CN108399374B - 选择用于指纹识别的候选指纹图像的方法和设备 - Google Patents

选择用于指纹识别的候选指纹图像的方法和设备 Download PDF

Info

Publication number
CN108399374B
CN108399374B CN201810121973.9A CN201810121973A CN108399374B CN 108399374 B CN108399374 B CN 108399374B CN 201810121973 A CN201810121973 A CN 201810121973A CN 108399374 B CN108399374 B CN 108399374B
Authority
CN
China
Prior art keywords
frequency
image
fingerprint
target
fingerprint image
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
CN201810121973.9A
Other languages
English (en)
Other versions
CN108399374A (zh
Inventor
李宣旼
金圭洪
崔昌圭
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN108399374A publication Critical patent/CN108399374A/zh
Application granted granted Critical
Publication of CN108399374B publication Critical patent/CN108399374B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • 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

Abstract

本发明提供一种选择用于指纹识别的候选指纹图像的方法和设备。所述选择用于指纹识别的候选指纹图像的方法包括：获取目标指纹图像；基于目标指纹图像的频率转换来生成目标频率图像；从目标频率图像提取与代表频率相关联的频率特征信息；通过将频率特征信息与登记频率信息进行比较，来从登记指纹图像选择候选指纹图像。

Description

选择用于指纹识别的候选指纹图像的方法和设备
本申请要求于2017年2月8日提交到韩国知识产权局的第10-2017-0017656号韩国专利申请的权益，所述韩国专利申请的全部公开出于所有的目的通过引用合并于此。
技术领域
下面的描述涉及一种选择用于指纹识别的候选指纹图像的技术。
背景技术
随着移动装置(诸如，智能电话和可穿戴装置)领域的近期发展，安全和用户认证的重要性正在增加。生物测量学认证技术可用于基于例如指纹、虹膜、语音、面部或血管来认证用户。因为用于认证的生物测量学特性在人与人之间变化很大，对伪造或变造具有鲁棒性，总是与用户一起，并且终生很少改变，所以生物测量学认证技术近期已经引起浓厚的兴趣。
这些类型的生物测量学认证技术中，指纹识别技术由于它的方便、安全以及实施的低成本而已经被广泛地商业化。指纹识别技术已经用于增强用户装置的安全性并可容易地保护应用服务(例如，移动支付)的安全。
近期，由于便携式装置的小型化，包括在便携式装置中的指纹感测区域也已经减小了尺寸。因此，期望使用被配置为感测指纹的仅一部分的指纹传感器来登记和识别指纹的技术。
发明内容
提供本发明内容来以简化的形式介绍下面在具体实施方式中进一步描述的构思的选择。本发明内容不意图确定要求保护的主题的关键特征或必要特征，也不意图用作确定要求保护的主题的范围的辅助。
在一个总体方面，一种选择用于指纹识别的候选指纹图像的方法包括：获取目标指纹图像；基于目标指纹图像的频率转换来生成目标频率图像；从目标频率图像提取与代表频率相关联的频率特征信息；通过将所述频率特征信息与登记频率信息进行比较，从登记指纹图像选择候选指纹图像。
所述方法还可包括：确定候选指纹图像是否与目标指纹图像匹配。
确定候选指纹图像是否与目标指纹图像匹配的步骤还可包括：计算候选指纹图像与目标指纹图像之间的匹配水平，并响应于所述匹配水平超过阈值水平，确定候选指纹图像与目标指纹图像匹配。
获取目标指纹图像的步骤可包括：获取输入指纹图像，并通过将获取的输入指纹图像划分为子块来获取目标指纹图像。
提取所述频率特征信息的步骤可包括：从目标频率图像提取与包括在目标指纹图像中的指纹的脊线相关联的频率信息。
提取所述频率特征信息的步骤可包括：从目标频率图像提取以下项中的至少一个：频率分布、表示包括在目标指纹图像中的指纹的脊线间隔的频率信息、以及表示所述指纹的脊线方向的频率信息。
表示所述脊线间隔的频率信息可包括与目标频率图像中的原点和代表点之间的距离相关联的信息。
表示所述脊线方向的频率信息可包括与代表点的量值相关联的信息。
选择候选指纹图像的步骤可包括：将登记指纹图像的目标频率信息与基于以下项中的至少一个确定的目标频率信息进行比较：频率分布、表示包括在目标指纹图像中的指纹的脊线间隔的频率、以及表示所述指纹的脊线方向的频率，并基于登记指纹图像的目标频率信息的比较来确定相似度。
提取所述频率特征信息的步骤可包括：确定表示目标频率图像的代表点，计算代表点的量值和代表点与包括在目标频率图像中的原点之间的代表距离，作为所述频率特征信息。
提取所述频率特征信息的步骤可包括：确定与包括在目标频率图像中的多个点之中的具有最大量值的代表点相关联的频率信息。
提取所述频率特征信息的步骤可包括：从包括在目标频率图像中的多个点基于量值顺序选择预设数量的代表点；提取与选择的代表点相关联的频率信息作为所述频率特征信息。
提取与选择的代表点相关联的频率信息作为频率特征信息的步骤可包括：基于选择的代表点与包括在目标频率图像中的原点之间的代表距离来计算频率特征向量。
获取目标指纹图像的步骤可包括：获取具有与登记指纹图像相同尺寸的输入指纹图像。
所述方法还可包括：基于将所述频率特征信息与登记频率信息进行比较的结果，来确定在登记指纹图像之中的非候选指纹图像；通过排除非候选指纹图像来识别目标指纹图像。
所述方法还可包括：通过执行登记指纹图像的频率转换，来提取登记频率特征信息；将登记频率特征信息和登记指纹图像进行映射，并将登记频率特征信息和登记指纹图像存储在数据库(DB)中。
提取所述频率特征信息的步骤可包括：从目标频率图像提取具有大于或等于阈值量值的量值的点的分布信息。
提取所述频率特征信息的步骤可包括：通过从目标频率图像排除与小于阈值频率的频率分量对应的点，来提取所述频率特征信息。
选择候选指纹图像的步骤可包括：基于以下项中的至少一个来计算目标频率图像与登记频率图像之间的相似度：目标频率图像的代表距离与登记频率图像的代表距离之间的差、目标频率图像的频率特征向量与登记频率图像的频率特征向量之间的向量距离、以及所述频率特征向量之间的余弦相似度。
选择候选指纹图像的步骤可包括：选择所述频率特征信息与登记频率信息之间的相似度大于阈值的登记指纹图像作为候选指纹图像。
一种存储指令的非暂时性计算机可读存储介质，其中，所述指令在被处理器执行时使得处理器执行如上所述的方法。
在一个总体方面，一种选择用于指纹识别的候选指纹图像的设备包括：图像获取器，被配置为获取目标指纹图像；处理器，被配置为：通过执行目标指纹图像的频率转换来生成目标频率图像，从目标频率图像提取与代表频率相关联的频率特征信息，并通过将频率特征信息与登记频率信息进行比较来从登记指纹图像选择候选指纹图像。
通过下面具体实施方式、附图和权利要求，其他特征和方面将是清楚的。
附图说明
图1是示出指纹图像的示例的示图。
图2是示出选择用于指纹识别的候选指纹图像的方法的示例的流程图。
图3是示出在图2的方法中的划分输入指纹图像的示例的流程图。
图4是示出目标频率图像的示例的示图。
图5和图6是示出从目标频率图像提取频率特征信息的示例的示图。
图7是示出在图2的方法中的通过将频率特征信息与登记频率信息进行比较来从登记指纹图像选择候选指纹图像的示例的示图。
图8是示出频率特征向量的示例的示图。
图9是示出选择候选指纹图像的示例的示图。
图10是示出选择用于指纹识别的候选指纹图像的方法的另一示例的流程图。
图11是示出指纹登记方法的示例的流程图。
图12和图13是示出候选指纹选择设备的示例的框图。
贯穿附图和具体实施方式，除非另外描述或提供，否则相同的附图参考标号将被理解为表示相同的元件、特征和结构。附图可不按比例绘制，并且为了清楚、说明和方便，附图中的元件的相对大小、比例和描绘可被夸大。
具体实施方式
提供下面的详细的描述来帮助读者获得对在此描述的方法、设备和/或系统的全面理解。然而，在理解本申请的公开之后，在此描述的方法、设备和/或系统的各种改变、修改和等同物将变得清楚。例如，在此描述的操作的顺序仅是示例，并不受限于在此阐述的那些顺序，而是除了必须以特定顺序发生的操作之外，在此描述的操作的顺序可如在理解本申请的公开之后将清楚的那样改变。此外，为了更加清楚和简洁，可省略对本领域中已知的特征的描述。
在此描述的特征可以以不同的形式来实施，并且不被解释为受限于在此描述的示例。相反，在此描述的示例仅被提供以说明在理解本申请的公开之后将清楚的实现在此描述的方法、设备和/或系统的许多可能的方式中的一些方式。
之后，将参照附图详细描述示例。然而，本申请的范围不应被解释为受限于在此阐述的示例。贯穿本公开，附图中相同的参考标号表示相同的元件。
在此使用的术语仅用于描述各种示例，并且将不用于限制本公开。除非上下文另外清楚地指示，否则单数形式也意图包括复数形式。术语“包含”、“包括”和“具有”指定存在阐述的特征、数量、操作、部件、元件和/或它们的组合，但是不排除存在或添加一个或多个其他特征、数量、操作、部件、元件和/或它们的组合。
除非另外定义，否则在此使用的所有术语(包括技术或科学术语)具有与示例所属的领域中的普通技术人员通常理解的含义相同的含义。还将理解，除非在此明确地这样定义，否则诸如在通用字典中定义的那些术语应被解释为具有与它们在相关领域的上下文中的含义一致的含义，将不被理想化或过于形式化地解释。
针对分配给附图中的组件的参考标号，应注意，在任何可能的情况下，即使相同的元件在不同的附图中被示出，也将通过相同的参考标号来指示相同的元件。此外，在描述示例的过程中，当认为公知的相关结构或功能的描述将导致对本公开的解释模糊时，将省略公知的相关结构或功能的详细描述。
可如在理解本申请的公开之后将是清楚的那样以各种方式组合在此描述的示例的特征。此外，虽然在此描述的示例具有各种各样的配置，但是如在理解本申请的公开之后将是清楚的那样，其他配置也是可行的。
图1示出指纹图像的示例。
参照图1，通过指纹传感器(未示出)感测用户的指纹100。指纹传感器通过感测区域感测指纹100。指纹传感器的感测区域的尺寸比指纹100的尺寸小。例如，感测区域具有比指纹100的尺寸小的矩形形状。在这个示例中，指纹传感器通过感测区域感测指纹100的一部分。
指纹传感器通过捕捉感测的指纹来生成指纹图像。当感测区域的尺寸比指纹100的尺寸小时，生成的指纹图像对应于包括指纹100的一部分的局部图像。
指纹图像用于登记或识别指纹100。例如，在登记操作中，指纹图像被登记。登记的指纹图像被存储在预先提供的存储装置(存储器)中。当指纹传感器的感测区域的尺寸比指纹100的尺寸小时，与指纹100的多个局部图像对应的多个指纹图像被登记。例如，多个局部图像(例如，局部图像110、120、130、140、150、160和170)被登记。局部图像110至170中的每个局部图像包括指纹100的一部分，并且局部图像110至170被收集以覆盖指纹100的大部分。在这个示例中，局部图像110至170彼此重叠。为了描述的方便，表示预登记的指纹的图像可被称为“登记指纹图像”。
可在识别操作中识别指纹图像。例如，在识别操作中，将指纹图像与预登记指纹图像进行比较。基于指纹图像是否与预登记指纹图像匹配，获得用户认证结果或用户识别结果。当感测区域的尺寸比指纹100的尺寸小时，指纹图像对应于指纹100的局部图像。在下面的描述中，为了描述的方便，表示用户的指纹的图像可被称为“输入指纹图像”。将在下面进一步描述的示例提供通过将输入指纹图像与登记指纹图像进行比较来识别指纹的方案。例如，用于选择用于指纹识别的候选指纹图像的设备(在下文中，称为“候选指纹选择设备”)将通过划分输入指纹图像而获得的目标指纹图像与登记指纹图像的至少一部分进行比较。
虽然指纹传感器的感测区域具有如图1中所示的矩形形状，但是各种尺寸和形状适用于感测区域。例如，感测区域可具有圆形形状，或者可包括混合的形状。
在一个实施例中，在登记操作中使用的指纹传感器与在识别操作中使用的指纹传感器不同，例如，在登记操作中使用的指纹传感器的感测区域的形状与在识别操作中使用的指纹传感器的感测区域的形状不同。例如，具有如图1中所示的矩形形状的感测区域的指纹传感器被用于登记操作中，具有圆形形状的感测区域的指纹传感器被用于识别操作中。如上所述，需要基于指纹的一部分来执行用户识别，并且重要的是在指纹识别处理中从登记指纹图像迅速地选择能够进行比较的候选指纹图像。在下面的描述中，从登记指纹图像选择候选指纹图像的步骤包括：例如，选择登记指纹图像中的至少一个登记指纹图像作为候选指纹图像。
图2示出选择用于指纹识别的候选指纹图像的方法的示例。
参照图2，在操作210中，候选指纹选择设备获取目标指纹图像。可通过指纹传感器来获取目标指纹图像，或者可已经预先获取目标指纹图像。目标指纹图像是包括将被识别的指纹的至少一部分的图像。例如，目标指纹图像是通过划分输入指纹图像而获得的图像，然而，其不限于此。例如，输入指纹图像被用作目标指纹图像。
在操作220中，候选指纹选择设备通过执行目标指纹图像的频率转换来生成目标频率图像。例如，候选指纹选择设备将目标指纹图像从空间域转换到频率域。将参照图4进一步描述目标指纹图像和目标频率图像。
在操作230中，候选指纹选择设备从目标频率图像提取与代表频率相关联的频率特征信息。例如，频率特征信息是指示目标频率图像的频率特征的信息。
在下面的描述中，代表频率是代表目标频率图像的频率。例如，代表频率包括在目标频率图像中与具有大于或等于阈值量值(magnitude)的量值的代表点对应的频率分量。将参照图4进一步描述代表点。
在操作240中，候选指纹选择设备通过将频率特征信息与登记指纹图像的登记频率信息进行比较来从登记指纹图像选择候选指纹图像。候选指纹图像是用于确定登记指纹图像是否与目标指纹图像匹配的图像。例如，候选指纹选择设备确定候选指纹图像是否与目标指纹图像匹配，而非与所有的登记指纹图像的指纹进行匹配。因此，候选指纹选择设备减少匹配操作被执行的次数，并且减少了用于指纹识别的时间量。
图3示出在图2的方法中的划分输入指纹图像的示例。
参照图3，在操作311中，候选指纹选择设备获取输入指纹图像391。输入指纹图像391是输入到候选指纹选择设备的指纹图像，并且包括例如表示指纹的至少一部分的指纹图像。例如，获取的输入指纹图像391具有与登记指纹图像的尺寸相同的尺寸，然而，不限于此。
在操作312中，候选指纹选择设备将输入指纹图像319划分为一个或多个目标指纹图像392。目标指纹图像392是在空间域中定义的图像。例如，目标指纹图像392是二维(2D)图像并且包括多个像素。目标指纹图像392的每个像素的像素值指示与每个像素的空间位置对应的强度，例如，所述强度是亮度。然而，所述强度不限于亮度，并且包括例如指示颜色的像素值(例如，RGB值或CYB值)和/或指示距对象的距离的深度值(例如，由深度传感器获取的值)。
图4示出目标频率图像400的示例。
目标频率图像400是通过将目标指纹图像从空间域转换到频率域而获得的图像。例如，当目标指纹图像是2D图像时，目标频率图像400也是2D图像并且包括多个点，量值被映射到每个点。目标频率图像400的每个点的量值是与每个点对应的频率分量被呈现出的水平。例如，目标频率图像400的频率分量表示目标指纹图像的像素的亮度改变的程度。
如图4中所示，在目标频率图像400中的第一点410的量值指示在第一频率轴中与第一点410对应的频率分量(例如，由u表示)和在第二频率轴中与第一点410对应的频率分量(例如，由v表示)被呈现出的水平。在图4中，第一频率轴和第二频率轴分别被表示为水平轴和垂直轴。例如，当上述水平增加时，第一点410的亮度增加。候选指纹选择设备计算原点490与第一点410之间的距离420。候选指纹选择设备提取第一点410的量值和/或距离420作为频率特征信息。第一点410是目标频率图像400的代表点。
例如，候选指纹选择设备从目标频率图像提取以下项中的至少一个作为频率特征信息：频率分布、表示包括在目标指纹图像中的指纹的脊线间隔的频率信息、以及表示指纹的脊线方向的频率信息。例如，表示脊线间隔的频率信息包括与原点和代表点之间的距离(例如，距离420)相关联的信息，例如，表示脊线方向的频率信息包括与代表点的量值相关联的信息。
频率分布对应于指示在目标频率图像400中的代表点的分布的信息。例如，频率分布包括指示代表点的分布的分布信息(例如，方差值、标准偏差值等)，其中，代表点具有大于或等于预定值的量值。候选指纹选择设备从目标频率图像400提取具有大于或等于阈值量值的量值的代表点的分布信息作为频率特征信息。此外，候选指纹选择设备通过从目标频率图像排除与小于或等于阈值频率的频率分量对应的点来提取频率特征信息。例如，点的每个频率分量对应于一个相应的阈值频率，当点的至少一个频率分量小于或等于相应的阈值频率时，排除该点。与小于或等于阈值频率的频率分量对应的点沿第一频率轴和第二频率轴出现，并且是例如与代表点较少关联的点。因此，候选指纹选择设备排除与小于或等于阈值频率的频率分量对应的点，并且在频率特征信息中包括与代表点相关联的特征。
候选指纹选择设备确定目标频率图像400的代表点。例如，候选指纹选择设备计算代表点的量值和代表点与包括在目标频率图像中的原点之间的代表距离(例如，距离420)作为频率特征信息。
此外，候选指纹选择设备确定与包括在目标频率图像400中的多个点之中的具有最大量值的代表点相关联的频率信息，作为频率特征信息。
将参照图5和图6进一步描述提取频率特征信息的示例。
图5和图6示出从目标频率图像提取频率特征信息的示例。
参照图5和图6，候选指纹选择设备通过执行目标指纹图像510和610的频率转换来生成目标频率图像520和620。候选指纹选择设备利用输入指纹图像的频率特征来在登记指纹图像之中快速地选择与输入指纹图像类似的候选指纹图像。
例如，候选指纹选择设备从目标频率图像520和620提取与包括在目标指纹图像510和610中的每个目标指纹图像中的指纹的脊线相关联的频率信息。与脊线相关联的频率信息包括与作为指纹的代表性特性的脊线间隔、脊线方向和/或频率分布相关联的频率特征。例如，与脊线相关联的频率信息包括目标频率图像520和620中的每个点的量值、原点529与具有峰值量值的点(例如，代表点的频率位置)之间的距离525以及原点629与具有峰值量值的点(例如，代表点的频率位置)之间的距离625、和/或峰值量值的值。原点529和629分别是目标频率图像520和620的中心点。在目标频率图像520和620中，代表点521和621具有峰值量值的值，然而，具有峰值量值的值的点不限于代表点521和621。代表点521和621分别代表目标频率图像520和620，并且是例如具有大于或等于阈值量值的量值的多个点。
例如，表示脊线间隔的频率信息包括在目标频率图像520中的原点529与代表点521之间的距离525以及在目标频率图像620中的原点629与代表点621之间的距离625。距离525和625由“R(u,v)＝sqrt(u×u+v×v)”表示，其中，u表示与代表点521和621对应的在第一频率轴中的频率分量(例如，频率位置)，v表示与代表点521和621对应的在第二频率轴中的频率分量，其中，sqrt表示平方根运算。当R的量值增加时，脊线间隔减小。当R的量值减小时，脊线间隔增加。
例如，表示脊线方向511和611的频率信息包括目标频率图像520和620中的代表点521和621的量值(例如，峰值量值)。例如，代表点521和621的量值的值由“M(u,v)＝Intensity@(u,v)”表示，其中，Intensity@(u,v)表示在目标频率图像520和620中的具有第一频率轴中的u和第二频率轴中的v的频率位置的点处的强度的值。例如，所述强度是亮度。然而，所述强度不限于亮度。当M的值增加时，脊线方向变为彼此相似。当M的值减小时，脊线方向彼此不同。
参照图5，目标指纹图像510具有脊线之间的宽间隔和主导方向(例如，与脊线方向511相似的方向)。由于目标指纹图像510中的脊线之间的宽的间隔，因而作为目标频率图像520中的原点529与代表点521的位置(u1,v1)之间的代表距离的距离525减小。此外，因为脊线方向511占主导地位，所以代表点521具有比代表点621的量值的值大的量值的值。
参照图6，目标指纹图像610具有脊线之间的窄的间隔并且由于脊线的弯曲性质而不具有主导方向。由于在目标指纹图像610中的脊线之间的窄的间隔，因而在目标频率图像620中的原点629与代表点621的位置(u2,v2)之间的距离625增加。此外，因为脊线方向611不具有主导方向，所以代表点621具有比代表点521的量值的值小的量值的值。
图7示出图2的方法中的通过将频率特征信息与登记频率信息进行比较来从登记指纹图像选择候选指纹图像的示例。
候选指纹选择设备将目标频率图像的频率特征信息与登记频率信息进行比较，以从登记指纹图像选择候选指纹图像。
参照图7，在操作741中，候选指纹选择设备基于频率特征信息计算相似度。例如，候选指纹选择设备通过将从目标频率图像提取的频率特征信息与从登记频率图像提取的登记频率信息进行比较来计算相似度。登记频率图像是表示存储在数据库(DB)中的登记指纹图像的频率分量的图像，并且被映射到登记指纹图像并被存储。
登记频率信息基于以下项中的至少一个被确定：频率分布、表示包括在登记指纹图像中的指纹的脊线间隔的频率、以及表示在登记指纹图像中的指纹的脊线方向的频率。频率特征信息基于以下项中的至少一个被确定：频率分布、表示包括在目标指纹图像中的指纹的脊线间隔的频率、以及表示指纹的脊线方向的频率。在另一个实施例中，候选指纹选择设备基于以下项中的至少一个来计算目标频率图像与登记频率图像之间的相似度：目标频率图像的代表距离与登记频率图像的代表距离之间的差、目标频率图像的频率特征向量与登记频率图像的频率特征向量之间的向量距离和所述频率特征向量之间的余弦相似度。
例如，代表距离之间的差由D1(F，F′)＝|F-F′表示，其中，F表示目标频率图像的代表距离，F'表示登记频率图像的代表距离。
当从目标频率图像提取多个代表点时，候选指纹选择设备计算目标频率图像的频率特征向量与登记频率图像的频率特征向量之间的特征向量距离。例如，候选指纹选择设备将所述频率特征向量之间的特征向量距离计算为(例如，L2范数)。在这个示例中，/>表示目标频率图像的频率特征向量并由例如/>表示，其中，f1、f2等表示目标频率图像中原点到代表点的代表距离。此外，/>表示登记频率图像的频率特征向量并由例如/>表示，其中，f1'、f2'等表示登记频率图像中原点到代表点的代表距离。
候选指纹选择设备使用计算两个特征向量之间的相似度(例如，余弦相似度)。
当两个特征向量之间的相似度大于阈值时，两个特征向量被确定为彼此相似。当两个特征向量之间的相似度小于或等于阈值时，两个特征向量被确定为彼此不同。当特征向量距离小于阈值时，频率特征向量被确定为彼此相似。当特征向量距离大于或等于阈值时，频率特征向量被确定为彼此不同。
在操作742中，候选指纹选择设备确定相似度是否大于阈值。在一个示例中，当频率特征信息与登记频率信息之间的相似度大于阈值时，候选指纹选择设备将所述登记指纹图像选择为候选指纹图像。在另一示例中，当相似度小于或等于阈值时，候选指纹选择设备计算与存储在DB中的登记指纹图像之中的当前被比较的登记指纹图像的下一图像相关联的相似度。
图8示出频率特征向量的示例。
候选指纹选择设备按照包括在目标频率图像810中的多个点的量值的降序，从所述多个点选择预设数量的代表点。候选指纹选择设备提取与每个代表点相关联的频率信息作为频率特征信息。参照图8描述三个代表点被选择的示例，然而，将被选择的代表点的数量不限于三个并且可以为任何数量。
候选指纹选择设备基于原点与所述数量的代表点之间的代表距离来计算频率特征向量。频率特征向量是包括作为元素的与多个代表点中的每个代表点相关联的代表距离的向量。例如，在图8中，表示目标频率图像810的频率特征向量并且由例如表示。此外，f1表示从原点到代表点(u1,v1)的频率位置的代表距离，f2表示从原点到代表点(u2,v2)的频率位置的代表距离，f3表示从原点到代表点(u3,v3)的频率位置的代表距离。此外，l(u,v)表示在点(u，v)的频率位置处的量值的值。在图8的示例中，代表点(u1,v1)具有最高的量值的值，代表点(u3,v3)具有最低的量值的值。
此外，候选指纹选择设备计算登记频率图像820的频率特征向量。
如上所述，候选指纹选择设备计算目标频率图像810的频率特征向量和登记频率图像820的频率特征向量，并计算频率特征向量之间的相似度。
图9示出选择候选指纹图像的示例。
候选指纹选择设备将输入指纹图像910划分为多个目标指纹图像911、912和913，从多个目标指纹图像911、912和913中的每个目标指纹图像提取频率特征信息，并计算到每个登记指纹图像的特征向量距离。
例如，候选指纹选择设备计算目标指纹图像911、912和913与多个第一登记指纹图像981、982和983中的每个第一登记指纹图像之间的特征向量距离以及目标指纹图像911、912和913与多个第二登记指纹图像991、992和993中的每个第二登记指纹图像之间的特征向量距离。通过将第一登记指纹980划分为子块来获得第一登记指纹图像981、982和983，通过将第二登记指纹990划分为子块来获得第二登记指纹图像991、992和993。
候选指纹选择设备针对所有的目标指纹图像911、912和913将被确定为小于阈值的登记指纹图像选择为候选指纹图像。例如，候选指纹选择设备计算与第一登记指纹图像981、982和983中的每个第一登记指纹图像的特征向量距离，并基于特征向量距离是否小于阈值来确定相似度。图9的表920和930示出特征向量之间的差，在表920中以粗体标记与特征向量之间的差相应的特征向量距离小于阈值的示例。响应于包括在多个目标指纹图像911、912和913中的每个中的特征向量与包括在第一登记指纹图像981、982和983以及第二登记指纹图像991、992和993中的每个中的特征向量之间的特征向量距离小于阈值，候选指纹选择设备将第一登记指纹图像981、982和983确定为候选指纹图像。
例如，候选指纹选择设备将输入指纹图像910划分为多个目标指纹图像911、912和913，其中，多个目标指纹图像911、912和913分别被称为V11图像911、V12图像912和V13图像913。如图9中所示，通过划分第一登记指纹980获得的第一登记指纹图像981、982和983分别被称为E11图像981、E12图像982和E13图像983。此外，通过划分第二登记指纹990获得的第二登记指纹图像991、992和993分别被称为E21图像991、E22图像992和E23图像993。
例如，如图9中所示，V11图像911包括特征向量(13.0,9.4)，E11图像981包括特征向量(12.1,8.2)。在此示例中，V11图像911与E11图像981之间的特征向量差为“(0.9,1.2)＝(|13.0-12.1|,|9.4-8.2|)”，V11图像911与E11图像981之间的特征向量距离为此外，例如，阈值被设置为“1.6”。V11图像911与E11图像981之间的特征向量距离小于阈值，因此候选指纹选择设备将E11图像981确定为候选指纹图像。候选指纹选择设备针对E12图像982、E13图像983、E21图像991、E22图像992和E23图像993执行相似的运算。例如，E12图像982与V11图像911之间的特征向量距离小于阈值，因此候选指纹选择设备将E12图像982确定为候选指纹图像。此外，E13图像983与V13图像913之间的特征向量距离小于阈值，因此候选指纹选择设备将E13图像983确定为候选指纹图像。然而，示例不限于此。
在一个示例中，候选指纹选择设备计算目标指纹图像与通过划分登记指纹而获得的登记指纹图像之间的特征向量距离。在这个示例中，当计算的特征向量距离中的至少一个特征向量距离小于阈值时，对应的登记指纹图像被确定为候选指纹图像。在另一示例中，使用相似度替代特征向量距离。在这个示例中，当存在具有大于或等于阈值的特征向量距离的单个登记指纹图像时，候选指纹选择设备将与所述登记指纹图像相关联的其他登记指纹图像(例如，同一登记指纹)确定为候选指纹图像。
图10示出选择用于指纹识别的候选指纹图像的方法的另一示例。
参照图10，在操作311中，候选指纹选择设备获取输入指纹图像。在操作312中，候选指纹选择设备通过将输入指纹图像划分为子块来生成目标指纹图像。图3的描述也适用于操作311和312，因此这里不进行重复。
在操作1020中，候选指纹选择设备生成与目标指纹图像对应的频率特征信息。图4至图6的描述也适用于操作1020，因此这里不进行重复。
在操作1030中，候选指纹选择设备获取与登记指纹图像对应的频率特征信息。例如，候选指纹选择设备从数据库(DB)获取映射到登记指纹图像的频率特征信息。存储在DB中的登记指纹图像的数量为N并且N为大于或等于“1”的整数。
在操作1041中，候选指纹选择设备将在操作1020中生成的频率特征信息与在操作1030中获取的频率特征信息进行比较。例如，候选指纹选择设备计算与目标指纹图像对应的频率特征信息和与登记指纹图像对应的频率特征信息之间的相似度。当登记指纹图像被确定为与目标指纹图像不同时，候选指纹选择设备在操作1042中从DB选择下一图像(例如，另一登记指纹图像)并在操作1030中获取与下一图像对应的频率特征信息。
当登记指纹图像被确定为与目标指纹图像相似时，候选指纹选择设备在操作1043中将该登记指纹图像选择为候选指纹图像。例如，候选指纹选择设备从N个登记指纹图像选择M个候选指纹图像。在这个示例中，M为大于或等于1并小于N的整数。
此外，候选指纹选择设备基于通过将频率特征信息与登记频率信息进行比较而获得的结果来确定登记指纹图像之中的非候选指纹图像。非候选指纹图像是不同于选择的候选指纹图像的图像。候选指纹选择设备通过排除非候选指纹图像来识别目标指纹图像。
候选指纹选择设备确定候选指纹图像是否与目标指纹图像匹配。例如，候选指纹选择设备计算候选指纹图像与目标指纹图像之间的匹配水平。匹配水平指示候选指纹图像与目标指纹图像匹配的程度。当匹配的水平超过阈值水平时，候选指纹选择设备确定候选指纹图像与目标指纹图像匹配。
图11示出指纹登记方法的示例。
参照图11，在操作1110中，候选指纹选择设备获取指纹图像。例如，候选指纹选择设备从用户获取与将被登记的指纹相关联的图像。候选指纹选择设备使用与图1的方案相似的方案通过捕捉指纹图像获取与将被登记的指纹相关联的图像。
在操作1120中，候选指纹选择设备划分指纹图像。例如，候选指纹选择设备以预定尺寸划分指纹图像。
在操作1130中，候选指纹选择设备从划分的指纹图像提取频率特征信息。例如，候选指纹选择设备通过执行登记指纹图像的频率转换来生成登记频率图像，并从登记频率图像提取登记频率特征信息。登记频率特征信息是指示登记频率图像的频率特征的信息，并且包括例如包括在登记频率图像中的代表点的量值、原点与代表点之间的距离和/或代表点的分布信息。
在操作1140中，候选指纹选择设备将划分的指纹图像和频率特征信息进行映射，并将划分的指纹图像和频率特征信息存储在DB中。例如，候选指纹选择设备将登记频率特征信息和登记频率图像映射到登记指纹图像，并将登记频率特征信息、登记频率图像和登记指纹图像存储在DB中。
虽然未在图11中示出，但是可存在不同配置的指纹登记方法。例如，在图10中所示的处理结束时没有候选指纹图像与目标指纹图像匹配的情况下，可确定目标指纹图像应被登记。在这种情况下，如果没有找到候选指纹图像或匹配的指纹图像，则可确定目标指纹图像应被登记。例如，在这样的情况下，目标指纹图像已被获取、划分，并且频率特征信息已被映射。因此，在这种情况下，登记的处理可在步骤1140处开始，其中，划分的指纹图像和频率特征信息作为新用户的登记指纹图像被存储在DB中。
图12和图13分别示出候选指纹选择设备1200和1300的示例。
参照图12，候选指纹选择设备1200包括图像获取器1210和处理器1220。
图像获取器1210获取目标指纹图像。例如，图像获取器1210可包括指纹传感器。
处理器1220通过执行目标指纹图像的频率转换来生成目标频率图像，从目标频率图像提取与代表频率相关联的频率特征信息，并通过将频率特征信息与登记频率信息进行比较来从登记指纹图像选择候选指纹图像。然而，处理器1220的操作不限于上面的操作，因此处理器1220可执行上面参照图1至图11描述的操作。
参照图13，候选指纹选择设备1300包括输入指纹特征生成器1310、登记指纹数据生成器1320、频率特征比较器1330、候选指纹图像选择器1340和指纹识别器1350。
输入指纹特征生成器1310包括指纹图像获取器1311和频率特征生成器1312。
指纹图像获取器1311获取输入指纹图像。指纹图像获取器1311通过划分输入指纹图像来生成目标指纹图像。
频率特征生成器1312通过使用快速傅里叶变换(FFT)将目标指纹图像转换到频率域来生成目标频率图像。目标频率图像是表示目标指纹图像的频率分量的图像。与频率分量对应的频率特征信息为与代表频率相关联的特征信息，并包括例如与具有最大量值的代表点相关联的信息。
当从生成的目标频率图像找到最高值(例如，峰值)时，频率特征生成器1312如图4中所示识别具有最强频率分量的频率位置(u，v)(例如，代表点)。在一个示例中，频率特征生成器1312生成在目标频率图像中的代表点和中心点(例如，原点)之间的代表距离作为频率特征信息F。在另一示例中，频率特征生成器1312通过基于量值的值对点进行排列(如图8所示)，生成包括到具有前n个峰值的代表点的距离(例如，f1、f2、f3或fn)的频率特征信息F(例如，频率特征向量)。在这个示例中，n为大于或等于“1”的整数。
登记指纹数据生成器1320包括指纹图像获取器1321和频率特征生成器1322。
指纹图像获取器1321获取将被登记的指纹图像。例如，指纹图像获取器1321与指纹图像获取器1311相似地操作，或者通过例如与指纹图像获取器1311相同的模块来实现。
频率特征生成器1322使用FFT从获取的指纹图像生成登记频率图像。频率特征生成器1322与频率特征生成器1312相似地操作，或者通过例如与频率特征生成器1312相同的模块来实现。
频率特征比较器1330将从登记指纹图像计算的登记频率图像与从目标指纹图像计算的目标频率图像进行比较。例如，频率特征比较器1330计算从登记频率图像提取的频率特征信息与从目标频率图像提取的频率特征信息之间的相似度。
候选指纹图像选择器1340基于计算的相似度选择候选指纹图像。例如，候选指纹图像选择器1340将具有大于阈值的相似度的登记指纹图像确定为针对当前获取的目标指纹图像的候选指纹图像。
指纹识别器1350识别用户的指纹。例如，指纹识别器1350计算候选指纹图像与目标指纹图像之间的匹配水平。当候选指纹图像与目标指纹图像匹配时，指纹识别器1350识别与候选指纹图像对应的用户。
根据示例，当输入指纹与登记指纹相同时，即使具有峰值的代表点的频率位置随着目标指纹图像的旋转而改变，距图像的中心点的代表距离(例如，图8的代表距离f1和f1')也具有相似的值或者相同的值。因此，候选指纹选择设备快速验证目标指纹图像是否与登记指纹图像相似。例如，当任意登记指纹图像与目标指纹图像之间的相似度大于阈值时，候选指纹选择设备将登记指纹图像确定为候选指纹图像并尝试识别。在这个示例中，目标指纹图像对应于输入指纹图像被划分的子块中的一个子块。
因此，候选指纹选择设备从登记指纹图像快速排除具有明显不同的频率分量的登记指纹图像并执行比较，因此可以提高指纹识别速度。候选指纹选择设备用于例如移动终端的解锁或移动支付。
候选指纹选择设备对由于按压指纹传感器以获取指纹的压力引起的形状的改变具有鲁棒性。当多个登记指纹图像被存储时，候选指纹选择设备基于指纹图像的频率特征从登记指纹图像快速选择具有与输入指纹图像的特性相似的特征的图像并尝试识别，因此可以提高识别速度和准确性。
通过硬件组件来实现执行在此针对图2、图3、图7、图10和图11描述的操作的图12和图13中示出的设备、单元、模块、装置和其他组件。硬件组件的示例包括控制器、传感器、生成器、驱动器和本领域普通技术人员已知的任何其他电子组件。在一个示例中，通过一个或多个处理器或计算机来实现硬件组件。通过一个或多个处理元件(诸如，逻辑门阵列、控制器和算术逻辑单元、数字信号处理器、微型计算机、可编程逻辑控制器、现场可编程门阵列、可编程逻辑阵列、微处理器或能够以定义的方式响应并执行指令以实现期望的结果的本领域普通技术人员已知的任何其他装置或装置的组合)来实现处理器或计算器。在一个示例中，处理器或计算机包括或连接到存储由处理器或计算机执行的指令或软件的一个或多个存储器。通过处理器或计算机实现的硬件组件执行用于执行在此针对图2、图3、图7、图10和图11描述的操作的指令或软件(诸如，操作系统(OS)和在OS上运行的一个或多个软件应用)。硬件组件还响应于指令或软件的执行来访问、操控、处理、创建并存储数据。为了简单起见，单数术语“处理器”或“计算机”可用于在此所述的示例的描述，但是在其他的示例中，多个处理器或计算机被使用，或者一个处理器或计算机可包括多个处理元件或多种类型的处理元件或二者。在一个示例中，硬件组件包括多个处理器，在另一个示例中，硬件组件包括一个处理器和一个控制器。硬件组件具有不同的处理配置中任何一个或多个，其中，一个或多个不同的处理配置的示例包括：单个处理器、独立处理器、并行处理器、单指令单数据(SISD)多处理、单指令多数据(SIMD)多处理、多指令单数据(MISD)多处理以及多指令多数据(MIMD)多处理。
用于控制处理器或计算机实现硬件组件并执行如上所述的方法的指令或软件被编写为计算机程序、代码段、指令或它们的任何组合，以单独地或共同地指示或配置处理器或者计算机作为机器或专用计算机进行操作，以执行由硬件组件执行的操作和如上所述的方法。在一个示例中，指令或软件包括由处理器或者计算机直接执行的机器代码(诸如，由编译器生成的机器代码)。在另一个示例中，指令或软件包括由处理器或者计算机使用解释器执行的高级代码。本领域的普通技术的编程人员可基于附图中所示的框图和流程图以及说明书中的对应描述容易地编写指令或软件，其中，说明书中的相应描述公开了用于执行由硬件组件执行的操作和如上所述的方法的算法。
用于控制处理器或者计算机实现硬件组件并执行如上所述的方法的指令或软件以及任何相关联的数据、数据文件和数据结构被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中，或者被记录、存储或固定在一个或多个非暂时性计算机可读存储介质上。非暂时性计算机可读存储介质的示例包括：只读存储器(ROM)、随机存取存储器(RAM)、闪存、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及本领域的普通技术人员已知的任何其它装置，其中，该任何其它装置能够以非暂时性方式存储指令或软件以及任何相关联的数据、数据文件和数据结构，并且为处理器或者计算机提供指令或软件以及任何相关联的数据、数据文件和数据结构，使得处理器或者计算机能够执行指令。在一个示例中，指令或软件以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得指令和软件以及任何相关联的数据、数据文件和数据结构通过处理器或者计算机以分布式方式被存储、访问和执行。
虽然本公开包括特定的示例，但是本领域的普通技术人员将清楚，在不脱离权利要求和它们的等同物的精神和范围的情况下可在这些示例中进行形式和细节的各种改变。在此描述的示例仅在描述性意义上被考虑，而不是为了限制的目的。每个示例中的特征或方面的描述被认为可应用到其他示例中的相似特征或方面。如果描述的技术以不同的顺序被执行，和/或如果描述的系统、架构、装置或电路中的组件以不同方式被组合，和/或被其他组件或它们的等同物替换或补充，则可实现适当的结果。因此，本公开的范围不是由具体实施方式限定，而是由权利要求和它们的等同物限定，并且在权利要求和它们的等同物的范围内的所有变化将被解释为包括在本公开内。

Claims (20)

1.一种选择用于指纹识别的候选指纹图像的方法，包括：
获取目标指纹图像；
基于目标指纹图像的频率转换来生成目标频率图像；
从目标频率图像提取与代表频率相关联的频率特征信息；
通过将所述频率特征信息与登记指纹图像的登记频率信息进行比较，来从登记指纹图像选择候选指纹图像，
其中，提取所述频率特征信息的步骤包括：
按照包括在目标频率图像中的多个点的量值的降序，从所述多个点选择预设数量的代表点，
提取与选择的代表点相关联的频率信息作为所述频率特征信息，其中，提取与选择的代表点相关联的频率信息作为所述频率特征信息的步骤包括：基于选择的代表点与包括在目标频率图像中的原点之间的代表距离来计算频率特征向量。
2.根据权利要求1所述的方法，还包括：
确定候选指纹图像是否与目标指纹图像匹配。
3.根据权利要求2所述的方法，其中，确定候选指纹图像是否与目标指纹图像匹配的步骤包括：
计算候选指纹图像与目标指纹图像之间的匹配水平；
响应于所述匹配水平超过阈值水平，确定候选指纹图像与目标指纹图像匹配。
4.根据权利要求1所述的方法，其中，获取目标指纹图像的步骤包括：
获取输入指纹图像；
通过将获取的输入指纹图像划分为子块，来获取目标指纹图像。
5.根据权利要求1所述的方法，其中，提取所述频率特征信息的步骤包括：从目标频率图像提取与包括在目标指纹图像中的指纹的脊线相关联的频率信息，作为所述频率特征信息。
6.根据权利要求1所述的方法，其中，提取所述频率特征信息的步骤包括：从目标频率图像提取以下项中的至少一个作为所述频率特征信息：频率分布、表示包括在目标指纹图像中的指纹的脊线间隔的频率信息、以及表示所述指纹的脊线方向的频率信息。
7.根据权利要求6所述的方法，其中，表示所述脊线间隔的频率信息包括与目标频率图像中的原点和代表点之间的代表距离相关联的信息。
8.根据权利要求6所述的方法，其中，表示所述脊线方向的频率信息包括与代表点的量值相关联的信息。
9.根据权利要求1所述的方法，其中，选择候选指纹图像的步骤包括：
基于所述频率特征信息与登记频率信息的比较来确定相似度，
确定所述相似度是否大于阈值，
当所述相似度大于阈值时，将所述登记指纹图像选择为候选指纹图像。
10.根据权利要求1所述的方法，其中，提取所述频率特征信息的步骤还包括：
计算代表点的量值，作为所述频率特征信息。
11.根据权利要求1所述的方法，其中，提取所述频率特征信息的步骤包括：确定与包括在目标频率图像中的多个点之中的具有最大量值的代表点相关联的频率信息，作为所述频率特征信息。
12.根据权利要求1所述的方法，其中，获取目标指纹图像的步骤包括：获取具有与登记指纹图像相同尺寸的输入指纹图像，作为目标指纹图像。
13.根据权利要求1所述的方法，还包括：
基于将所述频率特征信息与登记频率信息进行比较的结果，来确定在登记指纹图像之中的非候选指纹图像；
通过排除非候选指纹图像，来识别目标指纹图像。
14.根据权利要求1所述的方法，还包括：
通过执行登记指纹图像的频率转换，来提取登记频率信息；
将登记频率信息和登记指纹图像进行映射，并将登记频率信息和登记指纹图像存储在数据库中。
15.根据权利要求1所述的方法，其中，提取所述频率特征信息的步骤还包括：从目标频率图像提取具有大于或等于阈值量值的量值的点的分布信息，作为所述频率特征信息。
16.根据权利要求1所述的方法，其中，提取所述频率特征信息的步骤还包括：通过从目标频率图像排除与小于或等于阈值频率的频率分量对应的点，来提取所述频率特征信息。
17.根据权利要求1所述的方法，其中，将所述频率特征信息与登记频率信息进行比较的步骤包括：基于以下项中的至少一个来计算目标频率图像与登记频率图像之间的相似度：目标频率图像的代表距离与登记频率图像的代表距离之间的差、目标频率图像的频率特征向量与登记频率图像的频率特征向量之间的向量距离、以及目标频率图像的频率特征向量与登记频率图像的频率特征向量之间的余弦相似度，或者，
将所述频率特征信息与登记频率信息进行比较的步骤包括：将登记频率信息与所述频率特征信息进行比较来确定相似度，其中，登记频率信息基于以下项中的至少一个被确定：频率分布、表示包括在登记指纹图像中的指纹的脊线间隔的频率信息、以及表示在登记指纹图像中的指纹的脊线方向的频率信息，所述频率特征信息基于以下项中的至少一个被确定：频率分布、表示包括在目标指纹图像中的指纹的脊线间隔的频率信息、以及表示在目标指纹图像中的指纹的脊线方向的频率信息。
18.根据权利要求1所述的方法，其中，选择候选指纹图像的步骤包括：选择所述频率特征信息与登记频率信息之间的相似度大于阈值的登记指纹图像作为候选指纹图像。
19.一种存储指令的非暂时性计算机可读存储介质，其中，所述指令在被处理器执行时使得处理器执行权利要求1至权利要求18中的任意一项所述的方法。
20.一种选择用于指纹识别的候选指纹图像的设备，所述设备包括：
图像获取器，被配置为获取目标指纹图像；
处理器，被配置为通过执行目标指纹图像的频率转换来生成目标频率图像，从目标频率图像提取与代表频率相关联的频率特征信息，并通过将频率特征信息与登记频率信息进行比较来从登记指纹图像选择候选指纹图像，
其中，处理器被配置为：
按照包括在目标频率图像中的多个点的量值的降序，从所述多个点选择预设数量的代表点，
通过基于选择的代表点与包括在目标频率图像中的原点之间的代表距离计算频率特征向量，来提取与选择的代表点相关联的频率信息作为所述频率特征信息。
CN201810121973.9A 2017-02-08 2018-02-07 选择用于指纹识别的候选指纹图像的方法和设备 Active CN108399374B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170017656A KR102459852B1 (ko) 2017-02-08 2017-02-08 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법
KR10-2017-0017656 2017-02-08

Publications (2)

Publication Number Publication Date
CN108399374A CN108399374A (zh) 2018-08-14
CN108399374B true CN108399374B (zh) 2023-09-19

Family

ID=60702314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810121973.9A Active CN108399374B (zh) 2017-02-08 2018-02-07 选择用于指纹识别的候选指纹图像的方法和设备

Country Status (4)

Country Link
US (1) US10832030B2 (zh)
EP (1) EP3361413B1 (zh)
KR (1) KR102459852B1 (zh)
CN (1) CN108399374B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778457A (zh) * 2015-12-11 2017-05-31 深圳市汇顶科技股份有限公司 可提高指纹识别率的指纹识别方法及系统
KR20200070878A (ko) 2018-12-10 2020-06-18 삼성전자주식회사 지문 영상 전처리 방법 및 장치
US20220198777A1 (en) * 2019-05-16 2022-06-23 Nec Corporation Image matching apparatus
CN112232159B (zh) * 2020-09-30 2021-12-07 墨奇科技（北京）有限公司 指纹识别的方法、装置、终端及存储介质
KR102570080B1 (ko) * 2020-12-18 2023-08-23 서울대학교산학협력단 딥러닝 알고리즘을 이용하여 중첩된 지문 영상에서 지문을 분리하는 방법 및 그 장치
CN112528946A (zh) * 2020-12-24 2021-03-19 北京深思数盾科技股份有限公司 一种指纹识别方法、装置、存储介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5953442A (en) * 1997-07-24 1999-09-14 Litton Systems, Inc. Fingerprint classification via spatial frequency components
JP2003030660A (ja) * 2001-07-17 2003-01-31 Canon Inc 指紋照合装置及び指紋照合方法
CN105608409A (zh) * 2015-07-16 2016-05-25 宇龙计算机通信科技(深圳)有限公司 指纹识别的方法及装置
CN106066991A (zh) * 2015-04-23 2016-11-02 三星电子株式会社 指纹验证方法和设备
CN106326830A (zh) * 2015-06-30 2017-01-11 三星电子株式会社 指纹识别方法和设备

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040151352A1 (en) * 2002-11-25 2004-08-05 Hiroshi Nakajima Pattern collation apparatus
KR20050094228A (ko) * 2004-03-22 2005-09-27 엘지전자 주식회사 지문 인식 방법
JP4462988B2 (ja) * 2004-04-13 2010-05-12 Ｎｅｃインフロンティア株式会社 指紋読取方法および指紋読取システム
US7643660B1 (en) * 2004-07-22 2010-01-05 Odi Security; Llc System, method and computer program product for fingerprint verification
US20070248249A1 (en) * 2006-04-20 2007-10-25 Bioscrypt Inc. Fingerprint identification system for access control
WO2011152213A1 (ja) * 2010-06-04 2011-12-08 日本電気株式会社 指紋認証システム、指紋認証方法および指紋認証プログラム
KR101237148B1 (ko) 2011-04-06 2013-02-25 조선대학교산학협력단 유사도 분포를 이용한 계층적 지문인증 장치 및 그 방법
KR101180293B1 (ko) 2011-08-03 2012-09-06 성균관대학교산학협력단 지문의 영역 별 방향패턴 특징 추출 방법 및 이를 이용한 지문 분류 방법
KR101244220B1 (ko) 2011-10-21 2013-03-18 주식회사 유니온커뮤니티 지문인식장치 및 그 지문 인식방법
JP6229352B2 (ja) * 2013-07-26 2017-11-15 富士通株式会社 画像処理装置、画像処理方法およびプログラム
TWI607386B (zh) 2013-12-05 2017-12-01 神盾股份有限公司 指紋辨識方法及其裝置
JP6448253B2 (ja) 2014-08-12 2019-01-09 株式会社ディー・ディー・エス データ作成プログラム、データ作成方法、及び、データ作成装置
JP6366420B2 (ja) 2014-08-12 2018-08-01 株式会社ディー・ディー・エス データ作成プログラム、データ作成方法、及び、データ作成装置
US9633269B2 (en) * 2014-09-05 2017-04-25 Qualcomm Incorporated Image-based liveness detection for ultrasonic fingerprints
WO2016047006A1 (ja) 2014-09-24 2016-03-31 康弘 久田 指紋認証システム、指紋認証プログラムおよび指紋認証方法
KR101632912B1 (ko) 2014-09-26 2016-06-24 창신정보통신(주) 지문 인식을 이용한 사용자 인증 방법
KR20170017656A (ko) 2015-08-06 2017-02-15 이유경 컴퓨터 음성파일을 활용한 영어공부 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5953442A (en) * 1997-07-24 1999-09-14 Litton Systems, Inc. Fingerprint classification via spatial frequency components
JP2003030660A (ja) * 2001-07-17 2003-01-31 Canon Inc 指紋照合装置及び指紋照合方法
CN106066991A (zh) * 2015-04-23 2016-11-02 三星电子株式会社 指纹验证方法和设备
CN106326830A (zh) * 2015-06-30 2017-01-11 三星电子株式会社 指纹识别方法和设备
CN105608409A (zh) * 2015-07-16 2016-05-25 宇龙计算机通信科技(深圳)有限公司 指纹识别的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Chi-Jen Lee atl.Fingerprint identification using local Gabor filters.《The 6th International Conference on Networked Computing and Advanced Information Management》.2010,第 626 - 631页. *
Sunpreet S. Arora atl.Latent Fingerprint Matching: Performance Gain via Feedback from Exemplar Prints.2014,第36卷(第12期),第2455页. *

Also Published As

Publication number Publication date
CN108399374A (zh) 2018-08-14
EP3361413B1 (en) 2022-11-30
KR20180092197A (ko) 2018-08-17
US10832030B2 (en) 2020-11-10
US20180225494A1 (en) 2018-08-09
KR102459852B1 (ko) 2022-10-27
EP3361413A3 (en) 2018-11-28
EP3361413A2 (en) 2018-08-15

Similar Documents

Publication Publication Date Title
CN108399374B (zh) 选择用于指纹识别的候选指纹图像的方法和设备
US10339178B2 (en) Fingerprint recognition method and apparatus
US11971924B2 (en) Liveness test method and apparatus
CN106056037B (zh) 用于识别指纹的方法和设备
US11295111B2 (en) Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint
US10198615B2 (en) Fingerprint enrollment method and apparatus
US9613428B2 (en) Fingerprint authentication using stitch and cut
CN108573137B (zh) 指纹验证方法和设备
JP6167733B2 (ja) 生体特徴ベクトル抽出装置、生体特徴ベクトル抽出方法、および生体特徴ベクトル抽出プログラム
US9208375B2 (en) Face recognition mechanism
US20180218213A1 (en) Device and method of recognizing iris
KR102205495B1 (ko) 지문 인식 방법 및 장치
KR102558736B1 (ko) 지문 인식 방법 및 장치
JP6366420B2 (ja) データ作成プログラム、データ作成方法、及び、データ作成装置
KR101521136B1 (ko) 얼굴 인식 방법 및 얼굴 인식 장치
EP3958170B1 (en) Method and apparatus with liveness detection
WO2017179728A1 (ja) 画像認識装置、画像認識方法および画像認識プログラム

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