指纹扭曲度估计方法及系统的制作方法
【专利摘要】本发明提出一种指纹扭曲度估计方法，包括以下步骤：选取输入指纹和参考指纹，并计算参考指纹的扭曲度；分别对输入指纹和参考指纹进行配准以获取输入指纹的特征向量和参考指纹的特征向量；根据扭曲度和参考指纹的特征向量得到扭曲度估计器；将输入指纹的特征向量输入到扭曲度估计器，以得到输入指纹的扭曲度。本发明提出的方法，具有较高的分辨能力，能够准确地估计指纹的扭曲度，且该方法适用性强，能够很好地适用于现有的指纹识别系统。本发明还提供了一种指纹扭曲度估计系统。
【专利说明】指纹扭曲度估计方法及系统
【技术领域】
[0001]本发明涉及指纹识别【技术领域】，特别涉及一种指纹扭曲度估计方法及系统。
【背景技术】
[0002]指纹作为最流行和最成功的身份识别特征，在生物特征识别中扮演着非常重要的角色。在过去的几十年间，指纹识别技术取得了快速发展，已经应用到从刑侦到民用的众多领域，并在其中发挥着重要作用。虽然如此，但指纹识别技术中仍然存在着很多挑战，扭曲指纹的估计就是其中一个非常棘手的问题。扭曲发生是由于手指皮肤具有弹性以及采集者在采集指纹时使用了侧面的力或者力矩。当侧面的力或者力矩比较大时，采集者的指纹将会发生严重扭曲，从而导致匹配失败，进而给不法分子留下可乘之机。
[0003]对于不同的指纹识别系统，无法匹配扭曲指纹这一缺陷将产生不同的负面影响。指纹识别系统可以分为两类:身份认证系统和身份辨识系统。在身份认证系统中，常见的应用有重要场所、电脑的访问控制以及指纹支付等。在此系统中，此缺陷将带给用户带来一些不便，因为用户不得不多次尝试按捺指纹，直到可以通过认证。在身份辨识系统中，常见的应用有黑名单人员识别和身份查重等。在此系统中，此缺陷可能会被一些不法分子利用，例如他们在按指纹的过程中故意扭曲指纹，以避免其真实身份被正确识别，从而逃避法律制裁，进而对人类安全造成威胁。鉴于这些，指纹扭曲度估计对于指纹识别系统非常重要。
[0004]目前的处理扭曲指纹的技术可以被粗略地分为三类:
[0005]A)指纹传感器的合理设计以及指纹采集者的合理操作。将指纹的采集平面设计成手形的凹槽，在一定程度上限制了手指的活动范围，因而可以减少扭曲；同时采集四指指纹也可减少扭曲；采集者按照刑侦人员设计的合理步骤进行指纹采集，也能减少扭曲。然而这种方法的缺点为:1)不能处理过去已经采集的扭曲指纹；2)在非刑侦应用中，让指纹采集者按照非常严厉的步骤进行指纹采集，往往使人们难以接受，而且效率低下；3)无法应对皮肤本身存在扭曲的指纹，比如不法分子可能通过化学药剂或者外科手术来扭曲他们的手指皮肤。
[0006]B)利用硬件设备进行扭曲检测。在指纹采集仪采集平面下安装压力传感器，并在采集过程中根据压力传感器上力的变化来确定指纹是否扭曲，或者采集指纹按捺的视频，根据视频中多幅图像之间的匹配来判断指纹是否扭曲。这种算法的不足在于:1)需要特殊的压力传感器或者具有视频采集功能的指纹传感器，这增加了硬件的成本和尺寸，不适于许多应用场合；2)不能处理过去已经采集的扭曲指纹；3)无法应对皮肤本身存在扭曲的指纹，即通过化学药剂或者外科手术扭曲的手指的指纹。
[0007]C)在匹配时容忍扭曲。在指纹匹配算法中对扭曲设置一个门限，为了对付严重的扭曲，门限的设置必须很大。然而大的门限可能导致原本不匹配的细节点相互匹配，从而导致不匹配指纹的相似度上升。
[0008]另外，目前还出现一种相关的技术方案，其核心思想是分析指纹的脊线周期和方向场信息，通过检测脊线周期和方向场信息的异常，来判断指纹是否扭曲。该方案的缺点在于特征维数太低，而且特征是由人为定义的，而非从实际数据学习出来的，因而难以准确估计指纹的扭曲度。
【发明内容】
[0009]本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。
[0010]为此，本发明的一个目的在于提出一种指纹扭曲度估计方法，该方法具有较高的分辨能力，能够准确地估计指纹的扭曲度，且该方法适用性强，能够很好地适用于现有的指纹识别系统。
[0011]本发明的另一个目的在于提供一种指纹扭曲度估计系统。
[0012]为了实现上述目的，本发明第一方面的实施例提出了一种指纹扭曲度估计方法，包括以下步骤:选取输入指纹和参考指纹，并计算所述参考指纹的扭曲度；分别对所述输入指纹和所述参考指纹进行配准以获取所述输入指纹的特征向量和所述参考指纹的特征向量；根据所述扭曲度和所述参考指纹的特征向量得到扭曲度估计器；将所述输入指纹的特征向量输入到所述扭曲度估计器，以得到所述输入指纹的扭曲度。
[0013]根据本发明实施例的指纹扭曲度估计方法，首先计算参考指纹的扭曲度，并分别对输入指纹和参考指纹进行配准，获得各自的特征向量，通过参考指纹的扭曲度和其特征向量生成扭曲度估计器，最后将输入指纹的特征向量输入到扭曲度估计器即可得到输入指纹的扭曲度。因此，本发明的方法使用的特征更丰富，可以从真实的扭曲指纹中学习扭曲规律，具有较高的分辨能力，能够准确地估计指纹的扭曲度，且实用性强，能够很好地适用于现有的指纹识别系统。
[0014]另外，根据本发明上述实施例的指纹扭曲度估计方法还可以具有如下附加的技术特征:
[0015]在一些示例中,所述计算所述参考指纹的扭曲度,进一步包括:选取所述参考指纹对应的正常指纹，并分别对所述参考指纹和正常指纹进行配准，并得到各自对应的细节点；根据所述参考指纹对应的细节点相对于所述正常指纹对应的细节点的偏离程度得到所述参考指纹的扭曲度。
[0016]在一些示例中，所述分别对所述输入指纹和所述参考指纹进行配准以获取所述输入指纹的特征向量和所述参考指纹的特征向量，进一步包括:将所述参考指纹配准至同一坐标系下，并将所述参考指纹的中心平移至所述坐标系的原点，以及将所述参考指纹的方向调整为竖直方向以完成所述参考指纹的配准；对配准后的参考指纹的特征图进行采样以得到所述参考指纹的特征向量，其中，所述特征图可以包括方向场、周期图和从所述方向场、周期图提取的其他特征图。
[0017]在一些示例中，所述分别对所述输入指纹和所述参考指纹进行配准以获取所述输入指纹的特征向量和所述参考指纹的特征向量，还包括:通过目标函数最优化方法估算最佳的配准参数，其中，所述配准参数包括旋转参数和平移参数；根据所述配准参数通过搜索算法得到所述输入指纹的姿态信息；根据所述姿态信息对所述输入指纹及其对应的方向场和周期图进行配准；对配准后的输入指纹的特征图进行采样以得到所述输入指纹的特征向量。
[0018]在一些示例中，所述目标函数为:[0019]argmaxx； y； α ； i I | OrientDiff (ROi (x, y, a ),10) ^ QtI10,
[0020]其中，X和y分别表示X方向和y方向的平移参数，α表示旋转参数，i表示参考指纹的编号，IO表示输入指纹的方向场，ROi表示第i个参考指纹的方向场，函数OrientDiffO用于计算两个方向场的差异，I I I IC1表示非零元素的个数，Θ t表示角度阈值，Qt通常被设为10°，(x，y，α)为所述输入指纹的姿态信息。
[0021]本发明第二方面的实施例提供了一种指纹扭曲度估计系统，包括:扭曲度计算模块，所述扭曲度计算模块根据选取的输入指纹和参考指纹，来计算所述参考指纹的扭曲度；特征向量获取模块，所述特征向量获取模块用于分别对所述输入指纹和所述参考指纹进行配准以获取所述输入指纹的特征向量和所述参考指纹的特征向量；扭曲度估计器生成模块，所述扭曲度估计器生成模块用于根据所述扭曲度和所述参考指纹的特征向量得到扭曲度估计器；扭曲度估计模块，所述扭曲度估计模块用于将到所述输入指纹的特征向量输入所述扭曲度估计器，以得到所述输入指纹的扭曲度。
[0022]根据本发明实施例的指纹扭曲度估计系统，首先计算参考指纹的扭曲度，并分别对输入指纹和参考指纹进行配准，获得各自的特征向量，通过参考指纹的扭曲度和其特征向量生成扭曲度估计器，最后将输入指纹的特征向量输入值扭曲度估计器即可得到输入指纹的扭曲度。因此，该系统使用的特征更丰富，可以从真实的扭曲指纹中学习扭曲规律，具有较高的分辨能力，能够准确地估计指纹的扭曲度，且兼容性好，能够很好地兼容于现有的指纹识别系统，无 需改动已有的指纹传感器，因此，可节约成本。
[0023]另外，根据本发明上述实施例的指纹扭曲度估计系统还可以具有如下附加的技术特征:
[0024]在一些示例中，所述扭曲度计算模块用于选取所述参考指纹对应的正常指纹，并分别对所述参考指纹和正常指纹进行配准，并得到各自对应的细节点，并根据所述参考指纹对应的细节点相对于所述正常指纹对应的细节点的偏离程度得到所述参考指纹的扭曲度。
[0025]在一些示例中，所述特征向量获取模块用于将所述参考指纹配准至同一坐标系下，并将所述参考指纹的中心平移至所述坐标系的原点，以及将所述参考指纹的方向调整为竖直方向以完成所述参考指纹的配准，并对配准后的参考指纹的特征图进行采样以得到所述参考指纹的特征向量，其中，所述特征图可以包括方向场、周期图和从所述方向场、周期图提取的其他特征图。
[0026]在一些示例中，所述特征向量获取模块还用于通过目标函数最优化方法估算最佳的配准系数，其中，所述配准参数包括旋转参数和平移参数，并根据所述配准参数通过搜索算法得到所述输入指纹的姿态信息，并根据所述姿态信息对所述输入指纹及其对应的方向场和周期图进行配准，并对配准后的输入指纹的特征图进行采样以得到所述输入指纹的特征向量。
[0027]在一些示例中，所述目标函数为:
[0028]argmaxx； y； α ； i I | OrientDiff (ROi (x, y, a ),10) ^ QtI10,
[0029]其中，X和y分别表示X方向和y方向的平移参数，α表示旋转参数，i表示参考指纹的编号，IO表示输入指纹的方向场，ROi表示第i个参考指纹的方向场，函数OrientDiffO用于计算两个方向场的差异，I I I IC1表示非零元素的个数，Θ t表示角度阈值，et通常被设为10°，(x，y，α)为所述输入指纹的姿态信息。
[0030]本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
【专利附图】
【附图说明】
[0031]本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中:
[0032]图1是根据本发明一个实施例的指纹扭曲度估计方法的流程图；
[0033]图2是根据本发明一个实施例的参考指纹配准和特征向量提取流程示意图；
[0034]图3是根据本发明一个实施例的三种类型的方向场示意图；以及
[0035]图4是根据本发明一个实施例的指纹扭曲度估计系统的结构示意图。
【具体实施方式】
[0036]下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0037]以下结合附图描述根据本发明实施例的指纹扭曲度估计方法及系统。
[0038]图1是根据本发明一个实施例的指纹扭曲度估计方法的流程图。如图1所示，根据本发明一个实施例的指纹扭曲度估计方法，包括以下步骤:
[0039]步骤S101，选取输入指纹和参考指纹，并计算参考指纹的扭曲度。具体而言，在本发明的一个实施例中，首先选取与参考指纹对应的正常指纹，并分别对参考指纹和正常指纹进行配准，并得到各自对应的细节点，并对参考指纹和正常指纹对应的细节点进行比较分析，根据参考指纹对应的细节点相对于正常指纹对应的细节点的偏离程度得到参考指纹的扭曲度。
[0040]作为一个具体示例，对于参考指纹，其扭曲度指的是其相对于其对应的正常指纹的偏离程度。将某个参考指纹和其对应的正常指纹分别完成配准，对应细节点的偏离程度对应该参考指纹的扭曲程度。而衡量偏离程度的方法是多种多样的。可以是细节点距离的平均值或方差，也可以是细节点角度差的平均值或者方差，也可以是这些特征的组合。作为一个具体地例子，例如将细节点距离的平均值和细节点角度差的平均值融合为扭曲程度，扭曲程度与距离的平均值成正比，与角度差的平均值也成正比。值得注意的是，扭曲度的具体形式不限于这种组合，可以根据实际情况而定。
[0041]步骤S102，分别对输入指纹和参考指纹进行配准以获取输入指纹的特征向量和参考指纹的特征向量。
[0042]具体而言，在本发明的一个实施例中，在获取参考指纹的特征向量时，首先将所有参考指纹配准至同一坐标系下，即将参考指纹的中心平移至该坐标系的原点，以及将参考指纹的方向调整为竖直方向以完成参考指纹的配准，并进一步对配准后的参考指纹的特征图进行采样以得到参考指纹的特征向量。其中，特征图可以包括方向场、周期图和从方向场、周期图提取的其他特征图。
[0043]更为具体地，在一些示例中，为了提取有意义的特征向量，首先将所有指参考纹统一配准到同一个坐标系下。现有的指纹配准方法是多种多样地，比如基于奇异点、基于焦点等，这些方法都可以用于指纹配准这一步。而本发明的实施例采用基于参考的指纹配准方法，其优点在于避免了指纹间奇异点或焦点等分布并不一致的缺陷，也避免了有些指纹的奇异点或焦点难以检测的缺陷，使得配准效果更好。
[0044]进一步地,在该示例中，参考指纹包括一个或者多个指纹,这些指纹可以全部是正常指纹，也可以包含一些扭曲指纹。而本发明的实施例采用了多个参考指纹，其中既含有正常指纹又含有扭曲指纹，并对这些指纹进行特征提取。其中，采用扭曲指纹主要是为了使在线阶段配准扭曲指纹取得更好的效果。具体而言，首先将这些参考指纹配准到同一个坐标系中，配准参考指纹依据的特征为其中心和方向。不失一般性地，参考指纹中偏上的中心点被视为参考指纹的中心，如果此中心点没有被检测出来(因为质量问题或者指纹是弓形)，这些参考指纹的中心将被手工标注。参考指纹的方向为垂直于指节的方向，将全部采用手工标注。由于参考指纹的配准处于学习阶段(离线阶段)，而且其配准的结果会对扭曲度估计算法中(在线阶段)正确配准输入指纹起着至关重要的作用，因此引入手工标注是合适地。首先，这些参考指纹的中心被平移到坐标系的原点(通常为图像的中心)，其次，参考指纹的方向被调整为竖直方向。这即完成了参考指纹的配准。当所有的参考指纹都配准完毕后，它们的方向场和周期图也同时被配准。值得注意的是，在一个具体示例中，本发明中提到的方向场和周期图都是按照16X 16的像素块生成的，即在某个16X 16的像素块内，方向场和周期图是相同的。之后的描述中，方向场和周期图的生成都是如此。
[0045]进一步地，对参考指纹进行配准后进行采样以得到其特征向量。特征向量是通过对已配准的特征图进行采样得到的。特征图可以包括方向场、周期图以及从方向场、周期图提取出的其他特征图，如曲率图等。特征向量可以使用一种特征图或者多种特征图。各种特征图可以采用相同的覆盖整个参考指纹的均匀采样网格，也可以对不同特征图采用不同的采样网格。例如，对于方向场及其基于方向场的特征图，可以只采样指纹的上半部分。例如图2所示，方向场的采样网格和周期图的采样网格是不同的。周期图的采样网格覆盖了整个指纹区域，而方向场的采样网格仅仅包含指纹的上部区域，原因是正常指纹的方向场在下部区域的变化也是很大的，并没有统一的规律，例如图3所示。因此对于区分扭曲指纹和正常指纹而言，下部区域的方向场并不是好的特征。
[0046]在该示例中，在获取特征向量后，对该特征向量进行定义。具体而言，可直接利用特征图中的原始特征定义特征向量，也可以将原始特征进行归一化或者转化成更有区分能力的特征，以提高特征向量的区分能力。归一化或者转化的方法是多样地，作为一个具体的例子，例如特征向量的定义为:[sin(20)COS(20)P]，其中O代表采样网格点上的方向场向量，P代表采样网格点上的周期向量。采用正弦和余弦就是为了使得方向场更具区分性，对于采样点处于指纹区域之外的点，特征向量中对应的值将被设为O。值得注意的是，对于定义特征向量，本发明的实施例并不局限于上述方式，可根据实际需求而选取。
[0047]在本发明的另一个实施例中，在获取输入指纹的特征向量时，首先通过目标函数最优化方法估算最佳的配准参数，其中，该配准参数包括旋转参数和平移参数，并根据配准参数通过搜索算法得到输入指纹的姿态信息，根据姿态信息对输入指纹及其对应的方向场和周期图进行配准，并对配准后的输入指纹的特征图进行采样以得到输入指纹的特征向量。在该示例中，目标函数最优化方法中的目标函数例如为:[0048]argmaxx； y； α ； i I | OrientDiff (ROi (x, y, a ),10) ^ QtI10,
[0049]其中，X和y分别表示X方向和y方向的平移参数，α表示旋转参数，i表示参考指纹的编号，IO表示输入指纹的方向场，ROi表示第i个参考指纹的方向场，函数OrientDiffO用于计算两个方向场的差异，I I I IC1表示非零元素的个数，Θ t表示角度阈值，9t通常被设为10°，(x，y，α)为所述输入指纹的姿态信息。进一步地，该姿态信息(x，y，α)将被用来配准输入指纹以及相应的方向场和周期图。值得注意的时，上述提及的目标函数有很多种，可以根据实际情况而选定，此处只是作为一个具体地例子来说明。
[0050]步骤S103，根据扭曲度和参考指纹的特征向量得到扭曲度估计器。具体而言，根据得到的参考指纹的特征向量和扭曲度，学习从特征向量到扭曲度的映射，该映射即为扭曲度估计器。更为具体地，扭曲度估计可以视为一个两类分类问题或者多类分类问题，也可以视为一个回归问题。比如，可以将步骤SlOl中定义的指纹扭曲程度量化为4个级别(0，1，2，3)，O为正常，I为轻微扭曲，2为中度扭曲，3为严重扭曲。对于扭曲度估计具体的实施办法，可以采用不同的统计分类方法或者回归方法。此处列举一个具体的两类分类的例子，将扭曲指纹视为正样本，而将正常指纹视为负样本，然后利用SVM训练一个扭曲度估计器。值得注意的是，对于扭曲度估计的实施方法，本发明的实施例并不限于两类分类，而是可以是多类或者回归问题，也不限于采用SVM训练扭曲度估计器，而是可以采用任意的统计分类方法。
[0051]步骤S104，将输入指纹的特征向量输入到扭曲度估计器，以得到输入指纹的扭曲度。
[0052]需要说明的是，本发明上述实施例的方法可适用于计算机或嵌入式系统，即对操作系统没有特殊需求，因此，适用范围广。
[0053]根据本发明实施例的指纹扭曲度估计方法，首先计算参考指纹的扭曲度，并分别对输入指纹和参考指纹进行配准，获得各自的特征向量，通过参考指纹的扭曲度和其特征向量生成扭曲度估计器，最后将输入指纹的特征向量输入到扭曲度估计器即可得到输入指纹的扭曲度。因此，本发明的方法使用的特征更丰富，可以从真实的扭曲指纹中学习扭曲规律，具有较高的分辨能力，能够准确地估计指纹的扭曲度，且实用性强，能够很好地适用于现有的指纹识别系统。
[0054]本发明还提供了一种指纹扭曲度估计系统。图4为根据本发明一个实施例的指纹扭曲度估计系统的结构框图。如图4所示，根据本发明一个实施例的指纹扭曲度估计系统400，包括:扭曲度计算模块410、特征向量获取模块420、扭曲度估计器生成模块430和扭曲度估计模块440。
[0055]具体而言，扭曲度计算模块410根据选取的输入指纹和参考指纹，来计算参考指纹的扭曲度。具体而言，在本发明的一个实施例中，扭曲度计算模块410首先选取与参考指纹对应的正常指纹，并分别对参考指纹和正常指纹进行配准，并得到各自对应的细节点，并对参考指纹和正常指纹对应的细节点进行比较分析，根据参考指纹对应的细节点相对于正常指纹对应的细节点的偏离程度得到参考指纹的扭曲度。
[0056]作为一个具体示例，对于参考指纹，其扭曲度指的是其相对于其对应的正常指纹的偏离程度。将某个参考指纹和其对应的正常指纹分别完成配准，对应细节点的偏离程度对应该参考指纹的扭曲程度。而衡量偏离程度的方法是多种多样的。可以是细节点距离的平均值或方差，也可以是细节点角度差的平均值或者方差，也可以是这些特征的组合。作为一个具体地例子，例如将细节点距离的平均值和细节点角度差的平均值融合为扭曲程度，扭曲程度与距离的平均值成正比，与角度差的平均值也成正比。值得注意的是，扭曲度的具体形式不限于这种组合，可以根据实际情况而定。
[0057]特征向量获取模块420用于分别对输入指纹和参考指纹进行配准以获取输入指纹的特征向量和参考指纹的特征向量。
[0058]具体而言，在本发明的一个实施例中，特征向量获取模块420在获取参考指纹的特征向量时，首先将所有参考指纹配准至同一坐标系下，即将参考指纹的中心平移至该坐标系的原点，以及将参考指纹的方向调整为竖直方向以完成参考指纹的配准，并进一步对配准后的参考指纹的特征图进行采样以得到参考指纹的特征向量。其中，特征图可以包括方向场、周期图和从方向场、周期图提取的其他特征图。
[0059]更为具体地，在一些示例中，为了提取有意义的特征向量，首先将所有指参考纹统一配准到同一个坐标系下。现有的指纹配准方法是多种多样的，比如基于奇异点、基于焦点等，这些方法都可以用于指纹配准这一步。而本发明的实施例采用基于参考的指纹配准方法，其优点在于避免了指纹间奇异点或焦点等分布并不一致的缺陷，也避免了有些指纹的奇异点或焦点难以检测的缺陷，使得配准效果更好。
[0060]进一步地,在该示例中，参考指纹包括一个或者多个指纹,这些指纹可以全部是正常指纹，也可以包含一些扭曲指纹。而本发明的实施例采用了多个参考指纹，其中既含有正常指纹又含有扭曲指纹，并对这些指纹进行特征提取。其中，采用扭曲指纹主要是为了使在线阶段配准扭曲指纹取得更好地效果。具体而言，首先将这些参考指纹配准到同一个坐标系中，配准参考指纹依据的特征为其中心和方向。不失一般性地，参考指纹中偏上的中心点被视为参考指纹的中心，如果此中心点没有被检测出来(因为质量问题或者指纹是弓形)，这些参考指纹的中心将被手工标注。参考指纹的方向为垂直于指节的方向，将全部采用手工标注。由于参考指纹的配准处于学习阶段(离线阶段)，而且其配准的结果会对扭曲度估计算法中(在线阶段)正确配准输入指纹起着至关重要的作用，因此引入手工标注是合适的。首先，这些参考指纹的中心被平移到坐标系的原点(通常为图像的中心)，其次，参考指纹的方向被调整为竖直方向。这即完成了参考指纹的配准。当所有的参考指纹都配准完毕后，它们的方向场和周期图也同时被配准。值得注意的是，在一个具体示例中，本发明中提到的方向场和周期图都是按照16X 16的像素块生成的，即在某个16X 16的像素块内，方向场和周期图是相同的。之后的描述中，方向场和周期图的生成都是如此。
[0061]进一步地，对参考指纹进行配准后进行采样以得到其特征向量。特征向量是通过对已配准的特征图进行采样得到的。特征图包括可以方向场、周期图以及从方向场、周期图提取出的其他特征图，如曲率图等。特征向量可以使用一种特征图或者多种特征图。各种特征图可以采用相同的覆盖整个参考指纹的均匀采样网格，也可以对不同特征图采用不同的采样网格。例如，对于方向场及其基于方向场的特征图，可以只采样指纹的上半部分。例如图2所示，方向场的采样网格和周期图的采样网格是不同的。周期图的采样网格覆盖了整个指纹区域，而方向场的采样网格仅仅包含指纹的上部区域，原因是正常指纹的方向场在下部区域的变化也是很大的，并没有统一的规律，例如图3所示。因此对于区分扭曲指纹和正常指纹而言，下部区域的方向场并不是好的特征。[0062]在该示例中，在获取特征向量后，对该特征向量进行定义。具体而言，可直接利用特征图中的原始特征定义特征向量，也可以将原始特征进行归一化或者转化成更有区分能力的特征，以提高特征向量的区分能力。归一化或者转化的方法是多样的，作为一个具体的例子，例如特征向量的定义为:[sin (20) Cos (20) P]，其中O代表采样网格点上的方向场向量，P代表采样网格点上的周期向量。采用正弦和余弦就是为了使得方向场更具区分性，对于采样点处于指纹区域之外的点，特征向量中对应的值将被设为O。值得注意的是，对于定义特征向量，本发明的实施例并不局限于上述方式，可根据实际需求而选取。
[0063]在本发明的另一个实施例中，特征向量获取模块420在获取输入指纹的特征向量时，首先通过目标函数最优化方法估算最佳的配准参数，其中，该配准参数包括旋转参数和平移参数，并根据配准参数通过搜索算法得到输入指纹的姿态信息，根据姿态信息对输入指纹及其对应的方向场和周期图进行配准，并对配准后的输入指纹的特征图进行采样以得到输入指纹的特征向量。在该示例中，目标函数最优化方法中的目标函数例如为:
[0064]argmaxx； y； α ； i I | OrientDiff (ROi (x, y, a ),10) ^ QtI10,
[0065]其中，X和y分别表示X方向和y方向的平移参数，α表示旋转参数，i表示参考指纹的编号，IO表示输入指纹的方向场，ROi表示第i个参考指纹的方向场，函数OrientDiffO用于计算两个方向场的差异，I I I IC1表示非零元素的个数，Θ t表示角度阈值，9t通常被设为10°，(x，t，α)为所述输入指纹的姿态信息。进一步地，该姿态信息(x，y，α)将被用来配准输入指纹以及相应的方向场和周期图。值得注意的时，上述提及的目标函数有很多种，可以根据实际情况而选定，此处只是作为一个具体地例子来说明。
[0066]扭曲度估计器生成模块430用于根据扭曲度和参考指纹的特征向量得到扭曲度估计器。具体而言， 扭曲度估计器生成模块430根据得到的参考指纹的特征向量和扭曲度，学习从特征向量到扭曲度的映射，该映射即为扭曲度估计器。更为具体地，扭曲度估计可以视为一个两类分类问题或者多类分类问题，也可以视为一个回归问题。比如，可以将上述定义的指纹扭曲程度量化为4个级别(O，I，2，3)，O为正常，I为轻微扭曲，2为中度扭曲，3为严重扭曲。对于扭曲度估计具体的实施办法，可以采用不同的统计分类方法或者回归方法。此处列举一个具体的两类分类的例子，将扭曲指纹视为正样本，而将正常指纹视为负样本，然后利用SVM训练一个扭曲度估计器。值得注意的是，对于扭曲度估计的实施方法，本发明的实施例并不限于两类分类，而是可以是多类或者回归问题，也不限于采用SVM训练扭曲度估计器，而是可以采用任意的统计分类方法。
[0067]扭曲度估计模块440用于将输入指纹的特征向量输入到扭曲度估计器，以得到输入指纹的扭曲度。
[0068]需要说明的是，本发明上述实施例的系统可适用于计算机或嵌入式系统，即对操作系统没有特殊需求，因此，兼容性好，适用性强。
[0069]根据本发明实施例的指纹扭曲度估计系统，首先计算参考指纹的扭曲度，并分别对输入指纹和参考指纹进行配准，获得各自的特征向量，通过参考指纹的扭曲度和其特征向量生成扭曲度估计器，最后将输入指纹的特征向量输入到扭曲度估计器即可得到输入指纹的扭曲度。因此，该系统使用的特征更丰富，可以从真实的扭曲指纹中学习扭曲规律，具有较高的分辨能力，能够准确地估计指纹的扭曲度，且兼容性好，能够很好地兼容于现有的指纹识别系统，无需改动已有的指纹传感器，因此，可节约成本。[0070]在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底” “内”、“外”、“顺时
针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0071]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0072]在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0073]在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0074]在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0075]尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
【权利要求】
1.一种指纹扭曲度估计方法，其特征在于，包括以下步骤: 选取输入指纹和参考指纹，并计算所述参考指纹的扭曲度； 分别对所述输入指纹和所述参考指纹进行配准以获取所述输入指纹的特征向量和所述参考指纹的特征向量； 根据所述扭曲度和所述参考指纹的特征向量得到扭曲度估计器； 将所述输入指纹的特征向量输入到所述扭曲度估计器，以得到所述输入指纹的扭曲度。
2.根据权利要求1所述的指纹扭曲度估计方法，其特征在于，所述计算所述参考指纹的扭曲度，进一步包括: 选取所述参考指纹对应的正常指纹，并分别对所述参考指纹和正常指纹进行配准，并得到各自对应的细节点； 根据所述参考指纹对应的细节点相对于所述正常指纹对应的细节点的偏离程度得到所述参考指纹的扭曲度。
3.根据权利要求1所述的指纹扭曲度估计方法，其特征在于，所述分别对所述输入指纹和所述参考指纹进 行配准以获取所述输入指纹的特征向量和所述参考指纹的特征向量，进一步包括: 将所述参考指纹配准至同一坐标系下，并将所述参考指纹的中心平移至所述坐标系的原点，以及将所述参考指纹的方向调整为竖直方向以完成所述参考指纹的配准； 对配准后的参考指纹的特征图进行采样以得到所述参考指纹的特征向量，其中，所述特征图可以包括方向场、周期图和从所述方向场、周期图提取的其他特征图。
4.根据权利要求3所述的指纹扭曲度估计方法，其特征在于，所述分别对所述输入指纹和所述参考指纹进行配准以获取所述输入指纹的特征向量和所述参考指纹的特征向量，还包括: 通过目标函数最优化方法估算最佳的配准参数，其中，所述配准参数包括旋转参数和平移参数； 根据所述配准参数通过搜索算法得到所述输入指纹的姿态信息； 根据所述姿态信息对所述输入指纹及其对应的方向场和周期图进行配准； 对配准后的输入指纹的特征图进行采样以得到所述输入指纹的特征向量。
5.根据权利要求4所述的指纹扭曲度估计方法，其特征在于，所述目标函数为: argmaxx；y； a；i | | OrientDiff (ROi (x, y, a ), 10) ^ QtI10, 其中，X和y分别表示X方向和y方向的平移参数，a表示旋转参数，i表示参考指纹的编号，IO表示输入指纹的方向场，ROi表示第i个参考指纹的方向场，函数OrientDiffO用于计算两个方向场的差异，I I I Ici表示非零元素的个数，9,表示角度阈值，01通常被设为10° , (x，y, a)为所述输入指纹的姿态信息。
6.一种指纹扭曲度估计系统，其特征在于，包括: 扭曲度计算模块，所述扭曲度计算模块根据选取的输入指纹和参考指纹，来计算所述参考指纹的扭曲度； 特征向量获取模块，所述特征向量获取模块用于分别对所述输入指纹和所述参考指纹进行配准以获取所述输入指纹的特征向量和所述参考指纹的特征向量；扭曲度估计器生成模块，所述扭曲度估计器生成模块用于根据所述扭曲度和所述参考指纹的特征向量得到扭曲度估计器； 扭曲度估计模块，所述扭曲度估计模块用于将所述输入指纹的特征向量输入到所述扭曲度估计器，以得到所述输入指纹的扭曲度。
7.根据权利要求6所述的指纹扭曲度估计系统，其特征在于，所述扭曲度计算模块用于选取所述参考指纹对应的正常指纹，并分别对所述参考指纹和正常指纹进行配准，并得到各自对应的细节点，并根据所述参考指纹对应的细节点相对于所述正常指纹对应的细节点的偏离程度得到所述参考指纹的扭曲度。
8.根据权利要求6所述的指纹扭曲度估计系统，其特征在于，所述特征向量获取模块用于将所述参考指纹配准至同一坐标系下，并将所述参考指纹的中心平移至所述坐标系的原点，以及将所述参考指纹的方向调整为竖直方向以完成所述参考指纹的配准，并对配准后的参考指纹的特征图进行采样以得到所述参考指纹的特征向量，其中，所述特征图可以包括方向场、周期图和从所述方向场、周期图提取的其他特征图。
9.根据权利要求8所述的指纹扭曲度估计系统，其特征在于，所述特征向量获取模块还用于通过目标函数最优化方法估算最佳的配准系数，其中，所述配准参数包括旋转参数和平移参数，并根据所述配准参数通过搜索算法得到所述输入指纹的姿态信息，并根据所述姿态信息对所述输入指纹及其对应的方向场和周期图进行配准，并对配准后的输入指纹的特征图进行采样以得到所述输入指纹的特征向量。
10.根据权利要求9所述的指纹扭曲度估计系统，其特征在于，所述目标函数为:
【文档编号】G06K9/00GK103996025SQ201410206168
【公开日】2014年8月20日 申请日期:2014年5月15日 优先权日:2014年5月15日
【发明者】周杰, 冯建江, 司轩斌 申请人:清华大学