基于指紋識別技術的校園門禁應用

李潤婷 李婷婷

摘要：由于指紋識別技術具有獨特性，指紋匹配已成為一種有效的人類識別工具，指紋的普遍性和不變性讓指紋識別技術在當今社會得到了廣泛的應用。比如：指紋識別技術已廣泛應用于身份識別、考勤系統、巡更系統、指紋解鎖、門禁系統等各領域。該文將指紋識別技術應用于高校門禁系統中，如此的應用既可以方便高校的管理，又可以方便廣大師生。由于考慮到高校的師生數量較大，在實際應用中可采用大型數據庫進行存放數據。

關鍵詞：指紋識別;高校;門禁系統

中圖分類號：TP311? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2020）16-0222-02

1 引言

個人身份識別是全球最大的問題之一，當今社會的各個領域，從訪問控制到犯罪學和法醫鑒定、付款和鑒定計算機系統中，在所有生物特征中可用于識別的內容，例如語音、虹膜、DNA、指紋是使用最廣泛的。因其獨特性、普遍性、不變性和提取設施而受到人們的認可。

2 指紋識別技術

指紋識別技術是一種屬于生物識別的技術，指紋識別技術一般包括三個步驟：指紋識別、特征提取和指紋的匹配。

2.1 指紋識別

指紋基本上是由從手指上捕獲的山脊和山谷的圖案通過墨壓力機得來，電容式或光學傳感器等指紋識別已經研究了很多年了，也已經提出了許多指紋匹配算法。指紋識別可以分為兩種問題：驗證和識別。前者包括確定兩個圖像是否屬于同一圖像指紋，即一對一比較。后者是專門的在模板中搜索輸入指紋的匹配項數據庫，以便可以識別此指紋的所有者。因此，識別可以看作是對驗證的概括，進行一對多比較的問題。通常，匹配算法旨在執行指紋驗證及其概括，以解決身份識別問題，大多數都專注于實現非常精確的匹配，通常會對時間產生負面影響作用，在大多數實時系統中，這個因素是決定高響應時間，等同于系統故障。

指紋數據庫是N個模板的集合T指紋T = {T1，... TN}，用作指紋的參考識別。因此，識別作為輸入指紋是1：N的比較問題，我需要與所有T進行比較。

識別問題可以看做是一次驗證數據庫中的每個指紋，因此，這些問題之間的關系是復雜性順序的問題。驗證問題的目的是獲得非常精確的結果，盡可能降低錯誤率。然而，復雜的驗證方法對識別沒有用，因為總體響應時間會太長。到目前為止，識別問題的一般特征包括：

（1）精確度：錯誤率必須盡可能低，以便得到一個準確的結果。

（2）效率：在指紋中找到指紋所需的時間。數據庫應盡可能小，在實時系統中，例如：高延遲可能等同于系統故障，通常在幾秒鐘內，延遲閾值取決于特定的系統。

（3）可擴展性：它揭示了系統在任意大小的數據庫中處理的能力、數量合理時間、保持精度的要求。

（4）靈活性：系統必須輕松、高效地安裝任何大小的數據庫，任何功能的數據庫（例如嘈雜的指紋），以及任何硬件配置（不同架構，不同的集群大小，不同的處理器）。

盡管指紋識別有多種解決方案，一般的搜索過程結構由以下步驟組成：

（1）輸入指紋提取

（2）特征提取

（3）在數據庫中搜索相似的指紋

（4）返回結果

2.2 特征提取

指紋基本上由脊和谷形成，它們能在高質量的圖像中很清晰，相反，它們可能會變得模糊甚至無法區分。困難的指紋提取過程，在對它們進行不同程度的分析時，這些脊和山谷呈現出一些可用于執行指紋比較。在特征提取中指紋的細節在指紋識別中最為重要，一些研究指出細節是用于指紋識別的最可靠功能，細節是山脊的分叉和末端，兩個指紋之間的十二個完全匹配的細節才可以確保兩個指紋相同。因此，具有細節的指紋可以表示為一個細節矢量，細節可以被有效地存儲并容易地處理，指紋的比較可以作為細節集之間的相似度計算，細節提取方法主要有兩種：

基于二值化的方法：大多數方法需要二進制指紋圖像，圖像通常會變稀將線寬減小到一個像素的過程，成為框架圖像。盡管這些步驟很耗時，可能會導致某些信息丟失，它們會導致細節通過簡單的圖像掃描進行檢測。這種類型的一些方法是基于峰值檢測的方法與山脊方向正交的截面，此外，其他方法可以在細化之前改善圖像質量步驟，例如通過使用自適應窗口跟隨山脊并找出間隙和孔。

直接灰度提取方法：某些提取方法不使用直接灰度提取方法，因此，沒有信息丟失，并且避免在二值化和稀化步驟上花費時間，但是這些方法無法從先驗增強中受益。最常用的方法之一是使用方向圖跟隨脊，其他方法使用了脊線跟蹤的替代方法，例如神經網絡或空間過濾。

2.3 匹配

匹配算法比較了兩個指紋的特征，從指紋圖像中提取特征，打印并返回相似度數值，算法和數據使用的結構取決于特定的功能，可用的匹配器有：

（1）基于相關性。

（2）基于細節的。

（3）基于非細節特征。

本文重點介紹基于細節的匹配器，通常數據結構如下：

（1）細節之間的距離。

（2）細節街區。

（3）細節之間的脊數（脊數）。

匹配算法是從這些算法中執行一些計算結構和指紋本身具有的特征并返回數值（通常是實數），描述相似度范圍從完全不同的指紋到完全相同的圖片，基于細節的匹配過程包含三種不同的級別：

（1）全局：比較整個圖像的細節。這個匹配類型盡管使用了整個圖像同時提供了完整的視圖指紋，但對圖像失真、旋轉和翻譯更敏感。

（2）本地：比較彼此靠近的小塊細節。旋轉和平移引起的問題之所以得以緩解，因為使用了相對角度和坐標，使得該方法下旋轉和平移不變，失真問題也是減少，緊密的細節受變形的影響較小。但是，未將指紋整體視為一個有損，可能會影響算法的精度。

（3）混合：最可靠的算法使用混合方法。首先，局部匹配會提取最相似的兩個指紋的細節組，然后基于此進行對應關系全局匹配。

3 指紋識別技術在門禁系統中的應用

經調查發現，現在大部分高校，在學校門口、圖書館和宿舍都設有門禁裝置，以防校外人士隨意進校，此舉既可以有效地對在校師生的人身安全進行保護，也可以保護學校的財產，對學校的治安起了很大的幫助。廣大師生可以手持校園一卡通隨意出入學校、圖書館和宿舍，校園一卡通看似很方便，但已經無法滿足生活在高科技產品爆發時代的我們。在本文中將提出在高校門禁系統中應用指紋識別技術，在廣大師生入職和開學時采取1-3個指紋并錄入數據庫即可，在后面的校園生活中，無須帶卡便可通過任何門禁裝置。

此外，由于高校里師生數量較大，當數字數據庫中模板的數量增加，雖然有些方法設計得盡可能快，但并不能保持其精度，因此不適合解決大型數據庫問題。高性能計算（HPC）是解決此問題的工具之一，HPC支持現代科學，允許執行多個通過使用適當的質量在合理的時間內進行計算結構。 HPC已成功用于許多不同的模式識別問題，比如：實時圖像比較和其他人工情報系統。HPC是一種很有前途的資源，已經被證明可以減少識別時間。

4 結論

在本文中，我們提出將指紋識別技術應用于高校門禁系統中，這樣既方便了高校的管理，又方便了廣大師生。對本文的詳細說明可以得出結論，提議的框架符合期望，該框架系統具有線性關于指紋數據庫的可擴展性，以及最佳對基礎硬件的適應性，加上基礎匹配算法和指紋功能，可以在任意大小的數據庫中進行識別。

參考文獻：

[1] 趙志鵬，周一帆，何馨怡.基于指紋識別的門禁控制系統設計[J].數字通信世界，2019（3）：172.

[2] 孫靜，康風建，孫彥濤.基于指紋識別的門禁系統設計[J].智能計算機與應用，2017，7（6）：155-156.

[3] 劉歡，方華.基于指紋識別的實驗室門禁管理系統設計[J].微型機與應用，2016，35（23）：93-95，99.

[4] 張正柱.基于指紋識別的圖書館門禁及讀者分析系統設計[J].綿陽師范學院學報，2018，37（02）：102-106，113.

【通聯編輯：代影】