(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211250562.2 (22)申请日 2022.10.13 (71)申请人 天津新视光 技术有限公司 地址 300392 天津市滨 海新区高新区华苑 产业区海 泰发展五道八号1幢1 15室 (72)发明人 樊斐斐　黄正衍　白利敏　 (51)Int.Cl. G06V 40/12(2022.01) G06V 10/26(2022.01) G06F 21/32(2013.01) (54)发明名称 一种基于梯度向量场的指纹识别方法及应 用 (57)摘要 本发明提供了一种基于梯度向量场 的指纹 识别方法及应用， 属于指纹识别领域。 包括： 采集 注册用户指纹图像及对应的关联信息； 建立指纹 识别模型； 采集待验证指纹图像； 将待验证指纹 图像输入指纹识别模型中， 得到识别结果； 所述 建立指纹识别模 型包括： 对注册用户指纹图像分 割得到N个子块图像； 选取每个子块图像中心点 梯度向量方向 ， 得到子块图像中心点梯度向 量与其相邻子块图像中心点梯度向量之间夹角 ， 计算所有子块图像之间梯度向量夹角 得到 梯度场夹角特征 ； 提取每个子块图像灰度空间 特征， 并综合得到指纹图像的灰度空间特征F； 依 据灰度空间特征F和梯度场空间特征 构建KNN 分类器。 本发明能够提高指纹识别的准确性， 且 便于进行身份认证 。 权利要求书3页 说明书9页 附图4页 CN 115331269 A 2022.11.11 CN 115331269 A 1.一种基于梯度向量场的指纹识别方法， 其特 征在于， 包括： 采集注册用户指纹图像及对应的关联信息； 建立指纹识别模型； 采集待验证指纹图像； 将所述待验证指纹图像输入所述指纹识别模型中， 得到识别结果； 其中， 建立所述指纹识别模型， 具体包括： 对所述注 册用户指纹图像分割得到N个子块图像， 大小为M ×M； 选取每个所述子块图像中心点梯度向量方向 ， L为N个所述子块图像中的第L个所述 子块图像， 得到所述子块图像中心 点梯度向量与其相 邻所述子块图像中心 点梯度向量之间 的夹角 ， 计算所有所述子块图像之间梯度向量夹角得到梯度场夹角特 征 ； 提取每个所述子块图像灰度空间特征， 综合所有所述子块图像的灰度空间特征得到指 纹图像的灰度空间特 征F； 依据所述灰度空间特 征F和所述梯度场夹角特 征 构建KNN分类器。 2.根据权利要求1所述的指纹识别方法， 其特征在于， 所述提取每个所述子块图像灰度 空间特征， 包括： 计算每个所述子块图像 内像素点沿x轴的梯度向量以及沿y轴的梯度向量的向量模， 将 沿x轴和y轴的向量模之和作为所述子块图像内每个像素点梯度向量模， 求得所述子块图像 内像素点梯度向量模均值以及梯度向量模的标准差m， 将每个所述子块图像内像素点模值 小于2.5*m的像素分为一组定义为Ia， 大于等于2.5*m的像素分为一组定义为Ib， Ia组像素 个数为M1， Ib组像素个数为M2； 通过如下公式得到所述子块图像的灰度空间特征 ， 其中 和 为所述子块图像内像素点属于Ia组以及Ib组的概率， 和 均为像素 点灰度值。 3.根据权利要求1所述的指纹识别方法， 其特征在于， 所述子块图像中心点梯度向量方 向通过以下步骤得到： 对所述注册用户指纹图像分割完毕后， 计算所述子块图像内像素点沿x轴的梯度向量 以及沿y轴的梯度向量 ， 得到梯度对应的方向 ， ， 其中 （i， j） 为像素点 位置。 4.根据权利要求1所述的指纹识别方法， 其特征在于， 采集所述注册用户指纹图像或所 述待验证指纹图像后， 需要判断采集的指纹图像是否满足质量要求； 若指纹图像满足质量要求， 则进行下一步骤； 否则， 重新采集该指纹图像直到满足质量 要求。 5.根据权利要求4所述的指纹识别方法， 其特征在于， 所述判断采集的指纹图像是否满 足质量要求， 包括：权　利　要　求　书 1/3 页 2 CN 115331269 A 2对采集的指纹图像进行分割， 得到N个指纹子块 图像， 大小为M ×M， 计算指纹子块图像 内像素点沿x轴的梯度向量 以及沿y轴的梯度向量 ， 得到梯度对应的方向 ， ， 其中 （i， j） 为像素点 位置； 通过计算子块梯度方向一 致性参数K， 得到质量评价 参数QE； ， 其中 ， ， KL在代表第L个子 块的梯度方向一 致性参数， K1以及K2为中间参数； 在得到每 个子块的梯度方向一 致性参数K后， 质量评价 参数QE通过如下公式计算： ， 当QE大于等于预设值T1时确定指纹图像质量为 高， 当QE大于T2且小于T1 时确定指纹图像质量 为中， 当QE小于等于T2时确定指纹图像质量 为低； 当评价结果 为高时， 则确定采集的指纹图像满足质量要求； 否则不满足。 6.根据权利要求1所述的指纹识别方法， 其特征在于， 所述识别结果为指纹认证通过和 指纹认证拒绝两种结果； 当所述识别结果 为指纹认证通过时， 则显示验证用户的所述关联信息； 当所述识别结果为指纹认证拒 绝时， 则提示用户选择结束验证或采集注册用户指纹图 像或重新采集待验证指纹图像。 7.一种身份验证方法， 其特 征在于， 包括： 扫码登录验证， 以及 根据权利要求1 ‑6任一项所述的指纹识别方法进行验证； 若扫码验证结果为验证成功和/或所述指纹验证结果为验证成功， 则确定身份验证通 过， 否则身份验证不 通过。 8.根据权利要求7所述的身份验证方法， 其特征在于， 还包括： 应用于视功能设备身份 认证中， 若身份验证通过， 则显示验证用户的所述关联信息， 其中用户的所述关联信息为注 册用户的眼球参数、 视力参数以及针对注 册用户制定的训练项目。 9.一种基于梯度向量场的指纹识别装置， 其特 征在于， 包括： 注册模块， 用于采集注 册用户指纹图像及对应的关联信息； 指纹识别模型建立模块， 用于对所述注册用户指纹图像分割得到N个子块图像， 大小为 M×M； 选取每个所述子块图像中心点梯度向量方向 ， L为N个所述子块图像中的第L个所 述子块图像， 得到所述子块图像中心点梯度向量与其相邻所述子块图像中心 点梯度向量之 间的夹角 ， 计算所有所述子块图像之间梯度向量夹角得到梯度场夹角特征 ； 提取每 个所述子块图像灰度空间特征， 综合所有 所述子块图像的灰度空间特征得到指纹图像的灰权　利　要　求　书 2/3 页 3 CN 115331269 A 3