專利名稱：一種求取現(xiàn)場指紋方向的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及指紋識別技術(shù)領(lǐng)域，特別是涉及一種求取現(xiàn)場指紋方向的方法和裝置。
背景技術(shù)：
刑事偵破中，指紋識別是應用很普遍的一種技術(shù)。實際應用中，刑事指紋識別的一 大類需求是對現(xiàn)場指紋的比對，通過對犯罪現(xiàn)場提取的指紋進行識別，找到可能的犯罪嫌 疑人?，F(xiàn)場指紋是指犯罪現(xiàn)場遺留下的指紋(接觸物體后留下的指紋痕跡)。實際應用中，指紋識別方法主要是基于細節(jié)點比對的，即提取細節(jié)點作為特征來 表征指紋圖像，通過比對這些細節(jié)點進行識別?；诩毠?jié)點的比對方法分為兩個主要過程 處理過程和比對過程。其中處理過程主要包括有效區(qū)域估計、方向圖估計、脊線提取、紋線 細化和細節(jié)點提取，其中方向圖估計是非常關(guān)鍵的一步。比對過程主要包括細節(jié)點配準和 細節(jié)點比對。然而，由于現(xiàn)場指紋其大部分為破損或重疊的指紋，以至于提取出的指紋質(zhì)量較 差。雖然已有的指紋處理算法在專業(yè)提取的指紋上處理結(jié)果較為滿意，但是對于現(xiàn)場提取 的指紋處理結(jié)果甚差。因此，目前需要本領(lǐng)域技術(shù)人員迫切解決的一個技術(shù)問題就是如何能夠創(chuàng)新地 提出一種求取現(xiàn)場指紋方向的方法和裝置，以解決這種當前現(xiàn)場指紋提取結(jié)果較差的問 題，有效提高現(xiàn)場指紋的提取質(zhì)量，為案件偵破提供更多的幫助，進一步促進案件的快速偵 破。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種求取現(xiàn)場指紋方向的方法和裝置，用以提 高現(xiàn)場指紋的提取質(zhì)量，為案件偵破提供強有力的幫助，大量節(jié)省了刑事偵破中各工作人 員的時間和精力。為了解決上述問題，本發(fā)明公開了一種求取現(xiàn)場指紋方向的方法，所述方法包 括提取圖像中含指紋的部分，獲取指紋圖像的有效區(qū)域；求取所獲取有效區(qū)域的方向圖和置信度；判斷所求取的置信度是否高于預設的置信度閥值若是，則標記該區(qū)域為置信度高區(qū)域；若否，則標記該區(qū)域為置信度低區(qū)域；在方向圖上置信度高的區(qū)域采集控制點，進行三角化并通過判斷差異度確定控制點集合；在方向圖上置信度低的區(qū)域人工標注控制點，將所標注的控制點添加到控制點集 合中進行三角化，并通過判斷差異度確定添加到控制點集合的控制點；
用控制點集合中控制點建立模型，求取模型參數(shù)，獲取最終方向圖。優(yōu)選的，所述在方向圖上置信度高的區(qū)域采集控制點，進行三角化并通過判斷差 異度確定控制點集合具體包括以下子步驟按照預設間隔采集控制點；確定所有控制點的包絡，連接位于包絡頂點的控制點，形成以包絡內(nèi)控制點為頂 點的三角形；所述包絡也即所有最外圍的控制點連線構(gòu)成的封閉區(qū)域；將位于包絡內(nèi)的控制點依次插入，刪除包含所述控制點三角形的公共邊，并對新 形成的三角形進行優(yōu)化；遍歷所有完全落入置信度高區(qū)域內(nèi)的三角形，確定其中心點，并計算中心處方向 與三角形頂點方向的差異度；判斷計算所得的差異度是否大于第一預設閥值若是，則在該三角形中繼續(xù)采集新的控制點，并重復進行優(yōu)化判斷，直到不再需要 采集新的控制點；若否，則該三角形區(qū)域中不再采集新的控制點；確定控制點集合。優(yōu)選的，所述在方向圖上置信度低的區(qū)域人工標注控制點，將所標注的控制點添 加到控制點集合中進行三角化，并通過判斷差異度確定添加到控制點集合的控制點具體包 括以下子步驟人工標記控制點；將人工標記的控制點添加到控制點集合中進行三角化；獲取包含人工標記控制點的三角形的中心；計算中心點處方向與三角形頂點方向的差異度；判斷所述差異度是否大于第二預設閥值若是，則在該三角形中繼續(xù)人工標記控制點，并重復進行三角化以及判斷，直到不 再需要人工標記新的控制點；若否，則該三角形區(qū)域中不再人工標記新的控制點；計算三角化后未被覆蓋區(qū)域中各個點到三角化后最外圍邊構(gòu)成的包絡的最小距 離，并判斷其是否大于第三預設閥值若是，則在由該點構(gòu)成的區(qū)域人工標記控制點，并且對人工標記的控制點重復進 行計算和判斷操作，直到無需人工標記控制點為止；若否，則由該點構(gòu)成的區(qū)域不需要人工標記控制點。優(yōu)選的，所述用控制點集合中控制點建立模型，求取模型參數(shù)，獲取最終方向圖具 體包括以下子步驟選取能覆蓋控制點集合中所有控制點的最小包絡；用控制點集合中控制點建立模型；求取模型參數(shù)苳，巧 ；利用參數(shù)if, 求取最終的方向圖。優(yōu)選的，所述控制點包括位置和角度信息。本發(fā)明還公布了一種求取現(xiàn)場指紋方向的裝置，所述裝置包括提取模塊，用于提取圖像中含指紋的部分，獲取指紋圖像的有效區(qū)域；求取模塊，用于求取所獲取有效區(qū)域的 方向圖和置信度；判斷模塊，用于判斷所求取的置信度是否高于預設的置信度閥值第一標記模塊，用于判斷模塊判斷為是時，標記該區(qū)域為置信度高區(qū)域；第二標記模塊，用于判斷模塊判斷為否時，標記該區(qū)域為置信度低區(qū)域；第一處理模塊，用于在方向圖上置信度高的區(qū)域采集控制點，進行三角化并通過 判斷差異度確定控制點集合；第二處理模塊，用于在方向圖上置信度低的區(qū)域人工標注控制點，將所標注的控 制點添加到控制點集合中進行三角化，并通過判斷差異度確定添加到控制點集合的控制點。獲取模塊，用于用控制點集合中控制點建立模型，求取模型參數(shù)，獲取最終方向 圖。優(yōu)選的，所述第一處理模塊包括以下子模塊采集子模塊，用于按照預設間隔采集控制點；三角化第一子模塊，用于確定所有控制點的包絡，連接位于包絡頂點的控制點，形 成以包絡內(nèi)控制點為頂點的三角形；所述包絡也即所有最外圍的控制點連線構(gòu)成的封閉區(qū) 域；優(yōu)化子模塊，用于將位于包絡內(nèi)的控制點依次插入，刪除包含所述控制點三角形 的公共邊，并對新形成的三角形進行優(yōu)化；第一計算子模塊，用于遍歷所有完全落入置信度高區(qū)域內(nèi)的三角形，確定其中心 點，并計算中心處方向與三角形頂點方向的差異度；第一判斷子模塊，用于判斷計算所得的差異度是否大于第一預設閥值第一處理子模塊，用于第一判斷子模塊判斷為是時，在該三角形中繼續(xù)采集新的 控制點，并重復進行優(yōu)化判斷，直到不再需要采集新的控制點；第二處理子模塊，用于第一判斷子模塊判斷為否時，確定該三角形區(qū)域中不再采 集新的控制點；確定子模塊，用于確定控制點集合。優(yōu)選的，所述第二處理模塊包括以下子模塊標記子模塊，用于人工標記控制點；三角化第二子模塊，用于將人工標記的控制點添加到控制點集合中進行三角化；獲取子模塊，用于獲取包含人工標記控制點的三角形的中心；第二計算子模塊，用于計算中心點處方向與三角形頂點方向的差異度；第二判斷子模塊，用于判斷所述差異度是否大于第二預設閥值第三處理子模塊，用于第二判斷子模塊判斷為是時，在該三角形中繼續(xù)人工標記 控制點，并重復進行三角化以及判斷，直到不再需要人工標記新的控制點；第四處理子模塊，用于第二判斷子模塊判斷為否時，確定該三角形區(qū)域中不再人 工標記新的控制點；第三判斷子模塊，用于計算三角化后未被覆蓋區(qū)域中各個點到三角化后最外圍邊 構(gòu)成的包絡的最小距離，并判斷其是否大于第三預設閥值
第五處理子模塊，用于在第三判斷子模塊判斷為是時，在由該點構(gòu)成的區(qū)域人工 標記控制點，并且對人工標記的控制點重復進行計算和判斷操作，直到無需人工標記控制 點為止；第六處理子模塊，用于在第三判斷子模塊判斷為否時，確定由該點構(gòu)成的區(qū)域不 需要人工標記控制點。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點本發(fā)明通過提取圖像中含指紋的部分，獲取指紋圖像的有效區(qū)域，求取所獲取有 效區(qū)域的方向圖和置信度，判斷所求取的置信度是否高于預設的置信度閥值若是，則標記 該區(qū)域為置信度高區(qū)域；若否，則標記該區(qū)域為置信度低區(qū)域；在方向圖上置信度高的區(qū) 域采集控制點，進行三角化并通過判斷差異度確定控制點集合，在方向圖上置信度低的區(qū) 域人工標注控制點，將所標注的控制點添加到控制點集合中進行三角化，并通過判斷差異 度確定添加到控制點集合的控制點，用控制點集合中控制點建立模型，求取模型參數(shù)，獲取 最終方向圖，采用交互的方式添加控制點，融合了計算機自動處理的能力和人的智能和靈 活，根據(jù)得到的控制點用模型的方法求取方向圖，保證了求取出的方向圖有一定的抗噪能 力，為后續(xù)的指紋比對奠定了必要的基礎，解決了對現(xiàn)場提取的質(zhì)量較差的指紋提取方向 圖的問題，為案件偵破提供了強有力的幫助。


圖1是本發(fā)明實施例一所述的一種求取現(xiàn)場指紋方向的方法流程圖；圖2是本發(fā)明實施例一所述的保存的指紋圖像的有效區(qū)域的示意圖；圖3是本發(fā)明實施例二所述的一種求取現(xiàn)場指紋方向的裝置結(jié)構(gòu)圖。
具體實施例方式為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實 施方式對本發(fā)明作進一步詳細的說明。隨著指紋識別技術(shù)的不斷發(fā)展，其應用也越來越廣泛，尤其對刑事偵破的幫助也 越來越大，如果能夠找到一種快速有效求取現(xiàn)場指紋方向的方法和裝置，那么將會有效提 高現(xiàn)場指紋的提取質(zhì)量，為刑事案件的偵破提供強有力的幫助。因此，本專利發(fā)明人創(chuàng)造性地提出了本發(fā)明實施例的核心構(gòu)思之一，即提供一種 求取現(xiàn)場指紋方向的方法和裝置，通過提取圖像中含指紋的部分，獲取指紋圖像的有效區(qū) 域，求取所獲取有效區(qū)域的方向圖和置信度，判斷所求取的置信度是否高于預設的置信度 閥值若是，則標記該區(qū)域為置信度高區(qū)域；若否，則標記該區(qū)域為置信度低區(qū)域；在方向 圖上置信度高的區(qū)域采集控制點，進行三角化并通過判斷差異度確定控制點集合，在方向 圖上置信度低的區(qū)域人工標注控制點，將所標注的控制點添加到控制點集合中進行三角 化，并通過判斷差異度確定添加到控制點集合的控制點，用控制點集合中控制點建立模型， 求取模型參數(shù)，獲取最終方向圖。實施例一參照圖1，示出了本發(fā)明所述的一種求取現(xiàn)場指紋方向的方法流程圖，所述方法具 體包括
S101，提取圖像中含指紋的部分，獲取指紋圖像的有效區(qū)域；所述提取出圖像中含有指紋的部分，也就是指一幅指紋圖像中包含脊線的部分， 這一部分圖像通常稱為指紋圖像的有效區(qū)域，具體的來說，將指紋圖像劃分為大小為16*16 像素的方格。對每一個方格統(tǒng)計其灰度均值與方差。如果其灰度均值在[30，220]范圍內(nèi)， 并且方差大于5，則當前方格被定為有效方格。對上面得到的結(jié)果進行3*3的頻域濾波，即 對每個16*16像素的方格，如果它的3*3的鄰域內(nèi)(即與它相八連通的8個16*16像素的 方格中)只有它一個在前面的步驟中被認為是無效的，則把它糾正為有效的。反之，如果它 的3*3的鄰域內(nèi)(即與它相八連通的8個方格中)只有它一個在前面的步驟中被認為是有 效的，則把它糾正為無效的。如果得到的有效區(qū)域是多連通區(qū)域，即判定的有效區(qū)域中間有 “洞”。則把這些“洞”的位置也更正為有效區(qū)域。實際中，使用一個簡單的由16-點構(gòu)成的鏈的模型來表示有效區(qū)域。首 先，找到上一部計算出的有效區(qū)域的中心，也即計算出所有有效區(qū)域內(nèi)點的X坐 標和y坐標的平均值。然后，從計算出的中心點以16個不同的角度(分別為0，
π π I 1 5 3 79 5 11 3 13 1π ^ 15^-
一,一 ,—π , —π , —π , —π , —π , Jt, —π , —π , —π , —π , —π ,——禾Π-
8 4 8 2 8 4，88 4 8 2 8 4 8
)畫出16條線。這些線和有效區(qū)域邊緣的交點即構(gòu)成了所需的16個點。這樣，通過保存
這32字節(jié)的數(shù)據(jù)，也就保存了這一指紋圖像的有效區(qū)域，圖2示出了所述保存的指紋圖像
的有效區(qū)域的示意圖。S102，求取所獲取有效區(qū)域的方向圖和置信度；指紋圖像的方向圖用一個矩陣0(m，η)表示，其中的每個元素0(m，η)代表該坐標 點(m，n)處指紋圖像中脊線的方向角度。一般取4X4的正方形(包含16個像素點)為一 個坐標單元，每個單元處的方向由該單元中心點的方向表示。具體的來說，首先，計算指紋圖像的有效區(qū)域中各個坐標點的方向，以計算點(X， y)的方向0(x，y)為例進行介紹，所采用的公式如下 其中，Γ表示以點(X，y)為中心的4X4的正方形，(Gx, Gy)是鄰域中每一點的橫縱坐標梯度分量，arctan ( ·)的值域是[_ π，Ji ],0(x，y)的值域是 W，π]。其次，計算各個坐標點的置信度，以計算點(x，y)的置信度w(x，y)為例進行介紹， 所采用的公式如下 其中，Γ表示以點(X，y)為中心的4X4的正方形，(Gx, Gy)是鄰域Γ中每一點的橫縱坐標梯度分量，w(x,y)的值域是W，l]，其值越高表示可信度越高，方向越可靠。S103，判斷所求取的置信度是否高于預設的置信度閥值
若是，則執(zhí)行S104;若否，則執(zhí)行S105;S104，標記該區(qū)域為置信度高區(qū)域；S105，標記該區(qū)域為置信度低區(qū)域；在步驟S102求取的方向圖和置信度矩陣的基礎上，設置置信度閾值wt = 0.25。對 于置信度大于這一閾值的區(qū)域，標記為置信度高區(qū)域，用H表示(可以有多個)，小于這一置 信度閾值的區(qū)域標記為置信度低區(qū)域，用L表示(可以有多個)。S106，在方向圖上置信度高的區(qū)域采集控制點，進行三角化并通過判斷差異度確 定控制點集合；優(yōu)選的，所述步驟S106包括以下子步驟S11，按照預設間隔采集控制點；定義采集間隔A = 26，在方向圖上置信度高的區(qū)域每隔A采集一個點作為控制 點，所述控制點包括位置和角度信息。利用上面得到的控制點把所述方向圖進行三角化，即 劃分為彼此不相交的多個三角形區(qū)域，所述控制點就在各個三角形頂點上。所述采集控制 點的工作一般有計算機完成。S12，確定所有控制點的包絡，連接位于包絡頂點的控制點，形成以包絡內(nèi)控制點 為頂點的三角形；所述包絡也即所有最外圍的控制點連線構(gòu)成的封閉區(qū)域；找到所有控制點的包絡，即所有最外圍的控制點連線構(gòu)成的封閉區(qū)域。直線連接 位于包絡頂點的控制點，使得包絡中的區(qū)域為多個互不相交的以包絡上的控制點為頂點的 三角形。S13，將位于包絡內(nèi)的控制點依次插入，刪除包含所述控制點三角形的公共邊，并 對新形成的三角形進行優(yōu)化；將位于包絡內(nèi)的控制點依次插入，在現(xiàn)有的三角形中找出其外接圓包含上述插入 控制點的三角形，刪除這種三角形的公共邊，將插入的控制點同上述三角形的全部頂點連 接起來，對局部新形成的三角形進行優(yōu)化將兩個具有共同邊的三角形合成一個多邊形。作 上述多邊形的最小外接圓，看其第四個頂點是否在三角形的外接圓之內(nèi)。如果在，修正對角 線即將對角線對調(diào)，即完成局部優(yōu)化過程的處理。如果不在，無需變動。重復進行操作，直 到所有散點插入完畢。S14，遍歷所有完全落入置信度高區(qū)域內(nèi)的三角形，確定其中心點，并計算中心處 方向與三角形頂點方向的差異度；對所有完全落在區(qū)域H內(nèi)的三角形(記為AMi M2 M3)遍歷，取P(Xp，yp)為三角形 AM2 M3的中心 其中，Xl、x2、x3分別為三角形A Mi M2 13頂點的橫坐標，y” y2、y3分別為三角形 A M2 M3的縱坐標。在計算出的P(xp，yp)周圍，在原方向圖中取歐氏距離與P(xp，yp)最近的一個像素 點Pn，把Pn的方向作為P(xp，yp)的方向估計值。
然后，計算三角中點P(xp，yp)處的方向《和三角形AM1 M2 M3頂點方向的差異度 S15，判斷計算所得的差異度是否大于第一預設閥值若是，則執(zhí)行S16;若否，則執(zhí)行S17。S16，在該三角形中繼續(xù)采集新的控制點，并重復進行優(yōu)化判斷，直到不再需要采 集新的控制點；S17，該三角形區(qū)域中不再采集新的控制點；假設取定一個閾值ADtl= 1800作為第一預設閥值，算出的AD大于此閾值則這 個三角形內(nèi)需要繼續(xù)采集控制點，則添加P(Xp，yp)作為新的控制點；Δ 小于此閾值的三角 形內(nèi)不需要添加控制點。對于新采集的控制重復進行三角化以及三角形的優(yōu)化和判斷，直 到不再需要采集新的控制點為止。S18，確定控制點集合。上述步驟中所采集的控制點作為控制點集合存在。步驟S104和S105所標記的區(qū)域H是不需要手工標注控制點的，而區(qū)域L是需要 用戶需要手工標注控制點的。S107，在方向圖上置信度低的區(qū)域人工標注控制點，將所標注的控制點添加到控 制點集合中進行三角化，并通過判斷差異度確定添加到控制點集合的控制點；優(yōu)選的，所述步驟S107包括以下子步驟S21，人工標記控制點；優(yōu)選的，所述控制點包括位置和角度信息。在所述區(qū)域L中能分辨脊線處，人工標記的控制點。標記控制點即為用于輔助恢 復方向圖的有效信息點，包括位置、角度信息，記人工標記的控制點為ΡΗ。S22，將人工標記的控制點添加到控制點集合中進行三角化；將人工標記的控制點PH添加到控制點集合中，三角化的具體實現(xiàn)參照前面的介 紹進行實現(xiàn)。S23，獲取包含人工標記控制點的三角形的中心；對于三角化后包含以PH為頂點的三角形，取P(xp，yp)為三角形
的中 心， 其中，X1, x2, X3分別為三角形AM1 M2 M3頂點的橫坐標，y” y2、y3分別為三角形 AM1 M2 M3的縱坐標。S24，計算中心點處方向與三角形頂點方向的差異度；具體來說通過插值得到P (xp，yp)的方向變換三角形頂點的方向取值范圍
對三角形頂點的方向進行變換 求取虛控制點的方向 對求出的控制點方向進行變換
點P的方向即為&
o
計算中點和三角形頂點的方向差異度AD預設閥值角化以及判斷，直到不再
S25，判斷所述差異度是否大于第 若是，則執(zhí)行S26; 若否，則執(zhí)行S27 ；
S26，在該三角形中繼續(xù)人工標記控制點，并重復進行J 需要人工標記新的控制點；S27，該三角形區(qū)域中不再人工標記新的控制點；設定一個閾值A隊作為第二預設閥值，若計算出的AD大于此閾值則這個三角形 內(nèi)提示需要標記控制點，需要在該三角形中繼續(xù)人工標記控制點，標記完控制點后，重復將 新標記的控制點加入到控制點集合中進行三角化以及判斷，直到不再需要人工標記新的控 制點為止；若AD小于此閾值，則該三角形中不再人工標記新的控制點。S28，計算三角化后未被覆蓋區(qū)域中各個點到三角化后最外圍邊構(gòu)成的包絡的最 小距離，并判斷其是否大于第三預設閥值
若是，則執(zhí)行S29;若否，則執(zhí)行S210。 S29，在由該點構(gòu)成的區(qū)域人工標記控制點，并且對人工標記的控制點重復進行計 算和判斷操作，直到無需人工標記控制點為止；S210,由該點構(gòu)成的區(qū)域不需要人工標記控制點。對于三角化后沒有三角形覆蓋的區(qū)域，記為區(qū)域N。對區(qū)域N中的各個點進行遍 歷，計算各點到包絡上的點的最小距離n_d，這里的包絡為三角化后所有三角形最外面的邊 構(gòu)成的包絡。設定一個閾值δ =20個像素點作為第三預設閥值，若n_d> δ，則在由該點構(gòu)成 的區(qū)域人工標記控制點，并且對人工標記的控制點重復進行計算和判斷操作，直到無需人 工標記控制點為止；若n_d< δ，則由該點構(gòu)成的區(qū)域不需要人工標記控制點。所標記的 控制點都會添加到控制點集合中。S108，用控制點集合中控制點建立模型，求取模型參數(shù)，獲取最終方向圖。優(yōu)選的所述步驟S108包括以下子步驟S31，選取能覆蓋控制點集合中所有控制點的最小包絡；S32，用控制點集合中控制點建立模型；定義θ (χ, y)和U(x，y)分別為點(x, y)處的方向和變換函數(shù)，則單位矢量U(x， y)可以用方向值θ (X，y)表示為U(x, y) = cos2 θ (χ, y)+isin2 θ (χ, y)= RE (χ, y)+iIM(x, y),其中，RE(χ, y)和IM(χ, y)分別表示U(x，y)的實部和虛部。為了刻畫式中RE(x，y)和IM(x，y)，兩個雙變量的多項式被建立起來，分別是 PR(X，y)和PI (x, y)。這兩個多項式可以用公式計算如下PR(x, y) = Xt · P1 · Y,禾口PI(x，y) = Xt · P2 · Y，其中，X=(l，x，x2，……,χΜ), Y= (l,y,y2,……，yM)，在上兩式中，M是多項式模型的階數(shù)。P1和P2各有(M+1)X(M+1)個參數(shù)需估計。 估計參數(shù)的過程是一個擬合的過程找到最佳的P1和P2使得重建的方向圖與原始方向圖之 間的誤差最小。在上述模型中，階數(shù)一般選擇M = 4，既可滿足擬合精度，取得較好的擬合效果，且 計算量較小。S33，求取模型參數(shù)月·，P；；(P；, P；) =arg min 其中，θ。是控制點(χ, y)的方向，θ 0 = 0(x, y)S是控制點的集合，S34，利用參數(shù)<，盡'求取最終的方向圖。
對于每個點(x，y)處的方向0 (x，y)，將其坐標值x，y和if , P2'的值代入PR(x, y) = XT Y禾口PI(x，y) = XT P2 Y，其中，X=(l，x，x2，……，XM)，Y= (l，y，y2，……，yM)，求出PR(x, y)和 PI(x, y)，即求出 RE(x, y)和 IM(x, y)。再將RE(x，y)和IM(x，y)代入公式U(x, y) = cos2 0 (x, y)+isin2 0 (x, y)= RE(x, y)+iIM(x, y),求出0 (x，y)，即求出了方向圖。本實施例所述的求取現(xiàn)場指紋方向的方法，采用交互的方式添加控制點，融合了 計算機自動處理的能力和人的智能和靈活，根據(jù)得到的控制點用模型的方法求取方向圖， 保證了求取出的方向圖有一定的抗噪能力，為后續(xù)的指紋比對奠定了必要的基礎，解決了 對現(xiàn)場提取的質(zhì)量較差的指紋提取方向圖的問題，為案件偵破提供了強有力的幫助。實施例二參照圖3，示出了本發(fā)明所述的一種求取現(xiàn)場指紋方向的裝置結(jié)構(gòu)圖，所述裝置具 體包括提取模塊301，用于提取圖像中含指紋的部分，獲取指紋圖像的有效區(qū)域；求取模塊302，用于求取所獲取有效區(qū)域的方向圖和置信度；判斷模塊303，用于判斷所求取的置信度是否高于預設的置信度閥值第一標記模塊304，用于判斷模塊303判斷為是時，標記該區(qū)域為置信度高區(qū)域；第二標記模塊305，用于判斷模塊303判斷為否時，標記該區(qū)域為置信度低區(qū)域；第一處理模塊306，用于在方向圖上置信度高的區(qū)域采集控制點，進行三角化并通 過判斷差異度確定控制點集合；第二處理模塊307，用于在方向圖上置信度低的區(qū)域人工標注控制點，將所標注的 控制點添加到控制點集合中進行三角化，并通過判斷差異度確定添加到控制點集合的控制點.獲取模塊308，用于用控制點集合中控制點建立模型，求取模型參數(shù)，獲取最終方 向圖。優(yōu)選的，所述第一處理模塊306包括以下子模塊采集子模塊3061，用于按照預設間隔采集控制點；三角化第一子模塊3062，用于確定所有控制點的包絡，連接位于包絡頂點的控制 點，形成以包絡內(nèi)控制點為頂點的三角形；所述包絡也即所有最外圍的控制點連線構(gòu)成的 封閉區(qū)域；優(yōu)化子模塊3063，用于將位于包絡內(nèi)的控制點依次插入，刪除包含所述控制點三 角形的公共邊，并對新形成的三角形進行優(yōu)化；第一計算子模塊3064，用于遍歷所有完全落入置信度高區(qū)域內(nèi)的三角形，確定其 中心點，并計算中心處方向與三角形頂點方向的差異度；第一判斷子模塊3065，用于判斷計算所得的差異度是否大于第一預設閥值第一處理子模塊3066，用于第一判斷子模塊3065判斷為是時，在該三角形中繼續(xù)采集新的控制點，并重復進行優(yōu)化判斷，直到不再需要采集新的控制點；第二處理子模塊3067，用于第一判斷子模塊3065判斷為否時，確定該三角形區(qū)域 中不再采集新的控制點；確定子模塊3068，用于確定控制點集合。
優(yōu)選的，所述第二處理模塊307包括以下子模塊標記子模塊3071，用于人工標記控制點；三角化第二子模塊3072，用于將人工標記的控制點添加到控制點集合中進行三角 化；獲取子模塊3073，用于獲取包含人工標記控制點的三角形的中心；第二計算子模塊3074，用于計算中心點處方向與三角形頂點方向的差異度；第二判斷子模塊3075，用于判斷所述差異度是否大于第二預設閥值第三處理子模塊3076，用于第二判斷子模塊3075判斷為是時，在該三角形中繼續(xù) 人工標記控制點，并重復進行三角化以及判斷，直到不再需要人工標記新的控制點；第四處理子模塊3077，用于第二判斷子模塊3075判斷為否時，確定該三角形區(qū)域 中不再人工標記新的控制點；第三判斷子模塊3078，用于計算三角化后未被覆蓋區(qū)域中各個點到三角化后最外 圍邊構(gòu)成的包絡的最小距離，并判斷其是否大于第三預設閥值第五處理子模塊3079，用于在第三判斷子模塊3078判斷為是時，在由該點構(gòu)成的 區(qū)域人工標記控制點，并且對人工標記的控制點重復進行計算和判斷操作，直到無需人工 標記控制點為止；第六處理子模塊30710，用于在第三判斷子模塊3078判斷為否時，確定由該點構(gòu) 成的區(qū)域不需要人工標記控制點。本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與 其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。對于裝置實施例 而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關(guān)之處參見方法實施例的部 分說明即可。以上對本發(fā)明所提供的一種求取現(xiàn)場指紋方向的方法和裝置進行了詳細介紹，本 文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于 幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思 想，在具體實施方式
及應用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應理解為對 本發(fā)明的限制。
權(quán)利要求
一種求取現(xiàn)場指紋方向的方法，其特征在于，所述方法包括提取圖像中含指紋的部分，獲取指紋圖像的有效區(qū)域；求取所獲取有效區(qū)域的方向圖和置信度；判斷所求取的置信度是否高于預設的置信度閥值若是，則標記該區(qū)域為置信度高區(qū)域；若否，則標記該區(qū)域為置信度低區(qū)域；在方向圖上置信度高的區(qū)域采集控制點，進行三角化并通過判斷差異度確定控制點集合；在方向圖上置信度低的區(qū)域人工標注控制點，將所標注的控制點添加到控制點集合中進行三角化，并通過判斷差異度確定添加到控制點集合的控制點；用控制點集合中控制點建立模型，求取模型參數(shù)，獲取最終方向圖。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在方向圖上置信度高的區(qū)域采集控 制點，進行三角化并通過判斷差異度確定控制點集合具體包括以下子步驟按照預設間隔采集控制點；確定所有控制點的包絡，連接位于包絡頂點的控制點，形成以包絡內(nèi)控制點為頂點的 三角形；所述包絡也即所有最外圍的控制點連線構(gòu)成的封閉區(qū)域；將位于包絡內(nèi)的控制點依次插入，刪除包含所述控制點三角形的公共邊，并對新形成 的三角形進行優(yōu)化；遍歷所有完全落入置信度高區(qū)域內(nèi)的三角形，確定其中心點，并計算中心處方向與三 角形頂點方向的差異度；判斷計算所得的差異度是否大于第一預設閥值若是，則在該三角形中繼續(xù)采集新的控制點，并重復進行優(yōu)化判斷，直到不再需要采集 新的控制點；若否，則該三角形區(qū)域中不再采集新的控制點； 確定控制點集合。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在方向圖上置信度低的區(qū)域人工標 注控制點，將所標注的控制點添加到控制點集合中進行三角化，并通過判斷差異度確定添 加到控制點集合的控制點具體包括以下子步驟人工標記控制點；將人工標記的控制點添加到控制點集合中進行三角化； 獲取包含人工標記控制點的三角形的中心； 計算中心點處方向與三角形頂點方向的差異度； 判斷所述差異度是否大于第二預設閥值若是，則在該三角形中繼續(xù)人工標記控制點，并重復進行三角化以及判斷，直到不再需 要人工標記新的控制點；若否，則該三角形區(qū)域中不再人工標記新的控制點；計算三角化后未被覆蓋區(qū)域中各個點到三角化后最外圍邊構(gòu)成的包絡的最小距離，并 判斷其是否大于第三預設閥值若是，則在由該點構(gòu)成的區(qū)域人工標記控制點，并且對人工標記的控制點重復進行計算和判斷操作，直到無需人工標記控制點為止；若否，則由該點構(gòu)成的區(qū)域不需要人工標記控制點。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用控制點集合中控制點建立模型，求 取模型參數(shù)，獲取最終方向圖具體包括以下子步驟選取能覆蓋控制點集合中所有控制點的最小包絡； 用控制點集合中控制點建立模型； 求取模型參數(shù)^，P2*; 利用參數(shù)Zf , <求取最終的方向圖。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于 所述控制點包括位置和角度信息。
6.一種求取現(xiàn)場指紋方向的裝置，其特征在于，所述裝置包括提取模塊，用于提取圖像中含指紋的部分，獲取指紋圖像的有效區(qū)域； 求取模塊，用于求取所獲取有效區(qū)域的方向圖和置信度； 判斷模塊，用于判斷所求取的置信度是否高于預設的置信度閥值 第一標記模塊，用于判斷模塊判斷為是時，標記該區(qū)域為置信度高區(qū)域； 第二標記模塊，用于判斷模塊判斷為否時，標記該區(qū)域為置信度低區(qū)域； 第一處理模塊，用于在方向圖上置信度高的區(qū)域采集控制點，進行三角化并通過判斷 差異度確定控制點集合；第二處理模塊，用于在方向圖上置信度低的區(qū)域人工標注控制點，將所標注的控制點 添加到控制點集合中進行三角化，并通過判斷差異度確定添加到控制點集合的控制點； 獲取模塊，用于用控制點集合中控制點建立模型，求取模型參數(shù)，獲取最終方向圖。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第一處理模塊包括以下子模塊 采集子模塊，用于按照預設間隔采集控制點；三角化第一子模塊，用于確定所有控制點的包絡，連接位于包絡頂點的控制點，形成以 包絡內(nèi)控制點為頂點的三角形；所述包絡也即所有最外圍的控制點連線構(gòu)成的封閉區(qū)域；優(yōu)化子模塊，用于將位于包絡內(nèi)的控制點依次插入，刪除包含所述控制點三角形的公 共邊，并對新形成的三角形進行優(yōu)化；第一計算子模塊，用于遍歷所有完全落入置信度高區(qū)域內(nèi)的三角形，確定其中心點，并 計算中心處方向與三角形頂點方向的差異度；第一判斷子模塊，用于判斷計算所得的差異度是否大于第一預設閥值 第一處理子模塊，用于第一判斷子模塊判斷為是時，在該三角形中繼續(xù)采集新的控制 點，并重復進行優(yōu)化判斷，直到不再需要采集新的控制點；第二處理子模塊，用于第一判斷子模塊判斷為否時，確定該三角形區(qū)域中不再采集新 的控制點；確定子模塊，用于確定控制點集合。
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第二處理模塊包括以下子模塊 標記子模塊，用于人工標記控制點；三角化第二子模塊，用于將人工標記的控制點添加到控制點集合中進行三角化； 獲取子模塊，用于獲取包含人工標記控制點的三角形的中心；第二計算子模塊，用于計算中心點處方向與三角形頂點方向的差異度； 第二判斷子模塊，用于判斷所述差異度是否大于第二預設閥值 第三處理子模塊，用于第二判斷子模塊判斷為是時，在該三角形中繼續(xù)人工標記控制 點，并重復進行三角化以及判斷，直到不再需要人工標記新的控制點；第四處理子模塊，用于第二判斷子模塊判斷為否時，確定該三角形區(qū)域中不再人工標 記新的控制點；第三判斷子模塊，用于計算三角化后未被覆蓋區(qū)域中各個點到三角化后最外圍邊構(gòu)成的包絡的最小距離，并判斷其是否大于第三預設閥值第五處理子模塊，用于在第三判斷子模塊判斷為是時，在由該點構(gòu)成的區(qū)域人工標記 控制點，并且對人工標記的控制點重復進行計算和判斷操作，直到無需人工標記控制點為 止；第六處理子模塊，用于在第三判斷子模塊判斷為否時，確定由該點構(gòu)成的區(qū)域不需要 人工標記控制點。
全文摘要
本發(fā)明提供了一種求取現(xiàn)場指紋方向的方法和裝置，通過采用交互的方式添加控制點，融合了計算機自動處理的能力和人的智能和靈活，根據(jù)得到的控制點用模型的方法求取方向圖，保證了求取出的方向圖有一定的抗噪能力，為后續(xù)的指紋比對奠定了必要的基礎，解決了對現(xiàn)場提取的質(zhì)量較差的指紋提取方向圖的問題，為案件偵破提供了強有力的幫助。
文檔編號G06K9/00GK101853382SQ20101017740
公開日2010年10月6日 申請日期2010年5月18日 優(yōu)先權(quán)日2010年5月18日
發(fā)明者周杰, 夏露, 陳芳林 申請人:清華大學