摘 要:通过改进指纹识别流程和预处理算法，使指纹识别系统能有较强的伪指纹判别性能。在指纹图像预处理环节计算多个前景灰度特征值，包括图像质量特征值、材质特征值和信息量特征值。选取特定的阈值，对前后采集的指纹图像特征值进行比较，判别是否为伪指纹图像。实验结果证明了该方法的有效性。
关键词:指纹识别；前景；灰度；特征值；伪指纹；图像质量；判别法

指纹识别是目前应用最为广泛的生物识别技术，典型应用有身份验证系统、门禁系统、单位指纹考勤系统、居民身份证管理系统等。指纹识别最大的优点是安全、方便、高效、难以窃取和伪造。
伪指纹技术(如近来出现的网上流传很广的自制指纹膜、指纹套技术[1])给指纹识别的安全性、可信度带来很大的损害，更对个人隐私、社会诚信、安全带来潜在威胁。指纹膜能骗过很多的指纹考勤机，主要是利用了光学指纹采集仪工作原理和指纹识别算法的缺陷。改进的指纹识别流程和算法使指纹识别系统具有较强的伪指纹判别能力。
伪指纹判别从大的技术方向上可以归于指纹图像质量辨别。从近年的公开文献来看，专门对伪指纹的判别研究比较少。已有的指纹图像质量的辨别研究重点集中在对干湿手指、指纹噪声影响、活体指纹判别等方面[2]。有文献零星提到伪指纹的判别，但是判别算法比较单一[3]。本文对传统指纹图像预处理流程和算法仅进行较小改动，通过在前景背景分割后加入伪指纹判别流程，引入多个前景灰度特征值对伪指纹进行判别，方法简单而有效。
1 指纹识别原理简介
指纹识别处理流程一般是：首先采集合法用户的指纹，然后计算机系统通过指纹预处理自动进行特征提取，提取后的特征作为指纹模板保存在数据库中。在识别或验证阶段采集用户指纹，按照相同算法进行特征提取，与数据库中的指纹模板进行比较，计算出它们的相似程度，根据匹配结果来识别用户身份。
指纹图像的预处理是指纹识别的前期工作，也是最关键的步骤。指纹图像预处理一般包括图像分割、图像增强、图像二值化和图像细化4个步骤。指纹图像分割指割除背景区，保留具有指纹特征信息的前景区。图像增强有效去除噪声、突出图像的细节特征，得到一个良好的清晰指纹图以增强图像的可识别性。图像二值化是将灰度图像转化为只有黑白两种颜色，用0和1表示的二值图。图像细化是通过运算把指纹图像最终变为脊线只有一个像素宽度的骨架[4]。
2 指纹采集与指纹伪造简介
2.1指纹采集
指纹采集是指纹识别的第一步，指纹采集的有效性直接关系到指纹识别的正确性。现在比较成熟的指纹采集技术有光学式、电容式、压感式、温度感应和超声波扫描识别技术。光学技术采集指纹是最早、使用最广泛的技术。普遍使用的指纹考勤机绝大部分都是利用光学指纹采集技术,采集到的指纹图像一般较多采用8 bit(256级)灰度图像。
2.2 指纹伪造
不少公司、单位装配了指纹机来对员工考勤，因为光学指纹考勤机价格便宜、使用和安装方便。但近来，指纹膜和指纹套开始在购物网站热销。指纹膜一般采用仿人体皮肤的医用美容硅胶材料、透明工业用硅胶等，经过简单的拓印、倒模工序后，克隆人体指纹，可以套在手指冒充他人指纹。据报道，指纹膜能以假乱真，骗过指纹考勤机[5]。这种伪指纹技术具有工艺简单、成本低廉、隐蔽性强、仿真度高的特点。
3 基于前景灰度特征值的伪指纹图像判别方法
3.1伪指纹判别流程
伪造指纹技术主要利用了光学指纹采集仪的工作原理缺陷和指纹预处理的算法漏洞。光学指纹采集仪只注重获取良好影像，而不管对象是否真实；指纹预处理一般关心的是如何更好地将图像前景像素点从背景中分割出来，以及指纹的整体形状和局部特征。因此可以改进指纹识别流程，增加对伪指纹的判别。伪指纹判别流程如图1所示。

3.2 伪指纹图像判别原理
伪指纹一般由某种工业胶体(如医用、工业用硅胶、其他凝胶体等)制成，这些材料是同种均匀材料，其外观性能几乎难以改变，因此前后多次采集的指纹图像灰度平均值变化微小, 且灰度方差值基本恒定。自然人的指纹前后多次采集时，人的用力轻重总会有变化，皮肤颜色就会略有变化,而且自然人手指的干湿度、清洁度也会在不同时间存在差异变化，因此真实指纹图像的前后多次的灰度平均值变化较大，灰度方差波动大。不同材质的物体由于其表面光滑程度、纹理等的不同，对光线的反射和吸收也就不一样，其灰度平均值有所不同[6]，因此皮肤指纹和硅胶伪造指纹的灰度平均值分布是有差异的。伪指纹不用时一般保存于容器中，很少受污染，其图像灰度噪音影响很小、变化微小；而人手指有各种污染、微损坏等是不可避免的，其图像噪声影响较大、变化也大。
凝胶类材料材质均匀、明亮、反光性强，用其制作的伪指纹图像灰度直方图倾向于灰度级高的一侧，直方图窄而集中。真、伪指纹图像及其典型灰度分布直方图分别如图2和图3所示。

分割前景和背景。对指纹图像进行分块，将其分为n×n的小块。如果是背景区域，其灰度的方差较小，而前景区的指纹图像的方差较大，所以对每个小块求其方差，再设定一个阈值，以此判断是背景还是前景。如果是背景点，则将其灰度值重置为255;如果是前景点，则其灰度值不变。
3.3.2 计算前景灰度特征值
(1) 图像质量特征值α
　 图像质量特征值包含两个子特征值：前景灰度平均值和灰度方差[12]，分别记为α1和α2。根据前面分割背景和前景的结果，统计前景像素点总数设为m个，F(i)代表前景点的灰度值，则:

3.3.3 伪指纹判定原则
对读取的指纹图像，在预处理分割图像后，先算出前景灰度特征值，然后与从指纹信息数据库调出的指纹人前面的特征值逐个进行比较。为了进一步提高识别率，可以依次扫描从第一次到第N次的特征值，进行综合比较。
设第一次采集的真实指纹的前景灰度特征值为α(0)、β(0)、γ(0)，后来某次采集的指纹前景灰度特征值为α(n)、β(n)、γ(n)，阈值设为T1、T2、T3。阈值的具体取值可以根据不同的伪指纹的材料通过实验，用统计学的方法得到恰当的经验值。对3组共6个前景灰度特征值进行比较，当有前后灰度特征值差小于或等于各阈值时判定为伪指纹，否则判定为真指纹。
在实验室采集5名志愿者指纹作为实验样本，再选取在购物网站上购买的某种材料制作的伪指纹进行对比验证。选用浙江中正公司的FPR-620光学指纹采集仪和其公司提供的编程用SDK，用VC 6.0编程进行实验仿真。志愿者在实验室随机使用手指和指纹膜各20次进行指纹识别，真实指纹100次识别的正确率为93%，伪指纹100次被识别率为88%。经过对比验证，基于前景灰度特征值的判别法对于真指纹的正确识别和伪指纹的拒绝准确度都很高，方法是有效的。
对于本方法,以后还需要进一步针对不同的材料试验得出更准确的材料特征值和各个特征值的阈值，建立各种数据库，以提高方法的广泛性、实用性。本方法主要适合要求不太高的光学指纹读取设备，重点针对普通的光学指纹考勤机。对于电容式、射频式指纹机，伪造指纹难度很大，伪指纹的判别没有太大的必要性和实用性。
参考文献
[1] 朱小龙.指纹套热销击穿考勤诚信[N].光明日报,2010- 05-19(2).
[2] 张博超. 基于纹理分析和小波分析的活体指纹判别方法[D].沈阳：东北大学，2008.
[3] 罗勇,凌云.防伪指纹计算机视觉传感系统的研究[J].微型机与应用,2012,31(4):31-32.
[4] 汤海林.指纹识别技术的研究与分析[J].福建电脑, 2011(11)：42-43.
[5] 彭放,雷云峰. “克隆指纹”骗过考勤机?[N].长沙晚报, 2010-03-15(7).
[6] 孟祥萍,增光,赵玉兰.基于纹理结构的指纹识别算法[J].计算机工程与设计，2009,30(13)：3136-3138.