CN113688671A - 一种指纹相似度的计算方法、装置、存储介质及终端 - Google Patents

一种指纹相似度的计算方法、装置、存储介质及终端 Download PDF

Info

Publication number
CN113688671A
CN113688671A CN202110797750.6A CN202110797750A CN113688671A CN 113688671 A CN113688671 A CN 113688671A CN 202110797750 A CN202110797750 A CN 202110797750A CN 113688671 A CN113688671 A CN 113688671A
Authority
CN
China
Prior art keywords
fingerprint
sector
similarity
probability
characteristic
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.)
Granted
Application number
CN202110797750.6A
Other languages
English (en)
Other versions
CN113688671B (zh
Inventor
汪京晔
郑一啸
韩柯
马荣梁
陈俊含
熊巍钰
马占宇
吴浩
吴春生
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.)
Beijing Police College
Beijing University of Posts and Telecommunications
Institute of Forensic Science Ministry of Public Security PRC
Original Assignee
Beijing Police College
Beijing University of Posts and Telecommunications
Institute of Forensic Science Ministry of Public Security PRC
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 Beijing Police College, Beijing University of Posts and Telecommunications, Institute of Forensic Science Ministry of Public Security PRC filed Critical Beijing Police College
Priority to CN202110797750.6A priority Critical patent/CN113688671B/zh
Publication of CN113688671A publication Critical patent/CN113688671A/zh
Application granted granted Critical
Publication of CN113688671B publication Critical patent/CN113688671B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种指纹相似度的计算方法、装置、存储介质及终端，所述方法包括：基于预设指纹库生成相似度统计文件；获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件；将目标指纹进行扇区分块，生成多个扇区指纹；根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量；基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。因此，采用本申请实施例，可以提升指纹鉴定结果的准确性。

Description

一种指纹相似度的计算方法、装置、存储介质及终端
技术领域
本发明涉及计算机技术领域，特别涉及一种指纹相似度的计算方法、装置、存储介质及终端。
背景技术
人的指纹特征因具有良好的稳定性和差异性，并且是人体特征中较为容易提取和采集的特征，所以人的指纹特征是人体生物特征中很重要的一类特征。在犯罪现场中，指纹特征是犯罪凶手容易留下的较为常见的证据之一，利用现场指纹与十指指纹进行对比，可以确定犯罪凶手的真实身份。
目前国内外判断两枚指纹是否为同一人手指所留指纹也即两枚指纹是否同一的鉴定依据并不统一。目前，大多数指纹鉴定的依据是采用所需对比的两枚指纹特征点匹配的对数是否达到了一定的数量，当匹配的特征点对数达到了一定数量的时候就认为这对指纹是同一人手指所留的指纹。
目前国内的指纹鉴定标准在理论基础上缺乏一定的依据，特别是在统计学上的依据，导致在公安及司法鉴定中可能仅仅根据残缺模糊现场指纹和对应的十指指纹的特征点就给出了是否为同一人手指所留指纹的判定结论，但是犯罪现场提取到的指纹往往鉴定条件有限，例如提取到的现场指纹图像往往残缺、模糊或者形变较为严重，对类似这样的现场指纹进行鉴定往往难以得出绝对肯定或者是完全否定的结论，给出的指纹鉴定结论往往是倾向同一或者是倾向不同一，这其中就蕴含有一定的概率论思想，但没有采用概率化的语言进行表达，从概率论的角度出发，绝对肯定或者绝对否定的指纹鉴定结论可能会给案件嫌疑人的确定带来一定的风险，风险的大小与指纹的残缺程度、模糊程度以及形变程度等因素有关。
发明内容
本申请提供了一种指纹相似度的计算方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
第一方面，本申请实施例提供了一种指纹相似度的计算方法，方法包括：
基于预设指纹库生成相似度统计文件；
获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件；
将目标指纹进行扇区分块，生成多个扇区指纹；
根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量；
基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。
可选的，基于预设指纹库生成相似度统计文件，包括：
将预设指纹库中的每个指纹进行扇区分块，生成扇区指纹集；其中，每个指纹包括多个扇区；
将扇区指纹集中的各扇区指纹进行编号，生成带编号扇区指纹集；
提取并统计带编号扇区指纹集中各带编号扇区指纹的内部特征点数量；
将各带编号扇区指纹的内部特征点数量保存至预设csv格式文件中；
采用高斯混合模型拟合各带编号扇区指纹的内部特征点数量，生成各带编号扇区内部特征分布的概率密度函数，并将概率密度函数保存至预设pickle格式文件中；
采用直方图的形式统计各带编号扇区指纹的内部特征点数量对应的概率分布，并将概率分布保存至csv格式文件中；
将csv格式文件与pickle格式文件确定为相似度统计文件。
可选的，获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件，包括：
获取第一指纹与第二指纹；
当接收到针对第一指纹与第二指纹的特征点标注指令时，基于特征点标注指令生成携带特征点的第一指纹与携带特征点的第二指纹；
将携带特征点的第二指纹内的特征点移动至携带特征点的第一指纹的相应区域；
生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件。
可选的，将目标指纹进行扇区分块，生成多个扇区指纹，包括：
定位第一指纹的中心位置，并根据中心位置与预设像素为起始半径作圆；
以第一指纹的中心位置为端点，并沿着指纹正向做第一条射线；
根据第一射线与预设夹角做多个第二射线；
将多个第二射线与圆围成的区域，确定为多个扇区指纹。
可选的，计算第一指纹与第二指纹之间的相似度，包括：
当根据目标指纹识别后存在差异点时，获取差异点区域中第一待对比扇区指纹与第二待对比扇区指纹；
根据第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量确定第一待对比扇区指纹与第二待对比扇区指纹各自的特征点数量，生成第一特征点数量与第二特征点数量；
基于相似度统计文件中概率分布在第一特征点数量与第二特征点数量之间进行积分，生成第一概率值；
基于相似度统计文件中概率分布计算第一特征点数量与第二特征点数量各自的出现概率值，并根据出现概率值计算第二概率值；
将第一概率值与第二概率值作积后，生成第一待对比扇区指纹与第二待对比扇区指纹之间的相似概率；
接收针对相似概率输入的稳定度，根据稳定度将相似概率进行调整后生成调整后的相似概率；
基于调整后的相似概率计算第一指纹与第二指纹之间的相似度。
可选的，计算第一指纹与第二指纹之间的相似度，包括：
当根据目标指纹识别后未存在差异点时，根据所述相似度统计文件计算所述目标指纹中各个扇区内部特征点数量在与其相邻扇区出现的概率；
根据目标指纹中各个扇区的特征点到各个扇区的相邻扇区中心点的距离计算权重；
采用计算的所述权重值针对所述与其相邻扇区出现的概率进行加权求和，生成目标指纹中各扇区内特征出现的概率；
根据目标指纹中各扇区内特征出现的概率确定第一指纹与第二指纹之间的相似度。
可选的，根据目标指纹中各扇区内特征出现的概率确定第一指纹与第二指纹之间的相似度，包括：
接收针对目标指纹中各扇区内特征出现的概率的修正指令，基于修正指令进行修正后生成修正后的多个概率；
将修正后的多个概率相乘，生成目标指纹中特征点数量分布出现的概率；
根据出现的概率计算第一指纹与第二指纹的相似概率；
将第一指纹与第二指纹的相似概率表征为第一指纹与第二指纹的相似度。
第二方面，本申请实施例提供了一种指纹相似度的计算装置，装置包括：
统计文件生成模块，用于基于预设指纹库生成相似度统计文件；
指纹预处理模块，用于获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件；
扇区分块模块，用于将目标指纹进行扇区分块，生成多个扇区指纹；
特征点数量生成模块，用于根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量；
指纹相似度计算模块，用于基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。
第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，指纹相似度的计算装置首先基于预设指纹库生成相似度统计文件，再获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件，然后将目标指纹进行扇区分块，生成多个扇区指纹，其次根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量，最后基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。由于本申请为指纹鉴定建立了一套指纹鉴定结论概率化表达体系，可以对实际的指纹鉴定工作具有重要的理论意义和应用价值，从而提升指纹鉴定结果的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种指纹相似度的计算方法的流程示意图；
图2是本申请实施例提供的一种扇形分区绘制流程图；
图3是本申请实施例提供的一种存在差异点情况下的扇区特征相似概率方法流程图；
图4是本申请实施例提供的一种存在差异点情况下的指纹相似概率计算方法流程框图；
图5是本申请实施例提供的一种无差异点情况下的指纹相似概率计算方法流程框图；
图6是本申请实施例提供的一种计算指纹相应扇区的特征出现概率方法流程图；
图7是本申请实施例提供的一种拟合扇区特征分布方法流程图；
图8是本申请实施例提供的一种指纹相似度的计算算法的总体流程图；；
图9是本申请实施例提供的一种指纹相似度的计算装置的装置示意图；
图10是本申请实施例提供的一种终端的结构示意图；
图11是本申请提供的一种指纹扇区划分样例。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“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这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供了一种指纹相似度的计算方法、装置、存储介质及终端，以解决上述相关技术问题中存在的问题。本申请提供的技术方案中，由于本申请为指纹鉴定建立了一套指纹鉴定结论概率化表达体系，可以对实际的指纹鉴定工作具有重要的理论意义和应用价值，从而提升指纹鉴定结果的准确性，下面采用示例性的实施例进行详细说明。
下面将结合附图，对本申请实施例提供的指纹相似度的计算方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的指纹相似度的计算装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。其中，本申请实施例中的指纹相似度的计算装置可以为用户终端，包括但不限于：个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中用户终端可以叫做不同的名称，例如：用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digital assistant，PDA)、5G网络或未来演进网络中的终端设备等。
请参见图1，为本申请实施例提供了一种指纹相似度的计算方法的流程示意图。如图1所示，本申请实施例的方法可以包括以下步骤：
S101，基于预设指纹库生成相似度统计文件；
在本申请实施例中，在生成相似度统计文件时，首先将预设指纹库中的每个指纹进行扇区分块，生成扇区指纹集，其中，每个指纹包括多个扇区，然后将扇区指纹集中的各扇区指纹进行编号，生成带编号扇区指纹集，其次提取并统计带编号扇区指纹集中各带编号扇区指纹的内部特征点数量，并将各带编号扇区指纹的内部特征点数量保存至预设csv格式文件中，再采用高斯混合模型拟合各带编号扇区指纹的内部特征点数量，生成各带编号扇区内部特征分布的概率密度函数，并将概率密度函数保存至预设pickle格式文件中，再采用直方图的形式统计各带编号扇区指纹的内部特征点数量对应的概率分布，并将概率分布保存至csv格式文件中，最后将csv格式文件与pickle格式文件确定为相似度统计文件。
需要说明的是，提取并统计带编号扇区指纹集中各带编号扇区指纹的内部特征点数量时，需要先根据已有的算法去自动识别指纹库里的特征点位置，生成相应的特征点位置信息文件，然后根据这个特征点位置信息文件进行指纹各个扇区内部特征点数量的统计。
在一种可能的实现方式中，1)先对指纹库里的所有指纹进行扇区的划分，并对划分好的扇区进行编号；2)提取各个指纹扇区内部的特征点数量，并统计指纹库里各个指纹特定扇区的特征情况，利用高斯混合模型去拟合该特征分布，得到各个扇区内部特征点数量分布的概率密度函数，用pickle格式文件储存，同时利用直方图的形式统计扇区内部特征点数量的概率分布，用csv格式文件储存，我们得到了指纹库中指纹各个扇区的特征分布情况，最后生成一个相似度统计文件。
S102，获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件；
其中，第一指纹可以理解为十指指纹，第二指纹可以理解为现场指纹。
通常，在得到相似度统计文件后，计算一对指纹的相似性(例如十指指纹和现场指纹)，由指纹专家对指纹进行特征点标注，并由指纹专家判断这对匹配(或不匹配)的特征点的稳定度(取值根据实际情况而定，本案例中使用的稳定度是0-3的整数，数值越大，代表这对特征点匹配的可能性就越大，同理，针对差异点的稳定度，其数值越大，代表该特征点为差异点的可能性越大)，将现场指纹上的特征点“移植”到十指指纹相应的区域，得到相应的特征信息文件(统计指纹专家所标注的特征点的位置信息、纹型信息、特征点稳定度信息、指纹正向信息等)。
需要说明的是，第一指纹可以理解为十指指纹，第二指纹为现场指纹。
在本申请实施例中，进行指纹预处理时，首先获取第一指纹与第二指纹，然后当接收到针对第一指纹与第二指纹的特征点标注指令时，基于特征点标注指令生成携带特征点的第一指纹与携带特征点的第二指纹，其次将携带特征点的第二指纹内的特征点移动至携带特征点的第一指纹的相应区域，最后生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件。
例如，在获取到十指指纹与现场指纹后，指纹专家针对十指指纹与现场指纹进行特征点标注，标注出十指指纹与现场指纹中的特征点，然后将现场指纹的特征点移动到十指指纹相应区域中，生成目标指纹、十指指纹的特征信息文件与现场指纹的特征信息文件。
S103，将目标指纹进行扇区分块，生成多个扇区指纹；
在本申请实施例中，将目标指纹进行扇区分块时，首先定位第一指纹的中心位置，并根据中心位置与预设像素为起始半径作圆，并以第一指纹的中心位置为端点，并沿着指纹正向做第一条射线，然后根据第一射线与预设夹角做多个第二射线，最后将多个第二射线与圆围成的区域，确定为多个扇区指纹，例如图11所示。
在一种可能的实现方式中，如图2所示，扇区分块的具体步骤可以是，A1.以指纹的中心点为原点，以r像素为起始半径，以r×n像素为终止半径(n为圈数)，以r像素为半径步长画圆。A2.以指纹的中心点为端点，沿指纹正向作射线。A3.以指纹的中心点为端点，以步骤2所得射线为起始，每隔θ度作射线。由射线和圆围成的每一个区域，即为一个分区。A4.统计每一个分区中的特征点数量作为表征该枚指纹的特征。
优选的，实际应用时，我们设置的步长r为25像素，角度θ为30度，在每张指纹图片上绘制了264个扇区。
S104，根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量；
在一种可能的实现方式中，在对目标指纹分区后，可以根据特征信息文件统计所需对比的指纹各个扇区内的特征点数量情况。
S105，基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。
在一种可能的实现方式中，当根据目标指纹识别后存在差异点时，首先获取差异点区域中第一待对比扇区指纹与第二待对比扇区指纹，再根据第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量确定第一待对比扇区指纹与第二待对比扇区指纹各自的特征点数量，生成第一特征点数量与第二特征点数量，然后基于相似度统计文件中概率分布在第一特征点数量与第二特征点数量之间进行积分，生成第一概率值，再基于相似度统计文件中概率分布计算第一特征点数量与第二特征点数量各自的出现概率值，并根据出现概率值计算第二概率值，其次将第一概率值与第二概率值作积后，生成第一待对比扇区指纹与第二待对比扇区指纹之间的相似概率，再接收针对相似概率输入的稳定度，根据稳定度将相似概率进行调整后生成调整后的相似概率，最后基于调整后的相似概率计算第一指纹与第二指纹之间的相似度。
其中，第一概率值是1-积分后得到的概率。
例如图3所示，存在差异点情况下的扇区特征相似概率方法，步骤包括：D1.在需要比对的两个指纹的所有扇区中，得到存在差异点的相应扇区的特征点数量A和B；D2.根据相似度统计文件中的概率密度函数，我们在区间[A,B]进行积分，得到相应的概率Pv；D3.同样，使用相似度统计文件中的概率分布计算特征点数量A与特征点数量B出现的概率，并计算它们的均值p；D4.将D2和D3得到的1-Pv和p进行相乘，从而得到了调整后的相似概率，便得到了同一分布下，两个数值之间的相似性。
进一步地，在基于调整后的相似概率计算第一指纹与第二指纹之间的相似度时，例如图4所示，F1.首先根据目标指纹识别不存在差异点的扇区指纹，根据图5中的流程图计算不存在差异点的扇区的相似概率P1；F2.差异点是存在于某个(或某些)扇区中的，假设为扇区A中，通过图3中计算存在差异点的两个扇区内部特征相似概率的方法去计算出扇区A的相似概率qj；F3.综合考虑稳定度，特征点数量等信息，根据公式计算后生成第一指纹与第二指纹之间的相似度。公式为：
Figure BDA0003163353400000101
上式中：dnum为含有差异点的扇区数，P1为匹配的扇区计算出来的相似概率，λj表示第j个扇区内部的差异点稳定度集合，P为考虑差异点后的指纹相似概率。
在另一种可能的实现方式中，当根据目标指纹识别后未存在差异点时，首先根据所述相似度统计文件计算所述目标指纹中各个扇区内部特征点数量在与其相邻扇区(包含其所在扇区)出现的概率，再根据目标指纹中各个扇区的特征点到各个扇区的相邻扇区(包含其所在扇区)中心点的距离计算权重，然后采用计算的所述权重值针对所述与其相邻扇区(包含其所在扇区)出现的概率进行加权求和，生成目标指纹中各扇区内特征出现的概率，最后根据目标指纹中各扇区内特征出现的概率确定第一指纹与第二指纹之间的相似度。
具体的，在确定第一指纹与第二指纹之间的相似度时，首先接收针对目标指纹中各扇区内特征出现的概率的修正指令，基于修正指令进行修正后生成修正后的多个概率，然后将修正后的多个概率相乘，生成目标指纹中特征点数量分布出现的概率，再根据出现的概率计算第一指纹与第二指纹的相似概率，最后将第一指纹与第二指纹的相似概率表征为第一指纹与第二指纹的相似度。
例如图5所示，图5是本申请提供的一种无差异点情况下的指纹相似概率计算方法，其步骤如下：
E1.利用图6的步骤，计算各个扇区内部特征出现的概率；
E2.综合考虑扇区内部特征点数量以及特征点稳定度，对E1得到的各个扇区内部特征出现概率进行修正；
E3.将各个扇区的概率相乘，得到该指纹出现的概率：
Figure BDA0003163353400000111
其中，i是指纹扇区的编号，表示存在特征点的第i个扇区，num为存在特征点的扇区个数，pi为E1中计算出来的第i个扇区内部特征出现的概率，ni为第i个扇区内部的特征点个数，Si为指纹专家标注的第i个扇区内特征点稳定度的均值。
E4.最后得到该指纹出现的概率P0，而指纹同一的概率理应与其出现的概率成反比，故指纹同一的概率P1＝1-P0。
具体的，利用图6的步骤，计算第j个扇区内部特征点数量出现的概率时，其步骤为：
C1.利用之前所拟合的各个扇区的特征分布以及其特征统计情况，我们得到目标指纹中第j个扇区内部的特征点数量在其第i个相邻扇区内出现的概率p i：
Figure BDA0003163353400000112
式中ρi表示第i个扇区内部特征的概率密度函数，而上式中的积分区间可按照实际要求来选择，我们使用的积分区间是[N-0.5,N+0.5],其中N为第j个扇区的特征点数量，而hi表示第j个扇区内部特征点数量在第i个扇区中出现的频率；
C2.得到第j个扇区内部特征点的重心，计算这个重心与其相邻扇区(包含所需计算的第j个扇区)中心点的距离，根据这个距离对相应扇区进行权重计算(权重的大小与其距离成反比)，所有权重的和为1；
C3.之后，根据C2中设置的相邻扇区(包含所要计算的第j个扇区)的权重，对该特征点数量出现在其他扇区的概率进行一个加权求和：
Figure BDA0003163353400000113
其中，nnum指相邻扇区的个数，wi为第i个相邻扇区的权重(包含所要计算的第j个扇区)，Qj为调整后第j个扇区内部特征点数量出现的概率。
具体的，拟合各个扇区的特征分布以及其特征统计情况例如图7所示，拟合步骤包括：
B1.提取指纹中各个扇区内部的特征点数量；
B2.统计各个扇区的特征点数量分布，将每个扇区的特征点数量分布保存到相应的表格文件中；
B3.利用高斯混合模型去拟合B2中统计的特征点分布，得到相应的概率密度函数，同时利用直方图的形式统计B2的特征点数量概率分布(即统计各个扇区内部出现相应特征点数量的指纹频率)。
例如图8所示，图8是本申请提供的一种指纹相似度计算过程的过程示意图，(1)首先，需要得到指纹的特征分布：
1.先对指纹库里的所有指纹进行扇区的划分，并对划分好的扇区进行编号；
2.提取各个指纹扇区内部的特征点数量，并统计指纹库里各个指纹特定扇区的特征点数量情况，利用高斯混合模型去拟合该特征分布，得到各个扇区内部特征点数量分布的概率密度函数，以及统计各个扇区出现各个特征点数量的图片频率并用csv格式文件保存，我们得到了指纹各个扇区的特征分布情况；
(2)之后开始计算一对指纹的相似性(现场指纹和十指指纹)，由指纹专家对指纹进行特征点标注，并由指纹专家判断这对匹配(或不匹配)的特征点的稳定度(取值为0到3的整数，数值越大，代表这对特征点匹配的可能性就越大，同理，针对差异点的稳定度，其数值越大，代表该特征点为差异点的可能性越大)，将现场指纹上的特征点“移植”到十指指纹相应的区域，得到相应的特征信息文件(统计指纹专家所标注的特征点的位置信息、纹型信息、特征点稳定度信息、指纹正向信息等)；
(3)先对目标指纹进行扇区分块，针对(2)中所提供的的特征点信息文件，我们统计所需对比的指纹各个扇区特征点数量情况；
(4)根据(3)中计算得到的扇区特征情况，我们利用(1)中得到的概率分布，估计需要比对的指纹的扇区中特征出现的概率；
(5)针对存在差异点与不存在差异点，我们需要进行分情况处理，分别计算这两种情况下的指纹相似概率。
在本申请实施例中，指纹相似度的计算装置首先基于预设指纹库生成相似度统计文件，再获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件，然后将目标指纹进行扇区分块，生成多个扇区指纹，其次根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量，最后基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。由于本申请为指纹鉴定建立了一套指纹鉴定结论概率化表达体系，可以对实际的指纹鉴定工作具有重要的理论意义和应用价值，从而提升指纹鉴定结果的准确性。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
请参见图9，其示出了本发明一个示例性实施例提供的指纹相似度的计算装置的结构示意图。该指纹相似度的计算装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括统计文件生成模块10、指纹预处理模块20、扇区分块模块30、特征点数量生成模块40、指纹相似度计算模块50。
统计文件生成模块10，用于基于预设指纹库生成相似度统计文件；
指纹预处理模块20，用于获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件；
扇区分块模块30，用于将目标指纹进行扇区分块，生成多个扇区指纹；
特征点数量生成模块40，用于根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量；
指纹相似度计算模块50，用于基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。
需要说明的是，上述实施例提供的指纹相似度的计算装置在执行指纹相似度的计算方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的指纹相似度的计算装置与指纹相似度的计算方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请实施例中，指纹相似度的计算装置首先基于预设指纹库生成相似度统计文件，再获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件，然后将目标指纹进行扇区分块，生成多个扇区指纹，其次根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量，最后基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。由于本申请为指纹鉴定建立了一套指纹鉴定结论概率化表达体系，可以对实际的指纹鉴定工作具有重要的理论意义和应用价值，从而提升指纹鉴定结果的准确性。
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的指纹相似度的计算方法。
本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的指纹相似度的计算方法。
请参见图10，为本申请实施例提供了一种终端的结构示意图。如图10所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
其中，通信总线1002用于实现这些组件之间的连接通信。
其中，用户接口1003可以包括显示屏(Display)、摄像头(Camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
其中，存储器1005可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图10所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及指纹相似度的计算应用程序。
在图10所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的指纹相似度的计算应用程序，并具体执行以下操作：
基于预设指纹库生成相似度统计文件；
获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件；
将目标指纹进行扇区分块，生成多个扇区指纹；
根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量；
基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。
在一个实施例中，处理器1001在执行基于预设指纹库生成相似度统计文件时，具体执行以下操作：
将预设指纹库中的每个指纹进行扇区分块，生成扇区指纹集；其中，每个指纹包括多个扇区；
将扇区指纹集中的各扇区指纹进行编号，生成带编号扇区指纹集；
提取并统计带编号扇区指纹集中各带编号扇区指纹的内部特征点数量；
将各带编号扇区指纹的内部特征点数量保存至预设csv格式文件中；
采用高斯混合模型拟合各带编号扇区指纹的内部特征点数量，生成各带编号扇区内部特征分布的概率密度函数，并将概率密度函数保存至预设pickle格式文件中；
采用直方图的形式统计各带编号扇区指纹的内部特征点数量对应的概率分布，并将概率分布保存至csv格式文件中；
将csv格式文件与pickle格式文件确定为相似度统计文件。
在一个实施例中，处理器1001在执行获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件时，具体执行以下操作：
获取第一指纹与第二指纹；
当接收到针对第一指纹与第二指纹的特征点标注指令时，基于特征点标注指令生成携带特征点的第一指纹与携带特征点的第二指纹；
将携带特征点的第二指纹内的特征点移动至携带特征点的第一指纹的相应区域；
生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件。
在一个实施例中，处理器1001在执行将目标指纹进行扇区分块，生成多个扇区指纹时，具体执行以下操作：
定位第一指纹的中心位置，并根据中心位置与预设像素为起始半径作圆；
以第一指纹的中心位置为端点，并沿着指纹正向做第一条射线；
根据第一射线与预设夹角做多个第二射线；
将多个第二射线与圆围成的区域，确定为多个扇区指纹。
在一个实施例中，处理器1001在执行计算第一指纹与第二指纹之间的相似度时，具体执行以下操作：
当根据目标指纹识别后存在差异点时，获取差异点区域中第一待对比扇区指纹与第二待对比扇区指纹；
根据第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量确定第一待对比扇区指纹与第二待对比扇区指纹各自的特征点数量，生成第一特征点数量与第二特征点数量；
基于相似度统计文件中概率分布在第一特征点数量与第二特征点数量之间进行积分，生成第一概率值；
基于相似度统计文件中概率分布计算第一特征点数量与第二特征点数量各自的出现概率值，并根据出现概率值计算第二概率值；
将第一概率值与第二概率值作积后，生成第一待对比扇区指纹与第二待对比扇区指纹之间的相似概率；
接收针对相似概率输入的稳定度，根据稳定度将相似概率进行调整后生成调整后的相似概率；
基于调整后的相似概率计算第一指纹与第二指纹之间的相似度。
在一个实施例中，处理器1001在执行计算第一指纹与第二指纹之间的相似度时，具体执行以下操作：
当根据目标指纹识别后未存在差异点时，根据所述相似度统计文件计算所述目标指纹中各个扇区内部特征点数量在与其相邻扇区出现的概率；
根据目标指纹中各个扇区的特征点到各个扇区的相邻扇区中心点的距离计算权重；
采用计算的所述权重值针对所述与其相邻扇区出现的概率进行加权求和，生成目标指纹中各扇区内特征出现的概率；
根据目标指纹中各扇区内特征出现的概率确定第一指纹与第二指纹之间的相似度。
在一个实施例中，处理器1001在执行根据目标指纹中各扇区内特征出现的概率确定第一指纹与第二指纹之间的相似度时，具体执行以下操作：
接收针对目标指纹中各扇区内特征出现的概率的修正指令，基于修正指令进行修正后生成修正后的多个概率；
将修正后的多个概率相乘，生成目标指纹中特征点数量分布出现的概率；
根据出现的概率计算第一指纹与第二指纹的相似概率；
将第一指纹与第二指纹的相似概率表征为第一指纹与第二指纹的相似度。
在本申请实施例中，指纹相似度的计算装置首先基于预设指纹库生成相似度统计文件，再获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件，然后将目标指纹进行扇区分块，生成多个扇区指纹，其次根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量，最后基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。由于本申请为指纹鉴定建立了一套指纹鉴定结论概率化表达体系，可以对实际的指纹鉴定工作具有重要的理论意义和应用价值，从而提升指纹鉴定结果的准确性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (10)

1.一种指纹相似度的计算方法，其特征在于，所述方法包括：
基于预设指纹库生成相似度统计文件；
获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件；
将所述目标指纹进行扇区分块，生成多个扇区指纹；
根据所述特征信息文件统计所述多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量；
基于所述相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算所述第一指纹与所述第二指纹之间的相似度。
2.根据权利要求1所述的方法，其特征在于，所述基于预设指纹库生成相似度统计文件，包括：
将预设指纹库中的每个指纹进行扇区分块，生成扇区指纹集；其中，所述每个指纹包括多个扇区；
将所述扇区指纹集中的各扇区指纹进行编号，生成带编号扇区指纹集；
提取并统计所述带编号扇区指纹集中各带编号扇区指纹的内部特征点数量；
将所述各带编号扇区指纹的内部特征点数量保存至预设csv格式文件中；
采用高斯混合模型拟合所述各带编号扇区指纹的内部特征点数量，生成各带编号扇区内部特征分布的概率密度函数，并将所述概率密度函数保存至预设pickle格式文件中；
采用直方图的形式统计所述各带编号扇区指纹的内部特征点数量对应的概率分布，并将所述概率分布保存至所述csv格式文件中；
将所述csv格式文件与所述pickle格式文件确定为相似度统计文件。
3.根据权利要求1所述的方法，其特征在于，所述获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件，包括：
获取第一指纹与第二指纹；
当接收到针对所述第一指纹与所述第二指纹的特征点标注指令时，基于所述特征点标注指令生成携带特征点的第一指纹与携带特征点的第二指纹；
将所述携带特征点的第二指纹内的特征点移动至所述携带特征点的第一指纹的相应区域；
生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件。
4.根据权利要求1所述的方法，其特征在于，所述将所述目标指纹进行扇区分块，生成多个扇区指纹，包括：
定位所述第一指纹的中心位置，并根据所述中心位置与预设像素为起始半径作圆；
以所述第一指纹的中心位置为端点，并沿着所述指纹正向做第一条射线；
根据所述第一射线与所述预设夹角做多个第二射线；
将所述多个第二射线与所述圆围成的区域，确定为多个扇区指纹。
5.根据权利要求3所述的方法，其特征在于，所述计算所述第一指纹与所述第二指纹之间的相似度，包括：
当根据所述目标指纹识别后存在差异点时，获取所述差异点区域中第一待对比扇区指纹与第二待对比扇区指纹；
根据所述第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量确定所述第一待对比扇区指纹与第二待对比扇区指纹各自的特征点数量，生成第一特征点数量与第二特征点数量；
基于所述相似度统计文件中概率分布在所述第一特征点数量与所述第二特征点数量之间进行积分，生成第一概率值；
基于所述相似度统计文件中概率分布计算所述第一特征点数量与所述第二特征点数量各自的出现概率值，并根据所述出现概率值计算第二概率值；
将所述第一概率值与所述第二概率值作积后，生成第一待对比扇区指纹与第二待对比扇区指纹之间的相似概率；
接收针对所述相似概率输入的稳定度，根据所述稳定度将所述相似概率进行调整后生成调整后的相似概率；
基于所述调整后的相似概率计算所述第一指纹与所述第二指纹之间的相似度。
6.根据权利要求3所述的方法，其特征在于，所述计算所述第一指纹与所述第二指纹之间的相似度，包括：
当根据所述目标指纹识别后未存在差异点时，根据所述相似度统计文件计算所述目标指纹中各个扇区内部特征点数量在与其相邻扇区出现的概率；
根据所述目标指纹中各个扇区的特征点到所述各个扇区的相邻扇区中心点的距离计算权重；
采用计算的所述权重值针对所述与其相邻扇区出现的概率进行加权求和，生成所述目标指纹中各扇区内特征出现的概率；
根据所述目标指纹中各扇区内特征出现的概率确定所述第一指纹与所述第二指纹之间的相似度。
7.根据权利要求6所述的方法，其特征在于，所述根据所述目标指纹中各扇区内特征出现的概率确定所述第一指纹与所述第二指纹之间的相似度，包括：
接收针对所述目标指纹中各扇区内特征出现的概率的修正指令，基于所述修正指令进行修正后生成修正后的多个概率；
将所述修正后的多个概率相乘，生成所述目标指纹中特征点数量分布出现的概率；
根据所述出现的概率计算所述第一指纹与所述第二指纹的相似概率；
将所述第一指纹与所述第二指纹的相似概率表征为所述第一指纹与所述第二指纹的相似度。
8.一种指纹相似度的计算装置，其特征在于，所述装置包括：
统计文件生成模块，用于基于预设指纹库生成相似度统计文件；
指纹预处理模块，用于获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件；
扇区分块模块，用于将所述目标指纹进行扇区分块，生成多个扇区指纹；
特征点数量生成模块，用于根据所述特征信息文件统计所述多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量；
指纹相似度计算模块，用于基于所述相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算所述第一指纹与所述第二指纹之间的相似度。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-7任意一项的方法步骤。
10.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-7任意一项的方法步骤。
CN202110797750.6A 2021-07-14 2021-07-14 一种指纹相似度的计算方法、装置、存储介质及终端 Active CN113688671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110797750.6A CN113688671B (zh) 2021-07-14 2021-07-14 一种指纹相似度的计算方法、装置、存储介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110797750.6A CN113688671B (zh) 2021-07-14 2021-07-14 一种指纹相似度的计算方法、装置、存储介质及终端

Publications (2)

Publication Number Publication Date
CN113688671A true CN113688671A (zh) 2021-11-23
CN113688671B CN113688671B (zh) 2024-07-19

Family

ID=78577084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110797750.6A Active CN113688671B (zh) 2021-07-14 2021-07-14 一种指纹相似度的计算方法、装置、存储介质及终端

Country Status (1)

Country Link
CN (1) CN113688671B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116305043A (zh) * 2022-12-28 2023-06-23 南京邮电大学盐城大数据研究院有限公司 一种基于多种生物特征的通用的身份验证方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1110799A (zh) * 1994-04-21 1995-10-25 吴述梗 利用键盘接口对pc/at微机程序和数据硬件加密
US20150356164A1 (en) * 2013-02-21 2015-12-10 Tencent Technology (Shenzhen) Company Limited Method and device for clustering file
CN108805034A (zh) * 2018-05-22 2018-11-13 公安部物证鉴定中心 一种基于概率几何特征的指纹特征相似度评价方法
CN108965954A (zh) * 2017-05-17 2018-12-07 Lg 电子株式会社 使用用于减少视频的回放时间的智能分析的终端
CN109143156A (zh) * 2017-06-15 2019-01-04 中国移动通信集团浙江有限公司 一种定位指纹库的校准方法及装置
CN110288732A (zh) * 2019-06-14 2019-09-27 同济大学 一种双芯片的智能锁指纹识别功能单元的一体化装置
CN111159115A (zh) * 2019-12-27 2020-05-15 深信服科技股份有限公司 相似文件检测方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1110799A (zh) * 1994-04-21 1995-10-25 吴述梗 利用键盘接口对pc/at微机程序和数据硬件加密
US20150356164A1 (en) * 2013-02-21 2015-12-10 Tencent Technology (Shenzhen) Company Limited Method and device for clustering file
CN108965954A (zh) * 2017-05-17 2018-12-07 Lg 电子株式会社 使用用于减少视频的回放时间的智能分析的终端
CN109143156A (zh) * 2017-06-15 2019-01-04 中国移动通信集团浙江有限公司 一种定位指纹库的校准方法及装置
CN108805034A (zh) * 2018-05-22 2018-11-13 公安部物证鉴定中心 一种基于概率几何特征的指纹特征相似度评价方法
CN110288732A (zh) * 2019-06-14 2019-09-27 同济大学 一种双芯片的智能锁指纹识别功能单元的一体化装置
CN111159115A (zh) * 2019-12-27 2020-05-15 深信服科技股份有限公司 相似文件检测方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙彬;李建华;王彤;: "基于扇区划分的细节点采样指纹匹配算法", 微计算机应用, no. 01, 15 January 2009 (2009-01-15) *
魏鸿磊;张文孝;华顺刚;: "一种采用脊线特征的指纹模糊匹配方法", 智能系统学报, no. 03, 7 May 2012 (2012-05-07) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116305043A (zh) * 2022-12-28 2023-06-23 南京邮电大学盐城大数据研究院有限公司 一种基于多种生物特征的通用的身份验证方法
CN116305043B (zh) * 2022-12-28 2023-12-19 南京邮电大学盐城大数据研究院有限公司 一种基于多种生物特征的通用的身份验证方法

Also Published As

Publication number Publication date
CN113688671B (zh) 2024-07-19

Similar Documents

Publication Publication Date Title
CN109886997B (zh) 基于目标检测的识别框确定方法、装置及终端设备
CN109934197B (zh) 人脸识别模型的训练方法、装置和计算机可读存储介质
CN110163111B (zh) 基于人脸识别的叫号方法、装置、电子设备及存储介质
JP7280393B2 (ja) 視覚位置決め方法、関連モデルの訓練方法及び関連装置並びに機器
CN112085701A (zh) 一种人脸模糊度检测方法、装置、终端设备及存储介质
CN110992502A (zh) 一种人脸识别考勤方法、系统以及可读存储介质
CN113762229B (zh) 一种建筑场地内建筑器材的智能识别方法及系统
CN111414803A (zh) 人脸识别方法、装置、电子设备
CN111753826B (zh) 车辆与车牌的关联方法、装置和电子系统
CN111353325A (zh) 关键点检测模型训练方法及装置
CN112802081A (zh) 一种深度检测方法、装置、电子设备及存储介质
CN111553241A (zh) 掌纹的误匹配点剔除方法、装置、设备及存储介质
CN115131714A (zh) 视频图像智能检测分析方法及系统
CN114187333A (zh) 一种图像对齐方法、图像对齐装置及终端设备
CN113688671B (zh) 一种指纹相似度的计算方法、装置、存储介质及终端
CN109657083B (zh) 纺织品图片特征库的建立方法和装置
CN113128278B (zh) 一种图像识别方法及装置
CN112348008A (zh) 证件信息的识别方法、装置、终端设备及存储介质
CN110245669B (zh) 手掌关键点的识别方法、装置、终端及可读存储介质
CN107730364A (zh) 用户识别方法及装置
CN112905816B (zh) 虹膜搜索识别方法、装置、处理器及电子装置
CN114445916A (zh) 一种活体检测方法、终端设备及存储介质
CN114723791A (zh) 特征点匹配方法、装置、电子设备和存储介质
CN113689378A (zh) 试纸带精准定位的判定方法、装置、存储介质及终端
CN111814535A (zh) 掌纹图像的识别方法、装置、设备及计算机可读存储介质

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