CN107533650A - 曲线匹配和预审 - Google Patents

曲线匹配和预审 Download PDF

Info

Publication number
CN107533650A
CN107533650A CN201680023415.8A CN201680023415A CN107533650A CN 107533650 A CN107533650 A CN 107533650A CN 201680023415 A CN201680023415 A CN 201680023415A CN 107533650 A CN107533650 A CN 107533650A
Authority
CN
China
Prior art keywords
curved section
group
node
pattern
section
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
Application number
CN201680023415.8A
Other languages
English (en)
Inventor
罗杰·A.·鲍赫斯皮思
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.)
Love Deckers
Idex Biometrics ASA
Original Assignee
Love Deckers
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 Love Deckers filed Critical Love Deckers
Publication of CN107533650A publication Critical patent/CN107533650A/zh
Pending legal-status Critical Current

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
    • G06V40/1347—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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及一种系统、方法和计算机程序产品，用于使用来自曲线段的曲率信息来评估多组曲线的一致性，以识别符合的曲线段。通过对集群的曲线段中的对应点进行三角测量来评估这些曲线段在集群情境中的相对位置变化。集群中对应的长度之间几乎没有偏差即表明匹配的概率很高。根据集群的符合曲线段可以通过更严格的图案匹配器来进行确认。

Description

曲线匹配和预审
相关申请的交叉引用
本申请要求2015年2月25日提交的编号15/053,162的美国专利申请和2015年2月27日提交的编号62/126,140的美国专利申请的权益，其全部内容为所有目的通过引用明确地并入本文。
技术领域
本发明一般涉及自动机器实现的图案验证和其他类型的图案比较及处理，更具体地但并非排他地，涉及用于曲线段轮廓匹配的系统、方法和计算机程序产品。
背景技术
背景技术部分中讨论的主题不应仅由于在背景技术部分中提到而被假定为先有技术。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先前在先有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，其本身也可为发明。
第7,970,186号的美国专利和第7,643,660号美国专利，“用于指纹验证的系统、方法和计算机程序产品”，为了所有目的，其全部内容通过引用明确地并入本文。7,970,186号专利和7,643,660号专利描述了指纹验证，并且包括对于提及兴趣点的各种指纹验证过程的参考。在一些指纹验证系统中，有一类特殊的特征称为细节特征。在一些情况下，可以将细节特征用作为了可能的对应而将测试图像与一个或多个参考图像进行比较的方法中使用的图像锚。
细节特征一般存在于整个指纹图像中。由于图像捕获区域的尺寸减小到显现的小于整个指纹，细节特征不太普遍。在某些情况下，部分指纹的任何给定图像可能不存在细节特征。
当处理部分指纹图像时，依赖于细节特征的任何指纹处理可能不起作用或降低效果。
与整个手指传感器相比，越来越需要能够使用具有减小的成像区域的指纹传感器。消除或减少对细节特征处理的任何要求允许使用和采用范围更广泛的传感器尺寸。
发明内容
本发明公开了一种系统、方法和计算机程序产品，用于在图案验证期间，特别是在指纹验证期间，减少或消除对细节特征的任何要求。本发明提供以下概述以便于理解与图案验证相关的技术特征中的一些，并非旨在作为对本发明的完全描述。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。除了指纹图案和指纹验证系统之外，本发明可应用于其它图案处理系统和验证系统。此外，本发明不限于作为图案源的图像的图案表示，而是可以应用于包括位映像、从图像或传感器输出导出的数据结构的图案源的各种机器可处理/可读表示，包括来自各种来源的图案信息的组合。
本发明的一些实施方式涉及自动机器实施的曲线段比较，其中将第一组曲线与第二组曲线进行比较。第一组曲线可以代表第一图案源或模板，第二组曲线可以来自未知图案源或模板。希望在一定置信度水平内确定未知图案源是否与第一图案源相同或足够接近。
根据特定情境中期望的置信水平，本发明的一些实施方式可以直接验证未知图案源是否与第一图案源匹配。
本发明的一些实施方式可以预筛选或预审第二组曲线，用于更严格地分析多组曲线的其他后续自动化处理。该预筛选或预审还可以从能够在随后的自动处理中使用的第二组曲线中识别一个或多个特征。一些实施方式可以识别特征的集合或组合或者图案表示的元素之间的计算/测量的关系。这些特征和/或关系可以用作图案签名、质量参数、集群和/或可以由后续过程或分析使用的“细节特征”的可选方案。
在本发明的一些实施方式中，图案源是人的手指，并且多组曲线表示指纹数据(例如界定全部或部分脊线段的曲线段)。就此而论，第一图案源可以表示授权用户的登记手指(例如用户右手的食指)。当与捕获小于整个指纹图像的传感器一起使用时，可能有多个不同的有效组的曲线全部来自授权用户的同一登记手指。这些有效组的曲线可以表示相同指纹的不同区域，包括一些具有平移和/或旋转变化的区域。在某点上，验证过程可以从未知图案组(例如来自未知用户的指纹的一部分)接收未知的一组曲线。希望确定未知用户是否是在期望的置信水平内与授权用户相同的用户，比如基于来自未知用户的指纹的该部分的元素与授权用户登记信息的元素之间的对应关系。
本发明所公开的实施方式的一些可以用于直接针对“最终”验证的登记数据评估未知曲线集合。其他实施可以使用一个或多个结果作为一个或多个感兴趣的曲线段的预筛选或预审用于更加强的验证过程。预筛选可以包括沿着所识别的曲线段的一个或多个感兴趣的曲线段或点的识别，用于更加强的自动指纹验证过程。这些实施方式不使用也不需要使用来自指纹图像的细节特征。
在简单的水平上，本发明的评估方法将未知的一组曲线与授权的一组曲线进行比较。在每组曲线中，识别所有曲线段，每个曲线段从曲线段起端延伸到曲线段末端。使用嵌套方法比较将一组曲线的每个曲线段与另一组曲线的所有曲线段进行比较。每个比较确定了比较的曲线段的一致性的品质因数。基于用于比较的相关的品质因数，曲线段以一致性的降序进行匹配。一些实施方式可能不将一组的每个曲线段与另一组的每个曲线段进行比较。
一种机器实施的图案测试方法，其将第一图案的第一数字表示与第二图案的第二数字表示进行比较，以建立第一图案和第二图案之间的对应关系的度量，包括映射来自第一数字表示的第一组特性参数，第一组特性参数包括第一群离散图案元素和第一群离散图案元素的相邻图案元素的组合之间的第一组相对取向；映射来自第二数字表示的第二组特性参数，第二组特性参数包括第二群离散图案元素和第二群离散图案元素的相邻图案元素的组合之间的第一组相对取向；为第一群离散图案元素的每个特定离散图案元素限定来自对应于特定离散图案元素的第二群离散图案元素的候选离散图案元素组；为各候选离散图案元素确立对应度；以及响应于用于多组候选离散图案的对应度的分析来确定多组特性参数之间的品质因数。
一种机器实施的图案测试方法，其将被测的第一指纹的第一数字表示与被测的第二指纹的第二数字表示进行比较，以建立被测指纹之间的对应关系的度量，包括识别第一数字表示中的第一组曲线元素，第一组曲线元素包括来自第一指纹的第一群曲线段；识别第二数字表示中的第二组曲线元素，第二组曲线元素包括来自第二指纹的第二群曲线段；为第一群曲线段生成第一组几何签名；为第二群曲线段生成第二组几何签名；并且通过针对彼此评估多组几何签名来生成数字表示之间的对应关系的品质因数。
一种用于将第一图案源的第一数字表示与第二图案源的第二数字表示进行比较的方法，第一数字表示包括具有数量N的曲线段的第一组曲线，第二数字表示包括具有数量N’的曲线段的第二组曲线，包括将数量N的曲线段映射为第一组数量N的机器可读的曲线段；将数量N’的曲线段映射为第二组数量N’的机器可读的曲线段；为第一组机器可读曲线段的每个第一特定曲线段识别第一对相关联的机器可读曲线段端点，其中各第一特定曲线段在第一对相关联的机器可读曲线段端点之间延伸；为第二组机器可读曲线段的每个第二特定曲线段识别第二对相关联的机器可读曲线段端点，其中各第二特定曲线段在第二对相关联的机器可读曲线段端点之间延伸；将第一组数量N的机器可读曲线段的各机器可读曲线段划分为数量2*D的机器可读曲线段部分，各个等长的数量2*D的机器可读曲线段部分具有每对相邻的数量2*D的机器可读曲线段部分之间的段接合部；将第二组数量N’的机器可读曲线段的各机器可读曲线段划分为数量2*D’的机器可读曲线段部分，各个等长的数量2*D’的机器可读曲线段部分具有每对相邻的数量2*D’的机器可读曲线段部分之间的段接合部；在每个段接合部建立节点；并且计算第一组曲线的曲率角数据的第一矩阵Mi,j，1≤i≤N且1≤j≤D，第一矩阵Mi,j界定第一组曲线的第i个机器可读曲线段的第一特定节点的第一角度Ai,j，其中第一特定节点界定第一顶点，第一角度Ai,j的第一腿部从第一顶点延伸到第一腿部节点，其从第一特定节点起间隔数量j的段接合部，第一角度Ai,j的第二腿部从第一顶点延伸到第二腿部节点，其从第一特定节点起间隔数量-j的段接合部；计算第二组曲线的曲率角数据的第二矩阵M’s,t，1≤s≤N’且1≤t≤D’，第二矩阵Ms,t界定第二组曲线的第s个机器可读曲线段的第二特定节点的第二角度As,t，其中第二特定节点作为第二顶点，第二角度As,t的第一腿部从第二顶点延伸到第三腿部节点，其从第二特定节点起间隔数量t的段接合部，角度As,t的第二腿部从第二顶点延伸到第四腿部节点，其从第二特定节点起间隔数量-t的段接合部；并且将第一矩阵M与第二矩阵M’进行比较以创建多个对应度量，各对应度量测量第一组曲线的第一组候选曲线段与第二组曲线的第二组曲线段的每个曲线段之间的对应程度。
一种用于将第一图案源的第一数字表示与第二图案源的第二数字表示进行比较的装置，第一数字表示包括具有数量N的曲线段的第一组曲线，第二数字表示包括具有数量N’的曲线段的第二组曲线，包括生成一个或多个数字表示的图案收集器；以及耦合到图案收集器的处理系统，包括处理器和耦合到处理器的存储器，存储器储存多个计算机可执行指令，其中处理器执行多个计算机可执行指令以执行方法，包括将数量N的曲线段映射为第一组数量N的机器可读的曲线段；将数量N’的曲线段映射为第二组数量N’的机器可读的曲线段；为第一组机器可读曲线段的每个第一特定曲线段识别第一对相关联的机器可读曲线段端点，其中各第一特定曲线段在第一对相关联的机器可读曲线段端点之间延伸；为第二组机器可读曲线段的每个第二特定曲线段识别第二对相关联的机器可读曲线段端点，其中各第二特定曲线段在第二对相关联的机器可读曲线段端点之间延伸；将第一组数量N的机器可读曲线段的各机器可读曲线段划分为数量2*D的机器可读曲线段部分，各个等长的数量2*D的机器可读曲线段部分具有每对相邻的数量2*D的机器可读曲线段部分之间的段接合部；将第二组数量N’的机器可读曲线段的各机器可读曲线段划分为数量2*D’的机器可读曲线段部分，各个等长的数量2*D’的机器可读曲线段部分具有每对相邻的数量2*D’的机器可读曲线段部分之间的段接合部；在每个段接合部建立节点；并且计算第一组曲线的曲率角数据的第一矩阵Mi,j，1≤i≤N且1≤j≤D，第一矩阵Mi,j界定第一组曲线的第i个机器可读曲线段的第一特定节点的第一角度Ai,j，其中第一特定节点界定第一顶点，第一角度Ai,j的第一腿部从第一顶点延伸到第一腿部节点，其从第一特定节点起间隔数量j的段接合部，第一角度Ai,j的第二腿部从第一顶点延伸到第二腿部节点，其从第一特定节点起间隔数量-j的段接合部；计算第二组曲线的曲率角数据的第二矩阵M’s,t，1≤s≤N’且1≤t≤D’，第二矩阵Ms,t界定第二组曲线的第s个机器可读曲线段的第二特定节点的第二角度As,t，其中第二特定节点作为第二顶点，第二角度As,t的第一腿部从第二顶点延伸到第三腿部节点，其从第二特定节点起间隔数量t的段接合部，第二角度As,t的第二腿部从第二顶点延伸到第四腿部节点，其从第二特定节点起间隔数量-t的段接合部；并且将第一矩阵M与第二矩阵M’进行比较以创建多个对应度量，各对应度量测量第一组曲线的第一组候选曲线段与第二组曲线的第二组曲线段的每个曲线段之间的对应程度。
一种在其上储存有由处理器执行的计算机可执行指令的非暂时性计算机可读介质，以执行将第一图案源的第一数字表示与第二图案源的第二数字表示进行比较的方法，第一数字表示包括具有数量N的曲线段的第一组曲线，第二数字表示包括具有数量N’的曲线段的第二组曲线，方法包括将数量N的曲线段映射为第一组数量N的机器可读的曲线段；将数量N’的曲线段映射为第二组数量N’的机器可读的曲线段；为第一组机器可读曲线段的每个第一特定曲线段识别第一对相关联的机器可读曲线段端点，其中各第一特定曲线段在第一对相关联的机器可读曲线段端点之间延伸；为第二组机器可读曲线段的每个第二特定曲线段识别第二对相关联的机器可读曲线段端点，其中各第二特定曲线段在第二对相关联的机器可读曲线段端点之间延伸；将第一组数量N的机器可读曲线段的各机器可读曲线段划分为数量2*D的机器可读曲线段部分，各个等长的数量2*D的机器可读曲线段部分具有每对相邻的数量2*D的机器可读曲线段部分之间的段接合部；将第二组数量N’的机器可读曲线段的各机器可读曲线段划分为数量2*D’的机器可读曲线段部分，各个等长的数量2*D’的机器可读曲线段部分具有每对相邻的数量2*D’的机器可读曲线段部分之间的段接合部；在每个段接合部建立节点；并且计算第一组曲线的曲率角数据的第一矩阵Mi,j，1≤i≤N且1≤j≤D，第一矩阵Mi,j界定第一组曲线的第i个机器可读曲线段的第一特定节点的第一角度Ai,j，其中第一特定节点界定第一顶点，第一角度Ai,j的第一腿部从第一顶点延伸到第一腿部节点，其从第一特定节点起间隔数量j的段接合部，第一角度Ai,j的第二腿部从第一顶点延伸到第二腿部节点，其从第一特定节点起间隔数量-j的段接合部；计算第二组曲线的曲率角数据的第二矩阵M’s,t，1≤s≤N’且1≤t≤D’，第二矩阵Ms,t界定第二组曲线的第s个机器可读曲线段的第二特定节点的第二角度As,t，其中第二特定节点作为第二顶点，第二角度As,t的第一腿部从第二顶点延伸到第三腿部节点，其从第二特定节点起间隔数量t的段接合部，第二角度As,t的第二腿部从第二顶点延伸到第四腿部节点，其从第二特定节点起间隔数量-t的段接合部；并且将第一矩阵M与第二矩阵M’进行比较以创建多个对应度量，各对应度量测量第一组曲线的第一组候选曲线段与第二组曲线的第二组曲线段的每个曲线段之间的对应程度。
一种针对来自第二数字表示的一组授权曲线评估来自第一数字表示的一组未知曲线的方法，包括从未知组的曲线识别第一组曲线段，各曲线段从第一曲线段起端延伸到第一曲线段末端；从授权组的曲线识别第二组曲线段，各曲线段从第二曲线段起端延伸到第二曲线段末端；使用嵌套方法比较，将第一组曲线段的每个特定曲线段与第二组曲线段的每个曲线段进行比较，每个比较确立特定曲线段对彼此的一致性的品质因数；并且以响应于相关的品质因数的一致性的递减顺序，将第一组曲线段的曲线段与第二组曲线段匹配，以为第一组曲线段的每个特定曲线段而从第二组曲线段中生成一组排列的候选符合曲线段。
一种针对来自第二数字表示的一组授权曲线评估来自第一数字表示的一组未知曲线的方法，包括从未知组的曲线识别第一组曲线段，各曲线段从第一曲线段起端延伸到第一曲线段末端；从授权组的曲线识别第二组曲线段，各曲线段从第二曲线段起端延伸到第二曲线段末端；使用嵌套方法比较，将第一组曲线段的每个特定曲线段与第二组曲线段的每个曲线段进行比较，每个比较确立特定曲线段对彼此的一致性的品质因数；并且以响应于相关的品质因数的一致性的递减顺序，将第一组曲线段的曲线段与第二组曲线段匹配，以为第一组曲线段的每个特定曲线段而从第二组曲线段中生成单个唯一符合的曲线段。
所公开的实施方式还包括额外的测试，其中还评估附近曲线段之间的位置取向。将一组曲线中符合曲线段之间的相对位置信息与另一组曲线中相应的相对位置信息进行比较，用于相对位置品质因数。当评估该相对位置品质因数时，不同的实施可以使用不同数目的符合曲线段。
未知组的曲线包括具有高相对位置品质因数的多个紧密符合曲线段越多，则未知图案源是来自授权用户的置信度就越高。任何高度符合的曲线段，特别是具有高相对位置品质因数的曲线段，可以用作感兴趣的曲线段(或用作感兴趣点的沿着曲线段的点)，用于其他自动化处理，以提高未知来源与授权来源匹配的置信度。
本文中所述实施方式的任何一个都可以单独使用或以任何组合彼此一起使用。在本说明书中包含的发明还可以包括在本发明内容或摘要中仅部分提及或暗指或者完全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以解决可能在说明书中讨论的不同的缺陷。一些实施方式可以仅部分地解决一些缺陷或可能在说明书中讨论的仅仅一个缺陷，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、附图和权利要求书，本发明的其它特征、益处和优点将是显而易见的。
附图说明
附图进一步说明了本发明，并且连同本发明的详细描述，用于解释本发明的原理。附图中相同的附图标记贯穿各视图表示相同或功能相似的元素，并且附图被并入本说明书并形成说明书的一部分。
图1示出了用于指纹验证系统的实施方式的框图；
图2示出了用于指纹验证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；
图5示出了来自指纹传感器的输出的典型图像；
图6示出了从图5中所示的图像提取的脊线映像；
图7示出了用于匹配的曲线段处理；
图8示出了图7中标识的曲线段；
图9示出了用于计算曲线段参数化的计算的实施方式；
图10示出了沿着来自两个被测图案的曲线段的测试比较的相应点的建立；
图11示出了来自诸如可以由小图像捕获尺寸传感器界定的图案的不同窗口；
图12示出了图11中所示的不同窗口；
图13示出了图11中所示的不同窗口，窗口中的一个图像部分相对于另一个旋转；
图14示出了在被评估的曲线段上的不同窗口；
图15示出了用于在一对多组曲线段中潜在地符合曲线段的对应的曲线兴趣点的界定；
图16示出了用于确定候选符合曲线段的相对位置品质因数的实施方式；以及
图17示出了确定候选符合曲线段的相对位置品质因数的相关量化。
具体实施方式
本发明所公开的一些实施方式提供了一种系统、方法和计算机程序产品，用于在指纹验证期间减少或消除对细节特征的任何要求。以下描述的提出使得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。
对本领域技术人员来说，对优选实施方式和本文中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，本发明并不旨在限于所示的实施方式，而是符合与本文中所述的原理和特征一致的最宽范围。
定义
除非另有限定，本文中使用的所有术语(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。还将进一步理解，诸如在通常使用的字典中限定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其含义一致的含义，并且不会以理想化的或过于正式的意义来解释，除非在此明确限定。
以下定义适用于关于本发明的一些实施方式描述的一些方面。这些限定同样可以在本文中扩展。
如本文中所使用的，术语“或”包括“和/或”，术语“和/或”包括相关列出的项目的一个或多个的任何和所有组合。诸如“至少一个”的表达在元素列表之前修改整个元素列表，并且不修改列表的各个元素。
如本文中所使用的，单数术语“a”、“an”和“the”包括复数指示物，除非上下文另有明确规定。因此，例如，除非上下文另有明确指示，否则提及的对象能够包括多个对象。
此外，如在本文中的描述和所有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规定。应当理解，当元素被称为在另一元素“上”时，其能够直接在另一元素上，或者可以在其间存在中间元素。相反，当元素被称为“直接”在另一元素“上”时，不存在中间元件。
如本文中所使用的，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。组的对象也能够称为组的成员。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。
如本文中所使用的，术语“相邻”是指靠近或邻接。相邻的对象能够彼此间隔开，或者能够彼此实际或直接接触。在一些情况下，相邻的对象能够彼此耦合或者能够彼此整体地形成。
如本文中所使用的，术语“connect(连接)”、“connected(连接)”、“connecting(连接)”是指直接附接或链接。如上下文所示，连接的对象没有或没有实质的中间对象或一组对象。
如本文中所使用的，术语“couple(耦合)”、“coupled(耦合)”、“coupling(耦合)”是指操作连接或链接。耦合的对象能够彼此直接连接或者能够彼此间接连接，比如经由中间的一组对象。
如本文中所使用的，术语“基本上”和“大体”是指相当大的程度或范围。当与事件或情况结合使用时，术语能够指事件或情况正好发生的情况以及事件或情况发生到相当接近的情况，比如考虑到本文中所述的实施方式的典型容忍度或可变性。
如本文中所使用的，术语“可选”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情况以及不发生的情况。
如本文中所使用的，术语“指纹”是指来自图案源的对比幅度元素的映像。就此而言，包括人的手指上的脊线/谷线图案作为指纹。此外，斑马条纹图案、视网膜静脉图案或具有一组多个连续足够长的相似对比元素的对比幅度元素的其他集合。
图1示出了用于指纹验证系统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共同限定存储器系统130。在所公开的实施方式中，系统100被描述为与一些其他类型的指纹检查/匹配系统相反的指纹验证系统。在指纹验证系统中，系统尝试测量一对指纹(一对一)之间的对应关系，以便在一定的置信水平内确定一个指纹的一个图案源是否与另一指纹的图案源相同或足够接近。这与确定哪个图案源生成特定指纹的识别系统形成对照。当功率/速度的降低可以接受时，给定固定资源，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，用于访问和处理从指纹得到的指纹、指纹图像和多组曲线，详情如下所述。处理器110可以包括从x86、x64、ARM等中的一个或多个选择的一个或多个中央处理单元(CPU)，诸如通过系统总线连接到各种其他组件的架构。
成像设备105生成指纹图像；直接地(例如其是用于图案源或来自图案源的伪影的传感器或成像器)或者其访问数据结构或存储器以获得图像。图像可以是整个指纹的全部或一部分。有时指纹图像的一部分可能看起来是一组离散曲线。系统100是具有用于访问和处理资源指纹、指纹图像、指纹图像的部分以及多组从指纹导出的曲线的大量适当实施的通用计算机。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设备，比如可购自广泛的制造商，包括例如IDEX ASA、富士通、Atmel、苹果、Synaptics、英飞凌、索尼、集成生物特征和指纹卡。图像阵列可以相对较小(例如50×50像素、128×128像素到352×288像素或更大的CIF尺寸)，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生成的指纹图像。在一些情况下，系统105可以预处理图像，比如执行图像梯形失真校正(用于在返回与指纹大小或图像重建成比例的图像大小时,考虑与基于光学/棱镜的系统相关联的光学失真以组合在手指“刷”过传感器时在频带中拍摄的图像的几何校正。
操作系统在处理器110上运行，提供对系统的各种组件的功能的控制和协调。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，不过一些实施方式可以使用自限定控件来提供最低的定制功能。由系统控制的自限定程序包括可在处理器110上执行的指令组，这些指令组可移入和移出存储器。当通过处理器110执行时，这些指令组执行本文中所述的方法和自动机器实施的过程。来源105、I/O通信系统115和存储器系统130各自经由总线耦合到处理器110，存储器系统130包括用于控制基本系统功能的基本输入/输出系统(BIOS)。
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(例如直接有线的局域网(LAN)或广域网(WAN)，其包括例如互联网、WEB、内联网、外联网以及其他有线、光学或无线的公共和私有网络)。与通信系统相关联的术语旨在一般可互换，并且如此用在分布网络的该描述中。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115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数据的可移动存储器组件，例如图像、映像、指令或程序。
在使用中，系统100测试来自图案源的第一组曲线，比如来自实时手指的指纹部分，一对一地针对在存储器130中记录的已知数据库中的每一组登记的曲线。
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，通过系统100执行的过程200包括三个主要子处理：步骤205是曲线段提取过程；步骤210是在步骤205之后的组织曲线段数据子过程；以及步骤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使用许多可用的曲线段数据进行图像比较。步骤205是比较的准备，而实际曲线段比较包括两个基本步骤：组织步骤210和比较步骤215。
曲线段提取步骤205从图像创建一组曲线段。有许多方法可以处理图像以生成一组曲线段，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。另在题为“SYSTEM，METHOD，AND COMPUTER PROGRAM PRODUCT FOR RIDGE MAP FORMATION(用于脊线映像形成的系统、方法和计算机程序产品)”的7,512,256号美国专利中解释的优选的曲线提取过程可适用于提取曲线段，出于所有目的，其全部内容通过引用明确并入本文。
在优选实施方式中，从传感器105生成的登记图像具有提取的曲线段映像，并且从映像制成的模板有效地存储在存储器系统130中，作为用于存储器的安全和有效使用的加密模板。当登记的图像存储为模板时，系统100从模板中生成适当的曲线段映像以供使用。另在题为“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No.7,697,773号美国专利中解释了可选模板和加密\解密系统，其全部内容通过引用明确地并入本文用于所有目的。来自登记的曲线段映像的登记的曲线段映像和/或模板可以存储在FLASH存储器(闪存)120中用于长期存储，并且被移动到RAM 125中以进行处理。
图3示出了用于图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：跨越子步骤305、分割子步骤310和计算子步骤315。
子步骤305跨越用于曲线段端点的图像映像，并将端点收集到阵列列表中。在指纹的一部分的任何给定图像映像中，曲线段端点可以是实际曲线端，或者可以是由于成像装置105而导致的曲线元素的人为截断，以及当分析成像装置来源的图像映像时的图案源的相对位置。图像映像的每组曲线包括多个曲线段，每个曲线段通过沿着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来标识。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(曲线)绘制中的其它实施方式根据线/曲线绘制方法可能有2个以上)。当识别图像映像的曲线段时，可以使用关于图案源和/或图案的信息来帮助优化。对于人类指纹，有各种特征有助于识别曲线段。例如，曲线段不是连续的，任何曲线段也不会变得太尖锐。
子步骤310将每个识别的曲线段划分成一系列等长的曲线子段用于处理。曲线段点限定在每对相邻曲线子段的连接点处。因此这些曲线段点以及曲线段端点已经在子步骤310的结束处建立。在本文的讨论中，曲线段被标识为R(s)，并且沿着R(s)的这些曲线段点被识别为P(n)，n＝3到沿着称为nmax的曲线段R(s)解析的曲线段点的总数。对于所公开的实施方式，n至少为三，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，其是图像尺寸和图案源的函数。
子步骤315确定每个曲线段点处的曲线段曲率角数据。对于每个曲线段点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沿着图像映像的R(s)为每个曲线段点P(n)建立一组A(n)(可选地也可以相等地使用曲线段)。还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示出了用于图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针对被测图像(t)(例如来自指纹传感器的实时图像)评估具有一组曲线段的第一图像(例如来自已登记/授权图像的存储历史(h)的图像)。比较子过程步骤215有效地将来自存储历史的图像的每个曲线段与被测图像的每个曲线段进行比较。目标是找到两个图像共同的符合的曲线段。每次比较计算一个品质因数。执行进一步测试以确定用于符合的候选者分组的相对位置品质因数，以确保在每个图像中发现的一组识别的符合曲线段实际上共享共同的相对位置关系。共享共同的相对位置关系的紧密符合的曲线段的数量越多，两个图像(多组曲线)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的结果可用于启动更严格的匹配过程，借助识别的符合曲线段或沿着所识别的符合曲线段的指定曲线段点，以提供用于严格测试的一个或多个感兴趣特征。
步骤215包括一组子步骤405-430。子步骤405为了潜在相似性比较曲线段。子步骤410将相似的曲线分成用于测试的曲线分组(例如集群)。步骤415遵循标记每个c单位的每个曲线段。子步骤420执行测试以验证沿着曲线段的所有增量具有与先前增量以及在先前已验证的相邻曲线段上相似的距离。当测试失败时，比较子过程步骤215返回到子步骤415。
当子步骤420的测试成功时，比较子过程步骤215进行到子步骤425以向确认的曲线数据列表中添加曲线信息。子步骤425还为足够的数据匹配进行测试。当子步骤425的测试成功时，为正在比较的两个图像设置“匹配”状态。
当子步骤425的测试不成功时，比较子过程步骤215进行到子步骤430，以使用路径垂线计算来识别相邻的符合曲线段。当找到新的相邻符合曲线段时，比较子过程步骤215从子步骤430转到子步骤415。当没有找到新的相邻符合曲线段时，比较子过程步骤215从子步骤430转到子步骤410，以开始新的曲线组。当在同一曲线组中没有找到新的相邻符合曲线段，并且不可能开始新的曲线组时，比较子过程步骤215失败并且搜索结束。如果没有更多类似的曲线来开始组建组，则不再有要测试的数据(其他相似曲线中具有类似特征的曲线)，测试结束。
在操作中，如本文中所述比较两个图像，在下面的讨论中各自被称为被测图像(即是在一些应用中，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源，即是例如根据与已知数据库的匹配来验证未知图案源是否被授权)。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。一号图像的第s个曲线段是R(t1)(s)，二号图像的第s个曲线段是R(t2)(s)。沿着一号图像的曲线段R(t1)(s)的曲线段点被标识为P(t1)(n)，沿着二号图像的曲线段R(t2)(s)的曲线段点被标识为P(t2)(n)。沿着每个图像的每个曲线段为每个曲线段点确定一个角度。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，其中对于每个曲线段R(t1)(s)，s＝1至图像映像一的St1max(St1最大)，对于每个曲线段R(t2)(s)，s＝1至图像映像图二的St2max(St2最大)，比较以每个点P(n)为中心的图像映像1到图像映像2的曲线段组合。也就是说，例如，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，用于所有有效的比较。沿着任何特定曲线段的曲线段点的最大数量为nmax(n最大)，并且使用与第i个曲线段点间隔开的曲线段点的数量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)。
比较曲线段需要评估沿着曲线元素的每个点角度。本发明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的差值和有多接近于零(即最低差值和是最接近的符合曲线段)的接近程度，两个曲线段被认为是相似的，并且作为符合性的候选。
Mj,k的每个值标识用于图像一的特定曲线段(第k个曲线段或R(t1)(k))与图像二的特定曲线段(第j个曲线段或R(t2)(j))相比的符合性的品质因数。Mj,k的最低值表示符合性的最佳候选。
一旦执行这些比较，就要注意，即使对于在两个映像中成像的相同曲线段，在两个图像映像中可能不存在相似的曲线段终点的可能性。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。
还值得注意的是，角度基于曲线段局部的信息来确定。这意味着角度值是旋转独立的，并且不受图像映像内的图案的旋转的影响。
一旦候选符合曲线段由比较子过程215的第一部分建立，则第二部分评估它们之间的位置相关性。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集群，然后量化两个图像中组的曲线段之间的相对测量。本发明公开了一种用于该相对位置品质因数的确定品质因数的简单方法。对于图像映像的组中的每个曲线段，端点和中点用于测试初始位置邻近度。在两个图像映像的组中三角测量将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别。这些共同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一个旋转独立的确认。
因此，比较子步骤215识别两个图像映像共同的可能符合的曲线段。这些曲线段在每个图像映像中聚类在一起，然后比较两个图像映像中的集群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像之间的集群的所有曲线段充分匹配时，集群的创建是成功的。
具有高相对位置品质因数的集群中符合曲线段的数量越多，两个图像映像来自相同图案源的可能性就越大。具有最佳匹配的集群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。
图5至图17示出了实施连同图2至图4所述过程的系统100的操作。图5示出了典型的来自指纹传感器的输出的图像500，其中系统100借助来自该指纹传感器的类型的图像500创建曲线段映像。如本文所述，当指纹传感器具有减小的图像捕获区域尺寸使得来自小传感器的图像500将是所示图像的一小部分时，会导致特定的挑战。脊线/谷线幅度信息可以以8位灰度呈现，白色具有值“255”，黑色具有值“0”。曲线段的许多部分将具有大于或等于0的值，而谷线将具有小于或等于255的值。曲线段映像生成对于从指纹图像的部分准确地和可重现地生成曲线段映像是很重要的。曲线段映像具有感兴趣的特征点，其通常是曲线元素的端点或沿着曲线段的点。这些特征在筛选和匹配中很重要，因此重现性很重要。
图6示出了从图5中所示的图像500提取的曲线段映像600。映像600是一个二进制映像，其中脊线被描绘为黑色像素和非脊线描绘为白色像素。映像600由系统100进行限定，以确保其包含足量的可识别数据以适当比例用于预期用途。映像600可以从原始图像尺寸缩放以减少存储器需求，同时可能牺牲一些精度。映像600以与图像500成1：1的比例显示。
图7示出了用于匹配的来自映像600的三个曲线段R(s)、R(s+1)和R(s+2)处理。对应于曲线段R(s)的特定曲线段705被划分为如本文所标识的等长度部分，例如子步骤310。图8示出了连同标识的曲线段点的来自图7的曲线段705。
图9示出了用于计算曲线段705的曲线段参数化的实施方式。本文中所述的子步骤315是曲线段参数化的特定实施，其中系统100计算每个曲线段点的曲率角数据。所示实施方式，计算角度A(n)的曲率角数据，其他实施方式可以使用不同的值。角度A(n)的顶点在R(s)的P(n)处，并且使用d＝4来确定第一腿部(P(n-4))和第二腿部(P(n+4))。d的不同值通常生成用于角度A(n)的不同的值。
图10示出了沿着取自待比较的不同组曲线的一对测试曲线段的相应曲线段点的识别。第一个测试曲线段R(t1)(s)已被划分为等长段，其中标有3个点用于计算曲率角数据：P(t1)A(n)、P(t1)A(n+1)和P(t1)A(n+2)。类似地，第二测试曲线段R(t2)(s)被划分成等长段，其中标有3个对应点用于计算曲率角数据：P(t2)A(n)、P(t2)A(n+1)和P(t2)A(n+2)。
图11示出了诸如可以由小图像捕获尺寸传感器界定的图案的不同图像部分。图11包括图7所示的图像600以及第一图案部分1105和第二图案部分1110。这些图案部分有助于突出小图像捕捉区域尺寸传感器的挑战。例如，两个图案部分都取自相同的图案源，其中第一图案部分1105登记到授权数据库中。当用户稍后使用相同的传感器通过在同一传感器上使用相同的手指来尝试验证时，生成第二图案部分1110。来自小传感器的图像捕获生成相同指纹的第二图案部分，然而，所得到的图案部分的曲线组不同。当系统100能够在可由匹配器使用以测试验证的两个图案部分找到符合曲线段时，验证变得更加容易。
图12示出了图11中标识的不同图案部分，第一图案部分1105和第二图案部分1110，作为并行被测图像。
图13示出了与图11和图12中不同的图案部分，以示出当在捕获第一图案部分的时间与捕获第二图案部分的较晚时间之间存在图案源和小传感器的不同取向时生成的所得到的图案部分。特别地，除了平移之外还有相对旋转。这有助于突出显示在处理步骤中提供旋转独立性的所公开实施方式的其中一些的优点。当比较两组曲线时，这种旋转独立性允许系统100忽略图13中所示的旋转类型。
图14至图17示出了当发现可能的符合曲线段时的实施方式的其中一些的比较过程的第二阶段。图14示出了相同图案源的不同图案部分。比较第一曲线段R(t1)(s)与第二曲线段R(t2)(s)的一个挑战是，图案源和传感器之间的相对平移导致相同曲线段的不同可见长度。R(t1)(s)上的曲线段点被人为限制以匹配可能符合的第二曲线段R(t2)(s)的可用数据，以准备进一步测试曲线段数据。
图15示出了曲线段集群的每个曲线段的中点和端点的识别，为了相对位置品质因数要对其进行进一步评估。
图16示出了用于确定曲线段集群的候选符合曲线段的相对位置品质因数的设置的实施方式，图17示出了所得到的构造的线段。通过确定从第一曲线上的每个点延伸到第二曲线上的三个点的三个线段的每个长度来对该点执行三角测量。相对位置品质因数取决于线段长度的偏差：对于集群的每个曲线段上的每个点，L(a)≈L(a’)AND L(b)≈L(b’)ANDL(c)≈L(c’)。
以上所述的系统和方法一般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，提供了大量具体细节，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，能够在没有一个或多个具体细节的情况下实践本发明的实施方式，或者与其他装置、系统、配件、方法、组件、材料、部件等一起实践本发明的实施方式。在其他情况下，未特别示出或详细描述的公知的结构、材料或操作，以避免使本发明实施方式的方面模糊不清。
贯穿本说明书中对“一个实施方式”、“实施方式”或“特定实施方式”的提及意味着结合该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并且不一定在所有实施方式中。因此，在贯穿本说明书的各个地方，短语“在一个实施方式中”，“在一个实施方式”或“在特定实施方式中”的各自的表观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、结构或特征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，本文描述和示出的本发明的实施方式的其它变化和修改都是可能的，并且将被认为是本发明的精神和范围的一部分。
还将理解的是，附图/图表中所描述的元素中的一个或多个元素也能够以更分立或集成的方式实施，或者甚至在某些情况下被移除或呈现为不可操作，如根据特定的应用是有用的。
另外，附图/图表中的任何信号箭头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注意事项，其中术语被预见为呈现分离或组合的能力尚不清楚。
包括摘要中所述的内容的本发明所示实施方式的前述描述并非旨在是穷尽性的或将本发明限制于本文中公开的精确形式。虽然仅为了说明的目的而描述本发明的具体实施方式和示例，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，可能有各种等同的修改。如所指出的那样，根据本发明的所示实施方式的前述描述，可以对本发明进行这些修改，并且将被包括在本发明的精神和范围内。
因此，虽然本文已经参照本发明的特定实施方式对本发明进行了描述，但在前面的公开内容中旨在进行一定幅度的修改、各种改变和替换，并且将要理解的是，在一些情况下，在不脱离如所阐述的本发明的范围和精神的情况下，将采用本发明的实施方式的一些特征而无其他特征的相应使用。因此，可以进行许多修改以使特定情况或材料适于本发明的基本范围和精神。本发明旨在不限于在所附权利要求中所使用的特定术语和/或限于作为实施本发明的最佳模式而公开的特定实施方式，而是本发明将包括属于所附权利要求范围内的任何和所有实施方式和等同物。因此，本发明的范围仅由所附权利要求书来确定。

Claims (22)

1.一种机器实施的图案测试方法，将第一图案的第一数字表示与第二图案的第二数字表示进行比较，以建立所述第一图案和所述第二图案之间的对应关系的度量，所述方法包括：
映射来自所述第一数字表示的第一组特性参数，所述第一组特性参数包括第一群离散图案元素和所述第一群离散图案元素的相邻图案元素的组合之间的第一组相对取向；
映射来自所述第二数字表示的第二组特性参数，所述第二组特性参数包括第二群离散图案元素和所述第二群离散图案元素的相邻图案元素的组合之间的第一组相对取向；
为所述第一群离散图案元素的每个特定离散图案元素限定来自对应于所述特定离散图案元素的所述第二群离散图案元素的候选离散图案元素组；
为各所述候选离散图案元素确立对应度；以及
响应于用于所述多组候选离散图案的所述对应度的分析来确定所述多组特性参数之间的品质因数。
2.根据权利要求1所述的机器实施的图案测试方法，其中所述图案包括人的指纹，并且其中所述离散图案元素包括具有一个或多个曲线段的指纹脊线，各所述曲线段包括一系列相邻对比元素。
3.根据权利要求1所述的机器实施的图案测试方法，其中映射所述第一组特性包括，对于所述第一群图案元素的每个第一离散图案元素：
识别所述第一离散图案的第一端、所述第一离散图案的第二端和第一中点，所述第一中点具有从所述第一中点延伸到所述第一离散图案的第一端的第一图案元素半部和从所述第一中点延伸到所述第一离散图案的第二端的第二图案元素半部；
在所述第一离散图案的所述第一端定位第一端节点；
在所述第一离散图案的所述第二端定位第二端节点；
在所述第一中点处定位第一中点节点；
在所述第一图案元件半部上定位数量D的特别间隔的节点；
在所述第二图案元素半部上定位所述数量D的特别间隔的节点；以及
对于所述第一离散图案的所述图案元素半部上的第一组所述节点的每个第一特定节点，确定所述第一特定节点与来自所述第一组节点的所述节点的第一群组合之间的第一预定几何关系，来自所述第一组节点的每个所述第一组合包括与朝向所述第一离散图案的所述第一端的所述第一离散图案上的所述第一特定节点间隔开的第一组合节点，以及从朝向所述第一离散图案的所述第二端的所述第一离散图案上的所述第一特定节点间隔开的第二组合节点，其生成用于所述第一组节点的第一组预定关系。
4.根据权利要求3所述的机器实施的图案测试方法，其中映射所述第二组特性包括，对于所述第二群图案元素的每个第二离散图案元素：
识别所述第二离散图案的第三端、所述第二离散图案的第四端和第二中点，所述第二中点具有从所述第二中点延伸到所述第二离散图案的所述第三端的第三图案元素半部和从所述第二中点延伸到所述第二离散图案的所述第四端的第四图案元素半部；
在所述第二离散图案的所述第三端定位第三端节点；
在所述第二离散图案的所述第四端定位第四端节点；
在所述第二中点处定位第二中点节点；
在所述第三图案元件半部上定位数量D’的特别间隔的节点；
在所述第四图案元素半部上定位所述数量D’的特别间隔的节点；以及
对于所述第二离散图案的所述图案元素半部上的第二组所述节点的每个第二特定节点，确定所述第二特定节点与来自所述第二组节点的所述节点的第二群组合之间的第二预定几何关系，来自所述第二组节点的每个所述第二组合包括从朝向所述第二离散图案的所述第三端的所述第二离散图案上的所述第二特定节点间隔开的第三组合节点，以及从朝向所述第一离散图案的所述第四端的所述第二离散图案上的所述第二特定节点间隔开的第四组合节点，其生成用于所述第二组节点的第二组预定关系。
5.根据权利要求4所述的机器实施的图案测试方法，其中所述特定间隔的节点包括均匀间隔的节点。
6.根据权利要求1所述的机器实施的图案测试方法，其中确定所述品质因数包括确定品质因数组，所述品质因数组包括所述第一组离散图案元素的每个图案元素与所述第二组离散图案元素的每个图案元素比较的品质因数，所述方法还包括
响应于所述品质因数组，识别来自所述第一组离散图案元素的第一候选离散图案元素；以及
响应于所述品质因数组，识别来自所述第二组离散图案元素的与所述第一候选离散图案紧密对应的第二候选离散图案元素。
7.根据权利要求6所述的机器实施的图案测试方法，还包括：
响应于所述品质因数组，识别来自所述第一组离散图案元素的第三候选离散图案元素，所述第三候选离散图案元素为相对于所述第一候选离散图案元素的第一空间上邻近的离散图案元素；以及
响应于所述品质因数组，识别来自所述第二组离散图案元素的第四候选离散图案元素，所述第四候选离散图案元素为相对于所述第二候选离散图案元素的第二空间上邻近的离散图案元素；
确定表示所述第一候选离散图案元素与所述第三候选离散图案元素之间的第一空间对应关系的第一度量；以及
确定表示所述第二候选离散图案元素和所述第四候选离散图案元素之间的第二空间对应关系的第二度量；以及
其中所述确定所述多组特征参数之间的品质因数还响应于所述度量的评估。
8.一种机器实施的图案测试方法，将被测的第一指纹的第一数字表示与被测的第二指纹的第二数字表示进行比较，以建立所述被测指纹之间的对应关系的度量，所述方法包括：
识别所述第一数字表示中的第一组曲线元素，所述第一组曲线元素包括来自所述第一指纹的第一群曲线段；
识别所述第二数字表示中的第二组曲线元素，所述第二组曲线元素包括来自所述第二指纹的第二群曲线段；
生成用于所述第一群曲线段的第一组几何签名；
生成用于所述第二群曲线段的第二组几何签名；以及
通过针对彼此评估所述多组几何签名来生成数字表示之间的对应关系的品质因数。
9.根据权利要求8所述的机器实施的图案测试方法，其中对于所述第一组曲线元素的第一子集的每个特定曲线元素，所述第一组几何签名包括由所述特定曲线元素上三个点的不同有序组合限定的第一群角度，其中对于所述第二组曲线元素的第二子集的每个特定曲线元素，所述第二组几何签名包括由所述特定曲线元素上三个点的不同有序组合限定的第二群角度，并且其中所述对应关系的品质因数直接与所述第一群角度和所述第二群角度之间的对应程度相关。
10.根据权利要求9所述的机器实施的图案测试方法，其中所述第一组几何签名包括第一特定曲线元素和具有与所述第一特定曲线元素关联的第一测量几何关系的第一相邻曲线元素，其中所述第二组几何签名包括第二特定曲线元素和具有与所述第二特定曲线元素关联的第二测量几何关系的第二相邻曲线元素，所述方法还包括：
评估来自所述多组曲线元素的不同组的多对所述特定曲线元素之间的对应关系；
评估来自所述多组曲线元素的不同组的多对所述相邻曲线元素之间的对应关系；以及
评估来自所述多组曲线元素的不同组的多对所述测量几何关系之间的对应关系；
其中所述品质因数对应关系响应于所述对应关系。
11.根据权利要求10所述的机器实施的图案测试方法，其中所述第一组曲线元素的每个第一特定曲线元素包括第一中点、第一端、从所述第一中点延伸到所述第一端的第一半曲线段、第二端、从所述第一中点延伸到所述第二端的第二半曲线段、位于所述第一中点处的第一中点节点、在所述第一组曲线元素的每个所述第一特定曲线元素的每个半段上建立的数量D的均匀间隔的节点以及第一角度矩阵，所述第一角度矩阵包括所述第一组曲线元素的所述第一特定曲线元素的每个第一特定节点的第一组角度，其中每个所述第一特定节点的每个所述角度具有作为第一顶点的所述第一特定节点和从所述第一顶点延伸的第一对腿部，所述第一对腿部的每个腿部从所述特定曲线元素上的所述第一顶点延伸到不同的第M个间隔节点，M大于或等于1且M小于或等于D，其中所述第二组曲线元素的每个第二特定曲线元素包括第二中点、第三端、从所述第二中点延伸到所述第三端的第三半曲线段、第四端、从所述第二中点延伸到所述第四端的第四半曲线段、位于所述第二中点处的第二中点节点、在所述第二组曲线元素的每个所述第二特定曲线元素的每个半段上建立的数量D’的均匀间隔的节点以及第二角度矩阵，所述第二角度矩阵包括所述第一组曲线元素的所述第二特定曲线元素的每个第二特定节点的第二组角度，其中每个所述第二特定节点的每个所述角度具有作为第二顶点的所述第二特定节点和从所述第二顶点延伸的第二对腿部，所述第二对腿部的每个腿部从所述特定曲线元素上的所述第二顶点延伸到不同的第P个间隔节点，P大于或等于1且P小于或等于D’；
其中来自所述曲线组的不同组的所述特定曲线元素之间的所述对应关系包括来自不同曲线段组的所述曲线段的所述多组角度之间的对应关系的评估。
12.一种用于将第一图案源的第一数字表示与第二图案源的第二数字表示进行比较的方法，第一数字表示包括具有数量N的曲线段的第一组曲线，第二数字表示包括具有数量N’的曲线段的第二组曲线，所述方法包括：
将数量N的曲线段映射为第一组数量N的机器可读的曲线段；
将数量N’的曲线段映射为第二组数量N’的机器可读的曲线段；
为所述第一组机器可读曲线段的每个第一特定曲线段识别第一对相关联的机器可读曲线段端点，其中各所述第一特定曲线段在所述第一对相关联的机器可读曲线段端点之间延伸；
为所述第二组机器可读曲线段的每个第二特定曲线段识别第二对相关联的机器可读曲线段端点，其中各所述第二特定曲线段在所述第二对相关联的机器可读曲线段端点之间延伸；
将所述第一组数量N的机器可读曲线段的各所述机器可读曲线段划分为数量2*D的机器可读曲线段部分，各等长的数量2*D的机器可读曲线段部分具有每对相邻的所述数量2*D的机器可读曲线段部分之间的段接合部；
将所述第二组数量N’的机器可读曲线段的各所述机器可读曲线段划分为数量2*D’的机器可读曲线段部分，各等长的数量2*D’的机器可读曲线段部分具有每对相邻的所述数量2*D’的机器可读曲线段部分之间的段接合部；
在每个所述段接合部建立节点；以及
计算所述第一组曲线的曲率角数据的第一矩阵Mi,j，1≤i≤N且1≤j≤D，所述第一矩阵Mi,j界定所述第一组曲线的所述第i个机器可读曲线段的第一特定节点的第一角度Ai,j，其中第一特定节点界定第一顶点，所述第一角度Ai,j的第一腿部从所述第一顶点延伸到第一腿部节点，所述第一腿部节点从所述第一特定节点起间隔数量j的段接合部，所述第一角度Ai,j的第二腿部从所述第一顶点延伸到第二腿部节点，所述第二腿部节点从所述第一特定节点起间隔数量-j的段接合部；
计算所述第二组曲线的曲率角数据的第二矩阵M’s,t，1≤s≤N’且1≤t≤D’，所述第二矩阵Ms,t界定所述第二组曲线的所述第s个机器可读曲线段的第二特定节点的第二角度As,t，其中所述第二特定节点作为第二顶点，所述第二角度As,t的第一腿部从所述第二顶点延伸到第三腿部节点，所述第三腿部节点从所述第二特定节点起间隔数量t的段接合部，所述角度As,t的第二腿部从所述第二顶点延伸到第四腿部节点，所述第四腿部节点从所述第二特定节点起间隔数量-t的段接合部；以及
将所述第一矩阵M与所述第二矩阵M’进行比较以创建多个对应度量，各所述对应度量测量所述第一组曲线的第一组候选曲线段与所述第二组曲线的第二组曲线段的每个曲线段之间的对应程度。
13.根据权利要求12所述的比较方法，还包括：
在所述第一组候选曲线段的曲线段的第一子集之间建立第一图案签名；
在所述第二组候选曲线段的曲线段的第二子集之间建立第二图案签名，所述曲线段的第二子集响应于所述测量的对应度而对应于所述曲线段的第一子集；以及
当所述图案签名的比较结果在预定阈值内时，建立所述第二数字表示作为与所述第一数字表示的可能匹配。
14.根据权利要求13所述的比较方法，还包括：
当所述图案签名的所述比较结果在所述预定阈值内时，将所述候选曲线段识别为用于匹配确定的匹配器进程；以及
当所述图案签名的所述比较结果不在所述预定阈值内时，跳过用于所述匹配确定的所述匹配器进程。
15.一种用于将第一图案源的第一数字表示与第二图案源的第二数字表示进行比较的装置，所述第一数字表示包括具有数量N的曲线段的第一组曲线，所述第二数字表示包括具有数量N’的曲线段的第二组曲线，所述装置包括：
生成一个或多个数字表示的图案收集器；以及
耦合到所述图案收集器的处理系统，包括处理器和耦合到所述处理器的存储器，所述存储器储存多个计算机可执行指令，其中所述处理器执行多个计算机可执行指令以执行方法，所述方法包括：
将所述数量N的曲线段映射为第一组数量N的机器可读的曲线段；
将所述数量N’的曲线段映射为第二组数量N’的机器可读的曲线段；
为所述第一组机器可读曲线段的每个第一特定曲线段识别第一对相关联的机器可读曲线段端点，其中各所述第一特定曲线段在所述第一对相关联的机器可读曲线段端点之间延伸；
为所述第二组机器可读曲线段的每个第二特定曲线段识别第二对相关联的机器可读曲线段端点，其中各所述第二特定曲线段在所述第二对相关联的机器可读曲线段端点之间延伸；
将所述第一组数量N的机器可读曲线段的各所述机器可读曲线段划分为数量2*D的机器可读曲线段部分，各等长的数量2*D的机器可读曲线段部分具有每对相邻的所述数量2*D的机器可读曲线段部分之间的段接合部；
将所述第二组数量N’的机器可读曲线段的各所述机器可读曲线段划分为数量2*D’的机器可读曲线段部分，各等长的数量2*D’的机器可读曲线段部分具有每对相邻的所述数量2*D’的机器可读曲线段部分之间的段接合部；
在每个所述段接合部建立节点；以及
计算所述第一组曲线的曲率角数据的第一矩阵Mi,j，1≤i≤N且1≤j≤D，所述第一矩阵Mi,j界定所述第一组曲线的所述第i个机器可读曲线段的第一特定节点的第一角度Ai,j，其中所述第一特定节点界定第一顶点，所述第一角度Ai,j的第一腿部从所述第一顶点延伸到第一腿部节点，所述第一腿部节点从所述第一特定节点起间隔数量j的段接合部，所述第一角度Ai,j的第二腿部从所述第一顶点延伸到第二腿部节点，所述第二腿部节点从所述第一特定节点起间隔数量-j的段接合部；
计算所述第二组曲线的曲率角数据的第二矩阵M’s,t，1≤s≤N’且1≤t≤D’，所述第二矩阵Ms,t界定所述第二组曲线的所述第s个机器可读曲线段的第二特定节点的第二角度As,t，其中所述第二特定节点作为第二顶点，所述第二角度As,t的第一腿部从所述第二顶点延伸到第三腿部节点，所述第三腿部节点从所述第二特定节点起间隔数量t的段接合部，所述第二角度As,t的第二腿部从所述第二顶点延伸到第四腿部节点，所述第四腿部节点从所述第二特定节点起间隔数量-t的段接合部；以及
将所述第一矩阵M与所述第二矩阵M’进行比较以创建多个对应度量，各所述对应度量测量所述第一组曲线的第一组候选曲线段与所述第二组曲线的第二组曲线段的每个曲线段之间的对应程度。
16.根据权利要求15所述的装置，还包括：
在所述第一组候选曲线段的曲线段的第一子集之间建立第一图案签名；
在所述第二组候选曲线段的曲线段的第二子集之间建立第二图案签名，所述曲线段的第二子集响应于所述测量的对应度而对应于所述曲线段的第一子集；以及
当所述图案签名的比较结果在预定阈值内时，建立所述第二数字表示作为与所述第一数字表示的可能匹配。
17.根据权利要求16所述的装置，还包括：
当所述图案签名的所述比较结果在所述预定阈值内时，将所述候选曲线段识别为用于匹配确定的匹配器进程；以及
当所述图案签名的所述比较结果不在所述预定阈值内时，跳过用于所述匹配确定的所述匹配器进程。
18.一种在其上储存有由处理器执行的计算机可执行指令的非暂时性计算机可读介质，以执行将第一图案源的第一数字表示与第二图案源的第二数字表示进行比较的方法，所述第一数字表示包括具有数量N的曲线段的第一组曲线，所述第二数字表示包括具有数量N’的曲线段的第二组曲线，所述方法包括：
将所述数量N的曲线段映射为第一组数量N的机器可读的曲线段；
将所述数量N’的曲线段映射为第二组数量N’的机器可读的曲线段；
为所述第一组机器可读曲线段的每个第一特定曲线段识别第一对相关联的机器可读曲线段端点，其中各所述第一特定曲线段在所述第一对相关联的机器可读曲线段端点之间延伸；
为所述第二组机器可读曲线段的每个第二特定曲线段识别第二对相关联的机器可读曲线段端点，其中各所述第二特定曲线段在所述第二对相关联的机器可读曲线段端点之间延伸；
将所述第一组数量N的机器可读曲线段的各所述机器可读曲线段划分为数量2*D的机器可读曲线段部分，各等长的数量2*D的机器可读曲线段部分具有每对相邻的所述数量2*D的机器可读曲线段部分之间的段接合部；
将所述第二组数量N’的机器可读曲线段的各所述机器可读曲线段划分为数量2*D’的机器可读曲线段部分，各等长的数量2*D’的机器可读曲线段部分具有每对相邻的所述数量2*D’的机器可读曲线段部分之间的段接合部；
在每个所述段接合部建立节点；以及
计算所述第一组曲线的曲率角数据的第一矩阵Mi,j，1≤i≤N且1≤j≤D，所述第一矩阵Mi,j界定所述第一组曲线的所述第i个机器可读曲线段的第一特定节点的第一角度Ai,j，其中所述第一特定节点界定第一顶点，所述第一角度Ai,j的第一腿部从所述第一顶点延伸到第一腿部节点，所述第一腿部节点从所述第一特定节点起间隔数量j的段接合部，所述第一角度Ai,j的第二腿部从所述第一顶点延伸到第二腿部节点，所述第二腿部节点从所述第一特定节点起间隔数量-j的段接合部；
计算所述第二组曲线的曲率角数据的第二矩阵M’s,t，1≤s≤N’且1≤t≤D’，所述第二矩阵Ms,t界定所述第二组曲线的所述第s个机器可读曲线段的第二特定节点的第二角度As,t，其中所述第二特定节点作为第二顶点，所述第二角度As,t的第一腿部从所述第二顶点延伸到第三腿部节点，所述第三腿部节点从所述第二特定节点起间隔数量t的段接合部，所述第二角度As,t的第二腿部从所述第二顶点延伸到第四腿部节点，所述第四腿部节点从所述第二特定节点起间隔数量-t的段接合部；以及
将所述第一矩阵M与所述第二矩阵M’进行比较以创建多个对应度量，各所述对应度量测量所述第一组曲线的第一组候选曲线段与所述第二组曲线的第二组曲线段的每个曲线段之间的对应程度。
19.根据权利要求18所述的非暂时性计算机可读介质，还包括：
在所述第一组候选曲线段的曲线段的第一子集之间建立第一图案签名；
在所述第二组候选曲线段的曲线段的第二子集之间建立第二图案签名，所述曲线段的第二子集响应于所述测量的对应度而对应于所述曲线段的第一子集；以及
当所述图案签名的比较在预定阈值内时，建立所述第二数字表示作为与所述第一数字表示的可能匹配。
20.根据权利要求19所述的非暂时性计算机可读介质，还包括：
当所述图案签名的所述比较在所述预定阈值内时，将所述候选曲线段识别为用于匹配确定的匹配器进程；以及
当所述图案签名的所述比较不在所述预定阈值内时，跳过用于所述匹配确定的所述匹配器进程。
21.一种针对来自第二数字表示的一组授权曲线评估来自第一数字表示的一组未知曲线的方法，包括：
从未知组的曲线识别第一组曲线段，各所述曲线段从第一曲线段起端延伸到第一曲线段末端；
从授权组的曲线识别第二组曲线段，各所述曲线段从第二曲线段起端延伸到第二曲线段末端；
使用嵌套方法比较，将所述第一组曲线段的每个特定曲线段与所述第二组曲线段的每个所述曲线段进行比较，每个所述比较确立所述特定曲线段对彼此的一致性的品质因数；以及
以响应于所述相关的品质因数的一致性的递减顺序，将所述第一组曲线段的所述曲线段与所述第二组曲线段匹配，从而为所述第一组曲线段的每个特定曲线段而从所述第二组曲线段中生成一组排列的候选符合曲线段。
22.根据权利要求21所述的评估方法，还包括：
群集所述第一组曲线的所述曲线段的第一分组，所述第一分组的每个所述曲线段在所述第一分组曲线段中具有相关联的曲线段，所述第一分组曲线段建立第一图案签名；
群集所述一组排列的候选符合曲线段的第二分组曲线段；
为所述第二分组曲线段建立第二图案签名；以及
比较所述集群并比较所述图案签名以建立所述第一数字表示与所述第二数字表示的一致性。
CN201680023415.8A 2015-02-27 2016-02-26 曲线匹配和预审 Pending CN107533650A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201562126140P 2015-02-27 2015-02-27
US62/126,140 2015-02-27
US15/053,162 US10157306B2 (en) 2015-02-27 2016-02-25 Curve matching and prequalification
US15/053,162 2016-02-25
PCT/IB2016/051090 WO2016135704A1 (en) 2015-02-27 2016-02-26 Curve matching and prequalification

Publications (1)

Publication Number Publication Date
CN107533650A true CN107533650A (zh) 2018-01-02

Family

ID=55646800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680023415.8A Pending CN107533650A (zh) 2015-02-27 2016-02-26 曲线匹配和预审

Country Status (4)

Country Link
US (1) US10157306B2 (zh)
EP (1) EP3262565A1 (zh)
CN (1) CN107533650A (zh)
WO (1) WO2016135704A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242016A (zh) * 2018-08-30 2019-01-18 天津理工大学 一种空间曲线的相似性判断方法
CN110239487A (zh) * 2019-06-28 2019-09-17 Oppo广东移动通信有限公司 控制车门开启的方法及相关设备

Families Citing this family (5)

* Cited by examiner, † Cited by third party
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
EP3748283A4 (en) * 2018-01-31 2020-12-30 Fujifilm Corporation REPAIR LENGTH DETERMINATION PROCEDURE AND REPAIR LENGTH DETERMINATION DEVICE
SE543667C2 (en) * 2019-01-23 2021-05-25 Precise Biometrics Ab A method for comparing a sample comprising fingerprint information with a template

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6185318B1 (en) * 1997-08-22 2001-02-06 International Business Machines Corporation System and method for matching (fingerprint) images an aligned string-based representation
CN1839411A (zh) * 2004-06-18 2006-09-27 索尼株式会社 图像相关方法、图像相关设备、以及程序
CN101149789A (zh) * 2003-10-07 2008-03-26 索尼株式会社 图像匹配方法、程序和图像匹配系统
CN103605963A (zh) * 2013-03-01 2014-02-26 新乡学院 一种指纹识别方法

Family Cites Families (51)

* Cited by examiner, † Cited by third party
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
US6356649B2 (en) * 1997-04-11 2002-03-12 Arete Associate, Inc. “Systems and methods with identity verification by streamlined comparison and interpretation of fingerprints and the like”
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
US6895104B2 (en) 2001-02-16 2005-05-17 Sac Technologies, Inc. Image identification system
US7359553B1 (en) 2001-02-16 2008-04-15 Bio-Key International, 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
AU2002318165A1 (en) 2001-05-25 2002-12-09 Biometric Informatics Technology, Inc. Fingerprint recognition system
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
US6941003B2 (en) * 2001-08-07 2005-09-06 Lockheed Martin Corporation Method of fast fingerprint search space partitioning and prescreening
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
US7643660B1 (en) * 2004-07-22 2010-01-05 Odi Security; Llc System, method and computer program product for fingerprint verification
US7512256B1 (en) 2004-07-22 2009-03-31 Odi Security; Llc System, method, and computer program product for ridge map formation
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
US8782775B2 (en) 2007-09-24 2014-07-15 Apple Inc. Embedded authentication systems in an electronic device
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
CN106133748B (zh) 2012-05-18 2020-01-31 苹果公司 用于基于指纹传感器输入来操纵用户界面的设备、方法和图形用户界面
US9202099B2 (en) 2012-06-29 2015-12-01 Apple Inc. Fingerprint sensing and enrollment
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
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6185318B1 (en) * 1997-08-22 2001-02-06 International Business Machines Corporation System and method for matching (fingerprint) images an aligned string-based representation
CN101149789A (zh) * 2003-10-07 2008-03-26 索尼株式会社 图像匹配方法、程序和图像匹配系统
CN1839411A (zh) * 2004-06-18 2006-09-27 索尼株式会社 图像相关方法、图像相关设备、以及程序
CN103605963A (zh) * 2013-03-01 2014-02-26 新乡学院 一种指纹识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NAFIZ ARICA ET AL.: "BAS: a perceptual shape descriptor based on the beam angle statistics", 《PATTERN RECOGNITION LETTERS》 *
XUYING ZHAO ET AL.: "A Novel Two stage Cascading Algorithm for Fingerprint Recognition", 《2ND INTERNATIONAL SYMPOSIUM ON COMPUTER, COMMUNICATION》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242016A (zh) * 2018-08-30 2019-01-18 天津理工大学 一种空间曲线的相似性判断方法
CN109242016B (zh) * 2018-08-30 2019-09-17 天津理工大学 一种空间曲线的相似性判断方法
CN110239487A (zh) * 2019-06-28 2019-09-17 Oppo广东移动通信有限公司 控制车门开启的方法及相关设备
CN110239487B (zh) * 2019-06-28 2021-10-08 Oppo广东移动通信有限公司 控制车门开启的方法及相关设备

Also Published As

Publication number Publication date
EP3262565A1 (en) 2018-01-03
US10157306B2 (en) 2018-12-18
US20160253543A1 (en) 2016-09-01
WO2016135704A1 (en) 2016-09-01

Similar Documents

Publication Publication Date Title
CN107533650A (zh) 曲线匹配和预审
US20220165087A1 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
US9928401B2 (en) System and method of biometric enrollment and verification
US9361507B1 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
US10325141B2 (en) Pattern registration
US20100202669A1 (en) Iris recognition using consistency information
JPH11244261A (ja) アイリス認識方法及び装置、データ変換方法及び装置
CN106446761B (zh) 图案重构
US11436774B2 (en) Pattern mapping
CN1322471C (zh) 比较图案
US20180293425A1 (en) Symbol Detection for Desired Image Reconstruction
Tukur Fingerprint recognition and matching using Matlab
TWI423145B (zh) 指紋圖像檢測方法
KR20200109977A (ko) 지문 및 얼굴 영상을 이용한 스마트폰 기반 신원확인 방법
JP2006277146A (ja) 照合方法および照合装置
JP2005242432A (ja) 顔認証システム及びその処理方法及びそのプログラム
US10133912B1 (en) Multiple match of template elements
CN114077730A (zh) 一种登陆验证方法、车辆解锁系统、设备及存储介质
KR20200109963A (ko) 스마트폰을 이용한 신원확인 시스템
Lin et al. Automatic face authentication with self compensation
JPH0328978A (ja) パターン画像処理装置

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180102