大数据环境下利用新型FTS的并行细节点指纹匹配通用分解方法

摘要

随着指纹识别数据库规模的不断扩大,指纹识别系统的通用性、可靠性亟须提高。为了解决该问题,提出了利用新型指纹拓扑结构（FTS）的并行化细节点指纹匹配分解方法。该方法首先根据k近邻算法设计了叉点和端点新的结构,并提取出细节点特征。然后,将匹配分数的计算过程分解为几个小步骤来执行,在更精细的层次上分割2个指纹的最终匹配,以此定义局部结构子集之间的部分分数。最后,单独计算这些部分分数,将它们合并在一起,构成一个非常灵活的预测值,并允许丢弃部分分数。此外,提出了基于细节点置信度的指纹匹配算法,有助于全局范围上的指纹信息提取,从而确保局部相似细节点的有效匹配。在SFinGe数据库上的实验结果表明:所提出的分解框架可适用于Apache Hadoop、Apache Spark等大数据环境,具有良好的可靠性。将提出的分解方法应用于3种匹配算法中进行实验,结果表明提出的分解方法具有良好的通用性。