自动指纹识别技术的发展与应用

邱在良南昌航空大学

自动指纹识别技术的发展与应用

邱在良
南昌航空大学

自动指纹识别技术因其很高的可行性和实用性，逐渐成为身份认证的主要技术之一，在实践中得到了广泛应用。本文首先阐述了自动指纹识别技术的发展，之后针对指纹图像污物或残缺情况下识别不理想的问题，提出了改进庞加莱指数算法，实验结果表明，该算法在检测指纹图像奇异点方面优于高斯厄米算法，能够有效提高低分辨率和边缘残缺指纹的识别精度。

自动指纹识别；发展；应用

引言

随着世界经济的飞速发展，科学技术的不断创新，人们的访问控制与信息安全也受到了冲击，对身份的认证方法越来越受到人们的关注和重视。个人身份认证比较常见的有两种：一种是通过检查“你有什么”“你知道什么”来达到认证的目的，比如检查身份证驾驶证，说明只有自己知道的信息。另一种就是通过密码、口令等来进行个人信息认证。但是第一种方法只适用于现实生活中，可能存在证件伪造。第二种方法存在着被盗用、遗忘等风险。为了适应市场需求和社会发展，生物识别技术应运而生。

生物识别技术是利用人的生物特征，比如指纹、声音、人脸等进行身份验证，主要将人的生物特征转化为图像后进行识别。在众多生物识别技术中，指纹识别具有很高的可行性和实用性，占有的市场份额最大，具有很广泛的市场前景[1]。特别是近些年以计算机为核心技术的网络系统的迅猛发展，为指纹识别提供了可靠的技术保障。

1、自动指纹识别技术的研究发展现状

科技迅猛发展，以及计算机处理速度飞速提升，使得图像采集和处理都变得十分便利。这些条件，都是指纹识别不可或缺的因素。其技术核心主要可以分为两部分：采集和识别[3]。

目前常用的指纹采集手段可以主要分为三类：光学、半导体硅和超声波[3]。光学方式是较早出现的技术手段，都是也是目前应用范围最为广泛的技术。紧接着，随着半导体等器件的普及和使用，电容电感式的采集方式也渐渐出现。新出现的方式能够提取更加清晰的指纹图像，但是稳定性不够。硅技术的使用，确实可以取得更加完善的指纹图像，但缺点是易受干扰，可靠性相对差。超声波技术是利用不同材料对声波的发射不同从而来实现采集的。由于空气和手指对于声波反射不同，从而可以利用声波的回波来准确的反应指纹的形状。目前，该方式是精确对最好的采集方式，但是采集时间较长。

指纹采集中，需要在多种不确定的因素下，都能够采集到最佳清晰和完整的指纹图像。不确定因素包括指头的干湿程度，表面清洁程度以及有无破损等等。经过研究发现，指纹细节特征约有150种。如果采集这么多的特征，势必会是采集工作变得十分复杂。但是，经过研究发现，某些特征并不是经常出现的。我们只需要研究经常出现且明显的特征即可。纹线端和分叉点是非常明显的两个特征且出现概率极大且容易采集。而且通过这两个特征就足以唯一确定一个人的指纹[4]。所以，通过一定的计算机算法提取这两个特征的大小、类型、分布情况就可以实现对指纹的提取。

2、基于指纹边缘修复和奇异点检测的指纹识别系统

边缘修复是指将图像边缘区域缺失的信息通过一定的算法进行修补,进而达到恢复或者接近真实图像的目的。从数学角度来看,图像修补是一个病态问题,由于没有足够的信息保证能唯一正确地恢复被污损和丢失的部分。计算机视觉理论认为人类对图像中被遮挡物体的感知是根据图像中的被遮挡物体周围环境所作的一个最佳猜测[5]。

本研究利用庞加莱指数方法来检测指纹图像的奇异点。庞加莱指数方法的基本思路是对曲线上的某点周围一圈求方向场差计分，即求周围方向场差的和，方向场差值越大，其庞加莱指数越大，对周围方向场变化越剧烈，存在奇异点的可能性越大。设O'为方向场，奇异点(i,j)的庞加莱指数为：

对于指纹图像识别来说，指纹图像并不是一个真正意义的矢量场，因此要对庞加莱指数方法进行改进，本文采用增加约束条件的方法来确定定义在[0,π]上的指纹图片方向场。其定义如下所示：

Δ(k)为向量场的旋转方向，结合Δ(k)的庞加莱指数就能够完全反映向量场的旋转角度和方向，就可以计算指纹图像中曲线在方向角变化累加时的方向向量绝对值。

3、实验结果

为了验证本文中改进庞加莱指数算法在指纹识别过程的有效性，本文将算法在国际通用指纹标准库NIST-4中进行测试，随机选取300个指纹后，人工标记奇异点位置，再将算法得到的奇异点位置和人工标记奇异点进行比较，若两者在同一个5乘5窗口中，则认为该算法是有效的。实验结果如表1所示。

表1　算法结果比较

由表1可知，本文提出的改进庞加莱指数算法正确识别了250个奇异点，识别正确率为83.3%，而高斯厄米算法识别了222个奇异点，识别正确率为74%。可以看出改进庞加莱指数算法相比高斯厄米算法能更精确的定位奇异点。

4、总结与展望

自动指纹识别技术在身份识别和日常生活中的应用越来越广泛，为我国现代社会的健康持续发展提供了保障，但自动指纹识别技术在手指有污物或边缘残缺情况下识别准确率并不理想，本文在阐述了自动指纹识别技术的发展过程基础上，提出了改进庞加莱指数算法检测指纹图像的奇异点，结果表明该算法相比高斯厄米算法能够有效提高奇异点定位准确度，提高对低质量指纹图像识别的准确率。

[1]陈继延.自动指纹识别技术的发展与应用[J].计算机光盘软件与应用,2013,38(9):56-57.

[2]倪增超,王婧.自动指纹识别技术的发展及应用[J].科技创新与应用,2015(32):40-40.

[3]王旖.指纹识别技术的发展及展望[J].科技致富向导,2011(5):218-220.

[4]陈婧,张苏.自动指纹识别技术综述[J].黑龙江科技信息,2013(1):3-3.

[5]张洁.残缺指纹识别中若干关键技术的研究[D].北京邮电大学,2013.

[6]赵慧敏,李卫军,刘扬阳,等.基于三高斯滤波的低质指纹图像增强方法[J].智能系统学报,2012,7(6):489-493.