基于统计描述子的自动指纹识别：机器学习方法
计算机视觉与模式识别
2019-07-31 v1 图像与视频处理
摘要
利用高质量指纹进行人员识别已被商业应用和执法机构使用多年，然而利用潜指纹进行人员识别则非常困难且具挑战性。潜指纹是手指上的油脂和/或汗液沉积物留在物体表面上的指纹，通常肉眼不可见，但可通过特殊技术检测，例如用细粉末刷显然后用透明胶带提取粉末图案。我们评估了已应用于自动指纹识别的机器学习技术的质量。本文使用指纹验证竞赛（FVC 2002）数据库 DB1 中的低质量指纹进行实验。对指纹进行处理以利用 Poincare 指数找到其核心点，并使用扩散相干滤波器进行增强，该滤波器在指纹高曲率区域已知具有良好性能。随后提取基于灰度共生矩阵（GLCM）的七个统计描述子（具有四种不同像素间距）作为特征，并用于训练和测试 REPTree、RandomTree、J48、Decision Stump 和 Random Forest 机器学习技术以进行人员识别。实验在 80 个实例和 28 个属性上进行。我们的实验证明，与其他机器学习技术相比，Random Forests 和 J48 对潜指纹给出了良好结果，并有助于提高识别准确率。
引用
@article{arxiv.1907.12741,
title = {Statistical Descriptors-based Automatic Fingerprint Identification: Machine Learning Approaches},
author = {Hamid Jan and Amjad Ali and Shahid Mahmood and Gautam Srivastava},
journal= {arXiv preprint arXiv:1907.12741},
year = {2019}
}
备注
10 pages, 4 figures