CN111428064A - 小面积指纹图像快速索引方法、装置、设备及存储介质 - Google Patents
小面积指纹图像快速索引方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111428064A CN111428064A CN202010526646.9A CN202010526646A CN111428064A CN 111428064 A CN111428064 A CN 111428064A CN 202010526646 A CN202010526646 A CN 202010526646A CN 111428064 A CN111428064 A CN 111428064A
- Authority
- CN
- China
- Prior art keywords
- fingerprint image
- matching
- grid
- point
- small
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及图像比对领域,公开了一种小面积指纹图像快速索引方法、装置、设备及可读存储介质,其包括:以特征点为中心确定描述区域,以特征数据的差值表示描述区域的特征,使描述符具有更稳定的表达能力,此外,将描述信息编码成二进制数据,再进行哈希映射,能够保证编码信息鲁棒性,进一步地,通过哈希映射,将不同特征点的描述符哈希映射成索引值,能够在比对时对整个数据集进行初步筛选,提取与特征点相似的匹配点集,避免了查询时需要与整个数据集的所有点进行距离计算,大幅提高比对效率。
Description
技术领域
本发明涉及图像检索领域,尤其是涉及一种小面积指纹图像快速索引方法、装置、设备及存储介质。
背景技术
在指纹图像识别***中有三个关键模块:指纹图像预处理模块、特征提取模块和特征比对模块。指纹图像预处理模块用于对原始图像进行一系列处理,不同的指纹识别***选择预处理方法机制不同,可能包括的操作有指纹图像滤波、梯度场与方向场计算、图像前景背景分离、图像归一化、图像增强、二值化、细化等。指纹图像特征提取模块主要都是为了提取能表达指纹图像的特征的全局特征或局部特征信息,不同指纹识别***可能会选择的方法有传统细节点提取、基于细节点方法特征拓扑结构或编码、纹线结构特征、机器视觉特征编码、图像相关性等方法。对于指纹特征比对模块,不同***会根据其特征提取和组织办法来制定比对策略,绝大多数***只关注了如何提高匹配准确率,忽略匹配时间开销,事实上特征提取和特征比对的设计应该一开始就考虑到能够快速索引,适应数据库快速索引的功能。现有的同时考虑到特征提取办法和快速索引机制的指纹识别***有以下策略:
(1)基于全局特征、基于纹线特征构建指纹索引。大多数使用与指纹纹线方向、频率有关的特征构造索引,将指纹图像分为若干类,从而识别时可以缩小匹配范围,这种方法能提高的索引效率有限;
(2)基于细节点之间几何结构信息或构建描述符构建指纹图像索引。比如X. Liang等人利用细节点的结构信息和构建Delaunay三角剖分方法构建索引;Matteo Ferrara等人提出了一种基于Minutia-Cylinder-Code (MCC)对指纹特征数据建立索引,由于MCC描述符是固定长度的,可以使用LSH(Local Sensitive Hash)来进行图片索引,使用该方法可以较大程度的提高海量数据下指纹识别的效率。这种类型的策略对大面积指纹图像(有充足的细节特征点)效果是比较好的,内存和计算速度较快,特征提取与比对比较直观容易理解,但对于小面积指纹图像则行不通,没有足够的细节点来构建几何关系或者MCC编码等;
(3)基于SIFT或SURF特征构建指纹图像索引。通常利用高斯差分构建尺度空间、使用Hessian矩阵等方式检测关键点,然后对关键点构建描述符,利用描述符比对来制定索引,这种策略对计算和内存开销较大,提取到的单幅指纹图像的特征模板大小在百Kb级别;
综上所述,现有指纹识别策略无法识别小面积指纹图像且索引时计算所需内存较大,效率不高。
发明内容
本发明目的一是提供一种小面积指纹图像快速索引方法,具有提高小面积指纹图像索引效率,降低计算所需内存资源的特点。
本发明的上述发明目的一是通过以下技术方案得以实现的:
索引机制建立时:
从参照指纹图像提取预设个数的匹配点,提取的匹配点至少包括坐标信息和基准方向信息;
计算获得所述匹配点的描述信息;
根据预置编译规则,将所述描述信息编译成二进制数据,得到第一描述符;
通过哈希函数对所述第一描述符进行哈希计算,得到所述第一描述符的哈希值,并以所述哈希值作为所述第一描述符的第一索引值;
索引机制应用时:
提取待比对指纹图像的一个特征点按索引机制建立时的步骤,得到第二描述符与第二索引值;
通过计算所述第一索引值与所述第二索引值之间的汉明距离,筛选出汉明距离在预设阈值内的第一索引值对应的特征点,得到特征点的相似点集合;
根据特征点与相似点集合中每个匹配点之间描述符的汉明距离,判断最近汉明距离对应的匹配点与所述特征点是否为匹配点对;
继续从待比对指纹图像提取n个特征点,遍历待比对图像的每个特征点执行上述索引机制应用时的步骤,统计匹配点的对数;
判断匹配点对数是否大于预设对数阈值;
若是,则判定待比对指纹图像与参照指纹图像相似。
通过采用上述技术方案,带来以下有益效果,以特征点为中心确定描述区域,以特征数据的差值表示描述区域的特征,使描述符具有更稳定的表达能力,此外,将描述信息编码成二进制数据,在进行哈希映射,能够保证编码信息鲁棒性,进一步地,通过哈希映射,将不同特征点的描述符哈希映射成索引值,能够在比对时对整个数据集进行初步筛选,提取与特征点相似的匹配点集,避免了查询时需要与整个数据集的所有点进行距离计算,大幅提高比对效率。
本发明在一较佳示例中可以进一步配置为:
以所述匹配点为中心按预设区域大小确定描述区域;
对所述描述区域进行多级分块,得到所述描述区域的网格小块;
分别计算每个网格小块的特征数据;
按预置配对规则将网格小块两两配对,得到网格块对;
抽取预设对数的网格块对计算网格块对中2个网格小块的特征数据差值,得到所述描述信息。
通过采用上述技术方案,计算网格块对中2个网格小块之间的特征数据差值,以网格块对的特征数据差值作为描述信息,更稳定地表达描述区域的特征。
本发明在一较佳示例中可以进一步配置为:
所述特征数据包括网格小块的灰度均值、X方向梯度均值、Y方向梯度均值、曲率均值。
通过采用上述技术方案,提高描述信息对描述区域的准确度。
本发明在一较佳示例中可以进一步配置为:
预设所述描述信息在0附近的变化范围;
从所述描述信息中提取最大值和最小值,结合所述变化范围得到所述描述信息的不同取值范围;
根据预设的描述信息在不同取值范围对应不同的二进制数据,将所述描述信息编译成对应的二进制数据。
通过采用上述技术方案,加快后期进行索引时的比对速度,节省计算机内存占用。
本发明在一较佳示例中可以进一步配置为:
对所有网格小块进行排序,得到每个网格小块的序号;
根据预置配对序号,将配对序号对应的2个网格小块进行配对,得到网格块对。
通过采用上述技术方案,为计算特征数据的差值明确要差分的具体网格小块对象。
本发明在一较佳示例中可以进一步配置为:
根据预设抽取网格块对对数,抽取相应对数的网格块对;
对每对网格块对中2个网格小块的特征数据做差分处理,得到每对网格小块特征数据的差值序列;
将所述差值序列进行排列组合,得到所述描述信息。
通过采用上述技术方案,更稳定地表达描述区域的特征。
本发明在一较佳示例中可以进一步配置为:
计算相似点集合中的匹配点对应第一描述符与第二描述符之间的汉明距离,筛选出最近汉明距离和次近汉明距离;
判断所述最近汉明距离和次近汉明距离的比值是否在预设阈值内;
若是,则判断所述最近汉明距离对应的所述描述符的匹配点与所述特征点为一对匹配点对。
通过采用上述技术方案,筛选出与特征点最优秀的匹配点。
本发明目的二是提供一种小面积指纹图像快速索引装置,具有提高图像比对速度,降低计算机内存占用的特点。
本发明的上述发明目的二是通过以下技术方案得以实现的:
一种小面积指纹图像快速索引装置,包括:
第一提取模块,用于从参照指纹图像提取预设个数的匹配点,提取的匹配点至少包括坐标信息和基准方向信息;
计算模块,用于计算获得所述匹配点的描述信息;
编译模块,用于根据预置编译规则,将所述描述信息编译成二进制数据,得到第一描述符;
处理模块,用于通过哈希函数对所述第一描述符进行哈希计算,得到所述第一描述符的哈希值,并以所述哈希值作为所述第一描述符的第一索引值;
第二提取模块,用于提取待比对指纹图像的一个特征点通过计算模块、编译模块以及处理模块的处理,得到第二描述符与第二索引值;筛选模块,用于通过计算所述第一索引值与所述第二索引值之间的汉明距离,筛选出汉明距离在预设距离阈值内的第一索引值对应的特征点,得到特征点的相似点集合;
第一判断模块,用于根据特征点与相似点集合中每个匹配点之间描述符的汉明距离,判断最近汉明距离对应的匹配点与所述特征点是否为匹配点对;
统计模块,用于继续从待比对指纹图像提取n个特征点,遍历待比对图像的每个特征点通过计算模块、编译模块、处理模块、筛选模块以及第一判断模块的处理后,统计匹配点的对数;
第二判断模块,用于判断匹配点对数是否大于预设对数阈值;
判定模块,用于若匹配点对数大于预设对数阈值,则判定待比对指纹图像与参照指纹图像相似。
优选地,所述计算模块包括:
确定单元,用于以所述匹配点为中心按预设区域大小确定描述区域;
分块单元,用于对所述描述区域进行多级分块,得到所述描述区域的网格小块;
第一计算单元,用于分别计算每个网格小块的特征数据;
配对单元,用于按预置配对规则将网格小块两两配对,得到网格块对;
第二计算单元,用于抽取预设对数的网格块对计算网格块对中2个网格小块的特征数据差值,得到所述描述信息。
优选地,所述配对单元包括:
排序子单元,用于对所有网格小块进行排序,得到每个网格小块的序号;
配对子单元,用于根据预置配对序号,将配对序号对应的2个网格小块进行配对,得到网格块对。
优选地,所述第二计算单元包括:
抽取子单元,用于根据预设抽取网格块对对数,抽取相应对数的网格块对;
差分子单元,用于对每对网格块对中2个网格小块的特征数据做差分处理,得到每对网格小块特征数据的差值序列;
组合单元,用于将所述差值序列进行排列组合,得到所述描述信息。
本发明目的三是提供一种小面积指纹图像快速索引设备,具有快速比对指纹图像,能够在嵌入式平台上运行的特点。
本发明的上述发明目的三是通过以下技术方案得以实现的:
一种小面积指纹图像快速索引设备,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行上述小面积指纹图像快速索引方法的计算机程序。
本发明目的四是提供一种计算机存储介质,能够存储相应的程序,具有便于实现小面积指纹图像快速索引的特点。
本发明的上述发明目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种小面积指纹图像快速索引方法的计算机程序。
综上所述,本发明包括以下益技术效果:以特征点为中心确定描述区域,以特征数据的差值表示描述区域的特征,使描述符具有更稳定的表达能力,此外,将描述信息编码成二进制数据,在进行哈希映射,能够保证编码信息鲁棒性,进一步地,通过哈希映射,将不同特征点的描述符哈希映射成索引值,能够在比对时对整个数据集进行初步筛选,提取与特征点相似的匹配点集,避免了查询时需要与整个数据集的所有点进行距离计算,大幅提高比对效率。
附图说明
图1为本发明小面积指纹图像快速索引方法一实施例的流程示意图;
图2为图1中步骤S20一实施例的细化流程示意图;
图3为本发明小面积指纹图像快速索引方法的编译规则一实施例的细化流程示意图;
图4为图2中步骤S204一实施例的细化流程示意图;
图5为图2中步骤S205一实施例的细化流程示意图;
图6为图1中步骤T30一实施例的细化流程示意图;
图7为本发明小面积指纹图像快速索引装置一实施例的功能模型示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
参照图1,图1为本发明小面积指纹图像快速索引方法第一实施例的流程示意图。本实施例中,所述小面积指纹图像快速索引方法包括:
索引机制建立时:
步骤S10:从参照指纹图像提取预设个数的匹配点,提取的匹配点至少包括坐标信息和基准方向信息;
本发明实施例中,从需要比对的2张指纹图像中,确定一张为参照指纹图像,一张为待比对指纹图像,从参照指纹图像中提取N个匹配点。其中,从参照指纹图像提取匹配点的方式可以是通过传统的细节点提取办法,也可以通过提取指纹图像深层次灰度语义图像,然后挑选出深层次语义图像中的极值点作为特征点或采用深度学习网络训练处能识别特征点的网络进行特征点提取。本发明通过提取指纹图像深层次灰度语义图像,然后挑选出深层次语义 图像中的极值点作为特征点,具体提取过程如下:
将参照指纹图像转换为灰度图像,计算灰度图像的梯度场,根据梯度场将参照指纹图像分离成前景区域和背景区域,其中,前景区域为参照指纹图像中的指纹区域,背景区域为空白区域。获取前景区域的灰度直方图,根据灰度直方图计算前景区域的灰度均值和方差等数据信息,根据数据信息对参照指纹图像进行分类。指纹图像分为干燥图像、潮湿图像以及正常图像三种,根据参照指纹图像的所述图像类别选择相应的滤波处理降低噪声影响,其中,正常图像以均值滤波处理,对于干燥图像,选择高斯曲率滤波和均值滤波,对于潮湿图像,先进行直方图正规化处理,然后进行高斯曲率滤波和均值滤波。最后计算滤波后的参照指纹图像的灰度图像的像素点的曲率值极值差值,定义曲率值极值差值为参照指纹图像的深层次语义表达信息,从深层次语义表达信息中挑选出最大值点作为参照指纹图像的特征点。
步骤S20:计算获得所述匹配点的描述信息;
本发明实施例中,计算匹配点的描述信息具体过程为,以匹配点为中心按预设区域大小确定描述区域,如以其中一个匹配点为中心,按照预设的区域大小10*10,并根据匹配点在指纹中的基准方向确定一块描述区域。确定好描述区域之后,对描述区域进行多级分块处理,得到多个网格小块,多级分块可以是2*2,3*3,4*4等,相对应的也就会得到4块,9块,16块网格小块,然后对网格小块进行两两配对,抽取网格块对进行特征数据差值计算,得到多对网格块对的特征数据差值信息,即为描述区域的描述信息。网格小块的特征数据包括灰度均值、X方向梯度均值、Y方向梯度均值、曲率均值。
例如,若多级分块是3*3,则全部是9块网格小块,那就存在网格块对 对,随机抽取预设对数的网格块对进行特征数据差值计算,得到多对网格块对的特征数据差值信息,即为描述区域的描述信息。
步骤S30:根据预置编译规则,将所述描述信息编译成二进制数据,得到第一描述符;
本发明实施例中,预先制定描述信息编译规则。根据预设的编译规则,对描述信息进行编译,转换为以二进制数据表示描述信息的第一描述符。其中,编译规则可根据实际应用自动义设置。
例如,编码规则可以定义如下:
其中,xValue代表差值信息,xValue在0附近的变化范围内编码为00,minV、maxV分别代表差值信息xValue的最小值和最大值,范围编码为01,范围编码为10。本编译规则可以根据***的需求来调整编译的长度,编译长度越长,描述信息就越多,同时占用内存和计算量相应变大。具体应用中可以通过以下方式调节:方式一为减少抽样网格块对的数量,经测试抽样网格块对的数量最好大于16,否则由于描述信息太少,不能充分体现描述区域的特征数据;方式二为减少每对网格块对特征数据的数量,比如只使用X方向梯度均值、Y方向梯度均值的差值信息来描述该对网格块的差异,若抽样网格块对的数量为16,差值信息只使用X方向梯度均值、Y方向梯度均值的情况下,特征点描述区域的编码信息长度为16*2*2=64位二进制数据,即8个字节。
步骤S40:通过哈希函数对所述第一描述符进行哈希计算,得到所述第一描述符的哈希值,并以所述哈希值作为所述第一描述符的第一索引值;
本发明实施例中,对描述符进行哈希计算,得到描述符的哈希值,以所述哈希值作为该描述符的第二索引值。例如,描述符是64位的二进制数据,经过哈希函数计算可以哈希成8位二进制数据,以这个8位二进制数据作为描述符的索引值。
索引机制应用时:
步骤T10:提取待比对指纹图像的一个特征点按索引机制建立时的步骤,得到第二描述符与第二索引值;
步骤T20:通过计算所述第一索引值与所述第二索引值之间的汉明距离,筛选出汉明距离在预设阈值内的第一索引值对应的特征点,得到特征点的相似点集合;
本发明实施例中,按照上述步骤S10到步骤S40从待比对指纹图像中提取一个特征点并计算特征点的第一描述符和第二索引值,然后根据第二索引值,根据索引值之间的汉明距离,按预设汉明距离在预设范围内的两个点为相似点,从参照指纹图像的匹配点中筛选出与特征点相似的相似点集合。
例如,预设汉明距离在0-2之间的索引值对应的两个点为相似点,当前待比对指纹图像的特征点a1的索引值为01010000,,参照指纹图像中存在匹配点的索引值b1的索引值01010001,匹配点b2的索引值01010111,分别计算得到a1与b1和a1与b2的汉明距离为1和3,则判断b1为a1的相似点。
步骤T30:根据特征点与相似点集合中每个匹配点之间描述符的汉明距离,判断最近汉明距离对应的匹配点与所述特征点是否为匹配点对;
本发明实施例中,经过上述步骤,确定了匹配点中与特征点相似的相似点集合之后,分别计算特征点与相似点集合中每个匹配点对应的描述符的汉明距离,确定其中的最近汉明距离与次近汉明距离,然后计算最近汉明距离与次近汉明距离之间的比值,若比值小于预设阈值,则判断最近汉明距离对应的匹配点与特征点为一对匹配点。
例如,预设最近汉明距离与次近汉明距离的比值0.8以内,则判断最近汉明距离对应的匹配点与特征点为一对匹配点,特征点a1的描述符为00001111,相似点集合中存在匹配点b1的描述符为01010111,匹配点b2的描述符为00000011,匹配点b3的描述符为01010100,则a1与b1、b2、b3的汉明距离分别为3、2和5,则最近汉明距离与次近汉明距离的比值为2/3=0.67,小于预设比值0.8,则判定a1与b2为一对匹配点。
步骤T40:继续从待比对指纹图像提取n个特征点,遍历待比对图像的每个特征点执行索引机制应用时的步骤,统计匹配点的对数;
步骤S50:判断匹配点对数是否大于预设对数阈值;
步骤T60:若是,则判定待比对指纹图像与参照指纹图像相似。
本发明实施例中,从待对比图像中提取再重新提取n个特征点,按照上述应用步骤T10到T40在参照指纹图像中查找与特征点匹配的匹配点,然后统计其中匹配的点对数量是否达到预设阈值,若匹配的点对数量达到预设阈值,则判断待比对指纹图像与参照指纹图像相似。
例如,预设匹配的点对数量达到70对即认为待比对图指纹图像与参照指纹图像相似。当前从待比对图像中提取了100个特征点,按照上述应用步骤,在参照指纹图像中索引每个特征点的匹配点,若最后统计100个特征点中能够匹配到相应匹配点,并且匹配的点对数量达到70或以上,则认为待比对图像与参照指纹图像相似。
参照图2,图2为图1中步骤S20一实施例的细化流程示意图。本发明实施例中,上述步骤S20包括:
步骤S201:以所述匹配点为中心按预设区域大小确定描述区域;
步骤S202:对所述描述区域进行多级分块,得到所述描述区域的网格小块;
步骤S203:分别计算每个网格小块的特征数据;
步骤S204:按预置配对规则将网格小块两两配对,得到网格块对;
步骤S205:抽取预设对数的网格块对计算网格块对中2个网格小块的特征数据差值,得到所述描述信息。
本发明实施例中,计算匹配点的描述信息具体过程为,以匹配点为中心,按预设区域大小及匹配点的基准方向确定描述区域,如以基准方向为30°一个匹配点为中心,按照预设的区域大小10*10,确定一块描述区域。确定好描述区域之后,对描述区域进行多级分块处理,得到多个网格小块,多级分块可以是将描述区域分成2×2,3×3,4×4等,相对应的也就会得到4块,9块,16块网格小块,然后对网格小块进行排序,预设相应序号的网格小块进行配对,将网格小块根据预设配对序号 进行两两配对,得到不同的网格块对,从网格块对中抽取一定数量的网格块对,对网格块对中2个网格小块的特征数据序列差分计算,然后将网格块对的特征数据差值序列进行排列,得到匹配点的描述信息。其中,特征数据可以是灰度均值、X方向梯度均值、Y方向梯度均值、曲率均值。
例如,若多级分块是3*3,则全部是9块网格小块,那就存在网格块对,随机抽取预设对数的网格块对进行特征数据差值计算,得到多对网格块对的特征数据差值信息,即为描述区域的描述信息。
进一步地,上述步骤S203所计算获取的特征数据包括特征数据包括灰度均值、X方向梯度均值、Y方向梯度均值、曲率均值。
本发明实施例中,计算特征数据时可以根据需要进行适当减少。其中,为提高计算效率,可以只计算其中2个或3个特征数据,提高索引建立机制的建立效率。例如,只使用X方向梯度均值、Y方向梯度均值的差值信息来描述该对网格块的差异。
参照图3,图3为本发明小面积指纹图像快速索引方法的编译规则一实施例的细化流程示意图。本发明实施例中,编译规则包括:
步骤S01:预设所述描述信息在0附近的变化范围;
步骤S02:从所述描述信息中提取最大值和最小值,结合所述变化范围得到所述描述信息的不同取值范围;
步骤S03:根据预设的描述信息在不同取值范围对应不同的二进制数据,将所述描述信息编译成对应的二进制数据。
本发明实施例中,基于测试数据,确定描述信息在0附近的变化范围,基于该变化范围,结合从描述信息对应的差值序列中确定最大值和最小值确定描述信息的取值范围,根据确定的取值范围按预设的编译规则编译成二进制数据。例如,当前基于测试数据确定了描述信息在0附近的变化范围(-5,5),描述信息的差值序列中最大值是10,最小值是-9,则描述信息的取值范围为(-9,-5),(-5,5)和(5,10),设置描述信息对应差值序列的差值在这3个取值范围时分别编译成00,01,10,则对于{-6,1,7,0}的描述信息编译后的二进制数据为00011001。需要注意的是,本实施例中为了提高精确度,可以在3个取值范围内进一步划分出一个取值范围如(-9,-7)或(-5,0)或(0,5)等,使在该取值范围内的描述信息编译成11,使描述符表达的描述信息更精细,提高比对细节,当然,这样增加描述信息精细度的同时,也会增加计算机编译时的计算量。
参照图4,图4为图2中步骤S204一实施例的细化流程示意图。在本发明实施例中,步骤S204包括:
步骤S241:对所有网格小块进行排序,得到每个网格小块的序号;
步骤S242:根据预置配对序号,将配对序号对应的2个网格小块进行配对,得到网格块对。
本发明实施例中,根据描述区域的多级分块对网格小块进行排序,若描述区域的多级分块为3×3或4×4,则网格小块的总个数为9或16,那么排序可以为1到9或1到16。此处以网格小块总个数为9块举例,9块网格小块中两两配对总共存在对网格块对,预设网格块对的配对序号为1号与2号配对,2号与3号,3号与4号等。
参照图5,图5为图2中步骤S205一实施例的细化流程示意图。在本发明实施例中,步骤S205包括:
步骤S251:根据预设抽取网格块对对数,抽取相应对数的网格块对;
步骤S252:对每对网格块对中2个网格小块的特征数据做差分处理,得到每对网格小块特征数据的差值序列;
步骤S253:将所述差值序列进行排列组合,得到所述描述信息。
本发明实施例中,预设抽取网格块对对数18,则抽取18对的网格块对,对每对网格块对中的2个网格小块的特征数据进行差分处理,如一对网格块对中的配对网格小块序号为1号与2号,其中1号网格小块的特征数据序列为{5,6,8,10},2号网格小块的特征数据序列为{4,7,9,8},对该对网格块对中1号网格小块与2号网格小块的特征数据序列进行差分处理,得到这对网格块对的特征数据的差值序列{1,-1,-1,2}。若经过计算后得到多对网格块对的差值序列为{1,-1,-1,2}、{1,2,-1,2}、{1,-1,2,2}、{1,-1,2,-1}、{-1,1,-1,2}、{1,-1,-1,1}、{1,-1,2,-1}、{-1,1,-1,2}、{3,-1,-1,2},排列起来后得到描述信息{1,-1,-1,2}{1,2,-1,2}{1,-1,2,2}{1,-1,2,-1}{-1,1,-1,2}{1,-1,-1,1}{1,-1,2,-1}{-1,1,-1,2}{3,-1,-1,2}。
参照图6,图6为图1中步骤T30一实施例的细化流程示意图。本发明实施例中,步骤T30包括:
步骤T301:计算相似点集合中的匹配点对应第一描述符与第二描述符之间的汉明距离,筛选出最近汉明距离和次近汉明距离;
步骤T302:判断所述最近汉明距离和次近汉明距离的比值是否在预设阈值内;
步骤T303:若是,则判断所述最近汉明距离对应的所述描述符的匹配点与所述特征点为一对匹配点对。
本发明实施例中,经过上述步骤,确定了匹配点中与特征点相似的相似点集合之后,分别计算特征点与相似点集合中每个匹配点对应的描述符的汉明距离,确定其中的最近汉明距离与次近汉明距离,然后计算最近汉明距离与次近汉明距离之间的比值,若比值小于预设阈值,则判断最近汉明距离对应的匹配点与特征点为一对匹配点。
例如,预设最近汉明距离与次近汉明距离的比值0.8以内,则判断最近汉明距离对应的匹配点与特征点为一对匹配点,特征点a1的描述符为00001111,相似点集合中存在匹配点b1的描述符为01010111,匹配点b2的描述符为00000011,匹配点b3的描述符为01010100,则a1与b1、b2、b3的汉明距离分别为3、2和5,则最近汉明距离与次近汉明距离的比值为2/3=0.67,小于预设比值0.8,则判定a1与b2为一对匹配点。
参照图7,图7为本发明小面积指纹图像快速索引装置一实施例的功能模型示意图。本实施例中,所述小面积指纹图像快速索引装置包括:
第一提取模块10,用于从参照指纹图像提取预设个数的匹配点,提取的点至少包括坐标信息和基准方向信息;
计算模块20,用于计算获得所述匹配点的描述信息;
编译模块30,用于根据预置编译规则,将所述描述信息编译成二进制数据,得到第一描述符;
处理模块40,用于通过哈希函数对所述第一描述符进行哈希计算,得到所述第一描述符的哈希值,并以所述哈希值作为所述第一描述符的第一索引值;
第二提取模块50,用于提取待比对指纹图像的一个特征点通过计算模块、编译模块以及处理模块的处理,得到第二描述符与第二索引值;筛选模块60,用于通过计算所述第一索引值与所述第二索引值之间的汉明距离,筛选出汉明距离在预设距离阈值内的第一索引值对应的特征点,得到特征点的相似点集合;
第一判断模块70,用于根据特征点与相似点集合中每个匹配点之间描述符的汉明距离,判断最近汉明距离对应的匹配点与所述特征点是否为匹配点对;
统计模块80,用于继续从待比对指纹图像提取n个特征点,遍历待比对图像的每个特征点通过计算模块、编译模块、处理模块、筛选模块以及第一判断模块的处理,统计匹配点的对数;
第二判断模块90,用于判断匹配点对数是否大于预设对数阈值;
判定模块100,用于若匹配点对数大于预设对数阈值,则判定待比对指纹图像与参照指纹图像相似。
本发明提供一种小面积指纹图像快速索引设备,其特征在于,所述小面积指纹图像快速索引设备包括存储器和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小面积指纹图像快速索引程序,所述小面积指纹图像快速索引程序被所述处理器执行时实现如上述实施例中所述的小面积指纹图像快速索引方法的步骤
本发明还提供一种计算机可读存储介质。
本实施例中,所述计算机可读存储介质上存储有小面积指纹图像快速索引程序,所述小面积指纹图像快速索引程序被处理器执行时实现如上述任一项实施例中所述的小面积指纹图像快速索引方法的步骤。
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
Claims (10)
1.一种小面积指纹图像快速索引方法,其特征在于,所述小面积指纹图像快速索引方法包括:
索引机制建立时:
从参照指纹图像提取预设个数的匹配点,提取的匹配点至少包括坐标信息和基准方向信息;
计算获得所述匹配点的描述信息;
根据预置编译规则,将所述描述信息编译成二进制数据,得到第一描述符;
通过哈希函数对所述第一描述符进行哈希计算,得到所述第一描述符的哈希值,并以所述哈希值作为所述第一描述符的第一索引值;
索引机制应用时:
提取待比对指纹图像的一个特征点按索引机制建立时的步骤,得到第二描述符与第二索引值;
通过计算所述第一索引值与所述第二索引值之间的汉明距离,筛选出汉明距离在预设距离阈值内的第一索引值对应的特征点,得到特征点的相似点集合;
根据特征点与相似点集合中每个匹配点之间描述符的汉明距离,判断最近汉明距离对应的匹配点与所述特征点是否为匹配点对;
继续从待比对指纹图像提取n个特征点,遍历待比对图像的每个特征点执行索引机制应用时的步骤,统计匹配点的对数;
判断匹配点对数是否大于预设对数阈值;
若是,则判定待比对指纹图像与参照指纹图像相似。
2.如权利要求1所述的小面积指纹图像快速索引方法,其特征在于,所述计算获得所述匹配点的描述信息包括:
以所述匹配点为中心按预设区域大小确定描述区域;
对所述描述区域进行多级分块,得到所述描述区域的网格小块;
分别计算每个网格小块的特征数据;
按预置配对规则将网格小块两两配对,得到网格块对;
抽取预设对数的网格块对计算网格块对中2个网格小块的特征数据差值,得到所述描述信息。
3.如权利要求2所述的小面积指纹图像快速索引方法,其特征在于,所述特征数据包括网格小块的灰度均值、X方向梯度均值、Y方向梯度均值、曲率均值。
4.如权利要求1所述的小面积指纹图像快速索引方法,其特征在于,所述编译规则包括:
基于测试数据确定所述描述信息在0附近的变化范围;
从所述描述信息中提取最大值和最小值,结合所述变化范围得到所述描述信息的不同取值范围;
根据预设的描述信息在不同取值范围对应不同的二进制数据,将所述描述信息编译成对应的二进制数据。
5.根据权利要求2所述的小面积指纹图像快速索引方法,其特征在于,所述按预置配对规则将网格小块两两配对,得到网格块对包括:
对所有网格小块进行排序,得到每个网格小块的序号;
根据预置配对序号,将配对序号对应的2个网格小块进行配对,得到网格块对。
6.根据权利要求2所述的小面积指纹图像快速索引方法,其特征在于,所述抽取预设对数的网格块对计算网格块对中2个网格小块的特征数据差值,得到所述描述信息包括:
根据预设抽取网格块对对数,抽取相应对数的网格块对;
对每对网格块对中2个网格小块的特征数据做差分处理,得到每对网格小块特征数据的差值序列;
将所述差值序列进行排列组合,得到所述描述信息。
7.如权利要求1所述的小面积指纹图像快速索引方法,其特征在于,所述根据特征点与相似点集合中每个匹配点之间描述符的汉明距离,判断最近汉明距离对应的匹配点与所述特征点是否为匹配点对包括:
计算相似点集合中的匹配点对应第一描述符与第二描述符之间的汉明距离,筛选出最近汉明距离和次近汉明距离;
判断所述最近汉明距离和次近汉明距离的比值是否在预设阈值内;
若是,则判断所述最近汉明距离对应的所述描述符的匹配点与所述特征点为一对匹配点对。
8.一种小面积指纹图像快速索引装置,其特征在于,所述小面积指纹图像快速索引装置包括:
第一提取模块,用于从参照指纹图像提取预设个数的匹配点,提取的匹配点至少包括坐标信息和基准方向信息;
计算模块,用于计算获得所述匹配点的描述信息;
编译模块,用于根据预置编译规则,将所述描述信息编译成二进制数据,得到第一描述符;
处理模块,用于通过哈希函数对所述第一描述符进行哈希计算,得到所述第一描述符的哈希值,并以所述哈希值作为所述第一描述符的第一索引值;
第二提取模块,用于提取待比对指纹图像的一个特征点通过计算模块、编译模块以及处理模块的处理,得到第二描述符与第二索引值;
筛选模块,用于通过计算所述第一索引值与所述第二索引值之间的汉明距离,筛选出汉明距离在预设距离阈值内的第一索引值对应的特征点,得到特征点的相似点集合;
第一判断模块,用于根据特征点与相似点集合中每个匹配点之间描述符的汉明距离,判断最近汉明距离对应的匹配点与所述特征点是否为匹配点对;
统计模块,用于继续从待比对指纹图像提取n个特征点,遍历待比对图像的每个特征点通过计算模块、编译模块、处理模块、筛选模块以及第一判断模块的处理,统计匹配点的对数;
第二判断模块,用于判断匹配点对数是否大于预设对数阈值;
判定模块,用于若匹配点对数大于预设对数阈值,则判定待比对指纹图像与参照指纹图像相似。
9.一种小面积指纹图像快速索引设备,其特征在于,所述小面积指纹图像快速索引设备包括存储器和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小面积指纹图像快速索引程序,所述小面积指纹图像快速索引程序被所述处理器执行时实现如权利要求1至7中任一项所述的小面积指纹图像快速索引方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质上存储有能够被处理器加载并执行如权利要求1至7中任一项所述的小面积指纹图像快速索引方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010526646.9A CN111428064B (zh) | 2020-06-11 | 2020-06-11 | 小面积指纹图像快速索引方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010526646.9A CN111428064B (zh) | 2020-06-11 | 2020-06-11 | 小面积指纹图像快速索引方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111428064A true CN111428064A (zh) | 2020-07-17 |
CN111428064B CN111428064B (zh) | 2020-09-29 |
Family
ID=71551451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010526646.9A Active CN111428064B (zh) | 2020-06-11 | 2020-06-11 | 小面积指纹图像快速索引方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428064B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705519A (zh) * | 2021-09-03 | 2021-11-26 | 杭州乐盯科技有限公司 | 一种基于神经网络的指纹识别方法 |
CN115455218A (zh) * | 2022-06-09 | 2022-12-09 | 中国公路工程咨询集团有限公司 | 公路图像分布式存储方法、搜索方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268602A (zh) * | 2014-10-14 | 2015-01-07 | 大连理工大学 | 一种基于二进制特征匹配的遮挡工件识别方法及装置 |
US20160358010A1 (en) * | 2015-06-08 | 2016-12-08 | Crowd IP Box UG (haftungsbeschränkt) | Transformed Representation for Fingerprint Data with High Recognition Accuracy |
CN108182205A (zh) * | 2017-12-13 | 2018-06-19 | 南京信息工程大学 | 一种基于sift的hash算法的图像快速检索方法 |
CN108664940A (zh) * | 2018-05-16 | 2018-10-16 | 山东大学 | 一种部分指纹匹配方法及*** |
CN109766850A (zh) * | 2019-01-15 | 2019-05-17 | 西安电子科技大学 | 基于特征融合的指纹图像匹配方法 |
CN109993129A (zh) * | 2019-04-04 | 2019-07-09 | 郑州师范学院 | 一种基于指纹细结点圆柱码的指纹识别方法 |
CN110704651A (zh) * | 2019-10-18 | 2020-01-17 | 哈尔滨理工大学 | 基于核心细节点支持***的指纹数据库快速检索方法 |
-
2020
- 2020-06-11 CN CN202010526646.9A patent/CN111428064B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268602A (zh) * | 2014-10-14 | 2015-01-07 | 大连理工大学 | 一种基于二进制特征匹配的遮挡工件识别方法及装置 |
US20160358010A1 (en) * | 2015-06-08 | 2016-12-08 | Crowd IP Box UG (haftungsbeschränkt) | Transformed Representation for Fingerprint Data with High Recognition Accuracy |
CN108182205A (zh) * | 2017-12-13 | 2018-06-19 | 南京信息工程大学 | 一种基于sift的hash算法的图像快速检索方法 |
CN108664940A (zh) * | 2018-05-16 | 2018-10-16 | 山东大学 | 一种部分指纹匹配方法及*** |
CN109766850A (zh) * | 2019-01-15 | 2019-05-17 | 西安电子科技大学 | 基于特征融合的指纹图像匹配方法 |
CN109993129A (zh) * | 2019-04-04 | 2019-07-09 | 郑州师范学院 | 一种基于指纹细结点圆柱码的指纹识别方法 |
CN110704651A (zh) * | 2019-10-18 | 2020-01-17 | 哈尔滨理工大学 | 基于核心细节点支持***的指纹数据库快速检索方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705519A (zh) * | 2021-09-03 | 2021-11-26 | 杭州乐盯科技有限公司 | 一种基于神经网络的指纹识别方法 |
CN113705519B (zh) * | 2021-09-03 | 2024-05-24 | 杭州乐盯科技有限公司 | 一种基于神经网络的指纹识别方法 |
CN115455218A (zh) * | 2022-06-09 | 2022-12-09 | 中国公路工程咨询集团有限公司 | 公路图像分布式存储方法、搜索方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111428064B (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111429359B (zh) | 小面积指纹图像拼接方法、装置、设备及存储介质 | |
US4028674A (en) | Automated signature verification system | |
CN106203539B (zh) | 识别集装箱箱号的方法和装置 | |
CN106372624B (zh) | 人脸识别方法及*** | |
CN111428064B (zh) | 小面积指纹图像快速索引方法、装置、设备及存储介质 | |
CN109325507A (zh) | 一种结合超像素显著性特征与hog特征的图像分类算法和*** | |
Mantecon et al. | Depth-based face recognition using local quantized patterns adapted for range data | |
CN101751550A (zh) | 快速指纹搜索方法及快速指纹搜索*** | |
CN109993042A (zh) | 一种人脸识别方法及其装置 | |
CN111428701B (zh) | 小面积指纹图像特征提取方法、***、终端及存储介质 | |
JP4802176B2 (ja) | パターン認識装置、パターン認識プログラム及びパターン認識方法 | |
CN114359632A (zh) | 一种基于改进PointNet++神经网络的点云目标分类方法 | |
CN114495139A (zh) | 一种基于图像的作业查重***及方法 | |
CN112070116B (zh) | 一种基于支持向量机的艺术画作自动分类***及方法 | |
CN106326927A (zh) | 一种鞋印新类别检测方法 | |
CN116415210A (zh) | 图像侵权检测方法、装置及存储介质 | |
CN111931229B (zh) | 一种数据识别方法、装置和存储介质 | |
CN114972540A (zh) | 目标定位方法、装置、电子设备及存储介质 | |
CN110619273B (zh) | 一种高效的虹膜识别方法以及识别装置 | |
CN109241886B (zh) | 基于olbp与pca的人脸识别方法和*** | |
CN111401252A (zh) | 一种基于视觉的图书盘点***的书脊匹配方法和设备 | |
CN113722607B (zh) | 一种基于改进聚类的托攻击检测方法 | |
CN111723223B (zh) | 一种基于主体推断的多标签图像检索方法 | |
CN111832626B (zh) | 图像识别分类方法、装置及计算机可读存储介质 | |
CN116304153A (zh) | 一种基于大数据的图像认证*** |
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 |