CN113033257B

CN113033257B - 指纹识别方法、装置、电子设备及可读存储介质

Info

Publication number: CN113033257B
Application number: CN201911348398.7A
Authority: CN
Inventors: 邹保珠; 王升国; 赵先林
Original assignee: Hangzhou Hikvision Digital Technology Co Ltd
Current assignee: Hangzhou Hikvision Digital Technology Co Ltd
Priority date: 2019-12-24
Filing date: 2019-12-24
Publication date: 2023-08-18
Anticipated expiration: 2039-12-24
Also published as: CN113033257A

Abstract

本申请实施例所提供的指纹识别方法、装置、电子设备及可读存储介质，在采集到包含待识别指纹的目标图像后，基于目标图像的关键点的特征以及模板图像的关键点的特征，对目标图像中的关键点进行过滤，将过滤后的目标图像的关键点以及与该关键点匹配的模板图像中的关键点组成目标匹配集合，进而基于目标匹配集合中各关键点对，确定出待识别指纹与模板图像中的模板指纹是否为同一指纹。该方法能够显著提升指纹识别的准确度，即使在目标图像中的指纹面积较小的情况下，也可以得到较高的指纹识别准确度。

Description

指纹识别方法、装置、电子设备及可读存储介质

技术领域

本申请实施例涉及生物识别技术，尤其涉及一种指纹识别方法、装置、电子设备及可读存储介质。

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。生物特征识别技术，是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的技术。由于生物特征识别技术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。生物特征识别技术可以指纹识别、人脸识别、声纹识别、虹膜识别等，其中，指纹识别是其中应用最为广泛的一种。

现有技术中，提出了一种基于尺度不变特征变换(Scale-Invariant FeatureTransform，简称SIFT)的指纹识别方法。该方法使用SIFT方法检测指纹图像中的关键点并提取关键点特征。在提取到关键点特征后，将所有关键点特征连接起来，并对连接后的关键点特征进行降维处理。将降维处理后的特征作为指纹特征进行识别。

但是，现有技术的方法可能会降低指纹识别的准确度。

发明内容

本申请实施例提供一种指纹识别方法、装置、电子设备及可读存储介质，用于解决现有技术中指纹识别的准确度较低的问题。

第一方面，本申请实施例提供一种指纹识别方法，包括：

采集目标图像，所述目标图像中包括待识别指纹的信息；

根据所述目标图像的关键点的特征以及模板图像的关键点的特征，对所述目标图像中的关键点进行过滤，并得到目标匹配集合，所述目标匹配集合中包括多个关键点对，每个关键点对包括过滤后的所述目标图像中的一个关键点以及与所述一个关键点特征匹配的模板图像中的一个关键点，所述模板图像中包括模板指纹的信息；

根据所述目标匹配集合中的关键点对，得到指纹识别结果，所述指纹识别结果用于指示所述待识别的指纹与所述模板指纹是否为同一指纹。

在一种可能的实现方式中，所述根据所述目标图像的关键点的特征以及模板图像的关键点的特征，对所述目标图像中的关键点进行过滤，并得到目标匹配集合，包括：

根据所述目标图像的关键点的特征与模板图像的关键点的特征的距离，对所述目标图像的关键点进行过滤，得到第一匹配集合，所述第一匹配集合中包括多个关键点对，每个关键点对包括根据所述特征的距离过滤后的所述目标图像的关键点，以及，与所述过滤后的所述目标图像的关键点匹配的模板图像中的关键点；

根据所述第一匹配集合中关键点对的关键点之间的位置偏移以及旋转角度，对所述第一匹配集合中的关键点对进行过滤，得到第二匹配集合；

根据所述第二匹配集合中关键点对的关键点的特征的距离，对所述第二匹配集合进行过滤，得到所述目标匹配集合。

在一种可能的实现方式中，所述根据所述目标图像的关键点的特征与模板图像的关键点的特征的距离，对所述目标图像的关键点进行过滤，得到第一匹配集合，包括：

确定与所述目标图像中的第一关键点的特征匹配度排名第一的第二关键点以及排名第二的第三关键点，所述第二关键点和所述第三关键点为所述模板图像中的关键点；

根据所述第一关键点的特征与所述第二关键点的特征的距离，以及所述第二关键点的特征与所述第三关键点的特征的距离，确定是否过滤所述第一关键点；

若确定不过滤所述第一关键点，则将所述第一关键点以及所述第二关键点所组成的关键点对，作为所述第一匹配集合中的一个关键点对。

在一种可能的实现方式中，所述根据所述第一匹配集合中关键点对的关键点之间的位置偏移以及旋转角度，对所述第一匹配集合中的关键点对进行过滤，得到第二匹配集合，包括：

统计所述第一匹配集合中各关键点对的关键点之间的位置偏移以及旋转角度，得到第一直方图；

将落入所述第一直方图中值最大的类别中的关键点对作为所述第二匹配集合中的关键点对。

在一种可能的实现方式中，所述根据所述第二匹配集合中关键点对的关键点的特征的距离，对所述第二匹配集合进行过滤，得到所述目标匹配集合，包括：

若所述第二匹配集合中存在两个关键点对中均包括第四关键点，所述第四关键点为所述模板图像中的关键点，则将所述第四关键点所在的两个关键点对的特征距离小的关键点对作为所述目标匹配集合中的关键点对，其中，所述关键点对的特征距离为关键点对中两个关键点的特征的距离。

在一种可能的实现方式中，所述根据所述目标匹配集合中的关键点对，得到指纹识别结果，包括：

根据所述目标匹配集合中各关键点对的特征距离，得到所述指纹识别结果。

在一种可能的实现方式中，所述根据所述目标匹配集合中各关键点对的特征距离，得到所述指纹识别结果，包括：

确定所述目标匹配集合中各关键点对的特征距离与预设距离的差值；

对所述目标匹配集合中各关键点对所对应的差值求和，得到求和结果；

若所述求和结果大于等于预设阈值，则确定所述指纹识别结果为所述待识别的指纹与所述模板指纹为同一指纹。

在一种可能的实现方式中，还包括：

若所述待识别指纹与所述模板指纹为同一指纹，则输出提示信息，提示信息用于提示指纹识别通过。

在一种可能的实现方式中，还包括：

若所述待识别指纹与所述模板指纹不为同一指纹，则根据所述目标图像与模板图像库中除所述模板图像外的图像的指纹识别结果，确定是否输出提示信息。

在一种可能的实现方式中，还包括：

若所述待识别指纹与所述模板指纹为同一指纹，则控制目标对象开启。

在一种可能的实现方式中，所述目标对象包括门、闸门或门锁。

第二方面，本申请实施例提供一种指纹识别装置，包括：

图像采集模块，用于采集目标图像，所述目标图像中包括待识别指纹的信息；

处理模块，用于根据所述目标图像的关键点的特征以及模板图像的关键点的特征，对所述目标图像中的关键点进行过滤，并得到目标匹配集合，所述目标匹配集合中包括多个关键点对，每个关键点对包括过滤后的所述目标图像中的一个关键点以及与所述一个关键点特征匹配的模板图像中的一个关键点，所述模板图像中包括模板指纹的信息，还用于根据所述目标匹配集合中的关键点对，得到指纹识别结果，所述指纹识别结果用于指示所述待识别的指纹与所述模板指纹是否为同一指纹。

在一种可能的实现方式中，所述处理模块具体用于：

根据所述目标图像的关键点的特征与模板图像的关键点的特征的距离，对所述目标图像的关键点进行过滤，得到第一匹配集合，所述第一匹配集合中包括多个关键点对，每个关键点对包括根据所述特征的距离过滤后的所述目标图像的关键点，以及，与所述过滤后的所述目标图像的关键点匹配的模板图像中的关键点；根据所述第一匹配集合中关键点对的关键点之间的位置偏移以及旋转角度，对所述第一匹配集合中的关键点对进行过滤，得到第二匹配集合；根据所述第二匹配集合中关键点对的关键点的特征的距离，对所述第二匹配集合进行过滤，得到所述目标匹配集合。

在一种可能的实现方式中，所述处理模块具体用于：

确定与所述目标图像中的第一关键点的特征匹配度排名第一的第二关键点以及排名第二的第三关键点，所述第二关键点和所述第三关键点为所述模板图像中的关键点；根据所述第一关键点的特征与所述第二关键点的特征的距离，以及所述第二关键点的特征与所述第三关键点的特征的距离，确定是否过滤所述第一关键点；在确定不过滤所述第一关键点时，将所述第一关键点以及所述第二关键点所组成的关键点对，作为所述第一匹配集合中的一个关键点对。

在一种可能的实现方式中，所述处理模块具体用于：

统计所述第一匹配集合中各关键点对的关键点之间的位置偏移以及旋转角度，得到第一直方图；将落入所述第一直方图中值最大的类别中的关键点对作为所述第二匹配集合中的关键点对。

在一种可能的实现方式中，所述处理模块具体用于：

确定所述目标匹配集合中各关键点对的特征距离与预设距离的差值；对所述目标匹配集合中各关键点对所对应的差值求和，得到求和结果；若所述求和结果大于等于预设阈值，则确定所述指纹识别结果为所述待识别的指纹与所述模板指纹为同一指纹。

在一种可能的实现方式中，还包括：

输出模块，用于在所述待识别指纹与所述模板指纹为同一指纹时，输出提示信息，提示信息用于提示指纹识别通过。

在一种可能的实现方式中，所述处理模块，还用于在所述待识别指纹与所述模板指纹不为同一指纹时，根据所述目标图像与模板图像库中除所述模板图像外的图像的指纹识别结果，确定是否输出提示信息。

在一种可能的实现方式中，所述处理模块，还用于在所述待识别指纹与所述模板指纹为同一指纹时，控制目标对象开启。

第三方面，本申请实施例提供一种电子设备，包括：

存储器，用于存储程序指令；

处理器，用于调用并执行所述存储器中的程序指令，执行上述第一方面所述的方法步骤。

第四方面，本申请实施例提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序用于执行上述第一方面所述的方法。

第五方面，本申请实施例提供一种程序产品，所述程序产品包括计算机程序，所述计算机程序存储在存储介质中，至少一个处理器可以从所述存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序时可实现上述第一方面所述的方法。

本申请实施例所提供的指纹识别方法、装置、电子设备及可读存储介质，在采集到包含待识别指纹的目标图像后，基于目标图像的关键点的特征以及模板图像的关键点的特征，对目标图像中的关键点进行过滤，将过滤后的目标图像的关键点以及与该关键点匹配的模板图像中的关键点组成目标匹配集合，进而基于目标匹配集合中各关键点对，确定出待识别指纹与模板图像中的模板指纹是否为同一指纹。由于对目标图像的关键点进行了过滤，使得目标匹配集合中的关键点对的两个关键点实际不属于同一关键点的概率得到极大降低，进而，在基于目标匹配集合识别指纹时，可以减少甚至避免将实际不属于同一关键点的两个关键点的比对结果作为判断指纹识别结果的依据，因此，相对于现有技术中的方法，本实施例能够显著提升指纹识别的准确度。即使在目标图像中的指纹面积较小的情况下，使用本实施例也可以得到较高的指纹识别准确度。

附图说明

为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例的一种示例性的应用场景图；

图2为本申请实施例的另一种示例性的应用场景图；

图3为本申请实施例的又一种示例性的应用场景图；

图4为本申请实施例的指纹识别方法的流程示意图；

图5为本申请实施例的指纹识别方法的流程示意图；

图6为本申请实施例的指纹识别方法的流程示意图；

图7为本申请实施例的指纹识别方法的流程示意图；

图8为本申请实施例的指纹识别方法的流程示意图；

图9为本申请实施例的指纹识别方法的流程示意图；

图10为本申请实施例的指纹识别方法的流程示意图；

图11为FAST检测关键点的示例图；

图12为SURF检测关键点的示例图；

图13为SIFT计算特征的示例图；

图14为SURF计算特征的示例图；

图15为MSURF计算特征的示例图；

图16为本申请实施例提供的指纹识别装置的模块结构图；

图17为本申请实施例提供的指纹识别装置的模块结构图；

图18为本发明实施例提供的一种电子设备1800的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，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作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。

现有技术中，将所有关键点特征连接起来，并对连接后的关键点特征进行降维处理。将降维处理后的特征作为指纹特征进行识别。在这种方法中，将所有关键点特征连接起来作为指纹特征，这种处理方法可能导致将实际不属于同一个关键点的两个关键点进行了比对，从而可能导致指纹识别的准确率低。

本申请实施例的方法，旨在解决上述问题。

图1为本申请实施例的一种示例性的应用场景图，如图1所示，本申请实施例可以应用于需要授权才可通过的人员通道设备中。该人员通道设备中包括指纹采集部件，用户希望通过人员通道时，通过指纹采集部件输入指纹，人员通道设备使用本申请实施例的方法，将该指纹与预先保存的允许通过该人员通道的用户的指纹进行比对识别，以确认该指纹是否为某个允许通过该人员通道的用户的指纹，若是，则输出该输入的指纹为允许通过用户的指纹的提示信息，同时，人员通道设备控制设备内的摆闸开启，以使得用户可以通过。若否，输出该输入的指纹不为任何一个允许通过用户的指纹的提示信息，同时，摆闸保持关闭状态。

图2为本申请实施例的另一种示例性的应用场景图，如图2所示，本申请实施例可以应用于控制门开启和关闭的门禁系统中，该门禁系统中包括设置于门一侧的门禁读卡器以及与该门禁读卡器远程通信连接的门禁控制器。该门禁读卡器中包括指纹采集部件，用户希望进入门内时，通过指纹采集部件输入指纹，门禁读卡器使用本申请实施例的方法，将该指纹与预先保存的允许进入门内的用户的指纹进行比对识别，以确认该指纹是否为某个允许进入门内的用户的指纹，若是，则输出该输入的指纹为允许进入用户的指纹的提示信息，同时，门禁读卡器向门禁控制器发送请求信息，以请求门禁控制器开启门。门禁控制器接收到该请求信息后，控制门开启。若否，输出该输入的指纹不为任何一个允许进入用户的指纹的提示信息，同时，门保持关闭状态。

图3为本申请实施例的又一种示例性的应用场景图，如图3所示，本申请实施例可以应用于门锁中。该门锁中包括指纹采集部件，人员希望打开门锁时，通过指纹采集部件输入指纹，门锁使用本申请实施例的方法，将该指纹与预先保存的允许打开门锁人员的指纹进行比对识别，以确认该指纹是否为某个允许打开门锁人员的指纹，若是，则输出该输入的指纹为允许打开门锁人员的指纹的提示信息，同时，门锁打开。若否，输出该输入的指纹不为任何一个允许打开门锁人员的指纹的提示信息，同时，门锁保持锁定状态。

除了应用于上述图1-图3所示例的设备外，本申请实施例还可以应用于其他支持指纹识别的设备中，例如电梯层控设备、消费机、访客机等。为便于描述，本申请实施例以下将应用本申请实施例的设备称为识别设备。

图4为本申请实施例的指纹识别方法的流程示意图，该方法的执行主体为前述的识别设备。如图4所示，该方法包括：

S401、采集目标图像，该目标图像中包括待识别指纹的信息。

示例性的，某个用户希望通过人员通道设备时，将手指放置于人员通道设备的指纹采集部件上，指纹采集部件采集指纹并生成包括采集的指纹的目标图像，该目标图像中的指纹为用户输入的待采集的指纹。

S402、根据上述目标图像的关键点的特征以及模板图像的关键点的特征，对上述目标图像中的关键点进行过滤，并得到目标匹配集合。

其中，上述模板图像中包括模板指纹的信息。以上述图1所示的应用场景为例，允许通过用户预先可以将自己的指纹输入人员通道设备中，人员通道设备将包括每个允许通过用户的指纹的图像保存，这些图像作为上述的模板图像，每个模板图像中所包括的指纹为模板指纹。

其中，上述目标匹配集合中包括多个关键点对，每个关键点对包括过滤后的上述目标图像中的一个关键点以及与该一个关键点特征匹配的模板图像中的一个关键点。

可选的，在执行本步骤之前，可以首先确定目标图像的关键点以及关键点的特征。其中，目标图像的关键点可以指目标图像中的特定的像素点。相对于非关键点来说，关键点具有如下特征：有清晰的数学上的定义、在图像空间中有明确的位置、点周围有丰富的图像结构，同时，在光照变化导致的局部或全局扰动情况下能保持稳定，这使得关键点具有极高的重复度被检测出来。关键点的特征可以为特定维度的特征向量。确定目标图像的关键点以及关键点的特征的过程将在下述实施例中详细说明。

在得到目标图像的关键点以及关键点的特征的基础上，基于目标图像的关键点的特征以及模板图像的关键点的特征，可以对目标图像的关键点进行过滤，并将过滤后的关键点以及与之匹配的模板图像中的关键点组成关键点对，以形成目标匹配集合。示例性的，p1为过滤后的目标图像中的一个关键点，q1为与p1匹配的模板图像中的一个关键点，则目标匹配集合中包括(p1，q1)这个关键点对。

其中，可选的，本申请实施例所述的与目标图像中的关键点匹配的模板图像中的关键点，可以指在模板图像的关键点中，特征与目标图像中的关键点的特征最为接近的一个关键点。

经过对目标图像的关键点过滤之后，得到目标匹配集合，该集合中所包括的目标图像的关键点数量小于过滤之前的目标图像的关键点数量。

S403、根据上述目标匹配集合中的关键点对，得到指纹识别结果，该指纹识别结果用于指示上述待识别的指纹与上述模板指纹是否为同一指纹。

经过上述步骤S402所得到的目标匹配集合中，所包括的目标图像的关键点为过滤后的关键点，由这些关键点所组成的关键点对的两个关键点实际属于同一关键点的概率相比于不过滤时可以得到极大提升，也就是说，目标匹配集合中的关键点对的两个关键点实际不属于同一关键点的概率可以得到极大降低。

在此基础上，本步骤中，基于目标匹配集合中的关键点对，识别目标图像中的待识别指纹与模板图像中的模板指纹是否为同一指纹时，所得到的识别结果的准确率相比现有技术可以得到极大提升。

本实施例中，在采集到包含待识别指纹的目标图像后，基于目标图像的关键点的特征以及模板图像的关键点的特征，对目标图像中的关键点进行过滤，将过滤后的目标图像的关键点以及与该关键点匹配的模板图像中的关键点组成目标匹配集合，进而基于目标匹配集合中各关键点对，确定出待识别指纹与模板图像中的模板指纹是否为同一指纹。由于对目标图像的关键点进行了过滤，使得目标匹配集合中的关键点对的两个关键点实际不属于同一关键点的概率得到极大降低，进而，在基于目标匹配集合识别指纹时，可以减少甚至避免将实际不属于同一关键点的两个关键点的比对结果作为判断指纹识别结果的依据，因此，相对于现有技术中的方法，本实施例能够显著提升指纹识别的准确度。即使在目标图像中的指纹面积较小的情况下，使用本实施例也可以得到较高的指纹识别准确度。

具体实施过程中，识别设备中可以预先保存包括多个用户指纹信息的多个图像，每个图像可以对应一个用户，形成模板图像库。前述的模板图像可以为该模板图像库中的一个图像。在指纹识别时，采集到目标图像之后，识别设备可以按照特定的顺序将目标图像和模板图像库中的图像逐个进行前述的指纹识别，当识别至上述的模板图像时，所得到的指纹识别结果可能为以下两种结果中的一种。

第一种，目标图像中的待识别指纹与模板图像中的模板指纹为同一指纹。在这种情况下，说明拥有待识别指纹的用户为一个授权的用户，指纹识别通过。可选的，当待识别指纹与模板指纹为同一指纹时，识别设备可以输出提示信息，该提示信息用于提示指纹识别通过。示例性的，该提示信息可以为提示指纹识别通过的语音或文字。可选的，当待识别指纹与模板指纹为同一指纹时，识别设备还可以控制目标对象开启。该目标对象例如可以为前述的门、闸门、门锁等。以上述图1所示的应用场景为例，识别设备可以直接控制闸门开启。以上述图2所示的应用场景为例，识别设备可以向控制器发送请求信息，该请求信息用于请求控制器开启门，控制器接收到请求信息后，控制门开启。

第二种，目标图像中的待识别指纹与模板图像中的模板指纹不为同一指纹。在这种情况下，识别设备需要根据目标图像与模板图像库中除模板图像之外的图像的指纹识别结果，确定是否输出上述的提示信息。如果待识别指纹与模板图像库中除模板图像外的图像的其中一个图像的指纹为同一指纹，则说明指纹识别通过，识别设备可以输出上述提示信息。如果待识别指纹与模板图像库中的所有图像的指纹均不为同一指纹，则说明拥有待识别指纹的用户不是授权用户，识别设备可以输出指示指纹识别未通过的指示信息。

以下说明上述步骤S402中对目标图像的关键点进行过滤以得到目标匹配集合的过程。

作为一种可选的实施方式，可以按照关键点的像素值，将目标图像的关键点与模板图像的关键点进行匹配，并过滤掉无法匹配的目标图像的关键点，进而得到目标匹配集合。

作为另一种可选的实施方式，可以按照下述的过程得到目标匹配集合。

图5为本申请实施例的指纹识别方法的流程示意图，如图5所示，上述步骤S402的执行过程包括：

S501、根据上述目标图像的关键点的特征与模板图像的关键点的特征的距离，对上述目标图像的关键点进行过滤，得到第一匹配集合。

其中，上述第一匹配集合中包括多个关键点对，每个关键点对包括根据上述特征的距离过滤后的目标图像的关键点，以及，与根据上述特征的距离过滤后的目标图像的关键点匹配的模板图像中的关键点。

可选的，本申请实施例所述的特征的距离，可以指特征之间的欧式距离，或者汉明(Hamming)距离。以下不再另行解释。

对于一个具有显著特征的关键点来说，其特征与模板图像中不与其匹配的关键点的特征应可明显区分。本步骤中，根据目标图像的关键点与模板图像中关键点的特征的距离，可以获知目标图像的该关键点是否可以与模板图像中不与其匹配的关键点的特征明显区分开来，进而，可以将不能与模板图像中不与其匹配的关键点明显区分的关键点过滤掉，仅保留能够与模板图像中不与其匹配的关键点明显区分的关键点，进而将这些能够与模板图像中不与其匹配的关键点明显区分的关键点及与其匹配的模板图像关键点组成第一匹配集合。

本步骤可以称作基于关键点特征可区分性的过滤。

S502、根据上述第一匹配集合中关键点对的关键点之间的位置偏移以及旋转角度，对上述第一匹配集合中的关键点对进行过滤，得到第二匹配集合。

对于具有显著特征的各关键点，其在空间变换上应具有一致性。本步骤中，根据第一匹配集合中各关键点对的关键点之间的位置偏移以及旋转角度，可以得到在空间变换上保持一致的目标图像中的关键点，进而，可以将空间变换上不一致的关键点过滤掉，仅保留空间变换上一致的关键点，进而将这些空间变换上一致的关键点及与其匹配的模板图像关键点组成第二匹配集合。

本步骤可以称作基于关键点空间变换一致性的过滤。

S503、根据上述第二匹配集合中关键点对的关键点的特征的距离，对上述第二匹配集合进行过滤，得到上述目标匹配集合。

对于目标图像中一个具有显著特征的关键点来说，与其匹配的模板图像中的关键点应具有唯一性。该唯一性可以指，对于模板图像中的一个关键点，应仅有目标图像中的一个关键点与之匹配。本步骤中，根据第二匹配集合中的关键点的特征的距离，可以判断关键点是否唯一匹配，并基于判断结果对目标图像的关键点进行过滤，以使得关键点唯一匹配。进而，将过滤后的目标图像的关键点及与其匹配的模板图像关键点组成目标匹配集合。

本步骤可以称作基于关键点匹配唯一性的过滤。

本实施例中，按照关键点特征可区分、关键点空间变换具有一致性以及关键点匹配唯一性，对目标图像中的关键点依次进行过滤，经过该三次过滤之后所得到的目标匹配集合中所包括的目标图像的关键点均具有特征可区分、空间变换一致以及匹配唯一性的特点，这些特点使得目标匹配集合中目标图像的各关键点更加明显，当基于这些关键点进行指纹识别时，使得目标匹配集合中的关键点对的两个关键点实际不属于同一关键点的概率得到极大降低，进而极大提升指纹识别的准确度。

基于关键点特征可区分性进行过滤的一种可选实现方式为图6所示的方式。图6为本申请实施例的指纹识别方法的流程示意图，如图6所示，上述步骤S501的一种可选方式包括：

S601、确定与上述目标图像中的第一关键点的特征匹配度排名第一的第二关键点以及排名第二的第三关键点，该第二关键点和第三关键点均为上述模板图像中的关键点。

上述第一关键点可以指目标图像中的任意一个关键点。

应理解，匹配度排名第一表示最匹配，即匹配度最高。

可选的，第一关键点与模板图像中各关键点的特征匹配度可以根据特征的距离来确定。特征的距离越小，表示特征匹配度越高。本步骤中，可以计算第一关键点与模板图像中每个关键点的特征距离，进而，将最小特征距离对应的关键点作为第二关键点，将次小特征距离对应的关键点作为第三关键点。

S602、根据上述第一关键点的特征与上述第二关键点的特征的距离，以及上述第二关键点的特征与上述第三关键点的特征的距离，确定是否过滤上述第一关键点。

可选的，假设第一关键点的特征与第二关键点的特征的距离d1，第一关键点的特征与第三关键点的特征的距离为d2，d1<d2，可以通过公式d1/d2计算二者的比值，如果d1/d2≥θ，则可以确定过滤掉第一关键点。其中，θ为预设值。

在上述过程中，如果d1/d2≥θ，说明第一关键点与第二关键点以及第三关键点均比较相近，进而可以说明第一关键点并不能与模板图像中不与其匹配的关键点明显区分，即第一关键点并不是一个具有明显特征的关键点。因此，可以过滤掉第一关键点，以避免第一关键点作为指纹识别依据后对指纹识别结果的准确度造成影响。

S603、若确定不过滤上述第一关键点，则将上述第一关键点以及上述第二关键点所组成的关键点对，作为第一匹配集合中的一个关键点对。

第二关键点为目标图像中与第一关键点匹配度最高的一个关键点，在不过滤第一关键点时，将第一关键点和第二关键点组成的关键点对作为第一匹配集合中的一个关键点对。

应理解，上述第一关键点可以指目标图像中的任意一个关键点，具体实施过程职中，可以遍历目标图像中的每个关键点，对每个关键点分别通过步骤S601-S603确定是否将其加入到第一匹配集合中。

基于关键点空间变换一致性进行过滤的一种可选实现方式为图7所示的方式。图7为本申请实施例的指纹识别方法的流程示意图，如图7所示，上述步骤S502的一种可选方式包括：

S701、统计上述第一匹配集合中各关键点对的关键点之间的位置偏移以及旋转角度，得到第一直方图。

S702、将落入上述第一直方图中值最大的类别中的关键点对作为上述第二匹配集合中的关键点对。

假设第一匹配集合中的某个关键点对为(pi，qi)，pi为目标图像中的一个关键点，qi为模板图像中的关键点，计算qi相对于pi的位置偏移(△x，△y)以及旋转角度△θ。基于每个关键点对所对应的(△x，△y)和△θ，建立一个三维直方图，即上述的第一直方图。该三维直方图中包括多个类别(bin)，每个关键点对会落入该三维直方图的一个类别中。进而，将落入值最大的类别中的关键点对保留下来，形成第二匹配集合，过滤掉落在其他类别中的关键点对。

在上述过程中，值最大的类别中所落入的关键点对的数量最多，表明这些关键点对中的目标图像的关键点之间在空间变换上具有一致性，因此，可以将这些关键点保留，而落入其他类别中的关键点在空间变换上与这些关键点在空间变换上一致性低，因此，可以被过滤掉。

基于关键点匹配唯一性进行过滤的一种可选实现方式为图8所示的方式。图8为本申请实施例的指纹识别方法的流程示意图，如图8所示，上述步骤S502的一种可选方式包括：

S801、判断第二匹配集合中是否存在两个关键点对中均包括第四关键点，若是，则执行步骤S802。

其中，第四关键点为模板图像中的关键点。

对于第二匹配集合中不满足两个关键点对中均包括第四关键点的关键点对，可以将其直接作为目标匹配集合中的关键点对。

S802、将上述第四关键点所在的两个关键点对的特征距离小的关键点对作为上述目标匹配集合中的关键点对。

同时，过滤掉特征距离大的关键点对。

其中，上述关键点对的特征距离是指关键点对中两个关键点的特征的距离。

假设第二匹配集合中存在两个关键点对(pi，qi)和(pj，qj)满足qi＝qj，即qi和qj作为第四关键点，在这种情况下，计算pi的特征和qi的特征的距离di，并计算pj的特征和qj的特征的距离dj，选择di和dj的较小值所对应的关键点对作为目标匹配集合中的关键点对，丢弃di和dj的较大值所对应的关键点对。

在上述过程中，如果模板图像中的一个第四关键点同时与目标图像中的两个关键点组成关键点对，则说明目标图像中的两个关键点不具有匹配唯一性，因此，可以将与第四关键点特征匹配度更高的关键点保留，而将与第四关键点特征匹配度较低的关键点过滤掉，从而使得目标图像的关键点具有匹配唯一性。

以上说明了对目标图像的关键点进行过滤，得到目标匹配集合的可选过程。下面说明基于目标匹配集合中的关键点对得到指纹识别结果的过程。

一种可选方式中，识别设备可以比较目标匹配集合中各关键点对中的关键点的像素值，得到目标图像与模板图像的匹配度，进而根据匹配度得到待识别指纹与模板指纹是否为同一指纹。

另一种可选方式中，识别设备可以根据目标匹配集合中各关键点对的特征距离，得到指纹识别结果。

如前文所述，关键点对的特征距离，是指关键点对中两个关键点的特征的距离。

在根据关键点对的特征距离得到指纹识别结果时，可以基于目标匹配集合中的部分关键点对得到指纹识别结果，也可以根据目标匹配集合中的所有关键点对得到指纹识别结果。

图9为本申请实施例的指纹识别方法的流程示意图，如图9所示，根据目标匹配集合中的所有关键点对得到指纹识别的过程包括：

S901、确定上述目标匹配集合中各关键点对的特征距离与预设距离的差值。

可选的，上述预设距离可以指关键点特征的距离的上确界。示例性的，该上确界可以指目标图像中关键点的所有可能出现的特征的距离中的最大距离。

分别计算目标匹配集合中每个关键点对的特征距离，并计算每个关键点对的特征距离与预设距离的差值。

S902、对上述目标匹配集合中各关键点对所对应的差值求和，得到求和结果。

假设目标匹配集合中关键点对的特征距离为di’，预设距离为M，则差值为M-di’，通过公式∑(M-di’)对所有关键点对所对应的差值求和，从而得到求和结果。该求和结果表示目标图像与模板图像的匹配度，也即待识别指纹与模板指纹的匹配度。

S903、若上述求和结果大于等于预设阈值，则确定上述指纹识别结果为待识别的指纹与模板指纹为同一指纹。

如果求和结果大于等于预设阈值，则说明待识别指纹与模板指纹的匹配度足够高，因此可以确定待识别指纹与模板指纹为同一指纹。

本实施例中，对目标匹配集合中的各关键点对的特征距离与预设距离求差值，并将差值的和作为待识别指纹与模板指纹的匹配度，在匹配度大于等于预设阈值时确定待识别的指纹与模板指纹为同一指纹。该过程将经过前述过滤后的所有关键点作为确定指纹识别结果的依据，并使用关键点的特征距离进行判断，因此，可以极大提升指纹识别的准确度。

如前文所述，在上述步骤S402之前，可以首先确定目标图像的关键点以及关键点的特征。以下说明确定目标图像的关键点以及关键点的特征的过程。

图10为本申请实施例的指纹识别方法的流程示意图，如图10所示，确定目标图像的关键点以及关键点的特征的过程包括：

S1001、对目标图像进行关键点检测，得到目标图像的关键点。

可选的，对目标图像进行关键点检测的方法可以包括：角点检测子(Featuresfrom Accelerated Segment Test，简称FAST)、尺度空间检测子(Scale InvariantFeature Transform，简称SIFT)、快速鲁棒检测子(Speeded Up Robust Features，简称SURF)等。以下逐一说明。

(1)FAST

该检测子可以检测比周围邻域的像素点更亮或者更暗的点。

图11为FAST检测关键点的示例图，如图11所示，对于像素点p，用以p为圆心、以3为半径的圆上的16个点的像素值和p的像素值做比较，把16个点分为3类：更亮，相似，更暗。如果圆上至少有S(S例如可以为9)个连续的像素点被分为更亮或者更暗，则p为关键点。

(2)SIFT

尺度空间是以尺度为变量的连续函数。在SIFT中，通过搜索尺度空间中的稳定点，可以检测尺度不变的关键点。其中，稳定点也可以称作极值点。

下述公式(1)为一种尺度空间的定义。

L(x,y,σ)＝G(x,y,σ)*I(x,y) (1)

其中，G(x,y,σ)为高斯核函数，I为被检测的目标图像。

G(x,y,σ)可以通过如下公式(2)表示。

LoG检测子通过在尺度空间中搜索尺度归一化的LoG(Laplacian-of-Gaussian)的极值点来检测关键点，其中/>

在SIFT中，使用DoG(Difference-of-Gaussian)函数D(x,y,σ)近似尺度归一化的LoG，其中D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)＝L(x,y,kσ)-L(x,y,σ)。

通过拟合三维空间上的二次函数得到关键点子像素和子空间的精度。

通过关键点的DoG函数值的绝对值和类似Harris检测子的角度量来过滤掉低对比度和边缘上的关键点。

(3)SURF

SURF可以使用快速的Hessian检测子做为Hessian-Laplace检测子的有效近似。

Hessian检测子搜索图像中在两个正交方向上方向导数值都很大的位置点，可以是下述公式(3)所表示的基于名为Hessian矩阵的二阶导数的矩阵。

其中，L(x,y,σ)是用高斯核G(x,y,σ)光滑后的图像，L(x,y,σ)＝G(x,y,σ)*I(x,y)。

Hessian检测子检测Hessian矩阵行列式值相比邻域的8个点更大的局部极值点作为特征点。

Hessian-Laplace检测子在不同的尺度上使用Hessian检测子检测候选的关键点，在尺度方向上使用LoG检测子选择关键点。

SURF可以使用快速的Hessian检测子做为Hessian-Laplace检测子的有效近似。图12为SURF检测关键点的示例图，如图12所示，SURF使用框型滤波器(box filter)来近似高斯二阶偏导数L_xx、L_xy、L_yy，这三个值在计算Hessian矩阵行列式时使用，图12中的两个框型滤波器分别是L_yy和L_xy的近似。

SURF检测子在不同的尺度上和尺度方向上使用Hessian矩阵的行列式来检测关键点。

S1002、对目标图像的关键点进行方向赋值，得到目标图像的关键点的方向。

示例性的，对于目标图像中的每个关键点p，在p的17x17的邻域W内，计算每个点的水平和竖直方向梯度G_x和G_y，令G_xy＝∑_(x,y)∈WG_xG_y，/>则p点的方向θ_p可以通过如下公式(4)计算得到：

θ_p＝arctan(2G_xy,G_xx-G_yy) (4)

S1003、根据目标图像的关键点的方向，确定目标图像的关键点的特征。

确定关键点的特的特征描述子可以包括：SIFT、SURF、改进SURF(modified SURF，简称MSURF)、ORB(Oriented FAST and Rotated BRIEF)等。以下逐一说明。

(1)SIFT

SIFT表示关键点所在邻域中每个点的梯度位置和方向的三维直方图。图13为SIFT计算特征的示例图，如图13所示，位置量为4x4的位置方格，方向量化为8个类别(bin)，最终得到128维的描述子。对于每一个采样像素，计算梯度幅度m和方向θ，使用高斯权重对m加权，作为(x,y,θ)对应的类别的权重。为了处理小的偏移，使用三线性插值的方法，将加权后的m赋予8个类别。为了减少光照变化的影响，对特征向量做L₂范数归一化。

(2)SURF

图14为SURF计算特征的示例图，如图14所示，设关键点被检测到的尺度为S。将关键点的邻域分为4x4的子区域。对于每一个子区域，在5x5的均匀的空间采样点上计算d_x、d_y、|d_x|和|d_y|，其中d_x和d_y分别是x和y方向上尺寸为2s的哈尔(Haar)小波的响应。使用高斯权重将这些值累加，得到子向量v＝(∑d_x,∑d_y,∑|d_x|,∑|d_y|)。将所有子区域的子向量连接起来得到64维的特征。

(3)MSURF

MSURF是对SURF的改进。图15为MSURF计算特征的示例图，如图15所示，相对于SURF来说，MSURF具有进行如下两项改进：

(1)对于4x4个子区域，每个子区域采样9x9个像素点，相邻的子区域有2个像素的重合。

(2)在累加子区域值时，使用第一个高斯权重得到子向量，再将子向量乘以第二个高斯权重后连接起来得到特征。

(5)ORB

ORB比较关键点邻域中N对点位置的像素值大小，得到N个二值化特征。可选的，关键点邻域大小可以为31x 31。其中，点位置的像素值大小可以指点周围5x5个像素值的平均值。示例性，N可以是64、128等。

具体的过程可以包括：

(1)对于固定尺寸的关键点邻域，得到所有可能的位置对的集合，对于每一个位置对，计算所有训练图像的二值化特征的均值。

(2)根据均值与0.5的距离，将所有位置对按值从小到大排序，令T表示得到的位置对向量。

(3)将T中第一个位置对取出，放入R；

依次从T中取出位置对，和所有R中的位置对进行比较，如果相关性小于某一门限值，则舍弃此位置对，否则加入到R中，重复此步骤，直至R中有N个位置对。

图16为本申请实施例提供的指纹识别装置的模块结构图，如图16所示，该装置包括：

图像采集模块1601，用于采集目标图像，所述目标图像中包括待识别指纹的信息。

处理模块1602，用于根据所述目标图像的关键点的特征以及模板图像的关键点的特征，对所述目标图像中的关键点进行过滤，并得到目标匹配集合，所述目标匹配集合中包括多个关键点对，每个关键点对包括过滤后的所述目标图像中的一个关键点以及与所述一个关键点特征匹配的模板图像中的一个关键点，所述模板图像中包括模板指纹的信息，还用于根据所述目标匹配集合中的关键点对，得到指纹识别结果，所述指纹识别结果用于指示所述待识别的指纹与所述模板指纹是否为同一指纹。

作为一种可选的实施方式，处理模块1602具体用于：

图17为本申请实施例提供的指纹识别装置的模块结构图，如图17所示，该装置还包括：

输出模块1603，用于在所述待识别指纹与所述模板指纹为同一指纹时，输出提示信息，提示信息用于提示指纹识别通过。

作为一种可选的实施方式，处理模块1602还用于在所述待识别指纹与所述模板指纹不为同一指纹时，根据所述目标图像与模板图像库中除所述模板图像外的图像的指纹识别结果，确定是否输出提示信息。

作为一种可选的实施方式，处理模块1602还用于在所述待识别指纹与所述模板指纹为同一指纹时，控制目标对象开启。

作为一种可选的实施方式，上述目标对象包括门、闸门或门锁。

本申请实施例提供的指纹识别装置，可以执行上述方法实施例中的方法步骤，其实现原理和技术效果类似，在此不再赘述。

需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，确定模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，ASIC)，或，一个或多个微处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessing unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘solid state disk(SSD))等。

图18为本发明实施例提供的一种电子设备1800的结构示意图。该电子设备可以为上述的任意一种识别设备。如图18所示，该电子设备可以包括：处理器181、存储器182、通信接口183和系统总线184，所述存储器182和所述通信接口183通过所述系统总线184与所述处理器181连接并完成相互间的通信，所述存储器182用于存储计算机执行指令，所述通信接口183用于和其他设备进行通信，所述处理器181执行所述计算机程序时实现如上述图4至图15所示实施例的方案。

该图18中提到的系统总线可以是外设部件互连标准(peripheral componentinterconnect，PCI)总线或扩展工业标准结构(extended industry standardarchitecture，EISA)总线等。所述系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(random access memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

上述的处理器可以是通用处理器，包括中央处理器CPU、网络处理器(networkprocessor，NP)等；还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可选的，本发明实施例还提供一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行如上述图4至图15所示实施例的方法。

可选的，本发明实施例还提供一种运行指令的芯片，所述芯片用于执行上述图4至图15所示实施例的方法。

本发明实施例还提供一种程序产品，所述程序产品包括计算机程序，所述计算机程序存储在存储介质中，至少一个处理器可以从所述存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序时可实现上述图4至图15所示实施例的方法。

在本发明实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系；在公式中，字符“/”，表示前后关联对象是一种“相除”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b，或c中的至少一项(个)，可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中，a，b，c可以是单个，也可以是多个。

可以理解的是，在本发明实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本发明实施例的范围。

可以理解的是，在本发明的实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims

1.一种指纹识别方法，其特征在于，包括：

采集目标图像，所述目标图像中包括待识别指纹的信息；

根据所述目标匹配集合中的关键点对，得到指纹识别结果，所述指纹识别结果用于指示所述待识别的指纹与所述模板指纹是否为同一指纹；

所述根据所述目标图像的关键点的特征以及模板图像的关键点的特征，对所述目标图像中的关键点进行过滤，并得到目标匹配集合，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标图像的关键点的特征与模板图像的关键点的特征的距离，对所述目标图像的关键点进行过滤，得到第一匹配集合，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一匹配集合中关键点对的关键点之间的位置偏移以及旋转角度，对所述第一匹配集合中的关键点对进行过滤，得到第二匹配集合，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述第二匹配集合中关键点对的关键点的特征的距离，对所述第二匹配集合进行过滤，得到所述目标匹配集合，包括：

5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述目标匹配集合中的关键点对，得到指纹识别结果，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述目标匹配集合中各关键点对的特征距离，得到所述指纹识别结果，包括：

7.一种指纹识别装置，其特征在于，包括：

处理模块，用于根据所述目标图像的关键点的特征以及模板图像的关键点的特征，对所述目标图像中的关键点进行过滤，并得到目标匹配集合，所述目标匹配集合中包括多个关键点对，每个关键点对包括过滤后的所述目标图像中的一个关键点以及与所述一个关键点特征匹配的模板图像中的一个关键点，所述模板图像中包括模板指纹的信息，还用于根据所述目标匹配集合中的关键点对，得到指纹识别结果，所述指纹识别结果用于指示所述待识别的指纹与所述模板指纹是否为同一指纹；

所述处理模块具体用于：

8.一种电子设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用并执行所述存储器中的程序指令，执行权利要求1-6任一项所述的方法步骤。

9.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序用于执行权利要求1-6任一项所述的方法。