CN1735908A - 指纹核对设备和方法、记录介质和程序 - Google Patents
指纹核对设备和方法、记录介质和程序 Download PDFInfo
- Publication number
- CN1735908A CN1735908A CNA2003801083548A CN200380108354A CN1735908A CN 1735908 A CN1735908 A CN 1735908A CN A2003801083548 A CNA2003801083548 A CN A2003801083548A CN 200380108354 A CN200380108354 A CN 200380108354A CN 1735908 A CN1735908 A CN 1735908A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- crown line
- point
- leg
- length
- 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
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
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
Abstract
一种指纹匹配设备和方法、记录介质和能够使用少量数据快速执行指纹匹配处理的程序。CPU检测指纹图像的中心点C、分叉点P1到P8和终点Q1到Q10并且通过连接与中心点C最接近的分叉点P1和分叉点附近的两个分叉点P2和P3产生三角形W1。三角形的面积S1和三边的长度存储在闪速存储器中。此外,CPU计算分叉点P1和分叉点P1附近的终点Q1的位置、分叉点P2和分叉点P2附近的终点Q3的位置和分叉点P3和分叉点P3附近的终点Q3的位置,并且在闪速存储器中存储这些位置作为已登记模板。当执行匹配时,CPU判断三角形的面积和边长以及从匹配图像获得的终点的位置是否与已登记模板一致。本发明可以应用到指纹匹配设备。
Description
技术领域
本发明涉及指纹核对设备和方法、记录介质和程序,本发明尤其涉及用于降低要存储的数据量的指纹核对设备和方法、记录介质和程序。
背景技术
用于读取用户的手指的指纹的、检验指纹并验证用户的指纹核对设备被应用到各种装置中。
作为用于读取手指的指纹并登记指纹的技术的例子,例如有所谓细节方法和图案匹配方法。
在细节方法中,在登记将要读出的指纹期间,例如,指纹图像首先进行二值化处理并变细,并且从变细的图像中提取诸如隆起线(ridge)终点和隆起线分叉之类的特征点。然后,沿特征点的细线跟踪预定数量的像素,并且提取该跟踪部分作为部分细线,并且该部分细线被转换为一系列近似片段。关于预定数量的特征点重复该操作,以便提取由多个连续片段构成的一系列片段。以这种方式,将指纹图像转换为片段序列,并且登记在每个片断的对端上的点的坐标和片段之一与接近的片段连接的每个位置的坐标。此外,如果特征点是隆起线分叉,则对每三个分叉的细线重复相似的处理。此外,根据部分细线的种类和坐标、变细的图像和特征点,计算并登记如下隆起线的数目,所述隆起线与每个连接不同部分细线的对端(opposite end)的线相交(例如参见日本专利公开申请NO.1-50175(下面成为专利文档1))。
此外,在通过细节方法进行指纹的核对中,在指纹图像被二值化并变细后,首先提取特征量。然后,从获得的变细的图像中提取与登记的部分细线之一的位置接近的细线,比较两者的图案,并且如果不匹配的程度等于或小于特定的阈值,确定二者是相同的。此外,对接受核对的图像的特征点顺序实行该校准,并且每当发现匹配时,执行二者的校准。将其它部分细线移动此时的移动量,并且对每个细线执行类似的比较。此外,从接受核对的变细图像中计算相交隆起线的数量,并且将该数量与登记的相交隆起线的数量进行比较,如果匹配率等于或高于预定值,则确定验证成功(例如,参见专利文档1)。
此外,在图案匹配方法中,存储整个或部分水印图像作为已登记模板。
然而,在图案匹配方法中,由于存储整个或部分指纹图像作为已登记模板,所以已登记模板的尺寸很大,并且需要对应于该大尺寸的存储器容量,从而产生低吞吐量的问题。
此外,如果获得的指纹图像旋转(例如,上下),则很难核对指纹图像,从而产生精确度不足的问题。
此外,除了指示位置、方向和单独的特征点的种类(例如隆起线分叉和隆起线终点)的信息外,细节方法(例如参照专利文档1)使用指示特征点之间的隆起线数量的信息,以便根据特征点之间的隆起线增加验证精确度。换句话说,在该方法中,如果增加验证精确度,需要特定程度的模板尺寸。因此,细节方法仍然具有低吞吐量、大数据量和精确度不足的问题。
发明内容
根据上述情况做出本发明,并且希望它可以实现增加的吞吐量、降低的数据量以及增加的精确度。
根据本发明的第一信息处理设备特征在于,该装置包括:第一检测装置,用于从指纹图像中检测作为指纹的隆起线分叉和隆起线终点中的任何一个的第一特征点;第一产生装置,用于产生连接多个第一特征点中相互接近的三个任意点的三角形;第一计算装置,用于计算由第一产生装置产生的三角形的面积和每一边的长度;和存储装置,用于存储由第一计算装置计算的三角形的面积和每一边的长度。
也可以包括第二检测装置,用于检测作为指纹图像的中心的中心点;和排序装置,用于根据由第二检测单元检测的中心点和多个第一特征点之间的距离排序第一特征点;其中第一产生装置使用排序的第一特征点来产生连接相互接近的三个任意点的三角形。
可以使第一检测装置还检测作为隆起线分叉和隆起线终点之间的另一个的第二特征点,并且还包括第二计算装置,用于计算第一点和作为与第一点最接近的第二特征点之一的第四点之间的距离和方向至少之一、第二点和与第二点最接近的第二特征点之一的第五点之间的距离和方向至少之一和第三点和与第三点最接近的第二特征点之一的第六点之间的距离和方向至少之一,并且构成一个三角形的三个第一特征点分别是第一点、第二点和第三点;存储装置还存储由第二计算装置计算的第一点和第四点、第二点和第五点和第三点和第六点之间的距离和方向至少之一。
可以具有第二检测装置,用于检测作为指纹图像的中心的中心点;和排序装置,用于根据由第二检测装置检测的中心点和多个第一特征点中的每个之间的距离排序第二特征点;其中第二计算装置通过使用排序的第二特征点计算第一点和第四点、第二点和第五点和第三点和第六点之间的距离和方向至少之一。
也可以具有第二检测装置,用于从接受核对的指纹图像中检测指纹的第一特征点;第二产生装置,用于产生连接了在接受核对的指纹图像中的多个第一特征点中相互接近的三个任意点的三角形;第二计算装置,用于计算由第二产生装置产生的三角形的面积和每一边的长度;和比较装置,用于将存储在存储装置中的三角形的面积和每一边的长度与由第二计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度进行比较。
根据本发明的第一信息处理方法特征在于,该方法包括:第一检测步骤,从指纹图像中检测作为指纹的隆起线分叉和隆起线终点中的任何一个的第一特征点;第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;第一计算步骤,计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和存储控制步骤,控制由第一计算步骤的处理计算的三角形的面积和每一边的长度的存储。
记录在记录介质上的第一程序特征在于,包括:第一检测步骤,从指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点;第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;第一计算步骤,计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和存储控制步骤,控制由第一计算步骤的处理计算的三角形的面积和每一边的长度的存储。
一种程序特征在于使计算机执行处理,该处理包括:第一检测步骤,从指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点;第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;第一计算步骤,计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和存储控制步骤,控制由第一计算步骤的处理计算的三角形的面积和每一边的长度的存储。
根据本发明的第二信息处理设备特征在于包括一个信息处理设备,该装置特征在于包括:第一检测装置,用于从接受核对的指纹图像中检测作为指纹的隆起线分叉和隆起线终点中的任何一个的第一特征点;第一产生装置,用于产生连接多个第一特征点中相互接近的三个任意点的三角形;第一计算装置,用于计算由第一产生装置产生的三角形的面积和每一边的长度;和比较装置,用于将由第一计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度与预先存储的指纹图像的三角形的面积和每一边的长度进行比较。
可以使第一检测装置还检测作为隆起线分叉和隆起线终点之间的另一个的第二特征点;并且还包括第二计算装置,用于计算第一点和作为与第一点最接近的第二特征点之一的第四点之间的距离和方向至少之一、第二点和与第二点最接近的第二特征点之一的第五点之间的距离和方向至少之一和第三点和与第三点最接近的第二特征点之一的第六点之间的距离和方向至少之一,并且构成一个三角形的三个第一特征点分别是第一点、第二点和第三点;并且比较装置将由第一计算装置和第二计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度以及第四点相对于第一点、第五点相对于第二点和第六点相对于第三点的距离和方向至少之一与存储的指纹图像的三角形的面积和每一边的长度以及接受核对的指纹图像的第四点相对于第一点、第五点相对于第二点和第六点相对于第三点的距离和方向至少之一进行比较。
根据本发明的第二信息处理方法特征在于包括第一检测步骤,从接受核对的指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点;第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;第一计算步骤,用于计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和比较步骤,将由第一计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度与预先存储的指纹图像的三角形的面积和每一边的长度进行比较。
根据本发明的记录在记录介质中的第二程序特征在于包括:第一检测步骤,从接受核对的指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点;第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;第一计算步骤,用于计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和比较步骤,将由第一计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度与预先存储的指纹图像的三角形的面积和每一边的长度进行比较。
根据本发明记录的第二程序特征在于使计算机执行:第一检测步骤,从接受核对的指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点;第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;第一计算步骤,用于计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和比较步骤,将由第一计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度与预先存储的指纹图像的三角形的面积和每一边的长度进行比较。
在本申请的第一发明中,从指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点,产生连接多个第一特征点中相互接近的三个任意点的三角形,计算由所产生的三角形的面积和每一边的长度,并且存储三角形的每一边的计算出的面积和长度。
在本申请的第二发明中,从指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点,产生连接多个第一特征点中相互接近的三个任意点的三角形,计算由所产生的三角形的面积和每一边的长度,并且将接受核对的指纹图像的三角形的每一边的计算出的面积和长度与预先存储的指纹图像的三角形的面积和每一边的长度进行比较。
附图说明
图1是显示应用本发明的指纹核对设备的一个实施例的外貌的配置的透视图;
图2是解释其指纹需要读取的手指按住指纹读取传感器的情况的平面图;
图3是显示指纹核对设备的配置的方框图;
图4是显示指纹读取传感器的理论配置的截面图;
图5是显示指纹读取传感器的内部电路的配置的电路图;
图6是解释图3的指纹登记装置中的指纹登记处理的流程图;
图7是解释图3的指纹登记装置中的指纹登记处理的流程图;
图8是显示根据图6的步骤S3的图像示例的视图;
图9是显示根据图6的步骤S4的图像示例的视图;
图10是显示根据图6的步骤S5的图像示例的视图;
图11是显示根据图6的步骤S6的图像示例的视图;
图12是显示根据图6的步骤S7的图像示例的视图;
图13是显示根据图7的步骤S14的图像示例的视图;
图14是解释图3的指纹登记装置中的指纹核对处理的流程图;
图15是解释图3的指纹登记装置中的指纹核对处理的流程图;
图16是解释图3的指纹登记装置中的指纹核对处理的流程图;
图17是解释图3的指纹登记装置中的指纹核对处理的流程图;
图18是显示根据图14的步骤S104的图像示例的视图;
图19是显示根据图14的步骤S105的图像示例的视图;
图20是显示根据图14的步骤S106的图像示例的视图;
图21是显示根据图14的步骤S107的图像示例的视图;
图22是显示根据图14的步骤S104的另一图像示例的视图;
图23是显示根据图14的步骤S105的另一图像示例的视图;
图24是显示根据图14的步骤S106的另一图像示例的视图;以及
图25是显示根据图14的步骤S107的另一图像示例的视图。
具体实施方式
图1是显示应用本发明的指纹核对设备的一个实施例的外貌的配置的透视图。
指纹核对设备1包括:构成装置外壳的主体部件11,以及提供来关于主体部件11自由断开/关闭并在关闭时物理地保护主体部件11的顶面的保护盖12。在图1中,指纹核对设备1的保护盖12关于主体部件11处于断开状态。
在主体部件11顶面提供了指纹读取传感器21和用于指示指纹核对的结果的灯22和23。
指纹读取传感器21将按住以便与指纹读取传感器21接触的手指的指纹作为图像读取。
在图1所示的情况下,如图2所示,当具有需要读取的指纹的手指41轻按指纹读取传感器21时,手指的指纹41被作为图像读取。
相互排他地开启灯22和灯23,由此指示是否可以进行指纹核对。每个灯22和灯23在其关闭时,指示手指41没有与指纹读取传感器21接触。
如图2所示,指纹核对设备1经由连接到端子42的电缆43向未示出的另一装置提供用于指示指纹核对结果的数据。例如电缆43可以是基于USB(通用串行总线)标准的电缆。当然电缆43的标准可以是诸如RS232C之类的另一标准。
当要携带指纹核对设备1时,关闭保护盖12。因此保护主体部件11和用于指示的灯22和23、特别是指纹读取传感器21不受外部以及静电施加的异常压力。因此,防止指纹核对设备1受损或被破坏。
图3是显示指纹核对设备1的内部配置的方框图。
指纹读取LSI(大规模集成电路)51从指纹读取传感器21提供的信号中产生指纹图像,并且向CPU 52提供所产生的指纹图像。
CPU 52控制整个指纹核对设备1的操作。CPU 52还登记从指纹读取LSI5提供的指纹图像,或者将指纹图像与先前已登记的指纹匹配。
程序RAM(随机存取存储器)/ROM(只读存储器)53包括RAM和ROM,并且存储作为由CPU 52执行的固件的指纹核对程序。程序RAM/ROM 53的ROM部分存储基本上固定的程序和参数。程序RAM/ROM 53的RAM部分存储根据指纹核对程序的执行而变化的参数或数据。
在登记用户指纹期间,闪速存储器54存储从用户的指纹图像中提取的、用于指示特征量的数据作为已登记模板。换句话说,在指纹登记期间,CPU 52将从指纹读取LSI 51提供并从指纹图像提取的已登记模板存储在闪速存储器54中。在指纹核对期间,CPU 52将从指纹读取LSI51提供的指纹图像与存储在闪速存储器54中的已登记模板相匹配。
USB控制器55根据USB标准将从CPU 52提供的指纹核对的结果输出到经由端子42连接的、未示出的外部装置,并且获得其指纹正在被读取的用户的ID(标识),该ID从外部设备提供。USB控制器55将获得的用户ID提供到CPU 52。用户ID作为已登记模板存储在闪速存储器54中。
指纹读取LSI 51、闪速存储器54、程序RAM/ROM 53、CPU 52和USB控制器55通过总线56相互连接。
驱动器57按需连接到总线56。驱动器57读取记录在根据需要加载的磁盘71、光盘72、磁光盘73或半导体存储器74上的数据或程序,并且经由总线56向程序RAM/ROM 53提供读取的数据或程序。
将在下面描述指纹读取传感器21。如上所述,指纹读取传感器21从与传感器表面直接接触的手指41读取指纹图像,并且可以使用索尼公司制作的XXA3271GE。
在指纹读取传感器21中,通过在金属电极的上表面布置绝缘薄膜来形成传感器表面。当手指放置到指纹读取传感器21的传感器表面上时,由三个结构元件,即金属电极、绝缘薄膜和手指41形成电容。在这种情况下,手指41用作电极。
从手指的指纹41的隆起线部分(电极)到指纹读取传感器21的金属电极的距离小于从手指的指纹41的凹陷部分(电极)到指纹读取传感器21的金属电极的距离。此外,由于手指的指纹41的隆起线部分与绝缘薄膜接触,由绝缘薄膜的介电常数大致确定手指的指纹41的隆起线部分形成的电容。
另一方面,在手指的指纹41的凹陷部分中,在作为电极的手指41和绝缘薄膜之间插入了空气层,由此手指的指纹41的凹陷部分形成的电容的电容量与手指的指纹41的隆起线部分形成的电容的电容量有很大的不同。
因此,指纹读取传感器21将存储在由金属电极、绝缘薄膜和手指的指纹41的隆起线部分形成的电容器中的电荷和存储在由金属电极、绝缘薄膜和手指的指纹41的凹陷部分形成的电容器中的电荷转换为电压,由此将指纹的不平坦作为电信号输出。
图4是显示用于表示指纹读取传感器21的原理的配置的视图。
如图4所示,指纹读取传感器21具有这样的配置:其中在具有放置在其间的中间层薄膜102的硅(Si)基底101上以80μm的行距布置金属电极103(采样点),并且阵列的上表面覆盖有绝缘薄膜(外衣)104。指纹读取传感器21检测直接放置在绝缘薄膜104的上表面的手指的指纹41的不平坦。
换句话说,由于手指41是导体,当手指41放置在绝缘薄膜104的上表面时,金属电极103、绝缘薄膜104和手指41形成电容器106。因此,根据指纹的隆起线部分41A和凹陷部分41B的不平坦形成具有从手指41到金属电极103的不同距离的电容器106,使得隆起线部分41A和凹陷部分41B的不平坦表现为电容器106的电容值之间的差异。
此外,指纹的隆起线部分41A与绝缘薄膜104接触,由绝缘薄膜104的介电常数和绝缘薄膜的厚度确定由隆起线部分41A形成各个电容器106的电容值。另一方面,在指纹的凹陷部分41B中,除了绝缘薄膜104外,空气层插入在作为电极的手指41和金属电极103之间,由此通过绝缘薄膜104的介电常数和绝缘薄膜的厚度以及空气的介电常数和厚度确定由凹陷部分41B形成各个电容器106的电容值。
换句话说,由手指的指纹41的凹陷部分41B形成的各个电容器106的电容值与由手指的指纹41的隆起线部分41A形成的各个电容器106的电容值有很大的不同。
因此,当手指41与指纹读取传感器21的上表面(传感器表面)接触时,如果恒定电压施加到金属电极103,则存储在手指41的隆起线部分41A的每个电容器106的电荷量与存储在凹陷部分41B的每个电容器106的电荷量不同。指纹读取传感器21将存储在各个电容器106中的电荷转换为电压,并且将指纹的不平坦作为电信号输出。
将在下面描述将指纹的不平坦转换为电信号的指纹读取传感器21的操作。图5是显示指纹读取传感器21的内部电路的电路图。
指纹读取传感器21包括:传感器部件21A,用于根据指纹的不平坦检测表示电容值的电荷;传感放大器部件21B,用于转换从传感器部件21A输出的电荷;和输出部件21C,用于放大并输出从传感放大器部件21B输出的电压信号。
在指纹读取传感器21中,传感放大器部件21B具有用于将电荷转换为电压的差分放大器121,并且输出部件21C具有用于放大电压信号的差分放大器122和用于调节输出阻抗的差分放大器123。
此外,在图5中,电容器Cs表示在手指41和金属电极103之间形成的电容器106。在下面,电容器Cs的电容简单表示为Cs。
传感器部件21A的电容器Cp是等效于在金属电极103和显示器面板101之间形成的寄生电容。在下面,电容器Cp的电容简单表示为Cp。传感器部件21A的电容器Cs和电容器Cp串联。在电容器Cs和电容器Cp之间的连接点上的电压称为Vcel。
传感放大器部件21B的电容器Cp′是用于除去由于寄生电容产生的电容器Cp的电容。电容器Cp′的一个端子接地,而电容器Cp′的另一个端子通过开关Sw3连接到差分放大器121的反向输入端上。在下面,电容器Cp′的电容简单称为Cp′。电容器Cp′的电容大致等于电容器Cp的电容。
传感放大器部件21B的电容器Ch1的一个端子接地,而电容器Ch1的另一个端子经由开关Sw5连接到差分放大器121的输出端,并且还经由开关Swe连接到差分放大器122的反向输入端。输出部件21C的电容器Ch2的一个端子接地,而电容器Ch2的另一个端子经由开关Sw7连接到差分放大器122的输出端,并且还连接到差分放大器123的非反向输入端。传感放大器部件21B的电容器Ch1和输出部件21C的电容器Ch2是所谓用于保持电压的保持电容器。
下面,电容器Ch1的电容称为Ch1,而电容器Ch2的电容称为Ch2。
此外,传感放大器部件21B的电容器Cf1的一个端子连接到差分放大器121的反向输入端上,电容器Cf1的另一个端子连接到差分放大器121的输出端上。电容器Cf1的电容是用于确定差分放大器121的增益的反馈电容。
在下面,将电容器Cf1的电容简单称为Cf1。
输出部件21C的电容器Cf2的一个端子连接到差分放大器122的非反向输入端,而电容器Cf2的另一个端子连接到差分放大器122的输出端。电容器Cf2的电容是用于确定差分放大器122的增益的反馈电容。在下面,将电容器Cf2的电容简单称为Cf2。
传感放大器部件21B的开关Swr连接或断开在电容器Cs和电容器Cp之间的连接点以及差分放大器121的非反向输入端。传感放大器部件21B的开关Swe连接或断开电容器Ch1非接地的端子和差分放大器122的非反向输入端。
在传感放大器部件21B中,电压VH施加到开关Sw1的一个端子上,而另一个端子连接到差分放大器121的非反向输入端。电压VM施加到开关Sw2的一个端子上,而另一个端子连接到差分放大器121的非反向输入端。电压VL施加到开关Sw11的一个端子上,而另一个端子连接到差分放大器121的非反向输入端。
电压VH高于电压VM,并且电压VM高于电压VL。电压VH和电压VM之间的差异大约等于电压VM和电压VL之间的差异。
开关Sw3的一个端子连接到电容器Cp′的非接地端,而Sw3的另一个端子连接到差分放大器121的非反向输入端。
开关Sw4的一个端子连接到电容器Cf1的一个端子,而Sw4的另一个端子连接到电容器Cf1的另一个端子。换句话说,开关Sw4与电容器Cf1并联。
开关Sw5的一个端子连接到差分放大器121的输出端,而Sw5的另一个端子连接到电容器Ch1的非接地端并经由开关Swe连接到差分放大器122的非反向输入端。
输出部件21C的开关Sw6的一个端子连接到电容器Cf2的一个端子,而开关Sw6的另一个端子连接到电容器Cf2的另一个端子。换句话说,开关Sw6与电容器Cf2并联。
输出部件21C的开关Sw7的一个端子连接到差分放大器122的输出端,而Sw7的另一个端子连接到电容器Ch2的非接地端并连接到差分放大器123的非反向输入端。
电压VOS施加到差分放大器122的非反向输入端。
将在下面描述指纹读取传感器的内部电路的操作。
当开关Swr、开关Swe、开关Sw1、开关Sw7以及开关Sw11断开,即截止时,开始指纹读取传感器21的操作。
(1)首先,在开关Swr、开关Swe、开关Sw1、开关Sw7以及开关Sw11处于其初始状态,即截止状态时,开关Sw1、开关Sw4和开关Swr闭合,即导通。因此,在电容器Cs和电容器Cp之间的连接点上的电压Vcel被设置为VH。此时,存储在每个电容器Cs和电容器Cp上的电荷成为(Cs+Cp)VH。
(2)接下来,开关Sw1和开关Swr截止。
(3)然后,开关Sw11和Sw3导通,使得在电容器Cp′和开关Sw3之间的连接点上的电压Vdmy被设置为VL。此时,存储在电容器Cp′的电荷变为Cp′VL。
(4)接下来,开关Sw3和开关Sw11截止。
(5)然后,开关Sw2导通,使得施加到差分放大器121的非反向输入端的电压Vs1被设置为VM。
(6)接下来,开关Sw4截止。
(7)然后,开关Swr、开关Sw3和开关Sw5导通。此时,电压Vcel是VH,电压Vdmy是VL,并且施加到差分放大器121的非反向输入端的电压Vs1为VM。因此,由表达式(1)表示的电荷在电容器Cs、电容器Cp和电容器Cp′之间移动:
(Cs+Cp)(VH-VM)-Cp′(VM-VL)≈Cs(VH-VM)(1)
因此,由方程(2)表示差分放大器121的输出电压Vsns:
Vsns=VM-CS (VH-VM)/Cf1 (2)
以这种方式,不必根据在金属电极103和显示器面板101之间形成的寄生电容Cp来确定传感放大器部件21B的增益,由此可以提高动态范围。
然后,由表达式(2)建立的电压Vsns施加到电容器Ch1上。
(8)接下来,开关Sw5截止。
(9)然后,开关Sw6截止,并且在电容器Cf2(在差分放大器122的非反向输入端侧)的输入侧的电压Voi被设置为VOS。
(10)接下来,开关Sw6截止。
(11)然后,开关Swe和开关Sw7导通,此时在电容器Ch1到电容器Cf2移动的电荷是(VOS-Vsns)Ch1。因此,确定在电容器Cf2(在差分放大器122的输出端侧)的输出侧的电压Voo。
然后,该电压Voo经由作为缓冲放大器的差分放大器123输出到输出端Aout。
将参照流程图6和7描述图1所示的指纹核对设备1中的指纹登记处理。当用户输入启动指纹登记处理的命令并且用户的手指按在指纹读取传感器21上时,开始该处理。
在步骤S1中,指纹读取传感器21读取与指纹读取传感器21接触的手指的指纹图像。然后,将对应于读取的指纹的信号提供到指纹读取LSI 51上。
在步骤S2中,指纹读取LSI 51从对应于从指纹读取传感器21提供的指纹的信号产生指纹的图像数据。
在步骤S3中,指纹读取LSI 51将产生的指纹图像数据转换为256级灰度图像数据,并且将经转换的256级灰度图像数据提供到CPU 52。特别地,如图8所示,获得用于指示具有128像素×128像素的图像200的数据。
在步骤S4中,CPU 52在经转换的灰度图像数据上执行诸如降噪和填补指纹隆起线上的小损伤之类的预处理。如图9所示,获得了噪声降低的图像作为预处理过的图像。
在步骤S5中,CPU 52是用预定阈值二值化经预处理的灰度图像数据,并且将于处理的图像数据转换为二值化图像数据。图10显示了二值化图像。
在步骤S6中,CPU 52执行变细处理。特别地,CPU 52执行从通过步骤S5的处理获得的二值化图像数据中的值1表示的部分中提取其中每个具有等于一个像素的线宽的中心线的处理。因此,每个线宽等于一个像素并且保留了连接性,由此指纹隆起线的隆起线分叉和隆起线终点变得很容易在后续步骤中检测。图11示出了由步骤S6的变细处理变细的图像。
在步骤S7中,CPU 52从变细的图像中检测最多10个隆起线分叉和最多10个隆起线终点。在图12中示出了由步骤S7的处理检测到的隆起线分叉和隆起线终点。在图12中,实际上从由128像素×128像素表示的图像200中的由96像素×96像素表示的图像201中检测到隆起线分叉和隆起线终点。以这种方式,可以降低要提取的隆起线分叉和隆起线终点的数量。在图12中,检测到隆起线分叉P1到P8(8个),并且P1到P8的各个隆起线分叉的坐标是P1(xp1,yp1)、P2(xp2,yp2)、P3(xp3,yp3)、P4(xp4,yp4)、P5(xp5,yp5)、P6(xp6,yp6)、P7(xp7,yp7)和P8(xp8,yp8)。此外,检测到隆起线终点Q1到Q10(10个),并且Q1到Q10的各个隆起线终点的坐标是Q1(xq1,yq1)、Q2(xq2,yq2)、Q3(xq3,yq3)、Q4(xq4,yq4)、Q5(xq5,yq5)、Q6(xq6,yq6)、Q7(xq7,yq7)、Q8(xq8,yq8)、Q9(xq9,yq9)和Q10(xq10,yq10)。
在本示例中,CPU 52检测最多10个隆起线分叉和最多10个隆起线终点,但是该示例不是限制性的。例如,需要检测的隆起线分叉和隆起线终点的每一个数量可以设置为事先预定的最大限度,或10个或更多。此外,CPU 52从由96像素×96像素表示的图像201检测隆起线分叉和隆起线终点,但是该示例不是限制性的。例如也可以使用由112像素×112像素形成的图像。
在步骤S8中,CPU 52使程序RAM/ROM 53的RAM部分来存储检测的隆起线分叉和隆起线终点(换句话说,Pi(xpi,ypi)(其中i=1,2,…,8)和Qi(xqi,yqi)(其中i=1,2,…,10))的坐标。由于该存储是暂时的,将坐标存储在程序RAM/ROM 53的RAM部分中(而不是在闪速存储器54中)。
在步骤S9中,CPU 52检测作为登记的图像的中心的中心点C(in,jn)。特别地,如图12所示,确定图201的纵轴的中线与该图像的横轴的中线相交的点作为中心点。在该步骤中建立的中心不是指纹的中心而是登记的图像的中心,以便可以快速并容易地得到中心。在该示例的情况下,由于图像200由128像素×128像素表示,CPU 52检测预设点(64,64)(或(63,63))作为中心点C。
在步骤S10中,CPU 52计算由步骤S9的处理得到的中心点C(in,jn)与由步骤S7的处理检测到的多个隆起线分叉中的每一个隆起线分叉之间距离,其中中心点是登记的图像的中心。在该示例的情况下,分别计算中心点C和隆起线分叉P1到P8之间的距离。如果计算中心点C和隆起线分叉P1之间的距离为Lp1,计算中心点C和隆起线分叉P2之间的距离为Lp2,计算中心点C和隆起线分叉P3之间的距离为Lp3。随后,分别计算中心点C与P4、P5、…、P8之间的距离为Lp4、Lp5、…、Lp8。
在步骤S11中,CPU 52以升幂排序由步骤S 10的处理计算出的距离(中心点C与隆起线分叉P1到P8之间的距离)。在该示例的情况下,离中心的距离被排序为Lp1<Lp2<Lp3<Lp4<Lp5<Lp6<Lp7<Lp8。
在步骤S12中,CPU 52计算中心点C(in,jn)与由步骤S7的处理检测到的多个隆起线终点中的每一个隆起线终点之间距离。在该示例的情况下,分别计算中心点C和隆起线终点Q1到Q10之间的距离。如果计算中心点C和隆起线终点Q1之间的距离为Lq1,计算中心点C和隆起线终点Q2之间的距离为Lq2,并且计算中心点C和隆起线终点Q3之间的距离为Lq3。随后,分别计算中心点C与Q4、Q5、…、Q8之间的距离为Lq4、Lq5、…、Lq8。
在步骤S13中,CPU 52以升幂排序由步骤S12的处理计算出的距离(中心点C与隆起线终点Q1到Q10之间的距离)。在该示例的情况下,离中心的距离被排序为Lq1<Lq2<Lq3<Lq4<Lq5<Lq6<Lq7<Lq8<Lq9<Lq10。
在步骤S14中,CPU 52在与指纹的中心点C(in,jn)(中心点由步骤S9的处理得到)接近的隆起线分叉(在该示例的情况下,最多10个隆起线分叉)中产生每个连接相互最接近的三个点的所有三角形。如上所述,在该示例的情况下,CPU 52在与指纹的中心点接近的最多10个隆起线分叉中产生每个连接相互最接近的三个点的所有三角形。然而,该示例不是限制性的,并且可以根据步骤S7的处理检测到的隆起线分叉的数量进行修改。
特别地,如图13所示,CPU 52通过连接与中心点C(in,jn)(选择隆起线分叉P1是因为离中心点C的距离Lp1最短)最接近的隆起线分叉P1(xp1,yp1)和与隆起线分叉P1最接近的两个隆起线分叉P2(xp2,yp2)和P3(xp3,yp3)产生三角形W1。
接下来,CPU 52通过连接与中心点C(in,jn)(选择隆起线分叉P2是因为离中心点C的距离Lp2第二短)第二近(second closest)的隆起线分叉P2(xp2,yp2)和与隆起线分叉P2最接近的两个隆起线分叉P1(xp1,yp1)和P3(xp3,yp3)产生三角形。在该示例的情况下,这个三角形与上述的三角形W1完全相同。在下面的描述中,如果产生完全相同的三角形,省略其描述。
通过顺序重复该过程,还产生了连接与中心点C第三近的隆起线分叉P3和与隆起线分叉P3最接近的两个隆起线分叉P2和P4的三角形W2、连接与中心点C第四近的隆起线分叉P4和与隆起线分叉P4最接近的两个隆起线分叉P3和P7的三角形W3和连接与中心点C第五近的隆起线分叉P5和与隆起线分叉P5最接近的两个隆起线分叉P6和P8的三角形W4,由此全部产生了四个三角形。(省略了根据与中心点C第六近的隆起线分叉P6、与中心点C第七近的隆起线分叉P7和与中心点C第八近的隆起线分叉P8分别产生的三角形的图示,这是因为每个三角形与上述的三角形W1、W2、W3和W4中的任意一个重叠)。
通过以这种方式以离中心的距离增加的顺序根据对应的一个隆起线分叉和与对应那个隆起线分叉最接近的两个隆起线分叉产生三角形,可能出现这样一种情况,例如,由完全相同的隆起线分叉形成第一三角形和第二三角形或第三三角形。这种事实表示以从中心距离最接近的隆起线分叉的顺序,根据对应的一个隆起线分叉和两个与对应的隆起线分叉最接近的隆起线分叉产生每个三角形。特别地,通过连接与中心点C(in,jn)最接近的隆起线分叉P1(xp1,yp1)和与隆起线分叉P1最接近的两个隆起线分叉P2(xp2,yp2)和P3(xp3,yp3)产生的三角形W1和通过连接与中心点C(in,jn)第二近的隆起线分叉P2(xp2,yp2)和与隆起线分叉P2最接近的两个隆起线分叉P1(xp1,yp1)和P3(xp3,yp3)产生的三角形每一个都与三角形W1完全相同,并且也可以产生这些三角形而不用省略。
在步骤S15中,CPU 52计算每个产生的三角形的面积和每一边的长度。在该示例的情况下,产生的三角形的数量是4(三角形W1、W2、W3和W4)。(实际上,由于产生重叠的三角形,形成了4个或更多三角形,但是在该示例的情况下,不同的三角形的数量是4。)结果,计算四个三角形中的每一个三角形的面积和每一边的长度。因此,对于三角形W1,计算三角形W1的面积S1、隆起线分叉P1和隆起线分叉P2之间的距离(该距离和其它相类似的距离在下面简称为P1P2等等)、P2P3距离和P3P1距离。对于三角形W2,计算三角形W2的面积S2、P2P3距离、P3P4距离和P4P2距离。对于三角形W3,计算三角形W3的面积S3、P3P4距离、P4P7距离和P7P3距离。对于三角形W4,计算三角形W4的面积S4、P5P6距离、P6P8距离和P8P5距离(每一边的长度)。
在步骤S16中,CPU 52使闪速存储器54存储三角形的面积和每一边的长度作为已登记模板。由于已登记模板是一组面积和边的长度,因此已登记模板的数据量很小。
在步骤S17中,CPU 52计算与每个三角形的三点最接近的隆起线终点的位置。特别地,在图13的情况下,由于构成三角形W1的隆起线分叉是隆起线分叉P1、P2和P3,CPU 52检测与隆起线分叉P1最接近的隆起线终点Q2(xq2,yq2)、与隆起线分叉P2最接近的隆起线终点Q1(xq1,yq1)和与隆起线分叉P3最接近的隆起线终点Q1(xq1,yq1),并且计算它们的方向和距离(P1Q2的方向和距离、P2Q1的方向和距离和P3Q1的方向和距离)。在该示例的情况下,距离和位置是作为位置得到的,但是至少任何一个可以作为位置得到。当重复该处理时,对于三角形W2得到P3Q1、P2Q1和P4Q7的方向和距离(下面也称为位置),对于三角形W3得到P3Q1、P4Q7和P7Q7的位置,并且对于三角形W4得到P5Q6、P6Q6和P8Q6的位置。
在步骤S18中,CPU 52将通过步骤S17的处理为每个三角形得到的隆起线终点的位置与对应的一个三角形的面积和每一边的长度关联(通过步骤S16的处理存储每个三角形的面积和每一边的长度),并且使闪速存储器54存储已登记模板的相关数据。在该示例的情况下,对于每个三角形W1、W2、W3和W4来说,存储每一(三个)边的长度(例如,在W1的情况下,为P1P2长度、P2P3长度和P3P1长度)以及每个隆起线终点的位置(例如,在W1的情况下,为P1Q2长度、P2Q1长度和P3Q1长度)。在该示例的情况下,对于三角形W1得到P3Q1位置,对于三角形W2也得到P3Q1位置(得到对应于相同隆起线分叉的相同隆起线终点的位置),但是对于相同的点的位置也可以略去计算。
在步骤S19中,CPU 52经由USB控制器55获得其指纹正在被读取的用户的ID,该ID从未示出的外部装置提供,并且将获得的ID与存储在闪速存储器54中的已登记模板相关联(通过步骤S16和S18的处理存储在闪速存储器54中的已登记模板),并且使闪速存储器54存储关联数据。
通过图6和7的处理,CPU 52可以使闪速存储器54与用户ID一起存储从指纹图像提取的多个三角形中的每一个三角形的面积和每一边的长度以及对应于(最接近于)特定隆起线分叉(构成三角形的隆起线分叉)的隆起线终点的位置(方向或距离),从而作为指纹的特征。
此外,当将要开始核对登记处理时,也可以预先执行在步骤S19中存储用户ID的处理(在步骤S1之前)。
接下来,将参照流程图14到17描述如图2所示的指纹核对设备1中的指纹核对处理。图6和7的指纹登记处理之后执行这种处理,并且当用户的手指按在指纹读取传感器21上时开始。由于步骤S101到S111的处理与上述图6的步骤S1到S13大致相同,现在简要描述步骤S101到S111。
在步骤S101中,指纹读取传感器21读取按在指纹读取传感器21上与其接触的手指指纹图像,并且将对应于指纹的读取图像的信号提供到指纹读取LSI 51。
在步骤S102中,指纹读取LSI 51根据对应于从指纹读取传感器21提供的指纹的信号中产生指纹的图像数据。
在步骤S103,指纹读取LSI 51将产生的指纹图像数据转换为256级灰度图像数据,并且将经转换的256灰度图像数据提供到CPU 52。
在步骤S104,CPU 52对经转换的灰度图像数据执行诸如降噪和填充指纹隆起线中的小损伤之类的处理。特别地,产生用于指示在图18中所示的具有128像素×128像素的图像300的数据。图像301是具有96像素×96像素的图像。与图9的灰度图像200相比,图18显示的灰度图像的指纹的位置偏向右上。
在步骤S105中,CPU 52使用预定阈值二值化经预处理的灰度图像数据,并且将经预处理的灰度图像数据转换为二值化数据。图19示出二值化数据。
在步骤S106中,CPU 52执行变细处理,由此将二值化图像数据转换为图20所示的图像。
在步骤S107中,CPU 52从变细的图像中检测最多10个隆起线分叉和最多10个隆起线终点。在图21中显示了通过该处理检测到的隆起线分叉和隆起线终点。实际上,从由图21中的128像素×128像素表示的图像300中、由96像素×96像素表示的图像301中检测到隆起线分叉和隆起线终点。在图21中,检测隆起线分叉pb1到pb7(7个),并检测隆起线终点Qb1到Qb10(10个)。
此外,在该示例的情况下,CPU 52检测最多10个隆起线分叉和最多10个隆起线终点,但是与上述的图6和图7相同,该示例不是限制性的。例如,需要检测的隆起线分叉和隆起线终点的数量都可以被设置为预先确定的最大限制,或设置为10或更多。此外,CPU 52从由96像素×96像素表示的图像301中检测隆起线分叉和隆起线终点,但是该例子不是限制性的。例如,也可以使用由112像素×112像素表示的图像。
当图13与图21比较时,图13的隆起线分叉P1对应于图21的隆起线分叉Pb1,隆起线分叉P2对应于隆起线分叉Pb2,隆起线分叉P3对应于隆起线分叉Pb5,隆起线分叉P4对应于隆起线分叉Pb7,隆起线分叉P5对应于隆起线分叉Pb3,隆起线分叉P6对应于隆起线分叉Pb3,而隆起线分叉P8对应于隆起线分叉Pb6。换句话说,图13和图12关于读取的图像的位置不同(每次用户放置指纹的位置不同),使得在图21中没有检测到在图13中检测的隆起线分叉P7。此外,隆起线分叉Pbi的坐标是隆起线分叉Pbi(xpbi,ypbi)(其中i=1,2,…,7),而隆起线终点Qbi的坐标是隆起线终点Qbi(xqbi,yqbi)(其中i=1,2,…,10)。
在步骤S108中,CPU 52使程序RAM/ROM 53的RAM部分存储检测到的隆起线分叉和隆起线终点(换句话说,Pbi(xpbi,ypbi)(其中i=1,2,…,7)和Qbi(xqbi,yqbi)(其中i=1,2,…,10))的坐标(x,y)。由于该存储是临时的,这些坐标存储在程序RAM/ROM 53的RAM部分中(而不是在闪速存储器54中)。
在步骤S109,CPU 52检测指纹图像的中心点C(in,jn)。由于图像300由128像素×128像素表示,与上述图6的步骤S9的情况相同,CPU 52可以检测预设点(64,64)(或(63,63))作为中心点。
在步骤S110中,CPU 52计算在通过步骤S9的处理得到的指纹图像的中心点Cb(in,jn)和通过步骤S107的处理检测到的多个隆起线分叉中的每一个之间的距离。在该示例的情况下,分别计算在中心点和隆起线分叉Pb1到Pb7之间的距离。如果在中心点Cb和隆起线分叉Pb1之间的距离被计算为Lpb1,则中心点Cb和隆起线分叉Pb2之间的距离被计算为Lpb2,中心点Cb和隆起线分叉Pb3之间的距离被计算为Lpb3。顺序地,中心点Cb和Pb4、Pb5、…、Pb7之间的相应距离依次被计算为Lpb4、Lpb5、…、Lpb7。
在步骤S11中,CPU 52以升幂排序由步骤S110的处理计算出的距离(中心点Cb和各个隆起线分叉Pb1到Pb7之间的距离)。在该示例的情况下,离中心点的距离被排序为Lpb1<Lpb2<Lpb3<Lpb4<Lpb5<Lpb6<Lpb7。
在步骤S112中,CPU 52计算在中心点Cb(in,jn)和步骤S107的处理检测到的多个隆起线终点中的每一个之间的距离。在该示例的情况下,分别计算在中心点和隆起线分叉Qb1到Qb10之间的距离。如果中心点Cb和隆起线分叉Qb1之间的距离被计算为Lqb1,则中心点Cb和隆起线分叉Qb2之间的距离被计算为Lqb2,中心点Cb和隆起线分叉Qb3之间的距离被计算为Lqb3。顺序地,中心点Cb和Qb4、Qb5、…、Qb7之间的相应距离被依次计算为Lqb4、Lqb5、…、Lqb10。
在步骤S113中,CPU 52以升幂排序由步骤S12的处理计算出的距离(中心点C和各个隆起线终点Q1到Q8之间的距离)。在该示例的情况下,离中心点的距离被排序为Lqb1<Lqb2<Lqb3<Lqb4<Lqb5<Lqb6<Lqb7<Lqb8<Lqb9<Lqb10。
在步骤S114中,CPU 52检测与指纹的中心点Cb(in,jn)(由步骤S 109的处理得到的中心点)最接近的隆起线分叉和与该隆起线分叉最接近的两个隆起线分叉,并且产生连接这三个点的三角形。特别地,在图21所示的该示例的情况下,CPU 52产生连接与中心点Cb最接近的隆起线分叉Pb1、与隆起线分叉Pb1最接近的隆起线分叉Pb2和隆起线分叉Pb5的三角形Wb1。换句话说,CPU 52通过连接下面的三个点,即与中心点Cb(in,jn)最接近的隆起线分叉Pb1(xpb1,ypb1)和两个与隆起线分叉Pb1最接近的隆起线分叉Pb2(xpb2,ypb2)和Pb3(xpb3,ypb3),来产生三角形Wb1,其中选择隆起线分叉Pb1是因为其与中心点距离最小。
此外,在图21所示的示例的情况下,三角形W1对应于三角形Wb1,三角形W2对应于三角形Wb3(在该流程图中没有产生三角形Wb3,而是当所有三角形产生时,产生三角形Wb3),并且三角形W4对应于将在下面描述的三角形Wb2。换句话说,在图21中没有产生图13的三角形W3。
在步骤S115中,CPU 52计算由步骤S114的处理产生的三角形Wb1面积sb1(三角形Wb1由隆起线分叉Pb1、Pb2和Pb5构成)。
在步骤S116中,CPU 52使闪速存储器54存储在闪速存储器54中存储的已登记模板。
在步骤S117中,CPU 52确定以已登记模板(指纹登记处理)(图6和7的处理)存储在闪速存储器54中的已登记模板是否包含具有与步骤S115中计算出的三角形Wb1的面积sb1匹配的面积的已登记模板。由于通过周围环境、物力条件等等的影响产生某种程度上的指纹变形,CPU 52设置可允许的范围,并且即使CPU 52没有得到完全的匹配但是得到在可允许范围内的值(换句话说,小于匹配阈值),CPU 52也确定该值是匹配的。在该示例的情况下,图21的三角形Wb1对应于由图7中的步骤S15的处理得到的图13的三角形W1,由此CPU 52确定该面积Sb1是关于面积S1的匹配。
如果CPU 52在步骤S117中确定三角形Wb1的面积Sb1的匹配(在已登记模板中含有具有与面积Sb1匹配的面积的三角形),CPU 52在步骤S118计算三角形Wb1的每一边的长度。特别地,计算Pb1Pb2的长度、Pb2Pb5的长度和Pb5Pb1的长度。同时,这些长度也可以像面积一样在步骤S114进行计算。
在步骤S119中,CPU 52确定通过步骤S117的处理确定来匹配的、构成登记在已登记模板(在该示例的情况下,三角形W1)中的三角形的三个边的长度,与通过步骤S118的处理计算的三个边的长度是否匹配(在该示例的情况下,三角形Wb1的三边的长度)。在该示例的情况下,CPU 52确定对应于三角形W1(在图7中的步骤S16的处理存储的边长)的P1P2的长度、P2P3的长度和P3P1的长度是否分别与通过步骤S118的处理计算的三边的Pb1Pb2的长度、Pb2Pb5的长度和Pb5Pb1的长度匹配。当然,CPU 52设置可允许的范围,并且即使CPU 52没有得到完全的匹配但是得到在可允许范围内的值(换句话说,小于匹配阈值),CPU 52也确定该值是匹配的。在该示例的情况下,由于构成三角形W1的隆起线分叉P1、P2和P3分别对应于构成三角形Wb1的隆起线分叉Pb1、Pb2和Pb3,CPU 52确定隆起线分叉P1、P2和P3分别与隆起线分叉Pb1、Pb2和Pb3匹配。
如果在步骤S119确定三角形三边的每一边的长度匹配,在步骤S120,CPU 52搜索构成三角形(在该示例的情况下,通过步骤S114的处理产生三角形Wb1)的三个隆起线分叉(在该示例的情况下,隆起线分叉Pb1、隆起线分叉Pb2和隆起线分叉Pb5)最接近的隆起线终点。在该示例的情况下,搜索与隆起线分叉Pb1最接近的隆起线终点Qb3(xqb3,yqb3)、与隆起线分叉Pb2最接近的隆起线终点Qb7(xqb7,yqb7)和与隆起线分叉Pb5最接近的隆起线终点Qb7(xqb7,yqb7)。
在步骤S121中,CPU 52计算通过步骤S120的处理搜索的各个隆起线终点的位置。特别地,计算Pb1Qb3的位置、Pb2Qb7的位置和Pb5Qb7的位置。
可以在步骤S115中的面积计算期间集中地执行在步骤S118中的边长计算和在步骤S120和S121中的隆起线终点的搜索和计算。然而,如果面积不匹配,后续的两个计算变为不必要的,如果边长不匹配,则隆起线终点的搜索和计算变为不必要的。因此,通过每当做出关于先前条件的判决时依次执行计算,可以降低计算量,结果是可以获得快速的判决。
在步骤S122中,CPU 52将构成在步骤S117的处理中被确定为是一个匹配的三角形的三个隆起线分叉和与各个隆起线分叉最接近的隆起线终点之间的各个位置,与由步骤S121的处理计算的Pb1Qb3的位置、Pb2Qb7的位置和Pb5Qb7的位置进行比较。在该示例的情况下,构成三角形W1的三个隆起线分叉P1、P2和P3之间的位置,即通过图7的步骤S18的处理存储的P1Q2位置、P2Q1位置和P3Q1位置分别与通过步骤S121的处理计算的Pb1Qb3的位置、Pb2Qb7的位置和Pb5Qb7的位置进行比较。
在步骤S123中,CPU 52确定构成在步骤S122的处理中相互比较的三角形之一的三个点和与相应的三个点最接近的隆起线终点之间的位置是否与构成另一个三角形的三个点和与相应的三个点最接近的隆起线终点之间的位置匹配。在该示例的情况下,CPU 52确定P1Q2的位置、P2Q1的位置和P3Q1的位置是否分别与Pb1Qb3的位置、Pb2Qb7的位置和Pb5Qb7的位置匹配。由于从三角形Wb1中得到的Pb1Qb3、Pb2Qb7和Pb5Qb7分别对应于从三角形W1得到的P1Q2、P2Q1和P3Q1,因此确定得到了匹配。当然,确定在预定范围内的差错(即,小于匹配阈值)为匹配。如果确定得到了匹配,处理前进到步骤S124并且CPU 52给计数器递增1(计数器按1递增)。在该示例的情况下,计数器的值(其初始值为0)设置为1。
在步骤S125中,CPU 52确定计数器的值是否为2。当对所产生的一个三角形的面积和每一边的长度以及隆起线分叉和隆起线终点之间的位置得到匹配时,计数器的值增加。在该示例的情况下,由于计数器的值被设置为1(对于一个三角形验证成功),CPU 52在步骤S126确定是否可以产生下一个三角形。换句话说,确定是否可以产生与迄今为止产生的三角形不同的、通过连接与中心点C第二近的隆起线分叉和两个与该隆起线分叉最接近的隆起线分叉产生的三角形。在该示例的情况下,与中心点Cb第二近的隆起线分叉(隆起线分叉P1的下一个隆起线分叉)是P2,并且要从隆起线分叉P2产生的三角形与三角形Wb1相同,因此不能产生新的三角形。然而,通过使用离中心点Cb第三近的隆起线分叉P3可以产生三角形Wb2,因此被确定为可以产生下一个三角形。
如果在步骤S126确定可以产生下一个三角形,CPU 52前进到步骤S127并且产生下一个三角形。换句话说,与图6的步骤S14的处理的情况相同,由于通过步骤S107从图21中检测到隆起线分叉Pb1到Pb7和隆起线终点Qb1到Qb10,CPU 52产生连接了与中心点Cb第三近的隆起线分叉Pb3和与隆起线分叉Pb3最接近的两个隆起线分叉Pb4和Pb6。如上所述,在步骤S126的处理中,还产生包括与中心点Cb第二近的隆起线分叉Pb2的三角形,但是由于隆起线分叉Pb2和与隆起线分叉Pb2最接近的两个隆起线分叉是Pb1和Pb5,所以该三角形与三角形Wb1相同。因此,接下来产生包括与中心点Cb第三近的隆起线分叉Pb3的三角形。
接下来,处理返回至步骤S115并且CPU 52计算由步骤S127的处理产生的三角形的面积(在该示例的情况下,Wb2)。接下来,重复相同的处理,并且在该示例的情况下,由于三角形Wb2对应于在已登记模板中登记的、图13的三角形W4,因此被确定为在每个步骤S117、S119和S123中回答是(得到匹配)。
因此,在步骤S124中,给计数器递增1。在该示例的情况下,计数器的值设置为2。
在步骤S125中,CPU 52确定计数器的值是否为2。在该示例的情况下,确定计数器的值为2(由于三角形Wb1与三角形W1匹配,并且三角形Wb2与三角形W4匹配)。计数器的值为2的事实表明每个三角形的面积和每一边的长度以及隆起线分叉和隆起线终点完全与关于从指纹图像的隆起线分叉产生的两个不同三角形的、那些已登记模板匹配。如果确定计数器的值是2,则CPU 52前进到步骤S129并且输出用于指示验证成功的信号(换句话说,登记的用户和正在被核对的用户相互匹配),并且结束处理。由主体部件11的灯22和灯23指示该核对的结果。
如果在步骤S117确定面积不匹配,如果在步骤S119确定长度不匹配,如果在步骤123确定隆起线终点的位置不匹配,或者如果在步骤125确定计数器的值不为2(换句话说,如果确定从一个三角形面积、三角形的每一边的长度和三角形的隆起线分叉和隆起线终点之间的位置中没有得到关于至少一个元素的匹配),CPU 52前进到步骤S126并且确定是否可以产生下一个三角形。不能产生下一个三角形的事实表明由步骤S107检测的所有的隆起线分叉Pb1到Pb7都已经用于产生与过去产生的任何三角形重叠的三角形。如果确定不能产生下一个三角形,则CPU 52前进到步骤S128并且输出用于表示验证失败的信号(换句话说,登记的用户和正在被核对的用户相互不匹配),并且结束处理,该核对的结果由主体部件11的灯22和灯23表示。
通过图14到17的处理,可以根据从隆起线分叉建立的三角形的面积、每个三角形的三边中每一边的长度和与相应三个隆起线分叉最接近的隆起线终点的位置执行指纹核对。此外,通过得到获得的指纹图像的中心并顺序地从与中心最接近的隆起线分叉产生三角形,可以快速搜索匹配的已登记模板。
当用户将手指放置在指纹读取传感器21上时,用户需要将手指的中心与指纹读取传感器21的中心匹配。由于手指的方向每次都有变化,所以存在离中心更远的位置上的图像成为与登记的图像更为不同的图像的高概率。因此,在匹配的图像的情况下,通过以离中心的顺序做出判决可以快速获得用于指示匹配的判决结果。
在不同的三角形的情况下,它们的面积相互匹配的概率比它们的边的长度和它们的隆起线终点的位置相互匹配的概率要低。因此,通过预先针对面积做出判决,可以降低不必要的判决的数量,并且实现快速判决。
为什么当两个三角形的所有元素相互匹配(在步骤S125当判决结果为是)时假设验证成功(当所有的三角形相互匹配时不假设验证成功)的原因在于,按在指纹读取传感器21并通过其获得的指纹图像经历最大大约3mm的偏差(每次放置手指时指纹图像很容易改变)。换句话说,原因是当指纹图像经历偏差时,产生部分不同的三角形(例如,在图21的该示例的情况下,没有产生对应于图13的三角形W3的三角形)。
例如,如果在图14的步骤S104的处理中获得的经预处理的灰度图像是如图22所示的图像(当然,该图像是从相同手指获得的图像),与图9(通过图6的步骤S4的处理获得的经预处理的图像)的已登记的图像相比,该图像大大偏向左下方。
图22所示的灰度图像通过二值化处理被转换为如图23所示的图像(步骤S105的处理),并且通过变细处理(步骤S106的处理)转换为如图24所示的图像。然后,通过检测隆起线分叉和隆起线终点(步骤S107),变细的图像成为图25所示的图像。在图25中,与图21情况相似,将隆起线分叉分别设置为Pb1到Pb7(在图25所示的示例的情况下,仅检测到7个隆起线分叉),并且隆起线终点分别被设置为Qb1到Qb10,而中心点设置位Cb。
当比较图13和25时,图13的隆起线分叉P1对应于图25的隆起线分叉Pb3,隆起线分叉P2对应于隆起线分叉Pb2,隆起线分叉P3对应于隆起线分叉Pb1,隆起线分叉P4对应于隆起线分叉Pb6,并且隆起线分叉P7对应于隆起线分叉Pb5。换句话说,图13和25不同之处在于获得的图像的位置,从而在图25中没有检测到在图13中检测到的隆起线分叉P5、隆起线分叉P6和隆起线分叉P8。替代地,在图25中,在图25中检测到在图13中所没有检测到的隆起线分叉Pb4和隆起线分叉Pb7。
在得到记录介质接口的中心点Cb(在步骤S109的处理之后),或在预先读取了预设的中心点Cb之后,CPU 52以升幂排序中心点Cb和隆起线分叉Pb1到Pb7之间的距离(步骤S111),并且还以升幂排序中心点Cb和隆起线终点Qb1到Qb10之间的距离(步骤S113),并且产生三角形(步骤S114的处理)。在图25所示的示例情况下,在步骤S114或步骤S127依次产生两个三角形(三角形Wb1和三角形Wb2)。在图25的示例的情况下,如果产生了可以产生的所有三角形,以下面的顺序产生五个三角形(当然,还产生与相应的五个三角形重叠的五个三角形):连接三个点,即隆起线分叉Pb1、隆起线分叉Pb2和隆起线分叉Pb6的三角形Wb1;连接三个点,即隆起线分叉Pb2、隆起线分叉Pb1和隆起线分叉Pb3的三角形Wb2;连接三个点,即隆起线分叉Pb4、隆起线分叉Pb5和隆起线分叉Pb7的三角形Wb3;连接三个点,即隆起线分叉Pb6、隆起线分叉Pb1和隆起线分叉Pb5的三角形Wb4;和连接三个点,即隆起线分叉Pb7、隆起线分叉Pb5和隆起线分叉Pb6的三角形Wb5。换句话说,没有从图13所示的指纹图像中产生对应于图21的三角形Wb3和三角形Wb5的三角形(换句话说,由于对应的三角形没有登记在已登记模板中,因此被确定为没有得到关于三角形Wb3或Wb5的匹配)。
结果,如图14到20所示,在不是所有三角形而是多个三角形的两个三角形的情况下,通过采用确定验证成功的处理实现精确核对。相反,如果三角形的数量为1,则存在第三者的手指被误验证通过的高风险。
虽然已登记的指纹是经认可的人的指纹,但是经认可的人没有被正确核对的比率称为FRR(错误拒绝率),而其中已登记的指纹是任意非经认可的人的指纹,而非经认可的人被误核对的比率称为FAR(错误接受率)。具有高FAR的指纹核对设备是允许非经认可的人成为经认可的人的假冒者的、具有低安全质量的指纹核对设备。
通过增加匹配阈值(通过提高可以被看作是匹配的差错的范围,或者通过提高匹配三角形的数量的参考值(两个))可以降低FAR。然而,在这种情况下,核对成功还是失败受核对环境的变化(例如,进入到获得的指纹图像的噪声)影响很大,并且存在更多经认可的人不被核对的情况(换句话说,FRR变得较高),对于用户非常不方便。为此,匹配阈值需要被设置为保持FRR和FAR平衡的值。
在上述的处理中,通过检测指纹图像的隆起线分叉和隆起线终点执行指纹核对,根据离指纹图像的中心点的距离产生每个连接与隆起线分叉(或隆起线终点)接近的三个点的三角形,并且登记所产生的三角形的三边的面积和长度以及三个隆起线分叉和与相应的三个隆起线分叉最接近的隆起线终点之间的位置(距离和方向)。因此,与常规装置相比可以将需要保存的信息量(已登记模板大小)做到最小,由此可以降低所需的存储器容量。
此外,由于使用简单的已登记的数据(三角形的面积、每个三角形的三边的长度和在三个隆起线分叉与相应的隆起线分叉最接近的隆起线终点之间的位置),使用简单的处理而不需要对正在接受核对的图像执行位置或旋转校正就可以执行核对。因此,可以提高处理速度。
此外,可以提高指纹核对的精确度。
此外,根据离中心点的距离排序隆起线分叉或隆起线终点,并且以排序的结果的顺序搜索隆起线分叉或隆起线终点,由此可以快速指定其它最接近的隆起线分叉和隆起线终点。
此外,在上述的例子中,每个与三个隆起线分叉最接近的隆起线终点的距离和方向被登记为位置,并且执行指纹核对,但是还可以登记距离或方向中至少任何一个。
虽然也可以从获得的指纹图像的左上排序指纹图像的隆起线分叉和隆起线终点的位置,但按在指纹读取传感器21上并通过其获得的指纹图像经历最大大约3mm的偏差(每次放置手指时指纹图像很容易变化)。为此,得到指纹图像的中心,并且得到与中心点相关的隆起线分叉和隆起线终点的位置,由此可以很容易搜索匹配的已登记模板。
此外,在上述的示例中,从三个隆起线分叉产生三角形,但是可以从隆起线终点产生三角形。在这种情况下,从隆起线终点产生三角形,并且得到构成每个三角形的边的距离以及构成每个三角形的隆起线终点和与相应三个隆起线终点最接近的隆起线分叉之间的位置。
此外,在上述的示例中,从三个隆起线分叉中产生每个三角形并排序,但是该配置不是限制性的,并且也可以产生具有四个或多个边的多边形。然而,三角形的产生使其可以很大程度上降低FAR和FRR并实现最精确和快速的判决。
可以通过硬件执行上述处理顺序,并且也可以由软件执行。在由软件执行的处理顺序的情况下,构成软件的程序从记录介质安装到与专用硬件合作的计算机中,或者例如安装到通过安装各种程序能够执行各种功能的通用目的个人计算机中。
如图3所示,记录介质由记录程序并与计算机分离地分发以便为用户提供程序的封装介质构成,例如,磁盘71(包括软盘)、光盘72(包括CD-ROM(只读光盘)或DVD(数字多功能盘))、磁光盘73(包括MD(迷你盘)(商标))或半导体存储器74。另外,记录介质由在其上记录了程序并合并在计算机中以提供给用户的程序RAM/ROM 53、硬盘驱动器等等构成。
根据需要,也可以经由路由器或调制解调器通过诸如局域网,因特网或数字卫星广播之类的有线或无线通信介质将用于执行上述处理顺序的程序安装在计算机中。
在本说明书中,描述存储在记录介质中的程序的步骤不仅包括以时间序列方式按上述顺序执行的处理,还包括不需要以时间序列方式而是单独或并列执行的处理。
工业适用性
如上所述,根据第一发明,可以降低用于指纹核对的信息量,并且可以降低存储装置的大小和花费。因此,第一发明可以应用到小型装置中。
根据第二发明,可以执行指纹核对。此外,可以使用小信息量执行指纹核对。也可以提高指纹核对的处理速度。此外,可以提高指纹核对的精确度。
Claims (13)
1.一种指纹处理信息处理设备,其特征在于包括:
第一检测装置,用于从指纹图像中检测包括指纹的隆起线分叉和隆起线终点之一的第一特征点;
第一产生装置,用于产生连接多个第一特征点中相互接近的三个任意点的三角形;
第一计算装置,用于计算由第一产生装置产生的三角形的面积和每一边的长度;和
存储装置,用于存储由第一计算装置计算的三角形的面积和每一边的长度。
2.如权利要求1所述的信息处理设备,还包括:
第二检测装置,用于检测作为指纹图像的中心的中心点;和
排序装置,用于根据由第二检测单元检测的中心点和多个第一特征点之间的距离排序第一特征点,
其中第一产生装置使用排序的第一特征点来产生连接相互接近的三个任意点的三角形。
3.如权利要求1所述的信息处理设备,其中:
第一检测装置还检测作为隆起线分叉和隆起线终点之间的另一个的第二特征点,和
还包括第二计算装置,用于计算第一点和作为与第一点最接近的第二特征点之一的第四点之间的距离和方向至少之一、第二点和与第二点最接近的第二特征点之一的第五点之间的距离和方向至少之一和第三点和与第三点最接近的第二特征点之一的第六点之间的距离和方向至少之一,并且构成一个三角形的三个第一特征点分别是第一点、第二点和第三点;
存储装置还存储由第二计算装置计算的第一点和第四点、第二点和第五点和第三点和第六点之间的距离和方向至少之一;
存储装置还存储由第二计算装置计算的、第一点和第四点之间的、第二点和第五点之间的和第三点和第六点之间的距离和方向至少之一。
4.如权利要求3所述的信息处理设备,还包括:
第二检测装置,用于检测作为指纹图像的中心的中心点;和
排序装置,用于根据由第二检测装置检测的中心点和多个第一特征点中的每一个之间的距离排序第二特征点;其中
第二计算装置通过使用排序的第二特征点计算第一点和第四点、第二点和第五点和第三点和第六点之间的距离和方向至少之一。
5.如权利要求1所述的信息处理设备,还包括:
第二检测装置,用于从接受核对的指纹图像中检测指纹的第一特征点;
第二产生装置,用于产生连接在接受核对的手指指纹图像中的多个第一特征点中相互接近的三个任意点的三角形;
第二计算装置,用于计算由第二产生装置产生的三角形的面积和每一边的长度;和
比较装置,用于将存储在存储装置中的三角形的面积和每一边的长度与由第二计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度进行比较。
6.一种信息处理方法,其特征在于包括:
第一检测步骤,从指纹图像中检测作为指纹的隆起线分叉和隆起线终点中的任何一个的第一特征点;
第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;
第一计算步骤,计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和
存储控制步骤,控制由第一计算步骤的处理计算的三角形的面积和每一边的长度的存储。
7.一种记录在记录介质上的计算机可读程序,其特征在于包括:
第一检测步骤,从指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点;
第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;
第一计算步骤,计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和
存储控制步骤,控制由第一计算步骤的处理计算的三角形的面积和每一边的长度的存储。
8.一种程序,其特征在于使计算机执行如下处理:
第一检测步骤,从指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点;
第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;
第一计算步骤,计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和
存储控制步骤,控制由第一计算步骤的处理计算的三角形的面积和每一边的长度的存储。
9.一种信息处理设备,其特征在于包括:
第一检测装置,用于从接受核对的指纹图像中检测作为指纹的隆起线分叉和隆起线终点中的任何一个的第一特征点;
第一产生装置,用于产生连接多个第一特征点中相互接近的三个任意点的三角形;
第一计算装置,用于计算由第一产生装置产生的三角形的面积和每一边的长度;和
比较装置,用于将由第一计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度与预先存储的指纹图像的三角形的面积和每一边的长度进行比较。
10.如权利要求9所述的信息处理设备,其中:
第一检测装置还检测作为隆起线分叉和隆起线终点之间的另一个的第二特征点;并且还包括第二计算装置,用于计算第一点和作为与第一点最接近的第二特征点之一的第四点之间的距离或方向至少之一、第二点和与第二点最接近的第二特征点之一的第五点之间的距离和方向至少之一和第三点和与第三点最接近的第二特征点之一的第六点之间的距离和方向至少之一,并且构成一个三角形的三个第一特征点分别是第一点、第二点和第三点;和
比较装置将由第一计算装置和第二计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度以及第四点相对于第一点、第五点相对于第二点和第六点相对于第三点的距离和方向至少之一,与存储的指纹图像的三角形的面积和每一边的长度以及接受核对的指纹图像的第四点相对于第一点、第五点相对于第二点和第六点相对于第三点的距离和方向至少之一进行比较。
11.一种指纹处理信息处理方法,其特征在于包括:
第一检测步骤,从接受核对的指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点;
第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;
第一计算步骤,用于计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和
比较步骤,将由第一计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度与预先存储的指纹图像的三角形的面积和每一边的长度进行比较。
12.一种记录用于指纹处理的计算机可读程序的记录介质,其特征在于包括:
指纹处理信息处理方法,其特征在于包括:
第一检测步骤,从接受核对的指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点;
第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;
第一计算步骤,用于计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和
比较步骤,将由第一计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度与预先存储的指纹图像的三角形的面积和每一边的长度进行比较。
13.一种指纹处理计算机可执行程序指纹处理程序,其特征在于包括:
第一检测步骤,从接受核对的指纹图像中检测作为指纹的隆起线分叉和隆起线终点之一的第一特征点;
第一产生步骤,产生连接多个第一特征点中相互接近的三个任意点的三角形;
第一计算步骤,用于计算由第一产生步骤的处理产生的三角形的面积和每一边的长度;和
比较步骤,将由第一计算装置计算的、接受核对的指纹图像的三角形的面积和每一边的长度与预先存储的指纹图像的三角形的面积和每一边的长度进行比较。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP000120/2003 | 2003-01-06 | ||
JP2003000120A JP3952293B2 (ja) | 2003-01-06 | 2003-01-06 | 指紋照合装置および方法、記録媒体、並びに、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1735908A true CN1735908A (zh) | 2006-02-15 |
CN100401324C CN100401324C (zh) | 2008-07-09 |
Family
ID=32708762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2003801083548A Expired - Fee Related CN100401324C (zh) | 2003-01-06 | 2003-12-08 | 指纹核对设备和方法、记录介质和程序 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7577276B2 (zh) |
EP (1) | EP1583034B1 (zh) |
JP (1) | JP3952293B2 (zh) |
KR (1) | KR101051536B1 (zh) |
CN (1) | CN100401324C (zh) |
WO (1) | WO2004061770A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100370472C (zh) * | 2006-09-18 | 2008-02-20 | 山东大学 | 指纹识别算法中图像采集设备无关性技术方法 |
CN104239871A (zh) * | 2014-09-26 | 2014-12-24 | 四川大学 | 一种基于最优四边形的快速指纹匹配方法 |
CN105046226A (zh) * | 2015-07-24 | 2015-11-11 | 沈阳工程学院 | 一种计算指纹细节特征点所构成的三角形面积来进行指纹识别的方法 |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1846871A1 (en) * | 2005-02-11 | 2007-10-24 | Forensic Science Service Ltd | Improvements in and relating to identifier investigation |
GB0502990D0 (en) * | 2005-02-11 | 2005-03-16 | Sec Dep For The Home Departmen | Improvements in and relating to identifier investigation |
US7402984B1 (en) * | 2005-03-09 | 2008-07-22 | National Semiconductor Corporation | Oscillation sensor for linear regulation circuit |
KR100698723B1 (ko) | 2005-06-20 | 2007-03-23 | 포스데이타 주식회사 | 지문 중심점 부위 특징점을 이용한 고속 매칭 |
CN100383808C (zh) * | 2006-06-20 | 2008-04-23 | 北京邮电大学 | 适于硬件加速的指纹粗比对方法及装置 |
US8041085B2 (en) * | 2008-02-13 | 2011-10-18 | International Business Machines Corporation | Minutiae mask |
GB0819069D0 (en) | 2008-10-17 | 2008-11-26 | Forensic Science Service Ltd | Improvements in and relating to methods and apparatus for comparison |
US8554016B2 (en) * | 2010-11-10 | 2013-10-08 | Raytheon Company | Image registration system and method for registering images for deformable surfaces |
JP5377580B2 (ja) * | 2011-06-23 | 2013-12-25 | 株式会社 テクスピアー | 手の甲の認証端末及び手の甲の認証方法 |
US9092697B2 (en) | 2013-02-07 | 2015-07-28 | Raytheon Company | Image recognition system and method for identifying similarities in different images |
US9235283B2 (en) | 2013-08-06 | 2016-01-12 | Apple Inc. | Electronic device including blurred finger image deblurring circuitry and related methods |
US9298966B2 (en) * | 2013-08-06 | 2016-03-29 | Apple Inc. | Electronic device including sub-array based deblurring of a blurred finger image and related methods |
CN104156707B (zh) | 2014-08-14 | 2017-09-22 | 深圳市汇顶科技股份有限公司 | 指纹识别方法及其指纹识别装置 |
CN105512601B (zh) * | 2014-09-29 | 2019-12-27 | 神盾股份有限公司 | 指纹感测装置及其感测方法 |
US9600705B2 (en) * | 2015-02-11 | 2017-03-21 | Fingerprint Cards Ab | Capacitive fingerprint sensing device with current readout from sensing elements |
FR3034224B1 (fr) * | 2015-03-23 | 2018-03-23 | Morpho | Dispositif de verification de la veracite d'une empreinte digitale |
JP6526494B2 (ja) * | 2015-06-25 | 2019-06-05 | 株式会社ディー・ディー・エス | 情報処理プログラム及び情報処理装置 |
WO2017020260A1 (zh) * | 2015-08-04 | 2017-02-09 | 秦玲娟 | 通过指纹快捷开启应用的方法和移动终端 |
CN105095876A (zh) * | 2015-08-11 | 2015-11-25 | 上海箩箕技术有限公司 | 指纹识别方法、指纹录入识别方法及其系统 |
CN106503609B (zh) * | 2015-09-08 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 指纹纹线点的识别方法及装置 |
CN105677220A (zh) * | 2015-12-31 | 2016-06-15 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
US9946914B1 (en) | 2016-11-18 | 2018-04-17 | Qualcomm Incorporated | Liveness detection via ultrasonic ridge-valley tomography |
US9946920B1 (en) * | 2016-11-23 | 2018-04-17 | Image Match Design Inc. | Sensing element and fingerprint sensor comprising the sensing elements |
US10146986B1 (en) * | 2017-07-28 | 2018-12-04 | Sunasic Technologies, Inc. | Capacitive image sensor and method for operating the same |
EP3502957B1 (en) | 2017-12-21 | 2021-07-21 | Fingerprint Cards AB | Fingerprint sensing device with edge-compensating structure |
CN110659680B (zh) * | 2019-09-16 | 2022-02-11 | 西安电子科技大学 | 一种基于多尺度卷积的图像patch匹配方法 |
KR20210061593A (ko) * | 2019-11-20 | 2021-05-28 | 삼성전자주식회사 | 전자 장치 및 전자 장치의 지문 인식 방법 |
KR20210095250A (ko) * | 2020-01-22 | 2021-08-02 | 삼성디스플레이 주식회사 | 지문 인증 장치, 표시 장치 및 그것의 지문 인증 방법 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0339527B1 (en) * | 1988-04-23 | 1997-07-09 | Nec Corporation | Fingerprint processing system capable of detecting a core of a fingerprint image by curvature parameters |
EP0514688A2 (en) * | 1991-05-21 | 1992-11-25 | International Business Machines Corporation | Generalized shape autocorrelation for shape acquisition and recognition |
US6002787A (en) * | 1992-10-27 | 1999-12-14 | Jasper Consulting, Inc. | Fingerprint analyzing and encoding system |
JP2776409B2 (ja) * | 1995-08-02 | 1998-07-16 | 日本電気株式会社 | 皮膚紋様並びに指紋紋様の分類装置 |
JP3537963B2 (ja) * | 1996-08-21 | 2004-06-14 | 日本電信電話株式会社 | サイン認証方法 |
US6041133A (en) * | 1996-12-13 | 2000-03-21 | International Business Machines Corporation | Method and apparatus for fingerprint matching using transformation parameter clustering based on local feature correspondences |
US6330347B1 (en) * | 1997-02-19 | 2001-12-11 | Stmicroelectronics S.R.L. | Method and device for identifying fingerprints using an analog flash memory |
JP2944557B2 (ja) * | 1997-02-27 | 1999-09-06 | 日本電気ソフトウェア株式会社 | 縞パターン照合装置 |
US6233348B1 (en) * | 1997-10-20 | 2001-05-15 | Fujitsu Limited | Fingerprint registering apparatus, fingerprint identifying apparatus, and fingerprint identifying method |
JP4303410B2 (ja) * | 2000-09-29 | 2009-07-29 | 富士通株式会社 | 紋様中心決定装置および紋様方向決定装置並びに紋様位置合わせ装置および紋様照合装置 |
EP1197912A3 (en) * | 2000-10-11 | 2004-09-22 | Hiroaki Kunieda | System for fingerprint authentication |
JP3505713B2 (ja) | 2000-10-11 | 2004-03-15 | 國枝 博昭 | 曲線識別システム |
US6542638B2 (en) * | 2001-02-21 | 2003-04-01 | Shannon Roy Campbell | Method for matching spatial patterns |
US6757411B2 (en) * | 2001-08-16 | 2004-06-29 | Liska Biometry Inc. | Method and system for fingerprint encoding and authentication |
PL1786784T3 (pl) * | 2004-08-20 | 2011-04-29 | Mannkind Corp | Kataliza syntezy diketopiperazyn |
-
2003
- 2003-01-06 JP JP2003000120A patent/JP3952293B2/ja not_active Expired - Fee Related
- 2003-12-08 US US10/541,436 patent/US7577276B2/en active Active
- 2003-12-08 CN CNB2003801083548A patent/CN100401324C/zh not_active Expired - Fee Related
- 2003-12-08 WO PCT/JP2003/015647 patent/WO2004061770A1/ja active Application Filing
- 2003-12-08 KR KR1020057012588A patent/KR101051536B1/ko not_active IP Right Cessation
- 2003-12-08 EP EP03777333.0A patent/EP1583034B1/en not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100370472C (zh) * | 2006-09-18 | 2008-02-20 | 山东大学 | 指纹识别算法中图像采集设备无关性技术方法 |
CN104239871A (zh) * | 2014-09-26 | 2014-12-24 | 四川大学 | 一种基于最优四边形的快速指纹匹配方法 |
CN104239871B (zh) * | 2014-09-26 | 2017-06-16 | 四川大学 | 一种基于最优四边形的快速指纹匹配方法 |
CN105046226A (zh) * | 2015-07-24 | 2015-11-11 | 沈阳工程学院 | 一种计算指纹细节特征点所构成的三角形面积来进行指纹识别的方法 |
Also Published As
Publication number | Publication date |
---|---|
EP1583034A1 (en) | 2005-10-05 |
EP1583034A4 (en) | 2011-05-18 |
EP1583034B1 (en) | 2013-05-22 |
US7577276B2 (en) | 2009-08-18 |
CN100401324C (zh) | 2008-07-09 |
US20060153431A1 (en) | 2006-07-13 |
KR101051536B1 (ko) | 2011-07-22 |
JP2004213395A (ja) | 2004-07-29 |
KR20050085948A (ko) | 2005-08-29 |
WO2004061770A1 (ja) | 2004-07-22 |
JP3952293B2 (ja) | 2007-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1735908A (zh) | 指纹核对设备和方法、记录介质和程序 | |
CN1818927A (zh) | 指纹识别方法与系统 | |
CN1270277C (zh) | 图像失真校正方法和设备 | |
CN1260673C (zh) | 2维码读取方法和读取装置、数字照相机及其便携终端 | |
CN1187952C (zh) | 校正输入图象失真的设备与方法 | |
CN1252634C (zh) | 用于识别在输入区上手动描划字符的方法和设备 | |
CN1213382C (zh) | 用于从多值图象提取划线的设备 | |
CN1794266A (zh) | 生物特征融合的身份识别和认证方法 | |
CN1960431A (zh) | 图像处理装置、方法及其程序和存储该程序的存储介质 | |
CN1825100A (zh) | 基板检查方法和装置、及其检查逻辑设定方法和装置 | |
CN101057257A (zh) | 人脸特征点检测装置、特征点检测装置 | |
CN1901672A (zh) | 照相机系统、信息处理装置及方法 | |
CN101038623A (zh) | 特征点检测装置、特征点检测方法及特征点检测程序 | |
CN1231868C (zh) | 图案评价方法和图案评价装置 | |
CN101038614A (zh) | 认证装置、认证方法、认证程序及计算机可读取记录介质 | |
CN1667641A (zh) | 字符识别方法 | |
CN101030251A (zh) | 信息处理装置、信息处理方法及计算机可读介质 | |
CN1641683A (zh) | 通过m阵列解码和快速图像匹配的笔划定位 | |
CN1599913A (zh) | 虹膜识别系统和方法以及具有其程序的存储介质 | |
CN1831847A (zh) | 指纹特征快速匹配方法、装置及其应用 | |
CN1959706A (zh) | 物体识别方法及装置、物体识别用程序及其存储介质 | |
CN1123821C (zh) | 手写字符数据输入设备及其方法 | |
CN101067844A (zh) | 二维条形码、信息处理设备、信息处理方法和程序 | |
CN1669052A (zh) | 使用三维物体模型的图像匹配系统、图像匹配方法以及图像匹配程序 | |
CN1650806A (zh) | 图像处理装置及其控制方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080709 Termination date: 20151208 |
|
EXPY | Termination of patent right or utility model |