CN107392113B - 一种指纹识别器件及存储装置 - Google Patents

一种指纹识别器件及存储装置 Download PDF

Info

Publication number
CN107392113B
CN107392113B CN201710510384.5A CN201710510384A CN107392113B CN 107392113 B CN107392113 B CN 107392113B CN 201710510384 A CN201710510384 A CN 201710510384A CN 107392113 B CN107392113 B CN 107392113B
Authority
CN
China
Prior art keywords
honey source
fingerprint
mean square
fingerprint image
honey
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
CN201710510384.5A
Other languages
English (en)
Other versions
CN107392113A (zh
Inventor
杨林
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.)
Nanjing dingyiyun Information Technology Co.,Ltd.
Original Assignee
Nanjing Dingyiyun Information 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 Nanjing Dingyiyun Information Technology Co ltd filed Critical Nanjing Dingyiyun Information Technology Co ltd
Priority to CN201710510384.5A priority Critical patent/CN107392113B/zh
Publication of CN107392113A publication Critical patent/CN107392113A/zh
Application granted granted Critical
Publication of CN107392113B publication Critical patent/CN107392113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V40/13—Sensors therefor
    • G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0608—Saving storage space on storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0638—Organizing or formatting or addressing of data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供了一种指纹识别器件及存储装置，包括指纹采集模块、压缩与存储模块、标准指纹库和识别模块，所述指纹采集模块用于对目标指纹图像进行采集；所述压缩与存储模块用于将目标指纹图像进行压缩处理，得到压缩指纹图像，并将压缩指纹图像进行存储；所述标准指纹库中存储有标准指纹图像；所述识别模块用于将压缩指纹图像与所述标准指纹库中的标准指纹图像进行匹配验证，得到指纹验证结果。本发明结构简单，易于实现，且对目标指纹图像进行压缩处理，节省存储空间，降低存储成本。

Description

一种指纹识别器件及存储装置
技术领域
本发明涉及数据压缩技术领域，具体涉及一种指纹识别器件及存储装置。
背景技术
由于每个人的指纹都是独一无二的，且在非人为的情况下，人的指纹一般不会改变，因此随着科技的发展，越来越多领域用到指纹识别或者是指纹认证。
现有技术中的指纹识别或者指纹验证系统为了指纹的完整性与准确性，一般不会对采集的指纹进行处理，而是选择直接存储或者认证，但这么做的弊端在于，随着指纹采集的数目增多，存储器很快饱满，需要升级存储器或者更换更大容量的存储器，一定程度上给用户带来了不便。
发明内容
针对上述问题，本发明旨在提供一种指纹识别器件及存储装置。
本发明的目的采用以下技术方案来实现：
一种指纹识别器件及存储装置，包括指纹采集模块、压缩与存储模块、标准指纹库和识别模块，所述指纹采集模块用于对目标指纹图像进行采集；所述压缩与存储模块用于将目标指纹图像进行压缩处理，得到压缩指纹图像，并将压缩指纹图像进行存储；所述标准指纹库中存储有标准指纹图像；所述识别模块用于将压缩指纹图像与所述标准指纹库中的标准指纹图像进行匹配验证，得到指纹验证结果。
本发明的有益效果为：本发明结构简单，易于实现，且对目标指纹图像进行压缩处理，节省存储空间，降低存储成本。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的框架结构图。
附图标记：
指纹采集模块1、压缩与存储模块2、标准指纹库3、识别模块4。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，本实施例的一种指纹识别器件及存储装置，包括指纹采集模块1、压缩与存储模块2、标准指纹库3和识别模块4，所述指纹采集模块1和所述压缩与存储模块2有线连接，用于对目标指纹图像进行采集；所述压缩与存储模块2与所述识别模块4有线连接，用于将目标指纹图像进行压缩处理，得到压缩指纹图像，并将压缩指纹图像进行存储；所述标准指纹库3中存储有标准指纹图像；所述识别模4块用于将压缩指纹图像与所述标准指纹库3中的标准指纹图像进行匹配验证，得到指纹验证结果。
优选地，所述指纹采集模块包括玻璃基底、侦测电极和保护层，所述侦测电极形成在玻璃基底下表面，所述保护层采用PVD镀膜方式形成在玻璃基底上表面。
优选地，所述保护层为二氧化硅镀层。
本发明上述实施例，结构简单，易于实现，且对目标指纹图像进行压缩处理，节省存储空间，降低存储成本。
优选地，所述压缩与存储模块包括依次相连的压缩子模块和存储子模块，所述压缩子模块采用改进的人工蜂群算法对目标指纹图像进行压缩处理，具体包括初始化单元、搜索单元和输出单元；
所述初始化单元用于进行初始蜜源的生成，具体为：
(1)设定引领蜂的个数和跟随蜂的个数均为C，最大搜索次数为Emax，最大迭代次数为Rmax，初始化蜜蜂搜索次数为0。
(2)C个引领蜂根据自定义蜜源搜索公式得到C个解，并求得这C个解的反向解，计算这C个解和C个反向解的均方误差，根据其均方误差的大小，选取均方误差较小的C个较优的解或反向解作为初始蜜源，记为
Figure GDA0002660960090000021
T表示矩阵的转置，每一个蜜源的位置矢量是一个包含A个码字的码书，每个码字的维数为B，因此每个蜜源的位置矢量的维数为A×B，具体为：
Figure GDA0002660960090000022
Figure GDA0002660960090000023
式中，
Figure GDA0002660960090000024
表示迭代次数为r维数为q的第p个蜜源，μp为第p个引领蜂的遗忘因子，μp∈(0，1)，
Figure GDA0002660960090000025
和
Figure GDA0002660960090000026
分别表示迭代次数为r维数为q的均方误差最大和最小蜜源，
Figure GDA0002660960090000027
表示迭代次数为r维数为q的第p个蜜源的反向解，p＝1，2，3...C。
本发明上述实施例，利用正向求解与反向求解的方式来生成目标指纹图像的初始码书，有利于提高生成的目标指纹图像的初始码书的精确度，降低由于初始码书的生成误差对目标指纹图像压缩的影响，提高目标指纹图像的压缩质量。
优选地，所述搜索单元利用引领蜂进行新蜜源的搜索，每个引领蜂根据自定义蜜源更新公式进行邻域搜索，产生新的位置矢量
Figure GDA0002660960090000031
是维数为A×B的矢量，计算
Figure GDA0002660960090000032
的均方误差和
Figure GDA0002660960090000033
的均方误差，并进行比较；
如果
Figure GDA0002660960090000034
的均方误差小于
Figure GDA0002660960090000035
的均方误差，则用新的蜜源代替旧的蜜源，生成新的码书
Figure GDA0002660960090000036
如果
Figure GDA0002660960090000037
的均方误差不小于
Figure GDA0002660960090000038
的均方误差，重新进行邻域搜索，直至产生均方误差比
Figure GDA0002660960090000039
的均方误差小的新的位置矢量
Figure GDA00026609600900000310
并生成新的码书
Figure GDA00026609600900000311
本发明上述实施例，引领蜂在进行蜜源更新时利用自定义蜜源更新公式进行蜜源更新，并引入均匀分布随机数，提高引领蜂在进行蜜源更新时对蜜源的搜索能力，提高改进的人工蜂群算法的收敛速度，同时自定义蜜源更新公式还拉大了蜜源之间的差异性，有利于提高蜜源更新的准确度。
优选地，所述输出单元用于生成压缩指纹图像的最优码书并进行输出，其中跟随蜂根据概率大小选择前往的蜜源，概率越大，前往的跟随蜂数模越多，引领蜂继续根据自定义蜂源搜索公式进行邻域搜索，产生新的位置矢量，计算位置矢量的均方误差和
Figure GDA00026609600900000312
的均方误差；
如果
Figure GDA00026609600900000313
的均方误差小于
Figure GDA00026609600900000314
的均方误差，则用新的蜜源代替就得蜜源，生成新的压缩指纹图像的码书
Figure GDA00026609600900000315
否则继续搜索，并且搜索次数加1，其中概率计算公式为：
Figure GDA00026609600900000316
式中，ρ(p)表示第p个跟随蜂选择蜜源的概率，
Figure GDA00026609600900000317
为第p个蜜源的均方误差；
如果搜索次数值大于设定的最大搜索次数，蜜源仍然没有更新，放弃旧蜜源，根据蜜源生成公式产生新的蜜源取代旧蜜源，将此时的生成的蜜源存储为压缩指纹图像的最优码书，如果当前蜜源位置足够好或者达到最大迭代次数，输出该压缩指纹图像的最优码书，否则引领蜂继续搜索；
将此时的生成的蜜源存储为压缩指纹图像的最优码书，如果当前蜜源位置足够好或者达到最大迭代次数，输出该压缩指纹图像的最优码书，否则引领蜂继续搜索，根据该压缩指纹图像的最优码书对目标指纹图像进行压缩。
本发明上述实施例，在引领蜂进行搜索时，搜索次数达到设定值还没有寻找到更优的蜜源的情况下，为防止算法陷入局部收敛，引入蜜源邻域因子，利用蜜源生成公式生成新蜜源，避免了出现无码书可用的情况，增强了算法的鲁棒性，同时也提高了本算法在不同情况下的适应性。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (2)

1.一种指纹识别器件及存储装置，其特征是，包括指纹采集模块、压缩与存储模块、标准指纹库和识别模块，所述指纹采集模块和所述压缩与存储模块有线连接，用于对目标指纹图像进行采集；所述压缩与存储模块与所述识别模块有线连接，用于将目标指纹图像进行压缩处理，得到压缩指纹图像，并将压缩指纹图像进行存储；所述标准指纹库中存储有标准指纹图像；所述识别模块用于将压缩指纹图像与所述标准指纹库中的标准指纹图像进行匹配验证，得到指纹验证结果；
所述指纹采集模块包括玻璃基底、侦测电极和保护层，所述侦测电极形成在玻璃基底下表面，所述保护层采用PVD镀膜方式形成在玻璃基底上表面；
所述保护层为二氧化硅镀层；
所述压缩与存储模块包括依次相连的压缩子模块和存储子模块，所述压缩子模块采用改进的人工蜂群算法对目标指纹图像进行压缩处理，具体包括初始化单元、搜索单元和输出单元；
所述初始化单元用于进行初始蜜源的生成，具体为：
(1)设定引领蜂的个数和跟随蜂的个数均为C，最大搜索次数为Emax，最大迭代次数为Rmax，初始化蜜蜂搜索次数为0；
(2)C个引领蜂根据自定义蜜源搜索公式得到蜜源位置的C个解，并求得这C个解的反向解，计算这C个解和C个反向解的均方误差，根据其均方误差的大小，选取均方误差较小的C个较优的解或反向解作为初始蜜源，记为
Figure FDA0002737853140000011
T表示矩阵的转置，每一个蜜源的位置矢量是一个包含A个码字的码书，每个码字的维数为B，因此每个蜜源的位置矢量的维数为A×B，具体为：
Figure FDA0002737853140000012
Figure FDA0002737853140000013
式中，
Figure FDA0002737853140000014
表示迭代次数为r维数为q的第p个蜜源，μp为第p个引领蜂的遗忘因子，μp∈(0，1)，
Figure FDA0002737853140000015
和
Figure FDA0002737853140000016
分别表示迭代次数为r维数为q的均方误差最大和最小蜜源，
Figure FDA0002737853140000017
表示迭代次数为r维数为q的第p个蜜源的反向解，p＝1，2，3...C；
所述搜索单元利用引领蜂进行新蜜源的搜索，每个引领蜂根据自定义蜜源更新公式进行邻域搜索，产生新的位置矢量
Figure FDA0002737853140000018
Figure FDA0002737853140000019
是维数为A×B的矢量，计算
Figure FDA00027378531400000110
的均方误差和
Figure FDA00027378531400000111
的均方误差，并进行比较；
如果
Figure FDA0002737853140000021
的均方误差小于
Figure FDA0002737853140000022
的均方误差，则用新的蜜源代替旧的蜜源，生成新的码书
Figure FDA0002737853140000023
如果
Figure FDA0002737853140000024
的均方误差不小于
Figure FDA0002737853140000025
的均方误差，重新进行邻域搜索，直至产生均方误差比
Figure FDA0002737853140000026
的均方误差小的新的位置矢量
Figure FDA0002737853140000027
并生成新的码书
Figure FDA0002737853140000028
2.根据权利要求1所述的一种指纹识别器件及存储装置，其特征是，所述输出单元用于生成压缩指纹图像的最优码书并进行输出，其中跟随蜂根据概率大小选择前往的蜜源，概率越大，前往的跟随蜂数模越多，引领蜂继续根据自定义蜂源搜索公式进行邻域搜索，产生新的位置矢量，计算位置矢量的均方误差和
Figure FDA0002737853140000029
的均方误差；
如果
Figure FDA00027378531400000210
的均方误差小于
Figure FDA00027378531400000211
的均方误差，则用新的蜜源代替就得蜜源，生成新的压缩指纹图像的码书
Figure FDA00027378531400000212
否则继续搜索，并且搜索次数加1，其中概率计算公式为：
Figure FDA00027378531400000213
式中，ρ(p)表示第p个跟随蜂选择蜜源的概率，
Figure FDA00027378531400000214
为第p个蜜源的均方误差；
如果搜索次数值大于设定的最大搜索次数，蜜源仍然没有更新，放弃旧蜜源，根据蜜源生成公式产生新的蜜源取代旧蜜源，将此时的生成的蜜源存储为压缩指纹图像的最优码书，如果当前蜜源位置足够好或者达到最大迭代次数，输出该压缩指纹图像的最优码书，否则引领蜂继续搜索。
CN201710510384.5A 2017-06-28 2017-06-28 一种指纹识别器件及存储装置 Active CN107392113B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710510384.5A CN107392113B (zh) 2017-06-28 2017-06-28 一种指纹识别器件及存储装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710510384.5A CN107392113B (zh) 2017-06-28 2017-06-28 一种指纹识别器件及存储装置

Publications (2)

Publication Number Publication Date
CN107392113A CN107392113A (zh) 2017-11-24
CN107392113B true CN107392113B (zh) 2021-01-22

Family

ID=60334394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710510384.5A Active CN107392113B (zh) 2017-06-28 2017-06-28 一种指纹识别器件及存储装置

Country Status (1)

Country Link
CN (1) CN107392113B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101414351A (zh) * 2008-11-03 2009-04-22 章毅 一种指纹识别系统及其控制方法
CN104517331A (zh) * 2013-09-30 2015-04-15 大连民族学院 一种基于指纹识别的校车安全装置
CN104615979A (zh) * 2015-01-27 2015-05-13 华进半导体封装先导技术研发中心有限公司 指纹识别模块及封装方法、指纹识别模组及封装方法
CN104778477A (zh) * 2015-04-10 2015-07-15 中国石油大学(华东) 一种优化的人工蜂群聚类方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101414351A (zh) * 2008-11-03 2009-04-22 章毅 一种指纹识别系统及其控制方法
CN104517331A (zh) * 2013-09-30 2015-04-15 大连民族学院 一种基于指纹识别的校车安全装置
CN104615979A (zh) * 2015-01-27 2015-05-13 华进半导体封装先导技术研发中心有限公司 指纹识别模块及封装方法、指纹识别模组及封装方法
CN104778477A (zh) * 2015-04-10 2015-07-15 中国石油大学(华东) 一种优化的人工蜂群聚类方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于改进人工蜂群的图像矢量量化码书设计算法;郭艳菊，陈雷，陈国鹰;《计算机应用》;20130901;第33卷;正文第2575页第2-21段 *

Also Published As

Publication number Publication date
CN107392113A (zh) 2017-11-24

Similar Documents

Publication Publication Date Title
US20220164426A1 (en) User adaptation for biometric authentication
CN106056628B (zh) 基于深度卷积神经网络特征融合的目标跟踪方法及系统
US8270723B2 (en) Recognition device, recognition method, and program
CN112200133B (zh) 保护隐私的人脸识别方法及装置
Rodola et al. Elastic net constraints for shape matching
KR20160035740A (ko) 객체를 포함하는 영상의 특징을 추출하는 방법 및 장치
Ning et al. Scalable image retrieval by sparse product quantization
JP2012507793A5 (zh)
Wu et al. High-dimension space projection-based biometric encryption for fingerprint with fuzzy minutia
CN113158831B (zh) 检测摄像设备移动的方法、装置、计算机设备和存储介质
Xu et al. Iterative manifold embedding layer learned by incomplete data for large-scale image retrieval
CN116189265A (zh) 基于轻量化语义Transformer模型的素描人脸识别方法、装置及设备
Liu et al. Features combined binary descriptor based on voted ring-sampling pattern
CN107392113B (zh) 一种指纹识别器件及存储装置
JP3998628B2 (ja) パターン認識装置及びその方法
Yu et al. Compressive quantization for fast object instance search in videos
He et al. RECOMBINER: Robust and enhanced compression with Bayesian implicit neural representations
Bui et al. D2s: Representing local descriptors and global scene coordinates for camera relocalization
CN116777727B (zh) 存算一体芯片、图像处理方法、电子设备及存储介质
Nguyen et al. Focustune: Tuning visual localization through focus-guided sampling
JP2015170363A (ja) ３Ｄオブジェクトの認識および位置合わせ（ｒｅｇｉｓｔｒａｔｉｏｎ）の方法
KR20210058157A (ko) 얼굴 이미지 기반 사용자 식별 장치 및 방법
Dong et al. Robust affine subspace clustering via smoothed ℓ 0-norm
Wang LPOT: Locality-Preserving Gromov–Wasserstein Discrepancy for Nonrigid Point Set Registration
Nienkötter et al. Consensus learning for sequence data

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210106

Address after: 210001 unit e6-407, Tianan Digital City, No.36, Yongfeng Avenue, Qinhuai District, Nanjing City, Jiangsu Province

Applicant after: Nanjing dingyiyun Information Technology Co.,Ltd.

Address before: 518000 six building, fourth industrial area, Nanshan Road, Nanshan street, Nanshan District, Shenzhen, Guangdong, China, three

Applicant before: SHENZHEN SENYANG ENVIRONMENTAL PROTECTION MATERIAL TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant