石宜金

（云南大學(xué)旅游文化學(xué)院信息科學(xué)與技術(shù)系，麗江）

指紋識(shí)別技術(shù)在學(xué)生宿舍管理中的應(yīng)用

石宜金

（云南大學(xué)旅游文化學(xué)院信息科學(xué)與技術(shù)系，麗江）

針對(duì)學(xué)生宿舍安全的管理要求，傳統(tǒng)的身份認(rèn)證加大宿舍管理人員的工作量，已難以適應(yīng)現(xiàn)代社會(huì)發(fā)展需求，提出把指紋識(shí)別技術(shù)應(yīng)用到學(xué)生宿舍管理中。首先，闡述指紋識(shí)別技術(shù)的發(fā)展現(xiàn)狀；然后，介紹常用的指紋識(shí)別預(yù)處理算法，進(jìn)而利用Blob分析檢測(cè)指紋圖像中的缺陷；最后，分析指紋識(shí)別技術(shù)在學(xué)生宿舍管理系統(tǒng)中的應(yīng)用可行性。

管理系統(tǒng)；指紋識(shí)別；預(yù)處理；Blob

0 引言

高科技的快速發(fā)展呈現(xiàn)出的一系列的身份核準(zhǔn)認(rèn)證問題亟待解決完善。例如社保行業(yè)出現(xiàn)的冒領(lǐng)、騙領(lǐng)參保人員的社保金；高等教育領(lǐng)域存在并頭疼的莫過于“花樣百出”的替考現(xiàn)象。并且在某些高校還實(shí)行晚上10點(diǎn)鐘宿舍管理人員查寢的制度，確保學(xué)生在宿舍的安全。而在很多學(xué)生中就會(huì)出現(xiàn)替寢的現(xiàn)象，從而造就了很大的安全隱患，對(duì)學(xué)校、學(xué)生家長(zhǎng)和學(xué)生本人帶來一定的影響。宿舍管理人員每天晚上要面對(duì)幾百個(gè)乃至上千的學(xué)生，要一一至宿舍查看哪位學(xué)生晚歸或未歸，然后通知其班主任對(duì)其情況進(jìn)行了解。這就加大了宿舍管理員和班主任每天的工作量，并且這種效率極其低，造成管理和處理的延時(shí)。為了提高工作人員的工作效率降低工作成本和人性化管理，在結(jié)合管理經(jīng)驗(yàn)的情況下我們?cè)O(shè)計(jì)了一種基于指紋識(shí)別的學(xué)生宿舍管理系統(tǒng)。

人們對(duì)識(shí)別技術(shù)的容錯(cuò)率需求度越來越高，因此身份核準(zhǔn)的精準(zhǔn)率要求也在逐步提升。與傳統(tǒng)的密碼檢驗(yàn)方式相比，為了實(shí)現(xiàn)較高的安全性，在日常生活中出現(xiàn)了類似于指紋、虹膜、人臉等生物特征識(shí)別技術(shù)的處理系統(tǒng)。而三者有各自的優(yōu)勢(shì)，如指紋識(shí)別價(jià)格相對(duì)便宜，功能性較強(qiáng)，是一種接觸式的識(shí)別技術(shù)；相比于我們所熟悉的指紋識(shí)別，人臉的識(shí)別技術(shù)精準(zhǔn)度更高，是一種非接觸式識(shí)別的關(guān)鍵性技術(shù)，但綜合比較來看它的技術(shù)成本和硬件搭建成本相對(duì)較高，且對(duì)外部的綜合環(huán)境有較多要求；而目前生物識(shí)別技術(shù)中誤識(shí)率較低的技術(shù)是虹膜識(shí)別技術(shù)，它具有偽造難度高、可復(fù)制性低和不易損傷的優(yōu)點(diǎn)。

指紋識(shí)別技術(shù)主要是利用人類指紋的唯一性和不變性原理，通過指紋識(shí)別硬件來采集指紋圖案，通過計(jì)算機(jī)技術(shù)來對(duì)提取的特征信息與原庫(kù)存指紋樣本進(jìn)行比較，進(jìn)一步書寫算法來判斷真?zhèn)蔚倪^程來實(shí)現(xiàn)身份識(shí)別的技術(shù)。當(dāng)前該技術(shù)已經(jīng)成熟并廣泛應(yīng)用于門禁管理、考勤設(shè)別、金融驗(yàn)證、公共安全和電子商務(wù)等核心領(lǐng)域[1]。具體實(shí)現(xiàn)原理是通過對(duì)采集的指紋紋線排列展示出的不同紋型來進(jìn)行判別[2]。我們通過提取指紋圖像的起點(diǎn)、終點(diǎn)、結(jié)合點(diǎn)和分叉點(diǎn)的特征，進(jìn)一步利用特征點(diǎn)的較大差異性從而判斷出所檢測(cè)對(duì)象的唯一身份。但是在實(shí)際操作過程中指紋采集也不可避免的存在諸多的不確定因素，對(duì)于不同的指紋，難以采集到清晰的圖像。所以在算法書寫過程對(duì)圖像進(jìn)行預(yù)處理的步驟十分重要，它能確保后續(xù)處理對(duì)采集的指紋圖像有較高的魯棒性。

1 指紋識(shí)別技術(shù)

指紋識(shí)別包括三大部分的技術(shù)處理：指紋預(yù)處理、特征提取和指紋分類匹配。指紋的特征提取是這三大部分的關(guān)鍵信息來源，在確保提取信息的有效性前提下才能保證指紋識(shí)別的可靠性，但是指紋特征提取過程中的環(huán)境因素、識(shí)別質(zhì)量等因素直接影響了圖像的質(zhì)量，如果在提取圖像這一步驟就存在較大的誤差，那么后續(xù)的處理和識(shí)別是極不理想的。當(dāng)然毫無差錯(cuò)在設(shè)備上和環(huán)境上是難以實(shí)現(xiàn)的，所以我們需要對(duì)指紋信息進(jìn)行一些預(yù)處理。

1.1 指紋識(shí)別預(yù)處理

圖像灰度變換、歸一化、均衡化、二值化、細(xì)化是主要的幾種指紋圖像預(yù)處理方法。而衡量指紋識(shí)別效率和準(zhǔn)確率的一個(gè)重要性能指標(biāo)便是指紋預(yù)處理方法的是否成熟有效。李文靜[4]等人提出一種預(yù)處理算法，主要是采用連通區(qū)域檢測(cè)方法優(yōu)化基于梯度的指紋分割圖像，取得了很好的效果。葉振棟[8]等人深入分析了指紋識(shí)別預(yù)處理方法。

（1）指紋圖像變換

相機(jī)采集的每個(gè)圖像是用二進(jìn)制信息來進(jìn)行表示的，每個(gè)圖像用三個(gè)字節(jié)表示，分別為紅（R），綠（G），藍(lán)（B），一般情況下，為了節(jié)省計(jì)算機(jī)資源提高計(jì)算機(jī)的計(jì)算復(fù)雜度和時(shí)間復(fù)雜度我們采用的方法是對(duì)采集的彩色圖像進(jìn)行灰度變換。它是根據(jù)某種目標(biāo)條件利用一定的變換關(guān)系來將像素點(diǎn)逐點(diǎn)改變?yōu)榛叶戎档姆椒╗11]。也就是我們熟知的灰度圖像變化方法。其轉(zhuǎn)換公式如下：

其中，Gray(i,j)表示灰度圖像在(i,j)點(diǎn)處的灰度值，R(i,j)，G(i,j)，B(i,j)表示指采集的彩色圖像像素中點(diǎn)(i,j)的紅色、綠色和藍(lán)色的分量值。采集的指紋圖像在經(jīng)過灰度變換及灰度圖像處理后的直方圖如圖1所示。從直方圖中我們可以清楚看出灰度圖像的像素分布。

培養(yǎng)基中鹽濃度的變化可以影響酵母的好氧量、生長(zhǎng)速度以及發(fā)酵率等方面的生理功能。麥芽汁培養(yǎng)基中KCl對(duì)Y17aM3生長(zhǎng)的影響結(jié)果如圖10-c。隨著KCl濃度的增加，Y17aM3的生長(zhǎng)受到不同程度的抑制，當(dāng)KCl濃度達(dá)160 g/L時(shí)，Y17aM3基本不生長(zhǎng)。

圖1 灰度圖像及直方圖

（2）指紋圖像濾波

由于光線、壓力大小不同，不同外部因素的影響會(huì)在一定程度上干擾匹配的結(jié)果。為了消除這些誤差我們需要增強(qiáng)紋線同時(shí)要對(duì)光和壓力因素兩種噪聲進(jìn)行處理，否則它們會(huì)造成假特征點(diǎn)影響識(shí)別結(jié)果準(zhǔn)確率。結(jié)合紋線的方向性，劉付民[5]和黃加俊[6]等人提出用方向?yàn)V波去噪。用普通的濾波器有時(shí)候用肉眼很難準(zhǔn)確地確定邊緣的位置，而高斯濾波器產(chǎn)生相對(duì)銳利的邊緣，這使我們處理的指紋圖像紋線明顯的被分割出來。在文中我們對(duì)圖像進(jìn)行的圖像平滑處理借鑒的方法是通過高斯濾波器來完成。二維高斯濾波器如下式所示：

其中，x，y為圖像中的坐標(biāo)點(diǎn)。由上式說明高斯濾波器是可分的，可以被非常高效率地計(jì)算機(jī)出來。經(jīng)過高斯濾波器平滑處理后的圖像及圖像直方圖如圖2所示。

圖2 濾波圖像及直方圖

濾波圖像的直方圖在灰度值為81處明顯降低。而在波峰位置處比灰度圖明顯要高。

（4）指紋圖像分割

根據(jù)參考文獻(xiàn)中查閱到的圖像識(shí)別有效經(jīng)驗(yàn)，我們一般采取的方法是只對(duì)提取到的圖像某一些關(guān)鍵部分或感興趣的部分進(jìn)行處理，這些圖像關(guān)鍵部分稱為目標(biāo)或背景。為了辨識(shí)和分析目標(biāo)圖像或區(qū)域，我們需要設(shè)法將圖像中特定的、具有特殊信息含義的或我們感興趣的有用區(qū)域提取出來，下一步再繼續(xù)對(duì)目標(biāo)進(jìn)行分析和利用并解釋出我們需要的核心信息。這個(gè)過程簡(jiǎn)而言之就是圖像的閾值分割過程。由于指紋圖像千變?nèi)f化給采集帶來的較大難度使我們不得不采用一些方法來提高識(shí)別精度，通過文獻(xiàn)查找，目前較為流行的做法是采用動(dòng)態(tài)的閾值圖像分割算法。黃河[7]等人采用的局部動(dòng)態(tài)閾值的圖像分割算法實(shí)現(xiàn)了背景和目標(biāo)的有效分離提取。但指紋識(shí)別需要提取紋線輪廓，這就需要高精度，有時(shí)候采集的圖像較模糊，所以必須進(jìn)行亞像素精度的分割處理。在下面的圖3（a）中顯示了對(duì)圖2進(jìn)行亞像素精度閾值分割處理后的對(duì)比結(jié)果。為看到足夠多的分離細(xì)節(jié)，我們需要將采集的圖像進(jìn)行放大顯示，如圖3（b）所示。

圖3 指紋圖像二值化

在圖3（b）中，指紋圖像的邊界被準(zhǔn)確的提取出來，可以看到圖像中的毛刺和小斑點(diǎn)。在外部環(huán)境如灰塵或手指破裂情況下，濾波方法就不能高效地去除這些影響。在進(jìn)行圖像分割后，外部環(huán)境如灰塵或手指破裂會(huì)使指紋圖像中出現(xiàn)一些小斑點(diǎn)、毛刺，這些噪聲對(duì)后面的特征提取帶來了很大的影響。所以本文提出用Blob分析法解決該問題。

1.2 指紋圖像的BBlloobb分析

Blob分析（Blob Analysis）是對(duì)圖像中相同像素的連通域進(jìn)行分析，該連通域稱為Blob。Blob分析的主要優(yōu)勢(shì)在于它可以提供圖像相關(guān)斑點(diǎn)間的拓?fù)浣Y(jié)構(gòu)；另外它可以量化并計(jì)算指紋圖像中斑點(diǎn)的總體數(shù)量、各斑點(diǎn)的位置以及它們的形狀和方向。

（1）連通性分析（ConnectivityAnalysis）

我們采集到指紋圖像后首先將它進(jìn)行背景和目標(biāo)像素的分割處理，進(jìn)而對(duì)得到的數(shù)據(jù)進(jìn)行連通性分析，最終將目標(biāo)圖像聚合為斑點(diǎn)或者目標(biāo)像素的連接體。連通性分析的三種類型如下：

第一，全圖像連通性分析（Whole Image ConnectivityAnalysis）是一種將被分割圖像的全部的目標(biāo)像素均看作一個(gè)有機(jī)的整體的方法；第二，連接Blob分析（Connected Blob Analysis）是把臨近的目標(biāo)視為一個(gè)整體；第三，標(biāo)注連通性分析（Labeled Connectivity Analysis）。

由于我們只對(duì)指紋圖像中的指紋紋線感興趣，所以我們采用第二種方法進(jìn)行連通性分析，即把所有紋線中的每一條線看成是一個(gè)目標(biāo)。即對(duì)圖形的行方向信息進(jìn)行分析，進(jìn)而把各個(gè)行相鄰的目標(biāo)范圍都用一種游程長(zhǎng)度編碼（RLE）方法來表示。

（2）特征值的計(jì)算

在進(jìn)行了連通性分析之后特征值便可以進(jìn)行計(jì)算了。然而我們分割后的指紋圖像中會(huì)存在例如毛刺、小斑塊的缺陷。所以需要分兩部分進(jìn)行：①針對(duì)毛刺，度量的目標(biāo)特征主要是周長(zhǎng)，也就是毛刺邊界上像素點(diǎn)的個(gè)數(shù)，毛刺相對(duì)指紋紋線較短，故可容易去除。②針對(duì)斑點(diǎn)而言，度量的目標(biāo)特征主要是面積。由于斑點(diǎn)相對(duì)紋線而言是封閉區(qū)域并且實(shí)心，所以我們找到封閉區(qū)域并計(jì)算封閉區(qū)域面積就可對(duì)指紋圖像進(jìn)行分析。Blob分析后的圖像如圖4所示。

圖4 Blob去除毛刺和斑點(diǎn)

由圖4可知，圖像中的毛刺和小斑點(diǎn)被剔除了。減小后續(xù)特征提取和匹配的難度。

1.4 指紋特征提取與匹配

（1）指紋特征

指紋有兩類特征：總體特征和局部特征。

①總體特征：指那些用人眼直接就可以觀察到的特征。主要包括紋形指紋（環(huán)型、弓型、螺旋型）、指紋核心點(diǎn)、識(shí)別模式區(qū)、三角點(diǎn)和指紋紋理數(shù)。

②局部特征：指指紋上的節(jié)點(diǎn)特征。主要包括特征點(diǎn)的類型，方向、曲率和位置。其類型包括終結(jié)點(diǎn)（Ending）、分叉點(diǎn)（Bifurcation）、分歧點(diǎn)（Ridge Divergence）、環(huán) 點(diǎn)（Enclosure）、橋（Bridge）短 紋（Short Ridge）。其中，最典型的是終結(jié)點(diǎn)和分叉點(diǎn)。英國(guó)學(xué)者E.R.Herry認(rèn)為，一般每枚指紋有70-150個(gè)特征點(diǎn)，根據(jù)概率論方法我們只需要比對(duì)12-13個(gè)特征點(diǎn)重合便可以確認(rèn)它們是同一個(gè)指紋[3]。

圖5 局部特征

（2）指紋特征提取

目前主要由兩類特征提取方法組成：一類是從原始圖像中根據(jù)紋線和交叉點(diǎn)直接進(jìn)行統(tǒng)計(jì)；另一類是在預(yù)處理后的圖像中搜索其中的某些特征進(jìn)行匹配。前一類工作量少，但是識(shí)別率低。后一種工作量多，但是識(shí)別率較高。王亞南等人[9]提出了基于小波變換的指紋特征提取方法，解決了識(shí)別過程中的實(shí)時(shí)性問題。而胡春風(fēng)[10]提出了從傳統(tǒng)細(xì)化圖像進(jìn)一步提取指紋紋線特征的方法并證明了紋線特征比節(jié)點(diǎn)特征效果更好。

（3）指紋特征匹配

特征指紋紋圖像匹配是指通過數(shù)值計(jì)算兩幅指紋圖像特征，設(shè)定相似比例來校驗(yàn)兩幅指紋圖像信息是否來源于同一個(gè)人。目前主要包括以下幾種典型的匹配技術(shù)：基于灰度信息的匹配方法，基于圖的匹配方法，基于結(jié)構(gòu)的匹配方法基于點(diǎn)模式的匹配方法。

由于前人對(duì)指紋特征提取算法和指紋匹配算法已經(jīng)進(jìn)行了大量研究和總結(jié)了較多有效的經(jīng)驗(yàn)和現(xiàn)成算法，本文在此就不再進(jìn)行詳細(xì)贅述。

2 宿舍管理系統(tǒng)指紋識(shí)別技術(shù)應(yīng)用

將指紋識(shí)別和信息管理技術(shù)進(jìn)行的有機(jī)結(jié)合，一方面對(duì)學(xué)生的考勤進(jìn)行了安全有個(gè)的管理，更重要的是直接將管理從人工管理過渡到了智能信息的管理提升了園區(qū)管理的效度。

很多高校進(jìn)入園區(qū)的身份認(rèn)證時(shí)采用門禁管理系統(tǒng)，學(xué)生的身份認(rèn)證大多是采用一卡通的方法進(jìn)行身份識(shí)別，該方法存在易遺忘、易被盜用或者易被傳遞等安全問題，失去了宿舍園區(qū)管理的意義。如果采用指紋識(shí)別技術(shù)，利用指紋唯一性和不變性等特點(diǎn)，從根本上杜絕人情因素出現(xiàn)的替寢現(xiàn)象，并及時(shí)了解晚歸或未歸學(xué)生的情況。所以在學(xué)校園區(qū)安置指紋識(shí)別系統(tǒng)是很有必要的，并且是加強(qiáng)園區(qū)安全建設(shè)的一項(xiàng)重要措施。

3 結(jié)語(yǔ)

本文針對(duì)學(xué)校園區(qū)安全建設(shè)目標(biāo)，學(xué)校對(duì)學(xué)生宿舍門禁做了相關(guān)要求，傳統(tǒng)的身份認(rèn)證主要是通過宿舍管理人員對(duì)學(xué)生進(jìn)出進(jìn)行登記。提出了指紋識(shí)別和園區(qū)查寢的有機(jī)結(jié)合方案，旨在降低班主任和園區(qū)管理工作人員的工作強(qiáng)度，提高管理工作的實(shí)時(shí)性和安全性。文中闡述了指紋識(shí)別關(guān)鍵技術(shù)；然后，對(duì)比分析各種指紋處理基本算法總結(jié)經(jīng)驗(yàn)，在此基礎(chǔ)上提出用Blob分析檢測(cè)指紋圖像中的噪聲；最后，論證分析了指紋識(shí)別信息在園區(qū)查寢和管理結(jié)合的可用性。

[1]尹義龍,寧新寶,張曉梅.自動(dòng)指紋識(shí)別技術(shù)的發(fā)展與應(yīng)用[J].南京大學(xué)學(xué)報(bào),2002,38(1):29-35.

[2]劉暢.自動(dòng)指紋識(shí)別技術(shù)的發(fā)展與應(yīng)用[J].人力資源管理,2016,11:251-251.

[3]李華.指紋識(shí)別技術(shù)在數(shù)字圖書館中的應(yīng)用[J].圖書館論壇,2005,25(3):92-94.

[4]李文靜,白雪冰,張偉.指紋識(shí)別預(yù)處理算法研究[J].森林工程,2009,25(2):41-44.

[5]劉付民,張志斌.基,,于方向?yàn)V波的監(jiān)控圖像邊緣檢測(cè)[J].傳感器與微機(jī)系統(tǒng),2011,30(4):127-130.

[6]黃賢武,王加俊,仲興榮.指紋識(shí)別的預(yù)處理組合算法[J].計(jì)算機(jī)應(yīng)用,2002,22(10):29-32.

[7]黃河,李慶武,范習(xí)健.采用局部動(dòng)態(tài)閾值的圖像分割算法[J].光電子技術(shù).2011,31(1):10-13.

[8]葉振棟等.指紋識(shí)別預(yù)處理算法研究與實(shí)現(xiàn)[D].電子科技大學(xué)，2012.

[9]王亞南,劉毅,梁志明等.基于小波變換的指紋特征提取方法[J].現(xiàn)代電子技術(shù)，2007,30(21):71-72.

[10]胡春風(fēng).指紋紋線特征提取與匹配[D].國(guó)防科學(xué)技術(shù)大學(xué)，2013.

[11]趙春江.C#數(shù)字圖像處理算法典型實(shí)例[M].北京:人民郵電出版社，2009.3.

Abstract：Proposes fingerprint identification technology for managing dormitory safety,traditional identity has increased the workload of dormitory managers and is difficult to adapt to the development needs of the modern society.Firstly,describes the current development of fingerprint identification technology.Then,introduces the common fingerprint identification algorithm,and uses Blob to test fault in the image.Lastly,analyzes the feasibility of the application of fingerprint identification technology in the student dormitory management system.

Keywords：Management System;Fingerprint Identification;Preprocessing;Blob

Application of Fingerprint Identification Technology in Student Dormitory Management

SHI Yi-jin

（Department of Information Science and Technology,Tourism and Cultural College Yunnan University，Gucheng District,Lijiang 674100）

云南大學(xué)旅游文化學(xué)院校內(nèi)項(xiàng)目(No.2014XY02)

1007-1423（2017）26-0071-05

10.3969/j.issn.1007-1423.2017.26.018

石宜金（1985-），男，大理人，講師，碩士，從事領(lǐng)域?yàn)榍度胧郊夹g(shù)開發(fā)

2017-06-02

2017-09-10