警用指纹识别技术研究及软件实现.docx
《警用指纹识别技术研究及软件实现.docx》由会员分享，可在线阅读，更多相关《警用指纹识别技术研究及软件实现.docx（45页珍藏版）》请在冰点文库上搜索。
警用指纹识别技术研究及软件实现
警用指纹识别技术研究及软件实现
赵燕
摘要:
随着社会经济的迅速发展，法制建设的逐渐健全以及人们法律意识的不断增强，对公安工作提出了更高的要求。
只有将传统侦查手段与科技相结合，才能更有效地打击犯罪维护社会治安。
指纹识别技术作为当今应用最为广泛的生物特征识别技术，是刑事侦查的重要信息资源。
本文从生物识别技术出发，指出指纹识别的优越性和意义。
在此基础上介绍指纹识别系统的四部分组成，指纹图像采集、指纹图像处理、指纹特征值提取、指纹比对。
文章着重研究指纹匹配算法，分析指纹三大匹配算法：
基于图形的匹配算法、基于结构匹配算法和点模式匹配算法，比较算法之间的优劣，重点介绍基于中心点的指纹匹配算法和基于遗传算法的指纹匹配算法。
在研究的基础上提出一种基于相对距离的方法进行匹配的算法，将点模式的优点和基于结构的特征点之间的相对距离不变性、特征点类型不变性很好结合起来。
关键词：
指纹识别；比对
PoliceFingerprintIdentificationtechnologyresearchandsoftwarerealizing
Abstract:
Withsocialrapiddevelopmentofeconomyandcommunicationsdaybyday,andtheconsciousnessoflegalconstructiongraduallyenhanced,haveputforwardhigherdemandtothepublicsecuritywork.Onlycombinethetraditionalinvestigationandscienceandtechnology,couldattackthecrimeandsafeguardthesocialsecuritymoreeffectively.Fingerprintidentificationisnowadaysusingthemostextensivebiologicalcharacteristicidentification,anditisthecriminalimportantinformationresourcesthatinvestigateandplayanextremelygreatroleinpublicsecuritywork.
Thisprogramproceedsfrombiologicalcharacteristicidentification,pointoutthesuperiorityandmeaningoffingerprintidentification.Fingerprintidentificationsystemmakeupoffourparts,fingerprintpicturegathering，fingerprintpatternprocess，fingerprintcharacteristicselecting,fingerprintmatching.
Theprogramstudiesthefingerprintmatchingalgorithmemphatically,itisanalysedthatfingerprintmatchesalgorithmsisdividedintothreeparts:
algorithmofmatchbasedonfigure,matchingalgorithmsbasedonstructureandmatchingalgorithmsbasedonminutiapoints.Introducethedevelopmentofthealgorithm,thequalitybetweenthecomparativealgorithms,introducethealgorithmoffingerprintmatchingbasedoncentralpointandalgorithmoffingerprintmatchingbasedonhereditaryalgorithmespecially.Onthebasisofstudying，theprogramputforwardproposematchingalgorithmsbasedonstructureandminutiapoints.Mymatchingalgorithmscombinetheadvantageofmatchingalgorithmsbasedonstructureandminutiapointstogether.ItisbasedonchangelessstructureandchangelessdistanceofMinutiaPoints.
Keyword:
FingerprintIdentification;matching
1 绪论
1.1 生物识别技术概述
研究和经验表明，人的指纹、面孔、发音、虹膜、视网膜等都具有唯一性和稳定性的特征，因此可以据此识别出人的身份。
此外还有一些生物特征亦可用于身份识别，如掌纹、耳形、手形、气味、视网膜等。
基于这些特征，人们发展了指纹识别、面部识别、发音识别等多种生物识别技术，目前许多技术都己经成熟并得以应用，其中的指纹识别技术更是生物识别技术的热点。
下面给出各种生物特征综合性能的定性比较（表1.1）。
表1.1生物特征比较表
生物特征
唯一性
稳定性
准确性
普遍性
方便性
防伪性
可接受性
指纹
高
高
高
中
中
高
中
声纹
低
低
低
中
中
低
高
DNA
高
高
高
高
低
低
低
面像
低
中
低
高
高
低
高
虹膜
高
高
高
高
中
高
低
笔迹
中
中
中
中
高
中
中
掌纹
中
中
中
高
中
高
中
耳形
中
高
中
中
中
中
高
手形
中
中
中
中
高
中
中
气味
高
高
低
高
低
低
中
视网膜
高
中
高
高
低
高
低
生物特征具有以下特性，可以据此识别出人的身份。
（1）唯一性。
生物特征唯一性是保证识别技术科学性基础。
如果识别所依据“生物特征”不具有唯一性，意味着生物识别具有或然性，其科学性必然大大降低。
研究表明：
指纹、声纹、面像、虹膜等具有唯一性特点。
以目前应用最广泛的指纹识别身份为例，手指表面皮肤凸凹不平形成各式各样纹路。
唯一性表现为两个手指的指纹纹路图案、断点、交叉点等各不相同。
早在1892年英国科学家高尔顿就预言地球上所有活着的人不会有两枚指纹完全一样，后来巴黎大学的教授用数学方法证实了这点。
（2）稳定性。
生物特征稳定性是保证识别技术科学性前提。
也只有稳定的特征才能保证识别技术科学性，而非偶然性。
研究表明：
指纹、声纹、面像、虹膜等具有稳定性特点。
虽然可能有些变化，但仍维持相对稳定，完全满足身份识别的要求。
以指纹识别为例，从胎儿6个月时指纹形成到死亡，指纹的纹线类型、结构、统计特征的总体分布等始终没有明显变化。
尽管随年龄增大，指纹外形大小、纹线粗细会发生一些变化，局部纹线也可能出现新的特征，但从总体看，指纹是相对稳定的。
其他生物特征亦然。
生物识别系统主要性能指标包括特征拥有者被系统拒绝的拒识率FRR和将非法用户识别为合法用户的误识率FAR。
对理想系统而言，二者均为零。
实际应用时，FRR和FAR是相关的。
ROC（ReceiverOperatingCurve）曲线准确反映了这种关系（图1.1）。
该曲线表明给定匹配阈值时的FRR、FAR，阈值应根据具体应用确定。
刑事应用时，要把可能的嫌疑人都找出来，应尽量减小FRR；保密应用时，误判将造成很大损失，应尽量减小FAR。
[1]
图1.1ROC（ReceiverOperatingCurve）曲线
当然，每种生物特征都有其优缺点和应用范围，目前尚没有一种生物特征能在任何情况下满足身份识别的所有要求。
鉴于此，开始探索融多种生物特征实现高精度识别的可行性。
数据融合就是一种通过集成多知识源的信息和不同专家的意见以产生相应决策方法，将它应用于身份识别，结合多种生理和行为特征进行身份识别，能有效提高识别准确性。
1.2 课题研究的目的和意义
1.2.1 课题来源
在上述多种生物识别技术中，由于指纹具有高稳定性、惟一性、高可靠性、易采集性、伪造难、破译难等突出特点，使得指纹识别技术成为生物识别技术的热点。
而指纹作为刑事侦查的重要信息资源，在刑侦界早已形成共识。
最初的指纹识别采用手工方法，即将指纹卡片存放在指纹库中，需要时在指纹库中人工查找由指纹专家比对指纹卡。
20世纪六十年代后，人们利用计算机代替了效率低、投入高的手工方式来处理指纹，指纹图像识别技术发展取得长足的进步。
相对于其它生物特征鉴定技术例如语音识别及视网膜识别，指纹识别是一种更为理想的身份确认技术。
（1）每个人的指纹是独一无二，两人之间不存在着相同的手指指纹。
19世纪末，英国学者亨利写出了专著，将指纹的特征及识别原理加以分析归纳，科学地提出了人的指纹各不相同，并提出了基于指纹特征进行识别的原理和方法，以后衍生出的各种识别方法都是基于该理论。
按亨利的理论，一般人的指纹在出生后9个月得以成型并终身不变；每个指纹一般都有70-150个基本特征点。
从概率学的角度，在两枚指纹中只要有12-13个特征点吻合，即可认定为同一指纹。
按现有人口计算，上述概率120年才可出现两枚完全相同的指纹。
[2]
（2）每个人的指纹是相当固定的，很难发生变化。
例如，指纹不会随着人的年龄的增长、或身体健康程度的变化而变化。
人的声音却有着较大的变化.
（3）便于获取指纹样本，易于开发识别系统，实用性强。
目前已有标准的指纹样本库，方便了识别系统的软件开发；另外，识别系统中完成指纹采样功能的硬件部分（即指纹采集仪）也较易实现。
而对视网膜则难于采样，也无标准的视网膜样本库供系统软件开发使用，这就导致视网膜识别系统难以开发，可行性较低.
（4）一个人的十指指纹皆不相同，这样，可以方便地利用多个指纹构成多重口令，提高系统的安全性。
同时，并不增加系统的设计负担。
（5）指纹识别中使用的模板并非最初的指纹图，而是由指纹图中提取的关键特征，这样使系统对模板库的存储量较小。
另外，对输入的指纹图提取关键特征后，可以大大减少网络传输的负担，便于实现异地确认，支持计算机的网络功能。
从以上的分析可以看到，用自动指纹识别相对于其它方法不仅具有许多独到的信息安全角度的优点，更重要的是还具有很高的实用实用性、可行性。
1.2.2 研究范围和目的
本文主要研究了警用指纹识别技术实现及初步实现，主要工作如下：
（1）研究指纹识别系统基本组成，了解指纹识别基本流程。
（2）了解指纹三大匹配算法：
基于图形的匹配算法、基于结构匹配算法和点模式匹配算法。
介绍算法的发展，比较算法之间的优劣。
（3）重点掌握最新的指纹匹配算法，自己提出一种指纹匹配算法
（4）自行开发了警用指纹识别系统，并对其性能进行了初步测试。
1.2.3 研究意义
研究警用指纹识别技术对于公安工作意义重大，这是因为计算机指纹识别具有方便、快捷、多向、联网等特点和功能，与手工管理和使用相比，具有以下优点：
（1）改善指纹工作者的工作环境
手工管理和使用指纹档案时，指纹工作者容易被感染上某些犯罪嫌疑人携带的传染性疾病。
应用指纹识别系统后，指纹工作者的工作环境得到了彻底的改善。
（2）指纹破案工作发生了质的飞跃，提高打击犯罪的速度
手工进行指纹查档，工作量大、速度慢、效率低。
利用计算机指纹识别系统后，指纹侦破案件产生了质的飞跃，提高打击犯罪的速度。
（3）拓展指纹的应用范围，提供有力的现代化手段和工具
指纹识别系统建成后，被查询人信息一目了然;此外根据公安工作的实际需要，系统还提供了指纹抓逃、网上复核认定等拓展功能，为打击刑事犯罪提供更加有力的现代化手段和工具。
（4）实现指纹的信息共享，联网作战拓展打击犯罪的广度
随着指纹识别系统的广泛应用和计算机网络技术的飞速发展，指纹自动识别系统已经从单机版发展成网络版，实现了指纹的远程实时查询，为快速、有力地打击各种犯罪提供了有效工作基础和实战环境。
（5）提高指纹工作者的总体业务素质
指纹工作者逐步适应了高科技的操作规范和使用标准，自身的业务素质不断提高，这是整个指纹痕迹检验工作总体水平的提高和飞跃。
2 指纹识别系统概述
2.1 系统构成
自动指纹识别系统（AutomaticFingerprintIdentificationSystem，简称AFIS）是运用模糊数学原理，以指纹数据库为基础，通过计算机对数据库的处理和操作，实现指纹资料数字化，从而达到自动筛选和匹配指纹特征，寻找相同或相似指纹，快速完成指纹比对查询，最终为刑侦工作提供破案信息。
指纹识别系统主要涉及四个功能：
指纹图像采集、指纹图像处理、指纹特征值提取、指纹比对。
识别算法流程见（图2.1）。
图2.1指纹识别算法流程图
2.2 指纹图像采集
取像设备分成两类：
光学、硅晶体传感器和其他。
光学取像设备有最悠久的历史，可以追溯到20世纪70年代，依据光的全反射原理（FTIR）（图2.2光学取像设备图）。
线照到压有指纹的玻璃表面，反射光线由CCD去获得，反射光的数量依赖于压在玻璃表面指纹的脊和谷的深度和皮肤与玻璃间的油脂。
光线经玻璃设到谷后反射到CCD，而设到脊后则不
反射到CCD（确切的是脊上的液体反光的）。
图2.2光学取像设备图
应用晶体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被设计来捕捉指纹。
电容器的电容值由于金属间的距离而变化，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。
温度感应传感器被设计为感应压在设备上的脊和远离设备的谷温度的不同。
超声波扫描被认为是指纹取像技术中非常好的一类。
很像光学扫描的激光，超声波扫描指纹的表面。
紧接着，接收设备获取了其反射信号，测量他的范围，得到脊的深度。
不像光学扫描，积累在皮肤上的脏物和油脂对超音速获得的图像影响不大，所以这样的图像是实际脊地形（凹凸）的真实反映。
表2.1给出三种主要图像采集技术优缺点的比较。
比较项目
光学全反射技术
硅晶体电容传感技术
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
表2.1图像采集技术比较
2.3 指纹图像处理
指纹图像处理包括指纹区域检测、图像质量判断、方向图和频率估计、图像增强、指纹图像二值化和细化等，过程见（图2.3）
刚获得的图像有很多噪音。
这主要由于平时的工作和环境引起的，比如，手指被弄脏，手指有刀伤、疤、痕、干燥、湿润或撕破等。
图像增强是减弱噪音，增强脊和谷的对比度。
为这个目标而为处理指纹图像所涉及的操作是设计一个适合、匹配的滤镜和恰当的阀值，使之实用于图像上所有的象素。
依据每个象素处脊的局部走向，滤镜应增强在同一方向脊的走向，并且在同一位置，减弱任何不同于脊的方向。
后者含有横跨脊的噪音，所以其垂直于脊的局部方向上的那些不正确的“桥”会被滤镜过滤掉。
所以，合适的、匹配的滤镜可以恰到好处地确定脊局部走向的自身的方向，它应该增强或匹配脊而不是噪音。
Gabor滤波对指纹图像处理可以获得很好的滤波效果，但缺点是速度慢，对计算机的性能要求比较高，不适于在线实时处理。
所以，Gabor滤波主要应用在警用AFIS等针对离线采集和离线比对等对系统的实时性要求不高的场合。
[3]
图像增强，噪音减弱后，我们准备开始选取一些脊。
虽然，在原始灰阶图像中，其强度是不同的而按一定的梯度分布，但它们真实的信息被简单化为二元：
脊及其相对的背景。
二元操作使一个灰阶图像变成二元图像，图像在强度层次上从原始的256色（8-bits）降为2色（1-bits）。
在节点提取之前的最后一道工序是“细化（thinning）”。
细化是将脊的宽度降为单个象素的宽度。
一个好的细化方法是保持原有脊的连续性，降低由于人为因素所造成的影响。
认识到合法的和不合法的节点后，在特征提取阶段排除这些节点。
[4]
图2.3指纹图像增强处理过程图
2.4 指纹特征值提取
指纹其实是比较复杂的。
与人工处理不同，许多生物识别技术公司并不直接存储指纹的图像。
多年来在各个公司及其研究机构产生了许多数字化的算法。
但指纹识别算法最终都归结为在指纹图像上找到并比对指纹的特征。
根据脊线的走向与分布情况，一般将指纹的基本纹路图案分为三大类环型（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（图2.4）。
环型（loop）弓型（arch）螺旋型（whorl）
图2.4指纹基本纹路
仅仅依靠图案类型来分辨指纹是远远不够的，我们在此基础上定义了指纹的两类特征：
总体特征和局部特征。
总体特征是指那些用人眼直接就可以观察到的特征，包括：
模式区、核心点、三角点、式样线和纹数等。
局部特征是指指纹上的节点。
两枚指纹经常会具有相同的总体特征，但它们的局部特征——节点，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“节点”或细节特征点（MinutiaPoints）。
就是这些节点提供了指纹唯一性的确认信息，其中最典型的是终结点（Rigdeending）和分叉点（Ridgebifurcation）（图4.1），其他还包括分歧点、孤立点、环点、短纹等。
节点的参数包括：
方向、曲率、位置。
图2.5终结点（A）、分叉点（B）
2.5 指纹匹配
应用系统利用指纹匹配技术可以分为两类，即验证（Verification）和辨识（Identification）。
验证就是通过把一个现场采集到的指纹与一个己经登记的指纹进行一对一的比对（one-to-onematching），来确认身份的过程。
作为验证的前提条件，该指纹必须在指纹库中已经注册，以一定的压缩格式存贮，并与其姓名或其标识（ID，PIN）联系起来。
指纹匹配算法是指运用模糊数学原理，以指纹数据库为基础，通过计算机对数据库的处理和操作，实现指纹资料数字化，从而达到自动筛选和匹配指纹特征、快速完成指纹比对查询的目的。
指纹识别系统采用细节特征比对的识别方法，根据现场提供的信息，可提供三种比对方法和四种比对功能。
三种比对方法:
①能确定现场指位和纹型，在指纹的数据库中查找;②可提供一些附加信息，如罪犯年龄、性别等，则与罪犯前科档案数据库查找;③不能确定指位和纹型，则在全部指纹特征数据中查找。
四种比对功能:
①现场指纹查档案指纹库（以案找人）;②嫌疑人指纹查现场指纹库（以人找案）;③现场指纹查现场指纹库（以案找案）;④查前科（以人找人）。
目前，指纹自动识别系统已经具备了多种比对方法和比对功能，具有这样一些特点:
一是快速的建库能力。
在较短时间内，可以输入几十万人甚至上百万人的十指指纹，自动、准确地提取特征信息，建立起大容量的指纹信息数据库。
二是强大的查证能力。
用捺印指纹或犯罪现场指纹，可快速查询指纹信息数据库，实现以人找案，以案找人，以案找案，认定犯罪嫌疑人员身份及有无前科、串并案等。
三是多向的联网能力。
可以通过现有的网络系统在更大的范围内实现指纹快速查询和信息资源共享;同时，也可与其他信息系统联网，形成综合犯罪信息网络系统。
3 警用指纹匹配技术研究
指纹图像采集、指纹图像处理、指纹特征值提取分别已有学者进行大量的研究，本文不再进行深入研究，主要探讨警用指纹匹配技术。
警用指纹识别技术与民用指纹识别技术具有如下的区别：
（1）实时性要求
警用AFIS大都采用“离线采集”的方式提取有关嫌疑人的指纹，然后在数据库内查找，使用中对结果一般没有很高的实时性要求，属于非实时性的应用。
民用AFIS在使用中大都采用现场“在线采集”的方式运作，一般都要即时得到结果，整个系统造作时间周期与响应时间一般只有十几秒甚至是几秒，属于实时性的要求非常高的应用。
（2）指纹质量
警方现场采集的指纹一般指纹质量不高，如血指纹、汗潜指纹，需通过化学方法显现，部分指纹、模糊指纹和重叠指纹并不少见。
对于低质量指纹的处理和比对是警用指纹识别技术研究的方向之一。
而民用AFIS的操作者一般是配合型操作者，指纹按压清晰，效果较好。
（3）比对要求
警用指纹较多采用重点比对，即对已经缩小范围锁定的目标指纹与有关犯罪嫌疑人的指纹图像进行重点比对，比对结果可行度要求较高。
而民用指纹要求比对要求尽量不错认，要求系统比对快速方便。
3.1 指纹匹配算法概述
指纹匹配是利用指纹特征的唯一性和终身不变性，人们对指纹匹配做了许多研究，提出了许多匹配算法，D.K.Isenor等人提出一种使用图形匹配来对两枚指纹进行匹配的算法，AndrewKHrechak等人用结构匹配来做指纹识别，最常用的方法是用FBI（FederalBureauofInvestigation）提出的指纹细节点模型的匹配。
它利用指纹脊线的细节特征点（MinutiaPoints）来鉴定指纹。
通过将细节点表示为点模式,一个自动指纹识别问题就转化为点模式匹配的问题。
3.1.1 基于图形的匹配算法
D.K.Isenor与S.G.Zaky使用图来表示指纹特征，并用图匹配的方法来匹配指纹图像[5]（图3.1）。
这类方法利用了指纹图中的拓扑结构信息,用来克服指纹图的噪声、旋转与变形对识别的干扰，允许一般的图像平移旋转、特征点丢失以及伪特征点的存在，但是这类方法的准确性在很大程度上依赖于所提取的指纹特征信息及分类信息的准确性。
图3.1像素的8个纹线方向
图形匹配是针对纹线几何形状及其特征点拓扑结构的匹配方式，它的原理是基于相似变换的方法把两个特征点集中的相对应点匹配起来，这些相似变换可以是平移变换、旋转变换、伸缩变换等线性变换，可以在一定程度内允许少量伪特征点的存在、真正特征点的丢失以及轻微的特征点定位偏差，且对图像的平移和旋转也不敏感。
但这种方法有两点不足：
一是匹配速度比较慢；二是对指纹图像的质量要求比较高，低质量的图像匹配效果不佳。
3.1.2 基于结构匹配算法
AndrewKHrechak和Sparrows等人提出基于结构信息的特征匹配方法[6]，利用了指纹图中的拓扑结构信息,用来克服指纹图的噪声、旋转与变形对识别的干扰。
（图3.2）
图3.2局部特征向量结构模型
在算法中，他们利用细节点周围的局部细节结构来描述每个细节点的独特性质，依赖细节点局部结构信息。
Z.Chen在中提出了一种基于拓扑结构的匹配算法，在该算法中，他们为指纹的细节点在预先设定的区域中建立一个局部结构，然后利用一种树形匹配算法对两幅指纹模板进行匹配。
他们的算法具有旋转平移不变性，同时不依赖于中心点。
3.1.3 点模式
升级会员 