硬件友好型合成指紋鑒別算法的研究*

徐智勇，唐根偉，姜新泉，常　勝

（武漢大學(xué) 物理科學(xué)與技術(shù)學(xué)院微電子系，湖北 武漢 430072）

硬件友好型合成指紋鑒別算法的研究*

徐智勇，唐根偉，姜新泉，常勝

（武漢大學(xué) 物理科學(xué)與技術(shù)學(xué)院微電子系，湖北 武漢 430072）

合成指紋是一種新出現(xiàn)的偽造指紋，對自動指紋識別系統(tǒng)(AFIS)的安全性造成巨大威脅。針對合成指紋提出了一種硬件友好型的鑒別算法。通過對真實和合成指紋圖像的灰度均值、方差因子以及Harris角點數(shù)目因子的提取構(gòu)建特征向量,得到基于多項式核函數(shù)支持向量機的智能計算模型，成功鑒別出合成指紋。以硬件友好的思路進行算法構(gòu)架，充分發(fā)揮電路執(zhí)行速度快的優(yōu)勢。經(jīng) Qsys平臺上的驗證，可在 18 ms內(nèi)完成對一幅指紋圖像的鑒別，相比傳統(tǒng)軟件方式極大地縮短了時間，鑒別準確率可達97%以上。

硬件友好；合成指紋；識別；支持向量機；Qsys

0　引言

近年來，隨著生物識別技術(shù)的發(fā)展，自動指紋識別系統(tǒng)（AFIS）被越來越廣泛地應(yīng)用于身份識別領(lǐng)域[1]。然而一些企圖不良的人開始攻擊自動指紋識別系統(tǒng)的漏洞，利用偽造指紋替代真實指紋，從而侵入與指紋信息相關(guān)的各應(yīng)用系統(tǒng)，給個人隱私與安全帶來了巨大的威脅。

圖1　幾種不同的指紋圖像

常見的偽造指紋主要有3種：改造指紋、非活性指紋和合成指紋，如圖1所示。針對前兩種偽造指紋的鑒別，眾多科研機構(gòu)及學(xué)者都已做了非常深入的研究，成果豐富。例如，DERAKHSHANI R[2]通過檢測指紋汗?jié)n圖來鑒別非活性指紋，ANTONELLI A[3]通過對比非活性指紋和真實指紋的扭曲度來完成鑒別。合成指紋則不同于以上兩種偽造指紋，它是通過合成算法在計算機上生成世上完全不存在的指紋圖像。目前，關(guān)于合成指紋的工作主要集中在合成方法的研究，以及使用合成指紋圖像作為指紋匹配數(shù)據(jù)庫。如CAPPELLI R[4]在 2000年提出了五步合成法，隨后又提出添加干、濕和噪聲的方法來使得指紋圖像更加逼真，這種算法已經(jīng)被用在2004年的國際指紋識別競賽中(FVC2004)。此外，胡瑾和田捷[5]從方向場、密度圖和脊線紋理3個方面來優(yōu)化指紋圖像，這種算法生成的指紋圖像已被用在中國生物特征識別競賽中(BVC)。由于合成指紋和真實指紋十分相似，也可作為欺騙性指紋來攻擊AFIS，從而帶來巨大的安全隱患。但遺憾的是，目前還少有對合成指紋展開鑒別的研究，更未見相關(guān)的硬件系統(tǒng)實現(xiàn)的報道。

針對缺少合成指紋鑒別研究的現(xiàn)狀，本文提出了一種硬件友好型算法。通過對真實和合成指紋圖像的灰度均值、方差因子以及Harris角點數(shù)目因子的提取構(gòu)建特征向量，成功鑒別出合成指紋。以硬件友好的思路進行算法構(gòu)架，充分發(fā)揮電路執(zhí)行速度快的優(yōu)勢。經(jīng)Qsys平臺上的驗證，可在18 ms內(nèi)完成對一幅指紋圖像的鑒別，相比傳統(tǒng)軟件方式極大縮短了鑒別時間，鑒別準確率可達97%以上。

1　合成指紋鑒別算法

選取指紋圖像的灰度均值、方差因子以及Harris角點數(shù)目因子來構(gòu)建特征向量,利用基于支持向量機(SVM)的智能計算模型可以很好地鑒別真實指紋和合成指紋，設(shè)計流程如圖2所示。真實指紋來自 FVC2004 DB2，合成指紋從FVC2004 DB4和BVC中隨機選取。

圖2　合成指紋系統(tǒng)鑒別流程

1.1灰度均值和方差因子

合成指紋的背景來源于Karhunen-Loeve變換的統(tǒng)計模型[6]，與真實指紋圖像的背景存在一定差異。因此，可以考慮選擇指紋圖像灰度的均值 Qgrayavg和方差 Qgrayvar作為特征因子進行辨別：

式中，f(i，j)表示指紋圖像點(i，j)的灰度值，H和 L分別表示指紋圖像的長和寬。隨機選取30幅真實指紋和合成指紋進行灰度均值和方差的對比，結(jié)果如圖3所示。

圖3　灰度均值和方差因子對比圖

可以看出，真實指紋圖像的灰度均值明顯大于合成指紋。在方差方面，真實指紋的灰度方差大于DB4指紋，但是明顯小于BVC指紋。因此可以把指紋圖像灰度均值和方差作為特征因子。

1.2Harris角點數(shù)目因子

Harris算子對紋理信息豐富的圖像(例如指紋圖像)可以提取出大量的特征點[7]。由于真實指紋圖像比較平滑，而合成指紋是人為的添加白色氣孔作為噪聲，容易產(chǎn)生更多的角點。因此，推測 Harris角點數(shù)目可以作為區(qū)分真實指紋和合成指紋的一個因子。將指紋圖像分割成 W×W(W=8)的小塊，按如下公式計算角點量R：

式中，Gx(i，j)和 Gy(i，j)分別代表(i，j)的水平梯度值和垂直梯度值。Ix′、Iy′和 Ix′y′是對 Ix、Iy和 Ixy進行高斯平滑濾波得出，目的是降低噪聲干擾。如果計算所得的R滿足以下條件：R是鄰域內(nèi)局部極大值及R大于設(shè)定的閾值，則認為該點是 Harris角點。真實指紋和合成指紋Harris角點的對比結(jié)果如圖4所示?？梢钥闯龊铣芍讣y的 Harris角點數(shù)目明顯多于真實指紋，與推測吻合，因此可以把它當作特征因子。

1.3支持向量機學(xué)習(xí)鑒別

支持向量機(SVM)是AT&T Bell實驗室的 V.Vapnik等人提出的一種針對分類和回歸問題的新型機器學(xué)習(xí)方法，具體鑒別流程如圖5所示。常用的支持向量機核函數(shù)有線性核、多項式核、徑向基核和Sigmoid核?？紤]到硬件友好性，本文采用多項式核函數(shù)。

圖4　Harris角點數(shù)目因子對比圖

圖5　SVM鑒別流程

2　硬件友好型設(shè)計

2.1系統(tǒng)框架與設(shè)計流程

根據(jù)合成指紋鑒別算法，將每個特征因子提取算法變換成硬件模塊，構(gòu)建完整的硬件系統(tǒng)。硬件驗證平臺選擇Altera的Qsys，系統(tǒng)框架如圖6所示。

圖6　硬件系統(tǒng)框架

整個硬件系統(tǒng)設(shè)計流程為：首先在計算機的DSP Builder平臺完成硬件系統(tǒng)電路的設(shè)計、訓(xùn)練、仿真和綜合，生成VHDL代碼和TCL腳本，利用開發(fā)工具Quartus II在Qsys平臺完成算法的驗證,最后通過USB-Blaster下載到FPGA開發(fā)板。

2.2灰度均值和方差計算模塊

指紋圖像灰度均值和方差的計算采用建立灰度直方圖的方法。使用一個雙口RAM，直方圖橫坐標表示RAM地址，即指紋圖像灰度值 0～255，縱坐標表示 RAM存儲的數(shù)據(jù)，即該灰度值下像素點的個數(shù)。直方圖建立完成后計算指紋圖像均值與方差，如圖7所示。其中：PN表示圖像中像素點的總數(shù)，g表示直方圖的橫坐標值，N表示對應(yīng)橫坐標下的縱坐標值。gmin=0，gmax=255，當 g達到gmax時，求和并利用除法器計算指紋圖像均值和方差。

圖7　圖像均值和方差計算示意圖

2.3Harris角數(shù)目計算模塊

Harris角點計算時需要使用Prewitt算子分別計算水平方向和垂直方向的梯度值。以水平方向為例來說明，水平方向的Prewittx算子如式(5)：

現(xiàn)使用 Prewitt算子對每一像素點做卷積運算，這里將算子變成3×3的窗口，將某一點的卷積變成窗口中系數(shù)與該點鄰域內(nèi)像素點乘積的和，用流水線的方式來實現(xiàn)窗口的平移。

可以推算出，水平方向和垂直方向共需要18個乘法器模塊，即18個dsp-9bit。同時高斯濾波模塊需要4個雙精度乘法器，而一個雙精度乘法模塊就需要18個dsp-9bit、345個lut和 519個reg。此方式邏輯資源占用很大，且乘法器的較多運用將會導(dǎo)致運算效率的低下。為硬件友好性的考慮，根據(jù) Prewitt算子將梯度計算優(yōu)化，如圖8所示。

圖8　改進水平方向梯度計算窗口

此方式中，在梯度計算模塊中只使用了簡單的邏輯運算和加法運算，節(jié)約了大量的硬件資源，并且提高了系統(tǒng)的運行效率。

2.4SVM判別公式模塊

本文中使用的支持向量機是臺灣大學(xué)林智仁提出的LibSVM。在軟件平臺將特征因子進行訓(xùn)練后得到一個訓(xùn)練模型，利用其中的參數(shù)來實現(xiàn)SVM判別公式硬件化：

式中，xi表示待判別的樣本，yi為對應(yīng)樣本的標簽，x表示支持向量，ai表示拉格朗日系數(shù)，b是偏置。經(jīng) Avalon總線提供到硬件模塊中，根據(jù) f(xi)的正負來判斷指紋樣本是真實指紋還是合成指紋。

3　驗證和評價

搭建完成的硬件系統(tǒng)下載到 DE2-35開發(fā)板，其資源占用情況如表1所示。

表1　硬件資源占用情況

可以看出，本文提出的算法對硬件資源的占用較小，在常見的FPGA芯片上可以正常運行。

此外，對本算法的鑒別性能進行驗證。采用如下的指紋數(shù)據(jù)庫進行預(yù)測：600幅FVC2004 DB2的真實指紋圖像、300幅FVC2004 DB和300幅 BVC的合成指紋圖像。從軟件和硬件分別對比本鑒別算法的性能，結(jié)果如表2所示。

表2　軟件和硬件識別性能對比

可以看出，在鑒別準確率上硬件算法要略低于軟件算法，這是由于硬件模塊對浮點數(shù)的計算存在“四舍五入”的近似，所以提取的特征因子數(shù)值有偏差，但 97.5%的準確率在使用中仍然是可接受的；在鑒別時間上，硬件鑒別要明顯快于軟件鑒別，符合實際使用中的實時性要求?？紤]指紋圖像的預(yù)處理時間，即特征因子提取時間，本系統(tǒng)在50 MHz的時鐘頻率下僅需18 ms就可以完成鑒別過程。

4　結(jié)論

本文提出了一種硬件友好型的合成指紋鑒別算法。通過對算法各模塊的硬件友好型設(shè)計，極大減少了硬件電路的資源占用，提升了算法的處理能力。實驗結(jié)果表明，本算法在具備較短鑒別時間的同時有著97%以上的鑒別準確率，非常適合于嵌入式實時處理。本工作彌補了目前AFIS在合成指紋鑒別方面的缺陷，提高了指紋生物識別的可靠性。

[1]肖芳，羅軍，王安文，等.一種新型 SoPc自動指紋識別系統(tǒng)設(shè)計[J].電子技術(shù)應(yīng)用，2010，36(8)：14-16.

[2]DERAKHSHANI R，SCHUCKERS SAC，Hornak LA，et al.Determination of vitality from a non-invasive biomedical measurement for use in fingerprint scanners[J].Pattern Recognition，2003，36(2)：383-396.

[3]ANTONELLI A，CAPPELLI R，MAIO D，et al.Fake finger detection by skin distortion analysis[J].Information Forensics and Security，IEEE Transactions on，2006，1(3)：360-373.

[4]CAPPELLI R，MAIO D，MALTONI D.Synthetic fingerprintdatabase generation[C].Pattern Recognition，2002.Proceedings 16th International Conference on.IEEE，2002：744-747.

[5]胡瑾，田捷，陳新建，等.一種指紋合成的方法及其實現(xiàn)[J].軟件學(xué)報，2007，18(3)：517-526.

[6]徐之海，馮華君，李奇，等.基于 Karhunen—Loeve變換的人臉識別研究[J].光學(xué)工程，2001，28(6)：48-51.

[7]HARRIS C，STEPHENS M.A combined corner and edge detector[C].Alvey Vision Conference，1988，15：50.

Research of a hardware-friendly synthetic fingerprint discrimination algorithm

Xu Zhiyong，Tang Genwei，Jiang Xinquan，Chang Sheng
(Department of Microelectronics，School of Physics and Technology，Wuhan University，Wuhan 430072，China)

Synthetic fingerprint is an emerging forged fingerprint,which makes a great threat to the security of automatic fingerprint identification system(AFIS).A hardware-friendly fingerprint discrimination algorithm aiming at synthetic fingerprint is proposed.The real and synthetic fingerprint′s characteristic factors—gray average and variance features,Harris corner number feature,are extracted to structure feature vectors which are used to train an intelligent computing model by support vector machine′s polynomial kernel function,and this model can discriminate synthetic fingerprints successfully.The algorithm is constructed based on a hardwarefriendly idea,which brings the advantages of hardware circuit′s high execution speed into full play.The experiments show that the hardware-friendly algorithm can process and discriminate a synthetic fingerprint image in 18 ms based on Qsys,which greatly shortens the discrimination time compared with the traditional software way.The discrimination accuracy rate is over 97%.

hardware-friendly；synthetic fingerprint；discrimination；support vector machine；Qsys

TP391

A

10.16157/j.issn.0258-7998.2016.10.013

國家自然科學(xué)基金（61574102）；湖北省科技支撐計劃（2015CFB536）

2016-04-27)

徐智勇（1993-），男，碩士研究生，主要研究方向：機器學(xué)習(xí)與模式識別。

唐根偉（1995-），男，本科，主要研究方向：偽造指紋的識別算法研究。

姜新泉（1995-），男，本科，主要研究方向：偽造指紋的識別算法研究。

中文引用格式：徐智勇，唐根偉，姜新泉，等.硬件友好型合成指紋鑒別算法的研究[J].電子技術(shù)應(yīng)用，2016，42(10)：54-57.

英文引用格式：Xu Zhiyong，Tang Genwei，Jiang Xinquan，et al.Research of a hardware-friendly synthetic fingerprint discrimination algorithm[J].Application of Electronic Technique，2016，42(10)：54-57.