本文選題：指紋識(shí)別 + 卷積神經(jīng)網(wǎng)絡(luò)��； 參考：《電子與信息學(xué)報(bào)》2017年07期

【摘要】：隨著社會(huì)信息化水平的提高及不穩(wěn)定因素的增加,人們迫切需要更加可靠的識(shí)別技術(shù)對(duì)身份進(jìn)行認(rèn)證。因此,利用生物特征進(jìn)行鑒定已成為時(shí)下熱潮。其中的指紋識(shí)別更是因其方便性和可靠性受到普遍認(rèn)同。傳統(tǒng)的指紋識(shí)別方法基于特征點(diǎn)比對(duì)尋求相似性,此種方法特征點(diǎn)尋找容易出錯(cuò),且隨著指紋的模糊、破壞、污損或是其他問(wèn)題,均會(huì)使識(shí)別率明顯降低。針對(duì)這些問(wèn)題,該文提出基于深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)的CBF-FFPF(Central Block Fingerprint and Fuzzy Feature Points Fingerprint)算法對(duì)污損指紋圖像進(jìn)行分類識(shí)別。CBF-FFPF算法提取指紋中心點(diǎn)分塊圖像及特征點(diǎn)模糊化圖,合并后輸入CNN網(wǎng)絡(luò),進(jìn)行指紋深層特征識(shí)別。將該算法與基于主成分分析(KPCA),超限學(xué)習(xí)機(jī)(ELM)和k近鄰分類器(KNN)的指紋識(shí)別算法進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明,所提出的CBF-FFPF算法對(duì)污損指紋識(shí)別有更高的識(shí)別率和更好的魯棒性。
[Abstract]:With the improvement of the level of social information and the increase of unstable factors, people urgently need more reliable identification technology to authenticate identity. Therefore, the use of biometric identification has become a hot trend. Fingerprint identification is generally accepted because of its convenience and reliability. Traditional fingerprint identification methods seek similarity based on feature point comparison. This method is easy to make mistakes, and with the ambiguity, destruction, defacement or other problems of fingerprint, the recognition rate will be significantly reduced. In order to solve these problems, this paper proposes a CBF-FFPF(Central Block Fingerprint and Fuzzy Feature Points Fingerprint) algorithm based on deep convolution neural network to classify and identify the polluted fingerprint image. CBF-FFPF algorithm extracts the fingerprint center image and the feature point fuzzy image. After merging, the CNN network is input to identify the deep features of fingerprint. The proposed algorithm is compared with the fingerprint identification algorithm based on the principal component analysis (PCA) and the k-nearest neighbor classifier (KNN). The experimental results show that the proposed CBF-FFPF algorithm has higher recognition rate and better robustness.
【作者單位】： 杭州電子科技大學(xué)網(wǎng)絡(luò)空間安全學(xué)院;杭州電子科技大學(xué)通信工程學(xué)院;
【基金】：國(guó)家重點(diǎn)研發(fā)計(jì)劃(2016YFB0800201) 浙江省自然科學(xué)基金(LY16F020016) 浙江省重點(diǎn)科技創(chuàng)新團(tuán)隊(duì)項(xiàng)目(2013TD03)~~
【分類號(hào)】：TP18;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 耿國(guó)光;殷建平;祝恩;趙建民;龔德良;;使用局部紋線距離進(jìn)行指紋分類[J];計(jì)算機(jī)科學(xué)與探索;2014年01期

2 劉通 ,蘇光大;基于結(jié)構(gòu)的指紋分類技術(shù)[J];電子技術(shù)應(yīng)用;2002年02期

3 王崇文,李見(jiàn)為,陳為民;一種新型的兩級(jí)指紋分類方法(英文)[J];自動(dòng)化學(xué)報(bào);2003年06期

4 楊小冬,寧新寶,詹小四,莊建軍;基于紋線跟蹤的指紋分類方法[J];計(jì)算機(jī)工程;2005年07期

5 亓秀燕;尹義龍;駱功慶;劉懋;;基于頻譜能量的指紋分類[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年08期

6 趙陽(yáng);魯順昌;王光奇;;指紋對(duì)稱在指紋識(shí)別中的應(yīng)用[J];現(xiàn)代商貿(mào)工業(yè);2008年06期

7 肖衛(wèi)民;袁華強(qiáng);;一種新的二步指紋分類方案設(shè)計(jì)[J];東莞理工學(xué)院學(xué)報(bào);2009年03期

8 譚臺(tái)哲;皮凱俊;章紅燕;;一種基于融合隸屬度的指紋分類方法[J];計(jì)算機(jī)工程與應(yīng)用;2012年02期

9 王積分,張新榮,姚文慶;紋線方向分布模式的指紋分類法[J];天津大學(xué)學(xué)報(bào);1991年S1期

10 胡紅俊,趙麗如,賀貴明;一種改進(jìn)的指紋分類方法[J];計(jì)算機(jī)工程;2002年04期

相關(guān)會(huì)議論文 前3條

1 朱曉霞;孫同景;陳桂友;;基于支持向量機(jī)理論的兩級(jí)指紋分類實(shí)現(xiàn)方法[A];第16屆中國(guó)過(guò)程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

2 王鮮芳;鄭竹林;張海燕;;基于細(xì)化圖像和LSSVM的指紋分類方法[A];2009中國(guó)控制與決策會(huì)議論文集（3）[C];2009年

3 趙玖玲;;基于改進(jìn)BP網(wǎng)絡(luò)的指紋分類[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

相關(guān)重要報(bào)紙文章 前2條

1 盧標(biāo);按指紋司空見(jiàn)慣 法律效力又如何[N];檢察日?qǐng)?bào);2001年

2 本報(bào)記者 賈西平;二十年煉成“火眼金睛”[N];人民日?qǐng)?bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 楊懿竣;指紋安全認(rèn)證的不可逆變換技術(shù)研究[D];深圳大學(xué);2015年

2 薛俊韜;基于大規(guī)模數(shù)據(jù)庫(kù)的多級(jí)指紋分類研究[D];天津大學(xué);2010年

3 郭浩;基于嵌入式隱Markov模型的指紋分類和匹配研究[D];大連理工大學(xué);2004年

4 張博;基于數(shù)據(jù)挖掘和融合理論的殘缺指紋識(shí)別應(yīng)用研究[D];北京郵電大學(xué);2012年

5 回紅;基于結(jié)構(gòu)的指紋表達(dá)及其匹配算法研究[D];浙江大學(xué);2002年

6 王崇文;自動(dòng)指紋識(shí)別方法研究[D];重慶大學(xué);2002年

7 紀(jì)祿平;脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在指紋系統(tǒng)中的應(yīng)用[D];電子科技大學(xué);2008年

8 張潔;殘缺指紋識(shí)別中若干關(guān)鍵技術(shù)的研究[D];北京郵電大學(xué);2013年

9 許林茹;電化學(xué)發(fā)光成像技術(shù)在潛在指紋顯現(xiàn)與成分識(shí)別中的應(yīng)用[D];浙江大學(xué);2014年

10 劉新妹;基于指紋識(shí)別的規(guī)則紋理圖像識(shí)別技術(shù)研究[D];中北大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 吳耀偉;指紋保險(xiǎn)柜電子系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2015年

2 葉麗英;基于確定性退火的高分辨率指紋匹配算法研究[D];哈爾濱工業(yè)大學(xué);2014年

3 耿國(guó)光;自動(dòng)指紋分類方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

4 方珊珊;基于樸素貝葉斯的假指紋檢測(cè)方法研究[D];浙江工業(yè)大學(xué);2015年

5 李晨陽(yáng);針對(duì)特定網(wǎng)站的指紋識(shí)別研究[D];南京郵電大學(xué);2015年

6 尹婉琳;指紋分類和識(shí)別算法的研究與實(shí)現(xiàn)[D];東南大學(xué);2015年

7 涂志;基于位置指紋的室內(nèi)三維定位技術(shù)研究[D];遼寧大學(xué);2016年

8 嚴(yán)匯瑩;一種免校準(zhǔn)指紋相位特征提取算法的研究[D];哈爾濱理工大學(xué);2016年

9 劉素蘋;一種提高指紋識(shí)別率的多模板方法的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2015年

10 張曉康;基于全局信息的指紋配準(zhǔn)及在匹配中的應(yīng)用[D];西安電子科技大學(xué);2015年

，

本文編號(hào)：1936364