Ridgeformer：用于细粒度跨域指纹识别的多阶段对比训练

对卫生且便携的生物识别系统日益增长的需求，凸显了非接触式指纹识别技术进步的迫切性。尽管具有潜力，但该技术面临显著挑战，包括离焦图像采集、指纹脊谷间对比度降低、手指位置变化以及透视畸变。这些因素严重阻碍了非接触式指纹匹配的准确性与可靠性。为解决这些问题，我们提出了一种新颖的基于 Transformer 的多阶段非接触式指纹匹配方法，该方法首先捕获全局空间特征，随后在指纹样本间细化局部特征对齐。通过采用分层特征提取与匹配流程，我们的方法在保持全局特征表示鲁棒性的同时，确保了细粒度的跨样本对齐。我们在 HKPolyU 和 RidgeBase 等公开数据集上，在非接触至接触匹配以及非接触至非接触匹配等不同评估协议下进行了广泛评估，并证明我们提出的方法优于包括 COTS 解决方案在内的现有方法。