CASIA OpenIR  > 毕业生  > 博士学位论文
指纹识别系统中假指纹检测技术的研究
其他题名The Research of Spoof Finger Detection in Fingerprint Recognition Systems
贾晓飞
学位类型工学博士
导师戴汝为
2015-05-25
学位授予单位中国科学院大学
学位授予地点中国科学院自动化研究所
学位专业计算机应用技术
关键词系统安全性 假指纹检测 稀疏表示 多尺度局部二模式模型 未知材料制作的假指纹 System Security Fake Fingerprint Detection Sparse Representation Multi-scale Lbp Artifacts Made Of Unknown Materials
摘要在移动互联网时代的今天,网络信息安全面临着多方面的威胁,个人隐私保护也受到了越来越广泛的关注和重视。相比于传统的密码,生物特征识别技术作为一种更为安全可靠身份认证技术,因此被广泛应用于维护公共安全、保护个人隐私等多个方面。由于具有采集设备价格低廉、稳定性强等优点,指纹识别技术目前已经成为应用最为广泛的生物特征识别技术。 现在指纹识别技术被广泛应用于在电子商务和电子政务的多个领域。但指纹识别系统的安全性始终是一个不可忽视的问题。在日常生活中,人们不可避免地将指纹遗留在各种物体的表面,这些残留的指纹可能会被不法分子利用来制作假指纹,并对指纹识别系统进行攻击。现有的自动指纹识别系统大多不能正确区分真实指纹和假指纹。因此目前假指纹对社会公共安全和个人隐私保护都构成了严重的威胁。 针对上述问题,本论文试图通过软件手段去检测假指纹,以提高自动指纹识别系统的安全性。论文从如何提取有效特征和如何鲁棒地检测未知材料制作假指纹两个角度出发进行了相关研究,主要创新点包括以下三个方面: 1.提出了利用稀疏表示提取特征的假指纹检测算法。假指纹检测问题的本质是一种特殊图像分类问题,鉴于稀疏表示在其它一些图像分类问题上取得了良好效果,本论文探求利用字典学习和稀疏编码来进行假指纹检测。传统的字典学习和稀疏编码大多基于套索模型。如果字典中存在一组相关性大的基向量,套索模型在稀疏表示时最多会选择其中一个基向量,将其编码系数设置为非零,而且不关心选择的是哪一个基向量。本论文在字典学习和稀疏编码的过程中采用弹性网格模型代替套索模型。弹性网格模型对于相关性大的一组基向量的编码系数进行统一设置,可以证明这些系数的差异在一定的范围之内。该工作在2009 年国际假指纹检测竞赛数据库上的效果明显优于多种主流的假指纹检测方法的结果,表明了稀疏表示方法在假指纹检测中的有效性。 2.提出了基于多尺度局部二模式特征的假指纹检测算法。局部二模式模型在假指纹检测中取得了相对良好的效果。但是原始的局部二模式模型作用面积过小,会造成大量的指纹信息损失。而多分辨率的局部二模式模型尽管一定程度上增加了作用面积,但其作用半径仍然只有3 个像素,继续增大作用面积会造成特征维度大,计算复杂等问题。此外,上述模型都没有进行任何形式的滤波,导致噪声对其分类结果有较大的影响。基于上述分析,本论文提出基于多尺度局部二模式特征的假指纹检测方法。该工作通过两种方式构建多尺度局部二模式模型:一种是通过递归的方法逐步增大局部二模式模型的作用面积,并使用高斯滤波的结果代替单一像素点的灰度值来计算局部二模式模型;另一种方法是对图像进行不同尺度的均值滤波和图像缩放,然后在缩放图像上进行原始局部二模式模型的计算。这两种多尺度局部二模式模型在2011 年国际假指纹检测竞赛数据库上获得的效果都明显优于原始局部二模式模型、多分辨率的局部二模式模型以及其它多种主流假指纹检测模型的结果,这表明该工作可以有效地提高假指纹检测的性能。 3.对如何检测未知材料制作假指纹的问题进行了探...
其他摘要The individual privacy has become increasingly important with the development of mobile internet. Compared to the traditional security methods such as tokens and passwords, biometrics are definitely more safe and reliable. They have been widely deployed for both public and private applications. Among the various kinds of biometrics, fingerprint recognition is the most popular technique due to its convenience, efficiency, stability and low-cost. Fingerprint recognition has been applied to commercial and governmental affairs extensively. However, there exists a crucial issue, the security of the fingerprint recognition system, which should to be taken seriously. In the daily life, fingerprints can be inadvertently left on the surface of objects that are touched or handled by a person. These fingerprints can be lifted by criminals and then used to produce fake fingerprints, which would threat the public and private securities gravely. In order to deal with fake fingerprints and enhance the security of existing fingerprint recognition systems, we propose several algorithms to distinguish fake fingerprint images from real ones, and explore the possibility of detecting fake fingerprints made of unknown materials. The contributions of this paper are summarized as follows. 1. We propose to detect fake fingerprints through sparse representation. As the fake fingerprint detection is essentially a special case of image classification issue, on which the sparse representation achieves outstanding performance, we attempt to recognize fake fingerprint using dictionary learning and sparse coding in this paper. LASSO is a classical model for dictionary learning and sparse coding. If there is a group of highly correlated variables, then LASSO tends to select zero or one variable from the group and ignore the others. In this paper, we introduce the elastic net model instead of the LASSO to train the dictionary. The elastic net model exhibits the grouping effect. The experimental results on the Fingerprint Liveness Detection Competition 2009 database prove that the proposed method outperforms most existing fingerprint liveness detection algorithms. 2. We propose the use of MSLBP (Multi-scale local binary pattern) for fake fingerprint detection. LBP is an efficient feature for texture classification, and it has been applied to fake fingerprint detection. However, the original LBP only operates in a very small area, and it cannot reflect the detail features in fingerpri...
其他标识符201218014628106
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/6684
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
贾晓飞. 指纹识别系统中假指纹检测技术的研究[D]. 中国科学院自动化研究所. 中国科学院大学,2015.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20121801462810(2530KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[贾晓飞]的文章
百度学术
百度学术中相似的文章
[贾晓飞]的文章
必应学术
必应学术中相似的文章
[贾晓飞]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。