CN114998942A - 高精度光学指纹识别方法及系统 - Google Patents
高精度光学指纹识别方法及系统 Download PDFInfo
- Publication number
- CN114998942A CN114998942A CN202210635177.3A CN202210635177A CN114998942A CN 114998942 A CN114998942 A CN 114998942A CN 202210635177 A CN202210635177 A CN 202210635177A CN 114998942 A CN114998942 A CN 114998942A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- real
- standard
- time
- data
- 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
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
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V40/1365—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (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)
- Geometry (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明为高精度光学指纹识别方法及系统,获得标准外轮廓区域光学图样和标准指纹特征数据;当实时指纹特征数据的特征点位数量等于标准指纹特征数据的特征点位数量时,比对特征点位数据;当实时指纹特征数据的特征点位数量大于标准指纹特征数据的特征点位数量时,则确定实时第一指纹存在残留指纹图像,比对实时外轮廓区域光学图样和标准外轮廓区域光学图样的重合度是否超过第一阈值,若超过第一阈值则确定比对数据包使用无误,再次比对实时指纹特征数据和标准指纹特征数据的重合度,若超过第二阈值则验证成功;能够通过对指纹录入时的外部图像轮廓和色阶差异来有效判断是否存在残留指纹;能够在存在残留指纹的情况下也准确精准的进行指纹识别判断。
Description
技术领域
本发明涉及光学指纹识别技术领域,尤其涉及一种高精度光学指纹识别方法及系统。
背景技术
指纹识别是图像识别中的一种技术,它利用人手指指纹的唯一性、不变性及便捷性进行个人的身份识别。要实现指纹识别,首先需使用指纹采集器采集下某人的指纹图像,然后通过软件方法进行图像识别。为了区别于捺印指纹,人们常将从个人手指上直接采集的指纹称为实时采集指纹。诸如指纹锁、指纹考勤机、指纹授权系统等指纹识别系统,就是将实时采集指纹与系统指纹数据库中的指纹特征数据进行比对,从而识别个人身份。
指纹检测传感器的检测原理是首先录入检测者的指纹信息,然后保存指纹标准图样形成数据库,当再次检测到录入指纹时,采集实时指纹信息的和预存的指纹标准图样进行匹配。指纹图像这一采集过程中,不可避免地,会在采集器上留存残留指纹。众所周知,手指按在绝大多数光滑物体上都会留下指纹,只是由于手指接触的物体不同,这种指纹的清晰度会不一样。同样地,手指按在采集器的采集面上也会留下指纹,并且,这枚指纹并不随着手指的移开而消失。这枚残留指纹在采集器内部或外部灯光的照射下,会变得足够清晰。采集器的指纹拍照装置照样可以拍下这枚指纹的图像;由于残留指纹的存在,使得光学指纹识别存在了一定的安全隐患;假若残留指纹为指纹验证成功后在采集器上所遗留,那么实时指纹识别系统采集这枚残留指纹进行比对,就可以让系统出现指纹比对成功的误操作;针对这种问题,现有技术采用了例如感应器之类的防呆设施;另一种是在指纹比对时首先判断是否为残留指纹,申请号为201811616278.6的文件公开了一种实时指纹识别方法、系统及计算机可读存储介质;通过比较实时采集指纹图像与前次采集指纹图像的几何位置,判断实时采集指纹图像是否为前次采集指纹图像的残留指纹图像;并在确定实时采集指纹图像不是残留指纹图像的情况下,将实时采集指纹图像与预先存贮的指纹特征数据进行比对。主要是在发现有残留指纹后重新进行采集,并通过比对后将残留指纹图像的两个特征点二维集合位置的变化,来判断出后次采集指纹是否为前次采集指纹的残留指纹;确实可以更好的应对残留指纹的安全问题,但是残留指纹在最近一次的指纹采集中,并不一定为同一用户的指纹,那么这个方法就出现了验证要反复比对,在预存指纹数据量大的时候做不到快速高精度识别,反而导致指纹识别的原本作用弱化,并且,采集指纹时将残留指纹破坏形成指纹图像干涉,这个方法也不能解决;因此,需要一种能够在具有残留指纹时,也能够做到对新采集指纹作出精准识别判断的方法。
发明内容
针对上述技术中存在的现有技术中,残留指纹被采集录入指纹破坏造成干涉,导致识别时长久、识别精度不高的问题;提供一种技术方案进行解决。
为实现上述目的,本发明提供一种高精度光学指纹识别方法,用于将实时采集指纹图像与预先存贮的指纹特征数据比对以识别个人身份,所述实时指纹识别方法包括以下步骤:
进入采集模式:在未采集指纹时获取感光图像,标定为空白图样;采集标准第一指纹,根据标准第一指纹和空白图样比对,获得标准外轮廓区域光学图样和标准指纹特征数据,将所述标准外轮廓区域光学图样和所述标准指纹特征数据绑定形成比对数据包;
进入工作模式:采集实时第一指纹,获得实时第一指纹的实时指纹特征数据和所述实时第一指纹的实时外轮廓区域光学图样;
从所述比对数据包中提取所述标准指纹特征数据;
当所述实时指纹特征数据的特征点位数量等于所述标准指纹特征数据的特征点位数量时,比对特征点位数据;
当所述实时指纹特征数据的特征点位数量大于所述标准指纹特征数据的特征点位数量时,则确定所述实时第一指纹存在残留指纹图像,比对所述实时外轮廓区域光学图样和所述标准外轮廓区域光学图样的重合度是否超过第一阈值,若超过第一阈值则确定所述比对数据包使用无误,再次比对所述实时指纹特征数据和所述标准指纹特征数据的重合度,若超过第二阈值则验证成功。
作为优选,在获取感光图像时,对空白图样的色阶标定为第一色阶;通过色阶差异进行所述标准第一指纹和空白图样比对,获得带有色阶数据的标准外轮廓区域光学图样和标准指纹特征数据。
作为优选,获取所述实时外轮廓区域光学图样和所述实时指纹特征数据时,同步获取色阶数据,当所述实时指纹特征数据的特征点位数量等于所述标准指纹特征数据的特征点位数量时,还需要比对所述实时指纹特征数据和所述标准指纹特征数据中的色阶数据。
作为优选;当确定所述实时第一指纹存在残留指纹时,根据色阶数据分割为疑似残留区域和新增采集区域;将所述疑似残留区域的色阶数据纳入所述实时外轮廓区域光学图样以用于和所述标准外轮廓区域光学图样比对。
作为优选;再次比对所述实时指纹特征数据和所述标准指纹特征数据的重合度时,仅比对所述新增采集区域内的指纹特征数据。
还公开一种高精度光学指纹识别系统,采用上述的方法;识别系统包括:
控制模块进入采集模式时:在未采集指纹时通过采集模块获取感光图像,标定为空白图样;采集标准第一指纹,比对模块用于根据标准第一指纹和空白图样比对,获得标准外轮廓区域光学图样和标准指纹特征数据,将所述标准外轮廓区域光学图样和所述标准指纹特征数据绑定形成比对数据包;
控制模块进入工作模式时:通过采集模块采集实时第一指纹,获得实时第一指纹的实时指纹特征数据和所述实时第一指纹的实时外轮廓区域光学图样;
比对模块用于从所述比对数据包中提取所述标准指纹特征数据;
当所述实时指纹特征数据的特征点位数量等于所述标准指纹特征数据的特征点位数量时,比对特征点位数据;
当所述实时指纹特征数据的特征点位数量大于所述标准指纹特征数据的特征点位数量时,则确定所述实时第一指纹存在残留指纹图像,比对所述实时外轮廓区域光学图样和所述标准外轮廓区域光学图样的重合度是否超过第一阈值,若超过第一阈值则确定所述比对数据包使用无误,再次比对所述实时指纹特征数据和所述标准指纹特征数据的重合度,若超过第二阈值则验证成功。
作为优选,所述比对模块包括色阶单元;当所述采集模块获取感光图像时,所述色阶单元对空白图样的色阶标定为第一色阶;通过色阶差异进行所述标准第一指纹和空白图样比对,获得带有色阶数据的标准外轮廓区域光学图样和标准指纹特征数据。
作为优选,所述采集模块还用于获取所述实时外轮廓区域光学图样和所述实时指纹特征数据时,所述色阶单元同步获取色阶数据,当所述实时指纹特征数据的特征点位数量等于所述标准指纹特征数据的特征点位数量时,还需要比对所述实时指纹特征数据和所述标准指纹特征数据中的色阶数据。
作为优选;当确定所述实时第一指纹存在残留指纹时,根据色阶数据分割为疑似残留区域和新增采集区域;将所述疑似残留区域的色阶数据纳入所述实时外轮廓区域光学图样以用于和所述标准外轮廓区域光学图样比对。
作为优选;再次比对所述实时指纹特征数据和所述标准指纹特征数据的重合度时,仅比对所述新增采集区域内的指纹特征数据。
本发明的有益效果是:本发明公开一种高精度光学指纹识别方法及系统, 在未采集指纹时获取感光图像,标定为空白图样;采集标准第一指纹,根据标准第一指纹和空白图样比对,获得标准外轮廓区域光学图样和标准指纹特征数据,将标准外轮廓区域光学图样和标准指纹特征数据绑定形成比对数据包;进入工作模式采集实时第一指纹,获得实时第一指纹的实时指纹特征数据和实时第一指纹的实时外轮廓区域光学图样;当实时指纹特征数据的特征点位数量等于标准指纹特征数据的特征点位数量时,比对特征点位数据;当实时指纹特征数据的特征点位数量大于标准指纹特征数据的特征点位数量时,则确定实时第一指纹存在残留指纹图像,比对实时外轮廓区域光学图样和标准外轮廓区域光学图样的重合度是否超过第一阈值,若超过第一阈值则确定比对数据包使用无误,再次比对实时指纹特征数据和标准指纹特征数据的重合度,若超过第二阈值则验证成功;能够通过对指纹录入时的外部图像轮廓和色阶差异来有效判断是否存在残留指纹,并且根据有效范围内的特征点验证以及外部轮廓数据验证达到双重核验的效果;能够在存在残留指纹的情况下也准确精准的进行指纹识别判断。
附图说明
图1为本发明的方法流程图;
图2为本发明的系统架构图;
图3为本发明实施例中存在残留指纹时的示意图;
图4为本发明的工作逻辑图。
主要元件符号说明如下:
1、控制模块;
2、采集模块;
3、比对模块;31、色阶单元;
m、实时外轮廓区域光学图样;m1、空白区域;m2/n2、疑似残留区域;
n、实时指纹特征数据;n1、新增采集区域。
具体实施方式
为了更清楚地表述本发明,下面结合附图对本发明作进一步地描述。
在下文描述中,给出了普选实例细节以便提供对本发明更为深入的理解。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部实施例。应当理解所述具体实施例仅用以解释本发明,并不用于限定本发明。
应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在所述特征、整体、步骤、操作、元件或组件,但不排除存在或附加一个或多个其他特征、整体、步骤、操作、元件、组件或它们的组合。
本发明公开一种高精度光学指纹识别方法,请参阅图1、图4;用于将实时采集指纹图像与预先存贮的指纹特征数据比对以识别个人身份,实时指纹识别方法包括以下步骤:
进入采集模式:在未采集指纹时获取感光图像,标定为空白图样;采集标准第一指纹,根据标准第一指纹和空白图样比对,获得标准外轮廓区域光学图样和标准指纹特征数据,将标准外轮廓区域光学图样和标准指纹特征数据绑定形成比对数据包;所谓采集模式就是在光学指纹识别装置初次使用时录入的指纹数据,在这个过程可以保证采集区域的干净无残留,因此能够对光学差异作出反应;同时,空白图样只需要在出厂时采集一次,或者在安装位置采集一次即可,其环境不会再次改变,因此光学环境的影响降低,能够获得标准有效的空白图样;其中的标准外轮廓区域光学图样是指在采集器采集区域范围固定的情况下,能够通过光学反射光线的强度变化来获得未被指纹覆盖的区域,从而得出在一定该手指在按在采集器上时所呈现的一个外部轮廓线,作为判断的依据之一;
进入工作模式:采集实时第一指纹,获得实时第一指纹的实时指纹特征数据和实时第一指纹的实时外轮廓区域光学图样;进入工作模式后,由于采集器的光学区域不会在每次使用完之后进行擦拭,所以难免会残留有污渍和指纹,因此采集到的实时第一指纹,其实时指纹特征数据可能会有残留指纹的叠加特征,而实时外轮廓区域光学图样可能也会出现一定的光学分层;
以实时第一指纹的实时指纹特征数据作为首要判断的标准,从比对数据包中提取标准指纹特征数据;因为实时指纹特征数据作为更加规范标准的比对信息,能够作为索引调取比对信息,同时比对速度更加快速,因此利用指纹特征数据来调取快速调取比对数据包进行比对;
当实时指纹特征数据的特征点位数量等于标准指纹特征数据的特征点位数量时,比对特征点位数据;因为根据公共安全行业标准(GA 1012-2012)《居民身份证指纹采集和比对技术规范》,描述指纹特征的指纹特征数据由指纹中心点与多个指纹细节特征点组成;因此核对的数据量多为二维系统内的点位特征,那么在有且仅有一个指纹存在时,其采集到的实时指纹特征数据的特征点位数量与标准指纹特征数据的特诊该点位数量会相同,即便不相等也是在一个极小的误差范围内;因为指纹特征数据是录入比对数据库内所有数据,因此是遍历式的比对,所以不存在错漏情况,并且数据量不会过多,所以这种方式普遍应用;在这个过程中,假设特征数据点位小于标准指纹特征点位数量,那么明显不能通过验证;如果多于标准指纹特征点位数量,那么只能是非法指纹(未录入标准指纹特征数据的用户),或者是存在残留指纹;
当实时指纹特征数据的特征点位数量大于标准指纹特征数据的特征点位数量时,则确定实时第一指纹存在残留指纹图像,比对实时外轮廓区域光学图样和标准外轮廓区域光学图样的重合度是否超过第一阈值,若超过第一阈值则确定比对数据包使用无误,由于残留指纹不会对光线进行覆盖,只会造成反射光线强度不一的差别,因此在实际存在手指按压在采集器上时,色阶差异能够分辨出手指覆盖范围和其它范围,那么实时外轮廓区域光学图样就可以作为第二判断标准,并且其比对更加简单精准,因为外轮廓区域光学图样呈现的特征包括面积和手指轮廓线,手指轮廓线能够实时反应正是按压状态下的二维线条,比对简单,并且不容易模仿;那么当再次实时外轮廓区域光学图样验证成功,说明真实按压的手指确实应该和这个比对数据包的数据比对,因此再返回比对实时指纹特征数据和标准指纹特征数据的重合度,若超过第二阈值则验证成功。
在本实施例中,在获取感光图像时,对空白图样的色阶标定为第一色阶;通过色阶差异进行标准第一指纹和空白图样比对,获得带有色阶数据的标准外轮廓区域光学图样和标准指纹特征数据。因为出厂定义色阶受到安装环境的影响较大,可能在后续使用中不够准确,因此利用系统在安装环境中自我定义比对,能够在统一光学环境下进行定义和比对以消除部分误差。
在本实施例中,获取实时外轮廓区域光学图样和实时指纹特征数据时,同步获取色阶数据,当实时指纹特征数据的特征点位数量等于标准指纹特征数据的特征点位数量时,还需要比对实时指纹特征数据和标准指纹特征数据中的色阶数据。能够防止残留的指纹被油污等其他物体加持构成立体图形;因此通过色阶数据比对可以获知是否有真实手指按压获得,毕竟残留指纹和最近一次按压的位置不可能完全相同,因此可以做到有效性检测。
在本实施例中;当确定实时第一指纹存在残留指纹时,根据色阶数据分割为疑似残留区域和新增采集区域;将疑似残留区域的色阶数据纳入实时外轮廓区域光学图样以用于和标准外轮廓区域光学图样比对。所谓疑似残留区域就是区别于完全通透的采集器光照区域,又区别于有实际手指按压的光强,因此大概率为残留指纹所存在的区域,那么对应的另外一个区域就是新增采集区域,也就是手指实际覆盖的位置,正如前文所说,手机实际按压的位置不可能完全和存留指纹位置一致,也就无法完全破坏残留指纹中的指纹特征信息,因此会出现特征点数量的差异变化;通过色阶差别获得有疑似残留区域后,既可以将其纳入到实时才轮廓区域光学图样进行比对,进一步保证其比对的精准度和速度。
在本实施例中;再次比对实时指纹特征数据和标准指纹特征数据的重合度时,仅比对新增采集区域内的指纹特征数据。
还公开一种高精度光学指纹识别系统,请参阅图2;采用上述的方法;识别系统包括:
控制模块1进入采集模式时:在未采集指纹时通过采集模块获取感光图像,标定为空白图样;采集模块2采集标准第一指纹,比对模块3用于根据标准第一指纹和空白图样比对,获得标准外轮廓区域光学图样和标准指纹特征数据,将标准外轮廓区域光学图样和标准指纹特征数据绑定形成比对数据包;
控制模块1进入工作模式时:通过采集模块2采集实时第一指纹,获得实时第一指纹的实时指纹特征数据和实时第一指纹的实时外轮廓区域光学图样;
比对模块3用于从比对数据包中提取标准指纹特征数据;
当实时指纹特征数据的特征点位数量等于标准指纹特征数据的特征点位数量时,比对特征点位数据;
当实时指纹特征数据的特征点位数量大于标准指纹特征数据的特征点位数量时,则确定实时第一指纹存在残留指纹图像,比对实时外轮廓区域光学图样和标准外轮廓区域光学图样的重合度是否超过第一阈值,若超过第一阈值则确定比对数据包使用无误,再次比对实时指纹特征数据和标准指纹特征数据的重合度,若超过第二阈值则验证成功。
在本实施例中,比对模块3包括色阶单元31;当采集模块获取感光图像时,色阶单元对空白图样的色阶标定为第一色阶;通过色阶差异进行标准第一指纹和空白图样比对,获得带有色阶数据的标准外轮廓区域光学图样和标准指纹特征数据。
在本实施例中,采集模块还用于获取实时外轮廓区域光学图样和实时指纹特征数据时,色阶单元同步获取色阶数据,当实时指纹特征数据的特征点位数量等于标准指纹特征数据的特征点位数量时,还需要比对实时指纹特征数据和标准指纹特征数据中的色阶数据。
在本实施例中;当确定实时第一指纹存在残留指纹时,根据色阶数据分割为疑似残留区域和新增采集区域;将疑似残留区域的色阶数据纳入实时外轮廓区域光学图样以用于和标准外轮廓区域光学图样比对。
在本实施例中;再次比对实时指纹特征数据和标准指纹特征数据的重合度时,仅比对新增采集区域内的指纹特征数据。
具体的,请参阅图3;例如在采集模式种采集到至少两个标准指纹A和B,标准指纹A包括数据(a1,a2),a1数据代表标准指纹特征数据,a2标识标准外轮廓区域光学图样;并在数据内含有面积、色阶定义和特征点位信息等;标准指纹B包括数据(b1,b2),b1数据代表标准指纹特征数据,b2标识标准外轮廓区域光学图样;并在数据内含有面积、色阶定义和特征点位信息等;进入工作模式后,采集到指纹C,包含数据(c1,c2),首先利用c1与a1和b2比对,如果存在一个特征点位数量一致且信息正确超过标准范围,则指纹C为合法指纹,也就是AB中的一个;假设c1和a1、b2均不存在相同的特征点位,则代表存在残留指纹;那么利用c2和a2、b2进行比对,主要比对为轮廓线和色阶面积,当指纹C和存留指纹D存在交集时,在指纹采集器上存在这么几个光学强度不同的色阶区域,包括m区域:实时外轮廓区域光学图样和n区域:实时指纹特征数据;m区域包含m1区域和m2区域,m1区域代表与第一色阶基本相同的空白区域,m2区域代表疑似残留区域;n区域包括n1区域和n2区域,n1区域代表新增采集区域,也就是具有实体手指按压覆盖的区域,通过光照强度反馈的色阶判断;n2区域代表疑似残留区域;在计算过程首先获得n2区域,然后将其归类到m区域中作为m2区域进行比对;当m1+m2区域与a2、b2中的一个数据重合度超过第一阈值时(假设为a2),则认定指纹A的比对数据包为主要比对内容,再将n1区域和a1的数据进行比对,重合度超过第二阈值则认定该实时采集的职位为指纹A,为合法指纹,并且第二阈值的可以相对调整下降,因为存在m2区域的干扰,因此不能将完整指纹状态的标准套用在存在干扰判断上使用,而利用了m区域的辅助判断,能够断定指纹基本未错,那么核对n1区域的部分特征也具有唯一性和准确性,并且提高了运算效率和比对精度。
本发明的优势在于:
能够通过对指纹录入时的外部图像轮廓和色阶差异来有效判断是否存在残留指纹,并且根据有效范围内的特征点验证以及外部轮廓数据验证达到双重核验的效果;能够在存在残留指纹的情况下也准确精准的进行指纹识别判断。
以上公开的仅为本发明的几个具体实施例,但是本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种高精度光学指纹识别方法,用于将实时采集指纹图像与预先存贮的指纹特征数据比对以识别个人身份,其特征在于,所述实时指纹识别方法包括以下步骤:
进入采集模式:在未采集指纹时获取感光图像,标定为空白图样;采集标准第一指纹,根据标准第一指纹和空白图样比对,获得标准外轮廓区域光学图样和标准指纹特征数据,将所述标准外轮廓区域光学图样和所述标准指纹特征数据绑定形成比对数据包;
进入工作模式:采集实时第一指纹,获得实时第一指纹的实时指纹特征数据和所述实时第一指纹的实时外轮廓区域光学图样;
从所述比对数据包中提取所述标准指纹特征数据;
当所述实时指纹特征数据的特征点位数量等于所述标准指纹特征数据的特征点位数量时,比对特征点位数据;
当所述实时指纹特征数据的特征点位数量大于所述标准指纹特征数据的特征点位数量时,则确定所述实时第一指纹存在残留指纹图像,比对所述实时外轮廓区域光学图样和所述标准外轮廓区域光学图样的重合度是否超过第一阈值,若超过第一阈值则确定所述比对数据包使用无误,再次比对所述实时指纹特征数据和所述标准指纹特征数据的重合度,若超过第二阈值则验证成功。
2.根据权利要求1所述的高精度光学指纹识别方法,其特征在于,在获取感光图像时,对空白图样的色阶标定为第一色阶;通过色阶差异进行所述标准第一指纹和空白图样比对,获得带有色阶数据的标准外轮廓区域光学图样和标准指纹特征数据。
3.根据权利要求2所述的高精度光学指纹识别方法,其特征在于,获取所述实时外轮廓区域光学图样和所述实时指纹特征数据时,同步获取色阶数据,当所述实时指纹特征数据的特征点位数量等于所述标准指纹特征数据的特征点位数量时,还需要比对所述实时指纹特征数据和所述标准指纹特征数据中的色阶数据。
4.根据权利要求3所述的高精度光学指纹识别方法,其特征在于;当确定所述实时第一指纹存在残留指纹时,根据色阶数据分割为疑似残留区域和新增采集区域;将所述疑似残留区域的色阶数据纳入所述实时外轮廓区域光学图样以用于和所述标准外轮廓区域光学图样比对。
5.根据权利要求4所述的高精度光学指纹识别方法,其特征在于;再次比对所述实时指纹特征数据和所述标准指纹特征数据的重合度时,仅比对所述新增采集区域内的指纹特征数据。
6.一种高精度光学指纹识别系统,其特征在于,采用权利要求1-5任一项所述的方法;识别系统包括:
控制模块进入采集模式时:在未采集指纹时通过采集模块获取感光图像,标定为空白图样;采集模块采集标准第一指纹,比对模块用于根据标准第一指纹和空白图样比对,获得标准外轮廓区域光学图样和标准指纹特征数据,将所述标准外轮廓区域光学图样和所述标准指纹特征数据绑定形成比对数据包;
控制模块进入工作模式时:通过采集模块采集实时第一指纹,获得实时第一指纹的实时指纹特征数据和所述实时第一指纹的实时外轮廓区域光学图样;
比对模块用于从所述比对数据包中提取所述标准指纹特征数据;
当所述实时指纹特征数据的特征点位数量等于所述标准指纹特征数据的特征点位数量时,比对特征点位数据;
当所述实时指纹特征数据的特征点位数量大于所述标准指纹特征数据的特征点位数量时,则确定所述实时第一指纹存在残留指纹图像,比对所述实时外轮廓区域光学图样和所述标准外轮廓区域光学图样的重合度是否超过第一阈值,若超过第一阈值则确定所述比对数据包使用无误,再次比对所述实时指纹特征数据和所述标准指纹特征数据的重合度,若超过第二阈值则验证成功。
7.根据权利要求6所述的高精度光学指纹识别系统,其特征在于,所述比对模块包括色阶单元;当所述采集模块获取感光图像时,所述色阶单元对空白图样的色阶标定为第一色阶;通过色阶差异进行所述标准第一指纹和空白图样比对,获得带有色阶数据的标准外轮廓区域光学图样和标准指纹特征数据。
8.根据权利要求7所述的高精度光学指纹识别系统,其特征在于,所述采集模块还用于获取所述实时外轮廓区域光学图样和所述实时指纹特征数据时,所述色阶单元同步获取色阶数据,当所述实时指纹特征数据的特征点位数量等于所述标准指纹特征数据的特征点位数量时,还需要比对所述实时指纹特征数据和所述标准指纹特征数据中的色阶数据。
9.根据权利要求8所述的高精度光学指纹识别系统,其特征在于;当确定所述实时第一指纹存在残留指纹时,根据色阶数据分割为疑似残留区域和新增采集区域;将所述疑似残留区域的色阶数据纳入所述实时外轮廓区域光学图样以用于和所述标准外轮廓区域光学图样比对。
10.根据权利要求9所述的高精度光学指纹识别系统,其特征在于;再次比对所述实时指纹特征数据和所述标准指纹特征数据的重合度时,仅比对所述新增采集区域内的指纹特征数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635177.3A CN114998942A (zh) | 2022-06-07 | 2022-06-07 | 高精度光学指纹识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635177.3A CN114998942A (zh) | 2022-06-07 | 2022-06-07 | 高精度光学指纹识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114998942A true CN114998942A (zh) | 2022-09-02 |
Family
ID=83033592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210635177.3A Pending CN114998942A (zh) | 2022-06-07 | 2022-06-07 | 高精度光学指纹识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998942A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115184368A (zh) * | 2022-09-07 | 2022-10-14 | 枣庄市胜达精密铸造有限公司 | 一种铸件缺陷检测控制系统 |
-
2022
- 2022-06-07 CN CN202210635177.3A patent/CN114998942A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115184368A (zh) * | 2022-09-07 | 2022-10-14 | 枣庄市胜达精密铸造有限公司 | 一种铸件缺陷检测控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7120280B2 (en) | Fingerprint template generation, verification and identification system | |
CN100414558C (zh) | 基于模板学习的自动指纹识别系统和方法 | |
US5610993A (en) | Method of co-centering two images using histograms of density change | |
US10445552B2 (en) | Biometric feature extraction using multiple image instantiations | |
CN101379488A (zh) | 用于评估图像质量的方法、用于生成文件的方法、计算机程序产品、用户接口、数据文件及电子装置 | |
CN104978578A (zh) | 手机拍照文本图像质量评估方法 | |
US20070292005A1 (en) | Method and apparatus for adaptive hierarchical processing of print images | |
CN114998942A (zh) | 高精度光学指纹识别方法及系统 | |
WO1998025227A1 (en) | Biometric security encryption system | |
CN116740794B (zh) | 人脸伪造图像鉴别方法、系统、设备及存储介质 | |
CN111178347B (zh) | 证件图像的模糊度检测方法、装置、设备及存储介质 | |
CN109740569B (zh) | 基于编码器-解码器的手指静脉成像时残缺信息复原方法 | |
CN110826551A (zh) | 一种机动车vin码拓印模图像的智能甄别方法 | |
US11562557B2 (en) | Character-recognition sharpness determinations | |
CN113128543B (zh) | 图像匹配方法、应用测试方法及装置和系统 | |
CN114120309A (zh) | 一种仪表读数识别方法、装置及计算机设备 | |
US20080240522A1 (en) | Fingerprint Authentication Method Involving Movement of Control Points | |
CN111178346B (zh) | 文字区域的定位方法、装置、设备及存储介质 | |
JPS63132386A (ja) | 指紋照合方法 | |
CN110674663B (zh) | 一种小程序码的识别方法及系统 | |
KR20040090548A (ko) | 지문검지 및 잔류지문 판별방법 | |
Borole et al. | Statistical Feature Based Digital Camera Identification | |
JP2943814B2 (ja) | 指紋画像登録方式 | |
JP3033595B2 (ja) | 指紋画像登録方法 | |
WO2021209412A1 (fr) | Procede de detection d'attaque par presentation pour des empreintes digitales |
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 |