CN109766876B - 非接触式指纹采集装置和方法 - Google Patents
非接触式指纹采集装置和方法 Download PDFInfo
- Publication number
- CN109766876B CN109766876B CN201910180648.4A CN201910180648A CN109766876B CN 109766876 B CN109766876 B CN 109766876B CN 201910180648 A CN201910180648 A CN 201910180648A CN 109766876 B CN109766876 B CN 109766876B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- images
- image
- finger
- contact
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000005286 illumination Methods 0.000 claims abstract description 33
- 230000003287 optical effect Effects 0.000 claims abstract description 24
- 210000003811 finger Anatomy 0.000 claims description 101
- 238000013528 artificial neural network Methods 0.000 claims description 24
- 210000003813 thumb Anatomy 0.000 claims description 6
- 238000012805 post-processing Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013213 extrapolation Methods 0.000 claims description 2
- 210000001747 pupil Anatomy 0.000 claims description 2
- 238000007670 refining Methods 0.000 claims 1
- 238000005096 rolling process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000000205 computational method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011840 criminal investigation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Image Input (AREA)
Abstract
本发明提供了一种非接触式指纹采集装置和方法。非接触式指纹采集装置可包括：壳体，所述壳体包括用于至少一个手指的手指扫描区；至少两个图像捕获装置，所述至少两个图像捕获装置位于所述壳体中并且以预定的基线距离设置，每个图像捕获装置具有与竖直方向成预定角度的光轴；以及照明单元，所述照明单元位于所述壳体中，用于照射所述至少一个手指。其中，所述至少两个图像捕获装置能够操作以采集所述至少一个手指的多个部分指纹图像，并且所述多个部分指纹图像对应于所述至少一个手指的不同部分。由此，能够采集到具有更高图像质量和更大面积的指纹图像。
Description
技术领域
本发明一般涉及指纹的采集，更具体地说，涉及非接触式指纹采集装置和非接触式指纹采集方法。
背景技术
用于采集指纹图像的大多数传统系统依赖于手指和指纹扫描仪设备之间的物理接触。当需要高质量、大面积指纹时，手指还需要在扫描仪设备的表面上从一侧滚动到另一侧以增加总接触面积。当这样的系统与不顺从的个体一起使用时，用于采集指纹的附加力经常导致指纹的较大失真，并且个体也可能在采集过程期间有意地移动手指，导致所采集的指纹图像的模糊。这些问题大大增加了采集大面积、高质量指纹的难度和时间。
此外，非接触指纹扫描仪作为一种生物识别身份验证的方式，已经在访问控制、银行和其他行业中广泛应用。将手指放在扫描仪上的要求降低了认证速度并且也引起了人们对卫生的担心。
还存在用于以非接触方式采集指纹图像的非接触式指纹扫描仪。但是这些扫描仪采集的指纹图像的图像质量不够好，所采集的指纹的面积有限。一些扫描仪也可能存在可靠性问题。
发明内容
所希望的是消除上述指纹采集设备和方法的至少一些缺点，并提供一种改良的非接触式指纹采集装置和方法。
为了更好地解决上述问题，在本发明的第一方面，提供了一种非接触式指纹采集装置。该非接触式指纹采集装置包括：壳体，所述壳体包括用于至少一个手指的手指扫描区；至少两个图像捕获装置，所述至少两个图像捕获装置位于所述壳体中并且以预定的基线距离设置，每个图像捕获装置具有与竖直方向成预定角度的光轴；以及照明单元，所述照明单元位于所述壳体中，用于照射所述至少一个手指。其中，所述至少两个图像捕获装置能够操作以采集所述至少一个手指的多个部分指纹图像，并且所述多个部分指纹图像对应于所述至少一个手指的不同部分。
由于使用了非接触式指纹采集装置，本发明可以采集到具有更高图像质量和更大面积的指纹图像。
在本发明的第二方面，提供了一种非接触式指纹采集方法。该方法包括：从至少一个手指的多个指纹图像中生成与所述至少一个手指的不同部分相对应的至少两个视差图；从所述多个指纹图像中得出深度信息；根据所述至少两个视差图和所述深度信息来重建3D指纹模型；以及将所述多个部分指纹图像拼接到所述3D指纹模型的表面上以获得3D指纹图像。
在本发明的第三方面，提供了一种非接触式指纹采集方法。该方法包括：从至少一个手指的多个指尖区域图像中生成与所述至少一个手指的不同部分相对应的至少两个视差图；从所述多个指尖区域图像中得出深度信息；根据所述至少两个视差图和所述深度信息来重建3D指纹模型；以及将所述多个部分指纹图像拼接到所述3D指纹模型的表面上以获得3D指纹图像。
在本发明的第四方面，提供了一种非接触式指纹采集方法。该方法包括：通过使用主动式立体视觉、结构光、飞行时间(ToF)和光度立体中的至少一个，从由至少两个图像捕获装置采集的至少一个手指的多个部分指纹图像中得出深度信息；根据所述多个部分指纹图像以及通过使用主动式立体视觉、结构光、飞行时间(ToF)和光度立体中的至少一个得出的所述深度信息，来构建至少两个第一3D指纹模型；通过合并所述至少两个第一3D指纹模型来生成第二3D指纹模型；以及将所述多个部分指纹图像拼接到所述第二3D指纹模型的表面上以获得3D指纹图像。
在本发明的第五方面，提供了一种计算机可读存储介质。计算机可读存储介质包括指令，当由处理器执行时，使得处理器执行如上所述的方法。
参考下文描述的实施例，本发明的这些和其他方面将变得显而易见并得以阐明。
附图说明
本发明的实施例将通过示例并参照附图在下文中进行描述，但这不限制权利要求书所定义的保护范围。在这些图中：
图1是根据本发明实施例的非接触式指纹采集装置的示意性透视图；
图2是如图1所示的非接触式指纹采集装置的内部结构示意图；
图3是根据本发明另一实施例的非接触式指纹采集装置中的照明单元的示意图；
图4是根据本发明另一实施例的非接触式指纹采集装置中的照明单元的示意图；
图5是根据本发明另一实施例的非接触式指纹采集装置中的照明单元的示意图；
图6是根据本发明另一实施例的非接触式指纹采集装置的示意图；
图7A-7C示意性地示出了根据本发明的不同实施例的非接触式指纹采集装置的不同用户交互方式；
图8示意性地示出了根据本发明实施例的非接触式指纹采集方法的流程图；
图9A-9E示意性地示出了根据本发明另一实施例的通过执行非接触式指纹采集方法获得的中间指纹图像的示例；
图10示意性地示出了根据本发明另一实施例的非接触式指纹采集方法的流程图；
图11示意性地示出了根据本发明另一实施例的非接触式指纹采集方法的流程图。
具体实施方式
虽然本发明包括各种修改和替代结构，但是在附图中示出了本发明的实施例，并且在下文中将对其进行详细描述。然而，应该理解，具体描述和附图并不旨在将本发明限制于所公开的具体形式。相反，本发明的范围旨在包括所有落入所附权利要求所表达的修改和替代结构。
如上所述，基于接触的指纹扫描仪广泛用于不同的行业，并且存在两类这样的设备。
对于最常见的基于接触的指纹扫描仪，被采集人只需要将他或她的手指放在扫描区域上，并且可以通过电信号或光学图像自动采集指纹。这种设备广泛用于访问控制和智能手机认证等领域。它们通常非常便宜且小巧，但牺牲了所采集的指纹面积。此外，由于人的手指不平坦，因此通过一次接触采集整个指纹区域存在根本性的困难。基于接触的指纹扫描仪在公共区域部署时也可能引起对卫生和隐私的担忧，并且当用于大用户量时它们可能不够快。
另一种是滚动指纹扫描仪。这种装置广泛用于刑事调查，可以从一个人身上采集大面积、高质量的指纹图像，并且可以用于匹配从犯罪现场收集的低质量且通常是残缺的指纹以识别嫌疑人。指纹质量(例如，指纹区域和图像质量)是用于评估这种指纹扫描仪的主要度量，并且现有的设备要求被采集者从左向右滚动他的手指以便采集尽可能大的指纹区域。然而，滚动过程可能导致指纹畸变，并且不合规的嫌疑人可能故意施加额外的力以引起更大的畸变，甚至可能稍微移动手指以引起指纹图像的模糊。
这里描述的实施例提供了用于采集指纹的设备和方法，而不需要个人手指的直接接触。
图1是根据本发明的实施例的非接触式指纹采集装置的示意性透视图，图2是如图1所示的非接触式指纹采集装置的内部结构的示意图。
如图1和2所示，根据本发明实施例的非接触式指纹采集装置100包括壳体110，位于壳体110中的两个图像捕获装置121和123，以及壳体110中的照明单元130(图1中未示出)，用于照亮至少一个手指。两个图像捕获装置121和123可操作以采集至少一个手指的多个部分指纹图像，并且多个部分指纹图像对应于至少一个手指的不同部分。例如，由图像捕获装置121采集的部分指纹图像可以主要对应于至少一个手指的左侧部分，而由图像捕获装置123采集的部分指纹图像可以主要对应于至少一个手指的右侧部分。
应当理解，非接触式指纹采集装置中的图像捕获装置的数量不限于两个，可以替代地使用三个或更多个图像捕获装置，尽管图1和图2中仅示出了两个图像捕获装置121和123。因此，非接触式指纹采集装置可包括至少两个图像捕获装置。另外，照明单元和图像捕获装置的位置不限于图1和2所示的位置。根据具体应用和/或要求，可以改变照明单元和图像捕获装置的位置。
如图1所示，壳体110包括用于至少一个手指的手指扫描区域111。例如，手指扫描区域111可以是壳体110的上表面上的矩形透明区域。根据另一实施例，非接触式指纹采集装置100还包括一个罩子111用于覆盖手指扫描区域。
两个图像捕获装置121和123以预定的基线距离设置。每个图像捕获装置具有与垂直方向成预定角度的光轴，该角度等于图像捕获装置的基部相对于水平方向的角度。如图2所示，图像捕获装置121具有光轴122，并且图像捕获装置123具有光轴124。D是两个图像捕获装置之间的基线距离。H是至少一个手指和图像捕获装置之间的距离。α是图像捕获装置的基部相对于水平方向的角度。
例如，两个图像捕获装置121和123是相机。每个相机的相机镜头的光圈具有4到12的F值，其中F值是每个相机的相机镜头的焦距与相机镜头的入射光瞳的直径的比率。大的F数对应于小光圈，增加了景深，因此增加了手指的移动空间，同时仍然采集指纹的清晰图像。但是，如果F值太大，则过少的光进入相机导致不能提供足够的照明。本发明使用4到12范围内的F值来平衡大的手移动空间和良好照明。根据另一实施例，两个相机之间的预定基线距离可以在3cm至20cm的范围内，并且角度α在5至45度的范围内。
在如图2所示的非接触式指纹采集装置中，两个图像捕获装置121和123对称排列，即，至少一个手指与图像捕获装置123之间的距离以及图像捕获装置123的底座相对于水平方向的角度与图像捕获装置121的相同。但是，本发明不限于这种布置。两个图像捕获装置可以布置在距离至少一个手指不同的距离处并且相对于水平方向以不同的角度布置。
图3-5示出了根据本发明的不同实施例的非接触式指纹采集装置中的照明单元的示意图。
如图3所示，非接触式指纹采集装置的照明单元包括一个可见光源131和一个布置在可见光源131上方的光学部件131'。在图4中，非接触式指纹采集装置的照明单元包括三个可见光源132、133、134和分别布置在这些可见光源上方的三个光学部件132'、133'、134'。例如，可见光源可以是LED光源。例如，光学部件可以是透镜。如图5所示，照明单元包括环形可见光源135，例如环形LED光源。
应当理解，照明单元中的可见光源的数量和光学部件的数量不限于图3和4中所示的数量。可见光源和光学部件的数量可以根据具体应用和/或要求进行选择。因此，非接触式指纹采集装置的照明单元可包括至少一个可见光源和布置在至少一个可见光源上方的至少一个光学部件。
图3-5示出了不同的照明解决方案，其被设计用于实现手指的均匀照明，同时增强指纹脊线的可见性。特别地，图3示出了一个可见光源，其具有用于照亮手指的光学部件，这是一种具有较低成本的简单方案。图4示出了三个指向不同角度的可见光源，以在手指的左侧，右侧和上侧提供更好的照明。此外，三个可见光源的照射区域可以在很大程度上重叠，以实现更均匀的照明。图5示出了环形可见光源，其可以提供来自所有角度的照明。可以根据指纹质量，设备尺寸和成本等要求使用这些不同的照明解决方案。
根据另一实施例，照明单元还包括红外光源(图中未示出)，并且所述至少两个图像捕获装置可操作以进一步采集一个手指的多个部分指纹红外图像。
图6是根据本发明另一实施例的非接触式指纹采集装置的示意图。
如图6所示，非接触式指纹采集装置200包括：壳体210，其包括用于至少一个手指的手指扫描区域(图6中未示出)；位于壳体210中的至少两个图像捕获装置220，其可以以预定的基线距离布置，每个图像捕获装置具有与垂直方向成预定角度的光轴；壳体210中的照明单元230，用于照亮至少一个手指。所述至少两个图像捕获装置220可操作以采集所述至少一个手指的多个部分指纹图像，并且所述多个部分指纹图像对应于所述至少一个手指的不同部分。
如图6所示，非接触式指纹采集装置200还包括深度感应单元280，用于感测多个部分指纹图像的深度信息。具体地，所述深度感测单元包括主动式立体视觉部件、结构光部件、飞行时间(ToF)部件和光度立体部件中的至少一个。
如图6所示，非接触式指纹采集装置200还包括处理器260。处理器260可以耦合到图像捕获装置220、照明单元230和深度感测单元280，并且可以用于控制这些装置和单元。处理器260可以是任何定制的或商业上可用的处理器：中央处理单元(CPU)、几个处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式)等。需注意的是，处理器260是非接触式指纹采集装置的可选单元。图像捕获装置220、照明单元230和深度感测单元280可以由外部设备(例如，计算设备)而不是处理器来控制。
在一个实施例中，包含在非接触式指纹采集装置200中的至少两个图像捕获装置220可以是相机。来自照明单元230的光可以与相机的快门同时闪光。全局快门相机可用于在手移动时以较短的曝光时间获得更高质量的图像，但是滚动快门相机可用于采集静止手的图像。相机可以由处理器260控制，以便同时触发它们的快门并使用相同的曝光时间。并且照明单元230可以与相机的快门同时闪光，即在相机曝光的同时闪光以减少能量和热量发射，同时实现相同的照明效果。在另一实施例中，相机和照明单元由外部计算设备控制。
根据另一实施例，处理器260可用于处理多个部分指纹图像，以通过组合多个部分指纹图像来获得3D指纹图像。下文中会进一步描述用于处理多个部分指纹图像以获得3D指纹图像的细节。
在另一实施例中，非接触式指纹采集装置200还包括通信接口270，以将多个部分指纹图像发送到外部设备300，如图6所示。通信接口270可以是通用串行总线(USB)、GigE、CameraLink、RS485、RS422、无线网络接口或蓝牙。外部设备300可以是服务器或计算设备。多个部分指纹图像可以由服务器或计算设备而不是处理器260处理，以通过组合多个部分指纹图像来获得3D指纹图像。
图7A-7C示意性地示出了根据本发明的不同实施例的非接触式指纹采集装置的不同用户交互方式。
如图7A所示，非接触式指纹采集装置300包括位于壳体310中的两个图像捕获装置321和323。待扫描的至少一个手指是单个手指，并且单个手指放置在手指扫描区域311中，并且在采集多个部分指纹图像期间处于静止状态。如图7B所示，非接触式指纹采集装置400包括位于壳体410中的两个图像捕获装置421和423。待扫描的至少一个手指包括拇指和/或其他四个手指，拇指和/或其他四个手指会放置在手指扫描区域411中并且在采集多个部分指纹图像期间处于静止状态。如图7C所示，非接触式指纹采集设备500包括位于壳体510中的两个图像捕获装置521和523。要扫描的至少一个手指包括拇指和/或其他四个手指，在采集多个部分指纹图像时，拇指和/或其他四个手指扫过手指扫描区域511。在如图7C所示的用户交互方式中，两个图像捕获装置521和523可以是全局快门相机。
如图7A-7C所示，根据本发明实施例的非接触式指纹采集设备可以支持多种用户交互方式。例如，如图7A所示，用户可以一次将一个手指放在手指扫描区域上。该设计仅需要较小的手指扫描区域，并且做的紧凑且低成本。或者，如图7C所示，用户可以将他或她的手指滑过手指扫描区域。以这种方式，可以一次采集多个指纹。在另一个实施例中，如图7B所示，该设备可以设计有更大的手指扫描区域，允许同时放置和采集多个手指。这可以在采集高质量指纹图像的同时缩短总采集时间。
应当理解，非接触式指纹采集设备中的图像捕获装置的数量不限于两个，可以替代地使用三个或更多个图像捕获装置，尽管在图7A-7C中仅示出了两个图像捕获装置作为一个例子。
在另一实施例中，至少两个图像捕获装置是三个相机，包括第一相机，第二相机和第三相机，第二相机设置在第一相机和第三相机之间。第二相机具有与垂直方向成零角度的光轴，并且第一和第三相机中的每一个具有与垂直方向成0到45度范围内的角度的光轴。因此，可以使用三个相机，一个聚焦在手指的左侧区域，一个聚焦在手指的中间区域，一个聚焦在手指的右侧区域，以进一步增加可以通过非接触式指纹采集装置收集的总指纹区域。其他相机设置的例子为，设置一个聚焦在指尖区域上的相机、一个聚焦在手指左侧区域上的相机和一个聚焦在手指右侧区域上的相机，这样的相机设置也可用于增加采集指纹图像的总面积。
图8示意性地示出了根据本发明实施例的非接触式指纹采集方法800的流程图。
如图8所示，在块810处，方法800预处理至少一个手指的多个部分指纹图像。在示例性实施例中，预处理包括多个部分指纹图像的局部对比度归一化和多个部分指纹图像的脊线的增强。
在块820处，方法800从所述至少一个手指的多个部分指纹图像生成对应于所述至少一个手指的不同部分的至少两个视差图。例如，至少一个手指的多个部分指纹图像可以由至少两个图像捕获装置采集。在示例性实施例中，通过在多个部分指纹图像上应用经训练的深度神经网络来生成至少两个视差图。
在块830处，方法800从多个部分指纹图像中得出深度信息。在示例性实施例中，从多个部分指纹图像得出深度信息包括通过使用主动式立体视觉、结构光、飞行时间(ToF)和光度立体中的至少一个来得出深度信息。因此，可以进一步使用诸如主动式立体视觉、结构光、飞行时间(ToF)和光度立体的深度感测技术来从多个部分指纹图像中导出深度信息。
在块840处，方法800对至少两个视差图进行后处理。在示例性实施例中，所述后处理包括：通过进行内插来平滑化所述至少两个视差图以校正所述至少两个视差图的错误区域中的视差值，并且对所述至少两个视差图的边界区域中的视差值进行外插。
在块850处，方法800从至少两个视差图和深度信息重建3D指纹模型。在示例性实施例中，重建3D指纹模型包括从至少两个视差图以及通过使用主动式立体视觉、结构光、飞行时间(ToF)和光度立体中的至少一个得出的深度信息来重建3D指纹模型。
在块860处，方法800将多个部分指纹图像拼接到所述3D指纹模型的表面上以获得3D指纹图像。
在块870处，方法800展开3D指纹图像以获得2D指纹图像。在示例性实施例中，展开3D指纹图像包括：通过网格生成器生成参数化表面，以从3D指纹模型的表面获得第一网格；通过迭代找到所述参数化表面到欧几里德2D平面的嵌入以获得第二网格；并且通过在第二网格上进行内插将3D指纹模型的表面映射到欧几里德2D平面上。
在块880处，方法800增强2D指纹图像以生成灰度增强的2D指纹图像。在示例性实施例中，通过应用经过训练的深度神经网络来执行2D指纹图像的增强。
应当理解，尽管在方法800的流程图中示出了八个块810-880，但是块810、840、870和880是可选的，并且可以根据特定应用和/或要求来使用。例如，可以省略如块870和880中所示的展开和增强，并且可以仅生成3D指纹图像。另外，根据具体的应用和/或要求，可以改变方法800中的上述块的顺序，即不必按照上述顺序执行方法800。
在下文中，详细描述根据示例性实施例的用于采集非接触式指纹的方法。图9A-9E示意性地示出了通过执行该方法获得的一些中间指纹图像的示例。应当注意，这种用于非接触式指纹采集的方法仅是用于说明的示例，而不是对本发明的限制。
例如，图像捕获装置可以是两个相机。首先，通过使用OpenCV中stereoCalibrate的校准结果，在OpenCV中使用stereoRectify函数对两个部分指纹图像(一个相机的一帧中的部分指纹图像和另一个相机的一帧中的部分指纹图像)进行校正，使得3D空间中的相同3D点(像素)位于由两个相机采集的两个部分指纹图像中的相同水平线上。也可以使用其他工具(如MATLAB)代替OpenCV。
应注意，部分指纹图像的数量不限于两个。根据具体应用和/或要求，可以使用由每个图像捕获装置采集的多个部分指纹图像帧或者由三个或更多个图像捕获装置采集的部分指纹图像。
假设一个3D点在3D空间中具有坐标(x,y,z)。并且进一步假设其在左边的相机中采集的部分指纹图像中的坐标是(xl,yl)，并且其在右边的相机采集的部分指纹图像中的坐标是(xr,yr)。在校准之后，保证yl＝yr，并且左部分指纹图像的点(xl,yl)的视差值被定义为：
disparityL＝xl-xr
左部分指纹图像的每个2D点(像素)的视差值形成2D左视差图。
相应地，右部分指纹图像的每个2D点(像素)的视差值形成2D右视差图，其可以用以下公式计算：
disparityR＝xr-xl
因此，可以从至少一个手指的两个部分指纹图像生成对应于至少一个手指的不同部分的两个视差图。
如果已知部分指纹图像中的2D点的视差值，则可以通过以下公式计算与2D点对应的3D点的深度：
其中f是相机的光圈，B是两个相机的光学中心之间的基线距离。这些参数也可以从立体视觉校正结果中导出。
因此，例如，通过使用所生成的视差图，可以从两个部分指纹图像导出深度信息。
在另一实施例中，通过使用主动式立体视觉部件、结构光部件、飞行时间(ToF)部件和光度立体部件中的至少一个来从两个部分指纹图像中导出深度信息。
为了使生成的视差图更稳定，可以在从两个部分指纹图像生成视差图之前预处理两个部分指纹图像。预处理可以包括两个部分指纹图像的局部对比度归一化和两个部分指纹图像的脊线的增强。
例如，通过使用离散傅里叶变换(DFT)和离散余弦变换(DCT)，可以增强两个部分指纹图像的脊线图案。可以应用DFT/DCT来获得指纹图像的频率表示。由于指纹脊线大部分是平行线，其间具有固定距离，因此可以增强与指纹脊线相对应的频率，并且可以减弱与指纹图像中的其他区域相对应的频率以减少噪声。局部对比度归一化基于每个像素计算指纹图像的局部图像块的平均值和标准偏差，并通过减去平均值并除以标准偏差来标准化每个像素。这可以帮助消除由照明，干/湿手等带来的每个指纹区域的变化。标准化和增强的部分指纹图像在图9A中示意性地示出。
例如，可以通过在两个部分指纹图像上应用经过训练的深度神经网络来生成两个视差图。经过训练的深度神经网络可以将两个部分指纹图像作为输入，并输出两个图像的视差图。
例如，可以训练深度神经网络，让它最小化训练数据上的视差值的均方误差。首先，可以通过使用主动式立体视觉部件、结构光部件、飞行时间(ToF)部件和光度立体部件甚至合成数据来获得输入图像Il,Ir之间的真实视差图D。输入图像Il,Ir可以是归一化后的图像。视差值的深度神经网络模型F可以包含2D/3D卷积层、池化层和全连接层。它可以使用迭代方法进行优化，如随机梯度下降或它的变体可以最小化神经网络模型的输出与真实视差值的均方误差：
来自深度神经网络的视差模型F的结果在图9B中示意性地示出，其中生成两个视差图。两个视差图可能包含一些错误区域。这可以通过在重建3D指纹模型之前对两个视差图进行后处理来校正。后处理可以包括通过内插来平滑两个视差图以校正两个视差图的错误区域中的视差值并且外推两个视差图的边界区域中的视差值。
例如，薄板样条函数(TPS)是一种基于样条的技术，用于数据插值和平滑。它可以用于平滑深度神经网络输出的视差图，并且校正可能包含与视差图中的相邻区域截然不同的视差值的错误区域。另外，指纹的左/右部分上的边界区域可能被部分遮挡，导致相机可能无法从其他部分图片排到，并且可能无法计算视差值，因此这些边界区域中的点的深度无法由视差模型算出。薄板样条也可以用于从可以通过视差模型计算视差值的附近区域外推这些边界区域中的视差值。经过后处理的视差图在图9C中示意性地示出。与未处理的视差图相比，这些经后处理的视差图被平滑，具有不太尖锐的过渡区域。
在从两个部分指纹图像生成对应于至少一个手指的不同部分的两个视差图并从两个部分指纹图像得出深度信息之后，可以从两个视差图和深度信息重建3D指纹模型，并且可以将两个部分指纹图像拼接到3D指纹模型的表面上以获得3D指纹图像。
例如，利用立体视觉校正结果，使用OpenCV的reprojectImageTo3D函数，也可以将图像位置(x,y)处的每个2D点和具有视差d的每个2D点投影到3D点(x′，y′，z′)。在投影之后，两个部分指纹图像在3D空间中形成两个部分指纹表面。对准两个部分指纹表面，使得两个部分指纹表面的共同中心区域彼此重叠。这允许两个部分指纹表面被组合在一起并因此形成一个拥有更大的3D指纹表面的3D指纹模型，即重建具有3D指纹表面的3D指纹模型。并且两个部分指纹图像将被拼接到3D指纹模型的3D指纹表面上以获得3D指纹图像。拼接的3D指纹图像在图9D中示意性地示出。
在另一个实施例中，重建3D指纹模型可以包括从两个视差图以及通过使用主动式立体视觉部件、结构光部件、飞行时间(ToF)部件和光度立体部件中的至少一个得出的深度信息，来重建3D指纹模型。
获得3D指纹图像后，可直接用于3D指纹匹配。或者，它还可以进一步展开和增强以获得与传统的滚动指纹扫描仪兼容的2D图像。
展开3D指纹图像可以获得2D指纹图像。例如，展开3D指纹图像可以包括以下步骤。
首先，由网格生成器生成参数化表面，以从3D指纹模型的表面获得第一网格。特别地，给定一个3D指纹模型的表面，Delaunay三角化或其他矩形网格生成器可用于产生参数化表面。结果是粗网格或细网格，具体取决于参数化的分辨率。
其次，通过迭代找到将参数化表面到欧几里得2D平面的嵌入以获得第二网格。特别地，给定参数化表面，迭代地发现表面到欧几里德2D平面嵌入。例如，此过程可能涉及以下步骤。
(1)给定输入网格，例如上面的第一网格，输出一个网格，该网格是表面到欧几里德2D平面的近似等距嵌入。输出不需要具有精细的正则性。
(2)给定步骤(1)的结果网格，使网格平滑以增加正则性。
(3)与步骤(1)类似，不同之处在于输入网格可以是步骤(2)的结果网格，并且输出网格存在正则性约束。
(4)给定具有一定正则性的粗网格，如步骤(3)的结果网格，输出精细网格，其分辨率加倍并保持正则性。
这个迭代过程的最终结果是一个精细网格，它是表面的近似等距嵌入并保持正则性。
第三，通过在第二网格上插值将3D指纹模型的表面映射到欧几里德2D平面上。特别地，通过在网格上内插值将3D指纹模型的表面映射到欧几里德2D平面上，可以用小波框架作为基础而不是线性插值以保持更多的正则性。
在展开3D指纹图像以获得2D指纹图像之后，可以增强2D指纹图像以生成灰度增强的2D指纹图像，这类似于传统的滚动指纹扫描仪的结果。为了增强指纹图像的脊线图案同时保留诸如位置和方向的细节，可以通过应用经过训练的深度神经网络来执行2D指纹图像的增强。例如，可以使用计算方法和深度神经网络的组合。
例如，首先，离散傅里叶变换/离散余弦变换和/或其他计算方法可以应用于2D指纹图像以增强指纹脊线，同时用局部对比度归一化以使图像标准化，类似于上述预处理步骤。
通过同时采集一些个体的所述增强2D指纹图像和相应的从基于接触的滚动指纹扫描仪采集的指纹图像，可以获得成对的这种两种指纹图像。通过运行标准指纹匹配算法(例如，Bozorth匹配器)并按照指纹细节(即指纹脊线的结束和分叉)对齐，可以进一步对齐这些成对的图像。
当生成这些数据对后，可以训练深度神经网络以从增强的2D指纹图像作为输入，获得滚动指纹扫描仪采集的指纹图像。假设对齐的2D指纹图像是X并且滚动指纹扫描仪采集的指纹图像是Y，则训练深度神经网络G以最小化X和Y之间的平均均方误差：
在深度神经网络G训练好之后，它可以用于执行增强并生成与传统的滚动指纹扫描仪兼容的指纹图像。最终展开和增强的2D指纹图像的示例在图9E中示出。
根据示例性实施例的方法，因为像相机这样的图像捕获装置已经使用诸如OpenCV或MATLAB的工具校准，所以可以计算它们的相对平移和旋转参数。可以将部分指纹图像映射到重建的3D指纹模型的表面的不同区域并缝合在一起，从而产生大面积的3D指纹图像。为了与传统的2D指纹数据库兼容，还可以展开3D指纹以获得2D指纹图像，模拟手指在平面上的滚动过程。
图10示意性地示出了根据本发明另一实施例的用于非接触式指纹采集的方法900的流程图。
如图10所示，在块910处，方法900通过使用主动式立体视觉、结构光、飞行时间(ToF)和光度立体中的至少一个，从由至少两个图像捕获装置采集的至少一个手指的多个部分指纹图像中得出深度信息。因此，可以使用诸如主动式立体视觉、结构光、飞行时间(ToF)和/或光度立体的深度感测技术来导出深度信息。
在块920处，方法900从多个部分指纹图像以及通过使用主动式立体视觉、结构光、飞行时间(ToF)和光度立体中的至少一个得出的深度信息，来构建至少两个第一3D指纹模型。
在块930处，方法900通过合并至少两个第一3D指纹模型来生成第二3D指纹模型。
在块940处，方法900通过对应于至少一个手指的不同部分的至少两个视差图来细化第二3D指纹模型。根据示例性实施例，如上所述，可以通过在至少一个手指的多个部分指纹图像上应用经过训练的深度神经网络来生成至少两个视差图。
在块950处，方法900将多个部分指纹图像拼接到细化后的第二3D指纹模型的表面上以获得3D指纹图像。在不采用块940中的细化的情况下，将多个部分指纹图像拼接到在块930中生成的第二3D指纹模型的表面上以获得3D指纹图像。
在块960处，方法900展开3D指纹图像以获得2D指纹图像。
在块970处，方法900增强2D指纹图像以生成灰度增强的2D指纹图像。
应当理解，尽管在方法900的流程图中示出了七个块910-970，但是块940、960和970是可选的，并且可以根据特定应用和/或要求来使用。例如，可以省略如块940中所示的第二3D指纹模型的细化。并且可以省略如块960和970中所示的展开和增强，并且可以仅生成3D指纹图像。另外，根据具体应用和/或要求，可以改变方法900中的上述块的顺序，即，不必按照上述顺序执行方法900。
在方法900中，深度感测技术(如主动式立体视觉、结构光、飞行时间(ToF)和/或光度立体)可以单独使用，或与视差图组合使用，以形成3D指纹模型。可以通过应用经过训练的深度神经网络来生成视差图。
采用深度感测技术后，可能需要额外的硬件，但是可以减少非接触式指纹采集的方法所需的计算并且让它更稳定。如上所述，深度感测技术，如主动式立体视觉、结构光、飞行时间(ToF)和/或光度立体，也可以与视差图结合使用，以实现更高的精度。
在根据本发明实施例的用于非接触式指纹采集的上述方法中，诸如3D指纹模型的重建，3D指纹图像的展开和2D指纹图像的增强的一些步骤可能是计算密集型的。这些计算密集步骤可以在本地执行。或者，可以将部分指纹图像发送到远程服务器，远程服务器可以执行计算密集步骤并加速处理。
图11示意性地示出了根据本发明另一实施例的非接触式指纹采集方法的流程图。
如图11所示，在块1010处，方法1000从至少一个手指的多个部分指纹图像中选择部分指纹图像的子集。例如，在由每个图像捕获装置采集的多个部分指纹图像帧中，可以选择一帧具有高图像质量的部分指纹图像。因此，可以从由图像捕获装置采集的多个部分指纹图像中选择部分指纹图像的子集。
在块1020处，方法1000从部分指纹图像的子集中裁剪出指尖区域以获得多个指尖区域图像。
通过块1010和1020，可以选择高质量的指尖区域图像。如果只将这些高质量的指尖区域图像而不是手指的所有的部分指纹图像通过网络传输并由如下所述的服务器接收，要占用的带宽和网络的等待时间是可以降低的。
在如块1020所示通过裁剪指尖区域获得多个指尖区域图像之后，多个指尖区域图像可以由服务器接收并且由服务器进一步处理。例如，可以由服务器执行如块1030-1080中所示的以下步骤。可能存在多个远程服务器，例如，每个远程服务器具有计算处理器，诸如多核CPU和GPU。因此，可以快速并行处理多个指尖区域图像。
在块1030处，方法1000从多个指尖区域图像生成对应于至少一个手指的不同部分的至少两个视差图。
在块1040处，方法1000从多个指尖区域图像得出深度信息。
在块1050处，方法1000根据至少两个视差图和深度信息来重建3D指纹模型。
在块1060处，方法1000将多个指尖区域图像拼接到3D指纹模型的表面上以获得3D指纹图像。
在块1070处，方法1000展开3D指纹图像以获得2D指纹图像。
在块1080处，方法1000增强2D指纹图像以生成灰度增强的2D指纹图像。
除了要处理的指纹图像是经过选择的部分指尖区域图像之外，块1030-1080中所示的步骤可以用上述类似的方式执行。因此，这里将不再重复用于执行这些步骤的细节。
在通过服务器上的处理获得3D指纹图像和增强的2D指纹图像之后，可以从服务器传输或传回3D指纹图像和增强的2D指纹图像。
应当理解，尽管在方法1000的流程图中示出了八个块1010-1080，但是块1010、1020、1070和1080是可选的，并且可以根据特定应用和/或要求使用。例如，可以以其他方式生成多个指尖区域图像，而不是如块1010和1020所示。可以省略如块1070和1080中所示的展开和增强，并且可以仅生成3D指纹图像并且从服务器传输。这些步骤也可以在本地执行，而不是在服务器上执行块1030-1080中所示的步骤。另外，根据具体应用和/或要求，可以改变方法1000中的上述块的顺序，即，不必按照上述顺序执行方法1000。
在采集3D和展开的2D指纹之后，它们可以用于各种应用中。对于刑事调查，他们可以自动发送到自动指纹识别系统(AFIS)，以匹配先前收集的3D/2D指纹，以确定该人的指纹是否已被收集，或与未解决的犯罪现场收集的现场指纹相匹配，以帮助解决这些案件。如果找到针对嫌疑人的匹配，则可以自动触发警报。它们还可以发送到AFIS以获得更广泛的应用，例如访问控制、授权和支付，还可以用于政府、银行、医院、酒店、教育和其他行业。
根据本发明的另一个实施例，提供了一种计算机可读存储介质。计算机可读存储介质包括指令，当由处理器执行时，使得处理器执行如本文所述的方法。
如本领域技术人员将理解的，本发明的各方面可以体现为设备、系统、方法或计算机程序产品。因此，本发明的各方面可以采用完全硬件实施例，完全软件实施例(包括固件、常驻软件、微代码等)或组合软件和硬件方面的实施例的形式。此外，本发明的各方面可以采取体现在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质具有包含在其上的计算机可读程序代码。
例如，根据本发明的实施例的非接触式指纹采集设备可以包括处理器和存储器。存储器包括指令，当由处理器执行时，使得处理器执行如本文所述的方法，使得可以通过组合多个部分指纹图像来处理多个部分指纹图像以获得3D指纹图像。
计算机可读存储介质可以是例如但不限于电子、磁、光、电磁、红外或半导体系统、装置或设备，或者前述可读存储介质的任何合适的组合。计算机可读存储介质的更具体示例(非详尽列表)将包括以下内容：具有一条或多条线缆的电气连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或闪存)、光纤、只读光盘(CD-ROM)、光学存储设备、磁存储设备或任何上述设备的适当组合。在本文件的上下文中，计算机可读存储介质可以是任何有形介质，其可以包含或存储程序以供指令执行系统、装置或设备使用或与其结合使用。
虽然已经在附图和前面的描述中详细图示和描述了本发明，但是这样的图示和描述被认为是说明性或示例性的而非限制性的。本发明不限于所公开的实施例。也可以组合上述不同的实施例。通过研究附图，公开内容和所附权利要求，本领域技术人员在实践所要求保护的发明时可以理解和实现所公开实施例的其他变型。
在权利要求中，词语「包括」不排除其他元件或步骤，并且不定冠词「一个」不排除多个。在相互不同的从属权利要求中陈述措施的这一事实并不表示这些措施的组合不能用于获益。权利要求中的附图标记不应被解释为限制这些权利要求的范围。
Claims (27)
1.一种非接触式指纹采集装置，包括：
壳体，所述壳体包括用于至少一个手指的手指扫描区；
至少两个图像捕获装置，所述至少两个图像捕获装置位于所述壳体中并且以预定的基线距离设置，每个图像捕获装置具有与竖直方向成预定角度的光轴；以及
照明单元，所述照明单元位于所述壳体中，用于照射所述至少一个手指，
其中，所述至少两个图像捕获装置能够操作以采集所述至少一个手指的多个部分指纹图像，并且所述多个部分指纹图像对应于所述至少一个手指的不同部分，并且其中，所述非接触式指纹采集装置进一步包括：
结构光部件；以及
处理器，所述处理器被配置用于执行以下操作：
通过所述结构光部件，从所述至少一个手指的所述多个部分指纹图像中得出深度信息；
根据所述多个部分指纹图像和所述深度信息，构建至少两个第一3D指纹模型；
通过合并所述至少两个第一3D指纹模型来生成第二3D指纹模型；
将所述多个部分指纹图像拼接到所述第二3D指纹模型的表面上以获得3D指纹图像；
展开所述3D指纹图像以获得2D指纹图像；以及
通过应用经训练的深度神经网络来增强所述2D指纹图像以生成灰度增强的2D指纹图像，其中，训练所述深度神经网络包括：
对齐成对的增强的2D指纹图像和相应的从基于接触的指纹扫描仪采集的指纹图像；
训练所述深度神经网络以使用对齐的2D指纹图像作为输入，获得所述基于接触的指纹扫描仪采集的所述指纹图像。
2.如权利要求1所述的非接触式指纹采集装置，其中，所述照明单元包括至少一个可见光源和设置在所述至少一个可见光源之上的至少一个光学部件。
3.如权利要求2所述的非接触式指纹采集装置，其中，所述照明单元包括与水平方向成不同角度定位的三个可见光源以及分别设置在所述三个可见光源之上的三个光学部件，并且
其中，所述三个可见光源分别照射所述至少一个手指的左侧、右侧和上侧，并且所述三个可见光源的照射区域重叠。
4.如权利要求1所述的非接触式指纹采集装置，其中，所述照明单元包括环型可见光源。
5.如权利要求2所述的非接触式指纹采集装置，其中，所述照明单元进一步包括红外光源，并且所述至少两个图像捕获装置能够操作以进一步捕获多个部分指纹红外图像。
6.如权利要求1所述的非接触式指纹采集装置，其中，所述至少两个图像捕获装置为相机，并且其中，每个相机的相机镜头的光圈的F值范围为4至12，其中，所述F值是每个相机的所述相机镜头的焦距与所述相机镜头的入射光瞳的直径之比。
7.如权利要求1所述的非接触式指纹采集装置，其中，所述至少两个图像捕获装置是相机，并且来自所述照明单元的光与所述相机的快门同时闪光。
8.如权利要求1所述的非接触式指纹采集装置，其中，所述至少两个图像捕获装置为两个相机，并且其中，所述两个相机之间的所述预定基线距离处于3cm至20cm的范围内，并且所述预定角度处于5度至45度的范围内。
9.如权利要求1所述的非接触式指纹采集装置，进一步包括：通信接口，所述通信接口用于将所述多个部分指纹图像传输到外部装置，其中，所述通信接口是通用串行总线(USB)、GigE、CameraLink、RS485、RS422、无线网络接口、或蓝牙。
10.如权利要求9所述的非接触式指纹采集装置，其中，所述外部装置是服务器，并且所述多个部分指纹图像由所述服务器处理以获得3D指纹图像。
11.如权利要求9所述的非接触式指纹采集装置，其中，所述外部装置是计算装置，并且所述多个部分指纹图像由所述计算装置处理以获得3D指纹图像。
12.如权利要求1所述的非接触式指纹采集装置，其中，所述至少一个手指是单个手指，并且所述单个手指放置在所述手指扫描区中并且在所述多个部分指纹图像的采集期间处于静止状态。
13.如权利要求1所述的非接触式指纹采集装置，其中，所述至少一个手指包括拇指和/或其他四个手指，并且所述拇指和/或其他四个手指放置在所述手指扫描区中并且在所述多个部分指纹图像的采集期间处于静止状态。
14.如权利要求1所述的非接触式指纹采集装置，其中，所述至少一个手指包括拇指和/或其他四个手指，并且所述拇指和/或其他四个手指在所述多个部分指纹图像的采集期间滑过所述手指扫描区。
15.如权利要求14所述的非接触式指纹采集装置，其中，所述至少两个图像捕获装置是全局快门相机。
16.如权利要求1所述的非接触式指纹采集装置，其中，所述至少两个图像捕获装置是包括第一相机、第二相机和第三相机的三个相机，并且所述第二相机设置在所述第一相机与所述第三相机之间，并且其中，所述第二相机具有与所述竖直方向成零角度的光轴，并且所述第一相机和所述第三相机中的每一个的光轴与所述竖直方向成0度至45度范围内的角度。
17.一种非接触式指纹采集方法，包括：
通过结构光部件，从至少一个手指的多个部分指纹图像中得出深度信息；
根据所述多个部分指纹图像和所述深度信息，构建至少两个第一3D指纹模型；
通过合并所述至少两个第一3D指纹模型来生成第二3D指纹模型；
将所述多个部分指纹图像拼接到所述第二3D指纹模型的表面上以获得3D指纹图像；
展开所述3D指纹图像以获得2D指纹图像；以及
通过应用经训练的深度神经网络来增强所述2D指纹图像以生成灰度增强的2D指纹图像，其中，训练所述深度神经网络包括：
对齐成对的增强的2D指纹图像和相应的从基于接触的指纹扫描仪采集的指纹图像；
训练所述深度神经网络以使用对齐的2D指纹图像作为输入，获得所述基于接触的指纹扫描仪采集的所述指纹图像。
18.如权利要求17所述的方法，进一步包括：在将所述多个部分指纹图像拼接到所述第二3D指纹模型的所述表面上之前，通过与所述至少一个手指的不同部分相对应的至少两个视差图来细化所述第二3D指纹模型。
19.如权利要求18所述的方法，其中，所述至少两个视差图是通过在所述多个部分指纹图像上应用经训练的深度神经网络来生成的。
20.如权利要求18所述的方法，进一步包括：在从所述多个部分指纹图像中生成至少两个视差图之前，对所述多个部分指纹图像进行预处理，其中，所述预处理包括对所述多个部分指纹图像进行局部对比度归一化和增强所述多个部分指纹图像的脊。
21.如权利要求18所述的方法，进一步包括：对所述至少两个视差图进行后处理，并且其中，所述后处理包括：通过进行内插来平滑化所述至少两个视差图以校正所述至少两个视差图的错误区域中的视差值，并且对所述至少两个视差图的边界区域中的视差值进行外插。
22.如权利要求17所述的方法，其中，展开所述3D指纹图像包括：
通过网格生成器来生成参数化表面，以从所述第二3D指纹模型的表面获得第一网格；
通过迭代来找到所述参数化表面到欧几里德2D平面中的嵌入以获得第二网格；以及
通过在所述第二网格上进行内插而将所述第二3D指纹模型的所述表面映射到所述欧几里德2D平面上。
23.一种非接触式指纹采集方法，包括：
通过结构光部件，从至少一个手指的多个指尖区域图像中得出深度信息；
根据所述多个指尖区域图像和所述深度信息，构建至少两个第一3D指纹模型；
通过合并所述至少两个第一3D指纹模型来生成第二3D指纹模型；
将所述多个指尖区域图像拼接到所述第二3D指纹模型的表面上以获得3D指纹图像；
展开所述3D指纹图像以获得2D指纹图像；以及
通过应用经训练的深度神经网络来增强所述2D指纹图像以生成灰度增强的2D指纹图像，其中，训练所述深度神经网络包括：
对齐成对的增强的2D指纹图像和相应的从基于接触的指纹扫描仪采集的指纹图像；
训练所述深度神经网络以使用对齐的2D指纹图像作为输入，获得所述基于接触的指纹扫描仪采集的所述指纹图像。
24.如权利要求23所述的方法，进一步包括：
在将所述多个指尖区域图像拼接到所述第二3D指纹模型的所述表面上之前，通过与所述至少一个手指的不同部分相对应的至少两个视差图来细化所述第二3D指纹模型；以及
在生成所述至少两个视差图之前，从所述至少一个手指的多个部分指纹图像中选择部分指纹图像的子集，以及，从所述部分指纹图像的子集中裁剪出指尖区域以获得所述多个指尖区域图像。
25.如权利要求23所述的方法，其中，在通过裁剪出指尖区域来获得所述多个指尖区域图像之后，由服务器接收所述多个指尖区域图像。
26.如权利要求25所述的方法，其中，从所述服务器传输所述3D指纹图像和所述增强的2D指纹图像。
27.一种计算机可读存储介质，包括指令，所述指令当由处理器运行时使所述处理器执行如权利要求17至26中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910180648.4A CN109766876B (zh) | 2019-03-11 | 2019-03-11 | 非接触式指纹采集装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910180648.4A CN109766876B (zh) | 2019-03-11 | 2019-03-11 | 非接触式指纹采集装置和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109766876A CN109766876A (zh) | 2019-05-17 |
| CN109766876B true CN109766876B (zh) | 2024-01-26 |
Family
ID=66458789
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910180648.4A Active CN109766876B (zh) | 2019-03-11 | 2019-03-11 | 非接触式指纹采集装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109766876B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI715185B (zh) * | 2019-09-04 | 2021-01-01 | 宏碁股份有限公司 | 指紋感測裝置與方法 |
| CN110728201B (zh) * | 2019-09-20 | 2023-04-07 | 南京元初科技有限公司 | 用于指纹识别的图像处理方法及装置 |
| CN112232155B (zh) * | 2020-09-30 | 2021-12-17 | 墨奇科技（北京）有限公司 | 非接触指纹识别的方法、装置、终端及存储介质 |
| CN112232159B (zh) * | 2020-09-30 | 2021-12-07 | 墨奇科技（北京）有限公司 | 指纹识别的方法、装置、终端及存储介质 |
| CN112232152B (zh) * | 2020-09-30 | 2021-12-03 | 墨奇科技（北京）有限公司 | 非接触式指纹识别方法、装置、终端和存储介质 |
| CN112507836A (zh) * | 2020-12-02 | 2021-03-16 | 昆明理工大学 | 一种非接触式的单目采集三维指纹图像的装置及方法 |
| CN113011361B (zh) * | 2021-03-29 | 2023-11-07 | 福建师范大学 | 基于oct指纹的内部最大强度投影成像方法 |
| CN113486825A (zh) * | 2021-07-12 | 2021-10-08 | 上海锐瞻智能科技有限公司 | 非接触式指纹采集装置及其方法、系统、介质 |
| CN114004852A (zh) * | 2021-10-15 | 2022-02-01 | 深圳市亚略特生物识别科技有限公司 | 一种指纹生成方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007050776A2 (en) * | 2005-10-25 | 2007-05-03 | University Of Kentucky Research Foundation | System and method for 3d imaging using structured light illumination |
| CN104361315A (zh) * | 2014-10-27 | 2015-02-18 | 浙江工业大学 | 基于单目多视角立体机器视觉的3d指纹识别装置 |
| CN104598870A (zh) * | 2014-07-25 | 2015-05-06 | 北京智膜科技有限公司 | 基于智能移动信息设备的指纹活体检测方法 |
| CN106127172A (zh) * | 2016-06-29 | 2016-11-16 | 东莞市中控电子技术有限公司 | 一种非接触3d指纹采集的装置及方法 |
| CN109271890A (zh) * | 2018-08-29 | 2019-01-25 | 墨奇科技（北京）有限公司 | 自动指纹图像提取的方法和设备 |
| CN209401042U (zh) * | 2019-03-11 | 2019-09-17 | 墨奇科技（北京）有限公司 | 非接触式指纹采集装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060023197A1 (en) * | 2004-07-27 | 2006-02-02 | Joel Andrew H | Method and system for automated production of autostereoscopic and animated prints and transparencies from digital and non-digital media |
| US8600123B2 (en) * | 2010-09-24 | 2013-12-03 | General Electric Company | System and method for contactless multi-fingerprint collection |
| EP2742441A1 (en) * | 2012-05-24 | 2014-06-18 | Qatar Foundation | A method and system for creating depth signatures |
| US20150130917A1 (en) * | 2013-11-12 | 2015-05-14 | The University Of Massachusetts | Miniature contactless fingerprinting device |
| GB201421837D0 (en) * | 2014-12-09 | 2015-01-21 | Reishig Peter | A method of generating a fingerprint for a gemstone using X-ray imaging |
| US10942261B2 (en) * | 2015-10-21 | 2021-03-09 | Samsung Electronics Co., Ltd | Apparatus for and method of range sensor based on direct time-of-flight and triangulation |
| US11062118B2 (en) * | 2017-07-25 | 2021-07-13 | Alitheon, Inc. | Model-based digital fingerprinting |
-
2019
- 2019-03-11 CN CN201910180648.4A patent/CN109766876B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007050776A2 (en) * | 2005-10-25 | 2007-05-03 | University Of Kentucky Research Foundation | System and method for 3d imaging using structured light illumination |
| CN104598870A (zh) * | 2014-07-25 | 2015-05-06 | 北京智膜科技有限公司 | 基于智能移动信息设备的指纹活体检测方法 |
| CN104361315A (zh) * | 2014-10-27 | 2015-02-18 | 浙江工业大学 | 基于单目多视角立体机器视觉的3d指纹识别装置 |
| CN106127172A (zh) * | 2016-06-29 | 2016-11-16 | 东莞市中控电子技术有限公司 | 一种非接触3d指纹采集的装置及方法 |
| CN109271890A (zh) * | 2018-08-29 | 2019-01-25 | 墨奇科技（北京）有限公司 | 自动指纹图像提取的方法和设备 |
| CN209401042U (zh) * | 2019-03-11 | 2019-09-17 | 墨奇科技（北京）有限公司 | 非接触式指纹采集装置 |
Non-Patent Citations (4)
| Title |
|---|
| Three-dimensional imaging with multiple degrees of freedom using data fusion;Latorre-Carmona P等;《Proceedings of the IEEE》;第103卷(第9期);1654-1671 * |
| 基于双目被动立体视觉的三维人脸重构与识别;周佳立等;《自动化学报》;第35卷(第2期);123-131 * |
| 基于平行双目立体视觉的三维指纹重建的研究;秦芬芬;《中国优秀硕士学位论文全文数据库 (信息科技辑)》(第2期);I138-1859 * |
| 错位指纹图像自动检测的深度学习方法;杨雨龙等;《数学建模及其应用》;第7卷(第2期);23-29 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109766876A (zh) | 2019-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109766876B (zh) | 非接触式指纹采集装置和方法 | |
| Labati et al. | Toward unconstrained fingerprint recognition: A fully touchless 3-D system based on two views on the move | |
| CN111060023B (zh) | 一种高精度3d信息采集的设备及方法 | |
| CN108052878B (zh) | 人脸识别设备和方法 | |
| US20150347833A1 (en) | Noncontact Biometrics with Small Footprint | |
| JP5293950B2 (ja) | 個人認証装置及び電子機器 | |
| EP3497618B1 (en) | Independently processing plurality of regions of interest | |
| CN112232155B (zh) | 非接触指纹识别的方法、装置、终端及存储介质 | |
| CN112232163B (zh) | 指纹采集方法及装置、指纹比对方法及装置、设备 | |
| KR20170092533A (ko) | 얼굴 포즈 교정 방법 및 장치 | |
| JP7192872B2 (ja) | 虹彩認証装置、虹彩認証方法、虹彩認証プログラムおよび記録媒体 | |
| US10909363B2 (en) | Image acquisition system for off-axis eye images | |
| CN112016525A (zh) | 非接触式指纹采集方法和装置 | |
| CN112232159B (zh) | 指纹识别的方法、装置、终端及存储介质 | |
| US11734948B2 (en) | Device and method for contactless fingerprint acquisition | |
| Bastias et al. | A method for 3D iris reconstruction from multiple 2D near-infrared images | |
| US11450140B2 (en) | Independently processing plurality of regions of interest | |
| CN112232157B (zh) | 指纹区域检测方法、装置、设备、存储介质 | |
| CN209401042U (zh) | 非接触式指纹采集装置 | |
| Srivastava et al. | Split and Knit: 3D Fingerprint Capture with a Single Camera | |
| CN212569821U (zh) | 非接触式指纹采集装置 | |
| Paar et al. | Photogrammetric fingerprint unwrapping | |
| JP5299632B2 (ja) | 個人認証装置、プログラム及び記録媒体 | |
| Zonneveld | 3D finger vein patterns: acquisition, reconstruction and recognition | |
| CN117115870A (zh) | 手掌信息测量方法、装置、设备、介质及系统 |
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: 20200507 Address after: Room 802, Zhongguancun International Innovation Building, 67 North Fourth Ring West Road, Haidian District, Beijing, 100097 Applicant after: Moqi Technology (Beijing) Co.,Ltd. Applicant after: Beijing jianmozi Technology Co.,Ltd. Address before: Room 802, Zhongguancun International Innovation Building, 67 North Fourth Ring West Road, Haidian District, Beijing, 100097 Applicant before: Moqi Technology (Beijing) Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231206 Address after: Room 1508, 15th Floor, Quantum Core Building, No. 27 Zhichun Road, Haidian District, Beijing, 100083 Applicant after: Beijing jianmozi Technology Co.,Ltd. Address before: 100097 Room 802, Zhongguancun International Innovation Building, 67 North Fourth Ring Road West, Haidian District, Beijing Applicant before: Moqi Technology (Beijing) Co.,Ltd. Applicant before: Beijing jianmozi Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |