残缺指纹和基于多采集仪指纹的索引方法研究

A number of fingerprint indexing schemes have been proposed based on different fingerprint features. However, most of these existing fingerprint indexing schemes are not applicable to partial fingerprint identification. This is because partial fingerprint images have some parts missing and the missing parts are simply ignored (considered void). The resulting feature vector will therefore end up having too many void entries and will subsequently lose its similarity to the feature vector generated by the full fingerprint. Therefore, it is extremely challenging to identify a partial fingerprint against a large database due to the inability to narrow down the candidate list for partial fingerprint verification. Furthermore, the traditional capture of fingerprints based on the contact of the finger on a solid plane results in partial or degraded images due to improper finger placement, skin deformation, slippage and smearing, or sensor noise from wear and tear of surface coatings. The development of latest sensor technology allows us to acquire fingerprints with 3D fingerprint sensors. The difference resulted from multi-type sensors significantly affects the characteristics of the raw data, the extracted features and subsequently the indexing performance. It is also a challenging issue to exploit proper features or indexing algorithms for multi-sensor fingerprint indexing..In this project, we aim to devise effective indexing schemes for partial fingerprint identification against very large scale databases. Furthermore, we plan to acquire databases using multi-sensors and develop indexing techniques for traditional 2D images and the 3D images of fingerprints that will be generated by the new generation of touchless live scan devices.

研究人员已提出许多基于不同指纹特征的指纹索引算法。但是，现有的指纹索引算法尚不足以应用到残缺指纹的指纹识别，因为残缺指纹的指纹图像是有缺失的，现有的指纹索引算法则直接忽略了这些有缺失的部分，从而导致形成的特征向量存在大量的空值，最终降低了与指纹库中相应完整指纹的匹配程度。由于我们很难从大型指纹数据库中缩小可能的搜索范围，所以基于残缺指纹的指纹识别是一个极具挑战性的问题。另外，传统指纹索引技术还受到来自于数据自身和指纹采集设备自身的噪声影响，因其指纹采集过程要求手指直接接触采集器的平面捕捉区，那么指纹采集过程中手指放置的位置不当、皮肤变形、手指滑动、手指涂抹物，或者是来自指纹采集传感器表面涂层的磨损和裂纹等都会对传统算法造成很大的干扰。本项目将设计高效的指纹索引方法用于在大型数据库中快速地识别残缺指纹。同时，我们还将用多种指纹采集仪收集二维和三维指纹，并设计新的针对多采集仪指纹的索引方法。

由于3D指纹采集具有采集范围广，形变少，对皮肤干湿程度不敏感，以及安全性高等优势，3D指纹采集技术和识别是当今生物识别的发展趋势。但是传统的指纹一般是基于平面按压采集的2D指纹，如何提高2D 和3D指纹的兼容和索引性能是现在的主要研究方向之一。.我们全面调研了3D指纹的研究现状，包括3D指纹的重构和3D指纹的特征提取（例如3D细节点，以及指纹在实际应用中的安全性，并提出了一种特征自适应的可取消生物特征认证系统，以在保护生物特征模板数据的同时，提供对消费者设备的安全访问。.为了研究2D和3D指纹数据库的兼容性，我们下载了国际上公开的2D/3D指纹数据库。该数据库中的3D指纹是3D模型展开后的平面指纹，并且边缘区域有很多褶皱，会影响特征细节点的提取。所以我们通过不同的方法对3D指纹进行裁剪，只保留感兴趣的区域。裁剪算法包括基于奇异点的椭圆裁剪，基于图片质量的裁剪和基于方向场信任的裁剪，实验结果显示基于奇异点的裁剪能最大限度的提高3D指纹与2D指纹的匹配（例如，右手食指和中指的错误拒绝率下降80%），所以基于奇异点裁剪的3D指纹可以作为标准的3D指纹模板。.另外，通过对比各种指纹索引算法，包括基于FOMFE的索引，基于细节点三角形的索引和基于细节点圆柱桶编码（ MCC）的索引，我们发现基于MCC的位置敏感哈希（LSH）索引是最高效的索引算法，所以我们用TBS原有的2D指纹和基于奇异点裁剪后的3D指纹分别作为样本和模板，在用VeriFinger提取细节点后，分析了2D和3D数据库所有MCC向量中1在每个位置出现的概率以及LSH索引算法的哈希函数选位规律， 提出采用不同的随机种子函数和初始选位位置，提高2D到3D指纹索引的效率。.基于以上的研究，我们攥写了3篇文章，分别发表在国际会议，SCI期刊和专注，供后续研究者参考。.