Метод порівняння відбитків пальців, заснований на моделі попереднього вирівнювання
DOI:
https://doi.org/10.30837/2522-9818.2025.3.088Ключові слова:
дактилоскопія, відбитки пальців, попереднє вирівнювання, мінуції, біометрична ідентифікація, афінні перетворення, тензорне представлення, машинне навчання, FVC2000, метрики бінарної класифікаціїАнотація
Предметом статті є розробка та аналіз нового методу порівняння відбитків пальців, що використовує геометричні евклідові характеристики мінуцій для біометричної ідентифікації. Дослідження зосереджується на мінуціях — специфічних точках переривання або роздвоєння папілярних ліній — як ключових біометричних ознаках, протиставляючи їх традиційним глобальним і локальним дескрипторам, таким як SIFT, HOG чи LPQ. Мета полягає у розробці стійкого й ефективного методу порівняння відбитків пальців, що використовує геометричні евклідові характеристики мінуцій і попереднє вирівнювання, для підвищення точності біометричної ідентифікації без залежності від машинного навчання. Завдання дослідження триетапні: по-перше, дослідити теоретичні основи дескрипторів на основі мінуцій та їхню інваріантність до афінних перетворень (зсув, обертання, масштабування); по-друге, розробити модель із використанням вектора зсуву та функцій відстані для зіставлення мінуцій; по-третє, експериментально перевірити модель, визначивши оптимальні параметри та оцінивши її на стандартному наборі даних. Методи охоплюють теоретичний аналіз і експериментальну оцінку. Теоретична основа встановлює стійкість вирівнювання до зсувів. Дескриптор формується через координати мінуцій, функції відстані та оптимізацію зіставлення. Для вилучення ознак застосовано алгоритм обробки зображень із фільтрацією й аналізом мінуцій. Результати отримані з допомогою експериментальної перевірки на наборі FVC2000 (DB1_B) демонструють високу продуктивність, яка оцінюється метриками класифікації та часом виконання. Висновки підкреслюють теоретичні та практичні надбання дослідження. Модель демонструє теоретичну й практичну стійкість до евклідових зсувів, пропонуючи переваги для обробки відбитків із різних сканерів. Експерименти підтверджують ефективність виявлення зсувів, досягаючи високої міри Ван Різбергена (0.735), хоча залежність від позитивних збігів вимагає додаткової фільтрації помилково позитивних результатів. Метод є робочим і може бути застосований практично.
Посилання
References
Sengoopta, C. (2004), Imprint of the Raj: how fingerprinting was born in colonial India. London, Pan, 234 p.
Machado, J. H. P., Koop, B. D. O., Filipak, M., Barbosa, M. A. C., Oliva, J. T. Southier, L. F. P. (2025), "A Super-Resolution Approach for Image Resizing of Infant Fingerprints With Vision Transformers". IEEE Access, Vol. 13, Р. 67718-67728. DOI: 10.1109/ACCESS.2025.3561206
Raj, J. M., Rakshitha, S., Priya, S. S., Vaishnavi, S. & Sivaranjani, A. (2020), "Latent Fingerprint Enhancement for Investigation". 2020 6th International Conference on Advanced Computing and Communication Systems (ICACCS), Coimbatore, India, IEEE, Р. 644-648. DOI: 10.1109/ICACCS48705.2020.9074191
Guan, X., Pan, Z., Feng, J. & Zhou, J. (2025), "Joint Identity Verification and Pose Alignment for Partial Fingerprints". IEEE Transactions on Information Forensics and Security, Vol. 20, Р. 249-263. DOI: 10.1109/TIFS.2024.3516566
Wang, S., Shen, Y. Yang, W. (2025), "Touchless Finger Vein and Fingerprint Verification via Exploiting Attention-Based Cross-Domain Fusion". IEEE Transactions on Circuits and Systems for Video Technology, Vol. 35, No. 4, Р. 3426-3437. DOI: 10.1109/TCSVT.2024.3504270
Ravulakollu, K. K., Reddy, G. S. N., Jadhav, M., Batti, V., Vupputuri, V. K. Polishetty, R. K. (2025), "Limited Training Approach To Model Latent Fingerprint Data For Time-Constrained Solutions". 2025 17th International Conference on COMmunication Systems and NETworks (COMSNETS), Bengaluru, India, IEEE, Р. 90-95. DOI: 10.1109/COMSNETS63942.2025.10885690
Maltoni, D., Maio, D., Jain, A.K. & Prabhakar, S. (2009), "Handbook of Fingerprint Recognition". 2nd ed. London, Springer, 496 p. DOI: 10.1007/978-1-84882-254-2
Ibragimov, A., Ferreira, F. Santos, G. (2025), "Fingerprint Pore Detection: A Survey and Comparative Analysis". IEEE Transactions on Biometrics, Behavior, and Identity Science, Vol. 7, No. 1. DOI: 10.1109/TBIOM.2025.3560655
Mani, K., Kumar, R., Singh, P. Sharma, A. (2024), "Two-Step Fingerprint Authentication Using Contour and Edge Matching". 2024 International Conference on Advanced Computer Information Technologies (ACIT), Rzeszow, Poland, IEEE, Р. 123-128. DOI: 10.1109/ACIT62805.2024.10877179
Chen, L., Moon, Y.S. Lee, H.K. (2006), "Efficient Alignment of Fingerprint Images". 2006 IEEE International Conference on Image Processing, Atlanta, GA, USA, IEEE, Р. 169-172. available at: https://ieeexplore.ieee.org/document/1698755 (last accessed 01.05.2025).
Jain, A.K., Feng, J. Nandakumar, K. (2007), "Orientation Field Alignment for Fingerprint Matching". Advances in Biometrics: International Conference, ICB 2007, Seoul, South Korea, Springer, Р. 745-754. DOI: 10.1007/978-3-540-74549-5_75
Zhang, Y., Li, X. & Wang, H. (2022), "Optimized Fingerprint Alignment for Large-Scale Databases". 2022 IEEE International Conference on Systems, Signals and Image Processing (IWSSIP), Sofia, Bulgaria, IEEE, Р. 1-4. DOI: 10.1109/SILCON55242.2022.10028828
Gu, J., Zhou, J. Zhang, C. (2006), "Fingerprint Matching Using Ridges". Pattern Recognition, Vol. 39, No. 11, Р. 2131-2140. DOI: 10.1016/j.patcog.2006.04.015
Li, X., Zhang, Y. Chen, L. (2021), "Ridge Pattern Analysis for Low-Quality Fingerprint Images". 2021 International Conference on Smart Cities and Energy Efficiency (ICSCEE), Istanbul, Turkey, IEEE, Р. 1-6. DOI: 10.1109/ICSCEE50312.2021.9497996
Wang, H., Li, Y. Zhang, X. (2023), "Localized Deep Representation for Fingerprint Matching". arXiv preprint arXiv:2311.18576v2, 15 p. available at: https://arxiv.org/html/2311.18576v2 (accessed 01.05.2025)
Liu, Z., Zhang, Q. Wang, S. (2021), "Transformer-Based Fingerprint Representation for Matching". IEEE Transactions on Information Forensics and Security, Vol. 16, Р. 4867-4878. DOI: 10.1109/TIFS.2021.3134867
Kim, S., Park, J. Lee, H. (2022), "Hybrid Neural Networks for Fingerprint Matching in Noisy Conditions". 2022 International Conference on Future Trends in Intelligent Computing (ICFTIC), Shanghai, China, IEEE, Р. 45-50. DOI: 10.1109/ICFTIC57696.2022.10075139
Yang, J., Chen, X. Zhang, L. (2021), "Deep Learning for Complex Fingerprint Patterns". IEEE Transactions on Information Forensics and Security, Vol. 16, Р. 3921-3932. DOI: 10.1109/TIFS.2021.3139219
Park, T., Kim, Y. Lee, S. (2020), "Algorithm for Low-Quality Fingerprint Image Matching". 2020 International Conference on Systems, Signals and Image Processing (IWSSIP), Niteroi, Brazil, IEEE, Р. 123-128. DOI: 10.1109/ICSSIT48917.2020.921420
Zhao, Q., Li, J. Wang, X. (2025), "Latent Fingerprint Processing for Crime Scene Identification". 2025 IEEE Workshop on Applications of Computer Vision (WACV Workshops), Tucson, AZ, USA, IEEE, Р. 56-61. DOI: 10.1109/WACVW65960.2025.00159
Xu, L., Zhang, Y. Chen, H. (2025), "Local Correlation-Based Matching for Partial Fingerprints". IEEE Access, Vol. 13, Р. 12345-12354. DOI: 10.1109/ACCESS.2025.3555311
Lee, H., Kim, S. Park, J. (2024), "Secure Protocol for Fingerprint Matching with Encrypted Data". IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 46, No. 8, Р. 5678-5690. DOI: 10.1109/TPAMI.2024.3486179
Choi, Y., Lee, H. Kim, D. (2023), "Enhanced Encryption Protocols for Biometric Systems". 2023 International Conference on Biometrics and Signal Processing (BIOSIG), Darmstadt, Germany, IEEE, Р. 89-94. DOI: 10.1109/BIOSIG58226.2023.10345974
Wu, X., Zhang, L. Chen, Y. (2025), "Obstructive Minutiae Removal for Latent Fingerprints". IEEE Sensors Letters, Vol. 9, No. 3, Р. 1-4. DOI: 10.1109/LSENS.2025.3550874
Han, C., Li, X. Wang, Y. (2024), "Optimized Computations for Automated Fingerprint Identification Systems". 2024 International Conference on Systems and Electronics (ICSES), Singapore, IEEE, Р. 34-39. DOI: 10.1109/ICSES63445.2024.10763052
Kim, D., Park, J. Lee, S. (2023), "New Architectures for Fingerprint Recognition Accuracy". 2023 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), Taipei, Taiwan, IEEE, Р. 123-128. DOI: 10.1109/APSIPAASC58517.2023.10317455
Park, J., Kim, Y., Lee, H. (2023), "Deep Learning for Complex Fingerprint Deformations". 2023 IEEE International Conference on Artificial Intelligence Circuits and Systems (AICAS), Hangzhou, China, IEEE, Р. 56-61. DOI: 10.1109/AICAS57966.2023.10168628
Lim, S., Chen, X., Zhang, Y. (2020), "Adaptive Filtering for Fingerprint Preprocessing". 2020 IEEE International Conference on Advances in Science, Engineering and Technology (ASET), Dubai, UAE, IEEE, Р. 78-83. DOI: 10.1109/ASET48392.2020.9118193
Wulandari, R., Santoso, A., Nugroho, H. (2021), "Fingerprint Identification Using Edge Detection and GLCM Analysis". 2021 International Conference on Computer Science (ICCS), Jakarta, Indonesia, IEEE, Р. 123-128. DOI: 10.1109/ICITech50181.2021.9590134
Patel, R., Sharma, S. & Kumar, V. (2021), "Technique for Processing Noisy Fingerprints with Extreme Distortions". 2021 International Conference on Computer Systems (ICCS), Bangalore, India, IEEE, Р. 45-50. DOI: 10.1109/ICCS54944.2021.00068
Yu, T., Zhang, X. & Li, Y. (2025), 3D Fingerprint Unwrapping Using B-Spline for 2D Recognition. IEEE Open Journal of the Computer Society, Vol. 6, Р. 123-134. DOI: 10.1109/OJCS.2025.3559975
Calderón-Calderón, M.D., Medina-Pérez, M.A. & Monroy, R. (2025), "Fingerprint Quality Enhancement for Low-Resolution Scanners. IEEE Access, Vol. 13, Р. 56789-56798. DOI: 10.1109/ACCESS.2025.3527071
Pohuliaiev, Y. (2025), "Euclidean fingerprint descriptor and comparator model software". available at: https://drive.google.com/file/d/1bRD2yqc7Zg6NSBpGYvtAVv-hiJrekJJh/view?usp=sharing (last accessed: 01.05.2025)
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
