使用全卷积网络提取潜指纹细节
计算机视觉与模式识别
2017-09-08 v2
摘要
细节在指纹识别中起着主要作用。对于通常质量较差的潜指纹，提取可靠的细节非常困难。由于传统手工特征的限制，采用全卷积网络（FCN）直接从数据中学习特征，以克服复杂的背景噪声。原始指纹以固定步长被映射为对应尺寸的细节得分图。由此，通过给定阈值将提取出大量细节。然后，以这些细节点为中心的小区域被输入到卷积神经网络（CNN）中，以对这些细节进行重新分类并计算它们的方向。该 CNN 与全卷积网络共享卷积层以加快速度。在 GPU 上检测一枚指纹平均耗时 0.45 秒。在 NIST SD27 数据库上，我们实现了 53% 的召回率和 53% 的精确率，优于许多其他算法。我们还对训练好的模型进行了可视化，表明我们已成功提取了保留潜指纹脊线信息的特征。
引用
@article{arxiv.1609.09850,
title = {Latent fingerprint minutia extraction using fully convolutional network},
author = {Yao Tang and Fei Gao and Jufu Feng},
journal= {arXiv preprint arXiv:1609.09850},
year = {2017}
}