CN111126337A - 基于特征提取与匹配的指纹识别方法 - Google Patents

基于特征提取与匹配的指纹识别方法 Download PDF

Info

Publication number
CN111126337A
CN111126337A CN201911408633.5A CN201911408633A CN111126337A CN 111126337 A CN111126337 A CN 111126337A CN 201911408633 A CN201911408633 A CN 201911408633A CN 111126337 A CN111126337 A CN 111126337A
Authority
CN
China
Prior art keywords
fingerprint
block
matching
correct
residual
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
Application number
CN201911408633.5A
Other languages
English (en)
Inventor
焦传佳
徐劲松
高云峰
曹雏清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhu Hit Robot Technology Research Institute Co Ltd
Original Assignee
Wuhu Hit Robot Technology Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhu Hit Robot Technology Research Institute Co Ltd filed Critical Wuhu Hit Robot Technology Research Institute Co Ltd
Priority to CN201911408633.5A priority Critical patent/CN111126337A/zh
Publication of CN111126337A publication Critical patent/CN111126337A/zh
Pending legal-status Critical Current

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
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种基于特征提取与匹配的指纹识别方法，包括：S1、对待匹配指纹的指纹图像进行两次分割，获取不包含残留纹路的正确纹路块，在不包含残留纹路的正确纹路块中提取特征节点；S2、将各特征节点两两进行配对，形成特征节点对，并计算特征节点对在曲线坐标系中的相对位置；S3、将所述特征节点对的相对位置与模板指纹中特征节点的相对位置对进行匹配，若匹配率大于给定阈值，则判定待匹配指纹与所述模板指纹匹配，即完成指纹匹配过程。对指纹图像进行二次分割，大大减少错误特征的提取；在曲线坐标系下的节点关系表示方法，可以有效地对扭曲指纹进行匹配，减少节点的错误不配对率。

Description

基于特征提取与匹配的指纹识别方法
技术领域
本发明属于指纹识别技术领域，更具体地，本发明涉及一种基于特征提取与匹配的指纹识别方法。
背景技术
生物识别是一种基于生物特征进行身份认证的技术，身份认证即对人的身份鉴别。身份认证在日常生活的应用中无处不在，尤其在各种办公服务领域和工业领域等都得到了广范的使用。而生物特征中人的指纹、虹膜等是人天生俱有且独一无二的生物特征。而相对来说，指纹的综合性能比较突出，因而其应用领域最为广泛，对指纹识别的研究也相对成熟。指纹识别的特征提取与匹配方法有基于Gabor滤波器特征提取和两幅图像特征信息集合匹配的方法、基于细节点特征提取和方向场匹配的方法、基于图像分割的指纹识别方法等，其中基于Gabor滤波器特征提取和两幅图像特征信息集合匹配的方法会因低质量图像导致特征提取正确率误差大；基于细节点特征提取和方向场匹配的方法会因错误特征的提取导致误差增大；而基于图像分割指纹识别方法是现阶段最可靠的指纹识别方法之一。目前，基于图像分割的指纹识别的方法，主要是对采集的指纹图像信息预处理中只进行一次图像分割处理；但是这种方法存在一定的问题，无法将错误特征降到最低，进而无法确保识别的准确性和可靠性。
发明内容
本发明提供一种基于特征提取与匹配的指纹识别方法，旨在提高指纹识别的精准度。
本发明是这样实现的，一种基于特征提取与匹配的指纹识别方法，所述方法具体包括如下步骤：
S1、采集待匹配指纹的指纹图像，对指纹图像进行两次分割，获取不包含残留纹路的正确纹路块，在不包含残留纹路的正确纹路块中提取特征节点；
S2、将各特征节点两两进行配对，形成特征节点对
Figure BDA0002349361460000021
并计算
Figure BDA0002349361460000022
在以
Figure BDA0002349361460000023
为原点的曲线坐标系中的坐标
Figure BDA0002349361460000024
形成特征节点对的相对位置
Figure BDA0002349361460000025
S3、将所述特征节点对的相对位置与模板指纹中特征节点的相对位置对进行匹配，若匹配率大于给定阈值，则判定待匹配指纹与所述模板指纹匹配，即完成指纹匹配过程，否则，判定待匹配指纹与所述模板指纹不匹配。
进一步的，在步骤S1中对指纹图像进行两次分割，两次分割具体如下：
对指纹图像进行第一次分割，识别出正确纹路区块及非正确纹路区块，其中，非正确纹路区块包括：背景区块及错误的纹路区块；
对正确纹路区块进行第二次分割，识别出正确纹路区块中的残留纹路区块及非残留纹路区块。
进一步的，残留指纹区域及非残留指纹区域的识别方法具体包括如下步骤：
S11、将正确纹路区块Wi等分成n个局部图像区块Wij，并计算局部图像区块Wij的灰度均值LG(W(i,j))；
S12、计算正确纹路区块Wi的灰度均值MG(Wi)；
S13、计算局部图像块Wij纹脊和纹谷的平均灰度差异LA(W(i,j))；
S14、计算正确纹路区块Wi纹脊和纹谷的平均灰度差异MA，
S15、基于各局部图像块Wij的灰度均值LG、灰度均值MG、平均灰度差异LA及平均灰度差异MA来判断局部区块图像是否为非残留纹路区块。
进一步的，曲线坐标系的构建方法具体包括如下：
以节点
Figure BDA0002349361460000031
为原点，将沿着纹脊和纹谷的方向作为X轴，与纹路垂直的方向作为Y轴，取节点
Figure BDA0002349361460000032
所在方向作为X轴的正方向，取X轴正方向的左侧方向作为Y轴正方向；
X轴的刻度为从原点
Figure BDA0002349361460000033
出发到达节点
Figure BDA0002349361460000034
的跟踪距离，Y轴上某点的刻度为从原点出发沿着与纹路垂直的方向跟踪至节点
Figure BDA0002349361460000035
经过的纹脊数或纹谷数。
本发明提出的基于特征提取与匹配的指纹识别方法具有如下有益技术效果：
1)对指纹图像进行二次分割，在第一次分割时，将正确纹路区域及非正确纹路区域进行分离，在正确纹路区域进而分离出残留纹路区域，大大减少错误特征的提取；
2)本发明提出了在曲线坐标系下的节点关系表示方法，该方法则能反映两个节点间的纹路数，对纹路间距变化不敏感，具有较好的扭曲不变性，可以有效地对扭曲指纹进行匹配，减少节点的错误不配对率。
附图说明
图1为本发明实施例提供的基于特征提取与匹配的指纹识别方法流程图。
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
图1为本发明实施例提供的基于特征提取与匹配的指纹识别方法流程图，该方法具体包括如下步骤：
S1、采集待匹配指纹的指纹图像，对指纹图像进行两次分割获取不包含残留纹路的正确纹路块，在不包含残留纹路的正确纹路块中提取特征节点；
特征节点包括：奇异点、纹路的分叉点、终止点或打圈处的位置点，其中奇异点由核心点及三角点组成。
在本发明实施例中，对指纹图像进行第一次分割，识别出正确纹路区块及非正确纹路区块，其中，非正确纹路区块包括：背景区块及错误的纹路区块；对正确纹路区块进行第二次分割，识别出正确纹路区块中的残留纹路区块及非残留纹路区块，针对非残留纹路区块来提取特征节点；
指纹采集时，手指在传感器上会残留指纹，当残留指纹再次被传感器感应而生成的干扰纹路区域即为残留指纹区域，残留纹路经常会有清晰的纹路，第二分割旨在识别出正确指纹区块中的残留指纹区块，残留指纹区域及非残留指纹区域的识别方法具体包括如下步骤：
S11、将正确纹路区块Wi等分成n个局部图像区块Wij，并计算局部图像区块Wij的灰度均值LG(W(i,j))；
S12、计算正确纹路区块Wi的灰度均值MG(Wi)，其计算公式具体如下：
Figure BDA0002349361460000041
S13、计算局部图像块Wij纹脊和纹谷的平均灰度差异LA(W(i,j))，LA(W(i,j))为局部图像块Wij的平滑投影信号的平均波谷高度(对应纹脊灰度)与平均波峰高度(对应纹谷灰度)的差值；
在本发明实施例中，指纹图像由纹脊和纹谷组成，纹脊又称为纹路，对应手指皮肤的凸起部分，在指纹图像中呈现为灰度较深的粗线条，纹谷则对应手指皮肤凹进去的部分，夹在两条纹路之间，相对纹路的灰度较亮。
S14、计算正确纹路区块Wi纹脊和纹谷的平均灰度差异MA，其计算公式具体如下：
Figure BDA0002349361460000051
S15、基于各局部图像块Wij的灰度均值LG、灰度均值MG、平均灰度差异LA及平均灰度差异MA来判断局部区块图像是否为非残留纹路区块，其具体判断方法具体如下：
基于局部图像的特征矩阵计算出局部区块图像Wij的正反样本函数值y(wij)，若y(wij)为正值，则局部区块图像Wij为非残留纹路区块，若y(wij)为负值，则局部区块图像Wij为残留纹路区块，局部图像的特征矩阵表示如下：
Figure BDA0002349361460000052
基于大量的已知样本来计算出系数＜a0,a1,a2,a3,a4＞。
在本发明是实施例中，第一分割可基于BP神经网络或者是梯度矢量法来识别正确纹路区块及非正确纹路区块。
S2、将各特征节点两两进行配对，形成特征节点对
Figure BDA0002349361460000053
并计算
Figure BDA0002349361460000054
在以
Figure BDA0002349361460000055
为原点的曲线坐标系中的坐标
Figure BDA0002349361460000056
形成特征节点对的相对位置
Figure BDA0002349361460000061
假定从指纹图像提取了n个特征节点，则存在
Figure BDA0002349361460000062
组特征节点对，在本发明实施例中，曲线坐标系的构建方法具体包括如下：
以节点
Figure BDA0002349361460000063
为原点，将沿着纹脊和纹谷的方向作为X轴，与纹路垂直的方向作为Y轴，取节点
Figure BDA0002349361460000064
所在方向作为X轴的正方向，取X轴正方向的左侧方向作为Y轴正方向；
X轴的刻度为从原点
Figure BDA0002349361460000065
出发到达节点
Figure BDA0002349361460000066
的跟踪距离，跟踪距离是指原点
Figure BDA0002349361460000067
沿着纹脊和纹谷的方向到节点
Figure BDA0002349361460000068
的曲线距离，Y轴上某点的刻度为从原点出发沿着与纹路垂直的方向跟踪至节点
Figure BDA0002349361460000069
经过的纹脊数或纹谷数。
S3、将节点对的相对位置坐标与模板指纹中的特征节点对进行匹配，若匹配率大于给定阈值，则判定输入的指纹与所述模板指纹匹配，即完成指纹匹配过程，否则，判定输入的指纹与所述模板指纹不匹配。
本发明提出的基于特征提取与匹配的指纹识别方法具有如下有益技术效果：
1)对指纹图像进行二次分割，在第一次分割时，将正确纹路区域及非正确纹路区域进行分离，在正确纹路区域进而分离出残留纹路区域，大大减少错误特征的提取；
2)本发明提出了在曲线坐标系下的节点关系表示方法，该方法则能反映两个节点间的纹路数，对纹路间距变化不敏感，具有较好的扭曲不变性，可以有效地对扭曲指纹进行匹配，减少节点的错误不配对率。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (4)

1.一种基于特征提取与匹配的指纹识别方法，其特征在于，所述方法具体包括如下步骤：
S1、采集待匹配指纹的指纹图像，对指纹图像进行两次分割，获取不包含残留纹路的正确纹路块，在不包含残留纹路的正确纹路块中提取特征节点；
S2、将各特征节点两两进行配对，形成特征节点对
Figure FDA0002349361450000011
并计算
Figure FDA0002349361450000012
在以
Figure FDA0002349361450000013
为原点的曲线坐标系中的坐标
Figure FDA0002349361450000014
形成特征节点对的相对位置
Figure FDA0002349361450000015
S3、将所述特征节点对的相对位置与模板指纹中特征节点的相对位置对进行匹配，若匹配率大于给定阈值，则判定待匹配指纹与所述模板指纹匹配，即完成指纹匹配过程。
2.如权利要求1所述基于特征提取与匹配的指纹识别方法，其特征在于，在步骤S1中对指纹图像进行两次分割，两次分割具体如下：
对指纹图像进行第一次分割，识别出正确纹路区块及非正确纹路区块，其中，非正确纹路区块包括：背景区块及错误的纹路区块；
对正确纹路区块进行第二次分割，识别出正确纹路区块中的残留纹路区块及非残留纹路区块。
3.如权利要求1所述基于特征提取与匹配的指纹识别方法，其特征在于，残留指纹区域及非残留指纹区域的识别方法具体包括如下步骤：
S11、将正确纹路区块Wi等分成n个局部图像区块Wij，并计算局部图像区块Wij的灰度均值LG(W(i,j))；
S12、计算正确纹路区块Wi的灰度均值MG(Wi)；
S13、计算局部图像块Wij纹脊和纹谷的平均灰度差异LA(W(i,j))；
S14、计算正确纹路区块Wi纹脊和纹谷的平均灰度差异MA，
S15、基于各局部图像块Wij的灰度均值LG、灰度均值MG、平均灰度差异LA及平均灰度差异MA来判断局部区块图像是否为非残留纹路区块。
4.如权利要求1所述基于特征提取与匹配的指纹识别方法，其特征在于，曲线坐标系的构建方法具体包括如下：
以节点
Figure FDA0002349361450000021
为原点，将沿着纹脊和纹谷的方向作为X轴，与纹路垂直的方向作为Y轴，取节点
Figure FDA0002349361450000022
所在方向作为X轴的正方向，取X轴正方向的左侧方向作为Y轴正方向；
X轴的刻度为从原点
Figure FDA0002349361450000023
出发到达节点
Figure FDA0002349361450000024
的跟踪距离，Y轴上某点的刻度为从原点出发沿着与纹路垂直的方向跟踪至节点
Figure FDA0002349361450000025
经过的纹脊数或纹谷数。
CN201911408633.5A 2019-12-31 2019-12-31 基于特征提取与匹配的指纹识别方法 Pending CN111126337A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911408633.5A CN111126337A (zh) 2019-12-31 2019-12-31 基于特征提取与匹配的指纹识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911408633.5A CN111126337A (zh) 2019-12-31 2019-12-31 基于特征提取与匹配的指纹识别方法

Publications (1)

Publication Number Publication Date
CN111126337A true CN111126337A (zh) 2020-05-08

Family

ID=70506287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911408633.5A Pending CN111126337A (zh) 2019-12-31 2019-12-31 基于特征提取与匹配的指纹识别方法

Country Status (1)

Country Link
CN (1) CN111126337A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101408930A (zh) * 2007-12-29 2009-04-15 浙江师范大学 一种基于曲线坐标系和迁移参考节点的形变指纹匹配方法
CN101414349A (zh) * 2007-12-04 2009-04-22 浙江师范大学 一种基于bp神经网络的指纹图像纹路方向计算和图像分割方法
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
CN110348377A (zh) * 2019-07-09 2019-10-18 上海创米科技有限公司 一种指纹识别方法及设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101414349A (zh) * 2007-12-04 2009-04-22 浙江师范大学 一种基于bp神经网络的指纹图像纹路方向计算和图像分割方法
CN101408930A (zh) * 2007-12-29 2009-04-15 浙江师范大学 一种基于曲线坐标系和迁移参考节点的形变指纹匹配方法
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
CN110348377A (zh) * 2019-07-09 2019-10-18 上海创米科技有限公司 一种指纹识别方法及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
祝恩: "低质量指纹图像的特征提取与识别技术的研究", 《中国优秀硕士学位论文全文数据库》 *

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
Raja Fingerprint recognition using minutia score matching
CN111507206B (zh) 一种基于多尺度局部特征融合的手指静脉识别方法
CN107958443B (zh) 一种基于脊线特征和tps形变模型的指纹图像拼接方法
CN106022315A (zh) 一种用于虹膜识别的瞳孔中心定位方法
Hemalatha A systematic review on Fingerprint based Biometric Authentication System
Parkavi et al. Multimodal biometrics for user authentication
WO2011124512A2 (en) Image template masking
CN112597812A (zh) 一种基于卷积神经网络和sift算法的手指静脉识别方法及系统
Patil et al. A novel approach for fingerprint matching using minutiae
Agrawal et al. A hybrid partial fingerprint matching algorithm for estimation of equal error rate
Akulwar et al. Secured multi modal biometric system: a review
CN111126337A (zh) 基于特征提取与匹配的指纹识别方法
Kumar et al. Fingerprint image enhancement and minutia matching
Mandi et al. Rotation–invariant fingerprint identification system
Fei et al. Combining enhanced competitive code with compacted ST for 3D palmprint recognition
CN112270218A (zh) 一种用于指纹自动识别的方法及系统
Yang et al. Fingerprint matching using invariant moment features
Kuban et al. A NOVEL MODIFICATION OF SURF ALGORITHM FOR FINGERPRINT MATCHING.
CN112381042A (zh) 从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法
Nirmalakumari et al. Efficient minutiae matching algorithm for fingerprint recognition
Chowdhury et al. Efficient fingerprint matching based upon minutiae extraction
CN112949361A (zh) 指纹识别方法及装置
Preetha et al. Selection and extraction of optimized feature set from fingerprint biometrics-a review
Balti et al. Invariant and reduced features for Fingerprint Characterization

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200508

RJ01 Rejection of invention patent application after publication