CN112287732A - 指纹快速比对方法及系统 - Google Patents

指纹快速比对方法及系统 Download PDF

Info

Publication number
CN112287732A
CN112287732A CN201910679176.7A CN201910679176A CN112287732A CN 112287732 A CN112287732 A CN 112287732A CN 201910679176 A CN201910679176 A CN 201910679176A CN 112287732 A CN112287732 A CN 112287732A
Authority
CN
China
Prior art keywords
information
fingerprint
comparison
feature points
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910679176.7A
Other languages
English (en)
Inventor
祁迪
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.)
Shanghai Chejing Network Technology Co ltd
Original Assignee
Shanghai Chejing Network Technology 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 Shanghai Chejing Network Technology Co ltd filed Critical Shanghai Chejing Network Technology Co ltd
Priority to CN201910679176.7A priority Critical patent/CN112287732A/zh
Publication of CN112287732A publication Critical patent/CN112287732A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1365Matching; Classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及图像处理技术领域,尤其涉及一种指纹快速比对方法及系统,指纹快速比对方法包括如下步骤:采集指纹信息;评估指纹信息是否合格,若指纹信息合格,则对其进行图像处理并得到特征点;提取特征点并根据特征点的方位信息对特征点进行分类;根据特征点的方位信息在云端服务器内设置多个比对文件;将同一类特征点与对应的比对文件进行一一进行比对,直至配对成功。指纹快速比对系统包括信息采集模块、信息评估模块、图像处理模块、比对模块和云端服务器。本发明通过提取指纹信息的特征点,并对其进行分类,再将同类特征点与云端服务器内的多个对比文件进行一一比对,从而提高比对效率,提高比对精度。

Description

指纹快速比对方法及系统
技术领域
本发明涉及图像处理技术领域,尤其涉及一种指纹快速比对方法及系统。
背景技术
由于指纹具有终身不变性、唯一性和方便性,因此指纹成为了生物特征识别的代名词,而指纹识别是一项利用传感器获取个人指纹信息以解锁或进行一些权限认证的技术,其主要涉及图像处理、模式识别、计算机视觉、数学形态学等众多学科。如何正确提取指纹特征信息和实现正确匹配,是指纹识别技术的关键。
现有市场中,大多在采集指纹后,对其进行预处理,而预处理后的指纹图像上存在大量的伪特征点,这些伪特征点的存在,不但使匹配的速度大大降低,还使指纹识别性能急剧下降,造成识别系统的误拒率和误识率的上升,此外,作为指纹识别关键的特征匹配过程中,由于同一个手指的两幅样本图像会因为手指的位移、偏转、以及按压时的力道不同而产生差异,从而降低了指纹识别的准确性。
发明内容
鉴于目前指纹比对存在的上述不足,本发明提供一种指纹快速比对方法及系统,能够快速比对指纹,减少比对时间,提高比对精度。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面,本发明提供了一种指纹快速比对方法,所述指纹快速比对方法包括如下步骤:采集指纹信息;评估指纹信息是否合格,若指纹信息合格,则对其进行图像处理并得到特征点;提取特征点并根据特征点的方位信息对特征点进行分类;根据特征点的方位信息在云端服务器内设置多个比对文件;将同一类特征点与对应的比对文件进行一一进行比对,直至配对成功。
依照本发明的一个方面,图像处理的具体步骤包括:对合格的指纹信息进行频域转换,以去除噪声干扰;对经频域转换后的指纹信息进行二值化处理以得到二值化图像;对二值化图像进行增强、细化,以计算得出特征点。
依照本发明的一个方面,二值化处理的具体步骤包括:对经频域转换后的指纹信息图像进行灰度处理;根据经灰度处理后的指纹信息图像的像素值得到二值化阈值;通过二值化阈值得出二值化图像。
依照本发明的一个方面,对二值化图像进行增强、细化的具体步骤包括:通过Havis图像增强技术提高图像质量以对二值化图像进行增强;根据单个像素点的灰度值和与其相邻的其余像素点灰度值的上下值差距不超过其余像素点灰度值的平均值的5%,则判定该像素点为数据,否则为空白间隙,从而对二值化图像进行细化。
依照本发明的一个方面,特征点包括断点和叉点,得出特征点的具体步骤包括:对特征点进行断点检测:沿指纹纹路在多个方向上搜索,若搜索方向上没有连续三个的相邻点,则当前点为断点;对特征点进行叉点检测:沿指纹纹路在多个方向上搜索,若搜索方向上有至少两个方向以上的相邻点,则当前点为叉点。
依照本发明的一个方面,评估指纹是否合格时,若指纹信息不合格,则返回重新提取指纹信息。
第二方面,本发明提供了一种指纹快速比对系统,所述指纹快速比对系统包括信息采集模块、信息评估模块、图像处理模块、比对模块和云端服务器,其中:信息采集模块用于采集指纹信息;信息评估模块用于评估信息采集模块采集的指纹信息是否合格,并将合格的指纹信息输送至图像处理模块内;图像处理模块用于对合格的指纹信息进行图像处理,以得出合格指纹信息的特征点,并将经图像处理模块处理后的指纹信息和特征点输送至比对模块;云端服务器根据特征点的方位信息设置多个比对文件;比对模块提取经图像处理模块处理得到的特征点并对其进行分类,并将分类后的特征点与云端服务器内对应的比对文件进行一一对比。
依照本发明的一个方面,图像处理模块包括预处理单元,预处理单元对合格的指纹信息依次进行频域转变、二值化处理以及增强细化,以计算得出特征点。
依照本发明的一个方面,比对模块包括信息提取单元、存储单元、信息分类单元和比对单元,其中:存储单元用于存储经图像处理模块处理后的指纹信息和特征点;信息提取单元用于将存储于存储单元内的特征点提取出来;信息分类单元根据特征点的方位信息将信息提取单元提取的特征点分类,并将其输送至存储单元内;比对单元用于将同一类特征点与多个比对文件进行一一比对,直至配对成功。
依照本发明的一个方面,存储单元包括内存缓冲区和高级缓存区,内存缓冲区用于接收图像处理模块输出的指纹信息和特征点并对其进行存储,高级缓存区用于存储经信息分类单元分类后的特征点。
本发明实施的优点:通过采集指纹信息、评估指纹信息,以初步筛选指纹,从而便于去除非有效指纹,避免做不必要的指纹比对,浪费时间;通过对指纹信息的图像处理,以提取指纹信息中的特征点,从而去除指纹信息中的伪特征点,从而提高指纹匹配的速度,提高指纹的可识别性,避免造成识别系统的误拒和误识,此外,还可以避免由于采集指纹信息过程中受的位移、偏转以及按压时的力道产生的指纹差异造成的指纹识别不准确的情况;通过图像处理得到的特征点的方位信息对特征点分类,以及根据特征点的方位信息在云端服务器内设置对应的对比文件,从而便于同一类特征点与对应的比对文件进行一一比对,进而提高比对速度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明一实施例提供的一种指纹快速比对方法的方法流程图;
图2为本发明一实施例提供的一种指纹快速比对系统的结构示意图。
其中,附图标记说明如下:
1、信息采集模块;2、信息评估模块;3、图像处理模块;4、比对模块;5、云端服务器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
为了解决指纹比对效率及精度较差的问题,提供了一种指纹快速比对方法及系统,能够加快指纹比对速度,减少比对时间,提高比对精度。下面结合图1-图2对指纹快速比对方法及系统进行举例说明。
如图1所示,图1为本发明一实施例提供的一种指纹快速比对方法的方法流程图,所述指纹快速比对方法包括如下步骤:
步骤S1,采集指纹信息。
一般的,通过传感器获取指纹信息。
步骤S2,评估指纹信息是否合格,若指纹信息合格,则对其进行图像处理并得到特征点。
在本申请中,采集好指纹信息后,根据指纹信息的特征,判别其灰度平均值是否超过120,以及该指纹信息的采集平面是否达到192*188,若指纹信息的灰度平均值超过120,且其采集平面达到192*188,则判断该指纹信息合格,否则,判断该指纹信息不合格,并返回重新采集指纹信息。
在本实施例中,图像处理的具体步骤包括:对合格的指纹信息进行频域转换,以去除噪声干扰;对经频域转换后的指纹信息进行二值化处理以得到二值化图像;对二值化图像进行增强、细化,以计算得出特征点。
更进一步地说,二值化处理具体包括:对经频域转换后的指纹信息图像进行灰度处理;根据经灰度处理后的指纹信息图像的像素值得到二值化阈值;通过二值化阈值得出二值化图像。
对二值化图像进行增强的具体步骤包括:通过Havis图像增强技术提高图像质量以对二值化图像进行增强。
对二值化图像进行细化的具体步骤包括:根据单个像素点的灰度值和与其相邻的其余八个像素点灰度值的上下值差距不超过其余八个像素点灰度值的平均值的5%,则判定该像素点为数据,否则为空白间隙,从而对二值化图像进行细化。
一般的,由于指纹纹路并不连续、平滑比直,而是经常出现中断、分叉或转折,因此这些断点、叉点以及转折点被认定为具备指纹纹路特征的点。在本申请中,特征点为断点和叉点,为了便于得到该特征点,需要对特征点进行断点检测以及叉点检测,断点检测即为沿指纹纹路在八个方向上搜索,若搜索的八个方向上均没有连续三个的相邻点,则视当前点为断点;叉点检测即为沿指纹纹路在八个方向上搜索,若搜索的八个方向上均有至少两个方向以上的相邻点,则视当前点为叉点。
步骤S3,提取特征点并根据特征点的方位信息对特征点进行分类。
在本申请中,特征点的方位信息包括:位置信息、角度信息、距离信息和方向信息。
由于特征点包括断点和叉点,因此根据断点之间的距离、角度、方向和位置分为四类特征点,再根据叉点之间的距离、角度、方向和位置分为四类特征点,再根据断点和叉点之间的距离、角度、方向和位置分为四类特征点,因此,特征点被分为12类别。在实际使用过程中,由于特征点不止包含断点和叉点,还包含转折点等,因此特征点的类别数量并不固定,具体类别数量根据实际需要检测的特征点进行设置,本申请中对此不作进一步地限制。
步骤S4,根据特征点的方位信息在云端服务器内设置多个比对文件。
在本实施例中,在云端服务器内设置多个比对文件具体步骤包括:根据特征点的方位信息,在云端服务器内设置多个比对文件。具体来讲,云端服务器根据特征点的距离、角度、方向和位置设置比对文件,比对文件的数量与特征点被划分的类别数量一致。
步骤S5,将同一类特征点与对应的比对文件进行一一进行比对,直至配对成功。
更进一步地说,将同一类别的特征点限于一个比对文件比对,若比对成功,则直接退出;若比对失败,则进入下一比对文件比对,以此类推,直至比对成功。
综上所述,本发明实施例通过采集指纹信息、评估指纹信息,以初步筛选指纹,从而便于去除非有效指纹,避免做不必要的指纹比对,浪费时间;通过对指纹信息的图像处理,以提取指纹信息中的特征点,从而去除指纹信息中的伪特征点,从而提高指纹匹配的速度,提高指纹的可识别性,避免造成识别系统的误拒和误识,此外,还可以避免由于采集指纹信息过程中受的位移、偏转以及按压时的力道产生的指纹差异造成的指纹识别不准确的情况;通过图像处理得到的特征点的方位信息对特征点分类,以及根据特征点的方位信息在云端服务器内设置对应的对比文件,从而便于同一类特征点与多个比对文件进行一一比对,进而提高比对速度。
如图2所示,图2为本发明一实施例提的一种供指纹快速比对系统的结构示意图,所述指纹快速比对系统包括信息采集模块1、信息评估模块2、图像处理模块3、比对模块4和云端服务器5,其中:信息采集模块1用于采集指纹信息;信息评估模块2用于评估信息采集模块1采集的指纹信息是否合格,并将合格的指纹信息输送至图像处理模块3内;图像处理模块3用于对合格的指纹信息进行图像处理,以得出合格指纹信息的特征点,并将经图像处理模块3处理后的指纹信息和特征点输送至比对模块4;云端服务器5根据特征点的方位信息设置多个比对文件;比对模块4提取经图像处理模块3处理得到的特征点并对其进行分类,并将分类后的特征点与云端服务器5内对应的比对文件进行一一对比。
在实际应用过程中,信息评估模块2将不合格的指纹信息删除,并发送反馈信号至信息采集模块1,以便于信息采集模块1重新采集指纹信息,图像处理模块3包括预处理单元,预处理单元对合格的指纹信息进行频域转变、二值化处理以及增强细化,以计算得出特征点。
为了从图像处理模块3中提取特征点并使其便于比对,比对模块4包括信息提取单元、存储单元、信息分类单元和比对单元,其中:存储单元用于存储经图像处理模块3处理后的指纹信息和特征点;信息提取单元用于将存储于存储单元内的特征点提取出来;信息分类单元根据特征点的方位信息将信息提取单元提取的特征点分类,并将其输送至存储单元内;比对单元用于将同一类特征点与多个比对文件进行一一比对,直至配对成功。
更进一步地说,存储单元包括内存缓冲区和高级缓存区,内存缓冲区用于接收图像处理模块3输出的指纹信息和特征点并对其进行存储,高级缓存区用于接收经信息分类单元分类后的特征点并对其进行存储,以便于后续比对单元在比对时直接与高级缓存区内的特征点进行比对,从而大大减少比对时间,且不影响比对精度。在本实施例中,存储单元的内存为至少16G内存。
综上所述,本发明实施例通过信息采集模块以采集指纹信息,并通过信息评估模块评估指纹信息是否合格,从而便于初步去除非有效指纹,避免进行不必要的指纹比对;再通过图像处理模块对指纹信息进行处理,以计算得出特征点,并将特征点与云端服务器内的比对文件进行对比,避免了与指纹信息中的伪特征点进行比对,加快了比对效率,提高了比对精度。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域技术的技术人员在本发明公开的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种指纹快速比对方法,其特征在于,所述指纹快速比对方法包括如下步骤:
采集指纹信息;
评估所述指纹信息是否合格,若所述指纹信息合格,则对其进行图像处理并得到特征点;
提取所述特征点并根据所述特征点的方位信息对所述特征点进行分类;
根据所述特征点的方位信息在云端服务器内设置多个比对文件;
将同一类特征点与对应的比对文件进行一一进行比对,直至配对成功。
2.根据权利要求1所述的指纹快速比对方法,其特征在于,所述图像处理的具体步骤包括:
对合格的指纹信息进行频域转换,去除噪声干扰;
对经频域转换后的指纹信息进行二值化处理以得到二值化图像;
对所述二值化图像进行增强、细化,以计算得出特征点。
3.根据权利要求2所述的指纹快速比对方法,其特征在于,所述二值化处理的具体步骤包括:
对经频域转换后的指纹信息图像进行灰度处理;
根据经所述灰度处理后的指纹信息图像的像素值得到二值化阈值;
通过所述二值化阈值得出二值化图像。
4.根据权利要求2所述的指纹快速比对方法,其特征在于,所述对所述二值化图像进行增强、细化的具体步骤包括:通过Havis图像增强技术提高图像质量以对二值化图像进行增强;根据单个像素点的灰度值和与其相邻的其余像素点灰度值的上下值差距不超过所述其余像素点灰度值的平均值的5%,则判定所述像素点为数据,否则为空白间隙,从而对二值化图像进行细化。
5.根据权利要求2所述的指纹快速比对方法,其特征在于,所述特征点包括断点和叉点,所述得出特征点的具体步骤包括:
对所述特征点进行断点检测:沿指纹纹路在多个方向上搜索,若搜索方向上没有连续三个的相邻点,则当前点为断点;
对所述特征点进行叉点检测:沿指纹纹路在多个方向上搜索,若搜索方向上有至少两个方向以上的相邻点,则当前点为叉点。
6.根据权利要求1所述的指纹快速比对方法,其特征在于,所述评估所述指纹是否合格时,若所述指纹信息不合格,则返回重新提取指纹信息。
7.一种指纹快速比对系统,其特征在于,所述指纹快速比对系统包括信息采集模块、信息评估模块、图像处理模块、比对模块和云端服务器,其中:
所述信息采集模块用于采集指纹信息;
所述信息评估模块用于评估所述信息采集模块采集的指纹信息是否合格,,并将合格的指纹信息输送至所述图像处理模块内;
所述图像处理模块用于对所述合格的指纹信息进行图像处理,以得出所述合格指纹信息的特征点,并将经所述图像处理模块处理后的指纹信息和所述特征点输送至所述比对模块;
所述云端服务器根据所述特征点的方位信息设置多个比对文件;
所述比对模块提取经所述图像处理模块处理得到的特征点并对其进行分类,并将分类后的特征点与所述云端服务器内对应的比对文件进行一一对比。
8.根据权利要求7所述的指纹快速比对系统,其特征在于,所述图像处理模块包括预处理单元,所述预处理单元对所述合格的指纹信息依次进行频域转变、二值化处理以及增强细化,以计算得出特征点。
9.根据权利要求7所述的指纹快速比对系统,其特征在于,所述比对模块包括信息提取单元、存储单元、信息分类单元和比对单元,其中:
存储单元用于存储经所述图像处理模块处理后的指纹信息和所述特征点;
所述信息提取单元用于将存储于所述存储单元内的特征点提取出来;
所述信息分类单元根据所述特征点的方位信息将所述信息提取单元提取的特征点分类,并将其输送至所述存储单元内;
所述比对单元用于将同一类特征点与多个比对文件进行一一比对,直至配对成功。
10.根据权利要求9所述的指纹快速比对系统,其特征在于,所述存储单元包括内存缓冲区和高级缓存区,所述内存缓冲区用于接收所述图像处理模块输出的指纹信息和特征点并对其进行存储,所述高级缓存区用于存储经所述信息分类单元分类后的特征点。
CN201910679176.7A 2019-07-25 2019-07-25 指纹快速比对方法及系统 Pending CN112287732A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910679176.7A CN112287732A (zh) 2019-07-25 2019-07-25 指纹快速比对方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910679176.7A CN112287732A (zh) 2019-07-25 2019-07-25 指纹快速比对方法及系统

Publications (1)

Publication Number Publication Date
CN112287732A true CN112287732A (zh) 2021-01-29

Family

ID=74419573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910679176.7A Pending CN112287732A (zh) 2019-07-25 2019-07-25 指纹快速比对方法及系统

Country Status (1)

Country Link
CN (1) CN112287732A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101114335A (zh) * 2007-07-19 2008-01-30 南京大学 全角度快速指纹识别方法
CN105022984A (zh) * 2014-04-28 2015-11-04 中国电信股份有限公司 指纹采集方法、指纹比对方法、指纹识别装置和系统
CN106326882A (zh) * 2016-09-21 2017-01-11 成都创慧科达科技有限公司 一种基于图像质量评估技术的指纹识别系统及方法
CN107958217A (zh) * 2017-11-28 2018-04-24 广州麦仑信息科技有限公司 一种基于深度学习的指纹分类识别系统及方法
CN109657657A (zh) * 2019-02-19 2019-04-19 武汉芯盈科技有限公司 一种基于图像处理的手机小面积高精度指纹识别方法及系统
CN109815780A (zh) * 2018-08-31 2019-05-28 武汉芯盈科技有限公司 一种基于图像处理的高精度指纹识别方法及系统
CN109960991A (zh) * 2017-12-26 2019-07-02 航天信息股份有限公司 一种指纹识别方法和设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101114335A (zh) * 2007-07-19 2008-01-30 南京大学 全角度快速指纹识别方法
CN105022984A (zh) * 2014-04-28 2015-11-04 中国电信股份有限公司 指纹采集方法、指纹比对方法、指纹识别装置和系统
CN106326882A (zh) * 2016-09-21 2017-01-11 成都创慧科达科技有限公司 一种基于图像质量评估技术的指纹识别系统及方法
CN107958217A (zh) * 2017-11-28 2018-04-24 广州麦仑信息科技有限公司 一种基于深度学习的指纹分类识别系统及方法
CN109960991A (zh) * 2017-12-26 2019-07-02 航天信息股份有限公司 一种指纹识别方法和设备
CN109815780A (zh) * 2018-08-31 2019-05-28 武汉芯盈科技有限公司 一种基于图像处理的高精度指纹识别方法及系统
CN109657657A (zh) * 2019-02-19 2019-04-19 武汉芯盈科技有限公司 一种基于图像处理的手机小面积高精度指纹识别方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李梅等: "《物联网科技导论》", pages: 42 - 44 *

Similar Documents

Publication Publication Date Title
CN107748877B (zh) 一种基于细节点和纹理特征的指纹图像识别方法
Raja Fingerprint recognition using minutia score matching
AU2002348288B2 (en) Image identification system
Hambalık Fingerprint recognition system using artificial neural network as feature extractor: design and performance evaluation
US20080013803A1 (en) Method and apparatus for determining print image quality
Ray et al. A novel approach to fingerprint pore extraction
CN109145742A (zh) 一种行人识别方法及系统
Johnson et al. Fingerprint pore characteristics for liveness detection
US20080273769A1 (en) Print matching method and system using direction images
CN103530648A (zh) 一种基于多帧图像的人脸识别方法
Yamauchi et al. Relational HOG feature with wild-card for object detection
US20120020535A1 (en) Unique, repeatable, and compact biometric identifier
Mirza et al. Urdu caption text detection using textural features
Gervei et al. 3D face recognition using modified PCA methods
CN111428064A (zh) 小面积指纹图像快速索引方法、装置、设备及存储介质
Gil et al. Access control system with high level security using fingerprints
CN112287732A (zh) 指纹快速比对方法及系统
Munshi et al. A rough-set based binarization technique for fingerprint images
Seng et al. An improved fingerprint image matching and multi-view fingerprint recognition algorithm.
Khodadoust et al. A novel indexing algorithm for latent palmprints leveraging minutiae and orientation field
Daramola et al. Fingerprint verification system using support vector machine
Gargoum et al. Utilizing ear biometrics for individual identifications using hog and lbp
Kour et al. Nonminutiae based fingerprint matching
da Silva Vasconcelos et al. Estimation of Fingerprint Image Quality Based on Neighborhood Strengthness Homogeneity
Chowdhury et al. Efficient fingerprint matching based upon minutiae extraction

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210129