CN116229523A - 一种指纹姿态估计方法、装置和设备 - Google Patents

一种指纹姿态估计方法、装置和设备 Download PDF

Info

Publication number
CN116229523A
CN116229523A CN202211694872.3A CN202211694872A CN116229523A CN 116229523 A CN116229523 A CN 116229523A CN 202211694872 A CN202211694872 A CN 202211694872A CN 116229523 A CN116229523 A CN 116229523A
Authority
CN
China
Prior art keywords
finger
fingerprint
image
acquiring
extracting
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
Application number
CN202211694872.3A
Other languages
English (en)
Inventor
苏毅婧
李俊
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.)
Quanzhou Institute of Equipment Manufacturing
Original Assignee
Quanzhou Institute of Equipment Manufacturing
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 Quanzhou Institute of Equipment Manufacturing filed Critical Quanzhou Institute of Equipment Manufacturing
Priority to CN202211694872.3A priority Critical patent/CN116229523A/zh
Publication of CN116229523A publication Critical patent/CN116229523A/zh
Pending legal-status Critical Current

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
    • G06V40/1335—Combining adjacent partial images (e.g. slices) to create a composite input or reference pattern; Tracking a sweeping finger movement
    • 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)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Input (AREA)

Abstract

本发明公开了一种指纹姿态估计方法、装置和设备，方法包括：获取指纹采集时对手指拍摄的手指图像；从手指图像中提取手指非指纹区域特征，手指非指纹区域特征至少包括手指轮廓、指关节纹理、指关节褶线和指甲边缘中的一种；通过手指非指纹区域特征计算采集的指纹在手指上的姿态信息。本发明提供的技术方案，能够提高指纹姿态估计的准确率。

Description

一种指纹姿态估计方法、装置和设备
技术领域
本发明涉及指纹识别领域，具体涉及一种指纹姿态估计方法、装置和设备。
背景技术
指纹图像是进行身份识别的重要生物信息之一。由于大多数指纹采集设备没有严格限定指纹的采集姿势，往往无法获取到具有统一姿态(角度或者在手指上的位置等)的指纹图像。因此在指纹图像匹配算法中，估计指纹图像姿态，或者图像间的相对姿态变换关系是较为重要的一个环节。
现有技术主要是基于指纹的特征点(如奇异点等)、或者纹理特征规律对指纹姿态进行估计。但是弓型纹等类型的指纹存在不稳定的特征点，只能依赖人工经验提取如脊线上曲率最高的点等作为基准。依赖纹理特征规律的方法，往往需要事先统一指纹姿态之后再进行规律的统计与学习。此外，当指纹图像中出现部分缺失或者扭曲时，更加难以获得稳定的姿态信息。因此，单纯从指纹纹理获取其在手指上的姿态信息具有局限性，效果不佳，需要一种新的指纹姿态估计方法提高指纹姿态估计的准确率。
发明内容
有鉴于此，本发明实施方式提供了一种指纹姿态估计方法、装置和设备，从而提高了指纹姿态估计的准确率。
根据第一方面，本发明实施例提供了一种指纹姿态估计方法，所述方法包括：获取指纹采集时对手指拍摄的手指图像；从所述手指图像中提取手指非指纹区域特征，所述手指非指纹区域特征至少包括手指轮廓、指关节纹理、指关节褶线和指甲边缘中的一种；通过所述手指非指纹区域特征计算采集的指纹在手指上的姿态信息。
可选地，所述获取指纹采集时对手指拍摄的手指图像，包括：获取指纹采集时对手指拍摄的手指正面图像和手指侧面图像。
可选地，所述获取指纹采集时对手指拍摄的手指正面图像和手指侧面图像，包括：获取指纹采集设备的第一俯视图和第一侧视图；获取手指放置在指纹采集设备时的第二俯视图和第二侧视图；对所述第二俯视图和所述第一俯视图做差，得到所述手指正面图像；对所述第二侧视图和所述第一侧视图做差，得到所述手指侧面图像。
可选地，所述从所述手指图像中提取手指非指纹区域特征，包括：提取所述手指正面图像的像素点集，并计算所述像素点集投影方差最大的维度方向；从所述手指侧面图像中提取第一指关节褶线和手指边缘相交的位置像素点，并从所述手指侧面图像中提取手指与指纹采集设备接触段的两侧端点，所述第一指关节褶线是手指指尖一节与手指中节间的指关节褶线；将所述维度方向、所述位置像素点和所述两侧端点作为所述手指非指纹区域特征。
可选地，所述从所述手指侧面图像中提取第一指关节褶线和手指边缘相交的位置像素点，包括：通过预设的卷积神经网络模块从所述手指侧面图像中识别手指指尖一节与手指中节间的所述第一指关节褶线；获取所述手指侧面图像的边缘图像；对所述边缘图像和所述第一指关节褶线执行相与运算，得到相与结果；计算所述相与结果的质心位置，得到所述位置像素点。
可选地，所述从所述手指侧面图像中提取手指与指纹采集设备接触段的两侧端点，包括：通过Hough直线检测算子检测所述手指侧面图像中的直线；从检测的直线中选取位于图像最下方的目标直线，并将所述目标直线的两侧端点作为手指与指纹采集设备接触段的两侧端点。
可选地，所述通过所述手指非指纹区域特征计算采集的指纹在手指上的姿态信息，包括：计算所述两侧端点中靠近所述第一指关节褶线的端点和所述位置像素点之间的第一直线距离；计算所述两侧端点之间的第二直线距离；以所述位置像素点为区间起点，以所述第一直线距离和所述第二直线距离的和为区间长度确定指纹位于手指的区间范围；基于所述维度方向确定指纹偏移角度；将所述区间范围和所述指纹偏移角度作为所述姿态信息。
根据第二方面，本发明实施例提供了一种指纹姿态估计装置，所述装置包括：图像采集模块，用于获取指纹采集时对手指拍摄的手指图像；非指纹区域特征提取模块，用于从所述手指图像中提取手指非指纹区域特征，所述手指非指纹区域特征至少包括手指轮廓、指关节纹理、指关节褶线和指甲边缘中的一种；姿态估计模块，用于通过所述手指非指纹区域特征计算采集的指纹在手指上的姿态信息。
根据第三方面，本发明实施例提供了一种指纹姿态估计设备，包括：指纹采集设备、手指摄像设备和控制器；所述指纹采集设备用于采集指纹，所述手指摄像设备用于在指纹采集设备采集指纹时对手指进行拍摄；所述控制器包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
本申请提供的技术方案，具有如下优点：
本申请提供的技术方案，获取指纹采集时对手指拍摄的手指图像；从手指图像中提取手指非指纹区域特征，手指非指纹区域特征至少包括手指轮廓、指关节手背侧的纹理、指关节褶线和指甲边缘中的一种；最后通过手指非指纹区域特征计算采集的指纹在手指上的姿态信息。相比现有技术单纯从指纹纹理获取其在手指上的姿态信息具有局限性，本发明实施例从手指非指纹区域的特征(如手指轮廓、指关节纹理或者指甲边缘等)入手，多种手指非指纹区域的特征有助于定位指纹姿态，从而本发明提出了另一种基于手指非指纹区域的特征估计指纹姿态的方法，提高了指纹姿态估计的准确率。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了本发明一个实施方式中一种指纹姿态估计方法的步骤示意图；
图2示出了本发明一个实施方式中手指摄像设备采集的第一俯视图的效果示意图；
图3示出了本发明一个实施方式中手指摄像设备采集的第二俯视图的效果示意图；
图4示出了本发明一个实施方式中手指正面图像的效果示意图；
图5示出了本发明一个实施方式中基于手指正面图像计算的维度方向的效果示意图；
图6示出了本发明一个实施方式中手指侧面图像的识别结果示意图；
图7示出了本发明一个实施方式中一种指纹姿态估计装置的结构示意图；
图8示出了本发明一个实施方式中一种指纹姿态估计设备的结构示意图；
图9示出了本发明一个实施方式中控制器的结构示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域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方式，都属于本发明保护的范围。
请参阅图1，在一个实施方式中，一种指纹姿态估计方法，具体包括以下步骤：
步骤S101：获取指纹采集时对手指拍摄的手指图像。
具体地，当用户将手指放置在指纹采集设备上进行指纹采集时，同时采集用户的手指图像，采集用户手指图像的设备包括但不限于摄像机、手机摄像头、监控摄像头等具有拍摄功能的设备。
步骤S102：从手指图像中提取手指非指纹区域特征，手指非指纹区域特征至少包括手指轮廓、指关节纹理、指关节褶线和指甲边缘中的一种。
具体地，通过图像识别、轮廓检测等算法从用户的手指图像中提取用户的非指纹区域特征，至少包括手指轮廓、指关节纹理(特别是指关节手背侧的纹理)、指关节褶线和指甲边缘中的一种，从而通过非指纹区域特征确定手指的摆放位置。
步骤S103：通过手指非指纹区域特征计算采集的指纹在手指上的姿态信息。
具体地，本发明实施例通过对上一步骤采集的手指非指纹区域特征进行分析，首先可以确定手指非指纹区域特征的大小、长短、位置和方向等信息，从而借助手指非指纹区域特征计算用户的手指摆放角度和位置，进而可以将指纹采集设备采集的指纹对应在用户手指的一部分区域，对应在手指的某个摆放角度，从而得到更加准确的指纹姿态信息。相比现有技术单纯从指纹纹理获取其在手指上的姿态信息具有局限性，本发明实施例从手指非指纹区域的特征入手，多种手指非指纹区域特征有助于定位指纹姿态，提出了另一种基于手指非指纹区域的特征估计指纹姿态的方法，综合考虑更多姿态因素，提高了指纹姿态估计的准确率。
具体地，在一实施例中，上述步骤S101，具体包括如下步骤：
步骤零：获取指纹采集时对手指拍摄的手指正面图像和手指侧面图像。
具体地，本发明实施例采集手指非指纹区域特征分别从手指的正面和侧面入手，手指摄像设备可以有多个同时采集，例如本发明实施例在指纹采集设备的正上方，左侧及右侧分别布置三个手指摄像设备。通过对手指的全方位拍摄，捕获完善的手指非指纹区域特征，从而根据更为完善的手指非指纹区域特征能够提高手指姿态分析的准确度。
具体地，在一实施例中，上述步骤零具体包括如下步骤：
步骤一：获取指纹采集设备的第一俯视图和第一侧视图。
具体地，为了进一步提高手指非指纹区域特征提取的准确率，本发明实施例通过过滤手指图像的背景部分从而降低冗余像素对特征提取步骤的影响。首先，通过手指摄像设备拍摄指纹采集设备的第一俯视图和第一侧视图作为背景图像，例如图2所示，是手指摄像设备拍摄的指纹采集设备的第一俯视图。
步骤二：获取手指放置在指纹采集设备时的第二俯视图和第二侧视图。
具体地，当用户手指放置在指纹采集设备上进行指纹采集时，通过手指摄像设备在相同的位置再次拍摄第二俯视图和第二侧视图，如图3所示，是手指放置在指纹采集设备上拍摄的第二俯视图。
步骤三：对第二俯视图和第一俯视图做差，得到手指正面图像。
步骤四：对第二侧视图和第一侧视图做差，得到手指侧面图像。
具体地，本发明实施例通过背景差法分割得到手部区域图像集合
Figure BDA0004023004210000061
Figure BDA0004023004210000071
式中，i表示第i幅图像，N表示其中第一俯视图、第二俯视图、第一侧视图和第二侧视图均拍摄了N幅，
Figure BDA0004023004210000072
表示第i幅手指正面图像或手指侧面图像，T为噪声阈值，/>
Figure BDA0004023004210000073
是第i幅第一俯视图或第一侧视图，Ii是第i幅对应的第二俯视图或第二侧视图。
通过背景差法得到只包含手指区域的手指正面图像和手指侧面图像(例如图4所示的减除背景之后的手指正面图像)。之后，将提取的手指正面图像和手指侧面图像转化为二值图，即可从图中准确提取手指的非指纹区域特征，提高指纹姿态估计准确率。
具体地，在一实施例中，上述步骤S102，具体包括如下步骤：
步骤五：提取手指正面图像的像素点集，并计算像素点集投影方差最大的维度方向。
具体地，选取手指正面图像，对其进行二值化处理后提取手指正面图像的像素点集Pt，
Figure BDA0004023004210000074
(即只包含手指部分的像素点集，x，y为像素坐标)，然后使用主成分分析法求解使得像素点集Pt各个像素点坐标投影方差最大的维度方向/>
Figure BDA0004023004210000075
具体步骤为：1、将像素点集中的所有样本点平移至样本空间的中心位置，使当前像素点集中的样本中心化，换言之，将像素点集中的每个样本减去样本均值。2、针对中心化后的样本，计算各个样本关于某个特征方向向量的投影。3、基于各个样本关于某个特征方向向量的投影计算各个样本的投影方差。4、基于各个样本的投影方差计算投影方差总和。5、采用拉格朗日乘数法处理投影方差总和最大的优化问题。6、将优化计算的像素点集协方差矩阵的最大特征值对应的特征向量作为最优特征方向，即维度方向/>
Figure BDA0004023004210000076
计算得到的维度方向如图5所示。通过该方向即可确定采集的指纹在手指上的角度。
步骤六：从手指侧面图像中提取第一指关节褶线和手指边缘相交的位置像素点，并从手指侧面图像中提取手指与指纹采集设备接触段的两侧端点，第一指关节褶线是手指指尖一节与手指中节间的指关节褶线。
具体地，如图6所示，本发明实施例通过图像识别算法从手指侧面图像中识别出手指指尖一节与手指中节间的第一指关节褶线L，然后计算第一指关节褶线L和手指边缘相交的位置像素点X3。同时，通过图像边缘检测算法从手指侧面图像中提取手指与指纹采集设备接触段的两侧端点X1和X2。
步骤七：将维度方向、位置像素点和两侧端点作为手指非指纹区域特征。
最后，将上述步骤识别的维度方向
Figure BDA0004023004210000081
位置像素点X3、两侧端点X1和X2作为手指非指纹区域特征，即可准确估计采集的指纹是手指在哪一种角度状态下的结果，采集的指纹是手指多少按压力下的结果，采集的指纹区域占手指的具体范围和面积，从而提高了指纹姿态估计的准确率。
具体地，在一实施例中，上述步骤六具体包括如下步骤：
步骤八：通过预设的卷积神经网络模块从手指侧面图像中识别手指指尖一节与手指中节间的第一指关节褶线。
具体地，本发明实施例批量采集手指侧面图像，并人工标记褶线位置。预先训练卷积神经网络模块用于检测手指褶线L，选取得分最高的连通区域作为最终结果。其中，褶线L为二值图，取值为1的部分为褶线区域，取值为O的部分为非褶线区域。通过卷积神经网络模块从手指侧面图像中识别手指指尖一节与手指中节间的第一指关节褶线，保证了指关节褶线识别的准确率。
步骤九：获取手指侧面图像的边缘图像。
步骤十：对边缘图像和第一指关节褶线执行相与运算，得到相与结果。
步骤十一：计算相与结果的质心位置，得到位置像素点。
具体地，本发明实施例通过包括但不限于canny边缘检测、sobel边缘检测等边缘检测算法提取手指侧面图像的边缘图像，并以二值图的形式进行存储，取值为1的部分为边缘区域，取值为O的部分为非边缘区域。然后，计算第一指关节褶线L与手指相交的位置像素点X3。具体为将褶线图L和边缘图像进行相与的运算，得到相与结果记为A，最后求取A的质心位置，即为X3。
步骤十二：通过Hough直线检测算子检测手指侧面图像中的直线；
步骤十三：从检测的直线中选取位于图像最下方的目标直线，并将目标直线的两侧端点作为手指与指纹采集设备接触段的两侧端点。
具体地，本发明实施例从手指侧面图像上提取手指与指纹采集设备接触段的两侧端点{X1，X2}。当手指肚按压在指纹采集设备时，考虑到手指肚的曲线会因为按压作用变为贴合指纹采集设备的直线，从而本发明实施例使用Hough直线检测算子检测手指侧面图像上的直线，而手指的其他部位基本均为曲线，从而检测出的直线数量较少，对数据影响较小。然后选取位于手指侧面图像最下方的直线，即可准确定位手指与指纹采集设备接触段的两侧端点{X1，X2}，例如点X1为靠近指尖的点，点X2为靠近褶线的点。
具体地，在一实施例中，上述步骤S103，具体包括如下步骤：
步骤十四：计算两侧端点中靠近第一指关节褶线的端点和位置像素点之间的第一直线距离。
步骤十五：计算两侧端点之间的第二直线距离。
具体地，识别了手指与指纹采集设备接触段的两侧端点{X1，X2}和位置像素点后，计算靠近第一指关节褶线的端点和位置像素点之间的第一直线距离，例如图6中，X2和X3之间的直线距离为第一直线距离。并计算两侧端点之间的第二直线距离，如图6中X1和X2之间的直线距离为第二直线距离。
步骤十六：以位置像素点为区间起点，以第一直线距离和第二直线距离的和为区间长度确定指纹位于手指的区间范围。
具体地，当手指没有按压在指纹采集设备上时，手指肚的侧面形状为曲线，本发明实施例以第一直线距离和第二直线距离的和近似代替手指肚的侧面曲线的曲线长度，以位置像素点为区间起点，以第一直线距离和第二直线距离的和为区间长度，即可确定一个区间范围，表示为(X3，X3+d1+d2)，其中X3为位置像素点的坐标，表示区间起点，d1和d2分别表示第一直线距离和第二直线距离。
步骤十七：基于维度方向确定指纹偏移角度。
步骤十八：将区间范围和指纹偏移角度作为姿态信息。
最后，将维度方向
Figure BDA0004023004210000101
映射到手指俯视图坐标系，计算指纹在手指上的偏移角度，将指纹偏移角度作为指纹的方向信息，将上述区间范围(X3，X3+d1+d2)作为指纹位于用户手指的位置信息，通过本发明实施例提供的方案，能够准确估计出指纹的姿态信息，提高了指纹姿态估计的准确性。
通过上述步骤，本申请提供的技术方案，通过获取指纹采集时对手指拍摄的手指图像；从手指图像中提取手指非指纹区域特征(手指非指纹区域特征至少包括手指轮廓、指关节褶线和指甲边缘中的一种)；最后通过手指非指纹区域特征计算采集的指纹在手指上的姿态信息。相比现有技术单纯从指纹纹理获取其在手指上的姿态信息具有局限性，本发明实施例从手指非指纹区域的特征(如手指轮廓、指关节纹理或者指甲边缘等)入手，多种手指非指纹区域的特征有助于定位指纹姿态，从而本发明提出了另一种基于手指非指纹区域的特征估计指纹姿态的方法，提高了指纹姿态估计的准确率。
如图7所示，本实施例还提供了一种指纹姿态估计装置，该装置包括：
图像采集模块101，用于获取指纹采集时对手指拍摄的手指图像。详细内容参见上述方法实施例中步骤S101的相关描述，在此不再进行赘述。
非指纹区域特征提取模块102，用于从手指图像中提取手指非指纹区域特征，手指非指纹区域特征至少包括手指轮廓、指关节褶线和指甲边缘中的一种。详细内容参见上述方法实施例中步骤S102的相关描述，在此不再进行赘述。
姿态估计模块103，用于通过手指非指纹区域特征计算采集的指纹在手指上的姿态信息。详细内容参见上述方法实施例中步骤S103的相关描述，在此不再进行赘述。
本发明实施例提供的指纹姿态估计装置，用于执行上述实施例提供的指纹姿态估计方法，其实现方式与原理相同，详细内容参见上述方法实施例的相关描述，不再赘述。
通过上述各个组成部分的协同合作，本申请提供的技术方案，通过获取指纹采集时对手指拍摄的手指图像；从手指图像中提取手指非指纹区域特征(手指非指纹区域特征至少包括手指轮廓、指关节褶线和指甲边缘中的一种)；最后通过手指非指纹区域特征计算采集的指纹在手指上的姿态信息。相比现有技术单纯从指纹纹理获取其在手指上的姿态信息具有局限性，本发明实施例从手指非指纹区域的特征(如手指轮廓、指关节纹理或者指甲边缘等)入手，多种手指非指纹区域的特征有助于定位指纹姿态，从而本发明提出了另一种基于手指非指纹区域的特征估计指纹姿态的方法，提高了指纹姿态估计的准确率。
图8示出了本发明实施例的一种指纹姿态估计设备，该设备包括指纹采集设备1、手指摄像设备2和控制器3；其中指纹采集设备1用于采集指纹，手指摄像设备2用于在指纹采集设备1采集指纹时对手指进行拍摄；控制器3用于执行上述方法实施例中的方法。从而在用户将手指放置在指纹采集设备1上时，控制器3控制手指摄像设备2采集用户手指的正面图像和侧面图像，然后通过图像边缘检测等算法提取用户手指的非指纹区域特征。
具体地，在一实施例中，控制器3包括处理器901和存储器902，可以通过总线或者其他方式连接，图9中以通过总线连接为例。
处理器901可以为中央处理器(Central Processing Unit，CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如上述方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。
存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器901所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中，当被处理器901执行时，执行上述方法实施例中的方法。
上述指纹姿态估计设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，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，实现的程序可存储于一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，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种指纹姿态估计方法，其特征在于，所述方法包括：
获取指纹采集时对手指拍摄的手指图像；
从所述手指图像中提取手指非指纹区域特征，所述手指非指纹区域特征至少包括手指轮廓、指关节纹理、指关节褶线和指甲边缘中的一种；
通过所述手指非指纹区域特征计算采集的指纹在手指上的姿态信息。
2.根据权利要求1所述的方法，其特征在于，所述获取指纹采集时对手指拍摄的手指图像，包括：
获取指纹采集时对手指拍摄的手指正面图像和手指侧面图像。
3.根据权利要求2所述的方法，其特征在于，所述获取指纹采集时对手指拍摄的手指正面图像和手指侧面图像，包括：
获取指纹采集设备的第一俯视图和第一侧视图；
获取手指放置在指纹采集设备时的第二俯视图和第二侧视图；
对所述第二俯视图和所述第一俯视图做差，得到所述手指正面图像；
对所述第二侧视图和所述第一侧视图做差，得到所述手指侧面图像。
4.根据权利要求3所述的方法，其特征在于，所述从所述手指图像中提取手指非指纹区域特征，包括：
提取所述手指正面图像的像素点集，并计算所述像素点集投影方差最大的维度方向；
从所述手指侧面图像中提取第一指关节褶线和手指边缘相交的位置像素点，并从所述手指侧面图像中提取手指与指纹采集设备接触段的两侧端点，所述第一指关节褶线是手指指尖一节与手指中节间的指关节褶线；
将所述维度方向、所述位置像素点和所述两侧端点作为所述手指非指纹区域特征。
5.根据权利要求4所述的方法，其特征在于，所述从所述手指侧面图像中提取第一指关节褶线和手指边缘相交的位置像素点，包括：
通过预设的卷积神经网络模块从所述手指侧面图像中识别手指指尖一节与手指中节间的所述第一指关节褶线；
获取所述手指侧面图像的边缘图像；
对所述边缘图像和所述第一指关节褶线执行相与运算，得到相与结果；
计算所述相与结果的质心位置，得到所述位置像素点。
6.根据权利要求4所述的方法，其特征在于，所述从所述手指侧面图像中提取手指与指纹采集设备接触段的两侧端点，包括：
通过Hough直线检测算子检测所述手指侧面图像中的直线；
从检测的直线中选取位于图像最下方的目标直线，并将所述目标直线的两侧端点作为手指与指纹采集设备接触段的两侧端点。
7.根据权利要求4所述的方法，其特征在于，所述通过所述手指非指纹区域特征计算采集的指纹在手指上的姿态信息，包括：
计算所述两侧端点中靠近所述第一指关节褶线的端点和所述位置像素点之间的第一直线距离；
计算所述两侧端点之间的第二直线距离；
以所述位置像素点为区间起点，以所述第一直线距离和所述第二直线距离的和为区间长度确定指纹位于手指的区间范围；
基于所述维度方向确定指纹偏移角度；
将所述区间范围和所述指纹偏移角度作为所述姿态信息。
8.一种指纹姿态估计装置，其特征在于，所述装置包括：
图像采集模块，用于获取指纹采集时对手指拍摄的手指图像；
非指纹区域特征提取模块，用于从所述手指图像中提取手指非指纹区域特征，所述手指非指纹区域特征至少包括手指轮廓、指关节纹理、指关节褶线和指甲边缘中的一种；
姿态估计模块，用于通过所述手指非指纹区域特征计算采集的指纹在手指上的姿态信息。
9.一种指纹姿态估计设备，其特征在于，包括：指纹采集设备、手指摄像设备和控制器；
所述指纹采集设备用于采集指纹，所述手指摄像设备用于在指纹采集设备采集指纹时对手指进行拍摄；
所述控制器包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机从而执行如权利要求1-7任一项所述的方法。
CN202211694872.3A 2022-12-28 2022-12-28 一种指纹姿态估计方法、装置和设备 Pending CN116229523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211694872.3A CN116229523A (zh) 2022-12-28 2022-12-28 一种指纹姿态估计方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211694872.3A CN116229523A (zh) 2022-12-28 2022-12-28 一种指纹姿态估计方法、装置和设备

Publications (1)

Publication Number Publication Date
CN116229523A true CN116229523A (zh) 2023-06-06

Family

ID=86574028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211694872.3A Pending CN116229523A (zh) 2022-12-28 2022-12-28 一种指纹姿态估计方法、装置和设备

Country Status (1)

Country Link
CN (1) CN116229523A (zh)

Similar Documents

Publication Publication Date Title
Qiu et al. Finger-vein recognition based on dual-sliding window localization and pseudo-elliptical transformer
US9042606B2 (en) Hand-based biometric analysis
JP2020074174A5 (zh)
US8306288B2 (en) Automatic identification of fingerprint inpainting target areas
US6819782B1 (en) Device and method for recognizing hand shape and position, and recording medium having program for carrying out the method recorded thereon
US5963656A (en) System and method for determining the quality of fingerprint images
CN106981077B (zh) 基于dce和lss的红外图像和可见光图像配准方法
JPWO2004026139A1 (ja) 生体情報取得装置および生体情報による認証装置
CN110008824B (zh) 掌纹识别方法、装置、计算机设备和存储介质
WO2018176514A1 (zh) 指纹配准方法及装置
JP2017211938A (ja) 生体情報処理装置、生体情報処理方法および生体情報処理プログラム
JP4427039B2 (ja) 生体情報取得装置および生体情報による認証装置
Donida Labati et al. A scheme for fingerphoto recognition in smartphones
US20100322486A1 (en) Hand-based gender classification
Methani et al. Pose invariant palmprint recognition
KR20220050125A (ko) 비접촉 지문 이미지의 슬랩 분할
CN116229523A (zh) 一种指纹姿态估计方法、装置和设备
CN113936305B (zh) 一种手掌识别过程中的中指位置确认方法及特征提取方法
JP4020202B2 (ja) 縞状パターン抽出システムおよび縞状パターン抽出方法
Mustafa et al. Improving the Performance of Finger-Vein Recognition System Using A New Scheme of Modified Preprocessing Methods
CN112330704A (zh) 一种足底轮廓表达方法
JP4812743B2 (ja) 顔認識装置、顔認識方法、顔認識プログラムおよびそのプログラムを記録した記録媒体
Kulkarni et al. ROI based Iris segmentation and block reduction based pixel match for improved biometric applications
Tiwari et al. Segmentation of slap fingerprint images
Shen et al. Feature extraction in fingerprint images

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