CN109376688A - 一种指纹特征编辑查询组合比对方法 - Google Patents

一种指纹特征编辑查询组合比对方法 Download PDF

Info

Publication number
CN109376688A
CN109376688A CN201811388011.6A CN201811388011A CN109376688A CN 109376688 A CN109376688 A CN 109376688A CN 201811388011 A CN201811388011 A CN 201811388011A CN 109376688 A CN109376688 A CN 109376688A
Authority
CN
China
Prior art keywords
characteristic point
characteristic
combination
fingerprint
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811388011.6A
Other languages
English (en)
Other versions
CN109376688B (zh
Inventor
张双印
刘卫东
孙松林
张志华
王淞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lianyungang Public Security Bureau
Original Assignee
Lianyungang Public Security Bureau
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lianyungang Public Security Bureau filed Critical Lianyungang Public Security Bureau
Priority to CN201811388011.6A priority Critical patent/CN109376688B/zh
Publication of CN109376688A publication Critical patent/CN109376688A/zh
Application granted granted Critical
Publication of CN109376688B publication Critical patent/CN109376688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1365Matching; Classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1347Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明是一种指纹特征编辑查询组合比对方法,该方法设任意一枚现场手印的细节特征点标注数量为n,从n个不同特征中,任取m个特征组成特征合集,采用随机匹配组合方式遍历所有组合情况,即穷尽所有特征组合方式批量检索,再进行比对。当比对数值达到几十位数、百位数及以上时,将

Description

一种指纹特征编辑查询组合比对方法
技术领域
本发明涉及一种指纹比对方法,特别是一种指纹特征编辑查询组合比对方法。
背景技术
指纹自动识别系统的关键技术包括指纹图像采集、指纹图像增强、特征信息提取、指纹分类和匹配等环节。目前,大多数的指纹系统是基于细节特征匹配的,即首先通过指纹采集设备读取人体样本指纹的图像,并对原始图像进行预处理使之更清晰;之后,提取样本指纹图像的特征,包括宏观特征和细节特征;最后通过有效的匹配算法,把现场指纹与样本指纹的特征模板进行比较,计算出它们的相似程度,最终得出匹配结果。
当前现有的指纹系统,无论投入市场时间长短,在上述各技术环节仍然存在着很多问题和不足,性能并不能完全令人满意。比如:缺少超高性能、安全可靠的指纹采集设备;对于较差质量的指纹图像缺少很好的增强方法,指纹图像增强算法仍需改进;缺少可靠的特征提取算法,质量较差的指纹图像使得提取出来的指纹特征中有大量的伪特征,这些伪特征使得指纹识别的准确率急剧下降;指纹图像中稳定可靠的特征信息少部分无法识别提取;目前的指纹匹配方法仍然无法兼顾匹配速度、库容和准确率三个方面,指纹匹配算法的性能主要决定于所提取到的特征点的数目、位置和相互关系的可靠性,设计一个对较多真实特征点缺失、较多伪特征点出现和较大形变的指纹匹配算法十分困难等。
针对上述各种问题,研究者们纷纷提出更新的算法或采用多系统的融合来获得更好的性能,但往往需要花费很高的代价。针对现有指纹识别系统,研究如何利用最小的代价提高它们的性能,是一件非常有意义的事情。
发明内容
本发明所要解决的技术问题是针对针对现场指纹与样本指纹相对形变、遗留部位不对称、样本指纹稳定特征漏提、匹配运行算法不精准等情况,提供一种新的指纹特征编辑查询组合比对方法,通过计算机软件设计实现并完成特征点随机匹配及拓展关联功能,有力提升指纹的比对精度。
本发明所要解决的技术问题是通过以下的技术方案来实现的。本发明是一种指纹特征编辑查询组合比对方法,其特点是:该方法设任意一枚现场手印的细节特征点标注数量为n,n≥8,从n个不同特征中,任取m个特征组成特征合集,m≤n,采用随机匹配组合方式遍历所有组合情况,即穷尽所有特征组合方式批量检索,再进行比对,组合数计算公式为:
n!即n的阶乘,n!=1×2×3×……×n;
m!即m的阶乘,m!=1×2×3×……×m。
以上所述的一种指纹特征编辑查询组合比对方法,其进一步优选的技术方案是:当的数值达到几十位数、百位数及以上时,通过计算机程序设置限制发送查询组数进行查询,将的数值分为若干组,每次只发送一组进行查询,已发送过的组合下次不再发送查询,对多列候选结果,根据设定的程序进行集中整合,实现有效控制发送组数和结果筛选。
以上所述的一种指纹特征编辑查询组合比对方法,其进一步优选的技术方案是:将现场指纹部位分为稳定区域和不稳定区域,将选择的特征点分为两类:一类特征点和二类特征点,其中清晰、稳定、可靠的特征点属于一类特征点,模糊、变形、不稳定的特征点属于二类特征点;对于已标注特征点中同时包含一类特征点和二类特征点的指纹图像,比对方法如下:
(1)将的所有一类特征点固定参加每一次的查询,同时发送的特征点还包含一部分或的全部二类特征点,二类特征点的选择根据所需数目采用组合方式遍历所有组合情况,组合数为:
其中:a为一类特征点的数量;
b为二类特征点的数量;
x为一类特征点中不匹配特征点数量,x≥1;
(2)所有二类特征点固定参加每一次的查询,同时发送的特征点还包含一部分或全部一类特征点,一类特征点的选择根据所需数目采用组合方式遍历所有组合情况,组合数为:
y为二类特征点中不匹配特征点数量,y≥1;
(3)只有部分一类特征点和部分二类特征点参与查询,特征点的选择根据所需数目采用组合方式遍历所有组合情况,组合数为:
与现有技术相比,本发明具有以下有益效果:
本发明方法通过人机结合方式实现了指纹特征组合查询,前期通过编辑标注细节特征对指纹特征进行分类,再遍历特征组合方式通过计算机实现快速比对,最后对候选结果进行整合。本发明方法可有效地弥补现有技术中指纹比对系统缺陷,大大提升系统比对精度和比对效率,为疑难指纹的攻坚发挥重要作用。
具体实施方式
以下进一步描述本发明的具体技术方案,以便于本领域的技术人员进一步地理解本发明,而不构成对其权利的限制。
实施例,一种指纹特征编辑查询组合比对方法,该方法设任意一枚现场手印的细节特征点标注数量为n,n≥8,从n个不同特征中,任取m个特征组成特征合集,m≤n,采用随机匹配组合方式遍历所有组合情况,即穷尽所有特征组合方式批量检索,再进行比对,组合数计算公式为:
n!即n的阶乘,n!=1×2×3×……×n;
m!即m的阶乘,m!=1×2×3×……×m。
山东省济南市某西餐店女服务员王某某(女,16岁)被人杀死在操作间内,现场勘查提取灰尘减层手印1枚。后经重新编辑特征查询比对,认定犯罪嫌疑人朱某某。
现场手印标注了14个细节特征点,比中后发现,匹配的特征点数量为12个,不匹配的数量为2个。经仔细观察发现,其中某一处不匹配点(记为A处)实为稳定可靠特征点,按照常规在编辑时应当标注,其不匹配原因是由于样本指纹自动提取特征时漏提取该特征;某另一处不匹配点(记为B处)也为稳定可靠特征点,按照常规在编辑时也应标注,其不匹配原因可能是由于该部位相对形变距离差异致使系统匹配不识别。上述A、B2处不匹配点的标注必定影响系统匹配和相似度排名,甚至造成漏查。以此类推,现场指纹在比中犯罪嫌疑人之前,存在太多的未知因素,无法预知任何一个特征点、几个特征点或任何一部位特征点会成为不匹配因素。因此,可将任何一个特征点,或几个特征点,或任何一部位相当数目的特征点作为不匹配因素进行考虑,采用组合查询的方式进行特征组合批量比对。
上述现场手印中标注的14个特征点,可选用其中的任意13个特征点进行发送比对,那么特征组合的数量:
组。
该14组特征点组合中必有一组可有效避开A处或B处不匹配因素,使得现场指纹标注特征与样本指纹标注特征较好匹配,提升比对精度。
上述现场手印中标注的14个特征点,可选用其中的任意12个特征点进行发送比对,那么特征组合数量:
组。
该91组特征点组合中必有一组可有效避开A处和B处不匹配因素,使得现场指纹标注特征与样本指纹标注特征一一对应匹配,提升比对精度。
的数值达到几十位数、百位数及以上时,通过计算机程序设置限制发送查询组数进行查询,将的数值分为若干组,每次只发送一组进行查询,已发送过的组合下次不再发送查询,对多列候选结果,根据设定的程序进行集中整合,实现有效控制发送组数和结果筛选。这样可以控制发送组数过多或任务量过大的情况,提高工作效率。
某年10月3日晚,在204国道某加油站北侧饭店门口的一辆红色夏利出租车内发现一具男尸,经调查,死者卞某某(男,殁年28岁,系他杀。经现场勘查,在汽车左后门玻璃上照相提取疑难血指纹1枚。但没有实现成功的指纹比对,几年后,发明人在对该案血指纹跟踪查档的基础上,再一次研判分析指纹细节特征点,应用减少部分特征标注进行特征组合遍历所有特征组合方式,多次发送查询比对,成功比中该血指纹系某市男子周某所留,确定周某有重大作案嫌疑。
现场手印原标注了18个细节特征点,在发送查询未比中的情况下,将其中标注的任意一个特征点假设为不匹配因素后,对剩余的17个特征点按本发明方法遍历所有组合方式多次发送查询比对。当将指纹中稳定特征点作为不匹配因素时,经特征组合发送查询比对,在候选结果第45位认定犯罪嫌疑人。其他特征组合未能比中。
上述现场手印原标注18个特征点,只选用其中任意17个特征点组合查询,那么特征组合的数量:
组。即通过简单的18组特征组合发送查询比对就攻克该案,发挥了较好作用。
经仔细观察指纹图,可以发现现场与样本不匹配特征点的数量为6个。那么,在现场指纹未比中之前,假设不匹配因素的数量,如1个、2个、3个、4个、5个等等,通过组合计算公式可以得出特征组合数目,具体如下:
组。
的数值可以是个位数、十位数、百位数甚至更多,为了控制发送组数过多或任务量过大的情况,可通过计算机程序设置限制发送查询组数进行查询。限制发送组数,比如每次只发送20组、30组等,分组为A组、B组、C组、D组等,已发送过的组合下次不再发送查询。对多列候选结果,根据设定的程序进行集中整合,如重复的去重、已看过的标记等,实现有效控制发送组数和结果筛选,尽最大可能提高工作效率和比中率。
有条件的情况下,也可将现场指纹部位分为稳定区域和不稳定区域,将选择的特征点分为两类:一类特征点和二类特征点,其中清晰、稳定、可靠的特征点属于一类特征点,模糊、变形、不稳定的特征点属于二类特征点。对于已标注特征点中同时包含一类特征点和二类特征点的指纹图像,比对方法如下:
所有一类特征点(数量设为a)固定参加每一次的查询,同时发送的特征点还包含一部分或全部二类特征点(数量设为b),二类特征点的选择根据所需数目(不匹配特征点数量设为x,x≥1)采用组合方式遍历所有组合情况,组合数为
所有二类特征点(数量设为b)固定参加每一次的查询,同时发送的特征点还包含一部分或全部一类特征点(数量设为a),一类特征点的选择根据所需数目(不匹配特征点数量设为y,y≥1)采用组合方式遍历所有组合情况,组合数为
只有部分一类特征点(不匹配特征点数量设为x,x≥1)和部分二类特征点(不匹配特征点数量设为y,y≥1)参与查询,特征点的选择根据所需数目采用组合方式遍历所有组合情况,组合数为
以上指纹特征组合比对方法,过计算机实现并完成特征点随机匹配及拓展关联功能,大大提升指纹的比对精度。

Claims (3)

1.一种指纹特征编辑查询组合比对方法,其特征在于:该方法设任意一枚现场手印的细节特征点标注数量为n,n≥8,从n个不同特征中,任取m个特征组成特征合集,m≤n,采用随机匹配组合方式遍历所有组合情况,即穷尽所有特征组合方式批量检索,再进行比对,组合数计算公式为:
n!即n的阶乘,n!=1×2×3×……×n;
m!即m的阶乘,m!=1×2×3×……×m。
2.根据权利要求1所述的一种指纹特征编辑查询组合比对方法,其特征在于:当的数值达到几十位数、百位数及以上时,通过计算机程序设置限制发送查询组数进行查询,将的数值分为若干组,每次只发送一组进行查询,已发送过的组合下次不再发送查询,对多列候选结果,根据设定的程序进行集中整合,实现有效控制发送组数和结果筛选。
3.根据权利要求1所述的一种指纹特征编辑查询组合比对方法,其特征在于:将现场指纹部位分为稳定区域和不稳定区域,将选择的特征点分为两类:一类特征点和二类特征点,其中清晰、稳定、可靠的特征点属于一类特征点,模糊、变形、不稳定的特征点属于二类特征点;对于已标注特征点中同时包含一类特征点和二类特征点的指纹图像,比对方法如下:
(1)将的所有一类特征点固定参加每一次的查询,同时发送的特征点还包含一部分或的全部二类特征点,二类特征点的选择根据所需数目采用组合方式遍历所有组合情况,组合数为:
其中:a为一类特征点的数量;
b为二类特征点的数量;
x为一类特征点中不匹配特征点数量,x≥1;
(2)所有二类特征点固定参加每一次的查询,同时发送的特征点还包含一部分或全部一类特征点,一类特征点的选择根据所需数目采用组合方式遍历所有组合情况,组合数为:
y为二类特征点中不匹配特征点数量,y≥1;
(3)只有部分一类特征点和部分二类特征点参与查询,特征点的选择根据所需数目采用组合方式遍历所有组合情况,组合数为:
CN201811388011.6A 2018-11-20 2018-11-20 一种指纹特征编辑查询组合比对方法 Active CN109376688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811388011.6A CN109376688B (zh) 2018-11-20 2018-11-20 一种指纹特征编辑查询组合比对方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811388011.6A CN109376688B (zh) 2018-11-20 2018-11-20 一种指纹特征编辑查询组合比对方法

Publications (2)

Publication Number Publication Date
CN109376688A true CN109376688A (zh) 2019-02-22
CN109376688B CN109376688B (zh) 2021-10-22

Family

ID=65376818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811388011.6A Active CN109376688B (zh) 2018-11-20 2018-11-20 一种指纹特征编辑查询组合比对方法

Country Status (1)

Country Link
CN (1) CN109376688B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7142699B2 (en) * 2001-12-14 2006-11-28 Siemens Corporate Research, Inc. Fingerprint matching using ridge feature maps
CN101136749A (zh) * 2006-08-31 2008-03-05 株式会社日立制作所 加密密钥生成和复原方法以及个人认证系统
CN101996412A (zh) * 2009-08-25 2011-03-30 镇江精英软件科技有限公司 用文本文件来实现驾驶员指纹信息数据传递的方法
CN103873253A (zh) * 2014-03-03 2014-06-18 杭州电子科技大学 一种人类指纹生物密钥生成方法
CN106022055A (zh) * 2016-05-27 2016-10-12 广东欧珀移动通信有限公司 一种指纹解锁控制方法、及终端设备
CN106934331A (zh) * 2015-12-31 2017-07-07 成都艾德沃传感技术有限公司 一种指纹图像拼接方法及装置
US20170330022A1 (en) * 2015-11-16 2017-11-16 MorphoTrak, LLC Derived virtual quality parameters for fingerprint matching
CN107909532A (zh) * 2017-11-30 2018-04-13 公安部物证鉴定中心 一种基于模糊数学与概率论相结合的指纹特征评价方法
CN108416342A (zh) * 2018-05-28 2018-08-17 杭州电子科技大学 一种结合细节点和细线结构的指纹识别方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7142699B2 (en) * 2001-12-14 2006-11-28 Siemens Corporate Research, Inc. Fingerprint matching using ridge feature maps
CN101136749A (zh) * 2006-08-31 2008-03-05 株式会社日立制作所 加密密钥生成和复原方法以及个人认证系统
CN101996412A (zh) * 2009-08-25 2011-03-30 镇江精英软件科技有限公司 用文本文件来实现驾驶员指纹信息数据传递的方法
CN103873253A (zh) * 2014-03-03 2014-06-18 杭州电子科技大学 一种人类指纹生物密钥生成方法
US20170330022A1 (en) * 2015-11-16 2017-11-16 MorphoTrak, LLC Derived virtual quality parameters for fingerprint matching
CN106934331A (zh) * 2015-12-31 2017-07-07 成都艾德沃传感技术有限公司 一种指纹图像拼接方法及装置
CN106022055A (zh) * 2016-05-27 2016-10-12 广东欧珀移动通信有限公司 一种指纹解锁控制方法、及终端设备
CN107909532A (zh) * 2017-11-30 2018-04-13 公安部物证鉴定中心 一种基于模糊数学与概率论相结合的指纹特征评价方法
CN108416342A (zh) * 2018-05-28 2018-08-17 杭州电子科技大学 一种结合细节点和细线结构的指纹识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
DONGJIN KWON等: "Fingerprint Matching Method Using Minutiae Clustering and Warping", 《ICPR"06》 *
JIANJIANGFENG等: "Combining minutiae descriptors for fingerprint matching", 《PATTERN RECOGNITION》 *
LIFENG SHA 等: "Minutiae-based Fingerprint Matching Using Subset Combination", 《ICPR"06》 *
仇建平: "《信息安全技术》", 31 August 2017 *
张洁: "残缺指纹识别中若干关键技术的研究", 《中国博士学位论文全文数据库信息科技辑》 *

Also Published As

Publication number Publication date
CN109376688B (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN108765404B (zh) 一种基于深度学习图像分类的道路破损检测方法及装置
CN109448370B (zh) 一种基于车辆轨迹数据的交通控制子区划分方法
CN103400391B (zh) 一种基于改进的随机森林的多目标跟踪方法及装置
CN110263703A (zh) 人员流量统计方法、装置和计算机设备
CN106445948A (zh) 一种人员潜在关系分析方法和装置
CN109801292A (zh) 一种基于生成对抗网络的沥青公路裂缝图像分割方法
CN106226050A (zh) 一种tfds故障自动识别方法
CN107145862A (zh) 一种基于霍夫森林的多特征匹配多目标跟踪方法
CN106709024A (zh) 基于血缘分析进行数据表溯源的方法及装置
CN113870260A (zh) 一种基于高频时序数据的焊接缺陷实时检测方法及系统
CN114170511B (zh) 基于Cascade RCNN的路面裂缝病害识别方法
CN106844527B (zh) 一种基于互联网大数据的路面病害识别与管养决策方法及系统
CN108596038A (zh) 一种结合形态学分割和神经网络的粪便中红细胞识别方法
Alberink et al. Performance of the FearID earprint identification system
CN109684373A (zh) 基于出行和话单数据分析的重点关系人发现方法
CN104702465A (zh) 一种并行网络流量分类方法
CN106652621A (zh) 一种汽车兵驾驶科目考核评判系统
CN110109908A (zh) 基于社会基础信息挖掘人物潜在关系的分析系统及方法
CN106933883A (zh) 基于检索日志的兴趣点常用检索词分类方法、装置
CN115643528A (zh) 一种基于手机信令数据的出行者活动—出行链重构方法
CN111275482B (zh) 基于机器学习的轨道交通实时动态清分方法
CN114491078B (zh) 基于知识图谱的社区项目人员落脚点和同行人员分析方法
CN110533066A (zh) 一种基于深度神经网络的图像数据集自动构建方法
CN108093213A (zh) 一种基于视频监控的目标轨迹模糊数据融合方法
CN114417020A (zh) 一种产业链图谱构建系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant