具体实施方式

在下文中，将描述本发明的示例实施例，但以下示例实施例不限制根据权利要求的本发明。另外，并非示例实施例中描述的特征的所有组合对于本发明的解决方案都是必不可少的。

图1是示出根据本发明的示例实施例的指纹核对系统的功能配置的示例的示意性框图。在图1中所示的配置中，指纹核对设备100包括通信单元110、显示单元(显示装置)120、操作输入单元(操作输入装置)130、存储单元(存储装置)170，以及控制单元(控制装置)180。控制单元180包括机器学习处理单元(机器学习处理装置)181、预处理单元(预处理装置)182、中心线图像生成单元(中心线图像生成装置)183、区信息生成单元(区信息生成装置)184、编辑接收单元(编辑接收装置)185、特征点提取单元(特征点提取装置)186和指纹核对单元(指纹核对装置)187。

指纹核对设备100接收指纹图像的输入并且执行指纹核对。具体地，指纹核对设备100学习图像处理，作为用于通过机器学习生成中心线图像的预处理。

中心线是指示脊在宽度方向上的中心的线。中心线图像是指示中心线的二进制图像。与使用脊相比，可以通过使用中心线以较高精度提取特征点，因为线宽度可以被忽略。为了改进中心线图像的准确性，还可以进一步对自动生成的中心线图像执行人工编辑。在这种情况下，优选的是自动生成的中心线图像的精度应该较高以减轻执行编辑的操作者的负担。

通过使用指纹图像和中心线图像的机器学习，指纹核对设备100学习用于从指纹图像生成与中心线图像接近的图像的预处理。然后，指纹核对设备100将预处理应用于指纹图像，并且基于预处理后的图像生成中心线图像。指纹核对设备100基于与中心线图像接近的图像来生成中心线图像。因此，根据指纹核对设备100，与在基于原始指纹图像(尚未对其执行预处理的指纹图像)生成中心线图像时相比，可以生成更准确的中心线图像。因此，在指纹核对设备100中，编辑自动生成的中心线图像的操作者的负担可能相对较小。

通信单元110与其它设备通信。例如，通信单元110从扫描仪设备接收呈图像数据格式的指纹图像。

另外，通信单元110可以从外部服务器接收呈图像数据格式的指纹图像。

显示单元120包括例如显示屏，诸如液晶面板或发光二极管(LED)面板，并且显示各种图像。

例如，显示单元120对应于选择对象图像显示单元(选择对象图像显示装置)的示例，显示通过将多个算法应用于相同指纹图像获得的多个中心线图像，并且将在这些图像中选择的图像显示为用于编辑的图像。

另外，显示单元120对应于预处理后图像显示单元(预处理图像显示装置)的示例，并且显示指示通过由预处理单元182执行的预处理获得的中心线并且具有三个或更多个灰度的图像。

操作输入单元130包括例如输入设备，诸如键盘和鼠标，并且接收用户操作。

例如，操作输入单元130对应于选择操作接收单元(选择操作接收装置)的示例，并且接收用于选择要由显示单元120显示的用于编辑的中心线图像候选者中的任何一个的用户操作。另外，操作输入单元130接收用于编辑所选择的中心线图像的用户操作。

存储单元170存储各种类型的数据。例如，存储单元170存储用于获取中心线图像的原始指纹图像、在从指纹图像生成中心线图像的过程中的各种图像，以及关于从中心线图像提取的特征点的信息。另外，存储单元170存储由指纹核对设备100执行的各种程序。

此外，存储单元170可以存储用于指纹核对的指纹数据库信息。指纹数据库信息包括关于要核对的多个指纹中的每一个指纹的特征点的信息。或者，除了指纹核对设备100之外的设备可以存储指纹数据库信息。

使用包括在指纹核对设备100中的存储设备来配置存储单元170。

控制单元180控制指纹核对设备100的每个单元，并且执行各种类型的处理。控制单元180的功能由包括在指纹核对设备100中的从存储单元170读取并执行程序的中央处理单元(CPU)执行。

机器学习处理单元181学习用于通过机器学习为指纹图像生成中心线图像的预处理。具体地，通过将指纹图像、指纹图像的中心线信息以及此指纹图像的区信息用作学习数据来执行机器学习，机器学习处理单元181学习输出图像的处理作为预处理，所述图像具有三个或更多个灰度并且响应于指纹图像的输入而指示中心线。

指纹图像的中心线信息是指示指纹图像中的中心线的信息。机器学习处理单元181可以获取中心线图像作为中心线信息，但是示例实施例不限于此。例如，机器学习处理单元181可以获取指示中心线在指纹图像中的位置的坐标值作为中心线信息。

指纹图像的区信息是指示作为指纹图像中对指纹核对有效的部分的区的信息。对指纹核对有效的部分是其中可以以更高精度提取指纹的特征点的部分，诸如其中可以从例如指纹图像相对清楚地提取中心线的部分。通过使用对指纹核对有效的部分中的特征点执行指纹核对，预期以相对较高精度来执行指纹核对。

机器学习处理单元181可以获取作为指示区的二进制图像的区图像作为区信息，但是示例实施例不限于此。例如，机器学习处理单元181可以通过指纹图像的坐标值来获取区信息，所述区信息指示对指纹核对有效的指纹图像的部分。

机器学习处理单元181的学习数据的中心线信息(例如，中心线图像)和区信息(例如，区图像)中的一个或两个可以由上述操作者等手动地生成。例如，操作者可以通过沿着指纹图像的脊线绘制中心线来生成中心线图像。

机器学习处理单元181执行机器学习的方法不限于特定方法。例如，机器学习处理单元181可以通过使用神经网络的深度学习来执行机器学习，但是示例实施例不限于此。

预处理单元182将预处理应用于核对对象指纹图像，通过机器学习处理单元181对所述预处理执行机器学习。因此，预处理单元182输出图像，所述图像具有三个或更多个灰度并且指示核对对象指纹图像的中心线。通过机器学习变得可执行的预处理是机器学习结果的一个示例。

通过预处理单元182输出的图像被称为预处理后图像。

在某种意义上，预处理后图像是类似于中心线图像的指纹图像，其中输入指纹图像的脊像中心线一样被细化。尽管中心线图像是指示中心线还是非中心线的二进制图像，但是预处理后图像是具有三个或更多个灰度的图像(例如，灰度图像)。由于预处理后图像具有三个或更多个灰度，因此可以通过将预处理后图像视为指纹图像并且应用基于指纹图像生成二进制中心线图像的方法来获得中心线图像。

当机器学习处理单元181通过深度学习来执行机器学习时，可以在机器学习之后使用神经网络执行预处理单元182的功能。

中心线图像生成单元183基于在预处理单元182的处理中获得的预处理后图像生成二进制中心线图像。作为中心线图像生成单元183基于预处理后图像生成二进制中心线图像的方法，可以使用用于基于指纹图像生成中心线图像的各种已知方法。

通过使用用于基于指纹图像生成中心线图像的多个方法，中心线图像生成单元183生成相应的中心线图像。

中心线图像生成单元183在多个方法中的至少一个方法中输出具有预处理后图像作为输入的中心线图像。中心线图像生成单元183可以在所有多个方法中输出具有预处理后图像作为输入的中心线图像。或者，中心线图像生成单元183可以在多个方法中的至少一个方法中输出具有原始指纹图像(尚未对其执行预处理单元182的处理的指纹图像)作为输入的中心线图像。中心线图像生成单元183还可以通过以原始指纹图像和预处理后图像中的每一个作为输入应用相同的方法来生成相应的中心线图像。

区信息生成单元184基于在预处理单元182的处理中获得的预处理后图像来生成预处理图像的区信息。如上所述，预处理后图像是其脊像中心线一样被细化的指纹图像。因此，预处理后图像的区信息是指示作为预处理后图像中对指纹核对有效的部分的区的信息。

编辑接收单元185基于用户操作来编辑中心线图像。

具体地，编辑接收单元185使显示单元120显示由中心线图像生成单元183生成的多个中心线图像。然后，编辑接收单元185根据由操作输入单元130接收的用户操作来选择任何一个中心线图像，并且选择多个中心线图像中的任一个。编辑接收单元185使显示单元120显示所选择中心线图像，并且根据由操作输入单元130接收的用于编辑中心线图像的用户操作来编辑中心线图像。

编辑接收单元185可以执行编辑，使得根据由操作输入单元130接收的用户操作，通过某一方法生成的中心线图像的一些区域被通过另一方法生成的中心线图像替换，并且所述编辑接收单元185可以使显示单元120显示编辑的过程。

特征点提取单元186从由编辑接收单元185编辑的中心线图像中提取指纹的特征点。

指纹核对单元187基于由特征点提取单元186提取的特征点来执行指纹核对。具体地，指纹核对单元187将由特征点提取单元186提取的特征点与注册在指纹数据库信息中的每个指纹的特征点进行比较。然后，特征点提取单元186至少根据预定条件注册在指纹数据库信息中的指纹中选择其特征点相似的指纹，作为与要核对的指纹一致的指纹。例如，指纹核对单元187使显示单元120显示关于所选择指纹的信息，或指示不存在所选择指纹或一致指纹的信息。

包括指纹核对设备100的各单元中的预处理单元182和中心线图像生成单元183的配置是图像处理设备的配置的示例。

图2是示出在机器学习期间的数据输入和输出的示例的图。

在图2的示例中，机器学习处理单元181接收在处理之前的指纹图像、指纹图像的中心线信息以及指纹图像的区信息的输入作为学习数据，并且通过使用学习数据，机器学习处理单元181对图像处理执行机器学习以用于将处理之前的指纹图像转换成处理后的指纹图像(步骤S111)。

通过在步骤S111中的机器学习的处理，机器学习处理单元181通过机器学习来学习将由预处理单元182执行的预处理。因此，在处理之前的指纹图像与作为预处理单元182的输入的原始指纹图像相关联。处理后的指纹图像与作为从预处理单元182输出的预处理后图像相关联。

机器学习处理单元181针对给定学习数据的数量来重复步骤S111的机器学习。

图3是示出在指纹注册时的处理流程的示例的图。

在图3的处理中，预处理单元182接收在处理之前的指纹图像(原始指纹图像)的输入，并且输出通过对输入的指纹图像执行预处理所获得的处理后的指纹图像(预处理后图像)(步骤S211)。

区信息生成单元184使用预处理后图像生成预处理后图像的区信息(步骤S221)。

另外，中心线图像生成单元183生成中心线图像(步骤S222)。

如上所述，中心线图像生成单元183使用基于指纹图像来生成中心线图像的多个方法中的每一个方法生成中心线图像。中心线图像生成单元183在多个方法中的至少一个方法中输出具有预处理后图像作为输入的中心线图像。

由中心线图像生成单元183生成的中心线图像被称为编辑之前的中心线图像。

编辑接收单元185基于用户操作来编辑由中心线图像生成单元183生成的中心线图像(步骤S231)。

如上所述，编辑接收单元185使显示单元120显示由中心线图像生成单元183生成的多个中心线图像。然后，编辑接收单元185根据由操作输入单元130接收的用于选择多个中心线图像中的任一个中心线图像的用户操作来选择任何一个中心线图像。编辑接收单元185使显示单元120显示所选择中心线图像，并且根据由操作输入单元130接收的用于编辑中心线图像的用户操作来编辑中心线图像。

中心线图像生成单元183可以将具有作为输入的预处理图像而输出的中心线图像与区信息组合成一条信息，使得显示单元120显示彼此相关联的中心线图像和区信息。例如，中心线图像生成单元183可以将来自区信息生成单元184的区信息转换成中心线图像中的坐标信息形式，并且将中心线图像与区信息组合成一条信息。随后，编辑接收单元185可以使显示单元120基于组合的信息来显示通过将指示区的图像叠加在中心线图像上而获得的图像。图3示出在此情况下的数据输入和输出的示例。

或者，编辑接收单元185可以将由中心线图像生成单元183生成的中心线图像与由区信息生成单元184生成的区信息进行组合，并且使显示单元120显示通过将指示区的图像叠加在中心线图像上而获得的图像。

接下来，特征点提取单元186从在由编辑接收单元185编辑之后的中心线图像中提取指纹的特征点(步骤S232)。

当注册指纹时，特征点提取单元186将指示所提取的特征点的信息与指示指纹的信息相关联地注册在指纹数据库信息中(步骤S233)。例如，特征点提取单元186将指示所提取特征点的信息与初始指纹图像(或原始指纹图像)相关联，并且将它们注册在指纹数据库中。除了指纹图像之外或代替指纹图像，特征点提取单元186可以将关于指纹拥有者的信息(诸如指纹拥有者的姓名)与指示特征点的信息相关联地注册在指纹数据库信息中。

在步骤S233之后，指纹核对设备100结束图3的处理。

图4是示出在指纹核对时的处理流程的示例的图。

图4的步骤S311至S332与图3的步骤S211至S232相同。

另一方面，在指纹核对时，指纹核对单元187执行指纹核对，而不是注册指示在图3的步骤S233中由特征点提取单元186执行的特征点的信息等(步骤S333)

如上所述，指纹核对单元187将由特征点提取单元186提取的特征点与注册为指纹数据库信息的每个指纹的特征点进行比较。然后，特征点提取单元186至少根据预定条件在注册为指纹数据库信息的指纹中选择其特征点相似的指纹，作为与要核对的指纹一致的指纹。

在步骤S333之后，指纹核对设备100结束图4的处理。

指纹核对设备100还可以由多个设备配置。

图5是示出根据示例实施例的指纹核对系统的设备配置的示例的图。在图5所示的配置中，指纹核对系统1包括机器学习处理设备200、图像处理设备300和核对处理设备400。

在指纹核对系统1中，将由机器学习处理单元181执行的处理分配给机器学习处理设备200，并且由指纹核对单元187执行的处理由核对处理设备400执行。图像处理设备300执行除了由机器学习处理单元181和机器核对单元187执行的处理之外的处理。因此，指纹核对系统1与指纹核对设备100执行相同的处理。

图6是示出图像处理设备300的功能配置的示例的示意性框图。在图6所示的配置中，图像处理设备300包括通信单元110、显示单元120、操作输入单元130、存储单元170，以及控制单元(控制装置)380。控制单元380包括预处理单元182、中心线图像生成单元183、区信息生成单元184、编辑接收单元185，以及特征点提取单元186。

在图像处理设备300中，与指纹核对设备100(参见图1)的控制单元180不同，控制单元380不包括机器学习处理单元181和指纹核对单元187。这是因为机器学习处理单元181的功能被分配给机器学习处理设备200，并且指纹核对单元187的功能被分配给核对处理设备400。

否则，图像处理设备300类似于指纹核对设备100。

然而，当指纹核对设备100被分成多个设备时的配置不限于图5和6中所示的配置。例如，指纹核对系统可以由以下设备配置：执行指纹核对设备100的处理中的机器学习处理单元181的处理的机器学习处理设备；以及执行其它处理的指纹核对设备。

以此方式，预处理单元182将输出图像的处理应用于核对对象指纹图像，所述图像具有三个或更多个灰度并且响应于指纹图像的输入而指示中心线，所述中心线已通过将指纹图像、指纹图像的中心线信息以及指纹图像的区信息用作学习数据的机器学习来学习。中心线图像生成单元183基于在预处理单元182的处理中获得的图像生成二进制中心线图像。

通过将指纹图像、指纹图像的中心线信息以及指纹图像的区信息用作学习数据执行机器学习，可以学习用于从指纹图像生成与中心线图像接近的图像的预处理。预处理单元182对指纹图像执行预处理，并且中心线图像生成单元183基于在预处理之后的图像(预处理后图像)生成中心线图像，并且由此指纹核对设备100可以基于与中心线图像接近的图像生成中心线图像。因此，与在基于原始指纹图像(尚未对其执行预处理的指纹图像)生成中心线图像时相比，指纹核对设备100可以生成具有更高精度的中心线图像。因此，在指纹核对设备100中，编辑自动生成的中心线图像的操作者的负担可能相对较小。

另外，区信息生成单元184基于由预处理单元182所执行的预处理获得的图像而生成预处理后图像的区信息。

编辑中心线图像的操作者可以参考由区信息生成单元184生成的区信息在编辑后的中心线图像中设置区(用于指纹核对的部分)。根据指纹核对设备100，就此而言操作者的负担可能相对较小。

另外，显示单元120显示通过多个方法生成的多个中心线图像，所述多个方法包括由预处理单元182和中心线图像生成单元183执行的方法。操作输入单元130接收用于选择多个中心线图像中的任一个中心线图像的用户操作。

因此，编辑中心线图像的操作者可以在多个所指示的中心线图像中选择并编辑最适合于编辑的中心线图像。因此，用户的负担可能相对较小。

另外，显示单元120显示预处理后图像。

预处理后图像是指示原始指纹图像中的中心线的图像，并且编辑中心线图像的操作者可以将预处理后图像称为中心线图像的编辑。

另外，特征点提取单元186从由编辑接收单元185编辑的中心线图像中提取特征点。指纹核对单元187使用所提取的特征点执行指纹核对。

根据指纹核对设备100，通过使用编辑后的中心线图像来提取特征点，可以以相对较高的精度执行指纹核对。另外，根据指纹核对设备100，编辑指纹图像的操作者可以基于由预处理单元182处理的预处理后图像来编辑由中心线图像生成单元183生成的中心线图像。与基于原始指纹图像(尚未对其执行预处理的指纹图像)生成中心线图像时相比，中心线图像生成单元183可以生成具有更高精度的中心线图像，并且就此而言，操作者的负担可能相对较小。

接下来，将参考图7至10描述本发明的示例实施例的配置。

图7是示出根据示例实施例的图像处理设备的配置的示例的图。图7所示的图像处理设备10包括预处理单元(预处理装置)11和中心线图像生成单元(中心线图像生成装置)12。

在此配置中，预处理单元11将用于输出图像的处理应用于核对对象指纹图像，所述图像具有三个或更多个灰度并且响应于指纹图像的输入而指示中心线，所述中心线已通过将指纹图像、指示指纹图像中的中心线的中心线信息以及指示作为指纹图像中对指纹核对有效的部分的区的区信息用作学习数据的机器学习来学习。中心线图像生成单元12基于通过预处理单元11的处理获得的图像来生成二进制中心线图像。

通过将指纹图像、指纹图像的中心线信息以及指纹图像的区信息用作学习数据来执行机器学习，可以学习用于从指纹图像生成与中心线图像接近的图像的预处理。预处理单元11对指纹图像执行预处理，并且中心线图像生成单元12基于预处理后图像生成中心线图像，并且由此图像处理设备10可以基于与中心线图像接近的图像生成中心线图像。因此，与基于原始指纹图像(尚未对其执行预处理的指纹图像)生成中心线图像时相比，图像处理设备10可以生成具有更高精度的中心线图像。因此，在图像处理设备10中，编辑自动生成的中心线图像的操作者的负担可能相对较小。

图8是示出根据示例实施例的图像处理设备的配置的另一示例的图。图8中所示的图像处理设备20包括机器学习处理单元(机器学习处理装置)21、预处理单元(预处理装置)22，以及中心线图像生成单元(中心线图像生成装置)23。

在此配置中，通过将指纹图像、指示指纹图像中的中心线的中心线信息以及指示作为指纹图像中对指纹核对有效的部分的区的区信息用作学习数据来执行机器学习，机器学习处理单元21学习用于输出图像的处理，所述图像具有三个或更多个灰度并且响应于指纹图像的输入而指示中心线。预处理单元22将机器学习处理应用于核对对象指纹图像。中心线图像生成单元23基于在预处理单元22的处理中获得的图像生成二进制中心线图像。

通过将指纹图像、指纹图像的中心线信息以及指纹图像的区信息用作学习数据来执行机器学习，机器学习处理单元21可以学习用于从指纹图像生成与中心线图像接近的图像的预处理。预处理单元22对指纹图像执行预处理，并且中心线图像生成单元23基于预处理后图像生成中心线图像，并且由此图像处理设备20可以基于与中心线图像接近的图像来生成中心线图像。因此，与在基于原始指纹图像(尚未对其执行预处理的指纹图像)生成中心线图像时相比，图像处理设备20可以生成具有更高精度的中心线图像。因此，在图像处理设备20中，编辑自动生成的中心线图像的操作者的负担可能相对较小。

图9是示出根据示例实施例的图像处理方法中的处理流程的示例的图。图9中所示的图像处理方法包括执行预处理的过程(步骤S11)以及生成中心线图像的过程(步骤S12)。在步骤S11，用于输出图像的处理被应用于核对对象指纹图像，所述图像具有三个或更多个灰度并且指示中心线，所述中心线已通过将指纹图像、指示指纹图像中的中心线的中心线信息以及指示作为指纹图像中对指纹核对有效的部分的区的区信息用作学习数据的机器学习来学习。在步骤S12中，基于在步骤S11中获得的图像生成二进制中心线图像。

通过将指纹图像、指纹图像的中心线信息以及指纹图像的区信息用作学习数据来执行机器学习，可以学习用于从指纹图像生成与中心线图像接近的图像的预处理。在步骤S11中对指纹图像执行此预处理，并且在步骤S12中基于预处理后图像生成中心线图像，并且由此在图9的图像处理方法中，可以基于与中心线图像接近的图像生成中心线图像。因此，与在基于原始指纹图像(尚未对其执行预处理的指纹图像)生成中心线图像时相比，可以在图9的图像处理方法中生成具有更高精度的中心线图像。因此，在图9的图像处理方法中，编辑自动生成的中心线图像的操作者的负担可以相对较小。

图10是示出根据示例实施例的在图像处理方法中的处理流程的另一示例的图。图10中所示的图像处理方法包括执行机器学习的过程(步骤S21)、执行预处理的过程(步骤S22)以及生成中心线图像的过程(步骤S23)。在步骤S21中，通过将指纹图像、指示指纹图像中的中心线的中心线信息以及指示作为指纹图像中对指纹核对有效的部分的区的区信息用作学习数据的机器学习来学习输出图像的处理，所述图像具有三个或更多个灰度并且响应于指纹图像的输入而指示中心线。在步骤S22中，在步骤S21中学习的处理被应用于核对对象指纹图像。在步骤S23中，基于在步骤S22的处理中获得的图像生成二进制中心线图像。

在步骤S21中，通过将指纹图像、指纹图像的中心线信息以及指纹图像的区信息用作学习数据来执行机器学习，可以学习用于从指纹图像生成与中心线图像接近的图像的预处理。在步骤S22中对指纹图像执行处理，并且在步骤S23中基于预处理后图像生成中心线图像，并且由此在图10中的图像处理方法中，可以基于与中心线图像接近的图像生成中心线图像。因此，与在基于原始指纹图像(尚未对其执行预处理的指纹图像)生成中心线图像时相比，可以在图10的图像处理方法中生成具有更高精度的中心线图像。因此，在图10的图像处理方法中，编辑自动生成的中心线图像的操作者的负担可能相对较小。

图11是示出根据至少一个示例实施例的计算机的配置的示意性框图。

在图11中所示的配置中，计算机700包括CPU 710、主存储设备720、辅助存储设备730以及接口740。

上文所描述的图像处理设备10、图像处理设备20、指纹核对设备100和图像处理设备300中的一个或多个可以安装在计算机700上。在此情况下，上述每个处理单元的操作以程序的形式存储在辅助存储设备730中。CPU 710从辅助存储设备730读取程序，在主存储设备720中扩展程序，并根据程序执行上述处理。另外，CPU 710根据程序保护与主存储设备720中的上述每个存储单元相对应的存储区域。

图像处理设备10、图像处理设备20、指纹核对设备100，或图像处理设备300和另一设备之间的通信由接口740执行，所述接口具有通信功能并且根据CPU 710的控制执行通信。图像处理设备10、图像处理设备20、指纹核对设备100，或图像处理设备300的用户接口由接口740执行，所述接口740包括显示设备并且显示数据，或包括输入设备并且接收数据输入。

当图像处理设备10安装在计算机700上时，预处理单元11和中心线图像生成单元12的操作以程序形式存储在辅助存储设备730中。CPU 710从辅助存储设备730读取程序，在主存储设备720中扩展程序，并根据程序执行上述处理。

当图像处理设备20安装在计算机700上时，机器学习处理单元21、预处理单元22和中心线图像生成单元23的操作以程序形式存储在辅助存储设备730中。CPU 710从辅助存储设备730读取程序，在主存储设备720中扩展程序，并根据程序执行处理。

当指纹核对设备100安装在计算机700上时，控制单元180以及其每个单元的操作以程序形式存储在辅助存储设备730中。CPU 710从辅助存储设备730读取程序，在主存储设备720中扩展程序，并根据程序执行处理。

另外，CPU 710根据程序保护与主存储设备720中的存储单元170相对应的存储区域。由通信单元110执行的通信由接口740执行，所述接口740具有通信功能并且根据CPU710的控制执行通信。显示单元120的功能由接口740执行，所述接口740包括显示设备并且显示各种图像。操作输入单元130的功能由接口740执行，所述接口740包括输入设备并且接收数据的输入。

当图像处理设备300安装在计算机700上时，控制单元380以及其每个单元的操作以程序形式存储在辅助存储设备730中。CPU 710从辅助存储设备730读取程序，在主存储设备720中扩展程序，并根据程序执行处理。

另外，CPU 710根据程序保护与主存储设备720中的存储单元170相对应的存储区域。由通信单元110执行的通信通过接口740执行，所述接口740具有通信功能并且根据CPU710的控制执行通信。显示单元120的功能由接口740执行，所述接口740包括显示设备并且显示各种图像。操作输入单元130的功能由接口740执行，所述接口740包括输入设备并且接收数据的输入。

通过将用于执行由图像处理设备10、图像处理设备20、指纹核对设备100和图像处理设备300中的任一个执行的全部或部分处理的程序记录在计算机可读存储介质中，并且使计算机系统读取并执行记录在此记录介质中的程序，可以执行每个单元的处理。应注意，本文中的“计算机系统”包括例如操作系统(OS)和外围设备的硬件。

另外，“计算机可读记录介质”是指便携式介质，诸如软磁盘、磁光盘、只读存储器(ROM)、光盘只读存储器(CD-ROM)，以及例如嵌入在计算机系统中的硬盘的存储设备。此外，上述程序可以是用于实现一些上述功能的程序，或可以是能够结合已记录在计算机系统中的程序实现上述功能的程序。

如上所述，已参考附图详细地描述本发明的示例实施例。然而，特定配置不限于示例实施例并且包括在不脱离本发明的主旨的范围内的设计等。

本申请基于并要求在2019年2月14日提交的No.2019-024880日本专利申请的优先权权益，所述专利申请的公开内容通过引用方式全文并入本文中。

工业实用性

本发明可以应用于图像处理设备、指纹核对系统、图像处理方法以及记录介质。

参考符号

1 指纹核对系统

10,20,300 图像处理设备

11,22,182 预处理单元(预处理装置)

12,23,183 中心线图像生成单元(中心线图像生成装置)

21,181 机器学习处理单元(机器学习处理装置)

100 指纹核对设备

110 通信单元(通信装置)

120 显示单元(显示装置)

130 操作输入单元(操作输入装置)

170 存储单元(存储装置)

180,380 控制单元(控制装置)

184 区信息生成单元(区信息生成装置)

185 编辑接收单元

186 特征点提取单元

187 指纹核对单元

200 机器学习处理设备

400 核对处理设备