基于深度学习的污损指纹识别研究

来源：电子与信息学报杂志2017年第7期北京时间：

作者：吴震东, 王雅妮, 章坚武

单位：1.(杭州电子科技大学网络空间安全学院 杭州 310018) ②(杭州电子科技大学通信工程学院 杭州 310018)

摘要：随着社会信息化水平的提高及不稳定因素的增加，人们迫切需要更加可靠的识别技术对身份进行认证。因此，利用生物特征进行鉴定已成为时下热潮。其中的指纹识别更是因其方便性和可靠性受到普遍认同。传统的指纹识别方法基于特征点比对寻求相似性，此种方法特征点寻找容易出错，且随着指纹的模糊、破坏、污损或是其他问题，均会使识别率明显降低。针对这些问题，该文提出基于深度卷积神经网络(CNN)的CBF-FFPF(Central Block Fingerprint and Fuzzy Feature Points Fingerprint)算法对污损指纹图像进行分类识别。CBF-FFPF算法提取指纹中心点分块图像及特征点模糊化图，合并后输入CNN网络，进行指纹深层特征识别。将该算法与基于主成分分析(KPCA)，超限学习机(ELM)和k近邻分类器(KNN)的指纹识别算法进行比较，实验结果表明，所提出的CBF-FFPF算法对污损指纹识别有更高的识别率和更好的鲁棒性。

关键词：指纹识别, 卷积神经网络, 分块指纹, 指纹深层特征

基金资助：国家重点研发计划(2016YFB0800201)，浙江省自然科学基金(LY16F020016)，浙江省重点科技创新团队项目(2013TD03)