CN107229895A - 指纹注册方法与装置 - Google Patents
指纹注册方法与装置 Download PDFInfo
- Publication number
- CN107229895A CN107229895A CN201610285288.0A CN201610285288A CN107229895A CN 107229895 A CN107229895 A CN 107229895A CN 201610285288 A CN201610285288 A CN 201610285288A CN 107229895 A CN107229895 A CN 107229895A
- Authority
- CN
- China
- Prior art keywords
- template
- feature
- minutia
- fingerprint
- pore
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
- G06V40/1371—Matching 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Input (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种指纹注册方法与装置。提取第一指纹图像的细节特征与汗孔特征,以获得第一模板。提取第二指纹图像的细节特征与汗孔特征,以获得第二模板。计算第一模板的细节特征与第二模板的细节特征之间的细节匹配分数。当细节匹配分数在第一阈值与第二阈值之间时,利用第一模板的汗孔特征与第二模板的汗孔特征之间的匹配关系,以及利用第一模板的细节特征与第二模板的细节特征之间的匹配关系,来缝合、拼接或合成第一模板与第二模板。
Description
技术领域
本发明涉及一种指纹辨识技术,且特别涉及一种指纹注册方法与指纹注册装置。
背景技术
指纹辨识为生物特征辨识系统(Biometric Recognition System)的重要一环。指纹特征区分为三个层级,第一层级(level 1)、第二层级(level 2)与第三层级(level 3)。第一层级为巨观地辨识指纹的整体几何形状(线条的整体形状),例如左漩(left loop)、右漩(right loop)、双漩(double loop)等。第二层级为微观地辨识指纹的线条特征,例如线条的终止(ending)、分岔(bifurcation)、眼(eye)、钩(hook)等。第二层级的线条特征被统称为细节(minutiae)。第三层级为更微观地辨识指纹的线条的细部特征,例如汗孔(pore)等。
为了信息安全,指纹传感器可能被配置在小型电子装置(例如手持式移动电话)中。在指纹注册(Fingerprint enrollment)阶段,已知电子装置依据指纹传感器所单次采集(capture)到的指纹图像来进行指纹注册,以获得经注册的指纹模板(template)。完成指纹注册后,已知电子装置便可以提供指纹验证功能。藉由比对已注册特征以及待测特征的相似程度,判断是否为同一指纹,即为“指纹验证”。指纹验证功能可以应用于边境管制、公民罪犯身份识别、工商居家门禁控制、公共安全、数据存取、移动通信、移动支付或是其他信息安全应用。
指纹传感器可能被配置在小型电子装置(例如手持式移动电话)中。然而,由于小型电子装置的体积/面积的限制,小型电子装置的指纹传感器一般为小面积传感器(Small area sensor)。小面积传感器的感测面积可能小于手指头的面积。小面积传感器所采集到的指纹图像是手指头的部分指纹,致使为经注册的指纹模板的面积很小(亦即,模板的特征点很少)。因为经注册的指纹模板的面积很小,也就是指纹模板的特征点的数量很少,因此常常指纹验证失败。使用者需要相当精确命中原始注册时的按压区域,才能使指纹验证成功。再者,由于指纹模板的特征点的数量很少,因此安全性随之降低。
发明内容
本发明提供一种指纹注册(Fingerprint enrollment)方法与装置,在注册时自动缝合多个指纹图像以加大模板面积,进而增加模板的特征点的数量。
本发明的实施例提供一种指纹注册方法。所述指纹注册方法包括:经由指纹传感器采集(capture)第一指纹图像与第二指纹图像;提取(extracting)第一指纹图像的细节特征与汗孔特征,以获得第一模板(template);提取第二指纹图像的细节特征与汗孔特征,以获得第二模板;以及计算第一模板的细节特征与第二模板的细节特征之间的细节匹配分数(Minutiae matchingscore)。当细节匹配分数大于第一阈值时,利用第一模板的细节特征与第二模板的细节特征之间的匹配关系来缝合第一模板与第二模板。当细节匹配分数在第一阈值与第二阈值之间时,利用第一模板的汗孔特征与第二模板的汗孔特征之间的匹配关系,以及利用第一模板的细节特征与第二模板的细节特征之间的匹配关系,来缝合第一模板与第二模板。其中,第二阈值小于第一阈值。
本发明的实施例提供一种指纹注册装置。所述指纹注册装置包括指纹传感器、特征提取电路以及特征缝合电路。指纹传感器用以采集第一指纹图像与第二指纹图像。特征提取电路耦接至指纹传感器,以接收第一指纹图像与第二指纹图像。特征提取电路可以提取第一指纹图像的细节特征与汗孔特征,以获得第一模板。特征提取电路可以提取第二指纹图像的细节特征与汗孔特征,以获得第二模板。特征缝合电路耦接至特征提取电路,以接收第一模板与第二模板。特征缝合电路可以计算第一模板的细节特征与第二模板的细节特征之间的细节匹配分数。当细节匹配分数大于第一阈值时,特征缝合电路可以利用第一模板的细节特征与第二模板的细节特征之间的匹配关系来缝合第一模板与第二模板。当细节匹配分数在第一阈值与第二阈值之间时,特征缝合电路可以利用第一模板的汗孔特征与第二模板的汗孔特征之间的匹配关系,以及利用第一模板的细节特征与第二模板的细节特征之间的匹配关系,来缝合第一模板与第二模板。其中,第二阈值小于第一阈值。
基于上述,本发明实施例所述指纹注册方法与指纹注册装置可以经由指纹传感器对同一个指头采集用于指纹注册的多张指纹图像。在注册时,指纹注册装置的特征缝合电路可以自动缝合(stitching)、拼接(Mosaicking)或合成(Synthesis)多张指纹图像所对应的多个模板,以加大模板面积,进而增加经注册模板的特征点的数量。
为让本发明的上述特征和优点能更明显易懂,下文特举实施例,并配合附图作详细说明如下。
附图说明
图1是依照本发明实施例说明一种指纹注册装置的电路方块示意图。
图2是依照本发明一实施例说明一种指纹注册方法的流程示意图。
图3是依照本发明实施例说明采集指纹图像与提取特征的范例示意图。
图4是依照本发明实施例说明细节匹配分数与缝合方式的关系示意图。
图5是依照本发明实施例说明模板集合的特征覆盖范围的情境示意图。
图6是依照本发明另一实施例说明一种指纹注册方法的流程示意图。
图7是依照本发明又一实施例说明一种指纹注册方法的流程示意图。
【符号说明】
100:指纹注册装置
110:指纹传感器
120:特征提取电路
130:特征缝合电路
140:数据库
310:手指
I:指纹图像集合
I1、Ij-1、Ij:指纹图像
S210~S280、S610~S647、S710~S780:步骤
Smm:细节匹配分数
{T}:模板集合
t1=F(E(I1)):算法,其中E()为图像强化算法,F()为特征提取算法
t1、t2、t3、t4、tj:模板
TH1:第一阈值
TH2:第二阈值
具体实施方式
在本申请说明书全文(包括权利要求书)中所使用的“耦接(或连接)”一词可指任何直接或间接的连接手段。举例而言,若文中描述第一装置耦接(或连接)于第二装置,则应该被解释成该第一装置可以直接连接于该第二装置,或者该第一装置可以通过其他装置或某种连接手段而间接地连接至该第二装置。另外,凡可能之处,在图式及实施方式中使用相同标号的元件/构件/步骤代表相同或类似部分。不同实施例中使用相同标号或使用相同用语的元件/构件/步骤可以相互参照相关说明。
图1是依照本发明实施例说明一种指纹注册(Fingerprint enrollment)装置100的电路方块示意图。指纹注册装置100包括指纹传感器110、特征提取电路120、特征缝合电路130以及数据库140。数据库140可以是易失性(volatile)存储介质或非易失性(non-volatile)存储介质。举例来说,数据库140可以是磁带(magnetic tapes)、半导体(semiconductors)存储器、磁碟(magnetic disks)、光盘(compact disks,例如CD-RAM或DVD-RAM)或其他存储介质。所述半导体存储器可以包括动态随机存取存储器(DYNAMICRANDOM ACCESS MEMORY,DRAM)、静态随机存取存储器(STAICRANDOM ACCESS MEMORY,SRAM)、电子可抹除可编程只读存储器(ELECTRICALLY ERASABLE PROGRAMMABLE READ ONLYMEMORY,EEPROM)、快闪存储器(FLASH MEMORY)或是其他类型的存储器。
图2是依照本发明一实施例说明一种指纹注册方法的流程示意图。通过采集装置(例如指纹传感器110)取得指纹图像,经过强化后得到良好的纹路信息,分析其中的纹路特性并标记纹路上的特征,将此特征记录下来,即为“指纹注册”。当使用者将其手指置放在指纹传感器110上时,指纹传感器110在步骤S210中可以采集手指的第一指纹图像。当使用者将其手指离开指纹传感器110后又再一次将相同手指置放在指纹传感器110上时,指纹传感器110在步骤S210中还可以采集相同手指的第二指纹图像。基于使用者的对其手指的操作,此第一指纹图像可能不同于第二指纹图像。依照设计需求,指纹传感器110可以是光学式传感器、电容式传感器或是其他类型的传感器。在此以两个指纹图像作为说明范例,但本实施例不应受限于此。举例来说,指纹传感器110在步骤S210中可以在不同时间点采集相同手指的三个或更多个指纹图像。本领域技术人员可以依据下述关于特征提取电路120、特征缝合电路130的相关说明,而将对两个指纹图像的处理而类推至对三个或更多个指纹图像的处理。
特征提取电路120耦接至指纹传感器110,以接收第一指纹图像与第二指纹图像。特征提取电路120在步骤S220中可以提取第一指纹图像的细节(minutiae)特征与汗孔(pore)特征,以获得第一模板(template)。特征提取电路120在步骤S220中还可以提取第二指纹图像的细节特征与汗孔特征,以获得第二模板。本实施例不限定用来从指纹图像提取细节特征与汗孔特征的运算方法(算法)。举例来说,在一些实施例中,特征提取电路120在步骤S220中可以运用已知的图像处理/辨识技术,来从指纹图像提取出细节特征与汗孔特征。
图3是依照本发明实施例说明采集指纹图像与提取特征的范例示意图。请参照图1、图2与图3,当使用者多次将其手指310置放在指纹传感器110上时,指纹传感器110在步骤S210中可以采集手指310的多个指纹图像I1、…、Ij-1、Ij。在此将这些指纹图像I1~Ij称为指纹图像集合I。特征提取电路120在步骤S220中可以执行算法{T}=F(E(I)),以便提取指纹图像集合I中不同指纹图像I1~Ij的细节特征与汗孔特征,进而获得多个模板t1、t2、t3、t4、…、tj。在此将这些模板t1~tj称为模板集合{T}。举例来说,特征提取电路120可以执行算法t1=F(E(I1)),以便提取纹图像I1的细节特征与汗孔特征,进而获得模板t1。其中,E(I1)表示特征提取电路120对指纹图像I1进行预处理,例如图像增强(image enhancement)和/或其他图像处理算法(例如已知的图像处理算法)。F(E(I1))表示特征提取电路120对经过预处理的指纹图像E(I1)进行特征提取,例如已知的特征提取算法。
请参照图1与图2,特征缝合电路130耦接至特征提取电路120,以接收第一模板与第二模板。特征缝合电路130在步骤S230中可以计算第一模板的细节特征与第二模板的细节特征之间的细节匹配分数(Minutiae matchingscore)Smm。本实施例不限定细节匹配分数Smm的计算方法(算法)。举例来说,在一些实施例中,步骤S230可以利用动态查表算法(dynamic-programming algorithm)找出第一模板的细节特征与第二模板的细节特征之间的最小的编辑距离(edit distance),再根据此时两组间吻合的指纹特征数,来计算细节匹配分数Smm。在其他实施例中,特征提取电路120在步骤S220中可以运用已知的算法来计算细节匹配分数Smm。一般而言,二个模板之间的可匹配细节特征越多,细节匹配分数Smm越高。
图4是依照本发明实施例说明细节匹配分数Smm与缝合方式的关系示意图。请参照图1、图2与图4,步骤S240可以比较细节匹配分数Smm是否大于第一阈值TH1。第一阈值TH1可依照设计需求来设定。当细节匹配分数Smm大于第一阈值TH1时,特征缝合电路130执行步骤S250。在步骤S250中,特征缝合电路130利用第一模板的细节特征与第二模板的细节特征之间的匹配关系,来缝合(stitching)、拼接(Mosaicking)或合成(Synthesis)第一模板与第二模板。相较于汗孔特征(第三层级特征),细节特征(第二层级特征)不易受噪声影响。在二个模板之间的可匹配细节特征足够多的情况下,特征缝合电路130可以只利用细节特征的匹配关系来缝合二个模板。
当步骤S240判断细节匹配分数Smm小于第一阈值TH1时,特征缝合电路130执行步骤S260。步骤S260可以比较细节匹配分数Smm是否小于第二阈值TH2。第二阈值TH2可依照设计需求来设定,其中第二阈值TH2小于第一阈值TH1。当细节匹配分数Smm大于第二阈值TH2时,特征缝合电路130执行步骤S270。当细节匹配分数Smm小于第二阈值TH2时,特征缝合电路130执行步骤S280。
当细节匹配分数Smm在第一阈值TH1与第二阈值TH2之间时,特征缝合电路130执行步骤S270。在步骤S270中,特征缝合电路130利用第一模板的汗孔特征与第二模板的汗孔特征之间的匹配关系,以及利用第一模板的细节特征与第二模板的细节特征之间的匹配关系,来缝合、拼接或合成第一模板与第二模板。小面积的指纹传感器110有可能无法取得足够数量的细节特征(第二层级特征)。然而,对于真手指而言,汗孔特征(第三层级特征)的数量通常多于细节特征(第二层级特征)。在此说明,当细节特征(第二层级特征)的数量不够的情况下,汗孔特征(第三层级特征)的信息可被用来提高模板缝合的正确性。在细节匹配分数Smm落于第一阈值TH1与第二阈值TH2之间的情况下,特征缝合电路130可以利用细节特征的匹配关系加上汗孔特征的匹配关系来缝合二个模板。
当细节匹配分数Smm小于第二阈值TH2时,特征缝合电路130执行步骤S280。在步骤S280中,特征缝合电路130利用该第一模板的汗孔特征与第二模板的汗孔特征之间的匹配关系,来缝合、拼接或合成第一模板与第二模板。对于真手指而言,汗孔特征(第三层级特征)的数量通常多于细节特征(第二层级特征)的数量。在细节特征(第二层级特征)的数量严重不足的情况下,特征缝合电路130可以只利用汗孔特征(第三层级特征)的匹配关系来缝合二个模板。
在一些实施例中,特征缝合电路130在步骤S280可以依照第一模板的汗孔特征与第二模板的汗孔特征之间的匹配关系,从第一模板的多个汗孔特征中选择至少一个匹配汗孔特征以及从第二模板的多个汗孔特征中选择至少一个匹配汗孔特征。依照第一模板的所述匹配汗孔特征以及第二模板的所述匹配汗孔特征,特征缝合电路130在步骤S280可以将第一模板从第一模板的坐标空间转换至第二模板的坐标空间,以将第一模板缝合至第二模板。在将第一模板缝合至第二模板后,特征缝合电路130在步骤S280可以从模板集合{T}删除第一模板。本实施例并不限制步骤S280所采用的坐标空间转换方法(算法)。举例来说,在一些实施例中,步骤S280可能采用“指纹的刚体形变”算法,例如在特征点之间以最小二乘法进行坐标空间转换。在另一些实施例中,步骤S280可能采用“指纹的弹性形变”算法。因皮肤非刚体,每次按压手指时皆可能有弹性变形。指纹的弹性形变可由非刚体坐标转换来描述及计算。例如,步骤S280可采用薄板样条(Thin Plate Spline,TPS)函数或迭代最近点(Iterative Closest Point,ICP)函数,以将第一模板从第一模板的坐标空间转换至第二模板的坐标空间。所述薄板样条(TPS)函数与迭代最近点(ICP)函数为已知技术,故不再赘述。特征缝合电路130可以考虑指纹变形所产生的特征位置偏移,以降低误差的累绩,提高辨识正确率。
基于上述,本发明实施例所述指纹注册方法与指纹注册装置100可以经由指纹传感器110对同一个指头采集多张指纹图像,以便进行指纹注册。在注册时,指纹注册装置100的特征缝合电路130可以从模板集合{T}的多个模板t1~tj中选择任二个模板,以及执行步骤S250、步骤S270或步骤S280来尝试缝合所述经选择的二个模板。一旦缝合成功,所述经选择的二个模板便被合成为一个较大面积的模板,此即为指纹模板合成(Fingerprint TemplateSynthesis)。结合多次采集到的模板来增加模板面积,进而增加信息量(特征点的数量)。因此,指纹注册装置100可以通过特征缝合来增加特征覆盖范围。
当特征缝合电路130已经无法从模板集合{T}的多个模板t1~tj中找到可被缝合的二个模板时,表示缝合操作已经结束。缝合操作结束后,模板集合{T}可能存在多个模板。特征缝合电路130可以将此存在多个模板的模板集合{T}存放在数据库140,此即为多模板指纹注册(Multi-Template FingerprintEnrolling)。在一些实施例中,在将此模板集合{T}存放至数据库140之前,特征缝合电路130还可以检查模板集合{T}的多个模板的特征点数量。若模板集合{T}的这些模板中的某一个模板的特征点数量少于某一阈值,则特征缝合电路130可以从模板集合{T}移除所述某一个模板,以增进系统的信息安全。所述某一阈值可以视设计需求来决定。
图5是依照本发明实施例说明模板集合{T}的特征覆盖范围的情境示意图。图5所示模板集合{T}包含经缝合后的多个模板t1、t2、t3与t4。这些模板t1~t4各自经由上述缝合操作而被合成为较大面积的模板。举例来说,图5所示模板t4是由三个单元模板缝合而成。如图5所示,模板集合{T}的这些模板t1~t4各自覆盖于手指310的不同区域,增加指纹信息量(特征点的数量)。因此,指纹注册装置100可以在采用小面积传感器(Small area sensor)的情况下,提升指纹验证成功率。
图6是依照本发明另一实施例说明一种指纹注册方法的流程示意图。当使用者将其手指310置放在指纹传感器110上时,指纹传感器110在步骤S610中可以采集手指的指纹图像。图6所示步骤S610可以参照图2所示步骤S210的相关说明而类推,故不再赘述。特征提取电路120在步骤S620中可以对指纹图像进行预处理。本实施例不限定所述预处理的运算方法(算法)。举例来说,在一些实施例中,特征提取电路120在步骤S620中可以运用图像增强(image enhancement)和/或其他图像处理算法(例如已知的图像处理算法)来对指纹图像进行预处理。特征提取电路120在步骤S630中可以提取经预处理后的指纹图像的细节特征,以获得模板。本实施例不限定用来从指纹图像提取细节特征的运算方法(算法)。举例来说,在一些实施例中,特征提取电路120在步骤S630中可以运用已知的图像处理/辨识技术,来从指纹图像提取出细节特征。图6所示步骤S620与步骤S630可以参照图2所示步骤S220的相关说明而类推,故不再赘述。特征缝合电路130在步骤S640中利用第一模板的细节特征与第二模板的细节特征之间的匹配关系,来缝合、拼接或合成第一模板与第二模板。图6所示步骤S640可以参照图2所示步骤S250的相关说明而类推,和/或是图2所示步骤S250可以参照图6所示步骤S640的相关说明而类推。
在图6所示实施例中,步骤S640包括子步骤S641~S647。步骤S641可以判断模板集合{T}中是否存在可以被缝合的第一模板与第二模板。当模板集合{T}中存在可以被缝合的第一模板与第二模板时,特征缝合电路130执行步骤S642。在步骤S642中,依照第一模板的细节特征与第二模板的细节特征之间的匹配关系,特征缝合电路130从第一模板的多个细节特征中选择至少一个匹配细节特征,以及从第二模板的多个细节特征中选择至少一个匹配细节特征。
在步骤S643中,依照第一模板的匹配细节特征以及第二模板的匹配细节特征,特征缝合电路130可以将第一模板从第一模板的坐标空间转换至第二模板的坐标空间。本实施例并不限制步骤S643所采用的坐标空间转换方法(算法)。举例来说,在一些实施例中,步骤S643可能采用“指纹的刚体形变”算法,例如在特征点之间以最小二乘法进行坐标空间转换。在另一些实施例中,步骤S643可能采用“指纹的弹性形变”算法。因皮肤非刚体,每次按压手指时皆可能有弹性变形。指纹的弹性形变可由非刚体坐标转换来描述及计算。例如,步骤S643可采用薄板样条(TPS)函数或迭代最近点(ICP)函数,以将第一模板从第一模板的坐标空间转换至第二模板的坐标空间。所述薄板样条(TPS)函数与迭代最近点(ICP)函数为已知技术,故不再赘述。特征缝合电路130可以考虑指纹变形所产生的特征位置偏移,以降低误差的累绩,提高辨识正确率。
在步骤S644中,特征缝合电路130可以将第一模板缝合至第二模板。在将第一模板缝合至第二模板后,特征缝合电路130可在模板集合{T}中删除第一模板。完成步骤S644后,特征缝合电路130可以再一次执行步骤S641,以判断模板集合{T}中是否存在可以被缝合的二个模板。当步骤S641判断模板集合{T}中没有可以被缝合的模板时,特征缝合电路130执行步骤S645。
在步骤S645中,特征缝合电路130将步骤S630所提供的新模板加入模板集合{T}中(因为此新模板不能被缝合至模板集合{T}中的任何模板)。在步骤S646中,特征缝合电路130可以检查模板集合{T}中所有模板的特征点的数量是否足够。若步骤S646判断模板集合{T}中的特征点的数量小于某一阈值,则指纹注册装置100可以回到步骤S610,以提示使用者将其手指310离开指纹传感器110后又再一次将相同手指310置放在指纹传感器110上,进而使特征缝合电路130可以再一次获得新的模板。所述某一阈值可以依照设计需求来决定。若步骤S646判断模板集合{T}中的特征点的数量大于所述某一阈值,则特征缝合电路130执行步骤S647,以便将模板集合{T}加入数据库140中。完成步骤S647后,即完成“指纹注册”。
图7是依照本发明又一实施例说明一种指纹注册方法的流程示意图。图7所示步骤S710~S780可以被视为图2所示步骤S270的子步骤。图7所示实施例可以参照图2所示步骤S270的相关说明而类推,和/或是图2所示步骤S270可以参照图7所示实施例的相关说明而类推。
请参照图7,特征缝合电路130可以在步骤S710中计算第一模板的汗孔特征与第二模板的汗孔特征之间的可匹配汗孔特征数量Mp。依照设计需求,步骤S710可以采用弹性比对(elastic matching)方法、定位为基础的匹配算法(alignment-based matching algorithm)或是其他已知的算法来计算二个模板之间的可匹配的汗孔特征的数量Mp。步骤S720可以判断可匹配汗孔特征数量Mp是否大于特征数量阈值THf2。所述特征数量阈值THf2可以依照设计需求来决定。在图7所示实施例中,所述特征数量阈值THf2可以被设定为0。在另一些实施例中,所述特征数量阈值THf2可以被设定为其他整数。当步骤S720判断可匹配汗孔特征数量Mp小于特征数量阈值THf2时,特征缝合电路130进行步骤S730(不缝合第一模板与第二模板,并同时保留第一模板与第二模板在模板集合{T}中)。当步骤S720判断可匹配汗孔特征数量Mp大于特征数量阈值THf2时,特征缝合电路130进行步骤S750。
特征缝合电路130可以在步骤S740中计算第一模板的细节特征与第二模板的细节特征之间的可匹配细节特征数量Mm。依照设计需求,步骤S740可以采用弹性比对方法、定位为基础的匹配算法或是其他已知的算法来计算二个模板之间的可匹配细节特征数量Mm。特征缝合电路130可以在步骤S750中计算可匹配细节特征数量Mm与可匹配汗孔特征数量Mp的总和M。步骤S760可以判断总和M是否大于特征数量阈值THf1。所述特征数量阈值THf1可以依照设计需求来决定。当步骤S760判断可匹配细节特征数量Mm与可匹配汗孔特征数量Mp的总和M小于特征数量阈值THf1时,特征缝合电路130进行步骤S730(不缝合第一模板与第二模板,并同时保留第一模板与第二模板在模板集合{T}中)。
当步骤S760判断可匹配细节特征数量Mm与可匹配汗孔特征数量Mp的总和M大于特征数量阈值THf1时,特征缝合电路130进行步骤S770。步骤S770将第一模板从第一模板的坐标空间转换至第二模板的坐标空间。本实施例并不限制步骤S770所采用的坐标空间转换方法(算法)。举例来说,在一些实施例中,步骤S770可能采用“指纹的刚体形变”算法,例如在特征点之间以最小二乘法进行坐标空间转换。在另一些实施例中,步骤S770可能采用“指纹的弹性形变”算法。指纹的弹性形变可由非刚体坐标转换来描述及计算。例如,步骤S770可采用薄板样条(TPS)函数或迭代最近点(ICP)函数,以将第一模板从第一模板的坐标空间转换至第二模板的坐标空间。所述薄板样条(TPS)函数与迭代最近点(ICP)函数为已知技术,故不再赘述。特征缝合电路130可以考虑指纹变形所产生的特征位置偏移,以降低误差的累绩,提高辨识正确率。在步骤S780中,特征缝合电路130可以将第一模板缝合至第二模板。在将第一模板缝合至第二模板后,特征缝合电路130可以在模板集合{T}中删除第一模板。
值得注意的是,在不同的应用情境中,特征提取电路120、特征缝合电路130和/或数据库140的相关功能可以利用一般的编程语言(programminglanguages,例如C或C++)、硬件描述语言(hardware description languages,例如Verilog HDL或VHDL)或其他合适的编程语言来实现为软件、固件或硬件。可执行所述相关功能的软件(或固件)可以被布置在任何已知的计算机可存取介质(computer-accessible medias),例如磁带(magnetic tapes)、半导体(semiconductors)存储器、磁盘或光盘(例如CD-ROM或DVD-ROM),或者可通过互联网(Internet)、有线通信(wired communication)、无线通信(wireless communication)或其它通信介质传送所述软件(或固件)。所述软件(或固件)可以被存放在计算机的可存取介质中,以便于由计算机的处理器来存取/执行所述软件(或固件)的编程码(programming codes)。另外,本发明的装置和方法可以通过硬件和软件的组合来实现。
综上所述,本发明诸实施例所述指纹注册方法与指纹注册装置100可以经由指纹传感器110对同一个指头采集用于指纹注册的多张指纹图像。在注册时,指纹注册装置100的特征缝合电路130可以动态地使用指纹第二层级特征和/或第三层级特征来自动缝合(stitching)、拼接(Mosaicking)或合成(Synthesis)多张指纹图像所对应的多个模板,以加大模板面积,进而增加经注册模板的特征点的数量。经由缝合多组特征区域(单元模板)来加大模板面积,以提高验证时手指按压的自由度,因而有较佳的体验。再者,指纹注册装置100可以同时注册多个模板数据。因此本发明诸实施例所述指纹注册方法与指纹注册装置100可以采用小面积指纹传感器。注册完成的多组特征区域缝合,可以提供验证时较好的等错误率(Equal Error Rate,EER)、错误匹配率(False Match Rate,FMR)与不匹配率(False Non-Match Rate,FNMR)。
上述EER主要用于评价指纹算法整体效能的指标。FMR是用来评估指纹识别算法性能的最重要索引标记(index mark)之一。可以通俗的理解为“把不应该匹配的指纹当成匹配的指纹”的概率。FNMR可以通俗的理解为“把应该相互匹配成功的指纹当成不能匹配的指纹”的概率。一般希望FMR与FNMR都越小越好。FMR是随着相似性阈值(similarity threshold)增大而减小的,FNMR是随着相似性阈值增大而增大的,因此FMR与FNMR一定有交点。这个交点是在某个相似性阈值下的FMR与FNMR等值的点。习惯上用这一点的值(即EER值)来衡量算法的综合性能。
虽然本发明已以实施例公开如上,然其并非用以限定本发明,本领域技术人员在不脱离本发明的精神和范围内,当可作些许的更动与润饰,故本发明的保护范围当视所附权利要求书界定范围为准。
Claims (16)
1.一种指纹注册方法,其特征在于,所述指纹注册方法包括:
经由指纹传感器采集第一指纹图像与第二指纹图像;
提取该第一指纹图像的细节特征与汗孔特征,以获得第一模板;
提取该第二指纹图像的细节特征与汗孔特征,以获得第二模板;
计算该第一模板的细节特征与该第二模板的细节特征之间的细节匹配分数;
当该细节匹配分数大于第一阈值时,利用该第一模板的该细节特征与该第二模板的该细节特征之间的匹配关系来缝合该第一模板与该第二模板;以及
当该细节匹配分数在该第一阈值与第二阈值之间时,利用该第一模板的汗孔特征与该第二模板的汗孔特征之间的匹配关系,以及利用该第一模板的该细节特征与该第二模板的该细节特征之间的匹配关系,来缝合该第一模板与该第二模板,其中该第二阈值小于该第一阈值。
2.如权利要求1所述的指纹注册方法,其特征在于,所述利用该第一模板的该细节特征与该第二模板的该细节特征之间的匹配关系来缝合该第一模板与该第二模板的步骤包括:
依照该第一模板的该细节特征与该第二模板的该细节特征之间的匹配关系,从该第一模板的该细节特征选择至少一个匹配细节特征以及从该第二模板的该细节特征选择至少一个匹配细节特征;
依照该第一模板的该匹配细节特征以及该第二模板的该匹配细节特征,将该第一模板从该第一模板的坐标空间转换至该第二模板的坐标空间,以将该第一模板缝合至该第二模板;以及
在将该第一模板缝合至该第二模板后,删除该第一模板。
3.如权利要求1所述的指纹注册方法,其特征在于,所述利用该第一模板的汗孔特征与该第二模板的汗孔特征之间的匹配关系,以及利用该第一模板的该细节特征与该第二模板的该细节特征之间的匹配关系,来缝合该第一模板与该第二模板的步骤包括:
计算该第一模板的该细节特征与该第二模板的该细节特征之间的可匹配细节特征数量;
计算该第一模板的该汗孔特征与该第二模板的该汗孔特征之间的可匹配汗孔特征数量;
当该可匹配细节特征数量与该可匹配汗孔特征数量的总和大于第一特征数量阈值时,将该第一模板从该第一模板的坐标空间转换至该第二模板的坐标空间,以将该第一模板缝合至该第二模板;以及
在将该第一模板缝合至该第二模板后,删除该第一模板。
4.如权利要求3所述的指纹注册方法,其特征在于,所述指纹注册方法还包括:
当该可匹配细节特征数量与该可匹配汗孔特征数量的该总和小于该第一特征数量阈值时,不缝合该第一模板与该第二模板,并同时保留该第一模板与该第二模板。
5.如权利要求3所述的指纹注册方法,其特征在于,所述指纹注册方法还包括:
当该可匹配汗孔特征数量小于第二特征数量阈值时,不缝合该第一模板与该第二模板,并同时保留该第一模板与该第二模板。
6.如权利要求3所述的指纹注册方法,其特征在于,所述将该第一模板从该第一模板的坐标空间转换至该第二模板的坐标空间的步骤包括:
使用薄板样条函数或迭代最近点函数,以将该第一模板从该第一模板的坐标空间转换至该第二模板的坐标空间。
7.如权利要求1所述的指纹注册方法,其特征在于,所述指纹注册方法还包括:
当该细节匹配分数小于该第二阈值时,利用该第一模板的该汗孔特征与该第二模板的该汗孔特征之间的匹配关系来缝合该第一模板与该第二模板。
8.如权利要求7所述的指纹注册方法,其特征在于,所述利用该第一模板的该汗孔特征与该第二模板的该汗孔特征之间的匹配关系来缝合该第一模板与该第二模板的步骤包括:
依照该第一模板的该汗孔特征与该第二模板的该汗孔特征之间的匹配关系,从该第一模板的该汗孔特征选择至少一个匹配汗孔特征以及从该第二模板的该汗孔特征选择至少一个匹配汗孔特征;
依照该第一模板的该匹配汗孔特征以及该第二模板的该匹配汗孔特征,将该第一模板从该第一模板的坐标空间转换至该第二模板的坐标空间,以将该第一模板缝合至该第二模板;以及
在将该第一模板缝合至该第二模板后,删除该第一模板。
9.一种指纹注册装置,其特征在于,所述指纹注册装置包括:
指纹传感器,用以采集第一指纹图像与第二指纹图像;
特征提取电路,耦接至该指纹传感器以接收该第一指纹图像与该第二指纹图像,用以提取该第一指纹图像的细节特征与汗孔特征以获得第一模板,以及提取该第二指纹图像的细节特征与汗孔特征以获得第二模板;以及
特征缝合电路,耦接至该特征提取电路以接收该第一模板与该第二模板,用以计算该第一模板的细节特征与该第二模板的细节特征之间的细节匹配分数,其中当该细节匹配分数大于第一阈值时,该特征缝合电路利用该第一模板的该细节特征与该第二模板的该细节特征之间的匹配关系来缝合该第一模板与该第二模板,以及当该细节匹配分数在该第一阈值与第二阈值之间时,利用该第一模板的汗孔特征与该第二模板的汗孔特征之间的匹配关系,以及利用该第一模板的该细节特征与该第二模板的该细节特征之间的匹配关系,来缝合该第一模板与该第二模板,其中该第二阈值小于该第一阈值。
10.如权利要求9所述的指纹注册装置,其特征在于,该特征缝合电路依照该第一模板的该细节特征与该第二模板的该细节特征之间的匹配关系,从该第一模板的该细节特征选择至少一个匹配细节特征以及从该第二模板的该细节特征选择至少一个匹配细节特征;依照该第一模板的该匹配细节特征以及该第二模板的该匹配细节特征,该特征缝合电路将该第一模板从该第一模板的坐标空间转换至该第二模板的坐标空间,以将该第一模板缝合至该第二模板;以及在将该第一模板缝合至该第二模板后,该特征缝合电路删除该第一模板。
11.如权利要求9所述的指纹注册装置,其特征在于,该特征缝合电路计算该第一模板的该细节特征与该第二模板的该细节特征之间的可匹配细节特征数量;该特征缝合电路计算该第一模板的该汗孔特征与该第二模板的该汗孔特征之间的可匹配汗孔特征数量;当该可匹配细节特征数量与该可匹配汗孔特征数量的总和大于第一特征数量阈值时,该特征缝合电路将该第一模板从该第一模板的坐标空间转换至该第二模板的坐标空间,以将该第一模板缝合至该第二模板;以及在将该第一模板缝合至该第二模板后,该特征缝合电路删除该第一模板。
12.如权利要求11所述的指纹注册装置,其特征在于,当该可匹配细节特征数量与该可匹配汗孔特征数量的该总和小于该第一特征数量阈值时,该特征缝合电路不缝合该第一模板与该第二模板,并同时保留该第一模板与该第二模板。
13.如权利要求11所述的指纹注册装置,其特征在于,当该可匹配汗孔特征数量小于第二特征数量阈值时,该特征缝合电路不缝合该第一模板与该第二模板,并同时保留该第一模板与该第二模板。
14.如权利要求11所述的指纹注册装置,其特征在于,该特征缝合电路使用薄板样条函数或迭代最近点函数,以将该第一模板从该第一模板的坐标空间转换至该第二模板的坐标空间。
15.如权利要求9所述的指纹注册装置,其特征在于,当该细节匹配分数小于该第二阈值时,该特征缝合电路利用该第一模板的该汗孔特征与该第二模板的该汗孔特征之间的匹配关系来缝合该第一模板与该第二模板。
16.如权利要求15所述的指纹注册装置,其特征在于,该特征缝合电路依照该第一模板的该汗孔特征与该第二模板的该汗孔特征之间的匹配关系,从该第一模板的该汗孔特征选择至少一个匹配汗孔特征以及从该第二模板的该汗孔特征选择至少一个匹配汗孔特征;依照该第一模板的该匹配汗孔特征以及该第二模板的该匹配汗孔特征,该特征缝合电路将该第一模板从该第一模板的坐标空间转换至该第二模板的坐标空间,以将该第一模板缝合至该第二模板;以及在将该第一模板缝合至该第二模板后,该特征缝合电路删除该第一模板。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/080,599 | 2016-03-25 | ||
US15/080,599 US9773147B1 (en) | 2016-03-25 | 2016-03-25 | Fingerprint enrollment method and apparatus using the same |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107229895A true CN107229895A (zh) | 2017-10-03 |
CN107229895B CN107229895B (zh) | 2019-08-16 |
Family
ID=59886884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610285288.0A Active CN107229895B (zh) | 2016-03-25 | 2016-05-03 | 指纹注册方法与装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9773147B1 (zh) |
CN (1) | CN107229895B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107025419B (zh) * | 2016-01-29 | 2020-11-10 | 北京小米移动软件有限公司 | 指纹模板录入方法及装置 |
JP7330020B2 (ja) * | 2019-09-02 | 2023-08-21 | 株式会社東芝 | 携帯可能電子装置、icカード及びプログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1506903A (zh) * | 2002-12-06 | 2004-06-23 | 中国科学院自动化研究所 | 基于模板学习的自动指纹识别系统和方法 |
CN101777128A (zh) * | 2009-11-25 | 2010-07-14 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及系统 |
TW201523456A (zh) * | 2013-12-05 | 2015-06-16 | Egis Technology Inc | 指紋辨識方法及其裝置 |
CN104765463A (zh) * | 2015-03-26 | 2015-07-08 | 深圳市亚略特生物识别科技有限公司 | 控制组件及电子设备 |
CN105447437A (zh) * | 2015-02-13 | 2016-03-30 | 比亚迪股份有限公司 | 指纹识别方法和装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6795569B1 (en) | 1999-05-11 | 2004-09-21 | Authentec, Inc. | Fingerprint image compositing method and associated apparatus |
KR100613697B1 (ko) | 2003-07-18 | 2006-08-21 | 학교법인연세대학교 | 손가락의 슬라이딩/롤링에 따른 지문영상획득방법 |
US20100232659A1 (en) * | 2009-03-12 | 2010-09-16 | Harris Corporation | Method for fingerprint template synthesis and fingerprint mosaicing using a point matching algorithm |
CN104303209B (zh) * | 2012-05-18 | 2017-05-17 | 日本电气方案创新株式会社 | 指纹脊线图像合成系统及指纹脊线图像合成方法 |
US20140003681A1 (en) | 2012-06-29 | 2014-01-02 | Apple Inc. | Zero Enrollment |
CN103136517B (zh) | 2013-03-04 | 2015-11-11 | 杭州景联文科技有限公司 | 一种基于关键列选择的滚动指纹图像序列实时拼接方法 |
US9734379B2 (en) * | 2014-09-03 | 2017-08-15 | Fingerprint Cards Ab | Guided fingerprint enrollment |
KR20160133514A (ko) * | 2014-09-26 | 2016-11-22 | 선전 후이딩 테크놀로지 컴퍼니 리미티드 | 지문 센서 |
US9390311B2 (en) * | 2014-10-16 | 2016-07-12 | NanoGate Biometric Inc. | Fingerprint identification method |
SE1451336A1 (en) * | 2014-11-07 | 2016-05-08 | Fingerprint Cards Ab | Enrolling templates for biometric authentication |
US9971928B2 (en) * | 2015-02-27 | 2018-05-15 | Qualcomm Incorporated | Fingerprint verification system |
KR102396514B1 (ko) * | 2015-04-29 | 2022-05-11 | 삼성전자주식회사 | 지문 정보 처리 방법 및 이를 지원하는 전자 장치 |
DE102016005636A1 (de) * | 2015-06-08 | 2016-12-22 | Cross Match Technologies, Inc. | Transformierte Repräsentation für Fingerabdruckdaten mit hoher Erkennungsgenauigkeit |
-
2016
- 2016-03-25 US US15/080,599 patent/US9773147B1/en active Active
- 2016-05-03 CN CN201610285288.0A patent/CN107229895B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1506903A (zh) * | 2002-12-06 | 2004-06-23 | 中国科学院自动化研究所 | 基于模板学习的自动指纹识别系统和方法 |
CN101777128A (zh) * | 2009-11-25 | 2010-07-14 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及系统 |
TW201523456A (zh) * | 2013-12-05 | 2015-06-16 | Egis Technology Inc | 指紋辨識方法及其裝置 |
CN105447437A (zh) * | 2015-02-13 | 2016-03-30 | 比亚迪股份有限公司 | 指纹识别方法和装置 |
CN104765463A (zh) * | 2015-03-26 | 2015-07-08 | 深圳市亚略特生物识别科技有限公司 | 控制组件及电子设备 |
Non-Patent Citations (2)
Title |
---|
MARIUS TICO,ET AL: ""Fingerprint Matching Using an"", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
祝恩,等: ""多模板指纹的特征拼接"", 《国防科技大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
US20170277935A1 (en) | 2017-09-28 |
US9773147B1 (en) | 2017-09-26 |
CN107229895B (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160180146A1 (en) | Fingerprint authentication using touch sensor data | |
KR102330327B1 (ko) | 압력에 기초한 지문 인식 방법 및 장치 | |
Jain et al. | An identity-authentication system using fingerprints | |
US8229179B2 (en) | Finger vein authentication apparatus and finger vein authentication method | |
CN107438854B (zh) | 使用移动设备捕获的图像执行基于指纹的用户认证的系统和方法 | |
Jain et al. | Filterbank-based fingerprint matching | |
JP4704185B2 (ja) | 生体認証システム及び生体認証方法 | |
CN106056037A (zh) | 用于识别指纹的方法和设备 | |
US8275174B2 (en) | Vein pattern management system, vein pattern registration apparatus, vein pattern authentication apparatus, vein pattern registration method, vein pattern authentication method, program, and vein data configuration | |
US9220445B2 (en) | Information processing apparatus, information processing method and program | |
JP6751072B2 (ja) | 生体認証システム | |
CN108416338B (zh) | 一种非接触掌纹身份认证方法 | |
CN104123537A (zh) | 一种基于手形和掌纹识别的快速身份验证方法 | |
KR101384446B1 (ko) | 컴퓨터 판독가능한 기록 매체, 등록 장치, 및 등록 방법 | |
CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
US6917694B1 (en) | Surface shape recognition apparatus and method | |
CN107229895A (zh) | 指纹注册方法与装置 | |
TWI427544B (zh) | 具智能學習功能之生物特徵辨識裝置及其方法 | |
Charfi | Biometric recognition based on hand schape and palmprint modalities | |
US8320639B2 (en) | Vein pattern management system, vein pattern registration apparatus, vein pattern authentication apparatus, vein pattern registration method, vein pattern authentication method, program, and vein data configuration | |
Jain et al. | Fingerprint recognition | |
TWI744647B (zh) | 提升指紋識別率的指紋識別方法及指紋識別晶片 | |
US20080240522A1 (en) | Fingerprint Authentication Method Involving Movement of Control Points | |
Xu et al. | A novel IKP-based biometric recognition using mobile phone camera | |
Turroni | Fingerprint Recognition: Enhancement, Feature Extraction and Automatic Evaluation of Algorithms |
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 |