0 引言

    近年來，隨著生物識別技術(shù)的發(fā)展,，自動(dòng)指紋識別系統(tǒng)（AFIS）被越來越廣泛地應(yīng)用于身份識別領(lǐng)域^[1],。然而一些企圖不良的人開始攻擊自動(dòng)指紋識別系統(tǒng)的漏洞，利用偽造指紋替代真實(shí)指紋,，從而侵入與指紋信息相關(guān)的各應(yīng)用系統(tǒng),，給個(gè)人隱私與安全帶來了巨大的威脅。

    常見的偽造指紋主要有3種：改造指紋,、非活性指紋和合成指紋,，如圖1所示。針對前兩種偽造指紋的鑒別,，眾多科研機(jī)構(gòu)及學(xué)者都已做了非常深入的研究,，成果豐富。例如,，DERAKHSHANI R^[2]通過檢測指紋汗?jié)n圖來鑒別非活性指紋,，ANTONELLI A^[3]通過對比非活性指紋和真實(shí)指紋的扭曲度來完成鑒別。

    合成指紋則不同于以上兩種偽造指紋,，它是通過合成算法在計(jì)算機(jī)上生成世上完全不存在的指紋圖像,。目前，關(guān)于合成指紋的工作主要集中在合成方法的研究,，以及使用合成指紋圖像作為指紋匹配數(shù)據(jù)庫,。如CAPPELLI R^[4]在2000年提出了五步合成法，隨后又提出添加干,、濕和噪聲的方法來使得指紋圖像更加逼真,，這種算法已經(jīng)被用在2004年的國際指紋識別競賽中(FVC2004)。此外,，胡瑾和田捷^[5]從方向場,、密度圖和脊線紋理3個(gè)方面來優(yōu)化指紋圖像，這種算法生成的指紋圖像已被用在中國生物特征識別競賽中(BVC),。由于合成指紋和真實(shí)指紋十分相似,，也可作為欺騙性指紋來攻擊AFIS，從而帶來巨大的安全隱患,。但遺憾的是,，目前還少有對合成指紋展開鑒別的研究，更未見相關(guān)的硬件系統(tǒng)實(shí)現(xiàn)的報(bào)道,。

    針對缺少合成指紋鑒別研究的現(xiàn)狀,，本文提出了一種硬件友好型算法,。通過對真實(shí)和合成指紋圖像的灰度均值、方差因子以及Harris角點(diǎn)數(shù)目因子的提取構(gòu)建特征向量,，成功鑒別出合成指紋,。以硬件友好的思路進(jìn)行算法構(gòu)架，充分發(fā)揮電路執(zhí)行速度快的優(yōu)勢,。經(jīng)Qsys平臺上的驗(yàn)證,，可在18 ms內(nèi)完成對一幅指紋圖像的鑒別，相比傳統(tǒng)軟件方式極大縮短了鑒別時(shí)間,，鑒別準(zhǔn)確率可達(dá)97%以上,。

1 合成指紋鑒別算法

    選取指紋圖像的灰度均值、方差因子以及Harris角點(diǎn)數(shù)目因子來構(gòu)建特征向量,利用基于支持向量機(jī)(SVM)的智能計(jì)算模型可以很好地鑒別真實(shí)指紋和合成指紋,，設(shè)計(jì)流程如圖2所示,。真實(shí)指紋來自FVC2004 DB2，合成指紋從FVC2004 DB4和BVC中隨機(jī)選取,。

1.1 灰度均值和方差因子

    合成指紋的背景來源于Karhunen-Loeve變換的統(tǒng)計(jì)模型^[6],，與真實(shí)指紋圖像的背景存在一定差異。因此,，可以考慮選擇指紋圖像灰度的均值Q_grayavg和方差Q_grayvar作為特征因子進(jìn)行辨別：

式中,，f(i，j)表示指紋圖像點(diǎn)(i,，j)的灰度值,，H和L分別表示指紋圖像的長和寬。隨機(jī)選取30幅真實(shí)指紋和合成指紋進(jìn)行灰度均值和方差的對比,，結(jié)果如圖3所示。

    可以看出,，真實(shí)指紋圖像的灰度均值明顯大于合成指紋,。在方差方面，真實(shí)指紋的灰度方差大于DB4指紋,，但是明顯小于BVC指紋,。因此可以把指紋圖像灰度均值和方差作為特征因子。

1.2 Harris角點(diǎn)數(shù)目因子

    Harris算子對紋理信息豐富的圖像(例如指紋圖像)可以提取出大量的特征點(diǎn)^[7],。由于真實(shí)指紋圖像比較平滑,，而合成指紋是人為的添加白色氣孔作為噪聲，容易產(chǎn)生更多的角點(diǎn),。因此,，推測Harris角點(diǎn)數(shù)目可以作為區(qū)分真實(shí)指紋和合成指紋的一個(gè)因子。將指紋圖像分割成W×W(W=8)的小塊,，按如下公式計(jì)算角點(diǎn)量R：

式中,，G_x(i,，j)和G_y(i，j)分別代表(i,，j)的水平梯度值和垂直梯度值,。I_x′、I_y′和I_x′y′是對I_x,、I_y和I_xy進(jìn)行高斯平滑濾波得出,，目的是降低噪聲干擾。如果計(jì)算所得的R滿足以下條件：R是鄰域內(nèi)局部極大值及R大于設(shè)定的閾值,，則認(rèn)為該點(diǎn)是Harris角點(diǎn),。真實(shí)指紋和合成指紋Harris角點(diǎn)的對比結(jié)果如圖4所示?？梢钥闯龊铣芍讣y的Harris角點(diǎn)數(shù)目明顯多于真實(shí)指紋,，與推測吻合，因此可以把它當(dāng)作特征因子,。

1.3 支持向量機(jī)學(xué)習(xí)鑒別

    支持向量機(jī)(SVM)是AT&T Bell實(shí)驗(yàn)室的V.Vapnik等人提出的一種針對分類和回歸問題的新型機(jī)器學(xué)習(xí)方法,，具體鑒別流程如圖5所示。常用的支持向量機(jī)核函數(shù)有線性核,、多項(xiàng)式核,、徑向基核和Sigmoid核?？紤]到硬件友好性,，本文采用多項(xiàng)式核函數(shù)。

2 硬件友好型設(shè)計(jì)

2.1 系統(tǒng)框架與設(shè)計(jì)流程

    根據(jù)合成指紋鑒別算法,，將每個(gè)特征因子提取算法變換成硬件模塊,，構(gòu)建完整的硬件系統(tǒng)。硬件驗(yàn)證平臺選擇Altera的Qsys,，系統(tǒng)框架如圖6所示,。

    整個(gè)硬件系統(tǒng)設(shè)計(jì)流程為：首先在計(jì)算機(jī)的DSP Builder平臺完成硬件系統(tǒng)電路的設(shè)計(jì)、訓(xùn)練,、仿真和綜合,，生成VHDL代碼和TCL腳本，利用開發(fā)工具Quartus II在Qsys平臺完成算法的驗(yàn)證,最后通過USB-Blaster下載到FPGA開發(fā)板,。

2.2 灰度均值和方差計(jì)算模塊

    指紋圖像灰度均值和方差的計(jì)算采用建立灰度直方圖的方法,。使用一個(gè)雙口RAM，直方圖橫坐標(biāo)表示RAM地址,，即指紋圖像灰度值0~255,，縱坐標(biāo)表示RAM存儲(chǔ)的數(shù)據(jù)，即該灰度值下像素點(diǎn)的個(gè)數(shù),。直方圖建立完成后計(jì)算指紋圖像均值與方差,，如圖7所示,。其中：P_N表示圖像中像素點(diǎn)的總數(shù)，g表示直方圖的橫坐標(biāo)值,，N表示對應(yīng)橫坐標(biāo)下的縱坐標(biāo)值,。g_min=0，g_max=255,，當(dāng)g達(dá)到g_max時(shí),，求和并利用除法器計(jì)算指紋圖像均值和方差。

2.3 Harris角數(shù)目計(jì)算模塊

    Harris角點(diǎn)計(jì)算時(shí)需要使用Prewitt算子分別計(jì)算水平方向和垂直方向的梯度值,。以水平方向?yàn)槔齺碚f明,，水平方向的Prewittx算子如式(5)：

    現(xiàn)使用Prewitt算子對每一像素點(diǎn)做卷積運(yùn)算，這里將算子變成3×3的窗口,，將某一點(diǎn)的卷積變成窗口中系數(shù)與該點(diǎn)鄰域內(nèi)像素點(diǎn)乘積的和,，用流水線的方式來實(shí)現(xiàn)窗口的平移。

    可以推算出,，水平方向和垂直方向共需要18個(gè)乘法器模塊,，即18個(gè)dsp-9bit。同時(shí)高斯濾波模塊需要4個(gè)雙精度乘法器,，而一個(gè)雙精度乘法模塊就需要18個(gè)dsp-9bit,、345個(gè)lut和519個(gè)reg。此方式邏輯資源占用很大,，且乘法器的較多運(yùn)用將會(huì)導(dǎo)致運(yùn)算效率的低下,。為硬件友好性的考慮，根據(jù)Prewitt算子將梯度計(jì)算優(yōu)化,，如圖8所示,。

    此方式中，在梯度計(jì)算模塊中只使用了簡單的邏輯運(yùn)算和加法運(yùn)算,，節(jié)約了大量的硬件資源,，并且提高了系統(tǒng)的運(yùn)行效率。

2.4 SVM判別公式模塊

    本文中使用的支持向量機(jī)是臺灣大學(xué)林智仁提出的LibSVM,。在軟件平臺將特征因子進(jìn)行訓(xùn)練后得到一個(gè)訓(xùn)練模型，利用其中的參數(shù)來實(shí)現(xiàn)SVM判別公式硬件化：

式中,，x_i表示待判別的樣本,，y_i為對應(yīng)樣本的標(biāo)簽，x表示支持向量,，a_i表示拉格朗日系數(shù),，b是偏置。經(jīng)Avalon總線提供到硬件模塊中,，根據(jù)f(x_i)的正負(fù)來判斷指紋樣本是真實(shí)指紋還是合成指紋,。

3 驗(yàn)證和評價(jià)

    搭建完成的硬件系統(tǒng)下載到DE2-35開發(fā)板,，其資源占用情況如表1所示。

    可以看出,，本文提出的算法對硬件資源的占用較小,，在常見的FPGA芯片上可以正常運(yùn)行。

    此外,，對本算法的鑒別性能進(jìn)行驗(yàn)證,。采用如下的指紋數(shù)據(jù)庫進(jìn)行預(yù)測：600幅FVC2004 DB2的真實(shí)指紋圖像、300幅FVC2004 DB和300幅BVC的合成指紋圖像,。從軟件和硬件分別對比本鑒別算法的性能,，結(jié)果如表2所示。

    可以看出,，在鑒別準(zhǔn)確率上硬件算法要略低于軟件算法,，這是由于硬件模塊對浮點(diǎn)數(shù)的計(jì)算存在“四舍五入”的近似，所以提取的特征因子數(shù)值有偏差,，但97.5%的準(zhǔn)確率在使用中仍然是可接受的,；在鑒別時(shí)間上，硬件鑒別要明顯快于軟件鑒別,，符合實(shí)際使用中的實(shí)時(shí)性要求,。考慮指紋圖像的預(yù)處理時(shí)間,，即特征因子提取時(shí)間,，本系統(tǒng)在50 MHz的時(shí)鐘頻率下僅需18 ms就可以完成鑒別過程。

4 結(jié)論

    本文提出了一種硬件友好型的合成指紋鑒別算法,。通過對算法各模塊的硬件友好型設(shè)計(jì),，極大減少了硬件電路的資源占用，提升了算法的處理能力,。實(shí)驗(yàn)結(jié)果表明,，本算法在具備較短鑒別時(shí)間的同時(shí)有著97%以上的鑒別準(zhǔn)確率，非常適合于嵌入式實(shí)時(shí)處理,。本工作彌補(bǔ)了目前AFIS在合成指紋鑒別方面的缺陷,，提高了指紋生物識別的可靠性。

參考文獻(xiàn)

[1] 肖芳,，羅軍,，王安文，等.一種新型SoPc自動(dòng)指紋識別系統(tǒng)設(shè)計(jì)[J].電子技術(shù)應(yīng)用,，2010,，36(8)：14-16.

[2] DERAKHSHANI R，SCHUCKERS SAC,，Hornak LA,，et al.Determination of vitality from a non-invasive biomedical measurement for use in fingerprint scanners[J].Pattern Recognition,，2003，36(2)：383-396.

[3] ANTONELLI A,，CAPPELLI R,，MAIO D，et al.Fake finger detection by skin distortion analysis[J].Information Forensics and Security,，IEEE Transactions on,，2006，1(3)：360-373.

[4] CAPPELLI R,，MAIO D,，MALTONI D.Synthetic fingerprint-database generation[C].Pattern Recognition，2002.Proceedings 16th International Conference on.IEEE,，2002：744-747.

[5] 胡瑾,，田捷，陳新建,，等.一種指紋合成的方法及其實(shí)現(xiàn)[J].軟件學(xué)報(bào),，2007，18(3)：517-526.

[6] 徐之海,，馮華君,，李奇，等.基于Karhunen—Loeve變換的人臉識別研究[J].光學(xué)工程,，2001,，28(6)：48-51.

[7] HARRIS C，STEPHENS M.A combined corner and edge detector[C].Alvey Vision Conference,，1988,，15：50.