指纹采集技术

目录

1.概述

[1.1 捺印油墨采集](#1.1 捺印油墨采集)

[1.2 现场指纹提取](#1.2 现场指纹提取)

[1.3 在线指纹采集](#1.3 在线指纹采集)

[2. 指纹采集器的关键技术指标](#2. 指纹采集器的关键技术指标)

[2.1 采集面积](#2.1 采集面积)

[2.2 分辨率](#2.2 分辨率)

[2.3 图像质量](#2.3 图像质量)

[2.4 耐用性](#2.4 耐用性)


1.概述

最早的指纹采集技术是油墨法,至少已经有上百年的历史。1990年代出现了活体指纹采集器,利用各种传感器技术(例如光学、电容和超声波)直接从用户手指获得数字指纹图像。经过30年的发展,技术多元、形态多样的指纹采集器不断涌现,促进了指纹识别技术在公共安全、消费电子、电子商务等众多领域的应用。

图1 指纹采集器的发展

指纹采集器和传感器是两个不同的概念,后者是前者的内部模块。形态差别很大的采集器可能是基于类似的传感器技术,例如下图都是基于光学传感技术的指纹采集器,分别可以采集四连指、滚动指纹、平面指纹、部分平面指纹。而形态类似的采集器可能是基于完全不同的传感器技术。例如基于超声波和光学的手机屏下指纹传感器,虽然技术原理完全不同,但是普通用户可能感受不到它们的区别。

图2 基于光学传感技术的各种形态的指纹采集器,分别采集四连指、滚动指纹、平面指纹、部分平面指纹

1.1 捺印油墨采集

在非常非常古老的时候,人们就发现用油墨可以采集到质量非常好的指纹。所以从100多年前,警方就大规模使用油墨来采集有犯罪前科人员的指纹。油墨法是在手指蘸上油墨,在专门的指位卡片上按手指或者滚动手指。

虽然活体指纹采集技术早已普及,但是警方的指纹数据库积累了多年的油墨指纹(已扫描为电子版),警用指纹识别系统仍然需要兼容油墨指纹。

图3 捺印油墨指纹

1.2 现场指纹提取

与此同时,警察还需要从犯罪现场提取现场指纹。按照形成现场指纹的物质、遗留表面的材质等,有多种不同的方法来发现和提取现场指纹,例如粉末法、蓝光/紫外光显影法、烟熏法、碘熏法等。提取清晰的现场指纹比较困难,需要专业技巧。

图4 现场潜指纹

1.3 在线指纹采集

现在普遍使用的则是在线采集(on-line method)。在线采集的原理比较多。有基于光学全反射原理的,也有通过电容传感器或者超声波等方式的,也有用相机直接拍照的。

图5 在线采集

但是不管什么样采集方式,最后得到的图像大概就是下面这三种。

图6 从左到右分别为油墨指纹、来自现场的潜指纹和基于光学全反射原理的指纹

2. 指纹 采集器 的关键技术指标

不同的应用对指纹采集器的要求不同。通常,从采集面积、分辨率、图像质量、耐用性等方面对指纹采集设备进行评价。

2.1 采集面积

采集面积对指纹识别的准确性有至关重要的影响,过小的采集面积会使识别准确性急剧下降。

一些严肃的应用对指纹采集面积有明确规定。例如,在500 ppi分辨率下,

  • 美国FBI则要求指纹采集面积为832×768像素,约42.3mm×39.0mm,3面滚动采集;
  • 中国刑侦应用要求指纹采集面积为640×640像素,约32.5mm×32.5mm,滚动采集;
  • 中国二代身份证指纹项目要求指纹采集面积为256×360像素,约13mm×18.3mm,平面采集。

较大的采集面积可以保证有足够多的指纹细节特征,从而保证匹配的准确性。

由于成本和尺寸限制,大面积的指纹采集器难以在移动电子设备使用。因此在这些场合出现了明显的小型化趋势。例如,苹果公司的TouchlD使用了4.5mm×4.5mm的小面积采集器。注册时则要求多次捺印,以拼合成较大面积的模板。小面积采集器对指纹识别算法提出了极高的要求。

滑动式指纹采集器则通过拼接手指滑动过程中的指纹片段来获得大面积的指纹图像。但拼接图像可能产生严重的形变,对手指滑动的方向和速度有较严格的要求,影响用户体验和采集成功率。

2.2 分辨率

分辨率也是影响指纹识别准确性的重要因素。目前,国际上广泛接受的指纹图像分辨率为500ppi,即每英寸对应500个像素点。采集面积较大时,500ppi的分辨率可提供足够的识别准确性。

在一些场合,1000ppi指纹采集器逐渐开始使用,以采集更高质量的指纹。研究表明,1000ppi以上的分辨率可以稳定地支持3级特征的提取与匹配。测试表明,当采集面积较大时高分辨率带来的好处并不明显,此时使用Galton细节点已经有很高的识别准确性,使用3级特征意义不大。但在小尺寸的指纹采集器上高分辨率则可能具有重要意义。此时,传统的2级特征已经严重不足,需要通过高分辨率来提供更丰富的3级特征信息。

2.3 图像质量

图像质量决定了识别的准确率。有很多原因会造成图像质量差。从传感器的角度来说,不同种类的传感器在分辨率、信噪比、面积大小等方面差异往往是很大的,这对采集到的信息的多少有很大影响。此外不同人的手指的皮肤状况也不一样,有的人皮肤太干燥或太潮湿,或者因为长期体力工作划痕比较多/乳突纹被磨平,这都会造成采集质量较差。另外,当按手指时,按的方式和手的姿态也会对图像质量有影响。这些低质量指纹对于指纹识别算法都是很大的挑战。

图5 不同质量的指纹图像

NFIQ(NIST Fingerprint Image Quality)是量化指纹质量的事实标准。NFIQ(NIST Biometric Image Software (NBIS) | NIST),它将{1,2,3,4,5}中的值分配给指纹,该值与其质量成反比。

图8 NIST Fingerprint Image Quality (NFIQ)

NFIQ2(NFIQ 2 | NIST),它的质量值在[0~100],分值与质量成正比。

图9 NFIQ 2.0

2.4 耐用性

在耐用性方面,通常的结论是,光学采集器的耐用性要好,固态采集器的耐用性要差一些;因为光学采集器的采集表面为玻璃,而玻璃的耐用性非常好。静电击穿和耐磨程度可能对电容式指纹传感器的耐用性有较大影响。但最近几年出现的蓝宝石保护层技术大大提高了电容式传感器的耐用程度。

相关推荐
深度学习实战训练营32 分钟前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20062 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_3 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover3 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川3 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
阡之尘埃5 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力7 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20217 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
其实吧39 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
丕羽9 小时前
【Pytorch】基本语法
人工智能·pytorch·python