CN1249046A - 利用指纹及类似印痕的流线比较和解释的身份验证***和方法 - Google Patents
利用指纹及类似印痕的流线比较和解释的身份验证***和方法 Download PDFInfo
- Publication number
- CN1249046A CN1249046A CN98800809A CN98800809A CN1249046A CN 1249046 A CN1249046 A CN 1249046A CN 98800809 A CN98800809 A CN 98800809A CN 98800809 A CN98800809 A CN 98800809A CN 1249046 A CN1249046 A CN 1249046A
- Authority
- CN
- China
- Prior art keywords
- data
- image
- test
- skin
- reference picture
- 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
- 238000000034 method Methods 0.000 title claims description 122
- 238000012795 verification Methods 0.000 title claims description 6
- 238000012360 testing method Methods 0.000 claims abstract description 154
- 238000013519 translation Methods 0.000 claims abstract description 25
- 230000003595 spectral effect Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 83
- 230000037303 wrinkles Effects 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 56
- 238000001228 spectrum Methods 0.000 claims description 41
- 239000013598 vector Substances 0.000 claims description 34
- 238000003860 storage Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 230000000052 comparative effect Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000001427 coherent effect Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 claims 1
- 238000012806 monitoring device Methods 0.000 claims 1
- 238000011524 similarity measure Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 25
- 230000010339 dilation Effects 0.000 abstract 2
- 230000000875 corresponding effect Effects 0.000 description 24
- 238000005516 engineering process Methods 0.000 description 14
- 238000009499 grossing Methods 0.000 description 14
- 230000008901 benefit Effects 0.000 description 13
- 239000004744 fabric Substances 0.000 description 12
- 244000309464 bull Species 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 11
- 238000006073 displacement reaction Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000005070 sampling Methods 0.000 description 9
- 230000009466 transformation Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 6
- 238000011282 treatment Methods 0.000 description 6
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000005055 memory storage Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000005211 surface analysis Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 206010027336 Menstruation delayed Diseases 0.000 description 1
- 235000012364 Peperomia pellucida Nutrition 0.000 description 1
- 240000007711 Peperomia pellucida Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009699 differential effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001093 holography Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
- 238000005303 weighing 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
- G06V40/1347—Preprocessing; Feature extraction
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
-
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
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)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
传感器从经授权的人接收印痕图象以形成样板,并从候选者接收印痕图象以形成测试数据。比较样板和候选者的功率频谱密度(PSD)数据,以读出转动和扩张;在相关之前使用上述步骤调节样板或候选者以找出平移。在应用平移之后,使转动和扩张精确,把归一化空间相关值(NSCV)用作匹配质量的量度一并进行阈值判断以便在非常清楚的情况下做出早期拒绝或接受。问题更接近时,把同构调节应用于整个样板或候选者,以便在其重叠区更合理地比较。针对重叠区中的多个子区用相同类型的PSD分析进行比较。将得到的NSCV平均以获得匹配质量的量度,其再次进行阈值判断以在更接近的情况下定出最终决定。使用作为图象中的位置的函数的来自测试数据的噪声方差来对与每个子区域中样板比较的重要性加权。非易失性存储器保存自动操作的指令。
Description
最相关的共同拥有的、共同未决申请是Lawrence R.Thebaud在1996年9月9日申请的,并且在199_年_月_日作为第5,_,_号美国专利公布的序列号为08/709,302的专利申请。有关的其它两个共同拥有的、共同未决申请是:J.Kent Bowker和Stephen C.Lubard在1995年1月31日申请的,并且在199_年_月_日作为第5,_,_号美国专利公布的序列号为08/382,220的专利申请;和J.Kent Bowker等在1996年9月9日申请的,并且在199_年_月_日作为第5,_,_号美国专利公布的序列号为08/709,785的专利申请。所有这三个申请都结合在此作为本申请文件的参考。
本发明一般涉及通过诸如指纹之类的皮肤图纹的比较和解释验证人的身份的***和方法;更具体地讲,是涉及用来解释这种图纹和控制应用设备的新的固件和存储在作为装置一部分的装置存储器中的软件。根据某些附属的权力要求,本发明还涉及包括这种应用设备的***。
例如,应用设备是设施,装置,提供金融服务的装置,或提供信息的装置。因此,“应用设备”一词包括,但并不限于,商业、家庭、车辆、自动出纳机、考勤***、数据库检索服务,以及许多其它实用***。例如,用于这种存储的装置存储器可以是可编程只读存储器(“PROM”),或计算机可读盘。
用于评价指纹、趾纹、掌纹和类似皮肤图纹的传统方法需要对细节的定位、分类和列表。使这些传统技术适用于自动化印痕验证的尝试已经受到了极大的关注和考虑,但是基本上都受到它们在细节位置上对测量噪声的灵敏度的限制。
基于细节的自动化分析一贯十分依赖的图象增强技术在原始数据质量勉强可用时经常失败。因此,一些工作人员已经在探索其它的方法。
一些似乎有希望的尝试使用了全息照相技术——印痕的直接三维图象,或全息傅立叶变换图象(其具有位置不变的优点)。为了获得最好的结果,这些技术中的一些要求使用昂贵的专用存储器件来存储全息照相。这些全息相关器基本上是像Green和Halasz在第3,928,842号美国专利中描述的很早以前的二维直接-光学-重叠相关器的现代改进设备。一些相对复杂的专利代表了一个中间技术背景,其使用数字计算机以(1)自动地在一个主印痕或“样板”中选择一个或多个显著的小区域——不必是细节,并且随后(2)自动在一个声称为该样板制造者的人提供的印痕中寻找这些选择的一个或多个小区域。这些早先的专利特别包括Driscoll的第5,067,162号美国专利,Kamiya的第5,040,223号美国专利,Castelaz的第4,982,439号美国专利,Denyer的第4,805,223号美匡专利,和Onishi的第4,803,734号美国专利。
所有这些后述的专利都说明了根据小区域的单独比较而作出最后验证决定——尽管有时要同时考虑少量的这种小区域。我们已经证实只使用一个或两个小区域就可以十分迅速而准确地分析许多指纹,但是我们也发现必需对这种短形式(Short-form)的尝试是不确定的或至少是不完全可靠的相当数量的印痕作出规定。
刚才列举的专利的缺陷在于它们对所有指纹最终只依靠隔离的,少量数据——更确切地讲,只依靠一个候选使用者的印痕中可用信息的很小一部分——而不考虑印痕的特征。另一方面,上述Thebaud的有关专利文献考虑到了一个候选者印痕的实际上所有可用信息。
Thebaud的***对于所有印痕都是这样处理的。我们认识到对于某些类型的***这种彻底性和伴随的时间消耗可能代表着一种严重的缺陷,因为——在大多数情况下——小区域包含了用于进行可靠分析的足够的区别信息。
上述的一些专利的确说明了用于它们各自处理过程的一部分或其它部分的有效技术。一些工作人员,例如Driscoll和Kamiya,使用了相关法(只是电子数据相关法,而不是光学相关法)以在注册处理过程----即,形成样板----以及那些具有候选使用者的印痕特征的区域的比较中选择小参考区域。Denyer类似地将一种近似法用于这种相关技术。
这些专利一般的确允许在将印痕图象放置在传感器上时授权使用者的样板能够位移,也就是说平移,的可能性。一些专利(特别是Dnscoll和Denyer的专利)允许样板也能够被转动的可能性。
Driscoll论述发现多个参考区域与候选印痕中多个潜在对应测试区之间的最小二乘方近似。他假定与参考区的理想转动图纹的偏差是由于在放置到传感器上的过程中指尖的变形造成的,但是由于他依赖于很少数量的区分良好的参考区域(一般三个),他的变形容限——以及他的整个验证决定——固有地仅利用可用信息的很少的一部分。Denyer也简单地提到(尽管是以更为概括和浅显的方式)设法说明变形的可能性。
但是,除了Thebaud之外的所有的专利都没有考虑一个授权使用者的指尖可能遇到的相对于同一个使用者建立的样板的扩张。(我们使用“扩张”一词的意思包括可能发生的扩张或收缩情况。)在手指放置在光学或其它传感器(电容的,可变电阻的,等等)上时压力的改变可以造成这种扩张。
可以预期这种扩张具有至少一个在整个图象上没有发生变化的分量,也就是说一个指纹形状没有变化的扩张——一个同构扩张。此外,所有上述专利都没有对有差异的——也就是说非同构的——扩张或其它形式的变形的***化的受控容限。
相关法,匹配滤波法,和(不确切地讲)有关的重叠型比较技术在参考印痕与候选印痕失配小至纹脊间隔的四分之一的任何区域中全都失误。已经发现,扩张和其它变形可能并且通常的确在超过纹脊间隔两倍,即,破坏相关并且因此破坏了识别的最小破坏作用许多倍的相当大的区域上局部地产生虚假的失配。
因此,不能适当地考虑扩张(同构变形)或变形(差异变形)将导致不能验证或识别授权使用者的不可接受的高失误率——即,高比率的所谓“误拒绝”或“1型误差”。企图减少这种失误率的人为措施将不可避免地导致相反的结果:未能拒绝未授权使用者,假冒者的不可接受的高失误率——即,高比率的所谓“误接受”或“2型误差”。
对于少数简化分析是不可靠的情况,看来不可能仅仅通过允许在两个或三个核心或显著区域之间任意改变而对变形进行适当解释。Thebaud文献的全面复盖范例,以其能够利用参考和测试图象之间重叠的整个区域中的所有可用信息的优点而具有克服这种误差的能力,但是其代价是相对长的分析时间——通常是每次确定需要数秒(在完全获得指纹之后)——即使对于具有十分显著区域的印痕。
同样,上述现有专利中没有一个对来自不那么确定或噪声较大的区域的数据进行决策下加权(downweight);而是,不给这种情况任何考虑,只是简单地放弃噪声数据——这是处理高成本数据的一种十分不好的方式。在这些参考文献中没有看到测试数据的带通,虽然Driscoll和其它人使用了某些其它的滤波形式。除了隐含在许多印痕分析器中使用的二值化或三值化中的普通形式之外,也没有使用归一化方法。没有一个上述专利根据局部正弦分布观点来说明测试和样板数据,或这种数据相互的比较。
现有技术至今未适当地说明的另一个问题是图象数据有效区域和质量问题。本领域中使用的商用设备通常仅仅根据手指或一些其它物体遮断捕获端口——即,捕获端口存在一些东西——来发现获得和接收了用于分析的图象,而不考虑图象的可用性和可靠性,或实际上甚至不考虑它是一个指纹图象还是其它的皮肤图纹的图象。
还有另一个困难是分析***未按需调节到与遇到的皮肤图纹特性一致。当分析是根据不适用于实际提供的样本的假设(例如,指纹纹脊的间隔)进行的时候,结果的可靠性受到损害。
至今未能适当满足的另一个问题是指纹捕获***是在低皮肤图纹对比度和图纹上光照高度变化的极端不利的条件下工作的——因此存在光强上的比较高的动态范围——还有对应于高动态范围信号数据的价格,时间消耗,以及在一些情况下存储或传输结果所需的净空间和容积。
最为有关的一个问题是试图降低所需的价格,时间消耗和与数据存储和传输相联系的空间或容积遇到了数据必须是与原始数据完全可比较的相反的需要。它不能具有可以与,例如,通常的数据压缩技术,相联系的不规则的特性。一个特定的结症问题是需要沿纹脊的平滑度,以免分析***不能够识别它们基本上连续的特征。
因此,皮肤图纹验证领域一直不能——以省时方式——很好地利用所有可用数据,充分考虑扩张或变形,产生用于已知的放置变化的统计的适当容限,和应用现代决策和信号处理工具。现在可以知道,本领域中的现有技术遗留着许多有待解决的问题,并且在赞赏上述的尝试的同时,还要指出它们仍然遗留着许多需要改进的地方。
本发明引入了这种改进,并且在相当短的时间内和迄今未有的高精确性进行指纹验证。本发明具有几个可以独立使用的方面或方案——尽管为了最大地利用它们的优点我们宁愿一起使用它们,并且尽管它们的确具有一些共同的部分。
首先说明共同部分。在以下将讨论的前三个独立方面的优选实施例中,本发明是获得在通过比较而验证一个人的身份中使用的人的皮肤图纹印痕数据的装置。
在将要讨论的后七个独立方面(即,第四至第十方面)的优选实施例中,本发明是验证一个人的身份的装置。它通过(1)代表那个人的皮肤图纹印痕的二维测试图象的测试数据,与(2)从以前注册过程中获得的二维参考皮肤图纹印痕图象得到的参考数据比较而操作。
在前十个方面之后将说明本发明的某些附加方面或方案。每个装置实施例都包括一些保持用于该装置其它元件的自动操作的指令的装置;这些指令保持装置包括或利用一种非易失性存储器件,并且可以称为“非易失性存储装置”。
在第一独立方面的优选实施例中,本发明的装置包括一些用于物理地接收一个人的皮肤的接触并且在接触过程中形成皮肤图纹的光学图象的装置。出于广泛性和一般性的考虑,在本发明的讨论中我们把这些装置简单地称为“光学装置”。
此外,装置包括一些在接触过程中从光学装置接收光学图象——并且响应接收的光学图象产生从这种图纹得到的一系列电子信号阵列的装置。也是为了广泛性和一般性的原因,我们称这些装置为“光电子装置”。
另外,装置包括一些用于在接触过程中监视一系列电子信号阵列的装置,即“电子装置”;和一些用于存储在比较中使用的至少一个所述电子信号阵列的装置,即“存储装置”。装置中还有一些用于延迟存储装置的操作直到系列中的至少一个电子信号阵列满足了有关图纹的一个特征的一个特定条件的装置;这些最后的“延迟装置”在接触过程中响应电子监视装置。
上面的叙述可以代表本发明的第一方面的最广泛或最一般形式的定义或说明;但是,即使在这样的形式中,也可以看到本发明的这个方面使指纹获取和分析技术有了重大的进展。具体地讲,该***比以前更为可靠,其可靠性体现在只有当一个图象的质量(和它的面积覆盖范围)适于分析时才接受该图象用于分析。
尽管如此,我们仍然宁愿用一些能够进一步增强本发明优点的特点和特征来实现本发明的第一方面以及下述其它方案。因此我们认为,例如上述的“特定条件”最好包括确定皮肤图纹图象面积的适用性的测试,该测试不仅基于光学数据端口的遮断而且确实基于电子信号阵列的空间频率含量。
这就是说,即使在我们的发明只是测试面积复盖范围时,信号也应当包含皮肤图纹印痕的空间频率特征的能量。当***在进一步的印痕质量测试阶段时,要使用类似的但更为严格的标准。
此外,我们发现了在接触过程中皮肤接触的细节,和系列中的电子信号阵列将随所述皮肤接触的确定而改善。因此,在必要时我们宁愿在一个延长的时间周期中收集顺序的图象,只有在并且当获得了通过可用性标准的图象时才停止这个过程。
在下面的“详细说明”部分中将出现更多的其它有关本发明的这个第一方面(以及其它方面)的优先选择。
在本发明的第二主要方面或方案的优选实施例中,装置包括一些用于接收或产生对应于皮肤图纹的电子信号阵列的装置——以下称这些装置为“接收或产生装置”——并且还包括一些用于定义多个信号波数频带的装置。
此外,还包括一些用于把电子信号阵列的波数含量与定义的多个波数频带比较的装置——“比较装置”。***还包括一些用于选择所述多个信号波数频带中的一个特定频带以便在分析所述电子信号阵列中使用以验证人的身份的装置;这些选择装置响应比较装置。
即使像这样的广泛的定义,根据我们的发明的这个第二方面的***在特别选择以匹配于遇到的数据的信号空间频带中操作。因而提高了结果分析的可靠性。
在本发明的第三主要方面的优选实施例中,装置包括一些用于接收或产生对应于这种皮肤图纹的多能级电子信号阵列的装置。它还包括一些用于预评价或/和预处理多能级电子信号阵列的装置。
利用“多能级”我们表示信号的动态范围至少是四个二进制位——即,***能够理解的最小信号偏移的十六倍的系数——并且最好是五个二进制位或更多。我们的这个优选实施例是一个八位的***,尽管这主要是一个受经济条件决定的组件的问题。
此外,装置包括一些用于以二或一位形式表达预评价的或/和预处理的信号阵列的装置。它还包括用于存储或输出以所述二或一位形式表达的信号阵列的装置。
上面的叙述可以提供对本发明的第三方面的最一般或广泛形式的定义或说明,但是,尽管是如此广义地描述,本发明的第三方面仍然大大地发展了该技术。具体地讲,现在可以看到根据本发明的第三方面的优选实施例为信号提供了一个全动态范围,以允许光照改变——和其它的变化,例如皮肤图纹对比度是高还是低。同时本发明的这个方面不会危及时间,存储器空间或价格或数据输出容量。
如前面所述,可以应用几种优先选择以进一步增强本发明的第三方面的优越性。
至于本发明的第四方面,装置包括一些用于从存储器或从输入数据组提取参考数据以在验证中使用的装置。装置还包括用于带通处理,归一化处理和平滑处理提取的数据以在验证中使用的预处理装置。
此外,还包括一些用于把来自预处理装置的数据与测试数据进行比较以验证身份的装置。上面的叙述可以代表本发明的第四方面的最广义和一般的形式,但尽管如此,它的确发展了技术,特别是仅仅用一或二位(根据本发明的第三方面)经济而迅速地输出或存储的数据完全可以容易而经济地适用于分析。
接下来说明本发明的第五主要方面,装置包括一些用于从参考数据或/和测试数据导出一种相应形式的矢量梯度场的装置。装置还包括一些用于在矢量梯度场控制下平滑处理参考或/和测试数据以使得平滑处理实际上是沿皮肤图纹的相应纹脊方向进行的装置。此外,装置包括一些用于在身份验证决定中使用平滑数据的装置。
当准备好使用存储或发送图象信息时,以这种方式可以简单地重新构造完全可靠分析所需的数据质量。不必在存储/发送经济性与验证的可靠性之间作出妥协。
本发明的第五方面的这种最广义的形式也具有额外的优先选择。例如,我们愿意从数据的快速傅立叶变换中发现矢量梯度场,筛选矢量梯度场以解释相位跃变。
仅就实用性而言,我们当前认为使用的矢量梯度场最好是一个矢量波数场。这个优先选择只是出于完成这个任务的最终例行程序的可用性,因为我们当前认为装置的最好形式实际上并不使用作为波数场一部分的标量幅度。
尽管如此,出于上述的可用性观点,我们认为导出装置最好进一步包括一些用于从梯度场计算出一个协方差矩阵,并且接下来从协方差矩阵计算出一个用于波数的标量幅度场的装置。在这种情况下,我们还认为***最好包括一些用于把矢量波数场构造成具有所述矢量梯度场的方向性的标量幅度场。
在本发明的第六主要方面或方案的优选实施例中,装置包括一些用于计算测试图象的至少一部分的功率频谱密度的装置。此外,它包括一些用于使用功率频谱密度以评估测试图象相对于一个参考图象的假定扩张的装置。
装置还包括一些用于考虑到评估的扩张将测试数据与参考数据进行比较的装置。此外还包括一些用于响应比较装置作出身份验证决定的装置。
以上的叙述代表最广义和一般形式的本发明的第六主要方面。但是,即便是这样的形式,本发明的这个方面也为指纹和其它皮肤图纹印痕分析提供了极端重要的贡献。
如同以后将在本文献中更详细地说明的,可以使功率频谱密度(或“PSD”)显示皮肤图纹纹脊的间隔和方向性——特别是在一个图纹的小区域内。通过把一个测试图象的PSD的间隔部分与一个参考图象或“样板”的PSD的相同部分比较,本发明可以读出相应区域的测试图象相对于参考图象的相对扩张。
就像稍后将看到的,以这种方式,本发明不仅产生了与以前的Thebaud专利文献的全局检索十分近似的结果,并且利用其完整主义的非同构变形场产生了近似于以后的梯度检索的结果。PSD技术一旦经过***化和使之有效,也可以用来在捕获印痕时对印痕进行筛选以确定皮肤图纹印痕的空间频带特征中存在能量。
但是,对于一个小区域的两个PSD的计算,不象Thebaud所述的费时的过程,只花费他的装置所需时间很小的一部分——总体上要快一到两个数量级。因此,本发明能够在少于十分之一的时间中得到十分接近的同样结果。
在本发明的第七主要方面的优选实施例中,本发明与第六方面的实施例有密切的关联,但涉及的是转动而不是扩张。仅仅通过测试图象PSD的定向部分与参考图象PSD的对应部分的比较就可以完成相对转动的准确评估。
通过以这种方式发现相对扩张和转动,本发明可以用令人惊奇的精确性评估整个同构变形。通过利用复盖一个完整印痕面积或至少参考和测试图象之间重叠面积的多个区域组,本发明也可以恰当地近似评估Thebaud发现的非同构变形。
本发明的第八主要方面的优选实施例也涉及通过PSD比较的分析。这里的装置包括一些用于分别计算测试图象和参考图象的至少一部分的功率频谱密度的装置。
在本发明的这个主要方面,装置还包括一些用于把各计算出的功率频谱密度转换为极坐标的装置。通过这种创新策略,转换的功率频谱密度信息——现在它可以被解释为直角坐标数据——具有标绘在纹脊间隔和方向的矩形栅格上的功率密度值的形式。
此外,装置还包括一些用于将测试和参考图象的转换功率频谱密度一同考虑的装置。这些装置还进一步具有从“一同考虑”的功率频谱密度读出这种假设相对转动和扩张的评价的功能。
在本发明的这个第八方面,特别有利的结果是,通过把纹脊方向和间隔表达为可用于大多数其它指纹分析过程的同样的矩形栅格和直角坐标数学内定义的场,可以获得更大的时间节省和效率。通过例如比例处理各纹脊-间隔和方向值,或相关两个转换的功率谱密度——在相对转动和扩张的假定范围内——以发现最可能的相对转动和扩张的评价,这样的优选操作模式可以进一步增强所有这些优点。
在本发明的第九主要方面或方案的优选实施例中,装置包括一些用于评估测试和参考图象之间的相对平移,和相对同构变形的至少一个分量的装置。它还包括用于调节测试或/和参考图象,以允许评估相对平移和相对同构变形的分量的装置。
装置还包括一些用于在调节之后,在测试图象和参考图象共同的所有区域内比较二者,以作出验证决定的装置。如同将要指出的,这个有利的操作方案与前面提到的Thebaud的专利文献中提出的发明相同一—并代表大大超越现有技术的进步。
但是,我们认为最好结合一些能够最大地利用本发明的优点的其它方面或方案来实践本发明的这个第九方面。例如,我们认为比较装置最好包括用于在共同区域内分析功率频谱密度以评估剩余变形的装置。
出于这种考虑,我们认为比较装置最好包括一些用于把图象之一划分为集合起来实际上复盖整个所述一个图象的多个实际上重叠的子区域的装置;和用于在各子区域中具有一个显著的部分是位于两个图象共有的所述全部区域内的每个所述一个区域中,评估所述测试图象和参考图象的相似程度的附加装置。
以这种方式,利用了PSD快速和有效地产生用于小区域的转动和扩张信息的能力,以获得对相当大的区域的这种信息的评估。评价装置最好包括一些用于在各自的共同区域中的每个子区域内评估测试和参考图象之间的相对变形的更多的分量的装置。
评价装置最好形成共同区域中所有所述子区域的“更多的分量”的复合量度;还包括用于为复合量度设定阈值以作出所述决定的装置。装置最好从测试数据中提取测试数据中噪声方差的评估作为测试图象中位置的函数;在本***中,复合量度形成装置考虑评估的噪声方差——并且最好为共同区域中每个子区域以与在那个子区域的噪声方差评估相反的关系为变形的“更多的分量”加权。
在本发明的第十主要方面的优选实施例中,装置包括一些用于把参考数据的一个第一小区与测试数据进行比较以形成相似性的第一量度的装置。它还包括用于对照第一阈值测试第一量度以验证人的身份的第一装置。
在第一量度不高到足以接受的情况下,装置还包括一些用于接着把参考数据的一个第二小区与测试数据进行比较以形成相似性的第二量度的装置——和与之相关的用于对照高于第一阈值的第二阈值测试所述第二量度以验证人的身份的第二装置。如同将要说明的,可能更易接受的是在第一量度失败后对照一个更低的第二量度测试,但在本发明的第十主要方面中并不是这种情况。
这种异常的原因在于第二测试使用了一个更小的窗口。采用这种策略是基于以下原因,第一测试可能识别失败,仅仅是因为存在太多的变形而不能在第一测试的区域上进行识别:它是一个小的区域,但第二测试的区域相对来说更小。
还将有几种其它优先选择。具体地讲,第一测试装置也对照一个相对低的第一拒绝阈值测试相似性的第一量度以否决验证。第二比较装置只有在相似性的第一量度在第一接受阈值和第一拒绝阈值之间时——即,如果相似性的第一量度既不高到足以接受也不低到足以拒绝时——才操作。
第二测试装置最好也对照一个高于第一拒绝阈值的第二拒绝阈值测试相似性的第二量度以否决验证。如上所述,第二小区小于第一小区。
在第二量度在第二接受阈值和第二拒绝阈值之间的情况下——因而第二量度既不高到足以接受也不低到足以拒绝——那么***最好实际比较测试图象与参考图象的整个共同区域以作出验证决定。
我们的发明的第十一独立方面或方案的优选装置实施例与前七个有所不同。这里的装置用来接收来自一个从诸如手指之类的凸纹表面获取表面凸纹数据的传感器的表面凸纹数据——并且响应接收的表面凸纹数据控制进入设施,设备,一种金融业务或一个用于提供或接收信息的***。
装置根据凸纹表面的假设扩张使用。该装置包括一个用于处理接收的数据以确定凸纹表面的身份的***。除了前面所说的指令保持存储装置外,这个***包括:
用于分别计算和比较接收数据和测试数据的至少一部分功率频谱密度,并分析功率频谱密度比较结果以评估假设扩张的装置,
用于考虑到评估的扩张把测试数据与参考数据进行比较的装置,和
用于响应比较装置作出身份验证决定的装置。
此外,整个装置包括一些用于把所确定的身份用于控制进入设施,设备,金融业务,或信息源或接收的装置。因此,本发明的这个方面,在专门包含了前面说明过的与第五独立方面有关的扩张评估特点的同时,特别集中于并且包括作为本发明一部分的实际控制进入各种类型的应用装置的组件。
本发明的第十二独立方面包括了更多的区别,它是一种根据来自诸如手指之类的凸纹表面的表面凸纹数据的接受访问控制的保安***。这个***根据凸纹表面的假设变形使用。
***包括应用装置,可以解决在缺乏有关一个授权使用者的特定凸纹表面时不当使用的问题。应用装置是从下面的组中选择的:
一种设施,
装置,
用于提供金融服务的装置,和
用于提供或接收信息的装置。
此外,***还包括用于从一个凸纹表面获取表面凸纹数据的传感器装置。
***还包括一些用于处理数据以确定凸纹表面的身份,和用于把所确定的身份应用于控制进入应用装置的装置。除了指令保存存储装置外,这些处理和应用装置包括:
用于分别计算和比较接收数据和测试数据的至少一部分的功率频谱密度,和分析功率频谱密度的比较以评估假设扩张的装置,
用于考虑进评估的变形把测试数据与涉及的有关授权使用者的特定凸纹表面的参考数据进行比较的装置,和
用于响应比较装置作出身份验证决定的装置。
因此,本发明的这个方面包括应用装置本身,还包括在本发明的第八方面中的进入控制中间装置。
因此,在集中于并且包括应用装置的同时,本发明利用了前面联系本发明的第六独立方面讨论过的变形评估。
在本发明的另一个独立方面或方案中,本发明的优选实施例采取了一种方法的形式,而不是装置。该方法用于验证一个人的身份。该方法是通过把代表那个人的皮肤图纹印痕的二维测试图象的测试数据与从一个在以前的注册过程中获得的二维参考皮肤图纹印痕导出的参考数据进行比较而做到验证身份的。
该方法包括比例处理或相关测试图象和参考图象的对应区域的功率频谱密度以确定图象之间的相对同构变形的步骤。另一个步骤是使用归一化空间相关值作为测试图象和参考图象的对应区域之间的相似性的量度。
此外,方法还包括根据所述归一化空间相关值作出身份验证决定的步骤。另一个步骤是,在非易失性存储器中,保存用于上述步骤的自动操作的指令。
因此,该方法分享了前面讨论的本发明的功率频谱密度方面的装置实施例的优点。最好通过结合其它特点或特征来优化本发明,特别是操作一个传感器以获取测试数据和——响应决定产生步骤——在验证了身份时操作一个开关的各步骤。
在参考附图考虑下面的详细说明后将会对本发明的所有上述操作原理和优点有更充分的理解,附图是:
图1是概念性地示出的本发明的特定优选实施例,说明编程固件的不同部分是如何执行本发明的方法的流程图或方框图;
图2是在图1的一个特定程序或模块内——即,在程序块34和在程序块51中,和在准备所使用的授权使用者的指纹数据(“样板”)的预备过程中使用的程序的细节的流程图或方框图;
图3是在将本发明的方法发现的特定同构变形联系于样板时,一个迭加在授权使用者样板位置上的候选使用者的指纹的概括性的概念图;
图4是另一个概念图,表现了从一个功率频谱密度图确定相对扩张和转动的一般原理;
图4a是表现使用图5的直角(极坐标)形式的图;
图5是表现利用一个变形场修改样板的一般原理的概括性概念图;
图6是显示从如同图4和4a中所示的功率频谱密度分析逐点地发现这样一种变形场的概念图;
图7是一个指纹中的涡区的高度放大的概念图,特别显示了该区中纹脊间相位的变化;
图8是显示本发明的实施例的一个硬件***的整体方框图;
图9示出了用作获取授权使用者的样板数据的本发明的一个传感器中的检索区;
图10是显示在获取授权使用者和候选使用者数据中使用的程序的流程图;和
图11是说明用于样板数据存储的数据压缩暗度等级(或亮度等级)图。
本章节的第一部分以纯粹说明性的词语提出了***的操作。因此,随后用“附录”给出用于实际实践本发明的基础数学。
输入——优选实施例具有至少三组输入:来自一种武器或其它装置的候选使用者的第一组输入,来自授权使用者(或其代理人的)另一组输入,和隐含地来自一般化总体数据的第三组。候选者的输入包括一个指纹图象数据阵列11(图1)和一个装置操作的命令57(在图的左下方)。
在图1中,保持了Thebaus专利文献的第一附图的一般格式,以更清楚地突出本发明与Thebaud的发明的相同和差异。建议同样地参考Thebaud的图1,并且假设读者熟悉Thebaud专利文献中提供的说明。
数据阵列11来源于一个皮肤图纹检测器,最有代表性的是一种光学传感器阵列,但可以用其它类型的传感器阵列代替,例如电容,可变电阻或高频声学传感器。在一个如今最优选实施例中,命令57的形式是光信号,该光信号是通过把使用者的手指等放在传感器的接触表面上得到的,尽管在其它实施例中命令57可以从操作一个开关获得——例如,用传感器接触表面上的压力启动的微型开关。
授权使用者的输入包括一个指纹图象数据阵列21(来源与上述用于候选使用者的阵列11类似),和诸如阈值41,53之类的隐含参数设定,其反映用来必须发现一个指纹匹配的期望可信度。授权使用者不必亲自将这些参数输入***,但是可以向技术人员指定这种参数的一个选定值,或默认值。
几个阈参数41,53等涉及容许的非法肯定和非法否定的相对数量——但是不必用算术直接方式。在Thebaud***中,如他所解释的,关系是相当复杂的和统计学的;但是出于提供本发明更为流线化***设计的目的,最好使用相对直接和直通的阈参数设定。
用作阈41的值实际是一对——一个控制候选者拒绝42,另一个控制接受43。(如稍后将看到的,阈的设置实际上是四个而不是两个,因为对于刚才提到的两个阈中的每一个,在程序中不同点上使用两个不同的值。)所有这些值被选择来反映预期使用的类型。具体地说,它们分别控制非法否定的可能性(为授权的使用者建立接受的“期望的可信度”),和非法肯定的可能性(以相反的方式为未授权使用者建立拒绝的期望的可信度)。
例如,如果装置是要控制进入一个预先付费的体育馆,基本目的可能只是要阻挡偶然的欺诈者。在这种情况下,用于接受的阈值43(对于预付费的顾客或体育馆成员)可以定得相当低,并且用于拒绝的阈值42定得很低——接受让某个没有付费的人进入的较大的机会。
同样,如果装置是一种军事或警务人员在战场上使用的武器,主要的目的可能是要使授权的使用者没有延误和不加问讯地随时使用该武器。在这种情况下,可以把用于接受43和拒绝42的阈值定得相对低——接受敌方可能从授权使用者得到武器而使用它的较小的机会。但是,在这种情况下,由于存在着敌方占用武器带来的显著危险,因此不能把接受阈值定得像上面第一例子中那样低,在第一例中允许欺诈者的不利后果不那么严重。
现在在一个相反的例子中,为了控制进入一个包含有极端敏感的文件或装置的安全区,基本目的可能是排除间谍。在这种情况下,用于接受的可信度等级43(授权人员)可能被定得相当高,并且拒绝等级42也很高——接受由于必须重复验证过程而使授权人员被延误的相当大的可能性。
同样,如果装置是保存在家庭中用来防止入侵者的武器,主要的目的可能是要防止生活在家庭中或访问该家庭的儿童或少年未经允许的使用。在这种情况下,可以把阈值定得相对高——接受武器用于防止入侵者的可用性的小程度的不可靠性——但是可以不象上一例子中那样高,因为在紧急情况下授权使用者对武器可用性的延误一般要比延误进入安全区造成大得多的麻烦。
第三种,隐含型输入是一个统计组(未示出),最好是既不来自候选使用者,也不来自授权使用者,而是来自一个代表一般人的一般化的数据库。这些输入用于设定各种目的阈值的特定等级,并且也用于方差评估15,等等。
这些统计数据通常是在不参考已知要涉及的特定人的情况下导出的,并且可以称为“先验统计(prior statistics)”或拉丁语的“先验统计(apriori statistics)”。它们可以在处理过程中的特定点上使用,以把人们将他们的手指放在指纹捕获成像器件上的方式上的可变性的已知程度考虑进来。这种可变性可以根据成像器件相对于使用者的位置和方向而不同。
例如,可以预期一个自动出纳机上的平板安装的成像器中的可变性具有与办公室中的桌面成像器中的可变性不同的统计图形。可以预期安装在一种工具(例如一种武器)中的成像器中的可变性也不相同。
在一些情况中,特别是在使用者站着把指尖按在固定安装的成像器件上的场合,这种可变性部分地取决于使用者的高度。在任何情况下,最好是利用实用型成像器和使用特定装置的收集几何方法来收集不同的先验数据组。
在特定情况下,初始数据捕获可能显示授权使用者的指纹具有十分不寻常的特性或特征。在这种极端的情况中,利用从授权使用者的输入数据21导出的统计集17可以产生较好的效果。
这种规定需要授权使用者的较长的登记或注册过程,以便不仅建立这个使用者的指纹,而且建立这个使用者的印痕置于该装置的可变性的某种量度。此外,为了得到好的结果,应当延迟这一过程,直到授权使用者得以熟悉该装置,其固有地倾向于导致习惯性处理——并因此而不仅导致减小的可变性,而且导致可变性的特定模式。
这种额外的努力可能在特定的情况下证明是值得的,例如一个有影响胳膊或手的姿态或姿势的伤痛或残疾的人。当一个身高极矮的人,或一个轮椅中的人要把指纹放在一个设备上以操作大多数使用者站着操作的自动出纳机的时候,可能会发生另一种可能的特殊情景。这种身高等等的特殊问题,如果它们证明有意义的话,可以通过组成与高度相关的和其它特别相关的统计最好地管理。
总之,利用理想地从已经在成像器上放置手指中形成习惯的使用者收集的先验统计看来是可取的。
过程的概况——图1中的粗垂直线14,22表明了基本方案是要把来自候选指纹图象数据11的信号12-14-14′,和代表授权使用者的预处理指纹图象数据或“样板”21的信号22-24引向共同的最终比较41或53。沿该路径的特定的侧计算或信号路径15,28-38便利并增强了比较。
一个与Thebaud***主要差别是比较不必一路进行到靠近图的底部的阈值决定53。而是该路线仅仅保留给持续落在用于拒绝42和接受43的阈值41之间的候选数据——换言之,保留给图的上部较早的过程32-37,41-45内的,不确定44候选信息。
在一个响应两个或四个阈值41的早期拒绝42或接受43的场合,沿加星号的旁路路径42/43进行到最终决定42。在这里***物理地执行进入本***所保护的应用装置的拒绝55d或允许55e。
早期阈值41的结果42/43,或晚期阈值53的结果与候选者的命令57产生的信号59相互作用——以决定命令57是根本没有产生可察觉的动作,还是产生操作56。(如果应用被拒绝55d,本发明包括一个无作用警告光或声音,而不是不可察觉的动作。)
在本文献的后面的一章中将说明用于候选11或授权使用者21的图象数据的初始捕获和预处理。在以后的讨论与紧接此处的仅涉及出现在图1中的问题的章节之间存在一些重叠。
候选数据的预处理——候选图象数据11的处理从代表图象内的纹槽和纹脊的信号的动态范围的分析12开始。结果包括形成一个新的图象数据版本13,其中这个动态范围被归一化,即局部地延展或压缩以便精确地匹配后面处理阶段的整个范围。
此外,新的图象版本还需经傅立叶分析——把数据表达为空间正弦曲线——和带通滤波,以消除图象版本13中的不适当的空间频率。在分析12中,如果空间频率不是可能起源于授权使用者的相似地预处理的印痕(样板)21的空间频率21’,最好(但不是必须)将它们作为“不适当的”空间频率处理。
将在以后说明对授权使用者印痕进行预处理以获得样板的过程。在这种原始预处理中,可以根据授权使用者印痕的一个更为从容的谐波含量分析来拒绝空间频率。
与范围分析12和带通、归一化的正弦数据13密切相关的是减量取样(downsample)步骤13’,其大大减少要在本过程的所有后续阶段中处理的数据的量。正是由于步骤13’造成了一个不可接受的耗费时间的过程与一个可以实用的过程之间的区别,因而它是重要的。
还应保证过程必须是精确的。而在本步骤中适当控制的减量取样不会降低整个特性。更具体地讲,已经知道数据13是正弦地表示的,并且这些数据不可能具有比在授权使用者印痕21中的纹槽或纹脊的最小间隔更小的空间频率的主要分量。
因此,在减量取样13’中,它有能力将代表值维持在小于最小周期的一半的合理分数——或者说,例如,大约平均周期的三分之一。在指导减量取样步骤13’中使用的最佳空间频率的选择中,样板频率含量21’也是有用的。
哲学概述——从图1中的程序块12至13’的上述讨论中已经可以看到本发明的四个重要特征。首先,始终假设候选使用者就是授权使用者——并且只要我们进行一个合理的比较就可以证实这一假设。
可能会推测这种假设将导致压倒数量的非法肯定测试结果。这种推测是不正确的,因为已经发现合理的比较将仅突出未经授权的候选者(欺诈者)与真实授权使用者之间的信息内容中的潜在差别。
本发明的详细说明,在其展开时,将逐步使人了解,本发明的每个中间处理步骤——当实际处理一个典型的欺诈者的印痕时——最有可能导致果断的拒绝55d。
也可以从相反的角度证实讨论中的假设:如果候选使用者事实上就是授权使用者会发生什么?合理的比较对于消除由于操作条件的细节而产生的大量指纹形态的变化效果是绝对必要的。具体地讲,这种细节包括使用者身体上和情绪上的状况——并且这些考虑对于避免拒绝授权使用者是特别重要的。
因此假设候选使用者就是授权使用者仅会导致大大减少要处理的数据量,并且大大增加结果的可靠性。
本发明的第二特征是一种计划——但是与Thebaud的首要计划相比更像是一种保留计划——形成被调节为尽可能相似的两个数据集11和21的各个版本的计划。但是,这种调节只是关于特定数据特性的,已知这些特性在任何单一使用者形成印痕的多次尝试或情形下是可变的。
这些特殊可变数据特性,在它们的已知可变程度内,对于识别或验证的作用充其量也是无关紧要的(并且最坏也只是误导识别或验证)。因此,本发明被构造为能够将它们搜寻出来,因而能够删除它们——换言之,忽略它们。
在这样做的过程中,必需容忍与处理候选数据有关的极端时间消耗的压力。相反,可以把相对长的时间用于获得一个授权使用者的印痕的几个例证——并且选择它们中最有代表性的一个(或数个),和在该最好例证上进行图象增强。
阴影线58包围了可以在使用装置或接收候选使用者命令之前预先进行的数据收集和处理部分。这些部分包括隐含统计集和阈值41,53的建立,以及授权使用者数据收集和处理21至31’。
本发明的第三特征与前面两个紧密相关。这个特征是本发明把样板制造得尽可能干净和确切——并由此在任何可行之处,主要依靠样板而不是依靠候选数据。
这种情况的一个例子是优选使用样板为分析12和减量取样13’提供周期性标准21’,而不是依靠用于带通标准的候选数据11的统计。既使分析12事实上的确为其它目的而提取那些候选数据统计15,这种策略也是优先使用的。
另一方面,在已经大大流线化和缩短的本发明***中没有Thebaud发明的这种特征的很多情形。例如,用于矢量波数场29的路径28,29现在由于在平滑处理中那些场的使用而终止;在本***中它们——以及它们的高度专门化的梯度和正交形式——不在变形的样板与候选数据的比较中使用。
本发明的第四个特征是它在局部正弦波图形结构的数据上操作的,而不是孤立的二进制数据位或线性(纹脊或纹槽)结构的数据。因此,初始噪声和范围分析12不仅在定位空间中而且在傅立叶空间中(换言之,根据候选图象中的空间频率)操作,并且新版本或滤波信息13被表示为与原始图象的每个区关联的正弦曲线的幅度。
在通过检测理论的指导的同时,利用本特征的优点,本发明还可以利用快速傅立叶变换(FFT)的高效率和精确度。FFT执行算法中的计算强化处理的大部分。
授权使用者指纹图象的预处理——在预处理58过程中,授权使用者提供一个将被精制以形成一个样板21的指纹。稍后将讨论精制的细节。
在时间允许时,通过捕获数个授权使用者的印痕的实现,或连续测试图象——并且分析它们以确定哪一个是最有代表性的和它们是否具有任何可能需要专门处理的异常特性——可以获得最好的结果。这种信息在控制这些数据在随后的实时处理的应用中十分有用。
在一些情况下,一个使用者可能看来具有一个以上的实现族或组——可能是由于握住或展开手指的离散,独立的习惯。在这种情况下,可以组合来自多个实现中每一个的部分信息的复合信息,或甚至存储多个要在评价候选印痕11,13中替换测试的完整的样板(带有有关的各出现的可能性)。
在任何情况下,在预处理58过程中,***从有代表性的授权使用者印痕图象或多个图象21中选择31几个——最好是正好三个——显著区,子集或窗口31’。如Thebaud的文献中所述,可以把这些小的,最好的圆形的区域31’与完整样板21隔离存储——但是在本***中,出于尽量减小传输或存储的代价和时间的原因,最好避免这种额外的存储。由于PSD分析的使用,存储每个区域的大量版本或变化不再可取,它们是——如Thebaud所述——通过使用各种大小的转动和扩张的各种交叉组合而制备的。
此外,将一个所谓的“矩阵协方差评估器”用于映射28样板21中的局部纹脊间隔的幅度和方向——以形成在平滑数据中使用的矢量波数场29。(如早先指出的,本发明仅使用波数场的方向性,而不使用关于纹脊间隔的波数场幅度,因此可以成功地取代一个梯度场。)在本发明中,为候选数据以及样板执行这种由波数场或其它梯度场形式引导的平滑处理;但是在完成之后,可以放弃波数场。
此外,在某些矢量波数场29中设立标志,以警告样板数据22中的倒相,如以后将说明的。使用这些警告标志以避免处理过程连续地经过不连续相位的不良结果。
使用候选数据方差评估——前面讨论过的在图1的(左)半部分中的候选数据初始噪声分析12可以被大致地看作一个把数据从噪声分离的数据过滤器。数据和噪声都被分别适当地引导,以进行有利的应用。
图1显示了数据和噪声前进到算法的相同的后阶段51,这意味着后面的程序块51接收数据和噪声。但是,在这个后面的处理模块中,这些不同的信息段是独立接收的,并且有十分不同的使用。
因此一个上述旁计算路径是从候选数据提取的噪声信息15的应用,用来增强后面的处理阶段。这个信息15是一种方差评估阵列或场的形式,覆盖在其本身的改进图象数据13上生效。
换言之,***分别在图象的每个区中构造和保持一个图象数据13的单独的可靠性系数15。这些可靠性系数被用于加权根据对应的图象区中数据的比较52而形成的各种重要性。
因此最终测试决定52,53更大地依赖于候选数据11中相对比较干净的部分。但是,应当注意,早期阈值决定41-44不需要这个信息——这仅是因为设定了阈值41,使得那些决定代表极端清楚的情况。
在信息可靠性较小的地方,如此使用下加权信息——在最大程度地利用可用信息方面——远优于仅仅设定一个可靠性的任意标准并随后放弃有问题的信息。上述后一种技术的例子是,Dirscoll的选择很少数量的“最好匹配”区,并随后排它地根据这些区直接前进到最终决定,而不顾作决定的困难。
在候选数据中对于任何给定计算强度,和任何给定噪声度以及噪声度的分布,下加权都使结果的可靠性达到最高。
全局检索和同构调节:目的——另一个旁计算31-38具有双重功能。它是这种部分:
(1)在给出很清楚决定的情况下,直接而快速地导致最终答案,并控制Φ和应用装置的操作56;和
(2)在难于给出决定的情况下,提供在候选印痕图象11的形成,或实现中相对于样板21的简单的(形状不变的)几何失配的必要的量度。
我们用词汇“形成”和“实现”的意思是把放置指纹中的变化与候选印痕本身的信息内容区分开来。
与第一组计算类似,某些实施例优选地在预处理时间58中部分地进行第二组计算31-38。这些计算31-38用于说明整幅图象的位移或平移,整幅图象的转动,以及由于指尖摁在传感器上压力的变化所导致的整幅图象的扩张与收缩。正如将被理解的,当指尖的整个表面摁在接收表面上的压力增加时,整个指尖表面将轻微地扩展,但其仍保持原有的形状,即同构地。
当然授权用户的原始印痕是在某个压力下取得的,于是每个候选印痕实现可以以比生成该原始印痕所加载的压力大或小的压力来产生。因此如果将尺寸的变化表征为“扩张”,则其可能为正或为负,或如果用乘法来表征,则其是一个大于或小于1的系数。
全局搜索之所以被称为“全局”在于两个方面:第一,整个候选印痕被彻底地研究以找到一个或多个与样板的某个预识别部分匹配得最好的区域。第二,一旦找到了这样的一个或多个最佳匹配区,则将所剩的不匹配区域作为与两个印痕的整个有用区域有关的位置/扩张误差来对待。
用于全局搜索的识别对比区—对比区31,也被叫做“局部子集”以及最优选地称之为样板21的“核心”,在预处理58的过程中被首先识别出来31(且如果愿意可以将它们的数据分开存储)。其在31被识别为具有某些显著特性的区域。
比如可以用谐波含量的高速率变化来定义此显著性。如果愿意,在本发明的范围内其可以用其它更常规的方式来定义—诸如最近邻的多个/多种指纹纹脊或指纹纹槽末端。
在本优选实施例中,是通过以使取入窗口中的子集与整个样板图象在非零偏移值上的互相关函数值最小的方式来确定一个圆形子集窗口的位置而选择子集。在31中优选以此方式建立了多个(理论上为3)窗口,其每个均在找不到任何已经建立并且被“开窗”的区域的假设下建立的。
无论如何,重要的是所选的窗口中含有授权用户印痕最显著的特征,由于其将被用于或者(1)进行最终判定41-43,或(2)指导调整处理23以使样板24与候选者14相匹配。如果所选用的特征相对来说较为普通,则即使候选者就是授权用户本***也很有可能作出错误的判断或错误地进行调整—从而产生一次非法否定55d。
在31中所选的每个核心代表了该样板的如同从一个小窗口中看到的一小部分视图。窗口的尺寸十分重要:其必须足够大以使其包含适度复杂并因此包含真正显著的特征集合。
然而,其也必须足够小以在允许同构平移,转动及扩张,以及甚至在该指纹经受了更加一般的局部变化的变形的情况下保持其显著特征的相关—即,使其能够进行最终识别。另外,核心必须足够小以使其即使在最小(或没有)初步同构调整的情况下也能够进行初步识别。
其还要求这些在31中识别出的子集彼此适当地分散开。如果彼此靠得太近,则其将不能足够独立以将要说明的方式彼此相互补充。
如上所述,如果发现一个授权用户有多于一个的孤立方式来将手指放在本装置上,将提供特殊的措施以适应此特质。(此情况应与与一种单一放置模式有关的正常范围内的定位偏差区分开)。比如也许在增加成本的条件下其可以***辅助的存储器—以满足当授权用户具有两种或多种指纹品性时额外的存储要求。
另外,特别是当授权用户碰巧遇到的是一个更关注于减小非法肯定而不是非法否定(错误接受而不是错误拒绝)的***时,一种可行的解决方案是简单地测试与两个离散位置的偏差哪一个更小。
本发明的当前优选实施例侧重于自动操作,包括授权用户注册阶段在内。因此这些特殊的处理策略并不是本发明最优选形式的一部分。
同构及Thebaud***—在下文中的实时对比处理中,本发明将对来自候选用户的减量取样正弦数据14,14’进行搜索以找出对来自授权用户的核心的至少一个核心的最邻近可用匹配。其中预处理58过程中为此搜索准备子集的方法很大程度上影响着(1)对该***的数据存储要求,及(2)预期的用户等待本发明作出决定所需的时间。
数据存储与实时处理这两个因素之间的折衷产生了两种用于控制子集预处理的主要可选途径。当前的限制因素是时间;但是如果将来能够获得更快的处理速度,则其将可能变成更愿意选择在一定时间代价的条件下能够减少存储量的解决方案。因此这里对这两种方法均将给出说明。
为了数据存储最小,可以简单地以出现在样板中其相应小窗口部分中的原有形式来存储所选的每个核心。在此情况中,可以在与那些所选窗口一对一的原则基础上来识别出图1中显示为矩形31’的核心,尽管实际上可能只有3个或4个这样的窗口。
此最小数据存储量情况实际上是一种极端重要的情况,因此实际上其更愿意以一种摘录或缩写的形式而不是其原始形式来存储每个子集—实际上为一个授权用户的全部数据集合。因此这些选项与本发明的一个主要优选实施例相关联。
特别是当一个紧凑的,自包含***或者必须为许多(例如几千个)授权用户的每一个存储许多样板,或者必须从一个远程数据库集中或从用户所携带的一张识别卡(例如,具有磁条或条形码)中读入一个样板时其将十分重要。由于为众多用户在本***中存储其完整数据(确切地说,预处理的完整数据),或对其进行传送或将其存储在一张ID卡上,其成本均十分昂贵,因此这些情况中的任一种均要求用于每个用户的数据文件尽可能的短小。此第一主要优选实施例特别适用于尚可接受大约半秒到一秒的用于计算的附加延迟的场合—自动出纳机,办公室门等。
然而在下文中的实时处理中,如果仅以其原始形式来提供一个子集以进行比较,相比起来将不太可能成功地从候选数据14’中筛选出一个特殊子集。由于所感兴趣的子集被转动或扩张,或既转动又扩张的可能性很大,所以即使该候选者就是该授权用户时情况也是这样。
因此,一次合理的测试便需要以就所测试子集在不同转动角度下的多种转动形式对候选数据14’的每个区域进行检测的Thebaud处理的等价处理作为开始。除了未转动子集之外,他的优选***还检测了从负角度(顺时针)到正角度的8个非零转动。
一次合理的测试还需要就同一子集在从值小于1到值大于1的不同扩张系数下的多种扩张形式对每个区域进行检测的Thebaud处理的一些等价处理。除了一个非扩张子集之外,他的优选实施例还检测6个非1扩张。
另外候选数据14’的每个区域还应该接受就子集既被扩张又被转动的形式进行检测的Thebaud处理的一些等价处理—以覆盖那些相同转动角度及扩张系数的大多数或所有的交叉组合。考虑到0转动,1扩张情况,他的优选实施例使用了9个转动以及7个扩张,总计共有63种情况将被检测。
每种情况均代表了同构的即没有形状变化的转动及扩张—即没有形状变化。这63种变化的每一种均可以被称作一个“同构”。正如将被理解的,对于一种3子集窗口的代表性情况,对于候选者的每个区域其均计算出接近二百多个同构,而如Thebaud***中图2所示,Thebaud的优选***执行并存储求得的189个同构,此处建议参考该图。
同构与本发明—那些过程中没有一个是本发明最优选实施例的一部分。我们另外使用的是一种十分不同的,流线化估计例程34,51(图1),其在本发明文献的图2中有更详细的显示。(此过程不仅被用在全局搜索的估计程序块34中,其还被用在后面的用于硬判决情况中的类似程序块51中)。当候选数据14’进入我们称之为处理的“阶段1”的全局搜索时,其首先遇到的便是此程序块。
在我们的层流型***中,在最显著核心31’,33位置周围对样板开窗34a—其通过核心步进器程序块32服务于估计器模块34。(仅当在候选数据中找不到近邻相关核心时,才可以使用其它的核心31’—因为此情况可能是由于如下文所要说明的皮肤变化或皱褶而引起的)。随后将进行空间相关34b以在候选者14,14’中找出最相似的区域38(图3)。
利用以正弦形式表示的数据,通过如下所述在付立叶空间搜索相关可以高效地找出所需的输出信息—最佳匹配位置及匹配质量。首先将候选印痕的付立叶变换乘以该样板的被特定转动,扩张的子窗口的付立叶变换。
随后对所得的乘积进行反变换,求得的实数阵列保存了每个感兴趣位置—即候选印痕中的每个位置的相关质量,就如同在候选数据中沿横向及纵向步进寻找到一样。在此阵列中,最大相关值的位置代表了该候选印痕中的位置,而该值自身则是在该位置上的相关质量。因此该过程产生了候选者中的子集的最佳匹配位置,以及该匹配的质量。
随后在34c中对候选者的该最佳匹配区进行类似的“开窗”。现在本***分别计算出并比较该候选者及样板窗口内的图象部分的功率谱密度PSD。
功率谱密度,纹脊间隔&方向,及样板/候选者扩张/转动—我们先简要介绍一下我们使用功率谱密度分析的理论根据。每个PSD最初均是在图象数据的直角坐标栅格的二维实空间中找到的(图4)。
该PSD表现为在该栅格中的功率谱密度值的形式。本文献中所公开的PSD技术的重点是如所示的一幅PSD图上的距离具有空间频率的量纲—即,波数或纹脊间隔的倒数。(该PSD图是在付立叶空间,即所说的空间频率空间中来考虑的)
所感兴趣的一个特定PSD将自己表示为一个区域,其中在栅格中出现一簇相对较高的PSD值。与这一簇较高数值相关联的是一个从原点指向该簇的矢量
。例如,附图中所示的此类型的一个普通矢量
与横坐标的夹角为θ1,而其长度为
图4中还显示了另一矢量
的上述后一种关系(图4),可以看出其垂直于该附图中的左下方的多条平行线段。这些线段代表以所示的规则的周期性间隔λ2分开的局部纹脊。正如上文中所说明的,该矢量的幅值(长度)为
而其角度为:180—(纹脊与水平线的夹角)。因此PSD栅格中的一簇较高的数值的位置揭示了这些纹脊的间隔以及取向。
例如,x-y平面中的水平纹脊将只沿纵坐标轴方向产生一簇较高数值,即在该图的顶部及底部,但只在半径等于那些纹脊间隔的倒数的区域中。相反,垂直纹脊只沿横坐标轴产生一簇较高数值—在该图的右部及左部,也是在半径等于纹脊间隔倒数的区域中。
另外,一个递增距离,诸如附图中所标记的环状厚度
,表示了空间频率(波数)的一个频带(Δ1/λ)—或以另一种方式来定义,纹脊间隔λ的范围。一个特定矢量
的长度因此可以与代表了空间波长的普通范围的预先建立的圆环进行比较,以确定在指纹分析中将使用哪一个预先建立的空间带宽。我们在预处理中使用的此部分将在下文进行详细说明。
在实践中,此形式的分析将会有冗余现象:能量值簇出现在原点的径向相对处,并与其间隔相等的距离。某些人也许会认为此重样信息对应于一排平行线段阵列是对称的事实—诸如将要说明的;也就是说,此阵列正向反向彼此相同。无论如何,均不必同时考虑该阵列的两侧,于是我们优选分析其右半部分。
由于每个PSD代表了各个样本的纹脊间隔及取向,一次合适的比较将产生各个纹脊间隔之间—其可以被识别为与扩张有关—以及这些纹脊各个角度取向之间,其可以被识别为与转动有关,的差值,比值,或任何其它所需的关系。我们优选求两个PSD的相关,其效果是与在34d中读出纹脊间隔的比值以及角度取向之间的差值有紧密的联系。
为了使此处理更加便利,如上所述我们优选应用一种以极坐标形式产生矢量特征的常规变换。这些特征随后可以被解释为直角坐标,于是两个变量
和θ便分别变成,举例来说,一个新栅格的横坐标及纵坐标(图4a)—但该栅格必须是其中在
,θ处仍可以绘制出该高数值PSD簇的栅格。
利用以此形式表示的样板及候选数据,通过任何具有(比如)沿横坐标求比值
和沿纵坐标相减求差θc-θT效果的处理均可以得到扩张及转动量。如果只记录了来自图4右半平面的PSD值,则图4a中将只有右半平面有数据。
继续进行处理的阶段1—在对PSD技术有了一定了解之后,我们重新开始对估计器例程34(图2)的讨论。在第一次经过此过程—即在最初经过全局搜索估计器程序块34的过程中—本***通过将所发现的转动及扩张量应用于该样板34f来对判定进行精炼。
由此将样板21重新定向,并将其扩展或收缩以形成一个操作版本24(图3,但不是图1中标注有相似数码的程序块)。其为提供了与所选的各个特定区域(样板中的核心及候选者中的相关选中区域)中的候选图象的最可能合理比较。
当候选者实际就是授权用户时,一个特殊的匹配同构31’m(另见Thebaud的图2)—在所选的特定例子中,将其顺时针转动并有点强烈的扩张—通常将出现在候选数据中的一个与样板相比较有所不同的位置中(图3)。这样一种结构31’m与样板21以及候选数据11的关联使这两个数据集合联系在一起。
在我们的发明中,对应于为获得匹配所必需的变形量的相关被用作认为候选者与授权用户是同一人的提议的虚假性的一个记号。其是我们用于初步阈值测试41-44的测试机理。
图3所示为整个样板21的一个同构24如何被用于一次更完整的及最合理的比较。在全局搜索32-37中找到的信息38被用于后面初步阈值测试41结果为不确定的可能情况中。
图3与Thebaud专利文献中的图一样,其所示为本发明提供了一种与Thebaud通过在同构阵列中步进而进行的同构调整选择的等价过程(尽管很明显其更加高效及经济)。这两种过程均产生了一个具有一个与候选图象11,14重叠或一样的区域124的同构调整的样板24。
由于此调整可能会对在候选者中的匹配区域的选择有极端显著的影响,所以接下来对该样板重新“开窗”34g并重复空间相关步骤34h以在候选者中找出一个新的最近邻对应(即相似)区域38。新选择的区域,与早先选择的那个区域类似,具有一个代表了该最近邻对应的接近程度的关联空间相关值。其被适当地归一化以消除不同偏差级的混杂效果。
归一化空间相关值或“NSCV”34i被存储35到匹配质量模块36中—并在随后被直接进行阈值处理41以确定,如上所述,截止到此处的处理的结果是拒绝42,接受43,还是未确定44。正如所要马上进行说明的,在未确定情况中为了再次使用而另外存储的是最近邻对应区信息34k。
因为候选用户皮肤图纹的一个关键性部分被损伤或被遮住了(如粘附了小块脏物等)可能会得到一次拒绝结果42或未确定结果44。为了适应此可能性,核心步进器32—响应于来自一个未在图1中示出的阈值程序块41的一条返回路径—循环到第二(下一个最显著)样板核心,而本***再次运行到阶段-1循环。此相同循环还可以被再次地重复—即步进器还可以循环至第三核心—当在第二次运行此循环的过程中阈值处理得到的结果为拒绝或未确定时。
到此处的处理结束“阶段1”以及,在结果为拒绝42或接受43的情况中,实质上也导致了整个操作的决定性结论54-56。已经对拒绝42或接受43进行过说明,其应被理解的是百分之95左右的认证过程在阶段1中以拒绝或接受结束。
处理的阶段2—在一个未确定流程线路44的情况中,处理被分为两支:如果已完成的是“阶段1”,则处理将进行一次到核心步进器32的循环返回45—以启动该处理的“阶段2”。如果不是,则处理如将被简要说明的那样有所不同。
在第二种情况中,阶段2经过全局搜索循环32-37,操作基本相同—如上所述,由第一核心开始,并在需要时循环到其它核心—除了窗口尺寸更小,阈值41更高,以及重新使用34K在阶段1中所发现的最邻近匹配区域34h而不是利用初始空间相关34b进行重新寻找。如上所述,窗口尺寸及阈值设置反映了对本***可能会因为相对较严重的同构变形而失败的关注,以对相关34b,34h中的候选者的正确区域给出适当高的评价34i。
如果窗口再变小了,则将认为这些变形对空间相关步骤34b具有较小的***性影响。另一方面,利用更小的窗口所观察到的“归一化空间相关值”NSCV应该更好。因此以更小的窗口及更高的阈值来重复进行搜索及评估。
34k中重新使用先前在候选图象中找到的最佳匹配位置是基于利用更小窗口时本***将不能高效地选择出一个最佳匹配位置的推论。另一个重要的不同之处是同构变形参数34d及新最佳匹配区域34h被保存下来(34e,34j)以在阶段2中最终末确定结论情况下在“阶段3”(将在下面进行说明)中继续使用。
通过阶段2的最终迭代,所有其中我们的***能够达成一次结论性拒绝42或接受43的情况的所占比例总计为百分之99数量级上的一个分数。所有这些情况中阶段1和阶段2的总处理时间显著地小于1秒—在图象获取被完成之后。
当本***利用一个满足最小相关要求的核心耗尽完这些努力,或者达到一次未确定发现时,则处理从未确定路径转移到一个是“阶段3”起点的同构调整模块23中(46(图1))。与此同时多个经过估计器例程34而来的最佳保存数据38被送往同一同构调整模块23—其还接收样板22,如图所示。
处理的阶段3—同构调整23的目的是形成样板的一个调整版本24,从中已将同构变形从名义上清除掉—以便让两幅图象14,24的同构变形相匹配。同构调整模块23将最佳匹配位置,角度及比例38用作对样板22的调整量,以产生调整后的样板24—可以将其当作图3所示的样板24。
在此同构调整中,如其名字所表示的,不发生形状变化—但整个样板信号22(即,遍布其整个区域的样板)被移位,提升及扩张或收缩以形成整个样板21的一个尽可能地与在所选窗口31’中所发现的候选印痕的对应特征38相匹配的同构24。尽管图1所示为样板21,22的调整或扰动,出于本发明的目的为比较而准备的滤波候选数据13,14的一次调整或扰动实质上与其等价—实际上这也就是我们在本发明当前的优选商用实施例中所作的。
考虑到两幅图象11,21不能完全匹配的原因可能是上一次的扰动(非同构变形,更具体地说为变形场45(图5))而将此步骤分离开来。此场被粗略地概念化为一个位移场45a。参考的帧结构本身,即从其纹脊和纹槽图纹中辨别出来的皮肤网路,可以由初始“固定”的水平及垂直栅格线45”来表示。
变形位移45a是,比如,垂直栅格45”在某些位置上局部向左而其它位置则是局部向右的位移(即非同构),因此栅格线45”将呈现新的形状45b。图5为取自Thebaud文献中的示意图,其所示为构成了根据两项发明的最后阶段的分析的理论基础的现实情形。(在附图的多个部分中代表了单独位移的箭头45a均很短,因此只能看到其箭头尖)。
即使候选者实际上就是授权用户,对于被调整样板24及候选数据14之间的误匹配仍存在至关重要的潜力。此潜力的原因在于候选印痕中有可能会出现扭曲或其它类型的变形。
换句话说,候选用户的手指可能会以将整个图纹扭曲的方式加载到传感器表面上。这些扭曲由向图纹内部的微分偏移,转动及扩张组成。
没有任何单一的同构调整可以解决这样的内部微分效果。并确信此内部扭曲现象可能最多会导致不能可靠地验证出一个授权用户—非法否定—即使在现有技术的最尖端***中。
在出于指导目的附图中,所绘制的变形场45,45a有所简化,因此尽管在实际情况中很自然会有栅格线45’,45”的两个集合的位移,但其没有显示出水平栅格线45’的位移。然而,附图显示出,由于在形成第一调整样板24的同构调整23中均应已包括任何同构扩张或收缩,总得说来向左及向右移位的总量大致相等—正如其所应该的那样。
图5中的符号“×”不应照字面意义而被误解为实际的乘法。其涉及一些较为复杂的乘法,这里对其进行了极其简化的表示;而该乘法的记号仅仅是为了在一个粗略的概念化层次上来表示对变形场45的应用。
在由Thebaud所描述的处理中,最可能的变形场45—假设候选者与授权用户为同一个人—被从数据中提取出来。随后利用该场来对样板24进行一次最终校正,从而产生一个已对非同构变形进行过校正的场,其以后在最终比较中将被用作一个被匹配的滤波器。
因此在他的最终分析中,所感兴趣的是纹脊/纹槽图纹而不是非同构变形。他只是暂时地以及仅仅为了将其分离开并在随后将其清除掉才将重点放在非同构变形成分上的—就象全局搜索要分离出位移/扩张量,以将其全局地(但是同构地)清除掉一样。
在本发明中,将对同构变形自身进行估计,仍然是在刚提及的相同身份假设的基础上进行—但随后与其关联的空间相关值(NSCV)被用来度量该假设的有效性。其中需要相对较大的变形51,52以使候选及样板图象相等,与一个预先选择的阈值53所进行的比较将得出一个判定54以拒绝(55d)访问。因此不会为了形成一个对非同构变形进行过校正的样板而进行尝试。
为了估计非同构变形,将共有或重叠的区域124(图3)分割50(图1),以使其能够最后使用一次PSD技术来测量整体变形,据此才能称两幅图象指纹为同一个人的。
不能对映象在候选印痕11,14中的总区域进行精细地控制以与样板21,24相匹配—而样板则被进一步移位,转动及扩张。自然当两个数据场14,24最终为了比较而重叠在一起时,每个数据场的某些区域将落在另一个的外面,并因此不能被使用。
与所有的指纹分析***一样,随后将在所剩的那些刚好吻合的区域,或换句话说可以被称作“可用”或“重叠”数据124的基础上进行比较(图3及6)。在原理性例示(图3)中,粗剖面线只是为了便于识别出重叠区域124才画的,而不是表示纹脊或诸如此类(其线条要细得多)。
上述分割包括将样板24的整个最初数据区分割为多个重叠的子区138,238(图6)—优选地为一组12个相互部分重叠的圆。这些圆中,某些138在共有或重叠区域124之内,因此其可用被用来进行接下来的分析。
因此在“分割重叠区域”50中(图1),我们将那些圆138包括在内。其它的238,整个地或(如图所示)大部分在候选区14之外,我们因其不可用于最终过程而将其废弃。
接下来我们将为每个合格的子区138计算两幅图象的PSD,并比较这两个PSD。这些如上所述的PSD比较将为每个子区产生为将两幅图象拟合在一起所需的相对扩张及转动;根据其我们还计算出如此一次最佳对准所需的一个相对平移。
现在,这些用于一个合格子区的变形的每一种被单独考虑时,实质上将其看作同构的—但此时所评定的总体变形则被假设为非同构(按照图5)。因此可以预见这些单独的变形一般情况下彼此将互不相同。
然而我们所需要的是整体同构变形的等级或程度的一个单个的归一度量—用于与最终阈值53的比较。我们将此归一度量构造为与多个合格子区的单个同构变形相关联的NSCV的平均值。
由于我们知道在某些合格子区中的候选图象数据噪声较大—即比其它子区的可靠性低,所以我们将此平均值定义为一个加权平均值52。在此处理中,噪声多的区域将正比于其噪声级而被下加权。
在Driscoll及Denyer的专利中,对于所有的情况其均使用了来自样板及范例的很少的数据摘录以直接进行到最终决定。如上所述,如此草率的结论的可靠性值得怀疑。
在本发明中,与其相反,尽管在全局搜索及同构调整中与之类似地使用了小量的样板数据31’,但其是以十分不同的方式使用的—即只在极端清晰的情况中才能获得最终结果,而在其它情况中则是获得中间结果。该中间结果是一个更适合于与候选图象数据11-14进行比较的“一次调整”样板24。
调整后的该样板24中的所有重叠数据,实质上也就是说原始样板21中的所有重叠数据,最后均被用于阶段3。另外,所有这些数据被用在与实质上是来自候选者的所有重叠数据14的比较中—即,除了那些作为多余点被清除掉的数据点13’之外。
应用—在操作中,一个候选用户的手指或脚趾90—或手掌,或任何其它具有可比皮肤图纹的表面—被加载到一个传感器模块92(图8)的感测表面91上。本***可以被设计为当一个皮肤图纹被加载到感测表面上时57(见图1,左下方)便开始其操作,或如果愿意也可以提供一个单独的开机开关(未示出)。
传感器模块92生成一幅电子图象11(也见图1)。为了方便,传感器单元92可以是一个光学检测器阵列—例如,如上所述在Bowker及Lubard专利中所述类型中的一种—或也可以是任何能够产生合适的候选用户图象数据集合11的其它类型,例如电容,可变电阻,或超声波检测器。
我们优选使用如Bowker及Lubard所述的一种光纤棱镜。然而考虑到目前大型传感器及光纤锥形机的经济性,我们目前优选使用一个中继透镜(而不是这样的一个锥形机)以将来自该棱镜的输出端的图象聚焦在一个小传感器上。
与该传感器模块相关联的是一个只读存储器或ROM(或一个可编程ROM,EPROM)93,其存储有授权用户的样板21,22(图1)及相关数据22’’,29—以及期望的可信度阈值27及先验统计信息17。(图8中的这些附图编号被缩写为“21&c.”)
候选数据11,样板数据21,以及与之有关的数据集合均流向一个被编程的或可编程的微处理器或“中央处理单元”(CPU)94。存储在ROM93或CPU94中,或每个均存储有一部分的是在此专利文献中所说明的程序。
为了方便可以将迄今为止所讨论的装置的部件91-94,以及如果愿意还可以包括某些其它部件,制成自包含形式,而对于某些应用其还可被制成便携形式。因此可以另外包括一个电池或其它的便携电源95而与传感器模块92,ROM93和CPU94,以及连接线路一起装在一个外壳96中。
在此情况中,输出使能信号55e(见图1)可能是来自该装置的唯一输出。该输出传到访问控制模块97,其可能包括用于将激励信号传送给应用装置99的合适的本地或远程开关装置。
应用装置99代表了一个用于提供一种金融服务的装置,及/或用于提供或接收信息的装置。仅仅作为示例,而不想限制这些能够以此方式进行控制的应用装置的类型,应用装置可以是及/或包括一个层间,住家,办公室,军用或其它的政府设施,教育机构,武器,计算机,车辆点火以及/或进入,自动出纳机,******,考勤***,或数据库信息服务。
如图所示,自包含单元96可以向分离的访问控制单元97提供一个使能信号或决策信号55e。然而在许多***中,该访问控制模块97被优选地并入到自包含单元96中—根据在上述Bowker及Lubard的专利文献中所描述的安全性增强集成原理。类似地,可将整个指纹验证及访问控制装置96,97有利地集成到应用装置99中。
在这两种情况中,这种集成的一般设计理念将使得指纹验证控制的安全性方面相对更难于绕越。也就是说,整个***的集成可以防止在应用装置99的输入处***跨接线,短路线或者其它形式的模拟的访问控制信号98。
比如在一种武器中,CPU94与每个射弹(子弹等)的一个***99之间的双向信息流将能够防止擅用中间的射击机构。在一个具有与燃烧***直接关联的分电器或其它点火模块94的车辆中,CPU94与该点火模块之间的自动信息交换将可以阻止对安全***的绕越。
类似地,在一个***,考勤,或信息分发数据库访问***中,CPU94应该被编程为参与与该******等的中央计算机的对话。此对话被理想地调节以不仅对该用户的身份而且对CPU94与该中央计算机之间连接的完整性进行验证。
考虑到上述内容,技术熟练者现在将可以想出另外的示例。
初始数据获取&初步处理—在进入图1所示的过程之前,我们的发明将对不同的传感器区(图9)进行多次图象获取测试,以及数据预调理步骤(图10)。尽管对一个该技术的普通熟练者,即一个对指纹分析仪及算法比较熟悉的资深技师或程序员来说,大部分内容可以从附图中理解,但这里给出少许的评论将很有帮助。
为了注册一个新近要被授权的用户,该初始处理包括在该传感器的“中央”(图19)部分中寻找满足要求的信号含量,但如果在其中找不到该信号含量,则将测试“低端”部分。如果只在后者区域中找到了满足要求的信号能量,则将要求用户将手指向上移动(沿传感器表面向前),以将能够提供有用的信号数据的那部分手指定位在传感器中心上。
注册过程的本部分出现在流程图(图10)中的右下方。由于假设该授权用户在注册过程中已经学会了如何来定位指尖等以提供一幅良好的图象,所以对于候选用户将省略用于确保良好的数据质量而增加的此辅助操作。
在流程图中心上方的三个大测试三角形代表了用于首先对覆盖范围,其次对图象质量所进行的级联筛选。当没有通过覆盖范围测试时,处理分流到右下方的三角形,该模块代表了对所减量取样图象的全部八分体测试在所期望的空间频带中的信号能量是否足够强。
如果不,则本***将循环回(沿附图右边缘上的上行返回路径)到抓图模块,并随即继续操作最多5秒(右下方的小三角形)以抓取所给出的皮肤图纹的图象。如果仍然没有得到令人满意的图象,则用户将被提示尝试另一种不同的手指位置—而该处理则再次循环回到抓图模块。
一旦所有8个八分体覆盖范围测试均令人满意了,则处理进程将转移到左下方的三角形,其代表应用了更苛刻的阈值但只需任6个八分体通过即可的一个模块。此质量测试随后以与覆盖范围测试相同的流程进行,通过5秒时钟测试及如上所述的移动手指提示进行循环。
当最后通过了该质量测试时,接下来将是多个数据调理模块,随后根据该皮肤图纹是否代表了一个授权用户的注册或一个候选用户的验证进行分支处理。在前一种情况中,大得多的精力被放在定义,准备及存储一个清晰,有用的样板。
为了得到最好的结果,候选印痕中的某些位置—换句话说,该阵列中的某些值—将不再考虑。具体地说,本装置不应该允许选择受到边缘效应,或任何其它固有的主要不良影响的区域。因此如附录中所述,我们通过缩减或斜切靠近将被使用的图象数据区域的边缘的一些象素来为付立叶变换准备数据。
付立叶变换过程自身具有另选的版本。具体地说,为了最高的效率,优于一个二维付立叶变换,本发明能够计算所谓的“快速付立叶变换”(FFT)类型的两个连续变换,每一个分别用于候选印痕的两维中的一维。
流程图的注册部分中所包含的平滑过程由如上所述以“局部波数场”形式所表示的皮肤图纹纹脊的内在方向性来指导。必须细致地准备这些场,以对大多数指纹之类的图纹中的凹入或涡形结构进行说明。
如果不是因为所感兴趣的大多数皮肤图纹的凹入特性,则本分析所需的数学计算将变得十分简单。然而在指纹技术中所熟知的典型闭合图纹62(图7)及涡形将使得简单的表述变得不够充分,其原因如下:
在一个指纹的一个大致线性的区域61中,当然如果一个人能够沿从纹脊75到纹脊75’的通常路径进行监视,其很自然地将预计出相位梯度方向65,65’的连续性—即,该方向局部地垂直于每条纹脊线,且在该方向上相位增加。利用该相位,“相位梯度方向的连续性”这里便意味着该方向的属性特性一直保存一致,或换句话说没有反向(除了那些可能接近于0的位置)。
虽然两个相邻的,平行的纹脊75,75’碰巧展开为一个涡形62,且如图所示甚至是一个包括了明显闭合回路的涡形,也可以预计出在附图的左端由相位方向箭头65,65’所示的连续性。
这两个相邻的平行纹脊75,75’(其碰巧横跨如此一个扩张部分66)的相位梯度方向65,65’能够沿其各自纹脊75,75’向右跟踪。最后到达一个点72,在此发现“两个”纹脊75,75’实际上是同一纹脊75-75’的两个不同的末端而已。
因此,在沿该路径的某些位置上,发现初始相同的相位梯度方向65,65’指向了相反的方向68,68’。如果不对此现象进行某些控制,则整个相位场将变得不可管理地模糊,正如可以通过环绕回路来跟踪指向上的相位箭头65而看到的。
如此跟踪同样也会发现穿过涡形62的顶部的向上指箭头67,沿图纹的右端64向右指的箭头68,及返回穿过左端61底部的向下指箭头69。即使在此后者通常为平行及直线形的纹脊75,75’的区域61中,朝向下的箭头69的引出方向不仅从分隔线66上方的上部集合的相位箭头65相反,而且与其下方集合65’相反。该下方集合,正如将被回忆起来的,与分隔线下面的同一纹脊线75’相关联。为了处理这样一种可能十分棘手的不连续,Thebaud发明形成并维护了多个波数矢量场,以及那些场的正交形式,梯度倍乘波数积,以及多种其它为维护关于样板的所有内部信息所需的附加参数。
本发明监视所示类型的相位不连续,但只是在预处理的早期阶段并只有一次—只要其已经如上文中所述沿样板纹脊完成了平滑处理便可以将所有这些信息废弃掉。优选地通过检测波数场29的符号的突然变号来进行此种监视。
这些符号变号能够在创建局部波数场(图10中的右下方)的过程中被发现,而其位置由距离每个不连续72一个指定距离的警示标志73,74来标记—沿横截过此不连续点的一条轴线的两个方向。优选地此工作是在预处理中形成样板的过程中,在实空间中沿x或y方向一次移动一个步长—要求其邻域内的值充分地连续,在一个相关联的波数场29内设立标记来完成的。
根据图7所示的例子,沿垂直(y)方向的连续处理在图纹中的高度72上找出不连续点71。
随后在平滑处理中,本***只观察在与先前为了监视连续性所选择的方向y成适当角度位置上的标志73,74。此策略使得处理可以在距离一个不连续点有一定距离的位置上停住。
如前所述,许多皮肤图纹实现均受到总计达该图纹中的波长的一半或甚至一个或大于一个波长的变形。如果允许这样一种变形迅速发展,则其实际上“可见”的部分只能是在扣除掉一个整数倍波长之后所剩的分数部分。
其应该从本质上意识到即使样板仅仅没对准有四分之一波长,在其任何区域中的相关均将趋向于0。因此,为了成功地实现本发明一至少在那些实际出现有相当大的变形的情况中,避免出现半个波长或比其更大的误差是极端重要的。
为了避免陷入这种模棱两可的情况而进行的步骤安排优选地是通过限制该算法的步进速度来实现的。
移动或存储数据—以摘录或缩写形式来存储样板(例如,灰度级减量采样为2位或二进制数据)需要相当仔细以避免使最终性能降低。如果在检索出数据之后进行适当的处理将不会对精度有所损害。
具体地说,在减量取样之前以及刚检索出摘录数据之后应该对样板数据进行带通滤波,归一化及平滑步骤,以在可行条件下尽可能的重建出原始的信息集合。这些步骤分别确保了所要存储的数据完全代表了存储或传输之前的数据,而后则消除了在以1或2位形式存储数据的过程中引入的高频。
灰度级的减量取样优选地是根据数据的统计分布,例如根据如为图11中的4灰度级所建议的单位方差,而不是任意地根据初始信号灰度级来进行的。如图所示,此种用于区分不同灰度级的优选处理将导致使用的是相当高的集合点以及一个代数符号—但其优点是引入了在那些最重要的数据点中区分灰度级的辨别标准。如果所需的是一种8灰度级***其也应该能够类推出类似的方法。
其应被理解的是上述公开内容,以及接下来的附录均只是示意性的,而并不限制本发明的范围—其应由所附加的权利要求来决定。附录
接下来所说明的是在本发明的优选实施例中所执行的皮肤图纹印痕(例如,指纹)验证算法。包括本材料是为了,尽管也许并不需要,确保包括本发明的最佳实践模式在内的内容满足全面公开的义务要求。
上述专利正文的目的是提供一个完整的概念性陈述,而此附录则是向一个技术上普通熟练者—即,有在利用高等数学来进行指纹分析的领域中的经验的资深程序员或编程技师—提供所有必要的信息以准备为成功实践本发明所需的固件。本发明的其它硬件在前述Bowker等的专利文件中以同等的详尽程度进行了说明。
首先要进行的是对处理步骤的一个总结。在接下来的各节中,算法被分为多个被详细说明的组成部分。
本算法的主要组成部分是指纹获取及准备,注册,以及验证。获取及准备涉及图象抓取,数字化及为了提高纹脊对比度而进行的滤波。注册是为将一个新授权用户录入到本***中所进行的处理;通常对每个授权用户其只进行一次,并由一个训练有素的操作人员或技师来进行。验证是将一个候选用户的指纹与所存储的关于该候选者的信息进行匹配的处理。在本附录结尾处的词汇表中定义了“注册”,“验证”,以及其它的术语。
基于细节的算法对由于存在早先留下的疤痕,或脏物而引起的误差十分敏感,使得其产生虚假的细节点或掩盖了真实的细节点。而本发明在这些情况中则表现出了较强的适应性。处理
本软件在一种待用状态中一直等待直到需要采取行动。此行动是由或者来自进行注册或验证单元的命令,或一条来自网络控制器的命令所请求的。本处理中的第一步骤是图象获取。一个光纤棱镜,通过一种被叫做受抑内反射的处理,向一个CCD摄像机提供了一幅图象。此图象被数字化并被存储在存储器中以让本软件进行读取。
本软件重复地读取该指纹区域的一个子段直到该子段通过了两项测试。一项是图象覆盖范围测试,其用于验证该指纹图象是否相对地位于该光学器件的中心上。而另一项为图象质量测试,其要求在数据采集窗口中有较显著的纹脊对比度。当通过了这些测试之后,该图象的一个新的具有类似大小的中央子段被减量取样为128乘64象素的图象(称为b栅格)并对其进行滤波以产生信号场及噪声场。该信号场被归一化为单位方差,而噪声场也随之进行了调整。
注册处理独占地使用该归一化信号场。沿纹脊对该场进行平滑处理,并对一个中心区域中的“核心”(定义见词汇表)进行一次搜索。对每个核心的模糊度统计量均进行分析,为使图象被认为有用,模糊度最小的核心的统计量必需小于一个阈值。如果该图象被认为有用,则其将作为一个样板和与其有关的信息一起存储起来。如果该图象没有用处,则本算法将在下方的一个区域(低于先前所用的中心区域)中对核心进行搜索。如果在此区域中,模糊度最小的核心的统计量低于该阈值,则将提示用户在触压板上向前移动其手指从而获得一幅新的图象。否则,将通知用户此次注册已经失败,而本单元将等待进一步的命令。
验证处理相比则要复杂的多。在获取并准备好了一幅图象之后,将依次对每个核心开始进行一次全局搜索。全局搜索的目的是为了找出与每个核心有关的对候选指纹与所存储的样板信息之间的大规模转动及扩张的一个良好估计。接下来,通过根据这些估计关于每个核心来转动及扩张样板来对两幅图象之间与每个核心有关的平移进行估计。对于每个核心均识别出作为候选者及所变换样板之间位置的一个函数的峰值相关。对应于此峰值的位置代表了对正被检查的核心的平移的最佳估计。此相关的幅值是两幅图象之间匹配程度的度量。根据该最佳匹配核心的幅值来进行“阶段1”判定(通过/失败/或许)。
如果其答案为“或许”,则将进入“阶段2”。除了处理窗口变小之外阶段2处理与阶段1类似。与阶段1类似,在此阶段的末端也将进行一次条件判定。
如果判定结果仍是“或许”,则将进入“阶段3”。在阶段3中,候选指纹被转动/扩张/平移以与样板对准。该样板的中心区域被分成12个相互重叠的圆形区。此时,候选者及样板有一个重叠区域。只有落在变换过的候选者及未变换的样板之间重叠区域内的圆形区才对阶段3的统计量起作用。针对每个子区计算最优转动,扩张及平移。每个被转动/扩张/平移的样板子区与相应的候选者子区相关。将这些相关加权求和并取均值,从而得到被用作最终判定的测试统计量(通过或失败)。指纹获取及准备
I.预处理(验证整个图象的质量)
A.定义一个输入“平均纹脊间隔”波数K0,随后考虑到指纹群体中有多种平均纹脊间隔而定义如下的5个频带:
C.将此b栅格窗口数据分成8个相等的八分体,随后分别对每个八分体进行FFT变换。将变换所得的每个场乘以其复共轭以得到功率谱密度(PSD)。
D.对于这8个子窗口的每一个,求和落在每个信号频带内的频率的幅值。选出对应于为每个子窗口所产生的5个总和中的最大值的信号频带。E.根据如下的步骤进行手指覆盖范围测试:
B.抓取一幅指纹图象,随后切下该指纹的中心区域(当前为了使效率高一些而取大约41×32mm)。将此图象实空间减量取样为b栅格以用于FFT处理。
1.在全部8个子窗口中最大总和均必需超过所设定的一个阈值c0时才能认为该指纹已充分地覆盖了该图象触压板。
2.如果该图象没有通过此测试,则如(B)到(D)所述重新采集一幅新的图象并对新图象重新进行该项测试。此处理将持续5秒钟或直到一幅图象被视为满足要求了,而无论哪一个事件先发生,均假设在此时间内可以对手指的放置进行调整。如果在5秒钟后该测试失败了,则将提示该用户重新尝试将手指放在触压板上。如果其通过了,则本算法将继续进行到质量测试。
F.根据如下的步骤进行印痕质量测试:
如(B)到(D)所述采集一幅新图象。
此次在一个给定子窗口中某个信号频带的能量的最大总和必需超过一个阈值q0>c0。如果其确实超过了,则将认为该图象的该子窗口具有满足要求的图象质量。
为了使一幅指纹图象满足于将来处理要求,8个子窗口中必需有6个被认为具有满足要求的质量。如果该图象不满足要求,则该处理将以如(E.2)中所述的相同方式重复执行5秒钟,这是根据指纹质量将随其放在映象触压板上的时间不断增加而提高的基本原理来设置的。如果在5秒钟后该测试失败了,则将提示用户重新尝试将手指放在触压板上。如果其通过了,则本算法将继续进行到粗处理。
II.粗处理(准备用于注册或候选者处理的一幅指纹图象)
B.利用通过了预处理测试的图象,切下该指纹的中心区域(当前为2.0×1.0cm)。并对该窗口中的数据进行FFT变换。
请注意这里没有包括1/N因子,因为归一化将在后面进行。
其中定义了场R,
R是一个小数值正参数,在R>1的情况中其如同一个软限幅器(R应该满足R<1,但在数学方法上并不需要非得如此)。如果选择的整数参数是2的乘方,则将能够通过迭代方法来进行求和,从而提高了效率。
F.通过输出如下的场,将信号场归一化为单位方差,并创建反向噪声场:
在注册或验证处理的后面部分将用到这些场。注册处理
I.注册处理中的第一步骤是如上文中在“指纹获取及准备”中所说明的获取指纹图象并进行数据准备。
II.一旦获得了一幅可以进行处理的图象(这里定义为
),则产生矢量波数场
。其是在一种多步处理中完成的。首先通过对该b栅格数据进行FFT变换,在付立叶空间中乘以
,并进行反向FFT变换而产生该图象的梯度
此场被用于产生
的相位θk,其为:
1.从离该核心最远的b栅格的末端开始从一个拐角开始,定义
2.现在通过用增量
来更新θk而行进到同一末端上的其它拐角,其中Z′表示先前的数据点。现在以相同方式从该末端离开(沿垂直于该末端的方向)。其结果为α=1版本的
。通过在基维反向的情况下重复此过程产生α=2版本的
3.对于每个波数映射,沿平行于原来末端的方向行进并检测超过了p/2的跳变角度。在这些位置上,距离其周围有一定距离,将一个1位标志场设置为单位场。(此场将一直与
相关联。)
D.接下来的步骤是找出预定数目多的“核心”区域。其是利用一种所谓的“自动核心探测器”来完成的。首先在一个中心区域(见图1)中搜索可接受的核心,即那些模糊度小于所定义的阈值(当前被设置为0.4)的核心。如果在该中心区域中没有找到可接受的核心,则将继续在下方的一个区域中继续搜索一个单独的良好核心。如果在此下方区域中找到了一个良好核心,则将提示用户将其手指沿触压板向上移动,而处理进程则将跳回到图象获取(见“指纹获取及准备”)。如果没有,则将通知该用户注册失败,处理将跳回到图象获取。
E.以如下步骤来实施自动核心探测器:
1.在与边缘保持某指定距离的条件下在该样板图象中定义一次粗取样的多个试算核心位置。对于每个试算核心位置,如下确定一个品质因数。
2.计算在该试算位置周围“开窗”的沿纹脊进行过平滑处理的样板S′0(具有特定的圆形窗口)与整个样板之间的滞后交叉协方差。其是通过对S′0及所“开窗”的对应部分进行FFT变换来完成的。这些场随后被乘在一起而后对其结果进行反FFT变换,从而产生此滞后交叉协方差。由窗口区对其进行归一化使其理想地在0(矢量)滞后处为1。计算此场在滞后超过一个指定数(即至少为二分之一的纹脊)的幅值的最大值。这就是对此试算核心位置的模糊程度的估计。
3.如下现在选择一个核心位置,或也可能是多个位置:
a.选出具有最小模糊度的位置并将其标注上数字1。
b.如果有多于一个的核心满足要求,则将此核心某指定距离(即一个核心半径)范围内的其它核心排除在外,而所剩的模糊度最小的位置被指定为第二核心。
c.利用同样的过程,排除掉靠近该最初两个核心的位置,得到一个第三核心,如此等等。
F.样板被截短为N位的动态范围(当前N等于2)并为了减小存储空间要求而对其进行压缩。为了存储样板而对指纹图象所进行的压缩处理涉及如下多个步骤:
1.数据被量化为2位(4个灰度级)
a.利用频率分布补偿该数据—在该数据的范围内定义出4个范围,每个等同于一个灰度级。
1.找出这些数据的中间值(该中间值任一侧的数据数目相等)。
2.将两个其它的阈值确定为分别等价于两个群体(该数据中间值两侧一边一个)的中间值的值。图11所示为这些数据的分布图以及所定义的3个阈值A,B及C。
b.利用所定义的阈值,根据该数据最初所占据的是该直方图的哪一段而分别为其值赋值为0,1,2或3来将这些数据转换为
其自身的一个二位版本。
2.对四组值进行移位(逐2位地)和相加,从而将2位数据拼接为8位字节。
3.对所得的数据(将被确定的数据)应用一种标准的压缩技术。此时样板(压缩图象及相关信息)可以被存储在内部存储器中,并汇报给一个中央处理器,或存储在外部存储器中。
G.注册处理的最后步骤是存储该样板以备在将来的验证处理中使用。样板的存储格式当前被定义为一个首标及用于所压缩样板数据的可变长度的多个字节。该首标信息由如下信息构成:
样板版本号
个人ID号(PIN)—用于索引该样板
被定义来对数据进行量化的阈值
对于所产生的并被保存的每个核心:
X位置
Y位置
模糊度系数—在自动核心探测器中求得的
压缩样板数据的大小
保留字—用于将来的数据扩展
H.将来也许会需要更多的首标信息,但本软件通过样板版本号将可以理解这些变化。验证处理
I.验证处理需要一个样板以对照其进行测试。通常当用户输入了他的/她的个人标识号(PIN)时才将其检索出来。
A.该PIN被用于索引一个存储在存储器中的样板。
B.该样板由一幅压缩指纹图象及其相关信息组成。在该压缩指纹信息能够被用于验证处理中之前必需将其解压缩并进行滤波。
C.数据的解压缩是用于存储该样板处理(见注册处理)的逆处理。
1.首先对数据进行解压缩从而提取出被拼接在一起的2位样板信息。
2.通过将8位字节转化位4个2位值而将拼接在一起的2位样板拆分开来。利用在注册处理中所定义的阈值将其依次转化为浮点数值。
D.这些数据仍然处于一种伪量化的形式中,不便于进行处理。于是将以与为候选指纹定义的信号频带滤波器相类似的方式对这些数据进行带通滤波。
II.按照指纹获取及准备步骤获取指纹。其将是我们的“候选”印痕。
III.全局搜索过程概述
A.为了以后的处理步骤生成样板及候选场的一些工作拷贝。对候选场的拷贝进行适度地削减以避免混淆。
B.通过将样板窗口外的b栅格数据取为0而在该样板的一个核心位置的周围定义出一个给定大小的圆形窗口。
C.利用该窗口与整个候选场的空间相关找出与该候选者最为接近的对应区域。
D.同步骤(A)一样定义出该候选者的对应窗口。
E.确定要应用于该样板窗口的最优转动及扩张量以使其与对应候选者窗口匹配地最严密。其是通过如下的步骤来完成的:
1.对b栅格样板及“开窗”候选数据场进行FFT变换,随后截短至Nyquist。产生半环面形的对应PSD。
2.将PSD从其XY坐标重新映射到极坐标,于是其现在变成了矩形形状。现在,b栅格中的每一个新象素均对应于该空间窗口区中某个特定半径及角度上的信号能量。
3.在-18°到18°的转动及10%的扩张范围假设前提下求这两个新场的相关以找出用于该样板窗口区域的最佳转动/扩张值。
F.利用步骤(E)得出的转动/扩张值,通过利用双线性内插法所进行的实空间转动及扩张过程来关于该核心位置转动及扩张样板场。
G.再次在重新映射的样板核心位置的周围“开窗”。
H.在假设转动扩张后的窗口由于其新的定向可以对应于候选者内的一个稍微不同的位置的情况下重复步骤(C)。其目的是为了获得比从步骤(C)所获得的更好的全局平移的估计。
I.来自这些步骤的输出包括关于样板核心中的某一个的,用于将该样板与候选者全局对准的最佳全局转动/扩张/平移估计。另外还包括来自步骤(H)的归一化相关值,即在最优平移下的相关场的值。将该值定义为L0。
IV.阶段1
A.利用对于圆形窗口来说相对较大的窗口尺寸(当前窗口半径为24象素)来对样板的全部3个核心执行步骤(II)。
B.为在步骤(II.H)中使L0最大(3个值中)的核心存储转动/扩张/平移值。将此值定义为LMAX。
C.根据如下的公式对候选者进行一次通过/失败/或许判定:
LMAX>γpass (通过)
LMAX<γfail (失败)
γfail<LMAX<γpass (或许)
D.如果其判定结果为“或许”,则继续进行到阶段2。
V.阶段2
A.对该样板的全部3个核心执行步骤(II),其详细情况如下:
1.使用一个尺寸比步骤(III.A)所用窗口小一些的窗口(当前窗口半径为18象素)。在大窗口相对于对应的候选区包含太多的图象变形的情况下,其可以为一个给定的窗口区给出更好的全局转动/扩张/平移估计。
2.省略步骤(II.C)。而对于步骤(D)也只是简单地使用与阶段1中的LMAX相关联的平移值。该值将被直接用于与LMAX相关联的一个核心,否则对于其它两个核心应该对其进行修正以使得阶段1中的LMAX转动/扩张值不会同时为0°转动值及0%扩张值。
B.为此阶段产生一个新LMAX值。
C.根据如下的公式对候选者进行一次通过/失败/或许判定:
LMAX>γpass+εpass (通过)
LMAX<γfail+εfail (失败)
γfail+εfail<LMAX<γpass+εpass (或许)
请注意阈值升高的原因是由于在阶段2中所用的窗口的尺寸要小一些的缘故。
D.如果判定的结果仍为“或许”,则处理将继续进行到阶段3。
VI.阶段3
A.根据来自阶段2处理的最佳值的合适的相反值来转动/扩张/平移该幅被削减的候选图象。将b栅格阵列中不再包含候选印痕的任何数据填充为0。
B.将该样板的中心区域划分为多个相互重叠的圆形子区。当前我们使用的是一个被划分为12个半径分别为11象素的窗口而大小为112×48的区域。
C.对于每个样板子区,检测是否有相当大百分比的子区与所剩的候选数据相对应(其值与0填充区中大多数被对准的数据相反)。
D.如果一个样板子区取得了可用于比较的资格(见图6),则将进行接下来的定向过程:
1.为该样板子区产生多种转动/扩张假设。其是通过该子区的实空间转动及扩张(利用双线性内插法)来完成的。因为在一个全局重定向候选者与样板之间允许的方差较小,所以该子区所容许的转动/扩张相对也较小。
2.对于每种假设均求其与对应候选子区的相关。
3.选出用于该样板子区的最佳转动/扩张假设,并以该数量对其进行转动/扩张。
4.求新定向的样板子区与对应候选子区的空间相关,在两个区域之间只允许有小的平移。
5.存储与该最优平移相关联的最终归一化相关值。对于第i个子区将该值表示为Li。
E.在检测完所有的样板子区并对合格的子区进行完处理之后,根据如下的公式计算出L;的一个加权平均值:
注意Li被平方以增大Li下界与上界之间的分散程度。注意对候选者还应用了反向噪声值(假设在子区上相对恒定)以降低与高噪声相关联的子区的作用,因为其假设通常这些区域中的信号质量要比该印痕的其它部分差。
F.根据LNEWMAX统计量进行一次是/否判定。
LNEWMAX>γfinal (通过)
LNEWMAX<γfinal (失败)词汇表
a栅格—原始指纹图象被数字化为329×242个象素并被写入存储器。本软件在图象获取的过程中读入其一个256×128象素大小的子段,而在图象准备中则是216×160个象素。
b栅格—当前b栅格为128×64象素。在图象获取步骤中,其是通过在a栅格上进行一次实空间减量取样来实现的。在图象准备步骤中,该b栅格是通过对a栅格图象进行变换,截短在Nyquist,随后进行反变换而实现的。
核心—指纹图象中与该图象中的其它区域相比相对显著,或明显唯一的一个区域(在样板上求得的)。通过该图象与此图象的一个削减版本之间的滞后交叉相关来量化其显著性。
注册—用于将一个人的指纹录入到本***的存储器中的处理。该信息可以被存储在该装置中或一个集中的地方。此信息将被用来验证一个候选者的指纹,因此此过程应该由一个训练有素的操作员来进行以获得最佳的结果。
验证—用于通过将其指纹与在注册过程中所采集的存储信息进行匹配来确定一个人身份的真实性的处理。验证一个用户身份的准确度与所存储的样板信息质量直接相关。
样板—沿纹脊平滑的指纹图象及其相关信息构成了样板。此信息是在注册的过程中产生的,并在验证过程中使用。
模糊度—该术语是指核心区相对指纹图象的其它区域的显著性。在寻找核心的过程中,要求模糊度很低(即非常显著,或明显唯一)。
候选者—其为在验证处理中呈现给本单元的指纹图象。
Claims (46)
1.一种用于获取人的皮肤图纹印痕数据,以供人的身份验证比较中使用的装置,所述装置包括:
光学装置,用于物理地接受与此人皮肤的接触,并在接触期间形成此人皮肤的光学图象;
光电装置,用于从光学装置接收光学图象,并对此响应而在接触期间产生从该图纹得到的一系列电子信号阵列;
电子装置,用于在接触期间监测该系列电子信号阵列;
用于保存至少所述电子信号阵列之一以供比较使用的装置;
在接触期间响应电子监测装置,用于延迟保存装置的操作,直到至少该系列中的电子信号阵列之一满足与该图纹的特征有关的特定条件为止的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
2.根据权利要求1所述的装置,其中:
在所述接触期间调整所述皮肤接触,并且该系列中的电子信号阵列趋于按所述皮肤接触调整改进。
3.根据权利要求1所述的装置,其中:
所述特定条件包括根据电子信号阵列的空间频率含量测试皮肤图纹图象区的恰当程度。
4.根据权利要求3所述的装置,其中:
所述特定条件进一步包括测试所经历的时间;和
该装置进一步包括如果图象区的恰当程度在一段特定经历时间内不适合则提醒此人移动所述皮肤接触。
5.根据权利要求3所述的装置,其中:
所述特定条件进一步包括至少在一部分图象区内测试信号阵列的质量。
6.根据权利要求1所述的装置,其中:
所述特定条件包括至少在一部分图象区内测试信号阵列的质量。
7.一种用于获取人的皮肤图纹印痕数据,以供人的身份验证比较中使用的装置,所述装置包括:
用于接收或产生与该皮肤图纹对应的电子信号阵列的装置;
用于定义多个信号波数频带的装置;
用于将电子信号阵列的波数含量与所述多个频带比较的装置;
响应该比较装置,用于在所述多个频带中选择一个特定频带,以便在分析所述电子信号阵列以验证此人身份时使用的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
8.一种用于获取和提供人的皮肤图纹印痕数据,以供人的身份验证比较中使用的装置,所述装置包括:
用于接收或产生与该皮肤图纹对应的多能级电子信号阵列的装置;
用于预先估算或处理,或估算和处理所述多能级电子信号阵列的装置;
用于以二位或一位的形式表示预先估算或处理,或估算和处理的信号阵列的装置;
用于存储或输出以所述二位或一位的形式表示的信号阵列的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
9.根据权利要求8所述的装置,进一步包括:
用于在存储或输出前利用方差归一化信号阵列的装置。
10.根据权利要求9所述的装置,进一步包括:
用于在存储或输出前利用方差空间地减量取样信号阵列的装置。
11.一种通过将表示人的皮肤图纹印痕的二维测试图象的测试数据与从以前注册过程期间获得的二维参考皮肤图纹印痕图象导出的参考数据比较来验证人的身份的装置,所述装置包括:
用于从存储器或从供验证使用的输入数据集提取该参考数据的装置;
用于带通、归一化和平滑所提取数据以供验证使用的预处理装置;
用于将来自预处理装置的数据与该测试数据比较以验证身份的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
12.一种通过将表示此人的皮肤图纹印痕的二维测试图象的测试数据与从以前注册过程期间获得的二维参考皮肤图纹印痕图象导出的参考数据比较来验证此人身份的装置,所述装置包括:
用于从该参考数据或该测试数据,或该参考数据和测试数据导出相应形式的矢量梯度场的装置;
用于在矢量梯度场形式的控制下平滑该参考数据或该测试数据,或该参考数据和测试数据,以使所述平滑基本上沿着该皮肤图纹的相应纹脊方向进行的装置;
用于在做出身份验证决定中应用平滑数据的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
13.根据权利要求12所述的装置,其中所述导出装置包括:
用于从数据的快速傅里叶变换找出矢量梯度场的装置;
用于筛选矢量梯度场以说明相位跃变的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
14.根据权利要求13所述的装置,其中矢量梯度场的形式是矢量波数场,所述导出装置进一步包括:
用于从梯度场计算协方差矩阵,和从协方差矩阵计算波数的标量幅度场的装置;
用于将矢量波数场构造为具有所述矢量梯度场的方向性的所述标量幅度场的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
15.一种通过将表示人的皮肤图纹印痕的二维测试图象的测试数据与从以前注册过程期间获得的一个或多个二维参考皮肤图纹印痕图象产生的参考数据比较来验证此人身份的装置;所述装置在测试图象相对于参考图象的假设扩张下使用,所述装置包括:
用于计算至少一部分测试图象的功率频谱密度的装置;
用于应用功率频谱密度以估算测试图象相对于参考图象的该假设扩张的装置;
用于考虑进估算的扩张把测试数据与参考数据比较的装置;
响应该比较装置,用于做出身份验证决定的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
16.根据权利要求15所述的装置,其中:
计算装置进一步包括用于计算至少一部分参考图象的功率频谱密度的装置;和
应用装置包括用于比较测试图象和参考图象的功率频谱密度以估算其相对扩张的装置。
17.根据权利要求16所述的装置,其中:
应用装置包括把功率频谱密度的径向分量解释为相对扩张的量度的装置。
18.根据权利要求15所述的装置,其中:
所述应用装置进一步包括用于应用功率频谱密度以估算测试图象的转动的装置;和
比较装置进一步包括用于考虑所估算的相对转动的装置。
19.根据权利要求18所述的装置,其中:
应用装置包括把功率频谱密度的角分量解释为转动的量度的装置。
20.根据权利要求17所述的装置,进一步包括:
用于应用估算的相对扩张和转动以进一步估算参考图象和测试图象的相对平移的装置。
21.根据权利要求15所述的装置,进一步包括:
用于估算参考图象和测试图象的相对转动的装置;和
用于应用估算的相对扩张和转动以进一步估算参考图象和测试图象的相对平移的装置。
22.一种通过将表示人的皮肤图纹印痕的二维测试图象的测试数据与从以前注册过程期间获得的一个或多个二维参考皮肤图纹印痕图象导出的参考数据比较来验证此人的身份的装置;所述装置在测试图象相对于参考图象的假设转动下使用,所述装置包括:
用于计算至少一部分测试图象的功率频谱密度的装置;
用于应用功率频谱密度以估算测试图象相对于参考图象的假设转动的装置;
用于考虑进估算的转动把测试数据与参考数据比较的装置;
响应该比较装置,用于做出身份验证决定的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
23.根据权利要求22所述的装置,其中:
计算装置进一步包括用于计算至少一部分参考图象的功率频谱密度的装置;和
应用装置包括用于比较测试图象和参考图象的功率频谱密度以估算其相对转动的装置。
24.根据权利要求23所述的装置,其中:
应用装置包括把功率频谱密度的角分量解释为转动的量度的装置。
25.根据权利要求14所述的装置,进一步包括:
用于估算参考图象和测试图象的相对扩张的装置;和
用于应用估算的相对扩张和转动以进一步估算参考图象和测试图象的相对平移的装置。
26.一种通过将表示人的皮肤图纹印痕的二维测试图象的测试数据与从以前注册过程期间获得的一个或多个二维参考皮肤图纹印痕图象导出的参考数据比较来验证此人的身份的装置;所述装置在测试图象相对于参考图象的假设转动和扩张下使用,所述装置包括:
用于分别计算至少一部分该测试图象和该参考图象的功率频谱密度的装置;
用于把相应的计算功率频谱密度转换成极坐标的装置;
由此,被解释为直角坐标数据的转换功率频谱密度信息具有描绘在纹脊间距和方位的直角坐标网格上的功率密度值的形式;
用于把测试图象和参考图象的转换功率频谱密度一起考虑,并从所述一起考虑的功率频谱密度读出该假设相对转动和扩张的估算的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
27.根据权利要求26所述的装置,其中:
考虑装置包括用于在相对转动和扩张的假设范围内求出相应纹脊间距和方位值的比例,或使两个转换的功率频谱密度相关,以找出最可能的相对转动和扩张的估算值的装置。
28.一种通过将表示人的皮肤图纹印痕的二维测试图象的测试数据与从以前注册过程期间获得的二维参考皮肤图纹印痕图象导出的参考数据比较来验证此人的身份的装置;所述装置在测试图象相对于参考图象的假设变形下使用,所述装置包括:
用于估算测试图象和参考图象之间的相对平移,和相对同构变形的至少一个分量的装置;
用于调节测试图象或参考图象,或测试图象和参考图象以容许所述的相对平移和相对同构变形的分量的估算的装置;
用于在所述调节后在两个图象共有的基本所有区域内比较所述测试图象和参考图象,以做出身份验证决定的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
29.根据权利要求28所述的装置,其中:
比较装置包括用于分析所述共有区域内的功率频谱密度以估算剩余变形的装置。
30.根据权利要求27所述的装置,其中比较装置包括:
用于把图象之一分成许多基本上重叠的子区域,子区域的总合基本上覆盖整个所述的一个图象;和
用于评价所述测试图象和参考图象相对于其有效部分在两个图象共有的所述所有区域内的大致上每一个所述子区域的相似程度的装置。
31.根据权利要求30所述的装置,其中评价装置包括:
用于分别在所述共有区域中的每个所述子区域内估算测试图象和参考图象之间的相对变形的另一个分量的装置。
32.根据权利要求31所述的装置,其中评价装置进一步包括:
用于形成在共有区域中所有所述子区域的所述另一个分量的一个复合量度的装置;和
用于对所述复合量度的进行阈值判断以做出所述决定的装置。
33.根据权利要求32所述的装置:
进一步包括用于从测试数据提取测试数据中的噪声方差的估算值作为测试图象中位置的函数的装置;和
其中复合量度形成装置包括用于考虑估算的噪声方差的装置。
34.根据权利要求33所述的装置,其中考虑装置包括:
用于以与子区域的噪声方差估算相反的关系对共有区域中每个所述子区域的另一个分量加权的装置。
35.一种通过将表示人的皮肤图纹印痕的二维测试图象的测试数据与从以前注册过程期间获得的二维参考皮肤图纹印痕图象产生的参考数据比较来验证此人的身份的装置,所述装置包括:
用于把参考数据与测试数据的第一小区相比较以形成相似性的第一量度的装置;
用于相对于第一阈值测试所述第一量度以验证此人身份的第一装置;
在第一量度未能高到足以接受的情况下,用于把参考数据与测试数据的第二小区相比较以形成相似性的第二量度的装置;
用于相对于比第一阈值高的第二阈值测试所述第二量度以验证此人身份的第二装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
36.根据权利要求35所述的装置,其中:
第一测试装置还相对于相对低的第一拒绝阈值测试相似性的第一量度以否决验证;
所述第二比较装置只有在相似性的所述第一量度处在所述第一接受和拒绝阈值之间时工作,因此,相似性的第一量度即不足以高到接受也不足以低到拒绝。
37.根据权利要求36所述的装置,其中:
第二测试装置还相对于比第一拒绝阈值高的第二拒绝阈值测试相似性的第二量度以否决验证。
38.根据权利要求37所述的装置,其中:
所述第二小区比第一小区小。
39.根据权利要求37所述的装置,进一步包括:
在所述第二量度处在所述第二接受和拒绝阈值之间,由此第二量度即不足以高到接受也不足以低到拒绝的情况下,用于基本上将测试图象和参考图象的整个共有区域比较以做出验证决定的装置。
40.根据权利要求36所述的装置,其中:
所述第二小区比第一小区小。
41.根据权利要求36所述的装置,进一步包括:
在所述第二量度不足以高到接受的情况下,用于基本上将测试图象和参考图象的整个共有区域比较以做出验证决定的装置。
42.根据权利要求35所述的装置,其中:
所述第二小区比第一小区小。
43.用于从从诸如手指之类的凸纹表面获取表面凸纹数据的传感器接收表面凸纹数据,并对其响应控制对设施、设备、金融业务,或用于提供或接收信息的***的访问的装置,所述装置在该表面的假设扩张下使用,该装置包括:
用于处理接收的数据以确定该凸纹表面的身份的***,所述***包括:
用于分别计算和比较至少一部分接收数据和测试数据的功率频谱密度,并分析功率频谱密度比较结果以估算假设扩张的装置,
用于考虑进估算的扩张将测试数据与参考数据比较的装置,和
响应该比较装置,用于做出身份验证决定的装置;
用于应用确定的身份以控制访问设施、设备、金融业务、或资源或信息接收的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
44.一种根据来自诸如手指之类的凸纹表面的表面凸纹数据进行访问控制的安全***;在凸纹表面的假设变形下使用所述***;所述***包括:
应用装置,在没有与授权用户有关的特定凸纹表面的情况下对误用敏感,所述应用装置是从下列一组装置中选择的,包括:
设施,
装置,
用于提供金融业务的装置,和
用于提供或接收信息的装置;
用于从该凸纹表面获取表面凸纹数据的传感器装置;
用于处理数据以确定凸纹表面的身份,和应用确定的身份以控制对应用装置访问的装置,所述处理和应用装置包括:
用于分别计算和比较至少一部分接收数据和测试数据的功率频谱密度,并分析功率频谱密度比较结果以估算假设变形的装置,
用于考虑进估算的变形将测试数据与和授权用户有关的所述特定凸纹表面的相关参考数据比较的装置,和
响应该比较装置,用于做出身份验证决定的装置;和
非易失性存储器装置,用于保存供上述装置自动操作的指令。
45.一种通过将表示人的皮肤图纹印痕的二维测试图象的测试数据与从以前注册过程期间获得的二维参考皮肤图纹印痕图象产生的参考数据比较来验证此人身份的方法,所述方法包括步骤:
使测试图象和参考图象的对应区的功率频谱密度成比例或相关,以确定两个图象之间的相对同构变形;
使用归一化空间相关值作为测试图象和参考图象的对应区之间的相似性量度;
根据所述归一化空间相关值进行身份验证决定;和
在非易失性存储器中保存供上述步骤自动操作的指令。
46.根据权利要求45所述的方法,进一步包括步骤:
操作传感器以获取测试数据;和
响应所述决定进行步骤,如果身份通过验证则操作一个开关。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US08/843,219 US6356649B2 (en) | 1997-04-11 | 1997-04-11 | “Systems and methods with identity verification by streamlined comparison and interpretation of fingerprints and the like” |
US08/843,219 | 1997-04-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1249046A true CN1249046A (zh) | 2000-03-29 |
CN1327385C CN1327385C (zh) | 2007-07-18 |
Family
ID=25289364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB988008092A Expired - Lifetime CN1327385C (zh) | 1997-04-11 | 1998-04-10 | 利用指纹及类似印痕的流线化比较和解释的身份验证***和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US6356649B2 (zh) |
EP (1) | EP0931294B1 (zh) |
CN (1) | CN1327385C (zh) |
AU (1) | AU741925B2 (zh) |
CA (1) | CA2264867C (zh) |
WO (1) | WO1998046114A2 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326830A (zh) * | 2015-06-30 | 2017-01-11 | 三星电子株式会社 | 指纹识别方法和设备 |
CN112276370A (zh) * | 2020-11-27 | 2021-01-29 | 华中科技大学 | 一种基于空间光调制器的三维码激光标刻方法及*** |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3439359B2 (ja) * | 1998-12-18 | 2003-08-25 | 日本電気株式会社 | 個人識別方法、個人識別装置および記録媒体 |
US6795569B1 (en) | 1999-05-11 | 2004-09-21 | Authentec, Inc. | Fingerprint image compositing method and associated apparatus |
DE60039002D1 (de) * | 1999-05-17 | 2008-07-10 | Nippon Telegraph & Telephone | Gerät und Verfahren zur Oberflächenmustererkennung |
DE10038342A1 (de) * | 2000-08-05 | 2002-02-28 | Bosch Gmbh Robert | Verfahren zur Fingerabdruckauswertung und Vorrichtung |
US20060062437A1 (en) * | 2001-05-16 | 2006-03-23 | Upek, Inc. | Enclosure and biometric data collection for fingerprint sensor device |
US20030214692A1 (en) * | 2002-04-05 | 2003-11-20 | Carver John F. | Print image rotation systems and methods |
US7020337B2 (en) * | 2002-07-22 | 2006-03-28 | Mitsubishi Electric Research Laboratories, Inc. | System and method for detecting objects in images |
US20040064709A1 (en) * | 2002-09-30 | 2004-04-01 | Heath James G. | Security apparatus and method |
US7002464B2 (en) * | 2003-03-19 | 2006-02-21 | Home Data Source, Inc. | Relative timing mechanism for event sequencing without clock synchronization |
CN100356391C (zh) * | 2003-05-21 | 2007-12-19 | 皇家飞利浦电子股份有限公司 | 验证身份的方法、识别设备和读/写设备 |
SE0302114D0 (sv) * | 2003-07-21 | 2003-07-21 | Cellavision Ab | Sätt att urskilja en objektkontur |
JP4340553B2 (ja) * | 2004-02-06 | 2009-10-07 | 富士通株式会社 | 生体情報照合装置 |
US20050188213A1 (en) * | 2004-02-23 | 2005-08-25 | Xiaoshu Xu | System for personal identity verification |
US7212658B2 (en) * | 2004-04-23 | 2007-05-01 | Sony Corporation | System for fingerprint image reconstruction based on motion estimate across a narrow fingerprint sensor |
US7194116B2 (en) * | 2004-04-23 | 2007-03-20 | Sony Corporation | Fingerprint image reconstruction based on motion estimate across a narrow fingerprint sensor |
US7310432B2 (en) * | 2004-06-26 | 2007-12-18 | Artinnet Corp. | Ported system for personal identity verification |
AU2006209150B2 (en) * | 2005-01-31 | 2009-10-08 | Precise Biometrics Ab | Method and device for improved fingerprint matching |
US20080298647A1 (en) * | 2005-04-08 | 2008-12-04 | Us Biometrics Corporation | System and Method for Identifying an Enrolled User Utilizing a Biometric Identifier |
JP2008123207A (ja) * | 2006-11-10 | 2008-05-29 | Sony Corp | 登録装置、照合装置、登録方法、照合方法及びプログラム |
GB2456114B (en) * | 2006-11-14 | 2011-05-04 | Securency Int Pty Ltd | Methods of protecting security documents from counterfeiting |
US8011593B2 (en) * | 2007-03-15 | 2011-09-06 | Joseph Frank Preta | Smart apparatus for making secure transactions |
KR101484566B1 (ko) * | 2007-03-21 | 2015-01-20 | 루미다임 인크. | 국소적으로 일관된 피처를 기초로 하는 생체인식 |
US8718335B2 (en) * | 2007-11-29 | 2014-05-06 | Wavefront Biometric Technologies Pty Limited | Biometric authentication using the eye |
US9036872B2 (en) * | 2010-08-26 | 2015-05-19 | Wavefront Biometric Technologies Pty Limited | Biometric authentication using the eye |
US7961908B2 (en) * | 2007-12-21 | 2011-06-14 | Zoran Corporation | Detecting objects in an image being acquired by a digital camera or other electronic image acquisition device |
US10445555B2 (en) * | 2009-01-27 | 2019-10-15 | Sciometrics, Llc | Systems and methods for ridge-based fingerprint analysis |
EP2446394A2 (en) | 2009-06-24 | 2012-05-02 | Koninklijke Philips Electronics N.V. | Robust biometric feature extraction with and without reference point |
KR101055890B1 (ko) * | 2010-01-27 | 2011-08-09 | (주)디지털인터랙티브 | 사후 지문 등록을 이용한 근태 관리 방법 및 시스템 |
TWI457842B (zh) * | 2010-09-29 | 2014-10-21 | Gingy Technology Inc | A segmented image recognition method and a region identification device thereof |
JP2012235328A (ja) * | 2011-05-02 | 2012-11-29 | Renesas Electronics Corp | 周波数補正回路、無線受信装置、及び周波数補正方法 |
US9082062B2 (en) | 2011-10-10 | 2015-07-14 | Zortag, Inc. | Method of, and system and label for, authenticating objects in situ |
AU2011253779A1 (en) * | 2011-12-01 | 2013-06-20 | Canon Kabushiki Kaisha | Estimation of shift and small image distortion |
US8515139B1 (en) * | 2012-03-15 | 2013-08-20 | Google Inc. | Facial feature detection |
US9177130B2 (en) * | 2012-03-15 | 2015-11-03 | Google Inc. | Facial feature detection |
CN103105601B (zh) * | 2013-01-07 | 2014-08-13 | 哈尔滨工业大学 | 基于网格搜索最大后验准则辐射源定位方法 |
US9292728B2 (en) | 2014-05-30 | 2016-03-22 | Apple Inc. | Electronic device for reallocating finger biometric template nodes in a set memory space and related methods |
US9230152B2 (en) | 2014-06-03 | 2016-01-05 | Apple Inc. | Electronic device for processing composite finger matching biometric data and related methods |
CN104050403B (zh) * | 2014-06-30 | 2017-03-01 | 西安电子科技大学 | 基于矩阵和相对时间的移动终端用户身份认证***及方法 |
US9734379B2 (en) * | 2014-09-03 | 2017-08-15 | Fingerprint Cards Ab | Guided fingerprint enrollment |
US9514352B2 (en) | 2014-12-18 | 2016-12-06 | Eaton Corporation | Fingerprint enrollment using touch sensor data |
US9430457B2 (en) * | 2014-12-24 | 2016-08-30 | Xerox Corporation | Ambiguity reduction for image alignment applications |
US9521314B2 (en) | 2015-02-06 | 2016-12-13 | Fingerprint Cards Ab | Fingerprint enrollment using elongated fingerprint sensor |
US10157306B2 (en) * | 2015-02-27 | 2018-12-18 | Idex Asa | Curve matching and prequalification |
US10528789B2 (en) | 2015-02-27 | 2020-01-07 | Idex Asa | Dynamic match statistics in pattern matching |
SE1650354A1 (en) * | 2016-03-16 | 2017-09-17 | Fingerprint Cards Ab | Method and system for evaluating fingerprint templates |
CN107748870B (zh) * | 2017-10-27 | 2020-07-07 | 南京思达捷信息科技有限公司 | 一种防污染和复制的识别能力强的智能型指纹识别器 |
CN111223210A (zh) * | 2019-11-19 | 2020-06-02 | 浙江因特佳智能科技有限公司 | 一种智能锁指纹识别*** |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3112468A (en) * | 1959-04-14 | 1963-11-26 | Bell Telephone Labor Inc | Character recognition system |
EP0218668A1 (en) * | 1985-04-22 | 1987-04-22 | The Quantum Fund Ltd. | Skin-pattern recognition method and device |
US4817183A (en) * | 1986-06-16 | 1989-03-28 | Sparrow Malcolm K | Fingerprint recognition and retrieval system |
US5067162A (en) * | 1986-06-30 | 1991-11-19 | Identix Incorporated | Method and apparatus for verifying identity using image correlation |
US4811414A (en) * | 1987-02-27 | 1989-03-07 | C.F.A. Technologies, Inc. | Methods for digitally noise averaging and illumination equalizing fingerprint images |
US5613013A (en) * | 1994-05-13 | 1997-03-18 | Reticula Corporation | Glass patterns in image alignment and analysis |
US5659626A (en) * | 1994-10-20 | 1997-08-19 | Calspan Corporation | Fingerprint identification system |
US5812252A (en) | 1995-01-31 | 1998-09-22 | Arete Associates | Fingerprint--Acquisition apparatus for access control; personal weapon and other systems controlled thereby |
JPH08202873A (ja) * | 1995-01-31 | 1996-08-09 | Mitsubishi Electric Corp | 指紋照合装置 |
US5859420A (en) * | 1996-02-12 | 1999-01-12 | Dew Engineering And Development Limited | Optical imaging device |
US5909501A (en) * | 1996-09-09 | 1999-06-01 | Arete Associates | Systems and methods with identity verification by comparison and interpretation of skin patterns such as fingerprints |
US5963657A (en) * | 1996-09-09 | 1999-10-05 | Arete Associates | Economical skin-pattern-acquisition and analysis apparatus for access control; systems controlled thereby |
-
1997
- 1997-04-11 US US08/843,219 patent/US6356649B2/en not_active Expired - Lifetime
-
1998
- 1998-04-10 CN CNB988008092A patent/CN1327385C/zh not_active Expired - Lifetime
- 1998-04-10 CA CA002264867A patent/CA2264867C/en not_active Expired - Lifetime
- 1998-04-10 WO PCT/US1998/007260 patent/WO1998046114A2/en active IP Right Grant
- 1998-04-10 AU AU69656/98A patent/AU741925B2/en not_active Expired
- 1998-04-10 EP EP98915481A patent/EP0931294B1/en not_active Expired - Lifetime
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326830A (zh) * | 2015-06-30 | 2017-01-11 | 三星电子株式会社 | 指纹识别方法和设备 |
CN112276370A (zh) * | 2020-11-27 | 2021-01-29 | 华中科技大学 | 一种基于空间光调制器的三维码激光标刻方法及*** |
Also Published As
Publication number | Publication date |
---|---|
EP0931294A2 (en) | 1999-07-28 |
WO1998046114A3 (en) | 1999-04-08 |
EP0931294B1 (en) | 2011-08-31 |
EP0931294A4 (en) | 2001-11-28 |
US20010016055A1 (en) | 2001-08-23 |
AU6965698A (en) | 1998-11-11 |
WO1998046114A2 (en) | 1998-10-22 |
CA2264867A1 (en) | 1998-10-22 |
CN1327385C (zh) | 2007-07-18 |
US6356649B2 (en) | 2002-03-12 |
CA2264867C (en) | 2008-08-12 |
AU741925B2 (en) | 2001-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1249046A (zh) | 利用指纹及类似印痕的流线比较和解释的身份验证***和方法 | |
CN1156791C (zh) | 模式识别设备与方法 | |
CN100347719C (zh) | 基于密度图模型的指纹识别方法 | |
CN1320490C (zh) | 脸部检测及跟踪 | |
CN1794266A (zh) | 生物特征融合的身份识别和认证方法 | |
CN1191536C (zh) | 手形手势识别装置及识别方法 | |
CN1627315A (zh) | 目标检测 | |
CN1159673C (zh) | 从图像中提取管理信息的设备与方法 | |
CN1139039C (zh) | 图象中图形的提取和识别以及异常判定的方法和装置 | |
CN100348050C (zh) | 目标检测 | |
CN1595425A (zh) | 指纹多特征识别方法 | |
CN1484816A (zh) | 参数估计装置和数据匹配装置 | |
CN1596420A (zh) | 用于学习模式分类和判定值估计的方法和装置 | |
CN1177407A (zh) | 基于速度的手写体识别方法和*** | |
CN1912890A (zh) | 人脸元数据生成设备和生成方法、人脸识别***和方法 | |
CN1492661A (zh) | 2维码读取装置和读取方法、便携终端及数字照相机 | |
CN1818927A (zh) | 指纹识别方法与*** | |
CN1924897A (zh) | 图像处理装置和方法以及程序 | |
CN1445723A (zh) | 手写签名认证程序、方法和装置 | |
CN1310825A (zh) | 用于分类文本以及构造文本分类器的方法和装置 | |
CN1623506A (zh) | 基于虹膜纹理分析的生物测定*** | |
CN1151465C (zh) | 利用候选表进行分类的模式识别设备及其方法 | |
CN1973757A (zh) | 基于舌象特征的病证计算机分析*** | |
CN1664846A (zh) | 基于统计结构特征的联机手写汉字识别方法 | |
CN1839410A (zh) | 图像处理设备、摄像设备、图像处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
ASS | Succession or assignment of patent right |
Owner name: BIOSCRYPT CO.,LTD. Free format text: FORMER OWNER: ARETE ASSOCIATES Effective date: 20050513 |
|
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20050513 Address after: Ontario Applicant after: BIOSCRYPT Corp. Address before: American California Applicant before: Arete Associates |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CX01 | Expiry of patent term |
Granted publication date: 20070718 |
|
CX01 | Expiry of patent term |