CN110858294B - 提升指纹识别率的指纹识别方法及指纹识别芯片 - Google Patents
提升指纹识别率的指纹识别方法及指纹识别芯片 Download PDFInfo
- Publication number
- CN110858294B CN110858294B CN201810977240.5A CN201810977240A CN110858294B CN 110858294 B CN110858294 B CN 110858294B CN 201810977240 A CN201810977240 A CN 201810977240A CN 110858294 B CN110858294 B CN 110858294B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- matching
- template
- matched
- templates
- 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
- 238000000034 method Methods 0.000 title claims abstract description 180
- 238000012795 verification Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 112
- 238000001303 quality assessment method Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 238000013441 quality evaluation Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005267 amalgamation Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000758 substrate Substances 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
- G06V40/1365—Matching; Classification
-
- 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
Abstract
本发明涉及提升指纹识别率的指纹识别方法及指纹识别芯片。基于指纹匹配标准,对于未能匹配的指纹样本进行全局校验过程,基于指纹匹配次标准,找出匹配指纹模板并将它们拼合成全局指纹模板;基于指纹匹配标准,将指纹样本与全局指纹模板进行比对。本发明增加指纹样本与全局指纹模板的重合面积,提升比对匹配成功率,提升指纹识别率,改善FRR性能和FAR性能,尤其对采用小面积指纹采集传感器的指纹识别芯片,提升指纹识别解锁的体验效果。
Description
技术领域
本发明涉及数据处理方法即实现该方法的装置,特别是涉及指纹识别数据的处理方法及指纹识别装置。
背景技术
现有技术指纹识别方法通常将指纹采集传感器采集的指纹样本与指纹识别芯片内存储的指纹模板进行遍历比对,如果找到与指纹样本匹配的指纹模板,指纹比对匹配,指纹识别成功;如果没有找到与指纹样本匹配的指纹模板,指纹比对不匹配,指纹识别失败。影响指纹识别率的相关因素之一是指纹样本与指纹模板的重合面积。一般情况下,当采集的指纹样本与指纹模板的重合面积较大时,例如两者重合面积达到5000像素以上,指纹识别率较高;反之,当采集的指纹样本与指纹模板重合面积较小时,例如两者的重合面积在2000像素以下,指纹识别率会下降。
现有技术指纹采集传感器的指纹采集面积有逐步变小的趋势,容易造成采集的指纹样本与指纹模板的平均重合面积相应变小的情况。在此情况下,现有技术仅用指纹模板与指纹样本比对的指纹识别方法将造成指纹识别解锁的体验效果不佳,简称FRR性能的指纹识别拒真率False Reject Rate性能和简称FAR性能的指纹识别认假率False AcceptRate性能都有所下降。
发明内容
本发明要解决的技术问题在于避免现有技术的不足之处而提出一种对指纹比对不匹配的指纹样本增加全局校验过程的指纹识别方法,以及使用该方法的指纹识别芯片,从而达到提升指纹识别性能的目的。所述方法将因重合面积小而疑似匹配的指纹模板构建成全局指纹模板,通过指纹样本与全局指纹模板的二次校验完善指纹匹配过程,增加指纹匹配的可能性,在重合面积较小的情况下确保指纹匹配的成功率,从而提升指纹识别率。
本发明解决所述技术问题可以通过采用以下技术方案来实现:
提出一种提升指纹识别率的指纹识别方法,基于指纹识别芯片,该指纹识别芯片设置有指纹采集传感器。指纹识别芯片内存储有一个以上经过预处理的指纹模板,指纹采集传感器采集的指纹信息经过指纹识别芯片预处理形成指纹样本。所述方法包括如下指纹识别过程:
基于指纹匹配标准,将指纹样本分别与各指纹模板进行比对;
如果指纹样本与一指纹模板匹配,返回指纹匹配成功结果,完成指纹识别过程;
如果没有指纹模板与指纹样本匹配,进行如下的全局校验过程,
设置一低于指纹匹配标准的指纹匹配次标准;
基于指纹匹配次标准,将指纹样本分别与指纹模板进行比对;
如果有一个以下的指纹模板与指纹样本匹配,返回指纹匹配不成功结果,完成指纹识别过程;
如果找到至少两指纹模板与指纹样本匹配,分别记录与指纹样本匹配的指纹模板部分为匹配指纹模板,
将各匹配指纹模板合并成全局指纹模板;
基于指纹匹配标准,将指纹样本与全局指纹模板比对;
如果指纹样本与全局指纹模板匹配,返回指纹匹配成功结果,完成指纹识别过程;
如果指纹样本与全局指纹模板不匹配,返回指纹匹配不成功结果,完成指纹识别过程。
具体地,将各匹配指纹模板合并成全局指纹模板包括如下合并过程:
如果各匹配指纹模板互不重合,直接将各匹配指纹模板拼合成全局指纹模板;
如果匹配指纹模板中存在至少一组互相重合的情况,进行如下剔除冗余重合的拼合过程,
在匹配指纹模板拼合过程中,对同一重合部分仅保留一个完整的匹配指纹模板而剔除其它匹配指纹模板的重合部分,从而将匹配指纹模板互不重合地拼合成全局指纹模板。
更具体地,如果匹配指纹模板中存在至少一组互相重合的情况,所述剔除冗余重合的拼合过程包括:
分别对每组互相重合的匹配指纹模板进行重合筛选过程,
在重合的匹配指纹模板中选择一个完整保留而成为保留重合部分的匹配指纹模板,将其它重合的匹配指纹模板的重合部分剔除而成为剔除重合部分的匹配指纹模板;
各组互相重合的匹配指纹模板完成上述重合筛选过程后,进行如下拼合过程,
如果所有匹配指纹模板中仅存在互相重合的情况,将所有保留重合部分的匹配指纹
模板和剔除重合部分的匹配指纹模板拼合成为全局指纹模板;
如果匹配指纹模板中既存在至少一组互相重合的匹配指纹模板,又存在至少一没有重合情况的匹配指纹模板,将所有没有重合情况的匹配指纹模板、保留重合部分的匹配指纹模板和剔除重合部分的匹配指纹模板拼合成为全局指纹模板。
以图像数据形式进行数据处理完成所述方法:
指纹识别芯片内存储有K个经过预处理的指纹模板Tempa,a=1,……,K,K是不小于1的自然数;各指纹模板Tempa用包括描述子的特征向量描述经过预处理的指纹模板图像,
其中,第a个指纹模板Tempa的特征向量的第一描述子Na是经过预处理提取的特征点数量,第a个指纹模板Tempa的特征向量/>的第二描述子/>是Na个特征点的描述向量集,b=1,……,Na,即/>
指纹采集传感器采集的指纹信息经过指纹识别芯片预处理形成指纹样本Sample,该指纹样本Sample用包括描述子的特征向量描述经过预处理的指纹样本图像,
其中,指纹样本Sample的特征向量的第一描述子Ns是经过预处理提取的特征点数量,指纹样本Sample的特征向量/>的第二描述子/>是Ns个特征点的描述向量集,c=1,……,Ns,即/>
第a个指纹模板Tempa与指纹样本Sample的匹配程度用指纹匹配分数MSa反映,那么,设置匹配分数阈值MSth为指纹匹配标准;
将K个指纹模板Tempa分别与指纹样本Sample进行标准比对,即将MSa分别与MSth比较;
如果出现MSa≥MSth的结果,返回指纹匹配成功结果,完成指纹识别过程;
如果没有出现MSa≥MSth的结果,进行如下的全局校验过程,
设置匹配分数次阈值SMSth为指纹匹配次标准,MSth>SMSth;
将K个指纹模板Tempa分别与指纹样本Sample进行次标准比对,即将MSa分别与SMSth比较;
如果出现一个以下MSa≥SMSth的结果,返回指纹匹配不成功结果,完成指纹识别过程;
如果出现至少两个MSa≥SMSth的结果,分别记录出现MSa≥SMSth情况的指纹匹配分数MSa所对应的指纹模板Tempa与指纹样本Sample匹配部分为匹配指纹模板Matchx,x=1,……,L,L是匹配指纹模板Matchx的数量,是不小于2的自然数;匹配指纹模板Matchx用包括描述子的特征向量描述匹配指纹图像,
其中,第x个匹配指纹模板Matchx的特征向量的第一描述子Nmx是匹配特征点数量,第x个匹配指纹模板Matchx的特征向量/>的第二描述子/>是Nx个匹配特征点的描述向量集,y=1,……,Nmx,即/>
将各匹配指纹模板Matchx合并成全局指纹模板Tempnew;全局指纹模板Tempnew用包括描述子的特征向量描述经过全局指纹模板图像,
其中,全局指纹模板Tempnew的特征向量的第一描述子Nt是特征点数量,全局指纹模板Tempnew的特征向量/>的第二描述子/>是Nt个特征点的描述向量集,d=1,……,Nt,即/>指纹样本Sample与全局指纹模板Tempnew的匹配程度用指纹匹配分数MSnew反映;
将指纹样本Sample与全局指纹模板Tempnew进行标准比对,即将MSnew与MSth比较;
如果MSnew≥MSth,返回指纹匹配成功结果,完成指纹识别过程;
如果MSnew<MSth,返回指纹匹配不成功结果,完成指纹识别过程。
具体地,将各匹配指纹模板Matchx合并成全局指纹模板Tempnew包括如下合并过程:
如果各匹配指纹模板Matchx互不重合,直接将各匹配指纹模板Matchx拼合成全局指纹模板Tempnew,那么,
Nt=Nm1+……+NmL
如果匹配指纹模板Matchx中存在至少一组互相重合的情况,进行如下剔除冗余重合的拼合过程,
在匹配指纹模板Matchx拼合过程中,对构成同一重合部分的特征向量根据特征点剔除规则剔除冗余的匹配特征点向量,从而将匹配指纹模板Matchx互不重合地拼合成全局指纹模板Tempnew,那么,
Nt<(Nm1+……+NmL)
一种方案,所述特征点剔除规则是,以一像素距离为单位在重合部分所在区域内不重叠地筛查匹配特征点,使任一像素距离内保留一个匹配特征点而剔除冗余的匹配特征点。
另一种方案,指纹模板Tempa的特征向量还包括作为第三描述子的指纹模板Tempa的索引序号indexa;那么,匹配指纹模板Matchx的特征向量/>包括作为第三描述子的匹配指纹模板索引序号indexx;所述匹配指纹模板索引序号indexx就是匹配指纹模板Matchx所属指纹模板Tempa的索引序号indexa;
所述特征点剔除规则是,对构成同一重合部分的匹配指纹模板Matchx的特征向量的匹配特征点,保留匹配指纹模板索引序号indexx最小的特征向量/>的匹配特征点而剔除其余匹配特征点,
或者,
对构成同一重合部分的匹配指纹模板Matchx的特征向量的匹配特征点,保留匹配指纹模板索引序号indexx最大的特征向量/>的匹配特征点而剔除其余匹配特征点,
或者,
对构成同一重合部分的匹配指纹模板Matchx的特征向量的匹配特征点,保留随机选定的一匹配指纹模板索引序号indexx的特征向量/>的匹配特征点而剔除其余匹配特征点。
又一种方案,指纹模板Tempa的特征向量还包括作为第四描述子的、指纹模板Tempa在预处理时得到的质量评估分数scorea;那么,匹配指纹模板Matchx的特征向量/>包括作为第四描述子的匹配指纹模板质量评估分数scorex;该匹配指纹模板质量评估分数scorex就是匹配指纹模板Matchx所属指纹模板Tempa的质量评估分数scorea;所述特征点剔除规则是,对构成同一重合部分的匹配指纹模板Matchx的特征向量/>的匹配特征点,保留反映图像质量最优的匹配指纹模板质量评估分数scorex的特征向量/>的匹配特征点而剔除其余匹配特征点。
具体而言,指纹模板Tempa的特征向量还包括作为第五描述子的、在同一坐标系下Tempa的变换矩阵Ha;
全局指纹模板Tempnew的特征向量的还包括作为第五描述子的、在同一坐标系下Tempnew的变换矩阵Hnew;该特征向量/>的第五描述子反映将各匹配指纹模板Matchx合并后的变换矩阵Hnew。
本发明解决所述技术问题还可以通过采用以下技术方案来实现:
设计、制造一种能够提升指纹识别率的指纹识别芯片,包括指纹采集传感器。指纹识别芯片内存储有一个以上经过预处理的指纹模板,指纹采集传感器采集的指纹信息经过指纹识别芯片预处理形成指纹样本。指纹识别芯片还包括两个以上电子元器件;各电子元器件的组成和连接结构使该指纹识别芯片能够完成如下指纹识别过程:
基于指纹匹配标准,将指纹样本分别与指纹模板进行比对;
如果指纹样本与一指纹模板匹配,返回匹配成功结果,完成指纹识别过程;
如果没有指纹模板与指纹样本匹配,进行如下的全局校验过程,
设置一低于指纹匹配标准的指纹匹配次标准;
基于指纹匹配次标准,将指纹样本分别与指纹模板进行比对;
如果有一个以下的指纹模板与指纹样本匹配,返回指纹匹配不成功结果,完成指纹识别过程;
如果找到至少两指纹模板与指纹样本匹配,分别记录与指纹样本匹配的指纹模板部分为匹配指纹模板,
将各匹配指纹模板合并成全局指纹模板;
基于指纹匹配标准,将指纹样本与全局指纹模板比对;
如果指纹样本与全局指纹模板匹配,返回指纹匹配成功结果,完成指纹识别过程;
如果指纹样本与全局指纹模板不匹配,返回指纹匹配不成功结果,完成指纹识别过程。
同现有技术相比较,本发明“提升指纹识别率的指纹识别方法及指纹识别芯片”的技术效果在于:
增加了全局校验过程,将疑似匹配的指纹模板拼合成全局指纹模板,增加指纹样本与全局指纹模板的重合面积,在指纹样本与指纹模板的重合面积小的情况下提升比对匹配成功率,提升指纹识别率,改善FRR性能和FAR性能,尤其对采用小面积指纹采集传感器的指纹识别芯片,提升指纹识别解锁的体验效果。
附图说明
图1是本发明提升指纹识别率的指纹识别方法的流程示意图;
图2是图1所示流程653的具体流程示意图;
图3是本发明第一实施例匹配指纹模板示意图;
图4是所述第一实施例的全局指纹模板示意图;
图5是本发明第二实施例匹配指纹模板示意图;
图6是所述第二实施例的全局指纹模板示意图;
图7是本发明以图像数据形式进行数据处理完成所述方法的流程示意图;
图8是图7全局校验过程810的具体流程示意图;
图9是本发明能够提升指纹识别率的指纹识别芯片的电原理示意框图。
具体实施方式
以下结合附图所示各实施例作进一步详述。
本发明提出一种提升指纹识别率的指纹识别方法,如图9所示,基于指纹识别芯片5,该指纹识别芯片设置有指纹采集传感器51。根据应用场合和需求,指纹识别芯片5所基于的指纹信息采集和信号转换原理不尽相同,其所设置的指纹采集传感器51的指纹信息采集方式也相应不同。本发明第一实施例和第二实施例,指纹识别芯片5基于电容式指纹信息采集方式,指纹采集传感器51相应采用电容式指纹采集传感器,指纹采集传感器51是设置在指纹采集面内的电容阵列,手指接触指纹采集传感器,通过采集因指纹引起的电容阵列的电容值变化而侦测指纹信息。如图1所示,所述提升指纹识别率的指纹识别方法包括如下指纹识别过程:
如图1所示流程61,指纹采集传感器51采集指纹信息;
如图1所示流程62,指纹采集传感器51采集的指纹信息经过指纹识别芯片5预处理形成指纹样本;
另外,如图1所示流程63,指纹识别芯片5内存储有一个以上经过预处理的指纹模板,指纹识别芯片5将存储的指纹模板与指纹样本进行比对;
在指纹识别芯片5内设置有指纹匹配标准,如图1所示流程64,基于该指纹匹配标准,将指纹样本分别与各指纹模板进行比对;
如果指纹样本与一指纹模板匹配,跳转至图1所示流程66,返回指纹匹配成功结果,进而完成指纹识别过程;
如果没有指纹模板与指纹样本匹配,跳转进入图1所示流程区块65,该流程区块65用于完成全局校验,进行如下的全局校验过程:
针对全局校验指纹识别芯片5内设置一低于指纹匹配标准的指纹匹配次标准,借助指纹匹配次标准,找出与指纹样本存在匹配可能性,但因指纹样本与指纹模板重合面积小而导致比对匹配无法达到指纹匹配标准的指纹模板;
如图1所示流程651,基于指纹匹配次标准,将指纹样本分别与指纹模板进行比对;
在指纹样本与各指纹模板遍历进行比对后,如果有一个以下的指纹模板与指纹样本匹配,虽然找到疑似匹配的指纹模板,但是仅凭借一疑似匹配的指纹模板无法进行指纹模板重构,因而跳转至图1所示流程67,返回指纹匹配不成功结果,完成指纹识别过程;
在指纹样本与各指纹模板遍历进行比对后,如果找到至少两指纹模板与指纹样本匹配,跳转至图1所示流程652,分别记录与指纹样本匹配的指纹模板部分为匹配指纹模板,本发明第一实施例,如图3所示,指纹样本所占区域如图3中Z指示区域,经过流程651找到3个指纹模板11、21、31,它们与指纹样本都因重合面积小而导致比对无法达到指纹匹配标准,但符合指纹匹配次标准;指纹模板11与指纹样本匹配部分记录为匹配指纹模板111,指纹模板21与指纹样本匹配部分记录为匹配指纹模板211,指纹模板31与指纹样本匹配部分记录为匹配指纹模板311;
如图1所示流程653,将流程652记录的各匹配指纹模板合并成全局指纹模板,本发明第一实施例,如图4所示,匹配指纹模板111、211和311合并成为全局指纹模板41,显然全局指纹模板41与指纹样本的重合面积相较指纹模板11、21和31都大,从而提升与指纹样本比对匹配的识别率;
如图1所示流程654,基于指纹匹配标准,将指纹样本与流程653获取的全局指纹模板比对;
如果指纹样本与全局指纹模板匹配,跳转至图1所示流程66,返回指纹匹配成功结果,完成指纹识别过程;
如果指纹样本与全局指纹模板不匹配,跳转至图1所示流程67,返回指纹匹配不成功结果,完成指纹识别过程。
本发明将疑似匹配的指纹模板拼合成全局指纹模板,增加指纹样本与全局指纹模板的重合面积,在指纹样本与指纹模板的重合面积小的情况下提升比对匹配成功率,提升指纹识别率,改善FRR性能和FAR性能,尤其对采用小面积指纹采集传感器的指纹识别芯片,提升指纹识别解锁的体验效果。
本发明第一实施例,如图3和图4所示,将各匹配指纹模板合并成全局指纹模板时,由于匹配指纹模板11、21、31互不重合,因而直接匹配成全局指纹模板41。但是,如本发明第二实施例,如图5所示,匹配指纹模板还有可能出现互相重合的情况,如果此种情况下将匹配指纹模板直接合并,匹配指纹模板的重合区域会重复合并,导致全局指纹模板与指纹样本认假的可能性大大增加,还会增加数据处理量。为解决此问题,如图2所示,本申请提升指纹识别率的指纹识别方法将各匹配指纹模板合并成全局指纹模板的过程653进一步优化为以下合并过程:
如图2所示流程71,判断匹配指纹模板是否存在互相重合情况;
如果各匹配指纹模板互不重合,如本发明第一实施例,如图3和图4所示,直接将各匹配指纹模板111、211、311拼合成全局指纹模板41;
如果匹配指纹模板中存在至少一组互相重合的情况,如本发明第二实施例,如图5所示,进行如下剔除冗余重合的拼合过程:
如图2所示流程72,进行剔除冗余重合处理,在匹配指纹模板拼合过程中,对同一重合部分仅保留一个完整的匹配指纹模板而剔除其它匹配指纹模板的重合部分,从而将匹配指纹模板互不重合地拼合成全局指纹模板;
本发明第二实施例,如图5所示,指纹样本所占区域如图5中Z指示区域,经过流程651找到3个指纹模板12、22、32,它们与指纹样本都因重合面积小而导致比对匹配无法达到指纹匹配标准,但符合指纹匹配次标准;指纹模板12与指纹样本匹配部分记录为匹配指纹模板121,指纹模板22与指纹样本匹配部分记录为匹配指纹模板221,指纹模板32与指纹样本匹配部分记录为匹配指纹模板321;其中匹配指纹模板121与匹配指纹模板221存在互相重合的情况,对于它们的重合部分,保留匹配指纹模板221,而剔除匹配指纹模板121的重合部分;那么,如图5所示,匹配指纹模板121包括没有重合的第一匹配指纹模板部分1211和重合的第二匹配指纹模板部分1212,将重合的第二匹配指纹模板部分1212剔除后,匹配指纹模板121进行冗余重合处理后保留第一匹配指纹模板部分1211;
如图2所示流程73,匹配指纹模板拼合成全局指纹模板,如图6所示,全局指纹模板42包括被剔除冗余重合处理后的匹配指纹模板121,即第一匹配指纹模板部分1211,匹配指纹模板221,以及匹配指纹模板321,从而解决匹配指纹模板的重合问题。
如果匹配指纹模板中存在至少一组互相重合的情况,本发明第二实施例,如图5和图6所示,所述剔除冗余重合的拼合过程更具体为如下过程:
分别对每组互相重合的匹配指纹模板进行重合筛选过程:
在重合的匹配指纹模板中选择一个完整保留而成为保留重合部分的匹配指纹模板,例如,本发明第二实施例的匹配指纹模板221就是保留重合部分的匹配指纹模板,将其它重合的匹配指纹模板的重合部分剔除而成为剔除重合部分的匹配指纹模板,例如,对本发明第二实施例的匹配指纹模板121的处理,第一匹配指纹模板部分1211就是剔除重合部分的匹配指纹模板;
本发明第二实施例,如图5所示,只有一组互相重合的匹配指纹模板,显然对于一组以上互相重合的匹配指纹模板,需要对每组互相重合的匹配指纹模板进行相应处理,即重合筛选过程;
各组互相重合的匹配指纹模板完成上述重合筛选过程后,进行如下拼合过程:
如本发明第二实施例,如果匹配指纹模板中既存在至少一组互相重合的匹配指纹模板,又存在至少一没有重合情况的匹配指纹模板,例如,本发明第二实施例的匹配指纹模板321就是没有重合情况的匹配指纹模板,将所有没有重合情况的匹配指纹模板、保留重合部分的匹配指纹模板和剔除重合部分的匹配指纹模板拼合成为全局指纹模板,例如,本发明第二实施例,如图6所示,将匹配指纹模板321、匹配指纹模板221和第一匹配指纹模板部分1211拼合成为全局指纹模板42;
显然,如果所有匹配指纹模板中仅存在互相重合的情况,将所有保留重合部分的匹配指纹模板和剔除重合部分的匹配指纹模板拼合成为全局指纹模板。
本发明还提出将采集的指纹信息以图像数据形式处理的指纹识别方法,如图7和图8所示,
如图7所示流程801,指纹采集传感器51采集的指纹信息;
如图7所示流程802,指纹采集传感器51采集的指纹信息经过指纹识别芯片5预处理形成指纹样本Sample;
指纹样本Sample用包括描述子的特征向量描述经过预处理的指纹样本图像,
其中,指纹样本Sample的特征向量的第一描述子Ns是经过预处理提取的特征点数量,指纹样本Sample的特征向量/>的第二描述子/>是Ns个特征点的描述向量集,c=1,……,Ns,即/>
如图7所示流程803,指纹识别芯片5内存储有K个经过预处理的指纹模板Tempa,a=1,……,K,K是不小于1的自然数;各指纹模板Tempa用包括描述子的特征向量描述经过预处理的指纹模板图像,
其中,第a个指纹模板Tempa的特征向量的第一描述子Na是经过预处理提取的特征点数量,第a个指纹模板Tempa的特征向量/>的第二描述子/>是Na个特征点的描述向量集,b=1,……,Na,即/>
指纹识别芯片5将存储的指纹模板Tempa与指纹样本Sample进行比对,第a个指纹模板Tempa与指纹样本Sample的匹配程度用指纹匹配分数MSa反映,指纹匹配分数MSa越高意味着匹配度越高,那么,设置匹配分数阈值MSth为指纹匹配标准;显然当指纹匹配分数MSa越低意味着匹配度越高时,需要根据逻辑关系,对以下过程做相应调整即可;
将K个指纹模板Tempa分别与指纹样本Sample进行标准比对,即将MSa分别与MSth比较;
如果出现MSa≥MSth的结果,返回指纹匹配成功结果,完成指纹识别过程;
如果没有出现MSa≥MSth的结果,进行全局校验过程。
如图7所示,以i为循环变量,完成上述基于匹配分数阈值MSth的比对过程:
图7所示流程804,循环变量i置1,相当于指纹模板Tempa的序号置1;
图7所示流程805,判断跳出循环条件i≤K?
如果i还没有达到指纹模板的最大序号K,就进行流程806;如果i超出指纹模板的最大序号K,意味着比对过程已经遍历所有指纹模板Tempa而没有出现MSa≥MSth的结果,循环结束,进行流程810;
图7所示流程806,以循环变量i的当前值作为指纹模板Tempa和指纹匹配分数MSa的序号,形成反映当前指纹模板Tempi与指纹样本Sample匹配程度的当前指纹匹配分数MSi,进行流程807;
图7所示流程807,判断MSi≥MSth?;如果MSi≥MSth,说明当前指纹模板Tempi与指纹样本Sample匹配,直接跳出循环,进行流程809;如果MSi<MSth,说明当前指纹模板Tempi与指纹样本Sample不匹配,进行流程808,继续循环;
图7所示流程808,循环变量累计i=i+1,返回流程805;
图7所示流程810,即遍历所有指纹模板Tempa而没有出现MSa≥MSth的结果,循环结束后,进行全局校验过程。
全局校验过程如图8所示:
设置匹配分数次阈值SMSth为指纹匹配次标准,MSth>SMSth;
将K个指纹模板Tempa分别与指纹样本Sample进行次标准比对,即将MSa分别与SMSth比较;
如果出现一个以下MSa≥SMSth的结果,返回指纹匹配不成功结果,完成指纹识别过程;
如果出现至少两个MSa≥SMSth的结果,分别记录出现MSa≥SMSth情况的指纹匹配分数MSa所对应的指纹模板Tempa与指纹样本Sample匹配部分为匹配指纹模板Matchx,x=1,……,L,L是匹配指纹模板Matchx的数量,是不小于2的自然数;匹配指纹模板Matchx用包括描述子的特征向量描述匹配指纹图像,
其中,第x个匹配指纹模板Matchx的特征向量的第一描述子Nmx是匹配特征点数量,第x个匹配指纹模板Matchx的特征向量/>的第二描述子/>是Nmx个匹配特征点的描述向量集,y=1,……,Nmx,即/>
将各匹配指纹模板Matchx合并成全局指纹模板Tempnew;全局指纹模板Tempnew用包括描述子的特征向量描述经过全局指纹模板图像,
其中,全局指纹模板Tempnew的特征向量的第一描述子Nt是特征点数量,全局指纹模板Tempnew的特征向量/>的第二描述子/>是Nt个特征点的描述向量集,d=1,……,Nt,即/>指纹样本Sample与全局指纹模板Tempnew的匹配程度用指纹匹配分数MSnew反映;
将指纹样本Sample与全局指纹模板Tempnew进行标准比对,即将MSnew与MSth比较;
如果MSnew≥MSth,返回指纹匹配成功结果,完成指纹识别过程;
如果MSnew<MSth,返回指纹匹配不成功结果,完成指纹识别过程。
如图8所示,以j为循环变量,完成上述全局校验过程,即图7所示流程810:
图8所示流程901至905,以j为循环变量,以循环变量j的当前值作为指纹模板Tempa和指纹匹配分数MSa的序号,形成反映当前指纹模板Tempj与指纹样本Sample匹配程度的当前指纹匹配分数MSj,基于匹配分数次阈值SMSth进行比较匹配;同时以q为计数变量,记录出现匹配的次数,即发生MSj≥SMSth指纹模板Tempa的数量,同时记录该指纹模板Tempa与指纹样本Sample匹配部分的匹配指纹模板Matchx;
图8所示流程906至910完成将匹配指纹模板Matchx合并成全局指纹模板Tempnew并校验匹配的过程;流程906首先判断的匹配指纹模板Matchx数量q,当q≥2时,进行流程907,将匹配指纹模板Matchx合并成全局指纹模板Tempnew;通过比较指纹匹配分数MSnew与匹配分数阈值MSth进行比对,形成全局校验结果。
将各匹配指纹模板Matchx合并成全局指纹模板Tempnew包括如下合并过程:
如果各匹配指纹模板Matchx互不重合,直接将各匹配指纹模板Matchx拼合成全局指纹模板Tempnew,那么,
Nt=Nm1+……+NmL,
本发明第一实施例,如图3和图4所示,指纹模板11、21、31与指纹样本Sample都因重合面积小而导致各自相应指纹匹配分数无法达到匹配分数阈值MSth,但达到匹配分数次阈值SMSth,从而形成匹配指纹模板111、211、311,即L=3,也就是,
匹配指纹模板Match1,
匹配指纹模板Match2,/>
匹配指纹模板Match3,
将各匹配指纹模板Match1,Match2和Match3拼合成全局指纹模板Tempnew,即,
其中,Nt=Nm1+Nm2+Nm3,
如果匹配指纹模板Matchx中存在至少一组互相重合的情况,进行如下剔除冗余重合的拼合过程:
在匹配指纹模板Matchx拼合过程中,对构成同一重合部分的特征向量根据特征点剔除规则剔除冗余的匹配特征点向量,从而将匹配指纹模板Matchx互不重合地拼合成全局指纹模板Tempnew,那么,
Nt<(N1+……+NL),
本发明第二实施例,如图5和图6所示,指纹模板12、22、32与指纹样本Sample都因重合面积小而导致各自相应指纹匹配分数无法达到匹配分数阈值MSth,但达到匹配分数次阈值SMSth,从而形成匹配指纹模板121、221、321,即L=3,也就是,
匹配指纹模板Match1,
匹配指纹模板Match2,
匹配指纹模板Match3,
其中匹配指纹模板121和221互相重合,第二实施例选择对匹配指纹模板121剔除冗余的匹配特征点,意味着对于匹配指纹模板Match1,剔除冗余的匹配特征点后,匹配特征点的数量Nm1*将减少,Nm1<Nm1*,匹配特征点向量集*被/>包含,/>剔除冗余的匹配特征点后匹配指纹模板Match1变成剔除冗余的匹配指纹模板Match1*,也就是,
将各匹配指纹模板Match1,Match2和Match3互不重合地拼合成全局指纹模板Tempnew就是将Match1*,Match2和Match3拼合成全局指纹模板Tempnew,即,
其中,
Nt=(Nm1*+Nm2+Nm3)<Nm1+Nm2+Nm3,
本发明所述特征点剔除规则为重合部分的匹配特征点剔除提供剔除标准,根据指纹识别芯片5的数据处理能力,应用场景和运行环境等因素可以做出灵活选择,特征点剔除规则可以选择以下举出的至少一种:
第一种特征点提出规则:
指纹模板Tempa的特征向量还包括作为第三描述子的指纹模板Tempa的索引序号indexa;那么,匹配指纹模板Matchx的特征向量/>包括作为第三描述子的匹配指纹模板索引序号indexx;所述匹配指纹模板索引序号indexx就是匹配指纹模板Matchx所属指纹模板Tempa的索引序号indexa;
本发明第二实施例,考虑到第三描述子indexx,具体为,
匹配指纹模板Match1,
匹配指纹模板Match2,
匹配指纹模板Match3,
也就是index1=1,index2=2,index3=3;
所述特征点剔除规则是,对构成同一重合部分的匹配指纹模板Matchx的特征向量的匹配特征点,保留匹配指纹模板索引序号indexx最大的特征向量/>的匹配特征点而剔除其余匹配特征点;
对于第二实施例,对于重合的匹配指纹模板Match1和匹配指纹模板Match2,匹配指纹模板Match2的匹配指纹模板索引序号index2=2最大,因而保留匹配指纹模板Match2的重合部分,而剔除匹配指纹模板Match1在重合部分的匹配特征点,即匹配指纹模板121在剔除重合部分的匹配特征点之后形成第一匹配指纹模板部分1211。
第二种特征点剔除规则:
基于第三描述子的匹配指纹模板索引序号indexx,所述特征点剔除规则还可以是,对构成同一重合部分的匹配指纹模板Matchx的特征向量的匹配特征点,保留匹配指纹模板索引序号indexx最小的特征向量/>的匹配特征点而剔除其余匹配特征点。
第三种特征点剔除规则:
基于第三描述子的匹配指纹模板索引序号indexx,所述特征点剔除规则又可以是,对构成同一重合部分的匹配指纹模板Matchx的特征向量的匹配特征点,保留随机选定的一匹配指纹模板索引序号indexx的特征向量/>的匹配特征点而剔除其余匹配特征点。
第四种特征点剔除规则:
以一像素距离为单位在重合部分所在区域内不重叠地筛查匹配特征点,使任一像素距离内保留一个匹配特征点而剔除冗余的匹配特征点,也就是在任一像素距离内,有两个以上分属不同匹配指纹模板的匹配特征点,就选择其中一个匹配特征点保留,将其它匹配特征点剔除。
第五种特征点剔除规则:
对指纹信息进行图像预处理包括图像滤波增强和图像质量评估。对不同模组采集到的指纹信息,常用的滤波增强方法包括中值滤波、高斯滤波、直方图拉伸等;而图像质量评估会对每张图像进行打分标记。因而在对指纹信息进行预处理后,还能够形成反映图像质量的质量评估分数,该质量评估分数与指纹图像的对比度、直方图分布密切相关,纹理清晰且谷脊对比度更强的指纹图像的质量评估分数更高。指纹模板Tempa的特征向量还包括作为第四描述子的、指纹模板Tempa在预处理时得到的质量评估分数scorea;那么,匹配指纹模板Matchx的特征向量/>包括作为第四描述子的匹配指纹模板质量评估分数scorex;该匹配指纹模板质量评估分数scorex就是匹配指纹模板Matchx所属指纹模板Tempa的质量评估分数scorea;那么可以选用的特征点剔除规则还可以是,对构成同一重合部分的匹配指纹模板Matchx的特征向量/>的匹配特征点,保留反映图像质量最优的匹配指纹模板质量评估分数scorex的特征向量/>的匹配特征点而剔除其余匹配特征点。
另外,指纹模板Tempa的特征向量还包括作为第五描述子的、在同一坐标系下Tempa的变换矩阵Ha。进一步地,全局指纹模板Tempnew的特征向量/>的还包括作为第五描述子的、在同一坐标系下Tempnew的变换矩阵Hnew;该特征向量/>的第五描述子反映将各匹配指纹模板Matchx合并后的变换矩阵Hnew。
对于指纹识别,特征向量的第三至第五描述子可以根据实际情况选择是否用于指纹识别的数据处理,另外,特征向量还可以有更多的描述子用于必要的数据处理。
基于所述指纹识别方法,本发明还提出一种能够提升指纹识别率的指纹识别芯片5,如图9所示,包括指纹采集传感器51。根据应用场合和需求,指纹识别芯片5所基于的指纹信息采集和信号转换原理不尽相同,其所设置的指纹采集传感器51的指纹信息采集方式也相应不同。本发明第一实施例和第二实施例,指纹识别芯片5基于电容式指纹信息采集方式,指纹采集传感器51相应采用电容式指纹采集传感器,指纹采集传感器51是设置在指纹采集面内的电容阵列,手指接触指纹采集传感器,通过采集因指纹引起的电容阵列的电容值变化而侦测指纹信息。指纹识别芯片5内存储有一个以上经过预处理的指纹模板,指纹采集传感器51采集的指纹信息经过指纹识别芯片5预处理形成指纹样本。指纹识别芯片5包括两个以上电子元器件。各电子元器件的组成和连接结构使该指纹识别芯片5能够完成如下指纹识别过程:
基于指纹匹配标准,将指纹样本分别与指纹模板进行比对;
如果指纹样本与一指纹模板匹配,返回指纹匹配成功结果,完成指纹识别过程;
如果没有指纹模板与指纹样本匹配,进行如下的全局校验过程,
设置一低于指纹匹配标准的指纹匹配次标准;
基于指纹匹配次标准,将指纹样本分别与指纹模板进行比对;
如果有一个以下的指纹模板与指纹样本匹配,返回指纹匹配不成功结果,完成指纹识别过程;
如果找到至少两指纹模板与指纹样本匹配,分别记录与指纹样本匹配的指纹模板部分为匹配指纹模板,
将各匹配指纹模板合并成全局指纹模板;
基于指纹匹配标准,将指纹样本与全局指纹模板比对;
如果指纹样本与全局指纹模板匹配,返回指纹匹配成功结果,完成指纹识别过程;
如果指纹样本与全局指纹模板不匹配,返回指纹匹配不成功结果,完成指纹识别过程。
以上所述具体的指纹识别方法都适用于所述指纹识别芯片5。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (9)
1.一种提升指纹识别率的指纹识别方法,基于指纹识别芯片,该指纹识别芯片设置有指纹采集传感器;指纹识别芯片内存储有一个以上经过预处理的指纹模板,指纹采集传感器采集的指纹信息经过指纹识别芯片预处理形成指纹样本;其特征在于所述方法包括如下指纹识别过程:
基于指纹匹配标准,将指纹样本分别与各指纹模板进行比对;
如果指纹样本与一指纹模板匹配,返回指纹匹配成功结果,完成指纹识别过程;
如果没有指纹模板与指纹样本匹配,进行如下的全局校验过程,
设置一低于指纹匹配标准的指纹匹配次标准;
基于指纹匹配次标准,将指纹样本分别与指纹模板进行比对;
如果有一个以下的指纹模板与指纹样本匹配,返回指纹匹配不成功结果,完成指纹识别过程;
如果找到至少两指纹模板与指纹样本匹配,分别记录与指纹样本匹配的指纹模板部分为匹配指纹模板,
将各匹配指纹模板合并成全局指纹模板;
基于指纹匹配标准,将指纹样本与全局指纹模板比对;
如果指纹样本与全局指纹模板匹配,返回指纹匹配成功结果,完成指纹识别过程;
如果指纹样本与全局指纹模板不匹配,返回指纹匹配不成功结果,完成指纹识别过程;
指纹识别芯片内存储有K个经过预处理的指纹模板Tempa,a=1,……,K,K是不小于1的自然数;各指纹模板Tempa用包括描述子的特征向量描述经过预处理的指纹模板图像,
其中,第a个指纹模板Tempa的特征向量的第一描述子Na是经过预处理提取的特征点数量,第a个指纹模板Tempa的特征向量/>的第二描述子/>是Na个特征点的描述向量集,b=1,……,Na,即/>
指纹采集传感器采集的指纹信息经过指纹识别芯片预处理形成指纹样本Sample,该指纹样本Sample用包括描述子的特征向量描述经过预处理的指纹样本图像,
其中,指纹样本Sample的特征向量的第一描述子Ns是经过预处理提取的特征点数量,指纹样本Sample的特征向量/>的第二描述子/>是Ns个特征点的描述向量集,c=1,……,Ns,即/>
第a个指纹模板Tempa与指纹样本Sample的匹配程度用指纹匹配分数MSa反映,那么,设置匹配分数阈值MSth为指纹匹配标准;
将K个指纹模板Tempa分别与指纹样本Sample进行标准比对,即将MSa分别与MSth比较;
如果出现MSa≥MSth的结果,返回指纹匹配成功结果,完成指纹识别过程;
如果没有出现MSa≥MSth的结果,进行如下的全局校验过程,
设置匹配分数次阈值SMSth为指纹匹配次标准,MSth>SMSth;
将K个指纹模板Tempa分别与指纹样本Sample进行次标准比对,即将MSa分别与SMSth比较;
如果出现一个以下MSa≥SMSth的结果,返回指纹匹配不成功结果,完成指纹识别过程;
如果出现至少两个MSa≥SMSth的结果,分别记录出现MSa≥SMSth情况的指纹匹配分数MSa所对应的指纹模板Tempa与指纹样本Sample匹配部分为匹配指纹模板Matchx,x=1,……,L,L是匹配指纹模板Matchx的数量,是不小于2的自然数;匹配指纹模板Matchx用包括描述子的特征向量描述匹配指纹图像,
其中,第x个匹配指纹模板Matchx的特征向量的第一描述子Nmx是匹配特征点数量,第x个匹配指纹模板Matchx的特征向量/>的第二描述子/>是Nx个匹配特征点的描述向量集,y=1,……,Nmx,即/>
将各匹配指纹模板Matchx合并成全局指纹模板Tempnew;全局指纹模板Tempnew用包括描述子的特征向量描述经过全局指纹模板图像,
其中,全局指纹模板Tempnew的特征向量的第一描述子Nt是特征点数量,全局指纹模板Tempnew的特征向量/>的第二描述子/>是Nt个特征点的描述向量集,d=1,……,Nt,即指纹样本Sample与全局指纹模板Tempnew的匹配程度用指纹匹配分数MSnew反映;
将指纹样本Sample与全局指纹模板Tempnew进行标准比对,即将MSnew与MSth比较;
如果MSnew≥MSth,返回指纹匹配成功结果,完成指纹识别过程;
如果MSnew<MSth,返回指纹匹配不成功结果,完成指纹识别过程。
2.根据权利要求1所述的提升指纹识别率的指纹识别方法,其特征在于:
将各匹配指纹模板合并成全局指纹模板包括如下合并过程,
如果各匹配指纹模板互不重合,直接将各匹配指纹模板拼合成全局指纹模板;
如果匹配指纹模板中存在至少一组互相重合的情况,进行如下剔除冗余重合的拼合过程,
在匹配指纹模板拼合过程中,对同一重合部分仅保留一个完整的匹配指纹模板而剔除其它匹配指纹模板的重合部分,从而将匹配指纹模板互不重合地拼合成全局指纹模板。
3.根据权利要求2所述的提升指纹识别率的指纹识别方法,其特征在于:
如果匹配指纹模板中存在至少一组互相重合的情况,所述剔除冗余重合的拼合过程包括,
分别对每组互相重合的匹配指纹模板进行重合筛选过程,
在重合的匹配指纹模板中选择一个完整保留而成为保留重合部分的匹配指纹模板,将其它重合的匹配指纹模板的重合部分剔除而成为剔除重合部分的匹配指纹模板;
各组互相重合的匹配指纹模板完成上述重合筛选过程后,进行如下拼合过程,
如果所有匹配指纹模板中仅存在互相重合的情况,将所有保留重合部分的匹配指纹模板和剔除重合部分的匹配指纹模板拼合成为全局指纹模板;
如果匹配指纹模板中既存在至少一组互相重合的匹配指纹模板,又存在至少一没有重合情况的匹配指纹模板,将所有没有重合情况的匹配指纹模板、保留重合部分的匹配指纹模板和剔除重合部分的匹配指纹模板拼合成为全局指纹模板。
4.根据权利要求1所述的提升指纹识别率的指纹识别方法,其特征在于:
将各匹配指纹模板Matchx合并成全局指纹模板Tempnew包括如下合并过程,
如果各匹配指纹模板Matchx互不重合,直接将各匹配指纹模板Matchx拼合成全局指纹模板Tempnew,那么,
Nt=Nm1+……+NmL,
如果匹配指纹模板Matchx中存在至少一组互相重合的情况,进行如下剔除冗余重合的拼合过程,
在匹配指纹模板Matchx拼合过程中,对构成同一重合部分的特征向量根据特征点剔除规则剔除冗余的匹配特征点向量,从而将匹配指纹模板Matchx互不重合地拼合成全局指纹模板Tempnew,那么,
Nt<(Nm1+……+NmL),
5.根据权利要求4所述的提升指纹识别率的指纹识别方法,其特征在于:
所述特征点剔除规则是,以一像素距离为单位在重合部分所在区域内不重叠地筛查匹配特征点,使任一像素距离内保留一个匹配特征点而剔除冗余的匹配特征点。
6.根据权利要求4所述的提升指纹识别率的指纹识别方法,其特征在于:
指纹模板Tempa的特征向量还包括作为第三描述子的指纹模板Tempa的索引序号indexa;那么,匹配指纹模板Matchx的特征向量/>包括作为第三描述子的匹配指纹模板索引序号indexx;所述匹配指纹模板索引序号indexx就是匹配指纹模板Matchx所属指纹模板Tempa的索引序号indexa;
所述特征点剔除规则是,对构成同一重合部分的匹配指纹模板Matchx的特征向量的匹配特征点,保留匹配指纹模板索引序号indexx最小的特征向量/>的匹配特征点而剔除其余匹配特征点,
或者,
对构成同一重合部分的匹配指纹模板Matchx的特征向量的匹配特征点,保留匹配指纹模板索引序号indexx最大的特征向量/>的匹配特征点而剔除其余匹配特征点,
或者,
对构成同一重合部分的匹配指纹模板Matchx的特征向量的匹配特征点,保留随机选定的一匹配指纹模板索引序号indexx的特征向量/>的匹配特征点而剔除其余匹配特征点。
7.根据权利要求4所述的提升指纹识别率的指纹识别方法,其特征在于:
指纹模板Tempa的特征向量还包括作为第四描述子的、指纹模板Tempa在预处理时得到的质量评估分数scorea;那么,匹配指纹模板Matchx的特征向量/>包括作为第四描述子的匹配指纹模板质量评估分数scorex;该匹配指纹模板质量评估分数scorex就是匹配指纹模板Matchx所属指纹模板Tempa的质量评估分数scorea;
所述特征点剔除规则是,对构成同一重合部分的匹配指纹模板Matchx的特征向量的匹配特征点,保留反映图像质量最优的匹配指纹模板质量评估分数scorex的特征向量/>的匹配特征点而剔除其余匹配特征点。
8.根据权利要求1、5至7之任一所述的提升指纹识别率的指纹识别方法,其特征在于:
指纹模板Tempa的特征向量还包括作为第五描述子的、在同一坐标系下Tempa的变换矩阵Ha;
全局指纹模板Tempnew的特征向量的还包括作为第五描述子的、在同一坐标系下Tempnew的变换矩阵Hnew;该特征向量/>的第五描述子反映将各匹配指纹模板Matchx合并后的变换矩阵Hnew。
9.一种能够提升指纹识别率的指纹识别芯片,包括指纹采集传感器;指纹识别芯片内存储有一个以上经过预处理的指纹模板,指纹采集传感器采集的指纹信息经过指纹识别芯片预处理形成指纹样本;其特征在于:
指纹识别芯片还包括两个以上电子元器件;各电子元器件的组成和连接结构使该指纹识别芯片能够完成如下指纹识别过程,
基于指纹匹配标准,将指纹样本分别与指纹模板进行比对;
如果指纹样本与一指纹模板匹配,返回指纹匹配成功结果,完成指纹识别过程;
如果没有指纹模板与指纹样本匹配,进行如下的全局校验过程,
设置一低于指纹匹配标准的指纹匹配次标准;
基于指纹匹配次标准,将指纹样本分别与指纹模板进行比对;
如果有一个以下的指纹模板与指纹样本匹配,返回指纹匹配不成功结果,完成指纹识别过程;
如果找到至少两指纹模板与指纹样本匹配,分别记录与指纹样本匹配的指纹模板部分为匹配指纹模板,
将各匹配指纹模板合并成全局指纹模板;
基于指纹匹配标准,将指纹样本与全局指纹模板比对;
如果指纹样本与全局指纹模板匹配,返回指纹匹配成功结果,完成指纹识别过程;
如果指纹样本与全局指纹模板不匹配,返回指纹匹配不成功结果,完成指纹识别过程;
指纹识别芯片内存储有K个经过预处理的指纹模板Tempa,a=1,……,K,K是不小于1的自然数;各指纹模板Tempa用包括描述子的特征向量描述经过预处理的指纹模板图像,
其中,第a个指纹模板Tempa的特征向量的第一描述子Na是经过预处理提取的特征点数量,第a个指纹模板Tempa的特征向量/>的第二描述子/>是Na个特征点的描述向量集,b=1,……,Na,即/>
指纹采集传感器采集的指纹信息经过指纹识别芯片预处理形成指纹样本Sample,该指纹样本Sample用包括描述子的特征向量描述经过预处理的指纹样本图像,
其中,指纹样本Sample的特征向量的第一描述子Ns是经过预处理提取的特征点数量,指纹样本Sample的特征向量/>的第二描述子/>是Ns个特征点的描述向量集,c=1,……,Ns,即/>
第a个指纹模板Tempa与指纹样本Sample的匹配程度用指纹匹配分数MSa反映,那么,设置匹配分数阈值MSth为指纹匹配标准;
将K个指纹模板Tempa分别与指纹样本Sample进行标准比对,即将MSa分别与MSth比较;
如果出现MSa≥MSth的结果,返回指纹匹配成功结果,完成指纹识别过程;
如果没有出现MSa≥MSth的结果,进行如下的全局校验过程,
设置匹配分数次阈值SMSth为指纹匹配次标准,MSth>SMSth;
将K个指纹模板Tempa分别与指纹样本Sample进行次标准比对,即将MSa分别与SMSth比较;
如果出现一个以下MSa≥SMSth的结果,返回指纹匹配不成功结果,完成指纹识别过程;
如果出现至少两个MSa≥SMSth的结果,分别记录出现MSa≥SMSth情况的指纹匹配分数MSa所对应的指纹模板Tempa与指纹样本Sample匹配部分为匹配指纹模板Matchx,x=1,……,L,L是匹配指纹模板Matchx的数量,是不小于2的自然数;匹配指纹模板Matchx用包括描述子的特征向量描述匹配指纹图像,
其中,第x个匹配指纹模板Matchx的特征向量的第一描述子Nmx是匹配特征点数量,第x个匹配指纹模板Matchx的特征向量/>的第二描述子/>是Nx个匹配特征点的描述向量集,y=1,……,Nmx,即/>
将各匹配指纹模板Matchx合并成全局指纹模板Tempnew;全局指纹模板Tempnew用包括描述子的特征向量描述经过全局指纹模板图像,
其中,全局指纹模板Tempnew的特征向量的第一描述子Nt是特征点数量,全局指纹模板Tempnew的特征向量/>的第二描述子/>是Nt个特征点的描述向量集,d=1,……,Nt,即指纹样本Sample与全局指纹模板Tempnew的匹配程度用指纹匹配分数MSnew反映;
将指纹样本Sample与全局指纹模板Tempnew进行标准比对,即将MSnew与MSth比较;
如果MSnew≥MSth,返回指纹匹配成功结果,完成指纹识别过程;
如果MSnew<MSth,返回指纹匹配不成功结果,完成指纹识别过程。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810977240.5A CN110858294B (zh) | 2018-08-26 | 2018-08-26 | 提升指纹识别率的指纹识别方法及指纹识别芯片 |
TW108119584A TWI744647B (zh) | 2018-08-26 | 2019-06-05 | 提升指紋識別率的指紋識別方法及指紋識別晶片 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810977240.5A CN110858294B (zh) | 2018-08-26 | 2018-08-26 | 提升指纹识别率的指纹识别方法及指纹识别芯片 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110858294A CN110858294A (zh) | 2020-03-03 |
CN110858294B true CN110858294B (zh) | 2023-11-10 |
Family
ID=69635832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810977240.5A Active CN110858294B (zh) | 2018-08-26 | 2018-08-26 | 提升指纹识别率的指纹识别方法及指纹识别芯片 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110858294B (zh) |
TW (1) | TWI744647B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613016A (zh) * | 2020-12-18 | 2021-04-06 | 超越科技股份有限公司 | 指纹识别开机方法、装置和计算机 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693420A (zh) * | 2012-05-25 | 2012-09-26 | 深圳市亚略特生物识别科技有限公司 | 一种指纹模板自动更新的方法 |
CN105760738A (zh) * | 2016-03-15 | 2016-07-13 | 广东欧珀移动通信有限公司 | 一种指纹解锁的方法及终端 |
CN105868679A (zh) * | 2015-01-23 | 2016-08-17 | 深圳市汇顶科技股份有限公司 | 指纹信息的动态更新方法和指纹识别装置 |
CN106021606A (zh) * | 2016-06-21 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹模板更新方法及终端设备 |
CN106778457A (zh) * | 2015-12-11 | 2017-05-31 | 深圳市汇顶科技股份有限公司 | 可提高指纹识别率的指纹识别方法及系统 |
CN106909900A (zh) * | 2017-02-27 | 2017-06-30 | 努比亚技术有限公司 | 指纹识别方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271513A (zh) * | 2007-03-21 | 2008-09-24 | 成都方程式电子有限公司 | 一种指纹识别系统芯片及其实现方法 |
CN101777128B (zh) * | 2009-11-25 | 2012-05-30 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及系统 |
CN102819754B (zh) * | 2012-07-27 | 2015-01-28 | 中国科学院自动化研究所 | 一种基于Sigmoid扩展的指纹分数融合系统及方法 |
CN103793696B (zh) * | 2014-02-12 | 2017-02-08 | 北京海鑫科金高科技股份有限公司 | 指纹识别方法及其系统 |
CN105488473B (zh) * | 2015-12-01 | 2019-03-19 | 北京东方金指科技有限公司 | 一种多特征融合的海量指纹编码和比对方法 |
-
2018
- 2018-08-26 CN CN201810977240.5A patent/CN110858294B/zh active Active
-
2019
- 2019-06-05 TW TW108119584A patent/TWI744647B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693420A (zh) * | 2012-05-25 | 2012-09-26 | 深圳市亚略特生物识别科技有限公司 | 一种指纹模板自动更新的方法 |
CN105868679A (zh) * | 2015-01-23 | 2016-08-17 | 深圳市汇顶科技股份有限公司 | 指纹信息的动态更新方法和指纹识别装置 |
CN106778457A (zh) * | 2015-12-11 | 2017-05-31 | 深圳市汇顶科技股份有限公司 | 可提高指纹识别率的指纹识别方法及系统 |
CN105760738A (zh) * | 2016-03-15 | 2016-07-13 | 广东欧珀移动通信有限公司 | 一种指纹解锁的方法及终端 |
CN106021606A (zh) * | 2016-06-21 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹模板更新方法及终端设备 |
CN106909900A (zh) * | 2017-02-27 | 2017-06-30 | 努比亚技术有限公司 | 指纹识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110858294A (zh) | 2020-03-03 |
TW202009793A (zh) | 2020-03-01 |
TWI744647B (zh) | 2021-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110008909B (zh) | 一种基于ai的实名制业务实时稽核系统 | |
CN108171247B (zh) | 一种车辆再识别方法及系统 | |
CN104123537A (zh) | 一种基于手形和掌纹识别的快速身份验证方法 | |
TWI434220B (zh) | 利用手掌靜脈之生物特徵辨識使用者之方法 | |
US7515741B2 (en) | Adaptive fingerprint matching method and apparatus | |
CN101073090A (zh) | 用于虹膜识别的多级可变域分解方法和系统 | |
EP2050040A2 (en) | Method and apparatus for determining print image quality | |
US20090060348A1 (en) | Determination of Image Similarity | |
US20080273767A1 (en) | Iterative print matching method and system | |
WO2008137330A2 (en) | Print matching method and system using direction images | |
CN114120378A (zh) | 一种三级分类指纹识别方法 | |
JP2009129237A (ja) | 画像処理装置及びその方法 | |
Serafim et al. | A method based on convolutional neural networks for fingerprint segmentation | |
CN110858294B (zh) | 提升指纹识别率的指纹识别方法及指纹识别芯片 | |
CN107545217B (zh) | 指纹匹配方法、指纹匹配装置和指纹识别芯片 | |
US20050271260A1 (en) | Device, method and program for removing pores | |
CN111753710A (zh) | 一种应用于物流配送的细分类神经网络人脸识别方法 | |
Hossein-Nejad et al. | Retinal image registration based on auto-adaptive SIFT and redundant keypoint elimination method | |
CN115527241A (zh) | 指纹模板更新方法、装置、嵌入式设备及存储介质 | |
CN111753722B (zh) | 一种基于特征点类型的指纹识别方法及装置 | |
CN111382703B (zh) | 一种基于二次筛选与分数融合的指静脉识别方法 | |
CN114445843A (zh) | 固定版式的卡证图像文字识别方法和装置 | |
US7333640B2 (en) | Extraction of minutiae from a fingerprint image | |
Kour et al. | Nonminutiae based fingerprint matching | |
CN111968126B (zh) | 页面焦点识别方法、装置、计算机设备和存储介质 |
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 |