指紋傳感器工作原理及提高匹配性能的方法

　　指紋識(shí)別過(guò)程同所有的生物體特征識(shí)別的過(guò)程類似，分為用戶注冊(cè)和特征匹配2個(gè)部分。首先，需要錄入指紋圖像，對(duì)獲取的原始圖像進(jìn)行處理，包括圖像增強(qiáng)、分割、細(xì)化、二值化等。然后，對(duì)指紋的細(xì)節(jié)特征進(jìn)行提取，比較常見(jiàn)的特征點(diǎn)有分叉點(diǎn)、端點(diǎn)，最后，生成模板儲(chǔ)存在系統(tǒng)數(shù)據(jù)庫(kù)中。無(wú)論是驗(yàn)證或者辨識(shí)的過(guò)程，都需要將待識(shí)別的用戶的指紋圖像再一次進(jìn)行同樣的圖像分割、細(xì)化、二值化、特征提取等一系列步驟，生成和數(shù)據(jù)庫(kù)模板同樣的數(shù)據(jù)格式，最后，進(jìn)行比對(duì)，得出識(shí)別的結(jié)果。

　　現(xiàn)有的指紋識(shí)別算法的前提條件是使用相同的指紋識(shí)別器上采集指紋或認(rèn)證。所以，在網(wǎng)上的很多用戶只能用同一類指紋識(shí)別器才能實(shí)現(xiàn)認(rèn)證，實(shí)踐證明：如果換作不同的指紋識(shí)別器，驗(yàn)證系統(tǒng)的性能將大大降低，這是因?yàn)橹讣y識(shí)別器沒(méi)有標(biāo)準(zhǔn)的互換規(guī)定。

　　由于各種識(shí)別器的使用算法的不同，要使用指紋識(shí)別器的各系統(tǒng)需要個(gè)別的登錄，而且，認(rèn)證時(shí)必須使用與登錄時(shí)使用的識(shí)別器類型相同。這說(shuō)明個(gè)人和系統(tǒng)需要保留多個(gè)不同種類的識(shí)別器。解決不同識(shí)別器之問(wèn)的通用算法就成為目前研究的一個(gè)很有意義的課題，這樣，用戶可以在自己的電腦上使用不同的識(shí)別器，方便了在線指紋驗(yàn)證系統(tǒng)的使用價(jià)值。

　　由于某類指紋傳感器僅僅適合同種類型的采集儀驗(yàn)證使用，為了允許更多的用戶使用和阻止假冒用戶試圖欺騙系統(tǒng)，多傳感器指紋融合提高系統(tǒng)的性能顯得很有必要。本文提出一種簡(jiǎn)單的融合策略研究了兩類常用的指紋傳感器一光學(xué)傳感器和電容傳感器。兩類傳感器分別采集兩幅圖像后通過(guò)預(yù)處理程序提取細(xì)節(jié)點(diǎn)后分別與模板指紋相匹配，得到2個(gè)匹配分?jǐn)?shù)，然后，把這2個(gè)匹配分?jǐn)?shù)通過(guò)融合規(guī)則得到最后的匹配分?jǐn)?shù)，通過(guò)與單一傳感器性能比較表明：融合后的結(jié)果對(duì)系統(tǒng)的性能有了很大的提高。

　　1提出的融合框架

　　圖1為提出的多傳感器指紋驗(yàn)證系統(tǒng)框架圖。首先，通過(guò)光學(xué)和電容傳感器采集用戶的指紋圖像。然后，對(duì)圖像進(jìn)行預(yù)處理和分別提取兩類傳感器采集的指紋圖像的特征，基于細(xì)節(jié)點(diǎn)的匹配算法被分別應(yīng)用到光學(xué)和電容細(xì)節(jié)點(diǎn)集，因此，有2個(gè)匹配分?jǐn)?shù)，并使用融合規(guī)則融合這些分?jǐn)?shù)。

　　圖1多指紋傳感器驗(yàn)證系統(tǒng)框架圖

　　1.1指紋傳感器的類型和工作原理

　　由于當(dāng)今指紋傳感器規(guī)格很多，但是，至今仍然沒(méi)有一個(gè)恰當(dāng)和統(tǒng)一的協(xié)議和標(biāo)準(zhǔn)。目前，市場(chǎng)上現(xiàn)有的傳感器主要有光學(xué)傳感器和電容式傳感器兩類。

　　1.1.1光學(xué)傳感器工作原理

　　它的基本原理如下：將手指按壓在玻璃平面的一側(cè)，在玻璃的另一側(cè)安裝有LED光源和CCD攝像頭，LED發(fā)出的光束以一定的角度照射向玻璃，攝像頭用于接收從玻璃表面反射回的光線。手指上的脊線與玻璃表面接觸，谷線不與玻璃表面接觸，因此，照射在指紋脊線所接觸部分的玻璃表面的光線被漫反射，而照射在指紋谷線所對(duì)應(yīng)的玻璃表面的光線被全反射，從而在由CCD攝像頭捕獲的圖像中，對(duì)應(yīng)指紋脊線的部分顏色較深，對(duì)應(yīng)指紋谷線的部分顏色較淺。

　　1.1.2電容傳感器工作原理

　　電容傳感器原理根據(jù)按壓到采集頭上的手指的脊和谷在手指表皮和芯片之間產(chǎn)生不同的電容，芯片通過(guò)測(cè)量空間中的不同的電磁場(chǎng)得到完整的指紋。由這一構(gòu)造原理，可以大大地提高指紋的防偽性。偽造的指紋一般用硅樹(shù)脂或者白明膠等絕緣材料，在電容傳感器上是無(wú)法成像的，這樣使偽造的指紋無(wú)用武之地。但電容技術(shù)的芯片昂貴，且易受到干擾。

　　1.2指紋圖像處理

　　在該識(shí)別過(guò)程中，首先，通過(guò)指紋采集儀器采集到指紋J，由于采集指紋圖像時(shí)圖像質(zhì)量不高或者在捺取指紋過(guò)程中因用力不均造成指紋畸變，常常會(huì)造成指紋圖像分割的不準(zhǔn)確，給后續(xù)的指紋識(shí)別帶來(lái)更大的困難，造成指紋自動(dòng)識(shí)別系統(tǒng)的拒識(shí)或誤識(shí)，所以，指紋采集后的第一個(gè)關(guān)鍵技術(shù)就是對(duì)采集到的指紋圖像進(jìn)行預(yù)處理，包括對(duì)指紋圖像的增強(qiáng)、二值化和細(xì)化等。預(yù)處理完成后即可進(jìn)行特征提取，然后，進(jìn)行特征匹配，輸出匹配結(jié)果，如圖2.

　　圖2指紋圖像預(yù)處理步驟

　　最后，細(xì)節(jié)點(diǎn)被提取出來(lái)，細(xì)節(jié)點(diǎn)定義為：端點(diǎn)和分又點(diǎn)(如圖3)，紋線端點(diǎn)是一條紋路的終結(jié)點(diǎn)，而紋線分叉點(diǎn)是一條紋路再次分開(kāi)成為兩條紋路的點(diǎn)。這2種特征點(diǎn)在指紋圖像中出現(xiàn)的幾率最大、最穩(wěn)定，易于檢測(cè)，而且，足以描述指紋的唯一性。

　　圖3指紋細(xì)節(jié)點(diǎn)類型

　　兩幅指紋圖像的匹配主要是解決旋轉(zhuǎn)、平移和形變等問(wèn)題。本文中，指紋匹配的輸入是2個(gè)特征點(diǎn)的點(diǎn)集尸與Q，其中一個(gè)點(diǎn)集P是從輸入的指紋圖像中提取出來(lái)的，另一個(gè)點(diǎn)集合Q則是預(yù)先從標(biāo)準(zhǔn)的指紋圖像中提取出來(lái)儲(chǔ)存在模板庫(kù)中。這2個(gè)點(diǎn)集合分別表示為

　　其中，記錄了點(diǎn)集P中第i個(gè)特征點(diǎn)的3條信息：坐標(biāo)、Y坐標(biāo)與方向，則記錄了點(diǎn)集Q中第j個(gè)特征點(diǎn)的3條信息：x坐標(biāo)，y坐標(biāo)與方向。假設(shè)兩幅指紋圖可以完全匹配起來(lái)，則可通過(guò)對(duì)輸入的指紋圖作某種變換(旋轉(zhuǎn)、平移與伸縮)得到模板中的指紋圖，因此，點(diǎn)集P可以通過(guò)旋轉(zhuǎn)、平移與伸縮等變換近似成點(diǎn)集Q.

　　為了能夠?qū)⑤斎胫讣y圖像中的某一個(gè)特征點(diǎn)按照一定的變換方式轉(zhuǎn)換成模板指紋圖像中的相對(duì)應(yīng)位置，需要知道相應(yīng)的變換因子，△x與△y分別為x，y方向上的平移因子，△θ則是旋轉(zhuǎn)因子。匹配基準(zhǔn)點(diǎn)的確定是通過(guò)判斷這2個(gè)三角形的相似程度得到的，在求取了兩幅指紋圖像之間的匹配基準(zhǔn)點(diǎn)和變換因子后，本文對(duì)待識(shí)別指紋相對(duì)于模板指紋進(jìn)行旋轉(zhuǎn)、平移變換，以便判斷兩枚指紋是否來(lái)自于同一個(gè)手指。在本文中，求取變換后的待識(shí)別指紋的特征點(diǎn)坐標(biāo)位置和所在區(qū)域的紋線方向。然后，將變換后的待識(shí)別指紋特征點(diǎn)集疊加到模板指紋特征點(diǎn)集上，檢測(cè)2個(gè)特征點(diǎn)集合中相重合的特征點(diǎn)數(shù)目。由于本文中的匹配是一種非精確匹配，即使是一對(duì)匹配的特征點(diǎn)對(duì)，它們之問(wèn)也不會(huì)完全重合，總是在位置、方向上存在有一定的偏差，所以，必須有一定的偏差容忍度。

　　為此，本文采用一種稱為界定盒的方法。對(duì)模板指紋特征點(diǎn)集中的每一個(gè)特征點(diǎn)，選取它周圍的一個(gè)矩形區(qū)域作為它的界定盒，只要變換后的待識(shí)別指紋中的特征點(diǎn)經(jīng)過(guò)疊加后落在這個(gè)區(qū)域之內(nèi)，而且，方向基本一致，可以認(rèn)為這2個(gè)特征點(diǎn)對(duì)是一對(duì)匹配的特征點(diǎn)。

　　最后，算法統(tǒng)計(jì)所有相匹配的特征點(diǎn)數(shù)目，通過(guò)式(1)轉(zhuǎn)換成匹配分?jǐn)?shù)，其中，maxscore是通過(guò)疊加匹配的細(xì)節(jié)點(diǎn)個(gè)數(shù)得到的最大匹配得分，Temp—Num和Input—Num分別是模板和輸入指紋的細(xì)節(jié)點(diǎn)數(shù)目

　　計(jì)算的匹配分?jǐn)?shù)代表了相比較的兩幅指紋的相似程度。參數(shù)值越大，相似性程度越高，而如果得分較小時(shí)，說(shuō)明這一用戶不一定是其宣稱的用戶，訪問(wèn)將被拒絕。

　　本文所使用的算法是一種典型的基于特征點(diǎn)坐標(biāo)模型的點(diǎn)模式匹配算法。它對(duì)匹配過(guò)程中最難的一步一基準(zhǔn)點(diǎn)的確定和變換參數(shù)的求取作了較深入的研究，根據(jù)3個(gè)近鄰的特征點(diǎn)之間的相互關(guān)系來(lái)確定基準(zhǔn)點(diǎn)、求取變換參數(shù)。該算法在一定程度上能夠加快基準(zhǔn)點(diǎn)的求取，從而提高整個(gè)匹配算法的速度。同時(shí)，該算法是根據(jù)多點(diǎn)來(lái)確定變換參數(shù)，而不是通常意義上的一點(diǎn)，在一定程度上可以消除在特征提取過(guò)程中所引入的位置、角度的偏差，得到更為準(zhǔn)確的變換參數(shù)。