CN101620677A - 一种基于三角剖分与lod技术的指纹识别方法 - Google Patents

Abstract

一种基于三角剖分技术的指纹识别方法，解决更有效地识别指纹特征、更准确地区别不同指纹的技术问题，采用的技术方案是，本方法是借助三角剖分步骤提取指纹图形的矢量三角形集合，采用LOD细节层次的分离步骤、逐层变换区域范围、分步对不同层次下图像特征提取、编码并比对，包括全局特征向量编码阶段和局部特征向量编码阶段。本发明的优点是指纹特征比对精细，增加活体指纹的判定，档案指纹数据库可在线更新，有利于指纹的去伪与识别，在大规模百万量级指纹识别系统中通过数据库索引检索指纹的效率高。

Description

一种基于三角剖分与LOD技术的指纹识别方法

技术领域

本发明属于指纹识别领域，特别是一种基于Delaunay三角剖分与LOD技术的指纹识别方法。

背景技术

Delaunay三角剖分，给定平面上一个点集P，Delaunay三角剖分，表示为DT(P)，遵循的原则为：在DT(P)中的任一三角形的外接圆内没有P中的点；在P可能形成的三角剖分中，DT所形成的三角形的最小角是最大的；它使DT趋向于消除瘦长的三角形。而且，它还具有唯一性，仿射不变性。

LOD细节层次思想来源于计算机图形学——当要生成具有真实感场景的时候，由于场景本身的复杂性，要实现实时性往往不太可能。所以从场景的本身的几何特性入手，通过适当的方法来简化场景的复杂性。LOD思想是根据需要精简掉一些暂时可以不被关注的细节，从而保证系统的流畅性。它的优点是精细，层次分明，有利于提高检索效率。

在现有技术的指纹识别系统中，一般将需要鉴定的目标指纹与固定的原始指纹模板进行比对，固定模板不能够更新，人体指纹变化时有可能导致指纹识别发生错误。

传统的指纹认证系统一般需要遍历数据库去寻找到匹配值最高的记录，显然这样做在大规模的应用上不够快。针对于现有技术，发现现有技术包括以下不足：

1)、原始指纹的模板数据库没有更新功能；

2)、提取的指纹特征还需要更精细，更具体，有利于区别不同的指纹。

3)、大规模的指纹识别系统的识别效率比较低。

发明内容

为解决大规模指纹识别和检索应用效率高的技术问题，本发明设计了一种基于Delaunay三角剖分与LOD技术的指纹识别方法，将Delaunay三角剖分与LOD思想利用于百万量级指纹系统中，实现了百万量级指纹系统中的指纹识别和检索的高效率性。

本发明实现发明目的采用的技术方案是，本方法是借助Delaunay三角剖分步骤提取指纹图形的矢量三角形集合，采用LOD细节层次的分离步骤、逐层变换区域范围、分步对不同层次下图像特征提取、编码并比对，包括全局特征向量编码阶段和局部特征向量编码阶段，具体包括以下步骤：

A、利用图像采集器采集目标指纹的全部图像信息，借助于配套的图像处理软件将以上信息处理成为记录有全部指纹图像特征的数字编码集合，存储在配套的缓存中；

B、调出缓存中点集组合成的指纹图形，利用Delaunay三角算法将点集图形三角区化，形成一组三角向量集，所生成数字编码集合并存储在缓存中；

C、利用LOD细节层次法划分区域，将具有最细节全局特征的三角向量集中所有的顶点重新组合，形成扩大了区域范围的次层三角图形集，组合生成次级三角图形集合、生成次级数字编码集合并存储在缓存中；

D、重复C步骤，形成再次级的三角图形集合、再次级数字编码集合并存储在缓存中，直至完成最终层的三角形集合对应数字编码集合、全部存于缓存中；

E、利用LOD细节层次技术将缓存中的数字编码集合与档案指纹数据库中的数字编码集合逐个进行比对，在档案库中找出与目标指纹的数据代码相同或基本结构相类似的指纹档案。

本发明的有益效果是指纹特征比对精细，增加活体指纹的判定，档案指纹数据库可在线更新，有利于指纹的去伪与识别，在大规模百万量级指纹识别系统中通过数据库索引检索指纹的效率高。

下面参看附图对本发明进行详细说明。

附图说明

图1是本发明的最佳实施例的流程图。

具体实施方式

参看图1，一种基于Delaunay三角剖分与LOD技术的指纹识别方法，本方法是借助Delaunay三角剖分步骤提取指纹图形的矢量三角形集合，采用LOD细节层次的分离步骤、逐层变换区域范围、分步对不同层次下图像特征提取、编码并比对，包括对全局特征向量编码阶段和局部特征向量编码阶段，具体包括以下步骤：

A、利用图像采集器采集目标指纹的全部图像信息，借助于配套的图像处理软件将以上信息处理成为记录有全部指纹图像特征的数字编码集合，存储在配套的缓存中；

B、调出缓存中点集组合成的指纹图形，利用Delaunay三角算法将点集图形三角区化，形成一组三角向量集，所生成数字编码集合并存储在缓存中；

C、利用LOD细节层次法划分区域，将具有最细节全局特征的三角向量集中所有的顶点重新组合，形成扩大了区域范围的次层三角图形集，组合生成次级三角图形集合、生成次级数字编码集合并存储在缓存中；

D、重复C步骤，形成再次级的三角图形集合、再次级数字编码集合并存储在缓存中，直至完成最终层的三角形集合对应数字编码集合、全部存于缓存中；

E、利用LOD细节层次技术将缓存中的数字编码集合与档案指纹数据库中的数字编码集合逐个进行比对，在档案库中找出与目标指纹的数据代码相同或基本结构相类似的指纹档案。

在步骤E中，比对时将步骤A～步骤C所说的缓存中的编码与档案中的编码按照整体到细节的顺序进行比对，其具体过程为：

E1、首先用具有整体特征的局部特征三角向量代码进行比对筛选，将档案中不符合特征三角向量代码的档案指纹淘汰，符合的进入下一层细节的三角向量比对；

E2、逐层逐个地借助该层中提取的特征三角向量代码与档案中的代码进行比对、筛选，直到进行到最后一层的全局特征三角向量编码集合，将与全部指纹图形特征的三角向量代码相同或基本相似的找出来；

E3、调出检索到的最后一层的全局特征三角向量编码指代的档案指纹图像，与目标指纹的图像逐个进行比对，筛选出与目标指纹相同的档案指纹并通过观察进行确认。

在指纹比对成功后，如果目标指纹与档案指纹数据库相比具有新的特征，将缓存的指纹特征与档案指纹数据库中的指纹特征进行求并计算，生成新的数字编码、存储在档案指纹数据库中，实现档案指纹数据库在线更新。

上述的档案指纹数据库中设置有档案指纹特征代码的索引集，缓存中的数字编码集合与档案指纹数据库中的数字编码集合对比的过程借助于索引集逐个进行比对。

下面举出最佳实施例对本发明进行详细描述。

本方法主要采用四种方式实现：

1)、采用独特的平衡树结构；

2)、按层次细节理念梯次筛选；

3)、指纹数据库在线更新；

4)、动态分布式比对、自动采用最优策略。

具体实施时，在目标指纹与指纹模板数据库中的原始指纹比对时，分多个阶段进行指纹匹配，前面阶段起到预筛选的作用。前k-1每个阶段的匹配将找出两枚指纹的局部特征关联情况，给出三种情况：匹配成功，匹配失败或不确定。对于不确定的两枚指纹，进行下一阶段的细致匹配，后一阶段匹配主要是根据前面阶段匹配上的局部特征向量再构造一个全局特征向量，根据全局特征向量进一步进行细节匹配，以确定两枚指纹是否匹配。这样既保证了算法精度，又提高了匹配速度。

1、第1～(k-1)阶匹配阶段：

这些阶段中，主要是针对整体显著特征——局部特征向量，通过关联法对两个指纹的每一局部特征向量进行比较，找出它们之间的相似度。进行匹配就是将两个指纹的特征向量进行比较，两个指纹的局部特征向量之间的相似度用匹配分数来表示。

具体步骤如下：

(1)、首先比较局部最显著特征，如果特征匹配成功，然后再比较它们的下一层次的细节，并记录下来匹配上的局部特征向量。在此过程中，可能会出现一对多的匹配，同样记录下来，可以避免漏掉止确的匹配对，同时在(2)中还可以去掉错误的匹配。

(2)、所有的局部特征向量匹配后，针对记录下来的匹配上的局部特征向量，进行形变变换，即根据它们之间的相互位置关系，去掉错误匹配上的局部特征向量对。之所以减掉一部分匹配上的局部特征向量对，主要是因为此处记录的局部特征向量要参与该阶段匹配结束时两枚指纹是否为同一枚的判断，而且还可能参与下一阶段全局特征向量的构造，因此对匹配上的局部特征向量的限制规则是比较严格的；

(3)、事先给出一系列阈值，每个层次对应一个。根据匹配上的局部特征向量的数量及位置关系，与给定的阈值进行比较，如果匹配数量小于此阈值，则匹配失败；如果匹配上的特征数量大于此阈值，则进入下一阶段；

2、第k阶匹配阶段：

这个阶段主要是针对细节特征——前一阶段不能确定是否为同一枚指纹的，继续进行匹配。对于在根据前一阶段匹配上的局部特征向量再构造一个全局特征向量，根据全局特征向量对指纹图像进行定位，然后对指纹图像进行几何变换，再进行基于特征点的细节匹配，具体步骤如下：

(1)、前一阶段匹配上的三角形的顶点构成新的特征点集，在该点集中寻找在一定误差范围内相似的矢量三角形，即为全局特征向量(此处的全局特征向量，面积比前一阶段的特征向量大，这样可以尽量减少旋转变换时因为旋转角度摄动，由小面积三角形带来的误差，可以提高匹配的正确率)；

(2)、根据全局特征向量，实现对指纹图像的三角定位，建立坐标系，确定可能的实际平移旋转量；

(3)、按照(2)中计算的可能的平移旋转量，将候选指纹做平移旋转变换，根据指纹的边界进行迭和，寻找公共区，计算出公共区点的个数，如果公共区的面积不够大(小于30％)，或者公共区点的个数小于特征点总数的30％，认为公共区不可信，返回(1)；

(4)、对公共区域内的特征点进行匹配，在一定的误差条件下匹配特征点的横纵坐标及方向，记录匹配上的点的信息，不同等级的点按不同比例记入总数，遍历完后计算出匹配率，计算式子为：similarity＝100*2*m/(p+q)。其中，m为匹配上特征点个数，p、q分别为两个指纹公共区内的特征点个数；

(5)、如果匹配率大于事先给定的阈值，则匹配成功，否则，继续；

(6)、为处理变形指纹的需要，遍历记录下匹配上的特征点，旋转量仍由三角形确定，但平移量由比上的对应特征点确定，对公共区内没有比上的特征点按此平移旋转量进行变换，继续进行匹配。将比上的特征点按(4)中的方法计数，计算出匹配率，如果匹配率大于阈值，则匹配成功；否则，返回到(1)；

将采集的指纹图像与上次完善的指纹数据库比对，通过比对特征值通过时，将本次采集的目标指纹特征与指纹数据库中的特征点进行比较，若有新增加，则将新增加的指纹特征点加进数据库中，完善指纹数据库，使得指纹数据库拥有更多更明显的指纹特征。

Claims (4)

1、一种基于Delaunay三角剖分与LOD技术的指纹识别方法，用图像采集处理器将目标指纹的图形特征信息采集并处理后生成二进制数字编码、存储到配套的指纹数据库中，再将该数字编码中的特征区段，与留存在档案指纹数据库中数据的特征数码进行比对、识别出目标指纹的真伪，其特征在于：本方法是借助Delaunay三角剖分步骤提取指纹图形的矢量三角形集合，采用LOD细节层次的分离步骤、逐层变换区域范围、分步对不同层次下图像特征提取、编码并比对，包括全局特征向量编码阶段和局部特征向量编码阶段，具体包括以下步骤：

A、利用图像采集器采集目标指纹的全部图像信息，借助于配套的图像处理软件将以上信息处理成为记录有全部指纹图像特征的数字编码集合，存储在配套的缓存中；

B、调出缓存中点集组合成的指纹图形，利用Delaunay三角算法将点集图形三角区化，形成一组三角向量集，所生成数字编码集合并存储在缓存中；

C、利用LOD细节层次法划分区域，将具有最细节全局特征的三角向量集中所有的顶点重新组合，形成扩大了区域范围的次层三角图形集，组合生成次级三角图形集合、生成次级数字编码集合并存储在缓存中；

D、重复C步骤，形成再次级的三角图形集合、再次级数字编码集合并存储在缓存中，直至完成最终层的三角形集合对应数字编码集合、全部存于缓存中；

E、利用LOD细节层次技术将缓存中的数字编码集合与档案指纹数据库中的数字编码集合逐个进行比对，在档案库中找出与目标指纹的数据代码相同或基本结构相类似的指纹档案。

2、根据权利要求1所述的一种基于Delaunay三角剖分与LOD技术的指纹识别方法，其特征在于：在步骤E中，比对时将步骤A～步骤C所说的缓存中的编码与档案中的编码按照整体到细节的顺序进行比对，其具体过程为：

E1、首先用具有整体特征的局部特征三角向量代码进行比对筛选，将档案中不符合特征三角向量代码的档案指纹淘汰，符合的进入下一层细节的三角向量比对；

E2、逐层逐个地借助该层中提取的特征三角向量代码与档案中的代码进行比对、筛选，直到进行到最后一层的全局特征三角向量编码集合，将与全部指纹图形特征的三角向量代码相同或基本相似的找出来；

E3、调出检索到的最后一层的全局特征三角向量编码指代的档案指纹图像，与目标指纹的图像逐个进行比对，筛选出与目标指纹相同的档案指纹并通过观察进行确认。

3、根据权利要求1所述的一种基于Delaunay三角剖分与LOD技术的指纹识别方法，其特征在于：在指纹比对成功后，如果目标指纹与档案指纹数据库相比具有新的特征，将缓存的指纹特征与档案指纹数据库中的指纹特征进行求并计算，生成新的数字编码、存储在档案指纹数据库中，实现档案指纹数据库在线更新。

4、根据权利要求1所述的一种基于Delaunay三角剖分与LOD技术的指纹识别方法，其特征在于：所述的档案指纹数据库中设置有档案指纹特征代码的索引集，缓存中的数字编码集合与档案指纹数据库中的数字编码集合对比的过程借助于索引集逐个进行比对。

Images