FR2582831A1 - Method of identifying a fingerprint, device for implementing this method and use of this method - Google Patents
Method of identifying a fingerprint, device for implementing this method and use of this method Download PDFInfo
- Publication number
- FR2582831A1 FR2582831A1 FR8508295A FR8508295A FR2582831A1 FR 2582831 A1 FR2582831 A1 FR 2582831A1 FR 8508295 A FR8508295 A FR 8508295A FR 8508295 A FR8508295 A FR 8508295A FR 2582831 A1 FR2582831 A1 FR 2582831A1
- Authority
- FR
- France
- Prior art keywords
- image
- fingerprint
- stop
- sep
- lines
- 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
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/20—Individual registration on entry or exit involving the use of a pass
- G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
- G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition
- G07C9/257—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition electronically
-
- 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)
- Image Analysis (AREA)
Abstract
Description
Procédé d'identification d'une empreinte digitale. dispositif pour la mise en oeuvre de ce procédé et utilisation de ce procédé
La présente invention concerne un procédé d'identification d'une empreinte digitale d'un individu, dans lequel on procède a l'acquisition de l'image de cette empreinte par un procédé optique, puis a la reconnaissance automatique d'un nombre déterminé de points caractéristiques de cette image et à la comparaison de ces points caractéristiques avec ceux d'images acquises précédemment.Method of identifying a fingerprint device for implementing this method and use of this method
The present invention relates to a method for identifying a fingerprint of an individual, in which the image of this fingerprint is acquired by an optical method, then to the automatic recognition of a predetermined number of characteristic points of this image and the comparison of these characteristic points with those of images acquired previously.
Elle concerne egalement un dispositif pour la mise en oeuvre de ce procédé ainsi qu'une utilisation du procédé.It also relates to a device for implementing this method and a use of the method.
On connait différents moyens surs d'identifier un individu par reconnaissance de caractéristiques propres a cet individu. Parmi ces moyens comprenant l'analyse morphologique générale, l'analyse sanguine, l'analyse génétique, la reconnaissance de la parole, l'analyse de la forme de l'oreille, la poroscopie, la crétologie etc.., la reconnaissance des empreintes digitales est la plus couramment utilisée à ce jour. Par rapport aux autres procédés qui sont souvent longs, fastidieux, traumatisants pour le sujet concerné, ou qui ne restent surs que pour une faible population d'individus, cette dernière méthode présente l'avantage d'être simple et rapide d'accès. En effet, la visualisation de l'empreinte digitale est un procedé non contraignant qui ne nécessite pas, pour l'individu, de traitement médical ou chimique.De plus, l'information est disponible et l'acquisition est instantanée. En outre, cette méthode d'identification est fiable. Le dessin filigranique formé d'un ensemble de crêtes présentant des particularites de structures infiniment variées, present notamment sur les faces antérieures et latérales des doigts d'un individu, est immuable pendant toute la vie de cet individu et au-delà (jusqu'a la putréfaction). Ce dessin ne peut être modifié ni pathologiquement, ni par la volonté du sujet. Le résultat de l'apposition de cette zone soumise à la sécrétion sudorale, sur des supports réceptifs constitue l'empreinte papillaire. Cette empreinte est le reflet fidèle, en ses moindres détails, des particularités des crêtes des téguments.L'exa men de deux empreintes d'origne différente démontre la non-identité des deux empreintes par la présence de particularités distinctes.We know different ways to identify an individual by recognizing the characteristics of this individual. Among these means including general morphological analysis, blood analysis, genetic analysis, speech recognition, ear shape analysis, poroscopy, cretology etc., fingerprint recognition digital is the most commonly used to date. Compared to other processes that are often long, tedious, traumatic for the subject concerned, or that remain only for a small population of individuals, the latter method has the advantage of being simple and fast access. Indeed, the visualization of the fingerprint is a non-binding process that does not require, for the individual, medical or chemical treatment. Moreover, the information is available and the acquisition is instantaneous. In addition, this method of identification is reliable. The filigree design formed by a set of ridges with particularities of infinitely varied structures, present in particular on the anterior and lateral faces of the fingers of an individual, is immutable throughout the life of this individual and beyond (until putrefaction). This drawing can not be modified either pathologically or by the will of the subject. The result of the apposition of this zone subjected to the sweat secretion, on receptive supports constitutes the papillary impression. This imprint is a faithful reflection, in every detail, of the peculiarities of the crests of the teguments. The examination of two imprints of different origin demonstrates the non-identity of the two imprints by the presence of distinct peculiarities.
L'expérience pratique demontre que la présence simultanée, sur deux empreintes, de douze points homologues entraîne l'identité apsolue des deux traces.Practical experience shows that the simultaneous presence, on two fingerprints, of twelve homologous points leads to the apsolute identity of the two traces.
L'analyse des empreintes digitales s'effectue, actuellement encore, par examen visuel et comparaison directe, bien que de nombreuses tentatives aient été réalisées pour automatiser le procédé. Parmi ces tentatives, la plupart sont orientées vers le traitement optique qui met en oeuvre un filtrage approprié ou une correlation parfaite, de manière à permettre la comparaison directe de l'image d'une empreinte digitale devant etre identifiée à l'image d'une empreinte digitale préalablement enregistree. Dans certains cas, ces methodes de correlation comparent la transformée de Fourier des images, au lieu de comparer directement ces images. L'information image est souvent condensée lors d'un pré-traitement avant d'être analysée et corrélée.Ces pre- traitements peuvent avoir lieu lors de la prise de l'image, sous forme d'une recherche d'orientation des lignes de relief. Ils peuvent dgale- ment etre effectues apres analyse numérique de l'image sous forme de détection caractéristique générale de l'image, afin de réduire la quantite des informations à traiter.Fingerprint analysis is still being done by visual inspection and direct comparison, although many attempts have been made to automate the process. Among these attempts, most are oriented towards optical processing which implements an appropriate filtering or a perfect correlation, so as to allow the direct comparison of the image of a fingerprint to be identified with the image of an image. fingerprint previously registered. In some cases, these correlation methods compare the Fourier transform of the images, instead of directly comparing these images. The image information is often condensed during a pre-treatment before being analyzed and correlated. These pre-treatments can take place during the taking of the image, in the form of a search of orientation of the lines of relief. They can also be performed after digital image analysis as a general characteristic of the image, in order to reduce the amount of information to be processed.
D'autres tentatives réalisées pour automatiser le procédé ont recouru à l'informatique. Les appareils pour la mise en oeuvre de cette me- thode qui sont actuellement en service, sont conçus pour traiter par l'informatique les données correspondant à des empreintes digitales.Other attempts to automate the process have resorted to computing. Apparatuses for implementing this method which are currently in use are designed to process data corresponding to fingerprints by computer.
La technique utilisée consiste à transformer le dessin de l'empreinte en une image codee. A ce stade intervient un dactylotechnicien qui détermine - les familles de points caractéristiques de l'empreintes, tels que les deltas, les interruptions, les arrets de ligne, les deviations, les bifurcations, les crochets, les anneaux-îlots, - le nombre de points par famille, - la position relative de ces points entre eux.The technique used consists in transforming the drawing of the impression into a coded image. At this stage a dactylotechnician intervenes who determines - the families of characteristic points of the imprints, such as deltas, interruptions, line stops, deviations, bifurcations, hooks, island rings, - the number of points by family, - the relative position of these points between them.
La collection de ces renseignements nécessite un temps relativement long (environ 15 minutes). Dès que ces renseignements sont effectivement collectés, le processus d'identification peut commencer. Selon certains tests et, comme mentionné ci-dessus, il suffit de douze caractéristiques définies pour procéder å une identification certaine.The collection of this information requires a relatively long time (approximately 15 minutes). Once this information is actually collected, the identification process can begin. According to some tests and, as mentioned above, only twelve defined characteristics are required to proceed to certain identification.
Le processus d'identification commence par la transmission des informations collectees, vers le centre informatique de traitement, via d'importants réseaux télé-informatiques complexes. Chaque fois qu'une empreinte à identifier est soumise à ce centre, des recherches sont effectuées dans'toute la collection-d'empreintes mémorisées. L'ordinateur central sélectionne alors les cinquante empreintes les plus problables. Le dactylotechnicien rappelle, à l'aide de son unite de traitement terminale, reliée à l'ordinateur central, les cinquante empreintes sélectionnées et les compare une à une a l'empreinte à analyser.The identification process begins with the transmission of collected information to the data processing center via large, complex computer networks. Whenever a fingerprint to be identified is submitted to this center, searches are performed in all the stored memory collection. The central computer then selects the fifty most likely fingerprints. The typist recalls, using his terminal processing unit, connected to the central computer, the fifty fingerprints selected and compares one by one to the fingerprint to be analyzed.
Les principaux inconvénients de ce système sont dus & l'intervention humaine importante, & la nécessite de disposer de systemes centralisés de grande capacité, aux longs délais de réponse et à l'impossibilité de traiter une population relativement vaste.The main drawbacks of this system are due to the large human intervention, the need for centralized high-capacity systems, long response times and the impossibility of treating a relatively large population.
En ce qui concerne l'intervention humaine, le système impose, dans ses phases initiale et finale, le recours à des analystes spécialisés, ce qui engendre un certain risque d'erreurs à la saisie des données et lors des interprétations. Le temps de traitement est long et les frais occasionnés en raison du court élevé de la main-d'oeuvre spécialisée sont élevés.With regard to human intervention, the system imposes, in its initial and final phases, the use of specialized analysts, which creates a certain risk of errors in data entry and interpretation. The processing time is long and the costs incurred due to the shortage of specialized labor are high.
L'existence d'une unite de traitement centralisée impose la mise en place d'un reseau télé-informatique important, d'une grande capacite de stockage d'informations, d'une équipe d'entretien de haut niveau, ainsi que la mise à disposition d'une grosse energie informatique.The existence of a central processing unit requires the establishment of a large computer network, a large information storage capacity, a high-level maintenance team, as well as at the disposal of a big computer energy.
En ce qui concerne la population traitée, les systèmes installés à ce jour ne sont opérationnels que pour une population inférieure ou égale à 100.000 individus.With regard to the population treated, the systems installed to date are operational only for a population of less than or equal to 100,000 individuals.
La présente invention a pour but de pallier ces inconvénients en proposant un procedé et un dispositif d'identification des empreintes digitales entierement automatiques, travaillant en temps réel.The object of the present invention is to overcome these disadvantages by proposing a method and a device for identifying fingerprints which are entirely automatic and work in real time.
Ce but est atteint par le procédé de l'invention, caractérisé en ce que l'on calcule pour cette image une clé specifique de l'empreinte, cette clé étant définie en fonction d'un nombre de points caractéristiques, sélectionnés comme étant représentatifs de l'image de l'empreinte.This object is achieved by the method of the invention, characterized in that a specific key of the imprint is calculated for this image, this key being defined as a function of a number of characteristic points, selected as being representative of the image of the imprint.
Selon un mode de realisation préferé, on effectue l'acquisition de l'image optique au moyen d'une camera de télévision å réseau de 256 lignes à 256 points et en ce qu'on transforme l'image carrée en une image rectangulaire de 280 lignes a 380 points.According to a preferred embodiment, the acquisition of the optical image is carried out by means of a 256-line 256-point network television camera and in that the square image is transformed into a rectangular image of 280 pixels. lines has 380 points.
Pour exploiter l'image optique prealablement acquise et pour permettre son analyse ultérieure, on procede s un traitement de cette image consistant a la numériser. A cet effet, on quantifie le niveau de luminosité sur un nombre défini de niveaux de gris, on determine en temps reel les composantes horizontale et verticale du vecteur gradient associé à chaque pixel, on calcule le module et l'orientation du vecteur gradient, et on sélectionne les pixels appartenant aux contours par recherche d'un maximum local du module du gradient dans la direction du vecteur gradient.To exploit the optical image previously acquired and to allow its subsequent analysis, this image is processed by digitizing it. For this purpose, the level of brightness is quantified over a defined number of gray levels, the horizontal and vertical components of the gradient vector associated with each pixel are determined in real time, the modulus and the orientation of the gradient vector are calculated, and the pixels belonging to the contours are selected by searching for a local maximum of the modulus of the gradient in the direction of the gradient vector.
Selon un mode de realisation préféré, on mémorise ensuite l'image numérisée et on construit une image binaire de l'empreinte digitale en traçant les lignes de contraste reliant les points de contraste connexes et en effectuant un découpage de ces lignes en segments géométriques caractérisés par la courbure.According to a preferred embodiment, the digitized image is then stored and a binary image of the fingerprint is constructed by drawing the contrast lines connecting the associated contrast points and cutting these lines into geometric segments characterized by curvature.
L'analyse de l'image binaire comporte de préférence une phase de suivi double des lignes de contraste, ces lignes de contraste étant indifféremment les images des cretes ou des sillons de l'empreinte digitale.The analysis of the binary image preferably comprises a double tracking phase of the contrast lines, these contrast lines being indifferently the images of the ridges or furrows of the fingerprint.
Elle comporte également une phase de détection des indices de cause d'arrêt qui s'effectue en déterminant les arrêts du suivi double des lignes de contraste.It also includes a phase of detection of the indices of cause of stop which is carried out by determining the stops of the double tracking of the lines of contrast.
Selon un mode de realisation particulierement avantageux, on attribue un code de cause d'arrêt à chaque indice de cause d'arrêt.According to a particularly advantageous embodiment, a stop reason code is assigned to each stop cause index.
Selon un mode de réalisation prëféré, la determination des indices s'effectue en attribuant à chaque cause d'arrêt des coordonnées de position, une orientation correspondant à la ligne de suivi avant l'arrêt et un code d'arrêt numéroté de 1 a 8. On modélise ensuite l'empreinte en mémorisant pour chaque arrêt les coordonnées de position et le code d'arret. Cette modelisation de l'empreinte s'effectue de préférence sur la base d'une trentaine de points d'arret. According to a preferred embodiment, the determination of the indices is effected by assigning each stop cause of the position coordinates, an orientation corresponding to the tracking line before the stop and a stop code numbered from 1 to 8. The impression is then modeled by storing for each stop the position coordinates and the stop code. This modeling of the imprint is preferably performed on the basis of about thirty stopping points.
Pour fiabiliser la modélisation de l'empreinte, on la modelise de préférence à plusieurs reprises pour établir par cooptation une carte d'indices extraits correspondant au modèle d'une empreinte qui ne contient que les indices les plus significatifs, cette carte d'indices extraits permettant de definir ladite cle caracteristique de l'empreinte.To make the modeling of the impression more reliable, it is preferably modeled several times to establish by co-optation a map of extracted indices corresponding to the model of a footprint which contains only the most significant indices, this extracted index map. to define said key characteristic of the footprint.
Le dispositif pour la mise en oeuvre du procédé est caractérisé en ce qu'il comporte des moyens pour saisir optiquement l'image d'une empreinte digitale, des moyens pour analyser cette image et des moyens pour determiner une clé caractéristique de l'empreinte analyse
Selon une forme de réalisation préférée, les moyens pour saisir optiquement l'image de l'empreinte comportent une caméra de télévision et des moyens pour numériser l'image optique.The device for implementing the method is characterized in that it comprises means for optically capturing the image of a fingerprint, means for analyzing this image and means for determining a key characteristic of the analysis fingerprint.
According to a preferred embodiment, the means for optically capturing the image of the imprint comprise a television camera and means for digitizing the optical image.
Les moyens pour numériser l'image comportent avantageusement des organes pour quantifier le niveau de luminosité sur un nombre defini de niveaux de gris, ce nombre étant de préférence égal à 16, pour determiner en temps reel les composantes horizontale et verticale du vecteur gradient associé à chaque pixel, pour calculer le module et l'orientation du vecteur gradient et pour sélectionner les pixels appartenant aux contours par recherche d'un maximum local du module de gradient dans la direction du vecteur gradient. The means for digitizing the image advantageously comprise organs for quantifying the level of brightness over a defined number of gray levels, this number preferably being equal to 16, to determine in real time the horizontal and vertical components of the gradient vector associated with each pixel, to calculate the modulus and the orientation of the gradient vector and to select the pixels belonging to the contours by searching for a local maximum of the gradient module in the direction of the gradient vector.
Selon un mode de réalisation preferé, le dispositif comporte des moyens pour mémoriser l'image numérisée et des moyens pour construire une image binaire de l'empreinte digitale en traçant les lignes de contraste reliant les points de contraste connexes et en effectuant un découpage de ces lignes en segments géométriques caractérisés par la courbure.According to a preferred embodiment, the device comprises means for storing the digitized image and means for constructing a binary image of the fingerprint by drawing the contrast lines connecting the associated contrast points and making a division of these images. lines in geometric segments characterized by curvature.
Ce dispositif comporte également avantageusement des moyens pour analyser l'image binaire de l'empreinte digitale equipes d'un dispositif conçu pour effectuer un suivi double des lignes de contraste de cette image.This device also advantageously comprises means for analyzing the binary image of the fingerprint equipped with a device designed to double track the contrast lines of this image.
Les moyens pour analyser l'image comporte egalement de preference des moyens pour detecter les indices de cause d'arrêt en déterminant les arrets du suivi double des lignes de contraste ainsi que des moyens pour attribuer un code de cause d'arrêt & chaque indice de catie d'arrêt. The means for analyzing the image also preferably comprises means for detecting the stop cause indices by determining the stops of the double tracking of the contrast lines as well as means for assigning a stop cause code to each index of stop.
Pour définir les points caractéristiques, le dispositif comprend avantageusement des moyens pour attribuer, pour chaque indice, des coordonnées de position1 une orientation correspondant à la ligne de suivi avant l'arrêt et un code d'arret numéroté. In order to define the characteristic points, the device advantageously comprises means for assigning, for each index, position coordinates, an orientation corresponding to the tracking line before stopping and a numbered stopping code.
Le dispositif comporte également des moyens pour modéliser l'empreinte, des moyens pour fiabiliser la modélisation de l'empreinte et des moyens pour établir une carte d'indices extraits correspondant au modele de l'empreinte ainsi que des moyens pour definir ladite cle caractéristique de l'empreinte.The device also comprises means for modeling the imprint, means for making reliable the modeling of the imprint and means for establishing a map of extracted indices corresponding to the model of the imprint as well as means for defining said characteristic key of the imprint. the impression.
Selon une utilisation préférée du procédé ci-dessus, on appose de maniere inalterable ladite clé caractéristique de l'empreinte digitale sur une pièce d'identité d'un individu et on enregistre cette même cle dans des fichiers de contrôle. Pour contrôler l'identité d'un individu on peut, de ce fait, comparer en temps reel la clé correspondant a l'analyse directe de son empreinte digitale avec celle de sa piece d'identité. According to a preferred use of the above method, said key characteristic of the fingerprint is unalterably affixed to an identity document of an individual and this same key is recorded in control files. To control the identity of an individual one can, therefore, compare in real time the key corresponding to the direct analysis of his fingerprint with that of his piece of identity.
La présente invention sera mieux comprise en référence à la description d'un exemple de réalisation et aux dessins annexes dans lesquels
La figure 1 représente une forme de réalisation préférée du capteur utilise pour acquérir l'image optique d'une empreinte digitale,
La figure 2 représente une vue de l'image numerisée d'une empreinte digitale,
La figure 3 représente une vue schématique illustrant les différentes phases du procédé,
La figure 4 représente une vue schématique illustrant le mode de determination du gradient correspondant à chaque pixel,
La figure 5 represente un circuit logique expliquant la structure de l'opérateur calculant les composantes du gradient,
La figure 6 représente une vue schématique du circuit logique de selection des pixels de contour, et
La figure 7 illustre une utilisation pratique du procédé selon l'invention.The present invention will be better understood with reference to the description of an exemplary embodiment and to the accompanying drawings in which
FIG. 1 represents a preferred embodiment of the sensor used to acquire the optical image of a fingerprint,
FIG. 2 represents a view of the digitalized image of a fingerprint,
FIG. 3 represents a schematic view illustrating the different phases of the process,
FIG. 4 represents a schematic view illustrating the mode of determination of the gradient corresponding to each pixel,
FIG. 5 represents a logic circuit explaining the structure of the operator calculating the components of the gradient,
FIG. 6 represents a schematic view of the logic circuit for selecting the contour pixels, and
Figure 7 illustrates a practical use of the method according to the invention.
Le procédé d'identification selon l'invention implique l'acquisition des informations concernant une empreinte digitale à analyser. Cette acquisition s'effectue en deux étapes principales qui sont l'acquisition et le traitement de l'image optique de cette empreinte suivis de l'analyse de cette image. L'acquisition de l'image est effectuée au moyen d'un capteur dont une forme de réalisation est illustrée par la fig. 1. Ce capteur comporte une fenetre 1 sous laquelle est fixé un prisme 2 à réflexion totale. Une source de lumiere 3 est agencée pour transmettre un faisceau incident 4 sur une surface réfléchissante 5 qui renvoie un faisceau refléchi 4' perpendiculairement à la face d'entrée 6 du prisme pour eclairer l'extrémité d'un doigt appuyé contre la fenetre 1.Un faisceau réfléchi 7 traver se la face de sortie 8 du prisme 2 et est capté par l'objectif 9 d'une camera de prises de vues 10. La distance entre le prisme 2 et la caméra 10 est réglee avec précision. La caméra, du type connu en soi, comporte par exemple un réseau de 256x256 soit 65'536 points appelés pixels. Toutefois on a constate qu'il était avantageux de former une image rectangulaire. A cet effet, en modifiant les séquences de comptage du systeme de détection de contours, on peut obtenir une image rectangulaire de 280 x 380 pixels avec une caméra standard dont le réseau sensible comporte 256 x 256 points. Ceci est réalise grace au choix d'un compromis entre le parametre définition de l'image (pour une bonne analyse des contours) et le parametre surface du champ d'observation (pour le calcul du referentiel).L'utilisation d'une fenêtre rectangulaire permet de mémoriser la totalité de l'image de l'empreinte et d'obtenir le maximum de points significatifs, c'est-adire un maximum d'indices allant des lignes basales jusqu' & l'extrémité supérieure de l'empreinte.The identification method according to the invention involves the acquisition of information concerning a fingerprint to be analyzed. This acquisition is carried out in two main stages which are the acquisition and processing of the optical image of this fingerprint followed by the analysis of this image. The acquisition of the image is carried out by means of a sensor, an embodiment of which is illustrated in FIG. 1. This sensor comprises a window 1 under which is fixed a prism 2 to total reflection. A light source 3 is arranged to transmit an incident beam 4 on a reflecting surface 5 which reflects a reflected beam 4 'perpendicular to the input face 6 of the prism to illuminate the end of a finger pressed against the window 1. A reflected beam 7 passes through the exit face 8 of the prism 2 and is captured by the lens 9 of a camera 10. The distance between the prism 2 and the camera 10 is precisely regulated. The camera, of the type known per se, comprises for example a network of 256x256 or 65'536 points called pixels. However, it has been found that it is advantageous to form a rectangular image. For this purpose, by modifying the counting sequences of the edge detection system, a 280 x 380 pixel rectangular image can be obtained with a standard camera whose sensitive network comprises 256 x 256 pixels. This is achieved thanks to the choice of a compromise between the image definition parameter (for a good analysis of the contours) and the parameter surface of the field of view (for the calculation of the referential). The use of a window rectangular makes it possible to memorize the entire image of the imprint and to obtain the maximum of significant points, ie a maximum of indices ranging from the basal lines to the upper end of the imprint.
L'image est mise en memoire en 10 ms dans une unite de stockage des données (non reprdsentGe), directement connectée à la camera. Cette image est ensuite traitée par un processeur d'extraction de contrastes travaillant en temps réel. L'analyse d'images å plusieurs niveaux d'intensité lumineuse necessite une phase préalable d'extraction de contrastes pour déterminer le contour des objets. Compte tenu de la tres grande quantité d'informations à manipuler, la mise en oeuvre d'algorithmes de détection de contours sur un calculateur conventionnel entraîne des temps de calcul très longs. Pour cette raison, on utilise un processeur numerique qui travaille -å la volée" sur le signal d'image de la caméra de télévision.Ce processeur realise : la numerisation de l'image; c'est-à-dire la transformation de l'image réelle en une image binaire. A cet effet le niveau de luminosité est quantifié sur 16 niveaux de gris automatiquement repartis sur toute la dynamique du signal image. On détermine en temps réel les composantes horizontale et verticale du vecteur gradient associé à chaque point de l'image, ou pixel, on calcule le module et l'orientation du vecteur gradient, et on selectionne les pixels appartenant aux contours par recherche d'un maximum local du module du gradient dans la direction du vecteur gradient. The image is stored in 10 ms in a data storage unit (not reprsentGe), directly connected to the camera. This image is then processed by a contrast extraction processor working in real time. The analysis of images at several levels of light intensity requires a preliminary phase of contrast extraction to determine the outline of the objects. Given the very large amount of information to be manipulated, the implementation of edge detection algorithms on a conventional computer leads to very long computation time. For this reason, a digital processor which operates on the fly on the image signal of the television camera is used. This processor realizes: the digitalization of the image, that is to say the transformation of the image. Real image in a binary image For this purpose the brightness level is quantized on 16 gray levels automatically distributed over the entire dynamic image signal.The real-time horizontal and vertical components of the gradient vector associated with each point of the image are determined in real time. the image, or pixel, calculates the modulus and the orientation of the gradient vector, and the pixels belonging to the contours are selected by searching for a local maximum of the modulus of the gradient in the direction of the gradient vector.
On procède ensuite à l'inscription dans une mémoire d'image des informations associées à chaque pixel, à savoir le module et l'orientation du vecteur gradient des pixels appartenant à un contour,
Ces operations sont réalisées par un ensemble de processeurs en structure pipeline. Elles sont terminées environ 128 ms apres la fin de l'acquisition de l'image.Next, the information associated with each pixel is entered in an image memory, namely the module and the orientation of the gradient vector of the pixels belonging to a contour,
These operations are performed by a set of processors in pipeline structure. They are completed approximately 128 ms after the end of the acquisition of the image.
On utilise ensuite un logiciel de traitement et d'interprétation de l'image qui travaille à partir des informations fournies par le processeur d'extraction de contrastes mentionné ci-dessus. Les fonctions de ce logiciel sont les suivantes - il construit les lignes de contraste en reliant les points de contraste connexes.An image processing and interpretation software is then used which works from the information provided by the contrast extraction processor mentioned above. The functions of this software are as follows - it builds the contrast lines by connecting the related contrast points.
- il effectue le découpage de ces lignes en segments géométriques "indices visuels" caractérisés par la courbure, - il interprete les indices visuels en terme d'objets par une méthode dite d'accumulation de plausibilité".- he performs the cutting of these lines into geometric segments "visual cues" characterized by curvature, - he interprets the visual cues in terms of objects by a method called plausibility accumulation ".
L'ensemble du logiciel est contrôlé par une stratégie dite de "prédiction vérification". Cette strategie consiste à commander l'interprétation des indices visuels au fur et à mesure de leur obtention pour construire des hypothèses de points caracteristiques positionnés et, en fonction de ces hypotheses, à prédire l'emplacement de nouveaux indices visuels que l'on cherche alors à extraire. La présence ou l'absence des indices visuels permet de confirmer ou d'infirmer les hypothèses.The entire software is controlled by a so-called "prediction verification" strategy. This strategy consists in ordering the interpretation of visual cues as and when they are obtained to construct hypotheses of positioned characteristic points and, according to these hypotheses, to predict the location of new visual cues that are then sought. to extract. The presence or absence of visual cues helps to confirm or refute the hypotheses.
Cette méthode permet de réduire cqnsidérablement la quantite d'informations effectivement traitées.This method can significantly reduce the amount of information actually processed.
L'identification et la localisation des points caractéristiques contenus dans une image d'empreinte, nécessitent une phase préalable de détection des contours. La mise en oeuvre d'un processeur numérique qui travaille sur le signal image numérisé d'une caméra de télévision, permet de pallier ce défaut. Ce processeur calcule, en temps réel, les composantes du vecteur gradient associé à chaque pixel d'image grâce à un opérateur de Sobel. il sélectionne ensuite les pixels de contour à partir de la répartition du gradient dans le proche voisinage de chaque pixel. Dans cette realisation, il est raisonnable de considerer que les images traitées sont constituées par la juxtaposition de régions présentant une certaine homogénéité du niveau de luminosite. The identification and location of the characteristic points contained in a cavity image require a preliminary phase of contour detection. The implementation of a digital processor that works on the digitized image signal of a television camera makes it possible to overcome this defect. This processor calculates, in real time, the components of the gradient vector associated with each pixel of image thanks to a Sobel operator. it then selects the edge pixels from the gradient distribution in the near vicinity of each pixel. In this embodiment, it is reasonable to consider that the processed images consist of the juxtaposition of regions having a certain homogeneity of the level of brightness.
Ces régions sont divisées en zones de contraste < à savoir transitions entre zones de cretes et zones de sillons des empreintes digitales).These regions are divided into zones of contrast <ie transitions between crest zones and furrow areas of fingerprints).
Ces zones de contraste constituent un ensemble de points dans le voisinage desquels il existe un changement significatif de niveau de luminosité. A l'intérieur des zones de contraste, se trouvent les contours des cretes de l'empreinte, lignes de partage entre régions, d'épaisseur 1 pixel.These contrast areas constitute a set of points in the vicinity of which there is a significant change in brightness level. Inside the contrast areas are the outline of the crest of the footprint, dividing lines between regions, 1 pixel thick.
Le processeur utilisé dans le cadre de l'invention a pour fonction de selectionner les pixels d'image appartenant à des contours, selon des critères qui ne nécessitent que des informations concernant les propriétés globales de l'image : dynamique des niveaux de luminosité, et bruit gaussien.The processor used in the context of the invention has the function of selecting the image pixels belonging to contours, according to criteria which only require information concerning the overall properties of the image: dynamic brightness levels, and Gaussian noise.
Le chaînage de ces pixels ainsi que les fonctions d'interprétation, sont réalisés par des logiciels spécifiques sur un calculateur auquel le processeur est relie par l'lntermediaire d'une mémoire image. La détection des zones de contraste est réalisée en temps réel sans mémorisation préalable de l'image par mise en oeuvre d'operateurs dont les fonctions sont basees sur une estimation du gradient.The chaining of these pixels as well as the interpretation functions are performed by specific software on a computer to which the processor is connected via a memory image. The detection of the contrast areas is performed in real time without prior storage of the image by implementing operators whose functions are based on an estimate of the gradient.
A chaque pixel I (jk), en coordonnées complexes, de l'image, est associée une approximation G (jh) du vecteur gradient obtenue par différences finies. Les composantes horizontale et verticale Gh et Gv respectivement selon les détections horizontales et verticales, sont obtenues par convolution de l'image avec des masques Mh et Mv de dimensions n x n"(qui seront définis par la suite). Les elements des masques ainsi que la dimension ne sont pas caractéristiques de 1 'approximation realisee.At each pixel I (jk), in complex coordinates, of the image, is associated an approximation G (jh) of the gradient vector obtained by finite differences. The horizontal and vertical components Gh and Gv respectively according to the horizontal and vertical detections, are obtained by convolution of the image with masks Mh and Mv of dimensions nxn "(which will be defined later) .The elements of the masks as well as the dimension are not characteristic of the approximation carried out.
Le module et l'orientation du vecteur gradient sont calculés par la formule //G (jk)// = Gh2 (,R) + Gv2 (J,R) = arctg Gv/Gh
L'appartenance du pixel I (j,h) à une zone de contraste est alors déterminee par comparaison de //G(j,k)// à un seuil. Le choix du seuil est déterminé d'apres les caractéristiques globales de l'image.The modulus and the orientation of the gradient vector are calculated by the formula // G (jk) // = Gh2 (, R) + Gv2 (J, R) = arctg Gv / Gh
The membership of the pixel I (j, h) to a contrast zone is then determined by comparing // G (j, k) // with a threshold. The choice of threshold is determined by the overall characteristics of the image.
La distribution de //G// est bimodulaire; elle est traduite par l'existence de 2 classes de pixels, à savoir ceux appartenant à des zones de contraste caractérisées par des valeurs élevées de //G//, et ceux pour lesquels G est petit.The distribution of // G // is bimodular; it is translated by the existence of 2 classes of pixels, namely those belonging to contrast zones characterized by high values of // G //, and those for which G is small.
Le seuil maximal est ainsi déterminé d'après un histogramme du gradient ou soit par une méthode d'apprentissage automatique. Les zones de contraste ainsi obtenues ont une epaisseur généralement superieure à 1 pixel. Il a donc été necessaire de mettre en oeuvre un algorithme de détection de contours à l'intérieur des zones de contraste. La definition de masques'est nécessaire au calcul des composantes de vecteur gradient. On utilise de préférence les masques de Sobel dont les composantes horizontale Mh et verticale Mv sont définies par les matrices suivantes
<SEP> 1 <SEP> 0 <SEP> -1
<tb> Mh <SEP> = <SEP> #2 <SEP> 0 <SEP> -2# <SEP> .<SEP> = <SEP> Mv: <SEP> = <SEP> #000# <SEP>
<tb> <SEP> 1 <SEP> 0-1 <SEP> 1 <SEP> 2 <SEP> 1
<tb>
De plus, ces masques possedent la très interessante propriété d'être séparables.En effet, les masques de Sobel, par exemple, s'obtiennent par
<tb> Mh <SEP> = <SEP># 2 <SEP> 0 <SEP> -2 # <SEP>. <SEP> = <SEP> Mv: <SEP> = <SEP># 000 # <SEP>
<tb><SEP> 1 <SEP> 0-1 <SEP> 1 <SEP> 2 <SEP> 1
<Tb>
In addition, these masks have the very interesting property of being separable. Indeed, the masks of Sobel, for example, are obtained by
<tb> Mn <SEP> = <SEP> #2# <SEP> <SEP> #0# <SEP> = <SEP> <SEP> V1V2T, <SEP> Mv <SEP> = <SEP> #0# <SEP> <SEP> #2# <SEP> = <SEP> -V2V1T
<tb> <SEP> 1 <SEP> -1 <SEP> 1 <SEP> 1
<tb> de sorte que les composantes Gh et Gv du gradient G s'obtiennent par
Gh = I * Mh = -V1IV2T, G = I *Mv = V2IV2T, ou I est la matrice 3 x 3 du pixel I(J, k) et de ses 8 proches vol- sins
<tb><SEP> 1 <SEP> -1 <SEP> 1 <SEP> 1
<tb> so that the Gh and Gv components of the G gradient are obtained by
Gh = I * Mh = -V1IV2T, G = I * Mv = V2IV2T, where I is the 3 x 3 matrix of the pixel I (J, k) and its 8 close pigeons
<tb> <SEP> I(j <SEP> +1, <SEP> k <SEP> - <SEP> <SEP> 1) <SEP> I(j <SEP> +1, <SEP> k) <SEP> I(j <SEP> + <SEP> 1, <SEP> k <SEP> + <SEP> 1)
<tb> I <SEP> = <SEP> # <SEP> I(j, <SEP> k <SEP> - <SEP> 1) <SEP> I(j, <SEP> <SEP> k) <SEP> <SEP> I(j,k <SEP> + <SEP> 1) <SEP> # <SEP>
<tb> <SEP> I(j <SEP> - <SEP> 1, <SEP> k <SEP> - <SEP> 1) <SEP> I(j <SEP> - <SEP> 1, <SEP> k) <SEP> I(j <SEP> - <SEP> 1, <SEP> k <SEP> + <SEP> 1)
<tb>
Afin d'estimer l'orientation du vecteur gradient par une arctangente, les masques de Sobel ont ete utilisées, étant performants vis-à-vis de l'immunité du bruit. Par convolution avec l'image, les masques Mh et
Mv permettent de calculer les composantes du vecteur gradient associe a un pixel I (J,kS.Ces masques etant séparables, leur utilisation permet d'écrire le produit de convolution de maniere à réduire le nombre d'opérations arithmétiques à deux additions et une soustraction et de donner à l'opérateur de convolution une structure série, propice à l'exécution en temps réel.<tb><SEP> I (j <SEP> +1, <SEP> k <SEP> - <SEP><SEP> 1) <SEP> I (j <SEP> +1, <SEP> k) <SEP > I (j <SEP> + <SEP> 1, <SEP> k <SEP> + <SEP> 1)
<tb> I <SEP> = <SEP>#<SEP> I (j, <SEP> k <SEP> - <SEP> 1) <SEP> I (j, <SEP><SEP> k) <SEP><SEP> I (j, k <SEP> + <SEP> 1) <SEP>#<SEP>
<tb><SEP> I (j <SEP> - <SEP> 1, <SEP> k <SEP> - <SEP> 1) <SEP> I (j <SEP> - <SEP> 1, <SEP> k ) <SEP> I (j <SEP> - <SEP> 1, <SEP> k <SEP> + <SEP> 1)
<Tb>
In order to estimate the orientation of the gradient vector by an arcanguage, the Sobel masks were used, being efficient vis-à-vis the noise immunity. By convolution with the image, the masks Mh and
Mv make it possible to calculate the components of the gradient vector associated with a pixel I (J, kS. These masks being separable, their use makes it possible to write the product of convolution in order to reduce the number of arithmetic operations with two additions and a subtraction and to give the convolution operator a serial structure, conducive to real-time execution.
Le schema de la figure 5 explique la structure de l'opérateur calculant les composantes du gradient. R est un registre série- parallele qui contient une colonne de 3 pixels d'image. Le pixel d'échantillonnage (pixel des contours de la fenetre) I (j - 1,k), les pixels des lignes précédentes I (J,k) et I (j + 1,k), sont disponibles à la sortie des registres à decalage non figurés dans lesquels on mémorise dynamiquement 2 lignes d'image. The diagram in Figure 5 explains the structure of the operator calculating the components of the gradient. R is a series-parallel register which contains a column of 3 pixels of image. The sampling pixel (pixel of the contours of the window) I (j - 1, k), the pixels of the preceding lines I (J, k) and I (j + 1, k), are available at the output of the registers non-figured shifts in which 2 image lines are stored dynamically.
R1 et R2 sont des registres série-parallèles qui memorisent les
T T éléments de V2 I et V1 I. R1 and R2 are serial-parallel registers that memorize the
TT elements of V2 I and V1 I.
L'horloge CK d'échantillonnage du signal image active les registres.The image signal sampling clock CK activates the registers.
Les composantes du vecteur gradient associé à un pixel sont determi- nées en synchronisme avec l'échantillonage du signal vidéo avec un retard de 256 + 3 périodes d'horloge par rapport au pixel de contour echantillonne. A chaque pixel est alors associé un vecteur gradient (//G//) caractéristique de ce pixel par comparaison du module de ce vecteur à un seull S. L'opérateur de Sobel effectue à la fois la détection des zones de contraste et la caractérisation des pixels appartenant à cette zone. Le choix d'un seuil, plus ou moins élevé, tendant à plus ou moins amincir les zones de contour (d'ob perte possible de contour), la selection des pixels de contours a été effectuée de façon plus elaboree.Dans ce but, un critère de sélection base sur le passage par un maximum dans la direction du gradient, du module de ce gradient a été retenu. Cette fonction est réalisée par un algorithme implementable en temps réel sur un processeur de meme structure que le processeur du calcul du gradient. Le passage par un maximum local est détecte en comparant le vecteur commun associe aux pixels du contour de la fenetre d'observation du capteur, avec ceux des plus proches voisins dans la direction du gradient. Le pixel non précédé ou non suivi d'un pixel dans la direction perpendiculaire au gradient est un pixel isolé et par suite élimine. The components of the gradient vector associated with a pixel are determined in synchronism with the sampling of the video signal with a delay of 256 + 3 clock periods with respect to the sampled contour pixel. Each pixel is then associated with a gradient vector (// G //) characteristic of this pixel by comparing the modulus of this vector with a single S. The Sobel operator performs both the detection of the contrast zones and the characterization pixels belonging to this area. The choice of a threshold, more or less high, tending to more or less thin the contour areas (of ob possible loss of contour), the selection of the pixels of contours was carried out in more elaborated way. For this purpose, a selection criterion based on the passage through a maximum in the direction of the gradient, the modulus of this gradient was retained. This function is performed by an algorithm that can be implemented in real time on a processor with the same structure as the gradient calculation processor. The passage through a local maximum is detected by comparing the common vector associated with the pixels of the contour of the observation window of the sensor, with those of the nearest neighbors in the direction of the gradient. The pixel not preceded or not followed by a pixel in the direction perpendicular to the gradient is an isolated pixel and consequently eliminates.
La figure 6 explicite la structure du processeur contenant cet algorithme. R1, R2, R3, R4 sont des registres série-parallèle qui contiennent le pixel analysé P et ses 8 plus proches voisins, A, B, C,
D, E, F, G et H tels qu'illustres par la figure 4 ou T représente la direction du contour, alors que represente celle du gradient du pixel P.Figure 6 explains the structure of the processor containing this algorithm. R1, R2, R3, R4 are serial-parallel registers which contain the analyzed pixel P and its 8 nearest neighbors, A, B, C,
D, E, F, G and H as illustrated in FIG. 4 where T represents the direction of the contour, whereas that of the gradient of the pixel P represents.
Les voisins dans la direction du gradient et ceux dans la direction du contour des cretes sont aiguilles au moyen de multiplexeurs commandes par l'orientation du vecteur gradient vers la logique de décision.The neighbors in the direction of the gradient and those in the direction of the edge contour are needles by means of multiplexers controlled by the orientation of the gradient vector towards the decision logic.
G ( - 1, k) represente le gradient des pixels du contour, les pixels des lignes précédentes sont disponibles à la sortie des registres à decalage non représentes qui mémorisent deux lignes d'image du gradient. Les pixels de contour sont valides en synchronisme avec l'échatillonnage avec un retard constant de 256 + 3 périodes d'horloge, par rapport aux pixels de contour de la fenêtre d'observation du capteur. Ainsi, on effecue en temps reel, le chaînage des pixels correspondant aux contours des crêtes.G (- 1, k) represents the gradient of the pixels of the contour, the pixels of the preceding lines are available at the output of the non-represented shift registers which memorize two image lines of the gradient. The contour pixels are valid in synchronism with the sampling with a constant delay of 256 + 3 clock periods, relative to the edge pixels of the sensor observation window. Thus, the realignment of the pixels corresponding to the contours of the peaks is effected in real time.
L'analyse de l'image numerisee représentée à titre d'exemple par la rig. 2, implique les phases suivantes - on effectue un suivi double des lignes de contraste sans distinguer si ces lignes correspondent à une crete ou à un sillon de l'empreinte, en partant d'un des bords d'observation. L'information crete ou sillon peut, dans certains cas, etre difficilement accessible, en particulier lorsque l'image est de qualité médiocre. Pour cette raison, on ne cherchera pas à classer les points caractéristiques ou indices par types, mais on memorisera la direction courante de la ligne.The analysis of the digital image represented as an example by the rig. 2, involves the following phases - a double tracking of the contrast lines is carried out without distinguishing whether these lines correspond to a crest or a groove of the imprint, starting from one of the observation edges. The crest or groove information may, in some cases, be difficult to access, especially when the image is of poor quality. For this reason, we will not seek to classify the characteristic points or indices by types, but we will memorize the current direction of the line.
A cet effet, on utilise des operateurs d'analyse de lignes. Ces operateurs effectuent l'analyse des lignes de contraste. A leur base se trouve le calcul de gradient, effectue en temps reel par le processeur. Le suivi produit sequentiellement les points d'une ligne de contraste. Pour chaque point, différents operateurs d'analyse de lignes, sélectionnés explicitement, sont activés. Parmi Ces consommateurs de points, on trouve en particulier un calculateur de courbure et plusieurs algorithmes de decoupage de lignes en segments de droites. Les consommateurs implantes possedent une structure de coroutines, analysant une ligne de façon incrémentale (au fur et à mesure du suivi).Ceci permet de conférer au système plusieurs propriétés importantes : parmi ces proprietes on notera en priorite le grand gain de temps d'exécution du au fait que l'atteinte de l'objectif défini par l'utilisateur est detectée immediatement, ce qui permet de suspendre le suivi et l'analyse et de memoriser le contrôle, permettant ainsi d'éviter toute analyse superflue par rapport à l'objectif à atteindre. On notera egalement l'important gain de place de memoire dA au fait qu'il n'est pas necessaire de stocker les points d'une ligne avant de l'analyser, de sorte que la place memoire utilise par ces programmes est fixe et ne depend en aucun cas de la longueur d'une ligne de contraste.Ceci s'avère particulierement important si lsson considère qu'une ligne de contraste peut comporter plus de mille points. On notera également la grande souplesse d'utilisation due au fait que le systeme offre la possibilité de suivre l'execution d'un algorithme en pas-a-pas lors d'une experimentation ou lors de la mise au point. Dans ce but, le système dispose également de commandes generant des traces d'exécution plus ou moins detaillées. For this purpose, line analysis operators are used. These operators perform the analysis of the contrast lines. At their base is the gradient calculation, performed in real time by the processor. The tracking sequentially produces the points of a contrast line. For each point, different line analysis operators, selected explicitly, are activated. Among these consumers of points, there is in particular a curvature calculator and several algorithms for cutting lines into line segments. Implant consumers have a structure of coroutines, analyzing a line incrementally (as and when tracking) .This allows to give the system several important properties: among these properties we note in priority the great saving of execution time the fact that the achievement of the user-defined goal is detected immediately, which makes it possible to suspend the monitoring and the analysis and to memorize the control, thus making it possible to avoid any superfluous analysis with respect to the goal to achieve. Note also the important memory space saving dA that it is not necessary to store the points of a line before analyzing, so that the memory space used by these programs is fixed and not in any case, it depends on the length of a contrast line. This is particularly important if it is considered that a contrast line may have more than one thousand points. Note also the great flexibility of use due to the fact that the system offers the ability to follow the execution of an algorithm in step-by-step during an experiment or during the development. For this purpose, the system also has commands generating more or less detailed traces of execution.
- on détermine les arrêts du suivi. Le suivi de ligne est interrompu a chaque fois qu'il rencontre un indice de cause d'arrêt pouvant être un point caracteristique tel qu'une bifurcation, un arrêt de ligne, un flot, un crochet etc ... ou du plus simplement à une mauvaise qualité de l'image de l'empreinte à un endroit donné. Pour chaque arrêt, on détermine la position du curseur, c'est-à-dire ses coordonnees selon deux axes orthogonaux, la direction des deux lignes suivies
Jusqu'avant l'interruption et on associe à ces données un code de cause d'arrêt.- the stops of the follow-up are determined. The line tracking is interrupted each time it encounters a stop cause index that can be a characteristic point such as a bifurcation, a line stop, a stream, a hook etc ... or simply to a poor quality of the image of the impression at a given place. For each stop, we determine the position of the cursor, that is to say its coordinates along two orthogonal axes, the direction of the two lines followed
Until the interruption and we associate with these data a stop reason code.
Le code de cause d'arrêt est fonction de la convergence ou de la divergence des lignes à l'approche d'un indice. A titre d'exemple, à l'approche d'un arret de ligne (crete ou sillon) les directions des deuX lignes de suivi double convergent. Un code allant par exemple de
1 à 4 peut être attribue à cette cause d'arret, selon le degre de convergence c'est-à-dire de l'angle de convergence des lignes du double suivi. A l'approche d'une bifurcation, les directions des deux lignes de suivi double divergent. Un autre code allant par exemple de 5 à 8 peut être attribué à cette cause d'arrêt en fonction de l'angle de divergence desdites lignes.The stop reason code is a function of the convergence or divergence of the lines at the approach of an index. For example, when approaching a line stop (crest or furrow), the directions of the two double converging trace lines converge. A code ranging for example from
1 to 4 can be attributed to this stop cause, according to the degree of convergence that is to say the convergence angle of the double tracking lines. At the approach of a bifurcation, the directions of the two double tracking lines diverge. Another code ranging for example from 5 to 8 can be attributed to this stop cause according to the angle of divergence of said lines.
En résume, la determination des indices s'effectue en attribuant à chaque cause d'arrêt des coordonnees de position (X, Y), une orientation correspondant à la direction de ligne de suivi avant l'arrêt et un code d'arrêt numerote par exemple de 1 à 8.Summarized, the indices are determined by assigning each stop cause of the position coordinates (X, Y) an orientation corresponding to the tracking line direction before stopping and a stop code numbered by example from 1 to 8.
- on extrait les indices et on modélise l'empreinte : au cours de cette phase, on mémorise pour chaque arret les coordonnees de position et le code d'arrêt, ce qui permet de constituer une image modélisée de l'empreinte. En pratique, une modélisation valable s'effectue sur la base de la détermination d'une trentaine de points d'arrêt. the indices are extracted and the imprint is modeled: during this phase, the position coordinates and the stop code are memorized for each stop, which makes it possible to constitute a modeled image of the imprint. In practice, a valid modeling is done on the basis of the determination of about thirty stopping points.
- on fiabilise la modélisation de l'empreinte en la modelisant à plusieurs reprises pour établir une carte d'indices extraits correspondant au modele d'une empreinte, qui ne contient que les indices les plus significatifs, c'est-a-dire ceux que l'on détecte systematiquement lors de l'étape de modélisation.- the modeling of the footprint is made more reliable by modeling it several times to establish a map of extracted indices corresponding to the model of a footprint, which contains only the most significant indices, that is to say those that it is detected systematically during the modeling step.
A cette fin, les différentes cartes d'indices extraits obtenues sont cooptées afin de n'en garder que les parties communes.For this purpose, the different extracted index cards obtained are co-opted to keep only the common parts.
On notera que les types de renseigements mémorisés, à savoir les caractéristiques des indices permettent de modeliser l'image de l'empreinte en s'affranchissant totalement de toute distorsion consécutive à l'élasticité de la peau. La cooptation des cartes d'indices permet de s'affranchir de tout calcul de referentiel difficile en raison de la configuration de l'image à traiter. Elle s'effectue par une recherche heuristique, au moyen d'un programme specifique permettant de realiser des transformations géométriques combinées de translation et de rotation.Note that the types of stored information, namely the characteristics of the indices can model the image of the impression completely free of any distortion resulting from the elasticity of the skin. The cooptation of index cards makes it possible to avoid any difficult calculation of referential because of the configuration of the image to be processed. It is carried out by a heuristic search, by means of a specific program making it possible to realize combined geometric transformations of translation and rotation.
Pour comparer deux modèles d'empreintes maître-esclave, le système se positionne sur un indice extrait du "modele esclave", caracterise par un code d'arrêt et ses coordonnees de position. Il cherche ensuite un indice extrait du modale maître" ayant le meme code d'arret. Il détermine alors la transformation géométrique qui permet d'accéder à l'indice le plus proche sur le modèle maître. Cette meme transformation ainsi calculee sera pratiquee sur le premier indice du modèle maître. Si alors la transformation permet d'atteindre un indice esclave de meme caracteristique que celui auquel le dispositif a accéde sur le modèle maître, un autre indice sur le modèle maître sera recherche de la même manière et ainsi de suite jusqu'a l'identification formelle de la cooptation possible des deux modèles. Dans le cas contraire, le système se positionne sur un autre indice du modèle maître de meme code que le premier considéré lors du démarrage de l'analyse, et poursuit cette dernière Jusqu'a ce qu'une transformation géométrique calculee sur le modèle maître puisse être appliquée avec réusite sur le modèle esclave.To compare two models of master-slave fingerprints, the system positions itself on an index extracted from the "slave model", characterized by a stop code and its position coordinates. It then looks for an index extracted from the master modal "having the same stop code, which determines the geometric transformation that gives access to the nearest index on the master model.This same transformation calculated in this way will be practiced on the first index of the master model If then the transformation makes it possible to reach a slave index of the same characteristic as that to which the device has access on the master model, another index on the master model will be searched in the same way and so on until the formal identification of the possible cooptation of the two models, otherwise the system positions itself on another index of the master model of the same code as the first considered at the start of the analysis, and continues the latter until a geometric transformation calculated on the master model can be applied successfully to the slave model.
Afin d'eviter une perte de temps inutile, le système est conçu pour réaliser deux types de pré-traitements avant tout depart de suivi de contour. In order to avoid unnecessary waste of time, the system is designed to perform two types of pre-treatments before any contour tracking starts.
D'une part, un filtrage numerique realise un produit de convolution afin de lisser les lignes de contraste. D'autre part, suite à ce filtrage, on met en oeuvre un algorithme de recherche du contour général des lignes de contrastes de l'image Ce contour général est mis en mémoire à l'aide d'une vingtaine de segments de droites repre- sentatifs de la forme globale de l'empreinte digitale. Ainsi, pour chacune des lignes traitees par le suivi de contour, l'allure générale de la ligne suivie sera connue.Lors d'un arrêt du suivi, l'analyse de la cause d'arrêt s'effectue de la maniere suivante 1) le curseur de suivi est stoppé à l'emplacement d'un point caracteristique et l'algorithme de reconnaissance du point specifique pourra alors se dérouler, 2) le curseur ne reconnaît aucun point et le logiciel est alors capable de detecter si la direction du contour relevé est compatible avec la direction générale des lignes de l'empreinte. Dans le cas contraire l'arrêt du suivi est leve.On the one hand, digital filtering produces a convolution product in order to smooth the lines of contrast. On the other hand, following this filtering, an algorithm is used to search for the general contour of the contrast lines of the image. This general contour is stored in memory using twenty or so straight line segments. of the overall shape of the fingerprint. Thus, for each of the lines treated by contour tracking, the general appearance of the line followed will be known. When stopping the follow-up, the analysis of the cause of arrest is carried out as follows: 1) the tracking cursor is stopped at the location of a characteristic point and the recognition algorithm of the specific point can then take place, 2) the cursor does not recognize any point and the software is then able to detect if the direction of the contour statement is compatible with the general direction of the impression lines. In the opposite case the stop of the follow-up is raised.
L'etude dés zones de l'image mal definie s'effectue de la même manière; c'est notamment le cas des zones de l'empreinte recouvertes de masques correspondant à la presence de matière indésirable sur la peau du doigt. The study of zones of the poorly defined image is done in the same way; this is particularly the case of the areas of the imprint covered with masks corresponding to the presence of unwanted material on the skin of the finger.
Le résultat de la cooptation des differentes cartes d'indices extraits aboutit à la clé caracteristique de l'empreinte digitale d'un individu. L'apposition de cette clé sur un document caractérise le document de maniere certaine. La reconnaissance de cette clé à partir d'une lecture d'empreinte digitale certifie l'identification formelle de l'individu.The result of the co-optation of the various index cards extracted leads to the characteristic key of the fingerprint of an individual. The affixing of this key to a document characterizes the document with certainty. The recognition of this key from a fingerprint reading certifies the formal identification of the individual.
Etant donne que toute cette analyse aecrite ci-dessus s'effectue en temps reel, le procede de l'invention ouvre de tres vastes domaines d'application. La clé individuelle étant marquee sur une pièce d'identité, la comparaison de cette cle avec celle determinée instantanément par le système de contrôle de l'empreinte digitale tel que décrit cidessus, permet de certifier l'identité de l'individu porteur de la pièce d'identité. Since all of the above described analysis is done in real time, the method of the invention opens up very wide fields of application. The individual key is marked on a piece of identification, the comparison of this key with that determined instantly by the control system of the fingerprint as described above, to certify the identity of the individual carrying the piece identity.
Pour qu'un tel procéde soit applicable en pratique, il convient de rendre la piece d'identité inviolable. A cet effet, il est nécessaire d'enregistrer la cle de manière inaltérable. La carte à microcalculateur dite puce électronique à mémoire, permet de memoriser de façon inaltérable la cle caractéristique des empreintes digitales d'un individu ainsi d'ailleurs que de nombreux autres renseignements.For such a procedure to be applicable in practice, the identity document must be made tamper-proof. For this purpose, it is necessary to record the key unalterably. The microcomputer card called electronic chip memory, can memorize in a permanent way the key characteristic of fingerprints of an individual and more than many other information.
Le dispositif de mise en oeuvre du procédé de l'invention, qui travaille en temps réel, pourrait etre installé dans les portes frontières pour assurer un contrôle systématique absolument sur de tous les individus traversant les frontières. Le schéma de principe d'une telle installation est illustre par la figure 7 qui montre un ordinateur central 50 auquel sont reliés les organes suivants : une unité 51 de lecture de l'empreinte digitale comprenant un capteur tel que représenté par la figure 1, une unité 52 de lecture de la clé inscrite sur la carte d'identité et une unité 53 de lecture d'une carte d'habilitation.Par ailleurs, l'ordinateur central 50 est relie à un fichier 54 des suspects, à un écran de visualisation 55 pouvant afficher les données lues par les unités 51, 52 et 53, à un pupitre de commande 56 permettant au contrôleur d'autoriser ou de refuser le passage (feux vert 57, jaune 58 ou rouge 59), et éventuellement à un réseau téléinformatique 60. Une unite d'impression de la cle individuelle peut être raccordée au pupitre de commande.The device for implementing the method of the invention, which works in real time, could be installed in the border gates to ensure a systematic control absolutely on all individuals crossing the borders. The block diagram of such an installation is illustrated in FIG. 7 which shows a central computer 50 to which the following members are connected: a unit 51 for reading the fingerprint comprising a sensor as represented by FIG. 52 unit for reading the key written on the identity card and a unit 53 for reading an authorization card. Moreover, the central computer 50 is linked to a file 54 of the suspects, to a display screen 55 that can display the data read by the units 51, 52 and 53, to a control panel 56 allowing the controller to allow or refuse passage (green lights 57, yellow 58 or red 59), and possibly to a teleinformatic network 60. A printing unit of the individual key can be connected to the control panel.
Il est bien evident que les équipements peripheriques de l'ordinateur central 50 pourraient être complétés ou modifies. Le schéma décrit n'illustre qu'une utilisation pratique du système de l'invention.It is obvious that the peripheral equipment of the central computer 50 could be completed or modified. The scheme described illustrates only a practical use of the system of the invention.
Les organes de l'appareil permettant de réaliser les différentes phases du procédé sont illustrés schématiquement par la figure 3. Ces organes comprennent une caméra de télévision 30 qui transmet des signaux à l'unité de numérisation 31 de l'image. L'image numérisée est utilisée par une unité 32 de calcul des composantes du gradient qui est reliée à l'unité 33 de calcul du module du gradient et de codage de l'orientation du vecteur gradient. Ces informations sont directement utilisées par une unité 34 d'extraction des zones de contraste connectées à un calculateur 35 et à un moniteur de contrôle 36. On notera que le moniteur de contrôle 36 est également directement relié à l'unité de numérisation 31 pour permettre l'affichage direct de l'image numérisée. The organs of the apparatus for carrying out the various phases of the process are illustrated schematically in FIG. 3. These members comprise a television camera 30 which transmits signals to the digitization unit 31 of the image. The digitized image is used by a unit 32 for calculating the gradient components which is connected to the unit 33 for calculating the modulus of the gradient and encoding the orientation of the gradient vector. This information is directly used by a contrast zone extraction unit 34 connected to a computer 35 and to a control monitor 36. It will be noted that the control monitor 36 is also directly connected to the digitizing unit 31 to enable the direct display of the scanned image.
Claims (22)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR8508295A FR2582831A1 (en) | 1985-05-29 | 1985-05-29 | Method of identifying a fingerprint, device for implementing this method and use of this method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR8508295A FR2582831A1 (en) | 1985-05-29 | 1985-05-29 | Method of identifying a fingerprint, device for implementing this method and use of this method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR2582831A1 true FR2582831A1 (en) | 1986-12-05 |
Family
ID=9319783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR8508295A Pending FR2582831A1 (en) | 1985-05-29 | 1985-05-29 | Method of identifying a fingerprint, device for implementing this method and use of this method |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR2582831A1 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0696012A3 (en) * | 1994-06-21 | 1996-04-24 | Nec Corp | Apparatus for and method of determining ridge direction patterns |
| WO2000060533A1 (en) * | 1999-04-06 | 2000-10-12 | Siemens Aktiengesellschaft | Method and device for user authentication |
| WO2002084576A2 (en) * | 2001-04-12 | 2002-10-24 | Idencom Germany Gmbh | Automatic identification and/or verification of line textures such as fingerprints |
| WO2003023693A1 (en) * | 2001-09-13 | 2003-03-20 | Intel Corporation | Architecture for processing fingerprint images |
| US7136515B2 (en) | 2001-09-13 | 2006-11-14 | Intel Corporation | Method and apparatus for providing a binary fingerprint image |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2398351A1 (en) * | 1977-07-21 | 1979-02-16 | Palmguard Inc | IDENTIFICATION SYSTEM |
| US4208651A (en) * | 1978-05-30 | 1980-06-17 | Sperry Corporation | Fingerprint identification by ridge angle and minutiae recognition |
| EP0090377B1 (en) * | 1982-03-26 | 1989-09-27 | Fingermatrix Inc. | Finger-print identification system |
-
1985
- 1985-05-29 FR FR8508295A patent/FR2582831A1/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2398351A1 (en) * | 1977-07-21 | 1979-02-16 | Palmguard Inc | IDENTIFICATION SYSTEM |
| US4208651A (en) * | 1978-05-30 | 1980-06-17 | Sperry Corporation | Fingerprint identification by ridge angle and minutiae recognition |
| EP0090377B1 (en) * | 1982-03-26 | 1989-09-27 | Fingermatrix Inc. | Finger-print identification system |
Non-Patent Citations (2)
| Title |
|---|
| IBM TECHNICAL DISCLOSURE BULLETIN, vol. 18, no. 3, août 1975, pages 888-889, New York, US; W.J. DEERHAKE et al.: "Fingerprint verification method" * |
| SIEMENS FORSCHUNGS- UND ENTWICKLUNGSBERICHTE, vol. 13, no. 3, 1984, pages 151-154, Springer-Verlag, W}rzburg, DE; P. RUMMEL: "A model-based visual sensor system for complex industrial scenes" * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0696012A3 (en) * | 1994-06-21 | 1996-04-24 | Nec Corp | Apparatus for and method of determining ridge direction patterns |
| US5717786A (en) * | 1994-06-21 | 1998-02-10 | Nec Corporation | Apparatus for determining ridge direction patterns |
| WO2000060533A1 (en) * | 1999-04-06 | 2000-10-12 | Siemens Aktiengesellschaft | Method and device for user authentication |
| WO2002084576A2 (en) * | 2001-04-12 | 2002-10-24 | Idencom Germany Gmbh | Automatic identification and/or verification of line textures such as fingerprints |
| WO2002084576A3 (en) * | 2001-04-12 | 2003-02-13 | Idencom Germany Gmbh | Automatic identification and/or verification of line textures such as fingerprints |
| WO2003023693A1 (en) * | 2001-09-13 | 2003-03-20 | Intel Corporation | Architecture for processing fingerprint images |
| US6795592B2 (en) | 2001-09-13 | 2004-09-21 | Intel Corporation | Architecture for processing fingerprint images |
| US7133575B2 (en) | 2001-09-13 | 2006-11-07 | Intel Corporation | Architecture for processing fingerprint images |
| US7136515B2 (en) | 2001-09-13 | 2006-11-14 | Intel Corporation | Method and apparatus for providing a binary fingerprint image |
| CN1554068B (en) * | 2001-09-13 | 2010-05-26 | 英特尔公司 | Architecture for processing fingerprint images |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109117714A (en) | A kind of colleague's personal identification method, apparatus, system and computer storage medium | |
| Sollazzo et al. | Hybrid procedure for automated detection of cracking with 3D pavement data | |
| CN105930822A (en) | Human face snapshot method and system | |
| EP2140401B1 (en) | Method of comparing images, notably for iris recognition, implementing at least one quality measurement determined by applying a statistical learning model | |
| US20110169934A1 (en) | Vein pattern recognition based biometric system and methods thereof | |
| CN112232163B (en) | Fingerprint acquisition method and device, fingerprint comparison method and device, and equipment | |
| Qu et al. | Detect digital image splicing with visual cues | |
| CN106663196A (en) | Computerized prominent person recognition in videos | |
| KR20110024169A (en) | Eye state detection method | |
| CN109063611A (en) | A kind of face recognition result treating method and apparatus based on video semanteme | |
| Labati et al. | Neural-based quality measurement of fingerprint images in contactless biometric systems | |
| CN112016525A (en) | Non-contact fingerprint acquisition method and device | |
| CN112232159B (en) | Fingerprint identification method, device, terminal and storage medium | |
| JP7131761B2 (en) | Method and apparatus for birefringence-based biometric authentication | |
| EP3214601B1 (en) | Image enhancement method applicable to fingerprint images | |
| Llopis-Castelló et al. | Automatic classification and quantification of basic distresses on urban flexible pavement through convolutional neural networks | |
| Zhang et al. | Face spoofing video detection using spatio-temporal statistical binary pattern | |
| CN111275705A (en) | Intelligent cloth inspecting method and device, electronic equipment and storage medium | |
| CN112232157B (en) | Fingerprint area detection method, device, equipment and storage medium | |
| FR2582831A1 (en) | Method of identifying a fingerprint, device for implementing this method and use of this method | |
| KR102230559B1 (en) | Method and Apparatus for Creating Labeling Model with Data Programming | |
| Szymkowski et al. | Finger veins feature extraction algorithm based on image processing methods | |
| CN112232152B (en) | Non-contact fingerprint identification method and device, terminal and storage medium | |
| KR20210031444A (en) | Method and Apparatus for Creating Labeling Model with Data Programming | |
| Safiullina et al. | Image processing for biometric scanning of the palm vein pattern |