基于全局方向信息的指纹检索方法技术

本发明专利技术提供了一种基于全局方向信息的指纹检索方法，包括：A、建立指纹全局方向信息特征表示模型；B、提取指纹数据库的以及输入的指纹图像的全局方向信息，利用所述全局方向信息特征表示模型构造特征向量，然后进行检索。本发明专利技术可提高指纹信息的利用率，提升指纹检索效率。

Fingerprint Retrieval Method Based on Global Direction Information

The invention provides a fingerprint retrieval method based on global direction information, including: A, establishing a fingerprint global direction information feature representation model; B, extracting the global direction information of fingerprint database and input fingerprint image, using the global direction information feature representation model to construct feature vectors, and then searching. The invention can improve the utilization rate of fingerprint information and the fingerprint retrieval efficiency.

【技术实现步骤摘要】
基于全局方向信息的指纹检索方法
本专利技术涉及指纹识别领域，尤其涉及一种基于全局方向信息的指纹检索方法。
技术介绍
由于在唯一性、稳定性和易采集性等主要指标上具有综合优势，指纹一直是公安刑侦领域进行身份认证的重要特征之一。近年来，随着指纹自动识别技术的逐渐成熟和半导体硬件技术的快速发展，指纹识别被更广泛地应用于出入境管理、金融身份认证、手机识别等场景中。常见的指纹识别系统通常包含进行一对一比对的指纹认证子系统和进行一对多比对的指纹辨识子系统。在指纹辨识问题中，认证一个人的身份需要将其指纹与数据库中的海量指纹进行比对。如果全部进行精确匹配的话，将消耗大量的时间和计算资源。因此，实际应用中往往需要采用多种策略进行加速以提高指纹辨识的整体性能，指纹检索就是一种有效的加速策略。本专利技术要解决的是指纹的快速检索问题，传统的主流指纹检索方法通常依靠指纹奇异点的精确提取和配准来构造特征向量，容易受噪声影响。同时，考虑到指纹存在变形的情况，传统方法通常认为只有奇异点附近的信息相对稳定，从而只采集其附近的信息。事实上，对于单个手指而言，指纹图像中各部分的信息(特别是脊线方向信息)对于快速匹配都有重要意义，但目前没有对指纹全局方向信息进行有效利用的方案。因此，迫切需要一种基于全局方向信息的指纹检索技术，以完整、平等地提取和表达不同质量、不同类型的指纹各部分的有效信息，提高指纹信息的利用率，提升指纹检索的精度。
技术实现思路
本专利技术旨在至少在一定程度上解决上述技术问题之一或至少提供一种有用的商业选择。为此，本专利技术的一个目的在于提出一种提高指纹信息的利用率，提升精度的基于全局方向信息的指纹检索方法。本专利技术提供的基于全局方向信息的指纹检索方法，包括：A、建立指纹全局方向信息特征表示模型；B、提取指纹数据库的以及输入的指纹图像的全局方向信息，利用所述全局方向信息特征表示模型构造特征向量，然后进行检索。进一步的，所述步骤A包括：A1、根据指纹类型、奇异点完整情况、脊线部位和噪声情况从真实指纹数据库中挑选指纹构成训练数据库；A2、对所述训练数据库进行标定和扩展，得到扩展后的指纹图像族；A3、对所述指纹图像族的类别进行指定；A4、对所述指纹图像族的全局方向信息进行提取；A5、利用所述指纹图像族的全局方向信息和类别进行特征表示模型的训练。进一步的，所述步骤A2包括：A21、调整所述训练数据库中的每个指纹图像的位置和方向；A22、对调整后的所述指纹图像进行方向场标记；A23、基于多个角度对调整后的所述指纹图像进行中心旋转得到扩展图像族。进一步的，所述步骤A3包括：A31、为所述训练数据库中的每个指纹指定一个类别；A32、对每一个类别的所有图像进行K-中心聚类，得到最终类别；A33、以所述训练数据库中每个指纹的最终类别指定对应的所述扩展图像族为同样类别。进一步的，所述步骤A5包括：A51、按照所述全局方向信息的大小、期望的所述特征向量大小和所述最终类别总数分别建立卷积神经网络结构；A52、基于所述全局方向信息和所述指纹图像族类别分别对所述卷积神经网络进行训练，得到特征表示模型。进一步的，所述全局方向信息包括梯度方向信息、盖伯滤波响应信息和方向直方图场信息。进一步的，所述步骤B包括：B1、对实际应用中的指纹数据库及输入的指纹图像进行位置校正；B2、对所述的校正后的指纹图像的全局方向信息进行提取；B3、对所述全局方向信息进行特征表示，得到特征向量；B4、利用所述特征向量进行指纹检索。进一步的，所述步骤B1包括：B11、对所述指纹图像提取梯度强度值图和梯度方向一致性图；B12、按照预设阈值划分所述指纹图像的前景区；B13、基于所述前景区的中心将所述指纹图像调整到校正后的指纹图像中心。进一步的，所述步骤B3包括：B31、将所述全局方向信息输入所述特征表示模型；B32、提取卷积神经网络输出倒数第二层的特征表示向量；B33、将所述特征表示向量进行均方归一化后，组合构成所述特征向量。进一步的，所述步骤B4中：所述指纹检索通过计算特征向量的相似度完成，其中相似度采用不同的距离度量方式。本专利技术提供的基于全局方向信息的指纹检索方法，包括：A、建立指纹全局方向信息特征表示模型；B、提取指纹数据库的以及输入的指纹图像的全局方向信息，利用所述全局方向信息特征表示模型构造特征向量，然后进行检索。通过本专利技术可提高指纹信息的利用率，提升指纹检索效率。进一步的，本专利技术提出了一种融合指纹脊线梯度方向信息、指纹图像盖伯滤波响应信息以及指纹脊线方向直方图场信息等三种指纹全局方向信息的表示方法，基于人工标注的训练数据和深度卷积神经网络框架构造了一种从全局方向信息到特征向量的特征表示模型。对于输入的指纹图像，首先进行位置校正，提取全局方向信息，然后将其输入卷积神经网络，得到输出的特征向量，最终用于指纹检索。进一步的，本专利技术与以往指纹检索方法最大的不同在于它对指纹全局方向信息进行了全面、平等的利用，不依赖于专门的配准和校正。传统的指纹检索方法无法对指纹全局方向信息的进行有效的建模：要么强烈地依赖基于奇异点的配准，以奇异点附近的局部方向场代表整个指纹，丢失了很多重要信息；要么将指纹全局方向场看作一维向量进行降维表达，丢失了二维空间结构信息。本方法采用三种方式对指纹全局方向信息进行了描述，其中梯度方向信息能够精确地描述高质量区域的指纹脊线走向，盖伯滤波响应信息能够在噪声影响下保留脊线方向信息并在一定程度上包含脊线宽度信息，方向直方图场信息则能够表达不同区域不同方向上的脊线纹理强度，三种方式的融合使得本方法对脊线信息表达地更全面。相对于传统模型，卷积神经网络模型对全局方向信息的利用也更充分和平等：首先，卷积操作是对二维结构信息的提取，能够更好地维持指纹方向场的结构；其次，池化操作降低了模型对配准精度的依赖性，使得具有区分度的特征可以被更好地提取出来；最后，卷积神经网络模型的逐层信息传递特性能够更好地表达指纹从局部信息到全局结构的层次关系。本指纹检索技术对指纹内在规律进行了更好地表达，可以提高复杂背景、不完整指纹、局部变形指纹等困难情形的指纹检索性能，具有泛用性强、稳定性高的特点。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术的基于全局方向信息的指纹检索方法的流程图；图2为指纹梯度方向信息示意图；图3为指纹盖伯滤波响应信息示意图；图4为指纹方向直方图场信息示意图；图5为本专利技术涉及的卷积神经网络示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化本文档来自技高网...

【技术保护点】
1.一种基于全局方向信息的指纹检索方法，其特征在于，包括：A、建立指纹全局方向信息特征表示模型；B、提取指纹数据库的以及输入的指纹图像的全局方向信息，利用所述全局方向信息特征表示模型构造特征向量，然后进行检索。

【技术特征摘要】
1.一种基于全局方向信息的指纹检索方法，其特征在于，包括：A、建立指纹全局方向信息特征表示模型；B、提取指纹数据库的以及输入的指纹图像的全局方向信息，利用所述全局方向信息特征表示模型构造特征向量，然后进行检索。2.如权利要求1所述的方法，其特征在于，所述步骤A包括：A1、根据指纹类型、奇异点完整情况、脊线部位和噪声情况从真实指纹数据库中挑选指纹构成训练数据库；A2、对所述训练数据库进行标定和扩展，得到扩展后的指纹图像族；A3、对所述指纹图像族的类别进行指定；A4、对所述指纹图像族的全局方向信息进行提取；A5、利用所述指纹图像族的全局方向信息和类别进行特征表示模型的训练。3.如权利要求2所述的方法，其特征在于，所述步骤A2包括：A21、调整所述训练数据库中的每个指纹图像的位置和方向；A22、对调整后的所述指纹图像进行方向场标记；A23、基于多个角度对调整后的所述指纹图像进行中心旋转得到扩展图像族。4.如权利要求2所述的方法，其特征在于，所述步骤A3包括：A31、为所述训练数据库中的每个指纹指定一个类别；A32、对每一个类别的所有图像进行K-中心聚类，得到最终类别；A33、以所述训练数据库中每个指纹的最终类别指定对应的所述扩展图像族为同样类别。5.如权利要求4所述的方法，其特征在于，所述步骤A5包括：A51、按照所述全局方向信息...

【专利技术属性】
技术研发人员：杨霄，司轩斌，郭振华，冯建江，夏树涛，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：广东,44