CN106909893A - 指纹识别方法及装置 - Google Patents
指纹识别方法及装置 Download PDFInfo
- Publication number
- CN106909893A CN106909893A CN201710071304.0A CN201710071304A CN106909893A CN 106909893 A CN106909893 A CN 106909893A CN 201710071304 A CN201710071304 A CN 201710071304A CN 106909893 A CN106909893 A CN 106909893A
- Authority
- CN
- China
- Prior art keywords
- similarity threshold
- fingerprint recognition
- region
- default similarity
- pixel
- 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
- G06V40/13—Sensors therefor
- G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本公开是关于指纹识别方法及装置,所述方法包括:获取指纹识别图像;检测所获取的指纹识别图像中的坏像素点的数量;根据检测出的坏像素点的数量,对预设相似度阈值进行调整;确定获取的指纹识别图像与预设指纹图像的相似度,并根据相似度与调整后的预设相似度阈值确定指纹识别结果,使得能够根据检测出的坏像素点的数量来调整相似度阈值,进而根据获取的指纹识别图像与预设指纹图像的相似度与调整后的预设相似度阈值来确定指纹识别结果,而非基于默认坏像素点匹配来确定指纹识别结果。因此,本公开中,当检测出坏像素点时,调整相似度阈值,提高了指纹识别的可靠性,增强了***安全性。
Description
技术领域
本公开涉及指纹识别领域,尤其涉及指纹识别方法及装置。
背景技术
在一般的指纹识别过程中,根据当前检测到的指纹和预先录入到指纹模板库里的指纹模板,进行图像/关键点的对比以得到一个相似度,当相似度大于等于一个预设阀值的时候则认为识别通过;当相似度小于此阀值的时候则认为识别未通过。识别通过与否,直接影响到使用了指纹识别技术的***的安全性,当多次识别失败时,***会进行锁定并限制一定时间内的再次识别。
随着指纹识别装置的器件老化或者损伤,指纹识别图像中的坏像素点会增加。对指纹识别图像的自检程序可以用于对指纹识别图像的像素点进行检测,以检测出损坏的像素点。
在指纹识别的过程中,如果指纹识别技术判断出当前指纹识别图像的某个像素点是坏点,则不比较此指纹识别图像的坏像素点和指纹模板库里的指纹模板中位于与坏像素点的位置相对应的位置的像素点,而是默认该坏像素点匹配。极端的情况,如果指纹识别模组的所有的像素点都损坏,那么任何的手指都可以识别成功,***的安全性会被破坏。
发明内容
为克服相关技术中存在的问题,本公开实施例提供指纹识别方法及装置。
根据本公开实施例的第一方面,提供一种指纹识别方法,包括:
获取指纹识别图像;
检测所获取的指纹识别图像中的坏像素点的数量;
根据检测出的坏像素点的数量,对预设相似度阈值进行调整;
确定获取的指纹识别图像与预设指纹图像的相似度,并根据所述相似度与调整后的预设相似度阈值确定指纹识别结果。
可选地,所述根据检测出的坏像素点的数量,对预设相似度阈值进行调整,包括:
根据检测出的坏像素点的数量,提高预设相似度阈值,其中,检测出的坏像素的数量越多,调整后的预设相似度阈值越高。
可选地,所述根据检测出的坏像素点的数量,对预设相似度阈值进行调整,包括:
按照如下第一公式对预设相似度阈值进行调整,得到调整后的预设相似度阈值p’:
p’=p/(1-a)
其中,p是预设相似度阈值,其中,0<p<1;a是检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值。
可选地,所述检测所获取的指纹识别图像中的坏像素点的数量,还包括:
将所获取的指纹识别图像的全部像素点划分为两个或两个以上的区域;
当一个区域内的坏像素点的数量与所述区域内的全部像素点的数量的比值达到预设区域安全阈值时,将所述区域识别为不安全区域;
其中,根据检测出的坏像素点的数量,对预设相似度阈值进行调整,包括:
计算所述不安全区域的数量与全部区域的数量的比例相关值;
根据所述比例相关值,提高预设相似度阈值,其中,所述比例相关值越高,调整后的预设相似度阈值越高。
可选地,所述根据所述比例相关值,提高预设相似度阈值,其中,所述比例相关值越高,调整后的预设相似度阈值越高,包括:
按照如下第二公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n/t)
其中,p是预设相似度阈值,其中,0<p<1;t是将所获取的指纹识别图像的全部像素点划分为的区域的数量,其中,t≥2;n是所述t个区域中的不安全区域的数量,其中,0≤n<t。
可选地,所述根据所述比例相关值,提高预设相似度阈值,其中,所述比例相关值越高,调整后的预设相似度阈值越高,包括:
对所述两个或两个以上的区域分配不同的安全加权系数,其中,越靠近所获取的指纹识别图像的中央的区域的安全加权系数越大;
按照如下第三公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n’/t’)
其中,p是预设相似度阈值,其中,0<p<1;t’是将各个区域的像素点数量占全部像素点数量的比例乘以该区域的安全加权系数以后相加得到的全部区域数量加权值;n’是将各个不安全区域的像素点数量占全部像素点数量的比例乘以该不安全区域的安全加权系数以后相加得到的不安全区域数量加权值。
可选地,所述方法还包括:
当调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
根据本公开实施例的第二方面,提供一种指纹识别装置,包括:
获取模块,被配置为获取指纹识别图像;
检测模块,被配置为检测所述获取模块所获取的指纹识别图像中的坏像素点的数量;
调整模块,被配置为根据所述检测模块检测出的坏像素点的数量,对预设相似度阈值进行调整;
确定模块,被配置为确定所述获取模块获取的指纹识别图像与预设指纹图像的相似度,并根据所述相似度与调整后的预设相似度阈值确定指纹识别结果。
可选地,所述调整模块还被配置为:
根据所述检测模块检测出的坏像素点的数量,提高预设相似度阈值,其中,所述检测模块检测出的坏像素的数量越多,调整后的预设相似度阈值越高。
可选地,所述调整模块包括:
第一计算子模块,被配置为按照如下第一公式对预设相似度阈值进行调整,得到调整后的预设相似度阈值p’:
p’=p/(1-a)
其中,p是预设相似度阈值,其中,0<p<1;a是检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值。
可选地,所述检测模块包括:
划分子模块,被配置为将所述获取模块所获取的指纹识别图像的全部像素点划分为两个或两个以上的区域;
识别子模块,被配置为当一个区域内的坏像素点的数量与所述区域内的全部像素点的数量的比值达到预设区域安全阈值时,将所述区域识别为不安全区域;
其中,所述调整模块包括:
第二计算子模块,被配置为计算所述不安全区域的数量与全部区域的数量的比例相关值;
提高子模块,被配置为根据所述比例相关值,提高预设相似度阈值,其中,所述比例相关值越高,调整后的预设相似度阈值越高。
可选地,所述提高子模块包括:
第三计算子模块,被配置为按照如下第二公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n/t)
其中,p是预设相似度阈值,其中,0<p<1;t是将所获取的指纹识别图像的全部像素点划分为的区域的数量,其中,t≥2;n是所述t个区域中的不安全区域的数量,其中,0≤n<t。
可选地,所述提高子模块模块包括:
加权子模块,被配置为对所述两个或两个以上的区域分配不同的安全加权系数,其中,越靠近所获取的指纹识别图像的中央的区域的安全加权系数越大;
第四计算子模块,被配置为按照如下第三公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n’/t’)
其中,p是预设相似度阈值,其中,0<p<1;t’是将各个区域的像素点数量占全部像素点数量的比例乘以该区域的安全加权系数以后相加得到的全部区域数量加权值;n’是将各个不安全区域的像素点数量占全部像素点数量的比例乘以该不安全区域的安全加权系数以后相加得到的不安全区域数量加权值。
可选地,所述装置还包括:
通知模块,被配置为当所述调整模块调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
根据本公开实施例的第三方面,提供一种指纹识别装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取指纹识别图像;
检测所获取的指纹识别图像中的坏像素点的数量;
根据检测出的坏像素点的数量,对预设相似度阈值进行调整;
确定获取的指纹识别图像与预设指纹图像的相似度,并根据所述相似度与调整后的预设相似度阈值确定指纹识别结果。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开实施例提供了指纹识别方法及装置,通过获取指纹识别图像;检测所获取的指纹识别图像中的坏像素点的数量;根据检测出的坏像素点的数量,对预设相似度阈值进行调整;确定获取的指纹识别图像与预设指纹图像的相似度,并根据相似度与调整后的预设相似度阈值确定指纹识别结果,使得能够根据检测出的坏像素点的数量来调整相似度阈值,进而根据获取的指纹识别图像与预设指纹图像的相似度与调整后的预设相似度阈值来确定指纹识别结果,而非基于默认坏像素点匹配来确定指纹识别结果。因此,本公开中,当检测出坏像素点时,调整相似度阈值,提高了指纹识别的可靠性,增强了***安全性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据本公开一示例性实施例示出的一种指纹识别方法的流程图;
图2是根据本公开另一示例性实施例示出的一种指纹识别方法的流程图;
图3是根据本公开另一示例性实施例示出的一种指纹识别方法的流程图;
图4是根据本公开一示例性实施例示出的一种指纹识别方法的应用场景的示意图;
图5是根据本公开另一示例性实施例示出的一种指纹识别方法的应用场景的示意图;
图6是根据本公开另一示例性实施例示出的一种指纹识别方法的应用场景的示意图;
图7是根据本公开一示例性实施例示出的一种指纹识别装置的框图;
图8是根据本公开另一示例性实施例示出的一种指纹识别装置的框图;
图9是根据本公开另一示例性实施例示出的一种指纹识别装置的框图;
图10是图9示出的指纹识别装置中的提高子模块的一个实施例的框图;
图11是图9示出的指纹识别装置中的提高子模块的另一个实施例的框图;
图12是根据本公开另一示例性实施例示出的一种指纹识别装置的框图;
图13是根据本公开另一示例性实施例示出的一种指纹识别装置的框图;
图14是根据本公开另一示例性实施例示出的一种指纹识别装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开实施例提供了一种指纹识别技术,通过获取指纹识别图像;检测所获取的指纹识别图像中的坏像素点的数量;根据检测出的坏像素点的数量,对预设相似度阈值进行调整;确定获取的指纹识别图像与预设指纹图像的相似度,并根据相似度与调整后的预设相似度阈值确定指纹识别结果,使得能够根据检测出的坏像素点的数量来调整相似度阈值,进而根据获取的指纹识别图像与预设指纹图像的相似度与调整后的预设相似度阈值来确定指纹识别结果,而非基于默认坏像素点匹配来确定指纹识别结果。因此,本公开中,当检测出坏像素点时,调整相似度阈值,提高了指纹识别的可靠性,增强了***安全性。
图1是根据本公开一示例性实施例示出的一种指纹识别方法的流程图,该方法包括以下步骤S110、S120、S130、S140:
在步骤S110中,获取指纹识别图像。
在一个实施例中,可通过指纹识别装置获取指纹识别图像。指纹识别装置也可以被称为指纹模组、指纹识别模块等。指纹识别装置可以包括光学指纹识别装置、电容指纹识别装置等各种指纹识别装置。本公开的指纹识别技术可以应用于各种指纹识别装置识别出的指纹识别图像。
在步骤S120中,检测所获取的指纹识别图像中的坏像素点的数量。
在本公开中,坏像素点指的是由于指纹识别装置自身的问题,例如,软硬件老化、损伤、故障等,导致的指纹识别图像中的某个或某些像素点是坏像素点。本领域技术人员可以理解,坏像素点的数量可以以现有的技术手段识别出来。
在步骤S130中,根据检测出的坏像素点的数量,对预设相似度阈值进行调整。
在一个实施例中,预设相似度阈值指的是所获取的指纹识别图像与预先录入指纹模板库里的指纹模板的相似度的阈值。即,当所获取的指纹识别图像与预先录入指纹模板库里的指纹模板的相似度大于等于该预设相似度阈值时,针对所获取的指纹识别图像的指纹识别通过。当所获取的指纹识别图像与预先录入指纹模板库里的指纹模板的相似度小于该预设相似度阈值时,针对所获取的指纹识别图像的指纹识别不通过。
在一个实施例中,相似度阈值可以是针对所获取的指纹识别图像的像素点与预先录入指纹模板库里的指纹模板的像素点中匹配的像素点的数量与指纹模板的全部像素点数量的比值设定的一个阈值,例如,90%。即,当所获取的指纹识别图像的像素点中有90%的像素点或更多的像素点与预先录入指纹模板库里的指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。本领域技术人员可以理解,初始的相似度阈值为90%仅仅是示例,在实践中可根据需要设定初始的相似度阈值高于或低于90%。
在一个实施例中,步骤S130包括:根据检测出的坏像素点的数量,提高预设相似度阈值,其中,检测出的坏像素的数量越多,调整后的预设相似度阈值越高。
根据检测出的坏像素点的数量对预设相似度阈值进行调整的目的,尤其是,检测出的坏像素的数量越多调整后的预设相似度阈值越高的目的在于解决这样的问题:指纹识别模组的坏像素点由于无法检测出指纹识别图像的像素点因而被默认为与预先录入指纹模板库里的指纹模板的对应像素点匹配,而预设相似度阈值保持不变,从而导致指纹识别模组的安全性下降。
在步骤S140中,确定获取的指纹识别图像与预设指纹图像的相似度,并根据相似度与调整后的预设相似度阈值确定指纹识别结果。
在根据本公开实施例的指纹识别方法中,确定获取的指纹识别图像与预设指纹图像的相似度,根据由于坏像素点存在而调整的预设相似度阈值,可以将相似度与调整后的预设相似度阈值进行比较,由此确定指纹识别结果。
根据本公开实施例的指纹识别方法,通过获取指纹识别图像;检测所获取的指纹识别图像中的坏像素点的数量;根据检测出的坏像素点的数量,对预设相似度阈值进行调整;确定获取的指纹识别图像与预设指纹图像的相似度,并根据相似度与调整后的预设相似度阈值确定指纹识别结果,使得能够根据检测出的坏像素点的数量来调整相似度阈值,进而根据获取的指纹识别图像与预设指纹图像的相似度与调整后的预设相似度阈值来确定指纹识别结果,而非基于默认坏像素点匹配来确定指纹识别结果。因此,本公开中,当检测出坏像素点时,调整相似度阈值,提高了指纹识别的可靠性,增强了***安全性。
在一个实施例中,图1中所示的步骤S130可以包括:
按照如下第一公式对预设相似度阈值进行调整,得到调整后的预设相似度阈值p’:
p’=p/(1-a)
其中,p是预设相似度阈值,其中,0<p<1;a是检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值。
例如,当p为90%,a为2%时,p’≈91.8%。即,当预设相似度阈值为90%,并且检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值为2%时,调整后的相似度阈值p’为91.8%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有91.8%的像素点与指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
例如,当p为90%,a为10%时,p’=100%。即,当预设相似度阈值为90%,并且检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值为10%时,调整后的相似度阈值p’为100%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中的全部像素点,即全部好像素点,都与指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
根据本公开实施例的指纹识别方法,通过按照如下第一公式对预设相似度阈值进行调整,得到调整后的预设相似度阈值p’:p’=p/(1-a),其中,p是预设相似度阈值,其中,0<p<1;a是检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值,使得能够根据检测出的坏像素点来调整相似度阈值,而非在默认坏像素点匹配的同时不调整预设相似度阈值。因此,本公开中,当检测出坏像素点时,调整相似度阈值,提高了指纹识别的可靠性,增强了***安全性。
在采用上述第一公式计算调整后的预设相似度阈值时,可能出现预设相似度阈值超过100%的情况。
以下参照图3所示出的根据本公开实施例的指纹识别方法进行描述。图3所示出的指纹识别方法与图1所示出的指纹识别方法的区别仅在于还包括步骤S310。
在步骤S310中,当调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
例如,当p为90%,a为20%时,p’=112.5%。即,当预设相似度阈值为90%,并且检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值为20%时,调整后的相似度阈值p’为112.5%。换言之,在采用此调整后的相似度阈值的情况下,即使所获取的指纹识别图像中的全部像素点,即全部好像素点,都与指纹模板的像素点匹配,也无法满足相似度的条件。在此情况下,在根据本公开实施例的指纹识别方法中,当调整后的相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
根据本公开实施例的指纹识别方法,通过当调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足,使得在调整后的预设相似度阈值超过正常像素点数量所能达到的极限时,通知用户。因此,提高了指纹识别的可靠性,增强了***安全性。
图2是根据本公开另一示例性实施例示出的一种指纹识别方法中的检测所获取的指纹识别图像中的坏像素点的步骤的流程图。图2所示的指纹识别方法与图1所示的指纹识别方法的区别在于,图2所示的指纹识别方法中的步骤S120还包括步骤S210和S220,步骤S130还包括步骤S230和S240。
在步骤S210中,将所获取的指纹识别图像的全部像素点划分为两个或两个以上的区域。
在一个实施例中,两个或两个以上的区域可以是各种形状,例如,三角形、矩形、五边形、圆形、或者不规则形状等等。在一个实施例中,可以将全部像素点等分或不等分为两个或两个以上的矩形区域。
在步骤S220中,当一个区域内的坏像素点的数量与区域内的全部像素点的数量的比值达到预设区域安全阈值时,将区域识别为不安全区域。
例如,当一个区域内的坏像素点的数量与该区域内的全部像素点的数量的比值达到10%时,将该区域识别为不安全区域。预设区域安全阈值为10%仅仅为示例,可以根据需要将预设区域安全阈值设为比10%大或小的任意值。在一个实施例中,预设区域安全阈值小于50%。
在步骤S230中,计算不安全区域的数量与全部区域的数量的比例相关值。
在步骤S230中,根据比例相关值,提高预设相似度阈值,其中,比例相关值越高,调整后的预设相似度阈值越高。
在根据本公开实施例的指纹识别方法中,不安全区域的数量与全部区域的数量的比例相关值越高,表明不安全区域在全部区域中的比例越大,因此,需要将预设相似度阈值调整得越高,以提高指纹识别的安全性。
根据本公开实施例的指纹识别方法,通过检测所获取的指纹识别图像中的坏像素点的数量,还包括:将所获取的指纹识别图像的全部像素点划分为两个或两个以上的区域;当一个区域内的坏像素点的数量与区域内的全部像素点的数量的比值达到预设区域安全阈值时,将区域识别为不安全区域;其中,根据检测出的坏像素点的数量,对预设相似度阈值进行调整,包括:计算不安全区域的数量与全部区域的数量的比例相关值;根据比例相关值,提高预设相似度阈值,其中,比例相关值越高,调整后的预设相似度阈值越高,使得能够更精确的判断指纹识别图像中的坏像素点在整个指纹识别图像中的分布情况,并且基于不安全区域的数量与全部区域的数量的比例相关值调整相似度阈值。因此,本公开中,不安全区域的数量与全部区域的数量的比例相关值越高,将预设相似度阈值调整得越高,从而提高了指纹识别的可靠性,增强了***安全性。
在一个实施例中,图2中所示的步骤S240可以包括:
按照如下第二公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n/t)
其中,p是预设相似度阈值,其中,0<p<1;t是将所获取的指纹识别图像的全部像素点划分为的区域的数量,其中,t≥2;n是t个区域中的不安全区域的数量,其中,0≤n<t。
例如,当p为90%,t为10,n为2时,p’=92%。即,当预设相似度阈值为90%,将所获取的指纹识别图像的全部像素点划分为的区域的数量为10,并且10个区域中的不安全区域的数量为2时,调整后的相似度阈值p’为92%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有92%的像素点与指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
例如,当p为90%,t为10,n为5时,p’=95%。即,当预设相似度阈值为90%,将所获取的指纹识别图像的全部像素点划分为的区域的数量为10,并且10个区域中的不安全区域的数量为5时,调整后的相似度阈值p’为95%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有95%的像素点与指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
另外,当调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
根据本公开实施例的指纹识别方法,通过根据比例相关值,提高预设相似度阈值,其中,比例相关值越高,调整后的预设相似度阈值越高,包括:按照如下第二公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:p’=p+(1-p)*(n/t),其中,p是预设相似度阈值,其中,0<p<1;t是将所获取的指纹识别图像的全部像素点划分为的区域的数量,其中,t≥2;n是t个区域中的不安全区域的数量,其中,0≤n<t,使得能够基于不安全区域的数量与全部区域的数量的比例相关值调整相似度阈值。因此,本公开中,不安全区域的数量与全部区域的数量的比例相关值越高,将预设相似度阈值调整得越高,从而提高了指纹识别的可靠性,增强了***安全性。
在一个实施例中,图2中所示的步骤S240可以包括:
对两个或两个以上的区域分配不同的安全加权系数,其中,越靠近所获取的指纹识别图像的中央的区域的安全加权系数越大;
按照如下第三公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n’/t’)
其中,p是预设相似度阈值,其中,0<p<1;t’是将各个区域的像素点数量占全部像素点数量的比例乘以该区域的安全加权系数以后相加得到的全部区域数量加权值;n’是将各个不安全区域的像素点数量占全部像素点数量的比例乘以该不安全区域的安全加权系数以后相加得到的不安全区域数量加权值。
例如,当p为90%,t’为1.4,n’为0.3时,p’≈92.1%。即,当预设相似度阈值为90%,将所获取的指纹识别图像的全部像素点划分为的10个区域的安全加权系数(在此设定2个中央区域的安全加权系数为3,8个周边区域的安全加权系数为1)分别乘以各个区域的像素点数量占全部像素点数量的比例(在此设定10个区域每一个的像素点数量占全部像素点数量的比例为10%)后相加得到的全部区域数量加权值1.4,并且10个区域中的1个不安全区域(在此将1个中央区域设定为不安全区域)的安全加权系数0.3分别乘以不安全区域的像素点数量占全部像素点数量的比例10%后相加得到的不安全区域数量加权值0.3时,调整后的相似度阈值p’为92.1%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有92.1%的像素点与指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
另外,当调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
根据本公开实施例的指纹识别方法,通过根据比例相关值,提高预设相似度阈值,其中,比例相关值越高,调整后的预设相似度阈值越高,包括:对两个或两个以上的区域分配不同的安全加权系数,其中,越靠近所获取的指纹识别图像的中央的区域的安全加权系数越大;按照如下第三公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:p’=p+(1-p)*(n’/t’),其中,p是预设相似度阈值,其中,0<p<1;t’是将各个区域的像素点数量占全部像素点数量的比例乘以该区域的安全加权系数以后相加得到的全部区域数量加权值;n’是将各个不安全区域的像素点数量占全部像素点数量的比例乘以该不安全区域的安全加权系数以后相加得到的不安全区域数量加权值,使得能够基于不安全区域的数量与全部区域的数量的比例相关值调整相似度阈值。因此,本公开中,不安全区域的数量与全部区域的数量的比例相关值越高,将预设相似度阈值调整得越高,从而提高了指纹识别的可靠性,增强了***安全性。
图4是根据本公开一示例性实施例示出的一种指纹识别方法的应用场景的示意图。
如图4所示,获取的指纹识别图像400中有12*9=108个像素点,其中,像素点401是正常像素点,阴影像素点402是坏像素点。对于图4所示的情况,可以按照如下第一公式对预设相似度阈值进行调整,得到调整后的预设相似度阈值p’:
p’=p/(1-a)
其中,p是预设相似度阈值,其中,0<p<1;a是检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值。
在图4所示的场景中,当p为90%,a为2/108≈0.019时,p’=91.7%。即,当预设相似度阈值为90%,并且检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值为0.019时,调整后的相似度阈值p’为91.7%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有91.7%的像素点,即,108*91.7%≈99个像素点,与指纹模板中的对应像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
图5是根据本公开另一示例性实施例示出的一种指纹识别方法的应用场景的示意图。
如图5所示,获取的指纹识别图像500中有12*9=108个像素点,其中,像素点501是正常像素点,阴影像素点502是坏像素点。
如图5所示,可以检测出所获取的指纹识别图像500中的像素点的数量是108,并且可以检测出正常像素点501和坏像素点502的分布。可以将所获取的指纹识别图像500的全部108个像素点划分为12个区域。如图5所示,可以按照3*3像素点一个区域的方式将将108个像素点划分为12个区域,这12个区域的大小和形状都相同。
当12个区域中的一个区域内的坏像素点502的数量与该区域内的全部像素点501,502的数量的比值达到预设区域安全阈值时,将该区域识别为不安全区域520。例如,当区域安全阈值是20%时,20%*9=1.8,即,当一个区域中的坏像素点的数量达到2个或更多,则将此区域识别为不安全区域。如图5所示,12个区域中,有10个区域510中的坏像素点数量不超过1.8个,有2个区域520中的坏像素点数量超过2个,即,两个区域520是不安全区域。
在确定了两个区域520是不安全区域的情况下,可以按照如下第二公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n/t)
其中,p是预设相似度阈值,其中,0<p<1;t是将所获取的指纹识别图像的全部像素点划分为的区域的数量,其中,t≥2;n是t个区域中的不安全区域的数量,其中,0≤n<t。
在图5所示的场景中,当p为90%,n为2,t为12时,p’≈91.7%。即,当预设相似度阈值为90%,并且将所获取的指纹识别图像的全部108个像素点划分为的区域的数量是12,12个区域中的不安全区域的数量为2时,调整后的相似度阈值p’为91.7%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有91.7%的像素点,即,108*91.7%≈99个像素点,与指纹模板中的对应像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
图6是根据本公开另一示例性实施例示出的一种指纹识别方法的应用场景的示意图。
如图6所示,获取的指纹识别图像600中有12*9=108个像素点,其中,像素点601是正常像素点,阴影像素点602是坏像素点。
如图6所示,可以检测出所获取的指纹识别图像600中的像素点的数量是108,并且可以检测出正常像素点601和坏像素点602的分布。可以将所获取的指纹识别图像600的全部108个像素点划分为12个区域。如图6所示,可以按照3*3像素点一个区域的方式将将108个像素点划分为12个区域,这12个区域的大小和形状都相同。应该注意,全部区域的大小和形状都相同仅仅是示例,各个区域的大小和形状可以互不相同。
当12个区域中的一个区域内的坏像素点602的数量与该区域内的全部像素点601,602的数量的比值达到预设区域安全阈值时,将该区域识别为不安全区域。例如,当区域安全阈值是20%时,20%*9=1.8,即,当一个区域中的坏像素点的数量达到2个或更多,则将此区域识别为不安全区域。如图6所示,12个区域中,有10个区域610中的坏像素点数量不超过1.8个,有2个区域621,631中的坏像素点数量超过2个,即,两个区域621,631是不安全区域。
对12个区域分配不同的安全加权系数,其中,越靠近所获取的指纹识别图像600的中央的区域的安全加权系数越大。如图5所示,为位于获取的指纹识别图像600的中央的以粗框示出其范围的大区域630中的两个区域分配安全加权系数3,并且为大于630外侧的大区域620中的每个区域分配安全加权系数1。
按照如下第三公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n’/t’)
其中,p是预设相似度阈值,其中,0<p<1;t’是将各个区域的像素点数量占全部像素点数量的比例乘以该区域的安全加权系数以后相加得到的全部区域数量加权值;n’是将各个不安全区域的像素点数量占全部像素点数量的比例乘以该不安全区域的安全加权系数以后相加得到的不安全区域数量加权值。
在图6所示的场景中,当p为90%,n为2,t为12,大区域630中的2个区域的安全加权系数为3,并且大区域620中的10个区域的安全加权系数为1时,可以计算出t’为3*(1/12)*2+1*(1/12)*10≈1.33,n’为3*(1/12)*1+1*(1/12)*1≈0.33,因此,p’≈92.5%。即,当预设相似度阈值为90%,并且将所获取的指纹识别图像的全部108个像素点划分为的区域的数量是12,12个区域中的安全加权系数为3的区域数量为2,安全加权系数为1的区域数量为10,并且安全加权系数为3的2个区域中有1个区域为不安全区域,并且安全加权系数为1的10个区域中有1个区域为不安全区域时,调整后的相似度阈值p’为92.5%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有92.5%的像素点,即,108*92.5%≈100个像素点,与指纹模板中的对应像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
另外,在本公开中,在计算调整后的相似度阈值的过程中,可能出现数字不能整除的情况,因此,可以对无法整除的数值进行四舍五入,四舍五入的位数可以根据需要来确定,例如,可以是整数个位,也可以是小数点后1位、2位或更多位。
另外,需要注意的是,当所获取的指纹识别图像中存在坏像素点时,调整后的相似度阈值会比初始的相似度阈值更大,即,在存在坏像素点的情况下,提高相似度阈值,提高了指纹识别的可靠性,增强了***安全性。
图7是根据本公开一示例性实施例示出的一种指纹识别装置的框图。该装置包括获取模块710、检测模块720、调整模块730和确定模块740。
获取模块710被配置为获取指纹识别图像。
在一个实施例中,可通过指纹识别装置获取指纹识别图像。指纹识别装置也可以被称为指纹模组、指纹识别模块等。指纹识别装置可以包括光学指纹识别装置、电容指纹识别装置等各种指纹识别装置。本公开的指纹识别技术可以应用于各种指纹识别装置识别出的指纹识别图像。
检测模块720被配置为检测获取模块710所获取的指纹识别图像中的坏像素点的数量。
在本公开中,坏像素点指的是由于指纹识别装置自身的问题,例如,软硬件老化、损伤、故障等,导致的指纹识别图像中的某个或某些像素点是坏像素点。本领域技术人员可以理解,坏像素点的数量可以以现有的技术手段识别出来。
调整模块730被配置为根据检测模块720检测出的坏像素点的数量,对预设相似度阈值进行调整。
在一个实施例中,预设相似度阈值指的是所获取的指纹识别图像与预先录入指纹模板库里的指纹模板的相似度的阈值。即,当所获取的指纹识别图像与预先录入指纹模板库里的指纹模板的相似度大于等于该预设相似度阈值时,针对所获取的指纹识别图像的指纹识别通过。当所获取的指纹识别图像与预先录入指纹模板库里的指纹模板的相似度小于该预设相似度阈值时,针对所获取的指纹识别图像的指纹识别不通过。
在一个实施例中,相似度阈值可以是针对所获取的指纹识别图像的像素点与预先录入指纹模板库里的指纹模板的像素点中匹配的像素点的数量与指纹模板的全部像素点数量的比值设定的一个阈值,例如,90%。即,当所获取的指纹识别图像的像素点中有90%的像素点或更多的像素点与预先录入指纹模板库里的指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。本领域技术人员可以理解,初始的相似度阈值为90%仅仅是示例,在实践中可根据需要设定初始的相似度阈值高于或低于90%。
在一个实施例中,调整模块730还被配置为:根据检测模块720检测出的坏像素点的数量,提高预设相似度阈值,其中,检测模块720检测出的坏像素的数量越多,调整后的预设相似度阈值越高。
根据检测出的坏像素点的数量对预设相似度阈值进行调整的目的,尤其是,检测出的坏像素的数量越多调整后的预设相似度阈值越高的目的在于解决这样的问题:指纹识别模组的坏像素点由于无法检测出指纹识别图像的像素点因而被默认为与预先录入指纹模板库里的指纹模板的对应像素点匹配,而预设相似度阈值保持不变,从而导致指纹识别模组的安全性下降。
确定模块740被配置为确定获取模块710获取的指纹识别图像与预设指纹图像的相似度,并根据相似度与调整后的预设相似度阈值确定指纹识别结果。
在根据本公开实施例的指纹识别装置中,确定模块确定获取的指纹识别图像与预设指纹图像的相似度,根据由于坏像素点存在而调整的预设相似度阈值,可以将相似度与调整后的预设相似度阈值进行比较,由此确定指纹识别结果。
根据本公开实施例的指纹识别装置,通过获取模块,被配置为获取指纹识别图像;检测模块,被配置为检测获取模块所获取的指纹识别图像中的坏像素点的数量;调整模块,被配置为根据检测模块检测出的坏像素点的数量,对预设相似度阈值进行调整;确定模块,被配置为确定获取模块获取的指纹识别图像与预设指纹图像的相似度,并根据相似度与调整后的预设相似度阈值确定指纹识别结果,使得能够根据检测出的坏像素点的数量来调整相似度阈值,进而根据获取的指纹识别图像与预设指纹图像的相似度与调整后的预设相似度阈值来确定指纹识别结果,而非基于默认坏像素点匹配来确定指纹识别结果。因此,本公开中,当检测出坏像素点时,调整相似度阈值,提高了指纹识别的可靠性,增强了***安全性。
以下参照图8描述根据本公开另一实施例的指纹识别装置的框图。
图8所示的指纹识别装置与图7所示的指纹识别装置的区别在于,调整模块730还可以包括第一计算子模块810。
第一计算子模块810被配置为按照如下第一公式对预设相似度阈值进行调整,得到调整后的预设相似度阈值p’:
p’=p/(1-a)
其中,p是预设相似度阈值,其中,0<p<1;a是检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值。
例如,当p为90%,a为2%时,p’≈91.8%。即,当预设相似度阈值为90%,并且检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值为2%时,调整后的相似度阈值p’为91.8%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有91.8%的像素点与指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
例如,当p为90%,a为10%时,p’=100%。即,当预设相似度阈值为90%,并且检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值为10%时,调整后的相似度阈值p’为100%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中的全部像素点,即全部好像素点,都与指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
根据本公开实施例的指纹识别装置,通过调整模块包括:第一计算子模块,被配置为按照如下第一公式对预设相似度阈值进行调整,得到调整后的预设相似度阈值p’:p’=p/(1-a),其中,p是预设相似度阈值,其中,0<p<1;a是检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值,使得能够根据检测出的坏像素点来调整相似度阈值,而非在默认坏像素点匹配的同时不调整预设相似度阈值。因此,本公开中,当检测出坏像素点时,调整相似度阈值,提高了指纹识别的可靠性,增强了***安全性。
在采用上述第一公式计算调整后的预设相似度阈值时,可能出现预设相似度阈值超过100%的情况。
以下参照图12所示出的根据本公开实施例的指纹识别装置进行描述。图12所示出的指纹识别装置与图7所示出的指纹识别装置的区别仅在于还包括通知模块1210。
通知模块1210被配置为当调整模块730调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
例如,当p为90%,a为20%时,p’=112.5%。即,当预设相似度阈值为90%,并且检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值为20%时,调整后的相似度阈值p’为112.5%。换言之,在采用此调整后的相似度阈值的情况下,即使所获取的指纹识别图像中的全部像素点,即全部好像素点,都与指纹模板的像素点匹配,也无法满足相似度的条件。在此情况下,在根据本公开实施例的指纹识别装置中,当调整后的相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
根据本公开实施例的指纹识别装置,通过通知模块,被配置为当调整模块调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足,使得在调整后的预设相似度阈值超过正常像素点数量所能达到的极限时,通知用户。因此,提高了指纹识别的可靠性,增强了***安全性。
图9是根据本公开另一示例性实施例示出的一种指纹识别装置的框图。图9所示的指纹识别装置与图7所示的指纹识别装置的区别在于,图9所示的指纹识别装置中的检测模块720包括划分子模块910和识别子模块920,调整模块730还包括第二计算子模块930和提高子模块940。
划分子模块910被配置为将获取模块710所获取的指纹识别图像的全部像素点划分为两个或两个以上的区域。
在一个实施例中,两个或两个以上的区域可以是各种形状,例如,三角形、矩形、五边形、圆形、或者不规则形状等等。在一个实施例中,可以将全部像素点等分或不等分为两个或两个以上的矩形区域。
识别子模块920被配置为当一个区域内的坏像素点的数量与区域内的全部像素点的数量的比值达到预设区域安全阈值时,将区域识别为不安全区域。
例如,当一个区域内的坏像素点的数量与该区域内的全部像素点的数量的比值达到10%时,将该区域识别为不安全区域。预设区域安全阈值为10%仅仅为示例,可以根据需要将预设区域安全阈值设为比10%大或小的任意值。在一个实施例中,预设区域安全阈值小于50%。
第二计算子模块930被配置为计算不安全区域的数量与全部区域的数量的比例相关值。
提高子模块940被配置为根据比例相关值,提高预设相似度阈值,其中,比例相关值越高,调整后的预设相似度阈值越高。
在根据本公开实施例的指纹识别装置中,不安全区域的数量与全部区域的数量的比例相关值越高,表明不安全区域在全部区域中的比例越大,因此,需要将预设相似度阈值调整得越高,以提高指纹识别的安全性。
根据本公开实施例的指纹识别装置,通过检测模块包括:划分子模块,被配置为将获取模块所获取的指纹识别图像的全部像素点划分为两个或两个以上的区域;识别子模块,被配置为当一个区域内的坏像素点的数量与区域内的全部像素点的数量的比值达到预设区域安全阈值时,将区域识别为不安全区域;其中,调整模块包括:第二计算子模块,被配置为计算不安全区域的数量与全部区域的数量的比例相关值;提高子模块,被配置为根据比例相关值,提高预设相似度阈值,其中,比例相关值越高,调整后的预设相似度阈值越高,使得能够更精确的判断指纹识别图像中的坏像素点在整个指纹识别图像中的分布情况,并且基于不安全区域的数量与全部区域的数量的比例相关值调整相似度阈值。因此,本公开中,不安全区域的数量与全部区域的数量的比例相关值越高,将预设相似度阈值调整得越高,从而提高了指纹识别的可靠性,增强了***安全性。
图10是图9示出的指纹识别装置中的提高子模块的一个实施例的框图。如图10所示,提高子模块940包括第三计算子模块1010。
第三计算子模块1010被配置为按照如下第二公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n/t)
其中,p是预设相似度阈值,其中,0<p<1;t是将所获取的指纹识别图像的全部像素点划分为的区域的数量,其中,t≥2;n是t个区域中的不安全区域的数量,其中,0≤n<t。
例如,当p为90%,t为10,n为2时,p’=92%。即,当预设相似度阈值为90%,将所获取的指纹识别图像的全部像素点划分为的区域的数量为10,并且10个区域中的不安全区域的数量为2时,调整后的相似度阈值p’为92%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有92%的像素点与指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
例如,当p为90%,t为10,n为5时,p’=95%。即,当预设相似度阈值为90%,将所获取的指纹识别图像的全部像素点划分为的区域的数量为10,并且10个区域中的不安全区域的数量为5时,调整后的相似度阈值p’为95%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有95%的像素点与指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
另外,当调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
根据本公开实施例的指纹识别装置,通过提高子模块包括:第三计算子模块,被配置为按照如下第二公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:p’=p+(1-p)*(n/t),其中,p是预设相似度阈值,其中,0<p<1;t是将所获取的指纹识别图像的全部像素点划分为的区域的数量,其中,t≥2;n是t个区域中的不安全区域的数量,其中,0≤n<t,使得能够基于不安全区域的数量与全部区域的数量的比例相关值调整相似度阈值。因此,本公开中,不安全区域的数量与全部区域的数量的比例相关值越高,将预设相似度阈值调整得越高,从而提高了指纹识别的可靠性,增强了***安全性。
图11是图9示出的指纹识别装置中的提高子模块的另一个实施例的框图。如图11所示,提高子模块940包括加权子模块1110和第四计算子模块1120。
加权子模块1110被配置为对两个或两个以上的区域分配不同的安全加权系数,其中,越靠近所获取的指纹识别图像的中央的区域的安全加权系数越大。
第四计算子模块1120被配置为按照如下第三公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n’/t’)
其中,p是预设相似度阈值,其中,0<p<1;t’是将各个区域的像素点数量占全部像素点数量的比例乘以该区域的安全加权系数以后相加得到的全部区域数量加权值;n’是将各个不安全区域的像素点数量占全部像素点数量的比例乘以该不安全区域的安全加权系数以后相加得到的不安全区域数量加权值。
例如,当p为90%,t’为1.4,n’为0.3时,p’≈92.1%。即,当预设相似度阈值为90%,将所获取的指纹识别图像的全部像素点划分为的10个区域的安全加权系数(在此设定2个中央区域的安全加权系数为3,8个周边区域的安全加权系数为1)分别乘以各个区域的像素点数量占全部像素点数量的比例(在此设定10个区域每一个的像素点数量占全部像素点数量的比例为10%)后相加得到的全部区域数量加权值1.4,并且10个区域中的1个不安全区域(在此将1个中央区域设定为不安全区域)的安全加权系数0.3分别乘以不安全区域的像素点数量占全部像素点数量的比例10%后相加得到的不安全区域数量加权值0.3时,调整后的相似度阈值p’为92.1%。换言之,在采用此调整后的相似度阈值的情况下,只有当所获取的指纹识别图像中至少有92.1%的像素点与指纹模板的像素点匹配时,针对所获取的指纹识别图像的指纹识别通过。
另外,当调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
根据本公开实施例的指纹识别装置,通过提高子模块模块包括:加权子模块,被配置为对两个或两个以上的区域分配不同的安全加权系数,其中,越靠近所获取的指纹识别图像的中央的区域的安全加权系数越大;第四计算子模块,被配置为按照如下第三公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:p’=p+(1-p)*(n’/t’),其中,p是预设相似度阈值,其中,0<p<1;t’是将各个区域的像素点数量占全部像素点数量的比例乘以该区域的安全加权系数以后相加得到的全部区域数量加权值;n’是将各个不安全区域的像素点数量占全部像素点数量的比例乘以该不安全区域的安全加权系数以后相加得到的不安全区域数量加权值,使得能够基于不安全区域的数量与全部区域的数量的比例相关值调整相似度阈值。因此,本公开中,不安全区域的数量与全部区域的数量的比例相关值越高,将预设相似度阈值调整得越高,从而提高了指纹识别的可靠性,增强了***安全性。
本公开实施例提供了一种指纹识别装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
检测所获取的指纹识别图像中的坏像素点的数量;
根据检测出的坏像素点的数量,对预设相似度阈值进行调整;
确定获取的指纹识别图像与预设指纹图像的相似度,并根据所述相似度与调整后的预设相似度阈值确定指纹识别结果。
图13是根据本公开另一示例性实施例示出的一种指纹识别装置1300的框图。例如,指纹识别装置1300可以是应用程序,也可以是移动设备,如移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图13,指纹识别装置1300可以包括以下一个或多个组件:处理组件1302,存储器1304,电源组件1306,多媒体组件1308,音频组件1310,输入/输出(I/O)的接口1312,传感器组件1314,以及通信组件1316。
处理组件1302通常控制指纹识别装置1300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件1302可以包括一个或多个处理器1320来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件1302可以包括一个或多个模块,便于处理组件1302和其他组件之间的交互。例如,处理组件1302可以包括多媒体模块,以方便多媒体组件1308和处理组件1302之间的交互。
存储器1304被配置为存储各种类型的数据以支持在指纹识别装置1300的操作。这些数据的示例包括用于在指纹识别装置1300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器1304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件1306为指纹识别装置1300的各种组件提供电力。电源组件1306可以包括电源管理***,一个或多个电源,及其他与为指纹识别装置1300生成、管理和分配电力相关联的组件。
多媒体组件1308包括在所述指纹识别装置1300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件1308包括一个前置摄像头和/或后置摄像头。当指纹识别装置1300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件1310被配置为输出和/或输入音频信号。例如,音频组件1310包括一个麦克风(MIC),当指纹识别装置1300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1304或经由通信组件1316发送。在一些实施例中,音频组件1310还包括一个扬声器,用于输出音频信号。
I/O接口1312为处理组件1302和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1314包括一个或多个传感器,用于为指纹识别装置1300提供各个方面的状态评估。例如,传感器组件1314可以检测到指纹识别装置1300的打开/关闭状态,组件的相对定位,例如所述组件为指纹识别装置1300的显示器和小键盘,传感器组件1314还可以检测指纹识别装置1300或指纹识别装置1300一个组件的位置改变,用户与指纹识别装置1300接触的存在或不存在,指纹识别装置1300方位或加速/减速和指纹识别装置1300的温度变化。传感器组件1314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1314还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件1314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件1316被配置为便于指纹识别装置1300和其他设备之间有线或无线方式的通信。指纹识别装置1300可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件1316经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件1316还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,指纹识别装置1300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1304,上述指令可由指纹识别装置1300的处理器1320执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种指纹识别方法,该方法包括:
检测所获取的指纹识别图像中的坏像素点的数量;
根据检测出的坏像素点的数量,对预设相似度阈值进行调整;
确定获取的指纹识别图像与预设指纹图像的相似度,并根据所述相似度与调整后的预设相似度阈值确定指纹识别结果。
图14是根据本公开另一示例性实施例示出的一种指纹识别装置1400的框图。例如,指纹识别装置1400可以被提供为一服务器。参照图14,指纹识别装置1400包括处理组件1422,其进一步包括一个或多个处理器,以及由存储器1432所代表的存储器资源,用于存储可由处理组件1422执行的指令,例如应用程序。存储器1432中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1422被配置为执行指令,以执行上述方法。
指纹识别装置1400还可以包括一个电源组件1426被配置为指纹识别装置1400的电源管理,一个有线或无线网络接口1450被配置为将指纹识别装置1400连接到网络,和一个输入输出(I/O)接口1458。指纹识别装置1400可以操作基于存储在存储器1432的操作***,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由服务器的处理器执行时,使得服务器能够执行一种指纹识别方法,该方法包括:
检测所获取的指纹识别图像中的坏像素点的数量;
根据检测出的坏像素点的数量,对预设相似度阈值进行调整;
确定获取的指纹识别图像与预设指纹图像的相似度,并根据所述相似度与调整后的预设相似度阈值确定指纹识别结果。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (15)
1.一种指纹识别方法,其特征在于,包括:
获取指纹识别图像;
检测所获取的指纹识别图像中的坏像素点的数量;
根据检测出的坏像素点的数量,对预设相似度阈值进行调整;
确定获取的指纹识别图像与预设指纹图像的相似度,并根据所述相似度与调整后的预设相似度阈值确定指纹识别结果。
2.根据权利要求1所述的方法,其特征在于,根据检测出的坏像素点的数量,对预设相似度阈值进行调整,包括:
根据检测出的坏像素点的数量,提高预设相似度阈值,其中,检测出的坏像素的数量越多,调整后的预设相似度阈值越高。
3.根据权利要求1或2所述的方法,其特征在于,所述根据检测出的坏像素点的数量,对预设相似度阈值进行调整,包括:
按照如下第一公式对预设相似度阈值进行调整,得到调整后的预设相似度阈值p’:
p’=p/(1-a)
其中,p是预设相似度阈值,其中,0<p<1;a是检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值。
4.根据权利要求1或2所述的方法,其特征在于,所述检测所获取的指纹识别图像中的坏像素点的数量,还包括:
将所获取的指纹识别图像的全部像素点划分为两个或两个以上的区域;
当一个区域内的坏像素点的数量与所述区域内的全部像素点的数量的比值达到预设区域安全阈值时,将所述区域识别为不安全区域;
其中,根据检测出的坏像素点的数量,对预设相似度阈值进行调整,包括:
计算所述不安全区域的数量与全部区域的数量的比例相关值;
根据所述比例相关值,提高预设相似度阈值,其中,所述比例相关值越高,调整后的预设相似度阈值越高。
5.根据权利要求4所述的方法,其特征在于,所述根据所述比例相关值,提高预设相似度阈值,其中,所述比例相关值越高,调整后的预设相似度阈值越高,包括:
按照如下第二公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n/t)
其中,p是预设相似度阈值,其中,0<p<1;t是将所获取的指纹识别图像的全部像素点划分为的区域的数量,其中,t≥2;n是所述t个区域中的不安全区域的数量,其中,0≤n<t。
6.根据权利要求4所述的方法,其特征在于,所述根据所述比例相关值,提高预设相似度阈值,其中,所述比例相关值越高,调整后的预设相似度阈值越高,包括:
对所述两个或两个以上的区域分配不同的安全加权系数,其中,越靠近所获取的指纹识别图像的中央的区域的安全加权系数越大;
按照如下第三公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n’/t’)
其中,p是预设相似度阈值,其中,0<p<1;t’是将各个区域的像素点数量占全部像素点数量的比例乘以该区域的安全加权系数以后相加得到的全部区域数量加权值;n’是将各个不安全区域的像素点数量占全部像素点数量的比例乘以该不安全区域的安全加权系数以后相加得到的不安全区域数量加权值。
7.根据权利要求3所述的方法,其特征在于,还包括:
当调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
8.一种指纹识别装置,其特征在于,包括:
获取模块,被配置为获取指纹识别图像;
检测模块,被配置为检测所述获取模块所获取的指纹识别图像中的坏像素点的数量;
调整模块,被配置为根据所述检测模块检测出的坏像素点的数量,对预设相似度阈值进行调整;
确定模块,被配置为确定所述获取模块获取的指纹识别图像与预设指纹图像的相似度,并根据所述相似度与调整后的预设相似度阈值确定指纹识别结果。
9.根据权利要求8所述的装置,其特征在于,所述调整模块还被配置为:
根据所述检测模块检测出的坏像素点的数量,提高预设相似度阈值,其中,所述检测模块检测出的坏像素的数量越多,调整后的预设相似度阈值越高。
10.根据权利要求8或9所述的装置,其特征在于,所述调整模块包括:
第一计算子模块,被配置为按照如下第一公式对预设相似度阈值进行调整,得到调整后的预设相似度阈值p’:
p’=p/(1-a)
其中,p是预设相似度阈值,其中,0<p<1;a是检测出的坏像素点的数量与所获取的指纹识别图像的全部像素点的数量的比值。
11.根据权利要求8或9所述的装置,其特征在于,所述检测模块包括:
划分子模块,被配置为将所述获取模块所获取的指纹识别图像的全部像素点划分为两个或两个以上的区域;
识别子模块,被配置为当一个区域内的坏像素点的数量与所述区域内的全部像素点的数量的比值达到预设区域安全阈值时,将所述区域识别为不安全区域;
其中,所述调整模块包括:
第二计算子模块,被配置为计算所述不安全区域的数量与全部区域的数量的比例相关值;
提高子模块,被配置为根据所述比例相关值,提高预设相似度阈值,其中,所述比例相关值越高,调整后的预设相似度阈值越高。
12.根据权利要求11所述的装置,其特征在于,所述提高子模块包括:
第三计算子模块,被配置为按照如下第二公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n/t)
其中,p是预设相似度阈值,其中,0<p<1;t是将所获取的指纹识别图像的全部像素点划分为的区域的数量,其中,t≥2;n是所述t个区域中的不安全区域的数量,其中,0≤n<t。
13.根据权利要求11所述的装置,其特征在于,所述提高子模块模块包括:
加权子模块,被配置为对所述两个或两个以上的区域分配不同的安全加权系数,其中,越靠近所获取的指纹识别图像的中央的区域的安全加权系数越大;
第四计算子模块,被配置为按照如下第三公式提高预设相似度阈值,得到调整后的预设相似度阈值p’:
p’=p+(1-p)*(n’/t’)
其中,p是预设相似度阈值,其中,0<p<1;t’是将各个区域的像素点数量占全部像素点数量的比例乘以该区域的安全加权系数以后相加得到的全部区域数量加权值;n’是将各个不安全区域的像素点数量占全部像素点数量的比例乘以该不安全区域的安全加权系数以后相加得到的不安全区域数量加权值。
14.根据权利要求10所述的装置,其特征在于,还包括:
通知模块,被配置为当所述调整模块调整后的预设相似度阈值所对应的正常像素点数量超过所获取的指纹识别图像中的正常像素点数量时,向用户通知正常像素点数量不足。
15.一种指纹识别装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取指纹识别图像;
检测所获取的指纹识别图像中的坏像素点的数量;
根据检测出的坏像素点的数量,对预设相似度阈值进行调整;
确定获取的指纹识别图像与预设指纹图像的相似度,并根据所述相似度与调整后的预设相似度阈值确定指纹识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710071304.0A CN106909893B (zh) | 2017-02-09 | 2017-02-09 | 指纹识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710071304.0A CN106909893B (zh) | 2017-02-09 | 2017-02-09 | 指纹识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106909893A true CN106909893A (zh) | 2017-06-30 |
CN106909893B CN106909893B (zh) | 2020-12-29 |
Family
ID=59208240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710071304.0A Active CN106909893B (zh) | 2017-02-09 | 2017-02-09 | 指纹识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106909893B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109313705A (zh) * | 2018-09-12 | 2019-02-05 | 深圳市汇顶科技股份有限公司 | 指纹识别方法、装置、设备及存储介质 |
CN109844764A (zh) * | 2017-08-31 | 2019-06-04 | 华为技术有限公司 | 指纹传感器功能的验证方法及终端 |
CN110119727A (zh) * | 2019-05-21 | 2019-08-13 | Oppo广东移动通信有限公司 | 指纹识别方法、装置、终端及存储介质 |
CN112560645A (zh) * | 2020-12-11 | 2021-03-26 | 维沃移动通信有限公司 | 状态控制方法、装置和电子设备 |
CN113591921A (zh) * | 2021-06-30 | 2021-11-02 | 北京旷视科技有限公司 | 图像识别方法及装置、电子设备、存储介质 |
WO2022134828A1 (zh) * | 2020-12-24 | 2022-06-30 | 深圳壹账通智能科技有限公司 | 基于图片识别的智能仓储方法、***、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004199435A (ja) * | 2002-12-19 | 2004-07-15 | Yamatake Corp | 指紋照合装置 |
CN103093209A (zh) * | 2013-01-23 | 2013-05-08 | 深圳市亚略特生物识别科技有限公司 | 指纹验证*** |
WO2014099514A1 (en) * | 2012-12-18 | 2014-06-26 | Apple Inc. | Electronic device including device ground coupled finger coupling electrode and array shielding electrode and related methods |
CN105809133A (zh) * | 2016-03-08 | 2016-07-27 | 广东欧珀移动通信有限公司 | 指纹特征信息更新方法及装置 |
CN105912915A (zh) * | 2016-05-27 | 2016-08-31 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
CN105975833A (zh) * | 2016-05-27 | 2016-09-28 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
CN106250876A (zh) * | 2016-08-19 | 2016-12-21 | 深圳市金立通信设备有限公司 | 一种指纹识别方法及终端 |
-
2017
- 2017-02-09 CN CN201710071304.0A patent/CN106909893B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004199435A (ja) * | 2002-12-19 | 2004-07-15 | Yamatake Corp | 指紋照合装置 |
WO2014099514A1 (en) * | 2012-12-18 | 2014-06-26 | Apple Inc. | Electronic device including device ground coupled finger coupling electrode and array shielding electrode and related methods |
CN103093209A (zh) * | 2013-01-23 | 2013-05-08 | 深圳市亚略特生物识别科技有限公司 | 指纹验证*** |
CN105809133A (zh) * | 2016-03-08 | 2016-07-27 | 广东欧珀移动通信有限公司 | 指纹特征信息更新方法及装置 |
CN105912915A (zh) * | 2016-05-27 | 2016-08-31 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
CN105975833A (zh) * | 2016-05-27 | 2016-09-28 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
CN106250876A (zh) * | 2016-08-19 | 2016-12-21 | 深圳市金立通信设备有限公司 | 一种指纹识别方法及终端 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109844764A (zh) * | 2017-08-31 | 2019-06-04 | 华为技术有限公司 | 指纹传感器功能的验证方法及终端 |
CN109844764B (zh) * | 2017-08-31 | 2021-12-28 | 华为技术有限公司 | 指纹传感器功能的验证方法及终端 |
CN109313705A (zh) * | 2018-09-12 | 2019-02-05 | 深圳市汇顶科技股份有限公司 | 指纹识别方法、装置、设备及存储介质 |
CN109313705B (zh) * | 2018-09-12 | 2021-10-08 | 深圳市汇顶科技股份有限公司 | 指纹识别方法、装置、设备及存储介质 |
CN110119727A (zh) * | 2019-05-21 | 2019-08-13 | Oppo广东移动通信有限公司 | 指纹识别方法、装置、终端及存储介质 |
CN112560645A (zh) * | 2020-12-11 | 2021-03-26 | 维沃移动通信有限公司 | 状态控制方法、装置和电子设备 |
WO2022134828A1 (zh) * | 2020-12-24 | 2022-06-30 | 深圳壹账通智能科技有限公司 | 基于图片识别的智能仓储方法、***、设备及存储介质 |
CN113591921A (zh) * | 2021-06-30 | 2021-11-02 | 北京旷视科技有限公司 | 图像识别方法及装置、电子设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106909893B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106909893A (zh) | 指纹识别方法及装置 | |
US10706173B2 (en) | Method and device for displaying notification information | |
US10129044B2 (en) | Method and apparatus for controlling smart device | |
EP3041206B1 (en) | Method and device for displaying notification information | |
US10452890B2 (en) | Fingerprint template input method, device and medium | |
US10546192B2 (en) | Device and method for recognizing fingerprint | |
EP3133528A1 (en) | Method and apparatus for fingerprint identification | |
US10643054B2 (en) | Method and device for identity verification | |
WO2017059634A1 (zh) | 调节显示图像方法及装置 | |
EP3125187A1 (en) | Method and apparatus for recommending contact information | |
US9924090B2 (en) | Method and device for acquiring iris image | |
US20170123587A1 (en) | Method and device for preventing accidental touch of terminal with touch screen | |
RU2679568C1 (ru) | Способ и устройство распознавания отпечатков пальцев | |
CN111241890B (zh) | 指纹识别方法、装置、设备及存储介质 | |
CN106599858B (zh) | 指纹识别方法、装置和电子设备 | |
US10671827B2 (en) | Method and device for fingerprint verification | |
CN107203315B (zh) | 点击事件的处理方法、装置及终端 | |
EP3432209A1 (en) | Method and apparatus for controlling fingerprint sensor and storage medium | |
CN106446827B (zh) | 虹膜识别功能检测方法和装置 | |
CN109521899B (zh) | 确定指纹可输入区域的方法及装置 | |
CN113093932B (zh) | 一种触控检测处理方法、装置、终端设备及存储介质 | |
CN111104014B (zh) | 启动应用程序的方法、装置、终端和存储介质 | |
CN106293398B (zh) | 推荐虚拟现实资源的方法、装置及终端 | |
CN111291600A (zh) | 指纹采集方法及装置 | |
CN112200783B (zh) | 一种商品图像的处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |