超大型指纹库的索引结构和检索方法技术

本发明专利技术用于超大型指纹数据库的指纹检索，提出了超大型指纹库的索引结构和检索方法。本发明专利技术属于计算机识别领域，具体涉及到指纹识别、数据库、数据检索和图像处理等领域。本发明专利技术提出了一种超大型指纹库检索系统结构的构造方法、基于索引匹配错误概率的索引评价方法、基于分层深度索引的指纹检索方法以及基于一边多次匹配结构特征的检索评价方法来加速超大型指纹库的检索，具有实用价值和普遍的适用性。在离线建库阶段依据基于索引匹配错误概率的索引评价方法对库指纹构建哈希索引、分层深度索引、特征值索引三个功能互补的索引器；在在线检索阶段依据基于索引匹配错误概率的索引评价方法和基于一边多次匹配结构特征的检索评价方法构建检索器。

【技术实现步骤摘要】

本专利技术属于计算机识别领域，具体涉及到指纹识别、数据库、数据检索和图像处理等领 域。本专利技术用于超大型指纹数据库的指纹检索。
技术介绍
指纹识别技术用于鉴别身份已有几百年的历史，近几十年来，随着科技的不断发展，自 动指纹识别系统(Automated Fingerprint Identification System,简称AFIS)己在多个领域中得 到了广泛的应用。但是，目前AFIS仍面临着不少难题，其中一个亟待解决的问题就是超大 型指纹库的检索问题。AFIS的工作模式一般分为两类验证(verification)和辨识(identification)。验证就是通 过把一个现场采集到的指纹与指纹库中某枚特定的指纹进行一对一的比对(one-to-one matching),来确认身份的过程。验证通常采用指纹细节点比对的方式实现。此时对整个处理 过程的速度要求并不太高，目前市场上的AFIS在进行验证时，从图像采集到最后给出验证结 果，基本都能在l秒以内完成，不会给用户造成长时间等待的感觉。辨识要远比验证复杂，该方法是把现场采集到的指纹同指纹数据库中的所有指纹逐一对 比，从中找出与现场指纹相匹配的指纹。即该方法是一对多匹配(one-to-manymatching)。 对用户来说，他(她)不会考虑库中指纹数量有多大，真正关心的仍然是进行指纹按压后， 多长时间能出结果。举一个简单例子如果库中有指纹500000枚，算法的处理速度按每秒100 枚算，则需5000秒钟(l小时38分钟)，则对一般用户来说，显然是难以接受的。据此速度， 对公安、司法领域等动辄百万人乃至千万人以上库[注库中每人一般会采集十枚手指的图像， 因此指纹图像数量是人数的十倍]，辨识时间将是天文数字。指纹检索技术就是一种提高辨识速度的方法，该技术首先通过检索对指纹数据库进行粗筛 选，减少需要比对的指纹数目，然后将剩下的指纹进行细节点比对(简称细比对)，从而提高 指纹辨识的速度。图1所示为指纹检索技术示意图。
技术实现思路
本专利技术提出了用于超大型指纹数据库检索系统结构的构造方法、基于索引匹配错误概率 的索引评价方法、基于分层深度索引的指纹检索方法以及基于一边多次匹配结构特征的检索 评价方法。本专利技术提出了一种用于超大型指纹库检索系统结构的构造方法。在离线建库阶段，该系统采用基于索引匹配错误概率的索引评价方法，构造了三个互补的索引器和索引数据库；在 在线检索阶段，该系统采用基于索引匹配错误概率的索引评价方法根据现场指纹图像的质量 自适应地选择检索方式，采用基于一边多次匹配结构特征的检索评价方法对检索结果进行打 分评价，判决指纹是否应该被筛除。本专利技术提出了基于索引匹配错误概率的索引评价方法。根据此方法可以针对不同的现场 指纹图像质量选择合适的索引方法和检索方法，以使系统达到最佳的性能和效率。本专利技术提出了基于一边多次匹配结构特征的检索评价方法，该方法不以匹配三角形数目 作为唯一的评分基础，而是通过三元组匹配信息获取多元组结构的匹配数目，使得评分结果 更能体现指纹的相似性；同时，指纹特征参数组的存储量并没有增加，有效提高了指纹检索 的性能和效率。本专利技术提出了基于分层深度索引的指纹检索方法。在大型指纹库的应用中，由于大部分 现场指纹属于指纹质量中等的情况，所述基于分层深度索引的指纹检索方法能够在保证检索 速度没有大幅降低的同时，保证了相对于哈希检索法更好的检索精度。具有实用价值和普遍 的适用性。 附图说明图1指纹检索技术示意图图2超大型指纹库检索系统的结构图3索引器工作流程图4检索器工作流程图5细节点三角形参数图示图6端点和分叉点可能出现的退化情况(a)为端点，(l)到(a3)为各种可能的退化情况; (6)为分叉点，(M)到(63)为各种可能的退化情况图7指纹图像无法判断细节点类型图示加方框处为无法准确判定其属于分叉点还是端 点的情况图8前期累计误差对量化结果的影响 图9前期累计误差引起的匹配错误 图10量化区间边界附近的值的匹配错误 图ll分层深度索引的存储方式图12三角形一边二次匹配图示，左图为现场指纹，右图为库指纹 具体实施例方式下面结合附图对本专利技术所述方法进行详细阐述。 1.超大型指纹库检索系统结构图2所示为本专利技术提出的超大型指纹库检索系统的结构，包括指纹图像预处理、计算细 节点三角形、索引器、索引数据库、检索器等模块。 1.1索引器工作流程索引器完成离线建库功能，图3所示为索引器的工作流程。在离线阶段，对于每一枚库指纹，首先预处理得到细节点三角形，然后依据基于索引匹 配错误概率的索引评价方法，构造三个互补的索引器及对应的索引数据库三角形全部参数 量化构造哈希(hash)索引；三角形部分特征量化构造分层深度索引；三角形全部参数都不 量化构造特征值索引。指纹库的每枚指纹都要构造对应的三个索引器，然后将索引值写入对应的索引数据库。 这三个索引器构造方法参见图2和图3。索引器的构造需要遍历所有库指纹，由于库指纹的 数量是非常庞大的，所以需要很长的时间，但整个过程是在离线阶段完成的，所以有效减了在线阶段的计算量，这正是指纹索引方法能够非常高效的原因之一。1.2检索器工作流程检索器完成在线检索功能，检索流程如图2和图4所示。 检索分为三个步骤-1、 用户输入一枚现场指纹，系统进行预处理得到细节点三角形，.然后依据基于索引匹配 错误概率的索引评价方法，根据指纹图像质量判断采用三种检索方法中的哪种方法；2、 在选定了检索方法之后，检索该方法对应的索引数据库，获取检索信息；3、 在得到检索信息之后，采用基于一边多次匹配结构特征的检索评价方法对库指纹打分， 分数大于阈值的库指纹进入细比对环节，小于阈值的从比对队列筛除。构造指纹检索系统的评价方法是整个系统性能和效率能否提高的核心环节之一。 一个好 的检索评价方法能够充分利用已得到的检索信息对指纹的相似程度进行准确的评价，从而能 够有效提高整个系统的检索精度，增大索引系统的筛选率，进而减少进入细比对环节的指纹 数量，提高整个超大型指纹库的比对速度(包括检索和细比对两个阶段)。本专利技术提出的基于一边多次匹配结构特征的检索评价方法能够使评分结果更能体现指纹 结构的相似性；同时，指纹特征参数组的存储量并没有增加，从而有效提高了系统的效率。 2细节点三角形特征参数的提取和筛选 2.1细节点三角形的特征组如图5所示，A、 a、 a为指纹图像的三个细节点，它们组成了一个细节点三角形。5表示顶点a指向a的矢量，^表示a指向a的矢量，p 2、 3表示组成的三角形的三 个内角，A、 A、 ^分别表示对应的细节点的方向。我们从指纹图像中能够得到的细节点信息有细节点坐标p,.(;c,.,30，细节点方向角^， 细节点类型K，细节点详细信息Mi等，其中/ = 1，2，3。能够进行指纹检索的参数必须具有平 移、旋转和縮放不变性，所以A(A,x)和^不能用于指纹检索。当采集指纹的仪器相同或者 相近时，可以认为指纹不存在伸缩，故一般算法不考虑伸缩变形。所以，我们必须从A(x,.,x) 和^这几个参数出发构造出具有平移、旋转不变的参数。细节点三角形包含的信息有三角形三条边的长度(H/，三顶点的方向角差(用A-表 示，厶^=《—A, /,,fc = 本文档来自技高网...

【技术保护点】
一种超大型指纹库检索系统的构造方法，该方法包括：　第一步：提取指纹细节点三角形具有平移和旋转畸变不变性的参数构成特征参数组，剔除特征参数组中可靠性差和冗余的特征参数；　第二步：依据基于索引匹配错误概率的索引评价方法对库指纹构建哈 希索引、分层深度索引、特征值索引三个功能互补的索引器；　第三步：将三个索引器分别写入数据库，构建三个功能互补的索引数据库；　第四步：依据基于索引匹配错误概率的索引评价方法和基于一边多次匹配结构特征的检索评价方法构建检索器。

【技术特征摘要】
1. 一种超大型指纹库检索系统的构造方法，该方法包括第一步提取指纹细节点三角形具有平移和旋转畸变不变性的参数构成特征参数组，剔除特征参数组中可靠性差和冗余的特征参数；第二步依据基于索引匹配错误概率的索引评价方法对库指纹构建哈希索引、分层深度索引、特征值索引三个功能互补的索引器；第三步将三个索引器分别写入数据库，构建三个功能互补的索引数据库；第四步依据基于索引匹配错误概率的索引评价方法和基于一边多次匹配结构特征的检索评价方法构建检索器。2. 如权利要求1所述的构造方法，其中所述索引器的构建包括哈希索引器的构造三角形特征参数组的全部特征量化构造哈希索引器； 分层深度索引器的构造按照基于分层深度索引的指纹检索方法构造分层深度索引器； 特征值索引器的构造三角形特征参数组的全部特征不量化构造特征值索引器。3. 如权利要求1所述的构造方法，其中所述检索器的构建包括自适应选择检索方式模块的构造依据基于索引匹配错误概率的索引评价方法构建该自 适应选择检索方式模块，用于根据用户输入的现场指纹图像质量选择相适应的检索方式；检索模块的构造对应于哈希索引、分层深度索引、特征值索引三种索引方式构建哈希 检索、分层深度检索、特征值检索三个检索模块，用于检索索引数据库；检索结果打分模块的构造依据基于一边多次匹配结构特征的检索评价方法构造检索结 果打分模块；判决模块的构造依据打分结果判决所检索的库指纹是否应被筛除。4. 一种基于索引匹配错误概率的索引评价方法，该方法包括第一步依据图像预处理过程得到的信息将指纹图像质量划分为三个等级好、中等、差；第二步图像质量好的指纹，对索引匹配错误的容错范围大，不易漏真，可以最大限度 地利用容错范围得到尽量快的检索速度，选择用哈希检索法检索哈希索引数据库；第三步图像质量差的指纹，对索引匹配错误的容错范围小，易漏真，为了满足不漏真 前提，只能使用速度最慢但精度最高的检索方式，选择用特征值检索法检索特征值索引数据 库；第四步图像质量中等的指纹，对索引匹配错误的容错范围中等，为了有效利用这些容 差范围，提高系统的检索速度，选择用分层深度检索法检索分层深度索引数据库。5. 如权利要求4所述的基于索引匹配错误概率的索引评价方法，其中所述哈希检索法是指 比较现场指纹三角形的哈希值是否与库指纹三角形的哈希值相等，如果相等则判定所比较的 两个三角形匹配，否则判定为不匹配。6. 如权利要求4所述的基于索引匹配错...

【专利技术属性】
技术研发人员：蔡安妮，苏菲，袁宝玺，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：11[中国|北京]