CN106874851B - 一种基于多参考节点的指纹识别方法 - Google Patents

一种基于多参考节点的指纹识别方法 Download PDF

Info

Publication number
CN106874851B
CN106874851B CN201710021035.7A CN201710021035A CN106874851B CN 106874851 B CN106874851 B CN 106874851B CN 201710021035 A CN201710021035 A CN 201710021035A CN 106874851 B CN106874851 B CN 106874851B
Authority
CN
China
Prior art keywords
point
lines
minutiae
fingerprint
edge details
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
Application number
CN201710021035.7A
Other languages
English (en)
Other versions
CN106874851A (zh
Inventor
官慧仙
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.)
Hangzhou Synodata Security Technology Co Ltd
Original Assignee
Hangzhou Synodata Security Technology Co Ltd
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 Hangzhou Synodata Security Technology Co Ltd filed Critical Hangzhou Synodata Security Technology Co Ltd
Priority to CN201710021035.7A priority Critical patent/CN106874851B/zh
Publication of CN106874851A publication Critical patent/CN106874851A/zh
Application granted granted Critical
Publication of CN106874851B publication Critical patent/CN106874851B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1365Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

一种基于多参考节点的指纹识别方法,其包括:对指纹纹路细化,提取指纹图像边缘处多个细节点A和中心区域的多个细节点B,以边缘细节点A为中心进行采样线段布置获取离散纹路信息;将图像中心区域处的细节点B、边缘细节点A、以及采集到的离散纹路信息保存到多参考节点指纹模板中;指纹匹配时,通过采集到的中心区域多个细节点B、多个边缘细节点A以及相应的离散纹路信息进行匹配识别。本发明采样线段的布置适应指纹比对时重叠面积比较少的情况,同时可以减少误差引起的干扰。减少纹路信息量,不会造成模板的过度增加。保存的纹路信息是它所在边缘细节点的相对值,避免了匹配中的不必要计算。

Description

一种基于多参考节点的指纹识别方法
技术领域
本发明属于指纹识别领域,涉及一种基于多参考节点的指纹识别方法。
背景技术
当传感器采集面积较小时,会超成一个手指的不同捺印只有很少一部分的重叠,相应的匹配上的细节特征点会变少,或者某些手指本身细节特征点较少,当只用传统的细节特征匹配方法,误差变大,比对通过率也变低。
目前现有的指纹匹配算法中也有用到指纹纹路信息,在以细节点为圆心的若干同心圆上提取一些采样点,获取采样点的信息以及这些点之间的距离、角度等特征,组合成新的节点结构特征,用于指纹匹配。由于指纹模板不宜过大,以细节点为圆心的若干同心圆上的采样点不宜过多,如何能以尽少的采样点反映区域纹路的特性,现有的方法没有在这方面提出具体的措施。受指纹图像质量的影响,抽取出的细节点方向位置是存在误差的。
发明内容
本发明提供了一种增加边缘细节点周边新的纹路信息,辅助边缘细节点匹配,减小误差,增加指纹比对通过率的一种基于指纹图像边缘细节点、以边缘细节点为中心采集离散纹路信息以及没有采集离散纹路信息的指纹图像中心区域细节点的多参考节点的指纹识别方法。
本发明采用的技术方案是:
一种基于多参考节点的指纹识别方法,其包括:
(1)对指纹纹路细化,提取多个边缘细节点A、图像中心区域的多个细节点B,以边缘细节点A为中心进行采样线段布置获取离散纹路信息,布置步骤如下:
1)计算边缘细节点A处的纹路方向θ;
2)以边缘细节点A为起点,采样方向为α,其中α=θ+45,得第一段采样线段Aa1,第一参考节点a1是采样线段Aa1与边缘细节点A所在纹路后面的第一条纹路的交点;
3)计算第一参考节点a1处纹路的方向θ1,以第一参考节点a1为起点,采样方向α1,其中α1=θ1+45,得到第二段采样线段a1a2,第二参考节点a2是采样线段a1a2与边缘细节点A所在纹路后面的第二条纹路的交点;以此得到整个采样线段Aan;
4)同理计算与边缘细节点A处的纹路方向θ相差135度、225度、315度的另三条采样线段;
(2)将图像中心区域处的多个细节点B、多个边缘细节点A、以及采集到的相应离散纹路信息一起保存到多参考节点指纹模板中;
(3)指纹匹配时,通过采集到的图像中心区域处的多个细节点B相关信息、多个边缘细节点A相关信息以及相应的离散纹路信息进行匹配识别。本发明将布置的四条采样线段与指纹纹路的交点的位置,交点处的方向作为辅助节点信息,与边缘细节点一起作为多参考节点,以作匹配。在指纹匹配时,与图像中心区域的细节点B匹配上,采用传统方法,检查细节点处方向位置类型等相关信息是否匹配上;如果匹配上的两个点都是边缘细节点A,那么采集到的它周边的纹路位置方向也应该是相匹配的,这样可以排除误差,防止认假,同时,如果两边缘细节点A的离散纹路信息吻合度高也可判断出此边缘细节点A是匹配上的,弥补小面积边缘细节点不足或重叠面积不足的情况,提高指纹识别率。
进一步,将采集到的离散纹路信息位置信息(x,y)转换为与边缘细节点A(x0,y0)的相对距离(x-x0,y-y0)。纹路角度信息转换为与边缘细节点的角度差,这样避免在匹配时随着边缘细节点进行旋转平移运算。
进一步,将采样线段中隔一条纹路中的交点位置信息保存到多参考节点的指纹模板中,目的是为了控制模板大小,同时不影响纹路信息的均匀采集。
进一步,将距离边缘细节点A过远的离散纹路信息不考虑保存到多参考节点的指纹模板中,由于距离边缘细节点A越远的纹路点位置受误差影响偏离越大。
本发明的有益效果:采样线段的布置适应指纹比对时重叠面积比较少的情况,同时可以减少误差引起的干扰。减少纹路信息量,不会造成模板的过度增加。保存的纹路信息是它所在边缘细节点的相对值,避免了匹配中的不必要计算。
附图说明
图1是指纹纹路细化图。
图2是现有纹路采样线布置示意图。
图3是不同的纹路采样线示意图。
图4是本发明的纹路采样线示意图。
具体实施方式
下面结合具体实施例来对本发明进行进一步说明,但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到,本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。
参照图1、图4,一种基于多参考节点的指纹识别方法,其包括:
(1)对指纹纹路细化,提取多个边缘细节点A、图像中心区域的多个细节点B,以边缘细节点A为中心进行采样线段布置获取离散纹路信息,布置步骤如下:
1)计算边缘细节点A处的纹路方向θ;
2)以边缘细节点A为起点,采样方向为α,其中α=θ+45,得第一段采样线段Aa1,第一参考节点a1是采样线段Aa1与边缘细节点A所在纹路后面的第一条纹路的交点;
3)计算第一参考节点a1处纹路的方向θ1,以第一参考节点a1为起点,采样方向α1,其中α1=θ1+45,得到第二段采样线段a1a2,第二参考节点a2是采样线段a1a2与边缘细节点A所在纹路后面的第二条纹路的交点;以此得到整个采样线段Aan;
4)同理计算与边缘细节点A处的纹路方向θ相差135度、225度、315度的另三条采样线段;
(2)将图像中心区域处的多个细节点B、多个边缘细节点A、以及采集到的相应离散纹路信息一起保存到多参考节点指纹模板中;
(3)指纹匹配时,通过采集到的图像中心区域处的多个细节点B的位置方向类型等相关信息、多个边缘细节点A位置方向类型等相关信息以及相应的离散纹路信息进行匹配识别。本发明将布置的四条采样线段与指纹纹路的交点的位置,交点处的方向作为辅助节点信息,与边缘细节点一起作为多参考节点,以作匹配。在指纹匹配时,与图像中心区域的细节点B匹配上,采用传统方法,检查细节点处方向位置类型等相关信息是否匹配上;如果匹配上的两个点都是边缘细节点A,那么采集到的它周边的纹路位置方向也应该是相匹配的,这样可以排除误差,防止认假,同时,如果两边缘细节点A的离散纹路信息吻合度高也可判断出此边缘细节点A是匹配上的,弥补小面积边缘细节点不足或重叠面积不足的情况,提高指纹识别率。
本发明将采集到的离散纹路信息位置信息(x,y)转换为与边缘细节点(x0,y0)的相对距离(x-x0,y-y0),纹路角度信息转换为与边缘细节点的角度差,这样避免在匹配时随着边缘细节点进行旋转平移运算。为了控制模板大小,同时不影响纹路信息的均匀采集,本发明对采样线中隔一条纹路中的交点信息保存到多参考节点的指纹模板中。同时距离边缘细节点越远的纹路点位置受误差影响偏离越大,距离边缘细节点A过远的纹路信息也不考虑保存到多参考节点的指纹模板中。
本发明在指纹纹路细化图1上提取指纹图像细节点以及以边缘细节点为中心的离散纹路信息组成多参考节点,为了减少指纹模板大小,提出当指纹图像细节点比较多的时候只选择靠近纹路边界的细节点进行纹路采样。因为当两幅指纹图像进行比对,重叠面积比较少的情况下,只有靠近边缘处边缘细节点匹配上,在种情况下可以查看边缘细节点的纹路信息是否能匹配上,减少误差。当指纹图像细节较少时也可对所有的细节点进行纹路采样。
采样线的布置见示意图图2,以边缘细节点A为例,以A为圆心360度内取四个方向作为纹路采样线。直线AB为A边缘细节点的方向,很长一段与纹路平行,AB方向相交纹路条数最少,这是不理想的。而AC方向与边缘细节点A方向垂直,相交纹路条数最多,这是最理想的。为了能均匀的采集到纹路的信息,以与边缘细节点A成45度角AF方向、与边缘细节点A成135度方向AI方向、与边缘细节点A成225度方向的AH方向、与边缘细节点A成315度的AG方向,这四个方向作为采样线的方向。当纹路边缘点匹配上且纹路采样线AG、AI位于边缘,与重叠面积小时重叠部分也位于边缘处相一致是符合要求的。直接以边缘细节点A方向成α度角(45度、135度、225度、315度)方向作采样直线的情况,如果计算的边缘细节点A方向不稳定存在误差的情况下,明显采样点存在很大差异。如图3,AC采样线和当边缘细节点方向增加10度时的采样直线Ac,这给后期纹路匹配带进很多误差干扰。见图3的采样线段AB和当边缘细节点方向增加10度时的采样线段Ab,这两次采样点的距离误差明显的低于采样线AC和Ac的距离误差。由此本发明采取了如图4所示的以边缘细节点A为中心的采样线段的布置Aan。以指纹纹路的交点的位置,交点处的方向作为辅助节点信息,与边缘细节点A一起作为多参考节点,采样线段的布置适应指纹比对时重叠面积比较少的情况,同时可以减少误差引起的干扰。减少纹路信息量,不会造成模板的过度增加。保存的纹路信息是它所在边缘细节点的相对值,避免了匹配中的不必要计算。

Claims (3)

1.一种基于多参考节点的指纹识别方法,其包括:
(1)对指纹纹路细化,提取图像边缘区域的多个细节点A,中心区域的多个细节点B,以边缘细节点A为中心进行采样线段布置获取离散纹路信息,布置步骤如下:
1)计算边缘细节点A处的纹路方向θ;
2)以边缘细节点A为起点,采样方向为α,其中α=θ+45度,得第一段采样线段Aa1,第一参考节点a1是采样线段Aa1与边缘细节点A所在纹路后面的第一条纹路的交点;
3)计算第一参考节点a1处纹路的方向θ1,以第一参考节点a1为起点,采样方向α1,其中α1=θ1+45度,得到第二段采样线段a1a2,第二参考节点a2是采样线段a1a2与边缘细节点A所在纹路后面的第二条纹路的交点;以此类推得到整个采样线段Aan;
4)同理计算与边缘细节点A处的纹路方向θ相差135度、225度、315度的另三条采样线段;
(2)将图像中心区域处的多个细节点B、多个边缘细节点A、以及采集到的相应离散纹路信息一起保存到多参考节点指纹模板中;
(3)指纹匹配时,通过采集到的图像中心区域处的多个细节点B相关信息、多个边缘细节点A相关信息以及相应的离散纹路信息进行匹配识别。
2.根据权利要求1所述的一种基于多参考节点的指纹识别方法,其特征在于:将采集到的离散纹路信息位置信息(x,y)转换为与边缘细节点A(x0,y0)的相对地址(x-x0,y-y0)。
3.根据权利要求1或2所述的一种基于多参考节点的指纹识别方法,其特征在于:将采样线段中隔一条纹路的交点位置信息保存到多参考节点的指纹模板中。
CN201710021035.7A 2017-01-12 2017-01-12 一种基于多参考节点的指纹识别方法 Active CN106874851B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710021035.7A CN106874851B (zh) 2017-01-12 2017-01-12 一种基于多参考节点的指纹识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710021035.7A CN106874851B (zh) 2017-01-12 2017-01-12 一种基于多参考节点的指纹识别方法

Publications (2)

Publication Number Publication Date
CN106874851A CN106874851A (zh) 2017-06-20
CN106874851B true CN106874851B (zh) 2019-07-23

Family

ID=59159097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710021035.7A Active CN106874851B (zh) 2017-01-12 2017-01-12 一种基于多参考节点的指纹识别方法

Country Status (1)

Country Link
CN (1) CN106874851B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110839202B (zh) * 2019-11-25 2021-01-26 广东博智林机器人有限公司 定位方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060064710A (ko) * 2004-12-09 2006-06-14 엘지전자 주식회사 지문 인식 방법
CN101539993A (zh) * 2008-03-20 2009-09-23 中国科学院自动化研究所 基于尺寸缩放估算的多采集仪间指纹交叉匹配方法
CN101814131A (zh) * 2009-02-25 2010-08-25 中国科学院自动化研究所 一种增强模糊指纹保险箱安全性的方法
CN103761509A (zh) * 2014-01-03 2014-04-30 甘肃农业大学 基于加密电路的免对齐指纹匹配方法及计算电路
CN104951760A (zh) * 2015-06-12 2015-09-30 南京信息工程大学 一种基于方向场细节点描述子的指纹分类方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060064710A (ko) * 2004-12-09 2006-06-14 엘지전자 주식회사 지문 인식 방법
CN101539993A (zh) * 2008-03-20 2009-09-23 中国科学院自动化研究所 基于尺寸缩放估算的多采集仪间指纹交叉匹配方法
CN101814131A (zh) * 2009-02-25 2010-08-25 中国科学院自动化研究所 一种增强模糊指纹保险箱安全性的方法
CN103761509A (zh) * 2014-01-03 2014-04-30 甘肃农业大学 基于加密电路的免对齐指纹匹配方法及计算电路
CN104951760A (zh) * 2015-06-12 2015-09-30 南京信息工程大学 一种基于方向场细节点描述子的指纹分类方法

Also Published As

Publication number Publication date
CN106874851A (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
US10515259B2 (en) Method and system for determining 3D object poses and landmark points using surface patches
CN108416342B (zh) 一种结合细节点和细线结构的指纹识别方法
CN109724990A (zh) 一种包装盒标签中喷码区域的快速定位与检测方法
CN100414558C (zh) 基于模板学习的自动指纹识别系统和方法
CN103077377B (zh) 基于方向场分布的指纹校正方法
CN106384126B (zh) 基于轮廓曲率特征点和支持向量机的服装款式识别方法
WO2016062159A1 (zh) 图像匹配方法及手机应用测试平台
CN104123534A (zh) 生物识别
CN107066998A (zh) 一种利用移动设备的指针式圆形单仪表盘实时识别方法
CN111693968A (zh) 一种车载三维激光雷达系统外参的系统化标定方法
CN101073090A (zh) 用于虹膜识别的多级可变域分解方法和系统
CN103136525A (zh) 一种利用广义Hough变换的异型扩展目标高精度定位方法
CN111476246B (zh) 应用于复杂环境下指针仪表鲁棒高效智读方法
WO2018176514A1 (zh) 指纹配准方法及装置
TWI522934B (zh) 智慧型手機之陀螺儀感測器車牌辨識系統及其方法
CN107301412B (zh) 一种基于图像处理的指针式仪表读数方法
CN108197564B (zh) 一种画钟试验的评估系统及方法
CN102938147A (zh) 一种基于快速鲁棒特征的低空无人机视觉定位方法
CN109255300A (zh) 票据信息提取方法、装置、计算机设备及存储介质
US20130195365A1 (en) Edge based template matching
CN104966300A (zh) 轴承滚子图像检测系统及方法及图像检测装置
CN106874851B (zh) 一种基于多参考节点的指纹识别方法
CN104680142B (zh) 一种基于特征点集分割和rst不变特征的四联指比对方法
WO2020007323A1 (zh) 商超购物车定位方法、商超购物车定位系统及商超购物车
CN114549400A (zh) 一种图像识别方法及装置

Legal Events

Date Code Title Description
PB01 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