TW202009793A - 提升指紋識別率的指紋識別方法及指紋識別晶片 - Google Patents
提升指紋識別率的指紋識別方法及指紋識別晶片 Download PDFInfo
- Publication number
- TW202009793A TW202009793A TW108119584A TW108119584A TW202009793A TW 202009793 A TW202009793 A TW 202009793A TW 108119584 A TW108119584 A TW 108119584A TW 108119584 A TW108119584 A TW 108119584A TW 202009793 A TW202009793 A TW 202009793A
- Authority
- TW
- Taiwan
- Prior art keywords
- fingerprint
- matching
- template
- sample
- fingerprint template
- Prior art date
Links
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
- G06V40/1365—Matching; Classification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本發明係關於一種提升指紋識別率的指紋識別方法及指紋識別晶片。基於指紋匹配標準,對於未能匹配的指紋樣本進行全域校準步驟,並基於指紋匹配次標準,找出匹配指紋範本並將它們拼合成全域指紋範本;基於指紋匹配標準,將指紋樣本與全域指紋範本進行比對。本發明藉由增加指紋樣本與全域指紋範本的重合面積,提升比對匹配成功率,進而提升指紋識別率,改善FRR性能和FAR性能,尤其對採用小面積指紋採集感測器的指紋識別晶片,更具有提升指紋識別解鎖的體驗效果。
Description
本發明係關於一種資料處理方法及實現該方法的裝置,特別是關於指紋識別資料的處理方法及指紋識別裝置。
習知技術之指紋識別方法,係通常將指紋採集感測器所採集的指紋樣本與指紋識別晶片內存儲的指紋範本進行遍歷比對,如果找到與指紋樣本匹配的指紋範本,指紋比對匹配,則指紋識別成功;如果沒有找到與指紋樣本匹配的指紋範本,指紋比對不匹配,則指紋識別失敗。影響指紋識別率的相關因素之一為指紋樣本與指紋範本的重合面積。一般情況下,當採集的指紋樣本與指紋範本的重合面積較大時,例如兩者重合面積達到5000像素以上,則指紋識別率較高;反之,當採集的指紋樣本與指紋範本重合面積較小時,例如兩者的重合面積在2000像素以下,則指紋識別率會下降。
在習知技術中,指紋採集感測器的指紋採集面積有逐步變小的趨勢,容易造成採集的指紋樣本與指紋範本的平均重合面積相應變小的情況。在此情況下,習知技術僅用指紋範本與指紋樣本比對的指紋識別方法,將造成指紋識別解鎖的體驗效果不佳,簡稱FRR性能的指紋拒絕誤差率(False Reject Rate)性能及簡稱FAR性能的指紋接受誤差率(False Accept Rate)性能皆有所下降。
本發明所要解決的技術問題在於避免習知技術的不足之處,而提出一種對指紋比對不匹配的指紋樣本之增加全域校準步驟的指紋識別方法,以及使用該方法的指紋識別晶片,從而達到提升指紋識別性能的目的。所述方法將因重合面積小而疑似判定匹配的指紋範本構建成全域指紋範本,藉由指紋樣本與全域指紋範本的二次校準完善指紋匹配步驟,增加指紋匹配的可能性,在重合面積較小的情況下確保指紋匹配的成功率,從而提升指紋識別率。
本發明解決所述技術問題可以通過採用以下技術方案來實現:提出一種提升指紋識別率的指紋識別方法,基於指紋識別晶片,該指紋識別晶片設置有指紋採集感測器。指紋識別晶片內存儲有一個以上經過預處理的指紋範本,指紋採集感測器採集的指紋資訊經過指紋識別晶片預處理形成指紋樣本。
所述方法包括下述指紋識別步驟:
基於指紋匹配標準,將指紋樣本分別與各指紋範本進行比對;
如果指紋樣本與一個指紋範本匹配,返回指紋匹配成功結果,完成指紋識別步驟;
如果沒有指紋範本與指紋樣本匹配,進行以下的全域校準步驟:
設置一低於指紋匹配標準的指紋匹配次標準;
基於指紋匹配次標準,將指紋樣本分別與指紋範本進行比對;
如果有一個以下的指紋範本與指紋樣本匹配,返回指紋匹配不成功結果,完成指紋識別步驟;
如果找到至少兩指紋範本與指紋樣本匹配,分別記錄與指紋樣本匹配的指紋範本部分為匹配指紋範本,
將各匹配指紋範本合併成全域指紋範本;
基於指紋匹配標準,將指紋樣本與全域指紋範本比對;
如果指紋樣本與全域指紋範本匹配,返回指紋匹配成功結果,完成指紋識別步驟;
如果指紋樣本與全域指紋範本不匹配,返回指紋匹配不成功結果,完成指紋識別步驟。
具體而言,將各匹配指紋範本合併成全域指紋範本,包括以下合併步驟:
如果各匹配指紋範本互不重合,直接將各匹配指紋範本拼合成全域指紋範本;
如果匹配指紋範本中存在至少一組互相重合的情況,進行以下剔除多餘重合的拼合步驟,
在匹配指紋範本的拼合步驟中,對同一重合部分僅保留一個完整的匹配指紋範本,而剔除其它匹配指紋範本的重合部分,從而將匹配指紋範本互不重合地拼合成全域指紋範本。
更具體而言,如果匹配指紋範本中存在至少一組互相重合的情況,所述剔除多餘重合的拼合步驟包括:
分別對每組互相重合的匹配指紋範本進行重合篩選步驟,
其係在重合的匹配指紋範本中選擇一個完整保留而成為保留重合部分的匹配指紋範本,將其它重合的匹配指紋範本的重合部分剔除而成為剔除重合部分的匹配指紋範本;
各組互相重合的匹配指紋範本完成上述重合篩選步驟後,進行以下拼合步驟:
如果所有匹配指紋範本中僅存在互相重合的情況,將所有保留重合部分的匹配指紋範本和剔除重合部分的匹配指紋範本拼合成為全域指紋範本;
如果匹配指紋範本中既存在至少一組互相重合的匹配指紋範本,又存在至少一個沒有重合情況的匹配指紋範本,將所有沒有重合情況的匹配指紋範本、保留重合部分的匹配指紋範本和剔除重合部分的匹配指紋範本拼合成為全域指紋範本。
以圖像資料形式進行資料處理完成所述方法:
指紋識別晶片內存儲有K個經過預處理的指紋範本Tempa
,,K是不小於1的自然數;各指紋範本Tempa
用包括描述子的特徵向量描述經過預處理的指紋範本圖像,,
其中,第a
個指紋範本Tempa
的特徵向量的第一描述子是經過預處理提取的特徵點數量,第a
個指紋範本Tempa
的特徵向量的第二描述子是個特徵點的描述向量集,,即=;
指紋採集感測器採集的指紋資訊經過指紋識別晶片預處理形成指紋樣本Sample
,該指紋樣本Sample
使用包括描述子的特徵向量描述經過預處理的指紋樣本圖像,,
其中,指紋樣本Sample
的特徵向量的第一描述子是經過預處理提取的特徵點數量,指紋樣本Sample
的特徵向量的第二描述子是個特徵點的描述向量集,,即=;
第a
個指紋範本Tempa
與指紋樣本Sample
的匹配程度使用指紋匹配分數MS a
反映,且設置匹配分數閾值MSth
為指紋匹配標準;
將K個指紋範本Tempa
分別與指紋樣本Sample
進行標準比對,即將MS a
分別與MSth
比較;
如果出現MS a
≥MSth
的結果,返回指紋匹配成功結果,完成指紋識別步驟;
如果沒有出現MS a
≥MSth
的結果,進行以下的全域校準步驟:
設置匹配分數次閾值SMSth
為指紋匹配次標準,MSth
>SMSth
;
將K個指紋範本Tempa
分別與指紋樣本Sample
進行次標準比對,即將MS a
分別與SMSth
比較;
如果出現一個以下MS a
≥SMSth
的結果,返回指紋匹配不成功結果,完成指紋識別步驟;
如果出現至少兩個MS a
≥SMSth
的結果,分別記錄出現MS a
≥SMSth
情況的指紋匹配分數MS a
所對應的指紋範本Tempa
與指紋樣本Sample
匹配部分為匹配指紋範本,,L是匹配指紋範本的數量,是不小於2的自然數;匹配指紋範本用包括描述子的特徵向量描述匹配指紋圖像,,
其中,第x
個匹配指紋範本的特徵向量的第一描述子Nmx
是匹配特徵點數量,第x個匹配指紋範本的特徵向量的第二描述子是Nx
個匹配特徵點的描述向量集,,即=;
將各匹配指紋範本合併成全域指紋範本Tempnew
;全域指紋範本Tempnew
用包括描述子的特徵向量描述經過全域指紋範本圖像,,
其中,全域指紋範本Tempnew
的特徵向量的第一描述子是特徵點數量,全域指紋範本Tempnew
的特徵向量的第二描述子是個特徵點的描述向量集,,即=;指紋樣本Sample
與全域指紋範本Tempnew
的匹配程度用指紋匹配分數MS new
反映;
將指紋樣本Sample
與全域指紋範本Tempnew
進行標準比對,即將MS new
與MSth
比較;
如果MS new
≥MSth
,返回指紋匹配成功結果,完成指紋識別步驟;
如果MS new
<MSth
,返回指紋匹配不成功結果,完成指紋識別步驟。
具體而言,將各匹配指紋範本合併成全域指紋範本Tempnew
,且包括以下合併步驟:
如果各匹配指紋範本互不重合,直接將各匹配指紋範本拼合成全域指紋範本Tempnew
,即,;
如果匹配指紋範本中存在至少一組互相重合的情況,進行以下剔除多餘重合的拼合步驟:
在匹配指紋範本拼合步驟中,對構成同一重合部分的特徵向量根據特徵點剔除規則剔除多餘的匹配特徵點向量,從而將匹配指紋範本互不重合地拼合成全域指紋範本Tempnew
,即,。
一種方案,所述特徵點剔除規則是,以一像素距離為單位,在重合部分所在區域內不重疊地篩查匹配特徵點,使任一像素距離內保留一個匹配特徵點而剔除多餘的匹配特徵點。
另一種方案,指紋範本Tempa
的特徵向量還包括作為第三描述子的指紋範本Tempa
的索引序號indexa
;匹配指紋範本的特徵向量包括作為第三描述子的匹配指紋範本索引序號indexx
;所述匹配指紋範本索引序號indexx
即為匹配指紋範本所屬指紋範本Tempa
的索引序號indexa
;
所述特徵點剔除規則係,對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留匹配指紋範本索引序號indexx
最小的特徵向量的匹配特徵點而剔除其餘匹配特徵點;
或者,
對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留匹配指紋範本索引序號indexx
最大的特徵向量的匹配特徵點而剔除其餘匹配特徵點;
或者,
對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留隨機選定的一匹配指紋範本索引序號indexx
的特徵向量的匹配特徵點而剔除其餘匹配特徵點。
又一種方案,指紋範本Tempa
的特徵向量還包括作為第四描述子之指紋範本Tempa
在預處理時得到的品質評估分數scorea
;匹配指紋範本的特徵向量包括作為第四描述子的匹配指紋範本品質評估分數scorex
;該匹配指紋範本品質評估分數scorex
即為匹配指紋範本所屬指紋範本Tempa
的品質評估分數scorea
;
所述特徵點剔除規則係,對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留反映圖像品質最優的匹配指紋範本品質評估分數scorex
的特徵向量的匹配特徵點而剔除其餘匹配特徵點。
具體而言,指紋範本Tempa
的特徵向量還包括作為第五描述子之在同一坐標系下Tempa
的變換矩陣H a
;
全域指紋範本Tempnew
的特徵向量的還包括作為第五描述子之在同一坐標系下Tempnew
的變換矩陣H new
;該特徵向量的第五描述子反映將各匹配指紋範本合併後的變換矩陣H new
。
本發明解決所述技術問題還可以通過採用以下技術方案來實現:
設計、製造一種能夠提升指紋識別率的指紋識別晶片,其包括指紋採集感測器。指紋識別晶片內存儲有一個以上經過預處理的指紋範本,指紋採集感測器採集的指紋資訊經過指紋識別晶片預處理形成指紋樣本。指紋識別晶片還包括兩個以上電子元器件;各電子元器件的組成和連接結構使該指紋識別晶片能夠完成以下指紋識別步驟:
基於指紋匹配標準,將指紋樣本分別與指紋範本進行比對;
如果指紋樣本與一個指紋範本匹配,返回匹配成功結果,完成指紋識別步驟;
如果沒有指紋範本與指紋樣本匹配,進行以下的全域校準步驟:
設置一低於指紋匹配標準的指紋匹配次標準;
基於指紋匹配次標準,將指紋樣本分別與指紋範本進行比對;
如果有一個以下的指紋範本與指紋樣本匹配,返回指紋匹配不成功結果,完成指紋識別步驟;
如果找到至少兩指紋範本與指紋樣本匹配,分別記錄與指紋樣本匹配的指紋範本部分為匹配指紋範本;
將各匹配指紋範本合併成全域指紋範本;
基於指紋匹配標準,將指紋樣本與全域指紋範本比對;
如果指紋樣本與全域指紋範本匹配,返回指紋匹配成功結果,完成指紋識別步驟;
如果指紋樣本與全域指紋範本不匹配,返回指紋匹配不成功結果,完成指紋識別步驟。
相較於習知技術,本發明“提升指紋識別率的指紋識別方法及指紋識別晶片”的技術效果在於:增加了全域校準步驟,將疑似判定匹配的指紋範本拼合成全域指紋範本,增加指紋樣本與全域指紋範本的重合面積,在指紋樣本與指紋範本的重合面積小的情況下提升比對匹配成功率,提升指紋識別率,改善FRR性能和FAR性能,尤其對採用小面積指紋採集感測器的指紋識別晶片,更具有提升指紋識別解鎖的體驗效果。
以下,結合圖式所示各實施例,作進一步詳述。
本發明提出一種提升指紋識別率的指紋識別方法,如圖9所示,基於指紋識別晶片5,該指紋識別晶片設置有指紋採集感測器51。根據應用場合和需求,指紋識別晶片5所基於的指紋資訊採集和訊號轉換原理不盡相同,其所設置的指紋採集感測器51的指紋資訊採集方式也相應地不同。在本發明第一實施例及第二實施例中,指紋識別晶片5基於電容式指紋資訊採集方式,指紋採集感測器51相應採用電容式指紋採集感測器;指紋採集感測器51設置在指紋採集面內的電容陣列,以手指接觸指紋採集感測器,藉由採集因指紋引起的電容陣列的電容值變化來偵測指紋資訊。
如圖1所示,所述提升指紋識別率的指紋識別方法,包括以下指紋識別步驟:
如圖1所示流程61,指紋採集感測器51採集指紋資訊;
如圖1所示流程62,指紋採集感測器51採集的指紋資訊經過指紋識別晶片5預處理形成指紋樣本;
另外,如圖1所示流程63,指紋識別晶片5內存儲有一個以上經過預處理的指紋範本,且指紋識別晶片5將存儲的指紋範本與指紋樣本進行比對;
在指紋識別晶片5內設置有指紋匹配標準,如圖1所示流程64;基於該指紋匹配標準,將指紋樣本分別與各指紋範本進行比對;
如果指紋樣本與一個指紋範本匹配,跳轉至圖1所示流程66,返回指紋匹配成功結果,進而完成指紋識別步驟;
如果沒有指紋範本與指紋樣本匹配,跳轉進入圖1所示流程區塊65,該流程區塊65用於完成全域校準,且進行以下的全域校準步驟:
針對全域校準指紋識別晶片5內,設置一低於指紋匹配標準的指紋匹配次標準,藉由指紋匹配次標準,找出與指紋樣本存在匹配的可能性,但因指紋樣本與指紋範本重合面積小,而導致比對匹配無法達到指紋匹配標準的指紋範本;
如圖1所示流程651,基於指紋匹配次標準,將指紋樣本分別與指紋範本進行比對;
在指紋樣本與各指紋範本遍歷進行比對後,如果有一個以下的指紋範本與指紋樣本匹配,則雖然找到疑似判定匹配的指紋範本,但是僅依靠一個疑似判定匹配的指紋範本,並無法進行指紋範本重構。因此,跳轉至圖1所示流程67,返回指紋匹配不成功結果,完成指紋識別步驟。
在指紋樣本與各指紋範本遍歷進行比對後,如果找到至少兩個指紋範本與指紋樣本匹配,跳轉至圖1所示流程652,分別記錄與指紋樣本匹配的指紋範本部分為匹配指紋範本。本發明第一實施例,如圖3所示,指紋樣本所占區域如圖3中的Z指示區域,經過流程651找到3個指紋範本11、21、31,它們與指紋樣本都因重合面積小,而導致比對無法達到指紋匹配標準,但符合指紋匹配次標準;指紋範本11與指紋樣本匹配部分記錄為匹配指紋範本111,指紋範本21與指紋樣本匹配部分記錄為匹配指紋範本211,指紋範本31與指紋樣本匹配部分記錄為匹配指紋範本311;
如圖1所示流程653,將流程652記錄的各匹配指紋範本合併成全域指紋範本。本發明第一實施例,如圖4所示,匹配指紋範本111、211和311合併成為全域指紋範本41,顯而易見地,全域指紋範本41與指紋樣本的重合面積皆大於指紋範本11、21和31,從而提升與指紋樣本比對匹配的識別率;
如圖1所示流程654,基於指紋匹配標準,將指紋樣本與流程653獲取的全域指紋範本比對;
如果指紋樣本與全域指紋範本匹配,跳轉至圖1所示流程66,返回指紋匹配成功結果,完成指紋識別步驟;
如果指紋樣本與全域指紋範本不匹配,跳轉至圖1所示流程67,返回指紋匹配不成功結果,完成指紋識別步驟。
本發明將疑似判定匹配的指紋範本拼合成全域指紋範本,增加指紋樣本與全域指紋範本的重合面積,在指紋樣本與指紋範本的重合面積小的情況下,提升比對匹配成功率,提升指紋識別率,改善FRR性能和FAR性能,尤其對採用小面積指紋採集感測器的指紋識別晶片,更具有提升指紋識別解鎖的體驗效果。
本發明第一實施例,如圖3和圖4所示,將各匹配指紋範本合併成全域指紋範本時,由於匹配指紋範本11、21、31互不重合,因而直接匹配成全域指紋範本41。但是,如本發明第二實施例,如圖5所示,匹配指紋範本還有可能出現互相重合的情況。如果此種情況下將匹配指紋範本直接合併,匹配指紋範本的重合區域會重複合併,導致全域指紋範本與指紋樣本誤認的可能性大大增加,還會增加資料處理量。為解決此問題,如圖2所示,本申請之提升指紋識別率的指紋識別方法,係將各匹配指紋範本合併成全域指紋範本的步驟653,進一步優化為以下合併步驟。
如圖2所示流程71,判斷匹配指紋範本是否存在互相重合情況:
如果各匹配指紋範本互不重合,如本發明第一實施例,如圖3和圖4所示,直接將各匹配指紋範本111、211、311拼合成全域指紋範本41;
如果匹配指紋範本中存在至少一組互相重合的情況,如本發明第二實施例,如圖5所示,進行以下剔除多餘重合的拼合步驟:
如圖2所示流程72,進行剔除多餘重合處理,在匹配指紋範本拼合步驟中,對同一重合部分僅保留一個完整的匹配指紋範本,而剔除其它匹配指紋範本的重合部分,從而將匹配指紋範本互不重合地拼合成全域指紋範本。
本發明第二實施例,如圖5所示,指紋樣本所占區域如圖5中Z指示區域,經過流程651找到3個指紋範本12、22、32,它們與指紋樣本都因重合面積小,而導致比對匹配無法達到指紋匹配標準,但符合指紋匹配次標準;指紋範本12與指紋樣本匹配部分記錄為匹配指紋範本121,指紋範本22與指紋樣本匹配部分記錄為匹配指紋範本221,指紋範本32與指紋樣本匹配部分記錄為匹配指紋範本321;其中,匹配指紋範本121與匹配指紋範本221存在互相重合的情況,對於它們的重合部分,保留匹配指紋範本221,而剔除匹配指紋範本121的重合部分;如圖5所示,匹配指紋範本121包括沒有重合的第一匹配指紋範本部分1211和重合的第二匹配指紋範本部分1212,且將重合的第二匹配指紋範本部分1212剔除後,匹配指紋範本121進行多餘重合處理後保留第一匹配指紋範本部分1211。
如圖2所示流程73,匹配指紋範本拼合成全域指紋範本,如圖6所示,全域指紋範本42包括被剔除多餘重合處理後的匹配指紋範本121,即第一匹配指紋範本部分1211、匹配指紋範本221以及匹配指紋範本321,從而解決匹配指紋範本的重合問題。
如果匹配指紋範本中存在至少一組互相重合的情況,本發明第二實施例,如圖5和圖6所示,所述剔除多餘重合的拼合步驟更具體為以下步驟:
分別對每組互相重合的匹配指紋範本進行重合篩選步驟:
在重合的匹配指紋範本中,選擇一個完整保留而成為保留重合部分的匹配指紋範本,例如,本發明第二實施例的匹配指紋範本221即為保留重合部分的匹配指紋範本,將其它重合的匹配指紋範本的重合部分剔除而成為剔除重合部分的匹配指紋範本,例如,對本發明第二實施例的匹配指紋範本121的處理,第一匹配指紋範本部分1211即為剔除重合部分的匹配指紋範本。
本發明第二實施例,如圖5所示,只有一組互相重合的匹配指紋範本,顯而易見地,對於一組以上互相重合的匹配指紋範本,需要對每組互相重合的匹配指紋範本進行相應處理,即進行重合篩選步驟;
各組互相重合的匹配指紋範本完成上述重合篩選步驟後,進行以下拼合步驟:
如本發明第二實施例,如果匹配指紋範本中既存在至少一組互相重合的匹配指紋範本,又存在至少一個沒有重合情況的匹配指紋範本,例如,本發明第二實施例的匹配指紋範本321即為沒有重合情況的匹配指紋範本,將所有沒有重合情況的匹配指紋範本、保留重合部分的匹配指紋範本和剔除重合部分的匹配指紋範本拼合成為全域指紋範本。例如,本發明第二實施例,如圖6所示,將匹配指紋範本321、匹配指紋範本221和第一匹配指紋範本部分1211拼合成為全域指紋範本42。
顯而易見地,如果所有匹配指紋範本中僅存在互相重合的情況,將所有保留重合部分的匹配指紋範本和剔除重合部分的匹配指紋範本拼合成為全域指紋範本。
本發明還提出將採集的指紋資訊以圖像資料形式處理的指紋識別方法,如圖7和圖8所示,
如圖7所示流程801,指紋採集感測器51採集的指紋資訊;
如圖7所示流程802,指紋採集感測器51採集的指紋資訊經過指紋識別晶片5預處理形成指紋樣本Sample
;
指紋樣本Sample
用包括描述子的特徵向量描述經過預處理的指紋樣本圖像,,
其中,指紋樣本Sample
的特徵向量的第一描述子是經過預處理提取的特徵點數量,指紋樣本Sample
的特徵向量的第二描述子是個特徵點的描述向量集,,即=;
如圖7所示流程803,指紋識別晶片5內存儲有K個經過預處理的指紋範本Tempa
,,K是不小於1的自然數;各指紋範本Tempa
用包括描述子的特徵向量描述經過預處理的指紋範本圖像,,
其中,第a
個指紋範本Tempa
的特徵向量的第一描述子是經過預處理提取的特徵點數量,第a
個指紋範本Tempa
的特徵向量的第二描述子是個特徵點的描述向量集,,即=;
指紋識別晶片5將存儲的指紋範本Tempa
與指紋樣本Sample
進行比對,第a
個指紋範本Tempa
與指紋樣本Sample
的匹配程度用指紋匹配分數MS a
反映,指紋匹配分數MS a
越高意味著匹配度越高,則設置匹配分數閾值MSth
為指紋匹配標準;顯而易見地,當指紋匹配分數MS a
越低意味著匹配度越高時,需要根據邏輯關係,對以下步驟做相應調整即可。
將K個指紋範本Tempa
分別與指紋樣本Sample
進行標準比對,即將MS a
分別與MSth
比較;
如果出現MS a
≥MSth
的結果,返回指紋匹配成功結果,完成指紋識別步驟;
如果沒有出現MS a
≥MSth
的結果,進行全域校準步驟。
如圖7所示,以i
為迴圈變數,完成上述基於匹配分數閾值MSth
的比對步驟:
圖7所示流程804,迴圈變數i
代入1,相當於指紋範本Tempa
的序號代入1;
圖7所示流程805,判斷跳出迴圈條件「i
≤K?」;
如果i
還沒有達到指紋範本的最大序號K,就進行流程806;如果i
超出指紋範本的最大序號K,意味著比對步驟已經遍歷所有指紋範本Tempa
而沒有出現MS a
≥MSth
的結果,迴圈結束,進行流程810;
圖7所示流程806,以迴圈變數i
的當前值作為指紋範本Tempa
和指紋匹配分數MS a
的序號,形成反映當前指紋範本Tempi
與指紋樣本Sample
匹配程度的當前指紋匹配分數MS i
,進行流程807;
圖7所示流程807,判斷「MS i
≥MSth
?」;如果MS i
≥MSth
,說明當前指紋範本Tempi
與指紋樣本Sample
匹配,直接跳出迴圈,進行流程809;如果MS i
<MSth
,說明當前指紋範本Tempi
與指紋樣本Sample
不匹配,進行流程808,繼續迴圈;
圖7所示流程808,迴圈變數累計i
=i
+1,返回流程805;
圖7所示流程810,即遍歷所有指紋範本Tempa
而沒有出現MS a
≥MSth
的結果,迴圈結束後,進行全域校準步驟。
全域校準步驟如圖8所示:
設置匹配分數次閾值SMSth
為指紋匹配次標準,MSth
>SMSth
;
將K個指紋範本Tempa
分別與指紋樣本Sample
進行次標準比對,即將MS a
分別與SMSth
比較;
如果出現一個以下MS a
≥SMSth
的結果,返回指紋匹配不成功結果,完成指紋識別步驟;
如果出現至少兩個MS a
≥SMSth
的結果,分別記錄出現MS a
≥SMSth
情況的指紋匹配分數MS a
所對應的指紋範本Tempa
與指紋樣本Sample
匹配部分為匹配指紋範本,,L是匹配指紋範本的數量,其係不小於2的自然數;匹配指紋範本用包括描述子的特徵向量描述匹配指紋圖像,,
其中,第x
個匹配指紋範本的特徵向量的第一描述子Nmx
是匹配特徵點數量,第x個匹配指紋範本的特徵向量的第二描述子是Nmx
個匹配特徵點的描述向量集,,即=;
將各匹配指紋範本合併成全域指紋範本Tempnew
;全域指紋範本Tempnew
用包括描述子的特徵向量描述經過全域指紋範本圖像,,
其中,全域指紋範本Tempnew
的特徵向量的第一描述子是特徵點數量,全域指紋範本Tempnew
的特徵向量的第二描述子是個特徵點的描述向量集,,即=;指紋樣本Sample
與全域指紋範本Tempnew
的匹配程度用指紋匹配分數MS new
反映;
將指紋樣本Sample
與全域指紋範本Tempnew
進行標準比對,即將MS new
與MSth
比較;
如果MS new
≥MSth
,返回指紋匹配成功結果,完成指紋識別步驟;
如果MS new
<MSth
,返回指紋匹配不成功結果,完成指紋識別步驟。
如圖8所示,以j
為迴圈變數,完成上述全域校準步驟,即圖7所示流程810:
圖8所示流程901至905,以j
為迴圈變數,以迴圈變數j
的當前值作為指紋範本Tempa
和指紋匹配分數MS a
的序號,形成反映當前指紋範本Tempj
與指紋樣本Sample
匹配程度的當前指紋匹配分數MS j
,基於匹配分數次閾值SMSth
進行比較匹配;同時,以q
為計數變數,記錄出現匹配的次數,即發生MS j
≥SMSth
指紋範本Tempa
的數量,同時記錄該指紋範本Tempa
與指紋樣本Sample
匹配部分的匹配指紋範本;
圖8所示流程906至910完成將匹配指紋範本合併成全域指紋範本Tempnew
並校準匹配的步驟;流程906首先判斷的匹配指紋範本數量q
,當q
≥2時,進行流程907,將匹配指紋範本合併成全域指紋範本Tempnew
;通過比較指紋匹配分數MS new
與匹配分數閾值MSth
進行比對,形成全域校準結果。
本發明第一實施例,如圖3和圖4所示,指紋範本11、21、31與指紋樣本Sample
都因重合面積小,而導致各自相應指紋匹配分數無法達到匹配分數閾值MSth
,但因達到匹配分數次閾值SMSth
,從而形成匹配指紋範本111、211、311,即L=3,也就是說,
匹配指紋範本,;
匹配指紋範本,;
匹配指紋範本,;
將各匹配指紋範本,和拼合成全域指紋範本Tempnew
,即,;
其中,,。
如果匹配指紋範本中存在至少一組互相重合的情況,進行以下剔除多餘重合的拼合步驟:
在匹配指紋範本拼合步驟中,對構成同一重合部分的特徵向量根據特徵點剔除規則,剔除多餘的匹配特徵點向量,從而將匹配指紋範本互不重合地拼合成全域指紋範本Tempnew
,那麼,,。
本發明第二實施例,如圖5和圖6所示,指紋範本12、22、32與指紋樣本Sample
都因重合面積小,而導致各自相應指紋匹配分數無法達到匹配分數閾值MSth
,但因達到匹配分數次閾值SMSth
,從而形成匹配指紋範本121、221、321,即L=3,也就是說,
匹配指紋範本,;
匹配指紋範本,;
匹配指紋範本,;
其中匹配指紋範本121和221互相重合,第二實施例選擇對匹配指紋範本121剔除多餘的匹配特徵點,意味著對於匹配指紋範本,剔除多餘的匹配特徵點後,匹配特徵點的數量Nm1
*將減少,即Nm1
<Nm1
*;匹配特徵點向量集被包含,即;剔除多餘的匹配特徵點後,匹配指紋範本變成剔除多餘的匹配指紋範本,也就是說,;
將各匹配指紋範本、和互不重合地拼合成全域指紋範本Tempnew
;即為將、和拼合成全域指紋範本Tempnew
,即,,其中,<, 。
本發明所述之特徵點剔除規則係為了重合部分的匹配特徵點剔除,提供剔除標準,根據指紋識別晶片5的資料處理能力,應用場景和運行環境等因素可以做出靈活選擇,特徵點剔除規則可以選擇以下舉出的至少一種:
第一種特徵點剔除規則:
指紋範本Tempa
的特徵向量還包括作為第三描述子的指紋範本Tempa
的索引序號indexa
;匹配指紋範本的特徵向量包括作為第三描述子的匹配指紋範本索引序號indexx
;所述匹配指紋範本索引序號indexx
即為匹配指紋範本所屬指紋範本Tempa
的索引序號indexa
。
本發明第二實施例,考慮到第三描述子indexx
,具體為,
匹配指紋範本,;
匹配指紋範本,;
匹配指紋範本,;
即為index1
=1,index2
=2,index3
=3;
所述特徵點剔除規則係,對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留匹配指紋範本索引序號indexx
最大的特徵向量的匹配特徵點,而剔除其餘匹配特徵點;
對於第二實施例,對於重合的匹配指紋範本和匹配指紋範本,匹配指紋範本的匹配指紋範本索引序號index2
=2最大,因而保留匹配指紋範本的重合部分,而剔除匹配指紋範本在重合部分的匹配特徵點,即匹配指紋範本121在剔除重合部分的匹配特徵點之後,形成第一匹配指紋範本部分1211。
第二種特徵點剔除規則:基於第三描述子的匹配指紋範本索引序號indexx
,所述特徵點剔除規則還可以是,對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留匹配指紋範本索引序號indexx
最小的特徵向量的匹配特徵點,而剔除其餘匹配特徵點。
第三種特徵點剔除規則:基於第三描述子的匹配指紋範本索引序號indexx
,所述特徵點剔除規則亦可為,對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留隨機選定的一匹配指紋範本索引序號indexx
的特徵向量的匹配特徵點,而剔除其餘匹配特徵點。
第四種特徵點剔除規則:以一像素距離為單位在重合部分所在區域內,不重疊地篩查匹配特徵點,使任一像素距離內保留一個匹配特徵點,而剔除多餘的匹配特徵點;亦即,在任一像素距離內,有兩個以上分屬不同匹配指紋範本的匹配特徵點,就選擇其中一個匹配特徵點保留,將其它匹配特徵點剔除。
第五種特徵點剔除規則:對指紋資訊進行圖像預處理包括圖像濾波增強和圖像品質評估。對不同模組採集到的指紋資訊,採用之常用的濾波增強方法包括:中值濾波、高斯濾波、長條圖拉伸等;而圖像品質評估會對每張圖像進行評分標記。因此,在對指紋資訊進行預處理後,還能夠形成反映圖像品質的品質評估分數,該品質評估分數與指紋圖像的對比度、長條圖分佈密切相關,紋理清晰且脊谷對比度更強的指紋圖像的品質評估分數更高。指紋範本Tempa
的特徵向量還包括作為第四描述子之指紋範本Tempa
在預處理時得到的品質評估分數scorea
;匹配指紋範本的特徵向量包括作為第四描述子的匹配指紋範本品質評估分數scorex
;該匹配指紋範本品質評估分數scorex
即為匹配指紋範本所屬指紋範本Tempa
的品質評估分數scorea
;可以選用的特徵點剔除規則還可為,對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留反映圖像品質最優的匹配指紋範本品質評估分數scorex
的特徵向量的匹配特徵點,而剔除其餘匹配特徵點。
另外,指紋範本Tempa
的特徵向量還包括作為第五描述子之在同一坐標系下Tempa
的變換矩陣H a
。進一步而言,全域指紋範本Tempnew
的特徵向量的還包括作為第五描述子之在同一坐標系下Tempnew
的變換矩陣H new
;該特徵向量的第五描述子反映將各匹配指紋範本合併後的變換矩陣H new
。
對於指紋識別,特徵向量的第三至第五描述子可以根據實際情況選擇是否用於指紋識別的資料處理;另外,特徵向量還可以有更多的描述子用於必要的資料處理。
基於所述指紋識別方法,本發明還提出一種能夠提升指紋識別率的指紋識別晶片5,如圖9所示,包括指紋採集感測器51。根據應用場合和需求,指紋識別晶片5所基於的指紋資訊採集和訊號轉換原理不盡相同,其所設置的指紋採集感測器51的指紋資訊採集方式也相應地不同。在本發明第一實施例和第二實施例中,指紋識別晶片5基於電容式指紋資訊採集方式,指紋採集感測器51相應採用電容式指紋採集感測器;指紋採集感測器51是設置在指紋採集面內的電容陣列,以手指接觸指紋採集感測器,藉由採集因指紋引起的電容陣列的電容值變化,來偵測指紋資訊。指紋識別晶片5內存儲有一個以上經過預處理的指紋範本,指紋採集感測器51採集的指紋資訊經過指紋識別晶片5預處理形成指紋樣本。指紋識別晶片5包括兩個以上電子元器件。
各電子元器件的組成和連接結構,使該指紋識別晶片5能夠完成以下指紋識別步驟:
基於指紋匹配標準,將指紋樣本分別與指紋範本進行比對;
如果指紋樣本與一個指紋範本匹配,返回指紋匹配成功結果,完成指紋識別步驟;
如果沒有指紋範本與指紋樣本匹配,進行以下的全域校準步驟:
設置一低於指紋匹配標準的指紋匹配次標準;
基於指紋匹配次標準,將指紋樣本分別與指紋範本進行比對;
如果有一個以下的指紋範本與指紋樣本匹配,返回指紋匹配不成功結果,完成指紋識別步驟;
如果找到至少兩指紋範本與指紋樣本匹配,分別記錄與指紋樣本匹配的指紋範本部分為匹配指紋範本;
將各匹配指紋範本合併成全域指紋範本;
基於指紋匹配標準,將指紋樣本與全域指紋範本比對;
如果指紋樣本與全域指紋範本匹配,返回指紋匹配成功結果,完成指紋識別步驟;
如果指紋樣本與全域指紋範本不匹配,返回指紋匹配不成功結果,完成指紋識別步驟。
以上所述具體的指紋識別方法都適用於所述指紋識別晶片5。
以上所述者僅為本申請的較佳實施方式,應當指出,對於本技術領域的普通技術人員來說,在不脫離本申請原理的前提下,還可以做出若干改進和潤飾,這些改進和潤飾也應視為本申請的保護範圍。
61~67‧‧‧流程
651~654‧‧‧流程
71~73‧‧‧流程
801~811‧‧‧流程
901~910‧‧‧流程
5‧‧‧指紋識別晶片
51‧‧‧指紋採集感測器
11‧‧‧指紋範本
12‧‧‧指紋範本
21‧‧‧指紋範本
22‧‧‧指紋範本
31‧‧‧指紋範本
32‧‧‧指紋範本
41‧‧‧全域指紋範本
42‧‧‧全域指紋範本
111‧‧‧匹配指紋範本
121‧‧‧匹配指紋範本
1211‧‧‧第一匹配指紋範本部分
1212‧‧‧第二匹配指紋範本部分
211‧‧‧匹配指紋範本
221‧‧‧匹配指紋範本
311‧‧‧匹配指紋範本
321‧‧‧匹配指紋範本
Z‧‧‧指示區域
圖1係本發明提升指紋識別率的指紋識別方法的流程之示意圖。
圖2係圖1所示流程653的具體流程之示意圖。
圖3係本發明第一實施例匹配指紋範本之示意圖。
圖4係所述第一實施例的全域指紋範本之示意圖。
圖5係本發明第二實施例匹配指紋範本之示意圖。
圖6係所述第二實施例的全域指紋範本之示意圖。
圖7係本發明以圖像資料形式進行資料處理來完成所述方法的流程之示意圖。
圖8係圖7全域校準步驟810的具體流程之示意圖。
圖9係本發明能夠提升指紋識別率的指紋識別晶片的電原理之示意框圖。
61~67‧‧‧流程
651~654‧‧‧流程
Claims (10)
- 一種提升指紋識別率的指紋識別方法,基於指紋識別晶片,該指紋識別晶片設置有指紋採集感測器;且指紋識別晶片內存儲有一個以上經過預處理的指紋範本,指紋採集感測器採集的指紋資訊經過指紋識別晶片預處理形成指紋樣本;其特徵在於,所述方法包括以下指紋識別步驟: 基於指紋匹配標準,將指紋樣本分別與各指紋範本進行比對; 如果指紋樣本與一個指紋範本匹配,返回指紋匹配成功結果,完成指紋識別步驟; 如果沒有指紋範本與指紋樣本匹配,進行以下的全域校準步驟: 設置一低於指紋匹配標準的指紋匹配次標準; 基於指紋匹配次標準,將指紋樣本分別與指紋範本進行比對; 如果有一個以下的指紋範本與指紋樣本匹配,返回指紋匹配不成功結果,完成指紋識別步驟; 如果找到至少兩指紋範本與指紋樣本匹配,分別記錄與指紋樣本匹配的指紋範本部分為匹配指紋範本,將各匹配指紋範本合併成全域指紋範本; 基於指紋匹配標準,將指紋樣本與全域指紋範本比對; 如果指紋樣本與全域指紋範本匹配,返回指紋匹配成功結果,完成指紋識別步驟; 如果指紋樣本與全域指紋範本不匹配,返回指紋匹配不成功結果,完成指紋識別步驟。
- 如請求項1所述之提升指紋識別率的指紋識別方法,其中, 將各匹配指紋範本合併成全域指紋範本,且包括以下合併步驟: 如果各匹配指紋範本互不重合,直接將各匹配指紋範本拼合成全域指紋範本; 如果匹配指紋範本中存在至少一組互相重合的情況,進行以下剔除多餘重合的拼合步驟: 在匹配指紋範本拼合步驟中,對同一重合部分僅保留一個完整的匹配指紋範本而剔除其它匹配指紋範本的重合部分,從而將匹配指紋範本互不重合地拼合成全域指紋範本。
- 如請求項2所述之提升指紋識別率的指紋識別方法,其中, 如果匹配指紋範本中存在至少一組互相重合的情況,所述剔除多餘重合的拼合步驟包括: 分別對每組互相重合的匹配指紋範本進行重合篩選步驟, 其係在重合的匹配指紋範本中選擇一個完整保留而成為保留重合部分的匹配指紋範本,將其它重合的匹配指紋範本的重合部分剔除而成為剔除重合部分的匹配指紋範本; 各組互相重合的匹配指紋範本完成上述重合篩選步驟後,進行以下拼合步驟: 如果所有匹配指紋範本中僅存在互相重合的情況,將所有保留重合部分的匹配指紋範本和剔除重合部分的匹配指紋範本拼合成為全域指紋範本; 如果匹配指紋範本中既存在至少一組互相重合的匹配指紋範本,又存在至少一個沒有重合情況的匹配指紋範本,將所有沒有重合情況的匹配指紋範本、保留重合部分的匹配指紋範本和剔除重合部分的匹配指紋範本拼合成為全域指紋範本。
- 如請求項1所述之提升指紋識別率的指紋識別方法,其中, 指紋識別晶片內存儲有K個經過預處理的指紋範本Tempa ,,K是不小於1的自然數;各指紋範本Tempa 使用包括描述子的特徵向量描述經過預處理的指紋範本圖像,, 其中,第a 個指紋範本Tempa 的特徵向量的第一描述子是經過預處理提取的特徵點數量,第a 個指紋範本Tempa 的特徵向量的第二描述子是個特徵點的描述向量集,,即=; 指紋採集感測器採集的指紋資訊經過指紋識別晶片預處理形成指紋樣本Sample ,該指紋樣本Sample 用包括描述子的特徵向量描述經過預處理的指紋樣本圖像,, 其中,指紋樣本Sample 的特徵向量的第一描述子是經過預處理提取的特徵點數量,指紋樣本Sample 的特徵向量的第二描述子是個特徵點的描述向量集,,即=; 第a 個指紋範本Tempa 與指紋樣本Sample 的匹配程度用指紋匹配分數MS a 反映,那麼,設置匹配分數閾值MSth 為指紋匹配標準; 將K個指紋範本Tempa 分別與指紋樣本Sample 進行標準比對,即將MS a 分別與MSth 比較; 如果出現MS a ≥MSth 的結果,返回指紋匹配成功結果,完成指紋識別步驟; 如果沒有出現MS a ≥MSth 的結果,進行以下的全域校準步驟: 設置匹配分數次閾值SMSth 為指紋匹配次標準,且MSth >SMSth ; 將K個指紋範本Tempa 分別與指紋樣本Sample 進行次標準比對,即將MS a 分別與SMSth 比較; 如果出現一個以下MS a ≥SMSth 的結果,返回指紋匹配不成功結果,完成指紋識別步驟; 如果出現至少兩個MS a ≥SMSth 的結果,分別記錄出現MS a ≥SMSth 情況的指紋匹配分數MS a 所對應的指紋範本Tempa 與指紋樣本Sample 匹配部分為匹配指紋範本,,L是匹配指紋範本的數量,是不小於2的自然數;匹配指紋範本使用包括描述子的特徵向量描述匹配指紋圖像,, 其中,第x 個匹配指紋範本的特徵向量的第一描述子Nmx 是匹配特徵點數量,第x個匹配指紋範本的特徵向量的第二描述子是Nx 個匹配特徵點的描述向量集,,即=; 將各匹配指紋範本合併成全域指紋範本Tempnew ;全域指紋範本Tempnew 用包括描述子的特徵向量描述經過全域指紋範本圖像,, 其中,全域指紋範本Tempnew 的特徵向量的第一描述子是特徵點數量,全域指紋範本Tempnew 的特徵向量的第二描述子是個特徵點的描述向量集,,即=;指紋樣本Sample 與全域指紋範本Tempnew 的匹配程度用指紋匹配分數MS new 反映; 將指紋樣本Sample 與全域指紋範本Tempnew 進行標準比對,即將MS new 與MSth 比較; 如果MS new ≥MSth ,返回指紋匹配成功結果,完成指紋識別步驟; 如果MS new <MSth ,返回指紋匹配不成功結果,完成指紋識別步驟。
- 如請求項5所述之提升指紋識別率的指紋識別方法,其中,所述特徵點剔除規則係,以一像素距離為單位,在重合部分所在區域內不重疊地篩查匹配特徵點,使任一像素距離內保留一個匹配特徵點,而剔除多餘的匹配特徵點。
- 如請求項5所述之提升指紋識別率的指紋識別方法,其中, 指紋範本Tempa 的特徵向量還包括作為第三描述子的指紋範本Tempa 的索引序號indexa ;匹配指紋範本的特徵向量包括作為第三描述子的匹配指紋範本索引序號indexx ;所述匹配指紋範本索引序號indexx 即為匹配指紋範本所屬指紋範本Tempa 的索引序號indexa ; 所述特徵點剔除規則係,對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留匹配指紋範本索引序號indexx 最小的特徵向量的匹配特徵點,而剔除其餘匹配特徵點; 或者, 對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留匹配指紋範本索引序號indexx 最大的特徵向量的匹配特徵點,而剔除其餘匹配特徵點; 或者, 對構成同一重合部分的匹配指紋範本的特徵向量的匹配特徵點,保留隨機選定的一匹配指紋範本索引序號indexx 的特徵向量的匹配特徵點,而剔除其餘匹配特徵點。
- 一種能夠提升指紋識別率的指紋識別晶片,包括指紋採集感測器;且指紋識別晶片內存儲有一個以上經過預處理的指紋範本,指紋採集感測器採集的指紋資訊經過指紋識別晶片預處理形成指紋樣本;其特徵在於, 指紋識別晶片還包括兩個以上電子元器件;各電子元器件的組成和連接結構使該指紋識別晶片能夠完成以下指紋識別步驟: 基於指紋匹配標準,將指紋樣本分別與指紋範本進行比對; 如果指紋樣本與一個指紋範本匹配,返回指紋匹配成功結果,完成指紋識別步驟; 如果沒有指紋範本與指紋樣本匹配,進行以下的全域校準步驟: 設置一低於指紋匹配標準的指紋匹配次標準; 基於指紋匹配次標準,將指紋樣本分別與指紋範本進行比對; 如果有一個以下的指紋範本與指紋樣本匹配,返回指紋匹配不成功結果,完成指紋識別步驟; 如果找到至少兩指紋範本與指紋樣本匹配,分別記錄與指紋樣本匹配的指紋範本部分為匹配指紋範本; 將各匹配指紋範本合併成全域指紋範本; 基於指紋匹配標準,將指紋樣本與全域指紋範本比對; 如果指紋樣本與全域指紋範本匹配,返回指紋匹配成功結果,完成指紋識別步驟; 如果指紋樣本與全域指紋範本不匹配,返回指紋匹配不成功結果,完成指紋識別步驟。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810977240.5A CN110858294B (zh) | 2018-08-26 | 2018-08-26 | 提升指纹识别率的指纹识别方法及指纹识别芯片 |
CN201810977240.5 | 2018-08-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202009793A true TW202009793A (zh) | 2020-03-01 |
TWI744647B TWI744647B (zh) | 2021-11-01 |
Family
ID=69635832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108119584A TWI744647B (zh) | 2018-08-26 | 2019-06-05 | 提升指紋識別率的指紋識別方法及指紋識別晶片 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110858294B (zh) |
TW (1) | TWI744647B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613016A (zh) * | 2020-12-18 | 2021-04-06 | 超越科技股份有限公司 | 指纹识别开机方法、装置和计算机 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271513A (zh) * | 2007-03-21 | 2008-09-24 | 成都方程式电子有限公司 | 一种指纹识别系统芯片及其实现方法 |
CN101777128B (zh) * | 2009-11-25 | 2012-05-30 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及系统 |
CN102693420B (zh) * | 2012-05-25 | 2014-09-17 | 深圳市亚略特生物识别科技有限公司 | 一种指纹模板自动更新的方法 |
CN102819754B (zh) * | 2012-07-27 | 2015-01-28 | 中国科学院自动化研究所 | 一种基于Sigmoid扩展的指纹分数融合系统及方法 |
CN103793696B (zh) * | 2014-02-12 | 2017-02-08 | 北京海鑫科金高科技股份有限公司 | 指纹识别方法及其系统 |
CN105868679B (zh) * | 2015-01-23 | 2017-11-28 | 深圳市汇顶科技股份有限公司 | 指纹信息的动态更新方法和指纹识别装置 |
CN105488473B (zh) * | 2015-12-01 | 2019-03-19 | 北京东方金指科技有限公司 | 一种多特征融合的海量指纹编码和比对方法 |
CN106778457A (zh) * | 2015-12-11 | 2017-05-31 | 深圳市汇顶科技股份有限公司 | 可提高指纹识别率的指纹识别方法及系统 |
CN105760738B (zh) * | 2016-03-15 | 2017-08-25 | 广东欧珀移动通信有限公司 | 一种指纹解锁的方法及终端 |
CN106021606B (zh) * | 2016-06-21 | 2017-11-07 | 广东欧珀移动通信有限公司 | 一种指纹模板更新方法及终端设备 |
CN106909900A (zh) * | 2017-02-27 | 2017-06-30 | 努比亚技术有限公司 | 指纹识别方法及装置 |
-
2018
- 2018-08-26 CN CN201810977240.5A patent/CN110858294B/zh active Active
-
2019
- 2019-06-05 TW TW108119584A patent/TWI744647B/zh active
Also Published As
Publication number | Publication date |
---|---|
CN110858294B (zh) | 2023-11-10 |
TWI744647B (zh) | 2021-11-01 |
CN110858294A (zh) | 2020-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Syarif et al. | Enhanced maximum curvature descriptors for finger vein verification | |
WO2017008349A1 (zh) | 指纹识别的方法及装置 | |
Türetken et al. | Automated reconstruction of tree structures using path classifiers and mixed integer programming | |
TWI434220B (zh) | 利用手掌靜脈之生物特徵辨識使用者之方法 | |
KR101632912B1 (ko) | 지문 인식을 이용한 사용자 인증 방법 | |
CN108171247B (zh) | 一种车辆再识别方法及系统 | |
KR20090087895A (ko) | 생체인식정보의 추출과 대조를 위한 방법 및 장치 | |
CN104123537A (zh) | 一种基于手形和掌纹识别的快速身份验证方法 | |
Oldal et al. | Hand geometry and palmprint-based authentication using image processing | |
CN111415373A (zh) | 基于孪生卷积网络的目标跟踪与分割方法、系统及介质 | |
US20120020535A1 (en) | Unique, repeatable, and compact biometric identifier | |
JP2024027078A (ja) | マルチスケールに基づく全スライド病理特徴融合抽出方法、システム、電子機器及び記憶媒体 | |
Li et al. | Palmprint identification using Hausdorff distance | |
TW202009793A (zh) | 提升指紋識別率的指紋識別方法及指紋識別晶片 | |
CN111325755B (zh) | 一种u型网络及角膜图像中神经纤维的分割方法 | |
KR100374695B1 (ko) | 직접 융선 추출을 이용한 자동 지문 인식 시스템 | |
Sisodia et al. | A conglomerate technique for finger print recognition using phone camera captured images | |
JP7315884B2 (ja) | 認証方法、認証プログラム、および情報処理装置 | |
Yu et al. | Fingerprint image preprocessing based on whole-hand image captured by digital camera | |
CN106682623A (zh) | 一种指纹信息采集方法及指纹采集系统 | |
CN112801034A (zh) | 一种指静脉识别装置 | |
JP2005250786A (ja) | 画像認識方法 | |
US7333640B2 (en) | Extraction of minutiae from a fingerprint image | |
CN111968126B (zh) | 页面焦点识别方法、装置、计算机设备和存储介质 | |
Sun et al. | Research on palm vein recognition algorithm based on improved convolutional neural network |