指纹识别技术简介

Introduction of Fingerprint Identification,指纹识别技术简介,指纹识别技术简介,生物特征的采集指纹静脉掌纹虹膜指纹识别原理指纹图像的预处理灰度归一和均衡化分割二值化滤波及细化处理指纹匹配,Company Logo,生物特征的采集,生物特征采集的地位,生物特征数据的采集是生物特征识别过程的第一步，是整个系统的基础。,Company Logo,生物特征的采集,生物特征采集设备由以下部分组成：传感器传感器是一种能把物理量或化学量转变成电信号的器件，是生物特征采集设备的核心辅助硬件装置实现一些采集时必要的辅助功能软件对原始数据初步处理,生物特征采集设备的构成,Company Logo,生物特征的采集-指纹,指纹采集方式,碾压式（多用于油墨捺印）,Company Logo,生物特征的采集-指纹,指纹采集方式,固定式U.are.U 4000B光学指纹采集器（Digital Persona公司, ）,Company Logo,生物特征的采集-指纹,指纹采集方式,滑动式滑动指纹采集模块（ATMEL，）,Company Logo,生物特征的采集-指纹,光学指纹采集,Company Logo,生物特征的采集-指纹,光学指纹采集,Company Logo,生物特征的采集-静脉,静脉采集方式,通常使用近红外光学成像静脉识别的主要形式： 手指静脉透射成像 手背静脉透射成像 手掌静脉反射成像,Company Logo,生物特征的采集-静脉,静脉采集设备,Company Logo,生物特征的采集-静脉,手掌静脉识别,Company Logo,生物特征的采集-静脉,手指静脉识别,Company Logo,生物特征的采集-静脉,指纹&静脉复合识别,Company Logo,生物特征的采集-掌纹,掌纹识别采集,光学成像采集（反射）一般有光源一般有定位装置（借鉴手形识别）,Company Logo,生物特征的采集-掌纹,PKUAI-S0/PKUAI-S1型(北京大学人工智能实验室，）,尺寸：26*24*32cm采用小型数字摄像头2个固定位置的光源顶盖可掀开，定位板可替换,Company Logo,生物特征的采集-虹膜,虹膜采集,一般采用光学采集方法,径向沟槽,有色褶皱,瞳孔区,睫状区,环围,凹陷,Company Logo,生物特征的采集-虹膜,Company Logo,生物特征的采集-虹膜,虹膜手机/PDA(OKI)虹膜U盘Rehoboth Tech（）,Company Logo,指纹识别原理-指纹,人类的手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会形成各种各样的图案。人手指内侧表面的纹路就是指纹，19世纪20年代，科学研究发现了指纹的两个重要特征:一是唯一性，人人的指纹不同，一个人的十个手指的指纹也不相同。事实上，世界上两枚指纹相同的几率小于1/109，几乎为零;二是稳定性，指纹的图案永远不会改变，它不会随着人的年龄而改变指纹，也不会和主体分离。,Company Logo,指纹识别原理-自动识别原理,自动指纹识别技术主要有两种:一种是基于指纹图像统计信息的方法，一种是基于指纹本身所固有的特征点结构的方法。基于图像统计匹配方法主要是通过直接或间接地比较两幅原始指纹图像的统计相识程度，从而达到判断两枚指纹是否是属于同一个人的目的，例如：利用二维相关系数来直接识别指纹的方法，首先它需要储存所有注册用户的一幅完整的指纹图像，在识别时，计算录入指纹和已经注册的用户指纹图像两者之间的相关系数，然后将此相关系数与一个闭值比较得出识别结果。由于指纹有天然的纹理特征结构，现在的自动指纹识别系统大都是围绕指纹本身所固有的特征点结构而开发的。,Company Logo,基于特征点匹配识别的指纹识别系统主要是通过比较两幅指纹图的结构特征信息来达到识别的目的。指纹的特征包括两类:全局特征和局部特征。全局特征是指那些用人眼可直接观察到的特征，可以依照全局特征对指纹进行分类，Galton分类法是较著名的分类法，其将指纹分为三类，如图所示为这三类典型的指纹图像。Henry又将这三类进行了细分，如把环型(loop)分为正环型(radial loop)、反环型(ulnar)和双环型(double loop)。但是仅仅依靠这样分类来识别指纹是远远不够的，这只是一个粗略的分类，通过分类可在大数据库中更快地检索指纹，加快识别的速度。,指纹识别原理-指纹的全局特征,Company Logo,指纹识别原理-指纹的局部特征,两枚不同指纹可能会有相同的全局特征，所以要识别两枚指纹，仅仅依靠全局特征是不够的，还需要通过局部特征来识别。指纹是由脊线和谷线交替出现的模式构成，指纹的脊线并不是连续的、平滑笔直的，而是经常出现中断、分叉和打折，这些断点、分叉点和转折点就称为局部特征，又称为细节特征点，就是这些特征点提供了指纹唯一性的确认信息，一枚指纹可能有十几种类型的特征点，在其中出现频率较高的细节特征点有五种:纹线端点 (ending):指一条纹线在此点终结;分叉点 ( bifurcation):指一条纹线在此点分成两条纹线:小桥 ( bridge):指两条平行的纹线在此处连接了;双叉 (crossing):指两条纹线在此点相互交错;孔形 (hole):指一条纹线一分为二后，又合并而一条纹线所形成的孔洞。,Company Logo,指纹识别原理-局部特征点比例,Company Logo,指纹识别原理-自动指纹识别系统,一个典型的自动指纹识别系统流程如图所示。它包含两个模块:训练模块和鉴别模块。训练模块完成注册指纹的功能，鉴别模块完成识别指纹的功能。由于隐私和节约储存量的原因，所以在数据库中储存的数据是指纹的特征点信息，而不是指纹图像，训练模块和鉴别模块由同一套特征提取算法提取出特征信息，两个模块其实对应指纹识别的两个阶段，即注册阶段和识别阶段。,Company Logo,指纹识别原理-指纹图像预处理,指纹采集进来后，在指纹图像中往往含有大量噪声，为了提高特征提取的效率，还必须对图像进行预处理。预处理的一般流程如图所示。图像分割是把指纹图像从背景区域中分离出来，以使图像增强集中在指纹区域中进行，提高处理的效率:图像增强用以滤除指纹图像中的噪声，在视觉上体现为得到一幅纹路清晰的指纹图;二值化，用已二值化增强了的指纹图，方便细化处理;细化则是为了便于提取特征点和得到精确的特征点信息。预处理是指纹识别系统中比较占用时间的处理过程，所以有人提出了一些不用预处理就直接从原始指纹图像中提取特征点的方法，但总得看来，这种方法对图像质量较差的指纹图的识别率是较低的。,Company Logo,指纹识别原理-特征提取,特征提取就是指在经过预处理后的指纹图中提取出指纹的特征点信息，一般地，提取特征点的三种信息: 特征点位置、特征点类型和特征点的方向。特征点的位置是指特征点在指纹图像中的绝对坐标; 特征点类型是指该特征点是端点还是分叉点; 特征点的方向是指该特征点所在脊线的方向，端点的方向就是所在脊线的走向，而分叉点的方向是三条脊线中与另外两条脊线所成角为钝角的脊线的反方向。特征点方向如图所示，其中(x, y)表示特征点的坐标，就是特征点的方向，它是脊线和水平线所成的方向， 取值范围为（ 0，2）。,Company Logo,指纹识别原理-特征匹配,指纹的特征匹配就是比较两幅指纹图像的特征点信息，从而得出两幅指纹是否来自同一个人的识别结果，现在己经提出了很多指纹特征匹配的方法。其根本思想是比较两幅指纹图的特征点有多少对是相同的，英国学者E.R. Herry认为只要有13对特征点重合，就可以认为两幅指纹来自同一个人。,Company Logo,指纹图像的预处理,指纹识别技术,指纹预处理,特征提取,指纹分类与匹配,Company Logo,指纹图像的预处理,无论是指纹分类还是指纹匹配,都需要提取指纹的有效特征,而特征提取的性能很大程度上要依赖于指纹图像的质量。在实际应用中,由于采集条件和采集设备的因素,采集到的指纹图像质量比较差,容易导致很多问题,影响后续处理的效果。因此,指纹图像的预处理是关系到指纹识别系统性能好坏的一个关键。,预处理的重要性,预处理,主要包括指纹图像灰度归一化和均衡化、指纹图像分割、指纹图像二值化和二值化后处理及细化等步骤,Company Logo,指纹图像的预处理-灰度归一化和均衡化,归一化的目的,在于消除指纹采集过程中由于传感器自身的噪声以及因为手指压力不同而造成的灰度差异,将指纹图像的对比度和灰度调整到一个固定的级别上,为后续处理提供一个较为统一的图像规格。,灰度归一化,其中,I(i,j)是点(i,j)的灰度值；Mean、VAR是原图像的灰度均值和方差；M0、VAR0是期望的灰度均值和方差。,Company Logo,指纹图像的预处理-灰度归一化和均衡化,Company Logo,指纹图像的预处理-灰度归一化和均衡化,均衡化是对图像中像素个数多的灰度级进行展宽，对像素个数少的灰度级进行缩减。图像进行均衡化的函数表达式为:,灰度均衡化,其中，k为灰度级,Company Logo,指纹图像的预处理-灰度归一化和均衡化,通过均衡化提高了脊线和谷线的对比度。,Company Logo,指纹图像的预处理-指纹图像分割,其目标就是根据特征提取的需要,把指纹图像中质量很差、在后续处理中很难恢复的图像区域与有效区域分开,使后续处理能够集中在有效区域。 指纹分割处理不仅能提高特征提取的精确度,而且还能够大大减少指纹预处理的时间。因此指纹分割是指纹预处理的重要组成部分。它不仅要求尽可能的去除指纹图像的无效区域,还要尽可能完整的保留指纹的有效区域,这就需要比较精确的分割算法。,指纹图像分割,Company Logo,指纹图像的预处理-指纹图像分割,基于灰度方差法和基于梯度的指纹分割方法。方差法是基于指纹图像的灰度特性提出的,采用该方法对指纹图像进行分割时不能检测出图像中噪声较严重的区域,即不能把噪声严重的区域从图像中分离出来。为提高分割精度, 可以把多种方法结合起来并加以改进,构造一种多级分割体系, 可以采用基于梯度的指纹分割方法。,指纹图像分割的常用算法,Company Logo,指纹图像的预处理-指纹图像分割,基于梯度的方法一般用梯度的一致性作为特征来分割指纹图像,因指纹有效区域是平行的线形结构,所以前景区域的一致性一般都高于背景区域。在(i,j)点的一致性可定义为:,基于梯度的指纹图像分割算法,其中,Vx,Vy分别代表在G(i,j)点x,y方向的梯度,W为窗口大小。,Company Logo,指纹图像的预处理-指纹图像分割,此方法在初步分割过后,可能存在孤立的小前景或者小的前景空洞。通过连通域检测可对其进行优化。(1)孤立小前景。对于孤立的小前景,如果其面积小于设定的阈值,则强制归为背景。(2)前景小空洞。对于前景小空洞,对于面积小于一定阈值的连通域进行优化处理。在优化过程中合置信度,如果该连通域内像素的置信度不是很小,则强制归为前景;否则说明该区域图像质量较差,视作指纹中图像质量不好的区域,不做强制归整。,Company Logo,指纹图像的预处理-指纹图像二值化,二值化的目的是把灰度指纹图像变成0、1取值的二值图像,目前最常用的方法是阈值法。由于不同图像的灰度变化差异较大,即使是同一幅图像,其各部分的明暗也有很大的差别,因此固定阈值方法显然是不可取的。另一种方法是局部阈值法,它能根据前景各小块的明暗来调整阈值的大小,效果较好。,指纹图像的二值化,二值化算法,(1)把前面分割出来的所有背景和不可恢复的部分的灰度都设置为255。(2)对保留下来的目标像素,使用如图所示的77模板,该模板可以根据目标像素所在块的方向来旋转。根据该模板决定目标像素二值化后是255还是0。,Company Logo,指纹图像的预处理-指纹图像二值化,(3)模板以目标像素为中心,放置于平行于该目标像素所在的块的方向上,统计与块方向平行的所有行的7个像素的灰度和: P=P1+P2+P3+P4+P5+P6+P7。,Company Logo,指纹图像的预处理-指纹图像二值化,由于灰度滤波的不完全性,而且在二值化过程中有时会引入新的噪声,需要对图像进行滤波处理。采用加权中值滤波的方法,根据前景点的不同方向选用不同的权值模板进行滤波,以便于消除纹线上的孔洞和缺口。,二值化后期处理,Company Logo,指纹图像的预处理-指纹图像二值化,Company Logo,指纹图像的预处理-指纹图像的细化,二值化后的纹线仍然有一定宽度,需要细化为单个像素宽度的骨架。细化算法很多,这里采用骨架提取技术。算法描述如下:目标点标记为1,背景点标记为0。定义边界点本身标记为1,而其8个邻域中至少有1个标记为0的点,细化处理,Company Logo,指纹图像的预处理-指纹图像的细化,(1)记中心点为P1,其邻域的8个点顺时针绕P1分别记为P2,P3,P9,P2在P1上方。如果同时满足以下的4个条件,即2 N(P1) 6;S(P1) =1;P2P4P6=0;P4P6P8=0,则删除P1。其中,N(P1)为P1的非零邻点数,S(P1)为以P2,P3,P9为序的点从0到1的变化次数。遍历所有边界点,将满足条件的点删除。(2)同(1),仅将条件改为P2P4P8=0,将条件改为P2P6P8=0,同样遍历所有边界点,将满足条件的点删除。由上述两步构成一次迭代,直到再没有点满足删除条件为止,此时剩下的点组成纹线的骨架。,细化处理算法,Company Logo,指纹图像的预处理-指纹图像的细化,Company Logo,指纹图像的预处理-指纹图像的特征提取,1.指纹特征提取概述,指纹图像的特征提取就是提取指纹图像的端点和分叉点这两种细节特征点，它是进行指纹匹配的前提和基础。细节特征提取是整个自动指纹识别系统中一个非常重要的环节，能否准确地提取指纹图像的细节特征点，直接关系到指纹匹配的准确度，所以说指纹的特征提取是指纹识别算法的关键。,2.细节特征点的提取,我们采用一个的模板，如图所示。其中P为待检测的像素点，P1，P2，P8为P点的8邻域。为了计算方便，我们通常将灰度值为255(白色)的像素点定义为背景点，将该点的P值置为0;将灰度值为0(黑色)的像素点定义为目标点，即为待检测的像素点，且将该点的P值置为1。,Company Logo,指纹图像的预处理-指纹图像的特征提取,特征提取模板,统计P点的8邻域中值为1的点的个数，采用如下公式:,Company Logo,指纹图像的预处理-指纹图像的特征提取,（1）如果它的8邻域中只有一个点的值为1，则有:CN=1，那么 P点为端点；,Company Logo,指纹图像的预处理-指纹图像的特征提取,（2）如果它的8邻域中有三个点的值为1，则有:CN=3，那么P为分叉点；,（3）如果它的8邻域中有两个点的值为1，则有:CN=2，那么P为连通点。,Company Logo,指纹图像的预处理-指纹图像的特征提取,3.伪特征点的去除 对于将端点和分叉点作为细节特征点，常见的伪特征点的表现形式主要有下面这五种：毛刺、短纹、小孔、伪小桥、断纹，它们的具体形状如图所示：,毛刺 短纹 小孔 伪小桥 断纹,Company Logo,指纹匹配,指纹匹配，也称指纹比对，就是根据指纹特征提取算法所提取的指纹细节特征，以及各细节特征点的关系，采取相关的算法，来判断两枚指纹是否来自同一个手指。在指纹自动识别系统中，指纹匹配是指纹识别的核心环节，是完成最终识别的关键步骤，它也是评价整个自动指纹识别系统性能最主要的依据。,Company Logo,改进的基于Delaunay三角网络的匹配方法,1.细节点的,网生成,(a)第1条边的确定 (b)生成第1个三角形 (c)顺时针加入第2个三角形 (d)三角形组合在一起,细节点DT网的形成过程,一幅指纹图像的,网,Company Logo,2.基于DT网的局部匹配与参考点对的求取,基于 DT网的局部匹配算法是从模板指纹和待识别指纹中找相似三角形结构，将得到的相似三角形的顶点作为参考点。在寻找相似结构时，特征点方向、类型、边的长度、三角形的内角等都得到了有效的利用。,该算法主要由如下3个步骤组成：,（1）在两幅图像(模板指纹图像，输入指纹图像）细节点特征的,DT网里找相似边。,那么判断这两条边是否相似，要其满足,下面条件:,(1),(2),(3),&,Company Logo,（2）在DT网格中，边的结构