CN110516546B - 指纹识别方法、装置、智能门锁及可读存储介质 - Google Patents
指纹识别方法、装置、智能门锁及可读存储介质 Download PDFInfo
- Publication number
- CN110516546B CN110516546B CN201910663347.7A CN201910663347A CN110516546B CN 110516546 B CN110516546 B CN 110516546B CN 201910663347 A CN201910663347 A CN 201910663347A CN 110516546 B CN110516546 B CN 110516546B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- feature point
- point set
- fingerprint feature
- verified
- 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
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种指纹识别方法、装置、智能门锁及可读存储介质,该方法包括:获取待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合;从至少一个标准指纹特征点集合中提取至少一个关键指纹特征点;判断所述待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配,且所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点;若是,则确定所述待验证指纹图像中的指纹为真实指纹。本方法利用标准指纹特征点集合和关键指纹特征点使得待验证指纹图像的验证更加准确有效。
Description
技术领域
本申请涉及指纹识别技术领域,更具体地,涉及一种指纹识别方法、装置、智能门锁及可读存储介质。
背景技术
指纹识别技术作为现有的生物识别技术之一,其应用也是日益普遍,指纹识别属于模式识别中的生物特征识别领域,其具有社会接受度高、技术相对成熟、产业规模大等优先。指纹识别早期主要用于法律领域以及个人身份识别,随着传感器、芯片和模式识别等技术的发展,以及手机行业的不断发展,指纹识别技术作为新的身份识别技术,开始大规模的应用于日常生活领域。在实际应用中,指纹识别受到指纹随时间变化、指纹模板不能代表用户习惯等问题的影响,导致用户体验低。
发明内容
有鉴于此,本申请提出了一种指纹识别方法、装置、智能门锁及可读存储介质,以改善上述缺陷。
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:获取待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合;从至少一个标准指纹特征点集合中提取至少一个关键指纹特征点;判断所述待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配,且所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点;若是,则确定所述待验证指纹图像中的指纹为真实指纹。
第二方面,本申请实施例提供了一种指纹识别装置,所述装置包括:图像获取模块、特征获取模块、特征判断模块和指纹确定模块。图像获取模块用于获取待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合。特征获取模块用于从至少一个标准指纹特征点集合中提取至少一个关键指纹特征点。特征判断模块用于判断所述待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配,且所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点。指纹确定模块用于若是,则确定所述待验证指纹图像中的指纹为真实指纹。
第三方面,本发明实施例提供了一种智能门锁,该智能门锁包括:一个或多个处理器;存储器,用于存储一个或多个程序;一个或多个应用程序;其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行本申请任意实施例提供的指纹识别的方法。
第四方面,本申请实施例提供了一种计算机系统,计算机可读存储介质中存储有程序代码,所述程序代码可被处理器调用执行本申请任意实施例提供的指纹识别的方法。
相对于现有技术,本申请实施例提出了一种指纹识别方法、装置、智能门锁及可读存储介质,指纹识别方法可以先采集待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合,接着从至少一个标准指纹特征点集合中提取至少一个关键指纹特征点,并判断所述待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配,且所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点,如果是,则确定所述待验证指纹图像中的指纹为真实指纹。本申请通过验证至少一个标准指纹特征点集合与标准指纹特征点集合是否匹配以及待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点,采用双重验证提升指纹识别的准确度,且引入关键指纹特征点的判断可以在不显著增加硬件成本,以及保证指纹识别速度的基础上,提升指纹识别的准确度。
为使本申请的上述目的、特征和优点能够更明显易懂,下文特举较佳实施例,并配合所附附图,做详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例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示出了本申请提出的一种指纹识别系统的结构示意图;
图2示出了本申请提出的一种指纹识别系统中自学习控制中指纹进行单次学习的示意图;
图3示出了本申请提出的一种指纹识别系统中自学习控制中指纹进行迭代学习的示意图;
图4示出了本申请一个实施例提出的一种指纹识别方法流程图;
图5示出了本申请另一个实施例提出的一种指纹识别方法流程图;
图6示出了本申请另一个实施例提出的一种指纹识别方法中步骤S220的流程图;
图7示出了本申请另一个实施例提出的一种指纹识别方法中步骤S230的流程图;
图8示出了本申请又一个实施例提出的一种指纹识别方法流程图;
图9示出了本申请又一个实施例提出的一种指纹识别方法中步骤S360的流程图;
图10示出了本申请实施例提出的一种指纹识别装置的结构框图;
图11示出了本申请实施例提出的用于执行根据本申请实施例的指纹识别方法的智能门锁的结构框图。
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、完整地描述。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
应注意到:相似的标号或字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
为了便于详细说明本申请方案,下面先将结合附图对本申请的系统进行介绍。
请参阅图1,现有的指纹识别系统可以包括图像采样模块、图像预处理模块、特征提取模块、特征描述模块、特征对比模块、决策输出模块、模板特征模块、自学习控制模块和异物检测模块。上述模块可以为通过软件实现的虚拟功能模块。其中,特征提取模块、特征描述模块和特征对比模块是指纹识别技术的主要三部分,特征提取模块可以分为指纹纹路特征点提取和指纹图像特征点提取,指纹纹路特征点可以包括三级,第一级是核心点和指纹形状,第二级是基于指纹脊和指纹谷端点获得的细节点,第三级是指纹内的毛孔。特征描述模块是指在获得指纹特征点的基础上,通过描述特征点局部区域的纹理获得相应的特征描述。特征对比模块是指针对录入指纹与指纹模板相似程度进行的描述。
图像采样模块指的是利用指纹传感器对手指指纹进行采样,获取到手指指纹图像后,可以将该指纹图像传输至图像预处理模块,利用图像预处理模块可以对采集到的指纹图像进行去噪、滤波以及缩放等。通过上述介绍可以知道利用特征提取模块可以获取到待识别指纹特征,对所述待识别指纹特征与模板特征执行相似匹配运算,当相似匹配分超过预设阈值时,则认为采样指纹与模板指纹为同一个人,本申请可以通过决策输出模块将特征对比获取到的结果传输至电子设备的界面,以供用户查看。
另外,为了使指纹识别更加准确可以在指纹识别系统中增加自学习控制模块,指纹识别系统可以利用该自学习控制模块将特征比对模块输出的结果用于模板特征的更新,而模板特征为原指纹特征。具体的,所述自学习控制模块可以将特征对比模块输出的指纹特征点集合输入至模板特征模块,并利用该指纹特征点集合对预存的模板特征进行更新。
显然,进行指纹识别首先需保存代表个人身份的指纹模板,然后将录入指纹与指纹模板进行相似性对比,接着根据相似程序判断录入指纹与指纹模板是否为同一个人。
现有技术中为了提高指纹识别的准确率,通常采用指纹自我更新的学习机制,即指纹识别系统中的自学习控制模块,但是指纹自更新机制在恶意攻击或传感器裂纹条件下,容易产生假指纹模板,引起指纹识别的安全风险。主要原因如图2和图3所示,图2是自学习机制中对指纹特征进行单次学习的示例图,图2(a)中的“1”指的是原指纹特征,图2(b)中的“2”则表示的是新指纹特征,从图2(b)可以看出新指纹特征2包括2a与2b,其中2a表示与原指纹特征“1”匹配的新指纹特征部分,2b表示与原指纹特征“1”不匹配的新指纹特征部分,该不匹配的部分即称为伪指纹特征,将图2(a)中的“1”和图2(b)中的“2”进行特征匹配,得到指纹特征匹配结果示意图如图2(c)所示。若新指纹特征2为匹配的指纹特征,则可以利用新指纹特征2通过自学习功能对原指纹特征“1”进行特征学习,得到图2(d),显然图2(d)的特征“3”既包括原始指纹特征又包括伪指纹特征,其中,3a表示与原指纹特征“1”匹配的指纹特征部分,3b表示与原指纹特征“1”不匹配的伪指纹特征部分。图3则是自学习机制中对指纹特征进行迭代学习的示例图,同理,图3(a)表示的是原指纹特征“1”,图3(b)中的“2”和“2’”表示的是不同的新指纹特征,图3(c)表示的是进行指纹匹配的结果图,通过图3(c)可以看出经过多次迭代后伪指纹特征会不断增加,而图3(d)中的“3”则表示的是经过特征学习后的指纹特征,显然,与图2(d)相比图(3)中的伪指纹特征更多。通过图2和图3可以看出学习后的指纹特征与原指纹特征相比具有了许多新的特征,如果新学习的特征是伪造特征,则指纹识别容易将待伪造特征的假指纹误认为真实指纹,尤其是经过迭代学习后,注册的真实指纹特征可能完全被伪造特征取代,使得指纹识别不安全。
目前指纹自学习机制带来的安全隐患,已影响到消费者的信心,但是如果关闭自学习,又会导致用户体验大幅下降,甚至会引起成本增加,如采用更大的指纹传感器。显然,防攻击自学习机制的缺失,已成为阻碍指纹识别广泛应用的重要问题。
因此,为了克服上述缺陷,如图4,本申请实施例提供了一种指纹识别方法,该方法包括步骤S110至步骤S140。
步骤S110:获取待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合。
在一个实施例中,可以利用指纹传感器获取待验证指纹图像,指纹传感器主要用于对手指指纹进行采样,指纹传感器又可以称为指纹sensor,其为一种传感装置,本实施例可以利用光学指纹传感器或者半导体指纹传感器等对待验证指纹图像进行采集,具体使用哪一类指纹传感器这里不进行明确限制。
指纹传感器获取到待验证指纹图像后,可以利用智能门锁对所述待验证指纹图像进行特征提取,即本方案可以应用于智能门锁上。显然,所述智能门锁上可以安装指纹传感器,并且该智能门锁可以对指纹图像进行特征提取。在一种实施方式中,智能门锁利用指纹传感器采集到待验证指纹图像后可以将该图像传输至智能门锁的处理器,处理器可以对图像进行图像处理和特征提取等,而图像处理可以包括降噪、指纹增强、纹线细化以及图像缩放等。
通过上述介绍可以知道智能门锁对待验证指纹图像进行特征点提取主要是对指纹纹路特征点的提取和对指纹图像特征点的提取。而指纹纹路特征点的提取则可以分为三个等级,第一个等级是对指纹核心点和指纹形状特征的提取;第二个等级是对指纹脊、指纹谷等细节特征的提取;第三个则是对指纹内的毛孔特征的提取。
另外,对指纹图像进行特征点提取后,可以获取到一个待验证指纹特征点集合,用户不相同则获取到的待验证指纹特征点集合也不相同,并且同一个用户不同时刻输入的待验证特征点集合也可能是不相同的,因为每次指纹传感器采集指纹图像的大小、面积或者清晰度都可能是不相同的,因此每次获取到的待验证指纹特征点集合也可能不相同。
步骤S120:从至少一个标准指纹特征点集合中提取至少一个关键指纹特征点。
标准指纹特征点集合可以是预先存储于智能门锁中的,所述标准指纹特征点集合又可以称为指纹模板,其可以是用户首次使用智能门锁时输入的标准指纹图像对应的指纹特征点集合。指纹模板可以通过对标准指纹图像进行特征提取获得,而为了使获取到的指纹模板更加准确,在对标准指纹图像进行特征提取之前可以先对标准指纹图像进行预处理。
另外,智能门锁中可以存储有至少一个标准指纹特征点集合,因为指纹传感器每次获取到的指纹图像是不相同的,为了确保后续指纹识别的准确性,可以在智能门锁上存储至少一个标准指纹特征点集合。并且同一个用户可以具有至少一个标准指纹特征点集合可以分为两种情况,第一种情况是同一个用户输入不同手指的指纹图像则获取的标准指纹特征点集合不相同;第二种情况则是同一个用户输入在不同时刻针对同一个手指输入的标准指纹特征点集合也可能不相同。因此,为了确保智能门锁指纹识别的准确率,可以针对同一个用户输入至少一个标准指纹特征点集合。
在一种实施方式中,关键指纹特征点可以为标准指纹特征点集合中的一个或者多个特征点,也可以为某一区域的一个或者多个特征点,且所述关键指纹特征点可以是固定的也可以是随机的。关键指纹特征点中的特征点指描述特征点区域纹理的矢量,其可以用于计算特征点间的相似度,本实施例中关键指纹特征点可以通过minitia点特征矢量、core点特征矢量、Harris特征点矢量、SIFT特征点矢量中的至少一个获取。其中,minitia点特征矢量通常用来表征指纹纹路端点的区域特征,而Harris特征点矢量则通常用来表征指纹角点的区域特征,其他的获取方式这里就不进行详细赘述。
需要说明的是,最终获取的关键指纹特征点可以至少有一个,并且这些关键指纹特征点是从标准指纹特征点集合中获取的,通过上述介绍可以知道与待验证指纹特征点集合匹配的标准指纹特征点集合有至少一个,而关键指纹特征点则可以从这些匹配的至少一个标准指纹特征点集合中获取。另外,至少一个关键指纹特征点可以分别是从匹配的不同标准指纹特征点中获取的,也可以是从匹配的一个标准指纹特征点集合中获取的,具体是从哪里获取的这里不进行明确限制。
步骤S130:判断所述待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配,且所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点。
在一个实施例中,获取到待验证指纹特征点集合之后,可以将该待验证指纹特征点集合与至少一个标准指纹特征点集合进行匹配,即判断待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配。其中,匹配算法的原理可以是衡量两个矢量之间的距离,如采用欧式距离等。本实施例可以将待验证指纹特征点集合与至少一个标准指纹特征点集合进行匹配,匹配成功至少一个标准指纹特征点集合则认为匹配成功,也可以设置匹配成功标准指纹特征点集合数量以确定是否匹配成功。可选地,可以根据待验证指纹特征点集合与标准指纹特征点集合之间的匹配度或者相似度来进行判断,即将待验证指纹特征点集合中的特征点与标准指纹特征点集合中的特征点进行逐一比较,并根据该比较结果统计算出最终的匹配度或者相似度,进而根据所述匹配度或者相似度来判断所述待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配。
另外,在判断待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配时,可以判断待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点。其中,待验证指纹特征点集合可以包括至少一个指纹特征点,在获取到至少一个关键指纹特征点之后,可以判断待验证指纹特征点集合中是否包括至少一个关键指纹特征点。换句话说,将待验证指纹特征点集合中的指纹特征点与关键指纹特征点进行匹配,如果待验证指纹特征点集合中的至少一个指纹特征点中存在与关键指纹特征点相同的特征点,则表明待验证指纹特征点集合中包含有关键指纹特征点。
需要说明的是,可以先判断待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配,再判断待验证指纹特征点集合中是否包含至少一个关键指纹特征点,也可以先判断待验证指纹特征点集合中是否包含至少一个关键指纹特征点,再判断待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配。具体哪个在前哪个在后,这里不进行明确限制,可以根据实际情况进行选择。
步骤S140:若是,则确定所述待验证指纹图像中的指纹为真实指纹。
当待验证指纹特征点集合与至少一个标准指纹特征点集合匹配,并且待验证指纹特征点集合中包含至少一个关键指纹特征点时,则可以确定待验证指纹特征点集合对应的待验证指纹图像中的指纹为真实指纹。
本申请实施例提出了一种指纹识别方法,通过将待验证指纹图像进行特征提取,并将获取的特征点集合与标准指纹特征点集合匹配来实现指纹的识别,并且通过引入对关键指纹特征点的判断可以进一步提高指纹识别的准确率。
本申请另一实施例提出了一种指纹识别方法,请参阅图5,从图5可以看出该方法包括步骤S210至步骤S250。
步骤S210:获取待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合。
步骤S220:从至少一个标准指纹特征点集合中提取至少一个关键指纹特征点。
在一些实施方式中,获取标准指纹特征点集合前可以先获取至少一个标准指纹图像,并对所述至少一个标准指纹图像进行预处理操作,得到预处理图像,然后对所述预处理图像进行特征提取,最后得到标准指纹特征点集合。其中,预处理操作可以包括图像去噪、图像滤波以及图像缩放等,具体使用那些预处理操作这里不进行明确限制。
如图6所示,步骤S220可以包括步骤S221至步骤S223。
步骤S221:分别获取每个所述标准指纹特征点集合的可信度。
通过上述介绍可以知道关键指纹特征点是从标准指纹特征点集合中获取的,但是如果随机的从至少一个标准指纹特征点集合中选取关键指纹特征点可能会影响指纹识别的最终结果,因为每个标准指纹特征点集合中包含的关键指纹特征点不相同,而可信度最高的标准指纹特征点集合中包含的关键指纹特征点最多也最准确。
可信度指的是标准指纹特征点集合对应的指纹是真实指纹的概率,本实施例中标准指纹特征点集合的可信度的获取包括:将标准指纹特征点集合与预存的真实指纹的特征点集合进行比对,得到真实指纹特征点集合与标准指纹特征点集合的相似度;根据该相似度即可得到标准指纹特征点集合的可信度。本实施例中标准指纹特征点集合的可信度的获取还包括:获取预先存储的每个标准指纹特征点集合的可信度;该预先存储的每个标准指纹特征点集合的可信度可以是用户在录入指纹时根据预设标准录入的标准指纹特征点集合的可信度。
步骤S222:对每个所述标准指纹特征点集合的可信度进行比较,得到可信度最大的标准指纹特征点集合。
在一个实施例中,可以对每个所述标准指纹特征点集合的可信度进行比较,或者可以对每个标准指纹特征点集合的可信度进行从小到大或者从大到小的排序,得到可信度最大的标准指纹特征点集合。
步骤S223:将所述可信度最大的标准指纹特征点集合作为最优指纹特征点集合,通过所述最优指纹特征点集合获取至少一个关键指纹特征点。
通过比较或者排序获取到可信度最大的标准指纹特征点集合之后,可以将该标准指纹特征点集合作为最优指纹特征点集合,通过所述最优指纹特征点集合就可以获取到至少一个关键指纹特征点。显然,本实施例中所有的关键指纹特征点均来自于最优指纹特征点集合,如此可以保证在自学习过程中最大程度的避免出现伪指纹特征。
本实施例通过比较可以获取到最优标准指纹特征点集合,进而利用该最优标准指纹特征点集合可以获取到关键指纹特征点,所述关键指纹特征点的获取不仅可以提升指纹识别的体验,而且可以提高自学习功能的安全性。
步骤S230:判断所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度是否大于预设匹配度。
如图7所示,步骤S230还可以包括步骤S231至步骤S233。
步骤S231:获取与所述待验证指纹特征点集合匹配的标准指纹特征点集合的数量,得到匹配数量。
通过上述介绍可以知道智能门锁中可以预先存储有至少一个标准指纹特征点集合,因此获取到待验证指纹特征点集合后可以将该待验证指纹特征点集合分别与每个标准指纹特征点集合进行匹配。将智能门锁内的所有标准指纹特征点集合与待验证指纹特征点集合匹配之后,就可以确定哪些标准指纹特征点集合与待验证指纹特征点集合匹配,哪些标准指纹特征点集合与待验证指纹特征点集合不匹配,进而就可以获取到与待验证指纹特征点集合匹配的所有标准指纹特征点集合的数量,得到匹配数量。例如,智能门锁中保存有7个标准指纹特征点集合,通过与待验证指纹特征点集合匹配可以确定有5个标准指纹特征点集合与待验证指纹特征点集合匹配,有2个标准指纹特征点集合与待验证指纹特征点集合不匹配,此时匹配数量则为5。
步骤S232:判断所述匹配数量是否大于预设数量。
获取到标准指纹特征点集合与待验证指纹特征点集合的匹配数量之后们可以将该匹配数量与预设数量进行比较,判断所述匹配数量是否大于预设数量,如果大于则进入步骤S233,如果小于则表明待验证指纹特征点集合与标准指纹特征点集合不匹配。例如,预设数量为2个,而匹配成功的标准特征点集合的数量为5个,显然,匹配数量5个大于预设数量2个因此可以进入步骤S233。
步骤S233:如果大于,所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配度。
当标准指纹特征点集合与待验证指纹特征点集合之间的匹配数量大于预设数量时,表明待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配度。
本申请实施例提出了一种指纹识别方法,将待验证指纹特征点集合与标准指纹特征点集合匹配得到匹配数量,通过将匹配数量与预设数量比较可以使指纹识别更加准确有效。
在另一些实施方式中,可以分别将待验证指纹特征点集合与每个标准指纹特征点集合进行匹配得到对应的匹配度,而后将每个匹配度与预设匹配度进行比较,即判断每个匹配度是否大于预设匹配度,如果大于则表明待验证指纹特征点集合与至少一个标准指纹特征点集合匹配。例如,智能门锁获取到待验证指纹特征点集合A,智能门锁中存储有三个标准指纹特征点集合,这三个标准指纹特征点集合分别是标准指纹特征点集合B,标准指纹特征点集合C和标准指纹特征点集合D。将待验证指纹特征点集合A分别与标准指纹特征点集合B、标准指纹特征点集合C以及标准指纹特征点集合D比较,得到匹配度B为60%,匹配度C为40%以及匹配度D为70%,而预设匹配度为55%,显然,匹配度B和匹配度D均大于预设匹配度,故待验证指纹特征点集合与标准指纹特征点集合匹配。
步骤S240:如果所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配度,则判断所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点。
步骤S250:如果包含,则确定所述待验证指纹图像中的指纹为真实指纹。
本申请又一实施例提出了一种指纹识别方法,请参阅图8,通过图8可以看出该方法包括步骤S310至步骤S360。
步骤S310:获取待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合。
步骤S320:从至少一个标准指纹特征点集合中提取至少一个关键指纹特征点。
在一个实施例中,可以从指纹特征点集合中随机获取至少一个关键指纹特征点,也可以从指纹特征点集合中获取预设指纹位置或者区域的关键指纹特征点,或者也可以从指纹特征点集合中随机获取一部分关键指纹特征点,然后在从指纹特征点集合中获取预设指纹位置或者区域的另一部分关键指纹特征点,关键指纹特征点具体从哪里获取或者如何获取这里不进行明确限制。
步骤S330:判断所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点。
步骤S340:如果包含,则判断所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度是否大于预设匹配度。
步骤S350:如果所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配,则确定所述待验证指纹图像中的指纹为真实指纹。
在另一种实施例中,确定所述待验证指纹图像中的指纹为真实指纹之后,还包括步骤S360:利用所述待验证指纹特征点集合的全部或者部分特征点对至少一个所述标准指纹特征点集合进行更新。
确定待验证指纹图像中的指纹为真实指纹后,为了使后续的指纹识别更加准确可以对至少一个标准指纹特征点集合进行更新,即可以利用所述待验证指纹特征点集合的全部或者部分特征点对至少一个所述标准指纹特征点集合进行更新。
如图9所示,步骤S360还可以包括步骤S361至步骤S363。
步骤S361:分别获取每个所述标准指纹特征点集合的可信度。
获取智能门锁上存储的所有的标准指纹特征点集合的可信度,通过上述介绍可以知道每个标准指纹特征点集合所包含的特征点是不相同的,有些标准指纹特征点集合包含的关键指纹特征点比较多则其可信度高,而有些标准指纹特征点集合因为输入的错误或者输入时的干扰导致其包含的关键指纹特征点比较少,则其可信度低,即每个标准指纹特征点集合的可信度是不相同的。
步骤S362:对所述至少一个所述标准指纹特征点集合的可信度进行从小到大排序。
获取到每个标准指纹特征点集合的可信度后,可以对至少一个标准指纹特征点集合的可信度进行排序,本实施例可以利用冒泡排序法、选择排序法、插入排序法、归并排序法、堆排序法或者快速排序法等对所述标准指纹特征点集合的可信度进行从小到大或者是从大到小的排序,具体使用哪种排序这里不进行限制。
步骤S363:利用所述待验证指纹特征点集合对前N个所述标准指纹特征点集合进行替换。
对至少一个标准指纹特征点集合的可信度进行排序之后,可以得到排序后的至少一个标准指纹特征点集合,这些标准指纹特征点集合可以按照从小到大的顺序排列,此时智能门锁可以获取前N个标准指纹特征点集合,然后用待验证指纹特征点集合代替这前N个标准指纹特征点集合。具体取多少个标准指纹特征点集合进行替换这里不进行明确限制,而当替换的标准指纹特征点集合的数量N被确定后,就可以相应选取N个待验证指纹特征点集合对其进行替换。例如,智能门锁中存储有7个标准指纹特征点集合,其中5个标准指纹特征点集合的可信度对其他2个标准指纹特征点集合的可信度高,此时则可以利用待验证指纹特征点集合对这2个标准指纹特征集合进行替换。
另外,可以利用所述待验证指纹特征点集合的全部或者部分特征点对随机选定的至少一个所述标准指纹特征点集合进行更新。
需要说明的是,本实施方式可以应用于指纹模组中,而指纹模组则可以安装于智能门锁上,当智能门锁中的指纹模组验证开锁成功时,可以驱动电机进行开锁。例如,全电子开锁,此时不需要下压把手,由电机驱动锁舌进行开锁;或者驱动门锁面板中的离合或者锁体中的离合,使得下压或者推拉门把手可以驱动开锁。
本申请实施例提出了一种指纹识别方法,通过先判断待验证指纹特征点集合中是否包含至少一个关键指纹特征点,在一定程度上可以减少待验证指纹特征点集合与所述标准指纹特征点集合之间的匹配次数,增加指纹图像验证的准确率,同时本申请可以利用待验证指纹特征点集合对标准指纹特征点集合进行更新,不仅可以提高指纹识别准确率而且可以在一定程度上防止伪指纹对标准指纹特征点集合的攻击。
请参阅图10,本申请实施例提出的一种指纹识别装置400,该装置包括图像获取模块410、特征获取模块420、特征判断模块430和指纹确定模块440。
图像获取模块410,用于获取待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合。
进一步的,采集待验证指纹图像之前可以先获取标准指纹图像,并对所述标准指纹图像进行预处理,得到预处理图像,对所述预处理图像进行特征提取,得到标准指纹特征点集合。
特征获取模块420,用于从至少一个标准指纹特征点集合中提取至少一个关键指纹特征点。
进一步的,特征获取模块420还用于分别获取每个所述标准指纹特征点集合的可信度,对每个所述标准指纹特征点集合的可信度进行比较,得到可信度最大的标准指纹特征点集合,将所述可信度最大的标准指纹特征点集合作为最优指纹特征点集合,通过所述最优指纹特征点集合获取至少一个关键指纹特征点。
进一步的,特征获取模块420还用于从所述指纹特征点集合中随机获取至少一个关键指纹特征点,或者从所述指纹特征点集合中获取预设指纹位置或者区域的关键指纹特征点。
特征判断模块430,用于判断所述待验证指纹特征点集合与至少一个标准指纹特征点集合是否匹配,且所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点。
进一步的,特征判断模块430用于判断所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度是否大于预设匹配度,如果所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配度,则判断所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点。
进一步的,特征判断模块430还用于判断所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点,如果包含,则判断所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度是否大于预设匹配度,如果所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配。
进一步的,特征判断模块430还用于获取与所述待验证指纹特征点集合匹配的标准指纹特征点集合的数量,得到匹配数量,判断所述匹配数量是否大于预设数量,如果大于,所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配度。
指纹确定模块440,用于若是,则确定所述待验证指纹图像中的指纹为真实指纹。
进一步的,确定所述待验证指纹图像中的指纹为真实指纹之后,可以利用所述待验证指纹特征点集合的全部或者部分特征点对至少一个所述标准指纹特征点集合进行更新。具体的,利用所述待验证指纹特征点集合的全部或者部分特征点对随机选定的至少一个所述标准指纹特征点集合进行更新,或者分别获取每个所述标准指纹特征点集合的可信度,对所述至少一个所述标准指纹特征点集合的可信度进行从小到大排序,利用所述待验证指纹特征点集合对前N个所述标准指纹特征点集合进行替换。
图11是本发明实施例提供的一种指纹识别方法的智能门锁的硬件结构框图。如图11所示,该智能门锁1100可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(ProcessingUnits,CPU)1110(处理器1110可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器1130,一个或一个以上存储应用程序1123或数据1122的存储介质1120(例如一个或一个以上海量存储设备)。其中,存储器1130和存储介质1120可以是短暂存储或持久存储。存储在存储介质1120的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,处理器1110可以设置为与存储介质1120通信,在智能门锁1100上执行存储介质1120中的一系列指令操作。智能门锁1100还可以包括一个或一个以上电源1160,一个或一个以上有线或无线网络接口1150,一个或一个以上输入输出接口1140,和/或,一个或一个以上操作系统1121,例如WindowsserverTM,MacOSXTM,UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口1140可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括智能门锁1100的通信供应商提供的无线网络。在一个实例中,输入输出接口1140包括一个网络适配器(NetworkInterfaceController,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口1140可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
另外,智能门锁1100还可以包括锁舌驱动装置1170,所述处理器1110还用于在确定所述待验证指纹图像中的指纹为真实指纹时,控制该锁舌驱动装置1170执行开锁操作。
本领域普通技术人员可以理解,图11所示的结构仅为示意,其并不对上述智能门锁的结构造成限定。例如,智能门锁1100还可包括比图11中所示更多或者更少的组件,或者具有与图11所示不同的配置。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述指纹识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(RandomAccessMemory,简称RAM)、磁碟或者光盘等。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,术语“包括”、“包含”或者其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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅是本申请的较佳实施例而已,并非对本申请作任何形式上的限制,虽然本申请已以较佳实施例揭露如上,然而并非用以限定本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本申请技术方案内容,依据本申请的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本申请技术方案的范围内。
Claims (13)
1.一种指纹识别方法,其特征在于,包括:
获取待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合;
分别获取每个标准指纹特征点集合的可信度,所述可信度为所述标准指纹特征点集合对应的指纹是真实指纹的概率;
对每个所述标准指纹特征点集合的可信度进行比较,得到可信度最大的标准指纹特征点集合;
将所述可信度最大的标准指纹特征点集合作为最优指纹特征点集合,通过所述最优指纹特征点集合获取至少一个关键指纹特征点;
判断所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度是否大于预设匹配度,所述匹配度用于表征集合之间的匹配数量;
如果所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配度,则判断所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点;
如果包含,则确定所述待验证指纹图像中的指纹为真实指纹。
2.根据权利要求1所述的方法,其特征在于,所述判断所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度是否大于预设匹配度,包括:
获取与所述待验证指纹特征点集合匹配的标准指纹特征点集合的数量,得到匹配数量;
判断所述匹配数量是否大于预设数量;
如果大于,则确定所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度,大于预设匹配度。
3.根据权利要求1所述的方法,其特征在于,所述确定所述待验证指纹图像中的指纹为真实指纹之后,包括:
利用所述待验证指纹特征点集合的全部或者部分特征点,对至少一个所述标准指纹特征点集合进行更新。
4.根据权利要求3所述的方法,其特征在于,所述利用所述待验证指纹特征点集合的全部或者部分特征点,对至少一个所述标准指纹特征点集合进行更新,包括:
利用所述待验证指纹特征点集合的全部或者部分特征点对随机选定的至少一个所述标准指纹特征点集合进行更新;或者,
分别获取每个所述标准指纹特征点集合的可信度;
对所述至少一个所述标准指纹特征点集合的可信度进行从小到大排序;
利用所述待验证指纹特征点集合对前N个所述标准指纹特征点集合进行替换。
5.根据权利要求1所述的方法,其特征在于,所述判断所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度是否大于预设匹配度之前,包括:
获取标准指纹图像,并对所述标准指纹图像进行预处理,得到预处理图像;
对所述预处理图像进行特征提取,得到标准指纹特征点集合。
6.根据权利要求1所述的方法,其特征在于,所述获取至少一个关键指纹特征点,包括:
从所述指纹特征点集合中随机获取至少一个关键指纹特征点;或者,
从所述指纹特征点集合中获取预设指纹位置或者区域的关键指纹特征点。
7.一种指纹识别方法,其特征在于,包括:
获取待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合;
分别获取每个标准指纹特征点集合的可信度,所述可信度为所述标准指纹特征点集合对应的指纹是真实指纹的概率;
对每个所述标准指纹特征点集合的可信度进行比较,得到可信度最大的标准指纹特征点集合;
将所述可信度最大的标准指纹特征点集合作为最优指纹特征点集合,通过所述最优指纹特征点集合获取至少一个关键指纹特征点;
判断所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点;
如果包含,则判断所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度是否大于预设匹配度,所述匹配度用于表征集合之间的匹配数量;
如果所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配,则确定所述待验证指纹图像中的指纹为真实指纹。
8.根据权利要求7所述的方法,其特征在于,所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配度,包括:
获取与所述待验证指纹特征点集合匹配的标准指纹特征点集合的数量,得到匹配数量;
判断所述匹配数量是否大于预设数量;
如果大于,则确定所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配度。
9.根据权利要求7所述的方法,其特征在于,所述判断所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度是否大于预设匹配度之前,包括:
获取标准指纹图像,并对所述标准指纹图像进行预处理,得到预处理图像;
对所述预处理图像进行特征提取,得到标准指纹特征点集合。
10.一种指纹识别装置,其特征在于,包括:
图像获取模块,用于获取待验证指纹图像,并对所述待验证指纹图像进行特征点提取,得到待验证指纹特征点集合;
特征获取模块,用于分别获取每个标准指纹特征点集合的可信度,所述可信度为所述标准指纹特征点集合对应的指纹是真实指纹的概率;对每个所述标准指纹特征点集合的可信度进行比较,得到可信度最大的标准指纹特征点集合;将所述可信度最大的标准指纹特征点集合作为最优指纹特征点集合,通过所述最优指纹特征点集合获取至少一个关键指纹特征点;
特征判断模块,用于判断所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度是否大于预设匹配度,所述匹配度用于表征集合之间的匹配数量;如果所述待验证指纹特征点集合与至少一个所述标准指纹特征点集合之间的匹配度大于预设匹配度,则判断所述待验证指纹特征点集合中是否包含至少一个所述关键指纹特征点;
指纹确定模块,用于如果包含,则确定所述待验证指纹图像中的指纹为真实指纹。
11.一种智能门锁,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行如权利要求1-6任一项所述的方法。
12.如权利要求11所述的智能门锁,其特征在于,还包括锁舌驱动装置;
所述处理器还用于在确定所述待验证指纹图像中的指纹为真实指纹时,控制锁舌驱动装置执行开锁操作。
13.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910663347.7A CN110516546B (zh) | 2019-07-22 | 2019-07-22 | 指纹识别方法、装置、智能门锁及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910663347.7A CN110516546B (zh) | 2019-07-22 | 2019-07-22 | 指纹识别方法、装置、智能门锁及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110516546A CN110516546A (zh) | 2019-11-29 |
CN110516546B true CN110516546B (zh) | 2022-06-21 |
Family
ID=68623076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910663347.7A Active CN110516546B (zh) | 2019-07-22 | 2019-07-22 | 指纹识别方法、装置、智能门锁及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516546B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191300B (zh) * | 2020-10-14 | 2024-01-26 | 神盾股份有限公司 | 用于指纹图像识别的方法、设备及计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408932A (zh) * | 2008-04-11 | 2009-04-15 | 浙江师范大学 | 一种基于指纹结构特征与纹理分析的指纹图像匹配方法 |
CN105260696A (zh) * | 2015-02-13 | 2016-01-20 | 比亚迪股份有限公司 | 指纹模板的自学习方法及装置 |
CN105389566A (zh) * | 2015-11-13 | 2016-03-09 | 广东欧珀移动通信有限公司 | 指纹识别方法、指纹模板的更新方法、装置和移动终端 |
CN109376701A (zh) * | 2018-11-30 | 2019-02-22 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
CN109543570A (zh) * | 2018-11-06 | 2019-03-29 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
-
2019
- 2019-07-22 CN CN201910663347.7A patent/CN110516546B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408932A (zh) * | 2008-04-11 | 2009-04-15 | 浙江师范大学 | 一种基于指纹结构特征与纹理分析的指纹图像匹配方法 |
CN105260696A (zh) * | 2015-02-13 | 2016-01-20 | 比亚迪股份有限公司 | 指纹模板的自学习方法及装置 |
CN105389566A (zh) * | 2015-11-13 | 2016-03-09 | 广东欧珀移动通信有限公司 | 指纹识别方法、指纹模板的更新方法、装置和移动终端 |
CN109543570A (zh) * | 2018-11-06 | 2019-03-29 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
CN109376701A (zh) * | 2018-11-30 | 2019-02-22 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
Also Published As
Publication number | Publication date |
---|---|
CN110516546A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107748877B (zh) | 一种基于细节点和纹理特征的指纹图像识别方法 | |
Prabhakar et al. | Learning fingerprint minutiae location and type | |
EP2101282B1 (en) | Authentication apparatus | |
US11232280B2 (en) | Method of extracting features from a fingerprint represented by an input image | |
US20080101662A1 (en) | Print matching method and apparatus using pseudo-ridges | |
Kamaraju et al. | Wireless fingerprint attendance management system | |
EP2360619A1 (en) | Fast fingerprint searching method and fast fingerprint searching system | |
US20080273769A1 (en) | Print matching method and system using direction images | |
CN113221086B (zh) | 离线人脸认证方法、装置、电子设备及存储介质 | |
CN103839033A (zh) | 一种基于模糊规则的人脸识别方法 | |
Vignesh et al. | Land use and land cover classification using recurrent neural networks with shared layered architecture | |
Jain et al. | Fingerprint image analysis: role of orientation patch and ridge structure dictionaries | |
Nguyen et al. | End-to-end pore extraction and matching in latent fingerprints: Going beyond minutiae | |
CN110516546B (zh) | 指纹识别方法、装置、智能门锁及可读存储介质 | |
CN110458072A (zh) | 指静脉识别方法、系统、智能门锁及计算机可读存储介质 | |
He et al. | Modeling and analysis of local comprehensive minutia relation for fingerprint matching | |
CN111582382B (zh) | 状态识别方法、装置以及电子设备 | |
Nachar et al. | Hybrid minutiae and edge corners feature points for increased fingerprint recognition performance | |
Ezhilmaran et al. | A review study on latent fingerprint recognition techniques | |
CN110175516B (zh) | 生物特征模型生成方法、装置、服务器及存储介质 | |
CN103593660A (zh) | 一种稳定特征图像下交叉梯度编码的掌纹识别方法 | |
Daramola et al. | Algorithm for fingerprint verification system | |
Stojanović et al. | Deep learning‐based approach to latent overlapped fingerprints mask segmentation | |
CN110909757A (zh) | 生物识别系统模板的选取和更新方法 | |
Kumar et al. | Finger Print Image Enhancement Using FFT For Minutia Matching With Binarization |
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 |