CN109840458A - 一种指纹识别方法及指纹采集设备 - Google Patents
一种指纹识别方法及指纹采集设备 Download PDFInfo
- Publication number
- CN109840458A CN109840458A CN201711228455.9A CN201711228455A CN109840458A CN 109840458 A CN109840458 A CN 109840458A CN 201711228455 A CN201711228455 A CN 201711228455A CN 109840458 A CN109840458 A CN 109840458A
- Authority
- CN
- China
- Prior art keywords
- pore
- fingerprint image
- fingerprint
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000011148 porous material Substances 0.000 claims abstract description 417
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 2
- 239000004744 fabric Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 8
- 210000004243 sweat Anatomy 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 5
- 238000001727 in vivo Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000106 sweat gland Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
本申请实施例提供了一种指纹识别方法及指纹采集设备。该方法包括：获取待识别指纹图像；对待识别指纹图像进行插值，得到第一指纹图像；其中，第一指纹图像的分辨率大于待识别指纹图像的分辨率；根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域；根据检测的汗孔区域，确定第一指纹图像的汗孔特征；根据上述汗孔特征，对待识别指纹图像中的指纹进行识别。应用本申请实施例提供的方案，能够提高指纹识别的准确性。
Description
技术领域
本申请设计图像处理技术领域，特别是涉及一种指纹识别方法及指纹采集设备。
背景技术
指纹识别可以应用在很多领域，例如门禁、设备解锁、支付等方面。指纹采集设备采集用户的指纹图像后，可以提取指纹图像中的细节点特征，例如指纹图像中指纹脊线上的分叉点和端点等特征，根据提取的细节点特征对指纹进行识别。
但是，用户指纹中的细节点信息很容易泄露。当恶意者收集到用户的指纹时，会利用指纹中的细节点特征伪造用户指纹。这种伪造的指纹成本很低，但却可以制作出相当清晰的指纹细节点特征。因此，上述指纹识别方法在对指纹识别时准确性不高。
发明内容
本申请实施例的目的在于提供了一种指纹识别方法及指纹采集设备，以提高指纹识别的准确性。具体的技术方案如下。
第一方面，本申请实施例提供了一种指纹识别方法。该方法包括：
获取待识别指纹图像；
对所述待识别指纹图像进行插值，得到第一指纹图像；其中，所述第一指纹图像的分辨率大于所述待识别指纹图像的分辨率；
根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域；
根据检测的汗孔区域，确定所述第一指纹图像的汗孔特征；
根据所述汗孔特征，对所述待识别指纹图像中的指纹进行识别。
可选的，所述对所述待识别指纹图像进行插值的步骤，包括：
采用双线性插值算法、双三次插值算法中的一种，对所述待识别指纹图像进行插值。
可选的，所述根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域的步骤，包括：
对所述第一指纹图像进行二值化，得到二值化图像；
检测所述二值化图像中的各个连通域；
针对所检测的各个连通域，将像素点数量在预设数量范围内的连通域确定为所述第一指纹图像中的汗孔区域。
可选的，所述根据所述汗孔特征，对所述待识别指纹图像中的指纹进行识别的步骤，包括：
根据所述汗孔特征和预设的第一汗孔特征，确定所述待识别指纹图像中的指纹是否为活体指纹。
可选的，所述汗孔特征包括：汗孔数量、汗孔的分布密度中的至少一种。
可选的，所述根据所述汗孔特征，对所述待识别指纹图像中的指纹进行识别的步骤，包括：
根据所述汗孔特征、预先存储的第二汗孔特征与对象的对应关系，确定所述汗孔特征对应的对象，作为所述待识别指纹图像中的指纹归属的对象。
可选的，所述根据检测的汗孔区域，确定所述第一指纹图像的汗孔特征的步骤，包括：
根据以下内容中的至少一种，确定所述第一指纹图像的汗孔特征：
汗孔区域的中心点坐标、汗孔区域的大小、汗孔区域所在指纹脊线的方向场。
可选的，所述根据检测的汗孔区域，确定所述第一指纹图像的汗孔特征的步骤，包括：
确定所述第一指纹图像中指纹脊线上的细节点；
将以所述细节点为中心、以预设距离为半径的范围内的汗孔区域确定为目标汗孔区域；
提取所述目标汗孔区域的特征，作为所述第一指纹图像的汗孔特征。
可选的，所述将以所述细节点为中心、以预设距离为半径的范围内的汗孔区域确定为目标汗孔区域的步骤，包括：
若以所述细节点为中心、以预设距离为半径的范围内的所有汗孔区域的数量和大于预设数量阈值，则将以所述细节点为中心、以预设距离为半径的范围内的所有汗孔区域确定为目标汗孔区域。
可选的，当根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域的步骤包括：对所述第一指纹图像进行二值化，得到二值化指纹图像，检测所述二值化指纹图像中的各个连通域，将像素点数量在预设数量范围内的连通域确定为所述第一指纹图像中的汗孔区域时，所述确定所述第一指纹图像中指纹脊线上的细节点的步骤，包括：
根据检测的所述第一指纹图像中的汗孔区域，对所述二值化指纹图像进行填充，得到填充图像；
对所述填充图像进行细化，得到细化图像；
从所述细化图像中确定指纹脊线上的细节点，作为所述第一指纹图像中指纹脊线上的细节点。
第二方面，本申请实施例提供了一种指纹采集设备。该设备包括：传感器、处理器和存储器；
所述传感器，用于采集待识别指纹图像；
所述处理器，用于获取所述传感器采集的待识别指纹图像，对所述待识别指纹图像进行插值，得到第一指纹图像，根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域，根据检测的汗孔区域，确定所述第一指纹图像的汗孔特征，根据所述汗孔特征，对所述待识别指纹图像中的指纹进行识别；其中，所述第一指纹图像的分辨率大于所述待识别指纹图像的分辨率。
可选的，所述处理器具体用于：采用双线性插值算法、双三次插值算法中的一种，对所述待识别指纹图像进行插值。
可选的，所述处理器具体用于：
对所述第一指纹图像进行二值化，得到二值化图像；检测所述二值化图像中的各个连通域；针对所检测的各个连通域，将像素点数量在预设数量范围内的连通域确定为所述第一指纹图像中的汗孔区域。
可选的，所述处理器具体用于：根据所述汗孔特征和预设的第一汗孔特征，确定所述待识别指纹图像中的指纹是否为活体指纹。
可选的，所述汗孔特征包括：汗孔数量、汗孔的分布密度中的至少一种。
可选的，所述处理器具体用于：根据所述汗孔特征、预先存储的第二汗孔特征与对象的对应关系，确定所述汗孔特征对应的对象，作为所述待识别指纹图像中的指纹归属的对象。
可选的，所述处理器具体用于根据以下内容中的至少一种，确定所述第一指纹图像的汗孔特征：汗孔区域的中心点坐标、汗孔区域的大小、汗孔区域所在指纹脊线的方向场。
可选的，所述处理器具体用于：
确定所述第一指纹图像中指纹脊线上的细节点，将以所述细节点为中心、以预设距离为半径的范围内的汗孔区域确定为目标汗孔区域，提取所述目标汗孔区域的特征，作为所述第一指纹图像的汗孔特征。
可选的，所述处理器具体用于：
若以所述细节点为中心、以预设距离为半径的范围内的所有汗孔区域的数量和大于预设数量阈值，则将以所述细节点为中心、以预设距离为半径的范围内的所有汗孔区域确定为目标汗孔区域。
可选的，所述处理器具体用于：
当根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域包括：对所述第一指纹图像进行二值化，得到二值化指纹图像，检测所述二值化指纹图像中的各个连通域，将像素点数量在预设数量范围内的连通域确定为所述第一指纹图像中的汗孔区域时，根据检测的所述第一指纹图像中的汗孔区域，对所述二值化指纹图像进行填充，得到填充图像；对所述填充图像进行细化，得到细化图像；从所述细化图像中确定指纹脊线上的细节点，作为所述第一指纹图像中指纹脊线上的细节点。
第三方面，本申请实施例提供了一种计算机可读存储介质。该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例提供的指纹识别方法。该方法包括：
获取待识别指纹图像；
对所述待识别指纹图像进行插值，得到第一指纹图像；其中，所述第一指纹图像的分辨率大于所述待识别指纹图像的分辨率；
根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域；
根据检测的汗孔区域，确定所述第一指纹图像的汗孔特征；
根据所述汗孔特征，对所述待识别指纹图像中的指纹进行识别。
本申请实施例提供的指纹识别方法及指纹采集设备，可以对待识别指纹图像进行插值得到分辨率比待识别指纹图像的分辨率大的第一指纹图像，根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域，并根据汗孔区域确定第一指纹图像的汗孔特征，根据该汗孔特征对待识别指纹图像中的指纹进行识别。本申请实施例，可以采用对待识别指纹图像进行插值，得到较高分辨率的指纹图像，这样能更准确地从指纹图像中检测汗孔区域；根据检测的汗孔区域可以确定指纹图像的汗孔特征，根据汗孔特征对待识别指纹图像进行指纹识别。由于指纹脊线上的汗孔特征相比于细节点而言，其特征更复杂，更难以被复制，因此应用于指纹识别时能够提高指纹识别的准确性。当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的指纹识别方法的一种流程示意图；
图2a为本申请实施例提供的待识别指纹图像示意图；
图2b为本申请实施例提供的插值后指纹图像示意图；
图2c为本申请实施例提供的二值化图像示意图；
图2d为本申请实施例提供的像素点周围的八个相邻像素点示意图；
图3为本申请实施例提供的指纹识别方法的另一种流程示意图；
图4为本申请实施例提供的指纹识别方法的再一种流程示意图；
图5a为本申请实施例提供的筛选汗孔区域的一种示意图；
图5b为本申请实施例提供的细化图像示意图；
图5c和图5d分别为本申请实施例提供的细化图像中分叉点和端点示意图；
图6～图8分别为本申请实施例提供的指纹采集设备的几种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请实施例中，指纹采集设备可以对指纹图像进行指纹识别。指纹采集设备用以进行指纹识别的指纹图像为低分辨率的指纹图像，例如，分辨率介于500～1000dpi的指纹图像。当指纹采集设备对指纹图像进行指纹识别时，可以根据指纹图像中的细节点特征进行指纹识别。但是细节点特征容易被恶意者伪造，进而制作出假冒指纹，导致指纹采集设备对指纹识别的准确性和安全性不高。
为了提高指纹识别的准确性和安全性，本申请实施例提供了一种指纹识别方法及指纹采集设备。下面通过具体实施例，对本申请进行详细说明。
图1为本申请实施例提供的指纹识别方法的一种流程示意图。该方法应用于具有指纹识别功能的电子设备，例如指纹采集设备等。所述方法包括：
步骤S101：获取待识别指纹图像。
本实施例中，电子设备可以具有指纹采集功能，也可以不具有指纹采集功能。本步骤中，当电子设备具有指纹采集功能时，获取待识别指纹图像时，可以直接获取采集的待识别指纹图像。当电子设备不具有指纹采集功能时，可以从其他设备中获取待识别指纹图像。
其中，待识别指纹图像为低分辨率的指纹图像。本实施例中的待识别指纹图像，可以理解为包含指纹汗孔，但是无法直接从待识别指纹图像中检测到足以进行指纹识别的汗孔区域的指纹图像。指纹汗孔为皮肤表面的汗腺开口，一般位于皮肤表面的波状隆起部的顶端，属于指纹的第三层特征。皮肤表面的波状隆起部在指纹图像中即为指纹脊线。例如，待识别指纹图像可以为分辨率介于500～1000dpi的指纹图像。低于500dpi的指纹图像一般认为几乎不存在汗孔信息，高于1000dpi的指纹图像需要由具有较高配置的指纹采集设备采集。其中，上述举例中用于描述低分辨率的指纹图像的分辨率下限500dpi和分辨率上限1000dpi只是一种举例，该分辨率下限也可以为499dpi、498dpi等值，该分辨率上限也可以为1001dpi、1002dpi等值。本申请并不对上述分辨率下限和分辨率上限进行具体限定。
在一种具体的实施方式中，本实施例可以应用在常见的门禁指纹设备中。这种门禁指纹设备采集的指纹图像的分辨率通常在500dpi～1000dpi之间。
例如，图2a为500dpi的光学指纹采集设备采集的指纹图像，图中指纹脊线上的小白点即为汗孔。这种指纹图像中携带指纹汗孔，但是指纹图像中的汗孔的像素点不明显，无法直接用于检测或对比，此时可以执行步骤S102。
步骤S102：对待识别指纹图像进行插值，得到第一指纹图像。
其中，第一指纹图像的分辨率大于待识别指纹图像的分辨率。例如，待识别指纹图像的分辨率为500～1000dpi时，第一指纹图像的分辨率可以为1000～2000dpi。分辨率可以理解为图像分辨率，即表示单位英寸中所包含的像素点数量。dpi(Dots Per Inch，每英寸点数)是一个图像量度单位，指每一英寸长度中取样、可显示或输出点的数目。
由于待识别指纹图像的分辨率较低，无法从待识别指纹图像中直接检测指纹汗孔，因此为了能利用待识别指纹图像中的指纹汗孔的信息，本实施例对待识别指纹图像进行插值，以提高待识别指纹图像的分辨率，使提高分辨率后的第一指纹图像中的指纹汗孔能够被更准确地检测到。
通过对大量指纹样本的检测可知，指纹汗孔的孔径大小在50～250μm之间，其中，大小在100～200μm之间的汗孔数量占汗孔总数量的60％以上。本实施例可以主要考虑检测100～200μm这一尺寸范围内的汗孔。大小在100～200μm之间的汗孔在分辨率500dpi的指纹图像中大概不超过4个像素点。直接在低分辨率图像中检测4个像素点大小的汗孔时，所检测到的汗孔区域不足以进行指纹识别，即此时进行指纹识别时准确性较低。
在对待识别指纹图像进行插值之后，原始汗孔周边会产生过渡灰度值的像素点，从而使汗孔的像素点数量增加。例如，第一指纹图像中汗孔的像素点数量在4～16个。通过选择合适的处理过程和合适的阈值，能更有效地、更准确地从第一指纹图像中检测出放大后的汗孔。
例如，对图2a中的指纹图像进行插值后，可以得到图2b所示图像。通过对这两个图进行对比，可以看出，图2b中的指纹图像的分辨率提高了，图中的汗孔明显增大了。
对待识别指纹图像进行插值时，可以采用双线性插值算法、双三次插值算法等插值算法中的一种，对待识别指纹图像进行插值。
在对待识别指纹图像进行插值时，可以根据预先设置的第一指纹图像的分辨率和待识别指纹图像的分辨率，采用插值算法，对待识别指纹图像进行插值，得到第一指纹图像。其中，第一指纹图像的分辨率大于待识别指纹图像的分辨率。具体的，可以根据第一指纹图像的分辨率和待识别指纹图像的分辨率的大小关系，以及待识别指纹图像的尺寸，确定第一指纹图像的尺寸，根据待识别指纹图像的尺寸和第一指纹图像的尺寸之间的关系，确定第一指纹图像中每个像素点的坐标(x，y)在待识别指纹图像中的对应坐标(X，Y)，根据插值算法以及对应坐标，确定待识别指纹图像中该对应坐标周围的目标像素点，根据目标像素点的像素值，确定第一指纹图像中像素点的像素值。
例如，待识别指纹图像的尺寸为w0*h0(宽*高)，分辨率为500dpi，第一指纹图像要求达到1000dpi，则第一指纹图像的尺寸为2w0*2h0。第一指纹图像中像素点(x，y)在待识别指纹图像中的对应坐标(X，Y)为(x/2，y/2)。
采用双线性插值算法时，可以确定待识别指纹图像中对应坐标(X，Y)周围的四个目标像素点。根据这四个目标像素点的像素值，确定第一指纹图像中像素点(x，y)的像素值。具体的，针对四个目标像素点，可以分别在两个方向上进行线性插值，得到两个过渡像素点，再对得到的两个过渡像素点进行线性插值，得到像素点(x，y)的像素值。
双线性插值算法是二维空间中常用的插值方法。实验表明，双线性插值算法的计算效率较高。因此，采用双线性插值算法对待识别指纹图像进行插值时能够提高计算效率。
采用双三次插值算法时，可以确定待识别指纹图像中对应坐标(X，Y)周围矩形网格中的十六个目标像素点，根据这十六个目标像素点的像素值以及预设双三次插值公式，确定第一指纹图像中像素点(x，y)的像素值。
双三次插值算法也是二维空间中常用的插值方法。实验表明，采用双三次插值算法计算得到的像素值的精度较好。因此，采用双三次插值算法对待识别指纹图像进行插值时能够提高计算精度。
由于实际中很多指纹采集设备采用棱镜采集指纹图像，由于图像采集平面与感光元件的主光轴之间不是垂直的，而是存在一定的倾角，这使得这类指纹采集设备采集的指纹图像存在梯形畸变。因此，在对待识别指纹图像进行插值之前，还可以校正待识别指纹图像的梯形畸变，对校正后的图像进行插值，得到第一指纹图像。或者，也可以在对待识别指纹图像进行插值之后，再校正插值之后图像的梯形畸变，得到第一指纹图像。
步骤S103：根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域。
其中，预设的汗孔像素特征可以为汗孔像素点的数量特征，例如，汗孔像素点的数量在4～16个等；也可以为汗孔像素点的分布位置特征，例如，汗孔像素点分布在指纹脊线上；或者，可以为汗孔区域与指纹脊线区域的像素值之间存在较大差异的特征。汗孔像素特征也可以为上述几种特征的结合。
在一种具体的实施方式中，预设的汗孔像素特征可以为：二值化图像中，像素点数量在预设数量范围内的连通域为汗孔区域。根据上述特征，本步骤在检测第一指纹图像中的汗孔区域时，可以对第一指纹图像进行二值化，得到二值化图像，检测二值化图像中的各个连通域，针对所检测的各个连通域，将像素点数量在预设数量范围内的连通域确定为第一指纹图像中的汗孔区域。经过实验发现，采用上述连通的方式检测汗孔区域时，计算效率更高，更适合应用在嵌入式的指纹采集设备中。
对第一指纹图像进行二值化时，可以采用最大类间方差法即大津法(Otsu)进行。该方法为一种自适应选取二值化阈值的方法，应用效果显著。
在对第一指纹图像进行二值化之前，可以对第一指纹图像进行预处理，提高图像的对比度，这样对第一指纹图像进行二值化时能够更准确。其中，预处理可以包括均衡化、滤波、分割和增强等操作。
例如，图2c为对图2b中的第一指纹图像进行二值化后得到的二值化图像。
检测二值化图像中的各个连通域时，可以采用八邻域连通算法检测。例如，参见图2d，像素点P周围的八个相邻的像素点为该像素点P的上方、下方、左侧、右侧、左上角、右上角、左下角、右下角的像素点。对于二值化图像来说，设置白色部分的灰度值为1，黑色纹路部分的灰度值为0。遍历图2d中的所有像素点，若一灰度值为1的像素点P周围的八个相邻像素点中存在灰度值不为0的像素点，则表明该灰度值不为0的像素点和像素点P连通，将该灰度值不为0的像素点和像素点P标记为连通域。在标记连通域时对每个连通域内的像素点的数量进行累加，得到每个连通域的像素点数量。
针对所检测的各个连通域，可以将像素点数量在预设数量范围内的连通域确定为第一指纹图像中的汗孔区域。其中，预设数量范围可以为根据经验确定的值，例如可以为4～16，或3～16，或4～17等数量范围。实验表明，将预设数量范围设置为上述范围，可以使得汗孔的检测结果更加稳定。
确定第一指纹图像中的汗孔区域，可以理解为确定第一指纹图像中汗孔区域的坐标位置。
在一种具体的实施方式中，检测第一指纹图像中的汗孔区域时，也可以采用小波变换的方式进行。小波变换通过变换能够充分突出图像某些方面的特征，能对时间或空间频率进行局部化分析，通过伸缩平移运算对图像逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自适应时频信号分析的要求，从而可聚焦到图像的任意细节。这种方法在检测汗孔区域时精度更高，同时对设备计算性能的要求也更高，更适合应用在高配置的设备中。
步骤S104：根据检测的汗孔区域，确定第一指纹图像的汗孔特征。
其中，汗孔特征可以包括汗孔区域中心点的坐标、汗孔区域的大小、汗孔区域所在的指纹脊线的方向场、汗孔区域的数量、汗孔区域的密度等中的至少一种。
在确定第一指纹图像的汗孔特征时，可以根据第一指纹图像中的所有汗孔区域来确定汗孔特征，也可以根据第一指纹图像中的部分汗孔区域来确定汗孔特征。
检测的汗孔特征可以为根据第一指纹图像中各个汗孔区域的特征得到的汗孔特征，也可以为第一指纹图像中各个汗孔区域的特征的直接组合。
步骤S105：根据上述汗孔特征，对待识别指纹图像中的指纹进行识别。
对待识别指纹图像中的指纹进行识别时，可以包括：将上述汗孔特征和预设汗孔特征进行匹配，根据匹配结果，对待识别指纹图像中的指纹进行识别。预设汗孔特征可以为预先对样本指纹图像执行步骤S101～步骤S104的过程时得到的汗孔特征，例如包括汗孔区域中心点的坐标、汗孔区域的大小、汗孔区域所在的指纹脊线的方向场中的至少一种的特征；也可以为对大量不同的样本指纹图像的汗孔特征进行统计后得到，例如包括汗孔区域的数量、汗孔区域的密度中的至少一种的特征。
由上述内容可知，本实施例可以采用对待识别指纹图像进行插值，得到较高分辨率的指纹图像，这样能更准确地从指纹图像中检测汗孔区域；根据检测的汗孔区域可以确定指纹图像的汗孔特征，根据汗孔特征对待识别指纹图像进行指纹识别。由于指纹脊线上的汗孔特征相比于细节点而言，其特征更复杂，更难以被复制，因此应用于指纹识别时能够提高指纹识别的准确性。
应用本申请实施例的方案，无需改动嵌入式光学指纹采集设备的光路，也无需对硬件进行改进，只需改进芯片内部的软件部分，即可提高指纹识别的准确性，因此本方案易于实施。
在本申请的另一实施例中，对图1所示实施例加以改进，可以得到图3所示实施例，该实施例应用于具有指纹识别功能的电子设备，例如指纹采集设备等。该方法包括以下步骤S301～步骤S305：
步骤S301：获取待识别指纹图像。
步骤S302：对待识别指纹图像进行插值，得到第一指纹图像。
步骤S303：根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域。
其中，本实施例中的步骤S301～步骤S303分别与图1所示实施例中的步骤S101～步骤S103相同，详细说明请参见图1所示实施例的相关部分，此处不再赘述。
步骤S304：根据检测的汗孔区域，确定第一指纹图像的汗孔特征。
其中，上述汗孔特征可以包括：汗孔数量、汗孔的分布密度中的至少一种。
本步骤具体可以为，确定第一指纹图像中所有汗孔区域的总数量N；或者，也可以为，根据第一指纹图像中的所有像素点总数量M1和第一指纹图像中所有汗孔区域的像素点的总数量M2，确定第一指纹图像中汗孔区域的分布密度ρ＝M2/M1。其中，所有汗孔区域的像素点的总数量M2＝S1*m1+S2*m2+…+Sn*mn，Sn为第n个汗孔区域，mn为第n个汗孔区域的像素数量。
本步骤也可以为，确定第一指纹图像中所有汗孔区域的总数量，根据第一指纹图像中的所有像素点总数量和第一指纹图像中所有汗孔区域的像素点的总数量，确定第一指纹图像中汗孔区域的分布密度。
步骤S305：根据上述汗孔特征和预设的第一汗孔特征，确定待识别指纹图像中的指纹是否为活体指纹。
其中，预设的第一汗孔特征可以包括指纹图像中所有汗孔区域的总数量范围[N1，N2]，和/或，指纹图像中汗孔区域的分布密度范围[ρ1，ρ2]。第一汗孔特征可以为预先对大量不同的样本指纹图像的汗孔特征进行统计后得到。
本步骤具体可以为，判断上述汗孔特征是否处于预设的第一汗孔特征对应的范围内，如果是，则确定待识别指纹图像中的指纹为活体指纹；如果否，则确定待识别指纹图像中的指纹不为活体指纹。
例如，预设的第一汗孔特征为指纹图像中所有汗孔区域的总数量范围[90，200]，如果确定的第一指纹图像中的汗孔特征为150个，则确定待识别指纹图像中的指纹为活体指纹。如果第一指纹图像中的汗孔特征为50个，则确定待识别指纹图像中的指纹不为活体指纹。
又如，预设的第一汗孔特征为指纹图像中汗孔区域的分布密度范围[0.1，0.2]，如果确定的第一指纹图像中汗孔区域的分布密度为0.15，则确定待识别指纹图像中的指纹为活体指纹。如果第一指纹图像中汗孔区域的分布密度为0.05，则确定待识别指纹图像中的指纹不为活体指纹。
如果确定待识别指纹图像中的指纹为活体指纹，则说明进行指纹识别的对象不是伪造的指纹膜。该过程也可以称为活体检测。活体检测为：为了防止恶意者将伪造的他人生物特征用于身份认证，在生物特征识别过程中，针对待认证样本是否具有生命特征进行检测的技术。
由于指纹上的汗孔信息属于指纹的第三次特征，与第二层特征的细节点信息一样，均可以用于身份识别。指纹上汗孔区域的数量非常多，并且难以被复制，因此可以利用指纹汗孔进行活体检测。
由上述内容可知，本实施例可以采用对待识别指纹图像进行插值，得到较高分辨率的指纹图像，这样能更准确地从指纹图像中检测汗孔区域；根据检测的汗孔区域可以确定指纹图像的汗孔特征，根据汗孔特征对待识别指纹图像进行活体检测。由于指纹脊线上的汗孔特征相比于细节点而言，其特征更复杂，更难以被复制，因此应用于活体检测时能够提高检测的准确性。
在上述实施例确定待识别指纹图像中的指纹为活体指纹之后，还可以进一步根据细节点特征匹配指纹，对指纹进行身份认证。上述实施例相比于仅仅依靠细节点匹配指纹的方法将更加安全。
在本申请的另一实施例中，对图1所示实施例加以改进，可以得到图4所示实施例，该实施例应用于具有指纹识别功能的电子设备，例如指纹采集设备等。该方法包括以下步骤S401～步骤S405：
步骤S401：获取待识别指纹图像。
步骤S402：对待识别指纹图像进行插值，得到第一指纹图像。
步骤S403：根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域。
其中，本实施例中的步骤S401～步骤S403分别与图1所示实施例中的步骤S101～步骤S103相同，详细说明请参见图1所示实施例的相关部分，此处不再赘述。
步骤S404：根据检测的汗孔区域，确定第一指纹图像的汗孔特征。
本步骤中，可以根据以下内容中的至少一种，确定第一指纹图像的汗孔特征：汗孔区域的中心点坐标、汗孔区域的大小、汗孔区域所在指纹脊线的方向场。汗孔区域的大小可以理解为汗孔区域包含的像素点数量。方向场是描述纹线脊线形状和走向的向量组。上述汗孔特征也可以称为汗孔索引。
在确定第一指纹图像的汗孔特征时，可以将第一指纹图像中所有汗孔区域的特征作为第一指纹图像的汗孔特征，也可以将第一指纹图像中部分汗孔区域的特征作为第一指纹图像的汗孔区域。
步骤S405：根据上述汗孔特征、预先存储的第二汗孔特征与对象的对应关系，确定上述汗孔特征对应的对象，作为待识别指纹图像中的指纹归属的对象。
其中，对象可以用于表示个人身份。第二汗孔特征可以包括：汗孔区域的中心点坐标、汗孔区域的大小、汗孔区域所在指纹脊线的方向场中的至少一种。第二汗孔特征也可以为根据汗孔区域的中心点坐标、汗孔区域的大小、汗孔区域所在指纹脊线的方向场中的至少一种，确定的汗孔区域之间的相对特征量，例如多个汗孔区域的中心点之间的相对距离、旋转角度等。
预先存储的第二汗孔特征与对象的对应关系，可以为采用以下方式获得的：预先采集样本指纹图像和对应的对象，并对样本指纹图像进行插值，检测插值后图像的汗孔区域，根据检测的汗孔区域确定汗孔特征，生成汗孔特征与对象的对应关系。
本实施例中，确定指纹归属的对象，可以理解为对指纹进行身份认证。
本步骤具体可以为，将上述汗孔特征与上述对应关系中的第二汗孔特征进行匹配，将匹配上的第二汗孔特征对应的对象作为上述汗孔特征对应的对象。当第二汗孔特征为相对特征量时，将上述汗孔特征与上述对应关系中的第二汗孔特征进行匹配时，可以根据上述汗孔特征，确定该汗孔特征中多个汗孔区域的汗孔特征之间的相对特征量，例如多个汗孔区域的中心点之间的相对距离、旋转角度等，根据确定的汗孔特征之间的相对特征量，与第二汗孔特征进行匹配。这样的匹配过程能够提高匹配准确度。
由上述内容可知，本实施例可以采用对待识别指纹图像进行插值，得到较高分辨率的指纹图像，这样能更准确地从指纹图像中检测汗孔区域；根据检测的汗孔区域可以确定指纹图像的汗孔特征，根据汗孔特征对待识别指纹图像进行个人身份识别。由于指纹脊线上的汗孔特征相比于细节点而言，其特征更复杂，更难以被复制，因此应用于指纹身份识别时能够提高识别的准确性。
在本申请的另一实施例中，在图4所示实施例中，在步骤S405之前，还可以确定待识别指纹图像中的指纹是否为活体指纹，如果是，则执行步骤S405，即根据上述汗孔特征、预先存储的第二汗孔特征与对象的对应关系，确定上述汗孔特征对应的对象，作为待识别指纹图像中的指纹归属的对象。
在确定待识别指纹图像中的指纹是否为活体指纹时，可以采用图3所示实施例中的方式进行，具体说明参见图3所示实施例，此处不再赘述。
可见，本实施例可以在对待识别指纹图像进行身份认证之前，先确定待识别指纹图像中的指纹是否为活体指纹，如果是，再识别指纹归属的对象，这样能够提高指纹识别的效率和准确性。
由于第一指纹图像中的汗孔区域非常多，通常可以达到上百个，若将全部汗孔区域用于身份认证时的匹配计算，则计算过程非常耗时且没有必要。因此，可以有针对性地选取适量汗孔。
在本申请的另一实施例中，在图4所示实施例中，步骤S404，根据检测的汗孔区域，确定第一指纹图像的汗孔特征的步骤，包括以下步骤1～步骤3：
步骤1：确定第一指纹图像中指纹脊线上的细节点。该细节点包括分叉点、端点、环、岛、桥中的至少一种。
步骤2：将以细节点为中心、以预设距离为半径的范围内的汗孔区域确定为目标汗孔区域。
其中，预设距离可以为预先根据经验确定的距离数值。预设距离可以为以像素点个数为单位的数值。例如，预设距离可以为6～10个像素点。以细节点为中心、以预设距离为半径的范围，可以为圆形区域。
本步骤具体可以为，将以细节点为中心、以预设距离为半径的范围内的所有汗孔区域确定为目标汗孔区域。也可以为，将以细节点为中心、以预设距离为半径的范围内的汗孔区域中，大小为预设数量个像素点的汗孔区域，确定为目标汗孔区域。预设数量可以为预先根据经验确定的数量，例如可以为6、7、8、9个。其中，汗孔区域的大小是指汗孔区域的像素点的总数量。
例如，图5a为图2b中第一指纹图像中局部图像的放大图，图5a中标示了以分叉点为中心，以7个像素为半径的圆形范围内的三个汗孔。在确定目标汗孔区域时，可以将圆形范围内的三个汗孔所在的汗孔区域均作为目标汗孔区域，也可以将圆形范围内的三个汗孔所在的汗孔区域中，大小为8个像素点左右的汗孔区域作为目标汗孔区域。
在另一种具体实施方式中，若以细节点为中心、以预设距离为半径的范围内的所有汗孔区域的数量和大于预设数量阈值，则将以细节点为中心、以预设距离为半径的范围内的所有汗孔区域确定为目标汗孔区域。在这种实施方式中，数量和大于预设数量阈值的范围内的汗孔区域更稳定，从而可以提高指纹识别的准确性。
步骤3：提取目标汗孔区域的特征，作为第一指纹图像的汗孔特征。
例如，可以将目标汗孔区域的中心点坐标、目标汗孔区域的大小、目标汗孔区域所在指纹脊线的方向场中的至少一种作为第一指纹图像的汗孔特征。
可见，本实施例可以提取以细节点为中心、以预设距离为半径的范围内的所有汗孔区域的特征，作为第一指纹图像的汗孔特征，无需提取第一指纹图像中的所有汗孔区域的特征，能够有针对性地选择汗孔区域，减少计算量，提高处理效率。
在本申请的另一实施例中，在图4所示实施例中，当根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域的步骤包括：对第一指纹图像进行二值化，得到二值化指纹图像，检测二值化指纹图像中的各个连通域，将像素点数量在预设数量范围内的连通域确定为第一指纹图像中的汗孔区域时，上述步骤1，确定第一指纹图像中指纹脊线上的细节点的步骤，可以包括步骤1a～步骤1c：
步骤1a：根据检测的第一指纹图像中的汗孔区域，对二值化指纹图像进行填充，得到填充图像。
本步骤具体可以为，将二值化指纹图像中汗孔区域的像素点的像素值更换为该二值化指纹图像中的另一种像素值。例如，二值化指纹图像中包括像素值为0和255的两种像素值，如果汗孔区域的像素值为255，则可以将汗孔区域的像素点的像素值更换为0，即得到填充图像。
参见图2c所示二值化指纹图像，指纹脊线上存在很多小白点，这些小白点即为指纹脊线上的汗孔，这些区域会影响对图像的细化的准确性，因此可以对汗孔区域进行填充，以便对图像细化时准确性更好。
步骤1b：对填充图像进行细化，得到细化图像。
本步骤中，对填充图像进行细化，可以采用数字形态学中击中或击不中变换进行，也可以采用其他算法进行，本申请对此不做具体限定。
参见图5b，为对填充图像进行细化后的细化图像示意图。
步骤1c：从细化图像中确定指纹脊线上的细节点，作为第一指纹图像中指纹脊线上的细节点。
本步骤中，可以根据细节点像素特征，从细化图像中确定指纹脊线上的细节点。例如，针对细化图像中位于前景的像素点(非背景中的像素点)，分叉点的特征为：在该像素点周围存在至少3个像素值与该像素点的像素值相同。端点的特征为：在像素点周围存在1个像素值与该像素点的像素值相同。
从细化图像中确定指纹脊线上的细节点时，具体可以遍历细化图像中的每个像素点，当存在符合上述特征的像素点时，将该像素点确定为细节点。例如，图5c和图5d分别用圆圈标示出了从细化图像中确定的分叉点和端点。
综上，本实施例中可以根据汗孔区域对二值化指纹图像进行填充，从而可以使得对填充图像的细化更准确，从而更准确地得到细节点。
图6为本申请实施例提供的指纹采集设备的一种结构示意图。该指纹采集设备包括：传感器601、存储器602和处理器603。该设备实施例与图1所示方法实施例相对应。
在本实施例中，传感器601，用于采集待识别指纹图像。
处理器603，用于获取传感器601采集的待识别指纹图像，对待识别指纹图像进行插值，得到第一指纹图像，根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域，根据检测的汗孔区域，确定第一指纹图像的汗孔特征，根据汗孔特征，对待识别指纹图像中的指纹进行识别。其中，第一指纹图像的分辨率大于待识别指纹图像的分辨率。
在一种具体实施方式中，存储器602，可以用于存储传感器601采集的待识别指纹图像。处理器603可以用于从存储器602中获取待识别指纹图像。
其中，存储器602可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器603可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的另一实施例中，在图6所示实施例中，处理器603具体用于：
采用双线性插值算法、双三次插值算法中的一种，对待识别指纹图像进行插值。
在本申请的另一实施例中，在图6所示实施例中，处理器603具体用于：
对第一指纹图像进行二值化，得到二值化图像；检测二值化图像中的各个连通域；针对所检测的各个连通域，将像素点数量在预设数量范围内的连通域确定为第一指纹图像中的汗孔区域。
图7为本申请实施例提供的指纹采集设备的另一结构示意图。该指纹采集设备包括：传感器701、存储器702和处理器703。该实施例为在图6所示实施例基础上的改进实施例，未改进之处与图6所示实施例相同，此处不再赘述。本设备实施例与图3所示方法实施例相对应。本实施例中的传感器701和存储器702分别与图6所示实施例中的传感器601和存储器602相同，具体内容不再赘述。
本实施例中，处理器703，用于获取传感器701采集的待识别指纹图像，对待识别指纹图像进行插值，得到第一指纹图像，根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域，根据检测的汗孔区域，确定第一指纹图像的汗孔特征，根据汗孔特征和预设的第一汗孔特征，确定待识别指纹图像中的指纹是否为活体指纹。其中，第一指纹图像的分辨率大于待识别指纹图像的分辨率。
在本申请的另一实施例中，在图7所示实施例中，汗孔特征包括：汗孔数量、汗孔的分布密度中的至少一种。
图8为本申请实施例提供的指纹采集设备的另一结构示意图。该指纹采集设备包括：传感器801、存储器802和处理器803。该实施例为在图6所示实施例基础上的改进实施例，未改进之处与图6所示实施例相同，此处不再赘述。本设备实施例与图4所示方法实施例相对应。本实施例中的传感器801和存储器802分别与图6所示实施例中的传感器601和存储器602相同，具体内容不再赘述。
本实施例中，处理器803，用于获取传感器801采集的待识别指纹图像，对待识别指纹图像进行插值，得到第一指纹图像，根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域，根据检测的汗孔区域，确定第一指纹图像的汗孔特征，根据所述汗孔特征、预先存储的第二汗孔特征与对象的对应关系，确定所述汗孔特征对应的对象，作为待识别指纹图像中的指纹归属的对象。其中，第一指纹图像的分辨率大于待识别指纹图像的分辨率。
在本申请的另一实施例中，在图8所示实施例中，处理器803具体用于：
根据以下内容中的至少一种，确定第一指纹图像的汗孔特征：
汗孔区域的中心点坐标、汗孔区域的大小、汗孔区域所在指纹脊线的方向场。
在本申请的另一实施例中，在图8所示实施例中，处理器803具体用于：
确定第一指纹图像中指纹脊线上的细节点，将以细节点为中心、以预设距离为半径的范围内的汗孔区域确定为目标汗孔区域，提取目标汗孔区域的特征，作为第一指纹图像的汗孔特征。
在本申请的另一实施例中，在图8所示实施例中，处理器803具体用于：
若以细节点为中心、以预设距离为半径的范围内的所有汗孔区域的数量和大于预设数量阈值，则将以细节点为中心、以预设距离为半径的范围内的所有汗孔区域确定为目标汗孔区域。
在本申请的另一实施例中，在图8所示实施例中，处理器803具体用于：
当根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域包括：对第一指纹图像进行二值化，得到二值化指纹图像，检测二值化指纹图像中的各个连通域，将像素点数量在预设数量范围内的连通域确定为第一指纹图像中的汗孔区域时，根据检测的第一指纹图像中的汗孔区域，对二值化指纹图像进行填充，得到填充图像；对填充图像进行细化，得到细化图像；从细化图像中确定指纹脊线上的细节点，作为第一指纹图像中指纹脊线上的细节点。
由于上述图6～图8所示设备实施例分别是基于图1、图3和图4的方法实施例得到的，与对应的方法具有相同的技术效果，为避免重复，设备实施例的技术效果在此不再赘述。对于设备实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现本申请实施例提供的指纹识别方法。该方法包括：
获取待识别指纹图像；
对待识别指纹图像进行插值，得到第一指纹图像；其中，第一指纹图像的分辨率大于待识别指纹图像的分辨率；
根据预设的汗孔像素特征，检测第一指纹图像中的汗孔区域；
根据检测的汗孔区域，确定第一指纹图像的汗孔特征；
根据所述汗孔特征，对待识别指纹图像中的指纹进行识别。
本实施例可以采用对待识别指纹图像进行插值，得到较高分辨率的指纹图像，这样能更准确地从指纹图像中检测汗孔区域；根据检测的汗孔区域可以确定指纹图像的汗孔特征，根据汗孔特征对待识别指纹图像进行指纹识别。由于指纹脊线上的汗孔特征相比于细节点而言，其特征更复杂，更难以被复制，因此应用于指纹识别时能够提高指纹识别的准确性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
Claims (21)
1.一种指纹识别方法，其特征在于，所述方法包括：
获取待识别指纹图像；
对所述待识别指纹图像进行插值，得到第一指纹图像；其中，所述第一指纹图像的分辨率大于所述待识别指纹图像的分辨率；
根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域；
根据检测的汗孔区域，确定所述第一指纹图像的汗孔特征；
根据所述汗孔特征，对所述待识别指纹图像中的指纹进行识别。
2.根据权利要求1所述的方法，其特征在于，所述对所述待识别指纹图像进行插值的步骤，包括：
采用双线性插值算法、双三次插值算法中的一种，对所述待识别指纹图像进行插值。
3.根据权利要求1所述的方法，其特征在于，所述根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域的步骤，包括：
对所述第一指纹图像进行二值化，得到二值化图像；
检测所述二值化图像中的各个连通域；
针对所检测的各个连通域，将像素点数量在预设数量范围内的连通域确定为所述第一指纹图像中的汗孔区域。
4.根据权利要求1～3任一项所述的方法，其特征在于，所述根据所述汗孔特征，对所述待识别指纹图像中的指纹进行识别的步骤，包括：
根据所述汗孔特征和预设的第一汗孔特征，确定所述待识别指纹图像中的指纹是否为活体指纹。
5.根据权利要求4所述的方法，其特征在于，所述汗孔特征包括：汗孔数量、汗孔的分布密度中的至少一种。
6.根据权利要求1～3任一项所述的方法，其特征在于，所述根据所述汗孔特征，对所述待识别指纹图像中的指纹进行识别的步骤，包括：
根据所述汗孔特征、预先存储的第二汗孔特征与对象的对应关系，确定所述汗孔特征对应的对象，作为所述待识别指纹图像中的指纹归属的对象。
7.根据权利要求6所述的方法，其特征在于，所述根据检测的汗孔区域，确定所述第一指纹图像的汗孔特征的步骤，包括：
根据以下内容中的至少一种，确定所述第一指纹图像的汗孔特征：
汗孔区域的中心点坐标、汗孔区域的大小、汗孔区域所在指纹脊线的方向场。
8.根据权利要求6所述的方法，其特征在于，所述根据检测的汗孔区域，确定所述第一指纹图像的汗孔特征的步骤，包括：
确定所述第一指纹图像中指纹脊线上的细节点；
将以所述细节点为中心、以预设距离为半径的范围内的汗孔区域确定为目标汗孔区域；
提取所述目标汗孔区域的特征，作为所述第一指纹图像的汗孔特征。
9.根据权利要求8所述的方法，其特征在于，所述将以所述细节点为中心、以预设距离为半径的范围内的汗孔区域确定为目标汗孔区域的步骤，包括：
若以所述细节点为中心、以预设距离为半径的范围内的所有汗孔区域的数量和大于预设数量阈值，则将以所述细节点为中心、以预设距离为半径的范围内的所有汗孔区域确定为目标汗孔区域。
10.根据权利要求8所述的方法，其特征在于，当根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域的步骤包括：对所述第一指纹图像进行二值化，得到二值化指纹图像，检测所述二值化指纹图像中的各个连通域，将像素点数量在预设数量范围内的连通域确定为所述第一指纹图像中的汗孔区域时，所述确定所述第一指纹图像中指纹脊线上的细节点的步骤，包括：
根据检测的所述第一指纹图像中的汗孔区域，对所述二值化指纹图像进行填充，得到填充图像；
对所述填充图像进行细化，得到细化图像；
从所述细化图像中确定指纹脊线上的细节点，作为所述第一指纹图像中指纹脊线上的细节点。
11.一种指纹采集设备，其特征在于，包括：传感器、处理器和存储器；
所述传感器，用于采集待识别指纹图像；
所述处理器，用于获取所述传感器采集的待识别指纹图像，对所述待识别指纹图像进行插值，得到第一指纹图像，根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域，根据检测的汗孔区域，确定所述第一指纹图像的汗孔特征，根据所述汗孔特征，对所述待识别指纹图像中的指纹进行识别；其中，所述第一指纹图像的分辨率大于所述待识别指纹图像的分辨率。
12.根据权利要求11所述的设备，其特征在于，所述处理器，具体用于：
采用双线性插值算法、双三次插值算法中的一种，对所述待识别指纹图像进行插值。
13.根据权利要求11所述的设备，其特征在于，所述处理器，具体用于：
对所述第一指纹图像进行二值化，得到二值化图像；检测所述二值化图像中的各个连通域；针对所检测的各个连通域，将像素点数量在预设数量范围内的连通域确定为所述第一指纹图像中的汗孔区域。
14.根据权利要求11～13任一项所述的设备，其特征在于，所述处理器，具体用于：
根据所述汗孔特征和预设的第一汗孔特征，确定所述待识别指纹图像中的指纹是否为活体指纹。
15.根据权利要求14所述的设备，其特征在于，所述汗孔特征包括：汗孔数量、汗孔的分布密度中的至少一种。
16.根据权利要求11～13任一项所述的设备，其特征在于，所述处理器，具体用于：
根据所述汗孔特征、预先存储的第二汗孔特征与对象的对应关系，确定所述汗孔特征对应的对象，作为所述待识别指纹图像中的指纹归属的对象。
17.根据权利要求16所述的设备，其特征在于，所述处理器，具体用于：
根据以下内容中的至少一种，确定所述第一指纹图像的汗孔特征：
汗孔区域的中心点坐标、汗孔区域的大小、汗孔区域所在指纹脊线的方向场。
18.根据权利要求16所述的设备，其特征在于，所述处理器，具体用于：
确定所述第一指纹图像中指纹脊线上的细节点，将以所述细节点为中心、以预设距离为半径的范围内的汗孔区域确定为目标汗孔区域，提取所述目标汗孔区域的特征，作为所述第一指纹图像的汗孔特征。
19.根据权利要求18所述的设备，其特征在于，所述处理器，具体用于：
若以所述细节点为中心、以预设距离为半径的范围内的所有汗孔区域的数量和大于预设数量阈值，则将以所述细节点为中心、以预设距离为半径的范围内的所有汗孔区域确定为目标汗孔区域。
20.根据权利要求18所述的设备，其特征在于，所述处理器，具体用于：
当根据预设的汗孔像素特征，检测所述第一指纹图像中的汗孔区域包括：对所述第一指纹图像进行二值化，得到二值化指纹图像，检测所述二值化指纹图像中的各个连通域，将像素点数量在预设数量范围内的连通域确定为所述第一指纹图像中的汗孔区域时，根据检测的所述第一指纹图像中的汗孔区域，对所述二值化指纹图像进行填充，得到填充图像；对所述填充图像进行细化，得到细化图像；从所述细化图像中确定指纹脊线上的细节点，作为所述第一指纹图像中指纹脊线上的细节点。
21.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-10任一所述的方法步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711228455.9A CN109840458A (zh) | 2017-11-29 | 2017-11-29 | 一种指纹识别方法及指纹采集设备 |
| PCT/CN2018/083528 WO2019104932A1 (zh) | 2017-11-29 | 2018-04-18 | 一种指纹识别方法及指纹采集设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711228455.9A CN109840458A (zh) | 2017-11-29 | 2017-11-29 | 一种指纹识别方法及指纹采集设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109840458A true CN109840458A (zh) | 2019-06-04 |
Family
ID=66665367
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711228455.9A Pending CN109840458A (zh) | 2017-11-29 | 2017-11-29 | 一种指纹识别方法及指纹采集设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109840458A (zh) |
| WO (1) | WO2019104932A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110633384A (zh) * | 2019-09-19 | 2019-12-31 | 哈尔滨工业大学（深圳） | 基于汗孔和多图匹配的高分辨率指纹检索方法、装置、系统及存储介质 |
| CN111079626A (zh) * | 2019-12-11 | 2020-04-28 | 深圳市迪安杰智能识别科技有限公司 | 一种活体指纹识别方法、电子设备及计算机可读存储介质 |
| CN115294141A (zh) * | 2022-10-10 | 2022-11-04 | 惠智赋能(滨州)信息科技服务有限公司 | 一种基于声纳图像的深海渔网检测方法 |
| WO2022236877A1 (zh) * | 2021-05-14 | 2022-11-17 | 广州广电运通金融电子股份有限公司 | 一种基于深度学习的指纹纹理提取方法、系统、装置及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1991860A (zh) * | 2005-12-26 | 2007-07-04 | 联杰光电股份有限公司 | 具有侦测毛细孔的指纹辨识系统及其方法 |
| CN101079106A (zh) * | 2007-07-10 | 2007-11-28 | 深圳市天识科技有限公司 | 一种兼容不同指纹传感器图像信息的指纹识别方法 |
| CN101226589A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 基于薄板样条形变模型的活体指纹检测方法 |
| US20080253626A1 (en) * | 2006-10-10 | 2008-10-16 | Schuckers Stephanie | Regional Fingerprint Liveness Detection Systems and Methods |
| US8965069B2 (en) * | 2011-09-30 | 2015-02-24 | University Of Louisville Research Foundation, Inc. | Three dimensional minutiae extraction in three dimensional scans |
| CN104463129A (zh) * | 2014-12-17 | 2015-03-25 | 浙江维尔科技股份有限公司 | 一种指纹注册方法及装置 |
| CN105740750A (zh) * | 2014-12-11 | 2016-07-06 | 深圳印象认知技术有限公司 | 指纹活体检测及识别方法与装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200715200A (en) * | 2005-10-07 | 2007-04-16 | Nanogate Optoelectronic Robot Inc | System for detecting faked fingerprint |
| US20070177774A1 (en) * | 2006-01-30 | 2007-08-02 | Nanogate Optoelectronics Robot, Inc. | Fingerprint Recognition System Having Detecting Pore and Method Thereof |
| CN106250890B (zh) * | 2016-09-23 | 2020-05-05 | 南昌欧菲生物识别技术有限公司 | 一种指纹识别方法及装置 |
| CN106682473A (zh) * | 2016-12-20 | 2017-05-17 | 深圳芯启航科技有限公司 | 一种用户身份信息的识别方法及其装置 |
-
2017
- 2017-11-29 CN CN201711228455.9A patent/CN109840458A/zh active Pending
-
2018
- 2018-04-18 WO PCT/CN2018/083528 patent/WO2019104932A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1991860A (zh) * | 2005-12-26 | 2007-07-04 | 联杰光电股份有限公司 | 具有侦测毛细孔的指纹辨识系统及其方法 |
| US20080253626A1 (en) * | 2006-10-10 | 2008-10-16 | Schuckers Stephanie | Regional Fingerprint Liveness Detection Systems and Methods |
| CN101226589A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 基于薄板样条形变模型的活体指纹检测方法 |
| CN101079106A (zh) * | 2007-07-10 | 2007-11-28 | 深圳市天识科技有限公司 | 一种兼容不同指纹传感器图像信息的指纹识别方法 |
| US8965069B2 (en) * | 2011-09-30 | 2015-02-24 | University Of Louisville Research Foundation, Inc. | Three dimensional minutiae extraction in three dimensional scans |
| CN105740750A (zh) * | 2014-12-11 | 2016-07-06 | 深圳印象认知技术有限公司 | 指纹活体检测及识别方法与装置 |
| CN104463129A (zh) * | 2014-12-17 | 2015-03-25 | 浙江维尔科技股份有限公司 | 一种指纹注册方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 方博: "基于汗孔的高分辨率指纹匹配算法", 《万方学位论文》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110633384A (zh) * | 2019-09-19 | 2019-12-31 | 哈尔滨工业大学（深圳） | 基于汗孔和多图匹配的高分辨率指纹检索方法、装置、系统及存储介质 |
| CN110633384B (zh) * | 2019-09-19 | 2022-05-17 | 哈尔滨工业大学（深圳） | 基于汗孔和多图匹配的高分辨率指纹检索方法、装置、系统及存储介质 |
| CN111079626A (zh) * | 2019-12-11 | 2020-04-28 | 深圳市迪安杰智能识别科技有限公司 | 一种活体指纹识别方法、电子设备及计算机可读存储介质 |
| CN111079626B (zh) * | 2019-12-11 | 2023-08-01 | 深圳市迪安杰智能识别科技有限公司 | 一种活体指纹识别方法、电子设备及计算机可读存储介质 |
| WO2022236877A1 (zh) * | 2021-05-14 | 2022-11-17 | 广州广电运通金融电子股份有限公司 | 一种基于深度学习的指纹纹理提取方法、系统、装置及存储介质 |
| CN115294141A (zh) * | 2022-10-10 | 2022-11-04 | 惠智赋能(滨州)信息科技服务有限公司 | 一种基于声纳图像的深海渔网检测方法 |
| CN115294141B (zh) * | 2022-10-10 | 2023-03-10 | 惠智赋能(滨州)信息科技服务有限公司 | 一种基于声纳图像的深海渔网检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019104932A1 (zh) | 2019-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10885644B2 (en) | Detecting specified image identifiers on objects | |
| CN109840458A (zh) | 一种指纹识别方法及指纹采集设备 | |
| Wang et al. | Data acquisition and processing of 3-D fingerprints | |
| TWI592881B (zh) | 指紋辨識方法 | |
| TWI222030B (en) | Method for acquiring fingerprints by the linear fingerprint sensor | |
| Liu et al. | 3D fingerprint reconstruction system using feature correspondences and prior estimated finger model | |
| CN106056751B (zh) | 冠字号码的识别方法及系统 | |
| TWI559235B (zh) | 紋線距離的計算方法和裝置 | |
| CN109859227A (zh) | 翻拍图像检测方法、装置、计算机设备及存储介质 | |
| KR20150092009A (ko) | 지문의 운반체로서 진짜 손가락을 이용하는 인증 방법 | |
| EP1661058B1 (en) | Biometrical identification device | |
| KR101632912B1 (ko) | 지문 인식을 이용한 사용자 인증 방법 | |
| TW201606556A (zh) | 利用卡片特徵進行身份驗證的方法、裝置及系統 | |
| JP7257631B2 (ja) | 材料被写体の拡張認証の方法 | |
| US20160379038A1 (en) | Valid finger area and quality estimation for fingerprint imaging | |
| JP2012519927A (ja) | 新規なインペインティング技術及び部分的収集のモザイク処理を介し虹彩スキャンを再構成する方法 | |
| CN103310196A (zh) | 感兴趣区域与方向元素的手指静脉识别方法 | |
| Wang et al. | Fit-sphere unwrapping and performance analysis of 3D fingerprints | |
| JPWO2010116885A1 (ja) | データ処理装置、画像照合方法、プログラムおよび画像照合システム | |
| CN110569857A (zh) | 一种基于质心距离计算的图像轮廓角点检测方法 | |
| CN110378351B (zh) | 印章鉴别方法及装置 | |
| CN108665495A (zh) | 图像处理方法及装置、移动终端 | |
| Lin et al. | PRNU-based content forgery localization augmented with image segmentation | |
| Purnapatra et al. | Presentation attack detection with advanced cnn models for noncontact-based fingerprint systems | |
| CN109344846A (zh) | 图像特征提取方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190604 |