存在以下一般假設(shè)：每個(gè)個(gè)體都具有獨(dú)一無(wú)二的指紋，根據(jù)該獨(dú)一無(wú)二的指紋可以唯一地識(shí)別他們。個(gè)體的手指的皮膚形成脊紋和凹谷的圖案，當(dāng)觸摸時(shí)其在表面上留下印跡。印跡可以通過(guò)指紋傳感器(如電容傳感器)來(lái)感測(cè)，指紋傳感器可以響應(yīng)于該指紋傳感器被觸摸而生成脊紋和凹谷的圖案的圖像，從而以計(jì)算機(jī)可讀格式電子地表示指紋。

根據(jù)指紋對(duì)個(gè)體的認(rèn)證是以下處理：比較由指紋傳感器獲取的指紋(皮膚印痕)的至少兩個(gè)實(shí)例，以確定這些印痕是否可能來(lái)自同一個(gè)體。通常，在所謂的登記處理期間從同一個(gè)體的同一手指獲取指紋或指紋圖像的集合。該指紋圖像的集合也被稱為登記指紋圖像。指紋圖像可以存儲(chǔ)為圖像或通常存儲(chǔ)為模板。模板是具有從存儲(chǔ)在存儲(chǔ)介質(zhì)(如硬盤或固態(tài)驅(qū)動(dòng)器)上的一個(gè)或更多個(gè)圖像提取的特征的容器。

隨后，當(dāng)個(gè)體隨后想要被認(rèn)證時(shí)，獲取指紋圖像并且通過(guò)高級(jí)圖像處理將指紋圖像(在下文中又被稱為當(dāng)前圖像或驗(yàn)證圖像)與登記圖像中的一個(gè)或更多個(gè)進(jìn)行比較。

由于皮膚的彈性，沒(méi)有兩個(gè)指紋在每個(gè)細(xì)節(jié)上都完全相同；即使從同一手指緊接著彼此記錄的兩個(gè)印痕也會(huì)略有不同。

認(rèn)證可以包括多個(gè)步驟，以及其判定指紋是否來(lái)自同一個(gè)體的處理被稱為驗(yàn)證。認(rèn)證的另一個(gè)步驟是：判定通過(guò)指紋傳感器獲取的指紋圖像來(lái)自活體個(gè)體的活體手指，還是替選地來(lái)自試圖獲得未經(jīng)授權(quán)的訪問(wèn)的仿造或欺騙的手指或其一部分。該步驟有時(shí)被稱為活性或活性檢測(cè)——找到用于判定指紋是活體還是欺騙的好方法的問(wèn)題又被稱為活性問(wèn)題。

術(shù)語(yǔ)仿造的、欺騙的和偽造的在下文中可以互換使用。在任何情況下，仿造或欺騙的手指是指在指紋傳感器上留下印記的一些手段，所述印記可以表現(xiàn)為指紋，但是所述印記不是來(lái)自觸摸傳感器的活體手指的印記。

在下文中，術(shù)語(yǔ)指紋應(yīng)當(dāng)被解釋為包括來(lái)自形成脊紋和凹谷的皮膚的印跡，例如來(lái)自人手或其一部分(例如，手掌)或者來(lái)自人腳的腳趾或腳底。

相關(guān)的現(xiàn)有技術(shù)

常規(guī)地，在驗(yàn)證處理之前執(zhí)行活性確定。因此，僅驗(yàn)證被認(rèn)為是“活體的”的指紋。在一些情況下，指紋被錯(cuò)誤地認(rèn)為是“欺騙的”，并且因此不被進(jìn)一步處理。因此，非魯棒性的活性確定處理將顯著降低基于指紋的認(rèn)證處理的總體質(zhì)量。

在結(jié)構(gòu)上，用于確定活性的部件明確地與驗(yàn)證部件分離。也就是說(shuō)，兩個(gè)部件使他們的結(jié)果基于用于處理由指紋傳感器獲取的指紋圖像的分開(kāi)的處理路徑。

在Marasco等的文章“Combining Match Scores with Liveness Values in a Fingerprint Verification System”中，研究了以下：除了提高對(duì)欺騙攻擊的魯棒性之外，將活性值與匹配分?jǐn)?shù)組合是否可以提高驗(yàn)證性能。

US 2007/0014443(楚亞技術(shù)股份有限公司(Atrua Technologies,Inc))公開(kāi)了用于降低真實(shí)手指被錯(cuò)誤地標(biāo)記為欺騙的可能性的方法。這通過(guò)比較在驗(yàn)證期間捕獲的數(shù)據(jù)以調(diào)整欺騙的概率來(lái)實(shí)現(xiàn)。在實(shí)施方式中，在指紋驗(yàn)證之后執(zhí)行欺騙檢測(cè)。這樣的實(shí)施方式被認(rèn)為在識(shí)別期間最有用，以避免耗時(shí)的數(shù)據(jù)庫(kù)搜索。

EP2101282B1(富士通有限公司)公開(kāi)了一種方法，其中，基于偽造相似度、偽造難度以及偽造確定閾值來(lái)設(shè)置匹配確定閾值。通過(guò)處理，可以在不增加利用偽造物的認(rèn)證的風(fēng)險(xiǎn)的情況下降低生物對(duì)象被錯(cuò)誤地確定為欺騙的可能性。匹配確定閾值是用于確定輸入的匹配數(shù)據(jù)與登記的匹配數(shù)據(jù)之間的匹配分?jǐn)?shù)是否指示一致性的閾值。

技術(shù)實(shí)現(xiàn)要素：

在執(zhí)行驗(yàn)證處理時(shí)，生成通常被丟棄的數(shù)據(jù)。然而，根據(jù)本發(fā)明，建議“充分利用”這些數(shù)據(jù)并且還在活性確定中使用這些數(shù)據(jù)。因此，建議在驗(yàn)證處理和活性確定之間引入直接連接。在一些實(shí)施方式中，在活性確定之前執(zhí)行驗(yàn)證處理。

建議在執(zhí)行活性確定之前執(zhí)行指紋驗(yàn)證。另外，還將來(lái)自驗(yàn)證處理的數(shù)據(jù)用作活性確定的輸入。

提供了一種處理指紋圖像的計(jì)算機(jī)實(shí)現(xiàn)的方法，該方法包括：

-從指紋傳感器獲取當(dāng)前指紋圖像，并且計(jì)算當(dāng)前指紋圖像的多個(gè)第一特征向量；

-從存儲(chǔ)器檢索登記指紋圖像的多個(gè)第二特征向量；

-應(yīng)用相似度度量來(lái)計(jì)算表示一組第一特征向量與第二特征向量之間的相似程度的多個(gè)相似度值；

-對(duì)所述多個(gè)相似度值中的至少一部分執(zhí)行第一分類以生成第一信號(hào)，該第一信號(hào)指示當(dāng)前指紋圖像是否落在根據(jù)登記圖像限定的類中；

-對(duì)所述多個(gè)相似度值中的至少一部分執(zhí)行第二分類以生成第二信號(hào)，該第二信號(hào)指示當(dāng)前指紋圖像是落在來(lái)自活體手指的指紋的類中還是落在來(lái)自仿造的手指的指紋的類中；

-根據(jù)第一信號(hào)和第二信號(hào)生成認(rèn)證信號(hào)。

該方法提出了活性問(wèn)題的替選解決方案，其中，確定當(dāng)前圖像和登記圖像的匹配特征(與來(lái)自僅當(dāng)前圖像的特征相對(duì))是表示活體手指之間的比較還是表示活體手指與偽造的手指之間的比較。也就是說(shuō)，假定登記手指是活體手指；然而，可以應(yīng)用常規(guī)方法來(lái)對(duì)其進(jìn)行檢查。

實(shí)驗(yàn)已經(jīng)表明，由此實(shí)現(xiàn)了基于指紋生物統(tǒng)計(jì)來(lái)正確地授權(quán)或拒絕個(gè)體的提高的可靠性。

有利的是，進(jìn)一步應(yīng)用傳統(tǒng)上僅僅為了驗(yàn)證而計(jì)算的相似度值以例如在手指仿造品或手指覆蓋層被用于在指紋傳感器上留下指紋以試圖欺騙認(rèn)證處理時(shí)通過(guò)拒絕由指紋傳感器感測(cè)的欺騙指紋來(lái)提高活性檢測(cè)的魯棒性。

第二分類建立在又被稱為分類器的分類模型上，分類器通過(guò)監(jiān)督學(xué)習(xí)被訓(xùn)練，其中，來(lái)自指紋圖像對(duì)的相似度值被輸入以對(duì)模型進(jìn)行訓(xùn)練，并且其中，以“標(biāo)簽”的形式給出用于訓(xùn)練模型的參考標(biāo)準(zhǔn)(groundtruth)，其中“標(biāo)簽”針對(duì)每個(gè)指紋圖像指示它是欺騙指紋還是活體指紋。

此外，有利的是，計(jì)算機(jī)實(shí)現(xiàn)的方法可以利用以下：不僅針對(duì)驗(yàn)證來(lái)使用相似度值，而且還針對(duì)活性檢測(cè)來(lái)使用已經(jīng)計(jì)算的相似度值。因此，在一些實(shí)施方式中，可以執(zhí)行包括驗(yàn)證和活性檢測(cè)的認(rèn)證，同時(shí)無(wú)需對(duì)于用于活性檢測(cè)的特征的大量額外計(jì)算。因此，需要較少的計(jì)算資源；這相應(yīng)地可以提供以下中的一個(gè)或更多個(gè)：節(jié)省電力、延長(zhǎng)電池時(shí)間、快速認(rèn)證以及釋放資源以用于在計(jì)算機(jī)上運(yùn)行的其他進(jìn)程。特別是對(duì)于移動(dòng)設(shè)備例如智能電話、手表和平板，這些是重要的優(yōu)點(diǎn)。

在一些方面，登記指紋圖像或登記指紋圖像的集合是例如以用戶標(biāo)識(shí)的形式與認(rèn)證信息相關(guān)聯(lián)的先前登記的指紋圖像。這樣的登記過(guò)程是本領(lǐng)域技術(shù)人員公知的。

在一些方面，第一特征向量和第二特征向量的組是第一特征向量和第二特征向量的對(duì)。

在一些方面，分類器包括一個(gè)或更多個(gè)分類器，其中，一個(gè)或更多個(gè)分類器是所謂的單類分類器或多類分類器例如兩類分類器。

一個(gè)或更多個(gè)分類器可以限定可以被認(rèn)為是多維閾值或范圍的判定邊界。在單類分類器的情況下，判定邊界限定哪些示例落在類中而哪些示例落在類外。在多類分類器的情況下，判定邊界限定哪些示例落在哪些類中或類外。術(shù)語(yǔ)示例包括相似度度量值，其中，可以將相似度度量值表示為下面進(jìn)一步詳細(xì)描述的直方圖。

在監(jiān)督學(xué)習(xí)中，每個(gè)示例是包括輸入對(duì)象(包括相似度度量值)和期望的輸出值(又被稱為監(jiān)督信號(hào))的對(duì)。監(jiān)督學(xué)習(xí)算法分析訓(xùn)練數(shù)據(jù)并產(chǎn)生判定邊界，判定邊界可以用于通過(guò)輸出類標(biāo)簽來(lái)對(duì)示例進(jìn)行分類。最佳場(chǎng)景將允許算法正確地確定未見(jiàn)過(guò)的示例的類標(biāo)簽。這需要學(xué)習(xí)算法根據(jù)在監(jiān)督訓(xùn)練期間使用的示例進(jìn)行歸納。

可以根據(jù)如上所述的訓(xùn)練來(lái)估計(jì)判定邊界。判定邊界由模型中的參數(shù)來(lái)表示，其中，執(zhí)行分類的分類器使用模型中的參數(shù)來(lái)判定特征是落在一個(gè)類內(nèi)還是落在另一個(gè)類內(nèi)。限定判定邊界的參數(shù)可以是從訓(xùn)練集中選擇的示例，其中，訓(xùn)練集在如下進(jìn)一步所述將支持向量機(jī)用于機(jī)器學(xué)習(xí)的情況下又被稱為支持向量。

用于監(jiān)督訓(xùn)練的分類器可以被選擇為來(lái)自以下中的一個(gè)分類器或復(fù)合分類器：Ensembles(Bagging、Boosting、隨機(jī)森林)、k-NN、線性回歸、貝葉斯(例如樸素貝葉斯)、神經(jīng)網(wǎng)絡(luò)、邏輯回歸、感知器、支持向量機(jī)(SVM)和相關(guān)向量機(jī)(RVM)。

術(shù)語(yǔ)“相似度度量”是用于度量相似度的方案。用于度量相似度的各種方案是可用的。

在一些實(shí)施方式中，存儲(chǔ)器是所謂的模板存儲(chǔ)器。

在一些實(shí)施方式中，通過(guò)以下來(lái)計(jì)算相似度度量的多個(gè)值：首先生成第一特征向量與第二特征向量之間的相似度的向量表示；其次計(jì)算跨相似度的向量表示的合計(jì)相似度值。

這樣的處理便于計(jì)算來(lái)自相應(yīng)的第一圖像和第二圖像的第一特征向量與第二特征向量之間的相似度。

在一些方面，第一特征向量與第二特征向量之間的相似度的向量表示是以下的差向量：該差向量在大小上與第一特征向量一致，在大小上與第二特征向量一致并且表示向量的逐元素的差異。合計(jì)相似度值可以是差向量的元素的值的總和。

在一些方面，每個(gè)特征的表示包括二進(jìn)制串——1和0的序列——以及圖像中的位置。通過(guò)對(duì)兩個(gè)二進(jìn)制串中相異的位置的數(shù)量進(jìn)行計(jì)數(shù)——這被稱為漢明距離——來(lái)實(shí)現(xiàn)兩個(gè)特征的比較。

特別是對(duì)于二進(jìn)制特征向量，當(dāng)相似度度量被計(jì)算為漢明距離時(shí)是方便的。漢明距離可以通過(guò)一些編程語(yǔ)言中的標(biāo)準(zhǔn)操作來(lái)計(jì)算。對(duì)于二進(jìn)制特征向量，可以通過(guò)邏輯異或運(yùn)算來(lái)計(jì)算差向量，并且可以通過(guò)從編程語(yǔ)言C已知的popcnt()函數(shù)來(lái)求和。

可以選擇其他二進(jìn)制或非二進(jìn)制相似度度量作為漢明距離度量的替選方案或者除了漢明距離度量以外還可以選擇其他二進(jìn)制或非二進(jìn)制相似度度量。

在一些實(shí)施方式中，方法包括：以直方圖表示來(lái)組織多個(gè)相似度值；其中執(zhí)行第一分類和第二分類之一或執(zhí)行第一分類和第二分類二者以根據(jù)直方圖表示來(lái)分類多個(gè)相似度值。

直方圖表示可以采用向量的形式，其中，向量的元素?fù)碛斜硎驹谥狈綀D的區(qū)段中的計(jì)數(shù)的值，并且其中，預(yù)定的約定限定向量的哪個(gè)元素?fù)碛嗅槍?duì)給定區(qū)段的計(jì)數(shù)。

以直方圖表示來(lái)編譯信息的優(yōu)點(diǎn)是可以獲得固定長(zhǎng)度的特征向量(區(qū)段值的向量)，這在應(yīng)用學(xué)習(xí)算法時(shí)是期望的。表示直方圖的特征向量可以包括例如64、128、256、512或能夠?qū)崿F(xiàn)足夠的分類質(zhì)量的任何其它數(shù)量的元素。

在一些方面，計(jì)算機(jī)實(shí)現(xiàn)的方法包括對(duì)相似度度量的多個(gè)值進(jìn)行歸一化的步驟，這在應(yīng)用學(xué)習(xí)算法時(shí)是期望的?？梢詧?zhí)行歸一化，使得每個(gè)直方圖的所有區(qū)段值合計(jì)達(dá)預(yù)定的值例如1.0。

直方圖表示還可以或替選地包括直方圖的參數(shù)表示。直方圖的參數(shù)可以包括以下中的一個(gè)或更多個(gè)：直方圖的幾何平均值、擁有高于預(yù)定的閾值的最小計(jì)數(shù)的區(qū)段的數(shù)目以及其他參數(shù)?？商孢x地，直方圖表示可以包括根據(jù)多個(gè)相似度值估計(jì)的分布的參數(shù)表示。該表示可以包括一階矩、二階矩、三階矩和更高階矩中的一個(gè)或更多個(gè)。可以將分布選擇為特定類型的分布，例如，正態(tài)分布、對(duì)數(shù)正態(tài)分布或另外的分布。分布的類型可以基于指紋圖像對(duì)的示例。

被配置成對(duì)表示當(dāng)前指紋圖像與來(lái)自活體手指或仿造的手指的一組指紋圖像的一致性的那些相似度值進(jìn)行分類的分類器在監(jiān)督訓(xùn)練下以直方圖表示作為輸入被進(jìn)行訓(xùn)練。此外，對(duì)于分類，分類器接收直方圖表示作為輸入。如下面更詳細(xì)地述及的，分類可以考慮其他特征。

在一些實(shí)施方式中，根據(jù)在當(dāng)前指紋圖像中的相應(yīng)位置附近的區(qū)域中的圖像數(shù)據(jù)來(lái)計(jì)算第一特征向量；并且其中，根據(jù)在先前登記的指紋圖像中的相應(yīng)位置附近的區(qū)域中的圖像數(shù)據(jù)來(lái)計(jì)算第二特征向量。

這樣的特征可以是描述符。用于計(jì)算特征的框架包括關(guān)鍵點(diǎn)檢測(cè)器和描述符二者。關(guān)鍵點(diǎn)檢測(cè)器是被配置成在指紋圖像中定位關(guān)鍵點(diǎn)的檢測(cè)器。關(guān)鍵點(diǎn)檢測(cè)器被配置成對(duì)在統(tǒng)計(jì)上很可能再次位于類似圖像中的那些點(diǎn)進(jìn)行定位。關(guān)鍵點(diǎn)檢測(cè)器被配置成定位圖像元素例如角點(diǎn)或其他高反差的點(diǎn)/區(qū)域。

另一方面，描述符包括關(guān)鍵點(diǎn)附近的區(qū)域或鄰域的局部表示并且被配置成以可以被有效搜索的緊湊表示捕獲該鄰域中的圖像內(nèi)容并且被與根據(jù)其他指紋圖像計(jì)算的描述符進(jìn)行比較。

在一些實(shí)施方式中，關(guān)鍵點(diǎn)檢測(cè)器包括被稱為FAST的算法，描述符包括定向BRIEF描述符。當(dāng)被組合應(yīng)用時(shí)，它們被統(tǒng)稱為ORB或ORB框架，所述ORB或ORB框架由Ethan Rublee、Vincent Rabaud、Kurt Konolige、Gary R.Bradski在以下文獻(xiàn)中提出：“ORB:An efficient alternative to SIFT or SURF”，ICCV 2011：2564-2571。FAST算法由E.Rosten在以下文獻(xiàn)中提出：“Machine Learning for High-Speed Corner Detection”，2006。

在一些實(shí)施方式中，使用其他關(guān)鍵點(diǎn)檢測(cè)器和/或描述符；作為替選的關(guān)鍵點(diǎn)檢測(cè)器，可以使用Harris角點(diǎn)檢測(cè)器。

在一些實(shí)施方式中，使用其他框架，例如：

-SIFT，由Lowe,D.G.在以下文獻(xiàn)中提出：“Distinctive Image Features from Scale-Invariant Keypoints”，計(jì)算機(jī)視覺(jué)國(guó)際期刊，60，2，91至110頁(yè)，2004年；

-SURF，由Bay,H.，Tuytelaars,T.和Van Gool，L.在以下文獻(xiàn)中提出：“SURF：Speeded Up Robust Features”，計(jì)算機(jī)視覺(jué)第九屆歐洲會(huì)議，2006年；

-BRISK，由Stefan Leutenegger，Margarita Chli和Roland Siegwart在以下文獻(xiàn)中提出：BRISK：Binary Robust Invariant Scalable Keypoints，ICCV 2011：2548至2555。

-FREAK，由CVPR 2012開(kāi)源獎(jiǎng)獲得者A.Alahi，R.Ortiz和P.Vandergheynst在以下文獻(xiàn)中提出：FREAK：Fast Retina Keypoint，IEEE計(jì)算機(jī)視覺(jué)和模式識(shí)別會(huì)議，2012年。

應(yīng)當(dāng)注意的是，另外或作為替選方案，可以應(yīng)用其他關(guān)鍵點(diǎn)檢測(cè)器和/或描述符。

在一些實(shí)施方式中，方法包括：

-將第一特征向量和第二特征向量進(jìn)行匹配以形成第一組匹配對(duì)；

-將第一組匹配對(duì)減少為包括符合統(tǒng)一幾何變換的那些匹配對(duì)的第二組匹配對(duì)；

其中，相似度度量的多個(gè)值的計(jì)算被限制成根據(jù)落在第二組匹配對(duì)中的第一特征向量和第二特征向量的對(duì)來(lái)計(jì)算。

該處理將第一特征向量和第二特征向量的對(duì)過(guò)濾成可以用于可靠的分類的第一特征向量和第二特征向量的匹配對(duì)。在一些實(shí)施方式中，迭代地執(zhí)行匹配第一特征向量和第二特征向量的步驟。

在一些實(shí)施方式中，通過(guò)RANSAC算法來(lái)執(zhí)行將第一組匹配對(duì)減少為包括符合統(tǒng)一變換的那些匹配對(duì)的第二組匹配對(duì)的步驟。

在一些實(shí)施方式中，通過(guò)以下操作來(lái)執(zhí)行匹配第一特征向量和第二特征向量以形成第一組匹配對(duì)的步驟：針對(duì)位于當(dāng)前指紋圖像A中的每個(gè)特征a在登記指紋圖像B中搜索相應(yīng)特征b，將特征a與登記指紋圖像B中的所有特征進(jìn)行比較，并且選擇在特征與b具有最小漢明距離的意義上最相似的一個(gè)特征。這為當(dāng)前指紋圖像A中的每個(gè)特征賦予在登記指紋圖像B中的一個(gè)候選特征對(duì)。在一些實(shí)施方式中，登記指紋圖像中的相應(yīng)特征b包括相應(yīng)特征的列表。特征的列表可以被集中成包括預(yù)定數(shù)目的具有最小漢明距離的特征或具有低于預(yù)定閾值的漢明距離的特征。

當(dāng)?shù)怯浿讣y圖像中的相應(yīng)特征b包括相應(yīng)特征的列表時(shí)，可以迭代地執(zhí)行將第一組匹配對(duì)減少為第二組匹配對(duì)的步驟，以從列表中選擇最接近地符合統(tǒng)一變換的特征的組合。

在一些實(shí)施方式中，落在第一組匹配對(duì)和第二組匹配對(duì)中一個(gè)之外或落在第一組匹配對(duì)和第二組匹配對(duì)二者之外的第一特征向量和第二特征向量被集中在第一組外點(diǎn)特征中；并且其中，第一分類和第二分類之一或第一分類和第二分類二者分別在生成第一信號(hào)和第二信號(hào)時(shí)包括外點(diǎn)特征的全部或至少一部分。

已經(jīng)認(rèn)識(shí)到的是，外點(diǎn)(outlier)傳達(dá)可以提高分類質(zhì)量的信息。外點(diǎn)可以表示指紋圖像中的不存在于活體指紋圖像中的偽像?？赡芤鹜恻c(diǎn)的偽像的示例是在欺騙指紋的表面之下的氣泡。其他示例包括當(dāng)從模具創(chuàng)建指紋鑄件時(shí)或當(dāng)從指紋傳感器的表面提升隱約指紋或仿造的手指時(shí)產(chǎn)生的變形和結(jié)構(gòu)。

在一些實(shí)施方式中，執(zhí)行第一分類和第二分類之一或執(zhí)行第一分類和第二分類二者以根據(jù)復(fù)合特征向量來(lái)對(duì)表示當(dāng)前指紋圖像與一組登記圖像的一致性的那些相似度值進(jìn)行分類，其中復(fù)合特征向量包括以直方圖表示布置的相似度值以及另外地選自以下中的一個(gè)或更多個(gè)特征：

-第二組匹配對(duì)中的匹配對(duì)的計(jì)數(shù)；

-第二組匹配對(duì)中的匹配對(duì)的和；

-相似度值的和，例如漢明距離的和；

-第二組匹配對(duì)中的相似度值的和；

-相似度值的平均值，例如漢明距離的平均值；

-第二組匹配對(duì)中的相似度值的平均值，例如漢明距離的平均值；

-相似度值的標(biāo)準(zhǔn)差，例如漢明距離的標(biāo)準(zhǔn)差；

-第二組匹配對(duì)中的相似度值的標(biāo)準(zhǔn)差，例如漢明距離的標(biāo)準(zhǔn)差；

-第二組匹配對(duì)中的對(duì)的數(shù)目與第一組匹配對(duì)中的對(duì)的數(shù)目的比率。

因此，形成可以被配置成提高分類的可靠性的復(fù)合特征向量。應(yīng)當(dāng)注意的是，在一些實(shí)施方式中，應(yīng)用其他類型的統(tǒng)計(jì)例如高階統(tǒng)計(jì)矩作為上述一個(gè)或更多個(gè)的替選方案。第二組匹配對(duì)又被稱為內(nèi)點(diǎn)集或者其中的對(duì)被稱為內(nèi)點(diǎn)。

在一些實(shí)施方式中，根據(jù)來(lái)自活體手指的指紋的集合和來(lái)自仿造的手指的指紋的集合來(lái)限定來(lái)自活體手指的指紋的類和來(lái)自仿造的手指的指紋的類中之一或來(lái)自活體手指的指紋的類和來(lái)自仿造的手指的指紋的類二者。

在一些實(shí)施方式中，第二分類根據(jù)監(jiān)督訓(xùn)練來(lái)對(duì)相似度度量的值進(jìn)行分類，監(jiān)督訓(xùn)練包括以下步驟：

a)從多個(gè)活體個(gè)體獲取多組指紋圖像，并且生成該多組指紋圖像的匹配的圖像對(duì)；

其中，對(duì)于每個(gè)指紋圖像對(duì)，根據(jù)第一指紋圖像計(jì)算第一特征向量，并且根據(jù)第二指紋圖像計(jì)算第二特征向量；

b)對(duì)于每個(gè)指紋圖像對(duì)，計(jì)算對(duì)指紋圖像對(duì)中的圖像之間的相似度進(jìn)行度量的相似度度量的多個(gè)值；

其中，對(duì)從活體手指獲取的指紋圖像執(zhí)行步驟a)，并且其中，在步驟b)中，通過(guò)第一標(biāo)簽來(lái)共同標(biāo)記相似度度量的多個(gè)值；以及

其中，對(duì)從仿造的手指獲取的指紋圖像執(zhí)行步驟a)，并且其中，在步驟b)中，通過(guò)第二標(biāo)簽來(lái)共同標(biāo)記相似度度量的多個(gè)值；以及

其中，根據(jù)第一訓(xùn)練集和第二訓(xùn)練集之一或第一訓(xùn)練集和第二訓(xùn)練集二者來(lái)訓(xùn)練分類器，第一訓(xùn)練集包括從活體手指獲得的具有第一標(biāo)簽作為監(jiān)督信號(hào)的相似度度量的多個(gè)值，第二訓(xùn)練集包括從仿造的手指獲得的具有第二標(biāo)簽作為監(jiān)督信號(hào)的相似度度量的多個(gè)值。

從而，獲取多組來(lái)自多個(gè)活體個(gè)體的手指的指紋圖像和來(lái)自仿造的手指的指紋圖像，并且可以將常規(guī)相似度度量輸入至分類器，然后該分類器適于可靠地區(qū)分活體指紋圖像與欺騙指紋圖像。

在產(chǎn)品開(kāi)發(fā)設(shè)置中有利地執(zhí)行上述執(zhí)行監(jiān)督學(xué)習(xí)的步驟以獲得分類器的配置。然后，例如通過(guò)下載來(lái)在應(yīng)用了上述方法以執(zhí)行基于指紋的認(rèn)證的產(chǎn)品中安裝分類器的配置。

在一些實(shí)施方式中，以直方圖表示來(lái)組織訓(xùn)練集中的相似度度量的多個(gè)值；并且其中，執(zhí)行第一分類和第二分類之一或第一分類和第二分類二者以根據(jù)直方圖表示來(lái)分類多個(gè)相似度值。

還提供了一種通過(guò)監(jiān)督訓(xùn)練來(lái)配置第一分類器以區(qū)分活體指紋圖像與仿造的指紋圖像的計(jì)算機(jī)實(shí)現(xiàn)的方法，包括以下步驟：

a)獲取多組指紋圖像并且生成該多組指紋圖像的匹配的圖像對(duì)；其中，對(duì)于每個(gè)指紋圖像對(duì)，根據(jù)第一指紋圖像計(jì)算第一特征向量，并且根據(jù)第二指紋圖像計(jì)算第二特征向量；

b)對(duì)于每個(gè)指紋圖像對(duì)，計(jì)算對(duì)該對(duì)指紋圖像中的圖像之間的相似度進(jìn)行度量的相似度度量的多個(gè)值；

其中，對(duì)從活體手指獲取的指紋圖像執(zhí)行步驟a)，并且其中，在步驟b)中，通過(guò)第一標(biāo)簽來(lái)共同標(biāo)記相似度度量的多個(gè)值；以及

其中，對(duì)從仿造的手指獲取的指紋圖像執(zhí)行步驟a)，并且其中，在步驟b)中，通過(guò)第二標(biāo)簽來(lái)共同標(biāo)記相似度度量的多個(gè)值；以及

其中，根據(jù)第一訓(xùn)練集和第二訓(xùn)練集之一或第一訓(xùn)練集和第二訓(xùn)練集二者來(lái)訓(xùn)練第一分類器，第一訓(xùn)練集包括從活體手指獲得的具有第一標(biāo)簽作為監(jiān)督信號(hào)的相似度度量的多個(gè)值，第二訓(xùn)練集包括從仿造的手指獲得的具有第二標(biāo)簽作為監(jiān)督信號(hào)的相似度度量的多個(gè)值。

c)存儲(chǔ)分類器的計(jì)算機(jī)可讀表示。

還提供了一種承載程序的計(jì)算機(jī)可讀介質(zhì)，該程序被配置成當(dāng)在計(jì)算機(jī)上運(yùn)行時(shí)執(zhí)行以上所述的計(jì)算機(jī)實(shí)現(xiàn)的方法。

還提供了一種具有耦接至指紋傳感器的處理單元的裝置，該裝置包括：

-指紋獲取單元，被配置成從指紋傳感器獲取當(dāng)前指紋圖像；

-存儲(chǔ)器，被配置成存儲(chǔ)登記指紋圖像的多個(gè)第二特征向量；

-處理單元，被配置成：

-計(jì)算當(dāng)前指紋圖像的多個(gè)第一特征向量；

-應(yīng)用相似度度量來(lái)計(jì)算表示一組第一特征向量與第二特征向量之間的相似程度的多個(gè)相似度值；

-對(duì)多個(gè)相似度值中的至少一部分執(zhí)行第一分類以生成第一信號(hào)，該第一信號(hào)指示當(dāng)前指紋圖像是否落在根據(jù)登記圖像限定的類中；

-對(duì)多個(gè)相似度值中的至少一部分執(zhí)行第二分類以生成第二信號(hào)，該第二信號(hào)指示當(dāng)前指紋圖像落在來(lái)自活體手指的指紋的類中還是落在來(lái)自仿造的手指的指紋的類中；以及

-根據(jù)第一信號(hào)和第二信號(hào)生成認(rèn)證信號(hào)。

在一些實(shí)施方式中，裝置包括存儲(chǔ)支持第一分類的第一模型的第一存儲(chǔ)區(qū)域和存儲(chǔ)支持第二分類的第二模型的第二存儲(chǔ)區(qū)域；其中第一模型能夠由計(jì)算單元訪問(wèn)以用從登記圖像獲得的信息來(lái)配置第一模型；其中第二模型經(jīng)由通過(guò)裝置接收的下載信號(hào)來(lái)安裝，并且然后被安裝用于只讀操作。

在一些實(shí)施方式中，裝置是移動(dòng)電話、智能電話、平板計(jì)算機(jī)、膝上型計(jì)算機(jī)和通用計(jì)算機(jī)之一。

此處并且在下文中，術(shù)語(yǔ)“處理裝置”和“處理單元”旨在包括被適當(dāng)?shù)赜糜趫?zhí)行本文中描述的功能的任何電路和/或設(shè)備。具體地，上述術(shù)語(yǔ)包括通用或?qū)Ｓ每删幊涛⑻幚砥?、?shù)字信號(hào)處理器(DSP)、專用集成電路(ASIC)、可編程邏輯陣列(PLA)、現(xiàn)場(chǎng)可編程門陣列(FPGA)、專用電子電路等或其組合。

通常，被配置成執(zhí)行計(jì)算機(jī)實(shí)現(xiàn)的方法的計(jì)算機(jī)程序?qū)⒈硎颈慌渲贸蓤?zhí)行計(jì)算機(jī)實(shí)現(xiàn)的方法(例如程序的組合)的任何程序。

具有被配置成執(zhí)行計(jì)算機(jī)實(shí)現(xiàn)的方法的程序的計(jì)算機(jī)可讀介質(zhì)將表示任何介質(zhì)(如存儲(chǔ)器設(shè)備或存儲(chǔ)設(shè)備)。

附圖說(shuō)明

下面參考附圖進(jìn)行更詳細(xì)的描述，在附圖中：

圖1示出了計(jì)算機(jī)實(shí)現(xiàn)的方法的第一流程圖；

圖2示出了根據(jù)活體圖像計(jì)算的相似度值的直方圖表示的圖以及根據(jù)欺騙指紋圖像計(jì)算的相似度值的直方圖表示的圖；

圖3示出了計(jì)算機(jī)實(shí)現(xiàn)的方法的第二流程圖；

圖4示出了針對(duì)描述符的關(guān)鍵點(diǎn)的位置；以及

圖5示出了用于在計(jì)算硬件中實(shí)現(xiàn)方法的部件的圖。

具體實(shí)施方式

圖1示出了計(jì)算機(jī)實(shí)現(xiàn)的方法的第一流程圖。從指紋傳感器獲取當(dāng)前圖像101，又被稱為驗(yàn)證圖像，并且根據(jù)當(dāng)前圖像來(lái)計(jì)算特征向量102。可選地，可以計(jì)算特征向量103。特征向量可以包括如上所述的二進(jìn)制特征向量以及實(shí)數(shù)值和整數(shù)值特征向量中的一個(gè)或更多個(gè)。當(dāng)前圖像在個(gè)體請(qǐng)求認(rèn)證時(shí)被獲取。認(rèn)證請(qǐng)求可以由例如本領(lǐng)域已知的指紋傳感器和/或其他傳感器例如接近傳感器和運(yùn)動(dòng)傳感器來(lái)檢測(cè)。

在本領(lǐng)域已知的登記過(guò)程期間，從個(gè)體獲取多個(gè)不同的指紋圖像——又被稱為登記圖像104，并且根據(jù)登記圖像104來(lái)計(jì)算特征向量106，可選地，可以如結(jié)合當(dāng)前圖像101所述地來(lái)計(jì)算特征向量105。

特征向量102和106如上所述被成對(duì)地一對(duì)一匹配，并且在一些實(shí)施方式中作為匹配處理和識(shí)別內(nèi)點(diǎn)(inlier)的處理的結(jié)果。查找匹配特征的處理也可以基于漢明距離，以找到當(dāng)前圖像中的每個(gè)特征的最相似的特征。

然后，通過(guò)步驟107處理特征向量102和106，其中，計(jì)算每對(duì)匹配特征的漢明距離。因此，在該實(shí)施方式中，相似度度量是漢明距離。其結(jié)果是采用漢明距離的形式的相似度度量值108的集合；每對(duì)匹配特征對(duì)應(yīng)一個(gè)值。

然后，將相似度度量值108輸入至驗(yàn)證分類器110，其中，驗(yàn)證分類器110被配置成對(duì)多個(gè)相似度值108中的至少一部分進(jìn)行分類以生成第一信號(hào)114、116，該第一信號(hào)114、116指示當(dāng)前指紋圖像101是否落在根據(jù)登記圖像限定的類中，也就是說(shuō)，指示是否可以統(tǒng)計(jì)地驗(yàn)證當(dāng)前圖像是從與登記圖像被獲得自的個(gè)體相同的個(gè)體獲得的。因此，驗(yàn)證分類器110執(zhí)行驗(yàn)證分類并且驗(yàn)證分類的結(jié)果在第一信號(hào)114、116中表示，其中，第一信號(hào)114、116可以是指示當(dāng)前圖像被驗(yàn)證/接受還是被拒絕的雙態(tài)信號(hào)。替選地或另外地，第一信號(hào)可以指示當(dāng)前圖像被驗(yàn)證/接受還是被拒絕的可能性。

在驗(yàn)證分類器110證實(shí)當(dāng)前圖像從與登記圖像被獲得自的個(gè)體相同的個(gè)體獲得的情況下，將活性分類器109應(yīng)用于同樣的相似度度量值108以生成第二信號(hào)115、116，該第二信號(hào)115、116指示當(dāng)前指紋圖像101落在來(lái)自活體手指的指紋的類中還是落在來(lái)自仿造的手指的指紋的類中。因此，活性分類器109執(zhí)行活性分類并且活性分類的結(jié)果在第二信號(hào)115、116中表示，其中，第二信號(hào)115、116可以是指示當(dāng)前圖像是來(lái)自活體手指還是來(lái)自仿造的手指的二態(tài)信號(hào)。替選地或另外地，第二信號(hào)115、116可以指示當(dāng)前圖像是來(lái)自活體手指還是來(lái)自仿造的手指的可能性。

認(rèn)證單元111接收第一信號(hào)114和第二信號(hào)115中的一個(gè)或更多個(gè)，并且由此生成認(rèn)證信號(hào)112。認(rèn)證信號(hào)112從而基于驗(yàn)證分類和活性分類指示當(dāng)前圖像是否會(huì)導(dǎo)致認(rèn)證。如本領(lǐng)域已知的，可以將認(rèn)證信號(hào)112遞送至操作系統(tǒng)以對(duì)認(rèn)證信號(hào)采取后續(xù)動(dòng)作。

在一些實(shí)施方式中，經(jīng)由沿其右指方向的信號(hào)116以串聯(lián)配置來(lái)布置驗(yàn)證分類器110和活性分類器109，其中，在活性檢測(cè)之前執(zhí)行驗(yàn)證。在這樣的實(shí)施方式中，信號(hào)115可以傳送用于對(duì)認(rèn)證進(jìn)行判定的足夠的信息，并且可以省去信號(hào)114。

在其他實(shí)施方式中，經(jīng)由沿其左指方向的信號(hào)116在驗(yàn)證分類110之前執(zhí)行活性分類109。

在其他實(shí)施方式中，并行或同時(shí)執(zhí)行活性分類109和驗(yàn)證分類110。

如上所述，驗(yàn)證分類器可以是將登記圖像分類在類C1中的所謂單類分類器，該單類分類器以歸納方式包含登記圖像的特征，但是統(tǒng)計(jì)地排除根據(jù)來(lái)自其他個(gè)體的指紋計(jì)算的特征。至于活性分類器，驗(yàn)證分類器將把來(lái)自當(dāng)前圖像的特征與來(lái)自一個(gè)或更多個(gè)登記圖像的特征相關(guān)聯(lián)。而且，單類分類器將區(qū)分來(lái)自同一個(gè)體和其他任何東西的圖像對(duì)的特征匹配。

此外，如上所述，分類器可以是多類分類器，該多類分類器可以將來(lái)自其他個(gè)體的指紋圖像的特征包含在明確限定的類中。另外地或替選地，分類器可以具有一個(gè)或更多個(gè)附加類以將來(lái)自其他登記個(gè)體的指紋圖像的特征包含在其自己的類中，在這種情況下，可以分別認(rèn)證多個(gè)用戶。

此外，如上所述，活性分類器可以是將來(lái)自活體手指的圖像分類在類C2中的所謂單類分類器，該單類分類器以歸納方式包含活體圖像的特征。在計(jì)算上，將匹配(特征相似度)進(jìn)行分類；這有效地產(chǎn)生對(duì)當(dāng)前圖像或認(rèn)證嘗試的分類。

替選地，分類器可以將來(lái)自仿造的手指的圖像分類在類C2中。此外，如上所述，分類器可以是多類分類器，其中例如，來(lái)自活體手指的特征被分類在第一類中，而來(lái)自欺騙圖像的特征被分類在第二類中。

在一些實(shí)施方式中，如上所述執(zhí)行包含在框117中的步驟107和結(jié)果值108以針對(duì)每個(gè)獲取的驗(yàn)證圖像101生成一組相似度值108。然后，將該組相似度值108用于驗(yàn)證和活性檢測(cè)二者。

在其他實(shí)施方式中，與117并行地執(zhí)行另外的特征處理路徑，以生成針對(duì)驗(yàn)證優(yōu)化的第一組相似度值并且生成針對(duì)活性檢測(cè)優(yōu)化的另一組相似度值。這可能以額外的計(jì)算操作為代價(jià)，但可以提高整個(gè)方法的可靠性和魯棒性。

在一些實(shí)施方式中，根據(jù)一個(gè)或更多個(gè)其他信號(hào)例如來(lái)自指紋傳感器的邊框的信號(hào)或來(lái)自接近傳感器的信號(hào)來(lái)另外生成特征向量103和105的組中之一或特征向量103和105二者。

在一些實(shí)施方式中，驗(yàn)證分類器110和活性分類器109直接接收特征向量105和/或特征向量103，其中，特征向量105和/或特征向量103是具有除了相似度值之外的信息并且因此具有改進(jìn)分類的潛力的特征向量。

圖2a示出了根據(jù)活體指紋圖像計(jì)算的相似度值的直方圖表示的圖以及根據(jù)欺騙指紋圖像計(jì)算的相似度值的直方圖表示的圖。圖201示出了計(jì)算作為活體指紋圖像的匹配特征(即，活體與活體匹配(live-to-live match))之間的漢明距離的相似度值的直方圖表示的圖形表示。

圖202示出了計(jì)算作為活體指紋圖像的匹配特征之間的漢明距離的相似度值的直方圖表示的圖形表示。

在該示例性圖示中，將特征之間的漢明距離分配到64個(gè)區(qū)段中。在64位二進(jìn)制特征向量的情況下，區(qū)段對(duì)應(yīng)于相應(yīng)的漢明距離。在較長(zhǎng)例如256位的特征向量的情況下，直方圖表示可以相應(yīng)地配置有256個(gè)區(qū)段或較少區(qū)段例如64個(gè)區(qū)段。在后一種情況下，每個(gè)區(qū)段將覆蓋一定范圍的漢明距離，例如4個(gè)漢明距離的范圍。

直方圖表示通常在跨每個(gè)直方圖的區(qū)段的值的和合計(jì)達(dá)1.0的意義上被歸一化。

如可以觀察到的，圖202包括當(dāng)與圖201中的值相比時(shí)朝較大的漢明距離移動(dòng)的值的分布。還觀察到，分布的形狀有些變化。已經(jīng)認(rèn)識(shí)到，該信息對(duì)于區(qū)分根據(jù)活體與活體圖像(live-to-live image)計(jì)算的相似度值和根據(jù)活體與欺騙的匹配(live-to-spoof match)計(jì)算的相似度值是非常有用的。因此，通過(guò)適當(dāng)?shù)姆诸?，可以以相?dāng)好的準(zhǔn)確度判定指紋圖像是來(lái)自活體手指還是來(lái)自仿造的手指。

圖3示出了計(jì)算機(jī)實(shí)現(xiàn)的方法的第二流程圖。在上述登記過(guò)程期間執(zhí)行由框317包圍的步驟，其中，執(zhí)行步驟304以從指紋傳感器獲取指紋圖像，并且其中，執(zhí)行步驟305以從在登記過(guò)程期間獲取的指紋圖像的全部或子集中提取或計(jì)算特征，并且其中，執(zhí)行步驟306以將所計(jì)算的特征存儲(chǔ)在又被稱為模板存儲(chǔ)器320的存儲(chǔ)裝置(memory)或存儲(chǔ)器(storage)中。

如上所述，在驗(yàn)證過(guò)程期間執(zhí)行由框318包圍的步驟，其中，步驟301獲取驗(yàn)證圖像，并且其中，步驟302根據(jù)驗(yàn)證圖像計(jì)算或提取候選特征303。

此外，關(guān)于驗(yàn)證過(guò)程，執(zhí)行以下步驟：

步驟307執(zhí)行來(lái)自候選特征303的特征與來(lái)自上述模板特征320的特征的匹配。然后，步驟308識(shí)別作為內(nèi)點(diǎn)的那些匹配特征，并且在步驟309中計(jì)算內(nèi)點(diǎn)之間的漢明距離。

步驟310應(yīng)用驗(yàn)證分類器并且生成拒絕(R)驗(yàn)證圖像的判定或者驗(yàn)證或接受(V)驗(yàn)證圖像(成功驗(yàn)證)的判定。在拒絕的情況下，步驟311例如通過(guò)以下來(lái)處理拒絕：例如經(jīng)由操作系統(tǒng)限制個(gè)體進(jìn)行某些進(jìn)一步的動(dòng)作，以及/或者給予個(gè)體另外的選擇來(lái)認(rèn)證他自己。

在成功驗(yàn)證(V)的情況下，在步驟312中，計(jì)算包括針對(duì)內(nèi)點(diǎn)計(jì)算的漢明距離的直方圖表示的特征向量。隨后，在步驟313中，將活性模型應(yīng)用于包括所計(jì)算的漢明距離的直方圖表示的特征向量，以基于漢明距離將驗(yàn)證圖像分類為可能屬于欺騙指紋圖像的類或者可能屬于來(lái)自活體手指的指紋圖像的類。

基于在步驟313中執(zhí)行的分類的結(jié)果，步驟314生成關(guān)于驗(yàn)證圖像是欺騙圖像(S)還是活體圖像(L)的判定。在欺騙圖像(S)的情況下，步驟315例如通過(guò)以下來(lái)處理該情況：例如經(jīng)由操作系統(tǒng)限制個(gè)體進(jìn)行某些進(jìn)一步的動(dòng)作，以及/或者給予個(gè)體另外的選擇來(lái)認(rèn)證他自己。

在活體圖像(L)的情況下，步驟316認(rèn)證極有可能是會(huì)被合法認(rèn)證的正確個(gè)體的個(gè)體。

圖4示出了針對(duì)描述符的關(guān)鍵點(diǎn)的位置。通常，示出指紋的兩個(gè)實(shí)例，其中，通過(guò)在虛線末端處的圓圈來(lái)示出關(guān)鍵點(diǎn)，所述虛線連接在關(guān)鍵點(diǎn)位置處計(jì)算的匹配描述符特征。矩形框示出了由指紋傳感器從手指的一部分獲取的指紋圖像。

最右邊的指紋401通過(guò)由指紋傳感器在登記處理期間獲取的五個(gè)不同的圖像403、404、405、406、407來(lái)捕獲。

最左邊的指紋402通過(guò)由指紋傳感器在驗(yàn)證處理期間獲取的單個(gè)圖像408來(lái)捕獲，其中，圖像408又被稱為驗(yàn)證圖像。

虛線409連接位于驗(yàn)證圖像408中的關(guān)鍵點(diǎn)和登記圖像405中的匹配關(guān)鍵點(diǎn)。這同樣適用于虛線410、411和412。通過(guò)仔細(xì)的視覺(jué)檢查可以看出，關(guān)鍵點(diǎn)定位或表示相應(yīng)的特征的位置。在計(jì)算的特征向量(描述符)如所示的那樣被匹配的情況下，它們將符合相同變換，并且因此被認(rèn)為是內(nèi)點(diǎn)。這些內(nèi)點(diǎn)可以例如通過(guò)RANSAC算法來(lái)識(shí)別。

相反，虛線414連接在相應(yīng)的描述符足夠好地匹配的情況下可以匹配的關(guān)鍵點(diǎn)，但是如通過(guò)視覺(jué)檢查可以觀察到的，它們并未定位相應(yīng)的特征。因此，由虛線414連接的該對(duì)特征將不符合變換，并且將被RANSAC算法作為外點(diǎn)而排除。

然而，虛線413示出了以下關(guān)鍵點(diǎn)：該關(guān)鍵點(diǎn)可以在驗(yàn)證圖像408中找到，但是因?yàn)榈怯泩D像403、404、405、406、407中沒(méi)有一個(gè)覆蓋指紋中的相應(yīng)位置，所以在登記圖像中找不到該關(guān)鍵點(diǎn)。因此，理想地，該特征將不會(huì)與登記圖像中的另一特征匹配。

圖5示出了用于在計(jì)算硬件中實(shí)現(xiàn)方法的部件的圖。計(jì)算硬件包括處理單元501，該處理單元501可以是專用于處理指紋圖像的微處理器或者例如移動(dòng)電話的可以根據(jù)需要?jiǎng)討B(tài)調(diào)整其向方法的資源分配的中央處理單元。處理單元501與指紋傳感器511通信，該指紋傳感器511包括例如本領(lǐng)域已知的電容型感測(cè)元件的矩陣和串行可編程接口SPI 513，其中，處理單元501通過(guò)SPI 513與指紋傳感器511通信以獲取通過(guò)矩陣傳感器感測(cè)的指紋圖像并且配置指紋傳感器。

處理單元501在其硬件資源上運(yùn)行軟件部件。軟件部件包括指紋獲取部件503，該指紋獲取部件503被配置成從指紋傳感器511獲取一個(gè)或更多個(gè)指紋圖像并且將它或它們存儲(chǔ)在指紋圖像存儲(chǔ)器506中，例如存儲(chǔ)區(qū)域中。指紋圖像存儲(chǔ)器506可以僅在指紋圖像在登記處理期間被處理時(shí)以及在當(dāng)前圖像被處理或者指紋圖像可以被存儲(chǔ)以用于隨后處理時(shí)才臨時(shí)存儲(chǔ)指紋圖像。

軟件部件還包括特征計(jì)算部件504，該特征計(jì)算部件504如上所述通過(guò)對(duì)包括登記指紋圖像以及一個(gè)或更多個(gè)當(dāng)前指紋圖像(驗(yàn)證圖像)的指紋圖像進(jìn)行處理來(lái)識(shí)別和計(jì)算例如包括關(guān)鍵點(diǎn)和描述符的特征。

作為其結(jié)果，特征計(jì)算部件504將至少來(lái)自登記指紋圖像的特征存儲(chǔ)在所謂的模板存儲(chǔ)器505中，該模板存儲(chǔ)器505是被配置成用于存儲(chǔ)特征的存儲(chǔ)區(qū)域和/或存儲(chǔ)對(duì)象。

處理單元501包括存儲(chǔ)支持驗(yàn)證分類的第一模型507的第一存儲(chǔ)區(qū)域514和存儲(chǔ)支持活性分類的第二模型508的第二存儲(chǔ)區(qū)域515。第一模型507可由計(jì)算單元501訪問(wèn)以用例如來(lái)自從登記圖像獲得的特征的信息來(lái)配置第一模型。第二模型508經(jīng)由在處理單元安裝固件的下載處理期間由計(jì)算硬件接收的下載信號(hào)510被安裝；第二模型被安裝用于只讀操作。固件可以包括上述部件中的一個(gè)、更多個(gè)或全部。