一種基于三角剖分與LOD技術的指紋識別方法技術

一種基于三角剖分技術的指紋識別方法，解決更有效地識別指紋特征、更準確地區別不同指紋的技術問題，采用的技術方案是，本方法是借助三角剖分步驟提取指紋圖形的矢量三角形集合，采用ＬＯＤ細節層次的分離步驟、逐層變換區域范圍、分步對不同層次下圖像特征提取、編碼并比對，包括全局特征向量編碼階段和局部特征向量編碼階段。本發明專利技術的優點是指紋特征比對精細，增加活體指紋的判定，檔案指紋數據庫可在線更新，有利于指紋的去偽與識別，在大規模百萬量級指紋識別系統中通過數據庫索引檢索指紋的效率高。

【技術實現步驟摘要】

本專利技術屬于指紋識別領域，特別是一種基于Delmmay三角剖分 與LOD技術的指紋識別方法。
技術介紹
Delaunay三角剖分，給定平面上一個點集JP， Dekunay三角剖分， 表示為DT(P)，遵循的原則為在DT(P)中的任一三角形的外接圓內 沒有P中的點；在P可能形成的三角剖分中，DT所形成的三角形的 最小角是最大的；它使DT趨向于消除瘦長的三角形。而且，它還具 有唯一性，仿射不變性。LOD細節層次思想來源于計算機圖形學——當要生成具有真實 感場景的時候，由于場景本身的復雜性,要實現實時性往往不太可能。 所以從場景的本身的幾何特性入手，通過適當的方法來簡化場景的復 雜性。LOD思想是根據需要精簡掉一些暫時可以不被關注的細節， 從而保證系統的流暢性。它的優點是精細，層次分明，有利于提高檢 索效率。在現有技術的指紋識別系統中， 一般將需要鑒定的目標指紋與固 定的原始指紋模板進行比對，固定模板不能夠更新，人體指紋變化時 有可能導致指紋識別發生錯誤。傳統的指紋認證系統一般需要遍歷數據庫去尋找到匹配值最高 的記錄，顯然這樣做在大規模的應用上不夠快。針對于現有技術，發 現現有技術包括以下不足1) 、原始指紋的模板數據庫沒有更新功能；2) 、提取的指紋特征還需要更精細，更具體，有利于區別不同的指紋。3) 、大規模的指紋識別系統的識別效率比較低。
技術實現思路
為解決大規模指紋識別和檢索應用效率高的技術問題，本專利技術設 計了一種基于Dekunay三角剖分與LOD技術的指紋識別方法，將 Delaunay三角剖分與LOD思想利用于百萬量級指紋系統中，實現了 百萬量級指紋系統中的指紋識別和檢索的高效率性。本專利技術實現專利技術目的采用的技術方案是，本方法是借助Delaunay 三角剖分步驟提取指紋圖形的矢量三角形集合，采用LOD細節層次 的分離步驟、逐層變換區域范圍、分步對不同層次下圖像特征提取、 編碼并比對，包括全局特征向量編碼階段和局部特征向量編碼階段， 具體包括以下步驟A、 利用圖像采集器采集目標指紋的全部圖像信息，借助于配套 的圖像處理軟件將以上信息處理成為記錄有全部指紋圖像特征的數 字編碼集合，存儲在配套的緩存中;B、 調出緩存中點集組合成的指紋圖形，利用Delaunay三角算法將點集圖形三角區化，形成一組三角向量集，所生成數字編碼集合并存儲在緩存中；C、 利用LOD細節層次法劃分區域，將具有最細節全局特征的 三角向量集中所有的頂點重新組合，形成擴大了區域范圍的次層三角 圖形集，組合生成次級三角圖形集合、生成次級數字編碼集合并存儲 在緩存中；D、 重復C步驟，形成再次級的三角圖形集合、再次級數字編碼 集合并存儲在緩存中，直至完成最終層的三角形集合對應數字編碼集 合、全部存于緩存中；E、 利用LOD細節層次技術將緩存中的數字編碼集合與檔案指 紋數據庫中的數字編碼集合逐個進行比對，在檔案庫中找出與目標指 紋的數據代碼相同或基本結構相類似的指紋檔案。本專利技術的有益效果是指紋特征比對精細，增加活體指紋的判定， 檔案指紋數據庫可在線更新，有利于指紋的去偽與識別，在大規模百 萬量級指紋識別系統中通過數據庫索引檢索指紋的效率高。下面參看附圖對本專利技術進行詳細說明。 附圖說明圖1是本專利技術的最佳實施例的流程圖。 具體實施例方式參看圖l， 一種基于Delaunay三角剖分與LOD技術的指紋識別 方法，本方法是借助Delaunay三角剖分步驟提取指紋圖形的矢量三7角形集合，采用LOD細節層次的分離歩驟、逐層變換區域范圍、分 步對不同層次下圖像特征提取、編碼并比對，包括對全局特征向量編 碼階段和局部特征向量編碼階段，具體包括以下步驟A、 利用圖像采集器采集目標指紋的全部圖像信息，借助于配套 的圖像處理軟件將以上信息處理成為記錄有全部指紋圖像特征的數 字編碼集合，存儲在配套的緩存中；B、 調出緩存中點集組合成的指紋圖形，利用Delaunay三角算法將點集圖形三角區化，形成一組三角向量集，所生成數字編碼集合并 存儲在緩存中；C、 利用LOD細節層次法劃分區域，將具有最細節全局特征的 三角向量集中所有的頂點重新組合，形成擴大了區域范圍的次層三角 圖形集，組合生成次級三角圖形集合、生成次級數字編碼集合并存儲 在緩存中；D、 重復C步驟，形成再次級的三角圖形集合、再次級數字編碼 集合并存儲在緩存中，直至完成最終層的三角形集合對應數字編碼集 合、全部存于緩存中；E、 利用LOD細節層次技術將緩存中的數字編碼集合與檔案指 紋數據庫中的數字編碼集合逐個進行比對，在檔案庫中找出與目標指 紋的數據代碼相同或基本結構相類似的指紋檔案。在步驟E中，比對時將步驟A 步驟C所說的緩存中的編碼與 檔案中的編碼按照整體到細節的順序進行比對，其具體過程為-El、首先用具有整體特征的局部特征三角向量代碼進行比對篩 選，將檔案中不符合特征三角向量代碼的檔案指紋淘汰，符合的進入 下一層細節的三角向量比對；E2 、逐層逐個地借助該層中提取的特征三角向量代碼與檔案中的 代碼進行比對、篩選，直到進行到最后一層的全局特征三角向量編碼 集合，將與全部指紋圖形特征的三角向量代碼相同或基本相似的找出來；E3 、調出檢索到的最后 一層的全局特征三角向量編碼指代的檔案 指紋圖像，與目標指紋的圖像逐個進行比對，篩選出與目標指紋相同 的檔案指紋并通過觀察進行確認。在指紋比對成功后，如果目標指紋與檔案指紋數據庫相比具有新 的特征，將緩存的指紋特征與檔案指紋數據庫中的指紋特征進行求并 計算，生成新的數字編碼、存儲在檔案指紋數據庫中，實現檔案指紋 數據庫在線更新。上述的檔案指紋數據庫中設置有檔案指紋特征代碼的索引集，緩 存中的數字編碼集合與檔案指紋數據庫中的數字編碼集合對比的過 程借助于索引集逐個進行比對。下面舉出最佳實施例對本專利技術進fi^詳細描述。本方法主要采用四種方式實現1)、采用3蟲特的平衡樹結構；2) 、按層次細節理念梯次篩選；3) 、指紋數據庫在線更新；4) 、動態分布式比對、自動采用最優策略。具體實施時，在目標指紋與指紋模板數據庫中的原始指紋比對時，分多個階段進行指紋匹配，前面階段起到預篩選的作用。前k-l每個階段的匹配將找出兩枚指紋的局部特征關聯情況，給出三種情況匹配成功，匹配失敗或不確定。對于不確定的兩枚指紋，進行下 一階段的細致匹配，后一階段匹配主要是根據前面階段匹配上的局部 特征向量再構造一個全局特征向量，根據全局特征向量進一步進行細 節匹配，以確定兩枚指紋是否匹配。這樣既保證了算法精度，又提高 了匹配速度。1、第l (k")階匹配階段這些階段中，主要是針對整體顯著特征一局部特征向量，通過 關聯法對兩個指紋的每一局部特征向量進行比較，找出它們之間的相 似度。進行匹配就是將兩個指紋的特征向量進行比較，兩個指紋的局 部特征向量之間的相似度用匹配分數來表示。具體步驟如下-G)、首先比較局部最顯著特征，如果特征匹配成功，然后再比較 它們的下一層次的細節，并記錄下來匹配上的局部特征向量。在此過 程中，可能會出現一對多的匹配，同樣記錄下來，可以避免漏掉止確 的匹配對，同時在(2)中還可以去掉錯誤的匹配。(2)、所有的局部特征向量匹配后，針對記錄下來的匹配上的局部 特征向量，進行形變變換，本文檔來自技高網...

【技術保護點】
一種基于Ｄｅｌａｕｎａｙ三角剖分與ＬＯＤ技術的指紋識別方法，用圖像采集處理器將目標指紋的圖形特征信息采集并處理后生成二進制數字編碼、存儲到配套的指紋數據庫中，再將該數字編碼中的特征區段，與留存在檔案指紋數據庫中數據的特征數碼進行比對、識別出目標指紋的真偽，其特征在于：本方法是借助Ｄｅｌａｕｎａｙ三角剖分步驟提取指紋圖形的矢量三角形集合，采用ＬＯＤ細節層次的分離步驟、逐層變換區域范圍、分步對不同層次下圖像特征提取、編碼并比對，包括全局特征向量編碼階段和局部特征向量編碼階段，具體包括以下步驟：　Ａ、利用圖像采集器采集目標指紋的全部圖像信息，借助于配套的圖像處理軟件將以上信息處理成為記錄有全部指紋圖像特征的數字編碼集合，存儲在配套的緩存中；　Ｂ、調出緩存中點集組合成的指紋圖形，利用Ｄｅｌａｕｎａｙ三角算法將點集圖 形三角區化，形成一組三角向量集，所生成數字編碼集合并存儲在緩存中；　Ｃ、利用ＬＯＤ細節層次法劃分區域，將具有最細節全局特征的三角向量集中所有的頂點重新組合，形成擴大了區域范圍的次層三角圖形集，組合生成次級三角圖形集合、生成次級數字編碼集合 并存儲在緩存中；　Ｄ、重復Ｃ步驟，形成再次級的三角圖形集合、再次級數字編碼集合并存儲在緩存中，直至完成最終層的三角形集合對應數字編碼集合、全部存于緩存中；　Ｅ、利用ＬＯＤ細節層次技術將緩存中的數字編碼集合與檔案指紋數據庫中的數字編碼集合 逐個進行比對，在檔案庫中找出與目標指紋的數據代碼相同或基本結構相類似的指紋檔案。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：劉鳴宇，
申請(專利權)人：劉鳴宇，
類型：發明
國別省市：94[中國|深圳]