[发明专利]指纹录入算法

说明书

技术领域

本发明涉及基于细节点的指纹分析。更特别地，本发明涉及一种录入指纹图像模板的方法。

背景技术

指纹由手指的交错的脊和谷组成。典型脊的宽度从100μm到300μm不等，典型的峰到峰的脊间隔为约500μm。指纹图像是那些脊和谷的表现，其脊线一般表现为暗线，而它们之间的谷则以为明线。图1展示了一个示例的指纹图像。

指纹对于个体来说是独特的，这使得它们理想地用作辨识的目的。因此，指纹辨认系统可通过对捕获的指纹图像与预存的模板指纹图像进行比对，来识别用户的身份。尽管每个指纹对于个体来说都是独特的，指纹也具有共同的特征。它们可归为以下。

指纹的第一水平特征包括：环，轮，拱形以及由脊形成的三角。这些特征描述了脊所遵从的整体形状。第一水平可用于区别两个非匹配指纹，但未给予足够的细节来确定两个指纹之间的匹配。

指纹的第二水平特征，或称细节点，是脊的不规则性或不连续性。现在已经辨识出18种不同类型的细节点。然而，细节点的两种主要类型是脊终端和脊分岔，即：脊结束之处或分成两条脊之处。通过比较第二水平特征，可确定两个指纹之间的匹配度。

指纹的第三水平特征描述了脊内细节。它们包括汗孔和局部脊形状，以及结疤、疣、折痕和脊的其它局部变形。第三水平特征需要高分辨率的指纹传感器(一般大于800dpi)

以下公开涉及在分析第二水平特征的基础上的指纹辨认。

指纹辨认是出于接受或拒绝辨识要求目的的、将输入指纹与参考指纹图像的一对一比对。在本领域的技术中，存储、并由此比对仅一个指纹模板，而不是所有的指纹图像，这是普遍的。指纹模板是从指纹图像中提取出来的一组关键特征，例如细节点，其描述指纹图像。

从指纹图像中提取细节点以形成模板，一般需要增强指纹图像的灰度，并随后转换成二元图像。指纹增强一般包括伽柏(Gabor)过滤，其增进了脊和谷之间的区别。指纹图像通过以下来进行二元化：设置全局阈值t，并将强度大于t的所有像素设置为1，将所有其余像素设置为0，以产生二元指纹图像，且使该二元指纹图像随后细化，以使得所有的脊减少至一个像素宽度(请见ZhangT.Y.andSuenC.Y.“AFastParallelAlgorithmforThinningDigitalPatterns”,CommunicationsoftheACM,v.27n.3,pp.236-239,1984)，以产生细化的脊地图，也称为指纹骨架。

当获得理想的细化的脊地图时，细节点检测是一种琐细的任务。其可从图2中看到，图2展示了图1中指纹图像的细化的脊地图，在图2中脊结束和分岔的细节点被强化。方格代表脊结束，圆圈代表脊分岔。

图3展示了图1中指纹的细节点代表。每个细节点一般存储成由指纹之内的区域所限定的数据点，细节点类型(即：脊结束，脊分岔等)以及细节点角度(即：细节点相对于参考方位的方位)。

指纹辨认可包括两个区分阶段：录入和匹配。录入是登记新的参考指纹图像模板的过程，并广泛地包括扫描指纹以及从该扫描中提取指纹模板，而匹配是将另一输入指纹与指纹模板进行比对的过程，一般在较后的时间上，以辨认用户的身份。

在一种已知的录入方法中，指纹图像通过由指纹传感器扫描来输入。当获得指纹图像之后，进行特征提取，例如上述的细节点提取。特征提取提供了完整描述指纹的模板。

US4,752,966描述了使用扫刷式指纹传感器来录入指纹的现有方法。

指纹的匹配包括拍摄输入指纹图像，并将输入指纹图像与一个或多个参考指纹图像进行比较。当在输入指纹图像和参考指纹图像之间作出匹配时，可验证压印，所述参考指纹图像具有足够的可信度，以使得假阳性概率低于某些预设阈值。

US2008/0273770描述了利用细节点比对，将提供的指纹图像与参考指纹图像进行匹配的现有方法。在US2008/0273770中，对于输入指纹的每个细节点，“细节点邻域”以中心围绕着中心细节点来辨认，并限定围绕着中心细节点的有限区域，该中心细节点包括至少第二细节点。在每个邻域中，细节点对限定用于具有邻域细节点每对中心细节点。每个指纹对通过几个特征来描述，这些特征包括一对中两个细节点之间的间隔，两个细节点方位的差别，以及中心细节点的方位和连接两个细节点的线之间的角度。对于这些细节点对的特点，构造了细节点对指数。将参考指纹图像的细节点对指数与提供的指纹进行比较，以确定指纹是否匹配。

发明内容