CN109934180B - 指纹识别方法及相关装置 - Google Patents
指纹识别方法及相关装置 Download PDFInfo
- Publication number
- CN109934180B CN109934180B CN201910204116.XA CN201910204116A CN109934180B CN 109934180 B CN109934180 B CN 109934180B CN 201910204116 A CN201910204116 A CN 201910204116A CN 109934180 B CN109934180 B CN 109934180B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- feature
- texture
- fingerprint image
- points
- 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
Images
Abstract
本申请实施例公开了一种指纹识别方法及相关装置,方法包括:通过指纹模组采集用户手指的第一指纹图像;将第一指纹图像转换成第二指纹图像,第二指纹图像的中每个像素点是根据第一指纹图像中的多个像素点确定的;根据第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息;针对多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果;根据多个指纹特征集的比对结果确定指纹识别结果。本申请实施例有利于降低指纹识别的拒真率FRR,提高电子设备进行指纹识别的准确度。
Description
技术领域
本申请涉及电子设备技术领域,具体涉及一种指纹识别方法及相关装置。
背景技术
当前全面屏手机等电子设备的解锁方式主要有3D结构光和屏下指纹方案。单点的屏下指纹由于感应面积的限制,用户解锁时必须按在指定的位置,这对解锁速度和用户体验都是不利的。更大的感应面积是用户所希望的,区域指纹甚至全屏指纹是屏下指纹方案的发展趋势。屏下指纹是利用OLED显示屏作为原始光源,光线在手指和玻璃接触面由于手指纹路谷和脊对光线反射的差异,集成光敏阵列的感光传感器会吸收不同程度的反射光,从而转换成有大小差异的电信号形成指纹图像。手指在浸泡和低温等条件下会出现纹路畸变,区域指纹其图像分辨率较低,如果采用原有的局部特征匹配算法,拒真率会很高。
发明内容
本申请实施例提供了一种指纹识别方法及相关装置,以期降低指纹识别的拒真率FRR,提高电子设备进行指纹识别的准确度。
第一方面,本申请实施例提供一种指纹识别方法,应用于电子设备,所述电子设备包括显示屏和相对于所述显示屏的预设区域设置的指纹模组,所述方法包括:
通过所述指纹模组采集用户手指的第一指纹图像;
将所述第一指纹图像转换成第二指纹图像,所述第二指纹图像中每个像素点是根据所述第一指纹图像中的多个像素点确定的;
根据所述第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、所述指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,所述关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息;
针对所述多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果;
根据所述多个指纹特征集的比对结果确定指纹识别结果。
第二方面,本申请实施例提供一种指纹识别装置,应用于电子设备,所述电子设备包括显示屏和相对于所述显示屏的预设区域设置的指纹模组,所述装置包括处理单元和通信单元,其中,
所述处理单元,用于通过所述通信单元通过所述指纹模组采集用户手指的第一指纹图像;以及用于将所述第一指纹图像转换成第二指纹图像,所述第二指纹图像中每个像素点是根据所述第一指纹图像中的多个像素点确定的;以及用于根据所述第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、所述指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,所述关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息;以及用于针对所述多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果;以及用于根据所述多个指纹特征集的比对结果确定指纹识别结果。
第三方面,本申请实施例提供一种电子设备,包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出,本申请实施例中,电子设备包括显示屏和相对于显示屏的预设区域设置的指纹模组,电子设备首先通过指纹模组采集用户手指的第一指纹图像,其次,将第一指纹图像转换成第二指纹图像,第二指纹图像的中每个像素点是根据第一指纹图像中的多个像素点确定的,再次,根据第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息,然后,针对多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果,最后,根据多个指纹特征集的比对结果确定指纹识别结果。可见,电子设备针对原始的第一指纹图像,能够通过图像变换、指纹特征集提取和权重设置,降低指纹图像的细节点在指纹识别结果中的影响程度,增大指纹纹理的轮廓特征在指纹识别结果中的影响程度,从而减弱因采集的指纹图像的细节点误差较大而提高FRR的概率,有利于降低指纹识别的拒真率FRR,提高电子设备进行指纹识别的准确度。
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地介绍,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是本申请实施例提供的一种电子设备采集指纹的示意图;
图2是本申请实施例提供的一种指纹识别方法的流程示意图;
图3是本申请实施例提供的另一种指纹识别方法的流程示意图;
图4是本申请实施例提供的另一种指纹识别方法的流程示意图;
图5本申请实施例提供的一种电子设备的结构示意图;
图6本申请实施例提供的一种指纹识别装置的功能单元组成框图。
具体实施方式
指纹识别技术把一个人同他的指纹对应起来,通过将他的指纹和预先保存的指纹进行比较,通过不同指纹的细节特征点来进行鉴别,就可以验证他的真实身份。特征点是指指纹纹路经常出现中断、分叉或转折的断点、分叉点和转折点。每个人的指纹纹路在图案、断点、分叉点和转折点上各不相同,是唯一的。且其唯一性是终生不变的,正是依靠这种唯一性和稳定性,我们才能创造指纹识别技术。指纹识别技术拥有识别速度快、采集方便和价格低廉等优点,被广泛应用于图像处理、模式识别、计算机视觉等众多学科领域。如图1所示,图1为一个电子设备101采集指纹的示意图,该电子设备101包括显示屏102和相对于所述显示屏102的预设区域103设置的指纹模组104,105为指纹放大图,当用户手指接触屏幕时,显示屏102发出的光线穿透盖板将指纹纹理照亮,形成指纹光膜,指纹将反射光线回传给指纹模组,最终形成指纹图像。本申请实施例所涉及到的电子设备可以是具备指纹模组的电子设备,该电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(UserEquipment,UE),移动台(Mobile Station,MS),终端设备(terminal device)等等。
目前,局部特征匹配算法关注的是各个像素小区域的细节特征,然后将各个局部特征匹配结果进行加权求和得到最终的匹配结果。如前面所述手指在浸泡和低温等条件下会出现纹路畸变,而区域指纹本身的图像分辨率相比单点或者电容式指纹就低很多,导致细节信息缺失,从而导致大概率拒真情况。基于此,本申请实施例提出一种指纹识别方法以解决上述问题,下面对本申请实施例进行详细介绍。
请参阅图2,图2是本申请实施例提供了一种指纹识别方法的流程示意图,应用于电子设备,所述电子设备包括显示屏和相对于所述显示屏的预设区域设置的指纹模组,如图所示,本指纹识别方法包括:
S201,电子设备通过所述指纹模组采集用户手指的第一指纹图像;
其中,所述指纹模组例如可以是光学指纹模组,可以采用薄膜晶体管TFT传感器Sensor。所述电子设备的指纹识别区域包括所述显示屏的预设区域,该预设区域的形状可以是圆形、方形等,此处不做唯一限定。
具体实现中,电子设备可以根据显示屏的状态(亮屏状态或者熄屏状态)动态调整指纹识别区域的亮度参数和显示方式,以提醒用户进行指纹验证。
S202,所述电子设备将所述第一指纹图像转换成第二指纹图像,所述第二指纹图像中每个像素点是根据所述第一指纹图像中的多个像素点确定的;
在上述实施例中,所述电子设备将所述第一指纹图像转换成第二指纹图像的实现方式可以是:将所述第一指纹图像进行稀疏处理,得到第二指纹图像;或者,将所述第一指纹图像进行卷积运算,得到第二指纹图像;或者,将所述第一指纹图像进行卷积运算和稀疏处理,得到第二指纹图像。
其中,所述稀疏处理和卷积运算均为图像处理中的常规算法,此处不做赘述,需要说明的是,卷积运算中的所使用的卷积核为预配置的专用于指纹图像处理的卷积核。
可见,本示例中,电子设备针对原始指纹图像,能够通过稀疏处理或者卷积运算降低图像数据量,同时尽可能保留原始图像的像素信息,这使得转换后的图像中的像素单元相当于将原始图像中的多个像素单元,从而将指纹图像的局部特征的基本单元的面积区域增大,弱化原始图像中的细节点的影响,且降低数据量提高图像处理效率,从而提高指纹识别效率。
S203,所述电子设备根据所述第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、所述指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,所述关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息;
在上述实施例中,所述电子设备根据所述第二指纹图像生成用户手指的多个指纹特征集的实现方式可以是:所述电子设备根据所述第二指纹图像确定特征点匹配权重和纹理匹配权重;提取所述第二指纹图像的多个指纹特征点,所述指纹特征点包括以下至少一种:终结点、分叉点、分歧点、孤立点、环点和短纹;确定所述多个指纹特征点中每个指纹特征点的关联纹理特征;根据所述特征点匹配权重、所述纹理匹配权重、所述多个指纹特征点和多个关联纹理特征生成用户手指的多个指纹特征集。
其中,所述特征点匹配权重和所述纹理匹配权重用于指纹特征集比对过程中的匹配度的计算。
具体实现中,由于指纹图像的全部指纹特征点的数量可能较多,也可能较少,具体取决于指纹图像的录入质量,故而,可以预设电子设备检测到指纹特征点数量较少时,则针对全部指纹特征点确定关联纹理特征,检测到指纹特征点数量很多时,则可以筛选部分指纹特征点,并仅确定该部分指纹特征点的关联纹理特征,其中,筛选策略可以是按照指纹特征点类型排优先级进行筛选,也可以按照位置分区进行筛选等,此处不做唯一限定。
可见,本示例中,电子设备能够在指纹特征集加入指纹特征点的关联纹理特征,结合权重设置从而弱化细节点特征对比对结果的影响,强化指纹图像中的纹路轮廓特征对比对结果的影响,有利于避免因细节点信息不足或者有误而造成的误识别,有利于降低指纹识别的拒真率。
在该实施例中,所述电子设备确定所述多个指纹特征点中每个指纹特征点的关联纹理特征的实现方式可以是:所述电子设备确定所述每个指纹特征点所处的指纹纹路的参考纹路区域;提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征:方向梯度直方图HOG特征、局部二值模式LBP特征、Harris角点特征、尺度不变特征变换SIFT特征。
其中,单个指纹特征点所处的指纹纹路可以是单条指纹纹路,也可以是多条指纹纹路,如分叉点可能对应两条指纹纹路,此时关联纹理特征即包括2条指纹纹路的纹理特征。
可见,本示例中,电子设备能够准确定位每个指纹特征点所处指纹纹路,并提取该指纹纹路的纹理特征作为指纹特征点的关联纹理特征,从而将指纹纹路的轮廓特征引入比对信息中,增强指纹比对过程中所引入信息的全面性,避免因细节点信息不足或者有误而造成的误识别,有利于降低指纹识别的拒真率。
在本实施例中,所述至少一种纹理特征包括HOG特征;所述电子设备提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征的实现方式可以是:所述电子设备提取所述参考纹路区域的轮廓边缘的多个像素点;计算每个像素点的梯度幅值和方向,将方向量化为多个方向并将同方向像素点的梯度幅值累加起来,直到所述多个像素点都累加完毕;将所述多个方向对应的累加后的梯度幅值和方向作为所述每个指纹特征点的关联纹理特征。
其中,所述多个方向可以是8个方向。
可见,本示例中,由于轮廓边缘的像素点能够准确反映指纹图像中指纹纹路的轮廓特性,故而电子设备通过处理参考纹路区域的轮廓边缘的多个像素点能够准确提取指纹纹路的轮廓特征信息,从而提高指纹比对的成功率。
在本实施例中,所述至少一种纹理特征包括LBP特征;所述电子设备提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征的实现方式可以是:所述电子设备提取所述参考纹路区域的轮廓边缘的多个像素点;将每个像素点与周围的8个像素点进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,产生8位二进制数,即得到窗口中心像素点的十进制LBP值;统计每个十进制LBP值出现的频率,生成直方图并进行归一化;确定归一化后的所述直方图为所述每个指纹特征点的关联纹理特征。
可见,本示例中,由于轮廓边缘的像素点能够准确反映指纹图像中指纹纹路的轮廓特性,故而电子设备通过处理参考纹路区域的轮廓边缘的多个像素点能够准确提取指纹纹路的轮廓特征信息,从而提高指纹比对的成功率。
在本实施例中,所述至少一种纹理特征包括Harris角点特征;所述电子设备提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征的实现方式可以是:所述电子设备提取所述参考纹路区域的轮廓边缘的多个像素点;计算每个像素点邻域的灰度变化;确定灰度变化幅度大于预设幅度且梯度大于预设梯度的像素点为角点;确定所述角点为所述每个指纹特征点的关联纹理特征。
具体实现中,所述电子设备首先计算参考纹路区域的轮廓边缘的每个像素点的梯度向量协方差矩阵,然后计算该协方差矩阵的特征值a1和a2,当两个特征值都比较大时,记录该像素点所对应的坐标为角点的位置。Harris角点特征本身不受光照和旋转的影响,很适合作为细节点的附加信息。
可见,本示例中,由于轮廓边缘的像素点能够准确反映指纹图像中指纹纹路的轮廓特性,故而电子设备通过处理参考纹路区域的轮廓边缘的多个像素点能够准确提取指纹纹路的轮廓特征信息,从而提高指纹比对的成功率。
在本实施例中,所述至少一种纹理特征包括SIFT特征;所述电子设备提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征的实现方式可以是:所述电子设备对所述参考纹路区域进行尺度变换,得到图像多尺度下的尺度空间表示序列;对所述尺度空间表示序列进行尺度空间主轮廓提取,得到尺度空间主轮廓;将所述尺度空间主轮廓作为一种特征向量,实现边缘检测、角点检测和不同分辨率上的特征提取,得到关键点描述子;确定所述关键点描述子为所述每个指纹特征点的关联纹理特征。
具体实现中,所述电子设备提取参考纹路区域的SIFT特征包括以下步骤:
a)构建高斯金字塔:高斯金字塔的构建过程可以分为高斯滤波和下采样。为了体现其连续性,在简单下采样的基础上加上了高斯滤波,一幅图像可以产生几组图像,一组图像包括几层图像。一般组数的选择与指纹图像的大小有关,层数为3~5。
b)构建DOG金字塔:该金字塔的构建只需相邻尺度高斯平滑后的图像相减,计算较简单。该DOG金字塔描绘的是目标的轮廓。
c)关键点检测:关键点是由DOG空间的局部极值点组成。为了寻找DOG空间的极值点,每个像素点都要与它所有的相邻点比较,看其是否比它的图像域和尺度域的相邻点大或者小。具体地,该过程可以描述为:中间检测点和它同尺度的8个相邻点,以及上下相邻尺度对应的9*2个点,共26个点进行比较,以确保在尺度空间和二维图像空间都检测到极值点。注意,这里只检测细节点周围一定半径范围内的关键点作为细节点的附加信息,其他区域不进行检测。
d)虚假关键点剔除:由于DOG值对噪声和边缘比较敏感,因此需要对上面DOG空间检测到的局部极值点,进行进一步检测以剔除虚假关键点。首先,利用DOG函数在尺度空间的Taylor展开式,剔除那些对比度较低的不稳定极值点。然后,利用关键点周围一定区域的主曲率,剔除那些有较强边缘响应的关键点。
e)计算关键点主方向和辅方向:确定关键点的方向采用梯度直方图统计法,统计以关键点为原点,一定区域内图像像素点对关键点生成所做的贡献。即计算关键点周围每个像素点的梯度幅值和方向,并将同方向所有像素点的梯度幅值累加起来,得到梯度方向直方图。梯度方向直方图主峰值所对应的方向即为关键点主方向。当梯度方向直方图中存在另一个相当于主峰值80%能量的峰值时,则认为该方向为关键点的辅方向。辅方向可以增加匹配的鲁棒性,大概15%的关键点具有多方向,这些点对匹配的稳定性至为关键。
f)计算关键点描述子:对关键点周围一定区域内所有像素点计算其梯度幅值和方向,然后对每个梯度幅值乘以高斯权重参数,生成方向直方图。在2*2的区域内,计算8个方向的梯度方向直方图,绘制每个梯度方向的累加值,即可生成一个种子点。继续在下一个2*2区域进行直方图统计,共生成16个种子点。将以上16个种子点的直方图信息累加起来,可得到128维的特征向量,即关键点描述子。
可见,本示例中,由于轮廓边缘的像素点能够准确反映指纹图像中指纹纹路的轮廓特性,故而电子设备通过处理参考纹路区域的轮廓边缘的多个像素点能够准确提取指纹纹路的轮廓特征信息,从而提高指纹比对的成功率。
在该实施例中,所述电子设备根据所述第二指纹图像确定特征点匹配权重和纹理匹配权重的实现方式可以是:所述电子设备确定所述第二指纹图像中的前景和背景,所述前景为有纹路的区域,所述背景为无纹路的区域或质量低于预设质量的区域;根据所述前景和所述背景的比例以及预设的权重计算公式确定特征点匹配权重和纹理匹配权重,其中,所述权重计算公式包括如下关系:第一比值与第二比值成正比例关系,所述第一比值为所述前景与所述背景的比值,所述第二比值为所述特征点匹配权重与所述纹理匹配权重的比值。
其中,所述预设质量可以是分辨率等参数指标。
x1=(a1/(a1+a2))*d,d大于0小于1;
x2=1-x1;
其中,x1为特征点匹配权重,x2为纹理匹配权重,a1为前景区域面积,a2为后景区域面积,d为预设的特征点匹配权重的约束值,如0.5等。
可见,本示例中,通过动态设置特征点匹配权重和纹理匹配权重,使得指纹图像中的指纹信息越少,纹理越重要,比重越大,如此设置可以保证指纹比对过程所需要信息的全面性和稳定性,降低电子设备进行指纹识别的FRR。
S204,所述电子设备针对所述多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果;
S205,所述电子设备根据所述多个指纹特征集的比对结果确定指纹识别结果。
具体实现中,所述电子设备根据所述多个指纹特征集的比对结果确定指纹识别结果的实现方式可以是:所述电子设备加权平均多个指纹特征集的比对结果,得到指纹识别结果。或者,
所述电子设备根据每个指纹特征集所关联纹路距离中心点的距离的远近来动态调整每个指纹特征集的匹配度权重,并根据该匹配度权重加权得到指纹识别结果。其中,距离越远的指纹特征集的权重越低,距离越近的指纹特征集的权重越高。如此设置符合用户按压动作自然属性(中间压力大,更加清晰,周围压力小,清晰度降低)所对应的指纹图像的质量分布特性,
可以看出,本申请实施例中,电子设备包括显示屏和相对于显示屏的预设区域设置的指纹模组,电子设备首先通过指纹模组采集用户手指的第一指纹图像,其次,将第一指纹图像转换成第二指纹图像,第二指纹图像的中每个像素点是根据第一指纹图像中的多个像素点确定的,再次,根据第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息,然后,针对多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果,最后,根据多个指纹特征集的比对结果确定指纹识别结果。可见,电子设备针对原始的第一指纹图像,能够通过图像变换、指纹特征集提取和权重设置,降低指纹图像的细节点在指纹识别结果中的影响程度,增大指纹纹理的轮廓特征在指纹识别结果中的影响程度,从而减弱因采集的指纹图像的细节点误差较大而提高FRR的概率,有利于降低指纹识别的拒真率FRR,提高电子设备进行指纹识别的准确度。
与上述图2所示的实施例一致的,请参阅图3,图3是本申请实施例提供的一种指纹识别方法的流程示意图,应用于如图1所述的电子设备,所述电子设备包括显示屏和相对于所述显示屏的预设区域设置的指纹模组,如图所示,本指纹识别方法包括:
S301,电子设备通过所述指纹模组采集用户手指的第一指纹图像;
S302,所述电子设备将所述第一指纹图像转换成第二指纹图像,所述第二指纹图像中每个像素点是根据所述第一指纹图像中的多个像素点确定的;
S303,所述电子设备根据所述第二指纹图像确定特征点匹配权重和纹理匹配权重;
S304,所述电子设备提取所述第二指纹图像的多个指纹特征点,所述指纹特征点包括以下至少一种:终结点、分叉点、分歧点、孤立点、环点和短纹;
S305,所述电子设备确定所述多个指纹特征点中每个指纹特征点的关联纹理特征。
S306,所述电子设备根据所述特征点匹配权重、所述纹理匹配权重、所述多个指纹特征点和多个关联纹理特征生成用户手指的多个指纹特征集;
S307,所述电子设备针对所述多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果;
S308,所述电子设备根据所述多个指纹特征集的比对结果确定指纹识别结果。
可以看出,本申请实施例中,电子设备包括显示屏和相对于显示屏的预设区域设置的指纹模组,电子设备首先通过指纹模组采集用户手指的第一指纹图像,其次,将第一指纹图像转换成第二指纹图像,第二指纹图像的中每个像素点是根据第一指纹图像中的多个像素点确定的,再次,根据第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息,然后,针对多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果,最后,根据多个指纹特征集的比对结果确定指纹识别结果。可见,电子设备针对原始的第一指纹图像,能够通过图像变换、指纹特征集提取和权重设置,降低指纹图像的细节点在指纹识别结果中的影响程度,增大指纹纹理的轮廓特征在指纹识别结果中的影响程度,从而减弱因采集的指纹图像的细节点误差较大而提高FRR的概率,有利于降低指纹识别的拒真率FRR,提高电子设备进行指纹识别的准确度。
此外,电子设备能够在指纹特征集加入指纹特征点的关联纹理特征,结合权重设置从而弱化细节点特征对比对结果的影响,强化指纹图像中的纹路轮廓特征对比对结果的影响,有利于避免因细节点信息不足或者有误而造成的误识别,有利于降低指纹识别的拒真率。
与上述图2所示的实施例一致的,请参阅图4,图4是本申请实施例提供的一种指纹识别方法的流程示意图,应用于电子设备,所述电子设备包括显示屏和相对于所述显示屏的预设区域设置的指纹模组,如图所示,本指纹识别方法包括:
S401,电子设备通过所述指纹模组采集用户手指的第一指纹图像;
S402,所述电子设备将所述第一指纹图像转换成第二指纹图像,所述第二指纹图像中每个像素点是根据所述第一指纹图像中的多个像素点确定的;
S403,所述电子设备根据所述第二指纹图像确定特征点匹配权重和纹理匹配权重;
S404,所述电子设备提取所述第二指纹图像的多个指纹特征点,所述指纹特征点包括以下至少一种:终结点、分叉点、分歧点、孤立点、环点和短纹;
S405,所述电子设备确定所述每个指纹特征点所处的指纹纹路的参考纹路区域;
S406,所述电子设备提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征:方向梯度直方图HOG特征、局部二值模式LBP特征、Harris角点特征、尺度不变特征变换SIFT特征。
S407,所述电子设备根据所述特征点匹配权重、所述纹理匹配权重、所述多个指纹特征点和多个关联纹理特征生成用户手指的多个指纹特征集。
S408,所述电子设备针对所述多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果;
S409,所述电子设备根据所述多个指纹特征集的比对结果确定指纹识别结果。
可以看出,本申请实施例中,电子设备包括显示屏和相对于显示屏的预设区域设置的指纹模组,电子设备首先通过指纹模组采集用户手指的第一指纹图像,其次,将第一指纹图像转换成第二指纹图像,第二指纹图像的中每个像素点是根据第一指纹图像中的多个像素点确定的,再次,根据第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息,然后,针对多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果,最后,根据多个指纹特征集的比对结果确定指纹识别结果。可见,电子设备针对原始的第一指纹图像,能够通过图像变换、指纹特征集提取和权重设置,降低指纹图像的细节点在指纹识别结果中的影响程度,增大指纹纹理的轮廓特征在指纹识别结果中的影响程度,从而减弱因采集的指纹图像的细节点误差较大而提高FRR的概率,有利于降低指纹识别的拒真率FRR,提高电子设备进行指纹识别的准确度。
此外,电子设备能够在指纹特征集加入指纹特征点的关联纹理特征,结合权重设置从而弱化细节点特征对比对结果的影响,强化指纹图像中的纹路轮廓特征对比对结果的影响,有利于避免因细节点信息不足或者有误而造成的误识别,有利于降低指纹识别的拒真率。
与上述图2、图3、图4所示的实施例一致的,请参阅图5,图5是本申请实施例提供的一种电子设备500的结构示意图,如图所示,所述电子设备500包括显示屏和相对于所述显示屏的预设区域设置的指纹模组,还包括应用处理器510、存储器520、通信接口530以及一个或多个程序521,其中,所述一个或多个程序521被存储在上述存储器520中,并且被配置由上述应用处理器510执行,所述一个或多个程序521包括用于执行以下步骤的指令;
通过所述指纹模组采集用户手指的第一指纹图像;
将所述第一指纹图像转换成第二指纹图像,所述第二指纹图像中每个像素点是根据所述第一指纹图像中的多个像素点确定的;
根据所述第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、所述指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,所述关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息;
针对所述多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果;
根据所述多个指纹特征集的比对结果确定指纹识别结果。
可以看出,本申请实施例中,电子设备包括显示屏和相对于显示屏的预设区域设置的指纹模组,电子设备首先通过指纹模组采集用户手指的第一指纹图像,其次,将第一指纹图像转换成第二指纹图像,第二指纹图像的中每个像素点是根据第一指纹图像中的多个像素点确定的,再次,根据第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息,然后,针对多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果,最后,根据多个指纹特征集的比对结果确定指纹识别结果。可见,电子设备针对原始的第一指纹图像,能够通过图像变换、指纹特征集提取和权重设置,降低指纹图像的细节点在指纹识别结果中的影响程度,增大指纹纹理的轮廓特征在指纹识别结果中的影响程度,从而减弱因采集的指纹图像的细节点误差较大而提高FRR的概率,有利于降低指纹识别的拒真率FRR,提高电子设备进行指纹识别的准确度。
在上述实施例中,在所述根据所述第二指纹图像生成用户手指的多个指纹特征集方面,所述程序中的指令具体用于执行以下操作:根据所述第二指纹图像确定特征点匹配权重和纹理匹配权重;以及用于提取所述第二指纹图像的多个指纹特征点,所述指纹特征点包括以下至少一种:终结点、分叉点、分歧点、孤立点、环点和短纹;以及用于确定所述多个指纹特征点中每个指纹特征点的关联纹理特征;以及用于根据所述特征点匹配权重、所述纹理匹配权重、所述多个指纹特征点和多个关联纹理特征生成用户手指的多个指纹特征集。
在上述实施例中,在所述确定所述多个指纹特征点中每个指纹特征点的关联纹理特征方面,所述程序中的指令具体用于执行以下操作:确定所述每个指纹特征点所处的指纹纹路的参考纹路区域;以及用于提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征:方向梯度直方图HOG特征、局部二值模式LBP特征、Harris角点特征、尺度不变特征变换SIFT特征。
在上述实施例中,所述至少一种纹理特征包括HOG特征;在所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征方面,所述程序中的指令具体用于执行以下操作:提取所述参考纹路区域的轮廓边缘的多个像素点;以及用于计算每个像素点的梯度幅值和方向,将方向量化为多个方向并将同方向像素点的梯度幅值累加起来,直到所述多个像素点都累加完毕;以及用于将所述多个方向对应的累加后的梯度幅值和方向作为所述每个指纹特征点的关联纹理特征。
在上述实施例中,所述至少一种纹理特征包括LBP特征;在所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征方面,所述程序中的指令具体用于执行以下操作:提取所述参考纹路区域的轮廓边缘的多个像素点;以及用于将每个像素点与周围的8个像素点进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,产生8位二进制数,即得到窗口中心像素点的十进制LBP值;以及用于统计每个十进制LBP值出现的频率,生成直方图并进行归一化;以及用于确定归一化后的所述直方图为所述每个指纹特征点的关联纹理特征。
在上述实施例中,所述至少一种纹理特征包括Harris角点特征;在所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征方面,所述程序中的指令具体用于执行以下操作:提取所述参考纹路区域的轮廓边缘的多个像素点;以及用于计算每个像素点邻域的灰度变化;以及用于确定灰度变化幅度大于预设幅度且梯度大于预设梯度的像素点为角点;以及用于确定所述角点为所述每个指纹特征点的关联纹理特征。
在上述实施例中,所述至少一种纹理特征包括SIFT特征;在所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征方面,所述程序中的指令具体用于执行以下操作:对所述参考纹路区域进行尺度变换,得到图像多尺度下的尺度空间表示序列;以及用于对所述尺度空间表示序列进行尺度空间主轮廓提取,得到尺度空间主轮廓;以及用于将所述尺度空间主轮廓作为一种特征向量,实现边缘检测、角点检测和不同分辨率上的特征提取,得到关键点描述子;以及用于确定所述关键点描述子为所述每个指纹特征点的关联纹理特征。
在上述实施例中,在所述根据所述第二指纹图像确定特征点匹配权重和纹理匹配权重方面,所述程序中的指令具体用于执行以下操作:确定所述第二指纹图像中的前景和背景,所述前景为有纹路的区域,所述背景为无纹路的区域或质量低于预设质量的区域;以及用于根据所述前景和所述背景的比例以及预设的权重计算公式确定特征点匹配权重和纹理匹配权重,其中,所述权重计算公式包括如下关系:第一比值与第二比值成正比例关系,所述第一比值为所述前景与所述背景的比值,所述第二比值为所述特征点匹配权重与所述纹理匹配权重的比值。
在上述实施例中,在所述将所述第一指纹图像转换成第二指纹图像方面,所述程序中的指令具体用于执行以下操作:将所述第一指纹图像进行稀疏处理,得到第二指纹图像;或者,将所述第一指纹图像进行卷积运算,得到第二指纹图像;或者,将所述第一指纹图像进行卷积运算和稀疏处理,得到第二指纹图像。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
图6是本申请实施例中所涉及的指纹识别装置600的功能单元组成框图。该指纹识别装置600应用于电子设备,所述电子设备包括显示屏和相对于所述显示屏的预设区域设置的指纹模组,所述指纹识别装置包括处理单元601和通信单元602,其中,
所述处理单元601,用于通过所述通信单元602通过所述指纹模组采集用户手指的第一指纹图像;以及用于将所述第一指纹图像转换成第二指纹图像,所述第二指纹图像中每个像素点是根据所述第一指纹图像中的多个像素点确定的;以及用于根据所述第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、所述指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,所述关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息;以及用于针对所述多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果;以及用于根据所述多个指纹特征集的比对结果确定指纹识别结果。
其中,所述指纹识别装置600还可以包括存储单元603,用于存储电子设备的程序代码和数据。所述处理单元601可以是处理器,所述通信单元602可以是内部通信接口,存储单元603可以是存储器。
可以看出,本申请实施例中,电子设备包括显示屏和相对于显示屏的预设区域设置的指纹模组,电子设备首先通过指纹模组采集用户手指的第一指纹图像,其次,将第一指纹图像转换成第二指纹图像,第二指纹图像的中每个像素点是根据第一指纹图像中的多个像素点确定的,再次,根据第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息,然后,针对多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果,最后,根据多个指纹特征集的比对结果确定指纹识别结果。可见,电子设备针对原始的第一指纹图像,能够通过图像变换、指纹特征集提取和权重设置,降低指纹图像的细节点在指纹识别结果中的影响程度,增大指纹纹理的轮廓特征在指纹识别结果中的影响程度,从而减弱因采集的指纹图像的细节点误差较大而提高FRR的概率,有利于降低指纹识别的拒真率FRR,提高电子设备进行指纹识别的准确度。
在上述实施例中,在所述根据所述第二指纹图像生成用户手指的多个指纹特征集方面,所述处理单元601具体用于:根据所述第二指纹图像确定特征点匹配权重和纹理匹配权重;以及用于提取所述第二指纹图像的多个指纹特征点,所述指纹特征点包括以下至少一种:终结点、分叉点、分歧点、孤立点、环点和短纹;以及用于确定所述多个指纹特征点中每个指纹特征点的关联纹理特征;以及用于根据所述特征点匹配权重、所述纹理匹配权重、所述多个指纹特征点和多个关联纹理特征生成用户手指的多个指纹特征集。
在上述实施例中,在所述确定所述多个指纹特征点中每个指纹特征点的关联纹理特征方面,所述处理单元601具体用于:确定所述每个指纹特征点所处的指纹纹路的参考纹路区域;以及用于提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征:方向梯度直方图HOG特征、局部二值模式LBP特征、Harris角点特征、尺度不变特征变换SIFT特征。
在上述实施例中,所述至少一种纹理特征包括HOG特征;在所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征方面,所述处理单元601具体用于:提取所述参考纹路区域的轮廓边缘的多个像素点;以及用于计算每个像素点的梯度幅值和方向,将方向量化为多个方向并将同方向像素点的梯度幅值累加起来,直到所述多个像素点都累加完毕;以及用于将所述多个方向对应的累加后的梯度幅值和方向作为所述每个指纹特征点的关联纹理特征。
在上述实施例中,所述至少一种纹理特征包括LBP特征;在所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征方面,所述处理单元601具体用于:提取所述参考纹路区域的轮廓边缘的多个像素点;以及用于将每个像素点与周围的8个像素点进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,产生8位二进制数,即得到窗口中心像素点的十进制LBP值;以及用于统计每个十进制LBP值出现的频率,生成直方图并进行归一化;以及用于确定归一化后的所述直方图为所述每个指纹特征点的关联纹理特征。
在上述实施例中,所述至少一种纹理特征包括Harris角点特征;在所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征方面,所述处理单元601具体用于:提取所述参考纹路区域的轮廓边缘的多个像素点;以及用于计算每个像素点邻域的灰度变化;以及用于确定灰度变化幅度大于预设幅度且梯度大于预设梯度的像素点为角点;以及用于确定所述角点为所述每个指纹特征点的关联纹理特征。
在上述实施例中,所述至少一种纹理特征包括SIFT特征;在所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征方面,所述处理单元601具体用于:对所述参考纹路区域进行尺度变换,得到图像多尺度下的尺度空间表示序列;以及用于对所述尺度空间表示序列进行尺度空间主轮廓提取,得到尺度空间主轮廓;以及用于将所述尺度空间主轮廓作为一种特征向量,实现边缘检测、角点检测和不同分辨率上的特征提取,得到关键点描述子;以及用于确定所述关键点描述子为所述每个指纹特征点的关联纹理特征。
在上述实施例中,在所述根据所述第二指纹图像确定特征点匹配权重和纹理匹配权重方面,所述处理单元601具体用于:确定所述第二指纹图像中的前景和背景,所述前景为有纹路的区域,所述背景为无纹路的区域或质量低于预设质量的区域;以及用于根据所述前景和所述背景的比例以及预设的权重计算公式确定特征点匹配权重和纹理匹配权重,其中,所述权重计算公式包括如下关系:第一比值与第二比值成正比例关系,所述第一比值为所述前景与所述背景的比值,所述第二比值为所述特征点匹配权重与所述纹理匹配权重的比值。
在上述实施例中,在所述将所述第一指纹图像转换成第二指纹图像方面,所述处理单元601具体用于:将所述第一指纹图像进行稀疏处理,得到第二指纹图像;或者,将所述第一指纹图像进行卷积运算,得到第二指纹图像;或者,将所述第一指纹图像进行卷积运算和稀疏处理,得到第二指纹图像。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括电子设备。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (12)
1.一种指纹识别方法,其特征在于,应用于电子设备,所述电子设备包括显示屏和相对于所述显示屏的预设区域设置的指纹模组,所述方法包括:
通过所述指纹模组采集用户手指的第一指纹图像;
将所述第一指纹图像转换成第二指纹图像,所述第二指纹图像中每个像素点是根据所述第一指纹图像中的多个像素点确定的,所述第二指纹图像相对于所述第一指纹图像弱化所述第一指纹图像中的细节点;
根据所述第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、所述指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,所述关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息;所述纹理匹配权重大于所述特征点匹配权重;
针对所述多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果;
根据所述多个指纹特征集的比对结果确定指纹识别结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第二指纹图像生成用户手指的多个指纹特征集,包括:
根据所述第二指纹图像确定特征点匹配权重和纹理匹配权重;
提取所述第二指纹图像的多个指纹特征点,所述指纹特征点包括以下至少一种:终结点、分叉点、分歧点、孤立点、环点和短纹;
确定所述多个指纹特征点中每个指纹特征点的关联纹理特征;
根据所述特征点匹配权重、所述纹理匹配权重、所述多个指纹特征点和多个关联纹理特征生成用户手指的多个指纹特征集。
3.根据权利要求2所述的方法,其特征在于,所述确定所述多个指纹特征点中每个指纹特征点的关联纹理特征,包括:
确定所述每个指纹特征点所处的指纹纹路的参考纹路区域;
提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征:方向梯度直方图HOG特征、局部二值模式LBP特征、Harris角点特征、尺度不变特征变换SIFT特征。
4.根据权利要求3所述的方法,其特征在于,所述至少一种纹理特征包括HOG特征;所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征,包括:
提取所述参考纹路区域的轮廓边缘的多个像素点;
计算每个像素点的梯度幅值和方向,将方向量化为多个方向并将同方向像素点的梯度幅值累加起来,直到所述多个像素点都累加完毕;
将所述多个方向对应的累加后的梯度幅值和方向作为所述每个指纹特征点的关联纹理特征。
5.根据权利要求3所述的方法,其特征在于,所述至少一种纹理特征包括LBP特征;所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征,包括:
提取所述参考纹路区域的轮廓边缘的多个像素点;
将每个像素点与周围的8个像素点进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,产生8位二进制数,即得到窗口中心像素点的十进制LBP值;
统计每个十进制LBP值出现的频率,生成直方图并进行归一化;
确定归一化后的所述直方图为所述每个指纹特征点的关联纹理特征。
6.根据权利要求3所述的方法,其特征在于,所述至少一种纹理特征包括Harris角点特征;所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征,包括:
提取所述参考纹路区域的轮廓边缘的多个像素点;
计算每个像素点邻域的灰度变化;
确定灰度变化幅度大于预设幅度且梯度大于预设梯度的像素点为角点;
确定所述角点为所述每个指纹特征点的关联纹理特征。
7.根据权利要求3所述的方法,其特征在于,所述至少一种纹理特征包括SIFT特征;所述提取所述参考纹路区域的以下至少一种纹理特征作为所述每个指纹特征点的关联纹理特征,包括:
对所述参考纹路区域进行尺度变换,得到图像多尺度下的尺度空间表示序列;
对所述尺度空间表示序列进行尺度空间主轮廓提取,得到尺度空间主轮廓;
将所述尺度空间主轮廓作为一种特征向量,实现边缘检测、角点检测和不同分辨率上的特征提取,得到关键点描述子;
确定所述关键点描述子为所述每个指纹特征点的关联纹理特征。
8.根据权利要求2-7任一项所述的方法,其特征在于,所述根据所述第二指纹图像确定特征点匹配权重和纹理匹配权重,包括:
确定所述第二指纹图像中的前景和背景,所述前景为有纹路的区域,所述背景为无纹路的区域或质量低于预设质量的区域;
根据所述前景和所述背景的比例以及预设的权重计算公式确定特征点匹配权重和纹理匹配权重,其中,所述权重计算公式包括如下关系:第一比值与第二比值成正比例关系,所述第一比值为所述前景与所述背景的比值,所述第二比值为所述特征点匹配权重与所述纹理匹配权重的比值。
9.根据权利要求1-7任一项所述的方法,其特征在于,所述将所述第一指纹图像转换成第二指纹图像,包括:
将所述第一指纹图像进行稀疏处理,得到第二指纹图像;或者,
将所述第一指纹图像进行卷积运算,得到第二指纹图像;或者,
将所述第一指纹图像进行卷积运算和稀疏处理,得到第二指纹图像。
10.一种指纹识别装置,其特征在于,应用于电子设备,所述电子设备包括显示屏和相对于所述显示屏的预设区域设置的指纹模组,所述装置包括处理单元和通信单元,其中,
所述处理单元,用于通过所述通信单元通过所述指纹模组采集用户手指的第一指纹图像;以及用于将所述第一指纹图像转换成第二指纹图像,所述第二指纹图像中每个像素点是根据所述第一指纹图像中的多个像素点确定的,所述第二指纹图像相对于所述第一指纹图像弱化所述第一指纹图像中的细节点;以及用于根据所述第二指纹图像生成用户手指的多个指纹特征集,每个指纹特征集包括指纹特征点、所述指纹特征点的关联纹理特征以及特征点匹配权重和纹理匹配权重,所述关联纹理特征包括用于反映该指纹特征点所处纹路的轮廓的描述信息;所述纹理匹配权重大于所述特征点匹配权重;以及用于针对所述多个指纹特征集执行指纹比对操作,得到每个指纹特征集的比对结果;以及用于根据所述多个指纹特征集的比对结果确定指纹识别结果。
11.一种电子设备,其特征在于,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
12.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910204116.XA CN109934180B (zh) | 2019-03-18 | 2019-03-18 | 指纹识别方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910204116.XA CN109934180B (zh) | 2019-03-18 | 2019-03-18 | 指纹识别方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934180A CN109934180A (zh) | 2019-06-25 |
CN109934180B true CN109934180B (zh) | 2021-06-01 |
Family
ID=66987506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910204116.XA Active CN109934180B (zh) | 2019-03-18 | 2019-03-18 | 指纹识别方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934180B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI710938B (zh) * | 2019-07-24 | 2020-11-21 | 友達光電股份有限公司 | 顯示器 |
CN110705481B (zh) * | 2019-10-08 | 2022-05-13 | Oppo广东移动通信有限公司 | 一种光学指纹防伪方法、装置及计算机可读存储介质 |
CN110851811B (zh) * | 2019-11-15 | 2022-02-15 | 美的集团股份有限公司 | 防止误操作设备的方法及装置 |
CN113312946A (zh) * | 2020-02-27 | 2021-08-27 | 敦泰电子(深圳)有限公司 | 指纹图像的特征提取方法、装置及计算机可读存储介质 |
CN111753720A (zh) * | 2020-06-24 | 2020-10-09 | 上海依图网络科技有限公司 | 一种指纹匹配方法及装置 |
CN112329681A (zh) * | 2020-11-13 | 2021-02-05 | 北京思比科微电子技术股份有限公司 | 一种应用于指纹识别的滤波方法 |
CN116311395B (zh) * | 2022-08-18 | 2023-11-14 | 荣耀终端有限公司 | 指纹识别的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070117106A (ko) * | 2006-06-07 | 2007-12-12 | 나규동 | 습도보상형 지문인식 시스템 개발 |
CN105095902A (zh) * | 2014-05-23 | 2015-11-25 | 华为技术有限公司 | 图片特征提取方法及装置 |
CN105825109A (zh) * | 2016-03-14 | 2016-08-03 | 广东欧珀移动通信有限公司 | 一种终端解锁的方法及终端 |
CN107748877A (zh) * | 2017-11-10 | 2018-03-02 | 杭州晟元数据安全技术股份有限公司 | 一种基于细节点和纹理特征的指纹图像识别方法 |
CN108416342A (zh) * | 2018-05-28 | 2018-08-17 | 杭州电子科技大学 | 一种结合细节点和细线结构的指纹识别方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819630B (zh) * | 2010-04-09 | 2012-11-28 | 浙江理工大学 | 基于压感指纹采集和dsp算法的指纹识别方法 |
CN105740821A (zh) * | 2016-01-29 | 2016-07-06 | 广州立为信息技术服务有限公司 | 一种指纹识别方法和系统 |
CN105760738B (zh) * | 2016-03-15 | 2017-08-25 | 广东欧珀移动通信有限公司 | 一种指纹解锁的方法及终端 |
CN108710849B (zh) * | 2018-05-16 | 2022-04-01 | 山东大学 | 一种指纹块拼接方法及系统 |
-
2019
- 2019-03-18 CN CN201910204116.XA patent/CN109934180B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070117106A (ko) * | 2006-06-07 | 2007-12-12 | 나규동 | 습도보상형 지문인식 시스템 개발 |
CN105095902A (zh) * | 2014-05-23 | 2015-11-25 | 华为技术有限公司 | 图片特征提取方法及装置 |
CN105825109A (zh) * | 2016-03-14 | 2016-08-03 | 广东欧珀移动通信有限公司 | 一种终端解锁的方法及终端 |
CN107748877A (zh) * | 2017-11-10 | 2018-03-02 | 杭州晟元数据安全技术股份有限公司 | 一种基于细节点和纹理特征的指纹图像识别方法 |
CN108416342A (zh) * | 2018-05-28 | 2018-08-17 | 杭州电子科技大学 | 一种结合细节点和细线结构的指纹识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109934180A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934180B (zh) | 指纹识别方法及相关装置 | |
US10789465B2 (en) | Feature extraction and matching for biometric authentication | |
CN107748877B (zh) | 一种基于细节点和纹理特征的指纹图像识别方法 | |
TWI737040B (zh) | 指紋識別方法、晶片及電子裝置 | |
CN105956578A (zh) | 一种基于身份证件信息的人脸验证方法 | |
JP7377879B2 (ja) | 指紋画像強調、指紋認識、アプリケーションプログラム起動方法、指紋検知システム、電子機器及び記憶媒体 | |
CN111488756A (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
CN105303173A (zh) | 一种降低误识别率的方法和装置 | |
CN106203326B (zh) | 一种图像处理方法、装置及移动终端 | |
CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
WO2018213946A1 (zh) | 图像识别方法、图像识别装置、电子装置及计算机存储介质 | |
WO2017161636A1 (zh) | 一种基于指纹的终端支付方法及装置 | |
CN110852311A (zh) | 一种三维人手关键点定位方法及装置 | |
CN110738222B (zh) | 图像匹配方法、装置、计算机设备和存储介质 | |
CN111783805A (zh) | 图像检索方法及装置、电子设备、可读存储介质 | |
Bahaa-Eldin | A medium resolution fingerprint matching system | |
Patel et al. | An improved approach in fingerprint recognition algorithm | |
CN109375833B (zh) | 一种触控指令的生成方法及设备 | |
CN113378609B (zh) | 代理商代签名的识别方法及装置 | |
CN108764121B (zh) | 用于检测活体对象的方法、计算设备及可读存储介质 | |
WO2018213947A1 (zh) | 图像识别系统及电子装置 | |
Iloanusi | Effective statistical‐based and dynamic fingerprint preprocessing technique | |
Jin et al. | Finger vein recognition algorithm under reduced field of view | |
Chinnappan et al. | Fingerprint recognition technology using deep learning: a review | |
CN112766082A (zh) | 基于宏微观特征的中文文本笔迹鉴别方法、装置及存储介质 |
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 |