CN107545217A - 指纹匹配方法、指纹匹配装置和指纹识别芯片 - Google Patents

Abstract

本发明公开的一种指纹匹配方法，包括以下步骤：对待匹配指纹图像与模板指纹图像进行处理，以寻找待匹配指纹图像与模板指纹图像的匹配的特征点；根据匹配的特征点获得旋转平移量，并根据旋转平移量调整待匹配指纹图像的位置以得到两幅图像的重叠区域；对重叠区域的像素点进行纹线比对以获取纹线分数；对重叠区域的像素点进行方向场比对以获取方向场分数；根据纹线分数和方向场分数计算比对分数，并根据比对分数判断两幅指纹图像是否匹配，从而，通过纹线识别与方向场比对相结合的方式，减少了错误匹配的发生，降低了误识率，提高了指纹识别的准确度。

Description

指纹匹配方法、指纹匹配装置和指纹识别芯片

技术领域

本发明涉及指纹识别技术领域，特别涉及一种指纹匹配方法、一种指纹匹配装置和一种指纹识别芯片。

背景技术

相关技术的指纹识别方法，通过纹线比对的方法来进行指纹识别。但是相关技术存在的缺点是，纹线分数在纹线不重合时也可能出现较高的数值，容易导致误识。

因此，相关技术需要进行改进。

发明内容

本发明申请发明人发现并认识到：如图1所示，在纹线垂直交叉时，纹线有近50％的重合率，进而在指纹完全不重合时重合分数仍有近50分或者更高，甚至可能超过阈值而导致误识。因此，存在需求以保证纹线垂直交叉时能有效避免误识，减少错误匹配的发生。

为此，本发明旨在至少在一定程度上解决相关技术中的技术问题之一，提出了一种指纹匹配方法，通过纹线识别与方向场比对相结合的方式，可以降低误识率。

本发明还提出了一种指纹识别装置。本发明又提出了一种指纹识别芯片。

为达到上述目的，本发明一方面实施例提出的一种指纹匹配方法，包括以下步骤：对待匹配指纹图像与模板指纹图像进行处理，以寻找所述待匹配指纹图像与所述模板指纹图像的匹配的特征点；根据所述匹配的特征点获得旋转平移量，并根据所述旋转平移量调整所述待匹配指纹图像的位置以得到两幅图像的重叠区域；对所述重叠区域的像素点进行纹线比对以获取纹线分数；对所述重叠区域的像素点进行方向场比对以获取方向场分数；根据所述纹线分数和所述方向场分数计算比对分数，并根据所述比对分数对所述两幅指纹图像进行匹配。

根据本发明实施例提出的指纹匹配方法，对待匹配指纹图像与模板指纹图像进行处理，以寻找待匹配指纹图像与模板指纹图像的匹配的特征点，根据匹配的特征点获得旋转平移量，并根据旋转平移量得到两幅图像的重叠区域，对重叠区域的像素点进行纹线比对以获取纹线分数，并对重叠区域的像素点进行方向场比对以获取方向场分数，然后根据纹线分数和方向场分数计算比对分数，并根据比对分数对两幅指纹图像进行匹配，从而，通过纹线识别与方向场比对相结合的方式，减少了错误匹配的发生，降低了误识率，提高了指纹识别的准确度。

根据本发明的一个具体实施例，所述对待匹配指纹图像与模板指纹图像进行处理，包括：对所述待匹配指纹图像与所述模板指纹图像进行二值化处理，以获取两幅图像对应的二值化图像，其中，所述两幅图像对应的二值化图像中具有脊线和谷线。

根据本发明的一个实施例，所述对所述重叠区域的像素点进行纹线比对以获取纹线分数，包括：统计所述重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和；根据第一公式计算纹线分数，其中，所述第一公式为crossore＝n/N，其中，crossore为所述纹线分数，n为所述重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N为所述重叠区域的总像素点个数。

根据本发明的另一个实施例，所述对所述重叠区域的像素点进行纹线比对以获取纹线分数，包括：根据所述匹配的特征点获取所述重叠区域中的特征重叠区域；计算所述特征重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和；根据第一公式计算纹线分数，其中，所述第一公式为crossore＝n1/N1，其中，crossore为所述纹线分数，n1为所述特征重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N1为所述特征重叠区域的总像素点个数。

根据本发明的一个实施例，所述对所述重叠区域的像素点进行方向场比对以获取方向场分数，包括：计算所述重叠区域中每个对应像素位置的方向差；统计所述方向差小于预设阈值的像素点个数；根据第二公式计算方向场分数，其中，所述第二公式为directscore＝m/P，其中，directscore为所述方向场分数，m为所述方向差小于预设阈值的像素点个数之和，P为所述重叠区域的总像素点个数。

根据本发明的一个实施例，所述计算所述重叠区域中每一对应像素位置的方向差，包括：获取所述重叠区域中待匹配指纹图像的每个待匹配像素点的纹线方向场，并获取所述重叠区域中模板指纹图像的每个模板像素点的纹线方向场；计算所述重叠区域中每个待匹配像素点与对应的模板像素点的纹线方向场之差以获得所述重叠区域中每个对应像素位置的方向差。。

根据本发明的一个实施例，所述纹线方向场可为所述纹线切线方向或纹线法线方向。

根据本发明的一个具体实施例，所述纹线方向场的范围可为0-180度。

根据本发明的一个实施例，所述寻找该待匹配指纹图像与模板指纹图像的匹配的特征点，包括：在对所述待匹配指纹图像进行滤波增强、二值化以及细化处理后，提取所述待匹配指纹图像的第一特征点信息；根据所述待匹配指纹图像的第一特征点信息与所述模板指纹图像的第二特征点信息寻找所述匹配的特征点。

根据本发明的一个具体实施例，所述特征点可为指纹图像的分叉点、端点或极值点。

根据本发明的一个具体实施例，所述根据所述比对分数判断所述两幅指纹图像是否匹配，包括：当所述比对分数大于或等于预设阈值时，判断所述两幅指纹图像匹配；当所述比对分数小于预设阈值时，判断所述两幅指纹图像不匹配。

为达到上述目的，本发明另一方面实施例提出的一种指纹匹配装置，包括：第一计算模块，用于对待匹配指纹图像与模板指纹图像进行处理，以寻找所述待匹配指纹图像与所述模板指纹图像的匹配的特征点，并根据所述匹配的特征点获得旋转平移量；旋转平移模块，用于根据所述旋转平移量调整所述待匹配指纹图像的位置以得到两幅图像的重叠区域；第二计算模块，用于对所述重叠区域的像素点进行纹线比对以获取纹线分数；第三计算模块，用于对所述重叠区域的像素点进行方向场比对以获取方向场分数；匹配模块，用于根据所述纹线分数和所述方向场分数计算比对分数，并根据所述比对分数对所述两幅指纹图像进行匹配。

根据本发明实施例提出的指纹匹配装置，通过第一计算模块寻找待匹配指纹图像与模板指纹图像的匹配的特征点，并根据匹配的特征点获取旋转平移量，旋转平移模块根据旋转平移量获取两幅图像的重叠区域，第二计算模块对重叠区域的像素点进行纹线比对以获取纹线分数，第三计算模块对重叠区域的像素点进行方向场比对以获取方向场分数，匹配模块根据纹线分数和方向场分数计算比对分数，并根据比对分数对两幅指纹图像进行匹配，从而，通过纹线识别与方向场比对相结合的方式，减少了错误匹配的发生，降低了误识率，提高了指纹识别的准确度。

根据本发明的一个具体实施例，所述第一计算模块还用于对所述待匹配指纹图像与所述模板指纹图像进行二值化处理，以获取两幅图像对应的二值化图像，其中，所述两幅图像对应的二值化图像中具有脊线和谷线。

根据本发明的一个实施例，所述第二计算模块进一步用于，计算所述重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，并根据第一公式计算纹线分数，其中，所述第一公式为crossore＝n/N，其中，crossore为所述纹线分数，n为所述重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N为所述重叠区域的总像素点个数。

根据本发明的另一个实施例，所述第一计算模块还用于根据所述匹配的特征点获取所述重叠区域中的特征重叠区域，所述第二计算模块还用于，计算所述特征区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，并根据第一公式计算纹线分数，其中，所述第一公式为crossore＝n1/N1，其中，crossore为所述纹线分数，n1为所述重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N1为所述重叠区域的总像素点个数。

根据本发明的一个实施例，所述第三计算模块进一步用于，计算所述重叠区域中每个对应像素位置的方向差，并统计所述方向差小于预设阈值的像素个数m，以及根据第二公式计算方向场分数，其中，所述第二公式为directscore＝m/P，其中，directscore为所述方向场分数，m为所述方向差小于预设阈值的像素点个数之和，P为所述重叠区域的总像素点个数。

根据本发明的一个实施例，所述第三计算模块，还用于获取所述重叠区域中待匹配指纹图像的每个待匹配像素点的纹线方向场，并获取所述重叠区域中模板指纹图像的每个模板像素点的纹线方向场，并计算所述重叠区域中每个待匹配像素点与对应的模板像素点的纹线方向场之差以获得所述重叠区域中每个对应像素位置的方向差。

根据本发明的一个实施例，所述纹线方向场可为所述纹线切线方向或纹线法线方向。

根据本发明的一个具体实施例，所述纹线方向场的范围可为0-180度。

根据本发明的一个实施例，所述第一计算模块，还用于在对所述待匹配指纹图像进行滤波增强、二值化以及细化处理后，提取所述待匹配指纹图像的第一特征点信息，并根据所述待匹配指纹图像的第一特征点信息与所述模板指纹图像的第二特征点信息寻找所述匹配的特征点。

根据本发明的一个具体实施例，所述特征点可为指纹图像的分叉点、端点或极值点。

根据本发明的一个具体实施例，所述匹配模块进一步用于，在所述比对分数大于或等于预设阈值时，判断所述两幅指纹图像匹配；并在所述比对分数小于预设阈值时，判断所述两幅指纹图像不匹配。

为达到上述目的，本发明又一方面实施例提出的一种指纹识别芯片，包括所述的指纹匹配装置。

根据本发明实施例提出的指纹识别芯片，通过上述实施例的指纹匹配装置，减少了错误匹配的发生，降低了误识率，提高了指纹识别的准确度。

附图说明

图1是纹线垂直交叉时的纹线示意图；

图2a是根据本发明实施例的指纹匹配方法的流程图；

图2b是根据本发明一个实施例的纹线比对方法的流程图；

图2c是根据本发明另一个实施例的纹线比对方法的流程图；

图2d是根据本发明一个实施例的方向场比对方法的流程图；

图3a是根据本发明一个实施例的指纹匹配方法中指纹图像对应的二值化图像的示意图；

图3b是根据本发明另一个实施例的指纹匹配方法中重叠区域选取方式的示意图；

图4是根据本发明一个实施例的指纹匹配方法中方向场比对的示意图；以及

图5是根据本发明实施例的指纹匹配装置的方框示意图。

附图标记：

第一计算模块1、旋转平移模块2、第二计算模块3、第三计算模块4和匹配模块5。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图来描述本发明实施例提出的指纹匹配方法、指纹识别装置和指纹识别芯片。

图2a是根据本发明实施例的指纹匹配方法的流程图。如图2a所示，该指纹匹配方法包括以下步骤：

S1：对待匹配指纹图像与模板指纹图像进行处理，以寻找待匹配指纹图像与模板指纹图像的匹配的特征点。

具体地，在本发明的一个实施例中，对待匹配指纹图像与模板指纹图像进行处理，包括：对待匹配指纹图像与模板指纹图像进行二值化处理，以获取两幅图像对应的二值化图像。

其中，如图3所示，两幅图像对应的二值化图像中具有脊线和谷线。根据本发明的一个具体示例，在黑白的二值化图像中，黑色可为脊线，白色可为谷线。

根据本发明的一个具体实施例，寻找该待匹配指纹图像与模板指纹图像的匹配的特征点，包括：在对待匹配指纹图像进行滤波增强、二值化以及细化处理后，提取待匹配指纹图像的第一特征点信息；根据待匹配指纹图像的第一特征点信息与模板指纹图像的第二特征点信息寻找匹配的特征点。

具体来说，在指纹检测过程中，首先对待匹配指纹图像的指纹灰度图进行滤波增强，然后对滤波后的待匹配指纹图像进行二值化处理，最后对待匹配指纹图像的二值化图像进行细化，以完成降噪处理，此时，二值化图像只有两种颜色，例如黑色和白色，可以直观地提取待匹配指纹图像的第一特征点信息，以根据待匹配指纹图像的第一特征点信息与模板指纹图像的第二特征点信息寻找匹配的特征点。

S2：根据匹配的特征点获得旋转平移量，并根据旋转平移量调整待匹配指纹图像的位置以得到两幅图像的重叠区域。

根据本发明的一个具体实施例，特征点可为指纹图像的分叉点、端点或极值点。

具体来说，根据至少三个匹配的特征点计算出待匹配指纹图像中的第一特征点相对于模板指纹图像中相应的第二特征点的旋转平移量，如果获取到的第一特征点相对于第二特征点的平移量为r，旋转角为θ，则待匹配指纹图像相对于模板指纹图像的旋转平移量为(r，θ)，根据旋转平移量(r，θ)将待匹配指纹图像进行旋转平移，直到待匹配指纹图像的二值化图像中的第一特征点与模板指纹图像中的第二特征点重合，此时可以得到两幅指纹图像的重叠区域。

需要说明的是，本发明实施例中的术语“重合”均为广义概念，即既包括部分重合也包括完全重合。

S3：对重叠区域的像素点进行纹线比对以获取纹线分数。

其中，对二值化处理后的两幅指纹图像进行纹线比对。

根据本发明的一个实施例，如图2b所示，对重叠区域的像素点进行纹线比对以获取纹线分数，包括：

S20：统计重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和。

具体来说，通过步骤S1和S2获取两幅指纹图像的重叠区域，并统计两幅指纹图像对应的二值化图像中脊线与脊线重合和谷线与谷线重合的像素点个数之和。

S21：根据第一公式计算纹线分数，其中，第一公式为crossore＝n/N，其中，crossore为纹线分数，n为脊线与脊线重合和谷线与谷线重合的像素点个数之和，N为重叠区域的总像素点个数。

具体地，如图3a和3b所示，图3a中的方框所限定的区域为重叠区域，图3b中的五边形所限定的区域A为重叠区域。以图3b为例，假设重叠区域A的总像素点个数为N，那么在该重叠区域A进行纹线比对时，判断两幅指纹图像的二值化图像在对应像素点是否重合，例如脊线与脊线重合或者谷线与谷线重合，并计算重叠区域A中脊线与脊线重合和谷线与谷线重合的像素点个数之和n，以及根据脊线与脊线重合和谷线与谷线重合的像素点个数之和与重叠区域的总像素点个数之间的比值获取纹线分数，即根据第一公式crossore＝n/N获取纹线分数。

根据本发明的一个实施例，如图2c所示，对重叠区域的像素点进行纹线比对以获取纹线分数，包括：

S22：根据匹配的特征点获取重叠区域中的特征重叠区域。

S23：计算特征重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和。

S24：根据第一公式计算纹线分数，其中，第一公式为crossore＝n1/N1，其中，crossore为所述纹线分数，n1为特征重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N1为特征重叠区域的总像素点个数。

需要说明的是，由于指纹采集时受手指按压力度影响，而存在拉伸变化，当重叠区域较大时，纹线很难完全重合，重合较差，由此，本发明实施例的方法，通过选取以特征点为中心的小块矩形区域作为纹线比对的重叠区域即特征重叠区域，以达到更好的比对效果。

具体来说，通过步骤S1和S2获取两幅指纹图像的重叠区域，然后根据匹配的特征点获取重叠区域中的特征重叠区域，即如图3b所示，选取以特征点为中心的小块矩形区域作为特征重叠区域B。应当理解的是，特征重叠区域B可为一个或多个，当特征重叠区域B可为多个时，在多个特征重叠区域B中计算纹线分数。

以图3b为例，图3b中的三个矩形框所限定的区域为特征重叠区域B。假设特征重叠区域B的总像素点个数为N1，那么在该三个特征重叠区域B进行纹线比对，即先判断两幅指纹图像的二值化图像在对应像素点是否重合，例如脊线与脊线重合或者谷线与谷线重合，并计算三个特征重叠区域B中脊线与脊线重合和谷线与谷线重合的像素点个数之和n1，并根据特征重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和与特征重叠区域的总像素点个数N1之间的比值计算纹线分数，即crossore＝n1/N1。

S4：对重叠区域的像素点进行方向场比对以获取方向场分数。

其中，可对未进行二值化处理的两幅指纹图像进行方向场比对，也可对二值化处理后的两幅指纹图像进行方向场比对。

在本发明的一个实施例中，纹线方向场可为纹线切线方向或纹线法线方向。并且，纹线方向场的范围可为0-180度。

根据本发明的一个实施例，如图2d所示，对重叠区域的像素点进行方向场比对以获取方向场分数，包括：

S30：计算重叠区域中每个对应像素位置的方向差。

需要说明的是，在重叠区域中，待匹配指纹图像中的多个待匹配像素点分别与模板指纹图像中的多个模板像素点对应，一个待匹配像素点与对应的模板像素点构成一个对应像素位置。

S31：统计方向差小于预设阈值的像素点个数。

S32：根据第二公式计算方向场分数，其中，第二公式为directscore＝m/P，其中，directscore为方向场分数，m为方向差小于预设阈值的像素点个数之和，P为重叠区域的总像素点个数。

根据本发明的一个实施例，计算重叠区域中每个对应像素位置的方向差，包括：如图4所示，获取重叠区域中待匹配指纹图像的每个待匹配像素点的纹线方向场，并获取重叠区域中模板指纹图像的每个模板像素点的纹线方向场；计算重叠区域中每个待匹配像素点与对应的模板像素点的纹线方向场之差以获得重叠区域中每个对应像素位置的方向差。

具体来说，在通过步骤S1和S2获取两幅指纹图像的重叠区域之后，可对两幅指纹图像进行方向场比对。以图3b为例，假设重叠区域A的总像素点个数为P，那么计算重叠区域A中每个对应像素位置的方向差，具体地，可先获取重叠区域A中待匹配指纹图像的每个待匹配像素点的纹线方向场α，并获取重叠区域A中模板指纹图像的每个模板像素点的纹线方向场β，然后，计算重叠区域A中每个待匹配像素点与对应的模板像素点的纹线方向场之差以获得重叠区域A中每个对应像素位置的方向差γ，其中，方向差γ为纹线方向场α和β之差的绝对值。

如此，在计算出每个对应像素位置的方向差γ之后，对每个对应像素位置的方向差γ进行判断，以计算出方向差γ小于预设阈值σ的像素点个数m，并根据方向差小于预设阈值的像素点个数之和与重叠区域的总像素个数之间的比值计算方向场分数，其中，可根据公式directscore＝m/P计算方向场分数。

举例来说，当重叠区域为一个5*5矩形块时，重叠区域的总像素点个数为25，这样在获取每个像素位置上待匹配指纹图像的二值化图像对应的纹线方向场α之后，可按照下式构成待匹配指纹图像对应的方向场矩阵V1：

并且，在获取每个像素点位置上模板指纹图像的二值化图像对应的纹线方向场β之后，可按照下式构成模板指纹图像对应的方向场矩阵V2：

由此，计算方向场矩阵V1与方向场矩阵V2之差与以获得重叠区域中每一对应像素位置的方向差γ，进而构成如下所示的方向差矩阵V：

假设方向差预设阈值σ＝5，则从上述矩阵V中的数据可以统计出，方向差γ小于预设阈值σ的像素个数m＝23，那么方向场分数directscore＝m/P＝23/25。

S4：根据纹线分数和方向场分数计算比对分数，并根据比对分数判断两幅指纹图像是否匹配。

根据本发明的一个具体实施例，根据比对分数判断两幅指纹图像是否匹配，包括：当比对分数大于或等于预设阈值时，判断两幅指纹图像匹配；当比对分数小于预设阈值时，判断两幅指纹图像匹配。

具体来说，在通过步骤S3计算出纹线分数，并通过步骤S4计算出方向场分数之后，计算纹线分数与方向场分数的平均值以获取最终的比对分数mathcross，其中，mathcross＝(crossscore+directscore)/2，根据比对分数mathcross判断两幅指纹图像是否匹配，当比对分数mathcross大于或等于预设阈值时，判断待匹配指纹图像与模板指纹图像匹配；当比对分数mathcross小于预设阈值时，判断待匹配指纹图像与模板指纹图像不匹配，其中，可以理解的是，比对分数mathcross的数值越大，说明两幅指纹图像的匹配度越高。

如上所述，根据本发明实施例提出的指纹匹配方法具体包括如下步骤：

具体来说，在进行指纹检测的过程中，首先对待匹配指纹图像与模板指纹图像进行处理，以寻找待匹配指纹图像与模板指纹图像的匹配的特征点，然后根据匹配的特征点获得旋转平移量，并根据旋转平移量调整待匹配指纹图像的位置以得到两幅图像的重叠区域。

对重叠区域进行纹线比对，将重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和n与重叠区域的总像素点个数的比值作为纹线分数crossscore。进一步地，对重叠区域进行方向场比对，获取重叠区域中待匹配指纹图像的每个待匹配像素点的纹线方向场α，并获取重叠区域中模板指纹图像的每个模板像素点的纹线方向场β，并计算重叠区域中每个待匹配像素点与对应的模板像素点的纹线方向场之差以获取重叠区域中每个对应像素位置的方向差γ，将方向差小于预设阈值的像素点个数m与第二重叠区域的总像素点个数的比值作为方向场分数directscore。最终，计算纹线分数crossscore和方向场分数directscore的平均值以作为比对分数mathcross，并根据比对分数mathcross判断两幅指纹图像是否匹配，当比对分数mathcross大于或等于预设阈值时，判断待匹配指纹图像与模板指纹图像匹配；当比对分数mathcross小于预设阈值时，判断待匹配指纹图像与模板指纹图像不匹配。。

由此，根据本发明实施例提出的指纹匹配方法，对待匹配指纹图像与模板指纹图像进行处理，以寻找待匹配指纹图像与模板指纹图像的匹配的特征点，根据匹配的特征点获得旋转平移量，并根据旋转平移量得到两幅图像的重叠区域，对重叠区域的像素点进行纹线比对以获取纹线分数，并对重叠区域的像素点进行方向场比对以获取方向场分数，然后根据纹线分数和方向场分数计算比对分数，并根据比对分数对两幅指纹图像进行匹配，从而，通过纹线识别与方向场比对相结合的方式，减少了错误匹配的发生，降低了误识率，提高了指纹识别的准确度。

本发明还提出了一种指纹匹配装置。

图5是根据本发明实施例的指纹匹配装置的方框示意图。如图5所示，该指纹匹配装置包括：第一计算模块1、旋转平移模块2、第二计算模块3、第三计算模块4和匹配模块5。

其中，第一计算模块1对待匹配指纹图像与模板指纹图像进行处理，以寻找待匹配指纹图像与模板指纹图像的匹配的特征点，并根据匹配的特征点获得旋转平移量；旋转平移模块2用于根据旋转平移量调整待匹配指纹图像的位置以得到两幅图像的重叠区域；第二计算模块3用于对重叠区域的像素点进行纹线比对以获取纹线分数第三计算模块4用于对重叠区域的像素点进行方向场比对以获取方向场分数；匹配模块5用于根据纹线分数和方向场分数计算比对分数，并根据比对分数对两幅指纹图像进行匹配。

具体地，在本发明的一个实施例中，第一计算模块1还用于对待匹配指纹图像与模板指纹图像进行二值化处理，以获取两幅图像对应的二值化图像。

其中，如图3所示，两幅图像对应的二值化图像中具有脊线和谷线。根据本发明的一个具体示例，在黑白的二值化图像中，黑色可为脊线，白色可为谷线。

根据本发明的一个实施例，第一计算模块1还用于在待匹配指纹图像进行滤波增强、二值化以及细化处理后，提取待匹配指纹图像的第一特征点信息，并根据待匹配指纹图像的第一特征点信息与模板指纹图像的第二特征点信息寻找匹配的特征点。

具体来说，在指纹检测过程中，第一计算模块1首先对待匹配指纹图像的指纹灰度图进行滤波增强，然后对滤波后的待匹配指纹图像进行二值化处理，最后对待匹配指纹图像的二值化图像进行细化，以完成降噪处理，此时，二值化图像只有两种颜色，例如黑色和白色，可以直观地提取待匹配指纹图像的第一特征点信息，第一计算模块1根据待匹配指纹图像的第一特征点信息与模板指纹图像的第二特征点信息寻找匹配的特征点。

根据本发明的一个具体实施例，特征点可为指纹图像的分叉点、端点或极值点。

如果第一计算模块1计算出待匹配指纹图像中的第一特征点相对于模板指纹图像中相应的第二特征点的平移量为r，旋转角为θ，则第一计算模块1计算出待匹配指纹图像相对于模板指纹图像的旋转平移量为(r，θ)，旋转平移模块2根据旋转平移量(r，θ)将待匹配指纹图像进行旋转平移，直到待匹配指纹图像的二值化图像中的第一特征点与模板指纹图像中的第二特征点重合，此时可以得到两幅指纹图像的重叠区域。

需要说明的是，本发明实施例中的术语“重合”均为广义概念，即既包括部分重合也包括完全重合。

根据本发明的一个实施例，第二计算模块3进一步用于计算重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，并根据第一公式计算纹线分数，其中，第一公式为crossore＝n/N，其中，crossore为纹线分数，n为重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N为重叠区域的总像素点个数。

其中，第二计算模块3对二值化处理后的两幅指纹图像进行纹线比对。

在本发明的一个实施例中，如图3a所示，第一计算模块1第一计算模块1根据待匹配指纹图像和模板指纹图像的匹配特征点获取旋转平移量，旋转平移模块2根据旋转平移量调整待匹配指纹图像的位置以得到两幅图像的重叠区域。

具体地，如图3a和3b所示，图3a中的方框所限定的区域为重叠区域，图3b中的五边形所限定的区域A为重叠区域。以图3b为例，假设重叠区域A的总像素点个数为N，那么在该重叠区域A进行纹线比对时，判断两幅指纹图像在对应像素点是否重合，例如脊线与脊线重合或者谷线与谷线重合，第二计算模块3计算重叠区域A中脊线与脊线重合和谷线与谷线重合的像素点个数之和n，以及根据脊线与脊线重合和谷线与谷线重合的像素点个数之和与重叠区域的总像素点个数之间的比值获取纹线分数，即根据第一公式crossore＝n/N获取纹线分数。

根据本发明的另一个实施例，第一计算模块1还用于根据匹配的特征点获取重叠区域中的特征重叠区域，第二计算模块3还用于计算特征重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，并根据第一公式计算纹线分数，其中，第一公式为crossore＝n1/N1，其中，crossore为纹线分数，n1为重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N1为重叠区域的总像素点个数。

需要说明的是，由于指纹采集时受手指按压力度影响，而存在拉伸变化，当重叠区域较大时，纹线很难完全重合，重合较差，由此，本发明实施例的方法，通过选取以特征点为中心的小块矩形区域作为纹线比对的重叠区域即特征重叠区域，以达到更好的比对效果。

具体来说，第一计算模块1根据待匹配指纹图像和模板指纹图像的匹配特征点获取旋转平移量，旋转平移模块2根据旋转平移量调整待匹配指纹图像的位置以得到两幅图像的重叠区域，然后根据匹配的特征点获取重叠区域中的特征重叠区域，即如图3b所示，选取以特征点为中心的小块矩形区域作为特征重叠区域B。应当理解的是，特征重叠区域B可为一个或多个，当特征重叠区域B可为多个时，在多个特征重叠区域B中计算纹线分数。

以图3b为例，图3b中的三个矩形框所限定的区域为特征重叠区域B。假设特征重叠区域B的总像素点个数为N1，那么在该三个特征重叠区域B进行纹线比对，即第二计算模块3先判断两幅指纹图像的二值化图像在对应像素点是否重合，例如脊线与脊线重合或者谷线与谷线重合，并计算三个特征重叠区域B中脊线与脊线重合和谷线与谷线重合的像素点个数之和n1，并根据特征重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和与特征重叠区域的总像素点个数N1之间的比值计算纹线分数，即crossore＝n1/N1。

根据本发明的一个实施例，第三计算模块4进一步用于计算重叠区域中每个对应像素位置的方向差，并统计方向差小于预设阈值的像素个数m，以及根据第二公式计算方向场分数，其中，第二公式为directscore＝m/P，其中，directscore为方向场分数，m为方向差小于预设阈值的像素点个数之和，P为重叠区域的总像素点个数。

其中，第三计算模块4可对未进行二值化处理的两幅指纹图像进行方向场比对，也可对二值化处理后的两幅指纹图像进行方向场比对。

在本发明的一个实施例中，如图4所示，第三计算模块4还用于获取重叠区域中待匹配指纹图像的每个待匹配像素点的纹线方向场，并获取重叠区域中模板指纹图像的每个模板像素点的纹线方向场，并计算重叠区域中每个待匹配像素点与对应的模板像素点的纹线方向场之差以获得重叠区域中每个对应像素位置的方向差。

在本发明的一个实施例中，纹线方向场可为纹线切线方向或纹线法线方向。并且，纹线方向场的范围可为0-180度。

具体来说，如图4所示，第一计算模块1根据待匹配指纹图像和模板指纹图像的匹配特征点获取旋转平移量，旋转平移模块2根据旋转平移量调整待匹配指纹图像的位置以得到两幅图像的重叠区域，然后对两幅指纹图像进行方向场比对。以图3b为例，假设重叠区域A的总像素点个数为P，那么计算重叠区域A中每一对应像素位置的方向差，具体地，第三计算模块4可先获取重叠区域A中待匹配指纹图像的每个待匹配像素点的纹线方向场α，并获取重叠区域A中模板指纹图像的每个模板像素点的纹线方向场β，然后，第三计算模块4计算重叠区域A中每个待匹配像素点与对应的模板像素点的纹线方向场之差以获得重叠区域A中每个对应像素位置的方向差γ，其中，方向差γ为纹线方向场α和β之差的绝对值。

如此，第三计算模块4在计算出每个对应像素位置的方向差γ之后，对每个对应像素位置的方向差γ进行判断，以计算出方向差γ小于预设阈值σ的像素点个数m，第三计算模块4根据方向差小于预设阈值的像素点个数之和与重叠区域的总像素个数之间的比值计算方向场分数，其中，可根据公式directscore＝m/P计算方向场分数。

最终，匹配模块5计算纹线分数crossscore和方向场分数directscore的平均值以作为比对分数mathcross，其中，mathcross＝(crossscore+directscore)/2，并根据比对分数mathcross判断两幅指纹图像是否匹配。

根据本发明的一个具体实施例，匹配模块5进一步用于在比对分数mathcross大于或等于预设阈值时，判断两幅指纹匹配；并在比对分数mathcross小于预设阈值时，判断两幅指纹图像不匹配，其中，可以理解的是，比对分数mathcross的数值越大，说明两幅指纹图像的匹配度越高。

如上所述，在进行指纹检测的过程中，第一计算模块1首先对待匹配指纹图像与模板指纹图像进行处理，以寻找待匹配指纹图像与模板指纹图像的匹配的特征点，并根据匹配的特征点获取旋转平移量，然后旋转平移模块2根据旋转平移量调整待匹配指纹图像的位置以得到两幅图像的重叠区域。

对重叠区域进行纹线比对，第二计算模块3计算重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和n，并将重叠区域中脊线与脊线重合和谷线与谷线重合的像素个数之和n与重叠区域的总像素点个数的比值作为纹线分数crossscore。进一步地，对重叠区域进行方向场比对，第三计算模块4计算重叠区域内每一对应像素位置的方向差γ，将方向差小于预设阈值的像素点个数m与重叠区域的总像素点个数的比值作为方向场分数directscore。最终，匹配模块5计算纹线分数crossscore和方向场分数directscore的平均值以作为比对分数mathcross，并根据比对分数mathcross判断两幅指纹图像是否匹配，在比对分数mathcross大于或等于预设阈值时，匹配模块5判断两幅指纹匹配；并在比对分数mathcross小于预设阈值时，匹配模块5判断两幅指纹图像不匹配。

综上，根据本发明实施例提出的指纹匹配装置，通过第一计算模块寻找待匹配指纹图像与模板指纹图像的匹配的特征点，并根据匹配的特征点获取旋转平移量，旋转平移模块根据旋转平移量获取两幅图像的重叠区域，第二计算模块对重叠区域的像素点进行纹线比对以获取纹线分数，第三计算模块对重叠区域的像素点进行方向场比对以获取方向场分数，匹配模块根据纹线分数和方向场分数计算比对分数，并根据比对分数对两幅指纹图像进行匹配，从而，通过纹线识别与方向场比对相结合的方式，减少了错误匹配的发生，降低了误识率，提高了指纹识别的准确度。

本发明还提出了一种指纹识别芯片。该指纹识别芯片包括上述实施例的指纹匹配装置。

综上，根据本发明实施例提出的指纹识别芯片，通过上述实施例的指纹匹配装置，减少了错误匹配的发生，降低了误识率，提高了指纹识别的准确度。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (23)

1.一种指纹匹配方法，其特征在于，包括以下步骤：

对待匹配指纹图像与模板指纹图像进行处理，以寻找所述待匹配指纹图像与所述模板指纹图像的匹配的特征点；

根据所述匹配的特征点获得旋转平移量，并根据所述旋转平移量调整所述待匹配指纹图像的位置以得到两幅图像的重叠区域；

对所述重叠区域的像素点进行纹线比对以获取纹线分数；

对所述重叠区域的像素点进行方向场比对以获取方向场分数；

根据所述纹线分数和所述方向场分数计算比对分数，并根据所述比对分数判断所述两幅指纹图像是否匹配。

2.根据权利要求1所述的指纹匹配方法，其特征在于，所述对待匹配指纹图像与模板指纹图像进行处理，包括：

对所述待匹配指纹图像与所述模板指纹图像进行二值化处理，以获取两幅图像对应的二值化图像，其中，所述两幅图像对应的二值化图像中具有脊线和谷线。

3.根据权利要求2所述的指纹匹配方法，其特征在于，所述对所述重叠区域的像素点进行纹线比对以获取纹线分数，包括：

统计所述重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和；

根据第一公式计算纹线分数，其中，所述第一公式为crossore＝n/N，其中，crossore为所述纹线分数，n为所述重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N为所述重叠区域的总像素点个数。

4.根据权利要求2所述的指纹匹配方法，其特征在于，所述对所述重叠区域的像素点进行纹线比对以获取纹线分数，包括：

根据所述匹配的特征点获取所述重叠区域中的特征重叠区域；

计算所述特征重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和；

根据第一公式计算纹线分数，其中，所述第一公式为crossore＝n1/N1，其中，crossore为所述纹线分数，n1为所述特征重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N1为所述特征重叠区域的总像素点个数。

5.根据权利要求1或2所述的指纹匹配方法，其特征在于，所述对所述重叠区域的像素点进行方向场比对以获取方向场分数，包括：

计算所述重叠区域中每个对应像素位置的方向差；

统计所述方向差小于预设阈值的像素点个数；

根据第二公式计算方向场分数，其中，所述第二公式为directscore＝m/P，其中，directscore为所述方向场分数，m为所述方向差小于预设阈值的像素点个数之和，P为所述重叠区域的总像素点个数。

6.根据权利要求5所述的指纹匹配方法，其特征在于，所述计算所述重叠区域中每个对应像素位置的方向差，包括：

获取所述重叠区域中待匹配指纹图像的每个待匹配像素点的纹线方向场，并获取所述重叠区域中模板指纹图像的每个模板像素点的纹线方向场；计算所述重叠区域中每个待匹配像素点与对应的模板像素点的纹线方向场之差以获得所述重叠区域中每个对应像素位置的方向差。

7.根据权利要求6所述的指纹匹配方法，其特征在于，所述纹线方向场为纹线切线方向或纹线法线方向。

8.根据权利要求6所述的指纹匹配方法，其特征在于，所述纹线方向场的范围为0-180度。

9.根据权利要求1所述的指纹匹配方法，其特征在于，所述寻找该待匹配指纹图像与模板指纹图像的匹配的特征点，包括：

在对所述待匹配指纹图像进行滤波增强、二值化以及细化处理后，提取所述待匹配指纹图像的第一特征点信息；

根据所述待匹配指纹图像的第一特征点信息与所述模板指纹图像的第二特征点信息寻找所述匹配的特征点。

10.根据权利要求9所述的指纹匹配方法，其特征在于，所述特征点为指纹图像的分叉点、端点或极值点。

11.根据权利要求1所述的指纹匹配方法，其特征在于，所述根据所述比对分数判断所述两幅指纹图像是否匹配，包括：

当所述比对分数大于或等于预设阈值时，判断所述两幅指纹图像匹配；当所述比对分数小于预设阈值时，判断所述两幅指纹图像不匹配。

12.一种指纹匹配装置，其特征在于，包括：

第一计算模块，用于对待匹配指纹图像与模板指纹图像进行处理，以寻找所述待匹配指纹图像与所述模板指纹图像的匹配的特征点，并根据所述匹配的特征点获得旋转平移量；

旋转平移模块，用于根据所述旋转平移量调整所述待匹配指纹图像的位置以得到两幅图像的重叠区域；

第二计算模块，用于对所述重叠区域的像素点进行纹线比对以获取纹线分数；第三计算模块，用于对所述重叠区域的像素点进行方向场比对以获取方向场分数；

匹配模块，用于根据所述纹线分数和所述方向场分数计算比对分数，并根据所述比对分数对所述两幅指纹图像进行匹配。

13.根据权利要求12所述的指纹匹配装置，其特征在于，所述第一计算模块还用于对所述待匹配指纹图像与所述模板指纹图像进行二值化处理，以获取两幅图像对应的二值化图像，其中，所述两幅图像对应的二值化图像中具有脊线和谷线。

14.根据权利要求13所述的指纹匹配装置，其特征在于，所述第二计算模块进一步用于，计算所述重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，并根据第一公式计算纹线分数，其中，所述第一公式为crossore＝n/N，其中，crossore为所述纹线分数，n为所述重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N为所述重叠区域的总像素点个数。

15.根据权利要求13所述的指纹匹配装置，其特征在于，所述第一计算模块还用于根据所述匹配的特征点获取所述重叠区域中的特征重叠区域，所述第二计算模块还用于，计算所述特征区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，并根据第一公式计算纹线分数，其中，所述第一公式为crossore＝n1/N1，其中，crossore为所述纹线分数，n1为所述重叠区域中脊线与脊线重合和谷线与谷线重合的像素点个数之和，N1为所述重叠区域的总像素点个数。

16.根据权利要求12或13所述的指纹匹配装置，其特征在于，所述第三计算模块进一步用于，计算所述重叠区域中每个对应像素位置的方向差，并统计所述方向差小于预设阈值的像素个数m，以及根据第二公式计算方向场分数，其中，所述第二公式为directscore＝m/P，其中，directscore为所述方向场分数，m为所述方向差小于预设阈值的像素点个数之和，P为所述重叠区域的总像素点个数。

17.根据权利要求16所述的指纹匹配装置，其特征在于，所述第三计算模块，还用于获取所述重叠区域中待匹配指纹图像的每个待匹配像素点的纹线方向场，并获取所述重叠区域中模板指纹图像的每个模板像素点的纹线方向场，并计算所述重叠区域中每个待匹配像素点与对应的模板像素点的纹线方向场之差以获得所述重叠区域中每个对应像素位置的方向差。。

18.根据权利要求17所述的指纹匹配装置，其特征在于，所述纹线方向场为纹线切线方向或纹线法线方向。

19.根据权利要求17所述的指纹匹配装置，其特征在于，所述纹线方向场的范围为0-180度。

20.根据权利要求12所述的指纹匹配装置，其特征在于，所述第一计算模块，还用于在对所述待匹配指纹图像进行滤波增强、二值化以及细化处理后，提取所述待匹配指纹图像的第一特征点信息，并根据所述待匹配指纹图像的第一特征点信息与所述模板指纹图像的第二特征点信息寻找所述匹配的特征点。

21.根据权利要求20所述的指纹匹配装置，其特征在于，所述特征点为指纹图像的分叉点、端点或极值点。

22.根据权利要求12所述的指纹匹配装置，其特征在于，所述匹配模块进一步用于，

在所述比对分数大于或等于预设阈值时，判断所述两幅指纹图像匹配；并在所述比对分数小于预设阈值时，判断所述两幅指纹图像不匹配。

23.一种指纹识别芯片，其特征在于，包括根据权利要求12-22中任一项所述的指纹匹配装置。