一种智慧城市指纹图像多特征快速匹配算法的制作方法

[0001]
本发明涉及一种智慧城市指纹图像多特征快速匹配算法。


背景技术：

[0002]
目前的指纹识别技术主要分为基于细节点特征、纹理特征的指纹匹配算法，需要进行大量的特征提取和匹配算法的运算，实时性能受到影响。随着智慧城市建设进程的不断推进，应用的不断深入，对指纹识别的实时性和准确性提出了更高的要求。当指纹库较大时，现有的算法仅仅计算指纹图像特征匹配度，匹配算法也仅仅针对特征点进行匹配，没有充分考虑指纹图像本身的特点来减少匹配次数加快匹配速度，当特征点的维度较高时，进行相似度计算的时间代价昂贵，使用简单的暴力匹配进行两幅指纹图像的匹配使得实时性得不到保障。
[0003]
加快指纹图像的指纹图像描述子匹配速度，提高指纹识别性能和匹配的实时性，是亟待解决的问题。


技术实现要素：

[0004]
本发明要解决的技术问题是：如何对指纹图像进行快速准确的匹配和识别。
[0005]
为了解决上述问题，本发明的技术方案是提供了一种智慧城市指纹图像多特征快速匹配算法，其特征在于，包括如下步骤：
[0006]
步骤1、对指纹图像进行采集，获取包含指纹信息的数字图像；
[0007]
步骤2、对步骤1采集到的指纹图像进行预处理，使得指纹的信息更加突出，指纹的纹路得到加强；
[0008]
步骤3、对处理后的指纹图像的指纹特征进行提取，并按照指纹分类特征构建指纹图像描述子数据库；
[0009]
步骤4、针对单幅指纹图像，根据不同的指纹图像构建指纹图像描述子，并对指纹图像描述子进行分层，包括第一层局部特征和第二层特征点向量特征；
[0010]
步骤5、按照指纹分类特征在指纹图像描述子数据库中寻找最匹配的待匹配指纹图像集合，对步骤4中指纹图像描述子进行分层匹配；
[0011]
步骤6、当第一层的局部特征匹配大于设定的阈值时，进行第二层特征点向量特征匹配；否则不进行第二层特征点向量特征的匹配，返回步骤5直接从待匹配的指纹图像集合中选取下一幅图像进行匹配。
[0012]
步骤7、当第二层特征点向量特征匹配的两幅指纹图像的相似度大于设定的阈值时，则判定两幅指纹图像匹配；否则返回步骤5，从待匹配的指纹图像集合中选取下一幅图像进行匹配。
[0013]
优选地，所述步骤1中通过传感器对指纹图像进行采集。
[0014]
优选地，所述预处理步骤包括指纹图像分割、增强、去噪、二值化和细化。
[0015]
优选地，所述指纹分类特征包含拱型、帐型、左箕型、右箕型、双箕型和斗型。
[0016]
优选地，所述步骤4中第一层局部特征包括纹理特征、方向场特征、脊线特征和纹数特征；第二层特征点向量特征包括端点特征、分叉点特征和交叉点特征。
[0017]
优选地，所述步骤7中进行第二层特征点向量特征匹配时，每个特征点以直角坐标系中特征点的类型、方向角度和坐标位置来特征向量化表示；当数据量太大，匹配时采用flann算法来降低高维度数据的最近点计算代价。
[0018]
与现有技术相比，本发明的有益效果是：
[0019]
(1)将指纹图像描述子存储时进行分类按照树形结构存储，在指纹匹配时减少了指纹匹配数量，加快了指纹匹配检索的速度。
[0020]
(2)高质量的指纹特征点较多，匹配时进行相似度的计算是一对多问题，本发明将特征进行分层，然后按照层进行匹配，当上层不能匹配过，不需要匹配下层。对高维度特征匹配时选择flann匹配算法，降低高维度数据匹配的代价。
附图说明
[0021]
图1为本发明一种智慧城市指纹图像多特征快速匹配算法指纹匹配流程图；
[0022]
图2为分类存储的指纹图像描述子示意图。
具体实施方式
[0023]
为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。
[0024]
本发明的技术方案是提供了一种智慧城市指纹图像多特征快速匹配算法，包括如下步骤：
[0025]
步骤1、指纹图像的采集：使用传感器获取包含指纹信息的数字图像，是包含0-255灰度级的灰度图像。
[0026]
步骤2、通过图像预处理模块对步骤1采集到的指纹图像进行预处理，主要是将指纹特征信息更加突出，包含指纹图像分割、指纹图像增强、去噪、二值化、细化等操作，将指纹的信息更加突出，指纹的纹路得到加强，提高特征提取的正确率。
[0027]
步骤3、指纹特征提取，可用于数据库构建和指纹特征匹配识别，前期构建指纹图像描述子数据库，后期用于指纹图像的匹配和识别。全局特征反映指纹图像整体特征，定义指纹分类特征包含6大类，包含拱型、帐型、左箕型、右箕型、双箕型和斗型。在减少一对多种来减少搜索量来提高匹配效率。按照上面的分类来进行指纹图像描述子的数据库构建。
[0028]
步骤4、针对单幅指纹图像，根据不同的指纹图像构建指纹图像描述子，并对指纹图像描述子进行分层组织结构，方便查询。具体第一层局部特征有纹理特征、方向场特征、脊线特征和纹数等一些图像的整体或局部特征。第二层特征有端点、分叉点、交叉点等一些特征点向量特征，如图2所示。
[0029]
步骤5、按照指纹分类特征在指纹图像描述子数据库中寻找最匹配的待匹配指纹图像集合，对步骤4中指纹图像描述子进行分层匹配；
[0030]
步骤6、当进行指纹特征匹配时，需要使用第一层局部特征和具有高区分度的第二层点特征来进行分层匹配。当第一层的局部特征匹配大于设定的阈值时，进行第二成特征点特征向量匹配；否则不进行第二层特征的匹配，返回步骤5直接从待匹配的指纹图像集合中选取下一幅图像进行匹配。此处的阈值根据具体业务安全系数来确定，如支付业务阈值
一般选择较高，普通可以选择低一些，一般阈值取经验值0.8-0.95即可，表示有80％-95％的特征可以匹配上。
[0031]
步骤7、当第二层特征点向量特征匹配的两幅指纹图像的相似度大于设定的阈值时，则判定两幅指纹图像匹配；否则返回步骤5，从待匹配的指纹图像集合中选取下一幅图像进行匹配。第二层匹配阈值可以和第一层阈值不同，一般取经验值0.8-0.95，表示有80％-95％的特征可以匹配上。
[0032]
进行第二类特征点匹配时，每个特征点以直角坐标系中特征点的类型type，方向角度θ，坐标位置(x,y)来特征向量化表示，当数据量太大，匹配时采用flann算法来降低高维度数据的最近点计算代价，当两幅指纹图像的相似度大于设定的阈值，则判定两幅指纹图像匹配，否则匹配下一幅图像。
[0033]
本发明将指纹图像描述子进行分类、分层存储，按照树形结构进行组织分类，优化存储结构，以减少匹配图像对比的次数。同时，提出对指纹图像的众多特征进行分层匹配，当浅层特征不匹配时，不进行进一步的深层特征匹配。针对每一层的高纬度特征匹配时间昂贵问题，采用flann匹配算法进行特征的匹配，flann针对大数据集合的高纬度特征进行相似度计算具有优势，可以加快匹配速度，降低高维度数据匹配的代价。