指纹识别不灵敏怎么办？

作者：罗碗

审核专家：冯建江，清华大学自动化系副教授、中国人工智能学会模式识别专委会委员

在影视作品中，我们常常看到往契约上按手印的场景。事实上，自从中国秦朝，官方就开始收集罪犯的手印作为司法记录；无独有偶，大约公元前2000年，古巴比伦人也将指纹认定为一种个人签名。直到今天，指纹识别依然因为指纹有易于采集、细节丰富、独一无二、难以更改、伴随终生等特点，被认为是最可靠、使用最广泛的个人身份鉴定手段。不论是传统的犯罪侦查、协议签署，还是新兴的电子解锁、海关管理，很多领域都可以看到指纹的应用。

指纹识别被认为是最可靠、使用最广泛的个人身份鉴定手段。图片来源：Pixabay

想要依靠指纹完成诸多任务，最核心的技术就是指纹识别。在过去的很长一段时间里，指纹识别是通过直接用肉眼观察来完成的，既耗时长又容易出错，培养相应的专业人员十分困难，研究和记录也少而不精。到了大约二十世纪，对指纹科学系统的研究和应用才开始逐渐出现，不过主要还是集中在刑侦、法医的领域。

上个世纪六十年代，随着计算机科学的发展，众多研究者开始考虑使用计算机来运行半自动、自动识别指纹图像的算法，这种方法相较于人工比对来说不需要完全依赖经过特殊训练的人员、随时随地都可以开展，让指纹识别在更多场景下的应用（如指纹锁）有了可能。但直到本世纪初，已有的指纹识别技术都还无法满足大范围应用在刑事侦破、社会治理、出入境管理的需要。为此，清华大学自动化系周杰研究组在图像处理、特征表达、特征提取、图像比对等方面开展了这个长达十余年的研究项目，实现了大人群下高精度的指掌纹识别。

指纹识别中一个很大的问题在于图像的质量参差不齐，比如老年人的指纹可能比较模糊、现场的指纹可能重叠、残缺或者背景杂乱、文件上的指纹可能混有签名。传统算法并不能很好地识别低质量的指纹图像，在精度、稳健性、运算成本上都有很多不足，对于不理想的图像（比如犯罪现场收集的潜指纹），很多时候依旧要依赖专家的手工标注。而此研究项目揭示了指纹纹理的拓扑规律和统计规律，构建了表现优异的混合模型，并在此理论基础上发明了多种方向场估计、奇异点检测、重叠指纹分离和指纹增强的方法，（比如根据自然语言处理中拼写检查技术的启发，建立“方向场字典”，让程序像人类专家一样使用先验知识）在低质量指纹的识别上取得了明显的进步。

人的手指是立体柔软的，而图像是平面的，因此不管是专门的指纹感应器收集还是犯罪现场留下的指纹，都很容易出现扭曲；同时，指纹图像姿态多样而难以确定，比如人脸的图像都是眼睛在上、嘴巴在下，很容易确定，而指纹就没有这样明显的特点。传统算法对指纹的扭曲和姿态研究不足，也会导致识别困难。此研究项目通过构建皮肤形变的变换模型，提出新的扭曲校正、（用扭曲指纹的视频构建扭曲场的统计模型、数据库）姿态估计、（滑动窗口检测、深度学习）稠密配准（相位调制解调）等技术，大幅度提高了指纹比对的精度和速度。

扭曲的指纹。图片来源：Pixabay

在指纹识别中，1对1识别是较为简单的，比如手机里的指纹锁，一开始储存了机主的指纹，后来每次验证只需要比对输入的指纹和储存的指纹是否匹配；而1对N的识别就相对困难，比如一个国家海关出入境的系统，每次验证需要比对输入的1个指纹和存储的百万、千万个指纹，传统算法往往只采用指纹的细节点这一个特征，就无法做出精确迅速的判断。此研究项目引入了方向场、密度图、脊线等特征，发明出多特征结合的指纹识别方法，更适应于大人群、大数据库的应用需求。

另外，很多犯罪现场只有掌纹而没有指纹，直接套用指纹识别技术效果并不理想。而此研究项目分析和揭示了掌纹各区域的可区分性，发明了高分辨率掌纹图像处理、自适应方向场估计和分层分块融合检索等技术，大幅度提升了掌纹识别的性能。

掌纹。图片来源：Pixabay

自2012年起，此项目被用于公安部物证鉴定中心的全国指掌纹识别系统，目前占据了国内刑侦指掌纹系统70%的份额，累计入库人员1.3亿，5年内破获案件40多万起。不久，经过公安部的评测，成为我国第二代居民身份证指纹登记、电子护照和港澳通行证指纹核验的唯一算法，使用人数近4亿，自动核验5.5亿人次以上。高精度大人群指掌纹识别的实现，既为人们的出行提供了高效和便利，又协助打击了违法犯罪，默默地为人们的安全保驾护航。

大人群指掌纹高精度识别技术及应用