[发明专利]指纹匹配算法

说明书

技术领域

本发明涉及基于细节点的指纹分析。更具体地，本发明涉及将第一组细节点与第二组细节点进行比较的方法。

背景技术

指纹由手指表面上交错的脊线和谷线组成。典型的脊线宽度在约100μm和300μm之间，并且典型的脊线峰间间距为约500μm。指纹图像表示了这些脊线和谷线，其中，脊线通常用暗线表示，脊线之间的谷线通常用明线表示。示范性的指纹图像如图1所示。

指纹对于每个人来说都是独一无二的，使得指纹用作身份识别是很理想的。因此，指纹验证系统可以通过将捕获的指纹图像与预存的模板指纹图像进行比较验证用户的身份。虽然每个指纹对于每个人都是独一无二的，但是指纹具有共同的特征。这些特征分类如下。

指纹的第一级特征包括由脊线形成的环、螺纹、拱形和三角形。这些特征描述了按照脊线的整体形状。第一级特征可能用于区分开两个不匹配的指纹，但是没有给出足够的细节来确认两个指纹间的匹配。

指纹的第二等级特征，或细节点，为脊线中的不规则或不连续。已经确定了十八种不同类型的细节点。然而，两种主要的细节点类型为脊线终端和脊线分叉点，例如，脊线结束或一条脊线分为两条脊线的位置。通过比较第二等级特征，可以确认两个指纹之间的匹配。

指纹的第三等级特征描述了脊线内在细节。这些特征包括汗毛孔和局部脊线形状，如伤疤、疣、皱纹和其他的脊线局部变形。第三等级特征的提取要求高分辨的指纹传感器(通常大于800DPI)。

以下公开的内容涉及基于第二等级特征分析的指纹验证。

指纹验证是为了接受或拒绝身份请求的目的，将输入指纹与参考指纹图像一对一地比较。在本领域常见的是只存储指纹模板，从而只比较指纹模板，而不是全部指纹通图像。指纹模板是一组从指纹图像中提取的描述了该指纹图像的关键特征，如细节点。

从指纹图像中提取细节点来形成模板通常要求对灰阶指纹图像进行增强，接着将其转换为二进制图像。指纹增强通常包括Gabor滤波，其提高了脊线和谷线间的区别。通过设置全局阈值t，并且将强度大于t的所有像素设为1，将全部剩余像素设为0，生成二进制指纹图像，从而将指纹图像二进制化，并接着细化该二进制指纹图像，使得所有的脊线的宽度减小为1个像素(具体例子参见，Zhang T.Y.and Suen C.Y.“A Fast Parallel Algorithm for Thinning Digital Patterns”，Communications of the ACM，v.27n.3，第236-239页，1984)以生成细化的脊线图，也称为纹线骨架。

当获得了理想的细化的脊线图，细节点检测是一项简单的任务。这可以从图2中看出，图2显示了图1的指纹图像的细化的脊线图，其中，脊线端点和脊线交叉点的细节点被突出显示。那些方块表示脊线端点，那些圆圈表示脊线交叉点。

图3显示了图1中的指纹的细节点表示。每个细节点通常存储为由指纹中的位置、细节点类型(例如，脊线端点、脊线交叉点等)和细节点角度(例如，细节点相对于参考方位的方位)定义的数据点。

指纹验证可能被看作包括两个不同的阶段：登记和匹配。登记为注册新的参考指纹图像模板的过程，其大致包括扫描指纹并从该扫描中提取指纹模板；匹配为将进一步输入的指纹与指纹模板比较的过程，其通常发生在以后的时间里，以便验证用户的身份。

在已知的登记方法中，通过指纹传感器的扫描输入指纹图像。在获得指纹图像之后，进行特征提取，例如，上面讨论的细节点提取。特征提取提供了完整描绘指纹的模板。

US 4,752,966描述了一种使用刮擦式指纹传感器登记指纹的现有技术方法。

指纹的匹配涉及采集输入指纹图像，并将该输入指纹图像与一个或多个参考指纹图像进行比较。当输入指纹图像和参考指纹图像匹配，并且该匹配有足够的可靠性保证错误判对的几率低于某个预定阈值时，指纹得到验证。

US 2008/0273770描述了使用细节点比较将提供的指纹图像与参考指纹图像进行匹配的现有技术方法。在US 2008/0273770中，对于输入指纹的每个细节点，“细节点邻域”被认为围绕中心细节点，并且定义了围绕中心细节点的有限区域，该有限区域包括至少一个第二细节点。在每个邻域，细节点对定义为每对带有相邻细节点的中心细节点。由一对中的两个细节点间的距离、两个细节点的方位的差异、中心细节点的方位和两个细节点的连线间的角度等若干特征描述每个细节点对。根据这些细节点对特征，可以构建细节点对指标。参考指纹图像的细节点对指标与提供的指纹的细节点对指标比较来确定指纹是否匹配。