吳儼鋒

(攀枝花學(xué)院,四川 攀枝花 617000)

0 引言

生活中需要驗(yàn)證個(gè)人身份時(shí),傳統(tǒng)的方法是驗(yàn)證人是否持有有效證件,并核對(duì)照片等。 這種以“物”認(rèn)人的方法,漏洞顯而易見(jiàn),人們開(kāi)始尋找直接認(rèn)證的方法。 指紋識(shí)別具有唯一性、不變性、實(shí)用性、安全性的優(yōu)點(diǎn),是目前應(yīng)用最廣泛的身份驗(yàn)證和識(shí)別技術(shù)。

1 神經(jīng)網(wǎng)絡(luò)識(shí)別原理

神經(jīng)網(wǎng)絡(luò)在指紋識(shí)別方面具有尋找優(yōu)化解的能力,具有聯(lián)想存儲(chǔ)功能。 邏輯性的思維是指根據(jù)邏輯規(guī)則進(jìn)行推理的過(guò)程,先將信息轉(zhuǎn)換成概念并用符號(hào)表示,然后根據(jù)符號(hào)運(yùn)算按串行模式進(jìn)行邏輯推理,這一過(guò)程可以寫(xiě)成串行的指令,由計(jì)算機(jī)來(lái)執(zhí)行。 然而,直觀的思維是將分布式儲(chǔ)存的信息綜合起來(lái),這種思維方式的根本在于以下兩點(diǎn):(1)信息是通過(guò)神經(jīng)元上的興奮模式分布存儲(chǔ)在網(wǎng)絡(luò)上;(2)信息處理是通過(guò)神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過(guò)程來(lái)完成的。

濾波特征和不變矩指紋識(shí)別算法的優(yōu)勢(shì)在于它是基于直接線性變換的,因此無(wú)須確定與應(yīng)用相關(guān)的自適應(yīng)參數(shù)。 不變矩技術(shù)類(lèi)型很多,現(xiàn)已被應(yīng)用于圖像分類(lèi)與識(shí)別處理的許多方面。 從數(shù)學(xué)角度上看,矩是很簡(jiǎn)單的[1]。

2 指紋的分類(lèi)

為提高指紋的識(shí)別效率,降低系統(tǒng)計(jì)算的復(fù)雜度,把指紋樣本數(shù)據(jù)庫(kù)中的指紋分為不同的類(lèi)別,再將不同類(lèi)別的指紋分別保存到樣本庫(kù)的子數(shù)據(jù)庫(kù)中。 進(jìn)行指紋識(shí)別時(shí),先判斷待識(shí)指紋的類(lèi)別,再將它與所屬子數(shù)據(jù)庫(kù)中的指紋進(jìn)行對(duì)比匹配。 學(xué)術(shù)界一般把指紋分為弓形、斗型、箕型3 大類(lèi),如圖1 所示[2]。

圖1 指紋的分類(lèi)

3 指紋識(shí)別模型

神經(jīng)網(wǎng)絡(luò)正向傳播在數(shù)學(xué)上只須做連續(xù)的矩陣乘法。 如果輸出Y 是輸入向量x 和權(quán)重矩陣a 之間的矩陣乘法之積,則Y 中的第i 個(gè)元素被定義為:

其中,i 是權(quán)重矩陣a 給定行的索引,k 是給定列的索引及輸入向量x 的元素索引,n 是x 中元素的個(gè)數(shù)。

可以證明,在某給定層,根據(jù)標(biāo)準(zhǔn)正態(tài)分布初始化的輸入x 和權(quán)重矩陣a 的乘積,通常具有非常接近輸入連接數(shù)平方根的標(biāo)準(zhǔn)差[3]。

4 識(shí)別算法設(shè)計(jì)

4.1 數(shù)據(jù)初始化處理

通常參數(shù)的初始化方式有3 種,本文使用基于方差縮放的參數(shù)初始化。

如果一個(gè)神經(jīng)元輸入很多,則每個(gè)輸入連接上的權(quán)重就應(yīng)該小一些,以免輸出過(guò)大,導(dǎo)致梯度爆炸或梯度消失。 因此,需要盡量保持每個(gè)神經(jīng)元輸入和輸出方差一定,可以根據(jù)神經(jīng)元連接數(shù)量自適應(yīng)調(diào)整初始化分布的方差,稱(chēng)為“方差縮放”。 基于方差縮放的參數(shù)初始化如表1 所示,其中Xavier 初始化也稱(chēng)為 Glorot 初始化;He 初始化也稱(chēng)為Kaiming 初始化。

表1 基于方差縮放的參數(shù)初始化

Kaiming 初始化步驟:(1)前向傳播時(shí),每一層的卷積計(jì)算結(jié)果的方差為1。 (2)反向傳播時(shí),每一 層繼續(xù)往前傳的梯度方差為1。 因?yàn)槊繉訒?huì)有兩個(gè)梯度的計(jì)算,一個(gè)用來(lái)更新當(dāng)前層的權(quán)重,一個(gè)繼續(xù)傳播,用于前面層的梯度的計(jì)算。

4.2 識(shí)別步驟

指紋識(shí)別分為5 步,首先進(jìn)行指紋圖像采集,圖像預(yù)處理,然后進(jìn)行特征提取,最后指紋匹配。 如果指紋沒(méi)有采集過(guò),會(huì)先進(jìn)行指紋登記,再進(jìn)行指紋匹配。 指紋識(shí)別的步驟如圖2 所示。

圖2 指紋識(shí)別步驟

4.3 識(shí)別流程

指紋識(shí)別技術(shù)主要包括3 大部分:指紋圖像采集、指紋預(yù)處理、特征提取與匹配[4]。 其中,指紋預(yù)處理分為分割、二值化、增強(qiáng)濾波和細(xì)化4 步。 分割圖像是從一幅圖像分離出感興趣的部分或區(qū)域,經(jīng)過(guò)分割后的圖像更容易進(jìn)行進(jìn)一步的分類(lèi)、分析和識(shí)別處理。 圖像分割需要在指紋二值化和濾波及細(xì)化之前進(jìn)行,如此可以減少計(jì)算的冗余量,提高指紋識(shí)別的速度。 二值化就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0 或1,即將整個(gè)圖像呈現(xiàn)出明顯的黑白視覺(jué)效果。分割和濾波后的指紋圖像進(jìn)行二值化處理后,脊線仍有一定的寬度。 指紋識(shí)別的匹配只利用圖像的點(diǎn)或線的特征,這些特征只與脊線的走向或者紋理有關(guān)系。 有一定寬度的二值化圖像則顯得有些多余,需對(duì)二值化圖像進(jìn)行細(xì)化處理,可得到一個(gè)單一像素寬度的脊線。 經(jīng)細(xì)化處理,在后續(xù)的指紋特征提取和特征匹配的算法中大大減少了計(jì)算的冗余量和出錯(cuò)率,提高了指紋識(shí)別的速度和準(zhǔn)確度。 指紋識(shí)別技術(shù)處理過(guò)程如圖3 所示。

圖3 指紋識(shí)別技術(shù)處理過(guò)程

5 實(shí)驗(yàn)驗(yàn)證

5.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)

實(shí)驗(yàn)環(huán)境為Windows10 系統(tǒng),通過(guò)MATLAB 仿真軟件分別對(duì)神經(jīng)網(wǎng)絡(luò)指紋識(shí)別算法、濾波特征和不變矩指紋識(shí)別算法、指紋匹配算法進(jìn)行仿真實(shí)驗(yàn)與分析。

5.2 實(shí)驗(yàn)結(jié)果

先傳入原始指紋,對(duì)其進(jìn)行神經(jīng)網(wǎng)絡(luò)和高斯濾波處理。 在進(jìn)行神經(jīng)網(wǎng)絡(luò)處理之前要先進(jìn)行預(yù)處理,本文預(yù)處理用的是歸一化算法。 神經(jīng)網(wǎng)絡(luò)是一種基于人腦結(jié)構(gòu)的非線性計(jì)算模型,能夠根據(jù)其他數(shù)據(jù)樣本,學(xué)習(xí)執(zhí)行分類(lèi)、預(yù)測(cè)、決策、可視化等多種任務(wù)。MATLAB 用到3 個(gè)函數(shù):newff(網(wǎng)絡(luò)創(chuàng)建函數(shù))、train(訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò))和sim(使用網(wǎng)絡(luò)進(jìn)行仿真)。高斯濾波是一種線性平滑濾波,應(yīng)用于圖像處理的減噪過(guò)程。 簡(jiǎn)單地說(shuō),高斯濾波就是對(duì)整幅圖像進(jìn)行加權(quán)平均的過(guò)程,每一個(gè)像素點(diǎn)的值,都由其本身和鄰域內(nèi)的其他像素值經(jīng)過(guò)加權(quán)平均后得到,相當(dāng)于使用周?chē)狞c(diǎn)對(duì)噪聲點(diǎn)進(jìn)行平滑處理,使噪聲點(diǎn)的分布逐步趨于圖像非噪聲點(diǎn)的分布。 高斯濾波的具體操作為:用一個(gè)模板(或稱(chēng)卷積、掩模)掃描圖像中的每一個(gè)像素,用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點(diǎn)的值。

原始指紋如圖4 所示,經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)和高斯濾波處理后的指紋如圖5 所示,指紋識(shí)別匹配實(shí)驗(yàn)結(jié)果如表2 所示。

表2 實(shí)驗(yàn)結(jié)果

圖4 原始指紋

圖5 神經(jīng)網(wǎng)絡(luò)和高斯濾波處理后的指紋

實(shí)驗(yàn)進(jìn)行了110 次匹配,每次匹配70 s,識(shí)別率比消除偽特征點(diǎn)算法高10%[5]。 消除偽特征點(diǎn)算法通常是先確定指紋人再比對(duì)指紋,采取到指紋后用電腦進(jìn)行對(duì)比,需要3~4 min,匹配速度比較快。

6 結(jié)語(yǔ)

本文的指紋匹配識(shí)別算法主要解決匹配時(shí)間長(zhǎng)、識(shí)別率低等問(wèn)題,具有速度快、指紋模板小、識(shí)別率高的優(yōu)點(diǎn),但是仍存在容易受指紋圖像噪聲干擾的情況。 基于神經(jīng)網(wǎng)絡(luò)方式具有尋找優(yōu)化解的能力、容錯(cuò)能力、自適應(yīng)能力的優(yōu)點(diǎn),但同時(shí)也存在操作要求高、易受噪聲影響等缺陷。 因此,仍需進(jìn)一步研究,尋找更好的指紋識(shí)別算法來(lái)完善指紋識(shí)別系統(tǒng),也相信指紋識(shí)別系統(tǒng)必將擁有一片更美好的藍(lán)天。