CN108805034B - 一种基于概率几何特征的指纹特征相似度评价方法 - Google Patents

Abstract

本发明涉及一种基于概率几何特征的指纹特征相似度评价方法，包括以下步骤：确定待比对的2枚指纹的指纹纹型特征，并判断2枚指纹的指纹纹型特征是否匹配，得到2枚指纹的指纹纹型特征匹配函数值；识别2枚指纹纹线区域内的细节特征点，并判断2枚指纹的匹配细节特征点和差异细节特征点；计算2枚指纹的匹配细节特征点对应的质心位置坐标；计算2枚指纹匹配细节特征点的归一化特征距离；计算2枚指纹匹配细节特征点的特征角；计算2枚指纹的特征距离相似度评价函数值；计算2枚指纹的特征角相似度评价函数值；确定2枚指纹各差异细节特征点出现的概率；计算2枚指纹的基于概率几何特征的指纹特征相似度评价函数值。

Description

一种基于概率几何特征的指纹特征相似度评价方法

技术领域

本发明属于法庭科学技术领域，尤其涉及一种基于概率几何特征的指纹特征相似度评价方法。

背景技术

指纹特征是人体生物特征中一类重要的生物特征，由于指纹特征具有较好的自身稳定性和个体差异性，因此广泛用于人的个体识别中。在指纹特征比对与识别中，指纹特征的提取表征和特征匹配是决定指纹比对准确性的重要因素。目前存在多种指纹特征提取表征和相似度匹配方法，然而国内外尚没有统一的指纹特征相似度评价方法，在实际指纹特征匹配中，指纹鉴定所需的最小特征点数没有统一的规定。英国曾规定在法庭上用作证据的指纹至少具有16个细节特征匹配，荷兰和法国采用12个指纹细节特征匹配，西班牙采用10至12个指纹细节特征匹配；还有一些国家对指纹细节特征匹配的数量没有具体规定，如加拿大、美国、澳大利亚等，其指纹的特征匹配取决于指纹特征比对人员的意见。国内在指纹特征匹配方面没有统一的指纹细节特征最小匹配数量标准，在实际指纹特征比对案例中，曾出现过依据三至四个指纹细节特征点匹配而做出同一认定结论的案例。

事实上，从统计学和概率论的角度看不同类型的指纹细节特征出现的概率是不相同的，概率小的指纹细节特征在指纹纹线区域内一旦出现，则包含的信息量较大，具有较高的特征匹配价值；而概率大的指纹细节特征在指纹纹线区域内出现时，则包含的信息量相对较小，具有相对较低的特征匹配价值。目前国内外提出了一些基于概率统计的指纹特征匹配方法，进行了一定的探索，取得了一定的效果；但有些方法没有考虑到指纹特征位置及特征方向的匹配因素，有些方法没有考虑不同指纹细节特征类型之间概率化差异的问题，另外在指纹特征匹配数学模型中没有将特征不匹配的细节特征加以融合考虑。实际上，不同类型指纹纹型特征及其概率、不同类型指纹细节特征及其概率、指纹细节特征方向和相对位置等均为指纹的重要特征，这些特征在目前的指纹特征相似度评价方法中没有同时体现出来。

发明内容

针对上述问题，本发明的目的是提供一种基于概率几何特征的指纹特征相似度评价方法，综合考虑指纹纹型特征及概率、指纹细节特征类型及概率、指纹细节特征的方向和相对位置关系等重要因素，能够表征指纹变形和扭曲的因素对指纹特征相似度造成的影响。

为实现上述目的，本发明采取以下技术方案：一种基于概率几何特征的指纹特征相似度评价方法，包括以下步骤：1)确定待比对的2枚指纹的指纹纹型特征，并判断2枚指纹的指纹纹型特征是否匹配，得到2枚指纹的指纹纹型特征匹配函数值；2)识别2枚指纹纹线区域内的细节特征点，并标注2枚指纹的匹配细节特征点和差异细节特征点；分别在2枚指纹的指纹图像上确定匹配指纹特征点的类型、位置坐标和方向，并确定匹配细节特征点对应的质心位置坐标；3)根据2枚指纹的匹配细节特征点及其对应质心的位置坐标，分别计算2枚指纹的匹配细节特征点的特征距离，并分别对2枚指纹匹配细节特征点的特征距离进行归一化处理；同时计算2枚指纹的匹配细节特征点的特征角；4)根据2枚指纹匹配细节特征点的归一化特征距离，计算2枚指纹的特征距离相似度评价函数值；根据2枚指纹匹配细节特征点的特征角，计算2枚指纹的特征角相似度评价函数值；5)根据2枚指纹差异细节特征点的类型和个数，计算2枚指纹差异细节特征点的惩罚值；根据2枚指纹的特征距离相似度评价函数值、特征角相似度评价函数值，以及差异细节特征点惩罚值，计算2枚指纹的基于概率几何特征的指纹特征相似度评价函数值。

所述步骤1)中的指纹纹型特征包括弓型纹、左箕型纹、右箕型纹、斗型纹和杂型纹；根据文献从大量十指样本指纹中统计出弓型纹、左箕型纹、右箕型纹、斗型纹、杂型纹在指纹纹线区域内出现的概率分别为0.0210、0.2139、0.2370、0.5079、0.0202。

所述步骤1)中的指纹纹型特征匹配函数为：

式中，g(i)为指纹纹型特征匹配函数值；p_gi为第i种指纹纹型特征在指纹纹线区域内出现的概率。

所述步骤2)中的细节特征点类型包括起点、终点、分歧点、结合点、小点、小勾、小桥、小眼、小棒；根据文献从大量十指样本指纹中统计出上述9种细节特征点在指纹纹线区域内出现的概率分别为0.0433、0.0399、0.0216、0.0200、0.0151、0.0074、0.0122、0.0064、0.0197。

所述步骤2)中质心位置坐标的计算公式为：

式中，x₀和y₀分别为质心的横坐标和纵坐标；N为匹配细节特征点的个数；x_j和y_j分别为第j个匹配细节特征点的横坐标和纵坐标。

所述步骤3)中2枚指纹的匹配细节特征点的特征距离是指匹配细节特征点与质心的连接线的长度；2枚指纹的匹配细节特征点的特征角是指匹配细节特征点与质心的连接线和该细节特征点方向的夹角。

所述步骤3)中的匹配细节特征点特征距离的归一化公式为：

其中j＝1,2,…,N

其中j＝1,2,…,N

式中，N为匹配细节特征点的个数；L′_1j为第1枚指纹的第j个匹配细节特征点归一化后的特征距离；L₁₁至L_1N分别表示第1枚指纹的第1个至第N个匹配细节特征点的特征距离；L_1j为第1枚指纹的第j个匹配细节特征点的特征距离；L′_2j为第2枚指纹的第j个匹配细节特征点归一化后的特征距离；L₂₁至L_2N分别表示第2枚指纹的第1个至第N个匹配细节特征点的特征距离；L_2j为第2枚指纹的第j个匹配细节特征点的特征距离。

所述步骤4)中的2枚指纹的特征距离相似度评价函数为：

式中，E₁(L′₁,L′₂)为2枚指纹的特征距离相似度评价函数值；L′₁和L′₂分别为2枚指纹匹配细节特征点归一化特征距离组成的向量；N为匹配细节特征点的个数；p_j为第j个匹配细节特征点在指纹纹线区域内出现的概率；b₁为指纹特征距离相似度评价函数下降速度因子；L′_1j为第1枚指纹的第j个匹配细节特征点归一化后的特征距离；L′_2j为第2枚指纹的第j个匹配细节特征点归一化后的特征距离。

所述步骤4)中的2枚指纹的特征角相似度评价函数为：

式中，E₂(α₁,2)为2枚指纹的特征角相似度评价函数值；α₁和α₂分别为2枚指纹匹配细节特征点特征角组成的向量；N为匹配细节特征点的个数；p_j为第j个匹配细节特征点在指纹纹线区域内出现的概率；b₂为指纹特征角相似度评价函数下降速度因子；α_1j为第1枚指纹的第j个匹配细节特征点的特征角；α_2j为第2枚指纹的第j个匹配细节特征点的特征角。

所述步骤5)中的2枚指纹基于概率几何特征的指纹特征相似度评价函数为：

式中，R(L′₁,L′₂；α₁,α₂)为2枚指纹基于概率几何特征的指纹特征相似度评价函数值；g(i)为指纹纹型特征匹配函数值；E₁(L′₁,L′₂)为2枚指纹的特征距离相似度评价函数值；E₂(α₁,α₂)为2枚指纹的特征角相似度评价函数值；λ为指纹特征角相似度评价函数的加权因子；δ为惩罚因子；M为2枚指纹的差异细节特征点个数；p_k为第k个差异细节特征点在指纹纹线区域内出现的概率。

本发明由于采取以上技术方案，其具有以下优点：1、本发明的一种基于概率几何特征的指纹特征相似度评价方法，综合考虑指纹纹型特征及概率、指纹细节特征类型及概率、指纹细节特征的特征距离和特征角等因素，能够表征指纹变形和扭曲因素对指纹特征相似度造成的影响。2、本发明的一种基于概率几何特征的指纹特征相似度评价方法，通过在指纹特征相似度计算过程中对特征距离做归一化处理，对指纹尺度放缩具有不变性。3、本发明的一种基于概率几何特征的指纹特征相似度评价方法，比对的2枚指纹匹配细节特征点对应的特征角具有相对性质，因此对指纹角度旋转具有不变性。4、本发明的一种基于概率几何特征的指纹特征相似度评价方法，融合考虑不匹配的细节特征，对出现差异的指纹细节特征点在相似度评价函数中进行惩罚，惩罚的大小与出现差异的指纹细节特征类型概率有关，概率越小，惩罚值越大。

附图说明

图1是本发明方法的流程图；

图2是现场指纹的原始图；

图3是十指样本指纹的原始图；

图4是现场指纹细节特征及质心标注示意图；

图5是十指样本指纹细节特征及质心标注示意图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

本发明的方法，首先确定待比对的2枚指纹的指纹纹型特征，并判断2枚指纹的指纹纹型特征是否匹配，如果指纹纹型特征不匹配，则可以判定2枚指纹特征不匹配，此时基于概率几何特征的指纹特征相似度评价函数值为0；如果指纹纹型特征匹配或者无法确定指纹纹型特征，则判断2枚指纹纹线区域内的匹配细节特征点和差异细节特征点，标注2枚指纹纹线区域内的匹配细节特征点的位置及方向，获取匹配细节特征点的种类特征、位置特征和方向特征，然后以匹配细节特征点为顶点，计算匹配细节特征点的质心，选取该质心为参考点，分别计算每个匹配细节特征点与质心之间的特征距离，并进行归一化处理后，计算特征距离相似度评价函数值；计算质心与匹配细节特征点的连接线和匹配细节特征点直线方向的特征角，并计算2枚指纹细节特征点对应的特征角相似度评价函数值；如果2枚指纹不存在差异细节特征点，则直接计算2枚指纹的特征相似度评价函数值；如果2枚指纹存在差异细节特征点，则通过惩罚项进行表征，记录2枚指纹的差异细节特征点类型和个数，然后计算2枚指纹差异细节特征点概率及差异惩罚的值。综合以上因素，最后计算2枚指纹对应的基于概率几何特征的指纹特征相似度评价函数值。

基于上述原理，如图1所示，本发明的一种基于概率几何特征的指纹特征相似度评价方法，具体包括以下步骤：

1)确定待比对的2枚指纹的指纹纹型特征，并判断2枚指纹的指纹纹型特征是否匹配，从而得到2枚指纹的指纹纹型特征匹配函数值。

在本发明中，将指纹纹型特征分为弓型纹、左箕型纹、右箕型纹、斗型纹和杂型纹，在指纹纹线区域内出现的概率分别为p_g1、p_g2、p_g3、p_g4、p_g5；在不能确定指纹纹型特征的情况下，指纹纹型特征匹配函数值定义为1；如果指纹纹型特征不匹配，则定义指纹纹型特征匹配函数值为0；于是指纹纹型特征匹配函数定义如下：

式中，g(i)为指纹纹型特征匹配函数值；p_gi为第i种指纹纹型特征在指纹纹线区域内出现的概率。

根据文献从大量十指样本指纹中可以统计出上述5种指纹纹型特征在指纹纹线区域内出现的概率如下表1所示。

表1从大量十指指纹样本中统计5种指纹纹型特征的概率表

2)判断2枚指纹纹线区域内的细节特征点，并标注2枚指纹的匹配细节特征点和差异细节特征点；分别在2枚指纹的指纹图像上确定匹配指纹特征点的类型、位置坐标和方向，并确定匹配细节特征点对应的质心位置坐标。

在本发明中细节特征点类型采用起点、终点、分歧点、结合点、小点、小勾、小桥、小眼、小棒，这9种细节特征点在指纹纹线区域内出现的概率分别为p_m1、p_m2、p_m3、p_m4、p_m5、p_m6、p_m7、p_m8、p_m9，在确定细节特征点类型的基础上标注细节特征点的位置和特征方向，这些细节特征点的几何位置和方向规定如下：

起点：指纹纹线的起始点作为起点的位置，以起点为中心的邻域内多数纹线流向的方向作为起点的直线方向，正方向指向起点沿纹线的方向。

终点：指纹纹线的终止点作为终点的位置，以终点为中心的邻域内多数纹线流向的方向作为终点的直线方向，正方向指向终点沿纹线的方向。

分歧点：指纹纹线由1条纹线分岔为2条或者多条纹线，以分岔的分出点作为分歧点的位置，以分岔的分出点为中心的邻域内多数纹线流向的方向作为分歧点的直线方向，正方向指向纹线较多的一方。

结合点：指纹纹线由2条或者多条纹线汇聚为1条纹线，以汇聚的交汇点作为结合点为位置，以结合交汇点为中心的邻域内多数纹线流向的方向作为结合点的直线方向，正方向指向纹线较多的一方。

小点：指纹纹线中以小点的中心作为小点的位置，以小点为中心的邻域内多数纹线流向的方向作为小点的直线方向。

小勾：指纹纹线中分出的小枝杈的分出点作为小勾的位置，以小枝杈的分出点为中心的邻域内多数纹线流向的方向作为小勾的直线方向，正方向指向纹线较多的一方。

小桥：指纹纹线中以小桥纹线中点作为小桥的位置，以小桥纹线中点为中心的邻域内多数纹线流向的方向作为小桥的直线方向。

小眼：指纹纹线中以2个分出点连接线的中点作为小眼的位置，以分出点连接线的中点为中心的邻域内多数纹线流向的方向作为小眼的直线方向。

小棒：指纹纹线中以小棒的中点作为小棒的位置，以小棒的中点为中心的邻域内多数纹线流向的方向作为小棒的直线方向。

根据文献从大量十指样本指纹中统计出上述9种细节特征点在指纹纹线区域内出现的概率如下表2所示。

表2从大量十指样本指纹中统计9类指纹细节特征的概率表

细节特征类型	出现概率	细节特征类型	出现概率	细节特征类型	出现概率
						起点p<sub>m1</sub>	0.0433	小点p<sub>m5</sub>	0.0151	小棒p<sub>m9</sub>	0.0197
终点p<sub>m2</sub>	0.0399	小勾p<sub>m6</sub>	0.0074	无特征	0.7660
						分歧点p<sub>m3</sub>	0.0216	小桥p<sub>m7</sub>	0.0122	其他特征	0.0484
结合点p<sub>m4</sub>	0.0200	小眼p<sub>m8</sub>	0.0064

在指纹图像中标注匹配细节特征点的位置，选取一个临时参考点(x_L0,y_L0),例如可以选取指纹图像的左上角像素点为临时参考点，左上角像素点的右侧为x轴的正方向，左上角像素点的下侧为y轴的正方向，建立二维平面直角坐标系，在此基础上确定匹配细节特征点的位置坐标和方向，然后可以确定匹配细节特征点对应的质心位置坐标。设共标注有N个匹配细节特征点，每个匹配细节特征点的位置坐标分别为(x₁,y₁)、(x₂,y₂)、...、(x_N,y_N)，则质心(x₀,y₀)的位置坐标可以表示为：

3)根据质心位置坐标和匹配细节特征点的位置坐标，分别计算2枚指纹每个标注的匹配细节特征点与相应的质心之间的特征距离，并分别对2枚指纹的特征距离进行归一化处理；同时计算2枚指纹每个标注匹配细节特征点与质心的连接线和对应匹配细节特征点直线方向的特征角。

连接质心点与每个标注的匹配细节特征点，并计算质心与每个匹配细节特征点连接线和细节特征点直线方向的夹角，需要注意的是在本发明中的细节特征点类型中，起点、终点、分歧点、结合点、小勾均有正方向，而小点、小桥、小眼、小棒不规定直线的正方向。在计算质心与匹配细节特征点连接线和细节特征点直线方向的夹角时，对于有正方向的细节特征点，规定夹角为连接线与细节特征点直线正方向的夹角，对于没有正方向的细节特征点，规定夹角只满足2枚比对指纹的连接线与细节特征点直线相同侧的夹角即可。将匹配细节特征点与相应质心之间的距离称为特征距离，将上述规定的连接线与细节特征点直线方向的夹角称为特征角。设待比对的2枚指纹F₁、F₂的匹配细节特征点的特征距离及特征角分别表示如下：

F₁:(L₁₁,α₁₁,L₁₂,α₁₂,…,L_1N,α_1N)其中α₁₁,α₁₂,…,α_1N∈[0,π]

F₂:(L₂₁,α₂₁,L₂₂,α₂₂,…,L_2N,α_2N)其中α₂₁,α₂₂,…,α_2N∈[0,π]

式中，L₁₁至L_1N分别表示第1枚指纹的第1个至第N个匹配细节特征点的特征距离；α₁₁至α_1N分别表示第1枚指纹的第1个至第N个匹配细节特征点的特征角；L₂₁至L_2N分别表示第2枚指纹的第1个至第N个匹配细节特征点的特征距离；α₂₁至α_2N分别表示第2枚指纹的第1个至第N个匹配细节特征点的特征角。

然后分别对2枚指纹的匹配细节特征点的特征距离进行归一化处理，将特征距离归一化为[0,1]区间内，具体操作如下：

其中j＝1,2,…,N

其中j＝1,2,…,N

式中，L＇_1j为第1枚指纹的第j个匹配细节特征点归一化后的特征距离；L_1j为第1枚指纹的第j个匹配细节特征点的特征距离；L′_2j为第2枚指纹的第j个匹配细节特征点归一化后的特征距离；L_2j为第2枚指纹的第j个匹配细节特征点的特征距离。

于是，2枚指纹的匹配细节特征点归一化后的特征距离及特征角表示如下：

F₁′:(L′₁₁,α₁₁,L′₁₂,α₁₂,…,L′_1N,α_1N)其中α₁₁,α₁₂,…,α_1N∈[0,π]

F₂′:(L′₂₁,α₂₁,L′₂₂,α₂₂,…,L′_2N,α_2N)其中α₂₁,α₂₂,…,α_2N∈[0,π]

4)根据2枚指纹匹配细节特征点的归一化特征距离，计算2枚指纹的特征距离相似度评价函数值；根据2枚指纹匹配细节特征点的特征角，计算2枚指纹的特征角相似度评价函数值。

2枚指纹匹配细节特征点对应的特征距离相似度评价函数E₁(L′₁,L′₂)定义如下：

式中，L′₁和L′₂分别表示2枚指纹匹配细节特征点的归一化特征距离组成的向量；p_j表示第j个指纹匹配细节特征点在指纹纹线区域内出现的概率；b₁为指纹特征距离相似度评价函数下降速度因子，b₁为实数且大于0。

2枚指纹匹配细节特征点对应的特征角相似度评价函数E₂(α₁,α₂)定义如下：

式中，α₁和α₂分别表示2枚指纹匹配细节特征点的特征角组成的向量；α_1j为第1枚指纹的第j个匹配细节特征点的特征角；α_2j为第2枚指纹的第j个匹配细节特征点的特征角；b₂为指纹特征角相似度评价函数下降速度因子，b₂为实数且大于0。

5)根据2枚指纹的差异细节特征点的类型和个数，计算2枚指纹差异细节特征点的惩罚值；根据2枚指纹的特征距离和特征角相似度评价函数值，以及2枚指纹差异细节特征点的惩罚值，计算2枚指纹基于概率几何特征的指纹特征相似度评价函数值。

2枚指纹基于概率几何特征的指纹特征相似度评价函数定义如下：

式中，R(L′₁,L＇₂；α₁,α₂)为2枚指纹基于概率几何特征的指纹特征相似度评价函数值；λ表示指纹特征角相似度评价函数的加权因子，0≤λ≤1；δ为惩罚因子，δ≥0；M表示2枚指纹中出现的差异指纹细节特征点个数；p_k表示第k个差异指纹细节特征点在指纹纹线区域内出现的概率。

本发明综合考虑了指纹纹型特征及概率、指纹细节特征类型及概率、指纹细节特征点的特征距离和特征角等因素，能够表征指纹变形和扭曲的因素对指纹特征相似度造成的影响；其次由于在指纹特征相似度计算过程中，对特征距离做了归一化处理，因此本发明中的基于概率几何特征的指纹特征相似度评价方法对指纹尺度放缩具有不变性；同时由于本发明中定义的2枚指纹匹配的细节特征点对应的特征角具有相对性质，因此本发明中的指纹特征相似度评价方法对指纹角度旋转具有不变性。在本发明中基于概率几何特征的指纹特征相似度评价方法还可表征2枚指纹差异细节特征点的因素，对出现差异的细节特征点在相似度评价函数中进行惩罚，惩罚的大小与出现的差异细节特征点类型的概率有关，概率越小，惩罚值越大。在实际的计算过程中，惩罚因子δ可取值为10，加权因子λ设置为0.5，下降速度因子b₁和b₂可分别设置为1和10，当然也可根据实际需求，通过上述参数值的调整，设置特征距离相似度评价函数值、特征角相似度评价函数值以及惩罚值之间的权重。

下面以附图2中的现场指纹和附图3中的十指样本指纹为具体实施例，进一步说明本发明的一种基于概率几何特征的指纹特征相似度评价方法，具体包括以下步骤：

1)判断现场指纹与十指样本指纹的纹型特征是否匹配。从图2和图3可以看出，现场指纹和十指样本指纹的纹型特征均为斗型纹，斗型纹出现的概率为p_g4＝0.5079，因此现场指纹与十指样本指纹的指纹纹型特征匹配函数g(i)的值为1/p_g4。

2)识别现场指纹和十指样本指纹的细节特征点，并判断现场指纹与十指样本指纹的匹配细节特征点和差异细节特征点；分别在现场指纹和十指样本指纹的指纹图像上标注匹配细节特征点的位置和特征方向。如图4和图5所示，共标注了11个匹配细节特征点，为了方便起见，将指纹图像的左上角像素点定义为坐标原点，指纹图像的上边缘右侧为x轴的正方向，指纹图像的左边缘下侧为y轴的正方向，以此为坐标系，于是可得出现场指纹和十指样本指纹中标注匹配细节特征点的类型和位置坐标，分别如下表3和表4所示：

表3现场指纹标注匹配细节特征点的类型及位置坐标

特征点	特征类型	位置坐标	特征点	特征类型	位置坐标
						1	起点	(264,226)	7	起点	(344,276)
2	起点	(252,265)	8	终点	(317,311)
						3	终点	(239,281)	9	起点	(316,330)
4	终点	(282,295)	10	起点	(289,357)
						5	起点	(323,256)	11	起点	(309,359)
6	起点	(329,275)

表4十指样本指纹标注匹配细节特征点的类型及位置坐标

特征点	特征类型	位置坐标	特征点	特征类型	位置坐标
						1	起点	(463,466)	7	起点	(541,497)
2	起点	(458,511)	8	终点	(525,535)
						3	终点	(448,532)	9	起点	(527,554)
4	终点	(493,529)	10	起点	(509,588)
						5	起点	(518,487)	11	起点	(529,583)
6	起点	(528,498)

需要说明的是，在表3和表4中，位置坐标是以图像中像素点的个数为距离单位。根据表3中的位置坐标，计算出现场指纹标注匹配细节特征点对应的质心位置坐标为(297，294)；根据表4中的位置坐标，计算出十指样本指纹标注匹配细节特征点对应的质心位置坐标为(504，525)。

3)根据质心位置坐标和匹配细节特征点的位置坐标，计算现场指纹和十指样本指纹每个标注的匹配细节特征点与相应的质心之间的特征距离，距离单位为指纹图像像素点的个数，然后对现场指纹和十指样本指纹的特征距离分别进行归一化处理，计算结果如下表5和表6所示。计算现场指纹和十指样本指纹每个标注的匹配细节特征点与其质心的连接线和对应细节特征点直线方向的特征角，计算结果如下表7所示，角度的单位为度。

表5现场指纹细节特征点的特征距离表

特征点	特征距离	归一化	特征点	特征距离	归一化
						1	75.58	1.000	7	50.33	0.666
2	53.54	0.708	8	26.25	0.347
						3	59.44	0.786	9	40.71	0.539
4	15.03	0.199	10	63.51	0.840
						5	46.04	0.609	11	66.10	0.875
6	37.22	0.492

表6十指样本指纹细节特征点的特征距离表

特征点	特征距离	归一化	特征点	特征距离	归一化
						1	71.85	1.000	7	46.40	0.646
2	48.08	0.669	8	23.26	0.324
						3	56.44	0.785	9	37.01	0.515
4	11.70	0.163	10	63.20	0.880
						5	40.50	0.564	11	63.16	0.879
6	36.12	0.503

表7现场指纹与十指样本指纹特征角表

特征点	现场指纹	十指指纹	特征点	现场指纹	十指指纹
						1	59.9	53.6	7	68.3	59.4
2	107.6	115.9	8	102.9	113.9
						3	33.8	36.0	9	93.6	90.9
4	30.7	34.2	10	64.6	55.9
						5	18.1	13.8	11	93.7	85.3
6	45.6	38.6

4)根据现场指纹和十指样本指纹匹配细节特征点的归一化特征距离，计算现场指纹和十指样本指纹的特征距离相似度评价函数值。将指纹特征距离相似度评价函数下降速度因子b₁设置为1，标注匹配细节特征点个数N为11，因此，计算现场指纹和十指样本指纹的特征距离相似度评价函数值如下：

根据表7中列出的现场指纹和十指样本指纹匹配细节特征点的特征角，计算现场指纹和十指样本指纹的特征角相似度评价函数值。需要注意的是，代入时需要将特征角的单位转换为弧度单位，将指纹特征角相似度评价函数下降速度因子b₂设置为10，因此计算现场指纹和十指样本指纹的特征角相似度评价函数值如下：

5)在本实施例中，现场指纹与十指样本指纹之间不存在差异细节特征点或者可以合理解释细节差异点，因此在指纹特征相似度评价函数中惩罚项的贡献为0。在本实施例中指纹特征角相似度评价函数的加权因子λ设置为0.5，则本实施例中现场指纹与十指样本指纹的基于概率几何特征的指纹特征相似度评价函数值R(L′₁,L′₂；α₁,α₂)为：

上述各实施例仅用于说明本发明，其中各部件的结构、设置位置及其连接方式等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (9)

1.一种基于概率几何特征的指纹特征相似度评价方法，包括以下步骤：

1)确定待比对的2枚指纹的指纹纹型特征，并判断2枚指纹的指纹纹型特征是否匹配，得到2枚指纹的指纹纹型特征匹配函数值；

2)识别2枚指纹纹线区域内的细节特征点，并标注2枚指纹的匹配细节特征点和差异细节特征点；分别在2枚指纹的指纹图像上确定匹配指纹特征点的类型、位置坐标和方向，并确定匹配细节特征点对应的质心位置坐标；

3)根据2枚指纹的匹配细节特征点及其对应质心的位置坐标，分别计算2枚指纹的匹配细节特征点的特征距离，并分别对2枚指纹匹配细节特征点的特征距离进行归一化处理；同时计算2枚指纹的匹配细节特征点的特征角；

4)根据2枚指纹匹配细节特征点的归一化特征距离，计算2枚指纹的特征距离相似度评价函数值；根据2枚指纹匹配细节特征点的特征角，计算2枚指纹的特征角相似度评价函数值；

5)根据2枚指纹差异细节特征点的类型和个数，计算2枚指纹差异细节特征点的惩罚值；根据2枚指纹的特征距离相似度评价函数值、特征角相似度评价函数值，以及差异细节特征点惩罚值，计算2枚指纹的基于概率几何特征的指纹特征相似度评价函数值；其中，2枚指纹基于概率几何特征的指纹特征相似度评价函数为：

式中，R(L′₁，L′₂；α₁，α₂)为2枚指纹基于概率几何特征的指纹特征相似度评价函数值；g(i)为指纹纹型特征匹配函数值；E₁(L′₁，L′₂)为2枚指纹的特征距离相似度评价函数值；E₂(α₁，α₂)为2枚指纹的特征角相似度评价函数值；λ为指纹特征角相似度评价函数的加权因子；δ为惩罚因子；M为2枚指纹的差异细节特征点个数；p_k为第k个差异细节特征点在指纹纹线区域内出现的概率。

2.如权利要求1所述的一种基于概率几何特征的指纹特征相似度评价方法，其特征在于，所述步骤1)中的指纹纹型特征包括弓型纹、左箕型纹、右箕型纹、斗型纹和杂型纹；根据文献从大量十指样本指纹中统计出弓型纹、左箕型纹、右箕型纹、斗型纹、杂型纹在指纹纹线区域内出现的概率分别为0.0210、0.2139、0.2370、0.5079、0.0202。

3.如权利要求1或2所述的一种基于概率几何特征的指纹特征相似度评价方法，其特征在于，所述步骤1)中的指纹纹型特征匹配函数为：

式中，g(i)为指纹纹型特征匹配函数值；p_gi为第i种指纹纹型特征在指纹纹线区域内出现的概率。

4.如权利要求1或2所述的一种基于概率几何特征的指纹特征相似度评价方法，其特征在于，所述步骤2)中的细节特征点类型包括起点、终点、分歧点、结合点、小点、小勾、小桥、小眼、小棒；根据文献从大量十指样本指纹中统计出上述9种细节特征点在指纹纹线区域内出现的概率分别为0.0433、0.0399、0.0216、0.0200、0.0151、0.0074、0.0122、0.0064、0.0197。

5.如权利要求1或2所述的一种基于概率几何特征的指纹特征相似度评价方法，其特征在于，所述步骤2)中质心位置坐标的计算公式为：

式中，x₀和y₀分别为质心的横坐标和纵坐标；N为匹配细节特征点的个数；x_j和y_j分别为第j个匹配细节特征点的横坐标和纵坐标。

6.如权利要求1所述的一种基于概率几何特征的指纹特征相似度评价方法，其特征在于，所述步骤3)中2枚指纹的匹配细节特征点的特征距离是指匹配细节特征点与质心的连接线的长度；2枚指纹的匹配细节特征点的特征角是指匹配细节特征点与质心的连接线和该细节特征点方向的夹角。

7.如权利要求1或2所述的一种基于概率几何特征的指纹特征相似度评价方法，其特征在于，所述步骤3)中的匹配细节特征点特征距离的归一化公式为：

其中j＝1，2，...，N

其中j＝1，2，...，N

式中，N为匹配细节特征点的个数；L′_1j为第1枚指纹的第j个匹配细节特征点归一化后的特征距离；L₁₁至L_1N分别表示第1枚指纹的第1个至第N个匹配细节特征点的特征距离；L_1j为第1枚指纹的第j个匹配细节特征点的特征距离；L′_2j为第2枚指纹的第j个匹配细节特征点归一化后的特征距离；L₂₁至L_2N分别表示第2枚指纹的第1个至第N个匹配细节特征点的特征距离；L_2j为第2枚指纹的第j个匹配细节特征点的特征距离。

8.如权利要求1或2所述的一种基于概率几何特征的指纹特征相似度评价方法，其特征在于，所述步骤4)中的2枚指纹的特征距离相似度评价函数为：

式中，E₁(L′₁，L′₂)为2枚指纹的特征距离相似度评价函数值；L′₁和L′₂分别为2枚指纹匹配细节特征点归一化特征距离组成的向量；N为匹配细节特征点的个数；p_j为第j个匹配细节特征点在指纹纹线区域内出现的概率；b₁为指纹特征距离相似度评价函数下降速度因子；L′_1jX第1枚指纹的第j个匹配细节特征点归一化后的特征距离；L′_2j为第2枚指纹的第j个匹配细节特征点归一化后的特征距离。

9.如权利要求1或2所述的一种基于概率几何特征的指纹特征相似度评价方法，其特征在于，所述步骤4)中的2枚指纹的特征角相似度评价函数为：

式中，E₂(α₁，α₂)为2枚指纹的特征角相似度评价函数值；α₁和α₂分别为2枚指纹匹配细节特征点特征角组成的向量；N为匹配细节特征点的个数；p_j为第j个匹配细节特征点在指纹纹线区域内出现的概率；b₂为指纹特征角相似度评价函数下降速度因子；α_1j为第1枚指纹的第j个匹配细节特征点的特征角；α_2j为第2枚指纹的第j个匹配细节特征点的特征角。

Images