基于胶囊网络的海量指纹纹型精准分类算法

• 作者: 吴敏 李伯男 赵彤
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 关键词: 指纹分类 胶囊网络 注意力胶囊 全局压缩
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 387-397
• 页数: 11页
• 分类号: TP391
• 字数: 6035字
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2020.03.012

摘要

指纹识别作为“物证之首”一直被认为是最可靠的生物特征识别方法,目前已经广泛应用在刑事侦查、居民身份认定及核实等领域.这类应用的特点在于需将待识别指纹与海量指纹数据库中的全部指纹做快速比对,以确定该枚指纹所有人的身份.为了提高指纹识别速度,海量指纹数据库会按照纹型拆分成若干类,待识别指纹仅和同类指纹做逐一比对.随着指纹采集相关的法律生效,近几年指纹数据库规模迅速扩大.一方面库内同类纹型的图像差异性显著增加,另一方面不同类指纹图像的相似性也在增加,指纹分类算法误分率大幅增加.“海量指纹纹型精准分类问题”迅速成为公安应用及指纹识别领域研究的热点.针对上述问题,提出一种基于胶囊网络的指纹纹型精准分类模型Cap-FingerNet.该模型一方面将胶囊网络独有的网络特性与指纹图像特有的自相似纹理特征相结合,可构成更为鲁棒的特征提取器及分类器.新引入的Batch-Normalization方法还可避免典型胶囊网络易于出现“梯度消失”的不足.另一方面,引入注意力胶囊机制,使得Cap-FingerNet较典型胶囊网络更准确且全面地提取出指纹图像细节信息,并使用全局压缩算法对胶囊进行有效挤压.Cap-FingerNet模型在某公安刑侦指纹数据库的4分类纹分类上获得99.63％的极高准确率,并在国际公开指纹数据集NIST-DB04的纹型4分类和5分类任务上分别测得96.25％和94.5％的准确率,取得了目前文献中最好成绩.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵彤	中国科学院大学数学科学学院	89	628	13.0	20.0
5	吴敏	中国科学院大学数学科学学院	79	499	12.0	19.0
6	李伯男	中国科学院大学计算机与控制学院	1	0	0.0	0.0