一种标定指纹无特征区的新方法

袁 颖， 唐云祁， 郭 威

(中国人民公安大学，北京 100038)

0 引言

众所周知，一枚指纹的细节特征多达上百个，少则几十个，在指纹中存在着除了细节特征点以外的绝大多数没有细节点的区域，这样的区域称之为无特征区。无特征区分布位置与纹线条数等具体信息都具有研究意义，本身就是一种高质量的特征，这种特征无论是对于人工标定，还是进行计算机识别，都具有一定的价值。无特征区域通常分布于9种细节特征及其组合特征的附近区域，若能作为特征点与9种细节特征作为组合特征，或者将无特征区域之间的位置关系作为组合特征作为整体特征，特征质量将能大幅提高。且无特征区域是细节比对中唯一属于区域的特征，若能确定一种划分方法并将无特征区域数据化应用于指纹自动识别系统粗筛选中，将能大大提高其粗匹配能力。

2005年，改进指纹鉴定质量小组(SWGFAST)在向美国指纹局(NIST)提交的报告中，指出在指纹鉴定中，目前所提取使用的指纹细节特征非常有限，有的本质性特征并未纳入指纹特征标准中，而在人工比对中，有许多扩展特征已逐渐纳入应用甚至成为同一认定的根据［1］，同年12月，扩展特征定义委员会(CDEFFS)成立，旨在为指纹同一认定中纳入更多特征识别依据，提高指纹自动识别系统的精准度，缩小指纹自动识别系统与人工识别的差距。但是由于指纹无特征区域在指纹中出现的形状的复杂性与位置的随机性，目前国内外对于指纹无特征区的研究相对较少，还没有一种较好的方法对无特征区进行标画。本项研究采取计算机能识别的横纵坐标网格法［2］对无特征区进行标画，并对100枚油墨三面捺印的指纹样本进行统计。运用统计学方法将数据进行分析，探究指纹无特征区的稳定性，研究无特征区在指纹自动识别系统中能被识别的信息，为实现多级指纹数据库的检索打下前期的理论基础，为提升面向千万人级别的大型指纹数据效率提供参考，为人工标定无特征区或者计算机自动标定无特征区提供借鉴。

1 无特征区定义标准

无特征区特征指的是指纹中无特征区域所呈现的特性。普通细节点特征多以点的形式出现，而无特征区作为一个面即一个范围的特征出现，它表示手印的某一区域、某一范围的若干条纹线中，无任何细节点特征出现，形成细节点特征的空白区，这种空白区就是无特征区特征，它是一种质量较高的细节特征。

指纹特征点之间的组合是一个几何域的问题，所以对这些特征点的描述与几何参数有关，特征点的平面几何关系表现为某两个特征点之间的距离等，或者某3个或更多特征点之间组成的多边形的几何特性，无特征区就是多个特征点之间组合形成的多边形，形状会根据不同指纹特征点的位置而不同。无特征区域是指在较大范围内，无变形条件下形成的手印无起点、终点、分歧、结合、勾形线、桥形线、眼形线、点、短线九种细节特征，则将这一区域成为无特征区域［2］。普通细节特征多以点的形式出现，而无特征区作为一个面即一个范围的特征出现，它表示手印的某一区域、某一范围的若干条纹线中，无任何细节特征出现，形成特征的空白区，这种空白区就是无特征区特征，从宏观角度而言，它是一种质量较高的细节特征，具有较高的鉴定价值。

2 无特征区标定方法简介

2.1 标定指纹特征点、指纹中心、三角

步骤一:粘贴标尺。按照指纹实际尺寸在指纹左边上粘贴比例尺;

步骤二:标定指纹特征点。用红色的小点标记出指纹特征点，包括纹线的起点、终点、分叉点和结合点这四类特征点(其他特征，例如伤疤、褶皱等在自动识别系统里不常用的特征在此不标注);

步骤三:确定指纹中心与三角。用绿色符号“T”定位指纹中心与绿色符号“Δ”标注指纹三角，在指纹中心弧形线上寻找纹线的最大曲率点，顺纹线流向在最大曲率点上做纹线的切线，作一条垂直于切线的垂线，绘制出一个“T”形标定指纹中心。

由于现有的指纹自动识别系统对于特征点的标注会有漏标错标的情况，所以本实验采取人工标注的方法，使用该方法对不同纹型的指纹中心进行定位，下图列举了弓型纹、箕型纹和斗型纹3种纹型的标定，如图1所示。

图1 弓型纹、箕型纹、斗型纹的中心定位

2.2 绘制网格

本方法选取边长为2.5 mm的正方形网格对指纹进行标定，以指纹中心切线为横轴，以切线的垂线为纵轴，将指纹中心与网格中心重合。由本研究预实验的数据可知若网格边长＜2.5 mm，有特征点的方格数量就等于指纹中特征点的数量，无特征区分布零散难以统计;若边长＞2.5 mm，指纹被分为屈指可数的几块，某些特征点较多的指纹经过有特征区域的排除之后，指纹中几乎没有无特征区域。绘制网格如图2所示。

2.3 对无特征区进行编号

图2 2.5 mm边长网格对指纹的分析

首先用黄色线条标定指纹的总面积，所遵循的原则是:超过单位方格二分之一的面积内有指纹纹线则划入指纹区域，反之则进行排除。其次将单元中存在特征点的方格用黑色进行排除，排除之后剩下形状各异、面积不同的若干个指纹区域，指纹区域的四周由黑色方块或者黄色线条完全包围的算一个完整的无特征区域。最后从x轴开始逆时针对这些区域进行编号，在同一个无特征区域中的选取方格的右下顶点的极坐标［p，θ］中角度值θ最小的方格标号为1，代表这一整块无特征区的编号，若θ值相同则比较p值，选取p值最小的;在不同的特征区中选择方格θ值较小的无特征区域优先进行编号，依次进行以此类推。如图3所示。

图3 无特征区域的编号

2.4 统计无特征区具体信息

无特征区的具体信息包括3点:

(1)单个无特征区面积大小，统计单个无特征区面积的公式为:单个无特征区面积=单个无特征方格数量×单位方格面积，在网格中按照此公式统计出的无特征区的面积。

(2)位置坐标，记录被编号的方格右下顶点的横纵坐标，如图3所示，编号为2的无特征区的坐标为［－5，－2.5］。

(3)纹线条数，统计的纹线条数是在此区域中出现的完整无重复的纹线数目，如果一条纹线重复出现在一个无特征区域的两个方格中只能计数为一条，如图3中的2号无特征区域的纹线条数为9条。

3 实验结果与分析

本研究采取上述方法选取了100枚三面按捺的指纹样本进行统计，指纹样本使用ZNY－V型掌纹捺印盒(北京华兴瑞安科技有限公司)在十指指纹捺印卡上捺印，使用光学分辨率为9 600×9 600的Canonscan 9000F MarkⅡ平板式扫描仪 (日本佳能公司)将指纹捺印卡进行扫描，采用正版图像处理软件Adobe photoshop7.0(美国Adobe公司)对指纹图像特征进行标画，使用正版SPSSv19.0(Statistical Product and Service Solutions)统计分析软件 (美国IBM公司)对实验结果进行分析。

用以上方法对图3所示的指纹进行无特征区面积、纹线数量、分布位置进行统计，如表1所示。

表1 单个无特征区的具体信息统计表

无特征区所占方格数n1;无特征区面积S/mm3;无特征区域纹线数量n2;分布位置坐标/mm。由于100个指纹样本统计数据量大，在此就不一一列举。

用SPSS对统计数据进行分析，分析的统计量有无特征区数量、单个无特征区纹线数量、以及单个无特征区面积的均值、标准差、方差、极大值、极小值，由数据可知样本中无特征区数量为740个，无特征区数量的方差最小，离散程度最低最为稳定，指纹中无特征区数量的最小值为1，最大值为15;单个无特征区中的纹线数量最小值为3条纹线，最大值为40条纹线;单个无特征区的面积的最小值为6.25 mm2，面积的最大值为375 mm2，如表2所示。

表2 样本无特征区统计量汇总表

图4 样本无特征区数量统计直方图

图5 样本中纹线数量统计直方图

图6 样本中单个无特征区面积统计直方图

由表2、图4、图5、图6分析可知，在所有的样本中，编号为1的无特征区数量最多，出现的频率也最高，无特征区中纹线条数为5条的区域出现的频率最高，无特征区面积为6.25的无特征区出现的频率最高;经过“X坐标＞0，Y坐标＞0”的筛选条件获悉第一象限出现无特征区域的指纹有100个，即所有指纹在第一象限都出现了无特征区，在样本中指纹第一象限出现无特征区的概率是100%，无特征区有213个;经过“X坐标＜0，Y坐标＞0”的筛选条件获悉第二象限出现无特征区域的指纹有62个，在样本中指纹第二象限出现无特征区的概率是62%，无特征区有102个;经过“X坐标＜0，Y坐标＜0”的筛选条件获悉第三象限出现无特征区域的指纹有70个，在样本中指纹第一象限出现无特征区的概率是70%，无特征区有119个;经过“X坐标＞0，Y坐标＜0”的筛选条件获悉第四象限出现无特征区域的指纹有80个，在样本中指纹第一象限出现无特征区的概率是80%，无特征区有135个;信息汇总如表3所示。

表3 无特征区坐标的四个象限分布

表4 样本中重复指纹汇总表

参考样本中的如下统计量纹型、无特征区编号、纹线数量、X坐标轴值、Y坐标轴值之后，研究发现在其中以上统计量都相等的有10组指纹，如表中8所示。在表中8可以获悉其中有9组指纹是两枚指纹统计量都相同，其中有1组指纹的数据是3枚指纹统计量相同，而且这些坐标相同的指纹面积都为6.25。由表4分析可知，在统计的740个无特征区中，只考虑一个无特征区的坐标系重复率为0.02%～0.03%，选取两个无特征区进行筛选，重复率为0%，所以若在筛选过程中同时考虑两个无特征区，则没有重复的指纹。

4 结论

综上所述，用网格法统计100枚样本无特征区的研究中，面积为6.25 mm2的无特征区区域出现重复的概率最大，纹线数量在5～6之间，在筛选指纹的过程中只考虑一个无特征区坐标系重复率为0.02% ～0.03%，选取两个无特征区进行筛选，重复率为0%，所以若在筛选过程中同时考虑两个或两个以上无特征区，则能有效缩小待选指纹范围，这种新方法对无特征区的统计具有稳定性。

［1］ 罗亚平，郭威.指纹学教程［M］.北京:中国人民公安大学出版社，2010.

［2］ ARADA G P，DADIOS E P.Dadios.Partial fingerprint identification through checkerboard sampling method using ANN［C］∥TENCON 2012－2012 IEEE Region 10 Conference.IEEE，2012:1－6.