CN109993129B - 一种基于指纹细结点圆柱码的指纹识别方法 - Google Patents
一种基于指纹细结点圆柱码的指纹识别方法 Download PDFInfo
- Publication number
- CN109993129B CN109993129B CN201910268579.2A CN201910268579A CN109993129B CN 109993129 B CN109993129 B CN 109993129B CN 201910268579 A CN201910268579 A CN 201910268579A CN 109993129 B CN109993129 B CN 109993129B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- information
- minutiae
- cylindrical code
- code
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于指纹细结点圆柱码的指纹识别方法,涉及指纹识别领域。本发明使用了几何哈希技术和二进制圆柱码技术,构成指纹细结点圆柱码的二进制局部描述符,从标准指纹模板中获取出细结点的哈希信息,构建几何哈希表,根据当前待查基点圆柱码与主键中所有元素点求解汉明距离,找到最小汉明距离对应的指纹模板ID并投票计数,返回数目最多的几个指纹模板ID至搜索结果列表中。本发明通过传统的几何哈希算法加快指纹搜索算法的收敛速度,再通过圆柱码作为一种局部信息,对指纹模板中的细节点的每个组合投票,并返回数目最多的几个指纹模板ID至搜索结果列表中,提高了指纹识别精度和鲁棒性,增加了检索命中率。
Description
技术领域
本发明属于指纹识别领域,特别是涉及一种基于指纹细结点圆柱码的指纹识别方法。
背景技术
指纹识别是民事和法医学中应用最广泛的生物识别技术之一。随着数据量不断增加和日益频繁访问需求,生物特征身份管理变得越来越困难。生物特征识别系统的核心关键是基于生物特征相关标识进行检索,这在计算密集型任务中十分常见,例如在重复身份删除应用场景中,由于要涉及数据库条目的交叉匹配,所以确保录入指纹的唯一性。
一般来说,搜索可以通过两种方式来提高效率:1)增加一对一比较的速度;2)减少比较次数。几何哈希是一种广泛使用的散列方法,它用于索引指纹的生物特征数据。经典的指纹索引方法及其变体主要是基于细结点Delaunay三角形设计,然后提取和量化几何特征来构建索引表。但是,构造细结点Delaunay三角形通常对非线性失真很敏感。
基于上述问题,在本文中,我们提出了一种简单而有效的几何哈希技术,这种技术基于指纹细结点圆柱码的二进制局部描述符而设计。该技术从标准指纹模板(x-y位置信息和角度信息)中获取出细结点的哈希信息,构建几何哈希表。该方法对于样本噪声和失真场景更具鲁棒性,同时其计算密集度最高的部分的运算可在汉明空间中完成。实验论证结果表明,该方法具有更快的收敛速度,较高的检索命中率,比基于传统的哈希指纹索引方法速度更快。
发明内容
本发明的目的在于提供一种基于指纹细结点圆柱码的指纹识别方法,通过传统的几何哈希算法加快指纹搜索算法的收敛速度,再通过圆柱码作为一种局部信息,对指纹模板中的细节点的每个组合投票,并返回数目最多的几个指纹模板ID至搜索结果列表中,解决了现有的指纹检索识别精度不足、检索时间长的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种基于指纹细结点圆柱码的指纹识别方法,包括如下步骤:
步骤S01:依次为每个细节点根据x-y坐标信息定义相对于其他细节点的坐标信息;
步骤S02:通过其他细节点相对于当前节点的一系列相对位置信息,来唯一标识当前节点信息,构成第一层访问主键,并存储在三维哈希表中;
步骤S03:通过MCC方法生成每个细节点的圆柱码二进制局部描述符,构成第二层访问信息,这些信息随同细节点模板信息存储到同一张三维哈希表;
步骤S04:对于被查询对象,每一个细节点被选为基点,求解其与其他细节点的相对位置,并创建一组主键;
步骤S05:访问哈希表,根据当前待查基点c圆柱码与主键中所有元素点求解汉明距离;
步骤S07:返回数目最多的几个指纹模板ID至搜索结果列表中。
优选地,所述步骤S04中,相对位置信息为一三元组,所述三元组信息包括横坐标x、纵坐标y和角度t,则每个细节点的变换公式为:
式中,c为当前节点,p为其他节点,x为横坐标,y为总坐标,t为角度,|tp-tc|为两个节点的方向t之间角度差的绝对值。
优选地,所述步骤S04中,创建主键需要对计算出的相对位置信息(x′p,y′p,t′p)进行量化,具体的量化公式为:
优选地,所述步骤S05中,访问哈希表时,主键中所有条目只筛选出相近的指纹ID。
本发明具有以下有益效果:
(1)本发明首先通过传统的几何哈希算法生成第一层访问主键,再根据作为一种局部信息圆柱码求解最小汉明距离,在失真的场景下使得指纹模板中对应的细节点的每个组合都收到投票,并返回数目最多的几个指纹模板ID至搜索结果列表中,提高了指纹识别精度和鲁棒性,增加了检索命中率;
(2)本发明通过几何哈希算法作为全局信息,圆柱码作为局部信息,无需储存几百位的二进制圆柱码,只需存储指向基本描述符的内存索引,避免存储几百位的二进制圆柱码,节省了存储空间,缩短了检索时间。
当然,实施本发明的任一产品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发明实施例的技术方案,下面将对实施例描述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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种基于指纹细结点圆柱码的指纹识别方法步骤图;
图2为指纹检索过程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-2所示,本发明为一种基于指纹细结点圆柱码的指纹识别方法,包括如下步骤:
步骤S01:依次为每个细节点根据x-y坐标信息定义相对于其他细节点的坐标信息;
步骤S02:通过其他细节点相对于当前节点的一系列相对位置信息,来唯一标识当前节点信息,构成第一层访问主键,并存储在三维哈希表中,第一层访问信息代表了全局信息,通过全局信息来检索指定细节点信息,加快检索的速度;
步骤S03:通过MCC方法生成每个细节点的圆柱码二进制局部描述符,构成第二层访问信息,这些信息随同细节点模板信息存储到同一张三维哈希表,第二层访问信息则构成了细节点的局部不变量信息,这些局部信息对失真场景具有很强鲁棒性,进一步提升了检索的精度;
步骤S04:对于被查询的对象,每一个细节点被选为基点并为所有其他点创建一组主键,具体是通过构建三维哈希表的索引信息并求解其他细节点相对于当前节点的相对位置信息实现,然后从给定的指纹模板中提取出圆柱码,作为局部特征信息,是由MCC算法编码出来,该局部信息对于指纹的刚性变换是不变的;
步骤S05:根据当前待查基点c圆柱码与三维哈希表所有元素点求解汉明距离;
步骤S07:返回数目最多的几个指纹模板ID至搜索结果列表中。
其中,三元组信息包括横坐标x、纵坐标y和角度t,则每个细节点的变换公式为:
式中,c为当前节点,p为其他节点,x为横坐标,y为总坐标,t为角度,|tp-tc|为两个节点的方向t之间角度差的绝对值;每一个基点指定一个唯一的参考帧,来描述模板的全局几何配置。
其中,步骤S04中,创建主键需要对计算出的相对位置信息(x′p,y′p,t′p)进行量化,具体的量化公式为:
式中,为底层函数,Δs为步长;步长Δs分别由x,y,t标志的Δx,Δy,Δt代替;使用主键值我们在表单中插入一个条目(Model_ID,),Model_ID代表某副指纹中某个细节点的ID信息,是模型中基点c的MCC描述符,其中每个点都是以冗余方式指定所有基点。
其中,步骤S05中,访问哈希表时,主键中所有条目只筛选出相近的指纹ID,如果被查询的指纹模板中具有F个点,每个点最多可访问O(F)个主键,所以总票数仅为O(F2),与哈希表大小无关,因此本发明可以缩短检索时间。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例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,相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种基于指纹细结点圆柱码的指纹识别方法,其特征在于,包括如下步骤:
步骤S01:依次为每个细节点根据x-y坐标信息定义相对于其他细节点的坐标信息;
步骤S02:通过其他细节点相对于当前节点的一系列相对位置信息,来唯一标识当前节点信息,构成第一层访问主键,并存储在三维哈希表中;
步骤S03:通过MCC方法生成每个细节点的圆柱码二进制局部描述符,构成第二层访问信息,这些信息随同细节点模板信息存储到同一张三维哈希表;
步骤S04:对于被查询对象,每一个细节点被选为基点,求解其与其他细节点的相对位置,并创建一组主键;
步骤S05:访问哈希表,根据当前待查基点c圆柱码与主键中所有元素点求解汉明距离;
步骤S07:返回数目最多的几个指纹模板ID至搜索结果列表中。
4.根据权利要求1所述的一种基于指纹细结点圆柱码的指纹识别方法,其特征在于,所述步骤S05中,访问哈希表时,主键中所有条目只筛选出相近的指纹ID。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910268579.2A CN109993129B (zh) | 2019-04-04 | 2019-04-04 | 一种基于指纹细结点圆柱码的指纹识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910268579.2A CN109993129B (zh) | 2019-04-04 | 2019-04-04 | 一种基于指纹细结点圆柱码的指纹识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993129A CN109993129A (zh) | 2019-07-09 |
CN109993129B true CN109993129B (zh) | 2022-10-18 |
Family
ID=67132109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910268579.2A Active CN109993129B (zh) | 2019-04-04 | 2019-04-04 | 一种基于指纹细结点圆柱码的指纹识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993129B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704651A (zh) * | 2019-10-18 | 2020-01-17 | 哈尔滨理工大学 | 基于核心细节点支持系统的指纹数据库快速检索方法 |
CN110826452A (zh) * | 2019-10-30 | 2020-02-21 | 平安科技(深圳)有限公司 | 一种掌纹验证方法、装置、计算机设备及可读存储介质 |
CN111428064B (zh) * | 2020-06-11 | 2020-09-29 | 深圳市诺赛特系统有限公司 | 小面积指纹图像快速索引方法、装置、设备及存储介质 |
CN111967303B (zh) * | 2020-06-30 | 2023-08-22 | 西安电子科技大学 | 一种基于最大-最小索引哈希的指纹模板保护方法 |
CN115497125B (zh) * | 2022-11-17 | 2023-03-10 | 上海海栎创科技股份有限公司 | 指纹识别方法、系统、计算机设备及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510330A (zh) * | 2011-11-02 | 2012-06-20 | 杭州电子科技大学 | 一种基于指纹特征数据与匹配算法的新型模糊金库方法 |
CN104142984A (zh) * | 2014-07-18 | 2014-11-12 | 电子科技大学 | 一种基于粗细粒度的视频指纹检索方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6941003B2 (en) * | 2001-08-07 | 2005-09-06 | Lockheed Martin Corporation | Method of fast fingerprint search space partitioning and prescreening |
-
2019
- 2019-04-04 CN CN201910268579.2A patent/CN109993129B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510330A (zh) * | 2011-11-02 | 2012-06-20 | 杭州电子科技大学 | 一种基于指纹特征数据与匹配算法的新型模糊金库方法 |
CN104142984A (zh) * | 2014-07-18 | 2014-11-12 | 电子科技大学 | 一种基于粗细粒度的视频指纹检索方法 |
Non-Patent Citations (2)
Title |
---|
基于指纹奇异点和Bloom过滤器的指纹加密方案;林波等;《现代计算机(专业版)》;20190325(第09期);全文 * |
基于指纹细节点柱形码的参数自适应选取算法;郭蕊等;《计算机应用研究》;20171231(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109993129A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993129B (zh) | 一种基于指纹细结点圆柱码的指纹识别方法 | |
Cappelli et al. | Fingerprint indexing based on minutia cylinder-code | |
US11048966B2 (en) | Method and device for comparing similarities of high dimensional features of images | |
Jégou et al. | Searching in one billion vectors: re-rank with source coding | |
CN105718502B (zh) | 用于高效特征匹配的方法和设备 | |
CN107862047B (zh) | 基于多个数据源的自然人数据处理方法和系统 | |
CN110825949A (zh) | 基于卷积神经网络的信息检索方法、及其相关设备 | |
US20040139072A1 (en) | System and method for locating similar records in a database | |
CN102842042A (zh) | 生物特征认证技术 | |
CN104112005B (zh) | 分布式海量指纹识别方法 | |
CN109918341B (zh) | 日志处理方法及装置 | |
CN110659282A (zh) | 数据路由的构建方法、装置、计算机设备和存储介质 | |
Cappelli et al. | Candidate list reduction based on the analysis of fingerprint indexing scores | |
Zhou et al. | Enhanced locality-sensitive hashing for fingerprint forensics over large multi-sensor databases | |
CN110083731B (zh) | 图像检索方法、装置、计算机设备及存储介质 | |
Jain et al. | A novel fingerprint indexing scheme using dynamic clustering | |
CN116611092A (zh) | 一种基于多因子的数据脱敏方法及装置、溯源方法及装置 | |
CN114707174A (zh) | 一种数据处理方法、装置、电子设备和存储介质 | |
Jain et al. | Clustering based fingerprint indexing using triangle spiral | |
Wang et al. | Fingerprint geometric hashing based on binary minutiae cylinder codes | |
CN115563058A (zh) | 基于要素提取的相似案件检索方法 | |
Vij et al. | Fingerprint indexing based on local arrangements of minutiae neighborhoods | |
Sabahi et al. | Perceptual image hashing using random forest for content-based image retrieval | |
Ahmed et al. | Locality sensitive hashing based space partitioning approach for indexing multidimensional feature vectors of fingerprint image data | |
CN111368115B (zh) | 数据聚类方法、装置、聚类服务器及存储介质 |
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 |