一种基于指纹识别的解锁方法与流程

本发明涉及指纹识别，具体涉及一种基于指纹识别的解锁方法。

背景技术：

1、随着科技的发展，智能手机、平板电脑等终端电子设备已经成为人们生活中不可或缺的一部分。为了保护用户的隐私和数据安全，越来越多的终端设备采用指纹识别技术作为终端设备的解锁方式。现有指纹识别方法为：通过终端设备采集指纹图像，对指纹图像进行预处理，便于提取指纹特征，从而与存储的指纹特征进行比对，判断两者是否一致，若一致，则判定为同一人，若不一致，则不为同一人。现有指纹识别方法需要采集大面积的指纹，从而对比指纹形状上的一致性，能提高指纹识别的精度，但是对于保密性要求不高的终端设备，现有指纹识别方法复杂度较高，计算量过大，不适用于小型终端设备，且对局部的指纹无法进行识别。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种基于指纹识别的解锁方法解决了以下技术问题：

2、1、现有指纹识别方法复杂度较高，计算量过大；

3、2、现有指纹识别方法对局部的指纹无法进行识别。

4、为了达到上述发明目的，本发明采用的技术方案为：一种基于指纹识别的解锁方法，包括以下步骤：

5、s1、通过终端的图像传感器采集指纹图像；

6、s2、对指纹图像进行灰度处理，得到灰度图；

7、s3、将灰度图分成多份脊线图和多份谷线图；

8、s4、对每份脊线图和每份谷线图分别进行像素点滤波处理，得到多份脊线滤波图和多份谷线滤波图；

9、s5、根据多份脊线滤波图和多份谷线滤波图，构建脊线特征向量和谷线特征向量；

10、s6、根据脊线特征向量与脊线存储特征向量的匹配情况，谷线特征向量与谷线存储特征向量的匹配情况，得到匹配度，在匹配度大于匹配阈值时，终端解锁成功。

11、本发明的有益效果为：本发明中在采集指纹图像，并灰度处理后，得到灰度图，将灰度图分成多份脊线图和多份谷线图，即将灰度图上的脊线和谷线拆分成单份，便于后续进行对比处理，本发明中将每份脊线图和每份谷线图进行像素点滤波处理，将异常和多余的像素点剔除，保障脊线和谷线的流畅性，再根据多份脊线滤波图和多份谷线滤波图上特征的情况，构建脊线特征向量和谷线特征向量，计算出脊线特征向量与脊线存储特征向量，谷线特征向量与谷线存储特征向量的匹配度，在匹配度大于匹配阈值时，终端解锁成功，实现一种计算简单，且可以根据指纹的局部来实现指纹识别的解锁方法。

12、进一步地，所述s3包括以下分步骤：

13、s31、对灰度图进行灰度值滤波处理，得到灰度滤波图；

14、s32、计算灰度滤波图的平均灰度值；

15、s33、将灰度滤波图中灰度值低于平均灰度值的像素点标记为脊线像素点；

16、s34、将坐标连续的脊线像素点构成一份脊线图；

17、s35、将灰度滤波图中灰度值高于平均灰度值的像素点标记为谷线像素点；

18、s36、将坐标连续的谷线像素点构成一份谷线图。

19、上述进一步地方案的有益效果为：由于指纹上脊线与谷线存在高低差距，在指纹成像时，脊线与谷线的灰度值不一样，先对灰度图进行灰度值滤波处理，解决异常灰度值的问题，计算出灰度滤波图的平均灰度值，平均灰度值作为脊线像素点与谷线像素点的界限，在分离出脊线像素点和谷线像素点后，并将坐标连续的脊线像素点构成一份脊线图，坐标连续的谷线像素点构成一份谷线图，实现对每条脊线和谷线进行分离。

20、进一步地，所述s31中对灰度图进行灰度值滤波处理的公式为：

21、，

22、，

23、其中，pi,f为第i个像素点滤波后的灰度值，θi为灰度图上第i个像素点的灰度值的滤波系数，pi为灰度图上第i个像素点的灰度值，pi,k为灰度图上第i个像素点的33邻域内第k个像素点的灰度值，k为33邻域内像素点的数量，exp为以自然常数为底的对数函数，i为灰度图上像素点的编号，k为33邻域内像素点的编号。

24、上述进一步地方案的有益效果为：本发明将灰度图每个像素点的灰度值与33邻域范围的灰度均值的灰度距离作为滤波系数，在滤波系数越大时，像素点的灰度值异常程度越高，对像素点的灰度值滤波能力越强。

25、进一步地，所述s4包括以下分步骤：

26、s41、以待滤波图上每个像素点为中心像素点，统计中心像素点的33邻域内像素点的数量，其中，待滤波图包括：脊线图和谷线图；

27、s42、在中心像素点的33邻域内像素点的数量小于数量阈值时，则将对应中心像素点标记为待丢弃点；

28、s43、将待丢弃点从待滤波图上丢弃，得到滤波图，其中，滤波图包括：脊线滤波图和谷线滤波图。

29、上述进一步地方案的有益效果为：本发明中通过对像素点滤波处理，剔除边缘上孤立和稀疏的像素点，保障脊线和谷线的流畅性。

30、进一步地，所述s5包括以下分步骤：

31、s51、提取每份脊线滤波图的脊线宽度特征；

32、s52、将所有脊线滤波图的脊线宽度特征构成脊线特征向量；

33、s53、提取每份谷线滤波图的谷线宽度特征；

34、s54、将所有谷线滤波图的谷线宽度特征构成谷线特征向量。

35、进一步地，所述s51和s53中提取脊线宽度特征和谷线宽度特征的方法相同，均包括以下分步骤：

36、c1、找到滤波图上两条最长的边缘轮廓线，其中，滤波图包括：脊线滤波图和谷线滤波图；

37、c2、从其中一条边缘轮廓线上等间距取多个像素点，作为参考点；

38、c3、计算每个参考点与另一条边缘轮廓线上各个像素点的距离，取最短距离，作为该参考点处宽度；

39、c4、对所有参考点处宽度取均值，作为宽度特征，其中，宽度特征包括：脊线宽度特征和谷线宽度特征。

40、上述进一步地方案的有益效果为：本发明在上述过程中实现了每条脊线和谷线的分离，在每份脊线滤波图或每份谷线滤波图上找到两条最长的边缘轮廓线，从而计算出每个参考点的宽度，取多个参考点的宽度的均值作为一条脊线或谷线的宽度，保障脊线或谷线的宽度衡量的准确性。

41、进一步地，所述c3中参考点处宽度的计算公式为：

42、，

43、其中，wn为第n个参考点处的宽度，min为取最小值，xn为第n个参考点的横坐标，yn为第n个参考点的纵坐标，xa,j为另一条边缘轮廓线上第j个像素点的横坐标，ya,j为另一条边缘轮廓线上第j个像素点的纵坐标，m为另一条边缘轮廓线上像素点的数量，j为另一条边缘轮廓线上像素点的编号，n为参考点的编号。

44、进一步地，所述s6包括以下分步骤：

45、s61、根据脊线特征向量与脊线存储特征向量的匹配情况，得到第一匹配值；

46、s62、根据谷线特征向量与谷线存储特征向量的匹配情况，得到第二匹配值；

47、s63、将第一匹配值和第二匹配值相加，得到匹配度；

48、s64、在匹配度大于匹配阈值时，终端解锁成功。

49、上述进一步地方案的有益效果为：本发明综合脊线特征向量与脊线存储特征向量的匹配情况，以及谷线特征向量与谷线存储特征向量的匹配情况，计算出指纹图像的匹配度，提高指纹识别精度。

50、进一步地，所述s61包括以下分步骤：

51、s611、设定脊线宽度特征编号为m，m的初值为1，第一匹配值为q，q的初值为0；

52、s612、取脊线特征向量中第m个脊线宽度特征；

53、s613、计算第m个脊线宽度特征与脊线存储特征向量中每个脊线存储宽度特征的相似度，得到第一相似度；

54、s614、判断第一相似度是否大于第一相似阈值，若是，则跳转至s615，若否，则m自加1，并跳转至s612，直到m等于v+1，v为脊线宽度特征的数量，结束分步骤；

55、s615、将第一匹配值q自加1，从脊线存储特征向量中剔除与第m个脊线宽度特征的第一相似度大于第一相似阈值的脊线存储宽度特征，且m自加1，并跳转至s612，直到m等于v+1，结束分步骤。

56、上述进一步地方案的有益效果为：本发明将脊线特征向量中每个脊线宽度特征与脊线存储特征向量中每个脊线存储宽度特征进行匹配，即计算第一相似度，在第一相似度大于第一相似阈值，则匹配成功一对，第一匹配值q用于记录匹配成功的对数，在匹配成功一对后，脊线存储特征向量中相应的脊线存储宽度特征不再参与匹配过程，第一匹配值q越大，匹配成功的脊线特征向量越多。

57、进一步地，所述s62包括以下分步骤：

58、s621、设定谷线宽度特征编号为r，r的初值为1，第二匹配值为r，r的初值为0；

59、s622、取谷线特征向量中第r个谷线宽度特征；

60、s623、计算第r个谷线宽度特征与谷线存储特征向量中每个谷线存储宽度特征的相似度，得到第二相似度；

61、s624、判断第二相似度是否大于第二相似阈值，若是，则跳转至s625，若否，则r自加1，并跳转至s622，直到r等于u+1，u为谷线宽度特征的数量，结束分步骤；

62、s625、将第二匹配值q自加1，从谷线存储特征向量中剔除与第r个谷线宽度特征的第二相似度大于第二相似阈值的谷线存储宽度特征，r自加1，并跳转至s622，直到r等于u+1，结束分步骤。

63、上述进一步地方案的有益效果为：本发明将谷线特征向量中每个谷线宽度特征与谷线存储特征向量中每个谷线存储宽度特征进行匹配，即计算第二相似度，在第二相似度大于第二相似阈值，则匹配成功一对，第二匹配值r用于记录匹配成功的对数，在匹配成功一对后，谷线存储特征向量中相应的谷线存储宽度特征不再参与匹配过程，第二匹配值r越大，匹配成功的谷线特征向量越多。