（模式识别与智能系统专业论文）指纹匹配算法的研究与应用.pdf

指纹匹配算法的研究与应用 摘要 计算机和网络技术的发展对身份验证技术提出了更高的要求。传统的i d + 密码存在着密码容易被窃取和记忆困难的缺点，因此人们把目光转向了生物特 征识别技术，而指纹是最可靠的生物特征识别技术之一。虽然在指纹识别方面 已经有大量的研究工作，但是指纹识别领域仍然存在着很多挑战性的问题。例 如指纹特征的提取，低质量指纹图像的增强、非线性形变指纹的匹配等。在本 论文中，重点针对指纹的匹配问题进行了深入的研究，并且获得了一些有价值 的研究成果。本文的主要贡献可以概括如下： ( 1 ) 提出了一种基于统计相似度的快速指纹匹配算法一s h a 算法。该算法通 过建立相似度直方图函数来计算指纹校准参数，并且将指纹纹线信息引入了指 纹匹配中，有效地提高了指纹识别算法的性能。 f 2 ) 提出了一种改进的指纹混合匹配算法。该算法在s h a 细节匹配算法的 基础上，融合了指纹方向纹理和g a b o r 滤波纹理进行混合匹配。该算法在纹理 特征的提取上采用了方形网格的分块法，使得计算更加简洁和方便。f v c 的实 验结果证明了该算法的有效性。 ( 3 ) 设计并实现了一个用于指纹识别研究专用的指纹图像处理系统。这个图 像处理系统有很丰富的图像显示功能，支持指纹算法的动态加载、f v c 和b i o a p i 标准。该系统的丌发为我们指纹算法的研究打下了一个良好的基础。 ( 4 ) 提出并实现了一种d s p 嵌入式指纹识别系统的核心算法。我们重点研 究了在嵌入式系统上进行指纹算法化简的问题，并提出了算法串行化处理的概 念。也对算法实现时碰到的混合编程，算法调度等关键技术问题进行了研究和 探讨。 关键词：指纹识别，相似度直方图，细节匹配，纹理匹配，_ i 物特征识矧 指纹匹配算法的研究与应用 a b s t r a c t w i t ht h er a p i dp r o g r e s so f c o m p u t e rs c i e n c e ，a l la c c u r a t ea n dr e l i a b l ep e r s o n a l i d e n t i f i c a t i o nt e c h n o l o g yi sn e e d e d t h ec o n v e n t i o n a lm e t h o d s ( p i n + p a s s w o r d ) h a v e an u m b e ro fd i s a d v a n t a g e s ：i tc a nb e s t o l e n ，f o r g o t t e no rg u e s s e db yi m p o s t o r s b i o m e t r i ci s a d o p t e d t os o l v et h e s e p r o b l e m s f i n g e r p r i n t - b a s e d a u t h e n t i c a t i o n s y s t e m sh a v er e c e i v e dt h e m o s ta t t e n t i o nb e c a u s ei ti so n eo ft h em o s tr e l i a b l e b i o m e t r i ct e c h n o l o g y al o to fr e s e a r c hw o r kh a sb e e nr e p o r t e di nt h el a s td e c a d e s h o w e v e r , t h e r ea r es t i l lc h a l l e n g i n gp r o b l e m s ，s u c ha sr e l i a b l e f e a t u r e e x t r a c t i o n ， e n h a n c e m e n to f p o o rq u a l i t yi m a g e s ，f i n g e r p r i n tm a t c h i n g o f h i g h l y d i s t o r t e d f i n g e r p r i n ti m a g e s i nt h i st h e s i s ，w ef o c u so n t h ef i n g e r p r i n tm a t c h i n gp r o b l e m s t h e m a i nc o n t r i b u t i o no ft h j st h e s i si n c l u d e s ： ( 1 ) af a s tf i n g e r p r i n tm a t c h i n ga l g o r i t h mc a l l e ds i m i l a r i t yh i s t o g r a ma p p r o a c h ( s h a ) i sp r o p o s e d t h ea c c u r a t ea l i g n m e n tp a r a m e t e r sa r eo b t a i n e db ys i m i l a r i t y h i s t o g r a mf u n c t i o n w ea l s oi n t r o d u c et h er i d g ei n f o r m a t i o ni nt h eg l o b a lm a t c h i n g s t a g e e x p e r i m e n t a l r e s u l t so nf v cd a t a b a s e ss h o wi t i m p r o v e d t h e f i n g e r p r i n t p e r f o r m a n c ee f f e c t i v e l y ( 2 ) w ep r e s e n tah y b r i da p p r o a c ht of i n g e r p r i n tm a t c h i n gt h a tc o m b i n e ss h a a l g o r i t h ma n dat e x t u r e b a s e dm a t c h i n ga l g o r i t h m t e x t u r e f e a t u r e sa r ee x t r a c t e d f r o mr e c t a n g u l a rt e s s e l l a t i o no fd i r e c t i o n a li m a g ea n dg a b o r - f i l t e r i n gi m a g e s t h e e x p e r i m e n t a lr e s u l t ss h o w e e ri sr e d u c e db y1 8 ( 3 ) t h ed e s i g na n di m p l e m e n t a t i o n o fo u r f i n g e r p r i n ti m a g ep r o c e s s i n gs y s t e m i s i n t r o d u c e d i tp r o v i d e sa b u n d a n c ef u n c t i o n s ，s u c ha si m a g ed i s p l a y ，d y n a m i cl o a d i n g ， f v cb e n c h m a r k t e s t i n ga n db i o a p i i n t e r f a c et h es y s t e mi sh e l p f u lf o ro u rr e s e a r c h ( 4 ) w ed e s i g na n di m p l e m e n ta na l g o r i t h mo nad s p e m b e d d e ds y s t e mw e f o c u so n s e r i a l i z e da l g o r i t h m i nt h ep r o c e s s o fa l g o r i t h m s i m p l i f i c a t i o n t h e s o l u t i o n so fm i x l a n g u a g ep r o g r a m m i n ga n dc o d es c h e d u l i n ga r ea l s op r e s e n ti nt h i s p a p e n k e y w o r d s ：f i n g e r p r i n ti d e n t i f i c a t i o n ，s i m i l a r i t yh i s t o g r a m ，m i n u t i am a t c h i n g ， t e x t u r em a t c h i n g ，b i o m e t r i c s 独创性声明 本人声明所成交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的任何 贡献均已在论文中作了明确地说明并表示了谢意。 签名：魈导师签名日期 关于论文使用授权的说明 本人完全了解中国科学院自动化研究所有关保留、使用学位论文的规定， 即：中国科学院自动化研究所有权保留送交论文的复印件，允许论文被查阅和 借阅；可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段 保存论文。 ( 保密的论文在解密后应遵守此规定) 虢且塾扛聊躲j 噻l 同飙丛l 引言 第一章引言 在这个信息化的时代，可靠的身份识别技术是一个普遍的难题。传统的个 人身份认证技术大致可以分成两类：基于标志的认证和基于知识的认证。基于 标志的技术主要通过检查“你有什么”来达到身份认证的目的，例如检查护照， 驾驶执照，身份证等。基于知识的技术主要通过检查“你知道什么”来确认身 份，个人通过说明只有自己知道的信息，例如密码，等来证明自己的身份，常 用的就是i d + 密码的方式。采用标志的认证方法可能带来证件伪造的问题，而 且不适合在因特网上使用。而i d + 密码的方案从加密理论上说是可以保证安全 的，但是越来越长，而且频繁更换的密码，使得使用者面临密码记忆困难和密 码失窃的难题。这些问题说明传统的身份识别技术在安全性和方便性上无法满 足需求，迫切需要寻找其他的替代技术。 1 1 生物特征识别技术 生物特征识别技术是通过人体的生物特征来实现身份识别的种技术。人 体的生物特征分为身体特征和行为特点两类。身体特征包括：指纹、掌型、眼 睛( 视网膜和虹膜) 、人体气味、脸型、皮肤毛孔、手腕手的血管纹理和d n a 等；行为特点包括：签名、语音、行走的步态、击打键盘的力度等等。能够作 为身份识别的生物特征应该满足以下要求： 普遍性：即每个人都应该 ；| j 有该特征： 唯一性：即两个人之间不存在相同的该特征： 不变性：即该特征不随时间变化； u _ 采集性：即陔特征可以定量采集。 相对于传统的身份识别技术，生物特征识别技术不但具有唯。性和稳定性 的特点，而且有使用方便，不存在丢失和遗忘的问题，己经成为高技术领域的 研发热点和市场应用的重点 4 9 。根据著名的i b g 组织的调查报告，生物特征识 l 指纹匹配算法的研究与应用 别市场的平均增长速度达到了3 0 5 0 ( 如图1 1 ) ，而指纹识别技术是最主要 的生物特征识别技术中之- 6 5 1 。 t o t a lb i o m e t r i cr e v e n u e s2 0 0 2 - 2 0 0 7 ( $ m l 2 叩22 0 0 3 瑚42 0 惦羽睢2 0 凹 c 印州咖睁2 0 0 2h 百n 甜j o n a ib j o m e _ r i cg r o u p 图i 1 2 0 0 3 年生物特征识别市场发展趋势 5 6 】 1 2 指纹识别技术 指纹识别技术的研究重点是自动指纹识别系统( 即a u t o m a t e df i n g e r p r i n t i d e n t i f i c a t i o ns y s t e m ，简称a f i s ) ，它有着广泛的应用前景。目前对自动指纹识 别系统的研究主要有三个方面，即指纹特征提取，指纹分类和指纹匹配。除此 之外，还有一些研究人员从事指纹压缩技术的研究。指纹分类技术一般是用在 大规模指纹库的管理上，在指纹检索的时候，可以减少匹配时的搜索范围。本 文的工作不涉及指纹的分类和压缩，我们将使用少量的篇幅讨论特征提取的问 题。而把研究的重点放在指纹的匹配算法上。 一个典型的a f i s 系统的组成如图1 2 所示，系统由离线部分和在线部分两 部分组成。在系统的离线部分，用指纹采集仪采集指纹，提取出指纹特征，然 后将指纹特征信息登记到数据库中，形成指纹模板数据库。在系统的在线部分， 用指纹采集仪采集指纹，提取出指纹特征后，然后将这个特征与保存在数据库 中的特征模板进行匹配。如果是进行验证，属于一对一匹配问题，那么匹配结 2 锄咖姗栅姗脚锕脚跏o 4 4 3 3 2 2 1 1 引言 果是y n ，表示验证通过或不通过。如果是进行辨识，属于对多匹配问题，匹 配的结果将返回匹配通过的特征模板或模板识别号i d 。 图1 2自动指纹识别系统框图 1 2 1 指纹识别技术的发展现状 人类使用指纹来进行身份识别的历史非常悠久，早在石器时代的一些陶器 和艺术品上就留下了当时工匠的指纹 6 5 1 。在司法领域，封建社会使用的画押方 式也是指纹识别技术应用的典型例子。而这种画押方式，至今在民间的商业往 来中仍然还在使用。而随着计算机技术的发展，指纹识别技术已经在很多行业 得到了广泛的应用 5 5 。随着新的传感器的诞生和应用领域的扩展，也对指纹识 别技术的研究提出了更新的需求。比如现在的小型光学传感器，线状半导体传 感器采集的指纹图像形变非常大，就是传统的指纹识别算法难以胜任的。 指纹分类是指纹识别中的一个重要研究领域，分类的目的是为了方便大规 模指纹数据库的检索和管理。常见的指纹分类法是美圈国家标准局采用的丘类 分类标准，分为左环类、右环类、旋涡类、拱类和尖拱类p 0 3 1 3 2 ( 如图1 3 所示) 。a k j a i n 在论文【4 】( 9 6 】中使用了g a b o r 滤波图像来构造f i n g e r c o d e ，然 后通过神经网络来进行指纹分类：g t c a n d e l a 则使用基于奇异点和方向场的混 合分类法5 1 1 ：q i y u a n 在他的论文中使用了反馈机制来提高分类的准确性 8 2 】： mc h o n g 提出了一种新颖的几何框架法 7 2 zr c a p p e l l i 则使用了基于方向场的 1 指纹匹配算法的研究与应用 分块分类法 8 5 。虽然指纹分类算法的性能在最近几年有了很大提高，但是离f b i 提出的要求仍然还有很大的距离( 据识率2 0 黼t ，分类错误率小于1 ) 。 图1 3n i s t 分类示意图 在指纹的特征提取和匹配方面，过去的研究集中在指纹的细节特征提取和 匹配算法上。这是因为指纹的细节点是最可靠的指纹特征，即使是同卵双胞胎 的指纹细节特征也是完全不同的 1 0 1 。指纹细节特征的唯一性问题，s p a n k a n t i 在 论文 9 4 1 1 9 6 中进行了较为详细的研究。指纹特征提取最常见的方法是通过二值 化、细化算法处理图像，然后在细化图像上检测细节点1 1 83 2 9 1 f 3 9 6 4 1 。dm a i o 提出了直接在指纹狄度图像上提取细节点的算法 4 1 ，x j i a n g 改进了这种方法， 提出了一种自适应的脊线追踪技术 1 1 0 】。因为细节点包含的信息太少，单纯使 用指纹细节特征很难处理指纹的形变问题，所以还有些研究人员把眼光转向了 其他的指纹特征。这些特征包括指纹的奇异点 1 4 】，f i n g e r c o d e 7 】，脊线 7 1 】 1 0 8 】 4 引言 等等。在指纹细节匹配方面的文献众多，有串匹配，三角匹配，图匹配，松弛 法，差分法，遗传算法【1 【4 0 【7 9 9 7 9 9 1 1 2 等等。 过去由于没有标准的性能评测方法和数据库，所以对于指纹算法性能的优 劣，很难做出一个合理的评价。f v c 标准的出现改变了这种局面。表1 1 列举了 目前f v c 2 0 0 2 前十名的测试结果，从这组数据上我们可以看到目前指纹识别算 法的研发水平。 表1 1f v c 2 0 0 2 前十名测试结果 a l g o r i t h m e e rf m r l 0 0f m r l 0 0 0z e r o f m r t i m e a v ge r o l l a v gm a t c h t i m e p a l 5o 1 0 0 1 l 0 2 l o _ 2 1 0 1 2 s2 4 7 s p b 2 7o 2 4 o 1 8 0 3 9 0 8 2 1 3 s 1 1 5 s p a 2 7o 2 5 0 2 1 0 3 6 o8 6 2 2 6 s1 9 9 s p b 0 50 5 2 0 - 8 6 o 9 6 1 1 l 0 5 4 s0 5 8 s p b 3 50 6 1 0 5 4 1 1 4 1 3 6 09 2 s0 7 6 s p b l 50 6 3 0 6 1 0 8 2 i 0 4 0 0 7 s0 2 4 s p a 3 5o 6 7 o 6 l 1 o o 1 6 4 4 8 2 s1 9 7 s p a 0 8o 9 8 1 0 0 2 _ 2 1 3 5 0 0 5 2 s 05 2 s p a 4 5i 1 7 1 2 1 2 2 1 27 9 05 5 s0 6 7 s p a l 31 4 6 1 6 1 22 5 2 63 6 o1 7 s 0 4 4 s 表1 2 f i n g e r p a s s 指纹算法测试结果 a v g e r o l l a v gm a t c h a l g o r i t h m e e rf m r l 0 0f m r l 0 0 0z e r o f m r t i m et i m e p a l 51 1 0 1 ，7 1 9 8 24 7 o 3 5 s0 3 6 s 在国内也有不少人从事在指纹识别技术的研究和开发1 作。我们所在的中 科院自动化所生物特征与智能信息系统实验室在指纹识别领域有很长时问的积 累，承担了国家自然科学基金，杰出青年基金等多个指纹相关课题的研究。证： 在申请的和已经获得的与指纹有关的专利有十几项，已经取得授权的就有四项。 我们实验室的算法通过f v c 2 0 0 2 组委会的测试，现在已经能够排存第七名，是 目前国内研究领域的最好成绩( 如表l2 ) 。从表中l 叮以看到，国内目前的指纹 识别技术仍然和国外有比较大的差距。此外，北京大学信息中心，清华大学自 动化系，北京邮电大学，中科院长春光机所等都在此领域做出了卓有成效的 ： 指纹匹配算法的研究与应用 作。从2 0 0 0 年丌始，国内每年都举办一次生物特征识别研讨会，引起了国内外 广泛的重视，生物特征识别也开始成为国内研究领域的一个热点。 接下来我们将介绍指纹识别的首要环节一指纹图像的采集，图像采集的核 心部件是指纹传感器。 1 2 2 指纹传感器 指纹图像的采集是自动指识别系统的重要组成部分。早期的指纹采集都是 使用油墨，将手指按压在纸上产生的。n i s t - 4 ，9 ，1 4 这些标准指纹数据库就是属 于这一类【3 0 儿3 1 3 2 。那时候a f i s 系统的应用范围也比较窄，主要是司法部门 将之用于大规模指纹数据库的管理和检索，这些系统属于离线处理系统。8 0 年 代的时候，随着光学技术和计算机技术的发展，开始出现光学的指纹采集仪。 这时候的采集仪体积庞大，价格也极其昂贵，仍然只能在特殊的行业部门应用。 到了9 0 年代中期，随着半导体技术的发展，开始陆续出现c m o s 压感指纹传感 器【1 0 l 】，热敏指纹传感器r 2 1 】，超声波传感器r 1 0 1 等新型传感器。和光学传感 器相比，它们具有体积小巧，价格低的优点。传统的光学传感器也在向小型化 发展，价格也在不断降低，采集性能也不断提高 1 0 6 】。价格，体积，性能是指 纹传感器面临的最主要的问题，不同的传感器的比较如表1 3 。 1 2 2 1 光学指纹传感器 光学取像设备是最早出现的指纹传感器，它的历史可以追溯到2 0 世纪7 0 年代。依据的是光的全反射原理。光线照到压有指纹的玻璃表面，反射光线由 c c d 器件获得。反射光的数量依赖于压在玻璃表面指纹的脊和谷的深度、皮肤 与玻璃问的油脂( 如图l4 所示) 。光线经玻璃射到谷线上后再反射到c c d ，而 射到脊线后则不能反射到c c d ( 确切的是脊上的液体反光的) 。这样c c d 上就 采集到了指纹的图像。 6 引言 图1 4 光学传感器原理与实例 由于光学技术的进步，光学传感器的体积也迅速降低。近几年又出现了很 多新的光学传感器技术：例如使用纤维光来捕捉指纹图像。纤维光束垂直射到 指纹的表面，它照亮指纹并探测反射光。另一个方案是把含有微型三棱镜矩阵 的表面安装在弹性的平面上，当手指压在此表面上时，由于脊和谷压力不同而 改变了微型三棱镜的表面，这些变化通过三棱镜光的反射而反映出来。 1 2 2 2 半导体指纹传感器 半导体传感器是9 0 年代发展起来的新型指纹图像采集技术，具有代表性的 是电容传感器和热敏传感器( 如图1 5 所示) 。 电容传感器的原理是：当手指放在采集仪表面，会和传感器的采集单元产 生一定的感应电容，电容的大小与皮肤表面到采集单元的距离相关。给这些电 容注入电荷，会在电容两端产生电压，电压的大小与皮肤到采集单元的距离成 正比。根据这一点使用a ，d 采样电路就可以将指纹的图像信息变成数字化的图 像。 热敏传感器是根据皮肤纹理与传感器接触部分的温度差异柬检测指纹的。 当手指在传感器表面划过的时候，指纹脊线离传感器近，而谷线离传感器远。 这种距离信号会转化为温度差异信号并被数字化成指纹图像。 图15半导体指纹传感器，前两个是压感传感器，最后一个是热敏传感器 7 指纹匹配算法的研究与应用 半导体传感器的最大优势就是成本低，体积小。所以在各种手持设备，便 携设备中有很大的优势。现在市场上己经出现了指纹手机，指纹笔记本电脑， 指纹键盘，指纹鼠标等等，这些设备绝大多数都采用了半导体指纹传感器。而 它的成本优势也是传统的光学传感器不能比拟的，预计未来5 年内价格将下降 到2 美元以下( 光学传感器的价格在几十美金左右，已经很难再降) 。它的缺点 是采集的区域小，对湿和脏的指纹采集效果不理想，使用寿命比较短，抗静电 能力差等。现在很多公司都开发了条状传感器，使用时需要用户在这种传感器 划过手指，然后由传感器组合成一副大的指纹图。这种传感器体积更小，成本 更低，但是指纹图像质量更差一些，尤其指纹图像的形变很大，对现在的指纹 算法提出了更高的要求。热敏传感器就是条状传感器的一种，条状传感器可以 获得大面积的图像，但是对使用者的要求也更高一些，需要经过训练才能正确 使用 1 0 6 。 半导体压感指纹传感器生产厂商很多，知名的有v e r i d i c o m 1 0 1 1 ，a u t h e n t e c ， s t m i c r o e l e c t r o n i c s ，s o n y , n e c 公司等。半导体热敏指纹传感器生产厂商有a t m e l 公司 2 1 。 1 2 2 3 超声波传感器 超声扫描技术的原理是基于皮肤、指纹面和空气对超声波产生的不同声反 射阻抗来检测指纹的 5 9 1 。如图1 6 所示，超声波脉冲发生器发出了超声脉冲， 在它遇到压板的上下表面和指纹的脊线时，分别有三个回波，通过检测出回波， 实现对指纹的测量。 8 引言 图1 6 超声指纹传感器原理图 这种传感器有其独特的优点。由于超声波能穿透许多物质，这样超声指纹 传感器几乎不受手指和取像平台表面状况及周围环境的影响，即使手指再脏、 再干也能读取 1 0 l l ，能工作在强烈的阳光环境下。此外，它还能处理不规则的 纹路结构也不会存在老化的问题。还有，这种系统实现指纹采集并不一定要 与传感器直接接触，它能实现指纹的非接触采集。在一些特殊的场合，如卫生 行业中许多人必须穿戴橡胶手套的情况下，实现对指纹的提取。但是超声系统 并不是完善无缺的。由于成像的极限受到波长的制约，所以超声波的最大分辨 率不如光学系统的最大分辨率高。另外，其造价较高f 1 0 6 1 ，大约是光学系统的 2 3 倍。不同的传感器的比较如下表1 3 。 表13 不同传感器性能比较 淤 光学传感器c m o s 传感器热敏传感器超声波传 感器 体积较大很小小 巾 成像质量干手指差，但汗对汗多和脏的质量较差，受使用非常好 多的和脏的手手指成像质量者手指移动速度 指成像模糊差影响，图像变形比 较大 9 指纹匹配算法的研究与应用 成像大小 可以做到采集采集面积很小采集面积基本不采集面积 面积区域很大受传感器体积限较大 制 使用寿命比较长，但是光一般，怕静电 很长一般 学头容易老化 1 2 3 指纹技术的应用状况 指纹作为一种最成熟的生物特征识别技术，具有广阔的市场前景。在司法 部门，指纹识别技术用于罪犯的识别已经有很悠久的历史 6 5 】。但是由于指纹识 别系统昂贵的价格，这种技术过去一直限制在司法系统和安全部门等特殊行业 内使用。但是随着指纹识别系统价格的不断下降，现在指纹技术已经走向民用 市场。 在国内传统的指纹应用领域有指纹门禁，指纹考勤 4 8 1 8 0 1 1 ，驾校指纹认证 等。在高档酒店，已经有很多采用了指纹门锁，避免了客户携带钥匙的不便。 很多地方的政府部门已经在医保卡，社保卡的发放过程中采用了指纹认证技术， 保证了国家保障体系资金的安全。公安部已经计划在第二代指纹身份证上采用 指纹信息进行防伪。在广东珠海，计划生育部门已经采用指纹识别技术对育玲 妇女进行试点管理。在移动设备上，有很多厂商已经在掌上电脑，手机，笔记 本电脑上采用指纹识别技术来保证个人信息的安全( 如图51 ) 。在企业内部， 可以用指纹技术进行计算机登录并进行内部的管理，大大减少了密码遗忘和失 窃带来的危险。在电子商务领域，可以用指纹来确保交易的安全和防抵赖问题 4 4 1 1 6 9 。在金融领域的应用有带指纹识别功能的信用卡，a t m 机，p o s 终端 等等 9 6 1 。在种类繁多的应用领域中，最有发展潜力的就是互联网上信息的安全 和身份认证。指纹鼠标，指纹键盘很有可能在未来成为标准的计算机设备。生 物特征识别软件的接口标准b i o a p i 也已经发稚并成为国际标准 2 6 1 ，这必然大 大推动指纹识别技术的发展。 根据2 0 0 3 年i n t e r n a t i o n a lb i o m e t f i c g r o u p ( i b g ) 对美国生物特征识别市场 作的统计和预测，我们可以看到生物特征识别市场的发展速度达到了平均增长 率3 0 5 0 ，而其中指纹识别技术更是占据了一半以上的市场份额( 如图1 1 ，图 l7 ) 。 1 0 引言 图1 7 2 0 0 3 年生物特征识别技术市场份额劁【5 6 1 2 4 指纹技术的安全性 作为一种身份认证技术，自动指纹识别系统的安全性无疑是至关重要的。 虽然将指纹技术用于身份验证有其不可替代的优越性，但是应用指纹识别技术 的系统仍然存在很多弱点，这是在设计和实现中需要引起重视的。 在n r a t h a 7 7 1 的论文中，他全面的描述了一个指纹识别系统可能的8 个入 侵点和入侵方法( 如图1 8 ) 。 在入侵点1 ，可能的方式是伪造一个指纹，对于一般应用系统中使用的指纹 识别传感器，一个塑胶的仿真手指可以轻易的欺骗系统。对于这种侵入方式， 我们可以使用活体指纹传感器来避免，这样也不可避免带来系统成本的大幅度 上升。r d e r a k h s h a n if 9 1 提出了一种仅使用软件就实现活体指纹判断的方法，这 个方法缺点是增加了采集和验证的时间。这种入侵的条件是入侵者需要得到使 用者的指模，所以最重要的是使用者需要注意自己的隐私保护。 在入侵点2 ，n r a t h a 7 7 提出的入侵方式是直接向特征提取模块传递合成的 指纹信息。这种入侵虽然理论上可能存在，但是绝大多数是不町行的。因为大 1 l 指纹匹配算法的研究与应用 多数情况意味者需要实施物理上的破坏，而且需要足够的硬件设备和技术知识。 物理上破坏后谈系统安全性已经没有意义。这种攻击一般采取强力攻击法( 也 叫爬山攻击法) ，c o l i n 在论文【2 7 里的一个图像匹配实验中迭代了6 0 0 次获得系 统匹配的通过。对于指纹这种复杂的匹配问题，一般迭代次数都会远远超过6 0 0 次。所以对于这种攻击，b i o a p i 标准【2 6 】的方法是建议指纹系统最好不要输出匹 配分数，最好是系统只输出y n 两种结果。另外在设计系统的时候，在一定时间 内限制用户的反复尝试可以有效杜绝这种攻击。 入侵点3 和5 的破坏方式是入侵者覆盖相应的软件模块，这种方式要求入 侵者完全解密这个模块的输入输出。虽然这只是软件上的工作，但是对于输入 输出合理的加密可以降低这种入侵的可能。而且入侵者具有替换某个模块的权 限，这是比较难以满足的条件。但是对于匹配器的侵入要容易一些，因为大多 数匹配器只需要输出一个分数，对于这一类攻击我们也可以归结到侵入点8 。 入侵点4 的，6 ，7 的入侵是截获或替换提取到的指纹特征，这种入侵风险 主要存在于那些将特征模板写入到i c 卡内的应用系统。可以通过合理的数据加 密和加密通讯来减少或避免这种风险。 入侵点8 。对于实际的应用来说，总是在指纹匹配结束后执行相应的操作。 一般匹配的输出总是y 的布尔量，在很多时候，修改这个输出结果是比较很容 易的事情。这样的风险主要存在于各种指纹p c 信息保护系统中，即使一般的用 户，也有可能在网上找到一个类似注册机的软件轻易的解开被保护的p c 信息。 我们认为这是一般指纹应用系统最脆弱的环节，解决这个问题的方法是我们一 般不应该直接使用y n 这种输出去驱动实际系统。典型的是c o l i n 2 8 提到的精 巧的专利加密技术，系统匹配输出的是用于加密的密钥，y n 的输出部分只用于 校验结果是否f 确，这个密钥相当于b i o a p i 系统中的p a y l o a d 功能 2 6 。 王星明在 1 0 4 1 - - 文中提出了用双钥技术( 对称密钥算法和非对称密钥算法) 和指纹相结合来解决互联网上的认证问题，d m a i o 在1 4 4 1 中提出了类似的方案 用于网上银行的认证协议。另外在d a nb o n e h 4 6 贝o 研究了指纹水印可能存在的 安全问题。 事实上指纹技术用于身份认证，主要是用于保护传统的口令和私钥，并没 有改变现有的加密技术本身。从密码学的角度看，现在加密算法本身的弱点并 1 2 引言 图】8 指纹识别系统口j 能入侵点 1 2 5 指纹标准测试方法f v c 由于计算机技术和指纹传感器技术的发展 1 0 6 1 ，使得指纹识别技术得到了 广泛的应用，出推动了自动指纹识别技术的研究。在最近十几年罩，针对新的 指纹传感器，众多研究机构和公司都丌发了很多的指纹识别算法，并且在市场 上销售。但是对于这些算法的性能，我们可以看到很多公司都给出了几乎相同 的指标，比如f a r o 0 0 1 ，f r r i 。进行这些评估的基础是测试方法和指纹 数据库，一般都是各研究机构和厂商自己建立的 1 9 【4 0 9 2 【9 7 9 9 】，而且山于 各种利益的考虑并不公开。所以从表面的指标上去衡量不同算法的优劣，是完 全没有意义的。在f v c 标准之前，公开的通用指纹数据库主要是美闰国家标准 局建立的n i s t 系列数据库 3 0 1 1 3 1 1 1 3 2 3 3 3 4 ，但是这些数据库从数量上和采 集方法上来说，并不适合指纹算法的大规模评测，而且n i s t 仅仅是个开放的 指纹数据库，对于算法的测试方法并没有自己的标准。 为了解决不同算法性能评估问题，在2 0 0 0 年i c p r 国际模式识别学术会议 举行的时候，举行了次公开的指纹认证竞赛f v c 2 0 0 0 ( f i n g e r p r i n tv e r i f i c a t i o n c o m p e t i t i o n ) 。这次竞赛的组织者分别是意大利的b o l o g n a 大学生物特征识别实 l 指纹匹配算法的研究与应用 验室，美国的s a nj o s e 州立大学的生物特征测试中心，密歇根州立大学的生物特 征识别实验室 4 2 】，他们都是生物特征识别方面的学术权威机构。第一次竞赛有 1 1 家参赛算法，其中7 家学术机构，4 家公司。由于f v c 的测试方法公正透明， 所以获得了大量指纹研究机构和厂商的认同，获得了巨大的成功。于是原来的 组织者在2 0 0 2 年i c p r 会议期间又组织了f v c 2 0 0 2 指纹认证竞赛 4 3 ，这一次 参赛最后有2 9 家参赛者，总共提交了3 3 个算法( 其中有4 家提交了两个算法) 。 现在f v c 已经成为了指纹算法评估的权威标准，每两年举行一次，第三次指纹 认证竞赛f v c 2 0 0 4 将在i c b a ( i n t e r n a t i o n a lc o n f e r e n c eo fb i o m e t r i c a u t h e n t i c a t i o n ) 会议期间举办。 f v c 之所以的能够成为权威的标准，主要是方法的公正透明，数据库的选 择也很有代表性。关于f v c 数据库的部分将在下一节介绍。我们将f v c 数据库 的测试方法简要介绍如下： 每个独立的数据库包含有1 0 0 个手指共8 0 0 幅图像，我们把第i0 - 1 ，口 个手指的第，0 = 1 别个图像记为，它们注册得到的模版记做巧，注册失败 的图像数目除以总数8 0 0 等于据登率r e j e n r o l 。 对于注册得到的模版矗，我们让该模板和属于同个手指的图像凡o k 矽进行匹配，匹配分数记做g m s o - k 。这样需要匹配( ( 8 x 7 ) 2 + 1 0 0 ) = 2 8 0 0 次，这个数字我们称为n g r a ( n u m b e ro f g e n u i n er e c o g n i t i o na t t e m p t s ) ， 匹配失败的次数除以总数称作r e j u c e h 对于每个手指的第一个模版正，“ j l d ，我们让该模板和不属于同一 个手指的图像如，“ t _ 1 0 0 ) 进行匹配，匹配分数记做i m s “。这样需要 匹配( 1 0 0 x 9 9 ) 2 = 4 9 5 0 次，这个数字我们称作n i r a ( n u m b e r o f i m p o s t o r r e c o g n i t i o na t t e m p t s ) ，匹配失败的次数称作r e j m r a 正确的匹配将产生匹配分数，在f v c 2 0 0 0 和f v c 2 0 0 2 的竞赛中，要求 参赛者匹配的分数归一化到区间【o ，l 】。假设匹配闽值是t 0 ，l 】，那么 将得到据识率曲线f n m r 似和误识率曲线f m r ，如果把拒绝匹配的 r e j n g r a ，r e j n i r a 部分去掉，得到的曲线我们记做f n m r 俐，f m r 例。 f n m i - 和f m r 曲线的交点，我们称作等错误率e e r ，f n m r 和 f m r 的交点称作e e r 如果以f m r 为横坐标，f n m r 为纵坐标，这样画出的曲线我们称作r o c 1 4 引言 曲线 r e j v i e a ，r f - j n c e m 的加权平均值我们称作拒绝匹配率r e j k a r c h ，公式如 下： 尺e j 。= 些些恕筹羚- ， 其他的指标例如z e r o f m r ，z e r o n f m r 等指标的含义在论文 4 2 1 1 4 3 1 中有详细 的描述，这些指标中，最重要的指标就是e e r ，是衡量算法性能的基本参数。 f v c 2 0 0 2 的测试方法和f v c 2 0 0 0 是完全相同的，但是增加了f m r l 0 0 ，f m r l 0 0 0 两项指标，以便能更加准确的描述算法的性能。 1 2 6 指纹标准数据库 1 2 6 1 s t 数据库 n 1 s tr n a t i o n a li n s t i t u t eo f s t a n d a r d sa n dt e c h n o l o g y ) 是美国国家标准局的缩 写，n i s - 4 ，9 ，1 0 ，1 4 ，2 4 ，2 7 ，2 9 ，3 0 是它所颁布的标准指纹库 3 0 1 1 3 1 1 1 3 2 3 3 3 4 】。 n i s t 数据库早面的图像大多采用一种叫做i h e a d 格式，这种格式是n i s t 内部 使用的一种图像文件格式，n i s t 随机的光盘有读取这中格式的源代码。n i s t 数据库里的静念指纹图像都是8 位的2 5 6 级灰度图像。n i s t - 2 4 是动态图像，采 用m p e g 2 压缩方法。 n i s t - 4 内容：图像大小为5 1 2 5 1 2 像素，总共有2 0 0 0 列狄度指纹图。图像分成 类( 拱类、左环类、右环类、尖拱类、旋涡类) ，每一类有4 0 0 对指纹图像，以 j p e g 进行无损压缩 3 0 1 。 特性：适用于自动指纹分类研究 n i s t - 9 ，1 0 ，1 4 内容：图像大小为8 3 2 + 7 6 8 像素。 n i s t 9 数据库包括5 卷，每卷包括3 张光盘，每张光盘包括9 0 对指纹卡片 ( 每对指纹卡片包括1 0 对指纹图) 共9 0 0 对分割后的灰度指纹图。n i s t 整个数 1s 指纹匹配算法的研究与应用 据库的容量是1 3 5 0 对指纹卡共1 3 5 0 0 幅图像，图像采用j p e g 无损压缩格式进 行存储 3l 】。 n i s t l 0 数据库包括3 张光盘，第一张光盘包括2 1 6 0 幅图像，后面两张每张 包括1 6 8 0 幅图像。整个数据库的容量是5 5 2 0 幅指纹图像，图像采用j p e g 无损 压缩格式进行存储。 n i s t l 4 数据库包括3 张光盘，每张光盘包括9 0 0 0 对指纹图共2 7 0 0 0 对分 割后的灰度指纹图。这个数据库前面的1 3 5 0 0 对指纹图和n i s t 9 是相同的，图 像以w s q 指纹压缩标准压缩 3 2 】( 平均压缩比1 8 ：1 ) 。 特性：适用于自动指纹分类研究 n i s t - 2 4 内容：图像大小为7 2 0 * 4 8 0 像素。该数据库容量为两张光盘，第一张为1 0 秒钟( 3 0 0 帧) 具有弹性形变的图像；第二张为1 0 秒钟各个角度的图像。包含 l o 个人( 5 男5 女) 的1 0 0 个指纹。每张光盘有共计1 0 0 个m p e g 一2 文件 3 3 】。 特性：适用于自动指纹认证研究 n i s t - 2 7 内容：图像大小为8 0 0 * 7 6 8 象素，数据库容量为一张光盘。该数据库包括 2 5 8 例手指，每例手指带有l o 副指纹图像和4 个专家给出的指纹细节点集。这 个数据库图像分成两种，一种是注册的指纹图像，另一种是犯罪现场采集的潜 印指纹。 特性：适用于自动指纹算法测试与研究，特别是警用系统的研究。 n i s t 2 9 内容：该数据库包括2 1 6 例手指的指纹图像，每例手指带有1 0 副指纹图像。 数掘库容量为一张光盘，每例手指的图像分为滚动采集的和平面采集的两种。 图像以w s q 标准压缩。 特性：适用于指纹匹配系统的研究 n i s l 乙3 0 内容：该数据库包括3 6 个人的l o 个手指的两种分辨率的图像，图像使用 j p e g 无损压缩方式。该数据库包括4 张光盘，第张光盘内的图像分辨率都是 1 6 引言 5 0 0 d p i ，后面三张光盘内的图像分辨率为1 0 0 0 d p i 。 特性：适用于指纹匹配和压缩系统的研究 1 2 6 2 i q c 数据库 f v c 数据库是进行f v c 指纹识别竞赛时使用的指纹数据库，数据库采用通 用的t i f 图像格式。f v c 竞赛已经组织了两次，所以现在有f v c 2 0 0 0 ，