本文關(guān)鍵詞：指紋識(shí)別系統(tǒng)活體檢測(cè)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著指紋識(shí)別系統(tǒng)的廣泛應(yīng)用,人們對(duì)指紋識(shí)別系統(tǒng)的安全性以及個(gè)人隱私保護(hù)等問(wèn)題日益關(guān)注。雖然目前指紋活體檢測(cè)技術(shù)可以做到識(shí)別假指紋,但高可靠的指紋傳感器及算法價(jià)格都很高,模塊體積大,使應(yīng)用領(lǐng)域有限。目前市場(chǎng)上主流的指紋傳感器還不能真正具有活體指紋檢測(cè)能力。本文首先分析一般指紋識(shí)別系統(tǒng)的不足,接著進(jìn)行假指紋攻擊實(shí)驗(yàn)的研究,然后提出了一些改進(jìn)方法,最后通過(guò)實(shí)驗(yàn)對(duì)比分析說(shuō)明其效果。主要完成了如下工作：1.指紋識(shí)別系統(tǒng)的分析與研究。分析一般指紋識(shí)別系統(tǒng)的不足,同時(shí)提出了一些基于系統(tǒng)級(jí)的改進(jìn)方法,如添加圖像質(zhì)量評(píng)測(cè)技術(shù)和活體檢測(cè)技術(shù),以提高系統(tǒng)安全性。2.假指紋攻擊研究。分析常見(jiàn)的指紋掃描儀的工作原理,搜集指紋膜材料和指紋模版材料。為了使指紋膜更接近真指紋,利用以水和膠原蛋白為主的液體對(duì)指紋膜膠進(jìn)行稀釋,根據(jù)不同濃度制作出指紋膜。實(shí)驗(yàn)共分為三類(lèi),實(shí)驗(yàn)類(lèi)別1使用真指紋注冊(cè),模擬困難手指進(jìn)行認(rèn)證和識(shí)別；實(shí)驗(yàn)類(lèi)別2使用假指紋嘗試注冊(cè),假指紋認(rèn)證和識(shí)別；實(shí)驗(yàn)類(lèi)別3使用真指紋注冊(cè),假指紋攻擊。3.指紋圖像分割和質(zhì)量評(píng)測(cè)方法研究。根據(jù)指紋圖像特點(diǎn),在研究一些分割算法基礎(chǔ)上,提出了一種結(jié)合遺傳算法和局部閾值法的自適應(yīng)閾值分割法。指紋圖像質(zhì)量評(píng)測(cè)階段分別用一種評(píng)測(cè)因子對(duì)圖像進(jìn)行評(píng)測(cè),然后根據(jù)誤分率的高低找到最佳評(píng)測(cè)因子組合,最后利用這種組合對(duì)假指紋攻擊實(shí)驗(yàn)采集的圖像進(jìn)行質(zhì)量評(píng)測(cè)。低質(zhì)量的指紋圖像被排除,高質(zhì)量的指紋圖像進(jìn)入下一步活體檢測(cè)判斷真假指紋。4.活體檢測(cè)方法研究。針對(duì)真假指紋圖像噪聲信息和紋理結(jié)構(gòu)信息的不同,提出了基于小波分析和多紋理相結(jié)合的活體檢測(cè)方法。首先提取指紋圖像小波分解系數(shù)特征和重構(gòu)圖像的灰度共生矩陣、局部二值模式等紋理特征,其次融合特征并用SFFS進(jìn)行特征選擇,融合SVM和KNN分類(lèi)器對(duì)真假指紋進(jìn)行判別。本文在不添加任何硬件的基礎(chǔ)上,提出指紋圖像質(zhì)量評(píng)測(cè)和活體檢測(cè)技術(shù)的分層式判別方法,既能提高活體檢測(cè)的成功率,又能保證指紋識(shí)別系統(tǒng)良好的性能。
【關(guān)鍵詞】：指紋識(shí)別系統(tǒng) 活體檢測(cè) 假指紋攻擊 指紋圖像分割 質(zhì)量評(píng)測(cè)
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 緒論13-20
• 1.1 研究背景及意義13-15
• 1.2 國(guó)內(nèi)外應(yīng)用現(xiàn)狀15
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀15-17
• 1.4 論文研究?jī)?nèi)容17-19
• 1.5 章節(jié)安排19-20
• 第二章 指紋識(shí)別系統(tǒng)20-25
• 2.1 指紋識(shí)別系統(tǒng)工作流程20-21
• 2.2 指紋識(shí)別系統(tǒng)數(shù)據(jù)處理流程21-22
• 2.3 指紋識(shí)別的系統(tǒng)問(wèn)題22-23
• 2.4 指紋識(shí)別系統(tǒng)級(jí)改進(jìn)23-24
• 2.5 本章小結(jié)24-25
• 第三章 假指紋攻擊研究25-38
• 3.1 概述25-26
• 3.2 假指紋攻擊類(lèi)型26-27
• 3.3 指紋掃描儀類(lèi)型27-28
• 3.3.1 光學(xué)式掃描儀27
• 3.3.2 半導(dǎo)體式掃描儀27
• 3.3.3 超聲波式掃描儀27-28
• 3.4 假指紋制作28-30
• 3.5 假指紋攻擊實(shí)驗(yàn)30-37
• 3.5.1 實(shí)驗(yàn)類(lèi)別130-32
• 3.5.1.1 實(shí)驗(yàn)方案30-31
• 3.5.1.2 實(shí)驗(yàn)結(jié)果與分析31-32
• 3.5.2 實(shí)驗(yàn)類(lèi)別232-34
• 3.5.2.1 實(shí)驗(yàn)方案32
• 3.5.2.2 實(shí)驗(yàn)結(jié)果與分析32-34
• 3.5.3 實(shí)驗(yàn)類(lèi)別334-37
• 3.5.3.1 實(shí)驗(yàn)方案34
• 3.5.3.2 實(shí)驗(yàn)結(jié)果與分析34-37
• 3.5.4 實(shí)驗(yàn)總結(jié)37
• 3.6 本章小結(jié)37-38
• 第四章 指紋圖像分割與圖像質(zhì)量評(píng)測(cè)方法38-49
• 4.1 概述38
• 4.2 指紋圖像分割38-44
• 4.2.1 遺傳算法39-41
• 4.2.1.1 改進(jìn)選擇算子39-40
• 4.2.1.2 改進(jìn)交叉和變異概率40-41
• 4.2.2 遺傳算法在指紋圖像分割中應(yīng)用41-42
• 4.2.3 局部閾值圖像分割算法42-43
• 4.2.4 融合方法43-44
• 4.3 指紋圖像質(zhì)量評(píng)測(cè)44-48
• 4.3.1 指紋圖像脊谷線(xiàn)清晰度分析45-46
• 4.3.2 指紋圖像均勻度分析46-47
• 4.3.3 綜合選取評(píng)測(cè)因子47-48
• 4.4 本章小結(jié)48-49
• 第五章 指紋活體檢測(cè)方法研究49-72
• 5.1 概述49-50
• 5.2 幾種活體檢測(cè)方法50-52
• 5.2.1 基于汗液的活體檢測(cè)方法50-51
• 5.2.2 基于汗孔的活體檢測(cè)方法51
• 5.2.3 基于指尖表皮粗糙度活體檢測(cè)方法51
• 5.2.4 基于手指彈性形變活體檢測(cè)方法51-52
• 5.2.5 其它活體檢測(cè)方法52
• 5.3 小波變換在指紋圖像處理中應(yīng)用52-56
• 5.3.1 小波分解52-53
• 5.3.2 小波重構(gòu)53-54
• 5.3.3 自適應(yīng)頻率閾值的選擇54-55
• 5.3.4 仿真結(jié)果55-56
• 5.4 特征提取56-64
• 5.4.1 系數(shù)統(tǒng)計(jì)特征提取56-58
• 5.4.2 灰度共生矩陣特征提取58-60
• 5.4.3 基于LBP(局部二值模式)特征提取60-64
• 5.4.3.1 局部二值模式61-62
• 5.4.3.2 LBP算子均勻性62-63
• 5.4.3.3 LBP旋轉(zhuǎn)不變性63-64
• 5.5 特征選擇64-67
• 5.5.1 判別準(zhǔn)則64-65
• 5.5.2 SFFS搜索策略65-67
• 5.6 SVM與KNN分類(lèi)器67-68
• 5.7 實(shí)驗(yàn)結(jié)果及分析68-70
• 5.7.1 電容式掃描儀的圖像分類(lèi)實(shí)驗(yàn)68-69
• 5.7.2 光學(xué)式掃描儀的圖像分類(lèi)實(shí)驗(yàn)69-70
• 5.7.3 實(shí)驗(yàn)總結(jié)70
• 5.8 本章小結(jié)70-72
• 總結(jié)與展望72-75
• 參考文獻(xiàn)75-81
• 攻讀碩士期間發(fā)表的論文81-83
• 致謝83

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 魯義軒;;匯頂科技首發(fā)活體指紋檢測(cè)技術(shù) 為移動(dòng)支付安全再加碼[J];通信世界;2016年05期

2 吳哲;劉孝星;鄭力新;周凱汀;;基于灰度共生矩陣特征圖像的織物疵點(diǎn)檢測(cè)方法[J];微型機(jī)與應(yīng)用;2015年21期

3 王曉東;;生物認(rèn)證在智慧銀行的應(yīng)用淺析[J];中國(guó)金融電腦;2015年11期

4 經(jīng)邦;;指紋支付:移動(dòng)支付的新方式[J];中國(guó)信用卡;2015年09期

5 李慶艷;張文安;;淺析指紋識(shí)別在移動(dòng)支付的應(yīng)用前景[J];廣東通信技術(shù);2015年08期

6 王群峰;徐迎暉;;結(jié)合改進(jìn)遺傳算法與局部閾值法的指紋圖像分割[J];自動(dòng)化與信息工程;2015年01期

7 李杰;;移動(dòng)支付的應(yīng)用現(xiàn)狀及前景困局剖析[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2014年12期

8 焦?jié)h明;;移動(dòng)支付新方式——指紋支付[J];信息與電腦;2014年11期

9 易清明;陳明敏;石敏;;一種改進(jìn)的小波去噪方法在紅外圖像中應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2016年01期

10 蔣威;駱繼明;;指紋傳感器的應(yīng)用現(xiàn)狀分析[J];電子元件與材料;2013年12期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 王瑋;自動(dòng)指紋識(shí)別系統(tǒng)關(guān)鍵技術(shù)研究[D];重慶大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 陳星;數(shù)字水印在生物特征識(shí)別系統(tǒng)上的研究與應(yīng)用實(shí)現(xiàn)[D];廣東工業(yè)大學(xué);2015年

2 馬丁;基于信息熵特征融合和KNN-SVM的目標(biāo)跟蹤算法研究[D];吉林大學(xué);2015年

3 向維輝;基于Gabor濾波的完備CS-LBP算子圖像紋理特征提取算法研究[D];昆明理工大學(xué);2015年

4 鄔偉杰;基于支持向量機(jī)的指紋識(shí)別技術(shù)與實(shí)現(xiàn)方法研究[D];華東理工大學(xué);2015年

5 侯玉婷;基于SVM-KNN的特征自適應(yīng)加權(quán)自然圖像分類(lèi)研究[D];西北大學(xué);2014年

6 曾凡濤;基于改進(jìn)LBP特征的圖像理解[D];吉林大學(xué);2014年

7 陳強(qiáng);人臉圖像的LBP特性及其識(shí)別性能研究[D];華東師范大學(xué);2012年

8 趙聯(lián)征;指紋圖像質(zhì)量評(píng)估方法與應(yīng)用研究[D];山東大學(xué);2012年

9 吳美璇;基于小波的圖像閾值去噪方法[D];重慶大學(xué);2012年

10 楊靜;小波分析在醫(yī)學(xué)圖像處理中的應(yīng)用研究[D];重慶大學(xué);2011年

  本文關(guān)鍵詞：指紋識(shí)別系統(tǒng)活體檢測(cè)技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：328162