CN1581206A - 指纹识别方法 - Google Patents

Abstract

一种指纹识别方法，分为指纹图象处理与指纹特征比对过程。指纹图象处理过程包括对原始图象进行基于方向图与有向度初始计算和奇点的提取与表征、对指纹的前景表征、指纹类别特征的表征及指纹细节特征的提取和表征，从而实现对指纹组合特征的描述；指纹特征比对过程为从大特征到小特征再细节特征的递进复合比对模式：即先对两个指纹进行指纹类别特征比对，再进行指纹奇点特征比对，最后进行指纹细节特征比对，如指纹类别匹配、指纹奇点匹配、指纹细节亦匹配，则判为同一指纹，如其中任一特征不匹配，则可立即判为不同指纹。由于采取递进复合比对模式，大大加快了指纹比对的速度，而且具有低拒真率(FRR)和低认假率(FAR)。

Description

指纹识别方法

所属技术领域

本发明涉及指纹识别技术，具体指一种指纹识别方法。

背景技术

身份识别技术在许多需要验证与鉴别当事人身份的场合有着广泛的应用，如国防安全、公安刑侦、社保以及银行、证券、保险等领域。由于人的指纹千差万别，几乎没有重复，因此指纹识别是身份识别的一种重要方法。指纹识别技术是指对采集来的指纹图象信息采用计算机技术进行处理和识别的一项综合性技术。

指纹识别的过程大致是，首先通过指纹采集装置获取指纹图象，然后通过计算机对该图象进行处理，将待比对的指纹的特征值提取出来，再通过比对特征值来确定两者是否一致，如特征值一致，则可判定两指纹为同一人的指纹，如不一致，则判定两指纹不是同一人的指纹。

在现有技术中，指纹比对一般是着眼于指纹细节的比对，因此对指纹的处理也着眼于对指纹细节特征的提取与表征。用这种方法进行指纹比对，比对速度和准确率低较低。

发明内容

本发明的目的在于提出一种新的指纹识别方法，在指纹比对中采取从大特征到小特征再细节特征的递进复合比对—即先类别比对，再奇点比对，最后细节比对的模式，这样就可大大地加快比对的速度，提高比对的准确率。

本发明的一种指纹识别方法，分为指纹图象处理与指纹特征比对两个过程，其特征在于：

所述指纹图象处理的过程为：对原始指纹图象进行基于方向图与有向度初始计算和奇点的提取与表征；对指纹的前景与背景进行分割；指纹分类和类别特征的表征；指纹图象增强、二值化与再处理；细化与细节特征的提取和表征；从而实现对指纹组合特征的描述；

所述指纹特征比对的过程为从大特征到小特征再细节特征的递进复合比对模式：即先对两个指纹进行指纹类别特征比对，再进行指纹奇点特征比对，最后进行指纹细节特征比对，如指纹类别匹配、指纹奇点匹配、指纹细节亦匹配，则判为同一指纹，如其中任一特征不匹配，则可立即判为不同指纹。

本发明的特征还在于：在对指纹图象处理时，采取全图象2×2象素分块、每个块32个方向的模式。

本发明的优点在于：(1)由于在指纹比对部分采取先类别、再奇点、后细节的递进复合比对模式，大大加快了指纹比对的速度。而且算法普适、快速、健壮，具有低拒真率(FRR)和低认假率(FAR)；(2)由于指纹处理部分采取全图象2*2象素分块、每个块32个方向的模式，从位置和方向上精细化了指纹图象方向图，为以后确定奇点位置和奇点方向、以及方向滤波图象增强和检测细节方向等打下良好的基础。

附图说明

图1为指纹采集装置的结构框图；

图2为本发明的指纹处理流程框图；

图3为本发明的指纹比对流程框图；

图4为9*9方向模板示意图；

图5为细节特征提取流程图；

图6为细节特征比对流程图；

图7为单纯比对流程图。

具体实施方式

现结合一实施例及其附图对本发明作进一步说明。

指纹采集可用各种方法，如捺印、光学采集或芯片采集等。本实施例采用由指纹采集芯片和单片机组成的脱机指纹采集装置。其中101为指纹采集芯片，采用AF-S2活体采集芯片，102为CPU采用TI公司的DSP专用芯片，外部总线挂接FLASH103、SRAM104和与PC机的通讯接口电路106(如图1指纹采集装置的结构框图)。SRAM用来扩展内部存储器，FLASH用来存储程序和指纹数据，总线控制由可编程序逻辑阵列CPLD105来完成。可由上位机通过协议来控制该脱机指纹采集装置，进行多种方式的指纹采集、比对和对模块内指纹库的管理，也可独立地作简单的指纹比对和对指纹数据库的添加、删除等操作。

指纹识别包括指纹处理和指纹比对两大过程。下面分别加以叙述。

一.指纹处理：

指纹处理是通过对指纹图象的处理，实现对指纹组合特征的描述。其流程框图见图2指纹处理流程框图。

其中201框为原始图象，202框为对原始图象进行方向图和有向度的初始计算及奇点提取与奇点角度计算，伪奇点的检出与删除，203框为前景分割，204框为前景表征及前景多边形的计算，205框为指纹分类，206框为类别奇点表征，207框为指纹图象增强，208框为对增强后的图象二值化与再处理，209框为对二值化图象细化与细节特征提取，210框为细节表征，这样，通过对前景特征、类别和奇点特征、细节特征的表征，达到211框对指纹图象的全面描述。

现分速如下：

202框：对原始图象进行方向图和有向度的初始计算及奇点提取与奇点角度计算，伪奇点的检出与删除

这是对采集来的指纹图象进行初步处理，主要目的是获取指纹的方向图和有向度，并获取奇点。其过程为：

1)分块、获取方向图和有向度：

首先进行象素级计算，然后进行圆形大窗平滑计算。

本实施例对原始图象分块采取分块尺度2×2象素，块方向取32个方向的精细划分模式；这对提高求取奇点的位置精度和方向精度的速度，用于方向滤波图象增强的精度，及细节方向检测的简单、快速都十分有益。

方向图旨在描述指纹的走向，可以采取两种计算模式，即基于9*9方向模板(参见图4)或基于象素梯度的最小二乘优化拟合法的象素方向计算，然后进行块内平均，从而获取块的优势方向，即局部指纹纹线的走向。

其中：

象素梯度采用Sobel梯度模板计算，记为：Gx(i，j)，Gy(i，j)；

块方向角度记为θ，θ＝1/2×atan(∑∑(2×Gx(i，j)×Gy(i，j))/∑∑(Gx(i，j)×Gx(i，j)-Gy(i，j)×Gy(i，j)))；

有向度是描述指纹图象的有方向的程度的指标，是基于多种图象的分割要求而产生的，旨在对指纹图象前景背景的分割。

象素有向度：基于9×9方向模板的方向相对差进行计算，公式为：(X-Y)/(X+Y)，其中X＝usSum[ucMaxDrc]，Y＝usSum[ucMinDrc]。

块有向度：块内象素的标化有向度算术平均。

2)平滑和拉伸有向度：全图大窗平滑块的有向度，然后以全图的最大最小块有向度为上下限，进行直方图0-255标化拉伸，并据此进行图象前景背景分割。

3)平滑方向图、获取奇点；

a)平滑方向图：采取倍角向量算术平均法进行块间平均，以获取优势方向。其目的在于平滑已经获取的局部指纹纹线走向，消除扰动，防止产生伪奇点。

b)奇点的提取：奇点包括弓形点与三角点两种。将四方连逆时针转动，按模16累计单向邻差。如邻差等于32，则判定为弓形点；如邻差等于-32，则判定为三角点。

c)奇点角度的计算：奇点角度是反映指纹大局部特征的重要指标，在后续的分类和比对中起着关键作用。这里采用基于块方向图的圆窗约束块流向与该块方位角的一致性统计计算方法。奇点角度计算流程是：比较每一块方向图角与方位角的一致程度，在圆窗约束下进行一致程度的最大最小统计，以此计算弓形点和三角点的方向。

d)伪奇点的检出与删除：由于指纹图象本身质量可能导致方向图畸变，从而产生伪奇点，因此需要检出与删除。检出流程如下：由于通常伪奇点都出现在前景背景交界处，或前景的污损处，因此，在确认出现了伪奇点，并在进一步找出伪奇点后予以删除。

203、204框：前景分割与前景表征及前景多边形的计算

1)前景分割是以有向度标化下的固定阀值进行分割的。

2)前景多边形计算是在前景分割的基础上进行的。前景多边形计算采取上下左右从图象边框向图象中心的排挤方式，首先确定前景的上下左右边界，然后再确定前景上下左右框的四个角，即左下角、右下角、右上角、左上角的前景区之四个边界。

205框：指纹分类

指纹类别的划分：分为拱形、箩形、左箕、右箕、顺双箕、逆双箕、尖拱及异类，及它们的各种组合。分类依据是根据奇点位置和方向的分布，但有时是模糊分类，即归入某几类的类群中，见表1：

表1    基于奇点的指纹分类表

	0弓形点	1弓形点	2弓形点
				0三角点	所有种类均有可能。	箩、箕、尖拱均有可能，但不是拱形。	箩形或双箕，不是拱形、尖拱、箕形。
1三角点	所有种类均有可能。	可能为尖拱、尖拱左箕或右箕、或左箕逆双箕或右箕顺双箕。	箩形或双箕，不可能是拱形、尖拱、箕形。
				2三角点	可能是箩形或双箕，不是左箕、右箕、尖拱或拱形。	可能是箩形或双箕，不可能是拱形或尖拱形。	箩形或双箕，不可能是拱形、尖拱、箕形。

206框：类别和奇点表征

这里是指对指纹的大特征—类别和奇点进行表征。类别的表征涉及类和类群，奇点的表征涉及奇点的类别、位置和方向。

207框：指纹图象增强

图象增强的目的是强化指纹纹线，减弱以至消除图象中的非指纹纹线干扰。本实施例采取方向参数可调的Gabor滤波器对原始指纹图象进行滤波，实现图象增强。

滤波器函数描述公式为：

$\left[\begin{array}{c}{X}^{\′}\\ Y^{\′}\end{array}\right]=\left[\begin{array}{cc}\sin \left(\mathrm{\δ\Φ}\right)& \cos \left(\mathrm{\δ\Φ}\right)\\ \cos \left(\mathrm{\δ\Φ}\right)& -\sin \left(\mathrm{\δ\Φ}\right)\end{array}\right]\left[\begin{array}{c}X\\ Y\end{array}\right]$

$f(x^{\′}\·y^{\′})=\left[\begin{array}{cc}\frac{2\mathrm{\π}}{\mathrm{\δT}}& Y^{\′}\end{array}\right]\exp \left[\begin{array}{ccc}-& \left[\begin{array}{ccc}\frac{X^{\′2}}{\mathrm{\δX}}& +& \frac{Y^{\′2}}{\mathrm{\δY}}\end{array}\right]& /2\end{array}\right]$

式中δΦ为转动角度，δT为波动周期，δX为长度参数，δY为宽度参数。

208框：增强后图象的二值化与再处理：

1)二值化：采用自适应阈值法二值化法进行图象二值化，其实质是取窗口均值进行局部自适应。

2)再处理：对二值化后不够好的图象需要进行再处理，以满足细节特征提取的需要，比如驱除纹线上的孔洞。本发明采用改进型的中值滤波算法进行再处理。

209：二值化图象细化与细节特征提取

1)二值化图象的细化可以采用现有的细化算法。

2)指纹的细节特征是指指纹纹线的细节中的突变现象，主要是分叉和末稍。特征的提取过程参见图5的细节特征提取流程图。图中：502框为对经细化的图象作微局部分析；503框为排除奇点邻域约束；504框为判断是末稍还是分叉？如是末稍，则运行505框，作末稍点大局部分析；如是分叉，则运行506框，作分叉点大局部分析，以进一步确认。

其中：

502框微局部分析：包括黑点约束递进到六二约束，以此作为出现分叉和末稍的必要条件，同时，在检测六二约束时，记忆周边黑白象素分布，作为后继大局部分析之用。

505框末稍点大局部分析流程为：跟踪有限步，看是否出现短线、侧支或断裂，如不是短线或侧支，也未发生断裂，则确认为末稍；如出现短线、侧支、断裂中的任一种，则否定末稍。

506框分叉点大局部分析流程为：对分叉的三个分支均跟踪有限步，看是否出现短线或侧叉，如不是短线，也不是侧叉，则确认为分叉；如出现短线或侧叉，则否定分叉。

210：细节表征

细节表征主要对末稍或分叉的位置与方向的表征。

211：组合特征描述：

通过对综合前景特征表征、类别特征和奇点特征表征、细节特征表征，达到对指纹图象组合特征的全面描述。

二.指纹比对：

本实施例的指纹比对采取从大特征到小特征的递进复合比对模式，先类别比对、再奇点比对、后细节比对，而且类别和大特征的比对比较宽容，从而大大加快了比对速度。其流程如图3指纹比对流程框图。现分述如下：

301、302框：类别特征比对

在指纹分类的基础上，做类别特征比对比较简单。本实施例在类别特征比对时，把类别定义为类群，这样当两个指纹细类归属比较困难时，可以排除某些类和包容某些类，因此，如两个指纹的类群交集不等于空集，则确认其类别匹配成功，转303框继续比对，否则转308框，判为不同指纹。

303、304框：奇点特征比对

奇点特征比对的目的是要确定两个进行比对的指纹之间是否存在共同参考点，并确定是什么样的参考点。奇点比对既有类似于细节比对的要求，也涉及多余奇点的对方指纹相应前景区预测位置的排除。奇点特征比对时假设指纹图象竖直放置，允许在±45°范围内左右摆动和倒置。单点比对角度，多点比对向量。

如确定具有参考点，再对多余奇点进行分析，并排除无效奇点，只有在期望无效的奇点被排除后，奇点比对才算成功，进入305框细节比对程序；否则，进入308框，奇点匹配失败，判定为不同指纹。

306、307框：细节特征比对

细节特征比对具体流程参见图6细节特征比对流程图。细节特征比对仍采取向量化比对的技术路线。不同的是：向量排序为向量的角度/长度可选；另外，采用了先行计算基于前景多边形表达的空间交叠区，即在参考点对应的前提下，考察某指纹细节点位于另一指纹前景多边形的边的哪一侧，并判断交叠区的细节数目、交叠区比对成功的细节数目及比对成功的细节数目与总数的比例，如数目不足或比例不足，还是认为本次参考点和参考角度的比对失败。

由图6，602框先看是否有参考点？如无参考点，则执行606框，将细节点轮回选做参考点，并执行604框调用单纯比对子程序；如有参考点，执行603框，进一步看是否有旋转标志？如无旋转标志，则执行604框调用单纯比对子程序；如有旋转标志，则执行608框，进行旋转角度步进，并执行604框调用单纯比对子程序；通过调用单纯比对子程序，最终确定两指纹的比对是成功还是失败。

604框的单纯比对子程序流程参见图7单纯比对流程图：首先执行702、703框进行空间交叠计算，看交叠细节是否够数？如不够数，则转710框本次比对失败；如够数则执行704、705、706框，向量生成、向量排序、向量比对，再先后执行707框，看比对成功细节是否够数？708框交叠比例是否够大？如有一项不够，则本次比对失败；如均够数，则本次比对成功。

至此，指纹比对过程完成。假如奇点比对获取了参考点，则这里的细节比对速度通常很快。

Claims (7)

1.一种指纹识别方法，分为指纹图象处理与指纹特征比对两个过程，其特征在于：

所述指纹图象处理的过程为：对原始指纹图象进行基于方向图与有向度初始计算和奇点的提取与表征；对指纹的前景与背景进行分割；指纹分类和类别特征的表征；指纹图象增强、二值化与再处理；细化与细节特征的提取和表征；从而实现对指纹组合特征的描述；

所述指纹特征比对的过程为从大特征到小特征再细节特征的递进复合比对模式：即先对两个指纹进行指纹类别特征比对，再进行指纹奇点特征比对，最后进行指纹细节特征比对，如指纹类别匹配、指纹奇点匹配、指纹细节亦匹配，则判为同一指纹，如其中任一特征不匹配，则可立即判为不同指纹。

2.根据权利要求1所述的指纹识别方法，其特征在于在对指纹图象处理时，采取全图象2×2象素分块、每个块32个方向的模式。

3.根据权利要求1所述的指纹识别方法，其特征在于在作指纹类别特征比对时，把类别定义为类群，这样当两个指纹细类归属比较困难时，可以排除某些类和包容某些类，因此，如两个指纹的类群交集不等于空集，则确认其类别匹配成功，否则判为不同指纹。

4.根据权利要求1所述的指纹识别方法，其特征在于作奇点特征比对时假设指纹图象竖直放置，允许在±45°范围内左右摆动和倒置。单点比对角度，多点比对向量，如确定具有参考点，再对多余奇点进行分析，并排除无效奇点，只有在期望无效的奇点被排除后，奇点比对才算成功；否则，奇点匹配失败，判定为不同指纹。

5.根据权利要求1所述的指纹识别方法，其特征在于细节特征比对采取向量化比对的技术路线，向量排序为向量的角度/长度可选；另外，采用了先行计算基于前景多边形表达的空间交叠区，即在参考点对应的前提下，考察某指纹细节点位于另一指纹前景多边形的边的哪一侧，并判断交叠区的细节数目、交叠区比对成功的细节数目及比对成功的细节数目与总数的比例，如数目不足或比例不足，还是认为本次参考点和参考角度的比对失败。

6.根据权利要求1或5所述的指纹识别方法，其特征在于细节特征比对的步骤是：先看是否有参考点？如无参考点，则将细节点轮回选做参考点，并调用单纯比对子程序；如有参考点，进一步看是否有旋转标志？如无旋转标志，则调用单纯比对子程序；如有旋转标志，则进行旋转角度步进，并调用单纯比对子程序；通过调用单纯比对子程序，最终确定两指纹的比对是成功还是失败。

7.根据权利要求6所述的指纹识别方法，其特征在于所述单纯比对子程序的步骤是：首先进行空间交叠计算，看交叠细节是否够数？如不够数，则本次比对失败；如够数则向量生成、向量排序、向量比对，再先后看比对成功细节是否够数？交叠比例是否够大？如有一项不够，则本次比对失败；如均够数，则本次比对成功。

Images