CN108573137A - 指纹验证方法和设备 - Google Patents

指纹验证方法和设备 Download PDF

Info

Publication number
CN108573137A
CN108573137A CN201810166057.7A CN201810166057A CN108573137A CN 108573137 A CN108573137 A CN 108573137A CN 201810166057 A CN201810166057 A CN 201810166057A CN 108573137 A CN108573137 A CN 108573137A
Authority
CN
China
Prior art keywords
similarity
matching area
fingerprint
fingerprint image
input
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.)
Granted
Application number
CN201810166057.7A
Other languages
English (en)
Other versions
CN108573137B (zh
Inventor
李宣旼
金圭洪
李韩娥
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
Priority claimed from KR1020170097033A external-priority patent/KR102447100B1/ko
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN108573137A publication Critical patent/CN108573137A/zh
Application granted granted Critical
Publication of CN108573137B publication Critical patent/CN108573137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation
    • 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
    • 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
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V10/84—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using probabilistic graphical models from image or video features, e.g. Markov models or Bayesian networks
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Collating Specific Patterns (AREA)

Abstract

公开一种指纹验证方法和设备。指纹验证方法可包括：获获得输入的指纹图像；确定输入的指纹图像与登记的指纹图像之间的匹配区域；确定与匹配区域对应的相似度；将确定的相似度与匹配区域进行关联而在基于匹配的相似度中表现确定的相似度和匹配区域二者；根据基于匹配区域的相似度，来确定输入的指纹图像的验证的结果。

Description

指纹验证方法和设备
本申请要求于2017年3月14日提交的第10-2017-0031889号韩国专利申请和于2017年7月31日提交到韩国知识产权局的第10-2017-0097033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目的通过引用包含于此。
技术领域
下面描述涉及指纹验证技术。
背景技术
基于自动的生物测量学的验证技术可用于例如通过指纹、虹膜、语音、脸部和/或血管的分析来验证用户。这样的用于用户认证的生物特性因人而异，在用户的一生很少改变，并且具有较低的被盗取或复制的风险。此外，由于个体总携带这样的特性信息，所以个体不需要记住或特意地携带任何相应的标识材料，因此，在使用生物特性执行验证时不会感到不便。目前，指纹验证方法例如因指纹验证方法的高度的便利性、安全性和经济效率而已经用于用户认证。
发明内容
提供本发明内容以简化的形式介绍在以下具体实施方式中进一步描述的构思的选择。本发明内容不意在标识所要求保护的主题的关键特征或必要特征，本发明内容也不意在作为帮助确定要求保护的主题的范围而被使用。
在一个总体方面，一种指纹验证方法包括：获得输入的指纹图像；确定输入的指纹图像与登记的指纹图像之间的匹配区域；确定与匹配区域对应的相似度；将确定的相似度与匹配区域进行关联而在基于匹配的相似度中表现确定的相似度和匹配区域二者；根据基于匹配区域的相似度，来确定输入的指纹图像的验证的结果。
进行关联的步骤可包括：基于匹配区域和确定的相似度，来确定基于匹配区域的相似度。
所述指纹验证方法还可包括：通过默认相似度而不表现匹配区域值来初始地产生基于匹配区域的相似。确定基于匹配区域的相似度的步骤可包括：将匹配区域表现在基于匹配区域的相似度中，并且将与匹配区域对应的相似度值从默认相似度值改变为确定的相似度。
确定验证的结果的步骤可包括：确定针对确定的基于匹配区域的相似度的分数；基于所述分数是否满足预定的指纹验证条件，来确定验证是否成功。
确定与匹配区域对应的相似度的步骤可包括：确定与输入的指纹图像和第一登记的指纹图像之间的第一匹配区域对应的第一相似度。进行关联的步骤可包括：基于第一相似度和第一匹配区域来确定基于匹配区域的相似度。所述指纹验证方法还可包括：响应于根据确定的基于匹配区域的相似度而确定的分数不满足指纹验证条件，确定与输入的指纹图像和第二登记的指纹图像之间的确定的第二匹配区域对应的第二相似度。
基于第一相似度和第一匹配区域来确定基于匹配区域的相似度的步骤可包括：将第一相似度分配给在确定的基于匹配区域的相似度中所表现的第一匹配区域。
所述指纹验证方法还可包括：还响应于根据确定的基于匹配区域的相似度而确定的分数不满足指纹验证条件，基于第二匹配区域和第二相似度来更新确定的基于匹配区域的相似度。
基于第二匹配区域和第二相似度来更新确定的基于匹配区域的相似度的步骤可包括：响应于在更新的基于匹配区域的相似度中在第一匹配区域与第二匹配区域之间存在重叠区域，将第一相似度与第二相似度之中的最大相似度分配给重叠区域。
基于第二匹配区域和第二相似度来更新确定的基于匹配区域的相似度的步骤还可包括：将第二相似度分配给在更新的基于匹配区域的相似度中所表现的第二匹配区域的未反映重叠区域的剩余区域。
确定验证的结果的步骤可包括：确定针对基于匹配区域的相似度的分数；响应于所述分数满足预定的指纹验证条件，确定输入的指纹图像的验证成功。
确定验证的结果的步骤可包括：使用表现针对多个登记的指纹图像的多个匹配区域的基于匹配区域的相似度，来确定均具有满足预定的阈值的相似度的一个或多个匹配区域的总的尺寸是否满足预定的阈值尺寸，并基于确定所述总的尺寸是否满足预定的阈值尺寸的结果，来确定输入的指纹图像的验证是否成功。
确定验证的结果的步骤可包括：响应于与在针对多个登记的指纹图像的基于匹配区域的相似度中所表现的多个匹配区域中的至少一些匹配区域分别关联的相似度值的平均相似度值满足预定的阈值，确定输入的指纹图像的验证成功。
所述多个匹配区域中的所述至少一些匹配区域小于表现在基于匹配区域的相似度中的全部的所述多个匹配区域。
确定验证的结果的步骤还可包括：响应于基于针对所有登记的指纹图像确定的基于匹配区域的相似度而确定的分数不满足预定的指纹验证条件，确定输入的指纹图像的验证不成功。
在一个整体方面，提供一种存储指令的非暂时性计算机可读存储介质，当由处理器执行所述指令时使得处理器执行这里描述的一个或多个或所有的处理或方法。
在一个整体方面，一种指纹验证方法包括：获得输入的指纹图像；确定与输入的指纹图像和第一登记的指纹图像之间的第一匹配区域对应的第一相似度；基于第一相似度和第一匹配区域来确定基于匹配区域的相似度；根据基于匹配区域的相似度来确定分数；响应于所述分数满足预定的指纹验证条件，而确定输入的指纹图像的验证成功；响应于所述分数不满足预定的指纹验证条件，而确定与输入的指纹图像和第二登记的指纹图像之间的第二匹配区域对应的第二相似度，基于第二相似度和第二匹配区域来更新基于匹配区域的相似度，基于更新的基于匹配区域的相似度来确定输入的指纹图像的验证的结果。
更新基于匹配区域的相似度的步骤可包括：响应于第一匹配区域与第二匹配区域之间存在重叠区域，将第一相似度与第二相似度之中的最大相似度分配给在更新的基于匹配区域的相似度中所表现的重叠区域。
更新基于匹配区域的相似度的步骤还可包括：将第二相似度分配给表示在更新的基于匹配区域的相似度中所表现的第二匹配区域的未反映重叠区域的剩余区域。
确定验证的结果的步骤可包括：使用表现针对包括第一登记的指纹图像和第二登记的指纹图像的多个登记的指纹图像的多个匹配区域的基于匹配区域的相似度，来确定均具有满足预定的阈值的相似度的一个或多个匹配区域的总的尺寸是否满足预定的阈值尺寸，并且基于确定总的尺寸是否满足预定的阈值尺寸的结果，来确定输入的指纹图像的验证是否成功。
确定验证的结果的步骤可包括：响应于与在针对包括第一登记的指纹图像和第二登记的指纹图像的多个登记的指纹图像的基于匹配区域的相似度中所表现的多个匹配区域中的至少一些匹配区域分别关联的相似度值的相似度平均值满足预定的阈值，确定输入的指纹图像的验证成功。
在一个整体方面，一种指纹验证方法包括：获得输入的指纹图像；确定输入的指纹图像与第一登记的指纹图像之间的第一匹配区域；确定与第一匹配区域对应的第一相似度；基于第一相似度和第一匹配区域，来确定基于匹配区域的相似度；确定输入的指纹图像与第二登记的指纹图像之间的第二匹配区域；确定与第二匹配区域对应的第二相似度；基于第二相似度和第二匹配区域来更新基于匹配区域的相似度；基于表现针对包括第一登记的指纹图像和第二登记的指纹图像的多个登记的指纹图像的多个匹配区域而最终更新的基于匹配区域的相似度，来确定分数；基于所述分数是否满足预定的验证条件，来确定输入的指纹图像的验证的结果。
更新基于匹配区域的相似度的步骤可包括：响应于第一匹配区域与第二匹配区域之间存在重叠区域，将对应于第一匹配区域的第一相似度与对应于第二匹配区域的第二相似度之中的最大相似度分配给在更新的基于匹配区域的相似度中所表现的重叠区域。
更新基于匹配区域的相似度的步骤还可包括：将第二相似度分配给在更新的基于匹配区域的相似度中所表现的第二匹配区域的未反映重叠区域的剩余区域。
确定验证的结果的步骤可包括：使用最终更新的基于匹配区域的相似度来确定均具有满足预定的阈值的相似度的一个或多个匹配区域的总的尺寸是否满足预定的阈值尺寸，并基于确定总的尺寸是否满足预定的阈值尺寸的结果，来确定输入的指纹图像的验证是否成功。
确定验证的结果的步骤可包括：响应于与在最终更新的基于匹配区域的相似度中所表现的所述多个匹配区域中的所述至少一些匹配区域分别关联的相似度值的相似度平均值满足预定的阈值，确定输入的指纹图像的验证成功。
在一个整体方面，一种指纹验证方法可包括：获得输入的指纹图像；基于针对输入的指纹图像与多个登记的指纹图像中的每一个登记的指纹图像之间分别确定的匹配区域而确定的相似度，分别递增更新基于匹配区域的相似度；针对基于匹配区域的相似度的一个或多个递增更新中的每个更新来确定各个分数，或者基于表现针对所述多个登记的指纹图像中的至少多个的多个匹配区域的最终更新的基于匹配区域的相似度来确定最终分数；基于各个分数或最终分数中的任何一个是否满足预定的验证条件，来确定输入的指纹图像的验证的结果。
当在确定验证的结果中各个分数的对应的分数被确定为满足预定的验证条件时，针对基于匹配区域的相似度的一个或多个递增更新中的每个更新来确定各自的分数的步骤停止。
所述指纹验证方法还可包括：指示确定的验证的结果。
在一个整体方面，一种指纹验证设备包括：处理器，被配置为确定输入的指纹图像与登记的指纹图像之间的匹配区域，确定与匹配区域对应的相似度，将确定的相似度与在基于匹配区域的相似度中所表现的匹配区域进行关联，根据基于匹配区域的相似度来确定输入的指纹图像的验证的结果。
处理器还可被配置为基于输入的指纹图像和登记的指纹图像之间的匹配区域和与输入的指纹图像和登记的指纹图像之间的匹配区域对应的相似度，来确定基于匹配区域的相似度。
处理器还可被配置为基于更新的基于匹配区域的相似度来确定分数，并且基于所述分数是否满足预定的指纹验证条件来确定验证的结果。
处理器还可被配置为指示验证的结果。
从下面的具体实施方式、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是示出指纹验证方法的示例的示图。
图2A和图2B是示出发生错误拒绝和错误接受的示例的示图。
图3是示出指纹验证方法的示例的示图。
图4是示出指纹验证方法的示例的流程图。
图5是示出指纹验证方法的示例的流程图。
图6是示出在输入的指纹图像与登记的指纹图像之间执行匹配的示例的示图。
图7至图9是示出确定输入的指纹图像与登记的指纹图像之间的相似度的方法的示例的示图。
图10是示出更新基于匹配区域的相似度的方法的示例的示图。
图11A和图11B是示出根据基于匹配区域的相似度来执行指纹验证的方法的示例的示图。
图12是示出指纹验证设备的示例的示图。
图13是示出计算设备的示例的示图。
贯穿附图和具体实施方式，除非另有描述或提供，否则相同的附图参考标号将被理解为表示相同或相似的元件、特征和结构。附图可不按比例，并且为了清楚、说明和方便，附图中元件的相对大小、比例和描绘可被夸大。
具体实施方式
提供下面的详细描述，以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、修改和等同物将是清楚的。例如，在此描述的操作的顺序仅是示例，并不限于在此阐述的顺序，而是除了必须以特定的顺序发生的操作之外，可如理解本申请的公开之后清楚地那样改变操作的顺序。此外，为了更加清楚和简明，可省略对本领域已知的特征的描述。
在此描述的特征可以以不同形式实现，并且不应被解释为受限于在此描述的示例。相反，提供在此描述的示例，以仅示出在理解本申请的公开之后将是清楚的实现在此描述的方法、设备和/或系统的许多可行方式中的一些方式。
在此可使用诸如“第一”、“第二”、“A”、“B”、“(a)”、“(b)”等的术语来描述组件。这些术语中的每一个不用于限定对应的组件的本质、顺序或次序，而是仅用于将对应的组件和其他组件进行区分。例如，第一组件可称为第二组件，类似地，第二组件也可称为第一组件。
应注意，如果说明书中描述一个组件“连接”、“耦合”或“结合”到另一个组件，则虽然第一组件可直接连接、耦合、结合到第二组件，但是第三组件可“连接”、“耦合”和“结合”在第一组件与第二组件之间。此外，应注意，如果说明书中描述一个组件“直接连接”或“直接结合”到另一个组件，则它们之间可不存在第三组件。类似地，例如“在…之间”和“直接在…之间”以及“与…相邻”和“直接与…相邻”的表达也可如上所述来解释。
在此使用的术语仅为了描述特定实施例的目的，并不意在限制。除非上下文另外明确指出，否则如在此所使用的单数形式也意在包括复数形式。还将理解，除非上下文和本公开的理解另外指出，否则当在此使用术语“包含”和/或“包括”时，表明在示例实施例中存在叙述的特征、整体、操作、元件和/或组件，但在可选的实施例中不排除存在或添加的一个或多个其他特征、整体、操作、元件、组件和/或它们的组，在其他可选实施例中也不排除缺少这样叙述的特征、整体、操作、元件、组件和/或它们的组合/组。在此针对示例或实施例的术语“可”的使用，例如，当示例或实施例可包含或实现什么时，表示至少一个示例或实施例存在这样的特征被包括或实现的情况，然而所有示例或实施例不限于此。
除非另有定义，否则基于本公开的理解，在此使用的所有术语(包括技术术语和科学术语)具有与本公开所属领域的普通技术人员通常理解的含义相同的含义。除非在此明确定义，否则术语(诸如，在通用字典中定义的术语)将被解释为具有与它们在相关领域的上下文和本公开中的含义一致的含义，并且将不被解释为理想化或过于形式化的意义。
图1是示出指纹验证方法的示例的示图。
作为非限制性示例，指纹验证指的是用于确定在用户登录、支付系统和/或访问控制中尝试使用指纹进行验证的用户是否是有效用户的验证方法。参照图1，被配置为执行这样的指纹验证的指纹验证设备也由计算设备100表示或者包括在计算设备100中。计算设备100例如包括：智能电话、可穿戴装置、平板计算机、上网本、膝上型计算机、台式计算机、个人数字助理(PDA)、机顶盒、家用电器、基于生物测量学的门锁、安全装置和车辆启动装置。计算设备100的一个或多个处理器可被配置为执行指纹验证。作为另一示例，图12和图13还示出了这样的计算设备示例。
例如，计算设备100可通过分析由计算设备100的指纹传感器110感测到的指纹图像120的指纹图案，来确定尝试对计算设备100获得访问或更高访问的用户是否是有效用户。例如，在用户将指纹输入到指纹传感器110以取消计算设备100的锁定状态(例如，“解锁”计算设备100)的情况下，计算设备100将通过指纹传感器110获得的指纹图像120与存储在数据库(DB)130中的登记的指纹图像142、144和146中的至少一个进行比较，并且基于比较的结果来确定是否取消计算设备100的锁定状态。DB 130可存储至少一根手指的登记的指纹图像，并且DB 130可被包括在计算设备100中，和/或可被包括在单独的计算设备，或者例如，包括在远程云或服务器中。
在一个示例中，有效用户可在计算设备100中预先登记有效用户的指纹信息，计算设备100可将由有效用户登记的指纹信息存储在DB 130中或者示例的云或其他服务器存储器中。有效用户的指纹信息还可通过另一计算设备100输入，并被传送到图1的计算设备100或由图1的计算设备100请求，或者以其他方式被获取并存储在DB 130中。登记的指纹信息可以以例如作为彩色图像、灰度图像、强度图像、深度图像或黑白图像的登记的指纹图像的形式存储。在另一示例中，作为非限制性示例，作为在登记的指纹图像142、144或146已经从这种彩色图像、灰度图像、强度图像、深度图像或黑白图像进行频域变换或傅里叶-梅林变换之后的这种图像信息的代表的登记的指纹图像142、144或146的登记的指纹信息可被存储为幅值图像，然而注意，登记的指纹信息仍可被存储，随后仍以其他形式被使用。在指纹登记处理中，用户可登记各个指纹图像(例如，登记的指纹图像142、144和146)。在指纹验证处理中，计算设备100可将通过指纹传感器110获得的指纹图像120与登记的指纹图像142、144和146进行比较。这里，诸如，当通过相同或相似的指纹传感器110获取指纹图像120以及登记的指纹图像142、144和146时，指纹图像120以及登记的指纹图像142、144和146的大小可由指纹传感器110的识别区域确定，注意，示例不限于此。在一个示例中，由于指纹传感器110的识别区域的有限的大小，所以通过指纹传感器110获得的指纹图像120以及登记的指纹图像142、144和146可包括与局部指纹区域(即，仅整个指纹的局部部分、或整个指纹区域的局部区域)相关联的信息。因此，指纹图像120以及登记的指纹图像142、144和146均可通过具有这样有限的识别面积或区域的示例的指纹传感器110来获得，因此，指纹图像120以及登记的指纹图像142、144和146可能不包括将用于基于由指纹图像120表示的局部指纹区域和/或由各个登记的指纹图像142、144和146表示的局部指纹区域来准确地验证指纹图像120的足够的特征。例如，如果基于这样的可能均不具有足够的辨别特征或辨识特征的局部指纹图像和局部登记的指纹图像的一对一比较来执行独立的指纹验证，则不期望的结果(诸如，例如，错误拒绝或错误接受)可被获得。以下将参照图2A和图2B描述这样的不期望的结果的示例。
图2A是示出发生错误拒绝的示例的示图。
参照图2A，在通过指纹传感器获得的指纹图像210与登记的指纹图像220之间的匹配区域(即，匹配发生的区域)的大小较小或者具有有限的面积(也对应于在指纹图像210和登记的指纹图像220的任何一个中存在有限的可辨别或可辨识的特征)的情况下，即使匹配区域中的各个指纹图案彼此相同或彼此基本类似，也可能由于匹配区域的大小较小，指纹图像210可被拒绝作为验证的指纹。例如，为了防止在捕捉的指纹与登记的指纹之间匹配指纹可能不可辨识的局部指纹区域时可发生的错误接受，在捕捉的指纹能够被认为与用于确定指纹验证成功的指纹验证条件对应之前，验证方法可需要匹配区域的大小大于或等于预设大小。
因此，在图2A的示例中，即使指纹图像210与登记的指纹图像220属于同一手指，即，在图案中具有相同或基本相似度，指纹图像210也可被拒绝，因此错误拒绝。
图2B是示出发生错误接受的示例的示图。
参照图2B，在通过指纹传感器获得的指纹图像230的指纹图案和不同指纹的登记的指纹图像240的指纹图案均不可区分的情况下，由于指纹图像230和登记的指纹图像240的各自的简单指纹图案，指纹图像230与登记的指纹图像240之间的匹配区域可被确定为较大，因此，指纹图像230与登记的指纹图像240之间的相似度可被确定为高的，并且典型的验证方法可将指纹图像230验证为有效指纹。然而，因为指纹图案具有这样的各自的简单指纹图案，所以即使当指纹属于不同的个体时，指纹图像230也可由于大的相似度和大的匹配区域而有效，因此，很可能发生这样的错误接受。
图2A和图2B的这样的典型的错误拒绝和错误接受可不利地影响指纹验证的技术实施中的准确率或识别率，因此期望用于防止或更多地最小化这样的错误拒绝和错误接受发生的技术解决方案。例如，仅作为示例，下面将描述的一个或多个示例可提出可解决在这样的典型技术方法中描述的这样的问题的验证方法和实现设备，并且提供用于具有更高准确性和/或更高验证速度的指纹验证的技术方法。
图3是示出指纹验证方法的示例的示图。
参照图3，指纹验证设备基于为了指纹验证而输入的指纹图像310与多个登记的指纹图像322、324、326和328中的每一个之间的确定的相似度，来执行指纹验证。指纹验证设备除了基于输入的指纹图像310与登记的指纹图像322、324、326和328中的每一个之间的确定的相似度之外，还基于输入的指纹图像310与登记的指纹图像322、324、326和328中的每一个之间的各个确定的匹配区域来执行指纹验证。例如，确定的匹配区域可与输入的指纹图像与登记的指纹图像之间的匹配部分的确定的面积或相对尺寸对应。指纹验证设备针对输入的指纹图像310确定基于匹配区域的相似度。例如，基于匹配区域的相似度包括与输入的指纹图像310和一个或多个登记的指纹图像之间的相似度相关联的相似度信息，并且可在基于匹配区域的相似度中所表现的与输入的指纹图像310对应的区域关联，例如，诸如，当基于匹配区域的相似度被表示为图像时，相似度信息可被分配给在基于匹配区域的相似度中所包括的匹配区域。指纹验证设备针对输入的指纹图像310与登记的指纹图像322、324、326和328中的每一个的每次比较，分别确定指纹图案之间的相似度和匹配区域、或者各个重叠区域，并且在每次比较的情况下，指纹验证设备基于每个确定的匹配区域和与确定的区域对应的确定的相似度，来更新示例的基于匹配区域的相似度。
例如，在图3中，参考标号330指示这种基于匹配区域的相似度的视觉表示。基于匹配区域的相似度被表示为输入的指纹图像310与登记的指纹图像322、324、326和328中的每一个之间的各个相似度或各个相似度信息的整合。基于匹配区域的相似度包括：与各个匹配区域或重叠区域相关联的信息以及在输入的指纹图像310与登记的指纹图像322、324、326和328中的每一个之间的针对匹配区域的确定的各个相似度或相似度信息。
例如，为了确定这样的基于匹配区域的相似度，指纹验证设备确定输入的指纹图像310与登记的指纹图像322之间的示例的匹配区域332以及对应的相似度S1。然后，指纹验证设备通过将相似度S1分配给在基于匹配区域的相似度中的与输入的指纹图像310对应的整个区域的匹配区域332，来更新基于匹配区域的相似度。例如，可在指纹验证设备基于确定的匹配区域332和对应地确定的相似度S1更新产生的或设置的基于匹配区域的相似度的情况下，在确定匹配区域332和相似度S1之前、期间或之后，例如，基于与输入的指纹图像310对应的整个区域来产生或设置基于匹配区域的相似度。这里，作为基于与输入的指纹图像310(或者任何登记的指纹图像)对应的整个区域产生或设置的基于匹配区域的相似度的示例，在示例的匹配区域332被示为占据或覆盖整个基于匹配区域的相似度的所示的一部分(例如，占据或覆盖与输入的指纹图像310的整个面积对应的面积的所示部分)的情况下，图3中的参考标号330示出了基于匹配区域的相似度可具有与输入的指纹图像310相同或相关或相对应的尺寸或面积。然后，在操作340中，指纹验证设备可确定用于基于匹配区域的相似度的分数，并确定该分数是否满足指纹验证条件。响应于该分数不满足指纹验证条件，指纹验证设备可继续(即，在针对登记的指纹图像322的先前的比较之后)比较输入的指纹图像310和登记的指纹图像324。仅作为示例，操作340中所确定的分数指的是这样的值：例如，可用于基于该示例的值是否满足预定的参考值来确定指纹验证是否成功。随着输入的指纹图像310与登记的指纹图像324的比较，指纹验证设备确定输入的指纹图像310与登记的指纹图像324之间的匹配区域334和相似度S2，并基于匹配区域334和相似度S2来更新先前确定的/更新的基于匹配区域的相似度。例如，所示的基于匹配区域的相似度示出了被示为包括相似度S2的边界区域(实线和虚线)。如下面将进一步更详细地讨论，虽然在匹配区域334的示例的边界区域之外，输入的指纹图像310与登记的指纹图像324之间可存在额外的匹配部分，其中，例如，这种额外的匹配部分可与被示为包括相似度S2的匹配区域334的示出的边界区域和/或被示为包括相似度S3的匹配区域336的示出的边界区域重叠，但是如果相似度S1和/或相似度S3中的任何一个指示比相似度S2大的相似度，则这种额外的匹配区域部分可能不在针对输入的指纹图像310和登记的指纹图像324的比较的基于匹配区域的相似度中更新或反映。因此，针对已经针对匹配区域334和相似度S2更新的基于匹配区域的相似度可再次重复操作340，指纹验证设备确定基于最新更新的基于匹配区域的相似度所确定的分数是否满足指纹验证条件。响应于该分数不满足指纹验证条件，指纹验证设备然后对下一个登记的指纹图像326执行类似前面操作。在这样的情况下，再次基于输入的指纹图像310与登记的指纹图像326之间的匹配区域336和相似度S3，来再次更新基于匹配区域的相似度。因此，指纹验证设备通过顺序地将输入的指纹图像310与登记的指纹图像322、324、326至第n个登记的指纹图像328中的每一个进行比较，来重复更新基于比较区域的相似度，直到指纹验证条件被满足或者所有登记的指纹图像已经被考虑。在上面的示例中，由于基于与基于匹配区域的相似度的每次更新对应的每个顺序确定的分数来顺序确定指纹验证条件是否被满足，所以在验证条件被满足之前，只有登记的指纹图像322、324、326至328中的一些可最终需要与输入的指纹图像310进行比较，而不是例如在最终确定验证条件是否被满足之前，将所有登记的指纹图像322、324、326至328与输入的指纹图像310进行比较，因此，如果验证条件在操作340的示例性顺序执行中被较早地满足，则指纹验证可被更快速地终止并且更快的处理可被实现。
如提及的，在图3的示例中，每次更新基于匹配区域的相似度时，可进行指纹验证条件是否被满足的确定。然而，在一个示例中，可在已经执行多次更新之后或者最后在基于第n个登记的指纹图像328的基于匹配区域的相似度的最终更新之后，可选地执行指纹验证条件是否满足的初始确定。例如，可确定输入的指纹图像310与登记的指纹图像322、324、326至328之间的所有匹配区域和相似度，然后可在基于匹配区域的相似度被最终更新之后进行指纹验证条件是否被满足的确定。在另一示例中，可确定输入的指纹图像310与登记的指纹图像322、324、326至328之间的所有匹配区域和相似度，然后可基于所有确定的匹配区域和相似度的分析来产生或设置基于匹配区域的相似度，然后可执行图3的操作340以确定指纹验证条件是否被满足。在另一示例中，在执行更详细的相似度比较(诸如，参照图7至图9更详细地描述的示例的傅里叶-梅林方法)之前，可进行初始快速确定，以诸如，基于初始快速确定的结果(例如，针对输入的指纹图像310和每个登记的指纹图像的仅相位相关(PoC)、相似度确定操作)，分辨哪些登记的指纹图像要考虑以及按照哪个顺序。此外，在上面，讨论了在每当对一个登记的指纹图像更新基于匹配区域的相似度时确定或生成针对指纹验证条件的分数，并随后在确定或生成每个分数之后确定指纹验证条件是否满足的的示例，但是还存在如下示例，每当针对预定或设置数量的登记的指纹图像更新基于匹配区域的相似度时确定或生成针对指纹验证条件的分数，随后在分数在确定或生成之后确定指纹验证条件是否被满足，并且如果指纹验证条件未满足则针对后续预定或设置数量的登记的指纹图像重复上述处理。
因此，在一个或多个示例中，可不仅仅基于输入的指纹图像与单个登记的指纹图像之间的单独确定的相似度，来确定指纹验证的结果，而是可根据基于匹配区域的相似度来确定指纹验证的结果，其中，基于匹配区域的相似度可表示输入的指纹图像与多个登记的指纹图像的各个比较的递增组合的结果，例如，表示输入的指纹图像与多个登记的指纹图像的顺序地各自比较的递增组合的结果。因此，在一个示例中，与输入的指纹与两个或更多个登记的指纹中的每一个之间的单独验证操作相比，发生错误拒绝或错误接受的可能性可被降低，因此，在一个示例中，指纹验证的准确性和识别率可被提高。
图4和图5是示出指纹验证方法的示例的流程图。应注意，在可替换的实施方式中，可以以与流程图中所标注的顺序不同的其他顺序(例如，包括以相反顺序执行的操作)发生标注的功能/动作。此外，根据在这样的各种可替换的示例中涉及的功能/动作，图4和图5的示例中连续示出的例如两个步骤或操作可被可选地基本同时执行。
参照图4，在操作410中，指纹验证设备(例如，通过捕捉、从存储器读取和/或接收)获得输入的指纹图像。输入的指纹图像指的是指纹图像(例如，将执行指纹验证的目标)，并且可通过指纹验证设备的指纹传感器或者例如通过单独的或甚至远程的指纹传感器而被获得。在一个示例中，指纹传感器被配置为仅感测或捕捉相对于指纹传感器放置的或施加到指纹传感器的整个手指的仅一部分的图像或特征。此外，在一个示例中，指纹验证设备对获得的输入的指纹图像执行预处理操作。例如，可通过提高输入的指纹图像的质量并调节输入的指纹图像的大小来执行预处理操作，以将输入的指纹图像处理为处于更适于指纹验证的形式、形状或方向。仅作为非限制性示例，预处理操作可包括：从输入的指纹图像去除噪声、增加输入的指纹图像的对比度、对输入的指纹图像进行去模糊、执行变形(warp)以校正输入的指纹图像中的失真、对输入的指纹图像进行二进制化、对输入的指纹图像的大小进行标准化、和/或对输入的指纹图像进行裁剪。
在操作420中，指纹验证设备基于输入的指纹图像与至少一个登记的指纹图像之间的确定的匹配区域，来确定基于匹配区域的相似度。指纹验证设备从存储在DB中的多个登记的指纹图像中选择将与输入的指纹图像进行比较的登记的指纹图像，并且计算指示所选择的登记的指纹图像的指纹图案与输入的指纹图像的指纹图案多么相似的相似度。这里，确定的高相似度指示输入的指纹图像的指纹图案与登记的指纹图像的指纹图案相对地非常类似。同样地，确定的低相似度指示输入的指纹图像的指纹图案与登记的指纹图像的指纹图案相对地不同。
在一个示例中，指纹验证设备使用输入的指纹图像与登记的指纹图像之间所确定的旋转信息和平移信息，来确定输入的指纹图像与登记的指纹图像之间的匹配区域，并且计算匹配区域中/针对匹配区域的指纹图案之间的相似度。旋转信息和平移信息可对应于输入的指纹图像和登记的指纹图像中的一个或两者的旋转和平移，从而，例如，如下面针对图6进一步更详细的讨论的，对各个指纹图案的个体图案进行对准。因此，匹配区域指的是与输入的指纹图像和登记的指纹图像两者对应的指纹区域，其中，估计输入的指纹图像和登记的指纹图像具有最相同或最相似的指纹图案。确定基于匹配区域的相似度的方法可包括：计算输入的指纹图像与登记的指纹图像之间的可用数字表示的相似度，并将计算的相似度分配给输入的指纹图像与登记的指纹图像之间的确定的匹配区域。例如，在上面图3的示例中，匹配区域332可被确定，并且计算的相似度S1被分配给用于针对输入的指纹图像以及一个或多个登记的指纹图像的当前验证操作相应地产生或设置的基于匹配区域的相似度中的/基于匹配区域的相似度的匹配区域332。
在一个示例中，指纹验证设备将通过指纹验证设备对输入的指纹图像和登记的指纹图像执行快速傅里叶变换(FFT)获得的特征值用作输入的指纹图像与登记的指纹图像之间的相似度。例如，指纹验证设备使用基于图像频率信息的匹配方法(诸如，例如，由指纹验证设备执行的傅里叶-梅林方法)来计算相似度。可基于通过指纹验证设备使用傅里叶-梅林方法获得的相位相关性信息来确定相似度，或者除了由指纹验证设备确定的相位相关性信息之外，还可由指纹验证设备基于输入的指纹图像与登记的指纹图像之间的旋转信息和平移信息来确定相似度。将参照图7至图9更详细地描述基于傅里叶-梅林方法确定相似度的方法的示例，注意，确定输入的指纹图像与登记的指纹图像之间的相似度的方法不限于示例的傅里叶-梅林方法，在各个示例中，各种其他方法可用于确定输入的指纹图像的指纹图案与登记的指纹图像的指纹图案之间的相似度。例如，可由指纹验证设备基于通过指纹验证设备从输入的指纹图像的指纹图案和登记的指纹图像的指纹图案提取的特征点的分布或形式，来确定相似度。除了傅里叶-梅林方法的示例之外，另一方法可包括发现作为指纹的(多个)主要特征的细节，并且基于细节之间的确定的关系执行对齐、匹配和相似度确定的方法。
指纹验证设备基于计算的相似度来更新基于匹配区域的相似度。对于整个基于匹配区域的相似度的分配的相似度，基于匹配区域的相似度可被初始地设置为具有默认值例如0。因此，指纹验证设备可记录或更新在基于匹配区域的相似度的与输入的指纹图像和登记的指纹图像之间的匹配区域对应的指示的区域中的计算的相似度。可针对基于匹配区域的相似度来确定分数，并且响应于该分数不满足预设的指纹验证条件，指纹验证设备可继续计算输入的指纹图像与另一个登记的指纹图像之间的相似度，然后可基于该计算的相似度的结果来更新基于匹配区域的相似度，并且可再次确定基于匹配区域的相似度的分数是否满足预设的指纹验证条件。
在一个示例中，指纹验证设备确定与输入的指纹图像和第一登记的指纹图像之间的第一匹配区域对应的第一相似度。因此，指纹验证设备可基于第一相似度和第一匹配区域来更新基于匹配区域的相似度。响应于基于更新的基于匹配区域的相似度所确定的分数不满足指纹验证条件，指纹验证设备确定与输入的指纹图像和第二登记的指纹图像之间的第二匹配区域对应的第二相似度。这里，基于第一相似度和第一匹配区域的基于匹配区域的相似度的先前更新可包括将第一相似度分配给基于匹配区域的相似度的表现第一匹配区域的区域。例如，当基于匹配区域的相似度与输入的指纹图像具有相同的面积、形式或大小时，基于匹配区域的相似度的表现第一匹配区域的相似度的区域可仅为基于匹配区域的相似度中的或针对基于匹配区域的相似度的第一匹配区域的指示，诸如，上面针对图3所示的，由参考标号330指示的相应地产生或设置的基于匹配区域的相似度中的/由参考标号330指示的相应地产生或设置的基于匹配区域的相似度的匹配区域332。因此，在指纹验证设备已经确定与第二匹配区域对应的第二相似度的情况下，指纹验证设备可基于第二相似度和第二匹配区域来更新基于匹配区域的相似度。指纹验证设备通过将第二相似度分配给基于匹配区域的相似度的表现第二匹配区域的区域来更新基于匹配区域的相似度。这里，当在第一匹配区域与第二匹配区域之间发生重叠(例如，它们针对输入的指纹图像彼此重叠)时，当第二相似度和第二匹配区域被分配给基于匹配区域的相似度时，指纹验证设备选择性地将第一相似度和第二相似度中的较大者分配给基于匹配区域的相似度的与重叠区域对应的区域。指纹验证设备还将第二相似度分配给基于匹配区域的相似度的表现不包括重叠区域的第二匹配区域的剩余部分的剩余区域。根据这样的示例，针对还没有与输入的指纹图像进行比较的每个剩余的登记的指纹图像，可以顺序地执行输入的指纹图像与剩余的登记的指纹图像中的每一个之间的各个比较，基于各个比较的结果而将基于匹配区域的相似度递增地或持续地更新，直到指纹验证条件被满足，或者所有登记的指纹图像已经被考虑而指纹验证条件仍然未满足。例如，当在仅一半的登记的指纹图像已经被考虑之后指纹验证条件被满足时，指纹验证设备可停止操作并在操作430中指示验证成功，而不需要在指纹验证处理中使用所有登记的指纹图像执行所有这样的操作。
在另一示例中，指纹验证设备可首先确定输入的指纹图像与所有登记的指纹图像中的每一个之间的各个相似度，并且可基于所确定的各个相似度来确定基于匹配区域的相似度。在这个示例中，指纹验证设备确定输入的指纹图像与登记的指纹图像中每一个之间的各个匹配区域和相似度，然后基于确定的匹配区域和确定的相似度来更新基于匹配区域的相似度。这里，响应于在任意匹配区域之间出现任意重叠区域，指纹验证设备选择性地将与彼此重叠的对应的匹配区域对应的相似度之中的最大相似度分配给示例的重叠区域。可类似地选择性地分配针对每个这样的重叠区域的相似度。根据这样的示例，计算输入的指纹图像与所有登记的指纹图像中的每一个之间的各个相似度，然后在基于所计算的相似度、确定的匹配区域以及任意确定的重叠区域最终确定基于匹配区域的相似度之后，确定指纹验证条件是否被满足。
在操作430中，指纹验证设备根据基于匹配区域的相似度来确定输入的指纹图像的指纹验证的结果。例如，操作430可与图3的操作340对应，因此仅为了简洁的目的，这里不再重复上面针对操作430的讨论。如提及的，响应于根据基于匹配区域的相似度所确定的分数满足指纹验证条件，指纹验证设备确定输入的指纹图像的指纹验证成功。
在一个示例中，指纹验证设备根据基于最近更新的基于匹配区域的相似度(例如，每次基于匹配区域的相似度被更新时)所确定的分数是否满足指纹验证条件，来确定指纹验证是否成功。例如，指纹验证设备可确定并指示指纹验证是否成功，或者可确定并指示指纹验证是否不成功。
在一个示例中，指纹验证设备根据基于匹配区域的相似度来确定基于匹配区域的相似度中所表现的具有大于阈值的相似度的匹配区域的总的尺寸是否大于阈值，并基于确定的结果来确定输入的指纹图像的指纹验证是否成功。响应于具有大于阈值的相似度的匹配区域的总的尺寸大于阈值尺寸，指纹验证设备确定输入的指纹图像的指纹验证成功。在另一示例中，响应于基于匹配区域的相似度的分配的相似度的平均值大于阈值，指纹验证设备确定输入的指纹图像的指纹验证成功。指纹验证设备可明确地或隐含地指示指纹验证处理的结果。例如，明确的指示可包括显示或可听地通知指纹验证处理的成功，隐含的指示可包括指纹验证设备选择性地执行或停止执行指纹验证设备的额外操作。例如，响应于指纹验证被确定为成功，指纹验证设备可通过取消计算设备(其中，由指纹验证设备表示该计算设备、指纹验证设备连接到该计算设备或该计算设备包括指纹验证设备)的锁定状态态，或者通过将用于访问示例的计算设备或指纹验证设备的一个或多个功能或特征的权利或权限分配给用户，来执行隐含的指示。在基于针对所有登记的指纹图像所确定的基于匹配区域的相似度的分数不满足指纹验证条件的情况下，指纹验证设备可确定输入的指纹图像的指纹验证不成功。响应于指纹验证被确定为不成功，指纹验证设备可类似地明确地或隐含地指示不成功，例如，隐含的指示为使计算设备或指纹验证设备保持示例的锁定状态或者限制用户访问计算设备或指纹验证设备的一个或多个功能或特征的权利或权限。下面将参照图11A更详细地描述确定指纹验证是否成功和/或不成功的方法的这样的示例和/或进一步示例。
图5是示出指纹验证方法的示例的流程图。仅作为示例，图5可以是参照图4描述的方法的更详细的示例。因此，作为示例，上面参照图4提供的描述也适用于以下参照图5提供的描述的对应的操作，因此，为了简洁的目的，将省略对它们的重复的描述。
参照图5，在操作510中，指纹验证设备获得(例如，捕捉、读取和/或接收)输入的指纹图像。在操作520中，指纹验证设备执行输入的指纹图像与登记的指纹图像的匹配操作。匹配可包括：将输入的指纹图像和登记的指纹图像中的至少一个进行旋转和/或平移，并确定输入的指纹图像与登记的指纹图像之间的匹配区域。
在操作530中，指纹验证设备基于在操作520中确定的匹配区域，来确定输入的指纹图像与登记的指纹图像之间的相似度。例如，指纹验证设备确定与输入的指纹图像和第一登记的指纹图像之间的第一匹配区域对应的第一相似度。
在操作540中，指纹验证设备基于在操作530中确定的相似度，来产生、设置或更新基于匹配区域的相似度。例如，指纹验证设备可基于输入的指纹图像与登记的指纹图像之间的匹配区域，并基于与输入的指纹图像和登记的指纹图像之间的匹配区域对应的确定的相似度，来更新产生的或设置的基于匹配区域的相似度。例如，指纹验证设备可针对先前确定的基于匹配区域的相似度的与匹配区域对应的区域，将在操作530中确定的相似度应用于先前确定的基于匹配区域的相似度。这里，在基于匹配区域的相似度先前已经具有先前确定的相似度(其中，该先前确定的相似度被应用于基于匹配区域的相似度的与操作520中所确定的匹配区域重叠的区域(即，对应的重叠区域))的示例中，先前分配的相似度与新确定的相似度之中的较大的相似度可被分配给对应的重叠区域。
在操作550中，指纹验证设备确定根据基于匹配区域的相似度所确定的分数是否满足指纹验证条件。例如，指纹验证设备根据基于第一相似度所确定的基于匹配区域的相似度来计算用于确定指纹验证是否成功的分数，并确定所计算的分数是否满足指纹验证条件。在操作560中，响应于指纹验证条件被满足，指纹验证设备确定指纹验证成功并终止指纹验证处理。相反地，在操作570中，响应于指纹验证条件不被满足，指纹验证设备可确定所有登记的指纹图像的相似度是否已经被确定。
在操作580中，响应于所有登记的指纹图像的相似度已经被确定，指纹验证设备确定指纹验证不成功并终止指纹验证处理。在操作590中，响应于确定所有登记的指纹图像的相似度没有被确定，指纹验证设备从登记的指纹图像中选择另一个或随后的登记的指纹图像，然后对选择的登记的指纹图像重复操作520、530、540、550和570。
例如，指纹验证设备使用基于第一相似度所确定的基于匹配区域的相似度来计算分数。响应于计算的分数不满足指纹验证条件，指纹验证设备在操作590中，选择第一登记的指纹图像之后的第二登记的指纹图像。然后，指纹验证设备在操作520中，将输入的指纹图像与第二登记的指纹图像进行匹配，并在操作530中，确定与输入的指纹图像和第二登记的指纹图像之间的第二匹配区域对应的第二相似度。然后，指纹验证设备在操作540中，基于第二相似度来更新基于匹配区域的相似度。这里，响应于重叠区域被确定为存在于第一匹配区域与第二匹配区域之间，指纹验证设备将第一相似度与第二相似度之中的较大的相似度分配给重叠区域。指纹验证设备还将第二相似度分配给第二匹配区域的不包括重叠区域的剩余区域，以完成基于匹配区域的相似度的更新。指纹验证设备在操作550中，确定通过基于第二相似度更新的基于匹配区域的相似度所确定的分数是否满足指纹验证条件。响应于指纹验证条件不被满足并且仍然存在剩余的可用的登记的指纹图像，指纹验证设备在操作590中，选择另一个或下一个登记的指纹图像，并且再次对所选择的登记的指纹图像执行上述操作。
图6是示出在输入的指纹图像与登记的指纹图像之间进行匹配的示例的示图。
参照图6，指纹验证设备估计输入的指纹图像610和登记的指纹图像620的旋转信息和平移信息，并使用估计的旋转信息和估计的平移信息来确定输入的指纹图像610与登记的指纹图像620之间的匹配区域630。在一个示例中，为了输入的指纹图像610与登记的指纹图像620之间的匹配，可使用在空间上匹配图像的图案或像素强度的特征的方法，或者在图像的频域上确定两个图像之间匹配所需的参数的方法。
图7是示出基于傅里叶-梅林方法确定输入的指纹图像与登记的指纹图像之间的相似度的方法的示例的流程图。
参照图7，在操作710中，指纹验证设备使用快速傅里叶变换(FFT)将包括在输入的指纹图像中的空间域的信息变换为频域的信息。在操作730中，指纹验证设备使用FFT将包括在登记的指纹图像中的空间域的信息变换为频域的信息。仅作为示例，频域的信息可基于使用例如二维(2D)(x，y)坐标表示信息的正交坐标系。
在操作715中，例如，指纹验证设备，诸如，通过使用对数-极坐标变换(LPT)，将包括在输入的指纹图像中的频域的信息的坐标系变换为极坐标系。例如，可对通过FFT获得的FFT图像中的像素的幅值执行LPT。在极坐标系中，可通过半径、角度或它们的组合来表示信息。在操作735中，指纹验证设备将LPT应用于包括在登记的指纹图像中的频域的信息。将参照图8更详细地描述LPT。
图8是示出LPT的示例的示图。参照图8，在正交坐标系中，基于中心点810设置同心圆。同心圆基于半径、角度或它们的组合被划分为多个区域。例如，LPT将正交坐标系中的多个区域映射到通过半径和角度表示的极坐标系中的多个区域。在这种示例中，可由指纹验证设备将正交坐标系中的中心点810映射到与极坐标系中的(0，0°)对应的区域815。类似地，可由指纹验证装置将正交坐标系中的第一区域820、第二区域830、第三区域840和第四区域850分别映射到极坐标系中的第一区域825、第二区域835、第三区域845和第四区域855。
LPT可将正交坐标系中的多个区域映射到基于角度表示的极坐标系中的多个区域。在这种情况下，可由指纹验证设备将正交坐标系中的第一区域820映射到极坐标系中的(0°)区域。仅作为示例，可由指纹验证设备将正交坐标系中的第二区域830和第三区域840映射到极坐标系中的(36°)区域，可由指纹验证设备将正交坐标系中的第四区域840映射到极坐标系中的(324°)区域。
返回参照图7，在操作720中，指纹验证设备将FFT应用于应用了LPT的输入的指纹图像。在操作740中，指纹验证设备将FFT应用到应用了LPT的登记的指纹图像。在此，操作730和操作740可预先执行且相应结果可被存储。在操作750中，指纹验证设备基于通过FFT获得的结果来执行相位相关，并检测峰值作为执行相位相关的结果。检测到的峰值的位置指示输入的指纹图像与登记的指纹图像之间的旋转信息θ。
在另一示例中，检测到的峰值的位置可指示输入的指纹图像与登记的指纹图像之间的比例(scale)信息。例如，通过LPT获得的图像的一个轴可对应于角度，图像的另一轴可对应于半径，因此，通过相位相关而检测到的峰值的位置可由与角度对应的轴的坐标、与半径对应的轴的坐标来指示。与角度对应的轴的坐标可指示旋转信息，与半径对应的轴的坐标可指示比例信息。
在一个示例中，指纹验证设备可不调节或改变指纹图像的比例，或另外指纹图像可能不具有比例的改变，因此半径可被固定为预设值(例如，1)。在这样的示例中，通过相位相关而检测到的峰值的位置可由与角度对应的轴的坐标来表示，而与角度对应的轴的坐标可表示旋转信息。
在一个示例中，指纹验证设备通过执行相位相关来检测峰值，并且基于该峰值来确定输入的指纹图像与登记的指纹图像之间的相似度。随着输入的指纹图像的指纹图案和登记的指纹图像的指纹图案彼此相同或类似的区域(例如，重叠区域)的大小增大，或者随着输入的指纹图像的指纹图案与登记的指纹图像的指纹图案之间的相似度增大，峰值可趋于增加。基于这种趋势，指纹验证设备可基于通过相位相关而检测到的峰值，来确定输入的指纹图像与登记的指纹图像之间的相似度。
指纹验证设备在操作760中，基于旋转信息θ将输入的指纹图像进行旋转，并在操作770中，将FFT应用于旋转的输入的指纹图像。在操作780中，指纹验证设备基于在操作770中应用了FFT的输入的指纹图像和在操作730中应用了FFT的登记的指纹图像，来执行相位相关。作为执行相位相关的结果，峰值被检测，并且检测到的峰值的位置指示输入的指纹图像与登记的指纹图像之间的平移信息(Tx，Ty)。在操作790中，指纹验证设备基于平移信息(Tx，Ty)来平移在操作760中旋转的输入的指纹图像。
然后，指纹验证设备通过基于由示例的傅里叶-梅林方法获得的旋转信息和平移信息将输入的指纹图像进行旋转和平移，来匹配输入的指纹图像和登记的指纹图像。在一个示例中，指纹验证设备基于通过在旋转并平移的输入的指纹图像与登记的指纹图像之间进行匹配而所确定的匹配区域，来确定相似度。指纹验证设备可使用各种方法来确定相似度。例如，在一个示例中，指纹验证设备根据基于亮度值的标准化交叉相关方法来确定相似度。例如，指纹验证设备可基于通过下面等式1获得的相关性来确定相似度，例如。
等式1：
在等式1中，W表示图像I1与图像I2之间的匹配区域，ncc(I1，I2)表示图像I1与图像I2之间的匹配区域W中的归一化互相关性。例如，图像I1可以是旋转并平移的输入的指纹图像，图像I2可以是登记的指纹图像。i表示匹配区域W中的像素的x-轴坐标，j表示匹配区域W中的像素的y-轴坐标。x表示沿x轴方向的平移信息Tx，y表示沿y轴方向的平移信息Ty。I1(i，j)表示图像I1的(i，j)坐标上的像素值，I2(x+i，y+j)表示图像I2的(x+i，x+j)坐标上的像素值。因此，通过上面等式1计算的匹配区域W中的相关性ncc(I1,I2)可用作输入的指纹图像与登记的指纹图像之间的相似度。在这种示例中，匹配区域W的范围还可基于结果的ncc值大于阈值的像素数量来确定。
虽然参照图7描述了将输入的指纹图像进行旋转和平移，但是可在不对输入的指纹图像进行旋转和平移的情况下，基于相位相关的结果对登记的指纹图像执行旋转和平移。可选地，可对输入的指纹图像和登记的指纹图像二者执行旋转和平移。
图9是示出由指纹验证设备执行的基于傅里叶-梅林方法来确定输入的指纹图像与登记的指纹图像之间的相似度的方法的示例的示图。
参照图9，指纹由验证设备通过FFT和LPT将登记的指纹图像910变换为第一LPT图像915。由指纹验证设备通过FFT和LPT将输入的指纹图像920变换为第二LPT图像925。
由指纹验证设备通过第一LPT图像915与第二LPT图像925之间的相位相关930，通过指纹验证设备确定登记的指纹图像910与输入的指纹图像920之间的旋转信息θ。在一个示例中，由指纹验证设备基于由指纹验证设备通过相位相关930检测到的峰值，来确定登记的指纹图像910与输入的指纹图像920之间的相似度。
由指纹验证设备基于通过相位相关930确定的旋转信息θ，将输入的指纹图像920进行旋转。此外，由指纹验证设备通过作为由指纹验证设备对登记的指纹图像910执行FFT的结果而获得的图像的FFT图像与作为由指纹验证设备对旋转的输入的指纹图像940执行FFT的结果而获得的图像的FFT图像之间的相位相关950，来确定登记的指纹图像910与输入的指纹图像920之间的平移信息(Tx，Ty)。
由指纹验证设备基于旋转信息θ和平移信息(Tx，Ty)来执行登记的指纹图像910与输入的指纹图像920之间的匹配，因此，由指纹验证设备确定登记的指纹图像910与输入的指纹图像920之间的匹配区域970。在一个示例中，通过指纹验证设备基于上面的等式1来计算与登记的指纹图像910和输入的指纹图像920之间的匹配图像960中的匹配区域970对应的相关性，通过指纹验证设备将计算的相关性确定为登记的指纹图像910与输入的指纹图像920之间的相似度。
在基于匹配区域的相似度中，由指纹验证设备将基于通过相位相关930检测到的峰值或者基于等式1所计算的相关性确定的相似度分配给匹配区域970。
图10是示出更新基于匹配区域的相似度的方法的示例的示图。
参照图10，在操作1010中，指纹验证设备将输入的指纹图像1000与多个登记的指纹图像之中的第一登记的指纹图像1022进行比较，确定输入的指纹图像1000与第一登记的指纹图像1022之间的第一匹配区域1032和第一相似度，并基于第一匹配区域1032和第一相似度来更新基于匹配区域的相似度。图10中的参考标号1015指示可视化的在操作1010中所确定的基于匹配区域的相似度。这里，在第一相似度被确定为0.97的示例中，指纹验证设备将第一相似度0.97分配给基于匹配区域的相似度1015中的与第一匹配区域1032对应的示出的区域A1。如图10中所示，默认值0.0可被分配给另一区域或剩余区域，例如，A2。在一个示例中，初始可能已经针对基于匹配区域的相似度1015的所有部分分配或设置默认值0.0，因此，在将第一相似度0.97更新到示出的区域A1之后，基于匹配区域的相似度1015的剩余区域可仍具有默认值0.0。
在一个示例中，指纹验证设备根据基于匹配区域的相似度1015来确定分数，然后指纹验证设备基于分数是否满足预定的指纹验证条件来确定指纹验证是否成功。例如，指纹验证条件可包括例如基于匹配区域的相似度1015的一个或多个区域中的相似度的平均值需要等于或大于设置值(例如0.9)的要求，或者相似度等于或大于设置的相似度(例如，0.9)的一个或多个区域的面积等于或大于设置面积(例如，整个基于匹配区域的相似度1015的整个面积的80％)的要求。这种指纹验证条件要求可由制造商预先设置和/或更新，和/或由用户设置或选择，诸如，在验证被认为成功之前通过用户从不同级别或者所需的相似度和面积中选择。
响应于根据基于匹配区域的相似度1015所确定的分数满足指纹验证条件，指纹验证设备确定指纹验证成功并终止指纹验证处理，而不将输入的指纹图像1000与另一个登记的指纹图像进行比较。相反地，响应于根据基于匹配区域的相似度1015所确定的分数不满足指纹验证条件，在操作1040中，指纹验证设备将输入的指纹图像1000与不同于第一登记的指纹图像1022的第二登记的指纹图像1024进行比较，并确定输入的指纹图像1000与第二登记的指纹图像1024之间的第二匹配区域1034和第二相似度。在一个示例中，可根据基于匹配区域的相似度1015中所指示的(多个)匹配区域的大小、一个相似度或多个相似度，或者基于匹配区域的相似度1015中所指示的(多个)匹配区域的大小和一个相似度或多个相似度的组合来确定指纹验证条件。
针对确定的第二匹配区域和第二相似度，指纹验证设备基于确定的第二匹配区域1034和确定的第二相似度来更新基于匹配区域的相似度1015。参考标号1045指示在先前已经针对第一匹配区域1032和第一相似度更新基于匹配区域的相似度之后，基于第二匹配区域1034和第二相似度更新的可视化的基于匹配区域的相似度。这里，在第二相似度被确定为0.83的示例中，因此，指纹验证设备将第二相似度0.83分配给基于匹配区域的相似度1045中的与第二匹配区域1034一部分对应的区域的示出的区域B2。对应的区域的示出的区域B3是与第一登记的指纹图像1022和第二登记的指纹图像1024二者匹配的区域，因此，区域B3对应于第一匹配区域1032与第二匹配区域1034之间的重叠区域。在这样的情况下，对应于区域B3的相似度被确定为0.97，其中，0.97为先前分配的相似度0.97与第二相似度0.83之中的较大的相似度。例如，对应于B3的相似度可基于第二相似度小于第一相似度0.97的确定而被保持为先前分配的0.97(即，先前基于第一相似度分配的0.97)，而不进行更新。对于还没被确定为对应于与任何登记的指纹图像的匹配区域的示出的区域B4和B5，可保持为示例的默认值0.0。与先前分配的第一相似度0.97和第一匹配区域1032对应的示出的区域B1还被保持为具有与针对第二匹配区域1034所分配的分配的第二相似度0.83不同的分配的0.97。
类似地，响应于根据基于匹配区域的相似度1045所确定的分数不满足指纹验证条件，在操作1050中，指纹验证设备将输入的指纹图像1000与第三登记的指纹图像1026进行比较，确定输入的指纹图像1000与第三登记的指纹图像1026之间的第三匹配区域1036和第三相似度，并基于第三匹配区域1036和第三相似度来更新基于匹配区域的相似度1045。这里，第三相似度被确定为0.92。示出的参考标号1055是基于第三匹配区域1036和第三相似度已经更新的最近的基于匹配区域的可视化的相似度。
因此，指纹验证设备将第三相似度0.92分配给作为基于匹配区域的相似度1055中的与第三匹配区域1036对应的区域的区域C3、C4和C5。与区域C3和C4对应的先前分配的相似度为示例的默认值0.0，因此，被更新为比默认值0.0大的值0.92。区域C5是与第二登记的指纹图像1024和第三登记的指纹图像1026二者匹配的区域，因此，区域C5与第二匹配区域1034和第三匹配区域1036之间的重叠区域对应。在这样的情况下，对应于区域C5的相似度被更新为0.92，其中，0.92为先前分配的相似度0.83与第三相似度0.92之中的较大值。因此，对于还未被确定为对应于与任何登记的指纹图像的匹配区域的区域C6，保持为示例的默认值0.0。与先前分配的第一相似度0.97和第一匹配区域1032对应的示出的区域C1还保持为具有与针对第三匹配区域1036所分配的分配的第三相似度0.92不同的分配的0.97。
如上所述，在基于匹配区域的相似度中，可针对输入的指纹图像与登记的指纹图像中的每一个之间的每个匹配区域，确定输入的指纹图像与登记的指纹图像中每一个之间的各个相似度。此外，每次将输入的指纹图像与不同的登记的指纹图像中的每一个进行比较并且对应的额外的匹配区域被确定时，基于匹配区域的相似度的整个匹配区域可随着每次基于匹配区域的相似度更新而递增地扩展。
因此，当基于第三匹配区域1036和第三相似度完成基于匹配区域的相似度1045的更新时，指纹验证设备基于更新的匹配区域相似度1055来确定分数，并确定分数是否满足指纹验证条件。响应于分数满足指纹验证条件，指纹验证设备确定输入的指纹图像的指纹验证处理成功，并且指纹验证设备可指示指纹验证处理的成功。响应于分数不满足指纹验证条件，指纹验证设备可对剩余的每个登记的指纹图像执行前面描述的相同操作，直到指纹验证条件被满足。当基于最终更新的基于匹配区域的相似度所确定的(例如，作为对所有登记的指纹图像执行这样的操作的结果所获得的)最终分数不满足指纹验证条件时，指纹验证设备可确定指纹验证处理不成功。
图11A和图11B是示出根据基于匹配区域的相似度执行指纹验证的方法的示例的示图。
参照图11A，基于匹配区域的相似度1120可被实现为具有与输入的指纹图像1100的分辨率相同的分辨率的图像。例如，在输入的指纹图像1100的分辨率为n×m(其中，n表示宽度上的像素的数量，m表示长度上的像素的数量)的情况下，基于匹配区域的相似度1120的分辨率也可为n×m。这里，例如，包括在图11A中的基于匹配区域的相似度的1120中的示出的多个相似度中的每一个对应于输入的指纹图像1100与多个登记的指纹图像中的每一个之间的相似度。仅作为示例，登记的指纹图像中的每一个也可具有n×m分辨率。
这里，可以以示例中所示的矩形形状(例如，如图11A中所示的输入的指纹图像1100)或者椭圆形状(例如，如图11B中所示的输入的指纹图像1130)来提供输入的指纹图像。在一个示例中，在用户的手指正触摸显示器的同时，通过集成在显示器中的指纹传感器来捕捉用户的指纹的图像的情况下，所得到的椭圆形状的输入的指纹图像1130可如图11B中所示地被捕捉到。可选地或额外地，指纹传感器的感测区域可具有椭圆形状，并且由指纹传感器捕捉的所得到的输入的指纹图像可具有椭圆形状。在上面描述的分别确定图1至图10的基于匹配区域的相似度(例如，与这样的椭圆形状的输入的指纹图像对应的基于匹配区域的相似度)的上述操作之后，例如，输入的指纹图像1130可被可视化为图11B中所示的基于匹配区域的相似度1140，并且还如上面所讨论的，根据基于匹配区域的相似度1140中所表现的相似度和匹配区域的考虑来执行指纹验证。
返回参照图11A，并且作为示例，下面将更详细地描述根据基于匹配区域的相似度1120来确定指纹验证条件是否被满足。
在基于匹配区域的相似度1120中，第一区域1122是与输入的指纹图像1100与第一登记的指纹图像之间的匹配区域相关联的区域，并且0.97是分配给第一区域1122的相似度。相似度0.83、0.0和0.92是分别分配给第二区域1124、第三区域1126和第四区域1128的相似度值。相似度0.0可以是分配给第三区域1126的默认值，这是因为第三区域1126不包括与所有登记的指纹图像中的任何一个匹配的区域，或者由于针对登记的指纹图像而确定的相当低的相似度(例如，当对应地确定的相似度不满足预定的最小相似度时)而导致未确定这种匹配区域、或由于相当低的相似度而导致确定不调节默认值。
在一个示例中，指纹验证设备使用基于匹配区域的相似度，基于具有满足阈值(例如，大于或等于阈值)的相似度的所有匹配区域的总尺寸是否满足阈值尺寸(例如，大于或等于阈值尺寸大小)，来确定指纹验证是否成功。例如，在阈值为0.90并且阈值尺寸为A(例如，4000)的情况下，指纹验证设备确定第一区域1122和第四区域1128为仅有的相似度满足阈值的匹配区域，然后，当第一区域1122的尺寸和第四区域1128的尺寸之和满足A时，确定指纹验证成功。在基于匹配区域的相似度1120被提供为图像，或者可由图像表示的情况下，尺寸之和可被确定为已经被分配满足0.90的相似度的图像中的像素的总数量。
在另一示例中，指纹验证设备根据基于匹配区域的相似度1120中的最高或最大的N个相似度的平均值是否满足(例如，大于或等于)阈值，来确定指纹验证是否成功。例如，在N为100并且阈值为0.95的情况下，指纹验证设备将基于匹配区域的相似度1120中的多个相似度以降序进行排列或考虑，按顺序提取最高的100个相似度，并且当提取的100个相似度的平均值满足(例如，大于或等于)预定的阈值0.95时，确定指纹验证成功。
在另一示例中，指纹验证设备通过将基于匹配区域的相似度1120中的多个相似度以降序进行排列并确定最高的第M个相似度是否大于或等于阈值，来确定指纹验证是否成功。例如，在M为200并且阈值为0.9的情况下，指纹验证设备将基于匹配区域的相似度1120中的相似度以降序进行排列，并且当多个相似度的顺序中的最高的第200个相似度满足(例如，大于或等于)0.9时，确定指纹验证成功。
在这些示例中，N和M的值可以、由例如制造商、服务提供者和/或用户预定和/或设置、调节或更新。类似地，在此的这种阈值也可以由诸如制造商预定和/或由制造商、服务提供者和/或用户设置、调节或更新。
指纹验证设备可使用各种指纹验证条件来确定指纹验证是否成功和/或可确定指纹验证是否不成功，并且示例的范围不被前面描述的示例限制。
图12是示出指纹验证设备的示例的示图。
参照图12，指纹传感器1210获得(例如，捕捉、读取和/或接收)用户(例如，尝试指纹验证的用户)的指纹信息，并产生输入的指纹图像。输入的指纹图像可被传送或发送到指纹验证设备1220，并且指纹验证设备1220被配置为将输入的指纹图像与存储在登记的图像DB 1230中的至少一个登记的指纹图像进行比较来执行指纹验证。指纹验证处理还可包括指纹登记处理，其中，在所述指纹登记处理中，用户可登记至少一根手指中的每一根手指的指纹图像，并且登记的指纹图像DB 1230可被产生并存储登记的指纹图像。可通过连接到用于捕捉一个或多个指纹的指纹传感器1210或另一指纹传感器的另一指纹验证设备或另一装置，来执行指纹登记处理，以产生并存储登记的指纹图像。正如存在指纹传感器1210被包括在指纹验证设备1220中或与指纹验证设备1220分离的示例，登记的指纹图像DB 1230可以可选地包括在指纹验证设备1220中。例如，指纹验证设备1220可在验证处理期间，向登记的指纹图像DB 1230分别请求或访问多个登记的指纹图像，或者登记的指纹图像DB 1230可基于指纹验证设备1220的命令将登记的指纹图像自动地提供给指纹验证设备1220。这里，尽管提出了用于各个实施例的示例，但是示例不限于此。
指纹验证设备1220可被配置为执行在此描述的任意一个、组合或全部指纹验证方法中的任意一个、组合或全部处理、阶段或操作，诸如，上面针对图1至图11B所描述的，并且作为非限制性示例，诸如，通过前面提到的结果的明确地或隐含地指示，将指纹验证的结果提供给用户或另一服务器或装置。作为进一步示例，指纹验证设备1220可通过例如输出语音、振动、显示的书写字符、显示的示图或显示的视频，来提供示例的指纹验证的结果的明确指示。然而，结果的指示不限于上面描述的示例，指纹验证设备1220可以以各种形式来指示结果。
指纹验证设备1220包括至少一个处理器1222和存储器1224。针对在此描述的指纹验证处理、阶段、操作和/或方法中的任意一个、任何组合或全部的期间或作为在此描述的指纹验证处理、阶段、操作和/或方法中的任何、任何组合或全部的结果，存储器1224连接到处理器1222，并存储由处理器1222可执行的指令、由处理器1222操作的数据和/或由处理器1222处理的数据。存储器1224可包括，例如，非暂时性计算机可读介质(例如，高速随机存取存储器)和/或非易失性计算机可读存储介质(例如，至少一个磁盘存储装置、闪存装置和其他非易失性固态存储装置)。
处理器1222执行这种指令，该指令用于控制处理器1222执行参照图1至图11B描述的任意一个、组合、或全部处理、阶段、操作和/或方法。通过这样执行的指令或通过其他硬件实现，处理器1222可被配置为基于输入的指纹图像与至少一个登记的指纹图像之间的确定的匹配区域，来确定基于匹配区域的相似度，并根据基于匹配区域的相似度来确定对输入的指纹图像执行指纹验证的结果。处理器1222可被配置为基于输入的指纹图像与登记的指纹图像之间的匹配区域以及对应于输入的指纹图像与登记的指纹图像之间的匹配区域的相似度，来产生、设置或更新基于匹配区域的相似度。处理器1222根据基于更新的基于匹配区域的相似度所确定的分数是否满足指纹验证条件，来确定指纹验证是否成功。
图13是示出计算设备的示例的示图。
计算设备1300通过获得用户的指纹图像并将获得的指纹图像与登记的指纹图像进行比较来执行指纹验证处理。计算设备1300可被配置为包括或实现图12中所示的指纹验证设备1220的功能，因此，上面的描述适用于计算设备1300的操作，并且仅为了简洁目的，下面可不全部重复。此外，在一个示例中，计算设备1300对应于指纹验证设备1220。参照图13，计算设备1300包括：处理器1310、存储器1320、指纹传感器1330、存储装置1340、输入装置1350、输出装置1360以及网络接口1370。计算设备1330的处理器1310以及图12的处理器1222可分别为单个处理器、多个处理器或多个联网的处理器或者共享这样的处理器之间的操作的实现的计算装置的代表。因此，在此对一个处理器的参考也表示一个或多个处理器的示例。处理器1310、存储器1320、指纹传感器1330、存储装置1340、输入装置1350、输出装置1360以及网络接口1370还可通过示例的通信总线1380彼此通信。
处理器1310被配置为实施计算设备1300中的功能和指令。例如，处理器1310可被配置为执行存储在存储器1320或存储装置1340中的指令。因此，通过这样的指令和/或通过可选择的硬件实施方式，处理器1310被配置为执行参照图1至图12描述的任意一个、组合或全部处理、阶段或操作。
存储器1320存储将用于由计算设备1300实施的指纹验证处理的信息。存储器1320包括：计算机可读存储介质或计算机可读存储装置。例如，存储器1320包括：随机存储存储器(RAM)、动态RAM(DRAM)、静态RAM(SRAM)或在本公开的理解之后本公开所属的技术领域中的其他形式的非易失性存储器。存储器1320可存储将由处理器1310实施的或执行的前面提到的指令，并且可存储在由计算设备1300进一步实施的任何软件或应用的执行期间产生或依赖的相关信息。例如，存储器1320可存储软件或应用(诸如，移动银行应用，或在成功的指纹验证时移动银行应用被执行或授权的处理)，其中，所述软件或应用的执行指示指纹验证处理的成功。
例如，响应于检测或确定正在输入指纹或从用户提供指纹，指纹传感器1330可获得(例如，捕捉、读取或接收)输入的指纹图像。指纹的输入可包括通过可从其获得指纹的用户执行的所有动作或操作。例如，在用户的手指接触到感测区域或者用户使用手指对感测区域执行滑动动作的情况下，指纹传感器1330可被配置为感测用户的手指。在另一示例中，在指纹传感器1330被集成在显示器示例中的情况下，显示器的表面可被实现为感测区域，并且指纹传感器1330可被配置为从被确定为与显示器接触的手指，感测指纹。指纹传感器1330可被配置为执行各种指纹信息获得(例如，捕捉、读取、和/或接收)方法，例如，仅作为示例的超声波方法、互电容方法和红外图像捕捉方法。例如，指纹传感器1330可捕捉与指纹传感器1330的感测区域对应的指纹区域作为指纹图像。
存储装置1340包括计算机可读存储介质或计算机可读存储装置。存储装置1340存储包括登记的指纹图像的DB。在一个示例中，存储装置1340存储比存储器1320更大量的信息，并且长时间存储该信息。例如，存储装置1340可包括，例如，磁盘、光盘、闪存、可擦除可编程只读存储器(EPROM)、软盘以及本公开所属的技术领域中公知的其他形式的非易失性存储器。
输入装置1350被配置为通过触觉、视频、音频和/或触摸输入来获得(例如，捕捉、读取和/或接收)来自用户的输入。例如，输入装置1350可包括以下项中的一个或多个：键盘、鼠标、触摸屏、麦克风、指纹阅读器、视网膜扫描仪和被配置为检测来自用户的输入并将检测到的输入传送到计算设备1300的其他装置。
输出装置1360被配置为通过视觉、听觉和/或触觉通道将计算设备的输出提供给用户。例如，输出装置1360可通过与指纹验证相关联的可视化信息将输出提供给用户。例如，输出装置1360可包括：液晶显示器(LCD)、发光二极管(LED)显示器、触摸屏、扬声器、振动发生器以及被配置为将输出提供给用户的其他装置中的一个或多个。
网络接口1370可被配置为和/或被控制为通过有线或无线网络来与外部装置通信，其中，网络接口1370被配置为与有线或无线网络交互。例如，网络接口1370可包括：以太网卡、光收发器、射频收发器和被配置为发送和接收信息的其他网络接口卡中的一个或多个。网络接口1370可通过例如，蓝牙、WiFi以及第三代(3G)或第四代(4G)通信方法，与外部装置无线通信。
根据在此描述的一个或多个示例实施例，可使用基于匹配区域的相似度，基于输入的指纹图像与各个登记的指纹图像中的每一个之间的整合的匹配区域和相似度的整合来执行指纹验证。此外，当指纹图像和登记的指纹图像独立地比较，而可防止没有考虑这种基于匹配区域的相似度而在将指纹图像和登记的指纹图像独立比较时可在指纹验证中发生的错误拒绝和错误接受，因此，在示例中，指纹验证的准确性或识别率可被提高。
通过硬件组件来实现执行本申请中描述的操作以及在此针对图1至图13描述的仅作为示例的计算设备100、指纹传感器110、处理器、指纹验证设备、指纹传感器1210、指纹验证设备1220、处理器1222、存储器1224、处理器1310、存储器1320、计算设备1300、指纹传感器1330、存储装置1340、输入装置1350、输出装置1360、网络接口1370和总线1380，以及其他设备、硬件模块、装置和其他组件。可用于执行本申请中描述的操作的硬件组件的示例在适当的情况下包括：控制器、传感器、生成器、驱动器、存储器、比较器、算数逻辑单元、加法器、减法器、乘法器、除法器、积分器以及被配置为执行本申请中描述的操作的任何其他电子组件。在其他示例中，通过计算硬件(例如，通过一个或多个处理器或计算机)来实现执行本申请中描述的操作的一个或多个硬件组件。可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、微处理器或者被配置为以限定的方式响应并执行指令以实现期望的结果的任何其他装置或装置的组合)来实现处理器或计算机。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可执行指令或软件(诸如，操作系统(OS)以及在OS上运行的一个或多个软件应用)，以执行本申请中描述的操作。硬件组件还可响应于指令或软件的执行来访问、操控、处理、创建和存储数据。为了简明起见，单数术语“处理器”或“计算机”可用于本申请中描述的示例的描述，但是在其他示例中，多个处理器或计算机可被使用，或者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者两者。例如，单个硬件组件或者两个或更多个硬件组件可通过单个处理器或者两个或更多个处理器或者一个处理器和一个控制器来实现。一个或多个硬件组件可通过一个或多个处理器或者一个处理器和一个控制器来实现，并且一个或多个其他硬件组件可通过一个或多个其他处理器或者另一处理器和另一控制器来实现。一个或多个处理器或者一个处理器和一个控制器可实现单个硬件组件或者两个或更多个硬件组件。硬件组件可具有任意一个或多个不同的处理配置，其示例包括：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)多处理和多指令多数据(MIMD)多处理。
通过计算硬件(例如，通过被实现为如上面描述地执行指令或软件以执行本申请中描述的由方法执行的操作的一个或多个处理器或者计算机)来执行图1至图13中解释的执行本申请中描述的操作的处理和方法。例如，单个操作或者两个或更多个操作可通过单个处理器或者两个或更多个处理器或者一个处理器和一个控制器来执行。一个或多个操作可通过一个或多个处理器或者一个处理器和一个控制器来执行，并且一个或多个其他操作可通过一个或多个其他处理器或者另一处理器和另一控制器来执行。一个或多个处理器或者一个处理器和一个控制器可执行单个操作或者两个或更多个操作。
用于控制处理器或计算机实现硬件组件并且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、指令或它们的任意组合，以单独地或共同地指示或者配置处理器或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。在另一示例中，指令或软件包括由处理器或计算机使用解释器执行的高级代码。可基于附图中所示的框图和流程图以及说明书(其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)中的相应的描述，使用任意编程语言来编写指令或软件。
用于控制计算硬件(例如，一个或多个处理器或计算机)实现硬件组件并且执行如上所述的方法的指令或软件以及任何关联的数据、数据文件和数据结构可被记录、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，或者可被记录、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)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存储存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、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、蓝光或光盘存储、硬盘驱动器(HDD)、固态驱动器(SSD)、闪存、诸如微型多媒体卡或卡(例如，安全数字(SD)或极速卡(XD))的卡型存储器、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置，其中，所述任何其他装置被配置为：以非暂时性方式存储指令或软件以及任何关联的数据、数据文件和数据结构，并将指令或软件以及任何关联的数据、数据文件和数据结构提供给一个或多个处理器或者计算机，使得一个或多个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关联的数据、数据文件以及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关联的数据、数据文件以及数据结构通过一个或多个处理器或计算机以分布式的方式存储、访问并执行。
尽管本公开包括具体示例，但是在理解本申请的公开之后将清楚，在不脱离权利要求及其等同物的精神和范围的情况下，可对这些示例进行各种形式和细节上的改变。这里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将被认为可适用于其他示例中的类似特征或方面。如果描述的技术以不同的顺序执行，和/或如果描述的系统、架构、装置或电路中的组件以不同的方式结合和/或由其他组件或它们的等同物替代或补充，则可获得适当的结果。因此，本公开的范围不是由具体实施方式限定，而是由权利要求及其等同物限定，并且权利要求及其等同物的范围内的所有变化将被解释为包括在本公开中。

Claims (33)

1.一种指纹验证方法，包括：
获得输入的指纹图像；
确定输入的指纹图像与登记的指纹图像之间的匹配区域；
确定与匹配区域对应的相似度；
将确定的相似度与匹配区域进行关联从而在基于匹配的相似度中表现确定的相似度和匹配区域二者；
根据基于匹配区域的相似度，来确定输入的指纹图像的验证的结果。
2.根据权利要求1所述的指纹验证方法，其中，进行关联的步骤包括：
基于匹配区域和确定的相似度，来确定基于匹配区域的相似度。
3.根据权利要求2所述的指纹验证方法，还包括：通过默认相似度值而不表现匹配区域来初始地产生基于匹配区域的相似度，
其中，确定基于匹配区域的相似度的步骤包括：将匹配区域表现在基于匹配区域的相似度中，并且将与在基于匹配区域的相似度中所表现的匹配区域对应的相似度值从默认相似度值改变为确定的相似度。
4.根据权利要求2所述的指纹验证方法，其中，确定验证的结果的步骤包括：
确定针对确定的基于匹配区域的相似度的分数；
基于所述分数是否满足预定的指纹验证条件，来确定验证是否成功。
5.根据权利要求1所述的指纹验证方法，
其中，确定与匹配区域对应的相似度的步骤包括：确定与输入的指纹图像和第一登记的指纹图像之间的第一匹配区域对应的第一相似度，
其中，进行关联的步骤包括：基于第一相似度和第一匹配区域来确定基于匹配区域的相似度，
其中，所述指纹验证方法还包括：响应于根据确定的基于匹配区域的相似度而确定的分数不满足指纹验证条件，确定与输入的指纹图像和第二登记的指纹图像之间的确定的第二匹配区域对应的第二相似度。
6.根据权利要求5所述的指纹验证方法，其中，基于第一相似度和第一匹配区域来确定基于匹配区域的相似度的步骤包括：将第一相似度分配给在确定的基于匹配区域的相似度中所表现的第一匹配区域。
7.根据权利要求5所述的指纹验证方法，其中，所述指纹验证方法还包括：还响应于根据确定的基于匹配区域的相似度而确定的分数不满足指纹验证条件，基于第二匹配区域和第二相似度来更新确定的基于匹配区域的相似度。
8.根据权利要求7所述的指纹验证方法，其中，基于第二匹配区域和第二相似度来更新确定的基于匹配区域的相似度的步骤包括：
响应于第一匹配区域与第二匹配区域之间存在重叠区域，将第一相似度与第二相似度之中的最大相似度分配给在更新的基于匹配区域的相似度中所表现的重叠区域。
9.根据权利要求8所述的指纹验证方法，其中，基于第二匹配区域和第二相似度来更新确定的基于匹配区域的相似度的步骤还包括：
将第二相似度分配给在更新的基于匹配区域的相似度中所表现的第二匹配区域的未反映重叠区域的剩余区域。
10.根据权利要求1所述的指纹验证方法，其中，确定验证的结果的步骤包括：
确定针对基于匹配区域的相似度的分数；
响应于所述分数满足预定的指纹验证条件，确定输入的指纹图像的验证成功。
11.根据权利要求10所述的指纹验证方法，其中，确定验证的结果的步骤包括：
使用表现针对多个登记的指纹图像的多个匹配区域的基于匹配区域的相似度，来确定均具有满足预定的阈值的相似度的一个或多个匹配区域的总的尺寸是否满足预定的阈值尺寸，并基于确定总的尺寸是否满足预定的阈值尺寸的结果，来确定输入的指纹图像的验证是否成功。
12.根据权利要求10所述的指纹验证方法，其中，确定验证的结果的步骤包括：
响应于与在针对多个登记的指纹图像的基于匹配区域的相似度中所表现的多个匹配区域中的至少一些匹配区域分别关联的相似度值的平均相似度值满足预定的阈值，确定输入的指纹图像的验证成功。
13.根据权利要求12所述的指纹验证方法，其中，所述多个匹配区域中的所述至少一些匹配区域小于在基于匹配区域的相似度中所表现的全部的所述多个匹配区域。
14.根据权利要求10所述的指纹验证方法，其中，确定验证的结果的步骤还包括：
响应于基于针对所有登记的指纹图像确定的基于匹配区域的相似度而确定的分数不满足预定的指纹验证条件，确定输入的指纹图像的验证不成功。
15.根据权利要求1所述的指纹验证方法，还包括：指示验证的结果。
16.一种存储指令的非暂时性计算机可读存储介质，当由处理器执行所述指令时使得处理器执行如权利要求1所述的方法。
17.一种指纹验证方法，包括：
获得输入的指纹图像；
确定与输入的指纹图像和第一登记的指纹图像之间的第一匹配区域对应的第一相似度；
基于第一相似度和第一匹配区域来确定基于匹配区域的相似度；
根据基于匹配区域的相似度来确定分数；
响应于所述分数满足预定的指纹验证条件，而确定输入的指纹图像的验证成功；
响应于所述分数不满足预定的指纹验证条件，而：
确定与输入的指纹图像和第二登记的指纹图像之间的第二匹配区域对应的第二相似度，并
基于第二相似度和第二匹配区域来更新基于匹配区域的相似度；以及
基于更新的基于匹配区域的相似度来确定分数，以确定输入的指纹图像的验证的结果。
18.根据权利要求17所述的方法，其中，更新基于匹配区域的相似度的步骤包括：
响应于第一匹配区域与第二匹配区域之间存在重叠区域，将第一相似度与第二相似度之中的最大相似度分配给在更新的基于匹配区域的相似度中所表现的重叠区域。
19.根据权利要求18所述的方法，其中，更新基于匹配区域的相似度的步骤还包括：
将第二相似度分配给在更新的基于匹配区域的相似度中所表现的第二匹配区域的未反映重叠区域的剩余区域。
20.根据权利要求17所述的方法，其中，确定验证的结果的步骤包括：
使用表现针对包括第一登记的指纹图像和第二登记的指纹图像的多个登记的指纹图像的多个匹配区域的基于匹配区域的相似度，来确定均具有满足预定的阈值的相似度的一个或多个匹配区域的总的尺寸是否满足预定的阈值尺寸，并且基于确定总的尺寸是否满足预定的阈值尺寸的结果，来确定输入的指纹图像的验证是否成功。
21.根据权利要求17所述的方法，其中，确定验证的结果的步骤包括：
响应于与在针对包括第一登记的指纹图像和第二登记的指纹图像的多个登记的指纹图像的基于匹配区域的相似度中所表现的多个匹配区域中的至少一些匹配区域分别关联的相似度值的相似度平均值满足预定的阈值，确定输入的指纹图像的验证成功。
22.一种指纹验证方法，包括：
获得输入的指纹图像；
确定输入的指纹图像与第一登记的指纹图像之间的第一匹配区域；
确定与第一匹配区域对应的第一相似度；
基于第一相似度和第一匹配区域，来确定基于匹配区域的相似度；
确定输入的指纹图像与第二登记的指纹图像之间的第二匹配区域；
确定与第二匹配区域对应的第二相似度；
基于第二相似度和第二匹配区域来更新基于匹配区域的相似度；
基于表现针对包括第一登记的指纹图像和第二登记的指纹图像的多个登记的指纹图像的多个匹配区域而最终更新的基于匹配区域的相似度，来确定分数；
基于所述分数是否满足预定的验证条件，来确定输入的指纹图像的验证的结果。
23.根据权利要求22所述的指纹验证方法，其中，更新基于匹配区域的相似度的步骤包括：
响应于第一匹配区域与第二匹配区域之间存在重叠区域，
将对应于第一匹配区域的第一相似度与对应于第二匹配区域的第二相似度之中的最大相似度分配给在更新的基于匹配区域的相似度中所表现的重叠区域。
24.根据权利要求23所述的指纹验证方法，其中，更新基于匹配区域的相似度的步骤还包括：
将第二相似度分配给在更新的基于匹配区域的相似度中所表现的第二匹配区域的未反映重叠区域的剩余区域。
25.根据权利要求22所述的指纹验证方法，其中，确定验证的结果的步骤包括：
使用最终更新的基于匹配区域的相似度来确定均具有满足预定的阈值的相似度的一个或多个匹配区域的总的尺寸是否满足预定的阈值尺寸，并基于确定总的尺寸是否满足预定的阈值尺寸的结果，来确定输入的指纹图像的验证是否成功。
26.根据权利要求22所述的指纹验证方法，其中，确定验证的结果的步骤包括：
响应于与在最终更新的基于匹配区域的相似度中所表现的所述多个匹配区域中的所述至少一些匹配区域分别关联的相似度值的相似度平均值满足预定的阈值，确定输入的指纹图像的验证成功。
27.一种指纹验证方法，包括：
获得输入的指纹图像；
基于针对输入的指纹图像与多个登记的指纹图像中的每一个登记的指纹图像之间分别确定的匹配区域而确定的相似度，分别递增更新基于匹配区域的相似度；
针对基于匹配区域的相似度的一个或多个递增更新中的每个更新来确定各个分数，或者基于表现针对所述多个登记的指纹图像中的至少多个的多个匹配区域的最终更新的基于匹配区域的相似度来确定最终分数；
基于各个分数或最终分数中的任何一个是否满足预定的验证条件，来确定输入的指纹图像的验证的结果。
28.根据权利要求27所述的指纹验证方法，其中，当在确定验证的结果中各个分数的对应的分数被确定为满足预定的验证条件时，针对基于匹配区域的相似度的一个或多个递增更新中的每个更新来确定各个的分数的步骤停止。
29.根据权利要求27所述的指纹验证方法，还包括：指示确定的验证的结果。
30.一种指纹验证设备，包括：
处理器，被配置为：
确定输入的指纹图像与登记的指纹图像之间的匹配区域；
确定与匹配区域对应的相似度；
将确定的相似度与匹配区域进行关联从而在基于匹配的相似度中表现确定的相似度和匹配区域二者；
根据基于匹配区域的相似度，来确定输入的指纹图像的验证的结果。.
31.根据权利要求30所述的指纹验证设备，其中，处理器还被配置为：基于输入的指纹图像和登记的指纹图像之间的匹配区域和与输入的指纹图像和登记的指纹图像之间的匹配区域对应的相似度，来确定基于匹配区域的相似度。
32.根据权利要求31所述的指纹验证设备，其中，处理器还被配置为：基于更新的基于匹配区域的相似度来确定分数，并且基于所述分数是否满足预定的指纹验证条件来确定验证的结果。
33.根据权利要求30所述的指纹验证设备，其中，处理器还被配置为：指示验证的结果。
CN201810166057.7A 2017-03-14 2018-02-28 指纹验证方法和设备 Active CN108573137B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20170031889 2017-03-14
KR10-2017-0031889 2017-03-14
KR10-2017-0097033 2017-07-31
KR1020170097033A KR102447100B1 (ko) 2017-03-14 2017-07-31 지문 인증 방법 및 장치

Publications (2)

Publication Number Publication Date
CN108573137A true CN108573137A (zh) 2018-09-25
CN108573137B CN108573137B (zh) 2023-11-14

Family

ID=61188719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810166057.7A Active CN108573137B (zh) 2017-03-14 2018-02-28 指纹验证方法和设备

Country Status (3)

Country Link
US (3) US10909347B2 (zh)
EP (1) EP3376434B1 (zh)
CN (1) CN108573137B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409071A (zh) * 2018-11-13 2019-03-01 湖北文理学院 电子设备的解锁方法、装置和电子设备
CN109784195A (zh) * 2018-12-20 2019-05-21 金菁 一种用于企业指纹打卡的指纹识别方法及系统
CN111222366A (zh) * 2018-11-26 2020-06-02 上海耕岩智能科技有限公司 一种指纹识别方法及装置、存储介质、终端
CN112183508A (zh) * 2020-11-30 2021-01-05 深圳阜时科技有限公司 指纹识别方法、指纹识别传感器及电子设备
CN112668010A (zh) * 2020-12-17 2021-04-16 哈尔滨工大天创电子有限公司 扫描工业控制系统的漏洞的方法、系统及计算设备
CN114282567A (zh) * 2020-12-23 2022-04-05 深圳阜时科技有限公司 指纹识别方法、指纹识别传感器及电子设备
WO2022110492A1 (zh) * 2020-11-24 2022-06-02 广州广电运通金融电子股份有限公司 指静脉身份识别方法、装置、计算机设备和存储介质

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114600173A (zh) * 2019-12-12 2022-06-07 谷歌有限责任公司 用于认证的指纹捕获并匹配
US11163970B1 (en) 2020-06-16 2021-11-02 Google Llc Optical fingerprint system with varying integration times across pixels
CN112434572B (zh) * 2020-11-09 2022-05-06 北京极豪科技有限公司 指纹图像校准方法、装置、电子设备及存储介质
CN116434352B (zh) * 2023-06-12 2023-09-22 深圳市航顺芯片技术研发有限公司 指纹库生成方法、指纹识别装置及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3788085D1 (de) * 1986-06-30 1993-12-16 Identix Inc Verfahren und Gerät zur Identitätsprüfung mittels Bildkorrelation.
KR20020092522A (ko) * 2001-06-04 2002-12-12 주식회사 테크스피어 손가락 마디 지문을 이용한 개인 식별 방법 및 그 장치
US20040218791A1 (en) * 1999-07-08 2004-11-04 Xudong Jiang Two-stage local and global fingerprint matching technique for automated fingerprint verification/identification
US20050129291A1 (en) * 2003-10-01 2005-06-16 Authentec, Inc. State Of Incorporation: Delaware Methods for finger biometric processing and associated finger biometric sensors
US20160307023A1 (en) * 2015-04-15 2016-10-20 Samsung Electronics Co., Ltd. Method and apparatus for recognizing fingerprint
EP3086262A1 (en) * 2015-04-23 2016-10-26 Samsung Electronics Co., Ltd. Fingerprint verification method and apparatus
US20170004295A1 (en) * 2015-06-30 2017-01-05 Samsung Electronics Co., Ltd. Methods and apparatuses for updating user authentication data
US20170004351A1 (en) * 2015-06-30 2017-01-05 Samsung Electronics Co., Ltd. Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3858391B2 (ja) 1997-11-20 2006-12-13 ソニー株式会社 画像照合装置及び画像照合方法
JP2003216952A (ja) 2002-01-21 2003-07-31 Casio Comput Co Ltd 画像データ照合方法、画像データ照合装置、及びプログラム
JP2003323618A (ja) 2002-04-30 2003-11-14 Sharp Corp 画像照合装置、画像照合方法、画像照合プログラムおよび画像照合プログラムを記録したコンピュータ読取り可能な記録媒体
US8306288B2 (en) 2009-08-19 2012-11-06 Harris Corporation Automatic identification of fingerprint inpainting target areas
US9117145B2 (en) 2013-03-15 2015-08-25 Apple Inc. Finger biometric sensor providing coarse matching of ridge flow data using histograms and related methods
US9576126B2 (en) * 2014-02-13 2017-02-21 Apple Inc. Updating a template for a biometric recognition device
CN105205439B (zh) * 2015-02-13 2017-05-03 比亚迪股份有限公司 指纹重叠区域面积的计算方法及电子装置
KR102415504B1 (ko) 2015-06-30 2022-07-04 삼성전자주식회사 사용자 인증을 위한 등록 데이터베이스의 갱신 방법 및 장치
KR102558736B1 (ko) 2015-06-30 2023-07-25 삼성전자주식회사 지문 인식 방법 및 장치
KR101639404B1 (ko) 2015-10-14 2016-07-13 주식회사 다날 지문 분할 인식 기반의 사용자 인증 장치 및 방법
US9626549B1 (en) * 2015-11-16 2017-04-18 MorphoTrak, LLC Derived virtual quality parameters for fingerprint matching

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3788085D1 (de) * 1986-06-30 1993-12-16 Identix Inc Verfahren und Gerät zur Identitätsprüfung mittels Bildkorrelation.
US20040218791A1 (en) * 1999-07-08 2004-11-04 Xudong Jiang Two-stage local and global fingerprint matching technique for automated fingerprint verification/identification
KR20020092522A (ko) * 2001-06-04 2002-12-12 주식회사 테크스피어 손가락 마디 지문을 이용한 개인 식별 방법 및 그 장치
US20050129291A1 (en) * 2003-10-01 2005-06-16 Authentec, Inc. State Of Incorporation: Delaware Methods for finger biometric processing and associated finger biometric sensors
US20160307023A1 (en) * 2015-04-15 2016-10-20 Samsung Electronics Co., Ltd. Method and apparatus for recognizing fingerprint
CN106056037A (zh) * 2015-04-15 2016-10-26 三星电子株式会社 用于识别指纹的方法和设备
EP3086262A1 (en) * 2015-04-23 2016-10-26 Samsung Electronics Co., Ltd. Fingerprint verification method and apparatus
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
US20170004295A1 (en) * 2015-06-30 2017-01-05 Samsung Electronics Co., Ltd. Methods and apparatuses for updating user authentication data
US20170004351A1 (en) * 2015-06-30 2017-01-05 Samsung Electronics Co., Ltd. Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint
CN106326327A (zh) * 2015-06-30 2017-01-11 三星电子株式会社 用于更新用户认证数据的方法和设备

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409071A (zh) * 2018-11-13 2019-03-01 湖北文理学院 电子设备的解锁方法、装置和电子设备
CN111222366A (zh) * 2018-11-26 2020-06-02 上海耕岩智能科技有限公司 一种指纹识别方法及装置、存储介质、终端
US11651618B2 (en) 2018-11-26 2023-05-16 Shanghai Harvest Intelligence Technology Co., Ltd. Fingerprint identification method and apparatus, storage medium and terminal
CN109784195A (zh) * 2018-12-20 2019-05-21 金菁 一种用于企业指纹打卡的指纹识别方法及系统
WO2022110492A1 (zh) * 2020-11-24 2022-06-02 广州广电运通金融电子股份有限公司 指静脉身份识别方法、装置、计算机设备和存储介质
CN112183508A (zh) * 2020-11-30 2021-01-05 深圳阜时科技有限公司 指纹识别方法、指纹识别传感器及电子设备
CN112183508B (zh) * 2020-11-30 2021-06-29 深圳阜时科技有限公司 指纹识别方法、指纹识别传感器及电子设备
CN112668010A (zh) * 2020-12-17 2021-04-16 哈尔滨工大天创电子有限公司 扫描工业控制系统的漏洞的方法、系统及计算设备
CN114282567A (zh) * 2020-12-23 2022-04-05 深圳阜时科技有限公司 指纹识别方法、指纹识别传感器及电子设备

Also Published As

Publication number Publication date
US20210158012A1 (en) 2021-05-27
US11625946B2 (en) 2023-04-11
CN108573137B (zh) 2023-11-14
US12008837B2 (en) 2024-06-11
US20180268196A1 (en) 2018-09-20
US20230245492A1 (en) 2023-08-03
US10909347B2 (en) 2021-02-02
EP3376434B1 (en) 2024-06-19
EP3376434A1 (en) 2018-09-19

Similar Documents

Publication Publication Date Title
CN108573137A (zh) 指纹验证方法和设备
CN109948408A (zh) 活性测试方法和设备
CN108629168A (zh) 脸部验证方法、设备以及计算设备
JP6650946B2 (ja) モバイル・デバイスを用いてキャプチャしたイメージを使用する指紋ベースのユーザ認証を実行するためのシステムおよび方法
CN109117700A (zh) 脸部验证方法和设备
CN110069970A (zh) 活性测试方法和设备
CN108664782A (zh) 面部验证方法和设备
CN108073889A (zh) 虹膜区域提取的方法和设备
CN108664879A (zh) 脸部验证方法和设备
US20200082409A1 (en) Systems and methods for tokenless authentication of consumers during payment transactions
CN106326829A (zh) 检测虚假指纹的方法和设备以及识别指纹的方法和设备
US10878071B2 (en) Biometric authentication anomaly detection
CN106030613A (zh) 用于认证候选指纹的方法及指纹感测系统
CN106326327A (zh) 用于更新用户认证数据的方法和设备
WO2019130670A1 (ja) 生体認証システム
US8225994B2 (en) Card processing apparatus and card processing method
EP2624205A1 (en) Registration program, registration device, and registration method
JP2020525964A (ja) 店内支払い許可のための顔バイオメトリクスカードエミュレーション
CN110162948A (zh) 用于执行组合认证的方法和设备
EP2610820A2 (en) Authentication apparatus, authentication program, and method of authentication
US11507650B2 (en) Radar-based behaviometric user authentication
CN108875509A (zh) 活体检测方法、装置和系统及存储介质
US20210019504A1 (en) Systems and methods for authenticating a user signing an electronic document
WO2010084963A1 (ja) 画像処理装置、生体認証装置、画像処理方法及び記録媒体
JP6806852B2 (ja) モデルの信頼度を検出するための方法及び装置

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
GR01 Patent grant
GR01 Patent grant