詳解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)。

　　1．3 光學(xué)和電容傳感器的融合

　　So， Sc是分別由光學(xué)傳感器和電容傳感器采集的圖像運(yùn)用匹配算法所獲得的匹配分?jǐn)?shù)，s融合后的分?jǐn)?shù)和S。So， Sc之間有如下關(guān)系

　　將S和設(shè)定的閾值相比較：if：S ＞ threshold系統(tǒng)允許進(jìn)入，為真；否則，系統(tǒng)拒絕該用戶，當(dāng)然，上述方法也可用于2只以上的，。

　　根據(jù)方程（2）研究了兩種類型的匹配分?jǐn)?shù)轉(zhuǎn)換執(zhí)行融合規(guī)則，第一種類型融合規(guī)則屬于所謂的固定融合規(guī)則，因?yàn)樗鼈儾恍枰獏?shù)估計(jì)，尤其研究了兩類傳感器的匹配分?jǐn)?shù)中值

　　第二種融合是所謂的訓(xùn)練樣本規(guī)則，因?yàn)樗鼈冃枰獮榱双@得理想的閾值分?jǐn)?shù)而讓樣本經(jīng)過(guò)多次訓(xùn)練，采用公式（4）訓(xùn)練樣本

　　式中W0，W1，W2為權(quán)值向量，顯然，中值融合的效果要差于邏輯融合，邏輯融合的過(guò)程就是以中值為基礎(chǔ)，經(jīng)過(guò)多次迭代，總能找到一組合適的權(quán)值向量（W0，W1，W2），使得閾值分?jǐn)?shù)S接近于最佳值。

　　2 實(shí)驗(yàn)結(jié)果

　　隨機(jī)抽取20個(gè)人，每個(gè)人使用3個(gè)手指，分別為大拇指、食指、中指，使用光學(xué)和電容傳感器，每個(gè)手指按壓10次，每個(gè)人采集到的指紋數(shù)為6×10=60，共有指紋20×60=1200。對(duì)于每一個(gè)驗(yàn)證算法兩類集合的匹配分?jǐn)?shù)。第一次匹配稱為“真正匹配分?jǐn)?shù) （真正用戶之間）G集合，第二次是“假匹配分?jǐn)?shù)”（“假冒用戶之問(wèn)”）I集合。

　　隨機(jī)細(xì)分以上集為2個(gè)大小相同的集合：G=G1 U G2，I=I1 U I2，G1， G2和I1， I2分別是G和I的分離集合。訓(xùn)練集合Tr={G1，I1}用于計(jì)算邏輯融合規(guī)則的權(quán)重，測(cè)試集合Tx={G2，I2}用于評(píng)價(jià)和比較算法性能。它包含以下幾個(gè)指標(biāo)：

　　訓(xùn)練樣本集合的等錯(cuò)誤率（EER），也就是當(dāng)真正用戶被系統(tǒng)錯(cuò)誤拒絕的百分比（FRR）等于假冒用戶被系統(tǒng)錯(cuò)誤接受的百分比（FAR）。

　　表1總結(jié)了計(jì)算訓(xùn)練樣本的EER與測(cè)試樣本的FAR和FRR的結(jié)果。

　　表1 單一傳感器和多傳感器融合計(jì)算結(jié)果的指標(biāo)EER。FAR，F(xiàn)RR

　　從表1可知，電容傳感器性能明顯差于光學(xué)傳感器。其原因主要是電容傳感器采集圖像時(shí)的接觸面積遠(yuǎn)遠(yuǎn)小于光學(xué)傳感器。直接導(dǎo)致了其采集的圖像提取的細(xì)節(jié)點(diǎn)數(shù)目少，因此，提取的細(xì)節(jié)點(diǎn)不能彼此正確的匹配。

　　從等錯(cuò)誤率計(jì)算的融合結(jié)果來(lái)看，性能也有很大的提高，邏輯融合減少EER從3.6%到2.9%。測(cè)試樣本的結(jié)果也表明融合提高了系統(tǒng)的魯棒性，實(shí)際上，在邏輯融合（表1第5行）以后，訓(xùn)練樣本的性能（表1第2列）和測(cè)試樣本的性能偏差（表l第3列和第4列）大大減小了。

　　該實(shí)驗(yàn)結(jié)果與Gian Luca 實(shí)驗(yàn)結(jié)果對(duì)比，發(fā)現(xiàn)得到的結(jié)果指標(biāo)低于文獻(xiàn)［7］的指標(biāo)，其中原因可能是本文使用的采集器性能比較差，以致獲得的指紋圖像質(zhì)量不夠理想而導(dǎo)致指標(biāo)稍弱，另外，可能就是本文使用的算法獲得的匹配結(jié)果不夠理想。

　　3 結(jié)論

　　本文提出了基于光學(xué)和電容傳感器多傳感器指紋驗(yàn)證系統(tǒng)。實(shí)驗(yàn)結(jié)果表明：驗(yàn)證后的多傳感器系統(tǒng)性能優(yōu)于最好的單一傳感器陛能（光學(xué)傳感器），而且，光學(xué)和電容傳感器匹配器兩者之間的互補(bǔ)性也表明了多傳感器融合的可能性，從理論上來(lái)說(shuō)系統(tǒng)本身也獲得了很低的驗(yàn)證錯(cuò)誤率。特征提取過(guò)程被分別應(yīng)用到每一個(gè)采集設(shè)備采集到的圖片，應(yīng)用一個(gè)簡(jiǎn)單的融合規(guī)則，提高系統(tǒng)的驗(yàn)證性能。因此，融合不同類型的傳感器提高系統(tǒng)性能方案簡(jiǎn)單易行。