CN1826605A - 用于获取指纹图像的方法 - Google Patents
用于获取指纹图像的方法 Download PDFInfo
- Publication number
- CN1826605A CN1826605A CNA2004800208216A CN200480020821A CN1826605A CN 1826605 A CN1826605 A CN 1826605A CN A2004800208216 A CNA2004800208216 A CN A2004800208216A CN 200480020821 A CN200480020821 A CN 200480020821A CN 1826605 A CN1826605 A CN 1826605A
- Authority
- CN
- China
- Prior art keywords
- image
- displacement
- relevant
- finger
- sensor
- 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 23
- 238000006073 displacement reaction Methods 0.000 claims abstract description 78
- 238000012876 topography Methods 0.000 claims description 29
- 230000000875 corresponding effect Effects 0.000 claims description 14
- 230000002596 correlated effect Effects 0.000 claims description 11
- 230000001934 delay Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 230000033001 locomotion Effects 0.000 description 31
- 238000001514 detection method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000007634 remodeling Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
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 Input (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Position Input By Displaying (AREA)
Abstract
本发明涉及数字指纹的识别,更具体地,涉及基于能够检测指纹的突起和凹入的细长条传感器,当手指按照相对于所述条的伸长方向基本上平行的方式以相对方式在传感器面前经过时,进行识别。该创造性的方法包括以下操作:在处理器控制下,获取连续部分重叠的图像;检查第一图像相对于第二图像的位移,以便提供两个图像之间更好的相关;在相对于细长条传感器的垂直方向上,根据像素确定所述位移分量;将位移分量与至少一个门限值进行比较;根据比较结果,保持延迟T,或者将延迟T增加或者减少一个时间增量dT,其中延迟T是在获取下一个图像之前的由处理器强加的。因此,使手指位移的相关搜索根据未知的速度而改变。
Description
技术领域
本发明涉及指纹的识别,以及更具体地,涉及基于能够检测指纹的突起和凹入的细长条传感器,在手指相对于传感器基本上垂直于该条的伸长方向相对运动期间,进行识别。
背景技术
已经描述了这类细长状传感器,它们小于待收集的手指图像,并且因此除了依靠相对运动之外不能收集所述图像。这些传感器能够主要通过光学、电容、热学、或者压电检测来操作。
与手指固定放置的无运动传感器相比,这些传感器具有的优点在于:由于它们所占用的硅面积小从而减少了成本。但是,它们要求手指全局图像的重构,这是因为仅仅逐行地或者每次若干行地获取所述图像。
如果这样渐进地获取所述图像,在原理上,必须具有手指相对于传感器相对运动速度的参考,或者设置一个固定的运动速度。因此,这需要附加的特定手段。
在法国专利公开号FR2749955中,已经描述了一种通过包括若干行的细长传感器进行检测的原理,用于连续获取指纹的局部图像,这些图像相互重叠,使得可以通过搜索两个连续图像之间的相关来叠置利用手指运动而前后移位的连续图像,并且渐进地重构全局图像,同时不需要通过附加的手段来获知手指相对于传感器的运动速度。
这类重构可以很好地操作,但是需要用于增加可以保持进行操作的运动速度范围的工具。它也需要用于减少重构图像所进行的计算之数量的工具,同时维持良好的精度。
发明内容
本发明的目的是改进重构图像而没有过度增加用于该重构的计算量的可能性。
根据本发明,提供一种通过在细长图像传感器前面移动手指来获取指纹图像的方法,该方法包括以下步骤:
-在处理器的控制下,获取一连串相互重叠的局部图像;
-搜索第一图像相对于第二图像的位移,所述位移提供了所述两个图像之间的最佳相关,以及确定所述位移在垂直于所述细长传感器的方向的分量,作为多个图像像素;
-将所述位移分量与至少一个门限值进行比较;
-根据所述比较的结果,维持延迟T,或者以一个时间增量dT增加或者减少延迟T,所述延迟T是在获取一下图像之前由处理器强加的。因此,局部图像的获取速率根据手指在传感器上期望运动方向上的位移而变化。
此后,根据在运动方向上和垂直于运动的方向上的位移,重构图像,在两个连续重叠图像之间所考虑的位移是给出图像之间最佳相关的位移。相关值是一个数学量,它代表两个图像之间较大或者较少的相似性,以及可以选择当所述两个图像(第一图像以及移位的第二图像)相同时呈现最大值或者(优选地)最小值的函数作为相关量。在每个新的图像处,在一个方向上,重新调整获取延迟,其中所述方向趋向于使给出最佳相关的位移围绕所考虑的门限值几乎保持恒定。
优选地,具有一上限和一下限,高于所述上限导致延迟T减少dT,以及低于所述下限导致所述延迟T增加dT。优选地,所述门限是几个像素。优选地,上限和下限之差是一个像素。优选地,门限分别为2个和3个像素。这意味着永久地调整在两个连续获取之间设置的延迟,使得两个连续获取之间的图像位移为大约2个到3个像素。
对于根据计算时间的可接受折衷,对传感器所提供图像的受限部分执行相关。例如,对由一行局部图像的一个或者多个分段组成的图像部分进行相关:在一行第二图像中搜索具有与第一图像相同的构成但是考虑第一图像获取和第二图像获取之间发生的相对位移而位于图像中的不同位置的分段。为了在行分段上的相关搜索,传感器优选地包括小的矩形区域,其中在几个像素在运动方向上全局移位之后,可以找到分段的图像。
在特定的实施例中,可以想出仅仅在传感器的中心区域执行相关,以及细长传感器具有图像检测区域,该图像检测区域实际上仅仅包括在中心处的小矩形区域(为了相关和重构,可以检测位移的若干行)以及中心区域之外的单行(或者严格地说是几行,但是行数比中心区域的少)。检测区域的这种形状使得在矩形硅芯片上留有更多的空间,以放置用于图像相关和重构或者甚至用于指纹识别的信号处理电路。
为了简化用于计算最佳相关的操作,将仅仅利用在与手指相对于传感器的期望运动方向对应的方向上而不是相反方向上移位的图像,来执行用于相关的搜索。例如,将通过执行第二图像的连续位移的相关搜索领域限制在几个方向上,并且利用几个可能的幅度,而且仅仅沿着与期望理论运动方向之间的角度小于45°或者更小的方向。
在为了重构而计算相关期间,可以对于作为整数像素间隔的位移,执行给出最佳相关值的相关计算;但是,当位移是慢的时,像素间隔内的相关可能不是足够精确。在这种情况下,可以观察在相邻位置(像素内)所获得最佳相关,以及根据找到的与最佳相关相邻的两个(或者多个)相关,执行内插,以计算中间位移值,其应当对应于更好的理论相关;该位移值然后是像素间隔的非整数值,并且该非整数值被用于重构。优选地,这在运动方向和垂直方向上进行。
附图说明
通过阅读以下参考附图给出的详细描述,本发明的其它特征和优点将变得更加明显,其中:
图1表示整个指纹获取系统;
图2表示图像传感器的有源区域的优选形状;
图3表示图像获取得的整个步骤的示例性流程图;
图4表示按照可变速度的获取的示例性流程图;以及
图5表示用于确定多于一个像素内的最佳相关的内插计算方案。
具体实施方式
指纹获取系统包括图像传感器,该图像传感器包括细长条(一行或者多行像素),在该细长条前面将放置手指。该条小于手指图像,使得只有手指相对于传感器的相对运动才能重构全局指纹图像。
图1显示了使用传感器10和电子处理电路12进行获取的原理,电子处理电路12用于根据通过传感器连续监测的局部图像重构全局图像。
传感器没有必要是在具有多行的传统检测中的条或者阵列,其中所有行具有相同的像素数;它基本上大概是N个像素的一主行或者多个主行(main row),它们实际上将用作检测整个手指图像,以及形成中心阵列的若干行和若干列的矩阵,具体地用于连续局部图像的相关。
在图2中示出了传感器10的有源区域的形状:一个小的矩形中心区域20和两个垂直于箭头30所示的运动方向设置的长条形侧翼22和24;所述侧翼分别在中心区域的任意一侧;它们被对准并且比中心区域窄。对准的侧翼和通过结合它们而延伸的中心区域部分构成了图像检测条,其长度对应于想要检测的图像的宽度,例如,行得长度对应于手指的宽度(借助于例子,为大约1到2cm),优选地,图像检测条由单行像素构成,但是,如果想最优化重构,可以规定条包括若干行像素。检测条提供用于重构全局图像的局部图像。
中心区域是将用作进行相关计算的区域;并且因此它是将记录局部重叠的图像的区域(如果中心区域提供了一些,则检测条本身没有必要提供局部重叠的图像)。选择中心区域的像素数,使得小得足以对相关计算时间是可接受的,由此没有过度地减少相关计算的精确度。原理上,中心区域20的行数大于侧翼22和24的行数。
图像传感器在处理器控制下操作,其中处理器将确定手指在运动期间的局部图像的各种获取速度,以及将确定必须重构局部图像以便得到全局指纹图像的方式。处理器可以由两部分组成(两个处理器),一个放置局部图像在内存中,用于随后计算。另一个执行相关计算,但是,在原理上,单个处理器足以执行这两个任务。
优选地,处理器与图像传感器位于同一芯片上,但不是必须的。在图1中,已经假设处理器形成了电子电路12的一部分,电子电路12位于构成图像传感器的芯片的外部。
局部图像的获取必须快得足以使局部图像之间具有足够的重叠,达不到这个,实际上不可能进行重构。手指的移动速度例如可以在1cm/s到20cm/s之间变化,通常为7cm/s量级。
图像像素的大小通常为50微米量级,对于该速度范围,这对应于在传感器中每秒200到4000个像素的表观速度,例如每毫秒0.2到4个像素。
假设图像传感器包括仅仅在用于相关的区域因此在必须是连续图像的特定重叠的区域中的八行,可以看到,每秒大约700到1000个局部图像的连续获取是必须的,以便即使当以20cm/s的最大速度放置手指时也可以获得图像重叠。然后,重叠将是在2或者3行上,这就是说,在原理上,第二图像的头两或者三行等于第一图像的最后两或者三行。因此,相对于第一图像,第二图像将具有2或者3行公共行以及6或者5个新的行。
这给出了所必须提供的获取速度的大小的量级。当然,可以通过增加在中心区域20中的传感器行数来改进局部重叠。该数目例如可以是20或者30行,而不是8行,但是,显然这样做在根据硅面积的成本上是不利的。
顺便指出,在重构之后,手指的全局图像可以对应于大约300×400像素。
如图3所看到的,用于获取图像的顺序可以如下:
-等待阶段:获取几个图像(例如三个),并且通过计算检测手指的存在性。如果检测到存在,则行进到下一阶段,否则,在新的几个图像获取和新的存在性检测之间,等待几十毫秒;几十毫秒的滞后确保了即使在20cm/s的最大速度下,如果手指开始在两个检测企图之间运动,则损失不超过几毫米;
-主获取阶段,在例如四分之三秒内任意获取局部图像;在大多数下,该时间段足以完成手指图像的获取,因为,该时间段对应于相当低的速度(对于2cm长的图像为2.6cm/s);在该时间之后,计算在最后几个局部图像中手指的存在;如果仍然存在手指的话,则进行到下一阶段;否则,结束图像获取,并且可以进行到下一阶段。
-辅助获取阶段,用于在手指运动是特别慢的情况下;如果手指存在;局部图像获取继续,但是仅仅持续四分之一秒;以及测试在最后几片上手指的存在;如果存在手指,推荐获取持续新的四分之一秒时间段,否则,结束获取并且来进行重构。
考虑到它们随后的处理,可以存储这样获取的局部图像,否则,可以在获取周期期间渐进地开始重构。第一种情况要求大的内存,以及更多的计算手段,第二中情况要求更多的计算手段以及更小的内存。
通过监测图像的中心部分的像素的信号电平之间的标准偏差,可以实现手指的检测。当不存在手指时,标准偏差是小的,它仅仅对应于噪音。当存在手指时,它极大地增加,它要求满足选择相当高的检测门限值,使得可以不触发对简单噪音的获取。
经过足够的时间段(例如20ms),按同样的原理中断获取,因为肯定的是,手指已经完全离开传感器(以及具有比前一个更低的门限值,以便避免不稳定性)。
为了根据局部图像执行全局图像重构,必须计算手指从一个图像到下一个图像的位移。
为此,优选地,采取要求仅仅小的计算量的相关方法,使得两个连续图像的相关花费很少的时间(大小的量级:1毫秒用于找到两个图像之间最佳的相关)。
简单而有效的相关计算包括:计算两个像素值Pi和Pj之间的差别,所述两个像素对应于在两个连续局部图像中相同的真实图像点的两个可能的位置;以及如果Pi是第一图像的像素I的确定位置的信号值,Pi是在第二图像中测量的像素j的另一个位置的值,以及像素I和j沿着横坐标分开距离x并且沿着纵坐标分开距离y,则将对于相关区域中的所有像素Pi的偏差(或者可替换为偏差的平方)的绝对值相加在一起。在细长条的长度方向上计算横坐标,在垂直方向上(即基本上是手指的运动方向上)计算纵坐标。
根据对于相关区域的所有像素的偏差和的所述绝对值,计算待检测的相关值;相关区域是比进行相关的中心区域20小的第一图像的矩形。对于位移(x,y)的相关值COR(x,y)与可能的图像位移x,y相关,以及当然,将要形成用于位移x,y的相关值的所述计算的主体的所有像素i(如果在像素区域中有n个像素,i从1变化到n)被移位相同的值x,y。相关值越小,第二图像实际上是在以前获取中第一图像所看到的手指的相同部分的图像的可能性越大。应当理解,当图像被更好地相关时,偏差Pi-Pj的总和是很小,因而,最佳相关值对应于相关量的最小值;但是,可以选择其它相关量,它可以对应于搜索对于最大可能相关的最大值。这里所倡导的方案(通过搜索偏差和的最小值来优化相关)可以简化计算。
对于x,y各种值,计算若干相关值,以及搜索给出最小值的位移x,y。
在原理上,x和y被表示为整数像素,但是,将可以看到,可以对于分数像素,细化最大相关的搜索。
优选地,限制在其上执行相关的像素数。例如,在有源区的中心区域20提取的线段上执行相关。优选地,该段的长度小于中心区域的宽度,以便考虑以下事实:图像位移可以稍微偏斜。具体地,对于手指的运动方向,起初在第一图像的前部出现的手指图像部分将在手指在所设计的方向前后运动时逐渐地转移到后部,以及可以搜索位于第一图像前部的图像线的一部分与位于接近后部的图像线的一部分之间的相关。预先假设:设置手指的运动方向;在相反的情况下,在对于其寻找随后图像相关的线部分应当在区域20的中央部分。
应当注意:如果传感器的有源区域的形状是简单的矩形,与图2所示的区域是叉形的情况相对比,可能不同地执行相关,例如,在有源区中取得的若干行段上,可以寻找每段的相对位移。
对于相关计算来说,优选地,在固定数目的像素上执行相关计算,例如64,简单的二进制数,其简化了相关计算的划分。
例如根据下面水平和垂直表示的多个像素的图像位移值来进行相关计算:
(0,1);(0,2);(0,3);(0,4)(在运动方向上的位移)
(1,1);(1,2);(1,3);(1,4)(向右的稍微倾斜位移)
(-1,1);(-1,2);(-1,3);(-1,4)(向左的稍微倾斜位移)以及如果希望加宽对于与运动的正常方向极大偏离的方向的位移检测和重构的可能性时,可能是其它更多位移的倾斜值。
根据本发明,通常,没有必要对于比上述那些(在运动方向上垂直的四个像素)幅度更大的位移来搜索相关。总之,从16个可能的位移值中搜索最佳相关对于本发明的原理来说足够了。
具体地,人们根据相关结果选择采用局部图像的获取速度,使得对于小的位移来说随后的相关是优化的。这意味着使图像获取速率适应于在趋向于帮助相关计算和重构的方向上的手指位移速度。
基本假设是:位移手指,同时经受仅仅小的加速度或者根本没有加速度,因此可以假设:如果速度在图像获取时刻具有给定值,则实际上它将在下面的获取期间具有相同的值。
另一方面,这意味着:实际上,可以预测(在允许速度的大约估计的几次尝试之后)下一个图像在一个或者两个像素内的位置。但是,首先,可以适应两个获取之间的时间间隔,使得两个获取之间的位移保持在平均等于2或者3个像素(特别是在相关区域中具有八行的传感器中)。
如果传感器在相关区域具有多于八行,则可以增加所述2或者3个像素值,但是,为了最小化计算,有益的是,没有过度地增加相关区域的大小。
因此,获取速率必须足够,使得对于手指的最大速度,没有超过2或者3个像素的位移(优选值);相反地,在慢的手指速度下,没有维持该速率,因为维持它将导致两个获取之间具有过分小的图像位移,以及对于两个连续图像之间的相关的搜索将变得没有意义,特别是如果相关使得不能确定仅仅一个像素内的位移时。
因此,在慢的位移的情况下,速率变慢,使得仅仅当手指具有2个或者3个像素的位移时,获取新的图像。应当注意,当传感器的类型要求相当长的集成时间以提供有用的信号时,该时间可以被采用,以便传感器检测的信号集成更长,这是传感器在热效应下工作的情况(温度变化或者指纹的突起和凹入之间的热传导的变化)。
如图4所示,获取速率适应算法如下:如果考虑图像的读取持续时间t1,以及在下一个图像读取之前的时间间隔或者“等待时间”为T,进行如下:
a)初始地,两个获取之间的等待T被设置为零,这隐含着获取速率最大;这对于在按照特定高速实现手指的位移的情况可以是优先的;
b)执行图像的第一获取,之后利用两者之间的零等待时间执行第二获取;
c)通过计算位移x,y的第二图像和第一图像之间的相关值来执行最大相关搜索,以及对于第一图像的各种位移x,y,执行上述最大相关搜索;确定给出最佳相关值的值x,y;该值代表两个获取之间的手指图像的位移矢量;
d)如果位移(基本上在手指期望运动的y方向)小于下限,优选地,2个像素,则等待时间增加一特定值dT(通常为50微秒);如果相反地,它大于上限,优选地,3个像素,则它减少相同的量,前提是它不为零;如果位移等于2或者3个相似,则不修正等待时间。
在使得收敛到适应于手指速度的等待时间T之后,改变是慢的,因为手指经历无意义的加速度,以及等待时间在T-dT和T-Dt之间震荡。
在搜索该对于合理等待时间的收敛中,等待时间被限制为一特定值Tmax,超过该特定值Tmax,它不再增加(通常为几十微秒);该最大值取决于手指位移所需要的最小速度,通常为1cm/s。在较低值,T明显地被限制为0。
位移的下限和上限的选择可以是2和3个像素的不同。极限可以相等,但是通过使它们不同,我们可以避免等待时间的无关震荡。它们可以减少到1和2个像素,但是然后图像重构精确度减少;它们可以增加,但是然后必须确保传感器在相关区域具有足够的行,以考虑更大的位移,而且相关搜索花费更多的时间,因为在原理上,必须在更大的可能位移x,y范围上计算更多数量的相关值。
图4显示了这部分处理的流程图。当然,在每个图像获取之后,引起新延迟T的计算,对于获取序列和随后的相关搜索,获取的第二图像变成第一图像。
在获取了根据手指位移速度渐进移动的手指的各个局部图像之后,重构手指的全局图像。根据计算量和可用于存储局部图像的内存大小,在获取前后或者在获取结束之后进行重构。
在两种情况下,从获取速率已经稳定使得两个获取之间的图像位移是常量(平均2或者3个像素)的时刻开始,实际上,不必考虑该速率值。为了重构手指的全局图像,足够的是,并列每次移动所述位移值的连续图像,该位移值给出了最佳可能相关,并且在运动(垂直)方向上平均是2或者3个像素以及在垂直的方向(水平)上接近零,如果手指确实放置在运动方向上的话。
但是,为了改进图像重构,优选地,在多于一个像素内,垂直地和水平地搜索最大相关。具体地,在例如2或者3个像素的小位移上,找到相关值,它们具有对应于等于整数像素图像位移的小机会。
这样,如果对于表示为整数像素的各种位移找到若干相关值,以及如果两个相关值COR(x,y-1)和COR(x,y+1)包围最高相关值COR(x,y),则可以从三个值中导出表示为在运动方向上的分数像素的位移x,y’,它比明显给出像素内最佳相关的位移x,y更好地对应于相关峰值。
图5描述了计算该位移的近似值的方法,其根据在一个像素内做出的相关给出了在多于一个像素内的最佳相关。算法如下:根据视图以及实施例所解释的,算法当然根据在视图上表示曲线的公式通过软件来执行:在视图(沿着横坐标的位移y,沿着纵坐标的相关值)上绘出的是三个值COR(x,y)、COR(x,y-1)和COR(x,y+1),在它们当中,存在具有最小相关值的最佳相关点COR(x,y),具有最大相关值的点(其它两个点中的一个),以及具有中间相关值的点(两个点中的另一个);绘出了连接最大相关点和最小相关点的线段;确定具有中间相关值作为纵坐标的所述线段的点的横坐标y”;以及计算横坐标y’,它是横坐标y’与中间相关点的横坐标(y+1或者y-1)之间的中点。
这样,例如,如果具有中间相关值的点是具有横坐标x,y+1和具有纵坐标COR(x,y+1)的点,则在多于一个像素内估计的最佳相关点是具有横坐标的y’=(y”+y+1)/2的点。
在相反的情况下,如果中间相关点是COR(x,y-1),则多于一个像素内的最大相关点是具有横坐标y’=(y”+y-1)/2的点。
所述值y’将构成第一图像和第二图像之间在运动方向上的位移值Y。
根据最佳相关值COR(x,y)两侧的两个相关值COR(x-1,y)和COR(x+1,y),进行相同的插入,以确定在多于一个像素内在垂直于运动方向的方向上的位移X。
在图像重构期间,每个图像与相对于前一个图像计算的位移X,Y相关联;以及并列由此渐进移位的图像以重构全局图像。如果在多于一个像素内寻找位移X,Y,则可以在具有比传感器的一个像素更大的分辨率的矩阵中进行该平列。但是,以及甚至优选地在具有一个像素分辨率矩阵中进行该平列,但是这假设了一个重构方法的改型:该改型如下:为了全局图像中局部图像的重叠,定义位移值,它不是相对于前一个图像获取的(因为计算在多于一个像素内的位移然后将其转换成在一个像素内定义的图像是无意义的),而是相对于所获取的整个第一图像来获取的,相对于整个第一图像的图像位移是每个在多于一个像素内计算的所有连续位移的积分;以及该积分在一个像素内转换成全局图像重构矩阵。因此,局部图像移位一位移值,该位移值相对于获取的第一图像通过累计在第一图像和所考虑的局部图像之间获取的局部图像的连续位移来计算。
Claims (10)
1、一种通过在细长图像传感器前面移动手指来获取指纹图像的方法,该方法包括以下操作:
-在处理器的控制下,获取一连串相互重叠的局部图像;
-搜索第一图像相对于第二图像的位移,该位移提供了所述两个图像之间的最佳相关,以及确定该位移在垂直于所述细长传感器的方向上的分量,作为多个图像像素;
-将该位移分量与至少一个门限值进行比较;
-根据所述比较的结果,维持延迟T,或者通过一个时间增量dT增加或者减少延迟T,其中所述延迟T是在获取一下图像之前由处理器强加的。
2、根据权利要求1的方法,其特征在于:根据在所述图像传感器的长度方向以及宽度方向上的位移,寻找所述最佳相关,以及通过叠置移动图像来重构所述手指的全局图像,其中所述移动图像给出了连续图像之间的最佳相关。
3、根据权利要求1或者2的方法,其特征在于:在每个新的图像处,在一个方向上,重新调整所述获取延迟,其中,所述方向趋向于使给出所述最佳相关的所述位移在围绕从一个获取到下一个获取所考虑的门限值保持几乎恒定。
4、根据权利要求3的方法,其特征在于:存在对于上限和下限的规定,高于所述上限导致所述延迟T减少dT,以及低于所述下限导致所述延迟T增加dT。
5、根据权利要求4的方法,其特征在于:所述上限和所述下限之间的差值是一个像素。
6、根据权利要求5的方法,其特征在于:所述门限值分别为2个和3个像素。
7、根据权利要求1到6任意一个的方法,其特征在于:对所述传感器所提供图像的受限部分执行相关。
8、根据权利要求7的方法,其特征在于:仅仅在所述传感器的中心区域执行相关,以及所述传感器在其整个宽度上具有很少的若干行以及在其中心不分具有较小长度的附加行,使得构成中心相关区域。
9、根据上述权利要求任意一个的方法,其特征在于:对于为整数像素间隔的位移执行相关计算,以及根据与计算的所述最佳相关相邻的两个(或者多个)相关来执行内插计算,以便找到在多于一个像素内的中间位移的值,其应当对应于更好的理论相关;以及在通过并列移动的局部图像来重构全局图像期间,使用该中间位移。
10、根据权利要求9的方法,其特征在于:为了重构全局图像,将局部图像移动一位移值,该位移值是相对于获取的第一图像通过累计在第一图像和所考虑的局部图像之间获取的局部图像的连续位移来计算的。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR0308822A FR2857768B1 (fr) | 2003-07-18 | 2003-07-18 | Procede d'acquisition d'image d'empreinte digitale |
FR0308822 | 2003-07-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1826605A true CN1826605A (zh) | 2006-08-30 |
Family
ID=33548264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2004800208216A Pending CN1826605A (zh) | 2003-07-18 | 2004-07-16 | 用于获取指纹图像的方法 |
Country Status (8)
Country | Link |
---|---|
EP (1) | EP1646965B1 (zh) |
JP (1) | JP2009514058A (zh) |
KR (1) | KR20060052839A (zh) |
CN (1) | CN1826605A (zh) |
CA (1) | CA2532082A1 (zh) |
DE (1) | DE602004013326T2 (zh) |
FR (1) | FR2857768B1 (zh) |
WO (1) | WO2005015481A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101005353B (zh) * | 2006-12-29 | 2010-06-23 | 北京飞天诚信科技有限公司 | 一种实现定位和导航功能的智能密钥设备 |
CN101807125A (zh) * | 2010-03-25 | 2010-08-18 | 埃派克森微电子(上海)有限公司 | 光学指示装置点击判断方法 |
CN106127129A (zh) * | 2016-06-17 | 2016-11-16 | 北京小米移动软件有限公司 | 指纹录入提示方法和装置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007014075A2 (en) | 2005-07-21 | 2007-02-01 | Alnylam Pharmaceuticals, Inc. | Rnai modulation of the rho-a gene in research models |
WO2007053696A2 (en) | 2005-11-01 | 2007-05-10 | Alnylam Pharmaceuticals, Inc. | Rnai inhibition of influenza virus replication |
EP1993611A4 (en) | 2006-03-16 | 2013-05-22 | Alnylam Pharmaceuticals Inc | RNAi MODULATION OF TGF-BETA AND THERAPEUTIC USES |
EP1993061B1 (en) * | 2007-05-16 | 2011-05-04 | Precise Biometrics AB | Sequential image alignment |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW303441B (zh) * | 1995-03-29 | 1997-04-21 | Trw Inc | |
US5729008A (en) * | 1996-01-25 | 1998-03-17 | Hewlett-Packard Company | Method and device for tracking relative movement by correlating signals from an array of photoelements |
FR2749955B1 (fr) * | 1996-06-14 | 1998-09-11 | Thomson Csf | Systeme de lecture d'empreintes digitales |
US7289649B1 (en) * | 2000-08-10 | 2007-10-30 | Avago Technologies Ecbu Ip (Singapore) Pte. Ltd. | Fingerprint imager |
US20030123714A1 (en) * | 2001-11-06 | 2003-07-03 | O'gorman Lawrence | Method and system for capturing fingerprints from multiple swipe images |
-
2003
- 2003-07-18 FR FR0308822A patent/FR2857768B1/fr not_active Expired - Fee Related
-
2004
- 2004-07-16 JP JP2006519937A patent/JP2009514058A/ja active Pending
- 2004-07-16 WO PCT/EP2004/051527 patent/WO2005015481A1/fr active IP Right Grant
- 2004-07-16 DE DE602004013326T patent/DE602004013326T2/de not_active Expired - Fee Related
- 2004-07-16 KR KR1020067001242A patent/KR20060052839A/ko not_active Application Discontinuation
- 2004-07-16 CA CA002532082A patent/CA2532082A1/fr not_active Abandoned
- 2004-07-16 CN CNA2004800208216A patent/CN1826605A/zh active Pending
- 2004-07-16 EP EP04766249A patent/EP1646965B1/fr not_active Expired - Lifetime
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101005353B (zh) * | 2006-12-29 | 2010-06-23 | 北京飞天诚信科技有限公司 | 一种实现定位和导航功能的智能密钥设备 |
CN101807125A (zh) * | 2010-03-25 | 2010-08-18 | 埃派克森微电子(上海)有限公司 | 光学指示装置点击判断方法 |
CN101807125B (zh) * | 2010-03-25 | 2012-09-05 | 埃派克森微电子(上海)股份有限公司 | 光学指示装置点击判断方法 |
CN106127129A (zh) * | 2016-06-17 | 2016-11-16 | 北京小米移动软件有限公司 | 指纹录入提示方法和装置 |
US10346669B2 (en) | 2016-06-17 | 2019-07-09 | Beijing Xiaomi Mobile Software Co., Ltd. | Fingerprint entry prompting method and device |
Also Published As
Publication number | Publication date |
---|---|
FR2857768A1 (fr) | 2005-01-21 |
EP1646965B1 (fr) | 2008-04-23 |
DE602004013326T2 (de) | 2009-07-09 |
CA2532082A1 (fr) | 2005-02-17 |
FR2857768B1 (fr) | 2006-01-06 |
WO2005015481A1 (fr) | 2005-02-17 |
KR20060052839A (ko) | 2006-05-19 |
DE602004013326D1 (de) | 2008-06-05 |
JP2009514058A (ja) | 2009-04-02 |
EP1646965A1 (fr) | 2006-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8693736B2 (en) | System for determining the motion of a fingerprint surface with respect to a sensor surface | |
US7734074B2 (en) | Finger sensor apparatus using image resampling and associated methods | |
US8165355B2 (en) | Method and apparatus for fingerprint motion tracking using an in-line array for use in navigation applications | |
EP1308879B1 (en) | Method and apparatus for determining relative movement in an optical mouse | |
US7689012B2 (en) | Finger sensor with data throttling and associated methods | |
US6658148B1 (en) | Image processing method and apparatus | |
EP2983136A2 (en) | A method and apparatus for motion estimation | |
WO2008033265A2 (en) | Method and apparatus for fingerprint motion tracking using an in-line array | |
JP2003076486A (ja) | ポインティングデバイス | |
US8750580B2 (en) | Comparing device | |
US20080291167A1 (en) | Pointing device and displacement estimation method | |
CN1667565A (zh) | 图像传感器、光学指向设备和光学指向设备的移动计算方法 | |
CN1826605A (zh) | 用于获取指纹图像的方法 | |
WO2008053433A2 (en) | Hand gesture recognition by scanning line-wise hand images and by extracting contour extreme points | |
EP2725550A1 (en) | Image processing device, image processing method, and program | |
US10824877B2 (en) | Hierarchical data organization for dense optical flow processing in a computer vision system | |
US7315013B2 (en) | Optical navigation using one-dimensional correlation | |
CN112001942A (zh) | 一种运动估计粗搜索方法及装置 | |
CN101169693A (zh) | 光学运动感知方法 | |
JP5310594B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
US10074187B2 (en) | Image recognition system and semiconductor integrated circuit | |
KR0123077B1 (ko) | 국부 최소치를 이용한 이동량 측정 방법 및 장치 | |
CN112232372A (zh) | 一种基于opencl的单目立体匹配及加速的方法 | |
EP1018708B1 (en) | System and method for sampling and/or placing objects using low discrepancy sequences | |
US9123131B2 (en) | Parallel correlation method and correlation apparatus using the same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
ASS | Succession or assignment of patent right |
Owner name: ATMEL SWITZERLAND CO., LTD. Free format text: FORMER OWNER: E2V SEMICONDUCTOR CO., LTD. Effective date: 20071221 |
|
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20071221 Address after: Fribourg Applicant after: ATMEL Switzerland Address before: French looking leiwo Applicant before: E2V Semiconductors |
|
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |