CN113496183B - 指纹匹配方法、装置、电子设备及可读存储介质 - Google Patents

指纹匹配方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN113496183B
CN113496183B CN202010270700.8A CN202010270700A CN113496183B CN 113496183 B CN113496183 B CN 113496183B CN 202010270700 A CN202010270700 A CN 202010270700A CN 113496183 B CN113496183 B CN 113496183B
Authority
CN
China
Prior art keywords
feature point
template
fingerprint image
matching
matched
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.)
Active
Application number
CN202010270700.8A
Other languages
English (en)
Other versions
CN113496183A (zh
Inventor
郑赐杰
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 Harvest Intelligence Tech Co Ltd
Original Assignee
Shanghai Harvest Intelligence Tech 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 Harvest Intelligence Tech Co Ltd filed Critical Shanghai Harvest Intelligence Tech Co Ltd
Priority to CN202010270700.8A priority Critical patent/CN113496183B/zh
Priority to TW110112584A priority patent/TWI804843B/zh
Priority to US17/225,712 priority patent/US11710342B2/en
Publication of CN113496183A publication Critical patent/CN113496183A/zh
Application granted granted Critical
Publication of CN113496183B publication Critical patent/CN113496183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/1371—Matching features related to minutiae or pores
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种指纹匹配方法、装置及可读存储介质。所述方法用于将待识别指纹图像与模板指纹图像进行匹配，所述方法包括：从所述待识别指纹图像中提取多个待匹配特征点；将所述多个待匹配特征点与所述模板指纹图像中的多个模板特征点进行第一匹配，所述第一匹配包括：识别所述多个待匹配特征点中的真实特征点，并将所述真实特征点、和所述模板指纹图像中与所述真实特征点对应的模板特征点所组成的特征点对，作为第一匹配结果；从所述第一匹配结果中剔除错误匹配的特征点对；基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配。应用上述方案，可以提高指纹匹配的成功率。

Description

指纹匹配方法、装置、电子设备及可读存储介质
技术领域
本发明涉及指纹识别技术领域，具体涉及一种指纹匹配方法、装置及可读存储介质。
背景技术
随着信息科技的发展，生物特征识别技术在保障信息安全的方面发挥着越来越重要的作用，其中指纹识别已经成为移动互联网领域广泛应用的身份识别、设备解锁的关键技术手段之一。
现有的指纹匹配方法，一般是基于待匹配特征点周围其它若干个特征点的信息，来确定该待匹配特征点与模板指纹图像中的相应特征点是否匹配。
然而，上述指纹匹配方法容易受伪特征点影响，一旦用于指纹匹配的其它若干个特征点中，存在伪特征点，将会导致匹配成功率明显下降。
发明内容
本发明要解决的问题是：如何提高指纹匹配的成功率。
为解决上述问题，本发明实施例提供了一种指纹匹配方法，用于将待识别指纹图像与模板指纹图像进行匹配，所述方法包括：
从所述待识别指纹图像中提取多个待匹配特征点；
将所述多个待匹配特征点与所述模板指纹图像中的多个模板特征点进行第一匹配，所述第一匹配包括：识别所述多个待匹配特征点中的真实特征点，并将所述真实特征点、和所述模板指纹图像中与所述真实特征点对应的模板特征点所组成的特征点对，作为第一匹配结果；
从所述第一匹配结果中剔除错误匹配的特征点对；
基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配。
可选地，所述识别所述多个待匹配特征点中的真实特征点，包括：
计算第一待匹配特征点与所述模板指纹图像中的第一模板特征点之间的第一方向差，所述第一待匹配特征点为所述多个待匹配特征点中的任意一个，所述第一模板特征点为所述多个模板特征点中的任意一个；
计算第一周围特征点与所述模板指纹图像中的第二模板特征点之间的第二方向差，所述第一周围特征点为从所述第一待匹配特征点周围选取的预设数量的待匹配特征点中任意一个，所述第二模板特征点为从所述第一模板特征点周围选取的任意一个模板特征点；
计算所述第一待匹配特征点至所述第一周围特征点的第一连线，与所述第一模板特征点至所述第二模板特征点的第二连线之间的第三方向差；
当所述第一方向差、所述第二方向差及所述第三方向差满足第一预设条件时，判定所述第一待匹配特征点及所述第一周围特征点为真实特征点。
可选地，所述第一匹配还包括：将所述第一方向差、所述第二方向差及所述第三方向差满足所述第一预设条件的第一待匹配特征点和第一模板特征点所组成的特征点对、以及第一周围特征点和第二模板特征点所组成的特征点对，作为所述第一匹配结果。
可选地，所述第一预设条件为所述第一方向差、所述第二方向差及所述第三方向差任意两者之间的差值，均小于或等于第一预设的差值阈值。
可选地，所述第一匹配结果中任意特征点对，由所述待识别指纹图像中的第二待匹配特征点与所述模板指纹图像中的第三模板特征点组成；所述从所述第一匹配结果中剔除错误匹配的特征点对，包括：
分别计算所述第一匹配结果中各特征点对的两特征点，与其所在指纹图像中其它特征点之间的距离，其中，所述第二待匹配特征点与所述待识别指纹图像中其它特征点的距离为第一距离，所述第三模板特征点与所述模板指纹图像中相应特征点的距离为第二距离；
统计所述特征点对中，所述第一距离与相应第二距离满足第二预设条件的次数，并按照次数由大至小进行排序；
选取所述特征点对中，所述第一距离与相应第二距离满足所述第二预设条件的次数大于预设次数阈值的特征点对，作为正确匹配的特征点对，将其它特征点对作为错误匹配的特征点对从所述第一匹配结果中剔除。
可选地，所述第二预设条件为：所述第一距离与相应第二距离的差值大于零且小于第二预设的差值阈值，或者所述第一距离与相应第二距离相等。
可选地，所述基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配，包括：
确定所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量；
当所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量，占所述模板指纹图像中总模板特征点的比例，大于预设比例阈值时，指纹匹配成功，否则指纹匹配失败。
可选地，所述基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配，还包括：
基于任一所述剩余特征点对中两特征点之间的相对位置及角度，对所述待识别指纹图像进行旋转和平移，确定所述经旋转和平移后的待识别指纹图像与所述模板指纹图像中重合的特征点。
本发明实施例还提供了一种指纹匹配装置，用于将待识别指纹图像与模板指纹图像进行匹配，所述装置包括：
特征点提取单元，适于从所述待识别指纹图像中提取多个待匹配特征点；
第一匹配单元，适于将所述多个待匹配特征点与所述模板指纹图像中的多个模板特征点进行第一匹配，所述第一匹配包括：识别所述多个待匹配特征点中的真实特征点，并将所述真实特征点、和所述模板指纹图像中与所述真实特征点对应的模板特征点所组成的特征点对，作为第一匹配结果；
剔除单元，适于从所述第一匹配结果中剔除错误匹配的特征点对；
第二匹配单元，适于基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配。
可选地，所述第一匹配单元，包括：
第一差值计算子单元，适于计算第一待匹配特征点与所述模板指纹图像中的第一模板特征点之间的第一方向差，所述第一待匹配特征点为所述多个待匹配特征点中的任意一个，所述第一模板特征点为所述多个模板特征点中的任意一个；
第二差值计算子单元，适于计算第一周围特征点与所述模板指纹图像中的第二模板特征点之间的第二方向差，所述第一周围特征点为从所述第一待匹配特征点周围选取的预设数量的待匹配特征点中任意一个，所述第二模板特征点为从所述第一模板特征点周围选取的任意一个模板特征点；
第三差值计算子单元，适于计算所述第一待匹配特征点至所述第一周围特征点的第一连线，与所述第一模板特征点至所述第二模板特征点的第二连线之间的第三方向差；
第一判断子单元，适于当所述第一方向差、所述第二方向差及所述第三方向差满足第一预设条件时，判定所述第一待匹配特征点及所述第一周围特征点为真实特征点。
可选地，所述第一匹配单元还适于：将所述第一方向差、所述第二方向差及所述第三方向差满足所述第一预设条件的第一待匹配特征点和第一模板特征点所组成的特征点对、以及第一周围特征点和第二模板特征点所组成的特征点对，作为所述第一匹配结果。
可选地，所述第一预设条件为所述第一方向差、所述第二方向差及所述第三方向差任意两者之间的差值，均小于或等于第一预设的差值阈值。
可选地，所述第一匹配结果中任意特征点对由所述待识别指纹图像中的第二待匹配特征点与所述模板指纹图像中的第三模板特征点组成；所述剔除单元，包括：
距离计算子单元，适于分别计算所述第一匹配结果中各特征点对的两特征点，与其所在指纹图像中其它特征点之间的距离，其中，所述第二待匹配特征点与所述待识别指纹图像中其它特征点的距离为第一距离，所述第三模板特征点与所述模板指纹图像中相应特征点的距离为第二距离；
统计子单元，适于统计所述特征点对中，所述第一距离与相应第二距离满足第二预设条件的次数，并按照次数由大至小进行排序；
选取子单元，适于选取所述特征点对中，所述第一距离与相应第二距离满足所述第二预设条件的次数大于预设次数阈值的特征点对作为正确匹配的特征点对，将其它特征点对作为错误匹配的特征点对从所述第一匹配结果中剔除。
可选地，所述第二预设条件为：所述第一距离与相应第二距离的差值大于零且小于第二预设的差值阈值，或者所述第一距离与相应第二距离相等。
可选地，所述第二匹配单元还适于：
确定所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量；
当所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量，占所述模板指纹图像中总模板特征点的比例，大于预设比例阈值时，判定指纹匹配成功，否则判定指纹匹配失败。
可选地，所述第二匹配单元还适于：基于任一所述剩余特征点对中两特征点之间的相对位置及角度，对所述待识别指纹图像进行旋转和平移，确定所述经旋转和平移后的待识别指纹图像与所述模板指纹图像中重合的特征点。本发明实施例还提供了一种电子设备，所述电子设备包括上述任一种所述的指纹匹配装置。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器运行时执行上述任一种所述方法的步骤。
本发明实施例还提供了另一种电子设备，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一种所述方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下优点：
采用上述方案，无论从所述待识别指纹图像中提取的多个待匹配特征点中是否存在伪特征点，只要其中存在真实的特征点时，即将所述真实特征点、和所述模板指纹图像中与所述真实特征点对应的模板特征点所组成的特征点对，作为第一匹配结果，作为后续第二匹配的基础。由于第一匹配结果受伪特征点的影响较小，故可以有效提高指纹识别的成功率，尤其对于图像质量较低(如信噪比较低)或预处理较弱的待识别指纹图像，本发明实施例的技术方案亦能提高其指纹匹配的成功率，取得较好的匹配结果。进而基于所述第一匹配结果进行剔除错误匹配的特征点对的处理，再基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配，其中剔除错误匹配的特征点对的处理进一步提高了后续第二匹配的成功率和准确率。本发明实施例的指纹匹配方法对所述待识别指纹图像与所述模板指纹图像进行的第一匹配和第二匹配、及位于所述第一匹配和所述第二匹配之间对错误匹配的特征点对的剔除处理，从根本上提升了指纹匹配方法的精准度。
进一步地，所述第一匹配包括根据所述第一待匹配特征点与所述第一模板特征点之间的第一方向差，所述第一周围特征点与所述第二模板特征点之间的第二方向差，及所述第一待匹配特征点至所述第一周围特征点的第一连线、与所述第一模板特征点至所述第二模板特征点的第二连线之间的第三方向差，三者之间的关系来判定所述待匹配特征点是否为真实特征点，提供了一种更加准确、稳健且易实现的识别所述待识别指纹图像中的真实特征点的方法。
进一步地，从所述第一匹配结果中剔除错误匹配的特征点对，包括统计所述第一匹配结果的所有特征点对中，所述第一距离与相应第二距离满足第二预设条件的次数，并按照次数由大至小进行排序，选取所述第一距离与相应第二距离满足所述第二预设条件的次数大于预设次数阈值的特征点对作为正确匹配的特征点对，其它特征点对则作为错误匹配的特征点对从所述第一匹配结果中剔除，更易于实现对所述指纹匹配方法的精度的灵活控制。
附图说明
图1是本发明实施例中指纹匹配方法的流程图；
图2是本发明实施例中特征点匹配的示意图；
图3是本发明实施例中另一种特征点匹配的示意图；
图4是本发明实施例中一种指纹识别装置的结构示意图。
具体实施方式
某些指纹匹配方法是基于待匹配特征点周围其它若干个特征点的信息进行一次匹配，如特征点类型、穿过脊线数目和距离等信息，来确定该待匹配特征点与模板指纹图像中的相应特征点是否匹配。该方法容易受伪特征点影响，一旦用于指纹匹配的其它若干个特征点中存在伪特征点，将会导致匹配成功率明显下降。
为此，本发明实施例提供了一种指纹匹配方法，在所述方法中，从各所述待匹配特征点周围选取预设数量的特征点，先判断所述多个待匹配特征点中是否存在真实的特征点，只要存在真实的特征点，对应的待匹配特征点与模板特征点所组成的特征点对，即作为第一匹配结果，进行后续处理。由于第一匹配结果受伪特征点的影响较小，故可以有效提高指纹识别的成功率。
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例作详细地说明。
参照图1，本发明实施例提供了一种指纹匹配方法，所述方法用于将待识别指纹图像与模板指纹图像进行匹配。具体地，所述方法可以包括以下步骤：
步骤11，从所述待识别指纹图像中提取多个待匹配特征点。
在具体实施中，可以通过指纹模组采集指纹信息，得到待识别的指纹图像。所述待识别的指纹图像数量不作限制，对于任一待识别的指纹图像，均可以采用本发明实施例中的指纹匹配方法进行指纹匹配。
在具体实施中，可以采用多种方法，提取待识别的指纹图像的特征点，具体不作限制，只要能够提取到相应的待匹配特征点即可，并且，所述待匹配的特征点数量不作限制。
步骤12，将所述多个待匹配特征点与所述模板指纹图像中的多个模板特征点进行第一匹配，所述第一匹配包括：识别所述多个待匹配特征点中的真实特征点，并将所述真实特征点、和所述模板指纹图像中与所述真实特征点对应的模板特征点所组成的特征点对，作为第一匹配结果。
在具体实施中，可以采用多种方法识别所述多个待匹配特征点中是否存在真实的特征点，具体不作限制。
在本发明的一实施例中，可以利用任一待匹配特征点与所述模板指纹图像中对应特征点的方向差，以及位于所述任一待匹配特征点周围的待匹配特征点与所述模板指纹图像中对应特征点的方向差，来判断所述任一待匹配特征点及从所述任一待匹配特征点周围所选取的待匹配特征点中是否存在真实的特征点。
具体地，为了便于描述，将第一待匹配特征点作为所述多个待匹配特征点中的任意一个，将第一周围特征点作为从所述第一待匹配特征点周围选取的预设数量特征点中任意一个。
为了更简单准确地判断每个所述待匹配特征点及从所述每个待匹配特征点周围所选取的待匹配特征点中是否存在真实的特征点，所述识别所述多个待匹配特征点中的真实特征点，可以包括：
计算第一待匹配特征点与所述模板指纹图像中的第一模板特征点之间的第一方向差，所述第一待匹配特征点为所述多个待匹配特征点中的任意一个，所述第一模板特征点为所述多个模板特征点中的任意一个；
计算第一周围特征点与所述模板指纹图像中的第二模板特征点之间的第二方向差，所述第一周围特征点为从所述第一待匹配特征点周围选取的预设数量的待匹配特征点中任意一个，所述第二模板特征点为从所述第一模板特征点周围选取的任意一个模板特征点；
计算所述第一待匹配特征点至所述第一周围特征点的第一连线，与所述第一模板特征点至所述第二模板特征点的第二连线之间的第三方向差；
当所述第一方向差、所述第二方向差及所述第三方向差满足第一预设条件时，判定所述第一待匹配特征点及所述第一周围特征点为真实特征点。
在本发明的一实施例中，所述第一匹配还包括：将所述第一方向差、所述第二方向差及所述第三方向差满足所述第一预设条件的第一待匹配特征点和第一模板特征点所组成的特征点对、以及第一周围特征点和第二模板特征点所组成的特征点对，作为所述第一匹配结果。
在本发明的一实施例中，所述第一预设条件为所述第一方向差、所述第二方向差及所述第三方向差任意两者之间的差值，均小于或等于第一预设的差值阈值。
其中，所述模板指纹图像为用于与待识别指纹图像进行匹配的图像，当待识别指纹图像与模板指纹图像匹配时，所述待识别指纹图像可以认为是认证成功的用户的指纹图像，否则可以认为是认证失败的用户的指纹图像。所述模板指纹图像可以是预先存储在电子设备中的。
在具体实施例中，从所述待匹配特征点周围选取预设数量的特征点，所述预设数量的值可以大于等于1个。具体可以按照就近原则，即选择距离所述待匹配特征点最近的预设数量的特征点。
结合图2，将待识别指纹图像21中，待匹配特征点A1作为第一待匹配特征点，第一待匹配特征点A1在模板指纹图像22中对应的第一模板特征点为A2。在待识别指纹图像中，从第一待匹配特征点A1周围选取一个特征点B1，作为第一周围特征点。第一周围特征点B1在模板指纹图像22中对应的第二模板特征点为B2。
所述第一待匹配特征点A1的方向，即待识别指纹图像21中，过第一待匹配特征点A1的脊线的方向。所述第一模板特征点A2的方向，即模板指纹图像22中过第一模板特征点为A2的脊线的方向。过第一待匹配特征点A1的脊线的方向，与过第一模板特征点为A2的脊线的方向之间的差值，即所述第一方向差值，记为A1-A2。具体地，所述第一方向差值可以是所述第一待匹配特征点A1的方向与所述第一模板特征点A2的方向之间的夹角。
所述第一周围特征点B1的方向，即待识别指纹图像21中，过第一周围特征点B1的脊线的方向。所述第二模板特征点为B2的方向，即模板指纹图像22中过第二模板特征点为B2的脊线的方向。过第一周围特征点B1的脊线的方向，与过第二模板特征点为B2的脊线的方向之间的差值，即所述第二方向差值，记为B1-B2。具体地，所述第二方向差值可以是所述第一周围特征点B1的方向与所述第二模板特征点为B2的方向之间的夹角。
如图2所述，所述第一待匹配特征点A1至所述第一周围特征点B1的第一连线C1，与所述第一模板特征点A2至所述第二模板特征点B2的第二连线C2之间的第三方向差，记为C1-C2。具体地，所述第三方向差可以是所述第一连线C1的方向与所述第二连线C2的方向之间的夹角。
需要说明的是，所述第一连线C1与第二连线C2的延伸方向一致，比如可以第一连线C1由第一待匹配特征点A1延伸至所述第一周围特征点B1，而第二连线C2由第一模板特征点A2延伸至第二模板特征点B2。或者，第一连线C1由第一周围特征点B1延伸至第一待匹配特征点A1，而第二连线C2由第二模板特征点B2延伸至第一模板特征点A2。
在具体实施中，可以根据实际需求合理设置所述差值阈值，理想状态下，所述差值阈值可以为0，非理想状态下，所差值阈值为可接受的差值变化范围的上限。
当所述第一方向差A1-A2、第二方向差B1-B2及第三方向差C1-C2中，任意两者之间的差值，均小于或等于预设的差值阈值时，表明第一待匹配特征点A1及第一周围特征点B1为真实的特征点，即在模板指纹图像22中真实存在对应的特征点。当所述第一方向差A1-A2、第二方向差B1-B2及第三方向差C1-C2中，任意两者之间的差值，大于所述预设的差值阈值时，表明第一待匹配特征点A1及第一周围特征点B1为伪特征点。
当第一待匹配特征点A1周围的第一周围特征点B1为真实特征点时，第一待匹配特征点A1与第一模板特征点A2的第一匹配成功，所述第一周围特征点B1与第二模板特征点B2的第一匹配成功，则由所述第一待匹配特征点A1及所述第一模板特征点A2所组成的特征点对，所述第一周围特征点B1及所述第二模板特征点B2所组成的特征点对，即为第一匹配结果中的特征点对。由此，获得全部的特征点对，得到第一匹配结果。
可以理解的是，对于任意待匹配特征点，均可以按照上述实施例中的描述，确定所述任意待匹配特征点及其周围选取的待匹配特征点中是否存在真实的特征点。
在另一些实施例中，在识别所述多个待匹配特征点中的真实特征点时，除了所述第一方向差、所述第二方向差及所述第三方向差满足所述第一预设条件以外，还需要所述第一待匹配特征点A1至所述第一周围特征点B1的距离|A1B1|与所述第一模板特征点A2至所述第二模板特征点B2的距离|A2B2|满足第三预设条件。具体地，所述第三预设条件可以是|A1B1|与|A2B2|的差值的绝对值大于零且小于第三预设的差值阈值，所述第三预设的差值阈值为正数，或者|A1B1|等于|A2B2|。
步骤13，从所述第一匹配结果中剔除错误匹配的特征点对。
在具体实施中，所述第一匹配结果中虽然都是匹配成功的特征点，但仍会存在部分错误匹配的特征点。为了剔除第一匹配结果中错误匹配的特征点对，以所述第一匹配结果中任意特征点对由所述待识别指纹图像中的第二待匹配特征点与所述模板指纹图像中的第三模板特征点组成为例。
在本发明的一实施例中，所述从所述第一匹配结果中剔除错误匹配的特征点对可以包括：
分别计算所述第一匹配结果中各特征点对的两特征点，与其所在指纹图像中其它特征点之间的距离，其中，所述第二待匹配特征点与所述待识别指纹图像中其它特征点的距离为第一距离，所述第三模板特征点与所述模板指纹图像中相应特征点的距离为第二距离；
统计所述特征点对中，所述第一距离与相应第二距离满足第二预设条件的次数，并按照次数由大至小进行排序；
选取所述特征点对中，所述第一距离与相应第二距离满足所述第二预设条件的次数大于预设次数阈值的特征点对，作为正确匹配的特征点对，将其它特征点对作为错误匹配的特征点对从所述第一匹配结果中剔除。
在本发明的一实施例中，所述第二预设条件为：所述第一距离与相应第二距离的差值大于零且小于第二预设的差值阈值，或者所述第一距离与相应第二距离相等。
结合图3，待识别指纹图像31中，第二待匹配特征点为D1，其它待匹配特征点分别为E1、F1及G1。模板指纹图像32中，第二待匹配特征点D1对应的第三模板特征点为D2，待匹配特征点E1对应的模板特征点为E2，待匹配特征点F1对应的模板特征点为F2，待匹配特征点G1对应的模板特征点为G2。
第二待匹配特征点D1与待匹配特征点E1之间的第一距离为r1，第二待匹配特征点D1与待匹配特征点F1之间的第一距离为r2，第二待匹配特征点D1与待匹配特征点G1之间的第一距离为r3。
第三模板特征点为D2与模板特征点E2之间的第二距离为r1’，第三模板特征点为D2与模板特征点F2之间的第二距离为r2’，第三模板特征点为D2与模板特征点G2之间的第二距离为r3’。
在第二待匹配特征点D1及第三模板特征点D2组成的特征点对中，所述第一距离与相应第二距离相等的次数可能为三次，比如，r1＝r1’、r2＝r2’、r3＝r3’；所述第一距离与相应第二距离相等的次数也可能为两次，比如r1＝r1’、r2＝r2’，但r3≠r3’；所述第一距离与相应第二距离相等的次数也可能仅为一次，比如r1＝r1’，但r2≠r2’，r3≠r3’；所述第一距离与相应第二距离相等的次数也可能为零次，比如，r1≠r1’，r2≠r2’，r3≠r3’。
按照上述方法，统计第一匹配结果的各特征点对中，所述第一距离与相应第二距离相等的次数，并由大至小排序，并预先设置第二预设的差值阈值及次数阈值，进而将所述特征点对中，所述第一距离与相应第二距离的差值大于零且小于第二预设的差值阈值的次数，或者所述第一距离与相应第二距离相等的次数，大于所述预设次数阈值的特征点对，作为正确匹配的特征点对，在所述第一匹配结果中予以保留，其它特征点对为错误匹配的特征点对，将其从所述第一匹配结果中剔除。其中，所述次数阈值可以根据实际需要进行设置。
比如，可以设置所述次数阈值为2，若第二待匹配特征点D1及第三模板特征点D2组成的特征点对中，所述第一距离与相应第二距离相等的次数为3次，则第二待匹配特征点D1及第三模板特征点D2组成的特征点对为正确匹配的特征点对。若第二待匹配特征点D1及第三模板特征点D2组成的特征点对中，所述第一距离与相应第二距离相等的次数为1次，则第二待匹配特征点D1及第三模板特征点D2组成的特征点对为错误匹配的特征点对。
通过所述从所述第一匹配结果中剔除错误匹配的特征点对，删除第一匹配结果中明显匹配错误的特征点对，由此可以提高指纹匹配的准确性。
步骤14，基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配。
在一些实施例中，所述步骤14可以包括：确定所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量；当所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量，占所述模板指纹图像中总特征点的比例，大于预设比例阈值时，指纹匹配成功，否则指纹匹配失败。其中，所述比例阈值可以根据实际要求及待匹配特征点的数量进行设置。
在具体实施中，剔除错误匹配的特征点对后，对于剩余的特征点对，可以基于任一所述剩余特征点对中两特征点之间的相对位置及角度，对所述待识别指纹图像进行旋转和平移，确定所述经旋转和平移后的待识别指纹图像与所述模板指纹图像中重合的特征点。若两指纹图像能够重合(即在模板指纹图像的若干模板特征点对应位置都能够找到待匹配指纹图像的待匹配特征点)，那么重合特征点越多，匹配分数越高。
由上述内容可知，在本发明的实施例中，通过先判断所述多个待匹配特征点中是否存在真实的特征点，只要存在真实的特征点，对应的待匹配特征点与模板特征点所组成的特征点对，即作为第一匹配结果，进行后续处理。由于第一匹配结果受伪特征点的影响较小，故可以有效提高指纹识别的成功率。
为了使本领域技术人员更好地理解和实现本发明，以下对上述方法对应的装置及计算机可读存储介质进行详细描述。
参照图4，本发明实施例提供了一种指纹匹配装置40，用于将待识别指纹图像与模板指纹图像进行匹配。所述指纹匹配装置40可以包括：特征点提取单元41，第一匹配单元42，剔除单元43及第二匹配单元44。其中：
所述特征点提取单元41，适于从所述待识别指纹图像中提取多个待匹配特征点；
所述第一匹配单元42，适于将所述多个待匹配特征点与所述模板指纹图像中的多个模板特征点进行第一匹配，所述第一匹配包括：识别所述多个待匹配特征点中的真实特征点，并将所述真实特征点、和所述模板指纹图像中与所述真实特征点对应的模板特征点所组成的特征点对，作为第一匹配结果；
所述剔除单元43，适于从所述第一匹配结果中剔除错误匹配的特征点对；
所述第二匹配单元44，适于基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配。
在本发明的一实施例中，所述第一匹配单元42可以包括：第一差值计算子单元421，第二差值计算子单元422，第三差值计算子单元423及第一判断子单元424。其中：
所述第一差值计算子单元421，适于计算第一待匹配特征点与所述模板指纹图像中的第一模板特征点之间的第一方向差，所述第一待匹配特征点为所述多个待匹配特征点中的任意一个，所述第一模板特征点为所述多个模板特征点中的任意一个；
所述第二差值计算子单元422，适于计算第一周围特征点与所述模板指纹图像中的第二模板特征点之间的第二方向差，所述第一周围特征点为从所述第一待匹配特征点周围选取的预设数量的待匹配特征点中任意一个，所述第二模板特征点为从所述第一模板特征点周围选取的任意一个模板特征点；
所述第三差值计算子单元423，适于计算所述第一待匹配特征点至所述第一周围特征点的第一连线，与所述第一模板特征点至所述第二模板特征点的第二连线之间的第三方向差；
所述第一判断子单元424，适于当所述第一方向差、所述第二方向差及所述第三方向差满足第一预设条件时，判定所述第一待匹配特征点及所述第一周围特征点为真实特征点。
在本发明的一实施例中，所述第一匹配单元42还适于：将所述第一方向差、所述第二方向差及所述第三方向差满足所述第一预设条件的第一待匹配特征点和第一模板特征点所组成的特征点对、以及第一周围特征点和第二模板特征点所组成的特征点对，作为所述第一匹配结果。
在本发明的一实施例中，所述第一预设条件为所述第一方向差、所述第二方向差及所述第三方向差任意两者之间的差值，均小于或等于第一预设的差值阈值。
在本发明的一实施例中，所述第一匹配结果中任意特征点对由所述待识别指纹图像中的第二待匹配特征点与所述模板指纹图像中的第三模板特征点组成。所述剔除单元43可以包括：距离计算子单元431，统计子单元432及选取子单元433。其中：
所述距离计算子单元431，适于分别计算所述第一匹配结果中各特征点对的两特征点，与其所在指纹图像中其它特征点之间的距离，其中，所述第二待匹配特征点与所述待识别指纹图像中其它特征点的距离为第一距离，所述第三模板特征点与所述模板指纹图像中相应特征点的距离为第二距离；
所述统计子单元432，适于统计所述特征点对中，所述第一距离与相应第二距离满足第二预设条件的次数，并按照次数由大至小进行排序；
所述选取子单元433，适于选取所述特征点对中，所述第一距离与相应第二距离满足所述第二预设条件的次数大于预设次数阈值的特征点对作为正确匹配的特征点对，将其它特征点对作为错误匹配的特征点对从所述第一匹配结果中剔除。
在本发明的一实施例中，所述第二预设条件为：所述第一距离与相应第二距离的差值大于零且小于第二预设的差值阈值，或者所述第一距离与相应第二距离相等。
在本发明的一实施例中，所述第二匹配单元44还适于：确定所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量；以及当所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量，占所述模板指纹图像中总模板特征点的比例，大于预设比例阈值时，判定指纹匹配成功，否则判定指纹匹配失败。
在本发明的一实施例中，所述第二匹配单元44还适于：基于任一所述剩余特征点对中两特征点之间的相对位置及角度，对所述待识别指纹图像进行旋转和平移，确定所述经旋转和平移后的待识别指纹图像与所述模板指纹图像中重合的特征点。
本发明实施例的指纹匹配装置的各组成单元的详细功能，可参照本发明前述实施例的指纹匹配方法中对应部分的描述，此处不再赘述。
本发明实施例还提供了一种电子设备，所述电子设备包括上述任一种所述的指纹匹配装置40。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器运行时执行上述实施例中任一种所述指纹匹配方法的步骤，不再赘述。
在具体实施中，所述计算机可读存储介质可以包括：ROM、RAM、磁盘或光盘等。
本发明实施例还提供了一种电子设备，所述电子设备可以包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述实施例中任一种所述指纹匹配方法的步骤，不再赘述。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (17)

1.一种指纹匹配方法，用于将待识别指纹图像与模板指纹图像进行匹配，其特征在于，包括：
从所述待识别指纹图像中提取多个待匹配特征点；
将所述多个待匹配特征点与所述模板指纹图像中的多个模板特征点进行第一匹配，所述第一匹配包括：识别所述多个待匹配特征点中的真实特征点，并将所述真实特征点、和所述模板指纹图像中与所述真实特征点对应的模板特征点所组成的特征点对，作为第一匹配结果；
从所述第一匹配结果中剔除错误匹配的特征点对；
基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配；
所述识别所述多个待匹配特征点中的真实特征点，包括：
计算第一待匹配特征点与所述模板指纹图像中的第一模板特征点之间的第一方向差，所述第一待匹配特征点为所述多个待匹配特征点中的任意一个，所述第一模板特征点为所述多个模板特征点中的任意一个；
计算第一周围特征点与所述模板指纹图像中的第二模板特征点之间的第二方向差，所述第一周围特征点为从所述第一待匹配特征点周围选取的预设数量的待匹配特征点中任意一个，所述第二模板特征点为从所述第一模板特征点周围选取的任意一个模板特征点；
计算所述第一待匹配特征点至所述第一周围特征点的第一连线，与所述第一模板特征点至所述第二模板特征点的第二连线之间的第三方向差；
当所述第一方向差、所述第二方向差及所述第三方向差满足第一预设条件时，判定所述第一待匹配特征点及所述第一周围特征点为真实特征点。
2.如权利要求1所述的指纹匹配方法，其特征在于，所述第一匹配还包括：将所述第一方向差、所述第二方向差及所述第三方向差满足所述第一预设条件的第一待匹配特征点和第一模板特征点所组成的特征点对、以及第一周围特征点和第二模板特征点所组成的特征点对，作为所述第一匹配结果。
3.如权利要求1所述的指纹匹配方法，其特征在于，所述第一预设条件为所述第一方向差、所述第二方向差及所述第三方向差任意两者之间的差值，均小于或等于第一预设的差值阈值。
4.如权利要求1所述的指纹匹配方法，其特征在于，所述第一匹配结果中任意特征点对，由所述待识别指纹图像中的第二待匹配特征点与所述模板指纹图像中的第三模板特征点组成；所述从所述第一匹配结果中剔除错误匹配的特征点对，包括：
分别计算所述第一匹配结果中各特征点对的两特征点，与其所在指纹图像中其它特征点之间的距离，其中，所述第二待匹配特征点与所述待识别指纹图像中其它特征点的距离为第一距离，所述第三模板特征点与所述模板指纹图像中相应特征点的距离为第二距离；
统计所述特征点对中，所述第一距离与相应第二距离满足第二预设条件的次数，并按照次数由大至小进行排序；
选取所述特征点对中，所述第一距离与相应第二距离满足所述第二预设条件的次数大于预设次数阈值的特征点对，作为正确匹配的特征点对，将其它特征点对作为错误匹配的特征点对从所述第一匹配结果中剔除。
5.如权利要求4所述的指纹匹配方法，其特征在于，所述第二预设条件为：所述第一距离与相应第二距离的差值大于零且小于第二预设的差值阈值，或者所述第一距离与相应第二距离相等。
6.如权利要求1所述的指纹匹配方法，其特征在于，所述基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配，包括：
确定所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量；
当所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量，占所述模板指纹图像中总模板特征点的比例，大于预设比例阈值时，指纹匹配成功，否则指纹匹配失败。
7.如权利要求1或6所述的指纹匹配方法，其特征在于，所述基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配，还包括：
基于任一所述剩余特征点对中两特征点之间的相对位置及角度，对所述待识别指纹图像进行旋转和平移，确定所述经旋转和平移后的待识别指纹图像与所述模板指纹图像中重合的特征点。
8.一种指纹匹配装置，用于将待识别指纹图像与模板指纹图像进行匹配，其特征在于，包括：
特征点提取单元，适于从所述待识别指纹图像中提取多个待匹配特征点；
第一匹配单元，适于将所述多个待匹配特征点与所述模板指纹图像中的多个模板特征点进行第一匹配，所述第一匹配包括：识别所述多个待匹配特征点中的真实特征点，并将所述真实特征点、和所述模板指纹图像中与所述真实特征点对应的模板特征点所组成的特征点对，作为第一匹配结果；
剔除单元，适于从所述第一匹配结果中剔除错误匹配的特征点对；
第二匹配单元，适于基于所述第一匹配结果中剩余的特征点对，将所述待识别指纹图像与所述模板指纹图像进行第二匹配；
其中，所述第一匹配单元，包括：
第一差值计算子单元，适于计算第一待匹配特征点与所述模板指纹图像中的第一模板特征点之间的第一方向差，所述第一待匹配特征点为所述多个待匹配特征点中的任意一个，所述第一模板特征点为所述多个模板特征点中的任意一个；
第二差值计算子单元，适于计算第一周围特征点与所述模板指纹图像中的第二模板特征点之间的第二方向差，所述第一周围特征点为从所述第一待匹配特征点周围选取的预设数量的待匹配特征点中任意一个，所述第二模板特征点为从所述第一模板特征点周围选取的任意一个模板特征点；
第三差值计算子单元，适于计算所述第一待匹配特征点至所述第一周围特征点的第一连线，与所述第一模板特征点至所述第二模板特征点的第二连线之间的第三方向差；
第一判断子单元，适于当所述第一方向差、所述第二方向差及所述第三方向差满足第一预设条件时，判定所述第一待匹配特征点及所述第一周围特征点为真实特征点。
9.如权利要求8所述的指纹匹配装置，其特征在于，所述第一匹配单元还适于：将所述第一方向差、所述第二方向差及所述第三方向差满足所述第一预设条件的第一待匹配特征点和第一模板特征点所组成的特征点对、以及第一周围特征点和第二模板特征点所组成的特征点对，作为所述第一匹配结果。
10.如权利要求8所述的指纹匹配装置，其特征在于，所述第一预设条件为所述第一方向差、所述第二方向差及所述第三方向差任意两者之间的差值，均小于或等于第一预设的差值阈值。
11.如权利要求8所述的指纹匹配装置，其特征在于，所述第一匹配结果中任意特征点对由所述待识别指纹图像中的第二待匹配特征点与所述模板指纹图像中的第三模板特征点组成；所述剔除单元，包括：
距离计算子单元，适于分别计算所述第一匹配结果中各特征点对的两特征点，与其所在指纹图像中其它特征点之间的距离，其中，所述第二待匹配特征点与所述待识别指纹图像中其它特征点的距离为第一距离，所述第三模板特征点与所述模板指纹图像中相应特征点的距离为第二距离；
统计子单元，适于统计所述特征点对中，所述第一距离与相应第二距离满足第二预设条件的次数，并按照次数由大至小进行排序；
选取子单元，适于选取所述特征点对中，所述第一距离与相应第二距离满足所述第二预设条件的次数大于预设次数阈值的特征点对作为正确匹配的特征点对，将其它特征点对作为错误匹配的特征点对从所述第一匹配结果中剔除。
12.如权利要求11所述的指纹匹配装置，其特征在于，所述第二预设条件为：所述第一距离与相应第二距离的差值大于零且小于第二预设的差值阈值，或者所述第一距离与相应第二距离相等。
13.如权利要求12所述的指纹匹配装置，其特征在于，所述第二匹配单元还适于：
确定所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量；
当所述待识别指纹图像与所述模板指纹图像中重合的特征点的数量，占所述模板指纹图像中总模板特征点的比例，大于预设比例阈值时，判定指纹匹配成功，否则判定指纹匹配失败。
14.如权利要求8或13所述的指纹匹配装置，其特征在于，所述第二匹配单元还适于：基于任一所述剩余特征点对中两特征点之间的相对位置及角度，对所述待识别指纹图像进行旋转和平移，确定所述经旋转和平移后的待识别指纹图像与所述模板指纹图像中重合的特征点。
15.一种电子设备，其特征在于，包括权利要求8至14任一项所述的指纹匹配装置。
16.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器运行时执行权利要求1至7任一项所述方法的步骤。
17.一种电子设备，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至7任一项所述方法的步骤。
CN202010270700.8A 2020-04-08 2020-04-08 指纹匹配方法、装置、电子设备及可读存储介质 Active CN113496183B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010270700.8A CN113496183B (zh) 2020-04-08 2020-04-08 指纹匹配方法、装置、电子设备及可读存储介质
TW110112584A TWI804843B (zh) 2020-04-08 2021-04-07 指紋匹配方法、裝置、可讀儲存介質與電子設備
US17/225,712 US11710342B2 (en) 2020-04-08 2021-04-08 Fingerprint matching method and apparatus, electronic equipment and readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010270700.8A CN113496183B (zh) 2020-04-08 2020-04-08 指纹匹配方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN113496183A CN113496183A (zh) 2021-10-12
CN113496183B true CN113496183B (zh) 2023-02-03

Family

ID=77994893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010270700.8A Active CN113496183B (zh) 2020-04-08 2020-04-08 指纹匹配方法、装置、电子设备及可读存储介质

Country Status (3)

Country Link
US (1) US11710342B2 (zh)
CN (1) CN113496183B (zh)
TW (1) TWI804843B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12087085B2 (en) * 2020-12-14 2024-09-10 Nec Corporation Information processing device, information processing method, and storage medium
US20220253515A1 (en) * 2021-02-05 2022-08-11 Samsung Electronics Co., Ltd. Fingerprint authentication method and fingerprint authentication device
CN114299555A (zh) * 2022-01-27 2022-04-08 敦泰电子（深圳）有限公司 指纹识别方法、指纹模组及电子设备
CN116311395B (zh) * 2022-08-18 2023-11-14 荣耀终端有限公司 指纹识别的方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1664847A (zh) * 2005-03-17 2005-09-07 上海交通大学 嵌入式系统指纹的识别与匹配方法
CN105787491A (zh) * 2016-03-25 2016-07-20 友达光电股份有限公司 一种指纹图像的特征提取方法
WO2016127734A1 (zh) * 2015-02-13 2016-08-18 比亚迪股份有限公司 指纹识别方法和装置
CN107545217A (zh) * 2016-06-28 2018-01-05 比亚迪股份有限公司 指纹匹配方法、指纹匹配装置和指纹识别芯片
CN107862319A (zh) * 2017-11-19 2018-03-30 桂林理工大学 一种基于邻域投票的异源高分光学影像匹配误差剔除方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6314197B1 (en) * 1997-08-22 2001-11-06 International Business Machines Corporation Determining an alignment estimation between two (fingerprint) images
US8411913B2 (en) * 2008-06-17 2013-04-02 The Hong Kong Polytechnic University Partial fingerprint recognition
WO2015009111A1 (ko) * 2013-07-18 2015-01-22 삼성전자 주식회사 생체인식 기반 인증 방법 및 장치
CN105205439B (zh) * 2015-02-13 2017-05-03 比亚迪股份有限公司 指纹重叠区域面积的计算方法及电子装置
CN105469033B (zh) * 2015-11-13 2018-04-17 广东欧珀移动通信有限公司 指纹识别方法、装置及终端设备
TWI590170B (zh) * 2016-08-18 2017-07-01 財團法人成大研究發展基金會 部分指紋驗證的疊代匹配方法與系統
EP3806153A4 (en) * 2018-06-05 2021-07-21 Sony Semiconductor Solutions Corporation IMAGING DEVICE

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1664847A (zh) * 2005-03-17 2005-09-07 上海交通大学 嵌入式系统指纹的识别与匹配方法
WO2016127734A1 (zh) * 2015-02-13 2016-08-18 比亚迪股份有限公司 指纹识别方法和装置
CN105787491A (zh) * 2016-03-25 2016-07-20 友达光电股份有限公司 一种指纹图像的特征提取方法
CN107545217A (zh) * 2016-06-28 2018-01-05 比亚迪股份有限公司 指纹匹配方法、指纹匹配装置和指纹识别芯片
CN107862319A (zh) * 2017-11-19 2018-03-30 桂林理工大学 一种基于邻域投票的异源高分光学影像匹配误差剔除方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
一种改进SURF算法的单目视觉里程计;张毅等;《重庆邮电大学学报(自然科学版)》;20140630;摘要、第1-6节 *
基于ARM的小尺寸指纹识别系统的研究与实现;梁凯;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20190915;摘要、第3.2节 *
指纹图像处理及匹配算法研究;桂可;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20101215;摘要、第3-4章 *
桂可.指纹图像处理及匹配算法研究.《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》.2010, *

Also Published As

Publication number Publication date
TW202139057A (zh) 2021-10-16
CN113496183A (zh) 2021-10-12
TWI804843B (zh) 2023-06-11
US20210319204A1 (en) 2021-10-14
US11710342B2 (en) 2023-07-25

Similar Documents

Publication Publication Date Title
CN113496183B (zh) 指纹匹配方法、装置、电子设备及可读存储介质
US8781172B2 (en) Methods and systems for enhancing the performance of automated license plate recognition applications utilizing multiple results
CN107958443B (zh) 一种基于脊线特征和tps形变模型的指纹图像拼接方法
CN109886127B (zh) 指纹识别方法及终端设备
WO2018176514A1 (zh) 指纹配准方法及装置
JP2005222419A (ja) 生体情報照合装置
CN103679159A (zh) 人脸识别方法
Derman et al. Normalized cross-correlation based global distortion correction in fingerprint image matching
CN111488798B (zh) 指纹识别方法、装置、电子设备及存储介质
KR101237148B1 (ko) 유사도 분포를 이용한 계층적 지문인증 장치 및 그 방법
CN115527244A (zh) 一种指纹图像匹配方法、装置、计算机设备及存储介质
WO2016011640A1 (zh) 基于手部图像纹理的身份识别方法
JP4912011B2 (ja) 生体情報照合装置
WO2006062378A1 (en) Fingerprint recognition method
Kassem et al. An enhanced ATM security system using multimodal biometric strategy
KR101072352B1 (ko) 지문인증 장치 및 그 방법
CN115937543A (zh) 一种基于神经网络的骨盆影像关键点识别方法及系统
CN109034166B (zh) 易混淆字符识别模型训练方法和装置
JP2866461B2 (ja) 指紋照合装置
KR100456463B1 (ko) 지문 영상의 전역적 정보 및 지역적 특성 정보의 조합을이용한 지문 인증방법
CN113158788A (zh) 人脸表情识别方法、装置、终端设备及存储介质
RU2413297C2 (ru) Способ формирования и верификации биометрического кода отпечатка пальца
Rajasundaram et al. Enhanced Fingerprint Authentication Technique Based on Ridges, Bifurcations, Trifurcations and Lakes
Ha et al. An effective algorithm for fingerprint matching
CN112784809B (zh) 指纹识别方法和指纹识别装置

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
GR01 Patent grant
GR01 Patent grant