TWI308300B - Identification of algorithm and apparatus based on knuckle wrinkles - Google Patents

Description

1308300 ‘ 九、發明說明： 【發明所屬之技術領域】 本發明係有關一種指節紋身份辨識方法及裝置，尤指一種擷取指節 紋影像’並將影像處理，並取其特徵值而與指節紋資料庫比對，以達到 快速及低成本辨識身份之目的者。 【先前技術】 在今曰的資訊社會中，智慧型犯罪經常發生，故無論在生活常會接 泰觸的銀行、公司、居家和個人用品如汽車和電腦等，為要辨識使用者身 份，常使用密碼和輪匙。然而資訊時代裡，密碼和输匙常被破解，而發 生重大損失，特別在網路世界的接取、連結與溝通的熱絡，形成了對終 端使用者身份辨識的強烈需求。與帳號、密碼的身份辨識方式相比，生 物認證（Biometrics)是更為便利和自然的身份辨識技術，它利用每個 人獨一無二的生理特徵來確認身份，其中以指紋辨識的發展與應用最 早，近十餘年更發展到掌紋、臉面、虹臈、視網膜、筆跡及聲紋辨識； •而這些利用不同特徵開發出的辨識技術各有擅長。世界各國已開始在國 内推動身分證加入指紋及1C卡化，信用卡也在2〇〇6年全面ic卡化， 而且成為開放性架構。這些都意味著人類的生活及曰常活動的身分驗證 將邁向電子化、自動化識別的新時代，它能為人類提供便利與安全，也 為身份辨識產業帶來龐大的商機。目前生物辨識的主要方法有以〇)虹 膜辨識，在1880年代’法國人Alphonse Bertillon曾經在監獄中對囚 犯以虹卿定；⑵聲_識，是將人_音峨轉換成聲譜 圖（spectrogram)，從聲譜圖上觀察說話人發音的特徵，利用這些特 1308300 徵進行說話人的辨識，就像是利用指紋圖形比對來認人一樣，因此我們 將經由聲音來S忍人這樣的過程，就說成是聲紋辨識；⑶人臉辨識，人 臉辨識系統是先儲存每位允許進出門禁者的臉部特徵（如五官的間 距），日後依此進行辨認；⑷掌紋辨識，使用者把手放在掌紋閱讀機 上’系統便能分析其手掌紋理、結構及溫度等，辨識出個人身分，可以 辨識400名使用者的掌紋，而且辨識時間快速，只需數秒便能判別個人 身分；⑸掌形辨識，目前在掌形的研究上已經相當成熟，主要量測手 籲指的長度與寬度’將這些測量值記錄下來，並且做為個人的辨識特徵， 此方法可制96· 5%的正確贼率，與2%的錯雛鲜；⑻指紋辨識， 指紋辨識已有120年以上的歷史。刪年1〇月英國人亨利浪巧 Faulds)在科學期刊「Natural」介紹「指紋辨識」的觀念，開啟了「利 用指紋作人身職」的運用，其主要原理為棟取指紋特徵點，像指蚊的 叉點與端點成為指紋比對的依據。 鲁 雖然生物辨識分方法有指紋、掌紋、掌形、指形、臉形、聲紋、虹 膜、靜脈、DNA等’但以指紋辨識較為普遍。但指紋辨識是最古老也 最廣為人知的生物辨識方法，佔有概的應用。全民指紋建檔在很多國 豕都是行之有年的制度，雖然它的準確性比不上虹膜辨識（指紋辨識僅 擷取70〜100項變數’虹膜辨識為266項），但是在資料庫的建立與分 子上，指紋辨識遠遠超前於現存任何辨識技術，僅僅聯邦調查局便存有 超過7000萬組指紋，而全美各執法單位，均有權限可以進入資料庫進 行搜尋與比對。 1308300 以上所述之生物辨識方法，已成功應用於個人物品（汽車、電腦、 手機等）的主人身份辨識、居家保全、公司人事缺勤管理、個人物品的 使用管理、甚至可用於警察的犯罪資料庫之用，故生物辨識技術有其市 場需求’更為科技與社會高度發展後’迫切需要的身份辨識系統。 然而指節紋之影像比指紋更為簡潔，資料量更小，所以更適合用在 長距離的傳輸，或較大資料量的比對。 雖然密碼是最為普遍之纟分認證方式，卻可能遭到竊取或冒用，而 生物辨識方法雖是唯-且無法竊取複製，但各有其優缺點，亦有使用 上的瓶頸。故不⑽生㈣訊亦不_被提出，並驗證觸的能力。本 本發明著眼於指峽路細’若因手指或娜補污，而娜指紋不 β晰便會導致辨識經常失敗，而指節紋較粗紋路少，可使用低解析 度的影像娜麟在雜職的歧、成本和成功率均較高。 本發明主妓域善指_顯舰，故文獻探討卩指紋辨識為 主。因為-般纽辨識認證系統本身無法分辨持有密碼者是否為本人， 而指紋辨識技術正好可改正此缺點，因為指紋特徵都是唯一且無法竊取 或複製的，·十分適合作為雜認證之方式。而指紋職的原理為， ，象在電腦内部做影像處理與編碼的動作，其根據指紋影像的明暗 冰淺，給予適當的編碼方式，並完成影像壓縮動作。同時在過程中，由 ^體在纖咖τ，__觀瓣觸，即一般所 、杉點』藉此作為指紋辨識的依據。如此，電腦便可從指蚊資 料庫中，把『核心點』_形碼作比對，而當比職時，透過身份資 7 1308300 =:成身⑽確認。故-般指紋_統分為兩部分，第 影像中’此部分將對指紋咖所擷取之影像，將 入^Γ 分_，迦_處理_練後，送 輪出作為if分’即m峨部分，娜'峨，輪辨識結果 J出作為認證通過與否的依據。在指 取，你滅職的過針，缺特徵點的摘 成输紋比對的依據，一般最常採用的 端點來當成指紋比對的特徵；由於祕疋磁的又點與 m由於特徵點的正確性，將影響指紋比對率 旦=，為了降低錯誤特徵點的產生，通常會對指紋影像作處理。指紋 2八處理的過程’包括對原始影像的雜域波、二值化、細線化、和影 刀，，有時對指紋影像增強與後處理，可以避免錯誤特徵點的問題。 常用的指紋辨識法分為兩種，一類是特徵點比對法（Minutiae

Matching )(如參考域i )，另一麵是樣式比對法⑽MatcWng )。 Φ 在特徵點比對法中，程式將輸入的指紋影像經過前處理 (Preprocessing)、細化 ding)、特徵點萃取（MinutiaeE_ti㈤） (如參考文獻2)後’與資料庫ν的指紋影像做特徵點比對。雖然特徵 點比對法的岫置處理較多使得處理速度較慢，但由於精確度高因此是 最被廣泛使關法。樣式比躲贱將指紋影像峨輯（pixd by Pixel)的方式，與資料庫中的指紋影像進行比對，如果比對機率在某個 使用者自訂的門檻值（Threshold Value)之上，則代表對比對成功。此 方法適合用在使用者不多，能夠犧牲一點精確度，以處理速度為導向的 系統。 8 1308300 • 指紋影像在比對的時候，並沒有—定的標準方式，因此有許多學者 皆已投入在探索指·對的技巧，-般來講’崎可以分成四個主要方 向來進行： (1) 文法比對（如參考文獻3 ~ 7):做法主要是將整張影像分兼許 多大小相等的小眺’並且在每倾塊上會依财紋路流向的不同，而 給予不同的編號(方向碼）’再將所得到的方向碼遺一用基本符號表示成 -維等號串列或二維樹狀結構等’此符號群經由文法做分析❿決定其類 •別。 (2) 結構比對（如參考文獻8):指紋紋路經過追蹤後，將其紋路的 流向編成方向碼的形式’而指紋的特徵往往出現在方向碼變化最劇烈的 地方，故根據;5Γ向碼即可將指紋特徵操取出，其後，就可以將這些特徵 當烟:我們比對的基礎。 ⑶細線雛比對（如參考文獻9 — i !):將輸人的指紋影像經過 前處理(preprocessing)、細線化後擷取其端點出以丨哗）、叉點 # (Bifurcation)、中心點(Core)、三角點(Dd_位置，再從其分佈量個 數或相對位置進行與資料庫内的指紋影像之特徵點進行比對。 (4)圖形式比對（如參考文獻！2):指紋影像經影像處理、紋路追 縱後’可將紋路編碼’再根據紋路的特徵點和紋間的相連關係，可將經 過紋路編碼後_職__ ’制—新_樣，可以糊此方式來 裕行比對。 扣、、文影像由脊脈（ridge)與走向（〇rientati〇n)等特徵因素構成，典 型的指紋可分為帳形（arch)、箕形（】〇〇p)、職形（wh〇rl)等三種 1308300 基本類型。一九OO年英國的Edward Richard Hemy出版一本指紋分析 的書，一九0—年他的分析法正式在威爾斯及英國採用，亨利式分析法 經改良後，為目前世界上採用最廣的一種，包括我國、美國、英國、加 拿大、澳洲等國定，均採用此法。 亨利指紋分類系統（Henry System)的現代指紋法將指紋分為八大 類，如圖一所示，有弧形紋（plain—)、帳形紋（tentedarch)、正莫 紋（radialloop)、反箕紋（111^loop)、螺旋紋（plainwh〇rl)、囊形 紋（centmlpacketloop)、雙箕紋（doublel〇〇p)及雜形紋（acddentai)。 指紋的宏觀特徵有中心點（core)與三角點（delta)兩種，細微特 徵有點（dot)、端點（ending)、分叉點（bifiircati〇n)、島（咖⑷、 刺（spur)、交叉（crossover)、橋（blidge)、短脊脈（sh〇rtridge)等 八種，如圖二所示。然而為了降低比對的複雜度，通常只取脊脈的端點 及分叉點作為比對特徵，以特徵點對特徵點的方式進行比對^根據抱㈣ 的研究指出’兩牧指紋只要有13個以上的特徵點相符即可破認為同一 指紋，特徵點的指紋辨識即根據此項判斷指紋是否相符。 再從市場上的需求分析，-般錄辨識朗如門糾轉皆以指紋 掃描褒置娜赦影像萃取特徵後⑽徵之比較。而驗辨識率之良 窳’決定產品適瓶，大致而言其取決於指紋掃描之解析度及面積、特 徵萃取及比職算法之良窥，_此二項均_穌(掃減組及運算處 理器等級)，因此市場之應用產品元件，常無法兼顧價廉及物美。指紋辨 識之應用，減_之應壯企業、功、公家_之愧如勤等應 1308300 用最基本且必要之條件為建檔成功率需達1〇〇%，PRR錯判拒絕率需小 於3%，FAR錯判接受率需小於〇.〇〇1%，然而這對於指紋機並不容易， 結構較簡單、掃描解析度較低、掃描面積較小之指紋機，事實證明較不 適合應用於人數較多(1〇〇人)之使用單位，更遑論千人以上，因其往往會 有至3%之使用者無法建檔成功。因此結構簡單之指紋機模組較適用 於個人使用、少數人使用之環境(最多數十人），而企業、機關、工廠等 大型單位(100人以上)於採購應用指紋機時，應特別注意指紋機之辨識 率，包括建檔成功率、FRR錯判拒絕率、FAR錯判接受率，因為它終將 決定系統是否可以順利使用。但冑廠商的指紋機已_舰錯判拒絕率 小於1%，FAR錯判接受率小於〇〇〇1%，並使用於千人以上單位的人事 出勤之管理。 和指紋辨識很相近的掌紋辨識，是最近興起的生物職方法，以舊 金山國際機場齡j ’安全部醉先制掌麟識纽管綱⑭個出入 口 ’唯有佩帶相對層級通行證的員卫才可以進出管継域，以對付恐怖 ^擊i曰本富士通在2005年7月，開始在海外銷售掌紋辨識系統，搶占 全球安全$_需求。f 士通稱，這套纽_為3公分的立方體，可 1利用在提肖大樓的警衛安全，或是防止電腦遭錢。該公司發言人士 稱田士通的全球銷售目標，在7月開始的三年内達到I%億美元。掌紋 :識正確度據稱是指紋_倍以上，曰本部份銀行已在自動提款機使用 * 士通的敎辨識祕。富士通賴在錢、英國、新加坡韓國及台 灣銷售這項產品。 在2006年1月，香港理工大學生物識別技術研究中心，發表全球一 11 1308300 個掌紋辨識系統參展，這套系統可識別掌紋作保安用途，獲第十四屆中 國發明展覽會特選金獎等獎項，目前已在理大電子計算學系辦公室及中 國哈爾濱賓館應用。這套掌紋辨識系統比指紋系統準確性更高，系統成 本約五千港元。這套系統的發明者是香港理工大學碩士學生江偉健，並 獲得亞洲科技大獎之一的「年青發明家獎」最後12強。理大電子計算學 系副系主任張大鵬說，江偉健參與研發的掌紋辨識保安系統，只要使用 者把手凌空放在掌紋閱讀機上，系統便能分析其手掌紋理、結構及溫度 •等，辨識出個人身分。該系統的賣點是比指模辨識更準確，可以辨識400 名使用者的掌紋，而且辨識時間快速，只需數秒便能判別個人身分。該 系統可用於實驗室、大廈入口、海麵卡等地點作保安用途，亦比一般 產品廉宜得多。該系統曾獲全暖明展金獎、香港工業獎消費產品優異 證書，以及韓國發明協會特選金獎。 本發明所提出的指節紋辨識方法，與掌紋辨識所擷取的生物資訊很 相似，因為掌紋也是屬與手掌敏紋的一種，只是掌紋在中國自古曾用來 論斷人的命運，也證實敎軸種敝，但每人有異故以掌紋為 特徵，可鱗耻_識的爾。既然減，挪紋也是指社的敵紋， 只要我們可峨明它在每—個人或—群人的指社是不—樣的，而且不 隨時間改變或改變很慢很少，那就增加一種生物辨識的方法。因為指節 紋生物辨齡統的優點是，指節紋較粗、紋路少，可使祕解析度的影 像擷取設備，使職射撕酬輕、成功輪高，且成本低。 參考文獻： 12 1308300 [1] Anil Jain(IEEE Fellow), Lin Hong and Ruud Bolle(IEEE Fellow):On-Line Fingerprint Verification, IEEE Trans. On Pattern Analysis and Machine Intelligence, VOL. 19,N0.4April 1997 〇

[2] J C Amengual, A Juan, J C Perez, F Prat, S Saez and J M Vilar : REAL-TIME MINUTIAE EXTRACTION IN FINGERPRINT IMAGES. IPA97. IEE Conference Publication 443, July 1997 ° [3] A. Grasselli, 'On the automatic classification of fingerprints some

consideration on the linguistic interpretation of pictures” Methedologies of Pattern Recognition, vol. 8,1976,pp. 173-179 ° [4] B. Moayer and K. S. Fu, 4<An application of stochastic languages to fingerprint pattern recognition” Pattern Recognition, vol. 8, 1976, pp. 173-179。 [5] B. Moayer and K. S. Fu/Ά Tree System Approach for Fingerprint Pattern Recognition ’’IEEE Transition on Computers, vol. C-25, No.3, March 1976, pp.262-274。 [6] C. C. Kameswara Rao and Kenneth Black, ’’Finding the Core Point in a Fingerprint” IEEE Transaction on Computers, vol. C-27, NO. 1， January，1978，pp. 77-81 o [7] M. Kawagoe and A. Tojo，“Fingerprint Pattern Classification” Pattern Recognition, vol. 17,No.3,pp. 195-303 ° 13 1308300 [8] Μ· Κ· Sparrow and P. J. Sparrow, “A Topoligocal Approach to the

Matching of single fingerprints: Development of Algorithms for use on Rolled Impressions” NBS Special Publication 500-124, May 1985。 [9] Τ· Ch Malleswara Rao, “Feature Extraction for Fingerprint Classtfication”

Pattern Recognition, vol.8,1976, pp.181-192 ° [10] C. V. kameswara Rao, “On Fingerprint Recognition” Pattern Recognition, vol.10,1978, pp.15-18。 φ [ 11 ]’’Automated Fingerprint Identification System”NEC 〇 [12] D. K. Isenor and S. G. Zeky，“Fingerprint Identification using Graph Matching” Pattern Recognition, νο1·19, Νο·2，1986，ρρ.13-122 〇 [13] Andrew K. Hrechakand, James A.Mchugh,"Automated Fingerprint Recognition using Structural Matching", Pattern Recognition,Vol.23^o.8,pp.893-904,1990 〇 [14] 陳俊良，“有效的指紋前處理及分類”，淡江大學資訊工程研究所碩 春士論文，2001 〇 [15] 謬紹綱，“數位影像處理一活用Matlab” ’全華科技圖書公司，2〇〇〇。 [16] %韻^0 ’手指紋大分類法之研究’中原大學電子所頌士論文，1997。 [17] 李宗瀚，即時指紋辨識演算法’輔仁大學資工所，2〇〇1年6月。 [18] 呂狀元，指紋分類系統設計，淡江大學電機所頌士論文，2〇〇〇年6 月。 【發明内容】 14 Ϊ308300 本發明之第―目的’在於提供-婦具快速、精確及減本的指節 紋辨識方法。其方法包括(a)娜指節紋靴⑹職指雜影像處理 以優質化’（G)取&雜較雜雛值，⑷賴鋪郷像特徵值與 預建的指政資料庫比較，及(e)輸出比較結果，其巾，該特徵值包括 (cl)總紐(C2)短脊脈的數量(c3)主峰間距⑽次峰比例值⑹分叉 點的數量(⑻刺的數量⑽折_數量㈣島的數量㈣橋的數量。 【實施方式】 本t月實驗例巾’其指冑纟嫌取裝置是採帛指紋辨識的光學讀取 頭，如圖3所示，但__識軟體拒絕指節紋的儲存，故進-步採購 间解析度的掃描器，错存BMp的檔案，再以廳侃做影像處理，並發 展C程式的辨識系統核心，以驗證所提特徵值的身分辨識能力。 百先，本發明是紐文獻資料中找丨在指欲或掌紋辨識中所使用的 特徵點套職鱗_社，_細触穌絲__ _ 丨點在本㈣之鱗紋順枝科用，料粉辦徵綱去，並留下 可用=，__慨點，私人工分_趾雜難為可行， 再收集-定量之樣本來進行再確認及分析正確率，確定特触有5個以 翻9δ_，細爾树㈣驟，以程式來 實見自動化之目的，其蝴糊蝴4。細，本發明娜個樣 徵點之獨雜及唯一性，在這次的檢測中我們認為指 即，文有6至13個不等的特徵點，而這些 復，也就滿足獨特性及唯一性的要求期:Χ的數值皆無重 的要求_指節紋比對資料如下表！ ·· 15 1308300 b 4 9 主峰間距 1 4 b 1144 851 1037 1125 4 1 4 0 4 分又點 次蜂比石厂5.0346 3.6758 46358 5.0 ~~~~3^ ~ — ___________7 Ig識長度 1 334.4 548.2 371.0 289.2 683.丨折點

可辨識長度5 2005 二^·υ 判数 4 j 4 1 3 ，由表1中可以發現，總條數、分叉點、折點等容易有數值相同的情 表1: 總條數 =，所以無法作為關鍵辨識點’但是可以作為有效的分類條件辨識點， 能作為主要_職_有可纖紐、辨舰、:欠峰_，因為這 些數值在此_神__，场购料差異餘在，所以本發 明人認為以上特徵點可以作為辨識之用。 再者，當指敎_像[般雜_路傳齡魏桃或無線網 路傳輪而輸人蝴_脱職科，錢會目為—料棚素比如 讀取碩髒污、皮膚上的油脂、在掃描時移動手指等而產生雜訊因而本 施時必須要先將雜訊齡(請比較圖5、6濾除雜訊前後的狀態）， 1疋有足夠的影像品質以供辨認，其具體的作法是先將背景單純化， ’梅_屬麵阶 的動作，再利用一次膨脹及二次侵蝕來作、、^ 仪蝕來作濾除雜訊之處理，膨脹是指以 一個矩形為早位將週圍的色彩變成一 Μ目,丨_4 魏樣的色衫，而將原本的雜訊放大， k蝕則剛好相反’但不為互補式， ㈣却、士敲γ Λ _脹及二次侵蝕可以使 T雜《^被’慮除’假如在濾除雜訊後 口 則㈣田〜像0°質仍然不足以提供指節紋辨識 貝J明使用者重新輸入，並以五次為限。 1308300 在取得足夠品質的指節紋影像後，要先將指節紋影像作灰諧增強處 理主要目的疋要讓指節紋影像更加清晰(請比較圖7、8增強前後的狀 態），以便於分析，也可以避免在後續其餘的處理步驟中產生失真，而 影響指節紋的分析準確率，其次是調整圖片之亮度與對比，以增加明暗 之落差。 二值化’是將影像的色彩向量圖所產生的波形中的波谷以一分為二 的方式作重新計算轉換成新的色彩向量圖，二值化又稱為灰度分劃 (Threshold) ’ 一般影像的灰度分劃成只有兩種灰度值，亦即設定一個灰 度值’凡是影像本身灰度大於它的便令其為亮點而灰度值低於設定值 的，便令其為暗點，如此可得到一個二元的影像，凡是需要作文字識別 或條紋辨認的影像，皆可利用此方式，先將一個複雜的圖面簡單化，分 劃法切割影像常用以偵測平滑表面工件的瑕疯、鋼板表面瑕疫之機器視 覺系統和印刷電路板的測量等。假設m為二值化之閥值(thresholding value) ’例如設定影像灰度分劃值^為 M .....................................................................(1) 在方程式⑴中’ f :輸入之影像’ η :所有像素之數目，f(x，y):像素座標 (x，y)的灰度值。 凡是影像的灰度值低於劃分值m的令為0，影像的灰度值高於分劃 值m的令為1，這種技巧稱之為二值閥值擷取(bilevelthresholding)，此 次主要目的是要使谷線及紋線更加明顯的表現出來，所以我們在作二值 閥值摘取時必須將黑色背景的灰度值排除(請比較圖9、10二值化前後 17 β〇830〇 的狀態）。 細線化’將原本指節紋中較粗紋路轉換成較細紋路，以方便作定點 及一些數學運算’可以避免對於定位點模糊而產生的運算誤差，作法是 將指節紋影像中的紋路寬度降低’如此就會使得紋路變細以達到細線化 之目地。 完成第-階段之影像處理後，將完成第—階段影像處理之影像進行

取出特徵值之步驟’選職賊值需盡量避免無像絕雜置有關，主 因疋每次掃鄉糾手指擺餘置的些料差科能職冑紋作精確 定位，不齡增加影翁_式之誠更會造鑛賊顧之降低。以 下將介紹各特徵值之定義。 總條數：如圖u所示，指所有可辨識出之指節紋之數目，包含所有 可計算長歧不可計算長度之娜紋，鱗紋料水平方向為主之紋路 且較-般缺為崎听財二值化__—魅紋絲故不用擔 心誤將-般指紋誤判為指節紋之情形。 數量:短脊脈是指可判斷出紋路兩側端點之指節紋，由於 軸變化點’再依據兩端點座標及畢氏三角定理：斜邊長=(X 支化I的+方+y轴變化量的平方），/2如圖η所示，因此可 «===也產娜—峨值贿辨識長度。 兩側之紋路，_=獻巾_敝路，—_妓貫穿手指 有極少數較物# J^紐，較在她驗·統計中發現 、條球有_貫料指_彳之情形，對於_ 18 1308300 情形則改採用在無貫穿之主峰侧的所有指節紋中最置中的指節紋來作 為鱗’並沿著手指之中央縱植延伸來計算兩條主峰之距離h(如圖 13、14 所示）。 ° ⑷次峰比例值：如圖15所示以兩條指節紋之主峰之距離中點的線為 基準線X ’最靠近此基準線！之辟财卜設此指較Fi至一主聲之 距離為a，至另一主♦之距離為b，次缘比例值為a/b。 ⑸分叉點的數量：如圖16所示，當有指節紋F7與其他指節⑽相交 • 時即為分叉點。 ⑹刺的數# :如圖17所示，刺也可以說是較小的交观當相交的指節 紋中其中有—條的長度低於2〇〇 pixels時即為刺幻。 ⑺折點的數量：指較之鱗變聽，當轉變化量大到—定量時列 :。曲率變化計算是以流向之改變來計算的，而流向_是依據影 像處理中_碼來牡的’鏈碼是峰絲—個由貝魏定長度和方向 的直線段猶接_序_-崎界，表補典财私線段的4

_或8連雜祕礎。數蝴晴是_縣絲和處理的，網格在X 和y方向上細隔的，所輯碼可叫定起始點彳_生，而透過所 產生的鍵碼即可判斷出曲率變化。 m的脉㈣is所心—胸魏⑽編瓣連在另 -條指節紋F3上，該較短的指節紋即為島。 中以一條短 (9)橋_:如圖19卿，_不相連之挪紋F4、F5 的指即紋F6交差’該較短的指節紋即為橋。 1308300 存输㈣嫩資料庫中之 #—_來__之刺，森林 _ 特徵點为類，將類似的特徵點歸於同一 類，以此原則可將所有資料分為 &_。 —層柯有效的將使用者之輸入指節 經過50牧樣本的取樣後，扣 π μ田, 無政樣本逛有40餘枚有效指節紋， 經過整理/刀析後發現40筆資料中僅有 ,,^ ^ 负數歲筆資料有50%以上的相同 性，所以私郎紋辨識是可行，而且因 , θ ^ 間單，所以可以有較快的 ^識速度’知偷咖切她__谢，只是其相同 性不會鬲到影響使用時之正確辨識。以下 、 的值： Z至8列出這些樣本特徵點

表2 一號 1 2 3 5 6 總條數 —-—.. 6 5 5 短脊脈 3 3 ~2~' 4 9 芩點 1 0 1 Η 0 5 w辨識長度1 "―-- 496.7 602.4 534.7 — '^· 1 4 辨識長度2 459.4 668.8 360.4 — 436.6 ^識長度3 197 218.1 204.0 I辨識長度4 '*-*---- 320.5 I 辨識i度5 168.2 f务間距 1140 114« 1003 540.2 比例 4.4 3.6 2.5 4〇^^^ 1242 1270 多又點 2 1 0 5.6 3.3 也點 4 7 6 1 1 纖紗散1 =密1 1 1 1 3 2 1308300 r

表3 樣本編號 7 8 9 10 11 12 總條數 8 8 9 5 8 11 短脊脈 3 3 3 1 1 4 端點 3 3 4 2 7 4 可辨識長度1 450.2 255.4 412.5 644.1 609.9 428.1 可辨識長度2 323.6 749.1 476.0 363.4 可辨識長度3 234.4 412.8 656.6 326.6 可辨識長度4 412.2 可辨識長度5 主峰間距 1137 1055 972 1144 1272 1143 次峰比例 3.4 5.2 6.0 4.8 1.2 5.3 交叉點 1 0 1 1 1 2 折點 3 3 6 5 3 9 離散程度u=敢J 於兩端 =密！ 1 1 1 0 1 島數 0 0 1 1 0 0 橋數 1 1 1 2 1 0 刺數 0 5 2 4 2 2

表4 樣本編號 13 14 15 16 17 18 總條數 4 7 8 8 7 6 短脊脈 2 4 1 3 2 1 端點 0 3 5 3 4 4 可辨識長度1 377.6 528.4 362.5 400.0 652.4 347.5 可辨識長度2 524.3 213.2 258.3 634.0 可辨識長度3 270.1 186.0 可辨識長度4 735.8 可辨識長度5 主峰間距 983 1040 1178 1102 1140 1088 次峰比例 4.0 4.7 5.2 3.8 3.3 4.1 交叉點 0 0 0 0 0 0 折點 3 6 5 3 4 3 離散程度U=散1=密 於兩端 1 1 1 1 0 1 島數 0 0 0 2 0 1 橋數 0 1 0 3 0 0 刺數 1 7 4 1 6 6 21 1308300 9

表5 樣本編號 19 20 21 22 23 24 總條數 6 7 8 5 9 7 短脊脈 2 0 5 3 2 1 端點 2 5 1 0 3 4 可辨識長度1 496.0 360.4 642.1 290.6 302.6 可辨識長度2 409.4 270.0 326.5 543.2 可辨識長度3 380.2 232.2 可辨識長度4 398.0 可辨識長度5 380.0 主峰間距 960 973 1030 952 1017 1043 次峰比例 9.3 4.3 3.5 4.7 3.6 3.4 交叉點 1 4 3 1 2 2 折點 5 3 4 5 4 6 離散程度0=散1=密 於兩端 1 0 0 0 1 0 島數 0 0 0 0 0 0 橋數 0 0 0 0 1 1 刺數 1 2 11 1 1 1

表6 25 26 27 28 29 30 總條數 11 10 10 14 11 9 短脊脈 3 2 5 5 5 3 端點 6 4 2 8 4 2 可辨識長度1 223.7 420.0 399.2 549.8 434.1 638.6 可辨識長度2 235.7 600.1 192.6 229.2 483.6 725.7 可辨識長度3 532.6 254.2 245.9 579.8 587.5 可辨長度4 653 325.2 413.6 可辨識長度5 735.0 601.0 161.2 主峰間距 1072 1062 1125 1237 1237 1237 次岭比例 2.8 5.3 4.6 3.2 3.2 3.2 交叉點 0 3 2 2 2 3 折點 4 6 12 8 3 4 離散程度0=散1=密^^ π 1 π 1 π 於兩端 U 1 U 島數 0 0 0 1 0 0 橋數 0 1 2 0 0 1 刺數 1 1 4 5 1 5 22 1308300

表7 樣本編號 31 32 33 34 35 36 總條數 15 12 10 5 7 5 短脊脈 2 5 4 1 3 1 端點 9 5 5 5 3 2 可辨識長度1 328.1 373.6 420.4 311.6 435.3 323.6 可辨識長度2 493.9 277.0 745.8 461.9 可辨識長度3 241.8 269.1 195.7 可辨識長度4 497.5 193.7 可辨識長度5 331.0 主峰間距 1138 1215 1070 1090 970 995 次峰比例 4.2 5.1 4.9 3.5 3.4 4.9 交叉點 4 4 0 0 1 0 折點 10 6 6 4 2 7 離散程度0=散^密^ 於兩端 0 0 0 0 0 島數 0 1 0 0 0 1 橋數 1 0 0 0 0 0 刺數 1 6 0 5 5 6 表8 號 37 38 39 40 總條數 6 5 6 7 短脊脈 1 3 2 2 端點 5 3 2 4 可辨識長度1 247.2 657.6 644.3 535.9 可辨識長度2 369.8 381.4 486.0 可辨識長度3 618.9 可辨識長度4 可辨識長度5 主峰間距 1043 1120 972 1123 次峰比例 4.4 3.4 4.1 3.9 交叉點 2 2 1 0 折點 3 6 5 6 離散程度0=散1=密 於兩端 0 0 0 0 島數 0 0 0 1 橋數 0 1 1 1 刺數 2 6 2 3 23 1308300 顯然，由以上的分析及測驗，可得知本發明以指節紋 _個有效_縣觸識’可以獲得—定程 二^ ，使得辨識的方法變得很簡易，在兼顧辨識精確性的原= 美向辨識的速度，及降低成本。 下又月b 以上所述’僅為本發明之—可行實施例，並_職 職之崎、紐-其精神而為 變化的等效實施，賴包含於本發明之專利範圍内。 2發明之方法及其裝置’兼具精確、方便及成本低廉等優點，並深 =之卿性，可恤鍋所產生之缺失；她所具體界定於 明利範圍之特徵’未見於同類物品，且具實用性與進步性 發月專利要件’銳法具文提㈣請，麟鱗依法針專利以 護本申請人合法之權益。 。 【圖式簡單說明】 圖1係一般各類指紋圖形之示意圖； 圖2係本發明指紋細微特徵分類之示意圖，· 圖3係本發明基本架構示意圖； 圖4係本發像歧之程奴程示意圖； 圖5係本發明指節濾除雜訊前之示意圖； 圖6係本發明指節濾除雜訊後之示意圖； 圖7係本發明影像增強前之示意圖； 圖8係本發明影像增強後之示意圖，· 圖9係本發明影像二值化前之示意圖； 24

Claims (1)

1308300 十、專利範固 1·一種指節紋辨識方法，其包括下列步驟： (a) 擷取指節紋影像； (b) 將該指節紋影像處理以優質化； 下： (c) 取出該鱗紋影像特徵值，該特徵值之定義如 之數目，包含所有可計 ^ (Cl)總條數:指所有可辨識出之指節紋 舁長度及不可計算長度之指節紋； ====為：_兩側_⑽ 轴線延伸輸__ W喊叫嫩_手指中央縱 最靠比触··以橫伸於魅相距的巾點之線為基準線， 主峰之距/_比=被’該轉紋至—辨⑽轉_較至另一 ·挪紋雜他挪紋相絲料分又點； 者為刺 相交的贿紋當♦條的長度低於梅油 定量者:r的數量：指節紋之曲率變化點，其曲率變化量大到一 一 _-條較 細嫩㈣織節紋交 26 1308300 6 ·如申物觸！項所述之方法，其中， ===r猶，轉㈣纽，—^ 的千方+y姆化量的付）1/2計算而得。 7·如申請專利範圍第丄項所述之方法，其中，該取 要的紋路，齡峰為貫料指_找路。 卩、钟最主 8 ·如申請專利細第丄項所述之方法，其中， /

徵值(c)的靖，該_距之特徵值中所指的彻== =穿時’採輯有挪財最置㈣鱗縣作為 9 ·如申請專利細第i項所述之方法 徵值⑹的步驟中，指節晴化計算是以流向=:像: =向_是依據影像處理中的鏈碼鍵立的，鍵碼是縣表示一個由罗 度和方向的直線段所連接成的序列的一個邊界這種表示的方 式疋以線段的4或8連通性為基礎，每個線段的方向 ::鍵碼是在決定起始點後而產生，而透過所產生_ 1 〇 ·如申物_第i項所述之方法，其中，該輸耻妙果的步 ，其中，該輪出比較結果的步 U確認該#_衫與該預建 11.如申請專利範圍第1項所述之方法 驟是以揚聲n發鱗音峨靴較結果， 的指節紋資料庫巾的麵紋相符。 28 1308300 1 2如h專__【項所述之方法，其中，在該擷取指節紋影像 (a)的步驟之彳h可_麵__網路傳輸，再進行步驟⑹及以 後的各步驟。 13·-種獨紋辨識方法，其包括下列步驟： (a)擷取指節紋影像； ⑹Mg彡像處理以優質化，包括 ⑽濾'除該絲紋影像雜訊，包括： (bl 1)將該指節紋影像二值化； (M2)將原私節紋影像與二值化指節紋影像做阶八肋的 作；及 (1)13)糊 _人膨; (b2)將指節紋影像作灰諧增強處理； ⑽與對比，以增加明暗之落差；及 (b4)細線化’將指節紋影像中較粗紋路轉換成較細紋路即將指 節紋影像中的紋細寬度降低； (c)取出該指節紋影像特徵值，該特徵值之定義如下： 條數：指所有可辨識出之指節紋之數目，包含所有 算長度及科計算聽之挪紋，挪料林付向躲之紋路且較 般指紋為深所以可以在二值化步驟時將一般指紋消除. 、（⑵短脊脈的數量：短脊脈為可判斷出紋路兩側端點之指節 紋’並依據_狀座標及佩三角定理計算其最短距離，並產生出另 29 1308300 一個特徵值為可辨識長度； ㈣主峰寒··秘挪紋的主峰紋狀間沿著手射央縱轴 線延伸計算而得的距離； Cc4)次+比例值··以横伸於該主峰間距的中點為基準線，最靠 近》亥基準線之指雜’ _較至—辨之距軸該關紋至另一主峰 之距離的比例值； (c5)分又關數量··絲贿其他麟軸交娜為分叉點； (C6)刺的數量:相交的指節紋當中有-條的長度低於2_油 者為刺； (c7)折點的數量：指節紋之鱗變化點，當曲率變化量大到一 ^量時列人辑’轉變化計算是赠向之改縣計算的而流向圖則 是依據影像處理中的鏈碼來建立的，觸是用絲示—個由貞有規定長 度和方向的錄雖連接成的相的—個邊界這稍典型方式是 以，段的4或8連通性為基礎，每個線段的方向用數字方法來編碼鍵 碼是在決定起始點後而產生，喊輯產生的鏈碼__鱗變化； (c8)島的數量：一條短的指節紋的兩個端點皆連在另一條指節 紋上，該較短的指節紋即為島；及 ㈣橋的數量：兩個不相連之指節紋中以一條短的指節纹交 差，該較短的指節紋即為橋； ⑷將該彡像健賊的㈣崎料庫比較；及 (e)顧、該鱗紋是否與該預建的指節紋資料庫中的指節纹相符 4·如申請專利範圍第工3項所述之方法，其中，該取出該嫩影 30 1308300 像特徵值_驟中，該主峰間距之特 最主要敏路，社峰騎穿手指_之紋路。#峰#即紋中 ^ 5 ·如懦利範圍第1 3項所述之方法，其中，該取出該指節妓 ===驟中’該主峰間距之特徵值中所指的辨是指節紋中 ^達到貝穿時，彻所有鱗财最置㈣麟紋來作為主 il^· 〇 16·—種指節紋辨識裝置，包括： -指節紋觀奸’耻讀轉敎的影像； 像使之優=處::比對裝置，用以處理該操取裝置所擷取的指節紋影 像使之優質化’並翻存触較f料庫做比對； -指節紋資料庫儲存單元’用以儲存指節紋資料;及 一辨識輪出單元，用以輪出比對結果。 1 7 ·如申請專糊第1 6項所述之裝置，其中，該指節紋擷取裝置為 光學式讀轉1。 •二=請專利圍第16,所述之裝置，其中，該指節紋操取裝置-知像處理及鱗傳触置奴。 、 =式冰输_18衝述·，其中，細路傳輪裝置可為 31