陳 英

（浙江科技學(xué)院 校園網(wǎng)管理中心，杭州310023）

生物特征識(shí)別技術(shù)指的是在某些需要進(jìn)行身份驗(yàn)證的環(huán)境下，運(yùn)用自動(dòng)化手段來測(cè)量一個(gè)人的身體特征，并將測(cè)量結(jié)果與數(shù)據(jù)庫(kù)的模板數(shù)據(jù)比較后完成認(rèn)證。生物特征識(shí)別過程一般包含4步：圖像獲取→取特征→比較→匹配。

通常警用指紋自動(dòng)識(shí)別系統(tǒng)主要應(yīng)用于刑偵工作上，如“現(xiàn)場(chǎng)查十指”“十指查現(xiàn)場(chǎng)”“現(xiàn)場(chǎng)查現(xiàn)場(chǎng)”及“十指查十指”［1］?！艾F(xiàn)場(chǎng)查十指”通常是指“以案到人”，亦稱作“正查”，就是將現(xiàn)場(chǎng)采集來的指紋信息與系統(tǒng)數(shù)據(jù)庫(kù)中已備案的罪犯指紋信息進(jìn)行比對(duì)，以此來確定犯罪嫌疑人?！笆覆楝F(xiàn)場(chǎng)”指的是“以人到案”，亦稱“倒查”，就是將個(gè)人身份已知的罪犯指紋同現(xiàn)場(chǎng)所采集回來的指紋加以比對(duì)，以此來確定此人是否具有犯罪嫌疑?！艾F(xiàn)場(chǎng)查現(xiàn)場(chǎng)”指的是“以案到案”，就是將若干個(gè)尚未確定的現(xiàn)場(chǎng)指紋進(jìn)行比對(duì)，以此來確定它們之間存在的潛在聯(lián)系，實(shí)現(xiàn)串案并案?！笆覆槭浮敝傅氖恰耙匀说饺恕?，就是將待查的捺印指紋與指紋數(shù)據(jù)庫(kù)中已知身份的指紋進(jìn)行比對(duì)，以確定該指紋的個(gè)人身份及前科。

輸入采集到的指紋，即可使用指紋自動(dòng)識(shí)別系統(tǒng)對(duì)指紋圖像加以處理，找出每個(gè)指紋上的特征點(diǎn)，如指位、紋型、紋線的端點(diǎn)和交點(diǎn)、指紋的細(xì)節(jié)特征等，然后再與系統(tǒng)數(shù)據(jù)庫(kù)中已存儲(chǔ)的指紋進(jìn)行比對(duì)。使用預(yù)先編制好的電腦程序可以在數(shù)據(jù)庫(kù)中實(shí)現(xiàn)高速檢索，并從中選出50～100枚最為相似的指紋供比對(duì)人員進(jìn)行最后的比對(duì)處理。在整個(gè)指紋識(shí)別過程中，使用系統(tǒng)能夠完成80%以上的工作，同時(shí)綜合處理的速度要比人工比對(duì)快上好幾十倍甚至好幾百倍，而在采集活體和輸入捺印指紋圖像的過程中，基本上不再需要人工干預(yù)，從而大大降低了人工成本，提高了工作效率。

圖1 警用指紋自動(dòng)識(shí)別系統(tǒng)的總體框架圖Fig.1 Frame diagram of police fingerprint automatic identification system

1 警用指紋自動(dòng)識(shí)別系統(tǒng)總體框架及關(guān)鍵技術(shù)

警用指紋自動(dòng)識(shí)別系統(tǒng)的總體框架如圖1所示，系統(tǒng)主要由指紋圖像采集、指紋圖像預(yù)處理、指紋圖像特征提取、指紋分類和指紋圖像匹配五部分組成。

1.1 指紋圖像采集

指紋圖像采集是指將能夠被計(jì)算機(jī)系統(tǒng)所處理的數(shù)字指紋圖像采集來并將其錄入自動(dòng)指紋識(shí)別系統(tǒng)的一個(gè)過程［2］。它是自動(dòng)指紋識(shí)別系統(tǒng)的首要環(huán)節(jié)。目前可以用于采集活體指紋的設(shè)備［3］主要有：光電式指紋采集器、晶體式指紋采集器和超聲波指紋采集器。這三種技術(shù)各有其優(yōu)缺點(diǎn)，總體看來，當(dāng)前的活體指紋采集器多數(shù)存在以下缺點(diǎn)：手指的干濕度及清潔度對(duì)指紋圖像的質(zhì)量影響較嚴(yán)重；采集設(shè)備表面積較小，故采集到的指紋圖像并不完整，并且其中包含的特征信息量很少，以致無法為識(shí)別提供足夠的依據(jù)。

1.2 指紋圖像預(yù)處理

普通指紋數(shù)據(jù)庫(kù)中，低質(zhì)量的指紋圖像占10%左右，現(xiàn)場(chǎng)指紋比例就更高了。由于實(shí)際輸入的指紋圖像常常是一幅包含大量噪聲的灰度圖像，若不對(duì)其加以預(yù)處理操作，就會(huì)產(chǎn)生大量偽特征，指紋的真實(shí)特征被遺漏，或者指紋特征的位置和方向等信息出現(xiàn)了錯(cuò)誤，這將直接影響到后續(xù)的處理工作。為了保證指紋識(shí)別系統(tǒng)運(yùn)轉(zhuǎn)的整體效率，確保識(shí)別算法對(duì)輸入圖像質(zhì)量的魯棒性，并減少不必要的資源開銷，就有必要在分類、提取指紋特征前采取適當(dāng)?shù)膱D像分割或增強(qiáng)處理，去除掉一些無用的圖像信息，使指紋脊線更清晰。對(duì)原始的指紋圖像直接提取其指紋特征時(shí)，預(yù)處理過程只不過是簡(jiǎn)單的對(duì)指紋進(jìn)行增強(qiáng)，也就是用一個(gè)濾波器來濾除噪聲并加強(qiáng)指紋脊線與谷線間的對(duì)比度；對(duì)細(xì)化的指紋圖像提取其指紋細(xì)節(jié)特征時(shí)，預(yù)處理過程一般要包括指紋圖像的分割→濾波增強(qiáng)→二值化過程→細(xì)化等一系列步驟，最終獲得一幅單像素的指紋脊線二值化圖像。

1.3 指紋圖像特征提取

指紋圖像特征提取是為了能較為準(zhǔn)確地提取指紋特征，以確定每個(gè)指紋的類型，從而實(shí)現(xiàn)指紋匹配。當(dāng)前的識(shí)別系統(tǒng)算法主要依靠以下特征［4－6］來進(jìn)行指紋識(shí)別：

1）紋型 依照公安部所制定的標(biāo)準(zhǔn)，指紋紋型可分為“弓形紋”“斗形紋”“右箕形紋”“左箕形紋”“缺指”“其他”“未知”這七種類型，而其中“未知”類型只能應(yīng)用在現(xiàn)場(chǎng)指紋上。

2）中心點(diǎn) 即讀取指紋和比對(duì)指紋的參考點(diǎn)，是指紋紋路的漸進(jìn)中心位置（圖2）。

3）三角點(diǎn) 能夠提供指紋紋路的計(jì)數(shù)跟蹤起點(diǎn)。一般來說，三角點(diǎn)是指位于從中心點(diǎn)開始的第一個(gè)“端點(diǎn)”或“分叉點(diǎn)”，或是兩條紋路的“會(huì)聚點(diǎn)”“折轉(zhuǎn)點(diǎn)”“孤立點(diǎn)”，或是指向這些奇異點(diǎn)的點(diǎn)（圖2）。

圖2 指紋中心點(diǎn)、三角點(diǎn)、端點(diǎn)及分叉點(diǎn)簡(jiǎn)圖Fig.2 Diagram of fingerprint center point，points of triangle，endpoint and bifurcation

4）局部特征點(diǎn)的分類 一般來講指紋特征包括“起點(diǎn)”“終點(diǎn)”“結(jié)合”“分叉”“點(diǎn)”“棒”“眼”“橋”“鉤”九大特征。通常計(jì)算機(jī)指紋識(shí)別系統(tǒng)只提取“端點(diǎn)”和“分叉”這兩類局部指紋特征。

5）方向 局部特征點(diǎn)可朝向一定的方向。

6）曲率 指紋紋路方向改變的速度。

7）位置 節(jié)點(diǎn)位置可通過坐標(biāo)（x，y）來描述，可以是絕對(duì)的，也可以是相對(duì)的。

指紋的特征提取是指從已進(jìn)行預(yù)處理后的指紋圖中提取全部指紋特征的一個(gè)過程。指紋的特征提取大多采用“鏈碼搜索法”來對(duì)紋線進(jìn)行搜索，將其各種特征及坐標(biāo)位置提取出來，并最終形成包含有指紋特征點(diǎn)的大小、種類、方向和坐標(biāo)等有用信息的指紋特征文件。

1.4 指紋的分類

E.Henry最早提出了著名的Henry指紋分類系統(tǒng)，大大提高了指紋驗(yàn)證效率，為指紋運(yùn)用于個(gè)人標(biāo)識(shí)起了非常重要的推動(dòng)作用及更為科學(xué)的鑒別標(biāo)準(zhǔn)。該指紋分類法根據(jù)指紋中心點(diǎn)位置附近的紋線結(jié)構(gòu)及指紋中心點(diǎn)與三角點(diǎn)的數(shù)量和相對(duì)位置，將指紋主要分成如圖3所示的五類結(jié)構(gòu)：弓形、帳拱形、左箕形、右箕形和螺形。

圖3 指紋結(jié)構(gòu)類型示圖Fig.3 Diagram of fingerprint types

指紋分類的核心目的就是為了提高系統(tǒng)識(shí)別效率。在刑偵工作中以案到人、以人到案、以案到案等模式均屬1∶N的指紋識(shí)別模式。在這種識(shí)別模式下，通過指紋分類后輸入的指紋只需與數(shù)據(jù)庫(kù)中同類型的指紋相匹配即可，大大減少了匹配次數(shù)，進(jìn)而提高了1∶N模式的識(shí)別速度。

1.5 指紋圖像的匹配

指紋匹配就是指通過對(duì)兩幅不同的指紋圖像的特征集進(jìn)行相似性比較后，判斷它們是不是屬于同一枚手指的一個(gè)過程［5］。目前指紋匹配模式識(shí)別上主要存在的難點(diǎn)有：剛性形變、彈性形變、部分重疊和特征集的可靠性［6］。

指紋匹配算法大致可以分為點(diǎn)模式匹配、相關(guān)性匹配、脊線特征匹配這三種類型，而目前應(yīng)用最廣泛的就是基于點(diǎn)模式的指紋匹配方法。該方法主要優(yōu)勢(shì)有：一是點(diǎn)模式匹配方法只需提取少量的指紋細(xì)節(jié)點(diǎn)特征，因而信息存儲(chǔ)量較??；二是硬件發(fā)展對(duì)數(shù)據(jù)存儲(chǔ)空間的要求逐漸降低，使得指紋細(xì)節(jié)點(diǎn)可以加入與之相關(guān)聯(lián)的指紋脊線和紋理等信息數(shù)據(jù)，進(jìn)而提高了匹配的準(zhǔn)確性和校準(zhǔn)的可靠性；三是硬件運(yùn)算速度不斷提高，使得混合多種細(xì)節(jié)點(diǎn)匹配算法成為可能，進(jìn)而提高了匹配的準(zhǔn)確性。

2 算法實(shí)現(xiàn)及系統(tǒng)演示

本研究使用Visual C＋＋6.0設(shè)計(jì)開發(fā)了自動(dòng)指紋識(shí)別算法演示系統(tǒng)。該系統(tǒng)主要包括指紋圖像數(shù)據(jù)的讀取與存儲(chǔ)、指紋圖像的預(yù)處理、指紋特征的提取與匹配等部分，基本上可以演示出自動(dòng)指紋識(shí)別系統(tǒng)的整個(gè)過程。

2.1 基于矢量三角法的指紋匹配算法

基于矢量三角形法的指紋匹配算法［7－10］，利用3個(gè)近鄰特征點(diǎn)所組成的三角形結(jié)構(gòu)，求取基準(zhǔn)點(diǎn)定位和變換參數(shù)，并通過坐標(biāo)的轉(zhuǎn)換，在極坐標(biāo)中來進(jìn)行匹配，并在匹配過程中引入多判決條件與可變界限盒匹配，以提高識(shí)別率。

指紋匹配過程中很重要的一步就是匹配基準(zhǔn)點(diǎn)的求取。本研究選用了一種根據(jù)特征點(diǎn)集中3個(gè)近鄰點(diǎn)所組成的子集之間的相互關(guān)系來確定基準(zhǔn)點(diǎn)及變換參數(shù)的算法。經(jīng)過細(xì)節(jié)提取和后處理等一些步驟之后，提取出來的每個(gè)細(xì)節(jié)點(diǎn)需要記錄三方面的信息，就是細(xì)節(jié)點(diǎn)的xy坐標(biāo)、細(xì)節(jié)點(diǎn)的方向和細(xì)節(jié)點(diǎn)的類型。定義兩個(gè)細(xì)節(jié)特征點(diǎn)集P和Q，其中細(xì)節(jié)特征點(diǎn)集Q表示的是從輸入的指紋圖中所提取出來的N個(gè)細(xì)節(jié)點(diǎn)；點(diǎn)集P表示的是從模板圖像中所提取出來的M個(gè)細(xì)節(jié)點(diǎn)。這兩個(gè)點(diǎn)集可分別表示為：

其中（xPi，yPi，θPi）記錄了點(diǎn)集P中第i個(gè)特征點(diǎn)的3條信息：x坐標(biāo)、y坐標(biāo)和特征點(diǎn)方向。同理，（xQj，yQj，θQj）記錄了點(diǎn)集Q中第j個(gè)特征點(diǎn)的3條信息：x坐標(biāo)、y坐標(biāo)和特征點(diǎn)方向。

定義1若直角坐標(biāo)系下的不在同一條直線上3個(gè)有向點(diǎn)按逆時(shí)針次序排列，稱這3個(gè)點(diǎn)按標(biāo)準(zhǔn)向系排列，所構(gòu)成的三角形為標(biāo)準(zhǔn)系下矢量三角形。

定義2若2個(gè)同為標(biāo)準(zhǔn)系下的矢量三角形滿足如下條件，稱2個(gè)矢量三角形全等［8］。

1）三對(duì)對(duì)應(yīng)邊長(zhǎng)分別相等；

2）三對(duì)對(duì)應(yīng)頂點(diǎn)間的方向角相等；

3）三對(duì)對(duì)應(yīng)點(diǎn)的類型相同；

4）三對(duì)對(duì)應(yīng)邊所穿過的脊線數(shù)目相同。

對(duì)模板集中的每個(gè)點(diǎn)A，在指紋圖上尋找與其最近的兩個(gè)特征點(diǎn)，其一記為R，另一個(gè)記為S，逆時(shí)針方向把它們連接起來組成一個(gè)三角形。那么把點(diǎn)A、點(diǎn)R與點(diǎn)S的類型（末梢點(diǎn)或分支點(diǎn)）分別記為nType1，nType2與nType3；方向角分別記為nBeta1，nBeta2與nBeta3。把連接點(diǎn)A與點(diǎn)R、點(diǎn)A與點(diǎn)S、點(diǎn)R與點(diǎn)S的3條虛擬的線段長(zhǎng)度分別記為nDist1、nDist2和nDist3；所跨越的脊線數(shù)分別記為nCrossNum1、nCrossNum2和nCrossNum3。通常情況下，紋線數(shù)目比距離、相對(duì)角更具有魯棒性，因此，在判斷2個(gè)矢量三角形是否全等時(shí)，筆者增加了這個(gè)條件。并把點(diǎn)類型、方向角、邊長(zhǎng)信息與跨越脊線數(shù)記入點(diǎn)A的對(duì)象中［9］。如果A屬于點(diǎn)集Q，B屬于點(diǎn)集P，下面式子均成立：

則認(rèn)為2個(gè)矢量三角形全等，點(diǎn)A和點(diǎn)B分別是模板圖像和輸入圖像的參照點(diǎn)。

按指紋時(shí)由于用力的差異等多種原因必然會(huì)使兩幅指紋圖像間存在著非線性形變。即使是經(jīng)過校準(zhǔn)，輸入圖像當(dāng)中的細(xì)節(jié)點(diǎn)也不可能和模板圖像中的對(duì)應(yīng)點(diǎn)完全重合。再加上采集過程中存在著噪聲等原因，就使得兩幅圖像上的對(duì)應(yīng)點(diǎn)之間可能會(huì)存在一定的偏差。這些都要求細(xì)節(jié)匹配算法具有一定的彈性，即細(xì)節(jié)匹配算法應(yīng)該是能在一定程度上包容由于提取出來的細(xì)節(jié)點(diǎn)位置不準(zhǔn)確或者圖像的非線性形變而造成的對(duì)應(yīng)點(diǎn)位置的差異。因此在判斷兩點(diǎn)的對(duì)應(yīng)跨越脊線數(shù)、方向角、邊長(zhǎng)是否相等時(shí)，都留下了一定的松弛量（Tc、T?和Td）。把找到的參照點(diǎn)記錄在兩個(gè)數(shù)組中，以便在后面的極坐標(biāo)轉(zhuǎn)換中使用。

上述利用矢量三角形找參照點(diǎn)的方法由于利用了指紋圖像的結(jié)構(gòu)信息，因而可以克服一定程度的指紋圖的變形、噪聲等干擾。

將細(xì)節(jié)點(diǎn)都轉(zhuǎn)換到極坐標(biāo)下，在極坐標(biāo)系中將輸入圖像與模板圖像的校準(zhǔn)，只需將輸入細(xì)節(jié)點(diǎn)與模板細(xì)節(jié)點(diǎn)都分別相對(duì)于參照點(diǎn)Pi和Qi轉(zhuǎn)換到極坐標(biāo)系中。即將輸入細(xì)節(jié)點(diǎn)與模板細(xì)節(jié)點(diǎn)都分別相對(duì)參照點(diǎn)Pi和Qi用下面的公式轉(zhuǎn)換到極坐標(biāo)系中：

其中，（xiyiθi）T是待轉(zhuǎn)換細(xì)節(jié)點(diǎn)的坐標(biāo)，（xcycθc）T是參照細(xì)節(jié)點(diǎn)的坐標(biāo)，（rieiθi）T是細(xì)節(jié)點(diǎn)在極坐標(biāo)中的表示（ri表示極半徑，ei表示極角，θi表示細(xì)節(jié)點(diǎn)相對(duì)于參照點(diǎn)的方向）。Δθ表示待測(cè)特征點(diǎn)的旋轉(zhuǎn)角度，即待測(cè)指紋點(diǎn)集P的參照點(diǎn)Pi相對(duì)模板點(diǎn)集Q的參照點(diǎn)Qi發(fā)生的旋轉(zhuǎn)角度，即：

其中，Pi→angle為參照點(diǎn)Pi沿著脊線的方向；Qi→angle為參照點(diǎn)Qi沿著脊線的方向。

在完成基點(diǎn)校準(zhǔn)與得到模板特征的限界盒之后，就可以進(jìn)行匹配了，匹配的原理亦是基于界限盒的匹配中所述的原理。采用匹配分?jǐn)?shù)來表示待測(cè)指紋特征點(diǎn)集與模板點(diǎn)集之間的相似程度，分?jǐn)?shù)越高匹配度也就越高。

2.2 指紋圖像預(yù)處理中的主要功能演示

指紋圖像的方向場(chǎng)是反映指紋圖像場(chǎng)的中心、圓形紋線趨勢(shì)場(chǎng)、斜角度直紋線趨勢(shì)場(chǎng)、水平紋線趨勢(shì)場(chǎng)及其混合趨勢(shì)場(chǎng)等，與物理場(chǎng)論的旋度和方向場(chǎng)相關(guān)［10］。該函數(shù)getOrientMap（）的功能就是實(shí)現(xiàn)指紋圖像方向場(chǎng)的算法。如圖4所示，（a）是指紋原圖，（b）是計(jì)算得到的梯度場(chǎng)，（c）是使用函數(shù)getOri entMap（）得到的方向場(chǎng)（代碼略）。

圖4 指紋圖像場(chǎng)Fig.4 Fingerprint image field

圖5 平滑和增強(qiáng)后的對(duì)比圖像Fig.5 Contrast image after smoothing and enhancement

指紋圖像經(jīng)過平滑、增強(qiáng)、二值化及過濾噪聲處理后，轉(zhuǎn)變?yōu)橘|(zhì)量較高的黑白指紋圖像，然而對(duì)二值化后的指紋圖像進(jìn)行處理和提取出特征的程序還相當(dāng)復(fù)雜，尚需要對(duì)指紋圖像經(jīng)過紋線圖像細(xì)化處理。指紋圖像細(xì)化函數(shù)void imageThin（）的功能就是實(shí)現(xiàn)指紋圖像增強(qiáng)的算法，圖6為指紋二值化圖和骨架細(xì)化提取后的圖像。

圖6 指紋二值化圖和骨架細(xì)化提取后的圖像Fig.6 Image of fingerprint two values of map and skeleton thinning after extraction

2.3 特征點(diǎn)提取的代碼實(shí)現(xiàn)及功能演示

中心點(diǎn)與三角點(diǎn)統(tǒng)稱為奇異點(diǎn)，它描述了指紋的整體特征，提取特征點(diǎn)的目的是進(jìn)行指紋分類及比對(duì)過程中的坐標(biāo)系校正。函數(shù)int getSingular（）實(shí)現(xiàn)了計(jì)算指紋圖像提取奇異點(diǎn)的功能。

指紋特征末梢點(diǎn)是指紋紋線兩頭末點(diǎn)，或起點(diǎn)和終點(diǎn)。函數(shù)bool IsEnd（）實(shí)現(xiàn)了對(duì)指紋圖像末梢點(diǎn)的提取運(yùn)算。指紋特征分叉點(diǎn)是指紋兩條紋線相交匯集為一條紋線的交匯點(diǎn)。函數(shù)bool IsFork（）實(shí)現(xiàn)了對(duì)指紋圖像分叉點(diǎn)的提取運(yùn)算。如圖7所示，（a）是指紋原圖像，（b）是指紋細(xì)化提取后圖像，（c）是計(jì)算得到的特征點(diǎn)，包括中心點(diǎn)、三角點(diǎn)、末梢點(diǎn)和分叉點(diǎn)。

圖7 指紋圖像的特征點(diǎn)提取結(jié)果圖Fig.7 Results map of feature point extraction for fingerprint image

2.4 系統(tǒng)演示

在系統(tǒng)開發(fā)過程中，將指紋的預(yù)處理和特征點(diǎn)提取兩個(gè)步驟合并在指紋模式識(shí)別算法綜合引擎FP模塊中。其中指紋圖像的預(yù)處理算法程序架構(gòu)，由梯度和方向場(chǎng)、分割、均衡、收斂、平滑、智能增強(qiáng)、二值化及細(xì)化等圖像預(yù)處理算法程序模塊組成。指紋圖像特征點(diǎn)提取算法程序架構(gòu)包括提取指紋對(duì)象特征端點(diǎn)、交叉點(diǎn)、中心點(diǎn)及三角點(diǎn)等算法程序模塊。使用指紋模式識(shí)別算法綜合引擎FP模塊預(yù)處理指紋圖像及提取指紋特征點(diǎn)的軟件界面如圖8所示。

圖8 指紋圖像預(yù)處理及特征點(diǎn)提取界面Fig.8 Fingerprint image preprocessing and feature extraction interface

指紋圖像特征比對(duì)算法程序操作如下，依次單擊“Open1”按鈕和“Open2”按鈕，導(dǎo)入兩幅指紋圖像，單擊“Match”按鈕，即進(jìn)行兩指紋圖像的指紋對(duì)象特征比對(duì)。

圖9和圖10分別演示了系統(tǒng)運(yùn)行過程，盡管這兩幅由兩次采集而得的指紋圖像看上去不同，但指紋的特征卻相同。因此，彈出消息框提示經(jīng)過算法比對(duì)是相同的結(jié)論“Same Fingerprint！”。

3 結(jié) 語

自動(dòng)指紋識(shí)別技術(shù)是一個(gè)運(yùn)用前景好且極其富挑戰(zhàn)性的研究課題，是一項(xiàng)綜合了計(jì)算機(jī)、模式識(shí)別及圖像處理等技術(shù)的復(fù)雜技術(shù)。本研究加深了筆者對(duì)該技術(shù)的了解，并取得了部分研究成果。因個(gè)人知識(shí)背景有限，尚有待進(jìn)一步完善和改進(jìn)的地方：一是當(dāng)所采集到的指紋圖像的質(zhì)量很差時(shí)（比如犯罪現(xiàn)場(chǎng)的指紋），常規(guī)的分割方法不能夠精確地將指紋圖像背景區(qū)域和前景區(qū)域有效地分割開，而圖像分割的效果會(huì)直接影響特征提取的精確度（基本上依賴于人工標(biāo)注指紋特征點(diǎn)），因此指紋圖像分割算法還需要進(jìn)一步改進(jìn)；二是本系統(tǒng)在針對(duì)高質(zhì)量指紋圖像（捺印指紋及CCD采集指紋）的處理時(shí)，取得了較好的實(shí)驗(yàn)效果，但是對(duì)于低質(zhì)量（犯罪現(xiàn)場(chǎng)指紋）及一些扭曲形變較大的指紋圖像，特別是高質(zhì)量指紋圖像比對(duì)低質(zhì)量指紋圖像時(shí)（特征點(diǎn)數(shù)量相差較大），實(shí)驗(yàn)結(jié)果并不理想，需要在指紋比對(duì)階段對(duì)匹配算法作進(jìn)一步研究，做到自適應(yīng)調(diào)整匹配算法的閾值；三是對(duì)于自動(dòng)指紋識(shí)別系統(tǒng)的開發(fā)，筆者只設(shè)計(jì)出總體結(jié)構(gòu)及功能，搭建了識(shí)別平臺(tái)，完成了指紋識(shí)別程序的開發(fā)，后續(xù)需要對(duì)指紋分類、壓縮及數(shù)據(jù)庫(kù)部分繼續(xù)開發(fā)，以便形成一整套警用指紋識(shí)別系統(tǒng)。

［1］顧勇.警用指紋識(shí)別系統(tǒng)中圖像預(yù)處理的研究［D］.重慶：重慶大學(xué)，2007.

［2］夏振華.指紋識(shí)別算法及小規(guī)模指紋識(shí)別系統(tǒng)的開發(fā)［D］.南京：南京航空航天大學(xué)，2006.

［3］尤松.指紋識(shí)別系統(tǒng)研究［D］.上海：東華大學(xué)，2005.

［4］徐國(guó)慶.指紋識(shí)別系統(tǒng)中的特征提取與匹配算法的研究和實(shí)現(xiàn)［D］.成都：電子科技大學(xué)，2007.

［5］王建永.指紋圖像的特征提取與匹配［D］.大連：大連理工大學(xué)，2003.

［6］劉健，王萬良.基于中心區(qū)域基準(zhǔn)點(diǎn)的指紋匹配算法［J］.計(jì)算機(jī)應(yīng)用與軟件，2011（2）：30－33.

［7］謝立鋒，陳靈梟.淺談指紋識(shí)別基本原理［J］.技術(shù)與市場(chǎng)，2008（1）：44－45.

［8］魏發(fā)建，游敏娟，王保帥，等.淺談指紋識(shí)別的基本原理［J］.中國(guó)科技信息，2009（10）：138－139.

［9］薛亞許，陳金玉.學(xué)校指紋考勤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.微型機(jī)與應(yīng)用，2011（1）：83－85.

［10］賈聰智.指紋識(shí)別系統(tǒng)中的匹配算法研究與實(shí)現(xiàn)［D］.成都：電子科技大學(xué)，2004.