CN111753720A - 一种指纹匹配方法及装置 - Google Patents
一种指纹匹配方法及装置 Download PDFInfo
- Publication number
- CN111753720A CN111753720A CN202010586748.XA CN202010586748A CN111753720A CN 111753720 A CN111753720 A CN 111753720A CN 202010586748 A CN202010586748 A CN 202010586748A CN 111753720 A CN111753720 A CN 111753720A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- image
- matched
- subgraph
- sub
- 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 32
- 239000013598 vector Substances 0.000 claims abstract description 88
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 31
- 230000009466 transformation Effects 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011840 criminal investigation Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000000106 sweat gland Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请涉及计算机技术领域,尤其涉及一种指纹匹配方法及装置,识别获得待匹配指纹图像中的各指纹特征点,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图;根据任意一个待匹配子图的识别出的子图类别和计算出的子图特征向量,分别与各子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并从满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图;根据各待匹配子图对应匹配获得的满足相似度条件的子图,确定待匹配指纹图像的指纹匹配结果,这样,通过将对待匹配指纹的类别相同的子图类进行比对,并确定指纹匹配结果,能够提高指纹匹配的效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种指纹匹配方法及装置。
背景技术
指纹识别技术是目前应用最为广泛的一种生物特征识别技术,例如,可以应用到刑侦、民侦的场景中,但是,现有技术中的指纹识别技术需要将待匹配指纹图像与指纹数据库中的指纹图像一一进行比对,才能够实现对待匹配指纹的匹配,现有技术中的这种方法,比对时间长,且效率很低。
发明内容
本申请实施例提供一种指纹匹配方法及装置,以提高指纹匹配的效率。
本申请实施例提供的具体技术方案如下:
一种指纹匹配方法,包括:
识别获得待匹配指纹图像中的各指纹特征点,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图;
分别针对各待匹配子图,根据任意一个待匹配子图的识别获得的子图类别,查找到与所述子图类别相同的子图类,并根据计算出的待匹配子图的子图特征向量,分别与各子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并从所述满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图;
根据所述各待匹配子图对应匹配获得的满足相似度条件的子图,确定所述待匹配指纹图像的指纹匹配结果。
可选的,分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图,具体包括:
分别根据所述各指纹特征点在所述待匹配指纹图像上的位置信息,从所述待匹配指纹图像中截取包含所述指纹特征点的预设尺寸的指纹区域,获得对应截取的指纹区域;
分别将截取的各指纹区域,作为对应指纹特征点的待匹配子图。
可选的,识别获得待匹配指纹图像中的各指纹特征点时,进一步包括:
识别获得所述各指纹特征点对应的属性信息;
若所述相似度条件为相似度最高,则从所述满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图,具体包括:
根据所述任意一个待匹配子图中包含的指纹特征点对应的属性信息,从所述相似度最高的子图类中,筛选出属性信息相同的子图;
将所述任意一个待匹配子图的子图特征向量,与筛选出的子图的子图特征向量进行比对,匹配获得子图特征相似度最高的子图。
可选的,根据所述各待匹配子图对应匹配获得的满足相似度条件的子图,确定所述待匹配指纹图像的指纹匹配结果,具体包括:
根据所述各待匹配子图对应匹配后的特征相似度最高的子图,确定出仿射变换矩阵,并根据所述仿射变换矩阵,筛选出满足匹配条件的子图;
根据筛选出的满足匹配条件的子图,确定所述待匹配指纹图像的指纹匹配结果。
可选的,根据筛选出的满足匹配条件的子图,确定所述待匹配指纹图像的指纹匹配结果,具体包括:
分别根据筛选出的各满足匹配条件的子图,查找与所述各满足匹配条件的子图关联的指纹图像;
分别针对查找到的各关联的指纹图像,计算任意一个指纹图像中,满足匹配条件的子图的数目与所述任意一个指纹图像包含子图的总数目之间的比值,并将所述比值,作为所述任意一个指纹图像与所述待匹配指纹图像的匹配得分;
根据确定出的各匹配得分,从所述查找到的各关联的指纹图像中确定出与所述待匹配指纹图像最终匹配的指纹图像。
一种指纹匹配装置,包括:
识别模块,用于识别获得待匹配指纹图像中的各指纹特征点,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图;
处理模块,用于分别针对各待匹配子图,根据任意一个待匹配子图的识别获得的子图类别,查找到与所述子图类别相同的子图类,并根据计算出的待匹配子图的子图特征向量,分别与各子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并从所述满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图;
确定模块,用于根据所述各待匹配子图对应匹配获得的满足相似度条件的子图,确定所述待匹配指纹图像的指纹匹配结果。
可选的,分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图时,识别模块具体用于:
分别根据所述各指纹特征点在所述待匹配指纹图像上的位置信息,从所述待匹配指纹图像中截取包含所述指纹特征点的预设尺寸的指纹区域,获得对应截取的指纹区域;
分别将截取的各指纹区域,作为对应指纹特征点的待匹配子图。
可选的,识别获得待匹配指纹图像中的各指纹特征点时,识别模块进一步用于:
识别获得所述各指纹特征点对应的属性信息;
若所述相似度条件为相似度最高,则从所述满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图,处理模块具体用于:
根据所述任意一个待匹配子图中包含的指纹特征点对应的属性信息,从所述相似度最高的子图类中,筛选出属性信息相同的子图;
将所述任意一个待匹配子图的子图特征向量,与筛选出的子图的子图特征向量进行比对,匹配获得子图特征相似度最高的子图。
可选的,确定模块具体用于:
根据所述各待匹配子图对应匹配后的特征相似度最高的子图,确定出仿射变换矩阵,并根据所述仿射变换矩阵,筛选出满足匹配条件的子图;
根据筛选出的满足匹配条件的子图,确定所述待匹配指纹图像的指纹匹配结果。
可选的,根据筛选出的满足匹配条件的子图,确定所述待匹配指纹图像的指纹匹配结果时,确定模块具体用于:
分别根据筛选出的各满足匹配条件的子图,查找与所述各满足匹配条件的子图关联的指纹图像;
分别针对查找到的各关联的指纹图像,计算任意一个指纹图像中,满足匹配条件的子图的数目与所述任意一个指纹图像包含子图的总数目之间的比值,并将所述比值,作为所述任意一个指纹图像与所述待匹配指纹图像的匹配得分;
根据确定出的各匹配得分,从所述查找到的各关联的指纹图像中确定出与所述待匹配指纹图像最终匹配的指纹图像。
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述指纹匹配方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述指纹匹配方法的步骤。
本申请实施例中,识别获得待匹配指纹图像中的各指纹特征点,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图,分别针对各待匹配子图,根据任意一个待匹配子图的识别获得的子图类别,查找到与子图类别相同的子图类,并根据计算出的待匹配子图的子图特征向量,分别与各子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并从满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图,根据各待匹配子图对应匹配获得的满足相似度条件的子图,确定待匹配指纹图像的指纹匹配结果,这样,通过将指纹数据库中的子图进行聚类存储,在指纹匹配时,先确定待匹配子图的子图类别相同的子图类,再将待匹配子图与该子图类中的子图一一进行比对,不需要将待匹配子图与指纹数据库中的子图一一进行比对,就能够实现对待匹配指纹的匹配,减少了指纹匹配时的计算量,提高了指纹匹配时的效率。
附图说明
图1为本申请实施例中一种指纹匹配方法的流程图;
图2为本申请实施例中的指纹特征点的示意图;
图3为本申请实施例中另一种指纹匹配方法的流程图;
图4为本申请实施例中指纹匹配装置的结构示意图;
图5为本申请实施例中电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
指纹识别技术是目前应用最为广泛的一种生物特征识别技术,主要根据人体指纹的纹路、细节特征等信息对操作或被操作者进行身份鉴定。随着技术的成熟和成本的降低,指纹识别技术的应用领域也越来越广泛。
例如,指纹识别技术可以应用到刑侦、民侦的场景中,现有技术中的指纹识别技术需要将待匹配指纹图像与指纹数据库中的指纹图像一一进行比对,才能够实现对待匹配指纹的匹配,现有技术中的这种方法,比对时间长,且效率很低。
本申请实施例中,识别获得待匹配指纹图像中的各指纹特征点,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图,分别针对各待匹配子图,根据任意一个待匹配子图识别获得的子图类别,查找到子图类别相同的子图类,并根据计算出的待匹配子图的子图特征向量,分别与各子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并从满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图,根据各待匹配子图对应匹配获得的满足相似度条件的子图,确定待匹配指纹图像的指纹匹配结果,这样,先获得待匹配指纹图像的各个待匹配子图对应的满足相似度条件的子图类,然后匹配获得子图特征满足相似度条件的子图,无需将待匹配指纹图像的各个待匹配子图与指纹数据库中预先存储的各指纹图像的所有子图一一进行比对,就能够实现指纹匹配,减少指纹匹配时的计算量,提高了指纹匹配时的效率。
基于上述实施例,参阅图1所示,为本申请实施例中一种指纹匹配方法的流程图,具体包括:
步骤100:识别获得待匹配指纹图像中的各指纹特征点,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图。
本申请实施例中,在识别获得待匹配指纹图像中的各指纹特征点时,还能够同时识别获得各指纹特征点对应的属性信息。
其中,属性信息例如可以为特征点类别、中心角度、中心距离和临近特征点的三角相似性等,本申请实施例中对此并不进行限制。
其中,特征点的类别可以但不限于是指核心点、端点、交叉点、分叉点、孤点、孔点等,其中,核心点用于表征指纹纹路的渐进中心,端点用于表征一条指纹纹路的终结点,交叉点用于表征至少两条指纹纹路的交点,分叉点用于表征一条指纹纹路分为至少两条指纹纹路,孤点用于表征未达到预设长度门限值的一条指纹纹路,孔点用于表征指纹纹路中包含的汗腺点。
中心角度表征指纹特征点与指纹图像的中心点所形成的夹角的度数。
中心距离表征指纹特征点与指纹图像的中心点之间的距离。
本申请实施例中,当识别获得待匹配指纹图像中的各指纹特征点之后,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图,具体包括:
S1:分别根据各指纹特征点在待匹配指纹图像上的位置信息,从待匹配指纹图像中截取包含指纹特征点的预设尺寸的指纹区域,获得对应截取的指纹区域。
本申请实施例中,在识别获得待匹配指纹图像的各指纹特征点,同时,还能够识别获得各指纹特征点在待匹配指纹图像上的位置坐标,进而根据各指纹特征点在待匹配指纹图像上的位置坐标,对待匹配指纹图像进行截取,截取预设尺寸的包含指纹特征点的指纹区域,获得对应截取的指纹区域。
其中,预设尺寸为根据实际需求进行设置的,例如,预设尺寸为64×64、128×128,本申请实施例中对此并不进行限制。
S2:分别将截取的各指纹区域,作为对应指纹特征点的待匹配子图。
本申请实施例中,获得各截取的指纹区域之后,将各截取的指纹区域,作为对应指纹特征点对应的待匹配子图,也就是说,本申请实施例中的待匹配子图包含指纹特征点对应的指纹图像,也包含待匹配指纹图像的除了对应的指纹特征点的图像之外的部分指纹图像。
进一步地,当待匹配子图与指纹数据库中的指纹图像的子图的密度不一致时,则基于二值化图生成相应的各个待匹配子图,然后,确定每一个待匹配子图对应的密度宽度,并在确定密度宽度不满足预设的密度宽度范围时,对待匹配子图进行密度校准,之后,采用预设的神经网络模型,确定相应的图像特征信息,通过对不满足条件的待匹配子图进行密度校准,通过采用各指纹特征点对应的待匹配子图,而不是直接采用二值化图进行后续的匹配过程,减少了冗余信息,避免了指纹图像中冗余信息对指纹匹配结果的影响,保证了待匹配子图与指纹数据库中的指纹图像的子图的密度保持一致,从而提高了指纹识别的准确度。
步骤110:分别针对各待匹配子图,根据任意一个待匹配子图的识别获得的子图类别,查找到与子图类别相同的子图类,并根据计算出的待匹配子图的子图特征向量,分别与各子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并从满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图。
本申请实施例中,在识别获得待匹配图像中的各指纹特征点,同时,还可以获取到指纹特征点对应的指纹特征点类别,因此,在获得各指纹特征点对应的待匹配子图时,将指纹特征点类别作为待匹配子图的子图类别,由此实现确定待匹配子图的子图类别的步骤。
然后,当获得各待匹配子图,以及各待匹配子图对应的子图类别之后,分别针对各待匹配子图,根据各待匹配子图的子图类别,从指纹数据库中查找到与任意一个待匹配子图的子图类别相同的子图类,并将任意一个待匹配子图的子图特征向量与查找到的各子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并将任意一个待匹配子图的子图特征向量,与确定出的满足相似度条件的子图类中的各个子图的子图特征向量进行比对,从满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图。
其中,相似度条件为预先设置的,例如,相似度条件为相似度最高。
其中,指纹数据库中存储有多个子图类,每个子图类都对应一个子图类型,并且,指纹数据库中存储的各个子图类的子图类型可以相同,也可以不同。
具体地,本申请实施例中的各待匹配子图的子图类别可以通过以下方式获得,具体包括:
在识别获得待匹配指纹图像中的各指纹特征点时,识别各指纹特征点对应的指纹类别,并根据识别获得的指纹类别,确定对应待匹配子图的子图类别。
其中,子图类别为中心点、端点、交叉点、弧点、三角点或孔点。
由于指纹图像的纹路并不是连续的、平滑笔直的,而是经常出现中断、分叉或打折,这些分叉点和转折点等,就称为指纹特征点,同时,也就是这些指纹特征点提供了指纹唯一性的确认信息,特征点的分类有以下几种,最典型的是端点和分叉点,参阅图2所示,为本申请实施例中的指纹特征点的示意图。
本申请实施例中,在识别获得待匹配指纹图像中的各指纹特征点时,同时,识别各指纹特征点的指纹类别,进而将获得的指纹类别,作为对应的待匹配子图的子图类别。
步骤120:根据各待匹配子图对应匹配获得的满足相似度条件的子图,确定待匹配指纹图像的指纹匹配结果。
本申请实施例中,根据各待匹配子图对应匹配获得的满足相似度条件的子图,确定待匹配指纹图像的指纹匹配结果,下面以相似度条件为相似度最高为例,对本申请实施例中的确定各待匹配子图对应匹配获得的满足相似度条件的子图的步骤进行详细阐述,具体包括:
S1:分别针对各待匹配子图,根据任意一个待匹配子图的子图类别,查找到与任意一个待匹配子图的子图类别相同的子图类。
本申请实施例中,根据待匹配子图的子图类别,对指纹数据库中的各子图类进行查找,查找到与任意一个待匹配子图的子图类别相同的子图类。
例如,待匹配子图的子图类别为中心点,则从指纹数据库中查找到子图类别也为中心点的子图类。
S2:将任意一个待匹配子图的子图特征向量与子图类的中心子图特征向量进行比对,确定出相似度最高的子图类。
其中,中心子图特征向量的获得方式为:采用预设的距离算法,分别将任意一个子图类中包含的各个子图的子图特征向量两两进行比对,确定各子图特征向量之间的特征相似度,将特征相似度最高的子图对应的子图特征向量,作为对应的子图类的中心子图特征向量。
本申请实施例中,执行步骤S2时,具体包括:
A1:分别确定任意一个待匹配子图的子图特征向量与子图类的中心子图特征向量之间的第一距离。
本申请实施例中,采用预设的距离算法,分别确定任意一个待匹配子图的子图特征向量与子图类的中心子图特征向量之间的第一距离。
其中,预设的距离算法可以为欧氏距离算法,余弦距离算法等,本申请实施例中对此并不进行限制。
例如,假设待匹配子图为中心点,待匹配子图的子图特征向量为X,与待匹配子图的子图类别相同的子图类,即中心点共有3个,分别为子图类A、子图类B和子图类C,采用欧氏距离算法,计算子图特征向量X与子图类A的中心子图特征向量之间的第一距离XA,计算子图特征向量X与子图类B的中心子图特征向量之间的第一距离XB,并计算子图特征向量X与子图类C的中心子图特征向量之间的第一距离XC。
A2:从确定出的第一距离小于预设第一距离阈值的各子图类中,将第一距离最小对应的子图类,作为与待匹配子图之间的相似度最高的子图类。
本申请实施例中,在确定出各个第一距离之后,判断确定出的各个第一距离是否小于预设第一距离阈值,若确定存在第一距离小于预设第一距离阈值的子图类,则再从小于预设第一距离阈值的各子图类中,确定出第一距离最小对应的子图类,并将该子图类作为与待匹配子图之间的相似度最高的子图类。
例如,假设预设第一距离阈值为0.2,第一距离X1为0.1,第一距离X2为0.05,第一距离X3为0.3,则确定X1和X2小于预设第一距离阈值,由于X2小于X1,则确定出第一距离最小对应的中心子图特征为X2,并将中心子图特征向量X2对应的子图类作为与待匹配子图之间的相似度最高的子图类。
其中,对第一距离设置第一距离阈值,这样,当待匹配子图的子图特征向量与各子图类的中心子图特征向量之间的第一距离均大于预设第一距离阈值时,则不能够继续进行匹配,这样,能够提高指纹匹配的准确度。
进一步地,当确定出各第一距离之后,还可以根据第一距离与子图特征向量相似度之间的对应关系,确定出各第一距离对应的子图特征向量相似度,在确定出各子图特征向量相似度之后,判断确定出的各子图特征向量相似度是否大于预设子图特征向量相似度阈值,再从大于预设子图向量特征相似度阈值的各中心子图特征中,确定出子图特征向量相似度最大的中心子图特征,进而获得与待匹配子图之间的相似度最高的子图类。
其中,对子图特征向量相似度设置子图特征向量相似度阈值,这样,当待匹配子图的子图特征向量与各子图类的中心子图特征向量之间的子图特征向量相似度均小于预设子图特征向量相似度阈值时,则无法继续对该待匹配子图进行匹配,这样,能够提高指纹匹配的准确度。
S3:从相似度最高的子图类中,匹配获得子图特征相似度最高的子图。
本申请实施例中,执行步骤S3时,具体包括:
A1:采用预设距离算法,分别计算待匹配子图的子图特征向量与相似度最高的子图类中的各个子图的子图特征向量之间的第二距离。
本申请实施例中,采用预设距离算法,分别计算待匹配子图的子图特征向量与相似度最高的子图类中的各个子图的子图特征向量之间的第二距离。
下面以预设距离算法为余弦距离算法为例,对本申请实施例中的步骤A1进行详细阐述,假设待匹配子图为交叉点,相似度最高的子图类中共有3个子图,分别为子图1,子图2和子图3,则采用余弦距离算法,计算待匹配子图的子图特征向量N与子图1的子图特征向量之间的第二距离N1,计算待匹配子图的子图特征向量N与子图2的子图特征向量之间的第二距离N2,并计算待匹配子图的子图特征向量N与子图3的子图特征向量之间的第一距离N3,获得待匹配子图的子图特征向量N与相似度最高的子图类中的各子图的子图特征向量之间的第二距离。
A2:将第二距离小于预设第二距离阈值,且第二距离最小的子图,作为与任意一个待匹配子图匹配的子图。
本申请实施例中,在获得各第二距离之后,将第二距离小于预设第二距离阈值,则第二距离最小的子图,作为与任意一个待匹配子图的子图特征相似度最高的子图,并确定该子图与待匹配子图匹配,例如,子图类共有10个子图,其中,与待匹配子图之间的第二距离小于预设第二距离阈值的子图共有2个,则从这两个子图中,确定第二距离最小的子图,作为与该待匹配子图匹配的子图。
进一步地,本申请实施例中,为了提高匹配效率,在识别获得待匹配指纹图像的各指纹特征点的同时,识别获得各指纹特征点对应的属性信息,则从相似度最高的子图类中,匹配获得子图特征相似度最高的子图时,具体包括:
S1:根据任意一个待匹配子图中包含的指纹特征点对应的属性信息,从相似度最高的子图类中,筛选出属性信息相同的子图。
本申请实施例中,根据任意一个待匹配子图中包含的指纹特征点对应的属性信息,从获得的相似度最高的子图类中,筛选出与任意一个待匹配子图属性信息相同的子图。
其中,属性信息例如可以是中心角度、中心距离等。
S2:将任意一个待匹配子图的子图特征向量,与筛选出的子图的子图特征向量进行比对,匹配获得子图特征相似度最高的子图。
例如,假设任意一个待匹配子图的中心角度为中心点右侧,中心距离为0.1,并对中心距离设置距离范围区间,例如,设置为0.05,则根据任意一个待匹配子图中包含的指纹特征点对应的属性信息,从相似度最高的子图类中,筛选出属性信息相同的子图时,从相似度最高的子图类中,筛选出位于中心点右侧,且中心距离为0.05-0.15的子图,并将任意一个待匹配子图的子图特征向量,与位于中心点右侧,且中心距离为0.05-0.15之间的子图的子图特征向量进行比对,匹配获得子图特征相似度最高的子图。
进一步地,为了提高匹配的准确度,在匹配获得子图特征相似度最高的子图之后,还可以根据仿射变换,将匹配错误的子图滤除,获得匹配正确的目标子图,具体包括:
S1:根据各待匹配子图对应匹配后的特征相似度最高的子图,确定出仿射变换矩阵,并根据仿射变换矩阵,筛选出满足匹配条件的子图。
本申请实施例中,根据各待匹配子图对应匹配后的相似度最高的子图,确定出仿射变换矩阵,并根据仿射变换矩阵,分别对各待匹配子图进行仿射变换,确定各待匹配子图对应仿射变换后的子图,若确定仿射变换后的子图与对应获得的特征相似度最高的子图之间的第二距离小于预设第二距离阈值,则确定对应的待匹配子图与匹配获得的相似度最高的子图满足匹配条件,且匹配正确,并筛选出满足匹配条件的子图。
其中,仿射变换矩阵的获得方式为:随机选取预设数个待匹配子图和对应匹配获得的相似度最高的子图对,并分别计算获得各候选的仿射变换矩阵,分别针对各计算获得的候选的仿射变换矩阵,根据任意一个候选的仿射变换矩阵,分别对各待匹配子图进行仿射变换,确定各待匹配子图对应的仿射变换后的子图,若确定仿射变换后的子图与对应匹配获得的相似度最高的子图之间的第一距离小于第一距离阈值,则确定对应的待匹配子图与匹配获得的相似度最高的子图之间满足匹配条件,即匹配正确,并确定满足匹配条件的待匹配子图的数量总和,以及对应的第一距离总和,然后,将各计算获得的仿射变换矩阵中满足匹配条件的待匹配子图的数量总和最大,并对应的第一距离总和最小对应的候选的仿射变换矩阵,作为仿射变换矩阵。
S2:根据筛选出的满足匹配条件的子图,确定待匹配指纹图像的指纹匹配结果。
本申请实施例中,在筛选出满足匹配条件的子图之后,根据筛选出的满足匹配条件的子图,确定待匹配指纹图像的指纹匹配结果。
在获得各个待匹配子图满足匹配条件的子图之后,根据确定出的各满足匹配条件的子图,确定待匹配指纹图像的指纹匹配结果,下面对本申请实施例中确定待匹配指纹图像的指纹匹配结果进行示例性阐释,具体包括:
S1:分别根据筛选出的各满足匹配条件的子图,查找与各满足匹配条件的子图关联的指纹图像。
本申请实施例中,分别根据筛选出的各满足匹配条件的子图、各满足匹配条件的子图的子图编号,以及子图编号与指纹图像编号之间的关联关系,查找到与各满足匹配条件的子图关联的指纹图像。
S2:分别针对查找到的各关联的指纹图像,计算任意一个指纹图像中,满足匹配条件的子图的数目与任意一个指纹图像包含子图的总数目之间的比值,并将比值,作为任意一个指纹图像与待匹配指纹图像的匹配得分。
本申请实施例中,分别针对查找到的各关联的指纹图像,计算任意一个指纹图像中,满足匹配条件的子图的数目与任意一个指纹图像包含的子图的总数目之间的比值,并将计算出的比值作为任意一个指纹图像与待匹配指纹图像的匹配得分。
例如,假设满足匹配条件的子图的数目和指纹图像A包含的子图的总数目分别为80、100,则基于获得的满足匹配条件的子图的总数目80,以及任意一个指纹图像包含的子图的总数目100,计算待匹配指纹图像与指纹图像A之间的比值为80/100,即0.8,然后,将计算出的比值作为指纹图像A与待匹配指纹图像的匹配得分。
S3:根据确定出的各匹配得分,从查找到的各关联的指纹图像中确定出与待匹配指纹图像最终匹配的指纹图像。
本申请实施例中,根据确定出的各匹配得分,从查找到的各关联的指纹图像中确定出匹配得分最高的指纹图像,作为与待匹配指纹图像最终匹配的指纹图像。
进一步地,本申请实施例中,还可以将确定出的匹配得分最高的N个指纹图像,作为相应的指纹匹配结果。
其中,N为预设的正整数。
例如,假设,N的取值为2,待匹配指纹图像与指纹数据库中的指纹图像1、指纹图像2、指纹图像3之间的相似度分别为0.2、0.4、0.6,基于待匹配指纹图像与指纹图像1、指纹图像2、指纹图像3之间的图像相似度,将图像相似度的取值最高的2个指纹图像,作为相应的指纹识别结果,即,将指纹图像2、指纹图像3作为相应的指纹识别结果。
本申请实施例中,识别获得待匹配指纹图像中的各指纹特征点,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图,分别针对各待匹配子图,根据任意一个待匹配子图的识别获得的子图类别,查找到与子图类别相同的子图类,并根据计算出的待匹配子图的子图特征向量,分别与各子图类别相同的子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并从满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图,这样,基于子图类别分别将待匹配指纹的待匹配子图与子图类别相同的子图类中的子图进行比对,无需将待匹配子图的各待匹配子图与指纹数据库中的所有子图都进行比对,提高了指纹匹配的效率,并且,通过仿射变换过滤掉匹配错误的子图,能够提高指纹匹配的准确度。
基于上述实施例,参阅图3所示,为本申请实施例中另一种指纹匹配方法的流程图,具体包括:
步骤300:识别获得待匹配指纹图像中的各指纹特征点,并识别获得各指纹特征点对应的属性信息。
步骤310:分别根据各指纹特征点在待匹配指纹图像上的位置信息,从待匹配指纹图像中截取包含指纹特征点的预设尺寸的指纹区域,获得对应截取的指纹区域。
步骤320:分别将截取的各指纹区域,作为对应指纹特征点的待匹配子图。
步骤330:分别针对各待匹配子图,根据任意一个待匹配子图的子图类别和子图特征向量,分别与各子图类别相同的子图类的中心子图特征向量进行比对,确定出相似度最高的子图类。
步骤340:根据任意一个待匹配子图中包含的指纹特征点对应的属性信息,从相似度最高的子图类中,筛选出属性信息相同的子图。
步骤350:将任意一个待匹配子图的子图特征向量,与筛选出的子图的子图特征向量进行比对,匹配获得子图特征相似度最高的子图。
步骤360:根据各待匹配子图对应匹配后的特征相似度最高的子图,确定出仿射变换矩阵,并根据仿射变换矩阵,筛选出满足匹配条件的子图。
步骤370:分别根据筛选出的各满足匹配条件的子图,查找与各满足匹配条件的子图关联的指纹图像。
步骤380:分别针对查找到的各关联的指纹图像,计算任意一个指纹图像中,满足匹配条件的子图的数目与任意一个指纹图像包含子图的总数目之间的比值,并将比值,作为任意一个指纹图像与待匹配指纹图像的匹配得分。
步骤390:根据确定出的各匹配得分,从查找到的各关联的指纹图像中确定出与待匹配指纹图像最终匹配的指纹图像。
本申请实施例中,根据子图类别对指纹数据库中的指纹图像的各个子图进行分类存储,这样,在对待匹配指纹图像进行匹配时,识别获得待匹配指纹图像的各个指纹特征点,并分别从待匹配指纹图像上获取包含有指纹特征点的待匹配子图,进而将待匹配子图与子图类别相同的子图类中的子图进行比对,能够提高匹配时的效率,并通过仿射变换,过滤掉匹配错误的子图,能够提高指纹匹配的准确度。
基于同一发明构思,本申请实施例中提供了指纹匹配装置,该指纹匹配装置可以是硬件结构、软件模块、或硬件结构加软件模块。基于上述实施例,参阅图4所示,为本申请实施例中指纹匹配装置的结构示意图,具体包括:
识别模块400,识别获得待匹配指纹图像中的各指纹特征点,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图;
处理模块410,用于分别针对各待匹配子图,根据任意一个待匹配子图的识别获得的子图类别,查找到与所述子图类别相同的子图类,并根据计算出的待匹配子图的子图特征向量,分别与各子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并从所述满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图;
确定模块420,用于根据所述各待匹配子图对应匹配获得的满足相似度条件的子图,确定所述待匹配指纹图像的指纹匹配结果。
可选的,分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图时,识别模块400具体用于:
分别根据所述各指纹特征点在所述待匹配指纹图像上的位置信息,从所述待匹配指纹图像中截取包含所述指纹特征点的预设尺寸的指纹区域,获得对应截取的指纹区域;
分别将截取的各指纹区域,作为对应指纹特征点的待匹配子图。
可选的,识别获得待匹配指纹图像中的各指纹特征点,识别模块400进一步用于:
识别获得所述各指纹特征点对应的属性信息;
若所述相似度条件为相似度最高,则从所述满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图,处理模块410具体用于:
根据所述任意一个待匹配子图中包含的指纹特征点对应的属性信息,从所述相似度最高的子图类中,筛选出属性信息相同的子图;
将所述任意一个待匹配子图的子图特征向量,与筛选出的子图的子图特征向量进行比对,匹配获得子图特征相似度最高的子图。
可选的,确定模块420具体用于:
根据所述各待匹配子图对应匹配后的特征相似度最高的子图,确定出仿射变换矩阵,并根据所述仿射变换矩阵,筛选出满足匹配条件的子图;
根据筛选出的满足匹配条件的子图,确定所述待匹配指纹图像的指纹匹配结果。
可选的,根据筛选出的满足匹配条件的子图,确定所述待匹配指纹图像的指纹匹配结果时,确定模块420具体用于:
分别根据筛选出的各满足匹配条件的子图,查找与所述各满足匹配条件的子图关联的指纹图像;
分别针对查找到的各关联的指纹图像,计算任意一个指纹图像中,满足匹配条件的子图的数目与所述任意一个指纹图像包含子图的总数目之间的比值,并将所述比值,作为所述任意一个指纹图像与所述待匹配指纹图像的匹配得分;
根据确定出的各匹配得分,从所述查找到的各关联的指纹图像中确定出与所述待匹配指纹图像最终匹配的指纹图像。
基于上述实施例,参阅图5所示为本申请实施例中电子设备的结构示意图。
本申请实施例提供了一种电子设备,该电子设备可以包括处理器510(CenterProcessing Unit,CPU)、存储器520、输入设备530和输出设备540等,输入设备530可以包括键盘、鼠标、触摸屏等,输出设备540可以包括显示设备,如液晶显示器(Liquid CrystalDisplay,LCD)、阴极射线管(Cathode Ray Tube,CRT)等。
存储器520可以包括只读存储器(ROM)和随机存取存储器(RAM),并向处理器510提供存储器520中存储的程序指令和数据。在本申请实施例中,存储器520可以用于存储本申请实施例中任一种指纹匹配方法的程序。
处理器510通过调用存储器520存储的程序指令,处理器510用于按照获得的程序指令执行本申请实施例中任一种指纹匹配方法。
基于上述实施例,本申请实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意方法实施例中的指纹匹配方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种指纹匹配方法,其特征在于,包括:
识别获得待匹配指纹图像中的各指纹特征点,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图;
分别针对各待匹配子图,根据任意一个待匹配子图的识别获得的子图类别,查找到与所述子图类别相同的子图类,并根据计算出的待匹配子图的子图特征向量,分别与各子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并从所述满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图;
根据所述各待匹配子图对应匹配获得的满足相似度条件的子图,确定所述待匹配指纹图像的指纹匹配结果。
2.如权利要求1所述的方法,其特征在于,分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图,具体包括:
分别根据所述各指纹特征点在所述待匹配指纹图像上的位置信息,从所述待匹配指纹图像中截取包含所述指纹特征点的预设尺寸的指纹区域,获得对应截取的指纹区域;
分别将截取的各指纹区域,作为对应指纹特征点的待匹配子图。
3.如权利要求1所述的方法,其特征在于,识别获得待匹配指纹图像中的各指纹特征点时,进一步包括:
识别获得所述各指纹特征点对应的属性信息;
若所述相似度条件为相似度最高,则从所述满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图,具体包括:
根据所述任意一个待匹配子图中包含的指纹特征点对应的属性信息,从所述相似度最高的子图类中,筛选出属性信息相同的子图;
将所述任意一个待匹配子图的子图特征向量,与筛选出的子图的子图特征向量进行比对,匹配获得子图特征相似度最高的子图。
4.如权利要求3所述的方法,其特征在于,根据所述各待匹配子图对应匹配获得的满足相似度条件的子图,确定所述待匹配指纹图像的指纹匹配结果,具体包括:
根据所述各待匹配子图对应匹配后的特征相似度最高的子图,确定出仿射变换矩阵,并根据所述仿射变换矩阵,筛选出满足匹配条件的子图;
根据筛选出的满足匹配条件的子图,确定所述待匹配指纹图像的指纹匹配结果。
5.如权利要求4所述的方法,其特征在于,根据筛选出的满足匹配条件的子图,确定所述待匹配指纹图像的指纹匹配结果,具体包括:
分别根据筛选出的各满足匹配条件的子图,查找与所述各满足匹配条件的子图关联的指纹图像;
分别针对查找到的各关联的指纹图像,计算任意一个指纹图像中,满足匹配条件的子图的数目与所述任意一个指纹图像包含子图的总数目之间的比值,并将所述比值,作为所述任意一个指纹图像与所述待匹配指纹图像的匹配得分;
根据确定出的各匹配得分,从所述查找到的各关联的指纹图像中确定出与所述待匹配指纹图像最终匹配的指纹图像。
6.一种指纹匹配装置,其特征在于,包括:
识别模块,用于识别获得待匹配指纹图像中的各指纹特征点,并分别从待匹配指纹图像中获得包含指纹特征点的待匹配子图;
处理模块,用于分别针对各待匹配子图,根据任意一个待匹配子图的识别获得的子图类别,查找到与所述子图类别相同的子图类,并根据计算出的待匹配子图的子图特征向量,分别与各子图类的中心子图特征向量进行比对,确定出满足相似度条件的子图类,并从所述满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图;
确定模块,用于根据所述各待匹配子图对应匹配获得的满足相似度条件的子图,确定所述待匹配指纹图像的指纹匹配结果。
7.如权利要求6所述的装置,其特征在于,识别获得待匹配指纹图像中的各指纹特征点时,识别模块进一步用于:
识别获得所述各指纹特征点对应的属性信息;
若所述相似度条件为相似度最高,则从所述满足相似度条件的子图类中,匹配获得子图特征满足相似度条件的子图,处理模块具体用于:
根据所述任意一个待匹配子图中包含的指纹特征点对应的属性信息,从所述相似度最高的子图类中,筛选出属性信息相同的子图;
将所述任意一个待匹配子图的子图特征向量,与筛选出的子图的子图特征向量进行比对,匹配获得子图特征相似度最高的子图。
8.如权利要求7所述的装置,其特征在于,确定模块具体用于:
根据所述各待匹配子图对应匹配后的特征相似度最高的子图,确定出仿射变换矩阵,并根据所述仿射变换矩阵,筛选出满足匹配条件的子图;
根据筛选出的满足匹配条件的子图,确定所述待匹配指纹图像的指纹匹配结果。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-5任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010586748.XA CN111753720A (zh) | 2020-06-24 | 2020-06-24 | 一种指纹匹配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010586748.XA CN111753720A (zh) | 2020-06-24 | 2020-06-24 | 一种指纹匹配方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111753720A true CN111753720A (zh) | 2020-10-09 |
Family
ID=72678521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010586748.XA Pending CN111753720A (zh) | 2020-06-24 | 2020-06-24 | 一种指纹匹配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753720A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160303A (zh) * | 2015-08-10 | 2015-12-16 | 上海闻泰电子科技有限公司 | 基于混合匹配的指纹识别方法 |
CN106560840A (zh) * | 2015-09-30 | 2017-04-12 | 腾讯科技(深圳)有限公司 | 一种图像信息识别处理方法及装置 |
CN109446954A (zh) * | 2018-10-17 | 2019-03-08 | 长安大学 | 一种基于超短二值描述子的快速指纹匹配方法和装置 |
CN109934180A (zh) * | 2019-03-18 | 2019-06-25 | Oppo广东移动通信有限公司 | 指纹识别方法及相关装置 |
-
2020
- 2020-06-24 CN CN202010586748.XA patent/CN111753720A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160303A (zh) * | 2015-08-10 | 2015-12-16 | 上海闻泰电子科技有限公司 | 基于混合匹配的指纹识别方法 |
CN106560840A (zh) * | 2015-09-30 | 2017-04-12 | 腾讯科技(深圳)有限公司 | 一种图像信息识别处理方法及装置 |
CN109446954A (zh) * | 2018-10-17 | 2019-03-08 | 长安大学 | 一种基于超短二值描述子的快速指纹匹配方法和装置 |
CN109934180A (zh) * | 2019-03-18 | 2019-06-25 | Oppo广东移动通信有限公司 | 指纹识别方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6658147B2 (en) | Reshaping freehand drawn lines and shapes in an electronic document | |
CN111243601B (zh) | 声纹聚类方法、装置、电子设备和计算机可读存储介质 | |
US8027978B2 (en) | Image search method, apparatus, and program | |
US11809519B2 (en) | Semantic input sampling for explanation (SISE) of convolutional neural networks | |
Warif et al. | CMF-iteMS: An automatic threshold selection for detection of copy-move forgery | |
CN111753719A (zh) | 一种指纹识别方法及装置 | |
JP2007025902A (ja) | 画像処理装置、画像処理方法 | |
CN114494751A (zh) | 证照信息识别方法、装置、设备及介质 | |
CN113780365A (zh) | 样本生成方法和装置 | |
CN111898408B (zh) | 一种快速人脸识别方法及装置 | |
US8548259B2 (en) | Classifier combination for optical character recognition systems utilizing normalized weights and samples of characters | |
CN109934858B (zh) | 图像配准方法及装置 | |
CN111753720A (zh) | 一种指纹匹配方法及装置 | |
CN111753722B (zh) | 一种基于特征点类型的指纹识别方法及装置 | |
CN109919626A (zh) | 一种高风险银行卡的识别方法及装置 | |
US11972610B2 (en) | Multi-pass object tracking system utilizing single object tracking in a multi object tracking use case for higher accuracy | |
CN111091022A (zh) | 机器视觉的效能评估方法与系统 | |
CN111753723B (zh) | 一种基于密度校准的指纹识别方法及装置 | |
US9015573B2 (en) | Object recognition and describing structure of graphical objects | |
US10796197B2 (en) | Automatic method and system for similar images and image fragments detection basing on image content | |
CN111275693A (zh) | 一种图像中物体的计数方法、计数装置及可读存储介质 | |
KR101687941B1 (ko) | 온라인 필기 데이터 라인 분할 방법 및 이를 이용하는 장치 | |
US20230139211A1 (en) | Model generation apparatus, model generation method, image processing apparatus, image processing method, and recording medium | |
CN114491131B (zh) | 对候选图像进行重新排序的方法、装置和电子设备 | |
US11922719B2 (en) | Image processing apparatus, image processing method, and recording medium |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201009 |
|
WD01 | Invention patent application deemed withdrawn after publication |