指纹分类

摘要： 现代指纹技术自民国时期引入中国.但受特殊历史时期影响,英国的亨利制度、阿根廷的武赛蒂赫制度、德国的汉堡制度、法国的埃蒙培尔制度等不同指纹技术,几乎同时在中国不同地区得以探索和实践.这种百花齐放的状态限制了鉴定标准的统一和侦查协作的开展.1936年内政部、司法行政部决定设立指纹调查委员会开展全国指纹技术标准统一工作,并认为应“依据中国人民之指纹出现状况”确定统一的指纹鉴定标准.但通过不同编码技术的分析不难发现,学说派系之争、人际关系和地域差异等因素超越了技术分歧本身,以致统一任务未能完成.当下指纹鉴定标准的统一与选择应组织专家委员会,在数据库分析的基础上科学定立,以建立指纹证据采信规则.

摘要： 指纹识别作为“物证之首”一直被认为是最可靠的生物特征识别方法,目前已经广泛应用在刑事侦查、居民身份认定及核实等领域。这类应用的特点在于需将待识别指纹与海量指纹数据库中的全部指纹做快速比对,以确定该枚指纹所有人的身份。为了提高指纹识别速度,海量指纹数据库会按照纹型拆分成若干类,待识别指纹仅和同类指纹做逐一比对。随着指纹采集相关的法律生效,近几年指纹数据库规模迅速扩大。一方面库内同类纹型的图像差异性显著增加,另一方面不同类指纹图像的相似性也在增加,指纹分类算法误分率大幅增加。“海量指纹纹型精准分类问题”迅速成为公安应用及指纹识别领域研究的热点。针对上述问题,提出一种基于胶囊网络的指纹纹型精准分类模型Cap-FingerNet。该模型一方面将胶囊网络独有的网络特性与指纹图像特有的自相似纹理特征相结合,可构成更为鲁棒的特征提取器及分类器。新引入的Batch-Normalization方法还可避免典型胶囊网络易于出现“梯度消失”的不足。另一方面,引入注意力胶囊机制,使得Cap-FingerNet较典型胶囊网络更准确且全面地提取出指纹图像细节信息,并使用全局压缩算法对胶囊进行有效挤压。Cap-FingerNet模型在某公安刑侦指纹数据库的4分类纹分类上获得99.63%的极高准确率,并在国际公开指纹数据集NIST-DB04的纹型4分类和5分类任务上分别测得96.25%和94.5%的准确率,取得了目前文献中最好成绩。

摘要： 快速准确的指纹分类在大型指纹识别系统中是加速目标指纹查找的关键技术.目前,指纹分类算法存在复杂度高、操作繁琐、参数较多、所需数据规模大、且无法充分利用指纹特征信息等问题.神经网络深层提取的特征更加关键,也更有代表性,但忽略了部分浅层信息.针对指纹分类存在的问题,本文提出一种轻量化多特征融合的指纹分类算法.该算法设计了轻量化Finger-SqueezeNet来训练指纹图像,采用查表法求得指纹的细化图之后,利用改进的分布求和梯度法求取相应细化图的感兴趣区域(Region Of Interest,ROI)图像;将指纹ROI图像输入网络深层与提取的特征图进行特征融合,使得深层网络也能获得浅层中纹线准确的走向信息,从而增强网络对于纹型的敏感度;采用Maxout激活函数对网络提取的特征进行激活.实验结果表明,本文算法不仅减少了训练参数量,而且通过指纹ROI图像补偿深层特征图,更加充分利用了指纹的纹型信息,轻量化算法也可为指纹分类模型拓展到移动端提供理论支撑.

摘要： 目的 目前的指纹分类模型存在操作繁琐、参数较多、所需数据规模大、无法充分利用指纹特征信息等问题,而进行快速准确的指纹分类在大型指纹识别系统中至关重要.方法 传统的机器学习方法大多假设已标注数据与未标注数据的分布是相同的,而迁移学习允许源空间、任务空间在测试集和训练集中的分布是不同的,并且迁移学习仅专注目标任务的训练,使得网络模型根据需求更具个性化.因此,本文提出一种基于迁移学习的轻量级指纹分类模型.该模型结合迁移学习,首先采用梯度估计的方法求取指纹图像的方向场图并且做增强处理;然后将扩展的指纹方向场图数据集用于本文提出的轻量级Finger-SqueezeNet的预训练,使其达到一定的分类效果,从而初步实现网络模型参数的调整;最后保留预训练模型部分的网络参数不变,使用指纹图像数据集NIST-DB4对Finger-SqueezeNet网络进行参数微调(fine tuning).结果 在使用相同的指纹数据集在本文提出的纯网络模型进行分类训练后发现,未采用迁移学习方法对网络模型进行预训练得到的平均分类结果为93％,而通过预训练后的网络模型可以达到98.45％,最终采用单枚指纹测试的方法得到的测试结果达到95.73％.对比同种类型的方法以及验证标准后可知,本文的指纹分类模型在大幅度减少网络参数的同时仍能达到较高的准确率.结论 采用指纹类内迁移学习方法和轻量级神经网络相结合进行分类,适当利用了指纹特征信息,而且有望使指纹分类模型拓展到移动端.

摘要： Because the location,direction and other information contained in the core points of fingerprint are able to describe the topology and even the class of fingerprint,the detection of core points plays an important role in fingerprint classification,indexing and recognition.In order to reduce the detection error rate of core points,a new approach for core points' rough detection based on the sin-map of fingerprint's orientation and several rules for filtering concluded by the regularities of core points' distribution and the principle of the common detection approaches is proposed,and a complex-filter is fused with other core point detection approaches.Experiment shows that the detection error rate of core points is effectively reduced,and the accuracy of fingerprint classification is increased by 2％-8％ using the improved approach.%由于指纹中心点的位置、方向等信息,在一定程度上具有描述指纹的拓扑结构甚至类型的能力,所以中心点定位算法的效果在指纹分类、检索以及识别结果上都产生了重要的影响.为降低中心点的误定位率,提出一个根据方向场正弦图进行中心点粗定位的方法,以及根据中心点分布规律与常用定位算法原理制定了一系列筛选规则,并将复数滤波与其它中心点定位算法进行融合.实验表明改进方法有效减少了指纹中心点的误定位率,并有效增加了指纹分类的准确率2％-8％.

摘要： 针对指纹一对一匹配识别方法严重影响指纹数据库系统识别效率的问题,提出一种基于细节点描述子的指纹检索算法,该算法先根据细节点描述子的结构信息进行粗匹配筛选,剔除虚假细节点产生的影响;然后利用筛选后的细节点位置关系确定最佳参考点;最后基于最佳参考点计算所有指纹图像相似度,将相似度排在前N0的指纹返回并作为候选指纹.实验结果表明,该算法在时间和空间上都优于传统指纹检索算法.

摘要： 针对指纹一对一匹配识别方法严重影响指纹数据库系统识别效率的问题,提出一种基于细节点描述子的指纹检索算法,该算法先根据细节点描述子的结构信息进行粗匹配筛选,剔除虚假细节点产生的影响;然后利用筛选后的细节点位置关系确定最佳参考点;最后基于最佳参考点计算所有指纹图像相似度,将相似度排在前N0的指纹返回并作为候选指纹。实验结果表明,该算法在时间和空间上都优于传统指纹检索算法。

摘要： 在指纹数据库规模不断增大的情况下,指纹分类对于提高指纹识别的速度和准确率十分重要.本文提出一种利用指纹纹理信息的方法将指纹分为五大类.该方法利用指纹的中心点将指纹模式区分为四个部分并求取每一部分的局部二值模式方差,然后利用K近邻分类器进行分类.实验证明该方法具有良好的分类性能.%In the scale of fingerprint database is increasing,fingerprint classification is crucial for improving the speed and accuracy of fingerprint recognition.This paper presents a method based on the fingerprint texture,and divides the fingerprint image into five categories.According to the core points,a fingerprint image is divided into four regions,each region is modeled with the distribution of the local binary pattern variance (LBPV) values,and then it is classified by KNN classifies.Experiments verify that the method has good classification performance.

摘要： 指纹分类可以大大减少在指纹数据库中的匹配次数,缩短匹配时间。本文在指纹块方向场的基础上,利用其方向方差进行滤波,得出各奇异点的连接路径,并结合核心点与此路径形成一种改进的指纹分类方法。该方法以指纹块方向场为基础,符合指纹分类的全局思想,而非关注于细节特征,并简化计算。经过方向方差滤波后的指纹图像不仅可以利用奇异点的相对位置进行指纹分类,而且克服了奇异点丢失的弊端。本文针对滤波后的图像特征,提出了基于方向方差滤波的分类算法,通过实验验证了本算法的有效性。

摘要： 为了解决目前指纹粗分类识别率低、分类类型少等问题，在分析SVM决策数指纹分类可行性的基础上，本文提出将二叉树思想和二类分类的SVM方法有机结合构成多类别识别器，对指纹进行八类分类研究.实验结果表明，该方法具有良好的分类效果，比采用多层前向神经网络等得到的正确率提高8.8％，具有广泛的应用前景和推广价值。

摘要： 机器学习的实现方法大致分为三类,分别为经典的(参数)统计方法、经验非线性方法和统计学习理论(Statistical learning theory),它是研究小样本统计估计和预测的理论,以VC维来描述机器的学习能力,并发展出了一系列关于统计学习的一致性,收敛速度,泛化性能等重要的结论.而SVM(support vector machine)是在统计学习理论(SLT)的基础上发展起来的一种机器学习方法,并且适合有限样本(小样本)问题分类问题,并且在很大程度上解决了传统方法中存在的问题.SVM对指纹的分类提供了有效的检索机制,Shesha Shah对指纹的分类作了较为深入的研究,提出了一种HMM与SVM相结合的新型的判决方法,提出了基于SVM的两级指纹分类研究,通过对粗细两级指纹的分类器的构造,取得了较好的泛化能力.本文利用SVM理论,构造了组合多类SVM和单类SVM两类多值分类器对5类指纹进行分类,对其产生的试验结果进行了分析,其效果还是可以接受的。

摘要： 依据指纹特征点在指纹图像中的特性给出了一种基于指纹分类的识别算法.该算法利用中心点和三角点信息对指纹进行分类并初匹配,然后用可靠性较高的分叉点所在脊线的相似度寻找出基准点对,根据基准点与周围特征点的关系筛选基准点对、确定变换参数,有效地解决基准点筛选受噪声影响问题,最后利用可变限界盒实现指纹匹配.实验结果表明,该算法能快速、准确地定位基准点,正确有效地实现指纹匹配,同时提高匹配速度及精确度.

摘要： 本文研究了利用SVM解决二类分类问题的优势,文章设计了一个两级指纹分类器,提出并实现了一种新型的指纹分类的算法.实验表明,分类器具有很好的范化能力,对于新样本分类的正确率达98.5﹪,算法具有一定实用价值.

摘要： 指纹分类则是自动指纹识别技术的重要组成部分,在一对多自动指纹识别中有着重要的应用价值.尽管过内外同行已经对指纹分类问题做过很多的研究工作,但由于指纹图像采集技术的限制、指纹分类问题本身的复杂性等因素的影响,现有指纹分类算法在分类准确率和分类效率上与实际应用的要求还有较大差距.针对此问题,本论文对指纹分类的问题作了较深入的分析,分析结果有助于指纹分类算法的进一步研究.

摘要： 本文着眼于分类器整体技术和属性选择,在训练阶段仅仅产生所需要的频率表,在修正和测试阶段进行属性选择和加权,修正分类器模型,生成了二次建模的加权朴素贝叶斯分类器(RWN-BC),并成功地将其应用于卷烟烟丝的分类和分级问题上。实验结果表明,与朴素贝叶斯相比,RWNBC具有较高的分类正确性。

摘要： 本文提出了一种新的匹配算法,该算法有利于解决指纹识别中的计算机协同问题,这一算法分三步进行.首先,利用指纹的分类信息进行粗匹配;然后,利用中心点和三角点的信息进行进一步的匹配;最后,以待识和模板指纹图像的中心点为基准点,将中心点与其临近的36个细节点形成矢量.于是,指纹的匹配就转变为矢量数组的匹配.该算法成功地解决了指纹匹配中的图像旋转、平移和形变不变性的问题,并具有良好的快速性.

摘要： 随着指纹识别技术的广泛应用和网络技术的发展,基于网络的指纹自动识别系统面临着如何提高检索速度和准确度的问题.本文根据指纹数据库自身的特点,提出了一种新的检索和索引网络大型指纹数据库的方法.该算法利用指纹的类别和局部特征建立了三级索引,有利于缩小检索空间,提高检索速度.在算法中提出了一种新的指纹分类方法,将指纹分为八类:弧形、尖拱形、左旋形、右旋形、正涡形、左涡形、右涡形、混合形.该算法利用core点和delta点的位置、数目和方向判断指纹的类别,有效地解决了采集时对指纹的旋转、平移和形变不变性的要求,并有助于进一步缩小检索空间,提高检索速度.实验证明,效果良好。

摘要： 生物测定技术是通过普通生理特征如指纹、掌纹、虹膜、DNA等鉴别个人身份的科学.指纹的唯一性和稳定性,以及其所具有的便于采样、可靠性高的优点使得指纹识别已经成为身份认证的最有效手段.一个有效的指纹识别系统是多种因素的共同作用.对于大容量的指纹库,指纹分类是指纹识别的基础,通过分类可以有效地对数据库进行管理和减少指纹匹配的时间.本文的中心思想是结合遗传算法和BP神经网络两者的优点设计算法,以提高指纹分类和指纹识别系统的有效性.

摘要： 利用遗传算法具有的全局随机搜索能力,设计了一个改进的BP学习算法进行网络训练,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练.利用Visual C++编程测试,结果表明,该系统具有分类速度快、效率高的优点,具有一定的实用性.

摘要： 本发明提供的分类方法采用多判别因子的分步递进指纹质量评估算法剔除低质量指纹，从而提高指纹识别的准确性。对于质量合格的指纹进行三级分类，第一级根据指纹纹型特征将指纹分为六类；第二级以指纹奇异点间的脊线数为特征进行分类；第三级以指纹图像质量稳定区域的分形维数为特征进行分类，其中第二、三级分类均可实现连续分类和冗余检索，从而有效地提高系统分类的准确性和鲁棒性。在NIST DB4上的实验表明，本文提出的方法分类完备，检索速度快，适应能力强，具有较强的鲁棒性，特别适合于大容量指纹库的快速自动识别。

摘要： 本发明提供一种基于WiFi和地磁指纹的多分类器全局动态融合定位方法，涉及室内融合定位技术领域。本发明的步骤分为离线阶段和在线定位阶段：离线阶段：建立WiFi和地磁混合指纹库分成两份；一份用于分类器训练；另一份用于训练分类器在每个格点上的权重，以获取权重矩阵；在线定位阶段：将线上数据进行预处理后输入到各分类器中获得分类结果；并利用线上数据与离线指纹匹配结果索引权重矩阵获取融合权重，将各分类器的分类结果进行加权融合，得到最终位置估计。本发明解决了分类器局部动态融合方法无法最大化各分类器的互补特性的问题，WiFi和地磁指纹的联合利用有效地提高了定位的精度。

摘要： 本发明涉及一种用于对借助磁共振指纹法从检查对象采集的磁共振测量数据进行分类的方法、一种分类单元、一种磁共振设备和一种计算机程序产品。用于对借助磁共振指纹法从检查对象采集的磁共振测量数据进行分类的方法包括以下方法步骤：‑采集检查对象的磁共振测量数据，其中磁共振测量数据包括借助磁共振指纹法采集的多个磁共振信号走向，‑从磁共振测量数据推导出至少一个纹理参数，‑利用至少一个纹理参数将磁共振测量数据分类为至少一个组织类别，和‑提供分类后的磁共振测量数据。

摘要： 本发明提出了一种基于神经网络的指纹汗孔编码分类方法，包括以下步骤：步骤1）提取高分辨率的指纹图像，通过分割，归一化方法对指纹图像进行预处理，通过Gabor滤波器得到指纹汗孔的位置特征；步骤2）使用神经网络对所述位置特征进行训练，得到分类训练集；该方法方便直接，降低了外界环境影响，降低了识别算法的复杂度，提高系统的鲁棒性，节省识别时间，在安防系统、高级门锁门禁系统和刑侦领域具有广泛的应用前景。

摘要： 本发明公开了一种网络流量指纹特征二阶段多分类的物联网设备识别方法，属于物联网设备接入控制技术领域，该算法从网络流量中提取网络流量特征并匹配识别接入的物联网设备。该算法的主要步骤为：首先采集物联网设备启动接入阶段时的N个网络报文数据，从序列字段内容、序列协议信息以及序列统计数值三个维度提取特征作为设备指纹特征；接着采用“一对多”多分类机器学习架构对待检测的物联网设备进行初步识别；若初步识别出现多个识别结果，则将结果输入至最大相似度比较模块进行二次分类识别，选取相似度最高的类型作为最终识别结果。本发明克服了现有识别算法在进行物联网设备识别时容易出现识别重叠的问题，提高了识别的精确性和唯一性。

摘要： 本发明提供了一种神经指纹提取分类方法，包括依次执行如下步骤：图像获取步骤、脑结构标注步骤、神经指纹提取步骤。本发明的有益效果是：本发明对不同序列的磁共振图像进行信息挖掘，通过建立统一的结构标注和定位形成对各脑区的统一指纹提取和建立的方法，从而构建全面的神经指纹系统，建立不同性别、不同年龄阶段的神经指纹标准库，从而可以对待测目标进行脑健康的评估，疾病的分类分型以及疾病的预测。神经指纹标准库的建立可以对待测对象进行脑发育、脑衰老、神经疾病、精神疾病进行可量化的评估和分类，可以形成天赋评估、优势评估、衰老评估、康复评估、辅助诊断、疾病预测等技术。为人类人才的优势培养、脑保健、脑疾病的诊断和预防奠定标准化技术基础。

摘要： 本发明提供的分类方法采用多判别因子的分步递进指纹质量评估算法剔除低质量指纹，从而提高指纹识别的准确性。对于质量合格的指纹进行三级分类，第一级根据指纹纹型特征将指纹分为六类；第二级以指纹奇异点间的脊线数为特征进行分类；第三级以指纹图像质量稳定区域的分形维数为特征进行分类，其中第二、三级分类均可实现连续分类和冗余检索，从而有效地提高系统分类的准确性和鲁棒性。在NIST DB4上的实验表明，本文提出的方法分类完备，检索速度快，适应能力强，具有较强的鲁棒性，特别适合于大容量指纹库的快速自动识别。

摘要： 本发明公开了一种基于多级分类器的指纹分类算法。主要解决现有技术的分类准确度低和分类器鲁棒性差的问题。其实现步骤为：(1)用梯度法提取指纹图像的块方向场，计算每一块方向场的质量，并建立归一化的方向场扩散模型，计算归一化后的指纹图像方向场；(2)根据归一化后的指纹图像方向场对指纹图像进行复数滤波；(3)提取指纹图像的脊线流向，以指纹图像方向场，复数滤波的响应和脊线流向为特征，设计一个分级分类器对指纹进行分类。本发明具有提取的方向场精确度高，提取的指纹特征区分性强，分类器鲁棒性好，分类精确度高的优点，可用于在自动化指纹识别系统中对指纹进行分类。

摘要： 本发明公开了一种基于多级分类器的指纹分类算法。主要解决现有技术的分类准确度低和分类器鲁棒性差的问题。其实现步骤为：(1)用梯度法提取指纹图像的块方向场，计算每一块方向场的质量，并建立归一化的方向场扩散模型，计算归一化后的指纹图像方向场；(2)根据归一化后的指纹图像方向场对指纹图像进行复数滤波；(3)提取指纹图像的脊线流向，以指纹图像方向场，复数滤波的响应和脊线流向为特征，设计一个分级分类器对指纹进行分类。本发明具有提取的方向场精确度高，提取的指纹特征区分性强，分类器鲁棒性好，分类精确度高的优点，可用于在自动化指纹识别系统中对指纹进行分类。

摘要： 本发明涉及一种基于图注意力池化网络的细粒度加密网站指纹分类方法和装置。该方法建立用于描述网络流量模式的流量踪迹图，流量踪迹图中的节点表示网络流，边表示网络流的上下文关系；利用图神经网络模型自动学习流量踪迹图中的流内特征和流间特征，得到流量踪迹图的有效嵌入表示；利用流量踪迹图的有效嵌入表示进行网站指纹分类。本发明提出可以合理描述网络流量模式的流量踪迹图，该方法基于图神经网络算法，无需复杂的人工特征选择，可以同时有效学习网络流量的全局特征和局部特征，可以自动学习并更加关注重要流节点，并减少类间相似流节点和噪声流节点的负面影响。本发明适合多种粒度网站指纹场景，性能更优，且所需训练样本数量更少。