[发明专利]一种基于SVM和稀疏表示的假指纹检测方法

说明书

技术领域

本发明涉及生物特征识别领域，特别涉及图像处理和模式识别。

背景技术

目前指纹识别被广泛应用于各种安全系统，包括正确率、速度在内的识别性能都较为良好。

然而不法分子却可以利用各种材料制作假的指纹，通过指纹识别系统。真指纹也称活体指纹，是指具有人体生物功能的手指，也就是活着的人体的手指。与其相对应的假指纹也称死体指纹，其中包括材料制成的指纹，如硅胶、粘土、印刷了指纹图像的纸等，甚至是离开人本身身体的手指都叫做死体指纹。

假指纹的采集，从采集过程到采集到的图像与真指纹的采集有所不同，利用这些不同之处，可以检测采集到的指纹的真假。例如在采集指纹时检测手指的温度，如果远离人体温度，则可判断采集到的指纹为假指纹；也可以在采集过程中维持几秒钟，先后采集多次，手指流出的微量汗液会使前后采集到的图像有所不同。然而这些方法都需要硬件的支持，改造成本较高且不利于推广。因此直接检测单张指纹图像的真假，也就是完全软件的检测，仍然是亟待解决的问题。

值得指出的是，很多文献指出的真假指纹的区别，如真指纹黑色条纹中间有白点（气孔）、假指纹的黑色条纹有破损、假指纹的白色条纹中有黑色杂点、假指纹的黑白条纹间不清晰、真假指纹的条纹宽度不同等区别，在实际提取的真假指纹图像中都有出现，评人眼辨识这些区别，根本无法判断真假，真指纹图像示例图见图2，假指纹图像示例图见图3。经过研究发现，假指纹与真指纹的不同，主要是肉眼不可分辨的一些统计特性、频域特性，利用这些不同之处，可以检测采集到的指纹的真假。

区分真假属于分类问题，主成分分析（PCA）是常用的降维手段，能大大缩短训练时间，支持向量机和稀疏表示是很成熟的分类方法，在运算速度快的同时能得到很好的分类正确率。

发明内容

本发明提供了一种在不改动指纹采集硬件的前提下、以较小的代价判断指纹的真假，本发明提供一种能以软件实现的假指纹检测方法。

为了实现上述目的本发明采用以下技术方案：

一种基于SVM和稀疏表示的假指纹检测方法，其特征在于：

进行检测之前的训练工作，包括步骤1～步骤5：

步骤1：采集真、假指纹图像，作为训练使用；

步骤2：对训练使用的指纹图像提取特征数据；

步骤3：对训练使用的特征数据进行归一化；

步骤4：对归一化的特征数据进行支持向量机训练得到支持向量机的分类模型；

步骤5：对训练使用的指纹图像训练稀疏表示字典

步骤6：对需要进行检测的指纹提取图像；

对需要进行检测的指纹进行的操作，包括步骤6～步骤11：

步骤7：对需要进行检测的指纹的图像提取特征数据；

步骤8：对需要进行检测的指纹的特征数据进行归一化；

步骤9：对归一化的需要进行检测的指纹的特征数据，使用上述SVM的分类模型进行分类，得到“真”或“假”的SVM分类结果；

步骤10：对需要进行检测的指纹图像提取6个子图，分别使用稀疏表示字典进行稀疏表示，判断该子图像为“真子图”或“假子图；

步骤11：综合决策得出综合决策分类结果。

上述技术方案中，步骤2和步骤7所述的提取特征数据需要在有效区域内进行，所述有效区域的选择方法为在图形内搜索最大内接矩形，具体步骤是：

步骤2.1：使用Otsu法对指纹图进行二值化处理，对得到的二值图使用半径为10的disk结构元素进行闭操作，得到完整、光滑的指纹覆盖的区域；

步骤2.2：利用质心公式求指纹覆盖区域的质心，过质心做倾角θ=30°～75°共46条直线，每条直线与指纹覆盖区域交于两点，记两点之间线段长度为L_i(θ)，以该直线为对角线的矩形i的面积为其中M_i＝min{L_i(θ),L_i(θ+π/2)}为矩形是否完整的必要条件，最大矩形为对应矩形就是选择得到的有效区域。

上述技术方案中，步骤2和步骤7所述的特征数据包括：统计特征、频域特征、共生矩阵特征、特征曲线。

上述技术方案中，步骤4所述的训练过程中，需要对指纹进行分类，至少要按真、假指纹要分为两类，而对于假指纹的不同材料，将假指纹再分为几类，对于检测结果，即判断需要检测的指纹属于哪一类，其分类结果若为“真”，则认为检测结果为“真”，分类结果若为其它结果，不管是哪一种材料的假指纹结果，都认为检测结果为“假”。