本發(fā)明涉及生物識別領(lǐng)域，特別涉及一種基于云技術(shù)的智能化指紋驗(yàn)證系統(tǒng)及方法。

背景技術(shù)：

指紋識別技術(shù)在整個(gè)生物特征識別領(lǐng)域占據(jù)著重要地位，目前傳統(tǒng)的指紋識別系統(tǒng)在指紋匹配準(zhǔn)確度上也已經(jīng)達(dá)到了比較理想的效果。然而，隨著數(shù)據(jù)信息的膨脹，在很多應(yīng)用場合下指紋數(shù)據(jù)庫的規(guī)模越來越大，當(dāng)系統(tǒng)需要處理大容量的指紋數(shù)據(jù)庫時(shí)，如果采用傳統(tǒng)的一對一的指紋識別模式，則將消耗相當(dāng)長的時(shí)間。這對于實(shí)時(shí)性要求較強(qiáng)的應(yīng)用系統(tǒng)而言，顯然是不可接受的。

此外，隨著信息技術(shù)和云技術(shù)的快速發(fā)展，以及互聯(lián)網(wǎng)+理念的提出。越來越多的傳統(tǒng)行業(yè)朝向互聯(lián)網(wǎng)領(lǐng)域發(fā)展。同樣的，指紋識別也應(yīng)當(dāng)將云技術(shù)作為下一個(gè)突破口。由于云技術(shù)處理的速度較快，基于分布式的處理方法能夠增大處理的效率。而隨著指紋管理的數(shù)據(jù)量逐步增大，傳統(tǒng)的本地存儲進(jìn)行管理的方法也已經(jīng)落后。將云技術(shù)和指紋識別進(jìn)行結(jié)合，是該領(lǐng)域發(fā)展的下一個(gè)關(guān)鍵點(diǎn)。

當(dāng)然，僅僅依靠云技術(shù)的快速處理能力始終是不行的，還需要對本身的檢索算法進(jìn)行改進(jìn)。這樣不僅僅能夠讓檢索的速度加快，增加檢索的效率，也能夠讓檢索結(jié)果更加準(zhǔn)確。

技術(shù)實(shí)現(xiàn)要素：

鑒于此，本發(fā)明提供了一種基于云技術(shù)的智能化指紋驗(yàn)證系統(tǒng)及方法，該發(fā)明具有準(zhǔn)確率高、速度快、智能化、和存儲量大等優(yōu)點(diǎn)。

本發(fā)明采用的技術(shù)方案如下：

一種智能化指紋驗(yàn)證系統(tǒng)，其特征在于，所述系統(tǒng)包括：指紋采集模塊、圖像預(yù)處理模塊、特征提取模塊、模式判斷模塊、結(jié)果顯示模塊、數(shù)據(jù)傳輸模塊、云端數(shù)據(jù)傳輸模塊、注冊模塊、指紋數(shù)據(jù)庫和檢索模塊；所述指紋采集模塊信號連接于圖像預(yù)處理模塊；所述圖像預(yù)處理模塊信號連接于特征提取模塊；所述特征提取模塊信號連接于模式判斷模塊；所述模式判斷模塊信號連接于數(shù)據(jù)傳輸模塊；所述數(shù)據(jù)傳輸模塊分別信號連接于結(jié)果顯示模塊和云端數(shù)據(jù)傳輸模塊；所述云端數(shù)據(jù)傳輸模塊分別信號連接于注冊模塊和檢索模塊；所述注冊模塊信號連接于指紋數(shù)據(jù)庫；所述檢索模塊信號連接于指紋數(shù)據(jù)庫。

所述指紋采集模塊，用于采集用戶的指紋圖像數(shù)據(jù)，將圖像數(shù)據(jù)發(fā)送至圖像預(yù)處理模塊；所述圖像預(yù)處理模塊，用于指紋圖像數(shù)據(jù)進(jìn)行預(yù)處理加工，將加工后的圖像數(shù)據(jù)發(fā)送至特征提取模塊；所述特征提取模塊，用于對加工后的圖像數(shù)據(jù)進(jìn)行特征提??；所述模式判斷模塊，用于判斷該用戶是需要新用戶注冊還是需要進(jìn)行指紋檢索；所述數(shù)據(jù)傳輸模塊，用于連通模式判斷模塊與云端數(shù)據(jù)傳輸模塊之間的信號連接，以及連通結(jié)果顯示模塊與云端數(shù)據(jù)傳輸模塊之間的信號連接；所述結(jié)果顯示模塊，用于顯示云端數(shù)據(jù)傳輸模塊發(fā)送回來的結(jié)果信息；所述注冊模塊，用于注冊錄入新的指紋信息到指紋數(shù)據(jù)庫；所述檢索模塊，用于在指紋數(shù)據(jù)庫中檢索匹配的指紋信息。

所述圖像預(yù)處理模塊對采集到的指紋圖像數(shù)據(jù)進(jìn)行預(yù)處理加工的方法包括以下步驟：

步驟1：對指紋圖像進(jìn)行圖像分割，提取出指紋圖像的前景區(qū)；

步驟2：通過計(jì)算指紋圖像的平均像素灰度對指紋圖像進(jìn)行標(biāo)準(zhǔn)化處理，使得指紋圖像的灰度和對比度調(diào)整到一個(gè)統(tǒng)一的標(biāo)準(zhǔn)范圍內(nèi)。

步驟3：對圖像進(jìn)行濾波增強(qiáng)；

步驟4：對圖像進(jìn)行二值化和細(xì)化處理。

所述指紋特征提取模塊對預(yù)處理模塊處理后的指紋圖像進(jìn)行特征提取的方法包括以下步驟：

步驟1：采用Poincare Index算法計(jì)算指紋核心點(diǎn)的特征信息，記為：P(x,y,z)。

步驟2：在提取指紋細(xì)節(jié)點(diǎn)時(shí)，首先為細(xì)化圖像中的每個(gè)像素點(diǎn)M建立一個(gè)8鄰域像素區(qū)；其中M₁-M₈為像素點(diǎn)M周圍的鄰近環(huán)繞像素點(diǎn)；M₁-M₈中黑色點(diǎn)的值設(shè)為1，白色點(diǎn)的值設(shè)為0。

步驟3：按照如下公式計(jì)算每個(gè)像素點(diǎn)的G值：

$G=0.5{\mathrm{\Σ}}_{i=1}^8|M_i-M_{i+1}|,M_9=M_1;$

步驟4：當(dāng)G值為1時(shí)，可判定所檢測的M點(diǎn)為脊線端點(diǎn)，當(dāng)G值為3時(shí)，則可判定M點(diǎn)為脊線分叉點(diǎn)；檢測到細(xì)節(jié)點(diǎn)之后返回該點(diǎn)的坐標(biāo)(x，y)，并根據(jù)G的值返回細(xì)節(jié)點(diǎn)的類型T，然后再讀取該點(diǎn)的方向角θ；由此得出一個(gè)指紋細(xì)節(jié)點(diǎn)的具體特征最后用M(x，y，θ，T)算子來表征。

一種基于權(quán)利要求1至4之一所述的智能化指紋驗(yàn)證系統(tǒng)的方法，其特征在于，所述方法包括以下步驟：

步驟1：系統(tǒng)初始化后，系統(tǒng)啟動；

步驟2：指紋采集模塊開始工作，對指紋進(jìn)行采集，將采集到的指紋圖像數(shù)據(jù)發(fā)送至指紋圖像預(yù)處理模塊；

步驟3：指紋圖像預(yù)處理模塊對采集到的指紋圖像進(jìn)行預(yù)處理；

步驟4：指紋特征提取模塊開始對指紋預(yù)處理后的指紋圖像進(jìn)行特征提??；將提取后的特征值發(fā)送至模式判斷模塊；

步驟5：模式判斷模塊判斷應(yīng)當(dāng)進(jìn)行新用戶進(jìn)行注冊還是需要進(jìn)行指紋檢索；如果需要進(jìn)行新用戶注冊，則執(zhí)行步驟6，如果需要進(jìn)行指紋檢索，則執(zhí)行步驟7；

步驟6：注冊模塊根據(jù)特征值建立索引因子，并將該索引因子對應(yīng)的指紋特征值存儲入指紋數(shù)據(jù)庫；

步驟7：檢索模塊根據(jù)該特征值建立索引因子，并在指紋數(shù)據(jù)庫中進(jìn)行檢索，生成匹配列表，然后根據(jù)匹配列表對指紋特征進(jìn)行匹配；將匹配結(jié)果發(fā)送至顯示模塊。

所述索引因子為：其中代表將指紋圖像劃分為m×n塊以后，由指紋圖像每一子塊局部脊線方向場組成的角度矩陣；F_m*n代表指紋的局部脊線頻率矩陣；D代表以指紋核心點(diǎn)P(x，y，z)為中心，固定半徑R內(nèi)所有細(xì)節(jié)點(diǎn)到核心點(diǎn)距離的平均值；Δ則代表離核心點(diǎn)最近的三個(gè)細(xì)節(jié)點(diǎn)，記作Δ＝{ω1,ω2,ω3}(ωi＝θi-θc，且-π＜ωi＜π)。

所述檢索模塊進(jìn)行指紋檢索的方法包括以下步驟：

步驟1：假設(shè)待查詢的指紋索引因子為然后計(jì)算各項(xiàng)的相似度分?jǐn)?shù)：

$K1=({\∂}_{m*n},{\∂}_{m*n}1)=\sqrt{{\left({\mathrm{\Σ}}_{j=1}^{m*n}cos\right(2d_j\left)\right)}^2+{\left({\mathrm{\Σ}}_{j=1}^{m*n}sin\right(d_j\left)\right)}^2};$

其中：

d_j＝

θ[j]-

θ1[j],(j＝1,2,…,m*n；θ[j])為指紋圖像第j塊的局部脊線方向角；

$K2=(F_{m*n},F_{m*n}1)=1-\frac{{\mathrm{\Σ}}_{j=1}^{m*n}|\frac{1}{f\left|j\right|}-\frac{1}{f1\left|j\right|}|}{{\mathrm{\Σ}}_{j=1}^{m*n}|\frac{1}{f\left|j\right|}+\frac{1}{f1\left|j\right|}|};$

$K3=(D,D1)=1-\frac{D-D1}{max(D,D1)};$

$K4=(\mathrm{\Δ},\mathrm{\Δ}1)=1-\frac{{\mathrm{\Σ}}_{i=1}^3|\mathrm{\ω}i-\mathrm{\ω}1i|}{{\mathrm{\Σ}}_{i=1}^3\mathrm{\ω}i+\mathrm{\ω}1i};$

步驟2：根據(jù)上述的四個(gè)相似度值，計(jì)算S和S1之間的先高速度值，得出相似分?jǐn)?shù)P：

P＝(S，S1)＝μ₁K1+μ₂K1+μ₃K3+μ₄K4；

步驟3：檢索模塊按照索引因子比對法則將待查詢指紋與數(shù)據(jù)庫中的所有指紋進(jìn)行檢索對比，在遍歷完整個(gè)指紋數(shù)據(jù)庫以后，得到了一系列的相似度分?jǐn)?shù)。最后根據(jù)設(shè)定的閾值分?jǐn)?shù)，選出分?jǐn)?shù)最高的一部分指紋，從而降低指紋對比識別的范圍。

采用以上技術(shù)方案，本發(fā)明產(chǎn)生了以下有益效果：

1、準(zhǔn)確率高：本發(fā)明提供的指紋驗(yàn)證系統(tǒng)，是基于特征值的驗(yàn)證和匹配。既保證了系統(tǒng)響應(yīng)的效率，又保證了匹配結(jié)果的準(zhǔn)確性。

2、速度快：現(xiàn)有的指紋驗(yàn)證系統(tǒng)，隨著數(shù)據(jù)信息的膨脹，在很多應(yīng)用場合下指紋數(shù)據(jù)庫的規(guī)模越來越大，當(dāng)系統(tǒng)需要處理大容量的指紋數(shù)據(jù)庫時(shí)，如果采用傳統(tǒng)的一對一的指紋識別模式，則將消耗相當(dāng)長的時(shí)間。而本發(fā)明的指紋驗(yàn)證和匹配系統(tǒng)，基于特征值計(jì)算相似值，然后進(jìn)行檢索，大大提高了相同容量數(shù)據(jù)庫下指紋識別的效率，使得整個(gè)系統(tǒng)的相應(yīng)速度更快。

3、智能化：本發(fā)明的驗(yàn)證系統(tǒng)，整個(gè)驗(yàn)證過程可以智能識別用戶是需要進(jìn)行注冊還是需要進(jìn)行檢索。整個(gè)過程由系統(tǒng)自動進(jìn)行處理，生成結(jié)果。且處理過程采用改進(jìn)后的智能檢索算法，大大提升了檢索的準(zhǔn)確性。

4、存儲量大：本發(fā)明的指紋驗(yàn)證系統(tǒng)，將指紋數(shù)據(jù)存儲轉(zhuǎn)接到云，大大提升了指紋存儲的數(shù)據(jù)量。隨著信息時(shí)代，數(shù)據(jù)量的大大提升，傳統(tǒng)的本地?cái)?shù)據(jù)庫已經(jīng)很難滿足巨大數(shù)據(jù)量的存儲。而基于分布式存儲的云技術(shù)則可以很巧妙的解決這種問題。

附圖說明

圖1是本發(fā)明的一種基于云技術(shù)的智能化指紋驗(yàn)證系統(tǒng)及方法的系統(tǒng)結(jié)構(gòu)示意圖。

具體實(shí)施方式

本說明書中公開的所有特征，或公開的所有方法或過程中的步驟，除了互相排斥的特征和/或步驟以外，均可以以任何方式組合。

本說明書(包括任何附加權(quán)利要求、摘要)中公開的任一特征，除非特別敘述，均可被其他等效或具有類似目的的替代特征加以替換。即，除非特別敘述，每個(gè)特征只是一系列等效或類似特征中的一個(gè)例子而已。

本發(fā)明實(shí)施例1中提供了一種基于云技術(shù)的智能化指紋驗(yàn)證系統(tǒng)，系統(tǒng)結(jié)構(gòu)如圖1所示：

一種智能化指紋驗(yàn)證系統(tǒng)，其特征在于，所述系統(tǒng)包括：指紋采集模塊、圖像預(yù)處理模塊、特征提取模塊、模式判斷模塊、結(jié)果顯示模塊、數(shù)據(jù)傳輸模塊、云端數(shù)據(jù)傳輸模塊、注冊模塊、指紋數(shù)據(jù)庫和檢索模塊；所述指紋采集模塊信號連接于圖像預(yù)處理模塊；所述圖像預(yù)處理模塊信號連接于特征提取模塊；所述特征提取模塊信號連接于模式判斷模塊；所述模式判斷模塊信號連接于數(shù)據(jù)傳輸模塊；所述數(shù)據(jù)傳輸模塊分別信號連接于結(jié)果顯示模塊和云端數(shù)據(jù)傳輸模塊；所述云端數(shù)據(jù)傳輸模塊分別信號連接于注冊模塊和檢索模塊；所述注冊模塊信號連接于指紋數(shù)據(jù)庫；所述檢索模塊信號連接于指紋數(shù)據(jù)庫。

所述指紋采集模塊，用于采集用戶的指紋圖像數(shù)據(jù)，將圖像數(shù)據(jù)發(fā)送至圖像預(yù)處理模塊；所述圖像預(yù)處理模塊，用于指紋圖像數(shù)據(jù)進(jìn)行預(yù)處理加工，將加工后的圖像數(shù)據(jù)發(fā)送至特征提取模塊；所述特征提取模塊，用于對加工后的圖像數(shù)據(jù)進(jìn)行特征提??；所述模式判斷模塊，用于判斷該用戶是需要新用戶注冊還是需要進(jìn)行指紋檢索；所述數(shù)據(jù)傳輸模塊，用于連通模式判斷模塊與云端數(shù)據(jù)傳輸模塊之間的信號連接，以及連通結(jié)果顯示模塊與云端數(shù)據(jù)傳輸模塊之間的信號連接；所述結(jié)果顯示模塊，用于顯示云端數(shù)據(jù)傳輸模塊發(fā)送回來的結(jié)果信息；所述注冊模塊，用于注冊錄入新的指紋信息到指紋數(shù)據(jù)庫；所述檢索模塊，用于在指紋數(shù)據(jù)庫中檢索匹配的指紋信息。

所述圖像預(yù)處理模塊對采集到的指紋圖像數(shù)據(jù)進(jìn)行預(yù)處理加工的方法包括以下步驟：

步驟1：對指紋圖像進(jìn)行圖像分割，提取出指紋圖像的前景區(qū)；

步驟2：通過計(jì)算指紋圖像的平均像素灰度對指紋圖像進(jìn)行標(biāo)準(zhǔn)化處理，使得指紋圖像的灰度和對比度調(diào)整到一個(gè)統(tǒng)一的標(biāo)準(zhǔn)范圍內(nèi)。

步驟3：對圖像進(jìn)行濾波增強(qiáng)；

步驟4：對圖像進(jìn)行二值化和細(xì)化處理。

所述指紋特征提取模塊對預(yù)處理模塊處理后的指紋圖像進(jìn)行特征提取的方法包括以下步驟：

步驟1：采用Poincare Index算法計(jì)算指紋核心點(diǎn)的特征信息，記為：P(x,y,z)。

步驟2：在提取指紋細(xì)節(jié)點(diǎn)時(shí)，首先為細(xì)化圖像中的每個(gè)像素點(diǎn)M建立一個(gè)8鄰域像素區(qū)；其中M₁-M₈為像素點(diǎn)M周圍的鄰近環(huán)繞像素點(diǎn)；M₁-M₈中黑色點(diǎn)的值設(shè)為1，白色點(diǎn)的值設(shè)為0。

步驟3：按照如下公式計(jì)算每個(gè)像素點(diǎn)的G值：

$G=0.5{\mathrm{\Σ}}_{i=1}^8|M_i-M_{i+1}|,M_9=M_1;$

步驟4：當(dāng)G值為1時(shí)，可判定所檢測的M點(diǎn)為脊線端點(diǎn)，當(dāng)G值為3時(shí)，則可判定M點(diǎn)為脊線分叉點(diǎn)；檢測到細(xì)節(jié)點(diǎn)之后返回該點(diǎn)的坐標(biāo)(x，y)，并根據(jù)G的值返回細(xì)節(jié)點(diǎn)的類型T，然后再讀取該點(diǎn)的方向角θ；由此得出一個(gè)指紋細(xì)節(jié)點(diǎn)的具體特征最后用M(x，y，θ，T)算子來表征。

本發(fā)明實(shí)施例2中提供了一種基于云技術(shù)的智能化指紋驗(yàn)證方法：

一種基于權(quán)利要求1至4之一所述的智能化指紋驗(yàn)證系統(tǒng)的方法，其特征在于，所述方法包括以下步驟：

步驟1：系統(tǒng)初始化后，系統(tǒng)啟動；

步驟2：指紋采集模塊開始工作，對指紋進(jìn)行采集，將采集到的指紋圖像數(shù)據(jù)發(fā)送至指紋圖像預(yù)處理模塊；

步驟3：指紋圖像預(yù)處理模塊對采集到的指紋圖像進(jìn)行預(yù)處理；

步驟4：指紋特征提取模塊開始對指紋預(yù)處理后的指紋圖像進(jìn)行特征提?。粚⑻崛『蟮奶卣髦蛋l(fā)送至模式判斷模塊；

步驟5：模式判斷模塊判斷應(yīng)當(dāng)進(jìn)行新用戶進(jìn)行注冊還是需要進(jìn)行指紋檢索；如果需要進(jìn)行新用戶注冊，則執(zhí)行步驟6，如果需要進(jìn)行指紋檢索，則執(zhí)行步驟7；

步驟6：注冊模塊根據(jù)特征值建立索引因子，并將該索引因子對應(yīng)的指紋特征值存儲入指紋數(shù)據(jù)庫；

步驟7：檢索模塊根據(jù)該特征值建立索引因子，并在指紋數(shù)據(jù)庫中進(jìn)行檢索，生成匹配列表，然后根據(jù)匹配列表對指紋特征進(jìn)行匹配；將匹配結(jié)果發(fā)送至顯示模塊。

所述索引因子為：其中代表將指紋圖像劃分為m×n塊以后，由指紋圖像每一子塊局部脊線方向場組成的角度矩陣；F_m*n代表指紋的局部脊線頻率矩陣；D代表以指紋核心點(diǎn)P(x,y,z)為中心，固定半徑R內(nèi)所有細(xì)節(jié)點(diǎn)到核心點(diǎn)距離的平均值；Δ則代表離核心點(diǎn)最近的三個(gè)細(xì)節(jié)點(diǎn)，記作Δ＝{ω1,ω2,ω3}(ωi＝θi-θc，且-π＜ωi＜π)。

所述檢索模塊進(jìn)行指紋檢索的方法包括以下步驟：

步驟1：假設(shè)待查詢的指紋索引因子為然后計(jì)算各項(xiàng)的相似度分?jǐn)?shù)：

$K1=({\∂}_{m*n},{\∂}_{m*n}1)=\sqrt{{\left({\mathrm{\Σ}}_{j=1}^{m*n}cos\right(2d_j\left)\right)}^2+{\left({\mathrm{\Σ}}_{j=1}^{m*n}sin\right(d_j\left)\right)}^2};$

其中：

d_j＝

θ[j]-

θ1[j],(j＝1，2,…,m*n；θ[j])為指紋圖像第j塊的局部脊線方向角；

$K2=(F_{m*n},F_{m*n}1)=1-\frac{{\mathrm{\Σ}}_{j=1}^{m*n}|\frac{1}{f\left|j\right|}-\frac{1}{f1\left|j\right|}|}{{\mathrm{\Σ}}_{j=1}^{m*n}|\frac{1}{f\left|j\right|}+\frac{1}{f1\left|j\right|}|};$

$K3=(D,D1)=1-\frac{D-D1}{max(D,D1)};$

$K4=(\mathrm{\Δ},\mathrm{\Δ}1)=1-\frac{{\mathrm{\Σ}}_{i=1}^3|\mathrm{\ω}i-\mathrm{\ω}1i|}{{\mathrm{\Σ}}_{i=1}^3\mathrm{\ω}i+\mathrm{\ω}1i};$

步驟2：根據(jù)上述的四個(gè)相似度值，計(jì)算S和S1之間的先高速度值，得出相似分?jǐn)?shù)P：

P＝(S，S1)＝μ₁K1+μ₂K1+μ₃K3+μ₄K4；

步驟3：檢索模塊按照索引因子比對法則將待查詢指紋與數(shù)據(jù)庫中的所有指紋進(jìn)行檢索對比，在遍歷完整個(gè)指紋數(shù)據(jù)庫以后，得到了一系列的相似度分?jǐn)?shù)。最后根據(jù)設(shè)定的閾值分?jǐn)?shù)，選出分?jǐn)?shù)最高的一部分指紋，從而降低指紋對比識別的范圍。

本發(fā)明實(shí)施例3中提供了一種基于云技術(shù)的智能化指紋驗(yàn)證系統(tǒng)及方法，系統(tǒng)結(jié)構(gòu)如圖1所示：

一種智能化指紋驗(yàn)證系統(tǒng)，其特征在于，所述系統(tǒng)包括：指紋采集模塊、圖像預(yù)處理模塊、特征提取模塊、模式判斷模塊、結(jié)果顯示模塊、數(shù)據(jù)傳輸模塊、云端數(shù)據(jù)傳輸模塊、注冊模塊、指紋數(shù)據(jù)庫和檢索模塊；所述指紋采集模塊信號連接于圖像預(yù)處理模塊；所述圖像預(yù)處理模塊信號連接于特征提取模塊；所述特征提取模塊信號連接于模式判斷模塊；所述模式判斷模塊信號連接于數(shù)據(jù)傳輸模塊；所述數(shù)據(jù)傳輸模塊分別信號連接于結(jié)果顯示模塊和云端數(shù)據(jù)傳輸模塊；所述云端數(shù)據(jù)傳輸模塊分別信號連接于注冊模塊和檢索模塊；所述注冊模塊信號連接于指紋數(shù)據(jù)庫；所述檢索模塊信號連接于指紋數(shù)據(jù)庫。

所述指紋采集模塊，用于采集用戶的指紋圖像數(shù)據(jù)，將圖像數(shù)據(jù)發(fā)送至圖像預(yù)處理模塊；所述圖像預(yù)處理模塊，用于指紋圖像數(shù)據(jù)進(jìn)行預(yù)處理加工，將加工后的圖像數(shù)據(jù)發(fā)送至特征提取模塊；所述特征提取模塊，用于對加工后的圖像數(shù)據(jù)進(jìn)行特征提?。凰瞿Ｊ脚袛嗄K，用于判斷該用戶是需要新用戶注冊還是需要進(jìn)行指紋檢索；所述數(shù)據(jù)傳輸模塊，用于連通模式判斷模塊與云端數(shù)據(jù)傳輸模塊之間的信號連接，以及連通結(jié)果顯示模塊與云端數(shù)據(jù)傳輸模塊之間的信號連接；所述結(jié)果顯示模塊，用于顯示云端數(shù)據(jù)傳輸模塊發(fā)送回來的結(jié)果信息；所述注冊模塊，用于注冊錄入新的指紋信息到指紋數(shù)據(jù)庫；所述檢索模塊，用于在指紋數(shù)據(jù)庫中檢索匹配的指紋信息。

所述圖像預(yù)處理模塊對采集到的指紋圖像數(shù)據(jù)進(jìn)行預(yù)處理加工的方法包括以下步驟：

步驟1：對指紋圖像進(jìn)行圖像分割，提取出指紋圖像的前景區(qū)；

步驟2：通過計(jì)算指紋圖像的平均像素灰度對指紋圖像進(jìn)行標(biāo)準(zhǔn)化處理，使得指紋圖像的灰度和對比度調(diào)整到一個(gè)統(tǒng)一的標(biāo)準(zhǔn)范圍內(nèi)。

步驟3：對圖像進(jìn)行濾波增強(qiáng)；

步驟4：對圖像進(jìn)行二值化和細(xì)化處理。

所述指紋特征提取模塊對預(yù)處理模塊處理后的指紋圖像進(jìn)行特征提取的方法包括以下步驟：

步驟1：采用Poincare Index算法計(jì)算指紋核心點(diǎn)的特征信息，記為：P(x,y,z)。

步驟2：在提取指紋細(xì)節(jié)點(diǎn)時(shí)，首先為細(xì)化圖像中的每個(gè)像素點(diǎn)M建立一個(gè)8鄰域像素區(qū)；其中M₁-M₈為像素點(diǎn)M周圍的鄰近環(huán)繞像素點(diǎn)；M₁-M₈中黑色點(diǎn)的值設(shè)為1，白色點(diǎn)的值設(shè)為0。

步驟3：按照如下公式計(jì)算每個(gè)像素點(diǎn)的G值：

$G=0.5{\mathrm{\Σ}}_{i=1}^8|M_i-M_{i+1}|,M_9=M_1;$

步驟4：當(dāng)G值為1時(shí)，可判定所檢測的M點(diǎn)為脊線端點(diǎn)，當(dāng)G值為3時(shí)，則可判定M點(diǎn)為脊線分叉點(diǎn)；檢測到細(xì)節(jié)點(diǎn)之后返回該點(diǎn)的坐標(biāo)(x，y)，并根據(jù)G的值返回細(xì)節(jié)點(diǎn)的類型T，然后再讀取該點(diǎn)的方向角θ；由此得出一個(gè)指紋細(xì)節(jié)點(diǎn)的具體特征最后用M(x，y，θ，T)算子來表征。

一種基于權(quán)利要求1至4之一所述的智能化指紋驗(yàn)證系統(tǒng)的方法，其特征在于，所述方法包括以下步驟：

步驟1：系統(tǒng)初始化后，系統(tǒng)啟動；

步驟2：指紋采集模塊開始工作，對指紋進(jìn)行采集，將采集到的指紋圖像數(shù)據(jù)發(fā)送至指紋圖像預(yù)處理模塊；

步驟3：指紋圖像預(yù)處理模塊對采集到的指紋圖像進(jìn)行預(yù)處理；

步驟4：指紋特征提取模塊開始對指紋預(yù)處理后的指紋圖像進(jìn)行特征提??；將提取后的特征值發(fā)送至模式判斷模塊；

步驟5：模式判斷模塊判斷應(yīng)當(dāng)進(jìn)行新用戶進(jìn)行注冊還是需要進(jìn)行指紋檢索；如果需要進(jìn)行新用戶注冊，則執(zhí)行步驟6，如果需要進(jìn)行指紋檢索，則執(zhí)行步驟7；

步驟6：注冊模塊根據(jù)特征值建立索引因子，并將該索引因子對應(yīng)的指紋特征值存儲入指紋數(shù)據(jù)庫；

步驟7：檢索模塊根據(jù)該特征值建立索引因子，并在指紋數(shù)據(jù)庫中進(jìn)行檢索，生成匹配列表，然后根據(jù)匹配列表對指紋特征進(jìn)行匹配；將匹配結(jié)果發(fā)送至顯示模塊。

所述索引因子為：其中代表將指紋圖像劃分為m×n塊以后，由指紋圖像每一子塊局部脊線方向場組成的角度矩陣；F_m*n代表指紋的局部脊線頻率矩陣；D代表以指紋核心點(diǎn)P(x,y,z)為中心，固定半徑R內(nèi)所有細(xì)節(jié)點(diǎn)到核心點(diǎn)距離的平均值；Δ則代表離核心點(diǎn)最近的三個(gè)細(xì)節(jié)點(diǎn)，記作Δ＝{ω1,ω2,ω3}(ωi＝θi-θc，且-π＜ωi＜π)。

所述檢索模塊進(jìn)行指紋檢索的方法包括以下步驟：

步驟1：假設(shè)待查詢的指紋索引因子為然后計(jì)算各項(xiàng)的相似度分?jǐn)?shù)：

$K1=({\∂}_{m*n},{\∂}_{m*n}1)=\sqrt{{\left({\mathrm{\Σ}}_{j=1}^{m*n}cos\right(2d_j\left)\right)}^2+{\left({\mathrm{\Σ}}_{j=1}^{m*n}sin\right(d_j\left)\right)}^2};$

其中：

d_j＝

θ[j]-

θ1[j],(j＝1,2,…,m*n；θ[j])為指紋圖像第j塊的局部脊線方向角；

$K2=(F_{m*n},F_{m*n}1)=1-\frac{{\mathrm{\Σ}}_{j=1}^{m*n}|\frac{1}{f\left|j\right|}-\frac{1}{f1\left|j\right|}|}{{\mathrm{\Σ}}_{j=1}^{m*n}|\frac{1}{f\left|j\right|}+\frac{1}{f1\left|j\right|}|};$

$K3=(D,D1)=1-\frac{D-D1}{max(D,D1)};$

$K4=(\mathrm{\Δ},\mathrm{\Δ}1)=1-\frac{{\mathrm{\Σ}}_{i=1}^3|\mathrm{\ω}i-\mathrm{\ω}1i|}{{\mathrm{\Σ}}_{i=1}^3\mathrm{\ω}i+\mathrm{\ω}1i};$

步驟2：根據(jù)上述的四個(gè)相似度值，計(jì)算S和S1之間的先高速度值，得出相似分?jǐn)?shù)P：

P＝(S，S1)＝μ₁K1+μ₂K1+μ₃K3+μ₄K4；

步驟3：檢索模塊按照索引因子比對法則將待查詢指紋與數(shù)據(jù)庫中的所有指紋進(jìn)行檢索對比，在遍歷完整個(gè)指紋數(shù)據(jù)庫以后，得到了一系列的相似度分?jǐn)?shù)。最后根據(jù)設(shè)定的閾值分?jǐn)?shù)，選出分?jǐn)?shù)最高的一部分指紋，從而降低指紋對比識別的范圍。

采用以上技術(shù)方案，本發(fā)明產(chǎn)生了以下有益效果：

本發(fā)明提供的指紋驗(yàn)證系統(tǒng)，是基于特征值的驗(yàn)證和匹配。既保證了系統(tǒng)響應(yīng)的效率，又保證了匹配結(jié)果的準(zhǔn)確性。

現(xiàn)有的指紋驗(yàn)證系統(tǒng)，隨著數(shù)據(jù)信息的膨脹，在很多應(yīng)用場合下指紋數(shù)據(jù)庫的規(guī)模越來越大，當(dāng)系統(tǒng)需要處理大容量的指紋數(shù)據(jù)庫時(shí)，如果采用傳統(tǒng)的一對一的指紋識別模式，則將消耗相當(dāng)長的時(shí)間。而本發(fā)明的指紋驗(yàn)證和匹配系統(tǒng)，基于特征值計(jì)算相似值，然后進(jìn)行檢索，大大提高了相同容量數(shù)據(jù)庫下指紋識別的效率，使得整個(gè)系統(tǒng)的相應(yīng)速度更快。

本發(fā)明的驗(yàn)證系統(tǒng)，整個(gè)驗(yàn)證過程可以智能識別用戶是需要進(jìn)行注冊還是需要進(jìn)行檢索。整個(gè)過程由系統(tǒng)自動進(jìn)行處理，生成結(jié)果。且處理過程采用改進(jìn)后的智能檢索算法，大大提升了檢索的準(zhǔn)確性。

本發(fā)明的指紋驗(yàn)證系統(tǒng)，將指紋數(shù)據(jù)存儲轉(zhuǎn)接到云，大大提升了指紋存儲的數(shù)據(jù)量。隨著信息時(shí)代，數(shù)據(jù)量的大大提升，傳統(tǒng)的本地?cái)?shù)據(jù)庫已經(jīng)很難滿足巨大數(shù)據(jù)量的存儲。而基于分布式存儲的云技術(shù)則可以很巧妙的解決這種問題。

本發(fā)明并不局限于前述的具體實(shí)施方式。本發(fā)明擴(kuò)展到任何在本說明書中披露的新特征或任何新的組合，以及披露的任一新的方法或過程的步驟或任何新的組合。