基于深度学习的非接触式指纹分割与提取方法
计算机视觉与模式识别
2023-11-28 v1
摘要
指纹被广泛认为是人类身份最独特且最可靠的特征之一。大多数现代指纹认证系统依赖接触式指纹，需要在认证过程中使用指纹扫描仪或指纹传感器来采集指纹。各类指纹传感器，如光学、电容式和超声波传感器，采用不同技术收集和分析指纹数据。这种对特定硬件或传感器的依赖，给基于指纹的生物识别系统的更广泛应用造成了障碍或挑战。该限制阻碍了指纹认证在各种应用和场景中的普及。边境管控、医疗系统、教育机构、金融交易和机场安检在指纹传感器并非普遍可用时面临挑战。为缓解对额外硬件的依赖，非接触式指纹的使用已成为一种替代方案。开发精确的指纹分割方法、准确的指纹提取工具和可靠的指纹匹配器，对于成功实现鲁棒的非接触式指纹认证系统至关重要。本文聚焦于开发一种基于深度学习的非接触式指纹定位与分割工具。我们的系统利用深度学习技术，从非接触式指纹图像中实现高分割精度与可靠提取。在我们的评估中，分割方法的平均绝对误差（MAE）为 30 像素，角度预测误差（EAP）为 5.92 度，标注准确率为 97.46%。这些结果证明了我们新颖的非接触式指纹分割与提取工具的有效性。
引用
@article{arxiv.2311.15163,
title = {Deep Learning-Based Approaches for Contactless Fingerprints Segmentation and Extraction},
author = {M. G. Sarwar Murshed and Syed Konain Abbas and Sandip Purnapatra and Daqing Hou and Faraz Hussain},
journal= {arXiv preprint arXiv:2311.15163},
year = {2023}
}