基于局部特征提取的形变指纹深度学习检测网络

形变指纹能通过改变指纹的纹理信息躲避指纹识别系统的检测。基于深度学习的形变指纹检测方法,考虑指纹本身的结构特征,提出了两个可以嵌入网络任何部位的局部特征提取模块,将其添加到深度学习模型中:一个是局部关键特征,代表了指纹局部区域的显著特征点;另一个是局部关联特征,代表了局部区域内各个特征点之间的关联程度。提取到的两个局部特征与全局特征融合后,继续在网络中训练,提高形变指纹的检测结果。将提出的模块添加到多个网络中进行测试,验证了模块的有效性。

浅谈指纹形变对指纹比对鉴定的影响

现阶段在我国人民生活工作的方方面面之中,指纹识别技术得到了广泛的运用,其不仅仅能够实现身份的识别,更是我国司法鉴定工作推进过程当中检验证据最重要的一项环节。指纹鉴定技术是一项更加优越的检验痕迹技术。其鉴定的结果对于身份识别、案件发生的情况、刑侦工作的帮助与指导会有极大的促进作用。技术人员通过在现场采集指纹能够辨别犯罪人员的一系列犯罪行为、犯罪心理,结合指纹痕迹表面的质地、类型、作用力方向与角度、指纹的间隔时间、形状、深浅特征能够精准的辨别指纹基本情况。但是指纹形变对于指纹辨别会产生一定的影响,为此必须要明确指纹特征的相关基本概念,探寻指纹形变的相关辨别策略,这样才能够保障指纹获取更加的清晰与准确、确保指纹的鉴定与对比真正反映出客观事实。而本文则在此方面进行了论述与分析,希望本文的论述能够为我国相关指纹鉴定工作取得更加优异的工作成绩,提供一些帮助与借鉴。

基于脊线信息的指纹图像特征三角形匹配算法

本文主要对自动指纹识别系统(AFIS,Automated Fingerprint Identification Systems)中针对形变指纹的区域三角形特征匹配算法进行研究,通过引入脊线信息及改进的模糊匹配算法提高匹配性能,以使其能够应用于车载指纹识别系统等资源受限环境。在区域三角形特征提取阶段,引入脊线信息并将其与模糊匹配相结合,加快匹配速度。同时,采用三角形相似度修正算法对匹配结果进行处理,提高匹配精度。测试结果表明,新算法能够有效改善形变指纹的匹配性能,且很好适应资源受限等复杂应用环境。