指纹识别方法及其指纹识别装置制造方法
【专利摘要】本发明适用于生物识别【技术领域】，提供了一种指纹识别方法及其指纹识别装置，所述方法包括：利用统计学方法提取输入指纹图案的细节点；根据所述提取的细节点进行指纹匹配，得到指纹识别结果。本发明实施例提供的方法利用统计信息计算细节点的方向，为细节点增加具有统计意义的描述子，在匹配过程中，增加利用描述子进行细节点相似度计算以及利用重合区域的方向场与梯度场信息进行区域匹配，避免了传统算法中指纹特征表达的不稳定及特异性不强，提高了指纹识别的准确性。
【专利说明】指纹识别方法及其指纹识别装置
【技术领域】
[0001] 本发明属于生物识别【技术领域】，尤其涉及一种指纹识别方法及其指纹识别装置。
【背景技术】
[0002] 随着科技以及互联网技术的飞速发展，我们越来越多的应用网络的一些资源，个 人信息越来越多被输入到网络上，个人信息的泄露一直是一个待解决的问题，近年来生物 识别技术越来越受到人们的重视，因为指纹具有唯一性和稳定性。传统的指纹识别方法如 图1所示，包括指纹预处理、指纹细节点提取、指纹配准和匹配，其中在指纹细节点提取时， 为了增加细节点的信息，除了记录细节点的位置与方向外还增加了 3个参数，代表的是以 细节点为中心外接圆半径为定值的正三角形上三个顶点的方向，所以传统细节点的表达结 构为：[(xy) 9a Θ。]，0a、0b、Θ。分别代表细节点周围3个顶点的方向。而指纹很 容易发生变形，上述传统的细节点的表达的稳定性与特异性不够强，导致后续配准及匹配 的不准确。
【发明内容】
[0003] 本发明实施例的目的在于提供一种指纹识别方法及其指纹识别装置，旨在解决现 有的指纹识别方法在指纹变形时无法准确表达细节点的问题。
[0004] 本发明实施例是这样实现的，一种指纹识别方法，所述方法包括如下步骤：
[0005] 利用统计学方法提取输入指纹图案的细节点；
[0006] 根据所述提取的细节点进行指纹匹配，得到指纹识别结果。
[0007] 进一步地，所述利用统计学方法提取输入指纹图案的细节点包括：
[0008] 利用区域统计信息计算细节点的方向；
[0009] 根据所述细节点的方向，为所述细节点增加具有统计意义的描述子；
[0010] 提取所述细节点的三角顶点方向。
[0011] 进一步地，所述利用区域统计信息计算细节点的方向包括：
[0012] 选择某一细节点的统计区域；
[0013] 计算所述统计区域内所有细节点的梯度方向，并加权；
[0014] 根据所述统计区域内所有细节点的梯度方向及加权值，统计所述统计区域内所有 细节点的梯度方向分布；
[0015] 根据所述梯度方向分布做插值运算，得到方向分布函数；
[0016] 对所述方向分布函数求最大值，得到该细节点的方向，返回步骤选择某一细节点 的统计区域直到遍历输入指纹图像的所有细节点。
[0017] 进一步地，所述为细节点增加具有统计意义的描述子包括：
[0018] 选择某一细节点的描述子提取区域；
[0019] 根据所述描述子提取区域以及该细节点的方向确定区域四象限；
[0020] 计算所述区域四象限的所有细节点的梯度方向，并做插值运算；
[0021] 统计插值运算后的区域四象限的梯度分布，形成该细节点的描述子，返回步骤选 择某一细节点的描述子提取区域直到遍历输入指纹图像的所有细节点。
[0022] 进一步地，所述根据提取的细节点进行指纹匹配包括：
[0023] 计算细节点相似度；
[0024] 所述细节点相似度满足预设的第一阈值时，调节指纹图案；
[0025] 计算重叠区域的相似度；
[0026] 所述重叠区域的相似度满足预设的第二阈值时，判定匹配成功。
[0027] 本发明还提出一种指纹识别装置，其特征在于，所述装置包括：
[0028] 提取模块，用于利用统计学方法提取输入指纹图案的细节点；
[0029] 匹配模块，用于根据所述提取的细节点进行指纹匹配，得到指纹识别结果。
[0030] 进一步地，所述提取模块包括：
[0031] 第一计算单元，用于利用区域统计信息计算细节点的方向；
[0032] 描述子单元，用于根据所述细节点的方向，为所述细节点增加具有统计意义的描 述子；
[0033] 提取顶点方向单元，用于提取所述细节点的三角顶点方向。
[0034] 进一步地，所述第一计算单元包括：
[0035] 第一选择子单元，用于选择某一细节点的统计区域；
[0036] 计算方向子单元，用于计算所述统计区域内所有细节点的梯度方向，并加权；
[0037] 统计子单元，用于根据所述统计区域内所有细节点的梯度方向及加权值，统计所 述统计区域内所有细节点的梯度方向分布；
[0038] 第一插值子单元，用于根据所述梯度方向分布做插值运算，得到方向分布函数；
[0039] 第一循环子单元，用于对所述方向分布函数求最大值，得到该细节点的方向，返回 步骤选择某一细节点的统计区域直到遍历输入指纹图像的所有细节点。
[0040] 进一步地，所述描述子单元包括：
[0041] 第二选择子单元，用于选择某一细节点的描述子提取区域；
[0042] 确定子单元，用于根据所述描述子提取区域以及该细节点的方向确定区域四象 限；
[0043] 第二插值子单元，用于计算所述区域四象限的所有细节点的梯度方向，并做插值 运算；
[0044] 第二循环子单元，用于统计插值运算后的区域四象限的梯度分布，形成该细节点 的描述子，返回步骤选择某一细节点的描述子提取区域直到遍历输入指纹图像的所有细节 点。
[0045] 进一步地，所述匹配模块包括：
[0046] 第二计算单元，用于计算细节点相似度；
[0047] 调节单元，用于所述细节点相似度满足预设的第一阈值时，调节指纹图案；
[0048] 第三计算单元，用于计算重叠区域的相似度；
[0049] 判定单元，用于所述重叠区域的相似度满足预设的第二阈值时，判定匹配成功。
[0050] 本发明实施例一的方法利用统计信息计算细节点的方向，为细节点增加具有统计 意义的描述子，在匹配过程中，增加利用描述子进行细节点相似度计算以及利用重合区域 的方向场与梯度场信息进行区域匹配，避免了传统算法中指纹特征表达的不稳定及特异性 不强，提高了指纹识别的准确性。
【专利附图】
【附图说明】
[0051] 图1是现有技术的指纹识别方法的流程图；
[0052] 图2是本发明实施例一提供的指纹识别方法的流程图；
[0053] 图3是本发明实施例一提供的指纹识别方法中指纹预处理的流程图；
[0054] 图4是本发明实施例一提供的指纹识别方法中端点示意图；
[0055] 图5是本发明实施例一提供的指纹识别方法中非端点的细节点示意图；
[0056] 图6是本发明实施例一提供的指纹识别方法中叉点示意图；
[0057] 图7本发明实施例一提供的指纹识别方法中指纹特征表达的流程图；
[0058] 图8是本发明实施例一提供的指纹识别方法中计算细节点方向的流程图；
[0059] 图9是本发明实施例一提供的指纹识别方法中增加描述子的流程图；
[0060] 图10是本发明实施例一提供的指纹识别方法中象限划分示意图；
[0061] 图11是本发明实施例一提供的指纹识别方法中划分区域四象限的示意图；
[0062] 图12是本发明实施例一提供的指纹识别方法中匹配的流程图；
[0063] 图13是本发明实施例一提供的指纹识别方法中图像内容相似度的流程图；
[0064] 图14是本发明实施例二提供的指纹识别装置的结构图；
[0065] 图15是本发明实施例二提供的指纹识别装置中提取模块的结构图；
[0066] 图16是本发明实施例二提供的指纹识别装置中第一计算单元的结构图；
[0067] 图17是本发明实施例二提供的指纹识别装置中描述子单元的结构图；
[0068] 图18是本发明实施例二提供的指纹识别装置中匹配模块的结构图。
【具体实施方式】
[0069] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0070] 实施例一
[0071] 本发明实施例一提出一种指纹识别方法。如图2所示，本发明实施例一的方法包 括如下步骤：
[0072] S1、输入指纹图像。
[0073] S2、指纹预处理。即对输入的指纹图像在进行实际应用之前进行预备处理，将输入 的指纹图像转化成我们想要的形式，如图3所示，包括步骤：
[0074] S21、指纹图像场的计算
[0075] 为了识别输入图像的指纹部分，首先分析图像场。图像场包括强度场、梯度场和方 向场等等。所谓强度场即反应指纹图像某点明暗强弱的信息；所谓梯度场就是函数增长速 度最快的方向，梯度是一个向量，梯度的表达式可表示为：
[0076]
【权利要求】
1. 一种指纹识别方法，其特征在于，所述方法包括如下步骤： 利用统计学方法提取输入指纹图案的细节点； 根据所述提取的细节点进行指纹匹配，得到指纹识别结果。
2. 如权利要求1所述的方法，其特征在于，所述利用统计学方法提取输入指纹图案的 细节点包括： 利用区域统计信息计算细节点的方向； 根据所述细节点的方向，为所述细节点增加具有统计意义的描述子； 提取所述细节点的三角顶点方向。
3. 如权利要求2所述的方法，其特征在于，所述利用区域统计信息计算细节点的方向 包括： 选择某一细节点的统计区域； 计算所述统计区域内所有细节点的梯度方向，并加权； 根据所述统计区域内所有细节点的梯度方向及加权值，统计所述统计区域内所有细节 点的梯度方向分布； 根据所述梯度方向分布做插值运算，得到方向分布函数； 对所述方向分布函数求最大值，得到该细节点的方向，返回步骤选择某一细节点的统 计区域直到遍历输入指纹图像的所有细节点。
4. 如权利要求1至3中任一项所述的方法，其特征在于，所述为细节点增加具有统计意 义的描述子包括： 选择某一细节点的描述子提取区域； 根据所述描述子提取区域以及该细节点的方向确定区域四象限； 计算所述区域四象限的所有细节点的梯度方向，并做插值运算； 统计插值运算后的区域四象限的梯度分布，形成该细节点的描述子，返回步骤选择某 一细节点的描述子提取区域直到遍历输入指纹图像的所有细节点。
5. 如权利要求1至3中任一项所述的方法，其特征在于，所述根据提取的细节点进行指 纹匹配包括： 计算细节点相似度； 所述细节点相似度满足预设的第一阈值时，调节指纹图案； 计算重叠区域的相似度； 所述重叠区域的相似度满足预设的第二阈值时，判定匹配成功。
6. -种指纹识别装置，其特征在于，所述装置包括： 提取模块，用于利用统计学方法提取输入指纹图案的细节点； 匹配模块，用于根据所述提取的细节点进行指纹匹配，得到指纹识别结果。
7. 如权利要求6所述的装置，其特征在于，所述提取模块包括： 第一计算单元，用于利用区域统计信息计算细节点的方向； 描述子单元，用于根据所述细节点的方向，为所述细节点增加具有统计意义的描述 子； 提取顶点方向单元，用于提取所述细节点的三角顶点方向。
8. 如权利要求7所述的装置，其特征在于，所述第一计算单元包括： 第一选择子单元，用于选择某一细节点的统计区域； 计算方向子单元，用于计算所述统计区域内所有细节点的梯度方向，并加权； 统计子单元，用于根据所述统计区域内所有细节点的梯度方向及加权值，统计所述统 计区域内所有细节点的梯度方向分布； 第一插值子单元，用于根据所述梯度方向分布做插值运算，得到方向分布函数； 第一循环子单元，用于对所述方向分布函数求最大值，得到该细节点的方向，返回步骤 选择某一细节点的统计区域直到遍历输入指纹图像的所有细节点。
9. 如权利要求6至8中任一项所述的装置，其特征在于，所述描述子单元包括： 第二选择子单元，用于选择某一细节点的描述子提取区域； 确定子单元，用于根据所述描述子提取区域以及该细节点的方向确定区域四象限； 第二插值子单元，用于计算所述区域四象限的所有细节点的梯度方向，并做插值运 算； 第二循环子单元，用于统计插值运算后的区域四象限的梯度分布，形成该细节点的描 述子，返回步骤选择某一细节点的描述子提取区域直到遍历输入指纹图像的所有细节点。
10. 如权利要求6至8中任一项所述的装置，其特征在于，所述匹配模块包括： 第二计算单元，用于计算细节点相似度； 调节单元，用于所述细节点相似度满足预设的第一阈值时，调节指纹图案； 第三计算单元，用于计算重叠区域的相似度； 判定单元，用于所述重叠区域的相似度满足预设的第二阈值时，判定匹配成功。
【文档编号】G06K9/00GK104156707SQ201410401491
【公开日】2014年11月19日 申请日期:2014年8月14日 优先权日:2014年8月14日
【发明者】李洪生, 徐洪伟, 叶金春 申请人:深圳市汇顶科技股份有限公司