[發(fā)明專利]一種基于梯度向量場(chǎng)的指紋識(shí)別方法及應(yīng)用

有效

• 申請(qǐng)?zhí)枺?/td>: 202211250562.2
• 申請(qǐng)日: 2022-10-13
• 公開（公告）號(hào): CN115331269B
• 公開（公告）日: 2023-01-13
• 發(fā)明（設(shè)計(jì)）人: 樊斐斐;黃正衍;白利敏
• 申請(qǐng)（專利權(quán)）人: 天津新視光技術(shù)有限公司
• 主分類號(hào): G06V40/12
• 分類號(hào): G06V40/12;G06V10/26;G06F21/32
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供了一種基于梯度向量場(chǎng)的指紋識(shí)別方法及應(yīng)用，屬于指紋識(shí)別領(lǐng)域。包括：采集注冊(cè)用戶指紋圖像及對(duì)應(yīng)的關(guān)聯(lián)信息；建立指紋識(shí)別模型；采集待驗(yàn)證指紋圖像；將待驗(yàn)證指紋圖像輸入指紋識(shí)別模型中，得到識(shí)別結(jié)果；所述建立指紋識(shí)別模型包括：對(duì)注冊(cè)用戶指紋圖像分割得到N個(gè)子塊圖像；選取每個(gè)子塊圖像中心點(diǎn)梯度向量方向，得到子塊圖像中心點(diǎn)梯度向量與其相鄰子塊圖像中心點(diǎn)梯度向量之間夾角，計(jì)算所有子塊圖像之間梯度向量夾角得到梯度場(chǎng)夾角特征；提取每個(gè)子塊圖像灰度空間特征，并綜合得到指紋圖像的灰度空間特征F；依據(jù)灰度空間特征F和梯度場(chǎng)空間特征構(gòu)建KNN分類器。本發(fā)明能夠提高指紋識(shí)別的準(zhǔn)確性，且便于進(jìn)行身份認(rèn)證。

技術(shù)領(lǐng)域

本發(fā)明屬于指紋識(shí)別領(lǐng)域，具體涉及一種基于梯度向量場(chǎng)的指紋識(shí)別方法及應(yīng)用。

背景技術(shù)

許多智能終端在使用時(shí)需要首先進(jìn)行身份驗(yàn)證，常見的身份驗(yàn)證方式有掃碼登錄驗(yàn)證和指紋識(shí)別驗(yàn)證，但在用戶忘記攜帶手機(jī)等電子產(chǎn)品或手機(jī)沒電的情況下，無法進(jìn)行掃碼登錄驗(yàn)證。現(xiàn)有的指紋識(shí)別方法是預(yù)先采集用戶的指紋圖像并進(jìn)行存儲(chǔ)，當(dāng)用戶進(jìn)行指紋識(shí)別時(shí)，將當(dāng)前錄入的待驗(yàn)證指紋圖像和預(yù)先存儲(chǔ)的指紋圖像進(jìn)行比對(duì)，以驗(yàn)證用戶身份。

但指紋識(shí)別過程往往比較復(fù)雜，導(dǎo)致驗(yàn)證過程較慢；且當(dāng)采集的指紋圖像不夠清晰時(shí)，也會(huì)出現(xiàn)身份認(rèn)證不準(zhǔn)確的情況，影響用戶體驗(yàn)。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決上述現(xiàn)有技術(shù)中存在的難題，提供一種基于梯度向量場(chǎng)的指紋識(shí)別方法及應(yīng)用。

第一方面，本發(fā)明提供一種基于梯度向量場(chǎng)的指紋識(shí)別方法，采用如下的技術(shù)方案：

一種基于梯度向量場(chǎng)的指紋識(shí)別方法，包括：

采集注冊(cè)用戶指紋圖像及對(duì)應(yīng)的關(guān)聯(lián)信息；

建立指紋識(shí)別模型；

采集待驗(yàn)證指紋圖像；

將所述待驗(yàn)證指紋圖像輸入所述指紋識(shí)別模型中，得到識(shí)別結(jié)果；

其中，建立所述指紋識(shí)別模型，具體包括：

對(duì)所述注冊(cè)用戶指紋圖像分割得到N個(gè)子塊圖像，大小為M×M；

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

提取每個(gè)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(jù)所述灰度空間特征F和所述梯度場(chǎng)夾角特征β構(gòu)建KNN分類器。

可選地，所述提取每個(gè)所述子塊圖像灰度空間特征，包括：

計(jì)算每個(gè)所述子塊圖像內(nèi)像素點(diǎn)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(nèi)每個(gè)像素點(diǎn)梯度向量模，求得所述子塊圖像內(nèi)像素點(diǎn)梯度向量模均值和以及梯度向量模的標(biāo)準(zhǔn)差m,將每個(gè)所述子塊圖像內(nèi)像素點(diǎn)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(gè)數(shù)為M1,Ib組像素個(gè)數(shù)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(nèi)像素點(diǎn)屬于Ia組以及Ib組的概率,G(I_a)和G((I_b)均為像素點(diǎn)灰度值。

可選地，所述子塊圖像中心點(diǎn)梯度向量方向θ_L通過以下步驟得到：