CN104463141A - 一种基于智能卡的指纹模板录入方法及装置 - Google Patents
一种基于智能卡的指纹模板录入方法及装置 Download PDFInfo
- Publication number
- CN104463141A CN104463141A CN201410821062.9A CN201410821062A CN104463141A CN 104463141 A CN104463141 A CN 104463141A CN 201410821062 A CN201410821062 A CN 201410821062A CN 104463141 A CN104463141 A CN 104463141A
- Authority
- CN
- China
- Prior art keywords
- characteristic data
- fingerprint
- fingerprint characteristic
- preset value
- matching threshold
- 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
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
- G06V40/1347—Preprocessing; Feature extraction
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)
Abstract
本发明公开了一种基于智能卡的指纹模板录入方法及装置,包括:当判断出用户的手指为困难手指时,获取第二预设值次的指纹特征数据;其中,第二预设值和第一预设值之和为N;针对每次获得的指纹特征数据,分别计算与除该次之外的其它次获得的指纹特征数据的匹配对数的比例;存储计算得到的各匹配对数的比例并按照大小进行排序,更新从大到小的前K次的指纹特征数据的标记次数;其中,K<N;对标记次数按照大小进行排序,选择出从大到小的前第一预设值个的标记次数对应的指纹特征数据作为有效指纹模板存入智能卡中。本发明技术方案提高了指纹识别率。
Description
技术领域
本发明涉及通信智能卡应用技术,尤指一种基于智能卡的指纹模板录入方法及装置。
背景技术
基于智能卡的指纹识别***中,指纹匹配的过程被分为两部分完成,第一部分为:指纹pos机采集用户的指纹图像提取指纹特征数据并传递给指纹卡(即带指纹匹配算法的智能卡);第二部分为:指纹卡将指纹pos机提取的数据与卡内存储的预先录入的该用户的指纹特征模板进行匹配并将匹配结果返回至指纹pos机,指纹pos机根据返回结果执行下一步操作。
指纹识别***中的身份认证过程即上述第二部分,是将现场采集到的指纹特征数据与智能卡内存储的指纹特征模板进行比对的过程,若采集到的指纹特征数据和指纹模板的匹配结果(也称为匹配对数的比例,是指两组指纹特征数据中匹配的点对总数与有效点对总数的比值)超过预先设置的阈值,则认证通过。因此,指纹模板的质量高低对整个指纹识别***的实用性,有很大的影响,比如,由于存储的指纹模板质量低时,导致在身份认证过程中采集到的指纹无法与指纹模板匹配,即匹配对数的比例低于预先设置的阈值,从而影响了身份的认证。
为了避免指纹录入时存储的指纹模板质量过低而引起的问题,一个比较常见的解决办法是,在针对某用户录入指纹模板时,一次性录入多个指纹模板(通常为2-5个),这样就能够在一定程度上避免由于用户在指纹录入过程中按压方式不规范而引起的指纹模板质量低的问题。基于智能卡的存储空间大小,增加存储的指纹模板数而造成的时间消耗和存储空间的消耗是可以接受的。
在现有基于智能卡的指纹录入方法中,没有对采集的指纹模板进行筛选,而且,在指纹识别时采用的是固定阈值,一般,同一个手指采集到的不同次的指纹特征数据(这里可以称之为同一手指采集的不同指纹集合)与智能卡内存储的指纹模板的匹配对数的比例应该为80%—90%(称之为初始匹配阈值,其理论值应该是100%),因此在指纹识别中采取的阈值范围是80%—90%;但是,对于一些特别的手指(下文中称之为困难手指),比如因为指纹纹路细或者其他原因,导致每次采集到的指纹特征点差异大,同一个手指采集到的不同指纹特征数值,匹配对数的比例一般仅为50%—60%,甚至于更低。因此若对于这种情况,如果不对指纹模板进行处理,采取固定的80%—90%的阈值,显然降低了匹配成功率。
发明内容
为了解决上述技术问题,本发明提供了一种基于智能卡的指纹模板录入方法及装置,能够提高指纹识别率。
为了达到本发明目的,本发明提供了一种基于智能卡的指纹模板录入方法,包括:
当判断出用户的手指为困难手指时,获取第二预设值次的指纹特征数据;其中,第二预设值和第一预设值之和为N;
针对每次获得的指纹特征数据,分别计算与除该次之外的其它次获得的指纹特征数据的匹配对数的比例;存储计算得到的各匹配对数的比例并按照大小进行排序,更新从大到小的前K次的指纹特征数据的标记次数;其中,K<N;
对标记次数按照大小进行排序,选择出从大到小的前第一预设值个的标记次数对应的指纹特征数据作为有效指纹模板存入智能卡中。
进一步地,该方法之前还包括:
获取第一预设值次的指纹特征数据;
根据获得的第一预设值次的指纹特征数据,判断用户的手指是否为困难手指。
进一步地,在获取第二预设值次的指纹特征数据之前,该方法还包括:
设置每次的指纹特征数据的标记次数和每次的指纹特征数据与其它次获得的指纹特征数据的匹配对数的比例的一一对应关系;其中,每次的指纹特征数据的标记次数的初始值为0。
进一步地,该方法还包括:
分别计算第一预设值次的指纹特征数据的匹配阈值;
判断计算出的匹配阈值是否可用;
当匹配阈值可用时,将匹配阈值设置为与指纹特征数据对应的有效指纹模板的匹配对数阈值;否则,将与指纹特征数据对应的有效指纹模板的匹配对数阈值设置为初始匹配阈值。
进一步地,分别计算第一预设值次的指纹特征数据的匹配阈值,包括:
分别获取第一预设值次的指纹特征数据中每次的指纹特征数据的匹配对数的比例和该次指纹特征数据的标记次数;
根据获得的匹配对数的比例和标记次数,计算第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值。
进一步地,判断计算出的匹配阈值是否可用,包括:
判断计算出的第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值是否小于初始匹配阈值;
当计算出的匹配阈值小于初始匹配阈值时,获取指纹数据库中第三预设值次的指纹特征数据;
将获得的指纹数据库中第三预设值的指纹特征数据一一与计算获得的匹配阈值对应的有效指纹模板进行匹配获得匹配分数;
当获得的各个匹配分数均小于匹配阈值,则判断匹配阈值可用。
本发明还提供了一种基于智能卡的指纹模板录入装置,包括:第一获取模块、处理模块和模板存储模块;其中,
第一获取模块,用于当判断出用户的手指为困难手指时,获取第二预设值次的指纹特征数据;其中,第二预设值和第一预设值之和为N;
处理模块,用于针对每次获得的指纹特征数据,分别计算与除该次之外的其它次获得的指纹特征数据的匹配对数的比例;存储计算得到的各匹配对数的比例并按照大小进行排序,更新从大到小的前K次的指纹特征数据的标记次数;其中,K<N;
模板存储模块,用于对标记次数按照大小进行排序,选择出从大到小的前第一预设值个的标记次数对应的指纹特征数据作为有效指纹模板存入智能卡中。
进一步地,该装置还包括:第二获取模块和判断模块;
第二获取模块,用于获取第一预设值次的指纹特征数据;
判断模块,用于根据获得的第一预设值次的指纹特征数据,判断用户的手指是否为困难手指。
进一步地,该装置还包括:设置模块,用于在获取第二预设值次的指纹特征数据之前,设置每次的指纹特征数据的标记次数和每次的指纹特征数据与其它次获得的指纹特征数据的匹配对数的比例的一一对应关系;其中,每次的指纹特征数据的标记次数的初始值为0。
进一步地,处理模块,还用于:分别计算第一预设值次的指纹特征数据的匹配阈值;
判断计算出的匹配阈值是否可用;
当匹配阈值可用时,将匹配阈值设置为与指纹特征数据对应的有效指纹模板的匹配对数阈值;否则,将与指纹特征数据对应的有效指纹模板的匹配对数阈值设置为初始匹配阈值。
进一步地,处理模块,具体用于:
分别获取第一预设值次的指纹特征数据中每次的指纹特征数据的匹配对数的比例和该次指纹特征数据的标记次数;
根据获得的匹配对数的比例和标记次数,计算第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值。
进一步地,处理模块还具体用于:
判断计算出的第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值是否小于初始匹配阈值;
当计算出的匹配阈值小于初始匹配阈值时,获取指纹数据库中第三预设值的指纹特征数据;
将获得的指纹数据库中第三预设值的指纹特征数据一一与计算获得的匹配阈值对应的有效指纹模板进行匹配获得匹配分数;
当获得的各个匹配分数均小于匹配阈值,则判断匹配阈值可用。
本发明技术方案包括:当判断出用户的手指为困难手指时,获取第二预设值次的指纹特征数据;其中,第二预设值和第一预设值之和为N;针对每次获得的指纹特征数据,分别计算与除该次之外的其它次获得的指纹特征数据的匹配对数的比例;存储计算得到的各匹配对数的比例并按照大小进行排序,更新从大到小的前K次的指纹特征数据的标记次数;其中,K<N;对标记次数按照大小进行排序,选择出从大到小的前第一预设值个的标记次数对应的指纹特征数据作为有效指纹模板存入智能卡中。本发明技术方案提高了指纹识别率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明基于智能卡的指纹模板录入方法的流程图;
图2为本发明基于智能卡的指纹模板录入装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
图1为本发明基于智能卡的指纹模板录入方法的流程图,如图1所示,包括以下步骤:
步骤101:当判断出用户的手指为困难手指时,获取第二预设值次的指纹特征数据;其中,第二预设值和第一预设值之和为N。
其中,这里的N为采集获得的指纹特征数据的总次(组)数,一般取值为大于或等于5且小于或等于10的正整数。第一预设值要小于N的取值,可以取2或是3。
进一步地,本步骤之前还包括:获取第一预设值次的指纹特征数据;
根据获得的第一预设值次的指纹特征数据,判断所述用户的手指是否为困难手指。具体包括:针对获得的第一预设值次的指纹特征数据,计算每两次的指纹特征数据的匹配对数的比例,若计算获得的匹配对数的比例中有一个匹配对数的比例小于初始匹配阈值,则判断出该用户的手指为困难手指。
其中,可以采用现有的指纹匹配算法,如点模式匹配算法,来计算各次指纹特征数据之间的匹配对数的比例。
举例说明,预先采集3次指纹特征数据,两两进行匹配对数的比例计算,获得的匹配对数的比例分别为30%,50%和80%,此时初始匹配阈值设置为80%,则判断该用户的手指为困难手指。
需要说明的是,这里的获取包括采集指纹数据和处理指纹数据两个过程。其中如何对采集的指纹数据进行处理以得到指纹特征数据属于本领域技术人员所熟知的惯用技术手段,在此不再赘述。
进一步地,在获取第二预设值次的指纹特征数据之前,还包括:
设置每次的指纹特征数据的标记次数和每次的指纹特征数据与其它次获得的指纹特征数据的匹配对数的比例的一一对应关系;其中,每次的指纹特征数据的标记次数的初始值为0。
步骤102:针对每次获得的指纹特征数据,分别计算与除该次之外的其它次获得的指纹特征数据的匹配对数的比例;存储计算得到的各匹配对数的比例并按照大小进行排序,更新从大到小的前K次的指纹特征数据的标记次数;其中,K<N。
其中,K是小于N的正整数,例如可以是N的三分之一或者是二分之一或者是其它的分数值。且K要大于第一预设值。以及,
更新包括:递增处理。
举例说明,N取值为10,K取6。本例中的组即相当于上述步骤中的次。包括如下步骤:
步骤a,假如有10组指纹特征数据M1,M2,...,M10,对于某组指纹特征数据Mi(i=1,2,...,10),计算10组指纹特征数据中除Mi之外的9组指纹特征数据与Mi的匹配对数的比例,对计算得到的9个匹配对数的比例排序,顺序选出前6大的匹配对数的比例,进行记录该前6大的匹配对数的比例和与该前6大的匹配对数的比例所对应的6组指纹特征数据相应的次数编号,并且对该前6大的匹配对数的比例所对应的6组指纹特征数据的标记次数进行递增处理。
步骤b,对10组指纹特征数据中除Mi之外的其它组指纹特征数据,重复执行步骤a,直至遍历10组指纹特征数据完为止。
步骤103:对标记次数按照大小进行排序,选择出从大到小的前第一预设值个的标记次数对应的指纹特征数据作为有效指纹模板存入智能卡中。
进一步地,该方法还包括:分别计算第一预设值次的指纹特征数据的匹配阈值;
判断计算出的匹配阈值是否可用;
当匹配阈值可用时,将匹配阈值设置为与该指纹特征数据对应的有效指纹模板的匹配对数阈值;否则,将与该指纹特征数据对应的有效指纹模板的匹配对数阈值设置为初始匹配阈值。
其中,分别计算第一预设值次的指纹特征数据的匹配阈值,包括:
分别获取第一预设值次的指纹特征数据中每次的指纹特征数据的匹配对数的比例和该次指纹特征数据的标记次数;
根据获得的匹配对数的比例和标记次数,计算第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值。具体包括:针对第一预设值次的指纹特征数据中的每次的指纹特征数据,获取已存储的该次指纹特征数据的各个匹配对数的比例和标记次数;对获得的各个匹配对数的比例相加后除以该次指纹特征数据的标记次数,即为该次指纹特征数据的匹配阈值。
以及,
判断计算出的匹配阈值是否可用,包括:
判断计算获得的第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值是否小于初始匹配阈值;
当计算出的匹配阈值小于初始匹配阈值时,获取指纹数据库中第三预设值次的指纹特征数据;
将获得的指纹数据库中第三预设值的指纹特征数据一一与计算获得的匹配阈值对应的有效指纹模板进行匹配获得匹配分数;
当获得的各个匹配分数均小于匹配阈值,则判断匹配阈值可用。
其中,第三预设值可以根据实际情况进行选取,为了降低误识率,至少要从指纹库中调用1000组指纹特征数据来进行匹配,以证明上述匹配阈值不会造成明显的误识。具体选取多少组属于本领域技术人员所熟知的惯用技术手段,并不用来限制本发明,在此不再赘述。
举例说明,N取值为10时,若第一预设值为3,则选择前3大的标记次数对应的指纹特征数据(假设为M1,M6,M9)为有效模板,存入智能卡中。分别计算M1,M6,M9的匹配阈值。具体包括:分别获取M1,M6,M9的标记次数和每次处理标记次数时的M1,M6,M9的匹配对数的比例;用记录的M1的各个匹配对数的比例之和除以M1的标记次数,即得到M1的匹配阈值,用记录的M6的各个匹配对数的比例之和除以M6的标记次数,即得到M6的匹配阈值,用记录的M9的各个匹配对数的比例之和除以M9的标记次数,即得到M9的匹配阈值。
本发明中,通过获取N组指纹特征数据,并两两进行匹配计算每组指纹特征数据的匹配对数的比例以及对每组指纹特征数据的标记次数进行处理,锁定N组指纹特征数据中与其它组指纹特征数据的匹配对数的比例最高的几组(第一预设值)指纹特征数据为有效指纹模板,从而提高了指纹模板的质量,最终提高了指纹识别率。
图2为本发明基于智能卡的指纹模板录入装置的结构示意图,如图2所示,包括:第一获取模块、处理模块和模板存储模块。其中,
第一获取模块,用于当判断出用户的手指为困难手指时,获取第二预设值次的指纹特征数据。其中,第二预设值和第一预设值之和为N。
处理模块,用于针对每次获得的指纹特征数据,分别计算与除该次之外的其它次获得的指纹特征数据的匹配对数的比例;存储计算得到的各匹配对数的比例并按照大小进行排序,更新从大到小的前K次的指纹特征数据的标记次数;其中,K<N。
模板存储模块,用于对标记次数按照大小进行排序,选择出从大到小的前第一预设值个的标记次数对应的指纹特征数据作为有效指纹模板存入智能卡中。
进一步地,处理模块,还用于:分别计算第一预设值次的指纹特征数据的匹配阈值;
判断计算出的匹配阈值是否可用;
当匹配阈值可用时,将匹配阈值设置为与指纹特征数据对应的有效指纹模板的匹配对数阈值;否则,将与指纹特征数据对应的有效指纹模板的匹配对数阈值设置为初始匹配阈值。
其中,处理模块,具体用于:
分别获取第一预设值次的指纹特征数据中每次的指纹特征数据的匹配对数的比例和该次指纹特征数据的标记次数;
根据获得的匹配对数的比例和标记次数,计算第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值。
以及,处理模块还具体用于:
判断计算出的第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值是否小于初始匹配阈值;
当计算出的匹配阈值小于初始匹配阈值时,获取指纹数据库中第三预设值的指纹特征数据;
将获得的指纹数据库中第三预设值的指纹特征数据一一与计算获得的匹配阈值对应的有效指纹模板进行匹配获得匹配分数;
当获得的各个匹配分数均小于匹配阈值,则判断匹配阈值可用。
进一步地,该指纹模板录入装置还包括:第二获取模块和判断模块;
第二获取模块,用于获取第一预设值次的指纹特征数据;
判断模块,用于根据获得的第一预设值次的指纹特征数据,判断用户的手指是否为困难手指。以及,
该指纹模板录入装置还包括:设置模块,用于在获取第二预设值次的指纹特征数据之前,设置每次的指纹特征数据的标记次数和每次的指纹特征数据与其它次获得的指纹特征数据的匹配对数的比例的一一对应关系;其中,每次获得的指纹特征数据的标记次数的初始值为0。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本申请不限制于任何特定形式的硬件和软件的结合。
虽然本发明所揭露的实施方式如上,但所述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (12)
1.一种基于智能卡的指纹模板录入方法,其特征在于,包括:
当判断出用户的手指为困难手指时,获取第二预设值次的指纹特征数据;其中,第二预设值和第一预设值之和为N;
针对每次获得的指纹特征数据,分别计算与除该次之外的其它次获得的指纹特征数据的匹配对数的比例;存储计算得到的各匹配对数的比例并按照大小进行排序,更新从大到小的前K次的指纹特征数据的标记次数;其中,K<N;
对标记次数按照大小进行排序,选择出从大到小的前第一预设值个的标记次数对应的指纹特征数据作为有效指纹模板存入智能卡中。
2.根据权利要求1所述的指纹模板录入方法,其特征在于,该方法之前还包括:
获取所述第一预设值次的指纹特征数据;
根据获得的所述第一预设值次的指纹特征数据,判断所述用户的手指是否为困难手指。
3.根据权利要求1或2所述的指纹模板录入方法,其特征在于,在所述获取第二预设值次的指纹特征数据之前,该方法还包括:
设置每次的指纹特征数据的标记次数和每次的指纹特征数据与其它次获得的指纹特征数据的匹配对数的比例的一一对应关系;其中,每次的指纹特征数据的标记次数的初始值为0。
4.根据权利要求1所述的指纹模板录入方法,其特征在于,该方法还包括:
分别计算所述第一预设值次的指纹特征数据的匹配阈值;
判断计算出的匹配阈值是否可用;
当所述匹配阈值可用时,将所述匹配阈值设置为与所述指纹特征数据对应的有效指纹模板的匹配对数阈值;否则,将与所述指纹特征数据对应的有效指纹模板的匹配对数阈值设置为初始匹配阈值。
5.根据权利要求4所述的指纹模板录入方法,其特征在于,所述分别计算所述第一预设值次的指纹特征数据的匹配阈值,包括:
分别获取所述第一预设值次的指纹特征数据中每次的指纹特征数据的匹配对数的比例和该次指纹特征数据的标记次数;
根据获得的匹配对数的比例和标记次数,计算所述第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值。
6.根据权利要求5所述的指纹模板录入方法,其特征在于,所述判断计算出的匹配阈值是否可用,包括:
判断计算出的所述第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值是否小于所述初始匹配阈值;
当计算出的匹配阈值小于所述初始匹配阈值时,获取指纹数据库中第三预设值次的指纹特征数据;
将获得的指纹数据库中第三预设值的指纹特征数据一一与计算获得的匹配阈值对应的有效指纹模板进行匹配获得匹配分数;
当获得的各个匹配分数均小于所述匹配阈值,则判断所述匹配阈值可用。
7.一种基于智能卡的指纹模板录入装置,其特征在于,包括:第一获取模块、处理模块和模板存储模块;其中,
第一获取模块,用于当判断出用户的手指为困难手指时,获取第二预设值次的指纹特征数据;其中,第二预设值和第一预设值之和为N;
处理模块,用于针对每次获得的指纹特征数据,分别计算与除该次之外的其它次获得的指纹特征数据的匹配对数的比例;存储计算得到的各匹配对数的比例并按照大小进行排序,更新从大到小的前K次的指纹特征数据的标记次数;其中,K<N;
模板存储模块,用于对标记次数按照大小进行排序,选择出从大到小的前第一预设值个的标记次数对应的指纹特征数据作为有效指纹模板存入智能卡中。
8.根据权利要求7所述的指纹模板录入装置,其特征在于,该装置还包括:第二获取模块和判断模块;
第二获取模块,用于获取所述第一预设值次的指纹特征数据;
判断模块,用于根据获得的所述第一预设值次的指纹特征数据,判断所述用户的手指是否为困难手指。
9.根据权利要求7或8所述的指纹模板录入装置,其特征在于,该装置还包括:设置模块,用于在获取第二预设值次的指纹特征数据之前,设置每次的指纹特征数据的标记次数和每次的指纹特征数据与其它次获得的指纹特征数据的匹配对数的比例的一一对应关系;其中,每次的指纹特征数据的标记次数的初始值为0。
10.根据权利要求7所述的指纹模板录入装置,其特征在于,所述处理模块,还用于:分别计算所述第一预设值次的指纹特征数据的匹配阈值;
判断计算出的匹配阈值是否可用;
当所述匹配阈值可用时,将所述匹配阈值设置为与所述指纹特征数据对应的有效指纹模板的匹配对数阈值;否则,将与所述指纹特征数据对应的有效指纹模板的匹配对数阈值设置为初始匹配阈值。
11.根据权利要求10所述的指纹模板录入装置,其特征在于,所述处理模块,具体用于:
分别获取所述第一预设值次的指纹特征数据中每次的指纹特征数据的匹配对数的比例和该次指纹特征数据的标记次数;
根据获得的匹配对数的比例和标记次数,计算所述第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值。
12.根据权利要求11所述的指纹模板录入装置,其特征在于,所述处理模块还具体用于:
判断计算出的所述第一预设值次的指纹特征数据中每次的指纹特征数据的匹配阈值是否小于所述初始匹配阈值;
当计算出的匹配阈值小于所述初始匹配阈值时,获取指纹数据库中第三预设值的指纹特征数据;
将获得的指纹数据库中第三预设值的指纹特征数据一一与计算获得的匹配阈值对应的有效指纹模板进行匹配获得匹配分数;
当获得的各个匹配分数均小于所述匹配阈值,则判断所述匹配阈值可用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410821062.9A CN104463141B (zh) | 2014-12-24 | 2014-12-24 | 一种基于智能卡的指纹模板录入方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410821062.9A CN104463141B (zh) | 2014-12-24 | 2014-12-24 | 一种基于智能卡的指纹模板录入方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104463141A true CN104463141A (zh) | 2015-03-25 |
CN104463141B CN104463141B (zh) | 2018-03-13 |
Family
ID=52909157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410821062.9A Active CN104463141B (zh) | 2014-12-24 | 2014-12-24 | 一种基于智能卡的指纹模板录入方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463141B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469033A (zh) * | 2015-11-13 | 2016-04-06 | 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 |
CN105844129A (zh) * | 2016-03-15 | 2016-08-10 | 广东欧珀移动通信有限公司 | 一种指纹解锁的方法及终端 |
CN106096549A (zh) * | 2016-06-07 | 2016-11-09 | 青岛海信移动通信技术股份有限公司 | 一种指纹匹配方法和终端 |
WO2017000352A1 (zh) * | 2015-06-30 | 2017-01-05 | 宇龙计算机通信科技(深圳)有限公司 | 一种指纹识别方法、装置和终端 |
CN106682623A (zh) * | 2016-12-28 | 2017-05-17 | 大唐电信(成都)信息技术有限公司 | 一种指纹信息采集方法及指纹采集*** |
CN106951864A (zh) * | 2017-03-20 | 2017-07-14 | 广东小天才科技有限公司 | 一种指纹采集方法及装置 |
CN107239745A (zh) * | 2017-05-15 | 2017-10-10 | 努比亚技术有限公司 | 指纹模拟方法及对应的移动终端 |
CN107392154A (zh) * | 2017-07-25 | 2017-11-24 | 广东欧珀移动通信有限公司 | 指纹处理方法、装置及终端设备 |
CN107992805A (zh) * | 2017-11-17 | 2018-05-04 | 大唐终端技术有限公司 | 智能移动终端高可靠性的指纹录入解决方法、智能移动终端 |
CN108009464A (zh) * | 2016-10-28 | 2018-05-08 | 中国电信股份有限公司 | 一种指纹识别方法和装置 |
US10628694B2 (en) | 2015-10-19 | 2020-04-21 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Fingerprint enrolling method, apparatus, and terminal device |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588425A (zh) * | 2004-07-15 | 2005-03-02 | 清华大学 | 多注册指纹融合方法 |
CN101226588A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种基于现场可编程门阵列芯片的指纹识别方法及装置 |
CN101499130A (zh) * | 2008-01-30 | 2009-08-05 | 深圳市普罗巴克科技股份有限公司 | 一种指纹识别方法和指纹识别*** |
US20100232659A1 (en) * | 2009-03-12 | 2010-09-16 | Harris Corporation | Method for fingerprint template synthesis and fingerprint mosaicing using a point matching algorithm |
-
2014
- 2014-12-24 CN CN201410821062.9A patent/CN104463141B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588425A (zh) * | 2004-07-15 | 2005-03-02 | 清华大学 | 多注册指纹融合方法 |
CN101226588A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种基于现场可编程门阵列芯片的指纹识别方法及装置 |
CN101499130A (zh) * | 2008-01-30 | 2009-08-05 | 深圳市普罗巴克科技股份有限公司 | 一种指纹识别方法和指纹识别*** |
US20100232659A1 (en) * | 2009-03-12 | 2010-09-16 | Harris Corporation | Method for fingerprint template synthesis and fingerprint mosaicing using a point matching algorithm |
Non-Patent Citations (1)
Title |
---|
李永: "多样本、多单元、多角度、多模态生物特征识别技术的研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017000352A1 (zh) * | 2015-06-30 | 2017-01-05 | 宇龙计算机通信科技(深圳)有限公司 | 一种指纹识别方法、装置和终端 |
US10628694B2 (en) | 2015-10-19 | 2020-04-21 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Fingerprint enrolling method, apparatus, and terminal device |
CN105469033B (zh) * | 2015-11-13 | 2018-04-17 | 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 |
CN105469033A (zh) * | 2015-11-13 | 2016-04-06 | 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 |
WO2017080278A1 (zh) * | 2015-11-13 | 2017-05-18 | 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 |
CN105844129A (zh) * | 2016-03-15 | 2016-08-10 | 广东欧珀移动通信有限公司 | 一种指纹解锁的方法及终端 |
CN105844129B (zh) * | 2016-03-15 | 2018-01-23 | 广东欧珀移动通信有限公司 | 一种指纹解锁的方法及终端 |
CN106096549A (zh) * | 2016-06-07 | 2016-11-09 | 青岛海信移动通信技术股份有限公司 | 一种指纹匹配方法和终端 |
CN108009464B (zh) * | 2016-10-28 | 2020-08-04 | 中国电信股份有限公司 | 一种指纹识别方法和装置 |
CN108009464A (zh) * | 2016-10-28 | 2018-05-08 | 中国电信股份有限公司 | 一种指纹识别方法和装置 |
CN106682623A (zh) * | 2016-12-28 | 2017-05-17 | 大唐电信(成都)信息技术有限公司 | 一种指纹信息采集方法及指纹采集*** |
CN106951864A (zh) * | 2017-03-20 | 2017-07-14 | 广东小天才科技有限公司 | 一种指纹采集方法及装置 |
CN107239745A (zh) * | 2017-05-15 | 2017-10-10 | 努比亚技术有限公司 | 指纹模拟方法及对应的移动终端 |
CN107392154A (zh) * | 2017-07-25 | 2017-11-24 | 广东欧珀移动通信有限公司 | 指纹处理方法、装置及终端设备 |
CN107392154B (zh) * | 2017-07-25 | 2019-01-15 | Oppo广东移动通信有限公司 | 指纹处理方法、装置及终端设备 |
CN107992805A (zh) * | 2017-11-17 | 2018-05-04 | 大唐终端技术有限公司 | 智能移动终端高可靠性的指纹录入解决方法、智能移动终端 |
Also Published As
Publication number | Publication date |
---|---|
CN104463141B (zh) | 2018-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104463141A (zh) | 一种基于智能卡的指纹模板录入方法及装置 | |
KR102152191B1 (ko) | 운전면허 유효기간 자동 추출 방법, 기기, 시스템 및 저장 매체 | |
CN108229588B (zh) | 一种基于深度学习的机器学习识别方法 | |
CN109948641A (zh) | 异常群体识别方法及装置 | |
CN104778481A (zh) | 一种大规模人脸模式分析样本库的构建方法和装置 | |
CN107545160A (zh) | 指纹识别方法及装置 | |
CN105653171A (zh) | 基于指纹识别的终端控制方法、终端控制装置及终端 | |
CN105069343A (zh) | 指纹验证方法、指纹验证装置和终端 | |
CN110796135A (zh) | 目标的定位方法及装置、计算机设备、计算机存储介质 | |
CN104391879A (zh) | 层次聚类的方法及装置 | |
CN108009715A (zh) | 一种自动分析指标波动根因的方法 | |
CN110097078A (zh) | 一种最优尺度选择方法、装置及计算机可读存储介质 | |
CN107015993A (zh) | 一种用户类型识别方法及装置 | |
CN108734127A (zh) | 年龄识别值调整方法、装置、设备及存储介质 | |
CN107037951B (zh) | 操作模式自动识别方法及终端 | |
CN106474666A (zh) | 一种智能跑步方法以及一种智能跑步机 | |
CN107077617B (zh) | 指纹提取方法及装置 | |
CN111353332B (zh) | 指纹图像处理方法、装置和计算机可读存储介质 | |
CN110427870B (zh) | 眼部图片识别方法、目标识别模型训练方法及装置 | |
CN104298980A (zh) | 一种基于智能卡的指纹匹配方法及装置 | |
CN108345943B (zh) | 一种基于嵌入编码与对比学习的机器学习识别方法 | |
CN103778210B (zh) | 一种待分析文件的文件具体类型的判断方法及装置 | |
CN106682624A (zh) | 基于时间序列遥感信息的建成区提取方法及装置 | |
CN107784363B (zh) | 数据处理方法、装置及*** | |
EP4181476A1 (en) | Network data analysis method, network data analysis functional network element and communication system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |