CN109313705A - 指纹识别方法、装置、设备及存储介质 - Google Patents
指纹识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109313705A CN109313705A CN201880001576.6A CN201880001576A CN109313705A CN 109313705 A CN109313705 A CN 109313705A CN 201880001576 A CN201880001576 A CN 201880001576A CN 109313705 A CN109313705 A CN 109313705A
- Authority
- CN
- China
- Prior art keywords
- image
- residual
- binary image
- fingerprint image
- region
- 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
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
- G06V40/1347—Preprocessing; Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
本发明实施例提供一种指纹识别方法、装置、设备及存储介质,包括:获取N帧指纹图像,N为大于1的整数;判断N帧指纹图像是否存在固定残留区域;若N帧指纹图像存在固定残留区域,则确定固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子;若至少一个影响因子大于各自对应的预设阈值,则确定最后一帧指纹图像无法触发正常的指纹识别结果。从而提高指纹识别过程的安全性。
Description
技术领域
本发明涉及指纹识别技术领域,尤其涉及一种指纹识别方法、装置、设备及存储介质。
背景技术
近年,指纹识别技术在终端设备领域发展迅速,大量的终端设备拥有指纹解锁、指纹支付等功能。随着指纹解锁、指纹支付的使用频率越来越大,安全问题也越来越突出。
例如:当终端设备的指纹传感器表面存在划痕、开裂,恶意或无意粘贴可成像物质等时,虽然肉眼可察觉,但由于一般不影响指纹解锁或者指纹支付等,导致用户往往容易忽略上述异常,继续使用终端设备。随着用户使用次数增加,终端设备的指纹识别系统中将生成越来越多的混有残留纹路的模板,使得混有残留纹路的非法指纹能够与混有残留纹路的模板匹配,从而实现非法指纹对终端设备的解锁或者完成指纹支付等,因此,现有的指纹识别技术存在一定的安全隐患。
发明内容
本发明提供一种指纹识别方法、装置、设备及存储介质,从而提高指纹识别过程的安全性。
第一方面,本发明实施例提供一种指纹识别方法,包括:获取N帧指纹图像,N为大于1的整数;判断N帧指纹图像是否存在固定残留区域;若N帧指纹图像存在固定残留区域,则确定固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子;若至少一个影响因子大于各自对应的预设阈值,则确定最后一帧指纹图像无法触发正常的指纹识别结果。其中,最后一帧指纹图像为当前采集到的指纹图像。
基于此,一方面,若最后一帧指纹图像是混有残留纹路的非法指纹图像时,本发明实施例提供的方法使得该最后一帧指纹图像无法触发正常的指纹识别结果。从而提高指纹识别过程的安全性,另一方面,若最后一帧指纹图像是合法的用户指纹图像时,由于这种情况下,固定残留区域不存在,或者其对应的影响因子小于或等于对应的预设阈值,因此仍然可以触发正常的指纹识别结果。从而可以保证正常的指纹识别过程。
可选地,判断N帧指纹图像是否存在固定残留区域,包括:对N帧指纹图像分别进行二值化处理,得到N组第一二值化图像,每组第一二值化图像包括第一黑色二值化图像和第一白色二值化图像;对N帧第一黑色二值化图像中的各像素点的像素值进行与操作,得到第二黑色二值化图像,并对N帧第一白色二值化图像中的各像素点的像素值进行与操作,得到第二白色二值化图像;对第二黑色二值化图像中的各像素点的像素值和第二白色二值化图像中对应的各像素点的像素值进行或操作,得到第二二值化图像;若第二二值化图像中包括满足预设条件的至少一个连通区域,则确定N帧指纹图像存在固定残留区域,其中固定残留区域由至少一个连通区域组成;其中,预设条件为至少一个连通区域的面积总和大于第一预设面积。基于此,通过该方法可以准确的确定固定残留区域。
可选地,对N帧第一黑色二值化图像中的各像素点的像素值进行与操作,得到第二黑色二值化图像,并对N帧第一白色二值化图像中的各像素点的像素值进行与操作,得到第二白色二值化图像之前,还包括:删除第一黑色二值化图像中面积小于第二预设面积的连通区域,并删除第一白色二值化图像中面积小于第三预设面积的连通区域。即使用连通区域面积过滤法实现滤除噪声的作用。
可选地,对第二黑色二值化图像中的各像素点的像素值和第二白色二值化图像中对应的各像素点的像素值进行或操作,得到第二二值化图像之前,还包括:删除第二黑色二值化图像中面积小于第四预设面积的连通区域,并删除第二白色二值化图像中面积小于第三预设面积的连通区域。即使用连通区域面积过滤法实现滤除噪声的作用。
可选地,确定固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子,包括:获取最后一帧指纹图像对应的几何变换矢量信息;第二二值化图像作为残留纹路模板和残留纹路样本;根据几何变换矢量信息调整残留纹路模板和残留纹路样本的相对位置;计算经过相对位置调整之后的残留纹路模板和残留纹路样本的相似度,并将相似度作为一个影响因子。通过该方法可以有效的确定影响因子。
可选地,几何变换矢量信息包括以下至少一项:平移、旋转、缩放、对称、错切、非线性变形信息。
可选地,计算经过相对位置调整之后的残留纹路模板和残留纹路样本的相似度,包括:确定经过相对位置调整之后的残留纹路模板和残留纹路样本的重叠区域;确定第一集合、第二集合和第三集合,并确定第一集合中的元素占第一集合、第二集合和第三集合中的总元素的比例,将比例作为相似度;其中,第一集合中的每个元素位于重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是白色像素点,在经过相对位置调整之后的残留纹路样本中的黑色像素点;第二集合中的每个元素位于重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是黑色像素点,在经过相对位置调整之后的残留纹路样本中的白色像素点;第三集合中的每个元素位于重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是白色像素点,在经过相对位置调整之后的残留纹路样本中的白色像素点。
可选地,获取最后一帧指纹图像对应的几何变换矢量信息,包括:根据最后一帧指纹图像和已存在的指纹图像模板,得到最后一帧指纹图像对应的几何变换矢量信息。
可选地,确定固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子,包括:确定最后一帧指纹图像中满足几何变换矢量信息约束的特征点所构成的特征点集合;计算特征点集合中落入第二白色二值化图像的特征点比例,并将所述比例作为一个影响因子。通过该方法可以有效的确定影响因子。
下面将提供一种终端设备、指纹识别装置、存储介质及计算机程序产品。其效果可参考方法部分,下面对此不做限制。
第二方面,本发明实施例提供一种终端设备,包括:处理器和用于存储处理器的执行指令的存储器,以使处理器用于:获取N帧指纹图像,N为大于1的整数;判断N帧指纹图像是否存在固定残留区域;若N帧指纹图像存在固定残留区域,则确定固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子;若至少一个影响因子大于各自对应的预设阈值,则确定最后一帧指纹图像无法触发正常的指纹识别结果,其中,所述最后一帧指纹图像为当前采集到的指纹图像。
第三方面,本发明实施例提供一种指纹识别装置,包括:获取模块、判断模块、第一确定模块和第二确定模块。其中,获取模块用于获取N帧指纹图像,N为大于1的整数;判断模块用于判断N帧指纹图像是否存在固定残留区域;第一确定模块用于若N帧指纹图像存在固定残留区域,则确定固定残留区域对指纹识别过程的至少一个影响因子;第二确定模块用于若至少一个影响因子大于各自对应的预设阈值,则确定N帧指纹图像中的最后一帧指纹图像无法触发正常的指纹识别结果,其中,所述最后一帧指纹图像为当前采集到的指纹图像。
第四方面,本发明实施例提供一种计算机存储介质,存储介质包括计算机指令,当指令被计算机执行时,使得计算机实现如第一方面或第一方面的可选方式的方法。
第五方面,本发明实施例提供一种计算机程序产品,包括计算机指令,当指令被计算机执行时,使得计算机实现如第一方面或第一方面的可选方式的方法。
本发明实施例提供一种指纹识别方法、装置、设备及存储介质,包括:获取N帧指纹图像,N为大于1的整数;判断N帧指纹图像是否存在固定残留区域;若N帧指纹图像存在固定残留区域,则确定固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子;若至少一个影响因子大于各自对应的预设阈值,则确定最后一帧指纹图像无法触发正常的指纹识别结果。若最后一帧指纹图像是混有残留纹路的非法指纹图像时,本发明实施例提供的方法使得该最后一帧指纹图像无法触发正常的指纹识别结果。从而提高指纹识别过程的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的指纹识别方法的流程图;
图2为本发明另一实施例提供的指纹识别方法的流程图;
图3A为本发明一实施例提供的原始的第一白色二值化图像的示意图;
图3B为本发明一实施例提供的删除之后的第一白色二值化图像的示意图;
图4A为本发明一实施例提供的N帧第一黑色二值化图像的存储方式的示意图;
图4B为本发明一实施例提供的N帧第一白色二值化图像的存储方式的示意图;
图5为本发明再一实施例提供的指纹识别方法的流程图;
图6A至图6C为本发明一实施例提供的残留纹路模板和残留纹路样本的示意图;
图7为本发明一实施例提供的第一集合、第二集合、第三集合以及重叠区域的示意图;
图8为本发明又一实施例提供的指纹识别方法的流程图;
图9为本发明一实施例提供的一种指纹识别装置的结构示意图;
图10为本发明一实施例提供的一种终端设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例,例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如上所述,当终端设备的指纹传感器表面存在划痕、开裂,恶意或无意粘贴可成像物质等时,虽然肉眼可察觉,但由于一般不影响指纹解锁或者指纹支付等,导致用户往往容易忽略上述异常,继续使用终端设备。随着用户使用次数增加,终端设备的指纹识别系统中将生成越来越多的带有残留纹路的模板,使得混有残留纹路的非法指纹图像能够与混有残留纹路的模板匹配,从而实现非法指纹对终端设备的解锁或者完成指纹支付等,因此,现有的指纹识别技术存在一定的安全隐患。为了解决这个技术问题,本发明实施例提供一种指纹识别方法、装置、设备及存储介质。
本发明实施例的主旨思想是:根据N(N为大于1的整数)帧指纹图像确定N帧指纹图像中的固定残留区域,其次,确定该固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的影响因子,当影响因子大于预设阈值时,则确定最后一帧指纹图像无法触发正常的指纹识别结果,如指纹解锁或者指纹支付等,例如:当终端设备的指纹传感器上存在划痕等时,对于N帧指纹图像来讲,它们中均存在该划痕所对应的固定残留区域,然而如果最后一帧指纹图像是合法的用户指纹(本发明实施例所述的用户指纹均指合法的用户指纹)时,即使存在固定残留区域,这时还是要触发正常的指纹识别结果,但是如果最后一帧指纹图像是混有残留纹路的非法指纹图像时,当存在固定残留区域,这时不能触发正常的指纹识别结果,因此需要确定该固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的影响因子,当影响因子大于预设阈值时,则确定最后一帧指纹图像无法触发正常的指纹识别结果。例如:对于混有残留纹路的非法指纹图像,固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的影响因子一定较大,对于合法的用户指纹,固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的影响因子相对于用户指纹中未被划痕等遮挡的指纹部分的影响因子要小。
本发明实施例的应用场景为:本发明实施例可应用于用户指纹注册、用户解锁、指纹支付过程,例如:在用户指纹注册过程中,通常需要用户多次输入用户指纹,如果终端设备的指纹传感器上存在划痕、开裂,粘贴可成像物质等时,终端设备将生成具有固定残留区域(由于划痕、开裂,可成像物质等造成的)的指纹模板,这时当终端设备获取到混有残留纹路的非法指纹时,由于该指纹图像模板中中也存在固定残留区域,因此这种情况下,该混有残留纹路的非法指纹很容易破解用户指纹,从而实现指纹解锁或者指纹支付等。类似地,在用户指纹解锁、支付中,通常需要用户输入用户指纹,如果终端设备的指纹传感器上存在划痕、开裂,粘贴可成像物质等时,终端设备将生成具有固定残留区域的指纹模板,这些具有固定残留纹路的图像有机会学习进入指纹模板中,这时当终端设备获取到混有残留纹路的非法指纹时,由于该混有残留纹路的非法指纹对应的指纹图像中也存在固定残留区域,因此这种情况下,该混有残留纹路的非法指纹很容易破解终端设备,从而实现指纹解锁或者指纹支付等。需要说明的是,本发明实施例不限于上述应用场景。
实施例一
图1为本发明一实施例提供的指纹识别方法的流程图,该方法的执行主体为终端设备的部分或全部,如可以是终端设备或者终端设备中的处理器。下面以该方法的执行主体是终端设备为例对指纹识别方法进行说明。可选地,该终端设备可以是手机、PAD、笔记本电脑等具有指纹识别功能的终端,本发明实施例对此不做限定。如图1所示,该指纹识别方法包括如下流程:
步骤S11:终端设备获取N帧指纹图像,N为大于1的整数。
步骤S12:终端设备判断所述N帧指纹图像是否存在固定残留区域。
步骤S13:若所述N帧指纹图像存在固定残留区域,则确定固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子。
步骤S14:若所述至少一个影响因子大于各自对应的预设阈值,则确定最后一帧指纹图像无法触发正常的指纹识别结果。
针对步骤S12进行说明:
所谓固定残留区域是指N帧指纹图像均存在的区域,其该区域是由至少一个连通区域构成,这些连通区域的面积总和大于第一预设面积。可选地,该第一预设面积可以根据实际情况设置,本发明实施例对此不做限制。
其中,正常情况下,即终端设备的指纹传感器上不存在划痕、开裂,或可成像物质等时,用户输入N次指纹时,每次输入的指纹位置随机,因此N帧指纹图像中很难存在上述固定残留区域。基于此,上述固定残留区域可能是由终端设备的指纹传感器上划痕、开裂,或可成像物质等造成的。
针对步骤S13和步骤S14进行说明:
所述最后一帧指纹图像为终端设备当前采集到的指纹图像。由于最后一帧指纹图像引起指纹识别过程是通过对最后一帧指纹图像和指纹识别模板匹配得到的,而最后一帧指纹图像中除了包括固定残留区域,还包括其他部分的指纹,因此这里的影响因子是指固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的影响因子,影响因子越大,则表示最后一帧指纹图像是混有残留纹路的非法指纹图像的可能性越大,相反,影响因子越小,则表示最后一帧指纹图像是混有残留纹路的非法指纹图像的可能性越小,例如:最后一帧图像是合法的用户图像时,对于最后一帧指纹图像引起指纹识别过程来讲,固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的影响因子相对于用户指纹中未被划痕等遮挡的指纹部分的影响因子要小。基于此,在步骤S14中:若所述至少一个影响因子大于各自对应的预设阈值,则确定最后一帧指纹图像无法触发正常的指纹识别结果,相反地,若所述至少一个影响因子中的至少一个小于或等于对应的预设阈值,则确定最后一帧指纹图像可以触发正常的指纹识别结果。其中该正常的指纹识别结果可以是指纹解锁或者指纹支付等,本发明实施例对此不做限制。
本发明实施例提供一种指纹识别方法,其中,若N帧指纹图像存在固定残留区域,则确定固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子。若所述至少一个影响因子大于各自对应的预设阈值,则确定最后一帧指纹图像无法触发正常的指纹识别结果。基于此,一方面,若最后一帧指纹图像是混有残留纹路的非法指纹图像时,本发明实施例提供的方法使得该最后一帧指纹图像无法触发正常的指纹识别结果。从而提高指纹识别过程的安全性,另一方面,若最后一帧指纹图像是合法的用户指纹图像时,由于这种情况下,所述固定残留区域对应的影响因子小于或等于对应的预设阈值,因此可以触发正常的指纹识别结果。从而可以保证正常的指纹识别过程。
实施例二
针对上述步骤S12进行如下说明:
一种可实现方式:终端设备确定N帧指纹图像中对应位置像素值相同的像素点,所谓对应位置是指将N帧指纹图像放在同一坐标系下,N帧图像的四个角像素点对齐,所谓四个角像素点包括:左上角像素点、左下角像素点、右上角像素点和右下角像素点。基于此,每帧指纹图像中的某一个像素点均在其他N-1帧指纹图像中存在对应的像素点,例如:N帧指纹图像中的中心点均是相互对应的。在终端设备确定N帧指纹图像中对应位置像素值相同的像素点之后,终端设备确定这些像素点所构成的至少一个连通区域,需要说明的是,连通区域之间是不连通的。如果所述至少一个连通区域的面积总和大于第一预设面积时,终端设备确定所述至少一个连通区域为固定残留区域。
另一种可实现方式:图2为本发明另一实施例提供的指纹识别方法的流程图,如图2所示,上述步骤S12包括:
步骤S121:终端设备对N帧指纹图像分别进行二值化处理,得到N组第一二值化图像,每组第一二值化图像包括第一黑色二值化图像和第一白色二值化图像。
步骤S122:终端设备对N帧第一黑色二值化图像中的各像素点的像素值进行与操作,得到第二黑色二值化图像,并对N帧所述第一白色二值化图像中的各像素点的像素值进行与操作,得到第二白色二值化图像。
步骤S123:终端设备对第二黑色二值化图像中的各像素点的像素值和第二白色二值化图像中对应的各像素点的像素值进行或操作,得到第二二值化图像。
步骤S124:若所述第二二值化图像中包括满足预设条件的至少一个连通区域,则终端设备确定N帧指纹图像存在固定残留区域,其中固定残留区域由所述至少一个连通区域组成。其中,预设条件为所述至少一个连通区域的面积总和大于第一预设面积。
针对步骤S121进行说明:
针对第i帧指纹图像中的任一个像素点(x,y),i=1,2…N,确定以该像素点(x,y)为中心,大小为Wi*Wi的邻域窗口,根据该邻域窗口对该像素点进行二值化。例如:针对像素点(x,y),其在对应的第一白色二值化图像Bwi的二值化像素值为:
像素点(x,y),其在第一黑色二值化图像Bbi的二值化像素值为:
Bbi(x,y)=255-Bwi(x,y)
其中,A(x,y)表示像素点(x,y)的灰度像素值,M为所述邻域窗口中的所有像素点的灰度像素值的统计值,包括但不限于均值、中值、最大类间方差值等,本发明实施例对此不做限制。
需要说明的是,上述邻域窗口为矩形窗口,实际上,该邻域窗口还可以是圆形、其他多边形等,本发明实施例对此不做限制。
可选地,在步骤S122之前还包括:终端设备删除所述第一黑色二值化图像中面积小于第二预设面积的连通区域,并删除所述第一白色二值化图像中面积小于第三预设面积的连通区域。该第二预设面积可以和第三预设面积相同,也可以不同。
例如:图3A为本发明一实施例提供的原始的第一黑色二值化图像的示意图,图3B为本发明一实施例提供的删除之后的第一黑色二值化图像的示意图,如图3A所示,原始的第一黑色二值化图像包括:六个连通区域,分别为连通区域1至连通区域6,假设连通区域1、连通区域5和连通区域6的面积均小于第二预设面积,这种情况下,终端设备可以删除连通区域1、连通区域5和连通区域6。删除之后的第一黑色二值化图像如图3B所示,仅剩下连通区域2、连通区域3和连通区域4。
对于第一白色二值化图像的删除方法与对第一黑色二值化图像的删除方法相同,本发明实施例对此不再赘述。
针对步骤S122和步骤S123进行说明:
图4A为本发明一实施例提供的N帧第一黑色二值化图像的存储方式的示意图,如图4A所示,N帧第一黑色二值化图像按照队列40A存储,最后一帧第一黑色二值化图像位于队尾,当最后一帧第一黑色二值化图像进入该队列时,最后一帧第一黑色二值化图像之前的第N帧第一黑色二值化图像出队,以保证该队列中存在N帧第一黑色二值化图像。需要说明的是,当该队列中的第一黑色二值化图像的数量不足N帧时,例如:该队列中的第一黑色二值化图像的数量为N-1,可以对N-1帧第一黑色二值化图像进行类似于步骤S122的方法,也可以不做任何操作。
图4B为本发明一实施例提供的N帧第一白色二值化图像的存储方式的示意图,如图4B所示,N帧第一白色二值化图像按照队列40B存储,最后一帧第一白色二值化图像位于队尾,当最后一帧第一白色二值化图像进入该队列时,最后一帧第一白色二值化图像之前的第N帧第一白色二值化图像出队,以保证该队列中存在N帧第一白色二值化图像。需要说明的是,当该队列中的第一白色二值化图像的数量不足N帧时,例如:该队列中的第一白色二值化图像的数量为N-1,可以对N-1帧第一白色二值化图像进行类似于步骤S122的方法,也可以不做任何操作。
终端设备对N帧第一黑色二值化图像中的各像素点的像素值进行与操作,得到第二黑色二值化图像。具体地,Bbc=Bb1&Bb2…BbN,其中Bbc为第二黑色二值化图像。&表示与操作。
终端设备对N帧第一白色二值化图像中的各像素点的像素值进行与操作,得到第二白色二值化图像。具体地,Bwc=Bw1&Bw2…BwN,其中Bwc为第二白色二值化图像。&表示与操作。
可选地,在步骤S123之前还包括:终端设备删除所述第二黑色二值化图像中面积小于第四预设面积的连通区域,并删除所述第二白色二值化图像中面积小于第三预设面积的连通区域。该第四预设面积可以和第四预设面积相同,也可以不同。
需要说明的是,终端设备删除所述第二黑色二值化图像中面积小于第四预设面积的连通区域,并删除所述第二白色二值化图像中面积小于第三预设面积的连通区域的方法,与终端设备删除所述第一黑色二值化图像中面积小于第二预设面积的连通区域,并删除所述第一白色二值化图像中面积小于第三预设面积的连通区域的方法类似,本发明实施例对此不再赘述。
在终端设备确定了第二黑色二值化图像和第二白色二值化图像之后,终端设备对第二黑色二值化图像中的各像素点的像素值和第二白色二值化图像中对应的各像素点的像素值进行或操作,得到第二二值化图像。具体地,Bmask=Bwc|Bbc,其中Bmask表示第二二值化图像,|表示或操作。
在步骤S124中,所述第一预设面积可以根据实际情况设置,本发明实施例对此不做限制。
在本发明实施例中,提供了两种确定固定残留区域的方法,通过两种方法均能准确的确定固定残留区域。其中,本发明实施例中的N越大,则确定的固定残留区域越准确。
步骤S13可以通过以下实施例三或实施例四实现:
实施例三
在实施例一或实施例二的基础上,图5为本发明再一实施例提供的指纹识别方法的流程图,如图5所示,上述步骤S13包括:
步骤S131a:若N帧指纹图像存在固定残留区域,则终端设备获取最后一帧指纹图像对应的几何变换矢量信息。
步骤S132a:终端设备将第二二值化图像作为残留纹路模板和残留纹路样本。
步骤S133a:终端设备根据几何变换矢量信息调整残留纹路模板和残留纹路样本的相对位置。
步骤S134a:终端设备计算经过相对位置调整之后的残留纹路模板和残留纹路样本的相似度,并将相似度作为一个影响因子。
针对步骤S131a至步骤S133a进行说明:
可选地,终端设备可以根据最后一帧指纹图像和已存在的指纹图像模板,得到最后一帧指纹图像对应的几何变换矢量信息H。其中,该指纹图像模板可以完全是合法用户指纹所形成的指纹图像模板,也有可能是混有残留纹路的合法用户指纹图像模板。其中,如何生成几何变换矢量信息H可以采用现有技术的方式,该几何变换矢量信息H用于调整残留纹路模板和残留纹路样本的相对位置。
或者,几何变换矢量信息为预设的几何变换矢量信息,只要它能调整残留纹路模板和残留纹路样本的相对位置即可,本发明实施例对此不做限制。
为了区别残留纹路模板和残留纹路样本,可以将残留纹路模板记为T,将残留纹路样本记为S。
进一步地,终端设备根据几何变换矢量信息调整残留纹路模板和残留纹路样本的相对位置的方式可以采用现有技术,本发明实施例对此不做限制。
其中,通常调整残留纹路模板和残留纹路样本的相对位置的方式是:保持残留纹路模板的位置不变,调整残留纹路样本的位置,或者,保持残留纹路样本的位置不变,调整残留纹路模板的位置。
所谓残留纹路模板和残留纹路样本的相对位置包括以下至少一项:残留纹路模板和残留纹路样本的相对位移、相对旋转角度、尺度拉升等。
图6A至图6C为本发明一实施例提供的残留纹路模板和残留纹路样本的示意图,如图6A所示,残留纹路模板和残留纹路样本发生了水平方向上的相对位移与对称变化。如图6B所示,残留纹路模板和残留纹路样本发生了水平和竖直方向上的相对位移和180°旋转。如图6C所示,残留纹路模板和残留纹路样本发生了相对旋转。进一步地,在本发明实施例中,如果最后一帧指纹图像相对于残留纹路模板发生了平移、旋转、对称、缩放、错切、非线性变形及其复合等时,本发明实施例所提供的方法依然适用这种场景,比如:图6A所示的,假设最后一帧指纹图像和所述残留纹路样本相同,其相对于残留纹路模板发生了平移和对称变化,但是依据本发明实施例提供的方法确定的影响因子会大于对应的预设阈值,从而使得残留纹路模板无法触发正常的指纹识别结果。
需要说明的是,在步骤S132a中,终端设备将第二二值化图像作为残留纹路模板和残留纹路样本。实际上,终端设备还可以仅将第二二值化图像作为残留纹路样本,而在计算影响因子时采用的残留纹路模板可以是上述指纹图像模板的第二二值化图像,本发明实施例对此不做限制。
针对步骤S134a进行说明:可选地,终端设备确定经过相对位置调整之后的残留纹路模板和残留纹路样本的重叠区域;确定第一集合、第二集合和第三集合,并确定所述第一集合中的元素更占所述第一集合、所述第二集合和所述第三集合中的总元素的比例,将所述比例作为所述相似度;其中,所述第一集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是白色像素点,在经过相对位置调整之后的残留纹路样本中的黑色像素点;所述第二集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是黑色像素点,在经过相对位置调整之后的残留纹路样本中的白色像素点;所述第三集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是白色像素点,在经过相对位置调整之后的残留纹路样本中的白色像素点。
具体地,图7为本发明一实施例提供的第一集合、第二集合、第三集合以及重叠区域的示意图,如图7所示,虚线圈中的区域为重叠区域O,第一集合用O01表示,第二集合用O10表示,第三集合用O11表示。
O01={(x,y)|S(x,y)=255&&T(x,y)=0&&(x,y)∈O}
O10={(x,y)|S(x,y)=0&&T(x,y)=255&&(x,y)∈O}
O11={(x,y)|S(x,y)=255&&T(x,y)=255&&(x,y)∈O}
其中,&&表示并且的意思。
相似度L()表示求个数。
在本发明实施例中,提供了如何确定固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子的方法,通过该方法可以有效的确定影响因子。
实施例四
在实施例一、实施例二或实施例三的基础上,图8为本发明又一实施例提供的指纹识别方法的流程图,如图8所示,上述步骤S13包括:
步骤S131b:若N帧指纹图像存在固定残留区域,则终端设备确定最后一帧指纹图像中满足几何变换矢量信息约束的特征点所构成的特征点集合。
步骤S132b:终端设备计算特征点集合中落入第二白色二值化图像的特征点比例,并将所述比例作为一个所述影响因子。
可选地,几何变换矢量信息包括以下至少一项:平移、旋转、缩放、对称、错切和非线性变性信息。
如上所述,终端设备确定最后一帧指纹图像中满足几何变换矢量信息约束的特征点所构成的特征点集合K。
其中,特征点集合中落入第二白色二值化图像的特征点比例∩表示取交集,==表示恒等于。
值得一提的是,实施例四和实施例三可以结合,即固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子包括:实施例三中所确定的影响因子,以及,实施例四中所确定的影响因子。其中,实施例三中所确定的影响因子对应的预设阈值和实施例四所确定的影响因子对应的预设阈值可以相同,也可以不同,本发明实施例对此不做限制。
在本发明实施例中,提供了如何确定固定残留区域对N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子的方法,通过该方法可以有效的确定影响因子。
实施例五
图9为本发明一实施例提供的一种指纹识别装置的结构示意图,其中该装置可以是终端设备的部分或全部,例如:该装置可以是终端设备或者终端设备中的处理器,可选地,该终端设备可以是手机、PAD、笔记本电脑等具有指纹识别功能的终端,本发明实施例对此不做限定。如图9所示,该装置包括:
获取模块91,用于获取N帧指纹图像,N为大于1的整数。
判断模块92,用于判断所述N帧指纹图像是否存在固定残留区域。
第一确定模块93,用于若所述N帧指纹图像存在固定残留区域,则确定所述固定残留区域对指纹识别过程的至少一个影响因子。
第二确定模块94,用于若所述至少一个影响因子大于各自对应的预设阈值,则确定所述N帧指纹图像中的最后一帧指纹图像无法触发正常的指纹识别结果,其中,所述最后一帧指纹图像为当前采集到的指纹图像。
可选地,判断模块92具体用于:对所述N帧指纹图像分别进行二值化处理,得到N组第一二值化图像,每组所述第一二值化图像包括第一黑色二值化图像和第一白色二值化图像;对N帧所述第一黑色二值化图像中的各像素点的像素值进行与操作,得到第二黑色二值化图像,并对N帧所述第一白色二值化图像中的各像素点的像素值进行与操作,得到第二白色二值化图像;对所述第二黑色二值化图像中的各像素点的像素值和所述第二白色二值化图像中对应的各像素点的像素值进行或操作,得到第二二值化图像;若所述第二二值化图像中包括满足预设条件的至少一个连通区域,则确定所述N帧指纹图像存在所述固定残留区域,其中所述固定残留区域由所述至少一个连通区域组成;其中,所述预设条件为所述至少一个连通区域的面积总和大于第一预设面积。
可选地,该装置还包括:第一删除模块95,用于在对N帧所述第一黑色二值化图像中的各像素点的像素值进行与操作,得到第二黑色二值化图像,并对N帧所述第一白色二值化图像中的各像素点的像素值进行与操作,得到第二白色二值化图像之前,删除所述第一黑色二值化图像中面积小于第二预设面积的连通区域,并删除所述第一白色二值化图像中面积小于第三预设面积的连通区域。
可选地,该装置还包括:第二删除模块96,用于在对所述第二黑色二值化图像中的各像素点的像素值和所述第二白色二值化图像中对应的各像素点的像素值进行或操作,得到第二二值化图像之前,删除所述第二黑色二值化图像中面积小于第四预设面积的连通区域,并删除所述第二白色二值化图像中面积小于第三预设面积的连通区域。
可选地,第一确定模块93具体用于:获取所述最后一帧指纹图像对应的几何变换矢量信息;将所述第二二值化图像作为残留纹路模板和残留纹路样本;根据所述几何变换矢量信息调整所述残留纹路模板和所述残留纹路样本的相对位置;计算经过相对位置调整之后的残留纹路模板和残留纹路样本的相似度,并将所述相似度作为一个所述影响因子。
可选地,第一确定模块93具体用于:确定经过相对位置调整之后的残留纹路模板和残留纹路样本的重叠区域;确定第一集合、第二集合和第三集合,并确定所述第一集合中的元素占所述第一集合、所述第二集合和所述第三集合中的总元素的比例,将所述比例作为所述相似度;其中,所述第一集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是白色像素点,在经过相对位置调整之后的残留纹路样本中的黑色像素点;所述第二集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是黑色像素点,在经过相对位置调整之后的残留纹路样本中的白色像素点;所述第三集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是白色像素点,在经过相对位置调整之后的残留纹路样本中的白色像素点。
可选地,第一确定模块93具体用于:根据所述最后一帧指纹图像和已存在的指纹图像模板,得到所述最后一帧指纹图像对应的几何变换矢量信息。
可选地,第二确定模块94具体用于:确定所述最后一帧指纹图像中的特征点;计算所述第二二值化图像中白色像素点占所述特征点的比例,并将所述比例作为一个所述影响因子。
本发明实施例提供的指纹识别装置可用于执行上述的指纹识别方法,其内容和效果可参照上述方法部分,本发明实施例对此不再赘述。
实施例六
图10为本发明一实施例提供的一种终端设备的结构示意图,该终端设备可以是手机、PAD、笔记本电脑等具有指纹识别功能的终端,本发明实施例对此不做限定。如图10所示,该设备包括:处理器101、收发器102和存储器103,其中收发器102用于实现与其他设备之间的通信,存储器103用于存储所述处理器101的执行指令,以使处理器101实现上述的指纹识别方法,其内容和效果可参考上述方法部分,本发明实施例对此不再赘述。
实施例七
本发明实施例还提供一种计算机存储介质,所述存储介质包括计算机指令,当所述指令被计算机执行时,使得所述计算机实现如上述的指纹识别方法。其内容和效果可参考上述方法部分,本发明实施例对此不再赘述。
实施例八
本发明实施例还提供一种计算机程序产品,包括计算机指令,当所述指令被计算机执行时,使得所述计算机实现如上述的指纹识别方法。其内容和效果可参考上述方法部分,本发明实施例对此不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (18)
1.一种指纹识别方法,其特征在于,包括:
获取N帧指纹图像,N为大于1的整数;
判断所述N帧指纹图像是否存在固定残留区域;
若所述N帧指纹图像存在固定残留区域,则确定所述固定残留区域对所述N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子;
若所述至少一个影响因子大于各自对应的预设阈值,则确定所述最后一帧指纹图像无法触发正常的指纹识别结果,其中,所述最后一帧指纹图像为当前采集到的指纹图像。
2.根据权利要求1所述的方法,其特征在于,所述判断所述N帧指纹图像是否存在固定残留区域,包括:
对所述N帧指纹图像分别进行二值化处理,得到N组第一二值化图像,每组所述第一二值化图像包括第一黑色二值化图像和第一白色二值化图像;
对N帧所述第一黑色二值化图像中的各像素点的像素值进行与操作,得到第二黑色二值化图像,并对N帧所述第一白色二值化图像中的各像素点的像素值进行与操作,得到第二白色二值化图像;
对所述第二黑色二值化图像中的各像素点的像素值和所述第二白色二值化图像中对应的各像素点的像素值进行或操作,得到第二二值化图像;
若所述第二二值化图像中包括满足预设条件的至少一个连通区域,则确定所述N帧指纹图像存在所述固定残留区域,其中所述固定残留区域由所述至少一个连通区域组成;
其中,所述预设条件为所述至少一个连通区域的面积总和大于第一预设面积。
3.根据权利要求2所述的方法,其特征在于,所述对N帧所述第一黑色二值化图像中的各像素点的像素值进行与操作,得到第二黑色二值化图像,并对N帧所述第一白色二值化图像中的各像素点的像素值进行与操作,得到第二白色二值化图像之前,还包括:
删除所述第一黑色二值化图像中面积小于第二预设面积的连通区域,并删除所述第一白色二值化图像中面积小于第三预设面积的连通区域。
4.根据权利要求2所述的方法,其特征在于,所述对所述第二黑色二值化图像中的各像素点的像素值和所述第二白色二值化图像中对应的各像素点的像素值进行或操作,得到第二二值化图像之前,还包括:
删除所述第二黑色二值化图像中面积小于第四预设面积的连通区域,并删除所述第二白色二值化图像中面积小于第三预设面积的连通区域。
5.根据权利要求2所述的方法,其特征在于,所述确定所述固定残留区域对所述N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子,包括:
获取所述最后一帧指纹图像对应的几何变换矢量信息;
将所述第二二值化图像作为残留纹路模板和残留纹路样本;
根据所述几何变换矢量信息调整所述残留纹路模板和所述残留纹路样本的相对位置;
计算经过相对位置调整之后的残留纹路模板和残留纹路样本的相似度,并将所述相似度作为一个所述影响因子。
6.根据权利要求5所述的方法,其特征在于,所述计算经过相对位置调整之后的残留纹路模板和残留纹路样本的相似度,包括:
确定经过相对位置调整之后的残留纹路模板和残留纹路样本的重叠区域;
确定第一集合、第二集合和第三集合,并确定所述第一集合中的元素占所述第一集合、所述第二集合和所述第三集合中的总元素的比例,将所述比例作为所述相似度;
其中,所述第一集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是白色像素点,在经过相对位置调整之后的残留纹路样本中的黑色像素点;所述第二集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是黑色像素点,在经过相对位置调整之后的残留纹路样本中的白色像素点;所述第三集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是白色像素点,在经过相对位置调整之后的残留纹路样本中的白色像素点。
7.根据权利要求5所述的方法,其特征在于,所述获取所述最后一帧指纹图像对应的几何变换矢量信息,包括:
根据所述最后一帧指纹图像和已存在的指纹图像模板,得到所述最后一帧指纹图像对应的几何变换矢量信息。
8.根据权利要求2-7任一项所述的方法,其特征在于,所述确定所述固定残留区域对所述N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子,包括:
确定所述最后一帧指纹图像中满足几何变换矢量信息约束的特征点所构成的特征点集合;
计算所述特征点集合中落入所述第二白色二值化图像的特征点比例,并将所述比例作为一个所述影响因子。
9.一种终端设备,其特征在于,包括:
处理器和用于存储所述处理器的执行指令的存储器,以使所述处理器用于:
获取N帧指纹图像,N为大于1的整数;
判断所述N帧指纹图像是否存在固定残留区域;
若所述N帧指纹图像存在固定残留区域,则确定所述固定残留区域对所述N帧指纹图像中的最后一帧指纹图像引起的指纹识别过程的至少一个影响因子;
若所述至少一个影响因子大于各自对应的预设阈值,则确定所述最后一帧指纹图像无法触发正常的指纹识别结果,其中,所述最后一帧指纹图像为当前采集到的指纹图像。
10.根据权利要求9所述的设备,其特征在于,所述处理器具体用于:
对所述N帧指纹图像分别进行二值化处理,得到N组第一二值化图像,每组所述第一二值化图像包括第一黑色二值化图像和第一白色二值化图像;
对N帧所述第一黑色二值化图像中的各像素点的像素值进行与操作,得到第二黑色二值化图像,并对N帧所述第一白色二值化图像中的各像素点的像素值进行与操作,得到第二白色二值化图像;
对所述第二黑色二值化图像中的各像素点的像素值和所述第二白色二值化图像中对应的各像素点的像素值进行或操作,得到第二二值化图像;
若所述第二二值化图像中包括满足预设条件的至少一个连通区域,则确定所述N帧指纹图像存在所述固定残留区域,其中所述固定残留区域由所述至少一个连通区域组成;
其中,所述预设条件为所述至少一个连通区域的面积总和大于第一预设面积。
11.根据权利要求10所述的设备,其特征在于,所述处理器还用于:
在对N帧所述第一黑色二值化图像中的各像素点的像素值进行与操作,得到第二黑色二值化图像,并对N帧所述第一白色二值化图像中的各像素点的像素值进行与操作,得到第二白色二值化图像之前,删除所述第一黑色二值化图像中面积小于第二预设面积的连通区域,并删除所述第一白色二值化图像中面积小于第三预设面积的连通区域。
12.根据权利要求10所述的设备,其特征在于,所述处理器还用于:
在对所述第二黑色二值化图像中的各像素点的像素值和所述第二白色二值化图像中对应的各像素点的像素值进行或操作,得到第二二值化图像之前,删除所述第二黑色二值化图像中面积小于第四预设面积的连通区域,并删除所述第二白色二值化图像中面积小于第三预设面积的连通区域。
13.根据权利要求10所述的设备,其特征在于,所述处理器具体用于:
获取所述最后一帧指纹图像对应的几何变换矢量信息;
将所述第二二值化图像作为残留纹路模板和残留纹路样本;
根据所述几何变换矢量信息调整所述残留纹路模板和所述残留纹路样本的相对位置;
计算经过相对位置调整之后的残留纹路模板和残留纹路样本的相似度,并将所述相似度作为一个所述影响因子。
14.根据权利要求13所述的设备,其特征在于,所述处理器具体用于:
确定经过相对位置调整之后的残留纹路模板和残留纹路样本的重叠区域;
确定第一集合、第二集合和第三集合,并确定所述第一集合中的元素占所述第一集合、所述第二集合和所述第三集合中的总元素的比例,将所述比例作为所述相似度;
其中,所述第一集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是白色像素点,在经过相对位置调整之后的残留纹路样本中的黑色像素点;所述第二集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是黑色像素点,在经过相对位置调整之后的残留纹路样本中的白色像素点;所述第三集合中的每个元素位于所述重叠区域中,且该元素在经过相对位置调整之后的残留纹路模板中是白色像素点,在经过相对位置调整之后的残留纹路样本中的白色像素点。
15.根据权利要求13所述的设备,其特征在于,所述处理器具体用于:
根据所述最后一帧指纹图像和已存在的指纹图像模板,得到所述最后一帧指纹图像对应的几何变换矢量信息。
16.根据权利要求10-15任一项所述的设备,其特征在于,所述处理器具体用于:
确定所述最后一帧指纹图像中满足几何变换矢量信息约束的特征点所构成的特征点集合;
计算所述特征点集合中落入所述第二白色二值化图像的特征点比例,并将所述比例作为一个所述影响因子。
17.一种指纹识别装置,其特征在于,包括:
获取模块,用于获取N帧指纹图像,N为大于1的整数;
判断模块,用于判断所述N帧指纹图像是否存在固定残留区域;
第一确定模块,用于若所述N帧指纹图像存在固定残留区域,则确定所述固定残留区域对指纹识别过程的至少一个影响因子;
第二确定模块,用于若所述至少一个影响因子大于各自对应的预设阈值,则确定所述N帧指纹图像中的最后一帧指纹图像无法触发正常的指纹识别结果,其中,所述最后一帧指纹图像为当前采集到的指纹图像。
18.一种计算机存储介质,其特征在于,所述存储介质包括计算机指令,当所述指令被计算机执行时,使得所述计算机实现如权利要求1至8中任一项权利要求所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/105188 WO2020051792A1 (zh) | 2018-09-12 | 2018-09-12 | 指纹识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109313705A true CN109313705A (zh) | 2019-02-05 |
CN109313705B CN109313705B (zh) | 2021-10-08 |
Family
ID=65221685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880001576.6A Active CN109313705B (zh) | 2018-09-12 | 2018-09-12 | 指纹识别方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109313705B (zh) |
WO (1) | WO2020051792A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977883A (zh) * | 2019-03-29 | 2019-07-05 | 联想(北京)有限公司 | 指纹采集方法及电子设备 |
CN110110697A (zh) * | 2019-05-17 | 2019-08-09 | 山东省计算中心(国家超级计算济南中心) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 |
CN111242111A (zh) * | 2020-04-29 | 2020-06-05 | 深圳市汇顶科技股份有限公司 | 指纹识别方法、装置和电子设备 |
WO2024046114A1 (zh) * | 2022-09-02 | 2024-03-07 | 荣耀终端有限公司 | 指纹识别方法和电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040042645A1 (en) * | 2002-09-04 | 2004-03-04 | Changchun Hongda Optoelectronic | Fingerprint recognition method, and fingerprint control method and system |
CN101833649A (zh) * | 2009-03-09 | 2010-09-15 | 杭州晟元芯片技术有限公司 | 一种指纹残留甄别方法 |
CN105095719A (zh) * | 2015-08-05 | 2015-11-25 | 刘奇 | 一种指纹解锁方法及其系统和具有该系统的电子设备 |
CN105631443A (zh) * | 2016-03-11 | 2016-06-01 | 广东欧珀移动通信有限公司 | 指纹模板的更新方法及终端设备 |
CN105956553A (zh) * | 2016-04-28 | 2016-09-21 | 广东欧珀移动通信有限公司 | 一种解锁方法及移动终端 |
CN106022072A (zh) * | 2016-06-03 | 2016-10-12 | 北京小米移动软件有限公司 | 实现指纹解锁的方法及装置、电子设备 |
CN106326869A (zh) * | 2016-08-26 | 2017-01-11 | 广东欧珀移动通信有限公司 | 指纹识别方法、装置和移动终端 |
CN106599858A (zh) * | 2016-12-20 | 2017-04-26 | 北京小米移动软件有限公司 | 指纹识别方法、装置和电子设备 |
US20170169271A1 (en) * | 2015-12-14 | 2017-06-15 | Fingerprint Cards Ab | Method and fingerprint sensing system for acquiring a fingerprint image |
CN106909893A (zh) * | 2017-02-09 | 2017-06-30 | 北京小米移动软件有限公司 | 指纹识别方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208021B (zh) * | 2011-07-21 | 2012-12-19 | 中国人民解放军国防科学技术大学 | 一种指纹图像分割方法 |
SE1650126A1 (en) * | 2016-02-02 | 2017-08-03 | Fingerprint Cards Ab | Method and fingerprint sensing system for analyzing biometric measurements of a user |
CN107368816B (zh) * | 2017-07-26 | 2020-04-14 | 北京集创北方科技股份有限公司 | 生物特征识别方法、生物特征识别装置和检测系统 |
-
2018
- 2018-09-12 CN CN201880001576.6A patent/CN109313705B/zh active Active
- 2018-09-12 WO PCT/CN2018/105188 patent/WO2020051792A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040042645A1 (en) * | 2002-09-04 | 2004-03-04 | Changchun Hongda Optoelectronic | Fingerprint recognition method, and fingerprint control method and system |
CN101833649A (zh) * | 2009-03-09 | 2010-09-15 | 杭州晟元芯片技术有限公司 | 一种指纹残留甄别方法 |
CN105095719A (zh) * | 2015-08-05 | 2015-11-25 | 刘奇 | 一种指纹解锁方法及其系统和具有该系统的电子设备 |
US20170169271A1 (en) * | 2015-12-14 | 2017-06-15 | Fingerprint Cards Ab | Method and fingerprint sensing system for acquiring a fingerprint image |
CN105631443A (zh) * | 2016-03-11 | 2016-06-01 | 广东欧珀移动通信有限公司 | 指纹模板的更新方法及终端设备 |
CN105956553A (zh) * | 2016-04-28 | 2016-09-21 | 广东欧珀移动通信有限公司 | 一种解锁方法及移动终端 |
CN106022072A (zh) * | 2016-06-03 | 2016-10-12 | 北京小米移动软件有限公司 | 实现指纹解锁的方法及装置、电子设备 |
CN106326869A (zh) * | 2016-08-26 | 2017-01-11 | 广东欧珀移动通信有限公司 | 指纹识别方法、装置和移动终端 |
CN106599858A (zh) * | 2016-12-20 | 2017-04-26 | 北京小米移动软件有限公司 | 指纹识别方法、装置和电子设备 |
CN106909893A (zh) * | 2017-02-09 | 2017-06-30 | 北京小米移动软件有限公司 | 指纹识别方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977883A (zh) * | 2019-03-29 | 2019-07-05 | 联想(北京)有限公司 | 指纹采集方法及电子设备 |
US11120248B2 (en) | 2019-03-29 | 2021-09-14 | Lenovo (Beijing) Co., Ltd. | Fingerprint collection method and electronic apparatus |
CN110110697A (zh) * | 2019-05-17 | 2019-08-09 | 山东省计算中心(国家超级计算济南中心) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 |
CN111242111A (zh) * | 2020-04-29 | 2020-06-05 | 深圳市汇顶科技股份有限公司 | 指纹识别方法、装置和电子设备 |
WO2024046114A1 (zh) * | 2022-09-02 | 2024-03-07 | 荣耀终端有限公司 | 指纹识别方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020051792A1 (zh) | 2020-03-19 |
CN109313705B (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109313705A (zh) | 指纹识别方法、装置、设备及存储介质 | |
CN101142584B (zh) | 面部特征检测的方法 | |
CN103975342B (zh) | 用于移动图像捕获和处理的系统和方法 | |
CN112686812B (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
CN110298376B (zh) | 一种基于改进b-cnn的银行票据图像分类方法 | |
CN104951940B (zh) | 一种基于掌纹识别的移动支付验证方法 | |
CN101615292B (zh) | 基于灰度信息的人眼精确定位方法 | |
Türkyılmaz et al. | License plate recognition system using artificial neural networks | |
CN110309687A (zh) | 一种二维码图像的校正方法及校正装置 | |
CN108388822A (zh) | 一种检测二维码图像的方法和装置 | |
CN106683046A (zh) | 用于警用无人机侦察取证的图像实时拼接方法 | |
CN108596197A (zh) | 一种印章匹配方法及装置 | |
CN107292907A (zh) | 一种对跟随目标进行定位的方法以及跟随设备 | |
CN106780727B (zh) | 一种车头检测模型重建方法及装置 | |
CN110956088B (zh) | 基于深度学习的交叠文本行定位分割方法及系统 | |
CN107945111A (zh) | 一种基于surf特征提取结合cs‑lbp描述符的图像拼接方法 | |
CN112949520B (zh) | 一种基于多尺度小样本的航拍车辆检测方法及检测系统 | |
JP3809305B2 (ja) | 画像検索装置及び画像検索方法及びコンピュータ読み取り可能な記憶媒体 | |
CN109784171A (zh) | 车辆定损图像筛选方法、装置、可读存储介质及服务器 | |
CN103065118A (zh) | 图像模糊检测方法和装置 | |
CN115631344A (zh) | 一种基于特征自适应聚合的目标检测方法 | |
CN108921175A (zh) | 一种基于fast改进的sift图像配准方法 | |
Anbu et al. | A comprehensive survey of detecting tampered images and localization of the tampered region | |
CN110210467A (zh) | 一种文本图像的公式定位方法、图像处理装置、存储介质 | |
Jwaid et al. | Study and analysis of copy-move & splicing image forgery detection techniques |
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 |