CN111695386B - 一种指纹图像增强、指纹识别和应用程序启动方法 - Google Patents

一种指纹图像增强、指纹识别和应用程序启动方法 Download PDF

Info

Publication number
CN111695386B
CN111695386B CN201910198302.7A CN201910198302A CN111695386B CN 111695386 B CN111695386 B CN 111695386B CN 201910198302 A CN201910198302 A CN 201910198302A CN 111695386 B CN111695386 B CN 111695386B
Authority
CN
China
Prior art keywords
fingerprint
image
fingerprint image
current frame
pure
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
Application number
CN201910198302.7A
Other languages
English (en)
Other versions
CN111695386A (zh
Inventor
朱明铭
雷华
赵家财
梅丽
王进
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.)
Rainbow Software Co ltd
Original Assignee
Rainbow Software 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 Rainbow Software Co ltd filed Critical Rainbow Software Co ltd
Priority to CN201910198302.7A priority Critical patent/CN111695386B/zh
Priority to EP20774228.9A priority patent/EP3940583A4/en
Priority to US17/041,465 priority patent/US11874907B2/en
Priority to PCT/CN2020/078648 priority patent/WO2020187098A1/zh
Priority to KR1020217033357A priority patent/KR20210136127A/ko
Priority to JP2021555011A priority patent/JP7377879B2/ja
Publication of CN111695386A publication Critical patent/CN111695386A/zh
Application granted granted Critical
Publication of CN111695386B publication Critical patent/CN111695386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/604—Tools and structures for managing or administering access control systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6209—Protecting access to data via a platform, e.g. using keys or access control rules to a single file or object, e.g. in a secure envelope, encrypted and accessed using a key, or with access control rules appended to the object itself
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • 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
    • G06V40/1365—Matching; Classification
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Automation & Control Theory (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Collating Specific Patterns (AREA)
  • Geometry (AREA)
  • Image Input (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种指纹图像增强、指纹识别和应用程序启动方法，该指纹图像增强方法包括：消除当前帧指纹图像的背景纹理，获取纯指纹图像；对所述纯指纹图像进行第一预处理，获得第一预处理图像；获取所述第一预处理图像的有效区域；对所述有效区域进行方向场估计和方向场校正；对经过方向场校正的所述有效区域进行第二预处理，获得指纹增强图像。通过该实施例方案，减少了指纹采集次数，提高了指纹图像的质量，降低了指纹采集的繁琐度，提高了指纹解锁效率，提高了用户体验感。

Description

一种指纹图像增强、指纹识别和应用程序启动方法
技术领域
本发明实施例涉及图像处理与终端应用技术，尤指一种指纹图像增强、指纹识别和应用程序启动方法。
背景技术
伴随着移动终端(如手机)从功能机向智能机的发展转变，移动终端的解锁方式也在不断发生改变，从最早的以数字密码或图案为主的解锁方式，向以指纹、人脸、虹膜等为主的生物识别解锁方式转变。在技术不断突破的同时，解锁的便捷性与安全性也得到大幅提升。
如今，屏下指纹解锁方案拥有美观、便捷、解锁速度快、符合用户习惯等优点，成为当下手机解锁的主流方式之一。但是，目前的绝大多数屏下指纹解锁方案中，由于采集的指纹图像不清晰、不完整或变形等原因，使得用户在注册时需要反复将手指放置到指纹采集区域，采集多次局部指纹，较为繁琐，并且在解锁时由于指纹图像的质量问题也导致解锁效率低，严重影响用户体验感。
发明内容
本发明实施例提供了一种指纹图像增强、指纹识别和应用程序启动方法，能够减少指纹采集次数，降低指纹采集的繁琐度，提高指纹图像的质量，提高指纹解锁效率，提高用户体验感。
为了达到本发明实施例目的，本发明实施例提供了一种指纹图像增强方法，所述方法可以包括：
消除当前帧指纹图像的背景纹理，获取纯指纹图像；
对所述纯指纹图像进行第一预处理，获得第一预处理图像；
获取所述第一预处理图像的有效区域；
对所述有效区域进行方向场估计和方向场校正；
对经过方向场校正的所述有效区域进行第二预处理，获得指纹增强图像。
在本发明的示例性实施例中，所述背景纹理为所述当前帧指纹图像之前N 帧指纹图像的像素均值，其中，N为正整数。
在本发明的示例性实施例中，所述消除指纹图像的背景纹理，获得纯指纹图像包括：
在所述当前帧指纹图像中对所述背景纹理进行像素对应消减，获取所述纯指纹图像。
在本发明的示例性实施例中，在消除当前帧指纹图像的背景纹理之前，对所述当前帧指纹图像和所述背景纹理进行局部颜色传递。
在本发明的示例性实施例中，第一预处理包括对所述纯指纹图像进行对比度增强和/或去噪。
在本发明的示例性实施例中，所述获取所述第一预处理图像的有效区域采用预设的指纹前景分割算法。
在本发明的示例性实施例中，所述第二预处理包括：
对所述有效区域去噪；
获取二值化图像；
将所述二值化图像中的指纹脊线进行细化，获得所述指纹增强图像。
本发明实施例还提供了一种指纹识别方法，所述方法可以包括：
对采集的当前帧指纹图像进行增强处理，获得指纹增强图像；所述增强处理包括：消除当前帧指纹图像的背景纹理，获得纯指纹图像；
对所述指纹增强图像进行特征提取，获取特征数据；
根据所述特征数据与指纹模板的特征数据的比对完成指纹识别。
在本发明的示例性实施例中，所述增强处理还可以包括：
对所述纯指纹图像进行第一预处理，获得第一预处理图像；
获取所述第一预处理图像的有效区域；
对所述有效区域进行方向场估计和方向场校正；
对经过方向场校正的所述有效区域进行第二预处理，获得指纹增强图像。
在本发明的示例性实施例中，所述背景纹理为所述当前帧指纹图像之前N 帧指纹图像的像素均值，其中，N为正整数。
在本发明的示例性实施例中，所述消除指纹图像的背景纹理，获得纯指纹图像可以包括：
在所述当前帧指纹图像中对所述背景纹理进行像素对应消减，获取所述纯指纹图像。
在本发明的示例性实施例中，在消除当前帧指纹图像的背景纹理之前，对所述当前帧指纹图像和所述背景纹理进行局部颜色传递。
在本发明的示例性实施例中，在对所述指纹增强图像进行特征提取之前还可以包括：
对所述指纹增强图像进行指纹扭曲检测，确定所述指纹增强图像为正常指纹图像或扭曲指纹图像；
对所述扭曲指纹图像进行扭曲校正。
在本发明的示例性实施例中，对所述指纹增强图像进行指纹扭曲检测可以包括：
将所述指纹增强图像输入分类器进行分类，分类结果包括正常指纹图像和扭曲指纹图像。
在本发明的示例性实施例中，对所述扭曲指纹图像进行扭曲校正可以包括：
提取所述扭曲指纹图像的方向场和周期图；
根据所述方向场和周期图在数据库集中查找与所述扭曲指纹图像最接近的参考扭曲指纹；
根据所述参考扭曲指纹对所述扭曲指纹图像进行逆变换校正。
在本发明的示例性实施例中，所述特征数据可以包括指纹脊线的细节点特征和/或脊线特征。
在本发明的示例性实施例中，根据所述特征数据与指纹模板的特征数据的比对完成指纹识别可以包括：
计算所述特征数据与所述指纹模板的特征数据的特征相似度；
当所述特征相似度大于或等于特征相似度阈值时，完成指纹识别。
本发明实施例还提供了一种基于指纹识别的应用程序启动方法，所述应用程序启动方法可以包括：
采集指纹图像；
采用上述内容中任意一项所述的指纹识别方法，对所述指纹图像进行指纹识别；
当指纹识别成功时开启所述应用程序。
在本发明的示例性实施例中，在所述采集指纹图像之前，所述应用程序启动方法还可以包括：检测触控屏上手指的触控操作是否满足启动采集指纹图像步骤的预设条件。
在本发明的示例性实施例中，所述基于指纹识别的应用程序启动方法还可以包括：在开启所述应用程序的同时完成身份验证。
本发明实施例还提供了一种指纹感测系统，可以包括：
显示屏，包括发光显示单元，用于显示画面；
指纹采集模组，至少设置在所述显示屏下方的局部区域，用于采集指纹图像；
指纹识别模组，用于接收所述指纹图像，并采用权利要求8至17中任意一项所述的指纹识别方法，对所述指纹图像进行指纹识别。
在本发明的示例性实施例中，所述指纹采集模组可以包括：
透镜；
成像单元，设置于透镜下方，用于直接获取显示屏上的指纹图像。
在本发明的示例性实施例中，所述指纹采集模组用于通过检测自显示屏发出并在手指表面反射回显示屏的光线来获得指纹图像。
在本发明的示例性实施例中，所述指纹采集模组通过检测从手指透入显示屏的光线获得指纹图像；其中，当检测到折射角大于第一阈值的光线时，确定为指纹脊线，当检测到折射角小于或等于所述第一阈值的光线时，确定为指纹谷线，根据所述指纹脊线和所述指纹谷线获得所述指纹图像。
在本发明的示例性实施例中，所述第一阈值可以为所述指纹谷线处的折射角。
在本发明的示例性实施例中，所述指纹采集模组还可以包括光路引导模组，可以用于引导折射角大于所述第一阈值的光线。
在本发明的示例性实施例中，所述指纹采集模组还可以包括光电传感器，可以用于在检测到折射角大于所述第一阈值的光线时，确定所述光线为指纹脊线，在检测到折射角小于或等于所述第一阈值的光线时，确定所述光线为指纹谷线，从而获得指纹图案。
本发明实施例还提出了一种电子设备，可以包括：
处理器；
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的指纹识别方法。
在本发明的示例性实施例中，所述电子设备还可以包括上述任意一项所述的指纹感测系统。
本发明实施例还提出了一种存储介质，所述存储介质可以包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的指纹识别方法。
通过上述本发明实施例方案，减少了指纹采集次数，降低了指纹采集的繁琐度，提高了指纹图像的质量，提高了指纹解锁效率，提高了用户体验感。因此，至少包括以下有益效果：
1、只需少量次数的指纹采集便可完成身份注册，方便快捷。
2、可在手机屏幕的任意位置进行指纹识别，灵活自由。
3、在应用设计上可实现指纹识别、应用程序开启、身份验证一步到位。
4、对于扭曲变形的指纹也具有较好的识别效果，稳定可靠。
本发明实施例的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1为本发明实施例的指纹图像增强方法流程图；
图2为本发明实施例的采用方向场字典的方法对有效区域的初始方向场中错误的部分进行纠正的方法流程图；
图3为本发明实施例的第二预处理方法流程图；
图4为本发明实施例的指纹识别方法流程图；
图5为本发明实施例的在对所述当前帧指纹图像进行背景纹理消除以获得纯指纹图像以后的增强处理方法流程图；
图6为本发明实施例的对经过方向场校正的有效区域进行第二预处理的具体方法流程图；
图7为本发明实施例的对指纹增强图像进行特征提取之前的方法流程图；
图8为本发明实施例的对所述扭曲指纹图像进行扭曲校正的方法流程图；
图9-a为本发明实施例的脊线、细节点、子脊线的第一示意图；
图9-b为本发明实施例的脊线、细节点、子脊线的第二示意图；
图9-c为本发明实施例的子脊线的标号关系示意图；
图10为本发明实施例的基于指纹识别的应用程序启动方法流程图；
图11为本发明实施例的指纹感测系统组成结构框图；
图12为本发明实施例的指纹感测系统包括触控面板时的结构示意图；
图13为本发明实施例的通过检测自显示屏发出并在手指表面反射回显示屏的光线来获得指纹图像的方法示意图；
图14为本发明实施例的通过检测从手指透入显示屏的光线获得指纹图像的方法示意图；
图15为本发明实施例的电子设备组成结构框图。
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明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
为了达到本发明实施例目的，本发明实施例提供了一种指纹图像增强方法，如图1所示，所述方法可以包括S101-S105：
S101、消除当前帧指纹图像的背景纹理，获取纯指纹图像。
在本发明的示例性实施例中，在屏下指纹解锁过程中，由于屏下采集的光学指纹图像较弱，使得解锁过程中通常需要多次采集指纹图像进行验证，从而增加了用户操作的繁琐度，降低了用户体验感。为了解决这一问题，本发明实施例方案可以首先对采集到的指纹图像进行增强处理。
在本发明的示例性实施例中，所述增强处理可以包括：对所述当前帧指纹图像进行背景纹理消除以获得纯指纹图像。
在本发明的示例性实施例中，因为通常采集到的图像中不仅包含指纹，同时也包含指纹图像的背景纹理(例如，屏幕自身的纹理、残留指纹图像等)，因此在增强处理中可以先对指纹与背景纹理进行分离。
在本发明的示例性实施例中，所述消除指纹图像的背景纹理，获得纯指纹图像可以包括：
在所述当前帧指纹图像中对所述背景纹理进行像素对应消减，获取所述纯指纹图像。
在本发明的示例性实施例中，所述背景纹理可以用所述当前帧指纹图像之前N帧指纹图像的像素均值表征，其中，N为正整数。
在本发明的示例性实施例中，可以采用多帧图像求像素平均值的方法得到背景纹理，即，用当前帧指纹图像之前的N帧指纹图像序列计算像素均值，得到的结果可近似认为是背景纹理。这是由于采集到的指纹图像序列中，背景纹理相对固定且强度较强，而指纹变化较大且强度较弱，通过多帧图像平均可进一步弱化偶然出现的指纹，保留相对稳定的背景纹理。得到背景纹理后，可以采用当前帧指纹图像与背景纹理进行像素对应消减，得到去除背景纹理后的纯指纹图像。
在本发明的示例性实施例中，在所述当前帧指纹图像中对所述背景纹理进行像素对应消减可以包括：将当前帧指纹图像的像素减去该当前帧指纹图像之前N帧图像的像素平均值，得到的结果再根据特定的算法(例如乘以预设系数，再与一个预设数值相加)实现当前帧指纹图像中的背景纹理消减。
在本发明的示例性实施例中，所述的指纹图像增强方法还可以包括：在消除当前帧指纹图像的背景纹理之前，对所述当前帧指纹图像和所述背景纹理进行局部颜色传递，以使所述当前帧指纹图像和所述背景纹理的亮度保持一致。
在本发明的示例性实施例中，对所述当前帧指纹图像进行背景纹理消除可能出现的问题是当前帧指纹图像与背景纹理的亮度不一致，直接相减会产生错误的结果。因此，可以先对指纹图像与背景纹理进行局部颜色传递，使背景纹理与指纹图像的亮度保持一致，然后进行逐像素对应消减，得到相对纯净的指纹图像，即上述的纯指纹图像。
S102、对所述纯指纹图像进行第一预处理，获得第一预处理图像。
在本发明的示例性实施例中，所述第一预处理可以包括对所述纯指纹图像进行对比度增强和/或去噪。
在本发明的示例性实施例中，对所述纯指纹图像进行对比度增强和去噪可以包括：
对所述纯指纹图像进行局部对比度规范化或局部自适应直方图均衡化处理，以增强所述纯指纹图像的对比度；
采用预设的去噪算法对增强对比度后的纯指纹图像进行第一滤波。
在本发明的示例性实施例中，由于指纹图像较弱，背景纹理消减后得到的指纹图像通常对比度很低，且有时还会出现整体对比度不均匀的情况。因此，可以对背景纹理消减后的纯指纹图像采用局部对比度规范化(Local Contrast Normalization,LCN)或局部自适应直方图均衡化处理，增强图像的对比度，且使图像整体对比度相对均匀。在此过程中，图像原有的噪声会在一定程度上被放大，因此可以采用预设的去噪算法采取额外的去噪处理，对增强对比度后的指纹图像进行噪声抑制。至此，便得到了相对清晰的第一预处理图像。
在本发明的示例性实施例中，所述预设的去噪算法可以包括：快速非局部均值去噪算法(Fast Non-Local Means Denoising)。
在本发明的示例性实施例中，很多经典的去噪算法会使图像变得模糊，该快速非局部均值去噪算法能够在去噪的同时较好地保留图像中的边缘信息。另外，在本发明其他实施例中也可以采用双边滤波(Bilateral Filter)或各项异性扩散滤波(AnisotropicFilter)代替快速非局部均值去噪算法。
需要注意的是，本领域技术人员根据实际应用的需求可以采用对比度增强和去噪两个步骤，也可以仅采用对比度增强或去噪。
S103、获取所述第一预处理图像的有效区域。
在本发明的示例性实施例中，在经过前面的第一预处理之后，得到的指纹图像质量已经相对较好，然而还可以做进一步的处理。
在本发明的示例性实施例中，可以获取经过所述第一滤波之后的纯指纹图像中的有效区域；所述有效区域是根据预设的指纹前景分割算法对所述纯指纹图像计算获得的。
在本发明的示例性实施例中，通常纯指纹图像中的有效区域是指指纹图像的中间部分，指纹图像的周围区域往往是无效的背景部分，对无效部分进行处理不仅会增加时间开销，还有可能带来额外的干扰。因此，可以对指纹图像进行分割，提取有效的指纹前景，去除无效的背景部分。
在本发明的示例性实施例中，所述获取所述第一预处理图像的有效区域可以采用预设的指纹前景分割算法。
在本发明的示例性实施例中，预设的指纹前景分割算法可以包括：一种改进的基于梯度的指纹图像分割算法(Fingerprint Image Segmentation Based on BoundaryValues)，或者，基于图像块的灰度均值或灰度方差的分割方法。通过预设的指纹前景分割算法可以提高后续处理的性能，同时排除不必要的干扰。在得到指纹前景区域(即上述的有效区域)后，对该区域进行规范化处理，可去除指纹采集时按压力度不同带来的图像强度差异。
S104、对所述有效区域进行方向场估计和方向场校正。
在本发明的示例性实施例中，可以对纯指纹图像中的有效区域进行方向场估计。方向场是指纹图像的一个固有属性，它定义了指纹的脊线和谷线在局部邻域内的不变坐标。
在本发明的示例性实施例中，所述方向场估计可以采用傅里叶变换、梯度法等方法估计指纹图像的初始方向场；所述方向场校正可以包括：采用方向场字典的方法对所述有效区域的初始方向场中错误的部分进行纠正，得到更加准确的方向场结果。
在本发明的示例性实施例中，如图2所示，所述采用方向场字典的方法对所述有效区域的初始方向场中错误的部分进行纠正可以包括S201-S203：
S201、将所述有效区域划分成多个区块，并计算每个区块中的方向分布特性；
S202、将每个区块中的方向分布特性与预设的方向场字典进行比较，得到相似度参数；
S203、将相似度参数大于预设的相似性阈值的方向场字典中的区块作为参考区块，根据参考区块中的方向分布特性，校正所述有效区域中的相应区块的方向分布特性；
其中，所述预设的方向场字典是通过满足预设的质量要求的样本指纹图像进行训练，提取样本指纹图像中所有区块中的方向分布特性并进行聚类获得的。
在本发明的示例性实施例中，可以把指纹图像划分成多个区块，计算每个区块中的方向分布特性，这样每个区块就称为方向场字典中的一个单词。可以预先采用质量较好的指纹图像进行训练，提取所有区块中的方向分布特性并进行聚类，得到完整的方向场字典，字典中每个区块的方向分布都比较连续且平滑。对于当前指纹图像的初始方向场，用相同的方法划分区块并与训练获得的方向场字典进行比较，用方向场字典中最相似的区块对当前区块的方向分布进行纠正，使当前指纹图像中的方向场更加准确。
S105、对经过方向场校正的所述有效区域进行第二预处理，获得指纹增强图像。
在本发明的示例性实施例中，如图3所示，所述第二预处理可以包括 S301-S303：
S301、对所述有效区域去噪。
在本发明的示例性实施例中，可以用Gabor滤波器对经过所述方向场校正的有效区域进行所述第二滤波，以去除图像中的噪声，并保留正弦状的脊线和谷线。
S302、获取二值化图像。
在本发明的示例性实施例中，可以采用自适应图像二值化算法，对所述第二滤波后的有效区域中不同区域计算最优阈值，获得所述有效区域中指纹信息的完整的二值化图像。
S303、将所述二值化图像中的指纹脊线进行细化，获得所述指纹增强图像。
在本发明的示例性实施例中，可以将所述二值化图像中的脊线细化到一个像素的宽度，并保留指纹原有的拓扑结构且不增加额外的噪点。
在本发明的示例性实施例中，在得到较为准确的方向场信息之后，可以采用Gabor滤波器对指纹前景进行滤波，可以去除图像中的部分噪声，保留正弦状的脊线和谷线。然后对滤波后的指纹图像进行二值化操作，期间，选择合适的阈值非常重要，可以采用自适应图像二值化算法，对不同区域计算最优的阈值，获得指纹信息完整的二值化图像。指纹图像预处理的最后一步可以是细化，这一步可以把二值图中的脊线细化到一个像素的宽度，同时保留指纹原有的拓扑结构且不增加额外的噪点，以便于后续的特征提取。
为了达到本发明实施例目的，本发明实施例提供了一种指纹识别方法，如图4所示，所述方法可以包括S401-S403：
S401、对采集的当前帧指纹图像进行增强处理；所述增强处理包括：对所述当前帧指纹图像进行背景纹理消除以获得纯指纹图像。
在本发明的示例性实施例中，在屏下指纹解锁过程中，由于屏下采集的光学指纹图像较弱，使得解锁过程中通常需要多次采集指纹图像进行验证，从而增加了用户操作的繁琐度，降低了用户体验感。为了解决这一问题，本发明实施例方案可以首先对采集到的指纹图像进行增强处理。
在本发明的示例性实施例中，所述增强处理可以包括：对所述当前帧指纹图像进行背景纹理消除以获得纯指纹图像。
在本发明的示例性实施例中，因为通常采集到的图像中不仅包含指纹，同时也包含指纹图像的背景纹理(例如，屏幕自身的纹理、残留指纹图像等)，因此在增强处理中可以先对指纹与背景纹理进行分离。
在本发明的示例性实施例中，所述对所述当前帧指纹图像进行背景纹理消除以获得纯指纹图像可以包括：
采用所述当前帧指纹图像之前的N帧指纹图像序列计算像素均值，将计算结果作为所述背景纹理；N为正整数；
根据所述背景纹理在所述当前帧指纹图像中进行像素对应消减，以获取所述纯指纹图像。
在本发明的示例性实施例中，可以采用多帧图像求像素平均值的方法得到背景纹理，即，用当前帧指纹图像之前的N帧指纹图像序列计算像素均值，得到的结果可近似认为是背景纹理。这是由于采集到的指纹图像序列中，背景纹理相对固定且强度较强，而指纹变化较大且强度较弱，通过多帧图像平均可进一步弱化偶然出现的指纹，保留相对稳定的背景纹理。得到背景纹理后，可以采用当前帧指纹图像与背景纹理进行像素对应消减，得到去除背景纹理后的纯指纹图像。
在本发明的示例性实施例中，在所述当前帧指纹图像中对所述背景纹理进行像素对应消减可以包括：将当前帧指纹图像的像素减去该当前帧指纹图像之前N帧图像的像素平均值，得到的结果再根据特定的算法(例如乘以预设系数，再与一个预设数值相加)实现当前帧指纹图像中的背景纹理消减。
在本发明的示例性实施例中，在根据所述背景纹理在所述当前帧指纹图像中进行像素对应消减之前，所述方法还可以包括：
对所述当前帧指纹图像和所述背景纹理进行局部颜色传递，以使所述当前帧指纹图像和所述背景纹理的亮度保持一致。
在本发明的示例性实施例中，对所述当前帧指纹图像进行背景纹理消除可能出现的问题是当前帧指纹图像与背景纹理的亮度不一致，直接相减会产生错误的结果。因此，可以先对指纹图像与背景纹理进行局部颜色传递，使背景纹理与指纹图像的亮度保持一致，然后进行逐像素对应消减，得到相对纯净的指纹图像，即上述的纯指纹图像。
在本发明的示例性实施例中，如图5所示，在对所述当前帧指纹图像进行背景纹理消除以获得纯指纹图像以后，所述增强处理还可以包括S501-S504：
S501、对所述纯指纹图像进行第一预处理，获得第一预处理图像。
在本发明的示例性实施例中，所述第一预处理可以包括：
对所述纯指纹图像进行局部对比度规范化或局部自适应直方图均衡化处理，以增强所述纯指纹图像的对比度；
采用预设的去噪算法对增强对比度后的纯指纹图像进行第一滤波。
在本发明的示例性实施例中，由于指纹图像较弱，背景纹理消减后得到的指纹图像通常对比度很低，且有时还会出现整体对比度不均匀的情况。因此，可以对背景纹理消减后的纯指纹图像采用局部对比度规范化(Local Contrast Normalization,LCN)或局部自适应直方图均衡化处理，增强图像的对比度，且使图像整体对比度相对均匀。在此过程中，图像原有的噪声会在一定程度上被放大，因此可以采用预设的去噪算法采取额外的去噪处理，对增强对比度后的指纹图像进行噪声抑制。至此，便得到了相对清晰的第一预处理图像。
在本发明的示例性实施例中，所述预设的去噪算法可以包括：快速非局部均值去噪算法(Fast Non-Local Means Denoising)。
在本发明的示例性实施例中，很多经典的去噪算法会使图像变得模糊，该快速非局部均值去噪算法能够在去噪的同时较好地保留图像中的边缘信息。另外，在本发明其他实施例中也可以采用双边滤波(Bilateral Filter)或各项异性扩散滤波(AnisotropicFilter)代替快速非局部均值去噪算法。
S502、获取所述第一预处理图像的有效区域。
在本发明的示例性实施例中，在经过前面的第一预处理之后，得到的指纹图像质量已经相对较好，然而还可以做进一步处理，例如，获取经过所述第一滤波之后的纯指纹图像中的有效区域；所述有效区域是根据预设的指纹前景分割算法对所述纯指纹图像计算获得的。
在本发明的示例性实施例中，通常纯指纹图像中的有效区域是指指纹图像的中间部分，指纹图像的周围区域往往是无效的背景部分，对无效部分进行处理不仅会增加时间开销，还有可能带来额外的干扰。因此，可以对指纹图像进行分割，提取有效的指纹前景，去除无效的背景部分。
在本发明的示例性实施例中，预设的指纹前景分割算法可以包括：一种改进的基于梯度的指纹图像分割算法(Fingerprint Image Segmentation Based on BoundaryValues)，或者，基于图像块的灰度均值或灰度方差的分割方法。通过预设的指纹前景分割算法可以提高后续处理的性能，同时排除不必要的干扰。在得到指纹前景区域(即上述的有效区域)后，对该区域进行规范化处理，可去除指纹采集时按压力度不同带来的图像强度差异。
S503、对所述有效区域进行方向场估计和方向场校正。
在本发明的示例性实施例中，可以对纯指纹图像中的有效区域进行方向场估计。方向场是指纹图像的一个固有属性，它定义了指纹的脊线和谷线在局部邻域内的不变坐标。
在本发明的示例性实施例中，所述方向场估计可以采用傅里叶变换、梯度法等方法估计指纹图像的初始方向场；所述方向场校正可以包括：采用方向场字典的方法对所述有效区域的初始方向场中错误的部分进行纠正，得到更加准确的方向场结果。
在本发明的示例性实施例中，所述采用方向场字典的方法对所述有效区域的初始方向场中错误的部分进行纠正可以包括：
将所述有效区域划分成多个区块，并计算每个区块中的方向分布特性；
将每个区块中的方向分布特性与预设的方向场字典进行比较，得到相似度参数；
将相似度参数大于预设的相似性阈值的区块作为参考区块，根据参考区块中的方向分布特性，校正所述有效区域中的相应区块的方向分布特性；
其中，所述预设的方向场字典是通过满足预设的质量要求的样本指纹图像进行训练，提取所述样本指纹图像中所有区块中的方向分布特性并进行聚类获得的。
在本发明的示例性实施例中，可以把指纹图像划分成多个区块，计算每个区块中的方向分布特性，这样每个区块就称为方向场字典中的一个单词。可以预先采用质量较好的指纹图像进行训练，提取所有区块中的方向分布特性并进行聚类，得到完整的方向场字典，字典中每个区块的方向分布都比较连续且平滑。对于当前指纹图像的初始方向场，用相同的方法划分区块并与训练获得的方向场字典进行比较，用方向场字典中最相似的区块对当前区块的方向分布进行纠正，使当前指纹图像中的方向场更加准确。
S504、对经过方向场校正的所述有效区域进行第二预处理，获得指纹增强图像。
在本发明的示例性实施例中，所述第二预处理可以包括：第二滤波、二值化处理和细化。
在本发明的示例性实施例中，如图6所示，所述对经过所述方向场校正的有效区域进行第二预处理具体可以包括S601-S603：
S601、用Gabor滤波器对经过所述方向场校正的有效区域进行所述第二滤波，以去除图像中的噪声，并保留正弦状的脊线和谷线；
S602、采用自适应图像二值化算法，对所述第二滤波后的有效区域中不同区域计算最优阈值，获得所述有效区域中指纹信息的完整的二值化图像；
S603、将所述二值化图像中的脊线细化到一个像素的宽度，并保留指纹原有的拓扑结构且不增加额外的噪点。
在本发明的示例性实施例中，在得到较为准确的方向场信息之后，可以采用Gabor滤波器对指纹前景进行滤波，可以去除图像中的部分噪声，保留正弦状的脊线和谷线。然后对滤波后的指纹图像进行二值化操作，期间，选择合适的阈值非常重要，可以采用自适应图像二值化算法，对不同区域计算最优的阈值，获得指纹信息完整的二值化图像。指纹图像预处理的最后一步可以是细化，这一步可以把二值图中的脊线细化到一个像素的宽度，同时保留指纹原有的拓扑结构且不增加额外的噪点，以便于后续的特征提取。
在本发明的示例性实施例中，如图7所示，在对所述指纹增强图像进行特征提取之前还可以包括S701-S702：
S701、对所述指纹增强图像进行指纹扭曲检测，确定所述指纹增强图像为正常指纹图像或扭曲指纹图像；
S702、对所述扭曲指纹图像进行扭曲校正。
在本发明的示例性实施例中，在指纹识别过程中通常还会遇到指纹扭曲变形的问题，这是由于采集过程中手指按压的力度和方向不同造成的，这会导致同一手指产生不同的特征数据，影响最后的识别结果。因此，可以采用指纹扭曲检测和校正算法，把发生扭曲的指纹图像校正到未扭曲变形的状态，从而保证最后得到的特征数据的一致性。
在本发明的示例性实施例中，所述对所述指纹增强图像进行指纹扭曲检测可以包括：
将所述指纹增强图像输入分类器进行分类，分类结果包括正常指纹图像和扭曲指纹图像。
在本发明的示例性实施例中，指纹的扭曲变形会导致最终提取到的特征数据与正常状态不同，极大降低匹配的分数，造成错误的识别结果。因此可以先对指纹图像进行扭曲检测，如果检测到扭曲变形，就对该指纹图像进行校正，使指纹图像恢复到正常的状态。为此，可以采用事先采集的大量正常指纹图像及扭曲指纹图像训练出一个分类器，将经过增强处理的指纹图像输入该训练好的分类器中，对当前输入的指纹图像做一个二分的分类，如果分类结果属于扭曲，则对该指纹图像进行扭曲校正。
在本发明的示例性实施例中，如图8所示，所述对所述扭曲指纹图像进行扭曲校正可以包括S801-S803：
S801、提取所述扭曲指纹图像的方向场和周期图；
S802、根据所述方向场和周期图在数据库集中查找与所述扭曲指纹图像最接近的参考扭曲指纹；
S803、根据所述参考扭曲指纹对所述扭曲指纹图像进行逆变换校正。
在本发明的示例性实施例中，扭曲校正可以通过估计扭曲指纹图像的扭曲场并对其逆变换来完成。为此，我们构建了一个数据库集，里面包含了各种扭曲指纹对应的扭曲场(扭曲场是指一个指纹从正常非扭曲状态到扭曲状态之间的变换关系)、方向场及周期图(周期图是指指纹图像中各个位置的脊线周期或频率(代表脊线的密集程度))。具体方法可以包括：采集常见的正常指纹与扭曲指纹的图像对，从而通过这些图像对获得常见扭曲场的统计模型，采用这些统计模型合成大量扭曲场并作用到正常指纹图像上，进而获得正常指纹图像对应的扭曲指纹图像及它们的方向场和周期图的集合，作为上述的数据库集。
在本发明的示例性实施例中，对指纹图像的扭曲校正可以包括：对于当前检测到的扭曲指纹图像，可以先提取它的方向场和周期图，然后在数据库集中查找与当前扭曲指纹图像特征最接近的参考扭曲指纹，根据该扭曲指纹对应的扭曲场对当前扭曲指纹图像进行逆变换校正，使当前扭曲指纹图像恢复正常状态。
S402、对所述指纹增强图像进行特征提取，获取特征数据。
在本发明的示例性实施例中，所述特征数据可以包括但不限于：指纹脊线的细节点特征、脊线特征。
在本发明的示例性实施例中，通过上述步骤以后便可以完成指纹图像增强处理，并可以完成扭曲指纹的校正，从而获得高质量的指纹图像。针对该高质量的指纹图像，便可对细化的指纹脊线提取特征，以获取特征数据。
在本发明的示例性实施例中，可以提取细节点特征，该细节点特征可以包括脊线的端点和分叉点等。通过对细节点特征进行预设形式的编码存储，就可以得到了当前指纹图像的特征数据。
S403、根据所述特征数据与指纹模板的特征数据的比对完成指纹识别。在本发明的示例性实施例中，所述根据所述特征数据与指纹模板的特征数据的比对完成指纹识别可以包括：
计算所述特征数据与所述指纹模板的特征数据的特征相似度；
当所述特征相似度大于或等于特征相似度阈值时，完成指纹识别。
在本发明的示例性实施例中，将获得的当前指纹图像的特征数据与来自指纹模板的不同指纹的特征数据进行比对，就可以计算出不同指纹之间的相似度，从而根据该相似度可以完成指纹识别与验证。通常情况下，当前指纹图像的所述特征数据与预设的不同指纹的特征数据中的任何一个的相似度大于或等于预设的相似度阈值时，确定两者匹配，并可以确定验证成功。
在本发明的示例性实施例中，通常情况下，进行指纹识别最后阶段，进行指纹比对时，内部存储的指纹模板(即预设的不同指纹的特征数据)与当前输入指纹的姿态不同，无法直接进行匹配，因此可以首先对两幅相互比对的指纹图像进行对齐。指纹对齐通常是通过寻找最相似的子结构(比如细节点集或脊线)完成的，在此，采用的子结构可以是细节点及多条相关的脊线，具体为：细节点、细节点所在的脊线及该脊线两侧相邻的脊线所构成的子结构。对于该子结构，先确定细节点(脊线内部的端点或分叉点表示细节点，如图9-a、9-b中黑点所示)，再通过细节点沿垂直脊线方向画一条直线，直线与相邻脊线的两个交点称为投影点，通过细节点及投影点将子结构中的脊线进行拆分，并根据它们的相对位置及方向进行标号，如图9-a、图9-b所示。图中原始的完整黑线表示脊线(如图9-a中的2+3、4+5、1和图9-b中4+5、 3+1、3+2、6+7)，脊线内部的端点或分叉点表示细节点(如图9-a、9-b中黑点所示)，图中白点为投影点，脊线被细节点或投影点拆分得到子脊线(如图9-a中的2、3、1、4、5和图9-b中的4、5、3、1、2、6、7所示)。
在本发明的示例性实施例中，如果两个子结构满足以下条件中的任意一个或多个，便可以判定它们相互匹配：1.细节点类型相同，且对应的子脊线标号相同；2.细节点类型不同，但子脊线的标号关系为给定的两种之一(如图9-c所示)；3.对应的子脊线的相似度大于一定的相似度阈值，且所有子脊线的平均相似度大于一定的相似度阈值。接着，可以从所有匹配的子结构中选出最匹配的前N对，通过最小二乘法估计出它们之间整体的仿射变换，从而对两幅指纹图像完成对齐。
在本发明的示例性实施例中，理想情况下，原本匹配的细节点对及子结构对经过对齐变换后应该是完全重叠的，但实际上由于细节点提取过程的误差以及对齐变换与真实物理变换的误差，导致细节点对与子结构对无法完全匹配。因此可以采用一种更加稳定的匹配方案来计算指纹间的相似度，可以主要考虑到以下两个方面：1.细节点对方面：可以首先选取一个参考细节点，将其他所有细节点转换成以参考细节点为原点的极坐标；然后可以按照角度升序的方式将所有细节点连接组成一个特征字符串；最后可以计算指纹模板特征字符串与当前指纹特征字符串之间的编辑距离，根据编辑距离确定细节点对之间的匹配分数。2.子结构对方面：可以对指纹对齐时得到的最匹配的前N对子结构进行遍历，每一对子结构中的对应脊线构成初始的匹配脊线对，匹配脊线对相邻的脊线对又构成新的匹配脊线对，由此得到两个指纹的匹配脊线对集合。对任意一对匹配的脊线对，可以通过它们所在子结构对的变换或生成它们的脊线对所在子结构对的变换进行对齐，然后可以通过动态规划计算出最佳匹配序列，得到匹配脊线对之间的匹配点数。同时，对于子结构对中的细节点，如果它们距离所在匹配脊线对中的匹配点小于一定的距离阈值，且细节点相邻脊线之间的周期与对应细节点相邻脊线之间的周期比较接近(如小于预设的差异阈值)，则可以认为细节点对相互匹配。最后，可以通过匹配脊线对上的匹配点的比例及匹配细节点占匹配子结构对的比例，得到子结构对之间的匹配分数。可以把细节点对匹配分数与子结构对匹配分数综合起来，得到两幅指纹图像之间最终的相似度，通过将该做种的相似度与预设的相似度阈值比较可以确认当前的两个指纹是否匹配成功。
根据本发明实施例的另一方面，还提供了一种基于指纹识别的应用程序启动方法，如图10所示，该应用程序启动方法还可以包括S1001-S1003：
S1001、采集指纹图像；
S1002、根据上述任意一项指纹识别方法，对指纹图像进行识别；
S1003、当指纹识别成功时开启该应用程序。
在本发明的示例性实施例中，应用程序启动方法还可以包括在所述采集指纹图像之前，检测触控屏上手指的触控操作是否满足启动采集指纹图像步骤的预设条件。
在本发明的示例性实施例中，应用程序可以为仅允许授权人员访问以保护用户隐私、个人信息或企事业单位机密信息的计算机程序。
在本发明的示例性实施例中，应用程序启动方法还可以在开启应用程序的同时完成身份验证。
在本发明的示例性实施例中，可以在指纹识别成功开启应用程序的同时收集该应用程序和该指纹对应的用户身份信息，用于大数据分析。例如，可以通过收集用户使用应用程序的频率、时间点等信息分析用户的偏好和习惯，由此，可以有助于应用程序开发者进行市场规划。
在传统的应用程序启动方法中，首先要通过手指点击或触摸开启应用程序，然后在应用程序提示要指纹验证时，再次通过手指按压在特定的指纹识别区域，才能完成身份验证。可见，在这种传统的方法中，至少需要两个步骤才能开启应用程序并完成身份验证，操作较为繁琐且耗时，在一定程度上降低了用户的体验度。而在本发明实施例中，通过上述步骤，在手指点击、触摸或接近屏幕时，即可在启动应用程序的同时完成身份验证，以确认用户有权限对应用程序进行相应的操作，提供对应用程序的安全访问(例如，安全金融交易)。
根据本发明实施例的另一方面，还提供了一种指纹感测系统1，如图11 所示，所述指纹感测系统可以包括：显示屏11、指纹采集模组12和指纹识别模13。
显示屏11，包括发光显示单元，用于显示画面。
在本发明的示例性实施例中，发光显示单元可以为自发光显示单元，例如发光二极管(Light-Emitting Diode,LED)、有机发光二极管(Organic Light-Emitting Diode,OLED)或微型发光二极管(Micro-LED)等。在其他替代实施例中，发光显示单元也可以为被动发光显示单元，例如液晶显示屏(Liquid Crystal Display,LCD)等。
指纹采集模组12，至少设置在所述显示屏下方的局部区域，用于采集指纹图像。
在本发明的示例性实施例中，由于便携式或可穿戴式设备的空间有限，通常希望尽可能将显示区域最大化，因此，可以将指纹采集模组至少设置在显示屏下方的局部区域，以减少对显示区域的占用。
指纹识别模13，用于接收所述当前帧指纹图像，并采用上述指纹识别方法，对所述指纹图像进行指纹识别。
在本发明的示例性实施例中，显示屏11可以为触控显示屏，不仅可以进行画面显示，还可以检测用户手指的操作(例如触摸、按压或接近显示屏)，从而为用户提供一个人机交互的界面。例如，在一个实施例中，如图12所示，指纹感测系统还可以包括触控面板(Touch Panel,TP)，该触控面板可以设置在显示屏的表面，也可以部分或整体集成于显示屏中，构成触控显示屏。
在本发明的示例性实施例中，指纹感测系统1还可以包括盖板，设置在显示屏的上方，作为用户触摸和显示画面的界面，以实现对显示屏的保护。盖板可以为玻璃或蓝宝石，而且不限于此。
在本发明的关于指纹采集模组12的组成结构的第一个示例性实施例中，指纹采集模组12可以包括光学准直器和光电检测器(Photo Detector)。通过光学准直器，只有入射角小于预设角的光线才能到达光电检测器。
在本发明的关于指纹采集模组12的组成结构的第二个示例性实施例中，指纹采集模组可以包括透镜和成像单元，其中，成像单元可以设置于透镜下方，利用透镜成像原理直接获取显示屏上的指纹图像。其中，透镜可以选用凸透镜。根据实际应用的需求，可以在显示器下方分别设置一个或多个透镜和成像单元，从而实现在屏幕的局部区域、半屏或全屏的指纹采集及识别。透镜和成像单元可以为相互独立的部件或集成为一体的部件，当透镜和成像单元相互独立时，两者的数量不一定为一一对应。
在本发明的关于指纹采集模组12的组成结构的第三个示例性实施例中，所述指纹采集模组用于通过检测自显示屏发出并在手指表面反射回显示屏的光线来获得指纹图像。具体地，指纹采集模组可以包括第一光电传感器，第一光电传感器可以通过检测自显示屏发出并在手指表面反射回显示屏的光线来获得指纹图像。如图13所示，其中，在距离显示屏中某个点亮的发光显示单元足够远的地方，指纹脊线处的折射率大于指纹谷线处的折射率，因此在指纹谷线处会形成全反射，在指纹脊线处却不会形成全反射，而是有一部分光会透射到手指内部，由此会导致在指纹谷线处反射光的强度大于指纹脊线处的反射光，通过检测这些反射回显示屏的光线的强弱，可以确定指纹脊线及指纹谷线，从而获得指纹图像。但是，在这种方案中，由于激励光为内置的发光显示单元，且要检测反射光的强弱，环境光对效果的影响较大，当反射光强弱差异较小时，会降低指纹图像的清晰度。
在本发明的关于指纹采集模组12的组成结构的第四个示例性实施例中，如图14所示，所述指纹采集模组12还可以通过检测从手指透入显示屏的光线获得指纹图像，其中，当检测到折射角大于第一阈值的光线时，可以将该光线确定为指纹脊线，否则将该光线确定为指纹谷线，根据指纹脊线和指纹谷线获得所述指纹图像。所述第一阈值可以为所述指纹谷线处的折射角。优选的，指纹采集模组12可以包括光路引导模组，用于引导折射角大于第一阈值的光线。所述指纹采集模组12还可以包括光电传感器(第二光电传感器)，第二光电传感器可以用于在检测到折射角大于第一阈值的光线时，确定为指纹脊线，否则为指纹谷线，从而获得指纹图案。第二光电传感器可以为互补金属氧化物半导体CMOS传感器、薄膜晶体管TFT传感器或其他定制的传感器。在本实施例中，由于激励光本身就是环境光，故指纹图像的获得不受环境光的影响，理论上，环境光越强，采集效果越好。此外，当环境光不足时，可以通过点亮手指周围的显示屏内置的发光显示单元或通过点亮外部光源，以增强光线的强度。
通过上述本发明的示例性实施例可知，由于指纹感测系统是位于显示屏下方的，显示屏的显示区域可以扩展到电子设备的整个面。并且，指纹感测系统可以设置在显示屏下方的部分区域或全部区域，从而实现局部区域、半屏或全屏的指纹识别。在现有技术中，指纹感测系统通常设置在显示屏外的区域且与手指的接触面较小，例如苹果iphone 6，对识别对象和识别方式有极大的限制，不适合采集识别大图案(例如，掌纹)，也不适合对多个识别对象同时进行识别验证。而采用本发明实施例的技术方案，由于在显示屏下方的局部区域、半屏区域或全屏区域均可以设置一个或多个独立或整体的指纹感测系统，因此可以实现对大图案(例如，掌纹)的采集识别，以扩大应用场景；并且可以实现对多个识别对象同时进行识别验证，以增强应用程序的安全性，例如可以设置某个金融支付类应用程序需要同时验证两个人的指纹才能开启并完成支付，则可以通过设置全屏的指纹识别，使得两个人的手指可以同时触摸显示屏的任何区域。
在本发明的示例性实施例中，本发明实施例的技术方案可以应用于各种具有显示屏的电子设备，例如智能手机、笔记本电脑、平板电脑、数码相机、游戏机、智能手环、智能手表等便携式或穿戴式电子设备，以及自动柜员机 (Automated Teller Machine，ATM)、信息管理系统、电子门锁等其它电子设备。
在本发明的示例性实施例中，本发明实施例的技术方案还可以进行除指纹以外的其它生物特征识别，本发明实施例对此不作限定。
根据本发明实施例的另一方面，还提供了一种电子设备A，如图15所示，该电子设备可以包括：
处理器2；以及
存储器3，用于存储所述处理器2的可执行指令；
其中，所述处理器2配置为经由执行所述可执行指令来执行前述任意一项所述的指纹识别方法。
在本发明的示例性实施例中，如图15所示，电子设备A还可以包括上述任意一项所述的指纹感测系统1。
根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行前述内容中任意一项所述的指纹识别方法。
本发明实施例至少包括以下有益效果：
1、只需少量次数的指纹采集便可完成身份注册，方便快捷。
2、可在手机屏幕的任意位置进行指纹识别，灵活自由。
3、在应用设计上可实现指纹识别、应用程序开启、身份验证一步到位。
4、对于扭曲变形的指纹也具有较好的识别效果，稳定可靠。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质) 和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (26)

1.一种指纹图像增强方法，其特征在于，所述方法包括：
消除当前帧指纹图像的背景纹理，获取纯指纹图像；
对所述纯指纹图像进行第一预处理，获得第一预处理图像；
获取所述第一预处理图像的有效区域；
对所述有效区域进行方向场估计和方向场校正；
对经过方向场校正的所述有效区域进行第二预处理，获得指纹增强图像；
所述背景纹理为所述当前帧指纹图像之前N帧指纹图像序列的像素均值，其中，N为正整数；
所述消除当前帧指纹图像的背景纹理，获得纯指纹图像包括：
在所述当前帧指纹图像中对所述背景纹理进行像素对应消减，获取所述纯指纹图像。
2.根据权利要求1所述的指纹图像增强方法，其特征在于，在消除当前帧指纹图像的背景纹理之前，对所述当前帧指纹图像和所述背景纹理进行局部颜色传递。
3.根据权利要求1所述的指纹图像增强方法，其特征在于，所述第一预处理包括对所述纯指纹图像进行对比度增强和/或去噪。
4.根据权利要求1所述的指纹图像增强方法，其特征在于，所述获取所述第一预处理图像的有效区域采用预设的指纹前景分割算法。
5.根据权利要求1所述的指纹图像增强方法，其特征在于，所述第二预处理包括：
对所述有效区域去噪；
获取二值化图像；
将所述二值化图像中的指纹脊线进行细化，获得所述指纹增强图像。
6.一种指纹识别方法，其特征在于，所述方法包括：
对采集的当前帧指纹图像进行增强处理，获得指纹增强图像；所述增强处理包括：消除当前帧指纹图像的背景纹理，获得纯指纹图像；
对所述指纹增强图像进行特征提取，获取特征数据；
根据所述特征数据与指纹模板的特征数据的比对完成指纹识别；
所述背景纹理为所述当前帧指纹图像之前N帧指纹图像序列的像素均值，其中，N为正整数；
所述消除当前帧指纹图像的背景纹理，获得纯指纹图像包括：
在所述当前帧指纹图像中对所述背景纹理进行像素对应消减，获取所述纯指纹图像。
7.根据权利要求6所述的指纹识别方法，其特征在于，所述增强处理还包括：
对所述纯指纹图像进行第一预处理，获得第一预处理图像；
获取所述第一预处理图像的有效区域；
对所述有效区域进行方向场估计和方向场校正；
对经过方向场校正的所述有效区域进行第二预处理，获得指纹增强图像。
8.根据权利要求6所述的指纹识别方法，其特征在于，在消除当前帧指纹图像的背景纹理之前，对所述当前帧指纹图像和所述背景纹理进行局部颜色传递。
9.根据权利要求6所述的指纹识别方法，其特征在于，在对所述指纹增强图像进行特征提取之前还包括：
对所述指纹增强图像进行指纹扭曲检测，确定所述指纹增强图像为正常指纹图像或扭曲指纹图像；
对所述扭曲指纹图像进行扭曲校正。
10.根据权利要求9所述的指纹识别方法，其特征在于，对所述指纹增强图像进行指纹扭曲检测包括：
将所述指纹增强图像输入分类器进行分类，分类结果包括正常指纹图像和扭曲指纹图像。
11.根据权利要求9所述的指纹识别方法，其特征在于，对所述扭曲指纹图像进行扭曲校正包括：
提取所述扭曲指纹图像的方向场和周期图；
根据所述方向场和周期图在数据库集中查找与所述扭曲指纹图像最接近的参考扭曲指纹；
根据所述参考扭曲指纹对所述扭曲指纹图像进行逆变换校正。
12.根据权利要求6所述的指纹识别方法，其特征在于，所述特征数据包括指纹脊线的细节点特征和/或脊线特征。
13.根据权利要求6所述的指纹识别方法，其特征在于，根据所述特征数据与指纹模板的特征数据的比对完成指纹识别包括：
计算所述特征数据与所述指纹模板的特征数据的特征相似度；
当所述特征相似度大于或等于特征相似度阈值时，完成指纹识别。
14.一种基于指纹识别的应用程序启动方法，其特征在于，所述应用程序启动方法包括：
采集指纹图像；
采用权利要求6至13中任意一项所述的指纹识别方法，对所述指纹图像进行指纹识别；
当指纹识别成功时开启所述应用程序。
15.根据权利要求14所述的应用程序启动方法，其特征在于，在所述采集指纹图像之前，检测触控屏上手指的触控操作是否满足启动采集指纹图像步骤的预设条件。
16.根据权利要求14所述的应用程序启动方法，其特征在于，所述方法还包括：在开启所述应用程序的同时完成身份验证。
17.一种指纹感测系统，其特征在于，包括：
显示屏，包括发光显示单元，用于显示画面；
指纹采集模组，至少设置在所述显示屏下方的局部区域，用于采集指纹图像；
指纹识别模组，用于接收所述指纹图像，并采用权利要求6至13中任意一项所述的指纹识别方法，对所述指纹图像进行指纹识别。
18.根据权利要求17所述的指纹感测系统，其特征在于，所述指纹采集模组包括：
透镜；
成像单元，设置于所述透镜下方，用于直接获取所述显示屏上的指纹图像。
19.根据权利要求17所述的指纹感测系统，其特征在于，所述指纹采集模组用于通过检测自显示屏发出并在手指表面反射回显示屏的光线来获得指纹图像。
20.根据权利要求17所述的指纹感测系统，其特征在于，所述指纹采集模组通过检测从手指透入显示屏的光线获得指纹图像；其中，当检测到折射角大于第一阈值的光线时，确定为指纹脊线，当检测到折射角小于或等于所述第一阈值的光线时，确定为指纹谷线，根据所述指纹脊线和所述指纹谷线获得所述指纹图像。
21.根据权利要求20所述的指纹感测系统，其特征在于，所述第一阈值为所述指纹谷线处的折射角。
22.根据权利要求20所述的指纹感测系统，其特征在于，所述指纹采集模组还包括光路引导模组，用于引导折射角大于所述第一阈值的光线。
23.根据权利要求20所述的指纹感测系统，其特征在于，所述指纹采集模组还包括光电传感器，用于在检测到折射角大于所述第一阈值的光线时，确定所述光线为指纹脊线，在检测到折射角小于或等于所述第一阈值的光线时，确定所述光线为指纹谷线，从而获得指纹图案。
24.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求6至13中任意一项所述的指纹识别方法。
25.根据权利要求24所述的电子设备，其特征在于，还包括权利要求16-23任意一项所述的指纹感测系统。
26.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求6至13中任意一项所述的指纹识别方法。
CN201910198302.7A 2019-03-15 2019-03-15 一种指纹图像增强、指纹识别和应用程序启动方法 Active CN111695386B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201910198302.7A CN111695386B (zh) 2019-03-15 2019-03-15 一种指纹图像增强、指纹识别和应用程序启动方法
EP20774228.9A EP3940583A4 (en) 2019-03-15 2020-03-10 PROCEDURE FOR FINGERPRINT IMAGE ENHANCEMENT, FINGERPRINT RECOGNITION AND LAUNCHING AN APPLICATION
US17/041,465 US11874907B2 (en) 2019-03-15 2020-03-10 Method for enhancing fingerprint image, identifying fingerprint and starting-up application program
PCT/CN2020/078648 WO2020187098A1 (zh) 2019-03-15 2020-03-10 一种指纹图像增强、指纹识别和应用程序启动方法
KR1020217033357A KR20210136127A (ko) 2019-03-15 2020-03-10 지문 이미지 강조, 지문 인식, 애플리케이션 프로그램 기동 방법, 지문 감지 시스템, 전자기기 및 저장 매체
JP2021555011A JP7377879B2 (ja) 2019-03-15 2020-03-10 指紋画像強調、指紋認識、アプリケーションプログラム起動方法、指紋検知システム、電子機器及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910198302.7A CN111695386B (zh) 2019-03-15 2019-03-15 一种指纹图像增强、指纹识别和应用程序启动方法

Publications (2)

Publication Number Publication Date
CN111695386A CN111695386A (zh) 2020-09-22
CN111695386B true CN111695386B (zh) 2024-04-26

Family

ID=72475347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910198302.7A Active CN111695386B (zh) 2019-03-15 2019-03-15 一种指纹图像增强、指纹识别和应用程序启动方法

Country Status (6)

Country Link
US (1) US11874907B2 (zh)
EP (1) EP3940583A4 (zh)
JP (1) JP7377879B2 (zh)
KR (1) KR20210136127A (zh)
CN (1) CN111695386B (zh)
WO (1) WO2020187098A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668399B (zh) * 2020-12-07 2022-05-17 北京极豪科技有限公司 图像处理方法、指纹信息提取方法、装置、设备及介质
CN114648548A (zh) * 2020-12-17 2022-06-21 虹软科技股份有限公司 图像处理方法、描述子提取方法及其装置、电子设备
TWI785443B (zh) * 2020-12-25 2022-12-01 大陸商北京集創北方科技股份有限公司 大面積屏下光學指紋採集方法、指紋辨識裝置、及資訊處理裝置
CN112884756A (zh) * 2021-03-12 2021-06-01 敦泰电子（深圳）有限公司 一种指纹图像处理方法、指纹芯片及电子设备
CN113408416B (zh) * 2021-06-18 2023-04-07 展讯通信（上海）有限公司 指纹频率估计方法及装置、指纹信息提取方法及装置
CN113570699B (zh) * 2021-06-24 2024-06-14 清华大学 三维指纹重建的方法和装置
CN114356103A (zh) * 2022-01-30 2022-04-15 清华大学 基于指纹图像的三维位姿增量控制方法及装置
CN114368692B (zh) * 2022-03-21 2022-06-14 杭州杰牌传动科技有限公司 智能塔吊物联网协同方法和系统
CN114913555A (zh) * 2022-05-30 2022-08-16 深圳芯启航科技有限公司 指纹特征点获取方法、装置、电子设备及存储介质
US11972632B1 (en) * 2023-03-31 2024-04-30 Republic Of Korea (National Service Director Ministry Of The Interior And Safety) Apparatus and method of digital enhancement of fingerprint ridges

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5963656A (en) * 1996-09-30 1999-10-05 International Business Machines Corporation System and method for determining the quality of fingerprint images
US5995642A (en) * 1997-06-30 1999-11-30 Aetex Biometric Corporation Method for automatic fingerprint classification
CN1818927A (zh) * 2006-03-23 2006-08-16 北京中控科技发展有限公司 指纹识别方法与系统
CN101079102A (zh) * 2007-06-28 2007-11-28 中南大学 基于统计方法的指纹识别方法
CN102270297A (zh) * 2011-07-21 2011-12-07 中国人民解放军国防科学技术大学 一种指纹图像增强方法
CN102609705A (zh) * 2012-01-20 2012-07-25 西安电子科技大学 一种基于扩散方程的低质量指纹图像方向场提取方法
CN102682428A (zh) * 2012-04-18 2012-09-19 浙江大学城市学院 一种基于方向场的指纹图像计算机自动化修补方法
CN104765994A (zh) * 2015-04-17 2015-07-08 努比亚技术有限公司 用户身份识别方法及装置
WO2016023264A1 (zh) * 2014-08-14 2016-02-18 深圳市汇顶科技股份有限公司 指纹识别方法及其指纹识别装置
CN106709450A (zh) * 2016-12-23 2017-05-24 上海斐讯数据通信技术有限公司 一种指纹图像识别方法及系统
CN107454963A (zh) * 2017-06-16 2017-12-08 深圳市汇顶科技股份有限公司 指纹图像处理方法、光学指纹辨识系统及电子装置
WO2018201847A1 (zh) * 2017-05-03 2018-11-08 Oppo广东移动通信有限公司 一种光学指纹识别方法及相关产品

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7054470B2 (en) * 1999-12-02 2006-05-30 International Business Machines Corporation System and method for distortion characterization in fingerprint and palm-print image sequences and using this distortion as a behavioral biometrics
AU2002318165A1 (en) * 2001-05-25 2002-12-09 Biometric Informatics Technology, Inc. Fingerprint recognition system
US20040175023A1 (en) * 2001-07-05 2004-09-09 Ola Svedin Method and apparatus for checking a person's identity, where a system of coordinates, constant to the fingerprint, is the reference
JP2003051012A (ja) * 2001-08-03 2003-02-21 Nec Corp ユーザ認証方法及びユーザ認証装置
CN1480898A (zh) * 2003-07-21 2004-03-10 上海海运学院 指纹识别系统
US7680354B2 (en) * 2006-03-22 2010-03-16 Arcsoft, Inc. Image deblur based on two images
US20080016371A1 (en) * 2006-07-14 2008-01-17 Arachnoid Biometrics Identification Group Corp. System and Method for Registering a Fingerprint, for Setting a Login Method of an Application, and for Logining in the Application
JP2008276758A (ja) 2007-03-31 2008-11-13 Univ Waseda 指紋特異点抽出装置及び指紋特異点抽出方法
GB2450479A (en) * 2007-06-22 2008-12-31 Warwick Warp Ltd Fingerprint recognition including preprocessing an image by justification and segmentation before plotting ridge characteristics in feature space
CN101609499B (zh) 2008-06-20 2011-06-08 南京理工大学 快速指纹识别方法
CN106342325B (zh) * 2009-12-23 2013-08-14 凯迈(洛阳)电子有限公司 一种指纹图像的区域分割方法
US20120127179A1 (en) * 2010-11-19 2012-05-24 Nokia Corporation Method, apparatus and computer program product for user interface
CN102999750B (zh) * 2012-12-31 2015-08-12 清华大学 一种去除背景干扰的现场指纹增强方法
CN103065134B (zh) * 2013-01-22 2016-01-13 江苏超创信息软件发展股份有限公司 一种具有提示信息的指纹识别装置和方法
KR101432011B1 (ko) * 2013-03-22 2014-08-21 주식회사 슈프리마 지문 영상 처리 장치 및 방법
CN103996026A (zh) * 2014-05-15 2014-08-20 清华大学 指纹特征提取方法、装置及系统
CN105205442B (zh) * 2015-08-07 2019-10-25 北京眼神智能科技有限公司 指纹采集的方法和装置
US10067229B2 (en) * 2015-09-24 2018-09-04 Qualcomm Incorporated Receive-side beam forming for an ultrasonic image sensor
JP2017138858A (ja) 2016-02-04 2017-08-10 富士通株式会社 生体認証装置、生体認証方法および生体認証プログラム
CN108664177B (zh) 2017-03-29 2021-11-12 上海耕岩智能科技有限公司 一种基于指纹识别开启应用的方法和装置
JP6948146B2 (ja) 2017-04-18 2021-10-13 サンデン・オートモーティブクライメイトシステム株式会社 車両用空気調和装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5963656A (en) * 1996-09-30 1999-10-05 International Business Machines Corporation System and method for determining the quality of fingerprint images
US5995642A (en) * 1997-06-30 1999-11-30 Aetex Biometric Corporation Method for automatic fingerprint classification
CN1818927A (zh) * 2006-03-23 2006-08-16 北京中控科技发展有限公司 指纹识别方法与系统
WO2007107050A1 (fr) * 2006-03-23 2007-09-27 Zksoftware Beijing Inc. Procede et systeme d'identification d'empreintes digitales
CN101079102A (zh) * 2007-06-28 2007-11-28 中南大学 基于统计方法的指纹识别方法
CN102270297A (zh) * 2011-07-21 2011-12-07 中国人民解放军国防科学技术大学 一种指纹图像增强方法
CN102609705A (zh) * 2012-01-20 2012-07-25 西安电子科技大学 一种基于扩散方程的低质量指纹图像方向场提取方法
CN102682428A (zh) * 2012-04-18 2012-09-19 浙江大学城市学院 一种基于方向场的指纹图像计算机自动化修补方法
WO2016023264A1 (zh) * 2014-08-14 2016-02-18 深圳市汇顶科技股份有限公司 指纹识别方法及其指纹识别装置
CN104765994A (zh) * 2015-04-17 2015-07-08 努比亚技术有限公司 用户身份识别方法及装置
CN106709450A (zh) * 2016-12-23 2017-05-24 上海斐讯数据通信技术有限公司 一种指纹图像识别方法及系统
WO2018201847A1 (zh) * 2017-05-03 2018-11-08 Oppo广东移动通信有限公司 一种光学指纹识别方法及相关产品
CN107454963A (zh) * 2017-06-16 2017-12-08 深圳市汇顶科技股份有限公司 指纹图像处理方法、光学指纹辨识系统及电子装置

Also Published As

Publication number Publication date
WO2020187098A1 (zh) 2020-09-24
JP2022524833A (ja) 2022-05-10
KR20210136127A (ko) 2021-11-16
EP3940583A4 (en) 2022-09-07
US11874907B2 (en) 2024-01-16
CN111695386A (zh) 2020-09-22
EP3940583A1 (en) 2022-01-19
JP7377879B2 (ja) 2023-11-10
US20220084319A1 (en) 2022-03-17

Similar Documents

Publication Publication Date Title
CN111695386B (zh) 一种指纹图像增强、指纹识别和应用程序启动方法
US10789465B2 (en) Feature extraction and matching for biometric authentication
US10339362B2 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
US20220165087A1 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
US11263432B2 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
AU2017370720B2 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
US20180101710A1 (en) Method and apparatus for recognizing fingerprint ridge point
CN113614731A (zh) 使用软生物特征的认证验证
CN108255298B (zh) 一种投影交互系统中的红外手势识别方法及设备
US20220383663A1 (en) Method for obtaining data from an image of an object of a user that has a biometric characteristic of the user
US11120285B2 (en) Intelligent terminal
Chen et al. Video-based content recognition of bank cards with mobile devices

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
CB02 Change of applicant information
CB02 Change of applicant information

Country or region after: China

Address after: 310052 19th Floor, No. 392, Binxing Road, Changhe Street, Binjiang District, Hangzhou City, Zhejiang Province (Hongsoft Building)

Applicant after: Rainbow Software Co.,Ltd.

Address before: 310012 22nd and 23rd Floors of Building A, Paradise Software Park, No. 3 Xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province

Applicant before: Rainbow Software Co.,Ltd.

Country or region before: China

GR01 Patent grant
GR01 Patent grant