一种基于梯度向量场的指纹识别方法及应用技术

本发明专利技术提供了一种基于梯度向量场的指纹识别方法及应用，属于指纹识别领域。包括：采集注册用户指纹图像及对应的关联信息；建立指纹识别模型；采集待验证指纹图像；将待验证指纹图像输入指纹识别模型中，得到识别结果；所述建立指纹识别模型包括：对注册用户指纹图像分割得到N个子块图像；选取每个子块图像中心点梯度向量方向，得到子块图像中心点梯度向量与其相邻子块图像中心点梯度向量之间夹角，计算所有子块图像之间梯度向量夹角得到梯度场夹角特征；提取每个子块图像灰度空间特征，并综合得到指纹图像的灰度空间特征F；依据灰度空间特征F和梯度场空间特征构建KNN分类器。本发明专利技术能够提高指纹识别的准确性，且便于进行身份认证。便于进行身份认证。便于进行身份认证。

【技术实现步骤摘要】
一种基于梯度向量场的指纹识别方法及应用


[0001]本专利技术属于指纹识别领域，具体涉及一种基于梯度向量场的指纹识别方法及应用。

技术介绍

[0002]许多智能终端在使用时需要首先进行身份验证，常见的身份验证方式有扫码登录验证和指纹识别验证，但在用户忘记携带手机等电子产品或手机没电的情况下，无法进行扫码登录验证。现有的指纹识别方法是预先采集用户的指纹图像并进行存储，当用户进行指纹识别时，将当前录入的待验证指纹图像和预先存储的指纹图像进行比对，以验证用户身份。
[0003]但指纹识别过程往往比较复杂，导致验证过程较慢；且当采集的指纹图像不够清晰时，也会出现身份认证不准确的情况，影响用户体验。

技术实现思路

[0004]本专利技术的目的在于解决上述现有技术中存在的难题，提供一种基于梯度向量场的指纹识别方法及应用。
[0005]第一方面，本专利技术提供一种基于梯度向量场的指纹识别方法，采用如下的技术方案：一种基于梯度向量场的指纹识别方法，包括：采集注册用户指纹图像及对应的关联信息；建立指纹识别模型；采集待验证指纹图像；将所述待验证指纹图像输入所述指纹识别模型中，得到识别结果；其中，建立所述指纹识别模型，具体包括：对所述注册用户指纹图像分割得到N个子块图像，大小为M
×
M；选取每个所述子块图像中心点梯度向量方向，L为N个所述子块图像中的第L个所述子块图像，得到所述子块图像中心点梯度向量与其相邻所述子块图像中心点梯度向量之间的夹角，计算所有所述子块图像之间梯度向量夹角得到梯度场夹角特征；提取每个所述子块图像灰度空间特征，综合所有所述子块图像的灰度空间特征得到指纹图像的灰度空间特征F；依据所述灰度空间特征F和所述梯度场夹角特征构建KNN分类器。
[0006]可选地，所述提取每个所述子块图像灰度空间特征，包括：计算每个所述子块图像内像素点沿x轴的梯度向量以及沿y轴的梯度向量的向量模，将沿x轴和y轴的向量模之和作为所述子块图像内每个像素点梯度向量模，求得所述子
块图像内像素点梯度向量模均值和以及梯度向量模的标准差m，将每个所述子块图像内像素点模值小于2.5*m的像素分为一组定义为Ia，大于等于2.5*m的像素分为一组定义为Ib，Ia组像素个数为M1，Ib组像素个数为M2；通过如下公式得到所述子块图像的灰度空间特征，其中和为所述子块图像内像素点属于Ia组以及Ib组的概率， 和均为像素点灰度值。
[0007]可选地，所述子块图像中心点梯度向量方向通过以下步骤得到：对所述注册用户指纹图像分割完毕后，计算所述子块图像内像素点沿x轴的梯度向量以及沿y轴的梯度向量，得到梯度对应的方向，，其中（i，j）为像素点位置。
[0008]可选地，采集所述注册用户指纹图像或所述待验证指纹图像后，需要判断采集的指纹图像是否满足质量要求；若指纹图像满足质量要求，则进行下一步骤；否则，重新采集该指纹图像直到满足质量要求。
[0009]可选地，所述判断采集的指纹图像是否满足质量要求，包括：对采集的指纹图像进行分割，得到N个指纹子块图像，大小为M
×
M，计算指纹子块图像内像素点沿x轴的梯度向量以及沿y轴的梯度向量，得到梯度对应的方向，，其中（i，j）为像素点位置；通过计算子块梯度方向一致性参数K，得到质量评价参数QE；，其中，，KL在代表第L个子块的梯度方向一致性参数，K1以及K2为中间参数；在得到每个子块的梯度方向一致性参数K后，质量评价参数QE可通过如下公式计算：，当QE大于等于预设值T1时确定指纹图像质量为高，当QE大于T2且小于T1时确定指纹图像质量为中，当QE小于等于T2时确定指纹图像质量为低；当评价结果为高时，则确定采集的指纹图像满足质量要求；否则不满足。
[0010]可选地，所述识别结果为指纹认证通过和指纹认证拒绝两种结果；当所述识别结果为指纹认证通过时，则显示验证用户的所述关联信息；
当所述识别结果为指纹认证拒绝时，则提示用户选择结束验证或采集注册用户指纹图像或重新采集待验证指纹图像。
[0011]第二方面，本专利技术提供一种身份验证方法，采用如下的技术方案：一种身份验证方法，包括：扫码登录验证，以及上述的指纹识别方法进行验证；若扫码验证结果为验证成功和/或所述指纹验证结果为验证成功，则确定身份验证通过，否则身份验证不通过。
[0012]可选地，还包括：应用于视功能设备身份认证中，若身份验证通过，则显示验证用户的所述关联信息，其中用户的所述关联信息为注册用户的眼球参数、视力参数以及针对注册用户制定的训练项目。
[0013]第三方面，本专利技术提供一种基于梯度向量场的指纹识别装置，采用如下的技术方案：一种基于梯度向量场的指纹识别装置，包括：注册模块，用于采集注册用户指纹图像及对应的关联信息；指纹识别模型建立模块，用于对所述注册用户指纹图像分割得到N个子块图像，大小为M
×
M；选取每个所述子块图像中心点梯度向量方向，L为N个所述子块图像中的第L个所述子块图像，得到所述子块图像中心点梯度向量与其相邻所述子块图像中心点梯度向量之间的夹角，计算所有所述子块图像之间梯度向量夹角得到梯度场夹角特征；提取每个所述子块图像灰度空间特征，综合所有所述子块图像的灰度空间特征得到指纹图像的灰度空间特征F；依据所述灰度空间特征F和所述梯度场夹角特征构建KNN分类器；待验证指纹采集模块，用于采集待验证指纹图像；指纹验证模块，用于将所述待验证指纹图像输入所述指纹识别模型中，得到识别结果。
[0014]第四方面，本专利技术提供一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述的指纹识别方法。
[0015]与现有技术相比，本专利技术的有益效果是：（一）提出一种改进的高准确度的指纹识别方法，首先提出了基于指纹图像的子块梯度方向一致性参数得到质量评价参数的全新的指纹图像质量判断方法，防止由于采集的指纹不清晰而导致的认证错误；（二）在保证高质量的指纹图像情况下，提供了一种全新的基于指纹梯度场夹角特征和灰度空间特征的识别方法，并融合梯度场夹角特征和灰度空间特征进行建模，得到指纹识别模型，进一步提高了信息认证的准确性，且梯度场夹角特征和灰度空间特征的特征维度低满足指纹识别的速度和效率；（三）本申请指纹图像梯度对应的方向同时用于梯度场夹角特征的计算过程中以
及采集的图像是否满足质量要求的判断过程中，有效减少了指纹识别步骤的计算量，进一步加快了识别效率；（四）提供了一种在需要用户进行扫描认证身份以及用户信息登录时，用户因没有携带手机而提供的指纹识别认证方法及应用，在未携带手机等电子产品时，仍然可以进行身份认证，提升了使用设备时的便捷性。
附图说明
[0016]图1本专利技术指纹识别方法的流程框图；图2是本专利技术指纹识别方法的流程示意图；图3是本专利技术指纹识别方法中建立指纹识别模型具体步骤的流程图；图4是本专利技术采集的指纹原始本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于梯度向量场的指纹识别方法，其特征在于，包括：采集注册用户指纹图像及对应的关联信息；建立指纹识别模型；采集待验证指纹图像；将所述待验证指纹图像输入所述指纹识别模型中，得到识别结果；其中，建立所述指纹识别模型，具体包括：对所述注册用户指纹图像分割得到N个子块图像，大小为M
×
M；选取每个所述子块图像中心点梯度向量方向，L为N个所述子块图像中的第L个所述子块图像，得到所述子块图像中心点梯度向量与其相邻所述子块图像中心点梯度向量之间的夹角，计算所有所述子块图像之间梯度向量夹角得到梯度场夹角特征；提取每个所述子块图像灰度空间特征，综合所有所述子块图像的灰度空间特征得到指纹图像的灰度空间特征F；依据所述灰度空间特征F和所述梯度场夹角特征构建KNN分类器。2.根据权利要求1所述的指纹识别方法，其特征在于，所述提取每个所述子块图像灰度空间特征，包括：计算每个所述子块图像内像素点沿x轴的梯度向量以及沿y轴的梯度向量的向量模，将沿x轴和y轴的向量模之和作为所述子块图像内每个像素点梯度向量模，求得所述子块图像内像素点梯度向量模均值以及梯度向量模的标准差m，将每个所述子块图像内像素点模值小于2.5*m的像素分为一组定义为Ia，大于等于2.5*m的像素分为一组定义为Ib，Ia组像素个数为M1，Ib组像素个数为M2；通过如下公式得到所述子块图像的灰度空间特征，其中和为所述子块图像内像素点属于Ia组以及Ib组的概率，和均为像素点灰度值。3.根据权利要求1所述的指纹识别方法，其特征在于，所述子块图像中心点梯度向量方向通过以下步骤得到：对所述注册用户指纹图像分割完毕后，计算所述子块图像内像素点沿x轴的梯度向量以及沿y轴的梯度向量，得到梯度对应的方向，，其中（i，j）为像素点位置。4.根据权利要求1所述的指纹识别方法，其特征在于，采集所述注册用户指纹图像或所述待验证指纹图像后，需要判断采集的指纹图像是否满足质量要求；若指纹图像满足质量要求，则进行下一步骤；否则，重新采集该指纹图像直到满足质量要求。5.根据权利要求4所述的指纹识别方法，其特征在于，所述判断采集的指纹图像是否满足质量要求，包括：
对采集的指纹图像进行分割，得到N个指纹子块图像，大小为M
×
M，计算指纹子块图像内像素点沿x轴的梯度向量以及沿y轴的梯度向量，得到梯度对应的方向，，其中（i，j）为像素点位置；通过计算子块梯度方向一致性参数K，得到质量...

【专利技术属性】
技术研发人员：樊斐斐，黄正衍，白利敏，
申请(专利权)人：天津新视光技术有限公司，
类型：发明
国别省市：