基于细节点隆线形状的目标指纹快速查找方法技术

基于细节点隆线形状的目标指纹快速查找方法。分类技术受限于指纹各类型的非平均分布，使得值仅为30%左右。本发明专利技术方法包括：定义细节点隆线向量，定义细节点隆线向量之间的距离，建立模版指纹索引数据库，在指纹数据库中快速查找指纹信息：指定一枚输入指纹，首先对其每个特征向量取得特征空间里离之最近的向量所对应的模版指纹，其次以模版指纹出现的频率作为相似度进行排序，得到最为相似的模版指纹作为目标指纹，最后排除绝大多数不相似的模版指纹，减小的数值，缩短辨识时间，减小他人误识率，得到最为相似的模版指纹作为目标指纹。本产品用于工作在辨识模式下的指纹识别系统。

【技术实现步骤摘要】

本专利技术涉及指纹图像识别技术、指纹数据库索引技术和细节点隆线形状比对技术，具体涉及ー种。
技术介绍
数量众多的指纹图像识别系统已被广泛应用于物理安全(门禁、楼宇监控)和逻辑安全(计算机，网络)领域。指纹图像识别系统是ー个典型的模式识别系统，包括指纹图像获取、处理、特征信息获取和比对等模块。根据实际应用场所不同，其工作方式可分为指纹比对模式(I对I比较)和指纹辨识模式(I对比较)。前者用于判断当前输入的指纹是否与数据库中的某一枚模版指纹出自同一手指，后者则用于判断在数据库中存有JV枚模版指纹里是否有与当前输入指纹出自同一手指的模版指紋。 如果进行I对I比对所需的时间为 ，且他人误识率(系统把两枚来自不同手指的指纹识别为来自同一手指的概率)为β，那么从M枚模版指纹里辨识出输入指纹则需要时间N沿,且他人误识率将上升为I-(I-ぜ》JVxe。为了避免辨识模式下系统性能随着数据库大小增加线性下降，就必须采用目标指纹分类和索引技术来减小实际辨识过程中的P值(记为み)。通常用Jj=C^Axiam来表示目标指纹分类和索引技术的效率。目前广泛应用的目标指纹分类技术都是演变于加尔顿-亨利分类思想。这些方法从全局结构出发，根据指纹图像上奇异点个数和位置分布，将指纹大致分为5类，这样就可以对当前输入指纹和数据库模版指纹进行分类后再进行辨识，提高辨识效率。然而，由于各类指纹出现的频率并不一致，实际应用中使用分类技术得到的P值仅为30%左右。当指纹数据库规模较小时(不超过100枚模版指紋)，分类技术尚能提高系统性能,当指纹数据库规模较大时(1000枚模版指纹或更多)，使用分类技术的辨识时间并不能明显缩短，且他人误识率依然居高不下。目标指纹索引技术将指纹表示为高度概括的特征向量。在多维特征向量空间里，相似的指纹被映射为距离相近的点或点集。通过对当前输入指纹和数据库中模版指纹特征向量间的距离进行排序，就能够找出数据库中哪些模版指纹与输入指纹相似，哪些不相似。这样，排除不相似的指纹后，就可以快速完成辨识过程，提高辨识效率。目前最为成功的指纹索引技术是基于细节点三角形化的方法，该方法分别将每三个细节点构成ー个三角形，并用三角形边长、内角和细节点方向组成多维向量。这中索引技术能够得到的效率约为Ρ = 7%，远远优于指纹分类技木。然而，这种方法存在着生成向量集过大的问题。例如，对一枚有50个细节点的指纹，该方法产生的向量集包含63 =5炙29 ，OOO个9维向量。因此，如果数据库规模在数百枚指纹左右，上述索引技术就会因为耗时过长而不能明显提高辨识速度。如果数据库规模过大，则会因为特征向量所需存储空间太大，而使磁盘读取性能成为辨识速度的瓶颈。
技术实现思路
本专利技术的目的是提供一种，一方面通过減少特征向量集中的向量个数，缩短目标指纹查找时间，提高系统辨识效率；另ー方面通过増加新特征，在使用极少数量的特征向量的情况下，仍能提高目标指纹索引的精度。上述的目的通过以下的技术方案实现 ー种，该方法包括如下步骤定义细节点隆线向量，定义细节点隆线向量之间的距离，建立模板指纹索引数据库，在指纹数据库中快速查找指纹信息指定一枚输入指紋，首先对其每个特征向量取得特征空间里离之最近的向量所对应的模版指纹，其次以模版指纹出现的频率作为相似度进行排序，得到最为相似的模版指纹作为目标指纹，最后排除绝大多数不相似的模版指紋，减小云的数值，缩短 辨识时间，减小他人误识率，得到最为相似的模版指纹作为目标指紋。所述的，所述的定义细节点隆线向量是对指纹图像中的每个细节点，分别取其位置和方向，并在每个细节点方向指向的延伸隆线上分別取4个等距离点，用这些信息构成该细节点的隆线向量。所述的，所述的定义细节点隆线向量之间的距离是将ニ维笛卡尔坐标下构成隆线隆线向量的4个等距离点映射到4维角度空间，使得4个ニ维欧式距离的计算通过近似简化为2个ー维角度差的计算。所述的，所述的建立模版指纹索引数据库是指建立指纹多维特征向量空间，将所有模版指纹以点集的形式投影到这个空间里。有益效果 I.本专利技术方法，将细节点隆线形状高度紧凑的概括为4维整型向量，数量仅为三角形化方法向量维数的一半不到，有效降低了模版指纹特征向量存储空间。2.本专利技术方法，用一个细节点对应ー个隆线形状向量，产生的向量集大小约为三角形化方法的百万分之一，显著降低了模版指纹特征向量存储空间，并大幅減少所需计算距离向量对数量，降低了计算复杂度。3.本专利技术方法，把隆线向量之间的距离计算由4个ニ维欧式距离运算简化为2个ー维角度求差运算，进一歩降低计算复杂度，減少指纹索引所需时间，提高系统辨识效率。4.本专利技术方法，与基于细节点三角形化方法相比，除细节点本身的位置与方向特征之外，増加了细节点隆线形状特征，使向量距离与指纹相似度更为准确的相互对应，从而提闻了索引精度。5.本专利技术方法，相对细节点三角形化索引方法，将目标指纹的索引时间由:IO0秒数量级加快至:HT3秒数量级，同时将I*由7%降为4%。具体实施例方式 实施例I: ー种，该方法包括如下步骤定义细节点隆线向量，定义细节点隆线向量之间的距离，建立模板指纹索引数据库，在指纹数据库中快速查找指纹信息，得到最为相似的模版指纹作为目标指紋。实施例2: 上述的，所述的定义细节点隆线向量是对指纹图像中的每个细节点，分别取其位置和方向，并在每个细节点方向指向的延伸隆线上分別取4个等距离点，用这些信息构成该细节点的隆线向量。对于ー个细节点》 ，其中表示位置坐标，<1为^^处的隆线方向。沿着α方向的隆线延伸，每隔距离Jl记录下此处的隆线方向，共记录4个点！*，&，￡，< ，其对应的方向分别为見V对于细节点!,其隆线向量定义为我7；具的。将连续角度空间0=说232·)转化为含I个等距角度的离散角度空间ね=(|x_2sr| ire}。实施例3: 上述的，所述的定义细节点隆线向量之间的距离是将ニ维笛卡尔坐标下构成隆线隆线向量的4个等距离点映射到4维角度空间，使得4个ニ维欧式距离的计算通过近似简化为2个ー维角度差的计算。对于两个细节点 和，其对应的隆线向量分别为和V抓。向量巧与K的距尚定义为将干移至与1^重合时，对应点与的距尚与对应点1^1与的距离和权利要求1.ー种，其特征是该方法包括如下步骤定义细节点隆线向量，定义细节点隆线向量之间的距离，建立模板指纹索引数据库，在指纹数据库中快速查找指纹信息指定一枚输入指紋，首先对其每个特征向量取得特征空间里离之最近的向量所对应的模版指纹，其次以模版指纹出现的频率作为相似度进行排序，得到最为相似的模版指纹作为目标指纹，最后排除绝大多数不相似的模版指纹，减小N的数值，缩短辨识时间，减小他人误识率，得到最为相似的模版指纹作为目标指紋。2.根据权利要求I所述的，其特征是所述的定义细节点隆线向量是对指纹图像中的每个细节点，分别取其位置和方向，并在每个细节点方向指向的延伸隆线上分別取4个等距离点，用这些信息构成该细节点的隆线向量。3.根据权利要求I或2所述的，其特征是所述的定义细节点隆线向量之间的距离是将ニ维笛卡尔坐标下构成隆线隆线向量的4个等距离点映射到4维角度空间，使得4个ニ维欧式距离的计算通过近似简化为2个ー维角度差的计算。4.根据权利要本文档来自技高网...

【技术保护点】
一种基于细节点隆线形状的目标指纹快速查找方法，其特征是：该方法包括如下步骤：定义细节点隆线向量，定义细节点隆线向量之间的距离，建立模板指纹索引数据库，在指纹数据库中快速查找指纹信息：指定一枚输入指纹，首先对其每个特征向量取得特征空间里离之最近的向量所对应的模版指纹，其次以模版指纹出现的频率作为相似度进行排序，得到最为相似的模版指纹作为目标指纹，最后排除绝大多数不相似的模版指纹，减小？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？的数值，缩短辨识时间，减小他人误识率，得到最为相似的模版指纹作为目标指纹。2012102611585100001dest_path_image002.jpg

【技术特征摘要】

【专利技术属性】
技术研发人员：刘煜坤，汤炜，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：