生物特征识别：小面积指纹识别算法（三）
时间：2022-10-25 21:00:01
生物特征识别：小面积指纹识别算法（3）
算法（3）提出并实践了小面积指纹问题的新方法，试图识别更广泛的图像，并有效地减少冗余存储和计算。它可以用于指纹的近似理解Level与算法(一)不同，对特征数量的限制也不同kb模板空间占用和不可控计算时间。本文主要讨论空间与效率的平衡。
算法（1）和算法（2）图像的表达问题是图像细节信息不能有效地使用，部分图像信息只能使用。类似地，它可以解释为一般解释和局部解释。算法（3）结合整体信息和局部细节，筛选出与视觉概念最相关的特征，去除大量冗余信息，优化算法的执行时间和占用空间。
图像区域不变性和局部渐变性主要用于设计思想patch生成一个渐变信息序列，学习和训练序列AI保证鲁棒性的方法。
算法设计主要分为两个步骤：
1.将图像分为不同的滑块，检测有效信息，并将检测结果分为N类（N决定描述大小)。
2.重构局部结果，检测局部和局部之间的有效信息，生成Chain-Code。
为了更有效地实现目标，我们提出了一种拮抗模型，将图像的细节与细节紧密结合，并通过监督学习进一步培训。
算法的主要设计思想介于算法(一)和算法(二)之间，认为特征不是孤立的特征，存在于不同的特征之间"拮抗作用"，形成一个密切的关联体，得到它Chain-Code相似性只需要一维卷积，为了达到更高的精度，添加AI该算法更好地解决了鲁棒特征问题。
原则上推导出的类似算法是一种非常复杂的方法，数学推导到最后确实是一个非常常见的公式，但从去年设计完成前持续了几个月，这也是一条不同的道路。
…
通过对比，简单地提供测试对比图数据wb_db8(128x60)数据库测试：
Alg一、二、三分别是专栏中提到的算法(一)、(二)、(三)。B为目前市场上商用算法排名第一的方案提供商。
摘要：到目前为止，市场上的小面积指纹识别算法方案已经基本介绍，但在这个非常成熟的方向上进一步探索。如果有更有效的解决方案，我希望我们能互相学习。
在未来，我们可能会尝试讨论一些与指纹识别相关的问题，如指纹的活体检测、指纹特征的安全性等，然后补充。
2018/1/1更新，修改上述一些内容，认为后来发现一些结论不准确。最终版本的设计过程将以前的设计过程ppt贴出来算了，懒得写
算法使用了73个人，共训练了39858幅图像。此外，还有1.3万000幅噪声图像和20000幅指纹噪声生成模型模拟（不要问我如何准确生成更高效的图像，我的心也充满了mmp).
经过一些算法流程和核心卷积算法的优化，目前可以在高通8系列实现CPU上单次识别10ms高通中低端左右CPU，例如，高通430单次识别400ms左右。
从120开始，模板空间也大大降低。kb左右降低到30kb大约需要80个指纹防伪功能kb市场上大多数指纹芯片的空间 FRR<1%,FAR<1/20w。
指纹防伪样本很小，所以精度不太高。如果学生有更大的假指纹库，欢迎交流。
目前，屏下超声和屏下光学实现方案正在测试全屏。当有结果时，会发布一些结果和算法中的一些小结果tricks，此外，还将更新一些关于指纹攻击的规避方案。
1.更新一组本文算法结果。
图像集：178人，80x64，500dpi
市场上三大商业算法的比较
不同于当前市场上针对小面积指纹算法方案，本算法仅需要约80kb高通4系(430)的模板CPU为了完成快速识别，市场上的大多数算法仍然依赖于传统的机器视觉算法，至少需要200个模板占用kb，同一颗CPU至少慢10倍！
而且这个算法只需要注册6-8次，比市场上需要注册12-15次大大缩短，但是市场上算法的安全性确实是10倍以上！
- 更新屏下指纹的一些内容和测试
目前，指纹模块主要有三种形式：光学、电容和超声波。它们各有优缺点。我们不想在本文中讨论它们。我们只谈算法~~
先来看看电容式和屏下超声指纹的图像区别。因为屏下光学指纹的提供商不愿意公开数据，我们只谈常见的电容指纹和屏下超声指纹，不谈硬件设计的优缺点:
相对而言，电容式传感器更成熟，图像成像效果更好；由于屏幕封装的透光性，屏幕下的光学传感器是目前的OLED屏幕仍然是唯一的选择，图像质量一般；屏幕下的超声传感器大多是30MHz理论上可以穿透多种介质，成像质量一般，可以显示出更多的细微特征。
以下是对屏幕下超声指纹的算法测试：28人库，注册6幅图像。
algo-每幅图像为256、512、2048embedding特征维数。
3.关于终端指纹算法攻击的故事
虽然我们鄙视这种挂羊头卖狗肉的行为，但这一事件确实暴露了当前市场指纹算法的一些问题。
注：上图1/3与下图2/3不一致，即模拟指纹的假条纹。
4.指纹等
指纹作为接触式生物特征识别中应用最广泛的认证方法，多年来一直在发展，未来可能会在应用场景上进一步创新。如果有人问我指纹是否安全，我会回答：不安全。没有绝对的安全性，生物特征识别的安全性是一种概率碰撞事件，而不是说FAR<100w，所以和6位数字密码一样安全，不可避免的不是百万次才会被破解。。。
anyway，很多人说我写得太认真了。哈哈哈，其实作为算法研究人员，我还是很可爱的。
参考文献：
Minutiae Extraction From Level 1 Features of Fingerprint， 2016
Fingerprint indexing with pose constraint， 2016
Fingerprint matching using ridges，2006
Methodology for Partial Fingerprint Enrollment and Authentication on Mobile Devices， 2016
Aminutia-based partial fingerprint recognition system，2005
Mutual-Information-Based Registration of Medical Images: A Survey， 2003
Fingerprint Registration by Maximization of Mutual Information， IEEE TIP2006
High resolution partial fingerprint alignment using pore–valley descriptors， 2010
A New Framework for Quality Assessment of High-Resolution Fingerprint Images， IEEE TPAMI 2015
A Fingerprint Verification System Based on Triangular Matching and Dynamic Time Warping，IEEE TPAMI 2000
A Decision-Theoretic Generalization of OnLine Learning and an Application to Boosting,1997
stadnford cs229
