CN112270218A - 一种用于指纹自动识别的方法及系统 - Google Patents
一种用于指纹自动识别的方法及系统 Download PDFInfo
- Publication number
- CN112270218A CN112270218A CN202011093800.4A CN202011093800A CN112270218A CN 112270218 A CN112270218 A CN 112270218A CN 202011093800 A CN202011093800 A CN 202011093800A CN 112270218 A CN112270218 A CN 112270218A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- image
- edge
- area
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000007781 pre-processing Methods 0.000 claims abstract description 33
- 239000013598 vector Substances 0.000 claims description 125
- 238000012216 screening Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 17
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 208000014674 injury Diseases 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 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
- G06V40/1365—Matching; Classification
- G06V40/1376—Matching features related to ridge properties or fingerprint texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提出了一种用于指纹自动识别的方法及系统,所述方法包括对同一用户的同一手指的指纹进行多次采集,获得若干指纹图像;将所述若干指纹图像融合生成完整的指纹基础图像;采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像;通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果;显示所述指纹识别结果和所述指纹待识别图像中的局部不清晰区域。所述系统包括与所述方法的步骤对应的模块。
Description
技术领域
本发明提出了一种用于指纹自动识别的方法及系统,属于手机技术领域。
背景技术
指纹识别技术是众多生物特征识别技术中的一种,所谓生物特征识别技术(biometrics),系指利用人体所固有的生理特征或行为特征来进行个人身份鉴定,由于生物识别所具有的便捷与安全等优点使得生物识别技术在身份认证识别和网络安全领域拥有广阔的应用前景,可用的生物特征识别技术有指纹、人脸、声纹、虹膜等,指纹是其中应用最为广泛的一种。从20世纪60年代起新型的电子计算机技术进人指纹鉴定领域,为指纹鉴定自动化开辟了新的途径。近几年,指纹识别技术应用到智能手机上,成为支持手机解锁、在线支付的重要基础技术。为了提高指纹识别的准确性,对于手机采集到的指纹图像进行处理,但是现有的指纹自动识别的方法针对用户手指出现起皮或受伤导致的指纹图像多处局部不清楚的指纹图像,无法进行有效识别,导致用户出现手指起皮和受伤的情况下,常常无法通过指纹识别来开启手机屏幕。
发明内容
本发明提供了一种用于指纹自动识别的方法及系统,用以解决现有手机的指纹识别过程中在用户手指起皮或受伤使,无法对指纹图像进行有效识别,降低用户体验的问题,所采取的技术方案如下:
一种用于指纹自动识别的方法,所述方法包括:
对同一用户的同一手指的指纹进行多次采集,获得若干指纹图像;
将所述若干指纹图像融合生成完整的指纹基础图像;
采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像;
通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果;
显示所述指纹识别结果和所述指纹待识别图像中的局部不清晰区域。
进一步地,所述采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像,包括:
采集用户待识别指纹的图像;
判断所述用户待识别指纹的图像是否存在指纹局部不清晰的状况,若判断结果为“否”,则对所述用户待识别指纹的图像直接进行指纹识别;若判断结果为“是”,则对所述用户待识别指纹的图像执行下一步骤;
对局部不清晰的指纹图像中的不清晰区域进行识别和切割,并将切割出的所述不清晰区域进行剔除,获得一级指纹剩余图像;
针对所述一级指纹剩余图像上被剔除不清晰区域的边缘区域进行分辨率处理,提高所述边缘区域的图像分辨率;其中,所述边缘区域是指所述不清晰区域的切割边向指纹清晰区域延伸1mm-1.5mm的指纹图像区域;
对提高图像分辨率之后的所述边缘区域进行提取,获得边缘区域图像和二级指纹剩余图像;其中,所述边缘区域图像和二级指纹剩余图像即为指纹待识别图像;
根据指纹图像识别的识别失败结果对应的一级指纹剩余图像,对所述边缘区域进行自适应调整。
进一步地,所述根据指纹图像识别模块的识别失败结果对应的一级指纹剩余图像,对所述边缘区域进行自适应调整,包括:
获取所述指纹待识别图像的最终识别结果;
利用每个识别失败结果对应的一级指纹剩余图像,计算获得指纹图像识别失败情况对应的指纹区域有效信息;
利用所述指纹区域有效信息计算获取区域阈值;
根据所述一级指纹剩余图像的区域面积与所述区域阈值之间的关系控制所述指纹图像预处理模块对边缘区域的范围进行调整。
进一步地,所述通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果,包括:
判断所述边缘区域中,从剔除不清晰区域时产生的切割边缘到提取所述边缘区域时产生的切割边缘之间的最大延伸尺度,当所述最大延伸尺度在2.5mm—3.5mm时,对所述边缘区域进行标记;
判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果。
进一步地,判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果,包括:
判断所述边缘区域是否有标识;
提取所述指纹待识别图像中的边缘区域图像内的多个边缘指纹图像特征图;
在所述指纹基础图像中筛选出与所述边缘区域图像相对应的边缘指纹图像区;
针对获得的多个边缘指纹图像特征图依次生成掩码,然后将所述掩码分别与对应的所述边缘指纹图像特征图结合生成多个边缘区域指纹特征向量;
利用边缘区域指纹特征向量在所述指纹基础图像中识别出与所述与所述边缘指纹图像特征图对应的边缘位置图,并利用指纹基础图像生成所述边缘位置图对应的基础图像特征向量;
利用公式(1)将所述边缘位置图对应的基础图像特征向量与所述边缘区域指纹特征向量进行匹配,获得边缘指纹识别结果:
其中,sim(P,Q)表示边缘区域指纹特征向量与边缘位置图对应的基础图像特征向量之间的相似度;P表示边缘区域指纹特征向量,且,P=(p1、p2……pn);Q表示边缘位置图对应的基础图像特征向量,且,Q=(q1、q2……qn);当sim(P,Q)<0.65时,指纹匹配失败,当sim(P,Q)≥0.65时,表示指纹匹配成功;
提取所述指纹待识别图像中的二级指纹剩余图像内的多个指纹剩余图像指纹特征图;
在所述指纹基础图像中筛选出与所述二级指纹剩余图像相对应的指纹图像区;
针对获得的多个指纹剩余图像指纹特征图依次生成掩码,然后将所述掩码分别与对应的所述指纹剩余图像指纹特征图结合生成多个指纹剩余区域特征向量;
利用指纹剩余区域特征向量在所述指纹基础图像中识别出与所述指纹剩余图像指纹特征图对应的剩余图像位置图,并利用指纹基础图像生成所述剩余图像位置图对应的基础图像特征向量;
利用公式(2)将所述剩余图像位置图对应的基础图像特征向量与指纹剩余区域特征向量进行匹配,获得剩余指纹图像的指纹识别结果:
其中,sim(A,B)表示指纹剩余区域特征向量与剩余图像位置图对应的基础图像特征向量之间的相似度;A表示指纹剩余区域特征向量,且,A=(a1、a2……am);B表示剩余图像位置图对应的基础图像特征向量,且,B=(b1、b2……bm);当sim(A,B)<0.78时,指纹匹配失败,当sim(P,Q)≥0.78时,表示指纹匹配成功。
一种用于指纹自动识别的系统,所述系统包括:
指纹录制模块,用于对同一用户的同一手指的指纹进行多次采集,获得若干指纹图像;
图像生成模块,用于将所述若干指纹图像融合生成完整的指纹基础图像;
指纹图像预处理模块,用于采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像;
指纹图像识别模块,用于通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果;
显示模块,用于显示所述指纹识别结果和所述指纹待识别图像中的局部不清晰区域。
进一步地,所述指纹图像预处理模块包括:
采集模块,用于采集用户待识别指纹的图像;
判断模块,用于判断所述用户待识别指纹的图像是否存在指纹局部不清晰的状况,若判断结果为“否”,则将所述用户待识别指纹的图像输入至所述指纹图像识别模块中;若判断结果为“是”,则将所述用户待识别指纹的图像输入至剔除模块;
剔除模块,用于对局部不清晰的指纹图像中的不清晰区域进行识别和切割,并将切割出的所述不清晰区域进行剔除,获得一级指纹剩余图像;
边缘分辨率提高模块,用于针对所述一级指纹剩余图像上被剔除不清晰区域的边缘区域进行分辨率处理,提高所述边缘区域的图像分辨率;其中,所述边缘区域是指所述不清晰区域的切割边向指纹清晰区域延伸1mm-1.5mm的指纹图像区域;
提取模块,用于对提高图像分辨率之后的所述边缘区域进行提取,获得边缘区域图像和二级指纹剩余图像;其中,所述边缘区域图像和二级指纹剩余图像即为指纹待识别图像;
自适应模块,用于根据指纹图像识别模块的识别失败结果对应的一级指纹剩余图像,对所述边缘区域进行自适应调整。
进一步地,所述自适应模块包括:
图像识别结果获取模块,用于获取所述指纹待识别图像的最终识别结果;
信息获取模块,用于利用每个识别失败结果对应的一级指纹剩余图像,计算获得指纹图像识别失败情况对应的指纹区域有效信息;
阈值计算模块,用于利用所述指纹区域有效信息计算获取区域阈值;
预处理控制模块,用于根据所述一级指纹剩余图像的区域面积与所述区域阈值之间的关系控制所述指纹图像预处理模块对边缘区域的范围进行调整。
进一步地,所述指纹图像识别模块包括:
边缘区域判断模块,用于判断所述边缘区域中,从剔除不清晰区域时产生的切割边缘到提取所述边缘区域时产生的切割边缘之间的最大延伸尺度,当所述最大延伸尺度在2.5mm—3.5mm时,对所述边缘区域进行标记;
识别模块,用于判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果。
进一步地,所述识别模块包括:
标识判断模块,用于判断所述边缘区域是否有标识;
边缘特征提取模块,用于提取所述指纹待识别图像中的边缘区域图像内的多个边缘指纹图像特征图;
区域筛选模块一,用于在所述指纹基础图像中筛选出与所述边缘区域图像相对应的边缘指纹图像区;
边缘特征向量生成模块,用于针对所述边缘特征提取模块获得的多个边缘指纹图像特征图依次生成掩码,然后将所述掩码分别与对应的所述边缘指纹图像特征图结合生成多个边缘区域指纹特征向量;
特征向量生成模块一,用于利用边缘区域指纹特征向量在所述指纹基础图像中识别出与所述与所述边缘指纹图像特征图对应的边缘位置图,并利用指纹基础图像生成所述边缘位置图对应的基础图像特征向量;
匹配模块一,用于利用公式(1)将所述边缘位置图对应的基础图像特征向量与所述边缘区域指纹特征向量进行匹配,获得边缘指纹识别结果:
其中,sim(P,Q)表示边缘区域指纹特征向量与边缘位置图对应的基础图像特征向量之间的相似度;P表示边缘区域指纹特征向量,且,P=(p1、p2……pn);Q表示边缘位置图对应的基础图像特征向量,且,Q=(q1、q2……qn);当sim(P,Q)<0.65时,指纹匹配失败,当sim(P,Q)≥0.65时,表示指纹匹配成功;
指纹特征提取模块,用于提取所述指纹待识别图像中的二级指纹剩余图像内的多个指纹剩余图像指纹特征图;
区域筛选模块二、用于在所述指纹基础图像中筛选出与所述二级指纹剩余图像相对应的指纹图像区;
指纹特征向量生成模块,用于针对所述指纹特征提取模块获得的多个指纹剩余图像指纹特征图依次生成掩码,然后将所述掩码分别与对应的所述指纹剩余图像指纹特征图结合生成多个指纹剩余区域特征向量;
特征向量生成模块二,用于利用指纹剩余区域特征向量在所述指纹基础图像中识别出与所述指纹剩余图像指纹特征图对应的剩余图像位置图,并利用指纹基础图像生成所述剩余图像位置图对应的基础图像特征向量;
匹配模块二,用于利用公式(2)将所述剩余图像位置图对应的基础图像特征向量与指纹剩余区域特征向量进行匹配,获得剩余指纹图像的指纹识别结果:
其中,sim(A,B)表示指纹剩余区域特征向量与剩余图像位置图对应的基础图像特征向量之间的相似度;A表示指纹剩余区域特征向量,且,A=(a1、a2……am);B表示剩余图像位置图对应的基础图像特征向量,且,B=(b1、b2……bm);当sim(A,B)<0.78时,指纹匹配失败,当sim(P,Q)≥0.78时,表示指纹匹配成功。
本发明有益效果:
本发明提出的一种用于指纹自动识别的方法及系统,通过指纹图像的处理方式和识别方式的结合,能够在采集到的指纹图像存在一个或多个局部不清晰区域的情况下,依然能够对指纹图像进行有效识别,有效防止因指纹图像残缺不全而产生无法识别的现象发生大幅度提高指纹识别的识别率。同时,指纹图像的处理方式和识别方式的结合能够对残缺不全的指纹图像进行准确识别,极大程度上提高了指纹识别的准确率。在用户手指出现起皮或受伤情况下,有效避免因指纹图像无法识别而导致的手机无法解锁的问题,显著提高用户体验。
附图说明
图1为本发明所述方法的流程图;
图2为本发明所述系统的系统框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种用于指纹自动识别的方法及系统,用以解决现有手机的指纹识别过程中在用户手指起皮或受伤使,无法对指纹图像进行有效识别,降低用户体验的问题。
本发明提出的一个实施例,如图1所示,一种用于指纹自动识别的方法,所述方法包括:
S1、对同一用户的同一手指的指纹进行多次采集,获得若干指纹图像;
S2、将所述若干指纹图像融合生成完整的指纹基础图像;
S3、采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像;
S4、通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果;
S5、显示所述指纹识别结果和所述指纹待识别图像中的局部不清晰区域。
上述技术方案的工作原理为:首先,对同一用户的同一手指的指纹进行多次采集,获得若干指纹图像;然后,将所述若干指纹图像融合生成完整的指纹基础图像;随后,采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像;最后通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果;并显示所述指纹识别结果和所述指纹待识别图像中的局部不清晰区域。
上述技术方案的效果为:通过指纹图像的处理方式和识别方式的结合,能够在采集到的指纹图像存在一个或多个局部不清晰区域的情况下,依然能够对指纹图像进行有效识别,有效防止因指纹图像残缺不全而产生无法识别的现象发生大幅度提高指纹识别的识别率。同时,指纹图像的处理方式和识别方式的结合能够对残缺不全的指纹图像进行准确识别,极大程度上提高了指纹识别的准确率。在用户手指出现起皮或受伤情况下,有效避免因指纹图像无法识别而导致的手机无法解锁的问题,显著提高用户体验。
本发明的一个实施例,所述采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像,包括:
S301、采集用户待识别指纹的图像;
S302、判断所述用户待识别指纹的图像是否存在指纹局部不清晰的状况,若判断结果为“否”,则对所述用户待识别指纹的图像直接进行指纹识别;若判断结果为“是”,则对所述用户待识别指纹的图像执行下一步骤;
S303、对局部不清晰的指纹图像中的不清晰区域进行识别和切割,并将切割出的所述不清晰区域进行剔除,获得一级指纹剩余图像;
S304、针对所述一级指纹剩余图像上被剔除不清晰区域的边缘区域进行分辨率处理,提高所述边缘区域的图像分辨率;其中,所述边缘区域是指所述不清晰区域的切割边向指纹清晰区域延伸1mm-1.5mm的指纹图像区域;
S305、对提高图像分辨率之后的所述边缘区域进行提取,获得边缘区域图像和二级指纹剩余图像;其中,所述边缘区域图像和二级指纹剩余图像即为指纹待识别图像;
S306、根据指纹图像识别的识别失败结果对应的一级指纹剩余图像,对所述边缘区域进行自适应调整。
上述技术方案的工作原理为:首先,采集用户待识别指纹的图像,然后,判断所述用户待识别指纹的图像是否存在指纹局部不清晰的状况,若判断结果为“否”,则对所述用户待识别指纹的图像直接进行指纹识别;若判断结果为“是”,则对所述用户待识别指纹的图像中的局部不清晰的指纹图像中的不清晰区域进行识别和切割,并将切割出的所述不清晰区域进行剔除,获得一级指纹剩余图像。
同时,由于边缘区域的图像中包含的清晰指纹图像较多,并且切割边缘出的图像分辨率较不清晰区域的图像分辨率要高很多,因此针对所述一级指纹剩余图像上被剔除不清晰区域的边缘区域进行分辨率处理,提高所述边缘区域的图像分辨率,此处理后获得的图像相较于原指纹图像,即包含了高分辨率的原清晰的指纹图像,又包括了高分辨率的清晰区域与不清晰区域的切割边界区域,图像的特征极为显著,利用上述方式进行处理后的图像再进行后续的指纹识别,能够保证在用户指纹局部一处或多处残缺不全的情况下,依然能够做到指纹图像的有效识别;其中,所述边缘区域是指所述不清晰区域的切割边向指纹清晰区域延伸1.0mm-1.5mm的指纹图像区域;最后,对提高图像分辨率之后的所述边缘区域进行提取,获得边缘区域图像和提取边缘区域图像后剩余的二级指纹剩余图像;其中,所述边缘区域图像和二级指纹剩余图像即为指纹待识别图像。
本实施例中,不同于以往图像处理针对不清晰部分进行分别率、像素等图像处理方式来提高图像清晰度的图像处理方式,而是采用直接剔除不清晰区域的处理方式去除指纹图像中的不清晰区域,减少劣质图像区域在图像处理中和后续图像识别过程中产生的干扰,节省图像处理时间,提高图像处理的效率和准确度。同时,本实施例对不清晰区域被切割后的边缘区域的图像进行重点处理和提取,由于晰区域被切割后的边缘区域是所述一级指纹剩余图像中最具有特点的图像区域,针对此处区域的图像进行处理和提取,能够有效获取此时边缘区域图像以及指纹剩余图像的有效指纹图像信息。
上述技术方案的效果为:有效减少劣质图像区域在图像处理中和后续图像识别过程中产生的干扰,提高图像处理的效率和准确度,并且,有效获取此时以及指纹剩余图像的有效指纹图像信息。
本发明的一个实施例,所述根据指纹图像识别模块的识别失败结果对应的一级指纹剩余图像,对所述边缘区域进行自适应调整,包括:
S3061、获取所述指纹待识别图像的最终识别结果;
S3062、利用每个识别失败结果对应的一级指纹剩余图像,计算获得指纹图像识别失败情况对应的指纹区域有效信息;
S3063、利用所述指纹区域有效信息计算获取区域阈值;
S3064、根据所述一级指纹剩余图像的区域面积与所述区域阈值之间的关系控制所述指纹图像预处理模块对边缘区域的范围进行调整。
上述技术方案的工作原理为:获取所述指纹待识别图像的最终识别结果;利用每个识别失败结果对应的一级指纹剩余图像,计算获得指纹图像识别失败情况对应的指纹区域有效信息;然后通过所述指纹区域有效信息计算获取区域阈值;最后根据所述一级指纹剩余图像的区域面积与所述区域阈值之间的关系控制所述指纹图像预处理模块对边缘区域的范围进行调整。其中,本实施例中,所述边缘区域的调整范围包括:
当所述一级指纹剩余图像的区域面积S满足S<Sh<40%S1时,所述边缘区域为:不清晰区域的切割边向指纹清晰区域延伸3.0mm-3.5mm的指纹图像区域;
当所述一级指纹剩余图像的区域面积S满足Sh≤S≤40%S1时,所述边缘区域为:不清晰区域的切割边向指纹清晰区域延伸2.5mm-3.0mm的指纹图像区域;
当所述一级指纹剩余图像的区域面积S满足40%S1≤S≤Sh时,所述边缘区域为:不清晰区域的切割边向指纹清晰区域延伸1.5mm-2.5mm的指纹图像区域;
当所述一级指纹剩余图像的区域面积S满足40%S1<Sh<S时,所述边缘区域为:不清晰区域的切割边向指纹清晰区域延伸1.0mm-1.5mm的指纹图像区域;
其中,Sh表示区域阈值,S1表示基础指纹图像面积。通过如下公式获取所述指纹区域有效信息:
其中,Sc表示指纹区域有效信息;Si表示每次指纹识别失败时所述一级指纹剩余图像的指纹区域面积;n表示指纹识别失败次数,max(Si)表示所有指纹识别失败对应的一级指纹剩余图像中指纹区域面积的最大值;min(Si)表示所有指纹识别失败对应的一级指纹剩余图像中指纹区域面积的最小值;S1表示基础指纹图像面积;
所述阈值计算模块通过如下公式获得所述区域阈值:
其中,Sh表示区域阈值;Sc表示指纹区域有效信息。
上述技术方案的效果为:利用后续的指纹识别失败的结果和一级指纹剩余图像的区域面积,对指纹预处理过程中的边缘区域的范围的选取进行自适应调整,实现所述边缘区域与所述剩余指纹图像区域的合理的范围匹配,使不同面积的一级指纹剩余图像的情况下,尤其是一级指纹剩余图像非常小的情况下,均由与之对应的合理比例的边缘区域,提高后续指纹识别过程中的准确性。同时,利用上述公式获取区域阈值和指纹区域有效信息,能够有效提高指纹区域有效信息和区域阈值计算的准确度,并且,利用上述公式获得的指纹区域有效信息和区域阈值进而获得边缘区域调整的范围最为合理,在后续指纹识别过程中,使指纹识别的准确率大幅度提升,使用户指纹在因手指起皮或受伤等因素造成指纹图像局部不清晰的情况下,指纹识别的准确率仍可提高至98.6%。
本发明的一个实施例,所述通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果,包括:
S401、判断所述边缘区域中,从剔除不清晰区域时产生的切割边缘到提取所述边缘区域时产生的切割边缘之间的最大延伸尺度,当所述最大延伸尺度在2.5mm—3.5mm时,对所述边缘区域进行标记;
S402、判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果。
上述技术方案的工作原理为:首先,判断所述边缘区域中,从剔除不清晰区域时产生的切割边缘到提取所述边缘区域时产生的切割边缘之间的最大延伸尺度,当所述最大延伸尺度在2.5mm—3.5mm时,对所述边缘区域进行标记;然后,判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果。
具体的,当所述最大延伸尺度在2.5mm—3.5mm时,对所述边缘区域进行标记;由于当所述边缘区域的延伸尺度在2.5mm—3.5mm时,表示一级指纹剩余图像的面积已经很小了,进而导致二级指纹剩余区域的面积会更小。此时,指纹图像信息的内容相对完整的指纹图像来说,内容大幅度减少。通过延伸尺度为2.5mm—3.5mm的边缘区域,可以保证边缘区域对应的图像中包含的清晰图像面积和切割边缘图像的面积比例适中,特征信息充足,因此,在后续指纹识别过程中,只对边缘区域内的指纹图像进行识别匹配即可。当所述最大延伸尺度在1.0mm—2.5mm时,由于一级指纹剩余区域和二级指纹剩余区域的面积比较大,内部包含的清晰指纹图像的特征信息充足,同时,边缘区域的区域面积较少,导致切割边缘的的指纹信息占比率更大,使边缘区域内包含的切割边缘的指纹信息特征更加突出易提取,因此,此时分别对边缘区域图像和二级指纹剩余图像内同时进行指纹识别,能够有效提高指纹识别的准确率。
上述技术方案的效果为:根据不同一级指纹剩余图像的面积进行不同的指纹识别模式,能够极大程度上提高指纹识别的准确性。
本发明的一个实施例,判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果,包括:
S402a、判断所述边缘区域是否有标识;当所述边缘区域有标识时,执行S402b至S402f的步骤内容,当所述边缘区域没有标识时,执行S402b至S402k的内容;
S402b、提取所述指纹待识别图像中的边缘区域图像内的多个边缘指纹图像特征图;
S402c、在所述指纹基础图像中筛选出与所述边缘区域图像相对应的边缘指纹图像区;
S402d、针对获得的多个边缘指纹图像特征图依次生成掩码,然后将所述掩码分别与对应的所述边缘指纹图像特征图结合生成多个边缘区域指纹特征向量;
S402e、利用边缘区域指纹特征向量在所述指纹基础图像中识别出与所述与所述边缘指纹图像特征图对应的边缘位置图,并利用指纹基础图像生成所述边缘位置图对应的基础图像特征向量;
S402f、利用公式(1)将所述边缘位置图对应的基础图像特征向量与所述边缘区域指纹特征向量进行匹配,获得边缘指纹识别结果:
其中,sim(P,Q)表示边缘区域指纹特征向量与边缘位置图对应的基础图像特征向量之间的相似度;P表示边缘区域指纹特征向量,且,P=(p1、p2……pn);Q表示边缘位置图对应的基础图像特征向量,且,Q=(q1、q2……qn);当sim(P,Q)<0.65时,指纹匹配失败,当sim(P,Q)≥0.65时,表示指纹匹配成功;
S402g、提取所述指纹待识别图像中的二级指纹剩余图像内的多个指纹剩余图像指纹特征图;
S402h、在所述指纹基础图像中筛选出与所述二级指纹剩余图像相对应的指纹图像区;
S402i、针对获得的多个指纹剩余图像指纹特征图依次生成掩码,然后将所述掩码分别与对应的所述指纹剩余图像指纹特征图结合生成多个指纹剩余区域特征向量;
S402g、利用指纹剩余区域特征向量在所述指纹基础图像中识别出与所述指纹剩余图像指纹特征图对应的剩余图像位置图,并利用指纹基础图像生成所述剩余图像位置图对应的基础图像特征向量;
S402k利用公式(2)将所述剩余图像位置图对应的基础图像特征向量与指纹剩余区域特征向量进行匹配,获得剩余指纹图像的指纹识别结果:
其中,sim(A,B)表示指纹剩余区域特征向量与剩余图像位置图对应的基础图像特征向量之间的相似度;A表示指纹剩余区域特征向量,且,A=(a1、a2……am);B表示剩余图像位置图对应的基础图像特征向量,且,B=(b1、b2……bm);当sim(A,B)<0.78时,指纹匹配失败,当sim(P,Q)≥0.78时,表示指纹匹配成功。
上述技术方案的效果为:根据不同范围尺寸的边缘区域进行不同模式的指纹识别,同时,在边缘区域识别和二级指纹剩余区域图像的识别过程中,均采用掩码的方式获取特征向量,有效滤除指纹图像中的非指纹纹路的信息,提高指纹特征向量的数据精确度,进而提高指纹图像识别的准确度。同时,利用上述两个公式进行特征向量匹配,能够有效提高指纹识别的识别性能,同时,边缘区域图像和剩余指纹图像的相似度阈值的设定,能够有效平衡具有局部不清晰区域的指纹图像在识别过程中的识别度,既能保证局部不清晰区域的指纹图像的有效识别,又能保证非用户指纹的排除。极大程度上提高指纹识别的识别率、准确率和安全性能。
本发明实施例提出了一种用于指纹自动识别的系统,如图2所示,所述系统包括:
指纹录制模块,用于对同一用户的同一手指的指纹进行多次采集,获得若干指纹图像;
图像生成模块,用于将所述若干指纹图像融合生成完整的指纹基础图像;
指纹图像预处理模块,用于采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像;
指纹图像识别模块,用于通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果;
显示模块,用于显示所述指纹识别结果和所述指纹待识别图像中的局部不清晰区域。
上述技术方案的工作原理为:通过指纹录制模块对同一用户的同一手指的指纹进行多次采集,获得若干指纹图像;利用图像生成模块将所述若干指纹图像融合生成完整的指纹基础图像;通过指纹图像预处理模块采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像;采用指纹图像识别模块通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果;采用显示模块显示所述指纹识别结果和所述指纹待识别图像中的局部不清晰区域。
上述技术方案的效果为:通过指纹图像的处理方式和识别方式的结合,能够在采集到的指纹图像存在一个或多个局部不清晰区域的情况下,依然能够对指纹图像进行有效识别,有效防止因指纹图像残缺不全而产生无法识别的现象发生大幅度提高指纹识别的识别率。同时,指纹图像的处理方式和识别方式的结合能够对残缺不全的指纹图像进行准确识别,极大程度上提高了指纹识别的准确率。在用户手指出现起皮或受伤情况下,有效避免因指纹图像无法识别而导致的手机无法解锁的问题,显著提高用户体验。
本发明的一个实施例,所述指纹图像预处理模块包括:
采集模块,用于采集用户待识别指纹的图像;
判断模块,用于判断所述用户待识别指纹的图像是否存在指纹局部不清晰的状况,若判断结果为“否”,则将所述用户待识别指纹的图像输入至所述指纹图像识别模块中;若判断结果为“是”,则将所述用户待识别指纹的图像输入至剔除模块;
剔除模块,用于对局部不清晰的指纹图像中的不清晰区域进行识别和切割,并将切割出的所述不清晰区域进行剔除,获得一级指纹剩余图像;
边缘分辨率提高模块,用于针对所述一级指纹剩余图像上被剔除不清晰区域的边缘区域进行分辨率处理,提高所述边缘区域的图像分辨率;其中,所述边缘区域是指所述不清晰区域的切割边向指纹清晰区域延伸1mm-1.5mm的指纹图像区域;
提取模块,用于对提高图像分辨率之后的所述边缘区域进行提取,获得边缘区域图像和二级指纹剩余图像;其中,所述边缘区域图像和二级指纹剩余图像即为指纹待识别图像;
自适应模块,用于根据指纹图像识别模块的识别失败结果对应的一级指纹剩余图像,对所述边缘区域进行自适应调整。
上述技术方案的工作原理为:利用采集模块采集用户待识别指纹的图像;通过判断模块判断所述用户待识别指纹的图像是否存在指纹局部不清晰的状况,若判断结果为“否”,则将所述用户待识别指纹的图像输入至所述指纹图像识别模块中;若判断结果为“是”,则将所述用户待识别指纹的图像输入至剔除模块;采用剔除模块对局部不清晰的指纹图像中的不清晰区域进行识别和切割,并将切割出的所述不清晰区域进行剔除,获得一级指纹剩余图像;
然后,通过边缘分辨率提高模块针对所述一级指纹剩余图像上被剔除不清晰区域的边缘区域进行分辨率处理,提高所述边缘区域的图像分辨率;其中,所述边缘区域是指所述不清晰区域的切割边向指纹清晰区域延伸1mm-1.5mm的指纹图像区域;采用提取模块对提高图像分辨率之后的所述边缘区域进行提取,获得边缘区域图像和二级指纹剩余图像;其中,所述边缘区域图像和二级指纹剩余图像即为指纹待识别图像;利用自适应模块根据指纹图像识别模块的识别失败结果对应的一级指纹剩余图像,对所述边缘区域进行自适应调整。
上述技术方案的效果为:有效减少劣质图像区域在图像处理中和后续图像识别过程中产生的干扰,提高图像处理的效率和准确度,并且,有效获取此时以及指纹剩余图像的有效指纹图像信息。
本发明的一个实施例,所述自适应模块包括:
图像识别结果获取模块,用于获取所述指纹待识别图像的最终识别结果;
信息获取模块,用于利用每个识别失败结果对应的一级指纹剩余图像,计算获得指纹图像识别失败情况对应的指纹区域有效信息;
阈值计算模块,用于利用所述指纹区域有效信息计算获取区域阈值;
预处理控制模块,用于根据所述一级指纹剩余图像的区域面积与所述区域阈值之间的关系控制所述指纹图像预处理模块对边缘区域的范围进行调整。所述边缘区域的调整范围包括:
当所述一级指纹剩余图像的区域面积S满足S<Sh<40%S1时,所述边缘区域为:不清晰区域的切割边向指纹清晰区域延伸3.0mm-3.5mm的指纹图像区域;
当所述一级指纹剩余图像的区域面积S满足Sh≤S≤40%S1时,所述边缘区域为:不清晰区域的切割边向指纹清晰区域延伸2.5mm-3.0mm的指纹图像区域;
当所述一级指纹剩余图像的区域面积S满足40%S1≤S≤Sh时,所述边缘区域为:不清晰区域的切割边向指纹清晰区域延伸1.5mm-2.5mm的指纹图像区域;
当所述一级指纹剩余图像的区域面积S满足40%S1<Sh<S时,所述边缘区域为:不清晰区域的切割边向指纹清晰区域延伸1.0mm-1.5mm的指纹图像区域;
其中,Sh表示区域阈值,S1表示基础指纹图像面积。
所述信息获取模块通过公式(1)获取所述指纹区域有效信息:
其中,Sc表示指纹区域有效信息;Si表示每次指纹识别失败时所述一级指纹剩余图像的指纹区域面积;n表示指纹识别失败次数,max(Si)表示所有指纹识别失败对应的一级指纹剩余图像中指纹区域面积的最大值;min(Si)表示所有指纹识别失败对应的一级指纹剩余图像中指纹区域面积的最小值;S1表示基础指纹图像面积;
所述阈值计算模块通过公式(2)获得所述区域阈值:
其中,Sh表示区域阈值;Sc表示指纹区域有效信息。
上述技术方案的工作原理为:通过图像识别结果获取模块获取所述指纹待识别图像的最终识别结果;采用信息获取模块利用每个识别失败结果对应的一级指纹剩余图像,计算获得指纹图像识别失败情况对应的指纹区域有效信息;通过阈值计算模块利用所述指纹区域有效信息计算获取区域阈值;利用预处理控制模块根据所述一级指纹剩余图像的区域面积与所述区域阈值之间的关系控制所述指纹图像预处理模块对边缘区域的范围进行调整。
上述技术方案的效果为:利用后续的指纹识别失败的结果和一级指纹剩余图像的区域面积,对指纹预处理过程中的边缘区域的范围的选取进行自适应调整,实现所述边缘区域与所述剩余指纹图像区域的合理的范围匹配,使不同面积的一级指纹剩余图像的情况下,尤其是一级指纹剩余图像非常小的情况下,均由与之对应的合理比例的边缘区域,提高后续指纹识别过程中的准确性。同时,利用上述公式获取区域阈值和指纹区域有效信息,能够有效提高指纹区域有效信息和区域阈值计算的准确度,并且,利用上述公式获得的指纹区域有效信息和区域阈值进而获得边缘区域调整的范围最为合理,在后续指纹识别过程中,使指纹识别的准确率大幅度提升,使用户指纹在因手指起皮或受伤等因素造成指纹图像局部不清晰的情况下,指纹识别的准确率仍可提高至98.6%。
本发明的一个实施例,所述指纹图像识别模块包括:
边缘区域判断模块,用于判断所述边缘区域中,从剔除不清晰区域时产生的切割边缘到提取所述边缘区域时产生的切割边缘之间的最大延伸尺度,当所述最大延伸尺度在2.5mm—3.5mm时,对所述边缘区域进行标记;
识别模块,用于判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果。
上述技术方案的工作原理为:利用边缘区域判断模块判断所述边缘区域中,从剔除不清晰区域时产生的切割边缘到提取所述边缘区域时产生的切割边缘之间的最大延伸尺度,当所述最大延伸尺度在2.5mm—3.5mm时,对所述边缘区域进行标记;采用识别模块判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果。
上述技术方案的效果为:根据不同一级指纹剩余图像的面积进行不同的指纹识别模式,能够极大程度上提高指纹识别的准确性。
本发明的一个实施例,所述识别模块包括:
标识判断模块,用于判断所述边缘区域是否有标识;
边缘特征提取模块,用于提取所述指纹待识别图像中的边缘区域图像内的多个边缘指纹图像特征图;
区域筛选模块一,用于在所述指纹基础图像中筛选出与所述边缘区域图像相对应的边缘指纹图像区;
边缘特征向量生成模块,用于针对所述边缘特征提取模块获得的多个边缘指纹图像特征图依次生成掩码,然后将所述掩码分别与对应的所述边缘指纹图像特征图结合生成多个边缘区域指纹特征向量;
特征向量生成模块一,用于利用边缘区域指纹特征向量在所述指纹基础图像中识别出与所述与所述边缘指纹图像特征图对应的边缘位置图,并利用指纹基础图像生成所述边缘位置图对应的基础图像特征向量;
匹配模块一,用于利用公式(1)将所述边缘位置图对应的基础图像特征向量与所述边缘区域指纹特征向量进行匹配,获得边缘指纹识别结果:
其中,sim(P,Q)表示边缘区域指纹特征向量与边缘位置图对应的基础图像特征向量之间的相似度;P表示边缘区域指纹特征向量,且,P=(p1、p2……pn);Q表示边缘位置图对应的基础图像特征向量,且,Q=(q1、q2……qn);当sim(P,Q)<0.65时,指纹匹配失败,当sim(P,Q)≥0.65时,表示指纹匹配成功;
指纹特征提取模块,用于提取所述指纹待识别图像中的二级指纹剩余图像内的多个指纹剩余图像指纹特征图;
区域筛选模块二、用于在所述指纹基础图像中筛选出与所述二级指纹剩余图像相对应的指纹图像区;
指纹特征向量生成模块,用于针对所述指纹特征提取模块获得的多个指纹剩余图像指纹特征图依次生成掩码,然后将所述掩码分别与对应的所述指纹剩余图像指纹特征图结合生成多个指纹剩余区域特征向量;
特征向量生成模块二,用于利用指纹剩余区域特征向量在所述指纹基础图像中识别出与所述指纹剩余图像指纹特征图对应的剩余图像位置图,并利用指纹基础图像生成所述剩余图像位置图对应的基础图像特征向量;
匹配模块二,用于利用公式(2)将所述剩余图像位置图对应的基础图像特征向量与指纹剩余区域特征向量进行匹配,获得剩余指纹图像的指纹识别结果:
其中,sim(A,B)表示指纹剩余区域特征向量与剩余图像位置图对应的基础图像特征向量之间的相似度;A表示指纹剩余区域特征向量,且,A=(a1、a2……am);B表示剩余图像位置图对应的基础图像特征向量,且,B=(b1、b2……bm);当sim(A,B)<0.78时,指纹匹配失败,当sim(P,Q)≥0.78时,表示指纹匹配成功。
上述技术方案的工作原理为:根据不同范围尺寸的边缘区域进行不同模式的指纹识别,同时,在边缘区域识别和二级指纹剩余区域图像的识别过程中,均采用掩码的方式获取特征向量。
上述技术方案的效果为:提高指纹特征向量的数据精确度和准确率,进而提高指纹图像识别的准确度。同时,利用上述两个公式进行特征向量匹配,能够有效提高指纹识别的识别性能,同时,边缘区域图像和剩余指纹图像的相似度阈值的设定,能够有效平衡具有局部不清晰区域的指纹图像在识别过程中的识别度,既能保证局部不清晰区域的指纹图像的有效识别,又能保证非用户指纹的排除。极大程度上提高指纹识别的识别率、准确率和安全性能。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种用于指纹自动识别的方法,其特征在于,所述方法包括:
对同一用户的同一手指的指纹进行多次采集,获得若干指纹图像;
将所述若干指纹图像融合生成完整的指纹基础图像;
采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像;
通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果;
显示所述指纹识别结果和所述指纹待识别图像中的局部不清晰区域。
2.根据权利要求1所述识别的方法,其特征在于,所述采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像,包括:
采集用户待识别指纹的图像;
判断所述用户待识别指纹的图像是否存在指纹局部不清晰的状况,若判断结果为“否”,则对所述用户待识别指纹的图像直接进行指纹识别;若判断结果为“是”,则对所述用户待识别指纹的图像执行下一步骤;
对局部不清晰的指纹图像中的不清晰区域进行识别和切割,并将切割出的所述不清晰区域进行剔除,获得一级指纹剩余图像;
针对所述一级指纹剩余图像上被剔除不清晰区域的边缘区域进行分辨率处理,提高所述边缘区域的图像分辨率;其中,所述边缘区域是指所述不清晰区域的切割边向指纹清晰区域延伸1mm-1.5mm的指纹图像区域;
对提高图像分辨率之后的所述边缘区域进行提取,获得边缘区域图像和二级指纹剩余图像;其中,所述边缘区域图像和二级指纹剩余图像即为指纹待识别图像;
根据指纹图像识别的识别失败结果对应的一级指纹剩余图像,对所述边缘区域进行自适应调整。
3.根据权利要求2所述识别的方法,其特征在于,所述根据指纹图像识别模块的识别失败结果对应的一级指纹剩余图像,对所述边缘区域进行自适应调整,包括:
获取所述指纹待识别图像的最终识别结果;
利用每个识别失败结果对应的一级指纹剩余图像,计算获得指纹图像识别失败情况对应的指纹区域有效信息;
利用所述指纹区域有效信息计算获取区域阈值;
根据所述一级指纹剩余图像的区域面积与所述区域阈值之间的关系控制所述指纹图像预处理模块对边缘区域的范围进行调整。
4.根据权利要求1所述识别的方法,其特征在于,所述通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果,包括:
判断所述边缘区域中,从剔除不清晰区域时产生的切割边缘到提取所述边缘区域时产生的切割边缘之间的最大延伸尺度,当所述最大延伸尺度在2.5mm—3.5mm时,对所述边缘区域进行标记;
判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果。
5.根据权利要求4所述识别的方法,其特征在于,判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果,包括:
判断所述边缘区域是否有标识;
提取所述指纹待识别图像中的边缘区域图像内的多个边缘指纹图像特征图;
在所述指纹基础图像中筛选出与所述边缘区域图像相对应的边缘指纹图像区;
针对获得的多个边缘指纹图像特征图依次生成掩码,然后将所述掩码分别与对应的所述边缘指纹图像特征图结合生成多个边缘区域指纹特征向量;
利用边缘区域指纹特征向量在所述指纹基础图像中识别出与所述与所述边缘指纹图像特征图对应的边缘位置图,并利用指纹基础图像生成所述边缘位置图对应的基础图像特征向量;
利用公式(1)将所述边缘位置图对应的基础图像特征向量与所述边缘区域指纹特征向量进行匹配,获得边缘指纹识别结果:
其中,sim(P,Q)表示边缘区域指纹特征向量与边缘位置图对应的基础图像特征向量之间的相似度;P表示边缘区域指纹特征向量,且,P=(p1、p2……pn);Q表示边缘位置图对应的基础图像特征向量,且,Q=(q1、q2……qn);当sim(P,Q)<0.65时,指纹匹配失败,当sim(P,Q)≥0.65时,表示指纹匹配成功;
提取所述指纹待识别图像中的二级指纹剩余图像内的多个指纹剩余图像指纹特征图;
在所述指纹基础图像中筛选出与所述二级指纹剩余图像相对应的指纹图像区;
针对获得的多个指纹剩余图像指纹特征图依次生成掩码,然后将所述掩码分别与对应的所述指纹剩余图像指纹特征图结合生成多个指纹剩余区域特征向量;
利用指纹剩余区域特征向量在所述指纹基础图像中识别出与所述指纹剩余图像指纹特征图对应的剩余图像位置图,并利用指纹基础图像生成所述剩余图像位置图对应的基础图像特征向量;
利用公式(2)将所述剩余图像位置图对应的基础图像特征向量与指纹剩余区域特征向量进行匹配,获得剩余指纹图像的指纹识别结果:
其中,sim(A,B)表示指纹剩余区域特征向量与剩余图像位置图对应的基础图像特征向量之间的相似度;A表示指纹剩余区域特征向量,且,A=(a1、a2……am);B表示剩余图像位置图对应的基础图像特征向量,且,B=(b1、b2……bm);当sim(A,B)<0.78时,指纹匹配失败,当sim(P,Q)≥0.78时,表示指纹匹配成功。
6.一种用于指纹自动识别的系统,其特征在于,所述系统包括:
指纹录制模块,用于对同一用户的同一手指的指纹进行多次采集,获得若干指纹图像;
图像生成模块,用于将所述若干指纹图像融合生成完整的指纹基础图像;
指纹图像预处理模块,用于采集用户待识别指纹的图像,并判断所述待识别指纹的图像是否存在局部不清晰区域,并对存在局部不清晰区域的所述待识别指纹的图像进行预处理,获得指纹待识别图像;
指纹图像识别模块,用于通过对所述指纹待识别图像与所述指纹基础图像的比较进行指纹识别,并获取指纹识别结果;
显示模块,用于显示所述指纹识别结果和所述指纹待识别图像中的局部不清晰区域。
7.根据权利要求6所述识别的系统,其特征在于,所述指纹图像预处理模块包括:
采集模块,用于采集用户待识别指纹的图像;
判断模块,用于判断所述用户待识别指纹的图像是否存在指纹局部不清晰的状况,若判断结果为“否”,则将所述用户待识别指纹的图像输入至所述指纹图像识别模块中;若判断结果为“是”,则将所述用户待识别指纹的图像输入至剔除模块;
剔除模块,用于对局部不清晰的指纹图像中的不清晰区域进行识别和切割,并将切割出的所述不清晰区域进行剔除,获得一级指纹剩余图像;
边缘分辨率提高模块,用于针对所述一级指纹剩余图像上被剔除不清晰区域的边缘区域进行分辨率处理,提高所述边缘区域的图像分辨率;其中,所述边缘区域是指所述不清晰区域的切割边向指纹清晰区域延伸1mm-1.5mm的指纹图像区域;
提取模块,用于对提高图像分辨率之后的所述边缘区域进行提取,获得边缘区域图像和二级指纹剩余图像;其中,所述边缘区域图像和二级指纹剩余图像即为指纹待识别图像;
自适应模块,用于根据指纹图像识别模块的识别失败结果对应的一级指纹剩余图像,对所述边缘区域进行自适应调整。
8.根据权利要求7所述识别的系统,其特征在于,所述自适应模块包括:
图像识别结果获取模块,用于获取所述指纹待识别图像的最终识别结果;
信息获取模块,用于利用每个识别失败结果对应的一级指纹剩余图像,计算获得指纹图像识别失败情况对应的指纹区域有效信息;
阈值计算模块,用于利用所述指纹区域有效信息计算获取区域阈值;
预处理控制模块,用于根据所述一级指纹剩余图像的区域面积与所述区域阈值之间的关系控制所述指纹图像预处理模块对边缘区域的范围进行调整。
9.根据权利要求6所述识别的系统,其特征在于,所述指纹图像识别模块包括:
边缘区域判断模块,用于判断所述边缘区域中,从剔除不清晰区域时产生的切割边缘到提取所述边缘区域时产生的切割边缘之间的最大延伸尺度,当所述最大延伸尺度在2.5mm—3.5mm时,对所述边缘区域进行标记;
识别模块,用于判断所述边缘区域是否有标记,若所述边缘区域有标记,则只对所述边缘区域对应的指纹图像进行指纹图像识别;若所述边缘区域没有标记,则分别对所述边缘区域和二级指纹剩余图像进行指纹图像识别,并获得最终的指纹识别结果。
10.根据权利要求9所述识别的系统,其特征在于,所述识别模块包括:
标识判断模块,用于判断所述边缘区域是否有标识;
边缘特征提取模块,用于提取所述指纹待识别图像中的边缘区域图像内的多个边缘指纹图像特征图;
区域筛选模块一,用于在所述指纹基础图像中筛选出与所述边缘区域图像相对应的边缘指纹图像区;
边缘特征向量生成模块,用于针对所述边缘特征提取模块获得的多个边缘指纹图像特征图依次生成掩码,然后将所述掩码分别与对应的所述边缘指纹图像特征图结合生成多个边缘区域指纹特征向量;
特征向量生成模块一,用于利用边缘区域指纹特征向量在所述指纹基础图像中识别出与所述与所述边缘指纹图像特征图对应的边缘位置图,并利用指纹基础图像生成所述边缘位置图对应的基础图像特征向量;
匹配模块一,用于利用公式(1)将所述边缘位置图对应的基础图像特征向量与所述边缘区域指纹特征向量进行匹配,获得边缘指纹识别结果:
其中,sim(P,Q)表示边缘区域指纹特征向量与边缘位置图对应的基础图像特征向量之间的相似度;P表示边缘区域指纹特征向量,且,P=(p1、p2……pn);Q表示边缘位置图对应的基础图像特征向量,且,Q=(q1、q2……qn);当sim(P,Q)<0.65时,指纹匹配失败,当sim(P,Q)≥0.65时,表示指纹匹配成功;
指纹特征提取模块,用于提取所述指纹待识别图像中的二级指纹剩余图像内的多个指纹剩余图像指纹特征图;
区域筛选模块二、用于在所述指纹基础图像中筛选出与所述二级指纹剩余图像相对应的指纹图像区;
指纹特征向量生成模块,用于针对所述指纹特征提取模块获得的多个指纹剩余图像指纹特征图依次生成掩码,然后将所述掩码分别与对应的所述指纹剩余图像指纹特征图结合生成多个指纹剩余区域特征向量;
特征向量生成模块二,用于利用指纹剩余区域特征向量在所述指纹基础图像中识别出与所述指纹剩余图像指纹特征图对应的剩余图像位置图,并利用指纹基础图像生成所述剩余图像位置图对应的基础图像特征向量;
匹配模块二,用于利用公式(2)将所述剩余图像位置图对应的基础图像特征向量与指纹剩余区域特征向量进行匹配,获得剩余指纹图像的指纹识别结果:
其中,sim(A,B)表示指纹剩余区域特征向量与剩余图像位置图对应的基础图像特征向量之间的相似度;A表示指纹剩余区域特征向量,且,A=(a1、a2……am);B表示剩余图像位置图对应的基础图像特征向量,且,B=(b1、b2……bm);当sim(A,B)<0.78时,指纹匹配失败,当sim(P,Q)≥0.78时,表示指纹匹配成功。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011093800.4A CN112270218A (zh) | 2020-10-14 | 2020-10-14 | 一种用于指纹自动识别的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011093800.4A CN112270218A (zh) | 2020-10-14 | 2020-10-14 | 一种用于指纹自动识别的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112270218A true CN112270218A (zh) | 2021-01-26 |
Family
ID=74338054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011093800.4A Withdrawn CN112270218A (zh) | 2020-10-14 | 2020-10-14 | 一种用于指纹自动识别的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112270218A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023123714A1 (zh) * | 2021-12-28 | 2023-07-06 | 魔门塔(苏州)科技有限公司 | 图像识别方法、装置及设备 |
-
2020
- 2020-10-14 CN CN202011093800.4A patent/CN112270218A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023123714A1 (zh) * | 2021-12-28 | 2023-07-06 | 魔门塔(苏州)科技有限公司 | 图像识别方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Direct pore matching for fingerprint recognition | |
CN105608409A (zh) | 指纹识别的方法及装置 | |
Hemalatha | A systematic review on Fingerprint based Biometric Authentication System | |
JP4351982B2 (ja) | 個人認証方法、装置及びプログラム | |
CN106709450A (zh) | 一种指纹图像识别方法及系统 | |
US20080304699A1 (en) | Face feature point detection apparatus and method of the same | |
Sharma et al. | Two-stage quality adaptive fingerprint image enhancement using Fuzzy C-means clustering based fingerprint quality analysis | |
Liu et al. | Fingerprint pore matching based on sparse representation | |
CN102254188A (zh) | 掌纹识别方法及装置 | |
CN109635625B (zh) | 智能身份核验方法、设备、存储介质及装置 | |
Hilles et al. | Latent fingerprint enhancement and segmentation technique based on hybrid edge adaptive dtv model | |
Hilles et al. | Adaptive latent fingerprint image segmentation and matching using Chan-Vese technique based on EDTV model | |
EP3203416A1 (en) | Method computer program and system for facial recognition | |
CN114925348A (zh) | 一种基于指纹识别的安全验证方法及系统 | |
Feng et al. | Filtering large fingerprint database for latent matching | |
CN112270218A (zh) | 一种用于指纹自动识别的方法及系统 | |
US8879805B2 (en) | Automated image identification method | |
CN111597982A (zh) | 一种指纹识别方法和系统 | |
CN110390353B (zh) | 一种基于图像处理的生物识别方法和系统 | |
Kumar et al. | Fingerprint image enhancement and minutia matching | |
CN114065163A (zh) | 一种具有人脸识别与身份核验功能的显示主板及终端 | |
CN113268769A (zh) | 基于随机混淆的生物特征数据处理方法、系统及存储介质 | |
CN111611848A (zh) | 尸体虹膜识别方法和装置 | |
Sharma et al. | Fingerprint matching Using Minutiae Extraction Techniques | |
El-Hajj-Chehade et al. | Image segmentation for fingerprint recognition |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210126 |