JP7426004B2 - 画像処理装置、指紋照合システム、画像処理方法およびプログラム - Google Patents
画像処理装置、指紋照合システム、画像処理方法およびプログラム Download PDFInfo
- Publication number
- JP7426004B2 JP7426004B2 JP2022150199A JP2022150199A JP7426004B2 JP 7426004 B2 JP7426004 B2 JP 7426004B2 JP 2022150199 A JP2022150199 A JP 2022150199A JP 2022150199 A JP2022150199 A JP 2022150199A JP 7426004 B2 JP7426004 B2 JP 7426004B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- fingerprint
- skeleton
- unit
- machine learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims description 129
- 238000012795 verification Methods 0.000 title claims description 45
- 238000003672 processing method Methods 0.000 title claims description 20
- 238000010801 machine learning Methods 0.000 claims description 79
- 238000007781 pre-processing Methods 0.000 claims description 72
- 238000000034 method Methods 0.000 claims description 46
- 238000000605 extraction Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
例えば、特許文献1に記載の画像処理装置は、指紋画像などの入力画像のうち局所領域に対応する第1の特徴量ベクトルと、予め特徴が判定された画像から算出された第2の特徴量ベクトルとを比較することで、局所領域の特徴を特定する。特許文献1に記載の画像処理装置はこれにより、例えば、指紋照合でノイズとして扱われる汗腺口の画像を抽出して除去する。
図1は、本発明の実施形態に係る指紋照合システムの機能構成の例を示す概略ブロック図である。図1に示す構成で、指紋照合装置100は、通信部(通信手段)110と、表示部(表示手段)120と、操作入力部(操作入力手段)130と、記憶部(記憶手段)170と、制御部(制御手段)180とを備える。制御部180は、機械学習処理部(機械学習処理手段)181と、前処理部(前処理手段)182と、芯線画像生成部(芯線画像生成手段)183と、ゾーン情報生成部(ゾーン情報生成手段)184と、編集受付部(編集受付手段)185と、特徴点抽出部(特徴点抽出手段)186と、指紋照合部(指紋照合手段)187とを備える。
芯線は、隆線の幅方向の中心を示す線である。芯線画像は、芯線を示す2値画像である。隆線を用いるよりも芯線を用いるほうが、線の幅を無視できる点で特徴点をより高精度に抽出し得る。芯線画像の精度を高めるために、自動生成される芯線画像に対して、さらに人手による編集が行われる場合がある。この場合、編集を行う作業者の負担を軽減するために、自動生成される芯線画像の精度が高いことが好ましい。
また、通信部110が、外部サーバから指紋画像を画像データの形式にて受信するようにしてもよい。
表示部120は、例えば液晶パネルまたはLED(Light Emitting Diode、発光ダイオード)パネルなどの表示画面を備え、各種画像を表示する。
例えば、表示部120は選択対象画像表示部(選択対象画像表示手段)の例に該当し、同一の指紋画像に複数のアルゴリズムを適用して得られる複数の芯線画像を表示し、それらのうち選択された画像を編集用の画像として表示する。
また、表示部120は、前処理後画像表示部(前処理後画像表示手段)の例に該当し、前処理部182が行う前処理によって得られる、3階調以上の階調を有し芯線を示す画像を表示する。
例えば、操作入力部130は選択操作受付部(選択操作受付手段)の例に該当し、表示部120が表示する、編集用の芯線画像の候補のうち何れか1つの画像を選択するユーザ操作を受け付ける。また、操作入力部130は、選択された芯線画像を編集するユーザ操作を受け付ける。
さらに記憶部170が、指紋照合用の指紋データベース情報を記憶していてもよい。指紋データベース情報は、照合対象の複数の指紋各々の特徴点の情報を含む。あるいは、指紋照合装置100以外の装置が指紋データベース情報を記憶するようにしてもよい。
記憶部170は、指紋照合装置100が備える記憶デバイスを用いて構成される。
機械学習処理部181は、機械学習により指紋画像に対する芯線画像を生成するための前処理を学習する。具体的には、機械学習処理部181は、指紋画像と、その指紋画像の芯線情報と、その指紋画像のゾーン情報とを学習用データとして用いた機械学習により、指紋画像の入力に対して3階調以上の階調を有し芯線を示す画像を出力する処理を前処理として学習する。
指紋画像のゾーン情報は、その指紋画像のうち指紋照合に有効である部分であるゾーンを示す情報である。指紋照合に有効である部分とは、例えば指紋画像から芯線が比較的明確に抽出されるなど、指紋の特徴点抽出を比較的高精度に抽出できる部分である。指紋照合に有効である部分における特徴点を用いて指紋照合を行うことで、指紋照合を比較的高精度に行えると期待される。
機械学習処理部181の学習用データの芯線情報(例えば芯線画像)およびゾーン情報(例えばゾーン画像)のうち何れか一方または両方は、上記の作業者など人手によって生成されたものであってもよい。例えば、作業者が指紋画像の隆線をなぞって芯線を描くことで芯線画像を生成するようにしてもよい。
機械学習処理部181が機械学習を行う方法は特定の方法に限定されない。例えば、機械学習処理部181が、ニューラルネットワークを用いたディープラーニングにて機械学習を行うようにしてもよいが、実施形態はこれに限定されない。
前処理部182が出力する画像を前処理後画像と称する。
前処理後画像は、入力される指紋画像の隆線を芯線のように細くした、いわば芯線画像に似た指紋画像である。芯線画像が、芯線か芯線以外かを示す2値の画像であるのに対し、前処理後画像は、3階調以上の階調を有する画像(例えば、グレースケールの画像)である。前処理後画像が3階調以上の階調を有することで、前処理後画像を指紋画像として扱って、指紋画像に基づいて2値の芯線画像を生成する方法を適用して芯線画像を得ることができる。
機械学習処理部181がディープラーニングにて機械学習を行う場合、前処理部182の機能が、機械学習後のニューラルネットワークを用いて実行されてもよい。
芯線画像生成部183は、指紋画像に基づいて芯線画像を生成する複数の方法を用いて、それぞれ、芯線画像を生成する。
具体的には、編集受付部185は、芯線画像生成部183が生成する複数の芯線画像を表示部120に表示させる。そして、編集受付部185は、操作入力部130が受け付ける、複数の芯線画像のうち何れか1つを選択するユーザ操作に従って、何れか1つの芯線画像を選択する。編集受付部185は、選択した芯線画像を表示部120に表示させ、操作入力部130が受け付ける、芯線画像を編集するユーザ操作に従って芯線画像を編集する。
編集受付部185が、操作入力部130が受け付けたユーザの操作に応じて、ある方法で生成された芯線画像の一部の領域を、異なる方法で生成された芯線画像に置き換えるよう編集し、編集の過程を表示部120に表示させるようにしてもよい。
指紋照合部187は、特徴点抽出部186が抽出した特徴点に基づいて、指紋照合を行う。具体的には、指紋照合部187は、特徴点抽出部186が抽出した特徴点と、指紋データベース情報に登録されている指紋の各々の特徴点とを比較する。そして、特徴点抽出部186は、指紋データベース情報に登録されている指紋のうち、特徴点が所定の条件以上に類似する指紋を、照合対象の指紋と一致する指紋として選択する。指紋照合部187は、選択した指紋の情報、あるいは、一致する指紋がなかったことを示す情報を、例えば表示部120に表示させる。
指紋照合装置100の各部のうち、前処理部182と芯線画像生成部183とを含む構成は、画像処理装置の構成の例に該当する。
図2の例で、機械学習処理部181は、学習用データとして処理前の指紋画像と、その指紋画像の芯線情報と、その指紋画像のゾーン情報との入力を受け、その学習用データを用いて、処理前の指紋画像を処理後の指紋画像に変換する画像処理を機械学習する(ステップS111)。
ステップS111での機械学習の処理によって、機械学習処理部181は、前処理部182が行う前処理を機械学習する。従って、処理前の指紋画像は、前処理部182への入力である生の指紋画像に対応付けられる。処理後の指紋画像は、前処理部182の出力である前処理後画像に対応付けられる。
機械学習処理部181は、与えられる学習用データの個数分、ステップS111による機械学習を繰り返す。
図3の処理で、前処理部182は、処理前の指紋画像(生の指紋画像)の入力を受け、入力された指紋画像に対して前処理を行って処理後の指紋画像(前処理後画像)を出力する(ステップS211)。
ゾーン情報生成部184は、前処理後画像を用いて、前処理後画像のゾーン情報を生成する(ステップS221)。
上記のように、芯線画像生成部183は、指紋画像に基づいて芯線画像を生成する複数の方法を用いて、それぞれ、芯線画像を生成する。芯線画像生成部183は、複数の方法のうち少なくとも1つの方法については、前処理後画像を入力として芯線画像を出力する。
芯線画像生成部183が生成する芯線画像を、編集前の芯線画像と称する。
上述したように、編集受付部185は、芯線画像生成部183が生成する複数の芯線画像を表示部120に表示させる。そして、編集受付部185は、操作入力部130が受け付ける、複数の芯線画像のうち何れか1つを選択するユーザ操作に従って、何れか1つの芯線画像を選択する。編集受付部185は、選択した芯線画像を表示部120に表示させ、操作入力部130が受け付ける、芯線画像を編集するユーザ操作に従って芯線画像を編集する。
あるいは、芯線画像生成部183が生成する芯線画像とゾーン情報生成部184が生成するゾーン情報とを編集受付部185が纏めて、芯線画像にゾーンを示す画像を重ね合わせた画像を表示部120に表示させるようにしてもよい。
指紋登録時には、特徴点抽出部186は、抽出した特徴点を示す情報を、指紋に関する情報と紐づけて指紋データベース情報に登録する(ステップS233)。例えば、特徴点抽出部186が、抽出した特徴点を示す情報と、元の指紋画像(生の指紋画像)とを紐づけて指紋データベースに登録する。特徴点抽出部186が、指紋画像に加えてあるいは代えて、その指紋の持ち主の氏名などその指紋の持ち主に関する情報を、特徴点を示す情報に紐づけて指紋データベース情報に登録するようにしてもよい。
ステップS233の後、指紋照合装置100は、図3の処理を終了する。
図4のステップS311~S332は、図3のステップS211~S232と同様である。
一方、指紋照合時には、図3のステップS233における特徴点抽出部186による特徴点を示す情報等の登録に代えて、指紋照合部187が指紋照合を行う(ステップS333)。
ステップS333の後、指紋照合装置100は、図4の処理を終了する。
図5は、実施形態に係る指紋照合システムの装置構成の例を示す図である。図5に示す構成で、指紋照合システム1は、機械学習処理装置200と、画像処理装置300と、照合処理装置400とを備える。
指紋照合システム1では、機械学習処理部181が行う処理を機械学習処理装置200が分担し、指紋照合部187が行う処理を照合処理装置400が行う。画像処理装置300は、機械学習処理部181および指紋照合部187が行う処理以外の処理を行う。これにより、指紋照合システム1は、指紋照合装置100と同様の処理を行う。
それ以外の点では、画像処理装置300は指紋照合装置100と同様である。
芯線画像を編集する作業者は、ゾーン情報生成部184が生成するゾーン情報を参照して編集後の芯線画像にゾーン(指紋照合に用いる部分)を設定することができる。指紋照合装置100によればこの点で、作業者の負担が比較的小さくて済む。
これにより、芯線画像の編集を行う作業者は、複数示される芯線画像のうち編集に最も適した芯線画像を選択して編集することができる。これにより、作業者の負担が比較的小さくて済む。
前処理後画像は、生の指紋画像における芯線を示す画像であり、芯線画像の編集を行う作業者は、前処理後画像を芯線画像の編集の参考にすることができる。
指紋照合装置100によれば、編集後の芯線画像を用いて特徴点を抽出して指紋照合を行うことで、指紋照合を比較的高精度に行うことができる。かつ、指紋照合装置100によれば、指紋画像を編集する作業者は、前処理部182によって処理された前処理後画像に基づいて芯線画像生成部183が生成した芯線画像を編集することができる。芯線画像生成部183は、生の指紋画像(前処理の行われていない指紋画像)に基づいて芯線画像を生成する場合よりも、より高精度な芯線画像を生成でき、この点で、作業者の負担が比較的小さくて済む。
図7は、実施形態に係る画像処理装置の構成の例を示す図である。図7に示す画像処理装置10は、前処理部(前処理手段)11と、芯線画像生成部(芯線画像生成手段)12とを備える。
かかる構成で、前処理部11は、指紋画像と、その指紋画像における芯線を示す芯線情報と、その指紋画像のうち指紋照合に有効である部分であるゾーンを示すゾーン情報とを学習用データとして用いた機械学習により学習された、指紋画像の入力に対して3階調以上の階調を有し芯線を示す画像を出力する処理を、照合対象の指紋画像に適用する。芯線画像生成部12は、前処理部11の処理で得られた画像に基づいて2値の芯線画像を生成する。
かかる構成で、機械学習処理部21は、指紋画像と、その指紋画像における芯線を示す芯線情報と、その指紋画像のうち指紋照合に有効である部分であるゾーンを示すゾーン情報とを学習用データとして用いた機械学習によって、指紋画像の入力に対して3階調以上の階調を有し芯線を示す画像を出力する処理を学習する。前処理部22は、機械学習された処理を、照合対象の指紋画像に適用する。芯線画像生成部23は、前処理部22の処理で得られた画像に基づいて2値の芯線画像を生成する。
図11に示す構成で、コンピュータ700は、CPU710と、主記憶装置720と、補助記憶装置730と、インタフェース740とを備える。
上記の画像処理装置10、画像処理装置20、指紋照合装置100および画像処理装置300のうち何れか1つ以上が、コンピュータ700に実装されてもよい。その場合、上述した各処理部の動作は、プログラムの形式で補助記憶装置730に記憶されている。CPU710は、プログラムを補助記憶装置730から読み出して主記憶装置720に展開し、当該プログラムに従って上記処理を実行する。また、CPU710は、プログラムに従って、上述した各記憶部に対応する記憶領域を主記憶装置720に確保する。
また、CPU710は、プログラムに従って、記憶部170に対応する記憶領域を主記憶装置720に確保する。通信部110が行う通信は、インタフェース740が通信機能を有し、CPU710の制御に従って通信を行うことで実行される。表示部120の機能は、インタフェース740が表示デバイスを備えて各種画像を表示することで実行される。操作入力部130の機能は、インタフェース740が入力デバイスを備えてデータの入力を受け付けることで実行される。
また、CPU710は、プログラムに従って、記憶部170に対応する記憶領域を主記憶装置720に確保する。通信部110が行う通信は、インタフェース740が通信機能を有し、CPU710の制御に従って通信を行うことで実行される。表示部120の機能は、インタフェース740が表示デバイスを備えて各種画像を表示することで実行される。操作入力部130の機能は、インタフェース740が入力デバイスを備えてデータの入力を受け付けることで実行される。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM(Read Only Memory)、CD-ROM(Compact Disc Read only memory)等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
10、20、300 画像処理装置
11、22、182 前処理部(前処理手段)
12、23、183 芯線画像生成部(芯線画像生成手段)
21、181 機械学習処理部(機械学習処理手段)
100 指紋照合装置
110 通信部(通信手段)
120 表示部(表示手段)
130 操作入力部(操作入力手段)
170 記憶部(記憶手段)
180、380 制御部(制御手段)
184 ゾーン情報生成部(ゾーン情報生成手段)
185 編集受付部(編集受付手段)
186 特徴点抽出部(特徴点抽出手段)
187 指紋照合部(指紋照合手段)
200 機械学習処理装置
400 照合処理装置
Claims (10)
- 指紋画像と、前記指紋画像における芯線画像と、での機械学習の結果を用いて、指紋画像の入力に対して指紋の隆線の幅方向の中心を示す芯線を示すグレースケール画像を出力する前処理部と、
前記前処理部の処理で得られた画像に基づいて芯線画像を生成する芯線画像生成部と、
を備える画像処理装置。 - 前記前処理部および前記芯線画像生成部による方法を含む複数の方法で生成された複数の芯線画像を表示する選択対象画像表示部と、
前記複数の芯線画像のうち何れかを選択するユーザ操作を受け付ける選択操作受付部と、
を備える、請求項1に記載の画像処理装置。 - 前記前処理部が出力する前記グレースケール画像を表示する前処理後画像表示部
を備える、請求項1または請求項2に記載の画像処理装置。 - 請求項1から3の何れか一項に記載の画像処理装置と、
前記画像処理装置の処理に基づいて得られた芯線画像から特徴点を抽出する特徴点抽出部と、
抽出された特徴点を用いて指紋照合を行う指紋照合部と、
を備える指紋照合システム。 - 指紋画像と、前記指紋画像における芯線画像と、での機械学習を行う機械学習処理部と、
前記機械学習の結果を用いて、指紋画像の入力に対して指紋の隆線の幅方向の中心を示す芯線を示すグレースケール画像を出力する前処理部と、
前記前処理部の処理で得られた画像に基づいて芯線画像を生成する芯線画像生成部と、
を備える画像処理装置。 - 指紋画像と、前記指紋画像における芯線画像と、での機械学習の結果を用いて、指紋画像の入力に対して指紋の隆線の幅方向の中心を示す芯線を示すグレースケール画像を出力する工程と、
得られた画像に基づいて芯線画像を生成する工程と、
を含む画像処理方法。 - 指紋画像と、前記指紋画像における芯線画像と、での機械学習を行う工程と、
前記機械学習の結果を用いて、指紋画像の入力に対して指紋の隆線の幅方向の中心を示す芯線を示すグレースケール画像を出力する工程と、
得られた画像に基づいて芯線画像を生成する工程と、
を含む画像処理方法。 - コンピュータに、
指紋画像と、前記指紋画像における芯線画像と、での機械学習の結果を用いて、指紋画像の入力に対して指紋の隆線の幅方向の中心を示す芯線を示すグレースケール画像を出力する処理を、照合対象の指紋画像に適用する工程と、
得られた画像に基づいて芯線画像を生成する工程と、
を実行させるためのプログラム。 - コンピュータに、
指紋画像と、前記指紋画像における芯線画像と、での機械学習を行う工程と、
前記機械学習の結果を用いて、指紋画像の入力に対して指紋の隆線の幅方向の中心を示す芯線を示すグレースケール画像を出力する工程と、
得られた画像に基づいて芯線画像を生成する工程と、
を実行させるためのプログラム。 - 指紋画像と、前記指紋画像における芯線画像と、での機械学習の結果を用いて、指紋画像の入力に対して芯線を示すグレースケール画像を出力する前処理部と、
前記前処理部の処理で得られた画像に基づいて芯線画像を生成する芯線画像生成部と、
前記前処理部および前記芯線画像生成部による方法を含む複数の方法で生成された複数の芯線画像を表示する選択対象画像表示部と、
前記複数の芯線画像のうち何れかを選択するユーザ操作を受け付ける選択操作受付部と、
を備える画像処理装置。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019024880 | 2019-02-14 | ||
JP2019024880 | 2019-02-14 | ||
JP2020572247A JP7147886B2 (ja) | 2019-02-14 | 2020-02-10 | 画像処理装置、指紋照合システム、画像処理方法およびプログラム |
PCT/JP2020/005145 WO2020166563A1 (ja) | 2019-02-14 | 2020-02-10 | 画像処理装置、指紋照合システム、画像処理方法および記録媒体 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020572247A Division JP7147886B2 (ja) | 2019-02-14 | 2020-02-10 | 画像処理装置、指紋照合システム、画像処理方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022174296A JP2022174296A (ja) | 2022-11-22 |
JP7426004B2 true JP7426004B2 (ja) | 2024-02-01 |
Family
ID=72045552
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020572247A Active JP7147886B2 (ja) | 2019-02-14 | 2020-02-10 | 画像処理装置、指紋照合システム、画像処理方法およびプログラム |
JP2022150199A Active JP7426004B2 (ja) | 2019-02-14 | 2022-09-21 | 画像処理装置、指紋照合システム、画像処理方法およびプログラム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020572247A Active JP7147886B2 (ja) | 2019-02-14 | 2020-02-10 | 画像処理装置、指紋照合システム、画像処理方法およびプログラム |
Country Status (7)
Country | Link |
---|---|
US (1) | US11893824B2 (ja) |
EP (1) | EP3926580A4 (ja) |
JP (2) | JP7147886B2 (ja) |
CN (1) | CN113574536A (ja) |
AR (1) | AR118057A1 (ja) |
CO (1) | CO2021011845A2 (ja) |
WO (1) | WO2020166563A1 (ja) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2981929B1 (en) * | 2013-04-02 | 2018-07-18 | Precise Biometrics AB | Fingerprint pore analysis for liveness detection |
WO2016104712A1 (ja) | 2014-12-26 | 2016-06-30 | Necソリューションイノベータ株式会社 | 画像処理装置、画像処理方法及びプログラム |
EP3552150A4 (en) * | 2016-12-08 | 2020-10-21 | Veridium IP Limited | SYSTEMS AND METHODS FOR PERFORMING FINGERPRINT-BASED USER AUTHENTICATION USING CAPTURED IMAGES USING MOBILE DEVICES |
US10586111B2 (en) | 2017-01-13 | 2020-03-10 | Google Llc | Using machine learning to detect which part of the screen includes embedded frames of an uploaded video |
JP7130925B2 (ja) | 2017-07-28 | 2022-09-06 | 株式会社三洋物産 | 遊技機 |
CN109285204B (zh) * | 2018-09-28 | 2022-11-25 | 杭州电子科技大学 | 一种指纹与指静脉比特级融合的生物密钥生成方法 |
CN115131832A (zh) * | 2022-07-01 | 2022-09-30 | 天津大学 | 适用于指纹识别的基于先验学习修复的超声导波反演方法 |
-
2020
- 2020-02-10 CN CN202080021104.4A patent/CN113574536A/zh active Pending
- 2020-02-10 EP EP20755114.4A patent/EP3926580A4/en not_active Withdrawn
- 2020-02-10 JP JP2020572247A patent/JP7147886B2/ja active Active
- 2020-02-10 US US17/429,827 patent/US11893824B2/en active Active
- 2020-02-10 WO PCT/JP2020/005145 patent/WO2020166563A1/ja unknown
- 2020-02-12 AR ARP200100370A patent/AR118057A1/es unknown
-
2021
- 2021-09-09 CO CONC2021/0011845A patent/CO2021011845A2/es unknown
-
2022
- 2022-09-21 JP JP2022150199A patent/JP7426004B2/ja active Active
Non-Patent Citations (1)
Title |
---|
Raff, Edward,"Neural Fingerprint Enhancement", 2018 17th IEEE International Conference on Machine Learning and Applications (ICMLA),2018年,p.118-124,DOI: 10.1109/ICMLA.2018.00025 |
Also Published As
Publication number | Publication date |
---|---|
JP7147886B2 (ja) | 2022-10-05 |
CO2021011845A2 (es) | 2021-12-10 |
US20220130170A1 (en) | 2022-04-28 |
JPWO2020166563A1 (ja) | 2021-11-25 |
WO2020166563A1 (ja) | 2020-08-20 |
EP3926580A4 (en) | 2022-04-13 |
AR118057A1 (es) | 2021-09-15 |
EP3926580A1 (en) | 2021-12-22 |
US11893824B2 (en) | 2024-02-06 |
CN113574536A (zh) | 2021-10-29 |
JP2022174296A (ja) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5047005B2 (ja) | 画像処理方法、パターン検出方法、パターン認識方法及び画像処理装置 | |
JP2022500783A (ja) | 機械学習支援による自己改善型オブジェクト識別システム及び方法 | |
JP5045344B2 (ja) | 登録装置、登録方法、認証装置及び認証方法 | |
JPWO2007088926A1 (ja) | 画像処理、画像特徴抽出、および画像照合の装置、方法、およびプログラム並びに画像照合システム | |
US6370263B1 (en) | Method and device for registering and collating palm imprints | |
JP5361524B2 (ja) | パターン認識システム及びパターン認識方法 | |
JP5191665B2 (ja) | メイクアップシミュレーションシステム、メイクアップシミュレーション装置、メイクアップシミュレーション方法およびメイクアップシミュレーションプログラム | |
JP2013101633A (ja) | メイクアップシミュレーションシステム | |
EP2104059A1 (en) | Apparatus and method for processing image | |
CN111985323B (zh) | 基于深度卷积神经网络的人脸识别方法及系统 | |
JP2021089730A (ja) | 畳み込みニューラルネットワークによって、入力画像内で可視である少なくとも1つの対象要素を検出する方法 | |
CN111190595A (zh) | 基于界面设计图自动生成界面代码的方法、装置、介质及电子设备 | |
KR20200018031A (ko) | 데이터를 식별 처리하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
JP2007025900A (ja) | 画像処理装置、画像処理方法 | |
JP2005259049A (ja) | 顔面照合装置 | |
JP7426004B2 (ja) | 画像処理装置、指紋照合システム、画像処理方法およびプログラム | |
US20240104902A1 (en) | Learning device, learning method, and recording medium | |
CN111783519A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
JP7327656B2 (ja) | 画像処理装置、画像処理方法、及び、プログラム | |
US11989972B2 (en) | Method for predicting characteristic information of target to be recognized, method for training neural network predicting characteristic information of target to be recognized, and computer-readable storage medium storing instructions to perform neural network training method | |
US20230186585A1 (en) | Image processing apparatus, image processing method, and recording medium | |
KR102374141B1 (ko) | 유연한 가상 피팅 이미지 생성을 위한 의상영역 제거 방법 | |
JP4174452B2 (ja) | 掌紋照合における掌紋表示方法及び掌紋照合装置 | |
CN117670786A (zh) | 医用图像处理装置以及医用图像处理方法 | |
JP2024019876A (ja) | 学習装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220921 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230719 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231004 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240104 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7426004 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |