CN111079626B - 一种活体指纹识别方法、电子设备及计算机可读存储介质 - Google Patents
一种活体指纹识别方法、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111079626B CN111079626B CN201911268327.6A CN201911268327A CN111079626B CN 111079626 B CN111079626 B CN 111079626B CN 201911268327 A CN201911268327 A CN 201911268327A CN 111079626 B CN111079626 B CN 111079626B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- image
- ridge line
- sweat pore
- information
- 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
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
- G06V40/1382—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)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种活体指纹识别方法、电子设备及计算机可读存储介质,针对现有的使用指纹纹路图像进行识别,其指纹纹路容易被仿造,而存在安全隐患的缺陷,本发明实施例通过指纹特征信息和指纹的汗孔特征的结合来实现指纹识别,由于指纹的汗孔是无法被百分百的复制,从而解决了指纹特征被仿造的问题,提高了指纹识别的安全性,实现了活体检测识别的目的。
Description
技术领域
本发明涉及通信技术领域,更具体地说,涉及一种活体指纹识别方法、电子设备及计算机可读存储介质。
背景技术
目前的指纹识别解锁技术中,主要是通过指纹传感器来实现指纹的识别解锁,而半导体指纹传感器的设计原理,主要是通过高清图像采集技术采集用户的指纹图像,基于指纹图像提取其中的纹路图像,然后对纹路图像中的指纹嵴和峪与预设的指纹的纹路图像进行比对,从而实现解锁操作,而这些指纹的纹路很容易被仿造,导致使用该种方式进行指纹识别解锁的安全度大大降低。
发明内容
本发明提供了一种活体指纹识别方法、电子设备及计算机可读存储介质,以解决现有的指纹纹路图像识别,其指纹容易被造仿,导致安全性较低的技术问题。
本发明提供一种活体指纹识别方法,该方法包括:
接收到指纹识别触发信号时通过高分辨率的传感器获取待识别的原始指纹图像,并分割所述原始指纹图像得到用户指纹图像,所述用户指纹图像包括前景指纹图像和背景指纹图像;
对所述用户指纹图像进行掩膜处理,得到第一指纹信息,提取所述第一指纹信息中的汗孔特征信息;
提取所述前景指纹图像中指纹的细节特征点,处理所述细节特征点得到指纹特征信息;
将所述汗孔特征信息和指纹特征信息分别与预设指纹信息进行匹配,并输出指纹的识别结果。
可选的,所述分割所述原始指纹图像得到用户指纹图像包括:
将所述原始指纹图像划分为若干块N*N大小的图像块,其中N>1;
利用分块方差算法计算各所述图像块的灰度方差,将灰度方差小于预设灰度方差值的图像块设为背景指纹图像,将灰度方放到差不小于预设灰度方差值的图像块设为前景指纹图像。
可选的,所述对所述用户指纹图像进行掩膜处理,得到第一指纹信息,提取所述第一指纹信息中的汗孔特征信息包括:
对所述前景指纹图像进行至少两次高斯滤波处理,得到两张滤波图像,将两张滤波图像进行掩膜处理,得到汗孔增强图像和嵴线增强图像;
对所述汗孔增强图像和嵴线增强图像进行合并处理,得到所述汗孔特征信息。
可选的,若所述至少两次高斯滤波处理为两次时,所述对所述前景指纹图像进行至少两次高斯滤波处理,得到两张滤波图像,将两张滤波图像进行掩膜处理,得到汗孔增强图像和嵴线增强图像包括:
以窗口大小为a*a的高斯滤波器对所述前景指纹图像进行第一次滤波处理,得到第一滤波图像,将所述第一滤波图像与预设的掩膜图像进行与运算,得到所述汗孔增强图像;
以窗口大小为b*b的高斯滤波器对所述前景指纹图像进行第二次滤波处理,得到第二滤波图像,将所述第二滤波图像与预设的掩膜图像进行与运算,得到所述嵴线增强图像,其中,2<a<b。
可选的,所述对所述汗孔增强图像和嵴线增强图像进行合并处理,得到所述汗孔特征信息包括:
提取所述汗孔增强图像和嵴线增强图像中,分别在预设识别范围内的图像进行与运算,得到汗孔图像;
计算所述汗孔图像中汗孔纹路的曲率;
筛选所述曲率大于预设的曲率值的汗孔纹路,并利用扫描法计算出所述汗孔纹路中每个汗孔的坐标信息。
可选的,所述提取所述前景指纹图像中指纹的细节特征点,处理所述细节特征点得到指纹特征信息包括:
提取所述图像块中的指纹纹路图像,其中所述指纹纹路图像包括指纹嵴线图;
计算所述指纹嵴线图中的嵴线方向和嵴线频率;
根据所述嵴线方向和嵴线频率,对所述指纹嵴线图调整,构建指纹方向图;
对所述指纹方向图进行二值化处理,得到指纹细化图,提取所述指纹细化图中指纹纹路的端点和分叉点,以及所计算所述端点和分叉点的坐标区间;
根据所述端点和分叉点,得到所述指纹特征信息。
可选的,在所述计算所述指纹嵴线图中的嵴线方向和嵴线频率之后,在所述根据所述嵴线方向和嵴线频率,对所述指纹嵴线图调整,构建指纹方向图之前,还包括:
通过Gabor滤波器对所述指纹纹路图像进行纹路增强处理,得到指纹增强图,所述指纹增强图用于构建所述指纹方向图。
可选的,所述将所述汗孔特征信息和指纹特征信息分别与预设指纹信息进行匹配,并输出指纹的识别结果包括:
通过点模式的匹配算法将所述汗孔特征信息和对应的汗孔的坐标信息与预设指纹信息中的汗孔特征进行匹配,以及所述指纹特征信息中的端点、分叉点和对应的坐标区间与预设指纹信息中的指纹特征进行匹配,得到匹配结果;
若所述匹配结果为汗孔特征和指纹特征均为匹配,则输出指纹识别成功的结果;
若所述匹配结果为汗孔特征和指纹特征两种至少存在一种不匹配,则输出指纹识别失败的结果。
进一步的,本发明还提供了一种电子设备,所述电子设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的活体指纹识别程序,其中,所述活体指纹识别程序被所述处理器执行时实现如上述任意一项中所述的活体指纹识别方法。
进一步的,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有活体指纹识别程序,所述活体指纹识别程序被一个或多个处理器执行时实现如上述任意一项中所述的活体指纹识别方法。
有益效果:
本发明提供一种活体指纹识别方法、电子设备及计算机可读存储介质,针对现有的使用指纹纹路图像进行识别,其指纹纹路容易被仿造,而存在安全隐患的缺陷,本发明通过指纹特征信息和指纹的汗孔特征的结合来实现指纹识别,由于指纹的汗孔是无法被百分百的复制,从而解决了指纹特征被仿造的问题,提高了指纹识别的安全性,实现了活体检测识别的目的。
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为实现本发明各个实施例一个可选的移动终端的硬件结构示意图;
图2为本发明第一实施例提供的活体指纹识别方法基本流程图;
图3为本发明第二实施例提供的活体指纹识别方法细化流程图;
图4为本发明实施例提供的掩膜图像示意图;
图5为本发明实施例提供的汗孔特征信息的提取流程图;
图6为本发明实施例提供的汗孔增强图像示意图;
图7为本发明实施例提供的嵴线增强图像示意图;
图8为本发明实施例提供的汗孔特征信息的示意图;
图9为本发明实施例提供的指纹特征信息的提取流程图;
图10为本发明实施例提供的指纹方向图的示意图;
图11为本发明实施例提供的指纹特征点的方向示意图;
图12为本发明实施例提供的指纹特征点的分布示意图;
图13为本发明实施例提供的指纹端点的分布示意图;
图14为本发明实施例提供的指纹分叉点的分布示意图;
图15为本发明第三实施例提供的电子设备的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,而非全部实施例。基于本发明中的实施例,本领域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。
图1是本发明实施例提供的一种移动终端的硬件结构示意图,该移动终端100可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessingunits,CPU)110(例如,一个或一个以上处理器)和存储器120,一个或一个以上存储应用程序133或数据132的存储介质130(例如一个或一个以上存储单元的海量存储设备)。其中,存储器120和存储介质130可以是短暂存储或持久存储。存储在存储介质130的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对移动终端100中的一系列指令操作。更进一步地,处理器110可以设置为与存储介质130通信,在移动终端100上执行存储介质130中的一系列指令操作。
此外,该移动终端还包括指纹识别模块170,该指纹识别模块170可以是摄像头,也可以是传感器,如超声波、光感传感器等等,用于采集用户在移动终端上的指纹信息。
基于移动终端100还可以包括一个或一个以上电源140,一个或一个以上有线或无线网络接口150,一个或一个以上输入输出接口160,和/或,一个或一个以上操作***131,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图7示出的函件管理设备结构并不构成对基于函件管理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
图2为本实施例提供的活体指纹识别方法基本流程图,该活体指纹识别方法包括:
S201、接收到指纹识别触发信号时通过高分辨率的传感器获取待识别的原始指纹图像,并分割原始指纹图像得到用户指纹图像;
在该步骤中,这里的高分辨率的取值范围应当理解为是1000dpi以上,优选的,本发明实施例中选择的高分辨率的传感器是1200dpi的半导体指纹传感器,当然也可以选择而摄像单元来实现对用户的指纹的采集。原始指纹图像是通过分辨率为1200dpi的指纹传感器采集得到。
在本实施例中,该用户指纹图像包括前景指纹图像和背景指纹图像,对于指纹识别,其主要是基于前景指纹图像来实现,而背景图像可以用于作为辅助识别来使用,对此,在分割原始指纹图像时,具体可以采用图像识别算法进行提取分割,在实际应用中,通过图像识别算法识别所述原始指纹图像中存在的纹路区域,然后将纹路区域从所述原始指纹图像中提取处理。
进一步的,在提取纹路区域中的图像的过程中,还包括检测并判断所述纹路区域中的图像是否为指纹图像,而其判断其是否为指纹图像,具体是通过识别图像中的纹路是否与指纹的嵴线图相似,若相似,则将该图像所在的位置中的图像和其边缘的图像一起提取分割出来,形成用户指纹图像。
在本实施例中,在提取用户指纹图像之后,进一步的,将所述用户指纹图像进行再分割,将其中的前景指纹图像和背景指纹图像进行分离,可选的,通过对所述用户指纹图像进行归一化处理,提取得到携带有用户的指纹纹路的嵴线图,从而实现前景和背景的指纹图像。
S202、对用户指纹图像进行掩膜处理,得到第一指纹信息,提取第一指纹信息中的汗孔特征信息;
在该步骤中,通过遮挡图像对所述用户指纹图像进行遮盖,这里的遮盖是将没有指纹纹路的区域进行遮盖,从而提取指纹纹路的第一指纹信息。
当然,在实际应用中,在提取第一指纹信息可以是通过对前景指纹图像进行掩膜处理得到,也可以通过对背景和前景指纹图像遮盖结合得到。
在本实施例中,可选的,若从前景指纹图像中提取汗孔特征信息时,在提取所述第一指纹信息中的汗孔特征信息的过程中,依次对所述前景指纹图像进行滤波处理和图像增强处理,其处理过程为:首先对前景指纹图像进行滤波处理,得到滤波图像后,对滤波图像进行掩膜处理,得到增强图像,并从中提取汗孔特征信息;当使用至少两次滤波处理时,该步骤S202的具体实现如下:
对所述前景指纹图像进行至少两次高斯滤波处理,得到两张滤波图像,将两张滤波图像进行掩膜处理,得到汗孔增强图像和嵴线增强图像;
对所述汗孔增强图像和嵴线增强图像进行合并处理,得到所述汗孔特征信息。
S203、提取前景指纹图像中指纹的细节特征点,处理细节特征点得到指纹特征信息;
在本实施例中,该步骤优选采用以下方式来实现指纹特征信息的提取,首先,提取所述图像块中的指纹纹路图像,其中,所述指纹纹路图像包括指纹嵴线图;计算所述指纹嵴线图中的嵴线方向和嵴线频率;然后,根据所述嵴线方向和嵴线频率,对所述指纹嵴线图调整,构建指纹方向图;进一步的,对所述指纹方向图进行二值化处理,得到指纹细化图,提取所述指纹细化图中指纹纹路的端点和分叉点,以及所计算所述端点和分叉点的坐标区间;最后,根据所述端点和分叉点,得到所述指纹特征信息。
在实际应用中,在提取指纹特征信息时,优选的,还可以基于用户指纹图像来提取,具体的,分别对所述用户指纹图像进行灰度处理,基于灰度的界限划分提取其中满足灰度值的区域,然后对提取到的图像区域进行归一化处理,得到满足图像质量的指纹图像,进一步的,提取其中的细节特征点生成指纹的嵴线方向向量,最后基于嵴线方向向量勾画出对应的指纹的嵴线图,即是得到对应的指纹特征信息,当然这里的指纹特征信息还包括峪的纹路。
S204、将汗孔特征信息和指纹特征信息分别与预设指纹信息进行匹配,并输出指纹的识别结果。
在本实施例中,将汗孔特征信息和指纹特征信息进行融合,得到最终的指纹图像,将该指纹图像与预设的指纹图像进行比对,得到比对的结果,基于该结果确定指纹识别是否成功。
在实际应用中,在比对的过程中,可以采用点模式匹配的方式来进行比对,即是可以理解为是将指纹图像划分为多个小区域,将每个小区域逐一与预设的指纹图像中对应的区域进行比对,若比对的结果为有百分之八十以上才认证为识别成功。
在本实施例中,对于上述步骤S202和S203中指纹信息的提取过程中,在完成步骤S202后,还可以对汗孔特征信息进行匹配,在匹配成功后再执行步骤S203,这样可以进一步的提高了指纹识别的效率。
当然,在实际应用中,还可以将步骤S202和S203互换顺序来执行,即是先提取指纹特征信息进行比对,在比对通过后执行下一步的操作。
综上,通过上述的方法进行指纹识别,同时提取指纹特征点信息和汗孔特征信息进行指纹识别,使得指纹识别时,比对的特征信息量增加,因此特征比对的安全性更高,并且汗孔特征信息在指纹中的可复制性较低,进一步提高了指纹识别的安全性,可以降低指纹的仿造识别成功所带来的安全隐患问题。
图3为本发明第二实施例提供的活体指纹识别方法细化流程图,该活体指纹识别方法包括:
S301、获取待识别用户的原始指纹图像,并对原始指纹图像进行分割处理,得到背景指纹图像和前景指纹图像;
在该步骤中,在提取背景和前景的指纹图像过程中,可选的,采用分块化的方式可提高提取的精准度,具体的提取过程为:
将所述原始指纹图像划分为若干块N*N大小的图像块,其中N>1;
利用分块方差算法计算各所述图像块的灰度方差,将灰度方差小于预设灰度方差值的图像块设为背景指纹图像,将灰度方放到差不小于预设灰度方差值的图像块设为前景指纹图像。
在实际应用中,将原始指纹图像进行划分图像块时,可以采用下述的两种方式之一,一种是通过在1200dpi以上的采集高分辨率采集一张原始指纹图像,然后基于该原始指纹图像进行切割,分为多块小区域,进一步的对小区域中的图像进行灰度的处理,提取出前景和背景,最后将多个小区域中的前景融合合并和背景融合合并,分别得到完整的前景指纹图像和背景指纹图像;另一种是通过1200dpi以上的分辨率进行多次采集,得到多张原始指纹图像,然后,分别对多张原始指纹图像进行灰度处理,得到对应的背景和前景,最后将所有的背景融合和前经融合,分别得到背景指纹图像和背景指纹图像。
进一步的,不管是采用一张图像分割还是多张图像提取的该方式,在提取前景和背景时的灰度处理过程中,均基于灰度范围来进行提取划分背景和前景。
S302、对提取到的前景指纹图像进行归一化和二值化处理;
S303、根据前景指纹图像分割生成掩膜图像;
在该步骤中,其分割指的是对前景指纹图像进行区域划分,即是将图像通过网格划分为多个小区域,然后检测每个小区域中的指纹纹路,将有指纹纹路或者指纹纹路占小区域的一半以上的区域高清显示,而对于没有指纹纹路或者指纹纹路占小区域的面积小于一半的小区域进行遮蔽处理,从而得到对应的掩膜图像。
在实际应用中,这里的遮蔽和高清显示还可以根据指纹识别规则来设置,比如选择指纹的某个区域进行仔细读取识别,这时为了减少指纹的细节特征识别量,可以将非识别区域进行遮蔽,从而也可以跌倒掩膜图像,其掩膜(mask)图像具体如图4所示,其中,“0”表示遮蔽,“1”表示显示。
S304、对前景指纹图像进行多次高斯滤波处理,得到多张滤波图像;
S305、分别将每张滤波图像与掩膜图像进行线性变换,得到对应的增强图像;
S306、将多张增强图像进行合并,得到汗孔特征信息;
在本实施例中,对于多张增强图像具体包括至少一张汗孔增强图像和和至少一张嵴线增强图像,而每次的滤波处理的滤波参数会交错选择不同的参数进行滤波。
进一步的,为了提高指纹识别的效率和精准度,本实施例提取到汗孔特征信息之后,还包括根据识别规则选择对应的识别区域进行再提取,其中再提取指的是对该区域中的汗孔特征信息的坐标信息进行计算,在计算时应当选择整张汗孔增强图像作为构建坐标系的基础,从而计算各汗孔的坐标位置,其实现过程为:
提取所述汗孔增强图像和嵴线增强图像中,分别在预设识别范围内的图像进行与运算,得到汗孔图像;
计算所述汗孔图像中汗孔纹路的曲率;
筛选所述曲率大于预设的曲率值的汗孔纹路,并利用扫描法计算出所述汗孔纹路中每个汗孔的坐标信息。
当然,也可以是随机从中选择一部分汗孔进行坐标的计算,但是在随机选择时需要考虑汗孔布局的均匀性进行选择。
S307、将汗孔特征信息与预设的指纹汗孔进行匹配;
在该步骤中,若匹配一致,则执行步骤S308,反之则执行步骤S314,输出指纹匹配失败。
在实施例中,在进行汗孔特征信息的匹配时,可以采用多点匹配,也即是说,分区域化进行汗孔坐标的匹配,当每个区域中的汗孔坐标命中率在一定的百分比以上,则认为匹配成功,反之则不成功;当然也可以按区域的百分比来进行确定,也可以按照汗孔个数的匹配度来判断。
S308、提取所述图像块中的指纹纹路图像;
在本实施例中,所述指纹纹路图像包括指纹嵴线图。
S309、计算所述指纹嵴线图中的嵴线方向和嵴线频率;
S310、根据所述嵴线方向和嵴线频率,对所述指纹嵴线图调整,构建指纹方向图;
S311、对所述指纹方向图进行二值化处理,得到指纹细化图;
在本实施例中,这里的指纹纹路图像具体指的是指纹细节点,而提取该细节点时通过调整灰度的方式来提取,通过调整图像的灰度值显示出指纹嵴和峪,基于该指纹嵴可以构建指纹的方向图,基于方向图得到指纹的细节点信息。
在实际应用中,在提取细节点时,具体可以通过图像小块化的方式来提取,而每块图像都可以采用相同的灰度处理方式来提取其中的细节图像,然后将所有小块合并在一起后,形成最终的指纹细化图。
S312、将指纹细化图与预设的指纹特征进行匹配;
在该步骤中,若匹配一致,则执行步骤S313,反之则执行步骤S314,输出指纹匹配失败。
S313、指纹识别成功;
S314、指纹识别失败。
在本实施例中,对于上述的指纹信息的匹配具体是通过点模式的匹配算法将所述汗孔特征信息和对应的汗孔的坐标信息与预设指纹信息中的汗孔特征进行匹配,以及所述指纹特征信息中的端点、分叉点和对应的坐标区间与预设指纹信息中的指纹特征进行匹配,得到匹配结果;
若所述匹配结果为汗孔特征和指纹特征均为匹配,则输出指纹识别成功的结果;
若所述匹配结果为汗孔特征和指纹特征两种至少存在一种不匹配,则输出指纹识别失败的结果。
在本实施例中,对于步骤S304-S306,优选的,选择进行两次高斯滤波处理,即是对所述前景指纹图像进行两次高斯滤波处理,得到两张滤波图像,将两张滤波图像进行掩膜处理,得到两张增强图像;对两张增强图像进行合并处理,得到所述汗孔特征信息。在实际应用中,具体实现流程如图5所示:
S501、对前景指纹图像进行一次滤波处理,得到第一滤波图像;
S502、将第一滤波图像进行mask处理,得到平滑低频噪声增强汗孔的图像;
S503、对前景指纹图像进行二次滤波处理,得到第二滤波图像;
S504、将第二滤波图像进行mask掩膜处理,得到增强了嵴线部分的图像;
S505、将增强汗孔的图像和嵴线部分的图像做与运算,去掉曲率大于0.9和面积不在区间(4,20)内的点,得到汗孔图像。
在本实施例中,对于上述的两次滤波处理,具体的通过高斯滤波器以窗口大小为a*a的高斯滤波器对所述前景指纹图像进行第一次滤波处理,得到第一滤波图像,将所述第一滤波图像与预设的掩膜图像进行与运算,得到所述汗孔增强图像;
以窗口大小为b*b的高斯滤波器对所述前景指纹图像进行第二次滤波处理,得到第二滤波图像,将所述第二滤波图像与预设的掩膜图像进行与运算,得到所述嵴线增强图像,其中,2<a<b。
在实际应用中,在进行一次滤波时,具体是通过高斯滤波器来进行处理,该高斯滤波器的函数式为:
该高斯滤波器采用的滤波窗口大小为5*5;σ为2,阀值取0.01,基于该滤波器对前景指纹图像进行滤波处理,得到第一滤波图像,然后通过降噪和mask掩膜处理,得到平滑低频噪声增强汗孔的图像,该图像如图6所示,记为汗孔增强图像。
在实际应用中,在滤波处理时,由于选择的规定大小的窗口,若窗口不能囊括整张前景指纹图像时,在滤波处理之后,还需要对每次窗口框选的图像滤波后的图像进行归一化处理,得到一张完整的滤波图像。
在本实施例中,在进行二次滤波时,期采用的高斯滤波器来与一次滤波的高斯滤波器相同,但是高斯滤波器采用的滤波窗口大小改为17*17;σ为8,阀值取0.05,基于该滤波器对前景指纹图像进行滤波处理,得到第二滤波图像,然后通过降噪和mask掩膜处理,得到增强了嵴线部分的图像,该图像如图7所示,记为嵴线增强图像,并对图6和7中的图像进行与运算得到图8中汗孔特征信息。
在本实施例中,对于步骤S308-S311提取指纹特征信息时,具体可以是直接通过前景指纹图像来提取,也可以是通过原始指纹图像来提取,优选的,本实施例中选择前景指纹图像进行提取,其实现流程如图9所示:
S901、将前景指纹图像进行分割;
在该步骤中,其分割为采用灰度处理方式,即是将前景指纹图像的灰度值进行调整,计算前景指纹图像中背景区和指纹区的灰度方差,而背景区的灰度方差小,指纹区方差大,进一步利用分块方差法可以进行前景指纹图像的前景和背景分割;
其中,方差的计算如下:
σ2为总体方差,X为变量,μ为总体均值,N为总体例数。
S902、将指纹区对应的指纹图像进行归一化;
在该步骤中,其归一化指的是将每个指纹图像的灰度调整至同一等级,实现图像的规格统一化,这样便于后续的指纹特征的提取,优选的,调整的灰度等级可以通过以下计算公式计算:
y=(x-MinValue)/(MaxValue-MinValue)
S903、根据指纹图像生成对应的方向图;
S904、计算指纹图像的频率域;
S905、通过Gabor滤波器对指纹图像进行纹路增强处理,得到指纹增强图;
S906、提取指纹增强图中的指纹特征点,得到指纹特征信息。
在本实施例中,该指纹特征点包括指纹连续点、指纹端点和分叉点,优选的通过以下方式实现:提取所述图像块中的指纹纹路图像,其中所述指纹纹路图像包括指纹嵴线图;
计算所述指纹嵴线图中的嵴线方向和嵴线频率;
根据所述嵴线方向和嵴线频率,对所述指纹嵴线图调整,构建指纹方向图;
对所述指纹方向图进行二值化处理,得到指纹细化图,提取所述指纹细化图中指纹纹路的端点和分叉点,以及所计算所述端点和分叉点的坐标区间;
根据所述端点和分叉点,得到所述指纹特征信息。
在实际应用中,在构建指纹方向图时具体是基于图像的显著特征之一:像素值发生跃迁来实现,基于该特征的参考,通过对指纹图像求一阶导数delta=f(x)–f(x-1),而delta越大,说明像素在X方向变化越大,边缘信号越强,其具体处理步骤包括:图像的水平梯度、垂直梯度和最终图像梯度的处理,其中,
水平梯度处理为:
垂直梯度处理为:
最终图像梯度处理为:
基于上述的处理得到指纹方向图,如图10所示。
进一步的,在计算出指纹方向图之后,计算指纹的嵴线的频率域,该频率域计算原理如下:
将图像分为16*16大小的方块,对一个中心点在(i,j)的子块,建立一个以像素点(i,j)为中心的方向窗口,大小为N*S(32*16),该窗口的长度方向与该点的方向图中的方向相互垂直,如图11所示;
对于每一子块(i,j)沿纹线方向计算S个像素的灰度平均值X(k),在N个方向上共统计出N个X(k),计算方法如下:
式中θ(i,j)为图像子块(i,j)方向,即指纹脊线方向,如果方向窗口中的指纹图像正常的话,则X(k)应为一离散正弦波,从中可以获得脊线频率。
设T[i,j]为X(k)中两个连续峰值之间的平均像素个数,则T[i,j]为局部脊线距离。由于指纹图像质量的问题可能存在虚假波峰和波谷,求得的局部脊线距离可能失准,对局部脊线距离进行直方图统计,求出直方图中前7个峰值T1,…,T7的最大值Tmax和最小值Tmin,检查各个像素点的局部脊线距离,若大于Tmax或者小于Tmin则取Tmax或者Tmin(一般Tmax,Tmin分别取经验值1和5),则局部脊线频率F(i,j)=1/T[i,j],其中T[i,j]为求得的局部脊线距离。
Gabor滤波:具有良好的方向和频率选择特性,其在空间域的表达式为:
其中,x'=x sinθ+y cosθ,y'=x sinθ-y cosθ
其中,θ是Gabor滤波器的方向,f是正弦波的频率。δx和δy分别是沿着X和Y轴的高斯包迹的空间常量,一般取经验值,即δx=δ=δ=4,如果增大这两个值,则滤波器对噪声的适应能力增强,但有可能产生伪的纹线;相反若减小这两个值,则产生伪的谷线和脊线的可能性变小,但消除噪声的能力变弱。
在计算出指纹的方向和频率后,利用以下公式对指纹图像增强:
其中Wg=16是Gabor滤波器模板的大小。
Gabor滤波器的四个参数:θ,f,δx和δy分别决定了滤波器频域通带的中心方向、中心频率、频率通带大小和方向通带大小。
在实际应用中,具体在提取指纹特征点是可以选择基于8邻域的二值化图细化方法实现,其提取的指纹特征点的示意图,如图11所示,基于图12的特征点,组成的指纹细节特征点的指纹细节特征的效果图,如图13和14,最后将图13和14中端点和分叉点进行融合得到最终的指纹识别图。
进一步的,通过点模式进行指纹的匹配,具体是将提取到的指纹特征点录入记录三条信息:X坐标,Y坐标,特征点类型,经过平移变换,旋转变换,加上允许的误差值,就可以进行指纹特征点匹配。特征点变换表达式如下:
Δx与Δy是点的平移因子,θ则是旋转因子。
综上,本实施例通过指纹特征信息和指纹的汗孔特征的结合来实现指纹识别,由于指纹的汗孔是无法被百分百的复制,从而解决了指纹特征被仿造的问题,提高了指纹识别的安全性,实现了活体检测识别的目的。
本实施例还提供了一种电子设备,参见图15所示,其包括处理器151、存储器153及通信总线152,其中:
通信总线152用于实现处理器151和存储器153之间的连接通信;
处理器151用于执行存储器153中存储的活体指纹识别程序,以实现上述任一实施例中的活体指纹识别方法的各步骤。
本实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有活体指纹识别程序,所述活体指纹识别程序被一个或多个处理器执行时实现上述任一实施例中的活体指纹识别方法的各步骤。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述,同时,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (5)
1.一种活体指纹识别方法,其特征在于,所述活体指纹识别方法包括:
接收到指纹识别触发信号时通过高分辨率的传感器获取待识别的原始指纹图像,并分割所述原始指纹图像得到用户指纹图像,所述用户指纹图像包括前景指纹图像和背景指纹图像;所述分割所述原始指纹图像得到用户指纹图像包括:将所述原始指纹图像划分为若干块N*N大小的图像块,其中N > 1;利用分块方差算法计算各所述图像块的灰度方差,将灰度方差小于预设灰度方差值的图像块设为背景指纹图像,将灰度方差不小于预设灰度方差值的图像块设为前景指纹图像;
以窗口大小为a*a的高斯滤波器对所述前景指纹图像进行第一次滤波处理,得到第一滤波图像,将所述第一滤波图像与预设的掩膜图像进行与运算,得到汗孔增强图像;
以窗口大小为b*b的高斯滤波器对所述前景指纹图像进行第二次滤波处理,得到第二滤波图像,将所述第二滤波图像与预设的掩膜图像进行与运算,得到嵴线增强图像,其中,2< a < b;
对所述汗孔增强图像和嵴线增强图像进行合并处理,得到第一指纹信息,提取所述第一指纹信息中的汗孔特征信息,包括:提取所述汗孔增强图像和嵴线增强图像中,分别在预设识别范围内的图像进行与运算,得到汗孔图像;计算所述汗孔图像中汗孔纹路的曲率;筛选所述曲率大于预设的曲率值的汗孔纹路,并利用扫描法计算出所述汗孔纹路中每个汗孔的坐标信息;
提取所述前景指纹图像中指纹的细节特征点,处理所述细节特征点得到指纹特征信息,包括:提取所述图像块中的指纹纹路图像,其中所述指纹纹路图像包括指纹嵴线图;计算所述指纹嵴线图中的嵴线方向和嵴线频率;根据所述嵴线方向和嵴线频率,对所述指纹嵴线图调整,构建指纹方向图;对所述指纹方向图进行二值化处理,得到指纹细化图,提取所述指纹细化图中指纹纹路的端点和分叉点,以及所计算所述端点和分叉点的坐标区间;根据所述端点和分叉点,得到所述指纹特征信息;
将所述汗孔特征信息和指纹特征信息分别与预设指纹信息进行匹配,并输出指纹的识别结果。
2.如权利要求1所述的活体指纹识别方法,其特征在于,在所述计算所述指纹嵴线图中的嵴线方向和嵴线频率之后,在所述根据所述嵴线方向和嵴线频率,对所述指纹嵴线图调整,构建指纹方向图之前,还包括:
通过Gabor滤波器对所述指纹纹路图像进行纹路增强处理,得到指纹增强图,所述指纹增强图用于构建所述指纹方向图。
3.如权利要求2所述活体指纹识别方法,其特征在于,所述将所述汗孔特征信息和指纹特征信息分别与预设指纹信息进行匹配,并输出指纹的识别结果包括:
通过点模式的匹配算法将所述汗孔特征信息和对应的汗孔的坐标信息与预设指纹信息中的汗孔特征进行匹配,以及所述指纹特征信息中的端点、分叉点和对应的坐标区间与预设指纹信息中的指纹特征进行匹配,得到匹配结果;
若所述匹配结果为汗孔特征和指纹特征均为匹配,则输出指纹识别成功的结果;
若所述匹配结果为汗孔特征和指纹特征两种至少存在一种不匹配,则输出指纹识别失败的结果。
4.一种电子设备,其特征在于,所述电子设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的活体指纹识别程序,其中,所述活体指纹识别程序被所述处理器执行时实现如权利要求1-3中任一项所述的活体指纹识别方法。
5.一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上存储有活体指纹识别程序,所述活体指纹识别程序被一个或多个处理器执行时实现如权利要求1-3中任一项所述的活体指纹识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911268327.6A CN111079626B (zh) | 2019-12-11 | 2019-12-11 | 一种活体指纹识别方法、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911268327.6A CN111079626B (zh) | 2019-12-11 | 2019-12-11 | 一种活体指纹识别方法、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111079626A CN111079626A (zh) | 2020-04-28 |
CN111079626B true CN111079626B (zh) | 2023-08-01 |
Family
ID=70313871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911268327.6A Active CN111079626B (zh) | 2019-12-11 | 2019-12-11 | 一种活体指纹识别方法、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111079626B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507987B (zh) * | 2021-02-03 | 2021-05-07 | 深圳阜时科技有限公司 | 指纹识别方法、存储介质及计算机设备 |
CN113272819A (zh) * | 2021-03-12 | 2021-08-17 | 敦泰电子(深圳)有限公司 | 一种指纹图像处理方法、指纹芯片及电子设备 |
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 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103692A (zh) * | 2011-03-17 | 2011-06-22 | 电子科技大学 | 一种指纹图像增强方法 |
CN104751139A (zh) * | 2015-03-31 | 2015-07-01 | 上海大学 | 基于汗腺特征点和指纹图像特征点的快速指纹识别方法 |
CN105740750A (zh) * | 2014-12-11 | 2016-07-06 | 深圳印象认知技术有限公司 | 指纹活体检测及识别方法与装置 |
CN106104574A (zh) * | 2016-02-25 | 2016-11-09 | 深圳市汇顶科技股份有限公司 | 指纹识别方法、装置和终端 |
CN106250887A (zh) * | 2016-09-09 | 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 |
KR20170077995A (ko) * | 2015-12-29 | 2017-07-07 | 한국과학기술원 | 땀구멍과 미세 발한을 이용한 실제 생체 지문 인증 방법 |
CN107480649A (zh) * | 2017-08-24 | 2017-12-15 | 浙江工业大学 | 一种基于全卷积神经网络的指纹汗孔提取方法 |
CN107563364A (zh) * | 2017-10-23 | 2018-01-09 | 清华大学深圳研究生院 | 基于汗腺的指纹真伪辨别方法以及指纹识别方法 |
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 |
CN110378274A (zh) * | 2019-07-15 | 2019-10-25 | 深圳市迪安杰智能识别科技有限公司 | 一种活体指纹识别方法、装置及计算机可读存储介质 |
-
2019
- 2019-12-11 CN CN201911268327.6A patent/CN111079626B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103692A (zh) * | 2011-03-17 | 2011-06-22 | 电子科技大学 | 一种指纹图像增强方法 |
CN105740750A (zh) * | 2014-12-11 | 2016-07-06 | 深圳印象认知技术有限公司 | 指纹活体检测及识别方法与装置 |
CN104751139A (zh) * | 2015-03-31 | 2015-07-01 | 上海大学 | 基于汗腺特征点和指纹图像特征点的快速指纹识别方法 |
KR20170077995A (ko) * | 2015-12-29 | 2017-07-07 | 한국과학기술원 | 땀구멍과 미세 발한을 이용한 실제 생체 지문 인증 방법 |
CN106104574A (zh) * | 2016-02-25 | 2016-11-09 | 深圳市汇顶科技股份有限公司 | 指纹识别方法、装置和终端 |
CN106250887A (zh) * | 2016-09-09 | 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 |
CN107480649A (zh) * | 2017-08-24 | 2017-12-15 | 浙江工业大学 | 一种基于全卷积神经网络的指纹汗孔提取方法 |
CN107563364A (zh) * | 2017-10-23 | 2018-01-09 | 清华大学深圳研究生院 | 基于汗腺的指纹真伪辨别方法以及指纹识别方法 |
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 |
CN110378274A (zh) * | 2019-07-15 | 2019-10-25 | 深圳市迪安杰智能识别科技有限公司 | 一种活体指纹识别方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111079626A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
CN110414507B (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
CN100412883C (zh) | 指纹识别方法与*** | |
US10262190B2 (en) | Method, system, and computer program product for recognizing face | |
CN111079626B (zh) | 一种活体指纹识别方法、电子设备及计算机可读存储介质 | |
EP3047426B1 (en) | Feature extraction and matching and template update for biometric authentication | |
Sepasian et al. | Image enhancement for fingerprint minutiae-based algorithms using CLAHE, standard deviation analysis and sliding neighborhood | |
JP5950441B2 (ja) | 画像認識装置、画像認識方法および画像認識プログラム | |
CN108197644A (zh) | 一种图像识别方法和装置 | |
WO2017161636A1 (zh) | 一种基于指纹的终端支付方法及装置 | |
CN106529407A (zh) | 一种车载指纹识别方法 | |
Kumar et al. | Improved The Image Enhancement Using Filtering and Wavelet Transformation Methodologies | |
Singh et al. | Fingerprint feature extraction using morphological operations | |
CN111612083A (zh) | 一种手指静脉识别方法、装置及设备 | |
Dhar et al. | Interval type-2 fuzzy set and human vision based multi-scale geometric analysis for text-graphics segmentation | |
Deshpande et al. | Iris recognition system using block based approach with DWT and DCT | |
Winarno et al. | Edge detection and grey level co-occurrence matrix (glcm) algorithms for fingerprint identification | |
Aggithaya et al. | A multimodal biometric authentication system based on 2D and 3D palmprint features | |
Palanikumar et al. | Advanced palmprint recognition using unsharp masking and histogram equalization | |
CN113516096A (zh) | 指静脉roi区域提取方法及装置 | |
CN111079551A (zh) | 基于奇异值分解的手指静脉识别方法、装置和存储介质 | |
Kuban et al. | A NOVEL MODIFICATION OF SURF ALGORITHM FOR FINGERPRINT MATCHING. | |
Ain | An efficient algorithm for fingerprint recognition using minutiae extraction | |
CN110659536A (zh) | 指纹识别设备分辨率的测试方法及装置、***及存储介质 | |
CN104951761B (zh) | 一种信息处理方法及电子设备 |
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 |