TWI796552B - 指紋識別方法及裝置 - Google Patents
指紋識別方法及裝置 Download PDFInfo
- Publication number
- TWI796552B TWI796552B TW109106809A TW109106809A TWI796552B TW I796552 B TWI796552 B TW I796552B TW 109106809 A TW109106809 A TW 109106809A TW 109106809 A TW109106809 A TW 109106809A TW I796552 B TWI796552 B TW I796552B
- Authority
- TW
- Taiwan
- Prior art keywords
- value
- index value
- gray
- area
- threshold
- Prior art date
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
- G06V40/13—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
- G06V40/1365—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Input (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本發明提供了一種指紋識別方法及裝置,其中,方法包括:採集指紋圖像;檢測指紋圖像中的非漏光區域;對非漏光區域進行標記;對標記有非漏光區域的指紋圖像進行按壓區域檢測;對按壓區域進行標記;採用標記為按壓區域的指紋圖像進行指紋識別。本發明可以提高指紋圖像與預設指紋的匹配效率。
Description
本發明涉及指紋識別技術領域,尤其涉及一種指紋識別方法及裝置。
在一些應用場景中,需要對指紋圖像與預存指紋進行匹配。例如,手機上採用指紋解鎖的過程中,在指紋採集區域採集用戶的指紋,得到指紋圖像,並將指紋圖像與該手機的用戶事先錄製的指紋進行匹配,如果匹配成功,手機解鎖。
目前,將指紋圖像與預設指紋進行匹配的效率比較低。
本發明提供了一種指紋識別方法及裝置,目的在於提高指紋圖像與預設指紋進行匹配的效率。
為了實現上述目的,本發明提供了以下技術方案:本發明提供了一種指紋識別方法,包括:採集指紋圖像;檢測指紋圖像中的非漏光區域;對非漏光區域進行標記;對標記有非漏光區域的指紋圖像進行按壓區域檢測;對按壓區域進行標記;
採用標記為按壓區域的指紋圖像進行指紋識別。
可選的,在採集指紋圖像之前,還包括:採集基礎數據,基礎數據為利用預選的不同反射率的橡膠頭完全覆蓋指紋採集區域採集得到的圖像灰度值;採集指紋圖像,包括:採集第一手指按壓數據,第一手指按壓數據為指紋圖像的灰度值;檢測指紋圖像中的非漏光區域,包括:根據基礎數據和第一手指按壓數據判定非漏光區域。
可選的,根據基礎數據和第一手指按壓數據判定非漏光區域,包括:對多幀利用預選的不同反射率的橡膠頭完全覆蓋指紋採集區域採集得到的圖像灰度值進行加權平均,得到基礎數據的均值矩陣;用第一手指按壓數據與均值矩陣相減,得到差值矩陣;統計差值矩陣中像素值大於預設閾值的像素點的數量;在數量小於預設數量閾值的情況下,判定指紋圖像為非漏光區域;設置第一閾值,用於排除漏光造成的像素數量大於第一閾值的手指圖像區域;計算差值矩陣中的最大值與最小值間的差值,得到差異值;依據差值矩陣的最小值和差值矩陣的差異值,設置第二閾值;用於排除漏光造成的像素數量和基礎數據差異大於第二閾值的手指圖
像區域;遍歷第一手指按壓數據中的像素點,若第一手指按壓數據的第i行第j列的像素點的像素值大於第一閾值,並且,所差值矩陣的第i行第j列的數值大於第二閾值,則確定手指按壓數據中,第i行第j列的像素點為漏光像素點;否則,第i行第j列的像素點為非漏光像素點;將第一手指按壓數據中,非漏光像素點組成的區域,作為非漏光區域。
可選的,對標記有非漏光區域的指紋圖像進行按壓區域檢測,包括:對標記有非漏光區域的指紋圖像進行預設的清晰度處理操作,得到處理後圖像;獲取第二手指按壓數據;第二手指按壓數據為處理後圖像的灰度值;依據第二手指按壓數據,生成灰度直方圖;依據灰度直方圖,確定處理後的圖像中的按壓區域。
可選的,對標記有非漏光區域的指紋圖像進行預設的清晰度處理操作,得到處理後的圖像,包括:對標記有非漏光區域的指紋圖像進行解析及歸一化操作,得到解析圖像;對解析圖像中的非漏光區域進行濾波,得到處理後圖像。
可選的,依據第二手指按壓數據,生成灰度直方圖,包括:對第二手指按壓數據建立灰度直方圖,得到中間灰度直方
圖;對中間灰度直方圖進行平滑處理,得到灰度直方圖。
可選的,依據灰度直方圖,確定處理後的圖像中的按壓區域,包括:搜索灰度直方圖,得到峰值以及峰值索引值;峰值為灰度直方圖中的最大頻率值;峰值索引值為灰度直方圖中峰值對應的灰度索引值;將灰度直方圖中,沿灰度索引值遞減方向,與峰值索引值的差值為預設差值的灰度索引值,作為搜索灰度索引值;執行以下檢測流程:對於以搜索灰度索引值為起點且沿灰度索引值遞減方向的預設第一數量的灰度索引值,計算灰度直方圖中對應的頻率值之和,得到搜索灰度索引值的左取值;對於以搜索灰度索引值為起點且沿灰度索引值遞增方向的預設第一數量的索引值,計算灰度直方圖中對應的頻率值之和,得到搜索灰度索引值的右取值;計算搜索灰度索引值的左取值與右取值的比值,得到搜索灰度索引值的比值;在搜索灰度索引值的比值小於預設第三閾值的情況下,將沿灰度索引值遞減方向,與搜索灰度索引值的差值為預設差值的灰度索引值,更新為下一搜索灰度索引值;在搜索灰度索引值小於預設灰度索引值的情況下,則將處理
後圖像中的非漏光區域作為按壓區域。
可選的,還包括:在搜索灰度索引值的比值大於預設第三閾值的情況下,確定對應灰度索引值作為第一灰度索引值;將第一灰度索引值對應的頻率值,作為第一峰值;統計灰度直方圖中,沿灰度索引值遞減方向搜尋得到第二峰值;將第二峰值對應的灰度索引值,作為第二灰度索引值;在第一灰度索引值與第二灰度索引值的差值的絕對值大於預設的第四閾值,並且,第一峰值與第二峰值的差值的絕對值大於預設的第五閾值的情況下,將第一灰度索引值作為臨界灰度索引值。
遍歷處理後圖像,若處理後圖像中的第i行第j列的像素點的灰度值小於臨界灰度索引值指示的灰度值,則第i行第j列的像素點為非按壓像素點;若處理後圖像中的第i行第j列的像素點的灰度值不小於臨界灰度索引值指示的灰度值,則第i行第j列的像素點為按壓像素點;將處理後圖像中,按壓像素點構成的區域為按壓區域。
可選的,還包括:在第一灰度索引值與第二灰度索引值的差值的絕對值小於預設的第四閾值,或者,第一峰值與第二峰值的差值的絕對值小於預設的第五閾值的情況下,將與第一灰度索引值的差值為預設差值的灰度索引值,作為當下搜索灰度索引值;計算當下搜索灰度索引值的左取值與右取值的比值,得到當
下搜索灰度索引值的比值;設置第六閾值,在連續多個搜索灰度索引值的比值小於第六閾值的情況下,統計滿足條件的灰度索引值個數,如灰度索引值個數超過第七閾值,則從第一個滿足搜索灰度索引值的比值小於第六閾值的灰度索引值,作為臨界灰度索引值。
可選的,還包括:在灰度索引值個數未超過第七閾值的情況下,將最後一個滿足搜索灰度索引值的比值小於第六閾值的灰度索引值,作為下一個當下搜索灰度索引值;計算當下搜索灰度索引值的左邊預設個數的灰度索引值的和;設置第八閾值,灰度索引值的和不超過第八閾值的情況下,則將當下搜索灰度索引值作為臨界灰度索引值。
本發明還提供了一種指紋識別裝置,指紋識別裝置包括:指紋識別晶片;指紋識別晶片中存儲有電腦程式指令,電腦程式指令由指紋識別晶片運行並執行上述任一項所述的指紋識別方法。
本發明所述的指紋識別方法及裝置中,採集指紋圖像,檢測指紋圖像中的非漏光區域,對非漏光區域進行標記,對標記有非漏光區域的指紋圖像進行按壓區域檢測,對按壓區域進行標記,採用標記為按壓區域的指紋圖像進行指紋識別。
由於按壓區域是手指指紋所在的區域,因此,本發明中,採用標記為按壓區域的指紋圖像進行指紋識別時,可以直接採用按壓區域的
指紋與預設指紋進行匹配,進而,可以提高指紋圖像與預設指紋的匹配效率。
為了更清楚地說明本發明實施例或現有技術中的技術方案,下面將對實施例或現有技術描述中所需要使用的圖式作簡單地介紹,顯而易見地,下面描述中的圖式僅僅是本發明的一些實施例,對於所屬領域中具有通常知識者來講,在不付出創造性勞動的前提下,還可以根據這些圖式獲得其他的圖式。
S1:採集指紋圖像
S2:針對已採集的指紋圖像檢測非漏光區域
S3:對非漏光區域進行標記
S4:對標記有非漏光區域的指紋圖像進行按壓區域檢測
S5:對按壓區域進行標記
S6:採用標記為按壓區域的指紋圖像進行指紋識別
S01:採集基礎數據
S11:採集第一手指按壓數據
S21:根據基礎數據和第一手指按壓數據判定非漏光區域
S211:對多幀利用預選的不同反射率的橡膠頭完全覆蓋指紋採集區域採集得到的圖像灰度值進行加權平均,得到基礎數據的均值矩陣
S212:用第一手指按壓數據與均值矩陣相減,得到差值矩陣
S213:統計差值矩陣中像素值大於預設閾值的像素點的數量
S214:判斷數量是否小於預設數量閾值
S215:確定指紋圖像為非漏光區域
S216:設置第一閾值
S217:計算差值矩陣中的最大值與最小值間的差值,得到差異值
S218:依據差值矩陣的最小值和差異值,設置第二閾值
S219:遍歷第一手指按壓數據,若第一手指按壓數據的第i行第j列的像素點的像素值大於該第一閾值且差值矩陣中該第i行第j列的數值大於該第二閾值,則確定該第i行第j列的像素為漏光像素點;否則,該第i行第j列的像素為非漏光像素點
S210:將第一手指按壓數據中,非漏光像素點組成的區域,作為非漏光區域
S41:對S4中標記有非漏光區域的指紋圖像進行預設的清晰度處理操作,得到處理後圖像
S42:獲取第二手指按壓數據
S43:依據第二手指按壓數據,生成灰度直方圖
S44:依據灰度直方圖,確定處理後圖像中的按壓區域
S441:搜索灰度直方圖,得到峰值以及峰值索引值
S442:將灰度直方圖中,沿灰度索引值遞減方向,與峰值索引值的差值為預設差值的灰度索引值,作為搜索灰度索引值
S443:對於以搜索灰度索引值為起點且沿灰度索引值遞減方向的預設第一數量的灰度索引值,計算灰度直方圖中對應的頻率值之和,得到搜索灰度索引值的左取值
S444:對於以搜索灰度索引值為起點且沿灰度索引值遞增方向的預
設第一數量的索引值,計算灰度直方圖中對應的頻率值之和,得到搜索灰度索引值的右取值
S445:計算搜索灰度索引值的左取值與右取值的比值,得到搜索灰度索引值的比值
S446:判斷搜索灰度索引值的比值是否小於預設第三閾值
S447:將沿灰度索引值遞減方向,與搜索灰度索引值的差值為預設差值的灰度索引值,更新為下一搜索灰度索引值
S448:判斷搜索灰度索引值是否小於預設灰度索引值
S449:將處理後圖像中的非漏光區域作為按壓區域
S450:確定對應灰度索引值作為第一灰度索引值
S451:將第一灰度索引值對應的頻率值,作為第一峰值
S452:統計灰度直方圖中,沿灰度索引值遞減方向搜尋得到第二峰值
S453:將第二峰值對應的灰度索引值,作為第二灰度索引值
S454:判斷是否滿足第一灰度索引值與第二灰度索引值的差值的絕對值大於預設的第四閾值,並且,第一峰值與第二峰值的差值的絕對值大於預設的第五閾值
S455:將第一灰度索引值作為臨界灰度索引值
S456:將與第一灰度索引值的差值為預設差值的灰度索引值,作為當下搜索灰度索引值
S457:計算當下搜索灰度索引值的左取值與右取值的比值,得到當下搜索灰度索引值的比值
S458:設置第六閾值,在連續多個搜索灰度索引值的比值小於第六閾值的情況下,統計滿足條件的灰度索引值的個數
S459:判斷灰度索引值的個數是否超過第七閾值
S460:從第一個滿足搜索灰度索引值的比值小於第六閾值的灰度索引值,作為臨界灰度索引值
S461:將最後一個滿足搜索灰度索引值的比值小於第六閾值的灰度索引值,作為下一個當下搜索灰度索引值
S462:計算當下搜索灰度索引值的左邊預設個數的灰度索引值的和
S463:設置第八閾值,在灰度索引值的和小於第八閾值的情況下,則將當下搜索灰度索引值作為臨界灰度索引值
S464:依據臨界灰度索引值,確定處理後圖像中的按壓區域
90:指紋識別裝置
901:指紋識別晶片
圖1為本發明實施例公開的一種指紋識別方法的流程圖;圖2為本發明實施例公開的又一種指紋識別方法的流程圖;圖3(a)為本發明實施例公開的採集基礎數據得到的圖像示意圖;圖3(b)為本發明實施例公開的採集第一手指按壓數據得到的圖像示意圖;圖3(c)為本發明實施例公開的從第一手指按壓數據中判定出非漏光區域後的圖像示意圖;圖4為本發明實施例公開的又一種指紋識別方法的流程圖;圖5為本發明實施例公開的又一種指紋識別方法的流程圖;圖6(a)為本發明實施例公開的手指按壓數據對應的圖像示意圖;圖6(b)為本發明實施例公開的手指按壓數據進行解析,得到的解析數據對應的圖像示意圖;圖6(c)為本發明實施例公開的從解析數據中識別出的按壓區域的二
值圖像示意圖;圖7(a)為本發明實施例公開的一種按壓區域的檢測的方法的流程圖;圖7(b)為本發明實施例公開的一種按壓區域的檢測的方法的流程圖;圖8(a)為本發明實施例公開的一種處理後圖像中的非漏光區域為按壓區域的灰度直方圖的分佈示意圖;圖8(b)為本發明實施例公開的一種灰度索引值的個數超過第七閾值的灰度直方圖的分佈示意圖;圖8(c)為本發明實施例公開的一種不滿足第一峰值與第二峰值的差值條件的灰度直方圖的分佈示意圖;圖8(d)為本發明實施例公開的一種不滿足第一灰度索引值與第二灰度索引值的差值條件的灰度直方圖的分佈示意圖;圖9為本發明實施例公開的一種指紋識別裝置的結構示意圖。
下面將結合本發明實施例中的圖式,對本發明實施例中的技術方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本發明一部分實施例,而不是全部的實施例。基於本發明中的實施例,所屬領域中具有通常知識者在沒有做出創造性勞動前提下所獲得的所有其他實施例,都屬於本發明保護的範圍。
本發明實施例提供的指紋識別方法適用於光學式指紋識別。指紋圖像為經過光學成像系統生成的指紋圖像。
圖1為本發明實施例提供的一種指紋識別方法,包括以下步驟:
S1:採集指紋圖像。
在本步驟中,指紋圖像為待進行指紋識別的圖像。
具體的,指紋圖像的採集方式為現有技術,這裡不再贅述。
S2:針對已採集的指紋圖像檢測非漏光區域。
在本步驟中,非漏光區域指:指紋採集區域中被覆蓋的區域成像後,對應在指紋圖像中的區域。
S3:對非漏光區域進行標記。
具體的,在本步驟中,需要標記出指紋圖像中的非漏光區域。具體的標記方式為現有技術,這裡不再贅述。
S4:對標記有非漏光區域的指紋圖像進行按壓區域檢測。
在本步驟中,按壓區域為指紋圖像採集過程中,指紋採集區域中手指按壓的區域成像後,在指紋圖像中對應的區域。
在本步驟中,從標記有非漏光區域的指紋圖像中檢測按壓區域。
S5:對按壓區域進行標記。
在本步驟中,需要標記出指紋圖像中按壓區域,以便依據標記出的按壓區域進行後續處理。
S6:採用標記為按壓區域的指紋圖像進行指紋識別。
在本步驟中,對標記有按壓區域的指紋圖像進行的指紋識別過程包括:採用標記有按壓區域的指紋圖像中的按壓區域中的指紋資訊與事先錄製的指紋資訊進行匹配。
在本實施例中,由於按壓區域是手指指紋所在的區域,因
此,本實施例中,採用標記為按壓區域的指紋圖像進行指紋識別時,可以直接採用按壓區域的指紋資訊與預設指紋資訊進行匹配,進而,可以提高指紋圖像與預設指紋的匹配效率。
其中,本發明實施例提供的一種指紋識別方法,在執行S1之前還執行以下步驟:
S01:採集基礎數據。
在本步驟中,基礎數據為利用預選的不同反射率的橡膠頭完全覆蓋指紋採集區域採集到的圖像灰度值。具體的,本步驟中採集的基礎數據得到的圖像如圖3(a)所示。
其中,S1具體包含以下子步驟:
S11:採集第一手指按壓數據。
在本步驟中,第一手指按壓數據為指紋圖像的灰度值。具體的,採集第一手指按壓數據得到的圖像如圖3(b)所示。
S2具體包含以下子步驟:
S21:根據基礎數據和第一手指按壓數據判定非漏光區域。
在本步驟中,由於基礎數據是利用預選的不同反射率的橡膠頭完全覆蓋指紋採集區域採集到的圖像灰度值,因此,依據基礎數據和第一手指按壓數據,可以判定出第一手指按壓數據中的非漏光區域。
具體的,如果將第一手指按壓數據中的非漏光區域的位置點的取值設置為1,除非漏光區域外的漏光區域的位置點的取值設置為0,得到從第一手指按壓數據中判定出非漏光區域後的圖像,如圖3(c)所示。
其中,本發明實施例提供的一種指紋識別方法,S21具體包
含以下子步驟:
S211:對多幀利用預選的不同反射率的橡膠頭完全覆蓋指紋採集區域採集得到的圖像灰度值進行加權平均,得到基礎數據的均值矩陣。
在本實施例中,採用預選的不同反射率的橡膠頭完全覆蓋指紋採集區域分別進行採集,具體的,可以在一次採集過程中採用一種反射率的橡膠頭完全覆蓋指紋採集區域,得到本次採集得到的圖像灰度值,作為本次採集得到的基礎數據,因此,得到多次分別採集得到的基礎數據,其中,每次採集得到的基礎數據是一個矩陣。
在本步驟中,對於每次採集得到的基礎數據中,相同位置的灰度值進行加權平均,為了描述方便,將相同位置的灰度值加權平均,所得到的矩陣,稱為基礎數據的均值矩陣。
S212:用第一手指按壓數據與均值矩陣相減,得到差值矩陣。
在本步驟中,將第一手指按壓矩陣與均值矩陣中,相同位置的取值相減,得到差值矩陣。
S213:統計差值矩陣中像素值大於預設閾值的像素點的數量。
在本步驟中,差值矩陣中像素值大於預設閾值的像素點,表示第一手指按壓數據中與均值矩陣中,像素值差距較大的像素點,該像素點構成的區域可能是漏光區域,因此,在本步驟中,統計差值矩陣中像素值大於預設閾值的像素點的數量。
在本步驟中,預設閾值的取值根據實際情況進行設定,本實施例不對預設閾值的具體取值作限定。
S214:判斷數量是否小於預設數量閾值,如果是,則執行S215,如果否,則執行S216。
在本步驟中,通過S213統計得到的數量與預設數量閾值進行比較,判斷第一手指按壓數據中是否存在漏光區域。
S215:確定指紋圖像為非漏光區域。
在數量小於預設數量閾值的情況下,執行本步驟,表明指紋圖像中不存在漏光區域,即指紋圖像為非漏光區域。
S216:設置第一閾值。
在數量不小於預設數量閾值的情況下,執行本步驟。在本步驟中,第一閾值用於排除漏光造成的和基礎數據差異過大的圖像區域。在本步驟中,第一閾值可以為經驗值,具體的,第一閾值需要根據實際情況進行設定,本實施例不對第一閾值的具體取值作限定。
S217:計算差值矩陣中的最大值與最小值間的差值,得到差異值。
在本步驟中,為了描述方便,將差值矩陣中的最大值與最小值間的差值,稱為差異值。
S218:依據差值矩陣的最小值和差異值,設置第二閾值。
在本實施例中,第二閾值用於排除漏光造成的像素數量和基礎數據差異大於該第二閾值的圖像區域。
S219:遍歷第一手指按壓數據,若第一手指按壓數據的第i
行第j列的像素點的像素值大於該第一閾值且差值矩陣中該第i行第j列的數值大於該第二閾值,則確定該第i行第j列的像素為漏光像素點;否則,該第i行第j列的像素為非漏光像素點。
在本步驟中,遍歷第一手指按壓數據中的每個像素點,以第i行第j列位置的像素點為例,在第一手指按壓數據中第i行第j列的像素點的像素值大於該第一閾值,並且,差值矩陣中該第i行第j列的數值大於該第二閾值,則確定該第一手指按壓數據中,第i行第j列的像素點為漏光像素點。否則,確定該第一手指按壓數據中,第i行第j列的像素點為非漏光像素點。
S210:將第一手指按壓數據中,非漏光像素點組成的區域,作為非漏光區域。
其中,本發明實施例提供的一種指紋識別方法,S4具體包含如下步驟:
S41:對S4中標記有非漏光區域的指紋圖像進行預設的清晰度處理操作,得到處理後圖像。
為了使得標記有非漏光區域的指紋圖像更清晰,在本步驟中,對標記有非漏光區域的指紋圖像進行預設的清晰度處理操作。為了描述方便,將進行預設的清晰度處理操作得到的圖像,稱為處理後圖像。
S42:獲取第二手指按壓數據。
在本步驟中,第二手指按壓數據為處理後圖像的灰度值。
S43:依據第二手指按壓數據,生成灰度直方圖。
依據第二手指按壓數據生成灰度直方圖的過程為現有技
術,這裡不再贅述。
S44:依據灰度直方圖,確定處理後圖像中的按壓區域。
由於處理後圖像的灰度直方圖表示:按照像素值從小到大的順序,處理後圖像中各像素值的像素點數量,即反映了處理後圖像中各像素值的像素點數量的分佈情況,因此,依據處理後圖像的灰度直方圖,可以確定處理後圖像中的按壓區域。
為了更直觀的展示對手指按壓數據中的按壓區域,如下圖6(a)、圖6(b)及圖6(c)所示,其中,圖6(a)為手指按壓數據對應的圖像示意圖,圖6(b)為對圖6(a)的手指按壓數據進行解析,得到的解析數據對應的圖像示意圖,圖6(c)為圖6(b)所示的解析數據中識別出的按壓區域後,將按壓區域的取值設置為1,除按壓區域外的位置的取值設置為0,得到的圖像示意圖。從圖6(c)可以直觀看出按壓區域的位置。
其中,S41中對標記有非漏光區域的指紋圖像進行預設的清晰度處理操作,具體可以包含如下步驟:
S411:對標記有非漏光區域的指紋圖像進行解析及歸一化操作,得到解析圖像。
在本步驟中,為了使得對標記有非漏光區域的指紋圖像更清晰,則對標記有非漏光區域的指紋圖像進行解析操作。其中,解析及歸一化操作的具體實現方式為現有技術,這裡不再贅述。為了描述方便,將解析及歸一化操作得到的圖像,稱為解析圖像。
S412:對解析圖像進行濾波,得到處理後圖像。
為了進一步使得解析圖像更清晰,在本步驟中,對解析圖像進行濾波,得到處理後圖像。其中,濾波的具體實現方式為現有技術,這裡不再贅述。
其中,S43依據第二手指按壓數據,生成灰度直方圖,具體包含如下步驟:
S431:對第二手指按壓數據建立灰度直方圖,得到中間灰度直方圖。
在本步驟中,對第二手指按壓數據建立灰度直方圖的具體實現過程為現有技術,這裡不再贅述。
S432:對中間灰度直方圖進行平滑處理,得到該灰度直方圖。
在本步驟中,對中間灰度直方圖進行平滑處理的具體實現過程為現有技術,這裡不再贅述。
如圖7所示,其中,本發明實施例提供的一種指紋識別方法,S44具體包含如下步驟:
S441:搜索灰度直方圖,得到峰值以及峰值索引值。
在本實施例中,灰度直方圖的橫坐標為灰度索引值,可以採用index表示,縱坐標為頻率值,可以採用value表示。在本步驟中,峰值為灰度直方圖中的最大頻率值。峰值索引值為灰度直方圖中峰值對應的灰度索引值。
S442:將灰度直方圖中,沿灰度索引值遞減方向,與峰值索引值的差值為預設差值的灰度索引值,作為搜索灰度索引值。
在本步驟中,預設差值可以為預設數量,其中,預設數量的取值可以根據實際情況進行設定,本實施例不對預設數量的具體取值作限定。
例如,峰值索引值為120,預設差值的取值為5,則在本步驟中,搜索灰度索引值為115。
S443:對於以搜索灰度索引值為起點且沿灰度索引值遞減方向的預設第一數量的灰度索引值,計算灰度直方圖中對應的頻率值之和,得到搜索灰度索引值的左取值。
在本步驟中,預設第一數量的取值可以根據實際情況進行設定,例如,可以取值為5,當然,還可以為其他取值,本實施例不對第一數量的具體取值作限定。
還以搜索灰度索引值為115為例,如果本步驟中第一數量的取值為5,則以115為起點且沿灰度索引值遞減方向的5個灰度索引值,即為從111到115的五個索引灰度值。在本步驟中,計算灰度直方圖中,從111-115這五個索引灰度值分別對應的頻率值之和,為了描述方便,將計算得到的頻率值之和稱為搜索灰度索引值的左取值,即得到搜索灰度索引值115的左取值。
S444:對於以搜索灰度索引值為起點且沿灰度索引值遞增方向的預設第一數量的索引值,計算灰度直方圖中對應的頻率值之和,得到搜索灰度索引值的右取值。
還以搜索灰度索引值為115為例,如果本步驟中第一數量的取值為5,則以115為起點且沿灰度索引值遞增方向的5個灰度索引值,即
為從116到120的五個索引灰度值。在本步驟中,計算灰度直方圖中,從116-120這五個索引灰度值分別對應的頻率值之和,為了描述方便,將計算得到的頻率值之和稱為搜索灰度索引值的右取值,即得到搜索灰度索引值115的右取值。
S445:計算搜索灰度索引值的左取值與右取值的比值,得到搜索灰度索引值的比值。
還以搜索灰度索引值為115為例,在本步驟中,則計算搜索灰度索引值115的左取值與右取值的比值,即左取值除以右比值。
S446:判斷搜索灰度索引值的比值是否小於預設第三閾值,如果是,則執行S447,如果否,則執行S450。
在本步驟中,搜索灰度索引值的比值小於預設第三閾值,表明灰度直方圖中,從比搜索灰度索引值小於預設差值的灰度索引值,到比搜索灰度索引值大預設差值的灰度索引值,對應的曲線是平滑下滑,並未出現拐點。即假設搜索灰度索引值為115,預設差值的取值為5,則從灰度索引值111-120在灰度直方圖中對應的曲線是平滑下滑的。
在本步驟中,預設第三閾值的取值可以為經驗值,例如,0.8~0.9,當然,在實際中,第三閾值的取值還可以其他值,但是,第三閾值的取值必須小於1。
S447:將沿灰度索引值遞減方向,與搜索灰度索引值的差值為預設差值的灰度索引值,更新為下一搜索灰度索引值。
在搜索灰度索引值的比值小於預設第三閾值的情況下執行本步驟,還以搜索灰度索引值為115,預設差值為5為例,在本步驟中,沿
灰度索引值遞減方向,與搜索灰度索引值115的差值為5的灰度索引值為110,即將灰度索引值110更新為下一個搜索灰度索引值。
S448:判斷搜索灰度索引值是否小於預設灰度索引值,如果否,則執行S443,如果是,則執行S449。
在本步驟中,預設灰度索引值為灰度直方圖中較小的灰度索引值,即接近於灰度直方圖中最小灰度值0。如果搜索灰度索引值小於預設灰度索引值,表明從峰值索引值開始到預設灰度索引值中的每個搜索灰度索引值的比值都小於預設第三閾值,如圖8(a)所示,在圖8(a)中,從峰值索引值到預設灰度索引值,每個搜索灰度索引值的比值都小於預設第三閾值。
S449:將處理後圖像中的非漏光區域作為按壓區域。
在本步驟中,將處理後圖像中的非漏光區域作為按壓區域。
S450:確定對應灰度索引值作為第一灰度索引值。
在搜索灰度索引值的比值大於該預設第三閾值的情況下,執行本步驟,即將搜索灰度索引值作為第一灰度索引值。
S451:將第一灰度索引值對應的頻率值,作為第一峰值。
在本步驟中,將灰度直方圖中第一灰度索引值對應的頻率值,作為第一峰值。
S452:統計灰度直方圖中,沿灰度索引值遞減方向搜尋得到第二峰值。
在本步驟中,從第一灰度索引值開始沿灰度索引值遞減方向搜尋最大頻率值,並將搜尋的最大頻率值作為第二峰值。
S453:將第二峰值對應的灰度索引值,作為第二灰度索引值。
具體的,將灰度直方圖中第二峰值對應的灰度索引值,作為第二灰度索引值。
S454:判斷是否滿足第一灰度索引值與第二灰度索引值的差值的絕對值大於預設的第四閾值,並且,第一峰值與第二峰值的差值的絕對值大於預設的第五閾值,如果是,則執行S455,如果否,則執行S456。
在本步驟中,如果第一灰度索引值與第二灰度索引值的差值的絕對值大於預設的第四閾值,並且,第一峰值與第二峰值的差值的絕對值大於預設的第五閾值,則表明灰度直方圖中從第一灰度索引值到第二灰度索引值對應的曲線,是一個在灰度索引值以及頻率值上都具有較大跨度的波峰,因此,灰度直方圖中小於第一灰度索引值的灰度索引值,在處理後圖像中指示的像素點都是非按壓像素點。
如果第一灰度索引值與第二灰度索引值的差值的絕對值小於預設的第四閾值,或者,第一峰值與第二峰值的差值的絕對值小於預設的第五閾值,則表明灰度直方圖中,從第一灰度索引值到第二灰度索引值對應的曲線,是一段比較平緩的曲線,不能確定第一灰度索引值為臨界灰度索引值,因此,執行S456,繼續進行判斷。
具體的,為了更直觀的展示第一灰度索引值與第二灰度索引值的差值的絕對值小於預設的第四閾值的情況下,灰度直方圖的分佈示意圖,如圖8(d)所示,在該圖8(d)中,第一灰度索引值與第二灰度索引值間的差值的絕對值較小,因此,第一灰度索引值與第二灰度索引值的差
值的絕對值小於第四閾值。
為了更直觀的展示第一峰值與第二峰值的差值的絕對值小於預設的第五閾值的情況下,灰度直方圖的分佈示意圖,如圖8(c)所示,在該圖8(c)中,第一峰值與第二峰值間的差值的絕對值較小,因此,第一峰值與第二峰值的差值的絕對值小於第五閾值。
S455:將第一灰度索引值作為臨界灰度索引值。
在第一灰度索引值與第二灰度索引值的差值的絕對值大於預設的第四閾值,並且,第一峰值與第二峰值的差值的絕對值大於預設的第五閾值的情況下,執行本步驟,具體的,將第一灰度索引值作為臨界灰度索引值。
執行完本步驟後,執行S464。
S456:將與第一灰度索引值的差值為預設差值的灰度索引值,作為當下搜索灰度索引值。
例如,第一灰度索引值為95,預設差值的取值為5,則在本步驟中,將灰度索引值90作為當下灰度索引值。
S457:計算當下搜索灰度索引值的左取值與右取值的比值,得到當下搜索灰度索引值的比值。
具體的,計算當下搜索灰度索引值的左取值與右取值的比值的原理,可以參考S443~S445,得到當下搜索灰度索引值的比值。
S458:設置第六閾值,在連續多個搜索灰度索引值的比值小於第六閾值的情況下,統計滿足條件的灰度索引值的個數。
在本步驟中,從當下搜索灰度索引值為起點,沿灰度索引值
遞減方向繼續搜索,統計從當下搜索灰度索引值開始,對應的比值小於第六閾值的連續搜索灰度索引值的個數。在本步驟中,第六閾值的取值為經驗值,可以根據實際情況進行設定,本實施例不對第六閾值的取值作限定。
例如,當下搜索灰度索引值為90,統計得到的對應的比值小於第六閾值的連續的搜索灰度索引值依次為:90、85、80、75和70。即統計得到的比值小於第六閾值的連續的搜索灰度索引值的個數為5。
S459:判斷灰度索引值的個數是否超過第七閾值,如果是,則執行S460,如果否,則執行S461。
在本步驟中,第七閾值的取值為經驗值,可以根據實際情況進行設定,本實施例不對第七閾值的取值作限定。
假設第七閾值的取值為4,由於統計得到的比值小於第六閾值的連續的搜索灰度索引值的個數為5,則需執行S460。
為了更清楚的描述灰度索引值的個數超過第七閾值的情況,如圖8(b)所示,在圖8(b)中,可以直觀的看到,第一搜索灰度索引值。還可以直觀的看到從當下搜索灰度索引值開始並且比值小於預設第六閾值的連續的灰度索引值的個數,大於第七閾值的灰度直方圖。
S460:從第一個滿足搜索灰度索引值的比值小於第六閾值的灰度索引值,作為臨界灰度索引值。
在本步驟中,將統計的比值小於第六閾值的連續的灰度索引值中,第一個滿足比值小於第六閾值的灰度索引值,作為臨界灰度索引。
還以統計得到的對應的比值小於第六閾值的連續的搜索灰度索引值依次為:90、85、80、75和70為例,則在本步驟中,將90作為
臨界灰度索引值。
為了更直觀的展示滿足本步驟的灰度直方圖的示意圖,如圖8(b)所示,在該圖8(b)中,可以直觀地看出比值小於第六閾值的連續的灰度索引值的個數超過第七閾值的情況下,灰度直方圖的分佈示意圖。
執行完本步驟後,執行S464。
S461:將最後一個滿足搜索灰度索引值的比值小於第六閾值的灰度索引值,作為下一個當下搜索灰度索引值。
在本步驟中,假設比值小於第六閾值的連續的搜索灰度索引值中,最後一個滿足比值小於第六閾值的搜索灰度索引值為20,則在本步驟中,將20作為下一個當下搜索灰度索引值。
S462:計算當下搜索灰度索引值的左邊預設個數的灰度索引值的和。
為了判斷當下搜索灰度索引值是否已經比較靠近灰度直方圖的最小灰度值0,在本步驟中,通過計算當下搜索灰度索引值的左邊預設個數的灰度索引值的和,進行判斷。其中,預設個數的取值可以根據實際情況設定,本實施例不對預設個數的具體取值作限定。
假設當下搜索灰度索引值為20,預設個數為5,則在本步驟中,計算灰度索引值20、19、18、17以及16的和,得到灰度索引值的和。
S463:設置第八閾值,在灰度索引值的和小於第八閾值的情況下,則將當下搜索灰度索引值作為臨界灰度索引值。
在本步驟中,第八閾值的取值為經驗值,可以根據實際情況設定,只要在灰度索引值的和小於第八閾值時,表明當下搜索灰度索引值
較小即可,本實施例不對第八閾值的具體取值作限定。
在本步驟中,在灰度索引值的和小於第八閾值的情況下,表明當下搜索灰度索引值較小,因此,將當下搜索灰度索引值作為臨界灰度索引值。假設當下搜索灰度索引值為20,預設個數為5,並且,計算灰度索引值20、19、18、17以及16之和,得到灰度索引值的和小於第八閾值的情況下,則將灰度索引值20作為臨界灰度索引值。
執行完本步驟後,執行S464。
S464:依據臨界灰度索引值,確定處理後圖像中的按壓區域。
具體的,可以遍歷處理後圖像,以處理後圖像中第i行第j列像素點為例,若該第i行第j列的像素點的灰度值小於臨界灰度索引值指示的灰度值,則該第i行第j列的像素點為非按壓像素點,若該第i行第j列的像素點的灰度值不小於臨界灰度索引值指示的灰度值,則該第i行第j列的像素點為按壓像素點,即可以確定出處理後圖像中的按壓像素點。並將處理後圖像中,按壓像素點構成的區域為按壓區域。
圖9為本發明實施例提供的一種指紋識別裝置90,包括指紋識別晶片901,其中,指紋識別晶片901中存儲有電腦程式指令,其中,電腦程式指令由指紋識別晶片901運行,執行上述所述的指紋識別方法。
所屬領域中具有通常知識者應明白,本發明的實施例可提供為方法、系統或電腦程式產品。因此,本發明可採用完全硬體實施例、完全軟體實施例或結合軟體和硬體方面的實施例的形式。而且,本發明可採用在一個或多個其中包含有電腦可用程式代碼的電腦可用存儲介質(包括
但不限於磁碟記憶體、CD-ROM、光學記憶體等)上實施的電腦程式產品的形式。
以上僅為本發明的實施例而已,並不用於限制本發明。對於所屬領域中具有通常知識者來說,本發明可以有各種更改和變化。凡在本發明的精神和原理之內所作的任何修改、等同替換、改進等,均應包含在本發明的申請專利範圍之內。
S1:採集指紋圖像
S2:針對已採集的指紋圖像檢測非漏光區域
S3:對非漏光區域進行標記
S4:對標記有非漏光區域的指紋圖像進行按壓區域檢測
S5:對按壓區域進行標記
S6:採用標記為按壓區域的指紋圖像進行指紋識別
Claims (11)
- 一種指紋識別方法,包括:採集一指紋圖像;檢測該指紋圖像中的一非漏光區域,其中,該非漏光區域為指紋採集過程中被覆蓋的區域成像後,對應在指紋圖像中的區域;對該非漏光區域進行標記;對標記有該非漏光區域的該指紋圖像進行一按壓區域檢測,其中,該按壓區域為指紋圖像採集過程中,指紋採集區域中手指按壓的區域成像後,在指紋圖像中對應的區域;對該按壓區域進行標記;及採用標記為該按壓區域的該指紋圖像進行指紋識別。
- 如請求項1所述之指紋識別方法,其中,在採集該指紋圖像之前,還包括:採集一基礎數據,該基礎數據為利用預選的不同反射率的複數個橡膠頭分別多次完全覆蓋一指紋採集區域採集得到的複數個圖像灰度值;採集該指紋圖像,包括:採集一第一手指按壓數據,該第一手指按壓數據為該指紋圖像的一灰度值;及檢測該指紋圖像中的該非漏光區域,包括:根據該基礎數據和該第一手指按壓數據判定該非漏光區域。
- 如請求項2所述之指紋識別方法,其中,根據該基礎數據和該第一手指按壓數據判定該非漏光區域,包括:對利用預選的不同反射率的複數個橡膠頭分別多次完全覆蓋該指紋採集區域採集得到的複數個圖像灰度值進行加權平均,得到該基礎數據的一均值矩陣;用該第一手指按壓數據與該均值矩陣相減,得到一差值矩陣;統計該差值矩陣中一像素值大於一預設閾值的一像素點的數量;在該統計數量小於一預設數量閾值的情況下,判定該指紋圖像為該非漏光區域;設置一第一閾值,用於排除漏光造成的像素點的像素值大於該第一閾值的手指圖像區域;計算該差值矩陣中的最大值與最小值間的差值,得到一差異值;依據該差值矩陣的最小值和該差值矩陣的該差異值,設置一第二閾值,用於排除漏光造成的像素值和該基礎數據差異大於該第二閾值的手指圖像區域;遍歷該第一手指按壓數據中的該像素點,若該第一手指按壓數據的第i行第j列的該像素點的該像素值大於該第一閾值,並且,該差值矩陣的第i行第j列的數值大於該第二閾值,則確定該第一手指按壓數據中,第i行第j列的該像素點為一漏光像素點;否則,第i行第j列的該像素點為一非漏光像素點;及 將該第一手指按壓數據中,該非漏光像素點組成的區域,作為該非漏光區域。
- 如請求項1所述之指紋識別方法,其中,對標記有該非漏光區域的該指紋圖像進行該按壓區域檢測,包括:對標記有該非漏光區域的該指紋圖像進行預設的清晰度處理操作,得到一處理後圖像;獲取一第二手指按壓數據,該第二手指按壓數據為該處理後圖像的一灰度值;依據該第二手指按壓數據,生成一灰度直方圖;及依據該灰度直方圖,確定該處理後圖像中的該按壓區域。
- 如請求項4所述之指紋識別方法,其中,對標記有該非漏光區域的該指紋圖像進行預設的清晰度處理操作,得到該處理後圖像,包括:對標記有該非漏光區域的該指紋圖像進行解析及歸一化操作,得到一解析圖像;及對該解析圖像中的該非漏光區域進行濾波,得到該處理後圖像。
- 如請求項4所述之指紋識別方法,其中,依據該第二手指按壓數據,生成該灰度直方圖,包括:對該第二手指按壓數據建立該灰度直方圖,得到一中間灰度直方圖;及對該中間灰度直方圖進行平滑處理,得到該灰度直方圖。
- 如請求項6所述之指紋識別方法,其中,依據該灰度直方圖,確定該處理後圖像中的該按壓區域,包括:搜索該灰度直方圖,得到一峰值以及一峰值索引值;該峰值為該灰度直方圖中的一最大頻率值;該峰值索引值為該灰度直方圖中該峰值對應的一灰度索引值;將該灰度直方圖中,沿該灰度索引值遞減方向,與該峰值索引值的差值為預設差值的該灰度索引值,作為一搜索灰度索引值;及執行以下檢測流程:對於以該搜索灰度索引值為起點且沿該灰度索引值遞減方向的預設第一數量的該灰度索引值,計算該灰度直方圖中對應的頻率值之和,得到該搜索灰度索引值的一左取值;對於以該搜索灰度索引值為起點且沿該灰度索引值遞增方向的預設第一數量的該灰度索引值,計算該灰度直方圖中對應的頻率值之和,得到該搜索灰度索引值的一右取值;計算該搜索灰度索引值的該左取值與該右取值的比值,得到該搜索灰度索引值的比值;在該搜索灰度索引值的比值小於一預設第三閾值的情況下,將沿該灰度索引值遞減方向,與該搜索灰度索引值的差值為預設差值的該灰度索引值,更新為下一該搜索灰度索引值;及在該搜索灰度索引值小於一預設灰度索引值的情況下,則將該處理後圖像中的該非漏光區域作為該按壓區域。
- 如請求項7所述之指紋識別方法,還包括: 在該搜索灰度索引值的比值大於該預設第三閾值的情況下,確定對應該搜索灰度索引值作為一第一灰度索引值;將該第一灰度索引值對應的頻率值,作為一第一峰值;統計該灰度直方圖中,沿該灰度索引值遞減方向搜尋得到一第二峰值,其中,從該第一灰度索引值開始沿灰度索引值遞減方向搜尋最大頻率值,並將搜尋的最大頻率值作為第二峰值;將該第二峰值對應的該灰度索引值,作為一第二灰度索引值;在該第一灰度索引值與該第二灰度索引值的差值的絕對值大於一預設第四閾值,並且,該第一峰值與該第二峰值的差值的絕對值大於一預設第五閾值的情況下,將該第一灰度索引值作為一臨界灰度索引值;遍歷該處理後圖像,若該處理後圖像中的第i行第j列的一像素點的該灰度值小於該臨界灰度索引值指示的該灰度值,則第i行第j列的該像素點為一非按壓像素點;若該處理後圖像中的第i行第j列的該像素點的該灰度值不小於該臨界灰度索引值指示的該灰度值,則第i行第j列的該像素點為一按壓像素點;及將該處理後圖像中,該按壓像素點構成的區域為該按壓區域。
- 如請求項8所述之指紋識別方法,還包括:在該第一灰度索引值與該第二灰度索引值的差值的絕對值小於該預設第四閾值,或者,該第一峰值與該第二峰值的差值的絕對值小於 該預設第五閾值的情況下,將與該第一灰度索引值的差值為預設差值的該灰度索引值,作為當下該搜索灰度索引值;計算當下該搜索灰度索引值的該左取值與該右取值的比值,得到當下該搜索灰度索引值的比值;及設置一第六閾值,在連續多個該搜索灰度索引值的比值小於該第六閾值的情況下,統計滿足條件的該灰度索引值個數,如該灰度索引值個數超過一第七閾值,則從第一個滿足該搜索灰度索引值的比值小於該第六閾值的該灰度索引值,作為該臨界灰度索引值。
- 如請求項9所述之指紋識別方法,還包括:在該灰度索引值個數未超過該第七閾值的情況下,將最後一個滿足該搜索灰度索引值的比值小於該第六閾值的該灰度索引值,作為下一個當下該搜索灰度索引值;計算當下該搜索灰度索引值的左邊預設個數的該灰度索引值的和;及設置一第八閾值,在該灰度索引值的和不超過該第八閾值的情況下,則將當下該搜索灰度索引值作為該臨界灰度索引值。
- 一種指紋識別裝置,包括:一指紋識別晶片;及該指紋識別晶片中存儲有一電腦程式指令,該電腦程式指令由該指紋識別晶片運行並執行如請求像1至10中任一項所述之指紋識別方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911382868.1A CN111160244B (zh) | 2019-12-27 | 2019-12-27 | 一种指纹识别方法及装置 |
CN201911382868.1 | 2019-12-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202125293A TW202125293A (zh) | 2021-07-01 |
TWI796552B true TWI796552B (zh) | 2023-03-21 |
Family
ID=70558707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109106809A TWI796552B (zh) | 2019-12-27 | 2020-03-02 | 指紋識別方法及裝置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111160244B (zh) |
TW (1) | TWI796552B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112686802B (zh) * | 2020-12-14 | 2024-05-31 | 天津极豪科技有限公司 | 图像拼接方法、装置、设备和存储介质 |
CN112507917A (zh) * | 2020-12-16 | 2021-03-16 | 北京集创北方科技股份有限公司 | 一种光学指纹识别方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI503757B (zh) * | 2014-05-30 | 2015-10-11 | Image Match Desgin Inc | 指紋感測器 |
CN107918750A (zh) * | 2016-10-08 | 2018-04-17 | 深圳指瑞威科技有限公司 | 一种自适应的指纹图像调整方法 |
US9977947B2 (en) * | 2015-08-25 | 2018-05-22 | Gingy Technology Inc. | Fingerprint identification method and device thereof |
CN109918978A (zh) * | 2017-12-12 | 2019-06-21 | 财团法人工业技术研究院 | 指纹辨识装置 |
CN110036394A (zh) * | 2019-02-20 | 2019-07-19 | 深圳市汇顶科技股份有限公司 | 用于指纹识别的方法、装置和终端设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205439B (zh) * | 2015-02-13 | 2017-05-03 | 比亚迪股份有限公司 | 指纹重叠区域面积的计算方法及电子装置 |
CN107132977B (zh) * | 2017-04-17 | 2020-12-01 | 努比亚技术有限公司 | 一种触屏边缘滑动的快捷操作方法及其装置 |
CN107122748B (zh) * | 2017-04-28 | 2021-07-30 | 北京小米移动软件有限公司 | 指纹识别方法、装置、设备及存储介质 |
WO2020037683A1 (zh) * | 2018-08-24 | 2020-02-27 | 深圳市汇顶科技股份有限公司 | 背光模组、屏下指纹识别方法、装置和电子设备 |
CN109614865B (zh) * | 2018-11-06 | 2021-04-09 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
CN109976615B (zh) * | 2019-03-28 | 2021-03-12 | Oppo广东移动通信有限公司 | 指纹图像处理方法及相关装置 |
-
2019
- 2019-12-27 CN CN201911382868.1A patent/CN111160244B/zh active Active
-
2020
- 2020-03-02 TW TW109106809A patent/TWI796552B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI503757B (zh) * | 2014-05-30 | 2015-10-11 | Image Match Desgin Inc | 指紋感測器 |
US9977947B2 (en) * | 2015-08-25 | 2018-05-22 | Gingy Technology Inc. | Fingerprint identification method and device thereof |
CN107918750A (zh) * | 2016-10-08 | 2018-04-17 | 深圳指瑞威科技有限公司 | 一种自适应的指纹图像调整方法 |
CN109918978A (zh) * | 2017-12-12 | 2019-06-21 | 财团法人工业技术研究院 | 指纹辨识装置 |
CN110036394A (zh) * | 2019-02-20 | 2019-07-19 | 深圳市汇顶科技股份有限公司 | 用于指纹识别的方法、装置和终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111160244B (zh) | 2023-10-03 |
CN111160244A (zh) | 2020-05-15 |
TW202125293A (zh) | 2021-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103824059B (zh) | 一种基于视频图像序列的人脸表情识别方法 | |
TWI796552B (zh) | 指紋識別方法及裝置 | |
KR100480781B1 (ko) | 치아영상으로부터 치아영역 추출방법 및 치아영상을이용한 신원확인방법 및 장치 | |
US8139817B2 (en) | Face image log creation | |
CN109145742B (zh) | 一种行人识别方法及系统 | |
US10558841B2 (en) | Method and apparatus for recognizing fingerprint ridge point | |
CN111797653A (zh) | 基于高维图像的图像标注方法和装置 | |
JP4884331B2 (ja) | 移動物体追跡装置 | |
CN102799653A (zh) | 一种基于空间连通域预定位的商标检测方法 | |
CN110287791B (zh) | 一种用于人脸图片的筛选方法和系统 | |
CN109218695A (zh) | 视频图像增强方法、装置、分析系统及存储介质 | |
US7720281B2 (en) | Visual characteristics-based news anchorperson segment detection method | |
US20090060348A1 (en) | Determination of Image Similarity | |
CN111507232B (zh) | 多模态多策略融合的陌生人识别方法和系统 | |
KR102458615B1 (ko) | 피부 상태 측정 장치, 이를 포함하는 피부 상태 측정 시스템 및 그 방법 | |
KR20180005440A (ko) | 진단분석 서비스를 제공하는 기능을 가지는 단말장치와, 진단분석 서비스를 제공하기 위한 프로그램 및 그 프로그램이 기록된 컴퓨터 판독 가능 기록매체 | |
CN111476160A (zh) | 损失函数优化方法、模型训练方法、目标检测方法及介质 | |
CN117853484B (zh) | 一种基于视觉的桥梁损伤智能监测方法及系统 | |
CN111291749B (zh) | 手势识别方法、装置及机器人 | |
CN113449639A (zh) | 一种物联网网关对仪表的无接触数据采集方法 | |
CN107424163A (zh) | 一种基于TextTiling的镜头边界检测方法 | |
CN109146913B (zh) | 一种人脸跟踪方法及装置 | |
JP2018093423A (ja) | 画像処理プログラム、画像処理装置および画像処理方法 | |
WO2018037479A1 (ja) | 画像処理装置、ステレオカメラ装置及び画像処理方法 | |
Pflug et al. | Ear detection in 3D profile images based on surface curvature |