CN107533636A - 用于图案测试的预匹配预测 - Google Patents
用于图案测试的预匹配预测 Download PDFInfo
- Publication number
- CN107533636A CN107533636A CN201680023509.5A CN201680023509A CN107533636A CN 107533636 A CN107533636 A CN 107533636A CN 201680023509 A CN201680023509 A CN 201680023509A CN 107533636 A CN107533636 A CN 107533636A
- Authority
- CN
- China
- Prior art keywords
- matching
- group
- feature
- interest
- likelihood
- 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.)
- Pending
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
-
- 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
- G06V40/1347—Preprocessing; Feature extraction
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
-
- 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
- G06V40/1347—Preprocessing; Feature extraction
-
- 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
- G06V40/1376—Matching features related to ridge properties or fingerprint texture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种用于提高任何特定硬件配置的自动图案测试速度的系统、方法和计算机程序产品。图案测试包括匹配过程和预匹配过程,其建立匹配过程中使用的感兴趣特征。预匹配过程用于预测通过的匹配(或失败的匹配)的似然,并响应于预测改变后续匹配过程。
Description
相关申请的交叉引用
本申请要求2015年4月17日提交的14/689,821号美国专利申请和2015年2月27日提交的62/126,140号美国临时专利申请的权益,所有这些申请的全部内容通过引用而全部明确地并入本文。
技术领域
本发明一般涉及自动机器实施的图案测试,更具体而非排他地涉及用于模式匹配的自动预匹配预测的系统、方法和计算机程序产品,例如指纹验证或其他生物特征图案测试。
背景技术
背景技术部分中讨论的主题不应被假定为仅在背景技术部分中提到的先前技术。类似地,背景技术部分中提到的或与背景技术部分的主题相关联的问题不应被假定为在先前技术中已经被认识到。背景技术部分的主题仅仅表示不同的方法,其本身也可能是发明。
指纹验证包括两阶段或两级评估。获取样本图像,并且定位该样本图像的相关元件。然后,相关元件用于更严格的匹配过程中,以在预定的准确度水平内建立样本图像与参考图像匹配的似然。
在消费者系统中采用图案形成设备,例如指纹传感器,受用户成本的影响。成本不仅是使用指纹传感器的消费者系统的零售价格,还包括指纹传感器实现的在速度、准确性和便利性方面的表现。表现受与指纹传感器相关的处理器和硬件的成本和特性的影响。在成本与性能方面存在着自然的紧张关系,因为较低成本的系统可降低速度和准确性的取舍。
需要的是用于提高任何特定硬件配置的自动图案测试速度的系统和方法。
发明内容
本发明公开了一种用于提高任何特定硬件配置的自动图案测试速度的系统和方法。本发明提供了以下概述以便于理解与自动图案测试相关的一些技术特征,并非旨在完全描述本发明。通过将整个说明书、权利要求书、附图和摘要作为整体,能够充分了解本发明的各个方面。本发明除了指纹传感器和匹配验证方法之外还适用于其他图案测试系统和方法。
一些图案测试过程包括两个阶段——匹配阶段,其中机器实施测试过程,其中评估样本图案的电子表示中感兴趣特征以确定样本图案在期望的置信水平内是否匹配一些参照。在能够开始评估之前,机器在样本图案中建立一组特定的感兴趣特征,以便在后续阶段进行处理。在指纹或其他生物特征图案(例如视网膜血管图案)的环境中,可以进行匹配以验证样本图案的来源可以被确信地建立为可信参考数据库内的登记图案的来源。
这些阶段可以是离散的和独立的,以在匹配阶段开始之前完成预匹配阶段的串行方式操作。其他实施方案可以具有与匹配阶段并行进行的全部或部分预匹配阶段。
有许多不同类型的图案可以通过这种方式进行测试。公开的实施方式突出了用于生物特征图案的两个电子表示之间的匹配测试的生物特征图案:样本图案和参考图案。只要有助于确定感兴趣的重要特征,图案的类型就很重要。感兴趣特征是能够可靠地在应用的环境中以期望的置信水平产生匹配的图案结构。例如,对于一些应用,感兴趣特征可以包括细节(例如指纹脊端点、分支和其它奇特性)。在其他应用中,感兴趣特征可以包括曲线段一致性和组内相对定位。其他图案或这种图案的电子表示可以显示感兴趣的其他适当的特征。
通常情况下,一旦为特定样本图案建立了感兴趣特征组,则这些阶段的操作在很大程度上彼此独立。也就是说,无论已经建立的细节的质量如何,匹配阶段都按照预定的阈值处理细节。
相反,本发明的实施方式可以基于在预匹配阶段期间发生的情况来动态地设置在匹配阶段中使用的阈值。也就是说,在一些情况下,可以以这样的方式来确定感兴趣特征,即预匹配阶段将预测评估那些感兴趣特征的匹配阶段将得出存在匹配的结论,在其他情况下其可以预测匹配阶段会得出没有匹配的结论。
基于预匹配处理期间的几个因素,预匹配阶段可以预测匹配。在这种情况下,本发明的一些实施方式可以预测具有足够置信度的匹配,即匹配阶段可以用作“理智”检查,以确定预测的匹配是否是理性的或合理的结论。虽然可以采用正常匹配阶段,但可选地和优选地,匹配阶段的一些方面可以做得不那么严格或者不那么繁琐。这可以通过降低通过所需的阈值,减少通过所需的成功次数,在得出不匹配结论前允许更多数量的失败,和/或以其他方式使得匹配阶段更容易地肯定确定样本图案和参考图案之间的匹配条件来完成。在某种意义上,预匹配阶段评估表明,在某种置信水平下,当执行匹配过程时,样本图案与测试图案是不太可能不匹配的。在这些实施方式中使用通过的预测以经由快速确认预测试预测来加速该过程。
在其他情况下,预匹配阶段可以预测不匹配。在这种情况下,本发明的一些实施方式可以以足够的置信度预测失败的匹配,即匹配阶段可以用作最终检查以证明预匹配预测是错误的,并且尽管预测了失败模式,仍应存在匹配。虽然可以采用正常匹配测试,但是在一些实施方式中可选地并且优选地,可以使匹配阶段的一些方面更加严格或繁琐。这可以通过增大通过所需的阈值,增加通过所需的成功次数,在得出不匹配结论前允许较少数量的失败,和/或以其他方式使得匹配阶段对于在样本图案和参考图案之间匹配条件的肯定确定更加困难。
虽然预测匹配或预测失败可以各自采用“正常”匹配测试,但是本发明的实施方式将动态地改变一个或两个匹配阶段,使得在至少一种情况下,响应于来自预匹配阶段的预测实施改变的匹配阶段。
在一些实施例中,匹配阶段可以具有两个或更多预定的测试严苛性的离散水平,预匹配预测可以适当地选择适当的水平。在其他情况下,可以为导致可变匹配阈值的每个预匹配预测唯一地确定匹配阶段动态参数。
本发明的实施方式也可以在其他情况下使用。在一些情况下,具有多个不同匹配阈值的匹配阶段可以与相关系统的操作模式一起使用。也就是说,对于许多生物特征验证系统,存在登记模式,其中将系统置于特殊信任模式中,比如将参考图案写入参考数据库。例如,当系统处于信任登记模式时,系统可以采用“放松”匹配模式。
在其他情况下,用户可能希望在一些环境中,例如当用户在家时,使用更宽松的匹配模式,而当用户在公共场所时使系统采用更严格的匹配模式。许多使用图案化系统的便携式电子系统还包括可用于放置设备和用户的地理位置特征,并且基于位置或其他环境线索来自动切换动态匹配模式。
一种机器实施的图案测试方法,其使用匹配过程来比较第一图案的第一数字表示与第二图案的第二数字表示,匹配过程用于使用预定匹配标准组确定来自第一数字表示的第一组匹配的感兴趣特征以及第二数字表示的第二组匹配的感兴趣特征的匹配结果,包括a)从第一数字表示中提取第一组感兴趣特征;b)从第二数字表示中提取第二组感兴趣特征;c)从第一组感兴趣特征建立第一数字表示的第一组匹配的感兴趣特征;d)从第二组感兴趣特征建立第二数字表示的第二组匹配的感兴趣特征;以及e)使用多组匹配的感兴趣特征,响应于在匹配过程执行之前对多组匹配的感兴趣特征的评估来为匹配结果预测通过匹配的似然。
一种用于图案测试的非瞬时计算机可读介质,其使用匹配过程来比较第一图案的第一数字表示与第二图案的第二数字表示,匹配过程用于使用预定匹配标准组确定来自第一数字表示的第一组匹配的感兴趣特征以及第二数字表示的第二组匹配的感兴趣特征的匹配结果,包括存储在其上的指令,当在处理器上执行时,执行以下步骤:a)从第一数字表示中提取第一组感兴趣特征;b)从第二数字表示中提取第二组感兴趣特征;c)从第一组感兴趣特征建立第一数字表示的第一组匹配的感兴趣特征;d)从第二组感兴趣特征建立第二数字表示的第二组匹配的感兴趣特征;以及e)使用多组匹配的感兴趣特征,响应于在匹配过程执行之前对多组匹配的感兴趣特征的评估来为匹配结果预测通过匹配的似然。
一种用于图案测试的系统,其使用匹配过程来比较第一图案的第一数字表示与第二图案的第二数字表示,匹配过程用于使用预定匹配标准组确定来自第一数字表示的第一组匹配的感兴趣特征以及第二数字表示的第二组匹配的感兴趣特征的匹配结果,包括:处理器,其a)从第一数字表示中提取第一组感兴趣特征;b)从第二数字表示中提取第二组感兴趣特征;c)从第一组感兴趣特征建立第一数字表示的第一组匹配的感兴趣特征;d)从第二组感兴趣特征建立第二数字表示的第二组匹配的感兴趣特征;以及存储器,其用于储存数字表示、多组感兴趣特征和多组匹配的感兴趣特征;其中处理器还e)使用多组匹配的感兴趣特征,响应于在匹配过程执行之前对多组匹配的感兴趣特征的评估来为匹配结果预测通过匹配的似然。
本文所述的任何实施方式可以单独使用或彼此以任何组合一起使用。在本说明书中包含的发明还可以包括在本简短概述或摘要中仅部分提及或暗指或未提及或暗指的实施方式。虽然本发明的各种实施方式可能是由现有技术的各种缺陷所激发的,这可以在本说明书的一个或多个地方进行讨论或暗指,但是本发明的实施方式不一定解决这些缺陷中的任何一个。换言之,本发明的不同实施方式可能解决在说明书中可能讨论的不同缺陷。一些实施方式可以仅部分地解决一些缺陷或仅是在说明书中讨论的一个缺陷,并且一些实施方式可能不解决这些缺陷中的任何一个。
通过回顾本公开,包括说明书、附图和权利要求,本发明的其它特征、益处和优点将是显而易见的。
附图说明
附图中相同的附图标记贯穿各单独视图都表示相同或功能相似的元件,附图并入并形成说明书的一部分,进一步阐示了本发明,并且与本发明的详细描述一起用于解释本发明的原理。
图1示出了用于图案测试系统的实施方式的框图;
图2示出了用于图案测试过程的实施方式的流程图;
图3示出了用于图2中所示的组织子过程的实施方式的流程图;
图4示出了用于图2中所示的比较子过程的优选实施方式的流程图。
具体实施方式
本发明的实施方式提供了一种用于提高任何特定硬件配置的自动图案测试的速度的系统和方法。提出以下描述以使本领域普通技术人员能够制造和使用本发明,并且在专利申请及其要求的上下文中提供以下描述。
对本领域技术人员来说,对优选实施方式和本文所描述的一般原理和特征的各种修改将是显而易见的。因此,本发明并非旨在限制所示的实施方式,而是符合与本文所述的原理和特征一致的最宽范围。
定义
除非另有定义,本文使用的所有术语(包括技术和科学术语)具有与本发明总体构思所属领域的普通技术人员通常理解的相同的含义。还将理解的是,诸如在通常使用的字典中定义的术语应被解释为具有与相关领域和本公开的上下文中的含义一致的含义,并且不会以理想化的或过度正式意义解释,除非在本文中明确定义。
以下定义适用于关于本发明的一些实施例所述的一些方面。这些定义同样可以在本文中扩展。
如本文中所用,术语“或”包括“和/或”,术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。诸如“至少一个”的表达式在元件列表之前修改整个元件列表,而不修改列表的单个元件。
如本文中所用,单数术语“a”、“an”和“the”包括复数指示物,除非上下文另有明确指示。因此,例如,除非上下文另有明确指示,否则引用对象可以包括多个对象。
此外,如在本文的描述和整个所附权利要求中所使用的,“内”的含义包括“内”和“上”,除非上下文另有明确指示。应当理解,当元件被称为在另一元件“上”时,其能够直接在另一元件上,或者其间可存在中间元件。相反,当元件被称为“直接在另一元件上”时,不存在中间元件。
如本文中所用,术语“组”是指一个或多个对象的集合。因此,例如,一组对象能够包括单个对象或多个对象。组的对象也能被称为组的成员。组的对象能够相同或不同。在一些情况下,组的对象能够共享一个或多个公共属性。
如本文中所用,术语“相邻”是指靠近或毗邻。相邻的对象能够彼此间隔开,或者能够实际或直接接触彼此。在一些情况下,相邻的对象能够彼此联接或者能够彼此形成整体。
如本文中所用,术语“connect(连接)”、“connected(连接)”、“connecting(连接)”是指直接附接或链接。连接的对象没有或没有实质的中间对象或一组对象,如上下文所示。
如本文中所用,术语“couple(联接)”、“coupled(联接)”、“coupling(联接)”是指操作上的连接或链接。联接的对象能够彼此直接连接或者能够彼此间接连接,例如经由对象的中间集合。
如本文中所用,术语“大体上”和“大体的”是指相当的限度或程度。当与事件或情况结合使用时,术语能够指事件或情况恰好发生的实例以及事件或情况近似发生的实例,例如考虑本文所述的实施方式的典型容忍度或变异性。
如本文中所用,术语“可选的”和“可选地”意味着随后描述的事件或情况可能发生或可能不发生,并且该描述包括事件或情况发生的实例以及不发生的实例。
如本文中所用,术语“指纹”是指来自图案来源的对比幅度元件的映射。因此,包括人的手指上的脊纹/皱褶图案作为指纹。此外,斑马条纹图案、视网膜静脉图案或具有一组多个足够长连续的相似对比元件的对比幅度元件的其他集合。指纹是一种图案。
如本文中所用,短语“图案测试”是指一种图案与另一种图案的比较,例如在指纹验证过程中,其中在评估被测指纹中使用可信存储内保护的一个或多个参考指纹,以计量被测指纹的来源是否是提供参考指纹的相同来源的概率。除了指纹验证之外,还有使用图案测试的其他情况。
图1示出了用于图案测试系统100的实施方式的框图。系统100包括成像设备105、处理器110、输入/输出(I/O)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。在所公开的实施方式中,系统100被描述为与其它类型的指纹验证/检查/匹配系统相对的图案测试系统。在一种类型的图案测试系统中,系统尝试测量一对图像图案(一对一)之间的对应关系,以便在一定的置信水平内确立一个图案的一个来源是否与其他图案的来源相同或足够接近。这与确定哪个图案来源产生特定图案的识别系统形成对比。考虑到固定资源,当功率/速度的降低可以接受时,验证系统可以用作识别系统。
系统100可以用作实施本发明的基本计算机,用于访问和处理由如下文所述图案得出的图案、图案图像和多组感兴趣特征。处理器110可以包括从x86、x64、ARM等的一个或多个中选择的一个或多个中央处理单元(CPU)、架构,诸如通过系统总线连接到各种其他组件。
成像装置105产生图案的图像;直接(例如其是用于图案来源的传感器或成像器或者来自图案来源的伪像)或者其访问数据结构或存储器以获得图像。图像可以是整个图案的全部或一部分。有时图案图像的一部分可能看起来是一组感兴趣的离散特征(例如曲线或曲线段,或细节等)。系统100是具有大量合适的装置用于访问和处理资源、图案、图案图像、图案图像的部分以及从图案导出的多组感兴趣特征的通用计算机。可以与系统100一起使用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、热、光学、电光、RF调制、声学或其他图像感测器件,例如可购买自广泛的制造商,包括IDEX ASA、富士通、Atmel、苹果、Synaptics、英飞凌、索尼、综合生物识别和指纹卡。图像阵列可相对较小(例如50×50像素,对于352×288像素或更大的CIF尺寸为128×128像素),每个像素具有但不限于8位的像素深度。系统100使用从来源105产生的图案图像。在一些情况下,系统105可以预处理图像,例如执行图像梯形失真校正(当图案源“刷”过传感器时,在返回与图案尺寸成比例的图像尺寸或图像重建以汇集频带中所取的图像时,用于负责与基于光学/棱镜的系统相关的光学矫正的几何校正)。
操作系统在处理器110上运行,提供控制并协调系统的各种组件的功能。操作系统可以是诸如Microsoft(例如Windows)、Apple(例如IOS或Mac OS X)、Google(例如Chrome或Android)以及UNIX和AIX操作系统之类的市售操作系统之一,尽管一些实施方式可以使用定制控件来提供最小的定制功能。由系统控制的自定义程序包括可在处理器110上执行的多组指令,这些指令可移入和移出存储器。当由处理器110执行时,这些组指令执行本文所述的方法和自动的机器实施的过程。来源105、I/O通信系统115和存储器系统130各自经由总线和与包括用于控制基本系统功能的基本输入/输出系统(BIOS)的存储器系统130联接到处理器110。
I/O系统115将系统100与外部设备或网络互连,使得系统能够通过通信系统与其他这样的系统进行通信(例如直接有线、局域网(LAN)或广域网(WAN),例如包括互联网、WEB、内联网、外部网以及其他有线、光学或无线的公共和私有网络)。与通信系统相关的术语旨在通常可互换,并且在分布网络的本描述中这样使用。I/O设备还通过I/O系统115连接到系统总线。键盘、指示设备(例如鼠标、轨迹球或其他设备)以及显示器或指示器可以通过I/O系统互连到系统100。通过这样的输入设备,用户可以交互地涉及根据本发明的用于操纵资源、图像、子系统、过程和系统的程序。通过使用上述I/O设备,用户能够通过键盘或鼠标向系统输入信息并从系统接收输出信息。系统可以包含用于传送例如图像、映射、指令或程序的数据的可移动存储器组件。
在使用中,系统100测试来自图案来源的第一组感兴趣特征,例如来自实时手指的指纹部分的一组曲线段,一对一地针对在存储器130中记录的已知数据库中的每组登记的感兴趣特征。
图2示出了用于曲线比较过程200的实施方式的流程图。例如,由系统100执行的过程200包括三个主要子过程:步骤205是感兴趣特征定义过程(例如曲线段提取过程);步骤210是在步骤205之后的组织特征数据子过程;并且步骤215是在步骤210之后的比较数据子过程。过程200可选地包括模板处理步骤:模板创建步骤220和模板提取步骤225。
系统100可以使用许多可用的感兴趣特征数据用于图像比较。比较的准备是步骤205,而实际的感兴趣特征比较包括两个基本步骤:组织步骤210和比较步骤215。
感兴趣特征提取步骤205从图案的图像创建一组感兴趣特征(例如一组曲线段)。有许多方式可以处理图像以产生感兴趣的集合特征,其中一些取决于传感器的类型、图像的类型和系统100的资源。在题为“SYSTEM,METHOD,AND COMPUTER PROGRAM PRODUCT FORRIDGE MAP FORMATION”的7,512,256号美国专利中更多解释的优选的曲线提取过程可适用于提取曲线段,其内容通过引用明确并入本文以用于所有用途。
在典型实施方式中,从传感器105产生的登记图像具有提取的曲线段映射,并且由映射制成的模板有效地储存在存储器系统130中,作为用于存储器安全和有效地使用的加密模板。当登记的图像储存为模板时,系统100从模板生成适当的特征映射以供使用。在题为“SYSTEM,METHOD,AND COMPUTER PROGRAM PRODUCT FOR IMAGE COMPRESSION/DECOMPRESSION(用于图像压缩/解压缩的系统、方法和计算机程序产品)”的7,697,773号美国专利中更多解释了可选模板和加密\解密系统,其内容通过引用将其全文明确地并入本文用于所有用途。登记的特征映射和/或来自登记的特征映射的模板可以储存在FLASH存储器120中用于长期存储,并且移动到RAM 125中用以进行处理。
图3示出了图2中所示的组织子过程210的实施方式的流程图。步骤210包括三个子步骤:步骤子步骤305,分割子步骤310和计算子步骤315。
子步骤305跨越用于所期望的感兴趣特征的特性标记的图像映射(例如对于曲线段,特性标记可以包括一个或多个端点),并且将特性标记收集到阵列列表中。在图案的一部分的任何给定的图像映射中,特征标记可以是实际标记,或者它可以是由于成像装置105造成的感兴趣特征的人为截断的伪像,以及当分析来源于成像设备的图像映射时图案来源的相对位置。图像映射的每组感兴趣特征包括多个特征,每个特征被适当地识别,这样的曲线段通过沿相同曲线段从一个曲线段端点延伸到另一个曲线段端点的不间断的一系列像素标识。任何给定曲线段的像素与给定曲线段的至少一个其他像素相邻,并且相邻不超过两个这样的像素(对于所公开的实施方式中的一些,系统100允许最多两个,线条(曲线)绘图的其它实施方式中根据线条/曲线绘制方法可能有2个以上)。当识别图像映射的特征时,可以使用关于图案来源和/或图案的信息来帮助优化。对于包括具有作为感兴趣特征的曲线段的人类指纹的图案,存在有助于识别曲线段的各种特性。例如,曲线段不是连续不断的,任何曲线段都不会转得太尖锐。
子步骤310解析用于分析处理的每个特征,例如将每个识别的曲线段划分成一系列等长的子曲线段用于处理。曲线分段点定义在每对相邻子曲线段的连接处。这些曲线分段点以及曲线段端点已经在子步骤310的结论处确立。在本文的讨论中,曲线段标识为R(s),并且沿着R(s)的这些曲线分段点识别为P(n),n=3到被称为nmax的沿曲线段R(s)解析的曲线分段点的总数。对于所公开的实施方式,n最小为3,因为存在两个端点和一个中点。实际上,n远大于3,大约为20或更多,其为图像尺寸和图案来源的函数。
子步骤315为感兴趣特征开发合适的度量,例如当感兴趣特征包括曲线段时在每个曲线分段点处确定曲线段曲率角数据。对于每个曲线分段点P(n),确定在P(n)处具有顶点的角度A(n),从顶点开始并延伸到第一曲线分段点P(n+d)的第一腿部,以及从顶点开始并延伸到第二曲线分段点P(n-d)的第二腿部,整数d选自集合{1...x}中,x小于或等于nmax/2。子步骤315沿着图像映射的R(s)为每个曲线分段点P(n)建立一组A(n)(可选地,也可以相等地使用曲线段)。有其他方式可以表征曲线段的曲率并用于确定品质因数,其用于确定一个图像中的特定曲线段是否足够符合另一图像中的特定曲线段。
图4示出了图2中所示的比较子过程步骤215的优选实施方式的流程图。比较子过程步骤215评估针对来自被测图像(t)的特征(例如来自指纹传感器的实时图像)具有一组特征(例如来自登记/授权图像的存储历史(h)的指纹的图案图像)的第一图像。比较子过程步骤215有效地将来自存储历史的图像的每个特征与被测图像的每个特征进行比较。目标是找到两个图像共同的符合的感兴趣特征。每个比较计算一个品质因数。执行进一步的测试以确定候选者的分组的相对位置的品质因数,以确保在每个图像中发现的一组识别的符合的感兴趣特征实际上共享相同的相对位置关系。共享共同的相对位置关系的感兴趣特征紧密符合的数量越大,两个图像(例如多组曲线)匹配的置信度越大。对于一些实施方式,来自步骤215的足够高的置信度可提供可接受的安全性。在其他情况下,来自步骤215的结果可以用于发起更严格的匹配过程,借助于所识别的符合的感兴趣特征,或沿着所识别的符合的感兴趣特征的特定特征,为严格测试提供一个或多个感兴趣特征。如本文中进一步描述的那样,在其他情况下,来自步骤215的匹配的置信度可以动态地调整随后的匹配过程。
步骤215包括一组子步骤405-430。子步骤405比较感兴趣特征(例如曲线段)以获得潜在的相似性。子步骤410将感兴趣的类似特征分成用于测试的分组(例如群集)。子步骤415分析数据,预测结果,并调整测试参数。子步骤420处理感兴趣特征以确定匹配成功的似然。
因此,子步骤420确定可以量化的匹配成功的似然(例如两个或更多个离散值,比如基于预先建立的阈值的“高”似然或“低”似然)或者匹配成功的似然可以被提供为一些从成功匹配的很大似然到成功匹配的很小似然的范围的“模拟”值。根据图案测试系统的实施细节,有多种方法可以使用。
例如,在一些情况下,非常低的成功似然可决定性地用于跳过任何后续的匹配过程并将被测图案标记为不匹配。在其他情况下,匹配过程可以调整为在被测图案确定为匹配之前需要特殊水平的“匹配”处理。这允许严格的匹配过程以克服由于通过提高水平的审查而预测的匹配失败。
非常高的成功似然可以决定性地用于跳过任何后续的匹配过程,并将被测图案标记为匹配。在其他情况下,匹配过程可以调整为在被测图案确定为匹配之前需要不同类型的特殊水平的“匹配”处理,在这种情况下减少匹配检查。这允许“理智”检查匹配过程来覆盖由于降低水平审查的失败而导致的预测匹配通过。
对于不是非常高或非常低的情况,执行“正常”匹配过程。一些实施可以包括这些测试中的不同那些。例如,实施可以包括所有这些条件—极低的成功似然可以将图案自动标记为匹配失败,更高的成功似然可以触发更严格的匹配过程、较高的值、“正常”匹配过程,较高的值可允许进行更粗略的匹配测试和导致自动匹配的似然成功的非常高的值。
其他情况可以简单地向匹配过程提供指示匹配似然的值,并且允许匹配过程在为比较中的两个图案确定明确“匹配”结果时,响应于该值来动态地调整其内部测试。还有其他情况可以省去匹配调整模型的一个“结束”,比如从不触发降低的匹配分析或从不触发提高的匹配分析。
虽然有许多不同的感兴趣特征可能适用于不同的图案和比较目标,但作为一个示例,下面讨论使用指纹作为图案,以及使用来自指纹图像的曲线段作为感兴趣特征。
在操作中,如本文所述比较两个图像,在下面的讨论中每一个都被称为被测图像(在一些应用中,一个被测图像来自已知的授权登记数据库,另一个被测图像来自未知图案来源,例如需要基于与已知数据库的匹配来验证未知图像来源是否被授权)。每个图像包括曲线段R(s)的集合,s是从1到曲线段总数的整数。图像编号一的第s个曲线段是R(t1)(s),图像编号二的第s个曲线段是R(t2)(s)。沿着图像编号一的曲线段R(t1)(s)的曲线分段点被标识为P(t1)(n),并且沿着图像编号二的曲线段R(t2)(s)的曲线分段点被标识为P(T2)(N)。沿每个图像的每个曲线段,为每个曲线分段点确定一个角度。沿曲线段R(t1)(s)的第n点的角度为P(t1)A(n),沿曲线段R(t2)(s)的第n点的角度为P(t2)A(n)。
当比较未优化时,执行嵌套方法比较,其中对于图像映射一的s=1至St1max(St1最大)的每个曲线段R(t1)(s)和图像映射二的s=1至St2max(St2最大)的每个曲线段R(t2)(s),比较在每个点P(n)处居中的图像映像1至图像映射2的曲线段组合。也就是说,例如对于所有有效的比较,将R(t1)A(n)与R(t2)A(n)进行比较,将R(t1)A(n)与R(t2)A(n+1)进行比较,将R(t1)A(n)与R(t2)A(n+2)进行比较。沿着任何特定曲线段的曲线分段点的最大数量为nmax(n最大),并且使用与第i个曲线分段点间隔开的曲线分段点数d来确定每个角度A(i)。因此,曲线段R(t1)(s)的第一可用角度为P(t1)A(1+d),R(t1)(s)的最后可用角度为P(t1)A(nmax-d)。
比较曲线段需要沿曲线元件评估每个点的角度。公开了一种比较引擎,其对沿着曲线段的每个点处的角度差的绝对值求和。基于被称为品质因数M接近于零的程度,两个曲线段据说是相似的并且是用于一致性的候选者(即最低差值和是最接近的符合曲线段)。
品质因数Mj,k:
Mj,k的每个值识别图像一的特定曲线段的一致性的品质因数(第k个曲线段或R(t1)(k)与图像二的特定曲线段(第j个曲线段R(t2)(j)))相比较。Mj,k的最低值表示一致性的最佳候选者。
一旦执行这些比较,就要注意,即使对于在两个映射中成像的相同曲线段,相似的曲线段端点也可不存在于两个图像映射中。这种可能性的一个原因是,当获得不同的图像时,图像捕获尺寸区域可以不同地定位,并且图案的可见边界是不同的。
还要注意的是,角度是根据曲线段局部的信息确定的。这意味着角度值是旋转独立的,并且不受图像映射内的图案的旋转影响。
一旦符合曲线段的候选者由比较子处理215的第一部分建立,则第二部分评估它们之间的位置相对性。该评估包括将最佳匹配曲线段分组成每个图像中的一个或多个群集,然后量化两个图像中组的曲线段之间的相对测量。公开了一种为该相对位置品质因数确定品质因数的简单方法学。对于一组图像映射的每个曲线段,端点和中点用于测试初始位置邻近度。三角测量对两个图像映射的组中从一个曲线段上的每个点到每个其他曲线段的三个识别点之间的距离加以区分。这些集合的值提供了一种机制来确认候选符合曲线段的相对位置。三角测量的使用也提供了旋转独立的确认。
因此,比较子步骤215识别两个图像映射共同的可能符合的曲线段。这些曲线段在每个图像映射中聚类在一起,然后比较两个图像映射中的群集的曲线段之间的相对位置信息。当所有的位置信息对于图像映射之间的群集的所有曲线段充分匹配时,集群的创建是成功的。
在具有高相对位置品质因数的群集中的符合的曲线段数量越多,两个图像映射来自相同图案来源的可能性越好。具有最佳匹配的群集中的曲线段用于更严格的图案匹配,以有效地验证具有非常高置信度的匹配。
对图案之间符合的感兴趣特征的数量的评估以及用于符合的感兴趣特征的群集“匹配”的适当品质因数(诸如曲线段的位置品质因数)用于指示匹配的可能性。
并不是所有的系统和方法都要离散地分为“预匹配”过程和匹配过程。为了本发明的目的,匹配过程是评估感兴趣特征以确定两个图案是否匹配的评估引擎。预匹配过程是识别感兴趣特征的过程。本发明的一些公开的实施方式的特征为在可以用于匹配阶段的预匹配阶段中可建立匹配似然、匹配测试的预测(或者在一些情况下,为特别高和/或低的匹配成功似然完全跳过匹配阶段)。因此,预匹配预测可以是定位和确认感兴趣特征的预匹配过程的一部分,或者可以是在感兴趣特征已被确定之后但在匹配过程开始之前的单独阶段。
此外,在一些实施中,可能需要为匹配结果预测失败匹配的似然,而不是通过匹配的似然。本发明包括这样的预测,并且可以相应地调整实施方式。
应当理解,说明性实施方式可以采取完全硬件实施方式,完全软件实施方式或包含硬件和软件元件的实施方式的形式。在一个示例性实施方式中,说明性实施方式的机制以软件实现,其包括但不限于固件、常驻软件、微代码等。
此外,说明性实施方式可以采用从计算机可用或计算机可读介质访问的计算机程序产品的形式,其提供由计算机或任何指令执行系统使用或与计算机或任何指令执行系统连接的程序代码和/或指令。为了本描述的目的,计算机可用或计算机可读介质能够是能够包含、存储、通信、传播或传送程序以供由指令执行系统、装置或设备使用或与指令执行系统、装置或设备连接的任何装置。
介质可以是电子、磁性、光学、电磁、红外或半导体系统(或装置或设备)或传播介质。计算机可读介质的示例包括半导体或固态存储器、磁带、可移动计算机磁盘、随机存取存储器(RAM)、只读存储器(ROM)、刚性磁盘和光盘。当前光盘的示例包括光盘只读存储器(CD-ROM),光盘读/写(CD-R/W)和DVD。
适于存储和/或执行程序代码的数据处理系统将包括通过系统总线直接或间接耦合到存储器元件的至少一个处理器。存储器元件能够包括在实际执行程序代码期间所采用的本地存储器、批量存储器和高速缓存存储器,其提供至少一些程序代码的临时存储,以便减少在执行期间必须从批量存储器检索代码的次数。
输入/输出或I/O设备(包括但不限于键盘、显示器、定位设备等)能够直接或通过中间I/O控制器耦合到系统。网络适配器还可以耦合到系统,以使得数据处理系统能够通过中间的私有或公共网络变为耦合到其他数据处理系统或远程打印机或存储设备。调制解调器、电缆调制解调器和以太网卡只是目前网络适配器可用类型中的几种。
以上系统和方法一般性地被描述为有助于理解本发明的优选实施方式的细节。在本文的描述中,提供了许多具体细节,比如组件和/或方法的示例,以提供对本发明的实施方式的透彻理解。本发明的一些特征和益处以这种模式实现,并且在每种情况下都不是必需的。然而,相关领域的技术人员将认识到,本发明的实施方式能够在没有一个或多个具体细节的情况下实践,或者与其他装置、系统、配件、方法、组件、材料、部件等一起实践。在其他情况下,公知的结构、材料或操作未详细示出或描述,以避免使本发明实施方式的方面模糊不清。
贯穿本说明书提及的“一个实施方式”、“实施方式”或“具体实施方式”是指结合实施方式描述的特定特征、结构或特性包括在本发明的至少一个实施方式中,而不是必须在所有实施方式中。因此,在贯穿本说明书的各个位置,短语“在一个实施方式中”、“在实施方式中”或“在特定实施方式中”的各自表现不一定指代相同的实施方式。此外,本发明的任何特定实施方式的特定特征、结构或特性可以以任何合适的方式与一个或多个其他实施方式组合。应当理解,根据本文的教导,本文中描述和示出的本发明的实施方式的其它变化和修改是可能的,并且将被认为是本发明的精神和范围的一部分。
还将理解,附图/图表中描绘的一个或多个元件还能够以更分开或集成的方式实施,或者甚至在一些情况下被移除或呈现为不可操作,如根据特定应用有用。
另外,附图/图表中的任何信号箭头都应仅被认为是示例性的,而不是限制性的,除非另有具体说明。组件或步骤的组合也将被视为应注意,其中术语被预见为提供分离或组合的能力尚不清楚。
包括摘要中描述内容的本发明的所示实施方式的上文描述并不旨在是详尽的或将本发明限制于本文公开的精确形式。虽然本发明的具体实施方式和示例仅为了说明的目的而描述,但是在本发明的精神和范围内,如相关领域的技术人员将认识到和理解的,可以进行各种等同的修改。如所指出的那样,根据本发明的所示实施方式的上文描述,可以对本发明进行这些修改,并且将包括在本发明的精神和范围内。
因此,虽然本文已经参考其特定实施方式对本发明进行了描述,但在上文公开内容中希望有修改的余地、各种变化和替换,并且将理解的是,在一些情况下,本发明的实施方式的一些特征将在不对应使用其他特征的情况下采用而不背离如前所述的本发明的范围和精神。因此,可以进行许多修改以使特定情况或材料适应本发明的基本范围和精神。意图是本发明不限于在所附权利要求中使用的特定术语和/或作为为实施本发明而预期的最佳模式而公开的特定实施方式,而是本发明将包括任何和所有实施方式和所附权利要求范围内的等同物。因此,本发明的范围仅由所附权利要求来确定。
Claims (20)
1.一种机器实现的图案测试方法,使用匹配过程来比较第一图案的第一数字表示与第二图案的第二数字表示,所述匹配过程用于使用预定匹配标准组确定来自所述第一数字表示的第一组匹配的感兴趣特征以及所述第二数字表示的第二组匹配的感兴趣特征的匹配结果,所述方法包括在处理器上执行的以下步骤:
a)从所述第一数字表示中提取第一组感兴趣特征;
b)从所述第二数字表示中提取第二组感兴趣特征;
c)从所述第一组感兴趣特征建立所述第一数字表示的所述第一组匹配的感兴趣特征;
d)从所述第二组感兴趣特征建立所述第二数字表示的所述第二组匹配的感兴趣特征;以及
e)使用多组匹配的感兴趣特征,响应于在所述匹配过程执行之前对所述多组匹配的感兴趣特征的评估来为所述匹配结果预测通过匹配的似然。
2.根据权利要求1所述的图案测试方法,还包括:
f)响应于所述匹配结果的所述通过匹配的似然,调整所述匹配过程的所述预定匹配标准组的匹配标准,以产生与所述预定匹配标准组不同的调整的匹配标准组;以及
g)执行所述匹配过程以使用所述调整的匹配标准组而不是预定的匹配标准组来产生所述匹配结果。
3.根据权利要求1所述的图案测试方法,还包括:
f)当所述匹配结果的所述通过匹配的所述似然超过预定的高似然阈值时跳过所述匹配过程;以及
g)将所述匹配结果设置为通过的匹配而不执行所述匹配过程。
4.根据权利要求1所述的图案测试方法,还包括:
f)当所述匹配结果的所述通过匹配的所述似然低于预定的低似然阈值时跳过所述匹配过程;以及
g)将所述匹配结果设置为失败的匹配而不执行所述匹配过程。
5.根据权利要求2所述的图案测试方法,还包括:
h)当所述匹配结果的所述通过匹配的所述似然超过预定的高似然阈值时跳过所述匹配过程;以及
i)将所述匹配结果设置为通过的匹配而不执行所述匹配过程。
6.根据权利要求2所述的图案测试方法,还包括:
h)当所述匹配结果的所述通过匹配的所述似然低于预定的低似然阈值时跳过所述匹配过程;以及
i)将所述匹配结果设置为失败的匹配而不执行所述匹配过程。
7.根据权利要求1所述的图案测试方法,其中所述建立步骤c)和所述建立步骤d)包括:
f)比较多组感兴趣特征以建立具有响应于预定阈值的一致性度量的两组符合的感兴趣特征,所述两组符合的感兴趣特征包括来自所述第一组感兴趣特征的第一组符合的感兴趣特征并且包括来自所述第二组感兴趣特征的第二组符合的感兴趣特征,其中所述多组符合的感兴趣特征各自包括所述第一组感兴趣特征和所述第二组感兴趣特征共同的多个符合的感兴趣特征;
g)评估所述多组符合的感兴趣特征的组度量;
h)当所述组度量超过预定阈值时,选择所述第一组符合的感兴趣特征作为所述第一数字表示的第一组匹配的感兴趣特征;以及
i)当所述组度量超过预定阈值时,选择所述第二组符合的感兴趣特征作为所述第二数字表示的第二组匹配的感兴趣特征。
8.根据权利要求7所述的图案测试方法,其中所述预测步骤e)包括当建立所述匹配结果的所述似然时对所述多组感兴趣特征和所述组度量的一致性程度的评估。
9.一种用于图案测试的非瞬时计算机可读介质,其使用匹配过程来比较第一图案的第一数字表示与第二图案的第二数字表示,所述匹配过程用于使用一组预定匹配标准确定来自所述第一数字表示的第一组匹配的感兴趣特征以及所述第二数字表示的第二组匹配的感兴趣特征的匹配结果,所述非瞬时计算机可读介质包括存储在其上的指令,当在处理器上执行时,执行以下步骤:
a)从所述第一数字表示中提取第一组感兴趣特征;
b)从所述第二数字表示中提取第二组感兴趣特征;
c)从所述第一组感兴趣特征建立所述第一数字表示的所述第一组匹配的感兴趣特征;
d)从所述第二组感兴趣特征建立所述第二数字表示的所述第二组匹配的感兴趣特征;以及
e)使用多组匹配的感兴趣特征,响应于在所述匹配过程执行之前对所述多组匹配的感兴趣特征的评估来为所述匹配结果预测通过匹配的似然。
10.根据权利要求9所述的介质,其中所述指令在所述处理器上执行时还包括以下步骤:
f)响应于所述匹配结果的所述通过匹配的似然,调整所述匹配过程的所述预定匹配标准组的匹配标准,以产生与所述预定匹配标准组不同的调整的匹配标准组;以及
g)执行所述匹配过程以使用所述调整的匹配标准组而不是预定的匹配标准组来产生所述匹配结果。
11.根据权利要求9所述的介质,其中所述指令在所述处理器上执行时还包括以下步骤:
f)当所述匹配结果的所述通过匹配的所述似然超过预定的高似然阈值时跳过所述匹配过程;以及
g)将所述匹配结果设置为通过的匹配而不执行所述匹配过程。
12.根据权利要求9所述的介质,其中所述指令在所述处理器上执行时还包括以下步骤:
f)当所述匹配结果的所述通过匹配的所述似然低于预定的低似然阈值时跳过所述匹配过程;以及
g)将所述匹配结果设置为失败的匹配而不执行所述匹配过程。
13.根据权利要求10所述的介质,其中所述指令在所述处理器上执行时还包括以下步骤:
h)当所述匹配结果的所述通过匹配的所述似然超过预定的高似然阈值时跳过所述匹配过程;以及
i)将所述匹配结果设置为通过的匹配而不执行所述匹配过程。
14.根据权利要求10所述的介质,其中所述指令在所述处理器上执行时还包括以下步骤:
h)当所述匹配结果的所述通过匹配的所述似然低于预定的低似然阈值时跳过所述匹配过程;以及
i)将所述匹配结果设置为失败的匹配而不执行所述匹配过程。
15.一种用于图案测试的系统,其使用匹配过程来比较第一图案的第一数字表示与第二图案的第二数字表示,所述匹配过程用于使用一组预定匹配标准确定来自所述第一数字表示的第一组匹配的感兴趣特征以及所述第二数字表示的第二组匹配的感兴趣特征的匹配结果,所述系统包括:
处理器,其a)从所述第一数字表示中提取第一组感兴趣特征;b)从所述第二数字表示中提取第二组感兴趣特征;c)从所述第一组感兴趣特征建立所述第一数字表示的所述第一组匹配的感兴趣特征;以及d)从所述第二组感兴趣特征建立所述第二数字表示的所述第二组匹配的感兴趣特征;以及
以及存储器,其用于储存数字表示、多组感兴趣特征和多组匹配的感兴趣特征;
其中处理器还e)使用所述多组匹配的感兴趣特征,响应于在所述匹配过程执行之前对所述多组匹配的感兴趣特征的评估来为所述匹配结果预测通过匹配的似然。
16.根据权利要求15所述的系统,其中所述处理器还:
f)响应于所述匹配结果的所述通过匹配的似然,调整所述匹配过程的所述预定匹配标准组的匹配标准,以产生与所述预定匹配标准组不同的调整的匹配标准组;以及
g)执行所述匹配过程以使用所述调整的匹配标准组而不是预定的匹配标准组来产生所述匹配结果。
17.根据权利要求15所述的系统,其中所述处理器还:
f)当所述匹配结果的所述通过匹配的所述似然超过预定的高似然阈值时跳过所述匹配过程;以及
g)将所述匹配结果设置为通过的匹配而不执行所述匹配过程。
18.根据权利要求15所述的系统,其中所述处理器还:
f)当所述匹配结果的所述通过匹配的所述似然低于预定的低似然阈值时跳过所述匹配过程;以及
g)将所述匹配结果设置为失败的匹配而不执行所述匹配过程。
19.根据权利要求16所述的系统,其中所述处理器还:
h)当所述匹配结果的所述通过匹配的所述似然超过预定的高似然阈值时跳过所述匹配过程;以及
i)将所述匹配结果设置为通过的匹配而不执行所述匹配过程。
20.根据权利要求16所述的系统,其中所述处理器还:
h)当所述匹配结果的所述通过匹配的所述似然低于预定的低似然阈值时跳过所述匹配过程;以及
i)将所述匹配结果设置为失败的匹配而不执行所述匹配过程。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562126140P | 2015-02-27 | 2015-02-27 | |
US62/126,140 | 2015-02-27 | ||
US14/689,821 | 2015-04-17 | ||
US14/689,821 US9940502B2 (en) | 2015-02-27 | 2015-04-17 | Pre-match prediction for pattern testing |
PCT/IB2016/051081 WO2016135696A1 (en) | 2015-02-27 | 2016-02-26 | Pre-match prediction for pattern testing |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107533636A true CN107533636A (zh) | 2018-01-02 |
Family
ID=55642531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680023509.5A Pending CN107533636A (zh) | 2015-02-27 | 2016-02-26 | 用于图案测试的预匹配预测 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9940502B2 (zh) |
EP (1) | EP3262564A1 (zh) |
CN (1) | CN107533636A (zh) |
WO (1) | WO2016135696A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10157306B2 (en) | 2015-02-27 | 2018-12-18 | Idex Asa | Curve matching and prequalification |
US9940502B2 (en) | 2015-02-27 | 2018-04-10 | Idex Asa | Pre-match prediction for pattern testing |
US10528789B2 (en) | 2015-02-27 | 2020-01-07 | Idex Asa | Dynamic match statistics in pattern matching |
US11714963B2 (en) * | 2020-03-13 | 2023-08-01 | International Business Machines Corporation | Content modification using natural language processing to include features of interest to various groups |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002096181A2 (en) * | 2001-05-25 | 2002-12-05 | Biometric Informatics Technology, Inc. | Fingerprint recognition system |
CN101098232A (zh) * | 2007-07-12 | 2008-01-02 | 兰州大学 | 一种动态口令与多生物特征结合的身份认证方法 |
Family Cites Families (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59101969A (ja) | 1982-12-01 | 1984-06-12 | Dainippon Screen Mfg Co Ltd | 2値画像パタ−ンのデ−タ処理方法及び装置 |
US5659626A (en) | 1994-10-20 | 1997-08-19 | Calspan Corporation | Fingerprint identification system |
JP2739856B2 (ja) * | 1995-12-18 | 1998-04-15 | 日本電気株式会社 | 指掌紋画像処理装置 |
US5841888A (en) | 1996-01-23 | 1998-11-24 | Harris Corporation | Method for fingerprint indexing and searching |
US5828773A (en) | 1996-01-26 | 1998-10-27 | Harris Corporation | Fingerprint sensing method with finger position indication |
US5909501A (en) | 1996-09-09 | 1999-06-01 | Arete Associates | Systems and methods with identity verification by comparison and interpretation of skin patterns such as fingerprints |
US6041133A (en) * | 1996-12-13 | 2000-03-21 | International Business Machines Corporation | Method and apparatus for fingerprint matching using transformation parameter clustering based on local feature correspondences |
US6233348B1 (en) * | 1997-10-20 | 2001-05-15 | Fujitsu Limited | Fingerprint registering apparatus, fingerprint identifying apparatus, and fingerprint identifying method |
KR100253366B1 (ko) | 1997-12-03 | 2000-04-15 | 김영환 | 엠펙용 가변길이코드 디코더 |
US6241288B1 (en) | 1998-04-02 | 2001-06-05 | Precise Biometrics Ab | Fingerprint identification/verification system |
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 |
US7236617B1 (en) | 2000-04-13 | 2007-06-26 | 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 |
US7359553B1 (en) | 2001-02-16 | 2008-04-15 | Bio-Key International, Inc. | Image identification system |
US6895104B2 (en) | 2001-02-16 | 2005-05-17 | Sac Technologies, Inc. | Image identification system |
SE0100887D0 (sv) | 2001-03-15 | 2001-03-15 | Fingerprint Cards Ab | Anordning och metod för behandling av fingeravtrycksinformation |
JP4193163B2 (ja) * | 2001-03-26 | 2008-12-10 | 日本電気株式会社 | 指掌紋画像処理装置及び方法 |
US7203347B2 (en) | 2001-06-27 | 2007-04-10 | Activcard Ireland Limited | Method and system for extracting an area of interest from within a swipe image of a biological surface |
US7142699B2 (en) | 2001-12-14 | 2006-11-28 | Siemens Corporate Research, Inc. | Fingerprint matching using ridge feature maps |
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 |
JP4262471B2 (ja) | 2002-11-12 | 2009-05-13 | 富士通株式会社 | 生体特徴データ取得装置 |
EP1671260B1 (en) | 2003-10-01 | 2014-06-11 | Authentec, Inc. | Methods for finger biometric processing and associated finger biometric sensors |
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 |
US7574022B2 (en) | 2004-05-20 | 2009-08-11 | Atrua Technologies | Secure system and method of creating and processing partial finger images |
US8055027B2 (en) | 2004-06-30 | 2011-11-08 | Bio-Key International, Inc. | Generation of directional field information in the context of image processing |
US7697773B1 (en) | 2004-07-22 | 2010-04-13 | Roger A. Bauchspies | System, method and computer program product for image compression/decompression |
US7512256B1 (en) | 2004-07-22 | 2009-03-31 | Odi Security; Llc | System, method, and computer program product for ridge map formation |
US7643660B1 (en) | 2004-07-22 | 2010-01-05 | Odi Security; Llc | System, method and computer program product for fingerprint verification |
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 |
JP2007018168A (ja) | 2005-07-06 | 2007-01-25 | Murata Mach Ltd | 生体認証装置及び画像処理装置 |
US20080013803A1 (en) * | 2006-07-13 | 2008-01-17 | Motorola, Inc. | Method and apparatus for determining print image quality |
US8908934B2 (en) | 2007-03-14 | 2014-12-09 | Ivi Holdings Ltd. | Fingerprint recognition for low computing power applications |
KR101572768B1 (ko) | 2007-09-24 | 2015-11-27 | 애플 인크. | 전자 장치 내의 내장형 인증 시스템들 |
US8295561B2 (en) | 2008-11-04 | 2012-10-23 | Signal Processing, Inc. | Knowledge learning system and process for fingerprint verifications |
US8638939B1 (en) | 2009-08-20 | 2014-01-28 | Apple Inc. | User authentication on an electronic device |
US8514131B2 (en) * | 2010-09-03 | 2013-08-20 | Qualcomm Incorporated | Methods and apparatus for increasing the reliability of signal reference maps for use in position determination |
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 |
CN111176516B (zh) | 2012-05-18 | 2023-10-20 | 苹果公司 | 用于操纵用户界面的设备、方法和图形用户界面 |
US9092652B2 (en) | 2012-06-29 | 2015-07-28 | Apple Inc. | Zero reference based ridge flow map |
US20140003681A1 (en) | 2012-06-29 | 2014-01-02 | Apple Inc. | Zero Enrollment |
US9202099B2 (en) | 2012-06-29 | 2015-12-01 | Apple Inc. | Fingerprint sensing and enrollment |
US9436864B2 (en) | 2012-08-23 | 2016-09-06 | Apple Inc. | Electronic device performing finger biometric pre-matching and related methods |
GB2507540A (en) | 2012-11-02 | 2014-05-07 | Zwipe As | Enrolling fingerprints by combining image strips to obtain sufficient width |
GB2507539A (en) | 2012-11-02 | 2014-05-07 | Zwipe As | Matching sets of minutiae using local neighbourhoods |
US9940502B2 (en) | 2015-02-27 | 2018-04-10 | Idex Asa | Pre-match prediction for pattern testing |
US10157306B2 (en) | 2015-02-27 | 2018-12-18 | Idex Asa | Curve matching and prequalification |
-
2015
- 2015-04-17 US US14/689,821 patent/US9940502B2/en active Active
-
2016
- 2016-02-26 CN CN201680023509.5A patent/CN107533636A/zh active Pending
- 2016-02-26 EP EP16713085.5A patent/EP3262564A1/en not_active Ceased
- 2016-02-26 WO PCT/IB2016/051081 patent/WO2016135696A1/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002096181A2 (en) * | 2001-05-25 | 2002-12-05 | Biometric Informatics Technology, Inc. | Fingerprint recognition system |
CN101098232A (zh) * | 2007-07-12 | 2008-01-02 | 兰州大学 | 一种动态口令与多生物特征结合的身份认证方法 |
Non-Patent Citations (2)
Title |
---|
XUYING ZHAO ET AL.: "A Novel Two stage Cascading Algorithm for Fingerprint Recognition", 《2ND INTERNATIONAL SYMPOSIUM ON COMPUTER, COMMUNICATION, CONTROL AND AUTOMATION (3CA 2013)》 * |
ZHENAN SUN ET AL.: "Improving Iris Recognition Accuracy Via Cascaded Classifiers", 《IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS-PART C: APPLICATIONS AND REVIEWS》 * |
Also Published As
Publication number | Publication date |
---|---|
US20160253546A1 (en) | 2016-09-01 |
WO2016135696A1 (en) | 2016-09-01 |
US9940502B2 (en) | 2018-04-10 |
EP3262564A1 (en) | 2018-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9251420B2 (en) | System for mapping and identification of plants using digital image processing and route generation | |
Henry | Near sets: theory and applications | |
CN110276366A (zh) | 使用弱监督模型来检测对象 | |
CN106897573A (zh) | 使用深度卷积神经网络的用于医学图像的计算机辅助诊断系统 | |
JP2021508135A (ja) | 検査結論を決定するための取り込まれた画像の解析 | |
WO2018205372A1 (zh) | 房产信息处理方法、装置、计算机设备及存储介质 | |
CN110046600A (zh) | 用于人体检测的方法和装置 | |
CN108986085A (zh) | Ct图像肺结节检测方法、装置、设备及可读存储介质 | |
CN107533636A (zh) | 用于图案测试的预匹配预测 | |
CN107683498B (zh) | 利用视觉特征进行图像的自动连接 | |
US20230065825A1 (en) | Systems and Methods for Automated Trade-In With Limited Human Interaction | |
CN107194361A (zh) | 二维姿势检测方法及装置 | |
US11544316B2 (en) | Automatic annotation for vehicle damage | |
CN108121961A (zh) | 巡检行为识别方法、装置、计算机设备和存储介质 | |
CN111784665B (zh) | 基于傅里叶变换的oct图像质量评估方法、系统及装置 | |
CN106327546A (zh) | 人脸检测算法的测试方法和装置 | |
CN107533650A (zh) | 曲线匹配和预审 | |
CN108628993A (zh) | 电子地图自适应分类方法、装置、设备及存储介质 | |
Saar et al. | Browserbite: cross‐browser testing via image processing | |
EP3121758A1 (en) | Pattern mapping | |
WO2023107759A1 (en) | Computer-implemented segmented numeral character recognition and reader | |
CN110555488A (zh) | 图像序列的审核方法及系统、电子设备和存储介质 | |
CN109145752A (zh) | 用于评估对象检测和跟踪算法的方法、装置、设备和介质 | |
CN111782529A (zh) | 辅助诊断系统的测试方法、装置、计算机设备及存储介质 | |
CN114549513A (zh) | 零件识别方法、装置、质检方法、电子设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180102 |
|
WD01 | Invention patent application deemed withdrawn after publication |