CN109101889B - 基于灰尘分析的指纹扫描机构 - Google Patents

Abstract

本发明涉及一种基于灰尘分析的指纹扫描机构，包括：数据扫描端子，设置在透明面板后方，用于对透明面板前的用户指纹进行数据扫描，以获得并输出对应的用户指纹图像；透明面板，设置在数据扫描端子的前方，用于为所述用户按压手指以输入指纹提供支撑件；厚度分析设备，设置在所述透明面板的上方，用于对所述透明面板上的灰尘厚度进行测量，并在所述灰尘厚度超过限量时，发出灰尘过厚信号，以及在所述灰尘厚度未超过限量时，发出灰尘正常信号；所述数据扫描端子还用于在接收到灰尘正常信号时，从休眠状态进入工作状态，以及在接收到灰尘过厚信号时，从工作状态进入休眠状态。通过本发明，克服了灰尘对指纹扫描的干扰。

Description

基于灰尘分析的指纹扫描机构

技术领域

本发明涉及指纹扫描领域，尤其涉及一种基于灰尘分析的指纹扫描机构。

背景技术

指纹检验就是通过把一个现场采集到的指纹与一个已经登记的指纹进行一对一的比对(one-to-one matching)，来确认身份的过程。作为验证的前提条件，他或她的指纹必须在指纹库中已经注册。指纹以一定的压缩格式存贮，并与其姓名或其标识(ID，PIN)联系起来。随后在比对现场，先验证其标识，然后，利用系统的指纹与现场采集的指纹比对来证明其标识是合法的。

把现场采集到的指纹同指纹数据厍中的指纹逐一对比，从中找出与现场指纹相匹配的指纹。这也叫“一对多匹配(one-to-many matching)”。辨识主要应用于犯罪指纹匹配的传统领域中。一个不明身份的人的指纹与指纹库中有犯罪记录的人指纹进行比对，来确定此人是否曾经有过犯罪记录。

发明内容

为了解决指纹扫描受灰尘干扰严重的技术问题，本发明提供了一种基于灰尘分析的指纹扫描机构，对放置手指的透明面板进行灰尘厚度检测，以确定是否需要触动自动除尘处理以及指纹扫描图像，从而避免无效操作，尤为关键的是，还引入了高精度的图像处理模式，提高了指纹识别的有效性；尤为关键的是，将序号在前的预设数量的噪声类型的数量作为最大噪声数量，基于所述最大噪声数量确定进行信号分割的层数，将所述高清图像中的各种噪声类型的数量作为参考噪声数量，基于所述参考噪声数量确定对小波系数进行缩小的百分比值，从而实现了对输入图像信号的针对性的图像去噪处理。

根据本发明的一方面，提供了一种基于灰尘分析的指纹扫描机构，所述机构包括：

数据扫描端子，设置在透明面板后方，用于对透明面板前的用户指纹进行数据扫描，以获得并输出对应的用户指纹图像；透明面板，设置在数据扫描端子的前方，用于为所述用户按压手指以输入指纹提供支撑件；厚度分析设备，设置在所述透明面板的上方，用于对所述透明面板上的灰尘厚度进行测量，并在所述灰尘厚度超过限量时，发出灰尘过厚信号，以及在所述灰尘厚度未超过限量时，发出灰尘正常信号；所述数据扫描端子还用于在接收到灰尘正常信号时，从休眠状态进入工作状态，以及在接收到灰尘过厚信号时，从工作状态进入休眠状态；数量检测设备，与所述数据扫描端子连接，用于接收所述用户指纹图像，获取所述用户指纹图像中的每一个像素点，基于邻域像素点的像素值确定所述用户指纹图像中的每一个像素点是否为边沿像素点，并获取所述用户指纹图像中的边沿像素点的累计数值；强度采集设备，与所述数量检测设备连接，用于接收所述用户指纹图像中的边沿像素点的累计数值和所述用户指纹图像，并基于所述用户指纹图像中的边沿像素点的累计数值确定对所述用户指纹图像执行边沿处理的强度，以获得并输出相应的强度处理图像；幅值测量设备，与所述强度采集设备连接，用于接收所述强度处理图像，对所述强度处理图像中的各种噪声类型进行最大幅值的从大到小排序，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出；数量识别设备，用于接收所述强度处理图像，获取所述强度处理图像中的各种噪声类型的数量，并将所述强度处理图像中的各种噪声类型的数量作为参考噪声数量输出；模式选择设备，与所述幅值测量设备连接，用于接收所述最大噪声数量，并基于所述最大噪声数量确定进行信号分割的层数，其中，所述最大噪声数量越多，进行信号分割的层数越多，所述模式选择设备将确定的进行信号分割的层数作为目标层数输出；系数提取设备，与所述数量识别设备连接，用于接收所述参考噪声数量，并基于所述参考噪声数量确定对小波系数进行缩小的百分比值，其中，所述参考噪声数量越多，确定的对小波系数进行缩小的百分比值越小，所述系数提取设备将确定对小波系数进行缩小的百分比值作为目标百分比值输出；信号去噪设备，分别与所述强度采集设备、所述模式选择设备和所述系数提取设备连接，用于接收所述强度处理图像、所述目标层数和所述目标百分比值，采用哈尔小波基于所述目标层数对所述强度处理图像执行所述目标层数的信号分解，以获得从第一层到最高层的各个高频系数和最高层的各个低频系数，对从第一层到最高层的各个高频系数进行基于目标百分比值的数值收缩，以获得从第一层到最高层的各个收缩后高频系数，并基于所述第一层到最高层的各个收缩后高频系数和所述最高层的各个低频系数重构所述强度处理图像对应的信号去噪图像；共轭梯度滤波设备，与所述信号去噪设备连接，用于接收所述信号去噪图像，对所述信号去噪图像执行基于共轭梯度算法的自适应滤波处理，以获得对应的共轭梯度滤波图像，并输出所述共轭梯度滤波图像；人员鉴别设备，与所述共轭梯度滤波设备连接，用于接收所述共轭梯度滤波图像，对所述共轭梯度滤波图像进行基于指纹特征识别的人员鉴别处理，以在鉴别到在线逃犯时，发出逃犯检测信号；其中，所述数据扫描端子还用于在接收到所述灰尘过厚信号时，停止对透明面板前的用户指纹进行数据扫描。

更具体地，在所述基于灰尘分析的指纹扫描机构中，还包括：

自动除尘设备，与所述厚度分析设备连接，用于在接收到所述灰尘过厚信号时，基于所述灰尘厚度执行与所述灰尘厚度对应的除尘处理。

更具体地，在所述基于灰尘分析的指纹扫描机构中：在所述信号去噪设备中，对所述最高层的各个低频系数进行数据保留处理。

更具体地，在所述基于灰尘分析的指纹扫描机构中：在所述幅值测量设备中，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出包括：所述预设数量与所述强度处理图像的解析度成正相关的关系。

更具体地，在所述基于灰尘分析的指纹扫描机构中：所述信号去噪设备包括信号接收子设备、信号收缩子设备和信号输出子设备。

更具体地，在所述基于灰尘分析的指纹扫描机构中：所述信号接收子设备用于接收所述强度处理图像、所述目标层数和所述目标百分比值。

更具体地，在所述基于灰尘分析的指纹扫描机构中：所述信号收缩子设备分别与所述信号接收子设备和所述信号输出子设备连接。

更具体地，在所述基于灰尘分析的指纹扫描机构中：所述自动除尘设备还用于在接收到所述灰尘正常信号时，不执行除尘处理。

更具体地，在所述基于灰尘分析的指纹扫描机构中：

所述人员鉴别设备在未鉴别到在线逃犯时，发出人员安全信号；其中，在所述强度采集设备中，所述用户指纹图像中的边沿像素点的累计数值越大，对所述用户指纹图像执行边沿处理的强度越大。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明实施方案示出的基于灰尘分析的指纹扫描机构的结构示意图。

具体实施方式

下面将参照附图对本发明的基于灰尘分析的指纹扫描机构的实施方案进行详细说明。

指纹特征数据可以通过电子邮件或其他传输方法在计算机网络上进行传输和验证，通过指纹检测技术，限定只有指定的人才能访问相关信息，可以极大地提高网上信息的安全性，这样，包括网上银行、网上贸易、电子商务的一系列网络商业行为，就有了安全性保障。

在SFNB(Security First Network Bank安全第一网络银行)，就是通过互联网络来进行资金划算的，他们目前正在实施以指纹识别技术为基础的保障安全性的项目，以增强交易的安全性。

为了克服上述不足，本发明搭建了一种基于灰尘分析的指纹扫描机构，能够有效解决相应的技术问题。

图1为根据本发明实施方案示出的基于灰尘分析的指纹扫描机构的结构示意图，所述机构包括：

数据扫描端子1，设置在透明面板后方，用于对透明面板前的用户指纹进行数据扫描，以获得并输出对应的用户指纹图像；

扫描光源2，设置在数据扫描端子的前方，透明面板的后方；

封装外壳3，用于封装数据扫描端子，封装外壳的前面板嵌入有透明面板；

透明面板4，设置在数据扫描端子的前方，用于为所述用户按压手指以输入指纹提供支撑件；

厚度分析设备，设置在所述透明面板的上方，用于对所述透明面板上的灰尘厚度进行测量，并在所述灰尘厚度超过限量时，发出灰尘过厚信号，以及在所述灰尘厚度未超过限量时，发出灰尘正常信号；

所述数据扫描端子还用于在接收到灰尘正常信号时，从休眠状态进入工作状态，以及在接收到灰尘过厚信号时，从工作状态进入休眠状态；

数量检测设备，与所述数据扫描端子连接，用于接收所述用户指纹图像，获取所述用户指纹图像中的每一个像素点，基于邻域像素点的像素值确定所述用户指纹图像中的每一个像素点是否为边沿像素点，并获取所述用户指纹图像中的边沿像素点的累计数值；

强度采集设备，与所述数量检测设备连接，用于接收所述用户指纹图像中的边沿像素点的累计数值和所述用户指纹图像，并基于所述用户指纹图像中的边沿像素点的累计数值确定对所述用户指纹图像执行边沿处理的强度，以获得并输出相应的强度处理图像；

幅值测量设备，与所述强度采集设备连接，用于接收所述强度处理图像，对所述强度处理图像中的各种噪声类型进行最大幅值的从大到小排序，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出；

数量识别设备，用于接收所述强度处理图像，获取所述强度处理图像中的各种噪声类型的数量，并将所述强度处理图像中的各种噪声类型的数量作为参考噪声数量输出；

模式选择设备，与所述幅值测量设备连接，用于接收所述最大噪声数量，并基于所述最大噪声数量确定进行信号分割的层数，其中，所述最大噪声数量越多，进行信号分割的层数越多，所述模式选择设备将确定的进行信号分割的层数作为目标层数输出；

系数提取设备，与所述数量识别设备连接，用于接收所述参考噪声数量，并基于所述参考噪声数量确定对小波系数进行缩小的百分比值，其中，所述参考噪声数量越多，确定的对小波系数进行缩小的百分比值越小，所述系数提取设备将确定对小波系数进行缩小的百分比值作为目标百分比值输出；

信号去噪设备，分别与所述强度采集设备、所述模式选择设备和所述系数提取设备连接，用于接收所述强度处理图像、所述目标层数和所述目标百分比值，采用哈尔小波基于所述目标层数对所述强度处理图像执行所述目标层数的信号分解，以获得从第一层到最高层的各个高频系数和最高层的各个低频系数，对从第一层到最高层的各个高频系数进行基于目标百分比值的数值收缩，以获得从第一层到最高层的各个收缩后高频系数，并基于所述第一层到最高层的各个收缩后高频系数和所述最高层的各个低频系数重构所述强度处理图像对应的信号去噪图像；

共轭梯度滤波设备，与所述信号去噪设备连接，用于接收所述信号去噪图像，对所述信号去噪图像执行基于共轭梯度算法的自适应滤波处理，以获得对应的共轭梯度滤波图像，并输出所述共轭梯度滤波图像；

人员鉴别设备，与所述共轭梯度滤波设备连接，用于接收所述共轭梯度滤波图像，对所述共轭梯度滤波图像进行基于指纹特征识别的人员鉴别处理，以在鉴别到在线逃犯时，发出逃犯检测信号；

其中，所述数据扫描端子还用于在接收到所述灰尘过厚信号时，停止对透明面板前的用户指纹进行数据扫描。

接着，继续对本发明的基于灰尘分析的指纹扫描机构的具体结构进行进一步的说明。

在所述基于灰尘分析的指纹扫描机构中，还包括：

自动除尘设备，与所述厚度分析设备连接，用于在接收到所述灰尘过厚信号时，基于所述灰尘厚度执行与所述灰尘厚度对应的除尘处理。

在所述基于灰尘分析的指纹扫描机构中：在所述信号去噪设备中，对所述最高层的各个低频系数进行数据保留处理。

在所述基于灰尘分析的指纹扫描机构中：在所述幅值测量设备中，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出包括：所述预设数量与所述强度处理图像的解析度成正相关的关系。

在所述基于灰尘分析的指纹扫描机构中：所述信号去噪设备包括信号接收子设备、信号收缩子设备和信号输出子设备。

在所述基于灰尘分析的指纹扫描机构中：所述信号接收子设备用于接收所述强度处理图像、所述目标层数和所述目标百分比值。

在所述基于灰尘分析的指纹扫描机构中：所述信号收缩子设备分别与所述信号接收子设备和所述信号输出子设备连接。

在所述基于灰尘分析的指纹扫描机构中：所述自动除尘设备还用于在接收到所述灰尘正常信号时，不执行除尘处理。

在所述基于灰尘分析的指纹扫描机构中：

所述人员鉴别设备在未鉴别到在线逃犯时，发出人员安全信号；

其中，在所述强度采集设备中，所述用户指纹图像中的边沿像素点的累计数值越大，对所述用户指纹图像执行边沿处理的强度越大。

另外，在所述基于灰尘分析的指纹扫描机构中，还包括：ZIGBEE通信设备，与所述人员鉴别设备连接，用于接收并无线发送所述逃犯检测信号。

ZigBee是基于IEEE802.15.4标准的低功耗局域网协议。根据国际标准规定，ZigBee技术是一种短距离、低功耗的无线通信技术。这一名称(又称紫蜂协议)来源于蜜蜂的八字舞，由于蜜蜂(bee)是靠飞翔和“嗡嗡”(zig)地抖动翅膀的“舞蹈”来与同伴传递花粉所在方位信息，也就是说蜜蜂依靠这样的方式构成了群体中的通信网络。其特点是近距离、低复杂度、自组织、低功耗、低数据速率。主要适合用于自动控制和远程控制领域，可以嵌入各种设备。简而言之，ZigBee就是一种便宜的，低功耗的近距离无线组网通讯技术。ZigBee是一种低速短距离传输的无线网络协议。ZigBee协议从下到上分别为物理层(PHY)、媒体访问控制层(MAC)、传输层(TL)、网络层(NWK)、应用层(APL)等。其中物理层和媒体访问控制层遵循IEEE802.15.4标准的规定。

采用本发明的基于灰尘分析的指纹扫描机构，针对现有技术中指纹扫描易受干扰的技术问题，通过对放置手指的透明面板进行灰尘厚度检测，以确定是否需要触动自动除尘处理以及指纹扫描图像，从而避免无效操作，尤为关键的是，还引入了高精度的图像处理模式，提高了指纹识别的有效性；尤为关键的是，将序号在前的预设数量的噪声类型的数量作为最大噪声数量，基于所述最大噪声数量确定进行信号分割的层数，将所述高清图像中的各种噪声类型的数量作为参考噪声数量，基于所述参考噪声数量确定对小波系数进行缩小的百分比值，实现了对输入图像信号的针对性的图像去噪处理，从而解决了上述技术问题。

可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (6)

1.一种基于灰尘分析的指纹扫描机构，其特征在于，所述机构包括：

数据扫描端子，设置在透明面板后方，用于对透明面板前的用户指纹进行数据扫描，以获得并输出对应的用户指纹图像；

透明面板，设置在数据扫描端子的前方，用于为所述用户按压手指以输入指纹提供支撑件；

厚度分析设备，设置在所述透明面板的上方，用于对所述透明面板上的灰尘厚度进行测量，并在所述灰尘厚度超过限量时，发出灰尘过厚信号，以及在所述灰尘厚度未超过限量时，发出灰尘正常信号；

所述数据扫描端子还用于在接收到灰尘正常信号时，从休眠状态进入工作状态，以及在接收到灰尘过厚信号时，从工作状态进入休眠状态；

数量检测设备，与所述数据扫描端子连接，用于接收所述用户指纹图像，获取所述用户指纹图像中的每一个像素点，基于邻域像素点的像素值确定所述用户指纹图像中的每一个像素点是否为边沿像素点，并获取所述用户指纹图像中的边沿像素点的累计数值；

强度采集设备，与所述数量检测设备连接，用于接收所述用户指纹图像中的边沿像素点的累计数值和所述用户指纹图像，并基于所述用户指纹图像中的边沿像素点的累计数值确定对所述用户指纹图像执行边沿处理的强度，以获得并输出相应的强度处理图像；

幅值测量设备，与所述强度采集设备连接，用于接收所述强度处理图像，对所述强度处理图像中的各种噪声类型进行最大幅值的从大到小排序，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出；

数量识别设备，用于接收所述强度处理图像，获取所述强度处理图像中的各种噪声类型的数量，并将所述强度处理图像中的各种噪声类型的数量作为参考噪声数量输出；

模式选择设备，与所述幅值测量设备连接，用于接收所述最大噪声数量，并基于所述最大噪声数量确定进行信号分割的层数，其中，所述最大噪声数量越多，进行信号分割的层数越多，所述模式选择设备将确定的进行信号分割的层数作为目标层数输出；

系数提取设备，与所述数量识别设备连接，用于接收所述参考噪声数量，并基于所述参考噪声数量确定对小波系数进行缩小的百分比值，其中，所述参考噪声数量越多，确定的对小波系数进行缩小的百分比值越小，所述系数提取设备将确定对小波系数进行缩小的百分比值作为目标百分比值输出；

信号去噪设备，分别与所述强度采集设备、所述模式选择设备和所述系数提取设备连接，用于接收所述强度处理图像、所述目标层数和所述目标百分比值，采用哈尔小波基于所述目标层数对所述强度处理图像执行所述目标层数的信号分解，以获得从第一层到最高层的各个高频系数和最高层的各个低频系数，对从第一层到最高层的各个高频系数进行基于目标百分比值的数值收缩，以获得从第一层到最高层的各个收缩后高频系数，并基于所述第一层到最高层的各个收缩后高频系数和所述最高层的各个低频系数重构所述强度处理图像对应的信号去噪图像；

共轭梯度滤波设备，与所述信号去噪设备连接，用于接收所述信号去噪图像，对所述信号去噪图像执行基于共轭梯度算法的自适应滤波处理，以获得对应的共轭梯度滤波图像，并输出所述共轭梯度滤波图像；

人员鉴别设备，与所述共轭梯度滤波设备连接，用于接收所述共轭梯度滤波图像，对所述共轭梯度滤波图像进行基于指纹特征识别的人员鉴别处理，以在鉴别到在线逃犯时，发出逃犯检测信号；

其中，所述数据扫描端子还用于在接收到所述灰尘过厚信号时，停止对透明面板前的用户指纹进行数据扫描；

自动除尘设备，与所述厚度分析设备连接，用于在接收到所述灰尘过厚信号时，基于所述灰尘厚度执行与所述灰尘厚度对应的除尘处理；

在所述信号去噪设备中，对所述最高层的各个低频系数进行数据保留处理；

在所述幅值测量设备中，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出包括：所述预设数量与所述强度处理图像的解析度成正相关的关系；

ZIGBEE通信设备，与所述人员鉴别设备连接，用于接收并无线发送所述逃犯检测信号；所述ZIGBEE通信设备采用的ZigBee模式是基于IEEE802.15.4标准的低功耗局域网协议，是一种短距离、低功耗的无线通信技术，特点是近距离、低复杂度、自组织、低功耗、低数据速率，适合用于自动控制和远程控制领域，嵌入各种设备，ZigBee协议从下到上分别为物理层、媒体访问控制层、传输层、网络层和应用层，其中物理层和媒体访问控制层遵循IEEE802.15.4标准的规定。

2.如权利要求1所述的基于灰尘分析的指纹扫描机构，其特征在于：

所述信号去噪设备包括信号接收子设备、信号收缩子设备和信号输出子设备。

3.如权利要求2所述的基于灰尘分析的指纹扫描机构，其特征在于：

所述信号接收子设备用于接收所述强度处理图像、所述目标层数和所述目标百分比值。

4.如权利要求3所述的基于灰尘分析的指纹扫描机构，其特征在于：

所述信号收缩子设备分别与所述信号接收子设备和所述信号输出子设备连接。

5.如权利要求4所述的基于灰尘分析的指纹扫描机构，其特征在于：

所述自动除尘设备还用于在接收到所述灰尘正常信号时，不执行除尘处理。

6.如权利要求5所述的基于灰尘分析的指纹扫描机构，其特征在于：

所述人员鉴别设备在未鉴别到在线逃犯时，发出人员安全信号；

其中，在所述强度采集设备中，所述用户指纹图像中的边沿像素点的累计数值越大，对所述用户指纹图像执行边沿处理的强度越大。