[發明專利]一種基于梯度向量場的指紋識別方法及應用

有效

• 申請號: 202211250562.2
• 申請日: 2022-10-13
• 公開（公告）號: CN115331269B
• 公開（公告）日: 2023-01-13
• 發明（設計）人: 樊斐斐;黃正衍;白利敏
• 申請（專利權）人: 天津新視光技術有限公司
• 主分類號: G06V40/12
• 分類號: G06V40/12;G06V10/26;G06F21/32
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于梯度向量場的指紋識別方法，其特征在于，包括：

采集注冊用戶指紋圖像及對應的關聯信息；

建立指紋識別模型；

采集待驗證指紋圖像；

將所述待驗證指紋圖像輸入所述指紋識別模型中，得到識別結果；

其中，建立所述指紋識別模型，具體包括：

對所述注冊用戶指紋圖像分割得到N個子塊圖像，大小為M×M；

選取每個所述子塊圖像中心點梯度向量方向θ_L，L為N個所述子塊圖像中的第L個所述子塊圖像，得到所述子塊圖像中心點梯度向量與其相鄰所述子塊圖像中心點梯度向量之間的夾角β_L，計算所有所述子塊圖像之間梯度向量夾角得到梯度場夾角特征β；

提取每個所述子塊圖像灰度空間特征，綜合所有所述子塊圖像的灰度空間特征得到指紋圖像的灰度空間特征F；

依據所述灰度空間特征F和所述梯度場夾角特征β構建KNN分類器；

所述提取每個所述子塊圖像灰度空間特征，包括：

計算每個所述子塊圖像內像素點沿x軸的梯度向量以及沿y軸的梯度向量的向量模，將沿x軸和y軸的向量模之和作為所述子塊圖像內每個像素點梯度向量模，求得所述子塊圖像內像素點梯度向量模均值以及梯度向量模的標準差m,將每個所述子塊圖像內像素點梯度向量模值小于2.5*m的像素分為一組定義為Ia,大于等于2.5*m的像素分為一組定義為Ib，Ia組像素個數為M1,Ib組像素個數為M2；

通過如下公式得到所述子塊圖像的灰度空間特征F_L＝P(Ia)G(I_a)+P(Ib)G(I_b)，其中P(Ia)和P(Ib)為所述子塊圖像內像素點屬于Ia組以及Ib組的概率,G(I_a)和G(I_b)均為像素點灰度值。

2.根據權利要求1所述的指紋識別方法，其特征在于，所述子塊圖像中心點梯度向量方向θ_L通過以下步驟得到：

對所述注冊用戶指紋圖像分割完畢后，計算所述子塊圖像內像素點沿x軸的梯度向量V_x(i,j)以及沿y軸的梯度向量V_y(i,j),得到梯度對應的方向θ_(i,j)，其中(i,j)為像素點位置。

3.根據權利要求1所述的指紋識別方法，其特征在于，采集所述注冊用戶指紋圖像或所述待驗證指紋圖像后，需要判斷采集的指紋圖像是否滿足質量要求；

若指紋圖像滿足質量要求，則進行下一步驟；否則，重新采集該指紋圖像直到滿足質量要求。

4.根據權利要求3所述的指紋識別方法，其特征在于，所述判斷采集的指紋圖像是否滿足質量要求，包括：

對采集的指紋圖像進行分割，得到N個指紋子塊圖像，大小為M×M，計算指紋子塊圖像內像素點沿x軸的梯度向量V_x(i,j)以及沿y軸的梯度向量V_y(i,j),得到梯度對應的方向θ_(i,j)，其中(i,j)為像素點位置；

通過計算子塊梯度方向一致性參數K,得到質量評價參數QE；

其中K_L在代表第L個子塊的梯度方向一致性參數，K₁以及K₂為中間參數；

在得到每個子塊的梯度方向一致性參數K后，質量評價參數QE可通過如下公式計算：

當QE大于等于預設值T1時確定指紋圖像質量為高，當QE大于T2且小于T1時確定指紋圖像質量為中，當QE小于等于T2時確定指紋圖像質量為低；

當評價結果為高時，則確定采集的指紋圖像滿足質量要求；否則不滿足。

5.根據權利要求1所述的指紋識別方法，其特征在于，所述識別結果為指紋認證通過和指紋認證拒絕兩種結果；

當所述識別結果為指紋認證通過時，則顯示驗證用戶的所述關聯信息；

當所述識別結果為指紋認證拒絕時，則提示用戶選擇結束驗證或采集注冊用戶指紋圖像或重新采集待驗證指紋圖像。