[发明专利]超大型指纹库的索引结构和检索方法

说明书

技术领域

本发明属于计算机识别领域，具体涉及到指纹识别、数据库、数据检索和图像处理等领域。本发明用于超大型指纹数据库的指纹检索。

背景技术

指纹识别技术用于鉴别身份已有几百年的历史，近几十年来，随着科技的不断发展，自动指纹识别系统(Automated Fingerprint Identification System，简称AFIS)已在多个领域中得到了广泛的应用。但是，目前AFIS仍面临着不少难题，其中一个亟待解决的问题就是超大型指纹库的检索问题。

AFIS的工作模式一般分为两类：验证(verification)和辨识(identification)。验证就是通过把一个现场采集到的指纹与指纹库中某枚特定的指纹进行一对一的比对(one-to-onematching)，来确认身份的过程。验证通常采用指纹细节点比对的方式实现。此时对整个处理过程的速度要求并不太高，目前市场上的AFIS在进行验证时，从图像采集到最后给出验证结果，基本都能在1秒以内完成，不会给用户造成长时间等待的感觉。

辨识要远比验证复杂，该方法是把现场采集到的指纹同指纹数据库中的所有指纹逐一对比，从中找出与现场指纹相匹配的指纹。即该方法是“一对多匹配(one-to-many matching)”。对用户来说，他(她)不会考虑库中指纹数量有多大，真正关心的仍然是进行指纹按压后，多长时间能出结果。举一个简单例子：如果库中有指纹500000枚，算法的处理速度按每秒100枚算，则需5000秒钟(1小时38分钟)，则对一般用户来说，显然是难以接受的。据此速度，对公安、司法领域等动辄百万人乃至千万人以上库[注：库中每人一般会采集十枚手指的图像，因此指纹图像数量是人数的十倍]，辨识时间将是天文数字。

指纹检索技术就是一种提高辨识速度的方法，该技术首先通过检索对指纹数据库进行粗筛选，减少需要比对的指纹数目，然后将剩下的指纹进行细节点比对(简称细比对)，从而提高指纹辨识的速度。

图1所示为指纹检索技术示意图。

发明内容

本发明提出了用于超大型指纹数据库检索系统结构的构造方法、基于索引匹配错误概率的索引评价方法、基于分层深度索引的指纹检索方法以及基于一边多次匹配结构特征的检索评价方法。

本发明提出了一种用于超大型指纹库检索系统结构的构造方法。在离线建库阶段，该系统采用基于索引匹配错误概率的索引评价方法，构造了三个互补的索引器和索引数据库；在在线检索阶段，该系统采用基于索引匹配错误概率的索引评价方法根据现场指纹图像的质量自适应地选择检索方式，采用基于一边多次匹配结构特征的检索评价方法对检索结果进行打分评价，判决指纹是否应该被筛除。

本发明提出了基于索引匹配错误概率的索引评价方法。根据此方法可以针对不同的现场指纹图像质量选择合适的索引方法和检索方法，以使系统达到最佳的性能和效率。

本发明提出了基于一边多次匹配结构特征的检索评价方法，该方法不以匹配三角形数目作为唯一的评分基础，而是通过三元组匹配信息获取多元组结构的匹配数目，使得评分结果更能体现指纹的相似性；同时，指纹特征参数组的存储量并没有增加，有效提高了指纹检索的性能和效率。

本发明提出了基于分层深度索引的指纹检索方法。在大型指纹库的应用中，由于大部分现场指纹属于指纹质量中等的情况，所述基于分层深度索引的指纹检索方法能够在保证检索速度没有大幅降低的同时，保证了相对于哈希检索法更好的检索精度。具有实用价值和普遍的适用性。

附图说明

图1指纹检索技术示意图

图2超大型指纹库检索系统的结构

图3索引器工作流程

图4检索器工作流程

图5细节点三角形参数图示

图6端点和分叉点可能出现的退化情况：(a)为端点，(a1)到(a3)为各种可能的退化情况；(b)为分叉点，(b1)到(b3)为各种可能的退化情况

图7指纹图像无法判断细节点类型图示：加方框处为无法准确判定其属于分叉点还是端点的情况

图8前期累计误差对量化结果的影响

图9前期累计误差引起的匹配错误

图10量化区间边界附近的值的匹配错误

图11分层深度索引的存储方式

图12三角形一边二次匹配图示，左图为现场指纹，右图为库指纹

具体实施方式

下面结合附图对本发明所述方法进行详细阐述。

1.超大型指纹库检索系统结构