CN116258842B - 指纹模板动态拼接优选系统及方法 - Google Patents

指纹模板动态拼接优选系统及方法 Download PDF

Info

Publication number
CN116258842B
CN116258842B CN202310545102.0A CN202310545102A CN116258842B CN 116258842 B CN116258842 B CN 116258842B CN 202310545102 A CN202310545102 A CN 202310545102A CN 116258842 B CN116258842 B CN 116258842B
Authority
CN
China
Prior art keywords
fingerprint
template
image
detected
templates
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
CN202310545102.0A
Other languages
English (en)
Other versions
CN116258842A (zh
Inventor
谭孝江
徐小泉
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 Hailichuang Technology Co ltd
Original Assignee
Shanghai Hailichuang Technology 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 Hailichuang Technology Co ltd filed Critical Shanghai Hailichuang Technology Co ltd
Priority to CN202310545102.0A priority Critical patent/CN116258842B/zh
Publication of CN116258842A publication Critical patent/CN116258842A/zh
Application granted granted Critical
Publication of CN116258842B publication Critical patent/CN116258842B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/10Image acquisition
    • G06V10/16Image acquisition using multiple overlapping images; Image stitching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1347Preprocessing; Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1365Matching; Classification
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明揭示了指纹模板动态拼接优选系统及方法,包括录入模块和识别模块;录入模块用于根据系统得到多张指纹图像;录入模块包括算法模块,算法模块用于对得到的每张指纹图像进行信息处理,然后提取指纹特征;从录入第二张指纹图像开始,将录入的第二张指纹图像的特征与已提取的指纹特征进行互相对比;直至所有指纹图像的特征提取完;根据指纹图像的特征之间的匹配信息,将指纹图像进行重新排列并录入;使录入的多张指纹图像拼接生成指纹模板;识别模块用于输入待测指纹图像,通过算法模块对待测指纹图像进行信息处理,并提取指纹特征;然后与指纹模板进行匹配;根据匹配结果,判断待测指纹图像的处理方式。本发明能够提高匹配成功率和识别速度。

Description

指纹模板动态拼接优选系统及方法
技术领域
本发明涉及生物特征识别领域,特别是涉及指纹模板动态拼接优选系统及方法。
背景技术
指纹是一种具有唯一性的,安全可靠的生物特征,其兼容性、稳定性和普遍性强,采集方式多种多样,广泛应用刑事案件、APP支付、门锁、门禁卡等等各领域,是国内外学者研究热点。指纹识别技术主要技术路线通过采集指纹图像、图像预处理、提取特征和特征库匹配。目前技术对于全指纹、高质量指纹图像已有一整套识别精度高、效率高并且性能稳定的系统,但其存在采集设备体积大不易便携和嵌入式系统使用,或是因为环境温度影响采集图像失效,或是更容易受手指温度、潮湿度、干裂影响识别率,或是局部指纹纹理断裂导致无法识别等问题。传统的全指纹采集系统体积大,硬件成本高,不利于在门锁、门禁、挂锁等日常生活中的小型化应用,因此指纹采集硬件的小型化是未来的发展方向。
为了提高小面积指纹的匹配成功率,一方面通过增加指纹的模板数量,并且模板须覆盖手指不同的区域上才可有效保证匹配成功率;另一方面可使用多次录入手指特征进行指纹特征拼接,构造出较大的手指指纹信息作为模板。但由此也会引入问题:
1、录入采集图像过多使得终端用户体验差;
2、多张小面积指纹直接作为模板图像存储造成存储空间浪费、匹配效率低,图像边缘处的手指区域匹配差问题;
3、过多的手指特征进行拼接会因软件系统的计算误差或手指按压变形等原因造成拼接后的模板变形。
而现有指纹识别技术采用多指纹图像或模板特征作为指纹模板库,未能充分利用录入中的指纹重叠区域信息,导致指纹库存储占用高,计算量大,匹配速度慢,在嵌入式系统中使用时面临诸多限制。
为此,亟需提出一种指纹模板动态拼接优选系统及方法,以解决现有技术中所带来的问题。
发明内容
本发明的目的在于,提出指纹模板动态拼接优选系统及方法,能够提高指纹匹配成功率和识别速度。
为解决上述技术问题,本发明提供指纹模板动态拼接优选系统,包括录入模块和识别模块;
所述录入模块用于根据系统得到多张指纹图像;
所述录入模块包括算法模块,所述算法模块用于对得到的每张所述指纹图像进行信息处理,然后提取指纹特征;从录入第二张指纹图像开始,将录入的所述第二张指纹图像的特征与已提取的所述指纹特征进行互相对比;以此类推,直至所有所述指纹图像的特征提取完;根据所述指纹图像的特征之间的匹配信息,将所述指纹图像的进行重新排列并录入;使录入的多张所述指纹图像拼接生成指纹模板;
所述识别模块用于输入待测指纹图像,通过所述算法模块对所述待测指纹图像进行信息处理,并提取指纹特征;然后与所述指纹模板进行匹配;根据匹配结果,判断所述待测指纹图像的处理方式。
进一步的,所述判断所述待测指纹图像的处理方式包括:
当所述待测指纹图像录入时匹配上的指纹区域小于指纹有效区域的T1%时,若有剩余的存储空间直接存储;若没有空间存放则对所述指纹模板中未被拼接过的指纹模板进行分数比对,留存分数更多的特征作为指纹模板;
当所述待测指纹图像录入时匹配上的指纹区域在指纹有效区域的T1%和T2%之间时,所述待测指纹图像的指纹特征拼接至已有的指纹模板中,并且新建一个指纹模板;
当所述待测指纹图像的指纹特征和拼接后的指纹模板重合有效区域大于T2%时,将所述待测指纹图像的指纹特征直接拼接至所述拼接后的指纹模板中;0<T1<T2<100。
进一步的,所述信息处理包括所述指纹图像对比度处理、根据所述指纹图像梯度计算方向场、对所述指纹图像进行增强以及对所述指纹图像进行细化处理。
进一步的,所述信息处理还包括通过滤波算法对所述指纹图像进行增强。
进一步的,所述指纹图像按照参考信息进行重新排列并录入,所述参考信息包括重叠面积、相同点数和形变。
进一步的,所述录入模块还包括:若所有所述指纹特征之间不存在匹配关系,通过分数高低进行合并拼接。
进一步的,对得到的所述指纹图像进行信息处理后以及提取所述指纹特征之前先获得指纹特征信息。
进一步的,所述指纹特征信息包括:指纹细节点位置集合、指纹细节点方向、纹理方向场信息和特征点描述子。
进一步的,所述拼接过程包括:
两个原始特征A,B进行匹配,满足一定条件建立位置映射关系,将B的特征点和方向场按照映射变换到A坐标系,与A的特征点和方向场进行融合,得到拼接后的模板;重合区域的特征点和方向场融合后保留一份信息,模板占用空间得到压缩;匹配上的点分数权重上升,匹配不上的点通过信息融合提高整体点的质量;模板的特征点描述子和待拼接的特征点描述子计算平均值作为新的特征点描述子,且图像边缘描述子无需更新至模板中,同时模板中的边缘描述子被特征点附近完整的图像描述子所替换。
进一步的,所述拼接过程还包括:识别图像移动的过程中在b点达到与模板完全重合,继续往c点移动过程中与模板最大重叠区域减小;如果模板进行了拼接,b点到c点位置依然保持与模板完全重合,以降低匹配难度;b点和c点均表示识别图像移动的位置。
此外,本发明还提出一种指纹模板动态拼接优选方法,采用如上述所述的指纹模板动态拼接优选系统,还包括如下步骤:
S1、得到多张指纹图像;
S2、对得到的每张所述指纹图像进行信息处理,然后提取指纹特征;从录入第二张指纹图像开始,将录入的所述第二张指纹图像的特征与已提取的所述指纹特征进行互相对比;以此类推,直至所述指纹图像的特征提取完;
S3、根据所述指纹图像的特征之间的匹配信息,将所述指纹图像进行重新排列并录入;使录入的多张所述指纹图像拼接生成指纹模板;
S4、对待测指纹图像进行信息处理,并提取指纹特征;然后与所述指纹模板进行匹配;根据匹配结果,判断所述待测指纹图像的处理方式。
进一步的,所述判断所述待测指纹图像的处理方式包括:
当所述待测指纹图像录入时匹配上的指纹区域小于指纹有效区域的T1%时,若有剩余的存储空间直接存储;若没有空间存放则对所述指纹模板中未被拼接过的指纹模板进行分数比对,留存分数更多的特征作为指纹模板;同一指纹的多个指纹模板中,相同特征点使用同一个特征点描述子;
当所述待测指纹图像录入时匹配上的指纹区域在指纹有效区域的T1%和T2%之间时,所述待测指纹图像的指纹特征拼接至已有的指纹模板中,并且新建一个指纹模板;
当所述待测指纹图像的指纹特征和拼接后的指纹模板重合有效区域大于T2%时,将所述待测指纹图像的指纹特征直接拼接至所述拼接后的指纹模板中;0<T1<T2<100。
通过上述技术方案,本发明具有如下有益效果:
通过根据系统得到多张指纹图像;对得到的每张指纹图像进行信息处理,然后提取指纹特征;从录入第二张指纹图像开始,将录入的第二张指纹图像的特征与已提取的指纹特征进行互相对比;以此类推,直至所有指纹图像的特征提取完;根据指纹图像的特征之间的匹配信息,将指纹图像进行重新排列并录入;使录入的多张指纹图像拼接生成指纹模板;对待测指纹图像进行信息处理,并提取指纹特征;然后与指纹模板进行匹配;根据匹配结果,判断待测指纹图像的处理方式。能够提高指纹录入和指纹识别成功率。并且在保证较好的识别成功率的同时,还能够降低指纹匹配时算法的算力需求,提高识别速度。
附图说明
图1为本发明一实施例中指纹模板动态拼接优选方法的流程图;
图2为本发明一实施例中指纹模板动态拼接优选系统的拼接示意图;
图3为本发明一实施例中指纹模板动态拼接优选系统的已有指纹模板和录入手指特征生成的指纹模板的示意图;
图4为本发明一实施例中指纹模板动态拼接优选系统中录入手指特征根据两两匹配关系生成的指纹模板的示意图;
图5为本发明一实施例中指纹模板动态拼接优选系统中已有指纹模板和待拼接特征的关系示意图;
图6为本发明一实施例中指纹模板动态拼接优选系统中待拼接特征的示意图一;
图7为本发明一实施例中指纹模板动态拼接优选系统中已有指纹模板与待拼接特征的重叠关系示意图一;
图8为本发明一实施例中指纹模板动态拼接优选系统中待拼接特征的示意图二;
图9为本发明一实施例中指纹模板动态拼接优选系统已有指纹模板与待拼接特征生成新指纹模板的示意图;
图10为本发明一实施例中指纹模板动态拼接优选系统已有指纹模板与待拼接特征的重叠关系示意图二;
图11为本发明一实施例中指纹模板动态拼接优选系统中待拼接特征的示意图三;
图12为本发明一实施例中指纹模板动态拼接优选系统中已有指纹模板的示意图;
图13为本发明一实施例中指纹模板动态拼接优选系统已有指纹模板与待拼接特征生成新指纹模板的示意图三;
图14为本发明一实施例中指纹模板动态拼接优选系统中拼接前指纹模板状态的示意图;
图15为本发明一实施例中指纹模板动态拼接优选系统中拼接后指纹模板状态的示意图;
图16为本发明一实施例中指纹模板动态拼接优选系统中拼接前指纹模板状态,新指纹特征和第二个指纹模板拼接合并的示意图;
图17为本发明一实施例中指纹模板动态拼接优选系统中指纹学习拼接之后的指纹模板的示意图。
具体实施方式
下面将结合附图对本发明的指纹模板动态拼接优选系统及方法进行更详细的描述,其中表示了本发明的优选实施例,应该理解本领域技术人员可以修改在此描述的本发明,而仍然实现本发明的有利效果。因此,下列描述应当被理解为对于本领域技术人员的广泛知道,而并不作为对本发明的限制。
在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
如图1所示,本发明实施例提出了指纹模板动态拼接优选系统,包括录入模块和识别模块。
具体的,所述录入模块用于根据系统得到多张指纹图像。
进一步的,所述录入模块包括算法模块。更为具体的,所述算法模块用于对得到的每张所述指纹图像进行信息处理,然后提取指纹特征;从录入第二张指纹图像开始,将录入的所述第二张指纹图像的特征与已提取的所述指纹特征进行互相对比;以此类推,直至所有所述指纹图像的特征提取完;根据所述指纹图像的特征之间的匹配信息,将所述指纹图像进行重新排列并录入;使录入的多张所述指纹图像拼接生成指纹模板。
此外,所述识别模块用于输入待测指纹图像,通过所述算法模块对所述待测指纹图像进行信息处理,并提取指纹特征;然后与所述指纹模板进行匹配;根据匹配结果,判断所述待测指纹图像的处理方式。
在本实施例中,所述信息处理包括所述指纹图像对比度处理、根据所述指纹图像梯度计算方向场、对所述指纹图像进行增强以及对所述指纹图像进行细化处理。
此外,所述信息处理还包括通过滤波算法对所述指纹图像进行增强。
在本实施例中,对得到的所述指纹图像进行信息处理后以及提取所述指纹特征之前先获得指纹特征信息。
其中,所述指纹特征信息包括:指纹细节点位置集合、指纹细节点方向、纹理方向场信息和特征点描述子。
在本实施例中,所述指纹图像按照参考信息进行重新排列并录入,所述参考信息包括重叠面积、相同点数和形变。
另外,在本实施例中,所述录入模块还包括:若所有所述指纹特征之间不存在匹配关系,通过分数高低进行合并拼接。
通常,在指纹门锁、门禁、移动平台或挂锁识别系统中,由于设计模组采集面积小,单张图像间公共区域小,识别难度大。实际使用中,为了有效提高识率,在录入阶段采用多次录入的方式,提高模板对手指区域的覆盖率。理想情况下应该将录入阶段的所有图像特征分别保留下来,录入阶段没有信息丢失,后续识别中可以充分利用初始模板信息,使得小面积指纹的识别效果最佳。但当算法模块运算能力不足、存储空间有限时,原始指纹特征无法完全存储作为手指模板,采用拼接策略将原始模板拼接出较大手指模板,能够有效压缩模板空间,降低匹配难度。在本实施例中,可参考图2所示,所述拼接过程包括:
两个原始特征A,B进行匹配,满足一定条件建立位置映射关系,将B的特征点和方向场按照映射变换到A坐标系,与A的特征点和方向场进行融合,得到拼接后的模板;重合区域的特征点和方向场融合后保留一份信息,模板占用空间得到压缩;匹配上的点分数权重上升,匹配不上的点通过信息融合提高整体点的质量。其中,匹配不上的点说明提点不稳定,权重下降,需要通过信息融合提高整体点的质量。另外,模板的特征点描述子和待拼接的特征点描述子计算平均值作为新的特征点描述子,且图像边缘描述子无需更新至模板中,同时模板中的边缘描述子被特征点附近完整的图像描述子所替换;匹配上且符合更新要求的特征点描述子使用平均值的方式进行更新,保证描述子稳定。
在一具体示例中,所述拼接过程还包括:识别图像移动的过程中在b点达到与模板完全重合,继续往c点移动过程中与模板最大重叠区域减小;如果模板进行了拼接,b点到c点位置依然保持与模板完全重合,以降低匹配难度;b点和c点均表示识别图像移动的位置。
进一步具体的,可继续参考图2所示,识别图像I在b点达到与模板A完全重合,模板A在与模板B进行特征匹配时,由于识别图像I和模板A重合,无论模板A匹配到的区域在模板A上的任一位置,识别图像I都能够识别到。当识别图像I到b点到c点位置时,相当于识别图像I各占模板A和模板B的部分区域,如果模板A和模板B进行特征匹配时,识别图像I与模板A未重合的区域刚好存在能够匹配成功的指纹特征,而识别图像I难以识别到与模板A未重合的区域,增加了匹配难度。相反,对于模板B来说,由于图像识别I与模板B重合的面积越来越大,则会逐渐降低模板B的匹配难度。
在一具体示例中,可参考图3所示,首先可以录入五个手指特征,并按照图像采集顺序直接生成的指纹模板,而图4是将录入手指特征根据两两匹配关系后重新排列进行合并生产的指纹模板。可以看出排列后生成的指纹模板的匹配面积更大、数量更少。为在后续的匹配学习过程中预留。本领域技术人员可知晓的是,录入的手指特征的数量可根据实际已录入特征的有效面积的大小来设置,如果已有特征有效面积已足够大,可以提前退出录入过程,但可以在实际产品中为考虑用户体验一般会设置上限录入次数。并且五个手指特征还可以是不同手指。
其中,在本发明的附图中,虚线框表示模板最大边界,由实线构成的闭合图形表示有效模板边界,在闭合图形中的短线表示指纹方向场,带有圆圈的“蝌蚪状”的形状表示拼接特征点,其尾部表示拼接特征点的方向,不带圆圈的“蝌蚪状”的形状表示未拼接特征点,其尾部表示未拼接特征点的方向。另外,图中拼接特征点以及未拼接特征点的黑色程度表示了特征的可信度,越深则是越可靠。
在本实施例中,判断所述待测指纹图像的处理方式为:是否与最佳匹配的所述指纹模板进行拼接,或是否单独作为指纹模板,增加所述指纹模板的数量,又或是否将匹配几率较低的指纹模板进行删除并将其指纹特征合并至所述指纹模板中,又或拼接至含指纹特征较少的指纹模板中。
进一步具体的,当所述待测指纹图像录入时匹配上的指纹区域小于指纹有效区域的T1%时,若有剩余的存储空间直接存储;若没有空间存放则对所述指纹模板中未被拼接过的指纹模板进行分数比对,留存分数更多的特征作为指纹模板;同一指纹的多个指纹模板中,相同特征点使用同一个特征点描述子。
当所述待测指纹图像录入时匹配上的指纹区域在指纹有效区域的T1%和T2%之间时,所述待测指纹图像的指纹特征拼接至已有的指纹模板中,并且新建一个指纹模板。
当所述待测指纹图像的指纹特征和拼接后的指纹模板重合有效区域大于T2%时,将所述待测指纹图像的指纹特征直接拼接至所述拼接后的指纹模板中;0<T1<T2<100。
在一具体示例中,指纹模板拼接过程中,主要依据是以匹配上的公共面积作为是否新建指纹模板或者直接拼接到已有指纹模板。如果录入时匹配上的指纹区域小于自身指纹有效区域的T1%时,此时匹配上的特征点距离短、对误差敏感,计算出的仿射变换可能存在错误的拉伸、错切或缩放。新拼接上的区域内受仿射影响特征点位置误差变大,同时在拼接后模板边缘出现错误,导致模板错误后续该区域的匹配效果变差。因此当匹配的模板区域小于T1%时,若有剩余的存储空间可直接存储;若没有空间存放可对模板列表中未被拼接过的模板进行分数比对,留存分数更多的特征作为指纹模板。同时若匹配后的投影映射畸变量大,未匹配的点投影后和实际位置偏差较远,如果拼接到模板中会导致新拼接点区域后续使用中很难被匹配,因此这种特征在拼接时也会使用新创建模板的策略。如图5所示,图5是指纹模板和待拼接特征的匹配点数已达到8个,并且结构稳定,点误差不大,但是特征映射到模板中的仿射变换具有很大的形变量,此时图6中的有三个特征点映射到模板中(由x表示映射后的位置)和实际手指位置有较大偏差,因此该特征不被拼接到手指模板中,而采用新建一个指纹模板。
在另一具体示例中,当指纹有效匹配区域在T1%和T2%之间时,说明待拼接指纹特征和已有指纹模板之间还存在一定差异,但此时匹配区域也比较大,根据区域内部点计算出的仿射/相似变换可信度提高。此时的指纹特征可拼接到已有的指纹模板中,并且新建一个指纹模板。其中新建一个指纹模板的原因以下3点:1.后续的拼接过程中可以保证有和当前已有模板不同拼接方向;2.距离公共区域较远的特征点位置同时会有变换误差存在,但由于数量不多,可在后续的指纹模板缓慢增长中将错误点修正;3.当被拼接指纹模板较大时,待拼接特征边缘可能拼接后在指纹模板区域以外,噪声信息丢失。如图7所示,图7中的框表示待拼接特征所需要经过的映射变换,公共区域内有5个特征点成功匹配,公共区域的面积此时介于T1%和T2%之间。此时图8的特征和已有指纹模板存在较大区域不重叠,但映射后特征部分区域超出了储存区域,拼入面积占比不到T2%。在指纹模板中拼进手指特征上的可拼接区域特征后,还有较多区域的信息未被记录,因此新建一个指纹模板可以提供更多的匹配区域,从而生成了如图9所示的指纹模板。拼接完成后指纹模板实际还有较多空间,为了保证类似拼接后该方向可以继续拼接新的信息,因此将指纹模板平移到储存空间中心。
在另一具体示例中,如图10-图13所示,当指纹特征和拼接后指纹模板重合有效区域在T2%以上时,此时可认为待拼接特征和已有的指纹模板特征高度相似,指纹同一位置区域几乎全部重合,因此只需将采集到的图像中指纹特征合并到已有指纹模板中。从图10中可以看出,图11的指纹特征和指纹模板之间的映射关系比较正常,映射后特征形变量较小,同时特征中绝大多数特征点都已和指纹模板匹配,同时指纹特征和指纹模板之间的公共区域经过计算在T2%以上,该指纹特征直接拼接到指纹模板中,拼接前后的指纹模板变化由图12、图13所示,从中可以看出手指特征中的未被匹配上的指纹特征和方向场信息都被添加至指纹模板中。
此外,在一实施例中,为了将初始生成的小区域指纹模板成长为区域更大的模板,同时减少小区域的指纹模板数量,减少匹配复杂度,提高识别成功率和匹配效率。具体的,初始模板中若存在较大模板时,将可靠的成功识别手指特征进行学习,该特征优先拼接到较大的指纹模板中。由于特征点的计算误差和投影误差影响,拼接获得一个完整的手指指纹模板难以实现,因此较小指纹模板生长到一定程度后即可不再进行区域拼接。此时可生成新建指纹模板,在后续的识别学习过程中在新建或者初始的小指纹模板中进行拼接。
为避免在后续的拼接过程中新指纹模板和已有较大指纹模板有较大的相同区域重叠,新拼接特征需要优先同较大指纹模板比较重叠区域是否超过T2%,然后再对较小指纹模板上进行拼接。如图14所示,图14是拼接前指纹模板状态,图15是拼接后指纹模板状态,待拼接特征拼接到了较小指纹模板中,并且拼接的指纹区域和较大指纹模板区域几乎不重叠。
另外,在另一实施例中,初始指纹模板中所有的指纹模板面积较小时,待拼接特征优先与匹配分数最高的指纹模板进行拼接。当学习到一定程度后将会形成较大的指纹模板,此后继续学习时将会按照前述步骤进行学习拼接。若手指指纹模板中已有多个较大指纹模板,此时的小面积指纹模板如果和大面积指纹模板有重叠区域即可将其合并拼接,并删除小面积指纹模板,从而减少指纹模板数量。此外如果有小面积指纹模板长时间未被匹配,而待拼接特征和已有的指纹模板的公共面积区域大于T1%且小于T2%时,待学习特征需要新建指纹模板。而长期未被匹配拼接过的小面积指纹模板可能在录入阶段中存在图像质量差、手指区域偏、局部特征少或是指纹局部变化等原因,无法再成功识别,将新建指纹模板替换掉此类指纹模板,让指纹特征可有新的区域生长方向,从而可提高指纹成功匹配率。如图16所示,图16是拼接前指纹模板状态,新指纹特征和第二个指纹模板拼接合并。第三个小面积指纹模板因为长时间未被匹配,并且已有两个较大的指纹模板,使得指纹可匹配区域较大,在合并之后将原指纹中的第三个小面积指纹模板删掉。指纹学习拼接之后的指纹模板如图17所示。
此外,本实施例还提出了一种指纹模板动态拼接优选方法,采用如上述所述的指纹模板动态拼接优选系统,还包括如下步骤:
S1、得到多张指纹图像;
S2、对得到的每张所述指纹图像进行信息处理,然后提取指纹特征;从录入第二张指纹图像开始,将录入的所述第二张指纹图像的特征与已提取的所述指纹图像的特征进行互相对比;以此类推,直至所有所述指纹图像的特征提取完;
S3、根据所述指纹图像特征之间的匹配信息,将所述指纹图像进行重新排列并录入;使录入的多张所述指纹图像拼接生成指纹模板;
S4、对待测指纹图像进行信息处理,并提取指纹特征;然后与所述指纹模板进行匹配;根据匹配结果,判断所述待测指纹图像的处理方式。
进一步的,所述判断所述待测指纹图像的处理方式包括:
当所述待测指纹图像录入时匹配上的指纹区域小于指纹有效区域的T1%时,若有剩余的存储空间直接存储;若没有空间存放则对所述指纹模板中未被拼接过的指纹模板进行分数比对,留存分数更多的特征作为指纹模板。
当所述待测指纹图像录入时匹配上的指纹区域在指纹有效区域的T1%和T2%之间时,所述待测指纹图像的指纹特征拼接至已有的指纹模板中,并且新建一个指纹模板。
当所述待测指纹图像的指纹特征和拼接后的指纹模板重合有效区域大于T2%时,将所述待测指纹图像的指纹特征直接拼接至所述拼接后的指纹模板中;0<T1<T2<100。
在一具体示例中,由于不同的排序规则会影响排序后生成模板结果,从而影响识别率,尤其影响手指录入时按压偏差大的识别体验。单纯按照比对分数高低排序,只考虑到两个指纹图像之间的关系,并未能体现两组比对之间的联系强度。而本系统中所提出的重新排列靠前规则:指纹图像比对需要满足公共面积门限;满足公共门限的指纹图像按照比对分数高低排序;比对分数接近时再根据特征匹配上的特征数量排序,最后在匹配特征点数量接近的基础上按照拼接形变程度排序。对于以上条件都不满足的指纹图像,根据图像自身的评价分数进行排列。根据指纹模板对比经过排序后的指纹模板综合提高识别率(识别后特征不融合和识别后特征融合提升总和)1.5%。在该基础上获得的初始指纹模板数量少,匹配的速度更快,指纹模板面积大,有效提高小面积指纹匹配率。
在另一具体示例中,由于考虑到在识别过程中,嵌入式存储有限和识别速度需求,将小面积指纹模板长期不识别、或是与当前手指状况差异很大的指纹模板删除,用以储存手指当前状态下的细节特征和模板,特别是指纹磨损后伪点数量增加会导致模板存储空间变大,在特征在融合过程中通过将可信度低的特征剔除可有效减少存储空间同时保证了匹配识别。从而能够有效解决长期使用中手指蜕皮、磨损造成的无法识别问题。
另外,在一实施例中,例如在小面积指纹中,由于指纹模板录入特征数量少或是指纹本身特征点少,导致识别率偏低的问题。可通过每个特征点增加描述子,在点匹配时特征描述子也会进行比对,从而提升识别率。其中,描述子是指使用训练过的神经网络提取的网络特征描述子或是人工筛选的图像特征描述子,描述子匹配作为特征匹配时的一部分。其特点是描述子的长度越长,所能表达的特征信息越丰富,匹配正确率更高。同时小面积指纹可能有多个模板,则描述子会占用大量存储空间,导致系统用户数量受限,成本上升。则描述子管理过程包括:在特征融合阶段,在同一手指标识下的多个模板建立统一的特征点管理,即同一特征点可出现在多个模板中。在建立统一特征点对应关系下,特征描述子的数量可以得到进一步减少,也即相同标识的特征点共用同一个特征描述子。
在实际运用中,特征点周围纹路会发生局部变化,例如按压不均匀,表皮褶皱或磨损等,都会导致同一特征点的描述子发生变化。因此,特征描述子也需要实时更新。被匹配的特征描述子可采用两次平均的方法使得描述子在使用中平稳变化,有效避免按压中导致的特征局部形变影响。同时,处于图像边缘的特征点,由于特征点周围图像纹路不完整,其描述子表达也不完整,因此作为指纹模板中的边缘描述子在匹配时的比重需要降低;在融合过程中待融合描述子处于图像边缘则不进行描述子融合;识别过程中,指纹模板内的图像边缘描述子,可由处于图像信息完整的描述子直接替换,从而保证描述子的完整性。
在本实施方式中,根据系统得到指纹图像;对得到的指纹图像进行信息处理,然后提取指纹特征;从录入第二张指纹特征开始,将录入的第二张指纹特征与已提取的指纹特征进行互相对比;以此类推,直至指纹特征提取完;根据指纹特征之间的匹配信息,将指纹特征按照参考信息进行重新排列并录入;使录入的指纹特征拼接生成指纹模板;对待测指纹图像进行信息处理,并提取指纹特征;然后与指纹模板进行匹配;根据匹配结果,判断待测指纹图像是否与最佳匹配的指纹模板进行拼接,或是否单独作为指纹模板,增加指纹模板的数量,又或是否将匹配几率较低的指纹模板进行删除并将其指纹特征合并至指纹模板中,又或拼接至含指纹特征较少的指纹模板中。
综上所述,本实施例通过根据系统得到多张指纹图像;对得到的每张指纹图像进行信息处理,然后提取指纹特征;从录入第二张指纹图像开始,将录入的第二张指纹图像的特征与已提取的指纹特征进行互相对比;以此类推,直至所有指纹图像的特征提取完;根据指纹图像的特征之间的匹配信息,将指纹图像进行重新排列并录入;使录入的多张指纹图像拼接生成指纹模板;对待测指纹图像进行信息处理,并提取指纹特征;然后与指纹模板进行匹配;根据匹配结果,判断待测指纹图像的处理方式。能够提高指纹录入和指纹识别成功率。并且在保证较好的识别成功率的同时,还能够降低指纹匹配时算法的算力需求,提高识别速度。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (10)

1.指纹模板动态拼接优选系统,其特征在于,包括录入模块和识别模块;
所述录入模块用于根据系统得到多张指纹图像;
所述录入模块包括算法模块,所述算法模块用于对得到的每张所述指纹图像进行信息处理,然后提取指纹特征;从录入第二张指纹图像开始,将录入的指纹图像的特征与已提取的所述指纹特征进行互相对比;以此类推,直至所有所述指纹图像的特征提取完;根据所述指纹图像的特征之间的匹配信息,将所述指纹图像进行重新排列;重新排列后的录入特征进行模板拼接,使录入的多张所述指纹图像拼接生成指纹模板;
所述识别模块用于输入待测指纹图像,通过所述算法模块对所述待测指纹图像进行信息处理,并提取指纹特征;然后与所述指纹模板进行匹配;根据匹配结果,判断所述待测指纹图像的处理方式;
所述判断所述待测指纹图像的处理方式包括:
当所述待测指纹图像录入时匹配上的指纹区域小于指纹有效区域的T1%时,若有剩余的存储空间直接存储;若没有空间存放则对所述指纹模板中未被拼接过的指纹模板进行分数比对,留存分数更多的特征作为指纹模板;
当所述待测指纹图像录入时匹配上的指纹区域在指纹有效区域的T1%和T2%之间时,所述待测指纹图像的指纹特征拼接至已有的指纹模板中,并且新建一个指纹模板;
当所述待测指纹图像的指纹特征和拼接后的指纹模板重合有效区域大于T2%时,将所述待测指纹图像的指纹特征直接拼接至所述拼接后的指纹模板中;0<T1<T2<100。
2.如权利要求1所述的指纹模板动态拼接优选系统,其特征在于,所述信息处理包括所述指纹图像对比度处理、根据所述指纹图像梯度计算方向场、对所述指纹图像进行增强以及对所述指纹图像进行细化处理。
3.如权利要求2所述的指纹模板动态拼接优选系统,其特征在于,所述信息处理还包括通过滤波算法对所述指纹图像进行增强。
4.如权利要求1所述的指纹模板动态拼接优选系统,其特征在于,所述指纹图像按照参考信息进行重新排列并录入,所述参考信息包括重叠面积、相同点数和形变。
5.如权利要求1所述的指纹模板动态拼接优选系统,其特征在于,所述录入模块还包括:若所有所述指纹特征之间不存在匹配关系,通过分数高低进行合并拼接。
6.如权利要求1所述的指纹模板动态拼接优选系统,其特征在于,对得到的所述指纹图像进行信息处理后以及提取所述指纹特征之前先获得指纹特征信息。
7.如权利要求6所述的指纹模板动态拼接优选系统,其特征在于,所述指纹特征信息包括:指纹细节点位置集合、指纹细节点方向、纹理方向场信息和特征点描述子。
8.如权利要求7所述的指纹模板动态拼接优选系统,其特征在于,所述拼接的过程包括:
两个原始特征A,B进行匹配,满足一定条件建立位置映射关系,将B的特征点和方向场按照映射变换到A坐标系,与A的特征点和方向场进行融合,得到拼接后的模板;重合区域的特征点和方向场融合后保留一份信息,模板占用空间得到压缩;匹配上的点分数权重上升,匹配不上的点通过信息融合提高整体点的质量;模板的特征点描述子和待拼接的特征点描述子计算平均值作为新的特征点描述子,且图像边缘描述子无需更新至模板中,同时模板中的边缘描述子被特征点附近完整的图像描述子所替换。
9.如权利要求8所述的指纹模板动态拼接优选系统,其特征在于,所述拼接的过程还包括:识别图像移动的过程中在b点达到与模板完全重合,继续往c点移动过程中与模板最大重叠区域减小;如果模板进行了拼接,b点到c点位置依然保持与模板完全重合,以降低匹配难度;b点和c点均表示识别图像移动的位置。
10.一种指纹模板动态拼接优选方法,采用如权利要求1-9中任一项所述的指纹模板动态拼接优选系统,其特征在于,包括如下步骤:
S1、得到多张指纹图像;
S2、对得到的每张所述指纹图像进行信息处理,然后提取指纹特征;从录入第二张指纹图像开始,将录入的指纹图像的特征与已提取的所述指纹特征进行互相对比;以此类推,直至所有所述指纹图像的特征提取完;
S3、根据所述指纹图像的特征之间的匹配信息,将所述指纹图像进行重新排列并录入;重新排列后的录入特征进行模板拼接,使录入的多张所述指纹图像拼接生成指纹模板;
S4、对待测指纹图像进行信息处理,并提取指纹特征;然后与所述指纹模板进行匹配;根据匹配结果,判断所述待测指纹图像的处理方式;
所述判断所述待测指纹图像的处理方式包括:
当所述待测指纹图像录入时匹配上的指纹区域小于指纹有效区域的T1%时,若有剩余的存储空间直接存储;若没有空间存放则对所述指纹模板中未被拼接过的指纹模板进行分数比对,留存分数更多的特征作为指纹模板;同一指纹的多个指纹模板中,相同特征点使用同一个特征点描述子;
当所述待测指纹图像录入时匹配上的指纹区域在指纹有效区域的T1%和T2%之间时,所述待测指纹图像的指纹特征拼接至已有的指纹模板中,并且新建一个指纹模板;
当所述待测指纹图像的指纹特征和拼接后的指纹模板重合有效区域大于T2%时,将所述待测指纹图像的指纹特征直接拼接至所述拼接后的指纹模板中;0<T1<T2<100。
CN202310545102.0A 2023-05-16 2023-05-16 指纹模板动态拼接优选系统及方法 Active CN116258842B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310545102.0A CN116258842B (zh) 2023-05-16 2023-05-16 指纹模板动态拼接优选系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310545102.0A CN116258842B (zh) 2023-05-16 2023-05-16 指纹模板动态拼接优选系统及方法

Publications (2)

Publication Number Publication Date
CN116258842A CN116258842A (zh) 2023-06-13
CN116258842B true CN116258842B (zh) 2023-07-25

Family

ID=86688406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310545102.0A Active CN116258842B (zh) 2023-05-16 2023-05-16 指纹模板动态拼接优选系统及方法

Country Status (1)

Country Link
CN (1) CN116258842B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016005636A1 (de) * 2015-06-08 2016-12-22 Cross Match Technologies, Inc. Transformierte Repräsentation für Fingerabdruckdaten mit hoher Erkennungsgenauigkeit
WO2017166318A1 (zh) * 2016-04-01 2017-10-05 深圳市汇顶科技股份有限公司 指纹识别方法、装置和终端
WO2017214793A1 (zh) * 2016-06-13 2017-12-21 北京小米移动软件有限公司 指纹模板生成方法及装置
CN106446841B (zh) * 2016-09-27 2019-08-20 Oppo广东移动通信有限公司 一种指纹模板匹配顺序更新方法及终端
CN108416342B (zh) * 2018-05-28 2022-02-18 杭州电子科技大学 一种结合细节点和细线结构的指纹识别方法
CN109800731B (zh) * 2019-01-30 2021-04-09 Oppo广东移动通信有限公司 指纹录入方法及相关装置
CN115410235A (zh) * 2022-08-29 2022-11-29 Oppo广东移动通信有限公司 指纹录入方法、装置、存储介质以及终端
CN115719521A (zh) * 2022-11-01 2023-02-28 北京极豪科技有限公司 一种指纹图像录入的方法、存储介质及电子设备
CN115497125B (zh) * 2022-11-17 2023-03-10 上海海栎创科技股份有限公司 指纹识别方法、系统、计算机设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN116258842A (zh) 2023-06-13

Similar Documents

Publication Publication Date Title
Jain et al. Intelligent biometric techniques in fingerprint and face recognition
CN111339990B (zh) 一种基于人脸特征动态更新的人脸识别系统和方法
Baró et al. Traffic sign recognition using evolutionary adaboost detection and forest-ECOC classification
US6041133A (en) Method and apparatus for fingerprint matching using transformation parameter clustering based on local feature correspondences
Türetken et al. Automated reconstruction of tree structures using path classifiers and mixed integer programming
Zhang et al. Combining global and minutia deep features for partial high-resolution fingerprint matching
US20100189316A1 (en) Systems and methods for graph-based pattern recognition technology applied to the automated identification of fingerprints
CN101777128A (zh) 一种融入全局信息的指纹细节点匹配方法及系统
JP2005222419A (ja) 生体情報照合装置
KR102592551B1 (ko) Ar장치를 위한 객체 인식 처리 장치 및 방법
Huang et al. Isolated Handwritten Pashto Character Recognition Using a K‐NN Classification Tool based on Zoning and HOG Feature Extraction Techniques
CN107169479A (zh) 基于指纹验证的智能移动设备敏感数据防护方法
Jung et al. Noisy and incomplete fingerprint classification using local ridge distribution models
Shalaby et al. A multilevel structural technique for fingerprint representation and matching
CN114120378A (zh) 一种三级分类指纹识别方法
CN116258842B (zh) 指纹模板动态拼接优选系统及方法
CN115527241A (zh) 指纹模板更新方法、装置、嵌入式设备及存储介质
CN115527244A (zh) 一种指纹图像匹配方法、装置、计算机设备及存储介质
Ren et al. A novel method of score level fusion using multiple impressions for fingerprint verification
JP2002297549A (ja) 本人認証システム及びプログラム
Sharma et al. Fingerprint matching Using Minutiae Extraction Techniques
Khodadoust et al. A novel indexing algorithm for latent palmprints leveraging minutiae and orientation field
Baruni et al. Fingerprint matching on smart card: A review
CN113378732A (zh) 基于深度学习的指纹比对方法、系统、可读介质和设备
CN110096954B (zh) 一种基于神经网络的指纹识别方法

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