CN106096513A - 指纹识别方法、指纹识别系统、及电子设备 - Google Patents

Abstract

本发明公开了一种指纹识别方法，包括以下步骤：步骤S1、获取一指纹图像。步骤S2、计算出指纹图像的质量综合得分。步骤S3、判断指纹图像的质量综合得分是否大于预设得分阈值。步骤S4、若判断指纹图像的质量综合得分是否大于预设得分阈值，将当前指纹图像信息与预存的指纹图像信息进行匹配并计算匹配得分。步骤S5、判断匹配得分是否大于预设匹配得分阈值；若是执行步骤S6，否则提示指纹不匹配。步骤S6、通过指纹匹配。在指纹识别过程中，确保采用质量综合得分较高值的指纹图像数据与预设指纹数据匹配，降低了指纹识别验证的拒真率和提高了指纹识别的可靠。

Description

指纹识别方法、指纹识别系统、及电子设备

技术领域

本发明涉及指纹图像处理领域，尤其涉及一种指纹识别方法、指纹识别系统、以及电子设备。

背景技术

指纹识别技术已开始广泛应用于移动终端，针对移动终端的指纹识别，识别算法则是核心技术。由于指纹采集传感器的限制，当手指带有汗渍、泥渍等情况下，识别率会大大降低，特别是移动终端这种小尺寸指纹采集设备，识别算法更是依赖输入的指纹图像质量，质量越高则识别率越高，认假率越低，因此在识别之前对指纹图像质量的判断尤为重要。

目前，评估指纹图像质量主要是利用统计与学习的方法，例如HOG(灰度直方图)、SVM(支持向量机)、PCA(主成分分析)、ANN(人工神经网络)等。以上方法要么过于简单，如HOG，导致质量判断不准确。或者计算过程过于复杂，如ANN，需要较长的计算时间和较大的存储空间，导致占据过多的移动终端计算处理资源。要么导致指纹识别拒真率过高，要么使得指纹识别验证时间过长，导致用户体验感不佳。

发明内容

鉴于此，本发明提供一种不受用户手指干湿程度、按压面积、力度、环境等因素影响，且高效地、准确地、可靠地的指纹识别方法。

本发明提供了一种指纹识别方法，包括以下步骤：

步骤S1、获取一指纹图像；

步骤S2、计算出指纹图像的质量综合得分；

步骤S3、判断指纹图像的质量综合得分是否大于预设得分阈值；

步骤S4、若判断指纹图像的质量综合得分是否大于预设得分阈值，将当前指纹图像信息与预存的指纹图像信息进行匹配并计算匹配得分；

步骤S5、判断匹配得分是否大于预设匹配得分阈值；若是执行步骤S6，否则提示指纹不匹配；

步骤S6、通过指纹匹配。

在某些实施方式中，所述指纹识别方法还包括以下步骤：

步骤S7：若判断指纹图像的质量综合得分小于或等于预设得分阈值，计算指纹图像质量得分的统计次数；

步骤S8：判断指纹图像的质量得分统计次数是否小于预设统计次数阈值，若是执行步骤S1，否则提示指纹不匹配。

在某些实施方式中，步骤S2：计算出指纹图像的质量综合得分，包括：

计算指纹图像的方向场的一致性得分；

计算指纹图像的有效面积得分；和

将计算得到的指纹图像的方向场的一致性得分与计算得到的指纹图像的有效面积得分进行加权求和来获得指纹图像质量综合得分。

在某些实施方式中，计算指纹图像的方向场的一致性得分，包括以下步骤：

步骤S21：计算出指纹图像的方向场O(i，j)；

步骤S22：采用固定大小的窗口对方向场O(i，j)进行滑动计算，获得一致性指纹图像C(i，j)；

步骤S23：根据一致性指纹图像C(i，j)计算方向场的一致性得分。

在某些实施方式中，计算指纹图像的有效面积得分，包括以下步骤：

步骤S24：计算出指纹图像的水平方向梯度和垂直方向梯度；

步骤S25：计算出指纹图像的梯度幅度图像A(i，j)；

步骤S26：用固定大小的窗口对梯度幅度图像A(i，j)进行滑动统计；

步骤S27：根据滑动统计结果计算出指纹图像的有效面积得分。

本发明还提供了一种指纹识别系统，所述指纹识别系统包括一指纹图像处理模块和一指纹传感阵列，所述指纹图像处理模块包括：

指纹传感阵列，用于获取一帧指纹图像；

方向场计算单元，计算指纹图像的方向场的一致性得分；

有效面积计算单元，计算出指纹图像的有效面积得分；

得分计算单元，根据一致性得分和有效面积得分计算出指纹图像的质量综合得分；

判断单元，判断质量综合得分是否大于预设得分阈值，若是进行指纹数据进行匹配，否则，提示用户指纹不匹配。

进一步地，所述指纹图像处理模块包括：匹配得分计算模块，判断指纹匹配得分是否预设匹配得分阈值，若是则通过指纹验证。

进一步地，所述方向场计算单元通过：

计算出指纹图像的方向场O(i，j)；

采用固定大小的窗口对方向场O(i，j)进行滑动计算，获得一致性指纹图像C(i，j)；

根据一致性指纹图像C(i，j)计算方向场的一致性得分。

进一步地，所述有效面积计算单元通过：

计算出指纹图像的水平方向梯度和垂直方向梯度；

计算出指纹图像的梯度幅度图像A(i，j)；

用固定大小的窗口对梯度幅度图像A(i，j)进行滑动统计；

根据滑动统计结果计算出指纹图像的有效面积得分。

通过指纹图像有效面积和方向一致性两个维度来评价指纹图像的质量。当计算获得指纹图像的有效面积得分和方向一致性得分后，通过对两者进行加权求和即可获得最终的指纹图像的质量综合得分。在指纹识别过程中，确保采用质量综合得分较高值的指纹图像数据与预设指纹数据匹配，降低了指纹识别过程中的拒真率和提高了指纹验证的可靠。

本发明还提供一种电子设备，所述电子设备包括上述任意一项所述的指纹识别系统。

尽管公开了多个实施例，包括其变化，但是通过示出并描述了本发明公开的说明实施例的下列详细描述，本发明公开的其他实施例将对所属领域的技术人员显而易见。将认识到，本发明公开能够在各种显而易见的方面修改，所有修改都不会偏离本发明的精神和范围。相应地，附图和详细描述本质上应被视为说明性的，而不是限制性的。

附图说明

通过参照附图详细描述其示例实施方式，本发明的其它特征及优点将变得更加明显。

图1为本发明指纹识别方法流程图。

图2为图1所示指纹识别过程中计算指纹图像方向场的一致性得分流程图。

图3是图1所示指纹识别过程中计算指纹图像有效面积得分流程图。

图4为清晰度较优的一帧指纹图像转换为指纹图像方向场的示意图。

图5为清晰度不足的一帧指纹图像转换为指纹图像方向场的示意图。

图6为质量较差的一帧指纹图像的指纹图像有效面积的示意图。

图7为本发明指纹识别系统的模块图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构。

所描述的特征或结构可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员应意识到，没有所述特定细节中的一个或更多，或者采用其它的结构、组件等，也可以实践本发明的技术方案。在其它情况下，不详细示出或描述公知结构或者操作以避免模糊本发明。

由于指纹图像质量的好坏取决多个角度考察，而不仅仅某一维度可以判定指纹图像质量。因此本发明综合指纹图像各个角度来确定指纹图像质量的评判。本发明的指纹图像质量的评判方法参考多个因素多角度进行评判来确保指纹图像质量可靠性和准确性，为指纹识别验证提供准确的指纹信息。

请参考图1，为本发明指纹识别方法流程图。所述指纹识别方法包括如下若干步骤，以下详细介绍各个步骤的内容。

步骤S1、获取一指纹图像。

指纹图像是从多帧指纹图像正负样本中选取一帧指纹图像来进行评价。指纹图像正负样本是指质量好的和质量差的指纹图像。指纹图像由人工选择，可以是现场人工采集获取的指纹图像，也可以是从外部获取的现成的指纹图像。在本较佳的实施方式，由安装有指纹传感器的电子设备根据用户手指按压，自动获取指纹图像。

步骤S2、计算出所述指纹图像质量综合得分。

在本步骤中，衡量一帧指纹图像质量的综合指标主要有两个方面：一方面在一帧指纹图像中，非指纹纹理图像像素在整个指纹图像像素的比例越少越好，即指纹图像的有效面积。另一方面是指纹纹理的脊和谷越分明越好，即指纹图像的清晰度越高。

当用户在进行指纹按压操作，若用户手指的皮肤过干或过湿、按压过轻或按压过重都会降低指纹图像的清晰度。当用户在进行按压操作时，手指按压指纹传感器靠边缘则会导致采集指纹图像的有效面积过小。

因此，在计算所述指纹图像质量综合得分，需要分别计算指纹图像的方向场的一致性得分和指纹图像的有效面积得分，然后将两者的得分进行加权求和即可获得最终的指纹图像质量综合得分S。

其中，计算指纹图像的方向场的一致性得分步骤如下：

步骤S21：计算出指纹图像的方向场O(i，j)。

步骤S22：采用固定大小的窗口对方向场O(i，j)进行滑动计算，获得一致性指纹图像C(i，j)。

目前，评估指纹图像清晰度方面，目前主要是利用自学习的方法，该方法过于复杂，不利于降低系统成本。因此可以基于以下方法估计图像清晰度，达到计算量小准确度高的特点。

通过采用固定大小的窗口对指纹图像的方向场O(i，j)进行滑动计算，获得一致性图像C(i，j)：

$C(i,j)=\{{\[\underset{u}{\Σ}\underset{v}{\Σ}cos\left(2O\right(i-u,j-v\left)\right)\]}^2+{\[\underset{u}{\Σ}\underset{v}{\Σ}sin\left(2O\right(i-u,j-v\left)\right)\]}^2\}/W^2$

计算C(i，j)可以利用积分图技术进行加速。其中，W是预设的滑动窗口的尺寸。由式可以看到，由于指纹图像的方向场O(i，j)的范围是0～180°，那么指纹图像的方向场2O(i，j)的范围就是0～360°。若指纹图像的方向场变化很小(极端情况下O(i，j)为常数)，那么上式的结果恒为1。如果方向场变化丰富(极端情况下O(i，j)在w窗口内均匀分布在0～180°)，cos项和sin项相当于在一个周期内积分，那么上式的结果恒为0。也就是说指纹图像的一致性图像C(i，j)介于0～1之间，C(i，j)越小方向一致性越强，反之亦然，从而可以估计指纹图像的清晰度。

请一并参阅图4和图5，图4为清晰度较优的一帧指纹图像转换为指纹图像方向场的示意图。图5为清晰度不足的一帧指纹图像转换为指纹图像方向场的示意图。图4所示的指纹图像的方向场是有顺且方向变化是渐变的，而图所示的指纹图像的方向场是杂乱无章的。因此指纹图像的方向场的好坏衡量指纹图像的好坏一重要参考因素。

步骤S23：根据一致性指纹图像C(i，j)计算方向场的一致性得分S_o:

S_o＝|C(i,j)＞T_o|/N

其中，|C(i,j)＞T_o|表示C(i，j)大于阈值To的个数，N是图像的总像素量。在本步骤中，可交准确的计算出指纹图像的方向场的一致性得分，且使用较少的指纹识别系统的计算处理资源。

指纹图像的有效面积的计算方法目前主要利用传统的背景分割方法，此类方法的精度较高，但是运算复杂。因此本发明基于梯度统计的方法进行有效面积评估，具有计算量小且精度高优点。

请参阅图6，图6为质量较差的一帧指纹图像的有效面积示意图。图6所示的指纹图像由于用户按压与靠近指纹传感矩阵的边缘，采集到指纹图像中的指纹纹路未全部覆盖或覆盖较少一帧指纹图像画面，使得该帧指纹图像携带指纹特征点信息偏少而导致指纹拒真率升高。因此在选取指纹图像通过以下指纹图像计算步骤有必要把这类指纹图像排除。

其中，计算指纹图像的有效面积得分具体步骤如下：

步骤S24：计算出指纹图像的水平方向梯度和垂直方向梯度。在本步骤中，分别计算指纹图像f(i,j)的水平方向梯度dx和垂直方向梯度dy：

d_x(i,j)＝f(i+1,j)-f(i-1,j)

d_y(i,j)＝f(i,j+1)-f(i,j-1)

步骤S25：计算出指纹图像的梯度幅度图像A(i，j)：

$A(i,j)=\sqrt{{d_x}^2(i,j)+{d_y}^2(i,j)}.$

步骤S26：用固定大小的窗口对梯度幅度图像A(i，j)进行滑动统计；

$H(i,j)=\underset{u}{\Σ}\underset{v}{\Σ}A(i-u,j-v)$

计算H(i，j)可以利用一般的积分图技术进行加速求解。

步骤S27：根据滑动统计结果计算出指纹图像的有效面积得分S_a：

S_a＝|H(i,j)＞T_a|/N

其中，|H(i,j)＞T_a|表示H(i，j)大于阈值Ta的个数，N是图像的总像素。

当获得指纹图像的有效面积得分Sa和方向一致性得分So后，通过对两者进行加权求和即可获得最终的指纹图像质量综合得分S，公式如下:

S＝α₁×S_a+α₂×S_o

其中，α₁+α₂＝1。

当计算出指纹图像质量综合得分之后，继续进行如下步骤：

步骤S3、判断指纹图像的质量综合得分S是否大于预设得分阈值s。

步骤S4、若判断指纹图像的质量综合得分S是否大于预设得分阈值s，将当前指纹图像信息与预存的指纹图像信息进行匹配并计算匹配得分Q；

步骤S5、判断匹配得分是否大于预设匹配得分阈值q；若是执行步骤S6，否则提示指纹不匹配；

步骤S6、通过指纹匹配。

请参阅图7，本发明指纹识别系统的模块图。所述包括一指纹图像处理模块和一指纹传感阵列，

指纹传感阵列，用于获取一帧指纹图像；

所述指纹图像处理模块包括：

方向场计算单元，计算指纹图像的方向场的一致性得分；

有效面积计算单元，计算出指纹图像的有效面积得分；

得分计算单元，根据一致性得分和有效面积得分计算出指纹图像的质量综合得分；

判断单元，判断质量综合得分是否大于预设得分阈值，若是进行指纹数据进行匹配，否则，提示用户指纹不匹配。

在指纹识别过程中，指纹传感阵列响应用户按压采集指纹图像，指纹图像处理模块接收一帧指纹图像。

进一步地，所述指纹图像处理模块包括：匹配得分计算模块，判断指纹匹配得分是否预设匹配得分阈值，若是通过指纹验证。

进一步地，所述方向场计算单元计算指纹图像的方向场的一致性得分过程如下：

首先，计算出指纹图像的方向场O(i，j)。

然后，采用固定大小的窗口对方向场O(i，j)进行滑动计算，获得一致性指纹图像C(i，j)。

目前，评估指纹图像清晰度方面，目前主要是利用自学习的方法，该方法过于复杂，不利于降低系统成本。因此可以基于以下方法估计图像清晰度，达到计算量小准确度高的特点。即采用固定大小的窗口对O(i，j)进行滑动计算，获得一致性图像C(i，j)：

$C(i,j)=\{{\[\underset{u}{\Σ}\underset{v}{\Σ}\cos \left(2O\right(i-u,j-v\left)\right)\]}^2+{\[\underset{u}{\Σ}\underset{v}{\Σ}\sin \left(2O\right(i-u,j-v\left)\right)\]}^2\}/W^2$

计算C(i，j)也可以利用积分图技术进行加速。其中，W是预设的滑动窗口的尺寸。由式可以看到，由于指纹图像的方向场O(i，j)的范围是0～180°，那么指纹图像的方向场2O(i，j)的范围就是0～360°。若指纹图像的方向场变化很小(极端情况下O(i，j)为常数)，那么上式的结果恒为1。如果方向场变化丰富(极端情况下O(i，j)在w窗口内均匀分布在0～180°)，cos项和sin项相当于在一个周期内积分，那么上式的结果恒为0。也就是说指纹图像的一致性图像C(i，j)介于0～1之间，C(i，j)越小方向一致性越强，反之亦然，从而可以估计指纹图像的清晰度。

最后，根据一致性指纹图像C(i，j)计算方向场的一致性得分S_o:

S_o＝|C(i,j)＞T_o|/N

其中，|C(i,j)＞T_o|表示C(i，j)大于阈值To的个数，N是图像的总像素量。在本步骤中，可交准确的计算出指纹图像的方向场的一致性得分，且使用较少的指纹识别系统的计算处理资源。

进一步地，所述有效面积计算单元计算指纹图像的有效面积得分过程如下：

首先，分别计算指纹图像f(i,j)的水平方向梯度dx和垂直方向梯度dy：

d_x(i,j)＝f(i+1,j)-f(i-1,j)

d_y(i,j)＝f(i,j+1)-f(i,j-1)

然后，计算出指纹图像的梯度幅度图像A(i，j)：

$A(i,j)=\sqrt{{d_x}^2(i,j)+{d_y}^2(i,j)}.$

再次，用固定大小的窗口对梯度幅度图像A(i，j)进行滑动统计；

$H(i,j)=\underset{u}{\Σ}\underset{v}{\Σ}A(i-u,j-v).$

可以利用一般的积分图技术进行加速计算H(i，j)。

最后，根据滑动统计结果计算出指纹图像的有效面积得分S_a：

S_a＝|H(i,j)＞T_a|/N

其中，|H(i,j)＞T_a|表示H(i，j)大于阈值Ta的个数，N是图像的总像素。

通过指纹图像有效面积和方向一致性两个维度来评价指纹图像的质量。当计算获得指纹图像的有效面积得分Sa和方向一致性得分So后，通过对两者进行加权求和即可获得最终的指纹图像的质量综合得分S。在指纹识别过程中，确保采用指纹图像的质量综合得分S较高值与预设指纹数据匹配，降低了指纹识别的拒真率和提高了指纹识别的可靠。

尽管是参考各实施例来描述本公开，但是可以理解，这些实施例是说明性的，并且本发明的范围不仅限于它们。许多变化、修改、添加、以及改进都是可能的。更一般而言，根据本发明公开的各实施例是在特定实施例的上下文中描述的。功能可以在本发明公开的各实施例中在过程中以不同的方式分离或组合，或利用不同的术语来描述。这些及其他变化、修改、添加、以及改进可以在如随后的权利要求书所定义的本发明公开的范围内。

Claims (10)

1.一种指纹识别方法，其特征在于，所述方法包括以下步骤：

步骤S1、获取一指纹图像；

步骤S2、计算出指纹图像的质量综合得分；

步骤S3、判断指纹图像的质量综合得分是否大于预设得分阈值；

步骤S4、若判断指纹图像的质量综合得分大于预设得分阈值，将当前指纹图像信息与预存的指纹图像信息进行匹配并计算匹配得分；

步骤S5、判断匹配得分是否大于预设匹配得分阈值；若是执行步骤S6，否则提示指纹不匹配；

步骤S6、通过指纹匹配。

2.根据权利要求1所述的指纹识别方法，其特征在于，所述指纹识别方法还包括以下步骤：

步骤S7：若判断指纹图像的质量综合得分小于或等于预设得分阈值，计算指纹图像质量得分的统计次数；

步骤S8：判断指纹图像的质量得分统计次数是否小于预设统计次数阈值，若是执行步骤S1，否则提示指纹不匹配。

3.根据权利要求1或2所述的指纹识别方法，其特征在于，步骤S2：计算出指纹图像的质量综合得分，包括：

计算指纹图像的方向场的一致性得分；

计算指纹图像的有效面积得分；和

将计算得到的指纹图像的方向场的一致性得分与计算得到的指纹图像的有效面积得分进行加权求和来获得指纹图像质量综合得分。

4.根据权利要求3所述的指纹识别方法，其特征在于，计算指纹图像的方向场的一致性得分，包括以下步骤：

步骤S21：计算出指纹图像的方向场O(i，j)；

步骤S22：采用固定大小的窗口对方向场O(i，j)进行滑动计算，获得一致性指纹图像C(i，j)；

步骤S23：根据一致性指纹图像C(i，j)计算方向场的一致性得分。

5.根据权利要求3所述的指纹识别方法，其特征在于，计算指纹图像的有效面积得分，包括以下步骤：

步骤S24：计算出指纹图像的水平方向梯度和垂直方向梯度；

步骤S25：计算出指纹图像的梯度幅度图像A(i，j)；

步骤S26：用固定大小的窗口对梯度幅度图像A(i，j)进行滑动统计；

步骤S27：根据滑动统计结果计算出指纹图像的有效面积得分。

6.一种指纹识别系统，其特征在于，所述指纹识别系统包括一指纹图像处理模块和一指纹传感阵列，

指纹传感阵列，用于获取一帧指纹图像；

所述指纹图像处理模块包括：

方向场计算单元，计算指纹图像的方向场的一致性得分；

有效面积计算单元，计算出指纹图像的有效面积得分；

得分计算单元，根据一致性得分和有效面积得分计算出指纹图像的质量综合得分；

判断单元，判断质量综合得分是否大于预设得分阈值，若是进行指纹数据进行匹配，否则，提示用户指纹不匹配。

7.根据权利要求6所述的指纹识别系统，其特征在于，所述指纹图像处理模块包括：

匹配得分计算模块，判断指纹匹配得分是否预设匹配得分阈值，若是则通过指纹验证。

8.根据权利要求6所述的指纹识别系统，其特征在于，所述方向场计算单元通过：

计算出指纹图像的方向场O(i，j)；

采用固定大小的窗口对方向场O(i，j)进行滑动计算，获得一致性指纹图像C(i，j)；根据一致性指纹图像C(i，j)计算方向场的一致性得分。

9.根据权利要求6所述的指纹识别系统，其特征在于，所述有效面积计算单元通过：

计算出指纹图像的水平方向梯度和垂直方向梯度；

计算出指纹图像的梯度幅度图像A(i，j)；

用固定大小的窗口对梯度幅度图像A(i，j)进行滑动统计；

根据滑动统计结果计算出指纹图像的有效面积得分。

10.一种电子设备，其特征在于，所述电子设备包括权利要求6-9中任意一项所述的指纹识别系统。