指纹识别系统简述与发展方向

2018-03-22毋俊

电子技术与软件工程 2018年3期

关键词：指纹图指纹识别指纹

摘要本文对指纹识别技术的背景、应用历史、识别方法及原理进行了简单阐述，并简单介绍了自动指纹识别系统（AFIS）和指纹图像的归一化处理算法。第三部分对指纹识别技术的局限性、发展方向进行了探讨。

【关键词】指纹识别 AFIS

1 指纹识别技术的应用历史及发展现状

1.1 指纹识别的应用历史

现代指纹识别起源于16世纪末期。早在1880年，亨利·福兹提出犯罪可用指纹识别系统识别的观点。

20世纪70年代，人们对于指纹自动识别的研究开始使用计算机进行，加上模式识别理论的迅速發展，一些实用系统逐渐面世。70年代末，在加拿大，激光技术已经首次应用于指纹检验，取得了不错的效果。

20世纪80年代，指纹核对机在日本面世；1982年，NEC首次向警方提供了自动指纹识别技术；同时，在比利时刑事鉴定局、日本蝶理株式会社、英国政府的一些重要部门以及澳大利亚的ATM机、美国五角大楼和大多数商业部门，指纹识别技术都得到了初步应用。

中国的手印（指纹）应用起源于唐朝以前。唐朝时期，已有记录用指纹确定个人身份的典籍。我国现代较早使用现代指纹技术的是青岛，警方可以将指纹识别系统用于刑事侦查。到了90年代时指纹识别应用系统发展迅速，出现了一些指纹识别技术领域的优秀研究成果。当时，活体指纹身份识别系统已在深圳现世，自动指纹识别监控器也逐渐进入人们的视野；我国各大高校也相继推出指纹自动识别系统，并组织相关研究；深圳推出的指纹密码识别系统达到了一定的水平，可对指纹、手指三维、手指血管造影同时控制。

1.2 指纹自动识别系统的发展现状

指纹识别系统集计算机网络技术、数据库技术为一体，又融合包含了光电技术、图像处理等技术，是一门综合性高技术。其特点包括可靠、快捷、灵活、安全、方便、兼容性、实时性。指纹识别具有一定的容错性，采用了一些容错技术，即使指纹稍微改变也能对指纹图像进行正确识别。指纹识别所需的时间较短，快捷又方便。指纹信息仅包含一些特征信息，占用空间小，节约流量。所有的指纹信息都转换为个人代码进行严格加密，盗取与破解困难，复原性低，安全性高。指纹识别技术现已广泛应用于各个领域，具有广泛的应用前景。

1.3 指纹识别技术的应用举例

身份认证：指纹识别广泛应用于刑事侦查和罪犯鉴别、个人储蓄业务、教育考试系统。指纹身份证、指纹支付（手机购物）、证券交易、社保系统等。

门禁管理：指纹识别还可用于防盗门、金库大门、保险柜等门禁系统。在计算机自动化办公系统、金融保险、电子商务、防伪等行业的应用也非常广泛。

2 指纹识别技术原理及方法

2.1 指纹特性与识别原理的关系

指纹具有唯一性。人的指纹特征是由人本身的基因与环境因素的影响共同决定的。每个人的基因都有或多或少的差异，从理论上讲，除同卵双生的双胞胎外，世界上没有两个人的指纹是完全相同的。

指纹具有复杂性。指纹的细节特征包括细微纹点和纹脊的起点、终点、分叉、结合等特征。对于某一指纹图像来说，其特征定义有许多种，美国国家标准局所采用的用于指纹匹配细节的四种特征为脊终点、分叉点、复合特征（三分叉或交叉点）和未定义。

指纹具有终身不变性（稳定性）。指纹之所以被称为“活的身份证”，是因为它伴随人的一生几乎不会变化，而且不会与我们分开，是我们身上自带的“身份证”。

2.2 AFIS（自动指纹识别系统）系统简介

2.2.1 指纹图像的获取

光学扫描采集采用的是FTIR（全反射技术），通过激光照射棱镜并在棱镜和手指的接触面上发生生全反射，从而区分脊线和谷线，在CCD阵列上获得指纹图像。

固体传感器采集是利用电压变化采集指纹图像的方法。当手指对传感器产生压力时，传感器与手指的接触点会发生感应导致电容器电压变化，获得指纹图像。

超声波传感器采集法是利用了超声波的反射原理，其原理与声呐类似。

2.2.2 指纹图像增强

指纹图像增强是指通过各种图像处理的方法来提高指纹图像的脊信息清晰度，清除不可恢复区域。

影响指纹图像质量的因素：接触的不一致性、接触的不均匀性、接触的不可再现性、设备的系统噪声干扰。手指指纹本是三维图形，通过与接触面接触从而形成二维图像，由于压力差异，每次指纹获取时难免会产生一定的变形；而对于不同状态的手指，所采集的指纹图像又会产生偏差，造成部分细节信息错误，如手指过于干燥会导致图像部分失真、手指受伤会导致细节信息改变；另外，系统设备本身的干扰也会对采集质量造成影响。

增强方法：一般可采用平滑、细化、滤波、二值化等数字图像处理方法进行。第一步，规格化，就是将图像的均值和方差限制在一定的阈值内，降低灰度图像方差。第二步，方向图估计和频率图估计。第三步，依照各个区域的不同方向，使用不同的滤波器增强图像。

2.2.3 指纹图像特征提取

指纹的细节特征共一百多种，但可用于特征提取的常见细节特征却不多。常用的指纹图像特征提取可分为细节特征的提取和单独点的提取，细节点包括脊中点和分叉点，单独点包括中心点和三角点。一般在自动识别中作为鉴别特征的细节特征是纹线端点（纹线突然消失的位置）和分叉点（纹线一分为二的位置）。通过方向信息提取、纹线提取、图像分割、图像细化、细节特征提取等算法步骤可完成对一个指纹的特征提取。

2.2.4 指纹图像匹配

指纹图像匹配指的是对两个指纹图像进行特征分析，判断指纹是否同源。指纹匹配算法有图像匹配、点模式匹配、图形匹配、脊模式匹配等。

点模式匹配：从指纹图像中提取出特征点，再输入待匹配的指纹图像，将两者的特征点集通过一些变换（如旋转、拉伸、平移等）进行匹配。其中经典算法有松弛算法、模拟退火算法、遗传算法、Hough变换等。

2.3 指纹图像分割算法

2.3.1 算法简介

算法原理：每个指纹图像具有其稳定、特有的方向性，在某一区域内，图像的灰度变化特点是具有方向性的。在指纹图像中，沿脊线方向灰度差小，沿垂直于脊线方向上灰度差相对来说就很大了。通过计算指图像上某点沿各方向上的灰度变化情况，可确定某点是否属于原指纹图像，从而将指纹图像与污染区域分割开。

算法分类：利用图像灰度变化特性对图像进行分割判定的方法称为方差法；利用图像含有的方向信息对图像进行分割判定的方法称为方向法；结合方向信息与灰度变化两个指标进行判定的图像分割称为归一化处理法。

2.3.2 归一化处理法的算法步骤

第一步，输入灰度指纹图像，首先在像素矩阵内计算指纹图像上每点的方向信息。

第二步，取分块尺寸较小的正方形像素块，并将图像平均划分，准确计算每个块方向。

第三步，用公式对每个分块进行灰度分析，分别计算沿平行块方向和垂直于块方向的灰度差（即灰度变化）。平行块方向上取四对对称点，垂直于块方向上取两对对称点进行灰度差计算，并取平均值，得到平均灰度变化。

第四步，运用归一化算法对上一步骤中的灰度差进行归一化处理，可降低不同指纹图像对比度不同所带来的影响，达到归一化的目的。这里我们可以规定归一化区间的期望值，然后分别沿两个方向进行归一化处理。