專利名稱：一種基于信息融合技術(shù)的指紋識別方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識別和信息處理技術(shù)領(lǐng)域，特別涉及指紋識別技術(shù)，尤其涉及一 種基于信息融合技術(shù)的指紋識別方法及裝置。
背景技術(shù)：
隨著計算機圖像處理和模式識別技術(shù)的發(fā)展，生物識別技術(shù)正得到越來越多的關(guān) 注和應(yīng)用。由于指紋、虹膜、掌紋、人臉、聲紋等生物特征具有唯一性和穩(wěn)定性、便于采樣及 可靠性高的優(yōu)點，已經(jīng)成為個人身份認證的最有效的手段之一，其中的指紋識別技術(shù)更是 生物識別技術(shù)的熱點，具有很高的實用性和可行性，其識別結(jié)果，具有法律效力。

圖1所示為指紋識別過程包含的基本步驟，主要涉及步驟101指紋圖像采集、步驟 102指紋圖像處理、步驟103指紋特征提取、步驟104指紋特征匹配，最后得到識別結(jié)果(匹 配或不匹配)。其中，步驟104指紋特征匹配就是用指紋匹配算法對指紋特征參數(shù)進行匹配 運算，運算結(jié)果就是識別結(jié)果?，F(xiàn)有技術(shù)已經(jīng)發(fā)展出多種指紋匹配算法，不同的指紋匹配算法基于指紋圖像的不 同特征的，例如基于點模式的指紋匹配算法、基于局部紋理的指紋匹配算法、基于混合特征 的指紋匹配算法和基于圖的指紋匹配算法等。圖2為現(xiàn)有技術(shù)的指紋識別方法在指紋特征匹配階段的示意圖。在特征提取階段 提取的某一類指紋特征由單一的匹配算法進行匹配運算得到識別結(jié)果。圖2所示的指紋識 別方法的可靠性只由單一指紋匹配算法決定。由于不同的指紋匹配算法是基于指紋圖像的 不同特征，故不同的指紋匹配算法都具有自己的特點，適用于不同尺寸、質(zhì)量和形變的指紋 圖像，并在可靠性、速度和抗干擾性方面有不同的優(yōu)勢和劣勢。單一指紋匹配算法所涵蓋的信息顯然不如多個指紋匹配算法所涵蓋的信息全面、 豐富、準(zhǔn)確；另外，單一指紋匹配結(jié)果的誤報風(fēng)險大、可靠性和容錯性低的缺陷，也使前者無 法和后者相提并論。如果能通過信息融合技術(shù)將多種指紋特征匹配算法結(jié)合起來，發(fā)展出一種可靠的 融合多種指紋特征匹配算法特點的指紋識別方法，能夠合理地結(jié)合不同的指紋特征指紋匹 配算法的特點，突出和保留算法的優(yōu)勢，減少和去除算法的劣勢，將各種指紋匹配算法的效 能發(fā)揮到最大，這將對指紋識別技術(shù)的發(fā)展起到較大的推動作用。所謂信息融合技術(shù)，是綜合協(xié)調(diào)各子源信息，提高和改善信息處理系統(tǒng)性能的新 興技術(shù)。它通過多方位、多角度、多時空、多頻段、多機理的技術(shù)處理，減少各子源信息的矛 盾成份，強化共性因素，克服單源性能的局限性，利用子源信息間的競爭性、冗余性和互補 性，有效地整合和管理信息，為決策者的認知過程提供真實、清晰、完整的素材，從而得出高 度準(zhǔn)確、可靠的決策信息。D-S證據(jù)理論是一種重要的信息融合算法。該理論是由Dempster于1967年最初 提出，后經(jīng)他的學(xué)生Shafer在1976年進一步發(fā)展、完善形成的一種不確定性推理的人工智 能方法。由于D-S證據(jù)理論為不確定性信息的表達和合成提供了自然而強有力的方法，具
8有獨特的優(yōu)勢，這使得它在信息融合、智能決策系統(tǒng)以及專家系統(tǒng)等多個領(lǐng)域中應(yīng)用的效 果比較顯著。D-S證據(jù)理論能較好地考慮和處理各子源本身性能對融合中心的影響和特點， 可以合理地模仿人腦對各種信息加工整合的過程，較好地發(fā)揮注意過程和自組織過程各自 的作用，有利于提高最終決策的準(zhǔn)確性和可靠性。且其無需知道先驗概率，根據(jù)數(shù)據(jù)本身提 供的信息，就能進行證據(jù)組合。但D-S證據(jù)理論也存在著不少問題，主要體現(xiàn)在如下三個方面(1)、證據(jù)組合條件嚴(yán)格，要求證據(jù)彼此間獨立，且要求識別框架能夠識別證據(jù)的 相互作用；(2)、容易引起焦元數(shù)目急劇增加，計算量呈指數(shù)增長，這是D-S證據(jù)理論實際應(yīng) 用的難題之一；(3)、組合規(guī)則無法處理沖突，并無法分辨證據(jù)所在子集的大小以實現(xiàn)按不同的權(quán)
重聚焦。對于第一個方面的問題，已有不少專家和研究者進行了探討，如提出相關(guān)證據(jù)的 概念，對D-S證據(jù)理論組合進行了適當(dāng)?shù)匦薷摹５诙€方面的問題，是妨礙D-S證據(jù)理論在信息融合領(lǐng)域更加廣泛運用的最主要 原因。目前大多數(shù)的研究工作試圖通過減少焦元個數(shù)，采用近似計算的方法來解決此問題。 如用一致性近似的方法、“修剪D-S算法”等。但都存在一定的缺點，如一致性近似方法 雖利于證據(jù)的表達，但計算誤差大；“修剪”D-S算法雖減少了計算量，提高了算法的自適應(yīng) 性，但證據(jù)合成的次序?qū)\算結(jié)果有影響等。對于第三個方面的問題，國內(nèi)外專家、學(xué)者提出了諸多改進的方法，如采用非歸 一化的摒棄沖突法、Yager的沖突信息歸入全集法、Toshiyuki的折中法、平均法、證據(jù)加權(quán) 組合法、吸收法等。這些改進方法也存在一定的缺點摒棄沖突法，雖然避免了沖突，但得到的結(jié)果卻是不全面、有損失的，因為它丟棄 沖突部分的信度；沖突信息歸入全集法，在避免了沖突的同時，又沒有放棄沖突，但此法卻增強了組 合后的不確定性，加大了最終決策的難度；折中法雖然克服了 D-S證據(jù)理論和沖突信息歸入全集法的缺陷，包容了二者的優(yōu) 點，但如何得到最佳的折中值，是一個比較困難的問題，選擇的過程也較麻煩，這是該方法 存在的明顯不足；平均法沒有區(qū)分沖突和不沖突信息，對所有證據(jù)都進行平均處理，沒有起到壓縮 和減少錯誤信息及加強有用、正確信息的作用；證據(jù)加權(quán)組合法起到了組合結(jié)果不確定性減少，信息量增加的作用，但對沖突信 息的處理仍然沒有解決好，另外，最佳權(quán)值的確定也是個難點；吸收法是將沖突指派分配給基本概率分配函數(shù)(BPAF，Basic Probability Assignment Function)最大的焦元，不?？紤]沖突對其他焦元的影響。綜上所述，依靠現(xiàn)有的這些改進型D-S證據(jù)理論進行基于信息融合技術(shù)的指紋識 別，仍然在準(zhǔn)確性和可靠性方面存在各種各樣的問題，必須針對指紋識別的具體應(yīng)用情況， 對其進行改進。

發(fā)明內(nèi)容
本發(fā)明提供了一種基于信息融合技術(shù)的指紋識別方法及裝置，可以相對于現(xiàn)有技 術(shù)進一步提高指紋識別的準(zhǔn)確性和可靠性。本發(fā)明實施例提出一種基于信息融合技術(shù)的指紋識別方法，包括如下步驟A、對于同一現(xiàn)場指紋圖像，提取出N類互不相同的指紋特征，N為大于或等于2的 自然數(shù)；B、采用N種指紋特征匹配算法，分別基于這N類指紋特征對現(xiàn)場指紋圖像和庫指 紋圖像進行匹配，得到N個匹配分?jǐn)?shù)序列；C、采用改進型D_S證據(jù)理論對所述N個匹配分?jǐn)?shù)序列進行信息融合，得到指紋識 別結(jié)果。較佳地，所述步驟B之后且在步驟C之前，進一步包括對所述N個匹配分?jǐn)?shù)序列 進行決策層融合前的基于數(shù)據(jù)配準(zhǔn)的信息篩選，得到篩選后的匹配分?jǐn)?shù)序列。較佳地，所述N等于2，步驟B所述N種指紋特征匹配算法為算法A和算法B ；
所述采用N種指紋特征匹配算法分別對這N類指紋特征進行處理，得到N個匹配 分?jǐn)?shù)序列包括用算法A對現(xiàn)場指紋圖像和η幅庫指紋圖像分別進行匹配后得到的匹配分?jǐn)?shù)序列 為SA1, SA2,…SAn，用算法B對現(xiàn)場指紋圖像和η幅庫指紋圖像分別進行匹配后得到的匹 配分?jǐn)?shù)序列為SB1, SB2, '"SBn，其中1，2，···!!是η幅庫指紋圖像對應(yīng)的標(biāo)號。較佳地，所述對所述N個匹配分?jǐn)?shù)序列進行決策層融合前的基于數(shù)據(jù)配準(zhǔn)的信息 篩選，得到篩選后的匹配分?jǐn)?shù)序列包括對算法A和算法B得到的匹配分?jǐn)?shù)序列進行數(shù)據(jù)配準(zhǔn)，即計算用算法A和算
法B對現(xiàn)場指紋圖像和同一幅庫指紋圖像進行匹配后得到的匹配分?jǐn)?shù)序列的平均值
權(quán)利要求
一種基于信息融合技術(shù)的指紋識別方法，其特征在于，包括如下步驟A、對于同一現(xiàn)場指紋圖像，提取出N類互不相同的指紋特征，N為大于或等于2的自然數(shù)；B、采用N種指紋特征匹配算法，分別基于這N類指紋特征對現(xiàn)場指紋圖像和庫指紋圖像進行匹配，得到N個匹配分?jǐn)?shù)序列；C、采用改進型D_S證據(jù)理論對所述N個匹配分?jǐn)?shù)序列進行信息融合，得到指紋識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟B之后且在步驟C之前，進一步 包括對所述N個匹配分?jǐn)?shù)序列進行決策層融合前的基于數(shù)據(jù)配準(zhǔn)的信息篩選，得到篩選 后的匹配分?jǐn)?shù)序列。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述N等于2，步驟B所述N種指紋特征 匹配算法為算法A和算法B;所述采用N種指紋特征匹配算法分別對這N類指紋特征進行處理，得到N個匹配分?jǐn)?shù) 序列包括用算法A對現(xiàn)場指紋圖像和η幅庫指紋圖像分別進行匹配后得到的匹配分?jǐn)?shù)序列為 SA1, SA2,…SAn，用算法B對現(xiàn)場指紋圖像和η幅庫指紋圖像分別進行匹配后得到的匹配分 數(shù)序列為SB1, SB2, '"SBn，其中1，2，···!!是η幅庫指紋圖像對應(yīng)的標(biāo)號。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對所述N個匹配分?jǐn)?shù)序列進行決策層 融合前的基于數(shù)據(jù)配準(zhǔn)的信息篩選，得到篩選后的匹配分?jǐn)?shù)序列包括對算法A和算法B得到的匹配分?jǐn)?shù)序列進行數(shù)據(jù)配準(zhǔn)，即計算用算法A和算 法B對現(xiàn)場指紋圖像和同一幅庫指紋圖像進行匹配后得到的匹配分?jǐn)?shù)序列的平均值 s SA1SBl 2按降序?qū)ζヅ浞謹(jǐn)?shù)序列的平均值Sai進行排序，保留前u (u < η)個匹配分?jǐn)?shù)的平均值 Sai所對應(yīng)的匹配分?jǐn)?shù)SAj和匹配分?jǐn)?shù)SBj,并將匹配分?jǐn)?shù)SAj和匹配分?jǐn)?shù)SBj按照對應(yīng)的 匹配分?jǐn)?shù)平均值Sai的降序順序排列，得到篩選后的匹配分?jǐn)?shù)序列SA1; SA2,…SAl^n SB1, SB2, -SBu;創(chuàng)建一個長度為u的數(shù)組Num□，數(shù)組中的任意元素Num[i]表示的是篩選后的匹配分 數(shù)序列中的第i個匹配分?jǐn)?shù)在信息篩選之前的標(biāo)號，i = 1,2,…U。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟C包括Cl、由算法A和算法B分別得到證據(jù)E1, E2,證據(jù)E1表示用算法A對現(xiàn)場指紋圖像和庫 指紋圖像的匹配程度進行判斷的情況，證據(jù)E2表示用算法B對現(xiàn)場指紋圖像和庫指紋圖像 的匹配程度進行判斷的情況，命題Si表示現(xiàn)場指紋圖像與第i幅庫指紋圖像匹配，將u個 命題組成集合Ω = (S1, S2,…，SJ作為用于表示現(xiàn)場指紋圖像與庫指紋圖像的匹配情況 的辨識框架；《[Ω且m{Sj乒0，稱命題SiSm的一個焦元；m為辨識框架Ω上的基本概 率分配函數(shù)BPAF ；m (A ) = SA>C2、利用公式1、“亡、/計算證據(jù)E1下每個命題的基本可信度；以及利用公式
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述步驟Cl包括將兩種證據(jù)E1和E2對現(xiàn)場指紋圖像與第i幅庫指紋圖像的匹配結(jié)果的基本可信度， 分別表示為Hi1 (Si), i = 1，2，…2ω和Hi2(Si), i = 1，2，"·2Ω，其中m為辨識框架Ω上的 BPAF ；并且是滿足下述兩個條件的映射
7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟C3包括C3-1、利用公式
8.根據(jù)權(quán)利要求5所述的方法，其特征在于，步驟C4包括將步驟C3得到的BPAF砵為融合后得到新的BPAF為m°，焦元集為{Ck，k=l，2，…，
9.一種基于信息融合技術(shù)的指紋識別的裝置，其特征在于，包括特征提取模塊，用于對于同一現(xiàn)場指紋圖像，提取出N類互不相同的指紋特征，N為大 于或等于2的自然數(shù)；匹配模塊，用于采用N種指紋特征匹配算法，分別基于這N類指紋特征對現(xiàn)場指紋圖像 和庫指紋圖像進行匹配，得到N個匹配分?jǐn)?shù)序列；信息融合模塊，用于采用改進型D_S證據(jù)理論對所述N個匹配分?jǐn)?shù)序列進行信息融合， 得到指紋識別結(jié)果。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，該裝置進一步包括篩選模塊，用于對所述匹配模塊得到的N個匹配分?jǐn)?shù)序列進行基于數(shù)據(jù)配準(zhǔn)的信息篩 選，并將篩選后的N個匹配分?jǐn)?shù)序列輸出至信息融合模塊。
11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述N等于2，匹配模塊采用的N種指 紋特征匹配算法為算法A和算法B ；所述匹配模塊包括第一匹配單元，用于用算法A對現(xiàn)場指紋圖像和η幅庫指紋圖像分別進行匹配后得到 的匹配分?jǐn)?shù)序列為SA1, SA2,…SAn ；第二匹配單元，用于用算法B對現(xiàn)場指紋圖像和η幅庫指紋圖像分別進行匹配后得到 的匹配分?jǐn)?shù)序列為SB1, SB2, -SBn ；其中1，2，···!!是η幅庫指紋圖像對應(yīng)的標(biāo)號。
12.根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述篩選模塊進一步包括數(shù)據(jù)配準(zhǔn)單元，用于對算法A和算法B得到的匹配分?jǐn)?shù)序列進行數(shù)據(jù)配準(zhǔn)，即計算用算 法A和算法B對現(xiàn)場指紋圖像和同一幅庫指紋圖像進行匹配后得到的匹配分?jǐn)?shù)序列的平均值
13.根據(jù)權(quán)利要求3所述的裝置，其特征在于，所述信息融合模塊包括第一處理單元，用于由算法A和算法B分別得到證據(jù)E1, E2,證據(jù)E1表示用算法A對現(xiàn) 場指紋圖像和庫指紋圖像的匹配程度進行判斷的情況，證據(jù)E2表示用算法B對現(xiàn)場指紋圖 像和庫指紋圖像的匹配程度進行判斷的情況，命題Si表示現(xiàn)場指紋圖像與第i幅庫指紋圖 像匹配，將u個命題組成集合Ω = (S1, S2,…，SJ作為用于表示現(xiàn)場指紋圖像與庫指紋圖 像的匹配情況的辨識框架；S1 e Ω且m{Sj Φ 0，稱命題Si為m的一個焦元；m為辨識框架 Ω上的基本概率分配函數(shù)BPAF ； 第二處理單元，用于利用公式
14.根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述第一處理單元進一步用于將兩種 證據(jù)E1和E2對現(xiàn)場指紋圖像與第i幅庫指紋圖像的匹配結(jié)果的基本可信度，分別表示為 Hi1(Si),! = 1,2, ...2ω 和 Hi2(Si)J = 1,2, -·2Ω，其中 m 為辨識框架 Ω 上的 BPAF ；并且是滿足下述兩個條件的映射2Ω —
,
15.根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述第三處理單元進一步包括 單獨信息容量子單元，用于利用公式<爲(wèi))=Σ罾計算使用單獨使用算法A以及μ FMI單獨使用算法B得出的單獨證據(jù)Ei的能量信息容量e (Ei) =Si^ Φ， = 1，2，式中，IlSiII 是焦元集Si的基數(shù)，g(S》是焦元集的個數(shù)；聯(lián)合信息容量子單元，用于計算使用算法A和算法B分別得出的證據(jù)EpE2中相關(guān)焦元所含的能量信息容量e(盡，盡)=叾Σ 式中，Rij是相關(guān)焦元集，表示由證據(jù)E1支持的焦元Si和由證據(jù)E2支持的焦元Sj相關(guān)；IIRijII是Rij的基數(shù)，g(Rij)是 Rij的個數(shù)；相關(guān)影響系數(shù)子單元，用于根據(jù)單獨信息容量子單元和聯(lián)合信息容量子單元的計算結(jié)果，計算出證據(jù)仏對氏的相關(guān)影響系數(shù)A2 =e(E,) + e(E2) e(E2)>證據(jù)Ej^E1的相關(guān)影響系數(shù)#<Ελ,Ε2) e(E2)21 = ,Λ : π,、· ‘ BPAF更新子單元，用于對于算法A mmi B分別對應(yīng)的iiE據(jù)EpE2在同一識別框架Ω下的BPAF分別為W, , W2，焦元集分別為(Ai，i = 1,2,…，u}， {Bi; i = 1,2,…，u}，根據(jù)所述相關(guān)影響系數(shù)子單元得到的相關(guān)影響系數(shù)將其進行重新改 寫，得到新的BPAF為m, (A1)^2(B1)=Mi(Ai)(I-Ru),A.關(guān)Q叫(4)(1 一代 2) + i ,2, Ai=QM2(Bi)(I-R21),5, φΩm.iBXl-R^ + R^, B1=Q
16.根據(jù)權(quán)利要求14所述的方法，其特征在于，所述第四處理單元用于將第三處理單 元得到的BPAF卻，成融合后得到新的BPAF為m°，焦元集為{Ck，k=l，2，-,u} m (Ck)= Yj m, (A1 )m2 (Bf) + )，灰=1，2,... M ；上式中，
全文摘要
本發(fā)明提供了一種基于信息融合技術(shù)的指紋識別方法，包括如下步驟A、對于同一現(xiàn)場指紋圖像，提取出N類互不相同的指紋特征，N為大于或等于2的自然數(shù)；B、采用N種指紋特征匹配算法，分別基于這N類指紋特征對現(xiàn)場指紋圖像和庫指紋圖像進行匹配，得到N個匹配分?jǐn)?shù)序列；C、采用改進型D_S證據(jù)理論對所述N個匹配分?jǐn)?shù)序列進行信息融合，得到指紋識別結(jié)果。本發(fā)明還提供了一種基于信息融合技術(shù)的指紋識別裝置。本發(fā)明可以相對于現(xiàn)有技術(shù)進一步提高指紋識別的準(zhǔn)確性和可靠性。
文檔編號G06K9/00GK101957913SQ20101051957
公開日2011年1月26日 申請日期2010年10月19日 優(yōu)先權(quán)日2010年10月19日
發(fā)明者劉馨靖, 張博, 張潔, 景曉軍, 李劍峰 申請人:北京郵電大學(xué)