CN110555348A - 一种指纹识别方法、设备及计算机可读存储介质 - Google Patents
一种指纹识别方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110555348A CN110555348A CN201810558102.3A CN201810558102A CN110555348A CN 110555348 A CN110555348 A CN 110555348A CN 201810558102 A CN201810558102 A CN 201810558102A CN 110555348 A CN110555348 A CN 110555348A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- sub
- fingerprint data
- image information
- 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 68
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 50
- 238000013519 translation Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06V40/13—Sensors therefor
-
- 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
- G06V40/1376—Matching features related to ridge properties or fingerprint texture
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明实施例公开了一种指纹识别方法，该方法包括：采集待识别指纹，并获取待识别指纹的深度信息和图像信息；基于深度信息和图像信息，得到第一指纹数据；基于第一指纹数据，对待识别指纹进行识别处理。本发明实施例同时还公开了一种指纹识别设备以及计算机可读存储介质。
Description
技术领域
本发明涉及指纹识别领域，尤其涉及一种指纹识别方法、设备及计算机可读存储介质。
背景技术
随着移动支付业务的高速发展和成熟，指纹识别技术已经成为了智能手机的标配。指纹识别技术是基于采集到的指纹进行身份识别的一种生物识别技术，指纹采集是指纹识别技术的基础，采集到清晰准确的指纹对指纹识别具有重要的意义。
目前指纹采集技术包括光学采集技术，半导体硅采集技术和超声波采集技术；其中，光学采集技术对手指的要求较高，对干燥手指、潮湿手指、脏手指的成像能力较差；半导体硅采集技术容易受静电等环境因素的影响，并且对潮湿的手指和脏手指不能成像；超声波采集技术采集时间较长，并且需要专用的发射超声波的设备，又会造成采集成本较高的问题。
基于上述分析，可知现有的指纹识别技术不能准确识别潮湿手指、脏手指等特殊手指，并且对采集环境的要求较为严格，采集成本较高。
发明内容
为解决现有存在的技术问题，本发明实施例提供一种指纹识别方法、设备及计算机可读存储介质，解决了现有技术中不能准确识别特殊手指的问题，降低了进行指纹识别时对环境的要求和指纹采集成本。
为达到上述目的，本发明实施例的技术方案是这样实现的：
第一方面，提供一种指纹识别方法，所述方法包括：
采集待识别指纹，并获取所述待识别指纹的深度信息和图像信息；
基于所述深度信息和图像信息，得到第一指纹数据；
基于所述第一指纹数据，对所述待识别指纹进行识别处理。
第二方面，提供一种指纹识别设备，所述指纹识别设备至少包括：处理器和配置为存储可执行指令的存储介质，其中：
所述处理器配置为执行存储的可执行指令，所述可执行指令包括：
采集待识别指纹，并获取所述待识别指纹的深度信息和图像信息；
基于所述深度信息和图像信息，得到第一指纹数据；
基于所述第一指纹数据，对所述待识别指纹进行识别处理。
第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令配置为执行第一方面提供的指纹识别方法。
本发明的实施例所提供的指纹识别方法、设备及计算机可读存储介质，采集待识别指纹，并获取待识别指纹的深度信息和图像信息，进而基于深度信息和图像信息，得到第一指纹数据，最后基于第一指纹数据，对待识别指纹进行识别处理；这样，在进行指纹采集时，不仅获取了指纹的图像信息，而且还获取了指纹的深度信息，并基于深度信息和图像信息得到第一指纹数据，进而对具有深度信息和图像信息的第一指纹进行识别处理，如此，利用深度信息和图像信息两个维度的信息，对待识别指纹进行识别，能够解决现有指纹识别技术中对特殊手指识别不准确的问题，提高了识别的准确性，并且采集深度信息和图像信息的指纹采集方式对周围环境要求较低，降低了对环境的要求和采集成本。
附图说明
图1为本发明实施例提供的一种指纹识别方法的流程示意图；
图2为本发明实施例提供的另一种指纹识别方法的流程示意图；
图3为本发明实施例提供的又一种指纹识别方法的流程示意图；
图4为本发明另一实施例提供一种指纹识别方法的流程示意图；
图5为本发明实施例提供的一种指纹识别设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对发明的具体技术方案做进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
为了便于清楚描述本发明实施例的技术方案，在本发明的实施例中，采用了“第一”、“第二”等字样对功能或作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解为“第一”、“第二”等字样并不对数量和执行次序进行限定。
应理解，说明书通篇中提到的“本发明实施例”或“前述实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“本发明实施例中”或“在前述实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中应。理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
本发明实施例提供一种指纹识别方法，参照图1所示，该方法包括以下步骤：
步骤101：采集待识别指纹，并获取待识别指纹的深度信息和图像信息。
其中，步骤101采集待识别指纹，并获取待识别指纹的深度信息和图像信息可以由指纹识别设备来实现；该指纹识别设备为任意类型的具有指纹识别功能的设备，比如具有指纹识别功能的智能手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、智能穿戴设备、门禁设备、考勤设备等等。
在本发明的其他实施例中，图像信息可以是采集的平面二维指纹图像所包含的信息；例如，图像信息可以是平面二维指纹图像中每个像素点在二维空间坐标内的位置信息。深度信息可以是采集指纹的设备与待识别指纹之间的距离信息。
步骤102：基于深度信息和图像信息，得到第一指纹数据。
其中，步骤102中基于深度信息和图像信息，得到第一指纹数据可以由指纹识别设备来实现。这里，该指纹识别设备可以将采集到的深度信息和图像信息进行组合，对组合后的深度信息和图像信息进行预处理，改善输入的指纹数据的质量后生成第一指纹数据。
在本发明的其它实施例中，第一指纹数据的数据形式可以是点云数据形式；这里，点云数据是指以点的形式记录目标物体的信息，并且点云数据中的每个点都具有对应的三维坐标；那么，本实施例中的第一指纹数据可以是具有三维坐标的点的集合，该集合中点的坐标可以真实的反映指纹的空间结构；例如，第一数据中的任意一点的空间三维坐标的X轴代表与该点对应的具体指纹位置的横向坐标信息，Y轴代表与该点对应的指纹位置的纵向坐标信息，Z轴代表与该点对应的指纹位置的高低的坐标信息。
步骤103：基于第一指纹数据，对待识别指纹进行识别处理。
其中，步骤103基于第一指纹数据，对待识别指纹进行识别处理可以由指纹识别设备来实现；这里，对待识别指纹进行识别处理可以是基于第一指纹数据，与指纹数据库中的指纹进行比较，获取第一指纹与数据库预存指纹的相似程度进行识别。
本发明的实施例所提供的指纹识别方法，采集待识别指纹，并获取待识别指纹的深度信息和图像信息，进而基于深度信息和图像信息，得到第一指纹数据，最后基于第一指纹数据，对待识别指纹进行识别处理；这样，在进行指纹采集时，不仅获取了指纹的图像信息，而且还获取了指纹的深度信息，并基于深度信息和图像信息得到第一指纹数据，进而对具有深度信息和图像信息的第一指纹进行识别处理，如此，利用深度信息和图像信息两个维度的信息，能够解决现有指纹识别技术中对特殊手指识别不准确的问题，提高了识别的准确性，并且采集深度信息和图像信息的指纹采集方式对周围环境要求较低，降低了对环境的要求和采集成本。
基于前述实施例，本发明的实施例提供一种指纹识别方法，参照图2所示，该方法包括以下步骤：
步骤201、指纹识别设备通过飞行时间(Time-of-Flight，TOF)相机以第一角度采集待识别指纹，得到待识别指纹的第一子深度信息和第一子图像信息；通过所述TOF相机以第二角度采集所述待识别指纹，得到所述待识别指纹的第二子深度信息和第二子图像信息。
其中，待识别指纹的深度信息第一子深度信息和第二子深度信息构成，待识别指纹的图像信息由第一子图像信息和第二子图像信息构成。
在本发明的其他实施例中，TOF相机包括TOF摄像头和红-绿-蓝(Red-Green-Blue，RGB)彩色摄像头。具体地，TOF相机通过TOF摄像头获取待识别指纹的深度信息，通过RGB彩色摄像头获取待识别指纹的图像信息。
下面对TOF摄像头如何获取待识别指纹的深度信息进行解释说明。
TOF摄像头可以向待识别区域内手指发送连续的高频调制的光脉冲，这里，采用LED或激光二极管发射脉冲光，其脉冲频率可达到100MHz；然后，利用入射光信号与反射光信号的变化对待识别的指纹进行距离测量，这里，利用TOF摄像头内部传感器接收从待识别区域内手指返回的光脉冲，通过探测光脉冲的飞行(往返)信息来得到TOF摄像头与手指指纹之间的距离，即，TOF摄像头每一个影像单元对入射光往返TOF摄像头与物体之间的相位或时间进行纪录和计算，进而获得待识别指纹的深度信息。
在本发明的其他实施例中，指纹识别设备通过RGB彩色摄像头获取待识别指纹的图像信息，这里，RGB彩色摄像头利用光的全反射原理获取待识别指纹的二维图像信息。
在本发明的其他实施例中，为了获取一根手指完整的指纹数据，需要对整根手指的指纹进行获取，包括一根手指的正面(与指甲所在面相反的一面)和两个侧面；而在通常情况下，TOF相机是在固定的角度下进行指纹采集，这样只能采集到手指的部分指纹，并不能将获取完整的指纹图像，而基于不完整的指纹图像进行指纹识别是十分片面的；但是，本发明实施例中是采用TOF相机以不同的拍摄角度，分别获取不同拍摄角度下的指纹图像，进而保证可以得到待识别指纹完整的指纹信息。需要说明的是，本实施例中第一角度和第二角度仅是对拍摄角度进行区分，“第一”、“第二”等字样并不对数量和次序进行限定。
在本发明的其他实施例中，TOF相机以第一拍摄角度和第二拍摄角度分别采集待识别指纹，这里的第一拍摄角度和第二拍摄角度的设置以能够覆盖待识别指纹所有的指纹信息为原则。其中，TOF相机在每个拍摄角度下进行拍摄会获取该拍摄角度下对应的指纹图像，可以获取每个指纹图像中指纹的子深度信息和子图像信息。而所有拍摄角度下的子深度信息可以构成完整的待识别指纹的深度信息，所有拍摄角度下的子图像信息可以构成完整的待识别指纹的图像信息。
步骤202、指纹识别设备基于第一子深度信息和第一子图像信息，生成第一子指纹数据；基于第二子深度信息和第二子图像信息生成第二子指纹数据。
其中，子深度信息与子图像信息具有对应关系；并且，子指纹数据可以是点云的数据形式。
在本发明的其他实施例中，第一子深度信息可以对应第一子图像信息，第二子深度信息可以对应第二子图像信息，将相互对应的子深度信息和子图像信息进行组合可以得到一个完整的子指纹数据。
步骤203、指纹识别设备确定第一子指纹数据和第二子指纹数据中每个子指纹数据的匹配特征点。
其中，第一子指纹数据和第二子指纹数据具有至少一个相同的匹配特征点。
在本发明的其他实施例中，每个子指纹数据包括至少一个匹配特征点；这里，匹配特征点可以是子指纹数据对应的点云数据中灰度值发生剧烈变化的点或者是子指纹数据对应的点云数据中弯度变化较大的点或点的集合。
在本实施例中，第一子指纹数据和第二子指纹数据可以构成完整的手指的指纹数据；因此，第一子指纹数据和第二子指纹数据存在相同的匹配特征点，可以将第一子指纹数据和第二子指纹数据拼接为完整的指纹数据。
在本发明的其他实施例中，可以采用加速稳健特性(Speed Up Robust Features，SURF)算法获取每个子指纹数据的匹配特征点。
步骤204、指纹识别设备获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵和第二矩阵。
其中，第一子指纹数据和第二子指纹数据中具有相同的匹配特征点，可以根据第一子指纹数据和第二子指纹数据中相同的匹配特征点计算第一子指纹数据和第二子指纹数据之间的第一矩阵和第二矩阵。
在本发明的其他实施例中，获取第一子指纹数据的匹配特征点和第二子指纹数据之间的第一矩阵的可以通过以下方式来实现：
计算第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的旋转角度；
这里，两个子指纹数据的匹配特征点之间的旋转角度，可以为第一子指纹数据和第二子指纹数据中，相同的匹配特征点之间的旋转角度；具体地，可以采用计算匹配特征点之间线性坐标的变换获取旋转角度。
基于第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的旋转角度，获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间第一矩阵。
其中，将得到的第一子指纹数据和第二子指纹数据中所有相同匹配特征点之间的旋转角度数据按照一定的顺序排列，构成第一矩阵。
相似地，获取第一子指纹数据的匹配特征点和第二子指纹数据之间的第二矩阵可以通过以下方式来实现：
计算第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的平移距离；
这里，两个子指纹数据的匹配特征点之间的平移距离，可以为两个子指纹数据中每个相同的匹配特征点之间的平移距离。
基于第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的平移距离，获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间第二矩阵。
其中，将得到的第一子指纹数据和第二子指纹数据中所有相同匹配特征点之间的平移距离数据按照一定的顺序排列，构成第二矩阵。
步骤205、指纹识别设备基于第一矩阵和第二矩阵，将第一子指纹数据和第二子指纹数据组合得到第二指纹数据。
其中，第一矩阵可以反映出第一子指纹数据和第二子指纹数据的旋转角度，第二矩阵可以反映出第一子指纹数据和第二子指纹数据的平移距离；因此，通过第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵和第二矩阵，可以将这两个相邻的子指纹数据进行配准；这里，选取第一子指纹数据和第二子指纹数据中的一个子指纹数据为基准子指纹数据，另外一个子指纹数据为匹配子指纹数据，根据两者匹配特征点之间的第一矩阵对匹配子指纹数据的旋转角度进行调整，同时根据第二矩阵对匹配子指纹数据的空间位置进行调整，使匹配子指纹数据的匹配特征点与基准子指纹数据的匹配特征点重合，完成第一子指纹数据和第二子指纹数据的坐标对齐，实现第一子指纹数据和第二子指纹数据的组合。
相似的，通过上述方式，可以将第一子指纹数据和第二子指纹数据的坐标对齐，组合成为第二指纹数据。
步骤206、指纹识别设备对第二指纹数据进行预处理，得到第一指纹数据。
其中，预处理可以包括消噪、定位和归一化处理。在实际应用中，第二指纹数据为指纹识别设备获取的原始的指纹数据，由于激光散射的影响，第二指纹数据中不可避免的含有数据毛刺；同时，第二指纹数据是由至少两个子指纹数据组合而成，因此，第二指纹数据难免出现位移，旋转等情况，在进行指纹识别之前，需要对第二指纹数据进行统一化，转换为一致的格式，从而获得高质量的第一指纹数据。
步骤207、指纹识别设备基于第一指纹数据，对待识别指纹进行识别处理。
需要说明的是，本发明实施例中的第一角度、第二角度、第一子深度信息、第二子深度信息、第一子图像信息、第二子图像信息、第一子指纹数据和第二子指纹数据中的第一和第二仅仅是在概念上的限定，并不用于限制数量；在实际应用中，第一角度或第二角度也可以包括多个角度，对应的，第一子深度信息或第二子深度信息可以包括多个子深度信息，第一子图像信息或第二子图像信息可以包括多个子图像信息，第一子指纹数据或第二子指纹数据可以包括多个子指纹数据；这里，拍摄的角度、子深度信息、子图像信息以及子指纹数据这四者之间的数量相同，即两个拍摄角度对应两个子深度信息、两个子图像信息以及两个子指纹数据。
需要说明的是，本实施例中与其他实施例中相同步骤或相关概念的解释可以参照其他实施例中的描述，此处不再赘述。
本发明的实施例所提供的指纹识别方法，通过TOF相机采集待识别指纹，并获取待识别指纹的深度信息和图像信息，进而基于深度信息和图像信息，得到第一指纹数据，最后基于第一指纹数据，对待识别指纹进行识别处理；这样，在进行指纹采集时，利用TOF相机进行指纹采集，不仅能够获取指纹的图像信息，而且还获取了指纹的深度信息，并基于深度信息和图像信息得到第一指纹数据，进而对具有深度信息和图像信息的第一指纹进行识别处理，如此，利用TOF相机发射高频光脉冲的原理，能够在用户不接触采集设备的情况下采集到的深度信息和图像信息两个维度的信息，能够解决现有指纹识别技术中对特殊手指识别不准确的问题，提高了识别的准确性，并且采集深度信息和图像信息的指纹采集方式对周围环境要求较低；同时，能够降低多余的指纹芯片的成本，节约了采集成本。
基于前述实施例，本发明的实施例提供一种指纹识别方法，参照图3所示，该方法包括以下步骤：
步骤301、指纹识别设备通过TOF相机以第一角度采集待识别指纹，得到待识别指纹的第一子深度信息和第一子图像信息；通过TOF相机以第二角度采集待识别指纹，得到待识别指纹的第二子深度信息和第二子图像信息。
其中，待识别指纹的深度信息由第一子深度信息和第二子深度信息构成，待识别指纹的图像信息由第一子图像信息和第二子图像信息构成。
步骤302、指纹识别设备基于第一子深度信息和第一子图像信息，生成第一子指纹数据；基于第二子深度信息和第二子图像信息生成第二子指纹数据。
其中，子深度信息与子图像信息具有对应关系。
步骤303、指纹识别设备确定第一子指纹数据和第二子指纹数据中每个子指纹数据的匹配特征点。
步骤304、指纹识别设备获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵和第二矩阵。
其中，第一子指纹数据和第二子指纹数据具有至少一个相同的匹配特征点。
步骤305、指纹识别设备基于第一矩阵和第二矩阵，将第一子指纹数据和第二子指纹数据组合成为第二指纹数据。
步骤306、指纹识别设备消除第二指纹数据中的噪声，得到第三指纹数据。
其中，第三数据的数据形式可以为点云数据形式。
在本发明的其他实施例中，消除第二指纹数据中的噪声可以为：对第二指纹数据进行平滑处理，去除剧烈抖动数据或数据组，同时根据第二指纹数据对应的点云数据中每个点的灰度等级对灰度跳动较大的点进行去除。
步骤307、指纹识别设备选取第三指纹数据中的指纹中心点，并基于指纹中心点对第三指纹数据的方向进行校正，得到第四指纹数据。
其中，第四数据的数据形式可以为点云数据形式。
在本发明的其他实施例中，指纹中心点可以是第三指纹数据对应的点云数据中曲率最大的点或点的集合；第三指纹的方向可以指的是第三指纹中相对与指纹中心点的上下左右的分布。以该指纹中心点作为参考点，对比第三指纹数据中指纹中心点周围的数据的变化趋势以及数据的分布趋势，确定第三指纹的方向，调整确定方向后的第三指纹数据的坐标，获得第四指纹数据。
步骤308、指纹识别设备调整第四指纹数据中图像信息的第一参数值为第一预设参数值和第四指纹数据中深度信息的第二参数值为第二预设参数值，得到第一指纹数据。
其中，第一参数值可以为表征第四指纹数据中图像信息所对应的指纹图像的长与宽的比例。具体地，指纹识别设备可以等比例调整第四指纹数据中图像信息对应的数据为第一预设值。
在本发明的其他实施例中，第二参数值可以为表征第四指纹数据中深度信息所对应的数据的比例。具体地，指纹识别设备可以等比例调整第四指纹数据中深度信息对应的数据为第二预设值。
步骤309、指纹识别设备提取第一指纹数据中的指纹特征。
其中，指纹特征包括指纹的整体特征和局部特征。这里，指纹的整体特征包括：指纹的纹路形状，例如，箕型、斗型、弓型等；指纹的局部特征包括：具有深度信息的指纹中心点、三角点、断点、交叉点和分叉点等。
在本发明的其他实施例中，指纹识别设备提取第一指纹数据中的指纹特征可以通过主成分分析法、核主成分分析法、点图松弛匹配方法、最小距离图法和三角形化变换法等方法实现。
步骤310、指纹识别设备采用预设方法将指纹特征与指纹库中的预存指纹特征进行匹配。
其中，在步骤310之前，指纹识别设备可以利用分类器将指纹库中预存的指纹特征进行分类，为大型指纹数据库提供一种检索机制；并且，稳定而精确的分类可以大大降低指纹检索匹配的时间。指纹识别设备可以依据指纹的整体特征，将指纹划分为若干个类别；例如，指纹识别设备可以先把指纹按照整体特征，即指纹纹路粗分为箕型、斗型、弓型和混合型4类；进而根据每种类别的特性，对上述指纹类型进行细分，如箕型又分为左箕型和右箕型。常见的分类器可以有最近邻距离分类器，人工神经网络分类器，支持向量机(SupportVector Machine，SVM)分类器等。
在本发明的其他实施例中，指纹识别设备采用预设方法将指纹特征与指纹库中的预存指纹特征进行匹配，具体地，指纹识别设备首先根据指纹的整体特征，选取指纹库中相应的指纹类别库；然后通过比较局部指纹特征和相应的指纹类别库中预存的某一个指纹特征集合的相似程度，与设定的预设阈值进行对比，判断指纹特征与预存指纹特征是否来自同一枚指纹。
可选的，本发明的其他实施例还可以执行以下步骤。
步骤311、若指纹特征与预存指纹特征匹配成功，指纹识别设备基于指纹特征对指纹库中的预存指纹特征进行更新。
其中，若指纹特征与预存指纹特征匹配成功之后，指纹识别设备获取当前提取的指纹特征，将当前提取的指纹特征和指纹库中匹配成功的预存指纹特征进行对比；若当前提取的指纹特征中具有指纹库中与当前指纹特征匹配成功的预存指纹中没有的特征，则将该特征保存至预存指纹特征中。
本发明的实施例所提供的指纹识别方法，与现有指纹识别技术仅能获取二维的指纹图像信息相比，能够通过TOF相机采集待识别指纹，同时获取待识别指纹的深度信息和图像信息，不仅具有二维指纹图像信息，并且还包括了待识别指纹表面凹凸不平的起伏变化的信息；如此，利用提取到的具有深度信息的指纹特征进行指纹识别，克服了现有技术中对特殊手指(干燥手指、潮湿手指等)识别不准确的缺陷，提高了指纹识别的准确性。另外，TOF相机利用光的全反射和向待识别指纹发射高频调制的光脉冲的原理，能够在不接触指纹采集装置的情况下获取指纹信息，降低了对环境的要求；进一步，使用TOF相机，可以避免使用多余的指纹芯片，降低了进行指纹识别时的成本。
需要说明的是，本实施例中与其他实施例中相同步骤或相关概念的解释可以参照其他实施例中的描述，此处不再赘述。
本发明的实施例所提供的指纹识别方法，通过TOF相机采集待识别指纹，并获取待识别指纹的深度信息和图像信息，进而基于深度信息和图像信息，得到第一指纹数据，最后基于第一指纹数据，对待识别指纹进行识别处理；这样，在进行指纹采集时，利用TOF相机进行指纹采集，不仅能够获取指纹的图像信息，而且还获取了指纹的深度信息，并基于深度信息和图像信息得到第一指纹数据，进而对具有深度信息和图像信息的第一指纹进行识别处理，如此，利用TOF相机发射高频光脉冲的原理，能够在用户不接触采集设备的情况下采集到的深度信息和图像信息两个维度的信息，能够解决现有指纹识别技术中对特殊手指识别不准确的问题，提高了识别的准确性，并且采集深度信息和图像信息的指纹采集方式对周围环境要求较低；同时，能够降低多余的指纹芯片的成本，节约了采集成本。
基于前述实施例，参照图4所示，首先，TOF相机采集待识别指纹，并生成指纹数据，这里，TOF相机进行指纹采集的具体过程和指纹数据生成过程与本发明的其他实施例相同，此处不再赘述；对生成的指纹数据进行预处理，包括对指纹数据进行消噪、定位和归一化处理，这里，具体的消噪、定位和归一化处理过程与本发明的其他实施例相同，此处不再赘述；然后，对预处理之后的指纹数据进行指纹特征提取；基于选择或设计的分类器，将提取到的指纹特征与指纹库中的预存指纹特征进行匹配，这里，具体匹配过程与本发明的其他实施例相同，此处不再赘述；最后，获得匹配结果并输出。
基于前述实施例，本发明的实施例提供一种指纹识别设备，该指纹识别设备可以应用于图1～3对应的实施例提供的指纹识别方法中，参照图5所示，该指纹识别设备5可以包括：处理器51、配置为存储可执行指令的存储介质52、和通信总线53，其中：
通信总线53用于实现处理器51和存储器52之间的通信连接；
处理器51用于执行存储器中存储的针对指纹识别的程序，以实现以下步骤：
采集待识别指纹，并获取待识别指纹的深度信息和图像信息；
基于深度信息和图像信息，得到第一指纹数据；
基于第一指纹数据，对待识别指纹进行识别处理。
在本发明的其他实施例中，处理器51用于执行存储器中存储的采集待识别指纹，并获取待识别指纹的深度信息和图像信息时，还可以实现以下步骤：
通过TOF相机采集待识别指纹，得到待识别指纹的深度信息和图像信息。
在本发明的其他实施例中，处理器51用于执行存储器中存储的通过TOF相机采集待识别指纹，得到待识别指纹的深度信息和图像信息时，还可以实现以下步骤：
通过TOF相机以第一角度采集待识别指纹，得到待识别指纹的第一子深度信息和第一子图像信息；通过TOF相机以第二角度采集待识别指纹，得到待识别指纹的第二子深度信息和第二子图像信息；其中，待识别指纹的深度信息由第一子深度信息和第二子深度信息构成，待识别指纹的图像信息由第一子图像信息和第二子图像信息构成。
在本发明的其他实施例中，处理器51用于执行存储器中存储的基于深度信息和图像信息，得到第一指纹数据时，还可以实现以下步骤：
基于第一子深度信息和第一子图像信息，生成第一子指纹数据；基于所述第二子深度信息和所述第二子图像信息生成第二子指纹数据；
基于第一子指纹数据和第二子指纹数据，生成第二指纹数据；
对第二指纹数据进行预处理，得到第一指纹数据。
在本发明的其他实施例中，处理器51用于执行存储器中存储的基于第一子指纹数据和第二子指纹数据，生成第二指纹数据时，还可以实现以下步骤：
确定第一子指纹数据和第二子指纹数据中每个子指纹数据的匹配特征点；其中，第一子指纹数据和第二子指纹数据具有至少一个相同的匹配特征点；
获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵和第二矩阵；
基于第一矩阵和第二矩阵，将第一子指纹数据和第二子指纹数据组合得到第二指纹数据。
在本发明的其他实施例中，处理器51用于执行存储器中存储的获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵和第二矩阵时，还可以实现以下步骤：
计算第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的旋转角度和平移距离；
基于第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的旋转角度，获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵；
基于第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的平移距离，获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第二矩阵。
在本发明的其他实施例中，TOF相机包括TOF摄像头和RGB彩色摄像头，处理器51用于执行存储器中存储的采用飞行时间TOF相机获取待识别指纹的深度信息和图像信息时，还可以实现以下步骤：
通过TOF摄像头获取待识别指纹的深度信息；
通过RGB彩色摄像头获取待识别指纹的图像信息。
在本发明的其他实施例中，处理器51用于执行存储器中存储的对第二指纹数据进行消噪、定位和归一化处理，得到第一指纹数据时，还可以实现以下步骤：
消除第二指纹数据中的噪声，得到第三指纹数据；
选取第三指纹数据中的指纹中心点，并基于指纹中心点对第三指纹数据的方向进行校正得到第四指纹数据；
调整第四指纹数据中图像信息的第一参数值为第一预设数值和第四指纹数据中深度信息的第二参数值为第二预设数值，得到第一指纹数据。
在本发明的其他实施例中，处理器51用于执行存储器中存储的基于第一指纹数据，对待识别指纹进行识别处理时，还可以实现以下步骤：
提取第一指纹数据中的指纹特征；其中，指纹特征包括指纹的整体特征和局部特征；
采用预设方法将指纹特征与指纹库中的预存指纹特征进行匹配。
在本发明的其他实施例中，处理器51用于执行存储器中存储的采用预设方法将指纹特征与指纹库中预存的指纹特征进行匹配识别之后，还可以实现以下步骤：
若指纹特征与预存指纹特征匹配成功，基于指纹特征对指纹库中的预存指纹特征进行更新。
需要说明的是，本实施例中处理器所执行的步骤的具体实现过程，可以参照图1～3对应的实施例提供的针对指纹识别方法中的实现过程，此处不再赘述。
本发明的实施例所提供的指纹识别设备，采集待识别指纹并获取待识别指纹的深度信息和图像信息，进而基于深度信息和图像信息，得到第一指纹数据，最后基于第一指纹数据，对待识别指纹进行识别处理；这样，在进行指纹采集时，不仅获取了指纹的图像信息，而且还获取了指纹的深度信息，并基于深度信息和图像信息得到第一指纹数据，进而对具有深度信息和图像信息的第一指纹进行识别处理，如此，利用深度信息和图像信息两个维度的信息，能够解决现有指纹识别技术中对特殊手指识别不准确的问题，提高了识别的准确性，并且采集深度信息和图像信息的指纹采集方式对周围环境要求较低，降低了对环境的要求和采集成本。
基于前述实施例，本发明的实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如下步骤：
采集待识别指纹，并获取待识别指纹的深度信息和图像信息；
基于深度信息和图像信息，得到第一指纹数据；
基于第一指纹数据，对待识别指纹进行识别处理。
在本发明的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行采集待识别指纹，并获取待识别指纹的深度信息和图像信息时，还可以实现以下步骤：
通过TOF相机采集待识别指纹，得到待识别指纹的深度信息和图像信息。
在本发明的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行通过TOF相机采集待识别指纹，得到待识别指纹的深度信息和图像信息时，还可以实现以下步骤：
通过TOF相机以第一角度采集待识别指纹，得到待识别指纹的第一子深度信息和第一子图像信息；通过TOF相机以第二角度采集所述待识别指纹，得到待识别指纹的第二子深度信息和第二子图像信息；其中，待识别指纹的深度信息由第一子深度信息和第二子深度信息构成，待识别指纹的图像信息由第一子图像信息和第二子图像信息构成。
在本发明的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行基于深度信息和图像信息，得到第一指纹数据时，还可以实现以下步骤：
基于第一子深度信息和第一子图像信息，生成第一子指纹数据；基于所述第二子深度信息和所述第二子图像信息生成第二子指纹数据；
基于第一子指纹数据和第二子指纹数据，生成第二指纹数据；
对第二指纹数据进行预处理，得到第一指纹数据。
在本发明的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行基于第一子指纹数据和第二子指纹数据，生成第二指纹数据时，还可以实现以下步骤：
确定第一子指纹数据和第二子指纹数据中每个子指纹数据的匹配特征点；其中，第一子指纹数据和第二子指纹数据具有至少一个相同的匹配特征点；
获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征段之间的第一矩阵和第二矩阵；
基于第一矩阵和第二矩阵，将第一子指纹数据和第二子指纹数据组合得到第二指纹数据。
在本发明的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征段之间的第一矩阵和第二矩阵时，还可以实现以下步骤：
计算第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征段之间的旋转角度和平移距离；
基于第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征段之间的旋转角度，获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征段之间的第一矩阵；
基于第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征段之间的平移距离，获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征段之间的第二矩阵。
在本发明的其他实施例中，TOF相机包括TOF摄像头和RGB彩色摄像头，该一个或者多个程序可被一个或者多个处理器执行采用飞行时间TOF相机获取待识别指纹的深度信息和图像信息时，还可以实现以下步骤：
通过TOF摄像头获取待识别指纹的深度信息；
通过RGB彩色摄像头获取待识别指纹的图像信息。
在本发明的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行对第二指纹数据进行消噪、定位和归一化处理，得到第一指纹数据时，还可以实现以下步骤：
消除第二指纹数据中的噪声，得到第三指纹数据；
选取第三指纹数据中的指纹中心点，并基于指纹中心点对第三指纹数据的方向进行校正得到第四指纹数据；
调整第四指纹数据中图像信息的第一参数值为第一预设数值和第四指纹数据中深度信息的第二参数值为第二预设数值，得到第一指纹数据。
在本发明的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行基于第一指纹数据，对待识别指纹进行识别处理时，还可以实现以下步骤：
提取第一指纹数据中的指纹特征；其中，指纹特征包括指纹的整体特征和局部特征；
采用预设方法将指纹特征与指纹库中的预存指纹特征进行匹配。
在本发明的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行采用预设方法将指纹特征与指纹库中预存的指纹特征进行匹配识别之后，还可以实现以下步骤：
若指纹特征与预存指纹特征匹配成功，基于指纹特征对指纹库中的预存指纹特征进行更新。
需要说明的是，本实施例中所执行的步骤的具体实现过程，可以参照图1～3对应的实施例提供的针对指纹识别方法中的实现过程，此处不再赘述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
Claims (21)
1.一种指纹识别方法，其特征在于，所述方法包括：
采集待识别指纹，并获取所述待识别指纹的深度信息和图像信息；
基于所述深度信息和图像信息，得到第一指纹数据；
基于所述第一指纹数据，对所述待识别指纹进行识别处理。
2.根据权利要求1所述的方法，其特征在于，所述采集待识别指纹，并获取所述待识别指纹的深度信息和图像信息，包括：
通过飞行时间TOF相机采集所述待识别指纹，得到所述待识别指纹的深度信息和图像信息。
3.根据权利要求2所述的方法，其特征在于，所述通过TOF相机采集所述待识别指纹，得到所述待识别指纹的深度信息和图像信息，包括：
通过所述TOF相机以第一角度采集所述待识别指纹，得到所述待识别指纹的第一子深度信息和第一子图像信息；
通过所述TOF相机以第二角度采集所述待识别指纹，得到所述待识别指纹的第二子深度信息和第二子图像信息；
其中，所述待识别指纹的深度信息由所述第一子深度信息和第二子深度信息构成，所述待识别指纹的图像信息由所述第一子图像信息和第二子图像信息构成。
4.根据权利要求3所述的方法，其特征在于，所述基于所述深度信息和图像信息，得到第一指纹数据，包括：
基于所述第一子深度信息和所述第一子图像信息，生成第一子指纹数据；
基于所述第二子深度信息和所述第二子图像信息生成第二子指纹数据；
基于所述第一子指纹数据和所述第二子指纹数据，生成第二指纹数据；
对所述第二指纹数据进行预处理，得到所述第一指纹数据。
5.根据权利要求4所述的方法，其特征在于，所述基于所述第一子指纹数据和所述第二子指纹，生成第二指纹数据，包括：
确定所述第一子指纹数据和所述第二子指纹数据中每个子指纹数据的匹配特征点；其中，所述第一子指纹数据和所述第二子指纹数据具有至少一个相同的匹配特征点；
获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵和第二矩阵；
基于所述第一矩阵和第二矩阵，将所述第一子指纹数据和所述第二子指纹数据组合得到所述第二指纹数据。
6.根据权利要求5所述的方法，其特征在于，所述获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵和第二矩阵，包括：
计算第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的旋转角度和平移距离；
基于所述第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的所述旋转角度，获取所述第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵；
基于所述第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的所述平移距离，获取所述第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第二矩阵。
7.根据权利要求2-6任一所述的方法，其特征在于，所述飞行时间TOF相机包括TOF摄像头和红-绿-蓝RGB彩色摄像头，所述采用飞行时间TOF相机获取待识别指纹的深度信息和图像信息，包括：
通过所述TOF摄像头获取所述待识别指纹的所述深度信息；
通过所述RGB彩色摄像头获取所述待识别指纹的所述图像信息。
8.根据权利要求4所述的方法，其特征在于，所述对所述第二指纹数据进行预处理，得到第一指纹数据，包括：
消除所述第二指纹数据中的噪声，得到第三指纹数据；
选取所述第三指纹数据中的指纹中心点，并基于所述指纹中心点对所述第三指纹数据的方向进行校正得到第四指纹数据；
调整所述第四指纹数据中图像信息的第一参数值为第一预设值和所述第四指纹数据中深度信息的第二参数值为第二预设值，得到所述第一指纹数据。
9.根据权利要求1所述的方法，其特征在于，所述基于所述第一指纹数据，对所述待识别指纹进行识别处理，包括：
提取所述第一指纹数据中的指纹特征；其中，所述指纹特征包括指纹的整体特征和局部特征；
采用预设方法将所述指纹特征与指纹库中的预存指纹特征进行匹配。
10.根据权利要求9所述的方法，其特征在于，所述采用预设方法将所述指纹特征与指纹库中预存的指纹特征进行匹配识别之后，还包括：
若所述指纹特征与所述预存指纹特征匹配成功，基于所述指纹特征对所述指纹库中的预存指纹特征进行更新。
11.根据权利要求9所述的方法，其特征在于，所述指纹的整体特征包括：指纹的纹路形状；所述指纹的局部特征包括：具有深度信息的指纹中心点、三角点、断点、交叉点和分叉点。
12.一种指纹识别设备，其特征在于，所述指纹识别设备至少包括：处理器和配置为存储可执行指令的存储介质，其中：
所述处理器配置为执行存储的可执行指令，所述可执行指令包括：
采集待识别指纹，并获取所述待识别指纹的深度信息和图像信息；
基于所述深度信息和图像信息，得到第一指纹数据；
基于所述第一指纹数据，对所述待识别指纹进行识别处理。
13.根据权利要求12所述的设备，其特征在于，所述处理器还可以实现以下步骤：
通过飞行时间TOF相机采集所述待识别指纹，得到所述待识别指纹的深度信息和图像信息。
14.根据权利要求13所述的设备，其特征在于，所述处理器还可以实现以下步骤：
通过所述TOF相机以第一角度采集所述待识别指纹，得到所述待识别指纹的第一子深度信息和第一子图像信息；
通过所述TOF相机以第二角度采集所述待识别指纹，得到所述待识别指纹的第二子深度信息和第二子图像信息；
其中，所述待识别指纹的深度信息由所述第一子深度信息和第二子深度信息构成，所述待识别指纹的图像信息由所述第一子图像信息和第二子图像信息构成。
15.根据权利要求14所述的设备，其特征在于，所述处理器还可以实现以下步骤：
基于所述第一子深度信息和所述第一子图像信息，生成第一子指纹数据；
基于所述第二子深度信息和所述第二子图像信息生成第二子指纹数据；
基于所述第一子指纹数据和所述第二子指纹数据，生成第二指纹数据；
对所述第二指纹数据进行预处理，得到所述第一指纹数据。
16.根据权利要求15所述的设备，其特征在于，所述处理器还可以实现以下步骤：
确定所述第一子指纹数据和所述第二子指纹数据中每个子指纹数据的匹配特征点；其中，所述第一子指纹数据和所述第二子指纹数据具有至少一个相同的匹配特征点；
获取第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵和第二矩阵；
基于所述第一矩阵和第二矩阵，将所述第一子指纹数据和所述第二子指纹数据组合得到所述第二指纹数据。
17.根据权利要求16所述的设备，其特征在于，所述处理器还可以实现以下步骤：
计算第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的旋转角度和平移距离；
基于所述第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的所述旋转角度，获取所述第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第一矩阵；
基于所述第一子指纹数据的匹配特征点的第二子指纹数据的匹配特征点之间的所述平移距离，获取所述第一子指纹数据的匹配特征点和第二子指纹数据的匹配特征点之间的第二矩阵。
18.根据权利要求13-17任一所述的设备，其特征在于，所述飞行时间TOF相机包括TOF摄像头和RGB彩色摄像头，所述处理器还可以实现以下步骤：
通过所述TOF摄像头获取所述待识别指纹的所述深度信息；
通过所述RGB彩色摄像头获取所述待识别指纹的所述图像信息。
19.根据权利要求15所述的设备，其特征在于，所述处理器还可以实现以下步骤：
消除所述第二指纹数据中的噪声，得到第三指纹数据；
选取所述第三指纹数据中的指纹中心点，并基于所述指纹中心点对所述第三指纹数据的方向进行校正得到第四指纹数据；
调整所述第四指纹数据中图像信息的第一参数值为第一预设数值和所述第四指纹数据中深度信息的第二参数值为第二预设数值，得到所述第一指纹数据。
20.根据权利要求12所述的设备，其特征在于，所述处理器还可以实现以下步骤：
提取所述第一指纹数据中的指纹特征；其中，所述指纹特征包括指纹的整体特征和局部特征；
采用预设方法将所述指纹特征与指纹库中的预存指纹特征进行匹配。
21.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令配置为执行上述权利要求1至11任一项提供的指纹识别方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810558102.3A CN110555348A (zh) | 2018-06-01 | 2018-06-01 | 一种指纹识别方法、设备及计算机可读存储介质 |
| PCT/CN2019/089338 WO2019228471A1 (zh) | 2018-06-01 | 2019-05-30 | 指纹识别方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810558102.3A CN110555348A (zh) | 2018-06-01 | 2018-06-01 | 一种指纹识别方法、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110555348A true CN110555348A (zh) | 2019-12-10 |
Family
ID=68697255
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810558102.3A Pending CN110555348A (zh) | 2018-06-01 | 2018-06-01 | 一种指纹识别方法、设备及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110555348A (zh) |
| WO (1) | WO2019228471A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111368747A (zh) * | 2020-03-06 | 2020-07-03 | 上海掌腾信息科技有限公司 | 基于tof技术实现掌静脉特征矫正处理的系统及其方法 |
| CN111753723A (zh) * | 2020-06-24 | 2020-10-09 | 上海依图网络科技有限公司 | 一种基于密度校准的指纹识别方法及装置 |
| CN112597962A (zh) * | 2020-12-31 | 2021-04-02 | 中国工商银行股份有限公司 | 一种指纹识别方法及装置 |
| CN116311395A (zh) * | 2022-08-18 | 2023-06-23 | 荣耀终端有限公司 | 指纹识别的方法和装置 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113343195B (zh) * | 2021-05-27 | 2024-09-06 | 维沃移动通信有限公司 | 电子设备及其指纹解锁方法、指纹解锁装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2017067291A1 (zh) * | 2015-10-19 | 2017-04-27 | 广东欧珀移动通信有限公司 | 一种指纹识别的方法、装置及终端 |
| KR20170110788A (ko) * | 2016-03-24 | 2017-10-12 | 연세대학교 산학협력단 | 융선 특징 정보를 이용하여 지문을 인식하기 위한 장치 및 그 방법 |
| CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 深圳市利众信息科技有限公司 | 手掌特征识别方法、手掌特征识别设备、及存储介质 |
| CN107819983A (zh) * | 2017-10-24 | 2018-03-20 | 维沃移动通信有限公司 | 一种采集光学图像的方法及移动终端 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3494388B2 (ja) * | 1995-04-19 | 2004-02-09 | 日本電信電話株式会社 | 指紋照合方法および指紋照合装置 |
| CN106778707B (zh) * | 2017-02-09 | 2020-09-11 | Oppo广东移动通信有限公司 | 指纹识别方法、显示屏以及移动终端 |
| CN107515714B (zh) * | 2017-07-27 | 2020-08-28 | 歌尔股份有限公司 | 一种手指触控识别方法、装置和触控投影设备 |
-
2018
- 2018-06-01 CN CN201810558102.3A patent/CN110555348A/zh active Pending
-
2019
- 2019-05-30 WO PCT/CN2019/089338 patent/WO2019228471A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2017067291A1 (zh) * | 2015-10-19 | 2017-04-27 | 广东欧珀移动通信有限公司 | 一种指纹识别的方法、装置及终端 |
| KR20170110788A (ko) * | 2016-03-24 | 2017-10-12 | 연세대학교 산학협력단 | 융선 특징 정보를 이용하여 지문을 인식하기 위한 장치 및 그 방법 |
| CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 深圳市利众信息科技有限公司 | 手掌特征识别方法、手掌特征识别设备、及存储介质 |
| CN107819983A (zh) * | 2017-10-24 | 2018-03-20 | 维沃移动通信有限公司 | 一种采集光学图像的方法及移动终端 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111368747A (zh) * | 2020-03-06 | 2020-07-03 | 上海掌腾信息科技有限公司 | 基于tof技术实现掌静脉特征矫正处理的系统及其方法 |
| CN111753723A (zh) * | 2020-06-24 | 2020-10-09 | 上海依图网络科技有限公司 | 一种基于密度校准的指纹识别方法及装置 |
| CN111753723B (zh) * | 2020-06-24 | 2024-03-26 | 上海依图网络科技有限公司 | 一种基于密度校准的指纹识别方法及装置 |
| CN112597962A (zh) * | 2020-12-31 | 2021-04-02 | 中国工商银行股份有限公司 | 一种指纹识别方法及装置 |
| CN116311395A (zh) * | 2022-08-18 | 2023-06-23 | 荣耀终端有限公司 | 指纹识别的方法和装置 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019228471A1 (zh) | 2019-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110555348A (zh) | 一种指纹识别方法、设备及计算机可读存储介质 | |
| He et al. | M2DP: A novel 3D point cloud descriptor and its application in loop closure detection | |
| Aldoma et al. | Multimodal cue integration through hypotheses verification for rgb-d object recognition and 6dof pose estimation | |
| Tombari et al. | A combined texture-shape descriptor for enhanced 3D feature matching | |
| AU2010338283B2 (en) | Head recognition method | |
| US20110286628A1 (en) | Systems and methods for object recognition using a large database | |
| CN107077735A (zh) | 三维对象识别 | |
| US20150253863A1 (en) | Image Processor Comprising Gesture Recognition System with Static Hand Pose Recognition Based on First and Second Sets of Features | |
| CN110298281B (zh) | 视频结构化方法、装置、电子设备及存储介质 | |
| US9405959B2 (en) | System and method for classification of objects from 3D reconstruction | |
| Zhou et al. | An efficient 3-D ear recognition system employing local and holistic features | |
| FR2931006A1 (fr) | Systeme et procede pour la reconnaissance visuelle | |
| AU2012344005A1 (en) | Method and device for following an object in a sequence of at least two images | |
| CN112633297A (zh) | 目标对象的识别方法、装置、存储介质以及电子装置 | |
| Khurana et al. | A survey on object recognition and segmentation techniques | |
| CN111259958B (zh) | 物体识别方法及装置、存储介质 | |
| US11468609B2 (en) | Methods and apparatus for generating point cloud histograms | |
| Zelener et al. | Cnn-based object segmentation in urban lidar with missing points | |
| CN116229189B (zh) | 基于荧光内窥镜的图像处理方法、装置、设备及存储介质 | |
| CN108615006B (zh) | 用于输出信息的方法和装置 | |
| Barra et al. | Unconstrained ear processing: What is possible and what must be done | |
| US20150254527A1 (en) | Methods for 3d object recognition and registration | |
| AU2016342547A1 (en) | Improvements in and relating to missile targeting | |
| CN112766175B (zh) | 活体检测方法、装置及非易失性存储介质 | |
| KR20160148806A (ko) | 방향정보를 이용한 객체 검출기 생성 방법, 이를 이용한 객체 검출 장치 및 방법 |
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 |