一種指紋識別方法和指紋識別系統的製作方法

2023-04-23 16:46:06

專利名稱：：一種指紋識別方法和指紋識別系統的製作方法
技術領域：
：本發明涉及指紋識別技術，更具體地說，涉及一種指紋識別方法和指紋識別系統。
背景技術：
：指紋識別技術為人們提供了一種更為精確的身份識別手段。圖1是現有指紋識別過程的示意圖。如圖1所示，現有的指紋識別過程包括註冊和在線兩個部分。在註冊部分，通過傳感器採集註冊用戶的指紋，然後提取特徵並將其登記到存儲器中。在在線部分，通過傳感器採集登錄者指紋，提取特徵並將其與存儲器中存儲的特徵進行匹配，輸出匹配結果。註冊部分往往發生在系統安裝後的參數設置階段，一旦註冊完成，存儲器中存儲的特徵便很少發生改變。在日常生活中脫皮現象經常發生，這給指紋的識別帶來了很大的困難。由於現有指紋識別系統無法頻繁更新存儲的指紋特徵，因此指紋脫皮達到一定程度時，系統往往無法識別。這一現象可從下面的圖2—圖4中得到理解。圖2是脫皮前採集的手指指紋，圖3和圖4是脫皮過程中不同時期採集的同一手指的指紋。如果在系統註冊時採集的是未脫皮的指紋(如圖2所示)，而實際使用時剛好發生脫皮現象(脫皮後的指紋如圖3和圖4所示)，那麼現有系統往往無法識別，這就極大的影響了系統的使用。為了解決脫皮導致的系統無法識別的問題，一些指紋識別系統採用不怕脫皮的指紋傳感器，也就是所謂的真皮傳感器來在註冊部分和在線部分中採集指紋。然而常見的真皮傳感器如超聲傳感器往往體積大，價格高昂貴，在一般的應用領域很少用到，不適於廣泛推廣。因此，需要一種指紋識別解決方案，能夠解決現有指紋識別系統無法識別脫皮指紋的問題。
發明內容本發明要解決的技術問題在於，針對現有指紋識別系統無法識別脫皮指紋的缺陷，提供一種指紋識別方法和指紋識別系統。本發明解決其技術問題所採用的技術方案是構造一種指紋識別方法，包括如下步驟-51、採集指紋圖像，提取其指紋特徵，並將該指紋特徵與指紋模板進行特徵匹配；52、在匹配成功後，依據該指紋特徵對指紋模板進行特徵更新。在本發明所述的指紋識別方法中，所述指紋特徵包括細節點特徵和奇異點特徵；細節點特徵可表示為Oc,y",a)、其中"y、P、？、A:分別表示細節點的橫坐標、縱坐標、奇異點的方向、細節點類型和權重係數；奇異點特徵可表示為(x，y^，y^，其中x、少、0、A分別表示奇異點的橫坐標、縱坐標、奇異點的方向和權重係數。在本發明所述的指紋識別方法中，所述細節點特徵中權重係數^的計算方法如下設細節點的鄰域內假細節點的數量為q，該鄰域內細節點的總數量為C2，該細節點與距其最近的細節點之間的距離為4，則該細節點特徵中權重係數A:採用如下公式計算A:=(5—c')c^+(6—c2)2+(A_4)a3其中c《5，c《6，4^/^16，q，a2，oc3是各項的比例係數，當。>5，c2>5，《16時,該項值取為最大值12ot3所述奇異點特徵中權重係數A的計算方法如下當奇異點的鄰域內存在真細節點時，取該鄰域內真細節點的權重係數的算術平均值作為該奇異點的權重係數h當該奇異點的鄰域內不存在真細節點時，取所採集指紋圖像中所有真細節點的權重係數的算術平均值作為該奇異點的權重係數A:。在本發明所述的指紋識別方法中，所述特徵匹配的過程如下.-Al、計算所採集指紋圖像與指紋模板的匹配值S，其具體過程如下；All、計算指紋模板與所採集指紋圖像的重疊區域；A12、將指紋模板與所採集指紋圖像進行細節點匹配，計算細節點匹配分數&，其具體過程如下設指紋模板的細節點/和所採集指紋圖像的細節點/相匹配，細節點/的細節點特徵為Oc,，乂,《.,K)r，對應匹配上的細節點y的細節點特徵為Oc,，^,^。,、)、則細節點/和y的貢獻分數^為formulaseeoriginaldocumentpage9其中義。，A，義2，義3，人是經驗常數；細節點匹配分數&為指紋模板中所有匹配細節點貢獻分數的和，即A13、將指紋模板與所採集指紋圖像進行奇異點匹配，計算奇異點匹配分數&，其具體過程如下設指紋模板的奇異點z'和所採集指紋圖像的奇異點7相匹配，奇異點/的奇異點特徵是(^>;,^,>廣，對應匹配上的奇異點7的奇異點特徵是(X,^，A,A:y，則奇異點/和y的貢獻分數i^為其中《。是經驗常數；對於無法匹配的奇異點，如果這些奇異點在重疊區域外，那麼對於任意組合&=0;如果在重疊區域內，那麼對於任意組合&=0，其貢獻分9&=-Vfe-、)"+(少'-^)2-屍。-min(^,~)其中，P。是經驗常數；奇異點匹配分數^為所有奇異點貢獻分數的和，即A14、計算調整分數&，其具體過程如下將指紋模板處於重疊區域內的未匹配細節點/取出來，計算該未匹配細節點f的位置^,;0在所採集指紋圖像中的權重係數《，《計算過程是，將所採集指紋圖像中位置為0c,.,7,.)的細節點的鄰域內的細節點權重係數取算術平均值，作為《的數值，則未匹配細節點/的調整分數&為其中A，A都是小於O的經驗常數；調整分數&為指紋模板中處於重疊區域內的所有未匹配細節點調整分數A的和，艮口A15、依據細節點匹配分數&、奇異點匹配分數&和調整分數&計算匹配值S:A2、將匹配值S與匹配閾值進行比較，若匹配值S大於匹配閾值，則匹配成功。在本發明所述的指紋識別方法中，所述特徵更新的過程如下Bl、調整所述指紋模板中細節點的權重係數，其具體過程如下Bll、調整重疊區域內所述指紋模板中與所採集指紋圖像相匹配的細節點的權重係數，其具體過程如下設指紋模板的細節點/和所採集指紋圖像的細節點_/相匹配，則特徵更新後該細節點/的權重係數《為^=max(,、)+^min(，~)其中，n>0;B12、調整重疊區域內指紋模板中未能與所採集指紋圖像相匹配的細節點的權重係數，其具體過程如下設該細節點為/，那麼註冊完成後其權重係數足為S=、-0.5"A:;其中0<y2<0.5，《為未匹配細節點/的位置(^^)在所採集指紋圖像中的權重係數；B13、調整重疊區域外指紋模板中未能與所採集指紋圖像相匹配的細節點的權重係數，其具體過程如下設該細節點為/，那麼註冊完成後其權重係數《為《=(1-6風其中0</20。在本發明所述的指紋識別方法中，所述指紋模板的生成過程如下Cl、採集第一註冊指紋圖像，提取第一指紋特徵；C2、採集第二註冊指紋圖像，提取第二指紋特徵；C3、將第一指紋特徵與第二指紋特徵進行特徵匹配；C4、在匹配成功後，使用第二指紋對第一指紋特徵進行特徵更新，並將更新後的第一指紋特徵分別存儲為原始指紋模板和最新指紋模板。在本發明所述的指紋識別方法中，所述指紋模板的生成過程還包括C5、採集第三註冊指紋，提取第三指紋特徵；C6、將第三指紋特徵與所述原始指紋模板進行特徵匹配；C7、在匹配成功後，使用第三指紋特徵對原始指紋模板和所述最新指紋模板進行特徵更新。在本發明所述的指紋識別方法中，在所述步驟S1中，將所採集指紋圖像的指紋特徵分別與所述原始指紋模板和最新指紋模板進行特徵匹配；在所述步驟S2中，在所採集指紋圖像的指紋特徵與原始指紋模板和最新指紋模板二者至少之一匹配成功後，依據該指紋特徵對最新指紋模板進行特徵更新。在本發明所述的指紋識別方法中，所述指紋特徵包括輪廓特徵。本發明還提供了一種指紋識別系統，包括指紋採集模塊，用於採集指紋圖像，還包括指紋識別模塊，用於採集指紋圖像，提取所採集指紋圖像的指紋特徵，並將該指紋特徵與所存儲的指紋模板進行特徵匹配，並在匹配成功後，依據該指紋特徵對指紋模板進行特徵更新。實施本發明的技術方案，具有以下有益效果依據匹配成功的指紋特徵對最新指紋模板進行特徵更新，可時時掌握指紋脫皮過程中最新的指紋特徵信息，再配合使用原始指紋模板，便可實現指紋在未脫皮和脫皮過程中各個階段的精確匹配。同時，本方案是通過對指紋圖像進行處理來實現的，不依賴於傳感器技術，因而成本低廉，且適用於各類指紋傳感器。下面將結合附圖及實施例對本發明作進一步說明，附圖中圖1是現有指紋識別過程的示意圖2是在指紋脫皮前採集的指紋示意圖3—圖4是圖2所示指紋在脫皮過程中不同時期採集的指紋示意圖5是本發明指紋註冊過程的流程圖6是本發明匹配值計算過程的流程圖7是校準後指紋圖像的重疊示意圖8是本發明指紋模板生成過程的流程圖9是本發明指紋識別和特徵更新過程的流程圖io是本發明指紋識別系統的結構示意圖。具體實施例方式指紋識別過程實際上是指紋信息的匹配過程，具體來說，就是將從現場採集的指紋圖像中提取的指紋特徵，與預先存儲的指紋模板中的指紋特徵進行匹配。因此不難看出，指紋特徵是指紋識別過程中的關鍵數據，其中記載的信息直接影響匹配結果的精確性。本發明提供了一種新的指紋特徵結構，其具體結構如下特徵頭指紋輪廓信息指紋奇異點信息指紋細節點信息表1從表1中可以看到，本發明提供的指紋特徵包括特徵頭、輪廓特徵、奇異點特徵和細節點特徵四個部分。基於像素來描述指紋圖像的輪廓特徵不適於反應紋線的走向，因此本發明採用了如下方式來提取指紋圖像的輪廓特徵將指紋圖像劃分為大小為WHxWH(WH為像素的數量)的方格，對於每一方格，如果將其判定為背景，則將其值設為0;如果將其判定為前景，則將其值設為l。這樣一來，對於典型的256x288的指紋圖像，WH的值可以設為16，這樣一來，便可將256x288的指紋圖像劃分為288(16x18)個方格，其背景表只需用36位元組(16xl8bit)就可以表示。在本發明的技術方案中，奇異點特徵可以表示為(x,y^^f，其中;c、y、0、^分別表示奇異點的橫坐標、縱坐標、奇異點的方向和權重係數。奇異點可分別為中心點和三角點兩類，一般的指紋最多有2個中心點和2個三角點。奇異點特徵的數據結構如下tableseeoriginaldocumentpage14表2從上表可以看出，本發明的奇異點信息中前兩個是中心點信息，後兩個是三角點信息。細節點特徵是指紋特徵中最重要的特徵，是指紋匹配和特徵更新過程中用到最多的數據。在本發明的技術方案中，細節點特徵表示為0c，y,^"、其中;c、y、0、f、A:分別表示細節點的橫坐標、縱坐標、細節點的方向、細節點類型和權重係數。其中，細節點可分為分叉點和端點兩類。細節點特徵的數據結構如下tableseeoriginaldocumentpage14表3對於奇異點和細節點特徵中的橫坐標、縱坐標、方向和類型等參數的計算，現有技術中已經給出了具體方法，因此本文不再贅述。而奇異點和細節點特徵中的權重係數^:是本發明技術方案的重要內容，其在生成指紋模板和指紋模板的特徵更新過程中都具有重要的作用，下文首先來描述一下細節點特徵和奇異點特徵中權重係數A:的計算過程。在計算細節點特徵的權重係數t之前，首先要從預處理後(預處理過程將在下文結合圖5進行描述)的指紋圖像中提取細節點。在具體實現過程中，可採用現有的任一種方式來提取細節點，例如但不限於採用八鄰域法從預處理後的指紋圖像中提取細節點。在指紋的採集過程中，受各種因素(例如但不限於指紋的清潔程度、按壓輕重程度等)的影響，採集的圖像一般都會存在一些質量問題，例如圖像含有端紋、褶皺，圖像模糊等。因此，提取到的細節點中會包含很多假細節點。假細節點的大量存在會對後面的操作產生負面影響，因此需要在計算細節點的權重係數A:之前濾除假細節點。本發明採用如下規則清除假細節點1、邊際的假細節點如果以細節點為圓心、以A為半徑的區域內有背景的話，那麼這類細節點稱為邊際的假細節點。2、相對的平行端點如果兩個端點之間的距離小於&，且它們的方向相對，而且它們之間沒有和其他像素相交，那麼這類端點是由於指紋脊線斷開產生的假細節點。3、散亂端點如果一個端點和其他2個端點之間的距離小於丄2，則這三個端點都是假細節點。4、毛刺端點如果一個端點在L3個像素內能夠碰到一個分叉點，那麼這個端點是毛刺造成的假細節點。5、毛刺分叉點如果分叉點的兩條分支在丄4個像素內到達端點，或者某一個分支在丄5個像素內達到另外一個分叉點，那麼這些三個細節點是假細節點。6、橋接分叉點如果分叉點的一個分支在丄6個素到達另外一個分叉點，並且角度差大於60度，接近垂直，那麼這兩個分叉點是假細節點。7、三角分叉點如果分叉點的兩個分支在丄6個像素到達另外兩個分叉點，那麼這些三個分叉點是假細節點。8、散亂分叉點如果分叉點半徑為A的鄰域內有4個以上的細節點(包括假細節點)，那麼該分叉點和這些細節點是假細節點。上面各個參數需要按照傳感器的類型進行調整，其典型取值如下:^=16，^=20，丄2=13，丄3=8，丄4=12，丄5=10，丄6=10。在按照上述方式判斷出真假細節點後，本發明採用下面的方法計算細節點的權重係數。對於某個細節點，假定以其為圓心、以及2(其取值為例如但不限於20~36，典型取值30)為半徑的鄰域內假細節點的個數為q，鄰域內總的細節點個數c2，這個細節點與距其最近的細節點之間的距離為A，那麼這個細節點的權重係數A可以用下面的線性公式計算A:=(5-+(6—。)a2+(A—爭3(公式1)其中c《5，c《6，4y《16，而apct2，《3是各項的比例係數，典型取值cd二3，oc2=2，cc3=2，而當Cl>5，c2>5，^16時該項值取為最大值12a3。在計算奇異點的權重係數A:時，取以該奇異點為圓心、以及3(例如及3=20)為半徑的鄰域內真細節點的權重係數的平均值作為該奇異點的權重係數。如果該鄰域內不存在真細節點，那麼取指紋圖像中所有真細節點的權重係數的算術平均值作為奇異點的權重係數A;。在計算指紋圖像的權重係數&時，將所有真細節點的權重係數的算術平均值作為指紋圖像的權重係數。在闡述完權重係數的計算方法後，下文來描述本發明指紋註冊過程的具體流程。圖5是本發明指紋註冊過程的流程圖。如圖5所示，本流程開始於步驟500，採集用戶同一手指的兩枚指紋，分別標記為第一指紋圖像和第二指紋圖像。在下一步驟502，對第一指紋圖像和第二指紋圖像進行預處理，並按照上文描述的方法生成第一指紋特徵和第二指紋特徵，例如上述指紋圖像的輪廓特徵、奇異點特徵和細節點特徵。在下一步驟504，將第一指紋特徵與第二指紋特徵進行特徵匹配，分別計算細節點匹配分數、奇異點匹配分數和調整分數，然後對計算結果求和，生成匹配值。在下一步驟506，判斷計算得到的匹配值是否大於預先設定的匹配閾值，若是，則轉到步驟508，依據第一指紋特徵和第二指紋特徵生成指紋模板，否則轉到步驟510，註冊失敗，重新啟動註冊過程。以下就對上述步驟進行詳細描述。在步驟500中，可參照現有的任何一種方法來採集用戶的指紋，例如但不限於油墨按壓和儀器採集等方法，採集指紋所使用的採集器件可以使用例如但不限於CMOS指紋傳感器、熱敏傳感器和超聲波傳感器等。受指紋採集設備的精度、指紋表面的清潔程度以及按捺指紋時用力均勻程度等原因的影響，採集到的指紋圖像往往存在各種各樣的問題，例如指紋像不清晰等。因此，在採集完指紋之後，還需要在步驟502中對採集的指紋圖像進行預處理，改善採集到的指紋圖像的質量，然後才能進行下一步的操作。預處理過程可包括，例如但不限於，對採集的指紋圖像提取方向圖，即計算指紋圖像每個像素的方向；採用例如但不限於Gabor濾波算法對指紋圖像進行濾波；對濾波後的指紋圖像進行二值化處理，即根據每個像素點的方向將指紋圖像處理為僅包含黑色和白色的圖像；根據二值化處理得到的圖像，把指紋的脊線寬度細化為只包含一個像素，生成指紋細化圖等等。以下結合圖6重點描述一下步驟504中匹配值的生成過程。圖6是本發明匹配值計算過程的流程圖。如圖6所示，本流程開始於步驟600，在對預處理後的第一指紋圖像和第二指紋圖像進行校準後，計算第一和第二指紋圖像的重疊區域，如圖7所示。在下一步驟602，對第一和第二指紋圖像進行細節點匹配。在下一步驟604，計算細節點匹配分數&，其具體計算過程如下假定第一指紋圖像的細節點/和第二指紋圖像的細節點y相匹配。細節點/校準後的細節點特徵是(x,，^,《,K)、對應匹配上的細節點y的特徵是(,^，^^H則細節點/和y的貢獻分數&為=A0+!^!!(^，、)-;1^-/」—義2卜,-JC」—義3卜,一力|-義4|《一0」(公式2)其中義。，A，義2，義3，人是大於o的經驗常數(上述參數的取值範圍可以是例如但不限於0100，典型取值;1。=30，&=4，義2=1,A3=l，義4=1)。細節點匹配分數&為第一指紋圖像中所有匹配細節點貢獻分數的和，即Sm=IX.(公式3)在下一步驟606，對第一和第二指紋圖像進行奇異點匹配。在下一步驟608，計算奇異點匹配分數&，其具體計算過程如下假定第一指紋圖像的奇異點/和第二指紋圖像的奇異點y相匹配。奇異點/校準後的奇異點特徵是(x,，j^,，ybf，對應匹配上的奇異點/的特徵是(jc0,A，^，則奇異點/和y的貢獻分數^為(公式4)其中K。是經驗常數(其取值範圍可以是例如但不限於0<《。20，典型取值戶。=30)，無法匹配的奇異點/和7可使用例如但不限於遍歷的方式在第一指紋特徵和第二指紋特徵的奇異點組合中進行選取。奇異點匹配分數Sp為所有奇異點貢獻分數的和，即、=1^(公式6)在下一步驟610，計算調整分數&,其具體計算過程如下將第一指紋圖像校準後處於重疊區域內的未匹配細節點/取出來，首先計算這個未匹配細節點Z的位置(x,.,j;,.)在第二指紋圖像中的權重《。《計算過程是，將在以點(Xi,x.)為圓心、以及4(其取值範圍可以是例如但不限於^>16,典型取值為20)半徑的鄰域內的第二指紋圖像的細節點權重係數取算術平均值，如果這個鄰域內沒有細節點存在，那麼取第二指紋圖像的權重係數&作為《的數值。這個未匹配細節點/的調整分數&為A=Amin(、，A;;)+(公式7)其中A，A都是小於o的經驗常數，典型值為^=-0.8，A=_2。調整分數4為第一指紋圖像校準後處於重疊區域內的所有未匹配細節點調整分數A的和，即S=J>,(公式8)在下一步驟612，計算匹配值S，其為細節點匹配分數&、奇異點匹配分數&和調整分數&三者之和，即S:^++^(公式9)按照圖5中的步驟506，若匹配值S大於預先設定的匹配閾值(其取值範圍可以是例如但不限於1001000，典型取值200)，則在步驟508中依據第一指紋圖像和第二指紋圖像生成指紋模板。以下就結合圖8來描述一下圖5中步驟508中指紋模板的生成過程。圖8是本發明指紋模板生成過程的流程圖。指紋模板的生成原則是一前一指紋圖像(第一指紋圖像)為基礎模板，使用後一指紋圖像(第二指紋圖像)的指紋特徵(第二指紋特徵)來調整前一指紋圖像的指紋特徵(第一指紋特徵)。如圖8所示，本流程開始於步驟800,首先計算輪廓特徵，指紋模板中的輪廓特徵為第一指紋圖像和第二指紋圖像輪廓特徵的合併集合，因此兩幅圖像輪廓特徵合併後會比第一指紋圖像和第二指紋圖像大。在下一步驟802，調整細節點權重係數，即使用第二指紋特徵中的細節點特徵來調整第一指紋特徵中的細節點特徵，其中進一步包括1、調整重疊區域內匹配細節點的權重係數；2、調整重疊區域內未匹配細節點的權重係數；3、調整重疊區域外未匹配細節點的權重係數。對於重疊區域內匹配的第一指紋圖像的細節點，由於此類細節點是比較可靠的細節點，所以將增加其權重係數。假定第一指紋圖像的細節點/和第二指紋圖像的細節點/相匹配，那麼註冊完成後其權重係數《按如下方式計算《.二max(A:'.，A:乂)+Amin(夂，A:乂)(公式10)其中，}^>0。需要為調整後的權重係數《定義一個上限值A:^，例如*_=100。對於重疊區域內未匹配的第一指紋圖像的細節點，由於此類細節點可靠程度較低，所以將降低其權重係數。設該未匹配細節點為/，那麼註冊完成後其權重係數《《=A:,—0.5,2(《+&)(公式11)其中，0<y2<0.5，《的計算方法如圖6中步驟610所述。需要為調整後的權重係數《定義一個下限值、,。，例如將其設置為第一指紋圖像和第二指紋圖像的所有細節點權重係數的最小值。對於重疊區域外未匹配的第一指紋圖像的細節點，假定該未匹配細節點為/，那麼註冊完成後其權重係數^按如下方式計算S=(i-r2)A(公式12)其中0<y2<0.5。在下一步驟804，調整奇異點權重係數，其中進一步包括1、調整匹配奇異點權重係數；2、調整未匹配奇異點權重係數。對於匹配奇異點權重係數，可按上文公式10來調整其權重係數。對於未匹配奇異點權重係數，其權重係數不作調整，保留其原有的權重係數。在下一步驟806，將調整後的輪廓參數、細節點權重係數和奇異點權重係數，按照上文描述的格式存儲為原始指紋模板r。和最新指紋模板j;。在註冊過程中，模板r。和j;是相同的。上述流程描述的是使用兩張指紋圖像來生成指紋模板的過程，對於兩張以上的指紋圖像，可將第三張指紋圖像的指紋特徵與生成的原始指紋模板r。或最新指紋模板r,(在註冊部分，模板r。和z;是相同的)進行特徵匹配，在匹配值大於預先設定的匹配閾值時，使用第三張指紋圖像的指紋特徵來對原始指紋模板r。和最新指紋模板j;進行特徵更新，然後按照上述方法存儲為新的原始指紋模板r。和最新指紋模板7;。第四張及其他的指紋圖像的處理方法與第三張指紋圖像相同。在闡述完指紋註冊過程之後，下文來描述一下本發明識別匹配和特徵更新過程的具體流程。圖9是本發明指紋識別和特徵更新過程的流程圖。如圖9所示，本流程開始於步驟900，現場採集用戶指紋。在下一步驟902，對現場採集的指紋圖像進行預處理，並按照上文描述的方法生成指紋的指紋特徵，例如指紋的輪廓特徵、奇異點特徵和細節點特徵。在下一步驟904，將生成的指紋特徵分別與原始指紋模板r。和最新指紋模板z;進行特徵匹配，計算匹配值&和&，其具體過程如上文圖6所示。在下一步驟906,將匹配值S。和&分別與預先設定的匹配閾值進行比較，只要S。和&二者之一大於匹配閾值，則匹配成功，否則轉到步驟下一步驟910，匹配失敗。若匹配成功，轉到下一步驟908，使用現場採集的指紋圖像的指紋特徵更新最新指紋模板7;，其具體過程與上文圖8中指紋模板生成過程中各類特徵的更新過程相同，其中最新指紋模板對應圖8中的第一指紋特徵，現場採集指紋圖像的指紋特徵對應第二指紋特徵。經過上述過程，既保存了最初的原始指紋模板r。(例如未脫皮前的指紋特徵)，又保存了最新指紋模板t;，從而使得脫皮前後的指紋都能夠得到精確的匹配。應注意，上述流程圖中列舉的步驟及各步驟的順序僅限於說明本發明的技術方案，目的在於更為清晰的闡明本發明的主旨，而不是用於限定本發明的範圍。因此，在具體實現過程中，根據具體的需要，還可在上述流程中添加其他的步驟，同時上述流程中各步驟的順序也並非必須按上述流程所示。下面介紹用於實現上述指紋識別方法的指紋識別系統。圖io是本發明指紋識別系統的結構示意圖。如圖io所示，本系統包括指紋採集模塊和指紋識別模塊。其中，指紋採集模塊可以使用例如但不限於CMOS指紋傳感器、熱敏傳感器和超聲波傳感器等。指紋識別模塊進一步包括預處理模塊、特徵提取模塊、特徵匹配模塊、特徵更新模塊和模板存儲模塊。其中預處理模塊用於例如但不限於，對採集的指紋圖像提取方向圖，即計算指紋圖像每個像素的方向；採用例如但不限於Gabor濾波算法對指紋圖像進行濾波；對濾波後的指紋圖像進行二值化處理，即根據每個像素點的方向將指紋圖像處理為僅包含黑色和白色的圖像；根據二值化處理得到的圖像，把指紋的脊線寬度細化為只包含一個像素，生成指紋細化圖等等。預處理模塊在現有技術中已經給出了具體的實現方案，因此本文不再贅述。下面將分別按照註冊過程和指紋識別過程兩個階段對指紋識別模塊中的其他模塊進行詳細描述。首先描述註冊過程中指紋識別模塊中其他模塊的作用。經過預處理，採集到的指紋圖像將發往特徵提取模塊。如上文所述，註冊過程中將採集至少兩枚指紋圖像，例如第一指紋圖像和第二指紋圖像。特徵提取模塊進一步包括輪廓特徵提取模塊、奇異點特徵提取模塊和細節點特徵提取模塊，分別用於從預處理後的第一指紋圖像中提取第一輪廓特徵、第一組奇異點和第一奇異點特徵以及第一組細節點和第一細節點特徵(第一輪廓特徵、第一奇異點特徵和第一細節點特徵統稱第一指紋特徵)，從第二指紋圖像中提取第二輪廓特徵、第二組奇異點和第二奇異點特徵以及第二組細節點和第二細節點特徵(第二輪廓特徵、第二奇異點特徵和第二細節點特徵統稱第二指紋特徵)。指紋特徵的內容已經在前文做了描述，此處不再贅述。提取的第一和第二指紋特徵將發往特徵匹配模塊。特徵匹配模塊進一步包括奇異點匹配模塊、細節點匹配模塊、調整分數生成模塊和求和比較模塊。在註冊過程中，細節點匹配模塊用於將收到的第一和第二細節點特徵進行匹配，生成細節點匹配分數奇異點匹配模塊用於將收到的第一和第二奇異點特徵進行匹配，生成奇異點匹配分數&;調整分數生成模塊用於依據收到的第一和第二指紋特徵生成調整分數&。上述參數的生成過程已在前文結合圖6做了描述，因此此處不再贅述。求和比較模塊模塊用於對細節點匹配分數&、奇異點匹配分數&和調整分數&求和，生成匹配值S，然後將匹配值S與預先確定的匹配閾值進行比較，若大於預先確定的匹配閾值，則匹配成功，將第一和第二指紋特徵發往特徵更新模塊。特徵更新模塊進一步包括輪廓特徵更新模塊、細節點特徵更新模塊和奇異點特徵更新模塊，分別用於依據第二指紋特徵中的輪廓特徵、細節點特徵和奇異點特徵來調整第一指紋特徵中的輪廓特徵、細節點特徵和奇異點特徵，生成原始指紋模板r。和最新指紋模板7\，其具體調整內容已在前文結合圖8做了23描述，因此此處不再贅述。生成的原始指紋模板ro和最新指紋模板^隨後發往模板存儲模塊中存儲。模板存儲模塊進一步包括原始模板存儲模塊和最新模板存儲模塊，分別用於存儲原始指紋模板ro和最新指紋模板rP由於原始指紋模板ro在生成後不再發生變化，因此原始模板存儲模塊可使用非易失性存儲器來實現。而最新指紋模板K在生成後將在每次特徵匹配成功後發生變化，依次可使用可反覆擦寫的存儲器來實現。以上便是註冊過程中指紋識別模塊中各模塊的作用。下面來描述一下指紋識別過程中各模塊的作用。在指紋識別過程中特徵提取模塊的作用與其在註冊過程中的作用相同，此處不再贅述。在指紋識別過程中，特徵匹配模塊用於將收到的指紋特徵與原始指紋模板ro和最新指紋模板^進行特徵匹配，其具體過程是細節點匹配模塊用於將收到的細節點特徵分別與原始指紋模板r。和最新指紋模板j;中的細節點特徵進行匹配，生成細節點匹配分數&o和奇異點匹配模塊用於將收到的奇異點特徵分別與原始指紋模板r。和最新指紋模板z;中的奇異點特徵進行匹配，生成奇異點匹配分數&0和調整分數生成模塊用於依據收到的指紋特徵與原始指紋模板r。和最新指紋模板j;分別生成調整分數5^和求和比較模塊模塊用於對細節點匹配分數&o、奇異點匹配分數5^和調整分數&o求和，生成匹配值&，然後將匹配值&與預先確定的匹配閾值進行比較，判斷其是否大於預先確定的匹配閾值；求和比較模塊還用於對細節點匹配分數&"奇異點匹配分數Spl和調整分數求和，生成匹配值&，然後將匹配值&與預先確定的匹配閾值進行比較，判斷其是否大於預先確定的匹配閾值。若^和&二者中至少有一個大於預先確定的匹配閾值，則匹配成功，將收到的指紋特徵發往特徵更新模塊。特徵更新模塊接收指紋特徵，由其輪廓特徵更新模塊、細節點特徵更新模塊和奇異點特徵更新模塊使用收到的指紋特徵中的輪廓特徵、細節點特徵和奇異點特徵對最新指紋模板r,中的輪廓特徵、細節點特徵和奇異點特徵進行更新，存儲到模板存儲模塊中的最新模板存儲模塊中。更新的具體過程已結合圖8和圖9做了描述，因此此處不再贅述。權利要求1、一種指紋識別方法，其特徵在於，包括如下步驟S1、採集指紋圖像，提取其指紋特徵，並將該指紋特徵與指紋模板進行特徵匹配；S2、在匹配成功後，依據該指紋特徵對指紋模板進行特徵更新。2、根據權利要求1所述的指紋識別方法，其特徵在於，所述指紋特徵包括細節點特徵和奇異點特徵；細節點特徵可表示為Ocj^，af，其中;c、>;、e、f、A分別表示細節點的橫坐標、縱坐標、奇異點的方向、細節點類型和權重係數；奇異點特徵可表示為Oc,;^,itf，其中;c、y、6、A分別表示奇異點的橫坐標、縱坐標、奇異點的方向和權重係數。3、根據權利要求2所述的方法，其特徵在於，所述細節點特徵中權重係數A的計算方法如下.-設細節點的鄰域內假細節點的數量為q，該鄰域內細節點的總數量為c2，該細節點與距其最近的細節點之間的距離為A，則該細節點特徵中權重係數t採用如下公式計算A:=(5-d)c^+(6—。)a2+(di—4)cc3其中c^5，c《6，4ysi6，cc!，a2，ct3是各項的比例係數，當c!〉5，c2>5，《16時,該項值取為最大值12a3所述奇異點特徵中權重係數A:的計算方法如下當奇異點的鄰域內存在真細節點時，取該鄰域內真細節點的權重係數的算術平均值作為該奇異點的權重係數h當該奇異點的鄰域內不存在真細節點時，取所採集指紋圖像中所有真細節點的權重係數的算術平均值作為該奇異點的權重係數h4、根據權利要求3所述的方法，其特徵在於，所述特徵匹配的過程如下:Al、計算所採集指紋圖像與指紋模板的匹配值S，其具體過程如下；All、計算指紋模板與所採集指紋圖像的重疊區域；A12、將指紋模板與所採集指紋圖像進行細節點匹配，計算細節點匹配分數&，其具體過程如下設指紋模板的細節點/和所採集指紋圖像的細節點y相匹配，細節點/的細節點特徵為Oc,，y,，《^Af，對應匹配上的細節點y的細節點特徵為(，^.A^^.)r，則細節點f和y的貢獻分數^為formulaseeoriginaldocumentpage3其中義。，A，義2，義3，人是經驗常數；細節點匹配分數&為指紋模板中所有匹配細節點貢獻分數的和，即A13、將指紋模板與所採集指紋圖像進行奇異點匹配，計算奇異點匹配分數&,其具體過程如下設指紋模板的奇異點/和所採集指紋圖像的奇異點_/相匹配，奇異點/的奇異點特徵是0,^^^,f，對應匹配上的奇異點y的奇異點特徵是^^，^,fcf，則奇異點f和7的貢獻分數^為其中K。是經驗常數；對於無法匹配的奇異點，如果這些奇異點在重疊區域外，那麼對於任意組合、二0;如果在重疊區域內，那麼對於任意組合&=0，其貢獻分formulaseeoriginaldocumentpage3其中，P。是經驗常數；奇異點匹配分數^為所有奇異點貢獻分數的和，即A14、計算調整分數&，其具體過程如下將指紋模板處於重疊區域內的未匹配細節點/取出來，計算該未匹配細節點/的位置^,乂.)在所採集指紋圖像中的權重係數《，《計算過程是，將所採集指紋圖像中位置為(《，少,.)的細節點的鄰域內的細節點權重係數取算術平均值，作為《的數值，則未匹配細節點f的調整分數&為&=Amin(oJ+〃2其中A，A都是小於O的經驗常數；調整分數&為指紋模板中處於重疊區域內的所有未匹配細節點調整分數A的和，艮PA15、依據細節點匹配分數&、奇異點匹配分數&和調整分數&計算匹配值S:A2、將匹配值S與匹配閾值進行比較，若匹配值S大於匹配閾值，則匹配成功。5、根據權利要求4所述的方法，其特徵在於，所述特徵更新的過程如下:Bl、調整所述指紋模板中細節點的權重係數，其具體過程如下Bll、調整重疊區域內所述指紋模板中與所採集指紋圖像相匹配的細節點的權重係數，其具體過程如下設指紋模板的細節點/和所採集指紋圖像的細節點7相匹配，則特徵更新後該細節點/的權重係數《為S=max(夂,)+^min(A,^.)其中，B12、調整重疊區域內指紋模板中未能與所採集指紋圖像相匹配的細節點的權重係數，其具體過程如下設該細節點為/，那麼註冊完成後其權重係數S為=、-0.5"A;;其中0<y2<0.5，《為未匹配細節點!'的位置(x,.,x)在所採集指紋圖像中的權重係數；B13、調整重疊區域外指紋模板中未能與所採集指紋圖像相匹配的細節點的權重係數，其具體過程如下設該細節點為"那麼註冊完成後其權重係數《為其中0</20。6、根據權利要求5所述的方法，其特徵在於，所述指紋模板的生成過程如下Cl、採集第一註冊指紋圖像，提取第一指紋特徵；C2、採集第二註冊指紋圖像，提取第二指紋特徵；C3、將第一指紋特徵與第二指紋特徵進行特徵匹配；C4、在匹配成功後，使用第二指紋對第一指紋特徵進行特徵更新，並將更新後的第一指紋特徵分別存儲為原始指紋模板和最新指紋模板。7、根據權利要求6所述的方法，其特徵在於，所述指紋模板的生成過程還包括C5、採集第三註冊指紋，提取第三指紋特徵；C6、將第三指紋特徵與所述原始指紋模板進行特徵匹配；C7、在匹配成功後，使用第三指紋特徵對原始指紋模板和所述最新指紋模板進行特徵更新。8、根據權利要求7所述的方法，其特徵在於，在所述步驟S1中，將所採集指紋圖像的指紋特徵分別與所述原始指紋模板和最新指紋模板進行特徵匹配；在所述步驟S2中，在所採集指紋圖像的指紋特徵與原始指紋模板和最新指紋模板二者至少之一匹配成功後，依據該指紋特徵對最新指紋模板進行特徵更新。9、根據權利要求7所述的方法，其特徵在於，所述指紋特徵包括輪廓特徵。10、一種指紋識別系統，包括指紋採集模塊，用於採集指紋圖像，其特徵在於，還包括指紋識別模塊，用於採集指紋圖像，提取所採集指紋圖像的指紋特徵，並將該指紋特徵與所存儲的指紋模板進行特徵匹配，並在匹配成功後，依據該指紋特徵對指紋模板進行特徵更新。全文摘要本發明涉及指紋識別技術，針對現有指紋識別系統無法識別脫皮指紋的缺陷，提供一種指紋識別方法，包括如下步驟採集指紋圖像，提取其指紋特徵，並將該指紋特徵與指紋模板進行特徵匹配；在匹配成功後，依據該指紋特徵對指紋模板進行特徵更新。本發明還提供了一種指紋識別系統。實施本發明的技術方案，具有以下有益效果依據匹配成功的指紋特徵對最新指紋模板進行特徵更新，可時時掌握指紋脫皮過程中最新的指紋特徵信息，再配合使用原始指紋模板，便可實現指紋在未脫皮和脫皮過程中各個階段的精確匹配。同時，本方案是通過對指紋圖像進行處理來實現的，不依賴於傳感器技術，因而成本低廉，且適用於各類指紋傳感器。文檔編號G06K9/64GK101499130SQ20081006566公開日2009年8月5日申請日期2008年1月30日優先權日2008年1月30日發明者張能鋒申請人:深圳市普羅巴克科技股份有限公司