TWI794702B - 特徵圖像辨識方法及利用其之指紋辨識模組及電子裝置 - Google Patents

特徵圖像辨識方法及利用其之指紋辨識模組及電子裝置 Download PDF

Info

Publication number
TWI794702B
TWI794702B TW109144796A TW109144796A TWI794702B TW I794702 B TWI794702 B TW I794702B TW 109144796 A TW109144796 A TW 109144796A TW 109144796 A TW109144796 A TW 109144796A TW I794702 B TWI794702 B TW I794702B
Authority
TW
Taiwan
Prior art keywords
image
fingerprint
control unit
feature
fingerprint template
Prior art date
Application number
TW109144796A
Other languages
English (en)
Other versions
TW202226067A (zh
Inventor
宋子明
Original Assignee
大陸商北京集創北方科技股份有限公司
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 大陸商北京集創北方科技股份有限公司 filed Critical 大陸商北京集創北方科技股份有限公司
Priority to TW109144796A priority Critical patent/TWI794702B/zh
Publication of TW202226067A publication Critical patent/TW202226067A/zh
Application granted granted Critical
Publication of TWI794702B publication Critical patent/TWI794702B/zh

Links

Images

Landscapes

  • Collating Specific Patterns (AREA)

Abstract

一種特徵圖像辨識方法，用以辨識一手指之指紋，其包括以下步驟： 預先錄入該手指之多個指紋模板圖像；以及採集該手指之一指紋圖像，使該指紋圖像與所述多個指紋模板圖像依一順序各進行一比對程序，並在遇到其中一比對結果為匹配成功時進行解鎖。

Description

特徵圖像辨識方法及利用其之指紋辨識模組及電子裝置
本發明係關於一種特徵圖像辨識方法，特別是關於指紋識別之特徵圖像辨識方法。
隨著行動裝置的普及與蓬勃發展，觸控顯示面板已經成為不可或缺的零組件。另外，在最新的趨勢中，指紋識別亦已成為必備的功能。
指紋識別普遍應用於手機解鎖，然而其應用場景往往會發生採集到的指紋圖片尺寸過小之情形。一般的指紋識別演算法係通過擷取指紋圖片之特徵點進行匹配，然而小尺寸圖片存在特徵點數量不足之問題，導致識別效果不佳，影響使用者體驗。
因此，本領域亟需一新穎的特徵圖像辨識方法。
本發明之一目的在於揭露一種特徵圖像辨識方法，其可通過以採集之指紋圖像與預先錄入多個指紋模板圖像進行比對程序，而提高匹配成功率。
本發明之另一目的在於揭露一種特徵圖像辨識方法，其可通過將比對結果為匹配之指紋圖像加入指紋模板圖像之集合，且其比對順序係以具有較高匹配成功次數的指紋模板圖像為優先，而提高匹配之速度與成功率。
本發明之又一目的在於揭露一種特徵圖像辨識方法，其可通過差分高斯卷積運算及圖像二值化運算而提高匹配運算之速度。
為達前述目的，一種特徵圖像辨識方法乃被提出，其包括以下步驟：預先錄入該手指之多個指紋模板圖像；以及採集該手指之一指紋圖像，使該指紋圖像與所述多個指紋模板圖像依一順序各進行一比對程序，並在遇到其中一比對結果為匹配成功時進行解鎖。
在一實施例中，該比對程序包括對一所述指紋模板圖像進行一圖像特徵擷取運算以獲取一指紋模板特徵，對該指紋圖像進行該圖像特徵擷取運算以獲取一指紋圖像特徵，及以一匹配模組對該指紋圖像特徵和該指紋模板特徵進行一相似度運算以輸出一匹配結果。
在一實施例中，該圖像特徵擷取運算包括以下步驟：
以一所述指紋模板圖像或所述指紋圖像為一目標圖像進行一差分高斯(Difference of  Gaussian，DOG)卷積運算以獲取一關鍵點集合，該關鍵點集合包含至少一角關鍵點及至少一邊緣關鍵點；
對該關鍵點集合進行一角檢測運算以去除所述至少一邊緣關鍵點，再進行一灰階梯度運算以獲取各所述角關鍵點之位置描述資料；以及
對該目標圖像進行一二值化運算以獲得一二值化圖像，並使各所述角關鍵點之所述位置描述資料與該二值化圖像結合以產生特徵資料。
在一實施例中，該相似度運算包括以下步驟：
對一所述指紋模板圖像之該特徵資料與所述指紋圖像之該特徵資料進行一笛卡爾積運算以獲得一相似度矩陣；以及
依該相似度矩陣產生一二分圖矩陣並對該二分圖矩陣進行一最大匹配度運算以得到一匹配結果。
在一實施例中，其進一步包括：在該比對結果為匹配時將該指紋圖像加入包含所述多個指紋模板圖像之一集合中。
在一實施例中，該集合中之各個所述指紋模板圖像各對應有一匹配成功次數。
在一實施例中，該順序係以該集合中之具有較高的所述匹配成功次數的所述指紋模板圖像為優先。
在一實施例中，該集合中之多個所述指紋模板圖像係依所述匹配成功次數進行一最小堆排列，並在該集合滿溢時刪除一堆頂元素。
為達前述目的，本發明進一步提出一種指紋辨識模組，其具有一控制單元及一圖像採集裝置，該控制單元係用以執行如前述之特徵圖像辨識方法，且該控制單元係藉由驅動該圖像採集單元以採集所述指紋模板圖像及所述指紋圖像。
為達前述目的，本發明進一步提出一種電子裝置，其具有一中央處理單元及如前述之指紋辨識模組，其中，該中央處理單元係用以與該指紋辨識模組通信，且所述電子裝置可為一智慧型手機、一攜帶型電腦或一門禁系統。
為使  貴審查委員能進一步瞭解本發明之結構、特徵及其目的，茲附以圖式及較佳具體實施例之詳細說明如後。
請一併參照圖1a至1d，其中，圖1a繪示本發明之特徵圖像辨識方法之一實施例之流程圖；圖1b繪示圖1a之比對程序之一實施例之流程圖；圖1c繪示圖1b之圖像特徵擷取運算之一實施例之流程圖；以及圖1d繪示圖1b之相似度運算之一實施例之流程圖。
如圖1a 所示，該特徵圖像辨識方法包括以下步驟：預先錄入一手指之多個指紋模板圖像(步驟a)；以及採集該手指之一指紋圖像，使該指紋圖像與所述多個指紋模板圖像依一順序各進行一比對程序，並在遇到其中一比對結果為匹配成功時進行解鎖(步驟b)。
如圖1b所示，該比對程序包括對一所述指紋模板圖像進行一圖像特徵擷取運算以獲取一指紋模板特徵，對該指紋圖像進行該圖像特徵擷取運算以獲取一指紋圖像特徵(步驟b1)；及以一匹配模組對該指紋圖像特徵和該指紋模板特徵進行一相似度運算以輸出一匹配結果(步驟b2) 。
如圖1c所示，該圖像特徵擷取運算包括以下步驟：以一所述指紋模板圖像或所述指紋圖像為一目標圖像進行一差分高斯(Difference of  Gaussian，DOG)卷積運算以獲取一關鍵點集合，該關鍵點集合包含至少一角關鍵點及至少一邊緣關鍵點(步驟b11)；對該關鍵點集合進行一角檢測運算以去除所述至少一邊緣關鍵點，再進行一灰階梯度運算以獲取各所述角關鍵點之位置描述資料(步驟b12)；以及對該目標圖像進行一二值化運算以獲得一二值化圖像，並使各所述角關鍵點之所述位置描述資料與該二值化圖像結合以產生特徵資料(步驟b13)。由於所述差分高斯卷積運算、角檢測運算、灰階梯度運算及二值化運算均係為習知技術，故在此不擬贅述。
如圖1d所示，該相似度運算包括以下步驟：對一所述指紋模板圖像之該特徵資料與所述指紋圖像之該特徵資料進行一笛卡爾積運算以獲得一相似度矩陣(步驟b21)；以及依該相似度矩陣產生一二分圖矩陣並對該二分圖矩陣進行一最大匹配度運算以得到一匹配結果(步驟b22)。由於所述笛卡爾積運算及二分圖矩陣的產生方式均係一習知技術，故在此不擬贅述。
另外，本發明之特徵圖像辨識方法可進一步包括：在該比對結果為匹配時將該指紋圖像加入包含所述多個指紋模板圖像之一集合中；該集合中之各個所述指紋模板圖像各對應有一匹配成功次數；該順序例係以該集合中之具有較高的所述匹配成功次數的所述指紋模板圖像為優先；該集合中之多個所述指紋模板圖像依所述匹配成功次數進行一最小堆排列，並在該集合滿溢時刪除一堆頂元素。由於所述最小堆排列係一習知技術，故在此不擬贅述。
依上述的說明，本發明進一步提出一種指紋辨識模組。請參照圖2， 其繪示本發明之指紋辨識模組之一實施例之方塊圖。如圖2所示，一指紋辨識模組100具有一控制單元110以及一圖像採集裝置120。
控制單元110係用以執行圖1a至1d所述之方法，且控制單元110係藉由驅動圖像採集裝置120以採集所述指紋模板圖像及所述指紋圖像。
另外，本發明進一步揭示一種電子裝置。請參照圖3， 其繪示本發明之電子裝置之一實施例之方塊圖。如圖3所示，該電子裝置200具有一中央處理單元210及一指紋辨識模組220，其中，指紋辨識模組220係由指紋辨識模組100實現，且中央處理單元210係用以與指紋辨識模組220通信。
另外，電子裝置200可為一智慧型手機、一攜帶型電腦或一門禁系統。 藉由前述所揭露的設計，本發明乃具有以下的優點：
1.本發明的特徵圖像辨識方法可通過以採集之指紋圖像與預先錄入多個指紋模板圖像進行比對程序而提高匹配成功率。
2.本發明的特徵圖像辨識方法可通過將比對結果為匹配之指紋圖像加入指紋模板圖像之集合，且其比對順序係以具有較高匹配成功次數的指紋模板圖像為優先，而提高匹配之速度與成功率。
3.本發明的特徵圖像辨識方法可通過差分高斯卷積運算及圖像二值化運算提高匹配運算之速度。 本發明所揭示者，乃較佳實施例，舉凡局部之變更或修飾而源於本發明之技術思想而為熟習該項技藝之人所易於推知者，俱不脫本發明之專利權範疇。
綜上所陳，本發明無論目的、手段與功效，皆顯示其迥異於習知技術，且其首先發明合於實用，確實符合發明之專利要件，懇請 貴審查委員明察，並早日賜予專利俾嘉惠社會，是為至禱。
100:指紋辨識模組 110:控制單元 120:圖像採集裝置 200:電子裝置 210:中央處理單元 220:指紋辨識模組 步驟 a:預先錄入一手指之多個指紋模板圖像 步驟 b:採集該手指之一指紋圖像，使該指紋圖像與所述多個指紋模板圖像依一順序各進行一比對程序，並在遇到其中一比對結果為匹配成功時進行解鎖 步驟b1:該比對程序包括對一所述指紋模板圖像進行一圖像特徵擷取運算以獲取一指紋模板特徵，對該指紋圖像進行該圖像特徵擷取運算以獲取一指紋圖像特徵 步驟b11:以一所述指紋模板圖像或所述指紋圖像為一目標圖像進行一差分高斯(Difference of  Gaussian，DOG)卷積運算以獲取一關鍵點集合，該關鍵點集合包含至少一角關鍵點及至少一邊緣關鍵點 步驟b12:對該關鍵點集合進行一角檢測運算以去除所述至少一邊緣關鍵點，再進行一灰階梯度運算以獲取各所述角關鍵點之位置描述資料 步驟b13:對該目標圖像進行一二值化運算以獲得一二值化圖像，並使各所述角關鍵點之所述位置描述資料與該二值化圖像結合以產生特徵資料 步驟b2:以一匹配模組對該指紋圖像特徵和該指紋模板特徵進行一相似度運算以輸出一匹配結果 步驟b21:對一所述指紋模板圖像之該特徵資料與所述指紋圖像之該特徵資料進行一笛卡爾積運算以獲得一相似度矩陣 步驟b22:依該相似度矩陣產生一二分圖矩陣並對該二分圖矩陣進行一最大匹配度運算以得到一匹配結果
圖1a繪示本發明之特徵圖像辨識方法方法之一實施例流程圖。 圖1b繪示圖1a之比對程序之一實施例流程圖。 圖1c繪示圖1b之圖像特徵擷取運算之一實施例流程圖。 圖1d繪示圖1b之相似度運算之一實施例流程圖。 圖2繪示本發明之指紋辨識模組之一實施例方塊圖。 圖3繪示本發明之電子裝置之一實施例方塊圖。
步驟a:預先錄入一手指之多個指紋模板圖像
步驟b:採集該手指之一指紋圖像，使該指紋圖像與所述多個指紋模板圖像依一順序各進行一比對程序，並在遇到其中一比對結果為匹配成功時進行解鎖

Claims (7)

  1. 一種特徵圖像辨識方法，用以辨識一手指之指紋，其包括以下步驟：利用一指紋辨識模組預先錄入該手指之多個指紋模板圖像；以及利用該指紋辨識模組採集該手指之一指紋圖像，及利用該指紋辨識模組之一控制單元使該指紋圖像與所述多個指紋模板圖像依一順序各進行一比對程序，並在遇到其中一比對結果為匹配成功時進行解鎖；其中，該控制單元在該比對結果為匹配時將該指紋圖像加入包含所述多個指紋模板圖像之一集合中；該集合中之各個所述指紋模板圖像各對應有一匹配成功次數；及該順序係以該集合中之具有較高的所述匹配成功次數的所述指紋模板圖像為優先。
  2. 如申請專利範圍第1項所述之特徵圖像辨識方法，其中該比對程序包括：該控制單元對一所述指紋模板圖像進行一圖像特徵擷取運算以獲取一指紋模板特徵，該控制單元對該指紋圖像進行該圖像特徵擷取運算以獲取一指紋圖像特徵，及該控制單元以一匹配模組對該指紋圖像特徵和該指紋模板特徵進行一相似度運算以輸出一匹配結果。
  3. 如申請專利範圍第2項所述之特徵圖像辨識方法，其中該圖像特徵擷取運算包括以下步驟：該控制單元以一所述指紋模板圖像或所述指紋圖像為一目標圖像進行一差分高斯卷積運算以獲取一關鍵點集合，該關鍵點集合包含至少一角關鍵點及至少一邊緣關鍵點；該控制單元對該關鍵點集合進行一角檢測運算以去除所述至少一邊緣關鍵點，再進行一灰階梯度運算以獲取各所述角關鍵點之位置描述資料；以及該控制單元對該目標圖像進行一二值化運算以獲得一二值化圖像，並使各所述角關鍵點之所述位置描述資料與該二值化圖像結合以產生特徵資料。
  4. 如申請專利範圍第2項所述之特徵圖像辨識方法，其中該相似度運算包括以下步驟： 該控制單元對一所述指紋模板圖像之該特徵資料與所述指紋圖像之該特徵資料進行一笛卡爾積運算以獲得一相似度矩陣；以及該控制單元依該相似度矩陣產生一二分圖矩陣並對該二分圖矩陣進行一最大匹配度運算以得到一匹配結果。
  5. 如申請專利範圍第1項所述之特徵圖像辨識方法，其中，該集合中之多個所述指紋模板圖像係依所述匹配成功次數進行一最小堆排列。
  6. 一種指紋辨識模組，具有一控制單元及一圖像採集裝置，該控制單元係用以執行如申請專利範圍第1至5項中任一項所述之特徵圖像辨識方法，且該控制單元係藉由驅動該圖像採集裝置以採集所述指紋模板圖像及所述指紋圖像。
  7. 一種電子裝置，其具有一中央處理單元及如申請專利範圍第6項所述之指紋辨識模組，其中，該中央處理單元係用以與該指紋辨識模組通信，且其係由一智慧型手機、一攜帶型電腦和一門禁系統所組成群組所選擇的一種裝置。
TW109144796A 2020-12-17 2020-12-17 特徵圖像辨識方法及利用其之指紋辨識模組及電子裝置 TWI794702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW109144796A TWI794702B (zh) 2020-12-17 2020-12-17 特徵圖像辨識方法及利用其之指紋辨識模組及電子裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109144796A TWI794702B (zh) 2020-12-17 2020-12-17 特徵圖像辨識方法及利用其之指紋辨識模組及電子裝置

Publications (2)

Publication Number Publication Date
TW202226067A TW202226067A (zh) 2022-07-01
TWI794702B true TWI794702B (zh) 2023-03-01

Family

ID=83436760

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109144796A TWI794702B (zh) 2020-12-17 2020-12-17 特徵圖像辨識方法及利用其之指紋辨識模組及電子裝置

Country Status (1)

Country Link
TW (1) TWI794702B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102446271A (zh) * 2010-10-08 2012-05-09 金佶科技股份有限公司 分段式的图像辨识方法及其区域式辨识装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102446271A (zh) * 2010-10-08 2012-05-09 金佶科技股份有限公司 分段式的图像辨识方法及其区域式辨识装置

Also Published As

Publication number Publication date
TW202226067A (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
Peralta et al. On the use of convolutional neural networks for robust classification of multiple fingerprint captures
Wang et al. A fingerprint orientation model based on 2D Fourier expansion (FOMFE) and its application to singular-point detection and fingerprint indexing
Prabhakar et al. Decision-level fusion in fingerprint verification
Huang et al. Isolated Handwritten Pashto Character Recognition Using a K‐NN Classification Tool based on Zoning and HOG Feature Extraction Techniques
EP3300000B1 (en) Method, apparatus, and non-transitory computer-readable storage medium for verification process
Wagh et al. Biometric finger vein recognition methods for authentication
KR100299858B1 (ko) 지문 매칭 방법
US20210200994A1 (en) Processing method of learning face recognition by artificial intelligence module
WO2017191626A1 (en) A method for online signature verification using wrist-worn devices
CN113869398B (zh) 一种不平衡文本分类方法、装置、设备及存储介质
Elisha Raju et al. A two-level security system based on multimodal biometrics and modified fusion technique
TWI794702B (zh) 特徵圖像辨識方法及利用其之指紋辨識模組及電子裝置
Bhargava et al. Fingerprint matching using ridge-end and bifurcation points
CN112308027B (zh) 图像匹配方法、生物识别芯片及电子装置
CN111709312B (zh) 一种基于联合主模式的局部特征人脸识别方法
Priyambodo et al. Partial fingerprint on combined evaluation using deep learning and feature descriptor
Chen et al. ISO/IEC standards for on-card biometric comparison
CN110580469B (zh) 一种基于嵌入式设备的掌脉识别系统及方法
CN116629322B (zh) 复杂形态目标的分割方法
CN111709272B (zh) 一种基于小面积指纹的指纹采集方法、身份认证方法及电子装置
CN116258842B (zh) 指纹模板动态拼接优选系统及方法
Chowdhury et al. Efficient fingerprint matching based upon minutiae extraction
Priya et al. GA based Feature Selection for Multimodal Biometric Authentication
Kumari et al. A Robust Approach to Authentication of Handwritten Signature Using Voting Classifier
JP2008217688A (ja) 照合装置