CN111753722A

CN111753722A - 一种基于特征点类型的指纹识别方法及装置

Info

Publication number: CN111753722A
Application number: CN202010587353.1A
Authority: CN
Inventors: 高名扬; 王�琦
Original assignee: Shanghai Yitu Network Science and Technology Co Ltd
Current assignee: Shanghai Yitu Network Science and Technology Co Ltd
Priority date: 2020-06-24
Filing date: 2020-06-24
Publication date: 2020-10-09
Anticipated expiration: 2040-06-24
Also published as: CN111753722B

Abstract

本公开涉及指纹识别技术领域，特别涉及一种基于特征点类型的指纹识别方法及装置，用于提高指纹识别准确率和识别效率，该方法为：确定原始指纹图像中包含的各个指纹特征点之后，基于各个指纹特征点对应的特征点类型，确定相应的各个采集区域，并从各个采集区域中，截取包含各个指纹特征点的区域，作为相应的各个待匹配子图，进而，采用预设的神经网络模型，确定图像特征信息，并基于获得的图像特征信息进行匹配，从而确定相应的指纹识别结果。这样，通过截取包含指纹特征点的图像，减少了冗余信息，从而在进行匹配时，减少了计算量，提高了识别效率，同时，避免了冗余信息对识别结果的干扰，提高了识别准确率。

Description

一种基于特征点类型的指纹识别方法及装置

技术领域

本公开涉及指纹识别技术领域，特别涉及一种基于特征点类型的指纹识别方法及装置。

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，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。

现有技术中的指纹识别技术中，在对原始指纹图像进行特征提取后，直接将原始指纹图像作为待匹配指纹图像，进而与样本指纹图像进行比较，实现对待匹配指纹的匹配。

然而，在一些场景下，例如，刑侦、民侦的场景中，通常采集的原始指纹图像的质量较差，指纹可能存在模糊不清、残缺、遮挡、其他纹路交叉等问题，而现有的指纹识别技术对于低质量的指纹，存在识别准确率较差或无法识别的问题。

由此可见，需要设计一种新的方案，以克服上述缺陷。

发明内容

本公开提供了一种基于特征点类型的指纹识别方法及装置，用以减少冗余信息，提高指纹识别准确率和识别效率。

本公开实施例提供的具体技术方案如下：

第一方面，一种基于特征点类型的指纹识别方法，包括：

获取采集的原始指纹图像，并确定所述原始指纹图像中包含的各个指纹特征点；

基于所述各个指纹特征点对应的特征点类型，确定相应的各个采集区域，并从所述各个采集区域中，截取包含所述各个指纹特征点的区域，作为相应的各个待匹配子图；

采用预设的神经网络模型，确定获得的各个待匹配子图各自对应的图像特征信息，并基于获得的图像特征信息，将所述各个待匹配子图，与预设的各个样本指纹图像各自对应的样本子图集合进行匹配，确定相应的指纹识别结果。

可选的，基于任意一个指纹特征点对应的特征点类型，确定相应的采集区域，具体包括：

若所述任意一个指纹特征点对应的特征点类型归属于预设的第一类特征点，则以所述任意一个指纹特征点为中心，基于预设的第一组指纹截取数目，从所述原始指纹图像中截取包含所述任意一个指纹特征点的指纹区域，作为所述任意一个指纹特征点对应的采集区域，其中，所述第一组指纹截取数目用于表征预设的各个方向上分别截取的指纹纹路的数目；

若所述任意一个指纹特征点对应的特征点类型归属于预设的第二类特征点，则以所述任意一个指纹特征点为中心，基于预设的第二组指纹截取数目，从所述原始指纹图像中截取包含所述任意一个指纹特征点的指纹区域，作为所述任意一个指纹特征点对应的采集区域，其中，所述第二组指纹截取数目用于表征预设的各个方向上分别截取的指纹纹路的数目。

可选的，所述第一类特征点包括三角点和/或核心点，所述第二类特征点包括端点、交叉点、分叉点、孤点、孔点等中的任一项或组合。

可选的，基于获得的图像特征信息，将任意一个待匹配子图，与预设的任意一个样本指纹图像对应的样本子图集合中任意一个样本子图进行匹配，具体包括：

若所述任意一个待匹配子图对应的第一图片尺寸大于所述任意一个样本子图对应的第二图片尺寸，则基于所述第二图片尺寸，对所述任意一个待匹配子图进行截取，并基于获得的图像特征信息，将截取后的待匹配子图与所述任意一个样本子图进行匹配，以及在确定未达到预设的距离门限值时，将所述任意一个样本子图作为对应的目标样本子图；

若所述第一图片尺寸小于所述第二图片尺寸，则基于所述第一图片尺寸，对所述任意一个样本子图进行截取，并基于获得的图像特征信息，将所述待匹配子图与截取后的任意一个样本子图进行匹配，确定未达到预设的距离门限值时，将所述任意一个样本子图作为对应的目标样本子图；

若所述第一图片尺寸与所述第二图片尺寸相同，则直接基于获得的图像特征信息，将所述待匹配子图与所述任意一个样本子图进行匹配，确定未达到预设的距离门限值时，将所述任意一个样本子图作为对应的目标样本子图。

可选的，生成所述各个指纹特征点各自对应的各个待匹配子图之后，进一步包括：

将所述各个指纹特征点各自对应的特征点类型，作为所述各个待匹配子图各自对应的子图类别；

基于获得的图像特征信息，将任意一个待匹配子图，与预设的任意一个样本指纹图像对应的样本子图集合进行匹配，具体包括：

基于所述任意一个待匹配子图对应的子图类别，从预设的任意一个样本指纹图像对应的样本子图集合中，确定出与所述任意一个待匹配子图对应的子图类别相同的样本子图，作为相应的候选样本子图；

从获得的各个候选样本子图中，筛选出与所述任意一个待匹配子图的图像特征信息之间的距离未达到预设的距离门限值的候选样本子图，作为对应的目标样本子图。

可选的，确定相应的指纹识别结果，具体包括：

分别计算所述各个样本指纹图像中得到的目标样本子图的数目与所述各个样本指纹图像包含的样本子图的总数目之间的比值，并将所述比值，作为所述各个样本指纹图像与所述原始指纹图像的匹配得分；

根据确定出的各个匹配得分，从所述各个样本指纹图像中，确定出与所述原始指纹图像匹配的指纹图像。

第二方面，一种基于特征点类型的指纹识别装置，包括：

获取单元，用于获取采集的原始指纹图像，并确定所述原始指纹图像中包含的各个指纹特征点；

截取单元，用于基于所述各个指纹特征点对应的特征点类型，确定相应的各个采集区域，并从所述各个采集区域中，截取包含所述各个指纹特征点的区域，作为相应的各个待匹配子图；

匹配单元，用于采用预设的神经网络模型，确定获得的各个待匹配子图各自对应的图像特征信息，并基于获得的图像特征信息，将所述各个待匹配子图，与预设的各个样本指纹图像各自对应的样本子图集合进行匹配，确定相应的指纹识别结果。

可选的，基于任意一个指纹特征点对应的特征点类型，确定相应的采集区域时，所述截取单元具体用于：

可选的，基于获得的图像特征信息，将任意一个待匹配子图，与预设的任意一个样本指纹图像对应的样本子图集合中任意一个样本子图进行匹配时，所述匹配单元具体用于：

可选的，生成所述各个指纹特征点各自对应的各个待匹配子图之后，所述截取单元进一步用于：

基于获得的图像特征信息，将任意一个待匹配子图，与预设的任意一个样本指纹图像对应的样本子图集合进行匹配时，所述匹配单元具体用于：

可选的，确定相应的指纹识别结果时，所述匹配单元具体用于：

第三方面，一种基于特征点类型的指纹识别装置，包括：

存储器，用于存储可执行指令；

处理器，用于读取并执行所述存储器中存储的可执行指令，以实现上述第一方面中任一项所述的基于特征点类型的指纹识别方法。

第四方面，一种存储介质，当所述存储介质中的指令由处理器执行时，使得所述处理器能够执行上述第一方面中任一项所述的基于特征点类型的指纹识别方法。

综上所述，本公开实施例中，确定原始指纹图像中包含的各个指纹特征点之后，基于各个指纹特征点对应的特征点类型，确定相应的各个采集区域，并从各个采集区域中，截取包含各个指纹特征点的区域，作为相应的各个待匹配子图，进而，采用预设的神经网络模型，确定图像特征信息，并基于获得的图像特征信息进行匹配，从而确定相应的指纹识别结果。这样，通过指纹特征点的特征点类型，确定相应的采集区域，进而从采集区域中截取待匹配子图，可以仅截取包含指纹特征点的图像，从而减少了冗余信息，进而在进行匹配时，能够减少计算量，提高了识别效率，同时，避免了冗余信息对识别结果的干扰，提高了识别准确率。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例中提供的一种指纹识别方法的流程示意图；

图2为本公开实施例中提供的一种原始指纹图像；

图3A为本公开实施例中提供的一种核心点A对应的采集区域和待匹配子图；

图3B为本公开实施例中提供的一种端点B对应的采集区域和待匹配子图；

图4为本公开实施例中提供的一种指纹识别装置的逻辑架构示意图；

图5为本公开实施例中提供的一种指纹识别装置的实体架构示意图。

具体实施方式

在进行指纹识别时，为了提高指纹识别准确率和识别效率，在本公开实施例中，确定原始指纹图像中包含的各个指纹特征点之后，基于各个指纹特征点各自对应的特征点类型，确定相应的各个采集区域，并从各个采集区域中，截取包含各个指纹特征点的区域，作为相应的各个待匹配子图，之后，采用神经网络模型，确定相应的图像特征信息，进而确定相应的指纹识别结果。

下面结合附图对本公开优先的实施方式做出进一步详细说明。

参阅图1所示，本公开实施例中，进行指纹识别的流程如下：

步骤S101：获取采集的原始指纹图像，并确定原始指纹图像中包含的各个指纹特征点。

本公开实施例中，在确定原始指纹图像中包含的各个指纹特征点时，还能够同时确定各个指纹特征点对应的属性信息。

其中，属性信息可以但不限于是指特征点类型、中心角度、中心距离和临近特征点的三角相似性等，本公开中对此并不进行限制。

其中，特征点类型可以但不限于是指核心点、三角点、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，三角点用于表征三种不同方向的指纹纹路汇聚之处，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核心点所形成的夹角的度数。

中心距离表征指纹特征点与核心点之间的距离。

例如，参阅图2所示，获取采集的原始指纹图像，并确定原始指纹图像中包含的核心点A、端点B。

步骤S102：基于各个指纹特征点对应的特征点类型，确定相应的各个采集区域，并从各个采集区域中，截取包含各个指纹特征点的区域，作为相应的各个待匹配子图。

下文中，为了便于描述，仅以任意一个指纹特征点为例进行说明。

具体的，本公开实施例中，基于各个指纹特征点对应的特征点类型，存在但不限于以下两种情况：

第一种情况：任意一个指纹特征点对应的特征点类型归属于预设的第一类特征点。

需要说明的是，本公开实施例中，第一类特征点包括但不限于三角点和核心点中的任一项或组合。

此时，以任意一个指纹特征点为中心，基于预设的第一组指纹截取数目，从原始指纹图像中截取包含任意一个指纹特征点的指纹区域，作为任意一个指纹特征点对应的采集区域。

其中，第一组指纹截取数目用于表征预设的各个方向上分别截取的指纹纹路的数目，具体的，第一组指纹截取数目中可以包含但不限于预设的第一向上指纹截取数目、第一向下指纹截取数目、第一向左指纹截取数目、第一向右指纹截取数目中的任一项或组合。

例如，参阅图3A所示，假设，预设的第一组指纹截取数目中包含的第一向上指纹截取数目、第一向下指纹截取数目、第一向左指纹截取数目、第一向右指纹截取数目均为6，核心点A归属于预设的第一类特征点，此时，以核心点A为中心，基于预设的第一向上指纹截取数目6、第一向下指纹截取数目6、第一向左指纹截取数目6、第一向右指纹截取数目6，从原始指纹图像中截取包含核心点A的指纹区域，作为核心点A对应的采集区域A。

第二种情况：任意一个指纹特征点对应的特征点类型归属于预设的第二类特征点。

需要说明的是，本公开实施例中，第一类特征点包括但不限于端点、交叉点、分叉点、孤点、孔点中的任一项或组合。

此时，以任意一个指纹特征点为中心，基于预设的第二组指纹截取数目，从原始指纹图像中截取包含任意一个指纹特征点的指纹区域，作为任意一个指纹特征点对应的采集区域。

其中，第二组指纹截取数目用于表征预设的各个方向上分别截取的指纹纹路的数目，具体的，第二组指纹截取数目中可以包含但不限于预设的第二向上指纹截取数目、第二向下指纹截取数目、第二向左指纹截取数目、第二向右指纹截取数目中的任一项或组合。

需要说明的是，本公开实施例中，第二组指纹截取数目职中包含的各项指纹截取数目可以与第一组指纹截取数目中包含的各项指纹截取数目的取值完全相同，也可以根据实际应用场景，设定为全部不相同或者部分相同。

例如，参阅图3B所示，假设，第二组指纹截取数目中包含的第二向上指纹截取数目、第二向下指纹截取数目、第二向左指纹截取数目、第二向右指纹截取数目均为5，端点B归属于预设的第二类特征点，此时，以端点B为中心，基于预设的第一向上指纹截取数目5、第一向下指纹截取数目5、第一向左指纹截取数目5、第一向右指纹截取数目5，从原始指纹图像中截取包含端点B的指纹区域，作为端点B对应的采集区域B。

确定相应的各个采集区域之后，从各个采集区域中，截取包含各个指纹特征点的区域，作为相应的各个待匹配子图。

例如，参阅图3A所示，从采集区域A中，截取包含核心点A区域，作为相应的待匹配子图A。

又例如，参阅图3B所示，从采集区域B中，截取端点B的区域，作为相应的待匹配子图B。

需要说明的是，从各个采集区域中，截取包含各个指纹特征点的区域时，可基于预设尺寸进行截取，其中，预设尺寸可以根据实际需求进行设置，例如，预设尺寸设置为64×64。

进一步的，生成各个指纹特征点各自对应的各个待匹配子图之后，基于预设的图像方向生成算法，确定获得的各个待匹配子图对应的原始方向，并基于预设的图像方向，对各个待匹配子图进行方向调整，然后，确定经方向调整后的各个待匹配子图对应的密度宽度，并对密度宽度不符合预设的密度宽度门限值的待匹配子图进行密度校准，其中，密度宽度用于表征待匹配子图中指纹纹路的密度。

例如，假设，预设的图像方向生成算法为最小均方估计块方向算法,，基于最小均方估计块方向算法，确定获得的待匹配子图A和待匹配子图B分别对应的原始方向A、原始方向B，其中，原始方向A表征向左，原始方向B表征向下，并基于预设的表征向右的图像方向，对待匹配子图A和待匹配子图B进行方向调整，然后，确定经方向调整后的待匹配子图A和待匹配子图B对应的密度宽度分别为6、3，假设，预设的密度宽度门限值为12，对密度宽度不符合预设的密度宽度门限值12的待匹配子图A和待匹配子图B进行密度校准。

这样，通过对不满足条件的待匹配子图进行方向调整、密度校准，而不是直接原始指纹图像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预设的各个样本指纹图像的各个样本子图密度保持一致，从而提高了指纹识别的准确度。

进一步的，在执行步骤S102之后，将各个指纹特征点各自对应的特征点类型，作为各个待匹配子图各自对应的子图类别。

例如，将核心点A对应的表征核心点的特征点类型，作为待匹配子图A对应的子图类别，即，待匹配子图A对应的子图类别为核心点。

又例如，将端点B对应的表征端点的特征点类型，作为待匹配子图B对应的子图类别，即，待匹配子图B对应的子图类别为端点。

步骤S103：采用预设的神经网络模型，确定获得的各个待匹配子图各自对应的图像特征信息，并基于获得的图像特征信息，将各个待匹配子图，与预设的各个样本指纹图像各自对应的样本子图集合进行匹配，确定相应的指纹识别结果。

具体的，执行步骤S103时，可以采用但不限于以下步骤：

B1、采用预设的神经网络模型，确定获得的各个待匹配子图各自对应的图像特征信息。

本公开实施例中，图像特征信息用于表征多维特征向量，其中，图像特征信息中至少包含颜色特征、纹理特征、边缘特征、形状特征、空间关系特征中的任一项或组合。

例如，以待匹配子图A为例，采用预设的神经网络模型，确定获得的待匹配子图A对应的图像特征信息A，其中，图像特征信息A表征一个128维特征向量，图像特征信息A中包含的颜色特征表征待匹配子图A中白色、黑色所占的比例分别为40％、60％。

B2、基于获得的图像特征信息，将任意一个待匹配子图，与预设的各个样本指纹图像各自对应的样本子图集合进行匹配。

下文中，为例便于描述，仅以任意一个待匹配子图与预设的任意一个样本指纹图像的匹配过程进行说明。

具体的，执行步骤B2时，可采用但不限于以下两种方式：

第一种方式：

具体的，基于任意一个待匹配子图对应的子图类别，从预设的任意一个样本指纹图像对应的样本子图集合中，确定与任意一个待匹配子图对应的子图类别相同的样本子图，作为相应的候选样本子图。

例如，假设，预设的样本指纹图像1对应样本子图集合1，样本子图集合1中包含子图类别为核心点的样本子图1、子图类别为端点的样本子图2和子图类别为端点的样本子图3，以待匹配子图A和样本指纹图像1为例，基于待匹配子图A对应的表征核心点的子图类别，从预设的样本指纹图像1对应的样本子图集合1中，确定出与待匹配子图A对应的子图类别相同的样本子图1，作为相应的候选样本子图1。

进一步的，从获得的各个候选样本子图中，筛选出与任意一个待匹配子图的图像特征信息之间的距离未达到预设的距离门限值的候选样本子图，作为对应的目标样本子图。

需要说明的是，本公开实施例中，可采用但不限于欧氏距离算法、马氏距离算法等距离计算算法确定各个候选样本子图与任意一个待匹配子图的图像特征信息之间的距离，本公开对此不作限定。

本公开实施例中，针对预设的各个样本指纹图像各自对应的样本子图集合中包含的各个样本子图，预设相应的样本图像特征信息，进而，基于预设的各个样本图像特征信息，以及基于获得的图像特征信息，确定各个候选样本子图与任意一个待匹配子图的图像特征信息之间的距离。

例如，假设，预设的距离门限值为0.25，基于待匹配子图A的图像特征信息与候选样本子图1的样本图像特征信息，筛选出与待匹配子图A的图像特征信息之间的距离未达到0.25的候选样本子图1，作为对应的目标样本子图1。

又例如，假设，预设的距离门限值为0.25，待匹配子图B在与样本指纹图像1对应的样本子图集合1进行匹配时，从预设的样本指纹图像1对应的样本子图集合1中，确定出与待匹配子图B对应的子图类别相同的样本子图2、样本子图3，作为候选样本子图2、候选样本子图3，此时，基于待匹配子图A的图像特征信息，以及候选样本子图2、候选样本子图3各自对应的样本图像特征信息，从候选样本子图2、候选样本子图3中，筛选出与待匹配子图B的图像特征信息之间的距离未达到0.25的候选样本子图2，作为对应的目标样本子图2。

第二种方式：

基于获得的图像特征信息，直接将任意一个待匹配子图，分别与预设的任意一个样本指纹图像对应的样本子图集合中的各个样本子图进行匹配。

例如，仍以待匹配子图A和样本指纹图像1为例，基于获得的待匹配子图A的图像特征信息，将待匹配子图A与样本指纹图像1对应样本子图集合1中的样本子图1、样本子图2、样本子图3进行匹配。

具体的，将任意一个待匹配子图，与任意一个样本指纹图像对应的任意一个样本子图进行匹配时，存在以下几种情况：

第一种情况：

若任意一个待匹配子图对应的第一图片尺寸大于任意一个样本子图对应的第二图片尺寸，则基于第二图片尺寸，对任意一个待匹配子图进行截取，并基于获得的图像特征信息，将截取后的待匹配子图与任意一个样本子图进行匹配，以及在确定未达到预设的距离门限值时，将任意一个样本子图作为对应的目标样本子图。

例如，假设，待匹配子图A对应的第一图片尺寸为6×6，样本子图1对应的第二图片尺寸为3×3，此时，待匹配子图A对应的第一图片尺寸大于样本子图1对应的第二图片尺寸，则基于表征3×3的第二图片尺寸，对待匹配子图A进行截取，并基于获得的图像特征信息，将截取后的待匹配子图A与样本子图1进行匹配，以及在确定未达到预设的距离门限值时，将样本子图1作为对应的目标样本子图。

第二种情况：

若任意一个待匹配子图对应的第一图片尺寸小于任意一个样本子图对应的第二图片尺寸，则基于第一图片尺寸，对任意一个样本子图进行截取，并基于获得的图像特征信息，将待匹配子图与截取后的任意一个样本子图进行匹配，确定未达到预设的距离门限值时，将任意一个样本子图作为对应的目标样本子图。

例如，假设，待匹配子图A对应的第一图片尺寸为3×3，样本子图1对应的第二图片尺寸为6×6，此时，待匹配子图A对应的第一图片尺寸小于样本子图1对应的第二图片尺寸，则基于表征3×3的第一图片尺寸，对样本子图1进行截取，并基于获得的图像特征信息，将待匹配子图A与截取后的样本子图1进行匹配，以及在确定未达到预设的距离门限值时，将样本子图1作为对应的目标样本子图。

第三种情况：

若任意一个待匹配子图对应的第一图片尺寸与任意一个样本子图对应的第二图片尺寸相同时，则直接基于获得的图像特征信息，将待匹配子图与任意一个样本子图进行匹配，确定未达到预设的距离门限值时，将任意一个样本子图作为对应的目标样本子图。

例如，假设，待匹配子图A对应的第一图片尺寸为3×3，样本子图1对应的第二图片尺寸为3×3，此时，待匹配子图A对应的第一图片尺寸与样本子图1对应的第二图片尺寸相同，则直接基于获得的图像特征信息，将待匹配子图A与样本子图1进行匹配，以及在确定未达到预设的距离门限值时，将样本子图1作为对应的目标样本子图。

本公开实施例中，采用第二种方式进行匹配时，也可以采用但不限于欧氏距离算法、马氏距离算法等距离计算算法确定样本子图与待匹配子图的图像特征信息之间的距离，本公开对此不作限定，在此不再赘述。

需要说明的是，本公开实施例中，若采用第一种方式进行匹配时，也存在上述三种情况，则可以采用上述相同方式进行截取处理后，再进行匹配，本公开对此不作限定，在此不再赘述。

B3、分别计算各个样本指纹图像中得到的目标样本子图的数目与各个样本指纹图像包含的样本子图的总数目之间的比值，并将比值，作为各个样本指纹图像与原始指纹图像的匹配得分。

例如，假设，样本指纹图像1中得到的目标样本子图的数目为80，样本指纹图像1中包含的样本子图的总数目为100，则计算样本指纹图像1中得到的目标样本子图的数目与样本指纹图像1包含的样本子图的总数目之间的比值1为0.8，并将比值1，作为样本指纹图像1与原始指纹图像的匹配得分。

B4、根据确定出的各个匹配得分，从各个样本指纹图像中，确定出与原始指纹图像匹配的指纹图像。

例如，假设，样本指纹图像1、样本指纹图像2、样本指纹图像3分别与原始指纹图像的匹配得分为0.8、0.6、0.2，根据确定出的各个匹配得分，从样本指纹图像1、样本指纹图像2、样本指纹图像3中，确定出与原始指纹图像匹配的指纹图像为样本指纹图像1。

基于同一发明构思，参阅图4所示，本公开实施例中，提供一种基于特征点类型的指纹识别装置，至少包括：获取单元401、截取单元402和匹配单元403，其中，

获取单元401，用于获取采集的原始指纹图像，并确定所述原始指纹图像中包含的各个指纹特征点；

截取单元402，用于基于所述各个指纹特征点对应的特征点类型，确定相应的各个采集区域，并从所述各个采集区域中，截取包含所述各个指纹特征点的区域，作为相应的各个待匹配子图；

匹配单元403，用于采用预设的神经网络模型，确定获得的各个待匹配子图各自对应的图像特征信息，并基于获得的图像特征信息，将所述各个待匹配子图，与预设的各个样本指纹图像各自对应的样本子图集合进行匹配，确定相应的指纹识别结果。

可选的，基于任意一个指纹特征点对应的特征点类型，确定相应的采集区域时，所述截取单元402具体用于：

可选的，基于获得的图像特征信息，将任意一个待匹配子图，与预设的任意一个样本指纹图像对应的样本子图集合中任意一个样本子图进行匹配时，所述匹配单元403具体用于：

可选的，生成所述各个指纹特征点各自对应的各个待匹配子图之后，所述截取单元402进一步用于：

基于获得的图像特征信息，将任意一个待匹配子图，与预设的任意一个样本指纹图像对应的样本子图集合进行匹配时，所述匹配单元403具体用于：

可选的，确定相应的指纹识别结果时，所述匹配单元403具体用于：

基于同一发明构思，参阅图5所示，本公开实施例提供一种基于特征点类型的指纹识别装置，至少包括：

存储器501，用于存储可执行指令；

处理器502，用于读取并执行存储器中存储的可执行指令，执行下列过程：

可选的，基于任意一个指纹特征点对应的特征点类型，确定相应的采集区域时，处理器502具体用于：

可选的，基于获得的图像特征信息，将任意一个待匹配子图，与预设的任意一个样本指纹图像对应的样本子图集合中任意一个样本子图进行匹配时，处理器502具体用于：

可选的，生成所述各个指纹特征点各自对应的各个待匹配子图之后，所述处理器502进一步用于：

可选的，确定相应的指纹识别结果时，所述处理器502具体用于：

其中，在图5中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器502代表的一个或多个处理器和存储器501代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机503可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器502负责管理总线架构和通常的处理，存储器501可以存储处理器502在执行操作时所使用的数据。

基于同一发明构思，本公开实施例提供一种存储介质，当所述存储介质中的指令由处理器执行时，使得所述处理器能够执行上述流程中指纹识别装置实现的任一项方法。

对于系统/装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者一个操作与另一个实体或者另一个操作区分开来，而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开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，本公开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。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本公开的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本公开范围的所有变更和修改。

显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。

Claims

1.一种基于特征点类型的指纹识别方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，基于任意一个指纹特征点对应的特征点类型，确定相应的采集区域，具体包括：

3.如权利要求2所述的方法，其特征在于，所述第一类特征点包括三角点和/或核心点，所述第二类特征点包括端点、交叉点、分叉点、孤点、孔点等中的任一项或组合。

4.如权利要求1-3中任一项所述的方法，其特征在于，基于获得的图像特征信息，将任意一个待匹配子图，与预设的任意一个样本指纹图像对应的样本子图集合中任意一个样本子图进行匹配，具体包括：

5.如权利要求1-3中任一项所述的方法，其特征在于，生成所述各个指纹特征点各自对应的各个待匹配子图之后，进一步包括：

6.如权利要求5所述的方法，其特征在于，确定相应的指纹识别结果，具体包括：

7.一种基于特征点类型的指纹识别装置，其特征在于，包括：

8.如权利要求7所述的装置，其特征在于，基于任意一个指纹特征点对应的特征点类型，确定相应的采集区域时，所述截取单元具体用于：

9.一种基于特征点类型的指纹识别装置，其特征在于，包括：

存储器，用于存储可执行指令；

处理器，用于读取并执行所述存储器中存储的可执行指令，以实现如权利要求1至6中任一项所述的基于特征点类型的指纹识别方法。

10.一种存储介质，其特征在于，当所述存储介质中的指令由处理器执行时，使得所述处理器能够执行如权利要求1至6中任一项所述的基于特征点类型的指纹识别方法。