基於模板學習的指紋姿態矯正方法及系統的製作方法
2023-08-12 23:24:41
基於模板學習的指紋姿態矯正方法及系統的製作方法
【專利摘要】本發明提出一種基於模板學習的指紋姿態矯正方法，包括以下步驟：從多幅指紋圖像中生成多個候選模板，並對多個候選模板進行濾波以獲取候選模板集合；從候選模板集合中選擇優質模板；按照預定規則從當前指紋圖像中選取多個具有預定指紋特徵的點構成候選點集合；從候選點集合中選擇與優質模板相似度最高的候選點作為參考點；根據參考點將當前指紋圖像轉換到預定坐標系下以實現對當前指紋圖像的矯正。本發明實施例的方法，矯正精度高、性能可靠。本發明還提出一種基於模板學習的指紋姿態矯正系統。
【專利說明】基於模板學習的指紋姿態矯正方法及系統
【技術領域】
[0001]本發明涉及指紋處理【技術領域】，尤其涉及一種基於模板學習的指紋姿態矯正方法及系統。
【背景技術】
[0002]近年來隨著指紋識別技術快速發展，指紋識別系統的應用範圍進一步加大。然而同一手指在不同時間採集的指紋圖像之間的坐標系並不完全統一，導致指紋特徵(細節點等)在圖像中的位置有很大差別。正是這種差別影響了指紋匹配系統的快速匹配以及加密。指紋的姿態矯正被認為是解決這一問題的重要基礎步驟，它將不同時期採集的指紋轉換到統一的坐標系下，極大地簡化了指紋的特徵描述和匹配環節。
[0003]現有的指紋姿態矯正方法都基於參考點，參考點主要包括:奇異點、焦點和高曲率點。指紋姿態矯正算法用於將指紋統一在相同的坐標系下。一旦參考點檢測失敗，矯正也就無法進行，並將嚴重影響指紋匹配系統的性能。現有的參考點定義都基於專家經驗，並沒有很好的利用指紋圖像的統計分布規律，因此效果還不能令人滿意。
【發明內容】
[0004]本發明旨在至少在一定程度上解決相關技術中的技術問題之一。為此，本發明的第一個目的在於提出一種矯正精度高、性能可靠的基於模板學習的指紋姿態矯正方法。
[0005]本發明的第二個目的在於提出一種基於模板學習的指紋姿態矯正系統。
[0006]為了實現上述目的，本發明第一方面的實施例提出一種基於模板學習的指紋姿態矯正方法，包括以下步驟:從多幅指紋圖像中生成多個候選模板，並對所述多個候選模板進行濾波以獲取候選模板集合；從所述候選模板集合中選擇優質模板；按照預定規則從當前指紋圖像中選取多個具有預定指紋特徵的點構成候選點集合；從所述候選點集合中選擇與所述優質模板相似度最高的候選點作為參考點；根據所述參考點將所述當前指紋圖像轉換到預定坐標系下以實現對所述當前指紋圖像的矯正。
[0007]根據本發明實施例的基於模板學習的指紋姿態矯正方法，從多幅指紋圖像中獲取至少一個優質模板，利用優質膜板獲取當前指紋圖像的參考點，根據獲得的參考點將當前指紋圖像矯正到預定的坐標系下，以完成指紋姿態矯正。本發明實施例的方法，矯正精度高、性能可靠。
[0008]在一些示例中，所述從多幅指紋圖像中生成多個候選模板包括:對每幅所述指紋圖像進行採樣以獲取多個採樣點；對每個所述採樣點利用預定長度的描述向量表示。
[0009]在一些示例中,所述候選點採用所述預定長度的描述向量表示。
[0010]在一些示例中，利用匹配錯誤率或檢索成功率從所述候選模板集合中選擇優質模板。
[0011]本發明第二方面的實施例中提出一種基於模板學習的指紋姿態矯正系統，包括:模板生成模塊，用於從多幅指紋圖像中生成多個候選模板，對所述多個候選模板進行濾波以獲取候選模板集合，並從所述候選模板集合中選擇優質模板；候選點生成模塊，用於按照預定規則從當前指紋圖像中選取多個具有預定指紋特徵的點構成候選點集合；計算模塊，用於從所述候選點集合中選擇與所述優質模板相似度最高的候選點作為參考點；矯正模塊，用於根據所述參考點將所述當前指紋圖像轉換到預定坐標系下以實現對所述當前指紋圖像的矯正。
[0012]根據本發明實施例的基於模板學習的指紋姿態矯正系統，模板生成模塊從多幅指紋圖像中獲取至少一個優質模板，候選點生成模塊利用優質膜板獲取當前指紋圖像的參考點，矯正模塊根據獲得的參考點將當前指紋圖像矯正到預定的坐標系下，以完成指紋姿態矯正。本發明實施例的系統，矯正精度高、性能可靠。
[0013]在一些示例中，所述模板生成模塊從多幅指紋圖像中生成多個候選模板包括:對每幅所述指紋圖像進行採樣以獲取多個採樣點；對每個所述採樣點利用預定長度的描述向量表示。
[0014]在一些示例中，利用匹配錯誤率或檢索成功率從所述候選模板集合中選擇優質模板。
[0015]在一些示例中，所述候選點採用所述預定長度的描述向量表示。
【專利附圖】
【附圖說明】
[0016]圖1是根據本發明一個實施例的基於模板學習的指紋姿態矯正方法的流程圖；和
[0017]圖2是根據本發明一個實施例的基於模板學習的指紋姿態矯正系統的結構框圖。
【具體實施方式】
[0018]下面詳細描述本發明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用於解釋本發明，而不能理解為對本發明的限制。
[0019]在本發明的描述中，在步驟或者動作前面的標識，例如「步驟S101」?「步驟S103」或(1)-(4)僅用於描述本發明實施例的基於模板學習的指紋姿態矯正方法的目的，而不能理解為指示或暗示相對順序關係，因此不能理解為對本發明的限制。
[0020]參照圖1，本發明第一方面的實施例中提出一種基於模板學習的指紋姿態矯正方法，包括以下步驟:從多幅指紋圖像中生成多個候選模板，並對多個候選模板進行濾波以獲取候選模板集合；從候選模板集合中選擇優質模板；按照預定規則從當前指紋圖像中選取多個具有預定指紋特徵的點構成候選點集合；從候選點集合中選擇與優質模板相似度最高的候選點作為參考點；根據參考點將當前指紋圖像轉換到預定坐標系下以實現對當前指紋圖像的矯正。具體的實現過程如下:
[0021]步驟S101，從多幅指紋圖像中生成多個候選模板，並對多個候選模板進行濾波以獲取候選模板集合。
[0022]具體地，在本發明的一個實施例中，由多幅指紋圖像構成指紋圖像資料庫，對指紋圖像資料庫中的每幅指紋圖像進行採樣以獲取多個採樣點；對每個採樣點利用預定長度的描述向量E表示。
[0023]這些利用描述向量E表示的採樣點即為候選模板，在候選模板中存在明顯非優質模板，例如該指紋圖像的一定區域的方向場一致性過強。也存在許多重複模板，即類似的描述向量在多張指紋圖像中出現。在本發明的一個實施例中，濾除這些明顯非優質模板和重複模板，剩餘的所有描述就構成了候選模板集合。
[0024]步驟S102，從候選模板集合中選擇優質模板。
[0025]在本發明的一個實施例中，利用匹配錯誤率或者檢索成功率來衡量一個模板的好壞並確定至少一個優質模板T。
[0026](I)在本發明的一個實施例中，採用匹配算法來輸出兩幅指紋圖像的相似度。特別地，在進行匹配算法前，需利用步驟SlOl獲取的候選模板對指紋圖像資料庫中的指紋圖像進行矯正，然後再進行兩幅指紋圖像的匹配。
[0027]利用匹配錯誤率衡量是指首先對匹配算法的輸出相似度設定一個合理的閾值，將匹配算法的輸出轉化為匹配/非匹配兩種。然後以指紋圖像資料庫中的標註信息作為標準計算整個指紋圖像資料庫上的匹配錯誤率，匹配錯誤率低則代表為優質模板T。具體實現過程如下:
[0028](I)取來自同一手指的兩幅指紋圖像M1和M2,按照預定的採樣方法分別對M1和M2進行採樣，獲取多個具有預定指紋特徵的採樣點。採樣點的分布可以是圓形，正方形，矩形內的均勻，不均勻點陣，也可以是不規則的圖形。預定指紋特徵包括方向場，周期圖或者方向場與周期圖的組合。以方向圖為例，但實際使用時不限此。這樣通過採樣獲取多個具有方向的採樣點(x，y，θ)。特別的，採樣點利用與描述向量E相同長度的描述向量表示。
[0029]分別從M1和仏的多個採樣點(X，y, Θ )中選擇與候選模板相似度最高的採樣點作為M1和M2的參考點，即第一參考點和第二參考點。向量間的相似性度量有很多，在本發明的實施例中採用包括歐氏距離和向量夾角的方法，但不限於這兩種方法。
[0030](2)將同一手指的兩幅指紋圖像M1和M2分別根據第一參考點和第二參考點矯正到預定的坐標系，分別得到矯正後的指紋圖像M' 1和^ 2。
[0031](3)利用任意的指紋匹配算法計算M" i，和M' 2之間的匹配率。匹配率大於預設閾值，則判定候選模板為優質模板。
[0032]對於來自於同一根手指的兩幅指紋圖像，一個優質模板應該可以導致較高的匹配率；對於來自不同手指的兩幅指紋圖像，優質模板應該使它們之間的匹配率儘量小。
[0033](2)評價候選模板的檢索成功率，即檢測一個指紋圖像和其他指紋圖像的相似度，判斷該指紋圖像與指紋圖像資料庫標註信息中的對應指紋圖像的相似度在所有相似度中的次序(相似度從高到低)，若次序小於預設閾值，則判定為檢索成功。一個模板的優質程度可以利用檢索成功的指紋圖像的數目佔所有檢索的比例衡量，這一比例越高則模板越優質。
[0034]需要指出的是，本發明實施例的方法，可以訓練學習出不止一個優質模板T。為了保證多個優質模板T之間的互補性，在完成第一個優質模板T的選擇後，可以部分或全部去除該優質模板T已經解決的指紋圖像然後再尋找第二個優質模板T，三個或更多優質模板T的情況可以依次類推。
[0035]步驟S103，按照預定規則從當前指紋圖像中選取多個具有預定指紋特徵的點構成候選點集合。
[0036]具體地，在本發明的一個實施例中，按照預定的採樣方法對當前指紋圖像進行採樣，獲取多個具有預定指紋特徵的採樣點。採樣點的分布可以是圓形，正方形，矩形內的均勻，不均勻點陣，也可以是不規則的圖形。預定指紋特徵包括方向場，周期圖或者方向場與周期圖的組合。以方向圖為例，但實際使用時不限此。這樣通過採樣獲取的具有方向的點(χ,γ, θ)作為候選點P。在一幅指紋圖像中，離散的選取若干位置與角度的組合的多個候選點P作為候選點集合。
[0037]進一步地，在本發明的一個實施例中，利用預定長度的描述向量來描述候選點P，即為描述向量D。特別地，描述向量D的長度與優質模板的描述向量E的長度相同。
[0038]步驟S104，從候選點集合中選擇與優質模板相似度最高的候選點作為參考點。
[0039]具體地，從步驟S103獲取的候選點集合中選擇與步驟S102中獲取的優質模板T相似度最高的候選點作為參考點R。向量間的相似性度量有很多，在本發明的實施例中採用包括歐氏距離和向量夾角的方法，但不限於這兩種方法。
[0040]步驟S105，根據參考點將當前指紋圖像轉換到預定坐標系下以實現對當前指紋圖像的矯正。
[0041]基於參考點對當前指紋圖像進行矯正。當要比較兩幅指紋圖像I1,12時，應當利用基於同一模板(參考點)校正後的圖像進行匹配或檢索。應當注意的是，除了單獨的矯正，也可以根據參考點將I1變換到I2的坐標系；或將I1變換到I2的坐標系。只要矯正後的兩幅圖像中坐標相同的點代表了指紋相同位置即可，具體的變換方法可以有很多種。對本領域的技術人員而言都是已知的，在此處不做贅述。
[0042]根據本發明實施例的基於模板學習的指紋姿態矯正方法，從多幅指紋圖像中獲取至少一個優質模板，利用優質膜板獲取當前指紋圖像的參考點，根據獲得的參考點將當前指紋圖像矯正到預定的坐標系下，以完成指紋姿態矯正。本發明實施例的方法，矯正精度高、性能可靠。
[0043]本發明第二方面的實施例提出一種基於模板學習的指紋姿態矯正系統100，如圖2所示，包括:模板生成模塊10、候選點生成模塊20、計算模塊30和矯正模塊40。
[0044]模板生成模塊10用於從多幅指紋圖像中生成多個候選模板，對多個候選模板進行濾波以獲取候選模板集合，並從候選模板集合中選擇優質模板。候選點生成模塊20用於按照預定規則從當前指紋圖像中選取多個具有預定指紋特徵的點構成候選點集合。計算模塊30用於從候選點集合中選擇與優質模板相似度最高的候選點作為參考點。矯正模塊40用於根據參考點將當前指紋圖像轉換到預定坐標系下以實現對當前指紋圖像的矯正。
[0045]模板生成模塊10用於從多幅指紋圖像中生成多個候選模板，對多個候選模板進行濾波以獲取候選模板集合，並從候選模板集合中選擇優質模板。
[0046]具體地，在本發明的一個實施例中，由多幅指紋圖像構成指紋圖像資料庫，對指紋圖像資料庫中的每幅指紋圖像進行採樣以獲取多個採樣點；對每個採樣點利用預定長度的描述向量E表示。
[0047]這些利用描述向量E表示的採樣點即為候選模板，在候選模板中存在明顯非優質模板，例如該指紋圖像的一定區域的方向場一致性過強。也存在許多重複模板，即類似的描述向量在多張指紋圖像中出現。在本發明的一個實施例中，濾除這些明顯非優質模板和重複模板，剩餘的所有描述就構成了候選模板集合。
[0048]在本發明的一個實施例中，利用匹配錯誤率或者檢索成功率來衡量一個模板的好壞並確定至少一個優質模板T。
[0049](I)在本發明的一個實施例中，採用匹配算法來輸出兩幅指紋圖像的相似度。特別地，在進行匹配算法前，需利用模板生成模塊10獲取的候選模板對指紋圖像資料庫中的指紋圖像進行矯正，然後再進行兩幅指紋圖像的匹配。
[0050]利用匹配錯誤率衡量是指首先對匹配算法的輸出相似度設定一個合理的閾值，將匹配算法的輸出轉化為匹配/非匹配兩種。然後以指紋圖像資料庫中的標註信息作為標準計算整個指紋圖像資料庫上的匹配錯誤率，匹配錯誤率低則代表為優質模板T。具體實現過程如下:
[0051](I)取來自同一手指的兩幅指紋圖像M1和M2,按照預定的採樣方法分別對M1和M2進行採樣，獲取多個具有預定指紋特徵的採樣點。採樣點的分布可以是圓形，正方形，矩形內的均勻，不均勻點陣，也可以是不規則的圖形。預定指紋特徵包括方向場，周期圖或者方向場與周期圖的組合。以方向圖為例，但實際使用時不限此。這樣通過採樣獲取多個具有方向的採樣點(x，y，θ)。特別的，採樣點利用與描述向量E相同長度的描述向量表示。
[0052]分別從M1和仏的多個採樣點(X，y, Θ )中選擇與候選模板相似度最高的採樣點作為M1和M2的參考點，即第一參考點和第二參考點。向量間的相似性度量有很多，在本發明的實施例中採用包括歐氏距離和向量夾角的方法，但不限於這兩種方法。
[0053](2)將同一手指的兩幅指紋圖像M1和M2分別根據第一參考點和第二參考點矯正到預定的坐標系，分別得到矯正後的指紋圖像M' 1和^ 2。
[0054](3)利用任意的指紋匹配算法計算M" i，和M' 2之間的匹配率。匹配率大於預設閾值，則判定候選模板為優質模板。
[0055]對於來自於同一根手指的兩幅指紋圖像，一個優質模板應該可以導致較高的匹配率；對於來自不同手指的兩幅指紋圖像，優質模板應該使它們之間的匹配率儘量小。
[0056](2)評價候選模板的檢索成功率，即檢測一個指紋圖像和其他指紋圖像的相似度，判斷該指紋圖像與指紋圖像資料庫標註信息中的對應指紋圖像的相似度在所有相似度中的次序(相似度從高到低)，若次序小於預設閾值，則判定為檢索成功。一個模板的優質程度可以利用檢索成功的指紋圖像的數目佔所有檢索的比例衡量，這一比例越高則模板越優質。
[0057]需要指出的是，本發明實施例的模板生成模塊10，可以訓練學習出不止一個優質模板T。為了保證多個優質模板T之間的互補性，在完成第一個優質模板T的選擇後，可以部分或全部去除該優質模板T已經解決的指紋圖像，然後再尋找第二個優質模板T，三個或更多優質模板T的情況可以依次類推。
[0058]候選點生成模塊20用於按照預定規則從當前指紋圖像中選取多個具有預定指紋特徵的點構成候選點集合。
[0059]具體地，在本發明的一個實施例中，按照預定的採樣方法對當前指紋圖像進行採樣，獲取多個具有預定指紋特徵的採樣點。採樣點的分布可以是圓形，正方形，矩形內的均勻，不均勻點陣，也可以是不規則的圖形。預定指紋特徵包括方向場，周期圖或者方向場與周期圖的組合。以方向圖為例，但實際使用時不限此。這樣通過採樣獲取的具有方向的點(x, y, θ)作為候選點P。在一幅指紋圖像中，離散的選取若干位置與角度的組合的多個候選點P作為候選點集合。
[0060]進一步地，在本發明的一個實施例中，利用預定長度的描述向量來描述候選點P，即為描述向量D。特別地，描述向量D的長度與優質模板的描述向量E的長度相同。
[0061]計算模塊30用於從候選點集合中選擇與優質模板相似度最高的候選點作為參考點。
[0062]具體地，從候選點生成模塊20獲取的候選點集合中選擇與模板生成模塊10中獲取的優質模板T相似度最高的候選點作為參考點R。向量間的相似性度量有很多，在本發明的實施例中採用包括歐氏距離和向量夾角的方法，但不限於這兩種方法。
[0063]矯正模塊40用於根據參考點將當前指紋圖像轉換到預定坐標系下以實現對當前指紋圖像的矯正。
[0064]基於參考點對當前指紋圖像進行矯正。當要比較兩幅指紋圖像I1,12時，應當利用基於同一模板(參考點)校正後的圖像進行匹配或檢索。應當注意的是，除了單獨的矯正，也可以根據參考點將I1變換到I2的坐標系；或將I1變換到I2的坐標系。只要矯正後的兩幅圖像中坐標相同的點代表了指紋相同位置即可，具體的變換方法可以有很多種。對本領域的技術人員而言都是已知的，在此處不做贅述。
[0065]根據本發明實施例的基於模板學習的指紋姿態矯正系統，模板生成模塊從多幅指紋圖像中獲取至少一個優質模板，候選點生成模塊利用優質膜板獲取當前指紋圖像的參考點，矯正模塊根據獲得的參考點將當前指紋圖像矯正到預定的坐標系下，以完成指紋姿態矯正。本發明實施例的系統，矯正精度高、性能可靠。
[0066]在本發明的描述中，需要理解的是，術語「中心」、「縱向」、「橫向」、「長度」、「寬度」、「厚度」、「上」、「下」、「前」、「後」、「左」、「右」、「豎直」、「水平」、「頂」、「底」 「內」、「外」、「順時針」、「逆時針」、「軸向」、「徑向」、「周向」等指示的方位或位置關係為基於附圖所示的方位或位置關係，僅是為了便於描述本發明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對本發明的限制。
[0067]此外，術語「第一」、「第二」僅用於描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特徵的數量。由此，限定有「第一」、「第二」的特徵可以明示或者隱含地包括至少一個該特徵。在本發明的描述中，「多個」的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。
[0068]在本發明中，除非另有明確的規定和限定，術語「安裝」、「相連」、「連接」、「固定」等術語應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或成一體；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內部的連通或兩個元件的相互作用關係，除非另有明確的限定。對於本領域的普通技術人員而言，可以根據具體情況理解上述術語在本發明中的具體含義。
[0069]在本發明中，除非另有明確的規定和限定，第一特徵在第二特徵「上」或「下」可以是第一和第二特徵直接接觸，或第一和第二特徵通過中間媒介間接接觸。而且，第一特徵在第二特徵「之上」、「上方」和「上面」可是第一特徵在第二特徵正上方或斜上方，或僅僅表示第一特徵水平高度高於第二特徵。第一特徵在第二特徵「之下」、「下方」和「下面」可以是第一特徵在第二特徵正下方或斜下方，或僅僅表示第一特徵水平高度小於第二特徵。
[0070]在本說明書的描述中，參考術語「一個實施例」、「一些實施例」、「示例」、「具體示例」、或「一些示例」等的描述意指結合該實施例或示例描述的具體特徵、結構、材料或者特點包含於本發明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特徵、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外，在不相互矛盾的情況下，本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特徵進行結合和組合。
[0071]儘管上面已經示出和描述了本發明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發明的限制，本領域的普通技術人員在本發明的範圍內可以對上述實施例進行變化、修改、替換和變型。
【權利要求】
1.一種基於模板學習的指紋姿態矯正方法，其特徵在於，包括以下步驟: 從多幅指紋圖像中生成多個候選模板，並對所述多個候選模板進行濾波以獲取候選模板集合； 從所述候選模板集合中選擇優質模板； 按照預定規則從當前指紋圖像中選取多個具有預定指紋特徵的點構成候選點集合；從所述候選點集合中選擇與所述優質模板相似度最高的候選點作為參考點；以及根據所述參考點將所述當前指紋圖像轉換到預定坐標系下以實現對所述當前指紋圖像的矯正。
2.如權利要求1所述的方法，其特徵在於，所述從多幅指紋圖像中生成多個候選模板包括: 對每幅所述指紋圖像進行採樣以獲取多個採樣點； 對每個所述採樣點利用預定長度的描述向量表示。
3.如權利要求1所述的方法，其特徵在於，所述候選點採用所述預定長度的描述向量表不。
4.如權利要求1所述的方法，其特徵在於，利用匹配錯誤率或檢索成功率從所述候選模板集合中選擇優質模板。
5.一種基於模板學習的指紋姿態矯正系統，其特徵在於，包括: 模板生成模塊，用於從多幅指紋圖像中生成多個候選模板，對所述多個候選模板進行濾波以獲取候選模板集合，並從所述候選模板集合中選擇優質模板； 候選點生成模塊，用於按照預定規則從當前指紋圖像中選取多個具有預定指紋特徵的點構成候選點集合； 計算模塊，用於從所述候選點集合中選擇與所述優質模板相似度最高的候選點作為參考點；以及 矯正模塊，用於根據所述參考點將所述當前指紋圖像轉換到預定坐標系下以實現對所述當前指紋圖像的矯正。
6.如權利要求5所述的系統，其特徵在於，所述模板生成模塊從多幅指紋圖像中生成多個候選模板包括: 對每幅所述指紋圖像進行採樣以獲取多個採樣點； 對每個所述採樣點利用預定長度的描述向量表示。
7.如權利要求5所述的系統，其特徵在於，所述候選點採用所述預定長度的描述向量表不。
8.如權利要求5所述的系統，其特徵在於，利用匹配錯誤率或檢索成功率從所述候選模板集合中選擇優質模板。
【文檔編號】G06K9/66GK104331715SQ201410525149
【公開日】2015年2月4日 申請日期:2014年10月8日 優先權日:2014年10月8日
【發明者】周杰, 馮建江, 羅宇軒 申請人:清華大學