CN106326833A - 生物统计登记和验证的系统和方法 - Google Patents

生物统计登记和验证的系统和方法 Download PDF

Info

Publication number
CN106326833A
CN106326833A CN201610512657.5A CN201610512657A CN106326833A CN 106326833 A CN106326833 A CN 106326833A CN 201610512657 A CN201610512657 A CN 201610512657A CN 106326833 A CN106326833 A CN 106326833A
Authority
CN
China
Prior art keywords
image
biometric
biometric image
test
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610512657.5A
Other languages
English (en)
Other versions
CN106326833B (zh
Inventor
西格蒙德·克劳森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Idex Biometrics ASA
Original Assignee
Idex ASA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Idex ASA filed Critical Idex ASA
Publication of CN106326833A publication Critical patent/CN106326833A/zh
Application granted granted Critical
Publication of CN106326833B publication Critical patent/CN106326833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1335—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
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition
    • 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
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请涉及生物统计登记和验证的系统和方法。用于生物统计登记和验证的系统和方法比较(例如指纹的)测试生物统计图像与一个或多个已登记用户的多个参考生物统计图像中的每个。用户作为已登记用户的验证基于在测试图像和参考图像之间的重叠的累积量。在登记过程期间通过比较多个样本图像、识别在每个图像中的重叠数据、计算一个或多个质量度量并存储样本图像的至少一部分来定义参考图像。当每个质量度量满足或超过相关阈值时登记过程被认为完成。

Description

生物统计登记和验证的系统和方法
本公开的领域
本公开涉及用于将生物统计数据登记在登记数据库中并用于比较所登记的生物统计数据——所谓的参考生物统计数据或信息——与测试生物统计数据或信息用于验证测试的登记状态的系统和方法。
背景
生物统计系统通常用作对确认用于访问各种类型的资源或位置的授权的帮助。生物统计系统测量人的身体的各种独特或几乎独特的特征以帮助确认身份并因此授权由人请求的访问。身体特征或生物统计信息由生物统计传感器例如指纹传感器或眼视网膜扫描仪测量。
为了使生物统计系统授权用户访问资源或位置，用户的生物统计信息必须被生物统计系统知道，且当用户请求授权时生物统计系统必须验证用户的生物统计信息。为了使用户被生物统计系统已知，用户将必须向系统注册或登记其生物统计信息。这个过程常常被称为登记或注册。在登记过程中，生物统计系统从生物统计传感器接收生物统计信息并存储生物统计信息的至少一部分以创建生物统计信息的数据库。当验证用户时，生物统计系统比较随后接收的生物统计信息与存储在数据库中的生物统计信息，且如果在这两者之间的足够的匹配被找到，则用户被授权访问资源或位置。
为了使生物统计传感器能够合并到较小的设备例如智能电话内而不占用设备上的太多空间并最小化传感器的成本，传感器变得越来越小。因此例如，指纹传感器可以只使用户的手指的相对小的部分成像，且因而产生的指纹图像比手指表面的总尺寸小得多。一些已知的方法将多个较小的图像重构成大参考图像。然而，因为图像重构由于例如指纹的弹性变形和有限的传感器分辨率而是有损过程，这在参考图像中引入误差。只有当相应于指纹图像、即测试图像的数据存储在一个或多个参考图像中的参考数据库中时，登记和验证系统才能够验证用户。如果测试图像相应于用户手指的一个部分而所存储的参考图像相应于用户手指的不同的非重叠部分，则用户不能被验证。
概述
下文介绍了简化概述，以便提供对本文所述的一些方面的基本理解。这个概述并不是所主张的主题的广泛概要。意图既不是识别所主张的主题的关键或重要元素也不是描绘其范围。它的唯一目的是以简化形式介绍一些概念作为稍后介绍的更详细描述的序言。
本公开的方面体现在包括将用户的有机体组织的多个参考生物统计图像存储在参考数据库中的生物统计识别方法中，其中每个参考生物统计图像具有预定图像尺寸并与至少一个其它参考生物统计图像至少部分地重叠，以及其中在重叠部分对准的情况下布置的所有参考生物统计图像具有比预定图像尺寸大的面积。
根据本公开的另外的方面，存储参考生物统计图像包括提供来自用户的预定图像尺寸的多个样本生物统计图像，比较每个样本生物统计图像与其它生物统计图像以识别在样本生物统计图像中的重叠数据，计算在样本生物统计图像中的唯一非重叠数据的量；计算相对于预定图像尺寸的唯一数据的量；在重叠部分对准的情况下布置多个生物统计图像并计算相对于预定图像尺寸的包围所布置的生物统计图像的有界边界的面积，并在参考数据库中存储多个样本生物统计图像的至少一部分作为多个参考生物统计图像。
根据本公开的另外的方面，存储在参考数据库中的多个参考生物统计图像包括导致相对于预定图像尺寸的唯一数据的量等于或大于第一预定阈值以及相对于预定图像尺寸的包围所布置的生物统计图像的有界边界的面积等于或大于第二预定阈值的多个生物统计图像。
根据本公开的另外的方面，该方法还包括将多个参考生物统计图像的紧密度计算为相对于预定图像尺寸的唯一数据的量除以相对于预定图像尺寸的包围所布置的生物统计图像的有界边界的面积的步骤。
根据本公开的另外的方面，该方法还包括比较紧密度与第三预定阈值的步骤。
根据本公开的另外的方面，提供样本生物统计图像包括使用生物统计传感器生成样本生物统计图像。
根据本公开的另外的方面，有机体组织包括手指表面，且每个参考生物统计图像包括指纹图像、相应于指纹图像的特征集合或指纹图像和相应于指纹图像的特征集合的组合。
根据本公开的另外的方面，存储参考生物统计图像包括：(i)提供样本生物统计图像，(ii)提供额外样本生物统计图像，(iii)比较额外样本生物统计图像与每个以前提供的样本生物统计图像以识别在额外样本生物统计图像和每个以前提供的样本生物统计图像中的重叠数据，(iv)计算与额外样本生物统计图像和每个以前提供的样本生物统计图像有关的一个或多个质量度量，(v)比较每个所计算的质量度量和与那个质量度量相关的阈值，(vi)重复步骤(ii)到(v)，直到每个质量度量满足或超过相关阈值为止，以及(vii)当每个质量度量满足或超过相关阈值时存储样本生物统计图像作为参考生物统计图像。
根据本公开的另外的方面，质量度量包括在额外样本生物统计图像和每个以前提供的样本生物统计图像中的唯一非重叠数据的量，以及计算相对于预定图像尺寸的唯一数据的量。
根据本公开的另外的方面，该方法还包括在重叠部分对准的情况下布置额外样本生物统计图像和每个以前提供的样本生物统计图像的步骤，且质量度量包括相对于预定图像尺寸的包围所布置的生物统计图像的有界边界的面积。
根据本公开的另外的方面，该方法还包括在参考数据库中存储多个参考生物统计图像中的两个或更多个的相对位置信息的步骤。
根据本公开的另外的方面，该方法还包括下列步骤：比较测试生物统计图像与一个或多个参考生物统计图像以识别在测试生物统计图像和一个或多个参考生物统计图像中的每个参考生物统计图像中的重叠数据，计算在测试生物统计图像和一个或多个参考生物统计图像中的重叠数据的累积量，以及基于在测试生物统计图像和所有参考生物统计图像中的重叠数据的累积量来验证用户的身份。
根据本公开的另外的方面，该方法还包括使用生物统计传感器生成测试生物统计图像的步骤。
根据本公开的另外的方面，有机体组织包括手指表面，且测试生物统计图像包括指纹图像。
根据本公开的另外的方面，该方法还包括基于参考生物统计图像的数量来验证用户的身份的步骤，测试生物统计图像与参考生物统计图像有重叠数据。
本公开的另外的方面体现在用于基于从用户得到的预定图像尺寸的测试生物统计图像与存储在参考数据库中的参考生物统计图像数据的比较来验证用户的身份的方法中。该方法包括下列步骤：比较测试生物统计图像与一个或多个参考生物统计图像以识别在测试生物统计图像与一个或多个参考生物统计图像中的每个参考生物统计图像中的重叠数据，计算在测试生物统计图像和一个或多个参考生物统计图像中的重叠数据的累积量，以及基于在测试生物统计图像和所有参考生物统计图像中的重叠数据的累积量来验证用户的身份。
根据本公开的另外的方面，该方法还包括使用生物统计传感器生成测试生物统计图像的步骤。
根据本公开的另外的方面，有机体组织包括手指表面，且测试生物统计图像包括指纹图像。
根据本公开的另外的方面，有机体组织包括手指表面，且其中每个参考生物统计图像包括指纹图像、相应于指纹图像的特征集合或指纹图像和相应于指纹图像的特征集合的组合。
根据本公开的另外的方面，该方法还包括基于参考生物统计图像的数量来验证用户的身份的步骤，测试生物统计图像与参考生物统计图像有重叠数据。
本公开的另外的方面体现在用于基于从用户得到的测试生物统计图像与存储在参考数据库中的参考生物统计数据的比较来验证用户的身份的方法中。参考生物统计数据包括用户的有机体组织的表面的不同部分的多个参考生物统计图像，且每个参考生物统计图像与至少一个其它参考生物统计图像部分地重叠。参考生物统计数据还包括在每个参考生物统计图像和至少一个其它参考生物统计图像之间的相对位置信息。该方法包括下列步骤：比较测试生物统计图像与一个或多个参考生物统计图像以识别与测试生物统计图像有重叠数据的匹配的参考图像，确定在测试生物统计图像与匹配的参考图像之间的相对位置信息，基于在测试生物统计图像与匹配的参考图像之间的相对位置信息和参考生物统计数据的相对位置信息来估计在测试生物统计图像与其余参考生物统计图像之间的重叠面积，以及确定在每个所估计的重叠面积中的测试生物统计图像与每个其余参考生物统计图像之间的匹配的量。
根据本公开的另外的方面，该方法还包括计算在测试生物统计图像和参考生物统计图像中的重叠数据的累积量以及基于在测试生物统计图像和所有参考生物统计图像中的重叠数据的累积量来验证用户的身份的步骤。
根据本公开的另外的方面，该方法还包括使用生物统计传感器生成测试生物统计图像的步骤。
根据本公开的另外的方面，有机体组织包括手指表面，且测试生物统计图像包括指纹图像。
根据本公开的另外的方面，该方法还包括基于参考生物统计图像的数量来验证用户的身份的步骤，测试生物统计图像与参考生物统计图像有重叠数据。
本公开的方面此外体现在用于基于从用户得到的测试生物统计图像与存储在参考数据库中的参考生物统计数据的比较来验证用户的身份的方法中。参考生物统计数据包括用户的有机体组织的表面的不同部分的多个参考生物统计图像，且每个参考生物统计图像与至少一个其它参考生物统计图像部分地重叠。参考生物统计数据还包括在每个参考生物统计图像和至少一个其它参考生物统计图像之间的相对位置信息。该方法包括下列步骤：比较测试生物统计图像与每个参考生物统计图像以识别与测试生物统计图像有重叠数据的匹配的参考图像，确定在测试生物统计图像与每个匹配的参考图像之间的相对位置信息，基于在测试生物统计图像与每个匹配的参考图像之间的相对位置信息来确定在每个匹配的参考图像之间的相对位置信息，以及比较在基于在测试生物统计图像与每个匹配的参考图像之间的相对位置信息确定的每个匹配的参考图像之间的相对位置信息与参考生物统计数据的相对位置信息。
根据本公开的另外的方面，该方法还包括计算在测试生物统计图像和参考生物统计图像中的重叠数据的累积量以及基于在测试生物统计图像和所有参考生物统计图像中的重叠数据的累积量来验证用户的身份的步骤。
根据本公开的另外的方面，该方法还包括使用生物统计传感器生成测试生物统计图像的步骤。
根据本公开的另外的方面，有机体组织包括手指表面，且测试生物统计图像包括指纹图像。
在参考附图考虑下面的描述和所附权利要求时，本公开的主题的其它特征和特性以及操作的方法、结构的相关元件的功能和部件的组合以及制造的经济性将变得更明显，所有附图形成本说明书的一部分，其中相似的数字指定在各种附图中的相应部件。
附图的简要说明
并入本文并形成说明书的部分的附图示出本发明的各种非限制性实施方式。在附图中，共同的参考数字指示相同或在功能上相似的元件。
图1是根据本发明的实施方式的生物统计系统的示意图。
图2是根据本发明的实施方式的生物统计验证过程的顶级示意图示。
图3是根据本发明的实施方式的登记过程的流程图。
图4A-7B示出根据本发明的实施方式的示例性登记过程。
图8是根据本发明的实施方式的验证过程的流程图。
图9是根据本发明的另一实施方式的验证过程的流程图。
图10A-15D示出根据本发明的实施方式的示例性验证过程的流程图。
图16是存储在参考数据库中的一组参考图像的图形表示，包括在参考图像之间的空间相应性。
图17是在测试图像与参考图像之间的部分匹配的图形表示，包括在测试图像与参考图像之间的空间相应性。
图18是用于在验证过程期间使用参考图像和测试图像的相对位置信息的第一可选方案的图形表示。
图19是用于在验证过程期间使用参考图像和测试图像的相对位置信息的第二可选方案的图形表示。
详细描述
虽然本公开的主题的方面可体现在各种形式中，下面的描述和附图仅仅打算公开这些形式中的一些作为主题的特定例子。相应地，本公开的主题并没有被规定为限于这样描述和示出的形式或实施方式。
除非另有规定，在本文使用的所有技术术语、记号和其它技术术语或用语具有与本公开所属的领域中的普通技术人员通常理解的相同的含义。在本文提到的所有专利、申请、所公开的申请和其它公布物通过引用被全部并入本文。如果在本章中阐述的定义与在通过引用并入本文的专利、申请、所公开的申请和其它公布物阐述的定义相反或以其他方式的不一致，则在本章中阐述的定义胜过通过引用并入本文的定义。
除非另外指示或上下文建议不同的情况，如在本文使用的，“一(a)”或“一(an)”意指“至少一个”或“一个或多个”。
本描述可在描述部件、装置、位置、特征或其一部分的位置和/或方向时使用相对空间和/或方向术语。除非特别规定或由本描述的上下文另外指示，这样的术语——没有限制地包括顶部、底部、在…之上、在…下面、在…之下、在…的顶部上、上部、下部、在…的左边、在…的右边、在…前面、在…后面、在…旁边、相邻于、在…之间、水平、垂直、对角线、纵向、横向、径向、轴向等——在提到在附图中的这样的部件、装置、位置、特征或其一部分时为了方便而使用且并没有被规定为限制性的。
此外，除非另有规定，在本描述中提到的任何特定的尺寸仅仅表示体现本公开的方面的设备的示例性实现，且并没有被规定为限制性的。
图1是生物统计登记和验证系统100的实施方式的方框示意图。系统100包括成像设备105、处理器110、输入/输出(I/O)通信系统115、非易失性存储器120和RAM存储器125，存储器120和存储器125共同定义存储器系统130。系统100被描述为生物统计验证系统，其中系统试图测量在测试生物统计信息与参考生物统计信息之间的相应性(一对一)，以便向参考数据库中存储的参考生物统计信息确认测试生物统计信息的识别特征。在当前的上下文中，“参考生物统计信息”或“参考生物统计数据”指为系统的各种登记者存储的生物统计信息或数据，例如参考指纹数据，而“测试生物统计信息”或“测试生物统计数据”例如测试指纹数据是被提供以获得访问并与参考生物统计信息进行比较，以评估在测试生物统计信息与参考生物统计信息之间的相应性来确定测试生物统计信息是否相应于登记者之一的参考生物统计信息的信息。
处理器110可包括一个或多个中央处理单元(CPU)、例如由系统总线(未示出)互连到各种其它部件的这样的PC微处理器或工作站。示例性PC微处理器或工作站包括从国际商业机器公司(IBM)可得到的RISC系统/6000系列(RS/6000，RISC系统/6000是国际商业机器公司的商标)。
成像设备105直接地(即它包括传感器或生成图像数据的成像器)或通过访问数据结构或存储器以得到以前生成和存储的图像数据来提供有机体组织例如指纹的图像数据。图像数据可以是参考指纹的，即参考生物统计数据，或在测试中的指纹的，即测试生物统计数据。用于生成生物统计图像数据的、可用作系统100的成像设备105的传感器包括电荷耦合器件(CCD)、互补金属氧化物半导体(CMOS)、电容成像设备或其它图像生成设备。系统100使用由成像设备105提供的指纹图像或其它生物统计图像数据。在一些情况下，成像设备105可预先处理图像，例如当返回与指纹尺寸成比例的图像尺寸时执行图像梯形畸变校正(用于消除与光学/基于棱镜的系统相关的光学畸变的几何校正)或执行图像重构以组合在手指在整个传感器被“扫过”时在频带中获取的图像。
操作系统在处理器110上运行，提供控制并协调系统的各种部件的功能。操作系统可以是市场上可买到的操作系统之一，例如来自IBM的AIX 6000操作系统或OS/2操作系统(AIX 6000和OS/2是IBM的商标)、微软的Windows、苹果的MacOS、谷歌的Android以及UNIX和AIX操作系统。由系统控制的定制程序被移进和移出存储器。这些程序包括下面结合用于分析并比较指纹相关数据的程序来描述的程序。成像设备105、I/O通信系统115和存储系统130经由总线耦合到处理器110，且存储器系统130包括用于控制基本系统功能的基本输入/输出系统(BIOS)。
输入/输出(“I/O”)通信系统115使系统100与外部设备或网络互连，使系统能够通过通信介质(例如直接有线、局域网(LAN)或广域网(WAN)，其包括例如互联网、WEB、内联网、外联网和其它公共和专用网络、有线、光学或无线)与其它这样的系统通信。与通信系统相关的术语意指通常是可互换的，且在分布网络的当前描述中这样被使用。在各种实施方式中，I/O设备(未示出)也可经由I/O通信系统115连接到系统总线。例如，键盘、指示设备(例如鼠标、轨迹球或其它指示设备)和显示器或视觉或听觉指示器可通过I/O通信系统115互连到系统100。正是通过这样的输入设备，用户可与用于操纵本文所述的资源、图像、子系统、过程和系统的程序交互地有关。通过使用前面提到的I/O设备，用户能够例如通过键盘或鼠标将信息输入到系统，从系统、例如从显示器或指示器接收输出信息。系统可包含用于转移图像、地图、指令或程序的可移动存储器部件。
在实施方式中，系统100比较有生命的手指的图像数据(即测试生物统计信息)与存储在存储器系统130中的已知的(已登记的)图像数据(即参考生物统计信息)。常规生物统计验证系统的登记者数据库一般包括来自登记者的每个手指的一个参考图像数据。在实施方式中，系统100存储来自每个手指、优选地每个手指表面的不同部分的多个参考图像。在实施方式中，当将有生命的手指的测试图像数据与在数据库130中的参考图像数据进行比较时，系统100对照来自有生命的手指的多个参考图像测试同一手指的图像数据(即测试生物统计数据或测试图像数据)。
图2是生物统计登记和验证过程200的实施方式的顶级示意图示。由系统100执行的过程200例如包括三个主要过程：图像捕获过程201、登记过程202和验证过程203。在图像捕获过程201期间，例如由成像设备105直接从生成图像数据的传感器或成像器或通过访问数据结构或存储器以得到图像数据来提供有机体组织例如用户的指纹的图像数据。图像捕获过程201可例如通过当返回与指纹尺寸成比例的图像尺寸时执行图像梯形畸变校正(用于消除与光学/基于棱镜的系统相关的光学畸变的几何校正)或通过执行图像重构以组合来自在手指在整个传感器上移动时生成的部分图像的图像来预处理图像。
在生物统计登记和验证过程200中的下一步骤是用于将来自在图像捕获过程201中捕获的图像数据的生物统计信息登记到用户的参考生物统计信息的参考数据库204内的登记过程202，如将在下面关于图3-7更详细描述的。当登记过程202成功地完成时，用户的生物统计参考数据存储在生物统计登记和验证系统中，且用户向系统登记或注册。
当用户稍后请求对连接到生物统计登记和验证系统的资源或位置的访问时，用户的有机体组织的新生物统计数据(例如测试图像数据)在图像捕获过程201期间由成像设备105提供，且测试图像数据在验证过程203期间与存储在参考数据库204中的参考生物统计信息(例如参考图像数据)进行比较。如果在参考图像数据和测试图像数据之间的足够匹配被找到，则用户被授权访问资源或位置。下面关于图8-15更详细描述验证系统203的细节。
图3是登记过程202的实施方式的流程图。登记过程202的第一步骤301是例如通过图像捕获过程201收集预期的登记者的有机体组织的第一样本图像和第二样本图像。然后，在步骤302中，使用适当的匹配算法比较第二样本图像的数据与第一样本图像的数据以识别包括这两个图像的数据的匹配或重叠部分。匹配算法通过使第一和第二样本图像的数据重叠，使得图像的数据的匹配或重叠部分彼此重合，或彼此“对准”来使这两个样本图像对准。例如，两个或更多个指纹图像的对准将重叠图像，使得在每个图像中捕获的指纹的与在另一图像中捕获的指纹的部分相同的部分彼此重合。在这两个图像对准的情况下，匹配算法测量在这两个样本图像之间的相对位置/地点/方位(例如平移和旋转)。
匹配算法可以是任何适当的匹配算法，例如基于特征的算法、基于图案的算法或基于特征和基于图案的算法的组合。基于特征的算法通过首先从每个样本图像提取特征集合并通过接着与彼此比较特征集合来操作。示例性指纹特征包括但不限于细节特征(即指纹的识别特征)、指纹脊/曲率及其组合。基于图案的算法在真实空间或频率空间中通过图像处理工具例如旋转不变互相关技术和使用快速傅立叶变换、离散傅立叶变换和小波变换的基于频率的方法来与彼此比较每个样本图像的图案。
在Davide Maltoni、Dario Maio、Anil K.Jain和Salil Prabhakar的“Handbook of Fingerprint Recognition”(ISBN 978-1-84882-254-2)中描述了示例性指纹匹配算法。
被考虑为“匹配”的重叠的程度从一个算法到另一算法且也随着传感器尺寸(图像尺寸)而改变。仅仅由于在很多指纹中的一些区中的细节特征点的低密度，基于细节特征的识别算法一般比基于图案的算法需要更大的重叠程度。为了使基于图案的匹配算法工作，公共区一般需要跨越4-8个脊，暗示大约3x3mm的公共区。互相关技术——包括相位相关——一般需要在这两个图像之间的至少25％的公共区域以鲁棒地工作。
当匹配过程完成时，样本图像存储在参考数据库204中作为以参考图像的形式的参数生物统计数据。每个参考图像可包括单独的样本图像、相应于样本图像的特征集合或样本图像和相应于样本图像的特征集合的组合。如果一个样本图像不包含唯一信息(即它与以前存储的参考图像是部分或全部冗余的)，则它可被丢弃以节省存储器资源。在各种实施方式中，与在参考图像和一个或多个其它参考图像之间的相对位置/地点/方位有关的数据也存储在参考数据库204中。
登记过程202的第三步骤303是计算在步骤302中创建的参考图像的质量度量。在下面描述这个计算。
登记过程然后继续到步骤304，其中决定登记过程是否对预期的登记者完成。在一个实施方式中，当在步骤303中为预期的登记者计算的参考图像的质量度量超过预定的质量阈值时，登记过程202停止。此外，也可能考虑在预期的登记者的参考数据库中的图像和/或特征集合的数量。因此，在一个实施方式中，当预期的登记者的参考图像的质量度量超过预定的质量阈值时或当在参考数据库中的预期的登记者的图像和/或特征集合的数量超过图像的预定最小数量时，登记过程202可停止。如果确定登记过程202不对预期的登记者完成，则过程返回到步骤301以收集预期的登记者的第三样本图像。在步骤302中，第三样本图像与在参考数据库204中的预期的登记者的所有参考图像例如第一和第二参考图像比较，以使第三样本图像与以前存储的参考图像对准并计算在第三样本图像和每个参考图像之间的相对位置/地点/方位。
在下文中，第三样本图像(即图像本身和/或第三样本图像的特征集合)可选地连同与第三样本图像相对于其它参考图像的位置/地点/方位有关的数据一起被存储在参考数据库204中作为额外的生物统计参考数据。步骤303和304重复，且如果预定的质量阈值和/或图像限制被满足，则登记过程对预期的登记者完成。如果预定质量阈值和/或图像限制在步骤304中未满足，则过程202将对预期的登记者的第四(可选地第五、第六、第七等)样本图像重复，直到预定质量阈值和/或图像限制被满足或某个其它停止参数被达到为止。
如下描述质量度量的计算——步骤303。参考图像的质量度量可包括单个所计算的质量度量，或它可包括多个所计算的质量度量中的任两个或更多个的组合。
可在步骤303中计算的第一质量度量是唯一图像信息的总面积A唯一，唯一图像信息在预期的登记者的所存储的参考图像中。A唯一是在特定登记者的生物统计参考数据内的唯一信息的量相对于传感器尺寸的度量，传感器尺寸相应于单个图像的尺寸。信息或数据如果不是已经包含在存储在参考数据库204中的其它参考数据中，则它是“唯一的”。在那个方面中，“唯一”数据也可被认为是非冗余数据。例如，如果数据库由预期的登记者的一个参考图像组成，则A唯一＝1，因为相应于传感器的尺寸的整个参考图像由唯一数据组成。如果参考数据库204由预期的登记者的两个相同的参考图像组成，则A唯一＝1，因为包含在这两个图像的累积数据中的唯一数据的量仍然相应于传感器的尺寸(即单个图像)。另一方面，如果参考数据库204由没有重叠区域的两个参考图像组成，则A唯一＝2，因为唯一数据的数量相应于两个图像，即传感器的尺寸的两倍。
可在步骤303中为预期的登记者计算的参考图像的第二质量参数是有界框的面积A框，其包括所对准的参考图像相对于传感器尺寸的簇。如果存在多于一个参考图像的簇，则有界框的面积包括参考图像的最大簇。例如，图5(a)示出彼此对准并具有由面积503表示的匹配或重叠数据的面积的两个参考图像501、502。图像501、502的A唯一将是图像501的面积加上图像502的面积减去重叠部分503的面积。注意，如所对准的，图像502相对于图像501向上移动并移动到右边。有界框相应于包围所对准的图像501、502的框504，且A框是框504的面积。虽然框504实质上是正方形的，并不要求包围参考图像的框是正方形或甚至矩形。有界“框”可以是包围所有参考图像的任何形状例如正方形、矩形、卵形、圆形、三角形、多边形等的有界边界或凸包或凸包络，且为此可确定包围边界的面积。
为了确保已登记的用户的测试图像的数据相应于对那个用户存储的参考数据，对已登记的用户存储的参考图像包围比传感器(即单个图像)的尺寸大(可能大得多)的用户手指的相当大的部分，且在参考图像之间没有数据间隙。
为了确保参考数据库没有大洞或缺少信息的区域，计算第三质量度量、参考图像的簇的紧密度是有用的。如果有多于一个参考图像的簇，则紧密度是参考图像的簇中的最大者的紧密度的度量。登记者的在参考数据库中的参考数据的紧密度——在下文中被称为紧密度——被定义为被包含在为登记者存储的参考图像中的唯一信息的总面积与包围参考图像的最大簇的有界边界的面积之比，即A唯一/A框。
因为唯一数据的面积可能从不超过形成参考图像的界限的框的面积，A唯一/A框可能从不大于1.0。当A唯一/A框接近1.0时，这意味着被包含在形成参考图像的界限的框内的较大比例的数据是唯一数据，且因此在参考数据中有相对少的间隙。另一方面，当A唯一/A框变得越来越小于1.0时，这意味着被包含在形成参考图像的界限的框内的较小比例的数据是唯一数据，且因此在参考数据中的唯一数据中可以有相对大的间隙。因此，紧密度A唯一/A框接近于1.0是优选的。
图4-7示出示例性登记过程，其中参考数据库的质量度量的阈值被设置为A唯一>3(相对于传感器尺寸)，且紧密度>0.8。仅为了说明的容易，参考图像被示为拼接的参考图像，但在本文所述的过程中不一定要求拼接的参考图像。相反，在一个实施方式中，只必须测量所对准的参考图像的相对位置；不一定将参考图像拼接在一起。相对位置的测量涉及计算在参考图像之间的平移(dx,dy)和旋转(dΘ)。
在图像之间的相对位置或空间相应性可用于在登记过程202期间引导预期的登记者。知道每个参考图像相对于其它参考图像位于哪里使系统100能够计算到目前为止被登记在图像数据库204中的唯一图像数据的总尺寸。此外，到目前为止登记的总图像信息可从质量度量例如紧密度、有洞(即缺少唯一数据)的区的尺寸等方面来量化。这个信息可在步骤304中用于确定登记过程202何时完成。
图4(a)示出在第一参考图像之后的结果A唯一＝1(唯一信息的量等于传感器尺寸)、A框＝1以及紧密度A唯一/A框＝1。图4(b)示出有界框，其在这种情况下在x-y笛卡尔坐标系上相应于单个图像或传感器，星号(*)指示单个图像的中心。
图5(a)示出在第二部分地重叠的参考图像502与在参考数据库中的第一参考图像501组合之后的结果。图5(b)示出在笛卡尔坐标系中的有界框504和参考图像501、502的中心(*)。如由图5(a)中的矩形503表示的、图像502的与图像501重叠的部分不是唯一的，因为数据存储在参考数据库中作为图像501的部分，但第二图像502的在矩形503之外的部分是唯一的。因此，唯一数据的量超过存储在单个图像中的数据的量，且A唯一＝1.43。包围所对准的图像501、502的有界框504的面积A框＝1.51和紧密度A唯一/A框＝0.95。
图6(a)示出在与第一和第二参考图像部分地重叠的第三参考图像与在参考数据库中的第一和第二参考图像组合之后的结果。图6(b)示出在笛卡尔坐标系中的有界框和第一、第二和第三参考图像的中心(*)。对于在图6(a)和6(b)中所示的结果，A唯一＝1.53，A框＝1.61和紧密度A唯一/A框＝0.95。
图7(a)和7(b)示出在参考数据库的质量度量阈值被超过且登记在15个样本图像被捕获之后完成之后的结果。在这里，A唯一＝3.2，A框＝3.51和紧密度A唯一/A框＝0.91。在图7中所示的示例性数据捕获中，九个样本图像被丢弃且不被保存为参考图像，因为它们不包含唯一信息，因此最终参考数据库由六个(Dri＝6)单独的参考图像组成。存储在登记者的参考数据库中的最终参考数据可由六个单独的灰度级图像、六个单独的特征集合或灰度级图像和特征集合的组合组成。
图8是验证过程203的实施方式的流程图。验证过程203的第一步骤501是例如由图像捕获过程201捕获以测试图像的形式的测试生物统计数据。然后在步骤502中，测试图像使用适当的匹配算法与来自参考数据库204的参考图像rn对准，其中1≤n≤Dri(其中Dri是在登记者的参考数据库204中的参考数据的总数)。在生物统计信息是指纹图像数据的场合，Dri可以指在系统中的每个登记者的每个手指的参考指纹图像的数量，其对于每个手指可以不相同。匹配算法可以是基于特征的算法、基于图案的算法或基于特征和和基于图案的算法的组合。基于特征的算法基于首先从每个样本图像提取特征集合并接着与彼此比较特征集合。示例性指纹特征包括但不限于细节特征、指纹脊/曲率及其组合。基于图案的算法在真实空间或频率空间中通过图像处理工具例如旋转不变互相关技术和使用快速傅立叶变换、离散傅立叶变换和小波变换的基于频率的方法来与彼此比较每个样本图像的图案。
当对准(步骤502)完成时，过程203继续到步骤503，其中在测试图像和参考图像rn之间的匹配分数被计算。在一个实施方式中，匹配分数是匹配参考图像数据rn的测试图像数据的百分比。
验证过程203然后继续到步骤504，其中总匹配分数被计算。在一个实施方式中，总匹配分数等于匹配在参考数据库204中的参考图像数据的测试图像数据的百分比。也就是说，总匹配分数是在测试图像和参考数据库204中的所有参考图像数据之间的匹配的唯一图像数据的总累积百分比。
在步骤505中，验证过程检查总匹配分数是否超过预定全局阈值。如果总匹配分数超过总阈值，则验证过程203是成功的，且用户被授权访问资源或位置。如果总匹配分数不超过总阈值，则验证过程203继续到步骤506。
在步骤506中，验证过程检查在参考数据库204中是否有更多的参考图像匹配测试图像，即是否n<Dri。如果更多的参考图像是可得到的，则n增加到n+1且过程返回到步骤502。如果另一方面，n＝Dri，则验证过程203是不成功的，且用户被拒绝访问资源或位置。
在一个实施方式中，当登记过程完成时，在参考图像或特征集合之间的相对位置被丢弃。在另一实施方式中，在参考图像或特征集合之间的相对位置存储在参考数据库中。在参考图像或特征集合之间的相对位置存储在参考数据库204中的场合，另一度量——在匹配的测试图像和参考图像之间的相对位置的度量——可被包括在总匹配分数中。如上所提到的，为了使验证过程是成功的，在验证过程中测量的相对位置必须在存储在参考数据库中的相对位置的预定阈值内。
例如，在验证过程期间，测试图像可匹配参考图像1和2。来自登记个过程的相对位置信息指示这两个参考图像也彼此匹配并相对于彼此旋转30度。相对位置信息还指示参考图像1和2相对于彼此平移了在X方向上的30个像素和在Y方向上的50个像素。如果这个相对位置信息不与从匹配测试图像与相同的两个参考图像产生的结果兼容，则匹配的结果可能是不正确的。因此，所存储的相对位置信息作为可更鲁棒地进行匹配的第二验证步骤来起作用。
在原则上，一个测试图像可匹配很多参考图像，这加强匹配结果。然而，在很多情况下，在测试和参考图像之间的重叠确实很小，使总匹配结果变得不确定。因此，在各种实施方式中，有最终步骤是有利的，在最终步骤中，来自验证过程的所有位置信息与来自登记过程的所有相关位置信息比较。
在另一实施方式中，总匹配分数还包括与测试图像成功匹配的参考图像的数量的度量。这个额外的度量可在测试图像和仅仅一个参考图像之间存在非常好的匹配且没有与任何其它参考图像的匹配的情况下增加额外的安全。在这种情况下，一个非常好的匹配可导致超过匹配唯一图像信息的总百分比的全局阈值的总匹配分数。如果测试图像比常规指纹的面积小得多，则测试图像可能不是与在参考数据库204中的参考图像的测试的非常好的匹配。当成功的参考图像匹配的最小数量的第二阈值被包括在总匹配分数中时，错误地验证测试图像的可能性极大地减小了。
图9是涉及为了增加的安全的多于一个阈值比较的验证过程203’的可选实施方式的流程图。如在图8的验证过程203中的，验证过程203’的第一步骤501是例如由图像捕获过程201捕获以测试图像的形式的测试生物统计数据。然后在步骤502中，测试图像使用适当的匹配算法与来自参考数据库204的参考图像rn对准，其中1≤n≤Dri(其中Dri是在参考数据库204中的参考数据的总数)。
当对准(步骤502)完成时，过程203’继续到步骤503，其中在测试图像和参考图像rn之间的匹配分数被计算。对于过程203’，在步骤503中计算的匹配分数将被称为图像匹配分数，因为它是仅仅单个参考图像rn的匹配分数。
在步骤601中，在测试图像和参考图像rn之间的图像匹配分数与局部阈值比较。如果图像匹配分数不满足或超过局部阈值，则过程203’继续进行到步骤506以检查在参考数据库204中是否有更多的参考图像匹配测试图像，即是否n<Dri。如果更多的参考图像是可得到的，则n增加到n+1且过程返回到步骤502。如果另一方面，n＝Dri，则验证过程203是不成功的，且用户被拒绝访问资源或位置。
如果图像匹配分数不满足或超过局部阈值，则验证过程203’然后继续到步骤504，其中总匹配分数被计算。
在步骤505，验证过程203’检查总匹配分数是否满足或超过全局阈值。如果总匹配分数满足或超过总阈值，则访问被准予。如果总匹配分数不满足或超过总阈值，则验证过程203’继续到步骤506以检查在参考数据库204中是否有更多的参考图像匹配测试图像，即是否n<Dri。如果更多的参考图像是可得到的，则n增加到n+1且过程返回到步骤502。如果另一方面，n＝Dri，则验证过程203是不成功的，且用户被拒绝访问资源或位置。
图601提高了验证过程203’的效率，因为步骤504和505只有在测试图像和特定的参考图像rn之间存在足够的匹配时才被执行，使得图像匹配分数满足或超过局部阈值。
图10-15示出使用参考图4-7创建的示例性参考数据库的示例性验证过程。
图10在视觉上示出在测试图像(图10(a))和第一参考图像r1(图10(b))之间的匹配过程的结果。在图10(d)中示出在参考图像r1和测试图像之间的重叠。以实线示出在这两个图像之间的匹配特征，以虚线示出测试图像的非匹配特征，以及以灰度级示出第一参考图像的非匹配特征。图10(c)示出测试图像与参考图像的累积匹配，再次以实线示出匹配特征，以虚线示出测试图像的非匹配特征，以及以灰度级示出参考图像的非匹配特征。也就是说，图10(c)是在测试图像(图10(a))和参考数据库的到现在为止被测试的所有参考图像(即参考图像10(b))之间的总匹配分数的图形表示。在第一参考图像之后，总匹配分数与在测试图像和参考图像r1(图10(b))之间的匹配分数(在图10中的例如22％)相同。
图11在视觉上示出在同一测试图像(现在在图11(a)中未示出)和第二参考图像r2(图11(b))之间的匹配过程的结果。在图11(d)中示出在参考图像r2和测试图像之间的重叠，匹配特征由实线指示，测试图像的非匹配特征由虚线指示，以及第二参考图像的非匹配特征由灰度级指示。图11(c)现在示出在测试图像(图10(a)和11(a))和参考图像r1(图10(b))和r2(图11(b))之间的56％的总匹配分数。
图12在视觉上示出在同一测试图像(现在在图12(a)中未示出)和第三参考图像r3(图12(b))之间的匹配过程的结果。在图12(d)中示出在参考图像r3和测试图像之间的重叠，匹配特征由实线指示，测试图像的非匹配特征由虚线指示，以及第三参考图像的非匹配特征由灰度级指示。图12(c)现在示出在测试图像(图10(a)、11(a)、12(a))和三个参考图像r1(图10(b))、r2(图11(b))和r3(图12(b))之间的87％的总匹配分数。
图13在视觉上示出在同一测试图像(现在在图13(a)中未示出)和第四参考图像r4(图13(b))之间的匹配过程的结果。在图13(d)中示出在参考图像r4和测试图像之间的重叠，匹配特征由实线指示，测试图像的非匹配特征由虚线指示，以及第四参考图像的非匹配特征由灰度级指示。在对图13所示的第四参考图像的匹配过程的情况下，在测试图像和参考图像r4之间没有足够的重叠来使图像对准。因此，图13(c)示出在测试图像(图10(a)、11(a)、12(a)、13(a))和四个参考图像r1(图10(b))、r2(图11(b))、r3(图12(b))和r4(图13(b))之间的相较于图12(d)所示的总匹配的87％的不变的总匹配分数。
图14在视觉上示出在同一测试图像(现在在图14(a)中未示出)和第五参考图像r5(图14(b))之间的匹配过程的结果。在图14(d)中示出在参考图像r5和测试图像之间的重叠，匹配特征由实线指示，测试图像的非匹配特征由虚线指示，以及参考图像的非匹配特征由灰度级指示。图14(c)现在示出在测试图像(图10(a)、11(a)、12(a)、13(a)、14(a))和五个参考图像r1(图10(b))、r2(图11(b))、r3(图12(b))、r4(图13(b))和r5(图14(b))之间的99％的总匹配分数。
图15在视觉上示出在同一测试图像(图15(a))和第六参考图像r6(图15(b))之间的匹配过程的结果。在图15(d)中示出在参考图像r6和测试图像之间的重叠，测试图像的匹配特征由实线指示，测试图像的非匹配特征由虚线指示，以及第六参考图像的非匹配特征由灰度级指示。如对第四参考图像r4(图13)的情况下，在测试图像和第六参考图像r6之间没有足够的重叠来使图像对准并计算匹配分数。因此，图15(c)示出在测试图像和参考数据库的六个参考图像之间的99％的总匹配分数。
在一个实施方式中，验证过程203可随时知道参考图像与测试图像成功地匹配的次数。然后，如果参考图像没有在预定数量的测试图像之后与测试图像成功地匹配，则验证过程可从参考数据库204移除参考图像。
在一个实施方式中，验证过程203可评估由验证过程203验证的测试图像的质量。高质量的一个度量可以是在参考数据库中的所有参考图像的匹配分数。测试图像可匹配几乎所有其它图像，但与每个图像的重叠可以相对小。因此，当验证过程203找到高质量测试图像时，验证过程203可将测试图像作为参考图像添加到参考数据库。高质量测试图像包含浓缩到一个单独的模板图像内的“新”图像信息，且将那个图像添加到参考数据库通常将增加正确匹配的概率。
在各种实施方式中，可在验证过程203中使用相对位置信息，其中某个测试图像对照所有登记的参考图像被匹配。从登记过程202中知道在参考图像之间的空间相应性，可关于一致性来检查在测试图像和参考图像之间的匹配结果。例如，如果在测试图像和几个参考图像之间找到匹配，则在匹配测试图像的参考图像当中检测的相对放置不与来自登记过程202的位置信息一致，匹配可被忽视。
在图16-19中示出用于在验证过程期间使用参考图像和测试图像的相对位置信息的各种可选形式。
图16是存储在参考数据库中的一组参考图像1-5的图形表示。参考图像本身按参考图像相对于彼此的相对位置信息或空间相应性的现状被存储。
图17是在测试图像与参考图像之间的部分匹配的图形表示，包括在测试图像与参考图像2之间的空间相应性。
图18是用于在验证过程期间使用参考图像和测试图像的相对位置信息的第一可选方案的图形表示。因为在测试图像和参考图像2之间的空间相应性是已知的以及因为在参考图像2和参考图像1和3-5中的每个之间的空间相应性是已知的，在测试图像和所有其它参考图像1和3-5之间的空间相应性于是在原则上也是已知的，使得在测试图像和其它参考图像之间的重叠的面积可被预测或估计。可将所有其它参考图像1和3-5大致放置在测试图像的顶部上，且可执行快速检查以确定它们是否在它们被认为匹配的地方匹配。通过以这种方式使测试图像与其它参考图像匹配，匹配过程将更快，因为系统不需要完全地搜索每个参考图像来找到匹配。
图19是用于在验证过程期间使用参考图像和测试图像的相对位置信息的第二可选方案的图形表示。测试图像对照所有其它参考图像1-5被匹配而不使用来自登记过程的相对位置信息。当完成匹配时，执行一致的检查，其中在参考图像之间的已知相对位置在匹配测试图像之后针对它们的相对放置而被检查。在图19所示的例子中，在测试图像和第3参考图像之间的匹配与来自登记过程的相对位置信息是不一致的，这在所示匹配过程中留下以交叉影线示出的可感知的间隙，其中测试图像不匹配任何参考图像。这可导致匹配分数于是将降低一位但不是降低很多，因为整个测试图像通过其余四个模板图像1-2和4-5仍然非常好地匹配。只有测试通信的影线区不与任何参考图像匹配。
另一可选方案将是不在验证过程期间使用相对位置信息，在这种情况下，相对位置信息可被丢弃或在登记过程中不存储。
示例性实施方式
实施方式1—包括将用户的有机体组织的多个参考生物统计图像存储在参考数据库中的生物统计识别方法，其中每个参考生物统计图像具有预定图像尺寸并与至少一个其它参考生物统计图像至少部分地重叠，以及其中在重叠部分对准的情况下布置的所有参考生物统计图像具有比预定图像尺寸大的面积。
实施方式2—实施方式1的方法，其中存储参考生物统计图像包括：从用户提供预定图像尺寸的多个样本生物统计图像；比较每个样本生物统计图像与其它样本生物统计图像以识别在样本生物统计图像中的重叠数据；计算在样本生物统计图像中的唯一非重叠数据的量；计算相对于预定图像尺寸的唯一数据的量；在重叠部分对准的情况下布置多个生物统计图像并计算相对于预定图像尺寸的包围所布置的生物统计图像的有界边界的面积；以及在参考数据库中存储多个样本生物统计图像的至少一部分作为多个参考生物统计图像。
实施方式3—实施方式2的方法，其中存储在参考数据库中的多个参考生物统计图像包括导致相对于预定图像尺寸的唯一数据的量等于或大于第一预定阈值以及相对于预定图像尺寸的包围所布置的生物统计图像的有界边界的面积等于或大于第二预定阈值的多个生物统计图像。
实施方式4—实施方式3的方法，还包括将多个参考生物统计图像的紧密度计算为相对于预定图像尺寸的唯一数据的量除以相对于预定图像尺寸的包围所布置的生物统计图像的有界边界的面积。
实施方式5—实施方式4的方法，还包括比较紧密度与第三预定阈值。
实施方式6—实施方式1-5中的任一项的方法，其中提供样本生物统计图像包括使用生物统计传感器生成样本生物统计图像。
实施方式7—实施方式1-6中的任一项的方法，其中有机体组织包括手指表面，以及其中每个参考生物统计图像包括指纹图像、相应于指纹图像的特征集合或指纹图像和相应于指纹图像的特征集合的组合。
实施方式8—实施方式1-7中的任一项的方法，其中存储参考生物统计图像包括：(i)提供样本生物统计图像，(ii)提供额外样本生物统计图像，(iii)比较额外样本生物统计图像与每个以前提供的样本生物统计图像以识别在额外样本生物统计图像和每个以前提供的样本生物统计图像中的重叠数据，(iv)计算与额外样本生物统计图像和每个以前提供的样本生物统计图像有关的一个或多个质量度量，(v)比较每个所计算的质量度量和与那个质量度量相关的阈值，(vi)重复步骤(ii)到(v)，直到每个质量度量满足或超过相关阈值为止，以及(vii)当每个质量度量满足或超过相关阈值时存储样本生物统计图像作为参考生物统计图像。
实施方式9—实施方式8的方法，其中质量度量包括在额外样本生物统计图像和每个以前提供的样本生物统计图像中的唯一非重叠数据的量，以及计算相对于预定图像尺寸的唯一数据的量。
实施方式10—实施方式8的方法，还包括在重叠部分对准的情况下布置额外样本生物统计图像和每个以前提供的样本生物统计图像，以及其中质量度量包括相对于预定图像尺寸的包围所布置的生物统计图像的有界边界的面积。
实施方式11—实施方式1-10中的任一项的方法，还包括在参考数据库中存储多个参考生物统计图像中的两个或更多个的相对位置信息。
实施方式12—实施方式1-11中的任一项的方法，还包括：比较测试生物统计图像与一个或多个参考生物统计图像以识别在测试生物统计图像和一个或多个参考生物统计图像中的每个中的重叠数据；计算在测试生物统计图像和一个或多个参考生物统计图像中的重叠数据的累积量；以及基于在测试生物统计图像和所有参考生物统计图像中的重叠数据的累积量来验证用户的身份。
实施方式13—实施方式12的方法，还包括使用生物统计传感器生成测试生物统计图像的步骤。
实施方式14—实施方式12的方法，其中有机体组织包括手指表面，且测试生物统计图像包括指纹图像。
实施方式15—实施方式12的方法，还包括基于与测试生物统计图像有重叠数据的参考生物统计图像的数量来验证用户的身份。
实施方式16—一种用于基于从用户得到的预定图像尺寸的测试生物统计图像与存储在参考数据库中的参考生物统计图像数据的比较来验证用户的身份的方法，该方法包括：比较测试生物统计图像与一个或多个参考生物统计图像以识别在测试生物统计图像与一个或多个参考生物统计图像中的每个中的重叠数据；计算在测试生物统计图像和一个或多个参考生物统计图像中的重叠数据的累积量；以及基于在测试生物统计图像和所有参考生物统计图像中的重叠数据的累积量来验证用户的身份。
实施方式17—实施方式16的方法，还包括使用生物统计传感器生成测试生物统计图像。
实施方式18—实施方式16或17中的任一项的方法，其中有机体组织包括手指表面，且测试生物统计图像包括指纹图像。
实施方式19—实施方式16-18中的任一项的方法，其中有机体组织包括手指表面，以及其中每个参考生物统计包括指纹图像、相应于指纹图像的特征集合或指纹图像和相应于指纹图像的特征集合的组合。
实施方式20—实施方式16-19中的任一项的方法，还包括基于与测试生物统计图像有重叠数据的参考生物统计图像的数量来验证用户的身份。
实施方式21—一种用于基于从用户得到的测试生物统计图像与存储在参考数据库中的参考生物统计数据的比较来验证用户的身份的方法，其中参考生物统计数据包括用户的有机体组织的表面的不同部分的多个参考生物统计图像，其中每个参考生物统计图像与至少一个其它参考生物统计图像部分地重叠，以及其中参考生物统计数据还包括在每个参考生物统计图像和至少一个其它参考生物统计图像之间的相对位置信息，该方法包括：比较测试生物统计图像与一个或多个参考生物统计图像以识别与测试生物统计图像有重叠数据的匹配的参考图像；确定在测试生物统计图像与匹配的参考图像之间的相对位置信息；基于在测试生物统计图像与匹配的参考图像之间的相对位置信息和参考生物统计数据的相对位置信息来估计在测试生物统计图像与其余参考生物统计图像之间的重叠的面积；以及确定在每个所估计的重叠面积中的测试生物统计图像与每个其余参考生物统计图像之间的匹配的量。
实施方式22—实施方式21的方法，还包括：计算在测试生物统计图像和参考生物统计图像中的重叠数据的累积量；以及基于在测试生物统计图像和所有参考生物统计图像中的重叠数据的累积量来验证用户的身份。
实施方式23—实施方式21或22的方法，还包括使用生物统计传感器生成测试生物统计图像。
实施方式24—实施方式21-23中的任一项的方法，其中有机体组织包括手指表面，以及测试生物统计图像包括指纹图像。
实施方式25—实施方式21-24中的任一项的方法，还包括基于与测试生物统计图像有重叠数据的参考生物统计图像的数量来验证用户的身份。
实施方式26—一种用于基于从用户得到的测试生物统计图像与存储在参考数据库中的参考生物统计数据的比较来验证用户的身份的方法，其中参考生物统计数据包括用户的有机体组织的表面的不同部分的多个参考生物统计图像，其中每个参考生物统计图像与至少一个其它参考生物统计图像部分地重叠，以及其中参考生物统计数据还包括在每个参考生物统计图像和至少一个其它参考生物统计图像之间的相对位置信息，该方法包括：比较测试生物统计图像与每个参考生物统计图像以识别与测试生物统计图像有重叠数据的匹配的参考图像；确定在测试生物统计图像与每个匹配的参考图像之间的相对位置信息；基于在测试生物统计图像与每个匹配的参考图像之间的相对位置信息来确定在每个匹配的参考图像之间的相对位置信息；以及比较在基于在测试生物统计图像与每个匹配的参考图像之间的相对位置信息确定的每个匹配的参考图像之间的相对位置信息与参考生物统计数据的相对位置信息。
实施方式27—实施方式26的方法，还包括：计算在测试生物统计图像和参考生物统计图像中的重叠数据的累积量；以及基于在测试生物统计图像和所有参考生物统计图像中的重叠数据的累积量来验证用户的身份。
实施方式28—实施方式26的方法，还包括使用生物统计传感器生成测试生物统计图像。
实施方式29—实施方式26的方法，有机体组织包括手指表面，且测试生物统计图像包括指纹图像。
虽然参考某些例证性实施方式——包括特征的各种组合和子组合——以相当大的细节描述和示出本公开的主题，本领域中的技术人员将容易认识到如被包括在本公开的范围内的其它实施方式和变化及其修改。而且，这样的实施方式、组合和子组合的描述并不意欲传达所主张的主题需要除了在权利要求中明确列举的特征或特征的组合。相应地，本公开的范围意欲包括被包括在所附权利要求的精神和范围内的所有修改和变化。

Claims (10)

1.一种生物统计识别方法，所述方法包括将用户的有机体组织的多个参考生物统计图像存储在参考数据库中，其中所述参考生物统计图像中的每个具有预定图像尺寸并与至少一个其它参考生物统计图像至少部分地重叠，以及其中在重叠部分对准的情况下布置的所有所述参考生物统计图像具有比所述预定图像尺寸大的面积。
2.如权利要求1所述的方法，其中，存储所述参考生物统计图像包括：
提供来自所述用户的所述预定图像尺寸的多个样本生物统计图像；
比较所述样本生物统计图像中的每个与其它样本生物统计图像，以识别在所述样本生物统计图像中的重叠数据；
计算在所述样本生物统计图像中的唯一非重叠数据的量；
计算相对于所述预定图像尺寸的唯一数据的量；
在重叠部分对准的情况下布置所述多个生物统计图像并计算相对于所述预定图像尺寸的包围所布置的生物统计图像的有界边界的面积；以及
在所述参考数据库中存储所述多个样本生物统计图像的至少一部分作为多个参考生物统计图像。
3.如权利要求2所述的方法，其中，存储在所述参考数据库中的所述多个参考生物统计图像包括导致相对于所述预定图像尺寸的唯一数据的量等于或大于第一预定阈值以及相对于所述预定图像尺寸的包围所布置的生物统计图像的有界边界的面积等于或大于第二预定阈值的多个生物统计图像。
4.如权利要求3所述的方法，还包括将所述多个参考生物统计图像的紧密度计算为相对于所述预定图像尺寸的唯一数据的量除以相对于所述预定图像尺寸的包围所布置的生物统计图像的有界边界的面积。
5.如权利要求4所述的方法，还包括比较所述紧密度与第三预定阈值。
6.如权利要求1所述的方法，其中，提供所述样本生物统计图像包括使用生物统计传感器生成所述样本生物统计图像。
7.如权利要求1所述的方法，其中所述有机体组织包括手指表面，以及其中每个参考生物统计图像包括指纹图像、相应于所述指纹图像的特征集合或所述指纹图像和相应于所述指纹图像的所述特征集合的组合。
8.如权利要求1所述的方法，其中，存储所述参考生物统计图像包括：
(i)提供样本生物统计图像；
(ii)提供额外样本生物统计图像；
(iii)比较所述额外样本生物统计图像与每个以前提供的样本生物统计图像，以识别在所述额外样本生物统计图像和所述每个以前提供的样本生物统计图像中的重叠数据；
(iv)计算与所述额外样本生物统计图像和所述每个以前提供的样本生物统计图像有关的一个或多个质量度量；
(v)比较每个所计算的质量度量和与该质量度量相关的阈值；
(vi)重复步骤(ii)到(v)，直到每个质量度量满足或超过相关阈值为止；以及
(vii)当每个质量度量满足或超过所述相关阈值时存储所述样本生物统计图像作为参考生物统计图像。
9.如权利要求8所述的方法，其中所述质量度量包括在所述额外样本生物统计图像和所述每个以前提供的样本生物统计图像中的唯一非重叠数据的量，以及计算相对于所述预定图像尺寸的唯一数据的量。
10.如权利要求8所述的方法，还包括在重叠部分对准的情况下布置所述额外样本生物统计图像和所述每个以前提供的样本生物统计图像，以及其中所述质量度量包括相对于所述预定图像尺寸的包围所布置的生物统计图像的有界边界的面积。
CN201610512657.5A 2015-07-01 2016-07-01 生物统计登记和验证的系统和方法 Active CN106326833B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/789,331 2015-07-01
US14/789,331 US9684813B2 (en) 2015-07-01 2015-07-01 System and method of biometric enrollment and verification

Publications (2)

Publication Number Publication Date
CN106326833A true CN106326833A (zh) 2017-01-11
CN106326833B CN106326833B (zh) 2020-01-31

Family

ID=56360201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610512657.5A Active CN106326833B (zh) 2015-07-01 2016-07-01 生物统计登记和验证的系统和方法

Country Status (3)

Country Link
US (2) US9684813B2 (zh)
EP (1) EP3121759A3 (zh)
CN (1) CN106326833B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108664848A (zh) * 2017-03-30 2018-10-16 杭州海康威视数字技术股份有限公司 图像目标的识别方法及装置
CN113469033A (zh) * 2021-06-30 2021-10-01 北京集创北方科技股份有限公司 图像识别方法、装置、电子设备及存储介质

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10600219B2 (en) 2015-06-26 2020-03-24 Idex Asa Pattern mapping
EP3115932A1 (en) 2015-07-07 2017-01-11 Idex Asa Image reconstruction
US10331936B2 (en) 2015-07-14 2019-06-25 Idex Asa Duplicate pattern reconstructions
DE102016226230B4 (de) * 2016-12-27 2018-07-12 Siemens Healthcare Gmbh Automatisierte Bildprüfung in der Röntgenbildgebung
US10282651B2 (en) 2017-03-23 2019-05-07 Idex Asa Sensor array system selectively configurable as a fingerprint sensor or data entry device
US11250307B2 (en) 2017-03-23 2022-02-15 Idex Biometrics Asa Secure, remote biometric enrollment
EP3616123A4 (en) * 2017-04-27 2021-01-13 Fingerprint Cards AB FINGERPRINT AUTHENTICATION SYSTEM AND METHOD WITH REDUCED LATENCY
WO2019116233A1 (en) 2017-12-12 2019-06-20 Idex Asa Power source for biometric enrollment with status indicators
KR102577588B1 (ko) * 2019-01-03 2023-09-12 삼성전자주식회사 지문 인증 방법 및 장치
US10693872B1 (en) 2019-05-17 2020-06-23 Q5ID, Inc. Identity verification system
EP3770797A1 (en) 2019-07-22 2021-01-27 Nxp B.V. Enrollment device and method of facilitating enrollment of a biometric template
WO2023131609A1 (en) 2022-01-04 2023-07-13 Idex Biometrics Asa Antenna extender
WO2023239408A1 (en) * 2022-06-06 2023-12-14 Hid Global Corp. Enrollment, identification, and/or verification for a biometric security system

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050185828A1 (en) * 2003-04-25 2005-08-25 Fujitsu Limited Device and method for fingerprint identification, and computer product
US20140003681A1 (en) * 2012-06-29 2014-01-02 Apple Inc. Zero Enrollment
US20150071506A1 (en) * 2013-09-09 2015-03-12 Apple Inc. Finger biometric sensor for flagging as sufficient enrollment finger biometric data sets and related methods
US20150131876A1 (en) * 2013-11-12 2015-05-14 Mei-Yen Lee Electronic Apparatus with Segmented Guiding Function and Small-Width Biometrics Sensor, and Guiding Method Thereof

Family Cites Families (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3274209D1 (en) 1981-12-07 1987-01-02 Worldwide Blast Cleaning Ltd Knock down blast cleaning machine
US5067162A (en) 1986-06-30 1991-11-19 Identix Incorporated Method and apparatus for verifying identity using image correlation
US5054090A (en) 1990-07-20 1991-10-01 Knight Arnold W Fingerprint correlation system with parallel FIFO processor
JP3057590B2 (ja) 1992-08-06 2000-06-26 中央発條株式会社 個人識別装置
US6049620A (en) 1995-12-15 2000-04-11 Veridicom, Inc. Capacitive fingerprint sensor with adjustable gain
WO2001011577A1 (en) 1999-08-06 2001-02-15 Precise Biometrics Ab Checking of right to access
DE60017088T2 (de) 1999-02-12 2005-12-08 Precise Biometrics Ab System und verfahren zur überprüfung von fingerabdrücken
US6795569B1 (en) 1999-05-11 2004-09-21 Authentec, Inc. Fingerprint image compositing method and associated apparatus
US6546122B1 (en) 1999-07-29 2003-04-08 Veridicom, Inc. Method for combining fingerprint templates representing various sensed areas of a fingerprint to derive one fingerprint template representing the fingerprint
US6719200B1 (en) 1999-08-06 2004-04-13 Precise Biometrics Ab Checking of right to access
AU2000244476A1 (en) 2000-04-13 2001-10-30 Nanyang Technological University Method and device for determining a total minutiae template from a plurality of partial minutiae templates
US6836554B1 (en) 2000-06-16 2004-12-28 International Business Machines Corporation System and method for distorting a biometric for transactions with enhanced security and privacy
US6898301B2 (en) 2000-07-10 2005-05-24 Casio Computer Co., Ltd. Authentication system based on fingerprint and electronic device employed for the system
SE516860C2 (sv) 2000-07-17 2002-03-12 Precise Biometrics Ab Anordning och förfarande för fingeravtryckskontroll, genom kontroll av särdrag i delbilder
US6895104B2 (en) 2001-02-16 2005-05-17 Sac Technologies, Inc. Image identification system
JP4164732B2 (ja) 2001-03-07 2008-10-15 ソニー株式会社 指紋照合システム、指紋照合装置、指紋照合方法、およびバイオメトリクス照合装置
SE0100887D0 (sv) 2001-03-15 2001-03-15 Fingerprint Cards Ab Anordning och metod för behandling av fingeravtrycksinformation
JP2003058889A (ja) 2001-08-10 2003-02-28 S Stuff:Kk 個人識別方法及び個人識別装置
AU2003206360A1 (en) * 2002-02-18 2003-09-04 Precise Biometrics Ab Method and device for recording fingerprint data
JP4022861B2 (ja) 2002-04-10 2007-12-19 日本電気株式会社 指紋認証システム、指紋認証方法及び指紋認証プログラム
JP3846582B2 (ja) 2002-09-27 2006-11-15 日本電気株式会社 指紋認証方法／プログラム／装置
US7599530B2 (en) 2003-10-01 2009-10-06 Authentec, Inc. Methods for matching ridge orientation characteristic maps and associated finger biometric sensor
US7787667B2 (en) 2003-10-01 2010-08-31 Authentec, Inc. Spot-based finger biometric processing method and associated sensor
EP1671260B1 (en) 2003-10-01 2014-06-11 Authentec, Inc. Methods for finger biometric processing and associated finger biometric sensors
US7574022B2 (en) 2004-05-20 2009-08-11 Atrua Technologies Secure system and method of creating and processing partial finger images
JP4604087B2 (ja) 2004-06-18 2010-12-22 フィンガープリント カーズ アーベー 指紋センサ素子
US7643660B1 (en) 2004-07-22 2010-01-05 Odi Security; Llc System, method and computer program product for fingerprint verification
US7512256B1 (en) 2004-07-22 2009-03-31 Odi Security; Llc System, method, and computer program product for ridge map formation
US7697773B1 (en) 2004-07-22 2010-04-13 Roger A. Bauchspies System, method and computer program product for image compression/decompression
FR2878632B1 (fr) 2004-12-01 2007-02-09 Sagem Procede d'identification d'un individu a partir de fragments d'image
KR100747446B1 (ko) 2005-03-07 2007-08-09 엘지전자 주식회사 휴대단말기의 지문인식 장치 및 방법
US8711105B2 (en) 2008-08-21 2014-04-29 Wacom Co., Ltd. Touchscreen with extended conductive pattern
US8295561B2 (en) * 2008-11-04 2012-10-23 Signal Processing, Inc. Knowledge learning system and process for fingerprint verifications
US8638994B2 (en) 2011-04-21 2014-01-28 Authentec, Inc. Electronic device for collecting finger data and displaying a finger movement trace and related methods
TWI533231B (zh) 2012-01-17 2016-05-11 蘋果公司 具有用於耦合電極及畫素感測軌跡之畫素感測電路之手指感測器及其相關方法
US20130265137A1 (en) 2012-04-02 2013-10-10 Validity Sensors, Inc. Integratable fingerprint sensor packagings
US9202099B2 (en) 2012-06-29 2015-12-01 Apple Inc. Fingerprint sensing and enrollment
GB2507540A (en) 2012-11-02 2014-05-07 Zwipe As Enrolling fingerprints by combining image strips to obtain sufficient width
US9047054B1 (en) 2012-12-20 2015-06-02 Audible, Inc. User location-based management of content presentation
US9805247B2 (en) 2015-02-27 2017-10-31 Idex Asa Pattern registration
US10600219B2 (en) 2015-06-26 2020-03-24 Idex Asa Pattern mapping
EP3115932A1 (en) 2015-07-07 2017-01-11 Idex Asa Image reconstruction
US10331936B2 (en) 2015-07-14 2019-06-25 Idex Asa Duplicate pattern reconstructions

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050185828A1 (en) * 2003-04-25 2005-08-25 Fujitsu Limited Device and method for fingerprint identification, and computer product
US20140003681A1 (en) * 2012-06-29 2014-01-02 Apple Inc. Zero Enrollment
US20150071506A1 (en) * 2013-09-09 2015-03-12 Apple Inc. Finger biometric sensor for flagging as sufficient enrollment finger biometric data sets and related methods
US20150131876A1 (en) * 2013-11-12 2015-05-14 Mei-Yen Lee Electronic Apparatus with Segmented Guiding Function and Small-Width Biometrics Sensor, and Guiding Method Thereof
CN104636649A (zh) * 2013-11-12 2015-05-20 茂丞科技股份有限公司 电子设备及其导引方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
DAVIDE MALTONI ET AL;: "《handbook of fingerprint recognition》", 31 December 2009 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108664848A (zh) * 2017-03-30 2018-10-16 杭州海康威视数字技术股份有限公司 图像目标的识别方法及装置
CN108664848B (zh) * 2017-03-30 2020-12-25 杭州海康威视数字技术股份有限公司 图像目标的识别方法及装置
CN113469033A (zh) * 2021-06-30 2021-10-01 北京集创北方科技股份有限公司 图像识别方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
EP3121759A3 (en) 2017-04-05
US9684813B2 (en) 2017-06-20
US20170004350A1 (en) 2017-01-05
US9928401B2 (en) 2018-03-27
US20170220848A1 (en) 2017-08-03
CN106326833B (zh) 2020-01-31
EP3121759A2 (en) 2017-01-25

Similar Documents

Publication Publication Date Title
CN106326833A (zh) 生物统计登记和验证的系统和方法
US7747043B2 (en) Registration method for biometrics authentication system, biometrics authentication system, and program for same
KR100637828B1 (ko) 생체 정보 대조 장치
US7885437B2 (en) Fingerprint collation apparatus, fingerprint pattern area extracting apparatus and quality judging apparatus, and method and program of the same
US9070025B2 (en) Biometric information processing apparatus, biometric information processing method
JP4911300B2 (ja) パターン情報登録装置、パターン情報登録方法、パターン情報登録プログラム及びパターン照合システム
JP6065025B2 (ja) 生体認証装置、生体認証システム、及び生体認証方法
EP2833319B1 (en) Biometric authentication device, biometric authentication method, and biometric authentication computer program
CN110728232A (zh) 一种手部感兴趣区域的获取方法及手纹识别方法
US10157306B2 (en) Curve matching and prequalification
EP2546798A1 (en) Biometric authentication device and biometric authentication method
KR20180004107A (ko) 패턴 레지스트레이션
JP4912011B2 (ja) 生体情報照合装置
US9977889B2 (en) Device for checking the authenticity of a fingerprint
KR101072352B1 (ko) 지문인증 장치 및 그 방법
EP3118773A1 (en) Duplicate pattern reconstructions
KR100489430B1 (ko) 위치이동, 회전에 무관한 지문인식 방법 및 지문인식 장치및 그 방법을 실행시키기 위한 프로그램을 기록한기록매체
WO2009008550A1 (ja) 登録装置、照合装置、データ構造及び記憶媒体
JP4531670B2 (ja) パターン照合装置
JP4553644B2 (ja) 生体情報認証装置
WO2019021177A1 (en) METHOD AND SYSTEM FOR MATCHING DIGITAL IMPRESSION IMAGES
CN103996025B (zh) 指纹扭曲度估计方法及系统
JP2008186125A (ja) 認証方法、認証装置およびプログラム
JP2012252644A (ja) 生体識別装置、及び、生体識別方法
JP2012190220A (ja) 識別装置及び識別方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Norway Forneb

Applicant after: Adiswith biometrics

Address before: Norway Forneb

Applicant before: Idex ASA

GR01 Patent grant
GR01 Patent grant