CN108363963B - 指纹验证装置 - Google Patents

指纹验证装置 Download PDF

Info

Publication number
CN108363963B
CN108363963B CN201810075401.1A CN201810075401A CN108363963B CN 108363963 B CN108363963 B CN 108363963B CN 201810075401 A CN201810075401 A CN 201810075401A CN 108363963 B CN108363963 B CN 108363963B
Authority
CN
China
Prior art keywords
fingerprint
fingerprint image
processing unit
resolution
resolution mode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810075401.1A
Other languages
English (en)
Other versions
CN108363963A (zh
Inventor
帕里克希特·库马尔·查布拉
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.)
NXP BV
Original Assignee
NXP BV
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 NXP BV filed Critical NXP BV
Publication of CN108363963A publication Critical patent/CN108363963A/zh
Application granted granted Critical
Publication of CN108363963B publication Critical patent/CN108363963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/1371—Matching features related to minutiae or pores
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
    • 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
    • G06V40/1335—Combining adjacent partial images (e.g. slices) to create a composite input or reference pattern; Tracking a sweeping finger movement
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Input (AREA)
  • Collating Specific Patterns (AREA)

Abstract

根据本公开的第一方面，提供一种指纹验证装置，包括指纹图像传感器和处理单元，所述指纹验证装置被配置成在第一分辨率模式下和在第二分辨率模式下操作，其中所述第一分辨率高于所述第二分辨率，所述指纹验证装置另外被配置成在验证模式下操作，其中：所述指纹图像传感器在所述第二分辨率模式下捕捉指纹图像，且所述处理单元处理所述所捕捉指纹图像；所述处理单元选择所述所捕捉指纹图像的一个或多个区域；所述指纹图像传感器在所述第一分辨率模式下再捕捉所述选定区域，且所述处理单元处理所述再捕捉的选定区域。另外，构想一种对应的指纹验证方法以及一种包括可执行指令的对应的非暂时性机器可读媒体。

Description

指纹验证装置
技术领域
本公开涉及一种指纹验证装置。另外，本公开涉及一种对应的指纹验证方法，且涉及一种包括机器可读指令的对应的非暂时性机器可读媒体。
背景技术
当今，许多电子装置和系统需要某一形式的用户认证。举例来说，在支付系统中，智能卡可用于起始支付和认证用户。除通过个人身份识别码(PIN)的常规用户认证以外，智能卡还可包括用于捕捉和验证用户的指纹的指纹验证装置。在这种情况下，例如，所捕捉指纹可用于确定智能卡是由其合法所有者呈现给终端。
发明内容
根据本公开的第一方面，提供一种指纹验证装置，包括指纹图像传感器和处理单元，所述指纹验证装置被配置成在第一分辨率模式下和在第二分辨率模式下操作，其中第一分辨率高于第二分辨率，指纹验证装置另外被配置成在验证模式下操作，其中：指纹图像传感器在第二分辨率模式下捕捉指纹图像，且处理单元处理所捕捉指纹图像；处理单元选择所捕捉指纹图像的一个或多个区域；指纹图像传感器在第一分辨率模式下再捕捉选定区域，且处理单元处理再捕捉的选定区域。
在一个或多个实施例中，指纹验证装置另外被配置成在登记模式下操作，其中指纹图像传感器在第一分辨率模式下捕捉参考指纹图像，且处理单元处理所捕捉的参考指纹图像。
在一个或多个实施例中，在所述登记模式中，指纹图像传感器另外被配置成在第一分辨率模式下捕捉多个参考指纹图像，且被配置成将所述参考指纹图像合并成单一图像。
在一个或多个实施例中，处理单元被配置成通过识别所述图像中的指纹特征且通过围绕所识别指纹特征限定所述区域而选择所述区域。
在一个或多个实施例中，指纹特征包括指纹细节点。
在一个或多个实施例中，指纹验证装置另外被配置成在多个不同的第二分辨率模式下操作。
在一个或多个实施例中，在第一分辨率模式下，指纹图像传感器被配置成捕捉指纹图像的单个像素，且处理单元被配置成处理所捕捉的单个像素，且在第二分辨率模式下，指纹图像传感器被配置成捕捉指纹图像的合并像素，且处理单元被配置成处理所捕捉的合并像素。
在一个或多个实施例中，处理单个像素和处理合并像素包括数字处理。
在一个或多个实施例中，处理所捕捉的指纹图像和处理再捕捉的选定区域包括将所述指纹图像和选定区域与参考数据进行匹配，且处理单元另外被配置成将比用于匹配指纹图像的更小的公差框用于匹配选定区域。
在一个或多个实施例中，智能卡包括所阐述种类的指纹验证装置。
根据本公开的第二方面，构想一种指纹验证方法，所述指纹验证方法使用包括指纹图像传感器和处理单元的指纹验证装置，所述指纹验证装置被配置成在第一分辨率模式下和在第二分辨率模式下操作，其中第一分辨率高于第二分辨率，其中，当指纹验证装置在验证模式下操作时：指纹图像传感器在第二分辨率模式下捕捉指纹图像，且处理单元处理所捕捉的指纹图像；处理单元选择所捕捉的指纹图像的一个或多个区域；指纹图像传感器在第一分辨率模式下再捕捉选定区域，且处理单元处理再捕捉的选定区域。
在一个或多个实施例中，当指纹验证装置在登记模式下操作时，指纹图像传感器在第一分辨率模式下捕捉参考指纹图像，且处理单元处理所捕捉的参考指纹图像。
在一个或多个实施例中，在所述登记模式中，指纹图像传感器在第一分辨率模式下捕捉多个参考指纹图像，且将所述参考指纹图像合并成单一图像。
在一个或多个实施例中，处理单元通过识别所述指纹图像中的指纹特征且通过围绕所识别指纹特征限定所述区域而选择所述区域。
根据本公开的第三方面，提供一种非暂时性机器可读媒体，包括在执行时实行或控制所阐述种类的方法的计算机可执行指令。
附图说明
将参考附图更详细地描述实施例，在附图中：
图1示出指纹验证装置的说明性实施例；
图2示出验证模式下的操作方法的说明性实施例；
图3示出登记模式下的操作方法的说明性实施例；
图4示出不同分辨率模式的例子；
图5示出登记模式下的操作方法的另一说明性实施例；
图6示出指纹图像中的选定区域的例子；
图7示出验证模式下的操作方法的另一说明性实施例。
具体实施方式
如上文提到，例如智能卡的电子装置可含有嵌入式指纹验证装置。基于指纹的用户认证在类似于物理访问控制、移动装置和智能卡的多个应用中变得更加流行。为了以较低的错误匹配率(误接受率，FAR)和错误拒绝率(误拒绝率，FRR)进行决定性匹配，期望传感器具有高分辨率(例如500dpi或更高)。然而，高分辨率要求大量处理电力和内存空间。虽然移动装置中可存在足够处理电力，但在类似于智能卡的装置中，可能缺少计算资源。当此类高分辨率用于受硬件限制系统中时，可导致更长处理时间(例如，用于处理指纹匹配请求的时间)。一些系统尝试通过使用较低分辨率指纹捕捉来解决较长匹配时间和有限资源的问题，但是这通常导致更高FAR和更高FRR。
因此，根据本公开的第一方面，提供一种指纹验证装置，包括指纹图像传感器和处理单元，所述指纹验证装置被配置成在第一分辨率模式下和在第二分辨率模式下操作，其中第一分辨率高于第二分辨率，指纹验证装置另外被配置成在验证模式操作下，其中：指纹图像传感器在第二分辨率模式下捕捉指纹图像，且处理单元处理所捕捉指纹图像；处理单元选择所捕捉指纹图像中的一个或多个区域；指纹图像传感器在第一分辨率模式下再捕捉选定区域，且处理单元处理再捕捉的选定区域。通过这种方式，需要较少计算资源且可以节省电力，同时对于指纹图像中的所关注区域，分辨率仍足够高。因此，可在计算成本(例如，电力消耗和存储器大小)与系统性能(即，较低的FAR和较低的FRR)之间实现折衷。
图1示出指纹验证装置100的说明性实施例。在这个例子中，指纹验证装置100包括可操作地耦合到处理单元104的指纹图像传感器102。指纹图像传感器102可被配置成捕捉指纹图像。举例来说，指纹图像传感器102可包括传感器板阵列，所述传感器板阵列被配置成通过电容性感测而捕捉指纹图像的单个像素。另外，指纹图像传感器102可被配置成将单个像素值提供到处理单元104。随后，例如出于产生可匹配参考指纹图像模板的实时指纹图像模板的目的，处理单元104可被配置成对像素值执行处理功能。如果实时指纹图像模板与参考指纹图像模板相匹配，那么处理单元104可推断其指纹正经感测的用户是可信的。另外，代替单个像素或除单个像素外，指纹图像传感器102可被配置成合并模拟域中的单个像素并且将合并的像素提供到处理单元104。应注意，如本文中所使用，术语“像素”指代如由传感器102的单个组件(例如，单个传感器板)所捕捉的指纹图像的基本元素，且像素的尺寸可取决于所使用的应用和技术而变化。根据本公开，代替单个像素值或除单个像素值外，处理单元104还可以被配置成处理合并的像素值。在一个或多个实施例中，处理单个像素和合并像素包括数字处理。如果指纹图像传感器102和处理单元104分别捕捉和处理仅单个像素，那么实现最高可能分辨率。如果指纹图像传感器102和处理单元104分别捕捉和处理指纹图像的至少一部分的合并像素，那么实现较低分辨率。
应注意，指纹验证装置100可被配置成支持多个不同的低分辨率模式：分辨率取决于合并成单一像素值的相邻像素的数目。因此，在一个或多个实施例中，指纹验证装置100被配置成在多个不同的第二分辨率模式下操作。具体地说，对应于不同的第二分辨率模式的分辨率彼此不同。通过这种方式，指纹匹配的置信水平可通过递增地增大选定区域的分辨率而逐渐增加，同时仍节省电力和资源。下文将更详细地解释此过程。
图2示出验证模式下的操作方法200的说明性实施例。具体地说，其示出在应认证用户时，图1中所示出的指纹验证装置100可如何操作。方法200包括以下步骤。在202处，指纹验证装置100进入验证模式。在204处，指纹图像传感器102在低分辨率模式下捕捉指纹图像，且处理单元104处理所捕捉图像。更具体地说，指纹图像传感器102可捕捉合并的像素且将合并的像素提供到处理单元104。随后，处理单元104可处理合并的像素。在206处，处理单元104选择指纹图像的一个或多个区域。在实际且高效的实施方案中，区域通过识别指纹图像中的指纹特征且通过围绕那些特征限定所述区域而选定。在实际且高效的实施方案中，指纹特征包括指纹细节点。另外，在208处，指纹图像传感器102在高分辨率模式下再捕捉选定区域，且处理单元104处理再捕捉的区域。在实际且高效的实施方案中，处理单元104可指导指纹图像传感器102在高分辨率模式下再捕捉选定区域，或指导单独控制器(未示出)将指纹图像传感器102设置成高分辨率模式且发起对选定区域的再捕捉。应注意，术语“捕捉”和“再捕捉”是指将指纹传感器的所测量物理性质(例如，存在于一个或多个传感器板上的电容)转换成表示指纹图像的单个像素或合并像素的信号或值的过程。另外，术语“处理”是指对那些信号或值执行功能，例如数字信号处理功能。
在一个或多个实施例中，指纹验证装置100另外被配置成在登记模式下操作，其中指纹图像传感器在第一分辨率模式下捕捉参考指纹图像，且处理单元处理所捕捉的参考指纹图像。通过这种方式，由于参考指纹图像——即在正认证用户时与实时候选者匹配的图像——是在高分辨率下捕捉且处理的，所以指纹验证处理的可靠性可得以提高。另外，在一个或多个实施例中，在所述登记模式下，指纹图像传感器102另外被配置成在第一分辨率模式下捕捉多个参考指纹图像，且处理单元104被配置成将所述参考指纹图像合并成单一图像。通过这种方式，可以提高所获得的参考指纹图像的质量。具体地说，可滤除存在于单个参考指纹图像中的噪声。
图3示出登记模式下的操作方法300的说明性实施例。具体地说，其示出在应登记新用户时，图1中所示出的指纹验证装置100可如何操作。为了实现用户验证，用户应登记到指纹验证装置100上。方法300包括以下步骤。在302处，指纹验证装置100进入登记模式。接着，在304处，指纹图像传感器102在高分辨率模式下捕捉参考指纹图像，且处理单元104处理所捕捉的图像。随后，参考指纹图像可以存储(未示出)于指纹验证装置100的存储单元中，使得实时候选者可与其匹配。
因此，当前所公开的装置和方法是基于利用高分辨率和低分辨率在从登记到验证的各个阶段进行捕捉的方式。由此，可以实现快速验证过程，所述过程不需要过度的计算资源和电力并且又不会导致高FAR和FRR。在登记阶段，高分辨率指纹图像得以捕捉，以便确定指纹的各种特征之间的座标和/或空间关系。另外，可在登记阶段使用低分辨率图像，以便滤除指纹的错误或虚假特征或实行其它图像增强。在验证阶段，匹配过程开始于实时样本的低分辨率图像，且根据需要，可以在所需区域或窗口中捕捉高分辨率。低分辨率指纹捕捉和匹配需要比高分辨率指纹匹配更少的计算资源。具体地说，单个像素信号或值的数字处理是资源消耗的。合并像素信号或值的数字处理需要更少计算资源，但其可导致更高FAR和FRR。因此，在所关注区域或窗口中，执行高分辨率捕捉和匹配。
在一个或多个实施例中，在第一分辨率模式下，指纹图像传感器被配置成捕捉指纹图像的单个像素，且处理单元被配置成处理所捕捉的单个像素，且在第二分辨率模式下，指纹图像传感器被配置成捕捉指纹图像的合并像素，且处理单元被配置成处理所捕捉的合并像素。也就是说，在实际且高效的实施方案中，使用多分辨率指纹传感器，其中在一种模式(高分辨率模式)下，以最小分辨率(例如，500dpi)读取所有像素，然而在另一模式(低分辨率模式)下，将相邻像素一起合并成超像素，由此降低捕捉的整体分辨率。
图4示出不同分辨率模式400、402、404的例子。具体地说，示出第一分辨率模式400(高分辨率模式)以及两个第二分辨率模式402、404(低分辨率模式)。应注意，两个第二分辨率模式402、404的不同之处在于模式402中的分辨率高于模式404中的分辨率。例子示出高分辨率模式400中的8×8个像素的传感器阵列。在分辨率模式402中，4个相邻像素合并成单一超像素，从而产生4×4的传感器阵列。在分辨率模式404中，16个相邻像素合并成单一超像素，从而产生2×2的传感器阵列。也可使用其它比率(未示出)，例如将9个相邻像素合并成单一超像素。在低分辨率模式中，相邻像素可以在感测时，即在模拟域中在将其馈入到模/数转换器之前合并，以便实现快速且高效的实施方案。
图5示出登记模式下的操作方法500的另一说明性实施例。具体地说，其示出图3中所示出的操作方法300的更详细的实际实施方案。当新授权用户登记时，登记过程(即参考指纹模板创建)通常仅进行一次。参考指纹模板创建是将影响每个和所有指纹匹配请求的关键步骤；因此这个步骤应具有较低的误差裕度。由于这通常是一次性过程，所以用户灵活地花费几秒或甚至几十秒以用于登记。因此，可以执行以下步骤。在502处，登记过程开始。随后，在504处，将指纹验证装置的指纹图像传感器(简单地说，“传感器”)设置成高分辨率模式。在506处，呈现手指且捕捉高分辨率指纹图像。随后，在508处，检查所捕捉指纹图像的质量。举例来说，可以分析所捕捉指纹图像中的噪声水平。如果噪声水平过高(即，质量不够)，那么传感器可再次执行步骤506。步骤508和步骤506可以重复直到获得足够质量的指纹图像为止。因此，一个或多个另外的指纹图像可得以捕捉且合并成单一图像，以便滤除随机噪声。另外，可以检查在捕捉另外的图像时手指是否已移动，且如果手指已明显地移动，那么登记过程可能必须重新开始。在存储器受限的系统的情况下，如果不能操控多重图象捕捉(即，扫描)，那么随后可使用以下方式中的一个：a)在提供合并值之前多次读取一个像素；b)读取一组几个像素两次或多于两次，且针对每个像素合并来自每一扫描的相应像素以得到用于所述组中的每个像素的噪声减弱值，随后移动到下一组像素。在510处，所捕捉指纹图像可经预处理。预处理功能的例子是二进制化(将灰度图像转化成黑白图像)及薄化(将线厚度减小到一个像素宽度)。此类预处理功能有助于下一步骤，例如特征提取。在512处，将用于指纹匹配算法的指纹特征(例如，指纹细节点和其性质)可以从预处理的指纹图像中提取。所提取的指纹特征和其绝对和/或相关的性质可以参考指纹模板的形式存储。随后可丢弃用于登记过程中的完整图像数据。在514处，登记过程结束。
可以在参考指纹模板与实时候选者之间比较的典型指纹特征组包括指纹细节点。具体地说，特征包括细节点的类型(例如，嵴末端、分叉)和细节点之间的相对欧几里德(Euclidean)距离。技术人员将了解，还可以使用其它类型的指纹特征。另外，实际实施方案可包含指纹的更多或不同的特征。在非限制性例子中，可使用具有以下性质作为匹配参数的细节点。
·细节点的类型，t
·细节点的座标，x和y
·细节点的朝向，θ
在用户的验证期间，指纹匹配算法可将参考指纹模板中的细节点之间的相对欧几里德距离和相对朝向与实时候选者(即，在验证模式下所捕捉的指纹图像)中的类似参数进行比较。如果差异在可接受界限(被称作公差框)内，那么所呈现的实时候选者可以被认为匹配。
对于具有两个细节点A{xA，yA，θA}和B{xB，yB，θB}的参考模板来说，相对朝向可指定为：
αr＝θA-θB
类似地，对于具有两个细节点L和M的实时候选者来说，相对朝向可指定为：
αc＝θL-θM
在这个例子中，如果满足以下两个条件，那么实时候选者被视为匹配：
|Dr-Dc|≤TD
min(|αr-αc|，360-|αr-αc|)≤Tα
此处，TD和Tα是距离和角度的公差框。如果公差框的值过高，那么FAR可能过高，而如果公差框的值过低，那么FRR可能过高。公差框的值通常获自对样品指纹的各种试验以便产生最优值，但所述公差框值对于操作中的系统来说是固定的。如上文所提到，参数距离和角度仅表示例子。
图6示出指纹图像中的选定区域604、606、608、610、612的例子。具体地说，其示出当在验证模式下操作时，处理单元如何在高分辨率模式下选择待再捕捉和再处理的区域。如先前所提到，当在验证模式下操作时，指纹图像传感器在第二分辨率模式600(低分辨率模式)下捕捉指纹图像，且处理单元处理所捕捉图像。随后，处理单元104选择指纹图像的一个或多个区域604、606、608、610、612。接着，指纹图像传感器在第一分辨率模式602(高分辨率模式)下再捕捉选定区域604、606、608、610、612，且处理单元处理所捕捉的选定区域。
图7示出验证模式下的操作方法700的另一说明性实施例。具体地说，其示出图2中所示出的操作方法200的更详细实际实施方案。具体地说，可以执行以下步骤。在702处，开始指纹匹配尝试。随后，在706处，捕捉低分辨率指纹图像(I1)。在708处，检查低分辨率图像的质量。如果质量是不可接受的，那么一个或多个另外的低分辨率图像可得以捕捉且合并成单一图像。如果质量是可接受的，那么可以在710处预处理图像。因此，捕捉实时候选者的低分辨率图像。在712处，将这个低分辨率图像馈入指纹特征提取算法中。记录所提取的指纹特征(例如，所识别细节点的性质)且以相对大的公差框(已在步骤714中设置)触发匹配请求。在716处，检查实时候选者的低分辨率图像是否与参考指纹模板匹配。如果不匹配，那么过程在718处停止，这是因为验证已失败(即，用户认为是不可信的)。由于这个验证是在低分辨率图像和大公差框下进行，可比现有方法快得多地检测到非常清楚且明显的不匹配。如果实时候选者的低分辨率图像与参考指纹模板匹配，那么在720处将传感器设置成更高分辨率模式。在722处，在低分辨率图像的关注点(选定区域)处获取到实时候选者的高分辨率图像。这在图7中被称为产生新的实时候选者。具体地说，关于来自I1的每个所提取的指纹特征，执行以下操作以便产生新的实时候选者：1)在高分辨率模式下捕捉较小窗口(即选定区域)；2)处理窗口且提取指纹特征的更多个精确性质；3)使用更多个精确性质替换来自I1的特征。由于这些操作仅在完整指纹图像的小窗口中执行，处理次数和资源要求保持可接受。接着，可以使用较小公差框(其在步骤724中已降低或缩减以最小化FAR)触发匹配请求。在726处，检查新的实时候选者的高分辨率图像是否与参考指纹模板匹配。如果不匹配，那么过程在718处停止，这是因为验证已失败(即，用户认为是不可信的)。如果匹配，那么过程在728处停止，这是因为验证已成功(即，用户认为是可信的)。因此，在一个或多个实施例中，处理所捕捉指纹图像和处理再捕捉的选定区域包括将所述指纹图像和选定区域与参考数据进行匹配，且处理单元另外被配置成将比用于匹配指纹图像的更小的公差框用于匹配选定区域。通过这种方式，FAR可以降低同时处理次数和资源要求保持可接受。在指纹验证装置被配置成以多个不同的第二分辨率模式操作的情况下，公差框可以迭代地缩减，如下文所解释。通过这种方式，FAR可以另外降低同时处理次数和资源要求仍保持可接受。
如上文提到，指纹验证装置可被配置成在多个不同的第二分辨率模式(低分辨率模式)下操作。通过这种方式，指纹匹配的置信水平可逐渐提高同时仍节省电力和资源。在当前的例子中，如果指纹验证装置支持多于两个分辨率，那么可迭代地执行步骤720到726(未示出)，具体地说通过针对每一连续迭代提高分辨率且缩减公差框。一旦进入步骤720，通过图像I1(即，以最低分辨率捕捉和处理的图像)实现的置信度得分可以忽略，这是因为其由更多个精确细节点性质取代。循环通过可应用迭代后的结果是积极或消极的匹配结果。在消极匹配结果的情况下，由于验证失败，过程可在718处停止。在积极匹配结果的情况下，由于验证成功，可以执行新的迭代(即在更高分辨率下)或过程可在728处停止。
本文中所描述的系统和方法可至少部分地由一个计算机程序或多个计算机程序实施，所述计算机程序可在单个计算机系统中或跨多个计算机系统以作用中和非作用中的多种形式存在。举例来说，其可作为由程序指令组成的软件程序以源代码、目标代码、可执行代码或用于执行步骤中的一些的其它格式存在。以上中的任一个可以压缩或未压缩形式在计算机可读媒体上实施，所述计算机可读媒体可包含存储装置和信号。
如本文中所使用，术语“移动装置”指代任何类型的便携式电子装置，包括蜂窝式电话、个人数字助理(Personal Digital Assistant，PDA)、智能手机、平板计算机等。另外，术语“计算机”指代包括例如通用中央处理单元(central processing unit，CPU)、专用处理器或微控制器的处理器的任何电子装置。计算机能够接收数据(输入)，能够对数据执行一系列预定操作，且由此能够产生呈信息或信号形式的结果(输出)。取决于上下文，术语“计算机”将意指(具体地说)处理器或(更一般地)与单个机箱或壳体内容纳的相关元件的集合相关联的处理器。
术语“处理器”或“处理单元”指代数据处理电路，所述数据处理电路可以是微处理器、协处理器、微控制器、微型计算机、中央处理单元、现场可编程门阵列(FPGA)、可编程逻辑电路和/或基于存储在存储器中的操作指令来操纵信号(模拟信号或数字信号)的任何电路。术语“存储器”指代某一存储电路或多个存储电路，例如只读存储器、随机存取存储器、易失性存储器、非易失性存储器、静态存储器、动态存储器、快闪存储器、高速缓冲存储器和/或存储数字信息的任何电路。
如本文中所使用，“计算机可读媒体”或“存储媒体”可以是能够容纳、存储、传达、传播或传输计算机程序以供指令执行系统、设备或装置使用或与指令执行系统、设备或装置结合使用的任何构件。计算机可读媒体可以是，例如(但不限于)电子、磁性、光学、电磁、红外线或半导体系统、设备、装置或传播媒体。计算机可读媒体的更特定的例子(非穷尽性列表)可以包括以下各项：具有一根或多根导线的电连接件、便携式计算机磁盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、光纤、便携式压缩光盘只读存储器(CDROM)、数字多功能光盘(DVD)、蓝光光盘(BD)以及存储卡。
应注意，以上实施例已参考不同的主题描述。具体地说，一些实施例可能是已参考方法类权利要求来描述的，而其它实施例可能是已参考设备类权利要求来描述的。然而，本领域的技术人员将从上述内容了解到，除非另有说明，否则除属于一种类型主题的特征的任意组合外，与不同主题相关的特征的任意组合，特别是方法类的权利要求的特征和设备类的权利要求的特征的组合，也视为与本文档一起公开。
另外，应注意图式为示意性的。在不同图式中，类似或相同元件具备相同附图标记。另外，应注意，为了提供说明性实施例的简洁描述，可能并未描述属于技术人员的习惯做法的实施细节。应了解，在任何此类实施方案的发展中，如在任何工程或设计项目中，必须制定大量实施方案特定的决策以便实现研发者的特定目标，例如遵守系统相关的和业务相关的约束条件，这可能在不同的实施方案中是不同的。另外，应了解，此类开发工作可能是复杂且耗时的，但仍然是本领域的技术人员进行设计、制造和生产的例行任务。
最后，应注意，技术人员将能够在不脱离所附权利要求书的范围的情况下设计许多替代性实施例。在权利要求书中，置于圆括号之间的任何附图标记不应解释为限制权利要求。词“包括”不排除在权利要求中列出的那些元件或步骤之外的元件或步骤的存在。在元件之前的单词“一”不排除多个此类元件的存在。权利要求书中叙述的措施可以借助于包括若干独特元件的硬件和/或借助于经适当编程的处理器来实施。在列出若干构件的装置权利要求中，可以通过硬件中的同一个物件实施若干这些构件。在彼此不同的附属权利要求项中叙述某些措施的这一单纯事实并不指示不能使用这些措施的组合来获得优势。
附图标记的清单
100 指纹验证装置
102 指纹图像传感器
104 处理单元
200 在验证模式下操作
202 指纹验证装置进入验证模式
204 指纹图像传感器在低分辨率模式下捕捉指纹图像且处理单元处理所捕捉图像
206 处理单元选择指纹图像的一个或多个区域
208 指纹图像传感器在高分辨率模式下再捕捉选定区域且处理单元处理再捕捉区域
300 在登记模式下操作
302 指纹验证装置进入登记模式
304 指纹图像传感器在高分辨率模式下捕捉参考指纹图像且处理单元处理所捕捉图像
400 高分辨率模式
402 低分辨率模式
404 低分辨率模式
500 在登记模式下操作
600 低分辨率模式
602 高分辨率模式
604 选定区域
606 选定区域
608 选定区域
610 选定区域
612 选定区域
700 在验证模式下操作
702 开始匹配尝试
704 起始包括手指放置检测的指纹传感器
706 捕捉低分辨率图像(I1)
708 质量可接受？
710 执行图像预处理
712 提取且保存指纹特征作为实时模板
714 将公差框设置为较大值
716 实时候选者与参考模板匹配？
718 停止：验证失败
720 将传感器设置成更高分辨率模式
722 关于来自I1的每一所提取特征，执行以下操作以便产生新的实时候选者：1)在高分辨率模式下捕捉较小窗口；2)处理窗口且提取特征的更多个精确性质；3)使用更多个精确性质代替来自I1的特征
724 缩减公差框
726 新的实时候选者与参考模板匹配？
728 停止：验证成功

Claims (8)

1.一种指纹验证装置，其特征在于，包括指纹图像传感器和处理单元，所述指纹验证装置被配置成在第一分辨率模式下和在第二分辨率模式下操作，其中所述第一分辨率高于所述第二分辨率，所述指纹验证装置进一步被配置成在验证模式下操作，其中：所述指纹图像传感器在所述第二分辨率模式下捕捉指纹图像，且所述处理单元处理所述所捕捉指纹图像；所述处理单元选择所述所捕捉指纹图像中的一个或多个区域为选定区域；所述指纹图像传感器在所述第一分辨率模式下再捕捉所述选定区域，且所述处理单元处理所述再捕捉的选定区域；
其中，所述处理单元被配置成通过识别所述图像中的指纹特征且通过围绕所述所识别指纹特征限定所述区域而选择所述区域；
其中，处理在所述第二分辨率模式下所捕捉指纹图像包括提取指纹细节点并使用第一公差框确定所提取指纹细节点与参考模板之间是否存在匹配；以及
其中，处理在所述第一分辨率模式下再捕捉的选定区域包括使用第二公差框确定再捕捉的选定区域中的指纹细节点与参考模板之间是否存在匹配，
其中所述第一和第二公差框是两个细节点之间的相对距离和相对朝向的函数，并且其中所述第二公差框小于所述第一公差框。
2.根据权利要求1所述的指纹验证装置，其特征在于，进一步被配置成在登记模式下操作，其中所述指纹图像传感器在所述第一分辨率模式下捕捉参考指纹图像且所述处理单元处理所述所捕捉的参考指纹图像。
3.根据权利要求2所述的指纹验证装置，其特征在于，在所述登记模式中，所述指纹图像传感器进一步被配置成在所述第一分辨率模式下捕捉多个参考指纹图像且被配置成将所述参考指纹图像合并成单一图像。
4.根据在前的任一项权利要求所述的指纹验证装置，其特征在于，进一步被配置成在多个不同的第二分辨率模式下操作。
5.根据在前的任一项权利要求所述的指纹验证装置，其特征在于，在所述第一分辨率模式下，所述指纹图像传感器被配置成捕捉指纹图像的单个像素，且所述处理单元被配置成处理所述所捕捉的单个像素，且在所述第二分辨率模式下，所述指纹图像传感器被配置成捕捉所述指纹图像的合并像素，且所述处理单元被配置成处理所述所捕捉的合并像素，其中，像素的合并包括将相邻像素合并成超像素。
6.一种智能卡，其特征在于，包括根据在前的任一项权利要求所述的指纹验证装置。
7.一种指纹验证方法，其特征在于，使用包括指纹图像传感器和处理单元的指纹验证装置，所述指纹验证装置被配置成在第一分辨率模式下和在第二分辨率模式下操作，其中所述第一分辨率高于所述第二分辨率，其中，当所述指纹验证装置在验证模式下操作时：所述指纹图像传感器在所述第二分辨率模式下捕捉指纹图像，且所述处理单元处理所述所捕捉指纹图像；所述处理单元选择所述所捕捉指纹图像的一个或多个区域为选定区域；所述指纹图像传感器在所述第一分辨率模式下再捕捉所述选定区域，且所述处理单元处理所述再捕捉的选定区域；
其中，所述处理单元被配置成通过识别所述图像中的指纹特征且通过围绕所述所识别指纹特征限定所述区域而选择所述区域；
其中，处理在所述第二分辨率模式下所捕捉指纹图像包括提取指纹细节点并使用第一公差框确定所提取指纹细节点与参考模板之间是否存在匹配；以及
其中，处理在所述第一分辨率模式下再捕捉的选定区域包括使用第二公差框确定再捕捉的选定区域中的指纹细节点与参考模板之间是否存在匹配，
其中所述第一和第二公差框是两个细节点之间的相对距离和相对朝向的函数，并且其中所述第二公差框小于所述第一公差框。
8.一种非暂时性机器可读媒体，其特征在于，包括计算机可执行指令，所述计算机可执行指令在执行时实行或控制根据权利要求7所述的方法。
CN201810075401.1A 2017-01-27 2018-01-25 指纹验证装置 Active CN108363963B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP17153643.6A EP3355239A1 (en) 2017-01-27 2017-01-27 Fingerprint verification device
EP17153643.6 2017-01-27

Publications (2)

Publication Number Publication Date
CN108363963A CN108363963A (zh) 2018-08-03
CN108363963B true CN108363963B (zh) 2023-09-15

Family

ID=57956115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810075401.1A Active CN108363963B (zh) 2017-01-27 2018-01-25 指纹验证装置

Country Status (3)

Country Link
US (1) US10599906B2 (zh)
EP (1) EP3355239A1 (zh)
CN (1) CN108363963B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108171858A (zh) * 2018-02-13 2018-06-15 南京东屋电气有限公司 一种带有分离式红外图像采集装置的汽车门锁
CN112204571A (zh) 2018-06-08 2021-01-08 指纹卡有限公司 认证用户的方法
KR20200073696A (ko) * 2018-12-14 2020-06-24 삼성전자주식회사 지문 센싱 시스템을 구동하는 방법 및 지문 센싱 시스템
US11132522B2 (en) * 2019-08-09 2021-09-28 Next Biometrics Group Asa Sensors configured to operate at multiple resolutions
CN113630566A (zh) * 2020-05-07 2021-11-09 联咏科技股份有限公司 像素合并方法及相关影像读出电路
CN112800996A (zh) 2020-09-09 2021-05-14 神盾股份有限公司 具有指纹感测功能的电子装置以及指纹比对方法
US11516406B2 (en) * 2020-10-28 2022-11-29 Baker Hughes Oilfield Operations Llc Adaptive borescope inspection

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1506903A (zh) * 2002-12-06 2004-06-23 中国科学院自动化研究所 基于模板学习的自动指纹识别系统和方法
CN106257487A (zh) * 2015-06-22 2016-12-28 恩智浦有限公司 指纹感测系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020196963A1 (en) * 2001-02-23 2002-12-26 Biometric Security Card, Inc. Biometric identification system using a magnetic stripe and associated methods
CA2529147A1 (en) * 2003-06-21 2005-01-06 Aprilis, Inc. Acquisition of high resolution biometric images
CN101593268B (zh) 2008-05-30 2012-03-07 深圳市普罗巴克科技股份有限公司 一种多分辨率指纹识别方法和多分辨率指纹识别系统
US8411913B2 (en) * 2008-06-17 2013-04-02 The Hong Kong Polytechnic University Partial fingerprint recognition
JP5206218B2 (ja) * 2008-08-20 2013-06-12 富士通株式会社 指紋画像取得装置、指紋認証装置、指紋画像取得方法及び指紋認証方法
JP6000602B2 (ja) 2012-03-30 2016-09-28 キヤノン株式会社 体検出方法及び物体検出装置
US8953853B2 (en) * 2013-03-15 2015-02-10 Google Technology Holdings LLC Sensing characteristics of adjacent fingers for user authentication
US9261991B2 (en) 2013-05-28 2016-02-16 Google Technology Holdings LLC Multi-layered sensing with multiple resolutions
US20160246396A1 (en) * 2015-02-20 2016-08-25 Qualcomm Incorporated Interactive touchscreen and sensor array
US9721142B2 (en) * 2015-06-26 2017-08-01 Synaptics Incorporated Multi-resolution fingerprint sensor
US9792485B2 (en) * 2015-06-30 2017-10-17 Synaptics Incorporated Systems and methods for coarse-to-fine ridge-based biometric image alignment

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1506903A (zh) * 2002-12-06 2004-06-23 中国科学院自动化研究所 基于模板学习的自动指纹识别系统和方法
CN106257487A (zh) * 2015-06-22 2016-12-28 恩智浦有限公司 指纹感测系统

Also Published As

Publication number Publication date
CN108363963A (zh) 2018-08-03
US20180218196A1 (en) 2018-08-02
EP3355239A1 (en) 2018-08-01
US10599906B2 (en) 2020-03-24

Similar Documents

Publication Publication Date Title
CN108363963B (zh) 指纹验证装置
US11216546B2 (en) Method for fingerprint authentication using force value
US9785819B1 (en) Systems and methods for biometric image alignment
US9613428B2 (en) Fingerprint authentication using stitch and cut
US9508122B2 (en) Creating templates for fingerprint authentication
JP5574515B2 (ja) 生体認証デバイス及び方法
US9934420B2 (en) Fingerprint information processing method and apparatus for speed improvement of fingerprint registration and authentication
US10496863B2 (en) Systems and methods for image alignment
US9367728B2 (en) Fingerprint recognition method and device thereof
US20080298648A1 (en) Method and system for slap print segmentation
US10127681B2 (en) Systems and methods for point-based image alignment
US20080273769A1 (en) Print matching method and system using direction images
US10037454B2 (en) Method and device for forming a fingerprint representation
WO2008140539A1 (en) Methods for gray-level ridge feature extraction and associated print matching
WO2008054940A2 (en) Print matching method and apparatus using pseudo-ridges
CN106940802B (zh) 用于使用生物测量学信息的认证的方法和设备
US20070292005A1 (en) Method and apparatus for adaptive hierarchical processing of print images
US10572749B1 (en) Systems and methods for detecting and managing fingerprint sensor artifacts
KR101237148B1 (ko) 유사도 분포를 이용한 계층적 지문인증 장치 및 그 방법
JP6075084B2 (ja) 画像変換装置、画像変換方法、生体認証装置及び生体認証方法ならびに画像変換用コンピュータプログラム
US9792485B2 (en) Systems and methods for coarse-to-fine ridge-based biometric image alignment
KR20180065475A (ko) 지문인식센서 및 터치스크린에 남은 지문을 이용한 지문 이미지 복원 방법 및 장치
US10990787B2 (en) Enrolment of a fingerprint template
JP3033595B2 (ja) 指紋画像登録方法
SE1950074A1 (en) A method for determining a key point in an image of a fingerprint

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