CN114495180A - 一种指纹匹配方法、芯片及设备 - Google Patents
一种指纹匹配方法、芯片及设备 Download PDFInfo
- Publication number
- CN114495180A CN114495180A CN202210108586.8A CN202210108586A CN114495180A CN 114495180 A CN114495180 A CN 114495180A CN 202210108586 A CN202210108586 A CN 202210108586A CN 114495180 A CN114495180 A CN 114495180A
- Authority
- CN
- China
- Prior art keywords
- matching
- fingerprint
- sample
- template
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012216 screening Methods 0.000 claims description 42
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006798 recombination Effects 0.000 abstract description 6
- 238000005215 recombination Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010845 search algorithm Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种指纹匹配方法、芯片及设备,包括:将待匹配样本与指纹模板进行匹配以确定匹配点数,并判断匹配点数是否大于或等于第一预设匹配阈值;如果否,则判断匹配点数是否大于或等于所述第二预设匹配阈值;如果是,则确定待匹配样本与指纹模板的重合区域;重组重合区域中的模板描述子集和样本描述子集,将重组后的模板描述子集与重组后的样本描述子集进行匹配以确定出新的匹配点数,并基于判断新的匹配点数是否大于或等于第一预设匹配阈值所对应的判断结果输出相应的指纹匹配结果。本申请通过对和待匹配样本有重合的多个模板进行描述子的混合重组形成重组后的模板描述子集,重新与样本进行匹配,能够提高指纹匹配的成功率。
Description
技术领域
本发明涉及指纹识别技术领域,特别涉及一种指纹匹配方法、芯片及设备。
背景技术
当前,由于全面显示屏的兴起,指纹识别只能通过电子设备的非显示区域,通常是设备的侧边完成,窄边指纹已经成为手机上非常重要的选项。因为结构的原因,窄边指纹的sensor(传感器)宽度比较有限,一般宽度只有36个像素左右,导致采集到的指纹样本图像面积非常小,指纹样本图像和指纹模板图像难有较大面积的重合,从而极大的影响指纹匹配的成功率。现有技术的解决方案为采用指纹样本和指纹模板逐一比对的方式,但是由于指纹样本较窄,进行一对一匹配时会出现和指纹模板重合面积小的问题,使得指纹匹配成功率降低,例如,在进行解锁时,样本图像和模板图像进行一对一比对,因重合面积小,就有可能判定匹配不成功,严重的影响了用户的解锁体验。
发明内容
有鉴于此,本发明的目的在于提供一种指纹匹配方法、芯片及设备,能够突破一对一匹配的缺陷,提升指纹匹配的成功率。其具体方案如下:
第一方面,本申请公开了一种指纹匹配方法,包括:
采集指纹样本以得到待匹配样本,并将所述待匹配样本与指纹模板进行匹配以确定出相应的匹配点数;
判断所述匹配点数是否大于或等于第一预设匹配阈值;如果所述匹配点数小于所述第一预设匹配阈值,则判断所述匹配点数是否大于或等于第二预设匹配阈值;其中,所述第一预设匹配阈值大于所述第二预设匹配阈值;
如果所述匹配点数大于或等于所述第二预设匹配阈值,则确定所述待匹配样本与所述指纹模板的重合区域;
重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集;
将所述重组后的指纹模板描述子集与所述重组后的样本描述子集进行匹配以确定出新的匹配点数,并判断所述新的匹配点数是否大于或等于所述第一预设匹配阈值得到相应的判断结果,并基于所述判断结果输出相应的指纹匹配结果。
可选的,所述将所述待匹配样本与指纹模板进行匹配以确定出相应的匹配点数,包括:
通过预设距离计算算法计算所述待匹配样本对应的样本描述子集与所述指纹模板对应的模板描述子集之间的距离以得到相应的距离集合;
确定出所述距离集合中的最小距离和次小距离,并基于所述最小距离和所述次小距离确定所述待匹配样本与所述指纹模板是否存在匹配点对;
若是,则统计所述匹配点对以确定出相应的匹配点数。
可选的,所述判断所述匹配点数是否大于或等于第一预设匹配阈值之后,还包括:
如果所述匹配点数大于或等于所述第一预设匹配阈值,则判定当前的所述待匹配样本与所述指纹模板匹配成功。
可选的,所述确定所述待匹配样本与所述指纹模板的重合区域之前,还包括:
计算所述待匹配样本与所述指纹模板之间的刚性变换矩阵,并基于所述刚性变换矩阵将所述待匹配样本的样本坐标统一至所述指纹模板对应的模板坐标系。
可选的,所述重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集,包括:
将所述重合区域内的所述指纹模板对应的模板描述子集进行组合叠加以得到重组后的模板描述子集;
相应的,所述重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集,包括:
将所述重合区域内的所述待匹配样本对应的样本描述子集进行组合叠加以得到重组后的样本描述子集。
可选的,所述重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集,包括:
按照预设筛选原则对所述重合区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集,并将所述新的模板描述子集进行组合叠加以得到重组后的模板描述子集;
相应的,所述重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集,包括:
按照所述预设筛选原则对所述重合区域内的所述待匹配样本对应的所述样本描述子集进行筛选得到新的样本描述子集,并将所述新的样本描述子集进行组合叠加以得到重组后的样本描述子集。
可选的,按照预设筛选原则对所述重合区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集,包括:
基于所述重合区域中的目标区域对所述目标区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集;
或,基于图像质量对所述重合区域内的所述指纹模板对应的模板描述子集中坐标重合的描述子进行筛选得到新的模板描述子集。
可选的,所述基于所述重合区域中的目标区域对所述目标区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集,包括:
将所述重合区域的中间区域确定为目标区域,并对所述目标区域中的所述待匹配样本对应的所述模板描述子集进行筛选得到新的模板描述子集。
可选的,所述基于所述判断结果输出相应的指纹匹配结果,包括:
当所述判断结果表示所述新的匹配点数大于或等于所述第一预设匹配阈值则输出指纹匹配成功的指纹匹配结果;
当所述判断结果表示所述新的匹配点数小于所述第一预设匹配阈值则输出指纹匹配不成功的指纹匹配结果并重新采集指纹样本以得到新的待匹配样本。
第二方面,本申请公开了一种指纹芯片,包括:
样本采集模块,用于采集指纹样本以得到待匹配样本;
匹配点数确定模块,用于将所述待匹配样本与指纹模板进行匹配以确定出相应的匹配点数;
第一判断模块,用于判断所述匹配点数是否大于或等于第一预设匹配阈值;
第二判断模块,用于当所述匹配点数小于所述第一预设匹配阈值,则判断所述匹配点数是否大于或等于第二预设匹配阈值;其中,所述第一预设匹配阈值大于所述第二预设匹配阈值;
重合区域确定模块,用于当所述匹配点数大于或等于所述第二预设匹配阈值,则确定所述待匹配样本与所述指纹模板的重合区域;
描述子重组模块,用于重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集;
匹配模块,将所述重组后的指纹模板描述子集与所述重组后的样本描述子集进行匹配以确定出新的匹配点数;
第三判断模块,判断所述新的匹配点数是否大于或等于所述第一预设匹配阈值得到相应的判断结果;
结果输出模块,用于基于所述判断结果输出相应的指纹匹配结果。
第三方面,本申请公开了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现前述公开的指纹匹配方法的步骤。
可见,本申请提供了一种指纹匹配方法,包括:采集指纹样本以得到待匹配样本,并将所述待匹配样本与指纹模板进行匹配以确定出相应的匹配点数;判断所述匹配点数是否大于或等于第一预设匹配阈值;如果所述匹配点数小于所述第一预设匹配阈值,则判断所述匹配点数是否大于或等于第二预设匹配阈值;其中,所述第一预设匹配阈值大于所述第二预设匹配阈值;如果所述匹配点数大于或等于所述第二预设匹配阈值,则确定所述待匹配样本与所述指纹模板的重合区域;重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集;将所述重组后的指纹模板描述子集与所述重组后的样本描述子集进行匹配以确定出新的匹配点数,并判断所述新的匹配点数是否大于或等于所述第一预设匹配阈值得到相应的判断结果,并基于所述判断结果输出相应的指纹匹配结果。由此可知,本申请中当待匹配样本和指纹模板的匹配点数小于第一预设匹配阈值而又大于或等于所述第二预设匹配阈值时,则通过对和所述待匹配样本有重合的多个所述指纹模板进行描述子的混合重组形成重组后的模板描述子集,重新与待匹配样本进行匹配,能够解决一对一指纹匹配的缺陷,从而提高指纹匹配的成功率。
附图说明
为了更清楚地说明本发明实施例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,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种指纹匹配方法流程图;
图2为本申请公开的一种待匹配样本与指纹模板重合关系示意图;
图3为本申请公开的一种具体的指纹匹配方法流程图;
图4为本申请公开的一种指纹芯片结构示意图;
图5为本申请公开的一种电子设备结构图。
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。
当前,由于窄边指纹一对一比对时重合面积小难以匹配成功,导致指纹匹配成功率较低,严重的影响了用户的使用体验。为此,本申请提供了一种新的指纹匹配方案,能够突破一对一匹配的缺陷,提升指纹匹配的成功率。
本发明实施例公开了一种指纹匹配方法,参见图1所示,该方法包括:
步骤S11:采集指纹样本以得到待匹配样本,并将所述待匹配样本与指纹模板进行匹配以确定出相应的匹配点数。
需要指出的是,能够支持指纹识别功能的电子设备在使用之前都会预先采集使用者的指纹图像作为指纹模板,并且录入时会保存不同角度的指纹图像作为指纹模板,以在进行指纹匹配时可以提高匹配的成功率。其中,上述指纹模板指的是录入时预先采集的作为匹配的图像,上述待匹配样本指的是在进行解锁或者实时采集的待匹配的图像。不管是在指纹模板录入阶段还是样本进行安全认证阶段,采集到任意一张指纹图像后,都会对此指纹图像先做预处理,然后生成指纹图像的数据。
具体的,指纹图像的数据是指通过预设的查找算法查找采集到的指纹图像对应的关键点,并基于所述关键点生成与所述关键点对应的描述子。可以理解的是,在指纹图像的数据生成过程中,主要分为查找关键点和生成关键点的描述子两个步骤。并且,可以通过不同的预设查找算法查找上述指纹图像对应的关键点,例如,利用细节点算法查找上述指纹图像对应的关键点时,查找的是分叉点、端点等指纹图像中独有的细节,然而,利用SIFT、FAST等局部特征点算法查找上述指纹图像对应的关键点时,能够提取到上述指纹图像局部的极值点。并且,生成与所述关键点对应的描述子的方法也有很多种,包括但不限于细节点算法、局部特征点算法等,其中上述细节点算法记录的是细节点的类型、周围细节点的拓扑结构等,上述SIFT局部特征点算法通过统计关键点周围的梯度分布为关键点然后生成128维的描述子。也即,当找到了指纹图像的关键点,就会根据关键点周围信息生成描述子。指纹图像的匹配过程最重要的环节就是描述子的匹配。指纹模板所有的描述子构成指纹模板的描述子集,样本所有的描述子构成样本的描述子集。
本实施例中,将待匹配样本与指纹模板进行匹配以确定出相应的匹配点数。可以理解的是,采集指纹样本图像作为待匹配样本进行匹配时,首先按照粗匹配的方式对上述待匹配样本与上述指纹模板进行匹配以确定出相应的匹配点数。具体的,通过预设距离计算算法计算所述待匹配样本对应的样本描述子集与所述指纹模板对应的模板描述子集之间的距离以得到相应的距离集合;确定出所述距离集合中的最小距离和次小距离,并基于所述最小距离和所述次小距离确定所述待匹配样本与所述指纹模板是否存在匹配点对;若是,则统计所述匹配点对以确定出相应的匹配点数。本实施例中,粗匹配通过计算指纹模板任意的一个关键点和待匹配样本任意的一个关键点的描述子的汉明距离或者欧式距离从而确定出最小距离及次小距离,通过判断最小距离和次小距离的关系判断这两个关键点是否为匹配点对,例如,SIFT局部特征点算法则在最小距离小于次小距离的0.8倍时判定上述指纹模板对应的一个关键点与上述待匹配样本对应的一个关键点为匹配点对。将所有指纹模板和待匹配样本之间的描述子集合通过穷举遍历获得多个匹配点对,统计所述匹配点对的个数,从而确定出上述待匹配样本与上述指纹模板进行粗匹配时对应的匹配点数。
步骤S12:判断所述匹配点数是否大于或等于第一预设匹配阈值,如果所述匹配点数小于所述第一预设匹配阈值,则判断所述匹配点数是否大于或等于第二预设匹配阈值,如果所述匹配点数大于或等于所述第二预设匹配阈值,则确定所述待匹配样本与所述指纹模板的重合区域;其中,所述第一预设匹配阈值大于所述第二预设匹配阈值。
本实施例中,基于步骤S11得到的匹配点数确认待匹配样本与指纹模板是否有匹配关系,当统计到上述匹配点数达到第一阈值时,则直接判定上述待匹配样本和模板匹配,无需执行后续的步骤,通过安全认证,可进行电子设备的解锁、应用程序开启或支付等事项。
本实施例中,当判断出所述匹配点数小于所述第一预设匹配阈值,则继续判断所述匹配点数是否大于或等于所述第二预设匹配阈值,其中,上述第一预设匹配阈值大于上述第二预设匹配阈值。可以理解的是,当所述匹配点数小于所述第一预设匹配阈值,进而判断所述匹配点数是否大于或等于所述第二预设匹配阈值,主要是为了确定上述待匹配样本与上述指纹模板是否可能存在重合关系,也就是说,上述待匹配样本与上述指纹模板之间可能存在重合关系,虽然粗匹配时得到的匹配点数不多,但待匹配样本也有可能和指纹模板匹配成功。
本实施例中,当上述待匹配样本和上述指纹模板存在3个及3个以上的匹配点对就能拟合出上述待匹配样本和上述指纹模板之间的重合关系,也即上述第二预设匹配阈值可设置为3。例如,如图2所示,图2示出了一个待匹配样本A和3个指纹模板(a、b、c)之间的重合关系,待匹配样本A与指纹模板a和指纹模板b都有重合,但是重合面积较小,匹配的点数因为重合面积小而少于第一预设匹配阈值,所以不能直接判定当前样本指纹匹配成功。但是当上述待匹配样本A与指纹模板a和指纹模板b匹配的点数大于或等于第二预设匹配阈值,则有可能是互相匹配的指纹,所以有必要进一步的确定所述待匹配样本与所述指纹模板的重合区域。
步骤S13:重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集。
本实施例中,确定出所述待匹配样本与所述指纹模板的重合区域之后,则重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集。也即,确定所述重合区域中的所述指纹模板对应的模板描述子集,并将所有的所述模板描述子集进行重组以得到重组后的模板描述子集;确定所述重合区域中的所述待匹配样本对应的样本描述子集,并将所述样本描述子集进行重组以得到重组后的样本描述子集。可以理解的是,在实际的应用过程中,随着指纹模板数量的增大,待匹配样本和指纹模板会有更多的重合方式,其本质都是通过扩展一对一比对后得到的与指纹模板重合的面积。
在第一种具体的实施方式中,重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集,可以包括:将所述重合区域内的所述指纹模板对应的模板描述子集进行组合叠加以得到重组后的模板描述子集;将所述重合区域内的所述待匹配样本对应的样本描述子集进行组合叠加以得到重组后的样本描述子集。可以理解的是,分别对重合区域内的模板描述子集合和重合区域内的样本描述子集进行组合叠加,也就是把上述重合区域内的模板描述子集合进行联合以及把上述重合区域内的样本描述子集进行联合,从而得到重组后的模板描述子集和重组后的样本描述子集,上述联合也就是指单纯地把描述子集加在一起不做删减,扩大描述子集合从而增加匹配的成功率。例如,如上述图2所示,将指纹模板a和待匹配样本重合区域的描述子记为ΣT1n,指纹模板b和待匹配样本重合区域的描述子记为ΣT2m,待匹配样本和指纹模板a、指纹模板b的重合区域记为ΣS1k,其中,n表示指纹模板a和待匹配样本重合区域内指纹模板a的描述子数量,m表示指纹模板b和待匹配样本重合区域内指纹模板b的描述子数量,k表示待匹配样本和指纹模板a、指纹模板b的重合区域内待匹配样本的描述子数量,然后,将模板描述子ΣT1n+ΣT2m进行组合得到重组后的模板描述子集。组合得到的模板描述子集在步骤S14中用于和样本描述子集ΣS1k进行匹配。
在第二种具体的实施方式中,重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集,可以包括:按照预设筛选原则对所述重合区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集,并将所述新的模板描述子集进行组合叠加以得到重组后的模板描述子集;按照所述预设筛选原则对所述重合区域内的所述待匹配样本对应的所述样本描述子集进行筛选得到新的样本描述子集,并将所述新的样本描述子集进行组合叠加以得到重组后的样本描述子集。可以理解的是,在确定出上述重合区域的模板描述子集合样本描述子集之后,先按照预设筛选原则对上述重合区域的模板描述子集和样本描述子集进行筛选得到筛选后的描述子集,再分别对上述筛选后的模板描述子集和上述筛选后的样本描述子集进行组合叠加,得到重组后的模板描述子集和重组后的样本描述子集。
具体的,所述按照预设筛选原则对所述重合区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集,可以包括:基于所述重合区域中的目标区域对所述目标区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集;或,基于图像质量对所述重合区域内的所述指纹模板对应的模板描述子集中坐标重合的描述子进行筛选得到新的模板描述子集。例如,将所述重合区域的中间区域确定为目标区域,并对所述目标区域中的所述待匹配样本对应的所述模板描述子集进行筛选得到新的模板描述子集,也就是,优先选择在中间区域的描述子,或者,当描述子的坐标有重叠时优先选择图像质量较好的描述子等。上述重组将相关指纹模板和样本的描述子集合后采用一定的策略进行删减。
步骤S14:将所述重组后的指纹模板描述子集与所述重组后的样本描述子集进行匹配以确定出新的匹配点数,并判断所述新的匹配点数是否大于或等于所述第一预设匹配阈值得到相应的判断结果,并基于所述判断结果输出相应的指纹匹配结果。
本实施例中,根据重合区域重组模板描述子集以及样本的重合区域的样本描述子集得到重组后的模板描述子集与重组后的样本描述子集之后,则将所述重组后的模板描述子集与所述重组后的样本描述子集进行匹配以确定出新的匹配点数。例如,将上述模板描述子ΣT1n+ΣT2m进行组合得到重组后的模板描述子集与上述样本描述子集ΣS1k进行匹配,获得匹配点对,并确定上述匹配点对的数量,从而得到新的匹配点数,进而判断所述新的匹配点数是否大于或等于所述第一预设匹配阈值,输出相应的匹配结果。也即,当所述判断结果表示所述新的匹配点数大于或等于所述第一预设匹配阈值则输出指纹匹配成功的匹配结果;当所述判断结果表示所述新的匹配点数小于所述第一预设匹配阈值则输出指纹匹配不成功的匹配结果。可以理解的是,如果所述新的匹配点数大于或等于所述第一预设匹配阈值,则指纹匹配成功。如果所述新的匹配点数小于所述第一预设匹配阈值,则说明匹配不成功,可继续采集新的样本指纹图像进行匹配。因为新组成的模板描述子集,相对只有模板a或b单个模板与样本重合区域得到的描述子集,描述子的数量得到了扩展,所以匹配成功率有望能够得到提升。
可见,本申请实施例中,当待匹配样本和指纹模板的匹配点数小于第一预设匹配阈值而又大于或等于所述第二预设匹配阈值时,则通过对和所述待匹配样本有重合的多个所述指纹模板进行描述子的混合重组形成重组后的模板描述子集,重新与待匹配样本进行匹配,能够解决一对一指纹匹配的缺陷,从而提高指纹匹配的成功率。
参见图3所示,本发明实施例公开了一种具体的指纹匹配方法,相较于上一实施例,本实施例对技术方案作了进一步的说明和优化。
步骤S21:采集指纹样本以得到待匹配样本,并将所述待匹配样本与指纹模板进行匹配以确定出相应的匹配点数。
步骤S22:判断所述匹配点数是否大于或等于第一预设匹配阈值;如果所述匹配点数小于所述第一预设匹配阈值,则判断所述匹配点数是否大于或等于第二预设匹配阈值;其中,所述第一预设匹配阈值大于所述第二预设匹配阈值。
步骤S23:如果所述匹配点数大于或等于所述第二预设匹配阈值,则计算所述待匹配样本与所述指纹模板之间的刚性变换矩阵,并基于所述刚性变换矩阵将所述待匹配样本的样本坐标统一至所述指纹模板对应的模板坐标系。
本实施例中,在确定出上述待匹配样本和上述指纹模板之间存在重合关系之后,进一步地,确定出上述待匹配样本和上述指纹模板之间的重合区域,但是在确定出上述重合区域之前,需要计算所述待匹配样本与所述指纹模板之间的刚性变换矩阵,并基于所述刚性变换矩阵将所述待匹配样本的样本坐标统一至所述指纹模板对应的模板坐标系,使得上述待匹配样本和上述指纹模板统一在同一个坐标系下,确定上述待匹配样本和上述指纹模板之间的坐标映射关系。
需要指出的是,为了计算出所述计算所述待匹配样本与所述指纹模板之间的刚性变换矩阵,首先需要确定所述待匹配样本与所述指纹模板之间的匹配点对,进而利用预设筛选手段对所述匹配点对进行筛选以确定目标匹配点对,并计算所述目标匹配点对之间的刚性变换矩阵。其中,确定匹配点的方法可以包括:利用预设距离计算算法计算所述待匹配样本对应的样本关键点与所述指纹模板中的所述关键点之间的距离,以得到与所述指纹模板对应的距离集合,从而确定出所述距离集合中的最小距离和次小距离,并基于所述次小距离和预设比例系数确定出目标比较阈值;判断所述最小距离是否不大于所述目标比较阈值,若是,则判定所述待匹配样本与所述指纹模板存在相应的匹配点对。本实施例中,指纹模板和待匹配样本之间的描述子集合通过穷举遍历获得多个匹配点对,通过比较描述子的汉明距离或者欧式距离的方法计算最小距离及次小距离,通过判断上述最小距离和上述次小距离的关系从而判断是否为匹配点对,例如,SIFT局部特征点算法认为当最小距离小于次小距离的0.8时为匹配点对。当粗匹配点对数量达到一定的阈值则认为模板和样本存在匹配的可能,后续会进行更为严格的精匹配。
例如,一个待匹配样本和指纹模板进行匹配时,将待匹配样本的一个关键点对应的描述子序列分别和指纹模板里面所有的关键点对应的描述子序列进行异或运算从而计算出相应的汉明距离,上述汉明距离的计算公式如下:
Disti=(Ds1i⊕Ss1)+(Ds2i⊕Ss2)+(Ds3i⊕Ss3)+…+(Ds256i⊕Ss256);
其中,任意一个描述子为256维,每1维用一个bit位表示,共32Bytes表示,并且如果指纹模板a共有48张,每张模板有160个关键点,每个关键点的描述子也是256维。Disti表示汉明距离,XOR表示异或计算,Ss1,Ss2,……,Ss256表示样本一个描述子序列,Ds1i,Ds2i,Ds3i,……,Ds256i表示每个关键点的描述子序列,并且,i表示指纹模板a的关键点编号,范围为1到160。
也即,对样本序列Ss1,Ss2,……,Ss256和指纹模板a的所有关键点对应的描述子序列Ds1i,Ds2i,Ds3i,……,Ds256i穷举遍历,从而得到指纹模板a的汉明距离序列。
然后,从Disti序列中遍历获得最小的DistN和次小的DistM,当DistN<DistM*0.8时,认为找到了1个匹配点对。
以此类推,遍历获得待匹配样本和所有指纹模板的所有匹配点对,最后对所有匹配点对进行一次RANSAC筛选,获得真实匹配点对,及真实匹配点对之间的刚性变换矩阵,并且上述刚性变换矩阵的计算公式如下:
其中,θ表示待匹配样本旋转到指纹模板坐标系的角度,△x,△y分别表示待匹配样本到指纹模板坐标系的水平偏移量和垂直偏移量。
步骤S24:确定所述待匹配样本与所述指纹模板的重合区域。
本实施例中,在上述步骤中确定出所述待匹配样本与所述指纹模板的匹配点对并将待匹配样本的坐标统一至指纹模板的坐标系之后,基于所述匹配点对能够确定出所述待匹配样本与所述指纹模板的重合区域,也即,所有的所述匹配点组成的区域可确定为重合区域。
步骤S25:重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集。
步骤S26:将所述重组后的指纹模板描述子集与所述重组后的样本描述子集进行匹配以确定出新的匹配点数,并判断所述新的匹配点数是否大于或等于所述第一预设匹配阈值得到相应的判断结果,并基于所述判断结果输出相应的指纹匹配结果。
关于上述步骤S21、步骤S22以及步骤S24至步骤S26的具体内容可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本申请实施例中,当待匹配样本和指纹模板的匹配点数小于第一预设匹配阈值而又大于或等于所述第二预设匹配阈值时,则通过对和所述待匹配样本有重合的多个所述指纹模板进行描述子的混合重组形成重组后的模板描述子集,重新与待匹配样本进行匹配,能够解决一对一指纹匹配的缺陷,从而提高指纹匹配的成功率。
相应的,本申请实施例还公开了一种指纹芯片,参见图4所示,该芯片包括:
样本采集模块11,用于采集指纹样本以得到待匹配样本;
匹配点数确定模块12,用于将所述待匹配样本与指纹模板进行匹配以确定出相应的匹配点数;
第一判断模块13,用于判断所述匹配点数是否大于或等于第一预设匹配阈值;
第二判断模块14,用于当所述匹配点数小于所述第一预设匹配阈值,则判断所述匹配点数是否大于或等于第二预设匹配阈值;其中,所述第一预设匹配阈值大于所述第二预设匹配阈值;
重合区域确定模块15,用于当所述匹配点数大于或等于所述第二预设匹配阈值,则确定所述待匹配样本与所述指纹模板的重合区域;
描述子重组模块16,用于重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集;
匹配模块17,将所述重组后的指纹模板描述子集与所述重组后的样本描述子集进行匹配以确定出新的匹配点数;
第三判断模块18,判断所述新的匹配点数是否大于或等于所述第一预设匹配阈值得到相应的判断结果;
结果输出模块19,用于基于所述判断结果输出相应的指纹匹配结果。
由上可见,本实施例中,当待匹配样本和指纹模板的匹配点数小于第一预设匹配阈值而又大于或等于所述第二预设匹配阈值时,则通过对和所述待匹配样本有重合的多个所述指纹模板进行描述子的混合重组形成重组后的模板描述子集,重新与待匹配样本进行匹配,能够解决一对一指纹匹配的缺陷,从而提高指纹匹配的成功率。
在一些具体的实施例中,所述匹配点数确定模块12,还可以包括:
距离计算单元,通过预设距离计算算法计算所述待匹配样本对应的样本描述子集与所述指纹模板对应的模板描述子集之间的距离以得到相应的距离集合;
匹配点对确定单元,用于确定出所述距离集合中的最小距离和次小距离,并基于所述最小距离和所述次小距离确定所述待匹配样本与所述指纹模板是否存在匹配点对;
匹配点数统计单元,用于当所述待匹配样本与所述指纹模板存在匹配点对时,则统计所述匹配点对以确定出相应的匹配点数。
在一些具体的实施例中,所述第一判断模块13,还可以包括:
匹配判定单元,当所述匹配点数大于或等于所述第一预设匹配阈值时,则判定当前的所述待匹配样本与所述指纹模板的指纹匹配成功。
在一些具体的实施例中,所述指纹芯片,还可以包括:
矩阵计算模块,用于计算所述待匹配样本与所述指纹模板之间的刚性变换矩阵;
坐标统一模块,用于基于所述刚性变换矩阵将所述待匹配样本的样本坐标统一至所述指纹模板对应的模板坐标系。
在一些具体的实施例中,所述描述子重组模块16,具体可以包括:
第一组合叠加单元,用于将所述重合区域内的所述指纹模板对应的模板描述子集进行组合叠加以得到重组后的模板描述子集;
第二组合叠加单元,用于将所述重合区域内的所述待匹配样本对应的样本描述子集进行组合叠加以得到重组后的样本描述子集。
在一些具体的实施例中,所述描述子重组模块16,具体可以包括:
第一筛选单元,用于按照预设筛选原则对所述重合区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集;
第三组合叠加单元,用于将所述新的模板描述子集进行组合叠加以得到重组后的模板描述子集。
第二筛选单元,用于按照所述预设筛选原则对所述重合区域内的所述待匹配样本对应的所述样本描述子集进行筛选得到新的样本描述子集;
第四组合叠加单元,用于将所述新的样本描述子集进行组合叠加以得到重组后的样本描述子集。
在一些具体的实施例中,所述第一筛选单元,具体可以包括:
第一筛选子单元,用于基于所述重合区域中的目标区域对所述目标区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集;
在一些具体的实施例中,所述第一筛选单元,具体可以包括:
第二筛选子单元,用于基于图像质量对所述重合区域内的所述指纹模板对应的模板描述子集中坐标重合的描述子进行筛选得到新的模板描述子集;
在一些具体的实施例中,所述结果输出模块19,具体可以包括:
第一输出单元,用于当所述判断结果表示所述新的匹配点数大于或等于所述第一预设匹配阈值则输出指纹匹配成功的指纹匹配结果;
第二输出单元,用于当所述判断结果表示所述新的匹配点数小于所述第一预设匹配阈值则输出指纹匹配不成功的指纹匹配结果并重新采集指纹样本以得到新的待匹配样本。
进一步的,本申请实施例还提供了一种电子设备。图5是根据一示例性实施例示出的电子设备20结构图,图中的内容不能认为是对本申请的使用范围的任何限制。
图5为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的指纹匹配方法中的相关步骤。另外,本实施例中的电子设备20具体可以为电子计算机。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源可以包括操作系统221、计算机程序222等,存储方式可以是短暂存储或者永久存储。
其中,操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的指纹匹配方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的芯片而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种指纹匹配方法、芯片及设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种指纹匹配方法,其特征在于,包括:
采集指纹样本以得到待匹配样本,并将所述待匹配样本与指纹模板进行匹配以确定出相应的匹配点数;
判断所述匹配点数是否大于或等于第一预设匹配阈值;如果所述匹配点数小于所述第一预设匹配阈值,则判断所述匹配点数是否大于或等于第二预设匹配阈值;其中,所述第一预设匹配阈值大于所述第二预设匹配阈值;
如果所述匹配点数大于或等于所述第二预设匹配阈值,则确定所述待匹配样本与所述指纹模板的重合区域;
重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集;
将所述重组后的指纹模板描述子集与所述重组后的样本描述子集进行匹配以确定出新的匹配点数,并判断所述新的匹配点数是否大于或等于所述第一预设匹配阈值得到相应的判断结果,并基于所述判断结果输出相应的指纹匹配结果。
2.根据权利要求1所述的指纹匹配方法,其特征在于,所述将所述待匹配样本与指纹模板进行匹配以确定出相应的匹配点数,包括:
通过预设距离计算算法计算所述待匹配样本对应的样本描述子集与所述指纹模板对应的模板描述子集之间的距离以得到相应的距离集合;
确定出所述距离集合中的最小距离和次小距离,并基于所述最小距离和所述次小距离确定所述待匹配样本与所述指纹模板是否存在匹配点对;
若是,则统计所述匹配点对以确定出相应的匹配点数。
3.根据权利要求1所述的指纹匹配方法,其特征在于,所述判断所述匹配点数是否大于或等于第一预设匹配阈值之后,还包括:
如果所述匹配点数大于或等于所述第一预设匹配阈值,则判定当前的所述待匹配样本与所述指纹模板匹配成功。
4.根据权利要求1所述的指纹匹配方法,其特征在于,所述确定所述待匹配样本与所述指纹模板的重合区域之前,还包括:
计算所述待匹配样本与所述指纹模板之间的刚性变换矩阵,并基于所述刚性变换矩阵将所述待匹配样本的样本坐标统一至所述指纹模板对应的模板坐标系。
5.根据权利要求1所述的指纹匹配方法,其特征在于,所述重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集,包括:
将所述重合区域内的所述指纹模板对应的模板描述子集进行组合叠加以得到重组后的模板描述子集;
相应的,所述重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集,包括:
将所述重合区域内的所述待匹配样本对应的样本描述子集进行组合叠加以得到重组后的样本描述子集。
6.根据权利要求1所述的指纹匹配方法,其特征在于,所述重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集,包括:
按照预设筛选原则对所述重合区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集,并将所述新的模板描述子集进行组合叠加以得到重组后的模板描述子集。
相应的,所述重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集,包括:
按照所述预设筛选原则对所述重合区域内的所述待匹配样本对应的所述样本描述子集进行筛选得到新的样本描述子集,并将所述新的样本描述子集进行组合叠加以得到重组后的样本描述子集。
7.根据权利要求6所述的指纹匹配方法,其特征在于,所述按照预设筛选原则对所述重合区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集,包括:
基于所述重合区域中的目标区域对所述目标区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集;
或,基于图像质量对所述重合区域内的所述指纹模板对应的模板描述子集中坐标重合的描述子进行筛选得到新的模板描述子集。
8.根据权利要求7所述的指纹匹配方法,其特征在于,所述基于所述重合区域中的目标区域对所述目标区域内的所述指纹模板对应的所述模板描述子集进行筛选得到新的模板描述子集,包括:
将所述重合区域的中间区域确定为目标区域,并对所述目标区域中的所述待匹配样本对应的所述模板描述子集进行筛选得到新的模板描述子集。
9.根据权利要求1至8任一项所述的指纹匹配方法,其特征在于,所述基于所述判断结果输出相应的指纹匹配结果,包括:
当所述判断结果表示所述新的匹配点数大于或等于所述第一预设匹配阈值则输出指纹匹配成功的指纹匹配结果;
当所述判断结果表示所述新的匹配点数小于所述第一预设匹配阈值则输出指纹匹配不成功的指纹匹配结果并重新采集指纹样本以得到新的待匹配样本。
10.一种指纹芯片,其特征在于,包括:
样本采集模块,用于采集指纹样本以得到待匹配样本;
匹配点数确定模块,用于将所述待匹配样本与指纹模板进行匹配以确定出相应的匹配点数;
第一判断模块,用于判断所述匹配点数是否大于或等于第一预设匹配阈值;
第二判断模块,用于当所述匹配点数小于所述第一预设匹配阈值,则判断所述匹配点数是否大于或等于所述第二预设匹配阈值;其中,所述第一预设匹配阈值大于所述第二预设匹配阈值;
重合区域确定模块,用于当所述匹配点数大于或等于所述第二预设匹配阈值,则确定所述待匹配样本与所述指纹模板的重合区域;
描述子重组模块,用于重组所述重合区域内的所述指纹模板对应的模板描述子集以得到重组后的模板描述子集以及重组所述重合区域内的所述待匹配样本对应的样本描述子集以得到重组后的样本描述子集;
匹配模块,将所述重组后的指纹模板描述子集与所述重组后的样本描述子集进行匹配以确定出新的匹配点数;
第三判断模块,判断所述新的匹配点数是否大于或等于所述第一预设匹配阈值得到相应的判断结果;
结果输出模块,用于基于所述判断结果输出相应的指纹匹配结果。
11.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至9任一项所述的指纹匹配方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210108586.8A CN114495180A (zh) | 2022-01-28 | 2022-01-28 | 一种指纹匹配方法、芯片及设备 |
TW111111494A TWI843079B (zh) | 2022-01-28 | 2022-03-25 | 指紋匹配方法、晶片及設備 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210108586.8A CN114495180A (zh) | 2022-01-28 | 2022-01-28 | 一种指纹匹配方法、芯片及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114495180A true CN114495180A (zh) | 2022-05-13 |
Family
ID=81476780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210108586.8A Pending CN114495180A (zh) | 2022-01-28 | 2022-01-28 | 一种指纹匹配方法、芯片及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114495180A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116311395A (zh) * | 2022-08-18 | 2023-06-23 | 荣耀终端有限公司 | 指纹识别的方法和装置 |
-
2022
- 2022-01-28 CN CN202210108586.8A patent/CN114495180A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116311395A (zh) * | 2022-08-18 | 2023-06-23 | 荣耀终端有限公司 | 指纹识别的方法和装置 |
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 |
Also Published As
Publication number | Publication date |
---|---|
TW202331591A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8977861B2 (en) | Method and system for biometric authentication | |
US8670600B2 (en) | Methods and systems for image fingerprinting | |
US11727053B2 (en) | Entity recognition from an image | |
US8260060B2 (en) | Comparison method, comparison system, computer, and program | |
US11003754B2 (en) | Method and apparatus for user authentication based on feature information | |
EP2354998A1 (en) | Method and system of accounting for positional variability of biometric features | |
CN104951680A (zh) | 一种生物特征信息处理方法、保存方法及装置 | |
US10528844B2 (en) | Method and apparatus for distance measurement | |
CN112036125B (zh) | 一种文档管理方法、装置及计算机设备 | |
CN117376632B (zh) | 基于智能深度合成的数据恢复方法和系统 | |
JP2017527894A (ja) | 手書きを使用するユーザ識別登録の管理 | |
JP2015046071A (ja) | 画像認識装置、画像認識方法及び画像認識プログラム | |
CN114495180A (zh) | 一种指纹匹配方法、芯片及设备 | |
CN111651749A (zh) | 基于密码找回账号的方法、装置、计算机设备及存储介质 | |
CN113705650B (zh) | 一种人脸图片集的处理方法、装置、介质和计算设备 | |
JP5107157B2 (ja) | 文字認識プログラム、文字認識装置および文字認識方法 | |
CN110956468B (zh) | 一种指纹支付系统 | |
CN104573132A (zh) | 歌曲查找方法及装置 | |
CN107391980A (zh) | 一种基于设备数据的登录验证方法、装置、设备及存储介质 | |
CN115527244A (zh) | 一种指纹图像匹配方法、装置、计算机设备及存储介质 | |
TWI843079B (zh) | 指紋匹配方法、晶片及設備 | |
JP2015060421A (ja) | 類似画像検索方法及び類似画像検索装置 | |
CN112487065A (zh) | 一种数据检索方法和装置 | |
US10320764B2 (en) | Magnetic strip modification | |
CN115022002B (zh) | 验证方式确定方法、装置、存储介质和电子设备 |
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 |