一、背景：
现在大多数的
指纹识别算法是基于细节点特征的匹配算法，在理想的情况下，如果：输入细节点集和模板细节点集之间不存在平移、旋转和尺度变形；指纹图像中的每个细节点都被准确的提取出来，且没有虚假细节点。则细节点匹配仅需统计重合细节点的对数，如果超过一定的数目，即可判断为匹配。然而在实际应用中，受各种主客观因素的影响，以上条件很难完全满足，致使指纹细节点匹配问题非常的困难。
二、指纹匹配算法
本文采用的是局部匹配和全局验证结合的匹配方法。首先，待匹配指纹与模板指纹之间的局部特征向量进行匹配，得到局部特征向量匹配对；然后，对得到的局部特征向量匹配对进行全局验证，剔除其中的虚假匹配对。
局部特征向量构成：每个细节点以其为中心在半径为R的范围内查找距离最近的k个细节点（k一般取5-6），该细节点及其k个相邻细节点就构成了一个局部结构特征。通过提取局部结构的信息和原有的细节点基本信息一起构成了局部结构特征向量。
局部特征向量匹配：
首先进行特征向量中的中心细节点的匹配，这里主要进行中心细节点所在脊线的采样点匹配。考虑到
指纹图像采集过程中的各种因素的影响，得到细节点的类型可能与真实的类型不一致，因此这里并不要求细节点的类型匹配，如果不匹配，则在匹配分数上扣分。这个步骤主要的目的是迅速排除不匹配的特征向量对
根据局部结构信息，找出基准邻点，以该邻点为基准找出其余匹配的邻点。其中基准邻点的选取原则是：该邻点在满足动态容限下可以对准更多的其余的邻点
计算匹配分数，匹配分数包括细节点基本信息和品牌分值和结构信息的品牌分值
验证局部特征向量匹配对：局部匹配时只考虑了细节点及其邻近细节点的结构关系，由于匹配时采用了动态容限和误差容限，因此在已经匹配上的局部匹配对立可能存在一部分误匹配对，甚至是不同指纹但匹配上来较多的局部匹配对。这时只考虑局部结构特征不足以把误匹配对剔除，因此需要利用全局关系来剔除他们。
设输入
指纹的特征向量集为P，模板的特征向量集为Q，P和Q在局部匹配中匹配上的特征向量集分别为 ，如果Mp 中的第i个特征向量与 MQ中的第i个特征向量是真正匹配对，那么Mp 中的特征向量i和 Mp的其余任意特征向量k的距离与MQ 众相应的特征向量i、k的距离差值在误差容限内， Mp的特征向量i、k的中心细节地方向夹角与 MQ的特征向量i、k的中心细节点方向夹角差值在误差容限内。
设G(i) 为和特征向量i的距离关系满足上述条件的其余特征向量数目：
如果，即特征向量i和超过半数的其余特征向量的距离关系满足条件，可以认为匹配对i为真，否则为伪匹配对。
您可能也喜欢这些文章
a&s是国际知名展览公司——德国法兰克福展览集团旗下专业的自动化&安全生态服务平台，为智慧安防、智慧生活、智能交通、智能建筑、IT通讯&网络等从业者提供市场分析、技术资讯、方案评估、行业预测等，为读者搭建专业的行业交流平台。
粤公网安备 44030402000264号
