CN106709396B - 指纹图像的配准方法及配准装置 - Google Patents
指纹图像的配准方法及配准装置 Download PDFInfo
- Publication number
- CN106709396B CN106709396B CN201510445453.XA CN201510445453A CN106709396B CN 106709396 B CN106709396 B CN 106709396B CN 201510445453 A CN201510445453 A CN 201510445453A CN 106709396 B CN106709396 B CN 106709396B
- Authority
- CN
- China
- Prior art keywords
- registration
- minutiae
- preset condition
- registration position
- fingerprint image
- 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.)
- Active
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明实施例公开了一种指纹图像配准方法及配准装置，该配准方法包括：分别选取第一指纹图像和第二指纹图像中的细节点，获得第一细节点集合与第二细节点集合；对第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱；对第一细节点集合中的各细节点与第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在满足预设条件的配准位置对应的配准位置范围内，分别计算第一特征频谱和第二特征频谱的相关度值，记为配准结果；从配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为第一指纹图像和第二指纹图像的最终配准位置。该指纹图像配准方法，配准速度快，准确度高。
Description
技术领域
本发明涉及指纹配准技术领域，尤其涉及一种指纹图像的配准方法及配准装置。
背景技术
随着手持智能设备在人们日常生活中变得越来越重要，手持智能设备的安全性也越来越为人们所关注，从而使得指纹识别技术越来越多的应用到手持智能设备中，以提高所述手持智能设备的安全性。而在指纹识别技术领域，指纹图像的对准(也成为配准，即两个指纹图像的最大区域重合)尤其重要，只要两个指纹图像最大限度的对准之后，才便于两个指纹图像的匹配检测。因此，提供一种既快速又准确度高的指纹图像对准方法，成为本领域人员亟待解决的问题。
发明内容
为解决上述技术问题，本发明实施例提供了一种指纹图像的配准方法及配准装置，配准速度快，准确度高。
为解决上述问题，本发明实施例提供了如下技术方案：
一种指纹图像的配准方法，包括：
分别选取第一指纹图像和第二指纹图像中的细节点，获得与所述第一指纹图像对应的第一细节点集合以及与所述第二指纹图像对应的第二细节点集合；
对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的特征频谱，所述第二特征频谱为所述第二指纹图像的特征频谱；
对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果；
从所述配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为所述第一指纹图像和第二指纹图像的最终配准位置。
优选的，对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果包括：
遍历所述第一细节点集合中的各细节点，对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，计算所述满足预设条件的配准位置对应的配准位置范围；
遍历所述配准位置范围内的各配准位置，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱在各配准位置下的相关度值，记为配准结果。
优选的，所述对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果，包括：
判断所述第一细节点集合中是否存在未被选取过的细节点；
若存在，选取所述第一细节点集合中未被选取过的一细节点；
对所述第一细节点集合中选取的该细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置；
在所述满足预设条件的配准位置对应的配准位置范围内，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和第二特征频谱的相关度值，记为配准结果。
优选的，所述对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置包括：
对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得所述第二细节点集合中各细节点相对于所述第一细节点集合中该选取细节点的配准位置及各配准位置对应的配准概率；
从所述第二细节点集合中各细节点相对于所述第一细节点集合中该细节点的配准位置及各配准位置对应的配准概率中选出满足第一预设条件的配准位置及其对应的配准概率；
将所述满足所述第一预设条件的配准位置对应的配准概率，代入预设概率模型中，计算二次概率结果；
判断所述二次概率结果是否大于预设阈值，如果是，则所述满足所述第一预设条件的配准位置为满足预设条件的配准位置；
相应的，所述计算所述满足预设条件的配准位置对应的配准位置范围，包括：
以所述满足预设条件的配准位置为中心，选取幅度范围，计算出所述预设条件的配准位置对应的配准位置范围。
优选的，所述预设概率模型为贝叶斯概率模型或人工智能概率模型。
优选的，所述对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准包括：
基于各细节点的曲率和曲率方向，对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准。
优选的，所述对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果包括：
在所述配准位置范围内选取的配准位置处，固定所述第一特征频谱，以预设角度旋转所述第二特征频谱，计算360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度值，并从中选出满足第二预设条件的相关度值，将所述满足第二预设条件的相关度值对应的配准位置记为配准结果。
优选的，所述计算360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度还包括：
在各旋转位置处，以预设间距水平移动和/或竖直移动所述第二特征频谱，计算该旋转位置处各水平位置和/或竖直位置，所述第一特征频谱和所述第二特征频谱的相关度值。
一种指纹图像的配准装置，应用于上述任一项配准方法，包括：
细节点选取模块，用于分别选取第一指纹图像和第二指纹图像中的细节点，获得与所述第一指纹图像对应的第一细节点集合以及与所述第二指纹图像对应的第二细节点集合；
特征频谱获取模块，用于对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的特征频谱，所述第二特征频谱为所述第二指纹图像的特征频谱；
配准结果计算模块，用于对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果；
配准位置筛选模块，用于从所述配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为所述第一指纹图像和第二指纹图像的最终配准位置。
优选的，所述配准结果计算模块包括：
细节点遍历单元，用于遍历所述第一细节点集合中的各细节点，依次选取所述第一细节点集合中未被选取过的一细节点；
细节点配准单元，用于对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，计算所述满足预设条件的配准位置对应的配准位置范围；
配准位置遍历单元，用于遍历所述配准位置范围内的各配准位置，依次选取所述配准位置范围内未被选取过的一配准位置；
配准结果计算单元，用于对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱在各配准位置下的相关度值，记为配准结果。
优选的，所述配准结果计算模块包括：
细节点判断单元，用于判断所述第一细节点集合中是否存在未被选取过的细节点，若存在，选取所述第一细节点集合中未被选取过的一细节点；
细节点配准单元，用于对所述第一细节点集合中选取的该细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，计算所述满足预设条件的配准位置对应的配准位置范围；
配准结果计算单元，用于在所述满足预设条件的配准位置对应的配准位置范围内，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和第二特征频谱的相关度值，记为配准结果。
优选的，所述细节点配准单元包括：
细节点配准子单元，用于对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得所述第二细节点集合中各细节点相对于所述第一细节点集合中该选取细节点的配准位置及各配准位置对应的配准概率；
配准位置选择子单元，用于从所述第二细节点集合中各细节点相对于所述第一细节点集合中该细节点的配准位置及各配准位置对应的配准概率中选出满足第一预设条件的配准位置及其对应的配准概率；
二次概率计算子单元，用于将所述满足所述第一预设条件的配准位置对应的配准概率，代入预设概率模型中，计算二次概率结果；
二次概率判断子单元，用于判断所述二次概率结果是否大于预设阈值，如果是，则所述满足所述第一预设条件的配准位置为满足预设条件的配准位置；
配准位置计算子单元，用于以所述满足预设条件的配准位置为中心，选取幅度范围，计算出所述预设条件的配准位置对应的配准位置范围。
优选的，所述配准结果计算单元包括：
角度旋转子单元，用于在所述配准位置范围内选取的配准位置处，固定所述第一特征频谱，以预设角度旋转所述第二特征频谱；
相关度筛选子单元，用于计算360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度值，并从中选出满足第二预设条件的相关度值，将所述满足第二预设条件的相关度值对应的配准位置记为配准结果。
优选的，所述配准结果计算单元还包括：
距离移动单元，用于在各旋转位置处，以预设间距水平移动和/或竖直移动所述第二特征频谱；
相应的，所述相关度筛选子单元还用于计算该旋转位置处各水平位置和/或竖直位置，所述第一特征频谱和所述第二特征频谱的相关度值。
与现有技术相比，上述技术方案具有以下优点：
本发明实施例所提供的指纹图像配准方法，先分别选取第一指纹图像和第二指纹图像中的细节点，获得与所述第一指纹图像对应的第一细节点集合以及与所述第二指纹图像对应的第二细节点集合，并对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，从而通过细节点提取提高所述图像配准方法的配准速度，再对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的特征频谱，所述第二特征频谱为所述第二指纹图像的特征频谱，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果，最后从所述配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为所述第一指纹图像和第二指纹图像的最终配准位置，从而通过特征频谱相关度配准法，提高所述指纹图像配准方法的准确度，使得本发明实施例所提供的指纹图像配准方法，配准速度快，准确度高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的指纹图像配准方法的流程图；
图2为本发明一个实施例所提供的指纹图像配准装置的结构示意图。
具体实施方式
正如背景技术部分所述，提供一种既快速又准确度高的指纹图像对准方法，成为本领域人员亟待解决的问题。
有鉴于此，本发明实施例提供了一种指纹图像的配准方法，包括：
分别选取第一指纹图像和第二指纹图像中的细节点，获得与所述第一指纹图像对应的第一细节点集合以及与所述第二指纹图像对应的第二细节点集合；
对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的特征频谱，所述第二特征频谱为所述第二指纹图像的特征频谱；
对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果；
从所述配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为所述第一指纹图像和第二指纹图像的最终配准位置。
相应的，本发明实施例还提供了一种指纹图像的配准装置，包括：
细节点选取模块，用于分别选取第一指纹图像和第二指纹图像中的细节点，获得与所述第一指纹图像对应的第一细节点集合以及与所述第二指纹图像对应的第二细节点集合；
特征频谱获取模块，用于对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的特征频谱，所述第二特征频谱为所述第二指纹图像的特征频谱；
配准结果计算模块，用于对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果；
配准位置筛选模块，用于从所述配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为所述第一指纹图像和第二指纹图像的最终配准位置。
本发明实施例所提供的指纹图像的配准方法及配准装置，先通过细节点提取提高所述图像配准方法的配准速度，再通过特征频谱相关度配准法，提高所述指纹图像配准方法的准确度，从而使得本发明实施例所提供的指纹图像配准方法，配准速度快，准确度高，而且可以有效满足支持360°配准的实时性需求。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
下面为了便于描述该配准方法中各方法步骤，以一具体实施例对所述配准方法进行描述，但本发明对此并不做限定，在本发明的其他实施例中，并列步骤之间的执行顺序可以互换，也可以同时进行，具体视情况而定。
如图1所示，本发明实施例所提供的指纹图像的配准方法包括：
S1：分别选取第一指纹图像和第二指纹图像中的细节点，获得与所述第一指纹图像对应的第一细节点集合以及与所述第二指纹图像对应的第二细节点集合。
需要说明的是，在本发明实施例中，所述细节点包括：两条指纹线路的交叉点和/或一条发生断裂的指纹线的各个端点等，本发明对此并不做限定，具体视情况而定。
还需要说明的是，在本发明实施例中，可以选取所述第一指纹图像中的部分细节点作为所述第一细节点集合，也可以选取所述第一指纹图像中的全部细节点作为所述第一细节点集合，本发明对此并不做限定，具体视情况而定。同理，在本发明实施例中，也可以选取所述第二指纹图像中的部分细节点作为第二细节点集合，或选取所述第二指纹图像中的全部细节点作为第二细节点集合，本发明对此也不做限定，具体视情况而定。
S2：对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的特征频谱，所述第二特征频谱为所述第二指纹图像的特征频谱。
在上述实施例的基础上，在本发明的一个实施例中，使用滤波器对所述第一指纹图像和第二指纹图像进行滤波，获得所述第一特征频谱和第二特征频谱。优选的，在本发明的一个优选实施例中，利用gabor滤波器对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的gabor特征频谱图，所述第二特征频谱为所述第二指纹图像的gabor特征频谱图。
需要说明的是，在本发明实施例中，S1和S2是两个独立的步骤，在具体执行时，可以先执行S1，再执行S2，也可以先执行S2再执行S1，还可以同时执行S1和S2，本发明对此并不做限定，具体视情况而定。
S3：对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果。
在上述实施例的基础上，在本发明的一个实施例中，对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果包括：
遍历所述第一细节点集合中的各细节点，对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，计算所述满足预设条件的配准位置对应的配准位置范围；
遍历所述配准位置范围内的各配准位置，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱在各配准位置下的相关度值，记为配准结果。
需要说明的是，在本发明实施例中，是先集中遍历所述第一细节点集合中的各细节点，获得所述第一细节点集合中各细节点对应的满足预设条件的配准位置对应的配准位置范围后，再集中遍历各细节点对应的配准位置范围内的各配准位置，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱在各配准位置下的相关度值，获得配准结果。
在本发明的另一个实施例中，所述对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果，包括：
判断所述第一细节点集合中是否存在未被选取过的细节点；
若存在，选取所述第一细节点集合中未被选取过的一细节点；
对所述第一细节点集合中选取的该细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置；
在所述满足预设条件的配准位置对应的配准位置范围内，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和第二特征频谱的相关度值，记为配准结果；
重复上述步骤，直至所述第一细节点集合中的所有细节点均被选取过，不存在未被选取过的细节点为止。
在本实施例中，该配准方法是先选取所述第一细节点集合中一细节点，对该细节点进行配准，获得该细节点对应的满足预设条件的配准位置，并计算满足所述预设条件的配准位置对应的配准位置范围；然后在所述满足预设条件的配准位置对应的配准位置范围内，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和第二特征频谱的相关度值，获得配准结果。获得该细节点对应的配准结果后，再对所述第一细节点集合中的另一细节点进行配准，重复上述步骤，获得其对应的配准结果后，再对所述第一细节点集合中的再一个细节点进行配准，直至获得所述第一细节点集合中各细节点的配准结果。
需要说明的是，在本发明的其他实施例中，该配准方法还可以将所述第一细节点集合分成两份或N(N大于2且小于所述第一细节点集合中的细节点数)份，完成一份细节点的配准，并获得其各细节点的配准结果后，再执行下一份细节点的配准，计算配准结果，本发明对此并不做限定，具体视情况而定。
在上述任一实施例的基础上，在本发明的一个实施例中，所述对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置包括：
对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得所述第二细节点集合中各细节点相对于所述第一细节点集合中该选取细节点的配准位置及各配准位置对应的配准概率；
从所述第二细节点集合中各细节点相对于所述第一细节点集合中该细节点的配准位置及各配准位置对应的配准概率中选出满足第一预设条件的配准位置及其对应的配准概率；
将所述满足所述第一预设条件的配准位置对应的配准概率，代入预设概率模型中，计算二次概率结果；
判断所述二次概率结果是否大于预设阈值，如果是，则所述满足所述第一预设条件的配准位置为满足预设条件的配准位置；
相应的，所述计算所述满足预设条件的配准位置对应的配准位置范围，包括：
以所述满足预设条件的配准位置为中心，选取幅度范围，计算出所述预设条件的配准位置对应的配准位置范围。
需要说明的是，在上述实施例的基础上，在本发明的一个实施例中，从所述第二细节点集合中各细节点相对于所述第一细节点集合中该细节点的配准位置及各配准位置对应的配准概率中选出满足第一预设条件的配准位置及其对应的配准概率优选为：从所述第二细节点集合中各细节点相对于所述第一细节点集合中该细节点的配准位置及各配准位置对应的配准概率中选出最大的配准概率及其对应的配准位置，记为满足第一预设条件的配准位置及其对应的配准概率。但本发明对此并不做限定，在本发明的其他实施例中，还可以将数值大于第一预设值的配准概率及其对应的配准位置记为满足第一预设条件的配准概率及其对应的配准位置，具体视情况而定。其中，本发明对所述第一预设值也不做限定，视具体情况而定。
还需要说明的是，在上述任一实施例的基础上，在本发明的一个实施例中，所述对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准包括：基于各细节点的曲率和曲率方向，对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准。在本发明的其他实施例中，还可以基于所述细节点的其他特征对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，本发明对此并不做限定。
在上述任一实施例的基础上，在本发明的一个优选实施例中，所述预设概率模型为贝叶斯概率模型或人工智能概率模型。但本发明对此并不做限定，在本发明的其他实施例中，所述预设概率模型还可以为其他概率模型，具体视情况而定。
在上述任一实施例的基础上，在本发明的一个实施例中，所述对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果包括：
在所述配准位置范围内选取的配准位置处，固定所述第一特征频谱，以预设角度旋转所述第二特征频谱，计算360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度值，并从中选出满足第二预设条件的相关度值，将所述满足第二预设条件的相关度值对应的配准位置记为配准结果。
在上述实施例的基础上，在本发明的一个优选实施例中，所述从中选出满足第二预设条件的相关度值，将所述满足第二预设条件的相关度值对应的配准位置记为配准结果包括：从360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度值中选出数值最大的相关度值，并该数值最大的相关度值对应的配准位置记为配准结果，在本发明的其他实施例中，所述第二预设条件还可以为其他条件，本发明对此并不做限定。
在上述实施例的基础上，在本发明的一个优选实施例中，所述计算360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度还包括：
在各旋转位置处，以预设间距水平移动和/或竖直移动所述第二特征频谱，计算该旋转位置处各水平位置和/或竖直位置的所述第一特征频谱和所述第二特征频谱的相关度值。
相应的，在本实施例中，从中选出满足第二预设条件的相关度值，将所述满足第二预设条件的相关度值对应的配准位置记为配准结果包括：
从360°范围内各旋转位置及其对应的各水平位置和/或竖直位置处，所述第一特征频谱和所述第二特征频谱的相关度值中选出数值最大的相关度值，并该数值最大的相关度值对应的配准位置记为配准结果。
需要说明的是，在本发明实施例中对所述预设幅度、预设角度以及预设间距的数值并不做限定，具体视情况而定。优选的，所述预设幅度与所述预设角度和/或所述预设间距相关，如当所述预设角度为3°时，所述预设幅度优选为±30°。
S4：从所述配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为所述第一指纹图像和第二指纹图像的最终配准位置。
获得所述第一细节点集合中各细节点的配准结果后，将所述第一细节点集合中各细节点的配准结果对应的相关度进行比较，从中选出相关度最大的配准结果，并将该相关度最大的配准结果对应的配准位置记为第一指纹图像和第二指纹图像的最终配准位置。
由上述描述可知，本发明实施例所提供的指纹图像的配准方法，先分别选取第一指纹图像和第二指纹图像中的细节点，获得与所述第一指纹图像对应的第一细节点集合以及与所述第二指纹图像对应的第二细节点集合，并对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，从而通过细节点提取提高所述图像配准方法的配准速度，再对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果，最后从所述配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为所述第一指纹图像和第二指纹图像的最终配准位置，从而通过特征频谱相关度配准法，提高所述指纹图像配准方法的准确度，使得本发明实施例所提供的指纹图像配准方法，配准速度快，准确度高。
相应的，本发明实施例还提供了一种指纹图像的配准装置，如图2所示，包括：
细节点选取模块100，用于分别选取第一指纹图像和第二指纹图像中的细节点，获得与所述第一指纹图像对应的第一细节点集合以及与所述第二指纹图像对应的第二细节点集合；
特征频谱获取模块200，用于对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的特征频谱，所述第二特征频谱为所述第二指纹图像的特征频谱；
配准结果计算模块300，用于对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果；
配准位置筛选模块400，用于从所述配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为所述第一指纹图像和第二指纹图像的最终配准位置。
需要说明的是，在本发明实施例中，所述细节点包括：两条指纹线路的交叉点和/或一条发生断裂的指纹线的各个端点等，本发明对此并不做限定，具体视情况而定。
还需要说明的是，在本发明实施例中，可以选取所述第一指纹图像中的部分细节点作为所述第一细节点集合，也可以选取所述第一指纹图像中的全部细节点作为所述第一细节点集合，本发明对此并不做限定，具体视情况而定。同理，在本发明实施例中，也可以选取所述第二指纹图像中的部分细节点作为第二细节点集合，或选取所述第二指纹图像中的全部细节点作为第二细节点集合，本发明对此也不做限定，具体视情况而定。
在上述实施例的基础上，在本发明的一个实施例中，所述特征频谱获取模块200使用滤波器对所述第一指纹图像和第二指纹图像进行滤波，获得所述第一特征频谱和第二特征频谱。优选的，在本发明的一个优选实施例中，所述特征频谱获取模块200利用gabor滤波器对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的gabor特征频谱图，所述第二特征频谱为所述第二指纹图像的gabor特征频谱图。
在上述实施例的基础上，在本发明的一个实施例中，所述配准结果计算模块300包括：
细节点遍历单元，用于遍历所述第一细节点集合中的各细节点，依次选取所述第一细节点集合中未被选取过的一细节点；
细节点配准单元，用于对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，计算所述满足预设条件的配准位置对应的配准位置范围；
配准位置遍历单元，用于遍历所述配准位置范围内的各配准位置，依次选取所述配准位置范围内未被选取过的一配准位置；
配准结果计算单元，用于对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱在各配准位置下的相关度值，记为配准结果。
需要说明的是，在上述实施例中，所述配准结果计算模块300是先集中遍历所述第一细节点集合中的各细节点，获得所述第一细节点集合中各细节点对应的满足预设条件的配准位置对应的配准位置范围后，再集中遍历各细节点对应的配准位置范围内的各配准位置，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱在各配准位置下的相关度值，获得配准结果。
在本发明的另一个实施例中，所述配准结果计算模块300包括：
细节点判断单元，用于判断所述第一细节点集合中是否存在未被选取过的细节点，若存在，选取所述第一细节点集合中未被选取过的一细节点；
细节点配准单元，用于对所述第一细节点集合中选取的该细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，计算所述满足预设条件的配准位置对应的配准位置范围；
配准结果计算单元，用于在所述满足预设条件的配准位置对应的配准位置范围内，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和第二特征频谱的相关度值，记为配准结果。
在上述实施例中，所述配准结果计算模块300是先选取所述第一细节点集合中一细节点，对该细节点进行配准，获得该细节点对应的满足预设条件的配准位置，并计算满足所述预设条件的配准位置对应的配准位置范围；然后在所述满足预设条件的配准位置对应的配准位置范围内，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和第二特征频谱的相关度值，获得配准结果。获得该细节点对应的配准结果后，再对所述第一细节点集合中的另一细节点进行配准，重复上述步骤，获得其对应的配准结果后，再对所述第一细节点集合中的再一个细节点进行配准，直至获得所述第一细节点集合中各细节点的配准结果。
需要说明的是，在本发明的其他实施例中，所述配准结果计算模块300还可以将所述第一细节点集合分成两份或N(N大于2小于所述第一细节点集合中的细节点数)份，完成一份细节点的配准，并获得其各细节点的配准结果后，再执行下一份细节点的配准，计算配准结果，本发明对此并不做限定，具体视情况而定。
在上述任一实施例的基础上，在本发明的一个实施例中，所述细节点配准单元包括：
细节点配准子单元，用于对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得所述第二细节点集合中各细节点相对于所述第一细节点集合中该选取细节点的配准位置及各配准位置对应的配准概率；
配准位置选择子单元，用于从所述第二细节点集合中各细节点相对于所述第一细节点集合中该细节点的配准位置及各配准位置对应的配准概率中选出满足第一预设条件的配准位置及其对应的配准概率；
二次概率计算子单元，用于将所述满足所述第一预设条件的配准位置对应的配准概率，代入预设概率模型中，计算二次概率结果；
二次概率判断子单元，用于判断所述二次概率结果是否大于预设阈值，如果是，则所述满足所述第一预设条件的配准位置为满足预设条件的配准位置；
配准位置计算子单元，用于以所述满足预设条件的配准位置为中心，选取幅度范围，计算出所述预设条件的配准位置对应的配准位置范围。
需要说明的是，在上述实施例的基础上，在本发明的一个实施例中，所述配准位置选择子单元优选从所述第二细节点集合中各细节点相对于所述第一细节点集合中该细节点的配准位置及各配准位置对应的配准概率中选出最大的配准概率及其对应的配准位置，记为满足第一预设条件的配准位置及其对应的配准概率。但本发明对此并不做限定，在本发明的其他实施例中，所述配准位置选择子单元还可以将数值大于第一预设值的配准概率及其对应的配准位置记为满足第一预设条件的配准概率及其对应的配准位置，具体视情况而定。其中，本发明对所述第一预设值也不做限定，视具体情况而定。
还需要说明的是，在上述任一实施例的基础上，在本发明的一个实施例中，所述细节点配准子单元基于各细节点的曲率和曲率方向，对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准。在本发明的其他实施例中，细节点配准子单元还可以基于所述细节点的其他特征对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，本发明对此并不做限定。
在上述任一实施例的基础上，在本发明的一个优选实施例中，所述预设概率模型为贝叶斯概率模型或人工智能概率模型。但本发明对此并不做限定，在本发明的其他实施例中，所述预设概率模型还可以为其他概率模型，具体视情况而定。
在上述任一实施例的基础上，在本发明的一个实施例中，所述配准结果计算单元包括：
角度旋转子单元，用于在所述配准位置范围内选取的配准位置处，固定所述第一特征频谱，以预设角度旋转所述第二特征频谱；
相关度筛选子单元，用于计算360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度值，并从中选出满足第二预设条件的相关度值，将所述满足第二预设条件的相关度值对应的配准位置记为配准结果。
在上述实施例中，所述相关度筛选子单元优选从360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度值中选出数值最大的相关度值，并该数值最大的相关度值对应的配准位置记为配准结果，在本发明的其他实施例中，所述第二预设条件还可以为其他条件，本发明对此并不做限定。
在上述实施例的基础上，在本发明的一个实施例中，所述配准结果计算单元还包括：
距离移动单元，用于在各旋转位置处，以预设间距水平移动和/或竖直移动所述第二特征频谱；
相应的，所述相关度筛选子单元还用于计算该旋转位置对应的各水平位置和/或竖直位置处，所述第一特征频谱和所述第二特征频谱的相关度值。
在本实施例中，所述相关度筛选子单元优选从360°范围内各旋转位置及其对应的各水平位置和/或竖直位置处，所述第一特征频谱和所述第二特征频谱的相关度值中选出数值最大的相关度值，并该数值最大的相关度值对应的配准位置记为配准结果。
需要说明的是，在本发明实施例中对所述预设幅度、预设角度以及预设间距的数值并不做限定，具体视情况而定。优选的，所述预设幅度与所述预设角度和/或所述预设间距相关，
综上所述，本发明实施例所提供的指纹图像的配准装置及其配准方法，先通过细节点提取提高所述图像配准方法的配准速度，再通过特征频谱相关度配准法，提高所述指纹图像配准方法的准确度，从而使得本发明实施例所提供的指纹图像配准方法，配准速度快，准确度高，而且可以有效满足支持360°配准的实时性需求。
本说明书中各个部分采用递进的方式描述，每个部分重点说明的都是与其他部分的不同之处，各个部分之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种指纹图像的配准方法，其特征在于，包括：
分别选取第一指纹图像和第二指纹图像中的细节点，获得与所述第一指纹图像对应的第一细节点集合以及与所述第二指纹图像对应的第二细节点集合；
对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的特征频谱，所述第二特征频谱为所述第二指纹图像的特征频谱；
对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果；
从所述配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为所述第一指纹图像和第二指纹图像的最终配准位置。
2.根据权利要求1所述的配准方法，其特征在于，对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果包括：
遍历所述第一细节点集合中的各细节点，对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，计算所述满足预设条件的配准位置对应的配准位置范围；
遍历所述配准位置范围内的各配准位置，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱在各配准位置下的相关度值，记为配准结果。
3.根据权利要求1所述的配准方法，其特征在于，所述对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果，包括：
判断所述第一细节点集合中是否存在未被选取过的细节点；
若存在，选取所述第一细节点集合中未被选取过的一细节点；
对所述第一细节点集合中选取的该细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置；
在所述满足预设条件的配准位置对应的配准位置范围内，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和第二特征频谱的相关度值，记为配准结果。
4.根据权利要求2或3所述的配准方法，其特征在于，所述对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置包括：
对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得所述第二细节点集合中各细节点相对于所述第一细节点集合中该选取细节点的配准位置及各配准位置对应的配准概率；
从所述第二细节点集合中各细节点相对于所述第一细节点集合中该细节点的配准位置及各配准位置对应的配准概率中选出满足第一预设条件的配准位置及其对应的配准概率；
将所述满足所述第一预设条件的配准位置对应的配准概率，代入预设概率模型中，计算二次概率结果；
判断所述二次概率结果是否大于预设阈值，如果是，则所述满足所述第一预设条件的配准位置为满足预设条件的配准位置；
相应的，所述计算所述满足预设条件的配准位置对应的配准位置范围，包括：
以所述满足预设条件的配准位置为中心，选取幅度范围，计算出所述预设条件的配准位置对应的配准位置范围。
5.根据权利要求4所述的配准方法，其特征在于，所述预设概率模型为贝叶斯概率模型或人工智能概率模型。
6.根据在权利要求2或3所述的配准方法，其特征在于，所述对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准包括：
基于各细节点的曲率和曲率方向，对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准。
7.根据在权利要求2或3所述的配准方法，其特征在于，所述对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果包括：
在所述配准位置范围内选取的配准位置处，固定所述第一特征频谱，以预设角度旋转所述第二特征频谱，计算360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度值，并从中选出满足第二预设条件的相关度值，将所述满足第二预设条件的相关度值对应的配准位置记为配准结果。
8.根据权利要求7所述的配准方法，其特征在于，所述计算360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度还包括：
在各旋转位置处，以预设间距水平移动和/或竖直移动所述第二特征频谱，计算该旋转位置处各水平位置和/或竖直位置的所述第一特征频谱和所述第二特征频谱的相关度值。
9.一种指纹图像的配准装置，应用于权利要求1-8任一项所述的配准方法，其特征在于，包括：
细节点选取模块，用于分别选取第一指纹图像和第二指纹图像中的细节点，获得与所述第一指纹图像对应的第一细节点集合以及与所述第二指纹图像对应的第二细节点集合；
特征频谱获取模块，用于对所述第一指纹图像和第二指纹图像进行滤波，获得第一特征频谱和第二特征频谱，其中，所述第一特征频谱为所述第一指纹图像的特征频谱，所述第二特征频谱为所述第二指纹图像的特征频谱；
配准结果计算模块，用于对所述第一细节点集合中的各细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，并在所述满足预设条件的配准位置对应的配准位置范围内，分别计算所述第一特征频谱和所述第二特征频谱的相关度值，记为配准结果；
配准位置筛选模块，用于从所述配准结果中选出相关度值最大的配准结果，将其对应的配准位置记为所述第一指纹图像和第二指纹图像的最终配准位置。
10.根据权利要求9所述的配准装置，其特征在于，所述配准结果计算模块包括：
细节点遍历单元，用于遍历所述第一细节点集合中的各细节点，依次选取所述第一细节点集合中未被选取过的一细节点；
细节点配准单元，用于对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，计算所述满足预设条件的配准位置对应的配准位置范围；
配准位置遍历单元，用于遍历所述配准位置范围内的各配准位置，依次选取所述配准位置范围内未被选取过的一配准位置；
配准结果计算单元，用于对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和所述第二特征频谱在各配准位置下的相关度值，记为配准结果。
11.根据权利要求9所述的配准装置，其特征在于，所述配准结果计算模块包括：
细节点判断单元，用于判断所述第一细节点集合中是否存在未被选取过的细节点，若存在，选取所述第一细节点集合中未被选取过的一细节点；
细节点配准单元，用于对所述第一细节点集合中选取的该细节点与所述第二细节点集合中的各细节点进行配准，获得满足预设条件的配准位置，计算所述满足预设条件的配准位置对应的配准位置范围；
配准结果计算单元，用于在所述满足预设条件的配准位置对应的配准位置范围内，对所述配准位置范围内选取的配准位置，计算所述第一特征频谱和第二特征频谱的相关度值，记为配准结果。
12.根据权利要求10或11所述的配准装置，其特征在于，所述细节点配准单元包括：
细节点配准子单元，用于对所述第一细节点集合中选取的细节点与所述第二细节点集合中的各细节点进行配准，获得所述第二细节点集合中各细节点相对于所述第一细节点集合中该选取细节点的配准位置及各配准位置对应的配准概率；
配准位置选择子单元，用于从所述第二细节点集合中各细节点相对于所述第一细节点集合中该细节点的配准位置及各配准位置对应的配准概率中选出满足第一预设条件的配准位置及其对应的配准概率；
二次概率计算子单元，用于将所述满足所述第一预设条件的配准位置对应的配准概率，代入预设概率模型中，计算二次概率结果；
二次概率判断子单元，用于判断所述二次概率结果是否大于预设阈值，如果是，则所述满足所述第一预设条件的配准位置为满足预设条件的配准位置；
配准位置计算子单元，用于以所述满足预设条件的配准位置为中心，选取幅度范围，计算出所述预设条件的配准位置对应的配准位置范围。
13.根据权利要求10或11所述的配准装置，其特征在于，所述配准结果计算单元包括：
角度旋转子单元，用于在所述配准位置范围内选取的配准位置处，固定所述第一特征频谱，以预设角度旋转所述第二特征频谱；
相关度筛选子单元，用于计算360°范围内各旋转位置处所述第一特征频谱和所述第二特征频谱的相关度值，并从中选出满足第二预设条件的相关度值，将所述满足第二预设条件的相关度值对应的配准位置记为配准结果。
14.根据权利要求13所述的配准装置，其特征在于，所述配准结果计算单元还包括：
距离移动单元，用于在各旋转位置处，以预设间距水平移动和/或竖直移动所述第二特征频谱；
相应的，所述相关度筛选子单元还用于计算该旋转位置处各水平位置和/或竖直位置处所述第一特征频谱和所述第二特征频谱的相关度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510445453.XA CN106709396B (zh) | 2015-07-27 | 2015-07-27 | 指纹图像的配准方法及配准装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510445453.XA CN106709396B (zh) | 2015-07-27 | 2015-07-27 | 指纹图像的配准方法及配准装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106709396A CN106709396A (zh) | 2017-05-24 |
| CN106709396B true CN106709396B (zh) | 2020-04-24 |
Family
ID=58900438
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510445453.XA Active CN106709396B (zh) | 2015-07-27 | 2015-07-27 | 指纹图像的配准方法及配准装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106709396B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303728A (zh) * | 2008-07-01 | 2008-11-12 | 山东大学 | 面向图像质量的指纹识别方法 |
| CN101777128A (zh) * | 2009-11-25 | 2010-07-14 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及*** |
| JP4931426B2 (ja) * | 2006-02-03 | 2012-05-16 | セコム株式会社 | 縞模様を含む画像の照合装置 |
| CN103824060A (zh) * | 2014-02-28 | 2014-05-28 | 清华大学 | 指纹细节点的提取方法 |
| CN103886296A (zh) * | 2014-03-25 | 2014-06-25 | 清华大学 | 基于反馈的指纹识别方法及装置 |
-
2015
- 2015-07-27 CN CN201510445453.XA patent/CN106709396B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4931426B2 (ja) * | 2006-02-03 | 2012-05-16 | セコム株式会社 | 縞模様を含む画像の照合装置 |
| CN101303728A (zh) * | 2008-07-01 | 2008-11-12 | 山东大学 | 面向图像质量的指纹识别方法 |
| CN101777128A (zh) * | 2009-11-25 | 2010-07-14 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及*** |
| CN103824060A (zh) * | 2014-02-28 | 2014-05-28 | 清华大学 | 指纹细节点的提取方法 |
| CN103886296A (zh) * | 2014-03-25 | 2014-06-25 | 清华大学 | 基于反馈的指纹识别方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106709396A (zh) | 2017-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9754151B2 (en) | Derived virtual quality parameters for fingerprint matching | |
| CN107506684B (zh) | 步态识别方法及装置 | |
| JP6742320B2 (ja) | 取引リスク検出方法及び装置 | |
| CN110363076B (zh) | 人员信息关联方法、装置及终端设备 | |
| Raghavendra et al. | Scaling-robust fingerprint verification with smartphone camera in real-life scenarios | |
| US8805117B2 (en) | Methods for improving image search in large-scale databases | |
| CN108038176B (zh) | 一种路人库的建立方法、装置、电子设备及介质 | |
| CN107180056B (zh) | 视频中片段的匹配方法和装置 | |
| CN104700018B (zh) | 一种用于智能机器人的识别方法 | |
| JP2002222424A (ja) | 指紋照合システム | |
| CN107066961B (zh) | 指纹配准方法及装置 | |
| CN109086734A (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
| CN110502982A (zh) | 一种检测高速公路中障碍物的方法、装置及计算机设备 | |
| CN105260698A (zh) | 对虹膜图像进行定位的方法和装置 | |
| CN112101124B (zh) | 一种坐姿检测方法及装置 | |
| EP3115932A1 (en) | Image reconstruction | |
| CN109993021A (zh) | 人脸正脸检测方法、装置及电子设备 | |
| CN109740479A (zh) | 一种车辆重识别方法、装置、设备及可读存储介质 | |
| CN111985452B (zh) | 一种人员活动轨迹及落脚点的自动生成方法及*** | |
| CN105138886B (zh) | 机器人生物体征识别*** | |
| CN108304852B (zh) | 道路路段类型的确定方法、装置以及存储介质、电子装置 | |
| CN110209551A (zh) | 一种异常设备的识别方法、装置、电子设备及存储介质 | |
| CN109815823A (zh) | 数据处理方法及相关产品 | |
| CN109508645A (zh) | 监控场景下身份识别方法及装置 | |
| CN110942019B (zh) | 一种用于找出两条轨迹的最长伴随子路径的分析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |