CN108182375B - 一种基于手机支付的指纹识别系统 - Google Patents
一种基于手机支付的指纹识别系统 Download PDFInfo
- Publication number
- CN108182375B CN108182375B CN201611125849.7A CN201611125849A CN108182375B CN 108182375 B CN108182375 B CN 108182375B CN 201611125849 A CN201611125849 A CN 201611125849A CN 108182375 B CN108182375 B CN 108182375B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- fingerprint image
- point
- fingerprint identification
- identification system
- 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
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
- G06V40/1365—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
- G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
- G06Q20/322—Aspects of commerce using mobile devices [M-devices]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开一种基于手机支付的指纹识别系统,包括以下步骤:S1:指纹图像采集;S2:指纹图像滤波增强;S3:指纹图像二值化;S4:指纹图像细化;S5:指纹图像特征提取;S6:指纹匹配,输出匹配结果。所述基于手机支付的指纹识别系统,针对指纹图像预处理阶段,从图像增强,二值化以及细化等方面对传统的指纹识别技术进行了改进,增强了指纹识别技术的鲁棒性,提高了手机支付过程中指纹识别技术的准确性和安全性。
Description
技术领域
本发明涉及指纹识别技术领域,具体涉及一种基于手机支付的指纹识别系统。
背景技术
随着移动互联网技术的发展,智能手机的普及给传统的生活带来了巨变,现在手机付款也越来越受到欢迎。由于智能手机中存储了大量的私人信息,所以随之而来的就是支付环境安全性的研究,为了提高手机支付的安全性,许多学者和企业都进行了深入的研究。指纹识别技术是目前应用在智能手机上相对成熟的一种身份认证方式,指纹以其人人都有,人各不同,无法伪造,安全性高的特点,越来越被大众所接受,并逐渐成为二十一世纪个人身份鉴别发展的趋势。只有将指纹识别技术发展好了,才能极大的提高网上信息的安全性,使得网络商业行为得到安全保障。
指纹识别技术一般包括:指纹采集,指纹预处理,特征提取,特征匹配以及识别分类,其中,指纹的预处理是非常关键的一步,会直接影响到后续操作的性能。虽然指纹识别技术这些年得到了长期的研究和发展,但是影响指纹识别效率的问题并没有得到根本的解决,例如:图像质量的可靠性,特征提取算法的有效性,以及指纹分类和识别的准确性等。综上,现在需要一种通过对指纹图像预处理阶段的技术进行改进的指纹识别技术,从而提高手机支付过程中的准确性和安全性。
鉴于上述缺陷,本发明创作者经过长时间的研究和实践终于获得了本发明。
发明内容
为解决上述技术缺陷,本发明采用的技术方案在于,提供一种基于手机支付的指纹识别系统,包括以下步骤:
S1:指纹图像采集;S2:指纹图像滤波增强;S3:指纹图像二值化;S4:指纹图像细化;S5:指纹图像特征提取;S6:指纹匹配,输出匹配结果。
较佳的,所述步骤S1应用三星S3C2410处理器,MBF200指纹采集传感器,以及嵌入式操作系统和应用软件。
较佳的,所述步骤S2包括:对原始指纹图像进行归一化处理,灰度值计算,点方向计算,最终得到指纹点方向图。
较佳的,所述步骤S3包括:设阈值,对元素进行加权平滑处理,得到平滑后的灰度值,并进行二值化处理。
较佳的,所述步骤S4为通过对目标像素进行标记和删除,得到细化后的结果。
较佳的,所述步骤S5包括:通过细节点的位置,类型,方向,消除伪细节点,并记录细节点的特征。
较佳的,所述步骤S6包括:对所有特征点进行初步匹配,统计比例,并输出匹配特征点最多的指纹图像。
与现有技术比较本发明的有益效果在于:1,所述基于手机支付的指纹识别系统,针对指纹图像预处理阶段的内容,从图像增强,二值化以及细化等方面对传统的指纹识别技术进行了改进,增强了指纹识别技术的鲁棒性,提高了手机支付过程中指纹识别技术的准确性和安全性;2,所述基于手机支付的指纹识别系统,采用切缝法的指纹方向图对图像进行滤波增强,改善了传统的增强算法,使得在强噪声的情况下,依然可以提取图像的特征,增强了指纹识别技术的应用性;3,采用动态阈值的二值化算法弥补了固定阈值二值化算法的缺点,使得指纹识别技术的适用性更强;4,在经典Hilditch细化算法的基础上提出改进的Hilditch细化算法,增强了指纹识别技术的抗噪性,同时可以很好的去除一些伪特征点;5,对图像预处理阶段进行了深入的研究,并提出了相应的改进,使得指纹识别技术更加鲁棒,手机端支付更加安全可靠。
附图说明
为了更清楚地说明本发明各实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1是基于手机支付的指纹识别系统框架图;
图2是指纹图像预处理模块图;
图3是指纹图像特征匹配模块图。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
实施例1
如图1所示,其为所述基于手机支付的指纹识别系统框架图,所述基于手机支付的指纹识别系统,包括如下步骤:
S1:指纹图像采集;
S2:指纹图像滤波增强;
S3:指纹图像二值化;
S4:指纹图像细化;
S5:指纹图像特征提取;
S6:指纹匹配,输出匹配结果。
实施例2
所述基于手机支付的指纹识别系统,步骤S1中指纹图像采集的步骤如下:
S1-1:以三星公司的S3C2410处理器为控制核心,配备小键盘、电源系统、时钟系统、复位系统等构成指纹采集的硬件;
S1-2:指纹采集装置通过MBF200指纹采集传感器,搭配在指纹采集硬件框架中;
S1-3:同时搭配嵌入式的操作系统和应用软件,完成指纹数据的管理和指纹识别。
实施例3
所述基于手机支付的指纹识别系统,步骤S2中指纹图像滤波增强模块具体步骤如下:
其中M0,M分别表示处理后的灰度值和原始灰度值,I(i,j)表示像素点的灰度值,var0表示原始图像的方差;
S2-2:将归一化后的图像划分为m×m的子块;
S2-3:对指纹图像中的每一个点G(i,j),在以该点为中心的m×m的子块上,分别计算8个方向上的灰度值,记为sq(q=0,1,L 7),称为切缝和;
S2-4:比较这8个方向灰度值,将最大的记为smax,最小的记为smin;
S2-5:选取点G(i,j)的方向,公式为:
其中O(i,j)表示在点(i,j)处的纹线方向,D(S)表示取切缝和所对应的方向;
S2-6:重复上述步骤,得到指纹图像每一个点的一个方向;
S2-7:对每一个字块以它为中心选取字块2倍大小的大块,统计大块的方向直方图,将直方图的峰值所对应的方向作为大块的方向,得到指纹点方向图;
实施例4
所述基于手机支付的指纹识别系统,步骤S3中指纹图像二值化模块具体步骤如下:
S3-1:对指纹图像的m×m字块中的每一个字块设定一个阈值T,使得该子块中灰度值大于阈值的像素点数和灰度值小于该阈值的像素点数大致相等;
S3-2:以点P0为中心,在P0两侧各取N个点,形成一个拥有2N+1个像素点的集合P;
S3-3:统计点集P中灰度值小于T的像素点数,记为S;
S3-4:将集合中所有元素对P0进行加权平滑处理,得到平滑后的灰度值gP0;
S3-5:根据公式:
对指纹图像进行二值化处理;
其中Th1,Th2,Th3为3个经验阈值。
实施例5
所述基于手机支付的指纹识别系统,步骤S4中指纹图像细化模块具体步骤如下:
S4-1:沿着某一方向扫描所有的像素点,若目标像素P0为端点或孤立点则标记为1;
S4-2:若P0为轮廓像素且不为多重像素,则标记为3;
S4-3:若P0为多重像素,则标记为2;
S4-4:并行处理完所有像素后删除标记为3的像素点;
S4-5:改变方向,重复上述步骤,直到所有的目标像素1不存在,仅剩下标记为2的像素,得到细化后的结果;
实施例6
所述基于手机支付的指纹识别系统,步骤S5中指纹图像特征提取模块具体步骤如下:
S5-1:记录细节点的位置(i,j);
S5-2:根据细节点临域的交叉数和像素值,判定细节点的类型;
S5-3:提取每个细节点的方向;
S5-4:消除伪细节点;
S5-5:将细节点的特征记为向量G,向量中的元素包含细节点的位置,类型和方向。
实施例7
所述基于手机支付的指纹识别系统,步骤S6中指纹匹配,输出匹配结果模块具体步骤如下:
S6-1:将模板点集表示为U=[Gx,x=1,2,L i],输入点集表示为V=[Gy,y=1,2,Lj];
S6-3:根据匹配结果,输出匹配特征点最多的指纹图像;
以上所述仅为本发明的较佳实施例,对本发明而言仅仅是说明性的,而非限制性的。本专业技术人员理解,在本发明权利要求所限定的精神和范围内可对其进行许多改变,修改,甚至等效,但都将落入本发明的保护范围内。
Claims (5)
1.一种基于手机支付的指纹识别系统,包括以下步骤:S1:指纹图像采集;S2:指纹图像滤波增强;S3:指纹图像二值化;S4:指纹图像细化;S5:指纹图像特征提取;S6:指纹匹配,输出匹配结果;
所述步骤S2具体包括:
S2-1:根据第一公式对采集到的原始指纹图像进行归一化处理,得到统一尺寸和像素,所述第一公式为:
其中,I(i,j)、M、var分别表示归一化前的指纹图像的灰度值、均值、方差,N(i,j)、M0、var0分别表示归一化后的指纹图像的灰度值、均值、方差;
S2-2:将归一化后的指纹图像划分为m×m的子块;
S2-3:对归一化后的指纹图像中的每一个点G(i,j),在以该点为中心的m×m的子块上,分别计算8个方向上的灰度值,记为Sq(q=0,1,…,7),称为切缝和;
S2-4:比较8个方向灰度值,将最大的记为Smax,最小的记为Smin;
S2-5:根据第二公式选取点G(i,j)的方向,所述第二公式为:
其中,O(i,j)表示在点(i,j)处的纹线方向,D(S)表示取切缝和所对应的方向;
S2-6:重复S2-1至S2-5,得到与归一化后的指纹图像对应的原始指纹图像中每一个点的一个方向;
S2-7:对每一个子块,以所述子块为中心选取所述子块2倍大小的大块,统计大块的方向直方图,将直方图的峰值所对应的方向作为大块的方向,得到指纹点方向图;
所述步骤S3具体包括:
S3-1:对指纹图像的m×m的子块中的每一个子块设定一个阈值T,使得该子块中灰度值大于阈值T的像素点数和灰度值小于阈值T的像素点数相等;
S3-2:以点P0为中心,在P0两侧各取N个点,形成一个拥有2N+1个像素点的集合P;
S3-3:统计集合P中灰度值小于阈值T的像素点数,记为S;
S3-4:将集合中所有元素对P0进行加权平滑处理,得到平滑后的灰度值gP0;
S3-5:根据第三公式对指纹图像进行二值化处理,所述第三公式为:
其中,Th1,Th2,Th3为3个经验阈值。
2.如权利要求1所述的基于手机支付的指纹识别系统,其特征在于,所述步骤S1应用三星S3C2410处理器,MBF200指纹采集传感器,以及嵌入式操作系统和应用软件。
3.如权利要求2所述的基于手机支付的指纹识别系统,其特征在于,所述步骤S4为通过对目标像素进行标记和删除,得到细化后的结果。
4.如权利要求3所述的基于手机支付的指纹识别系统,其特征在于,所述步骤S5包括:通过细节点的位置,类型,方向,消除伪细节点,并记录细节点的特征。
5.如权利要求1-4任一项所述的基于手机支付的指纹识别系统,其特征在于,所述步骤S6包括:对所有特征点进行初步匹配,统计比例,并输出匹配特征点最多的指纹图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611125849.7A CN108182375B (zh) | 2016-12-08 | 2016-12-08 | 一种基于手机支付的指纹识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611125849.7A CN108182375B (zh) | 2016-12-08 | 2016-12-08 | 一种基于手机支付的指纹识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108182375A CN108182375A (zh) | 2018-06-19 |
CN108182375B true CN108182375B (zh) | 2020-11-06 |
Family
ID=62545016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611125849.7A Active CN108182375B (zh) | 2016-12-08 | 2016-12-08 | 一种基于手机支付的指纹识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108182375B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657657A (zh) * | 2019-02-19 | 2019-04-19 | 武汉芯盈科技有限公司 | 一种基于图像处理的手机小面积高精度指纹识别方法及系统 |
CN110956468B (zh) * | 2019-11-15 | 2023-05-23 | 西安电子科技大学 | 一种指纹支付系统 |
CN116188024B (zh) * | 2023-04-24 | 2023-07-04 | 山东蓝客信息科技有限公司 | 一种医疗安全支付系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201532639U (zh) * | 2009-05-27 | 2010-07-21 | 上海点佰趣信息科技有限公司 | 指纹识别装置 |
CN105320946A (zh) * | 2015-11-03 | 2016-02-10 | 盐城工学院 | 一种基于matlab的指纹识别方法 |
CN105740753A (zh) * | 2014-12-12 | 2016-07-06 | 比亚迪股份有限公司 | 指纹识别方法及指纹识别系统 |
CN105868698A (zh) * | 2016-03-25 | 2016-08-17 | 东华大学 | 一种基于Cortex-M3内核的嵌入式指纹识别系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1238809C (zh) * | 2002-09-04 | 2006-01-25 | 长春鸿达光电子与生物统计识别技术有限公司 | 指纹识别方法、以及指纹控制方法和系统 |
CN1333365C (zh) * | 2003-08-14 | 2007-08-22 | 上海一维科技有限公司 | 指纹识别方法 |
CN100573551C (zh) * | 2007-02-06 | 2009-12-23 | 西北工业大学 | 指纹数字图像处理中的相位移动模糊差分二值化方法 |
CN101329726B (zh) * | 2008-07-30 | 2010-04-14 | 电子科技大学 | 一种基于一维滤波的指纹图像增强方法 |
CN101877049A (zh) * | 2009-12-01 | 2010-11-03 | 天津工程师范学院 | 防止生物仿真攻击的指纹识别方法 |
CN102955932B (zh) * | 2011-08-22 | 2015-09-30 | 武汉科技大学 | 一种基于嵌入式的qnmv指纹识别方法与系统 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
CN104899582A (zh) * | 2015-07-01 | 2015-09-09 | 成都福兰特电子技术股份有限公司 | 一种指纹识别软件及其指纹识别方法 |
-
2016
- 2016-12-08 CN CN201611125849.7A patent/CN108182375B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201532639U (zh) * | 2009-05-27 | 2010-07-21 | 上海点佰趣信息科技有限公司 | 指纹识别装置 |
CN105740753A (zh) * | 2014-12-12 | 2016-07-06 | 比亚迪股份有限公司 | 指纹识别方法及指纹识别系统 |
CN105320946A (zh) * | 2015-11-03 | 2016-02-10 | 盐城工学院 | 一种基于matlab的指纹识别方法 |
CN105868698A (zh) * | 2016-03-25 | 2016-08-17 | 东华大学 | 一种基于Cortex-M3内核的嵌入式指纹识别系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108182375A (zh) | 2018-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fei et al. | Local apparent and latent direction extraction for palmprint recognition | |
Li et al. | Local discriminant coding based convolutional feature representation for multimodal finger recognition | |
WO2014146415A1 (zh) | 人脸识别方法和设备 | |
CN106951832B (zh) | 一种基于手写字符识别的验证方法及装置 | |
CN104751040A (zh) | 基于智能移动信息设备的指纹检测方法 | |
CN108182375B (zh) | 一种基于手机支付的指纹识别系统 | |
CN104751113A (zh) | 基于智能移动信息设备的指纹识别方法 | |
WO2010069166A1 (zh) | 快速指纹搜索方法及快速指纹搜索系统 | |
Ali | Fingerprint recognition | |
Qin et al. | Finger-vein image quality evaluation based on the representation of grayscale and binary image | |
Khan et al. | Strategy to extract reliable minutia points for fingerprint recognition | |
Kong et al. | A hierarchical classification method for finger knuckle print recognition | |
Buriro et al. | SWIPEGAN: swiping data augmentation using generative adversarial networks for smartphone user authentication | |
Tan et al. | Fingerprint liveness detection based on guided filtering and hybrid image analysis | |
Putra et al. | Hand geometry verification based on chain code and dynamic time warping | |
Lin et al. | Palmprint and Palm Vein Multimodal Fusion Biometrics Based on MMNBP | |
Han et al. | Low resolution facial manipulation detection | |
Bhargava et al. | Fingerprint minutiae matching using region of interest | |
US11120284B2 (en) | Startup authentication method for intelligent terminal | |
US11120285B2 (en) | Intelligent terminal | |
Adami et al. | Contactless fingerprint biometric anti-spoofing: An unsupervised deep learning approach | |
Biradar | Personal identification using palmprint biometrics based on principal line approach | |
Jadhav et al. | Implementation of an embedded hardware of FVRS on FPGA | |
CN108319883B (zh) | 一种基于快速独立分量分析的指纹识别方法 | |
Su et al. | A fingerprint recognition system using cellular neural networks |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |