用于更新用户认证数据的方法和设备与流程

技术领域

以下描述涉及用于更新用户认证数据的方法和设备。

背景技术：

例如，随着各种移动装置或可穿戴装置(诸如，智能电话)的发展，安全认证的使用增加。例如，使用生物测量学识别的认证使用指纹、虹膜、语音、脸部和血管来认证用户。用于认证的生物测量学特征因人而不同，不引起任何携带的不方便，最小化被盗或模仿的风险，并且在一生中不会改变。

具体地说，指纹识别由于许多原因(诸如，方便性、安全性和成本效益)而被广泛地商业化。例如，指纹识别增强用户装置的安全性，并且容易提供各种应用服务，例如，移动支付。

技术实现要素：

提供该发明内容用于以简化的形式介绍对在以下的具体实施方式中进一步描述的构思的选择。该发明内容不意在标识要求保护的主题的关键特征或必要特征。

根据一个示例实施例，提供一种用于更新登记数据库(DB)中的生物测量学认证数据的方法，所述方法包括：通过第一长度的时间，使用登记DB来认证输入图像，所述认证的步骤包括生成用于认证输入图像的信息；并且基于第一长度的时间和用于认证输入图像的信息来更新登记DB。

更新的步骤可包括：基于输入图像与登记DB中的登记图像之间的重叠区域的大小来确定相似度；基于所述相似度来确定是否在登记DB中登记输入图像。

确定的步骤可包括以下步骤中的至少一个步骤：基于用于认证输入图像的信息来确定所述相似度中的一部分相似度；基于第一长度的时间，将所述相似度中的一部分相似度确定为最小值。

确定的步骤可包括以下步骤中的至少一个步骤：确定所述相似度中的最大相似度是否小于或等于上阈值；确定最大相似度是否大于或等于下阈值。上阈值可对应于基于所述登记图像之间的重叠面积的最大相似度。

用于认证输入图像的信息包括以下信息中的至少一个信息：输入图像与登记DB中的所述登记图像之间的重叠区域的相关度；输入图像与所述登记图像之间的所述重叠区域的大小。

认证的步骤可包括：确定输入图像与登记DB中的登记图像之间的重叠区域的大小；确定输入图像与所述登记图像之间的所述重叠区域的相关度；确定相关度是否大于或等于阈值；如果相关度大于或等于阈值，则输出接受信号；将所述重叠区域的大小和相关度存储在存储器中，存储的所述重叠区域的大小和相关度对应于所述登记图像。认证的步骤还可包括：将第一长度的时间存储在存储器中。

更新的步骤可包括：基于第一长度的时间来估计用于更新登记DB的第二长度的时间；基于第二长度的时间来自适应地更新登记DB。估计的步骤可包括：基于第一长度的时间与第三长度的时间之间的差来计算第二长度的时间，其中，第三长度的时间是用于生物测量学认证而分配的长度的时间。

更新的步骤可包括以下步骤中的至少一个步骤：将输入图像添加到登记DB；使用输入图像来替换登记DB中的登记图像中的一个登记图像。替换的步骤可包括：基于相似度来选择替换图像，其中，所述相似度基于所述登记图像之间的重叠区域的大小。

根据另一示例实施例，提供一种用于在登记数据库(DB)中更新生物测量学认证数据的方法，所述方法包括：接收包括生物测量学信息的输入图像；基于输入图像与登记DB中的登记图像之间的重叠区域的大小来确定第一最大相似度；确定第一最大相似度是否在上阈值之下，其中，上阈值基于所述登记图像之间的重叠区域的大小；基于确定第一最大相似度在上阈值之下，在登记DB中登记输入图像。生物测量学信息可包括指纹信息、血管信息和虹膜信息中的至少一个。

确定第一最大相似度的步骤可包括：基于输入图像与所述登记图像之间的所述重叠区域的大小来确定输入图像与所述登记图像之间的相似度；确定第一最大相似度，其中，第一最大相似度具有所述相似度中的最大值。

确定所述相似度的步骤可包括：确定输入图像与所述登记图像中的一个登记图像之间的重叠区域的相关度；确定输入图像与所述一个登记图像之间的重叠区域的大小；基于相关度和重叠区域的大小，来确定所述相似度中的输入图像与所述一个登记图像之间的第一相似度。

确定所述相似度的步骤可包括：基于平移矢量和旋转角度来确定归一化互相关(NCC)值，其中，平移矢量和旋转角度基于输入图像与所述登记图像中的一个登记图像之间的图像配准；确定输入图像与所述一个登记图像之间的共有面积比；基于NCC值和共有面积比，来确定所述相似度中的输入图像与所述一个登记图像之间的第一相似度。

所述方法还可包括：基于第一相似度从所述登记图像选择替换图像，其中，所述第一相似度基于所述登记图像之间的重叠区域的大小。

选择的步骤可包括：基于所述第一相似度从所述登记图像选择将被替换的候选图像，其中，所述候选图像中的每个候选图像与所述相似度中的一部分相似度相关联，所述一部分相似度包括相关联的候选图像与剩余的登记图像之间的第一相似度；累积每个部分；从所述候选图像选择具有最高累积部分的候选图像作为替换图像。

登记的步骤可包括：更新登记DB，更新的步骤包括：如果第一最大相似度小于上阈值，则使用输入图像来替换替换图像；如果第一最大相似度大于上阈值，则在登记DB中保持替换图像。上阈值可包括第二最大相似度，其中，第二最大相似度基于所述多个登记图像之间的所述多个重叠区域的大小。

登记的可包括：确定第一最大相似度是否超过下阈值；基于确定第一相似度是否超过下阈值，在登记DB中登记输入图像。

基于确定第一最大相似度是否超过下阈值，在登记DB中登记输入图像的步骤可包括：如果第一最大相似度大于下阈值并且小于上阈值，则在登记DB中登记输入图像。

所述方法还可包括：确定输入图像与所述登记图像之间的认证分数；基于认证分数和认证阈值执行针对输入图像的用户认证，其中，执行用户认证的步骤包括生成所述登记图像与输入图像之间的相似度。确定第一最大相似度的步骤包括：基于生成的所述相似度来确定第一最大相似度。

根据再一示例实施例，提供一种登记DB更新设备包括：存储器，被构造为存储包括登记图像的登记DB；处理器，被构造为使用登记DB认证输入图像，基于用于认证输入图像的第一长度的时间以及针对认证输入图像计算的结果，来自适应地更新登记DB。

根据再一示例实施例，提供一种登记DB更新设备包括：存储器，被构造为存储包括登记图像的登记DB；处理器，被构造为基于输入图像与所述登记图像之间的重叠区域的大小来确定最大相似度，其中，基于最大相似度与基于所述登记图像之间的重叠区域的大小而设置的上阈值的比较的结果，在登记DB中登记输入图像。

根据进一步的示例实施例，提供一种DB管理方法，包括：接收包括生物测量学信息的输入图像；基于DB中的登记图像来认证输入图像；更新DB，更新的步骤包括：确定是否将输入图像添加到DB，其中，认证的步骤和更新的步骤在小于或等于设置的时间内被执行。

用于认证操作的时间和用于更新操作的时间之和可小于或等于预设的和/或选择的最大时间。生物测量学信息可以是指纹信息。

至少一个示例实施例公开了一种用于更新数据库中的生物测量学认证数据的方法，所述方法包括：基于数据库中的登记图像来认证包括生物测量学信息的输入图像；确定与输入图像和所述登记图像相关联的相似度；基于所述相似度、上阈值和下阈值来更新数据库，其中，上阈值大于下阈值。

在一个示例实施例中，在设置的长度时间内执行认证的步骤、确定的步骤和更新的步骤。

在一个示例实施例中，认证的步骤在第一长度时间内认证输入图像，更新的步骤在第二长度时间内更新数据库，更新的步骤包括：将第二长度时间调整为设置的长度时间与第一长度时间之间的差。

在一个示例实施例中，更新的步骤包括：如果所述相似度在上阈值与下阈值之间，则使用输入图像来替换所述登记图像中的一个登记图像。

在一个示例实施例中，上阈值与最大相似度相关联，下阈值与最小相似度相关联。

从以下详细的描述、附图和权利要求，其他特征和方面将是清楚的。

附图说明

从下面结合附图的详细描述，示例实施例将被更加清楚地理解。图1至图25表示如在此描述的非限制性的示例实施例。

图1是示出获取包括生物测量学信息的输入图像的示例实施例的示图。

图2示出通过更新登记数据库(DB)而提高的识别率的示例实施例的示图。

图3是示出更新登记DB的方法的示例实施例的流程图。

图4是示出计算相似度的方法的示例实施例的流程图。

图5是示出确定最大相似度的方法的示例实施例的示图。

图6是示出更新登记DB的方法的示例实施例的流程图。

图7是示出选择替换图像的方法的示例实施例的流程图。

图8和图9是示出选择替换图像的方法的示例实施例的示图。

图10是示出更新登记DB的方法的示例实施例的流程图。

图11是示出认证生物测量学信息的处理的示例实施例的示图。

图12是示出登记DB的自适应更新的示例实施例的示图。

图13是示出自适应地更新登记DB的方法的示例实施例的流程图。

图14是示出多阶段认证器的示例实施例的框图。

图15是示出粗搜索的示例实施例的示图。

图16是示出精细搜索的示例实施例的示图。

图17至图22是示出用于自适应地更新登记DB的更新设备的示例实施例的示图。

图23是示出自适应地更新登记DB的方法的示例实施例的流程图。

图24是示出用于更新登记DB的更新设备的示例实施例的框图。

图25是示出识别血管图案的方法的示例实施例的示图。

贯穿附图和详细的描述，除非另有描述或提供，否则相同的附图参考标号将被理解为表示相同的元件、特征和结构。附图可不按比例，并且为了清楚、说明和方便，附图中的元件的相对大小、比例和描绘可被夸大。

具体实施方式

在本公开中提供特定结构的或功能的描述来描述示例实施例。可以以各种方式来改变或实现示例实施例，并且示例实施例的范围不限于本说明书中所提供的描述。

将理解，尽管术语“第一”、“第二”等可被用于描述各种元件，但是这些元件不应被这些术语所限制。这些术语仅被用于将一个元件与另一元件进行区分。例如，第一元件可被称为第二元件，相似地，第二元件可被称为第一元件。如在此所使用的，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，当元件被称为被“连接”或“结合”到另一元件时，该元件可被直接地连接到或结合到该另一元件，或者可存在中间元件。相反，当元件被称为被“直接地连接”或“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)。

除非上下文另有清楚地指示，否则如在此使用的单数形式也意图包括复数形式。还将理解，当在此使用术语“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。

除非另有定义，否则这里使用的所有术语(包括技术和科学术语)具有与本领域的普通技术人员通常理解的含义相同的含义。还将理解，除非在此明确定义，否则术语(诸如在常用词典中定义的)应被解释为具有与它们在相关领域的上下文中的含义一致的含义，而不将被解释为理想化或过于形式的意义。

在下文中阐述的示例实施例使用包括生物测量学信息的输入图像，来执行识别操作，并且额外地更新登记数据库(DB)。例如，指纹识别器、血管识别器和虹膜识别器可通过执行识别操作来认证或标识用户，并且基于认证的或标识的生物测量学信息来更新存在的登记DB。

可以以各种类型的产品，例如，个人计算机、膝上型计算机、平板计算机、智能电话、电视、智能家庭应用、智能车辆、信息服务亭(kiosk)以及可穿戴装置，来实现在示例实施例。例如，示例实施例可应用于图像的处理，以认证使用智能电话、移动装置和/或智能家庭系统的用户。以相同的方式，示例实施例可通过用户认证而被应用于智能车辆系统和支付服务。尽管在上述场景下用户的手指相对较小或输入的指纹不准确，示例实施例也可提供稳健的用户认证的结果。在下文中，现在将参照附图详细地描述示例实施例，其中，相同参考标号始终表示相同的元件。

用于使用基于重叠区域的大小计算的相似度来更新登记数据库的技术

图1是示出获取包括生物测量学信息的输入图像的示例的示图。在下文中，为了便于描述，假设生物测量学信息对应于指纹。然而，示例实施例可同样地应用于以图像的形式可识别的各种生物测量学信息，例如，血管和虹膜。

参照图1，传感器110感测用户的指纹。例如，传感器110包括多个感测元件。感测元件以阵列或矩阵的结构来布置。传感器110使用多个感测元件，来感测以模拟信号的形式输入的指纹。传感器110使用模数转换器(ADC)，将感测的模拟信号转换为数字图像。在下文中，输入图像可表示转换的数字图像。

传感器110的大小可不同于用户的手指120的大小。例如，当传感器110被提供在移动装置中时，传感器110可小于用户的手指120，以满足移动装置的结构限制。在该示例中，传感器110可感测用户的指纹的一部分。在下文中，由传感器110感测的输入图像可以是用户指纹的局部图像。

制造商可按照不同的传感器标准来制造传感器110。传感器标准包括传感器阵列的大小以及传感器的分辨率。传感器阵列的大小指示由多个感测元件形成的感测区域的大小。例如，传感器阵列的大小可以是1cm(宽)×3cm(长)。传感器的分辨率指示每个单位长度或单位面积的感测元件的数量。

示例实施例提供用于更新登记DB的方法和设备。登记DB包括登记图像。登记图像对应于登记的用户的指纹的局部图像。更新登记DB包括，例如，将新图像添加到登记DB，使用新图像来替换包括在登记DB中的登记图像的一部分，或者删除包括在登记DB中的登记图像的一部分。登记DB还可被称为模板(template)。

参照图2，识别率与登记面积成比例地增大。登记面积表示由包括在登记DB中的登记图像所覆盖的用户的指纹区域的大小。例如，当包括在登记DB中的登记图像覆盖第一登记面积130时，识别率是93％。当包括在登记DB中的登记图像覆盖第一登记面积140时，识别率是99％。

示例实施例更新登记DB来增大登记面积。例如，包括在登记DB中的在第一时间点的登记图像对应于第一登记面积130。第一时间点可以是用户初始登记指纹以使用应用示例的电子装置的时间点。

用户在使用电子装置时输入用于用户认证的指纹。示例实施例通过使用被成功认证的输入图像更新登记DB，来增大登记面积。例如，包括在登记DB中的在第二时间点的登记图像对应于第二登记面积140。第二时间点可以是使用为了用户认证而输入的指纹图像来更新登记DB的时间点。

根据示例实施例，可增加指纹登记的方便性。例如，示例实施例可在初始登记阶段，登记预定的和/或选择的数量的图像，并且在实际使用阶段，在用户没有意识到更新的情况下更新登记DB。

如稍后将描述的，示例实施例可通过基于最大相似度确定输入图像是否将被登记在登记DB中，来登记除了登记图像中的区域之外的新指纹区域。基于输入图像与登记图像之间的重叠区域的大小来确定最大相似度。

示例实施例可通过使用输入图像替换更换图像，来在不改变登记DB的大小的情况下，保护各种登记图像。基于根据登记图像之间的重叠区域的大小计算的相似度，从登记图像中选择替换图像。此外，示例实施例可通过经过对最大相似度与预设的和/或选择的下阈值(lower threshold)进行比较而在登记DB中登记输入图像，来防止异常值被反映为登记指纹。

此外，示例实施例通过将包括较少的指纹信息的输入图像排除在认证目标之外，来防止指纹识别率的降低。示例实施例可通过在登记DB中检查针对用户认证被接受的输入图像的登记，来防止错误输入的指纹和污染的指纹被登记为登记图像，并且示例实施例还可增大指纹识别器的指纹识别率。

此外，示例实施例可基于用于认证输入图像的时间来自适应地更新登记DB。示例实施例还可将针对认证输入图像计算的结果用于更新登记DB。

图3是示出更新登记DB的方法的示例的流程图。可由用于更新登记DB的设备(在下文中，“更新设备”)来执行更新登记DB的方法。例如，更新设备可被包括在指纹认证器中，或者被配置为单独的装置。

更新设备可被实现为硬件或者执行软件的硬件的组合。当处理器执行与存储在计算机可读介质上的功能相关联的指令时，可由该处理器来执行使用软件实现的功能。处理器和硬件可通过输入/输出总线来交换信号。

参照图3，在操作210中，更新设备接收包括生物测量学信息的输入图像。更新设备从被构造为感测生物测量学信息的传感器接收输入图像。例如，输入图像包括生物测量学信息，诸如，指纹信息、血管信息和/或虹膜信息。

在操作220中，更新设备基于输入图像与登记图像之间的重叠区域的大小来确定最大相似度。更新设备基于输入图像与登记图像之间的重叠区域的大小，来计算输入图像与登记图像之间的相似度。例如，当登记图像的数量对应于“15”时，更新设备计算15个相似度：输入图像与第一登记图像之间的相似度、输入图像与第二登记图像之间的相似度……以及输入图像与第十五登记图像之间的相似度。更新设备将计算的15个相似度之中的具有最大值的相似度确定为最大相似度。

每个计算的相似度反映重叠区域内的两个图像之间的相似度，并且还可反映两个图像的重叠区域的大小。例如，可假设：在重叠区域内两个图像相同但是重叠区域的大小非常小的第一情况，以及在重叠区域内两个图像不相同但是重叠区域的大小非常大的第二情况。当仅考虑重叠区域内的两个图像之间的相似度时，第一情况的相似度可被计算为高于第二情况的相似度。然而，根据示例实施例，第二情况的相似度可被计算为高于第一情况的相似度。

将参照图4来描述使用更新设备计算输入图像与一个登记图像之间的相似度的方法，并且将参照图5来描述确定最大相似度的方法。

返回参照图3，在操作230中，更新设备将最大相似度与基于登记图像之间的重叠区域的大小设置的上阈值(upper threshold)进行比较。上阈值可包括：基于登记图像之间的重叠区域的大小计算的相似度之中的具有最大值的第二最大相似度。例如，上阈值可以是基于多个登记图像之中的具有最大重叠区域的两个登记图像之间的重叠区域的大小计算的相似度。

在操作240中，更新设备基于比较的结果在登记DB中登记输入图像。更新设备验证输入图像与多个登记图像之间确定的最大相似度是否小于上阈值。更新设备响应于最大相似度小于上阈值，通过在登记DB中登记输入图像，来更新登记DB以增大登记面积。

在此，“最大相似度小于上阈值”表示：基于输入图像与登记图像之间的重叠区域计算的相似度小于基于登记图像之间的重叠区域计算的相似度。“最大相似度小于上阈值”可被解释为表示：输入图像包括具有大于或等于预定的和/或选择的区域值的值的新指纹区域，该新指纹区域与包括在登记DB中的登记图像不重叠。

如果最大相似度小于上阈值，则更新设备将输入图像添加到登记在登记DB中的登记图像。更新设备从登记图像中选择将被输入图像替换的替换图像，并且通过使用输入图像替换替换图像来登记输入图像。

响应于最大相似度大于或等于上阈值，更新设备不更新登记DB。例如，响应于最大相似度大于或等于上阈值，更新设备将替换图像保持为登记DB中的登记图像。

在另一示例实施例中，更新设备还将最大相似度与预设的和/或选择的下阈值进行比较。更新设备基于比较最大相似度与下阈值的结果，在登记DB中登记输入图像。响应于最大相似度大于下阈值，更新设备在登记DB中登记输入图像。“下阈值”可被解释为用于将输入图像识别为与认证目标相应的用户的指纹的最小相似度。在此，“最大相似度大于下阈值”可被解释为表示：输入图像包括在同一用户的情况下出现的与登记图像的重叠的区域，重叠区域具有大于或等于预定的和/或选择的区域值的值。更新设备通过响应于最大相似度大于下阈值来在登记DB中登记输入图像，来防止异常值被反映为登记指纹。

示例实施例通过仅在最大相似度在上阈值与下阈值之间的范围内时更新登记DB，来增大对登记用户的指纹识别率，同时防止登记DB被另一用户的指纹污染。

图4是示出计算相似度的方法的示例实施例的流程图。

参照图4，在操作310中，更新设备计算输入图像与登记图像中的一个登记图像之间的重叠区域中的相关度。重叠区域中的相关度可以是，例如，归一化互相关(NCC)值。

在操作320中，更新设备计算输入图像与一个登记图像之间的重叠区域的大小。重叠区域的大小可被称为“共有图像面积”。更新设备基于共有图像面积，来计算输入图像与一个登记图像之间的共有面积比。

在操作330中，更新设备基于相关度和重叠区域的大小，来计算输入图像与一个登记图像之间的相似度。例如，通过将NCC值乘以共有图像面积，来计算相似度。

图5是示出确定最大相似度的方法的示例实施例的示图。参照图5，示出登记图像410和输入图像420。

更新设备计算输入图像与登记图像之间的相似度，并且将相似度中的具有最大值的相似度确定为最大相似度。例如，当登记图像的数量对应于“15”，并且15个登记图像中的第一登记图像对应于登记图像410时，更新设备可按照以下描述来计算输入图像420与登记图像410之间的相似度。

更新设备通过登记图像410与输入图像420之间的图像配准，来计算登记图像410与输入图像420之间的平移矢量和旋转角度。图像配准是通过对图像变形而在单个坐标系上表示不同图像的处理技术。通过图像配准，通过不同的测量方案获取的图像之间的匹配可被验证。图像配准被划分为空间域方法和频域方法。

空间域方法是在图像的空间中对图像的像素强度的图案或特征进行匹配的方法。当包括在两个图像中的成对的特征点的数量大于用于图像变形的最小数量时，可使用，例如，随机样本一致性(RANSAC)方案来检测两个图像之间的图像变形。此外，频域方法是在频域中直接检测用于两个图像之间的形变的参数的方法。所述参数包括，例如，图像的平移、旋转的角度和大小的改变。

更新设备基于计算的平移矢量和旋转角度来计算NCC值。例如，使用等式1来计算两个图像I₁和I₂之间的NCC值。

[等式1]

$ncc(I_1,I_2)=\frac{{\mathrm{\Σ}}_{(i,j)\∈W}{I}_1(i,j).I_2(x+i,y+j)}{\sqrt[2]{{\mathrm{\Σ}}_{(i,j)\∈W}{I}_1^2(i,j).{\mathrm{\Σ}}_{(i,j)\∈W}{I}_2^2(x+i,y+j)}}$

在等式1中，W表示图像I₁与图像I₂之间的重叠区域。i表示图像的X轴坐标，j表示图像的Y轴坐标，x表示X轴平移值，y表示Y轴平移值。I₁(i,j)表示图像I₁的坐标(i,j)处的像素值，I₂(x+i，y+j)表示图像I₂的坐标(x+i，y+j)处的像素值。图像I₁可对应于登记图像410，图像I₂可对应于输入图像420。

更新设备计算登记图像410与输入图像420之间的重叠区域的大小。重叠区域的大小可以是共有图像面积区域。更新设备基于共有图像面积来计算登记图像410与输入图像420之间的共有面积比。例如，可通过等式2来获得共有面积比。

[等式2]

更新设备将共有图像面积相对于登记图像410和输入图像420的整个图像面积的比，计算为共有面积比。应理解登记图像410和输入图像420中的每个具有相同整个图像面积大小。更新设备通过为共有图像面积分配权重，来计算共有面积比。

更新设备基于NCC值和共有面积比，来计算登记图像410与输入图像420之间的相似度。可通过等式3来获得登记图像410与输入图像420之间的相似度。

[等式3]

s_overlap(I₁,I₂)＝ncc(I₁,I₂)×r_overlap(I₁,I₂)

更新设备通过将NCC值乘以共有面积比，来计算登记图像410与输入图像420之间的相似度。

更新设备以如以上所述的相同方式，来计算输入图像420与除了一个登记图像(登记图像410针对它的相似度已被计算)之外的剩余14个登记图像之间的相似度。更新设备将计算的15个相似度中的具有最大值的相似度确定为最大相似度。

图6是示出更新登记DB的方法的示例实施例的流程图。

参照图6，在操作510中，更新设备接收包括生物测量学信息的输入图像。在操作520中，更新设备基于输入图像与登记图像之间的重叠区域的大小，来计算输入图像与登记图像之间的相似度。在操作530中，更新设备将计算的相似度之中的具有最大值的相似度确定为最大相似度。在操作540中，更新设备基于根据登记图像之间的重叠区域的大小计算的相似度，从登记图像选择替换图像。将参照图7至图9来描述使用更新设备选择替换图像的方法。

返回参照图6，在操作550中，更新设备验证最大相似度是否小于上阈值。上阈值可以是，例如，基于登记图像之间的重叠区域的大小计算的相似度之中的具有最大值的第二最大相似度。在操作560中，响应于验证最大相似度小于上阈值，更新设备通过使用输入图像替换替换图像来更新登记DB。相反，在操作570中，响应于验证最大相似度大于或等于上阈值，更新设备在登记DB中保持替换图像。

图7是示出选择替换图像的方法的示例的流程图。在一个示例中，更新设备首先选择存储最多的重叠信息的候选图像，并且选择如下的候选图像作为替换图像，其中，所述候选图像与其他候选图像相比，存储更多的与剩余的登记图像的重叠的信息。

参照图7，在操作610中，更新设备基于根据登记图像之间的重叠区域的大小计算的相似度，来选择将从登记图像中被替换的候选图像。由于大体相同或基本相似的登记图像在登记DB中不需要重复地保存，因此具有高相似度的登记图像被选择作为将被替换的候选图像，来删除重叠的登记图像。

更新设备检测与基于登记图像之间的重叠区域的大小计算的相似度中的最大相似度相应的登记图像。更新设备选择与最大相似度相应的登记图像作为将被替换的候选图像。在两个不同的图像之间计算基于重叠区域的大小计算的相似度，因此与最大相似度相应的候选图像可以是两个登记图像。

在操作620中，更新设备累积每个选择的候选图像与剩余的登记图像之间的相似度。在此，“剩余的登记图像”对应于除了将从登记图像中被替换的候选图像之外的剩余的登记图像。更新设备使用等式4来计算候选图像与剩余登记图像之间的累积相似度(cumulative similarity)。

[等式4]

$s\left(j\right)=\underset{i=1,i\≠j}{\overset{M}{\Σ}}{s}_{overlap}(i,j)$

在等式4中，s_overlap(i,j)表示第i个登记图像与第j个登记图像之间的相似度。第j个登记图像是两个候选图像之一。M表示登记图像的数量。在另一示例中，在i＝j的情况下，s_overlap(i,j)可被计算为与j无关的相同的值(例如，最大值)。因此，在计算s(j)时，可省略i＝j的情况。

例如，当登记图像的数量对应于“18”，并且将被替换的候选图像是第13登记图像和第18登记图像时，更新设备计算第13登记图像与剩余的登记图像之间的累积相似度s(13)，并且计算第18登记图像与剩余的登记图像之间的累积相似度s(18)。

在操作630中，更新设备从候选图像选择具有最高累积相似度的候选图像作为替换图像。更新设备在累积相似度s(13)和累积相似度s(18)之中选择具有更高相似度的候选图像，作为替换图像。

图8和图9是示出选择替换图像的方法的示例实施例的示图。

参照图8和图9，示出了登记图像710以及在三维(3D)矩阵中映射登记图像710之间的相似度的曲线图730和曲线图810。在曲线图730和曲线图810中，X轴和Y轴表示登记图像的索引，Z轴表示登记图像之间的相似度。

例如，当登记图像710中的登记图像713与登记图像716之间的相似度是最大相似度时，更新设备通过检测与标记在图9的曲线图810上的点815相应的登记图像，来检测具有最大相似度的登记图像。

曲线图830表示候选图像的累积相似度。曲线图830对应于被映射在3D矩阵中的图9的曲线图810的一维映射的结果。在曲线图830中，X轴表示登记图像的索引，Y轴表示累积相似度。

在一个示例中，当候选图像的索引对应于“13”和“18”时，更新设备将对应于第18登记图像的累积相似度s(18)与对应于第13登记图像的累积相似度s(13)进行比较。“更高的累积相似度”指示与其他登记图像更多的重叠，因此，更多重叠的登记图像被选择为替换图像。更新设备选择具有更高累积相似度的第18登记图像作为替换图像。当与第18登记图像相比时，第13登记图像具有相对高的覆盖新区域的可能性。

图10是示出更新登记DB的方法的示例实施例的流程图。

参照图10，在操作910中，更新设备接收输入图像。在操作920中，更新设备从输入图像提取有效图像。在操作930中，更新设备验证有效图像的大小是否大于第一阈值。在操作940中，响应于验证有效图像的大小大于第一阈值，更新设备计算认证分数。响应于验证有效图像的大小小于或等于第一阈值，更新设备拒绝认证，并且通过向用户提供指导用户输入新图像的短语，而在操作910中接收新的输入图像。

在操作940中，更新设备可使用各种方案来计算认证分数。例如，在一个示例实施例中，更新设备考虑重叠面积的大小来计算认证分数，在另一实施例中，更新设备不考虑重叠面积的大小来计算认证分数。更新设备可将输入图像划分为小块，计算各个块的分数，并且通过对各个块的计算的分数进行积分来计算认证分数。

在操作950中，更新设备验证认证分数是否大于预设的和/或选择的认证阈值。例如，预设的和/或选择的认证阈值是登记图像之间的认证分数。更新设备通过将认证分数与认证阈值进行比较，来执行针对输入图像的用户认证。响应于验证认证分数小于或等于预设的和/或选择的认证阈值，更新设备确定针对输入图像的用户认证失败。相反，响应于验证认证分数大于预设的和/或选择的认证阈值，更新设备接受用户认证。针对用户认证被接受的输入图像，检查输入图像是否将被更新为登记图像。

在操作970中，更新设备基于登记图像与针对用户认证被接受的输入图像之间的计算的相似度，来确定最大相似度。计算的相似度是基于重叠区域的大小计算的相似度。在下文中，输入图像可被解释为针对用户认证被接受的输入图像。

在操作980中，更新设备验证确定的最大相似度是否大于下阈值并且小于上阈值。上阈值对应于基于包括在登记DB 905中的登记图像之间的重叠区域的大小确定的最大相似度。例如，如之前所描述的，更新设备检测登记图像之中的具有最高相似度的成对的登记图像，并且将检测的成对的登记图像的相似度确定为第二最大相似度。第二最大相似度被用作上阈值。在一个示例中，当输入图像和登记图像具有预定的和/或选择的或者更大的重叠区域，并且最大相似度大于下阈值时，更新设备在登记DB中登记输入图像。下阈值的使用防止异常值被反映为登记指纹。

在操作960中，响应于验证最大相似度大于下阈值并且小于上阈值，更新设备更新登记DB 905。更新设备将输入图像添加到登记DB 905。更新设备如之前所描述的使用输入图像来替换登记DB 905的登记图像中的一个登记图像。在该示例中，在操作960中，更新设备基于根据登记图像之间的重叠区域的大小计算的相似度，从登记DB 905中的登记图像选择替换图像。响应于验证最大相似度小于下阈值或者大于上阈值，更新设备在操作960中不更新登记DB 905。

用于基于用于认证的时间自适应地更新登记DB的技术

图11是示出认证生物测量学信息的处理的示例实施例的示图。

参照图11，认证生物测量学信息的处理包括认证操作1110和自适应更新操作1120。

在认证操作1110中，执行输入图像的认证。例如，如之前所述的，在认证操作1110中，输入图像与包括在登记DB中的登记图像进行比较，并且计算分数。当计算的分数大于预定的和/或选择的认证阈值时，认证成功。相反，当计算的分数小于或等于预定的和/或选择的认证阈值时，认证失败。

在自适应更新操作1120中，执行用于更新登记DB的操作。例如，在自适应更新操作1120中，执行参照图1至图10所描述的基于根据重叠区域的大小计算的相似度来更新登记DB的方案。

尽管未在附图中示出，但是认证生物测量学信息的处理还可包括在认证操作1110之前的预处理操作。在预处理操作中，执行认证输入图像的预处理操作。预处理操作包括增强输入图像的操作以及在输入图像中检测有效面积的操作。

图12是示出登记DB的自适应更新的示例实施例的示图。

参照图12，认证生物测量学信息的处理具有最大允许时间的限制，在下文中，称作“最大允许时间”。当最大允许时间被确定时，将在最大允许时间内执行认证操作和自适应更新操作。

在一个示例中，在认证操作中采用通过多阶段认证方案减小搜索候选组并且执行认证的技术。多阶段认证方案包括两个操作：粗搜索和精细搜索，或者至少三个操作。在该示例中，通过在每个阶段最小化计算来减小搜索候选组，并且在最终阶段执行准确匹配。

响应于在最终阶段之前的早的阶段，计算结果大于或等于预定的和/或选择的分数，多阶段认证方案暂停认证或搜索操作，并且决定较早地接受。因此，保证认证准确性并且提高认证速率。

当使用多阶段认证方案时，在认证操作中使用的时间针对每个情况而变化。例如，用于在情况A中认证的时间比用于在情况D中认证的时间长。

当最大允许时间被确定时，允许自适应更新的时间随着用于认证的时间增加而降低。例如，情况A中的允许自适应更新的时间比在情况D中的允许自适应更新时间短。

示例实施例通过预测将被用于认证的时间以及未来可用的时间来选择更新DB的方法。示例实施例在最小化认证时间的同时提高认证性能。

例如，在仅在用于更新登记DB的时间被充分地保证(相似于情况D)时更新登记DB的情况下，指纹识别器的性能不能提高。这是因为较早地接收的输入图像具有与登记图像相似的较高的可能性。如参照图2所描述的，指纹识别器的识别率与登记面积成比例地增大。由于与登记图像高度相似的输入图像几乎不包括除了在登记图像中包括的信息之外的信息，因此尽管输入图像被添加登记DB，但是登记面积可能不增大。

当用于更新登记DB的时间被充分地保证(相似于情况D)以及在用于更新登记DB的时间不充分(相似于情况A)时，示例实施例更新登记DB。

图13是示出自适应地更新登记DB的方法的示例实施例的流程图。

参照图13，在操作1310中，更新设备收集生物测量学数据。例如，更新设备从指纹传感器接收包括指纹信息的输入图像。在操作1320中，更新设备执行认证。在一个示例中，更新设备在操作1320之前执行预处理操作。

响应于在操作1330中验证了认证被接受，在操作1340中，更新设备估计用于认证输入图像的时间。例如，更新设备使用定时器来测量用于认证输入图像的时钟计数，并且基于测量的时钟计数来估计用于认证输入图像的时间。更新设备还从估计的时间来预测自适应更新可用的时间。

在操作1350中，更新设备基于估计的时间自适应地更新登记DB。更新设备控制自适应更新，从而在最大允许时间内执行认证和自适应更新操作。

图14是示出多阶段认证器1400的示例实施例的框图。

参照图14，多阶段认证器1400包括与多个阶段相应的多个认证器。例如，多阶段认证器1400包括第一认证器1410和第二认证器1420。虽然未在附图中示出，但是多个阶段认证器1400可包括至少三个阶段。

第一认证器1410使用粗搜索来执行认证。第一认证器1410在使用粗搜索来将输入图像与登记图像进行比较的同时，验证认证分数是否大于或等于第一认证阈值。响应于认证分数大于或等于第一认证阈值，第一认证器1410接受认证并且终止认证操作。在该例子中，在时间t₁输出接受信号。

当在执行粗搜索时没有确定认证分数大于或等于预定的和/或选择的认证阈值时，第一认证器1410将缩小的搜索空间传送给第二认证器1420。例如，第一认证器1410按照认证分数的顺序从包括在登记DB中的登记图像提取预定的和/或选择的数量的候选组，并且将与提取的候选组相关的信息输出到第二认证器1420。

图15是示出粗搜索的示例实施例的示图。

参照图15，第一认证器1410通过将输入图像与每个登记图像进行比较，来计算认证分数。在一个示例中，第一认证器1410将等式1的NCC值用作为认证分数。在另一示例中，第一认证器1410将等式3的基于重叠区域的大小计算的相似度用作为认证分数。

再次参照图14，第二认证器1420在缩小的搜索空间中使用精细搜索来执行认证。第二认证器1420在使用精细搜索将输入图像与登记图像进行比较时，验证认证分数是否大于或等于第二认证阈值。响应于验证了认证分数大于或等于第一认证阈值，第二认证器1420接受认证并且终止认证操作。在该示例中，在时间t₂输出接受信号。时间t₂是时间t₁之后的时间。

响应于在缩小的搜索空间中，验证了认证分数不大于或等于第二认证阈值，第二认证器1420不认证输入图像并且终止认证操作。

图16是示出精细搜索的示例实施例的示图。

参照图16，第二认证器1420将输入图像划分为多个块。第二认证器1420通过块图像配准来计算块认证分数。第二认证器1420基于计算的块认证分数中的最高的K个块认证分数之和，或者平均值，来确定输入图像是否将被认证。

图17至图22是示出用于自适应地更新登记DB的更新设备的示例实施例的示图。

参照图17，更新设备1700包括认证模块1710、更新模块1720、时间估计模块1730、登记DB 1740和存储器1750(非暂时性计算机可读存储介质)。

认证模块1710认证输入图像并且输出接受信号或拒绝信号。时间估计模块1730响应于接受信号，来估计用于认证输入图像的时间或者针对自适应更新可用的时间。更新模块1720更新登记DB 1740。更新模块1720基于由时间估计模块1730估计的时间来控制登记DB 1740的更新。

认证模块1710包括候选选择器1711、第一认证器1712和第二认证器1713。参照图18，候选选择器1711接收输入图像。输入图像对应于预处理的结果。候选选择器1711从包括在登记DB 1740中的登记图像，提取第一候选组。候选选择器1711使用各种方法来提取第一候选组。

登记DB 1740包括与第一标识符id1相应的20个登记图像、与第二标识符id2相应的20个登记图像和与第三标识符id3相应的20个登记图像。第一标识符、第二标识符和第三标识符分别对应于同一用户的不同手指。60个登记图像对应于包括相应手指的指纹的部分的局部图像。

候选选择器1711通过在频域处理输入图像和登记图像来提取第一候选组。候选选择器1711生成表示傅里叶空间(Fourier space)中的输入图像与登记图像之间的相位相关度的第三图像，并且计算第三图像中的相位相关度的方差。候选选择器1711响应于计算的方差大于或等于预定的和/或选择的阈值，将相应的登记图像分类为第一候选组。

候选选择器1711将与第一候选组相关的信息传送到第一认证器1712。如将在随后详细描述的，在认证操作计算的结果被用于在自适应更新操作中以最小化计算复杂度。候选选择器1711将与第一候选组相关的信息存储在存储器1750中，以进一步用于自适应更新操作。

参照图19A，第一认证器1712接收与第一候选组相关的信息。第一认证器1712认证输入图像。参照图15描述的操作应用于第一认证器1712。然而，第一认证器1712仅使用第一候选组而不是使用登记DB 1740中的全部60个登记图像来认证输入图像。

当在认证期间，认证分数大于或等于第一认证阈值时，第一认证器1712输出接受信号。输出的接受信号被传送到时间估计模块1730。由第一认证器1712计算的结果被存储在存储器1750中，以进一步用于自适应更新操作。

当认证分数不大于或等于第一认证阈值时，第一认证器1712提取与最高的预定和/或选择数量的认证分数相应的第二候选组。第一认证器1712将与第二候选组相关的信息传送到第二认证器1713。与第二候选组相关的信息和由第一认证器1712计算的结果被存储在存储器1750中，以进一步用于自适应更新操作。

参照图19B，在存储器1750中存储登记单元的匹配信息和用于认证的操作计数或时间。在图19B中，s表示等式1的ncc或者等式3的S_overlap，area表示按照等式2的共有面积比或者重叠区域的大小。在一个示例中，存储在存储器1750中的表格的第一列和第一行中的信息对应于将输入图像与对应于拇指的标识符的多个登记图像中的具有索引“1”的登记图像进行比较的结果。

参照图20，第二认证器1713接收与第二候选组相关的信息。第二认证器1713认证输入图像。参照图16描述的操作被应用于第二认证器1713。当在认证期间认证分数大于或等于第二认证阈值时，第二认证器1713输出接受信号。输出的接受信号被传送到时间估计模块1730。由第二认证器1713计算的结果被存储在存储器1750中，以进一步用于自适应更新操作。当认证分数不大于或等于第二认证阈值时，第二认证器1713输出拒绝信号。

参照图21，时间估计模块1730接收接受信号。时间估计模块1730响应于接受信号，来估计用于认证输入图像的时间或者针对自适应更新可用的时间。更新模块1720基于输入图像和由时间估计模块1730估计的时间来更新登记DB 1740。

在一个示例中，更新模块1720基于输入图像与登记图像之间的重叠区域的大小，来计算最大相似度。在该示例中，更新模块1720仅确定输入图像与对应于接受标识符的20个登记图像之间的相似度，而不是确定输入图像与包括在登记DB 1740中的60个登记图像之间的全部相似度。为了将输入图像添加到登记DB 1740，20个分数计算被使用。然而，当20个登记图像中的一个登记图像被输入图像替换时，由于针对被替换的登记图像的分数计算被排除，因此19个分数计算被使用。

在该示例中，更新模块1720利用存储在存储器1750中的计算的结果(之前针对图18至图20所描述的)。参照图22，更新模块1720通过利用存储在存储器1750中的计算的结果来确定多个相似度中的一部分2210，以确定输入图像与对应于接受标识符的20个登记图像之间的相似度2200。

用于确定登记DB 1740是否通过更新模块1720被更新的分数计算计数对应于“20”或“19”。当输入图像与登记图像之间的分数已经被认证模块1710计算并且计算结果被存储在存储器1750时，更新模块1720可减小计算复杂度。例如，当输入图像与第一登记图像之间的第一相似度已经被第一认证器1712计算时，更新模块1720从存储器1750获得第一相似度。上述的操作可被称为分数重新使用方法。

更新模块1720尽最大努力来基于通过时间估计模块1730估计的时间，来计算未被确定的相似度2220。例如，第一认证器1712计算配准信息。配准信息包括通过图像配准的平移矢量和旋转角度。第一认证器1712通过旋转和平移图像来计算重叠面积比和NCC值。

当在配准操作中缺少相似重叠区域时，第一认证器1712省略随后的操作处理并且跳过随后的登记图像。通过这样的中间终止操作，平均认证时间减小。然而，缺少针对处理被中间终止的登记图像的分数。在该示例中，更新模块1720直接计算相似度。更新模块1720在允许的时间限内(例如，在最大允许时间内)计算相似度。

在时间不足够计算全部相似度的情况下，更新模块1720将剩余的相似度2230设置为预定的和/或选择的最小值。预定的和/或选择的最小值可以是小于图9A至图10示出的下阈值的值。上述的操作可被称为选择性的分数重新使用方法。

为了针对提供的时间来计算相似度2200，更新模块1720以随机的顺序或者登记图像的索引的顺序来处理登记图像。更新模块1720优先处理被选择作为第一候选组或第二候选组的登记图像。

通过下面的表1的算法来描述第一认证器1712的操作。

[表1]

通过下面的表2的算法来描述第二认证器1713的操作。

[表2]

通过下面的表3的算法来安排时间估计模块1730的操作。

[表3]

当使用输入图像来替换多个登记图像中的一个登记图像时，通过表4的算法来安排更新模块1720的操作。

[表4]

图23是示出自适应地更新登记DB的方法的示例实施例的流程图。

参照图23，在认证操作2310的子操作2311中，更新设备计算认证分数s。响应于在认证操作2310的子操作2312中验证计算的认证分数s大于认证阈值Th1，更新设备接受认证。响应于认证的接受，更新设备将针对认证计算的分数结果存储在存储器2330(非暂时性计算机可读存储介质)。

在更新操作2320的子操作2321和子操作2322中，更新设备在时间限制内更新区域分数S'。在子操作2321中，更新设备确定将被用于计算区域分数S'的各个区域的分数s'。在信息被存储在存储器2330的情况下，可通过更新设备从存储器2330加载各个区域分数s'。例如，可从存储器2330加载与拇指相应的第一登记图像、第二登记图像和第十九登记图像的各个区域分数s'。在信息不被存储在针对登记图像的存储器2330的情况下，更新设备确定认证分数s和重叠面积，并且基于认证分数s和重叠面积来计算与登记图像相关联的各个区域分数s'。例如，可通过f(s,area)来计算与拇指相应的第三登记图像至第十八登记图像的各个区域分数。在此，可满足f(s,area)＝s×area。

在子操作2322中，更新设备验证当前时间t是否在T_timelimit内。响应于验证当前时间t在T_timelimit内，操作2321可通过更新设备被重新预先执行，以针对随后的登记图像计算各个区域分数s'，并且更新区域分数S'。相反，响应于验证当前时间t超出T_timelimit，还未被计算的各个区域分数s'可被更新设备确定为由更新设备预定的和/或选择的值。例如，与拇指相应的第二十登记图像的各个区域分数可被设置为预定的和/或选择的最小值，例如，0.1。

在子操作2323中，更新设备验证区域分数S'是否在预定的和/或选择的第一阈值Th_{AREA_1}与第二阈值Th_{AREA_2}之间的范围内。可通过更新设备使用等式5来计算区域分数S'。

[等式5]

$S^{\′}=\frac{1}{M}{\mathrm{\Σ}}_{m=1}^M{\mathrm{sort}}_{decend}\left(s^{\′}\right)$

在等式5中，M表示预定的和/或选择的自然数，sort_decend(s')表示以降序排列各个区域分数的结果。通过等式5，区域分数S'可被更新设备计算为具有高的值的M个各个区域分数s'的平均。

当M是“1”时，区域分数S'可对应于最大相似度。在该示例中，子操作2323可对应于图10的操作980。

响应于验证区域分数S'是在第一阈值Th_{AREA_1}与第二阈值Th_{AREA_2}之间的范围内，登记DB可被更新设备更新。例如，当区域分数S'满足操作2323的条件时，登记图像可被添加到登记DB。

例如，包括在登记DB中的多个登记图像的数量可在以下的方案中被改变。

1、当针对第一时间登记用户时，18个图像被登记在登记DB中。

2、在使用指纹认证的处理中，通过将满足登记DB的更新条件的新指纹图像添加到登记DB，多达25个图像被登记。

3、当多达25个登记图像被保存时，通过使用满足登记DB的更新条件的新指纹图像替换登记图像来保持25个登记图像。

从登记DB删除登记图像以将指纹图像添加到登记DB的操作可被停用，或者从登记DB删除登记图像以使用指纹图像替换登记图像的操作可被启用。

在子操作2323中，第一阈值Th_{AREA_1}可对应于上阈值，第二阈值Th_{AREA_2}可对应于下阈值。在此，上阈值可以是多个登记图像之中的具有最多的重叠信息的更换候选的分数。尽管未在附图中示出，但是当将指纹图像添加到登记DB时，可不考虑上阈值。在该示例中，在子操作2323中，该方法可仅验证区域分数S'是否大于下阈值。响应于验证区域分数S'大于下阈值，相应的指纹图像可被添加到登记DB。

图24是示出用于更新登记DB的更新设备的示例实施例的框图。

参照图24，更新设备包括传感器2410、存储器2420(非暂时性计算机可读存储介质)、处理器2430和接收器2440。更新设备还包括模板管理器2450。传感器2410、处理器2430、接收器2440以及模板管理器2450通过总线2460彼此通信。

传感器2410可以是图1的传感器。传感器2410使用公知的方法(例如，将光学图像转换为电信号的方法)来捕获指纹图像。图像通过接收器2440输出到处理器2430。处理器2430被构造为通过执行存储在存储器2420中的指令，来执行图1至图23所描述的认证操作和更新操作。

在另一示例中，传感器2410可包括被构造为识别用户的血管图案的传感器。传感器2410从用户的手背上的皮肤提取血管图案。传感器2410使用红外光和滤波器来生成针对皮肤的血管的亮度对比度，并且获取包括血管图案的图像。处理器2430使用与血管图案相应的输入图像和血管图案的登记图像来更新登记DB。

参照图25，参照图1至图23所描述的认证指纹图案的技术被应用于认证血管图案的技术。例如，用户的智能手表2510感测用户的血管图案2520。通过粗搜索2520和精细搜索2580来认证由感测用户的血管图案2520生成的输入图像2530。作为粗搜索2550的结果，可从包括在登记DB 2540中的登记图像提取候选组2560。输入图像2530被划分为用于精细搜索2580的多个块2750。

在另一示例中，传感器2410可包括被构造为识别用户的虹膜图案的传感器。传感器2410扫描或捕获瞳孔和与用户眼睛的白色区域相应的巩膜之间的虹膜图案。处理器2430使用与虹膜图案相应的输入图像和虹膜图案的登记图像来更新登记DB。

存储器2420存储包括登记图像的登记DB。存储器2420存储包括由传感器2410捕获的生物测量学信息的输入图像以及新登记的输入图像。存储器2420可以是易失性存储器或者非易失性存储器。

处理器2430基于输入图像与登记图像之间的重叠区域的大小来确定最大相似度。处理器2430基于最大相似度与基于登记图像之间的重叠区域的大小设置的上阈值的比较结果，在登记DB中登记输入图像。处理器2430基于输入图像与多个登记图像之间的多个重叠区域的大小，来计算输入图像与登记图像之间的相似度，并且将相似度中的具有最大值的相似度确定为最大相似度。

处理器2430计算输入图像与登记图像中的一个登记图像之间的重叠区域中的相关度，并且计算输入图像与一个登记图像之间的重叠区域的大小。处理器2430基于相关度和重叠区域的大小，来计算输入图像与一个登记图像之间的相似度。此外，处理器2430执行参照图1至图23所描述的方法中的至少一个方法。

处理器2430执行程序，并且通过执行程序代码来控制更新设备。在存储器2420中存储由处理器2430执行的程序代码。更新设备通过输入/输出装置(未示出)被连接到外部装置(例如，个人计算机或网络)，并且与外部装置交换数据。

接收器2440接收包括由传感器2410感测的生物测量学信息的输入图像。

模板管理器2450基于根据登记图像之间的重叠区域的大小计算的相似度，从登记图像中选择替换图像。模板管理器2450基于根据登记图像之间的重叠区域的大小计算的相似度，从登记图像选择将被替换的候选图像。模板管理器2450计算每个候选图像与剩余的登记图像之间的相似度，并且从候选图像中选择具有最高累积相似度的候选图像作为替换图像。模板管理器2450可不被构造为如图24中所示的分开的元件，通过由处理器2430执行存储在存储器2420上的指令，来执行模板管理器2450的操作。

更新设备可被包括在各种电子系统中，例如，移动装置(诸如，移动电话、智能电话、个人数字助手(PDA)、平板计算机和膝上型计算机)、计算装置(诸如，个人计算机、平板计算机和上网本)和诸如电视、智能电视的电子产品)以及用于门控制的安全装置。

通过硬件组件或执行软件的硬件组件来实现附图中所示的执行在此描述的操作的设备、单元、模块、装置和其他组件。硬件组件的示例包括控制器、传感器、生成器、驱动器以及本领域普通技术人员所知的任何其他电子组件。在一个示例中，通过一个或多个处理器或计算机来实现硬件组件。通过一个或多个处理元件(诸如，逻辑门阵列、控制器和算术逻辑单元、数字信号处理器、微型计算机、可编程逻辑控制器、现场可编程门阵列、可编程逻辑阵列、微处理器或者本领域普通技术人员所知的能够以限定方式响应并执行指令以达到预期结果的任何其他装置或装置的组合)来实现处理器或计算机。在一个示例中，处理器或计算机包括或者被连接到存储由处理器或计算机执行的指令或软件的一个或多个存储器。由处理器或计算机实现的硬件组件执行指令或软件，诸如操作系统(OS)和在OS上运行的一个或多个软件应用，以执行在此描述的操作。硬件组件还可响应于指令或软件的执行而访问、操控、处理、创建和存储数据。为了简化，单数术语“处理器”或“计算机”可被用于在此描述的示例的描述，但是，在其他示例中，多个处理器或计算机被使用，或者处理器或计算机包括多个处理元件或多种类型的处理元件，或二者。在一个示例中，硬件组件包括多个处理器，在另一示例中，硬件组件包括处理器和控制器。硬件组件具有不同的处理配置中的任何一个或多个，不同的处理配置的示例包括：单个处理器、独立处理器、并行处理器、单指令单数据(SISD)多处理、单指令多数据(SIMD)多处理、多指令单数据(MISD)多处理以及多指令多数据(MIMD)多处理。

用于控制处理器或计算机实现硬件组件并且执行以上描述的方法的指令或软件被编写为计算机程序、代码段、指令或者它们的任何组合，以单独地或共同地指示或配置处理器或计算机如机器或专用计算机一样进行工作，以执行由硬件组件执行的操作和如以上描述的方法。在一个示例中，指令或软件包括直接地由处理器或计算机执行的机器代码(诸如，由编译器产生的机器代码)。在另一示例中，指令或软件包括由处理器或计算机使用解释器执行的高级代码。本领域的普通技术编程者能基于附图中所示的框图和流程图以及在公开了用于执行由硬件组件执行的操作和如以上描述的方法的算法的说明书中的相应描述，来容易地编写指令或软件。

用于控制处理器或计算机实现硬件组件和执行如以上描述的方法的指令或软件，以及任何相关的数据、数据文件和数据结构被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中或被记录、存储或固定在一个或多个非暂时性计算机可读存储介质上。非暂时性计算机可读存储介质的示例包括：只读存储器(ROM)、随机存取存储器(RAM)、闪存、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘，以及本领域普通技术人员所知的任何装置，其中，所述任何装置能够以非暂时性方式存储指令或软件以及任何相关数据、数据文件和数据结构，并且将指令或软件以及任何相关数据、数据文件和数据结构提供给处理器或计算机，从而处理器或计算机能执行指令。在一个示例中，指令或软件以及任何相关数据、数据文件和数据结构被分布在联网的计算机系统上，从而指令或软件以及任何相关数据、数据文件和数据结构以分布的方式被处理器或计算机存储、访问和执行。

虽然本公开包括特定示例实施例，但是，在不脱离权利要求及其等同物的精神和范围的情况下，可在这些示例中在形式和细节上进行各种改变对本领域的普通技术人员而言将是清楚的。在此描述的示例应仅被理解为描述性意义，而不是为了限制的目的。对每个示例中的特征或方面的描述应被理解为可应用于其他示例中的类似的特征或方面。如果以不同的顺序执行所描述的技术，和/或如果所描述的系统、构架、装置或电路中的组件以不同的方式来组合，和/或由其他组件或他们的等同物来替换或补充，则可获得合适的结果。因此，本公开的范围不是由详细描述来限定，而是由权利要求及其等同物来限定，并且在权利要求及其等同物的范围内的所有变化应被解释为被包括在本公开中。