[发明专利]一种指纹识别方法和指纹识别系统

权利要求书

1.一种指纹识别方法，其特征在于，包括如下步骤：

S1、采集指纹图像，提取其指纹特征，并将该指纹特征与指纹模板进行 特征匹配；所述指纹特征包括细节点特征和奇异点特征；细节点特征表示为 (x，y，θ，t，k)^T，其中x、y、θ、t、k分别表示细节点的横坐标、纵坐标、细节点 的方向、细节点类型和权重系数；奇异点特征表示为(x，y，θ，k)^T，其中x、y、θ、 k分别表示奇异点的横坐标、纵坐标、奇异点的方向和权重系数；

S2、在匹配成功后，依据该指纹特征对指纹模板进行特征更新；其中，

所述细节点特征中权重系数k的计算方法如下：

设细节点的邻域内假细节点的数量为c₁，该邻域内细节点的总数量为c₂， 该细节点与距其最近的细节点之间的距离为d₁，则该细节点特征中权重系数k 采用如下公式计算：

k＝(5-c₁)α₁+(6-c₂)α₂+(d₁-4)α₃

其中c₁≤5，c₂≤6，4≤d₁≤16，α₁，α₂，α₃是各项的比例系数，当c₁＞5，c₂＞5，d₁＜4时，对应项计算值为0，当d₁＞16时，该项值取为最大值12α₃；

所述奇异点特征中权重系数k的计算方法如下：

当奇异点的邻域内存在真细节点时，取该邻域内真细节点的权重系数的算 术平均值作为该奇异点的权重系数k；

当该奇异点的邻域内不存在真细节点时，取所采集指纹图像中所有真细节 点的权重系数的算术平均值作为该奇异点的权重系数k。

2.根据权利要求1所述的方法，其特征在于，所述特征匹配的过程如下：

A1、计算所采集指纹图像与指纹模板的匹配值S，其具体过程如下；

A11、计算指纹模板与所采集指纹图像的重叠区域；

A12、将指纹模板与所采集指纹图像进行细节点匹配，计算细节点匹 配分数S_m，其具体过程如下：设指纹模板的细节点i和所采集指纹图像的 细节点j相匹配，细节点i的细节点特征为(x_i，y_i，θ_i，t_i，k_i)^T，对应匹配上的 细节点j的细节点特征为(x_j，y_j，θ_j，t_j，k_j)^T，则细节点i和j的贡献分数S_ij为：

S_tj＝λ₀+min(k_i，k_j)-λ₁|t_i-t_j|-λ₂|x_i-x_j|-λ₃|y_i-y_j|-λ₄|θ_i-θ_j| 其中λ₀，λ₁，λ₂，λ₃，λ₄是大于0的经验常数；细节点匹配分数S_m为指 纹模板中所有匹配细节点贡献分数的和，即

Sm=ΣSij]]>

A13、将指纹模板与所采集指纹图像进行奇异点匹配，计算奇异点匹 配分数S_p，其具体过程如下：设指纹模板的奇异点i和所采集指纹图像的 奇异点j相匹配，奇异点i的奇异点特征是(x_i，y_i，θ_i，k_i)^T，对应匹配上的奇 异点j的奇异点特征是(x_j，y_j，θ_j，k_j)^T，则奇异点i和j的贡献分数P_ij为：

P_ij＝K₀

其中K₀是经验常数，且0＜K₀＜400；

对于无法匹配的奇异点，如果这些奇异点在重叠区域外，那么对于任 意组合P_ij＝0；如果在重叠区域内，其贡献分数P_ij为：

Pij=-(xi-xj)2+(yi-yj)2-P0-min(ki,kj)]]>

其中，P₀是经验常数，且P₀＞20；奇异点匹配分数S_p为所有奇异点贡献 分数的和，即

Sp=ΣPi]]>

A14、计算调整分数S_n，其具体过程如下：将指纹模板处于重叠区域 内的未匹配细节点i取出来，计算该未匹配细节点i的位置(x_i，y_i)在所采 集指纹图像中的权重系数k′_i，k′_i计算过程是，将所采集指纹图像中位置为 (x_i，y_i)的细节点的邻域内的细节点权重系数取算术平均值，作为k′_i的数 值，则未匹配细节点i的调整分数S_i为：

S_i＝β₁min(k_i，k′_i)+β₂

其中β₁，β₂都是小于0的经验常数；

调整分数S_n为指纹模板中处于重叠区域内的所有未匹配细节点调整分数 S_i的和，即

Sn=ΣSi]]>

A15、依据细节点匹配分数S_m、奇异点匹配分数S_p和调整分数S_n计 算匹配值S：

S＝S_m+S_p+S_n

A2、将匹配值S与匹配阈值进行比较，若匹配值S大于匹配阈值，则匹 配成功。