TWI727514B - 指紋識別方法、裝置、儲存介質，及終端 - Google Patents

指紋識別方法、裝置、儲存介質，及終端 Download PDF

Info

Publication number
TWI727514B
TWI727514B TW108142817A TW108142817A TWI727514B TW I727514 B TWI727514 B TW I727514B TW 108142817 A TW108142817 A TW 108142817A TW 108142817 A TW108142817 A TW 108142817A TW I727514 B TWI727514 B TW I727514B
Authority
TW
Taiwan
Prior art keywords
fingerprint
image
identified
fingerprint image
standard
Prior art date
Application number
TW108142817A
Other languages
English (en)
Other versions
TW202024991A (zh
Inventor
胡雪珂
王天洋
汪菲
馮勝
顧鳳軍
黃建東
Original Assignee
大陸商上海耕岩智能科技有限公司
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 大陸商上海耕岩智能科技有限公司 filed Critical 大陸商上海耕岩智能科技有限公司
Publication of TW202024991A publication Critical patent/TW202024991A/zh
Application granted granted Critical
Publication of TWI727514B publication Critical patent/TWI727514B/zh

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
    • G06V40/13—Sensors therefor
    • 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
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/60—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrostatic variables, e.g. electrographic flaw testing
    • G01N27/605—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrostatic variables, e.g. electrographic flaw testing for determining moisture content, e.g. humidity

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Input (AREA)
  • Adornments (AREA)

Abstract

一種指紋識別方法，該方法包括：採集待識別指紋的待識別指紋影像，計算該待識別指紋影像與標準指紋影像的影像相關性，該標準指紋影像是採集自標準指紋的指紋影像，根據該影像相關性確定該待識別指紋是否與該標準指紋一致，藉由本發明提供的方案能夠有效提高指紋識別的準確度，此外，本發明還提供了與該指紋識別方法相關的裝置、儲存介質，及終端。

Description

指紋識別方法、裝置、儲存介質，及終端
本發明涉及指紋識別技術領域，具體地涉及一種指紋識別方法、裝置、儲存介質，及終端。
隨著科技的快速發展，生物識別技術的應用也越來越廣泛。其中，以指紋識別的發展和應用最為普及。
現有的指紋識別方案主要是藉由提取指紋影像中的特徵點進行比對來實現。
但是，在識別如“乾手指”的指紋時，採用現有特徵點匹配方案得到的指紋識別結果普遍存在錯誤率高、準確度低的問題。
因此，本發明解決的技術問題是如何提高指紋識別的準確度。
為解決上述技術問題，本發明實施例提供一種指紋識別方法，包括：採集待識別指紋的待識別指紋影像；計算該待識別指紋影像與標準指紋影像的影像相關性，該標準指紋影像是採集自標準指紋的指紋影像；根據該影像相關性確定該待識別指紋是否與該標準指紋一致。
可選的，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，還包括：根據該待識別指紋影像的影像資訊和/或環境參數判斷該待識別指紋是否屬於第一類指紋；當判斷結果表明該待識別指紋屬於該第一類指紋時，計算該待識別指紋影像與標準指紋影像的影像相關性。
可選的，該根據該待識別指紋影像的影像資訊判斷該待識別指紋是否屬於第一類指紋包括：獲取該待識別指紋影像中多個預設位置的像素點的灰階值；對該多個預設位置的像素點的灰階值進行擬合，以判斷是否能得到週期性變化的曲線；當判斷結果表明不能得到該週期性變化的曲線時，確定該待識別指紋屬於該第一類指紋。
可選的，該根據該待識別指紋影像的影像資訊判斷該待識別指紋是否屬於第一類指紋還包括：當判斷結果表明能夠得到該週期性變化的曲線時，根據該多個預設位置的像素點的灰階值計算該待識別指紋影像的對比度；判斷該對比度是否大於第一預設閾值；當判斷結果表明該對比度小於該第一預設閾值時，確定該待識別指紋屬於該第一類指紋。
可選的，該根據該多個預設位置的像素點的灰階值計算該待識別指紋影像的對比度包括：根據擬合得到的該週期性變化的曲線，確定該多個預設位置的像素點的灰階值中的最大灰階值和最小灰階值；根據該最大灰階值和最小灰階值計算該待識別指紋影像的對比度。
可選的，該獲取該待識別指紋影像中多個預設位置的像素點的灰階值包括：在該待識別指紋影像上作至少一條輔助線；對於每一輔助線，將該輔助線所經過的待識別指紋影像的像素點作為該預設位置的像素點。
可選的，該根據該環境參數判斷該待識別指紋是否屬於第一類指紋包括：當該環境參數小於第二預設閾值時，確定該待識別指紋屬於該第一類指紋。
可選的，該環境參數選自：溫度以及濕度。
可選的，當判斷結果表明該待識別指紋屬於該第一類指紋時，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，還包括：發送提示資訊，該提示資訊用於提示採集該待識別指紋的輔助待識別指紋影像；採集該待識別指紋的輔助待識別指紋影像；根據該輔助待識別指紋影像修正該待識別指紋影像；計算修正後的該待識別指紋影像與標準指紋影像的影像相關性。
可選的，該計算該待識別指紋影像與標準指紋影像的影像相關性包括：分別計算該待識別指紋影像與該標準指紋影像的至少一個偏移影像的影像相關性；將數值最大的影像相關性作為該待識別指紋影像與標準指紋影像的影像相關性。
可選的，該分別計算該待識別指紋影像與該標準指紋影像的至少一個偏移影像的影像相關性包括：對於每一標準影像的偏移影像，根據該待識別指紋影像的像素點的灰階值以及該偏移影像的對應像素點的灰階值，計算該待識別指紋影像與該偏移影像的影像相關性。
可選的，該根據該待識別指紋影像的每一像素點的灰階值以及該偏移影像的對應像素點的灰階值，計算該待識別指紋影像與該偏移影像的影像相關性包括：遍歷該待識別指紋影像的每一像素點，計算該像素點的灰階值與該偏移影像的對應像素點的灰階值的相關性；基於該待識別指紋影像的灰階值和標準指紋影像的灰階值，對計算得到的相關性進行歸一化處理，以得到該待識別指紋影像與該偏移影像的影像相關性。
可選的，基於如下公式對該計算得到的影像相關性進行歸一化處理：
Figure 02_image001
；其中，C(m,l) 为該待識別指紋影像與該偏移影像的影像相關性，m 為該偏移影像較之該標準指紋影像的列偏移量，l 為該偏移影像較之該標準指紋影像的行偏移量，
Figure 02_image003
為該計算得到的相關性，
Figure 02_image005
為歸一化衡量標準，Nij 為該待識別指紋影像第i 列第j 行的像素點的灰階值，Mij 為該標準指紋影像第i 列第j 行的像素點的灰階值，Mi+m,j+l 為該偏移影像第i+m 列第j+l 行的像素點的灰階值，i 為正整數，j 為正整數。
為解決上述技術問題，本發明實施例還提供一種指紋識別裝置，包括：一第一採集模組，用於採集待識別指紋的待識別指紋影像；一第一計算模組，用於計算該待識別指紋影像與標準指紋影像的影像相關性，該標準指紋影像是採集自標準指紋的指紋影像，及一確定模組，用於根據該影像相關性確定該待識別指紋是否與該標準指紋一致。
可選的，該指紋識別裝置還包括一判斷模組，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，根據該待識別指紋影像的影像資訊和/或環境參數判斷該待識別指紋是否屬於第一類指紋；當判斷結果表明該待識別指紋屬於該第一類指紋時，該第一計算模組計算該待識別指紋影像與標準指紋影像的影像相關性。
可選的，該判斷模組包括一獲取子模組，用於獲取該待識別指紋影像中多個預設位置的像素點的灰階值；一擬合子模組，用於對該多個預設位置的像素點的灰階值進行擬合，以判斷是否能得到週期性變化的曲線，及一第一確定子模組，當判斷結果表明不能得到該週期性變化的曲線時，確定該待識別指紋屬於該第一類指紋。
可選的，該判斷模組還包括一第一計算子模組，當判斷結果表明能夠得到該週期性變化的曲線時，根據該多個預設位置的像素點的灰階值計算該待識別指紋影像的對比度；一判斷子模組，用於判斷該對比度是否大於第一預設閾值，及一第二確定子模組，當判斷結果表明該對比度小於該第一預設閾值時，確定該待識別指紋屬於該第一類指紋。
可選的，該第一計算子模組包括一第一確定單元，用於根據擬合得到的該週期性變化的曲線，確定該多個預設位置的像素點的灰階值中的最大灰階值和最小灰階值，及一第一計算單元，用於根據該最大灰階值和最小灰階值計算該待識別指紋影像的對比度。
可選的，該獲取子模組包括一輔助線構建單元，用於在該待識別指紋影像上作至少一條輔助線，及一第二確定單元，對於每一輔助線，將該輔助線所經過的待識別指紋影像的像素點作为該預設位置的像素點。
可選的，該判斷模組包括一第三確定子模組，當該環境參數小於第二預設閾值時，確定該待識別指紋屬於該第一類指紋。
可選的，該環境參數選自：溫度以及濕度。
可選的，該指紋識別裝置還包括一提示模組，當判斷結果表明該待識別指紋屬於該第一類指紋時，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，發送提示資訊，該提示資訊用於提示採集該待識別指紋的輔助待識別指紋影像；一第二採集模組，用於採集該待識別指紋的輔助待識別指紋影像；一修正模組，用於根據該輔助待識別指紋影像修正該待識別指紋影像，及一第二計算模組，用於計算修正後的該待識別指紋影像與標準指紋影像的影像相關性。
可選的，該第一計算模組包括一第二計算子模組，用於分別計算該待識別指紋影像與該標準指紋影像的至少一個偏移影像的影像相關性，及一第四確定子模組，用於將數值最大的影像相關性作為該待識別指紋影像與標準指紋影像的影像相關性。
可選的，該第二計算子模組包括一第二計算單元，對於每一標準影像的偏移影像，根據該待識別指紋影像的像素點的灰階值以及該偏移影像的對應像素點的灰階值，計算該待識別指紋影像與該偏移影像的影像相關性。
可選的，該第二計算單元包括一第三計算單元，遍歷該待識別指紋影像的每一像素點，計算該像素點的灰階值與該偏移影像的對應像素點的灰階值的相關性，及一歸一化處理單元，基於該待識別指紋影像的灰階值和標準指紋影像的灰階值，對計算得到的相關性進行歸一化處理，以得到該待識別指紋影像與該偏移影像的影像相關性。
可選的，該歸一化處理單元基於如下公式對該計算得到的影像相關性進行歸一化處理：
Figure 02_image001
；其中，C(m,l) 為該待識別指紋影像與該偏移影像的影像相關性，m 為該偏移影像較之該標準指紋影像的列偏移量，l 為該偏移影像較之該標準指紋影像的行偏移量，
Figure 02_image007
為該計算得到的相關性，
Figure 02_image009
為歸一化衡量標準，Nij 為該待識別指紋影像第i 列第j 行的像素點的灰階值，Mij 為該標準指紋影像第i 列第j 行的像素點的灰階值，Mi+m,j+l 為該偏移影像第i+m 列第j+l 行的像素點的灰階值，i 為正整數，j 為正整數。
為解決上述技術問題，本發明實施例還提供一種儲存介質，其上儲存有電腦指令，該電腦指令運行時執行上述方法的步驟。
為解決上述技術問題，本發明實施例還提供一種終端，包括記憶體和處理器，該記憶體上儲存有能夠在該處理器上運行的電腦指令，該處理器運行該電腦指令時執行上述方法的步驟。
與現有技術相比，本發明實施例的技術方案具有以下有益效果：
本發明實施例提供一種指紋識別方法，包括：採集待識別指紋的待識別指紋影像；計算該待識別指紋影像與標準指紋影像的影像相關性，該標準指紋影像是採集自標準指紋的指紋影像；根據該影像相關性確定該待識別指紋是否與該標準指紋一致。較之現有基於特徵點匹配的指紋識別方案，本實施例根據待識別指紋影像與標準指紋影像的影像相關性來判斷待識別指紋與標準指紋是否一致，能夠有效避免皮膚紋路深淺度、指紋影像包含的特徵點數量對識別結果的影響，從而極大提高指紋識別的準確度。
進一步，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，還包括：根據該待識別指紋影像的影像資訊和/或環境參數判斷該待識別指紋是否屬於第一類指紋；當判斷結果表明該待識別指紋屬於該第一類指紋時，計算該待識別指紋影像與標準指紋影像的影像相關性。由此，可以靈活應對不同狀態的待識別指紋，藉由採用針對性的指紋識別邏輯優化指紋識別的精準度。例如，針對第一類指紋可以採用影像相關性的識別邏輯，針對非第一類指紋可以採用現有特徵點匹配的識別邏輯。其中，第一類指紋可以是採集自皮膚紋理較淺的手指的指紋，非第一類指紋則可以是採集自皮膚紋理較深的手指的指紋，皮膚紋理的深淺是以能否從指紋影像中提取到特徵點為衡量標準的。
如背景技術所言，現有的指紋識別方案存在諸多缺陷，尤其在應對諸如乾手指的指紋識別場景中，存在識別錯誤率高的問題。
本文中出現的“乾手指”是指：如指腹處的皮膚紋路較淺的手指、乾燥度較高的手指、皮脂分泌不足的手指等，無法從採集到的指紋影像中提取特徵點的手指。
例如，較之皮脂分泌正常的正常手指，皮脂分泌不足的手指的指紋紋路較硬，當手指按壓到指紋採集器上時，指紋紋路（如凸紋）與指紋採集器的指紋採集螢幕的接觸面積不會隨著手指按壓力度的變化而變化，這就導致最終採集到的指紋影像中線條又細又淺，整體成像不清晰，也就無法從中提取到特徵點。
本申請發明人經過分析發現，造成上述問題的原因在於，對於採集自乾手指的指紋影像，極有可能無法從中提取有效的特徵點，或者，能夠提取的特徵點數量較少。當能夠進行特徵點匹配的特徵點數量不足時，就會導致對這類指紋的識別準確度低。
為解決上述技術問題，本發明實施例提供一種指紋識別方法，包括：採集待識別指紋的待識別指紋影像；計算該待識別指紋影像與標準指紋影像的影像相關性，該標準指紋影像是採集自標準指紋的指紋影像；根據該影像相關性確定該待識別指紋是否與該標準指紋一致。
本領域技術人員理解，本實施例根據待識別指紋影像與標準指紋影像的影像相關性來判斷待識別指紋與標準指紋是否一致，能夠有效避免皮膚紋路深淺度對識別結果的影響，從而極大提高指紋識別的準確度。
為使本發明的上述目的、特徵和有益效果能夠更為明顯易懂，下面結合附圖對本發明的具體實施例做詳細的說明。
圖1是本發明實施例的一種指紋識別方法的流程圖。本實施例的方案可以應用於對乾手指的指紋識別場景。
具體地，參考圖1，本實施例該指紋識別方法可以包括如下步驟：
步驟S101，採集待識別指紋的待識別指紋影像。
步驟S102，計算該待識別指紋影像與標準指紋影像的影像相關性，該標準指紋影像是採集自標準指紋的指紋影像。
步驟S103，根據該影像相關性確定該待識別指紋是否與該標準指紋一致。
由此，採用本實施例的方案，根據待識別指紋影像與標準指紋影像的影像相關性來判斷待識別指紋與標準指紋是否一致，能夠有效避免皮膚紋路深淺度、指紋影像包含的特徵點數量對識別結果的影響，從而極大提高指紋識別的準確度，降低錯誤率。
更為具體地，該影像相關性（Image Correlation）可以用於度量該待識別指紋影像與標準指紋影像在不同相對位置上的相似性程度和相關匹配程度。
進一步地，在該步驟S101中，可以採用光學指紋感測器等指紋採集設備採集該待識別指紋的待識別指紋影像。
在一個非限制性實施例中，可以結合現有的特徵點匹配手段和本實施例的影像相關性方案實現指紋識別，以靈活應對不同狀態的待識別指紋，藉由採用針對性的指紋識別邏輯優化指紋識別的精準度。
例如，針對第一類指紋可以採用影像相關性的識別邏輯，針對非第一類指紋可以採用現有特徵點匹配的識別邏輯。其中，第一類指紋可以是採集自皮膚紋理較淺的手指的指紋，非第一類指紋則可以是採集自皮膚紋理較深的手指的指紋，皮膚紋理的深淺是以能否從指紋影像中提取到特徵點為衡量標準的。
具體地，繼續參考圖1，在執行該步驟S101以得到該待識別指紋影像之後，執行該步驟S102之前，本實施例該指紋識別方法還可以包括：步驟S104，根據該待識別指紋影像的影像資訊和/或環境參數判斷該待識別指紋是否屬於第一類指紋。
當該步驟S104的判斷結果為肯定的，亦即，該待識別指紋屬於該第一類指紋時，可以執行該步驟S102，以計算該待識別指紋影像與標準指紋影像的影像相關性。進一步地，可以執行該步驟S103，以根據該影像相關性確定該待識別指紋是否與該標準指紋一致。
否則，當該步驟S104的判斷結果為否定的，亦即，該待識別指紋不屬於該第一類指紋（即屬於非第一類指紋）時，可以執行步驟S105，根據該待識別指紋影像和標準指紋影像的特徵點匹配結果確定該待識別指紋是否與該標準指紋一致。
在一個非限制性實施例中，該步驟S105可以包括：從該待識別指紋影像中提取特徵指紋點（可簡稱為特徵點）；判斷該待識別指紋影像中的特徵指紋點與標準指紋影像中的特徵指紋點是否一致；當判斷結果為一致時，確定該待識別指紋與該標準指紋一致。
在一個非限制性實施例中，該待識別指紋影像的影像資訊可以包括：該影像資訊中至少一個像素點的灰階值。進一步地，基於該至少一個像素點的灰階值可以擬合得到用於描述待識別指紋影像的灰階值的變化情況的曲線，根據該曲線能夠判斷該待識別指紋是否為乾手指的指紋。
在一個非限制性實施例中，參考圖2，該步驟S104可以包括如下步驟：
步驟S1041，獲取該待識別指紋影像中多個預設位置的像素點的灰階值；
步驟S1042，對該多個預設位置的像素點的灰階值進行擬合，以判斷是否能得到週期性變化的曲線；
當該步驟S1042的判斷結果為否定的，亦即，當不能得到該週期性變化的曲線時，該步驟S104還可以包括：步驟S1043，確定該待識別指紋屬於該第一類指紋。
否則，當該步驟S1042的判斷結果為肯定的，亦即，當能夠得到該週期性變化的曲線時，該步驟S104還可以包括：步驟S1044，根據該多個預設位置的像素點的灰階值計算該待識別指紋影像的對比度；步驟S1045，判斷該對比度是否大於第一預設閾值。
當該步驟S1045的判斷結果為否定的，亦即，當該對比度小於該第一預設閾值時，執行該步驟S1043，以確定該待識別指紋屬於該第一類指紋。
否則，當該步驟S1045的判斷結果為肯定的，亦即，當該對比度大於該第一預設閾值時，該步驟S104還可以包括：步驟S1046，確定該待識別指紋不屬於該第一類指紋。
在本文中出現的大於可以包含大於等於，或者，在本文中出現的小於可以包含小於等於。
在一個非限制性實施例中，該預設位置的像素點可以是待識別指紋影像中特定位置的像素點，例如，該待識別指紋影像的中線、對角線經過的像素點。
或者，該預設位置的像素點也可以是從待識別指紋影像中隨機選取的像素點。
在一個非限制性實施例中，該步驟S1041可以包括步驟：在該待識別指紋影像上作至少一條輔助線；對於每一輔助線，將該輔助線所經過的待識別指紋影像的像素點作為該預設位置的像素點。
具體地，該輔助線可以平行於該待識別指紋影像的中線、對角線等。或者，該輔助線也可以為任意方向的直線。
更為具體地，該經過是指與該輔助線重合的像素點，亦即，落在該輔助線上的像素點。
例如，參考圖3，對於採集得到的待識別指紋影像10，為更清楚地示例，圖示待識別指紋影像10中以三條曲線示意待識別指紋的紋路。具體地，在執行該步驟S1041時，可以在該待識別指紋影像10上作輔助線11，將該輔助線11與待識別指紋影像10中各條紋路的交界處涉及的像素點，作為該預設位置的像素點。在圖3所示示例中，可以得到三個預設位置的像素點A。
本申請發明人經過分析發現，對該第一類指紋的指紋影像中多個預設位置的像素點的灰階值進行擬合時，一般無法得到週期性變化的曲線，這是由於該第一類指紋的指紋紋路過淺，無法得到較明顯地週期性變化的指紋影像，或者，即使能得到週期性變化的曲線，該曲線的信噪比也不甚理想，無法從指紋影像中提取出合適數量的特徵點。
因而，本實施例藉由執行該步驟S1042來初步判斷該待識別指紋是否為乾手指的指紋，進而選擇較合適的指紋識別策略進行後續的指紋識別操作。
具體地，該擬合可以包括正弦或餘弦擬合，還可以包括其他具有週期性變化趨勢的擬合手段。
在一個非限制性實施例中，當該步驟S1042的判斷結果為肯定時，還可以進一步判斷該待識別指紋影像的信噪比是否理想。
優選地，該信噪比可以用對比度（Contrast ratio）衡量。
具體地，該步驟S1044可以包括：根據擬合得到的該週期性變化的曲線，確定該多個預設位置的像素點的灰階值中的最大灰階值和最小灰階值；根據該最大灰階值和最小灰階值計算該待識別指紋影像的對比度。
例如，可以基於如下公式計算該對比度：
Figure 02_image011
；其中，該C 為該對比度，該I max 為最大灰階值，該I min 為最小灰階值。
在一個優選例中，可以將擬合得到的該週期性變化的曲線的波峰作為該最大灰階值，將擬合得到的該週期性變化的曲線的波峰作為該最小灰階值。
由此，藉由該對比度來判斷該待識別指紋影像的指紋紋路的明暗變化差異是否理想，如是否理想至足以提取特徵點的程度，利於更精準的識別第一類指紋和非第一類指紋。
在一個非限制性實施例中，可以做多條該輔助線，且多條該輔助線相互之間平行、並行、部分平行或全不平行，針對其中每一條輔助線經過的多個預設位置的像素點，分別執行該步驟S1041至步驟S1046，當其中過半數輔助線的執行結果為擬合不成功，或對比度小於第一預設閾值時，確定該待識別指紋屬於該第一類指紋。
例如，繼續參考圖3，在輔助線11的基礎上，還可以做輔助線12，若對基於輔助線12得到的像素點B的灰階值進行正弦擬合的結果，以及對基於輔助線11得到的像素點A的灰階值進行正弦擬合的結果均為擬合不成功，則可以確定該待識別指紋影像10對應的待識別指紋為該第一類指紋。
優選地，該第一預設閾值可以為0.9，在實際應用中，本領域技術人員也可以根據需要調整該第一預設閾值的具體數值。
在一個非限制性實施例中，該步驟S104可以包括：當該環境參數小於第二預設閾值時，確定該待識別指紋屬於該第一類指紋。
優選地，該環境參數可以選自：溫度以及濕度。在實際應用中，該環境參數還可以包括其他能夠衡量採集環境的乾燥度的指標。
進一步地，可以藉由濕度感測器、溫度感測器等外部感測器採集該環境參數。該外部感測器可以集成於指紋感測器內，或者，也可以是與該指紋感測器相分離的採集設備。
以手機的指紋驗證場景為例，該溫度感測器、濕度感測器和該指紋感測器均可以集成於該手機內。
在一個非限制性實施例中，可以根據該待識別指紋影像的影像資訊，以及該環境參數綜合判斷該待識別指紋是否屬於該第一類指紋。例如，當無法擬合得到該週期性變化的曲線，或該待識別指紋影像的對比度小於該第一預設閾值，並且，該環境參數小於該第二預設閾值時，可以確定該待識別指紋屬於該第一類指紋。
在一個非限制性實施例中，當該步驟S104的判斷結果表明該待識別指紋屬於該第一類指紋時，在執行該步驟S102之前，本實施例該指紋識別方法還可以包括步驟：發送提示資訊，該提示資訊用於提示採集該待識別指紋的輔助待識別指紋影像；採集該待識別指紋的輔助待識別指紋影像；根據該輔助待識別指紋影像修正該待識別指紋影像；計算修正後的該待識別指紋影像與標準指紋影像的影像相關性。
具體地，該輔助待識別指紋影像可以是重新採集的該待識別指紋的指紋影像。
例如，該提示資訊可以提示該待識別指紋的提供者按壓得重一些，以採集到更加清晰的待識別指紋影像。
或者，該輔助待識別指紋影像還可以是重新採集的該待識別指紋的部分區域的指紋影像。例如，可以是該待識別指紋的邊緣區域的指紋影像。
在一個優選例中，該根據該輔助待識別指紋影像修正該待識別指紋影像可以包括：基於該輔助待識別指紋影像修補該待識別指紋影像，以得到更為完整的待識別指紋影像。
作為一個變化例，也可以直接將該輔助待識別指紋影像替換該待識別指紋影像。
作為另一個變化例，該根據該輔助待識別指紋影像修正該待識別指紋影像可以包括：基於該待識別指紋影像和輔助待識別指紋影像生成三維指紋影像，以提高指紋識別的準確度。
進一步地，該發送提示資訊和採集輔助待識別指紋影像的動作可以執行多次，亦即，每採集一次輔助待識別指紋影像並據以修正該待識別指紋影像後，均重新執行該步驟S104，直至該步驟S104的判斷結果為否定的。
在一個非限制性實施例中，該步驟S102可以包括如下步驟：
步驟S1021，分別計算該待識別指紋影像與該標準指紋影像的至少一個偏移影像的影像相關性；
步驟S1022，將數值最大的影像相關性作為該待識別指紋影像與標準指紋影像的影像相關性。
具體地，該偏移影像是指，以標準指紋影像與待識別指紋影像相重合時的位置為基準，該標準指紋影像相對於待識別指紋影像每偏移一列或一行像素點，得到的影像即為該偏移影像。由此，該至少一個偏移影像的數量與該待識別指紋影像或者標準指紋影像的像素列數或像素行數可以是一致的。
在一個非限制性實施例中，該步驟S1021可以包括：對於每一標準影像的偏移影像，根據該待識別指紋影像的像素點的灰階值以及該偏移影像的對應像素點的灰階值，計算該待識別指紋影像與該偏移影像的影像相關性。
具體地，可以遍歷該待識別指紋影像的每一像素點，計算該像素點的灰階值與該偏移影像的對應像素點的灰階值的相關性；基於該待識別指紋影像的灰階值和標準指紋影像的灰階值，對計算得到的相關性進行歸一化處理，以得到該待識別指紋影像與該偏移影像的影像相關性。
進一步地，可以基於如下公式對該計算得到的影像相關性進行歸一化處理：
Figure 02_image001
；其中，C(m,l) 为該待識別指紋影像與該偏移影像的影像相關性，m 為該偏移影像較之該標準指紋影像的列偏移量，l 為該偏移影像較之該標準指紋影像的行偏移量，
Figure 02_image003
为該計算得到的相關性，
Figure 02_image013
為歸一化衡量標準，Nij 为該待識別指紋影像第i 列第j 行的像素點的灰階值，Mij 為該標準指紋影像第i 列第j 行的像素點的灰階值，Mi+m,j+l 为該偏移影像第i+m 列第j+l 行的像素點的灰階值，i 為正整數，j 為正整數。
優選地，藉由該歸一化處理，能夠消除灰階值對計算結果的影響。
在一個非限制性實施例中，該步驟S1022可以被替換為：在執行該步驟S1021期間，每得到該待識別指紋影像與標準指紋影像的一個偏移影像的影像相關性時，判斷該影像相關性是否大於第三預設閾值，若判斷結果表明該影像相關性大於該第三預設閾值時，確定該待識別指紋影像與該標準指紋影像是一致的。
由此，可以進一步降低計算量，優化指紋識別效率。
優選地，該第三預設閾值可以為0.8，在實際應用中，本領域技術人員可以根據需要調整該第三預設閾值的具體數值。如可以根據所需要的指紋識別的準確度調節該第三預設閾值。
圖5是本發明實施例的一種指紋識別模組的結構示意圖。本領域技術人員理解，本實施例的該指紋識別裝置2可以用於實施上述圖1至圖4所示實施例中該的方法技術方案。
具體地，在本實施例中，該指紋識別裝置5可以包括：第一採集模組51，用於採集待識別指紋的待識別指紋影像；第一計算模組53，用於計算該待識別指紋影像與標準指紋影像的影像相關性，該標準指紋影像是採集自標準指紋的指紋影像；確定模組54，用於根據該影像相關性確定該待識別指紋是否與該標準指紋一致。
在一個非限制性實施例中，該指紋識別裝置5還可以包括：判斷模組52，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，根據該待識別指紋影像的影像資訊和/或環境參數判斷該待識別指紋是否屬於第一類指紋；當判斷結果表明該待識別指紋屬於該第一類指紋時，該第一計算模組53可以計算該待識別指紋影像與標準指紋影像的影像相關性。
在一個非限制性實施例中，該判斷模組52可以包括：獲取子模組521，用於獲取該待識別指紋影像中多個預設位置的像素點的灰階值；擬合子模組522，用於對該多個預設位置的像素點的灰階值進行擬合，以判斷是否能得到週期性變化的曲線；第一確定子模組523，當判斷結果表明不能得到該週期性變化的曲線時，確定該待識別指紋屬於該第一類指紋。
進一步地，該判斷模組52還可以包括：第一計算子模組524，當判斷結果表明能夠得到該週期性變化的曲線時，根據該多個預設位置的像素點的灰階值計算該待識別指紋影像的對比度；判斷子模組525，用於判斷該對比度是否大於第一預設閾值；第二確定子模組526，當判斷結果表明該對比度小於該第一預設閾值時，確定該待識別指紋屬於該第一類指紋。
在一個非限制性實施例中，該第一計算子模組524可以包括：第一確定單元5241，用於根據擬合得到的該週期性變化的曲線，確定該多個預設位置的像素點的灰階值中的最大灰階值和最小灰階值；第一計算單元5242，用於根據該最大灰階值和最小灰階值計算該待識別指紋影像的對比度。
在一個非限制性實施例中，該獲取子模組521可以包括：輔助線構建單元5211，用於在該待識別指紋影像上作至少一條輔助線；第二確定單元5212，對於每一輔助線，將該輔助線所經過的待識別指紋影像的像素點作為該預設位置的像素點。
在另一個非限制性實施例中，該判斷模組52可以包括：第三確定子模組527，當該環境參數小於第二預設閾值時，確定該待識別指紋屬於該第一類指紋。
進一步地，該環境參數可以選自：溫度以及濕度。
在一個非限制性實施例中，該指紋識別裝置5還可以包括：提示模組55，當判斷結果表明該待識別指紋屬於該第一類指紋時，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，發送提示資訊，該提示資訊用於提示採集該待識別指紋的輔助待識別指紋影像；第二採集模組56，用於採集該待識別指紋的輔助待識別指紋影像；修正模組57，用於根據該輔助待識別指紋影像修正該待識別指紋影像；第二計算模組58，用於計算修正後的該待識別指紋影像與標準指紋影像的影像相關性。
進一步地，該第二採集模組56與該第一採集模組51可以執行相同功能，兩者可以為同一模組，或者，可以為相互獨立的兩個模組。
進一步地，該第二計算模組58與該第一計算模組53可以執行相同功能，兩者可以為同一模組，或者，可以為相互獨立的兩個模組。
在一個非限制性實施例中，該第一計算模組53可以包括：第二計算子模組531，用於分別計算該待識別指紋影像與該標準指紋影像的至少一個偏移影像的影像相關性；第四確定子模組532，用於將數值最大的影像相關性作為該待識別指紋影像與標準指紋影像的影像相關性。
在一個非限制性實施例中，該第二計算子模組531可以包括：第二計算單元5311，對於每一標準影像的偏移影像，根據該待識別指紋影像的像素點的灰階值以及該偏移影像的對應像素點的灰階值，計算該待識別指紋影像與該偏移影像的影像相關性。
在一個非限制性實施例中，該第二計算單元5311可以包括：第三計算單元53111，遍歷該待識別指紋影像的每一像素點，計算該像素點的灰階值與該偏移影像的對應像素點的灰階值的相關性；歸一化處理單元53112，基於該待識別指紋影像的灰階值和標準指紋影像的灰階值，對計算得到的相關性進行歸一化處理，以得到該待識別指紋影像與該偏移影像的影像相關性。
在一個非限制性實施例中，該歸一化處理單元53112可以基於如下公式對該計算得到的影像相關性進行歸一化處理：
Figure 02_image001
；其中，C(m,l) 為該待識別指紋影像與該偏移影像的影像相關性，m 為該偏移影像較之該標準指紋影像的列偏移量，l 為該偏移影像較之該標準指紋影像的行偏移量，
Figure 02_image003
為該計算得到的相關性，
Figure 02_image013
為歸一化衡量標準，Nij 為該待識別指紋影像第i 列第j 行的像素點的灰階值，Mij 為該標準指紋影像第i 列第j 行的像素點的灰階值，Mi+m,j+l 為該偏移影像第i+m 列第j+l 行的像素點的灰階值，i 為正整數，j 為正整數。
關於該指紋識別裝置5的工作原理、工作方式的更多內容，可以參照上述圖1至圖4中的相關描述，這裡不再贅述。
進一步地，本發明實施例還公開一種存儲介質，其上存儲有電腦指令，該電腦指令運行時執行上述圖1至圖4所示實施例中該的方法技術方案。優選地，該存儲介質可以包括諸如非揮發性（non-volatile）記憶體或者非暫態（non-transitory）記憶體等電腦可讀存儲介質。該存儲介質可以包括ROM、RAM、磁片或光碟等。
進一步地，本發明實施例還公開一種終端，包括記憶體和處理器，該記憶體上存儲有能夠在該處理器上運行的電腦指令，該處理器運行該電腦指令時執行上述圖1至圖4所示實施例中該的方法技術方案。優選地，該終端可以是手機、電腦等計算設備。
雖然本發明披露如上，但本發明的實施例並非限定於此。任何本領域技術人員，在不脫離本發明的精神和範圍內，均可作各種更動與修改，因此本發明的保護範圍應當以權利要求所限定的範圍為準。
5:指紋識別裝置 51:第一採集模組 52:判斷模組 521:獲取子模組 5211:輔助線建構單元 5212:第二確定單元 522:擬合子模組 523:第一確定子模組 524:第一計算子模組 5241:第一確定單元 5242:第一計算單元 525:判斷子模組 526:第二確定子模組 527:第三確定子模組 53:第一計算模組 531:第二計算子模組 5311:第二計算單元 53111:第三計算單元 53112:歸一化處理單元 532:第四確定子模組 54:確定模組 55:提示模組 56:第二採集模組 57:修正模組 58:第二計算模組
本發明的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中： 圖1是一流程圖，說明本發明實施例的一種指紋識別方法； 圖2是一流程圖，說明該實施例的一步驟S104的一個具體實施方式； 圖3是一原理示意圖，說明圖2的步驟S1041； 圖4是一流程圖，說明圖1中步驟S102的一個具體實施方式；及 圖5是一結構示意圖，說明本發明實施例的一種指紋識別模組。
S101~S105:步驟

Claims (24)

  1. 一種指紋識別方法，包含：採集待識別指紋的待識別指紋影像；計算該待識別指紋影像與標準指紋影像的影像相關性，該標準指紋影像是採集自標準指紋的指紋影像；及根據該影像相關性確定該待識別指紋是否與該標準指紋一致；其中，該計算該待識別指紋影像與標準指紋影像的影像相關性包括，分別計算該待識別指紋影像與該標準指紋影像的至少一個偏移影像的影像相關性，將數值最大的影像相關性作為該待識別指紋影像與標準指紋影像的影像相關性，該分別計算該待識別指紋影像與該標準指紋影像的至少一個偏移影像的影像相關性，包括對於每一標準影像的偏移影像，根據該待識別指紋影像的像素點的灰階值以及該偏移影像的對應像素點的灰階值，計算該待識別指紋影像與該偏移影像的影像相關性。
  2. 如請求項1所述的指紋識別方法，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，還包含：根據該待識別指紋影像的影像資訊及/或環境參數判斷該待識別指紋是否屬於第一類指紋，及當判斷結果表明該待識別指紋屬於該第一類指紋時，計算該待識別指紋影像與標準指紋影像的影像相關 性。
  3. 如請求項2所述的指紋識別方法，其中，該根據該待識別指紋影像的影像資訊判斷該待識別指紋是否屬於第一類指紋包括，獲取該待識別指紋影像中多個預設位置的像素點的灰階值，對該多個預設位置的像素點的灰階值進行擬合，以判斷是否能得到週期性變化的曲線，及當判斷結果表明不能得到該週期性變化的曲線時，確定該待識別指紋屬於該第一類指紋。
  4. 如請求項3所述的指紋識別方法，其中，該根據該待識別指紋影像的影像資訊判斷該待識別指紋是否屬於第一類指紋還包括，當判斷結果表明能夠得到該週期性變化的曲線時，根據該多個預設位置的像素點的灰階值計算該待識別指紋影像的對比度，判斷該對比度是否大於第一預設閾值，及當判斷結果表明該對比度小於該第一預設閾值時，確定該待識別指紋屬於該第一類指紋。
  5. 如請求項4所述的指紋識別方法，其中，該根據該多個預設位置的像素點的灰階值計算該待識別指紋影像的對比度包括，根據擬合得到的該週期性變化的曲線，確定該多個預設位置的像素點的灰階值中的最大灰階值和最小灰階 值，及根據該最大灰階值和最小灰階值計算該待識別指紋影像的對比度。
  6. 如請求項3所述的指紋識別方法，其中，該獲取該待識別指紋影像中多個預設位置的像素點的灰階值包括，在該待識別指紋影像上作至少一條輔助線，及對於每一輔助線，將該輔助線所經過的待識別指紋影像的像素點作為該預設位置的像素點。
  7. 如請求項2所述的指紋識別方法，其中，該根據該環境參數判斷該待識別指紋是否屬於第一類指紋包括，當該環境參數小於第二預設閾值時，確定該待識別指紋屬於該第一類指紋。
  8. 如請求項7所述的指紋識別方法，其中，該環境參數選自溫度以及濕度。
  9. 如請求項2所述的指紋識別方法，其中，當判斷結果表明該待識別指紋屬於該第一類指紋時，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，還包括，發送提示資訊，該提示資訊用於提示採集該待識別指紋的輔助待識別指紋影像，採集該待識別指紋的輔助待識別指紋影像，根據該輔助待識別指紋影像修正該待識別指紋影像，及計算修正後的該待識別指紋影像與標準指紋影像的影像相關性。
  10. 如請求項1所述的指紋識別方法，其中，該根據該待識別指紋影像的每一像素點的灰階值以及該偏移影像的對應像素點的灰階值，計算該待識別指紋影像與該偏移影像的影像相關性包括，遍歷該待識別指紋影像的每一像素點，計算該像素點的灰階值與該偏移影像的對應像素點的灰階值的相關性，及基於該待識別指紋影像的灰階值和標準指紋影像的灰階值，對計算得到的相關性進行歸一化處理，以得到該待識別指紋影像與該偏移影像的影像相關性。
  11. 如請求項10所述的指紋識別方法，其中，基於如下公式對該計算得到的影像相關性進行歸一化處理：
    Figure 108142817-A0305-02-0033-5
    ，其中，C(m,l)為該待識別指紋影像與該偏移影像的影像相關性，m為該偏移影像較之該標準指紋影像的列偏移量，l為該偏移影像較之該標準指紋影像的行偏移量， Σ ij N ij ．M i+m,j+l 為該計算得到的相關性，
    Figure 108142817-A0305-02-0033-2
    為歸一化衡量標準，N ij 為該待識別指紋影像第i列第j行的像素點的灰階值，M ij 為該標準指紋影像第i列第j行的像素點的灰階值，M i+m,j+l 为該偏移影像第i+m列第j+l行的像素點的灰階值，i為正整數，j為正整數。
  12. 一種指紋識別裝置，包括：一第一採集模組，用於採集待識別指紋的待識別指紋影像；一第一計算模組，用於計算該待識別指紋影像與標準指紋影像的影像相關性，該標準指紋影像是採集自標準指紋的指紋影像，該第一計算模組包括一第二計算子模組與一第四確定子模組，該第二計算子模組用於分別計算該待識別指紋影像與該標準指紋影像的至少一個偏移影像的影像相關性，該第二計算子模組包括一第二計算單元，該第二計算單元對於每一標準影像的偏移影像，根據該待識別指紋影像的像素點的灰階值以及該偏移影像的對應像素點的灰階值，計算該待識別指紋影像與該偏移影像的影像相關性，該第四確定子模組用於將數值最大的影像相關性作為該待識別指紋影像與標準指紋影像的影像相關性；及一確定模組，用於根據該影像相關性確定該待識別指紋是否與該標準指紋一致。
  13. 如請求項12所述的指紋識別裝置，還包含：一判斷模組，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，根據該待識別指紋影像的影像資訊和/或環境參數判斷該待識別指紋是否屬於第一類指紋，當判斷結果表明該待識別指紋屬於該第一類指紋時，該第一計算模組計算該待識別指紋影像與標準指紋影像的影像相關性。
  14. 如請求項13所述的指紋識別裝置，其中，該判斷模組包括，一獲取子模組，用於獲取該待識別指紋影像中多個預設位置的像素點的灰階值，一擬合子模組，用於對該多個預設位置的像素點的灰階值進行擬合，以判斷是否能得到週期性變化的曲線，及一第一確定子模組，當判斷結果表明不能得到該週期性變化的曲線時，確定該待識別指紋屬於該第一類指紋。
  15. 如請求項14所述的指紋識別裝置，其中，該判斷模組還包括，一第一計算子模組，當判斷結果表明能夠得到該週期性變化的曲線時，根據該多個預設位置的像素點的灰階值計算該待識別指紋影像的對比度，一判斷子模組，用於判斷該對比度是否大於第一預設閾值，及一第二確定子模組，當判斷結果表明該對比度小於該第一預設閾值時，確定該待識別指紋屬於該第一類指紋。
  16. 如請求項15所述的指紋識別裝置，其中，該第一計算子模組包括，一第一確定單元，用於根據擬合得到的該週期性變化的曲線，確定該多個預設位置的像素點的灰階值中的最大灰階值和最小灰階值，及一第一計算單元，用於根據該最大灰階值和最小灰階值計算該待識別指紋影像的對比度。
  17. 如請求項14所述的指紋識別裝置，其中，該獲取子模組包 括，一輔助線構建單元，用於在該待識別指紋影像上作至少一條輔助線，及一第二確定單元，對於每一輔助線，將該輔助線所經過的待識別指紋影像的像素點作為該預設位置的像素點。
  18. 如請求項13所述的指紋識別裝置，其中，該判斷模組包括，一第三確定子模組，當該環境參數小於第二預設閾值時，確定該待識別指紋屬於該第一類指紋。
  19. 如請求項18所述的指紋識別裝置，其中，該環境參數選自溫度以及濕度。
  20. 如請求項13所述的指紋識別裝置，還包含：一提示模組，當判斷結果表明該待識別指紋屬於該第一類指紋時，在計算該待識別指紋影像與標準指紋影像的影像相關性之前，發送提示資訊，該提示資訊用於提示採集該待識別指紋的輔助待識別指紋影像；一第二採集模組，用於採集該待識別指紋的輔助待識別指紋影像；一修正模組，用於根據該輔助待識別指紋影像修正該待識別指紋影像；及一第二計算模組，用於計算修正後的該待識別指紋影像與標準指紋影像的影像相關性。
  21. 如請求項12所述的指紋識別裝置，其中，該第一計算模組包括，一第二計算子模組，用於分別計算該待識別指紋影像 與該標準指紋影像的至少一個偏移影像的影像相關性，及一第四確定子模組，用於將數值最大的影像相關性作為該待識別指紋影像與標準指紋影像的影像相關性。
  22. 如請求項12所述的指紋識別裝置，其中，該歸一化處理單元基於如下公式對該計算得到的影像相關性進行歸一化處理：
    Figure 108142817-A0305-02-0037-3
    ，其中，C(m,l)為該待識別指紋影像與該偏移影像的影像相關性，m為該偏移影像較之該標準指紋影像的列偏移量，l為該偏移影像較之該標準指紋影像的行偏移量，Σ ij N ij ．M i+m,j+l 為該計算得到的相關性，
    Figure 108142817-A0305-02-0037-4
    為歸一化衡量標準，N ij 為該待識別指紋影像第i列第j行的像素點的灰階值，M ij 為該標準指紋影像第i列第j行的像素點的灰階值，M i+m,j+l 為該偏移影像第i+m列第j+l行的像素點的灰階值，i為正整數，j為正整數。
  23. 一種儲存介質，其上儲存有電腦指令，其中，該電腦指令運行時執行請求項1至11任一項該方法的步驟。
  24. 一種終端，包括記憶體和處理器，該記憶體上儲存有能夠在該處理器上運行的電腦指令，其中，該處理器運行該電腦指令時執行請求項1至11任一項該方法的步驟。
TW108142817A 2018-11-26 2019-11-25 指紋識別方法、裝置、儲存介質，及終端 TWI727514B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811417667.6 2018-11-26
CN201811417667.6A CN111222366A (zh) 2018-11-26 2018-11-26 一种指纹识别方法及装置、存储介质、终端

Publications (2)

Publication Number Publication Date
TW202024991A TW202024991A (zh) 2020-07-01
TWI727514B true TWI727514B (zh) 2021-05-11

Family

ID=70770887

Family Applications (2)

Application Number Title Priority Date Filing Date
TW108142817A TWI727514B (zh) 2018-11-26 2019-11-25 指紋識別方法、裝置、儲存介質，及終端
TW110112253A TWI770927B (zh) 2018-11-26 2019-11-25 指紋識別方法、儲存介質，及終端

Family Applications After (1)

Application Number Title Priority Date Filing Date
TW110112253A TWI770927B (zh) 2018-11-26 2019-11-25 指紋識別方法、儲存介質，及終端

Country Status (3)

Country Link
US (2) US11176351B2 (zh)
CN (1) CN111222366A (zh)
TW (2) TWI727514B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115131784B (zh) * 2022-04-26 2023-04-18 东莞博奥木华基因科技有限公司 一种图像处理方法、装置、电子设备及存储介质
CN117975513B (zh) * 2024-04-02 2024-06-07 艾信智能环境科技(无锡)有限公司 医用物流站点身份智能识别系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070086631A1 (en) * 2006-01-18 2007-04-19 Feitian Technologies, Co., Ltd, Method for capturing and mapping fingerprint images and the apparatus for the same
CN103065134A (zh) * 2013-01-22 2013-04-24 江苏超创信息软件发展股份有限公司 一种具有提示信息的指纹识别装置和方法
TWI402759B (zh) * 2007-05-25 2013-07-21 Hon Hai Prec Ind Co Ltd 指紋識別裝置及便攜式電子裝置
CN106250887A (zh) * 2016-09-09 2016-12-21 深圳市金立通信设备有限公司 一种指纹识别方法及终端
CN107016324A (zh) * 2016-01-28 2017-08-04 厦门中控生物识别信息技术有限公司 一种指纹图像处理方法和指纹探测设备

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7489807B2 (en) * 2003-08-07 2009-02-10 Kyungtae Hwang Statistical quality assessment of fingerprints
JP5971089B2 (ja) * 2012-11-14 2016-08-17 富士通株式会社 生体情報補正装置、生体情報補正方法及び生体情報補正用コンピュータプログラム
KR101444064B1 (ko) * 2013-03-22 2014-09-26 주식회사 슈프리마 다중 스캔을 이용한 광학식 지문 인식 방법 및 장치
CN104598894A (zh) * 2015-02-10 2015-05-06 深圳市亚耕电子科技有限公司 指纹感测装置、具指纹感测功能的产品及其指纹感测方法
CN105447437B (zh) * 2015-02-13 2017-05-03 比亚迪股份有限公司 指纹识别方法和装置
JP6794766B2 (ja) * 2016-10-19 2020-12-02 日本電気株式会社 指紋処理装置、指紋処理方法、プログラム、指紋処理回路
TWI607388B (zh) * 2017-01-24 2017-12-01 創智能科技股份有限公司 指紋驗證方法及其電子裝置
US10909347B2 (en) * 2017-03-14 2021-02-02 Samsung Electronics Co., Ltd. Method and apparatus with fingerprint verification
CN107491727A (zh) * 2017-07-07 2017-12-19 广东欧珀移动通信有限公司 指纹识别方法、装置及终端
CN107528970B (zh) * 2017-07-31 2020-02-18 Oppo广东移动通信有限公司 一种用户识别的方法、终端及存储介质
KR20190074782A (ko) * 2017-12-20 2019-06-28 삼성전자주식회사 생체 정보와 관련된 이미지의 품질에 따라, 이미지를 지정된 방식으로 처리하여 인증하는 방법 및 이를 수행하는 전자 장치
CN109144360B (zh) * 2018-05-31 2021-04-23 北京小米移动软件有限公司 屏幕点亮方法、电子设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070086631A1 (en) * 2006-01-18 2007-04-19 Feitian Technologies, Co., Ltd, Method for capturing and mapping fingerprint images and the apparatus for the same
TWI402759B (zh) * 2007-05-25 2013-07-21 Hon Hai Prec Ind Co Ltd 指紋識別裝置及便攜式電子裝置
CN103065134A (zh) * 2013-01-22 2013-04-24 江苏超创信息软件发展股份有限公司 一种具有提示信息的指纹识别装置和方法
CN107016324A (zh) * 2016-01-28 2017-08-04 厦门中控生物识别信息技术有限公司 一种指纹图像处理方法和指纹探测设备
CN106250887A (zh) * 2016-09-09 2016-12-21 深圳市金立通信设备有限公司 一种指纹识别方法及终端

Also Published As

Publication number Publication date
CN111222366A (zh) 2020-06-02
US20220036038A1 (en) 2022-02-03
US20200167545A1 (en) 2020-05-28
TW202024991A (zh) 2020-07-01
TWI770927B (zh) 2022-07-11
US11176351B2 (en) 2021-11-16
TW202143099A (zh) 2021-11-16
US11651618B2 (en) 2023-05-16

Similar Documents

Publication Publication Date Title
US10558841B2 (en) Method and apparatus for recognizing fingerprint ridge point
JP6444523B2 (ja) 指紋認識方法及び指紋認識装置
Raghavendra et al. Novel image fusion scheme based on dependency measure for robust multispectral palmprint recognition
JP5699845B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
CN109658584B (zh) 一种票据信息识别方法及装置
WO2019033572A1 (zh) 人脸遮挡检测方法、装置及存储介质
US9330325B2 (en) Apparatus and method for reducing noise in fingerprint images
US20130100267A1 (en) Apparatus and method for recognizing fingerprints
KR101632912B1 (ko) 지문 인식을 이용한 사용자 인증 방법
TWI525555B (zh) 影像處理裝置及處理方法
Peralta et al. Minutiae filtering to improve both efficacy and efficiency of fingerprint matching algorithms
TWI727514B (zh) 指紋識別方法、裝置、儲存介質，及終端
TWI437501B (zh) 基於生物特徵之身分驗證裝置及其方法
US9514351B2 (en) Processing a fingerprint for fingerprint matching
WO2021012647A1 (zh) 人脸校验方法、装置、服务器及可读存储介质
WO2015131468A1 (en) Method and system for estimating fingerprint pose
WO2017161636A1 (zh) 一种基于指纹的终端支付方法及装置
US10395090B2 (en) Symbol detection for desired image reconstruction
TWI423145B (zh) 指紋圖像檢測方法
WO2018196521A1 (zh) 一种指静脉图像的质量分数计算方法及装置
JP2008287432A (ja) 静脈パターン管理システム、静脈パターン登録装置、静脈パターン認証装置、静脈パターン登録方法、静脈パターン認証方法、プログラムおよび静脈データ構造
US9613252B1 (en) Fingerprint matching method and device
JP6763408B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
CN114463792B (zh) 一种多光谱识别方法、装置、设备及可读存储介质
Mardiansyah et al. Fingerprint image reconstruction for swipe sensor using Predictive Overlap Method