CN102687172A - 伪指判定设备 - Google Patents
伪指判定设备 Download PDFInfo
- Publication number
- CN102687172A CN102687172A CN2010800585640A CN201080058564A CN102687172A CN 102687172 A CN102687172 A CN 102687172A CN 2010800585640 A CN2010800585640 A CN 2010800585640A CN 201080058564 A CN201080058564 A CN 201080058564A CN 102687172 A CN102687172 A CN 102687172A
- Authority
- CN
- China
- Prior art keywords
- line
- wide
- burr
- puppet
- dimpled grain
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims description 132
- 230000008569 process Effects 0.000 claims description 110
- 238000012545 processing Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000011218 segmentation Effects 0.000 description 21
- 238000003384 imaging method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 238000005242 forging Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 229920000915 polyvinyl chloride Polymers 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920002689 polyvinyl acetate Polymers 0.000 description 1
- 239000011118 polyvinyl acetate Substances 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06V40/1376—Matching features related to ridge properties or fingerprint texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- 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
- G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
- G06V40/1388—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
提供了一种伪指判定技术,能够提高伪指的判定精度。伪指判定设备包括:获取装置,用于获取与作为判定对象的手指的凸纹的纹宽或凹纹的纹宽相关的纹宽信息,以及判定装置,用于基于纹宽信息判定判定对象的手指是真指还是伪指。
Description
技术领域
本发明涉及一种适合于识别伪指的伪指判定设备。
背景技术
近来,作为识别个体的一种类型的认证***,指纹认证受到关注。指纹是唯一的,原因在于,其对于每个人都不同,并且即使时间逝去,其也不改变。因此,与当今流行的口令认证等相比,指纹认证更可靠。然而,近年来,由伪造人的指纹并使用这种伪造指纹(下文中被称作“伪造指纹”)通过认证从而进行欺诈行为导致的损害变成了问题(例如,专利文档1)。
现有技术文献
专利文献
[专利文档1]PCT申请No.2007-511845的日语译文
发明内容
本发明要解决的技术问题
作为创建伪造指纹的方法,已知将聚乙烯树脂或多乙酸乙烯酯树脂的薄膜按压到人手指的表面来创建伪造指纹的方法。在指纹认证时,对着手指进行按压的表面(即,形成伪造指纹的表面)用作正面,并且该表面附着到要进行认证的人的手指的表面。对于表面附着有这种伪造指纹的手指(即,伪指)而言,存在的问题在于,即使在指纹认证时测量了光谱特性,也难以判定是手指还是伪指,原因在于伪指表面的光谱特性和人的手指表面的光谱特性基本上是相同的。
鉴于前述情况设计了本发明,并且本发明的目的在于提供一种伪指判定技术,能够提高伪指的判定精度。
解决问题的手段
根据本发明的伪指判定设备,其特征在于包括获取装置,用于获取与作为判定对象的手指的凸纹的纹宽或凹纹的纹宽相关的纹宽信息;以及判定装置,用于基于纹宽信息判定作为判定对象的手指是真指还是伪指。
此外,根据本发明的伪指判定设备,其特征在于,包括:判定装置,用于判定作为判定对象的手指的凸纹的纹宽和凹纹的纹宽是否满足预定关系;以及判定装置,用于基于判定的结果来判定作为判定对象的手指是真指还是伪指。
发明效果
根据本发明,能够提高伪指的判定精度。
附图说明
图1是根据第一实施例的伪指判定设备的俯视图。
图2是根据前述实施例的图1中示出的伪指判定设备的线II-II的截面图。
图3是示出了根据前述实施例的计算机的功能块的图。
图4是示出了根据前述实施例的伪指判定处理的流程图。
图5是示出了根据第二实施例的计算机的功能块的图。
图6是示出了根据前述实施例的伪指判定处理的流程图。
图7是示出了根据前述实施例的修改示例的计算机的功能块的图。
图8是示出了根据第三实施例的计算机的功能块的图。
图9是示出了根据前述实施例的伪指判定处理的流程图。
图10是示出了根据前述实施例的修改示例的计算机的功能块的图。
图11是示出了真实指纹图像的图。
图12是示出了伪造指纹图像的图。
具体实施方式
现在将参考附图说明根据本发明的伪指判定设备的优选实施例。
A.采用的技术构思
在指纹认证时,使用通过将聚乙烯树脂等薄膜按压到手指的表面来创建的伪造指纹是,通过按照使薄膜反转的方式将伪造指纹附着于要进行认证的人的手指的表面。因此,对于在其表面附着有伪造指纹的伪指而言,伪指的凹凸与真手指(即,有生命手指)的凹凸是相反的。换句话说,原因在于有生命手指的指纹的凸纹是伪指的凹纹而有生命手指的凹纹是伪指的凸纹,同时有生命手指的指纹图像(下文中被称作“真实指纹图像”)具有粗凸纹和细凹纹(参考图11),而伪指的指纹图像(下文中被称作“伪造指纹图像”)具有细凸纹和粗凹纹(参见图12)。
鉴于指纹图像的前述特征设计了本发明。本发明的优势在于,可以仅通过将软件的处理(即,不必新添加或改变诸如传感器之类的硬件)添加到已经构建了伪指判定设备的现有指纹认证***中,来实现本发明。在后续说明中,以上描述的反转的伪造指纹有时被称作“反转转换指纹”
B.第一实施例
(1)本实施例的配置
首先,参考图1和图2说明根据第一实施例的伪指判定设备100的配置。图1是当从正上方看时的伪指判定设备100的俯视图,以及图2是图1的线II-II的截面图。
伪指判定设备100是用于判定要受到指纹认证的判定对象T是否是伪指的设备。如图1和图2所示,伪指判定设备100包括外壳10、传感器表面20、光源30、成像设备40和计算机50。应注意,在后续说明中,在壳体10中提供传感器表面20的侧面被称作上面。
传感器表面20是放置判定对象T(在该示例中,有生命手指或伪手指)的表面,并是通过例如光纤板等配置的。
成像设备40是已知成像装置,并在传感器表面20的下方提供成像设备40。成像设备40使用在外壳10的下侧提供的光源30来执行反射光感测,获取在传感器表面20上放置的作为判定对象T的手指的图像,并输出指纹图像。因此,如果判定对象T是有生命手指,则获得具有粗凸纹和细凹纹的真实指纹图像(参考图11)。同时,如果判定对象T是伪指,则获得具有细凸纹和粗凹纹的伪造指纹图像(参考图12)。
通过CPU(中央处理单元)、ROM(只读存储器)、RAM(随机存取存储器)等来配置计算机50,以及CPU通过执行ROM和RAM中存储的各种控制程序等,来集中控制伪指判定设备100的相应部件。
图3是计算机50的功能框图。计算机50包括图像输入装置51、区域分割装置52、方向判断装置53、纹宽计算装置54、纹宽关系判定装置55和伪指判定装置56。
图像输入装置51获取从成像设备40输出的指纹图像,并向区域分割装置52提供该指纹图像。应注意,图像输入装置51在向区域分割装置52提供指纹图像之前,可以对从成像设备40获取的指纹图像执行图像处理,比如直方图均衡化或分辨率转换(例如,从800dpi转换至500dpi)。
区域分割装置(分割装置)52是用于将从图像输入装置51提供的指纹图像分割成多个区域的装置。首先,区域分割装置52提取包括指纹的特性部分的区域(例如,包括诸如凸纹的分叉或端点之类的细节的部分)作为指纹图像中的处理目标区域,并随后将该处理目标区域分割为小区域。区域分割装置52按照期望将处理目标区域分割小区域,使得可以稳定地获得凸纹和凹纹的方向和纹宽,其中所述小区域具有适合两个或更多和四个或更少凸纹的尺寸。适合两个或更多凸纹的尺寸被设置为小区域的下限的原因在于,如果小区域太小,则不可能测量凸纹的方向或纹宽,并且有必要保证使能够测量凸纹的方向和纹宽的尺寸。适合四个或更少凸纹的尺寸被设置为小区域的上限的原因在于,使得小区域中的凸纹/凹纹是近似线性的。
方向判断装置(判断装置)53是用于针对由区域分割装置52分割成的每个小区域判定小区域中的凸纹/凹纹的方向的装置。作为判断方向的方法,可以使用公知方法,比如使用傅立叶变换的方法或使用像素值的微分的方法。
当使用傅立叶变换时,方向判断装置53首先对分割成小区域的图像执行傅立叶变换,随后获得与指纹的凸纹间隔相对应的频带中的最大频率分量(峰值),从而判断利用峰值示出的方向作为小区域的凸纹/凹纹方向。
当使用像素值的微分时,方向判断装置53如下判定方向。首先,方向判断装置53使用诸如sobel滤波器之类的微分滤波器获取像素值在增大或减少的方向,从而获得小区域中的每个像素的边缘方向。随后,小区域中的边缘方向的平均或模式用于判断小区域中的代表方向。最后,与小区域中的代表方向相垂直的方向被判定为小区域中的凸纹/凹纹的方向。还可以根据以上描述的像素值的微分来判断方向。
纹宽计算装置54是一种用于通过沿着与小区域中的凸纹/凹纹的方向相垂直的方向扫描每个小区域来获得凸纹和凹纹的纹宽的装置。作为获得纹宽的方法,可以使用公知方法,比如,对图像进行二值化的方法或检查像素值变化的方法。
当通过对图像进行二值化来获得纹宽时,纹宽计算装置54对图像进行二值化,并且产生黑白图像,在黑白图像中,具有大像素值的部分是白色的,以及具有小像素值的部分是黑色的。此外,纹宽计算装置54对连续黑像素的数目进行计数,并将该计数得到的数目作为凸纹宽度。同时,纹宽计算装置54对连续白像素的数目进行计数,并将该计数得到的数目作为凹纹宽度。应注意,如果在每个小区域中存在多条凸纹或凹纹,则获得凸纹宽度或凹纹宽度的均值、最大值、最小值等,并且获得的值可以被用作相应小区域中的凸纹宽度(代表值)或凹纹宽度(代表值)。
应注意,作为二值化方法,可以使用已知统计学方法,比如固定阈值或Otsu的二值化。此外,对于每个小区域,可以独立地设置二值化阈值,并且在这种情况下,存在的优势在于,能够灵活地处理整个图像的亮度值的变化。不必说,可以针对整个图像而不是小区域来设置一个阈值。在上述情况下,如果整个图像的亮度值是平坦的(flat),则可以在不受到噪声的影响的情况下稳定地获得纹宽,并且可以容易地设置阈值。
当使用检查像素值变化的方法时,纹宽计算装置54如下获得纹宽。具体地,首先,检查区域中的像素值的变化,以及获得像素值的变化梯度的最大值和最小值。此外,像素值的变化梯度取最大值的点被确认为凸纹的起始点(不同地,将其放置在凹纹的结束点)。同时,像素值的变化梯度取最小值的点被确认为凸纹的结束(不同地,将其放置在凹纹的起始点)。最后,通过对从凸纹(或凹纹)的起始点至凸纹(或凹纹)的结束点的像素数目进行计数,来获得凸纹宽度(或凹纹宽度)。
纹宽计算装置54在沿着与通过分割小区域的中心的凸纹/凹纹的方向相垂直的方向扫描所述分割小区域的同时执行前述处理,并且将结果用作小区域中的凸纹的宽度或凹纹的纹宽。此外,例如,还能够在包含小区域中的一条或多条凸纹和凹纹的多条扫描线上获得相应纹宽,获得其均值,并使用平均纹宽作为小区域中的凸纹或凹纹的纹宽。
纹宽关系判定装置(判定装置)55是一种进行如下操作的装置:使用纹宽计算装置54计算的凸纹宽度或凹纹宽度,并且判定针对每个小区域获得的凸纹宽度与凹纹宽度的关系是否满足预定关系。作为预定关系(在下文中,被称作“判定的条件”),可以使用如下关系:比如用凸纹宽度除以凹纹宽度获得的值是预定阈值(例如,“1”)或更大,或者用凸纹宽度减去凹纹宽度获得值是预定阈值(例如,“0”)或更大。换句话说,当纹宽关系判定装置55判定针对每个小区域获得的凸纹宽度(纹宽信息)与凹纹宽度(纹宽信息)的关系是预定关系(即,在指纹图像中,凸纹的纹宽被判定为大于凹纹的纹宽的关系)时,判定与指纹图像相对应的手指是真指。应注意,判定的条件不限于以上描述,并且可以使用对示出凸纹的纹宽大于凹纹的纹宽的关系加以表示的多种条件:。
伪指判定装置(判定装置)56是一种用于判定判定对象T是否是伪指(即,反转变换指纹)的装置。首先,伪指判定装置56掌握在所有小区域中被纹宽关系判定装置55判定为满足用于判定的条件的小区域(在下文中,被称作“目标小区域”)。此外,当(1)目标小区域的数目小于预定阈值,或(2)当目标小区域相对于所有小区域之比小于预定阈值时,伪指判定装置56判定手指是伪指。不必说,用于判定手指是否是伪指的条件不限于以上的(1)和(2),并且例如当所有小区域中的凸纹宽度的代表值与凹纹宽度的代表值之间的关系不满足用于判定的条件时,也可以判定手指是否是伪指。应注意,所有区域中的凸纹宽度或凹纹宽度的平均值(或模式)可以被设置为凸纹宽度或凹纹宽度的代表值。
(2)本实施例的操作
图4是示出了第一实施例中伪指判定设备100的操作(伪指判定处理)的流程图。
当将判定对象T放置到传感器表面20上时,成像设备40使用光源30执行反射光感测,为在传感器表面20上放置的作为判定对象T的手指拍照(步骤S1),并且向图像输入装置51输出指纹图像。
图像输入装置51获取从成像设备40输出的伪指图像,并且将其提供给区域分割装置52(步骤S2)。应注意,图像输入装置51可以在向区域分割装置52提供从成像设备40获得的指纹图像之前对该图像执行诸如直方图均衡化或分辨率转换之类的图像处理。
当区域分割装置52从图像输入装置51接收到指纹图像时,其首先提取包括指纹的特性部分(例如,包括诸如凸纹的分叉或端点之类的细节的部分)的区域,作为指纹图像中的处理目标区域,以及随后,将这样的处理目标区域分割为小区域(步骤S3)。当区域分割装置52将处理目标区域分割为小区域(在下文中称作“小区域分割”)时,向方向判定装置53通知小区域分割完成的结果。
对于被区域分割装置52分割的每个小区域,方向判定装置53通过使用使用了傅立叶变换的方法或使用了像素值的微分的方法,来判断小区域中的凸纹/凹纹的方向(步骤S4),并且向纹宽计算装置54通知所判断的小区域的凸纹/凹纹方向。
当从方向判定装置53向纹宽计算装置54通知了每个小区域的凸纹/凹纹方向时,纹宽计算装置54通过沿着与凸纹/凹纹方向相垂直的方向扫描小区域来获得凸纹和凹纹的纹宽(步骤S5),并将该纹宽输出至纹宽关系判定装置55。应注意,可以将诸如二值化图像的方法或检查像素值变化的方法之类的已知方法用作获得纹宽的方法。
纹宽关系判定装置55使用由纹宽计算装置54计算的凸纹宽度或凹纹宽度,并判定针对每个小区域而获得的凸纹宽度与凹纹宽度之间的关系是否满足预定关系(即,“用于判定的条件”)。此外,纹宽关系判定装置55向伪指判定装置56通知判定结果,该判定结果关于对于每个小区域而言是否满足用于判定的条件。
首先,伪指判定装置56掌握(识别)所有小区域之中被纹宽关系判定装置55判定为满足用于判定条件的小区域(在下文中被称作“目标小区域”)(步骤S6)。此外,当(1)目标小区域的数目小于预定阈值时,或(2)当目标小区域相对于所有小区域之比小于预定阈值时(即,“目标小区域是否满足预定条件”),伪指判定装置56判定手指是伪指(步骤S7)。当伪指判定装置56判定目标小区域不满足预定条件时,判定手指是有生命手指(步骤S8),然后结束处理。同时,当伪指判定装置56判定目标小区域满足预定条件时,判定手指是伪指(步骤S9),然后结束处理。
如上所述,根据本实施例,通过利用对于有生命手指的指纹而言是唯一的特性(有生命手指的指纹具有粗凸纹和细凹纹的特性),能够精确而有效地判定判定对象是伪指是否是伪指。
此外,因为可以利用已知计算机来实现前述伪指判定处理,所以可以仅仅通过将软件的处理(即,并非必须新添加或改变诸如传感器之类的硬件)添加至已经在其中构建了伪指判定设备的现有指纹认证***中,来实现该实施例。应注意,在以下实施例和修改示例中也产生前述优势。
C.第二实施例
(1)本实施例的配置
图5是第二实施例中计算机50a的功能框图。应注意,向与图3中的部件相对应的部件给予了相同参考标记,并且省略了其详细说明。
计算机50a包括图像输入装置51、二值化图像产生装置52a、收缩处理装置53a和伪指判定装置56。
二值图像产生装置52a对从图像输入装置51提供的指纹图像进行二值化,从而产生黑白二值化图像。此外,二值化图像产生装置52a向收缩处理装置53a输出产生的二值化图像。
收缩处理装置53a对从二值化图像产生装置52a提供的二值化图像执行收缩处理。具体地,当4邻域或8邻域(相邻像素)中白像素的数目是预定数目或小于预定数目时,收缩处理装置53a通过利用黑像素替代白像素,来执行减少白像素区域的处理。(即,收缩处理)。收缩处理装置53a以设定次数(例如,两次)重复执行这种收缩处理。重复的次数可以被设置为判定手指是否是伪指所需的次数,并且可以预先通过测试等获得重复的次数。
例如,当使用500dpi的成像设备40时,如果判定对象T是有生命手指,则有生命手指的指纹的凸纹宽度大概为10个像素至16个像素。同时,如果判定对象T是伪指,则伪指指纹(反转变换指纹)的凸纹宽度甚至比有生命手指的凹纹宽度更细,并且大约为1个像素至4个像素。这样的原因在于,用于形成伪指的指纹(反转变换指纹)的薄膜在材料的干躁期间收缩了,因而伪指指纹的凸纹宽度变得甚至更细。
每次执行收缩处理时,凸纹的纹宽就一次从两侧变细1个像素;即,凸纹的纹宽总共变细了2个像素。因此,当执行两次收缩处理时,纹宽为4个像素或更少像素的凸纹(即,伪指指纹的凸纹)将消失,但是剩下纹宽为10个像素或更多像素的凸纹(即,真实手指指纹的凸纹)。因此,该实施例采用将重复的次数设置为两次的情况。
当收缩处理装置53a以设定次数(在该示例中,假定是两次)重复地执行收缩处理时,对收缩处理之后二值化图像中的白像素的数目进行计数,并且向伪指判定装置56通知计数结果(与凸纹的纹宽相关的纹宽信息)。
伪指判定装置(判定装置)56将收缩处理装置53a通知的计数结果与设置的白像素阈值相比较,并基于比较结果判定手指是否是伪指。如上所述,如果执行两次收缩处理之后白像素的数目较大,则能够判定存在纹宽较大的凸纹(即,真实手指指纹的凸纹)。同时,如果执行两次收缩处理之后白像素的数目较小,则伪指判定装置56判定仅存在纹宽小的凸纹(即,伪指指纹的凸纹)。因此,如果从收缩处理装置53a输出的计数结果是白像素阈值或者大于白像素阈值,则伪指判定装置56可以判定存在纹宽大的凸纹,并且判定对象T是有生命手指。
同时,如果从收缩处理装置53a输出的计数结果小于白像素阈值,则伪指判定装置56可以判定存在纹宽小的凸纹,并且判定对象T是伪指。应注意,可以根据要执行的收缩处理的预设次数适当地设置和改变白像素阈值。此外,替代获得与凸纹的纹宽相关的纹宽信息(白像素数目的计数结果),还能够获得与凹纹的纹宽相关的纹宽信息(黑像素数目的计数结果)。这里,可以在获得与凹纹的纹宽相关的纹宽信息时执行稍后描述的膨胀处理(参考第三实施例)。
(2)本实施例的操作
图6是示出了根据第二实施例的伪指判定设备100的操作的流程图。应注意,向与图4所示的步骤相对应的步骤给予了相同参考标记,并且省略其详细说明。
当二值化图像产生装置52a从图像输入装置51接收指纹图像时,对指纹图像进行二值化,从而产生黑白二值化图像(步骤S2a)。此外,二值化图像产生装置52a向收缩处理装置53a输出产生的二值化图像。
收缩处理装置53a以预设次数(例如,两次)对从二值化图像产生装置52a提供的二值化图像重复地执行收缩处理(步骤S3a)。在“本实施例的配置”中说明了与收缩处理相关的细节,从而省略了其说明。当收缩装置(计数装置)53a以预设次数(在该示例中,假定为两次)重复地执行收缩处理时,对收缩处理之后二值化图像中的白像素的数目进行计数,并且向伪指判定装置56通知计数结果(步骤S4a)。
伪指判定装置(判定装置)56将收缩处理装置53a通知的计数结果与设置的白像素阈值相比较,并基于比较结果判定手指是否是伪指(步骤S5a)。如上所描述的,如果执行两次收缩处理之后白像素数目较大,则能够判定存在纹宽大的凸纹(即,真实手指指纹的凸纹)。同时,如果执行两次收缩处理之后白像素的数目较小,则伪指判定装置56判定仅存在纹宽小的凸纹(即,伪指指纹的凸纹)。
因此,如果从收缩处理装置53a输出的计数结果是白像素阈值或者大于白像素阈值,则伪指判定装置56判定存在具有纹宽大的凸纹,并且判定对象T是有生命手指(步骤S6a),然后结束过程。同时,如果从收缩处理装置53a输出的计数结果小于白像素阈值,则伪指判定装置56判定存在纹宽小的凸纹,并且判定对象T是伪指(步骤S7a),然后结束处理。
如上所述,根据第二实施例,与第一实施例不同,能够在不必获得凸纹或凹纹的方向的情况下判定判定对象T是否是伪指。具体地,当指尖粗糙时,存在凸纹或凹纹的方向变得不清楚的情况。当在前述情况下使用在第一实施例中说明的伪指判定时,存在错误地判定凸纹或凹纹的方向的可能性。如果错误地判定了凸纹或凹纹的方向,则对纹宽的判定将也是错误的,最终涉及到,与手指是否是伪指相关的判定精度将劣化。同时,根据本实施例,因为不需要获得凸纹或凹纹的方向,所以能够甚至基于凸纹或凹纹的方向不清楚的指纹,来精确地判定手指是否是伪指。
(3)修改示例
在前述第二实施例中,说明了如下情况:在没有将指纹图像分割成小区域并对产生的二值化图像执行收缩处理的情况下,从指纹图像产生黑白二值化图像,但是也能够将指纹图像分割成小区域,并对每个小区域执行收缩处理。
图7是根据第二实施例的修改示例的计算机50a’的功能框图。应注意,向与图5中的部件相同的部件给予相同的参考标记,并且省略其详细说明。
除了图像输入装置51、二值化图像产生装置52a、收缩处理装置53a和伪指判定装置56之外,计算机50a’还包括区域分割装置52和细纹区域识别装置54a。
区域分割装置52将从图像输入装置51提供的指纹图像分割成多个小区域。对于每个小区域,二值化图像产生装置52a对分割后的相应小区域的指纹图像进行二值化,并产生二值化图像。收缩处理装置53a对每个小区域执行与第二实施例相同的收缩处理。
细纹区域识别装置54a从经受过收缩处理的多个小区域中识别出收缩处理后白像素的总数目是预定阈值或者小于预定阈值的小区域(即,包括纹宽小的凸纹的区域,在下文中,称作“细凸纹区域”),对识别出的细凸纹区域的数目进行计数,并向伪指判定装置56通知计数结果。伪指判定装置56将从细纹区域识别装置54a通知的计数结果与设置的判定阈值相比较,并基于比较结果来判定判定对象T是否是伪指。具体地,当计数结果是判定阈值或大于判定阈值时(即,当细凸纹区域的数目是判定阈值或大于判定阈值时),伪指判定装置56判定判定对象T是伪指,原因在于这意味着在指纹图像中存在许多纹宽小的凸纹。这里,可以经由测试等预先获得判定阈值等。
应注意,在前述示例中,通过使用白像素数目小于预定阈值的小区域(即,细凸纹区域)的数目的计数结果来判定手指是否是伪指,但是也能够通过获得细凸纹区域相对于所有小区域之比并使用获得的细凸纹区域的比值来判定手指是否是伪指。具体地,细纹区域识别装置54a获得细凸纹区域相对于所有小区域的比值来替代对细凸纹区域的数目进行计数,并向伪指判定装置56输出获得的细凸纹区域的比值。当获得的细凸纹区域的比值是判定比值阈值或大于判定比率阈值时,伪指判定装置56判定判定对象T是伪指,原因在于这意味着在指纹图像中存在许多纹宽小的凸纹。此处,可以经由测试等预先获得判定比值阈值等。
D.第三实施例
(1)本实施例的配置
图8是第三实施例中计算机50b的功能框图。应注意,向与图5中的部件相同的部件给予相同的参考标记,并且省略其详细说明。
计算机50b包括图像输入装置51、二值化图像产生装置52a、图像处理装置53b和伪指判定装置56。
图像处理装置(收缩处理装置、膨胀处理装置)53b对从二值化图像产生装置52a提供的二值化图像执行以下收缩处理和膨胀处理。
<收缩处理>
图像处理装置53b重复地执行前述第二实施例中说明的收缩处理(即,当4邻域或8邻域中白像素的数目是预定数据或小于预定数目时,通过利用黑像素替代白像素来减少白像素的区域(主要包括凸纹的区域)的处理)。具体地,图像处理装置53b重复收缩处理,直到收缩处理之后指纹图像的白像素的总数目变成凸纹阈值或小于凸纹阈值为止。应注意,设置的凸纹阈值例如代表白像素的下限,以及可以预先经由测试等获得凸纹阈值,其中白像素的下限可以被视为已经消除了凸纹。当图像处理装置53b检测到指纹图像的白像素的总数目是凸纹阈值或小于凸纹阈值时,向伪指判定装置56通知截至此时已经执行的收缩处理的次数。换句话说,图像处理装置53b向伪指判定装置56通知在消除凸纹之前所需的总收缩处理计数(在下文中,称作“凸纹消除处理计数”)。
<膨胀处理>
图像处理装置53b重复地执行膨胀处理,该膨胀处理与前述第二实施例中说明的收缩处理相反(即,当4领域或8邻域中的黑像素的数目是预定数目或大于预定数目时,通过利用白像素替代黑像素来减少黑像素的区域(主要包括凹纹的区域)的处理)。具体地,图像处理装置53b重复执行膨胀处理,直到膨胀处理之后指纹图像的黑像素的总数目变成凹纹阈值或小于凹纹阈值为止。应注意,设置的凹纹阈值例如代表黑像素的下限,以及可以预先经由测试等获得凹纹阈值,其中黑像素的下限可以被视为已经消除了凹纹。当图像处理装置53b检测到指纹图像的黑像素的总数目是凹纹阈值或小于凹纹阈值时,向伪指判定装置56通知截至此时已经执行的膨胀缩处理的次数。换句话说,图像处理装置53b向伪指判定装置56告知在消除凹纹之前所需的总膨胀处理计数(在下文中,称作“凹纹消除处理计数”)
伪指判定装置56基于从图像处理装置53b通知的凸纹消除处理计数和凹纹消除处理计数是否满足预定关系来判定手指是否是伪指。换句话说,当针对每个小区域而获得的凸纹消除处理计数(纹宽信息)与凹纹消除处理计数(纹宽信息)之间的关系是预定关系(即,指纹图像中的凸纹的纹宽大于凹纹的纹宽的关系)时,伪指判定装置56判定与指纹图像相对应的手指是真指。作为预定关系(在下文中,称作“用于判定的条件”(条件)),例如,当凸纹消除处理计数用作凸纹宽度且凹纹消除处理计数用作凹纹纹宽时,可以使用如下关系:通过将凸纹宽度除以凹纹宽度获得值是预定阈值(例如,“1”)或大于预定阈值,或者通过将凸纹宽度减去凹纹宽度而获得的值是预定阈值(例如,“0”)或大于预定阈值(涉及第一实施例)。不必说,用于判定的条件不限于以上示例,以及可以使用对示出了凸纹的纹宽大于凹纹的纹宽的关系加以表示的多种条件。
当凸纹消除处理计数和凹纹消除处理计数满足预定关系时,伪指判定装置56判定判定对象T是有生命手指,原因在于这意味着凸纹宽度大于凹纹宽度。同时,当凸纹消除处理计数和凹纹消除处理计数不满足预定关系时,伪指判定装置56判定判定对象T是伪指,原因在于这意味着凹纹宽度宽于凸纹宽度。
(2)本实施例的操作
图9是示出了第三实施例中伪指判定设备100的操作的流程图。应注意,向与图6中的步骤相对应的步骤给予相同参考标记,且省略了其详细描述。
当二值化图像产生装置52a从图像输入装置51接收指纹图像时,对指纹图像进行二值化,从而产生黑白二值化图像(步骤S2a),并向收缩处理装置53a输出产生的二值化图像。
图像处理装置(收缩处理装置,膨胀处理装置)53b对从二值化图像产生装置提供的二值化图像执行以下收缩处理和膨胀处理。
图像处理装置53b重复收缩处理,直到收缩处理之后指纹图像的白像素总数目变成凸纹阈值或小于凸纹阈值为止(步骤S3b)。应注意,设置的凸纹阈值代表例如白像素的下限,以及可以预先经由测试等获得凸纹阈值,其中白像素的下限可以被视为已经消除了凸纹。
当图像处理装置53b检测到指纹图像的白像素总数目是凸纹阈值或小于凸纹阈值时,向伪指判定装置56通知截至此时已经执行的收缩处理的次数;即,在消除凸纹之前所需的总收缩处理计数(凸纹消除处理计数)(步骤S4b)。
随后,图像处理装置53b重复地执行膨胀处理,膨胀处理之后指纹图像的黑像素总数目变成凹纹阈值或小于凹纹阈值之前(步骤S5b)。应注意,设置的凹纹阈值代表例如黑像素的下限,以及可以预先经由测试等获得凹纹阈值,其中黑像素的下限被视为已经消除了凹纹。
当图像处理装置53b检测到指纹图像的黑像素总数目是凹纹阈值或小于凹纹阈值时,向伪指判定装置56通知截至此时已经执行的膨胀处理的次数;即,在消除凹纹之前所需的总膨胀处理计数(在下文中,称作“凹纹消除处理计数”)(步骤S6b)。
伪指判定装置56基于从图像处理装置53b通知的凸纹消除处理计数与凹纹消除处理计数是否满足预定关系(具体地,前述“用于判定的条件”,来判定手指是否是伪指(步骤S7b)。当凸纹消除处理计数和凹纹消除处理计数之间的关系满足用于判定的条件时,伪指判定装置56判定判定对象T是有生命手指,原因在于这意味着凸纹宽度大于凹纹宽度(步骤S8b),然后结束处理。同时,当凸纹消除处理计数和凹纹消除处理计数之间的关系不满足用于判定的条件时,伪指判定装置56判定判定对象T是伪指,原因在于这意味着凹纹宽度宽于凸纹宽度(步骤S9b),然后结束处理。
如上所说明的,根据第三实施例,即使判定对象是妇女或小孩的手指(即,凸纹和凹纹均细的手指),也能够精确地判定手指是否是伪指。具体地,在前述第二实施例中,仅凸纹的纹宽用于手指是否是伪指(具体地,基于收缩处理之后白像素的数目来判定凸纹的纹宽是粗还是细,以及当凸纹的纹宽是细时,判定手指为伪指)。然而,在前述配置中,尽管对于具有细凸纹和粗凹纹的伪指(反转变换指纹)能够精确地判定伪指,但是存在凸纹和凹纹均是细的有生命手指(即,女人或小孩的手指)也可能被错误地判定为伪指的可能性。
同时,根据第三实施例,因为使用凸纹的纹宽和凹纹的纹宽之间的关系来判定手指是否是伪指,因此即使当判定对象是凸纹和凹纹均是细的手指(例如妇女或小孩的手指)时,,只要该手指具有有生命手指的特性(即,凸纹的纹宽比凹纹的纹宽粗),就能够防止将凸纹和凹纹均是细的真指(即,女人或小孩的手指)错误地判定为伪指的可能性。
(3)修改示例
应注意,在第三实施例中,与第二实施例一样,指纹图像可以被分割为小区域,并且可以对每个小区域执行收缩处理。
图10是根据第三实施例的修改示例的计算机50b’的功能框图。应注意,向与图8的部件向对应的部件给予相同的参考标记,并且省略其详细说明。
除了图像输入装置51、二值化图像产生装置52a、图像处理装置53b和伪指判定装置56之外,计算机50b’还包括区域分割装置52。
区域分割装置52将从图像输入装置51提供的指纹图像分割为多个小区域。二值化图像产生装置52a对分割后的相应小区域的指纹图像进行二值化,并产生每个小区域的二值化图像。图像处理装置53b对每个小区域执行与第三实施例相同的收缩处理和膨胀处理。
<收缩处理>
图像处理装置53b重复收缩处理,直到每个小区域中小区域的白像素总数目变为每个区域的凸纹阈值或小于每个区域的凸纹阈值为止。应注意,设置的每个区域中的凸纹阈值代表了例如白像素的下限,以及可以预先经由测试等获得每个区域中的凸纹阈值,其中白象素的下限可以被视为在小区域中已经消除了凸纹。当图像处理装置53b对于所有区域完成了前述收缩处理时,对收缩处理计数是收缩处理下限或小于收缩处理下限的小区域的数目进行计数(在下文中,称作“细凸纹区域的认定数目”)。例如,如果收缩处理下限被设置为“5”,则图像处理装置53b对受到前述收缩处理的小区域之中收缩处理计数是“5”或小于“5”的细凸纹区域的认定数目进行计数,。此外,图像处理装置53b向伪指判定装置56b通知细凸纹区域的认定数目。
<膨胀处理>
图像处理装置53b重复膨胀处理,直到每个小区域中小区域的黑像素总数目变为每个区域的凹纹阈值或小于每个区域的凹纹阈值为止。应注意,设置的每个区域中的凸纹阈值代表了例如黑像素的下限,以及可以预先经由测试等获得每个区域中的凹纹阈值,其中黑象素的下限可以被视为在小区域中已经消除了凹纹。当图像处理装置53b对于所有区域完成了前述膨胀处理时,对膨胀处理计数是膨胀处理下限或小于膨胀处理下限的小区域的数目进行计数(在下文中,称作“细凹纹区域的认定数目”)。例如,如果膨胀处理下限被设置为“5”,则图像处理装置53b对受到前述膨胀处理的小区域之中膨胀处理计数是“5”或小于“5”的细凹纹区域的认定数目进行计数。此外,图像处理装置53b向伪指判定装置56b通知细凹纹区域的认定数目。
伪指判定装置56通过判定从图像处理装置53b通知的细凸纹区域的认定数目和细凹纹区域的认定数目是否满足预定关系,来判定手指是否是伪指。作为预定关系(在下文中,称作“用于判定的关系”),例如,可以使用如下关系:通过将细凸纹区域的认定数目除以细凹纹区域的认定数目而获得的值是预定阈值(例如,“1”)或大于预定阈值,或者通过将细凸纹区域的认定数目减去细凹纹区域的认定数目而获得的值是预定阈值(例如,“0”)或大于预定阈值(涉及第一实施例)。不必说,用于判定的条件不限于以上示例,并且可以使用对示出了细凸纹区域的认定数目大于细凹纹区域的认定数目加以表示的关系的多种条件。
当细凸纹区域的认定数目和细凹纹区域的认定数目满足预定关系时,伪指判定装置56判定判定对象T是伪指,原因在于这意味着在指纹图像中的细凸纹的比值大于细凹纹的比值。同时,当细凸纹区域的认定数目和细凹纹区域的认定数目不满足预定关系时,伪指判定装置56判定判定对象T是真指,原因在于这意味着在指纹图像中的细凹纹的比值大于细凸纹的比值。
此外,在与处理内容一致的程度上,可以任意改变本实施例所示的各个过程的步骤的顺序或并行执行本实施例所示的各个过程的步骤。此外,本说明书中使用的术语“装置”等并非仅指物理装置,还包括通过软件实现这种装置的功能的情形。此外,可以通过两个或多个物理装置实现一个装置的功能,并且可以通过一个物理装置实现两个或多个装置的功能。此外,可以通过诸如CD-ROM或DVD-ROM或其它光盘、磁盘或半导体存储器之类的多种记录介质,或者经由通信网络等下载,在计算机中安装或加载根据本发明的软件。
本申请涉及并要求基于2009年12月22日提交的日本专利申请No.2009-290187的优先权,其全部公开在此并入以供参考。
以上参考实施例说明了本发明,但本发明不限于前述实施例。本领域普通技术人员可以在本发明的范围内对本发明的配置和细节进行多种修改。工业适用性
根据本发明的伪指判定设备适于提高伪指的判定精度。
附图标记的说明
100...伪指判定设备、10...外壳、20...传感器表面、30...光源、40...成像设备、50、50a、50a’、50b、50b’...计算机、51...图像输入装置、52...区域分割装置、52a...二值化图像产生装置、53...方向判定装置、53a...收缩处理装置、53b...图像处理装置、54...纹宽计算装置、54a...细纹区域识别装置、55...纹宽关系判定装置、56...伪指判定装置。
Claims (7)
1.一种伪指判定设备,包括:
获取装置,用于基于指纹图像获取与指纹的凸纹的纹宽或凹纹的纹宽相关的纹宽信息;以及
判定装置,用于基于纹宽信息判定与指纹图像相对应的手指是真指还是伪指。
2.根据权利要求1所述的伪指判定设备,
其中,获取装置包括:
分割装置,用于将指纹图像分割成小区域;
判断装置,用于针对每个分割后的小区域来判断区域中凸纹或凹纹的纹路方向;以及
纹宽计算装置,用于通过以下操作来获得纹宽信息:对每个小区域的指纹图像进行二值化,沿着区域中与判断的纹路方向相垂直的方向扫描每个小区域,并且对连续黑像素的数目或连续白像素的数目进行计数。
3.根据权利要求1所述的伪指判定设备,
其中,获取装置包括:
分割装置,用于将指纹图像分割成小区域;
判断装置,用于针对每个分割后的小区域来判断区域中凸纹或凹纹的纹路方向;
梯度导出装置,用于通过沿着区域中与判断的纹路方向相垂直的方向扫描每个小区域,来获得像素值的变化梯度的最大值和最小值;以及
纹宽计算装置,用于通过以下操作来获得纹宽信息:将通过沿着与纹路方向相垂直的方向扫描每个小区域而获得的像素值的变化梯度取最大值的点设置为纹宽起始点,将变化梯度取最小值的点设置为纹宽结束点,并且对从纹宽起始点至纹宽结束点的像素数目进行计数。
4.根据权利要求1所述的伪指判定设备,
其中,获取装置包括:
二值化图像产生装置,用于对指纹图像进行二值化,并且输出二值化图像;
图像处理装置,用于对二值化图像执行预设次数的收缩处理或膨胀处理;以及
计数装置,用于通过以下操作来获得纹宽信息:对执行了预设次数的收缩处理之后二值化图像中剩余的白像素数目进行计数,或者对执行了预设次数的膨胀处理之后二值化图像中剩余的黑像素数目进行计数。
5.根据权利要求1所述的伪指判定设备,
其中,获取装置包括:
二值化图像产生装置,用于对指纹图像进行二值化,并且输出二值化图像;
图像处理装置,用于对二值化图像重复地执行收缩处理,直到收缩处理之后白像素总数目变成凸纹阈值或小于凸纹阈值为止,或者对二值化图像重复地执行膨胀处理,直到膨胀处理之后黑像素总数目变成凹纹阈值或小于凹纹阈值为止,以及
计数装置,用于通过对已经执行的收缩处理的次数或已经执行的膨胀处理的次数进行计数,来获得纹宽信息。
6.根据权利要求1至5中任一项所述的伪指判定设备,
其中,获取装置获得与凸纹的纹宽相关的纹宽信息和与凹纹的纹宽相关的纹宽信息的两个信息,以及
判定装置在基于所述两个信息判定指纹图像中凸纹的纹宽大于凹纹的纹宽时,判定与指纹图像相对应的手指是真指。
7.一种伪指判定方法,包括以下步骤:
基于指纹图像获取与指纹的凸纹的纹宽或凹纹的纹宽相关的纹宽信息;以及
基于纹宽信息判定与指纹图像相对应的手指是真指还是伪指。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009290187 | 2009-12-22 | ||
JP2009-290187 | 2009-12-22 | ||
PCT/JP2010/070781 WO2011077879A1 (ja) | 2009-12-22 | 2010-11-22 | 偽指判定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102687172A true CN102687172A (zh) | 2012-09-19 |
CN102687172B CN102687172B (zh) | 2014-12-10 |
Family
ID=44195420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080058564.0A Active CN102687172B (zh) | 2009-12-22 | 2010-11-22 | 伪指判定设备 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8861807B2 (zh) |
EP (1) | EP2518684B1 (zh) |
JP (1) | JP5665016B2 (zh) |
KR (1) | KR101314945B1 (zh) |
CN (1) | CN102687172B (zh) |
WO (1) | WO2011077879A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389541A (zh) * | 2015-10-19 | 2016-03-09 | 广东欧珀移动通信有限公司 | 指纹图像的识别方法及装置 |
CN107077612A (zh) * | 2016-12-19 | 2017-08-18 | 深圳市汇顶科技股份有限公司 | 指纹侦测方法及装置 |
CN111046706A (zh) * | 2018-10-15 | 2020-04-21 | 广州印芯半导体技术有限公司 | 指纹辨识方法以及使用其的电子装置 |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5854813B2 (ja) * | 2011-12-19 | 2016-02-09 | キヤノン株式会社 | 画像処理装置、画像処理方法、コンピュータプログラム。 |
FR3017230B1 (fr) * | 2014-02-04 | 2016-03-11 | Morpho | Procede de validation de l'utilisation d'un vrai doigt comme support d'une empreinte digitale |
US9633269B2 (en) | 2014-09-05 | 2017-04-25 | Qualcomm Incorporated | Image-based liveness detection for ultrasonic fingerprints |
CN105469106B (zh) * | 2015-11-13 | 2018-06-05 | 广东欧珀移动通信有限公司 | 指纹识别方法、装置及终端设备 |
US10445547B2 (en) | 2016-05-04 | 2019-10-15 | Invensense, Inc. | Device mountable packaging of ultrasonic transducers |
US10315222B2 (en) | 2016-05-04 | 2019-06-11 | Invensense, Inc. | Two-dimensional array of CMOS control elements |
US11673165B2 (en) | 2016-05-10 | 2023-06-13 | Invensense, Inc. | Ultrasonic transducer operable in a surface acoustic wave (SAW) mode |
US10441975B2 (en) | 2016-05-10 | 2019-10-15 | Invensense, Inc. | Supplemental sensor modes and systems for ultrasonic transducers |
US10452887B2 (en) | 2016-05-10 | 2019-10-22 | Invensense, Inc. | Operating a fingerprint sensor comprised of ultrasonic transducers |
US10562070B2 (en) | 2016-05-10 | 2020-02-18 | Invensense, Inc. | Receive operation of an ultrasonic sensor |
US10706835B2 (en) | 2016-05-10 | 2020-07-07 | Invensense, Inc. | Transmit beamforming of a two-dimensional array of ultrasonic transducers |
TWI591545B (zh) * | 2016-06-30 | 2017-07-11 | 指紋影像偵測裝置及其方法 | |
KR102536122B1 (ko) * | 2017-11-23 | 2023-05-26 | 삼성디스플레이 주식회사 | 표시 장치 및 이의 구동방법 |
US11151355B2 (en) | 2018-01-24 | 2021-10-19 | Invensense, Inc. | Generation of an estimated fingerprint |
US10755067B2 (en) | 2018-03-22 | 2020-08-25 | Invensense, Inc. | Operating a fingerprint sensor comprised of ultrasonic transducers |
US11188735B2 (en) * | 2019-06-24 | 2021-11-30 | Invensense, Inc. | Fake finger detection using ridge features |
WO2020264046A1 (en) | 2019-06-25 | 2020-12-30 | Invensense, Inc. | Fake finger detection based on transient features |
US11216632B2 (en) | 2019-07-17 | 2022-01-04 | Invensense, Inc. | Ultrasonic fingerprint sensor with a contact layer of non-uniform thickness |
US11176345B2 (en) | 2019-07-17 | 2021-11-16 | Invensense, Inc. | Ultrasonic fingerprint sensor with a contact layer of non-uniform thickness |
US11232549B2 (en) | 2019-08-23 | 2022-01-25 | Invensense, Inc. | Adapting a quality threshold for a fingerprint image |
US11392789B2 (en) | 2019-10-21 | 2022-07-19 | Invensense, Inc. | Fingerprint authentication using a synthetic enrollment image |
WO2021183457A1 (en) | 2020-03-09 | 2021-09-16 | Invensense, Inc. | Ultrasonic fingerprint sensor with a contact layer of non-uniform thickness |
US11243300B2 (en) | 2020-03-10 | 2022-02-08 | Invensense, Inc. | Operating a fingerprint sensor comprised of ultrasonic transducers and a presence sensor |
US11328165B2 (en) | 2020-04-24 | 2022-05-10 | Invensense, Inc. | Pressure-based activation of fingerprint spoof detection |
US11995909B2 (en) | 2020-07-17 | 2024-05-28 | Tdk Corporation | Multipath reflection correction |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001243467A (ja) * | 2000-02-28 | 2001-09-07 | Nec Soft Ltd | 汗腺孔部分判別装置、汗腺孔部分判別方法、および、記録媒体 |
CN101114335A (zh) * | 2007-07-19 | 2008-01-30 | 南京大学 | 全角度快速指纹识别方法 |
JP2008217212A (ja) * | 2007-03-01 | 2008-09-18 | Nec Infrontia Corp | 指紋入力装置、方法及びプログラム |
CN101276411A (zh) * | 2008-05-12 | 2008-10-01 | 北京理工大学 | 指纹识别方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2864685B2 (ja) * | 1990-07-20 | 1999-03-03 | 富士通株式会社 | 指紋データ登録装置 |
JPH10289304A (ja) * | 1997-02-12 | 1998-10-27 | Nec Corp | 指紋画像入力装置 |
AU782832C (en) * | 2000-01-05 | 2006-04-27 | Electronic Finger Print Technologies Limited | Method and apparatus for authenticating financial transactions |
JP2003051013A (ja) | 2001-08-08 | 2003-02-21 | Matsushita Electric Ind Co Ltd | 指紋認証システム、指紋認証方法および携帯電話装置 |
JP2004040712A (ja) * | 2002-07-08 | 2004-02-05 | Minolta Co Ltd | 撮像装置 |
FR2862785B1 (fr) * | 2003-11-21 | 2006-01-20 | Atmel Grenoble Sa | Capteur d'empreinte digitale a deux sens de balayage |
JP2006107366A (ja) | 2004-10-08 | 2006-04-20 | Fujitsu Ltd | 生体情報入力装置,生体認証装置,生体情報処理方法,生体情報処理プログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体 |
US20060104484A1 (en) * | 2004-11-16 | 2006-05-18 | Bolle Rudolf M | Fingerprint biometric machine representations based on triangles |
JP4956131B2 (ja) | 2006-10-06 | 2012-06-20 | シャープ株式会社 | 生体認証装置及び方法、並びに生体認証処理プログラム |
JP4470979B2 (ja) | 2007-09-06 | 2010-06-02 | ミツミ電機株式会社 | 指移動位置推定装置及びこれを用いた指紋画像処理装置、指移動推定方法及びこれを用いた指紋画像処理方法 |
-
2010
- 2010-11-22 KR KR1020127016185A patent/KR101314945B1/ko active IP Right Grant
- 2010-11-22 US US13/518,302 patent/US8861807B2/en active Active
- 2010-11-22 WO PCT/JP2010/070781 patent/WO2011077879A1/ja active Application Filing
- 2010-11-22 JP JP2011547414A patent/JP5665016B2/ja active Active
- 2010-11-22 EP EP10839115.2A patent/EP2518684B1/en active Active
- 2010-11-22 CN CN201080058564.0A patent/CN102687172B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001243467A (ja) * | 2000-02-28 | 2001-09-07 | Nec Soft Ltd | 汗腺孔部分判別装置、汗腺孔部分判別方法、および、記録媒体 |
JP2008217212A (ja) * | 2007-03-01 | 2008-09-18 | Nec Infrontia Corp | 指紋入力装置、方法及びプログラム |
CN101114335A (zh) * | 2007-07-19 | 2008-01-30 | 南京大学 | 全角度快速指纹识别方法 |
CN101276411A (zh) * | 2008-05-12 | 2008-10-01 | 北京理工大学 | 指纹识别方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389541A (zh) * | 2015-10-19 | 2016-03-09 | 广东欧珀移动通信有限公司 | 指纹图像的识别方法及装置 |
CN105389541B (zh) * | 2015-10-19 | 2018-05-01 | 广东欧珀移动通信有限公司 | 指纹图像的识别方法及装置 |
US10572714B2 (en) | 2015-10-19 | 2020-02-25 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Fingerprint image recognition method, apparatus and terminal |
US10755076B2 (en) | 2015-10-19 | 2020-08-25 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Fingerprint image recognition method, apparatus and terminal |
CN107077612A (zh) * | 2016-12-19 | 2017-08-18 | 深圳市汇顶科技股份有限公司 | 指纹侦测方法及装置 |
CN111046706A (zh) * | 2018-10-15 | 2020-04-21 | 广州印芯半导体技术有限公司 | 指纹辨识方法以及使用其的电子装置 |
CN111046706B (zh) * | 2018-10-15 | 2023-05-19 | 广州印芯半导体技术有限公司 | 指纹辨识方法以及使用其的电子装置 |
Also Published As
Publication number | Publication date |
---|---|
JP5665016B2 (ja) | 2015-02-04 |
KR20120085934A (ko) | 2012-08-01 |
US8861807B2 (en) | 2014-10-14 |
EP2518684B1 (en) | 2021-10-13 |
EP2518684A4 (en) | 2017-09-20 |
CN102687172B (zh) | 2014-12-10 |
US20120263355A1 (en) | 2012-10-18 |
JPWO2011077879A1 (ja) | 2013-05-02 |
KR101314945B1 (ko) | 2013-10-04 |
EP2518684A1 (en) | 2012-10-31 |
WO2011077879A1 (ja) | 2011-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102687172A (zh) | 伪指判定设备 | |
CN104820819B (zh) | 验证使用真手指作为指纹的载体的验证方法和验证装置 | |
TWI619080B (zh) | 指紋重疊區域面積的計算方法及電子裝置 | |
JP6487576B2 (ja) | 指紋隆線点認識方法および装置 | |
CN108009472B (zh) | 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法 | |
EP2104059B1 (en) | Apparatus and method for processing image | |
US20080013803A1 (en) | Method and apparatus for determining print image quality | |
US20080298648A1 (en) | Method and system for slap print segmentation | |
EP1997060A1 (en) | Processing an image of an eye | |
EP2954457A1 (en) | System and method for identifying similarities in different images | |
WO2008054940A2 (en) | Print matching method and apparatus using pseudo-ridges | |
CN105447489B (zh) | 一种图片ocr识别***的字符与背景粘连噪声消除方法 | |
KR20050090840A (ko) | 지문 인식 방법 | |
CN109409181A (zh) | 一种用于低质量指静脉图像的手指上下边缘独立检测方法 | |
CN110309814B (zh) | 一种基于边缘检测的虹膜识别方法及装置 | |
Gamassi et al. | Fingerprint local analysis for high-performance minutiae extraction | |
US20050271260A1 (en) | Device, method and program for removing pores | |
Cao et al. | Automatic latent value determination | |
Montalvao et al. | Robust hand image processing for biometric application | |
CN111178347B (zh) | 证件图像的模糊度检测方法、装置、设备及存储介质 | |
KR20220102506A (ko) | 보일러튜브 표면 결함탐지 장치 및 방법 | |
CN105389818B (zh) | 元件的定位方法和*** | |
JP5067677B2 (ja) | 欠陥検出方法、欠陥検出装置、及びプログラム | |
Gamassi et al. | Robust fingerprint detection for access control | |
CN111213156A (zh) | 字符识别锐度确定 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |