基于密度图模型的指纹识别方法属于指纹识别技术领域，其特征在于：它把传统的细节点特征与有效区域特征、密度图特征结合在一起作为指纹识别的特征，同时又把密度图比对结果与传统的细节点比对结果加以融合从而大大提高指纹识别率。这种方法更便于实用，而且需要的存储空间也只有很少的增加。它更适用于质量较差的指纹进行识别。
【技术实现步骤摘要】
本专利技术涉及指纹识别
，尤其涉及同时融合指纹密度图特征和细节点特征进行识别的技术。
技术介绍
在现代社会中，快速、有效、自动地进行人身辨别的要求日益迫切，重要部门保安、过境控制、移民检查、机密或贵重物品保存场所的进出、防止信用卡欺骗、网络安全等都需要进行可靠的人身鉴别。在身份验证的依据中，钥匙、证件可能会丢失、被盗或复制，密码又容易被忘掉、混淆或被偷看，而生物特征(包括指纹、人脸、手形、手写签名、虹膜等)是人的内在属性，它们不会出现上述情况，因此成为最理想的辨别依据。这其中，指纹识别是应用最普遍、识别率最高、最容易被接受的个人身份认定方法。作为物证之首，指纹识别已有一个非常漫长而且成果丰富的历史。基于计算机的自动指纹识别始于二十世纪60年代，它首先应用在刑事侦破中。近年来，指纹自动识别从刑事应用逐渐推广到考勤、门禁、银行保险箱、社会保险等领域，我国也已初步决定在新一代身份证中引入指纹信息进行个人身份认证。在美国911事件后，基于指纹自动识别的个人身份识别更是得到前所未有的重视。目前的指纹自动识别方法主要是基于细节点特征的，即提取细节点(指纹中脊线的终结点或交叉点)作为特征来表征指纹图像，通过比对这些特征进行识别。其步骤一般包括指纹图像采集、方向图(指纹纹理的方向)提取、图像增强、指纹脊线细化、细节点提取等。围绕着如何更好更快地提取细节点，近二十年来国内外研究单位做出了大量工作，并且现有指纹产品都是基于这种方法的，如美国BAC公司的SecuTouch，日本Sony公司的FIU-500，美国BII公司的Veriprox，韩国Bogo公司的Bogo2000，美国DP公司的U.are.U2000，美国Identix公司的Biologon等。随着指纹识别应用的推广，现有系统和方法在大范围应用上的不足越来越显现出来。最近发表的一篇论文(S.Pankanti，S.Prabhakar，and A.K.Jain.On the individuality offingerprints.Proceedings of IEEE International Symposium of CVPR，Vol.1，USA，Dec 2001，pp805-812)指出，目前的很多指纹系统中对于一枚指纹平均只能获得36个真的细节点，而通常认为，两枚指纹之间如果有15个以上的细节点比对成功就可以判断为同一个手指，考虑到用计算机方法提取出的细节点在坐标和方向上会出现一定误差，则将某一个手指的指纹判断为另一个的概率大于4.26×10-7。如果考虑到提取出的细节点中有假点的话(对于任何方法都必然会出现这种情况)，则错误率还会大大增大，达到10-3的程度，严重影响识别的结果。出现以上问题的一个根本原因在于指纹的特征表达不够完备。指纹这一比较复杂的模式单用细节点来描述是远远不够的。可以说，这一问题已成为当前指纹识别的一个瓶颈问题。要解决这一问题，必须从全新角度重新研究指纹的特征表达问题，寻求新的可以描述指纹个体差异和自身稳定性的特征。当然，由于实际应用的限制，这些新的特征应该有简约的表达(以方便存储)。在所有可以查到的专利或发表文献中，与本专利技术思路比较接近的有在(A.K.Jain，S.Prabhakar，L.Hong and S.Pankanti.Filterbank-basedfingerprint matching.IEEE Trans.on Image Processing，Vol.9，2000，PP846-859)中利用多滤波器的响应进行编码，以这些编码作为特征进行指纹识别，在(A.Ross，S.Prabhakar，andA.K.Jain.Fingerprint matchingusing minutiae and texture features.Proc.ICIP 2001，Vol.3，Greece，Oct 2001，pp 282-285)中采用与上述思路类似的编码加上细节点信息进行指纹识别，都获得了一定的效果，但其问题是需要存储空间非常大，造成应用的障碍。改进效果也不是很理想。
技术实现思路
本专利技术的目的是提供多特征的实用的指纹表示方法及相应的识别技术，能够在存储指纹特征时保存更多有用的信息供指纹比对时使用。本专利技术通过对指纹密度图进行建模，计算出任意指纹的密度图模型参数；在指纹比对阶段，将存储的模型参数恢复指纹密度图，进而进行任意两个指纹的密度图比对，再与细节点比对结果结合，从而达到提高传统识别方法效果的目的。本专利技术的核心思想是通过计算机自动检测指纹的密度图信息，并通过最小二乘法将其用少量参数表达出来，将这些参数存储下来，供比对阶段使用，与传统细节点识别方法结合就可以提高识别性能。在指纹中，细节点反映的是指纹的细节特征，密度图反映的是全局特征，具有很大互补性。其中基于细节点特征的识别方法可以选用目前使用的任何方法。本专利技术仅对其中一种加以介绍。我们提出的指纹表示特征包括细节点(坐标，方向)，有效区域链码，密度图参数。传统方法主要使用前细节点(坐标，方向)的特征，我们增加使用了有效区域和密度图特征，这些特征与原有特征具有较大独立性，融合起来能够大大提高识别率。上述特征可以用定长编码方式存储。以下分别加以介绍细节点特征包括细节点的x坐标，y坐标和方向角度。为节省存储空间，存储实际值大小的一半(以指纹图像大小(512×320)为例，存储的细节点和奇异点的坐标范围为0-255，方向值的范围在0到180之间)。因此，一个细节点需要用3个字节表示。一般情况下，指纹的细节点数量在100以下，所以最多需要300字节表示；有效区域特征需存储指纹有效区域边界，采用十六边形表示方法，存储顶点x坐标，y坐标，各自为实际长度的1/4，因此分别可用1字节存储，共需32字节。密度图特征密度图的模型参数。采用多项式模型拟合，一般阶次取n为4，即用一个二元四次多项式拟合，每个多项式系数为25个参数，保存一个最大值和一个最小值，分别用float型存储(4字节)，将所有参数规范化到0～65535之间，每个参数用2字节存储需要50字节，这样总供需要58字节。综上，共需390字节存储指纹特征。本专利技术的特征在于，它依次含有以下两个阶段它依次含有以下两个阶段注册阶段，计算机在离线状态下对所有注册的指纹进行特征提取和存储，这个阶段依次含有以下步骤(1).对计算机进行初始化设定以下用定长编码方式存储的特征细节点特征，包括它的X坐标、Y坐标和方向角度，每个细节点用3个字节表示，细节点数小于100，最多需用300字节；有效区域特征用十六边形表示指纹有效区域边界，存储16个顶点的X坐标、Y坐标，共需32字节表示有效区域链码；密度图特征设定增强图中各点的脊线密度作为反映该点指纹脊线纹理的疏密程度的特征，所述一个点的脊线密度是指作垂直于该点在方向场中对应方向的直线，使它与两条相邻脊线相交，该直线处于两条脊线上的两条线段各自中点之间的距离即为该点脊线密度，用它作为密度图模型参数；采用最小二乘法建模，最小化通过二元四次多项式模型拟合生成的密度图和原始的脊线密度图的平方误差来得到多项式系数，每个多项式有25个参数，保存一个最大值和一个最小值，各用4字节，再把所有参数标准化到0～65535之本文档来自技高网...
【技术保护点】
基于密度图模型的指纹识别方法，其特征在于，它依次含有以下两个阶段：注册阶段，计算机在离线状态下对所有注册的指纹进行特征提取和存储，这个阶段依次含有以下步骤：（１）．对计算机进行初始化设定：以下用定长编码方式存储的特征 ：细节点特征，包括它的Ｘ坐标、Ｙ坐标和方向角度，每个细节点用３个字节表示，细节点数小于１００，最多需用３００字节；有效区域特征：用十六边形表示指纹有效区域边界，存储１６个顶点的Ｘ坐标、Ｙ坐标，共需３２字节表示有效区域链码； 密度图特征：设定增强图中各点的脊线密度作为反映该点指纹脊线纹理的疏密程度的特征，所述一个点的脊线密度是指：作垂直于该点在方向场中对应方向的直线，使它与两条相邻脊线相交，该直线处于两条脊线上的两条线段各自中点之间的距离即为该点脊线密度， 用它作为密度图模型参数；采用最小二乘法建模，最小化通过二元四次多项式模型拟合生成的密度图和原始的脊线密度图的平方误差来得到多项式系数，每个多项式有２５个参数，保存一个最大值和一个最小值，各用４字节，再把所有参数标准化到０～６５５３５之间，每个参数用２字节存储，共需５０字节，合计５８字节；存储以上三个指纹特征共占用３９０字节；在指纹有效区域的检测步骤中，对于已经按４×４大小方格分割的原始指纹图像而言，当以点（ｉ，ｊ）为左上角的一个方格内的灰度均值Ｉ↓［ａｖｇ］（ ｉ，ｊ）和方差Ｖａｒ（ｉ，ｊ）处于下述范围内，该方格为有效，标记为１，否则无效，标记为０，即 ｔｈ１＜Ｉ↓［ａｖｇ］（ｉ，ｊ）＜ｔｈ２且同时Ｖａｒ（ｉ，ｊ）＞ｔｈ３，其中ｔｈ为阈值，ｔｈ１＝２０，ｔｈ２＝２２０，ｔｈ３＝６； 在密度图建模的步骤中，多项式模型中多项式阶次为４；在图像增强的步骤中，Ｇａｂｏｒ滤波器空域表达形式Ｇ（ｘ↓［掩］，ｙ↓［掩］，θ）中的参数值δ↓［ｘ′］＝δ↓［ｙ′］＝５．０，ｆ＝０．６，空域掩模大小为７×７像素；（ ２）．计算机通过取指器采集所有注册指纹的原始图像并存储；（３）．检测指纹的有效区域，它依次含有以下步骤：（３．１）把原始图像分割成大小为４×４像素的方格；（３．２）计算机按下式计算以点（ｉ，ｊ）为左上角的一个方格内的 灰度均值Ｉ↓［ａｖｇ］（ｉ，ｊ）和方差Ｖａｒ（ｉ，ｊ）：Ｉ↓［ａｖｇ］（ｉ，ｊ）＝１／１６＊＊Ｉ（ｉ＋ｘ，ｊ＋ｙ）Ｖａｒ（ｉ，...
【技术特征摘要】
【专利技术属性】
技术研发人员：周杰，万定锐，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。