CN109426795A - 指纹识别方法和装置 - Google Patents
指纹识别方法和装置 Download PDFInfo
- Publication number
- CN109426795A CN109426795A CN201710791572.XA CN201710791572A CN109426795A CN 109426795 A CN109426795 A CN 109426795A CN 201710791572 A CN201710791572 A CN 201710791572A CN 109426795 A CN109426795 A CN 109426795A
- Authority
- CN
- China
- Prior art keywords
- pixel
- fingerprint image
- extension
- preset quantity
- identified
- 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.)
- Pending
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
- G06V40/13—Sensors therefor
-
- 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)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Input (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提出一种指纹识别方法和装置,其中,方法包括:采集待识别指纹图像;针对待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取行或者列上距离侧边最近的第一预设数量的像素点;根据其灰度值,计算确定侧边外行或者列上第一预设数量的扩展像素点的灰度值;针对待识别指纹图像的每个角,获取角内距离角点最近的第一预设数量的像素点;根据其灰度值,计算确定角外第二预设数量的扩展像素点的灰度值,进而得到扩展后的指纹图像;对扩展后的指纹图像进行识别,确定待识别指纹图像是否与预存的指纹图像匹配,从而能够结合指纹图像边界的像素区域的极值点对指纹图像进行识别,提高了指纹图像的识别效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种指纹识别方法和装置。
背景技术
目前,在指纹识别技术中,主要是识别指纹图像中的极值点,基于指纹图像中的极值点对指纹图像进行匹配。由于指纹图像边界上的极值点难以获取,因此现有技术中通常是放弃指纹图像边界的像素区域的极值点,根据指纹图像其他像素区域的极值点对指纹图像进行匹配。
然而,现有技术中,在指纹图像尺寸较小的情况下,指纹图像边界的像素区域所占比例较大,导致指纹图像识别过程中放弃的极值点较多,降低了指纹图像的识别效率。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种指纹识别方法,以提高指纹图像的识别效率。
本发明的第二个目的在于提出一种指纹识别装置。
本发明的第三个目的在于提出一种终端设备。
本发明的第四个目的在于提出一种计算机可读存储介质。
为达上述目的,本发明第一方面实施例提出了一种指纹识别方法,包括:
采集待识别指纹图像;
针对所述待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取所述行或者所述列上距离所述侧边最近的第一预设数量的像素点;根据所述第一预设数量的像素点的灰度值,计算确定所述侧边外所述行或者所述列上第一预设数量的扩展像素点的灰度值;
针对所述待识别指纹图像的每个角,获取所述角内距离角点最近的第一预设数量的像素点;根据距离所述角点最近的第一预设数量的像素点的灰度值,计算确定所述角外第二预设数量的扩展像素点的灰度值;
结合所述待识别指纹图像的各个像素点的灰度值,以及所述各个扩展像素点的灰度值,得到扩展后的指纹图像;
对所述扩展后的指纹图像进行识别,确定所述待识别指纹图像是否与预存的指纹图像匹配。
进一步的,所述根据所述第一预设数量的像素点的灰度值,计算确定所述侧边外所述行或者所述列上第一预设数量的扩展像素点的灰度值,包括:
针对每个扩展像素点,获取与所述扩展像素点对应的待分配给所述第一预设数量的像素点的权重值;
根据待分配给所述第一预设数量的像素点的权重值,以及所述第一预设数量的像素点的灰度值,计算所述扩展像素点的灰度值。
进一步的,所述根据距离所述角点最近的第一预设数量的像素点的灰度值,计算确定所述角外第二预设数量的扩展像素点的灰度值,包括:
对距离所述角点最近的第一预设数量的像素点的灰度值进行平均值计算,得到灰度平均值;
将所述灰度平均值确定为所述角外第二预设数量的扩展像素点的灰度值。
进一步的,所述针对每个扩展像素点,获取与所述扩展像素点对应的待分配给所述第一预设数量的像素点的权重值之前,还包括:
针对每个扩展像素点,根据所述扩展像素点与所述第一预设数量的像素点之间的距离,确定待分配给所述第一预设数量的像素点的权重值。
进一步的,所述对所述扩展后的指纹图像进行识别,确定所述待识别指纹图像是否与预存的指纹图像匹配,包括:
对所述扩展后的指纹图像进行识别,获取所述扩展后的指纹图像中的极值点;
将所述扩展后的指纹图像中的极值点与预存的指纹图像中的极值点进行比对,确定所述待识别指纹图像与预存的指纹图像之间的相似度;
根据所述待识别指纹图像与预存的指纹图像之间的相似度,确定所述待识别指纹图像是否与预存的指纹图像匹配。
进一步的,所述采集待识别指纹图像之前,还包括:
采集各个用户的指纹图像;
根据所述指纹图像,获取所述指纹图像对应的扩展后的图像;
对所述扩展后的图像进行识别,获取所述扩展后的图像中的极值点;
将所述扩展后的图像中的极值点,确定为对应的指纹图像中的极值点并进行存储。
本发明实施例的指纹识别方法,通过采集待识别指纹图像;针对待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取行或者列上距离侧边最近的第一预设数量的像素点;根据第一预设数量的像素点的灰度值,计算确定侧边外行或者列上第一预设数量的扩展像素点的灰度值;针对待识别指纹图像的每个角,获取角内距离角点最近的第一预设数量的像素点;根据距离角点最近的第一预设数量的像素点的灰度值,计算确定角外第二预设数量的扩展像素点的灰度值;结合待识别指纹图像的各个像素点的灰度值,以及各个扩展像素点的灰度值,得到扩展后的指纹图像;对扩展后的指纹图像进行识别,确定待识别指纹图像是否与预存的指纹图像匹配,从而能够结合指纹图像边界的像素区域的极值点对指纹图像进行识别,提高了指纹图像的识别效率。
为达上述目的,本发明第二方面实施例提出了一种指纹识别装置,包括:
采集模块,用于采集待识别指纹图像;
获取模块,用于针对所述待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取所述行或者所述列上距离所述侧边最近的第一预设数量的像素点;
第一计算模块,用于根据所述第一预设数量的像素点的灰度值,计算确定所述侧边外所述行或者所述列上第一预设数量的扩展像素点的灰度值;
所述获取模块,还用于针对所述待识别指纹图像的每个角,获取所述角内距离角点最近的第一预设数量的像素点;
第二计算模块,还用于根据距离所述角点最近的第一预设数量的像素点的灰度值,计算确定所述角外第二预设数量的扩展像素点的灰度值;
结合模块,用于结合所述待识别指纹图像的各个像素点的灰度值,以及所述各个扩展像素点的灰度值,得到扩展后的指纹图像;
识别模块,用于对所述扩展后的指纹图像进行识别,确定所述待识别指纹图像是否与预存的指纹图像匹配。
进一步的,所述第一计算模块具体用于,
针对每个扩展像素点,获取与所述扩展像素点对应的待分配给所述第一预设数量的像素点的权重值;
根据待分配给所述第一预设数量的像素点的权重值,以及所述第一预设数量的像素点的灰度值,计算所述扩展像素点的灰度值。
进一步的,所述第二计算模块具体用于,
对距离所述角点最近的第一预设数量的像素点的灰度值进行平均值计算,得到灰度平均值;
将所述灰度平均值确定为所述角外第二预设数量的扩展像素点的灰度值。
进一步的,所述第一计算模块具体还用于,
针对每个扩展像素点,根据所述扩展像素点与所述第一预设数量的像素点之间的距离,确定待分配给所述第一预设数量的像素点的权重值。
进一步的,所述识别模块具体用于,
对所述扩展后的指纹图像进行识别,获取所述扩展后的指纹图像中的极值点;
将所述扩展后的指纹图像中的极值点与预存的指纹图像中的极值点进行比对,确定所述待识别指纹图像与预存的指纹图像之间的相似度;
根据所述待识别指纹图像与预存的指纹图像之间的相似度,确定所述待识别指纹图像是否与预存的指纹图像匹配。
进一步的,所述的装置还包括:确定模块;
所述采集模块还用于,采集各个用户的指纹图像;
所述获取模块还用于,根据所述指纹图像,获取所述指纹图像对应的扩展后的图像;
所述识别模块还用于,对所述扩展后的图像进行识别,获取所述扩展后的图像中的极值点;
所述确定模块用于,将所述扩展后的图像中的极值点,确定为对应的指纹图像中的极值点并进行存储。
本发明实施例的指纹识别装置,通过采集待识别指纹图像;针对待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取行或者列上距离侧边最近的第一预设数量的像素点;根据第一预设数量的像素点的灰度值,计算确定侧边外行或者列上第一预设数量的扩展像素点的灰度值;针对待识别指纹图像的每个角,获取角内距离角点最近的第一预设数量的像素点;根据距离角点最近的第一预设数量的像素点的灰度值,计算确定角外第二预设数量的扩展像素点的灰度值;结合待识别指纹图像的各个像素点的灰度值,以及各个扩展像素点的灰度值,得到扩展后的指纹图像;对扩展后的指纹图像进行识别,确定待识别指纹图像是否与预存的指纹图像匹配,从而能够结合指纹图像边界的像素区域的极值点对指纹图像进行识别,提高了指纹图像的识别效率。
为达上述目的,本发明第三方面实施例提出了一种终端设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如第一方面所述的指纹识别方法。
为了实现上述目的,本发明第四方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述的指纹识别方法。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例所提供的一种指纹识别方法的流程示意图;
图2为扩展后的指纹图像的示意图;
图3为对指纹图像的四侧边进行扩展后指纹图像的示意图;
图4为对指纹图像左侧边某一行像素点进行扩展的示意图;
图5为对图4中各个角进行扩展后指纹图像的示意图;
图6对图4中左上角进行扩展的示意图;
图7为本发明实施例所提供的另一种指纹识别方法的流程示意图;
图8为本发明实施例所提供的一种指纹识别装置的结构示意图;
图9为本发明实施例提供的终端设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的指纹识别方法和装置。
图1为本发明实施例所提供的一种指纹识别方法的流程示意图。
如图1所示,该指纹识别方法包括以下步骤:
步骤101,采集待识别指纹图像。
本实施例提供的指纹识别方法的执行主体为指纹识别装置,指纹识别装置具体可以为采集指纹图像并对指纹图像进行识别的软件或者硬件等。硬件例如,计算机、终端设备等。
本实施例中,指纹识别装置上可以设置有、或者连接有指纹扫描装置,在用户将手指按压到指纹扫描装置的特定区域时,指纹扫描装置扫描获取用户的指纹图像并发送给指纹识别装置。其中,指纹图像可以为矩形图像,包括各个像素点的灰度值。
本实施例中,指纹图像中各个像素点的灰度值例如可以如以下表1所示。由表1可知,指纹图像中临近边界的像素点的灰度值通常不会发生剧烈变化,因此,可以根据指纹图像边界的像素点的灰度值对图像进行扩大。
表1
步骤102,针对待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取行或者列上距离侧边最近的第一预设数量的像素点;根据第一预设数量的像素点的灰度值,计算确定侧边外行或者列上第一预设数量的扩展像素点的灰度值。
具体的,步骤102中根据第一预设数量的像素点的灰度值,计算确定侧边外行或者列上第一预设数量的扩展像素点的灰度值的过程具体可以为,针对每个扩展像素点,指纹识别装置获取与扩展像素点对应的待分配给第一预设数量的像素点的权重值;根据待分配给第一预设数量的像素点的权重值,以及第一预设数量的像素点的灰度值,计算扩展像素点的灰度值。其中,针对每个扩展像素点,指纹识别装置可以根据扩展像素点与第一预设数量的像素点之间的距离,确定待分配给第一预设数量的像素点的权重值。
本实施例中,以指纹图像尺寸为56×56为例,通过在指纹图像的每个侧边的外围增加4个像素点宽度,得到扩展后的指纹图像,如图2所示,扩展后的指纹图像尺寸为64×64。
步骤102中,指纹识别装置具体用于,对指纹图像的四侧边进行扩展,扩展后指纹图像的示意图可以如图3所示。其中,以指纹图像的左侧边为例进行说明。针对左侧边的某一行,如图4所示,图4为对指纹图像左侧边某一行像素点进行扩展的示意图,获取所述行上距离左侧边最近的四个像素点,如图4中的P1、P2、P3和P4;图4中所述行上的扩展像素点为Q1、Q2、Q3和Q4。然后基于以下公式(1)计算扩展像素点的灰度值。
qi=p1*w1+p2*w2+p3*w3+p4*w4 (1)
其中,i为1、2、3或4;qi表示Qi扩展像素点的灰度值;p1、p2、p3和p4分别表示P1、P2、P3和P4像素点的灰度值;w1、w2、w3和w4分别为p1、p2、p3和p4的权重值。
本实施例中,对于计算q1、q2、q3和q4的权重值w1、w2、w3和w4各不相同,可以根据Qi与P1、P2、P3和P4像素点之间的距离,确定p1、p2、p3和p4的权重值。例如,对于q1、q2、q3和q4,系数w1、w2、w3、w4的值具体可以如下公式(2)所示。
q1:w1,w2,w3,w4={0.6,0.25,0.1,0.05}
q2:w1,w2,w3,w4={0.5,0.25,0.15,0.1}
q3:w1,w2,w3,w4={0.4,0.3,0.2,0.1}
q4:w1,w2,w3,w4={0.3,0.3,0.2,0.2} (2)
其中,上述公式(2)中,对于离边界最远的Q1像素点,p1的权重值最大,p4的权重值最小。基于上述公式(2)可以计算得到左侧边的每一行的各个扩展像素点的灰度值。进而根据同样的原理,计算右侧边的每一行,上侧边的每一列以及下侧边的每一列的各个扩展像素点的灰度值,实现对指纹图像的四侧边进行扩展。
步骤103,针对待识别指纹图像的每个角,获取角内距离角点最近的第一预设数量的像素点;根据距离角点最近的第一预设数量的像素点的灰度值,计算确定角外第二预设数量的扩展像素点的灰度值。
本实施例中,步骤103中根据距离角点最近的第一预设数量的像素点的灰度值,计算确定角外第二预设数量的扩展像素点的灰度值的过程具体可以为,对距离角点最近的第一预设数量的像素点的灰度值进行平均值计算,得到灰度平均值;将灰度平均值确定为角外第二预设数量的扩展像素点的灰度值。
以指纹图像尺寸为56×56,扩展后的指纹图像尺寸为64×64为例进行说明,图5为对图4中各个角进行扩展后的示意图,对图4中各个角进行扩展后就得到扩展后的指纹图像。图6为对图4中左上角进行扩展的示意图,如图6所示,在图6中,假设距离角点最近的四个像素点为P1、P2、P3和P4,扩展像素点为Q1到Q16;Q1到Q16像素点的灰度值的计算公式可以如以下公式(3)所示。
q1-q16=(p1+p2+p3+p4)/4 (3)
其中,q1-q16表示Q1到Q16像素点的灰度值;Q1到Q16像素点的灰度值相等,均为P1、P2、P3和P4像素点的灰度值的平均值。
步骤104,结合待识别指纹图像的各个像素点的灰度值,以及各个扩展像素点的灰度值,得到扩展后的指纹图像。
步骤105,对扩展后的指纹图像进行识别,确定待识别指纹图像是否与预存的指纹图像匹配。
进一步的,步骤101之前,所述的方法还可以包括:采集各个用户的指纹图像;根据指纹图像,获取指纹图像对应的扩展后的图像;对扩展后的图像进行识别,获取扩展后的图像中的极值点;将扩展后的图像中的极值点,确定为对应的指纹图像中的极值点并进行存储。
其中,获取指纹图像对应的扩展后的图像的过程,可以参考步骤102至步骤104的内容,此处不再做详细说明。
本发明实施例的指纹识别方法,通过采集待识别指纹图像;针对待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取行或者列上距离侧边最近的第一预设数量的像素点;根据第一预设数量的像素点的灰度值,计算确定侧边外行或者列上第一预设数量的扩展像素点的灰度值;针对待识别指纹图像的每个角,获取角内距离角点最近的第一预设数量的像素点;根据距离角点最近的第一预设数量的像素点的灰度值,计算确定角外第二预设数量的扩展像素点的灰度值;结合待识别指纹图像的各个像素点的灰度值,以及各个扩展像素点的灰度值,得到扩展后的指纹图像;对扩展后的指纹图像进行识别,确定待识别指纹图像是否与预存的指纹图像匹配,从而能够结合指纹图像边界的像素区域的极值点对指纹图像进行识别,提高了指纹图像的识别效率。
图7为本实施例提供的另一种指纹识别方法的流程示意图,在上一实施例的基础上,步骤105具体可以包括以下几个步骤:
步骤1051、对扩展后的指纹图像进行识别,获取扩展后的指纹图像中的极值点。
本实施例中,极值点指的是指纹图像中的局部极大值点和局部极小值点。局部极大值点指的是像素灰度值比周围点都大的点;局部极小值点指的是像素灰度值比周围点都小的点。
步骤1052、将扩展后的指纹图像中的极值点与预存的指纹图像中的极值点进行比对,确定待识别指纹图像与预存的指纹图像之间的相似度。
本实施例中,预存的指纹图像的数量可以为多个,指纹识别装置可以将扩展后的指纹图像中的极值点与预存的各个指纹图像中的极值点分别进行比对,确定扩展后的指纹图像与预存的各个指纹图像之间的相似度。
步骤1053、根据待识别指纹图像与预存的指纹图像之间的相似度,确定待识别指纹图像是否与预存的指纹图像匹配。
本实施例中,指纹识别装置可以根据扩展后的指纹图像与预存的各个指纹图像之间的相似度,确定与待识别指纹图像匹配的指纹图像,从而确定待识别指纹图像对应的用户信息。
本发明实施例的指纹识别方法,通过采集待识别指纹图像;针对待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取行或者列上距离侧边最近的第一预设数量的像素点;根据第一预设数量的像素点的灰度值,计算确定侧边外行或者列上第一预设数量的扩展像素点的灰度值;针对待识别指纹图像的每个角,获取角内距离角点最近的第一预设数量的像素点;根据距离角点最近的第一预设数量的像素点的灰度值,计算确定角外第二预设数量的扩展像素点的灰度值;结合待识别指纹图像的各个像素点的灰度值,以及各个扩展像素点的灰度值,得到扩展后的指纹图像;对所述扩展后的指纹图像进行识别,获取所述扩展后的指纹图像中的极值点;将所述扩展后的指纹图像中的极值点与预存的指纹图像中的极值点进行比对,确定所述待识别指纹图像与预存的指纹图像之间的相似度;根据所述待识别指纹图像与预存的指纹图像之间的相似度,确定所述待识别指纹图像是否与预存的指纹图像匹配,从而能够结合指纹图像边界的像素区域的极值点对指纹图像进行识别,提高了指纹图像的识别效率。
为了实现上述实施例,本发明还提出一种指纹识别装置。
图8为本发明实施例提供的一种指纹识别装置的结构示意图。如图8所示,该指纹识别装置包括:采集模块81、获取模块82、第一计算模块83、第二计算模块84、结合模块85和识别模块86。
其中,采集模块81,用于采集待识别指纹图像;
获取模块82,用于针对所述待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取所述行或者所述列上距离所述侧边最近的第一预设数量的像素点;
第一计算模块83,用于根据所述第一预设数量的像素点的灰度值,计算确定所述侧边外所述行或者所述列上第一预设数量的扩展像素点的灰度值;
所述获取模块82,还用于针对所述待识别指纹图像的每个角,获取所述角内距离角点最近的第一预设数量的像素点;
第二计算模块84,还用于根据距离所述角点最近的第一预设数量的像素点的灰度值,计算确定所述角外第二预设数量的扩展像素点的灰度值;
结合模块85,用于结合所述待识别指纹图像的各个像素点的灰度值,以及所述各个扩展像素点的灰度值,得到扩展后的指纹图像;
识别模块86,用于对所述扩展后的指纹图像进行识别,确定所述待识别指纹图像是否与预存的指纹图像匹配。
本实施例提供的指纹识别装置具体可以为采集指纹图像并对指纹图像进行识别的软件或者硬件等。硬件例如,计算机、终端设备等。指纹识别装置上可以设置有、或者连接有指纹扫描装置,在用户将手指按压到指纹扫描装置的特定区域时,指纹扫描装置扫描获取用户的指纹图像并发送给指纹识别装置。其中,指纹图像可以为矩形图像,包括各个像素点的灰度值。
本实施例中,指纹图像中各个像素点的灰度值例如可以如图1所示实施例中的表1所示。由表1可知,指纹图像中临近边界的像素点的灰度值通常不会发生剧烈变化,因此,可以根据指纹图像边界的像素点的灰度值对图像进行扩大。
进一步的,所述第一计算模块83具体用于,
针对每个扩展像素点,获取与所述扩展像素点对应的待分配给所述第一预设数量的像素点的权重值;
根据待分配给所述第一预设数量的像素点的权重值,以及所述第一预设数量的像素点的灰度值,计算所述扩展像素点的灰度值。
进一步,所述第一计算模块83具体还用于,针对每个扩展像素点,根据所述扩展像素点与所述第一预设数量的像素点之间的距离,确定待分配给所述第一预设数量的像素点的权重值。
本实施例中,以指纹图像尺寸为56×56为例,通过在指纹图像的每个侧边的外围增加4个像素点宽度,得到扩展后的指纹图像,如图2所示,扩展后的指纹图像尺寸为64×64。
以指纹图像的左侧边为例进行说明。针对左侧边的某一行,如图4所示,图4为对指纹图像左侧边某一行像素点进行扩展的示意图,获取所述行上距离左侧边最近的四个像素点,如图4中的P1、P2、P3和P4;图4中所述行上的扩展像素点为Q1、Q2、Q3和Q4。然后基于以下公式(1)计算扩展像素点的灰度值。
qi=p1*w1+p2*w2+p3*w3+p4*w4 (1)
其中,i为1、2、3或4;qi表示Qi扩展像素点的灰度值;p1、p2、p3和p4分别表示P1、P2、P3和P4像素点的灰度值;w1、w2、w3和w4分别为p1、p2、p3和p4的权重值。
本实施例中,对于计算q1、q2、q3和q4的权重值w1、w2、w3和w4各不相同,可以根据Qi与P1、P2、P3和P4像素点之间的距离,确定p1、p2、p3和p4的权重值。例如,对于q1、q2、q3和q4,系数w1、w2、w3、w4的值具体可以如下公式(2)所示。
q1:w1,w2,w3,w4={0.6,0.25,0.1,0.05}
q2:w1,w2,w3,w4={0.5,0.25,0.15,0.1}
q3:w1,w2,w3,w4={0.4,0.3,0.2,0.1}
q4:w1,w2,w3,w4={0.3,0.3,0.2,0.2} (2)
其中,上述公式(2)中,对于离边界最远的Q1像素点,p1的权重值最大,p4的权重值最小。基于上述公式(2)可以计算得到左侧边的每一行的各个扩展像素点的灰度值。进而根据同样的原理,计算右侧边的每一行,上侧边的每一列以及下侧边的每一列的各个扩展像素点的灰度值,实现对指纹图像的四侧边进行扩展。
进一步的,所述第二计算模块84具体用于,
对距离所述角点最近的第一预设数量的像素点的灰度值进行平均值计算,得到灰度平均值;
将所述灰度平均值确定为所述角外第二预设数量的扩展像素点的灰度值。
进一步的,所述识别模块86具体用于,
对所述扩展后的指纹图像进行识别,获取所述扩展后的指纹图像中的极值点;
将所述扩展后的指纹图像中的极值点与预存的指纹图像中的极值点进行比对,确定所述待识别指纹图像与预存的指纹图像之间的相似度;
根据所述待识别指纹图像与预存的指纹图像之间的相似度,确定所述待识别指纹图像是否与预存的指纹图像匹配。
本实施例中,极值点指的是指纹图像中的局部极大值点和局部极小值点。局部极大值点指的是像素灰度值比周围点都大的点;局部极小值点指的是像素灰度值比周围点都小的点。
本实施例中,预存的指纹图像的数量可以为多个,指纹识别装置可以将扩展后的指纹图像中的极值点与预存的各个指纹图像中的极值点分别进行比对,确定扩展后的指纹图像与预存的各个指纹图像之间的相似度。
本实施例中,指纹识别装置可以根据扩展后的指纹图像与预存的各个指纹图像之间的相似度,确定与待识别指纹图像匹配的指纹图像,从而确定待识别指纹图像对应的用户信息。
进一步的,所述的装置还包括:确定模块;
所述采集模块还用于,采集各个用户的指纹图像;
所述获取模块还用于,根据所述指纹图像,获取所述指纹图像对应的扩展后的图像;
所述识别模块还用于,对所述扩展后的图像进行识别,获取所述扩展后的图像中的极值点;
所述确定模块用于,将所述扩展后的图像中的极值点,确定为对应的指纹图像中的极值点并进行存储。
其中,获取模块获取指纹图像对应的扩展后的图像的过程,可以参考图1所示实施例中步骤102至步骤104的内容,此处不再做详细说明。
本发明实施例的指纹识别装置,通过采集待识别指纹图像;针对待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取行或者列上距离侧边最近的第一预设数量的像素点;根据第一预设数量的像素点的灰度值,计算确定侧边外行或者列上第一预设数量的扩展像素点的灰度值;针对待识别指纹图像的每个角,获取角内距离角点最近的第一预设数量的像素点;根据距离角点最近的第一预设数量的像素点的灰度值,计算确定角外第二预设数量的扩展像素点的灰度值;结合待识别指纹图像的各个像素点的灰度值,以及各个扩展像素点的灰度值,得到扩展后的指纹图像;对扩展后的指纹图像进行识别,确定待识别指纹图像是否与预存的指纹图像匹配,从而能够结合指纹图像边界的像素区域的极值点对指纹图像进行识别,提高了指纹图像的识别效率。
需要说明的是,前述对指纹识别方法实施例的解释说明也适用于该实施例的指纹识别装置,此处不再赘述。
为了实现上述实施例,本发明还提出一种终端设备,图9为本发明实施例提供的终端设备的结构示意图。该终端设备包括:
存储器901、处理器902及存储在存储器901上并可在处理器902上运行的计算机程序。
处理器902执行所述程序时实现图1或图7所示实施例中提供的指纹识别方法。
进一步的,指纹识别装置还包括:
通信接口903,用于存储器901和处理器902之间的通信。
存储器901,用于存放可在处理器902上运行的计算机程序。
存储器901可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器902,用于执行所述程序时实现图1或图7所示实施例所述的指纹识别方法。
如果存储器901、处理器902和通信接口903独立实现,则通信接口903、存储器901和处理器902可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器901、处理器902及通信接口903,集成在一块芯片上实现,则存储器901、处理器902及通信接口903可以通过内部接口完成相互间的通信。
处理器902可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路。
为了实现上述实施例,本发明还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述实施例所述的指纹识别方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (14)
1.一种指纹识别方法,其特征在于,包括:
采集待识别指纹图像;
针对所述待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取所述行或者所述列上距离所述侧边最近的第一预设数量的像素点;根据所述第一预设数量的像素点的灰度值,计算确定所述侧边外所述行或者所述列上第一预设数量的扩展像素点的灰度值;
针对所述待识别指纹图像的每个角,获取所述角内距离角点最近的第一预设数量的像素点;根据距离所述角点最近的第一预设数量的像素点的灰度值,计算确定所述角外第二预设数量的扩展像素点的灰度值;
结合所述待识别指纹图像的各个像素点的灰度值,以及所述各个扩展像素点的灰度值,得到扩展后的指纹图像;
对所述扩展后的指纹图像进行识别,确定所述待识别指纹图像是否与预存的指纹图像匹配。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一预设数量的像素点的灰度值,计算确定所述侧边外所述行或者所述列上第一预设数量的扩展像素点的灰度值,包括:
针对每个扩展像素点,获取与所述扩展像素点对应的待分配给所述第一预设数量的像素点的权重值;
根据待分配给所述第一预设数量的像素点的权重值,以及所述第一预设数量的像素点的灰度值,计算所述扩展像素点的灰度值。
3.根据权利要求1所述的方法,其特征在于,所述根据距离所述角点最近的第一预设数量的像素点的灰度值,计算确定所述角外第二预设数量的扩展像素点的灰度值,包括:
对距离所述角点最近的第一预设数量的像素点的灰度值进行平均值计算,得到灰度平均值;
将所述灰度平均值确定为所述角外第二预设数量的扩展像素点的灰度值。
4.根据权利要求2所述的方法,其特征在于,所述针对每个扩展像素点,获取与所述扩展像素点对应的待分配给所述第一预设数量的像素点的权重值之前,还包括:
针对每个扩展像素点,根据所述扩展像素点与所述第一预设数量的像素点之间的距离,确定待分配给所述第一预设数量的像素点的权重值。
5.根据权利要求1所述的方法,其特征在于,所述对所述扩展后的指纹图像进行识别,确定所述待识别指纹图像是否与预存的指纹图像匹配,包括:
对所述扩展后的指纹图像进行识别,获取所述扩展后的指纹图像中的极值点;
将所述扩展后的指纹图像中的极值点与预存的指纹图像中的极值点进行比对,确定所述待识别指纹图像与预存的指纹图像之间的相似度;
根据所述待识别指纹图像与预存的指纹图像之间的相似度,确定所述待识别指纹图像是否与预存的指纹图像匹配。
6.根据权利要求1所述的方法,其特征在于,所述采集待识别指纹图像之前,还包括:
采集各个用户的指纹图像;
根据所述指纹图像,获取所述指纹图像对应的扩展后的图像;
对所述扩展后的图像进行识别,获取所述扩展后的图像中的极值点;
将所述扩展后的图像中的极值点,确定为对应的指纹图像中的极值点并进行存储。
7.一种指纹识别装置,其特征在于,包括:
采集模块,用于采集待识别指纹图像;
获取模块,用于针对所述待识别指纹图像的每个侧边上的每行像素点或者每列像素点,获取所述行或者所述列上距离所述侧边最近的第一预设数量的像素点;
第一计算模块,用于根据所述第一预设数量的像素点的灰度值,计算确定所述侧边外所述行或者所述列上第一预设数量的扩展像素点的灰度值;
所述获取模块,还用于针对所述待识别指纹图像的每个角,获取所述角内距离角点最近的第一预设数量的像素点;
第二计算模块,还用于根据距离所述角点最近的第一预设数量的像素点的灰度值,计算确定所述角外第二预设数量的扩展像素点的灰度值;
结合模块,用于结合所述待识别指纹图像的各个像素点的灰度值,以及所述各个扩展像素点的灰度值,得到扩展后的指纹图像;
识别模块,用于对所述扩展后的指纹图像进行识别,确定所述待识别指纹图像是否与预存的指纹图像匹配。
8.根据权利要求7所述的装置,其特征在于,所述第一计算模块具体用于,
针对每个扩展像素点,获取与所述扩展像素点对应的待分配给所述第一预设数量的像素点的权重值;
根据待分配给所述第一预设数量的像素点的权重值,以及所述第一预设数量的像素点的灰度值,计算所述扩展像素点的灰度值。
9.根据权利要求7所述的装置,其特征在于,所述第二计算模块具体用于,
对距离所述角点最近的第一预设数量的像素点的灰度值进行平均值计算,得到灰度平均值;
将所述灰度平均值确定为所述角外第二预设数量的扩展像素点的灰度值。
10.根据权利要求8所述的装置,其特征在于,所述第一计算模块具体还用于,
针对每个扩展像素点,根据所述扩展像素点与所述第一预设数量的像素点之间的距离,确定待分配给所述第一预设数量的像素点的权重值。
11.根据权利要求7所述的装置,其特征在于,所述识别模块具体用于,
对所述扩展后的指纹图像进行识别,获取所述扩展后的指纹图像中的极值点;
将所述扩展后的指纹图像中的极值点与预存的指纹图像中的极值点进行比对,确定所述待识别指纹图像与预存的指纹图像之间的相似度;
根据所述待识别指纹图像与预存的指纹图像之间的相似度,确定所述待识别指纹图像是否与预存的指纹图像匹配。
12.根据权利要求7所述的装置,其特征在于,还包括:确定模块;
所述采集模块还用于,采集各个用户的指纹图像;
所述获取模块还用于,根据所述指纹图像,获取所述指纹图像对应的扩展后的图像;
所述识别模块还用于,对所述扩展后的图像进行识别,获取所述扩展后的图像中的极值点;
所述确定模块用于,将所述扩展后的图像中的极值点,确定为对应的指纹图像中的极值点并进行存储。
13.一种终端设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1-6中任一所述的指纹识别方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的指纹识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710791572.XA CN109426795A (zh) | 2017-09-05 | 2017-09-05 | 指纹识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710791572.XA CN109426795A (zh) | 2017-09-05 | 2017-09-05 | 指纹识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109426795A true CN109426795A (zh) | 2019-03-05 |
Family
ID=65514022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710791572.XA Pending CN109426795A (zh) | 2017-09-05 | 2017-09-05 | 指纹识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109426795A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028139A (zh) * | 2019-11-01 | 2020-04-17 | 深圳供电局有限公司 | 一种扩展位图点位的方法及系统 |
CN112906567A (zh) * | 2020-05-05 | 2021-06-04 | 王建华 | 指纹感测装置与指纹识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1737821A (zh) * | 2005-08-15 | 2006-02-22 | 阜阳师范学院 | 自动指纹识别方法中的图像分割及指纹纹线距离提取技术 |
US20080056497A1 (en) * | 2006-09-06 | 2008-03-06 | Korea Advanced Institute Of Science And Technology | Method of generating anti-collusion fingerprint codes using |
CN101271516A (zh) * | 2008-04-02 | 2008-09-24 | 范九伦 | 指纹图像的方向滤波增强方法 |
CN105205802A (zh) * | 2015-02-13 | 2015-12-30 | 比亚迪股份有限公司 | 纹线距离的计算方法和装置 |
CN105205114A (zh) * | 2015-09-06 | 2015-12-30 | 重庆邮电大学 | 一种基于图像处理的Wi-Fi定位指纹数据库构建方法 |
CN105912901A (zh) * | 2016-04-06 | 2016-08-31 | 深圳市金立通信设备有限公司 | 一种指纹认证方法及终端 |
CN106022075A (zh) * | 2016-06-17 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
CN106156726A (zh) * | 2016-06-20 | 2016-11-23 | 比亚迪股份有限公司 | 指纹图像的增强方法和装置 |
CN106503609A (zh) * | 2015-09-08 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 指纹纹线点的识别方法及装置 |
-
2017
- 2017-09-05 CN CN201710791572.XA patent/CN109426795A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1737821A (zh) * | 2005-08-15 | 2006-02-22 | 阜阳师范学院 | 自动指纹识别方法中的图像分割及指纹纹线距离提取技术 |
US20080056497A1 (en) * | 2006-09-06 | 2008-03-06 | Korea Advanced Institute Of Science And Technology | Method of generating anti-collusion fingerprint codes using |
CN101271516A (zh) * | 2008-04-02 | 2008-09-24 | 范九伦 | 指纹图像的方向滤波增强方法 |
CN105205802A (zh) * | 2015-02-13 | 2015-12-30 | 比亚迪股份有限公司 | 纹线距离的计算方法和装置 |
CN105205114A (zh) * | 2015-09-06 | 2015-12-30 | 重庆邮电大学 | 一种基于图像处理的Wi-Fi定位指纹数据库构建方法 |
CN106503609A (zh) * | 2015-09-08 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 指纹纹线点的识别方法及装置 |
CN105912901A (zh) * | 2016-04-06 | 2016-08-31 | 深圳市金立通信设备有限公司 | 一种指纹认证方法及终端 |
CN106022075A (zh) * | 2016-06-17 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
CN106156726A (zh) * | 2016-06-20 | 2016-11-23 | 比亚迪股份有限公司 | 指纹图像的增强方法和装置 |
Non-Patent Citations (1)
Title |
---|
周晔华: "指纹图像预处理算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028139A (zh) * | 2019-11-01 | 2020-04-17 | 深圳供电局有限公司 | 一种扩展位图点位的方法及系统 |
CN111028139B (zh) * | 2019-11-01 | 2023-09-12 | 深圳供电局有限公司 | 一种扩展位图点位的方法及系统 |
CN112906567A (zh) * | 2020-05-05 | 2021-06-04 | 王建华 | 指纹感测装置与指纹识别方法 |
CN112906567B (zh) * | 2020-05-05 | 2024-06-28 | 神盾股份有限公司 | 指纹感测装置与指纹识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145931B (zh) | 物体检测方法、装置及存储介质 | |
US10872420B2 (en) | Electronic device and method for automatic human segmentation in image | |
CN109147341B (zh) | 违章车辆检测方法及装置 | |
CN109117773B (zh) | 一种图像特征点检测方法、终端设备及存储介质 | |
CN107343189B (zh) | 白平衡处理方法和装置 | |
CN107633237B (zh) | 图像背景分割方法、装置、设备及介质 | |
CN110210021A (zh) | 阅读理解方法及装置 | |
US11521303B2 (en) | Method and device for inpainting image | |
CN107246714A (zh) | 空调控制方法及其设备 | |
CN111832366B (zh) | 图像识别装置及方法 | |
CN107392184A (zh) | 人脸识别验证方法和装置 | |
US11086977B2 (en) | Certificate verification | |
CN108985289A (zh) | 乱码检测方法及装置 | |
CN109120867A (zh) | 视频合成方法及装置 | |
CN104102897A (zh) | 图像处理装置和图像处理方法 | |
Zhang et al. | Probability contour guided depth map inpainting and superresolution using non-local total generalized variation | |
CN109426795A (zh) | 指纹识别方法和装置 | |
CN109582153A (zh) | 信息输入方法及装置 | |
CN114078153B (zh) | 面向散射场景的光场编码摄像方法及装置 | |
US9171227B2 (en) | Apparatus and method extracting feature information of a source image | |
CN116311083A (zh) | 一种人群计数模型训练方法及系统 | |
EP3715834B1 (en) | Grain identification method and device, and computer storage medium | |
CN109522777A (zh) | 指纹比对方法和装置 | |
CN107341774A (zh) | 人脸图像美颜处理方法及装置 | |
CN107679180A (zh) | 数据展示方法及装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210207 Address after: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province Applicant after: BYD Semiconductor Co.,Ltd. Address before: 518118 BYD Road, Pingshan New District, Shenzhen, Guangdong 3009 Applicant before: BYD Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190305 |
|
RJ01 | Rejection of invention patent application after publication |