基于指纹识别技术的校园门禁应用

李润婷 李婷婷

摘要：由于指纹识别技术具有独特性，指纹匹配已成为一种有效的人类识别工具，指纹的普遍性和不变性让指纹识别技术在当今社会得到了广泛的应用。比如：指纹识别技术已广泛应用于身份识别、考勤系统、巡更系统、指纹解锁、门禁系统等各领域。该文将指纹识别技术应用于高校门禁系统中，如此的应用既可以方便高校的管理，又可以方便广大师生。由于考虑到高校的师生数量较大，在实际应用中可采用大型数据库进行存放数据。

关键词：指纹识别;高校;门禁系统

中图分类号：TP311        文献标识码：A

文章编号：1009-3044（2020）16-0222-02

1 引言

个人身份识别是全球最大的问题之一，当今社会的各个领域，从访问控制到犯罪学和法医鉴定、付款和鉴定计算机系统中，在所有生物特征中可用于识别的内容，例如语音、虹膜、DNA、指纹是使用最广泛的。因其独特性、普遍性、不变性和提取设施而受到人们的认可。

2 指纹识别技术

指纹识别技术是一种属于生物识别的技术，指纹识别技术一般包括三个步骤：指纹识别、特征提取和指纹的匹配。

2.1 指纹识别

指纹基本上是由从手指上捕获的山脊和山谷的图案通过墨压力机得来，电容式或光学传感器等指纹识别已经研究了很多年了，也已经提出了许多指纹匹配算法。指纹识别可以分为两种问题：验证和识别。前者包括确定两个图像是否属于同一图像指纹，即一对一比较。后者是专门的在模板中搜索输入指纹的匹配项数据库，以便可以识别此指纹的所有者。因此，识别可以看作是对验证的概括，进行一对多比较的问题。通常，匹配算法旨在执行指纹验证及其概括，以解决身份识别问题，大多数都專注于实现非常精确的匹配，通常会对时间产生负面影响作用，在大多数实时系统中，这个因素是决定高响应时间，等同于系统故障。

指纹数据库是N个模板的集合T指纹T = {T1，... TN}，用作指纹的参考识别。因此，识别作为输入指纹是1：N的比较问题，我需要与所有T进行比较。

识别问题可以看做是一次验证数据库中的每个指纹，因此，这些问题之间的关系是复杂性顺序的问题。验证问题的目的是获得非常精确的结果，尽可能降低错误率。然而，复杂的验证方法对识别没有用，因为总体响应时间会太长。到目前为止，识别问题的一般特征包括：

（1）精确度：错误率必须尽可能低，以便得到一个准确的结果。

（2）效率：在指纹中找到指纹所需的时间。数据库应尽可能小，在实时系统中，例如：高延迟可能等同于系统故障，通常在几秒钟内，延迟阈值取决于特定的系统。

（3）可扩展性：它揭示了系统在任意大小的数据库中处理的能力、数量合理时间、保持精度的要求。

（4）灵活性：系统必须轻松、高效地安装任何大小的数据库，任何功能的数据库（例如嘈杂的指纹），以及任何硬件配置（不同架构，不同的集群大小，不同的处理器）。

尽管指纹识别有多种解决方案，一般的搜索过程结构由以下步骤组成：

（1）输入指纹提取

（2）特征提取

（3）在数据库中搜索相似的指纹

（4）返回结果

2.2 特征提取

指纹基本上由脊和谷形成，它们能在高质量的图像中很清晰，相反，它们可能会变得模糊甚至无法区分。困难的指纹提取过程，在对它们进行不同程度的分析时，这些脊和山谷呈现出一些可用于执行指纹比较。在特征提取中指纹的细节在指纹识别中最为重要，一些研究指出细节是用于指纹识别的最可靠功能，细节是山脊的分叉和末端，两个指纹之间的十二个完全匹配的细节才可以确保两个指纹相同。因此，具有细节的指纹可以表示为一个细节矢量，细节可以被有效地存储并容易地处理，指纹的比较可以作为细节集之间的相似度计算，细节提取方法主要有两种：

基于二值化的方法：大多数方法需要二进制指纹图像，图像通常会变稀将线宽减小到一个像素的过程，成为框架图像。尽管这些步骤很耗时，可能会导致某些信息丢失，它们会导致细节通过简单的图像扫描进行检测。这种类型的一些方法是基于峰值检测的方法与山脊方向正交的截面，此外，其他方法可以在细化之前改善图像质量步骤，例如通过使用自适应窗口跟随山脊并找出间隙和孔。

直接灰度提取方法：某些提取方法不使用直接灰度提取方法，因此，没有信息丢失，并且避免在二值化和稀化步骤上花费时间，但是这些方法无法从先验增强中受益。最常用的方法之一是使用方向图跟随脊，其他方法使用了脊线跟踪的替代方法，例如神经网络或空间过滤。

2.3 匹配

匹配算法比较了两个指纹的特征，从指纹图像中提取特征，打印并返回相似度数值，算法和数据使用的结构取决于特定的功能，可用的匹配器有：

（1）基于相关性。

（2）基于细节的。

（3）基于非细节特征。

本文重点介绍基于细节的匹配器，通常数据结构如下：

（1）细节之间的距离。

（2）细节街区。

（3）细节之间的脊数（脊数）。

匹配算法是从这些算法中执行一些计算结构和指纹本身具有的特征并返回数值（通常是实数），描述相似度范围从完全不同的指纹到完全相同的图片，基于细节的匹配过程包含三种不同的级别：

（1）全局：比较整个图像的细节。这个匹配类型尽管使用了整个图像同时提供了完整的视图指纹，但对图像失真、旋转和翻译更敏感。

（2）本地：比较彼此靠近的小块细节。旋转和平移引起的问题之所以得以缓解，因为使用了相对角度和坐标，使得该方法下旋转和平移不变，失真问题也是减少，紧密的细节受变形的影响较小。但是，未将指纹整体视为一个有损，可能会影响算法的精度。

（3）混合：最可靠的算法使用混合方法。首先，局部匹配会提取最相似的两个指纹的细节组，然后基于此进行对应关系全局匹配。

3 指纹识别技术在门禁系统中的应用

经调查发现，现在大部分高校，在学校门口、图书馆和宿舍都设有门禁装置，以防校外人士随意进校，此举既可以有效地對在校师生的人身安全进行保护，也可以保护学校的财产，对学校的治安起了很大的帮助。广大师生可以手持校园一卡通随意出入学校、图书馆和宿舍，校园一卡通看似很方便，但已经无法满足生活在高科技产品爆发时代的我们。在本文中将提出在高校门禁系统中应用指纹识别技术，在广大师生入职和开学时采取1-3个指纹并录入数据库即可，在后面的校园生活中，无须带卡便可通过任何门禁装置。

此外，由于高校里师生数量较大，当数字数据库中模板的数量增加，虽然有些方法设计得尽可能快，但并不能保持其精度，因此不适合解决大型数据库问题。高性能计算（HPC）是解决此问题的工具之一，HPC支持现代科学，允许执行多个通过使用适当的质量在合理的时间内进行计算结构。 HPC已成功用于许多不同的模式识别问题，比如：实时图像比较和其他人工情报系统。HPC是一种很有前途的资源，已经被证明可以减少识别时间。

4 结论

在本文中，我们提出将指纹识别技术应用于高校门禁系统中，这样既方便了高校的管理，又方便了广大师生。对本文的详细说明可以得出结论，提议的框架符合期望，该框架系统具有线性关于指纹数据库的可扩展性，以及最佳对基础硬件的适应性，加上基础匹配算法和指纹功能，可以在任意大小的数据库中进行识别。

参考文献：

[1] 赵志鹏，周一帆，何馨怡.基于指纹识别的门禁控制系统设计[J].数字通信世界，2019（3）：172.

[2] 孙静，康风建，孙彦涛.基于指纹识别的门禁系统设计[J].智能计算机与应用，2017，7（6）：155-156.

[3] 刘欢，方华.基于指纹识别的实验室门禁管理系统设计[J].微型机与应用，2016，35（23）：93-95，99.

[4] 张正柱.基于指纹识别的图书馆门禁及读者分析系统设计[J].绵阳师范学院学报，2018，37（02）：102-106，113.

【通联编辑：代影】