基于深度学习的污损指纹识别研究

随着社会信息化水平的提高及不稳定因素的增加,人们迫切需要更加可靠的识别技术对身份进行认证。因此,利用生物特征进行鉴定已成为时下热潮。其中的指纹识别更是因其方便性和可靠性受到普遍认同。传统的指纹识别方法基于特征点比对寻求相似性,此种方法特征点寻找容易出错,且随着指纹的模糊、破坏、污损或是其他问题,均会使识别率明显降低。针对这些问题,该文提出基于深度卷积神经网络（CNN）的CBF-FFPF（Central Block Fingerprint and Fuzzy Feature Points Fingerprint）算法对污损指纹图像进行分类识别。CBF-FFPF算法提取指纹中心点分块图像及特征点模糊化图,合并后输入CNN网络,进行指纹深层特征识别。将该算法与基于主成分分析（KPCA）,超限学习机（ELM）和k近邻分类器（KNN）的指纹识别算法进行比较,实验结果表明,所提出的CBF-FFPF算法对污损指纹识别有更高的识别率和更好的鲁棒性。