CC BY
5
Рис. 1 — Расположение исследуемых областей на отпечатке пальца, вид рисунка петля
Во-вторых, количество линий традиционно определяется как число линий, пересекаемых линией между так называемыми точками ядра и дельта (трехлучевой) — рисунок 2. Авторы статьи считают, что у такого подхода есть недостатки: у человека может не быть совсем или быть несколько дельта точек, кроме того из-за случайности расположения этих точек и того, что линия, соединяющая эти две точки охватывает только часть узора, итоговый результат может быть весьма неточным. Чтобы избавиться от этих недостатков в статье предложен иной метод, основная идея которого — считать по линии, проходящей через точку ядра и перпендикулярной оси пальца (рисунок 3).
По итогам статьи автор делает вывод, что одного лишь показателя частоты линий недостаточно для точного определения пола субъекта, наиболее качественные результаты получаются при комбинации метрик размера пальца и плотности линий.
Рис. 2 — Точка ядра и дельта (трехлучевая)
Рис. 3 — Линия для подсчёта плотности линий узора
В статье «Fingerprint Pre-Classification Using Ridge Density» [3] отмечается, что для ускорения процесса идентификации человека при наличии большой базы данных, можно ввести, как один из параметров классификации, а, следовательно, и для уменьшения времени самого процесса, частоту линий отпечатка пальцев (или же еще можно сказать, расстояние между серединой отметкой на гребнях или впадинках). Но авторы предлагают вместо непосредственно самой частоты линий использовать частоту краевых точек линий. Данный метод применяется после выполнения непосредственно самого алгоритма сравнения. Таким образом возможна предварительная фильтрация с использованием краев линий, позволяющая отбросить часть отпечатка, не теряя при этом качество распознавания. При этом частота краевых точек не зависит от направления, а также легко находится при наличии особых точек, изогнутых капиллярных линий. Данный параметр предлагается искать следующим способом: сначала отмечаются краевые пиксели. А нужная частота находится путем деления числа отмеченных пикселей на общее число пикселей в рассматриваемой области. Результаты исследования показали, что такая предварительная классификация позволяет отбросить 28-40% отпечатков без потери качества результата. Вследствие, чего скорость идентификации может быть увеличена до 65%. Но при этом сила нажатия пальца на сканер может сильно повлиять на исследуемый показатель.
Таким образом, рассматриваемый в статьях параметр — частота линий может применяться в идентификации личности по дактилоскопическому узору, улучшая результат и ускоряя сам процесс. А также может быть полезен в области криминалистики в сочетании с другими методами.
Список литературы
1. US National Library of Medicine. Pubmed. A comparative study of topological and sex differences in fingerprint ridge density in Argentinian and Spanish population samples. [Электронный ресурс]. URL: https://www.ncbi.nlm.nih.gov/pubmed/23756510 (дата обращения 20.06.2017).
2. AKS Publication. Gender Determination using Fingertip Features [Электронный ресурс]. URL: http://www.akspublication.com/paper04 jul-dec2008.htm (дата обращения 25.06.2017).
3. Institute of Mathematics and Informatics. Fingerprint Pre-Classification Using Ridge Density [Электронный ресурс]. URL: http://www.mii.lt/informatica/pdf/INFO206.pdf (дата обращения 21.06.2017).
4. Cornell University Library. Curved Gabor Filters for Fingerprint Image Enhancement [Электронный ресурс]. URL: https://arxiv.org/pdf/1104.4298v2.pdf (дата обращения 21.06.2017).
Метод определения локальной плотности линий на цифровых изображениях дактилоскопических узоров
Рожина Дарья Сергеевна Агафонов Андрей Валерьевич
Студенты ЮУрГУ, Россия, г. Челябинск E-mail: Twayn@ya.ru
Научный руководитель: Гудков Владимир Юльевич
д.ф-м.н., профессор, кафедра ЭВМ ЮУрГУ, Россия, г. Челябинск
В настоящее время во многих областях применяются различные биометрические методы идентификации, например, определение личности по отпечатку пальца. Данный метод идентификации широко применяется в криминалистике. По информации с отпечатков можно сделать заключение о поле и возрасте субъекта. Одним из критериев для этого является плотность линий. Во многих странах, таких как, Таиланд, Индия, Аргентина, проводились исследования по поиску зависимостей между плотностью линий мужских и женских отпечатков. В рассматриваемых статьях: «Determination of sex difference from fingerprint ridge density in northeastern Thai teenagers» [1], «Sex determination from fingerprint ridge density» [2], «Fingerprint ridge density in the Argentinean population and its application to sex inference: A comparative study» [3], делается ряд выводов, в том числе о том, что у женщин в целом наблюдается более тонкие и частые линии, чем у мужчин.
Кроме того, в распознавании изображений, информация о плотности линий может быть использована как часть других методов и алгоритмов. Например, для определения информативной области или для применения фильтра Габора. [5]
Для нахождения плотности в статье будет использована формула 4, предложенная Д. Мальтони [5], однако координаты вершин, для подсчёта расстояний будут находиться иначе.
Для применения предложенного метода нужно знать информацию о градиенте в каждой локальной области изображения, предполагается что эти данные найдены ранее. Зная, направление градиента в точках изображения, условно можно построить линию заданной длины перпендикулярную линиям узора — рисунок 1. После этого следует последовательно считать значения модуля градиента в каждом пикселе под линией в некий буфер B.
Рисунок 1 — Оригинальные линии узора градиент, линия считывания
Теперь можно сказать, что в буфере B последовательные значения функции градиента, в направлении перпендикулярном узору и в центре с исследуемой точкой изображения: f(x) = grad(x), (1)
где х — координата в буфере.
