CN115527244A - 一种指纹图像匹配方法、装置、计算机设备及存储介质 - Google Patents
一种指纹图像匹配方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115527244A CN115527244A CN202211496306.1A CN202211496306A CN115527244A CN 115527244 A CN115527244 A CN 115527244A CN 202211496306 A CN202211496306 A CN 202211496306A CN 115527244 A CN115527244 A CN 115527244A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- matched
- image
- template
- fingerprint template
- 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
- 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
- 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
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请提出了一种指纹图像匹配方法、装置、计算机设备及存储介质,其中方法包括:采集待识别指纹图像,并对待识别指纹图像进行图像质量评分;若待识别指纹图像的图像质量评分大于第一预设阈值,则对待识别指纹图像进行图像预处理;对经过图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;将待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。本申请通过对采集的指纹图像进行图像预处理后,提取出特征生成指纹模板,从而与指纹库进行匹配,有效提高指纹图像匹配的效率和准确性,降低小面积的指纹识别时的拒识率和误识率。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种指纹图像匹配方法、装置、计算机设备及存储介质。
背景技术
随着社会的发展与进步,越来越多的使用场景下需要对个人身份进行验证,而指纹识别是应用最普遍、识别率最高、最容易被接受的个人身份认定方法。目前,基于传统细节点的大面积指纹识别技术已经相当成熟,但是随着市场越来越多的移动终端设备中使用指纹识别技术,为了降低移动终端设备的存储和计算量的压力,以及降低成本,终端设备更倾向于采用小面积的指纹传感器。
但是,在对现有技术的研究与实践的过程中,本申请的发明人发现,当指纹的面积变小后,一方面指纹中的信息量变少,另一方面指纹比对中重合的部分也变少了,导致小面积的指纹识别拒识率和误识率升高,这给传统的主要基于细节点的指纹识别技术带来了很大的挑战。
前面的叙述在于提供一般的背景信息,并不一定构成现有技术。
发明内容
针对上述技术问题,本申请提供一种指纹图像匹配方法、装置、计算机设备及存储介质,能够有效提高指纹图像匹配的效率和准确性,降低小面积的指纹识别时的拒识率和误识率。
为解决上述技术问题,本申请提供一种指纹图像匹配方法,包括如下步骤:
采集待识别指纹图像,并对所述待识别指纹图像进行图像质量评分;
若所述待识别指纹图像的图像质量评分大于第一预设阈值,则对所述待识别指纹图像进行图像预处理;
对经过所述图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;
将所述待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。
可选地,所述对经过所述图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板,包括:
提取所述待识别指纹图像的指纹特征点和奇异点;
基于所述指纹特征点和奇异点,生成所述待识别指纹图像对应的待匹配指纹模板。
可选地,所述将所述待匹配指纹模板与指纹库中的指纹模板进行匹配,包括:
基于所述待识别指纹图像的指纹特征点和奇异点,确定所述待匹配指纹模板的矢量线段对;
将所述待匹配指纹模板的矢量线段对与所述指纹库中的指纹模板的矢量线段进行比对;
若所述待匹配指纹模板的矢量线段对与所述指纹模板的矢量线段的比对成功率大于第二预设阈值,则计算所述待匹配指纹模板的中心点;
基于所述中心点,旋转所述待匹配指纹模板,以对齐所述指纹模板;
计算所述待匹配指纹模板与所述指纹模板的重合面积比例,并比对重合范围的指纹方向,生成对应的匹配结果。
可选地,在所述将所述待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果之后,所述方法还包括:
将匹配成功的待匹配指纹模板更新至所述指纹库中;
基于所述匹配结果,更新所述指纹库中的指纹模板。
可选地,所述基于所述匹配结果,更新所述指纹库中的指纹模板,包括:
基于所述匹配结果,查找所述匹配成功的待匹配指纹模板中不在所述指纹库的特征点和奇异点;
根据所述矢量线段对的相对位置,将所述不在所述指纹库的特征点和奇异点还原至所述指纹库中的指纹模板中;
查找所述匹配成功的待匹配指纹模板中与所述指纹库的指纹模板重合的特征点和奇异点,更新所述指纹模板的分数;
若所述匹配成功的待匹配指纹模板未被所述指纹库的指纹模板完全覆盖,则将超出覆盖部分的方向图更新至所述指纹模板。
可选地,所述基于所述匹配结果,更新所述指纹库中的指纹模板,还包括:
查找所述指纹库的指纹模板中不在所述匹配成功的待匹配指纹模板出现的特征点和奇异点,并减少预设比例的分值;
当所述不在所述匹配成功的待匹配指纹模板出现的特征点和奇异点的分值低于第三预设阈值时,删除所述指纹库的指纹模板中不在所述匹配成功的待匹配指纹模板出现的特征点和奇异点。
可选地,在所述生成对应的待匹配指纹模板之后,所述方法还包括:
获取多个所述待匹配指纹模板;
对多个所述待匹配指纹模板进行两两匹配;
若任一对待匹配指纹模板匹配成功,则对第一待匹配指纹模板进行扩展后添加至指纹库中,并删除第二待匹配指纹模板;
若任一对待匹配指纹模板以外的任一待匹配指纹模板与所述第一待匹配指纹模板匹配失败,则将所述任一对待匹配指纹模板以外的任一待匹配指纹模板添加至指纹库中。
相应地,本申请还提供了一种指纹图像匹配装置,包括:
采集模块,用于采集待识别指纹图像,并对所述待识别指纹图像进行图像质量评分;
预处理模块,用于若所述待识别指纹图像的图像质量评分大于第一预设阈值,则对所述待识别指纹图像进行图像预处理;
模板生成模块,用于对经过所述图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;
匹配模块,用于将所述待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。
本申请实施例还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上所述的指纹图像匹配方法的步骤。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的指纹图像匹配方法的步骤。
实施本发明实施例,具有如下有益效果:
如上所述,本申请提供的一种指纹图像匹配方法、装置、计算机设备及存储介质,其中方法包括:采集待识别指纹图像,并对待识别指纹图像进行图像质量评分;若待识别指纹图像的图像质量评分大于第一预设阈值,则对待识别指纹图像进行图像预处理;对经过图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;将待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。本申请实施例通过对采集的指纹图像进行图像预处理后,提取出特征生成指纹模板,从而与指纹库进行匹配,有效提高指纹图像匹配的效率和准确性;另外,通过指纹图像中的特征点和奇异点生成矢量线段进行图像匹配,进一步提高指纹图像匹配的准确性,并根据匹配结果对指纹模板进行扩展和更新,从而降低小面积的指纹识别时的拒识率和误识率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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是本申请实施例提供的指纹图像匹配方法的第一种实施方式的流程示意图;
图2是本申请实施例提供的步骤S3的流程示意图;
图3是本申请实施例提供的步骤S4的流程示意图;
图4是本申请实施例提供的指纹图像匹配方法的第二种实施方式的流程示意图;
图5是本申请实施例提供的步骤S6的流程示意图;
图6是本申请实施例提供的指纹匹配的流程示意图;
图7是本申请实施例提供的注册的流程示意图;
图8是本申请实施例提供的指纹图像匹配方法的第三种实施方式的流程示意图;
图9是本申请实施例提供的指纹图像匹配装置的结构示意图;
图10是本申请实施例提供的指纹图像匹配***的结构示意图;
图11是本申请实施例提供的计算机设备的第一种实施方式的结构示意图;
图12是本申请实施例提供的计算机设备的第二种实施方式的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素,此外,本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义,也可能具有不同含义,其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
应当理解,尽管在本文可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本文范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。本申请使用的术语“或”、“和/或”、“包括以下至少一个”等可被解释为包括性的,或意味着任一个或任何组合。例如,“包括以下至少一个:A、B、C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A和B和C”,再如,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A和B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
应该理解的是,虽然本申请实施例中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是,在本文中,采用了诸如S1、S2等步骤代号,其目的是为了更清楚简要地表述相应内容,不构成顺序上的实质性限制,本领域技术人员在具体实施时,可能会先执行S2后执行S1等,但这些均应在本申请的保护范围之内。
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或者“单元”的后缀仅为了有利于本申请的说明,其本身没有特定的意义。因此,“模块”、“部件”或者“单元”可以混合地使用。
在描述本发明的技术方案之前,先对相关的技术术语进行简单解释:
指纹模板:以原始指纹为母本,通过某种手段,衍生出多个不可逆的、互不关联的指纹子本,这些子本可替代指纹的特征信息用于识别。
指纹特征点,包含:端点,叉点,分歧点,孤立点,短纹,环点,桥;其中,端点表示一条纹路的终结,叉点表示一条纹路在此分成两条或多条纹路。
核心点(core point):核心点位于指纹纹路的渐进中心。
三角点(delta):三角点是指纹图像中三角形纹路区域的中心点,离该点最近的三条指纹纹线构成一个近似三角形。
奇异点:核心点和三角点统称奇异点。
误识率(FAR,false acceptance rate):是指在标准指纹数据库上测试指纹识别算法时,不同指纹的匹配分数大于给定阈值,从而被认为是相同指纹的比例,简单地说就是“把不应该匹配的指纹当成匹配的指纹”的比例。
拒识率(FRR,false rejection rate):是指在标准指纹数据库上测试指纹识别算法时,相同指纹的匹配分数低于给定阈值,从而被认为是不同指纹的比例,简单地说就是“把应该相互匹配成功的指纹当成不能匹配的指纹”的比例。
首先介绍本申请可以提供的应用场景,如提供一种指纹图像匹配方法、装置、计算机设备及存储介质,有效提高指纹图像匹配的效率和准确性,降低小面积的指纹识别时的拒识率和误识率。
请参阅图1,图1是本申请实施例提供的指纹图像匹配方法的流程示意图。该指纹图像匹配方法具体可以包括:
S1.采集待识别指纹图像,并对待识别指纹图像进行图像质量评分。
具体的,对于步骤S1,首先是采集用户的指纹图像,作为待识别指纹图像,并通过对待识别指纹图像进行图像质量评分,从而判断指纹图像的质量。
S2.若待识别指纹图像的图像质量评分大于第一预设阈值,则对待识别指纹图像进行图像预处理。
具体的,对于步骤S2,若采集的待识别指纹图像的图像质量评分大于第一预设阈值,则认为该待识别指纹图像的质量为合格,并对待识别指纹图像进行图像预处理,进一步提高指纹图像的图像质量,以便提高后续特征提取的准确性和效率,保障图像匹配时的可靠性;若采集的待识别指纹图像的图像质量评分小于或等于第一预设阈值,则认为该待识别指纹图像的质量为不合格,需要重新采集用户的指纹图像。其中,图像质量评分方式可以是通过对指纹图像的图像特征进行权重打分,在此不进行具体限定。
在具体的实施例中,本实施例中的图像预处理主要目的是为了滤除图像噪声,增强脊和谷的对比度,从而提高指纹图像质量,将待识别指纹图像变成一幅清晰的点线图,便于后续提取出正确的指纹特征。其中,图像预处理包括但不限于图像的平滑、归一化、图像滤波、图像增强和图像的二值化等,在此不进行具体限制。
S3.对经过图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板。
具体的,对于步骤S3,主要是对经过图像预处理后,图像质量经过提高的待识别指纹图像进行特征提取,提出待识别指纹图像中关于指纹的各项特征,形成对该指纹的综合描述,从而生成对应的待匹配指纹模板。
可选地,如图2所示,在一些实施例中,步骤S3具体可以包括:
S31.提取待识别指纹图像的指纹特征点和奇异点;
S32.基于指纹特征点和奇异点,生成待识别指纹图像对应的待匹配指纹模板。
在具体的实施例中,对待识别指纹图像进行特征提取,提取出指纹特征点和奇异点,从而基于指纹特征点和奇异点,生成待识别指纹图像对应的待匹配指纹模板。其中,指纹图像的各项特征包括但不限于指纹特征点和奇异点,指纹特征点包括但不限于端点,叉点、分歧点、孤立点、短纹、环点和桥等,奇异点包括核心点和三角点,核心点位于指纹纹路的渐进中心,三角点是指纹图像中三角形纹路区域的中心点,离该点最近的三条指纹纹线构成一个近似三角形。
S4.将待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。
具体的,对于步骤S4,将得到的待匹配指纹模板与指纹库中的若干个指纹模板进行匹配,认证当前用户的待匹配指纹模板是否与指纹库中相匹配,得到匹配结果。
可选地,如图3所示,在一些实施例中,步骤S4具体可以包括:
S41.基于待识别指纹图像的指纹特征点和奇异点,确定待匹配指纹模板的矢量线段对;
S42.将待匹配指纹模板的矢量线段对与指纹库中的指纹模板的矢量线段进行比对;
S43.若待匹配指纹模板的矢量线段对与指纹模板的矢量线段的比对成功率大于第二预设阈值,则计算待匹配指纹模板的中心点;
S44.基于中心点,旋转待匹配指纹模板,以对齐指纹模板;
S45.计算待匹配指纹模板与指纹模板的重合面积比例,并比对重合范围的指纹方向,生成对应的匹配结果。
在具体的实施例中,获取待识别指纹图像的指纹特征点和奇异点,将所有的指纹特征点和奇异点进行两两连线,直至所有的指纹特征点或奇异点均与其它任意一个点之间形成线段,从而组成待识别指纹图像对应的待匹配指纹模板中的矢量线段对,将待匹配指纹模板的矢量线段对和指纹库中指纹模板的矢量线段进行比对,节约了大量花费在指纹模板上的反复对齐和旋转的时间,其中指纹库中的指纹模板的矢量线段生成方式也是将所有的指纹特征点和奇异点进行两两连线,判断矢量线段对比对的成功率是否大于第二预设阈值(例如80%),若小于或等于第二预设阈值,则判断指纹匹配失败,若大于第二预设阈值,则根据比对上的线段对,找到对应的特征点,检查匹配成功的点和指纹库中的点是否在同一有效范围内,如果在同一有效范围内,则计算待匹配指纹模板的中心点,通过计算所有点的均值坐标,作为中心点坐标;根据中心点坐标对待匹配指纹模板和指纹库中的指纹模板进行旋转对齐,例如旋转和平移待匹配指纹模板,从而对齐指纹库中的指纹模板;根据旋转和偏移的参数,更新待匹配指纹模板中的方向图,其中方向图中每个坐标存储指纹纹线方向;根据对齐后的两个模板,计算待匹配指纹模板中与指纹模板的重合面积比例(方向图重合的面积比例),判断是否大于预设阈值(例如70%),若否,则指纹匹配失败,若是,则比对两个模板重合范围的部分指纹纹线是否一致,若是,则判定指纹匹配成功,否则匹配失败。例如先计算方向图重合的面积,在重合面积大于指纹面积70%的情况下,比对两个模板指纹纹线方向的一致性,若重合部分90%的点方向一致以上认为指纹匹配成功,否则匹配失败。
可选地,如图4所示,在一些实施例中,在步骤S4之后,所述方法具体还可以包括:
S5.将匹配成功的待匹配指纹模板更新至指纹库中;
S6.基于匹配结果,更新指纹库中的指纹模板。
具体的,在得到指纹图像模板的匹配结果之后,本实施例还包括:将匹配成功的待匹配指纹模板更新至指纹库中,并基于匹配结果,对指纹库中原有的指纹模板进行更新和扩展。
可选地,如图5所示,在一些实施例中,步骤S6具体可以包括:
S61.基于匹配结果,查找匹配成功的待匹配指纹模板中不在指纹库的特征点和奇异点;
S62.根据矢量线段对的相对位置,将不在指纹库的特征点和奇异点还原至指纹库中的指纹模板中;
S63.查找匹配成功的待匹配指纹模板中与指纹库的指纹模板重合的特征点和奇异点,更新指纹模板的分数;
S64.若匹配成功的待匹配指纹模板未被指纹库的指纹模板完全覆盖,则将超出覆盖部分的方向图更新至指纹模板。
具体的,当指纹匹配成功后,对指纹库中的特征点和奇异点进行更新,包括添加特征点和奇异点、更新替换特征点和奇异点,找出不在指纹库指纹模板中的特征点和奇异点,根据矢量线段对的相对位置,还原到指纹模板库中指纹模板中;并根据特征点和奇异点的初始质量给特征点打分;找出重合部分指纹库指纹模板中的特征点和奇异点,根据待匹配指纹模板中的线段对匹配情况和特征点、奇异点,更新指纹库指纹模板中的分数;当指纹匹配成功后,还包括更新指纹模板中的方向图,如果待匹配指纹模板中存在没有被指纹库中的指纹模板完全覆盖的部分,更新超出部分的方向图到指纹库的指纹模板中。
可选地,如图5所示,在一些实施例中,步骤S6具体还可以包括:
S65.查找指纹库的指纹模板中不在匹配成功的待匹配指纹模板出现的特征点和奇异点,并减少预设比例的分值;
S66.当不在匹配成功的待匹配指纹模板出现的特征点和奇异点的分值低于第三预设阈值时,删除指纹库的指纹模板中不在匹配成功的待匹配指纹模板出现的特征点和奇异点。
具体的,根据待匹配指纹模板中的特征值和奇异点,依次在对应区域的指纹库指纹模板中进行搜索,当发现没有在指纹库中模板的特征点或奇异点,通过矢量线段对的相对位置添加到指纹模板库模板中;当发现在指纹库中模板的特征点和奇异点,增加预设比例(如10%)的分数,更新特征点或奇异点的分数;当发现没在待匹配指纹模板中出现的特征点或奇异点,减少预设比例(如10%)的分数,当分数小于第三预设阈值(如10分)时,删除指纹模板库中的对应的特征点或奇异点。
可见,本实施例通过提供一种小面积指纹图像的匹配方法,采用特征点(端点,叉点,分歧点,孤立点,短纹,环点,桥)和奇异点(核心点和三角点)组成的矢量线段进行对比,整合了多种信息,同时减少了指纹匹配中的大量平移和旋转的操作;并对匹配上的点做几何中心,对齐指纹模板估算面积;对重合部分的特征点奇异点进行更新,同时把超出对其面积的特征点和奇异点更新到指纹库中的指纹模板,以达到扩展指纹模板,达到提高指纹识别成功概率。从而解决小面积指纹特征信息不足或指纹重合部分少从而导致指纹识别成功率低下的问题。
如图6所示,本申请实施例还提供了指纹匹配的具体实施方法,具体步骤包括:根据新采样的指纹模板1,生成特征点奇异点的矢量线段对1,将矢量线段对1和指纹模板库中的线段对进行比对,判断矢量线段对1比对成功的比例是否超过门限,若否,则判定指纹匹配失败,若是,则计算以特征点和奇异点的物理中心点,根据比对上的线段对,找到对应的特征点,以特征点和奇异点的物理的中心为中心点,对指纹模板1进行旋转对齐,根据对齐的模板,计算指纹模板1的重合面积比例,判断指纹模板1重合的部分是否超过门限,若否,则判定指纹匹配失败,若是,则判断指纹模板1重合的部分指纹纹线方向是否一致;若一致,则判定指纹匹配成功,若否,则判定指纹匹配失败。
可选地,如图7所示,在一些实施例中,在步骤S3之后,所述方法具体还可以包括注册的流程,具体步骤如下:
S301.获取多个待匹配指纹模板;
S302.对多个待匹配指纹模板进行两两匹配;
S303.若任一对待匹配指纹模板匹配成功,则对第一待匹配指纹模板进行扩展后添加至指纹库中,并删除第二待匹配指纹模板;
S304.若任一对待匹配指纹模板以外的任一待匹配指纹模板与第一待匹配指纹模板匹配失败,则将任一对待匹配指纹模板以外的任一待匹配指纹模板添加至指纹库中。
具体的,在步骤S3之后,本实施例还包括根据录入的指纹图像进行注册,具体流程如下,首先采集多个指纹图像,从而生成多个待匹配指纹模板,对多个待匹配指纹模板进行两两匹配,如果第一指纹模板和第二指纹模板匹配成功,则对第一指纹模板进行扩展,删除第二指纹模板,将扩展后的第一指纹模板录入至指纹库中,如果第一指纹模板和第三指纹模板匹配失败,则将第三指纹模板录入至指纹库中。
由上可知,本申请实施例提供的指纹图像匹配方法,包括:采集待识别指纹图像,并对待识别指纹图像进行图像质量评分;若待识别指纹图像的图像质量评分大于第一预设阈值,则对待识别指纹图像进行图像预处理;对经过图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;将待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。本申请实施例通过对采集的指纹图像进行图像预处理后,提取出特征生成指纹模板,从而与指纹库进行匹配,有效提高指纹图像匹配的效率和准确性;另外,通过整合指纹图像中的多种信息,通过特征点和奇异点生成矢量线段进行图像比对,进一步提高指纹图像匹配的准确性,节省了指纹对比时间,并根据匹配结果对指纹模板进行扩展和更新,从而降低小面积的指纹识别时的拒识率和误识率。
如图8所示,本申请实施例提供了一种指纹图像匹配方法的第三种实施方式的流程示意图,具体流程包括:首先是采集用户的指纹图像,然后进行图像质量判断,若判断质量不合格,则返回上一步,继续采集指纹,若判断质量合格,则对指纹图像进行图像预处理,完成图像预处理后,生成指纹模板;根据生成的指纹模板进行用户注册,注册成功后将指纹模板录入至指纹模板数据库中;根据生成的指纹模板与指纹模板数据库进行特征匹配,输出匹配结果,在匹配成功后更新扩展指纹模板,并录入至指纹模板数据库。
相应的,本申请还提供一种指纹图像匹配装置,请参阅图9,图9是本申请提供的指纹图像匹配装置的结构示意图,具体可以包括采集模块100、预处理模块200、模板生成模块300和匹配模块400。
其中,采集模块100,用于采集待识别指纹图像,并对待识别指纹图像进行图像质量评分;
预处理模块200,用于若待识别指纹图像的图像质量评分大于第一预设阈值,则对待识别指纹图像进行图像预处理;
模板生成模块300,用于对经过图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;
匹配模块400,用于将待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。
可选地,在一些实施例中,模板生成模块300具体可以包括:
提取单元,用于提取待识别指纹图像的指纹特征点和奇异点;
模板生成单元,用于基于指纹特征点和奇异点,生成待识别指纹图像对应的待匹配指纹模板。
可选地,在一些实施例中,匹配模块400具体可以包括:
矢量线段对单元,用于基于待识别指纹图像的指纹特征点和奇异点,确定待匹配指纹模板的矢量线段对;
比对单元,用于将待匹配指纹模板的矢量线段对与指纹库中的指纹模板的矢量线段进行比对;
中心点单元,用于若待匹配指纹模板的矢量线段对与指纹模板的矢量线段的比对成功率大于第二预设阈值,则计算待匹配指纹模板的中心点;
对齐单元,用于基于中心点,旋转待匹配指纹模板,以对齐指纹模板;
匹配单元,用于计算待匹配指纹模板与指纹模板的重合面积比例,并比对重合范围的指纹方向,生成对应的匹配结果。
可选地,在一些实施例中,指纹图像匹配装置具体还可以包括:
第一更新模块,用于将匹配成功的待匹配指纹模板更新至指纹库中;
第二更新模块,用于基于匹配结果,更新指纹库中的指纹模板。
可选地,在一些实施例中,第二更新模块具体可以包括:
第一查找单元,用于基于匹配结果,查找匹配成功的待匹配指纹模板中不在指纹库的特征点和奇异点;
还原单元,用于根据矢量线段对的相对位置,将不在指纹库的特征点和奇异点还原至指纹库中的指纹模板中;
第二查找单元,用于查找匹配成功的待匹配指纹模板中与指纹库的指纹模板重合的特征点和奇异点,更新指纹模板的分数;
更新单元,用以若匹配成功的待匹配指纹模板未被指纹库的指纹模板完全覆盖,则将超出覆盖部分的方向图更新至指纹模板。
第三查找单元,用于查找指纹库的指纹模板中不在匹配成功的待匹配指纹模板出现的特征点和奇异点,并减少预设比例的分值;
删除单元,用于当不在匹配成功的待匹配指纹模板出现的特征点和奇异点的分值低于第三预设阈值时,删除指纹库的指纹模板中不在匹配成功的待匹配指纹模板出现的特征点和奇异点。
可选地,在一些实施例中,指纹图像匹配装置具体还可以包括:
注册模块,用于获取多个待匹配指纹模板;对多个待匹配指纹模板进行两两匹配;若任一对待匹配指纹模板匹配成功,则对第一待匹配指纹模板进行扩展后添加至指纹库中,并删除第二待匹配指纹模板;若任一对待匹配指纹模板以外的任一待匹配指纹模板与第一待匹配指纹模板匹配失败,则将任一对待匹配指纹模板以外的任一待匹配指纹模板添加至指纹库中。
由上可知,本申请实施例提供的指纹图像匹配装置,采集模块100采集待识别指纹图像,并对待识别指纹图像进行图像质量评分;预处理模块200在若识别指纹图像的图像质量评分大于第一预设阈值时,对待识别指纹图像进行图像预处理;模板生成模块300,对经过图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;匹配模块400将待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。本申请实施例通过对采集的指纹图像进行图像预处理后,提取出特征生成指纹模板,从而与指纹库进行匹配,有效提高指纹图像匹配的效率和准确性;另外,通过整合指纹图像中的多种信息,通过特征点和奇异点生成矢量线段进行图像比对,进一步提高指纹图像匹配的准确性,节省了指纹对比时间,并根据匹配结果对指纹模板进行扩展和更新,从而降低小面积的指纹识别时的拒识率和误识率。
如图10所示,本申请实施例还提供了一种指纹图像匹配***,包括:
指纹采集模块,用于采集指纹图片,并判断图片的质量。
图像处理模块,用于滤除噪声,增强脊和谷的对比度,提高指纹图像质量,将指纹图像变成一幅清晰的点线图,便于提取正确的指纹特征。包括图像的平滑,归一化,图像滤波,图像增强,图像的二值化等。
指纹模板生成模块,用于提取指纹的各项特征,形成对该指纹的综合描述,即指纹模板。
注册模块,用于用户使用过程中完成指纹录入。
指纹模板匹配模块,用于用户使用过程中完成指纹认证。
更新指纹库模块,用于根据匹配结果更新指纹库中的指纹模板。
如图11所示,本申请实施例还提供一种计算机设备的第一种实施方式,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现一种指纹图像匹配方法的步骤,包括:采集待识别指纹图像,并对待识别指纹图像进行图像质量评分;若待识别指纹图像的图像质量评分大于第一预设阈值,则对待识别指纹图像进行图像预处理;对经过图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;将待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。
参照图12,本申请实施例中还提供一种计算机设备的第二种实施方式,该计算机设备可以是服务器,其内部结构可以如图12所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于储存指纹图像匹配方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种指纹图像匹配方法。所述指纹图像匹配方法,包括:采集待识别指纹图像,并对待识别指纹图像进行图像质量评分;若待识别指纹图像的图像质量评分大于第一预设阈值,则对待识别指纹图像进行图像预处理;对经过图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;将待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种指纹图像匹配方法,包括步骤:采集待识别指纹图像,并对待识别指纹图像进行图像质量评分;若待识别指纹图像的图像质量评分大于第一预设阈值,则对待识别指纹图像进行图像预处理;对经过图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;将待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。
上述执行的指纹图像匹配方法,本申请实施例通过对采集的指纹图像进行图像预处理后,提取出特征生成指纹模板,从而与指纹库进行匹配,有效提高指纹图像匹配的效率和准确性;另外,通过指纹图像中的特征点和奇异点生成矢量线段进行图像匹配,进一步提高指纹图像匹配的准确性,并根据匹配结果对指纹模板进行扩展和更新,从而降低小面积的指纹识别时的拒识率和误识率。
可以理解,上述场景仅是作为示例,并不构成对于本申请实施例提供的技术方案的应用场景的限定,本申请的技术方案还可应用于其他场景。例如,本领域普通技术人员可知,随着***架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请实施例设备中的单元可以根据实际需要进行合并、划分和删减。
在本申请中,对于相同或相似的术语概念、技术方案和/或应用场景描述,一般只在第一次出现时进行详细描述,后面再重复出现时,为了简洁,一般未再重复阐述,在理解本申请技术方案等内容时,对于在后未详细描述的相同或相似的术语概念、技术方案和/或应用场景描述等,可以参考其之前的相关详细描述。
在本申请中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本申请技术方案的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本申请记载的范围。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,被控终端,或者网络设备等)执行本申请每个实施例的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络,或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、存储盘、磁带)、光介质(例如,DVD),或者半导体介质(例如固态存储盘Solid State Disk (SSD))等。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种指纹图像匹配方法,其特征在于,包括如下步骤:
采集待识别指纹图像,并对所述待识别指纹图像进行图像质量评分;
若所述待识别指纹图像的图像质量评分大于第一预设阈值,则对所述待识别指纹图像进行图像预处理;
对经过所述图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;
将所述待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。
2.根据权利要求1所述的指纹图像匹配方法,其特征在于,所述对经过所述图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板,包括:
提取所述待识别指纹图像的指纹特征点和奇异点;
基于所述指纹特征点和奇异点,生成所述待识别指纹图像对应的待匹配指纹模板。
3.根据权利要求2所述的指纹图像匹配方法,其特征在于,所述将所述待匹配指纹模板与指纹库中的指纹模板进行匹配,包括:
基于所述待识别指纹图像的指纹特征点和奇异点,确定所述待匹配指纹模板的矢量线段对;
将所述待匹配指纹模板的矢量线段对与所述指纹库中的指纹模板的矢量线段进行比对;
若所述待匹配指纹模板的矢量线段对与所述指纹模板的矢量线段的比对成功率大于第二预设阈值,则计算所述待匹配指纹模板的中心点;
基于所述中心点,旋转所述待匹配指纹模板,以对齐所述指纹模板;
计算所述待匹配指纹模板与所述指纹模板的重合面积比例,并比对重合范围的指纹方向,生成对应的匹配结果。
4.根据权利要求3所述的指纹图像匹配方法,其特征在于,在所述将所述待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果之后,所述方法还包括:
将匹配成功的待匹配指纹模板更新至所述指纹库中;
基于所述匹配结果,更新所述指纹库中的指纹模板。
5.根据权利要求4所述的指纹图像匹配方法,其特征在于,所述基于所述匹配结果,更新所述指纹库中的指纹模板,包括:
基于所述匹配结果,查找所述匹配成功的待匹配指纹模板中不在所述指纹库的特征点和奇异点;
根据所述矢量线段对的相对位置,将所述不在所述指纹库的特征点和奇异点还原至所述指纹库中的指纹模板中;
查找所述匹配成功的待匹配指纹模板中与所述指纹库的指纹模板重合的特征点和奇异点,更新所述指纹模板的分数;
若所述匹配成功的待匹配指纹模板未被所述指纹库的指纹模板完全覆盖,则将超出覆盖部分的方向图更新至所述指纹模板。
6.根据权利要求5所述的指纹图像匹配方法,其特征在于,所述基于所述匹配结果,更新所述指纹库中的指纹模板,还包括:
查找所述指纹库的指纹模板中不在所述匹配成功的待匹配指纹模板出现的特征点和奇异点,并减少预设比例的分值;
当所述不在所述匹配成功的待匹配指纹模板出现的特征点和奇异点的分值低于第三预设阈值时,删除所述指纹库的指纹模板中不在所述匹配成功的待匹配指纹模板出现的特征点和奇异点。
7.根据权利要求1所述的指纹图像匹配方法,其特征在于,在所述生成对应的待匹配指纹模板之后,所述方法还包括:
获取多个所述待匹配指纹模板;
对多个所述待匹配指纹模板进行两两匹配;
若任一对待匹配指纹模板匹配成功,则对第一待匹配指纹模板进行扩展后添加至指纹库中,并删除第二待匹配指纹模板;
若任一对待匹配指纹模板以外的任一待匹配指纹模板与所述第一待匹配指纹模板匹配失败,则将所述任一对待匹配指纹模板以外的任一待匹配指纹模板添加至指纹库中。
8.一种指纹图像匹配装置,其特征在于,包括:
采集模块,用于采集待识别指纹图像,并对所述待识别指纹图像进行图像质量评分;
预处理模块,用于若所述待识别指纹图像的图像质量评分大于第一预设阈值,则对所述待识别指纹图像进行图像预处理;
模板生成模块,用于对经过所述图像预处理后的待识别指纹图像进行特征提取,生成对应的待匹配指纹模板;
匹配模块,用于将所述待匹配指纹模板与指纹库中的指纹模板进行匹配,得到匹配结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的指纹图像匹配方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的指纹图像匹配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496306.1A CN115527244B (zh) | 2022-11-28 | 2022-11-28 | 一种指纹图像匹配方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496306.1A CN115527244B (zh) | 2022-11-28 | 2022-11-28 | 一种指纹图像匹配方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115527244A true CN115527244A (zh) | 2022-12-27 |
CN115527244B CN115527244B (zh) | 2023-03-21 |
Family
ID=84705296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211496306.1A Active CN115527244B (zh) | 2022-11-28 | 2022-11-28 | 一种指纹图像匹配方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115527244B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597185A (zh) * | 2023-07-17 | 2023-08-15 | 荣耀终端有限公司 | 模板更新方法及电子设备 |
CN117711031A (zh) * | 2023-08-03 | 2024-03-15 | 荣耀终端有限公司 | 一种指纹匹配方法及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1439997A (zh) * | 2002-02-22 | 2003-09-03 | 杭州中正生物认证技术有限公司 | 指纹识别方法与*** |
CN105447437A (zh) * | 2015-02-13 | 2016-03-30 | 比亚迪股份有限公司 | 指纹识别方法和装置 |
CN106022290A (zh) * | 2016-05-30 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹模板更新方法及终端设备 |
US20160371532A1 (en) * | 2013-12-31 | 2016-12-22 | Feng Shi | Fingerprint template based on fuzzy feature point information and fingerprint identification method |
CN109657657A (zh) * | 2019-02-19 | 2019-04-19 | 武汉芯盈科技有限公司 | 一种基于图像处理的手机小面积高精度指纹识别方法及*** |
CN111478986A (zh) * | 2020-06-22 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 设备指纹的生成方法、装置、设备及存储介质 |
JP6927611B1 (ja) * | 2020-03-16 | 2021-09-01 | Necプラットフォームズ株式会社 | 特徴量抽出装置、特徴量抽出方法、及び、プログラム |
CN114120378A (zh) * | 2021-12-06 | 2022-03-01 | 中电万维信息技术有限责任公司 | 一种三级分类指纹识别方法 |
-
2022
- 2022-11-28 CN CN202211496306.1A patent/CN115527244B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1439997A (zh) * | 2002-02-22 | 2003-09-03 | 杭州中正生物认证技术有限公司 | 指纹识别方法与*** |
US20160371532A1 (en) * | 2013-12-31 | 2016-12-22 | Feng Shi | Fingerprint template based on fuzzy feature point information and fingerprint identification method |
CN105447437A (zh) * | 2015-02-13 | 2016-03-30 | 比亚迪股份有限公司 | 指纹识别方法和装置 |
CN106022290A (zh) * | 2016-05-30 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹模板更新方法及终端设备 |
CN109657657A (zh) * | 2019-02-19 | 2019-04-19 | 武汉芯盈科技有限公司 | 一种基于图像处理的手机小面积高精度指纹识别方法及*** |
JP6927611B1 (ja) * | 2020-03-16 | 2021-09-01 | Necプラットフォームズ株式会社 | 特徴量抽出装置、特徴量抽出方法、及び、プログラム |
CN111478986A (zh) * | 2020-06-22 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 设备指纹的生成方法、装置、设备及存储介质 |
CN114120378A (zh) * | 2021-12-06 | 2022-03-01 | 中电万维信息技术有限责任公司 | 一种三级分类指纹识别方法 |
Non-Patent Citations (2)
Title |
---|
刘汉英;刘书卿;叶苗;陈宫;: "基于线模式的指纹匹配算法" * |
许秋旺;张雪锋;: "改进的BioHashing指纹模板保护算法" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597185A (zh) * | 2023-07-17 | 2023-08-15 | 荣耀终端有限公司 | 模板更新方法及电子设备 |
CN116597185B (zh) * | 2023-07-17 | 2023-12-15 | 荣耀终端有限公司 | 模板更新方法及电子设备 |
CN117711031A (zh) * | 2023-08-03 | 2024-03-15 | 荣耀终端有限公司 | 一种指纹匹配方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115527244B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115527244B (zh) | 一种指纹图像匹配方法、装置、计算机设备及存储介质 | |
JP5427883B2 (ja) | 画像識別のためのスケールにロバストな特徴に基づく識別子 | |
EP2444933A1 (en) | Biometric authentication device, biometric authentication method and computer program for biometric authentication | |
US9690973B2 (en) | Feature-based matcher for distorted fingerprint matching | |
EP2240887B1 (en) | Feature-based signatures for image identification | |
CN107491674B (zh) | 基于特征信息进行用户验证的方法及装置 | |
US11062120B2 (en) | High speed reference point independent database filtering for fingerprint identification | |
US11263437B2 (en) | Method for extracting a feature vector from an input image representative of an iris by means of an end-to-end trainable neural network | |
CN110489951A (zh) | 风险识别的方法、装置、计算机设备和存储介质 | |
JP2001118065A (ja) | 指紋照合装置及び照合方法 | |
US10528844B2 (en) | Method and apparatus for distance measurement | |
US8792686B2 (en) | Biometric authentication device, method of controlling biometric authentication device and non-transitory, computer readable storage medium | |
US10127681B2 (en) | Systems and methods for point-based image alignment | |
CN105718920A (zh) | 指纹识别方法及指纹识别装置 | |
CN116385745A (zh) | 图像识别方法、装置、电子设备和存储介质 | |
CN111079587A (zh) | 人脸的识别方法、装置、计算机设备及可读存储介质 | |
CN115497125B (zh) | 指纹识别方法、***、计算机设备及计算机可读存储介质 | |
KR101072352B1 (ko) | 지문인증 장치 및 그 방법 | |
CN110874602A (zh) | 一种图像识别方法及装置 | |
CN114495180A (zh) | 一种指纹匹配方法、芯片及设备 | |
EP3506152A1 (en) | Information processing apparatus, recording medium for recording biometric authentication program, and biometric authentication method | |
KR100564762B1 (ko) | 지문 정보를 이용한 사용자 인증방법 및 그 장치 | |
JP4575356B2 (ja) | アイデンティティのチェックのためのシステム、コンピュータ読み取り可能な記録媒体 | |
CN112989096B (zh) | 脸部特征迁移方法、电子设备及存储介质 | |
KR102524163B1 (ko) | 신분증 인식 방법 및 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |