專利名稱：基于薄板樣條形變模型的活體指紋檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于生物特征識(shí)別領(lǐng)域，涉及圖像處理、模式識(shí)別、計(jì)算機(jī)技術(shù)等前沿知識(shí)，特別涉及到利用薄板樣條(TPS)模型描述指紋形變 及形變能量向量的模糊分類。
背景技術(shù)：
由于指紋具有唯一性和穩(wěn)定性的優(yōu)點(diǎn)，而且采集方便，成本低廉， 所以非常適合取代傳統(tǒng)的口令作為可靠的身份認(rèn)證手段。將待匹配的指 紋圖像輸入計(jì)算機(jī)，通過可靠有效的指紋識(shí)別算法，可以在短時(shí)間內(nèi)完 成任何人的身份識(shí)別。指紋識(shí)別技術(shù)主要包括指紋圖像采集、指紋圖像 增強(qiáng)、指紋圖像特征提取、數(shù)據(jù)儲(chǔ)存、指紋特征的比對與匹配等步驟。 隨著計(jì)算機(jī)技術(shù)的進(jìn)步和模式識(shí)別方法的發(fā)展，自動(dòng)指紋識(shí)別系統(tǒng)的性 能日益完善，已達(dá)到了實(shí)用化的要求，其應(yīng)用領(lǐng)域也日益廣闊。自動(dòng)指 紋識(shí)別的應(yīng)用不再僅局限于法律、公安領(lǐng)域。它可作為計(jì)算機(jī)確認(rèn)用戶 的手段，可作為訪問網(wǎng)絡(luò)資源的信息安全技術(shù)，還可用于銀行ATM卡和 信用卡使用的確認(rèn)、各類智能IC卡的雙重確認(rèn)、雇員證明和家用電子門 鎖等許多方面。然而人造假指紋的出現(xiàn)，使自動(dòng)指紋識(shí)別系統(tǒng)自身的安全可靠性受 到了極大的挑戰(zhàn)和威脅。指紋傳感器的安全性令人擔(dān)憂，前人的研究工 作表明指紋傳感器很容易被假指紋(例如硅膠指紋)所欺騙。至今已有 不少用假指紋成功入侵指紋識(shí)別系統(tǒng)的案例。假指紋的制作方法有兩種: 利用真實(shí)手指按壓的模具復(fù)制和采用物體表面殘留的指紋痕跡復(fù)原，制 作材料有橡膠、明膠、硅膠等。2000年P(guān)utte等采用簡易的材料制成假指 紋，并在六種不同的指紋采集儀上進(jìn)行測試。實(shí)驗(yàn)結(jié)果表明其中的五種 采集儀都將假指紋誤認(rèn)為真正的指紋。2002年T.Matsumoto等人的實(shí)驗(yàn)表明，對于ll中不同類型的指紋釆集儀，釆用真實(shí)手指按壓模具制成的假 指紋通過系統(tǒng)認(rèn)證的概率大于70%，而釆用殘留指紋復(fù)原制成的假指紋 通過系統(tǒng)認(rèn)證的概率大于60%。后來針對不同類型指紋采集儀的大量攻 擊性實(shí)驗(yàn)都證明了假指紋對現(xiàn)有的自動(dòng)指紋識(shí)別系統(tǒng)安全性的嚴(yán)重挑 戰(zhàn)。假指紋己經(jīng)成為制約指紋識(shí)別技術(shù)發(fā)展的瓶頸之一。只有解決了活 體指紋的實(shí)時(shí)檢測問題，指紋識(shí)別技術(shù)才能在需要高安全和高可靠識(shí)別 的領(lǐng)域真正得到廣泛應(yīng)用。活體指紋檢測確保只有"真"的指紋能夠通過采集系統(tǒng)的檢測，從而 用來進(jìn)行注冊、比對和認(rèn)證。目前已有些研究人員從事這方面的工作， 提出的活體指紋檢測方法可分為兩類基于輔助硬件的和基于手指(指紋)本身特性的。在基于輔助硬件的活體指紋檢測方法中，Putte等利用真實(shí)指紋與人造指紋之間的溫度差異，通過硬件檢測手指溫度實(shí)現(xiàn)活體指紋檢測，但容易受外界溫度的影響；D.Maltoni等利用指紋采集時(shí)真假 皮膚對光吸收、反射、折射情況的參數(shù)差異，檢測手指表面的光學(xué)特征 來辨認(rèn)指紋，但存在光學(xué)特征參數(shù)與皮膚相似的假指紋的干擾；P. D. Lapsley等測量待測手指內(nèi)的血壓數(shù)值，判斷指紋是否來自真實(shí)手指，但 容易被覆有足夠薄的假指紋膜的手指攻擊；Denis Baldisserra等利用電子 嗅覺裝置采集待測手指的氣味特征，通過區(qū)分真實(shí)皮膚和制作假指紋材 料的氣味進(jìn)行活體指紋檢測，但無法適應(yīng)氣味仿真假指紋的攻擊?；?手指(指紋)本身特性的活體指紋檢測方法不需要特殊硬件的支持， Antonelli利用真假手指的彈性差異，采集待測手指的在按壓旋轉(zhuǎn)過程中 一系列指紋圖像，計(jì)算指紋各部分的位置偏移特征矢量并進(jìn)行分類，可 有效的進(jìn)行活體指紋檢測，但需要對指紋偏移進(jìn)行跟蹤，計(jì)算復(fù)雜度高; Matsumoto等采用高分辨率的指紋采集儀，通過觀察指紋圖像上汗孔分 布的情況，判斷其是否來自于真實(shí)手指，但選取合適的材料，可制造出 粗略復(fù)制汗孔的假指紋。R. Derakhshani等觀察采集過程中汗液分泌導(dǎo)致 的指紋圖像灰度變化，實(shí)現(xiàn)活體指紋檢測，但對特別干或特別濕的指紋 效果不佳。綜合以上分析研究我們發(fā)現(xiàn)，目前國際上已有活體指紋檢測技術(shù)還 未能實(shí)際解決指紋的辨?zhèn)伟踩珕栴}。采用硬件檢測人體手指的溫度、氣味、電阻等靜態(tài)物理特征以區(qū)分假指紋的方法，無法避免制作更仿真的 假指紋進(jìn)行識(shí)別攻擊。而且需要特殊硬件的支持，提高了指紋識(shí)別系統(tǒng) 的成本，不易推廣。而基于指紋本身特性的檢測方法，可能不適應(yīng)特殊 皮膚狀況的指紋或者不具有實(shí)時(shí)性。活體指紋檢測成為指紋識(shí)別領(lǐng)域亟 待解決的難點(diǎn)之一。發(fā)明內(nèi)容針對假指紋造成的自動(dòng)指紋識(shí)別系統(tǒng)的安全性挑戰(zhàn)問題，本發(fā)明的 目的是有效和實(shí)時(shí)的對輸入指紋進(jìn)行真實(shí)性判斷，為此，本發(fā)明提出一 種基于指紋本身彈性形變特征的活體指紋檢測方法。為了實(shí)現(xiàn)所述的目的，本發(fā)明提供的基于薄板樣條形變模型的活體 指紋檢測方法包括步驟步驟1:采集待測手指的指紋序列并進(jìn)行預(yù)處理，包括一幅正常采 集指紋和多個(gè)方向上的形變指紋；步驟2:對形變前后的指紋圖像進(jìn)行配準(zhǔn)，選取對應(yīng)的細(xì)節(jié)特征點(diǎn) 對作為估算薄板樣條模型的基準(zhǔn)點(diǎn)對；步驟3:采用改進(jìn)的薄板樣條模型描述指紋的形變；基于模型參數(shù) 計(jì)算待測指紋在各個(gè)方向上的形變能量，構(gòu)成整體彎曲能量向量；步驟4:分別在真假指紋形變庫上訓(xùn)練，得到彎曲能量向量空間分 布；分別計(jì)算待測的彎曲能量向量到真假彎曲能量模糊特征集的相似度； 選取合適的閾值得到檢測結(jié)果。優(yōu)選地，所述的形變指紋圖像序列采集包括步驟被采集人員手指放松并放在采集儀器上，提取為正常情況下的指紋；從多個(gè)方向?qū)κ种甘┘訅毫?，使手指得到最大程度的形變，采集?到手指的形變指紋序列。優(yōu)選地，所述的指紋圖像配準(zhǔn)步驟包括采取針對彈性形變的三角匹配算法，從兩幅指紋圖像中選取對應(yīng)的細(xì)節(jié)特征點(diǎn)對，作為計(jì)算薄板樣條模型參數(shù)的基準(zhǔn)點(diǎn)；細(xì)節(jié)點(diǎn)均勻分布的前提下，計(jì)算細(xì)節(jié)點(diǎn)在形變前后的位置偏移量， 用于反映指紋的形變信息。優(yōu)選地，由于指紋形變時(shí)不存在尺度變換，得到改進(jìn)薄板樣條模型 的約束條件如下1) 基于多參考點(diǎn)的整體配準(zhǔn)方法，計(jì)算指紋圖像間的旋轉(zhuǎn)平移向量， 獲得薄板樣條模型中的剛性變換參數(shù)矩陣；2) 針對指紋預(yù)處理和特征提取中存在誤差而導(dǎo)致的細(xì)節(jié)點(diǎn)坐標(biāo)的偏 移，采取松弛的薄板樣條模型，得到較平滑的剛性變換矩陣函數(shù)，計(jì)算 松弛薄板樣條模型的變換參數(shù)，其中松弛參數(shù)的取值與變換的平滑程度 成正比。優(yōu)選地，待測指紋序列整體彎曲能量向量的計(jì)算包括分別計(jì)算待測手指在多個(gè)方向上形變前后指紋圖像的形變能量；構(gòu)成整體彎曲能量向量，用特征矢量計(jì)算衡量待測手指的彈性形變 彎曲能量值的大小。優(yōu)選地，形變前后指紋圖像的形變能量的計(jì)算包括 用薄板樣條模型的整體形變能量來衡量形變前后指紋圖像間的形變程度，定義為薄板樣條模型在x， y方向上的最小彎曲能量之和；當(dāng)薄板樣條模型參數(shù)為零矩陣時(shí)，彎曲能量為o，薄板樣條模型退化為剛性變換。優(yōu)選地，采取模糊相似度分類方法進(jìn)行活體指紋判別，包括步驟 計(jì)算待測手指的整體彎曲能量相對于真、假指紋形變特征序列的隸 屬程度；分別在采集的真、假指紋形變庫上進(jìn)行訓(xùn)練，得到真、假指紋形變模式的參數(shù)空間，其中的全部元素組成了模糊特征集；采用柯西形式的隸屬度函數(shù)，并調(diào)整輸入指紋到真、假特征空間隸 屬度的權(quán)重，將待測手指和真、假手指的相似度映射成歸一化的標(biāo)量；觀察形變指紋特征參數(shù)空間內(nèi)訓(xùn)練樣本點(diǎn)的分布，找到合適的閾值， 進(jìn)行活體指紋判別。本發(fā)明的算法基于手指本身的彈性特征進(jìn)行活體指紋檢測。已有的 基于其它手指特征(如汗孔和排汗情況)的檢測方法很容易受到環(huán)境和 釆集手指狀況的影響，對外界條件的適應(yīng)性不夠。根據(jù)真實(shí)手指的特殊 結(jié)構(gòu)很難被仿制的特點(diǎn)，釆集待測手指在規(guī)定用力下的形變圖像，選取合適的彈性形變特征進(jìn)行分類，保證了活體指紋檢測的準(zhǔn)確性。在指紋 圖像形變過程中，各部分的細(xì)節(jié)點(diǎn)根據(jù)施加壓力方向、大小及手指結(jié)構(gòu) 出現(xiàn)不同程度的位置偏移。利用針對彈性形變的三角匹配算法可較好地 從形變前后指紋圖像上提取相應(yīng)的細(xì)節(jié)特征點(diǎn)對，作為計(jì)算薄板樣條模 型參數(shù)時(shí)的基準(zhǔn)點(diǎn)。針對指紋形變的特點(diǎn)改進(jìn)傳統(tǒng)的TPS模型。對四個(gè) 方向上的形變指紋圖像，分別根據(jù)提取的基準(zhǔn)點(diǎn)對的坐標(biāo)，計(jì)算其和正常采集指紋間的旋轉(zhuǎn)平移參數(shù)，由此確定TPS模型中的剛性形變參數(shù)。 由于指紋預(yù)處理和細(xì)節(jié)點(diǎn)提取存在誤差，采取松弛TPS模型以調(diào)節(jié)變換 函數(shù)的平滑度?；谀Ｐ蛥?shù)計(jì)算指紋在各個(gè)方向上的形變能量，構(gòu)成 整體彎曲能量向量并進(jìn)行真假指紋分類?？紤]到不同的指紋圖像提取的 細(xì)節(jié)點(diǎn)數(shù)目不同以及模型參數(shù)選取過程的模糊性，可考慮將模糊理論運(yùn) 用到相似度計(jì)算中。通過對算法性能的評(píng)估，我們發(fā)現(xiàn)在細(xì)節(jié)點(diǎn)分布較均勻的情況下， 從形變前后的指紋圖像中選取的細(xì)節(jié)點(diǎn)對能夠很好反映指紋的整體形 變。選取的薄板樣條模型有效地描述了指紋圖像的形變，計(jì)算過程簡單， 保證了活體指紋的實(shí)時(shí)檢測。整個(gè)檢測算法基于常用的指紋識(shí)別步驟(細(xì) 節(jié)點(diǎn)提取，形變指紋匹配等)進(jìn)行，而且不需要在現(xiàn)有的自動(dòng)指紋識(shí)別 系統(tǒng)上增加額外的硬件，易于實(shí)現(xiàn)和推廣。


圖1兩幅形變前后的指紋圖像及相應(yīng)的特征點(diǎn)對，包括圖la、圖lb、圖lc; 圖2用TPS形變模型模擬指紋圖像形變，包括圖2a、圖2b、圖2c; 圖3活體指紋檢測流程；圖4實(shí)驗(yàn)中的假指紋模具、其相應(yīng)的假手指及其假指紋圖像，包括圖4a、圖4b、圖4c; 圖5在指紋庫上的實(shí)驗(yàn)結(jié)果具體實(shí)施方式
下面將結(jié)合附圖對本發(fā)明加以詳細(xì)說明，應(yīng)指出的是，所描述的實(shí) 施例僅旨在便于對本發(fā)明的理解，而對其不起任何限定作用。本發(fā)明的核心思想是基于薄板樣條彈性形變模型進(jìn)行活體指紋檢 測。由于人類皮膚的特殊結(jié)構(gòu)，活體指紋通常比假指紋具有更大的形變，本發(fā)明采用薄板樣條模型一TPS模型(Thin Plate Splines)對二維指紋圖 像的形變進(jìn)行建模和估計(jì)。首先采集待檢測手指在四個(gè)方向上的形變指 紋圖像，計(jì)算它的TPS模型的形變能量向量，然后計(jì)算這個(gè)向量到彎曲 能量模糊特征集的相似度。相似度的值位于[O， l]區(qū)間，它表示當(dāng)前的 指紋對于真指紋的相似程度(l為真指紋，0為假指紋)。在指紋采集過程中，手指按在采集儀器的表面，產(chǎn)生手指皮膚由三 維到二維的映射，由于施力的原因，指紋產(chǎn)生形變。例如，平行與采集 儀器表面的力會(huì)引起指紋一定程度的聚攏或分離。旋轉(zhuǎn)按壓手指會(huì)引起 指紋沿接觸中心切線方向的形變。對于活體指紋，形變的特殊方式與人 類皮膚彈性以及指骨的位置和形狀有關(guān)。根據(jù)先前的研究顯示人類皮 膚由表皮，真皮和皮下組織三層由外向里構(gòu)成。正是由于存在這些特征， 要非常逼真的構(gòu)造與活體指紋一樣彈性的假指紋是非常困難的。通常真 手指比假手指更有彈性形變較大。即使假指紋由高彈性的材料制作，也 很難仿效活體指紋的特殊結(jié)構(gòu)。因此，當(dāng)按壓采集儀器的表面時(shí)，真手 指和偽手指以各自的方式產(chǎn)生形變。形變是指紋識(shí)別中的一個(gè)主要問題， 但是在這里可以被用來區(qū)分真?zhèn)问种浮Ｃ枋鍪种溉绾涡巫兊睦硐敕椒ㄊ?將指紋恢復(fù)成三維模型并與細(xì)節(jié)點(diǎn)三維坐標(biāo)進(jìn)行比對。但是，求二維到 三維的逆映射是十分困難的。因此我們對二維指紋圖像的形變進(jìn)行建模 和估計(jì)，選擇適當(dāng)?shù)哪Ｐ蛠砻枋鲋讣y的形變?；谏鲜龅乃悸泛湍康模瑢⒒铙w指紋的檢測過程劃分為若干個(gè)步驟， 簡要介紹執(zhí)行每個(gè)步驟時(shí)需要注意的關(guān)鍵問題。建立利用指紋彈性特征 檢測活體指紋的理論框架，并進(jìn)行性能測試。將研究成果融入現(xiàn)有的自 動(dòng)識(shí)別系統(tǒng)后得到的本發(fā)明的實(shí)現(xiàn)流程如下形變指紋圖像采集和預(yù)處理要求被采集人員首先放松的將手指放在采集儀器上(正常情況下的指紋)，然后分別從四個(gè)方向上施加壓力，得到最大程度的形變0°， 90°， 180°， 270°。從而得到這一手指的形變圖像序列(F0， Fl， F2， F3， F4}。預(yù)處理后得到細(xì)化指紋圖像。提取對應(yīng)細(xì)節(jié)特征點(diǎn)對利用針對彈性形變的三角匹配算法可較好 地從形變前后兩幅指紋圖像中提取相對應(yīng)的細(xì)節(jié)特征點(diǎn)對，作為計(jì)算薄 板樣條模型參數(shù)時(shí)的基準(zhǔn)點(diǎn)。在指紋圖像序列釆集過程中，形變前后指 紋圖像各部分的細(xì)節(jié)點(diǎn)根據(jù)施加壓力方向、大小及手指結(jié)構(gòu)出現(xiàn)不同程 度的位置偏移；在細(xì)節(jié)點(diǎn)均勻分布的前提下，用細(xì)節(jié)點(diǎn)形變前后的位置 偏移量反映指紋的形變情況。TPS形變模型和彎曲能量向量針對指紋形變時(shí)無尺度變換的特點(diǎn) 改進(jìn)傳統(tǒng)的TPS模型。分別在四個(gè)方向上配準(zhǔn)形變前后的指紋圖像，計(jì) 算松弛TPS模型參數(shù)，模型中的剛性形變參數(shù)由已求的配準(zhǔn)參數(shù)確定。 基于模型參數(shù)計(jì)算指紋在各個(gè)方向上的形變能量，構(gòu)成整體彎曲能量向模糊相似度分類分別在真假指紋形變庫上進(jìn)行訓(xùn)練，得到相應(yīng)的 彎曲能量向量空間分布。對輸入的指紋，計(jì)算其TPS模型的彎曲能量向 量，然后分別計(jì)算這個(gè)向量到真假彎曲能量特征集的相似度。相似度是 一個(gè)介于[O， l]之間的值(l表示真指紋，0表示假指紋)。選取合適的 閾值得到檢測結(jié)果。下面對本發(fā)明提出的基于薄板樣條模型的假指紋檢測方法包含的各 個(gè)步驟，尤其是TPS形變模型和彎曲能量向量和模糊相似度分類兩部分 進(jìn)行介紹。首先我們引進(jìn)一些假定，在此基礎(chǔ)上進(jìn)行識(shí)別算法的研究和 分析不區(qū)分末梢點(diǎn)和分叉點(diǎn)，把它們都看作細(xì)節(jié)點(diǎn)特征;點(diǎn)特征在指紋 中分布較均勻；細(xì)節(jié)點(diǎn)對的相關(guān)性是獨(dú)立，各個(gè)相關(guān)是同等重要的；不 考慮形變指紋圖像匹配性能對檢測結(jié)果的影響。詳細(xì)步驟如下1)形變指紋圖像采集和預(yù)處理要求被采集人員首先放松的將手指放在采集儀器上(正常情況下的 指紋)，然后分別從四個(gè)方向上施加壓力，得到最大程度的形變0°， 90°， 180°， 270°。從而得到這一手指的形變圖像序列(FO， Fl， F2， F3， F4}。預(yù)處理操作包括1. 計(jì)算出圖像的邊界，進(jìn)行圖像的裁剪。2. 方向場的估計(jì)，計(jì)算出指紋圖像每個(gè)像素的方向。3. 基于各象素的方向釆取方向?yàn)V波算子進(jìn)行濾波。4. 二值化，根據(jù)濾波后的象素灰度值將指紋圖像處理為只有黑白二 種像素的圖像。5. 細(xì)化及后處理，把二值化指紋圖像的脊線寬度細(xì)化至只有一個(gè)像素，清除細(xì)化圖像中的不良脊線結(jié)構(gòu)。2) 提取對應(yīng)細(xì)節(jié)特征點(diǎn)對從預(yù)處理后的形變指紋骨架中，跟蹤提取細(xì)節(jié)特征點(diǎn)并進(jìn)行去偽處 理。位于圖像邊緣的細(xì)節(jié)點(diǎn)及分布過于密集的細(xì)節(jié)點(diǎn)集被判定為偽細(xì)節(jié) 特征點(diǎn)，不參與后面的匹配過程。采用基于三角局部特征的算法將采集 序列中正常采集的指紋圖像F0和四個(gè)方向的形變指紋圖像(Fl， F2， F3， F4)匹配。記錄F0中的細(xì)節(jié)點(diǎn)在形變前后的位置，得到相應(yīng)的細(xì) 節(jié)點(diǎn)對。實(shí)驗(yàn)證明三角匹配算法可以較好地處理形變較大的指紋圖像， 保證提取細(xì)節(jié)點(diǎn)對的數(shù)目和準(zhǔn)確性。圖1顯示了兩幅形變前后的指紋圖像及對應(yīng)的細(xì)節(jié)點(diǎn)對。其中圖la 為正常采集指紋FO;圖lb為90。方向形變指紋F2;圖lc中用連線標(biāo) 記對應(yīng)細(xì)節(jié)點(diǎn)對；3) TPS形變模型和彎曲能量向量薄板樣條模型(Thin Plate Splines),作為一種解決插值問題的方法，被 Bookstein提出用來模擬彎曲形變，而Bazen和Ross采用TPS模型來模擬指 紋圖像中的形變。從前面的分析中我們知道，活體指紋與假指紋由于材 質(zhì)不同，彈性也就不同，若在相同的方向施加相同的壓力的條件下，兩 者的形變模型是不一樣的，因此它們的TPS形變特征也存在一定程度的 差異。TPS模型能夠用來實(shí)現(xiàn)二維插值，計(jì)算基于任意相關(guān)點(diǎn)集的二維 到二維的映射。給出對應(yīng)點(diǎn)的坐標(biāo)和位置變化，TPS模型就能對這些點(diǎn) 進(jìn)行擬合，并且同時(shí)能保持最大的平滑度。設(shè)原來的坐標(biāo)點(diǎn)為(x,y)， 變換后對應(yīng)的坐標(biāo)點(diǎn)為(x',y')，貝UTPS模型的變換公式為(r,y)—義(x,力,A(xj)) 變換函數(shù)f(x，y)的定義如下式中，U(r)為根函數(shù)，U(r) = -r2* 1og(r2)， " = (^^2,"3)為仿射變換 向量。w表示非線性形變參數(shù)。P表示TPS模型要插值的基準(zhǔn)點(diǎn)，n表示 基準(zhǔn)點(diǎn)的數(shù)目。通過解下列的線性方程組可以求得TPS模型的參數(shù)<formula>formula see original document page 12</formula>代表點(diǎn)i到點(diǎn)j之間的距離(歐氏距離)；<formula>formula see original document page 12</formula>表 示原圖像中的第i個(gè)基準(zhǔn)點(diǎn)；q=g,(o)表示形變圖像中對應(yīng)的點(diǎn)坐標(biāo)，n是基準(zhǔn)點(diǎn)的個(gè)數(shù)。結(jié)合二維指紋圖像形變時(shí)的特點(diǎn)，我們對傳統(tǒng)的TPS模型加以約束 和改進(jìn)。TPS模型中的剛性變換由一個(gè)2x3的矩陣a決定，允許圖像平移，旋 轉(zhuǎn)及尺寸放縮。然而實(shí)驗(yàn)中指紋圖像由統(tǒng)一的指紋采集儀獲得，不存在 尺寸放縮。上一步驟中，從形變前后的指紋圖像提取了細(xì)節(jié)點(diǎn)對，采用 基于多參考點(diǎn)的整體配準(zhǔn)方法，計(jì)算指紋間的旋轉(zhuǎn)平移向量 △r = [Ax,Ay,M]，其中A^表示旋轉(zhuǎn)角度，Ax,A^分別表示x， y軸方向的位移。則模型中的剛性變換參數(shù)矩陣"為<formula>formula see original document page 13</formula>由于指紋圖像預(yù)處理和特征提取中存在誤差，細(xì)節(jié)點(diǎn)坐標(biāo)可能出現(xiàn)一定的偏移。采取松弛的TPS模型使變換函數(shù)更平滑，具有一定的容錯(cuò) 性。通過如下公式計(jì)算松弛TPS模型參數(shù)W:其中，I為nxn的單位矩陣，A取值和變換的平滑程度成正比。當(dāng)義取 極大值時(shí)，TPS模型退化為剛性變換。指紋圖像的形變程度可以用TPS模型的整體形變能量E來衡量詞M,￡T， A,分別表示TPS模型在x， y方向上的形變能量，由坐標(biāo)變換函 數(shù)在整個(gè)曲面表面上的二階偏導(dǎo)的積分給出，通過解一組線性方程組可 以求出最小彎曲能量。計(jì)算如下紅<formula>formula see original document page 13</formula>
其中，1 =込-尸/a,，O(x)表示和x值成正比。當(dāng)W為零矩陣時(shí)， 彎曲能量為0， TPS模型退化為剛性變換。圖2顯示了用TPS形變模型模擬指紋圖像形變的過程，包括圖2a、 圖2b、圖2c;圖2a為正常采集指紋圖2b為180。方向上的形變指紋， 圖2c為圖2a按TPS模型插值所得的形變指紋。比較可見，圖2b和圖 2c具有一定的相似性，按TPS模型插值所得的形變指紋，較好的模擬了 指紋形變情況。利用TPS模型對原圖像插值得到的形變指紋及計(jì)算出的彎曲能量值。計(jì)算指紋在四個(gè)方向上的形變能量，構(gòu)成整體彎曲能量向量 <formula>formula see original document page 13</formula>，圖3給出了活體指紋檢測的整個(gè)流程，第一行 顯示了采集的正常指紋和四個(gè)方向的形變指紋序列記為(FO， Fl， F2，F(xiàn)3， F4};第二行為預(yù)處理得到的細(xì)化圖像，并在其上標(biāo)記了細(xì)節(jié)點(diǎn)；分別把正常指紋和其余四幅形變指紋進(jìn)行匹配，得到對應(yīng)細(xì)節(jié)點(diǎn)對。由此可計(jì)算每幅形變圖像的形變能量。第三行為按TPS模型對正常圖像插 值得到的形變指紋。指紋上覆蓋網(wǎng)格以便于更好的觀察其形變模式；最 終由四個(gè)方向的形變能量構(gòu)成了待測手指的整體彎曲能量向量。4)模糊相似度分類分別計(jì)算輸入指紋彎曲能量i相對于真、假指紋形變特征序列的隸 屬程度。分別在采集的真、假指紋形變庫上進(jìn)行訓(xùn)練，得到真、假指紋 形變模式的參數(shù)空間，其中的全部元素組成了模糊特征集；采用柯西形 式的隸屬度函數(shù)，并調(diào)整輸入指紋到真、假特征空間隸屬度的權(quán)重，將 待測手指和真、假手指的相似度映射成歸一化的標(biāo)量；觀察形變指紋特 征參數(shù)空間內(nèi)訓(xùn)練樣本點(diǎn)的分布，找到合適的閾值，進(jìn)行活體指紋判別， 構(gòu)造或選擇一個(gè)合適的隸屬函數(shù)取決于其應(yīng)用的領(lǐng)域。最常用的隸屬函 數(shù)的類型有錐型，指數(shù)型和Cauchy型。我們采用了Cauchy函數(shù)的改進(jìn)形 式，它具有很好的表達(dá)形式且計(jì)算效率較高。在采集的真指紋形變庫上進(jìn)行訓(xùn)練，得到真指紋形變模式的參數(shù)空 間，其中的全部元素組成了模糊特征集》。定義隸屬度函數(shù)C,:54
如下<formula>formula see original document page 14</formula>其中z—f為集合乃中各元素的均值。特征集中的全部元素的平均能增加模糊特征的魯棒性，同時(shí)，有用信息的丟失也被隱藏在連續(xù)的過程當(dāng) 中，因?yàn)橐粋€(gè)特征向量集被繪制成單一的特征向量。當(dāng)卩中的每個(gè)元素大于S,中相應(yīng)的元素時(shí)，h(^f》=7>we; m禾口aeR， m〉0, a〉0， m與函 數(shù)的寬度成正比。"決定函數(shù)的平滑程度。對于確定的m，模糊度隨《值 的減少而增加。對固定的a，模糊度隨m值的增加而增大。很明顯，特征矢量距離矢量串的中心越遠(yuǎn)，模糊特征的相關(guān)程度就越低。同理，在采集的假指紋形變庫上進(jìn)行訓(xùn)練，得到假指紋形變模式的 參數(shù)空間f7。定義隸屬度函數(shù)C,:(7 —[O，l]如下if 1(^,5,) 二 7Vwe其中5,為集合f7中各元素的均值，當(dāng)i中的每個(gè)元素小于^中相應(yīng) 的元素時(shí)，l(5,^.) = 7>we;對于輸入的形變指紋序列，計(jì)算其彎曲能量向量i，然后分別測量 矢量^相對于模糊特征序列D， G的隸屬程度。最后，將輸入手指和真手 指的相似度映射成一個(gè)
區(qū)間內(nèi)的標(biāo)量。崎)=(1-p).C(1-，)其中，pe[O,l]，調(diào)整了輸入指紋到真、假特征空間隸屬度的比重。 觀察形變指紋特征參數(shù)空間內(nèi)的樣本點(diǎn)，找到合適的閾值，進(jìn)行判別。 實(shí)施例為了評(píng)價(jià)本發(fā)明的活體指紋檢測方法，制作了120個(gè)假指紋，材料 為硅樹脂AL20;同時(shí)，也采集了對應(yīng)手指的真指紋。建立了包括120個(gè) 真指紋，120個(gè)假指紋的測試庫。圖4顯示了假指紋的制作過程，圖4a為 假指紋模具(材料為石膏)，圖4b為相應(yīng)的假手指，圖4c為采集的假指紋圖像。實(shí)驗(yàn)中分別選取20個(gè)真手指和假手指進(jìn)行訓(xùn)練，得到相應(yīng)的形變特 征向量空間。測試過程包括1000次真指紋測試(IOO個(gè)真手指，每個(gè)手指按規(guī)則采集10個(gè)形變指 紋圖像序列)；<formula>formula see original document page 15</formula>iooo次假指紋測試(ioo個(gè)假手指，每個(gè)手指按規(guī)則采集io個(gè)形變指紋圖像序列)。設(shè)F力A表示活體指紋檢測中的誤識(shí)率(假指紋被識(shí)別成真指紋)； F/ / 表示活體指紋檢測中的據(jù)識(shí)率(真指紋被識(shí)別成假指紋)。則我們 可以用五五i (曲線上/^^ = /^/ 時(shí)的值)來作為活體指紋檢測方法的性能指標(biāo)。圖5給出了我們的活體指紋檢測方法的性能圖，圖5a顯示匹配 分?jǐn)?shù)分布,圖5b顯示FMR(t)和FNMR(t)曲線圖，圖5c顯示ROC曲線圖， 從圖中可以看出，算法的EER是4.5y。。在采集的形變指紋庫上的試驗(yàn)結(jié)果顯示，本算法有效的處理了活體 指紋檢測問題。對待檢測手指，采集其在四個(gè)方向上的形變圖像，提取 形變特征矢量，利用模糊相似度分類方法進(jìn)行判別，是簡單、快捷和有 效的。以上所述，僅為本發(fā)明中的具體實(shí)施方式
，但本發(fā)明的保護(hù)范圍并 不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理 解想到的變換或替換，都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi)，因此，本發(fā) 明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。
權(quán)利要求
1. 一種基于薄板樣條形變模型的活體指紋檢測方法，其特征在于，包括步驟步驟1采集待測手指的指紋序列并進(jìn)行預(yù)處理，包括一幅正常采集指紋和多個(gè)方向上的形變指紋；步驟2對形變前后的指紋圖像進(jìn)行配準(zhǔn)，選取對應(yīng)的細(xì)節(jié)特征點(diǎn)對作為估算薄板樣條模型的基準(zhǔn)點(diǎn)對；步驟3針對指紋圖像形變時(shí)無尺度變換的特點(diǎn)，采用改進(jìn)的薄板樣條模型描述指紋形變；基于模型參數(shù)計(jì)算待測指紋在各個(gè)方向上的形變能量，構(gòu)成整體彎曲能量向量；步驟4分別在真假指紋形變庫上訓(xùn)練，得到彎曲能量向量空間分布；分別計(jì)算待測的彎曲能量向量到真假彎曲能量模糊特征集的相似度；選取合適的閾值得到檢測結(jié)果。
5. 按照權(quán)利要求1所述的活體指紋檢測方法，其特征在于待測指 紋序列整體彎曲能量向量的計(jì)算包括分別計(jì)算待測手指在多個(gè)方向上形變前后指紋圖像的形變能量； 構(gòu)成整體彎曲能量向量，用特征矢量計(jì)算衡量待測手指的彈性形變 彎曲能量值的大小。
6. 按照權(quán)利要求l所述的的活體指紋檢測方法，其特征在于形變 前后指紋圖像的形變能量的計(jì)算包括用薄板樣條模型的整體形變能量來衡量形變前后指紋圖像間的形變 程度，定義為薄板樣條模型在x， y方向上的最小彎曲能量之和；當(dāng)薄板樣條模型參數(shù)為零矩陣時(shí)，彎曲能量為0，薄板樣條模型退化 為剛性變換。
7. 按照權(quán)利要求l所述的活體指紋檢測方法，其特征在于，采取模糊相似度分類方法進(jìn)行活體指紋判別，包括步驟計(jì)算待測手指的整體彎曲能量相對于真、假指紋形變特征序列的隸 屬程度；分別在采集的真、假指紋形變庫上進(jìn)行訓(xùn)練，得到真、假指紋形變模式的參數(shù)空間，其中的全部元素組成了模糊特征集；采用柯西形式的隸屬度函數(shù)，并調(diào)整輸入指紋到真、假特征空間隸屬度的權(quán)重，將待測手指和真、假手指的相似度映射成歸一化的標(biāo)量； 觀察形變指紋特征參數(shù)空間內(nèi)訓(xùn)練樣本點(diǎn)的分布，找到合適的閾值，進(jìn)行活體指紋判別。
全文摘要
本發(fā)明公開一種基于薄板樣條形變模型的活體指紋檢測方法，采集待測手指的指紋序列并預(yù)處理；對形變前后的指紋圖像進(jìn)行配準(zhǔn)，選取對應(yīng)的細(xì)節(jié)特征點(diǎn)對作為估算薄板樣條模型的基準(zhǔn)點(diǎn)對；采用改進(jìn)的薄板樣條模型描述指紋的形變；基于模型參數(shù)計(jì)算待測指紋在各個(gè)方向上的形變能量，構(gòu)成整體彎曲能量向量；分別在真假指紋形變庫上訓(xùn)練，得到彎曲能量向量空間分布；分別計(jì)算待測的彎曲能量向量到真假彎曲能量模糊特征集的相似度；選取合適的閾值得到檢測結(jié)果。本發(fā)明能將假指紋從活體指紋中檢測出來，實(shí)時(shí)和有效的實(shí)現(xiàn)活體指紋檢測，提高了自動(dòng)指紋識(shí)別系統(tǒng)的安全性，拓寬了其應(yīng)用范圍，在生物特征識(shí)別領(lǐng)域具有重要的應(yīng)用價(jià)值。
文檔編號(hào)G06K9/00GK101226589SQ200710062828
公開日2008年7月23日 申請日期2007年1月18日 優(yōu)先權(quán)日2007年1月18日
發(fā)明者張陽陽, 鑫 楊, 捷 田, 陳新建 申請人:中國科學(xué)院自動(dòng)化研究所