摘 要

生物识别技术在大数据信息时代发挥着日益重要的作用，本文研究了生物识别技术中的一种：指纹识别技术，并借助深度学习中的卷积神经网络实现指纹的预匹配过程，减少了数据规模，提高了匹配效率。

卷积神经网络在图像识别中不断发挥着作用，本文借用其在自动特征提取的能力，构建网络框架，使其能够在大量指纹样本中习得指纹纹型特征。在指纹的匹配过程中，事先根据预匹配结果，在特定的类别中进行匹配。在大数据时代下，通过指纹的预匹配，可成倍的提高识别效率。

本文的主要内容包括：

1. 研究了指纹预处理过程中的相关算法，并给予实现。
2. 研究了卷积神经网络在指纹分类中的应用，并使用tensorflow框架编程实现。
3. 根据相似三角形匹配算法原理，进行了指纹的最终匹配。编程实现了指纹识别系统并给予演示。

关键字：指纹预处理；卷积神经网络；指纹分类；指纹最终匹配

Abstract

The biometrics technology plays an increasingly important role in the era of large data information. This paper studies one of the biometric technologies: fingerprint recognition technology, and realizes the pre-matching process of fingerprints with the convolution neural network in depth learning, Scale, improved matching efficiency.

Convolution neural network plays an important role in image recognition. By using its ability of automatic feature extraction, this paper constructs the network frame so that it can acquire the fingerprint pattern in a large number of fingerprint samples. In the fingerprint matching process, in accordance with the pre-match results, in a specific category to match. In the era of large data, through the pre-match fingerprint, can be doubled to improve the efficiency of identification.

The main contents of this paper include:

(1) The algorithm of fingerprint preprocessing is studied and implemented.

(2) The application of convolution neural network in fingerprint classification is studied and realized by tensorflow framework programming.

(3) According to the principle of similar triangular matching algorithm, the final matching of fingerprints is carried out. The fingerprint recognition system is implemented and presented.

Keywords：Fingerprint preprocessing Convolution neural network Fingerprint classification Fingerprint final match

目 录

1 绪论 1

1.1 引言 1

1.2指纹识别国内外研究现状 2

1.3 指纹识别系统构成 2

1.4本文的结构和内容 4

2 指纹图像的预处理 5

2.1 指纹预处理的目的 5

2.2 指纹图像的点运算 5

2.2.1 指纹图像的均衡 5

2.2.2 指纹图像归一化处理过程 7

2.3 指纹图像的滤波增强 8

2.4 指纹图像分割 10

2.5 指纹图像二值化处理 11

2.6 指纹图像的细化过程 12

2.7 本章小结 12

3 神经网络与深度学习 13

3.1 人工神经网络 13

3.1.1 神经网络定义及相关概念 13

3.1.2 神经元模型 13

3.1.3 多层前馈网络与BP网络 14

3.1.4 Softmax分类器 17

3.2 深度学习 18

3.2.1 深度学习及其基本思想 18

3.2.2 卷积神经网络 19

4 基于CNN的指纹预匹配 24

4.1 算法流程 24

4.2 激活函数的选择 24

4.3 训练数据的准备 26

4.4 CNN的搭建 27

4.5 基于Tensorflow的指纹识别实验 28

4.6 实验结果说明 31

4.7本章小结 32

5 指纹图像最终匹配 34

5.1 特征点提取 34

5.1.1 指纹局部特征 34

5.1.2 特征提取算法 35

5.2 基于相似三角形的指纹终匹配 36

5.2.1 相似三角形匹配算法原理 36

5.2.2 指纹匹配系统演示 39

6 总结与展望 43

6.1 总结 43

6.2 展望 43

参考文献 45

致 谢 46

1 绪论

1.1 引言

随着数据时代的到来，所有的人类信息都可能被机器记录和分析。近年来，信息安全问题逐渐成为重点关注的焦点。在信息安全领域，识别技术具有独特的优势，即生物识别技术。当人们在进行诸如网活动上购物，信用卡消费等活动时，生物识别技术可以对用户的身份进行快速并且准确的验证。如图1-1所示为常见的识别技术。

与视网膜，虹膜相比，指纹识别的成本较低。虽然前者的识别效率高，但是用于识别的设备昂贵，识别过程复杂。并且还需要处理隐形眼镜等外在物的影响，而且在采集视网膜或虹膜时，由于需要佩戴特设的眼部设备，容易导致眼疾的交叉感染。相比较之下，指纹的采集容易且方式易让大家接受。指纹识别相比其他识别技术有如下优点：

1. 与人脸相比，人的指纹不会受到刘海，表情，光照，装饰品以及人的姿态的影响，相对比较稳定，可以提高识别的精确度。在现实生活中，两个人长相相似度高的概率远远大于指纹的相似。尤其在识别双胞胎身份中，指纹识别具有明显的优势。
2. 与人们的签名，姿态等行为特征相比较，指纹具有唯一性，长效性和不变性。往往有人为了避开司法机关的侦查，故意修改自己的签名。

图1-1 常见的生物特征识别技术

1.2指纹识别国内外研究现状

中国的指纹技术研究始于20世纪80年代初。清华大学和中国科学院自动化研究所等国内大学和研究所长期以来一直是本研究的主力军。20世纪90年代初，中国北大高科和长春宏达集团等机构依托当地高校，陆续开展指纹识别技术研究。中国科学院通过指纹识别技术深入研究，已经能够生产光电指纹采集机。二十一世纪以后，中国的指纹识别技术研究机构不断增加，如山东大学，上海交通大学等知名大学，进一步推动指纹识别技术的发展。同时，随着应用行业的扩张，国内已有很多生产和销售指纹识别产品的公司。