Abstract:
Today, fingerprint identification is the most common method of biometric identification. Existing fingerprint identification models have some defects that reduce the speed and quality of identification.
So most of the models do not take into account the topological characteristics of images, for example, the classical method of measuring the ridge count value may produce incorrect results in areas of significant curvature of the ridge lines. This paper presents a new mathematical model for fingerprint identification, taking into account their topological characteristics. Identification is performed on the basis of templates. The templates contain a list of minutiae detected on the image and a list of ridge lines. For the ridge lines and minutiae, sets of topological vectors are constructed. The result of building topological vectors does not depend on the location of minutiae and takes into account their possible mutations, which increases the stability of the proposed mathematical model. Additionally, the stability of the model is ensured by combining the base topological vectors constructed
for all minutiae and ridge lines into an expanded topological vector. This view allows you to significantly reduce the size of the template and optimize the use of memory. To compare the fingerprints
the Delaunay triangulation is used based on the list of constructed topological vectors. 112 possible classes for topological vectors are defined. This approach allows you to increase the speed of identification up to 10 times while maintaining its accuracy. The proposed classification is resistant to rotation and displacement of images. На сегодняшний день идентификация по отпечаткам пальцев - наиболее распространенный
метод биометрической идентификации. Существующие модели идентификации отпечатков
пальцев имеют ряд недостатков, влияющих на скорость и качество идентификации. Так большинство моделей не учитывают топологические характеристики изображений, в частности, классический метод измерения гребневого счета может выдавать неправильные значения в областях значительной кривизны гребневых линий. В статье представлена новая математическая
модель для идентификации изображений отпечатков пальцев с учетом их топологических
характеристик. Идентификация в рамках предложенной модели выполняется на базе шаблонов. Шаблоны содержат список всех контрольных точек, детектированных на изображении
либо на его скелете, и список гребневых линий. Для гребневых линий и контрольных точек строятся наборы топологических векторов. Результат построения топологических векторов
не зависит от расположения контрольных точек и учитывает их возможные мутации, что увеличивает стабильность предлагаемой математической модели. Дополнительно стабильность
модели обеспечивается путем объединения базовых топологических векторов, построенных
для всех контрольных точек и гребневых линий, в расширенный топологический вектор. Такое представление позволяет значительно уменьшить размер шаблона и оптимизировать
использование памяти. Для сопоставления отпечатков в предлагаемой модели применяется
триангуляция Делоне, которая строится на базе списка построенных топологических векторов. С помощью триангуляции определяются 112 возможных классов для топологических
векторов. Такой подход позволяет увеличить скорость идентификации до 10 раз при сохранении
ее точности. Предложенная классификация на основе триангуляции Делоне устойчива
к поворотам и смещению изображений.
Description:
V.Yu. Gudkov1, diana@sonda.ru,
D.N. Lepikhova2, lepikhova@sonda.ru,
M.L. Gavrilova3, marina@cpsc.ucalgary.ca,
M.L. Zymbler1, mzym@susu.ru
1 South Ural State University, Chelyabinsk, Russian Federation,
2 Sonda PRO Ltd, Miass, Russian Federation,
3 University of Calgary, Calgary, Canada. Гудков Владимир Юльевич, д-р физ.-мат. наук, профессор кафедры электронных вычислительных
машин, Южно-Уральский государственный университет, г. Челябинск; diana@sonda.ru.
Лепихова Дарья Николаевна, инженер-программист, ООО «Сонда ПРО», г. Миасс; lepikhova@sonda.ru.
Гаврилова Марина Львовна, Ph.D., профессор кафедры компьютерных наук, Университет Калгари, г. Калгари, Канада; marina@cpsc.ucalgary.ca.
Цымблер Михаил Леонидович, канд. физ.-мат. наук, доцент, начальник отдела интеллектуального
анализа данных и виртуализации Лаборатории суперкомпьютерного моделирования, Южно-Уральский государственный университет, г. Челябинск; mzym@susu.ru.