基于linux的嵌入式指纹识别系统设计

指纹识别技术是一种重要的生物身份识别技术.也是目前生物识别技术发展的最为成熟的一个分支.在linux的环境下,架构嵌入式指纹识别系统,并对指纹系统的四大步骤:指纹图像的获取、图像的预处理、特片点的提取以及特征匹配进行阐述.对嵌入式指纹识别的研究起到一定的借鉴作用.     

基于图像场能分析的指纹图像增强

手指的脱皮老化以及活体指纹传感器带来的图像误差易影响指纹图像的成像质量.为此,针对低质量指纹图像中存在的纹线断裂、脊谷粘连以及手指脱皮造成的区域性模糊等问题,提出了一种基于指纹图像场能分析的指纹图像增强算法.算法分析和计算了指纹图像的强度场、梯度场、方向场和频率场,并在分析图像本身特点的基础上结合各场能具体信息以及Gabor滤波原理对指纹图像进行逐步的增强处理.实践表明,整套算法对低质量指纹图像增强效果良好,能大幅度提高指纹图像质量.     

基于图像场的指纹图像预处理算法研究与实现

指纹识别技术主要包括指纹图像预处理,指纹图像特征提取和指纹图像特征比对三大模块。作为指纹识别的关键技术之一,指纹图像预处理的质量好坏将直接影响到后续的处理过程和最终识别结果的正确性及可靠性。预处理的目的是尽量消除所采集到的指纹图像噪声,并将指纹骨架估计提取出来,以便进行指纹特征的提取工作。本文主要讲述了基于图像场的指纹图像预处理算法,主要包括基于图像场的指纹图像分割,滤波,二值化和细化等几个步骤,并且经由VC平台编程实现,以验证算法的有效性和可行性。     

基于Auto Encoder的智能监控指纹识别系统

针对目前已有的嵌入式指纹识别系统往往采用手工提取,不能自动学习并提取识别所需的特征及识别正确率仍然不高的缺点,提出一种基于自动编码器(Auto Encoder)和LSSVM的指纹识别系统。首先,提出采用FPS200作为指纹传感器采集指纹数据,然后将采集的数据经过滤波和二值化等预处理,通过比较差异算法获得Auto Encoder中的权值和偏置等参数,从而得到训练好的Auto Encoder用于指纹图像特征提取。最后,将自动提取的特征进行训练和分类,将投票最多的分类作为指纹识别的结果。通过测试表明,系统能较精确地实现指纹识别,具有收敛速度快、正确识别率高和匹配时间短的优点。     

指纹采集技术现状及其发展前景

随着电子设备不断进入日常工作和生活。以及电子商务的广泛应用,需要有更可靠的系统来进行身份认证,生物识别技术己成为一种公认的最为方便和安全的身份认证技术,其中指纹识别技术发展最成熟、应用也最广泛。指纹图像的采集技术是指纹识别中的关键技术之一。     

基于ARM的移动指纹交付系统研制

本文基于STM32单片机研制了一款指纹识别系统。电容式指纹传感器把采集到的数据经STM32传输给基于eeprom开发的文件系统进行保存排列相关信息,当电容式指纹传感器再次识别此指纹时,将相关数据反传给ARM控制器,ARM控制器接受到此预定数据,执行相关付费操作,一方面把此时用户信息通过STM32导入文件库进行保存以进行下次操作,另一方面通过相关显示设备进行用户展示。该系统智能化程度高,使用方便,可以代替传统的IC卡服务,而且可以通过加装无线装置扩展其功能。     

基于SSDA的模板匹配法在指纹识别中的应用

基于细节提取的指纹识别算法需要进行复杂的预处理,直接FFT求相关系数法计算量很大．提出了一种结合SSDA和模板匹配法的指纹识别算法．试图简化处理过程,提高处理速度．其基本思想是采用序贯相似性检测算法（SSDA）快速得到候选匹配子图,再通过求子图与模板的相关系数来判别两幅指纹图像是否匹配．采用指纹库中的指纹图像进行了大量实验．实验表明,该算法简化了处理过程,相对于直接FFT求相关系数法,运算速度提高了近10倍．     

指纹采集技术及其发展趋势

生物识别技术已成为一种公认的最为方便和安全的身份认证技术。生物识别技术中的指纹识别技术发展最成熟、应用也最广泛。指纹图像的采集技术是指纹识别中的关键技术之一。     

基于ARM7的校园一指通系统设计

研究了一种可替代校园饭卡付费系统的指纹识别系统,该系统由服务器管理模块和操作终端模块构成,二者经由网线通信。设计了基于ARM7的操作终端硬件电路,编写了驱动USB接口芯片和网卡芯片的C语言程序。主机服务器安装指纹比对程序通过对终端传输来的指纹图像信息进行比对确认学生身份,进而进行计费操作。同时由于该系统在现有的网络条件下通过拓展终端可以方便的扩充系统,因此具有较好的发展空间和应用前景。     

结合遗传算法与方向图法的指纹图像分割

指纹作为人体的重要特征，由于其唯一性和终生不变性，越来越成为生物测定技术的重要手段，在自动指纹识别中，指纹图像分割是图像预处理中关键的一环，不仅能够对图像信息进行压缩，保留脊谷线的主要信息，同时能够去除大量的粘连，加速后续处理的速度和提高指纹特征提取和匹配的精度，将基于遗传算法的阈值分割方法和方向图法相结合对指纹图像进行分割。     

具有结构化方向信息和特征点检测的指纹分类算法研究

针对大型指数数据库中的匹配难点,基于异常点检测及其相互位置关系和结构化方向信息,提出了一种针对指纹图像质量较差环境下的分类算法。实验结果表明,该算法具有良好的特性,满足实用要求。     

指纹伪特征信息去除算法研究

在细化后指纹图像中,存在着许多特征信息。准确提取出真实特征信息是指纹工作的重要步骤。因此,要对出现的不同伪信息特征进行删除,首先对不同图像采用自动测量纹线间距,确定后处理中用到的阈值。然后,区分伪特征的类型,对短线、断线、小桥等类型采用改进的方法去除,对边界的、三角和岛屿等采用全新的方法去除。     

Real and Altered Fingerprint Classification Based on Various Features andClassifiers

Biometric recognition refers to the identification of individuals through their unique behavioral features (e.g., fingerprint, face, and iris). We need distinguishing characteristics to identify people, such as fingerprints, which are world-renowned as the most reliable method to identify people. The recognition of fingerprints has become a standard procedure in forensics, and different techniques are available for this purpose. Most current techniques lack interest in image enhancement and rely on high-dimensional features to generate classification models. Therefore, we proposed an effective fingerprint classification method for classifying the fingerprint image as authentic or altered since criminals and hackers routinely change their fingerprints to generate fake ones. In order to improve fingerprint classification accuracy, our proposed method used the most effective texture features and classifiers. Discriminant Analysis (DCA) and Gaussian Discriminant Analysis (GDA) are employed as classifiers, along with Histogram of Oriented Gradient (HOG) and Segmentation-based Feature Texture Analysis (SFTA) feature vectors as inputs. The performance of the classifiers is determined by assessing a range of feature sets, and the most accurate results are obtained. The proposed method is tested using a Sokoto Coventry Fingerprint Dataset (SOCOFing). The SOCOFing project includes 6,000 fingerprint images collected from 600 African people whose fingerprints were taken ten times. Three distinct degrees of obliteration, central rotation, and z-cut have been performed to obtain synthetically altered replicas of the genuine fingerprints. The proposal achieved massive success with a classification accuracy reaching 99%. The experimental results indicate that the proposed method for fingerprint classification is feasible and effective. The experiments also showed that the proposed SFTA-based GDA method outperformed state-of-art approaches in feature dimension and classification accuracy.     

基于离散度和EBFNN的指纹分类方法

针对指纹图像中的较大平移和旋转,提出了一种基于离散度和EBFNN的指纹分类方法.首先,对指纹图像进行离散小波变换获得特征空间.然后,对特征空间进行搜索得到不同维数下的优化特征组合,通过研究这些优化特征组合的散度值随维数的变化趋势,最终确定特征向量的构成.最后,以此特征向量训练EBFNN,完成指纹纹型分类,并在FVC2000和FVC2002-DB1上作了测试.实验结果表明,当隐层节点为11时 ,总的纹型辨识正确率可达91.45%,而且对指纹图像中的平移和旋转具有良好的鲁棒性,具有一定的实用价值.     

指纹识别系统中的预处理组合算法

针对电容式传感器采集的指纹图像的特点,本文提出了一套完整的指纹图像预处理组合算法.该算法充分考虑到了采集到的指纹图像的质量和图像面积等问题,且从全局角度出发在当前原有算法基础上加入了两次滤波去噪来增强指纹纹线并有效消除噪声以得到更清晰准确的处理结果.算法首先对采集到的指纹图像采用边缘保持滤波法去除噪声;然后使用基于纹路方向性的Cabor滤波图像增强算法增强去噪后的指纹图像,减少因指纹旋转及平移因素造成的误差;接着对增强后的图像采用动态阈值法进行二值化处理并进一步地二次滤波去噪;最后采用基于形态学的细化算法对二值图像进行细化将其变为点线图.实验证明,通过该算法处理后的图像很好地保留了纹线的关键信息,有利于后续的指纹特征提取和匹配.     

A sub-region image registration algorithm with weight-based hierarchical importance sample consensus for moving target detection

The image registration is the key part in moving target detection (MTD), including extracting feature points, matching feature points and estimating motion model. While MTD always confronts with camera irregular movement and complex scenes where many small moving targets are mixed with the background, the accuracy of motion model estimation is seriously affected by these problems. So, our job focuses on estimating a motion model. We present a novel sub-region image registration algorithm with weight-based hierarchical importance sample consensus (WHISAC) to efficiently estimate motion model. Image registration based on sub-region is for removing background motions in different regions called sub-region, and the motion models of sub-regions are separately estimated. Then, in WHISAC, for overcoming the flaws that the ratios of outliers' increases in sub-regions and small moving targets are regarded as inliers wrongly, weights combining into a quality function are proposed to indicate the types of correspondences for guiding sampling. Samples in the WHISAC are drawn hierarchically a different number in the data set sorted by the quality function. Finally, the motion model based on the consensus is obtained by WHISAC. Compared to RANSAC and LMeds, WHISAC has more accurate consensus, faster convergent speed and different images with less interference which facilitates the subsequent target detections in the MTD system.     

一种零件综合质量评定方法研究

零件的质量评定是柔性智能制造中十分重要的环节。现有的自动化识别装置一般采用非人工接触的光学检测系统,但由于工况环境复杂,诸多干扰因素均会影响零件质量检测与评定的准确性。另外,工业现场的连续作业对工控机硬件的运行速度、光学检测系统的环境适应性以及质量评定算法的预测准确性都提出了更高的要求。基于此,提出一种基于机器视觉与机器学习的零件综合质量评定方法。首先,借助机器视觉技术完成被测零件图像的实时采集与处理,并利用灰度匹配算法与几何匹配算法对零件的图像与CAD（computer aided design,计算机辅助设计）机械加工图进行比较,求解得到灰度匹配分数与几何匹配分数这2个几何特征参数。然后,针对零件表面的缺陷（如划伤、磨损、边缘缺料及锈蚀等）,在图像预处理（灰度化、图像增强、高斯降噪和二值化）的基础上,求解得到图像灰度的均值和标准差这2个表面缺陷特征参数。最后,借助主成分分析（principal component analysis, PCA）对零件的四维特征数据集进行降维处理,并利用K最近邻（K-nearest neighbor, KNN）算法对降维后的数据集进行训练和预测,完成零件综合质量评定;在此基础上,比较KNN算法与其他机器学习算法的准确率、召回率和特异度等指标,以验证其可行性。实验结果表明,所搭建的光学检测与处理系统在不同光源条件下的识别准确率达到96.15%以上;当相机的快门时间设定为100 μs时,该系统的图像处理速度达到45.2 帧/s。所提出的零件综合质量评定方法具有较高的准确率与处理速度,适用于复杂工况下零件的综合质量评定。     

基于液滴指纹图波形分析的液体识别方法

为了定量地描述“光电液滴指纹图”鉴别液体的功能,提出一种波形分析法来提取指纹图的特征参数。采用“邻域比较法”或“基于最大值和最小值的极值检测法”确定指纹图的峰谷位置,分别计算表征主峰、次峰和波谷的电容信号和光纤信号的参数,以及指纹图的曲线长度和曲线面积。实验证明,“曲线面积”是最有效的识别参数,不同种类液体的相对分辨率为7.45%;同一种类不同品牌的水、饮料、酒、醋和酱油的相对分辨率分别为1.96%,7.64%,14.39%,0.07%和3.65%。指纹图的“次峰”是相对较弱的特征,相对分辨率仅为0.07%。