基于相似三角形原理的指纹匹配算法

为了克服指纹识别中的常见问题,提出了一种基于改进的相似三角形的指纹细节点匹配算法。该算法利用改进的Bresenham算法求得特征点间连线所穿越的脊线条数,得到模板指纹和待识别指纹特征点间的信息。     

基于Tent映射混沌粒子群的快速指纹特征匹配

为了进一步提高指纹匹配算法的计算效率,本文提出了一种基于改进的Tent映射混沌粒子群优化的快速指纹特征匹配算法。首先,将粒子群优化引入基于指纹细节特征的点模式匹配中,并利用混沌的类随机性和高遍历性克服基本粒子群算法的不足。考虑到Tent映射比Logistic映射具有更好的遍历性,且基于Tent映射的混沌优化可进一步提高寻优效率,故利用改进的Tent映射混沌粒子群算法优化指纹细节特征匹配的几何变换参数估计,提高搜索过程的收敛精度和运算速度;然后,采用分层匹配的方法,设计了相应的细节特征匹配适应度函数,在粗匹配后利用具有平移旋转不变性的细节特征点的局部结构信息确定特征点对的匹配关系,以抵抗指纹图像旋转、平移和局部非线性形变等因素的影响;最后,给出了针对FVC2006指纹数据库进行的大量指纹细节特征匹配实验的结果及其客观定量评价。结果表明:与最近文献中提出的基于遗传算法的指纹特征匹配算法相比,本文提出的方法匹配精度更高,且运算速度提高了约一倍。      

基于细节点和全局方向信息的混合指纹匹配算法

本文研究了一种指纹细节点与全局方向信息在分类器级别上融合的混合指纹匹配算法。其中细节点的匹配利用了点模式匹配的思想算法。此外研究并设计了全局方向匹配算法，并将两者融合。试验结果表明了算法的有效性。     

多行为模式高频切换下尺度指纹步态算法

为了实现基于微惯性加速度计的多行为模式高频切换下步态信息跟踪,提出一种尺度指纹步态算法,并通过RP活动区域聚类的方法减小算法开销。在离线阶段建立多行为模式的指纹数据库,根据行为模式分类算法将指纹数据库分成2个区域类,即区域类Ⅰ和区域类Ⅱ。在线运行阶段,将实时计算出的尺度特征值先进行区域类匹配,然后在对应的区域类内进行指纹点匹配。该算法经Android手机平台验证表明,在多行为模式高频切换条件下,步态跟踪精度至少提高12%以上,基本满足行人对行为模式切换的要求,具有较大的工程实用价值。     

一种基于中心点的指纹匹配算法的研究

本文提出了一种指纹识别的特征点匹配算法,该算法是在Xiping Luo的算法的基础上经过改进而得到的.该算法首先通过指纹的中心点来确定指纹匹配时的参考点,指纹的中心方向为初始方向,在此基础上将所有的特征点用极坐标表示,对指纹模板特征点和输入指纹特征点实行归一化.其次,在匹配过程中,采用了一个可变限制框,以适应指纹的非线性变化.此外,本算法采用只对有效区内的指纹特征点进行比对来提高指纹识别的鲁棒性,对指纹中心偏移的输入图象有较好的识别效果.通过对指纹库中的指纹图像做实验,结果表明该算法速度快,精度高,更适用于实时指纹识别系统.     

复杂环境下基于CFSFDP的自适应室内定位方法

针对复杂环境下的WI-FI定位受限于多径效应等因素影响，提出一种基于CFSFDP（Clustering by Fast Search and Find of Density Peaks）的自适应室内定位算法。该算法分为三个阶段:第一预处理阶段，采用CFSFDP方法训练原始指纹，从中挖掘出稳定且有效的指纹特征；第二离线阶段进一步构建多层覆盖的采样点策略，建立指纹地图；第三在线阶段针对提取到的RSS信号进行参数训练，建立一种自适应信号传播模型，结合离线阶段的指纹地图实现指纹匹配。指纹地图可弥补自适应传播模型测距方案精度不高的缺陷，而测距方案降低在线阶段指纹批匹配开销。仿真结果表明:本文提出ALCCE算法在复杂环境下具有明显的优势，且使用的测距模型性能较高。      

5G超密集网络下的室内压缩重构指纹定位算法

为减少室内定位复杂度并进一步提高定位精度,提出了一种5G超密集网络下的室内压缩重构指纹定位算法.该算法分为离线建库阶段和在线匹配阶段两个阶段.离线建库阶段采用了矩阵填充理论进行指纹库的构建,只需采取少量的指纹点构建具有低秩特性的局部指纹库,并通过非精确增广拉格朗日乘子法(Inexact Augmented Lagrangian Multiplier Method,IALM)算法进行矩阵填充,从而恢复完整的指纹库.在线匹配阶段采用卡方距离代替传统的欧式距离来计算待定位点与参考指纹点的相似度,并用加权K近邻算法估算出待定位点坐标.经过实验仿真分析,所提算法以1.13％的误差节约了40％的工作量,在信噪比为10 dB时定位误差最小为0.2008 m,与传统K近邻指纹匹配算法相比具有更好的定位精度.     

改进的指纹识别算法嵌入式应用研究

研究了一种新的指纹识别算法并在电控锁中的应用问题.针对传统的指纹识别算法对指纹的细节匹配精确度较低,难易对细节信息进行准确的提取,为了克服这一问题,对点模式指纹识别匹配算法进行了改进,主要创新点在于改进的算法在模式匹配算法的基础上加入了匹配权重系数,有效地提高了指纹识别的精确度,同时给出了指纹识别硬件系统结构,将提出的改进的算法成功应用在嵌入式应用中,实例结果表明,提出的算法能够有效地提高安全加密度,具有一定的实际应用价值.     

轻量扩展的射频指纹地图构造方法

随着群智感知和机器学习的融合,基于射频指纹的室内定位技术引起研究者的广泛关注。然而现有工作存在指纹地图构建阶段开销过大形成的可扩展性和实时性瓶颈问题。针对这一问题,该文提出一个新颖的轻量可扩展指纹地图构造方法(FFIL)。在指纹构建阶段,将整个室内环境划分为多个环路快速分割地图并获取射频指纹;在指纹匹配阶段,首先计算AP与目标点间的距离,然后选择与圆环半径最相似的环路上的参考点一一匹配;在定位阶段,采用等高线聚类算法来提高定位精度。通过真实数据驱动的大量仿真和实验证明,FFIL能减小指纹地图构建的开销,同时提高定位精度和系统实时性。     

基于细节点与方向场信息的指纹残缺区域重建算法

 由于指纹的残缺区域缺失有效信息,使得通过细节点和脊线信息来进行指纹匹配的工作难以进行.本文针对指纹残缺区域中脊线断裂和细节点缺失的现象,提出了一种重建算法.融合邻域中的细节点和方向场信息对残缺区域的方向场进行估计;然后基于估计出的方向场并结合先验知识来分析残缺部分的脊线与细节点分布情况,对其进行修复;最后,引入信息熵对多种重建方案进行评估,从而确定残缺部分的最佳重建结果.实验结果表明,该算法能够对面积较大并可能包含细节点的残缺区域进行较好的重建,进而提高后续匹配过程的准确率.     

自动指纹识别系统中校准算法的改进

研究了自动指纹识别系统中的指纹校准算法。对Anil Jain等人提出的基于校准的匹配算法在极坐标系进行了改进，并对校准算法中极坐标系下原点的选取提出了一种新方法。实验结果表明，改进的校准算法与原算法相比，在不降低指纹比对的各项性能指标的前提下，可以大幅度提高指纹匹配的速度，具有较强的实用性。     

一种基于Core点及特征点的指纹匹配算法

提出了一种基于Core点和特征点的指纹匹配算法,建立了用Core点确定参考点的数学模型,根据该模型确定了指纹的匹配范围,通过引入特征点到参考点的脊线条数因子n以提高匹配的精度.并以Visual C++6.0建立了该指纹识别算法的实验平台,对提出的指纹匹配算法进行了实验研究,实验结果表明该算法复杂度较低,匹配精度较高.     

A Fingerprint Minutiae Matching Method Based on Line Segment Vector

Minutiae-based fingerprint matching is the most commonly used in an automatic fingerprint identification system. In this paper, we propose a minutia matching method based on line segment vector. This method uses all the detected minutiae （the ridge ending and the ridge bifurcation） in a fingerprint image to create a set of new vectors （line segment vector）. Using these vectors, we can determine a truer reference point more efficiently. In addition, this new minutiae vector can also increase the accuracy of the minutiae matching. By experiment on the public domain collections of fingerprint images fvc2004 DID set A and DB4 set A, the result shows that our algorithm can obtain an improved verification performance.     

融合反距离加权和矩阵填充的位置指纹库构建

为解决位置指纹定位在离线阶段构建位置指纹库时耗费的人力和时间成本较大,构建指纹库效率低和利用空间插值法构建的指纹库精度不高的问题,提出了一种融合反距离加权和矩阵填充的位置指纹库构建算法。该算法仅需人工采集定位区域内少量参考点的接收信号强度值用作信标点指纹信息,结合反距离加权算法特性计算出次信标点指纹信息,根据位置指纹库数据矩阵的低秩性,应用奇异值阈值矩阵填充算法构建出位置指纹数据库。仿真实验结果表明,所提算法有效降低了矩阵填充算法构建位置指纹库所需的人工和时间成本,构建出的位置指纹库定位性能优于反距离加权和克里金空间插值法,接近传统人工采集法,显著地提高了位置指纹库的构建效率。     

一种基于分布式压缩感知的矿井目标指纹数据库建立方法

针对目前国内矿井目标定位精度低和定位实时性差的现况,该文提出一种基于分布式压缩感知原理构造指纹数据库的方法,该方法在离线阶段只需采集少量巷道中的指纹信息(参考节点ID信息、基于电磁波到达时间(TOA)的距离测量值和实际距离值),便可高概率重构矿井目标指纹数据库指纹信息,从而达到减少数据采集工作量和提高工作效率的目的。后续在线阶段,只需获得某时刻参考节点ID信息和目标节点被参考节点测得的实时TOA距离测量值,根据模式匹配方法可获得该时刻目标节点距离参考节点的待估距离值,保证了定位精度和定位实时性。在此基础上,提出一种改进的压缩采样修正匹配追踪算法(CoSaMMP)进行指纹信息重构,该算法利用折半法增大裁剪力度从而有效缩短重构数据时间。仿真结果表明所提算法的可行性及有效性。     

基于WiFi的自适应匹配预处理WKNN算法

针对基于接收信号强度（Received Signal Strength,RSS）的WiFi室内定位技术中,传统加权K邻近（Weighted K-nearest Neighbor,WKNN）算法不能自适应获取WLAN中有效接入点（Acess Point,AP）且参考点匹配准确度不高的问题,本文提出了自适应匹配预处理WKNN算法。该算法中每个实时定位点自适应地根据网络状况对AP的RSS均值由大到小排序,然后选择RSS均值较大的前M个AP,与参考点中对应的M个AP一起参与匹配预处理计算,从而优化了传统的指纹定位算法。同时将室内定位和室内地图相结合,使参考点和定位结果直观地展示在地图上,并通过使用地图数据大幅度简化了离线训练过程。此外,本文设计并实现了基于Android平台的室内定位系统,通过该系统验证了本文所提算法在单点定位和移动定位中的有效性。实验结果表明,该算法可获得30%以上的定位误差改善,有效提高了定位精度和定位稳定性。      

Fingerprint Recognition on Various Authentication Sensors

Fingerprint is a very popular and an ancient biometric technology to uniquely identify a person. In this paper, a fingerprint matcher is proposed which uses the global and local adaptive binarization and global minutia features. The fingerprint data is collected using three different authentication devices based on optical sensors. The experimental results are compared with the National Institute of Standards and Technology (NIST) Bozorth algorithm and various authentication fingerprint sensors. The accuracy of the proposed algorithm has been improved significantly compared with that of the NIST Bozorth algorithm.     

Fingerprint registration by maximization of mutual information.

Fingerprint registration is a critical step in fingerprint matching. Although a variety of registration alignment algorithms have been proposed, accurate fingerprint registration remains an unresolved problem. We propose a new algorithm for fingerprint registration using orientation field. This algorithm finds the correct alignment by maximization of mutual information between features extracted from orientation fields of template and input fingerprint images. Orientation field, representing the flow of ridges, is a relatively stable global feature of fingerprint images. This method uses the statistics and distribution of global feature of fingerprint images so that it is robust to image quality and local changes in images. The primary characteristic of this method is that it uses this stable global feature to align fingerprints, and that its behavior may resemble the way humans compare fingerprints. Experimental results show that the occurrence of misalignment is dramatically reduced and that registration accuracy is greatly improved at the same time, leading to enhanced matching performance.