CN1275187C - 基于全局脊线的指纹识别方法 - Google Patents
基于全局脊线的指纹识别方法 Download PDFInfo
- Publication number
- CN1275187C CN1275187C CNB2004100178250A CN200410017825A CN1275187C CN 1275187 C CN1275187 C CN 1275187C CN B2004100178250 A CNB2004100178250 A CN B2004100178250A CN 200410017825 A CN200410017825 A CN 200410017825A CN 1275187 C CN1275187 C CN 1275187C
- Authority
- CN
- China
- Prior art keywords
- point
- crestal line
- fingerprint
- template
- minutiae
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
- G06V40/1376—Matching features related to ridge properties or fingerprint texture
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种基于全局脊线的指纹识别方法,在存储指纹模板和待识别指纹模板中进行基准点对搜索,基准点对是参与比对的存储指纹和待识别指纹进行姿势校准的定位参考点;在提取指纹细节点之后,引入细化了的全局指纹脊线形成指纹模板;然后考察细节点的拓扑结构或周围脊线分布的相似性,确定基准点对;通过基准点对对齐两枚指纹,计算两枚指纹脊线的匹配度,从而判定两枚指纹是否匹配。本发明的有益效果是:由于运用了全局脊线信息,使得采用本发明所述的方法不仅显著提高了搜索效率和抗噪声能力,而且还克服了基于细节点的算法难以正确识别相同细节点过少的两枚指纹的问题。
Description
技术领域:
本发明属于指纹识别方法,尤其涉及一种基于全局脊线的指纹识别方法。
背景技术:
指纹比对是比较两枚指纹以确定它们是否来源于同一个手指的过程。目前的指纹比对方法有多种,最常见的是基于细节点的比对方法。基于细节点的比对方法,是提取指纹的细节点特征(主要是脊线的端点和叉点)来形成指纹模板,在此基础上统计参与比对的两个指纹模板之间相同细节点的个数,据此来判定两枚指纹是否匹配。
指纹比对必须要把两枚指纹放到同一个系统中才能进行,因此需要确定基准点对,对齐两枚指纹图像。基准点对的搜索方法也有多种,常见的是通过比较两枚指纹的细节点的类型、方向、所在脊线的曲率,确定基准点对。
中国专利ZL88108482.4(授权公告号为CN1054225C)公开了一种自动鉴别指纹的方法,通过把指纹数据库中每个指纹的细节与待鉴别指纹细节的预先计算的矢量图象中选出的一个相比较,以确定档案指纹细节与预选的待查指纹细节图象在位置和角度方面是否存在相互之间的符合。上述鉴别指纹的方法也是基于细节点的比对方法的改进,细节点比对方法的优点在于指纹模板的数据量小,比对速度快,其缺点是:基准点对的搜索效率低;容易受噪声的干扰和图像处理的影响而丢失真实的细节点,导致识别率较低;要求足够数量细节点的支持才能够正确进行比对,导致其实际应用范围受限制。
发明内容:
本发明的目的是提供一种基于全局脊线的指纹识别方法。本发明在提取指纹细节点之后,引入细化了的全局指纹脊线形成指纹模板;然后考察细节点的拓扑结构或周围脊线分布的相似性,确定基准点对;通过基准点对对齐两枚指纹,计算两枚指纹脊线的匹配度,从而判定两枚指纹是否匹配。
本发明解决其技术问题所采用的技术方案主要包含下列步骤:
1、在存储指纹模板和待识别指纹模板中进行基准点对搜索,基准点对是参与比对的存储指纹和待识别指纹进行姿势校准的定位参考点;
2、进行全局脊线匹配,即对存储指纹模板和待识别指纹模板的脊线点进行全局比对,脊线由脊线点构成,在此基础上判断两枚指纹是否匹配,具体实现过程分四步如下:
2.1指纹模板姿势校准:以进入全局匹配的基准点对为对齐点,计算平移量和旋转量,然后将待识别模板T2对齐到存储模板T1中去;
2.2统计重叠区域内T2脊线点总数S1:将待识别模板T2对齐到存储模板T1之后,T2和T1形成一块重叠区域,统计T2在重叠区域的脊线点个数,记为S1;
2.3脊线点比对:对重叠区域所有T2上的脊线点进行考察,统计匹配点的个数,记为S2;
2.4计算存储指纹模板和待识别指纹模板的最终匹配分数,与判断阈值T进行比较,输出判断结果;
其中,上述的基准点对搜索方法如下:
a)建立指纹模板中每一个细节点与其他细节点之间的拓扑结构,两个细节点P1和P2之间的拓扑结构需要计算如下3个特征量:细节点之间的距离d,细节点方向与两细节点连线顺时针所成的夹角α和β;
b)用T1和T2分别代表存储模板和待匹配模板,Pi为T1中的任一细节点,Qi为T2中的任一细节点,按照如下步骤搜索基准点对:
1)如果Pi和Qi类型相同,即同为端点或叉点,且方向的偏差小于阈值,那么就分别以Pi和Qi为参考点,考察它们之间的相似度;Pj是T1中Pi之外的任一细节点,Qj是T2中Qi之外的任一细节点,Pj和Pi之间的拓扑结构记为A,Qj和Qi之间的拓扑结构记为B,如果A和B之间的3个特征量的偏差都小于相应的阈值,那么就认为A和B是一对相同的拓扑结构,按照这个方法计算出Pi和Qi所有相同拓扑结构的个数,该个数就是Pi和Qi之间的相似度;
2)按照1)中的方法,遍历所有的细节点对,把相似度不为0的点对保存到一个队列中。然后根据相似度的高低进行降序排列;
3)如果队列不为空,那么选取队列中前若干对基准点,进入全局匹配;如果队列为空,则进入步骤c);
c)如果T1和T2中的细节点Pi、Qi类型相同,即同为端点或叉点,且方向的偏差小于阈值,那么就分别以Pi和Qi为中心,R为半径,该范围称为参考范围,考察它们之间脊线分布的相似度:
1)将Qi向Pi对准,包括位置和方向,Qi参考范围内所有的脊线点随同Qi一起变换,统计参考范围内T1和T2相同脊线点的个数,该个数就是Pi和Qi之间的相似度;
2)遍历所有的点对,把相似度不为0的点对保存到一个队列中,然后根据相似度的高低进行降序排列;
3)选取队列中前若干对基准点,进入全局匹配;
上述的脊线点比对具体方法为:
a)pi为待识别模板T2任意脊线上任意一点;
b)以pi为中心,m个象素点距离范围作为搜索区域,在该区域内搜索存储模板T1的脊线点;若该区域内有T1的脊线点,则进入步骤c),若没有,则pi为失配点;
c)按b)的方法对pi同一脊线上前后n个脊线点进行类似的考察;
d)如果pi同一脊线上的前后n个脊线点在各自的搜索区域内都有存储模板T1的脊线点,而且这些脊线点均在T1的同一脊线上,则pi为匹配点并做记录,否则pi为失配点;
按照上述方法对重叠区域所有T2上的脊线点进行考察,统计匹配点的个数,记为S2。
本发明的有益效果是:由于运用了全局脊线信息,使得采用本发明所述的方法不仅显著提高了搜索效率和抗噪声能力,而且还克服了基于细节点的算法难以正确识别相同细节点过少的两枚指纹的问题。
附图说明:
图1是本发明的原理示意图;
图2是本发明的细节点之间拓扑结构示意图;
图3是本发明的基准点对队列示意图
图4是本发明的模板姿势校准示意图;
图5是本发明的脊线点比对原理示意图;
具体实施方式:
下面结合附图和实施例对本发明作一步说明。本发明的这种基于全局脊线的指纹识别方法,如图1所示,主要包含下列步骤:
1、在存储指纹模板和待识别指纹模板中进行基准点对搜索,基准点对是参与比对的两枚指纹的定位参考点。基准点对搜索是指纹比对过程中的一个重要步骤,基准点对搜索的准确程度直接影响到整个指纹识别方法的性能高低。所述的基准点对具体搜索方法如下,
a)建立指纹模板中每一个细节点与其他细节点之间的拓扑结构。两个细节点P1和P2之间的拓扑结构需要计算如下3个特征量(参见附图2):
·细节点之间的距离d
·细节点方向与两细节点连线顺时针所成的夹角α和β
b)用T1和T2分别代表存储模板和待匹配模板,Pi为T1中的任一细节点,Qi为T2中的任一细节点。按照如下步骤搜索基准点对:
1)如果Pi和Qi类型相同(同为端点或叉点)且方向的偏差小于阈值,那么就分别以Pi和Qi为参考点,考察它们之间的相似度。Pj是T1中Pi之外的任一细节点,Qj是T2中Qi之外的任一细节点,Pj和Pi之间的拓扑结构记为A,Qj和Qi之间的拓扑结构记为B,如果A和B之间的3个特征量的偏差都小于相应的阈值,那么就认为A和B是一对相同的拓扑结构。按照这个方法计算出Pi和Qi所有相同拓扑结构的个数,该个数就是Pi和Qi之间的相似度。
2)按照1)中的方法,遍历所有的细节点对,把相似度不为0的点对保存到一个队列中。然后根据相似度的高低进行降序排列。
3)如果队列不为空,那么选取队列中前若干对基准点,进入全局匹配;如果队列为空,则进入步骤c)。
c)如果T1和T2中的细节点Pi、Qi类型相同(同为端点或又点)且方向的偏差小于阈值,那么就分别以Pi和Qi为中心,R为半径(该范围称为参考范围),考察它们之间脊线分布的相似度。
1)将Qi向Pi对准(包括位置和方向),Qi参考范围内所有的脊线点随同Qi一起变换。统计参考范围内T1和T2相同脊线点的个数,该个数就是Pi和Qi之间的相似度。
2)遍历所有的点对,把相似度不为0的点对保存到一个队列中。然后根据相似度的高低进行降序排列。
3)选取队列中前若干对基准点,进入全局匹配。
2、进行全局脊线匹配,即对存储指纹模板和待识别指纹模板的脊线点进行全局比对,脊线由脊线点构成,在此基础上判断两枚指纹是否匹配,具体实现过程分四步如下:
2.1指纹模板姿势校准:全局脊线匹配必须要把存储模板和待识别模板放到同一个系统中才能进行。本方法以进入全局匹配的基准点对为对齐点,计算平移量和旋转量,然后将待识别模板T2对齐到存储模板T1中去(参见附图4)。
2.2统计重叠区域内T2脊线点总数S1:将待识别模板T2对齐到存储模板T1之后,T2和T1形成一块重叠区域。统计T2在重叠区域的脊线点个数,记为S1。
2.3脊线点比对:
基于细节点的比对方法,通常是对模板之间的细节点进行比对,并以细节点的匹配情况来判断两枚指纹是否匹配。本方法引入全局脊线信息,对模板的所有脊线点进行考察比对,在此基础上判断指纹是否匹配;细节点在本方法中的作用只是作为基准点,用以对两幅指纹模板进行姿势校准。脊线点比对的具体方法如下,如图5所示:
e)任取待识别模板T2任意脊线上任意一点pi;
f)以pi为中心,1个脊线点(象素点)距离范围作为搜索区域,在该区域内搜索存储摸板T1的脊线点。
若该区域内有T1的脊线点,则进入步骤c),
若没有,则pi为失配点;
g)按b)的方法对pi同一脊线上前后3个脊线点进行类似的考察;
h)如果pi同一脊线上的前后3个脊线点在各自的搜索区域内都有存储模板T1的脊线点,而且这些脊线点均在T1的同一脊线上,则pi为匹配点并做记录,否则pi为失配点。
按照上述方法对重叠区域所有T2上的脊线点进行考察,统计匹配点的个数,记为S2。
2.4计算存储指纹模板和待识别指纹模板的最终匹配分数:
a)计算相对匹配率ηr=S2/S1;
b)计算绝对匹配率ηα=S2/Sc;(Sc是一个确定的常量);
c)计算最终匹配率
相对匹配率ηr反映两幅指纹模板之间的匹配程度,数值越大代表匹配程度越高。但不能仅凭相对匹配率ηr来判断指纹是否匹配,因为存在着下列情况:重叠区域很小,S1和S2值很小,ηr值很大。在此情况下,根据ηr判定两枚指纹匹配显然不妥。因此设定绝对匹配率ηα来抑制S2,其实质是反映本算法必须要基于一定数量脊线点的支持,其中Sc是一个大于1的常量。最终匹配率ηf就是两枚指纹的最终匹配分数,与判断阈值T进行比较,输出判断结果。
Claims (3)
1、一种基于全局脊线的指纹识别方法,其特征在于:主要包含下列步骤:
1.在存储指纹模板和待识别指纹模板中进行基准点对搜索,基准点对是参与比对的存储指纹和待识别指纹进行姿势校准的定位参考点;
2.进行全局脊线匹配,即对存储指纹模板和待识别指纹模板的脊线点进行全局比对,脊线由脊线点构成,在此基础上判断两枚指纹是否匹配,具体实现过程分四步如下:
2.1指纹模板姿势校准:以进入全局匹配的基准点对为对齐点,计算平移量和旋转量,然后将待识别模板T2对齐到存储模板T1中去;
2.2统计重叠区域内T2脊线点总数S1:将待识别模板T2对齐到存储模板T1之后,T2和T1形成一块重叠区域,统计T2在重叠区域的脊线点个数,记为S1;
2.3脊线点比对:对重叠区域所有T2上的脊线点进行考察,统计匹配点的个数,记为S2;
2.4计算存储指纹模板和待识别指纹模板的最终匹配分数,与判断阈值T进行比较,输出判断结果;
其中,上述的基准点对搜索方法如下:
a)建立指纹模板中每一个细节点与其他细节点之间的拓扑结构,两个细节点P1和P2之间的拓扑结构需要计算如下3个特征量:细节点之间的距离d,细节点方向与两细节点连线顺时针所成的夹角α和β;
b)用T1和T2分别代表存储模板和待匹配模板,Pi为T1中的任一细节点,Qi为T2中的任一细节点,按照如下步骤搜索基准点对:
1)如果Pi和Qi类型相同,即同为端点或叉点,且方向的偏差小于阈值,那么就分别以Pi和Qi为参考点,考察它们之间的相似度;Pj是T1中Pi之外的任一细节点,Qj是T2中Qi之外的任一细节点,Pj和Pi之间的拓扑结构记为A,Qj和Qi之间的拓扑结构记为B,如果A和B之间的3个特征量的偏差都小于相应的阈值,那么就认为A和B是一对相同的拓扑结构,按照这个方法计算出Pi和Qi所有相同拓扑结构的个数,该个数就是Pi和Qi之间的相似度;
2)按照1)中的方法,遍历所有的细节点对,把相似度不为0的点对保存到一个队列中。然后根据相似度的高低进行降序排列;
3)如果队列不为空,那么选取队列中前若干对基准点,进入全局匹配;如果队列为空,则进入步骤c);
c)如果T1和T2中的细节点Pi、Qi类型相同,即同为端点或叉点,且方向的偏差小于阈值,那么就分别以Pi和Qi为中心,R为半径,该范围称为参考范围,考察它们之间脊线分布的相似度:
1)将Qi向Pi对准,包括位置和方向,Qi参考范围内所有的脊线点随同Qi一起变换,统计参考范围内T1和T2相同脊线点的个数,该个数就是Pi和Qi之间的相似度;
2)遍历所有的点对,把相似度不为0的点对保存到一个队列中,然后根据相似度的高低进行降序排列;
3)选取队列中前若干对基准点,进入全局匹配;
上述的脊线点比对具体方法为:
a)Pi为待识别模板T2任意脊线上任意一点;
b)以pi为中心,m个象素点距离范围作为搜索区域,在该区域内搜索存储模板T1的脊线点;若该区域内有T1的脊线点,则进入步骤c),若没有,则pi为失配点;
c)按b)的方法对pi同一脊线上前后n个脊线点进行类似的考察;
d)如果pi同一脊线上的前后n个脊线点在各自的搜索区域内都有存储模板T1的脊线点,而且这些脊线点均在T1的同一脊线上,则pi为匹配点并做记录,否则pi为失配点;
按照上述方法对重叠区域所有T2上的脊线点进行考察,统计匹配点的个数,记为S2。
2、根据权利要求1所述的基于全局脊线的指纹识别方法,其特征在于:最终匹配分数的
具体计算方法为:
a)计算相对匹配率ηr=S2/S1;
b)计算绝对匹配率ηa=S2/Sc,Sc是一个确定的常量;
c)计算最终匹配率ηf=ηr×ηa=S2 2/(S1×Sc);
S1是将待识别模板T2对齐到存储模板T1之后,T2在重叠区域的脊线点个数;S2是匹配点的个数;ηf是两枚指纹的最终匹配分数。
3、根据权利要求1所述的基于全局脊线的指纹识别方法,其特征在于:在提取指纹细节点之后,引入细化了的全局指纹脊线形成指纹模板。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2004100178250A CN1275187C (zh) | 2004-04-18 | 2004-04-18 | 基于全局脊线的指纹识别方法 |
US11/108,272 US7340080B2 (en) | 2004-04-18 | 2005-04-18 | Fingerprint verification method and apparatus based on global ridgeline |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2004100178250A CN1275187C (zh) | 2004-04-18 | 2004-04-18 | 基于全局脊线的指纹识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1564186A CN1564186A (zh) | 2005-01-12 |
CN1275187C true CN1275187C (zh) | 2006-09-13 |
Family
ID=34479177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2004100178250A Expired - Fee Related CN1275187C (zh) | 2004-04-18 | 2004-04-18 | 基于全局脊线的指纹识别方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7340080B2 (zh) |
CN (1) | CN1275187C (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101276411B (zh) * | 2008-05-12 | 2010-06-02 | 北京理工大学 | 指纹识别方法 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7702673B2 (en) | 2004-10-01 | 2010-04-20 | Ricoh Co., Ltd. | System and methods for creation and use of a mixed media environment |
US8156116B2 (en) | 2006-07-31 | 2012-04-10 | Ricoh Co., Ltd | Dynamic presentation of targeted information in a mixed media reality recognition system |
US8156115B1 (en) | 2007-07-11 | 2012-04-10 | Ricoh Co. Ltd. | Document-based networking with mixed media reality |
KR100647362B1 (ko) * | 2004-12-09 | 2006-11-23 | 엘지전자 주식회사 | 지문 인식 방법 |
DE102005015180A1 (de) * | 2005-03-31 | 2006-10-05 | Giesecke & Devrient Gmbh | Verifizieren von Fingerabdrücken |
CN100385451C (zh) * | 2005-08-11 | 2008-04-30 | 中国科学院自动化研究所 | 基于局部三角结构特征集的形变指纹识别方法 |
US8489987B2 (en) | 2006-07-31 | 2013-07-16 | Ricoh Co., Ltd. | Monitoring and analyzing creation and usage of visual content using image and hotspot interaction |
US9063952B2 (en) * | 2006-07-31 | 2015-06-23 | Ricoh Co., Ltd. | Mixed media reality recognition with image tracking |
US8484214B2 (en) * | 2007-03-28 | 2013-07-09 | Cisco Technology, Inc. | Record compression using incremental reverse templating |
US8300904B2 (en) * | 2007-07-18 | 2012-10-30 | Agency For Science, Technology And Research | Method and device for determining a similarity value between minutiae templates |
CN101329723B (zh) * | 2008-08-04 | 2010-06-02 | 南京理工大学 | 指纹核心点快速鲁棒定位方法 |
CN101794386B (zh) * | 2010-03-24 | 2012-10-24 | 成都方程式电子有限公司 | 抵御指纹残留的指纹识别系统和方法 |
US9020207B2 (en) * | 2011-06-07 | 2015-04-28 | Accenture Global Services Limited | Biometric authentication technology |
US9058331B2 (en) | 2011-07-27 | 2015-06-16 | Ricoh Co., Ltd. | Generating a conversation in a social network based on visual search results |
CN102819729B (zh) * | 2012-07-17 | 2014-07-16 | 内江师范学院 | 一种指纹识别方法 |
DE102016005636A1 (de) * | 2015-06-08 | 2016-12-22 | Cross Match Technologies, Inc. | Transformierte Repräsentation für Fingerabdruckdaten mit hoher Erkennungsgenauigkeit |
US10733415B1 (en) | 2015-06-08 | 2020-08-04 | Cross Match Technologies, Inc. | Transformed representation for fingerprint data with high recognition accuracy |
CN105844129B (zh) * | 2016-03-15 | 2018-01-23 | 广东欧珀移动通信有限公司 | 一种指纹解锁的方法及终端 |
CN106022064B (zh) * | 2016-05-30 | 2017-11-14 | 广东欧珀移动通信有限公司 | 一种解锁控制方法及移动终端 |
CN107392847B (zh) * | 2017-06-07 | 2021-01-22 | 西安电子科技大学 | 一种基于细节点和距离图像的指纹图像拼接方法 |
CN107748877B (zh) * | 2017-11-10 | 2020-06-16 | 杭州晟元数据安全技术股份有限公司 | 一种基于细节点和纹理特征的指纹图像识别方法 |
CN110263754B (zh) * | 2019-06-28 | 2021-08-06 | 北京迈格威科技有限公司 | 屏下指纹去底纹方法、装置、计算机设备和存储介质 |
CN112784809B (zh) * | 2021-02-05 | 2024-10-25 | 三星(中国)半导体有限公司 | 指纹识别方法和指纹识别装置 |
CN114372991B (zh) * | 2021-06-01 | 2024-09-20 | 实源科技(广州)有限公司 | 安检过程中物品x光图片采集和匹配方法及其装置 |
CN114926865A (zh) * | 2022-05-07 | 2022-08-19 | 三星(中国)半导体有限公司 | 指纹识别方法、装置、电子设备及存储介质 |
CN116311395B (zh) * | 2022-08-18 | 2023-11-14 | 荣耀终端有限公司 | 指纹识别的方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5812252A (en) * | 1995-01-31 | 1998-09-22 | Arete Associates | Fingerprint--Acquisition apparatus for access control; personal weapon and other systems controlled thereby |
US20050152586A1 (en) * | 2004-01-13 | 2005-07-14 | Tri-D Systems, Inc. | Print analysis |
-
2004
- 2004-04-18 CN CNB2004100178250A patent/CN1275187C/zh not_active Expired - Fee Related
-
2005
- 2005-04-18 US US11/108,272 patent/US7340080B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101276411B (zh) * | 2008-05-12 | 2010-06-02 | 北京理工大学 | 指纹识别方法 |
Also Published As
Publication number | Publication date |
---|---|
US20050232473A1 (en) | 2005-10-20 |
US7340080B2 (en) | 2008-03-04 |
CN1564186A (zh) | 2005-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1275187C (zh) | 基于全局脊线的指纹识别方法 | |
CN108133212B (zh) | 一种基于深度学习的定额发票金额识别系统 | |
CN101079106A (zh) | 一种兼容不同指纹传感器图像信息的指纹识别方法 | |
CN1163841C (zh) | 在线手写中文字识别装置 | |
CN1271559C (zh) | 一种人眼虹膜识别方法 | |
CN102346847A (zh) | 一种支持向量机的车牌字符识别方法 | |
CN104765768A (zh) | 海量人脸库的快速准确检索方法 | |
CN1804905A (zh) | 电子票箱的选票识别方法 | |
CN103020626A (zh) | 在图像中检测椭圆型目标的方法及系统 | |
CN1652138A (zh) | 一种手写文字的识别方法 | |
CN102750530B (zh) | 一种字符识别方法及装置 | |
CN1423229A (zh) | 通过用户的指纹图的特征点来鉴别用户的装置和方法 | |
Feng et al. | Fingerprint indexing using ridge invariants | |
Yue et al. | Fast palmprint identification with multiple templates per subject | |
CN1388947A (zh) | 字符识别系统 | |
CN1378177A (zh) | 图形对照设备,图形对照方法以及图像对照程序 | |
CN102332088B (zh) | 一种基于游程特征的选票符号机器视觉识别方法 | |
CN1967561A (zh) | 性别识别处理器的制作方法、性别识别方法和性别识别装置 | |
CN1581206A (zh) | 指纹识别方法 | |
CN1766907A (zh) | 基于聚类遗传算法的多目标图像识别方法 | |
CN1916940A (zh) | 模板优化的字符识别方法和系统 | |
CN1581162A (zh) | 一种基于快速排序算法的快速分页排序方法 | |
CN1204526C (zh) | 用于手写汉字识别的预分类方法及系统 | |
Park | Data proxy generation for fast and efficient neural architecture search | |
CN1873660A (zh) | 一种遥感影像的人工免疫监督分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20060913 Termination date: 20140418 |