[发明专利]一种基于梯度向量场的指纹识别方法及应用

说明书

本发明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。本发明能够提高指纹识别的准确性，且便于进行身份认证。

技术领域

本发明属于指纹识别领域，具体涉及一种基于梯度向量场的指纹识别方法及应用。

背景技术

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。

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。

发明内容

本发明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。

第一方面，本发明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θ_L，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β_L，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β；

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β构建KNN分类器。

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梯度向量模值小于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F_L＝P(Ia)G(I_a)+P(Ib)G(I_b)，其中P(Ia)和P(Ib)为所述子块图像内像素点属于Ia组以及Ib组的概率,G(I_a)和G((I_b)均为像素点灰度值。

可选地，所述子块图像中心点梯度向量方向θ_L通过以下步骤得到：