两阶段混合指纹特征匹配方法、匹配装置及其应用制造方法及图纸

本发明专利技术公开了一种两阶段混合指纹特征匹配方法。该指纹特征匹配方法将细节特征匹配方法与三角匹配方法进行有机结合，以细节特征匹配方法的输出结果为参考，将其它未匹配的细节点以此参考为基准进行三角匹配检测。从而在保证系统实时性和较小的指纹特征模板的前提下，大大提高了非线性形变情况下系统识别的精确度和系统的鲁棒性。在匹配分数的计算过程中，引入了细节点匹配误差和失配细节点的惩罚项，大大降低了匹配过程中的认假率。本发明专利技术还公开了一种用于实现该指纹特征匹配方法的装置和使用该装置进行指纹特征匹配的智能卡。

【技术实现步骤摘要】

本专利技术涉及一种指纹特征匹配方法，尤其涉及一种将细节特征匹配方法与三角匹配方法进行有机结合，利用指纹图像的局部细节特征信息迅速得出匹配结果的两阶段混合指纹特征匹配方法，还涉及用于实现该两阶段混合指纹特征匹配方法的匹配装置以及使用该指纹特征匹配装置进行指纹特征匹配的智能卡，属于模式识别及智能卡

技术介绍
智能卡作为解决身份识别问题的有效手段，其自身的安全性值得特别重视。当前，智能卡技术已经发展到了利用生物特征进行身份识别的阶段。这里所说的生物特征识别技术是指采集、分析人体的独特特征，如指纹、视网膜和声音模式等，进行身份验证的技术。采用生物特征识别技术的智能卡被公认为是目前进行可靠的个人身份认证的最佳解决方案。在各项生物特征识别技术中，指纹识别技术发展最早，人们在二十世纪六十年代就开始使用计算机来处理指纹。经过不断的发展，现在指纹识别已经是比较成熟的技术，被广泛应用于通讯、保险、医疗卫生、计算机控制系统、门禁系统、考勤系统、网上交易和身份证件等各种领域。指纹识别是典型的模式识别问题，主要包括指纹特征提取和指纹特征匹配两部分内容。其中，指纹特征匹配是根据指纹的特征描述来判断两副指纹图像是否来自同一个人，它是评价一个指纹识别方法优秀与否的关键所在。前人已对指纹匹配技术进行了深入细致的研究。到目前为止，已经提出了多种指纹匹配算法。这些算法有基于图形图像的，还有基于脊结构的，而基于特征点(细节点)的匹配算法具有简单、快速、鲁棒性强等优点。目前最常用的方法是利用美国联邦调查局(FBI)提出的细节点坐标模型来做细节匹配，它利用指纹纹路的脊线末梢和脊线分叉点这两种关键点来鉴定指纹。通过将细节点表示为点模式，一个自动指纹认证问题可以转化为一个点模式匹配(细节匹配)问题。另外，Isenor和Zaky提出了一种用图匹配来对两幅指纹图像进行匹配的方法；Hrechak提出了基于结构信息的指纹特征匹配；Vinod和Ghose将非对称神经网络应用于指纹匹配中，提出了一种基于非对称神经网络点模式匹配算法；而田捷等人将遗传算法应用于指纹匹配中，提出了一种基于遗传算法的指纹图匹配算法；Stockman等人提出了基于Hough变换的方法将点模式匹配转化成了对变换参数的Hough空间中峰值的检测；Zsolt Miklós等人提出了基于三角匹配的算法；Xudong Jiang等人提出了基于局部和全局结构的匹配算法；Jain等人针对指纹匹配中的点模式匹配问题提出了一种算法，该算法将直角坐标系中的细节点转换到极坐标系中，通过串匹配算法来进行点匹配(具体请参见Anil Jain，Lin Hongand Ruud Bolle，On-Line Fingerprint Verification，IEEE Trans onPattern Analysis and Machine Intelligence，vol.19，No.4.pp302-313，1997.)。在以上各种方法中，纯粹的三角匹配方法和基于遗传算法的方法由于其计算量过大而很少被人采用，Jain等人所采用的串匹配方法由于其简单实用的特点而得到了广泛关注，在实践中得到了大量应用。但是，由于该方法过分依赖于单一的匹配基准点，在非线性形变较大时往往会遗漏一些比较明显的细节点对，从而导致系统的FRR(错误拒绝率)较高。对此可以参见图1，其中黑色的圆点为已经匹配上的点对，方形点为本应该匹配上的点对。
技术实现思路
本专利技术的第一个目的是提供一种两阶段混合指纹特征匹配方法。该方法将细节特征匹配方法与三角匹配方法进行有机结合，利用指纹图像的局部细节特征信息(包括指纹脊线的分叉点和端点)迅速得出匹配结果。本专利技术的第二个目的是提供一种用于实现该两阶段混合指纹特征匹配方法的匹配装置。本专利技术的第三个目的是提供一种使用上述两阶段混合指纹特征匹配装置进行指纹特征匹配的智能卡。为实现上述的专利技术目的，本专利技术采用下述的技术方案 一种两阶段混合指纹特征匹配方法，其特征在于所述指纹特征匹配方法分为细节特征匹配和三角约束匹配两个阶段；在所述细节特征匹配阶段中，对于两枚指纹特征点集中的一对给定参考点，先以自适应限界盒细节特征匹配方法对两枚指纹的细节点集进行匹配，并记录其匹配分数，将匹配分数的大小作为是否匹配成功或是否接着进行三角匹配的依据；在所述三角约束匹配阶段，若细节特征匹配阶段得到的匹配分数高于预定的高阈值，则认为输入细节点集与模板细节点集来自同一个手指，结束匹配过程；若匹配分数介于预定的高阈值和低阈值之间，则利用三角匹配过程进一步寻找其它匹配细节点对，并重新计算匹配分数。如果重新计算的匹配分数高于一个预定的中阈值，则认为输入细节点集与模板细节点集来自同一个手指，结束匹配过程；若细节特征匹配阶段得到的匹配分数低于预定的低阈值，则选择下一对细节点作为参考点重新开始细节特征匹配过程。其中，所述细节特征匹配计算在极坐标系下进行。所述细节特征匹配阶段中，配对的给定参考点通过如下步骤确定对模板点集中的一个点和输入点集中的一个点，在它们是相同类型的细节点的情况下，计算它们之间的欧氏距离和旋转角度差，若这两者满足预定的阈值条件，则将它们作为一对参考点进行细节匹配。所述细节特征匹配阶段进一步包括如下的步骤1)以模板细节点和输入细节点作为参考细节点，将输入点集和模板点集中的其它细节点变换到极坐标系；2)将极坐标中的模板细节点和输入细节点按极角递增方向排序，并连接成串；3)用自适应限界盒方法匹配所述串，记录匹配上的细节点对信息，并计算匹配分数。所述自适应限界盒的大小用radius_size和angle_size来表示，用下式来计算极半径为r的模板细节点的radius_size和angle_size radius_size＝(α1+β1r)angle_size＝(α2-β2r)其中α1，β1，α2，β2为预先设定的经验参数，且均大于零，r是模板细节点的极半径。在三角约束匹配阶段，混合匹配分数Ms通过下式获得Ms=100×(nb_pair+new_pair)2Mc*Nc+α*(nb_pair+new_pair)-β*match_error-penalty]]>其中，nb_pair为细节特征匹配阶段获得的匹配点对数目，new_pair为三角约束匹配阶段新增加的匹配细节点对数目，Mc，Nc分别是模板和输入指纹图像在公共区域的特征点个数，match_error为各匹配细节点对匹配误差的加权平均，penalty为惩罚分数。所述三角约束匹配阶段进一步包括如下步骤1)根据已经匹配上的点对获取两枚指纹细节点集合的配准参数；2)利用计算出来的配准参数对两枚指纹的细节点集进行配准；3)以多个参考细节点对为基准，进行初步探测，寻找其它可能存在的待选匹配点对；4)对于初步探测出来的待选匹配点对，将其与已经匹配上的点对构成三角形进行三角匹配，检查其是否能够满足三角形几何约束。在三角约束匹配阶段的步骤2中，进行细节点集配准具体包括如下步骤1)计算在细节特征匹配过程中得到的匹配上的模板点集与输入点集与匹配参考点之间的相对偏移量和相对旋转角度；2)按照变换公式x′y&pr本文档来自技高网...

【技术保护点】
一种两阶段混合指纹特征匹配方法，其特征在于：所述指纹特征匹配方法分为细节特征匹配和三角约束匹配两个阶段；在所述细节特征匹配阶段中，对于两枚指纹特征点集中的一对给定参考点，先以自适应限界盒细节特征匹配方法对两枚指纹的细节点集进 行匹配，并记录其匹配分数，将匹配分数的大小作为是否匹配成功或是否接着进行三角匹配的依据；在所述三角约束匹配阶段，若细节特征匹配阶段得到的匹配分数高于预定的高阈值，则认为输入细节点集与模板细节点集来自同一个手指，结束匹配过程；若匹配分 数介于预定的高阈值和低阈值之间，则利用三角匹配过程进一步寻找其它匹配细节点对，并重新计算匹配分数；如果重新计算的匹配分数高于一个预定的中阈值，则认为输入细节点集与模板细节点集来自同一个手指，结束匹配过程；若细节特征匹配阶段得到的匹配分数低于预定的低阈值，则选择下一对细节点作为参考点重新开始细节特征匹配过程。

【技术特征摘要】

【专利技术属性】
技术研发人员：汪雪林，刘军波，
申请(专利权)人：北京握奇数据系统有限公司，
类型：发明
国别省市：11[中国|北京]