CN117218691B - 一种基于指纹识别的解锁方法 - Google Patents
一种基于指纹识别的解锁方法 Download PDFInfo
- Publication number
- CN117218691B CN117218691B CN202311485976.8A CN202311485976A CN117218691B CN 117218691 B CN117218691 B CN 117218691B CN 202311485976 A CN202311485976 A CN 202311485976A CN 117218691 B CN117218691 B CN 117218691B
- Authority
- CN
- China
- Prior art keywords
- valley
- line
- ridge line
- width
- value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 20
- 239000013598 vector Substances 0.000 claims description 87
- 238000001914 filtration Methods 0.000 claims description 32
- 230000009191 jumping Effects 0.000 claims description 12
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于指纹识别的解锁方法,属于指纹识别技术领域,本发明中在采集指纹图像,并灰度处理后,得到灰度图,将灰度图分成多份脊线图和多份谷线图,即将灰度图上的脊线和谷线拆分成单份,便于后续进行对比处理,本发明中将每份脊线图和每份谷线图进行像素点滤波处理,将异常和多余的像素点剔除,保障脊线和谷线的流畅性,再根据多份脊线滤波图和多份谷线滤波图上特征的情况,构建脊线特征向量和谷线特征向量,计算出脊线特征向量与脊线存储特征向量,谷线特征向量与谷线存储特征向量的匹配度,在匹配度大于匹配阈值时,终端解锁成功,实现一种计算简单,且可以根据指纹的局部来实现指纹识别的解锁方法。
Description
技术领域
本发明涉及指纹识别技术领域,具体涉及一种基于指纹识别的解锁方法。
背景技术
随着科技的发展,智能手机、平板电脑等终端电子设备已经成为人们生活中不可或缺的一部分。为了保护用户的隐私和数据安全,越来越多的终端设备采用指纹识别技术作为终端设备的解锁方式。现有指纹识别方法为:通过终端设备采集指纹图像,对指纹图像进行预处理,便于提取指纹特征,从而与存储的指纹特征进行比对,判断两者是否一致,若一致,则判定为同一人,若不一致,则不为同一人。现有指纹识别方法需要采集大面积的指纹,从而对比指纹形状上的一致性,能提高指纹识别的精度,但是对于保密性要求不高的终端设备,现有指纹识别方法复杂度较高,计算量过大,不适用于小型终端设备,且对局部的指纹无法进行识别。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于指纹识别的解锁方法解决了以下技术问题:
1、现有指纹识别方法复杂度较高,计算量过大;
2、现有指纹识别方法对局部的指纹无法进行识别。
为了达到上述发明目的,本发明采用的技术方案为:一种基于指纹识别的解锁方法,包括以下步骤:
S1、通过终端的图像传感器采集指纹图像;
S2、对指纹图像进行灰度处理,得到灰度图;
S3、将灰度图分成多份脊线图和多份谷线图;
S4、对每份脊线图和每份谷线图分别进行像素点滤波处理,得到多份脊线滤波图和多份谷线滤波图;
S5、根据多份脊线滤波图和多份谷线滤波图,构建脊线特征向量和谷线特征向量;
S6、根据脊线特征向量与脊线存储特征向量的匹配情况,谷线特征向量与谷线存储特征向量的匹配情况,得到匹配度,在匹配度大于匹配阈值时,终端解锁成功。
本发明的有益效果为:本发明中在采集指纹图像,并灰度处理后,得到灰度图,将灰度图分成多份脊线图和多份谷线图,即将灰度图上的脊线和谷线拆分成单份,便于后续进行对比处理,本发明中将每份脊线图和每份谷线图进行像素点滤波处理,将异常和多余的像素点剔除,保障脊线和谷线的流畅性,再根据多份脊线滤波图和多份谷线滤波图上特征的情况,构建脊线特征向量和谷线特征向量,计算出脊线特征向量与脊线存储特征向量,谷线特征向量与谷线存储特征向量的匹配度,在匹配度大于匹配阈值时,终端解锁成功,实现一种计算简单,且可以根据指纹的局部来实现指纹识别的解锁方法。
进一步地,所述S3包括以下分步骤:
S31、对灰度图进行灰度值滤波处理,得到灰度滤波图;
S32、计算灰度滤波图的平均灰度值;
S33、将灰度滤波图中灰度值低于平均灰度值的像素点标记为脊线像素点;
S34、将坐标连续的脊线像素点构成一份脊线图;
S35、将灰度滤波图中灰度值高于平均灰度值的像素点标记为谷线像素点;
S36、将坐标连续的谷线像素点构成一份谷线图。
上述进一步地方案的有益效果为:由于指纹上脊线与谷线存在高低差距,在指纹成像时,脊线与谷线的灰度值不一样,先对灰度图进行灰度值滤波处理,解决异常灰度值的问题,计算出灰度滤波图的平均灰度值,平均灰度值作为脊线像素点与谷线像素点的界限,在分离出脊线像素点和谷线像素点后,并将坐标连续的脊线像素点构成一份脊线图,坐标连续的谷线像素点构成一份谷线图,实现对每条脊线和谷线进行分离。
进一步地,所述S31中对灰度图进行灰度值滤波处理的公式为:
,
,
其中,pi,f为第i个像素点滤波后的灰度值,θi为灰度图上第i个像素点的灰度值的滤波系数,pi为灰度图上第i个像素点的灰度值,pi,k为灰度图上第i个像素点的33邻域内第k个像素点的灰度值,K为3/>3邻域内像素点的数量,exp为以自然常数为底的对数函数,i为灰度图上像素点的编号,k为3/>3邻域内像素点的编号。
上述进一步地方案的有益效果为:本发明将灰度图每个像素点的灰度值与33邻域范围的灰度均值的灰度距离作为滤波系数,在滤波系数越大时,像素点的灰度值异常程度越高,对像素点的灰度值滤波能力越强。
进一步地,所述S4包括以下分步骤:
S41、以待滤波图上每个像素点为中心像素点,统计中心像素点的33邻域内像素点的数量,其中,待滤波图包括:脊线图和谷线图;
S42、在中心像素点的33邻域内像素点的数量小于数量阈值时,则将对应中心像素点标记为待丢弃点;
S43、将待丢弃点从待滤波图上丢弃,得到滤波图,其中,滤波图包括:脊线滤波图和谷线滤波图。
上述进一步地方案的有益效果为:本发明中通过对像素点滤波处理,剔除边缘上孤立和稀疏的像素点,保障脊线和谷线的流畅性。
进一步地,所述S5包括以下分步骤:
S51、提取每份脊线滤波图的脊线宽度特征;
S52、将所有脊线滤波图的脊线宽度特征构成脊线特征向量;
S53、提取每份谷线滤波图的谷线宽度特征;
S54、将所有谷线滤波图的谷线宽度特征构成谷线特征向量。
进一步地,所述S51和S53中提取脊线宽度特征和谷线宽度特征的方法相同,均包括以下分步骤:
C1、找到滤波图上两条最长的边缘轮廓线,其中,滤波图包括:脊线滤波图和谷线滤波图;
C2、从其中一条边缘轮廓线上等间距取多个像素点,作为参考点;
C3、计算每个参考点与另一条边缘轮廓线上各个像素点的距离,取最短距离,作为该参考点处宽度;
C4、对所有参考点处宽度取均值,作为宽度特征,其中,宽度特征包括:脊线宽度特征和谷线宽度特征。
上述进一步地方案的有益效果为:本发明在上述过程中实现了每条脊线和谷线的分离,在每份脊线滤波图或每份谷线滤波图上找到两条最长的边缘轮廓线,从而计算出每个参考点的宽度,取多个参考点的宽度的均值作为一条脊线或谷线的宽度,保障脊线或谷线的宽度衡量的准确性。
进一步地,所述C3中参考点处宽度的计算公式为:
,
其中,wn为第n个参考点处的宽度,min为取最小值,xn为第n个参考点的横坐标,yn为第n个参考点的纵坐标,xa,j为另一条边缘轮廓线上第j个像素点的横坐标,ya,j为另一条边缘轮廓线上第j个像素点的纵坐标,M为另一条边缘轮廓线上像素点的数量,j为另一条边缘轮廓线上像素点的编号,n为参考点的编号。
进一步地,所述S6包括以下分步骤:
S61、根据脊线特征向量与脊线存储特征向量的匹配情况,得到第一匹配值;
S62、根据谷线特征向量与谷线存储特征向量的匹配情况,得到第二匹配值;
S63、将第一匹配值和第二匹配值相加,得到匹配度;
S64、在匹配度大于匹配阈值时,终端解锁成功。
上述进一步地方案的有益效果为:本发明综合脊线特征向量与脊线存储特征向量的匹配情况,以及谷线特征向量与谷线存储特征向量的匹配情况,计算出指纹图像的匹配度,提高指纹识别精度。
进一步地,所述S61包括以下分步骤:
S611、设定脊线宽度特征编号为m,m的初值为1,第一匹配值为Q,Q的初值为0;
S612、取脊线特征向量中第m个脊线宽度特征;
S613、计算第m个脊线宽度特征与脊线存储特征向量中每个脊线存储宽度特征的相似度,得到第一相似度;
S614、判断第一相似度是否大于第一相似阈值,若是,则跳转至S615,若否,则m自加1,并跳转至S612,直到m等于V+1,V为脊线宽度特征的数量,结束分步骤;
S615、将第一匹配值Q自加1,从脊线存储特征向量中剔除与第m个脊线宽度特征的第一相似度大于第一相似阈值的脊线存储宽度特征,且m自加1,并跳转至S612,直到m等于V+1,结束分步骤。
上述进一步地方案的有益效果为:本发明将脊线特征向量中每个脊线宽度特征与脊线存储特征向量中每个脊线存储宽度特征进行匹配,即计算第一相似度,在第一相似度大于第一相似阈值,则匹配成功一对,第一匹配值Q用于记录匹配成功的对数,在匹配成功一对后,脊线存储特征向量中相应的脊线存储宽度特征不再参与匹配过程,第一匹配值Q越大,匹配成功的脊线特征向量越多。
进一步地,所述S62包括以下分步骤:
S621、设定谷线宽度特征编号为r,r的初值为1,第二匹配值为R,R的初值为0;
S622、取谷线特征向量中第r个谷线宽度特征;
S623、计算第r个谷线宽度特征与谷线存储特征向量中每个谷线存储宽度特征的相似度,得到第二相似度;
S624、判断第二相似度是否大于第二相似阈值,若是,则跳转至S625,若否,则r自加1,并跳转至S622,直到r等于U+1,U为谷线宽度特征的数量,结束分步骤;
S625、将第二匹配值Q自加1,从谷线存储特征向量中剔除与第r个谷线宽度特征的第二相似度大于第二相似阈值的谷线存储宽度特征,r自加1,并跳转至S622,直到r等于U+1,结束分步骤。
上述进一步地方案的有益效果为:本发明将谷线特征向量中每个谷线宽度特征与谷线存储特征向量中每个谷线存储宽度特征进行匹配,即计算第二相似度,在第二相似度大于第二相似阈值,则匹配成功一对,第二匹配值R用于记录匹配成功的对数,在匹配成功一对后,谷线存储特征向量中相应的谷线存储宽度特征不再参与匹配过程,第二匹配值R越大,匹配成功的谷线特征向量越多。
附图说明
图1为一种基于指纹识别的解锁方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于指纹识别的解锁方法,包括以下步骤:
S1、采集指纹图像:通过终端的图像传感器采集指纹图像;
S2、对指纹图像灰度处理:对指纹图像进行灰度处理,得到灰度图;
S3、拆分脊线和谷线:将灰度图分成多份脊线图和多份谷线图;
S4、对像素点滤波处理:对每份脊线图和每份谷线图分别进行像素点滤波处理,得到多份脊线滤波图和多份谷线滤波图;
S5、构建脊线特征向量和谷线特征向量:根据多份脊线滤波图和多份谷线滤波图,构建脊线特征向量和谷线特征向量;
S6、与存储特征向量进行匹配:根据脊线特征向量与脊线存储特征向量的匹配情况,谷线特征向量与谷线存储特征向量的匹配情况,得到匹配度,在匹配度大于匹配阈值时,终端解锁成功。
谷线存储特征向量和脊线存储特征向量为历史存储的指纹特征,其获取方式与本发明中脊线特征向量和谷线特征向量的获取方式相同。
在本发明中匹配阈值根据经验进行设置,对保密要求较高,匹配阈值可设置较大,对保密要求较低,匹配阈值可设置较低。
在本发明中,终端包括:平板电脑、手机、游戏机、打卡器和门锁等。
所述S3包括以下分步骤:
S31、对灰度图进行灰度值滤波处理,得到灰度滤波图;
S32、计算灰度滤波图的平均灰度值;
S33、将灰度滤波图中灰度值低于平均灰度值的像素点标记为脊线像素点;
S34、将坐标连续的脊线像素点构成一份脊线图;
S35、将灰度滤波图中灰度值高于平均灰度值的像素点标记为谷线像素点;
S36、将坐标连续的谷线像素点构成一份谷线图。
本发明中由于指纹上脊线与谷线存在高低差距,在指纹成像时,脊线与谷线的灰度值不一样,先对灰度图进行灰度值滤波处理,解决异常灰度值的问题,计算出灰度滤波图的平均灰度值,平均灰度值作为脊线像素点与谷线像素点的界限,在分离出脊线像素点和谷线像素点后,并将坐标连续的脊线像素点构成一份脊线图,坐标连续的谷线像素点构成一份谷线图,实现对每条脊线和谷线进行分离。
本发明中S33和S35实现脊线和谷线像素点的拆分,由于指纹是一条脊线和一条谷线的叠加,因此,拆分后脊线和谷线坐标不再连续,连续的是同一条脊线和谷线上的像素点。
所述S31中对灰度图进行灰度值滤波处理的公式为:
,
,
其中,pi,f为第i个像素点滤波后的灰度值,θi为灰度图上第i个像素点的灰度值的滤波系数,pi为灰度图上第i个像素点的灰度值,pi,k为灰度图上第i个像素点的33邻域内第k个像素点的灰度值,K为3/>3邻域内像素点的数量,exp为以自然常数为底的对数函数,i为灰度图上像素点的编号,k为3/>3邻域内像素点的编号。
本发明将灰度图每个像素点的灰度值与33邻域范围的灰度均值的灰度距离作为滤波系数,在滤波系数越大时,像素点的灰度值异常程度越高,对像素点的灰度值滤波能力越强。
在本发明中,对每份脊线图和每份谷线图的像素点滤波均采用S4分步骤的过程。
所述S4包括以下分步骤:
S41、以待滤波图上每个像素点为中心像素点,统计中心像素点的33邻域内像素点的数量,其中,待滤波图包括:脊线图和谷线图;
S42、在中心像素点的33邻域内像素点的数量小于数量阈值时,则将对应中心像素点标记为待丢弃点;
S43、将待丢弃点从待滤波图上丢弃,得到滤波图,其中,滤波图包括:脊线滤波图和谷线滤波图。
本发明中通过对像素点滤波处理,剔除边缘上孤立和稀疏的像素点,保障脊线和谷线的流畅性。在本发明中,数量阈值根据经验进行设置。
所述S5包括以下分步骤:
S51、提取每份脊线滤波图的脊线宽度特征;
S52、将所有脊线滤波图的脊线宽度特征构成脊线特征向量;
S53、提取每份谷线滤波图的谷线宽度特征;
S54、将所有谷线滤波图的谷线宽度特征构成谷线特征向量。
所述S51和S53中提取脊线宽度特征和谷线宽度特征的方法相同,均包括以下分步骤:
C1、找到滤波图上两条最长的边缘轮廓线,其中,滤波图包括:脊线滤波图和谷线滤波图;
C2、从其中一条边缘轮廓线上等间距取多个像素点,作为参考点;
C3、计算每个参考点与另一条边缘轮廓线上各个像素点的距离,取最短距离,作为该参考点处宽度;
C4、对所有参考点处宽度取均值,作为宽度特征,其中,宽度特征包括:脊线宽度特征和谷线宽度特征。
本发明在上述过程中实现了每条脊线和谷线的分离,在每份脊线滤波图或每份谷线滤波图上找到两条最长的边缘轮廓线,从而计算出每个参考点的宽度,取多个参考点的宽度的均值作为一条脊线或谷线的宽度,保障脊线或谷线的宽度衡量的准确性。
所述C3中参考点处宽度的计算公式为:
,
其中,wn为第n个参考点处的宽度,min为取最小值,xn为第n个参考点的横坐标,yn为第n个参考点的纵坐标,xa,j为另一条边缘轮廓线上第j个像素点的横坐标,ya,j为另一条边缘轮廓线上第j个像素点的纵坐标,M为另一条边缘轮廓线上像素点的数量,j为另一条边缘轮廓线上像素点的编号,n为参考点的编号。
所述S6包括以下分步骤:
S61、根据脊线特征向量与脊线存储特征向量的匹配情况,得到第一匹配值;
S62、根据谷线特征向量与谷线存储特征向量的匹配情况,得到第二匹配值;
S63、将第一匹配值和第二匹配值相加,得到匹配度;
S64、在匹配度大于匹配阈值时,终端解锁成功。
本发明综合脊线特征向量与脊线存储特征向量的匹配情况,以及谷线特征向量与谷线存储特征向量的匹配情况,计算出指纹图像的匹配度,提高指纹识别精度。
所述S61包括以下分步骤:
S611、设定脊线宽度特征编号为m,m的初值为1,第一匹配值为Q,Q的初值为0;
S612、取脊线特征向量中第m个脊线宽度特征;
S613、计算第m个脊线宽度特征与脊线存储特征向量中每个脊线存储宽度特征的相似度,得到第一相似度;
S614、判断第一相似度是否大于第一相似阈值,若是,则跳转至S615,若否,则m自加1,并跳转至S612,直到m等于V+1,V为脊线宽度特征的数量,结束分步骤;
S615、将第一匹配值Q自加1,从脊线存储特征向量中剔除与第m个脊线宽度特征的第一相似度大于第一相似阈值的脊线存储宽度特征,且m自加1,并跳转至S612,直到m等于V+1,结束分步骤。
本发明将脊线特征向量中每个脊线宽度特征与脊线存储特征向量中每个脊线存储宽度特征进行匹配,即计算第一相似度,在第一相似度大于第一相似阈值,则匹配成功一对,第一匹配值Q用于记录匹配成功的对数,在匹配成功一对后,脊线存储特征向量中相应的脊线存储宽度特征不再参与匹配过程,第一匹配值Q越大,匹配成功的脊线特征向量越多。
所述S62包括以下分步骤:
S621、设定谷线宽度特征编号为r,r的初值为1,第二匹配值为R,R的初值为0;
S622、取谷线特征向量中第r个谷线宽度特征;
S623、计算第r个谷线宽度特征与谷线存储特征向量中每个谷线存储宽度特征的相似度,得到第二相似度;
S624、判断第二相似度是否大于第二相似阈值,若是,则跳转至S625,若否,则r自加1,并跳转至S622,直到r等于U+1,U为谷线宽度特征的数量,结束分步骤;
S625、将第二匹配值Q自加1,从谷线存储特征向量中剔除与第r个谷线宽度特征的第二相似度大于第二相似阈值的谷线存储宽度特征,r自加1,并跳转至S622,直到r等于U+1,结束分步骤。
本发明将谷线特征向量中每个谷线宽度特征与谷线存储特征向量中每个谷线存储宽度特征进行匹配,即计算第二相似度,在第二相似度大于第二相似阈值,则匹配成功一对,第二匹配值R用于记录匹配成功的对数,在匹配成功一对后,谷线存储特征向量中相应的谷线存储宽度特征不再参与匹配过程,第二匹配值R越大,匹配成功的谷线特征向量越多。
在本发明中相似度采用余弦相似度,相似阈值根据经验进行设定。
本发明中指纹图像的脊线特征向量和谷线特征向量表征脊线和谷线的宽度,通过S61和S62分步骤,将其进行匹配,无需获取指纹的全貌,仅需将获取的指纹图像中脊线和谷线进行依次匹配。
本发明中在采集指纹图像,并灰度处理后,得到灰度图,将灰度图分成多份脊线图和多份谷线图,即将灰度图上的脊线和谷线拆分成单份,便于后续进行对比处理,本发明中将每份脊线图和每份谷线图进行像素点滤波处理,将异常和多余的像素点剔除,保障脊线和谷线的流畅性,再根据多份脊线滤波图和多份谷线滤波图上特征的情况,构建脊线特征向量和谷线特征向量,计算出脊线特征向量与脊线存储特征向量,谷线特征向量与谷线存储特征向量的匹配度,在匹配度大于匹配阈值时,终端解锁成功,实现一种计算简单,且可以根据指纹的局部来实现指纹识别的解锁方法。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于指纹识别的解锁方法,其特征在于,包括以下步骤:
S1、通过终端的图像传感器采集指纹图像;
S2、对指纹图像进行灰度处理,得到灰度图;
S3、将灰度图分成多份脊线图和多份谷线图;
S4、对每份脊线图和每份谷线图分别进行像素点滤波处理,得到多份脊线滤波图和多份谷线滤波图;
S5、根据多份脊线滤波图和多份谷线滤波图,构建脊线特征向量和谷线特征向量;
S6、根据脊线特征向量与脊线存储特征向量的匹配情况,谷线特征向量与谷线存储特征向量的匹配情况,得到匹配度,在匹配度大于匹配阈值时,终端解锁成功;
所述S5包括以下分步骤:
S51、提取每份脊线滤波图的脊线宽度特征;
S52、将所有脊线滤波图的脊线宽度特征构成脊线特征向量;
S53、提取每份谷线滤波图的谷线宽度特征;
S54、将所有谷线滤波图的谷线宽度特征构成谷线特征向量;
所述S51和S53中提取脊线宽度特征和谷线宽度特征的方法相同,均包括以下分步骤:
C1、找到滤波图上两条最长的边缘轮廓线,其中,滤波图包括:脊线滤波图和谷线滤波图;
C2、从其中一条边缘轮廓线上等间距取多个像素点,作为参考点;
C3、计算每个参考点与另一条边缘轮廓线上各个像素点的距离,取最短距离,作为该参考点处宽度;
C4、对所有参考点处宽度取均值,作为宽度特征,其中,宽度特征包括:脊线宽度特征和谷线宽度特征。
2.根据权利要求1所述的基于指纹识别的解锁方法,其特征在于,所述S3包括以下分步骤:
S31、对灰度图进行灰度值滤波处理,得到灰度滤波图;
S32、计算灰度滤波图的平均灰度值;
S33、将灰度滤波图中灰度值低于平均灰度值的像素点标记为脊线像素点;
S34、将坐标连续的脊线像素点构成一份脊线图;
S35、将灰度滤波图中灰度值高于平均灰度值的像素点标记为谷线像素点;
S36、将坐标连续的谷线像素点构成一份谷线图。
3.根据权利要求2所述的基于指纹识别的解锁方法,其特征在于,所述S31中对灰度图进行灰度值滤波处理的公式为:
,
,
其中,pi,f为第i个像素点滤波后的灰度值,θi为灰度图上第i个像素点的灰度值的滤波系数,pi为灰度图上第i个像素点的灰度值,pi,k为灰度图上第i个像素点的33邻域内第k个像素点的灰度值,K为3/>3邻域内像素点的数量,exp为以自然常数为底的对数函数,i为灰度图上像素点的编号,k为3/>3邻域内像素点的编号。
4.根据权利要求1所述的基于指纹识别的解锁方法,其特征在于,所述S4包括以下分步骤:
S41、以待滤波图上每个像素点为中心像素点,统计中心像素点的33邻域内像素点的数量,其中,待滤波图包括:脊线图和谷线图;
S42、在中心像素点的33邻域内像素点的数量小于数量阈值时,则将对应中心像素点标记为待丢弃点;
S43、将待丢弃点从待滤波图上丢弃,得到滤波图,其中,滤波图包括:脊线滤波图和谷线滤波图。
5.根据权利要求1所述的基于指纹识别的解锁方法,其特征在于,所述C3中参考点处宽度的计算公式为:
,
其中,wn为第n个参考点处的宽度,min为取最小值,xn为第n个参考点的横坐标,yn为第n个参考点的纵坐标,xa,j为另一条边缘轮廓线上第j个像素点的横坐标,ya,j为另一条边缘轮廓线上第j个像素点的纵坐标,M为另一条边缘轮廓线上像素点的数量,j为另一条边缘轮廓线上像素点的编号,n为参考点的编号。
6.根据权利要求1所述的基于指纹识别的解锁方法,其特征在于,所述S6包括以下分步骤:
S61、根据脊线特征向量与脊线存储特征向量的匹配情况,得到第一匹配值;
S62、根据谷线特征向量与谷线存储特征向量的匹配情况,得到第二匹配值;
S63、将第一匹配值和第二匹配值相加,得到匹配度;
S64、在匹配度大于匹配阈值时,终端解锁成功。
7.根据权利要求6所述的基于指纹识别的解锁方法,其特征在于,所述S61包括以下分步骤:
S611、设定脊线宽度特征编号为m,m的初值为1,第一匹配值为Q,Q的初值为0;
S612、取脊线特征向量中第m个脊线宽度特征;
S613、计算第m个脊线宽度特征与脊线存储特征向量中每个脊线存储宽度特征的相似度,得到第一相似度;
S614、判断第一相似度是否大于第一相似阈值,若是,则跳转至S615,若否,则m自加1,并跳转至S612,直到m等于V+1,V为脊线宽度特征的数量,结束分步骤;
S615、将第一匹配值Q自加1,从脊线存储特征向量中剔除与第m个脊线宽度特征的第一相似度大于第一相似阈值的脊线存储宽度特征,且m自加1,并跳转至S612,直到m等于V+1,结束分步骤。
8.根据权利要求6所述的基于指纹识别的解锁方法,其特征在于,所述S62包括以下分步骤:
S621、设定谷线宽度特征编号为r,r的初值为1,第二匹配值为R,R的初值为0;
S622、取谷线特征向量中第r个谷线宽度特征;
S623、计算第r个谷线宽度特征与谷线存储特征向量中每个谷线存储宽度特征的相似度,得到第二相似度;
S624、判断第二相似度是否大于第二相似阈值,若是,则跳转至S625,若否,则r自加1,并跳转至S622,直到r等于U+1,U为谷线宽度特征的数量,结束分步骤;
S625、将第二匹配值Q自加1,从谷线存储特征向量中剔除与第r个谷线宽度特征的第二相似度大于第二相似阈值的谷线存储宽度特征,r自加1,并跳转至S622,直到r等于U+1,结束分步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311485976.8A CN117218691B (zh) | 2023-11-09 | 2023-11-09 | 一种基于指纹识别的解锁方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311485976.8A CN117218691B (zh) | 2023-11-09 | 2023-11-09 | 一种基于指纹识别的解锁方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117218691A CN117218691A (zh) | 2023-12-12 |
CN117218691B true CN117218691B (zh) | 2024-01-26 |
Family
ID=89046695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311485976.8A Active CN117218691B (zh) | 2023-11-09 | 2023-11-09 | 一种基于指纹识别的解锁方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117218691B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103692A (zh) * | 2011-03-17 | 2011-06-22 | 电子科技大学 | 一种指纹图像增强方法 |
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 |
CN111914755A (zh) * | 2020-08-03 | 2020-11-10 | 河南大学 | 一种八方向求梯度指纹识别模型 |
CN112528865A (zh) * | 2020-12-14 | 2021-03-19 | 广东智芯光电科技有限公司 | 一种指纹识别的方法 |
CN112612721A (zh) * | 2021-01-13 | 2021-04-06 | 四川酷比通信设备有限公司 | 终端指纹识别功能的测试方法、***、设备及存储介质 |
CN112668540A (zh) * | 2021-01-06 | 2021-04-16 | 安徽省东超科技有限公司 | 生物特征采集识别***及方法、终端设备和存储介质 |
KR20210082624A (ko) * | 2019-12-26 | 2021-07-06 | 에코스솔루션(주) | 지문 향상 방법 |
CN113723309A (zh) * | 2021-08-31 | 2021-11-30 | 平安普惠企业管理有限公司 | 身份识别方法、身份识别装置、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 |
CN114881965A (zh) * | 2022-04-29 | 2022-08-09 | 蔡志刚 | 一种基于人工智能和图像处理的木板节子检测方法 |
CN115439891A (zh) * | 2022-08-24 | 2022-12-06 | 朱泽 | 一种基于小指纹头、低算力和低存储芯片的指纹识别方法 |
CN115641617A (zh) * | 2022-11-02 | 2023-01-24 | 湖南工学院 | 一种基于特征向量的指纹识别加密*** |
WO2023003157A1 (ko) * | 2021-07-23 | 2023-01-26 | 삼성전자 주식회사 | 전자 장치 및 전자 장치의 지문 정보 획득 방법 |
CN115830651A (zh) * | 2022-12-30 | 2023-03-21 | 深圳芯启航科技有限公司 | 指纹图像增强方法、装置、电子设备及存储介质 |
CN116704557A (zh) * | 2023-04-25 | 2023-09-05 | 哈尔滨理工大学 | 一种基于纹理信息的低质量指纹匹配方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7142699B2 (en) * | 2001-12-14 | 2006-11-28 | Siemens Corporate Research, Inc. | Fingerprint matching using ridge feature maps |
US20070230754A1 (en) * | 2006-03-30 | 2007-10-04 | Jain Anil K | Level 3 features for fingerprint matching |
WO2008091565A1 (en) * | 2007-01-23 | 2008-07-31 | Valeo Schalter & Sensoren Gmbh | Method and system for universal lane boundary detection |
-
2023
- 2023-11-09 CN CN202311485976.8A patent/CN117218691B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103692A (zh) * | 2011-03-17 | 2011-06-22 | 电子科技大学 | 一种指纹图像增强方法 |
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 |
KR20210082624A (ko) * | 2019-12-26 | 2021-07-06 | 에코스솔루션(주) | 지문 향상 방법 |
CN111914755A (zh) * | 2020-08-03 | 2020-11-10 | 河南大学 | 一种八方向求梯度指纹识别模型 |
CN112528865A (zh) * | 2020-12-14 | 2021-03-19 | 广东智芯光电科技有限公司 | 一种指纹识别的方法 |
CN112668540A (zh) * | 2021-01-06 | 2021-04-16 | 安徽省东超科技有限公司 | 生物特征采集识别***及方法、终端设备和存储介质 |
CN112612721A (zh) * | 2021-01-13 | 2021-04-06 | 四川酷比通信设备有限公司 | 终端指纹识别功能的测试方法、***、设备及存储介质 |
WO2023003157A1 (ko) * | 2021-07-23 | 2023-01-26 | 삼성전자 주식회사 | 전자 장치 및 전자 장치의 지문 정보 획득 방법 |
CN113723309A (zh) * | 2021-08-31 | 2021-11-30 | 平安普惠企业管理有限公司 | 身份识别方法、身份识别装置、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 |
CN114881965A (zh) * | 2022-04-29 | 2022-08-09 | 蔡志刚 | 一种基于人工智能和图像处理的木板节子检测方法 |
CN115439891A (zh) * | 2022-08-24 | 2022-12-06 | 朱泽 | 一种基于小指纹头、低算力和低存储芯片的指纹识别方法 |
CN115641617A (zh) * | 2022-11-02 | 2023-01-24 | 湖南工学院 | 一种基于特征向量的指纹识别加密*** |
CN115830651A (zh) * | 2022-12-30 | 2023-03-21 | 深圳芯启航科技有限公司 | 指纹图像增强方法、装置、电子设备及存储介质 |
CN116704557A (zh) * | 2023-04-25 | 2023-09-05 | 哈尔滨理工大学 | 一种基于纹理信息的低质量指纹匹配方法 |
Non-Patent Citations (1)
Title |
---|
改进的指纹方向信息提取算法研究与实现;满俊缨;《中国优秀硕士学位论文全文数据库 信息科技辑》(2021年第09期);I138-614 * |
Also Published As
Publication number | Publication date |
---|---|
CN117218691A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101030244B (zh) | 基于人体生理图像中排序测度特征的自动身份识别方法 | |
Jain et al. | On-line fingerprint verification | |
US9117145B2 (en) | Finger biometric sensor providing coarse matching of ridge flow data using histograms and related methods | |
CN101004791A (zh) | 一种基于二维偏最小二乘法的面部表情识别方法 | |
CN108564040B (zh) | 一种基于深度卷积特征的指纹活性检测方法 | |
Lee et al. | A Gabor filter-based approach to fingerprint recognition | |
CN107944356A (zh) | 综合多类型特征的层次主题模型掌纹图像识别的身份认证方法 | |
CN115601807A (zh) | 一种适用在线考试***的人脸识别方法及其工作方法 | |
El_Tokhy | Robust multimodal biometric authentication algorithms using fingerprint, iris and voice features fusion | |
Yuan et al. | FLD-SRC: fingerprint liveness detection for AFIS based on spatial ridges continuity | |
CN113642385B (zh) | 基于深度学习的脸部痣识别方法及*** | |
Feng et al. | Filtering large fingerprint database for latent matching | |
CN117218691B (zh) | 一种基于指纹识别的解锁方法 | |
Guo | A hidden markov model fingerprint matching approach | |
CN116342968B (zh) | 一种双通道人脸识别方法及装置 | |
CN111612083A (zh) | 一种手指静脉识别方法、装置及设备 | |
Mane et al. | Novel multiple impression based multimodal fingerprint recognition system | |
Fang | Mobile based palmprint recognition system | |
Oo et al. | A robust fingerprint recognition technique applying minutiae extractors and neural network | |
Raswa et al. | A fusion methodology of AKAZE and neural network for fingerprint recognition | |
CN106407777A (zh) | 一种基于生物识别的智能移动终端 | |
Nikam et al. | Gabor filter-based fingerprint anti-spoofing | |
Hsieh et al. | An effective method of fingerprint classification combined with AFIS | |
CN112329518A (zh) | 基于边缘纹理强化和对称差分统计的指纹活性检测的方法 | |
CN110598640A (zh) | 一种基于迁移学习手背静脉识别方法 |
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 |