CN107315935A

CN107315935A - 一种多指纹的识别方法及装置

Info

Publication number: CN107315935A
Application number: CN201610274455.1A
Authority: CN
Inventors: 赵云
Original assignee: ZTE Corp
Current assignee: ZTE Corp
Priority date: 2016-04-27
Filing date: 2016-04-27
Publication date: 2017-11-03
Anticipated expiration: 2036-04-27
Also published as: WO2017185507A1; CN107315935B

Abstract

本发明公开了一种多指纹的识别方法及装置，其中，所述方法包括：从终端设备的指纹检测区采集指纹图像，所述指纹图像中包括至少两个指纹；对所述指纹图像中的指纹进行识别，获取第一指纹以及第二指纹；计算所述第一指纹和所述第二指纹之间的距离；计算所述第一指纹和所述第二指纹之间的夹角；当所述第一指纹和所述第二指纹均与预先存储的指纹模板相匹配，并且计算的所述距离和所述夹角与预先存储的距离和夹角之间的误差小于或者等于预设误差值时，将所述终端设备解锁。本发明实施方式提供的一种多指纹的识别方法及装置，能够充分利用不同指纹之间的组合关系，向用户提供更多的指纹加密和指纹识别功能。

Description

一种多指纹的识别方法及装置

技术领域

本发明实施方式涉及图像识别技术领域，尤其涉及一种多指纹的识别方法及装置。

背景技术

随着指纹识别技术的发展，很多终端设备，例如智能手机、平板电脑等，都配备了指纹识别模块，这些终端设备可以通过指纹识别来实现例如屏幕解锁等功能。

目前指纹识别模块主要通过一个固定较小的采集区来采集指纹信息，这样做是为了将采集取区域固定，并对整个区域的指纹信息采集来识别。目前市面上的智能手机的指纹接触版大约为1平方厘米左右，并且与机身形成一个凹面，便于手指能判断识别区域。

一般的终端设备的指纹识别区往往比较小，正好能容纳一个手指头，无法实现多个指纹同时识别。这种指纹识别技术往往比较单一，无法满足更多的指纹识别需要和更好的体验。

因而，当前出现了多指纹的识别技术，然而现有技术中的多指纹识别技术，往往是将多个指纹作为一个整体进行识别，这样实质上与单一的指纹识别没有太大区别，仍然无法满足用户更多的需求。

发明内容

为了解决上述技术问题，本发明提供了一种多指纹的识别方法及装置，以充分利用不同指纹之间的组合关系，向用户提供更多的指纹加密和指纹识别功能。

为了达到本发明目的，本发明提供了一种多指纹的识别方法，包括：

从终端设备的指纹检测区采集指纹图像，所述指纹图像中包括至少两个指纹；

对所述指纹图像中的指纹进行识别，获取第一指纹以及第二指纹；

计算所述第一指纹和所述第二指纹之间的距离；

计算所述第一指纹和所述第二指纹之间的夹角；

当所述第一指纹和所述第二指纹均与预先存储的指纹模板相匹配，并且计算的所述距离和所述夹角与预先存储的距离和夹角之间的误差小于或者等于预设误差值时，将所述终端设备解锁。

可选地，对所述指纹图像中的指纹进行识别，获取第一指纹以及具备第二指纹具体包括：

对所述指纹图像中指纹的边缘进行检测，获取具备第一边缘的第一指纹以及具备第二边缘的第二指纹。

可选地，对所述指纹图像中指纹的边缘进行检测具体包括：

将所述指纹图像进行灰度化处理，得到指纹灰度图像；

利用预设的高斯函数，对所述指纹灰度图像进行滤波处理，得到滤除噪点的过滤图像；

计算所述过滤图像中各个像素点对应的梯度幅值和梯度方向；

基于计算的所述梯度幅值和所述梯度方向，在所述过滤图像中确定极大值像素点；

从所述极大值像素点中筛选出灰度值大于或者等于预设阈值的像素点，并将筛选出的所述像素点确定为指纹的边缘像素点。

可选地，计算所述过滤图像中各个像素点对应的梯度幅值和梯度方向具体包括：

根据预设的横向卷积算子和纵向卷积算子，计算所述过滤图像中各个像素点对应的一阶横向偏导数矩阵和一阶纵向偏导数矩阵；

基于所述一阶横向偏导数矩阵和一阶纵向偏导数矩阵，按照下述公式计算各个像素点对应的梯度幅值和梯度方向：

Q[i,j]＝arctan(Q[i,j]/P[i,j])

其中，M[i,j]为第i行第j列的像素点对应的梯度幅值，P[i,j]为第i行第j列的像素点对应的一阶横向偏导数矩阵，Q[i,j]为第i行第j列的像素点对应的一阶纵向偏导数矩阵，Q[i,j]为第i行第j列的像素点对应的梯度方向。

可选地，基于计算的所述梯度幅值和所述梯度方向，在所述过滤图像中确定极大值像素点具体包括：

在预设像素点的梯度方向选取与所述预设像素点相邻的预设数量的像素点，当所述预设像素点的灰度值大于或者等于所述预设数量的像素点中每个像素点的灰度值时，将所述预设像素点确定为极大值像素点。

可选地，计算所述第一指纹和所述第二指纹之间的距离具体包括：

按照下述公式确定指纹的中心点：

其中，为指纹的中心点的横坐标，为指纹的中心点的纵坐标，X₃为指纹的边缘的最左方的像素点的横坐标，X₄为指纹的边缘的最右方的像素点的横坐标，Y₁为指纹的边缘的最上方的像素点的纵坐标，Y₂为指纹的边缘的最下方的像素点的纵坐标；

如果所述第一指纹和所述第二指纹的中心点分别为(Xa,Ya)和(Xb,Yb)，则所述第一指纹和所述第二指纹的中心点之间的将第一指纹和所述第二指纹的中心点之间的相对距离确定为指纹间距离。

可选地，计算所述第一指纹和所述第二指纹之间的夹角具体包括：

将所述第一指纹和所述第二指纹的纹理与垂直方向的角度确定为所述第一指纹和所述第二指纹的方向角度；

如果所述第一指纹和所述第二指纹的方向角度分别为θ_A和θ_B,则所述第一指纹和所述第二指纹之间的相对夹角为θ＝|θ_A-θ_B|，将所述第一指纹和所述第二指纹之间的相对夹角确定为指纹间夹角。

本发明还提供了一种多指纹的识别装置，包括：

指纹采集单元，用于从终端设备的指纹检测区采集指纹图像，所述指纹图像中包括至少两个指纹；

指纹识别单元，用于对所述指纹图像中的指纹进行识别，获取第一指纹以及第二指纹；

距离计算单元，用于计算所述第一指纹和所述第二指纹之间的距离；

夹角计算单元，用于计算所述第一指纹和所述第二指纹之间的夹角；

解锁单元，用于当所述第一指纹和所述第二指纹均与预先存储的指纹模板相匹配，并且计算的所述距离和所述夹角与预先存储的距离和夹角之间的误差小于或者等于预设误差值时，将所述终端设备解锁。

可选地，所述指纹识别单元具体包括：

边缘检测模块，用于对所述指纹图像中指纹的边缘进行检测，获取具备第一边缘的第一指纹以及具备第二边缘的第二指纹。

可选地，所述边缘检测模块具体包括：

灰度化处理模块，用于将所述指纹图像进行灰度化处理，得到指纹灰度图像；

滤波模块，用于利用预设的高斯函数，对所述指纹灰度图像进行滤波处理，得到滤除噪点的过滤图像；

梯度计算模块，用于计算所述过滤图像中各个像素点对应的梯度幅值和梯度方向；

极大值像素点确定模块，用于基于计算的所述梯度幅值和所述梯度方向，在所述过滤图像中确定极大值像素点；

筛选模块，用于从所述极大值像素点中筛选出灰度值大于或者等于预设阈值的像素点，并将筛选出的所述像素点确定为指纹的边缘像素点。

可选地，梯度计算模块具体包括：

偏导数矩阵计算模块，用于根据预设的横向卷积算子和纵向卷积算子，计算所述过滤图像中各个像素点对应的一阶横向偏导数矩阵和一阶纵向偏导数矩阵；

幅值方向计算模块，用于基于所述一阶横向偏导数矩阵和一阶纵向偏导数矩阵，按照下述公式计算各个像素点对应的梯度幅值和梯度方向：

Q[i,j]＝arctan(Q[i,j]/P[i,j])

可选地，所述极大值像素点确定模块具体包括：

灰度值比较模块，用于在预设像素点的梯度方向选取与所述预设像素点相邻的预设数量的像素点，当所述预设像素点的灰度值大于或者等于所述预设数量的像素点中每个像素点的灰度值时，将所述预设像素点确定为极大值像素点。

可选地，所述距离计算单元具体包括：

中心点确定模块，用于根据下述公式确定指纹的中心点：

距离确定模块，用于如果所述第一指纹和所述第二指纹的中心点分别为(Xa,Ya)和(Xb,Yb)，则所述第一指纹和所述第二指纹的中心点之间的将第一指纹和所述第二指纹的中心点之间的相对距离确定为指纹间距离。

可选地，所述夹角计算单元具体包括：

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1为本发明实施方式提供的一种多指纹的识别方法流程图；

图2为本发明实施方式中指纹识别板的结构示意图；

图3为本发明实施方式中采集的指纹示意图；

图4为本发明实施方式提供的一种多指纹的识别装置的功能模块图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1为本发明实施方式提供的一种多指纹的识别方法流程图。虽然下文描述流程包括以特定顺序出现的多个操作，但是应该清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。如图1所示，所述方法可以包括：

S1：从终端设备的指纹检测区采集指纹图像，所述指纹图像中包括至少两个指纹。

请参阅图2。在本实施方式中，可以在终端设备的背面设置指纹识别板，在所述指纹识别板上可以设置多个指纹识别控件，例如在图2中，可以在所述指纹识别板上设置两个指纹识别控件，这两个指纹识别控件可以为所述的指纹检测区。在本实施方式中，用户可以将两个手指的指纹分别通过这两个指纹识别控件录入终端设备中，这样，从而可以从终端设备的指纹检测区采集指纹图像。在具体实施时，用户可以同时将两个手指放置于两个指纹识别控件上，以在同一时间对这两个手指的指纹进行采集。另外，还可以在利用一个指纹识别控件采集完一个手指的指纹后，用另一个指纹识别控件来采集另一个手指的指纹。也就是说，在本实施方式中，本不对多个指纹采集的顺序进行限定，无论是同时识别还是按顺序识别，最终，由指纹识别控件采集的指纹均会显示于一个指纹图像上。

需要说明的是，在本实施方式中，仅以两个指纹识别控件和两个指纹进行说明，但本领域技术人员应当知晓，本发明的技术方案同样适用于两个以上的指纹识别控件以及两个以上的指纹。在本发明中，为了描述方便，仅以两个指纹进行阐述。

S2：对所述指纹图像中的指纹进行识别，获取第一指纹以及第二指纹。

在本实施方式中，从所述指纹检测区采集到包括至少两个指纹的指纹图像后，可以对该指纹图像中的指纹进行识别，以将不同的指纹彼此区分开。在本实施方式中，可以对所述指纹图像中的指纹进行识别，获取第一指纹以及第二指纹。具体地，在本实施方式中，可以对所述指纹图像中指纹的边缘进行检测，以获取具备第一边缘的第一指纹以及具备第二边缘的第二指纹。

请参阅图3。图3中位于指纹外矩形虚线框即可以作为指纹的边缘。在本实施方式中，可以按照下述步骤来对指纹图像中指纹的边缘进行检测。

S21：将所述指纹图像进行灰度化处理，得到指纹灰度图像。

在本实施方式中，如果从指纹检测区采集到的指纹图像为彩色图像，则可以对所述彩色图像进行灰度处理，以满足后续处理的需要。具体地，彩色图像通常由R(Red，红)、G(Green，绿)、B(Blue，蓝)三个通道的颜色变化以及它们之间的叠加来进行显示，在本实施方式中，可以对各个通道的像素值进行加权平均，从而将RGB三个通道的像素值转换为灰度值。具体地，在本实施方式中可以按照下述公式中的任意一个对指纹图像进行灰度化处理：

公式1：Gray＝(R+G+B)/3；

公式2：Gray＝0.299R+0.587G+0.114B；

其中，R、G、B分别代表R通道、G通道以及B通道的像素值，Gray代表灰度化处理后的灰度值。

在本实施方式中，如果所述指纹图像不是RGB格式的图像，那么可以先将所述指纹图像的格式转换为RGB格式，然后在进行灰度化处理。

S22：利用预设的高斯函数，对所述指纹灰度图像进行滤波处理，得到滤除噪点的过滤图像。

在本实施方式中，考虑到在所述指纹灰度图像中，往往存在较多的噪点，这些噪点在后续的处理过程中会严重影响处理结果的准确性。因此，在本实施方式中可以对所述指纹灰度图像进行滤波处理，得到滤除噪点的过滤图像。具体地，在本实施方式中可以将预设的高斯函数作为滤波函数。所述预设的高斯函数例如可以为：

在本实施方式中，可以将所述指纹灰度图像的像素矩阵与上述的高斯函数进行求褶积运算，从而可以将所述指纹灰度图像中的噪点滤除，得到与所述指纹灰度图像对应的过滤图像。

S23：计算所述过滤图像中各个像素点对应的梯度幅值和梯度方向。

在本实施方式中，所述过滤图像中指纹的边缘可以通过计算所述过滤图像中各个像素点对应的梯度幅值和梯度方向来确定。在本实施方式中，可以通过一阶偏导数矩阵来计算各个像素点对应的梯度幅值和梯度方向。具体地，在本实施方式中，所述一阶偏导数矩阵可以分为横向偏导数矩阵(x轴方向)和纵向偏导数矩阵(y轴方向)。因此，可以预先指定横向卷积算子(x轴方向)和纵向卷积算子(y轴方向)，利用这两个卷积算子分别对所述过滤图像中的各个像素点进行卷积处理，从而可以得到对应的一阶偏导数矩阵。

在本实施方式中，所述横向卷积算子和纵向卷积算子可以如下所示：

其中，s_x为所述横向卷积算子，s_y为所述纵向卷积算子。

利用所述横向卷积算子和纵向卷积算子对所述过滤图像中各个像素点进行处理后得到的一阶偏导数矩阵可以如下所示：

P[i,j]＝(f[i,j+1]-f[i,j]+f[i+1,j+1]-f[i+1,j])/2

Q[i,j]＝(f[i,j]-f[i+1,j]+f[i,j+1]-f[i+1,j+1])/2

其中，P[i,j]表示第i行第j列的像素点对应的一阶横向偏导数，Q[i,j]表示第i行第j列的像素点对应的一阶纵向偏导数，f[i,j]表示第i行第j列的像素点对应的像素值。

在计算得到所述一阶横向偏导数矩阵和一阶纵向偏导数矩阵后，可以按照下述公式计算各个像素点对应的梯度幅值和梯度方向：

Q[i,j]＝arctan(Q[i,j]/P[i,j])

S24：基于计算的所述梯度幅值和所述梯度方向，在所述过滤图像中确定极大值像素点。

在本实施方式中，所述过滤图像中像素点的灰度值会沿着该像素点的梯度方向进行变化，那么与该像素点相邻的局部区域中灰度值最大的点往往落在该像素点对应的梯度方向上。在本实施方式中，灰度值在相邻的局部区域中最大的像素点可以称为极大值像素点。由于指纹边缘上的像素点在与其相邻的局部区域内，灰度值往往是最大的，因此，在本实施方式中可以在所述过滤图像中确定极大值像素点。具体地，可以在预设像素点的梯度方向选取与所述预设像素点相邻的预设数量的像素点。在具体实施过程中，往往可以选择与所述预设像素点相邻的8个像素点。当所述预设像素点的灰度值大于或者等于所述预设数量的像素点中每个像素点的灰度值时，则可以将所述预设像素点确定为极大值像素点。

需要说明的是，由于所述预设像素点对应的梯度方向上的像素点可能不在选取的8个像素点中，因此在这种情况下，则需要根据所述8个像素点，对梯度方向上的像素点进行插值计算，以确定出所述梯度方向上像素点的灰度值，从而可以将所述预设像素点与其梯度方向上的像素点进行比较，以确定所述预设像素点是否为极大值像素点。

S25：从所述极大值像素点中筛选出灰度值大于或者等于预设阈值的像素点，并将筛选出的所述像素点确定为指纹的边缘像素点。

在本实施方式中，由于受到计算误差或者干扰像素点点的影响，步骤S24中确定的极大值像素点中可能会存在不处于边缘上的像素点。在这种情况下，则需要对确定出的极大值像素点的灰度值再次进行判断，以将灰度值较低的像素点剔除。具体地，在本实施方式中可以从所述极大值像素点中筛选出灰度值大于或者等于预设阈值的像素点，并将筛选出的所述像素点确定为指纹的边缘像素点。

这样，通过上述的处理步骤，便可以得到指纹图像中具备第一边缘的第一指纹以及具备第二边缘的第二指纹。所述第一边缘和所述第二边缘可以为如图3中所示的矩形虚线框。

S3：计算所述第一指纹和所述第二指纹之间的距离。

在本实施方式中，从指纹图像中识别出第一指纹和第二指纹后，便可以计算所述第一指纹和所述第二指纹之间的距离，以表征第一指纹和第二指纹的位置关系。具体地，所述第一指纹和所述第二指纹之间的距离可以通过两个指纹中心点之间的距离来表示。其中，所述第一指纹和第二指纹的中心点可以通过第一边缘和第二边缘上四个顶点的坐标值来确定。具体地，在本实施方式中，可以根据所述第一边缘和所述第二边缘上最上方、最下方、最左方以及最右方的像素点的坐标值，确定所述第一指纹的第一中心点和第二指纹的第二中心点，确定中心点的公式可以如下所示：

其中，为指纹的中心点的横坐标，为指纹的中心点的纵坐标，X₃为指纹的边缘的最左方的像素点的横坐标，X₄为指纹的边缘的最右方的像素点的横坐标，Y₁为指纹的边缘的最上方的像素点的纵坐标，Y₂为指纹的边缘的最下方的像素点的纵坐标。

这样，在确定出第一中心点和第二中心点后，可以将所述第一中心点和所述第二中心点之间的距离确定为所述第一指纹和所述第二指纹之间的距离。所述第一中心点和第二中心点之间的距离可以如下所示：

其中，L为所述第一中心点和第二中心点之间的距离，x_a为所述第一中心点的横坐标，y_a所述第一中心点的纵坐标，x_b为所述第二中心点的横坐标，y_b所述第二中心点的纵坐标。

S4：计算所述第一指纹和所述第二指纹之间的夹角。

在本实施方式中，所述第一指纹和所述第二指纹之间的位置关系除了两者之间的距离，还可以包括两者之间的夹角。具体地，在本实施方式中，可以将与所述第一指纹的纹理相垂直的方向确定为所述第一指纹的第一方向，将与所述第二指纹的纹理相垂直的方向确定为所述第二指纹的第二方向，并且将所述第一方向与所述第二方向之间的夹角确定为所述第一指纹与所述第二指纹之间的夹角。如图3所示，左侧指纹对应的倾斜直线的方向可以为所述第一方向，右侧指纹对应的竖直直线的方向可以为所述第二方向，那么这两个直线之间的夹角可以为所述第一指纹和所述第二指纹之间的夹角。

S5：当所述第一指纹和所述第二指纹均与预先存储的指纹模板相匹配，并且计算的所述距离和所述夹角与预先存储的距离和夹角之间的误差小于或者等于预设误差值时，将所述终端设备解锁。

在本实施方式中，当对所述第一指纹和所述第二指纹的位置关系进行确定后，可以在识别第一指纹和第二指纹的同时，对所述第一指纹和第二指纹之间的位置关系进行判断，以确定处于当前位置关系的第一指纹和第二指纹能够对终端设备进行解锁。具体地，在本实施方式中可以先对第一指纹和第二指纹进行匹配，具体地，用户可以预先在终端设备中录入能够解锁所述终端设备的多个指纹，以构成指纹模板。那么当从指纹图像中识别出第一指纹和第二指纹后，可以将第一指纹和第二指纹与所述指纹模板进行比较，当所述第一指纹和第二指纹均存在于所述指纹模板中时，则判定所述第一指纹和第二指纹与所述指纹模板相匹配。

在本实施方式中，仅依靠所述第一指纹和第二指纹与所述指纹模板相匹配这一条件并不能对终端设备进行解锁，还需要对所述第一指纹和第二指纹之间的位置关系进行判断。同样地，所述第一指纹和第二指纹之间的距离和夹角同样可以由用户预先录入终端设备中，那么当计算得到指纹图像中第一指纹和第二指纹之间的距离和夹角后，可以将计算的所述距离和所述夹角与预先存储的距离和夹角进行对比，当计算的所述距离和所述夹角与预先存储的距离和夹角之间的误差小于或者等于预设误差值时，则表明当前第一指纹和第二指纹之间的位置关系与预设的位置关系相匹配。那么，在指纹匹配以及指纹之间的位置关系也匹配的情况下，可以将终端设备进行解锁。

由上可见，本发明实施方式提供的一种多指纹的识别方法，通过对采集到的指纹图像进行识别，从而可以获取指纹图像中的多个指纹。通过计算这多个指纹之间的距离和夹角关系，从而可以将计算的距离和夹角与预先存储的距离和夹角进行对比。这样，在多个指纹均存在于预设的指纹库中，并且多个指纹之间的位置关系也满足预设的位置关系时，从而可以将终端设备进行解锁。由此可见，本发明实施方式提供的一种多指纹的识别方法，在进行指纹匹配的基础上，还添加了对指纹之间的位置关系进行匹配的过程，不仅增强了加密的安全性，并且也增强了用户设计指纹位置关系的趣味性。

本发明实施方式还提供一种多指纹的识别装置。图4为本发明实施方式提供的一种多指纹的识别装置的功能模块图。如图4所示，所述装置可以包括：

指纹采集单元100，用于从终端设备的指纹检测区采集指纹图像，所述指纹图像中包括至少两个指纹；

指纹识别单元200，用于对所述指纹图像中的指纹进行识别，获取第一指纹以及第二指纹；

距离计算单元300，用于计算所述第一指纹和所述第二指纹之间的距离；

夹角计算单元400，用于计算所述第一指纹和所述第二指纹之间的夹角；

解锁单元500，用于当所述第一指纹和所述第二指纹均与预先存储的指纹模板相匹配，并且计算的所述距离和所述夹角与预先存储的距离和夹角之间的误差小于或者等于预设误差值时，将所述终端设备解锁。

在本发明一优选实施方式中，所述指纹识别单元200具体包括：

其中，所述边缘检测模块具体包括：

灰度化处理模块201，用于将所述指纹图像进行灰度化处理，得到指纹灰度图像；

滤波模块202，用于利用预设的高斯函数，对所述指纹灰度图像进行滤波处理，得到滤除噪点的过滤图像；

梯度计算模块203，用于计算所述过滤图像中各个像素点对应的梯度幅值和梯度方向；

极大值像素点确定模块204，用于基于计算的所述梯度幅值和所述梯度方向，在所述过滤图像中确定极大值像素点；

筛选模块205，用于从所述极大值像素点中筛选出灰度值大于或者等于预设阈值的像素点，并将筛选出的所述像素点确定为指纹的边缘像素点。

在本发明一优选实施方式中，所述梯度计算模块203具体包括：

Q[i,j]＝arctan(Q[i,j]/P[i,j])

在本发明一优选实施方式中，所述极大值像素点确定模块204具体包括：

在本发明一优选实施方式中，所述距离计算单元300具体包括：

中心点确定模块301，用于根据下述公式确定指纹的中心点：

距离确定模块302，用于如果所述第一指纹和所述第二指纹的中心点分别为(Xa,Ya)和(Xb,Yb)，则所述第一指纹和所述第二指纹的中心点之间的将第一指纹和所述第二指纹的中心点之间的相对距离确定为指纹间距离。

在本发明一优选实施方式中，所述夹角计算单元400具体包括：

第一方向确定模块401，用于将与所述第一指纹的纹理相垂直的方向确定为所述第一指纹的第一方向θ_A；

第二方向确定模块402，用于将与所述第二指纹的纹理相垂直的方向确定为所述第二指纹的第二方向θ_B；

夹角确定模块403，用于将所述第一方向与所述第二方向之间的夹角θ＝|θ_A-θ_B|确定为所述第一指纹与所述第二指纹之间的夹角。

需要说明的是，上述各个功能模块的具体实现方式与步骤S1至S5中的描述一致，这里便不再赘述。

由上可见，本发明实施方式提供的一种多指纹的识别装置，通过对采集到的指纹图像进行识别，从而可以获取指纹图像中的多个指纹。通过计算这多个指纹之间的距离和夹角关系，从而可以将计算的距离和夹角与预先存储的距离和夹角进行对比。这样，在多个指纹均存在于预设的指纹库中，并且多个指纹之间的位置关系也满足预设的位置关系时，从而可以将终端设备进行解锁。由此可见，本发明实施方式提供的一种多指纹的识别装置，在进行指纹匹配的基础上，还添加了对指纹之间的位置关系进行匹配的过程，不仅增强了加密的安全性，并且也增强了用户设计指纹位置关系的趣味性。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims

1.一种多指纹的识别方法，其特征在于，包括：

计算所述第一指纹和所述第二指纹之间的距离；

计算所述第一指纹和所述第二指纹之间的夹角；

2.根据权利要求1所述的方法，其特征在于，对所述指纹图像中的指纹进行识别，获取第一指纹以及具备第二指纹具体包括：

3.根据权利要求2所述的方法，其特征在于，对所述指纹图像中指纹的边缘进行检测具体包括：

将所述指纹图像进行灰度化处理，得到指纹灰度图像；

4.根据权利要求3所述的方法，其特征在于，计算所述过滤图像中各个像素点对应的梯度幅值和梯度方向具体包括：

Q[i,j]＝arctan(Q[i,j]/P[i,j])

5.根据权利要求3所述的方法，其特征在于，基于计算的所述梯度幅值和所述梯度方向，在所述过滤图像中确定极大值像素点具体包括：

6.根据权利要求2所述的方法，其特征在于，计算所述第一指纹和所述第二指纹之间的距离具体包括：

按照下述公式确定指纹的中心点：

7.根据权利要求2所述的方法，其特征在于，计算所述第一指纹和所述第二指纹之间的夹角具体包括：

8.一种多指纹的识别装置，其特征在于，包括：

9.根据权利要求8所述的装置，其特征在于，所述指纹识别单元具体包括：

10.根据权利要求9所述的装置，其特征在于，所述边缘检测模块具体包括：

11.根据权利要求10所述的装置，其特征在于，梯度计算模块具体包括：

Q[i,j]＝arctan(Q[i,j]/P[i,j])

12.根据权利要求10所述的装置，其特征在于，所述极大值像素点确定模块具体包括：

13.根据权利要求9所述的装置，其特征在于，所述距离计算单元具体包括：

中心点确定模块，用于根据下述公式确定指纹的中心点：

14.根据权利要求9所述的装置，其特征在于，所述夹角计算单元具体包括：