CN1300408A - 产生用于图样识别的参考图的方法 - Google Patents

产生用于图样识别的参考图的方法 Download PDF

Info

Publication number
CN1300408A
CN1300408A CN99805971A CN99805971A CN1300408A CN 1300408 A CN1300408 A CN 1300408A CN 99805971 A CN99805971 A CN 99805971A CN 99805971 A CN99805971 A CN 99805971A CN 1300408 A CN1300408 A CN 1300408A
Authority
CN
China
Prior art keywords
fingerprint
image
pattern
reference diagram
line
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN99805971A
Other languages
English (en)
Other versions
CN1126059C (zh
Inventor
格德·赫利博尼格
沃尔夫冈·玛利尔斯
克里斯托佛·西尔罗尔德
托马斯·沙伊特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN1300408A publication Critical patent/CN1300408A/zh
Application granted granted Critical
Publication of CN1126059C publication Critical patent/CN1126059C/zh
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing

Abstract

本发明涉及产生一个用于图样识别的参考图的方法,其中多个相互重叠的单个图像被合成为一个总图像,它被用作参考图像。这样可以提高例如至今由传感器面积确定的指纹参考图的大小,并且从而改进了识别率。

Description

产生用于图样识别的参考图的方法
本发明涉及一种产生用于图样识别的参考图的方法。
图样识别具有明显的意义，它在高度自动化的精加工中与工业机器人有关系，尤其是在人员的机械确认中有意义。其应用可能性在于入口检验，自动取款和各种通信设备。
用于确认的合适的人员相关的特征例如是视网膜的血迹图样，眼球的虹膜结构，手指的长度和形状，面貌，声音或指纹。基于这些特征确认人员的可能性例如在1994年2月的IEEE Spectrum中被说明为“这一定是你”。也许研究得最多，因而也是最可靠的特征是指纹。它以对使用者来说最舒适的方式被获得，而例如视网膜的图样只能通过一个对被确认者来说不愉快的过程来获取，因而它只在这种情况下才使用：对其影响无所谓或者必要时希望使用这种方法时。
正如一系列细心的研究和统计所证实的那样，每个人的指纹是互不相同地造就的。即使一对孪生兄弟的指纹也是不相同的，虽然它们看起来相似。指纹的图样由所谓的乳头凸起线或隆起线构成，它们由两个皮肤层的啮合形成。
对于确认过程，首先感兴趣的是所谓的细节，它们是终点，分支，岛或其他个别的位置。被确认的指纹被检查：它具有哪些细节，被查的这些细节被对应于一种类型，并且确定其相互位置。
如此得到的细节完全描绘了指纹。它们被用作被确认指纹与存贮的参考图样进行比较的基础。
参考图样的质量基本上完全决定了识别过程的可靠性。
本发明的目的在于给出一种方法，它能产生高质量的参考图样。
按照本发明的方法，用以下步骤生成用于图样识别的参考图样：
-获取多个至少部分重叠的被识别图样的图像，
-对每个获取到的图像形成一个符号化的中间描述(symbolischeZwischendarstellung)，
-对两个图像的符号化中间描述进行相互比较，并且求出这两个图像相互间的移位和旋转，
-通过变换使两个中间描述在重叠区重合并且求出其一致性的质量，
-如果出现足够的一致性质量，两个中间描述被合成为一个总图像，
-总图像与再一个中间描述进行比较，并且形成另一个总图像，直至最终得到一个总图像，它包含所有具有可用一致度的中间描述，这个总图像被用作参考图。
这样，被查验图像的平面完全被包含在参考图的“虚拟”平面中的概率可以被任意提高。
对于多次获取的参考图像的范围内的特征的质量通过平均而明显提高。
如果被识别图样是指纹图样，应用本发明是特别有好处的。
参考图的增补和完善过程也可在识别过程进行中继续，每个被识别的指纹-每个被识别的图样-被增补到参考图中去，这样参考图的质量被提高。而且这样使得在指纹区域中的有限变化，例如微小的损伤被获取并被考虑到。
下面借助于附图详细说明本发明，附图示出一个指纹图样。图像上的黑色线对应指纹线或乳头状凸起线，它以其走向确定指纹。然而为了自动指纹分类不使用总的图样，因为在分类时由于记录技术，记录压力和相关人员的老化可能会出现失真。识别过程的基础是多种形式和数量的包含在手印中的细节，如指纹线端1,2,4,5，点3,9,小岛6，短线7和分叉8,10,11。
细节的形状，位置和取向对于上述的失真是相对不敏感的，因此适合用于自动识别过程。
图像被数字化，即在第一步中指纹图像各个图像点的灰度信息变为二进制，每个图像点被对应于黑值或白值。
由二进制图像按照文献公开的方法(例如R.W.Zhou等发表在Patt.Rec.Lett.16(1995)p:1267-1275的文章)通过线提取产生线段，它具有为后续处理最佳的性能。二进制化和线提取不仅对正图像数据进行，而且也对反图像数据进行，因为通过检查反图像数据可以利用包含在指纹线中间空间的独立信息来进行线合成。
线提取的结果是两组线数据，一组描述指纹线，另一组描述指纹线中间空间。由于图像记录技术，干扰和二进制化的特点，这些线数据含有通过上述方法步骤形成的，可信地和人工地合成的线段，它们彼此不同并必须合成为指纹线。
在由线段确定可能的指纹线时使用以下规则：
-长指纹线比短的更可信赖，
-指纹线的可信赖性通过出现在典型距离上的平行指纹线或通过出现具有一半距离的指纹线谷而增大，
-与长指纹线呈直角的短指纹线失去可信赖性，
-终端相互对准的指纹线被相互连接。
上述确定的结果是一张特征(细节)表，并且对每个特征包含关于形状，位置，线宽，取向和质量度量的数据，质量度量由在确定过程中所用规则的数量求出。
特征借助于神经网络被分类。为此各图像点的值-典型为176-给到一个“前向神经网络”(D.Rumelhart等，“并行分配处理”，MIT出版，1986)的输入端，并且用于形式说明，图像点被综合成一个输入矢量I，由它借助于神经网络计算出中间层上的输出矢量O，其中在实施例中的输出矢量5包含5个单元，它们包含指纹特征的5个基本形状，它们是：“白分叉向右，白分叉向左，隆起线(线)，黑分叉向右，黑分叉向左”。
“白分叉向右或向左”表示指纹线中间空间的具有粗略取向的一个分叉。“黑分叉向右或向左”对应指纹线的一个分叉。
隆起线(线)表示没有特征，然而基于它增加的简单(不感兴趣)的线和细节间的差别可能性导至提高网络的识别质量。
在可以利用神经网络进行分类之前它必须进行训练。为此利用“错误回传算法”(D.Rumelhart等“并行分配处理”，MIT出版1986)。
具有规定的分类的图样被递给神经网络，它反复学习图样和分类之间的关系。
这样经过训练的神经网络对每个输入的图像区构成一个输出矢量，它包含5个输出神经元的值。这些值的关系确定输入图样的形状和质量。
如果一个输出神经元的值比其他的值高很多，则得到一个非常高质量的结果，它对应的特征被清楚地对应于基础形状，它由该输出神经元确定。如果所有输出神经元具有差不多相同的值，神经网络不能将输入图像对应于特征形状。
识别过程的结果尽可能地与特征在被观察图像区分中的位置无关。神经网络的这个本身有益的特性导致特征的位置不能不借助其他被确定，因为对于重叠的图像区，它们含有相同的特征但在不同的位置，神经网络给出接近相同的结果。
为了求出特征的严格位置，结果被相互比较以判断相互重叠的图样区并且图像区的中心被选出作为特征的地点，在此判断中神经网络给出最大值。
这个最大值的求得可例如这样实现：为了使神经网络的结果包围被观察的图像区，重叠的图像区被计数。如果周围的结果总和与相邻图像区周围的结果和相比是最大的，则这个图像区的中心被确定为特征的明确位置。
此外相邻的相互重叠的图像区的结果的质量也可用来求出特征的严格位置。
这些质量结果被视为标量域并确定一个粗略的最大值。最大值的位置被确定为特征的位置。
神经网络的结果是被证实的细节，它们与已知的指纹，即所谓的候选人的特征表比较。
为此在被确认指纹的细节，按刑事侦探行话为痕迹，与相应被视为候选人的同类细节之间建立关联矢量。这些关联矢量的数量由容许范围限制，它以相同方法围绕痕迹的每个细节设置：所有不在候选人细节容许范围内的关联矢量被排除。
留下的关联矢量被记入一个二维矢量空间，以判断这两个指纹的一致性。其中，每个关联矢量被表示为带有座标长度和取向的点。
相近的关联矢量产生矢量空间相应位置上点的堆积，它们形成一个所谓的簇。
如果只能找出一个匹配的簇，则痕迹和候选人被视为相似。
两个指纹相似的好坏由全体关联矢量，其与最大可能数的比例，处于簇外的关联矢量的数目和被检测细节的密度说明。
如果对于至少75％的细节存在多个关联矢量并且它们之中至少80％在矢量空间中规定容许范围内，则例如二个指纹被认为相似或者被认为以高概率一致。
如果因为在规定容许范围内没有找到候选人的同类细节，只对于小部分细节求出关联矢量，则不存在一致性。如果虽然找到了关联矢量，但是在它们之中存在多个不同的长度或取向，因而在矢量空间中不形成簇，那么也给出不一致性。
按照应用情况给出最佳相一致的候选人(例如在刑事侦探技术部门)列表或如果存在，给出单个符合性(例如在入口检验系统中)。
具有对细节最佳的同类矢量比的候选人被确定为相一致的指纹。这仅适用于当这个候选人在其结果中明显不同于其他候选人的情况。
对于一次成功的识别过程的一个基本条件是一个高质量的参考图(候选人)。
这个参考图以与被确认指纹相同的方法获得，它在以后用作特征表的基础，该表描绘此指纹。
参考图应按照尽可能包含整个指纹并且包含所有与识别过程相关的特征。在利用商用的通常具有相对小的传感器面积的指纹传感器时，如果在初始过程中手指没有放在传感器的正中部位则不符合上述要求。这样有效的传感器面积减小并且使识别过程变得困难。
因此，在已有方法中，检测参考图的可评价的面积，如果其超过预定值，则该参考图不予考虑。
按照本发明，多个相互部分重叠的图像被合成为一个参考图，它包含了比传感器面积更大的面积，由此获得以下优点：被查验图像的平面完全被包含在参考图的这个“虚拟”平面内的概率可以变成任意高。
存在于多次收集的参考图区域中的特征的质量由于取平均值而明显提高。
此方法假设从图像可以以稳定和可再现的方法获得一个符号化的线信息。例如以下情况就满足此假设：处理的是平面标志图，指纹或机器部分的外形。
在综合两个相互重叠的图像为一个新的参考图的过程中首先以现有的方法通过二进制化和确定可能的线或形状产生图像的符号化中间描述。
接着确定两个图像相互之间的相对位置偏移和旋转，并且通过相应的变换补偿两个图像中的一个。
中间描述的一致性的质量如下被判断：从在两个描述中找到的线的优良的点(分支点和端点)出发寻找相应的点对。从这些点出发的相应曲线在两个描述中以相同的步距被跟踪，直至满足以下判据之一：
-两个曲线的端点到达一个容许窗口之内，
-两个曲线中的一个到达图像边沿
-对一条线的一个点A在半步距之内在相应曲线上没有找到点B，它离点A的距离比预定的界限更近(图2)。
这样重叠起来的曲线段的总长度被用作对两个符号化描述的一致性的度量。
如果一致性度量超过规定值，这两个描述被添加到一个总图中，它以所述的方法与其他的中间描述比较，并且合成为其他的总图。
参考图的补充和优化过程也可在识别过程进行中继续进行，每一个被确认的指纹-每一个被确认的图样-被添加到参考图中，这样提高了参考图的质量。此外有限的变化，如指纹区域内微小的损伤被检测和被考虑到。
由多个按照这个准则在参考图中被确认的图像可以产生一个合成的参考图，它取消了原有参考图的面积界限。

Claims (3)

1．产生用于图样识别的参考图的方法，包括步骤：
-多个相互间至少部分重叠的被识别图样的图像被获取，
-对每一个获得的图像形成一个符号化中间描述，
-两个图像的符号化中间描述被相互比较，并且求出图像相互间的相对偏移和旋转，
-通过变换使两个中间描述在重叠区重合并且求出其一致性的质量，
-如果出现足够的一致性质量，两个中间描述被合成为一个总图像，
-总图像与再一个中间描述进行比较，并且形成另一个总图像，直至最终得到一个总图像，它包含所有具有可用一致度的中间描述，并且这个总图像被用作参考图。
2．如权利要求1所述的方法，其特征在于，被识别的图样是一个指纹。
3．如权利要求1所述的方法，其特征在于，参考图的形成至少部分在识别过程中进行。
CN99805971A 1998-05-08 1999-05-03 产生用于图样识别的参考图的方法 Expired - Lifetime CN1126059C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
ATA782/1998 1998-05-08
AT78298 1998-05-08

Publications (2)

Publication Number Publication Date
CN1300408A true CN1300408A (zh) 2001-06-20
CN1126059C CN1126059C (zh) 2003-10-29

Family

ID=3499627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN99805971A Expired - Lifetime CN1126059C (zh) 1998-05-08 1999-05-03 产生用于图样识别的参考图的方法

Country Status (9)

Country Link
US (1) US6668072B1 (zh)
EP (1) EP1076878B1 (zh)
JP (1) JP4510287B2 (zh)
CN (1) CN1126059C (zh)
AR (1) AR019278A1 (zh)
BR (1) BR9910306B1 (zh)
DE (1) DE59902124D1 (zh)
HK (1) HK1036669A1 (zh)
WO (1) WO1999059099A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017020447A1 (zh) * 2015-07-31 2017-02-09 宇龙计算机通信科技(深圳)有限公司 一种指纹识别的方法及装置
CN111310685A (zh) * 2012-06-29 2020-06-19 苹果公司 使用合成指纹图像的注册和指纹感测系统

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4426733B2 (ja) * 2000-03-31 2010-03-03 富士通株式会社 指紋データ合成方法，指紋データ合成装置，指紋データ合成プログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体
WO2001080167A1 (en) * 2000-04-13 2001-10-25 Nanyang Technological University Method and device for determining a total minutiae template from a plurality of partial minutiae templates
ATE344504T1 (de) * 2001-06-27 2006-11-15 Activcard Ireland Ltd Verfahren und gerät zur transformation eines bildes einer biologischen oberfläche
TW564373B (en) * 2002-09-19 2003-12-01 Via Tech Inc Partial image rotation device and method
US7085433B2 (en) * 2003-01-06 2006-08-01 Banner Engineering Corp. System and method for performing rotational and translational testing for a reference image used in a normalized gray scale pattern find system
JP3770241B2 (ja) * 2003-03-04 2006-04-26 株式会社日立製作所 個人認証装置及び個人認証方法
EP1498838B1 (de) * 2003-07-18 2007-09-05 DERMALOG Identification Systems GmbH Verfahren zur automatischen Verifikation der Identität einer Person und biometrisches Identifikationsdokument zur Verwendung in dem Verfahren
DE10339743B4 (de) * 2003-08-28 2007-08-02 Infineon Technologies Ag Verfahren zum Vergleich eines Testfingerabdrucks mit einem gespeicherten Referenzfingerabdruck und zur Durchführung des Verfahrens geeignete Vorrichtung
US7697729B2 (en) 2004-01-29 2010-04-13 Authentec, Inc. System for and method of finger initiated actions
JP4339221B2 (ja) * 2004-09-30 2009-10-07 Ｎｅｃインフロンティア株式会社 画像構成方法、指紋画像構成装置およびプログラム
US7248720B2 (en) * 2004-10-21 2007-07-24 Retica Systems, Inc. Method and system for generating a combined retina/iris pattern biometric
US7831070B1 (en) 2005-02-18 2010-11-09 Authentec, Inc. Dynamic finger detection mechanism for a fingerprint sensor
US8231056B2 (en) 2005-04-08 2012-07-31 Authentec, Inc. System for and method of protecting an integrated circuit from over currents
US7505613B2 (en) * 2005-07-12 2009-03-17 Atrua Technologies, Inc. System for and method of securing fingerprint biometric systems against fake-finger spoofing
US7940249B2 (en) * 2005-11-01 2011-05-10 Authentec, Inc. Devices using a metal layer with an array of vias to reduce degradation
US7885436B2 (en) * 2006-07-13 2011-02-08 Authentec, Inc. System for and method of assigning confidence values to fingerprint minutiae points
JP4862644B2 (ja) * 2006-12-15 2012-01-25 ソニー株式会社 登録装置、登録方法及びプログラム
DE102008024320B4 (de) * 2008-05-20 2017-02-23 Infineon Technologies Ag Sicheres Verfahren zur biometrischen Verifikation einer Person
US8866347B2 (en) 2010-01-15 2014-10-21 Idex Asa Biometric image sensing
US8421890B2 (en) 2010-01-15 2013-04-16 Picofield Technologies, Inc. Electronic imager using an impedance sensor grid array and method of making
US8791792B2 (en) 2010-01-15 2014-07-29 Idex Asa Electronic imager using an impedance sensor grid array mounted on or about a switch and method of making
WO2011113478A1 (de) 2010-03-16 2011-09-22 Carlo Trugenberger Authentifizierungssystem, verfahren zur authentifizierung eines objekts, vorrichtung zur erzeugung einer identifikationseinrichtung, verfahren zur erzeugung einer identifikationseinrichtung
CN101882212B (zh) * 2010-06-01 2012-12-12 福建新大陆电脑股份有限公司 一种条码图像的获取方法
CN109407862B (zh) 2012-04-10 2022-03-11 傲迪司威生物识别公司 生物计量感测
US9846799B2 (en) 2012-05-18 2017-12-19 Apple Inc. Efficient texture comparison
US9715616B2 (en) * 2012-06-29 2017-07-25 Apple Inc. Fingerprint sensing and enrollment
US10068120B2 (en) 2013-03-15 2018-09-04 Apple Inc. High dynamic range fingerprint sensing
US9785818B2 (en) 2014-08-11 2017-10-10 Synaptics Incorporated Systems and methods for image alignment
US9613428B2 (en) 2014-11-07 2017-04-04 Fingerprint Cards Ab Fingerprint authentication using stitch and cut
SE1451336A1 (en) 2014-11-07 2016-05-08 Fingerprint Cards Ab Enrolling templates for biometric authentication
US9792485B2 (en) 2015-06-30 2017-10-17 Synaptics Incorporated Systems and methods for coarse-to-fine ridge-based biometric image alignment
US9785819B1 (en) 2016-06-30 2017-10-10 Synaptics Incorporated Systems and methods for biometric image alignment
US10127681B2 (en) 2016-06-30 2018-11-13 Synaptics Incorporated Systems and methods for point-based image alignment
US11281936B2 (en) * 2018-12-31 2022-03-22 Kofax, Inc. Systems and methods for identifying processes for robotic automation and building models therefor

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4933976A (en) * 1988-01-25 1990-06-12 C.F.A. Technologies, Inc. System for generating rolled fingerprint images
JPH02171881A (ja) * 1988-12-23 1990-07-03 Nippon Denki Sekiyuritei Syst Kk 指紋画像入力装置
JP2909136B2 (ja) * 1990-04-10 1999-06-23 富士通株式会社 指紋画像処理装置
US5649032A (en) * 1994-11-14 1997-07-15 David Sarnoff Research Center, Inc. System for automatically aligning images to form a mosaic image
JPH08287218A (ja) * 1995-04-10 1996-11-01 Sharp Corp 画像合成装置
DE19600080B4 (de) * 1996-01-03 2006-06-29 International Business Machines Corp. Erfassung von Fingerabdrücken
JP3113572B2 (ja) * 1996-01-18 2000-12-04 日立エンジニアリング株式会社 回転指紋検出方法及び装置
JPH09259249A (ja) * 1996-03-25 1997-10-03 Fujitsu Denso Ltd 指紋押捺装置及び撮像指紋処理方法
JP3097024B2 (ja) * 1996-03-28 2000-10-10 富士通電装株式会社 指紋入力装置
JP3250461B2 (ja) * 1996-06-14 2002-01-28 日本電気株式会社 押捺指紋画像入力装置およびその入力方法
US6075905A (en) * 1996-07-17 2000-06-13 Sarnoff Corporation Method and apparatus for mosaic image construction
JP3851384B2 (ja) * 1996-09-18 2006-11-29 シャープ株式会社 画像合成装置および方法
US6157747A (en) * 1997-08-01 2000-12-05 Microsoft Corporation 3-dimensional image rotation method and apparatus for producing image mosaics
US6011558A (en) * 1997-09-23 2000-01-04 Industrial Technology Research Institute Intelligent stitcher for panoramic image-based virtual worlds
US6178255B1 (en) * 1998-04-28 2001-01-23 Cross Match Technologies, Inc. Individualized fingerprint scanner

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111310685A (zh) * 2012-06-29 2020-06-19 苹果公司 使用合成指纹图像的注册和指纹感测系统
WO2017020447A1 (zh) * 2015-07-31 2017-02-09 宇龙计算机通信科技(深圳)有限公司 一种指纹识别的方法及装置

Also Published As

Publication number Publication date
BR9910306B1 (pt) 2012-01-24
CN1126059C (zh) 2003-10-29
DE59902124D1 (de) 2002-08-29
EP1076878A1 (de) 2001-02-21
BR9910306A (pt) 2001-01-09
AR019278A1 (es) 2002-02-13
JP4510287B2 (ja) 2010-07-21
JP2002514824A (ja) 2002-05-21
HK1036669A1 (en) 2002-01-11
US6668072B1 (en) 2003-12-23
EP1076878B1 (de) 2002-07-24
WO1999059099A1 (de) 1999-11-18

Similar Documents

Publication Publication Date Title
CN1126059C (zh) 产生用于图样识别的参考图的方法
RU2302656C2 (ru) Система идентификации изображений
Yuan et al. Difference co-occurrence matrix using BP neural network for fingerprint liveness detection
Bhanu et al. Fingerprint indexing based on novel features of minutiae triplets
US6181807B1 (en) Methods and related apparatus for fingerprint indexing and searching
CN101079106A (zh) 一种兼容不同指纹传感器图像信息的指纹识别方法
CN101339607A (zh) 人脸识别方法及系统、人脸识别模型训练方法及系统
Doukim et al. Combining neural networks for skin detection
CN100346347C (zh) 通过多个面部原型合成的健壮面部注册
EP1403811B1 (en) Fingerprint authentication with input image validation based on the analysis of the spatial distribution of the brightness
Roddy et al. Fingerprint feature processing techniques and poroscopy
CN1543625A (zh) 个人身份验证方法和系统
US20040218790A1 (en) Print segmentation system and method
Murshed et al. Off-line signature verification, without a priori knowledge of class/spl omega//sub 2/. A new approach
Thompson et al. SHREC'19 track: Feature Curve Extraction on Triangle Meshes
Kovari et al. Off-line signature verification based on feature matching
CN110570210B (zh) 一种基于增强相关系数的双阶二维码防伪认证方法
US7136515B2 (en) Method and apparatus for providing a binary fingerprint image
DR et al. Fingerprint verification based on fusion of minutiae and ridges using strength factors
Marcialis et al. Multimodal fingerprint verification by score-level fusion: An experimental investigation
Thepade et al. Image Forgery Detection using Machine Learning with Fusion of Global and Local Thepade's SBTC Features
JP2008129679A (ja) 指紋判別モデル構築方法、指紋判別方法、本人認証方法、指紋判別装置、および、本人認証装置
Palma et al. A dynamic algorithm for palmprint recognition
Rahman et al. A statistical approach for offline signature verification using local gradient features
TWI416432B (zh) 利用奇異值分解於指紋影像之增強及切割方法及其系統

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: JIJIASAITE TELECOM CO., LTD.

Free format text: FORMER OWNER: SIEMENS AKTIENGESELLSCHAFT

Effective date: 20101115

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20101115

Address after: Munich, Germany

Patentee after: Siemens AG

Address before: Munich, Germany

Patentee before: Siemens AG

CX01 Expiry of patent term
CX01 Expiry of patent term

Granted publication date: 20031029