CN111898512A - 一种指纹识别方法及装置 - Google Patents
一种指纹识别方法及装置 Download PDFInfo
- Publication number
- CN111898512A CN111898512A CN202010716973.0A CN202010716973A CN111898512A CN 111898512 A CN111898512 A CN 111898512A CN 202010716973 A CN202010716973 A CN 202010716973A CN 111898512 A CN111898512 A CN 111898512A
- Authority
- CN
- China
- Prior art keywords
- image
- fingerprint
- contrast
- gray level
- carried out
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000000605 extraction Methods 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000001914 filtration Methods 0.000 claims abstract description 31
- 230000009467 reduction Effects 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 17
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 21
- 238000004590 computer program Methods 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000003825 pressing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 210000004243 sweat Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06V40/13—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
- G06V40/10—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
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)
Abstract
本申请公开一种指纹识别方法及装置。所述方法包括:获取通过非接触式图像采集设备采集到的指纹图像;对所述指纹图像执行滤波和灰度处理,得到灰度图像;对所述灰度图像进行对比度增强,得到对比度增强后的图像;对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
Description
技术领域
本申请涉及互联网领域,尤其涉及一种指纹识别方法及装置。
背景技术
基于生物识别的身份认证,在各个领域广泛应用,而指纹识别又是其中最广泛使用的生物识别之一。
目前较为流行的指纹识别均为接触式指纹识别,比如将手指按压在指纹传感器中,从而获取指纹信息,并以此进行身份认证。但在实际应用中发现,这种指纹识别方式受按压力度、按压面积、按压角度、污渍、汗渍等因素影响较大,从而影响识别准确性。所以亟需一种方案,用来提升指纹识别的准确性。
发明内容
本申请实施例提供一种指纹识别方法,可以较为准确地进行指纹识别。
本申请实施例提供一种指纹识别装置,可以较为准确地进行指纹识别。
为解决上述技术问题,本申请实施例是这样实现的:
本申请实施例采用下述技术方案:
一种指纹识别方法,其特征在于,包括:
获取通过非接触式图像采集设备采集到的指纹图像;
对所述指纹图像执行滤波和灰度处理,得到灰度图像;
对所述灰度图像进行对比度增强,得到对比度增强后的图像;
对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
一种指纹识别装置,其特征在于,包括:图像获取单元、图像处理单元、以及指纹识别单元,其中,
所述图像获取单元,用于获取通过非接触式图像采集设备采集到的指纹图像;
所述图像处理单元,用于对所述指纹图像执行滤波和灰度处理,得到灰度图像;
所述图像处理单元,用于对所述灰度图像进行对比度增强,得到对比度增强后的图像;
所述指纹识别单元,用于对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
由以上实施例提供的技术方案可见,可以先获取到通过非接触式图像采集设备采集到的指纹图像,此后基于该指纹图像,可以进行滤波和灰度处理,再对灰度图像进行对比度增强处理,从而根据对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
也即,可以通过非接触式图像采集设备,采集近似于无畸变的指纹图像,并通过滤波、灰度、对比度增强等图像处理方式,提高指纹中脊线和谷线的对比度,从而可以较为准确地进行指纹识别。
附图说明
为了更清楚地说明本申请实施例或现有的技术方案,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申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的指纹识别方法的流程示意图;
图2为本申请实施例提供的采集到的指纹图像的示意图;
图3为本申请实施例提供的对指纹图像进行对比度增强的示意图;
图4为本申请实施例提供的对指纹图像进行图像降噪的示意图;
图5为本申请实施例提供的对指纹图像进行特征提取的示意图;
图6为本申请实施例提供的指纹识别方法的示意图;
图7为本申请实施例提供的指纹识别装置的结构示意图;
图8为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本申请的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通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,都属于本申请保护的范围。
以下结合附图,详细说明本申请中各实施例提供的技术方案。
实施例1
本实施例提供一种指纹识别方法,可以较为准确地进行指纹识别。假设执行主体可以指纹识别设备、或身份认证设备中的处理器。本实施例的具体流程示意图如图1所示,包括:
步骤102:获取通过非接触式图像采集设备采集到的指纹图像。
前文已经介绍,目前较为流行的指纹识别通常是按压式的,也即手指与指纹传感器接触,这就可能会由于按压力度、按压面积、按压角度、污渍、汗渍的不同影响指纹识别的准确性。所以本步骤,可以通过非接触式的图像采集设备,对指纹图像进行采集。
具体地,非接触式图像采集设备可以是光学摄像头,比如安装在手机上的前置或后置摄像头,安装在门禁上的监控摄像头等。用户可以将手指对准图像采集设备而不用接触,从而便于设备采集到指纹图像。比如当用户需要进行门禁认证时,可以将需要进行认证的手指摆放在门禁的摄像头前而无需接触。
在本步骤中,执行主体可以直接获取通过非接触式图像采集设备采集到并保存的指纹图像,也可以获取通过非接触式图像采集设备实时采集到的指纹图像。
通过非接触式图像采集设备,采集到的指纹由于避免了按压导致的指纹畸变,所以更加接近于真实的生物指纹。
在实际应用中,可能获取到的图像包含了其他的非指纹图像,比如采集到了人脸、背景等。所以为了能够较为准确地获取到指纹图像,在一种实施方式中,获取通过非接触式图像采集设备采集到的指纹图像,可以包括:获取通过非接触式图像采集设备采集到的图像;对该图像进行图像识别;基于图像识别结果,从采集到的图像中截取出包含指纹的指纹图像。
具体地,可以先获取通过非接触式图像采集设备采集到的图像,由于图像中可能包含有指纹,也可能不包含指纹,并且包含指纹的区域有可能较大,也有可能较小,所以便可以对该图像进行图像识别,得到识别结果,从而根据图像识别结果,确定其中是否包含有指纹,若是,则可以基于图像识别结果,从采集到的图像中截取出包含指纹的指纹图像。
这里的图像识别,可以是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术,是应用深度学习算法的一种实践应用。比如,可以对文字、图案等图像特征进行识别,也可以对人脸、指纹等生物特征进行识别。所以,为了能够较为准确地获取到包含指纹的指纹图像,便可以通过图像识别的方式,从获取到的图像中截取出指纹图像,从而在后续步骤中可以较为准确地进行指纹识别。
在实际应用中,即使通过非接触式图像采集装置采集到指纹图像,也有可能受到距离、角度等因素,影响指纹识别的准确性。所以为了能够进一步提高指纹识别的准确性,在一种实施方式中,获取通过非接触式图像采集设备采集到的指纹图像,可以包括:获取通过非接触式图像采集设备连续采集到的多张指纹图像。
具体地,可以通过非接触式图像采集设备,连续采集多张指纹图像,比如可以提示用户在空间上进行移动,或者在同一个空间位置时连续拍摄等。从而可以采集多张指纹图像。也可以结合上文介绍的图像识别,通过在多张原始图像中进行分别截取,得到多张指纹图像。
在本步骤中,通过图像采集设备采集到的指纹图像,可以是三原色光模式(RGBcolor model)的图像、或称RGB色彩模式的图像(下文简称RGB图像)。如图2所示,可以是采集到的RGB图像,可以看到,几乎没有按压后出现的畸变。
步骤104:对该指纹图像执行滤波和灰度处理,得到灰度图像。
在指纹识别中,通常是基于灰度图像进行特征提取,并根据特征提取结果进行识别和认证。所以在本步骤中,可以对前述步骤中采集到的指纹图像执行滤波和灰度处理。
具体地,图像滤波,可以是在尽量保留图像细节特征的条件下对图像的噪声进行抑制,其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。
在本步骤中,可以先进行中值滤波,中值滤波可以用测试像素周围邻域像素集中的中值代替原像素。中值滤波去除噪声时,效果较为明显。比如,可以图像拆分成若干个3×3的像素集合,那么在每个像素集合中,可以用最中间的像素块,代替周围的像素块。当然,在实际用中,还可以对图像执行均值滤波、高斯滤波等,比如可以在每个3×3的像素集合中,用像素的均值代替全部像素块。
在图像处理领域中,灰度(Gray scale)数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度。也即,可以将不同的RGB颜色,均通过特定的映射方式,映射到不同的灰度上,从而得到灰度图像。
步骤106:对该灰度图像进行对比度增强,得到对比度增强后的图像。
由于指纹中包括脊线和谷线,经过灰度处理后,能够体现出一定的脊、谷线的差别。在本步骤中,为了能够更加突出脊线和谷线的区别,可以对该灰度图像进行对比度增强(又称反差增强)的操作,从而使得对比度增强后的图像能够更加明显地体现出脊、谷线的差别。
具体地,对比度增强的算法可以有多种,比如可以包括自动色彩均衡算法(Automatic Color Equalization,ACE),还可以有自适应对比度增强算法(AdaptiveContrast Enhancement,ACE)、自适应直方图均衡化(Adaptive Histgram Equalization,AHE)、限制对比度自适应直方图均衡(Contrast Limited Adaptive histgramequalization,CLAHE)等。
进一步地,自动色彩均衡算法,考虑到图像中颜色和亮度的空间位置关系,进行局部特性的自适应滤波,实现具有局部和非线性特征的图像亮度与色彩调整和对比度调整,同时满足灰色世界理论假设和白色斑点假设。
自适应对比度增强算法,可以将一幅图像分成两个部分:一是低频部分,可以通过对图像进行滤波获得;二是高频部分,可以由原图减去低频部分得到。而算法的目标是增强代表细节的高频部分,即对高频部分进行增益,然后重组得到增强的图像。
在实际应用中,自适应对比度增强算法由于可以较好的区别分出指纹中的脊线和谷线,所以在一种实施方式中,对该灰度图像进行对比度增强,得到对比度增强后的图像,可以包括:利用自适应对比度增强算法,对该灰度图像进行对比度增强,得到对比度增强后的图像。
具体地,可以通过下述步骤进行对比度增强:
首先,获取低频的反锐化掩模部分,针对灰度图像而言,可以以像素为中心进行局部区域的均值滤波,得到比较平滑模糊的低频图像。
其次,可以通过将原始的灰度图像减去低频图像,从而获得图像的高频成分。
再次,可以使用对比度增益(CG)放大高频成分,并加入到低频图像中去。而对比度增益(CG)的计算,可以采用灰度平均值除于每个像素的局部方差获得。因此,在图像的边缘地带,局部方差比较大,CG比较小,起到了抑制的作用,在平滑的区域,局部方差比较小,CG较大,对CG的最大值做一定的限制,可以有效的抑制噪声。
经过自适应对比度增强算法处理后的图像,脊线信息可以被明显加深,而含有肤色信息的谷线信息可以被淡化,从而可以较明显的区分出脊线和谷线,进而可以在此后的特征提取中,较为准确地提取出指纹特征,所以这种方式非常适合于对指纹图像进行对比度增强处理。
如图3所示,为经过自适应对比度增强算法得到的指纹图像,可以明显看到,脊线和谷线比较明显。
在实际应用中,为了能够使指纹图像中的特征更加明显,还可以对图像进行降噪。所以在一种实施方式中,本方法还可以包括:对该对比度增强后的图像进行图像降噪,得到降噪后的图像。
图像降噪(Image Denoising),数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像降噪,有时候又称为图像去噪。
图像降噪有很多种,比如可以分别空域方法、频域方法、空域和频域方法、基于偏微分方程的方法,等。
具体地,空域和频域方法中,有一种三维块匹配滤波(Block-matching and3Dfiltering,BM3D),该算法通过相似判定找到与参考块相近的二维图像块,并将相似块按照组合成三维群组,对三维群组进行协同滤波处理,再将处理结果聚合到原图像块的位置。由于指纹图像中存在较多的相似图像区域,所以利用这种算法,可以更好的对指纹图像进行降噪。
所以,在一种实施方式中,对该对比度增强后的图像进行图像降噪,得到降噪后的图像,可以包括:利用三维块匹配算法,对该对比度增强后的图像进行图像降噪,得到降噪后的图像。
具体地,可以通过下述步骤实现降噪:
首先,可以进行图像的相似块估计。在参照块的周围区域内寻找若干个差异度最小的块,即使用欧式距离判断图像块之间的差异,小于一定的阈值就认为两个图像块相似,把这些相似块组合成一个三维矩阵。
其次,对每一个相似的三维图像组同一个位置的像素点构成的数组,进行DCT变换,可以将小于阈值的成分置0,然后进行逆变换。
再次,可以将这些图块逆变换后放回原位,利用非零成分数量统计叠加权重,最后将叠放后的图除以每个点的权重就得到基础估计的图像,此时图像的噪点得到了较大的去除。
如图4所示,为对图3,也即对增强对比度后的图像进行了BM3D降噪后图像,可以看出图像比较平滑,并且去除了较大的噪声。对于指纹图像而言,这种降噪方式是非常合适的。
步骤108:对该对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
经过前述步骤,得到了对比度增强后的指纹图像,那么本步骤则可以对该图像进行指纹特征提取,并基于提取结果进行指纹识别。具体的,则可以是提取指纹中脊线与谷线的排布特征等。
在前文已经介绍,可以对图像进行降噪,那么为了能够更加准确地提取出指纹特征,在一种实施方式中,对该对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别,可以包括:对该降噪后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
如图5所示,为对降噪后的图像进行指纹特征提取的示意图,在该示意图中,则可以包括脊线与谷线的排布特征等。
根据前述介绍,可以获取通过非接触式图像采集设备连续采集到的多张指纹图像,那么在本步骤中,为了能够较为准确地进行指纹识别,在一种实施方式中,基于提取结果进行指纹识别,可以包括:基于多个提取结果进行指纹识别。
具体地,可以分别对每张获取到的指纹图像执行上述步骤中的滤波、灰度、对比度增强、以及降噪处理,并进行指纹特征提取,从而得到每张指纹图像分别对应的多组提取结果。
在进行指纹识别时,根据基于不同的识别策略,可以同时利用多组结果进行识别,根据识别成功的概率确定本次识别结果;或者只要有一组识别成功,则可以确定为识别成功,等。
如图6所示,为指纹识别方法的示意图。开始后,可以先获取到RGB图像,此后可以对图像进行滤波处理、和灰度处理,然后可以进行ACE对比度增强,以及BM3D图像降噪,最终可以对降噪后的图像进行特征提取,并基于提取结果进行指纹识别。
由以上实施例提供的方法可见,可以先获取到通过非接触式图像采集设备采集到的指纹图像,此后基于该指纹图像,可以进行滤波和灰度处理,再对灰度图像进行对比度增强处理,从而根据对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
也即,可以通过非接触式图像采集设备,采集近似于无畸变的指纹图像,并通过滤波、灰度、对比度增强等图像处理方式,提高指纹中脊线和谷线的对比度,从而可以较为准确地进行指纹识别。
在实际的场景中,可以应用在门禁认证中,比如可以在门禁设备上安装摄像头,当需要进行指纹识别的,用户可以将手指抬起至与摄像头有一定距离的空间位置上,使摄像头可以采集指纹图像,从而进行指纹识别、并实现门禁认证。当然在实际应用中,完全可以同时识别五个手指的指纹图像,利用五个手指进行指纹识别和认证。
实施例2
基于相同的构思,本申请实施例2提供了一种指纹识别装置,可以较为准确地进行指纹识别。该装置的结构示意图如图7所示,包括:图像获取单元202、图像处理单元204、以及指纹识别单元206,其中,
图像获取单元202,可以用于获取通过非接触式图像采集设备采集到的指纹图像;
图像处理单元204,可以用于对指纹图像执行滤波和灰度处理,得到灰度图像;
图像处理单元204,可以用于对灰度图像进行对比度增强,得到对比度增强后的图像;
指纹识别单元206,可以用于对对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
在一种实施方式中,图像处理单元204,还可以用于:对对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别之前,
对对比度增强后的图像进行图像降噪,得到降噪后的图像;
指纹识别单元206,可以用于:
对降噪后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
在一种实施方式中,图像处理单元204,可以用于:
利用自适应对比度增强算法,对灰度图像进行对比度增强,得到对比度增强后的图像。
在一种实施方式中,图像处理单元204,可以用于:
利用三维块匹配算法,对对比度增强后的图像进行图像降噪,得到降噪后的图像。
在一种实施方式中,图像获取单元202,可以用于:
获取通过非接触式图像采集设备采集到的图像;
对图像进行图像识别;
基于图像识别结果,从采集到的图像中截取出包含指纹的指纹图像。
在一种实施方式中,图像获取单元202,可以用于:
获取通过非接触式图像采集设备连续采集到的多张指纹图像;
基于提取结果进行指纹识别,包括:
基于多个提取结果进行指纹识别。
由以上实施例提供的方法可见,可以先获取到通过非接触式图像采集设备采集到的指纹图像,此后基于该指纹图像,可以进行滤波和灰度处理,再对灰度图像进行对比度增强处理,从而根据对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
也即,可以通过非接触式图像采集设备,采集近似于无畸变的指纹图像,并通过滤波、灰度、对比度增强等图像处理方式,提高指纹中脊线和谷线的对比度,从而可以较为准确地进行指纹识别。
图8是本申请的一个实施例电子设备的结构示意图。在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成指纹识别装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取通过非接触式图像采集设备采集到的指纹图像;
对所述指纹图像执行滤波和灰度处理,得到灰度图像;
对所述灰度图像进行对比度增强,得到对比度增强后的图像;
对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
上述如本申请图7所示实施例提供的指纹识别装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图7所示实施例提供的指纹识别装置在图8所示实施例的功能,本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图7所示实施例中指纹识别装置执行的方法,并具体用于执行:
获取通过非接触式图像采集设备采集到的指纹图像;
对所述指纹图像执行滤波和灰度处理,得到灰度图像;
对所述灰度图像进行对比度增强,得到对比度增强后的图像;
对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种指纹识别方法,其特征在于,包括:
获取通过非接触式图像采集设备采集到的指纹图像;
对所述指纹图像执行滤波和灰度处理,得到灰度图像;
对所述灰度图像进行对比度增强,得到对比度增强后的图像;
对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
2.如权利要求1所述的方法,其特征在于,对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别之前,所述方法还包括:
对所述对比度增强后的图像进行图像降噪,得到降噪后的图像;
对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别,包括:
对所述降噪后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
3.如权利要求1所述的方法,其特征在于,对所述灰度图像进行对比度增强,得到对比度增强后的图像,包括:
利用自适应对比度增强算法,对所述灰度图像进行对比度增强,得到对比度增强后的图像。
4.如权利要求2所述的方法,其特征在于,对所述对比度增强后的图像进行图像降噪,得到降噪后的图像,包括:
利用三维块匹配算法,对所述对比度增强后的图像进行图像降噪,得到降噪后的图像。
5.如权利要求1所述的方法,其特征在于,获取通过非接触式图像采集设备采集到的指纹图像,包括:
获取通过非接触式图像采集设备采集到的图像;
对所述图像进行图像识别;
基于图像识别结果,从所述采集到的图像中截取出包含指纹的指纹图像。
6.如权利要求1所述的方法,其特征在于,获取通过非接触式图像采集设备采集到的指纹图像,包括:
获取通过非接触式图像采集设备连续采集到的多张指纹图像;
基于提取结果进行指纹识别,包括:
基于多个提取结果进行指纹识别。
7.一种指纹识别装置,其特征在于,包括:图像获取单元、图像处理单元、以及指纹识别单元,其中,
所述图像获取单元,用于获取通过非接触式图像采集设备采集到的指纹图像;
所述图像处理单元,用于对所述指纹图像执行滤波和灰度处理,得到灰度图像;
所述图像处理单元,用于对所述灰度图像进行对比度增强,得到对比度增强后的图像;
所述指纹识别单元,用于对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
8.如权利要求7所述的装置,其特征在于,所述图像处理单元,还用于:对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别之前,
对所述对比度增强后的图像进行图像降噪,得到降噪后的图像;
所述指纹识别单元,用于:
对所述降噪后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
9.一种电子设备,包括:
处理器;以及
被设置成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
获取通过非接触式图像采集设备采集到的指纹图像;
对所述指纹图像执行滤波和灰度处理,得到灰度图像;
对所述灰度图像进行对比度增强,得到对比度增强后的图像;
对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
10.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
获取通过非接触式图像采集设备采集到的指纹图像;
对所述指纹图像执行滤波和灰度处理,得到灰度图像;
对所述灰度图像进行对比度增强,得到对比度增强后的图像;
对所述对比度增强后的图像进行指纹特征提取,并基于提取结果进行指纹识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010716973.0A CN111898512A (zh) | 2020-07-23 | 2020-07-23 | 一种指纹识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010716973.0A CN111898512A (zh) | 2020-07-23 | 2020-07-23 | 一种指纹识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111898512A true CN111898512A (zh) | 2020-11-06 |
Family
ID=73190537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010716973.0A Pending CN111898512A (zh) | 2020-07-23 | 2020-07-23 | 一种指纹识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898512A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329726A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 一种基于一维滤波的指纹图像增强方法 |
CN105788048A (zh) * | 2016-04-13 | 2016-07-20 | 时建华 | 通过指纹进行识别的电子锁*** |
CN109544474A (zh) * | 2018-11-16 | 2019-03-29 | 四川长虹电器股份有限公司 | 一种基于相位拉伸变换的指纹图像增强方法 |
CN110728201A (zh) * | 2019-09-20 | 2020-01-24 | 南京元初科技有限公司 | 用于指纹识别的图像处理方法及装置 |
-
2020
- 2020-07-23 CN CN202010716973.0A patent/CN111898512A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329726A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 一种基于一维滤波的指纹图像增强方法 |
CN105788048A (zh) * | 2016-04-13 | 2016-07-20 | 时建华 | 通过指纹进行识别的电子锁*** |
CN109544474A (zh) * | 2018-11-16 | 2019-03-29 | 四川长虹电器股份有限公司 | 一种基于相位拉伸变换的指纹图像增强方法 |
CN110728201A (zh) * | 2019-09-20 | 2020-01-24 | 南京元初科技有限公司 | 用于指纹识别的图像处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2018256555B2 (en) | Image and feature quality, image enhancement and feature extraction for ocular-vascular and facial recognition, and fusing ocular-vascular with facial and/or sub-facial information for biometric systems | |
Priesnitz et al. | An overview of touchless 2D fingerprint recognition | |
US8325993B2 (en) | Standoff and mobile fingerprint collection | |
CN109064504B (zh) | 图像处理方法、装置和计算机存储介质 | |
CN112037287B (zh) | 相机标定方法、电子设备及存储介质 | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN107256543B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111368661A (zh) | 一种基于图像处理的手指静脉图像增强方法 | |
CN111814682A (zh) | 人脸活体检测方法及装置 | |
Asmuni et al. | An improved multiscale retinex algorithm for motion-blurred iris images to minimize the intra-individual variations | |
CN111291709B (zh) | 一种基于图像处理的手指静脉图像质量评价方法 | |
Donida Labati et al. | A scheme for fingerphoto recognition in smartphones | |
CN117496560A (zh) | 一种基于多维向量的指纹纹线识别方法及装置 | |
Wang et al. | Novel algorithm for enhancement of hand vein images based on adaptive filtering and retinex method | |
CN116109695A (zh) | 质心定位方法及相关设备 | |
CN111898512A (zh) | 一种指纹识别方法及装置 | |
CN116205802A (zh) | 图像去噪方法、装置、存储介质及电子设备 | |
Khalil et al. | Authentication of fingerprint biometrics acquired using a cellphone camera: a review | |
Srikrishna et al. | Realization of Human Eye Pupil Detection System using Canny Edge Detector and Circular Hough Transform Technique | |
Misra et al. | A study report on finger print image enhancement methods | |
Yusoff et al. | Palm-dorsa vein image enhancement algorithm using webcam for biometric system | |
Naidu et al. | Efficient case study for image edge gradient based detectors-sobel, robert cross, prewitt and canny | |
Kotha et al. | Performance comparison of image enhancement algorithms evaluated on poor quality images | |
CN118070259A (zh) | 基于人眼识别的身份登录认证方法及***、设备、介质 | |
CN118365627A (zh) | 一种头顶发缝图像分析方法和装置 |
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 |