On the vulnerability of fingerprint verification systems to fake fingerprint attacks
Universidad Autonoma de Madrid（马德里自治大学）；Escuela Politecnica Superior（高等理工学院）
提出了一种新的橡皮手指生成方法。描述了一个中等规模的假指纹数据库，并在此数据库上对两个不同的指纹验证系统进行了评估，实验中考虑了三种不同的场景，即：用真指纹注册并测试，用假指纹注册并测试，用真指纹注册并测试。给出了光学和热扫描传感器的结果。这两个系统都容易受到直接攻击。
2022-07-11 cs.CR cs.CV eess.IV
Fingerprint Image-Quality Estimation and its Application to Multialgorithm Verification
信号质量意识已被发现，以提高识别率，并支持多传感器环境中的决策显着。然而，自动质量评估仍然是一个悬而未决的问题。在这里，我们研究的方向张量的指纹图像量化的信号损伤，如噪声，缺乏结构，模糊，对称描述符的帮助下。一个强烈减少的参考是特别有利的生物特征，但较少的信息是不够的方法。这也得到了许多实验的支持，这些实验涉及一种更简单的质量估计器、一种训练方法（NFIQ），以及人类对几个公共数据库上指纹质量的感知。此外，质量测量被广泛地重用，以适应融合参数在一个单峰多算法指纹识别环境。在这项研究中，几个训练和非训练的分数级融合方案进行了研究。一个基于贝叶斯的战略，将专家过去的表现和当前的质量状况，一个新的级联计划的计算效率，除了简单的融合规则。定量结果有利于各个方面的质量意识，提高识别率，并有效地融合不同技能的专家（通过培训）。
2022-11-24 cs.CV
Improving fingerprint presentation attack detection by an approach integrated into the personal verification stage
University of Cagliari（卡利亚里大学）；University of Sassari（萨萨里大学）
针对指纹演示攻击检测（PAD）与验证系统独立设计的不足，提出在基础PAD中加入Closeness Binary Code模块，利用真实指纹聚类特性增强安全性，无需目标用户样本且易于集成。
2025-04-15 cs.CV
Skilled Impostor Attacks Against Fingerprint Verification Systems And Its Remedy
University of Göttingen（哥廷根大学）
指纹验证系统在日常生活中变得无处不在。这一趋势尤其受到智能手机和平板电脑等带有指纹传感器的移动设备激增的推动，指纹验证越来越多地应用于验证金融交易。在这项研究中，我们描述了一种新的攻击向量对指纹验证系统，我们硬币熟练冒名顶替者攻击。我们发现，现有的协议指纹验证系统的性能评估是有缺陷的，因此，系统的真正的脆弱性被系统地低估。我们研究了一个场景，其中指纹验证系统被调整为使用随机冒名顶替者（零努力攻击）的传统验证协议以0.1%的错误接受率操作。我们证明了一个积极的和智能的攻击者可以实现89%或更多的成功率对这个系统通过执行熟练的冒名顶替者攻击。我们描述了一种新的协议，用于评估指纹验证性能，以提高评估的潜力和局限性的指纹识别系统。这种新的评估协议能够在实际应用中对操作阈值以及安全性（低错误接受率）和可用性（低错误拒绝率）之间的相应权衡做出更明智的决定。熟练冒名顶替者攻击是一种不依赖于特定数据库或比较算法的通用攻击概念。所提出的协议依赖于熟练的冒名顶替者攻击，可以直接应用于评估其他生物特征模态的验证性能，例如虹膜，面部，耳朵，手指静脉，步态或说话人识别。
2015-03-16 cs.CR cs.CV cs.CY
Fingerprint Verification based on Gabor Filter Enhancement
University Visvesvariah College of Engineering, Bangalore University（班加罗尔大学维斯瓦瓦拉亚工程学院）
指纹具有唯一性和持久性，是身份识别的可靠特征。指纹图案由脊线、谷线和细节点组成。本文提出了一种基于Gabor滤波增强的指纹鉴别算法，该算法基于9像素邻域进行细节点特征提取和后处理。全局特征提取和指纹增强基于Hong增强方法，该方法能够同时提取局部脊线方向和脊线频率。据观察，灵敏度和特异性值优于现有算法。
2009-12-04 cs.CR cs.CV
Enhancement-Driven Pretraining for Robust Fingerprint Representation Learning
Centre for Visual Information Technology, International Institute of Information Technology, Hyderabad, India（视觉信息技术中心，国际信息学院，印度海得拉巴）；Stony Brook University, USA（石溪大学）
本文提出一种基于增强预训练的指纹表示学习方法，利用U-Net增强和自监督编码器提升验证性能，实验证明可从退化图像中提取有效表示。
2024-02-16 cs.CV
Biometric Recognition System (Algorithm)
The LNM Institute of Information Technology（LNM信息技术研究所）；Jaypee University of Engineering and Technology（贾皮工程技术大学）
指纹是最广泛使用的生物识别形式。没有两个人共享相同的指纹，因为他们有唯一的生物识别符。本文提出了一种有效的指纹识别算法，提高了匹配精度。由于皮肤和印模条件的变化，指纹图像会退化和损坏。因此，在奇异点检测和细节点提取之前采用图像增强技术。奇点是曲率最大的点。它由每个指纹脊的法线确定，然后沿着它们向内朝向中心。利用叉数法提取局部纹线特征，即细节点，找出纹线端点和分叉点。该算法选取一个半径，以中心点为圆心画圆，使指纹图像具有旋转不变性和均匀性。半径可以根据特定应用的精度而变化。形态学技术，如清洁，毛刺和H-休息，以消除噪音，其次是消除虚假的细节点。对FVC 2002指纹识别大赛采集的指纹图像进行了特征向量提取和模板生成，并建立了指纹识别数据库。计算保存模板与待测指纹图像模板之间的最小欧氏距离，并与设定的阈值进行比较，进行匹配判决。对于所提出的算法的性能评估的各种措施，相等的出错率（EER），Dmin在EER，准确性和阈值进行评估和绘制。实验结果表明，该算法具有较好的鲁棒性和有效性.
2018-12-08 cs.CV
GanFinger: GAN-Based Fingerprint Generation for Deep Neural Network Ownership Verification
Guangzhou University（广州大学）；Beijing Institute of Technology（北京理工大学）
提出GanFinger，利用GAN生成可协商对抗样本构建网络指纹，通过精度-鲁棒性距离验证所有权，在效率、隐蔽性和可区分性上显著优于现有方法。
2023-12-25 cs.CR cs.CV
Deep Features for Contactless Fingerprint Presentation Attack Detection: Can They Be Generalized?
Norwegian University of Science and Technology（挪威科技大学）
本文比较了七种预训练CNN和一种ViT在非接触式指纹呈现攻击检测上的泛化能力，通过留一法实验表明ResNet50对未见过的攻击仪器具有最佳泛化性能。
2023-07-04 cs.CV
Standard Fingerprint Databases: Manual Minutiae Labeling and Matcher Performance Analyses
TUBITAK – BILGEM, Informatics and Information Security Research Center（TUBITAK – BILGEM 信息学与信息安全研究中心）
基于细节特征的指纹验证和识别算法在当今的许多生物测定系统中使用（例如，政府电子身份证程序、边境控制、自动指纹识别系统、便携式设备的个人认证）。工业/学术界的研究人员现在能够利用许多公开可用的指纹数据库（例如，指纹验证竞赛（FVC）和NIST数据库）来比较/评估它们的特征提取和/或匹配算法性能。这些评估的结果通常由负责实施所引用的生物识别系统的决策者在选择/调整特定传感器、特征提取器和匹配器时使用。在这项研究中，对于引用的公共指纹数据库的一个子集，我们报告指纹细节匹配结果，这是基于（i）自动提取的指纹图像的细节，和（ii）由人类受试者手动提取的细节。通过这样做，我们能够（i）定量地判断这两种情况之间的性能差异，（ii）详细说明细节点匹配的性能上限，利用可以被称为“地面实况”的细节点特征，（iii）分析细节点匹配性能，而不预先将其与细节点提取性能相结合。此外，由于我们将以标准的细节点模板交换格式（ISO 19794-2）免费分发源于此手动标记研究的细节点模板，我们相信生物识别社区的其他研究人员将能够利用相关的结果和模板来创建他们自己的关于指纹细节点提取器/匹配器的评估。
2013-05-08 cs.CV
Fingerprint recognition with embedded presentation attacks detection: are we ready?
University of Cagliari（卡利亚里大学）
指纹验证系统的安全应用的扩散，迫切需要研究嵌入基于软件的演示攻击检测算法（PAD）到这样的系统。公司和机构需要知道这种整合是否会使系统更加“安全”，现有技术是否已经就绪，如果已经就绪，在什么样的操作工作条件下。尽管有了显著的改进，特别是通过对指纹PAD采用深度学习方法，但当前的研究并没有说明它们在嵌入指纹验证系统时的有效性。我们认为，缺乏作品是由于缺乏工具来调查的问题，即，建模的因果关系时，两个非零误差的系统一起工作。因此，本文探讨了PAD融合到验证系统，提出了一种新的调查工具：性能模拟器的基础上的概率建模的两个单独的系统之间的关系时，PAD和验证阶段顺序实施的接收机工作特性（ROC）。事实上，这是最直接、最灵活、最广泛的做法。我们对提交给最新版本的LivDet（2017-2019），最先进的NIST Bozorth 3和顶级Veryfinger 12匹配器的PAD算法的ROC进行了模拟。报告的实验探索显着的情况下，指纹匹配与嵌入式PAD可以提高，而不是降低，整体的个人验证性能的条件。
2021-10-20 cs.CR cs.CV
Real time ridge orientation estimation for fingerprint images
Isfahan University of Technology（伊斯法罕理工大学）；McMaster University（麦克马斯特大学）
指纹识别是一种重要的生物识别技术。大多数的自动识别系统都是基于指纹特征点的匹配。细节点的提取是一个重要的过程，它需要估计图像中线条的方向。大多数现有方法涉及密集的数学计算，因此通过软件手段执行。本文提出了一种基于流水线结构的实时的方位估计的硬件实现方案。仿真电路验证了该方法的有效性和准确性。
2017-10-13 cs.AR cs.CV
Fingerprint Feature Extraction by Combining Texture, Minutiae, and Frequency Spectrum Using Multi-Task CNN
Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究科）；Biometrics Research Laboratories, NEC Corporation（NEC公司生物识别研究所）
虽然大多数指纹匹配方法利用指纹图像的细节点和/或纹理作为指纹特征，但是频谱也是有用的特征，因为指纹由具有其固有频带的脊图案组成。我们提出了一种新的基于CNN的方法提取指纹特征的纹理，细节，和频谱。为了从细节点周围的局部区域提取有效的纹理特征，该方法引入了细节点关注模块。我们还提出了新的数据增强方法，该方法考虑了指纹图像的特征，以增加训练过程中的图像数量，因为我们在训练中只使用公共数据集，其中包括一些指纹类。通过一组使用FVC 2004 DB 1和DB2的实验，我们证明了所提出的方法具有有效的性能指纹验证相比，商业指纹匹配软件和传统的方法。
2020-08-27 cs.CV
A Comparative Study of Fingerprint Image-Quality Estimation Methods
University de Madrid（马德里大学）
指纹验证中的一个公开问题是缺乏对图像质量下降的鲁棒性。质量差的图像会导致虚假和丢失的特征，从而降低整个系统的性能。因此，对于一个指纹识别系统来说，评估所撷取的指纹影像的品质与有效性是非常重要的。在这项工作中，我们回顾了现有的指纹图像质量估计方法，包括公布的措施背后的基本原理和可视化的例子，显示他们的行为在不同的质量条件下。我们还测试了一系列指纹图像质量估计算法。对于实验，我们采用BioSec多模态基线语料库，其中包括19200指纹图像从200个人在两个会议中获得三个不同的传感器。所选择的质量措施的行为进行比较，在大多数情况下，它们之间的高度相关性。低质量的样本的验证性能的影响进行了研究，广泛使用的基于细节的指纹匹配系统。
2021-11-14 cs.CV eess.IV
Two-stage quality adaptive fingerprint image enhancement using Fuzzy c-means clustering based fingerprint quality analysis
Indian Institute of Technology Indore（印度理工学院印多尔分校）
指纹识别技术在很大程度上依赖于指纹图像的质量。为了提高低质量图像识别算法的性能，需要设计一种有效的增强算法。如果增强过程是自适应的指纹质量（湿，干或正常）的识别算法的性能提高更多。本文提出了一种质量自适应的指纹增强算法。该算法利用模糊c均值聚类技术对指纹图像进行聚类，将指纹图像分为干、湿、正常干、正常湿和良好质量5类。该算法综合考虑均值、湿度、方差、均匀度、对比度、脊谷面积均匀度和脊谷均匀度等7个特征，将指纹图像聚类到合适的质量类别。每个质量等级的指纹图像都经过两阶段的指纹质量增强过程。该方法首先采用质量自适应预处理方法对指纹图像进行预处理，然后采用基于Gabor、短时傅立叶变换和方向扩散滤波的增强技术对指纹图像进行增强。实验结果表明，在FVC 2004数据集的验证结果的改善。与当前最先进的增强技术相比，使用基于质量自适应预处理的方法时，观察到相等出错率的显著改善。
2018-05-19 cs.CV
Automatic Fingerprint Recognition Using Minutiae Matching Technique for the Large Fingerprint Database
Khulna University of Engineering & Technology（库尔纳工程技术大学）
指纹特征点提取是自动指纹识别系统中最重要的步骤之一。由于细节点匹配无疑是最知名和最广泛使用的指纹匹配方法，细节点是指纹图案中的局部不连续性。本文提出了一种基于细节点特征的指纹匹配算法，该算法通过为大型指纹数据库生成相应的指纹模板，使获取的指纹图像尺寸最小化。与其他方法的结果进行了比较，结果表明，该方法在细节点检测过程中，在内存和时间上都有一定的改进。
2013-04-08 cs.CV
Unleashing the Power of Simplicity: A Minimalist Strategy for State-of-the-Art Fingerprint Enhancement
Department of Computer Science and Engineering of the University of Bologna（博洛尼亚大学计算机科学与工程系）
本文提出极简指纹增强策略，通过上下文过滤和学习方法提升图像质量，验证了简洁方法在复杂任务中的有效性。
2026-03-19 cs.CV
Enabling Fingerprint Presentation Attacks: Fake Fingerprint Fabrication Techniques and Recognition Performance
University of Salzburg（萨尔茨堡大学）
伪造指纹对基于指纹的身份认证系统构成了严重的威胁。尽管呈现攻击检测技术（其通常直接集成到指纹扫描仪设备中）有进步，但许多指纹扫描仪仍然容易受到使用物理假指纹表示的呈现攻击的影响。在这项工作中，我们评估了五种不同的商业现成的指纹扫描仪基于不同的传感技术，包括光学，光学多光谱，无源电容，有源电容和热关于他们的敏感性演示攻击使用假指纹表示。几种不同的材料来创建假代表进行测试和评估，包括蜡，铸造，乳胶，硅胶，不同类型的胶水，窗口颜色，建模粘土，定量评估包括评估从假表示捕获的样本的指纹质量以及比较实验，其中假表示与对应的真实指纹的所实现的匹配分数指示虚假陈述的有效性。我们的结果证实，除了一个测试设备外，所有测试设备都对至少一种类型/材料的假指纹表示敏感。
2020-12-01 cs.CV
SLAPBench: Benchmarking Multimodal Large Language Models for Four-Finger SLAP Fingerprint Verification
University of Wisconsin–Green Bay（威斯康星大学格林湾分校）
研究四指SLAP指纹验证，介绍SLAPBench基准，评估多个MLLM在不同提示下的表现，发现提示控制崩溃，模型能力控制歧视，建立了特定于SLAP的MLLM基线，揭示了模型在指纹验证中的能力差距和公平性问题。
2026-07-20 cs.AI cs.CV
On the Effects of Image Quality Degradation on Minutiae- and Ridge-Based Automatic Fingerprint Recognition
Escuela Politecnica Superior（高等理工学院）；Universidad Autonoma de Madrid（马德里自治大学）
研究了图像质量退化对自动指纹识别验证性能的影响。研究了两种基于细节点和脊线信息的指纹匹配器在不同指纹图像质量下的性能。脊为基础的系统被发现是更强大的图像质量下降比细节为基础的系统为一些不同的图像质量标准。
2022-07-12 cs.CV eess.IV
An Efficient Automatic Attendance System Using Fingerprint Reconstruction Technique
Velammal Engineering College（维拉马尔工程学院）
生物识别考勤系统是生物识别技术最成功的应用之一。生物识别时间和考勤系统的主要优点之一是它避免了“好友打卡”。好友打卡是一个主要的漏洞，将利用在传统的时间出勤系统。指纹识别是当今已建立的领域，但是从一组登记的指纹中识别个体仍然是一个耗时的过程。大多数基于指纹的生物识别系统将用户的细节模板存储在数据库中。传统上一直假设用户的细节点模板不揭示关于原始指纹的任何信息。这种信念现在已经被证明是错误的，已经提出了几种算法，可以重建指纹图像的细节模板。本文提出了一种新的指纹图像重建算法，对指纹相位图进行重建，并将其转换为灰度图。提出的重建算法从细节点重建相位图像。本文提出的重建算法用于自动化考勤的整个过程，人工考勤是一项费力、麻烦的工作，浪费了大量的时间，其管理和维护记录也是一项繁重的工作。所提出的重建算法已被评估的成功率方面的I型攻击（匹配重建的指纹对原始指纹）和II型攻击（匹配重建的指纹对不同的印象，原始指纹）使用商业指纹识别系统。鉴于重建图像从我们的算法，我们表明，这两种类型的攻击可以有效地发起对指纹识别系统。
2012-08-08 cs.CV
FPBench: A Comprehensive Benchmark of Multimodal Large Language Models for Fingerprint Analysis
New York University（纽约大学）；University of Wyoming（怀俄明大学）
本文提出FPBench基准测试，评估20种多模态大语言模型在7个真实和合成数据集上的8项生物识别任务，发现微调视觉和语言编码器可提升性能7%-39%。
2026-04-13 cs.CV
A Literature Survey of various Fingerprint De-noising Techniques to justify the need of a new De-noising model based upon Pixel Component Analysis
Shri Shankaracharaya Group of Institutions（斯里·商羯罗教育集团）
图像预处理是生物特征模式识别中图像处理的重要环节。本文对各种经典和现代的指纹图像去噪模型进行了研究和评述。用于去噪的各种模型广泛，从利用频率变换矩阵去噪、直方图模型去噪、引入Gabor滤波器去噪及其类型来增强指纹图像。基于信噪比（SNR）和均方出错率（MSE）计算了各种去噪模型的输出效率。仿真实验结果表明，在小波域内采用基于Gabor滤波器的去噪模型，采用复合法去噪，仅能改善均方误差。改进的MSE在SNR没有显著改善的情况下仅通过本质上非最优的少量余量来改善指纹图像。因此，本研究的目的是建立一个最佳的去噪模型的指纹图像，使其用于生物认证可以更强大的性质。
2015-12-03 cs.CV
Topological summaries of fingerprint ridge patterns carry identity information
Williams College（威廉姆斯学院）；QSIDE Institute（QSIDE研究所）；University of Colorado Boulder（科罗拉多大学博尔德分校）；San Francisco State University（旧金山州立大学）；Michigan State University（密歇根州立大学）；Macalester College（麦卡莱斯特学院）
本文利用持续同调性提取指纹脊线环的多尺度拓扑摘要，无需细节点检测，在FVC2000 DB1上验证方法达到0.91 AUC，融合最优传输方法在低误接受率下表现最佳。
2026-06-23 cs.CV stat.AP
Enhancing Fingerprint Recognition Systems: Comparative Analysis of Biometric Authentication Algorithms and Techniques for Improved Accuracy and Reliability
Astana IT University（阿斯塔纳信息技术大学）
本研究探讨了将卷积神经网络与 Gabor 滤波器结合以提升指纹识别的准确性与鲁棒性，实验表明基于 CNN 的方法达到了 94% 的总体准确率，为优化实际部署的生物特征认证系统提供了重要见解。
2024-12-18 cs.CV
Using k-nearest neighbors to construct cancelable minutiae templates
School of Engineering Technology, SUNY at Farmingdale（纽约州立大学法明代尔分校工程技术学院）
指纹被广泛应用于各种应用中。必须采取安全措施来保护指纹数据的隐私。可撤销生物特征认证是作为一种有效的生物特征使用和保护机制而提出的。本文提出了一种将真实模板和合成模板相结合来构造可撤销指纹模板的新方法。具体地，每个用户被给予一个利用随机数生成器生成的合成细节点模板。将真实模板中的每个细节点单独放入合成模板中，从中找到其k-近邻，并通过组合任意的k-近邻来构造验证模板。为了证明该方案的有效性，在三个数据库上进行了测试。实验结果表明，所构造的模板满足可撤销生物特征识别的要求。
2016-08-30 cs.CV
A non-invertible cancelable fingerprint template generation based on ridge feature transformation
Indian Institute of Technology Indore（印度理工学院印多尔分校）
在生物特征验证系统中，生物特征数据的泄漏导致永久身份丢失，因为原始生物特征数据固有地链接到用户。此外，对生物识别系统的各种类型的攻击可能会揭示其他应用中的原始模板和实用程序。为了解决这些安全和隐私问题，已经引入了可取消的生物特征。可取消生物特征使用变换函数从原始生物特征模板构造受保护的模板，并在变换域中执行模板之间的比较。最近的可取消指纹生成方法要么依赖于将细节点相对于奇异点（核心/增量）对齐，要么利用细节点的绝对坐标位置。本文提出了一种新的不可逆脊线特征变换方法来保护原始指纹模板信息。该方法采用基于脊线的坐标系，以每个细节点为基准，将指纹区域划分为若干扇区。识别每个扇区中的最近邻细节点，并计算基于脊的特征。此外，通过应用康托配对函数随后随机投影来生成可取消模板。我们已经评估了我们的方法与FVC 2002，FVC 2004和FVC 2006数据库。实验结果表明，该方法优于文献中已有的方法。此外，安全性分析表明，所提出的方法满足必要的要求的不可逆性，可重复性，和多样性与轻微的性能下降所造成的，由于可取消的变换。
2018-05-28 cs.CV
Fingerprint Matching using the Onion Peeling Approach and Turning Function
Institute for Advanced Studies in Basic Sciences (IASBS)（基础科学高级研究所（IASBS））
指纹作为一种最普遍、最健壮的生物特征，可以用于自动身份识别和验证系统中来识别个人。指纹匹配是指纹识别系统中一个重要而又具有挑战性的问题。大多数指纹匹配算法都是基于细节点的。指纹细节点的不连续性可以用来确定指纹细节点。脊线端点和脊线分叉点是指纹匹配算法中经常用到的两个细节点。本文提出了一种新的基于细节特征的指纹匹配方法。在该方法中，指纹对齐，找到匹配的细节点。然后，构造匹配细节点的嵌套凸多边形，并通过旋转函数距离进行对等多边形之间的比较。洋葱剥皮方法的简单性、准确性和低时间复杂度是使其成为用于指纹匹配目的的标准方法的三个重要因素。在数据库$FVC2002$上对算法的性能进行了评估。结果表明，相同手指的指纹比不同手指的指纹具有更高的得分。由于忽略了指纹层数之差大于$2$且细节点匹配分数小于0.15的指纹，因此获得了较好的结果。
2021-10-03 cs.CG cs.CV
Fingerprint: DWT, SVD Based Enhancement and Significant Contrast for Ridges and Valleys Using Fuzzy Measures
M.S. University（M.S.大学）；S.T. Hindu College（S.T.印度教学院）
指纹识别系统的性能将随着指纹图像的增强而更加准确。本文提出了一种基于离散小波变换和奇异值分解的指纹图像对比度增强方法。该技术与传统的图像均衡技术，如标准的一般直方图均衡和局部直方图均衡。提出了一种基于模糊测度的直方图自动阈值化方法。然后，使用模糊度的索引，开始相似性过程以找到阈值点。最佳、中等和较差的指纹图像特征的脊和谷之间的显著对比，从指纹图像中提取，并使用模糊测度获得最大的识别率。实验结果表明，该方法的优越性，以获得最大的性能等级的实现这种方法的认可。
2011-06-23 cs.CV
An Investigation of "Benford's" Law Divergence and Machine Learning Techniques for "Intra-Class" Separability of Fingerprint Images
Shehu Shagari College of Education（谢胡·沙加里教育学院）
保护指纹数据库免受攻击者的攻击是非常重要的，以防止错误的接受率或错误的拒绝率。区分指纹图像的一个关键属性是利用这些不同类型的指纹图像的特性。本文的目的是进行分类的指纹图像使用本福特定律的分歧值和机器学习技术。使用这些本福特定律的分歧值作为特征送入机器学习技术已被证明是非常有效和高效的指纹图像的分类。我们提出的方法的有效性在五个数据集上得到了证明，决策树和CNN的分类“准确率”达到了100%。然而，“朴素”贝叶斯和逻辑回归分别达到了95.95%和90.54%的“准确率”。实验结果表明，本福特定律特征和机器学习技术，特别是决策树和CNN可以有效地应用于指纹图像的分类。
2022-01-07 cs.CV cs.CY
FIGO: Enhanced Fingerprint Identification Approach Using GAN and One Shot Learning Techniques
Tennessee Technological University（田纳西理工大学）；University of Central Arkansas（中阿肯色大学）
本文提出FIGO方法，结合Pix2Pix生成对抗网络进行指纹图像增强，并利用共享权重的孪生CNN实现单样本指纹识别，从而在低质量指纹和有限样本条件下提升自动识别性能。
2023-05-29 cs.AI cs.CV
Boosting Generalization with Adaptive Style Techniques for Fingerprint Liveness Detection
JIIOV Technology（JIIOV科技）
提出一种高性能指纹活体特征提取技术，结合风格迁移方法，在训练数据有限时提升准确率与泛化能力，并在LivDet 2023挑战赛中取得最优性能。
2023-10-24 cs.AI cs.CV
Modeling the growth of fingerprints improves matching for adolescents
University of Göttingen（哥廷根大学）；Bundeskriminalamt（联邦刑事警察局）
我们研究了青少年的指纹上的生长的影响，在此基础上，我们提出了一个简单的方法来调整生长时，试图恢复一个少年的指纹数据库中几年后。基于青少年犯罪记录中的纵向数据集，我们表明，增长本质上导致各向同性的重新缩放，因此，我们可以使用身高和四肢的增长之间的强相关性来模拟指纹的增长与身高增长成比例，如生长图表中所记录的。所提出的重新缩放导致72%的减少相应的细节点之间的距离的数据集分析。这些发现得到了几项验证测试的证实。在德国联邦刑事警察局对包含325万个右手食指的数据库进行的识别测试中，通过重新缩放，20.8%的识别出错率降低到2.1%。所提出的方法是惊人的简单，可以很容易地集成到现有的自动指纹识别系统。
2010-08-06 cs.CV stat.AP
Statistical Descriptors-based Automatic Fingerprint Identification: Machine Learning Approaches
Sarhad University of Science & Information Technology（萨哈德科技信息技术大学）；Brandon University（布兰登大学）；China Medical University（中国医药大学）
多年来，商业应用和执法机构一直使用高质量的指纹来识别人，然而，从潜指纹中识别人是非常困难和具有挑战性的。潜指纹是指手指上的油和/或汗水沉积在表面上留下的指纹。它通常是肉眼不可见的，但可以通过特殊技术检测到，例如用细粉除尘，然后用透明胶带揭开粉末的图案。我们已经评估了机器学习技术的质量，已实现自动指纹识别。本文利用Fingerprint Verification Competition（FVC 2002）数据库DB 1中的低质量指纹进行实验。该算法首先利用Poincare指数找到指纹的核心点，然后利用扩散相干滤波器对指纹进行增强，该滤波器在指纹的高曲率区域具有良好的性能。基于灰度共生矩阵（GLCM）的7个具有4种不同像素间距离的统计描述子被提取为特征，并对REPTree、RandomTree、J 48、Decision Stump和随机森林等机器学习技术进行了训练和测试。在80个实例和28个属性上进行了实验。我们的实验证明，与其他机器学习技术相比，随机森林和J 48对潜在指纹给出了良好的结果，并且可以帮助提高识别精度。
2019-07-18 cs.CV eess.IV
Minutiae Extraction from Fingerprint Images - a Review
University of Delhi（德里大学）；Keshav Mahavidyalaya, University of Delhi（德里大学凯沙夫 Mahavidyalaya）
指纹是最古老和最广泛使用的生物识别形式。众所周知，每个人都有独特的、不可改变的指纹。由于大多数自动指纹识别系统都是基于局部脊线特征（细节点）的，因此准确地标记细节点并剔除假细节点是非常重要的。然而，由于皮肤和印象条件的变化，指纹图像会退化和损坏。因此，在细节点提取之前采用图像增强技术。指纹自动匹配的一个关键步骤是从输入的指纹图像中可靠地提取细节点。本文介绍了大量的技术，目前在文献中提取指纹细节点。这些技术大致分为那些工作在二值化的图像和那些工作的灰度图像直接。
2011-11-29 cs.CR cs.CV
An Effective Fingerprint Classification and Search Method
Tezpur University（特兹普尔大学）
提出了一种基于层次凝聚聚类的指纹分类方法。该技术的性能进行了评估，在几个现实生活中的数据集和显着改善，减少误分类错误已经注意到。本文还提出了一种基于查询的快速指纹检索方法。检索精度的搜索方法已被发现有效的几个现实生活中的数据库。
2012-11-19 cs.CR cs.CV
Enhancing Fingerprint Image Synthesis with GANs, Diffusion Models, and Style Transfer Techniques
Lund University（隆德大学）
本研究提出结合生成对抗网络、扩散模型和风格迁移技术合成高质量真实与伪造指纹图像，通过 CycleWGAN-GP 避免模式崩溃，并利用 FID 和 FAR 评估证明扩散模型和 WGAN-GP 在真实性与唯一性上各具优势。
2024-03-20 cs.CV cs.LG
Performance Evaluation of Image Enhancement Techniques on Transfer Learning for Touchless Fingerprint Recognition
TKM College of Engineering（TKM工程学院）；APJ Abdul Kalam Kerala Technological University（APJ阿卜杜勒·卡拉姆喀拉拉邦理工大学）；University of Dubai（迪拜大学）
本文评估图像增强对非接触式指纹识别迁移学习性能的影响，在IIT-Bombay数据库上测试VGG-16等模型，发现增强后VGG-16测试准确率达93%，显著优于直接方法。
2025-02-07 cs.CV cs.LG
Smudged Fingerprints: A Systematic Evaluation of the Robustness of AI Image Fingerprints
School of Informatics University of Edinburgh（信息学院爱丁堡大学）
本文系统评估了AI图像指纹技术的鲁棒性，发现移除攻击效果显著，而伪造攻击则因目标模型不同而成功率各异，揭示了准确性和鲁棒性之间的权衡。
2026-01-21 cs.AI cs.CV
A Watermarking Technique Using Discrete Curvelet Transform for Security of Multiple Biometric Features
C. U. Shah University（C. U. Shah 大学）；Atmiya Institute of Technology & Science（Atmiya 科技学院）
通过使用多重水印，可以提高生物特征水印方法的鲁棒性和安全性。这种多重水印技术是为了提高生物特征和数据的安全性而提出的。当冒名顶替者试图创建欺骗的生物特征时，不可见的生物特征水印特征可以对多媒体数据提供适当的保护。本文提出了一种多生物特征水印技术，将指纹、人脸、虹膜和签名等生物特征嵌入到图像中。在嵌入前，利用Shen-Castan边缘检测和主成分分析提取指纹、虹膜、人脸和签名特征。将这些生物特征嵌入到宿主图像的各个中频曲波系数中。所有四个指纹特征，虹膜特征，面部特征和签名特征都是个人的生物特征，如果发生任何操纵，它们将用于交叉验证和版权保护。所提出的技术是脆弱的，当冒名顶替者试图非法删除水印特征时，无法从水印图像中提取特征。它可以用于多种版权认证和验证。
2017-01-16 cs.CR cs.CV cs.MM
Genetic Programming Framework for Fingerprint Matching
Menoufia University（米努夫大学）；Misr International University（埃及国际大学）
指纹匹配是一个非常困难的问题。基于细节点的匹配是最流行和最广泛使用的指纹匹配技术。自动识别系统中考虑的细节点通常基于终止点和分叉点。本文提出了一种利用指纹特征点和遗传编程进行指纹匹配的新方法。本文的目标是提取定义细节点的数学公式。
2009-12-05 cs.CR cs.CV cs.MM
