CN113918908A - 用于指纹验证的方法和设备 - Google Patents

用于指纹验证的方法和设备 Download PDF

Info

Publication number
CN113918908A
CN113918908A CN202110011244.XA CN202110011244A CN113918908A CN 113918908 A CN113918908 A CN 113918908A CN 202110011244 A CN202110011244 A CN 202110011244A CN 113918908 A CN113918908 A CN 113918908A
Authority
CN
China
Prior art keywords
fingerprint
fingerprint image
image
inquiry
processed
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
CN202110011244.XA
Other languages
English (en)
Inventor
黄棹夏
徐成住
申淏根
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics 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
Priority claimed from KR1020200117660A external-priority patent/KR20220005960A/ko
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN113918908A publication Critical patent/CN113918908A/zh
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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Collating Specific Patterns (AREA)

Abstract

公开了一种用于指纹验证的方法和设备。所述方法包括：通过指纹传感器获得查询指纹图像；通过对获得的查询指纹图像执行图像处理来获得处理指纹图像；通过混合查询指纹图像和处理指纹图像来获得混合指纹图像；和基于混合指纹图像和注册指纹图像执行指纹验证。

Description

用于指纹验证的方法和设备
本申请要求于2020年7月7日在韩国知识产权局提交的第10-2020-0083227号韩国专利申请和2020年9月14日在韩国知识产权局提交的第10-2020-0117660号韩国专利申请的权益，全部韩国专利申请的全部公开出于所有目的通过引用包含于此。
技术领域
下面的描述涉及具有指纹验证的技术。
背景技术
生物特征识别已被用于安全验证，以通过使用用户的指纹、虹膜、面部特征、血管或其它生物特性来验证用户。由于在这样的验证中使用的潜在生物特性在用户的生命周期内很少会改变，因此它们意在对于每个用户唯一。这样的生物特性也造成盗窃或模仿的低风险，通常提供可靠的安全验证。
发明内容
提供本发明内容来以简化的形式介绍在以下具体实施方式中进一步描述的构思的选择。本发明内容不意在确定要求权利的主题的关键特征或必要特征，也不意在用于帮助确定要求权利的主题的范围。
在一个总体方面，一种处理器实现的方法包括：通过指纹传感器获得查询指纹图像；通过对获得的查询指纹图像执行图像处理来获得处理指纹图像；通过混合查询指纹图像和处理指纹图像来获得混合指纹图像；和基于混合指纹图像和注册指纹图像执行指纹验证。
执行图像处理的步骤可包括：使用注册指纹图像的指纹特征的频率特性对查询指纹图像执行滤波，其中，可基于注册指纹图像中的指纹图案中的间隔来确定注册指纹图像的指纹特征的频率特性。
执行图像处理的步骤可包括：使用查询指纹图像的指纹特征的频率特性对查询指纹图像执行滤波，其中，可基于查询指纹图像中的指纹图案中的间隔来确定查询指纹图像的指纹特征的频率特性。
执行图像处理的步骤可包括：测量查询指纹图像的图像质量；和响应于将测量的图像质量确定为不满足要求，使用注册指纹图像的指纹特征的频率特性对查询指纹图像执行滤波。
执行图像处理的步骤还可包括：响应于将测量的图像质量确定为满足要求，使用查询指纹图像的指纹特征的频率特性对查询指纹图像执行滤波。
执行图像处理的步骤可包括：通过对查询指纹图像执行滤波来生成比查询指纹图像具有少的噪声的处理指纹图像。
获得混合指纹图像的步骤可包括：确定查询指纹图像与处理指纹图像之间的混合比；和通过基于确定的混合比混合查询指纹图像和处理指纹图像来生成混合指纹图像。
确定混合比的步骤可包括：基于查询指纹图像的图像质量、查询指纹图像中的指纹图案中的间隔或查询指纹图像中检测的指纹特征点的总数量中的至少一个来确定混合比。
获得混合指纹图像的步骤可包括：通过基于第一混合比混合查询指纹图像和处理指纹图像来生成第一混合指纹图像；和通过基于不同的第二混合比混合查询指纹图像和处理指纹图像来生成第二混合指纹图像。
执行指纹验证的步骤可包括：确定第一混合指纹图像与注册指纹图像之间的匹配关系；和基于确定的第二混合指纹图像与注册指纹图像之间的根据确定的匹配关系的相似度来确定指纹验证的结果。
可基于查询指纹图像的图像质量和查询指纹图像中的指纹图案中的间隔来确定第一混合比，并且可基于查询指纹图像的图像质量和查询指纹图像中的指纹特征点的总数量来确定第二混合比。
执行指纹验证的步骤可包括：确定混合指纹图像与注册指纹图像之间的匹配关系；基于确定的匹配关系来确定混合指纹图像与注册指纹图像之间的相似度；和基于确定的相似度来确定指纹验证的结果。
所述方法还可包括：响应于指纹验证的成功结果，针对设备的用户访问解锁所述设备，或者实施用户验证的支付处理，其中，所述设备可执行所述处理器实现的方法。
获得查询指纹图像的步骤还可包括：使用指纹传感器拍摄与显示器的表面相对的手指的图像信息。
在一个总体方面，实施例包括一种存储指令的非暂时性计算机可读存储介质，所述指令在被一个或多个处理器执行时，使得所述一个或多个处理器执行在此公开的一个或多个或所有操作和方法。
在一个总体方面，一种设备包括：一个或多个处理器，被配置为：对查询指纹图像执行图像处理以获得处理指纹图像；混合查询指纹图像和处理指纹图像以获得混合指纹图像；和基于混合指纹图像和注册指纹图像执行指纹验证。
所述设备还可包括：指纹传感器，被配置为拍摄查询指纹图像。
所述设备还可包括：显示器，其中，所述一个或多个处理器还可被配置为：响应于指纹验证的成功结果，针对作为用户终端的所述设备的用户访问实施所述设备的解锁，或者实施用户终端的用户验证的支付处理。
所述设备可以是移动装置，并且指纹传感器可被配置为拍摄与移动装置的表面相对的手指的图像信息。
为了执行图像处理，所述一个或多个处理器可被配置为：使用注册指纹图像的指纹特征的频率特性对查询指纹图像执行滤波，其中，可基于注册指纹图像中的指纹图案中的间隔来确定注册指纹图像的指纹特征的频率特性。
为了执行图像处理，所述一个或多个处理器可被配置为：使用查询指纹图像的指纹特征的频率特性对查询指纹图像执行滤波，其中，可基于查询指纹图像中的指纹图案中的间隔来确定查询指纹图像的指纹特征的频率特性。
为了混合查询指纹图像和处理指纹图像，所述一个或多个处理器可被配置为：确定查询指纹图像与处理指纹图像之间的混合比；和通过基于确定的混合比混合查询指纹图像和处理指纹图像来生成混合指纹图像。
所述一个或多个处理器还可被配置为：通过基于第一混合比实施查询指纹图像和处理指纹图像的混合以生成第一混合指纹图像，并且通过基于不同的第二混合比实施查询指纹图像和处理指纹图像的另一混合以生成第二混合指纹图像，来获得混合指纹图像。
为了执行指纹验证，所述一个或多个处理器可被配置为：确定第一混合指纹图像与注册指纹图像之间的匹配关系；和基于第二混合指纹图像与注册指纹图像之间的根据确定的匹配关系的相似度来确定指纹验证的结果。
在一个总体方面，一种用户终端包括：指纹传感器，被配置为获得查询指纹图像；显示器；和一个或多个处理器，被配置为：对查询指纹图像执行图像处理以获得处理指纹图像；组合查询指纹图像和处理指纹图像以获得组合指纹图像；和基于组合指纹图像和注册指纹图像执行指纹验证。
指纹传感器可设置在所述用户终端内部，并且被配置为通过感测与显示器接触的用户的查询指纹来获得查询指纹图像。
所述用户终端可以是移动装置，并且所述一个或多个处理器还可被配置为：基于执行的指纹验证的结果，选择性地允许用户访问或使用移动装置的一个或多个功能。
从下面的具体实施方式、附图以及权利要求，其它特征和方面将是清楚的。
附图说明
图1是示出示例指纹验证的示图。
图2是示出示例指纹验证的流程图。
图3至图5是示出示例指纹验证的流程图。
图6是示出基于查询指纹图像的频率特性的自适应频率滤波的示例的示图。
图7A是示出生成组合指纹图像的示例的示图。
图7B是示出以不同的组合比生成组合指纹图像的示例的示图。
图8和图9是示出确定组合指纹图像与注册指纹图像之间的相似度的示例的示图。
图10是示出示例指纹验证设备的示图。
图11是示出示例电子设备的示图。
贯穿附图和具体实施方式，相同的参考标号将表示相同的元件。附图可不按比例，并且为了清楚、说明和方便，附图中的元件的相对尺寸、比例和描绘可被夸大。
具体实施方式
提供下面的具体实施方式以帮助读者获得对在此描述的方法、设备和/或***的全面理解。然而，在理解本申请的公开之后，在此描述的方法、设备和/或***的各种改变、修改和等同物将是清楚的。例如，在此描述的操作的顺序仅是示例，并且不限于在此阐述的那些顺序，而是除了必须以特定的顺序发生的操作之外，可如在理解本申请的公开之后将是清楚的那样被改变。此外，为了更加清楚和简明，可省略在理解本公开之后已知的特征的描述。
在此描述的特征可以以不同的形式来实现，而不应被解释为限于在此描述的示例。相反，在此描述的示例已被提供，以仅示出在理解本申请的公开之后将是清楚的实现在此描述的方法、设备和/或***的许多可行方式中的一些可行方式。
在此使用的术语仅用于描述特定实施例的目的，而不意在限制公开。如在此使用的，除非上下文另外清楚地指示，否则单数形式也意在包括复数形式。如在此使用的，术语“和/或”包括相关联的所列项中的任何一个和任何两个或更多个的任何组合。如在此使用的，术语“包括”、“包含”和“具有”说明存在叙述的特征、数量、操作、元件、组件和/或它们的组合，但不排除存在或添加一个或多个其它特征、数量、操作、元件、组件和/或它们的组合。在此针对示例或实施例的术语“可”的使用(例如，关于示例或实施例可包括或实现什么)表示存在包括或实现这样的特征的至少一个示例或实施例，而所有示例不限于此。
另外，诸如第一、第二、A、B、(a)、(b)等的术语在此可用于描述组件。这些术语中的每个不用于限定对应的组件的本质、顺序或序列，而仅用于将对应的组件与一个或多个其它组件区分开。
贯穿说明书，当诸如层、区域或基底的元件被描述为“在”另一元件“上”、“连接到”或“结合到”另一元件时，所述元件可直接“在”所述另一元件“上”、“连接到”或“结合到”所述另一元件，或者可存在介于它们之间的一个或多个其它元件。相反，当元件被描述为“直接在”另一元件“上”、“直接连接到”或“直接结合到”另一元件时，可不存在介于它们之间的其它元件。同样地，例如“在……之间”和“紧接在……之间”以及“与……邻近”和“与……紧邻”的表述也可如前面的描述的那样来解释。
除非另有定义，否则在此使用的所有术语(包括技术术语或科学术语)具有与本公开所属领域的普通技术人员通常理解和在理解本公开之后的含义相同的含义。除非在此明确地如此定义，否则术语(诸如，在通用词典中定义的术语)应被解释为具有与它们在相关领域中的上下文和本公开中的含义一致的含义，并且将不被解释为理想化或过于形式化的含义。
此外，在示例实施例的描述中，当认为在理解本申请的公开之后由此得知的结构或功能的详细描述将导致对示例实施例的模糊解释时，将省略这样的描述。将参照附图详细描述示例，并且附图中的相同的参考标号始终表示相同的元件。
图1是示出示例指纹验证的示图。
指纹验证表示基于生物特征的验证方法，该验证方法用于确定用户是否是有效用户以及例如具有用户登录、支付服务、金融服务和利用这样的用户验证的访问控制的应用或装置或用户登录、支付服务、金融服务和利用这样的用户验证的访问控制的应用或装置。参照图1，这样的验证的指纹验证设备被包括在电子设备100中或由电子设备100表示。电子设备100表示各种类型的产品(诸如，全部作为非限制性示例，以智能电话、可穿戴装置、平板个人计算机(平板)、台式计算机、膝上型计算机、上网本、个人数字助理(PDA)、机顶盒、家用电器、基于生物特征的门锁、安全装置、智能车辆以及其它消费者电子/信息技术(CE/IT)装置或与在此公开的装置一致的能够进行无线通信或网络通信的任何其它装置为例)。
电子设备100可通过指纹传感器115感测或获得指纹图像120，注意指纹传感器115的位置或定位不限于图1中示出的位置或定位。指纹图像120可包括指纹图案，该指纹图案包括指纹中的脊和谷。电子设备100可分析指纹图像120中的指纹图案，并且确定尝试访问电子设备100的用户是否是有效用户。例如，当用户输入用户的指纹以取消电子设备100的锁定状态时，电子设备100可基于例如通过指纹传感器115获得的指纹图像120和存储在注册指纹数据库(DB)130中的注册指纹图像142、144和146来确定是否取消电子设备100的锁定状态。由用户输入的用于指纹验证的指纹图像120在此也可被称为查询指纹图像或输入指纹图像。注册指纹DB 130可在其中存储一个或多个手指的注册指纹图像142、144和146或与注册指纹图像142、144和146相关的特征信息(例如，指纹图案的频率信息)。作为非限制性示例，图1示出注册指纹DB 130是电子设备100的存储器，并且是与电子设备100分开的存储器。
有效用户可在指纹注册处理中预先在电子设备100中注册有效用户的指纹信息，并且电子设备100可将由有效用户注册的指纹信息存储在例如注册指纹DB 130或云存储介质中。在指纹注册处理中，用户可注册多个指纹图像(例如，如所示的指纹图像142、144和146)，并且注册指纹信息可以以例如注册指纹图像的形式被存储。
指纹传感器115可作为单独并独立的传感器存在，或者嵌入在电子设备100的按钮中。如图1中所示，指纹传感器115可设置在电子设备100内部。例如，指纹传感器115可设置在电子设备100的显示器110的示出的下部中。
例如，在指纹传感器115设置在电子设备100中的示例中，用户可用他/她的手指触摸显示器110以输入用户的指纹，并且显示器110中或下方的指纹传感器115可感测与显示器110接触的用户的指纹以获得指纹图像120。在该示例中，用户可仅通过触摸显示器110来输入指纹(例如，而不需要找到单独的传感器或按钮来输入指纹)，注意示例不限于此。因此，这可非常方便。随着指纹通过显示器110而被感测，低质量指纹图像可通过指纹传感器115而被获得。
低质量指纹图像可导致错误接受或拒绝，因此可有助于降低指纹验证中的准确度或识别率。可在通过指纹传感器115获得指纹图像120之后执行可提高指纹图像120中的指纹图案的验证质量的图像处理。通过图像处理，指纹图像120中的指纹图案可变得更清楚且更可辨识，因此指纹验证的性能可被提高。当指纹图像120具有不容易被辨识的指纹图案时，在用于从指纹图像120去除噪声的图像处理被执行之后或者在图像处理期间，指纹图案的细节元素(detailed element)可被去除，因此指纹图案可变得更不可辨识或对验证不太有用。另外，当指纹图像120中的指纹图案内的间隔宽时，可在对指纹图像120应用低频滤波器的图像处理期间去除指纹图案的细节元素。
一个或多个实施例展示技术方法，技术方法因此可改进先前的技术方法，即使当指纹图像的图像质量低时，也帮助或努力保持指纹验证中的高或较高水平的准确度，因此提高指纹验证的性能。
图2是示出示例指纹验证的流程图。
在指纹验证处理中，指纹验证设备可通过执行可改善查询指纹图像中的指纹图案的图像处理来获得处理指纹图像，并且通过组合(混合)(在图像处理之前的)查询指纹图像和(在图像处理之后的)处理指纹图像来生成组合(混合)指纹图像。指纹设备可以是图1的电子设备100或在此讨论的指纹验证或电子设备的任何其它或组合。在一个示例中，生成的组合指纹图像可包括可在图像处理中以其它方式已经被破坏的指纹图案的细节元素。例如，即使图像处理在组合指纹图像的生成之前被执行，组合指纹中的指纹图案仍可包括这样的细节元素。指纹验证设备可基于组合指纹图像执行指纹验证，因此与先前的方法相比，在不降低指纹验证的速度的情况下提高了指纹验证的准确度。
进一步参照图2，在操作210中，指纹验证设备接收(例如，拍摄、被提供或获得)作为指纹验证的目标的查询指纹图像。
在操作220中，指纹验证设备对查询指纹图像执行图像处理，以改善查询指纹图像的指纹图案。图像处理可包含尝试减少包括在查询指纹图像中的噪声并使指纹图案更清晰或更明确的图像处理操作。例如，图像处理可包括将改变频带的带通滤波器应用于查询指纹图像以及将定向滤波器应用于查询指纹图像。通过图像处理，处理指纹图像可被获得。
指纹验证设备可测量查询指纹图像的图像质量，从查询指纹图像提取中心频带，并且确定提取的中心频带的置信度(confidence)。中心频带可通过对查询指纹图像执行的傅里叶变换而被提取。指纹验证设备可基于确定的置信度来确定是否基于存储在注册指纹DB 230中的注册指纹图像的指纹特征的频率特性来执行图像处理。置信度可依据查询指纹图像的图像质量。因此，当查询指纹图像的图像质量降低时，置信度可减小。
当查询指纹图像的图像质量被确定为大于或等于参考值时，或者当从查询指纹图像提取的中心频带的置信度被确定为大于或等于参考值时，指纹验证设备可基于查询指纹图像的指纹特征的频率特性来执行图像处理。在该示例中，指纹验证设备可基于查询指纹图像的指纹特征的频率特性(例如，中心频带)将滤波器应用于查询指纹图像。例如，由指纹特征指示或展示的频率特性可基于在频域中的每半径幅值直方图(per-radius magnitudehistogram)中指示或展示的锐度而被确定，每半径幅值直方图通过经由傅里叶变换将查询指纹图像变换到频域中而被获得。当幅值在每半径幅度直方图中被广泛分布时，指纹图案的频带的置信度可减小。当幅值在每半径幅值直方图中被狭窄分布时，指纹图案的频带的置信度可增大。
当测量的查询指纹图像的图像质量被确定为小于参考值时，或者当从查询指纹图像提取的中心频带的置信度被确定为小于参考值时，指纹验证设备可基于注册指纹图像的指纹特征的频率特性(例如，中心频带)来执行图像处理。在该示例中，指纹验证设备可基于注册指纹图像的指纹特征的频率特性将滤波器应用于查询指纹图像。注册指纹图像的指纹特征的频率特性可以是由指纹的脊和谷的指纹图案指示或展示的频率信息，并且可基于脊之间或谷之间的间隔而被确定。例如，当脊密集布置时，这样的密集布置可指示或展示高频特性。当脊稀疏布置时，这样的稀疏布置可指示或展示低频特性。指纹验证设备可基于由注册指纹图像的指纹图案指示或展示的频率特性对查询指纹图像执行滤波。
注册指纹图像可被获得为高质量图像，因此注册指纹图像中的指纹图案的频率特性可比查询指纹图像中的指纹图案的频率特性更可取。当查询指纹图像的图像质量被确定为小于参考值时，指纹验证设备可使用注册指纹图像的频率特性来执行被确定为更适合于这样的低质量查询指纹图像的图像处理。因此，可提高指纹验证的性能。也就是说，对于可能无法容易地验证频率特性的这样的低质量查询指纹图像，可通过使用注册指纹图像的频率特性执行滤波来执行有效地图像处理。
在操作240中，指纹验证设备从通过图像处理获得的处理指纹图像提取特征。例如，指纹验证设备可确定处理指纹图像中的指纹特征点(例如，细节点(minutiae))的数量。
在操作250中，指纹验证设备通过组合(例如，混合)查询指纹图像和处理指纹图像来生成组合指纹图像。通过这样的指纹图像的组合，可在不损失时间的情况下恢复在图像处理期间可能已经被去除或减少的高频分量。
可动态地调整查询指纹图像和处理指纹图像的组合的条件。例如，查询指纹图像与处理指纹图像之间的组合(混合)比可被确定为根据查询指纹图像中的指纹图案的确定的状态而动态地变化。例如，组合比可基于确定的查询指纹图像的图像质量、确定的指纹图案中的间隔(例如，脊之间的间隔或谷之间的间隔)、确定的指纹图案的频率特性、确定的指纹特征点的数量或其任何组合而被确定。
在将指纹图案中的间隔确定为宽并且基于指纹图案的频率特性使用低通滤波器选择将对查询指纹图像执行滤波的示例中，尽管指纹图案的整体形式可被很好地保持，但是与高频带对应的指纹图案的细节元素可被极大地减少。然而，通过以上描述的指纹图像的组合，减少的细节元素可通过该组合而被恢复。另外，在查询指纹图像中的指纹特征点的数量被确定为低的示例中，指纹图案可较不可辨识，因此错误接受的概率可增加。然而，通过以上描述的指纹图像的组合，可提高指纹图案的可辨识度并减小错误接受的概率。
将被在指纹图像对准的操作260中使用的组合指纹图像和将被在指纹匹配的操作270中使用的组合指纹图像可彼此不同。例如，以第一组合比生成的第一组合指纹图像可在指纹图像对准中被使用，以与第一组合比不同的第二组合比生成的第二组合指纹图像可在指纹匹配中被使用。如上所述，查询指纹图像和处理指纹图像的组合可基于各种实施例实施方式的目的而被动态地执行。
在操作260中，指纹验证设备执行组合指纹图像与存储在注册指纹DB230中的注册指纹图像之间的指纹图像对准。指纹图像对准可包括通过确定旋转信息和平移信息来确定对应的组合指纹图像与注册指纹图像之间的匹配区域。匹配区域可以是组合指纹图像和注册指纹图像中的对应或匹配的指纹区域，对应或匹配的指纹区域是被估计为在它们之间具有相同或相似的指纹图案的区域。
在操作270中，指纹验证设备基于指纹图像对准的结果执行对应的组合指纹图像与注册指纹图像之间的指纹匹配。指纹验证设备可计算组合指纹图像与注册指纹图像之间的匹配区域中的指纹图案的相似度。指纹验证设备可使用通过对组合指纹图像和注册指纹图像进行快速傅里叶变换(FFT)得出的特征值作为相似度。例如，指纹验证设备可通过基于图像频率信息的匹配方法(诸如，以傅里叶梅林方法为例)来计算相似度。除了傅里叶梅林方法之外，各种替代方法可被使用以确定指纹图案中的相似度。例如，相似度可基于从指纹图案提取的特征点的分布或形式而被确定。
在操作280中，指纹验证设备基于指纹匹配的结果来确定指纹验证的结果。指纹验证设备可基于匹配区域中的相似度来确定指纹验证是否成功。例如，当相似度满足指纹验证的要求时(例如，当相似度大于或等于阈值时)，指纹验证设备可确定指纹验证成功。当相似度不满足指纹验证的要求时(例如，当相似度小于阈值时)，指纹验证设备可确定指纹验证不成功。
图3至图5是示出示例指纹验证的流程图。
参照图3，在操作310中，指纹验证设备通过指纹传感器获得查询指纹图像。指纹传感器可被包括在指纹验证设备中，或者存在于指纹验证设备外部。指纹设备可以是图1的电子设备100或在此讨论的指纹验证或电子设备的任何其它或组合。
在操作320中，指纹验证设备通过对获得的查询指纹图像执行图像处理来获得处理指纹图像。例如，指纹验证设备可通过对查询指纹图像执行滤波来生成具有比查询指纹图像少的噪声的处理指纹图像。
在一个示例中，指纹验证设备可使用确定的注册指纹图像的指纹特征的频率特性对查询指纹图像执行滤波。注册指纹图像的指纹特征的频率特性可基于注册指纹图像中的指纹图案中的间隔而被确定或获得。例如，当指纹的脊之间的间隔小时，这样的小间隔可指示或展示中心频带的高频特性。当脊之间的间隔大时，这样的大间隔可指示或展示中心频带的低频特性。因此，指纹验证设备可基于确定的注册指纹图像中的指纹图案的中心频带来对查询指纹图像执行滤波。
在另一示例中，指纹验证设备可使用确定的查询指纹图像的指纹特征的频率特性对查询指纹图像执行滤波。查询指纹图像的指纹特征的频率特性可基于查询指纹图像中的指纹图案中的间隔而被确定。指纹验证设备可基于确定的查询指纹图像中的指纹图案的中心频带来对查询指纹图像执行滤波。
在又一示例中，滤波可根据确定的查询指纹图像的状态而变化。例如，参照图4，在操作410中，指纹验证设备提取查询指纹图像的特征。例如，指纹验证设备可提取查询指纹图像中的指纹图案的频率特性，或者测量查询指纹图像的图像质量。在操作420中，指纹验证设备确定提取的特征是否满足要求。例如，当测量的查询指纹图像的图像质量大于阈值时，指纹验证设备可确定提取的特征满足要求。然而，当测量的查询指纹图像的图像质量小于或等于阈值时，指纹验证设备可确定提取的特征不满足要求。
在操作430中，当提取的特征满足要求时，指纹验证设备通过使用查询指纹图像的指纹特征的频率特性对查询指纹图像执行滤波来获得处理指纹图像。在操作440中，当提取的特征不满足要求时，指纹验证设备通过使用注册指纹图像的指纹特征的频率特性对查询指纹图像执行滤波来获得处理指纹图像。这里，当测量的查询指纹图像的图像质量小于阈值且查询指纹图像的图像质量因此被确定为相对低时，指纹验证设备可基于注册指纹图像的频率特性对查询指纹图像执行滤波。如上所述，可基于注册指纹图像的频率特性对低质量的查询指纹图像有效地执行自适应频率滤波。
返回参照图3，在操作330中，指纹验证设备通过组合查询指纹图像和处理指纹图像来获得组合指纹图像。在一个示例中，指纹验证设备可通过确定查询指纹图像与处理指纹图像之间的组合比并基于确定的组合比组合查询指纹图像和处理指纹图像来生成组合指纹图像。例如，指纹验证设备可基于确定的查询指纹图像的图像质量、查询指纹图像中的指纹图案中的间隔(例如，指纹图案的频率特性)和/或确定的查询指纹图像中检测的指纹特征点的数量来确定组合比。指纹特征点的数量可对应于从处理指纹图像提取的细节点的数量。
在操作340中，指纹验证设备基于组合指纹图像和存储在注册指纹DB中的注册指纹图像来确定指纹验证的结果。指纹验证设备可确定组合指纹图像与注册指纹图像之间的匹配关系，并且基于确定的匹配关系来确定组合指纹图像与注册指纹图像之间的相似度。例如，指纹验证设备可通过对组合指纹图像和注册指纹图像进行比较来确定组合指纹图像与注册指纹图像之间的匹配区域，并且确定确定的组合指纹图像与注册指纹图像之间的匹配区域中的相似度。指纹验证设备可基于确定的相似度是否满足要求来确定指纹验证的结果。例如，当相似度大于或等于阈值时，指纹验证设备可确定指纹验证成功。当相似度小于阈值时，指纹验证设备可确定指纹验证不成功。当组合指纹图像中的指纹图案与注册指纹图像中的指纹图案之间的相似度增大时，匹配区域中的相似度可被确定为更高的值。
当确定指纹验证成功时，指纹验证设备可执行后续操作，例如，向用户分配访问权限或批准支付。当确定指纹验证不成功时，指纹验证设备可执行限制操作，例如，阻止用户访问或拒绝支付的批准。
根据一个或多个示例，指纹验证设备可在每个指纹匹配操作中应用不同的组合比。例如，指纹验证设备可基于确定的查询指纹图像的状态和每个指纹匹配操作的目的以查询指纹图像与处理指纹图像之间的不同组合比来生成组合指纹图像。然后，指纹验证设备可使用生成的组合指纹图像来确定指纹验证的结果。参照图5，在操作510中，指纹验证设备基于查询指纹图像的图像质量和查询指纹图像中的指纹图案中的间隔(例如，指纹图案的频率特性)来确定第一组合比。在操作515中，指纹验证设备通过基于第一组合比组合查询指纹图像和处理指纹图像来生成第一组合指纹图像。
在操作520中，指纹验证设备基于查询指纹图像的图像质量和确定的查询指纹图像中的指纹特征点(例如，细节点)的数量来确定第二组合比。在操作525中，指纹验证设备通过基于第二组合比组合查询指纹图像和处理指纹图像来生成第二组合指纹图像。第二组合比可不同于第一组合比。例如，作为非限制性示例，在将被应用于组合指纹图像的查询指纹图像X与处理指纹图像Y之间的比为X:Y的示例中，第一组合比可被确定为5:5，第二组合比可被确定为3:7。
在操作530中，指纹验证设备确定基于第一组合比生成的第一组合指纹图像与注册指纹图像之间的匹配关系。指纹验证设备可通过经由基于频率的方法(诸如，以纯相位相关(POC)为例)对第一组合指纹图像和注册指纹图像执行图像对准来确定指纹图案的匹配区域。
在操作540中，指纹验证设备基于根据第二组合比生成的第二组合指纹图像与注册指纹图像之间的相似度来确定指纹验证的结果。当第二组合指纹图像和注册指纹图像处于操作530中确定的匹配关系时，相似度可指示或展示第二组合指纹图像与注册指纹图像之间的指纹图案的相似度。当第二组合指纹图像和注册指纹图像基于匹配区域被对准时，指纹验证设备可通过诸如以归一化互相关(NCC)为例的方法来测量相似度。
在使用诸如POC的基于频率的方法来确定匹配关系的示例中，添加了许多细节元素的许多频率分量可以是有利的。另外，在诸如NCC的相似度测量方法的示例中，更清楚的指纹图案可以是有利的。因此，查询指纹图像的比例可在第一组合(混合)比中高于第二组合(混合)比。
图6是示出基于查询指纹图像的频率特性的自适应频率滤波的示例的示图。
参照图6，示例610展示当查询指纹图像620的图像质量相对高时，从查询指纹图像620提取的中心频带的置信度大于或等于参考值。例如，当对查询指纹图像620执行图像处理时，指纹验证设备可对查询指纹图像620执行FFT并执行带通滤波，以获得频域中的每半径幅值直方图630。通过每半径的幅值直方图630，指纹验证设备可确定查询指纹图像620的频率特性。
示例640展示当查询指纹图像650的图像质量相对低时，从查询指纹图像650提取的中心频带的置信度小于参考值。类似地，当对查询指纹图像650执行图像处理时，指纹验证设备可对查询指纹图像650执行FFT并执行带通滤波，以获得频域中的每半径幅值直方图660。通过每半径的幅值直方图660，指纹验证设备可确定查询指纹图像650的频率特性。
通过对幅值直方图630和幅值直方图660进行比较，可验证相应半径的幅值是狭窄分布，指示高清晰度。基于这样的基于半径的幅值分布，由指纹特征指示或展示的频率特性可被估计。例如，当基于半径的幅值分布较窄时，可为中心频带设置较高的置信度。例如，当如在示例610中，从查询指纹图像620提取的指纹图案的中心频带的置信度大于或等于参考值时，指纹验证设备可基于从查询指纹图像620提取的指纹图案的中心频带对查询指纹图像620执行滤波。当如在示例640中，从查询指纹图像650提取的指纹图案的中心频率的置信度小于参考值时，指纹验证设备可基于注册指纹图像的中心频带或平均频带对查询指纹图像650执行滤波。
图7A是示出生成组合指纹图像的示例的示图。
参照图7A，指纹验证设备可通过对查询指纹图像720执行图像处理来获得处理指纹图像730，并且通过基于确定的组合比组合查询指纹图像720和处理指纹图像730来生成组合指纹图像740。组合比可基于确定的查询指纹图像720的状态(例如，确定的图像质量、确定的指纹特征点的数量以及确定的指纹图案的频率特性)而被自适应地确定。在包括滤波的图像处理的处理中，细节元素可能被损失或减少。然而，通过这样的组合处理，可恢复在图像处理的处理中可能已经被滤除的指纹图案的细节元素。另外，通过基于查询指纹图像720的状态来调整组合比，可比先前的方法提高指纹验证的性能。
图7B是示出以不同的组合比生成组合指纹图像的示例的示图。
参照图7B，示例710表示通过组合以上在图7A的示例中描述的查询指纹图像720和处理指纹图像730而生成的组合指纹图像740。在示例710中，假设由查询指纹图像720中的指纹图案指示或展示的频率特性指示或展示高频特性。
示例750表示通过对查询指纹图像760执行图像处理来获得处理指纹图像770，并且通过组合查询指纹图像760和处理指纹图像770来生成组合指纹图像780。示例750与示例710的不同之处在于，假设由查询指纹图像760中的指纹图案指示或展示的频率特性指示或展示低频特性。
在示例750中，查询指纹图像760中的指纹图案可具有相对多数量的低频分量，因此当图像被处理时(诸如当对查询指纹图像760执行滤波以生成处理指纹图像770时)，查询指纹图像760中的指纹图案可具有较高的损失指纹图案的细节元素的概率。在示例750中，当生成组合指纹图像780时，指纹验证设备可通过将查询指纹图像760的比例设置为相对高于处理指纹图像770的比例而有效地恢复可能已经由于图像处理而损失的指纹图案的细节元素。相反，在示例710中，当生成组合指纹图像740时，指纹验证设备可将查询指纹图像720的比例设置为相对低于处理指纹图像770的比例。
图8和图9是示出确定组合指纹图像与注册指纹图像之间的相似度的示例的示图。
参照图8，在操作810中，指纹验证设备使用FFT将包括在组合指纹图像中的空间域信息变换为频域信息。在操作830中，指纹验证设备使用FFT将包括在注册指纹图像中的空间域信息变换为频域信息。这里，频域信息可基于使用二维(2D)坐标(x，y)表示信息的正交坐标系。
在操作815中，指纹验证设备使用对数极坐标变换(LPT)将包括在组合指纹图像中的频域信息的坐标系变换为极坐标系。例如，可对通过FFT得到的FFT图像中的像素的幅值执行LPT。在极坐标系中，信息可由半径、角度或半径和角度的组合表示。在操作835中，指纹验证设备将LPT应用于包括在注册指纹图像中的频域信息。
在操作820中，指纹验证设备对应用了LPT的组合指纹图像应用FFT。在操作840中，指纹验证设备对应用了LPT的注册指纹图像应用FFT。在操作850中，指纹验证设备基于FFT的结果执行相位相关，并且检测作为执行相位相关的结果的峰值。在一个示例中，检测的峰值的位置可指示组合指纹图像与注册指纹图像之间的旋转信息θ。
在另一示例中，检测的峰值的位置可指示组合指纹图像与部分指纹图像之间的缩放信息。例如，通过LPT获得的图像的一个轴可对应于角度，图像的另一个轴可对应于半径。通过相位相关检测的峰值的位置可被表示为与角度对应的轴的坐标、与半径对应的轴的坐标。这里，与角度对应的轴的坐标可指示旋转信息，与半径对应的轴的坐标可指示缩放信息。
在一个或多个示例中，指纹图像中的缩放可不存在改变，因此半径可被固定为预设值(例如，1)。在该示例中，通过相位相关检测的峰值的位置可被表示为与角度对应的轴的坐标，并且与角度对应的轴的坐标可指示旋转信息。
指纹验证设备可通过执行相位相关来检测峰值，并且基于检测的峰值来确定组合指纹图像与注册指纹图像之间的相似度。在该示例中，当组合指纹图像和注册指纹图像具有相同或相似的指纹图案的区域(或重叠区域)较大，或者组合指纹图像的指纹图案和注册指纹图案的指纹图案彼此更相似时，峰值可倾向于增大。基于这样的趋势，指纹验证设备可基于通过相位相关检测的峰值来确定组合指纹图像与注册指纹图像之间的相似度。
在操作860中，指纹验证设备基于旋转信息θ旋转组合指纹图像。在操作870中，指纹验证设备将FFT应用于旋转的组合指纹图像。在操作880中，指纹验证设备基于在操作870中应用了FFT的组合指纹图像以及在操作830中应用了FFT的注册指纹图像来执行相位相关。作为相位相关的结果，峰值可被检测，并且检测的峰值的位置可通过组合指纹图像与注册指纹图像之间的平移信息(Tx，Ty)而被表示。在操作890中，指纹验证设备基于平移信息(Tx，Ty)来平移在操作860中旋转的组合指纹图像。
指纹验证设备可通过基于获得的旋转信息和平移信息而旋转和平移组合指纹图像来确定组合指纹图像与注册指纹图像之间的匹配关系。在一个示例中，指纹验证设备可基于通过将旋转和平移的组合指纹图像与注册指纹图像进行匹配而确定的匹配区域来确定相似度。指纹验证设备还可以以各种方式确定相似度。例如，指纹验证设备可基于根据图像亮度值的归一化互相关方法来确定相似度。例如，指纹验证设备可基于例如通过如下所示的等式1得出的相关度来确定相似度。
等式1：
Figure BDA0002885242740000161
在等式1中，W表示图像I1与图像I2之间的匹配区域。ncc(I1，I2)表示图像I1与图像I2之间的匹配区域W中的相关度。图像I1是旋转和平移的组合指纹图像，图像I2是注册指纹图像。i表示匹配区域W中的像素的X轴坐标，j表示匹配区域W中的像素的Y轴坐标。x表示X轴方向上的平移信息Tx，y表示Y轴方向上的平移信息Ty。I1(i,j)表示图像I1的(i,j)坐标中的像素值，I2(x+i,y+j)表示图像I2的(x+i,y+j)坐标中的像素值。通过以上等式1计算的匹配区域W中的相关度可被用作组合指纹图像与注册指纹图像之间的相似度。
尽管在图8中示出组合指纹图像被旋转和平移，但是组合指纹图像可被保持，并且注册指纹图像可基于相位相关的结果而被旋转和平移。可选地，组合指纹图像和注册指纹图像两者可被旋转和平移。
图9是示出基于傅里叶梅林变换来确定组合指纹图像与注册指纹图像之间的相似度的示例的示图。
参照图9，注册指纹图像910通过FFT和LPT被变换为第一LPT图像915，组合指纹图像920通过FFT和LPT被变换为第二LPT图像925。
通过执行第一LPT图像915与第二LPT图像925之间的相位相关930，注册指纹图像910与组合指纹图像920之间的旋转信息θ可被确定。基于通过相位相关930检测的峰值，注册指纹图像910与组合指纹图像920之间的相似度可被确定。
组合指纹图像920接下来可基于由相位相关930确定的旋转信息θ而被旋转。另外，注册指纹图像910与组合指纹图像920之间的平移信息(Tx，Ty)可通过作为对注册指纹图像910执行FFT的结果而获得的FFT图像与作为对旋转的组合指纹图像940执行FFT的结果而获得的FFT图像之间的相位相关950来确定。
基于旋转信息θ和平移信息(Tx，Ty)，注册指纹图像910和旋转的组合指纹图像940可彼此匹配，并且注册指纹图像910与旋转的组合指纹图像940之间的匹配区域可被确定。在一个示例中，相关度可针对匹配区域基于以上等式1而被计算，并且计算的相关度可被确定为注册指纹图像910与组合指纹图像920之间的相似度。
根据示例，用于确定旋转信息θ的组合指纹图像可不同于接下来用于从匹配区域相关度确定相似度的组合指纹图像，例如，两个组合指纹图像可以是根据不同的组合比生成的不同的组合指纹图像。
图10是示出示例指纹验证设备的示图。
参照图10，指纹传感器1030可通过获得尝试指纹验证的用户的指纹信息来获得查询指纹图像。查询指纹图像可被发送到指纹验证设备1000，并且指纹验证设备1000可基于查询指纹图像和存储在注册指纹DB 1040中的一个或多个注册指纹图像来执行指纹验证。用户可在指纹注册处理中注册每个手指的指纹图像。注册指纹图像可被存储在注册指纹DB1040中。
指纹验证设备1000包括处理器1010和存储器1020。存储器1020可连接到处理器1010，并且被配置为存储可由处理器1010执行的指令、将由处理器1010处理的数据或由处理器1010处理的数据。
处理器1010可控制指纹验证设备1000的整体操作，并且执行指令以执行以上参照图1至图9以及以下参照图11描述的操作中的一个或多个或全部。例如，处理器1010可接收查询指纹图像，并且通过对查询指纹图像执行图像处理来获得处理指纹图像。在一个示例中，处理器1010可使用注册指纹图像的指纹特征的频率特性对查询指纹图像执行滤波。注册指纹图像的指纹特征的频率特性可基于注册指纹图像中的指纹图案中的间隔。在另一示例中，处理器1010可使用查询指纹图像的指纹特征的频率特性对查询指纹图像执行滤波。查询指纹图像的指纹特征的频率特性可基于查询指纹图像中的指纹图案中的间隔。在又一示例中，处理器1010可基于查询指纹图像的状态(例如，查询指纹图像的图像质量)，基于注册指纹图像的频率特性和查询指纹图像的频率特性中的一个来确定是否执行图像处理。
在生成处理指纹图像之后，处理器1010可通过组合查询指纹图像和处理指纹图像来获得组合(混合)指纹图像。处理器1010可确定查询指纹图像与处理指纹图像之间的组合(混合)比，并且通过基于确定的组合比组合查询指纹图像和处理指纹图像来生成组合指纹图像。处理器1010可确定组合指纹图像与注册指纹图像之间的匹配关系，并且确定确定的匹配关系中的指纹图案的相似度。处理器1010可基于确定的相似度来确定指纹验证是否成功作为指纹验证的结果。
在一个示例中，处理器1010可确定基于第一组合比生成的第一组合指纹图像与注册指纹图像之间的匹配关系，并且基于根据第二组合比生成的第二组合指纹图像与注册指纹图像之间的相似度来确定指纹验证结果。在该示例中，第一组合比和第二组合比可彼此不同。当第二组合指纹图像和注册指纹图像处于确定的匹配关系时，处理器1010可确定指纹图案的相似度，并且基于确定的相似度来确定指纹验证的结果。
另外，虽然单独示出，但是指纹验证设备1000、指纹传感器1030和注册指纹DB中的任何两个或全部可存在于同一装置或设备中，或者作为同一装置或设备存在。在一个示例中，这样的可用组件的集合也可对应于图1的电子设备100。
图11是示出示例电子设备的示图。
电子设备1100可获得尝试指纹验证的用户的查询指纹图像，并且基于获得的查询指纹图像和注册指纹图像来执行指纹验证。电子设备1100可执行以上关于图10的指纹验证设备1000描述的操作的任何组合或全部。电子设备1100可以是例如用户终端(诸如，移动装置或可穿戴装置)。在一个示例中，电子设备1100还可对应于图1的电子设备100。
参照图11，电子设备1100可包括处理器1110、存储器1120、指纹传感器1130、存储装置1140、输入装置1150、输出装置1160和通信装置1170。处理器1110、存储器1120、指纹传感器1130、存储装置1140、输入装置1150、输出装置1160和通信装置1170可通过通信总线1180彼此通信。
处理器1110可控制电子设备1100的整体操作，并且执行电子设备1100中的功能和指令。处理器1110可被配置为执行以上参照图1至图10描述的操作或方法中的一个或多个或全部。处理器1110可接收通过指纹传感器1130获得的查询指纹图像，并且通过对查询指纹图像执行图像处理来获得处理指纹图像。然后，处理器1110可通过组合(混合)查询指纹图像和处理指纹图像来获得组合(混合)指纹图像，并且基于组合指纹图像和注册指纹图像来确定指纹验证的结果。
存储器1120可存储用于处理器1110执行指纹验证的信息。例如，存储器1120可存储将由处理器1110执行的指令，并且在电子设备1100中执行软件或应用期间存储有关信息。存储器1120可包括例如随机存取存储器(RAM)、动态RAM(DRAM)、静态RAM(SRAM)或相关技术领域中公知的其它类型的非易失性存储器。
指纹传感器1130可获得用户的查询指纹图像。指纹传感器1130可作为单独且独立的传感器存在，或者以嵌入在电子设备1100的按钮中的形式提供。可选地，指纹传感器1130可设置在电子设备1100内部，并且以集成到显示器中或以其它方式在电子设备1100的除显示器之外的另一表面下方的形式实施。例如，显示器的表面的一些或全部可实现为感测区域，并且指纹传感器1130可通过感测接触电子设备1100的显示器的用户的查询指纹来获得查询指纹图像。指纹传感器1130可被配置为通过各种方法(例如，超声波法、互电容法、红外图像拍摄法等)执行其感测和/或图像拍摄操作。指纹传感器1130可拍摄与感测区域的特定部分对应的指纹区域的图像作为查询指纹图像。指纹传感器1130还可用于在指纹注册处理中获得并存储注册指纹图像。
存储装置1140可包括计算机可读存储介质或计算机可读存储装置。存储装置1140可包括其中存储注册指纹图像的注册指纹DB。与存储器1120相比，存储装置1140可在更长的时间段内存储更大量的信息。存储装置1140可包括例如磁硬盘、光盘、闪存、软盘、电可擦除可编程只读存储器(EEPROM)和在相关技术领域中公知的其它类型的非易失性存储器。
输入装置1150可通过例如触觉输入、视频输入、音频输入或触摸输入从用户接收输入。输入装置1150可包括例如键盘、鼠标、触摸屏、麦克风、视网膜扫描仪以及可检测来自用户的输入并将检测的输入发送到电子设备1100的其它装置。
输出装置1160可通过视觉通道、听觉通道或触觉通道向用户提供电子设备1100的输出。输出装置1160可包括例如液晶显示器(LCD)、发光二极管(LED)显示器、触摸屏、扬声器、振动发生器以及可向用户提供输出的其它装置。输出装置1160可将与指纹验证相关联的信息可视化，并且通过显示器将可视化的信息提供给用户。
通信装置1170可通过有线网络或无线网络与外部装置通信。通信装置1170可从外部装置接收数据或信息以及向外部装置发送数据或信息。
在此关于图1至图11描述的指纹验证设备、电子设备、指纹传感器、注册指纹DB、电子设备100、显示器110、指纹传感器115、注册指纹DB 130、注册指纹DB 230、注册指纹DB1040、指纹传感器1030、指纹验证设备1000、处理器1010、存储器1020、电子设备1100、处理器1110、存储器1120、指纹传感器1130、存储装置1140、输入装置1150、输出装置1160、通信装置1170和总线1180、以及其它设备、装置、模块和组件由硬件组件实现。可用于执行在本申请中描述的操作的硬件组件的示例在适当的情况下包括：控制器、传感器、生成器、驱动器、存储器、比较器、算术逻辑单元、加法器、减法器、乘法器、除法器、积分器和被配置为执行在本申请中描述的操作的任何其它电子组件。在其它示例中，执行在本申请中描述的操作的硬件组件中的一个或多个通过计算硬件(例如，通过一个或多个处理器或计算机)来实现。处理器或计算机可通过一个或多个处理元件(诸如，逻辑门阵列、控制器和算术逻辑单元、数字信号处理器、微型计算机、可编程逻辑控制器、现场可编程门阵列、可编程逻辑阵列、微处理器或被配置为以限定的方式响应并执行指令以实现期望的结果的任何其它装置或装置的组合)来实现。在一个示例中，处理器或计算机包括或连接到存储由处理器或计算机执行的指令或软件的一个或多个存储器。由处理器或计算机实现的硬件组件可执行用于执行在本申请中描述的操作的指令或软件(诸如，操作***(OS)和在OS上运行的一个或多个软件应用)。硬件组件也可响应于指令或软件的执行来访问、操控、处理、创建和存储数据。为了简单起见，单数术语“处理器”或“计算机”可用在本申请中描述的示例的描述中，但是在其它示例中，多个处理器或计算机可被使用，或者处理器或计算机可包括多个处理元件或多种类型的处理元件或二者。例如，单个硬件组件或者两个或更多个硬件组件可通过单个处理器、或者两个或更多个处理器、或者处理器和控制器来实现。一个或多个硬件组件可通过一个或多个处理器、或者处理器和控制器来实现，并且一个或多个其它硬件组件可通过一个或多个其它处理器、或者另外的处理器和另外的控制器来实现。一个或多个处理器、或者处理器和控制器可实现单个硬件组件或者两个或更多个硬件组件。硬件组件可具有不同的处理配置中的任何一个或多个，不同的处理配置的示例包括：单个处理器、独立处理器、并行处理器、单指令单数据(SISD)多处理、单指令多数据(SIMD)多处理、多指令单数据(MISD)多处理以及多指令多数据(MIMD)多处理。
图1至图11中示出的执行在本申请中描述的操作的方法通过计算硬件(例如，通过一个或多个处理器或计算机)来执行，计算硬件被实现为如上所述地执行指令或软件，以执行在本申请中描述的由所述方法执行的操作。例如，单个操作或者两个或更多个操作可通过单个处理器、或者两个或更多个处理器、或者处理器和控制器来执行。一个或多个操作可通过一个或多个处理器、或者处理器和控制器来执行，并且一个或多个其它操作可通过一个或多个其它处理器、或者另外的处理器和另外的控制器来执行。一个或多个处理器、或者处理器和控制器可执行单个操作或者两个或更多个操作。
用于控制计算硬件(例如，一个或多个处理器或计算机)以实现硬件组件并执行如上所述的方法的指令或软件可被编写为计算机程序、代码段、指令或它们的任何组合，以单独地或共同地指示或配置一个或多个处理器或计算机如机器或专用计算机那样进行操作，以执行由如上所述的硬件组件和方法执行的操作。在一个示例中，指令或软件包括由一个或多个处理器或计算机直接执行的机器代码(诸如，由编译器产生的机器代码)。在另一示例中，指令或软件包括由一个或多个处理器或计算机使用解释器执行的高级代码。可基于附图中示出的框图和流程图以及在此使用的相应描述，使用任何编程语言编写指令或软件，其中，附图中示出的框图和流程图以及在此使用的相应描述公开了用于执行由如上所述的硬件组件和方法执行的操作的算法。
用于控制计算硬件(例如，一个或多个处理器或计算机)以实现硬件组件并执行如上所述的方法的指令或软件以及任何相关联的数据、数据文件和数据结构可被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中或一个或多个非暂时性计算机可读存储介质上。非暂时性计算机可读存储介质的示例包括：只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-RLTH、BD-RE、蓝光或光盘存储器、硬盘驱动器(HDD)、固态驱动器(SSD)、卡式存储器(诸如，多媒体卡或者微型卡(例如，安全数字(SD)或者极速数字(XD)))、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘、以及任何其它装置，任何其它装置被配置为以非暂时性方式存储指令或软件以及任何相关联的数据、数据文件和数据结构并将指令或软件以及任何相关联的数据、数据文件和数据结构提供给一个或多个处理器或计算机，使得一个或多个处理器和计算机可执行指令。在一个示例中，指令或软件以及任何相关联的数据、数据文件和数据结构分布在联网的计算机***上，使得指令和软件以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式的方式被存储、访问和执行。
虽然本公开包括特定的示例，但是在理解本申请的公开之后将清楚，在不脱离权利要求及它们的等同物的精神和范围的情况下，可在这些示例中进行形式和细节上的各种改变。在此描述的示例将被认为仅是描述性的，而不是出于限制的目的。每个示例中的特征或方面的描述应被认为可适用于其它示例中的类似特征或方面。如果描述的技术以不同的顺序被执行，和/或如果描述的***、架构、装置或电路中的组件以不同的方式被组合，和/或由其它组件或它们的等同物替换或补充，则可实现合适的结果。

Claims (27)

1.一种用于指纹验证的方法，所述方法包括：
通过指纹传感器获得查询指纹图像；
通过对获得的查询指纹图像执行图像处理来获得处理指纹图像；
通过混合查询指纹图像和处理指纹图像来获得混合指纹图像；和
基于混合指纹图像和注册指纹图像执行指纹验证。
2.根据权利要求1所述的方法，其中，执行图像处理的步骤包括：
使用注册指纹图像的指纹特征的频率特性对查询指纹图像执行滤波，
其中，基于注册指纹图像中的指纹图案中的间隔来确定注册指纹图像的指纹特征的频率特性。
3.根据权利要求1所述的方法，其中，执行图像处理的步骤包括：
使用查询指纹图像的指纹特征的频率特性对查询指纹图像执行滤波，
其中，基于查询指纹图像中的指纹图案中的间隔来确定查询指纹图像的指纹特征的频率特性。
4.根据权利要求1所述的方法，其中，执行图像处理的步骤包括：
测量查询指纹图像的图像质量；和
响应于将测量的图像质量确定为不满足要求，使用注册指纹图像的指纹特征的频率特性对查询指纹图像执行滤波。
5.根据权利要求4所述的方法，其中，执行图像处理的步骤还包括：
响应于将测量的图像质量确定为满足要求，使用查询指纹图像的指纹特征的频率特性对查询指纹图像执行滤波。
6.根据权利要求1所述的方法，其中，执行图像处理的步骤包括：
通过对查询指纹图像执行滤波来生成比查询指纹图像具有少的噪声的处理指纹图像。
7.根据权利要求1至6中的任一项所述的方法，其中，获得混合指纹图像的步骤包括：
确定查询指纹图像与处理指纹图像之间的混合比；和
通过基于确定的混合比混合查询指纹图像和处理指纹图像来生成混合指纹图像。
8.根据权利要求7所述的方法，其中，确定混合比的步骤包括：
基于查询指纹图像的图像质量、查询指纹图像中的指纹图案中的间隔、指纹图案的频率特性和查询指纹图像中检测的指纹特征点的数量中的至少一个来确定混合比。
9.根据权利要求1至6中的任一项所述的方法，其中，获得混合指纹图像的步骤包括：通过基于第一混合比混合查询指纹图像和处理指纹图像来生成第一混合指纹图像；和通过基于不同于第一混合比的第二混合比混合查询指纹图像和处理指纹图像来生成第二混合指纹图像。
10.根据权利要求9所述的方法，其中，执行指纹验证的步骤包括：
确定第一混合指纹图像与注册指纹图像之间的匹配关系；和
基于确定的第二混合指纹图像与注册指纹图像之间的根据确定的匹配关系的相似度来确定指纹验证的结果。
11.根据权利要求10所述的方法，
其中，基于查询指纹图像的图像质量和查询指纹图像中的指纹图案中的间隔来确定第一混合比，并且
其中，基于查询指纹图像的图像质量和查询指纹图像中的指纹特征点的数量来确定第二混合比。
12.根据权利要求1至6中的任一项所述的方法，其中，执行指纹验证的步骤包括：
确定混合指纹图像与注册指纹图像之间的匹配关系；
基于确定的匹配关系来确定混合指纹图像与注册指纹图像之间的相似度；和
基于确定的相似度来确定指纹验证的结果。
13.根据权利要求1至6中的任一项所述的方法，还包括：响应于指纹验证的成功结果，针对设备的用户访问解锁所述设备，或者实施用户验证的支付处理，
其中，所述设备执行所述方法。
14.根据权利要求13所述的方法，其中，获得查询指纹图像的步骤包括：使用指纹传感器拍摄与显示器的表面相对的手指的图像信息。
15.一种存储指令的非暂时性计算机可读存储介质，所述指令在被一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1至14中的任一项所述的方法。
16.一种用于指纹验证的设备，所述设备包括：
一个或多个处理器，被配置为：
对查询指纹图像执行图像处理以获得处理指纹图像；
混合查询指纹图像和处理指纹图像以获得混合指纹图像；和
基于混合指纹图像和注册指纹图像执行指纹验证。
17.根据权利要求16所述的设备，还包括：指纹传感器，被配置为拍摄查询指纹图像。
18.根据权利要求17所述的设备，还包括：显示器，
其中，所述一个或多个处理器还被配置为：响应于指纹验证的成功结果，针对作为用户终端的所述设备的用户访问实施所述设备的解锁，或者实施用户终端的用户验证的支付处理。
19.根据权利要求18所述的设备，其中，所述设备是移动装置，并且指纹传感器被配置为拍摄与移动装置的表面相对的手指的图像信息。
20.根据权利要求16至19中的任一项所述的设备，其中，为了执行图像处理，所述一个或多个处理器被配置为：
使用注册指纹图像的指纹特征的频率特性对查询指纹图像执行滤波，
其中，基于注册指纹图像中的指纹图案中的间隔来确定注册指纹图像的指纹特征的频率特性。
21.根据权利要求16至19中的任一项所述的设备，其中，为了执行图像处理，所述一个或多个处理器被配置为：
使用查询指纹图像的指纹特征的频率特性对查询指纹图像执行滤波，
其中，基于查询指纹图像中的指纹图案中的间隔来确定查询指纹图像的指纹特征的频率特性。
22.根据权利要求16至19中的任一项所述的设备，其中，为了混合查询指纹图像和处理指纹图像，所述一个或多个处理器被配置为：
确定查询指纹图像与处理指纹图像之间的混合比；和
通过基于确定的混合比混合查询指纹图像和处理指纹图像来生成混合指纹图像。
23.根据权利要求16至19中的任一项所述的设备，其中，所述一个或多个处理器还被配置为：通过基于第一混合比实施查询指纹图像和处理指纹图像的混合以生成第一混合指纹图像，并且通过基于不同于第一混合比的第二混合比实施查询指纹图像和处理指纹图像的另一混合以生成第二混合指纹图像，来获得混合指纹图像。
24.根据权利要求23所述的设备，其中，为了执行指纹验证，所述一个或多个处理器被配置为：
确定第一混合指纹图像与注册指纹图像之间的匹配关系；和
基于第二混合指纹图像与注册指纹图像之间的根据确定的匹配关系的相似度来确定指纹验证的结果。
25.一种用户终端，包括：
指纹传感器，被配置为获得查询指纹图像；
显示器；和
一个或多个处理器，被配置为：
对查询指纹图像执行图像处理以获得处理指纹图像；
组合查询指纹图像和处理指纹图像以获得组合指纹图像；和
基于组合指纹图像和注册指纹图像执行指纹验证。
26.根据权利要求25所述的用户终端，其中，指纹传感器设置在所述用户终端内部，并且被配置为通过感测与显示器接触的用户的查询指纹来获得查询指纹图像。
27.根据权利要求25或26所述的用户终端，
其中，所述用户终端是移动装置，并且
其中，所述一个或多个处理器还被配置为：基于执行的指纹验证的结果，选择性地允许用户访问或使用移动装置的一个或多个功能。
CN202110011244.XA 2020-07-07 2021-01-06 用于指纹验证的方法和设备 Pending CN113918908A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2020-0083227 2020-07-07
KR20200083227 2020-07-07
KR10-2020-0117660 2020-09-14
KR1020200117660A KR20220005960A (ko) 2020-07-07 2020-09-14 지문 인증 방법 및 지문 인증 장치

Publications (1)

Publication Number Publication Date
CN113918908A true CN113918908A (zh) 2022-01-11

Family

ID=75977685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110011244.XA Pending CN113918908A (zh) 2020-07-07 2021-01-06 用于指纹验证的方法和设备

Country Status (3)

Country Link
US (1) US11527100B2 (zh)
EP (1) EP3937075B1 (zh)
CN (1) CN113918908A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113918908A (zh) * 2020-07-07 2022-01-11 三星电子株式会社 用于指纹验证的方法和设备

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2004457A1 (en) * 1988-12-06 1990-06-06 Seigo Igaki Minutia data extraction in fingerprint identification
US5963656A (en) * 1996-09-30 1999-10-05 International Business Machines Corporation System and method for determining the quality of fingerprint images
US6963659B2 (en) 2000-09-15 2005-11-08 Facekey Corp. Fingerprint verification system utilizing a facial image-based heuristic search method
JP4248286B2 (ja) 2002-08-02 2009-04-02 富士フイルム株式会社 燃料電池システム、燃料パック、カメラ、カメラ付き携帯電話、及び携帯端末
KR20070076187A (ko) 2006-01-18 2007-07-24 엘지전자 주식회사 지문 인식 방법
US8379943B2 (en) * 2009-05-28 2013-02-19 Li-Kuo Chiu High-performance fingerprint image-processing method
JP5534411B2 (ja) 2010-01-20 2014-07-02 日本電気株式会社 画像処理装置
US9582705B2 (en) 2014-08-31 2017-02-28 Qualcomm Incorporated Layered filtering for biometric sensors
US9361507B1 (en) 2015-02-06 2016-06-07 Hoyos Labs Ip Ltd. Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
US9471765B1 (en) 2015-07-01 2016-10-18 Fingerprint Cards Ab Fingerprint authentication with template updating
US10198612B1 (en) 2015-07-29 2019-02-05 Morphotrust Usa, Llc System and method for scaling biometric images
US9971929B2 (en) 2016-01-28 2018-05-15 University Of The West Indies Fingerprint classification system and method using regular expression machines
KR20180086087A (ko) 2017-01-20 2018-07-30 삼성전자주식회사 지문 정보 처리 방법
KR102668332B1 (ko) 2017-02-24 2024-05-23 삼성디스플레이 주식회사 지문 인식 장치 및 지문 인식 방법
CN107066961B (zh) * 2017-03-31 2019-08-09 清华大学 指纹配准方法及装置
EP3695342A4 (en) * 2017-10-13 2020-12-02 Fingerprint Cards AB METHOD AND SYSTEM FOR FINGERPRINT IMAGE ENHANCEMENT
EP3598337B1 (en) 2017-12-01 2024-02-07 Shenzhen Goodix Technology Co., Ltd. Fingerprint image enhancement method and fingerprint image module
KR20200004701A (ko) 2018-07-04 2020-01-14 삼성전자주식회사 지문 인식 방법 및 디바이스
CN113918908A (zh) * 2020-07-07 2022-01-11 三星电子株式会社 用于指纹验证的方法和设备

Also Published As

Publication number Publication date
EP3937075A1 (en) 2022-01-12
US20220012463A1 (en) 2022-01-13
EP3937075B1 (en) 2024-03-20
US11527100B2 (en) 2022-12-13

Similar Documents

Publication Publication Date Title
US10339178B2 (en) Fingerprint recognition method and apparatus
US10509943B2 (en) Method of processing fingerprint information
US11295111B2 (en) Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint
CN106066991B (zh) 指纹验证方法和设备
CN106056037B (zh) 用于识别指纹的方法和设备
CN108573137B (zh) 指纹验证方法和设备
US10108858B2 (en) Texture features for biometric authentication
US20190163954A1 (en) Fingerprint enrollment method and apparatus
US11869272B2 (en) Liveness test method and apparatus and biometric authentication method and apparatus
US20210166045A1 (en) Method and apparatus with liveness testing
US11244143B2 (en) Method and apparatus for preprocessing fingerprint image
KR102387569B1 (ko) 지문 인증 방법 및 장치
KR102558736B1 (ko) 지문 인식 방법 및 장치
KR102205495B1 (ko) 지문 인식 방법 및 장치
CN113918908A (zh) 用于指纹验证的方法和设备
CN113992812A (zh) 用于活性检测的方法和设备
KR20220005960A (ko) 지문 인증 방법 및 지문 인증 장치

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