指纹识别方法和设备与流程

技术领域

至少一个示例性实施例涉及一种指纹识别方法和设备。

背景技术：

最近，随着各种移动装置(诸如，智能电话和可穿戴装置)的发展，安全认证的重要性正在增加。在生物测量学认证技术中，可基于例如指纹、虹膜、语音、脸部和血管来认证用户。因为生物测量学属性对于伪造或篡改可以是稳健的，不造成携带不便，而且在一生中很少变化，所以生物测量学认证技术可使用每个用户的独特的生物测量学特性。

例如，指纹识别技术由于各种优点(诸如，便利性、安全性和经济可行性)而被广泛地商业化。指纹识别技术可提高用户设备的安全性，并且容易地为用户提供各种应用服务，诸如，移动支付。

响应于便携式装置的小型化，在相应的装置中包含的指纹感测区域可相应地减少。因此，存在使用被配置为检测指纹的一部分的指纹传感器执行指纹登记和指纹识别的技术的要求。

技术实现要素：

一些示例实施例涉及一种指纹识别方法。

一种指纹识别方法可包括：通过对与将要登记的指纹对应的指纹图像进行修改来生成登记修改图像；从所述指纹图像提取登记属性信息；生成将登记修改图像映射到登记属性信息的映射信息；存储登记修改图像和登记属性信息。

所述修改的步骤可包括在空间域和频率中的至少一个中对所述指纹图像进行修改。

所述提取的步骤可包括基于频域变换方案从所述指纹图像提取登记相位信息。

所述方法还可包括：接收输入指纹图像；从包括在输入指纹图像中的查询指纹提取第一属性信息；通过对输入指纹图像进行修改来生成输入修改图像；基于提取的第一属性信息和登记属性信息，来将输入修改图像与登记修改图像进行匹配；基于匹配的结果识别查询指纹。

所述识别的步骤可包括：确定指示在输入修改图像与登记修改图像的重叠区域中，输入修改图像与登记修改图像匹配的程度的分数。

所述确定的步骤可包括：基于输入修改图像与登记修改图像之间相似度、与输入指纹图像关联的信息以及与登记修改图像相关的输入修改图像的直方图信息中的至少一个来计算所述分数。

所述确定的步骤可包括：将重叠区域划分为多个子区域，并针对每个子区域来计算与登记修改图像相关的输入修改图像的直方图信息；基于直方图信息来计算所述分数。

所述匹配的步骤可包括：基于第一属性信息和登记属性信息，来确定输入修改图像和登记修改图像的平移信息、旋转信息和缩放信息中的至少一个。

所述提取的步骤可包括基于频域变换方案从查询指纹提取相位信息，所述匹配的步骤可包括基于所述相位信息和与登记指纹关联的登记相位信息之间的相位相关(POC)，来将输入修改图像与登记修改图像进行匹配。

根据至少一些示例实施例，一种非暂时性计算机可读介质可包括在被处理器执行时根据所述方法来执行功能的程序代码。

根据至少一些示例性实施例，一种指纹识别设备包括：传感器，被配置为接收与将要登记的指纹对应的指纹图像；处理器，被配置为通过对所述指纹图像进行修改来生成登记修改图像，并且从所述指纹图像提取登记属性信息；以及存储器，被配置为存储登记修改图像和登记属性信息，使得登记修改图像和登记属性信息被映射。

处理器可被配置为通过在空间域和频域中的至少一个中执行修改来生成登记修改图像。

处理器可被配置为基于频域变换方案从所述指纹图像提取登记相位信息。

传感器可被配置为接收输入指纹图像，处理器可被配置为：从出现在输入指纹图像中的查询指纹提取第一属性信息，通过对输入指纹图像进行修改来生成输入修改图像，基于提取的第一属性信息和登记属性信息来将输入修改图像和登记修改图像进行匹配，并且基于匹配的结果识别查询指纹。

处理器可被配置为确定指示在输入修改图像与登记修改图像的重叠区域中，输入修改图像与登记修改图像匹配的程度的分数。

处理器可被配置为确定输入修改图像与登记修改图像之间的重叠区域中的相似度。

处理器可被配置为基于输入修改图像与登记修改图像之间相似度、与输入指纹图像关联的信息以及与登记修改图像相关的输入修改图像的直方图信息中的至少一个来确定所述分数。

处理器可被配置为：将重叠区域划分为多个子区域，针对每个子区域来确定与登记修改图像相关的输入修改图像的直方图信息，并且基于直方图信息确定所述分数。

处理器可被配置为：基于第一属性信息和登记属性信息，来确定输入修改图像和登记修改图像的平移信息、旋转信息和缩放信息中的至少一个。

处理器可被配置为：基于频域变换方案从查询指纹提取相位信息，并且基于所述相位信息和与登记指纹关联的登记相位信息之间的相位相关(POC)，来将输入修改图像与登记修改图像进行匹配。

示例实施例的另外的方面将会部分地在以下描述中阐述，并且部分从描述将是清楚的，或可通过本公开的实践而获知。

附图说明

本发明构思的示例实施例的以上以及其他特征和优点将通过参照附图详细描述本发明构思的示例实施例而变得更加清楚。附图意在描述本发明构思的示例实施例，而不应被解释为限制权利要求的意图范围。除非明确说明，否则附图将不被视为按比例绘制。

图1和图2示出根据至少一个示例实施例的指纹图像的示例；

图3示出根据至少一个示例实施例的基于指纹识别技术存储的数据的示例；

图4A至图5示出根据至少一个示例实施例的指纹识别方法的示例；

图6示出根据至少一个示例实施例的输入修改图像和从输入指纹图像提取的属性信息的示例；

图7示出根据至少一个示例实施例的图像匹配过程的示例；

图8示出根据至少一个示例实施例的将输入修改图像与登记修改图像进行匹配的示例；

图9示出根据至少一个示例实施例的计算用于指纹识别的分数的示例；

图10和图11示出根据至少一个示例实施例的通过将输入修改图像与登记修改图像进行匹配而获得的结果的示例；

图12示出根据至少一个示例实施例的通过划分重叠区域来计算分数的示例；

图13示出根据至少一个示例实施例的指纹识别设备的示例。

具体实施方式

在这里公开了本发明构思的详细的示例实施例。然而，为了描述本发明构思的示例实施例的目的，这里公开的特定结构和功能的细节仅是代表性的。然而，可以以许多替换形式来实现本发明构思的示例实施例，并且示例实施例不应被解释为仅限于这里阐述的实施例。

因此，虽然本发明构思的示例实施例能够具有各种修改和替换形式，但是本发明构思的实施例通过示例的方式在附图中被示出，并在这里将被详细描述。然而，应该理解，不意在将本发明构思的示例实施例限制为所公开的具体形式，而是于此相反，本发明构思的示例实施例将覆盖落入本发明构思的示例实施例的范围内的所有修改、等同物和替代物。贯穿附图的描述，相同的标号表示相同的元件。

将理解，尽管术语第一、第二等可在这里用于描述各种元件，但是这些元件不应被这些术语限制。这些术语仅用于将一个元件与另一元件区分。例如，在不脱离本发明构思的示例实施例的范围的情况下，第一元件可被称为第二元件，类似地，第二元件可被称为第一元件。如在这里使用的，术语“和/或”包括一个或多个相关所列项的任意和所有组合。

将理解，当元件被称为“连接”或者“结合”到另一元件时，该元件可被直接地连接到或者结合到该另一元件，或者可存在中间元件。相反，当元件被称为“直接地连接”或者“直接地结合”到另一元件时，不存在中间元件。用于描述元件之间的关系的其他词语应以类似方式被解释(例如，“在……之间”与“直接在……之间”、“相邻”与“直接相邻”等)。

这里使用的术语仅为描述具体实施例的目的，而不意在限制本发明构思的示例实施例。除非上下文明确地另有指示，否则如在这里使用的单数形式也意图包括复数形式。还将理解，当在这里使用术语“包括”和/或“包含”时，说明存在叙述的特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或它们的组。

还应注意，在一些可替代实施方式中，所提出的功能/动作可不按附图中所指出的顺序发生。例如，根据涉及的功能/动作，连续示出的两个附图实际上可被基本同时地执行，或有时可以以相反的顺序被执行。

在这里参照本发明构思的理想实施例(和中间结构)的示意图示来描述本发明构思的示例实施例。因此，由例如制造技术和/或公差导致的图示的形状的变化将被预期。因此，本发明构思的示例实施例不应被解释为受限于这里示出的区域的具体形状，而将包括由例如制造导致的形状的偏差。

虽然可能未示出一些剖视图的相应平面图和/或立体图，但是这里示出的装置结构的剖视图对沿着平面图中将会示出的两个不同方向和/或沿着立体图中将会示出的三个不同方向扩展的多个装置结构提供支持。所述两个不同的方向可以互相正交，或者可以不互相正交。所述三个不同的方向可包括可与所述两个不同方向正交的第三方向。所述多个装置结构可被整合在同一电子装置中。例如，当在剖视图中示出装置结构(例如，存储器单元结构或晶体管结构)时，电子装置可包括将由电子装置的平面图示出的多个装置结构(例如，存储器单元结构或晶体管结构)。所述多个装置结构可被布置在阵列中和/或二维图案中。

可将一个或多个示例实施例应用于识别用户的指纹。以下，识别指纹的操作可包括通过识别指纹来验证或识别用户的操作。认证用户的操作可包括确定用户是否为预先登记的用户的操作。在该示例中，认证的操作的结果可被输出为正确或错误。识别的操作可包括在多个预先登记的用户中确定与用户对应的预先登记的用户的操作。在该示例中，识别的操作的结果可被输出为预先登记的用户的身份标识(IDs)中的一个。当缺少与该用户对应的预先登记的用户时，可输出指示用户无法被识别的信号。

一个或多个示例实施例可被实现为各种形式，例如，个人计算机(PC)、膝上型计算机、平板计算机，电视机(TV)、智能家庭应用、智能车辆、信息服务亭(kiosk)和可穿戴装置。例如，一个或多个示例实施例可应用于在智能电话、移动装置和智能家庭系统中认证用户。一个或多个示例实施例可应用于基于用户认证的支付服务。此外，一个或多个示例实施例可应用于通过用户认证自动启动点火装置的智能汽车系统。以下，将参照附图对一个或多个示例实施例进行详细描述，其中相同的参考标号始终表示相同的元件。

图1和图2示出根据至少一个示例实施例的指纹图像的示例。

参照图1，指纹传感器(未示出)可感测用户的指纹100。指纹传感器可通过感测区域来感测指纹100。在该示例中，指纹传感器的感测区域可小于指纹100的大小。指纹传感器的感测区域可具有小于指纹100的大小的矩形形状。在该示例中，指纹传感器可通过感测区域来感测指纹100的一部分。

指纹传感器可通过捕获指纹100来生成指纹图像。当指纹传感器的感测区域小于指纹100的大小时，由指纹传感器生成的指纹图像可对应于包括指纹100的一部分的局部图像。由指纹传感器捕获的图像可以是，例如，原始图像。

指纹图像可用于登记和识别用户的指纹100。在一个示例中，指纹图像可以是通过对由指纹传感器捕获的原始图像进行修改而获得的图像的形式，并且指纹图像可用于登记或识别用户的指纹100。以下，为了方便和简洁，也可将通过对原始图像进行修改而获得的图像称为修改图像。修改图像可以是，例如，通过在空间域中对原始图像进行修改而获得的图像、通过在频域中对原始图像进行修改而获得的图像以及通过在空间域和频域中对原始图像进行修改而获得的图像。

作为一个示例，可在登记的操作中登记指纹图像的修改图像。可将登记的修改图像存储在存储器(例如，存储器或预先安装的存储器)中。当感测区域小于指纹100的大小时，可登记与用户的指纹100的局部图像对应的多个修改图像。可将多个局部图像(例如，局部图像110至局部图像170)中的每个局部图像改变为将要登记的修改图像。与局部图像110至局部图像170对应的修改图像中的每个修改图像可覆盖指纹100的一部分。因此，可通过与局部图像110至局部图像170对应的修改图像来覆盖指纹100的整个部分。在该示例中，局部图像110至局部图像170可重叠。以下，为了更加便于描述并使描述更加简洁，也可将在登记的操作中登记的修改图像称为，例如，登记修改图像。

此外，可在识别的操作中识别指纹。例如，可将与在识别的操作中输入的指纹对应的原始图像与登记修改图像进行比较。以下，为了更加便于描述并使描述更加简洁，也可将与在识别的操作中输入的指纹对应的原始图像称为，例如，输入指纹图像，而且也可将通过对输入指纹图像进行修改而获得的图像称为，例如，输入修改图像。可基于输入修改图像是否匹配登记修改图像来获得用户验证结果或用户识别结果。当指纹传感器的感测区域的大小小于指纹100的大小时，输入修改图像可对应于用户的指纹100的一部分。如参照下面的示例描述，本公开提供一种通过将输入修改图像与登记修改图像进行比较来识别指纹的方法。

虽然图1示出以作为一个示例的矩形形状来设置指纹传感器的感测区域，但是各种大小和形状也可应用于指纹传感器的感测区域。在一个示例中，参照图2，指纹传感器的感测区域可被设置为圆形形状。在该示例中，在登记的操作中，可基于例如指纹200的单个指纹来登记与多个局部图像210至局部图像295对应的修改图像。此外，在识别的操作中，可将对应于指纹200的一部分的输入修改图像与对应于局部图像210至局部图像295中的每一个的登记修改图像进行比较。

根据一个示例，在登记的操作中使用的指纹传感器可与在识别的操作中使用的指纹传感器不同。作为一个示例，可在登记的操作中使用具有如图1中示出的矩形形状的感测区域的指纹传感器，可在识别的操作中使用具有图2中示出的圆形形状的感测区域的指纹传感器。

图3示出根据至少一个示例实施例的基于指纹识别技术存储的数据的示例。

参照图3，指纹识别设备300可包括指纹传感器310。指纹传感器310的感测区域可小于用户的指纹的大小。指纹识别设备300可使用指纹传感器310来获得原始图像315。图13示出指纹识别设备300的结构的示例。

在一个示例中，为了登记指纹，指纹识别设备300可通过对与将要登记的指纹对应的指纹图像(例如，原始图像315)进行修改，来生成登记修改图像(例如，第一登记修改图像321)。此外，指纹识别设备300可从指纹图像提取与将要登记的指纹对应的属性信息。指纹识别设备300可存储与将要登记的指纹对应的第一登记修改图像321和属性信息。

作为一个示例，为了登记指纹，指纹识别设备300可将通过对原始图像351进行修改而获得的第一登记修改图像321记录在图像数据库320中，并且将从原始图像315提取的第一属性信息331记录在属性数据库330中。可将图像数据库320和属性数据库330中的一个或者两个存储在包括在指纹识别设备300中的存储器(未示出)中。可选地，可将图像数据库320和属性数据库330中的一个或者两个存储在与指纹识别设备300有线连接、无线连接或者通过网络连接的外部设备(未示出)例如，服务器中。通过在属性数据库330中合并预先存储的属性信息(例如，在匹配操作之前存储的属性信息)，可减少用于将输入修改图像与登记修改图像进行匹配的时间消耗。此外，当与从输入修改图像执行提取的情况相比时，通过从原始图像315提取第一属性信息331，指纹识别设备300减少了数据丢失。

属性信息可以是指示例如查询指纹的属性的信息。在一个示例中，属性信息可包括用于确定与对应于查询指纹的图像和对应于登记指纹的图像关联的缩放信息、旋转信息和平移信息中的至少一个的信息。登记指纹可以是预先登记的指纹(例如，在匹配操作之前登记的指纹)。还将参照图6提供关于属性信息的描述作为示例。

图像数据库320可出于例如安全考虑而不包括原始图像。图像数据库320可包括代替原始图像的登记修改图像。在该示例中，当图像数据库320由于(例如)黑客行为而被破坏或损坏时，指纹识别设备300可防止包括原始指纹的原始生物测量学信息被暴露。此外，由于属性数据库330包括与用于匹配输入修改图像的登记修改图像关联的登记属性信息以及登记修改图像，因此指纹识别设备300可跳过提取关于登记修改图像的属性信息的操作，因而加快了指纹识别的速度。在一个示例中，可将图像数据库320中的每个登记修改图像映射到相应的登记属性信息并存储在属性数据库330中。例如，如图3中所示，可将第一登记修改图像321映射到第一属性信息331。

此外，为了识别指纹，指纹识别设备300可从图像数据库320获得登记修改图像，例如，第一登记修改图像321、第二登记修改图像322和第n登记修改图像323。根据至少一些示例实施例，可提前安装图像数据库320。指纹识别设备300可从属性数据库330获得预先存储的属性信息，例如，第一属性信息331、第二属性信息332和第n属性信息333。指纹识别设备300可将输入指纹图像与登记修改图像进行比较，以识别用户的指纹。以下，为了更加便于描述并使描述更加简洁，也可将预先存储的属性信息称为，例如，登记属性信息。

在本公开中，基于包括登记修改图像的图像数据库320的示例来提供描述。然而，至少一些示例实施例不限于此。根据一个示例，图像数据库320可包括未修改的原始图像。在该示例中，指纹识别设备300可将未修改的输入指纹图像与未修改的登记原始图像进行比较。

图4A至图5示出根据至少一个示例实施例的指纹识别方法的示例。

图4A是示出指纹识别方法的示例的流程图。

在操作410中，指纹识别设备的处理器(例如，下面参照图13更加详细讨论的处理器1310)可从出现在输入指纹图像中的查询指纹，提取属性信息。查询指纹可以是，例如，将要识别的指纹，并且查询指纹可指示在通过捕获指纹的至少一部分获得的输入指纹图像中出现的指纹。

在操作420中，处理器可基于提取的属性信息和与登记指纹关联的预先存储的登记属性信息，将对应于查询指纹的图像与对应于登记指纹的图像进行匹配。处理器可从图3的属性数据库330获得登记属性信息。与查询指纹对应的图像可以是，例如，输入修改图像。此外，与登记指纹对应的图像可以是，例如，登记修改图像。

在操作430中，处理器可基于匹配结果来识别查询指纹。作为一个示例，处理器可基于将对应于查询指纹的图像与对应于登记指纹的图像进行匹配的结果，来计算指示在两个图像的重叠区域中两个图像之间的相似程度的相似度，并且可基于相似度来识别查询指纹。在该示例中，处理器可从登记指纹识别与查询指纹对应的指纹，或验证查询指纹是否为预先登记的指纹。

在本公开中，相似度基可指示基于匹配结果的，输入修改图像与预定的(或可选地，期望的)登记修改图像重叠的区域中输入修改图像与登记修改图像的相似的程度。

图4B是示出用于执行指纹识别方法的指纹登记处理的示例的流程图。

在操作440中，指纹识别设备的处理器(例如，下面参照图13更加详细描述的处理器1310)可通过对与将要登记的指纹对应的指纹图像进行修改来生成登记修改图像。例如，处理器可通过在空间域或频域中的至少一个中对指纹图像进行修改，来生成登记修改图像。

在操作450中，处理器可从指纹图像提取登记属性信息。例如，处理器可基于频域变换方案从指纹图像提取登记相位信息。例如，频域变换可包括快速傅里叶变换(FFT)。

在操作460中，指纹识别设备的存储器(例如，下面参照图13更加详细描述的存储器1330)可存储登记修改图像和登记属性信息。根据至少一些示例实施例，处理器可以以将登记修改图像映射到登记属性信息的这种方式，来控制存储器存储登记修改图像和登记属性信息。在一个示例中，处理器可以以将登记修改图像映射到例如登记相位信息的登记属性信息的这种方式，来控制存储器，并且控制存储器存储映射的结果以便登记指纹。例如，处理器通过生成一个或多个映射表并将一个或多个映射表存储在存储器中，来执行上述的映射。

在一个示例中，在操作460中存储的登记修改图像和登记属性信息可被识别指纹的处理器使用，如图4A中所示。

图5是示出指纹识别方法的另一示例的流程图。

由于参照图4A的操作410提供的描述也适用于这里，所以为了简洁将省略重复的描述。还将参照图5的操作520和操作530对图4A的操作420和操作430进行描述。

在操作501中，指纹识别设备的传感器(例如，下面参照图13更加详细讨论的传感器1320)可接收与指纹的至少一部分对应的输入指纹图像。此外，传感器可通过捕获指纹的至少一部分来生成输入指纹图像。

在操作510中，指纹识别设备的处理器(例如，下面参照图13更加详细讨论的处理器1310)可将输入指纹图像修改为输入修改图像。处理器可将输入指纹图像修改为与查询指纹对应的输入修改图像。输入修改图像可以是通过对输入指纹图像进行修改而获得的图像，所述对输入指纹图像进行修改是通过将输入指纹图像的类型转换为，例如，局部二进制模式(LBP)类型、方向梯度直方图(HOG)类型、哈尔(Haar)特征类型、改进统计变换(census transform)类型、N位量化类型(N是大于或等于1的整数)和几何扭曲类型。然而，根据至少一些示例实施例，输入修改图像的类型不限于此。

在操作520中，处理器可基于属性信息和登记属性信息来将输入修改图像与登记修改图像进行匹配。处理器可从图3的属性数据库330获得登记属性信息，并从图3的图像数据库320获得登记修改图像。处理器可使得存储器存储并映射登记属性信息和登记修改图像，并且控制存储器存储映射的结果。

例如，处理器可基于属性信息和登记属性信息来执行匹配。在一个示例中，指纹识别设备可基于从未修改的输入指纹图像提取的属性信息和从未修改的原始指纹图像提取并预先存储的登记属性信息来执行匹配。由于指纹识别设备使用从未修改的原始图像提取的登记属性信息，所以当与指纹识别设备使用修改图像的属性信息的情况比较时，可更加准确地执行匹配。

此外，处理器可基于输入修改图像和登记修改图像来计算相似度。为了计算相似度，输入修改图像可以是与登记修改图像的类型相同的类型。作为一个示例，当登记修改图像是N位量化类型图像时，处理器可将输入指纹图像修改为具有N位量化类型，因而将输入修改图像和登记修改图像的图像类型进行匹配。

在操作530中，处理器可基于输入修改图像和登记修改图像来识别查询指纹。在一个示例中，处理器可通过将输入修改图像与登记修改图像进行比较来识别查询指纹。例如，处理器可基于将输入修改图像与登记修改图像进行匹配的结果，在输入修改图像与登记修改图像重叠的区域中将输入修改图像与登记修改图像进行比较。

处理器可计算输入修改图像与登记修改图像之间的重叠区域中的相似度。处理器可如等式1中示所示，计算输入修改图像与登记修改图像之间的相似度。等式1表示归一化互相关(NCC)。

[等式1]

$R=\frac{\underset{x^{\′},y^{\′}}{\mathrm{\Σ}}\left(E\right(x^{\′},y^{\′})\·I(x^{\′},y^{\′}\left)\right)}{\sqrt{\underset{x^{\′},y^{\′}}{\mathrm{\Σ}}E{(x^{\′},y^{\′})}^2\·\underset{x^{\′},y^{\′}}{\mathrm{\Σ}}I{(x^{\′},y^{\′})}^2}}$

在等式1中，x'和y'表示基于匹配的结果的输入修改图像与登记修改图像重叠的区域的坐标。E(x',y')表示在重叠区域中的坐标(x',y')处的登记修改图像的像素值(例如，像素亮度值)。I(x',y')表示在重叠区域中的坐标(x',y')处的输入修改图像的像素值(例如，像素亮度值)。R表示输入修改图像与登记修改图像之间重叠的像素的NCC值。R的值可根据输入修改图像与登记修改图像之间重叠的像素的相似度的增加而增加。计算相似度的方案不限于等式1的示例，各种方案可用于计算相似度。还将参照图9提供相关的描述作为示例。

图6示出根据至少一个示例实施例的输入修改图像和从输入指纹图像中提取的属性信息的示例。

指纹识别设备可从输入指纹图像610提取属性信息630。属性信息630可表示指示输入指纹图像610的属性的信息。属性信息630可包括，例如，基于频域变换方案从查询指纹提取的尺度不变特征变换(SIFT)信息、细节信息以及相位信息中一个或多个。包括在属性信息630中的信息的类型不限于上述的示例。相位信息可指示关于被执行到频域的变换的输入指纹图像610的相位的信息。也可将预先登记的相位信息称为，例如，登记相位信息。

此外，指纹识别设备可将输入指纹图像610修改为输入修改图像620。输入修改图像620可以是与输入指纹图像610的类型不同的类型。输入修改图像620可具有，例如，LBP类型、HOG类型、Haar特征类型、MCT类型和N位量化类型。然而，输入修改图像620的类型不限于此。

图7示出根据至少一个示例实施例的图像匹配过程的示例。图8示出根据至少一个示例实施例的将输入修改图像与登记修改图像进行匹配的示例。

还将参照图7的操作710和操作720对图4A中的操作420的匹配处理进行描述。

在一个示例中，图像匹配可以是用于修改将在一个坐标系中表示的不同图像的处理方案。可执行图像匹配以获知使用不同测量方案获得的图像的对应的关系。可使用例如基于空间域的匹配方案和基于频域的匹配方案中的至少一个来执行图像匹配。

在基于空间域的匹配方案中，图像中的像素强度模式或特征可在图像域中相互匹配。当包括在图像中的特征点对的数量大于用于修改对应的图像的特征点对的最小数量时，可基于已知的方案(例如，随机抽样一致性算法(RANSAC))来搜索图像的图像修改。

在基于频域的匹配方案中，可从频域检测用于图像的图像修改的参数。在该示例中，用于图像修改的可检测的参数可以是，例如，图像平移、旋转角度和缩放变化。当通过在傅里叶空间中计算图像之间的相位相关系数来生成第三图像时，指示第三图像中的最大值的部分可以是图像之间的相对平移矢量。以下，虽然基于频域的匹配方案的示例提供了描述，但是本公开不限于此。

在操作710中，指纹识别设备的处理器(例如，下面参照图13更加详细描述的处理器1310)可基于属性信息630和登记属性信息(例如，如图8中示出的第n属性信息333)，来确定对应于登记指纹的图像和对应于查询指纹的图像的缩放信息、旋转信息以及平移信息中的至少一个。以下，将基于与查询指纹对应的图像是输入修改图像620并且与登记指纹对应的图像是登记修改图像323的示例提供描述。在一个示例中，处理器可基于频域变换方案，来确定输入修改图像620和登记修改图像323的缩放信息、旋转信息和平移信息及其各种组合。基于频域的匹配方案可以是，例如，用于在频域中执行匹配的方案。

输入修改图像620和预定的(或可选地，期望的)登记修改图像(例如，登记修改图像323)的平移信息可包括x轴平移参数Tx和y轴平移参数Ty。输入修改图像620和登记修改图像323的旋转信息可包括旋转参数R。缩放信息可包括缩放参数S。以下，也可将Tx和Ty称为平移量，而且也可将R称为旋转角度。指纹识别设备可通过在频域中将输入修改图像620与登记修改图像323进行比较，来计算旋转角度和平移量。作为一个示例，在图8中，指纹识别设备可使用属性信息630和第n属性信息333，来确定输入修改图像620和登记修改图像323的缩放信息、旋转信息和平移信息。

此外，指纹识别设备可确定包括在属性信息630中的相位信息与包括在第n属性信息333中的登记相位信息之间的相位相关(POC)。基于POC，指纹识别设备可确定输入修改图像620和登记修改图像323的缩放信息、旋转信息和平移信息及其各种组合。

在操作720中，处理器可基于缩放信息、旋转信息和平移信息中的至少一个来执行匹配。为了将输入修改图像620与登记修改图像323进行比较，指纹识别设备可将输入修改图像620与登记修改图像323进行匹配。作为一个示例，指纹识别设备可将缩放、旋转和/或平移中的任何一个或全部施加到输入修改图像620，使得普遍包括在输入修改图像620和登记修改图像323中的区域相互重叠。作为另一个示例，指纹识别设备可将缩放、旋转和/或平移中的任何一个或全部施加到登记修改图像323。由于输入修改图像620和登记修改图像323对应于局部图像，因此重叠区域在大小上可小于输入修改图像620和登记修改图像323中的每个。

指纹识别设备可基于作为匹配的结果获得的平移信息，来平移输入修改图像620。指纹识别设备可基于作为匹配的结果获得的旋转信息，来旋转输入修改图像620。指纹识别设备可基于作为匹配的结果获得的缩放信息，来放大或缩小输入修改图像620。由于平移信息、旋转信息和缩放信息在输入修改图像620和登记修改图像323之间是相关的，因此指纹识别设备可在登记修改图像323(而不是输入修改图像620)上执行平移、旋转和缩放。

图8示出由指纹识别设备相对于登记修改图像323平移和旋转输入修改图像620的示例。

在一个示例中，为了增加准确性，指纹识别设备可从原始图像而不是修改图像提取属性信息。由于登记属性信息被预先存储在指纹识别设备中，所以指纹识别设备可跳过提取登记属性信息的处理，并且以加快的速度来执行匹配。

当输入修改图像620由于平移、旋转和缩放而与登记修改图像323重叠时，指纹识别设备可计算重叠区域中的匹配分数。例如，指纹识别设备可基于图像亮度值，在考虑归一化相关的情况下，计算匹配分数。在一个或多个示例实施例中，响应于以预定的(或可选地，期望的)角度输入的输入指纹图像，可准确地识别指纹。将参照图9提供与分数计算相关的描述作为示例。

图9示出根据至少一个示例实施例的用于指纹识别的分数计算的示例。

指纹识别设备可在图4A的操作430中计算指示在用于识别指纹的图像的重叠区域中的对应于查询指纹的图像与对应于登记指纹的图像匹配的程度的分数。将通过图9的操作910至操作940来提供与针对图4A的操作430中的指纹识别执行的分数计算相关的描述作为示例。

在操作910中，指纹识别设备的处理器(例如，下面参照图13更加详细描述的处理器1310)可计算通过对输入指纹图像进行修改而获得的输入修改图像与对应于登记指纹的登记修改图像之间的重叠区域中的相似度。

作为一个示例，当输入修改图像和登记修改图像是的1位量化类型图像(例如，二进制编码图像)时，可如下计算相似度。指纹识别设备可在上述的操作510中将全位(full-bit)输入指纹图像转换为1位输入修改图像。如等式2中所示，指纹识别设备可计算针对二进制编码的输入修改图像与登记修改图像之间的重叠区域的相似度。

[等式2]

在等式2中，M_bin表示输入修改图像与登记修改图像之间的相似度。表达式E_bin(x,y)表示在重叠区域中的坐标(x,y)处的登记修改图像的二进制值。表达式Q_bin(x,y)表示在重叠区域中的坐标(x,y)处的输入修改图像的二进制值。运算符&表示按位与(AND)运算符。表达式M_area表示作为输入修改图像与登记修改图像的匹配结果生成的重叠区域中的像素的数量。表达式(x,y)表示重叠区域中的坐标。M_bin的值可根据输入修改图像与登记修改图像之间的相似度的增加而增加。

在操作920中，处理器可确定与输入指纹图像关联的信息。作为一个示例，处理器可使用关于输入指纹图像(例如，原始图像)的信息，从而提高准确性。指纹识别设备可基于等式3来确定与输入指纹图像关联的信息。

[等式3]

$M_{Ratio}-\frac{norm\left({\mathrm{qSum}}_{E1}\right)}{norm\left({\mathrm{qSum}}_{E0}\right)}$

在等式3中，表达式norm(qSum_E1)指示：在输入修改图像与登记修改图像之间的重叠区域中，与输入修改图像(可以是，例如二进制编码图像)的具有1值的像素对应的输入指纹图像(可以是，例如未修改图像)的像素值(例如，像素亮度值)的总和的归一化值。此外，表达式norm(qSum_E0)指示：通过将重叠区域中与输入修改图像中具有0值的像素对应的输入指纹图像中的像素的值的总和进行归一化而获得的值。norm(qSum_E1)的值越大，原始输入指纹图像的最大值(例如，最大像素亮度值)与二进制编码图像的被变换为1的像素值(例如，像素亮度值)之间的差越小。因此，数据丢失量可相对较少。norm(qSum_E0)的值越小，原始输入指纹图像的最小值(例如，最小像素亮度值)和二进制编码图像的被变换为0的像素值(例如，像素亮度值)之间的差越小。因此，数据丢失量也可相对较少。当M_Ratio的值增加时，可减少数据丢失量。因此，可将输入修改图像与登记修改图像之间的相似度验证为更加准确。

作为一个示例，当输入指纹图像是8位图像时，并且当输入修改图像是1位二进制编码图像时，图像信息量可减少，因此也降低了输入修改图像的可识别性。为了解决上述问题，指纹识别设备可识别与输入修改图像关联的信息，并将信息应用于指纹识别。

在操作930中，处理器可确定与输入修改图像和登记修改图像关联的直方图信息。例如，处理器可将重叠区域划分为子区域，并计算与对应于登记指纹的图像和对应于查询指纹的图像相关的直方图信息。将参照图12提供与针对子区域计算直方图信息的示例相关的描述。

在一个示例中，处理器可针对子区域的像素，计算登记修改图像的多个像素的像素值与输入修改图像的多个像素的像素值之间的差的归一化值。例如，处理器可通过将每个差的值除以差的最大值来归一化差，使得差的归一化最大值是1，并且差的归一化最小值是0。处理器可计算所有子区域的归一化像素差值中的最大值与最小值之间的差作为直方图信息。例如，处理器可通过执行差确定操作来针对子区域计算多个差值，所述差确定操作包括：针对位于子区域中的登记修改图像的多个像素中的每个像素，来计算(i)登记修改图像的像素的亮度值与(ii)输入修改图像中的对应的像素的亮度值之间的差，其中，登记修改图像的像素分别对应于与登记修改图像的像素的位于相同空间位置的输入修改图像的像素。此外，处理器可执行包括以下确定操作和计算操作的直方图信息确定操作，其中，所述确定操作从通过差确定操作针对子区域计算的多个差值中确定第一差值(例如，来自针对子区域计算的多个差值中的最小差值)和第二差值(例如，来自针对子区域计算的多个差值中的最大差值)，所述计算操作计算确定的第一差值与确定的第二差值之间的差作为针对子区域的直方图信息。处理器可针对子区域执行上述的差确定操作和直方图信息确定操作。以下，也可将针对子区域计算的第一差值与第二差值之间的差称为，例如，H_max-min。此外，处理器可计算表示关于针对每个子区域计算的像素差值的像素差值分布的值(例如，H_distr)作为直方图信息。然而，直方图信息的示例不限于此。

在操作940中，处理器可基于相似度、与输入指纹图像关联的信息和直方图信息来计算分数。例如，处理器可如等式4中所示来计算分数。

[等式4]

M_Score＝P(M_bin×M_Ratio，H_max-min，H_distr)

在等式4中，可基于等式2计算M_bin，并且可基于等式3计算M_Ratio。H_max-min和H_distr指示在操作930中确定的直方图信息的项。M_score是指示输入修改图像与登记修改图像匹配的程度的最终确定的分数，并可被表示为概率。分数M_score的值越大，输入修改图像与登记修改图像相同的概率越高。作为一个示例，当分数M_score的值超过阈值时，处理器可识别对应于输入修改图像的输入指纹与对应于登记修改图像的图像相同。

图10和图11示出根据至少一个示例实施例的通过将输入修改图像与登记修改图像进行匹配获得的结果的示例。

参照图10，可将输入修改图像1010与登记修改图像1020进行匹配。在输入修改图像1010和登记修改图像1020的重叠区域1090中，可由粗线指示输入修改图像1010和登记修改图像1020的指纹相互匹配的部分。在图10中，登记修改图像1020和输入修改图像1010的匹配程度可相对较高，因此可由粗线指示重叠区域1090的全部指纹。因此，登记修改图像1020和输入修改图像1010中的每个可表示同一指纹。

参照图11，可将登记修改图像1120与输入修改图像1110进行匹配。与图10类似，在输入修改图像1110和登记修改图像1120的重叠区域1190中，输入修改图像1110和登记修改图像1120的指纹相互匹配的部分也可由粗线指示。与图10的示例相比，区域1130可包括具有不匹配部分的指纹，如图11中所示。除区域1130之外的剩余区域可包括整体部分是匹配部分的指纹，因此可在图9的操作910中计算相对较高的相似度。为了应用重叠区域1190包括具有非匹配部分的区域1130的示例，指纹识别设备可如图12中所示通过将重叠区域划分为子区域来确定直方图信息。

图12示出根据至少一个示例实施例的通过划分重叠区域1190来计算分数的示例。

在一个示例中，处理器(例如，下面参照图13更加详细描述的处理器1310)可将重叠区域1190划分为子区域，并基于输入修改图像1110和登记修改图像1120确定子区域中的直方图信息。由于处理器基于子区域单位应用直方图，因此当在重叠区域1190中出现简单图案的指纹时，也可提高指纹识别的准确度。

例如，如图12中所示，处理器可将输入修改图像1110和登记修改图像1120的重叠区域1190划分为由网格图案1240指示的子区域。处理器可针对每个子区域计算输入修改图像1110与登记修改图像1120之间的像素差。通过这种方式，处理器可使用直方图来表示子区域的像素差的值，并如参照图9的操作930所述来确定关于直方图的信息。

图12示出与上述图11的示例相似的两个重叠的图像之间的相似度相对较高的示例。在该示例中，两个重叠的图像中的每个图像可包括不同的指纹。在图12中，子块1241和子块1242是子区域的示例。在图12中，在子块1241和子块1242中指纹的匹配程度可相对较低，因此可在子块1241和子块1242中计算输入修改图像1110与登记修改图像1120之间的相对较大的像素差。处理器可将输入修改图像1110和登记修改图像1120的子块中的像素差除以针对每个子块包括的像素的数量，归一化被除的像素差，并针对每个子块计算归一化的像素差的最大值与最小值之间的差，例如，H_max-min。例如，处理器可通过执行包括如下计算操作的差确定操作来针对子区域计算多个差值，所述计算操作针对位于子区域中的登记修改图像的多个像素中的每个像素，来计算(i)登记修改图像的像素的亮度值与(ii)输入修改图像中的对应的像素的亮度值之间的差，其中，登记修改图像的像素分别对应于与登记修改图像的像素位于相同空间位置的输入修改图像的像素。此外，处理器可执行针对子区域的差值除法操作，所述差值除法操作包括：将针对子区域计算的多个差值中的每个差值除以在子区域中包括的像素的总数；处理器可执行多个被除的差值的归一化。此外，处理器可执行H_max-min确定操作，所述H_max-min确定操作包括：从子区域的多个归一化的被除的差值中，确定第一差值(例如，来自针对子区域计算的多个归一化的被除的差值中的最小差值)和第二差值(例如，来自针对子区域计算的多个归一化的被除的差值中的最大差值)；并且计算确定的第一差值与确定的第二差值之间的差作为子区域的H_max-min。处理器可针对每个子区域执行上述的差确定操作、差值除法操作、归一化和H_max-min确定操作。

当H_max-min的值大于直方图阈值时，处理器可确定：输入修改图像1110和登记修改图像1120中的每个表示不同的指纹，而不管图9的操作910中计算的高相似度。此外，处理器可通过使用直方图表示归一化的像素差值来获得分布值，从而分布值被用于提高识别输入修改图像1110和登记修改图像1120的准确性。

图13示出根据至少一个示例实施例的指纹识别设备的示例。根据至少一个示例性实施例，图3的指纹识别设备300可具有图13中示出的结构。

指纹识别设备可包括处理器1310、传感器1320和存储器1330。处理器1310、传感器1320和存储器1330可通过总线1340相互通信。

传感器1320可以是，例如，图3的指纹传感器310。传感器1320可基于例如用于将光学图像转换为电信号的方案的通用方案来捕获指纹的图像。图像可被输出到处理器1310。传感器1320可以是，例如，能捕获指纹的图像或指纹的部分的光学传感器。

处理器1310可包括参照图1至图12描述的至少一个配置。处理器1310可执行参照图1至图12描述的至少一个方法。此外，处理器1310可被包括在图3的指纹识别设备300中。例如，根据至少一些示例实施例，在本公开中描述的由处理器执行的任何或所有操作可由处理器1310来执行和/或控制。根据至少一些示例实施例，在本公开中描述的由指纹识别设备(例如，指纹识别设备300)或其元件执行的任何或所有操作可由处理器1310来执行和/或控制。如这里所使用的术语“处理器”可表示，例如，具有被物理构造的电路以执行包括例如被表示为在程序中包括的代码和/或指令的操作的期望的操作的数据处理装置。上述的硬件实现的数据处理装置的示例包括(但不限于)：微处理器、中央处理器(CPU)、处理器核、多核处理器、多处理器、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。执行程序代码的处理器是被编程的处理器，因此是专用计算机。

存储器1330可存储在被传感器1320捕获之后经过修改而登记的登记修改图像以及与登记修改图像对应的登记属性信息。此外，存储器1330可存储，例如，登记修改图像、由处理器1310处理的匹配结果和/或由处理器1310计算的分数和相似度。例如，存储器1330可以是易失性存储器和非易失性存储器。

存储器1330可存储图3的图像数据库320和属性数据库330。当存储器1330存储属性数据库330时，处理器1310可更快地匹配图像。此外，存储器1330可将通过修改原始图像获得的登记修改图像存储为图像数据库320，从而降低图像数据库320的量。

处理器1310可执行程序并控制指纹识别设备。可将由处理器1310执行的程序代码存储在存储器1330中。指纹识别设备可通过输入和输出装置连接到外部装置(例如，个人计算机(PC)和网络)，以执行数据交换。例如，如在本公开中所使用的术语“处理器”可表示具有被物理构造的电路以执行包括例如被表示为在程序中包括的代码和/或指令的操作的期望的操作的数据处理装置。上述的硬件实现的数据处理装置的示例包括(但不限于)：微处理器、中央处理器(CPU)、处理器核、多核处理器、多处理器、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。执行程序代码的处理器是被编程的处理器，因此是专用计算机。

指纹识别设备可包括各种电子装置(或可选地，被包括在各种电子装置中)，所述各种电子装置包括，例如，移动装置(诸如，移动电话、智能电话、PC、个人数字助理(PDA)和膝上型计算机等)、计算装置(诸如，PC、平板计算机和上网本等)以及电子产品(诸如，电视机(TV)、智能TV和用于控制门的安全装置等)。

虽然基于根据用户的指纹的一部分来识别用户的示例来提供上述描述，但是也可将一个或多个示例实施例应用于基于根据用户的生物测量学数据的局部项来识别用户的示例。这里，生物测量学数据可包括，例如，用户的指纹信息、血管信息和虹膜信息。在该示例中，处理器1310可从传感器1320接收与用户的生物测量学数据的局部项对应的输入数据，将输入数据修改为修改图像，将修改图像与对应于预先登记的生物测量学数据的局部数据的登记修改数据进行比较，并基于比较的结果来识别用户。

在一个示例中，传感器1320可包括用于识别用户的血管图案的传感器。传感器1320可从手的背部皮肤提取血管图案。传感器1320可使用红外光和滤波器来最大化血管与皮肤的亮度对比度，并获得包括血管图案的图像。在该示例中，传感器1320可获得通过对血管图案进行修改而获得的修改图像。处理器1310可将与血管的一部分相应的修改图像和预先登记的血管图案的修改图像进行比较，从而识别用户。

在另一个示例中，传感器1320可包括用于识别用户的虹膜图案的传感器。例如，传感器1320可扫描或捕获用户的眼睛的白色区域的瞳孔与巩膜之间的虹膜图案。在该示例中，处理器1310可将与虹膜图案的一部分相应的修改图像和预先登记的虹膜图案的修改图像进行比较，从而识别用户。

这里描述的单元和/或模块可使用硬件组件和软件组件来实现。例如，硬件组件可包括麦克风、放大器、带通滤波器、音频数字转换器和处理装置。可使用被配置为通过执行算术、逻辑和输入/输出操作实现和/或执行程序代码的一个或多个硬件装置来实现处理装置。处理装置可包括处理器、控制器和算术逻辑单元、数字信号处理器、微型计算机、现场可编程阵列、可编程逻辑单元、微处理器或能够以限定的方式响应并执行指令的任何其他装置。处理装置可运行操作系统(OS)以及在OS上运行的一个或多个软件应用。处理装置也可响应于软件的执行来访问、存储、操控、处理和创建数据。为了简单起见，使用单数来描述处理装置。然而，本领域的技术人员将理解，处理装置可包括多个处理元件和多种类型的处理元件。例如，处理装置可包括多个处理器，或包括处理器和控制器。此外，不同的处理配置是可行的，诸如，并行处理器。

软件可包括计算机程序、代码段、指令或它们的某些组合，以独立地或共同地指示和/或配置处理装置如期望地进行操作，从而使处理装置转变为专用处理器。可以以任意类型的机器、组件、物理或虚拟设备、计算机存储介质或装置，或者以能够提供指令或数据或被处理装置解释的传播信号波，来永久地或暂时地实现软件和数据。软件也可被分布在联网的计算机系统上，从而以分布方式存储和执行软件。可通过一个或多个非暂时性计算机可读记录介质来存储软件和数据。

根据上述示例实施例的方法可被记录在包括程序指令的非暂时性计算机可读介质中，以实现上述示例实施例的各种操作。所述介质还可单独包括程序指令、数据文件、数据结构等，或与程序指令相结合地包括数据文件、数据结构等。在介质上记录的程序指令可以是为了示例实施例的目的而专门设计和构造的程序指令。非暂时性计算机可读介质的示例包括：磁介质(诸如，硬盘、软盘和磁带)、光学介质(诸如，CD-ROM盘、DVD和/或蓝光盘)、磁光介质(诸如，光盘)和专门配置为存储并执行程序指令的硬件装置(诸如，只读存储器(ROM)、随机存取存储器(RAM)、闪存(例如，USB闪存驱动器、存储卡、记忆棒等)等)。程序指令的示例包括诸如由编译器生成的机器代码和包含可由计算机使用解释器执行的更高级代码的文件二者。为了执行上述示例实施例的操作，上述装置可被配置为用作一个或多个软件模块，反之亦然。

因此，已经描述了本发明构思的示例实施例，将显而易见的是可以以多种方式改变这些示例实施例。这样的改变不被视为脱离本发明构思的示例实施例的意图的精神和范围，并且对本领域技术人员显而易见的是全部这这样的修改意被包括在权利要求的范围内。