结果,检测的峰的位置可指示输入指纹图像与局部指纹图像之间的平移信息(Tx,Ty)。在操作1180中,指纹验证设备可基于平移信息(Tx,Ty)来移动旋转的输入指纹图像。
指纹验证设备可基于通过傅里叶-梅林方法获得的旋转信息和平移信息来旋转并且移动输入指纹图像,以重叠输入指纹图像和局部指纹图像。在一个示例中,指纹验证设备可基于被旋转且平移的输入指纹图像与局部指纹图像之间的重叠区域,来确定第二相似度。指纹验证设备可基于各种方法来确定第二相似度。例如,指纹验证设备可通过基于图像亮度值的归一化互相关方案来确定第二相似度。例如,指纹验证设备可基于通过例如定义归一化互相关(ncc)的等式1获得的相关度来确定第二相似度。
[等式1]
在等式1中,项W表示图像I1与图像I2之间的重叠区域,表达式ncc(I1,I2)表示图像I1与图像I2之间的重叠区域W的相关度。图像I1表示旋转的输入指纹图像,图像I2表示局部指纹图像。项i表示重叠区域中的像素的X轴坐标,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(Tx),项y表示沿Y轴方向的平移信息(Ty)。表达式I1(i,j)表示图像I1的坐标(i,j)的像素值(例如,像素亮度值),表达式I2(x+i,y+j)表示图像I2的坐标(x+i,y+j)的像素值(例如,像素亮度值)。
图13示出根据至少一个示例实施例的处理输入指纹图像和局部指纹图像以计算相似度的示例。根据至少一些示例实施例,图13中所示的操作和/或以下针对图13所讨论的操作可由指纹验证设备(例如,指纹验证设备410)来执行。
参照图13,登记的局部指纹图像1310可基于FFT和LPT被变换为第一LPT图像1320。输入指纹图像1315可基于FFT和LPT被变换为第二LPT图像1325。
可基于第一LPT图像1320与第二LPT图像1325之间的相位相关1330来确定输入指纹图像1315与局部指纹图像1310之间的旋转信息(θ),可基于通过相位相关1330检测的峰值来确定输入指纹图像1315与局部指纹图像1310之间的相似度A。根据至少一些示例实施例,图13的相似度A对应于图6的第一相似度和图7的第二相似度。
可基于旋转信息(θ)来旋转输入指纹图像1315。可通过旋转的输入指纹图像1340的FFT图像与局部指纹图像1310的FFT图像之间的相位相关1350,来确定输入指纹图像1315与局部指纹图像1310之间的平移信息(Tx,Ty)。基于旋转信息(θ)和平移信息((Tx,Ty),局部指纹图像1310可与输入指纹图像1315(例如,旋转的输入指纹图像1340)进行匹配,以创建匹配图像1360。在局部指纹图像1310与旋转的输入指纹图像1340之间的重叠区域中可确定相关度,并且可在匹配图像1360中基于相关度来确定旋转的输入指纹图像1340与局部指纹图像1310之间的相关度B。根据至少一些示例实施例,图13的相似度B对应于图7的第三相似度和图8的第四相似度。
图14示出根据至少一个示例实施例的指纹验证设备的示例。
参照图14,指纹传感器1440通过捕获用户的指纹来获得输入指纹图像。输入指纹图像可被传输到指纹验证设备1410,并且指纹验证设备1410可通过将输入指纹图像与在登记指纹数据库1450中登记的每个局部指纹图像进行比较来执行指纹验证。用户可基于登记处理针对至少一个手指中的每个手指登记局部指纹图像,并且登记指纹数据库1450可存储登记的局部指纹图像。尽管参照指纹传感器1440与指纹验证设备1410分开的示例来描述图14,但是根据至少一些示例实施例,指纹传感器1440被包括在指纹验证设备1410中。此外,根据至少一些示例实施例,指纹传感器1440是图4的指纹传感器420的示例实施方式。
指纹验证设备1410执行上述的指纹验证方法或者至少一个示出的指纹验证方法,并且输出验证的结果。尽管指纹验证设备1410可将验证的结果输出为语音、振动、文本、图像和视频,但是这将被理解为非限制性的示例。指纹验证设备1410可以以各种方式来输出验证的结果。指纹验证设备1410可通过输入和输出装置(未示出)被连接到外部装置(例如,个人计算机(PC))或网络,并且交换数据。
指纹验证设备1410包括至少一个处理器1420和存储器1430。存储器1430与处理器1420进行通信,并且存储将由处理器1420计算的数据或者将由处理器1420执行的指令。处理器1420执行指令,并且检索或获取来自内部寄存器、内部缓存器、存储器1430或存储器的指令来执行指令。处理器1420可在内部寄存器、内部缓存器、存储器1430或存储器中记录执行操作的至少一个结果。在一个示例中,处理器1420可执行用于执行图14中所示的至少一个操作的指令。例如,处理器1420可基于输入指纹图像在多个指纹组中选择至少一个指纹组,并且通过将输入指纹图像与包括在选择的指纹组中的每个局部指纹图像进行比较,来确定验证是否成功。处理器1420可以是,例如,硬件实现的数据处理装置,其中,硬件实现的数据处理装置具有被物理地构造为执行包括例如被表示为包括在程序中的代码和/或指令的操作的期望操作的电路系统。上述的硬件实现的数据处理装置的示例包括(但不限于):微处理器、中央处理单元(CPU)、处理器内核、多核处理器、多处理器(multiprocessor)、专用集成电路(ASIC)以及现场可编程门阵列(FPGA)。执行程序代码的处理器是被编程的处理器,并因此,是专用计算机。根据至少一些示例实施例,图4的指纹验证设备410可具有与图14中针对指纹验证设备1410所示出的结构相同的结构。例如,可使用图14中所示的指纹验证设备1410的结构,来执行在此描述的如由指纹验证设备410、指纹验证设备1410或指纹验证设备执行的任何功能。例如,存储器1430可存储包括用于使得处理器1420在执行程序代码时执行在本公开中所描述的如由任意指纹验证设备(包括,例如,指纹验证设备410和/或指纹验证设备1410)所执行的任意或全部功能的指令的程序代码。
尽管在此描述的示例涉及使用存在用户的指纹的输入指纹图像来执行指纹验证,这样的示例还可应用于使用用户的生物测量学数据来执行生物测量学验证。在该示例中,生物测量学数据可通过各种传感器而被获得,并且包括关于用户的指纹的信息、关于身体阻抗的信息、关于血管的信息以及关于虹膜的信息。处理器1420确定输入生物测量学数据与登记的生物测量学数据之间的第一相似度,并且基于第一相似度从登记的生物测量学数据选择第一候选生物测量学数据。处理器1420确定输入生物测量学数据与第一候选生物测量学数据之间的第二相似度,并且基于第二相似度来选择至少一个生物测量学数据组。处理器1420通过将输入生物测量学数据与包括在选择的生物测量学数据组中的登记的生物测量学数据进行比较,来确定验证是否成功。
在一个示例中,可通过传感器(未示出)来扫描或捕获瞳孔与巩膜(眼睛的白色区域)之间的虹膜图案,并且可获得与虹膜图案的一部分相应的局部图像。处理器1420可通过将获得的局部图像与登记的虹膜图案中的每个局部图像进行比较,来验证用户。
可使用硬件组件和软件组件来实现在此描述的单元和/或模块。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。可使用被配置为通过执行算术的、逻辑的以及输入/输出操作实现和/或执行程序代码的一个或多个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)和在OS上运行的一个或多个软件应用。处理装置还可响应于软件的执行而访问、存储、操控、处理和创建数据。为了简化的目的,处理装置的描述被用作为单数,但是本领域的技术人员将理解: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者包括处理器和控制器。此外,不同的处理配置是可行的,诸如,并行处理器。
软件可包括计算机程序、代码段、指令或者它们的某些组合,以独立地或共同地指示和/或配置处理装置如期望地进行操作,由此将处理装置转变为专用处理器。可以以任何类型的机器、组件、物理或虚拟设备、计算机存储介质或装置,或者以能够提供指令或数据或被处理装置解释的传播信号波,来永久地或暂时地实现软件和数据。软件还可分布于联网的计算机系统,从而以分布方式存储和执行软件。可通过一个或多个非暂时性计算机可读记录介质来存储软件和数据。
根据以上描述的示例实施例的方法可被记录在包括程序指令的非暂时性计算机可读介质中,以实现以上描述的示例实施例的各种操作。介质还可单独包括程序指令、数据文件、数据结构等,或者可与程序指令相结合地包括数据文件、数据结构等。记录在介质上的程序指令可以是为了示例实施例的目的而专门设计和构造的程序指令。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)以及专门配置为存储和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(诸如,USB闪存驱动、存储卡、记忆棒等))等。程序指令的示例包括诸如由编译器所产生的机器代码和包含可由计算机使用解释器执行的更高级代码的文件两者。为了执行以上描述的示例实施例的操作,以上描述的装置可被构造为用作一个或多个软件模块,反之亦然。
因此,已经描述了示例实施例,将显而易见的是可以以多种方式改变这些示例实施例。这样的改变不被认为是脱离示例实施例的意图的精神和范围,并且将对本领域技术人员显而易见的是全部这样的修改意在被包括在以下的权利要求范围内。
Claims (18)
1.一种指纹验证方法,包括:
基于输入指纹图像从多个指纹组中选择一个或多个第一指纹组,所述多个指纹组中的每个指纹组包括局部指纹图像;
基于输入指纹图像和包括在所述一个或多个第一指纹组中的每个局部指纹图像,来确定验证是否成功,
其中,选择所述一个或多个第一指纹组的步骤包括:
确定输入指纹图像与包括在所述多个指纹组中的每个局部指纹图像之间的第一相似度;
基于第一相似度来选择所述一个或多个第一指纹组,
其中,基于第一相似度来选择所述一个或多个第一指纹组的步骤包括:
基于第一相似度,针对每个指纹组选择第一候选局部指纹图像;
确定输入指纹图像与每个第一候选局部指纹图像之间的第二相似度;
基于第二相似度来选择所述一个或多个第一指纹组。
2.如权利要求1所述的方法,其中,确定第一相似度的步骤包括:
基于输入指纹图像的图像频率信息和包括在所述多个指纹组中的每个局部指纹图像的图像频率信息,来确定第一相似度。
3.如权利要求2所述的方法,其中,确定第一相似度的步骤包括:
通过傅里叶-梅林方法来执行输入指纹图像与包括在所述多个指纹组中的局部指纹图像之间的相位相关,并且基于根据执行相位相关的结果检测的峰值来确定第一相似度。
4.如权利要求1所述的方法,其中,选择第一候选局部指纹图像的步骤包括:
基于第一相似度,针对每个指纹组来选择第一数量的第一候选局部指纹图像。
5.如权利要求1所述的方法,其中,确定第二相似度的步骤包括:
基于通过傅里叶-梅林方法获得的旋转信息和平移信息,来旋转并平移输入指纹图像;基于被旋转且平移的输入指纹图像与第一候选局部指纹图像之间的重叠区域,来确定第二相似度。
6.如权利要求5所述的方法,其中,确定第二相似度的步骤包括:
在重叠区域中通过基于图像亮度值的归一化互相关方案,来确定第二相似度。
7.如权利要求1所述的方法,其中,第二相似度通过具有比用于确定第一相似度的方案的计算复杂度更高的计算复杂度的方案而被确定。
8.如权利要求1所述的方法,其中,确定验证是否成功的步骤包括:
基于输入指纹图像与包括在所述一个或多个第一指纹组中的每个局部指纹图像之间的确定的第二相似度,来确定验证是否成功。
9.如权利要求1所述的方法,其中,确定验证是否成功的步骤包括:
基于输入指纹图像与包括在所述一个或多个第一指纹组中的每个第一候选局部指纹图像之间的确定的第二相似度,来确定验证是否成功。
10.如权利要求1所述的方法,其中,选择所述一个或多个第一指纹组的步骤包括:
基于第二相似度分别针对所述多个指纹组来确定多个代表值,并且基于确定的所述多个代表值来选择所述一个或多个第一指纹组。
11.如权利要求1所述的方法,其中,确定验证是否成功的步骤包括:
基于第二相似度在包括在所述一个或多个第一指纹组中的局部指纹图像中,选择将被用于分数计算的至少一个局部指纹图像;
基于所述至少一个选择的局部指纹图像来计算用于验证的分数;
基于分数确定验证是否成功。
12.如权利要求1所述的方法,其中,确定验证是否成功的步骤包括:
从包括在所述一个或多个第一指纹组中的局部指纹图像,选择至少一个候选局部指纹图像;
基于输入指纹图像与所述至少一个候选局部指纹图像之间的相似度,来确定验证是否成功。
13.如权利要求1所述的方法,其中,所述多个指纹组中的每个指纹组包括针对多个手指中的每个手指的预先登记的局部指纹图像。
14.一种生物测量学验证方法,包括:
基于输入生物测量学数据与登记的生物测量学数据之间的第一相似度,从登记的生物测量学数据选择第一候选生物测量学数据,登记的生物测量学数据被布置在多个生物测量学数据组中;
基于输入生物测量学数据与第一候选生物测量学数据之间的第二相似度,从所述多个生物测量学数据组中选择一个或多个生物测量学数据组;
基于输入生物测量学数据与包括在所述一个或多个生物测量学数据组中的登记的生物测量学数据,来确定验证是否成功,
其中,输入生物测量学数据包括输入指纹图像,
其中,所述多个生物测量学数据组中的每个生物测量学数据组包括局部指纹图像,
其中,第一相似度包括输入指纹图像与包括所述多个生物测量学数据组中的每个局部指纹图像之间的相似度。
15.一种指纹验证设备,包括:
存储器,存储计算机可读指令;
一个或多个处理器,被配置为执行计算机可读指令,使得所述一个或多个处理器被配置为:
执行基于输入指纹图像从多个指纹组中选择一个或多个第一指纹组的操作,所述多个指纹组中的每个指纹组包括局部指纹图像;
执行基于输入指纹图像和包括在所述一个或多个第一指纹组中的每个局部指纹图像确定验证是否成功的操作,
其中,选择所述一个或多个第一指纹组的操作包括:
确定输入指纹图像与包括在所述多个指纹组中的每个局部指纹图像之间的第一相似度;
基于第一相似度来选择所述一个或多个第一指纹组,
其中,基于第一相似度来选择所述一个或多个第一指纹组的步骤包括:
基于第一相似度,针对每个指纹组选择第一候选局部指纹图像;
确定输入指纹图像与每个第一候选局部指纹图像之间的第二相似度;
基于第二相似度来选择所述一个或多个第一指纹组。
16.如权利要求15所述的设备,其中,所述一个或多个处理器被配置为执行计算机可读指令,使得所述一个或多个处理器被配置为:
执行基于输入指纹图像的图像频率信息与包括在所述多个指纹组中的每个局部指纹图像的图像频率信息来确定第一相似度的操作。
17.如权利要求16所述的设备,其中,所述一个或多个处理器被配置为执行计算机可读指令,使得所述一个或多个处理器被配置为:
执行从包括在所述一个或多个第一指纹组中的局部指纹图像选择至少一个第二候选局部指纹图像的操作;
执行基于输入指纹图像与所述至少一个第二候选局部指纹图像之间的第三相似度确定验证是否成功的操作。
18.一种存储计算机程序的非暂时性计算机可读介质,其中,所述计算机程序包括:在由一个或多个处理器执行时使得所述一个或多个处理器实现权利要求1的方法的指令。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20150057122 | 2015-04-23 | ||
KR10-2015-0057122 | 2015-04-23 | ||
KR1020150158684A KR102387569B1 (ko) | 2015-04-23 | 2015-11-12 | 지문 인증 방법 및 장치 |
KR10-2015-0158684 | 2015-11-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106066991A CN106066991A (zh) | 2016-11-02 |
CN106066991B true CN106066991B (zh) | 2022-01-25 |
Family
ID=56008457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610261973.XA Active CN106066991B (zh) | 2015-04-23 | 2016-04-25 | 指纹验证方法和设备 |
Country Status (4)
Country | Link |
---|---|
US (3) | US10521642B2 (zh) |
EP (1) | EP3086262B1 (zh) |
JP (1) | JP6837288B2 (zh) |
CN (1) | CN106066991B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016036456A1 (en) * | 2014-09-06 | 2016-03-10 | Goodix Technology Inc. | Swipe motion registration on a fingerprint sensor |
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 |
CN105760738B (zh) * | 2016-03-15 | 2017-08-25 | 广东欧珀移动通信有限公司 | 一种指纹解锁的方法及终端 |
KR102027112B1 (ko) * | 2016-07-05 | 2019-10-01 | 주식회사 슈프리마 | 지문 인증 방법 및 장치 |
KR102459852B1 (ko) * | 2017-02-08 | 2022-10-27 | 삼성전자주식회사 | 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법 |
US10909347B2 (en) * | 2017-03-14 | 2021-02-02 | Samsung Electronics Co., Ltd. | Method and apparatus with fingerprint verification |
KR102389562B1 (ko) | 2017-09-08 | 2022-04-22 | 삼성전자주식회사 | 지문 정보 처리 방법 |
FR3088755B1 (fr) * | 2018-11-20 | 2021-05-28 | Idemia Identity & Security France | Procede de defloutage d’une image |
KR102577587B1 (ko) * | 2019-01-03 | 2023-09-12 | 삼성전자주식회사 | 지문 인증 방법 및 장치 |
KR102577588B1 (ko) * | 2019-01-03 | 2023-09-12 | 삼성전자주식회사 | 지문 인증 방법 및 장치 |
TWI772648B (zh) * | 2019-06-03 | 2022-08-01 | 銓鴻資訊有限公司 | 基於集體驗證的部分資料驗證方法 |
WO2022074836A1 (ja) * | 2020-10-09 | 2022-04-14 | 匡次 岩崎 | 生体認証システム、生体認証プログラムおよび生体認証用物品 |
CN116529789A (zh) * | 2020-10-30 | 2023-08-01 | 谷歌有限责任公司 | 使用用户触摸与指纹传感器的搭配进行指纹注册 |
CN114282567A (zh) * | 2020-12-23 | 2022-04-05 | 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 |
WO2022185486A1 (ja) | 2021-03-04 | 2022-09-09 | 富士通株式会社 | 認証方法、認証プログラム、および情報処理装置 |
CN114356103A (zh) * | 2022-01-30 | 2022-04-15 | 清华大学 | 基于指纹图像的三维位姿增量控制方法及装置 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE499660T1 (de) * | 1998-09-11 | 2011-03-15 | Gr Intellectual Reserve Llc | Verfahren und system für biometrische erkennung basiert auf elektrischen und/oder magnetischen eigenschaften |
JP3668657B2 (ja) * | 1999-11-18 | 2005-07-06 | 株式会社東芝 | パタン認識装置およびその方法、パタン登録装置およびその方法 |
FR2810226B1 (fr) | 2000-06-16 | 2002-08-23 | Sagem | Procede pour identifier une personne parmi une population par detection de ses empreintes digitales |
JP2003030661A (ja) | 2001-07-18 | 2003-01-31 | Hitachi Ltd | 指紋照合装置および方法 |
ATE367618T1 (de) * | 2002-02-18 | 2007-08-15 | Precise Biometrics Ab | Verfahren und einrichtung zur überprüfung von fingerabdrücken |
JP2004258963A (ja) * | 2003-02-26 | 2004-09-16 | Fujitsu Ltd | 多段階照合による高速idレス照合方法およびシステム |
DE60330276D1 (de) * | 2003-04-25 | 2010-01-07 | Fujitsu Ltd | Fingerabdruckvergleichseinrichtung, fingerabdruckvergleichsverfahren und fingerabdruckvergleichsprogramm |
JP4189811B2 (ja) * | 2003-09-30 | 2008-12-03 | 日本電気株式会社 | 画像検出装置、画像検出方法及び画像検出用プログラム |
US7356170B2 (en) | 2004-02-12 | 2008-04-08 | Lenovo (Singapore) Pte. Ltd. | Fingerprint matching method and system |
US8175345B2 (en) * | 2004-04-16 | 2012-05-08 | Validity Sensors, Inc. | Unitized ergonomic two-dimensional fingerprint motion tracking device and method |
WO2005119576A2 (en) | 2004-06-01 | 2005-12-15 | Ultra-Scan Corporation | Fingerprint image database and method of matching fingerprint sample to fingerprint images |
CN100371953C (zh) * | 2004-06-18 | 2008-02-27 | 索尼株式会社 | 图像匹配方法及图像匹配设备 |
JP2006039777A (ja) | 2004-07-23 | 2006-02-09 | Sanyo Electric Co Ltd | 登録方法および装置ならびに認証方法および装置 |
US20060023921A1 (en) * | 2004-07-27 | 2006-02-02 | Sanyo Electric Co., Ltd. | Authentication apparatus, verification method and verification apparatus |
US20080049987A1 (en) * | 2006-08-28 | 2008-02-28 | Champagne Katrina S | Fingerprint recognition system |
US20080279416A1 (en) | 2007-05-11 | 2008-11-13 | Motorola, Inc. | Print matching method and system using phase correlation |
GB2450479A (en) * | 2007-06-22 | 2008-12-31 | Warwick Warp Ltd | Fingerprint recognition including preprocessing an image by justification and segmentation before plotting ridge characteristics in feature space |
JP2009003889A (ja) * | 2007-06-25 | 2009-01-08 | Fujitsu Microelectronics Ltd | 認証方法、認証装置及びプログラム |
JP4992974B2 (ja) * | 2007-07-11 | 2012-08-08 | 富士通株式会社 | 利用者認証装置、利用者認証方法および利用者認証プログラム |
KR101006861B1 (ko) | 2008-06-30 | 2011-01-12 | 주식회사 유니온커뮤니티 | 지문인증 장치의 인증방법 |
US20100080425A1 (en) * | 2008-09-29 | 2010-04-01 | Board of regents of the Nevada System of Higher Education, on Behalf of the University of | Minutiae-based template synthesis and matching |
KR101549558B1 (ko) * | 2009-03-18 | 2015-09-03 | 엘지전자 주식회사 | 휴대 단말기 및 그 제어방법 |
KR101055603B1 (ko) | 2009-08-06 | 2011-08-10 | 한국산업기술대학교산학협력단 | 지문인식 시스템 및 위조지문 식별방법 |
JP2011086130A (ja) | 2009-10-16 | 2011-04-28 | Silex Technology Inc | 指紋認証システム |
KR101179559B1 (ko) | 2009-12-18 | 2012-09-04 | 주식회사 유니온커뮤니티 | 모조지문을 판별할 수 있는 지문인식장치 및 그 판단방법 |
KR101706290B1 (ko) * | 2010-07-12 | 2017-02-27 | 핑거프린트 카드즈 에이비 | 생체 측정 인증 디바이스 및 방법 |
JP5810581B2 (ja) * | 2011-03-29 | 2015-11-11 | 富士通株式会社 | 生体情報処理装置、生体情報処理方法、および生体情報処理プログラム |
JP2012238256A (ja) * | 2011-05-13 | 2012-12-06 | Hitachi Ltd | 生体認証装置、生体認証方法および生体認証プログラム |
US9436864B2 (en) | 2012-08-23 | 2016-09-06 | Apple Inc. | Electronic device performing finger biometric pre-matching and related methods |
GB2507539A (en) * | 2012-11-02 | 2014-05-07 | Zwipe As | Matching sets of minutiae using local neighbourhoods |
US20150071508A1 (en) | 2013-09-09 | 2015-03-12 | Apple Inc. | Background Enrollment and Authentication of a User |
EP3198388A4 (en) * | 2014-09-26 | 2018-05-09 | Shenzhen Goodix Technology Co., Ltd. | Fingerprint sensors |
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 |
-
2016
- 2016-04-01 US US15/088,567 patent/US10521642B2/en active Active
- 2016-04-20 JP JP2016084742A patent/JP6837288B2/ja active Active
- 2016-04-22 EP EP16166573.2A patent/EP3086262B1/en active Active
- 2016-04-25 CN CN201610261973.XA patent/CN106066991B/zh active Active
-
2019
- 2019-11-11 US US16/680,015 patent/US11341767B2/en active Active
-
2022
- 2022-05-03 US US17/735,324 patent/US11715325B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20160314337A1 (en) | 2016-10-27 |
EP3086262B1 (en) | 2019-07-10 |
US10521642B2 (en) | 2019-12-31 |
JP6837288B2 (ja) | 2021-03-03 |
EP3086262A1 (en) | 2016-10-26 |
US20200082152A1 (en) | 2020-03-12 |
JP2016207216A (ja) | 2016-12-08 |
US20220262160A1 (en) | 2022-08-18 |
US11715325B2 (en) | 2023-08-01 |
US11341767B2 (en) | 2022-05-24 |
CN106066991A (zh) | 2016-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106066991B (zh) | 指纹验证方法和设备 | |
US10679037B2 (en) | Method and apparatus for recognizing fingerprint | |
US10339178B2 (en) | Fingerprint recognition method and apparatus | |
US11295111B2 (en) | Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint | |
KR102170725B1 (ko) | 지문 등록 방법 및 장치 | |
US10509943B2 (en) | Method of processing fingerprint information | |
CN108573137B (zh) | 指纹验证方法和设备 | |
KR102313981B1 (ko) | 지문 인증 방법 및 장치 | |
US9875418B2 (en) | Method and apparatus for detecting biometric region for user authentication | |
CN106250809B (zh) | 预处理包括生物信息的图像的方法 | |
CN106940802B (zh) | 用于使用生物测量学信息的认证的方法和设备 | |
KR102205495B1 (ko) | 지문 인식 방법 및 장치 | |
KR102387569B1 (ko) | 지문 인증 방법 및 장치 | |
US10445546B2 (en) | Authentication method and authentication apparatus using synthesized code for iris | |
KR102558736B1 (ko) | 지문 인식 방법 및 장치 | |
KR102447100B1 (ko) | 지문 인증 방법 및 장치 | |
US11138408B2 (en) | Method and apparatus for verifying fingerprint | |
KR102577588B1 (ko) | 지문 인증 방법 및 장치 | |
CN113918908A (zh) | 用于指纹验证的方法和设备 | |
KR20220005960A (ko) | 지문 인증 방법 및 지문 인증 장치 |
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 |