CN111222366A - 一种指纹识别方法及装置、存储介质、终端 - Google Patents

一种指纹识别方法及装置、存储介质、终端 Download PDF

Info

Publication number
CN111222366A
CN111222366A CN201811417667.6A CN201811417667A CN111222366A CN 111222366 A CN111222366 A CN 111222366A CN 201811417667 A CN201811417667 A CN 201811417667A CN 111222366 A CN111222366 A CN 111222366A
Authority
CN
China
Prior art keywords
fingerprint
image
identified
fingerprint image
correlation
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.)
Pending
Application number
CN201811417667.6A
Other languages
English (en)
Inventor
胡雪珂
王天洋
汪菲
冯胜
顾凤军
黄建东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Harvest Intelligence Tech Co Ltd
Original Assignee
Shanghai Harvest Intelligence Tech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Harvest Intelligence Tech Co Ltd filed Critical Shanghai Harvest Intelligence Tech Co Ltd
Priority to CN201811417667.6A priority Critical patent/CN111222366A/zh
Priority to TW110112253A priority patent/TWI770927B/zh
Priority to US16/694,204 priority patent/US11176351B2/en
Priority to TW108142817A priority patent/TWI727514B/zh
Publication of CN111222366A publication Critical patent/CN111222366A/zh
Priority to US17/503,967 priority patent/US11651618B2/en
Pending legal-status Critical Current

Links

Images

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
    • G06V40/13—Sensors therefor
    • 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
    • G06V40/1353—Extracting features related to minutiae or pores
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/60—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrostatic variables, e.g. electrographic flaw testing
    • G01N27/605—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrostatic variables, e.g. electrographic flaw testing for determining moisture content, e.g. humidity

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)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Input (AREA)
  • Adornments (AREA)

Abstract

一种指纹识别方法及装置、存储介质、终端，所述方法包括：采集待识别指纹的待识别指纹图像；计算所述待识别指纹图像与标准指纹图像的图像相关性，所述标准指纹图像是采集自标准指纹的指纹图像；根据所述图像相关性确定所述待识别指纹是否与所述标准指纹一致。通过本发明提供的方案能够有效提高指纹识别的准确度。

Description

一种指纹识别方法及装置、存储介质、终端
技术领域
本发明涉及指纹识别技术领域，具体地涉及一种指纹识别方法及装置、存储介质、终端。
背景技术
随着科技的快速发展，生物识别技术的应用也越来越广泛。其中，以指纹识别的发展和应用最为普及。
现有的指纹识别方案主要是通过提取指纹图像中的特征点进行比对来实现的。
但是，在识别如“干手指”的指纹时，采用现有特征点匹配方案得到的指纹识别结果普遍存在错误率高、准确度低的问题。
发明内容
本发明解决的技术问题是如何提高指纹识别的准确度。
为解决上述技术问题，本发明实施例提供一种指纹识别方法，包括：采集待识别指纹的待识别指纹图像；计算所述待识别指纹图像与标准指纹图像的图像相关性，所述标准指纹图像是采集自标准指纹的指纹图像；根据所述图像相关性确定所述待识别指纹是否与所述标准指纹一致。
可选的，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，还包括：根据所述待识别指纹图像的图像信息和/或环境参数判断所述待识别指纹是否属于第一类指纹；当判断结果表明所述待识别指纹属于所述第一类指纹时，计算所述待识别指纹图像与标准指纹图像的图像相关性。
可选的，所述根据所述待识别指纹图像的图像信息判断所述待识别指纹是否属于第一类指纹包括：获取所述待识别指纹图像中多个预设位置的像素点的灰度值；对所述多个预设位置的像素点的灰度值进行拟合，以判断是否能得到周期性变化的曲线；当判断结果表明不能得到所述周期性变化的曲线时，确定所述待识别指纹属于所述第一类指纹。
可选的，所述根据所述待识别指纹图像的图像信息判断所述待识别指纹是否属于第一类指纹还包括：当判断结果表明能够得到所述周期性变化的曲线时，根据所述多个预设位置的像素点的灰度值计算所述待识别指纹图像的对比度；判断所述对比度是否大于第一预设阈值；当判断结果表明所述对比度小于所述第一预设阈值时，确定所述待识别指纹属于所述第一类指纹。
可选的，所述根据所述多个预设位置的像素点的灰度值计算所述待识别指纹图像的对比度包括：根据拟合得到的所述周期性变化的曲线，确定所述多个预设位置的像素点的灰度值中的最大灰度值和最小灰度值；根据所述最大灰度值和最小灰度值计算所述待识别指纹图像的对比度。
可选的，所述获取所述待识别指纹图像中多个预设位置的像素点的灰度值包括：在所述待识别指纹图像上作至少一条辅助线；对于每一辅助线，将所述辅助线所经过的待识别指纹图像的像素点作为所述预设位置的像素点。
可选的，所述根据所述环境参数判断所述待识别指纹是否属于第一类指纹包括：当所述环境参数小于第二预设阈值时，确定所述待识别指纹属于所述第一类指纹。
可选的，所述环境参数选自：温度以及湿度。
可选的，当判断结果表明所述待识别指纹属于所述第一类指纹时，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，还包括：发送提示信息，所述提示信息用于提示采集所述待识别指纹的辅助待识别指纹图像；采集所述待识别指纹的辅助待识别指纹图像；根据所述辅助待识别指纹图像修正所述待识别指纹图像；计算修正后的所述待识别指纹图像与标准指纹图像的图像相关性。
可选的，所述计算所述待识别指纹图像与标准指纹图像的图像相关性包括：分别计算所述待识别指纹图像与所述标准指纹图像的至少一个偏移图像的图像相关性；将数值最大的图像相关性作为所述待识别指纹图像与标准指纹图像的图像相关性。
可选的，所述分别计算所述待识别指纹图像与所述标准指纹图像的至少一个偏移图像的图像相关性包括：对于每一标准图像的偏移图像，根据所述待识别指纹图像的像素点的灰度值以及所述偏移图像的对应像素点的灰度值，计算所述待识别指纹图像与所述偏移图像的图像相关性。
可选的，所述根据所述待识别指纹图像的每一像素点的灰度值以及所述偏移图像的对应像素点的灰度值，计算所述待识别指纹图像与所述偏移图像的图像相关性包括：遍历所述待识别指纹图像的每一像素点，计算所述像素点的灰度值与所述偏移图像的对应像素点的灰度值的相关性；基于所述待识别指纹图像的灰度值和标准指纹图像的灰度值，对计算得到的相关性进行归一化处理，以得到所述待识别指纹图像与所述偏移图像的图像相关性。
可选的，基于如下公式对所述计算得到的图像相关性进行归一化处理：
Figure BDA0001879863600000031
其中，所述C(m,l)为所述待识别指纹图像与所述偏移图像的图像相关性，所述m为所述偏移图像较之所述标准指纹图像的行偏移量，所述l为所述偏移图像较之所述标准指纹图像的列偏移量，所述
Figure BDA0001879863600000032
为所述计算得到的相关性，所述
Figure BDA0001879863600000033
为归一化衡量标准，所述Nij为所述待识别指纹图像第i行第j列的像素点的灰度值，所述为所述标准指纹图像第i行第j列的像素点的灰度值，所述Mij为所述偏移图像第i+m行第j+l列的像素点的灰度值，所述i为正整数，所述j为正整数。
为解决上述技术问题，本发明实施例还提供一种指纹识别装置，包括：第一采集模块，用于采集待识别指纹的待识别指纹图像；第一计算模块，用于计算所述待识别指纹图像与标准指纹图像的图像相关性，所述标准指纹图像是采集自标准指纹的指纹图像；确定模块，用于根据所述图像相关性确定所述待识别指纹是否与所述标准指纹一致。
可选的，所述指纹识别装置还包括：判断模块，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，根据所述待识别指纹图像的图像信息和/或环境参数判断所述待识别指纹是否属于第一类指纹；当判断结果表明所述待识别指纹属于所述第一类指纹时，所述第一计算模块计算所述待识别指纹图像与标准指纹图像的图像相关性。
可选的，所述判断模块包括：获取子模块，用于获取所述待识别指纹图像中多个预设位置的像素点的灰度值；拟合子模块，用于对所述多个预设位置的像素点的灰度值进行拟合，以判断是否能得到周期性变化的曲线；第一确定子模块，当判断结果表明不能得到所述周期性变化的曲线时，确定所述待识别指纹属于所述第一类指纹。
可选的，所述判断模块还包括：第一计算子模块，当判断结果表明能够得到所述周期性变化的曲线时，根据所述多个预设位置的像素点的灰度值计算所述待识别指纹图像的对比度；判断子模块，用于判断所述对比度是否大于第一预设阈值；第二确定子模块，当判断结果表明所述对比度小于所述第一预设阈值时，确定所述待识别指纹属于所述第一类指纹。
可选的，所述第一计算子模块包括：第一确定单元，用于根据拟合得到的所述周期性变化的曲线，确定所述多个预设位置的像素点的灰度值中的最大灰度值和最小灰度值；第一计算单元，用于根据所述最大灰度值和最小灰度值计算所述待识别指纹图像的对比度。
可选的，所述获取子模块包括：辅助线构建单元，用于在所述待识别指纹图像上作至少一条辅助线；第二确定单元，对于每一辅助线，将所述辅助线所经过的待识别指纹图像的像素点作为所述预设位置的像素点。
可选的，所述判断模块包括：第三确定子模块，当所述环境参数小于第二预设阈值时，确定所述待识别指纹属于所述第一类指纹。
可选的，所述环境参数选自：温度以及湿度。
可选的，所述指纹识别装置还包括：提示模块，当判断结果表明所述待识别指纹属于所述第一类指纹时，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，发送提示信息，所述提示信息用于提示采集所述待识别指纹的辅助待识别指纹图像；第二采集模块，用于采集所述待识别指纹的辅助待识别指纹图像；修正模块，用于根据所述辅助待识别指纹图像修正所述待识别指纹图像；第二计算模块，用于计算修正后的所述待识别指纹图像与标准指纹图像的图像相关性。
可选的，所述第一计算模块包括：第二计算子模块，用于分别计算所述待识别指纹图像与所述标准指纹图像的至少一个偏移图像的图像相关性；第四确定子模块，用于将数值最大的图像相关性作为所述待识别指纹图像与标准指纹图像的图像相关性。
可选的，所述第二计算子模块包括：第二计算单元，对于每一标准图像的偏移图像，根据所述待识别指纹图像的像素点的灰度值以及所述偏移图像的对应像素点的灰度值，计算所述待识别指纹图像与所述偏移图像的图像相关性。
可选的，所述第二计算单元包括：第三计算单元，遍历所述待识别指纹图像的每一像素点，计算所述像素点的灰度值与所述偏移图像的对应像素点的灰度值的相关性；归一化处理单元，基于所述待识别指纹图像的灰度值和标准指纹图像的灰度值，对计算得到的相关性进行归一化处理，以得到所述待识别指纹图像与所述偏移图像的图像相关性。
可选的，所述归一化处理单元基于如下公式对所述计算得到的图像相关性进行归一化处理：
Figure BDA0001879863600000051
其中，所述C(m,l)为所述待识别指纹图像与所述偏移图像的图像相关性，所述m为所述偏移图像较之所述标准指纹图像的行偏移量，所述l为所述偏移图像较之所述标准指纹图像的列偏移量，所述
Figure BDA0001879863600000052
为所述计算得到的相关性，所述
Figure BDA0001879863600000053
为归一化衡量标准，所述Nij为所述待识别指纹图像第i行第j列的像素点的灰度值，所述Mij为所述标准指纹图像第i行第j列的像素点的灰度值，所述Mi+m,j+l为所述偏移图像第i+m行第j+l列的像素点的灰度值，所述i为正整数，所述j为正整数。
为解决上述技术问题，本发明实施例还提供一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述方法的步骤。
为解决上述技术问题，本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
本发明实施例提供一种指纹识别方法，包括：采集待识别指纹的待识别指纹图像；计算所述待识别指纹图像与标准指纹图像的图像相关性，所述标准指纹图像是采集自标准指纹的指纹图像；根据所述图像相关性确定所述待识别指纹是否与所述标准指纹一致。较之现有基于特征点匹配的指纹识别方案，本实施例根据待识别指纹图像与标准指纹图像的图像相关性来判断待识别指纹与标准指纹是否一致，能够有效避免皮肤纹路深浅度、指纹图像包含的特征点数量对识别结果的影响，从而极大提高指纹识别的准确度。
进一步，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，还包括：根据所述待识别指纹图像的图像信息和/或环境参数判断所述待识别指纹是否属于第一类指纹；当判断结果表明所述待识别指纹属于所述第一类指纹时，计算所述待识别指纹图像与标准指纹图像的图像相关性。由此，可以灵活应对不同状态的待识别指纹，通过采用针对性的指纹识别逻辑优化指纹识别的精准度。例如，针对第一类指纹可以采用图像相关性的识别逻辑，针对非第一类指纹可以采用现有特征点匹配的识别逻辑。其中，第一类指纹可以是采集自皮肤纹理较浅的手指的指纹，非第一类指纹则可以是采集自皮肤纹理较深的手指的指纹，皮肤纹理的深浅是以能否从指纹图像中提取到特征点为衡量标准的。
附图说明
图1是本发明实施例的一种指纹识别方法的流程图；
图2是图1中步骤S104的一个具体实施方式的流程图；
图3是图2中步骤S1041的原理示意图；
图4是图1中步骤S102的一个具体实施方式的流程图；
图5是本发明实施例的一种指纹识别模块的结构示意图。
具体实施方式
如背景技术所言，现有的指纹识别方案存在诸多缺陷，尤其在应对诸如干手指的指纹识别场景中，存在识别错误率高的问题。
本文中出现的“干手指”是指：如指腹处的皮肤纹路较浅的手指、干燥度较高的手指、皮脂分泌不足的手指等，无法从采集到的指纹图像中提取特征点的手指。
例如，较之皮脂分泌正常的正常手指，皮脂分泌不足的手指的指纹纹路较硬，当手指按压到指纹采集器上时，指纹纹路(如凸纹)与指纹采集器的指纹采集屏幕的接触面积不会随着手指按压力度的变化而变化，这就导致最终采集到的指纹图像中线条又细又浅，整体成像不清晰，也就无法从中提取到特征点。
本申请发明人经过分析发现，造成上述问题的原因在于，对于采集自干手指的指纹图像，极有可能无法从中提取有效的特征点，或者，能够提取的特征点数量较少。当能够进行特征点匹配的特征点数量不足时，就会导致对这类指纹的识别准确度低。
为解决上述技术问题，本发明实施例提供一种指纹识别方法，包括：采集待识别指纹的待识别指纹图像；计算所述待识别指纹图像与标准指纹图像的图像相关性，所述标准指纹图像是采集自标准指纹的指纹图像；根据所述图像相关性确定所述待识别指纹是否与所述标准指纹一致。
本领域技术人员理解，本实施例根据待识别指纹图像与标准指纹图像的图像相关性来判断待识别指纹与标准指纹是否一致，能够有效避免皮肤纹路深浅度对识别结果的影响，从而极大提高指纹识别的准确度。
为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例的一种指纹识别方法的流程图。本实施例的方案可以应用于对干手指的指纹识别场景。
具体地，参考图1，本实施例所述指纹识别方法可以包括如下步骤：
步骤S101，采集待识别指纹的待识别指纹图像；
步骤S102，计算所述待识别指纹图像与标准指纹图像的图像相关性，所述标准指纹图像是采集自标准指纹的指纹图像；
步骤S103，根据所述图像相关性确定所述待识别指纹是否与所述标准指纹一致。
由此，采用本实施例的方案，根据待识别指纹图像与标准指纹图像的图像相关性来判断待识别指纹与标准指纹是否一致，能够有效避免皮肤纹路深浅度、指纹图像包含的特征点数量对识别结果的影响，从而极大提高指纹识别的准确度，降低错误率。
更为具体地，所述图像相关性(Image Correlation)可以用于度量所述待识别指纹图像与标准指纹图像在不同相对位置上的相似性程度和相关匹配程度。
进一步地，在所述步骤S101中，可以采用光学指纹传感器等指纹采集设备采集所述待识别指纹的待识别指纹图像。
在一个非限制性实施例中，可以结合现有的特征点匹配手段和本实施例的图像相关性方案实现指纹识别，以灵活应对不同状态的待识别指纹，通过采用针对性的指纹识别逻辑优化指纹识别的精准度。
例如，针对第一类指纹可以采用图像相关性的识别逻辑，针对非第一类指纹可以采用现有特征点匹配的识别逻辑。其中，第一类指纹可以是采集自皮肤纹理较浅的手指的指纹，非第一类指纹则可以是采集自皮肤纹理较深的手指的指纹，皮肤纹理的深浅是以能否从指纹图像中提取到特征点为衡量标准的。
具体地，继续参考图1，在执行所述步骤S101以得到所述待识别指纹图像之后，执行所述步骤S102之前，本实施例所述指纹识别方法还可以包括：步骤S104，根据所述待识别指纹图像的图像信息和/或环境参数判断所述待识别指纹是否属于第一类指纹。
当所述步骤S104的判断结果为肯定的，也即，所述待识别指纹属于所述第一类指纹时，可以执行所述步骤S102，以计算所述待识别指纹图像与标准指纹图像的图像相关性。进一步地，可以执行所述步骤S103，以根据所述图像相关性确定所述待识别指纹是否与所述标准指纹一致。
否则，当所述步骤S104的判断结果为否定的，也即，所述待识别指纹不属于所述第一类指纹(即属于非第一类指纹)时，可以执行步骤S105，根据所述待识别指纹图像和标准指纹图像的特征点匹配结果确定所述待识别指纹是否与所述标准指纹一致。
在一个非限制性实施例中，所述步骤S105可以包括：从所述待识别指纹图像中提取特征指纹点(可简称为特征点)；判断所述待识别指纹图像中的特征指纹点与标准指纹图像中的特征指纹点是否一致；当判断结果为一致时，确定所述待识别指纹与所述标准指纹一致。
在一个非限制性实施例中，所述待识别指纹图像的图像信息可以包括：所述图像信息中至少一个像素点的灰度值。进一步地，基于所述至少一个像素点的灰度值可以拟合得到用于描述待识别指纹图像的灰度值的变化情况的曲线，根据所述曲线能够判断所述待识别指纹是否为干手指的指纹。
在一个非限制性实施例中，参考图2，所述步骤S104可以包括如下步骤：
步骤S1041，获取所述待识别指纹图像中多个预设位置的像素点的灰度值；
步骤S1042，对所述多个预设位置的像素点的灰度值进行拟合，以判断是否能得到周期性变化的曲线；
当所述步骤S1042的判断结果为否定的，也即，当不能得到所述周期性变化的曲线时，所述步骤S104还可以包括：步骤S1043，确定所述待识别指纹属于所述第一类指纹。
否则，当所述步骤S1042的判断结果为肯定的，也即，当能够得到所述周期性变化的曲线时，所述步骤S104还可以包括：步骤S1044，根据所述多个预设位置的像素点的灰度值计算所述待识别指纹图像的对比度；步骤S1045，判断所述对比度是否大于第一预设阈值。
当所述步骤S1045的判断结果为否定的，也即，当所述对比度小于所述第一预设阈值时，执行所述步骤S1043，以确定所述待识别指纹属于所述第一类指纹。
否则，当所述步骤S1045的判断结果为肯定的，也即，当所述对比度大于所述第一预设阈值时，所述步骤S104还可以包括：步骤S1046，确定所述待识别指纹不属于所述第一类指纹。
在本文中出现的大于可以包含大于等于，或者，在本文中出现的小于可以包含小于等于。
在一个非限制性实施例中，所述预设位置的像素点可以是待识别指纹图像中特定位置的像素点，例如，所述待识别指纹图像的中线、对角线经过的像素点。
或者，所述预设位置的像素点也可以是从待识别指纹图像中随机选取的像素点。
在一个非限制性实施例中，所述步骤S1041可以包括步骤：在所述待识别指纹图像上作至少一条辅助线；对于每一辅助线，将所述辅助线所经过的待识别指纹图像的像素点作为所述预设位置的像素点。
具体地，所述辅助线可以平行于所述待识别指纹图像的中线、对角线等。或者，所述辅助线也可以为任意方向的直线。
更为具体地，所述经过是指与所述辅助线重合的像素点，也即，落在所述辅助线上的像素点。
例如，参考图3，对于采集得到的待识别指纹图像10，为更清楚地示例，图示待识别指纹图像10中以三条曲线示意待识别指纹的纹路。具体地，在执行所述步骤S1041时，可以在所述待识别指纹图像10上作辅助线11，将所述辅助线11与待识别指纹图像10中各条纹路的交界处涉及的像素点，作为所述预设位置的像素点。在图3所示示例中，可以得到三个预设位置的像素点A。
本申请发明人经过分析发现，对所述第一类指纹的指纹图像中多个预设位置的像素点的灰度值进行拟合时，一般无法得到周期性变化的曲线，这是由于所述第一类指纹的指纹纹路过浅，无法得到较明显地周期性变化的指纹图像，或者，即使能得到周期性变化的曲线，该曲线的信噪比也不甚理想，无法从指纹图像中提取出合适数量的特征点。
因而，本实施例通过执行所述步骤S1042来初步判断所述待识别指纹是否为干手指的指纹，进而选择较合适的指纹识别策略进行后续的指纹识别操作。
具体地，所述拟合可以包括正弦或余弦拟合，还可以包括其他具有周期性变化趋势的拟合手段。
在一个非限制性实施例中，当所述步骤S1042的判断结果为肯定的时，还可以进一步判断所述待识别指纹图像的信噪比是否理想。
优选地，所述信噪比可以用对比度(Contrast ratio)衡量。
具体地，所述步骤S1044可以包括：根据拟合得到的所述周期性变化的曲线，确定所述多个预设位置的像素点的灰度值中的最大灰度值和最小灰度值；根据所述最大灰度值和最小灰度值计算所述待识别指纹图像的对比度。
例如，可以基于如下公式计算所述对比度：
Figure BDA0001879863600000111
其中，所述C为所述对比度，所述Imax为最大灰度值，所述Imin为最小灰度值。
在一个优选例中，可以将拟合得到的所述周期性变化的曲线的波峰作为所述最大灰度值，将拟合得到的所述周期性变化的曲线的波峰作为所述最小灰度值。
由此，通过所述对比度来判断所述待识别指纹图像的指纹纹路的明暗变化差异是否理想，如是否理想至足以提取特征点的程度，利于更精准的识别第一类指纹和非第一类指纹。
在一个非限制性实施例中，可以做多条所述辅助线，且多条所述辅助线相互之间平行、并行、部分平行或全不平行，针对其中每一条辅助线经过的多个预设位置的像素点，分别执行所述步骤S1041至步骤S1046，当其中过半数辅助线的执行结果为拟合不成功，或对比度小于第一预设阈值时，确定所述待识别指纹属于所述第一类指纹。
例如，继续参考图3，在辅助线11的基础上，还可以做辅助线12，若对基于辅助线12得到的像素点B的灰度值进行正弦拟合的结果，以及对基于辅助线11得到的像素点A的灰度值进行正弦拟合的结果均为拟合不成功，则可以确定所述待识别指纹图像10对应的待识别指纹为所述第一类指纹。
优选地，所述第一预设阈值可以为0.9，在实际应用中，本领域技术人员也可以根据需要调整所述第一预设阈值的具体数值。
在一个非限制性实施例中，所述步骤S104可以包括：当所述环境参数小于第二预设阈值时，确定所述待识别指纹属于所述第一类指纹。
优选地，所述环境参数可以选自：温度以及湿度。在实际应用中，所述环境参数还可以包括其他能够衡量采集环境的干燥度的指标。
进一步地，可以通过湿度传感器、温度传感器等外部传感器采集所述环境参数。所述外部传感器可以集成于指纹传感器内，或者，也可以是与所述指纹传感器相分离的采集设备。
以手机的指纹验证场景为例，所述温度传感器、湿度传感器和所述指纹传感器均可以集成于所述手机内。
在一个非限制性实施例中，可以根据所述待识别指纹图像的图像信息，以及所述环境参数综合判断所述待识别指纹是否属于所述第一类指纹。例如，当无法拟合得到所述周期性变化的曲线，或所述待识别指纹图像的对比度小于所述第一预设阈值，并且，所述环境参数小于所述第二预设阈值时，可以确定所述待识别指纹属于所述第一类指纹。
在一个非限制性实施例中，当所述步骤S104的判断结果表明所述待识别指纹属于所述第一类指纹时，在执行所述步骤S102之前，本实施例所述指纹识别方法还可以包括步骤：发送提示信息，所述提示信息用于提示采集所述待识别指纹的辅助待识别指纹图像；采集所述待识别指纹的辅助待识别指纹图像；根据所述辅助待识别指纹图像修正所述待识别指纹图像；计算修正后的所述待识别指纹图像与标准指纹图像的图像相关性。
具体地，所述辅助待识别指纹图像可以是重新采集的所述待识别指纹的指纹图像。
例如，所述提示信息可以提示所述待识别指纹的提供者按压的重一些，以采集到更加清晰的待识别指纹图像。
或者，所述辅助待识别指纹图像还可以是重新采集的所述待识别指纹的部分区域的指纹图像。例如，可以是所述待识别指纹的边缘区域的指纹图像。
在一个优选例中，所述根据所述辅助待识别指纹图像修正所述待识别指纹图像可以包括：基于所述辅助待识别指纹图像修补所述待识别指纹图像，以得到更为完整的待识别指纹图像。
作为一个变化例，也可以直接将所述辅助待识别指纹图像替换所述待识别指纹图像。
作为另一个变化例，所述根据所述辅助待识别指纹图像修正所述待识别指纹图像可以包括：基于所述待识别指纹图像和辅助待识别指纹图像生成三维指纹图像，以提高指纹识别的准确度。
进一步地，所述发送提示信息和采集辅助待识别指纹图像的动作可以执行多次，也即，每采集一次辅助待识别指纹图像并据以修正所述待识别指纹图像后，均重新执行所述步骤S104，直至所述步骤S104的判断结果为否定的。
在一个非限制性实施例中，所述步骤S102可以包括如下步骤：
步骤S1021，分别计算所述待识别指纹图像与所述标准指纹图像的至少一个偏移图像的图像相关性；
步骤S1022，将数值最大的图像相关性作为所述待识别指纹图像与标准指纹图像的图像相关性。
具体地，所述偏移图像是指，以标准指纹图像与待识别指纹图像相重合时的位置为基准，所述标准指纹图像相对于待识别指纹图像每偏移一行或一列像素点，得到的图像即为所述偏移图像。由此，所述至少一个偏移图像的数量与所述待识别指纹图像或者标准指纹图像的像素行数或像素列数可以是一致的。
在一个非限制性实施例中，所述步骤S1021可以包括：对于每一标准图像的偏移图像，根据所述待识别指纹图像的像素点的灰度值以及所述偏移图像的对应像素点的灰度值，计算所述待识别指纹图像与所述偏移图像的图像相关性。
具体地，可以遍历所述待识别指纹图像的每一像素点，计算所述像素点的灰度值与所述偏移图像的对应像素点的灰度值的相关性；基于所述待识别指纹图像的灰度值和标准指纹图像的灰度值，对计算得到的相关性进行归一化处理，以得到所述待识别指纹图像与所述偏移图像的图像相关性。
进一步地，可以基于如下公式对所述计算得到的图像相关性进行归一化处理：
Figure BDA0001879863600000141
其中，所述C(m,l)为所述待识别指纹图像与所述偏移图像的图像相关性，所述m为所述偏移图像较之所述标准指纹图像的行偏移量，所述l为所述偏移图像较之所述标准指纹图像的列偏移量，所述
Figure BDA0001879863600000142
为所述计算得到的相关性，所述
Figure BDA0001879863600000143
为归一化衡量标准，所述Nij为所述待识别指纹图像第i行第j列的像素点的灰度值，所述Mij为所述标准指纹图像第i行第j列的像素点的灰度值，所述Mi+m,j+l为所述偏移图像第i+m行第j+l列的像素点的灰度值，所述i为正整数，所述j为正整数。
优选地，通过所述归一化处理，能够消除灰度值对计算结果的影响。
在一个非限制性实施例中，所述步骤S1022可以被替换为：在执行所述步骤S1021期间，每得到所述待识别指纹图像与标准指纹图像的一个偏移图像的图像相关性时，判断所述图像相关性是否大于第三预设阈值，若判断结果表明所述图像相关性大于所述第三预设阈值时，确定所述待识别指纹图像与所述标准指纹图像是一致的。
由此，可以进一步降低计算量，优化指纹识别效率。
优选地，所述第三预设阈值可以为0.8，在实际应用中，本领域技术人员可以根据需要调整所述第三预设阈值的具体数值。如可以根据所需要的指纹识别的准确度调节所述第三预设阈值。
图5是本发明实施例的一种指纹识别模块的结构示意图。本领域技术人员理解，本实施例所述指纹识别装置2可以用于实施上述图1至图4所示实施例中所述的方法技术方案。
具体地，在本实施例中，所述指纹识别装置5可以包括：第一采集模块51，用于采集待识别指纹的待识别指纹图像；第一计算模块53，用于计算所述待识别指纹图像与标准指纹图像的图像相关性，所述标准指纹图像是采集自标准指纹的指纹图像；确定模块54，用于根据所述图像相关性确定所述待识别指纹是否与所述标准指纹一致。
在一个非限制性实施例中，所述指纹识别装置5还可以包括：判断模块52，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，根据所述待识别指纹图像的图像信息和/或环境参数判断所述待识别指纹是否属于第一类指纹；当判断结果表明所述待识别指纹属于所述第一类指纹时，所述第一计算模块53可以计算所述待识别指纹图像与标准指纹图像的图像相关性。
在一个非限制性实施例中，所述判断模块52可以包括：获取子模块521，用于获取所述待识别指纹图像中多个预设位置的像素点的灰度值；拟合子模块522，用于对所述多个预设位置的像素点的灰度值进行拟合，以判断是否能得到周期性变化的曲线；第一确定子模块523，当判断结果表明不能得到所述周期性变化的曲线时，确定所述待识别指纹属于所述第一类指纹。
进一步地，所述判断模块52还可以包括：第一计算子模块524，当判断结果表明能够得到所述周期性变化的曲线时，根据所述多个预设位置的像素点的灰度值计算所述待识别指纹图像的对比度；判断子模块525，用于判断所述对比度是否大于第一预设阈值；第二确定子模块526，当判断结果表明所述对比度小于所述第一预设阈值时，确定所述待识别指纹属于所述第一类指纹。
在一个非限制性实施例中，所述第一计算子模块524可以包括：第一确定单元5241，用于根据拟合得到的所述周期性变化的曲线，确定所述多个预设位置的像素点的灰度值中的最大灰度值和最小灰度值；第一计算单元5242，用于根据所述最大灰度值和最小灰度值计算所述待识别指纹图像的对比度。
在一个非限制性实施例中，所述获取子模块521可以包括：辅助线构建单元5211，用于在所述待识别指纹图像上作至少一条辅助线；第二确定单元5212，对于每一辅助线，将所述辅助线所经过的待识别指纹图像的像素点作为所述预设位置的像素点。
在另一个非限制性实施例中，所述判断模块52可以包括：第三确定子模块527，当所述环境参数小于第二预设阈值时，确定所述待识别指纹属于所述第一类指纹。
进一步地，所述环境参数可以选自：温度以及湿度。
在一个非限制性实施例中，所述指纹识别装置5还可以包括：提示模块55，当判断结果表明所述待识别指纹属于所述第一类指纹时，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，发送提示信息，所述提示信息用于提示采集所述待识别指纹的辅助待识别指纹图像；第二采集模块56，用于采集所述待识别指纹的辅助待识别指纹图像；修正模块57，用于根据所述辅助待识别指纹图像修正所述待识别指纹图像；第二计算模块58，用于计算修正后的所述待识别指纹图像与标准指纹图像的图像相关性。
进一步地，所述第二采集模块56与所述第一采集模块51可以执行相同功能，两者可以为同一模块，或者，可以为相互独立的两个模块。
进一步地，所述第二计算模块58与所述第一计算模块53可以执行相同功能，两者可以为同一模块，或者，可以为相互独立的两个模块。
在一个非限制性实施例中，所述第一计算模块53可以包括：第二计算子模块531，用于分别计算所述待识别指纹图像与所述标准指纹图像的至少一个偏移图像的图像相关性；第四确定子模块532，用于将数值最大的图像相关性作为所述待识别指纹图像与标准指纹图像的图像相关性。
在一个非限制性实施例中，所述第二计算子模块531可以包括：第二计算单元5311，对于每一标准图像的偏移图像，根据所述待识别指纹图像的像素点的灰度值以及所述偏移图像的对应像素点的灰度值，计算所述待识别指纹图像与所述偏移图像的图像相关性。
在一个非限制性实施例中，所述第二计算单元5311可以包括：第三计算单元53111，遍历所述待识别指纹图像的每一像素点，计算所述像素点的灰度值与所述偏移图像的对应像素点的灰度值的相关性；归一化处理单元53112，基于所述待识别指纹图像的灰度值和标准指纹图像的灰度值，对计算得到的相关性进行归一化处理，以得到所述待识别指纹图像与所述偏移图像的图像相关性。
在一个非限制性实施例中，所述归一化处理单元53112可以基于如下公式对所述计算得到的图像相关性进行归一化处理：
Figure BDA0001879863600000171
其中，所述C(m,l)为所述待识别指纹图像与所述偏移图像的图像相关性，所述m为所述偏移图像较之所述标准指纹图像的行偏移量，所述l为所述偏移图像较之所述标准指纹图像的列偏移量，所述
Figure BDA0001879863600000172
为所述计算得到的相关性，所述
Figure BDA0001879863600000173
为归一化衡量标准，所述Nij为所述待识别指纹图像第i行第j列的像素点的灰度值，所述Mij为所述标准指纹图像第i行第j列的像素点的灰度值，所述Mi+m,j+l为所述偏移图像第i+m行第j+l列的像素点的灰度值，所述i为正整数，所述j为正整数。
关于所述指纹识别装置5的工作原理、工作方式的更多内容，可以参照上述图1至图4中的相关描述，这里不再赘述。
进一步地，本发明实施例还公开一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述图1至图4所示实施例中所述的方法技术方案。优选地，所述存储介质可以包括诸如非挥发性(non-volatile)存储器或者非瞬态(non-transitory)存储器等计算机可读存储介质。所述存储介质可以包括ROM、RAM、磁盘或光盘等。
进一步地，本发明实施例还公开一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述图1至图4所示实施例中所述的方法技术方案。优选地，所述终端可以是手机、计算机等计算设备。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (28)

1.一种指纹识别方法，其特征在于，包括：
采集待识别指纹的待识别指纹图像；
计算所述待识别指纹图像与标准指纹图像的图像相关性，所述标准指纹图像是采集自标准指纹的指纹图像；
根据所述图像相关性确定所述待识别指纹是否与所述标准指纹一致。
2.根据权利要求1所述的指纹识别方法，其特征在于，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，还包括：
根据所述待识别指纹图像的图像信息和/或环境参数判断所述待识别指纹是否属于第一类指纹；
当判断结果表明所述待识别指纹属于所述第一类指纹时，计算所述待识别指纹图像与标准指纹图像的图像相关性。
3.根据权利要求2所述的指纹识别方法，其特征在于，所述根据所述待识别指纹图像的图像信息判断所述待识别指纹是否属于第一类指纹包括：
获取所述待识别指纹图像中多个预设位置的像素点的灰度值；
对所述多个预设位置的像素点的灰度值进行拟合，以判断是否能得到周期性变化的曲线；
当判断结果表明不能得到所述周期性变化的曲线时，确定所述待识别指纹属于所述第一类指纹。
4.根据权利要求3所述的指纹识别方法，其特征在于，所述根据所述待识别指纹图像的图像信息判断所述待识别指纹是否属于第一类指纹还包括：
当判断结果表明能够得到所述周期性变化的曲线时，根据所述多个预设位置的像素点的灰度值计算所述待识别指纹图像的对比度；
判断所述对比度是否大于第一预设阈值；
当判断结果表明所述对比度小于所述第一预设阈值时，确定所述待识别指纹属于所述第一类指纹。
5.根据权利要求4所述的指纹识别方法，其特征在于，所述根据所述多个预设位置的像素点的灰度值计算所述待识别指纹图像的对比度包括：
根据拟合得到的所述周期性变化的曲线，确定所述多个预设位置的像素点的灰度值中的最大灰度值和最小灰度值；
根据所述最大灰度值和最小灰度值计算所述待识别指纹图像的对比度。
6.根据权利要求3所述的指纹识别方法，其特征在于，所述获取所述待识别指纹图像中多个预设位置的像素点的灰度值包括：
在所述待识别指纹图像上作至少一条辅助线；
对于每一辅助线，将所述辅助线所经过的待识别指纹图像的像素点作为所述预设位置的像素点。
7.根据权利要求2所述的指纹识别方法，其特征在于，所述根据所述环境参数判断所述待识别指纹是否属于第一类指纹包括：
当所述环境参数小于第二预设阈值时，确定所述待识别指纹属于所述第一类指纹。
8.根据权利要求7所述的指纹识别方法，其特征在于，所述环境参数选自：温度以及湿度。
9.根据权利要求2所述的指纹识别方法，其特征在于，当判断结果表明所述待识别指纹属于所述第一类指纹时，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，还包括：
发送提示信息，所述提示信息用于提示采集所述待识别指纹的辅助待识别指纹图像；
采集所述待识别指纹的辅助待识别指纹图像；
根据所述辅助待识别指纹图像修正所述待识别指纹图像；
计算修正后的所述待识别指纹图像与标准指纹图像的图像相关性。
10.根据权利要求1所述的指纹识别方法，其特征在于，所述计算所述待识别指纹图像与标准指纹图像的图像相关性包括：
分别计算所述待识别指纹图像与所述标准指纹图像的至少一个偏移图像的图像相关性；
将数值最大的图像相关性作为所述待识别指纹图像与标准指纹图像的图像相关性。
11.根据权利要求10所述的指纹识别方法，其特征在于，所述分别计算所述待识别指纹图像与所述标准指纹图像的至少一个偏移图像的图像相关性包括：
对于每一标准图像的偏移图像，根据所述待识别指纹图像的像素点的灰度值以及所述偏移图像的对应像素点的灰度值，计算所述待识别指纹图像与所述偏移图像的图像相关性。
12.根据权利要求11所述的指纹识别方法，其特征在于，所述根据所述待识别指纹图像的每一像素点的灰度值以及所述偏移图像的对应像素点的灰度值，计算所述待识别指纹图像与所述偏移图像的图像相关性包括：
遍历所述待识别指纹图像的每一像素点，计算所述像素点的灰度值与所述偏移图像的对应像素点的灰度值的相关性；
基于所述待识别指纹图像的灰度值和标准指纹图像的灰度值，对计算得到的相关性进行归一化处理，以得到所述待识别指纹图像与所述偏移图像的图像相关性。
13.根据权利要求12所述的指纹识别方法，其特征在于，基于如下公式对所述计算得到的图像相关性进行归一化处理：
Figure FDA0001879863590000031
其中，所述C(m,l)为所述待识别指纹图像与所述偏移图像的图像相关性，所述m为所述偏移图像较之所述标准指纹图像的行偏移量，所述l为所述偏移图像较之所述标准指纹图像的列偏移量，所述
Figure FDA0001879863590000032
为所述计算得到的相关性，所述
Figure FDA0001879863590000033
为归一化衡量标准，所述Nij为所述待识别指纹图像第i行第j列的像素点的灰度值，所述Mij为所述标准指纹图像第i行第j列的像素点的灰度值，所述Mi+m,j+l为所述偏移图像第i+m行第j+l列的像素点的灰度值，所述i为正整数，所述j为正整数。
14.一种指纹识别装置，其特征在于，包括：
第一采集模块，用于采集待识别指纹的待识别指纹图像；
第一计算模块，用于计算所述待识别指纹图像与标准指纹图像的图像相关性，所述标准指纹图像是采集自标准指纹的指纹图像；
确定模块，用于根据所述图像相关性确定所述待识别指纹是否与所述标准指纹一致。
15.根据权利要求14所述的指纹识别装置，其特征在于，还包括：
判断模块，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，根据所述待识别指纹图像的图像信息和/或环境参数判断所述待识别指纹是否属于第一类指纹；
当判断结果表明所述待识别指纹属于所述第一类指纹时，所述第一计算模块计算所述待识别指纹图像与标准指纹图像的图像相关性。
16.根据权利要求15所述的指纹识别装置，其特征在于，所述判断模块包括：获取子模块，用于获取所述待识别指纹图像中多个预设位置的像素点的灰度值；
拟合子模块，用于对所述多个预设位置的像素点的灰度值进行拟合，以判断是否能得到周期性变化的曲线；
第一确定子模块，当判断结果表明不能得到所述周期性变化的曲线时，确定所述待识别指纹属于所述第一类指纹。
17.根据权利要求16所述的指纹识别装置，其特征在于，所述判断模块还包括：
第一计算子模块，当判断结果表明能够得到所述周期性变化的曲线时，根据所述多个预设位置的像素点的灰度值计算所述待识别指纹图像的对比度；
判断子模块，用于判断所述对比度是否大于第一预设阈值；
第二确定子模块，当判断结果表明所述对比度小于所述第一预设阈值时，确定所述待识别指纹属于所述第一类指纹。
18.根据权利要求17所述的指纹识别装置，其特征在于，所述第一计算子模块包括：
第一确定单元，用于根据拟合得到的所述周期性变化的曲线，确定所述多个预设位置的像素点的灰度值中的最大灰度值和最小灰度值；
第一计算单元，用于根据所述最大灰度值和最小灰度值计算所述待识别指纹图像的对比度。
19.根据权利要求16所述的指纹识别装置，其特征在于，所述获取子模块包括：
辅助线构建单元，用于在所述待识别指纹图像上作至少一条辅助线；
第二确定单元，对于每一辅助线，将所述辅助线所经过的待识别指纹图像的像素点作为所述预设位置的像素点。
20.根据权利要求15所述的指纹识别装置，其特征在于，所述判断模块包括：
第三确定子模块，当所述环境参数小于第二预设阈值时，确定所述待识别指纹属于所述第一类指纹。
21.根据权利要求20所述的指纹识别装置，其特征在于，所述环境参数选自：温度以及湿度。
22.根据权利要求15所述的指纹识别装置，其特征在于，还包括：
提示模块，当判断结果表明所述待识别指纹属于所述第一类指纹时，在计算所述待识别指纹图像与标准指纹图像的图像相关性之前，发送提示信息，所述提示信息用于提示采集所述待识别指纹的辅助待识别指纹图像；
第二采集模块，用于采集所述待识别指纹的辅助待识别指纹图像；
修正模块，用于根据所述辅助待识别指纹图像修正所述待识别指纹图像；
第二计算模块，用于计算修正后的所述待识别指纹图像与标准指纹图像的图像相关性。
23.根据权利要求14所述的指纹识别装置，其特征在于，所述第一计算模块包括：
第二计算子模块，用于分别计算所述待识别指纹图像与所述标准指纹图像的至少一个偏移图像的图像相关性；
第四确定子模块，用于将数值最大的图像相关性作为所述待识别指纹图像与标准指纹图像的图像相关性。
24.根据权利要求23所述的指纹识别装置，其特征在于，所述第二计算子模块包括：
第二计算单元，对于每一标准图像的偏移图像，根据所述待识别指纹图像的像素点的灰度值以及所述偏移图像的对应像素点的灰度值，计算所述待识别指纹图像与所述偏移图像的图像相关性。
25.根据权利要求24所述的指纹识别装置，其特征在于，所述第二计算单元包括：
第三计算单元，遍历所述待识别指纹图像的每一像素点，计算所述像素点的灰度值与所述偏移图像的对应像素点的灰度值的相关性；
归一化处理单元，基于所述待识别指纹图像的灰度值和标准指纹图像的灰度值，对计算得到的相关性进行归一化处理，以得到所述待识别指纹图像与所述偏移图像的图像相关性。
26.根据权利要求25所述的指纹识别装置，其特征在于，所述归一化处理单元基于如下公式对所述计算得到的图像相关性进行归一化处理：
Figure FDA0001879863590000061
其中，所述C(m,l)为所述待识别指纹图像与所述偏移图像的图像相关性，所述m为所述偏移图像较之所述标准指纹图像的行偏移量，所述l为所述偏移图像较之所述标准指纹图像的列偏移量，所述
Figure FDA0001879863590000062
为所述计算得到的相关性，所述
Figure FDA0001879863590000071
为归一化衡量标准，所述Nij为所述待识别指纹图像第i行第j列的像素点的灰度值，所述Mij为所述标准指纹图像第i行第j列的像素点的灰度值，所述Mi+m,j+l为所述偏移图像第i+m行第j+l列的像素点的灰度值，所述i为正整数，所述j为正整数。
27.一种存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至13任一项所述方法的步骤。
28.一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至13任一项所述方法的步骤。
CN201811417667.6A 2018-11-26 2018-11-26 一种指纹识别方法及装置、存储介质、终端 Pending CN111222366A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201811417667.6A CN111222366A (zh) 2018-11-26 2018-11-26 一种指纹识别方法及装置、存储介质、终端
TW110112253A TWI770927B (zh) 2018-11-26 2019-11-25 指紋識別方法、儲存介質，及終端
US16/694,204 US11176351B2 (en) 2018-11-26 2019-11-25 Fingerprint identification method and apparatus, storage medium and terminal
TW108142817A TWI727514B (zh) 2018-11-26 2019-11-25 指紋識別方法、裝置、儲存介質，及終端
US17/503,967 US11651618B2 (en) 2018-11-26 2021-10-18 Fingerprint identification method and apparatus, storage medium and terminal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811417667.6A CN111222366A (zh) 2018-11-26 2018-11-26 一种指纹识别方法及装置、存储介质、终端

Publications (1)

Publication Number Publication Date
CN111222366A true CN111222366A (zh) 2020-06-02

Family

ID=70770887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811417667.6A Pending CN111222366A (zh) 2018-11-26 2018-11-26 一种指纹识别方法及装置、存储介质、终端

Country Status (3)

Country Link
US (2) US11176351B2 (zh)
CN (1) CN111222366A (zh)
TW (2) TWI770927B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115131784A (zh) * 2022-04-26 2022-09-30 东莞博奥木华基因科技有限公司 一种图像处理方法、装置、电子设备及存储介质
CN117975513A (zh) * 2024-04-02 2024-05-03 艾信智能环境科技(无锡)有限公司 医用物流站点身份智能识别***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065134A (zh) * 2013-01-22 2013-04-24 江苏超创信息软件发展股份有限公司 一种具有提示信息的指纹识别装置和方法
CN104598894A (zh) * 2015-02-10 2015-05-06 深圳市亚耕电子科技有限公司 指纹感测装置、具指纹感测功能的产品及其指纹感测方法
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
CN107491727A (zh) * 2017-07-07 2017-12-19 广东欧珀移动通信有限公司 指纹识别方法、装置及终端
US20180032784A1 (en) * 2015-02-13 2018-02-01 Byd Company Limited Fingerprint identification method and apparatus
CN108573137A (zh) * 2017-03-14 2018-09-25 三星电子株式会社 指纹验证方法和设备

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7489807B2 (en) * 2003-08-07 2009-02-10 Kyungtae Hwang Statistical quality assessment of fingerprints
CN100367296C (zh) * 2006-01-18 2008-02-06 北京飞天诚信科技有限公司 指纹图像采集成像方法
TWI402759B (zh) * 2007-05-25 2013-07-21 Hon Hai Prec Ind Co Ltd 指紋識別裝置及便攜式電子裝置
JP5971089B2 (ja) * 2012-11-14 2016-08-17 富士通株式会社 生体情報補正装置、生体情報補正方法及び生体情報補正用コンピュータプログラム
KR101444064B1 (ko) * 2013-03-22 2014-09-26 주식회사 슈프리마 다중 스캔을 이용한 광학식 지문 인식 방법 및 장치
CN107016324B (zh) * 2016-01-28 2020-03-20 厦门中控智慧信息技术有限公司 一种指纹图像处理方法和指纹探测设备
JP6794766B2 (ja) * 2016-10-19 2020-12-02 日本電気株式会社 指紋処理装置、指紋処理方法、プログラム、指紋処理回路
TWI607388B (zh) * 2017-01-24 2017-12-01 創智能科技股份有限公司 指紋驗證方法及其電子裝置
CN107528970B (zh) * 2017-07-31 2020-02-18 Oppo广东移动通信有限公司 一种用户识别的方法、终端及存储介质
KR20190074782A (ko) * 2017-12-20 2019-06-28 삼성전자주식회사 생체 정보와 관련된 이미지의 품질에 따라, 이미지를 지정된 방식으로 처리하여 인증하는 방법 및 이를 수행하는 전자 장치
CN109144360B (zh) * 2018-05-31 2021-04-23 北京小米移动软件有限公司 屏幕点亮方法、电子设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065134A (zh) * 2013-01-22 2013-04-24 江苏超创信息软件发展股份有限公司 一种具有提示信息的指纹识别装置和方法
CN104598894A (zh) * 2015-02-10 2015-05-06 深圳市亚耕电子科技有限公司 指纹感测装置、具指纹感测功能的产品及其指纹感测方法
US20180032784A1 (en) * 2015-02-13 2018-02-01 Byd Company Limited Fingerprint identification method and apparatus
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
CN108573137A (zh) * 2017-03-14 2018-09-25 三星电子株式会社 指纹验证方法和设备
CN107491727A (zh) * 2017-07-07 2017-12-19 广东欧珀移动通信有限公司 指纹识别方法、装置及终端

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115131784A (zh) * 2022-04-26 2022-09-30 东莞博奥木华基因科技有限公司 一种图像处理方法、装置、电子设备及存储介质
CN117975513A (zh) * 2024-04-02 2024-05-03 艾信智能环境科技(无锡)有限公司 医用物流站点身份智能识别***
CN117975513B (zh) * 2024-04-02 2024-06-07 艾信智能环境科技(无锡)有限公司 医用物流站点身份智能识别***

Also Published As

Publication number Publication date
US11651618B2 (en) 2023-05-16
TW202024991A (zh) 2020-07-01
TWI770927B (zh) 2022-07-11
US20200167545A1 (en) 2020-05-28
TWI727514B (zh) 2021-05-11
US11176351B2 (en) 2021-11-16
US20220036038A1 (en) 2022-02-03
TW202143099A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
US10558841B2 (en) Method and apparatus for recognizing fingerprint ridge point
KR101544279B1 (ko) 생체 정보 보정 장치, 생체 정보 보정 방법 및 생체 정보 보정용 컴퓨터 판독 가능한 기록 매체
US9633269B2 (en) Image-based liveness detection for ultrasonic fingerprints
EP2833294B1 (en) Device to extract biometric feature vector, method to extract biometric feature vector and program to extract biometric feature vector
WO2017206914A1 (zh) 指纹识别方法、指纹识别***、及电子设备
KR101632912B1 (ko) 지문 인식을 이용한 사용자 인증 방법
US20130100267A1 (en) Apparatus and method for recognizing fingerprints
CN105303173A (zh) 一种降低误识别率的方法和装置
Peralta et al. Minutiae filtering to improve both efficacy and efficiency of fingerprint matching algorithms
WO2015131468A1 (en) Method and system for estimating fingerprint pose
WO2021012647A1 (zh) 人脸校验方法、装置、服务器及可读存储介质
EP2858007A1 (en) Sift feature bag based bovine iris image recognition method
US11651618B2 (en) Fingerprint identification method and apparatus, storage medium and terminal
JP2013210902A (ja) 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム
CN111582045A (zh) 一种活体的检测方法、装置以及电子设备
CN117496560B (zh) 一种基于多维向量的指纹纹线识别方法及装置
WO2016011640A1 (zh) 基于手部图像纹理的身份识别方法
CN109409322B (zh) 活体检测方法、装置及人脸识别方法和人脸检测***
KR20180072517A (ko) 홍채와 공막의 경계선 검출 방법
JP2007179267A (ja) パターン照合装置
CN114463792B (zh) 一种多光谱识别方法、装置、设备及可读存储介质
CN113408416B (zh) 指纹频率估计方法及装置、指纹信息提取方法及装置
CN117893749A (zh) 基于目标检测模型的多连指分割方法、装置、设备及介质
CN116229523A (zh) 一种指纹姿态估计方法、装置和设备
Mao et al. A multi-stage fingerprint image segmentation method

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