圖1多指紋傳感器驗證系統框架圖

1.1指紋傳感器的類(lèi)型和工作原理

由于當今指紋傳感器規格很多，但是，至今仍然沒(méi)有一個(gè)恰當和統一的協(xié)議和標準。目前，市場(chǎng)上現有的傳感器主要有光學(xué)傳感器和電容式傳感器兩類(lèi)。

1.1.1光學(xué)傳感器工作原理

它的基本原理如下：將手指按壓在玻璃平面的一側，在玻璃的另一側安裝有LED光源和CCD攝像頭，LED發(fā)出的光束以一定的角度照射向玻璃，攝像頭用于接收從玻璃表面反射回的光線(xiàn)。手指上的脊線(xiàn)與玻璃表面接觸，谷線(xiàn)不與玻璃表面接觸，因此，照射在指紋脊線(xiàn)所接觸部分的玻璃表面的光線(xiàn)被漫反射，而照射在指紋谷線(xiàn)所對應的玻璃表面的光線(xiàn)被全反射，從而在由CCD攝像頭捕獲的圖像中，對應指紋脊線(xiàn)的部分顏色較深，對應指紋谷線(xiàn)的部分顏色較淺。

1.1.2電容傳感器工作原理

電容傳感器原理根據按壓到采集頭上的手指的脊和谷在手指表皮和芯片之間產(chǎn)生不同的電容，芯片通過(guò)測量空間中的不同的電磁場(chǎng)得到完整的指紋。由這一構造原理，可以大大地提高指紋的防偽性。偽造的指紋一般用硅樹(shù)脂或者白明膠等絕緣材料，在電容傳感器上是無(wú)法成像的，這樣使偽造的指紋無(wú)用武之地。但電容技術(shù)的芯片昂貴，且易受到干擾。

1.2指紋圖像處理

在該識別過(guò)程中，首先，通過(guò)指紋采集儀器采集到指紋J，由于采集指紋圖像時(shí)圖像質(zhì)量不高或者在捺取指紋過(guò)程中因用力不均造成指紋畸變，常常會(huì )造成指紋圖像分割的不準確，給后續的指紋識別帶來(lái)更大的困難，造成指紋自動(dòng)識別系統的拒識或誤識，所以，指紋采集后的第一個(gè)關(guān)鍵技術(shù)就是對采集到的指紋圖像進(jìn)行預處理，包括對指紋圖像的增強、二值化和細化等。預處理完成后即可進(jìn)行特征提取，然后，進(jìn)行特征匹配，輸出匹配結果，如圖2.

圖2指紋圖像預處理步驟

最后，細節點(diǎn)被提取出來(lái)，細節點(diǎn)定義為：端點(diǎn)和分又點(diǎn)（如圖3），紋線(xiàn)端點(diǎn)是一條紋路的終結點(diǎn)，而紋線(xiàn)分叉點(diǎn)是一條紋路再次分開(kāi)成為兩條紋路的點(diǎn)。這2種特征點(diǎn)在指紋圖像中出現的幾率最大、最穩定，易于檢測，而且，足以描述指紋的唯一性。

圖3指紋細節點(diǎn)類(lèi)型

兩幅指紋圖像的匹配主要是解決旋轉、平移和形變等問(wèn)題。本文中，指紋匹配的輸入是2個(gè)特征點(diǎn)的點(diǎn)集尸與Q，其中一個(gè)點(diǎn)集P是從輸入的指紋圖像中提取出來(lái)的，另一個(gè)點(diǎn)集合Q則是預先從標準的指紋圖像中提取出來(lái)儲存在模板庫中。這2個(gè)點(diǎn)集合分別表示為

其中，記錄了點(diǎn)集P中第i個(gè)特征點(diǎn)的3條信息：坐標、Y坐標與方向，則記錄了點(diǎn)集Q中第j個(gè)特征點(diǎn)的3條信息：x坐標，y坐標與方向。假設兩幅指紋圖可以完全匹配起來(lái)，則可通過(guò)對輸入的指紋圖作某種變換（旋轉、平移與伸縮）得到模板中的指紋圖，因此，點(diǎn)集P可以通過(guò)旋轉、平移與伸縮等變換近似成點(diǎn)集Q.

為了能夠將輸入指紋圖像中的某一個(gè)特征點(diǎn)按照一定的變換方式轉換成模板指紋圖像中的相對應位置，需要知道相應的變換因子，△x與△y分別為x，y方向上的平移因子，△θ則是旋轉因子。匹配基準點(diǎn)的確定是通過(guò)判斷這2個(gè)三角形的相似程度得到的，在求取了兩幅指紋圖像之間的匹配基準點(diǎn)和變換因子后，本文對待識別指紋相對于模板指紋進(jìn)行旋轉、平移變換，以便判斷兩枚指紋是否來(lái)自于同一個(gè)手指。在本文中，求取變換后的待識別指紋的特征點(diǎn)坐標位置和所在區域的紋線(xiàn)方向。然后，將變換后的待識別指紋特征點(diǎn)集疊加到模板指紋特征點(diǎn)集上，檢測2個(gè)特征點(diǎn)集合中相重合的特征點(diǎn)數目。由于本文中的匹配是一種非精確匹配，即使是一對匹配的特征點(diǎn)對，它們之問(wèn)也不會(huì )完全重合，總是在位置、方向上存在有一定的偏差，所以，必須有一定的偏差容忍度。

為此，本文采用一種稱(chēng)為界定盒的方法。對模板指紋特征點(diǎn)集中的每一個(gè)特征點(diǎn)，選取它周?chē)�的一個(gè)矩形區域作為它的界定盒，只要變換后的待識別指紋中的特征點(diǎn)經(jīng)過(guò)疊加后落在這個(gè)區域之內，而且，方向基本一致，可以認為這2個(gè)特征點(diǎn)對是一對匹配的特征點(diǎn)。

最后，算法統計所有相匹配的特征點(diǎn)數目，通過(guò)式（1）轉換成匹配分數，其中，maxscore是通過(guò)疊加匹配的細節點(diǎn)個(gè)數得到的最大匹配得分，Temp—Num和Input—Num分別是模板和輸入指紋的細節點(diǎn)數目

計算的匹配分數代表了相比較的兩幅指紋的相似程度。參數值越大，相似性程度越高，而如果得分較小時(shí)，說(shuō)明這一用戶(hù)不一定是其宣稱(chēng)的用戶(hù)，訪(fǎng)問(wèn)將被拒絕。

本文所使用的算法是一種典型的基于特征點(diǎn)坐標模型的點(diǎn)模式匹配算法。它對匹配過(guò)程中最難的一步一基準點(diǎn)的確定和變換參數的求取作了較深入的研究，根據3個(gè)近鄰的特征點(diǎn)之間的相互關(guān)系來(lái)確定基準點(diǎn)、求取變換參數。該算法在一定程度上能夠加快基準點(diǎn)的求取，從而提高整個(gè)匹配算法的速度。同時(shí)，該算法是根據多點(diǎn)來(lái)確定變換參數，而不是通常意義上的一點(diǎn)，在一定程度上可以消除在特征提取過(guò)程中所引入的位置、角度的偏差，得到更為準確的變換參數。

1.3光學(xué)和電容傳感器的融合

So， Sc是分別由光學(xué)傳感器和電容傳感器采集的圖像運用匹配算法所獲得的匹配分數，s融合后的分數和S.So， Sc之間有如下關(guān)系

將S和設定的閾值相比較：if：S＞threshold系統允許進(jìn)入，為真；否則，系統拒絕該用戶(hù)，當然，上述方法也可用于2只以上的，。

根據方程（2）研究了兩種類(lèi)型的匹配分數轉換執行融合規則，第一種類(lèi)型融合規則屬于所謂的固定融合規則，因為它們不需要參數估計，尤其研究了兩類(lèi)傳感器的匹配分數中值

第二種融合是所謂的訓練樣本規則，因為它們需要為了獲得理想的閾值分數而讓樣本經(jīng)過(guò)多次訓練，采用公式（4）訓練樣本

式中W0，W1，W2為權值向量，顯然，中值融合的效果要差于邏輯融合，邏輯融合的過(guò)程就是以中值為基礎，經(jīng)過(guò)多次迭代，總能找到一組合適的權值向量（W0，W1，W2），使得閾值分數S接近于最佳值。

2實(shí)驗結果

隨機抽取20個(gè)人，每個(gè)人使用3個(gè)手指，分別為大拇指、食指、中指，使用光學(xué)和電容傳感器，每個(gè)手指按壓10次，每個(gè)人采集到的指紋數為6×10=60，共有指紋20×60=1200.對于每一個(gè)驗證算法兩類(lèi)集合的匹配分數。第一次匹配稱(chēng)為“真正匹配分數（真正用戶(hù)之間）G集合，第二次是”假匹配分數“（”假冒用戶(hù)之問(wèn)“）I集合。

隨機細分以上集為2個(gè)大小相同的集合：G=G1 U G2，I=I1 U I2，G1， G2和I1， I2分別是G和I的分離集合。訓練集合Tr={G1，I1}用于計算邏輯融合規則的權重，測試集合Tx={G2，I2}用于評價(jià)和比較算法性能。它包含以下幾個(gè)指標：

訓練樣本集合的等錯誤率（EER），也就是當真正用戶(hù)被系統錯誤拒絕的百分比（FRR）等于假冒用戶(hù)被系統錯誤接受的百分比（FAR）。

電容傳感器性能明顯差于光學(xué)傳感器。其原因主要是電容傳感器采集圖像時(shí)的接觸面積遠遠小于光學(xué)傳感器。直接導致了其采集的圖像提取的細節點(diǎn)數目少，因此，提取的細節點(diǎn)不能彼此正確的匹配。

從等錯誤率計算的融合結果來(lái)看，性能也有很大的提高，邏輯融合減少EER從3.6%到2.9%.測試樣本的結果也表明融合提高了系統的魯棒性，實(shí)際上，在邏輯融合（表1第5行）以后，訓練樣本的性能（表1第2列）和測試樣本的性能偏差（表l第3列和第4列）大大減小了。

該實(shí)驗結果與Gian Luca實(shí)驗結果對比，發(fā)現得到的結果指標低于文獻[7]的指標，其中原因可能是本文使用的采集器性能比較差，以致獲得的指紋圖像質(zhì)量不夠理想而導致指標稍弱，另外，可能就是本文使用的算法獲得的匹配結果不夠理想。

3結論

本文提出了基于光學(xué)和電容傳感器多傳感器指紋驗證系統。實(shí)驗結果表明：驗證后的多傳感器系統性能優(yōu)于最好的單一傳感器陛能（光學(xué)傳感器），而且，光學(xué)和電容傳感器匹配器兩者之間的互補性也表明了多傳感器融合的可能性，從理論上來(lái)說(shuō)系統本身也獲得了很低的驗證錯誤率。特征提取過(guò)程被分別應用到每一個(gè)采集設備采集到的圖片，應用一個(gè)簡(jiǎn)單的融合規則，提高系統的驗證性能。因此，融合不同類(lèi)型的傳感器提高系統性能方案簡(jiǎn)單易行。