摘  要: 通過改進指紋識別流程和預處理算法，使指紋識別系統能有較強的偽指紋判別性能。在指紋圖像預處理環節計算多個前景灰度特征值，包括圖像質量特征值、材質特征值和信息量特征值。選取特定的閾值，對前后采集的指紋圖像特征值進行比較，判別是否為偽指紋圖像。實驗結果證明了該方法的有效性。
關鍵詞: 指紋識別；前景；灰度；特征值；偽指紋；圖像質量；判別法

    指紋識別是目前應用最為廣泛的生物識別技術，典型應用有身份驗證系統、門禁系統、單位指紋考勤系統、居民身份證管理系統等。指紋識別最大的優點是安全、方便、高效、難以竊取和偽造。
    偽指紋技術(如近來出現的網上流傳很廣的自制指紋膜、指紋套技術[1])給指紋識別的安全性、可信度帶來很大的損害，更對個人隱私、社會誠信、安全帶來潛在威脅。指紋膜能騙過很多的指紋考勤機，主要是利用了光學指紋采集儀工作原理和指紋識別算法的缺陷。改進的指紋識別流程和算法使指紋識別系統具有較強的偽指紋判別能力。
    偽指紋判別從大的技術方向上可以歸于指紋圖像質量辨別。從近年的公開文獻來看，專門對偽指紋的判別研究比較少。已有的指紋圖像質量的辨別研究重點集中在對干濕手指、指紋噪聲影響、活體指紋判別等方面[2]。有文獻零星提到偽指紋的判別，但是判別算法比較單一[3]。本文對傳統指紋圖像預處理流程和算法僅進行較小改動，通過在前景背景分割后加入偽指紋判別流程，引入多個前景灰度特征值對偽指紋進行判別，方法簡單而有效。
1 指紋識別原理簡介
    指紋識別處理流程一般是：首先采集合法用戶的指紋，然后計算機系統通過指紋預處理自動進行特征提取，提取后的特征作為指紋模板保存在數據庫中。在識別或驗證階段采集用戶指紋，按照相同算法進行特征提取，與數據庫中的指紋模板進行比較，計算出它們的相似程度，根據匹配結果來識別用戶身份。
    指紋圖像的預處理是指紋識別的前期工作，也是最關鍵的步驟。指紋圖像預處理一般包括圖像分割、圖像增強、圖像二值化和圖像細化4個步驟。指紋圖像分割指割除背景區，保留具有指紋特征信息的前景區。圖像增強有效去除噪聲、突出圖像的細節特征，得到一個良好的清晰指紋圖以增強圖像的可識別性。圖像二值化是將灰度圖像轉化為只有黑白兩種顏色，用0和1表示的二值圖。圖像細化是通過運算把指紋圖像最終變為脊線只有一個像素寬度的骨架[4]。
2 指紋采集與指紋偽造簡介
2.1指紋采集
    指紋采集是指紋識別的第一步，指紋采集的有效性直接關系到指紋識別的正確性。現在比較成熟的指紋采集技術有光學式、電容式、壓感式、溫度感應和超聲波掃描識別技術。光學技術采集指紋是最早、使用最廣泛的技術。普遍使用的指紋考勤機絕大部分都是利用光學指紋采集技術,采集到的指紋圖像一般較多采用8 bit(256級)灰度圖像。
2.2 指紋偽造
    不少公司、單位裝配了指紋機來對員工考勤，因為光學指紋考勤機價格便宜、使用和安裝方便。但近來，指紋膜和指紋套開始在購物網站熱銷。指紋膜一般采用仿人體皮膚的醫用美容硅膠材料、透明工業用硅膠等，經過簡單的拓印、倒模工序后，克隆人體指紋，可以套在手指冒充他人指紋。據報道，指紋膜能以假亂真，騙過指紋考勤機[5]。這種偽指紋技術具有工藝簡單、成本低廉、隱蔽性強、仿真度高的特點。
3 基于前景灰度特征值的偽指紋圖像判別方法
3.1偽指紋判別流程
    偽造指紋技術主要利用了光學指紋采集儀的工作原理缺陷和指紋預處理的算法漏洞。光學指紋采集儀只注重獲取良好影像，而不管對象是否真實；指紋預處理一般關心的是如何更好地將圖像前景像素點從背景中分割出來，以及指紋的整體形狀和局部特征。因此可以改進指紋識別流程，增加對偽指紋的判別。偽指紋判別流程如圖1所示。

3.2 偽指紋圖像判別原理
    偽指紋一般由某種工業膠體(如醫用、工業用硅膠、其他凝膠體等)制成，這些材料是同種均勻材料，其外觀性能幾乎難以改變，因此前后多次采集的指紋圖像灰度平均值變化微小, 且灰度方差值基本恒定。自然人的指紋前后多次采集時，人的用力輕重總會有變化，皮膚顏色就會略有變化,而且自然人手指的干濕度、清潔度也會在不同時間存在差異變化，因此真實指紋圖像的前后多次的灰度平均值變化較大，灰度方差波動大。不同材質的物體由于其表面光滑程度、紋理等的不同，對光線的反射和吸收也就不一樣，其灰度平均值有所不同[6]，因此皮膚指紋和硅膠偽造指紋的灰度平均值分布是有差異的。偽指紋不用時一般保存于容器中，很少受污染，其圖像灰度噪音影響很小、變化微小；而人手指有各種污染、微損壞等是不可避免的，其圖像噪聲影響較大、變化也大。
    凝膠類材料材質均勻、明亮、反光性強，用其制作的偽指紋圖像灰度直方圖傾向于灰度級高的一側，直方圖窄而集中。真、偽指紋圖像及其典型灰度分布直方圖分別如圖2和圖3所示。

     分割前景和背景。對指紋圖像進行分塊，將其分為n×n的小塊。如果是背景區域，其灰度的方差較小，而前景區的指紋圖像的方差較大，所以對每個小塊求其方差，再設定一個閾值，以此判斷是背景還是前景。如果是背景點，則將其灰度值重置為255;如果是前景點，則其灰度值不變。
3.3.2 計算前景灰度特征值
    (1) 圖像質量特征值α
　 圖像質量特征值包含兩個子特征值：前景灰度平均值和灰度方差[12]，分別記為α1和α2。根據前面分割背景和前景的結果，統計前景像素點總數設為m個，F(i)代表前景點的灰度值，則:
  
3.3.3 偽指紋判定原則
    對讀取的指紋圖像，在預處理分割圖像后，先算出前景灰度特征值，然后與從指紋信息數據庫調出的指紋人前面的特征值逐個進行比較。為了進一步提高識別率，可以依次掃描從第一次到第N次的特征值，進行綜合比較。
    設第一次采集的真實指紋的前景灰度特征值為α(0)、β(0)、γ(0)，后來某次采集的指紋前景灰度特征值為α(n)、β(n)、γ(n)，閾值設為T1、T2、T3。閾值的具體取值可以根據不同的偽指紋的材料通過實驗，用統計學的方法得到恰當的經驗值。對3組共6個前景灰度特征值進行比較，當有前后灰度特征值差小于或等于各閾值時判定為偽指紋，否則判定為真指紋。
    在實驗室采集5名志愿者指紋作為實驗樣本，再選取在購物網站上購買的某種材料制作的偽指紋進行對比驗證。選用浙江中正公司的FPR-620光學指紋采集儀和其公司提供的編程用SDK，用VC 6.0編程進行實驗仿真。志愿者在實驗室隨機使用手指和指紋膜各20次進行指紋識別，真實指紋100次識別的正確率為93%，偽指紋100次被識別率為88%。經過對比驗證，基于前景灰度特征值的判別法對于真指紋的正確識別和偽指紋的拒絕準確度都很高，方法是有效的。
    對于本方法,以后還需要進一步針對不同的材料試驗得出更準確的材料特征值和各個特征值的閾值，建立各種數據庫，以提高方法的廣泛性、實用性。本方法主要適合要求不太高的光學指紋讀取設備，重點針對普通的光學指紋考勤機。對于電容式、射頻式指紋機，偽造指紋難度很大，偽指紋的判別沒有太大的必要性和實用性。
參考文獻
[1] 朱小龍.指紋套熱銷擊穿考勤誠信[N].光明日報,2010- 05-19(2).
[2] 張博超. 基于紋理分析和小波分析的活體指紋判別方法[D].沈陽：東北大學，2008.
[3] 羅勇,凌云.防偽指紋計算機視覺傳感系統的研究[J].微型機與應用,2012,31(4):31-32.
[4] 湯海林.指紋識別技術的研究與分析[J].福建電腦, 2011(11)：42-43.
[5] 彭放,雷云峰. “克隆指紋”騙過考勤機?[N].長沙晚報,  2010-03-15(7).
[6] 孟祥萍,增光,趙玉蘭.基于紋理結構的指紋識別算法[J].計算機工程與設計，2009,30(13)：3136-3138.