TW202518402A - 指紋辨識方法、指紋辨識模組及資訊處理裝置 - Google Patents
指紋辨識方法、指紋辨識模組及資訊處理裝置 Download PDFInfo
- Publication number
- TW202518402A TW202518402A TW112140587A TW112140587A TW202518402A TW 202518402 A TW202518402 A TW 202518402A TW 112140587 A TW112140587 A TW 112140587A TW 112140587 A TW112140587 A TW 112140587A TW 202518402 A TW202518402 A TW 202518402A
- Authority
- TW
- Taiwan
- Prior art keywords
- fingerprint
- matching
- threshold value
- sample
- value
- Prior art date
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
一種指紋辨識方法，係應用於一小尺寸指紋感測模組中以辨識一指紋樣本，該小尺寸指紋感測模組預存有多個指紋模版，且該方法之特徵在於包括一重匹配識別程序，其包括：在該些指紋模版中選取合格的獲選模版；依各該獲選模版之一吻合子區在該指紋樣本之平面座標上的(紋路，位置)資訊將該些吻合子區融合成一組合模版；以及將該組合模版與該指紋樣本進行比對以獲得一匹配值，並判斷該匹配值是否大於一閾值，若是，則認定該指紋樣本為匹配，若否，則認定該指紋樣本為不匹配。
Description
本發明係有關指紋辨識方法，尤指一種小尺寸指紋辨識模組之指紋辨識方法。
當前的小尺寸指紋辨識模組通常採用預先錄入的多個指紋模版以逐一與一待辨識指紋圖像比對，只要有一指紋模版比對成功，便認定識別成功，反之，則認定識別失敗。
然而，受限於指紋採集區之尺寸和形狀，此種識別方法存在以下問題：
當指紋採集區的形狀比較窄（高＞＞寬），且錄入指紋模版和待辨識指紋圖像的角度差異較大時（≈90°），兩個圖像的重疊比例會很小而影響識別率，其情形如圖1a及1b所示，其中，一指紋模版11和一待辨識指紋圖像12的紋路重疊區域13內的紋理資訊非常有限，使得指紋辨識模組難以評估兩個圖像是否採集於同一物體，從而易致拒識和誤識的狀況。
為解決上述問題，本領域亟需一種新穎的指紋辨識方案。
本發明之一目的在於提供一種指紋辨識方法，其可藉由一重匹配識別程序適應性地將多個指紋模版中各與一待辨識指紋局部匹配之指紋子區融合成一組合模版，從而優化使用者之指紋辨識操作體驗。
本發明之另一目的在於提供一種指紋辨識模組，其可藉由前述的指紋辨識方法優化使用者之指紋辨識操作體驗。
本發明之又一目的在於揭露一種資訊處理裝置，其可藉由前述的指紋辨識模組優化使用者之指紋解鎖體驗。
為達到前述目的，一種指紋辨識方法乃被提出，其係應用於一小尺寸指紋感測模組中以辨識一指紋樣本，該小尺寸指紋感測模組預存有多個指紋模版，且該方法包括：
將該些指紋模版與該指紋樣本分別進行一比對程序以各獲得一第一匹配值；以及
將該些第一匹配值與一第一閾值進行一比較程序以判斷是否有多個所述第一匹配值大於該第一閾值，若是，則認定該指紋樣本為匹配，若否，則進行一重匹配識別程序，其包括：在該些指紋模版中選取所述第一匹配值大於一第二閾值者為獲選模版，該第二閾值小於該第一閾值；依各該獲選模版之一吻合子區在該指紋樣本之平面座標上的(紋路，位置)資訊將該些吻合子區融合成一組合模版；以及將該組合模版與該指紋樣本進行該比對程序以獲得一第二匹配值，並判斷該第二匹配值是否大於一第三閾值，若是，則認定該指紋樣本為匹配，若否，則認定該指紋樣本為不匹配，其中，該第三閾值大於該第二閾值。
在一實施例中，該第三閾值大於該第一閾值。
在可能的實施例中，該小尺寸指紋感測模組可為一電容式指紋感測模組或一光學式指紋感測模組。
在一實施例中，該比對程序利用一深度學習模型對該指紋樣本進行處理。
為達到前述目的，本發明進一步提出一種指紋辨識模組，用以執行一指紋辨識方法以辨識一指紋樣本，該指紋感測模組預存有多個指紋模版，且該方法包括：
將該些指紋模版與該指紋樣本分別進行一比對程序以各獲得一第一匹配值；以及
將該些第一匹配值與一第一閾值進行一比較程序以判斷是否有多個所述第一匹配值大於該第一閾值，若是，則認定該指紋樣本為匹配，若否，則進行一重匹配識別程序，其包括：在該些指紋模版中選取所述第一匹配值大於一第二閾值者為獲選模版，該第二閾值小於該第一閾值；依各該獲選模版之一吻合子區在該指紋樣本之平面座標上的(紋路，位置)資訊將該些吻合子區融合成一組合模版；以及將該組合模版與該指紋樣本進行該比對程序以獲得一第二匹配值，並判斷該第二匹配值是否大於一第三閾值，若是，則認定該指紋樣本為匹配，若否，則認定該指紋樣本為不匹配，其中，該第三閾值大於該第二閾值。
在一實施例中，該第三閾值大於該第一閾值。
在可能的實施例中，該小尺寸指紋感測模組可為一電容式指紋感測模組或一光學式指紋感測模組。
在一實施例中，該比對程序利用一深度學習模型對該指紋樣本進行處理。
為達到前述目的，本發明進一步提出一種資訊處理裝置，其具有如前述之指紋辨識模組以提供一指紋解鎖功能。
在可能的實施例中，所述之資訊處理裝置可為一智慧型手機、一可攜式電腦、一車載電腦、一穿戴式電子裝置或一門禁裝置。
為使 貴審查委員能進一步瞭解本創作之結構、特徵、目的、與其優點，茲附以圖式及較佳具體實施例之詳細說明如後。
本發明之原理在於：
(一)將一待辨識指紋在多個指紋模版中之多個局部匹配之指紋子區融合成一組合圖像；以及
(二)利用該組合圖像比對該待辨識指紋以提升指紋識別可靠度，從而優化使用者之指紋辨識操作體驗。
依此，本發明即可極小化合法指紋之拒識和誤識的機率。
請參照圖2，其為本發明之指紋辨識模組之一實施例之方塊圖。
如圖2所示，一指紋辨識模組100具有一感測陣列110及一指紋識別電路120，其中，感測陣列110可為一電容式指紋感測模組或一光學式指紋感測模組；指紋識別電路120包含一指紋採集電路121、控制單元122、一第一記憶單元123及一第二記憶單元124。
指紋採集電路121係用以自感測陣列110採集指紋圖像，其包括一類比轉數位電路以將得自感測陣列110之一類比感測信號轉成一數位信號。
控制單元122由該數位信號接收指紋圖像。詳細而言，指紋辨識模組100在執行一指紋辨識程序之前須先由控制單元122執行一指紋模版錄入程序以獲得多個指紋模版，此時，控制單元122會依序接收多個指紋模版並將其儲存在第一記憶單元123中；而指紋辨識模組100在進行該指紋辨識程序時，控制單元122會接收待辨識之一指紋樣本並將其儲存在第二記憶單元124中。
具體而言，該指紋辨識程序包括：
(一)控制單元122自第一記憶單元123讀取該些指紋模版及自第二記憶單元124讀取該指紋樣本；
(二)控制單元122將該些指紋模版與該指紋樣本分別進行一比對程序以各獲得一第一匹配值；以及
(三)控制單元122將該些第一匹配值與一第一閾值進行一比較程序以判斷是否有多個所述第一匹配值大於該第一閾值，若是，則認定該指紋樣本為匹配，若否，則進行一重匹配識別程序。
該重匹配識別程序包括：
(1)控制單元122在該些指紋模版中選取所述第一匹配值大於一第二閾值者為獲選模版，該第二閾值小於該第一閾值；
(2)控制單元122依各該獲選模版之一吻合子區在該指紋樣本之平面座標上的(紋路，位置)資訊將該些吻合子區融合成一組合模版；以及
(3)控制單元122將該組合模版與該指紋樣本進行該比對程序以獲得一第二匹配值，並判斷該第二匹配值是否大於一第三閾值，若是，則認定該指紋樣本為匹配，若否，則認定該指紋樣本為不匹配，其中，該第三閾值大於該第二閾值。
另外，該第三閾值可大於該第一閾值以得到較佳的識別可靠度。
另外，控制單元122可使用ORB(oriented FAST and rotated BRIEF；定向的FAST和旋轉的BRIEF(binary robust independent elementary features；二進制穩健獨立的基本特徵))、FAST(features from accelerated segment test；加速段測試中的特徵)、SIFT(scale-invariant feature transform；尺度不變特徵轉換)、SURF(speeded up robust features；加速穩健特徵)等演算法提取特徵後進行匹配以獲得各該獲選模版之一吻合子區在該指紋樣本之平面座標上的(紋路，位置)資訊。
另外，該比對程序可利用一事先訓練好的深度學習模型對該指紋樣本進行處理，其中，該深度學習模型之訓練所需資料包括該些指紋模版及該指紋樣本。
依上述的說明可知，本發明揭露了一種指紋辨識方法，其係應用於一小尺寸指紋感測模組中以辨識一指紋樣本，且該小尺寸指紋感測模組預存有多個指紋模版。請參照圖3，其繪示本發明之指紋辨識方法之一實施例之流程圖。如圖3所示，該方法包括：將該些指紋模版與該指紋樣本分別進行一比對程序以各獲得一第一匹配值(步驟a)；以及將該些第一匹配值與一第一閾值進行一比較程序以判斷是否有多個所述第一匹配值大於該第一閾值，若是，則認定該指紋樣本為匹配，若否，則進行一重匹配識別程序，其包括：在該些指紋模版中選取所述第一匹配值大於一第二閾值者為獲選模版，該第二閾值小於該第一閾值；依各該獲選模版之一吻合子區在該指紋樣本之平面座標上的(紋路，位置)資訊將該些吻合子區融合成一組合模版；以及將該組合模版與該指紋樣本進行該比對程序以獲得一第二匹配值，並判斷該第二匹配值是否大於一第三閾值，若是，則認定該指紋樣本為匹配，若否，則認定該指紋樣本為不匹配，其中，該第三閾值大於該第二閾值(步驟b)。
在上述的步驟中，該小尺寸指紋感測模組可為一電容式指紋感測模組或一光學式指紋感測模組；該第三閾值大於該第一閾值；且該比對程序可利用一事先訓練好的深度學習模型對該指紋樣本進行處理，其中，該深度學習模型之訓練所需資料包括該些指紋模版及該指紋樣本。
依上述的說明，本發明進一步提出一種資訊處理裝置。請參照圖4，其繪示本發明之資訊處理裝置之一實施例之方塊圖。如圖4所示，一資訊處理裝置200具有一中央處理單元210及一指紋辨識模組220，其中，中央處理單元210係用以與指紋辨識模組220通信以提供一指紋解鎖功能，且指紋辨識模組220係由指紋辨識模組100實現。
另外，在可能的實施例中，所述之資訊處理裝置可為一智慧型手機、一可攜式電腦、一車載電腦、一穿戴式電子裝置或一門禁裝置。
藉由前述所揭露的設計，本發明乃具有以下的優點：
一、本發明之指紋辨識方法可藉由一重匹配識別程序適應性地將多個指紋模版中各與一待辨識指紋局部匹配之指紋子區融合成一組合模版，從而優化使用者之指紋辨識操作體驗。
二、本發明之指紋辨識模組可藉由前述的指紋辨識方法優化使用者之指紋辨識操作體驗。
三、本發明之資訊處理裝置可藉由前述的指紋辨識模組優化使用者之指紋解鎖體驗。
本發明所揭示者，乃較佳實施例之一種，舉凡局部之變更或修飾而源於本發明之技術思想而為熟習該項技藝知人所易於推知者，俱不脫本發明之專利權範疇。
綜上所陳，本案無論目的、手段與功效，皆顯示其迥異於習知技術，且其首先發明合於實用，確實符合發明之專利要件，懇請 貴審查委員明察，並早日賜予專利俾嘉惠社會，是為至禱。
11:指紋模版
12:待辨識指紋圖像
13:紋路重疊區域
100:指紋辨識模組
110:感測陣列
120:指紋識別電路
121:指紋採集電路
122:控制單元
123:第一記憶單元
124:第二記憶單元
200:資訊處理裝置
210:中央處理單元
220:指紋辨識模組
步驟a:將該些指紋模版與該指紋樣本分別進行一比對程序以各獲得一第一匹配值
步驟b:將該些第一匹配值與一第一閾值進行一比較程序以判斷是否有多個所述第一匹配值大於該第一閾值，若是，則認定該指紋樣本為匹配，若否，則進行一重匹配識別程序，其包括:在該些指紋模版中選取所述第一匹配值大於一第二閾值者為獲選模版，該第二閾值小於該第一閾值；依各該獲選模版之一吻合子區在該指紋樣本之平面座標上的(紋路，位置)資訊將該些吻合子區融合成一組合模版；以及將該組合模版與該指紋樣本進行該比對程序以獲得一第二匹配值，並判斷該第二匹配值是否大於一第三閾值，若是，則認定該指紋樣本為匹配，若否，則認定該指紋樣本為不匹配，其中，該第三閾值大於該第二閾值
圖1a繪示兩個重疊比例會很小的指紋圖像；
圖1b繪示圖1a之兩個指紋圖像的紋路重疊區域；
圖2為本發明之指紋辨識模組之一實施例之方塊圖；
圖3繪示本發明之指紋辨識方法之一實施例之流程圖；以及
圖4繪示本發明之資訊處理裝置之一實施例之方塊圖。
步驟a:將該些指紋模版與該指紋樣本分別進行一比對程序以各獲得一第一匹配值
步驟b:將該些第一匹配值與一第一閾值進行一比較程序以判斷是否有多個所述第一匹配值大於該第一閾值，若是，則認定該指紋樣本為匹配，若否，則進行一重匹配識別程序，其包括：在該些指紋模版中選取所述第一匹配值大於一第二閾值者為獲選模版，該第二閾值小於該第一閾值；依各該獲選模版之一吻合子區在該指紋樣本之平面座標上的(紋路，位置)資訊將該些吻合子區融合成一組合模版；以及將該組合模版與該指紋樣本進行該比對程序以獲得一第二匹配
值，並判斷該第二匹配值是否大於一第三閾值，若是，則認定該指紋樣本為匹配，若否，則認定該指紋樣本為不匹配，其中，該第三閾值大於該第二閾值
Claims (10)
- 一種指紋辨識方法，係應用於一小尺寸指紋感測模組中以辨識一指紋樣本，該小尺寸指紋感測模組預存有多個指紋模版，且該方法包括： 將該些指紋模版與該指紋樣本分別進行一比對程序以各獲得一第一匹配值；以及 將該些第一匹配值與一第一閾值進行一比較程序以判斷是否有多個所述第一匹配值大於該第一閾值，若是，則認定該指紋樣本為匹配，若否，則進行一重匹配識別程序，其包括：在該些指紋模版中選取所述第一匹配值大於一第二閾值者為獲選模版，該第二閾值小於該第一閾值；依各該獲選模版之一吻合子區在該指紋樣本之平面座標上的(紋路，位置)資訊將該些吻合子區融合成一組合模版；以及將該組合模版與該指紋樣本進行該比對程序以獲得一第二匹配值，並判斷該第二匹配值是否大於一第三閾值，若是，則認定該指紋樣本為匹配，若否，則認定該指紋樣本為不匹配，其中，該第三閾值大於該第二閾值。
- 如請求項1所述之指紋辨識方法，其中，該第三閾值大於該第一閾值。
- 如請求項1所述之指紋辨識方法，其中，該小尺寸指紋感測模組係一電容式指紋感測模組或一光學式指紋感測模組。
- 如請求項1所述之指紋辨識方法，其中，該比對程序包含利用一深度學習模型對該指紋樣本進行處理。
- 一種指紋辨識模組，用以執行一指紋辨識方法以辨識一指紋樣本，該指紋感測模組預存有多個指紋模版，且該方法包括： 將該些指紋模版與該指紋樣本分別進行一比對程序以各獲得一第一匹配值；以及 將該些第一匹配值與一第一閾值進行一比較程序以判斷是否有多個所述第一匹配值大於該第一閾值，若是，則認定該指紋樣本為匹配，若否，則進行一重匹配識別程序，其包括：在該些指紋模版中選取所述第一匹配值大於一第二閾值者為獲選模版，該第二閾值小於該第一閾值；依各該獲選模版之一吻合子區在該指紋樣本之平面座標上的(紋路，位置)資訊將該些吻合子區融合成一組合模版；以及將該組合模版與該指紋樣本進行該比對程序以獲得一第二匹配值，並判斷該第二匹配值是否大於一第三閾值，若是，則認定該指紋樣本為匹配，若否，則認定該指紋樣本為不匹配，其中，該第三閾值大於該第二閾值。
- 如請求5所述之指紋辨識模組，其中，該第三閾值大於該第一閾值。
- 如請求項5所述之指紋辨識模組，其中，該小尺寸指紋感測模組係一電容式指紋感測模組或一光學式指紋感測模組。
- 如請求項5所述之指紋辨識模組，其中，該比對程序包含利用一深度學習模型對該指紋樣本進行處理。
- 一種資訊處理裝置，其具有如請求項5至8中任一項所述之指紋辨識模組以提供一指紋解鎖功能。
- 如請求項9所述之資訊處理裝置，其其係由一智慧型手機、一可攜式電腦、一車載電腦、一穿戴式電子裝置和一門禁裝置所組成群組中所選擇的一種裝置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112140587A TWI873932B (zh) | 2023-10-24 | 2023-10-24 | 指紋辨識方法、指紋辨識模組及資訊處理裝置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112140587A TWI873932B (zh) | 2023-10-24 | 2023-10-24 | 指紋辨識方法、指紋辨識模組及資訊處理裝置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI873932B TWI873932B (zh) | 2025-02-21 |
| TW202518402A true TW202518402A (zh) | 2025-05-01 |
Family
ID=95557385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW112140587A TWI873932B (zh) | 2023-10-24 | 2023-10-24 | 指紋辨識方法、指紋辨識模組及資訊處理裝置 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI873932B (zh) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112258196A (zh) * | 2020-11-09 | 2021-01-22 | Oppo广东移动通信有限公司 | 指纹信息的校验方法、装置、终端及存储介质 |
| CN114916236A (zh) * | 2020-12-07 | 2022-08-16 | 谷歌有限责任公司 | 使用触摸输入的基于指纹的认证 |
| CN115188033B (zh) * | 2022-06-13 | 2026-01-30 | 天津极豪科技有限公司 | 一种指纹识别方法、电子设备、存储介质及程序产品 |
-
2023
- 2023-10-24 TW TW112140587A patent/TWI873932B/zh active
Also Published As
| Publication number | Publication date |
|---|---|
| TWI873932B (zh) | 2025-02-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Prabhakar et al. | Decision-level fusion in fingerprint verification | |
| CN106326829B (zh) | 检测虚假指纹的方法和设备以及识别指纹的方法和设备 | |
| TWI434220B (zh) | 利用手掌靜脈之生物特徵辨識使用者之方法 | |
| CN106326830A (zh) | 指纹识别方法和设备 | |
| EP3577596A1 (en) | Method for authenticating a finger of a user of an electronic device | |
| US9875418B2 (en) | Method and apparatus for detecting biometric region for user authentication | |
| US20230074386A1 (en) | Method and apparatus for performing identity recognition on to-be-recognized object, device and medium | |
| CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
| US10037454B2 (en) | Method and device for forming a fingerprint representation | |
| EP3300000B1 (en) | Method, apparatus, and non-transitory computer-readable storage medium for verification process | |
| Leung et al. | Palmprint verification for controlling access to shared computing resources | |
| TWI873932B (zh) | 指紋辨識方法、指紋辨識模組及資訊處理裝置 | |
| Priyambodo et al. | Partial fingerprint on combined evaluation using deep learning and feature descriptor | |
| CN110663043B (zh) | 生物度量对象的模板匹配 | |
| Sisodia et al. | A conglomerate technique for finger print recognition using phone camera captured images | |
| TWI792017B (zh) | 生物特徵的辨識系統及辨識方法 | |
| Li et al. | ORB-based fingerprint matching algorithm for mobile devices | |
| CN110659536B (zh) | 指纹识别设备分辨率的测试方法及装置、系统及存储介质 | |
| Li et al. | Palmprint matching using line features | |
| Taher et al. | A digital signature system based on hand geometry-Survey: Basic Components of Hand-based Biometric System | |
| Abdulkader | Fingerprint Identification System Using Half Smoothing Filters | |
| Chowdhury et al. | Efficient fingerprint matching based upon minutiae extraction | |
| TW202117591A (zh) | 影像處理方法、晶片及電子裝置 | |
| CN117711031B (zh) | 一种指纹匹配方法及电子设备 | |
| Preetha et al. | Selection and extraction of optimized feature set from fingerprint biometrics-a review |