TW202244758A - 指紋識別方法、指紋模組及電子設備 - Google Patents

Abstract

本申請提供一種指紋識別方法、指紋模組及電子設備，所述方法包括：獲取用戶的至少一第一範本指紋圖像；對第一範本指紋圖像進行退化處理，得到至少一第二範本指紋圖像；獲取待識別的指紋圖像，基於至少一第一範本指紋圖像和至少一第二範本指紋圖像對待識別的指紋圖像進行驗證。

Description

指紋識別方法、指紋模組及電子設備

本申請涉及指紋識別技術領域，尤其涉及一種指紋識別方法、指紋模組及電子設備。

現如今，指紋驗證是智慧手機、個人電腦等智慧電子設備較為常用的用戶身份驗證方式，可應用在電子設備的解鎖、支付、登錄等應用場景。指紋識別的成功率是衡量指紋識別演算法優劣的重要指標，而在指紋識別的場景中，指紋模組容易受雜訊和外部環境的影響，例如，用戶手指經常沾有灰塵、水、污漬等異物，導致採集的指紋圖像品質較差，進而降低指紋匹配成功率。較為常用的方法是對採集的指紋圖像進行增強，然而，圖像增強在降低雜訊干擾的影響的同時，也會對圖像中指紋的細節造成損壞，進而導致指紋匹配成功率的降低。

有鑑於此，有必要提供一種指紋識別方法、指紋模組及電子設備，以解決上述指紋模組容易受雜訊和外部環境的影響而導致採集的指紋圖像品質較差，進而降低指紋匹配成功率的技術問題。

本申請提供一種指紋識別方法，所述方法包括：

獲取用戶的至少一第一範本指紋圖像；

對所述第一範本指紋圖像進行退化處理，得到至少一第二範本指紋圖像；

獲取待識別的指紋圖像，基於所述至少一第一範本指紋圖像和所述至少一第二範本指紋圖像對所述待識別的指紋圖像進行驗證。

可選地，所述獲取用戶的至少一第一範本指紋圖像包括：

在錄入範本指紋時，採集用戶的至少一個手指的指紋，生成所述至少一第一範本指紋圖像。

可選地，所述獲取用戶的至少一個第一範本指紋圖像包括：

在指紋驗證時，採集用戶的至少一個手指的指紋，生成所述至少一個手指的指紋圖像；

對所述指紋圖像進行識別，判斷所述指紋圖像是否與所述至少一第一範本指紋圖像匹配；

若確定所述指紋圖像與所述至少一範本指紋圖像匹配，將所述指紋圖像作為所述第一範本指紋圖像。

可選地，所述對所述第一範本指紋圖像進行退化處理包括：

基於模糊退化模型對所述第一範本指紋圖像進行退化處理，計算所述第一範本指紋圖像中每個圖元點周圍預設數量的圖元點的圖元平均值，將所述圖元點的圖元值替換為所述圖元平均值。

可選地，所述對所述第一範本指紋圖像進行退化處理包括：

基於隨機雜訊退化模型對所述第一範本指紋圖像進行退化處理，設置雜訊的數值範圍，將所述數值範圍內的雜訊隨機地疊加至所述第一範本指紋圖像。

可選地，對所述第一範本指紋圖像進行退化處理包括：

將所述第一範本指紋圖像輸入訓練好的神經網路模型，藉由所述訓練好的神經網路模型對所述第一範本指紋圖像進行退化處理。

可選地，所述對所述第一範本指紋圖像進行退化處理包括：

每種圖像退化模型對所述第一範本指紋圖像進行退化處理，以得到預設數量的第二範本指紋圖像。

可選地，所述基於所述至少一第一範本指紋圖像和所述至少一第二範本指紋圖像對所述待識別的指紋圖像進行驗證包括：

判斷所述待識別的指紋圖像是否與所述至少一第一範本指紋圖像和所述至少一第二範本指紋圖像中的至少一範本指紋圖像匹配；

若確定所述待識別的指紋圖像與所述至少一個第一範本指紋圖像和所述至少一個第二範本指紋圖像中的至少一範本指紋圖像匹配，確定所述待識別的指紋圖像通過驗證；或

若確定所述待識別的指紋圖像與所述至少一個第一範本指紋圖像和所述至少一個第二範本指紋圖像中的所有範本指紋圖像都不匹配，確定所述待識別的指紋圖像驗證失敗。

本申請還提供一種指紋模組，用於執行上述的指紋識別方法。

本申請還提供一種電子設備，包括：

處理器；以及

記憶體，所述記憶體中存儲有複數個程式模組，所述複數個程式模組由所述處理器載入並執行上述的指紋識別方法。

本申請的指紋識別方法、指紋模組及電子設備藉由對電子設備中的範本指紋圖像進行退化處理，在擴充範本指紋圖像的同時，類比品質較差的指紋圖像，如此，在指紋識別的過程中，即使由於受到雜訊和外部環境的影響導致採集的指紋圖像品質較差，也可以匹配成功，從而提高指紋匹配成功率，提升用戶體驗。

為了能夠更清楚地理解本申請的上述目的、特徵和優點，下面結合附圖和具體實施例對本申請進行詳細描述。需要說明的是，在不衝突的情況下，本申請的實施例及實施例中的特徵可以相互組合。

在下面的描述中闡述了很多具體細節以便於充分理解本申請，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基於本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本申請保護的範圍。

除非另有定義，本文所使用的所有的技術和科學術語與屬於本申請的技術領域的技術人員通常理解的含義相同。本文中在本申請的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在於限制本申請。

請參閱圖1所示，為本申請較佳實施方式提供的指紋識別方法的應用環境架構示意圖。

本申請中的指紋識別方法應用在電子設備1中，所述電子設備1可以與至少一個伺服器2藉由網路建立通信連接。所述網路可以是有線網路，也可以是無線網路，例如無線電、無線保真（Wireless Fidelity, WIFI）、蜂窩、衛星、廣播等。蜂窩網路可以是4G網路或5G網路。

所述電子設備1可以為安裝有指紋識別程式的電子設備，例如智慧手機、個人電腦、伺服器等，其中，所述伺服器可以是單一的伺服器、伺服器集群等。所述伺服器2可以是單一的伺服器、伺服器集群等。

請參閱圖2所示，為本申請較佳實施方式提供的指紋識別方法的流程圖。根據不同的需求，所述流程圖中步驟的順序可以改變，某些步驟可以省略。

S201，獲取用戶的至少一第一範本指紋圖像。

在一實施方式中，獲取用戶的至少一個第一範本指紋圖像包括：在錄入範本指紋時，採集用戶的至少一個手指的指紋，生成所述至少一第一範本指紋圖像。

例如，在用戶使用新買的電子設備時，需要在開機後錄入範本指紋，或者在用戶需要增加可進行指紋驗證的手指時，可以使用手指觸摸指紋模組，指紋模組採集所述用戶的至少一個手指的指紋，並生成所述至少一第一指紋圖像。

在一實施方式中，獲取用戶的至少一個第一範本指紋圖像還包括：在指紋驗證時，採集用戶的至少一個手指的指紋，生成所述至少一個手指的指紋圖像，對所述指紋圖像進行識別，判斷所述指紋圖像是否與所述至少一第一範本指紋圖像匹配，若確定所述指紋圖像與所述至少一範本指紋圖像匹配，將所述指紋圖像作為所述第一範本指紋圖像。

需要說明的是，在指紋驗證的過程中，用戶的手指受到外部環境的影響，容易沾上灰塵、水、污漬等異物，如果在手指沾有異物的情況下，手指指紋圖像仍然能夠與範本指紋圖像匹配，說明所述手指指紋圖像可以作為範本指紋圖像，如此，後續指紋模組在採集到同樣沾有異物的手指指紋圖像時，可以提高指紋圖像的匹配成功率。

在另一實施方式中，獲取用戶的至少一個第一範本指紋圖像可以包括：從電子設備的記憶體中獲取預先錄入的範本指紋圖像，作為所述第一範本指紋圖像。

在另一實施方式中，獲取用戶的至少一個第一範本指紋圖像可以包括：藉由網路從雲端伺服器獲取範本指紋圖像，作為所述第一範本指紋圖像。需要說明的是，用戶可以將舊電子設備中錄入的範本指紋圖像上傳至雲端伺服器，如此，在使用新的電子設備時，可以使用電子設備從雲端伺服器下載獲取所述範本指紋圖像，無需用戶重複錄入範本指紋圖像，同時避免範本資料的流失。

S202，對所述第一範本指紋圖像進行退化處理，得到至少一第二範本指紋圖像。

在一實施方式中，對所述第一範本指紋圖像進行退化處理，得到至少一第二範本指紋圖像包括：基於模糊退化模型對所述第一範本指紋圖像進行均值模糊的退化處理，得到至少一第二範本指紋圖像。

具體地，計算所述第一範本指紋圖像中每個圖元點周圍預設數量的圖元點的圖元平均值，將所述圖元點的圖元值替換為所述圖元平均值，從而得到至少一第二範本指紋圖像。其中，所述預設數量為x*x。可選地，x為3。請參閱圖3所示，為均值模糊處理前的第一範本指紋圖像和均值模糊處理後的第二範本指紋圖像。

在一實施方式中，對所述第一範本指紋圖像進行退化處理，得到至少一第二範本指紋圖像還包括：基於隨機雜訊退化模型對所述第一範本指紋圖像進行退化處理，得到至少一第二範本指紋圖像。

具體地，設置雜訊的數值範圍，將所述數值範圍內的雜訊隨機地疊加至所述第一範本指紋圖像，從而得到至少一第二範本指紋圖像。在一實施方式中，所述雜訊的數值範圍可以是圖元值範圍，藉由設置雜訊的最大圖元值和最小圖元值得到所述雜訊的數值範圍，然將隨機的圖元值疊加至所述第一範本指紋圖像。在另一實施方式中，所述雜訊（信噪比）的數值範圍也可以是分貝值範圍。請參閱圖4所示，為隨機雜訊處理前的第一範本指紋圖像和隨機雜訊處理後的第二範本指紋圖像。

在一實施方式中，對所述第一範本指紋圖像進行退化處理，得到至少一第二範本指紋圖像包括：將所述第一範本指紋圖像輸入訓練好的神經網路模型，藉由所述訓練好的神經網路模型對所述第一範本指紋圖像進行退化處理。

在一實施方式中，藉由訓練資料集對一神經網路模型進行深度學習訓練，使所述神經網路模型學習從高品質到低品質的退化過程以及學習低品質圖像的特徵分佈。其中，所述訓練資料集包括複數個高品質指紋圖像和複數個低品質指紋圖像。可選地，可以藉由網路從伺服器獲取所述訓練資料集。在其他實施方式中，也可以接收用戶多次錄入的未沾有異物的指紋圖像和沾有異物的指紋圖像，將未沾有異物的複數個指紋圖像作為所述訓練資料集中的高品質指紋圖像，將沾有異物的複數個指紋圖像作為所述訓練資料集中的低品質指紋圖像。

在一實施方式中，所述神經網路模型為卷積神經網路模型，所述神經網路模型的參數包括卷積層參數、權重、學習率、反覆運算次數等，所述卷積層參數包括卷積層數量、卷積核大小、卷積步長及填充層數。所述神經網路模型的卷積神經網路的骨幹絡可以採用AlexNet、VGG16、GoogleNet、ResNet、DenseNet、MobileNets、Ghosnet等網路模型。

具體地，所述神經網路模型的訓練過程包括：設置所述神經網路模型的初始參數，將所述訓練資料集中的高品質圖像作為所述神經網路模型的輸入資料，低品質圖像作為所述神經網路模型的輸出資料，將多組由一高品質圖像和至少一個低品質圖像組成的訓練資料登錄所述神經網路模型，所述神經網路模型提取高品質圖像的特徵和低品質圖像的特徵，並建立高品質圖像與低品質圖像之間的映射關係。藉由多組訓練資料的反覆運算，所述神經網路模型對高品質圖像與低品質圖像之間的映射關係進行更新，直至損失函數的輸出值小於輸出值，從而生成訓練好的神經網路模型。

具體地，藉由所述訓練好的神經網路模型對所述第一範本指紋圖像進行退化處理包括：將所述第一範本指紋圖像輸入所述訓練好的神經網路模型，所述訓練好的神經網路模型提取所述第一範本指紋圖像（高品質圖像）的特徵，並根據所述高品質圖像與低品質圖像之間的映射關係生成低品質圖像的特徵，即所述第二範本指紋圖像的特徵，將生成的所述第二範本指紋圖像的特徵融合，得到所述第二範本指紋圖像。

在一實施方式中，對所述第一範本指紋圖像進行退化處理，得到至少一第二範本指紋圖像還包括：每種圖像退化模型對所述第一範本指紋圖像進行退化處理，以得到預設數量的第二範本指紋圖像。

在一實施方式中，上述的圖像退化模型可以對第一範本指紋圖像的全部區域或部分區域進行退化處理，以得到所述第二範本指紋圖像。

S203，獲取待識別的指紋圖像，基於所述至少一第一範本指紋圖像和所述至少一第二範本指紋圖像對所述待識別的指紋圖像進行驗證。

在一實施方式中，在解鎖、支付、登錄等需要進行指紋驗證的場景下，藉由指紋模組採集用戶的指紋圖像，並對採集的指紋圖像進行識別驗證。

在一實施方式中，基於所述至少一第一範本指紋圖像和所述至少一第二範本指紋圖像對所述待識別的指紋圖像進行驗證包括：判斷所述待識別的指紋圖像是否與所述至少一第一範本指紋圖像和所述至少一第二範本指紋圖像中的至少一範本指紋圖像匹配。若確定所述待識別的指紋圖像與所述至少一個第一範本指紋圖像和所述至少一個第二範本指紋圖像中的至少一範本指紋圖像匹配，確定所述待識別的指紋圖像通過驗證。若確定所述待識別的指紋圖像與所述至少一個第一範本指紋圖像和所述至少一個第二範本指紋圖像中的所有範本指紋圖像都不匹配，確定所述待識別的指紋圖像驗證失敗。

需要說明的是，由於所述第二範本指紋圖像基於對所述第一範本指紋圖像進行退化生成，所述第二範本指紋圖像與所述第一範本指紋圖像的區別僅在於圖像品質的差異，指紋紋路仍然不變，如此，可以用來作為範本指紋圖像，在保障隱私安全的前提下，擴充範本指紋圖像，類比不同雜訊或外部環境下的指紋圖像，提高了指紋驗證過程中的指紋匹配成功率。

請參閱圖5所示，為本申請較佳實施方式提供的電子設備的結構示意圖。

所述電子設備1包括，但不僅限於，處理器10、記憶體20、存儲在所述記憶體20中並可在所述處理器10上運行的電腦程式30及指紋模組40。例如，所述電腦程式30為指紋識別程式。所述處理器10執行所述電腦程式30時實現指紋識別方法中的步驟，例如圖2所示的步驟S201~S203。

示例性的，所述電腦程式30可以被分割成一個或複數個模組/單元，所述一個或者複數個模組/單元被存儲在所述記憶體20中，並由所述處理器10執行，以完成本申請。所述一個或複數個模組/單元可以是能夠完成特定功能的一系列電腦程式指令段，所述指令段用於描述所述電腦程式30在所述電子設備1中的執行過程。

本領域技術人員可以理解，所述示意圖僅僅是電子設備1的示例，並不構成對電子設備1的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如所述電子設備1還可以包括輸入輸出設備、網路接入設備、匯流排等。

所述處理器10可以是中央處理單元(Central Processing Unit，CPU)，還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor，DSP)、專用積體電路(Application Specific Integrated Circuit，ASIC)、現成可程式設計閘陣列(Field-Programmable Gate Array，FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者所述處理器10也可以是任何常規的處理器等，所述處理器10是所述電子設備1的控制中心，利用各種介面和線路連接整個電子設備1的各個部分。

所述記憶體20可用於存儲所述電腦程式30和/或模組/單元，所述處理器10藉由運行或執行存儲在所述記憶體20內的電腦程式和/或模組/單元，以及調用存儲在記憶體20內的資料，實現所述電子設備1的各種功能。所述記憶體20可主要包括存儲程式區和存儲資料區，其中，存儲程式區可存儲作業系統、至少一個功能所需的應用程式（比如聲音播放功能、圖像播放功能等）等；存儲資料區可存儲根據電子設備1的使用所創建的資料（比如音訊資料、電話本等）等。此外，記憶體20可以包括易失性和非易失性記憶體，例如硬碟、記憶體、插接式硬碟，智慧存儲卡（Smart Media Card, SMC），安全數位（Secure Digital, SD）卡，快閃記憶體卡（Flash Card）、至少一個磁碟記憶體件、快閃記憶體器件、或其他記憶體件。

所述指紋模組40至少包括指紋採集單元和圖像生成單元，所述指紋採集單元用於接受手指的觸摸，並採集手指指紋，所述圖像生成單元用於基於採集的手指指紋紋路生成指紋圖像。

在一實施例中，所述指紋模組40為一獨立的指紋識別晶片，可以獨立執行所述指紋識別方法，即，可以獨立實現圖2所示的步驟S201~S203。

所述電子設備1集成的模組/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以存儲在一個電腦可讀取存儲介質中。基於這樣的理解，本申請實現上述實施例方法中的全部或部分流程，也可以藉由電腦程式來指令相關的硬體來完成，所述的電腦程式可存儲於一電腦可讀存儲介質中，所述電腦程式在被處理器執行時，可實現上述各個方法實施例的步驟。其中，所述電腦程式包括電腦程式代碼，所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀介質可以包括：能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、隨身碟、移動硬碟、磁碟、光碟、電腦記憶體、唯讀記憶體（ROM，Read-Only Memory）、隨機存取記憶體（RAM，Random Access Memory）。

本申請提供的指紋識別方法、指紋模組及電子設備藉由對電子設備中的範本指紋圖像進行退化處理，在擴充範本指紋圖像的同時，類比品質較差的指紋圖像，如此，在指紋識別的過程中，即使由於受到雜訊和外部環境的影響導致採集的指紋圖像品質較差，也可以匹配成功，從而提高指紋匹配成功率，提升用戶體驗。

對於本領域技術人員而言，顯然本申請不限於上述示範性實施例的細節，而且在不背離本申請的精神或基本特徵的情況下，能夠以其他的具體形式實現本申請。因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本申請的範圍由所附申請專利範圍而不是上述說明限定，因此旨在將落在申請專利範圍的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將申請專利範圍中的任何附圖標記視為限制所涉及的申請專利範圍。此外，顯然“包括”一詞不排除其他單元或步驟，單數不排除複數。裝置申請專利範圍中陳述的複數個單元或裝置也可以由同一個單元或裝置藉由軟體或者硬體來實現。第一，第二等詞語用來表示名稱，而並不表示任何特定的順序。

綜上所述，本發明符合發明專利要件，爰依法提出專利申請。惟，以上所述者僅為本發明之較佳實施方式，舉凡熟悉本案技藝之人士，於爰依本發明精神所作之等效修飾或變化，皆應涵蓋於以下之申請專利範圍內。

1:電子設備 10:處理器 20:記憶體 30:電腦程式 40:指紋模組 2:伺服器 S201-S203:步驟

圖1是本申請較佳實施方式提供的指紋識別方法的應用環境架構示意圖。 圖2是本申請較佳實施方式提供的指紋識別方法的流程圖。 圖3是本申請較佳實施方式提供的第一範本指紋圖像和經過模糊退化處理的第二範本指紋圖像的示意圖。 圖4是本申請較佳實施方式提供的第一範本指紋圖像和經過隨機雜訊退化處理的第二範本指紋圖像的示意圖。 圖5是本申請較佳實施方式提供的電子設備的結構示意圖。

S201-S203:步驟

Claims (10)

1. 一種指紋識別方法，其中，所述方法包括： 獲取用戶的至少一第一範本指紋圖像； 對所述第一範本指紋圖像進行退化處理，得到至少一第二範本指紋圖像； 獲取待識別的指紋圖像，基於所述至少一第一範本指紋圖像和所述至少一第二範本指紋圖像對所述待識別的指紋圖像進行驗證。
2. 如請求項1所述之指紋識別方法，其中，所述獲取用戶的至少一第一範本指紋圖像包括： 在錄入範本指紋時，採集用戶的至少一個手指的指紋，生成所述至少一第一範本指紋圖像。
3. 如請求項2所述之指紋識別方法，其中，所述獲取用戶的至少一個第一範本指紋圖像包括： 在指紋驗證時，採集用戶的至少一個手指的指紋，生成所述至少一個手指的指紋圖像； 對所述指紋圖像進行識別，判斷所述指紋圖像是否與所述至少一第一範本指紋圖像匹配； 若確定所述指紋圖像與所述至少一範本指紋圖像匹配，將所述指紋圖像作為所述第一範本指紋圖像。
4. 如請求項1所述之指紋識別方法，其中，所述對所述第一範本指紋圖像進行退化處理包括： 基於模糊退化模型對所述第一範本指紋圖像進行退化處理，計算所述第一範本指紋圖像中每個圖元點周圍預設數量的圖元點的圖元平均值，將所述圖元點的圖元值替換為所述圖元平均值。
5. 如請求項1所述之指紋識別方法，其中，所述對所述第一範本指紋圖像進行退化處理包括： 基於隨機雜訊退化模型對所述第一範本指紋圖像進行退化處理，設置雜訊的數值範圍，將所述數值範圍內的雜訊隨機地疊加至所述第一範本指紋圖像。
6. 如請求項1所述之指紋識別方法，其中，對所述第一範本指紋圖像進行退化處理包括： 將所述第一範本指紋圖像輸入訓練好的神經網路模型，藉由所述訓練好的神經網路模型對所述第一範本指紋圖像進行退化處理。
7. 如請求項4至6中任一項所述之指紋識別方法，其中，所述對所述第一範本指紋圖像進行退化處理包括： 每種圖像退化模型對所述第一範本指紋圖像進行退化處理，以得到預設數量的第二範本指紋圖像。
8. 如請求項1所述之指紋識別方法，其中，所述基於所述至少一第一範本指紋圖像和所述至少一第二範本指紋圖像對所述待識別的指紋圖像進行驗證包括： 判斷所述待識別的指紋圖像是否與所述至少一第一範本指紋圖像和所述至少一第二範本指紋圖像中的至少一範本指紋圖像匹配； 若確定所述待識別的指紋圖像與所述至少一個第一範本指紋圖像和所述至少一個第二範本指紋圖像中的至少一範本指紋圖像匹配，確定所述待識別的指紋圖像通過驗證；或 若確定所述待識別的指紋圖像與所述至少一個第一範本指紋圖像和所述至少一個第二範本指紋圖像中的所有範本指紋圖像都不匹配，確定所述待識別的指紋圖像驗證失敗。
9. 一種指紋模組，其中，用於執行如請求項1至8中任一項所述之指紋識別方法。
10. 一種電子設備，其中，所述電子設備包括： 處理器；以及 記憶體，所述記憶體中存儲有複數個程式模組，所述複數個程式模組由所述處理器載入並執行如請求項1至8中任一項所述之指紋識別方法。

Images