CN110633384A - 基于汗孔和多图匹配的高分辨率指纹检索方法、装置、***及存储介质 - Google Patents
基于汗孔和多图匹配的高分辨率指纹检索方法、装置、***及存储介质 Download PDFInfo
- Publication number
- CN110633384A CN110633384A CN201910886814.2A CN201910886814A CN110633384A CN 110633384 A CN110633384 A CN 110633384A CN 201910886814 A CN201910886814 A CN 201910886814A CN 110633384 A CN110633384 A CN 110633384A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- sweat
- registered
- sweat pore
- pore
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于汗孔和多图匹配的高分辨率指纹检索方法,包括依次执行以下步骤:高分辨率指纹注册步骤:建立并计算从注册库的注册指纹中所提取的注册汗孔的二值化特征向量;汗孔检索步骤:建立并计算从测试指纹中提取的测试汗孔的二值化特征向量;多图匹配步骤:为每个测试汗孔提取所需的最近邻训练汗孔,采用多图匹配算法结合这些测试汗孔的空间分布关系去除错误的最近邻训练汗孔;输出步骤:最终根据汗孔检索步骤的结果推荐出候选指纹序列。本发明的有益效果是:1.本发明公开的高分辨率指纹检索方法,通过指纹中的汗孔局部特征进行检索,由于汗孔相对于其他特征更加丰富,该方法能有效提高指纹检索的精度。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于汗孔和多图匹配的高分辨率指纹检索方法、装置、***及存储介质。
背景技术
指纹检索是从一个指纹库中搜索与输入指纹相似的指纹图片。传统的指纹识别算法使用细节点特征通过图像检索的技术搜索与输入指纹图像最相似的指纹列表。由于细节点在面对指纹碎片时,往往因为特征点数量的不足导致检索失败。因此,采用更加丰富的特征进行指纹的匹配和检索就成为提高指纹识别精度的必然选择。
汗孔作为高分辨率指纹中的三级特征,以其更加丰富的分布特征和稳定性、唯一性,受到广泛的关注。采用汗孔进行指纹相似度计算可以提高指纹匹配的精度。目前基于汗孔的指纹识别***的研究成果多数集中在指纹特征提取和高分辨率指纹验证两个方面。基于汗孔的指纹检索方面的研究进步缓慢。
传统的指纹检索算法采用细节点、奇异点特征进行识别,由于这些特征点的数量有限,尤其是在指纹碎片中,重叠区域的细节点和奇异点数量不足以准确评价两张指纹图片的相似度。采用汗孔进行相似度计算可以有效提升准确率。然而,由于高分辨率指纹中的汗孔数量比细节点大一个数量级。直接采用汗孔进行检索会极大的提高算法的计算负荷,降低检索速度。采用高效的检索算法结合汗孔进行指纹检索,对于指纹检索的精度和速度提高具有重要意义。
发明内容
本发明提供了一种基于汗孔和多图匹配的高分辨率指纹检索方法,包括依次执行以下步骤:
高分辨率指纹注册步骤:建立并计算从注册库的注册指纹中所提取的注册汗孔的二值化特征向量;
汗孔检索步骤:建立并计算从测试指纹中提取的测试汗孔的二值化特征向量;
多图匹配步骤:为每个测试汗孔提取所需的最近邻训练汗孔,采用多图匹配算法结合这些测试汗孔的空间分布关系去除错误的最近邻训练汗孔;输出步骤:最终根据汗孔检索步骤的结果推荐出候选指纹序列。
步骤2:对步骤1中每一个注册汗孔提取局部DAISY特征,记为
步骤3:采用迭代量化算法对YR进行训练,得到训练参数TY,TM,Tp,Tc,并根据这些参数对YR进行二值化,得到注册汗孔的二值化特征向量,其计算公式如下:
作为本发明的进一步改进,所述汗孔检索步骤还包括执行以下步骤:
作为本发明的进一步改进,所述多图匹配步骤还包括执行以下步骤:
步骤9:根据Xt和Mt,建立一个联合匹配矩阵X、关联矩阵P和联合匹配向量x:
x=[vec(X1)T vec(X2)T … vec(Xs)T] (4)
其中
步骤10:直到x收敛,获得迭代公式如下:
所述输出步骤还包括执行以下步骤:
步骤12:输出推荐指纹列表;根据通过步骤11获取的测试指纹和所有注册指纹的相似度,给出相似度最高的r个推荐指纹列表。
本发明还公开了一种基于汗孔和多图匹配的高分辨率指纹检索装置,该高分辨率指纹检索装置包括:
高分辨率指纹注册单元:用于建立并计算从注册库的注册指纹中所提取的注册汗孔的二值化特征向量;
汗孔检索单元:用于建立并计算从测试指纹中提取的测试汗孔的二值化特征向量;
多图匹配单元:用于为每个测试汗孔提取所需的最近邻训练汗孔,采用多图匹配算法结合这些测试汗孔的空间分布关系去除错误的最近邻训练汗孔;
输出单元:用于最终根据汗孔检索步骤的结果推荐出候选指纹序列。
第三单元:用于采用迭代量化算法对YR进行训练,得到训练参数TY,TM,TP,TC,并根据这些参数对YR进行二值化,得到注册汗孔的二值化特征向量,其计算公式如下:
作为本发明的进一步改进,所述汗孔检索单元包括:
作为本发明的进一步改进,所述多图匹配单元包括:
第九单元:用于根据Xt和Mt,建立一个联合匹配矩阵X、关联矩阵P和联合匹配向量x:
x=[vec(X1)T vec(X2)T … vec(Xs)T] (4)
其中
第十单元:用于直到x收敛,获得迭代公式如下:
所述输出单元包括:
第十二单元:用于输出推荐指纹列表;根据通过第十一单元获取的测试指纹和所有注册指纹的相似度,给出相似度最高的r个推荐指纹列表。
本发明还公开了一种基于汗孔和多图匹配的高分辨率指纹检索***,包括:存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序配置为由所述处理器调用时实现本发明所述的高分辨率指纹检索方法的步骤。
本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现本发明所述的高分辨率指纹检索方法的步骤。
本发明的有益效果是:1.本发明公开的高分辨率指纹检索方法,通过指纹中的汗孔局部特征进行检索,由于汗孔相对于其他特征更加丰富,该方法能有效提高指纹检索的精度;2.本发明公开的高分辨率指纹检索方法所提出的基于汗孔二值化特征和局部敏感哈希算法,能有效提高汗孔的检索精度;3.本发明公开的高分辨率指纹检索方法所提出的多图匹配算法能有效去除错误检索的汗孔,从而进一步提高高分辨率指纹检索精度;4.本发明公开的高分辨率指纹检索方法所提出的多图匹配算法可以应用至其他相似特征点匹配中。
附图说明
图1是本发明的高分辨率指纹检索流程图;
图2是本发明的高分辨率指纹汗孔提取效果图:(a)高分辨率指纹图片,(b)汗孔提取效果图片;
图3是本发明的汗孔检索效果图;中间指纹为测试指纹,周围的8副指纹为含有最近邻汗孔最多的指纹,根据测试汗孔和最近邻汗孔构建的一对一候选汗孔对如图中实线表示。
图4是本发明的多图匹配对汗孔进行精匹配的效果图;根据匹配结果,第2,第3和第5张注册指纹和测试指纹(中间指纹)的相似度最高。
具体实施方式
本发明公开的一种基于汗孔和多图匹配的高分辨率指纹检索方法利用汗孔二值化特征计算测试指纹中的汗孔和注册库中汗孔的相似度,以此为每个测试汗孔提取出几个最近邻汗孔,采用多图匹配算法结合这些汗孔的空间分布关系去除错误的最近邻。根据最终的选择结果计算两个指纹图片的相似度,从而推荐出一个与测试指纹最相似的注册指纹序列。
本发明公开的一种基于汗孔和多图匹配的高分辨率指纹检索方法采用的技术路线如图1中所示。为了提高汗孔检索的速度,本发明采用DAISY算法建立汗孔的局部特征,通过迭代量化算法对局部特征二值化,并结合局部敏感哈希算法进行汗孔检索。为了提高检索精度,采用多图匹配的算法去除错误的检索结果。最终根据汗孔检索的结果推荐出候选指纹序列。
本发明公开了一种基于汗孔和多图匹配的高分辨率指纹检索方法,包括依次执行以下步骤:
高分辨率指纹注册步骤:建立并计算从注册库的注册指纹中所提取的注册汗孔的二值化特征向量;
汗孔检索步骤:建立并计算从测试指纹中提取的测试汗孔的二值化特征向量;
多图匹配步骤:为每个测试汗孔提取所需的最近邻训练汗孔,采用多图匹配算法结合这些测试汗孔的空间分布关系去除错误的最近邻训练汗孔;
输出步骤:最终根据汗孔检索步骤的结果推荐出候选指纹序列。
步骤1:从注册指纹中提取注册汗孔
步骤3:采用迭代量化算法对YR进行训练,得到训练参数TY,TM,TP,TC,并根据这些参数对YR进行二值化,得到注册汗孔的二值化特征向量,其计算公式如下:
所述汗孔检索步骤还包括执行以下步骤:
所述多图匹配步骤还包括执行以下步骤:
步骤9:根据Xt和Mt,建立一个联合匹配矩阵X、关联矩阵P和联合匹配向量x:
x=[vec(X1)T vec(X2)T … vec(Xs)T] (4)
其中
步骤10:直到x收敛,获得迭代公式如下:
所述输出步骤还包括执行以下步骤:
步骤12:输出推荐指纹列表;根据通过步骤11获取的测试指纹和所有注册指纹的相似度,给出相似度最高的r个推荐指纹列表。
本发明还公开了一种基于汗孔和多图匹配的高分辨率指纹检索装置,该高分辨率指纹检索装置包括:
高分辨率指纹注册单元:用于建立并计算从注册库的注册指纹中所提取的注册汗孔的二值化特征向量;
汗孔检索单元:用于建立并计算从测试指纹中提取的测试汗孔的二值化特征向量;
多图匹配单元:用于为每个测试汗孔提取所需的最近邻训练汗孔,采用多图匹配算法结合这些测试汗孔的空间分布关系去除错误的最近邻训练汗孔;
输出单元:用于最终根据汗孔检索步骤的结果推荐出候选指纹序列。
第三单元:用于采用迭代量化算法对YR进行训练,得到训练参数TY,TM,TP,TC,并根据这些参数对YR进行二值化,得到注册汗孔的二值化特征向量,其计算公式如下:
所述汗孔检索单元包括:
所述多图匹配单元包括:
第九单元:用于根据Xt和Mt,建立一个联合匹配矩阵X、关联矩阵P和联合匹配向量x:
x=[vec(X1)T vec(X2)T … vec(Xs)T] (4)
其中
第十单元:用于直到x收敛,获得迭代公式如下:
所述输出单元包括:
第十二单元:用于输出推荐指纹列表;根据通过第十一单元获取的测试指纹和所有注册指纹的相似度,给出相似度最高的r个推荐指纹列表。
本发明还公开了一种基于汗孔和多图匹配的高分辨率指纹检索***,包括:存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序配置为由所述处理器调用时实现本发明所述的高分辨率指纹检索方法的步骤。
本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现本发明所述的高分辨率指纹检索方法的步骤。
本发明的有益效果是:1.本发明公开的高分辨率指纹检索方法,通过指纹中的汗孔局部特征进行检索,由于汗孔相对于其他特征更加丰富,该方法能有效提高指纹检索的精度;2.本发明公开的高分辨率指纹检索方法所提出的基于汗孔二值化特征和局部敏感哈希算法,能有效提高汗孔的检索精度;3.本发明公开的高分辨率指纹检索方法所提出的多图匹配算法能有效去除错误检索的汗孔,从而进一步提高高分辨率指纹检索精度;4.本发明公开的高分辨率指纹检索方法所提出的多图匹配算法可以应用至其他相似特征点匹配中。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于汗孔和多图匹配的高分辨率指纹检索方法,其特征在于,包括依次执行以下步骤:
高分辨率指纹注册步骤:建立并计算从注册库的注册指纹中所提取的注册汗孔的二值化特征向量;
汗孔检索步骤:建立并计算从测试指纹中提取的测试汗孔的二值化特征向量;
多图匹配步骤:为每个测试汗孔提取所需的最近邻训练汗孔,采用多图匹配算法结合这些测试汗孔的空间分布关系去除错误的最近邻训练汗孔;
输出步骤:最终根据汗孔检索步骤的结果推荐出候选指纹序列。
4.根据权利要求3所述的高分辨率指纹检索方法,其特征在于,所述多图匹配步骤还包括执行以下步骤:
步骤9:根据Xt和Mt,建立一个联合匹配矩阵X、关联矩阵P和联合匹配向量x:
x=[vec(X1)T vec(X2)T…vec(Xs)T] (4)
其中
步骤10:直到x收敛,获得迭代公式如下:
所述输出步骤还包括执行以下步骤:
步骤12:输出推荐指纹列表;根据通过步骤11获取的测试指纹和所有注册指纹的相似度,给出相似度最高的r个推荐指纹列表。
5.一种基于汗孔和多图匹配的高分辨率指纹检索装置,其特征在于,该高分辨率指纹检索装置包括:
高分辨率指纹注册单元:用于建立并计算从注册库的注册指纹中所提取的注册汗孔的二值化特征向量;
汗孔检索单元:用于建立并计算从测试指纹中提取的测试汗孔的二值化特征向量;
多图匹配单元:用于为每个测试汗孔提取所需的最近邻训练汗孔,采用多图匹配算法结合这些测试汗孔的空间分布关系去除错误的最近邻训练汗孔;
输出单元:用于最终根据汗孔检索步骤的结果推荐出候选指纹序列。
8.根据权利要求7所述的高分辨率指纹检索装置,其特征在于,所述多图匹配单元包括:
第五单元:用于对Vi q中每一个测试汗孔采用局部敏感哈希算法提取n个最近邻的训练汗孔
第九单元:用于根据Xt和Mt,建立一个联合匹配矩阵X、关联矩阵P和联合匹配向量x:
x=[vec(X1)T vec(X2)T…vec(Xs)T] (4)
其中
第十单元:用于直到x收敛,获得迭代公式如下:
所述输出单元包括:
第十二单元:用于输出推荐指纹列表;根据通过第十一单元获取的测试指纹和所有注册指纹的相似度,给出相似度最高的r个推荐指纹列表。
9.一种基于汗孔和多图匹配的高分辨率指纹检索***,其特征在于,包括:存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序配置为由所述处理器调用时实现权利要求1-4中任一项所述的高分辨率指纹检索方法的步骤。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现权利要求1-4中任一项所述的高分辨率指纹检索方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910886814.2A CN110633384B (zh) | 2019-09-19 | 2019-09-19 | 基于汗孔和多图匹配的高分辨率指纹检索方法、装置、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910886814.2A CN110633384B (zh) | 2019-09-19 | 2019-09-19 | 基于汗孔和多图匹配的高分辨率指纹检索方法、装置、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110633384A true CN110633384A (zh) | 2019-12-31 |
CN110633384B CN110633384B (zh) | 2022-05-17 |
Family
ID=68971703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910886814.2A Active CN110633384B (zh) | 2019-09-19 | 2019-09-19 | 基于汗孔和多图匹配的高分辨率指纹检索方法、装置、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110633384B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657145A (zh) * | 2021-06-30 | 2021-11-16 | 深圳市人工智能与机器人研究院 | 一种基于汗孔特征及神经网络的指纹检索方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106445939A (zh) * | 2015-08-06 | 2017-02-22 | 阿里巴巴集团控股有限公司 | 图像检索、获取图像信息及图像识别方法、装置及*** |
CN109840458A (zh) * | 2017-11-29 | 2019-06-04 | 杭州海康威视数字技术股份有限公司 | 一种指纹识别方法及指纹采集设备 |
US20190197280A1 (en) * | 2016-11-10 | 2019-06-27 | Synaptics Incorporated | Systems and methods for spoof detection based on local binary patterns |
-
2019
- 2019-09-19 CN CN201910886814.2A patent/CN110633384B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106445939A (zh) * | 2015-08-06 | 2017-02-22 | 阿里巴巴集团控股有限公司 | 图像检索、获取图像信息及图像识别方法、装置及*** |
US20190197280A1 (en) * | 2016-11-10 | 2019-06-27 | Synaptics Incorporated | Systems and methods for spoof detection based on local binary patterns |
CN109840458A (zh) * | 2017-11-29 | 2019-06-04 | 杭州海康威视数字技术股份有限公司 | 一种指纹识别方法及指纹采集设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657145A (zh) * | 2021-06-30 | 2021-11-16 | 深圳市人工智能与机器人研究院 | 一种基于汗孔特征及神经网络的指纹检索方法 |
CN113657145B (zh) * | 2021-06-30 | 2023-07-14 | 深圳市人工智能与机器人研究院 | 一种基于汗孔特征及神经网络的指纹检索方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110633384B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cao et al. | Vggface2: A dataset for recognising faces across pose and age | |
Li et al. | Deep joint discriminative learning for vehicle re-identification and retrieval | |
CN113076927B (zh) | 基于多源域迁移的指静脉识别方法及*** | |
CN106845513B (zh) | 基于条件随机森林的人手检测器及方法 | |
US20090016573A1 (en) | Bioindex mechanism for increasing the relative speed of biometric indentification against large population samples | |
CN111079816A (zh) | 图像的审核方法、装置和服务器 | |
CN114241505B (zh) | 化学结构图像的提取方法、装置、存储介质及电子设备 | |
US10423817B2 (en) | Latent fingerprint ridge flow map improvement | |
CN111914642A (zh) | 一种行人重识别方法、装置、设备及介质 | |
WO2022134104A1 (en) | Systems and methods for image-to-video re-identification | |
Tang et al. | A person retrieval solution using finger vein patterns | |
JP2018142189A (ja) | プログラム、測距方法、及び測距装置 | |
US11373438B2 (en) | Fixed length fingerprint representation | |
Tan et al. | A fast partial video copy detection using knn and global feature database | |
CN110633384B (zh) | 基于汗孔和多图匹配的高分辨率指纹检索方法、装置、***及存储介质 | |
Li et al. | Adversarial domain adaptation via category transfer | |
CN113792686A (zh) | 基于视觉表征跨传感器不变性的车辆重识别方法 | |
KR20100041562A (ko) | 인증 대상자의 얼굴 인식과 지문 인식을 통한 사용자 인증 수행 방법 및 시스템 | |
CN111507289A (zh) | 视频匹配方法、计算机设备和存储介质 | |
CN109508408B (zh) | 一种基于帧密度的视频检索方法及计算机可读存储介质 | |
TWI777188B (zh) | 契約簽名鑑別方法及其裝置 | |
Liu | Fingerprint analysis and singular point definition by deep neural network | |
CN113628089A (zh) | 图像处理方法、装置、存储介质及计算机设备 | |
Dhawanpatil et al. | Face spoofing detection using multiscale local binary pattern approach | |
CN111382703A (zh) | 一种基于二次筛选与分数融合的指静脉识别方法 |
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 |