¿Cómo se realiza el reconocimiento de huellas dactilares?
Introducción: la tecnología de reconocimiento de huellas dactilares generalmente utiliza las características generales de las huellas dactilares, como patrones, puntos triangulares, etc., para la clasificación, y luego utiliza características locales, como la ubicación y la dirección, para identificar a los usuarios. Aunque las huellas dactilares son sólo una pequeña parte de la piel humana, contienen una gran cantidad de información. Entonces, echemos un vistazo más de cerca a cómo se realiza el reconocimiento de huellas dactilares. ¡El artículo es solo para su referencia! Cómo se realiza la identificación de huellas dactilares
1. Adquisición de imágenes de huellas dactilares
La adquisición de imágenes de huellas dactilares es una parte importante del sistema automático de identificación de huellas dactilares. La recolección temprana de huellas dactilares se generó presionando tinta sobre papel. En la década de 1980, con el desarrollo de la tecnología óptica y la tecnología informática, comenzaron a aparecer modernos equipos de recolección.
Un sensor es un dispositivo que puede convertir cantidades físicas o químicas en señales eléctricas que pueden ser utilizadas fácilmente. Es un componente frontal del sistema de medición. Es el primer paso después de que se ingresa la señal medida y es el dispositivo de recolección en el sistema de autenticación biométrica.
Estos sensores se pueden dividir en sensores ópticos, sensores térmicos y sensores ultrasónicos según diferentes objetos de detección; según diferentes dispositivos, se pueden dividir en sensores de dispositivos CMOS y sensores de dispositivos CCD. Su principio de funcionamiento es convertir las características biológicas en información de imagen que el sistema pueda reconocer después de la detección. En el sistema de autenticación biométrica, un equipo de adquisición de imágenes fiable y económico es la clave para el funcionamiento normal y fiable del sistema.
2. Mejora de imágenes de huellas dactilares
Los métodos de preprocesamiento comunes son los siguientes:
(1) El uso de ecualización de escala de grises puede eliminar las diferencias entre diferentes imágenes. .
(2) Utilice un filtrado de paso bajo simple para eliminar el ruido moteado y el ruido gaussiano.
(3) Calcule el límite de la imagen y recórtela, lo que puede reducir los cálculos redundantes y mejorar la velocidad del sistema.
Los algoritmos de mejora de imágenes comúnmente utilizados incluyen los siguientes:
(1) Algoritmo de mejora de huellas dactilares de baja calidad basado en el filtrado de Fourier
(2) Basado en mejora; método de filtrado Gabor
(3) Método de filtrado multiescala
(4) Algoritmo de mejora de patrones mejorado
(5) Huella digital basada en el conocimiento; algoritmo de mejora de imagen;
(6) Modelo de difusión no lineal y su método de filtrado
(7) Método de filtrado de difusión no lineal mejorado.
Los últimos algoritmos de segmentación incluyen lo siguiente:
(1) Algoritmo de segmentación de imágenes de huellas dactilares basado en un modelo normal
(2) Basado en la segmentación de imágenes de huellas dactilares de Marr; algoritmo basado en campo aleatorio Kov;
(3) Método de varianza gris basado en operación cerrada de morfología matemática
(4) Algoritmo de segmentación de imágenes de huellas dactilares basado en campo de orientación.
3. Extracción de características de huellas dactilares
En los últimos años, los nuevos algoritmos de extracción de características de huellas dactilares incluyen principalmente lo siguiente:
(1) Basado en el método de filtrado de huellas dactilares de Gabor Algoritmo de extracción de características locales.
(2) Algoritmo de extracción de características de huellas dactilares basado en el método de programación general de CNN.
(3) Tecnología de digitalización de imágenes basada en codificación IFS, es decir, establecer un modelo IFS, calcular la similitud entre la imagen fuente y la imagen regenerada y extraer rápidamente las características de la imagen de la huella digital.
(4) Algoritmo de extracción de puntos característicos de imágenes de huellas dactilares basado en el seguimiento de crestas. Este algoritmo puede extraer eficazmente puntos de detalle e información del esqueleto de crestas directamente de imágenes de huellas dactilares en escala de grises.
(5) Algoritmo de extracción de características de huellas dactilares basado en la transformada wavelet y la red neuronal ART (teoría de la vibración adaptativa).
4. Clasificación y compresión de imágenes de huellas dactilares
Las tecnologías de clasificación de huellas dactilares comúnmente utilizadas incluyen las siguientes:
(1) Método basado en reglas, es decir, basado en sobre huellas dactilares Clasificación del número y ubicación de puntos singulares.
(2) Método basado en sintaxis. La gramática de este método es compleja y el método para derivarla es complejo y no fijo. Este método se ha ido eliminando progresivamente.
(3) Método estructural, es decir, buscar organizaciones que asocien características de bajo nivel con estructuras de alto nivel.
(4) Métodos estadísticos.
(5) Método que combina algoritmo genético y red de neuronas BP.
(6)Método clasificador múltiple.
Hay dos algoritmos de compresión comúnmente utilizados:
(1) Método de codificación de compresión de imágenes: incluye compresión sin pérdidas (codificación de entropía) y compresión con pérdidas (cuantización).
(2) Algoritmo de compresión de huellas dactilares basado en la transformada wavelet: incluido el algoritmo WSQ, el algoritmo DjVu, el algoritmo EZW mejorado, etc.
5. Coincidencia de imágenes de huellas dactilares
Existen muchos algoritmos tradicionales de coincidencia de huellas dactilares:
(1) Método de coincidencia basado en un patrón de puntos: como el basado en Hough algoritmo de coincidencia de transformación, algoritmo de coincidencia basado en distancia de cadenas, algoritmo de coincidencia basado en N vecinos, etc.
(2) Coincidencia de gráficos y otros métodos: como coincidencia basada en algoritmos genéticos, coincidencia inicial basada en puntos clave, etc.
(3) Coincidencia basada en patrones de textura: como el algoritmo de coincidencia PPM, etc.
(4) Métodos de mezcla y combinación, etc.
En los últimos años han surgido los siguientes nuevos algoritmos de coincidencia:
(1) Coincidencia de vectores basada en la clasificación de huellas dactilares. Este método primero utiliza la información de clasificación de huellas dactilares para una coincidencia aproximada, luego usa la información del punto central y los puntos triangulares para una mayor coincidencia y finalmente usa el punto central de la imagen a identificar y la imagen de la huella digital de plantilla como punto de referencia. y compara el punto central con 36 puntos de detalle adyacentes. Se forma un vector, por lo que la coincidencia de huellas dactilares se transforma en una coincidencia de números de grupos de vectores.
(2) Sistema de autenticación de huellas dactilares en un entorno de red abierta basado en PKI (Public Key Infrastructure).
(3) Algoritmo de coincidencia de puntos de características de huellas dactilares en tiempo real. El principio de este algoritmo es lograr el propósito de una coincidencia rápida obteniendo el cuadro de límite de coincidencia circular del algoritmo de segmentación de huellas dactilares y simplificando los pasos de cálculo.
(4) Un algoritmo secundario de coincidencia de huellas dactilares basado en puntos de detalle del FBI (Oficina Federal de Investigaciones).
(5) Algoritmo de coincidencia de huellas dactilares basado en el punto central. Este algoritmo utiliza puntos singulares o el punto central del área efectiva de la huella digital para encontrar pares de puntos de características de referencia coincidentes y los parámetros de transformación correspondientes, corrige la postura de la huella digital que se va a identificar en relación con la huella digital de plantilla y, finalmente, utiliza la coincidencia de coordenadas para lograr la comparación. de las dos huellas dactilares a la derecha.