CN1886748A - 用于手指生物测量处理的方法以及相关的手指生物测量传感器 - Google Patents

Abstract

一种用于处理多个生物测量指纹图像的方法，该指纹图像对应于指纹的各个部分，该方法计算各个部分的调准中的不确定度。该方法包括在每一对部分生物测量指纹图像之间产生相应估计物理变换，以及产生用于每一个估计物理变换的相应不确定度。一个被称为逻辑指纹生物测量图像图的图表结构可以关联到上述数据，其中该部分图像对应于节点，而该估计变换及其相应不确定度对应于边缘。该逻辑指纹生物测量图像图易用于随后在接触式传感器应用或滑动传感器应用当中进行准确的匹配。

Description

用于手指生物测量处理的方法 以及相关的手指生物测量传感器

相关申请

本申请基于2003年10月24日提交的美国临时专利申请No.60/514,059以及2003年10月1日提交的美国临时专利申请No.60/507,793的优先权，这两个申请的整个公开内容在此结合作为参考。

技术领域

本发明涉及生物测量学领域，更具体而言，涉及手指生物测量传感以及相关的登记和匹配方法的领域。

背景技术

指纹传感和匹配是一种可靠的、广泛应用于个人识别或验证的技术。尤其是，一种普通的指纹识别方法需要扫描一个指纹样本或其图像，并存储该图像和/或该指纹图像的独特特征。指纹样本的特征可以和参考信息或者已经登记在数据库中的指纹进行比较，以确定合适的个人识别，比如用于验证目的。

在Setlak等人申请的美国专利No.5,940,526中公开了指纹传感领域中的一个重要的进步，其中Setlak等人指定为本发明的受让人。该专利公开了一种集成电路指纹传感器，其包括一组射频传感电极，以提供指纹摩擦曲线凸凹纹(ridges and valleys)的准确图像。更特别的，该射频传感例如可以对皮肤表面正下方的活性组织体进行成像，从而减少误传感。Setlak等人的这个专利的整个内容在此结合作为参考。

图像拼凑是图像处理和计算机版本的研究中的主要领域，如L.Brown在“A survey of image registration techniques，ACMComputing Surveys，vol.24，no.4，pp 325-376，1992”所述的那样。它可以如下限定。对于两个或多个图像，均捕捉它们中每一个图像的一些感兴趣的数据的部分图。拼凑的目标是产生一个获得合成图的图像，该合成图是部分图的结合。拼凑过程的核心在于调准或配合两个图像的过程。调准过程的性能关系到拼凑的整体性能。拼凑的主要目标是产生合成数据组(图像，或特征组)，这些数据组被尽可能的整合无缝。

还可以在特征级进行拼凑，而不是在图像级。也就是，从每一个输入图像中提取特征组。这些组然后结合在一起，产生一个对应于它们的关联的合成特征组。

人们在指纹数据拼凑方面已经作出若干研究努力。例如，Ratha等人在“Image mosaicing for rolled figerprint construction，Proc.Int.Conf.Pattern Recognition，vol.2，pp.1651-1653，1998”中提出了一种对在手指滚动期间获得的指纹图像进行拼凑的方法。Jain和Ross在“Fingerprint mosaicking，Proc，IEEE Int.Conf.On Acoustics，Speechand Signal Processing，Orlando，Florida，2002”中公开了一种利用用于调准的细节来拼凑指纹图像的技术。Yau等人在“On fingerprinttemplate synthesis，Proc.Sixth Int.Conf.on Control，Automation，Robotics and Vision，Singapore，2000”中以及Russo申请的美国专利No.6,546,122中提及利用细节组在特征级进行指纹拼凑。

在上述所有情况中，拼凑都是在物理级进行的。换言之，数据组(图像或特征组)都是被物理融合来产生合成数据组的。

物理拼凑的根本限制在于，它不能清楚明确地计算调准过程的不确定度。如果拼凑的目标例如是人的主观分析，则不需要计算调准的不确定度。然而，如果拼凑的目标是为了提供数据到自动过程比如匹配，则它通常是相当重要的。虽然这是一般地应用于拼凑，但是在指纹匹配的情况下对不确定度的调适就显得尤其重要。这是因为，指纹图像的调准和相当大的不确定度相关。调准的高不确定度源于许多因素，比如差的图像质量和小的重叠区域。更重要的是，它是因为用于调准的变换模型比实际情况要简单；它不能或者仅能部分说明局部非线性变形。

可以说，计算调准的不确定度在物理拼凑中是非常困难的。图1A-1C和图2示出了现有技术中物理拼凑的一个例子。在图1A-1C中示出了包括三个图像31-33的输入组。这些图像31-33被调准，调准信息用于构建图2中的物理拼凑图像34。可以看到，在该拼凑图案的上中央区域中出现了轻微凸纹的失调。这种失调对于匹配过程而言是一个问题。

当前在生物测量工业中，存在使得生物测量传感器的成本降低的驱动力。这种驱动力源自开发具有成本效率的生物测量方案的需求，生物测量方案是广泛利用电子消费品比如手机、PDA以及笔记本所需的。尤其是，通过减小传感器尺寸，指纹生物测量工业已经降低传感器成本。减小传感器尺寸不仅仅是为了降低成本，还同时是为了满足在比如手机和PDA的小型设备中集成小型传感器的需要。

例如，佛罗里达州墨尔本的奥斯泰克公司(AuthenTec，Inc.ofMelbourne，Florida)，即本发明的申请人，已经生产出一种传感面积仅6.5mm×6.5mm(AES 3500)的小型接触式传感器。该面积比典型的指纹传感器面积小20％。进一步大大减小传感器尺寸将可获取的指纹信息的量降低到接触操作模式变得非常难以支承或者甚至不能支承的程度。

通过采用一种动态操作模式能够克服该缺点，其中在动态操作模式中手指滑过传感器，而不是仅仅接触传感器。该滑动操作使得指纹系统可以收集到远远大于传感器的物理区域的指纹区域的信息。滑动传感器沿手指移动方向的长度非常小，而垂直于该方向的长度为典型长度。接触操作模式是一种简单的模式，只需要向下移动手指，直到它接触到传感器表面，然后保持与传感器接触一段合理量时间，直到传感器获得指纹的信息，最后向上移动手指离开传感器。

滑动操作模式是一种略微复杂一些的模式。它需要向下移动手指，直到手指下部接触到滑动传感器，然后将手指滑过传感器达一段合理距离，或者直到失去接触，最后向上移动手指离开传感器。

处理由滑动传感器提供的指纹数据提出了巨大的算法挑战。所提供的滑动数据是一个图像序列，被称为图像切片，或者简单切片。每一个切片的尺寸和传感器的尺寸一样。切片序列对应于指纹的连续区域。为了识别，连贯的切片代表指纹的交叠区域就是非常理想的。切片交叠则可以调准连贯切片，然后从给定切片获得关于大的指纹图片的信息。

图3B示出现有技术中的一个切片序列，S＝{s₁，...s_n}，结合滑动手指36的速度曲线35(图3A的作为时间的函数的手指速度)，该序列映射到指纹。连贯切片之间的交叠程度和手指速度成反比。因此，交叠信息能够用于估计速度曲线。为了维持交叠，手指36的滑动速度不应当超过一定极限，该一定极限和传感器的扫描速度成比例。如果该速度在一定时间间隔内超过该极限，则该间隔内获得的连贯切片将在它们之间具有间隙。这种情况如图4A和4B所示。在超速时间间隔内获得的切片不能准确的和其它切片调准。唯一的可能就是通过速度曲线的插值来获得粗调。

在切片和其手指上位置之间进行映射并不一定是一件简单的事情。图3B和4B隐含假设了每一个切片都是“瞬时”截获的。因此，由滑动传感器获得的矩形切片映射成手指上的相同矩形区域。仅当传感器扫描速度远远大于滑动速度时，这种瞬时快照的假设才是合理的。否则，从切片映射出指纹将变得更加棘手。例如，假设切片是一列一列的截获的，其中每一列都几乎是瞬时截获。在这种情况下，矩形切片映射到平行四边形，其中偏离矩形的程度和滑动速度成比例。这在图5A和5B中示出。另一方面，考虑扫描以行方式进行的情况，从而每一行的扫描都是几乎瞬时进行的。在这种情况下，切片矩形映射到另一个沿运动方向伸展的矩形，其中伸展程度和滑动速度成比例(见图6A和6B)。数字符号和复合数字符号用于表示图4A至6B中的类似部件。

多数指纹识别系统依赖于接触式传感器。仅在近年来滑动传感器才应用于指纹识别。注意到，滑动传感器还通常被称为挥动传感器(swipe sensor)或扫掠传感器(sweep sensor)。任何滑动传感器系统的关键环节是，在使用滑动数据来匹配之前，预处理由切片序列表示的滑动数据。事实上，当前的所有系统都想要从滑动传感器产生的切片的序列重构指纹图像。

例如，Mainguet申请的美国专利No.6,289,114和No.6,459,804描述了一种从使用热滑动传感器获得的切片进行图像重构的方法。在该方法中，图像切片被接合在一起，以形成指纹图像。接合基于利用相互关系的连贯切片的调准。O’Gorman等人申请的已公开美国专利U.S.2003-0123714A1包括了另一种用于图像重构的方法。该方法的一些重点方面如下所述。由滑动传感器提供的图像的序列被处理，以产生指纹的图像。然而，在重构中仅使用一个图像的子集，它们定义该子集为一个切片。该子图像具有和传感器相同数量的列，但是行数比切片少。切片中的帧和相邻切片中的类似帧相关，以确定它们之间交叠的程度。

因滑动速度而出现的图像切片的明显伸展用于解释说明去除一些图像的行。滑动处理的一些特征能够用于区分真手指和假手指(例如，平均速度)。

Russo申请的已公开美国专利申请No.2003-0126448A1公开了一种基于标准化交叉相关从图像切片重构图像的方法。获取过程的统计信息比如滑动方向的角度和滑动速度能够嵌入图像中。

Griffis申请的已公开美国专利申请No.2002-0067845A1描述了一种利用线状传感器进行图像重构的方法。该传感器增加了垂直于传感线的一些传感组元。这些辅助组元用于估计手指速度，该手指速度是从获取的一线形切片序列进行图像重构所需的。最后，Maltoni等人在“Handbook of fingerprint recognition，springer-Verlag，NewYork，2003”中提出了一种从滑动数据进行图像重构的方法。该方法基于首先计算连贯切片之间的水平和垂直位移。这些位移的曲线被平滑，然后接着用于图像重构。

上述方法通过处理滑动数据来构建指纹图像。利用图像表示滑动数据被基本限制在其调适图像重构过程中出现的不确定度的能力中。这些不确定度主要对应于调准连贯切片中的误差。例如，假设两个连贯切片之间的相对形变被描述为垂直平移和水平平移。如果调准的分辨率是象素级，则在垂直方向和水平方向存在加减半象素的基本误差。调准不确定度不仅依赖于图像量化，还依赖于许多其它因素。这些因素包括：

1.图像噪声：调准不确定度和图像噪声的量成比例。

2.变换模型误差：这涉及用于调准的假定变换模型和真实模型之间的差别。假定模型越接近真实模型，则调准不确定度就越小，但是付出的代价是调准会变得更加复杂和耗时。例如，用于仅两维平移的变换模型的调准不确定度应当高于用于包括旋转和两维平移的变换模型。而后一种变换模型的不确定度又高于还考虑局部非线性畸变的模型。

3.调准算法：这包括用于确定调准的准则(例如，平方差值和标准化交叉相关的和，见“L.Brown，A survey of image registrationtechniques，ACM Computing Surveys，vol.24，no.4，pp 325-376，1992”)。一些准则获得的调准比其它准则获得的调准更准确。该算法还包括用于搜索变换空间的策略(例如，粗到细的搜索对比平搜)。

4.滑动速度：如前所述，连贯切片之间的交叠量依赖于滑动速度。从直观上看，用于调准的信息的量和交叠量成比例。因此，基本上，调准不确定度和滑动速度成比例。在该极端情况，滑动速度超过连贯切片之间具有交叠的限度(见图4A和4B)。在这种情况下，通过速度曲线的插值来仅粗略的确定调准，这会大大增加不确定度。

5.图像内容：均匀的指纹图像区域，例如，包括平行的凸纹的图像区域，会增加调准不确定度的量，而独特的区域会减小该量。通常，调准不确定度和图像信息内容成反比。

由于调准基于比较连贯的或者非常靠近的切片，所以产生另一个复杂等级。因此，随着图像被构建，调准误差逐渐累积。例如，设S＝{s₁，...s_n}是一个切片序列，而U{s_i，s_j}是切片s_i和s_j之间的调准不确定度的测量值。从直观看，U{s₁，s₃}是不确定度U{s₁，s₂}和U{s₂，s₃}的累积。类似的，U{s₁，s₄}是U{s₁，s₂}、U{s₂，s₃}、U{s₃，s₄}的累积，依此类推。不确定度在s₁和s_n之间达到最大等级U{s₁，s_n}。通过上述讨论，可以看到，忽略图像切片之间的调准的不确定度会导致大大降低指纹识别性能。

发明内容

考虑到前述背景技术，因此，本发明的一个目标是提供一种用于手指生物测量处理的方法，以及准确的、易实施的相关传感器。

通过一种用于处理多个手指生物测量登记数据组的方法，来提供根据本发明的该目标以及其它目标、特征和优点，其中该数据组计算在手指生物测量登记数据组之间调准中的不确定度。更具体而言，该方法包括：生成至少一对手指生物测量登记数据组之间的相应估计物理变换；以及生成用于每一个估计物理变换的相应不确定度。该方法还包括将该相应估计物理变换和该相应不确定度与至少一对手指生物测量登记数据组相关联，以定义逻辑手指生物测量登记图。该逻辑手指生物测量登记图易用于随后的准确匹配。

该方法还包括生成用于在该至少一对手指生物测量登记数据组之间调准的相应置信分数。因此，关联还包括关联该相应置信分数和该手指生物测量登记数据组，以进一步限定逻辑手指生物测量登记图。

在一类实施例中，基于用户手指连续置于手指生物测量接触式传感器上，生成多个手指生物测量登记数据组。该方法还包括生成至少一个手指生物测量验证数据组，并将该至少一个手指生物测量验证数据组和逻辑手指生物测量登记图比较，以确定两者的匹配。该比较可以包括确定哪一个手指生物测量登记数据组产生和该手指生物测量验证数据组之间最高的匹配值，从而定义逻辑手指生物测量登记图的锚定节点(anchor node)。该比较可以包括确定至少一个手指生物测量验证数据组和至少一个其它手指生物测量登记数据组之间的匹配分数。该方法还可以进一步包括从该至少一个其它手指生物测量登记数据组去除锚定节点的冗余数据。

在另一类实施例中，基于用户手指滑动放置于手指生物测量滑动传感器上生成该手指生物测量登记数据组，其中该手指生物测量滑动传感器在滑动期间生成一系列手指生物测量登记数据组。在这些实施例中，该方法还可以包括利用手指生物测量滑动传感器生成一系列手指生物测量验证数据组，以及生成至少一对手指生物测量验证数据组之间的相应估计物理变换。该方法还可以包括生成用于每一个估计物理变换的相应不确定度，以及将该相应估计物理变换和该不确定度与每一对手指生物测量验证数据组相关联，以定义逻辑手指生物测量验证图。换言之，逻辑手指生物测量验证图还可以被产生用于滑动手指传感器匹配。

生成相应不确定度可以包括例如使用至少一个均匀高斯概率分布函数。该方法还可以包括在逻辑手指生物测量登记图和逻辑手指生物测量验证图之间进行初始调准。因此，基于该初始调准，逻辑手指生物测量验证图可以和逻辑手指生物测量登记图进行比较，以确定两者之间的匹配。冗余数据可以从逻辑手指生物测量登记图和逻辑手指生物测量验证图两者中至少一个中去除。

比较逻辑手指生物测量验证图和逻辑手指生物测量登记图可以包括生成在逻辑手指生物测量验证图中至少一个节点和逻辑手指生物测量登记图中至少一个节点之间调准中的不确定度。该比较还可以包括，基于在逻辑手指生物测量验证图中至少一个节点和逻辑手指生物测量登记图中至少一个节点之间调准中的不确定度，进行受限制的节点到图表(node-to-graph)的匹配，并基于该受限制的节点到图表的匹配，产生总体图表匹配分数(overall graph matching score)。

基于关联至少一对手指生物测量登记数据组中的相应子区域，生成该估计物理变换。每一个手指生物测量登记数据组可以包括手指生物测量登记图像数据组。因此，该方法还包括使得每一个手指生物测量登记图像数据组经受用于减少噪声成分的图像增强、用于解释说明非瞬时传感器操作或者非线性变形的图像扭曲的至少一种。

每一个估计物理变换可以包括水平平移、垂直平移以及旋转中的至少一种。每一个手指生物测量登记数据组可以包括例如手指图像数据组和手指生物测量特征组中的至少一个。在一些实施例中，每一个手指生物测量登记数据组本身可以包括手指生物测量登记数据子组的组合。换言之，这些数据组可以视为片段，每一个片段包括手指生物测量登记数据子组的一个组合。

每一个估计物理变换可以例如基于在手指生物测量登记数据组对中相应边缘的调准。该手指生物测量登记数据组可以通过集成电路手指生物测量传感器来产生，比如电场指纹传感器。

本发明的另一个方面涉及一种相关的手指生物测量传感器。该手指生物测量传感器可以包括手指生物测量传感区域以及连接到该手指生物测量传感区域的处理器。该处理器结合手指生物测量传感区域产生多个手指生物测量登记数据组，产生至少一对手指生物测量登记数据组之间的相应估计物理变换，并产生用于每一个估计物理变换的相应不确定度。该处理器还可以将相应估计物理变换和不确定度与至少一对手指生物测量登记数据组相关联，以定义逻辑手指生物测量登记图。手指生物测量传感器例如可以是一种接触式传感器，或者是一种滑动传感器。

本发明的另一个方面还涉及一种包括手指生物测量传感区域的手指生物测量传感器，以及存储逻辑手指生物测量登记图的存储器。该登记逻辑图可以基于多个手指生物测量登记数据组、至少一对手指生物测量登记数据组之间的相应估计物理变换以及用于每一个估计物理变换的相应不确定度。该手指生物测量传感器还可以包括处理器，该处理器用于结合手指生物测量传感区域产生至少一个手指生物测量验证数据组，并比较该至少一个手指生物测量验证数据组和逻辑手指生物测量登记图，以确定两者的匹配。

附图说明

图1A-1C是根据现有技术的指纹图像示例。

图2是根据现有技术在图1A-1C中示出的三个指纹图像示例的物理拼凑图像。

图3A是在现有技术的滑动指纹传感器上方的手指速度相对于位移的示意曲线图。

图3B是现有技术中从滑动指纹传感器映射图像切片的示意性平面图，其对应于图3A的曲线图。

图4A是在现有技术的滑动指纹传感器上方的手指速度相对于位移的示意曲线图。

图4B是现有技术中从滑动指纹传感器映射图像切片的示意性平面图，其对应于图4A的曲线图。

图5A是在现有技术的滑动指纹传感器上方的手指速度相对于位移的示意曲线图。

图5B是现有技术中从滑动指纹传感器映射图像切片的示意性平面图，其对应于图5A的曲线图。

图6A是在现有技术的滑动指纹传感器上方的手指速度相对于位移的示意曲线图。

图6B是现有技术中从滑动指纹传感器映射图像切片的示意性平面图，其对应于图6A的曲线图。

图7是用于本发明的一个方法实施例的流程图。

图8是用于执行图7所示方法的手指生物测量接触式传感器的示意性方块图。

图9是手指生物测量登记登记逻辑图，其产生于图7所示的方法中，并被图8的手指生物测量传感器使用。

图10-13C是根据本发明的手指生物测量登记登记逻辑图和手指生物测量验证数据组的示意图，用于示出两者的匹配。

图14是用于本发明的另一个方法实施例的流程图。

图15是用于执行图14所示方法的手指生物测量滑动传感器的示意性方块图。

图16A和16B是根据现有技术的可能出现的滑动图像表现形式的示意性表示图。

图16C是根据本发明的利用手指生物测量登记登记逻辑图的滑动图像表现形式的示意性表示图。

图17A和17B是根据本发明的切片图像的示意性表示图，示出了去除一个冗余切片图像。

图18是用于关联的子区域的示意性表示图，其可以被图15的滑动传感器使用。

图19是涉及关联分数和标准偏移的函数的曲线图，其可以被图15的滑动传感器使用。

图20是柱状图比较示例，其可以被图15的滑动传感器使用。

图21是曲线图调准过程的流程图，其可以被图15的滑动传感器使用。

图22A-22E是用于节点到边缘的匹配(node-to-edge matching)的示意性表示图，其可以被图15的滑动传感器使用。

图23A-23G是用于曲线图到曲线图的匹配(graph-to-graphmatching)的示意性表示图，其可以被图15的滑动传感器使用。

图24A-24D是用于冗余去除的示意性表示图，其可以被图15的滑动传感器使用。

图25是不确定度测线图，其可以被图15的滑动传感器使用。

图26A-26D是示意性表示图序列，示出片段图的构建过程，其可以被图15的滑动传感器使用。

具体实施方式

现在，将在下面参照附图来更加全面地描述本发明，其中在附图中示出了本发明的优选实施例。然而，本发明可以实现为多种不同形式，而不应当局限于这里给出的实施例。准确来说，提供这些实施例将使得该公开内容详尽和完全，并将向本领域技术人员完全的传达本发明的范围。全文中相同的附图标记表示相同的部件。

本发明涉及利用在不同的手指生物测量登记数据组之间的物理变换的不确定度。为了便于清楚阐述，将首先就它们在接触式手指生物测量传感器上的应用来说明这个以及相关的特征和优点，然后这些原理还将应用到滑动手指生物测量传感器上并具有额外的特征和优点。

首先参照图7的流程图40，现在描述例如使用接触式传感器进行拼凑图像处理的一些基本方法步骤。从起点开始(方块42)，该方法可以包括在方块44产生手指生物测量登记数据组。手指生物测量登记数据组可以包括指纹图像或手指生物测量特征数据组之一或两者。

在方块46，产生估计物理变换，这将在下面更加详细的描述。在方块48，产生用于估计物理变换的不确定度，这也将在下面更加详细的描述。在方块50还可以可选择性产生调准置信分数。在方块52，相应估计物理变换、不确定度以及置信分数被关联在一起，以限定逻辑手指生物测量登记图。

产生至少一个手指生物测量验证数据组(在块54)，在块56，该至少一个手指生物测量验证数据组和逻辑手指生物测量登记图进行比较。换言之，该传感器从用户手指的当前位置收集图像数据组和/或特征数据组，以验证用户是否匹配某个已登记用户。如果在方块58中确定匹配，那么在结束(方块64)之前，在方块60产生一个匹配报告。如果没有确定出匹配，那么在方块62产生一个匹配失败报告。

就象在下面将更加详细描述的那样，方块56的该比较可以包括，确定出哪一个手指生物测量登记数据组产生和该至少一个手指生物测量验证数据组之间的最高匹配值，从而限定逻辑手指生物测量登记图的一个锚定节点，以及包括，确定该至少一个手指生物测量验证数据组和至少一个其它的手指生物测量登记数据组之间的匹配分数。方块56的比较还可以进一步包括，在确定匹配分数之前，从该至少一个其它的手指生物测量登记数据组去除该锚定节点的冗余数据。

现在描述用于执行参照图7的流程图40所述的方法的基本手指生物测量传感器70。如图所示，手指生物测量传感器70包括手指生物测量传感区域73，其是例如集成电路指纹传感器72的一部分。集成电路指纹传感器72可以是射频或电场传感型的，如上述Setlak等人申请的美国专利No.5,940,526所述的那样。当然，也可以使用其它类型的手指生物测量传感器，这是本领域技术人员容易理解的。

如图所示，手指生物测量传感器70还包括手指生物测量控制器80，该控制器可以是单独的电路，或者可以是包含在还支承手指生物测量传感区域73的集成电路基底上。控制器80包括连接到手指生物测量传感区域73的处理器81。

处理器81可以产生多个和手指生物测量传感区域73结合的手指生物测量登记数据组，产生每一对手指生物测量登记数据组之间的相应估计物理变换，以及产生用于每一个估计物理变换的相应不确定度。处理器81还可以关联相应估计物理变换和用于每一个估计物理变换的不确定度到每一对手指生物测量登记数据组，以限定逻辑手指生物测量登记图。该逻辑手指生物测量登记图可以存储在所示存储器82中。

处理器81还可以执行逻辑手指生物测量登记图和至少一个手指生物测量验证数据组之间的比较，这是本领域技术人员容易理解的。处理器81的输出可以是“匹配”或“匹配失败”输出。处理器81可以包括一个微处理器，其在所存储的程序控制下运行。

为了克服参照图1A-2所述的现有技术中的困难，根据本发明的该方面，逻辑执行拼凑。也就是，并非物理缝合给定数据组(图像或特征组)，它们被单独存储，同时它们当中带有调准信息。两个数据组之间的调准信息包括估计变换和变换中的不确定度。

图9基于来自图1A-1C的输入指纹图像31-33，以逻辑手指生物测量登记图85的形式示出该逻辑拼凑图像。如图所示，它由图表结构85来表示，其被称为拼凑图。在该图中，节点表示输入图像，或者从输入图像中提取的特征组，而边缘表示入射节点(incident node)之间的不确定调准信息。该信息表示为：

1.变换：旋转，R；水平移位，T_x；以及垂直移位，T_y。

2.变换不确定度：该不确定度和变换参数相关。

3.分数：该分数表示调准中的可信度。在图9中，注意不确定度的量是如何和该分数成反比的。

除了不确定度调适之外，逻辑拼凑还具有优于物理拼凑的另一个重要优点。在登记或匹配阶段，利用拼凑图表示合成模板大大简化了动态模板更新。例如，通过简单的删除入射到其上的对应节点和边缘，就能够完成对子拼凑图表的删除，其中该子拼凑图表由输入图像之一分摊。通过简单的增加一个新的节点和边缘，其描述和现存节点之间调准的调准信息，就能够完成一个新的子拼凑图表的插值。能够基于准则来更新拼凑图，准则比如是由该图覆盖的整个指纹区域、图表质量、和其它节点之间的连接性，等等。

下面将进一步描述相对拼凑图匹配指纹图像。匹配器首先试图在验证图像和拼凑图中节点之一之间找到一个可靠的调准。该节点被称为锚定节点。匹配依次递归的从锚定节点波及到其它节点，其由边缘中的调准信息引导。匹配器通过考查(examine)由边缘限定的变换子空间而不是仅仅考查估计变换，来计算不确定度。

在匹配从一个拼凑节点波及到另一个节点之前，位于具有给定节点的交叠区域中的验证图像中的特征被删除。这是为了防止这些特征被匹配一次以上。验证图像和拼凑节点之间的每一次匹配都产生一个分数。然后这些分数被结合，以产生一个总体分数，其对应于验证图像和拼凑图之间的匹配。该结合过程的细节依赖于使用的匹配器。

额外参照图10来说明该匹配过程的一个简单示例。如图10所示，拼凑图90(逻辑手指生物测量登记图)包括两个节点91、92，其将和验证图像93匹配。第一步骤是搜索一个锚定节点。通过匹配验证图像和第一节点91以及匹配验证图像和第二节点92并分别产生分数400和140，来完成该步骤，参照图11来理解。和第一节点91之间的调准被确定为比和第二节点92之间的调准更为可靠，这是由于它产生了一个更高的分数。因此，第一节点91被选为锚定节点。

下一步是删除位于具有锚定节点91的交叠区域中的验证图像93中的特征，如图12所示。然后在连接第一和第二节点91、92的拼凑边缘中的不确定调准信息的引导下，匹配进行到第二节点92。特别是，“被截的”(“truncated”)验证图像93和队列(alignment)上的第二节点92匹配，其中该队列位于限定在拼凑边缘中的不确定度边界内。该匹配分数被选为获得的最高分数。该过程在图13A-13C中被连续示出，其中最高分数是90(图13C)。总体匹配分数是各个单独分数的函数，在这个例子中，单独分数为400和90。如上所述，该分数组合函数依赖匹配器。例如，它可以简单的是400和90的和，因此，在这种情况下，总体分数是490。

现在参照图14和15，描述本发明涉及滑动手指生物测量传感器的方面。从起点开始(方块102)，该方法可以包括在方块104产生手指生物测量登记数据组。该手指生物测量登记数据组可以包括指纹图像的切片和来自切片的手指生物测量特征数据组之一或两者。

在方块106，产生估计物理变换，这将在下面更加详细的描述。在方块108，产生用于估计物理变换的不确定度，这也将在下面更加详细的描述。在方块110，还可以选择性产生调准置信分数。在方块112，相应估计物理变换、不确定度、以及置信分数被关联，以限定逻辑手指生物测量登记图。

方块114-122是产生逻辑手指生物测量验证图的步骤。更具体而言，该方法包括在方块114产生手指生物测量验证数据组。换言之，滑动传感器从用户的手指的当前滑动位置收集切片，以验证该用户是否匹配某个已登记用户。

在方块116，产生估计物理变换。在方块118，产生用于估计物理变换的不确定度。在方块120还可以选择性产生调准置信分数。在方块122，相应估计物理变换、不确定度、以及置信分数被关联，以限定逻辑手指生物测量验证图。

在方块124，逻辑手指生物测量验证图和逻辑手指生物测量登记图进行比较。如果在方块126匹配被确定，那么在结束(方块132)之前在方块128产生一个匹配报告。如果匹配未被确定，那么在方块130产生一个匹配失败报告。

现在描述用于执行参照图14的流程100所述的方法的基本手指生物测量滑动传感器140。如图所示，手指生物测量传感器140包括手指生物测量传感区域143，其是例如集成电路指纹传感器142的一部分。集成电路指纹传感器可以是射频或电场传感型的，其具有比参照图8的上述传感器70的传感区域73小的传感区域143。当然，也可以使用其它类型的手指生物测量滑动传感器，这是本领域技术人员容易理解的。

如图所示，手指生物测量传感器140还包括手指生物测量控制器150，该控制器可以是单独的电路，或者可以是包含在还支承手指生物测量传感区域143的集成电路基底上。控制器150包括连接到手指生物测量传感区域143的处理器151。

处理器151可以产生多个和手指生物测量传感区域153结合的手指生物测量登记数据组，产生每一对手指生物测量登记数据组之间的相应估计物理变换，以及产生用于每一个估计物理变换的相应不确定度。处理器151还可以关联相应估计物理变换和用于每一个估计物理变换的不确定度到每一对手指生物测量登记数据组，以限定逻辑手指生物测量登记图。该逻辑手指生物测量登记图可以存储在所示存储器152中。

处理器151还可以产生更小的逻辑手指生物测量验证图，并执行逻辑手指生物测量登记图和逻辑手指生物测量验证图之间的比较。处理器151的输出可以是匹配或匹配失败的输出。处理器151可以包括一个微处理器，其在所存储的程序控制下运行。

现在更加详细的描述上述大致描述的多个步骤。特别是，现在描述滑动数据的不确定度调适表示法。利用图像的滑动数据刚性表示法导致了涉及调准不确定度的信息的损失。为了克服该限制条件，基于图像的滑动数据表示法由基于图表的表示法替代，基于图表的表示法被称为切片图或者逻辑手指生物测量登记图。切片图是一种属性定向图(attributed directed graph)，包括节点和边缘，类似于上述拼凑图。例如，切片图中的节点表示各个单独图表切片，而边缘表示切片之间的调准信息。特别是，从节点N_i到节点N_j的定向边缘表示涉及N_i的切片在切片的原序中领先于涉及N_j的切片。该边缘由N_j相对于N_i的变换以及涉及该变换的不确定度来标识。

还可能包括涉及估计变换的分数。通常，边缘对应于交叠切片连接节点对，但是，理论上，它们可以连接任何节点对。

参照附图16A-16C说明了切片图的一个简单示意性例子。图16A示出现有技术中四个切片的序列160，而图16B示出基于图像的表示法162，该表示法基于现有技术中图16A所示的切片160。相反，图16C示出对应的基于图表的表示法164。在该例子中，变换模型是两维平移，由多元组T＝(T_X，T_y)来表示。它的不确定度由dT＝(dT_X，dT_y)来表示，其对应于各个简单边界(例如，实际T＝(T_X+/-dT_X，T_y+/-dT_y))，或者描述T_X和T_y的不确定度的概率密度函数(PDFs)的方差。

接下来要更加详细的描述的是切片图结构。切片图结构中的根本决定因素是用于切片调准的变换模型的选择。变换模型通常计算整体垂直和水平平移，以及可能的整体旋转。它还可以通过试图计算非线性局部变形来增加额外的复杂度等级。

切片图中的每一个节点涉及一个切片图像，可能在下面的操作之后：

用于减少噪声内容的图像增强。这能够通过自适应或非自适应滤波技术来完成，这是本领域技术人员容易理解的。

为计算非瞬时传感器的图像扭曲，如上所述。注意到，该步骤依赖于速度曲线信息。因此，它发生在下面将描述的切片被调准之后。

3.为计算非线性变形的图像扭曲。所希望的是，清楚明确的扭曲切片图像以“消除”(“undo”)非线性变形的效果，然后假设切片之间的相对变形是整体性的。该步骤可以大大简化调准不确定度的管理。

可以在处理之后存储切片图像，或者从其上提取的一些特征组。该组切片图节点能够对应于图像切片的整个序列，或者对应于它的子序列，例如，在消除冗余切片之后获得的子序列。如果在被消除之后不会损失切片毗连性(contiguity)，那么该切片就被认为是冗余的。在图17A和17B中就示出了一个例子，其中通过去除切片s₂，使得序列166被简化成图17B的序列168。

边缘载有切片当中不确定的调准信息。通过不确定调准，意味着在两个切片之间有相对变换，以及具有其不确定度。构建切片图边缘需要两个主要过程，一个是估计它所连接的两个切片之间的相对变换，另一个是估计所涉及的不确定度。这些过程下面两段加以描述。

该变换能够基于用于图像配准(image registration)的任意一种关联技术来估计，比如在L.Brown的“A survey of image registrationtechniques，ACM Computing Surveys，vol.24，no.4，pp.325-376，1992”中公开的技术。如果该变换是整体性的，那么典型的关联技术将需要选择切片之一中的一个子区域，并在所允许的变换空间内将其关联到另一个子区域。选择该子区域的位置和形状，以使得该关联技术将利用最小量的切片交叠来工作。典型的子区域是位于最靠近相邻切片的那个切片的边缘附近的薄矩形区域(在高度上具有非常少的行)。在图18中就示出了这样一种子区域170。还可以想到使用这样的子区域170来获取初始调准，然后在交叠区域内将其进一步扩大，从而获得更加准确的调准。

如果要计算局部变形的话，那么可以通过下面的精化整体调准来获取局部变形的计算。交叠区域中的多个子区域可以被选择，并在该整体变换周围的一个小变换子空间内被独立的关联。获得的变换被用于构建变换图，该图是这样一个函数，即，自变量是切片中的象素位置，而因变量是变换参数。除了整体变换之外，这些参数限定一个局部变换，其中切片中每一个象素都必须经历该局部变换，从而和其它切片中的对应象素符号一致。局部变换相对于整体变换的偏差能够视为在所选子区域的中心位置处的变换图的样本。利用插值法(interpolation technique)(例如，基于薄板样条，其例如由Bookstein在Principal warps中引述的：Thin-plate splines and theirdecomposition of deformations，IEEE Transactions of PatternAnalysis and Machine Intelligence，vol.24，no.7，pp.567-585，1989)，从这些样本中获得变换图，并且该变换图用于细目匹配(minutiamatching)的范围，比如Bazen等人在“Fingerprint matching bythin-plate spline modeling of elastic deformations，PatternRecognition，vol.36，no.8，pp.1859-1867，2003”中公开的那样。这些文章的整个内容在此结合作为参考。

还可以想到将关联过程设计成这样：它以若干小的子区域开始，其中这些子区域被独立关联，然后分析它们的相对位置，以便同时确定整体变换和局部变换图。该方法预期要比之前描述的方法更加耗时。

关联过程会因为许多原因而完全失败，比如滑动速度大于可允许速度，或者图像质量太差。处理关联失败的最简单的方式是不连接相应两个切片的节点。在这种情况下，切片图能够包括若干断接组元。如果这种失败不是太普遍，那么通过如上所述的速度曲线的插值，可以粗略的获取调准信息。该方法可以如下详细描述：

1.连贯的切片被关联，以确定它们之间的相对调准。

2.从成功的关联获得的调准被用于在获取相应切片时确定速度曲线的样本。

3.通过非线性衰退(regression)，分析地描述速度样本，这需要适配一个函数(例如，多项式的函数)给速度曲线样本。该衰退过程能够需要所有速度样本，或者位于丢失样本位置周围的那些样本。

4.在每一个丢失样本位置处的指纹速度直接从适配的函数确定。该速度然后用于调准相应切片对。

涉及变换的不确定度能够利用多变量概率密度函数(PDF)来统计表示。最普遍使用的分布是均匀高斯PDF。不确定度PDF的意义通常是估计变换。它的协方差矩阵能够利用下面两种方式之一来估计。第一，它能够被确定为估计变换处的关联分数的函数。从直观看，不确定度的量和该分数成反比。因此，该分数和涉及每一个变换参数的标准偏差之间的关系单调降低。这种关系的一种简单描述是具有饱和的线性函数，如图19所示的曲线172所描述那样，该曲线描述关联分数和标准偏差之间的函数关系。然后能够从变换参数的标准偏差获得该协方差矩阵的对角线。而基于变换参数的不确定度是独立的这样一个简化假设，非对角项能够简单的被设为零。

第二，它能够基于估计变换处的关联分数以及相邻变换处的分数而被估计。这些分数形成一个多变量函数，其中自变量对应于变换参数。然后，原始分数函数被映射成概率分数函数(probabilistic-scorefunction)，以使得该概率分数表示在给定位置观测到关联子区域的可能性。该概率分数函数然后用于通过标准估计技术来确定方差矩阵。该方案的一个简化例子是由Nickel等人在“Estimating uncertainty inSSD-based tracking，Image and Vision Computing，vol.20，no.1，pp47-58，2002”的可视图像中特征追踪的内容中所描述的那样。该文章的整个内容也在此结合作为参考。

注意到，上述两种方法都假设该关联是成功的。如果关联失败，则不确定度协方差矩阵能够被设置为根据经验确定的固定矩阵。注意到，当通过速度曲线的插值来调准切片时，会出现这种情况。

现在描述匹配两个切片图的过程，其中一个切片在登记时获得，另一个切片在匹配时获得。这些图表分别由G^E和G^M来表示。匹配包括两个主要阶段：

1.图表调准：该阶段的目的是产生图表G^E和G^M之间的初始可靠调准。这是通过试图找到G^E中一个节点和G^M中另一个节点之间的良好匹配来获得的。

2.图表匹配：该阶段执行调准中的G^E和G^M之间的详细的图表到图表匹配，该调准由第一阶段提供。该阶段的输出是匹配分数，其估计两个图表之间的相似度。

用于图表调准的该前向方法是穷举匹配G^E中的每一个节点和G^M中的每一个节点，然后，基于匹配分数，按降序排列登记/匹配节点对。节点到节点穷举匹配的复杂度是O(n^E n^M)级，其中n^E和n^M分别是G^E和G^M中的节点的数量。穷举匹配并不是理想的，因为其高计算需求。通过使用用于节点对的粗分级的有效方法，该问题会得以缓和。

一种可能的分级方法是基于比较低等级指纹特征的柱状图。这些特征例如是曲线凸纹定向、曲线凸纹曲率以及曲线凸纹频率。所选柱状图特征的数量显示一方面辨别力(discriminative power)、另一方面计算和空间上的需求之间的折衷。两个柱状图之间的相似度能够通过使用比如最小值之和这样的准则来估计。它还可以包括该准则中的一个补偿项(penalty term)来惩罚(penalize)对应值之间的差值。通过图20中实线和虚线174、176所示的两个柱状图，示出一个例子。特别是，图20示出具有补偿的柱状图比较的例子。最小值的和＝2+1+3+3+1＝10。具有补偿的最小值的和＝10-k(2+0+2+1+1)＝10-6k，其中k是一个将被确定的常数，比如根据经验来确定的常数。分级方法的输出是n^E×n^M节点对的有序表。每一对都按序提交给一个详细匹配器。继续节点到节点的详细匹配，直到下列条件之一被满足：由匹配器返回的分数超过一个门限值，其中该门限值被设置为表示匹配可信度的最小所需等级；或者匹配的数量超过一些门限值。该门限值是节点到节点匹配的最小数量，而且该最小数量是几乎保证对于相同手指匹配将找到合理的节点匹配所需的最小数量。

每一个匹配产生一个分数和对应不确定调准。这能够通过多元组(N_i，M_j，S_ij，T_ij，dT_ij)来表示，其中N_i和M_j分别是G^E和G^M中的被匹配节点，S_ij是匹配分数，T_ij是N_i相对于M_j的变换，而dT_ij是涉及T_ij的不确定度。由(N_u，M_v，S_uv，T_uv，dT_uv)表示的对应于最高分数的多元组被选择。如果这样一个分数，S_uv，低于一些门限值，那么图表到图表的匹配被宣告失败。

在图21中示出图表调准阶段的流程180的方块图，其中在方块182进行节点到节点的粗分级，接着在方块184进行下一节点对的匹配。在方块186，一个最佳分数和方块184获得的分数进行比较，如果它较小，那么在方块188更新该最佳分数。如果它较大，那么在方块190没有匹配和多个最大匹配进行比较。如果匹配的数量等于最大数量，那么在方块192该最佳分数和一个门限值比较。如果在方块190匹配的数量不等于匹配的最大数量，那么该方法回到方块184。如果在方块192最佳分数和门限值的比较显示该最佳分数小于门限分数，那么报告匹配失败，如果不是，那么报告最佳不确定调准节点对(thebest+uncertain alignment+node pair)。

图表匹配阶段将第一阶段中获得的最佳节点到节点匹配扩大到图表G^E和G^M之间的完全匹配。它是基于一个图表中节点和另一个图表中节点之间的迭代的节点到图表匹配。该节点到图表匹配转而基于迭代的节点到节点匹配。在所有情况，匹配都受到第一步骤中获得的最佳不确定调准的限制。该图表匹配算法的步骤如下所述：

1.不确定调准列表的构建：该步骤的目标是确定G^E中每一个节点N_i和G_M中每一个节点M_v之间的不确定调准。这是通过利用图表调准阶段中确定的最佳不确定调准以及图表G^E中的边缘信息来完成的，其由(N_u，M_v，S_uv，T_uv，dT_uv)来表示。该过程从N_u和M_v(T_uv，dT_uv)之间的晶粒调准(seed alignment)开始。该调准递归波及到G^E中的其它节点。也就是，首先计算N_u的最近邻的调准，接着进行最近邻的近邻的调准，依此类推。例如，假设N_u+1相对于N_u的不确定调准是(T₁，dT₁)，变换空间是两维平移(垂直和水平平移)，变换不确定度是两个变换参数的协方差矩阵。然后，N_u+1相对于节点M_v的调准是(T₁+T_uv，dT₁+dT_uv)。进而，如果N_u+2相对于N_u+1的不确定调准是(T₂，dT₂)，那么N_u+1相对于M_v的调准就是(T₁+T₂+T_uv，dT₁+dT₂+dT_uv)，依此类推。

2.受限制的节点到图片的匹配：G^E中的每一个节点，N_i，和图表G^M进行匹配。N_i和G^M之间的匹配受到在前一步骤确定的N_i和M_v之间的不确定调准的限制。特别是，通过将其限制到一个截获不确定度PDF的大多数概率密度的小的子空间，不确定度协方差矩阵被用于限制在变换空间的搜索。该节点到图表匹配步骤如下所述：

A.节点N_i和G^M中可能会和其交叠的单个节点进行匹配。继续该节点到节点匹配，直到获得具有合理分数的匹配，或者G^M中的所有节点都被匹配过。注意到，预期N_i会和G^M中的最多两个节点明显交叠。这是因为，该匹配受到限制，并且所有的切片图节点具有相同尺寸大小。该步骤的输出是多元组(N_u，M_w，S_iw，T_iw，dT_iw)，其中M_w是G^M中产生最高分数的节点。

B.在前一步骤获得的节点到节点的匹配(N_u，M_w，S_iw，T_iw，dT_iw)被扩大到G^M中的其它节点。首先，N_i中和M_w交叠的特征被删除，以避免将它们匹配一次以上。第二，N_i和G^M中和其交叠的每一个节点之间的不确定调准以一种类似于前述步骤A中方式的方式来估计。第三，N_i连续和每一个其它交叠节点M_j进行匹配，其中匹配受到N_i和M_j之间的不确定调准的限制。和前面一样，N_i中和M_j交叠的特征被删除，以防止二次匹配。第四，产生的节点到节点分数，{S_ij}，被结合形成一个节点到图表分数，S_i。该分数结合过程的细节取决于匹配器。一个可能的简单方案是，对节点到节点分数进行求和(也就是，S_i＝∑S_ij)。

在图22A-22E示出了节点到图表匹配的一个例子。图22A示出一个登记节点N_i和匹配滑动图表G^M，该图表包括两个节点M₁和M₂。图22b示出节点N_i、M₁和M₂之间的调准。图22C示出N_i和M₂的节点到节点匹配产生一个200的分数。那些和节点M₂中特征交叠的特征被删除，如图22D的阴影区域所示。图22E示出节点N_i和M₁在多种相对变换上匹配，该变换由N_i和M₁之间的不确定调准来确定。最高分数是75。假设节点到图表的分数是节点到节点的分数的和，则N_i和滑动图表(M₁，M₂)之间的匹配结果是200+75＝275。

为了防止G^E中节点的特征匹配一次以上，每一个节点的特征组，N_i，首先被删除，以消除交叠G^E的之前被匹配节点的特征。该删除步骤在节点到图表匹配进行之前是需要的，以防止一些特征在图表到图表的匹配步骤中被使用一次以上。

3.图表到图表的匹配：图表到图表的匹配的目的是，产生一个对两个图表之间的相似度定值的分数。该图表到图表的分数是在前一步骤中获得的节点到图表分数{S_i}组的函数。如前所述，该结合过程依赖于所用的匹配器。一种可能的结合方案是对节点到图表的分数进行求和(也就是，S＝∑S_i)。在图23A-23G中示出了图表到图表的匹配的一个完整示例，其从图表调准开始。

更具体而言，图23A示出两个切片图，图23B示出两个图表之间的调准信息，图23C示出四个可能的节点到节点匹配的粗分数，其中对(N₁，M₂)获得最高粗分数。接下来，图23D示出节点N₁匹配到M₂，产生一个可靠分数250。图23E示出节点N₁匹配到(M₁，M₂)，产生一个节点到图表分数340。图23F示出用虚线表示的N₂交叠到N₁的特征被删除。图23G示出节点N₂匹配到(M₁，M₂)，产生的节点到图表的分数170。假设图表到图表的分数是节点到图表的分数的和，则图表(N₁，N₂)匹配到图表(M₁，M₂)的结果是340+170＝510。

在上述算法中，假设图表调准阶段提供仅仅一个单个可能调准到该图表调准阶段。还可以想到，一些潜在调准被产生，以被图表匹配阶段所考查。在这种情况下，图表到图表的匹配分数简单的是所产生分数的最大值。考虑到切片图的性质，上述算法隐含的假设了每一个切片图包括单个被连接组元(component)。然而，如上所述，切片图具有若干被连接组元也是可能的。

重要的是，注意到该算法还适用于具有若干被连接组元的切片图。差别在于，图表调准阶段将在G^E中的一个被连接组元和G^M中的另一个组元之间提供一种有希望的调准(promising alignment)。提供若干调准将使得可以进行G^E和G^M中被连接组元之间的若干有希望的匹配的考查。如果想要考查每一对被连接组元，则上述算法会仅独立应用于每一对被连接组元。这种方案的图表到图表的总体分数是获得的分数的最大值。

另一种变型旨在构建不确定调准列表。上述算法假设调准列表在匹配开始之前构建。该方法的潜在限制是，不确定度成为所考虑的节点和基本节点(N_u)之间距离的函数。通过交错进行不确定调准估计和匹配，可以缓和该潜在问题。特别是，首先仅估计用于N_u的最相邻节点的不确定调准。然后通过仅使用N_u和其相邻节点来进行节点到图表的匹配。匹配的结果用于确定下面的相邻节点的调准不确定度，然后其和G^M进行匹配，依此类推。

一种额外变型需要切片图中的信息冗余。每一个节点对应一个切片图像。因此，对应于切片图像的交叠区域，在连贯节点中存在冗余信息。通过选择切片的最小数量以使得毗连性得以保持，从而冗余的量得以大大减小。通过仅存储交叠区域中特征一次，可以消除剩下的冗余。在图24A-24D中示出这种原理的一个示例。图24A示出两个交叠切片s₁、s₂。图24B示出具有冗余的对应切片图。图24C示出对应没有冗余的切片图的潜在情况，而图24D示出没有冗余的切片图的另一种潜在情况。

之前的段落描述了如何从切片原序列构建该切片图，并示出如何利用它们来进行匹配。在一种典型方案中，依赖于手指滑动长度，切片图包括许多节点。节点的数量可以是50以上或者更多。这么大的切片图的匹配将会是复杂的并且耗时。缓和该问题的一种可能方式是增加从切片到片段(segment)的节点粒度(granularity)。一个片段可以视为一个“超级切片”。它可以通过利用连贯切片之间的调准信息将这些连贯切片组合成单个部分图像来构建。然后用于匹配的特征组从该部分图像中提取。此外，特征可以从每一个切片提取，然后切片特征组被物理组合，以形成片段特征组。获得的片段序列然后用于形成一个新的图表，其被称为片段图。该图表中的节点对应于各个片段，而边缘承载片段当中的不确定调准信息。

通过将切片组合成片段来构建片段-图表节点。每个片段的切片数量可以以多种方式选择。一些简单的方式是试图保持每片段具有固定数量的切片，或者保持固定片段图像长度。这些准则并不是总是被遵循(例如，当构建切片序列中的最后一个片段时，或者构建切片图断开处的最后一个片段时)。还可以想到采用一种智能方案来基于不确定度测线进行片段选择。切片序列的不确定度测线(profile)是一个离散函数，其中自变量表示一对连贯切片，而因变量是它们之间调准中不确定度的测量值。

这些特征的例子是该不确定度协方差矩阵的主对角线元素之和(trace)或行列式。图25示出不确定度测线194的一个例子。注意到，如果两个连贯切片在切片图中未被连接在一起，则对应的不确定度测量值设置为无限大(或者一个非常高的数字)。使用多种准则可以通过不确定度测线选择片段，比如每一个片段具有相同量的累积不确定度(例如，各个不确定度测量值的和或者乘积)，或者每一个片段在两个连贯局部最大值之间伸展。应用该准则到图25中所示不确定度测线194，可以获得四个片段(1，2，3)、(4，5，6，7，8)以及(9，10)。这是因为该测线在(3，4)和(8，9)具有两个局部最大值。

还可以利用一个混合准则。混合准则的一个例子是，片段在两个连贯局部最大值之间伸展，以使得它的部分图像的长度在给定范围内。

构建片段-图表边缘多多少少有些复杂。这是因为，由于其在构建片段时已经被忽略，所以，由边缘承载的调准不确定度必须计算入射到该边缘的两个片段的两个“边界”(“border”)切片之间的调准不确定度(如切片-图表的情况中那样)以及每一个片段内的调准不确定度。

该过程通过估计两个切片之间的不确定调准来开始，如上所述。接着，累计每一个片段内的不确定度，以形成一个合成不确定度。然后该合成不确定度在入射到片段的边缘当中被分布，比如均匀的分布。图26A-26D示出从切片序列构建片段-图表的一个例子。图26A示出六个切片s₁-s₆的初始序列，图26B示出调准后的两个切片，图26C示出对应的切片图，以及图26D示出包括三个片段SEG₁-SEG₃的对应片段图表，其中每一个片段对应于两个切片。

为了清楚说明，术语片段已经用来表示切片的组合。考虑到其它情况中，手指生物测量登记数据组包括子组，其转而由更小的数据组组合而成，如上所述。因此，术语手指生物测量登记数据组也意为包括一个片段数据组，这是本领域技术人员容易理解的。

用于匹配片段图的算法和用于匹配切片-图表的算法相同，如上所述。然而，该算法的特性被预期在速度和识别准确度方面有所不同。片段-图表匹配被预期比切片-图表匹配要快，这是因为每图表具有更少的平均节点数量。至于识别准确度，忽略片段切片当中的不确定度根本的降低了片段-图表匹配的性能，其中降低的程度和所忽略的不确定度的量成比例。另一方面，从一个切片到一个片段增加节点粒度会改善节点到节点匹配的可靠性，这会有利于在滑动图表匹配上进行片段-图表的匹配，其中上述切片通常只有很少的行。

本发明的其它特征可以在以下名称的同样未决申请中获得：SPOT-BASED FINGER BIOMETRIC PROCESSING METHODAND ASSOCIATED SENSOR，代理案卷号51582；以及METHODSFOR MATCHING RIDGE ORIENTATION CHARACTERISTICMAPS AND ASSOCIATED FINGER BIOMETRIC SENSOR，代理案卷号51587，这些申请的整个公开内容在此结合作为参考。

借助于上述说明和相关附图的教义，本领域技术人员将会领会本发明的许多变型和其它实施例。因此，应当理解，本发明不应当限制为所公开的具体实施例，这些变型和实施例都应当包括在所附权利要求所限定的范围内。

Claims (73)

1.一种用于手指生物测量处理的方法，包括：

生成至少一对手指生物测量登记数据组之间的相应估计物理变换；

生成用于每一个估计物理变换的相应不确定度；以及

将该相应估计物理变换和该相应不确定度与该至少一对手指生物测量登记数据组相关联，以定义逻辑手指生物测量登记图。

2.根据权利要求1所述的方法，还包括生成用于在该至少一对手指生物测量登记数据组之间调准的相应置信分数；以及其中关联还包括关联该相应置信分数和该至少一对手指生物测量登记数据组，以进一步限定逻辑手指生物测量登记图。

3.根据权利要求1所述的方法，其中基于用户手指连续置于手指生物测量接触式传感器上，生成该至少一对手指生物测量登记数据组。

4.根据权利要求3所述的方法，还包括：

生成至少一个手指生物测量验证数据组；以及

将该至少一个手指生物测量验证数据组和逻辑手指生物测量登记图比较，以确定两者的匹配。

5.根据权利要求4所述的方法，其中该比较包括：

确定哪一个手指生物测量登记数据组产生和该至少一个手指生物测量验证数据组之间最高的匹配值，从而定义逻辑手指生物测量登记图的一个锚定节点；以及

确定该至少一个手指生物测量验证数据组和至少一个其它手指生物测量登记数据组之间的匹配分数。

6.根据权利要求5所述的方法，还包括在确定匹配分数之前从该至少一个其它手指生物测量登记数据组去除锚定节点的冗余数据。

7.根据权利要求1所述的方法，其中基于用户手指滑动放置于手指生物测量滑动传感器上生成该至少一对手指生物测量登记数据组，其中该手指生物测量滑动传感器在滑动期间生成一系列手指生物测量登记数据组。

8.根据权利要求7所述的方法，还包括：

利用手指生物测量滑动传感器生成一系列手指生物测量验证数据组；

生成至少一对手指生物测量验证数据组之间的相应估计物理变换；

生成用于每一个估计物理变换的相应不确定度；以及

将该相应估计物理变换和该相应不确定度与该至少一对手指生物测量验证数据组相关联，以定义逻辑手指生物测量验证图。

9.根据权利要求8所述的方法，其中生成用于每一个在该至少一对手指生物测量验证数据组之间的估计物理变换的相应不确定度包括使用至少一个均匀高斯概率分布函数。

10.根据权利要求8所述的方法，还包括在逻辑手指生物测量登记图和逻辑手指生物测量验证图之间生成初始调准。

11.根据权利要求10所述的方法，还包括基于该初始调准，比较逻辑手指生物测量验证图和逻辑手指生物测量登记图，以确定两者之间的匹配。

12.根据权利要求11所述的方法，还包括从逻辑手指生物测量登记图和逻辑手指生物测量验证图两者中至少一个中去除冗余数据。

13.根据权利要求11所述的方法，其中比较逻辑手指生物测量验证图和逻辑手指生物测量登记图包括：

生成在逻辑手指生物测量验证图中至少一个节点和逻辑手指生物测量登记图中至少一个节点之间调准中的相应不确定度；

基于调准中的相应不确定度，执行受限制的节点到图表的匹配；以及

基于该受限制的节点到图表的匹配，生成总体图表匹配分数。

14.根据权利要求1所述的方法，其中生成该相应估计物理变换包括关联该至少一对手指生物测量登记数据组中的相应子区域。

15.根据权利要求1所述的方法，其中每一个手指生物测量登记数据组包括手指生物测量登记图像数据组，还包括使得每一个手指生物测量登记图像数据组经受用于减少噪声成分的图像增强、用于解释说明非瞬时传感器操作或者非线性变形的图像扭曲的至少一种。

16.根据权利要求1所述的方法，其中该相应估计物理变换包括水平平移、垂直平移以及旋转中的至少一种。

17.根据权利要求1所述的方法，其中每一个手指生物测量登记数据组可以包括手指图像数据组和手指生物测量特征组中的至少一个。

18.根据权利要求1所述的方法，其中每一个手指生物测量登记数据组包括手指生物测量登记数据子组的组合。

19.根据权利要求1所述的方法，其中生成相应估计物理变换是基于该至少一对手指生物测量登记数据组的相应边缘的调准进行的。

20.根据权利要求1所述的方法，其中该至少一对手指生物测量登记数据组通过集成电路手指生物测量传感器来生成。

21.一种用于确定手指生物测量匹配的方法，包括：

生成多个手指生物测量登记数据组；

生成至少一对手指生物测量登记数据组之间的相应估计物理变换；

生成用于每一个估计物理变换的相应不确定度；

生成用于在该至少一对手指生物测量登记数据组之间调准的相应置信分数；

将该相应估计物理变换、不确定度和该置信分数与该至少一对手指生物测量登记数据组相关联，以定义逻辑手指生物测量登记图；

生成至少一个手指生物测量验证数据组；以及

比较该至少一个手指生物测量验证数据组和逻辑手指生物测量登记图，以确定两者的匹配。

22.根据权利要求21所述的方法，其中生成多个手指生物测量登记数据组包括基于用户手指连续置于手指生物测量接触式传感器上生成多个手指生物测量登记数据组。

23.根据权利要求21所述的方法，其中比较包括：

确定哪一个手指生物测量登记数据组产生和该至少一个手指生物测量验证数据组之间最高的匹配值，从而定义逻辑手指生物测量登记图的一个锚定节点；以及

确定该至少一个手指生物测量验证数据组和该至少一个其它手指生物测量登记数据组之间的匹配分数。

24.根据权利要求23所述的方法，还包括在确定匹配分数之前从该至少一个其它手指生物测量登记数据组去除锚定节点的冗余数据。

25.根据权利要求21所述的方法，其中生成多个手指生物测量登记数据组包括基于用户手指在手指生物测量滑动传感器上的滑动位置生成多个手指生物测量登记数据组，其中该手指生物测量滑动传感器在滑动期间生成一系列手指生物测量登记数据组。

26.根据权利要求25所述的方法，其中生成至少一个手指生物测量验证数据组包括利用手指生物测量滑动传感器生成一系列手指生物测量验证数据组；还包括：

生成至少一对手指生物测量验证数据组之间的相应估计物理变换；

生成用于每一个估计物理变换的相应不确定度；以及

将该相应估计物理变换和该相应不确定度与该至少一对手指生物测量验证数据组相关联，以定义逻辑手指生物测量验证图。

27.根据权利要求26所述的方法，还包括在逻辑手指生物测量登记图和逻辑手指生物测量验证图之间生成初始调准。

28.根据权利要求27所述的方法，其中比较包括基于该初始调准比较逻辑手指生物测量验证图和逻辑手指生物测量登记图，以确定两者之间的匹配。

29.根据权利要求28所述的方法，还包括从逻辑手指生物测量登记图和逻辑手指生物测量验证图两者中的至少一个中去除冗余数据。

30.根据权利要求28所述的方法，其中比较逻辑手指生物测量验证图和逻辑手指生物测量登记图包括：

生成在逻辑手指生物测量验证图中至少一个节点和逻辑手指生物测量登记图中至少一个节点之间调准中的相应不确定度；

基于调准中的该相应不确定度执行受限制的节点到图表的匹配；以及

基于该受限制的节点到图表的匹配，生成总体图表匹配分数。

31.根据权利要求21所述的方法，其中该相应估计物理变换包括水平平移、垂直平移以及旋转中的至少一种。

32.根据权利要求21所述的方法，其中每一个手指生物测量登记数据组包括手指图像数据组和手指生物测量特征组中的至少一个。

33.根据权利要求21所述的方法，其中每一个手指生物测量登记数据组包括手指生物测量登记数据子组的组合。

34.根据权利要求21所述的方法，其中生成该相应估计物理变换是基于该至少一对手指生物测量登记数据组中相应边缘的调准来进行的。

35.一种用于处理多个手指生物测量数据组的方法，包括：

生成至少一对手指生物测量登记数据组之间的相应估计物理变换；

生成用于每一个估计物理变换的相应不确定度；以及

将该相应估计物理变换和相应不确定度与该至少一对手指生物测量数据组相关联，以定义逻辑手指生物测量图。

36.根据权利要求35所述的方法，还包括生成用于在该至少一对手指生物测量数据组之间调准的相应置信分数；以及其中关联还包括关联该相应置信分数和该至少一对手指生物测量数据组，以进一步定义逻辑手指生物测量图。

37.根据权利要求35所述的方法，其中相应估计物理变换包括水平平移、垂直平移以及旋转中的至少一种。

38.根据权利要求35所述的方法，其中每一个手指生物测量数据组包括手指图像数据组和手指生物测量特征组中的至少一个。

39.根据权利要求35所述的方法，其中生成该相应估计物理变换是基于在该至少一对手指生物测量数据组中相应边缘的调准进行的。

40.根据权利要求35所述的方法，其中该手指生物测量数据组通过集成电路手指生物测量传感器来生成。

41.一种手指生物测量传感器，包括：

手指生物测量传感区域；以及

连接到所述手指生物测量传感区域的处理器，该处理器用于

结合所述手指生物测量传感区域生成多个手指生物测量登记数据组，

生成该至少一对手指生物测量登记数据组之间的相应估计物理变换，

生成用于每一个估计物理变换的相应不确定度，以及

将该相应估计物理变换和相应不确定度与该至少一对手指生物测量登记数据组相关联，以定义逻辑手指生物测量登记图。

42.根据权利要求41所述的手指生物测量传感器，其中所述处理器还用于生成用于在该至少一对手指生物测量登记数据组之间调准的相应置信分数；以及其中所述处理器还用于关联该相应置信分数和该至少一对手指生物测量登记数据组，以进一步定义逻辑手指生物测量登记图。

43.根据权利要求41所述的手指生物测量传感器，其中所述处理器还用于基于用户手指连续置于所述手指生物测量传感区域上而生成多个手指生物测量登记数据组。

44.根据权利要求41所述的手指生物测量传感器，其中所述处理器还用于：

结合所述手指生物测量传感区域生成至少一个手指生物测量验证数据组；以及

比较该至少一个手指生物测量验证数据组和逻辑手指生物测量登记图，以确定两者的匹配。

45.根据权利要求44所述的手指生物测量传感器，其中所述处理器通过以下步骤进行比较：

确定哪一个手指生物测量登记数据组产生和该至少一个手指生物测量验证数据组之间最高的匹配值，从而定义逻辑手指生物测量登记图的一个锚定节点；以及

确定该至少一个手指生物测量验证数据组和至少一个其它手指生物测量登记数据组之间的匹配分数。

46.根据权利要求45所述的手指生物测量传感器，其中所述处理器还用于从该至少一个其它手指生物测量登记数据组去除锚定节点的冗余数据。

47.根据权利要求41所述的手指生物测量传感器，其中所述处理器基于用户手指在手指生物测量传感区域上的滑动位置生成多个手指生物测量登记数据组作为一系列手指生物测量登记数据组。

48.根据权利要求47所述的手指生物测量传感器，其中所述处理器还用于：

结合所述手指生物测量传感区域生成一系列手指生物测量验证数据组；

生成至少一对手指生物测量验证数据组之间的相应估计物理变换；

生成用于每一个估计物理变换的相应不确定度；以及

将该相应估计物理变换和用于每一个估计物理变换的该相应不确定度与该至少一对手指生物测量验证数据组相关联，以定义逻辑手指生物测量验证图。

49.根据权利要求48所述的手指生物测量传感器，其中所述处理器生成用于每一个该至少一对手指生物测量验证数据组之间的估计物理变换的相应不确定度包括使用至少一个均匀高斯概率分布函数。

50.根据权利要求48所述的手指生物测量传感器，其中所述处理器还用于在逻辑手指生物测量登记图和逻辑手指生物测量验证图之间进行初始调准。

51.根据权利要求50所述的手指生物测量传感器，其中所述处理器还用于基于该初始调准比较逻辑手指生物测量验证图和逻辑手指生物测量登记图，以确定两者之间的匹配。

52.根据权利要求48所述的手指生物测量传感器，其中所述处理器还用于从逻辑手指生物测量登记图和逻辑手指生物测量验证图两者中的至少一个中去除冗余数据。

53.根据权利要求52所述的手指生物测量传感器，其中所述处理器通过以下步骤比较逻辑手指生物测量验证图和逻辑手指生物测量登记图：

生成在逻辑手指生物测量验证图中至少一个节点和逻辑手指生物测量登记图中至少一个节点之间调准中的相应不确定度；

基于调准中的该相应不确定度，执行受限制的节点到图表的匹配；以及

基于该受限制的节点到图表的匹配，生成总体图表匹配分数。

54.根据权利要求41所述的手指生物测量传感器，其中所述处理器基于关联该对手指生物测量登记数据组中的相应子区域，生成该相应估计物理变换。

55.根据权利要求41所述的手指生物测量传感器，其中每一个手指生物测量登记数据组包括手指生物测量登记图像数据组；以及其中所述处理器还用于使得每一个手指生物测量登记图像数据组经受用于减少噪声成分的图像增强、用于解释说明非瞬时传感区域操作或者非线性变形的图像扭曲的至少一种。

56.根据权利要求41所述的手指生物测量传感器，其中每一个估计物理变换包括水平平移、垂直平移以及旋转中的至少一种。

57.根据权利要求41所述的手指生物测量传感器，其中每一个手指生物测量登记数据组包括手指图像数据组和手指生物测量特征组中的至少一个。

58.根据权利要求41所述的手指生物测量传感器，其中每一个手指生物测量登记数据组包括手指生物测量登记数据子组的组合。

59.根据权利要求41所述的手指生物测量传感器，其中所述处理器基于该至少一对手指生物测量登记数据组中相应边缘的调准而生成该相应估计物理变换。

60.根据权利要求41所述的手指生物测量传感器，其中所述手指生物测量传感区域包括集成电路手指生物测量传感区域。

61.一种手指生物测量传感器，包括：

手指生物测量传感区域；

存储器，其存储基于多个手指生物测量登记数据组、至少一对手指生物测量登记数据组之间的相应估计物理变换以及用于每一个估计物理变换的相应不确定度的逻辑手指生物测量登记图；以及

连接到所述手指生物测量传感区域和所述存储器的处理器，该处理器用于

结合所述手指生物测量传感区域生成至少一个手指生物测量验证数据组，以及

比较该至少一个手指生物测量验证数据组和逻辑手指生物测量登记图，以确定两者的匹配。

62.根据权利要求61所述的手指生物测量传感器，其中所述存储器还存储用于在该至少一对手指生物测量登记数据组之间调准的相应置信分数作为逻辑手指生物测量登记图的一部分。

63.根据权利要求61所述的手指生物测量传感器，其中所述处理器通过以下步骤进行比较：

确定哪一个手指生物测量登记数据组产生和该至少一个手指生物测量验证数据组之间的最高的匹配值，从而定义逻辑手指生物测量登记图的一个锚定节点；以及

确定该至少一个手指生物测量验证数据组和至少一个其它手指生物测量登记数据组之间的匹配分数。

64.根据权利要求63所述的手指生物测量传感器，其中所述处理器还用于从该至少一个其它手指生物测量登记数据组去除该锚定节点的冗余数据。

65.根据权利要求61所述的手指生物测量传感器，所述处理器通过结合所述手指生物测量传感区域生成一系列手指生物测量验证数据组来生成该至少一个手指生物测量验证数据组；以及其中所述处理器还用于：

生成该至少一对手指生物测量验证数据组之间的相应估计物理变换；

生成用于每一个估计物理变换的相应不确定度；以及

将该相应估计物理变换和用于每一个估计物理变换的相应不确定度与该至少一对手指生物测量验证数据组相关联，以定义逻辑手指生物测量验证图。

66.根据权利要求65所述的手指生物测量传感器，其中所述处理器还用于在逻辑手指生物测量登记图和逻辑手指生物测量验证图之间进行初始调准。

67.根据权利要求66所述的手指生物测量传感器，其中所述处理器还用于基于该初始调准比较逻辑手指生物测量验证图和逻辑手指生物测量登记图，以确定两者之间的匹配。

68.根据权利要求67所述的手指生物测量传感器，其中所述处理器通过以下步骤比较逻辑手指生物测量验证图和逻辑手指生物测量登记图：

生成在逻辑手指生物测量验证图中至少一个节点和逻辑手指生物测量登记图中至少一个节点之间的调准中的相应不确定度；

基于调准中的不确定度，执行受限制的节点到图表的匹配；以及

基于该受限制的节点到图表的匹配，生成总体图表匹配分数。

69.根据权利要求61的手指生物测量传感器，其中每一个估计物理变换包括水平平移、垂直平移以及旋转中的至少一种。

70.根据权利要求61所述的手指生物测量传感器，其中每一个手指生物测量登记数据组包括手指图像数据组和手指生物测量特征组中的至少一个。

71.根据权利要求61所述的手指生物测量传感器，其中每一个手指生物测量登记数据组包括手指生物测量登记数据子组的组合。

72.根据权利要求61所述的手指生物测量传感器，其中所述处理器基于该至少一对手指生物测量登记数据组中相应边缘的调准而生成每一个估计物理变换。

73.根据权利要求61所述的手指生物测量传感器，其中所述手指生物测量传感区域包括集成电路手指生物测量传感区域。

Images