指紋識別技術在學生宿舍管理中的應用

石宜金

（云南大學旅游文化學院信息科學與技術系，麗江）

指紋識別技術在學生宿舍管理中的應用

石宜金

（云南大學旅游文化學院信息科學與技術系，麗江）

針對學生宿舍安全的管理要求，傳統的身份認證加大宿舍管理人員的工作量，已難以適應現代社會發展需求，提出把指紋識別技術應用到學生宿舍管理中。首先，闡述指紋識別技術的發展現狀；然后，介紹常用的指紋識別預處理算法，進而利用Blob分析檢測指紋圖像中的缺陷；最后，分析指紋識別技術在學生宿舍管理系統中的應用可行性。

管理系統；指紋識別；預處理；Blob

0 引言

高科技的快速發展呈現出的一系列的身份核準認證問題亟待解決完善。例如社保行業出現的冒領、騙領參保人員的社保金；高等教育領域存在并頭疼的莫過于“花樣百出”的替考現象。并且在某些高校還實行晚上10點鐘宿舍管理人員查寢的制度，確保學生在宿舍的安全。而在很多學生中就會出現替寢的現象，從而造就了很大的安全隱患，對學校、學生家長和學生本人帶來一定的影響。宿舍管理人員每天晚上要面對幾百個乃至上千的學生，要一一至宿舍查看哪位學生晚歸或未歸，然后通知其班主任對其情況進行了解。這就加大了宿舍管理員和班主任每天的工作量，并且這種效率極其低，造成管理和處理的延時。為了提高工作人員的工作效率降低工作成本和人性化管理，在結合管理經驗的情況下我們設計了一種基于指紋識別的學生宿舍管理系統。

人們對識別技術的容錯率需求度越來越高，因此身份核準的精準率要求也在逐步提升。與傳統的密碼檢驗方式相比，為了實現較高的安全性，在日常生活中出現了類似于指紋、虹膜、人臉等生物特征識別技術的處理系統。而三者有各自的優勢，如指紋識別價格相對便宜，功能性較強，是一種接觸式的識別技術；相比于我們所熟悉的指紋識別，人臉的識別技術精準度更高，是一種非接觸式識別的關鍵性技術，但綜合比較來看它的技術成本和硬件搭建成本相對較高，且對外部的綜合環境有較多要求；而目前生物識別技術中誤識率較低的技術是虹膜識別技術，它具有偽造難度高、可復制性低和不易損傷的優點。

指紋識別技術主要是利用人類指紋的唯一性和不變性原理，通過指紋識別硬件來采集指紋圖案，通過計算機技術來對提取的特征信息與原庫存指紋樣本進行比較，進一步書寫算法來判斷真偽的過程來實現身份識別的技術。當前該技術已經成熟并廣泛應用于門禁管理、考勤設別、金融驗證、公共安全和電子商務等核心領域[1]。具體實現原理是通過對采集的指紋紋線排列展示出的不同紋型來進行判別[2]。我們通過提取指紋圖像的起點、終點、結合點和分叉點的特征，進一步利用特征點的較大差異性從而判斷出所檢測對象的唯一身份。但是在實際操作過程中指紋采集也不可避免的存在諸多的不確定因素，對于不同的指紋，難以采集到清晰的圖像。所以在算法書寫過程對圖像進行預處理的步驟十分重要，它能確保后續處理對采集的指紋圖像有較高的魯棒性。

1 指紋識別技術

指紋識別包括三大部分的技術處理：指紋預處理、特征提取和指紋分類匹配。指紋的特征提取是這三大部分的關鍵信息來源，在確保提取信息的有效性前提下才能保證指紋識別的可靠性，但是指紋特征提取過程中的環境因素、識別質量等因素直接影響了圖像的質量，如果在提取圖像這一步驟就存在較大的誤差，那么后續的處理和識別是極不理想的。當然毫無差錯在設備上和環境上是難以實現的，所以我們需要對指紋信息進行一些預處理。

1.1 指紋識別預處理

圖像灰度變換、歸一化、均衡化、二值化、細化是主要的幾種指紋圖像預處理方法。而衡量指紋識別效率和準確率的一個重要性能指標便是指紋預處理方法的是否成熟有效。李文靜[4]等人提出一種預處理算法，主要是采用連通區域檢測方法優化基于梯度的指紋分割圖像，取得了很好的效果。葉振棟[8]等人深入分析了指紋識別預處理方法。

（1）指紋圖像變換

相機采集的每個圖像是用二進制信息來進行表示的，每個圖像用三個字節表示，分別為紅（R），綠（G），藍（B），一般情況下，為了節省計算機資源提高計算機的計算復雜度和時間復雜度我們采用的方法是對采集的彩色圖像進行灰度變換。它是根據某種目標條件利用一定的變換關系來將像素點逐點改變為灰度值的方法[11]。也就是我們熟知的灰度圖像變化方法。其轉換公式如下：

其中，Gray(i,j)表示灰度圖像在(i,j)點處的灰度值，R(i,j)，G(i,j)，B(i,j)表示指采集的彩色圖像像素中點(i,j)的紅色、綠色和藍色的分量值。采集的指紋圖像在經過灰度變換及灰度圖像處理后的直方圖如圖1所示。從直方圖中我們可以清楚看出灰度圖像的像素分布。

培養基中鹽濃度的變化可以影響酵母的好氧量、生長速度以及發酵率等方面的生理功能。麥芽汁培養基中KCl對Y17aM3生長的影響結果如圖10-c。隨著KCl濃度的增加，Y17aM3的生長受到不同程度的抑制，當KCl濃度達160 g/L時，Y17aM3基本不生長。

圖1 灰度圖像及直方圖

（2）指紋圖像濾波

由于光線、壓力大小不同，不同外部因素的影響會在一定程度上干擾匹配的結果。為了消除這些誤差我們需要增強紋線同時要對光和壓力因素兩種噪聲進行處理，否則它們會造成假特征點影響識別結果準確率。結合紋線的方向性，劉付民[5]和黃加俊[6]等人提出用方向濾波去噪。用普通的濾波器有時候用肉眼很難準確地確定邊緣的位置，而高斯濾波器產生相對銳利的邊緣，這使我們處理的指紋圖像紋線明顯的被分割出來。在文中我們對圖像進行的圖像平滑處理借鑒的方法是通過高斯濾波器來完成。二維高斯濾波器如下式所示：

其中，x，y為圖像中的坐標點。由上式說明高斯濾波器是可分的，可以被非常高效率地計算機出來。經過高斯濾波器平滑處理后的圖像及圖像直方圖如圖2所示。

圖2 濾波圖像及直方圖

濾波圖像的直方圖在灰度值為81處明顯降低。而在波峰位置處比灰度圖明顯要高。

（4）指紋圖像分割

根據參考文獻中查閱到的圖像識別有效經驗，我們一般采取的方法是只對提取到的圖像某一些關鍵部分或感興趣的部分進行處理，這些圖像關鍵部分稱為目標或背景。為了辨識和分析目標圖像或區域，我們需要設法將圖像中特定的、具有特殊信息含義的或我們感興趣的有用區域提取出來，下一步再繼續對目標進行分析和利用并解釋出我們需要的核心信息。這個過程簡而言之就是圖像的閾值分割過程。由于指紋圖像千變萬化給采集帶來的較大難度使我們不得不采用一些方法來提高識別精度，通過文獻查找，目前較為流行的做法是采用動態的閾值圖像分割算法。黃河[7]等人采用的局部動態閾值的圖像分割算法實現了背景和目標的有效分離提取。但指紋識別需要提取紋線輪廓，這就需要高精度，有時候采集的圖像較模糊，所以必須進行亞像素精度的分割處理。在下面的圖3（a）中顯示了對圖2進行亞像素精度閾值分割處理后的對比結果。為看到足夠多的分離細節，我們需要將采集的圖像進行放大顯示，如圖3（b）所示。

圖3 指紋圖像二值化

在圖3（b）中，指紋圖像的邊界被準確的提取出來，可以看到圖像中的毛刺和小斑點。在外部環境如灰塵或手指破裂情況下，濾波方法就不能高效地去除這些影響。在進行圖像分割后，外部環境如灰塵或手指破裂會使指紋圖像中出現一些小斑點、毛刺，這些噪聲對后面的特征提取帶來了很大的影響。所以本文提出用Blob分析法解決該問題。

1.2 指紋圖像的BBlloobb分析

Blob分析（Blob Analysis）是對圖像中相同像素的連通域進行分析，該連通域稱為Blob。Blob分析的主要優勢在于它可以提供圖像相關斑點間的拓撲結構；另外它可以量化并計算指紋圖像中斑點的總體數量、各斑點的位置以及它們的形狀和方向。

（1）連通性分析（ConnectivityAnalysis）

我們采集到指紋圖像后首先將它進行背景和目標像素的分割處理，進而對得到的數據進行連通性分析，最終將目標圖像聚合為斑點或者目標像素的連接體。連通性分析的三種類型如下：

第一，全圖像連通性分析（Whole Image ConnectivityAnalysis）是一種將被分割圖像的全部的目標像素均看作一個有機的整體的方法；第二，連接Blob分析（Connected Blob Analysis）是把臨近的目標視為一個整體；第三，標注連通性分析（Labeled Connectivity Analysis）。

由于我們只對指紋圖像中的指紋紋線感興趣，所以我們采用第二種方法進行連通性分析，即把所有紋線中的每一條線看成是一個目標。即對圖形的行方向信息進行分析，進而把各個行相鄰的目標范圍都用一種游程長度編碼（RLE）方法來表示。

（2）特征值的計算

在進行了連通性分析之后特征值便可以進行計算了。然而我們分割后的指紋圖像中會存在例如毛刺、小斑塊的缺陷。所以需要分兩部分進行：①針對毛刺，度量的目標特征主要是周長，也就是毛刺邊界上像素點的個數，毛刺相對指紋紋線較短，故可容易去除。②針對斑點而言，度量的目標特征主要是面積。由于斑點相對紋線而言是封閉區域并且實心，所以我們找到封閉區域并計算封閉區域面積就可對指紋圖像進行分析。Blob分析后的圖像如圖4所示。

圖4 Blob去除毛刺和斑點

由圖4可知，圖像中的毛刺和小斑點被剔除了。減小后續特征提取和匹配的難度。

1.4 指紋特征提取與匹配

（1）指紋特征

指紋有兩類特征：總體特征和局部特征。

①總體特征：指那些用人眼直接就可以觀察到的特征。主要包括紋形指紋（環型、弓型、螺旋型）、指紋核心點、識別模式區、三角點和指紋紋理數。

②局部特征：指指紋上的節點特征。主要包括特征點的類型，方向、曲率和位置。其類型包括終結點（Ending）、分叉點（Bifurcation）、分歧點（Ridge Divergence）、環 點（Enclosure）、橋（Bridge）短 紋（Short Ridge）。其中，最典型的是終結點和分叉點。英國學者E.R.Herry認為，一般每枚指紋有70-150個特征點，根據概率論方法我們只需要比對12-13個特征點重合便可以確認它們是同一個指紋[3]。

圖5 局部特征

（2）指紋特征提取

目前主要由兩類特征提取方法組成：一類是從原始圖像中根據紋線和交叉點直接進行統計；另一類是在預處理后的圖像中搜索其中的某些特征進行匹配。前一類工作量少，但是識別率低。后一種工作量多，但是識別率較高。王亞南等人[9]提出了基于小波變換的指紋特征提取方法，解決了識別過程中的實時性問題。而胡春風[10]提出了從傳統細化圖像進一步提取指紋紋線特征的方法并證明了紋線特征比節點特征效果更好。

（3）指紋特征匹配

特征指紋紋圖像匹配是指通過數值計算兩幅指紋圖像特征，設定相似比例來校驗兩幅指紋圖像信息是否來源于同一個人。目前主要包括以下幾種典型的匹配技術：基于灰度信息的匹配方法，基于圖的匹配方法，基于結構的匹配方法基于點模式的匹配方法。

由于前人對指紋特征提取算法和指紋匹配算法已經進行了大量研究和總結了較多有效的經驗和現成算法，本文在此就不再進行詳細贅述。

2 宿舍管理系統指紋識別技術應用

將指紋識別和信息管理技術進行的有機結合，一方面對學生的考勤進行了安全有個的管理，更重要的是直接將管理從人工管理過渡到了智能信息的管理提升了園區管理的效度。

很多高校進入園區的身份認證時采用門禁管理系統，學生的身份認證大多是采用一卡通的方法進行身份識別，該方法存在易遺忘、易被盜用或者易被傳遞等安全問題，失去了宿舍園區管理的意義。如果采用指紋識別技術，利用指紋唯一性和不變性等特點，從根本上杜絕人情因素出現的替寢現象，并及時了解晚歸或未歸學生的情況。所以在學校園區安置指紋識別系統是很有必要的，并且是加強園區安全建設的一項重要措施。

3 結語

本文針對學校園區安全建設目標，學校對學生宿舍門禁做了相關要求，傳統的身份認證主要是通過宿舍管理人員對學生進出進行登記。提出了指紋識別和園區查寢的有機結合方案，旨在降低班主任和園區管理工作人員的工作強度，提高管理工作的實時性和安全性。文中闡述了指紋識別關鍵技術；然后，對比分析各種指紋處理基本算法總結經驗，在此基礎上提出用Blob分析檢測指紋圖像中的噪聲；最后，論證分析了指紋識別信息在園區查寢和管理結合的可用性。

[1]尹義龍,寧新寶,張曉梅.自動指紋識別技術的發展與應用[J].南京大學學報,2002,38(1):29-35.

[2]劉暢.自動指紋識別技術的發展與應用[J].人力資源管理,2016,11:251-251.

[3]李華.指紋識別技術在數字圖書館中的應用[J].圖書館論壇,2005,25(3):92-94.

[4]李文靜,白雪冰,張偉.指紋識別預處理算法研究[J].森林工程,2009,25(2):41-44.

[5]劉付民,張志斌.基,,于方向濾波的監控圖像邊緣檢測[J].傳感器與微機系統,2011,30(4):127-130.

[6]黃賢武,王加俊,仲興榮.指紋識別的預處理組合算法[J].計算機應用,2002,22(10):29-32.

[7]黃河,李慶武,范習健.采用局部動態閾值的圖像分割算法[J].光電子技術.2011,31(1):10-13.

[8]葉振棟等.指紋識別預處理算法研究與實現[D].電子科技大學，2012.

[9]王亞南,劉毅,梁志明等.基于小波變換的指紋特征提取方法[J].現代電子技術，2007,30(21):71-72.

[10]胡春風.指紋紋線特征提取與匹配[D].國防科學技術大學，2013.

[11]趙春江.C#數字圖像處理算法典型實例[M].北京:人民郵電出版社，2009.3.

Abstract：Proposes fingerprint identification technology for managing dormitory safety,traditional identity has increased the workload of dormitory managers and is difficult to adapt to the development needs of the modern society.Firstly,describes the current development of fingerprint identification technology.Then,introduces the common fingerprint identification algorithm,and uses Blob to test fault in the image.Lastly,analyzes the feasibility of the application of fingerprint identification technology in the student dormitory management system.

Keywords：Management System;Fingerprint Identification;Preprocessing;Blob

Application of Fingerprint Identification Technology in Student Dormitory Management

SHI Yi-jin

（Department of Information Science and Technology,Tourism and Cultural College Yunnan University，Gucheng District,Lijiang 674100）

云南大學旅游文化學院校內項目(No.2014XY02)

1007-1423（2017）26-0071-05

10.3969/j.issn.1007-1423.2017.26.018

石宜金（1985-），男，大理人，講師，碩士，從事領域為嵌入式技術開發

2017-06-02

2017-09-10