本文主要基于《Handbook of Fingerprint Recognition》第三版第二章“Fingerprint Sensing”的內(nèi)容。本文會(huì)不定期更新，以反映一些新的進(jìn)展和思考。

1、引言

指紋識(shí)別系統(tǒng)利用傳感器、圖像處理、模式識(shí)別技術(shù)自動(dòng)識(shí)別兩個(gè)指紋是否一致。指紋識(shí)別系統(tǒng)主要有三個(gè)模塊，分別為指紋采集模塊、特征提取模塊和匹配模塊。首先由傳感器得到指紋圖像，然后從圖像中提取一些顯著的特征（這些特征比較適合做識(shí)別任務(wù)），最后對(duì)指紋特征進(jìn)行匹配得出匹配分?jǐn)?shù)。指紋采集器作為第一個(gè)模塊，顯然對(duì)于整個(gè)系統(tǒng)至關(guān)重要。

為什么需要專用的指紋采集器？因?yàn)閷Ｓ玫闹讣y采集器可以獲取對(duì)比度高的指紋圖像，對(duì)特征提取和身份識(shí)別有利。而普通相機(jī)拍攝的指紋圖像（類似肉眼所見的指紋）對(duì)比度很低，不利于指紋識(shí)別算法。兩種圖像的對(duì)比見下圖。

最早的指紋采集技術(shù)是油墨法，至少已經(jīng)有上百年的歷史。1990年代出現(xiàn)了活體指紋采集器，利用各種傳感器技術(shù)（例如光學(xué)、電容和超聲波）直接從用戶手指獲得數(shù)字指紋圖像。經(jīng)過(guò)30年的發(fā)展，技術(shù)多元、形態(tài)多樣的指紋采集器不斷涌現(xiàn)，促進(jìn)了指紋識(shí)別技術(shù)在公共安全、消費(fèi)電子、電子商務(wù)等眾多領(lǐng)域的應(yīng)用。

指紋采集器和傳感器是兩個(gè)不同的概念，后者是前者的內(nèi)部模塊。形態(tài)差別很大的采集器可能是基于類似的傳感器技術(shù)，例如下圖都是基于光學(xué)傳感技術(shù)的指紋采集器，分別可以采集四連指、滾動(dòng)指紋、平面指紋、部分平面指紋。而形態(tài)類似的采集器可能是基于完全不同的傳感器技術(shù)。例如基于超聲波和光學(xué)的手機(jī)屏下指紋傳感器，雖然技術(shù)原理完全不同，但是普通用戶可能感受不到它們的區(qū)別。

下文首先介紹離線指紋采集和各種活體指紋采集技術(shù)，然后討論指紋圖像質(zhì)量問(wèn)題。

2、離線采集

2.1 油墨法

油墨法是在手指蘸上油墨，在專門的指位卡片上按手指或者滾動(dòng)手指。下圖指紋卡的上面兩排為滾動(dòng)采集的指紋，可以采集盡可能多的信息；下面一排為左右手的平面采集。雖然滾動(dòng)指紋的面積通常覆蓋了平面指紋，但是平面指紋的圖像較清晰、變形小。采集十個(gè)平面指紋還有一個(gè)用處，可以幫助檢測(cè)滾動(dòng)指紋錯(cuò)位。因?yàn)閷?shí)際采集過(guò)程中，難免出現(xiàn)錯(cuò)位的情況。而僅僅從單個(gè)滾動(dòng)指紋，難以判斷左右手、具體的指位。一旦發(fā)生錯(cuò)位，可能會(huì)導(dǎo)致將來(lái)識(shí)別錯(cuò)誤。

對(duì)于重案，警方甚至?xí)娌杉植科つw紋理，包括手指各關(guān)節(jié)的各個(gè)側(cè)面、手掌、掌側(cè)。全面采集皮膚紋理可以提高識(shí)別的概率，不過(guò)采集過(guò)程很耗時(shí)。

雖然活體指紋采集技術(shù)早已普及，但是警方的指紋數(shù)據(jù)庫(kù)積累了多年的油墨指紋（已掃描為電子版），警用指紋識(shí)別系統(tǒng)仍然需要兼容油墨指紋。

2.2 現(xiàn)場(chǎng)指紋提取技術(shù)

一種特殊的指紋圖像，稱為潛指紋或現(xiàn)場(chǎng)指紋，在識(shí)別犯罪嫌疑人方面非常有價(jià)值。手指在觸摸物體（例如玻璃、紙張）時(shí)，皮膚上的水分、油脂從手指轉(zhuǎn)移到物體上，并在物體上留下痕跡?，F(xiàn)場(chǎng)指紋通常是肉眼不可見的，需要一些化學(xué)和物理手段進(jìn)行顯影，常見的有刷粉法、茚三酮法、碘熏法、硝酸銀法四種（Lee和Gaensslen，2012）。相比其他采集技術(shù)得到的指紋圖像，現(xiàn)場(chǎng)指紋圖像的質(zhì)量常常比較差，表現(xiàn)為背景噪聲強(qiáng)、脊線不清晰、指紋有效面積小、皮膚變形大。

下圖顯示了刷粉法提取現(xiàn)場(chǎng)指紋的過(guò)程。首先通過(guò)刷粉將指紋顯現(xiàn)；然后放一把尺子在指紋旁邊，對(duì)二者同時(shí)拍照，尺子將用于把指紋圖像調(diào)到標(biāo)準(zhǔn)的分辨率（例如，500 ppi）；最后用膠帶提取指紋，作為物證保管。

3、活體采集

3.1 光學(xué)傳感器

3.1.1 受抑全內(nèi)反射 (Frustrated Total Internal Reflection，F(xiàn)TIR)

FTIR（Hase & Shimisu，1984）是最古老的活體指紋傳感技術(shù)，目前仍然在警方和政府應(yīng)用中廣泛使用。下圖是FTIR的原理圖。當(dāng)手指接觸棱鏡的頂部時(shí)，脊與棱鏡表面接觸，而谷無(wú)接觸。光源從左下方進(jìn)入棱鏡，在谷處發(fā)生全反射，而在脊處散射。光線從棱鏡右側(cè)射出，通過(guò)鏡頭聚焦到圖像傳感器上。在形成的指紋圖像中，脊顯得很暗，而谷顯得很亮，黑白分明，便于識(shí)別。

原始的FTIR技術(shù)存在一個(gè)明顯的缺點(diǎn)：體積太大了。這么大的指紋采集器放在警察局、出入境閘機(jī)處使用，體積不是問(wèn)題。而對(duì)于許多個(gè)人應(yīng)用，指紋采集器需要嵌入各種設(shè)備，提供身份驗(yàn)證功能，這么大的采集器顯然是不合適的。

原始FTIR采集器的體積大有兩個(gè)原因：光路長(zhǎng)、棱鏡大。一種縮小體積的方法是使用多個(gè)鏡子來(lái)回反射以保持光路長(zhǎng)度，同時(shí)縮小總體積。為了縮小棱鏡，Zhou等人（1998）發(fā)明了片狀棱鏡（一組小棱鏡的組合），在縮小體積的同時(shí)，還降低了成本。

3.1.2 無(wú)棱鏡的光學(xué)成像

通過(guò)完全移除棱鏡和透鏡并將光電探測(cè)器陣列緊密貼合到采集表面的內(nèi)側(cè)，可以顯著減小采集器的封裝尺寸。為此，需要解決兩個(gè)問(wèn)題：（1）需要將手指反射的光子引導(dǎo)到光電探測(cè)器上，避免相鄰像素之間的串?dāng)_;（2）由于無(wú)法利用透鏡的放大效應(yīng)，光電探測(cè)器陣列必須像整個(gè)采集區(qū)域一樣大，如果使用CMOS成像，這將導(dǎo)致高成本。

第一個(gè)問(wèn)題可以通過(guò)使用光纖層或光準(zhǔn)直器來(lái)解決（見下圖）。

另一種方法是通過(guò)使用入射角為銳角的錐形光來(lái)照亮手指（Bae等人，2018）。

第二個(gè)問(wèn)題可以通過(guò)用TFT傳感器代替CMOS來(lái)解決。TFT工藝是目前制造大型LCD面板的成熟且廉價(jià)的技術(shù)，它通過(guò)在玻璃基板上沉積非晶硅薄膜來(lái)創(chuàng)建晶體管。晶體管僅覆蓋每個(gè)像素區(qū)域的一小部分，薄膜的其余部分被蝕刻掉以允許光線通過(guò)。為了開發(fā)TFT光學(xué)傳感器，陣列的每個(gè)像素都由光電二極管和讀出晶體管組成。光電二極管可以用非晶硅（Bae等，2018）或印刷有機(jī)材料（Tordera等，2019）構(gòu)建。TFT技術(shù)允許設(shè)計(jì)大面積面板（Liao等，2015）和高分辨率設(shè)備（Huang等，2015）。透明材料和柔性基板可用于將TFT光學(xué)傳感器嵌入便攜式設(shè)備的顯示器中，或?qū)⑺鼈儼谇嫔稀?/p>

3.1.3 電致發(fā)光

電致發(fā)光（Electro-luminescent）面板包含一種聚合物，當(dāng)用適當(dāng)?shù)碾妷簶O化時(shí)，會(huì)發(fā)出取決于一側(cè)施加的電位的光。由于脊線接觸聚合物而谷線不接觸，因此當(dāng)手指放在其上時(shí)，整個(gè)表面的電位并不相同，發(fā)出的光量各不相同，因此可以生成指紋的發(fā)光圖案（參見Integrated Biometrics公司的LES技術(shù)，2019）。發(fā)光圖案可以使用傳統(tǒng)的CMOS相機(jī)或TFT光電二極管陣列轉(zhuǎn)換為數(shù)字圖像。

3.1.4 非接觸光學(xué)采集

在照明條件好、對(duì)焦準(zhǔn)確、距離合適的情況下，高分辨率相機(jī)或者手機(jī)攝像頭直接對(duì)指尖拍攝的圖像也可以用于指紋識(shí)別。相比接觸式采集，非接觸式采集的優(yōu)點(diǎn)包括皮膚不會(huì)發(fā)生彈性變形，更衛(wèi)生，傳感器表面沒有殘留指紋。然而非接觸指紋圖像的對(duì)比度較低，美國(guó)NIST最近的一項(xiàng)技術(shù)評(píng)測(cè)N2N表明，非接觸指紋的識(shí)別精度比接觸式差（Libert 等人，2019）。要知道，NIST測(cè)試的都是專用的非接觸指紋采集器，性能尚且不如接觸指紋采集器。2019年部分媒體炒作的拍剪刀手照片會(huì)泄露指紋屬于販賣焦慮。盡管非接觸指紋識(shí)別的性能較差，新冠疫情以來(lái)，這個(gè)方向還是引起了學(xué)術(shù)界和工業(yè)界更多的關(guān)注。在許多用戶共用同一臺(tái)采集設(shè)備的場(chǎng)景（例如，出入境身份核驗(yàn)、企業(yè)考勤），非接觸采集是非常有吸引力的。

除了提高非接觸指紋本身的識(shí)別精度，提高與接觸式指紋的交叉匹配精度，對(duì)于非接觸指紋的推廣應(yīng)用也非常重要。在實(shí)際應(yīng)用中，注冊(cè)和識(shí)別階段采用不同的指紋采集器是很常見的。例如，身份證指紋識(shí)別領(lǐng)域的指紋采集器廠商眾多，確保指紋識(shí)別算法能兼容不同采集器是很重要的問(wèn)題。非接觸采集作為新興技術(shù)，與成熟的接觸式采集兼容，是必須解決的問(wèn)題。這個(gè)問(wèn)題的困難在于不同采集模態(tài)圖像的巨大差異（見下圖的對(duì)比），例如非接觸采集特有的透視變形、脊線對(duì)比度低、對(duì)焦問(wèn)題，接觸式采集特有的皮膚彈性變形、皮膚干濕。

3.1.5 三維指紋采集

手指本身是三維物體，三維指紋是指紋最原本的形態(tài)（見下圖）。三維指紋相比二維指紋的優(yōu)勢(shì)包括：（1）避免皮膚變形；（2）無(wú)需滾動(dòng)手指，即可一次采集完整的指紋；（3）三維信息具有額外的辨識(shí)力。

研究者提出了多種三維指紋采集技術(shù)（見下圖），包括輪廓法（Parziale等，2006）、多視圖（Liu和Zhang，2014）、陰影法（Kumar和Kwong，2015；Kumar，2018）、調(diào)焦法（Abramovich等，2013）、結(jié)構(gòu)光（Wang等，2010）、激光雷達(dá)（Galbally等，2017）等。但是由于體積龐大、成本高、識(shí)別性能的優(yōu)勢(shì)不明顯，這些三維指紋采集技術(shù)目前還沒有取得大規(guī)模的應(yīng)用。

Cui等人（2023）提出了由一幅非接觸指紋圖像重建三維指紋的技術(shù)，僅僅需要普通的相機(jī)即可采集三維指紋，顯著降低了硬件成本。不同于之前過(guò)于依賴硬件的三維采集方案，該方案借助機(jī)器學(xué)習(xí)技術(shù)從大量樣本學(xué)習(xí)手指三維形狀先驗(yàn)以及二維非接觸圖像包含的三維信息。實(shí)驗(yàn)表明，該技術(shù)重建的三維指紋與龐大且昂貴的結(jié)構(gòu)光三維成像設(shè)備的重建結(jié)果非常接近。

三維指紋的識(shí)別可以由專用的識(shí)別算法完成，但是更現(xiàn)實(shí)的方案是通過(guò)三維指紋展開技術(shù)（Chen等，2006），得到類似滾動(dòng)指紋的二維圖像，然后利用成熟的二維指紋識(shí)別算法。這既借力了優(yōu)化多年的傳統(tǒng)指紋識(shí)別算法，又解決了與主流指紋采集技術(shù)、已有指紋庫(kù)的兼容性問(wèn)題，一舉多得。

3.1.6 光學(xué)相干斷層掃描（Optical Coherence Tomography，OCT）

光學(xué)相干斷層掃描使用低相干光來(lái)捕獲生物組織的深層圖像，目前主要應(yīng)用在醫(yī)療領(lǐng)域（觀察皮膚、眼睛、血管等）。近年來(lái)研究者開始使用OCT設(shè)備獲取指紋斷層圖像（見下圖）。

OCT成像的主要優(yōu)點(diǎn)是可以檢測(cè)到真皮層。由于真皮層和表皮層的指紋圖案原本一致，當(dāng)手指表面皮膚受損時(shí)，真皮層圖案可以提供更可靠的信息（見下圖的對(duì)比）。此外，皮下的汗腺等特征可用于識(shí)別偽指紋。然而，目前的OCT設(shè)備仍然笨重、成像速度慢、價(jià)格昂貴，離商用還有距離。

3.2 電容傳感器

盡管自 1980 年代以來(lái)，研究者提出了多種電容指紋傳感器方案（Edwards，1984；Tsikos，1982），直到1990年代中期，它們才商業(yè)化可行（Xia和O’Gorman， 2003）。電容傳感器是嵌入面板的微型電容陣列（見下圖），每個(gè)微電容的另一測(cè)是手指皮膚本身。在當(dāng)手指按在芯片上時(shí)，手指和每個(gè)電容之間形成了電荷。這些電荷的大小取決于指紋和電容之間的距離（Tartagni & Guerrieri，1998）。因此，指紋脊和谷導(dǎo)致板上的電容值不同。為了準(zhǔn)確測(cè)量電容，研究者開放出各種方法以獲得足夠的靈敏度區(qū)分脊和谷。

在第一代電容指紋傳感器中，微電容陣列是嵌入在CMOS技術(shù)制造的硅片中（Inglis等，1998；Lee等，1999；Morimura等，2000）。按照這樣的方案，為了控制成本，指紋傳感器的面積普遍較小。2013年，蘋果iPhone 5S手機(jī)在home鍵集成了電容指紋傳感器，引領(lǐng)了手機(jī)指紋識(shí)別的潮流。此后，其他手機(jī)紛紛集成了電容傳感器，指紋解鎖成為許多智能手機(jī)的標(biāo)配。

由于大部分手機(jī)的電容指紋傳感器面積很小，為了提高用戶體驗(yàn)（在錯(cuò)誤接受率不變的情況下，提高正確接受率），指紋識(shí)別系統(tǒng)靠模板更新技術(shù)來(lái)提高正確接受率。由于用戶解鎖手機(jī)的頻率很高，模板更新也有條件進(jìn)行。而其他指紋識(shí)別應(yīng)用中（例如出入境、身份證），用戶使用指紋識(shí)別的頻率很低，模板更新的意義較小，機(jī)會(huì)也不多。頻繁識(shí)別是手機(jī)指紋識(shí)別特有的。模板更新不是指紋特有的，其他生物特征識(shí)別也用更新技術(shù)提高性能（Rattani等，2009；Pisani等，2019）。

模板更新技術(shù)曾經(jīng)出過(guò)一次bug。有人發(fā)現(xiàn)自己手機(jī)指紋傳感器破裂后，其他人的指紋也能解鎖他的手機(jī)了。有技術(shù)人員做了進(jìn)一步發(fā)揮，發(fā)現(xiàn)橘子皮也能破解手機(jī)指紋識(shí)別。原因是，如果傳感器表面不干凈（存在傳感器破裂、指紋貼等造成的背景紋理），當(dāng)背景紋理+本人指紋通過(guò)驗(yàn)證后，會(huì)被注冊(cè)為模板。如果背景紋理的特征占比較大，之后其他手指、橘子皮、任何東西按傳感器，傳感器讀入的是任何東西的圖案+背景紋理，驗(yàn)證就很可能通過(guò)了。這個(gè)bug后來(lái)基本被解決了。專門有個(gè)方向poisoning attack（Biggio等，2013）研究利用模板更新問(wèn)題破解識(shí)別系統(tǒng)。

更新一代的電容傳感器是基于TFT工藝將傳感器陣列嵌入在玻璃基板上（Hashido等，2003；Hwang等，2017；Jeon等，2019；Seo等，2018；Young等，1997）。TFT工藝在制作大面積傳感器時(shí)有成本優(yōu)勢(shì)，而且可以和顯示結(jié)合起來(lái)（Jeon等，2016）。TFT電容傳感器的設(shè)計(jì)比光學(xué)TFT更簡(jiǎn)單，因?yàn)楹笳咝枰峁┱彰鞑⒁龑?dǎo)反射的光子束匯聚在像素上。然而，電容技術(shù)的缺點(diǎn)是隔著較厚的玻璃難以獲取高質(zhì)量的指紋圖像。

為了降低CMOS電容傳感器的成本，研究者還發(fā)明了很窄的滑動(dòng)指紋傳感器。當(dāng)用戶將手指豎直滑過(guò)傳感器時(shí)，傳感器得到一系列小圖像，內(nèi)置的指紋拼接算法由此重建出完整的指紋。這種傳感器曾經(jīng)在筆記本電腦的應(yīng)用較多。

3.3 超聲波傳感器

超聲波傳感是基于發(fā)送聲學(xué)指向指尖的信號(hào)，并捕獲回波信號(hào)（見下圖），從回聲信號(hào)計(jì)算指紋的脊線結(jié)構(gòu)。超聲波傳感器的兩個(gè)主要組件是發(fā)送器和接收器。前者產(chǎn)生聲脈沖，后者檢測(cè)這些脈沖從指紋反彈時(shí)的響應(yīng)（Schneider和Wobschall，1991）。該方法是對(duì)手指較深層次的皮膚進(jìn)行成像（甚至能透過(guò)薄手套），因此對(duì)臟手指、潮濕手指的成像比較好。

John K. Schneider在讀博士期間研究超聲波指紋成像，畢業(yè)后創(chuàng)立了Ultra-Scan公司，要把超聲波指紋采集器做成產(chǎn)品。早期的超聲波采集器體積龐大，帶有機(jī)械部件且相當(dāng)昂貴（數(shù)百美元）。此外，由于需要進(jìn)行機(jī)械掃描，采集過(guò)程較慢。Ultra-Scan公司把產(chǎn)品主要定位在警用和軍用。2013年，Ultra-Scan被手機(jī)芯片巨頭高通公司收購(gòu)。隨后，高通公司研發(fā)出針對(duì)手機(jī)的超聲波指紋傳感器，還推出了可以采集雙指的大面積超聲波指紋傳感器（面積為20*30平方毫米）。相比手機(jī)屏下光學(xué)指紋傳感器，超聲波方案不需要打光（晚上刷手機(jī)的人應(yīng)該對(duì)屏下光學(xué)指紋傳感器的強(qiáng)光很熟悉），對(duì)濕手指成像好，在全面屏手機(jī)中占據(jù)了相當(dāng)?shù)姆蓊~。

3.4 熱敏傳感器

熱傳感器由熱釋電材料制成，可根據(jù)溫度產(chǎn)生電流差異（Mainguet等，1999年；Han和Koshimoto，2008；Miki和Tsuchitani，2017）。指紋脊與傳感器表面接觸，而谷與傳感器表面有一定距離，因而產(chǎn)生的溫差不同。傳感器通過(guò)電加熱保持在高溫，以增加傳感器表面和手指之間的溫差。當(dāng)手指接觸時(shí)，溫差會(huì)產(chǎn)生一個(gè)圖像，但這個(gè)圖像很快就會(huì)產(chǎn)生消失。原因是很快達(dá)到了熱平衡，像素溫度穩(wěn)定下來(lái)了。有兩種方法可以克服這個(gè)問(wèn)題：

• 通過(guò)手指滑動(dòng)獲取指紋圖像（如2.4節(jié)所述），讓脊的接觸點(diǎn)一直變化。
• 主動(dòng)熱傳感技術(shù)通過(guò)探測(cè)器陣列提供用戶無(wú)法察覺的熱脈沖（參見Next Biometrics公司的LTPS技術(shù)）。

相比電容技術(shù)，熱傳感技術(shù)對(duì)靜電不敏感，而且可以接受較厚的保護(hù)涂層（因?yàn)闊崛菀淄ㄟ^(guò)涂層傳播）。但是，熱傳感器通常更耗能而且采集速度較慢。

3.5 壓力傳感器

壓力傳感器可在受力情況下產(chǎn)生電信號(hào)。早期的壓力傳感器基于壓電材料。傳感器表面由非導(dǎo)電介電材料制成，在受到手指壓力時(shí)會(huì)產(chǎn)生電荷（這種效應(yīng)稱為壓電效應(yīng)）。產(chǎn)生的電流大小取決于手指在傳感器表面上施加的壓力。由于脊和谷與傳感器表面的距離不同，它們導(dǎo)致不同的電流量?？上н@些材料在檢測(cè)脊和谷的細(xì)微差異上不夠靈敏；此外，保護(hù)涂層也導(dǎo)致生成的圖像模糊。研究者提出了許多其他設(shè)計(jì)方案（見Mainguet網(wǎng)頁(yè)）以提高靈敏度并降低成本。目前基于壓力的指紋傳感器市占率較低。

4、指紋圖像質(zhì)量

面對(duì)種類繁多的指紋傳感器，如何評(píng)價(jià)和選擇？對(duì)于某種特定的指紋傳感器，如何優(yōu)化其參數(shù)？最重要的標(biāo)準(zhǔn)是傳感器的圖像質(zhì)量。下面首先簡(jiǎn)介指紋圖像的主要參數(shù)；然后分析造成指紋圖像質(zhì)量低的主觀和客觀原因；進(jìn)而討論如何自動(dòng)評(píng)價(jià)指紋圖像的質(zhì)量；最后介紹提高指紋圖像質(zhì)量的方法。

4.1 指紋圖像參數(shù)

指紋圖像的主要參數(shù)包括：分辨率、面積、像素?cái)?shù)、幾何精度、灰度范圍、對(duì)比度、信噪比等。下圖展示了不同指紋采集器從同一個(gè)手指得到的圖像。

4.2 低質(zhì)量指紋圖像

許多主觀和客觀因素可能導(dǎo)致指紋圖像質(zhì)量差，進(jìn)而導(dǎo)致識(shí)別率低。指紋質(zhì)量差表現(xiàn)為四個(gè)方面：

• 信噪比低：許多因素可能導(dǎo)致信噪比低，例如，手指皮膚過(guò)于干燥或潮濕，手指按壓力度過(guò)輕或過(guò)重，手指采集中的搓動(dòng)造成模糊，手指皮膚長(zhǎng)期磨損，手指?jìng)郏F(xiàn)場(chǎng)指紋常見的背景圖案，傳感器采集表面的污垢，傳感器噪聲。
• 指紋面積?。簜鞲衅餍　⑹种概c傳感器接觸面小。
• 皮膚變形大：手指按壓后，施加了較大的剪切力、扭力。
• 姿態(tài)或部位不合適：手指按壓的角度太偏（滾動(dòng)角和俯仰角太大），按壓部位不是指腹（比如指節(jié)）。

4.3 指紋圖像質(zhì)量評(píng)價(jià)

評(píng)價(jià)指紋質(zhì)量的維度很多，要用一個(gè)數(shù)字全面且客觀地衡量指紋圖像的質(zhì)量，是很困難的。但是，對(duì)于指紋圖像給出一個(gè)質(zhì)量分?jǐn)?shù)很有用。例如，方便指紋采集中的質(zhì)量控制，根據(jù)具體圖像的質(zhì)量調(diào)用適合的指紋算法等。

Grother和Tabassi（2007）認(rèn)為指紋的質(zhì)量應(yīng)該是對(duì)其匹配性能的定量預(yù)測(cè)。如果一個(gè)輸入指紋的庫(kù)指紋可以在非常大的數(shù)據(jù)庫(kù)中被排在第一名，可以認(rèn)為這個(gè)輸入指紋的質(zhì)量是很高的。為了在僅有輸入指紋的情況下，估計(jì)其質(zhì)量，需要在離線階段訓(xùn)練一個(gè)模型，從單幅圖像提取特征并映射為質(zhì)量分?jǐn)?shù)。這方面最有影響力的技術(shù)是NFIQ（Tabassi等人，2004，2021）。

4.4 改善指紋圖像質(zhì)量

改善指紋圖像質(zhì)量最簡(jiǎn)單有效的方法是讓用戶再次采集。如果指紋采集系統(tǒng)能給出智能的提示，指導(dǎo)用戶調(diào)整手指的干濕程度，控制好按指紋的角度和力度，用戶再次采集的指紋質(zhì)量往往會(huì)提升。此外，從算法層面改善指紋圖像質(zhì)量的方法有：利用指紋增強(qiáng)提高信噪比（Hong等人，1998），通過(guò)圖像拼接增大指紋面積（Cui等人，2021），利用變形自校正盡量減小剪切力、扭力造成的指紋皮膚變形（Si等人，2015）。

4.4.1 指紋增強(qiáng)

許多指紋傳感器會(huì)使用基本的圖像增強(qiáng)算法（比如線性拉伸對(duì)比度）改善圖像質(zhì)量，傳感器直接輸出的就是增強(qiáng)后的圖像。基本圖像增強(qiáng)算法的增強(qiáng)效果很有限，難以去除強(qiáng)噪聲。充分利用指紋特性的圖像增強(qiáng)算法（如Gabor濾波）具有強(qiáng)大的噪聲抑制能力，但也會(huì)改變破壞三級(jí)特征（如汗孔、不成熟脊線）。強(qiáng)的增強(qiáng)算法可以用于指紋識(shí)別算法，而不能取代傳感器的原始圖像作為輸出。

4.4.2 指紋拼接

指紋拼接技術(shù)能將不同角度、不同部位的多幅指紋圖像融合為一幅面積更大、脊線更清楚的指紋，提高指紋圖像的有效面積和信噪比。指紋拼接的主要挑戰(zhàn)是皮膚彈性變形、重疊太小以及噪聲。傳統(tǒng)的指紋拼接方法先找到兩幅指紋之間的匹配細(xì)節(jié)點(diǎn)，然后擬合指紋之間的變形場(chǎng)。但是，當(dāng)變形很大或匹配細(xì)節(jié)點(diǎn)有錯(cuò)時(shí)，擬合的變形場(chǎng)是不精確的，無(wú)法對(duì)準(zhǔn)兩個(gè)指紋的脊線，會(huì)導(dǎo)致拼接處不連續(xù)，反而帶來(lái)副作用。

Cui等人（2021）提出的指紋稠密配準(zhǔn)技術(shù)能計(jì)算出兩幅指紋圖像之間像素級(jí)的變形場(chǎng)。作者利用稠密配準(zhǔn)技術(shù)將各種角度的平面指紋拼接為一幅完整指紋。相比傳統(tǒng)的滾動(dòng)指紋，完整指紋的面積更大，細(xì)節(jié)點(diǎn)更多，尤其是滾動(dòng)指紋通常缺少的指尖區(qū)域，完整指紋也可以覆蓋到。許多犯罪現(xiàn)場(chǎng)指紋就是來(lái)自指尖。如果警方采集這樣的完整指紋，對(duì)于提高犯罪現(xiàn)場(chǎng)指紋的識(shí)別率是很有幫助的。

手機(jī)的指紋傳感器面積很小，為了提高用戶體驗(yàn)，保證用戶用不同角度按也可以通過(guò)，用戶在注冊(cè)階段要采集許多次指紋作為模板。Cui等人（2021）利用稠密配準(zhǔn)技術(shù)將許多小指紋圖像拼接為面積更大的指紋模板，這樣僅用一幅指紋就可以達(dá)到更高的識(shí)別率。

4.4.3 指紋扭曲自校正

對(duì)于扭曲指紋，傳統(tǒng)的做法是修改指紋匹配算法以容忍扭曲。但這種做法的缺點(diǎn)是會(huì)造成不同的指紋也變得比較像，提高了認(rèn)假率；此外因?yàn)槿萑痰呐で螅ヅ渌俣纫矔?huì)變慢。

除了匹配環(huán)節(jié)，還可以在指紋采集環(huán)節(jié)對(duì)扭曲進(jìn)行處理。相比匹配環(huán)節(jié)，在采集環(huán)節(jié)處理扭曲的優(yōu)點(diǎn)是，不影響大庫(kù)識(shí)別的效率。但是在沒有參考指紋的情況下，僅僅從一幅指紋圖像估計(jì)它的變形場(chǎng)，是很困難的。Si等人（2015）提出的扭曲自校正技術(shù)，從輸入的指紋圖像估計(jì)剪切力和扭力帶來(lái)的扭曲，將扭曲去掉，得到正常指紋。對(duì)于校正后的指紋，現(xiàn)有的指紋識(shí)別技術(shù)進(jìn)行識(shí)別是毫無(wú)困難的。

5、總結(jié)

指紋識(shí)別技術(shù)在眾多領(lǐng)域的普及離不開指紋傳感技術(shù)的創(chuàng)新和進(jìn)步。相比其他生物特征識(shí)別技術(shù)，指紋的傳感器種類眾多、數(shù)量龐大。2006年，曾經(jīng)有科技媒體把AuthenTec指紋傳感器累計(jì)出貨一千萬(wàn)顆選為生物特征識(shí)別領(lǐng)域的十大新聞之一。到了移動(dòng)互聯(lián)網(wǎng)時(shí)代，指紋傳感器出貨量已經(jīng)翻了幾番了，指紋傳感器大廠的市值一度突破千億元。一個(gè)芯片廠的主管曾經(jīng)說(shuō)，指紋傳感器消耗的硅片一度比CPU消耗的還多。

從技術(shù)的角度預(yù)測(cè)指紋傳感器的發(fā)展是很難的，從用戶需求的角度來(lái)預(yù)測(cè)也許更可靠。未來(lái)的指紋傳感技術(shù)應(yīng)該會(huì)朝著更輕薄、更柔順、更耐用、更高信噪比、更快、更節(jié)能、更智能、更廉價(jià)的方向演化。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-447878.html

參考文獻(xiàn)

1. Abramovich G, Harding K G, Hu Q, et al. (2013). Method and system for contactless fingerprint detection and verification: U.S. Patent 8,406,487.
2. Bae, S., Ling, Y., Lin, W., & Zhu, H. (2018). Optical fingerprint sensor based on a-Si:H TFT technology. Proceedings of SID Symposium Digest of Technical Papers, 49(1), 1017–1020.
3. Biggio, B., Didaci, L., Fumera, G., & Roli, F. (2013). Poisoning attacks to compromise face templates. In 2013 international conference on biometrics (ICB) (pp. 1-7).
4. Calmel, M. (2000). Fingerprint sensor device, US Patent 6128399.
5. Chen, Y., Parziale, G., Diaz-Santana, E., & Jain, A. K. (2006). 3D touchless fingerprints: Compatibility with legacy rolled images. In Proceddings of Biometric Symposium.
6. Cui, Z., Feng, J., & Zhou, J. (2021). Dense registration and mosaicking of fingerprints by training an end-to-end network. IEEE Transactions on Information Forensics and Security, 16, 627-642.
7. Cui, Z., Feng, J., & Zhou, J. (2023). Monocular 3D Fingerprint Reconstruction and Unwarping. IEEE transactions on pattern analysis and machine intelligence.
8. Ding, B., Wang, H., Chen, P., Zhang, Y., Guo, Z., Feng, J., & Liang, R. (2021). Surface and internal fingerprint reconstruction from optical coherence tomography through convolutional neural network. IEEE Transactions on Information Forensics and Security, 16, 685-700.
9. Fujieda, I., Ono, Y., & Sugama, S. (1995). Fingerprint image input device having an image sensor with openings, US Patent 5446290.
10. Galbally, J., Bostrom, G., & Beslay, L. (2017). Full 3D touchless fingerprint recognition: Sensor, database and baseline performance. In Proceedings of International Joint Conference on Biometrics (IJCB) (pp. 225–233).
11. Grosz, S. A., Engelsma, J. J., Liu, E., & Jain, A. K. (2022). C2cl: Contact to contactless fingerprint matching. IEEE Transactions on Information Forensics and Security, 17, 196-210.
12. Grother, P., & Tabassi, E. (2007). Performance of biometric quality measures. IEEE transactions on pattern analysis and machine intelligence, 29(4), 531-543.
13. Han, H., & Koshimoto, Y. (2008). Characteristics of thermal-type fingerprint sensor. In Proceedings of SPIE Conference on Biometric Technology for Human Identification V.
14. Hase, M., & Shimisu, A. (1984). Entry method of fingerprint image using a prism. Transactions of the Institute of Electronic and Communication Engineers of Japan, J67–D, 627–628.
15. Hashido, R., Suzuki, A., Iwata, A., Okamoto, T., Satoh, Y., & Inoue, M. (2003). A capacitive fingerprint sensor chip using low-temperature poly-Si TFTs on a glass substrate and a novel and unique sensing method. IEEE Journal of Solid-State Circuits, 38(2), 274–280.
16. Huang, S., Huang, Y., Yeh, C., Sugiura, N., You, J., & Peng, C. (2015). Design and modeling of 1000ppi fingerprint sensor. In Proceedings of IEEE Sensors Conference.
17. Hwang, H., Lee, H., Jang, B., Kim, H., Lee, T., & Chae, Y. (2017). A 500-dpi transparent on-glass capacitive fingerprint sensor. In Proceedings of SID Symposium Digest of Technical Papers.
18. Inglis, C., Manchanda, L., Comizzoll, R., Dickinson, A.,Martin, E., Mandis, S., Silveman, P.,Weber, G., Ackland, B., & O’Gorman, L. (1998). A robust, 1.8 V, 250 mW, direct contact 500 dpi fingerprint sensor. In Proceedings of IEEE Solid-State Circuits Conference.
19. Integrated Biometrics. (2019). LES film technology. https://integratedbiometrics.com/wp-content/uploads/2020/03/LES-Film-Technology-Whitepaper.pdf.
20. Jain, A. K., Nandakumar, K., & Ross, A. (2016). 50 years of biometric research: Accomplishments, challenges, and opportunities. Pattern recognition letters, 79, 80-105.
21. Jean-Fran?ois Mainguet’s website. https://biometrics.mainguet.org/types/fingerprint/fingerprint.htm
22. Jeon, Y. E., Lee, Y. J., Jang, M. K., Seo, B. M., Kang, I. H., Hong, M. T., Lee, J. M., Jacques, E., Mohammed-Brahim, T., & Bae, B. S. (2016). Capacitive sensor array for fingerprint recognition. In Proceedings of International Conference on Sensing Technology (ICST) (pp. 1–4).
23. Jeon, G., Lee, S., Lee, S. H., Shim, J., Ra, J., Park, K.W., Yeom, H., Nam, Y., Kwon, O.,&Park, S. K. (2019).Highly sensitive active-matrix driven self-capacitive fingerprint sensor based on oxide thin film transistor. Scientific Reports, 9(1), 3216.
24. Kumar, A. (2018). Contactless 3D fingerprint identification. Springer.
25. Kumar, A., & Kwong, C. (2015). Towards contactless, low-cost and accurate 3D fingerprint identification. IEEE Transactions on Pattern Analysis and Machine Intelligence, 37(3), 681–696.
26. Lee, H. C., & Gaensslen, R. E. (2012). Advances in fingerprint technology (3rd ed.). CRC Press.
27. Lee, J. W., Min, D. J., Kim, J., & Kim, W. (1999). A 600 dpi capacitive fingerprint sensor chip and image synthesis technique. IEEE Journal of Solid-State Circuits, 34(4), 469–475.
28. Liao, Y., Chang, C., Lin, C., You, J., Hsieh, H., Chen, J., Cho, A., Liu, Y., Lai, Y., Tseng, J., Chiang, M., & Lin, Y. (2015). Flat panel fingerprint optical sensor using TFT technology. In Proceedings of IEEE Sensors Conference.
29. Libert, J., Grantham, J., Bandini, B., Ko, K., Orandi, S., & Watson, C. (2019). Interoperability assessment 2019: Contactless-to-contact fingerprint capture. NIST-IR 8307.
30. Liu, F., & Zhang, D. (2014). 3D fingerprint reconstruction system using feature correspondences and prior estimated finger model. Pattern Recognition, 47(1), 178-193.
31. Mainguet, J. G., Pegulu, M., & Harris, J. B. (1999). Fingerchip: Thermal imaging and finger sweeping in a silicon fingerprint sensor. In Proceedings of Workshop on Automatic Identification Advances Technologies (pp. 91–94).
32. Maltoni, D., Maio, D., Jain, A. K., & Feng, J. (2022). Fingerprint sensing. Handbook of Fingerprint Recognition, 3rd Edition. 63-114, Springer.
33. Miki, H., & Tsuchitani, S. (2017). Structural design points in arrayed micro thermal sensors (III) ~ polymer-based approach. International Journal of Engineering and Technical Research, 7(3), 24–32.
34. Morimura, H., Shigematsu, S., & Machida, K. (2000). A novel sensor cell architecture and sensing circuit scheme for capacitive fingerprint sensors. IEEE Journal of Solid-State Circuits, 37(10), 1300–1306.
35. Parziale, G., Diaz-Santana, E., & Hauke, R. (2006). The surround ImagerTM: A multi-camera touchless device to acquire 3D rolled-equivalent fingerprints. In Proceedings of International Conference on Biometrics. pp. 244–250.
36. Pisani, P. H., Mhenni, A., Giot, R., Cherrier, E., Poh, N., … & Amara, N. E. B. (2019). Adaptive biometric systems: Review and perspectives. ACM Computing Surveys (CSUR), 52(5), 1-38.
37. Rattani, A., Freni, B., Marcialis, G. L., & Roli, F. (2009). Template update methods in adaptive biometric systems: A critical review. In International Conference on Biometrics (pp. 847-856). Springer, Berlin, Heidelberg.
38. Schneider, J., & Wobschall, D. (1991). Live scan fingerprint imagery using high resolution C–SCAN ultrasonography. In Proceedings of International Carnahan Conference on Security Technology (25th ed., pp. 88–95).
39. Seo, W., Pi, J., Cho, S. H., Kang, S., Ahn, S., Hwang, C., Jeon, H., Kim, J. & Lee, M. (2018). Transparent fingerprint sensor system for large flat panel display. Sensors, 18(1).
40. Si, X., Feng, J., Zhou, J., & Luo, Y. (2015). Detection and rectification of distorted fingerprints. IEEE transactions on pattern analysis and machine intelligence, 37(3), 555-568.
41. Tabassi, E., Wilson, C., & Watson, C. (2004). Fingerprint Image Quality. NIST-IR 7151.
42. Tabassi, E., Olsen, M., …, & Schwaiger, M. (2021). NFIQ 2.0—NIST Fingerprint Image Quality. NIST-IR 8382.
43. Tartagni, M., & Guerrieri, R. (1998). A fingerprint sensor based on the feedback capacitive sensing scheme. IEEE Journal of Solid-State Circuits, 33(1), 133–142.
44. Tordera, D., Peeters, B., Akkerman, H. B., van Breemen, A. J. J. M., Maas, J., Shanmugam, S., Kronemeijer, A. J., & Gelinck, G. H. (2019). A high resolution thin film fingerprint sensor using a printed organic photodetector. Advanced Material Technologies, 4(11).
45. Xia, X., & O’Gorman, L. (2003). Innovations in fingerprint capture devices. Pattern Recognition, 36(2), 361-369.
46. Young, N. D., Harkin, G., Bunn, R. M., McCulloch, D. J., Wilks, R. W., & Knapp, A. G. (1997). Novel fingerprint scanning arrays using polysilicon TFT’s on glass and polymer substrates. IEEE Electron Device Letters, 18(1), 19–20.
47. Wang, Y., Hassebrook, L. G., & Lau, D. L. (2010). Data acquisition and processing of 3-D fingerprints. IEEE Transactions on Information Forensics and Security, 5(4), 750–760.
48. Zhou G, Qiao Y, & Mok F. (1998). Fingerprint sensing system using a sheet prism: U.S. Patent 5,796,858.

到了這里，關(guān)于指紋識(shí)別綜述(2): 指紋傳感器的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！