邱在良南昌航空大學

自動指紋識別技術的發(fā)展與應用

邱在良
南昌航空大學

自動指紋識別技術因其很高的可行性和實用性，逐漸成為身份認證的主要技術之一，在實踐中得到了廣泛應用。本文首先闡述了自動指紋識別技術的發(fā)展，之后針對指紋圖像污物或殘缺情況下識別不理想的問題，提出了改進龐加萊指數(shù)算法，實驗結果表明，該算法在檢測指紋圖像奇異點方面優(yōu)于高斯厄米算法，能夠有效提高低分辨率和邊緣殘缺指紋的識別精度。

自動指紋識別；發(fā)展；應用

引言

隨著世界經(jīng)濟的飛速發(fā)展，科學技術的不斷創(chuàng)新，人們的訪問控制與信息安全也受到了沖擊，對身份的認證方法越來越受到人們的關注和重視。個人身份認證比較常見的有兩種：一種是通過檢查“你有什么”“你知道什么”來達到認證的目的，比如檢查身份證駕駛證，說明只有自己知道的信息。另一種就是通過密碼、口令等來進行個人信息認證。但是第一種方法只適用于現(xiàn)實生活中，可能存在證件偽造。第二種方法存在著被盜用、遺忘等風險。為了適應市場需求和社會發(fā)展，生物識別技術應運而生。

生物識別技術是利用人的生物特征，比如指紋、聲音、人臉等進行身份驗證，主要將人的生物特征轉化為圖像后進行識別。在眾多生物識別技術中，指紋識別具有很高的可行性和實用性，占有的市場份額最大，具有很廣泛的市場前景[1]。特別是近些年以計算機為核心技術的網(wǎng)絡系統(tǒng)的迅猛發(fā)展，為指紋識別提供了可靠的技術保障。

1、自動指紋識別技術的研究發(fā)展現(xiàn)狀

科技迅猛發(fā)展，以及計算機處理速度飛速提升，使得圖像采集和處理都變得十分便利。這些條件，都是指紋識別不可或缺的因素。其技術核心主要可以分為兩部分：采集和識別[3]。

目前常用的指紋采集手段可以主要分為三類：光學、半導體硅和超聲波[3]。光學方式是較早出現(xiàn)的技術手段，都是也是目前應用范圍最為廣泛的技術。緊接著，隨著半導體等器件的普及和使用，電容電感式的采集方式也漸漸出現(xiàn)。新出現(xiàn)的方式能夠提取更加清晰的指紋圖像，但是穩(wěn)定性不夠。硅技術的使用，確實可以取得更加完善的指紋圖像，但缺點是易受干擾，可靠性相對差。超聲波技術是利用不同材料對聲波的發(fā)射不同從而來實現(xiàn)采集的。由于空氣和手指對于聲波反射不同，從而可以利用聲波的回波來準確的反應指紋的形狀。目前，該方式是精確對最好的采集方式，但是采集時間較長。

指紋采集中，需要在多種不確定的因素下，都能夠采集到最佳清晰和完整的指紋圖像。不確定因素包括指頭的干濕程度，表面清潔程度以及有無破損等等。經(jīng)過研究發(fā)現(xiàn)，指紋細節(jié)特征約有150種。如果采集這么多的特征，勢必會是采集工作變得十分復雜。但是，經(jīng)過研究發(fā)現(xiàn)，某些特征并不是經(jīng)常出現(xiàn)的。我們只需要研究經(jīng)常出現(xiàn)且明顯的特征即可。紋線端和分叉點是非常明顯的兩個特征且出現(xiàn)概率極大且容易采集。而且通過這兩個特征就足以唯一確定一個人的指紋[4]。所以，通過一定的計算機算法提取這兩個特征的大小、類型、分布情況就可以實現(xiàn)對指紋的提取。

2、基于指紋邊緣修復和奇異點檢測的指紋識別系統(tǒng)

邊緣修復是指將圖像邊緣區(qū)域缺失的信息通過一定的算法進行修補,進而達到恢復或者接近真實圖像的目的。從數(shù)學角度來看,圖像修補是一個病態(tài)問題,由于沒有足夠的信息保證能唯一正確地恢復被污損和丟失的部分。計算機視覺理論認為人類對圖像中被遮擋物體的感知是根據(jù)圖像中的被遮擋物體周圍環(huán)境所作的一個最佳猜測[5]。

本研究利用龐加萊指數(shù)方法來檢測指紋圖像的奇異點。龐加萊指數(shù)方法的基本思路是對曲線上的某點周圍一圈求方向場差計分，即求周圍方向場差的和，方向場差值越大，其龐加萊指數(shù)越大，對周圍方向場變化越劇烈，存在奇異點的可能性越大。設O'為方向場，奇異點(i,j)的龐加萊指數(shù)為：

對于指紋圖像識別來說，指紋圖像并不是一個真正意義的矢量場，因此要對龐加萊指數(shù)方法進行改進，本文采用增加約束條件的方法來確定定義在[0,π]上的指紋圖片方向場。其定義如下所示：

Δ(k)為向量場的旋轉方向，結合Δ(k)的龐加萊指數(shù)就能夠完全反映向量場的旋轉角度和方向，就可以計算指紋圖像中曲線在方向角變化累加時的方向向量絕對值。

3、實驗結果

為了驗證本文中改進龐加萊指數(shù)算法在指紋識別過程的有效性，本文將算法在國際通用指紋標準庫NIST-4中進行測試，隨機選取300個指紋后，人工標記奇異點位置，再將算法得到的奇異點位置和人工標記奇異點進行比較，若兩者在同一個5乘5窗口中，則認為該算法是有效的。實驗結果如表1所示。

表1　算法結果比較

由表1可知，本文提出的改進龐加萊指數(shù)算法正確識別了250個奇異點，識別正確率為83.3%，而高斯厄米算法識別了222個奇異點，識別正確率為74%?？梢钥闯龈倪M龐加萊指數(shù)算法相比高斯厄米算法能更精確的定位奇異點。

4、總結與展望

自動指紋識別技術在身份識別和日常生活中的應用越來越廣泛，為我國現(xiàn)代社會的健康持續(xù)發(fā)展提供了保障，但自動指紋識別技術在手指有污物或邊緣殘缺情況下識別準確率并不理想，本文在闡述了自動指紋識別技術的發(fā)展過程基礎上，提出了改進龐加萊指數(shù)算法檢測指紋圖像的奇異點，結果表明該算法相比高斯厄米算法能夠有效提高奇異點定位準確度，提高對低質量指紋圖像識別的準確率。

[1]陳繼延.自動指紋識別技術的發(fā)展與應用[J].計算機光盤軟件與應用,2013,38(9):56-57.

[2]倪增超,王婧.自動指紋識別技術的發(fā)展及應用[J].科技創(chuàng)新與應用,2015(32):40-40.

[3]王旖.指紋識別技術的發(fā)展及展望[J].科技致富向導,2011(5):218-220.

[4]陳婧,張?zhí)K.自動指紋識別技術綜述[J].黑龍江科技信息,2013(1):3-3.

[5]張潔.殘缺指紋識別中若干關鍵技術的研究[D].北京郵電大學,2013.

[6]趙慧敏,李衛(wèi)軍,劉揚陽,等.基于三高斯濾波的低質指紋圖像增強方法[J].智能系統(tǒng)學報,2012,7(6):489-493.