完整版第二章指纹识别的原理和方法.docx

完整版第二章指纹识别的原理和方法.docx

《完整版第二章指纹识别的原理和方法.docx》由会员分享，可在线阅读，更多相关《完整版第二章指纹识别的原理和方法.docx（10页珍藏版）》请在冰点文库上搜索。

完整版第二章指纹识别的原理和方法

第二章指纹识别的原理和方法

指纹识别的采集及其参数[15]

指纹具有惟一性（随身携带、难以复制、人人不同、指指相异）。

根据指纹学理论，将两人指纹分别匹配上12个特征时的相同几率仅为1/1050。

指纹还具有终身基本不变的相对稳定性。

指纹在胎儿六个月时已完全形成，随着年龄的增长，尽管人的指纹在外形大小、纹线粗细上会有变化，局部纹线之间也可能出现新细线特征，但从总体上看，同一手指的指纹纹线类型、细节特征的总体布局等无明显变化。

指纹的这些特点为身份鉴定提供了客观依据。

指纹识别过程可以分为4个步骤：

采集指纹图像、提取特征、保存数据和比对。

通过指纹读取设备读取到人体指纹的图像,取到指纹图像之后，要对原始图像进行初步的处理，使之更清晰。

指纹辨识软件建立指纹的数字表示特征数据，软件从指纹上找到被称为“节点”（minutiae）的特征点，这些数据（通常称为模板），保存为1K大小的记录。

最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。

2.2.1指纹图像的采集[16][17][18]

指纹采集模式主要分为“离线式”和“在线式”两种。

所谓“离线式”就是指在指纹采集时，利用某些中间介质（如油墨和纸张）来获取指纹图像，在通过一定的技术手段将图像数字化输入计算机，它属于非实时采集。

目前“离线式”采集方式在大多数场合已经消失。

所谓“在线式”是通过与计算机联机的先进指纹传感器的专用指纹采集设备，将真实的人体指纹直接变成数字图像数据，实时传输给计算机。

基于指纹传感器的“在线式”实时采集设备以其操作简单、实时性强、采集效率高、图像质量好等优点，广泛应用于自动指纹识别领域。

指纹传感器是采集指纹的装置,是一切自动指纹识别系统的必备设备,从原理上,目前见到的指纹传感器分下面3类：

（1）光学录入　

它是最早开发的指纹输入装置,多采用红外主动光斜向照射指尖,利用全反射的原理,在反射方向接收指纹影像。

指纹影像由CCD摄像头接收,输出的视频信号由图像采集卡数字化后输入计算机.近年来,也有用CMOS摄像头直接获取指纹图像的数字信号,通过计算机并口或USB口输入计算机。

由于不需要附加卡,这种带USB口的CMOS指纹传感器有成本低且安装方便的特点,很受市场欢迎。

（2）硅晶体电容式传感器录入　

硅晶体电容式传感器是最近在市场上才出现的。

这些含有微型晶体的平面通过多种技术来绘制指纹图像。

电容传感器通过电子度量设计来捕捉指纹。

电容设备能结合大约100,000导体金属阵列的传感器，其外面是绝缘的表面，当用户的手指放在上面时，皮肤组成了电容阵列的另一面。

电容器的电容值因两极间的距离而变化，这里指的是脊（近的）和谷（远的）之间的距离。

压感式表面的顶层是具有弹性的压感介质材料，他们依照指纹的外表地形（凹凸）转化为相应的电子信号。

硅晶体电容式不需要光线参与,小型化有优势,并且不需要指尖移动,而是一次成像如果能够克服目前一些产品容易受静电影响击穿（尤其在我国北方干燥季节）的缺陷,它将是未来最受欢迎的指纹传感器。

（3）超声波录入

超声波录入是目前采样效果最好的指纹采样设备，当超声波源发出超声波通过传感器表面达到手指表面时，会被反射回去。

皮肤凹陷的部分与传感器表面间有较多的空气及杂质，会吸收一部分超声波。

这样皮肤突起部分反射回的超声波比凹陷部分的更强，从而依据超声波的强弱形成指纹纹理图像。

最近几年，指纹传感器的价格已经剧烈的下降。

至于体积，光学传感器的体积从6×3×3英寸降到3×1×1英寸。

硅晶体电容式传感器的体积差不多是这样或者更小。

在晶片上，集成电路的技术越来越高（如：

数字化电路把指纹信号转化为数字信号强度），系统体积将越来越小，硅晶体电容式传感器的体积接近与手指大小所需要的体积，其长宽大约是1×1英寸高不到1英寸。

在硅晶体电容式传感器之前，一些没有用到的机能是局部调整、软件控制、自动获取控制（AGC）技术。

对于大多数光学设备，只能通过人工调整来改变图像的质量。

然而，硅晶体电容式传感器提供自动调节象素，行以及局部范围的敏感程度，从而提高图像的质量。

AGC在不同的环境下结合反馈的信息产生高质量的图像。

例如，一个不清晰（对比度差）的图像，如干燥的指纹，能够被感觉并增强灵敏度，在捕捉的瞬间产生清晰的图像（对比度好）；由于提供了局部调整的能力，图像不清晰（对比度差）的区域也能够被检测到（如：

手指压得较轻的地方）并在捕捉的瞬间为这些像素提高灵敏度。

 硅晶体电容式传感器技术最重要的弱点在于，它们容易受到静电的影响，这使得晶体传感器有时会取不到图像，甚至会被损坏，另外，它们并不象玻璃一样耐磨损，从而影响了使用寿命。

总之，各种技术都具有它们各自的优势，也有各自的缺点。

我们在下面给出三种主要技术的比较。

表2.1几种取像设备的性能比较

比较项目

光学全反射技术

电容传感技术

超声波扫描

体积

大

小

中

耐用性

非常耐用

容易损坏

一般

成像能力

干手指差，但汗多的和稍脏的手指成像模糊

干手指好，但汗多的和稍脏的手指不能成像

非常好

耗电

较多

较少

较多

成本

低

低

很高

2.2.2指纹图像的参数

衡量一个指纹传感器的质量，可以通过考察其输出数字化后的指纹图像的质量来确定。

指纹图像的主要参数有图像尺寸、图像分辨率和图像的灰度。

（1）图像的尺寸

图像的尺寸通常用长度（mm）×宽度（mm）来表示，如18mm×12.7mm,或者用垂直方向上的像素点数×水平方向上的像素点数来表示，如360×256点阵。

图像尺寸和点阵数越大，则表示指纹传感器的采集区域越宽。

用于民用领域的指纹传感器，大多采用平面采集方式，因而不要求较大的采集区域，一般不小于12.7mm×12.7mm或256*156点阵。

（2）图像分辨率

图像分辨率体现了对图像细纹之处的描述精度，通常用每英寸多少点像素（dpi）来表示。

为了保障提取指纹特征的精确度，指纹图像应有较高的图像分辨率。

一般不低于256dpi，要求较高的场合通常不低于500dpi。

（3）图像的灰度

采集设备与方法不同，所采集到的指纹图像也不同。

绝大多数指纹图像是单色图像，我们把没有色调变化的单色图像称为二值图或黑白图，具有色调变化的单色图像称灰度图。

灰度图含有更加丰富的图像信息，有利于指纹识别与对比。

依照对色调变化的表现力，灰度图分为2bit、4bit、6bit、8bit几个不同等级，一般较多采用的是8bit（256级）灰度。

2.3指纹的特征

指纹分类是基于指纹脊或谷的整体流向以及指纹的核心点。

指纹分类的主要目的是方便大容量指纹库的管理，并减小搜索空间，加速指纹匹配过程。

我们定义了指纹的两类特征来进行指纹的验证：

总体特征和局部特征。

2.3.1指纹的总体特征[19][20][21]

总体特征是指那些用人眼直接就可以观察到的特征，包括基本纹路图案：

环型（loop），弓型（arch），螺旋型（whorl）。

其他的指纹图案都基于这三种基本图案。

指纹的脊纹形式是适应之间的球状表面和半圆形顶端以及横行的指间屈基线生长的，除少数弓形纹之外，绝大多数是箕、斗型纹（约占95%），（三种纹形的大致分布概率如表2.2）

表2.2纹形的大致分布概率

基本纹型

弓型

箕型

斗型

分布概率

5%

60%

35%

纹型是指纹的基本分类，是按中心花纹和三角的基本形态划分的。

纹形从属于型，以中心线的形状定名。

按我国是指纹分析法，指纹分三大类型（如图2.1），五大种形态。

可见，型与形是类与种的关系。

箕型斗型弓型

图2.1指纹的纹形

（1）箕形纹（Loop）：

有一条以上完整的基性线组成中心花纹。

箕形线的对侧有一个三角的上下之线包围着中心花纹。

按箕技的流向分为桡侧箕形纹（反箕）和尺侧箕形纹（正箕）两种。

按中心花纹的结构形态又可分为普通箕、闭口箕、叶形箕、横箕和类似斗的箕。

箕形纹中心和三角之间的距离和纹线数量多少不一，有的只有1－2条线，多数为十条线左右，个别的可达30余条。

（2）斗型纹（Whorl）:

中心花纹呈环、螺、曲状，由内向外扩展与上下包围线汇合形成两个以上的三角的纹线，称为斗型纹。

分为环形、螺形、囊形、双箕形、杂形五种。

斗型纹的中心花纹，在由一条环、螺、曲等纹线构成时，与两侧三角相对的弧形线凸面，必须是不折、不断的，并且不与来自从三角中的其它纹线相接。

（3）弓型纹（Arch）:

由弓形线和横直线层叠而成，中心花纹与上下包围线无明显界限，因此也没有真正的三角区。

分弧形和帐形纹两种。

（4）弧形纹：

是由平缓的或略微突起的弧形线组成的一种结构简单的花纹形式。

（5）帐形纹：

由平行的和突起的弧形线组成。

花纹中部有直立的或倾斜的纹线，将弧形线撑起呈帐蓬状。

指纹类型的三类九种，是按我国现行的十指指纹分析法划分的。

这是一种基本分类，也叫两极分类法。

实际上指纹种类远不只这些。

2.3.2指纹的局部特征

局部特征是指指纹上的节点的特征，这些具有某种特征的节点称为特征点。

两枚指纹经常会具有相同的总体特征，但它们的局部特征—特征点，却不可能完全相同。

指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或打折。

这些断点、分叉点和转折点就称为"特征点"。

就是这些特征点提供了指纹唯一性的确认信息。

特征点的分类有以下几种（如图2.2）,最典型的是端点和分叉点[22]。

图2.2指纹特征示意图

很多研究者试图解决指纹分类问题，但至今分类算法的误识率仍较高。

如何提高指纹分类的准确率在自动指纹识别研究中是一个较关键的问题。

2.3.3应用于指纹匹配的指纹特征

在指纹特征中由于中心点、三角点、端点、叉点、纹型、相对纹密度、纹曲率等元素的分布对于某一个特定人的指纹来说，在他的一生中永远不会改变，具有终生不变性和惟一性，因而被称为永久性特征。

永久性特征在手指前端的典型区域（也被称为中心花纹区）中最为清晰和明显，其分布也最均匀，是指纹匹配的主要参数[23]。

2.4指纹图像处理与识别

指纹图像处理与识别是自动指纹识别系统的核心技术,其研究已有很长的历史了,但是总体的思路变化不大。

可以把识别算法大致分为下述3个步骤:

（1）图像预处理　原始指纹图像需要进行滤波除噪、脊线增强、动态二值化、方向信息计算、初分类、背景分割、纹线间隔估计等处理。

图像预处理的效果好坏直接影响系统性能。

个别应用还需要指纹图像的压缩编码。

预处理的目的是改善输入指纹图像的质量，以提高特征提取的准确性。

预处理常基于方向图，方向图是指纹图像的近似描述，方向图的每一元素代表指纹图像中某个给定区域的纹理方向。

原始指纹图像一般有很多噪声、断纹或纹线模糊等，需要进行图像增强（使用滤波技术）以改善质量。

由于指纹的特征仅包含在纹线的形状结构中，所以，通过二值化和细化把深浅不一、宽度不同的纹线变成灰度相同的单像素宽的细纹线，以便于特征提取。

（2）指纹特征提取　包括纹线细化、特征点（交叉点、断点、中心点、三角点等）检测与分类、伪特征点消除、特征点特性参数计算、特征参数压缩编码、全局特征（“斗”、“箕”、“旋向”等）检测等步骤。

特征提取算法应能适应噪声、畸变、位移、旋转、缺损、变形等常见的实际情况。

经预处理后的指纹图像通过相应的处理算法自动提取指纹的全局特征和细节特征。

自动指纹识别系统中一般把指纹的类型分为弓、左箕、右箕、斗、杂和不可分六类。

细节特征主要由其位置和方向确定，因此细节特征一般只考虑纹线的端点和分叉点（包括汇合点），眼和桥等也用相应的分叉点表示，不再特殊区分，在有的系统中，还将细节特征与中心之间、或细节特征之间的纹线数提取并记录下来。

提取后的特征还需要进行后处理以去掉假特征。

（3）指纹特征比对　即比较现场提取的某一个指纹特征点集合和原先建立的数据库中的某一个指纹特征点集合的相似程度。

通常用代价函数（或匹配能量）来表示相似程度,取合适的门限将给出该两组指纹特征是否来自同一枚指头的判断。

特征比对的方法有点图松弛匹配方法、最小距离图法和Delaunay三角形化变换等。

2.5指纹算法的具体性能评价指标[24]

就一个自动指纹识别系统来说，其指纹识别算法的精确度是整个系统性能指标中最为关键的指标。

所谓指纹识别算法的精确度是指其识别与提取的特征数量与准确率及进行特征匹配时的准确率。

下面线介绍一下有关指纹识别的基本概念。

匹配（Matching）:

匹配也称对比过程，是指将两个指纹特征模板通过相应的算法求出它们之间的相似程度的处理过程。

若相似程度大于一个事先给定的门限阈值，则该笔对结果被认为接受或者称匹配。

反之，则被视为拒绝或不匹配。

认证（Verification）：

认证是指将现场采集的待测指纹样本与标本指纹特征模板进行“一对一”比对（OnetoOneMatching,简记为1：

1），得出“是否是同一人”的结论。

识别（Identification）:

识别是指将现场采集到的待测指纹样本与指纹特征数据库中的标本指纹进行“一对多”的搜索比对（OnetoManyMatching,简记为1：

N），得出“有无此人”以及“此人是谁”的结论。

门限阈值（Threshold）:

门限阈值是用于判别两个指纹特征模板相似程度的分界值，门限阈值定的越高，表示对相似度的要求越严。

（1）拒识率和误识率

a.拒识率（FalseRejectionRate，FRR）：

拒识率又称拒真率，指将相同的指纹误认为是不同的指纹，而加以拒绝的出错概率。

其定义为：

FRR=拒识的指纹数目/考察的指纹总数目×100%。

b.误识率（FalseAcceptRate,FAR）：

误识率又称认假率，指将不同的指纹误认为是相同的指纹，而加以接收的出错概率。

其定义为：

FRR=错判的指纹数目/考察的指纹总数目×100%。

（2）拒登率

　　拒登率（ErrorRegistrationRate，ERR）是用来描述指纹设备的适应性。

其定义为：

ERR=出现不能登录及处理的指纹数目/考察的指纹总数目×100%。

ERR指的是指纹设备出现不能登录及处理的指纹的概率，拒登率ERR过高将会严重影响设备的使用范围。

（3）速度

　　指纹识别系统的工作速度主要由采集时间、图像处理时间、比对时间和平均识别速度几项指标构成。

采集时间通常包含了采集的操作时间和图像的传输时间；图像处理时间，指的是从计算机处理指纹图像到提取出所有特征、输出特征模板所耗费的时间；比对时间，指计算机对两组指纹特征模板进行比对并给出结果所耗费的时间；平均识别速度，指计算机从指纹特征模板库中搜索出特定指纹特征模板的速度，通常是一个统计平均值，其速度的快慢与指纹特征模板库的分类方法有很大关系。

（4）平衡点:

即调整指纹识别的门限,使拒真率和认假率相同，平衡点越低越好。

（5）建档时间:

即平均每一枚指纹进行指纹图像采集、图像处理、特征提取和特征建库的时间，建档时间越短越好。

（6）比对效率:

即在建档后,直接比对一对指纹特征（不进行图像处理和特征提取）所用的时间,一般用每秒钟比对的次数来表示,当然越多越好。

（7）特征文件字节数:

即平均每一枚建档指纹所用的特征文件长短,用字节表示,越短越好。

（8）算法通用性:

即指纹识别算法对指纹传感器的敏感性。

需要考虑当传感器图像尺寸、噪声水平、失真程度、手指摁印角度等因素改变时,识别算法的适应性或程序修改的工作量，这一条暂时没有具体衡量指标。

（9）其他软件工程指标:

包括程序可靠性、易用性、界面友好、统计资料齐全、数据库管理方便等。

容易看出,上述指标互相是有矛盾和抵触的,单一指标衡量算法性能很可能是片面的、不科学的。

所以,从全面的角度衡量性能指标是有必要的

其中，FAR和FRR是一对相互矛盾的技术指标，在大多数“一对一”比对中，如普通的指纹门禁、指纹证件、权限管理与文件保护等指纹应用场合，考虑到指纹的多样性和不易仿冒性，对FAR指标的要求可适当放宽，而把设备的易用性和方便性放在第一位，要求FRR值尽可能地低。

但是在“一对多”以及高安全度的应用场合，则要求FAR尽可能低，以避免误认他人。

事实上在多数指纹设备中，可以通过改变系统识别的阈值设定来选择FAR和FRR的数值。

高安全性的指纹设备通常具有对活体指纹生命特征的识别能力，能够在很大程度上防止假手指作弊，但也正因为如此，常常容易受各种因素变化（干燥、脱皮、污染、干扰和使用时压力或摆放不当）的影响而把真手指当做假手指拒认，从而使其易用性指标下降。

如何处理安全性与易用性这一对矛盾，是指纹设备选购时另一个值得注意的问题。

一般除非是用于无人值守的高安全性场合，指纹设备的易用性指标应摆在首位，尽量做到方便、好用，使绝大多数人在各种环境下均能使用。