CN102831403B - 一种基于指纹特征点的识别方法 - Google Patents

Abstract

本发明提供了一种基于指纹特征点的识别方法，包括指纹图像处理、指纹特征值提取和指纹特征值比对，其中，指纹特征值提取包括将指纹特征点定义；通过转移坐标系，校准特征点坐标，使得每次指纹特征点都按照正向一定角度的方向存放；用八邻域法从图像的从上到下，从左到右进行扫描，获取特征点；将获取特征点按照XYS的格式对指纹特征点进行编码，其中X表示X坐标，Y表示Y坐标，S表示特征点，X和Y占两个字节，S占1个字节。本发明中提出一种基于指纹特征点的比对方法，该指纹识别方法利用特征点类型的概念进行缩减比对的计算运算量，大大的提高了比对时间。

Description

一种基于指纹特征点的识别方法

技术领域

本发明涉及指纹识别领域，特别涉及一种基于指纹特征点的比对方法。

背景技术

指纹，由于其具有终身不变性、唯一性和方便性，已几乎成为生物特征识别的代名。指纹识别技术是一种生物识别技术。指纹识别系统是一套包括指纹图像获取、处理、特征提取和比对等模块的模式识别系统。指纹识别常用于需要人员身份确认的场所如门禁系统、考勤系统、笔记本电脑、银行内部处理、银行支付等，指纹识别的应用已经应用到民生安全的各个环节。而指纹应用的的核心技术是指纹方法，也伴随着发展起来，但是各个指纹识别方法都有所欠缺，特别是应对大批量比如百万级别的指纹识别的时候，往往比对的时间太长，这种效率太低，满足不了当代社会的发展要求。

发明内容

本发明的目的就是为了克服目前指纹识别过程中比对的时间太长，这种效率太低，满足不了当代社会的发展要求的不足，提供一种基于指纹特征点的比对方法。

本发明的技术方案是：一种基于指纹特征点的识别方法，包括指纹图像处理、指纹特征值提取和指纹特征值比对，

指纹特征值提取包括以下步骤，

步骤B01、将指纹特征点定义为以下五种类型：

第一种类型的指纹特征为终结点，它是一条纹路的终点；

第二种类型的指纹特征为短纹，只有孤立的一段较短的纹路；

第三种类型的指纹特征为分叉点，一条纹路在此分开成为两条或更多的纹路；

第四种类型的指纹特征为环点，一条纹路分开成为两条之后，立即有合并成为一条；

第五种类型的指纹特征为分歧点，两条平行的纹路在此分开；

步骤B02、通过转移坐标系，校准特征点坐标，使得每次指纹特征点都按照正向一定角度的方向存放；

步骤B03、用八邻域法从图像的从上到下，从左到右进行扫描，获取特征点；

步骤B04、将获取特征点按照XYS的格式对指纹特征点进行编码，其中X表示X坐标，Y表示Y坐标，S表示特征点，X和Y占两个字节，S占1个字节；

步骤B05、将特征点的编码按照从上到下，从左到右的顺序保存；

指纹特征值比对包括以下步骤：

C01、从指纹库中取出一枚库存指纹的数据；

C02、将所述的存指纹的数据与当前指纹特征点编码数据比对，如果相同，则结束比对，否则转向步骤C01。

进一步的，上述的基于指纹特征点的识别方法中：所述的步骤C02中，将库存指纹的数据和当前指纹特征点编码数据按照存储方式从第一个字节开始，以字节为单位做减法，如果结果大于3，则认为相应的字节为不同的值，该字节所在的特征点为不同的特征点，当不同的特征点数达到设定的阈值时，认为是不同的指纹。

进一步的，上述的基于指纹特征点的识别方法中：所述的指纹图像处理包括纹图像增强、指纹图像平滑处理、指纹图像二值化和细化二值化图像步骤。

进一步的，上述的基于指纹特征点的识别方法中：所述的纹图像增强步骤中，依据每个像素处脊的局部走向，增强在同一方向脊的走向的信号，并且在同一位置，减弱任何不同于脊的方向的信号。

进一步的，上述的基于指纹特征点的识别方法中：所述的指纹图像平滑处理步骤中，是选取整个图像的象素与其周期灰阶差的均方值作为阈值来处理的。

进一步的，上述的基于指纹特征点的识别方法中：所述的指纹图像二值化处理步骤中，每一个象素点按事先定义的阈值进行比较，大于阈值的，则认为是背景，小于阈值的则认为是图像。

进一步的，上述的基于指纹特征点的识别方法中：所述的细化二值化图像步骤中，将脊的宽度降为单个像素的宽度，得到脊线的骨架图像的过程。

本发明中提出一种基于指纹特征点的比对方法，该指纹识别方法利用特征点类型的概念进行缩减比对的计算运算量，大大的提高了比对时间，提高了效率。经过实验表明，一百万枚指纹识别的时间不超过2秒，大大的提高了效率。在FVC2000（Fingerprinter Verification Competition）公布的指纹图像数据库上，按照FVC2000测试标准所做的实验显示，该指纹识别方法比原方法有较大的改进。

具体实施方式

本实施例是一种基于指纹特征点的识别方法，包括指纹图像处理、指纹特征值提取和指纹特征值比对三个主要步骤。

首先进行指纹图像处理，也称指纹图像预处理

指纹图像预处理一般包括指纹图像增强、指纹图像平滑处理、指纹图像二值化和细化二值化图像共四个过程。有了细化的二值化图了以后就可以提取特征点并可以在特征点的基础上进行比对了。下面就指纹图像预处理的过程进行详细的说明。

1、指纹图像增强

指纹图像增强的目的主要是为了减少噪音，增强脊谷对比度，使得图像更加清晰真实，便于后续指纹特征值提取的准确性。处理时依据每个像素处脊的局部走向，会增强在同一方向脊的走向，并且在同一位置，减弱任何不同于脊的方向。这样使得脊线相对背景更加清晰，特征点走向更加明显。

2、指纹图像平滑处理

指纹图像平滑处理是为了让整个图像取得均匀一致的明暗效果。平滑处理的过程是选取整个图像的象素与其周期灰阶差的均方值作为阈值来处理的。

3、指纹图像二值化

在原始灰阶图像中，各象素的灰度是不同的，并按一定的梯度分布。在实际处理中只需要象素是不是脊线上的点，而无需知道它的灰度。所以每一个象素对判定脊线来讲，只是一个“是与不是”的二元问题。所以，指纹图像二值化是对每一个象素点按事先定义的阈值进行比较，大于阈值的，则认为是背景(用0表示)，小于阈值的则认为是图像(用1表示)。

4、细化二值化图像

图像细化就是将脊的宽度降为单个像素的宽度，得到脊线的骨架图像的过程。由于我们所关心的不是纹线的粗细，而是纹线的有无。因此，在不破坏图像连通性的情况下必须去掉多余的信息。

其次是关键的指纹特征值提取，在该步骤中：

指纹算法是指特征点的提取和体征点比对，这两个过程对指纹识别有着关键性的影响，影响着指纹识别的好坏。本实施例中给出了一种基于指纹特征点的比对算法，利用特征点类型的概念进行缩减比对的计算运算量，大大的提高了比对时间，把效率一下子就提升上来了。下面是具体的指纹特征值提取实现过程。

1、指纹特征点类型

一般的指纹纹路有5种分类：

1.      终结点，一条纹路的终点，我们在算法中定义的特征点类型为终结点特征点，特征的类型编码为06。

2.      短纹，只有孤立的一段较短的纹路，我们在算法中定义的特征点类型为短纹特征点，特征的类型编码为16。需要注意的是该类纹路是孤立的和没有弯曲的，该特征点类型编码在算法中是以一对的形式出现的，表示这段孤立短纹的起点和终点。起点和终点就是两个终结点表示。

3.      分叉点，一条纹路在此分开成为两条或更多的纹路，我们在算法中定义的特征点类型为分叉点特征点，特征的类型编码为26。

4.      环点，一条纹路分开成为两条之后，立即有合并成为一条，我们在算法中定义的特征点类型为环点特征点，特征的类型编码为36。

5.      分歧点，两条平行的纹路在此分开，我们在算法中定义的特征点类型为分歧点特征点，特征的类型编码为46。

具体提取指纹特征点的步骤

1.     通过转移坐标系，校准特征点坐标，使得每次指纹特征点都按照正向一定角度的方向存放。

2.     用八邻域法从图像的从上到下，从左到右进行扫描，寻找特征点。八邻域法在本算法中定义以下（见下表）：以当前点作为中心，以和该点相邻的8个邻点共9个点组成一个3×3的方格模板，P表示当前点即中心点，P0～P7表示和该点相邻的八个方向的点。在算法中白点即背景点取0，黑点取1。

P0	P1	P2
			P7	P	P3
P6	P5	P4

3.     对特征点按照我们设定的编码规则进行编码：XYS,如下面的表格所示，一个特征点要用5个字节描述。通常，在256×360mm按压面积上所获得的指纹为几十个左右，为了估算理论值我们设置最大的特征点个数为100个，则只需要500个字节就可以存放一条特征码。

4.                                                    

5.     存放特征点编码的指纹库里面。

最后是指纹特征点比对

1. 比对指纹的时候，先按照上面的方式来提取当前采集到的指纹的特征点编码，我们称之为当前指纹特征点编码。

2. 从指纹库里面提取第一条指纹特征点编码，把其和当前指纹特征点编码进行相减，如果其值大于3则认为是不同的值，如果比较的结果中有N个不同的值则表明是两个不同的指纹，则进行下一条处理（从指纹库里面提取下一条指纹特征点编码并进行比较），这样子效率就很高了。为什么认为要大于3才认为是不同的值呢？因为考虑到指纹是个弹性的三维组织，每次按压的力度大小可能就会导致特征点的位置有所偏差，所以设置偏差值大于3才认为是不同的特征点；N的值可以根据阀值来设置，业内认为只要7个不同的特征点则表示表明是不同的指纹。故N的默认值我们设置为21。

假如CPU的最大的扫描时间大约为1us,那么100万的特征点个数最多时间大约为1秒，这个还是最大的扫描时间。大大的提高了速度！实验表明，比较一个特征点所需要的时间平均为200ns！则表明对100万个的指纹特征点个数比对的时间只有0.2秒！

比较代码部分如下

For(i=0; i<500; i++)

{

        If((A(i)-B(i))>3)//两个点的偏差值如果大于3则认为是不同的特征点

        {

            DisstanceCount++;//不同的指纹特征点个数统计

            If(DisstanceCount>=N) //不同点的个数到达了阀值，则表明是不同的特征点

Break;//不同的指纹特征点则跳出比对，并进行下一条比对。

        }

}

本实施例的实验结果

为了测试上面的识别方法的效果，本次实验是在FVC2000公布的指纹图像数据库上进行测试的，选取该数据库中的500 枚手指，每个手指5 幅图像，共2500幅指纹图像测试性能，采集的图像大小为256*360(宽*c长)。本次测试的指标性能为：计算出拒真率和认假率。计算拒真率的方法：设定一个阀值(即本文3.2指纹特征点比对中的N值)，把已登记进指纹库的指纹和指纹库进行匹配10000次,统计通不过的概率。计算认假率方法：设定一个阀值(即本文3.2指纹特征点比对中的N值)，把未登记进指纹库的指纹和指纹库进行匹配10000次，统计通过率。

阀值(N)	拒真率	认假率
			3	0.150%	0.100%
6	0.123%	0.125%
			9	0.110%	0.150%
12	0.102%	0.185%
			15	0.085%	0.214%
18	0.072%	0.258%
			21	0.061%	0.279%
24	0.050%	0.298%
			27	0.038%	0.320%
30	0.025%	0.350%

本实施例给出了一种基于指纹特征点的比对算法,利用特征点类型的概念进行缩减比对的计算运算量，大大的减少了比对时间，提高了效率。

Claims (6)

1.一种基于指纹特征点的识别方法，包括指纹图像处理、指纹特征值提取和指纹特征值比对，其特征在于：

指纹特征值提取包括以下步骤，

步骤B01、将指纹特征点定义为以下五种类型：

第一种类型的指纹特征为终结点，它是一条纹路的终点；

第二种类型的指纹特征为短纹，只有孤立的和没有弯曲的一段较短的纹路，短纹由两个终结点表示；

第三种类型的指纹特征为分叉点，一条纹路在此分开成为两条或更多的纹路；

第四种类型的指纹特征为环点，一条纹路分开成为两条之后，立即又合并成为一条；

第五种类型的指纹特征为分歧点，两条平行的纹路在此分开；

步骤B02、通过转移坐标系，校准特征点坐标，使得每次指纹特征点都按照正向一定角度的方向存放；

步骤B03、用八邻域法从图像的从上到下，从左到右进行扫描，获取特征点；

步骤B04、将获取特征点按照XYS的格式对指纹特征点进行编码，其中X表示X坐标，Y表示Y坐标，S表示特征点，X和Y占两个字节，S占1个字节；

步骤B05、将特征点的编码按照从上到下，从左到右的顺序保存；

指纹特征值比对包括以下步骤：

C01、从指纹库中取出一枚库存指纹的数据；

C02、将所述的库存指纹的数据与当前指纹特征点编码数据比对，如果相同，则结束比对，否则转向步骤C01；该步骤中，将库存指纹的数据和当前指纹特征点编码数据按照存储方式从第一个字节开始，以字节为单位做减法，如果结果大于3，则认为相应的字节为不同的值，该字节所在的特征点为不同的特征点，当不同的特征点数达到设定的阈值时，认为是不同的指纹。

2.根据权利要求1所述的基于指纹特征点的识别方法，其特征在于：所述的指纹图像处理包括指纹图像增强、指纹图像平滑处理、指纹图像二值化和细化二值化图像步骤。

3.根据权利要求2所述的基于指纹特征点的识别方法，其特征在于：所述的指纹图像增强步骤中，依据每个像素处脊的局部走向，增强在同一方向脊的走向的信号，并且在同一位置，减弱任何不同于脊的方向的信号。

4.根据权利要求2所述的基于指纹特征点的识别方法，其特征在于：所述的指纹图像平滑处理步骤中，是选取整个图像的像素与其周期灰阶差的均方值作为阈值来处理的。

5.根据权利要求2所述的基于指纹特征点的识别方法，其特征在于：所述的指纹图像二值化处理步骤中，每一个像素点按事先定义的阈值进行比较，大于阈值的，则认为是背景，小于阈值的则认为是图像。

6.根据权利要求2所述的基于指纹特征点的识别方法，其特征在于：所述的细化二值化图像步骤中，将脊的宽度降为单个像素的宽度，得到脊线的骨架图像。