TWI607386B - 指紋辨識方法及其裝置 - Google Patents

指紋辨識方法及其裝置 Download PDF

Info

Publication number
TWI607386B
TWI607386B TW103113306A TW103113306A TWI607386B TW I607386 B TWI607386 B TW I607386B TW 103113306 A TW103113306 A TW 103113306A TW 103113306 A TW103113306 A TW 103113306A TW I607386 B TWI607386 B TW I607386B
Authority
TW
Taiwan
Prior art keywords
feature
thin line
login
comparison
data
Prior art date
Application number
TW103113306A
Other languages
English (en)
Other versions
TW201523456A (zh
Inventor
江元麟
鄭宇淳
Original Assignee
神盾股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 神盾股份有限公司 filed Critical 神盾股份有限公司
Publication of TW201523456A publication Critical patent/TW201523456A/zh
Application granted granted Critical
Publication of TWI607386B publication Critical patent/TWI607386B/zh

Links

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
    • G06V40/1353—Extracting features related to minutiae or pores
    • 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
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • G06V30/2504—Coarse or fine approaches, e.g. resolution of ambiguities or multiscale approaches

Description

指紋辨識方法及其裝置
本發明是關於一種指紋辨識方法及其裝置，特別是關於一種利用集成特徵及特徵細線混合陣列進行指紋比對的指紋辨識方法及其裝置。
為了達到辨識個人身份的需求，近年來發展了許多生物特徵辨識方法，例如指紋辨識方法、視網膜辨識方法、人臉辨識方法或語音辨識方法等等。其中指紋辨識方法因使用方便而被應用於各種消費性電子產品，例如筆記型電腦、智慧型手機、個人數位助理、電腦周邊產品等等。
指紋辨識方法一般來說包含了特徵比對及圖像比對。特徵比對利用指紋的特徵點，亦即指紋的端點及分叉點等特徵以描述指紋特性，其具有遵循國際標準組織及美國國家標準協會的優點，但其在小面積指紋比對具有較差的可靠性。圖像比對利用指紋圖像的相似度進行比對，其具有拒絕率低的優點，但因其必須儲存原指紋圖像，需要較大的儲存空間且有指紋圖像被盜的安全性的風險，同時具有較大的計算量，在指紋旋轉時容易出現誤判。
特別是小面積指紋感測器，由於其感測面積小於完整指紋圖像，因此必須感測複數個部分指紋圖像以獲得足夠的資訊以進行指紋登錄作業，用 以進行指紋比對。但，小面積指紋感測器相較於傳統用於感測完整指紋圖像之指紋感測器，具有較小的模組體積，而適用於近來日益輕薄的電子裝置。因此，如何提高小面積指紋比對的可靠性，為現今亟待解決的問題。
基於上述問題，本發明提供一種指紋辨識方法及其裝置，利用集成特徵比對及特徵細線比對之混合式比對，其可適用於小面積指紋比對，在不需要儲存指紋圖像的前提下提供合理的錯誤接受率及錯誤拒絕率，同時減少儲存的資料量。
根據本發明的目的，提出了一種指紋辨識方法，其包含以下步驟：(a)利用指紋感測器採集待驗手指之待驗指紋圖像；(b)萃取待驗指紋圖像之待驗資料，待驗資料包含待驗特徵資料及待驗細線圖；(c)載入登錄手指之特徵細線陣列，特徵細線陣列可包含複數個元素，各複數個元素包含登錄特徵資料及登錄細線圖；以及(d)將待驗資料與特徵細線陣列進行一特徵細線比對，產生比對結果。
較佳地，在載入該登錄手指之該特徵細線陣列之該步驟中，更包含載入登入手指之集成特徵，集成特徵為至少部分複數個元素之登錄特徵資料之集合，且在產生比對結果之步驟中，更包含將待驗資料之待驗特徵資料與集成特徵進行特徵比對，而產生比對結果。
較佳地，集成特徵之形成，包含以下步驟：(c1)利用指紋感測器，感測登錄手指之n個登錄指紋圖像，n可為大於或等於2之正整數；(c2)萃取n個登 錄指紋圖像之n個登錄特徵資料及n個登錄細線圖；以及(c3)將n個登錄特徵資料中之至少二個集合而成集成特徵。
較佳地，細線特徵陣列之形成，包含以下步驟：(c1)利用指紋感測器，感測登錄手指之n個登錄指紋圖像，n可為大於或等於2之正整數；(c2)萃取n個登錄指紋圖像之n個登錄特徵資料及n個登錄細線圖；以及(c3)利用n個登錄特徵資料及n個登錄細線圖形成特徵細線陣列。
較佳地，比對包含以下步驟：(d1)將待驗特徵資料與集成特徵進行集成特徵比對，若產生之第一比對分數高於第一臨界值，則比對成功，反之則執行步驟(d2)；以及(d2)將待驗資料與特徵細線陣列進行特徵細線比對，若產生之第二比對分數高於第二臨界值，則比對成功，反之則比對失敗。
較佳地，特徵細線比對包含特徵比對及細線比對，其中：特徵比對可為比對待驗特徵資料及登錄特徵資料；細線比對可為擴張比對，擴張比對可為比對擴張之待驗細線圖、及登錄細線圖；以及利用特徵比對及細線比對之結果產生第二比對分數。
較佳地，擴張比對包含以下步驟：(d21)將待驗細線圖進行擴張；以及(d22)比對擴張後的待驗細線圖及登錄細線圖，以決定重疊部分的多寡。
較佳地，特徵細線比對包含特徵比對及細線比對，其中：特徵比對可為比對待驗特徵資料及登錄特徵資料；細線比對可為異或比對，異或比對可將待驗細線圖及登錄細線圖進行異或(XOR)運算；以及利用特徵比對及細線比對之結果產生第二比對分數。
較佳地，異或比對包含以下步驟：(d21)利用待驗細線圖及登錄細線圖產生異或圖；(d22)清除異或圖之雜訊；以及(d23)判斷異或圖因重疊而消除的比例多寡。
較佳地，在步驟(c2)萃取n個登錄指紋圖像之n個登錄細線圖中，更包含對n個登錄指紋圖像做預處理以消除汗孔，接著再萃取出n個登錄細線圖。
較佳地，待驗資料可用於學習機制，學習機制包含：根據複數個元素比對成功的機率，從高到低排序特徵細線陣列之複數個元素，以加速特徵細線比對之速度。
較佳地，待驗資料可用於學習機制，學習機制包含：將由特徵細線比對所比對成功之待驗資料加入特徵細線陣列，並刪除特徵細線陣列中與其他所有元素之差異性最低之元素，以增加特徵細線陣列的涵蓋率。
根據本發明的目的，提出了一種指紋辨識裝置，其包含：指紋感測器；控制處理器，可電性耦接至指紋感測器；以及儲存器，可電性耦接至控制處理器。其中，控制處理器可用於執行下列步驟：(a)利用指紋感測器採集待驗手指之待驗指紋圖像；(b)萃取待驗指紋圖像之待驗資料，待驗資料包含待驗特徵資料及待驗細線圖；(c)從儲存器載入登錄手指之特徵細線陣列，特徵細線陣列可包含複數個元素，各複數個元素包含登錄特徵資料及登錄細線圖；以及(d)將待驗資料與特徵細線陣列進行特徵細線比對，以產生一比對結果。
較佳地，在載入該登錄手指之該特徵細線陣列之該步驟中，更包含載入登入手指之集成特徵，集成特徵為至少部分複數個元素之登錄特徵資料之集合，且在產生比對結果之步驟中，更包含將待驗資料之待驗特徵資料與集成特徵進行特徵比對，而產生比對結果。
較佳地，集成特徵之形成，包含以下步驟：(c1)利用指紋感測器，感測登錄手指之n個登錄指紋圖像，n可為大於或等於2之正整數；(c2)萃取n個登錄指紋圖像之n個登錄特徵資料及n個登錄細線圖；以及(c3)將n個登錄特徵資料中之至少二個集成而成集成特徵。
較佳地，細線特徵陣列之形成，包含以下步驟：(c1)利用指紋感測器，感測登錄手指之n個登錄指紋圖像，n可為大於或等於2之正整數；(c2)萃取n個登錄指紋圖像之n個登錄特徵資料及n個登錄細線圖；以及(c3)利用n個登錄特徵資料及n個登錄細線圖形成特徵細線陣列。
較佳地，比對包含以下步驟：(d1)將待驗特徵資料與集成特徵進行集成特徵比對，若產生之第一比對分數高於第一臨界值，則比對成功，反之則執行步驟(d2)；以及(d2)將待驗資料與特徵細線陣列進行特徵細線比對，若產生之第二比對分數高於第二臨界值，則比對成功，反之則比對失敗。
較佳地，特徵細線比對包含特徵比對及細線比對，其中：特徵比對可為比對待驗特徵資料及登錄特徵資料；細線比對可為擴張比對，擴張比對可為比對擴張之待驗細線圖、及登錄細線圖；以及利用特徵比對及細線比對之結果產生第二比對分數。
較佳地，擴張比對包含以下步驟：(d21)將待驗細線圖進行擴張；以及(d22)比對擴張後的待驗細線圖及登錄細線圖，以決定重疊部分的多寡。
較佳地，特徵細線比對包含特徵比對及細線比對，其中：特徵比對可為比對待驗特徵資料及登錄特徵資料；細線比對可為異或比對，異或比對可將待驗細線圖及登錄細線圖進行異或運算；以及利用特徵比對及細線比對之結果產生第二比對分數。
較佳地，異或比對包含以下步驟：(d21)利用待驗細線圖及登錄細線圖產生異或圖；(d22)清除異或圖之雜訊；以及(d23)判斷異或圖重疊部分消除的比例多寡。
較佳地，在步驟(c2)萃取n個登錄指紋圖像之n個登錄細線圖中，更包含對n個登錄指紋圖像做預處理以消除汗孔，接著再萃取出n個登錄細線圖。
較佳地，待驗資料可用於學習機制，學習機制包含：根據複數個元素比對成功的機率，從高到低排序特徵細線陣列之複數個元素，以加速特徵細線比對之速度。
較佳地，待驗資料可用於學習機制，學習機制包含：將由特徵細線比對所比對成功之待驗資料加入特徵細線陣列，並刪除特徵細線陣列中與其他所有元素之差異性最低之元素，以增加特徵細線陣列的涵蓋率。
承上所述，本發明提出的指紋辨識方法及其裝置，具有一個或多個以下優點：
(1)本發明之指紋辨識方法將多個特徵資料集合成集成特徵以提高可信度。
(2)本發明之指紋辨識方法將特徵資料及細線圖集合成特徵細線陣列以降低拒絕率。
(3)本發明之指紋辨識方法可適用於指紋比對，較佳為適用於小面積指紋比對，在不需要儲存指紋圖像的前提下，減少比對時所需儲存的資料量。
(4)本發明之指紋辨識方法包含用於比對之學習機制，根據待驗資料變更特徵細線陣列的內容以加速比對或增加特徵細線陣列的涵蓋率。
10‧‧‧指紋感測器
20‧‧‧控制處理器
30‧‧‧儲存器
100‧‧‧指紋辨識裝置
M‧‧‧集成特徵
mi‧‧‧登錄特徵資料
mv‧‧‧待驗特徵資料
M_th‧‧‧第一臨界值
MM()‧‧‧特徵比對函式
S11~19、S501~S511、S61~S68‧‧‧步驟
si‧‧‧登錄細線圖
sv‧‧‧待驗細線圖
SK()‧‧‧細線比對函式
t_TH‧‧‧第二臨界值
第1圖為根據本發明實施例之指紋辨識方法之流程圖。
第2圖為根據本發明實施例之指紋辨識方法之登錄手指之採集資料結構之示意圖。
第3圖為根據本發明實施例之指紋辨識方法之特徵陣列之示意圖。
第4圖為根據本發明實施例之指紋辨識方法生成細線圖之示意圖。
第5圖為根據本發明實施例之指紋辨識方法之用於形成特徵陣列與集成特徵之採集流程圖。
第6圖為根據本發明實施例之指紋辨識方法之比對流程圖。
第7圖為根據本發明實施例之指紋辨識方法之擴張比對之示意圖。
第8圖為根據本發明實施例之指紋辨識方法之異或比對之示意圖。
第9圖為根據本發明實施例之指紋辨識方法之比對範例2之示意圖。
第10圖為根據本發明實施例之指紋辨識方法之比對範例3之示意圖。
第11圖為根據本發明實施例之指紋辨識裝置之示意圖。
為利貴審查員瞭解本發明之技術特徵、內容與優點及其所能達成之功效，茲將本發明配合附圖，並以實施例之表達形式詳細說明如下，而其中所使用之圖式，其主旨僅為示意及輔助說明書之用，未必為本發明實施後之真實比例與精準配置，故不應就所附之圖式的比例與配置關係解讀、侷限本發明於實際實施上的權利範圍，合先敘明。
第1圖為根據本發明實施例之指紋辨識方法之流程圖。如圖所示，本發明實施例之指紋辨識方法可包含以下步驟： 本發明之指紋辨識方法在步驟S11採集待驗手指之待驗指紋圖像，其包含待驗特徵資料及待驗細線圖，接著於步驟S12萃取出待驗指紋圖像之待驗資料。萃取出待驗資料之後在步驟S13載入登錄手指之登錄資料，其包含集成特徵及特徵細線陣列，隨後進行比對。在步驟S14中，利用待驗指紋圖像萃取出的待驗特徵資料與登錄手指的集成特徵進行集成特徵比對，並產生第一比對分數，並接著在步驟S15中判斷第一比對分數是否高於第一臨界值，若第一比對分數高於第一臨界值，則代表集成特徵比對成功，進入步驟S16，比對成功；若第一比對分數低於第一臨界值，則代表集成特徵比對失敗，進入步驟S17進行進一步的比對。在步驟S17中，利用待驗指紋圖像萃取出的待驗資料，即待驗特徵資料及待驗細線圖，與登錄手指的特徵細線陣列進行特徵細線比對以產生第二比對分數，在步驟S18中判斷第二比對分數是否高於第二臨界值，若第二比對分數高於第二臨界值，代表特徵細線比對成功，進入步驟S16，比對成功；若第二比對分數低於第二臨界值，則代表特徵細線比對失敗，進入步驟S19，比對失敗。
簡言之，本發明之指紋辨識方法先進行集成特徵比對，若在集成特徵比對已比對成功，則不需進行後續步驟，以節省比對時間。若集成特徵比 對失敗，才必須進入特徵細線比對，以提高比對結果的整體命中率。值得注意的是，集成特徵比對為待驗手指之待驗特徵資料與登錄手指之集成特徵之一對一比對，而特徵細線比對為待驗手指之待驗資料(包含待驗特徵資料及待驗細線圖)與登錄手指之特徵細線陣列(包含複數個元素，每個元素包含登錄特徵資料與登錄細線圖)的一對多比對。因此，在特徵細線比對中，將利用待驗資料逐一比對特徵細線陣列的元素，只要其中任一比對結果之第二比對分數高於第二臨界值，則比對成功，而當所有比對結果之第二比對分數皆低於第二臨界值，則比對失敗。值得一提的是，本發明說明書所提及之比對成功代表待驗指紋圖像與登錄手指相符。反之，比對失敗則代表待驗指紋圖像與登錄手指不相符。
下文中將參考第2圖到第5圖說明登錄手指之集成特徵及特徵細線陣列的形成方法。其中，第2圖為根據本發明實施例之指紋辨識方法之登錄手指之採集資料結構之示意圖。第3圖為根據本發明實施例之指紋辨識方法之特徵陣列之示意圖。第4圖為根據本發明實施例之指紋辨識方法生成細線圖之示意圖。第5圖為根據本發明實施例之指紋辨識方法之用於形成特徵細線陣列與集成特徵之採集流程圖。
如第2圖所示，登錄手指之採集資料結構可包含集成特徵M與由N個元素形成的特徵細線陣列(m0,s0),(m1,s1),...,(mN-1,sN-1)，特徵細線陣列之元素可表示為(mi,si)，mi為登錄特徵資料，si為登錄細線圖，其中0<=i<N。集成特徵M可為至少部分登錄特徵資料mi之集合，其形成方法將再於下文中詳細說明。
如第3圖所示，由第3圖(A)、第3圖(B)及第3圖(C)形成的特徵陣列可包含登錄特徵資料m0、m1及m2。圖中圓圈部分為指紋圖像的特徵點，其可記錄指紋分叉點或指紋端點等特徵。如第4圖所示，第4圖(A)為指紋圖像，第4圖(B) 為利用第4圖(A)之指紋圖像生成之細線圖si，第4圖(C)為對第4圖(A)之指紋圖像進行預處理之後而生成之細線圖si。預處理過程包含偵測汗孔並將其消除以生成較佳之細線圖。由於汗孔常為指紋圖像中小範圍內的白點而並非連續白色區域，指紋溝槽則常為連續白色區域並為被黑色區域包圍的白線，因此可對相鄰區域進行平滑與正常化處理以消除汗孔。藉由比較第4圖(B)及第4圖(C)可得知，在生成細線圖之前，對指紋圖像進行消除汗孔的預處理，可得出較佳的細線圖。
如第5圖所示為本發明實施例用於形成特徵陣列與集成特徵之採集流程圖。
指紋採集流程在步驟S501輸入指紋圖像，並且萃取出該指紋圖像的特徵資料以及細線圖。在步驟S502中，比較指紋圖像的特徵資料以及細線圖是否與候選元素過於相似。若過於相似則進入步驟S503與相似候選元素比較並剔除品質較低者；否則進入步驟S504判斷候選陣列是否已滿。若候選陣列已滿則進入步驟S506將指紋圖像之特徵資料以及細線圖加入候選陣列並剔除品質最低之候選元素；若候選陣列未滿則進入步驟S505直接將指紋圖像之特徵資料以及細線圖加入候選陣列而成為一包含登錄特徵資料以及登錄細線圖之候選元素。
接著進入步驟S507，判斷是否已產生基圖。若尚未產生基圖則進入步驟S508，將候選陣列中之兩兩候選元素之登錄特徵資料相比對並選擇聯集區域最大之候選元素，聯集其登陸特徵資料以形成一基圖，再進入步驟S509嘗試聯集其他候選元素之登錄特徵資料進入基圖；若已產生基圖則直接進入步驟S509，嘗試聯集候選元素之登錄特徵資料進入基圖。而當候選元素之登陸特徵資料已無法聯集進入基圖時，進入步驟S510判斷是否滿足終止條件，若已滿足 中止條件則利用候選陣列形成特徵細線陣列並利用基圖形成集成特徵；若尚未滿足終止條件則回到步驟S501，輸入下張指紋圖像。值得注意的是，終止條件只有在以下條件同時滿足時才成立：基圖包含兩張以上指紋圖像之特徵資料，以及候選陣列所包含的候選元素數量大於預設之最小採集數。
綜合第2圖到第5圖，登錄手指之集成特徵及特徵細線陣列可藉由下列步驟形成。首先，利用指紋感測器感測登錄手指的n個指紋圖像。接著萃取出n個指紋圖像的n個登錄特徵資料，以形成特徵陣列(m0,m1,...,mN-1)，並對n個指紋圖像做預處理以消除汗孔，之後再萃取出n個登錄細線圖(s0,s1,...,sN-1)形成的細線陣列。最後利用特徵陣列及細線陣列形成特徵細線陣列(m0,s0),(m1,s1),...,(mN-1,sN-1)，並且利用特徵陣列的至少部分元素形成集成特徵M。
下文中將參考第6圖到第10圖說明本發明之指紋比對方法。第6圖為根據本發明實施例之指紋辨識方法之比對流程圖。
符號說明：MM()為特徵比對函式，輸出特徵比對分數。SK()為細線比對函式，輸出細線比對分數。M_TH為第一臨界值。t_TH為第二臨界值。
本發明之指紋比對流程在步驟S61採集待驗指紋圖像並在步驟S62生成待驗指紋圖像的待驗資料(mv,sv)，其包含待驗特徵資料mv及待驗細線圖sv。接著在步驟S63利用待驗特徵資料mv及集成特徵M進行一對一的特徵比對且產生第一比對分數MM(M,(mv,sv))。若第一比對分數大於第一臨界值M_TH則進入步驟S64比對成功；否則進入步驟S65進行特徵細線比對。特徵細線比對依序利用特徵細線陣列的元素(mi,si)與待驗資料(mv,sv)分別進行特徵比對及細線比對並將特徵比對分數及細線比對分數加總得出第二比對分數MM((mi,si),(mv,sv))+SK((mi,si),(mv,sv))。若第二比對分數大於第二臨界值t_TH則進 入步驟S64比對成功；若待驗資料(mv,sv)與所有特徵細線陣列的元素((mi,si),0<=i<N)比對產生的第二比對分數皆小於第二臨界值，則進入步驟S68比對失敗。
本發明之細線比對可為擴張比對(Dilation Matching)或異或比對(XOR Matching)，將於第7圖及第8圖詳細說明。
第7圖為根據本發明實施例之指紋辨識方法之擴張比對之示意圖。第7圖(A)為待驗細線圖sv，並將待驗細線圖sv使用根據細線密度的條件擴張，成為第7圖(B)的擴張後待驗細線圖。接著將擴張後待驗細線圖與第7圖(C)的登錄細線圖si重疊形成第7圖(D)的重疊圖，並利用重疊像素總和扣除不重疊像素總和作為細線比對分數。值得注意的是，登錄細線圖si提供一定的旋轉容錯以增加命中度。
第8圖為根據本發明實施例之指紋辨識方法之異或比對之示意圖。第8圖(A)為待驗細線圖sv而第8圖(B)為登錄細線圖si。第8圖(C)為對第8圖(A)的待驗細線圖sv及第8圖(B)的登錄細線圖si進行異或(XOR)運算的異或圖。第8圖(D)為對第8圖(C)的異或圖清除雜訊後的無雜訊異或圖。因此細線比對分數可由重疊區域消除的線段比例得出，消除的線段比例越多則細線比對分數越高。值得注意的是，登錄細線圖si提供一定的旋轉容錯以增加命中度。
為了使比對流程更容易理解，下文將根據第6圖的比對流程及第7圖的擴張比對，列舉三個比對範例。範例1說明待驗手指的待驗資料在集成特徵比對時就比對成功，因此不須進入特徵細線比對。範例2說明待驗手指的待驗資料在集成特徵比對時比對失敗，因此進入特徵細線比對，並於特徵細線比對過程中，於第二次比對成功。範例3說明待驗手指的待驗資料在集成特徵比對時比對失敗，因此進入特徵細線比對，並於特徵細線比對過程中，三次皆比對失敗。 其中MM()為特徵比對函式，細線比對分數SK()=重疊圖的重疊像素總和-重疊圖的不重疊像素總和*C1，其中C1為預定常數。
範例1
輸入待驗指紋圖像V1，與登錄手指R進行集成特徵比對，產生之第一比對分數大於第一臨界值，比對成功。
(1)第一臨界值M_TH=70
(2)第一比對分數MM(MR,(mv1,sv1))=150>M_TH。
(3)比對成功，第一比對分數為150。
範例2
輸入待驗指紋圖像V2，與登錄手指R進行集成特徵比對失敗，經過N=3的特徵細線比對在第2個元素產生之第二比對分數大於第二臨界值，比對成功。請同時參照第9圖，第9圖(A)為登錄指紋圖像，第9圖(B)為登錄細線圖SR2，第9圖(C)為旋轉後登錄細線圖SR2，第9圖(D)為待驗指紋圖像，第9圖(E)為待驗細線圖SV2，第9圖(F)為擴張後待驗細線圖SV2，第9圖(G)為將第9圖(C)及第9圖(F)重疊之重疊圖。
(1)第一臨界值M_TH=70，第二臨界值t_TH=50。
(2)第一比對分數MM(MR,(mV2,sV2))=30<M_TH。
(3)第二比對分數(MM((mR1,sR1),(mV2,sV2))+SK((mR1,sR1),(mV2,sV2)))=30+10<t_TH。
(4)第二比對分數(MM((mR2,sR2),(mV2,sV2))+SK((mR2,sR2),(mV2,sV2)))=10+50>t_TH。
(5)比對成功，第二比對分數為60。
範例3
輸入待驗指紋圖像V3，與登錄手指R進行集成特徵比對失敗，經過N=3的特徵細線比對產生之第二比對分數皆小於第二臨界值，比對失敗。請同時參照第10圖，第10圖(A)為登錄指紋圖像，第10圖(B)為登錄細線圖SR3，第10圖(C)為旋轉後登錄細線圖SR3，第10圖(D)為待驗指紋圖像，第10圖(E)為待驗細線圖SV3，第10圖(F)為擴張後待驗細線圖SV3，第10圖(G)為將第10圖(C)及第10圖(F)重疊之重疊圖。
(1)第一臨界值M_TH=70，第二臨界值t_TH=50。
(2)第一比對分數MM(MR,(mV3,sV3))=30<M_TH。
(3)第二比對分數(MM((mR1,sR1),(mV3,sV3))+SK((mR1,sR1),(mV3,sV3)))=30-10<t_TH。
(4)第二比對分數(MM((mR2,sR2),(mV3,sV3))+SK((mR2,sR2),(mV3,sV3)))=30-10<t_TH。
(5)第二比對分數(MM((mR3,sR3),(mV3,sV3))+SK((mR3,sR3),(mV3,sV3)))=30-40<t_TH。
(6)第二比對分數皆小於第二臨界值，比對失敗。
本發明之指紋辨識方法可更包含學習機制，包含：
(1)重新排序特徵細線陣列元素，預測使用者習慣以加速比對。
(2)替換特徵細線陣列元素，以增加特徵細線陣列的涵蓋率。
下文中將參考第2圖詳細描述本發明之學習機制，其根據指紋比對結果，將特徵細線陣列重新排序或以待驗資料替換其元素，加快比對速度或增加特徵細線陣列在指紋區域的涵蓋率。
在重新排序特徵細線陣列元素的學習機制中，係根據使用者習慣，有高可能性輸入類似指紋部位，因特徵細線比對是由特徵細線陣列前方元素往後方元素比對，因此將此類部位資料放置於特徵細線陣列前方，可提高往後之比對速度。以下為一簡單範例：若在N=3的特徵細線陣列中，輸入指紋部位因使用者習慣分別有50%、30%、10%的比對成功機率(10%機率為比對失敗)分布在(m1,s1)、(m2,s2)、(m0,s0)元素，則可將原始排序為(m0,s0)、(m1,s1)、(m2,s2)的特徵細線陣列重新排序為(m1,s1)、(m2,s2)、(m0,s0)，以加速往後的比對速度。
在替換特徵細線陣列元素的學習機制中，由於特徵細線陣列的元素差異性越高代表其能涵蓋的指紋區域越廣，使得特徵細線陣列有更高的比對成功可能性，因此利用待驗資料增加此可能性有助於增加比對成功率。以下為一簡單範例：在N=3的特徵細線陣列(m0,s0)、(m1,s1)、(m2,s2)中，待驗資料(mv,sv)經由特徵細線比對成功，則將待驗資料(mv,sv)加入特徵細線陣列成為N=4的特徵細線陣列(m0,s0)、(m1,s1)、(m2,s2)、(mv,sv)，並將四個元素分別與自己以外之所有元素進行特徵細線比對且統計加總分數，假設(m0,s0)、(m1,s1)、(m2,s2)、(mv,sv)的加總分數分別為15、12、20、10，則將分數最高的(m2,s2)從N=4的特徵細線陣列中剔除，使特徵細線陣列回到N=3的陣列(m0,s0)、(m1,s1)、(mv,sv)，如此替換後特徵細線陣列的差異化將會大於等於替換前的特徵細線陣列，以增加指紋區域的涵蓋率。
第11圖為根據本發明實施例之指紋辨識裝置100之示意圖。如圖所示，本發明實施例之指紋辨識裝置100可用於智慧型手機、平板電腦、筆記型電腦、電子卡片等電子裝置，但本發明並不以此為限。指紋辨識裝置包含指紋感測器10、控制處理器20及儲存器30。控制處理器20可電性耦接至指紋感測器 10，儲存器30可電性耦接至控制處理器20。指紋感測器10可為電容式、電場式、熱感應式或光學式指紋感測器，並可感測128*128像素(約0.64cm*0.64cm)的指紋圖像，但本發明並不以此為限。指紋感測器10可用於採集待驗手指之待驗指紋圖像及登錄手指之指紋圖像，控制處理器20可用於執行本發明之指紋辨識方法，而儲存器30可用於儲存登錄手指之集成特徵及特徵細線陣列。
綜合上述，本發明提出了一種指紋辨識方法及其裝置，其利用集成特徵比對及特徵細線比對之混合式比對，可適用於小面積指紋比對，在不需要儲存指紋圖像的前提下提供合理的錯誤接受率及錯誤拒絕率，同時減少比對時所需儲存的資料量。顯而易見地，本發明在突破先前之技術下，確實已達到所欲增進之功效，且也非熟悉該項技藝者所易於思及，再者，本發明申請前未曾公開，且其所具之進步性、實用性，顯已符合專利之申請要件，爰依法提出專利申請。
當本發明的實施例參考其例示性實施例被特別顯示及描述時，其可為所屬技術領域具有通常知識者理解的是，在不脫離由以下申請專利範圍及其等效物所定義之本發明的精神及範疇內，可對其進行形式及細節上的各種變更。
S11~S19‧‧‧步驟

Claims (22)

  1. 一種指紋辨識方法，其包含以下步驟：(a)利用一控制處理器通過一指紋感測器採集一待驗手指之一待驗指紋圖像；(b)利用該控制處理器萃取該待驗指紋圖像之一待驗資料，該待驗資料包含一待驗特徵資料及一待驗細線圖，該待驗特徵資料及該待驗細線圖係各自根據該待驗指紋圖像而生成；(c)利用該控制處理器從一儲存器載入一登錄手指之一特徵細線陣列，該特徵細線陣列係包含複數個元素，各該複數個元素包含一登錄特徵資料及一登錄細線圖，該細線特徵陣列之形成包含以下步驟：(c1)利用該指紋感測器，感測該登錄手指之n個登錄指紋圖像，n係為大於或等於2之正整數；(c2)從該n個登錄指紋圖像萃取n個該登錄特徵資料及n個該登錄細線圖；以及(c3)利用n個該登錄特徵資料及n個該登錄細線圖形成該特徵細線陣列；以及(d)利用該控制處理器將該待驗資料與該特徵細線陣列進行一特徵細線比對，而產生一比對結果，其中該特徵細線比對為將該待驗資料與包含在該特徵細線陣列中的該複數個元素進行一對多比對。
  2. 如申請專利範圍第1項所述之指紋辨識方法，其中在載入該登錄手指之該特徵細線陣列之該步驟中，更包含載入該登錄手指 之一集成特徵，該集成特徵係為至少部分該複數個元素之該登錄特徵資料之集合，且在產生該比對結果之步驟中，更包含將該待驗資料之待驗特徵資料與該集成特徵進行一特徵比對，而產生該比對結果。
  3. 如申請專利範圍第2項所述之指紋辨識方法，其中該集成特徵之形成，包含以下步驟：(c1)利用該指紋感測器，感測該登錄手指之n個登錄指紋圖像，n係為大於或等於2之正整數；(c2)萃取該n個登錄指紋圖像之n個該登錄特徵資料及n個該登錄細線圖；以及(c3)將n個該登錄特徵資料中之至少兩個集合而成該集成特徵。
  4. 如申請專利範圍第1項所述之指紋辨識方法，其中該比對包含以下步驟：(d1)將該待驗特徵資料與該集成特徵進行一集成特徵比對，若產生之一第一比對分數高於一第一臨界值，則比對成功，反之則執行步驟(d2)；以及(d2)將該待驗資料與該特徵細線陣列進行一特徵細線比對，若產生之一第二比對分數高於一第二臨界值，則比對成功，反之則比對失敗。
  5. 如申請專利範圍第1項所述之指紋辨識方法，其中該特徵細線比對包含一特徵比對及一細線比對，其中：該特徵比對係為比對該待驗特徵資料及該登錄特徵資料； 該細線比對係為一擴張比對，該擴張比對係為比對擴張之該待驗細線圖、及該登錄細線圖；以及利用該特徵比對及該細線比對之結果產生該比對結果。
  6. 如申請專利範圍第5項所述之指紋辨識方法，其中該擴張比對包含以下步驟：(d21)將該待驗細線圖進行擴張；以及(d22)比對擴張後的該待驗細線圖、及該登錄細線圖以決定重疊部分的多寡。
  7. 如申請專利範圍第1項所述之指紋辨識方法，其中該特徵細線比對包含一特徵比對及一細線比對，其中：該特徵比對係為比對該待驗特徵資料及該登錄特徵資料；該細線比對係為一異或比對，該異或比對係將該待驗細線圖及該登錄細線圖進行異或(XOR)運算；以及利用該特徵比對及該細線比對之結果產生該比對結果。
  8. 如申請專利範圍第7項所述之指紋辨識方法，其中該異或比對包含以下步驟：(d21)利用該待驗細線圖及該登錄細線圖產生一異或圖；(d22)清除該異或圖之雜訊；以及(d23)判斷該異或圖因重疊而消除的比例多寡。
  9. 如申請專利範圍第1項所述之指紋辨識方法，其中在步驟(c2)萃取該n個登錄指紋圖像之n個該登錄細線圖中，更包含對該n個登錄指紋圖像做預處理以消除汗孔，接著再萃取出n個該登錄細線圖。
  10. 如申請專利範圍第1項所述之指紋辨識方法更包含一學習機制，該學習機制包含：根據該複數個元素比對成功的機率，從高到低排序該特徵細線陣列之該複數個元素，以加速該特徵細線比對之速度。
  11. 如申請專利範圍第1項所述之指紋辨識方法，更包含一學習機制，該學習機制包含：將由該特徵細線比對所比對成功之該待驗資料加入該特徵細線陣列，並刪除該特徵細線陣列中與其他所有元素之差異性最低之該元素，以增加該特徵細線陣列的涵蓋率。
  12. 一種指紋辨識裝置，其包含：一指紋感測器；一控制處理器，係電性耦接至該指紋感測器；以及一儲存器，係電性耦接至該控制處理器；其中，該控制處理器係用於執行下列步驟：(a)利用一指紋感測器採集一待驗手指之一待驗指紋圖像；(b)萃取該待驗指紋圖像之一待驗資料，該待驗資料包含一待驗特徵資料及一待驗細線圖，該待驗特徵資料及該待驗細線圖係各自根據該待驗指紋圖像而生成，該細線特徵陣列之形成包含以下步驟：(c1)利用該指紋感測器，感測該登錄手指之n個登錄指紋圖像，n係為大於或等於2之正整數；(c2)萃取該n個登錄指紋圖像之n個該登錄特徵資料及n個該登錄細線圖；以及 (c3)利用n個該登錄特徵資料及n個該登錄細線圖形成該特徵細線陣列；(c)從該儲存器載入一登錄手指之一特徵細線陣列，該特徵細線陣列係包含複數個元素，各該複數個元素包含一登錄特徵資料及一登錄細線圖；以及(d)將該待驗資料與該集成特徵及該特徵細線陣列進行一特徵細線比對，產生一比對結果，其中該特徵細線比對為將該待驗資料與包含在該特徵細線陣列中的該複數個元素進行一對多比對。
  13. 如申請專利範圍第12項所述之指紋辨識裝置，其中在載入該登錄手指之該特徵細線陣列之該步驟中，更包含載入該登入手指之一集成特徵，該集成特徵係為至少部分該複數個元素之該登錄特徵資料之集合，且在產生該比對結果之步驟中，更包含將該待驗資料之待驗特徵資料與該集成特徵進行一特徵比對，而產生該比對結果。
  14. 如申請專利範圍第13項所述之指紋辨識裝置，其中該集成特徵之形成，包含以下步驟：(c1)利用該指紋感測器，感測該登錄手指之n個登錄指紋圖像，n係為大於或等於2之正整數；(c2)萃取該n個登錄指紋圖像之n個該登錄特徵資料及n個該登錄細線圖；以及(c3)將該n個該登錄特徵資料中之至少兩個集成而成該集成特徵。
  15. 如申請專利範圍第12項所述之指紋辨識裝置，其中該比對包含以下步驟：(d1)將該待驗特徵資料與該集成特徵進行一集成特徵比對，若產生之一第一比對分數高於一第一臨界值，則比對成功，反之則執行步驟(d2)；以及(d2)將該待驗資料與該特徵細線陣列進行一特徵細線比對，若產生之一第二比對分數高於一第二臨界值，則比對成功，反之則比對失敗。
  16. 如申請專利範圍第12項所述之指紋辨識裝置，其中該特徵細線比對包含一特徵比對及一細線比對，其中：該特徵比對係為比對該待驗特徵資料及該登錄特徵資料；該細線比對係為一擴張比對，該擴張比對係為比對擴張之該待驗細線圖、及該登錄細線圖；以及利用該特徵比對及該細線比對之結果產生該比對結果。
  17. 如申請專利範圍第16項所述之指紋辨識裝置，其中該擴張比對包含以下步驟：(d21)將該待驗細線圖進行擴張；以及(d22)比對擴張後的該待驗細線圖及該登錄細線圖以決定重疊部分的多寡。
  18. 如申請專利範圍第16項所述之指紋辨識裝置，其中該特徵細線比對包含一特徵比對及一細線比對，其中：該特徵比對係為比對該待驗特徵資料及該登錄特徵資料； 該細線比對係為一異或比對，該異或比對係將該待驗細線圖及該登錄細線圖進行異或運算；以及利用該特徵比對及該細線比對之結果產生該比對結果。
  19. 如申請專利範圍第18項所述之指紋辨識裝置，其中該異或比對包含以下步驟：(d21)利用該待驗細線圖及該登錄細線圖產生一異或圖；(d22)清除該異或圖之雜訊；以及(d23)判斷該異或圖因重疊而消除的比例多寡。
  20. 如申請專利範圍第12項所述之指紋辨識裝置，其中在步驟(c2)萃取該n個登錄指紋圖像之n個該登錄細線圖中，更包含對該n個登錄指紋圖像做預處理以消除汗孔，接著再萃取出n個該登錄細線圖。
  21. 如申請專利範圍第12項所述之指紋辨識裝置，更包含一學習機制，該學習機制包含：根據該複數個元素比對成功的機率，從高到低排序該特徵細線陣列之該複數個元素，以加速該特徵細線比對之速度。
  22. 如申請專利範圍第12項所述之指紋辨識裝置，更包含一學習機制，該學習機制包含：將由該特徵細線比對所比對成功之該待驗資料加入該特徵細線陣列，並刪除該特徵細線陣列中與其他所有元素之差異性最低之該元素，以增加該特徵細線陣列的涵蓋率。
TW103113306A 2013-12-05 2014-04-10 指紋辨識方法及其裝置 TWI607386B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US201361912265P 2013-12-05 2013-12-05

Publications (2)

Publication Number Publication Date
TW201523456A TW201523456A (zh) 2015-06-16
TWI607386B true TWI607386B (zh) 2017-12-01

Family

ID=53935703

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103113306A TWI607386B (zh) 2013-12-05 2014-04-10 指紋辨識方法及其裝置

Country Status (2)

Country Link
US (1) US9367728B2 (zh)
TW (1) TWI607386B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9965608B2 (en) * 2013-07-18 2018-05-08 Samsung Electronics Co., Ltd. Biometrics-based authentication method and apparatus
JP6375775B2 (ja) * 2014-08-19 2018-08-22 日本電気株式会社 特徴点入力支援装置、特徴点入力支援方法及びプログラム
US9870456B2 (en) * 2015-03-30 2018-01-16 Synaptics Incorporated Systems and methods for biometric authentication
US10032062B2 (en) 2015-04-15 2018-07-24 Samsung Electronics Co., Ltd. Method and apparatus for recognizing fingerprint
US10733415B1 (en) 2015-06-08 2020-08-04 Cross Match Technologies, Inc. Transformed representation for fingerprint data with high recognition accuracy
DE102016005636A1 (de) * 2015-06-08 2016-12-22 Cross Match Technologies, Inc. Transformierte Repräsentation für Fingerabdruckdaten mit hoher Erkennungsgenauigkeit
CN107091704B (zh) * 2016-02-17 2020-10-09 北京小米移动软件有限公司 压力检测方法和装置
US9773147B1 (en) * 2016-03-25 2017-09-26 Novatek Microelectronics Corp. Fingerprint enrollment method and apparatus using the same
TWI631479B (zh) * 2017-01-24 2018-08-01 創智能科技股份有限公司 指紋驗證方法與電子裝置
KR102459852B1 (ko) 2017-02-08 2022-10-27 삼성전자주식회사 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법
CN110084084B (zh) * 2018-01-25 2021-04-06 神盾股份有限公司 区别指纹特征点与非指纹特征点的方法与电子装置
KR102577588B1 (ko) * 2019-01-03 2023-09-12 삼성전자주식회사 지문 인증 방법 및 장치
WO2020240716A1 (ja) * 2019-05-28 2020-12-03 日本電気株式会社 情報処理装置、情報処理方法及び記録媒体
CN111488798B (zh) * 2020-03-11 2023-12-29 天津极豪科技有限公司 指纹识别方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040101173A1 (en) * 2002-08-13 2004-05-27 Nec Corporation Method and apparatus for analyzing streaked pattern image
US20070292008A1 (en) * 2006-06-01 2007-12-20 Sharp Kabushiki Kaisha Image comparing apparatus using feature values of partial images

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1664847A (zh) 2005-03-17 2005-09-07 上海交通大学 嵌入式系统指纹的识别与匹配方法
JP4403513B2 (ja) 2005-08-09 2010-01-27 日本電気株式会社 指紋隆線認識装置、指紋隆線認識方法、及びプログラム
TWI308300B (en) 2006-05-03 2009-04-01 Univ Nat Formosa Identification of algorithm and apparatus based on knuckle wrinkles
CN101414351A (zh) 2008-11-03 2009-04-22 章毅 一种指纹识别系统及其控制方法
CN101620677B (zh) 2009-03-11 2012-03-21 刘鸣宇 一种基于三角剖分与lod技术的指纹识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040101173A1 (en) * 2002-08-13 2004-05-27 Nec Corporation Method and apparatus for analyzing streaked pattern image
US20070292008A1 (en) * 2006-06-01 2007-12-20 Sharp Kabushiki Kaisha Image comparing apparatus using feature values of partial images

Also Published As

Publication number Publication date
TW201523456A (zh) 2015-06-16
US20160034744A1 (en) 2016-02-04
US9367728B2 (en) 2016-06-14

Similar Documents

Publication Publication Date Title
TWI607386B (zh) 指紋辨識方法及其裝置
Grother et al. Face recognition vendor test (fvrt): Part 3, demographic effects
WO2019120115A1 (zh) 人脸识别的方法、装置及计算机装置
Rathgeb et al. Iris biometrics: from segmentation to template security
US9977950B2 (en) Decoy-based matching system for facial recognition
CN111931548B (zh) 人脸识别系统、建立人脸识别数据的方法及人脸识别方法
Darwaish et al. Biometric identification on android smartphones
US10423817B2 (en) Latent fingerprint ridge flow map improvement
TWI712980B (zh) 理賠資訊提取方法和裝置、電子設備
CN109389098B (zh) 一种基于唇语识别的验证方法以及系统
CN107368827A (zh) 字符识别方法及装置、用户设备、服务器
EP3355239A1 (en) Fingerprint verification device
JP6771361B2 (ja) 認証方法、認証装置及び学習方法
WO2020070821A1 (ja) 生体認証装置、生体認証方法、及び生体認証プログラム
CN110334107B (zh) 基于数据分析的资格评审方法、装置及服务器
Czyżewski et al. Analysis of results of large‐scale multimodal biometric identity verification experiment
US9064142B2 (en) High-speed fingerprint feature identification system and method thereof according to triangle classifications
EP3617993B1 (en) Collation device, collation method and collation program
Bharadi et al. Multi-modal biometric recognition using human iris and dynamic pressure variation of handwritten signatures
US11727592B2 (en) Detection apparatus and method and image processing apparatus and system, and storage medium
KR102253757B1 (ko) 얼굴 영상의 생체 감지 장치 및 방법
CN110663043B (zh) 生物度量对象的模板匹配
Lakshmi et al. A new hybrid algorithm for Telugu word retrieval and recognition
CN110457877B (zh) 用户认证方法和装置、电子设备、计算机可读存储介质
US11087121B2 (en) High accuracy and volume facial recognition on mobile platforms