RU2642369C2 - Аппарат и способ распознавания отпечатка пальца - Google Patents

Аппарат и способ распознавания отпечатка пальца Download PDF

Info

Publication number
RU2642369C2
RU2642369C2 RU2016129191A RU2016129191A RU2642369C2 RU 2642369 C2 RU2642369 C2 RU 2642369C2 RU 2016129191 A RU2016129191 A RU 2016129191A RU 2016129191 A RU2016129191 A RU 2016129191A RU 2642369 C2 RU2642369 C2 RU 2642369C2
Authority
RU
Russia
Prior art keywords
fingerprint
encoding
feature
classifier
level
Prior art date
Application number
RU2016129191A
Other languages
English (en)
Inventor
Тао Чжан
Пинцзэ ВАН
Шэнкай ЧЖАН
Original Assignee
Сяоми Инк.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Сяоми Инк. filed Critical Сяоми Инк.
Application granted granted Critical
Publication of RU2642369C2 publication Critical patent/RU2642369C2/ru

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1365Matching; Classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133Distances to prototypes
    • G06F18/24137Distances to cluster centroïds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/19Recognition using electronic means
    • G06V30/191Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1347Preprocessing; Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/19Recognition using electronic means
    • G06V30/192Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
    • G06V30/194References adjustable by an adaptive method, e.g. learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Collating Specific Patterns (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

Группа изобретений относится к технологиям распознавания отпечатка пальца. Техническим результатом является повышение степени точности распознавания отпечатка пальца. Предложен способ распознавания отпечатка пальца. Способ включает в себя этап извлечения признака в отношении первого изображения отпечатка пальца, полученного датчиком отпечатка пальца, и второго изображения отпечатка пальца, хранящегося в базе данных, с помощью сети автоматического кодирования/декодирования для получения первого признака отпечатка пальца, соответствующего первому изображению отпечатка пальца, и второго признака отпечатка пальца, соответствующего второму изображению отпечатка пальца. При этом первый признак отпечатка пальца и второй признак отпечатка пальца имеют равную размерность. Далее выполняют уменьшение размерности в отношении первого признака отпечатка пальца и второго признака отпечатка пальца, чтобы соответственно получить третий признак отпечатка пальца и четвертый признак отпечатка пальца. Определяют, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца. 2 н. и 8 з.п. ф-лы, 12 ил.

Description

ПЕРЕКРЕСТНЫЕ ССЫЛКИ НА РОДСТВЕННЫЕ ЗАЯВКИ
[0001] Эта заявка основана на и испрашивает приоритет по патентной заявке Китая № 201510712896.0, поданной 28 октября 2015, все содержимое которой включено в настоящий документ посредством ссылки.
ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
[0002] Настоящее раскрытие в основном относится к области технологий распознавания изображения и более конкретно к аппарату и способу распознавания отпечатка пальца.
УРОВЕНЬ ТЕХНИКИ
[0003] Так как распознавание отпечатка пальца изучалось с почти 1980 года, распознавание отпечатка пальца было достаточно зрелым и широко используемым как в гражданских областях, так и в военных областях после 1990. Однако, в родственных технологиях распознавания отпечатка пальца, обычно отпечаток пальца пользователя должен быть не слишком сухим, и изображение отпечатка пальца должно быть достаточно четким, так чтобы гарантировалось, что и точки глобального признака, и точки локального признака отпечатка пальца были успешно извлечены. Однако, когда изображение отпечатка пальца имеет слабое качество, распознавание отпечатка пальца может быть неточным, так как не удается распознать точки глобального признака и точки локального признака отпечатка пальца, что до некоторой степени влияет на пользовательское восприятие от продукта распознавания отпечатка пальца.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
[0004] Для того, чтобы преодолеть проблемы в родственных технологиях, варианты осуществления настоящего раскрытия предусматривают аппарат и способ распознавания отпечатка пальца для повышения степени точности распознавания отпечатка пальца для низкокачественного изображения отпечатка пальца.
[0005] Согласно первому аспекту вариантов осуществления настоящего раскрытия, предусматривается способ распознавания отпечатка пальца, включающий в себя:
выполнение извлечения признака на первом изображении отпечатка пальца, полученном датчиком отпечатка пальца, и втором изображении отпечатка пальца, хранящемся в базе данных, посредством использования сети автоматического кодирования/декодирования для получения первого признака отпечатка пальца, соответствующего первому изображению отпечатка пальца, и второго признака отпечатка пальца, соответствующего второму изображению отпечатка пальца, при этом первый признак отпечатка пальца и второй признак отпечатка пальца имеют равную размерность;
выполнение уменьшения размерности в отношении первого признака отпечатка пальца и второго признака отпечатка пальца, чтобы соответственно получить третий признак отпечатка пальца и четвертый признак отпечатка пальца, при этом третий признак отпечатка пальца и четвертый признак отпечатка пальца имеют равную размерность, которая меньше, чем размерность первого признака отпечатка пальца и второго признака отпечатка пальца; и
определение, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца.
[0006] В варианте осуществления сеть автоматического кодирования/декодирования включает в себя по меньшей мере один уровень кодирования, и способ дополнительно включает в себя:
обучение параметра признака кодирования для каждого уровня кодирования по меньшей мере в одном уровне кодирования посредством использования непомеченного образца отпечатка пальца для получения параметра представления признака кодирования, соответствующего каждому уровню кодирования;
выполнение реконструкции данных в отношении параметра представления признака кодирования, соответствующего каждому уровню кодирования, для получения данных реконструкции отпечатка пальца непомеченного образца отпечатка пальца посредством использования уровня декодирования, соответствующего уровню кодирования;
определение ошибки реконструкции между данными реконструкции отпечатка пальца и непомеченным образцом отпечатка пальца;
регулирование параметра представления признака кодирования, соответствующего каждому уровню кодирования, согласно ошибке реконструкции; и
когда ошибка реконструкции достигает минимального значения, остановку обучения сети автоматического кодирования/декодирования для получения сети автоматического кодирования/декодирования после первого обучения.
[0007] В варианте осуществления последний уровень кодирования сети автоматического кодирования/декодирования после первого обучения соединяется с классификатором, и способ может дополнительно включать в себя:
ввод помеченного образца отпечатка пальца в сеть автоматического кодирования/декодирования после первого обучения для получения результата второго вывода;
ввод результата второго вывода в классификатор и обучение классификатора посредством использования помеченного образца отпечатка пальца; и
остановку обучение классификатора, когда ошибка реконструкции между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца достигает минимального значения.
[0008] В варианте осуществления последний уровень кодирования сети автоматического кодирования/декодирования после первого обучения соединяется с классификатором, и способ может дополнительно включать в себя:
ввод помеченного образца отпечатка пальца в сеть автоматического кодирования/декодирования после первого обучения для получения результата первого вывода;
ввод результата первого вывода в классификатор, обучение классификатора посредством использования помеченного образца отпечатка пальца и тонкую настройку параметра представления признака кодирования, соответствующего каждому уровню кодирования сети автоматического кодирования/декодирования после первого обучения; и
остановку обучения классификатора и тонкой настройки параметра представления признака кодирования, соответствующего каждому уровню кодирования, когда ошибка реконструкции между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца достигает минимального значения.
[0009] В варианте осуществления способ может дополнительно включать в себя:
извлечение параметра представления признака кодирования, имеющего первую установочную размерность непомеченного образца отпечатка пальца посредством использования обученной сети автоматического кодирования/декодирования; и
выполнение обучения с линейным дискриминантным анализом LDA в отношении параметра представления признака кодирования, имеющего первую установочную размерность для получения матрицы проекции, имеющей вторую установочную размерность LDA.
[0010] В варианте осуществления определение, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца может включать в себя:
сравнение косинусного расстояния между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца с предварительно заданным порогом;
определение, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат одному и тому же отпечатку пальца, если косинусное расстояние больше, чем предварительно заданный порог; и
определение, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат разным отпечаткам пальца, если косинусное расстояние меньше, чем предварительно заданный порог или равно ему.
[0011] Согласно второму аспекту вариантов осуществления настоящего раскрытия, предусматривается аппарат распознавания отпечатка пальца, включающий в себя:
первый модуль извлечения, выполненный с возможностью выполнения извлечения признака на первом изображении отпечатка пальца, полученном датчиком отпечатка пальца, и втором изображении отпечатка пальца, хранящемся в базе данных, посредством использования сети автоматического кодирования/декодирования для получения первого признака отпечатка пальца, соответствующего первому изображению отпечатка пальца, и второго признака отпечатка пальца, соответствующего второму изображению отпечатка пальца, при этом первый признак отпечатка пальца и второй признак отпечатка пальца имеют равную размерность;
модуль уменьшения размерности, выполненный с возможностью выполнения уменьшения размерности в отношении первого признака отпечатка пальца и второго признака отпечатка пальца, извлеченных первым модулем извлечения, чтобы соответственно получить третий признак отпечатка пальца и четвертый признак отпечатка пальца, при этом третий признак отпечатка пальца и четвертый признак отпечатка пальца имеют равную размерность, которая меньше, чем размерность первого признака отпечатка пальца и второго признака отпечатка пальца; и
модуль распознавания, выполненный с возможностью определения, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца, в отношении которых модулем уменьшения размерности выполняется уменьшение размерности.
[0012] В варианте осуществления сеть автоматического кодирования/декодирования включает в себя по меньшей мере один уровень кодирования, и аппарат может дополнительно включать в себя:
первый модуль обучения, выполненный с возможностью обучения параметра признака кодирования для каждого уровня кодирования по меньшей мере в одном уровне кодирования посредством использования непомеченного образца отпечатка пальца для получения параметра представления признака кодирования, соответствующего каждому уровню кодирования;
первый модуль реконструкции, выполненный с возможностью выполнения реконструкции данных в отношении параметра представления признака кодирования, соответствующего каждому уровню кодирования, обученного и полученного первым модулем обучения, для получения данных реконструкции отпечатка пальца непомеченного образца отпечатка пальца посредством использования уровня декодирования, соответствующего уровню кодирования;
первый модуль определения, выполненный с возможностью определения ошибки реконструкции между данными реконструкции отпечатка пальца, определенными первым модулем реконструкции, и непомеченным образцом отпечатка пальца;
модуль регулирования, выполненный с возможностью регулирования параметра представления признака кодирования, соответствующего каждому уровню кодирования, согласно ошибке реконструкции, определенной первым модулем определения; и
первый модуль управления, выполненный с возможностью остановки, когда ошибка реконструкции, определенная первым модулем определения, достигает минимального значения, обучения сети автоматического кодирования/декодирования для получения сети автоматического кодирования/декодирования после первого обучения.
[0013] В варианте осуществления последний уровень кодирования сети автоматического кодирования/декодирования после первого обучения соединяется с классификатором, и аппарат может дополнительно включать в себя:
первый модуль обработки, выполненный с возможностью ввода помеченного образца отпечатка пальца в сеть автоматического кодирования/декодирования после первого обучения для получения результата первого вывода;
второй модуль обучения, выполненный с возможностью ввода результата первого вывода, полученного первым модулем обработки, в классификатор и обучения классификатора посредством использования помеченного образца отпечатка пальца; и
второй модуль управления, выполненный с возможностью управления вторым модулем обучения для остановки обучения классификатора, когда ошибка реконструкции между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца достигает минимального значения.
[0014] В варианте осуществления последний уровень кодирования сети автоматического кодирования/декодирования после первого обучения соединяется с классификатором, и аппарат может дополнительно включать в себя:
второй модуль обработки, выполненный с возможностью ввода помеченного образца отпечатка пальца в сеть автоматического кодирования/декодирования после первого обучения для получения результата второго вывода;
третий модуль обучения, выполненный с возможностью ввода результата второго вывода, полученного вторым модулем обработки, в классификатор, обучения классификатора посредством использования помеченного образца отпечатка пальца и тонкой настройки параметра представления признака кодирования, соответствующего каждому уровню кодирования сети автоматического кодирования/декодирования после первого обучения; и
третий модуль управления, выполненный с возможностью управления третьим модулем обучения для остановки обучения классификатора и тонкой настройки параметра представления признака кодирования, соответствующего каждому уровню кодирования, когда ошибка реконструкции между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца достигает минимального значения.
[0015] В варианте осуществления аппарат может дополнительно включать в себя:
второй модуль извлечения, выполненный с возможностью извлечения параметра представления признака кодирования, имеющего первую установочную размерность непомеченного образца отпечатка пальца посредством использования обученной сети автоматического кодирования/декодирования; и
четвертый модуль обучения, выполненный с возможностью выполнения обучения с линейным дискриминантным анализом LDA в отношении параметра представления признака кодирования, имеющего первую установочную размерность, извлеченного вторым модулем извлечения, для получения матрицы проекции, имеющей вторую установочную размерность LDA.
[0016] В варианте осуществления модуль распознавания может включать в себя:
подмодуль сравнения, выполненный с возможностью сравнения косинусного расстояния между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца с предварительно заданным порогом;
первый подмодуль определения, выполненный с возможностью определения, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат одному и тому же отпечатку пальца, если сравнительный результат, полученный подмодулем сравнения указывает, что косинусное расстояние больше, чем предварительно заданный порог; и
второй подмодуль определения, выполненный с возможностью определения, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат разным отпечаткам пальца, если сравнительный результат, полученный подмодулем сравнения, указывает, что косинусное расстояние меньше, чем предварительно заданный порог или равно ему.
[0017] Согласно третьему аспекту вариантов осуществления настоящего раскрытия, предусматривается аппарат распознавания отпечатка пальца, включающий в себя:
процессор; и
память, выполненную с возможностью хранения инструкций, исполняемых процессором;
при этом процессор выполнен с возможностью:
выполнения извлечения признака на первом изображении отпечатка пальца, полученном датчиком отпечатка пальца, и втором изображении отпечатка пальца, хранящемся в базе данных, посредством использования сети автоматического кодирования/декодирования для получения первого признака отпечатка пальца, соответствующего первому изображению отпечатка пальца, и второго признака отпечатка пальца, соответствующего второму изображению отпечатка пальца, при этом первый признак отпечатка пальца и второй признак отпечатка пальца имеют равную размерность;
выполнения уменьшения размерности в отношении первого признака отпечатка пальца и второго признака отпечатка пальца, чтобы соответственно получить третий признак отпечатка пальца и четвертый признак отпечатка пальца, при этом третий признак отпечатка пальца и четвертый признак отпечатка пальца имеют равную размерность, которая меньше, чем размерность первого признака отпечатка пальца и второго признака отпечатка пальца; и
определения, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца.
[0018] Техническое решение, предусмотренное вариантом осуществления настоящего раскрытия, может достичь, по меньшей мере частично, нижеследующих полезных эффектов. AED-сеть получает признаки отпечатка пальца посредством обучения на массе изображений отпечатка пальца. Вследствие этого, первый признак отпечатка пальца, соответствующий первому изображению отпечатка пальца, извлеченному AED-сетью, и второй признак отпечатка пальца, соответствующий второму изображению отпечатка пальца, может содержать признак отпечатка пальца в помощь распознаванию отпечатка пальца, тем самым избегая проблемы в предшествующем уровне техники, что распознавание отпечатка пальца невозможно реализовать без точки глобального признака и точки локального признака отпечатка пальца. Когда изображение отпечатка пальца имеет низкое качество, AED-сеть гарантирует, посредством распознавания признака в помощь распознаванию отпечатка пальца, что распознавание отпечатка пальца все равно может быть реализовано, когда ни точка глобального признака, ни точка локального признака отпечатка пальца не извлечена из-за относительно низкого качества первого изображения отпечатка пальца, тем самым значительно повышая точность распознавания отпечатка пальца для низкокачественного изображения отпечатка пальца. Вычислительная сложность для процесса распознавания отпечатка пальца может быть значительно уменьшена посредством выполнения уменьшения размерности в отношении первого признака отпечатка пальца и второго признака отпечатка пальца.
[0019] Следует понимать, что как вышеприведенное описание, так и нижеследующее подробное описание являются примерными и только примерными и не ограничивают данное раскрытие.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
[0020] Прилагаемые чертежи, которые включены в состав и образуют часть этого описания, иллюстрируют варианты осуществления, соответствующие данному изобретению, и, вместе с данным описанием, служат для разъяснения принципов данного изобретения.
[0021] Фиг. 1A является блок-схемой последовательности операций, иллюстрирующей способ распознавания отпечатка пальца, согласно примерному варианту осуществления;
[0022] Фиг. 1B является принципиальной схемой, иллюстрирующей AED-сеть, согласно примерному варианту осуществления;
[0023] Фиг. 2A является блок-схемой последовательности операций, иллюстрирующей способ распознавания отпечатка пальца, согласно примерному варианту осуществления;
[0024] Фиг. 2B является принципиальной схемой, иллюстрирующей AED-сеть, согласно примерному варианту осуществления;
[0025] Фиг. 2C является принципиальной схемой, иллюстрирующей, как обучить AED-сеть, согласно примерному варианту осуществления;
[0026] Фиг. 3A является блок-схемой последовательности операций, иллюстрирующей, как тонко настроить параметр AED-сети с помощью помеченного образца отпечатка пальца, согласно примерному варианту осуществления;
[0027] Фиг. 3B является блок-схемой последовательности операций, иллюстрирующей, как тонко настроить параметр классификатора, соединенного с AED-сетью, с помощью помеченного образца отпечатка пальца, согласно примерному варианту осуществления;
[0028] Фиг. 3C является принципиальной схемой, иллюстрирующей AED-сеть и классификатор, согласно другому примерному варианту осуществления;
[0029] Фиг. 4 является блок-схемой последовательности операций, иллюстрирующей способ распознавания отпечатка пальца, согласно примерному варианту осуществления;
[0030] Фиг. 5 является блок-схемой, иллюстрирующей аппарат распознавания отпечатка пальца, согласно примерному варианту осуществления;
[0031] Фиг. 6 является блок-схемой, иллюстрирующей другой аппарат распознавания отпечатка пальца, согласно примерному варианту осуществления; и
[0032] Фиг. 7 является блок-схемой, применимой к устройству распознавания отпечатка пальца, согласно примерному варианту осуществления.
ПОДРОБНОЕ ОПИСАНИЕ
[0033] Ниже будет подробно сделана ссылка на примерные варианты осуществления, примеры которых проиллюстрированы на прилагаемых чертежах. Нижеследующее описание ссылается на прилагаемые чертежи, на которых одинаковые номера на разных чертежах представляют одинаковые или аналогичные элементы пока не представлено иначе. Реализации, изложенные в нижеследующем описании примерных вариантов осуществления, не представляют все реализации, соответствующие данному изобретению. Наоборот, они являются лишь примерами аппаратов и способов, соответствующих аспектам, относящимся к данному изобретению, как изложено в прилагаемой формуле изобретения.
[0034] Фиг. 1A является блок-схемой последовательности операций, иллюстрирующей способ распознавания отпечатка пальца, согласно примерному варианту осуществления, и Фиг. 1B является диаграммой, иллюстрирующей сеть автоматического кодирования/декодирования, согласно примерному варианту осуществления; и способ распознавания отпечатка пальца может быть применен к устройству распознавания отпечатка пальца, снабженному датчиком отпечатка пальца (например, интеллектуальному мобильному телефону и планшетному компьютеру, имеющему функцию аутентификации отпечатка пальца, и устройству доступа по отпечатку пальца). Как показано на Фиг. 1A, способ распознавания отпечатка пальца включает в себя нижеследующие этапы S101-S103.
[0035] На этапе S101 извлечение признака выполняется на первом изображении отпечатка пальца, полученном датчиком отпечатка пальца, и втором изображении отпечатка пальца, хранящемся в базе данных, посредством использования сети автоматического кодирования/декодирования для получения первого признака отпечатка пальца, соответствующего первому изображению отпечатка пальца, и второго признака отпечатка пальца, соответствующего второму изображению отпечатка пальца, при этом первый признак отпечатка пальца и второй признак отпечатка пальца имеют равную размерность.
[0036] В варианте осуществления полученные изображения отпечатка пальца пользователей в пределах определенного диапазона могут быть сохранены в базе данных. Например, среди изображений отпечатка пальца всех сотрудников в компании A, когда пользователю B требуется аутентификация отпечатка пальца, первое изображение отпечатка пальца пользователя B может быть получено датчиком отпечатка пальца. В варианте осуществления сеть автоматического кодирования/декодирования (с аббревиатурой AED) может включать в себя уровень кодирования и уровень декодирования, первое изображение отпечатка пальца вводится в уровень кодирования, и уровень кодирования выводит признак кодирования первого изображения отпечатка пальца. Признак кодирования затем вводится в уровень декодирования, соответствующий уровню кодирования, и уровень декодирования выводит первый признак отпечатка пальца первого изображения отпечатка пальца. Соответственно, второй признак отпечатка пальца второго изображения отпечатка пальца может быть получен из второго изображения отпечатка пальца в базе данных таким же образом, как первое изображение отпечатка пальца.
[0037] На этапе S102 уменьшение размерности выполняется в отношении первого признака отпечатка пальца и второго признака отпечатка пальца, чтобы соответственно получить третий признак отпечатка пальца и четвертый признак отпечатка пальца, при этом третий признак отпечатка пальца и четвертый признак отпечатка пальца имеют равную размерность, которая меньше, чем размерность первого признака отпечатка пальца и второго признака отпечатка пальца.
[0038] В варианте осуществления уменьшение размерности может быть в отношении первого признака отпечатка пальца и второго признака отпечатка пальца посредством использования обученного линейного дискриминантного анализа (с аббревиатурой LDA). В варианте осуществления признак отпечатка пальца, имеющий первую установочную размерность непомеченного образца отпечатка пальца, извлекается посредством использования обученной AED-сети, и LDA-обучение выполняется в отношении признака отпечатка пальца, имеющего первую установочную размерность. Таким образом, получается матрица проекции, имеющая вторую установочную размерность LDA. Например, параметр представления признака кодирования, имеющий первую установочную размерность (например 500 размерностей), выводится из выводов непомеченного образца отпечатка пальца посредством AED-сети. После LDA-обучения размерности параметра представления признака кодирования могут быть уменьшены, посредством использования обученного LDA, до второй установочной размерности (например, 200 размерностей). Таким образом, сложность вычисления косинусного расстояния может быть уменьшена.
[0039] На этапе S103 определяется, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца.
[0040] В варианте осуществления косинусное расстояние между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца может сравниваться с предварительно заданным порогом. Определяется, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат одному и тому же отпечатку пальца, если косинусное расстояние больше, чем предварительно заданный порог. Определяется, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат разным отпечаткам пальца, если косинусное расстояние меньше, чем предварительно заданный порог или равно ему.
[0041] Для примерной сцены, которая показана на Фиг. 1B, когда пользователю B требуется аутентификация отпечатка пальца, первое изображение отпечатка пальца пользователя B получается датчиком 11 отпечатка пальца, и первое изображение отпечатка пальца вместе со вторым изображением отпечатка пальца, которое было сохранено в базе данных 12, вводятся в обученную AED-сеть 13. AED-сеть 13 затем выводит первый признак отпечатка пальца, соответствующий первому изображению отпечатка пальца, и второй признак отпечатка пальца, соответствующий второму изображению отпечатка пальца. Например, и первый признак отпечатка пальца, и второй признак отпечатка пальца являются признаками отпечатка пальца, имеющими 500 размерностей. Уменьшение размерности затем выполняется в отношении первого признака отпечатка пальца и второго признака отпечатка пальца, имеющих 500 размерностей, посредством использования матрицы проекции LDA-модуля 14. Например, размерности первого признака отпечатка пальца и второго признака отпечатка пальца уменьшаются LDA-модулем 14 с 500 размерностей до 200 размерностей, т.е., LDA-модуль 14 выводит третий признак отпечатка пальца, полученный посредством уменьшения размерности первого признака отпечатка пальца, и четвертый признак отпечатка пальца, полученный посредством уменьшения размерности второго признака отпечатка пальца. Например, и третий признак отпечатка пальца, и четвертый признак отпечатка пальца имеют 200 размерностей. Модуль 15 вычисления расстояния вычисляет косинусное расстояние между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца, имеющими 200 размерностей, и модуль 16 вывода результата сравнивает косинусное расстояние с порогом, т.е., косинусное расстояние делится на основе порога. Когда косинусное расстояние больше, чем порог, модуль 16 вывода результата выводит результат, указывающий, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат одному и тому же отпечатку пальца. Когда косинусное расстояние меньше, чем порог или равно ему, модуль 16 вывода результата выводит результат, указывающий, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат разным отпечаткам пальца.
[0042] В этом варианте осуществления AED-сеть получает признаки отпечатка пальца посредством обучения массы (множества) изображений отпечатка пальца. Вследствие этого, первый признак отпечатка пальца, соответствующий первому изображению отпечатка пальца, и второй признак отпечатка пальца, соответствующий второму изображению отпечатка пальца, извлеченные AED-сетью, могут содержать признак отпечатка пальца, способствующий распознаванию отпечатка пальца, тем самым избегая того, что распознавание отпечатка пальца в предшествующем уровне техники невозможно распознать без точки глобального признака и точки локального признака отпечатка пальца. Когда изображение отпечатка пальца имеет низкое качество, AED-сеть гарантирует, посредством распознавания признака, способствующего распознаванию отпечатка пальца, что распознавание отпечатка пальца все равно может быть реализовано, когда ни точка глобального признака, ни точка локального признака отпечатка пальца не извлечена из-за относительно низкого качества первого изображения отпечатка пальца, тем самым значительно повышая точность распознавания отпечатка пальца низкокачественного изображения отпечатка пальца. Вычислительная сложность для распознавания отпечатка пальца может быть значительно уменьшена посредством выполнения уменьшения размерности в отношении первого признака отпечатка пальца и второго признака отпечатка пальца.
[0043] В варианте осуществления AED-сеть включает в себя по меньшей мере один уровень кодирования, и способ распознавания отпечатка пальца может дополнительно включать в себя:
обучение параметра признака кодирования для каждого уровня кодирования по меньшей мере в одном уровне кодирования посредством использования непомеченного образца отпечатка пальца для получения параметра представления признака кодирования, соответствующего каждому уровню кодирования;
выполнение реконструкции данных в отношении параметра представления признака кодирования, соответствующего каждому уровню кодирования, для получения данных реконструкции отпечатка пальца непомеченного образца отпечатка пальца посредством использования уровня декодирования, соответствующего уровню кодирования;
определение ошибки реконструкции между данными реконструкции отпечатка пальца и непомеченным образцом отпечатка пальца;
регулирование параметра представления признака кодирования, соответствующего каждому уровню кодирования, согласно ошибке реконструкции; и
когда ошибка реконструкции достигает минимального значения, остановку обучения AED-сети для получения впервые обученной AED-сети.
[0044] В варианте осуществления последний уровень кодирования впервые обученной AED-сети соединяется с классификатором, и способ может дополнительно включать в себя:
ввод помеченного образца отпечатка пальца в впервые обученную AED-сеть для получения результата первого вывода;
ввод результата первого вывода в классификатор и обучение классификатора посредством использования помеченного образца отпечатка пальца; и
остановку обучения классификатора, когда ошибка реконструкции между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца достигает минимального значения.
[0045] В варианте осуществления последний уровень кодирования впервые обученной AED-сети соединяется с классификатором, и способ может дополнительно включать в себя:
ввод помеченного образца отпечатка пальца в впервые обученную AED-сеть для получения результата второго вывода;
ввод результата второго вывода в классификатор, обучение классификатора посредством использования помеченного образца отпечатка пальца и тонкую настройку параметра представления признака кодирования, соответствующего каждому уровню кодирования впервые обученной AED-сети; и
остановку обучения классификатора и тонкой настройки параметра представления признака кодирования, соответствующего каждому уровню кодирования, когда ошибка реконструкции между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца достигает минимального значения.
[0046] В варианте осуществления способ может дополнительно включать в себя:
извлечение параметра представления признака кодирования, имеющего первую установочную размерность непомеченного образца отпечатка пальца посредством использования обученной AED-сети; и
выполнение LDA-обучения в отношении параметра представления признака кодирования, имеющего первую установочную размерность для получения матрицы проекции, имеющей вторую установочную размерность LDA.
[0047] В варианте осуществления определение, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца может включать в себя:
сравнение косинусного расстояния между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца с предварительно заданным порогом;
определение, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат одному и тому же отпечатку пальца, когда косинусное расстояние больше, чем предварительно заданный порог; и
определение, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат разным отпечаткам пальца, когда косинусное расстояние меньше, чем предварительно заданный порог или равно ему.
[0048] Последующие варианты осуществления описаны в отношении того, как реализовать распознавание отпечатка пальца.
[0049] Согласно способу, предусмотренному вариантами осуществления настоящего раскрытия, можно избежать проблемы в предшествующем уровне техники, что распознавание отпечатка пальца невозможно реализовать без точки глобального признака и точки локального признака отпечатка пальца, и распознавание отпечатка пальца все равно может быть реализовано независимо от того, что ни точка глобального признака, ни точка локального признака отпечатка пальца не извлечена из-за относительно низкого качества первого изображения отпечатка пальца, тем самым значительно повышая точность для распознавания отпечатка пальца низкокачественного изображения отпечатка пальца, и значительно уменьшая вычислительную сложность для распознавания отпечатка пальца.
[0050] Техническое решение, предусмотренное вариантами осуществления настоящего раскрытия, проиллюстрировано в дальнейшем со ссылкой на конкретные варианты осуществления.
[0051] Фиг. 2A является блок-схемой последовательности операций, иллюстрирующей способ распознавания отпечатка пальца, согласно примерному варианту осуществления, Фиг. 2B является принципиальной схемой, иллюстрирующей AED-сеть, согласно примерному варианту осуществления, и Фиг. 2C является принципиальной схемой, иллюстрирующей, как обучать AED-сеть, согласно примерному варианту осуществления. В этом варианте осуществления, способ, предусмотренный вариантами осуществления настоящего раскрытия, проиллюстрирован посредством примерного описания, взяв в качестве примера то, как обучать AED-сеть и LDA с помощью непомеченного образца отпечатка пальца Как показано на Фиг. 2A, способ распознавания отпечатка пальца включает в себя нижеследующие этапы.
[0052] На этапе S201 параметр признака кодирования каждого уровня кодирования по меньшей мере в одном уровне кодирования обучается посредством использования непомеченного образца отпечатка пальца для получения параметра представления признака кодирования, соответствующего каждому уровню кодирования.
[0053] На этапе S202 реконструкция данных выполняется в отношении параметра представления признака кодирования, соответствующего каждому уровню кодирования, посредством использования уровня декодирования, соответствующего уровню кодирования, для получения данных реконструкции отпечатка пальца непомеченного образца отпечатка пальца.
[0054] На этапе S203 определяется ошибка реконструкции между данными реконструкции отпечатка пальца и непомеченным образцом отпечатка пальца.
[0055] На этапе S204 параметр представления признака кодирования, соответствующий каждому уровню кодирования, регулируется согласно ошибке реконструкции.
[0056] На этапе S205 обучение AED-сети останавливается, когда ошибка реконструкции достигает минимального значения.
[0057] В варианте осуществления AED-сеть включает в себя по меньшей мере один уровень кодирования. Например, AED-сеть 20, которая показана на Фиг. 2B, включает в себя 3 уровня кодирования (соответственно уровень 21 кодирования, уровень 22 кодирования и уровень 23 кодирования). Как показано на Фиг. 2C, примерное описание сделано взяв в качестве примера, как обучать уровень 21 кодирования. Для массы непомеченных образцов отпечатка пальца (например, 600 тысяч непомеченных образцов отпечатка пальца), каждый непомеченный образец отпечатка пальца может быть введен в уровень 21 кодирования, и параметр представления признака кодирования непомеченного образца отпечатка пальца получается из уровня 21 кодирования. Параметр представления признака кодирования является представлением введенного непомеченного образца отпечатка пальца. Для того, чтобы проверить соответствует ли параметр представления признака кодирования непомеченному образцу отпечатка пальца, параметр представления признака кодирования может быть введен в уровень 24 декодирования, и ошибка реконструкции между введенной информацией уровня 24 декодирования и непомеченным образцом отпечатка пальца получается посредством вычисления модуля 25 вычисления ошибки реконструкции. Когда ошибка реконструкции еще не достигла минимального значения, параметр представления признака кодирования уровня 21 кодирования может быть отрегулирован согласно ошибке реконструкции, пока она не достигает минимального значения, указывающего случай, когда параметр представления признака кодирования может представлять непомеченный образец отпечатка пальца в уровне 21 кодирования.
[0058] Посредством использования манеры обучения, аналогичной уровню 21 кодирования, может быть проверено, соответствует ли параметр представления признака кодирования, соответственно соответствующий уровню 22 кодирования и уровню 23 кодирования, непомеченному образцу отпечатка пальца, посредством использования уровня декодирования, соответственно соответствующего уровню 22 кодирования и уровню 23 кодирования, пока уровень 22 кодирования и уровень 23 кодирования могут представлять непомеченный образец отпечатка пальца, что не обсуждается в настоящем раскрытии.
[0059] В этом варианте осуществления AED-сеть обучается для кодирования изображения отпечатка пальца, и изображение отпечатка пальца представляется параметром представления признака кодирования. Когда число непомеченных образцов отпечатка пальца достигает определенного числа, обученная AED-сеть способна распознать признак изображения отпечатка пальца в помощь распознаванию отпечатка пальца, тем самым избегая ошибки распознавания отпечатка пальца, вызванной сбоем при извлечении точки глобального признака и точки локального признака из низкокачественного изображения отпечатка пальца.
[0060] Фиг. 3A является блок-схемой последовательности операций, иллюстрирующей, как тонко настроить параметр AED-сети посредством использования помеченного образца отпечатка пальца, согласно примерному варианту осуществления, Фиг. 3B является блок-схемой последовательности операций, иллюстрирующей, как тонко настроить параметр классификатора, соединенного с AED-сетью посредством использования помеченного образца отпечатка пальца, согласно примерному варианту осуществления, и Фиг. 3C является диаграммой, иллюстрирующей AED-сеть и классификатор согласно другому примерному варианту осуществления.
[0061] Как показано на Фиг. 3A, способ распознавания отпечатка пальца включает в себя нижеследующие этапы.
[0062] На этапе S301 помеченный образец отпечатка пальца вводится в впервые обученную AED-сеть для получения результата первого вывода.
[0063] На этапе S302 результат первого вывода вводится в классификатор, и классификатор обучается посредством использования помеченного образца отпечатка пальца.
[0064] На этапе S303 обучение классификатора останавливается, когда ошибка реконструкции между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца достигает минимального значения.
[0065] Как показано на Фиг. 3C, после того, как AED-сеть обучена посредством варианта осуществления, который показан на Фиг. 2A, могут быть получены параметры представления признака кодирования многочисленных уровней кодирования (уровня 21 кодирования, уровня 22 кодирования и уровня 23 кодирования, которые показаны на Фиг. 3C) AED-сети 20. Из каждого уровня кодирования могут быть получены разные выражения непомеченного образца отпечатка пальца. Специалисты в данной области техники могут понимать, что настоящее раскрытие не ограничивается числом уровней в AED-сети.
[0066] Для того, чтобы реализовать классификацию AED-сети, классификатор 31 может быть дополнительно предусмотрен для уровня кодирования (например, уровня 23 кодирования) на верхнем уровне AED-сети. Классификатором 31 может быть, например, логистический регрессионный классификатор или SVM-классификатор. Классификатор 31 обучается посредством использования результата первого вывода помеченного образца отпечатка пальца посредством способа стандартного контролируемого обучения (например, метода градиентного спуска) стандартной многоуровневой нейронной сети. Обучение классификатора 31 останавливается, когда ошибка реконструкции, вычисленная и полученная модулем 32 вычисления ошибки реконструкции, между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца, достигает минимального значения, тем самым реализуя функцию классификации AED-сети 20.
[0067] Как показано на Фиг. 3B, способ распознавания отпечатка пальца включает в себя нижеследующие этапы.
[0068] На этапе S311 помеченный образец отпечатка пальца вводится в впервые обученную AED-сеть для получения результата первого вывода.
[0069] На этапе S312 результат первого вывода вводится в классификатор, классификатор обучается посредством использования помеченного образца отпечатка пальца, и осуществляется тонкая настройка параметра представления признака кодирования, соответствующего каждому уровню кодирования впервые обученной AED-сети.
[0070] На этапе S313 обучение классификатора и тонкая настройка параметра представления признака кодирования, соответствующего каждому уровню кодирования, останавливается, когда ошибка реконструкции между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца достигает минимального значения.
[0071] Аналогично описанию по Фиг. 3A, классификатор 31 обучается посредством использования результата первого вывода помеченного образца отпечатка пальца посредством способа стандартного контролируемого обучения (например, метода градиентного спуска) стандартной многоуровневой нейронной сети, и осуществляется тонкая настройка параметров представления признака кодирования, соответствующих уровню 21 кодирования, уровню 22 кодирования и уровню 23 кодирования. Обучение классификатора 31 останавливается, когда ошибка реконструкции, вычисленная и полученная модулем 32 вычисления ошибки реконструкции, между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца, достигает минимального значения. На основании реализации классификации AED-сети 20, может также быть реализована тонкая настройка AED-сети 20. Когда данных помеченного образца отпечатка пальца достаточно, для AED-сети может быть достигнуто сквозное обучение, тем самым повышая точность распознавания отпечатка пальца для AED-сети и классификатора.
[0072] Фиг. 4 является блок-схемой последовательности операций, иллюстрирующей способ распознавания отпечатка пальца, согласно примерному варианту осуществления. В этом варианте осуществления примерное описание вышеприведенного способа, предусмотренного вариантами осуществления настоящего раскрытия, сделано взяв в качестве примера, то как проводить распознавание отпечатка пальца посредством косинусного расстояния. Как показано на Фиг. 4, способ включает в себя нижеследующие этапы.
[0073] На этапе S401 извлечение признака выполняется на первом изображении отпечатка пальца, полученном датчиком отпечатка пальца, и втором изображении отпечатка пальца, хранящемся в базе данных, посредством использования AED-сети для получения первого признака отпечатка пальца, соответствующего первому изображению отпечатка пальца, и второго признака отпечатка пальца, соответствующего второму изображению отпечатка пальца, при этом первый признак отпечатка пальца и второй признак отпечатка пальца имеют равную размерность;
[0074] На этапе S402 уменьшение размерности выполняется в отношении первого признака отпечатка пальца и второго признака отпечатка пальца, чтобы соответственно получить третий признак отпечатка пальца и четвертый признак отпечатка пальца, при этом третий признак отпечатка пальца и четвертый признак отпечатка пальца имеют равную размерность, которая меньше, чем размерность первого признака отпечатка пальца и второго признака отпечатка пальца.
[0075] Соответствующее описание этапов S401 и S402 может ссылаться на описание варианта осуществления, который показан на Фиг. 1A, который здесь не обсуждается.
[0076] На этапе S403 косинусное расстояние между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца сравнивается с предварительно заданным порогом. Этап S404 исполняется, когда косинусное расстояние больше, чем предварительно заданный порог, и этап S405 исполняется, когда косинусное расстояние меньше, чем предварительно заданный порог или равно ему.
[0077] На этапе S404 определяется, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат одному и тому же отпечатку пальца, когда косинусное расстояние больше, чем предварительно заданный порог.
[0078] На этапе S405 определяется, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат разным отпечаткам пальца, когда косинусное расстояние меньше, чем предварительно заданный порог или равно ему.
[0079] На этапе S403 соответствующий предварительно заданный порог может быть получен посредством обучения огромного числа образцов отпечатка пальца базе данных образцов, и предварительно заданным порогом может быть частота ошибки распознавания, приемлемая для пользователя. Например, когда в базе данных образцов есть 100 тысяч пар образцов внутри класса и один миллион образцов между классами, для того, чтобы гарантировать частоту ошибки распознавания в пределах одной тысячной, значение между 0 и 1 может быть получено посредством вычисления косинусного расстояния каждой пары образцов. Здесь, число значений косинусного расстояния образцов внутри класса составляет 100 тысяч, и число значений косинусного расстояния образцов между классами составляет один миллион, а именно, получены 1,1 миллион значений косинусного расстояния. Соответствующий предварительно заданный порог может быть таким образом определен посредством использования 1,1 миллиона значений косинусного расстояния со ссылкой на частоту ошибки распознавания.
[0080] В дополнение к предпочтительным техническим эффектам нижеследующих вариантов осуществления в этом варианте осуществления отпечаток пальца распознается на основе косинусного расстояния между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца. Предварительно заданный порог может быть получен посредством обучения огромного числа образцов отпечатка пальца со ссылкой на частоту ошибки распознавания, приемлемую для пользователя. Вследствие этого, пользовательское восприятие в отношении продукта распознавания отпечатка пальца может быть повышено до некоторой степени.
[0081] Фиг. 5 является блок-схемой, иллюстрирующей аппарат распознавания отпечатка пальца, согласно примерному варианту осуществления. Как показано на Фиг. 5, аппарат распознавания отпечатка пальца включает в себя:
первый модуль 51 извлечения, выполненный с возможностью выполнения извлечения признака на первом изображении отпечатка пальца, полученном датчиком отпечатка пальца, и втором изображении отпечатка пальца, хранящемся в базе данных, посредством использования AED-сети для получения первого признака отпечатка пальца, соответствующего первому изображению отпечатка пальца, и второго признака отпечатка пальца, соответствующего второму изображению отпечатка пальца, при этом первый признак отпечатка пальца и второй признак отпечатка пальца имеют равную размерность;
модуль 52 уменьшения размерности, выполненный с возможностью выполнения обработки уменьшения размерности в отношении первого признака отпечатка пальца и второго признака отпечатка пальца, извлеченных первым модулем 51 извлечения, чтобы соответственно получить третий признак отпечатка пальца и четвертый признак отпечатка пальца, при этом третий признак отпечатка пальца и четвертый признак отпечатка пальца имеют равную размерность, которая меньше, чем размерность первого признака отпечатка пальца и второго признака отпечатка пальца; и
модуль 53 распознавания, выполненный с возможностью определения, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца, полученных посредством уменьшения размерности, выполненного модулем 52 уменьшения размерности.
[0082] Фиг. 6 является блок-схемой, иллюстрирующей другой аппарат распознавания отпечатка пальца, согласно примерному варианту осуществления. Как показано на Фиг. 6, на основании варианта осуществления, который показан на Фиг. 5, В варианте осуществления AED-сеть включает в себя по меньшей мере один уровень кодирования, и аппарат может дополнительно включать в себя:
первый модуль 54 обучения, выполненный с возможностью обучения параметра признака кодирования для каждого уровня кодирования по меньшей мере в одном уровне кодирования посредством использования непомеченного образца отпечатка пальца для получения параметра представления признака кодирования, соответствующего каждому уровню кодирования;
первый модуль 55 реконструкции, выполненный с возможностью выполнения реконструкции данных в отношении параметра представления признака кодирования, соответствующего каждому уровню кодирования, полученному посредством обучения первого модуля 54 обучения, для получения данных реконструкции отпечатка пальца непомеченного образца отпечатка пальца посредством использования уровня декодирования, соответствующего уровню кодирования;
первый модуль 56 определения, выполненный с возможностью определения ошибки реконструкции между данными реконструкции отпечатка пальца, определенными первым модулем 55 реконструкции, и непомеченным образцом отпечатка пальца;
модуль 57 регулирования, выполненный с возможностью регулирования параметра представления признака кодирования, соответствующего каждому уровню кодирования, согласно ошибке реконструкции, определенной первым модулем 56 определения; и
первый модуль 58 управления, выполненный с возможностью остановки, когда ошибка реконструкции, определенная первым модулем 56 определения, достигает минимального значения, обучения AED-сети для получения впервые обученной AED-сети.
[0083] В варианте осуществления последний уровень кодирования впервые обученной AED-сети может быть соединен с классификатором, и аппарат может дополнительно включать в себя:
первый модуль 59 обработки, выполненный с возможностью ввода помеченного образца отпечатка пальца в впервые обученную AED-сеть для получения результата первого вывода;
второй модуль 60 обучения, выполненный с возможностью ввода результата первого вывода, полученного первым модулем 59 обработки, в классификатор и обучения классификатора посредством использования помеченного образца отпечатка пальца; и
второй модуль 61 управления, выполненный с возможностью управления вторым модулем 60 обучения для остановки обучения классификатора, когда ошибка реконструкции между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца достигает минимального значения.
[0084] В варианте осуществления последний уровень кодирования впервые обученной AED-сети может быть соединен с классификатором, и аппарат может дополнительно включать в себя:
второй модуль 62 обработки, выполненный с возможностью ввода помеченного образца отпечатка пальца в впервые обученную AED-сеть для получения результата второго вывода;
третий модуль 63 обучения, выполненный с возможностью ввода результат второго вывода, полученного вторым модулем 62 обработки, в классификатор, обучения классификатора посредством использования помеченного образца отпечатка пальца и тонкой настройки параметра представления признака кодирования, соответствующего каждому уровню кодирования впервые обученной AED-сети; и
третий модуль 64 управления, выполненный с возможностью управления третьим модулем 63 обучения для остановки обучения классификатора и тонкой настройки параметра представления признака кодирования, соответствующего каждому уровню кодирования, когда ошибка реконструкции между результатом, выведенным классификатором, и помеченным образцом отпечатка пальца достигает минимального значения.
[0085] В варианте осуществления аппарат может дополнительно включать в себя:
второй модуль 65 извлечения, выполненный с возможностью извлечения параметра представления признака кодирования, имеющего первую установочную размерность непомеченного образца отпечатка пальца, посредством использования обученной AED-сети; и
четвертый модуль 66 обучения, выполненный с возможностью выполнения LDA-обучения в отношении параметра представления признака кодирования, имеющего первую установочную размерность, извлеченного вторым модулем 65 извлечения, для получения матрицы проекции, имеющей вторую установочную размерность LDA.
[0086] В варианте осуществления модуль 53 распознавания может включать в себя:
подмодуль 531 сравнения, выполненный с возможностью сравнения косинусного расстояния между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца с предварительно заданным порогом;
первый подмодуль 532 определения, выполненный с возможностью определения, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат одному и тому же отпечатку пальца, когда сравнительный результат, полученный подмодулем 531 сравнения, указывает, что косинусное расстояние больше, чем предварительно заданный порог; и
второй подмодуль 533 определения, выполненный с возможностью определения, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат разным отпечаткам пальца, когда сравнительный результат, полученный подмодулем 531 сравнения, указывает, что косинусное расстояние меньше, чем предварительно заданный порог или равно ему.
[0087] Относительно аппарата в вышеприведенных вариантах осуществления, конкретные способы исполнения операции его модулями были описаны подробно в вариантах осуществления, относящихся к способу, и таким образом здесь не разъясняются.
[0088] Фиг. 7 является блок-схемой, применимой к устройству распознавания отпечатка пальца, согласно примерному варианту осуществления. Например, аппаратом 700 может быть мобильный телефон, компьютер, терминал цифрового вещания, устройство приема/передачи сообщений, игровая консоль, планшетное устройство, медицинское устройство, тренажерное оборудование, персональный цифровой помощник и подобные.
[0089] Обращаясь к Фиг. 7, аппарат 700 может включать в себя один или более из нижеследующих компонентов: компонент 702 обработки, память 704, компонент 706 электропитания, мультимедийный компонент 708, аудиокомпонент 710, интерфейс 712 ввода/вывода (I/O), сенсорный компонент 714 и компонент 716 связи.
[0090] Компонент 702 обработки обычно управляет общим функционированием аппарата 700, например, операциями, ассоциированными с отображением, телефонными вызовами, передачей данных, функционированием камеры и операцией записи. Компонент 702 обработки может включать в себя один или более процессоров 720 для исполнения инструкции для завершения этапов вышеприведенного способа частично или полностью. В дополнение, компонент 702 обработки может включать в себя один или более модулей для удобства взаимодействия между компонентом 702 обработки и другими компонентами. Например, компонент 702 обработки может включать в себя мультимедийный модуль для удобства взаимодействия между мультимедийным компонентом 708 и компонентом 702 обработки.
[0091] Память 704 выполнена с возможностью хранения различных типов данных, для того, чтобы поддерживать функционирование аппарата 700. Примеры таких данных включают в себя инструкцию для любой прикладной программы или способа, функционирующего на аппарате 700, контактные данные, данные телефонной книги, сообщение, изображение, видео, и т.д. Память 704 может быть реализована посредством любого типа устройства энергозависимой или энергонезависимой памяти, или их комбинации, например, статичной оперативной памяти (SRAM), электрически стираемой программируемой постоянной памяти (EEPROM), электрически программируемой постоянной памяти (EPROM), программируемой постоянной памяти (PROM), постоянной памяти (ROM), магнитной памяти, flash-памяти, магнитного диска или оптического диска.
[0092] Компонент 706 электропитания предоставляет электропитание для различных компонентов аппарата 700. Компонент 706 электропитания может включать в себя систему управления электропитанием, один или более блоков электропитания, и другие компоненты, ассоциированные с генерированием, управлением и распределением электропитания аппарата 700.
[0093] Мультимедийный компонент 708 включает в себя экран между аппаратом 700 и пользователем для обеспечения интерфейса вывода. В некоторых вариантах осуществления, экран может включать в себя жидкокристаллический дисплей (LCD) и сенсорную панель (TP). Если экран включает в себя сенсорную панель, экран может быть реализован как сенсорный экран для приема входного сигнала от пользователя. Сенсорная панель включает в себя один или более датчиков касания для считывания касания, скольжения и жестов на сенсорной панели. Датчик касания может не только считывать границу касания или скольжения, но также обнаруживает длительность времени и давление, ассоциированные с операцией касания или скольжения. В некоторых вариантах осуществления, мультимедийный компонент 708 включает в себя переднюю камеру и/или заднюю камеру. Когда аппарат 700 находится в рабочем режиме, например, режиме съемки или режиме видео, передняя камера и/или задняя камера могут принимать внешние мультимедийные данные. Каждая передняя камера и задняя камера может быть системой с фиксированными оптическими линзами или иметь возможность изменения фокального расстояния и оптического масштабирования.
[0094] Аудиокомпонент 710 выполнен с возможностью вывода и/или ввода аудиосигнала. Например, аудиокомпонент 710 включает в себя микрофон (MIC); когда аппарат 700 находится в рабочем режиме, таком как режим вывода, режим записи и режим распознавания речи, микрофон выполнен с возможностью приема внешнего аудиосигнала. Принятый аудиосигнал может быть дополнительно сохранен в памяти 704 или отправлен посредством компонента 716 связи. В некоторых вариантах осуществления, аудиокомпонент 710 также включает в себя громкоговоритель для вывода аудиосигнала.
[0095] Интерфейс 712 I/O предусматривает интерфейс для компонента 702 обработки и периферийного интерфейсного модуля, и периферийным интерфейсным модулем может быть клавиатура, колесо мыши и кнопки, и т.д. Кнопки могут включать в себя, но не ограничены этим, кнопку "домой", кнопку громкости, кнопку запуска и кнопку блокировки.
[0096] Сенсорный компонент 714 включает в себя один или более датчиков для предоставления аппарату 700 оценки состояния по всем аспектам. Например, сенсорный компонент 714 может обнаружить состояние "включен/выключен" для аппарата 700, взаимное расположение компонентов, например, компонентами являются устройство отображения и клавиатуры аппарата 700; сенсорный компонент 714 также может обнаружить изменение расположения аппарат 700 или его компонента, присутствие или отсутствие касания пользователя на аппарате 700, направление или ускорение/замедление аппарата 700, и изменение температуры аппарата 700. Сенсорный компонент 714 может также включать в себя датчик приближения, который выполнен с возможностью обнаружения присутствия ближайшего объекта в случае отсутствия физического контакта. Сенсорный компонент 714 может также включать в себя оптический датчик, например, CMOS или CCD-датчик изображения, используемый в приложении визуализации. В некоторых вариантах осуществления, сенсорный компонент 714 может также включать в себя датчик ускорения, гироскопический датчик, магнитный датчик, датчик давления, или датчик температуры.
[0097] Компонент 716 связи выполнен с возможностью способствования проводной или беспроводной связи между аппаратом 700 и другими устройствами. Аппарат 700 доступно для осуществления доступа к беспроводной сети на основе стандартов связи, например, Wi-Fi, 2G или 3G, или их комбинации. В примерном варианте осуществления, компонент 716 связи принимает, посредством широковещательного канала, широковещательный сигнал или информацию, относящуюся в широковещательной передаче, от системы управления широковещательной передачей. В одном примерном варианте осуществления, компонент 716 связи также включает в себя модуль связи в ближнем поле (NFC) для обеспечения связи ближнего действия. Например, NFC-модуль может быть реализован на основе технологии радиочастотной идентификации (RFID), технологии Ассоциации по инфракрасной передаче данных (IrDA), сверхширокополосной (UWB) технологии, технологии Bluetooth (ВТ) и других технологий.
[0098] В примерных вариантах осуществления аппарат 700 может быть реализован посредством одной или более специализированных интегральных схем (ASIC), процессоров цифровой обработки сигналов (DSP), устройств цифровой обработки сигналов (DSPD), программируемых логических устройств (PLD), программируемых пользователем вентильных матриц (FPGA), контроллеров, микроконтроллеров, микропроцессоров или других электронных компонентов, для выполнения вышеприведенных способов.
[0099] В примерном варианте осуществления также предусмотрен энергонезависимый компьютерночитаемый носитель информации, включающий в себя инструкцию, например, память 704, включающая в себя инструкцию, и инструкция может быть исполнена процессором 720 аппарата 700 для достижения вышеприведенного способа. Например, некратковременным компьютерночитаемым носителем информации может быть ROM, оперативная память (RAM), CD-ROM, магнитная пленка, флоппи-диск, оптический накопитель данных, и т.д.
[00100] Другие варианты осуществления настоящего раскрытия будут понятны специалистам в данной области техники в результате рассмотрения данного описания и практического применения данного изобретения, раскрытого здесь. Эта заявка предназначена для охвата любых вариаций, использований, или адаптаций настоящего раскрытия, следуя основным его принципам, и включая такие отступления от настоящего раскрытия, которые идут в рамках известной или обычной практики в данной области техники. Предполагается, что описание и варианты осуществления рассматриваются только как примерные в пределах подлинного объема и сущности настоящего раскрытия, указанных нижеследующей формулой изобретения.
[00101] Будет понятно, что настоящее раскрытие не ограничено точной конструкцией, которая была описана выше и проиллюстрирована на прилагаемых чертежах, и что различные модификации и изменения могут быть сделаны без отступления от их объема. Предполагается что объем настоящего раскрытия ограничен только формулой изобретения.

Claims (50)

1. Способ распознавания отпечатка пальца, содержащий этапы, на которых:
выполняют извлечение признака в отношении первого изображения отпечатка пальца, полученного датчиком отпечатка пальца, и второго изображения отпечатка пальца, хранящегося в базе данных, с помощью сети автоматического кодирования/декодирования для получения первого признака отпечатка пальца, соответствующего первому изображению отпечатка пальца, и второго признака отпечатка пальца, соответствующего второму изображению отпечатка пальца, при этом первый признак отпечатка пальца и второй признак отпечатка пальца имеют равную размерность;
выполняют уменьшение размерности в отношении первого признака отпечатка пальца и второго признака отпечатка пальца, чтобы соответственно получить третий признак отпечатка пальца и четвертый признак отпечатка пальца, при этом третий признак отпечатка пальца и четвертый признак отпечатка пальца имеют равную размерность, меньшую, чем размерность первого признака отпечатка пальца и второго признака отпечатка пальца; и
определяют, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца;
причем сеть автоматического кодирования/декодирования содержит по меньшей мере один уровень кодирования, и способ дополнительно содержит этапы, на которых:
обучают параметр признака кодирования для каждого уровня кодирования по меньшей мере в одном уровне кодирования с помощью непомеченного образца отпечатка пальца для получения параметра представления признака кодирования, соответствующего каждому уровню кодирования;
выполняют реконструкцию данных в отношении параметра представления признака кодирования, соответствующего каждому уровню кодирования, для получения данных реконструкции отпечатка пальца непомеченного образца отпечатка пальца с помощью уровня декодирования, соответствующего уровню кодирования;
определяют ошибку реконструкции между данными реконструкции отпечатка пальца и непомеченным образцом отпечатка пальца;
регулируют параметр представления признака кодирования, соответствующий уровню кодирования, согласно ошибке реконструкции; и
останавливают обучение сети автоматического кодирования/декодирования, когда ошибка реконструкции достигает минимального значения, для получения обученной сети автоматического кодирования/декодирования.
2. Способ по п. 1, в котором последний уровень кодирования обученной сети автоматического кодирования/декодирования соединен с классификатором, и способ дополнительно содержит этапы, на которых:
вводят помеченный образец отпечатка пальца в обученную сеть автоматического кодирования/декодирования для получения результата первого вывода;
вводят результат первого вывода в классификатор и обучают классификатор с помощью помеченного образца отпечатка пальца; и
останавливают обучение классификатора, когда ошибка реконструкции между результатом вывода классификатора и помеченным образцом отпечатка пальца достигает минимального значения.
3. Способ по п. 1, в котором последний уровень кодирования обученной сети автоматического кодирования/декодирования соединен с классификатором, и способ дополнительно содержит этапы, на которых:
вводят помеченный образец отпечатка пальца в обученную сеть автоматического кодирования/декодирования для получения результата второго вывода;
вводят результат второго вывода в классификатор, обучают классификатор с помощью помеченного образца отпечатка пальца и осуществляют тонкую настройку параметра представления признака кодирования, соответствующего уровню кодирования обученной сети автоматического кодирования/декодирования; и
останавливают обучение классификатора и осуществление тонкой настройки параметра представления признака кодирования, соответствующего уровню кодирования, когда ошибка реконструкции между результатом вывода классификатора и помеченным образцом отпечатка пальца достигает минимального значения.
4. Способ по п. 1, дополнительно содержащий этапы, на которых:
извлекают параметр представления признака кодирования, имеющий первую установочную размерность непомеченного образца отпечатка пальца, с помощью обученной сети автоматического кодирования/декодирования; и
выполняют обучение с линейным дискриминантным анализом LDA в отношении параметра представления признака кодирования, имеющего первую установочную размерность для получения матрицы проекции, имеющей вторую установочную размерность LDA.
5. Способ по п. 1, в котором этап, на котором определяют, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца, содержит этапы, на которых:
сравнивают косинусное расстояние между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца с предварительно заданным порогом;
определяют, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат одному и тому же отпечатку пальца, когда косинусное расстояние больше, чем предварительно заданный порог; и
определяют, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат разным отпечаткам пальца, когда косинусное расстояние меньше, чем предварительно заданный порог, или равно ему.
6. Аппарат распознавания отпечатка пальца, содержащий:
первый модуль извлечения, выполненный с возможностью выполнения извлечения признака в отношении первого изображения отпечатка пальца, полученного датчиком отпечатка пальца, и второго изображения отпечатка пальца, хранящегося в базе данных, с помощью сети автоматического кодирования/декодирования для получения первого признака отпечатка пальца, соответствующего первому изображению отпечатка пальца, и второго признака отпечатка пальца, соответствующего второму изображению отпечатка пальца, при этом первый признак отпечатка пальца и второй признак отпечатка пальца имеют равную размерность;
модуль уменьшения размерности, выполненный с возможностью выполнения уменьшения размерности в отношении первого признака отпечатка пальца и второго признака отпечатка пальца, извлеченных первым модулем извлечения, чтобы соответственно получить третий признак отпечатка пальца и четвертый признак отпечатка пальца, при этом третий признак отпечатка пальца и четвертый признак отпечатка пальца имеют равную размерность, меньшую, чем размерность первого признака отпечатка пальца и второго признака отпечатка пальца; и
модуль распознавания, выполненный с возможностью определения, принадлежат ли первое изображение отпечатка пальца и второе изображение отпечатка пальца одному и тому же отпечатку пальца, согласно косинусному расстоянию между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца, полученными посредством уменьшения размерности модуля уменьшения размерности;
причем сеть автоматического кодирования/декодирования содержит по меньшей мере один уровень кодирования, и аппарат дополнительно содержит:
первый модуль обучения, выполненный с возможностью обучения параметра признака кодирования для каждого уровня кодирования по меньшей мере в одном уровне кодирования с помощью непомеченного образца отпечатка пальца для получения параметра представления признака кодирования, соответствующего каждому уровню кодирования;
первый модуль реконструкции, выполненный с возможностью выполнения реконструкции данных в отношении параметра представления признака кодирования, соответствующего каждому уровню кодирования, полученному посредством обучения первого модуля обучения, с помощью уровня декодирования, соответствующего уровню кодирования, для получения данных реконструкции отпечатка пальца непомеченного образца отпечатка пальца;
первый модуль определения, выполненный с возможностью определения ошибки реконструкции между данными реконструкции отпечатка пальца, определенными первым модулем реконструкции, и непомеченным образцом отпечатка пальца;
модуль регулирования, выполненный с возможностью регулирования параметра представления признака кодирования, соответствующего уровню кодирования, согласно ошибке реконструкции, определенной первым модулем определения; и
первый модуль управления, выполненный с возможностью остановки, когда ошибка реконструкции, определенная первым модулем определения, достигает минимального значения, обучения сети автоматического кодирования/декодирования для получения обученной сети автоматического кодирования/декодирования.
7. Аппарат по п. 6, в котором последний уровень кодирования обученной сети автоматического кодирования/декодирования соединен с классификатором, и аппарат дополнительно содержит:
первый модуль обработки, выполненный с возможностью ввода помеченного образца отпечатка пальца в обученную сеть автоматического кодирования/декодирования для получения результата первого вывода;
второй модуль обучения, выполненный с возможностью ввода результата первого вывода, полученного первым модулем обработки, в классификатор и обучения классификатора с помощью помеченного образца отпечатка пальца; и
второй модуль управления, выполненный с возможностью управления вторым модулем обучения для остановки обучения классификатора, когда ошибка реконструкции между результатом вывода классификатора и помеченным образцом отпечатка пальца достигает минимального значения.
8. Аппарат по п. 6, в котором последний уровень кодирования обученной сети автоматического кодирования/декодирования соединен с классификатором, и аппарат дополнительно содержит:
второй модуль обработки, выполненный с возможностью ввода помеченного образца отпечатка пальца в обученную сеть автоматического кодирования/декодирования для получения результата второго вывода;
третий модуль обучения, выполненный с возможностью ввода результат второго вывода, полученного вторым модулем обработки, в классификатор, обучения классификатора с помощью помеченного образца отпечатка пальца и тонкой настройки параметра представления признака кодирования, соответствующего уровню кодирования обученной сети автоматического кодирования/декодирования; и
третий модуль управления, выполненный с возможностью управления третьим модулем обучения для остановки обучения классификатора и тонкой настройки параметра представления признака кодирования, соответствующего уровню кодирования, когда ошибка реконструкции между результатом вывода классификатора и помеченным образцом отпечатка пальца достигает минимального значения.
9. Аппарат по п. 6, дополнительно содержащий:
второй модуль извлечения, выполненный с возможностью извлечения параметра представления признака кодирования, имеющего первую установочную размерность непомеченного образца отпечатка пальца с помощью обученной сети автоматического кодирования/декодирования; и
четвертый модуль обучения, выполненный с возможностью выполнения обучения с линейным дискриминантным анализом LDA в отношении параметра представления признака кодирования, имеющего первую установочную размерность, извлеченного вторым модулем извлечения, для получения матрицы проекции, имеющей вторую установочную размерность LDA.
10. Аппарат по п. 6, в котором модуль распознавания содержит:
подмодуль сравнения, выполненный с возможностью сравнения косинусного расстояния между третьим признаком отпечатка пальца и четвертым признаком отпечатка пальца с предварительно заданным порогом;
первый подмодуль определения, выполненный с возможностью определения, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат одному и тому же отпечатку пальца, когда сравнительный результат, полученный подмодулем сравнения, указывает, что косинусное расстояние больше, чем предварительно заданный порог; и
второй подмодуль определения, выполненный с возможностью определения, что первое изображение отпечатка пальца и второе изображение отпечатка пальца принадлежат разным отпечаткам пальца, когда сравнительный результат, полученный подмодулем сравнения, указывает, что косинусное расстояние меньше, чем предварительно заданный порог, или равно ему.
RU2016129191A 2015-10-28 2015-12-29 Аппарат и способ распознавания отпечатка пальца RU2642369C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201510712896.0A CN105335713A (zh) 2015-10-28 2015-10-28 指纹识别方法及装置
CN201510712896.0 2015-10-28
PCT/CN2015/099511 WO2017071083A1 (zh) 2015-10-28 2015-12-29 指纹识别方法及装置

Publications (1)

Publication Number Publication Date
RU2642369C2 true RU2642369C2 (ru) 2018-01-24

Family

ID=55286229

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2016129191A RU2642369C2 (ru) 2015-10-28 2015-12-29 Аппарат и способ распознавания отпечатка пальца

Country Status (8)

Country Link
US (1) US9904840B2 (ru)
EP (1) EP3163508A1 (ru)
JP (1) JP2018500707A (ru)
KR (1) KR101992522B1 (ru)
CN (1) CN105335713A (ru)
MX (1) MX361142B (ru)
RU (1) RU2642369C2 (ru)
WO (1) WO2017071083A1 (ru)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10713466B2 (en) 2014-03-07 2020-07-14 Egis Technology Inc. Fingerprint recognition method and electronic device using the same
CN105825098B (zh) 2016-03-16 2018-03-27 广东欧珀移动通信有限公司 一种电子终端的屏幕解锁方法、图像采集方法及装置
US10452951B2 (en) * 2016-08-26 2019-10-22 Goodrich Corporation Active visual attention models for computer vision tasks
CN107885312A (zh) * 2016-09-29 2018-04-06 青岛海尔智能技术研发有限公司 一种手势控制方法及装置
IT201600105253A1 (it) * 2016-10-19 2018-04-19 Torino Politecnico Dispositivo e metodi per l'autenticazione di unn apparato d'utente
CN106599807A (zh) * 2016-12-01 2017-04-26 中科唯实科技(北京)有限公司 一种基于自编码的行人检索方法
GB2563599A (en) * 2017-06-19 2018-12-26 Zwipe As Incremental enrolment algorithm
JP6978665B2 (ja) * 2017-07-25 2021-12-08 富士通株式会社 生体画像処理装置、生体画像処理方法及び生体画像処理プログラム
CN107478869A (zh) * 2017-08-08 2017-12-15 惠州Tcl移动通信有限公司 一种移动终端指纹模组的测试夹具和测试方法
TWI676911B (zh) * 2017-10-12 2019-11-11 神盾股份有限公司 指紋識別方法以及使用指紋識別方法的電子裝置
CN108563767B (zh) * 2018-04-19 2020-11-27 深圳市商汤科技有限公司 图像检索方法及装置
US11843699B1 (en) 2022-06-09 2023-12-12 The Government of the United States of America, as represented by the Secretary of Homeland Security Biometric identification using homomorphic primary matching with failover non-encrypted exception handling
US11902416B2 (en) 2022-06-09 2024-02-13 The Government of the United States of America, as represented by the Secretary of Homeland Security Third party biometric homomorphic encryption matching for privacy protection
CN116311389B (zh) * 2022-08-18 2023-12-12 荣耀终端有限公司 指纹识别的方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030088531A1 (en) * 2000-12-07 2003-05-08 Tatsunari Nishi Method and system for high precision classification of large quantity of information described with mutivariable
US20030169910A1 (en) * 2001-12-14 2003-09-11 Reisman James G. Fingerprint matching using ridge feature maps
US20070160262A1 (en) * 2006-01-11 2007-07-12 Samsung Electronics Co., Ltd. Score fusion method and apparatus
CN102750528A (zh) * 2012-06-27 2012-10-24 西安理工大学 一种基于手掌特征提取身份识别方法
US20130051607A1 (en) * 2011-08-29 2013-02-28 Dst Technologies, Inc. Candidate Identification by Image Fingerprinting and Model Matching
RU2486590C1 (ru) * 2012-04-06 2013-06-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Юго-Западный государственный университет" (ЮЗ ГУ) Способ и устройство инвариантной идентификации отпечатков пальцев по ключевым точкам

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6069914A (en) * 1996-09-19 2000-05-30 Nec Research Institute, Inc. Watermarking of image data using MPEG/JPEG coefficients
TW312770B (en) * 1996-10-15 1997-08-11 Japen Ibm Kk The hiding and taking out method of data
JP2815045B2 (ja) * 1996-12-16 1998-10-27 日本電気株式会社 画像特徴抽出装置,画像特徴解析装置,および画像照合システム
US6373970B1 (en) * 1998-12-29 2002-04-16 General Electric Company Image registration using fourier phase matching
US7058815B2 (en) * 2001-01-22 2006-06-06 Cisco Technology, Inc. Method and system for digitally signing MPEG streams
US7092584B2 (en) * 2002-01-04 2006-08-15 Time Warner Entertainment Company Lp Registration of separations
US7254275B2 (en) * 2002-12-17 2007-08-07 Symbol Technologies, Inc. Method and system for image compression using image symmetry
US7787667B2 (en) * 2003-10-01 2010-08-31 Authentec, Inc. Spot-based finger biometric processing method and associated sensor
US20060104484A1 (en) * 2004-11-16 2006-05-18 Bolle Rudolf M Fingerprint biometric machine representations based on triangles
JP2006330873A (ja) * 2005-05-24 2006-12-07 Japan Science & Technology Agency 指紋照合装置、方法およびプログラム
KR100797897B1 (ko) * 2006-11-27 2008-01-24 연세대학교 산학협력단 생체정보 최적화 변환 함수를 이용한 인증시스템
JP5207870B2 (ja) * 2008-08-05 2013-06-12 日立コンピュータ機器株式会社 次元削減方法、パターン認識用辞書生成装置、及びパターン認識装置
US8520979B2 (en) * 2008-08-19 2013-08-27 Digimarc Corporation Methods and systems for content processing
US8934545B2 (en) * 2009-02-13 2015-01-13 Yahoo! Inc. Extraction of video fingerprints and identification of multimedia using video fingerprinting
US8863096B1 (en) * 2011-01-06 2014-10-14 École Polytechnique Fédérale De Lausanne (Epfl) Parallel symbolic execution on cluster of commodity hardware
CN102646190B (zh) * 2012-03-19 2018-05-08 深圳市腾讯计算机***有限公司 一种基于生物特征的认证方法、装置及***
US9401153B2 (en) * 2012-10-15 2016-07-26 Digimarc Corporation Multi-mode audio recognition and auxiliary data encoding and decoding
US9305559B2 (en) * 2012-10-15 2016-04-05 Digimarc Corporation Audio watermark encoding with reversing polarity and pairwise embedding
CN103839041B (zh) * 2012-11-27 2017-07-18 腾讯科技(深圳)有限公司 客户端特征的识别方法和装置
US9232242B2 (en) * 2012-12-11 2016-01-05 Cbs Interactive, Inc. Techniques to broadcast a network television program
CN103324944B (zh) * 2013-06-26 2016-11-16 电子科技大学 一种基于svm和稀疏表示的假指纹检测方法
KR20150039908A (ko) * 2013-10-04 2015-04-14 노두섭 영상 인식 장치 및 방법
KR101791518B1 (ko) * 2014-01-23 2017-10-30 삼성전자주식회사 사용자 인증 방법 및 장치
CA2882968C (en) * 2015-02-23 2023-04-25 Sulfur Heron Cognitive Systems Inc. Facilitating generation of autonomous control information
KR102396514B1 (ko) * 2015-04-29 2022-05-11 삼성전자주식회사 지문 정보 처리 방법 및 이를 지원하는 전자 장치
CN104899579A (zh) * 2015-06-29 2015-09-09 小米科技有限责任公司 人脸识别方法和装置
US10339178B2 (en) * 2015-06-30 2019-07-02 Samsung Electronics Co., Ltd. Fingerprint recognition method and apparatus
FR3041423B1 (fr) * 2015-09-22 2019-10-04 Idemia Identity And Security Procede d'extraction de caracteristiques morphologiques d'un echantillon de materiel biologique
KR20170055811A (ko) * 2015-11-12 2017-05-22 삼성전자주식회사 디스플레이를 구비한 전자 장치 및 전자 장치에서 디스플레이의 동작을 제어하기 위한 방법
CN105354560A (zh) * 2015-11-25 2016-02-24 小米科技有限责任公司 指纹识别方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030088531A1 (en) * 2000-12-07 2003-05-08 Tatsunari Nishi Method and system for high precision classification of large quantity of information described with mutivariable
US20030169910A1 (en) * 2001-12-14 2003-09-11 Reisman James G. Fingerprint matching using ridge feature maps
US20070160262A1 (en) * 2006-01-11 2007-07-12 Samsung Electronics Co., Ltd. Score fusion method and apparatus
US20130051607A1 (en) * 2011-08-29 2013-02-28 Dst Technologies, Inc. Candidate Identification by Image Fingerprinting and Model Matching
RU2486590C1 (ru) * 2012-04-06 2013-06-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Юго-Западный государственный университет" (ЮЗ ГУ) Способ и устройство инвариантной идентификации отпечатков пальцев по ключевым точкам
CN102750528A (zh) * 2012-06-27 2012-10-24 西安理工大学 一种基于手掌特征提取身份识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
статья Ruxin Wang et al. "Fingerprint classification based on depth neural network", опубл. в Интернете: https://arxiv.org/pdf/1409.5188v1.pdf по данным сайта http://www.arxiv-sanity.com/1409.5188v1 18.09.2014. *

Also Published As

Publication number Publication date
CN105335713A (zh) 2016-02-17
MX361142B (es) 2018-11-27
KR101992522B1 (ko) 2019-06-24
MX2016005225A (es) 2017-08-31
KR20180063774A (ko) 2018-06-12
EP3163508A1 (en) 2017-05-03
WO2017071083A1 (zh) 2017-05-04
US20170124379A1 (en) 2017-05-04
JP2018500707A (ja) 2018-01-11
US9904840B2 (en) 2018-02-27

Similar Documents

Publication Publication Date Title
RU2642369C2 (ru) Аппарат и способ распознавания отпечатка пальца
US10282597B2 (en) Image classification method and device
US11455491B2 (en) Method and device for training image recognition model, and storage medium
RU2649294C2 (ru) Способ и устройство для построения шаблона и способ и устройство для идентификации информации
RU2659746C2 (ru) Способ и устройство обработки изображений
US10643054B2 (en) Method and device for identity verification
WO2020211387A1 (zh) 电子合同显示方法、装置、电子设备及计算机存储介质
US10824891B2 (en) Recognizing biological feature
CN107871001B (zh) 音频播放方法、装置、存储介质及电子设备
RU2651250C1 (ru) Способ и устройство для распознавания отпечатков пальцев
EP3767488A1 (en) Method and device for processing untagged data, and storage medium
RU2656978C2 (ru) Способ и устройство для рекомендации облачной карты
CN108345581A (zh) 一种信息识别方法、装置和终端设备
CN110717399A (zh) 人脸识别方法和电子终端设备
CN105354560A (zh) 指纹识别方法及装置
EP2919136A1 (en) Method and device for clustering
CN107133361B (zh) 手势识别方法、装置和终端设备
CN111797746B (zh) 人脸识别方法、装置及计算机可读存储介质
CN113342170A (zh) 手势控制方法、装置、终端和存储介质
US11373038B2 (en) Method and terminal for performing word segmentation on text information, and storage medium
CN109460458B (zh) 查询改写意图的预测方法及装置
US10198614B2 (en) Method and device for fingerprint recognition
CN104699668B (zh) 确定词语相似度的方法及装置
CN108345590B (zh) 一种翻译方法、装置、电子设备以及存储介质
CN112837813A (zh) 自动问诊方法及装置