新書推薦：
《
苏格拉底的虔敬：读柏拉图《游叙弗伦》笔记
》
售價：NT$
403
《
思辨者的罗盘：从逻辑谬误到严谨表达
》
售價：NT$
286
《
面具之下：近代日本报人对华情报活动
》
售價：NT$
449
《
广东省博物馆藏品大系 端砚卷
》
售價：NT$
2540
《
你的降落伞是什么颜色：就业市场不是一场录用游戏，而是一场淘汰游戏，直到准备充分的人胜出
》
售價：NT$
383
《
美国军事战略研究
》
售價：NT$
857
《
一对一沟通
》
售價：NT$
561
《
南海：历史与现实
》
售價：NT$
704
|
| 內容簡介： |
|
《大库指纹数据处理与识别方法》从大数据处理的视角阐述大库指纹图像的处理与识别技术，力求帮助读者理解、掌握大数据背景下的生物特征识别的一些基础理论和方法。在许多自动指纹识别系统中，指纹数据库都很巨大，从数千万到数十亿枚指纹，并且由于每次捺印的方位不完全一样、着力点不同会带来不同程度的变形，并且存在大量模糊指纹。如何在如此大库容量下正确处理指纹数据、提取特征和实现精确匹配，是自动指纹识别技术的关键。《大库指纹数据处理与识别方法》针对大库容量指纹数据自动处理和识别中的关键技术，包括指纹图像压缩、方向场估计、奇异点提取、快速检索、细节点提取、细节点匹配等，建立了一系列数学模型，设计了快速准确的求解算法，并提出了机器学习识别方法，提高了自动处理和识别的效率。
|
| 目錄：
|
|
目录 《大数据与数据科学专著系列》序 前言 第1章 绪论 1 1.1 人体生物特征及其识别技术 1 1.1.1 人体生物特征.1 1.1.2 人体生物特征自动识别 1 1.1.3 生物特征识别技术的市场发展趋势及接受性 3 1.2 指纹识别概述 4 1.2.1 指纹的形成 4 1.2.2 指纹的不变性与唯一性 5 1.2.3 指纹识别技术的历史 6 1.2.4 自动指纹识别系统的应用场景 8 1.3 本书的结构 13 参考文献 13 第2章 指纹数据库和自动指纹识别系统 14 2.1 指纹信息获取技术 14 2.1.1 光学取像技术 14 2.1.2 非光学取像技术 17 2.1.3 犯罪现场指纹取像技术 18 2.1.4 指纹采集方式 18 2.2 指纹质量评估 21 2.2.1 指纹质量的含义 21 2.2.2 影响指纹质量的因素 22 2.2.3 指纹质量的评价方式 24 2.3 指纹数据库 28 2.4 自动指纹识别的一般流程 29 2.5 自动指纹识别系统 31 2.5.1 系统简介 31 2.5.2 大库容指纹识别系统的系统架构 342.6 总结 36 参考文献 37 第3章 大库指纹数据的压缩方法 38 3.1 大库指纹数据压缩方法概述 39 3.2 基于非负矩阵分解的指纹数据压缩方法 41 3.2.1 指纹图像压缩 41 3.2.2 图像压缩重建的矩阵优化模型 43 3.2.3 非负矩阵分解 44 3.2.4 实验结果 50 3.3 基于矩阵稀疏表示的大库指纹数据压缩方法 55 3.3.1 稀疏表示及相关工作.56 3.3.2 稀疏表示模型及求解算法 57 3.3.3 基于稀疏表示的指纹压缩 59 3.3.4 实验结果 62 3.3.5 字典的训练 72 3.3.6 鲁棒性验证 76 3.4 总结 77 参考文献 78 第4章 指纹数据的再表达方法 82 4.1 指纹数据再表达概述 82 4.1.1 指纹的分割 83 4.1.2 指纹方向场估计 84 4.1.3 指纹增强 87 4.1.4 细节点的提取 88 4.1.5 奇异点提取 89 4.2 指纹方向场计算的模型和算法 90 4.2.1 指纹方向场估计的全局优化模型及其求解 91 4.2.2 一种旋转不变的指纹方向场表示方法 102 4.2.3 基于SVM的指纹方向场估计 108 4.3 基于方向场的指纹数据切割与增强 113 4.3.1 基于LBP的指纹切割算法 115 4.3.2 基于圆形Gabor滤波器的指纹数据的增强 120 4.4 指纹奇异点提取的模型和算法.128 4.4.1 指纹奇异点提取的零极点模型 128 4.4.2 检测指纹奇异点的梯度投影方法 1454.5 基于匹配的指纹局部特征再表达的模型和算法 162 4.5.1 IRMANR算法理论依据 162 4.5.2 基于点集匹配的细节点提取算法 163 4.5.3 基于IRMANR匹配算法的细节点提取算法 177 4.5.4 基于匹配的方法提取出的特征的意义 188 4.6 总结 190 参考文献 190 第5章 大库指纹数据的快速检索方法 199 5.1 指纹快速检索问题 199 5.1.1 并行处理技术 199 5.1.2 指纹比对硬件加速设备 199 5.1.3 高效的指纹检索算法 200 5.2 图像检索技术 200 5.2.1 图像检索的种类 201 5.2.2 图像检索的特征 201 5.2.3 图像检索的规模 203 5.3 指纹快速比对的几种方法 206 5.3.1 指纹分类法 206 5.3.2 指纹检索方法 207 5.4 基于细节点K-plet局部模式的指纹检索 208 5.4.1 细节点K-plet局部模式 209 5.4.2 细节点森林检索算法 212 5.4.3 数值实验 218 5.5 基于紧致二进制细节点圆柱体编码的指纹检索 222 5.5.1 方法动机及背景知识 222 5.5.2 学习紧致二进制细节点圆柱体编码 230 5.5.3 多索引哈希的指纹检索算法 236 5.5.4 数值实验 239 5.6 总结 249 参考文献 249 第6章 指纹数据的匹配 253 6.1 指纹数据匹配方法概述 253 6.1.1 对齐算法 253 6.1.2 相似度计算 253 6.1.3 匹配决策 2536.2 基于细节点匹配方法 256 6.2.1 局部模式匹配 257 6.2.2 确定“一对一”的点匹配关系 258 6.2.3 去除虚假匹配及整体匹配度评价 259 6.2.4 数值实验分析 262 6.3 细节点匹配的二部图模型和算法 263 6.3.1 二部图最大权匹配求解算法 263 6.3.2 二部图用于指纹匹配 265 6.3.3 实验结果 269 6.4 非细节点匹配方法 271 6.5 总结.272 参考文献 272 第7章 指纹数据生成方法 274 7.1 指纹数据生成的意义275 7.2 指纹数据生成方法概述 276 7.3 基于种子生长的指纹方向场生成方法 279 7.3.1 基于种子的指纹方向场生成模型 280 7.3.2 全局模型 284 7.3.3 生成的方向场再调整模型 285 7.3.4 实验结果 286 7.4 指纹图像恢复与识别一体化生成方法 297 7.4.1 联合特征和重构算法的框架 298 7.4.2 实验验证与分析 309 7.5 总结 314 参考文献 315 第8章 大库指纹处理与识别的深度学习方法概述 318 8.1 深度学习方法及其相关应用介绍 318 8.1.1 深度学习介绍 318 8.1.2 卷积神经网络概述 319 8.1.3 卷积神经网络在计算机视觉中的应用 320 8.2 指纹图像质量评价的深度学习方法 325 8.2.1 分区域多指标融合的指纹图像质量评价方法 329 8.2.2 基于视觉感知模型的指纹图像质量评价算法 336 8.3 指纹数据再表达的深度学习方法 348 8.3.1 基于深度卷积神经网络的指纹细节点自动提取算法 3488.3.2 基于两阶段深度神经网络的指纹细节点提取算法 356 8.3.3 基于全卷积神经网络的奇异点自动提取算法 361 8.3.4 基于注意力机制的全卷积网络的指纹方向场提取算法 376 8.4 指纹匹配的深度学习方法 384 8.4.1 粗匹配方法——基于卷积神经网络的指纹纹型分类算法 384 8.4.2 基于深度学习的指纹匹配算法 394 8.5 总结 396 参考文献 399 《大数据与数据科学专著系列》已出版书目 407
|
| 內容試閱：
|
|
第1章绪论 1.1人体生物特征及其识别技术 1.1.1人体生物特征 根据联合国数据，截至2025年6月1日，全球人口已达82.17亿.如此庞大的人口数量，为什么世界上每个人都是不一样的？为什么有的人长得高，有的人长得矮？为什么有的人喜欢吃辣，有的人不喜欢？为什么有的人容易生病，有的人很健康？这些主要是由我们体内的基因决定的.人类基因数量估计在2万到2.5万之间，而每个人的基因组合都是*一无二的，这些基因控制着人体的各种性状，包括五官、肤色、高矮、胖瘦等.在繁衍过程中，不同的基因组合会导致不同的外貌特征.即使是双胞胎，由于基因组合的微小差异，他们的外貌也会有所不同.此外，胎儿在母体的成长环境也会对人体的性状产生一定的影响.例如，双胞胎由于基因高度相似，通常外貌也相近，但是由于在母体内的位置差异引起的成长环境（包括温度、营养、压力、运动空间）的差异，二者的指纹有显著的差异，从而形成了各自*特的指纹.上述个体的特别而明显的标志或表现的特殊性就构成了人体的生物特征. 特征是指一个事物或现象所具有的*特属性或标志，可以帮助我们识别和区分不同的事物.人体生物特征是指可以用来识别个体的生理或行为的特征.由于基因、成长环境和个人习性等差异，人类个体的生物特征各异.自古以来，人们正是利用这些人体生物特征的差异识别出不同的个体，并进行身份认证.生物特征识别就是利用人的生物特征（如指纹、人脸和虹膜等）和行为特征（如语音和步态等）来识别个体. 1.1.2人体生物特征自动识别 人体生物特征自动识别技术是一种融合了光学、声学、生物传感器、数学建模、算法、生物统计学原理，且通过计算机集成实现的高科技手段，它通过人体固有的生理特性和行为特征来进行个人身份鉴定.人体生物特征自动识别技术正在成为有效身份识别解决方案的重要组成部分.人体生物识别技术依据识别人体生物特征的不同主要分为基于生理特征的生物识别技术（如指纹识别、虹膜识别和面部识别等）、基于行为特征的生物识别技术（如签名识别、步态识别和声纹识别等）与基于生理和行为特征的混合生物识别技术（如指纹识别与面部识别的结合等）.具体地，常见的可用于个体识别的人体生物特征类型如下. （1）人脸：包括面部轮廓、眼睛、鼻子、嘴巴等部位的形状和位置. （2）指纹：手指末端皮肤的纹理，每个人的指纹都是*一无二的. （3）虹膜：眼睛中位于瞳孔和角膜之间的彩色环状组织，每个人的虹膜纹理也是*特的. （4）视网膜：视网膜为眼球壁的内层，分为视网膜盲部和视部.盲部包括视网膜虹膜部和视网膜睫状体部，分别贴附于虹膜和睫状体内面，是虹膜和睫状体的组成部分. （5）手型：手掌和手指的形状、长度和宽度等特征. （6）语音：发音的音调、音量、语速和口音等特征. （7）笔迹：书写时的字体、大小、倾斜度和速度等特征. （8）步态：行走时的姿态、步伐长度和速度等特征. （9）人体测量：身高、体重、头围和胸围等身体特征. （10）遗传标记：DNA序列中的特定片段，如基因型、单核苷酸多态性等. （11）耳廓特征：耳朵的形状、大小和位置. （12）面部温谱图和手部温谱图：温谱图是程序在升温或降温下，测定物质的物理参数与温度之间关系的图谱.人身体的各个部位都在持续向外散发热量，而这种*特的散热模式就是每个人专属的生物特征之一.通过红外设备可以获得反映面部和手部的发热强度的图像，这种图像分别称为面部温谱图和手部温谱图. （13）手指静脉：手指静脉识别技术依据人类手指中流动的血液可吸收特定波长的光线，通过用该特定波长光线对手指进行照射，即可得到手指静脉的清晰图像. 人体生物特征可用于识别并进行身份认证，必须具备以下必要条件. （1）广泛性：每个人都要有的生物信息特征. （2）唯一性（重复性）：任意两个人的生物信息特征都要有足够的区分度. （3）持久性（可靠性）：生物信息特征应该是不随时间改变的（相对于匹配准则）. （4）采集性：生物特征可以被量化. 另外，如果用于实际应用系统，还需要满足下列条件. （1）性能要求：识别的准确性、速度、资源需求、鲁棒性和环境因素. （2）可接受性：用户愿意接受生物信息鉴别器在其日常生活中应用的程度. （3）可欺骗性：生物信息系统被一些不诚实的手段欺骗的难易程度. 生物特征自动识别系统包括认证系统与鉴定系统.认证系统（1:1）是通过将某人的生物信息和之前为该人采集并储存的特征模板进行一对一比对，以核实其身份，证实个体身份声明的真实性.鉴定系统（1：N）是通过将待识别人的生物信息与数据库中已存在的多个特征模板进行一对多比较，来确定数据库中是否有这个人的信息. 通过多年的研究应用，人们发现不同的生物特征，其识别效率在各方面表现出的差异较大，如表1.1所示. 从表1.1可以看出，在主流生物识别技术的性能中，指纹在各个方面表现都比较优异，人脸在可靠性和唯一性方面性能较低，虹膜在接受性方面性能较低，语音和签名在重复性、可靠性、唯一性方面性能较低，视网膜在采集性和接受性方面性能较低. 1.1.3生物特征识别技术的市场发展趋势及接受性 当今时代，生物特征识别技术已广泛应用于政府、金融、医疗、教育、安全等多个领域，为各行各业提供了高效的身份认证解决方案.在教育系统中，生物识别技术也开始逐渐应用，如学校门禁、考试身份验证等. 全球生物识别市场规模持续增长，2022年全球生物识别市场规模约为332亿美元，预计2028年将达到874亿美元，复合年增长率将达到17.36%.2024年，中国生物识别市场规模已达到224亿元，并预计在未来几年内持续增长.据中国报告大厅统计，2025年全球生物特征识别市场规模预计达到614亿美元，主要覆盖金融、安防、医疗等核心领域.未来五年（2025～2030年），全球市场预计以15%的复合年增长率增长，到2030年规模将达1250亿美元W.2024年我国主流生物识别技术市场情况如下. （1）指纹识别：在智能门锁市场中，指纹识别依然占据主导地位.根据《2024中国智能门锁行业白皮书》，截至2024年，指纹识别模组的产销量达2500万套，市场占比高达96%. （2）人脸识别：在智能门锁市场中，人脸识别智能门锁的市场份额大幅提升.3D结构光、双目红外等技术成为人脸识别的主流方案，尤其是在高端市场中，人脸识别技术的应用进一步提升. （3）静脉识别：静脉识别技术，包括指静脉和掌静脉识别，市场接受度逐渐提高.指静脉识别利用近红外光照射手指进行解锁，掌静脉识别通过红外光扫描手掌静脉血管图像进行解锁.静脉识别技术的高安全性和对老人、小孩等特殊群体的友好性，使其成为未来智能门锁市场的重要发展方向. （4）面部识别：在全球非接触式生物识别技术市场中，面部识别技术占据最大份额.面部识别技术根据人脸特征识别和验证人的身份，广泛应用于安防和监控、银行与金融、医疗保健等领域. 识别技术的进步和应用引发了市场份额的变化，生物特征技术的市场份额也会随之发生一定程度的调整.指纹识别技术尽管在高端产品中有所减少，但在低端和中端市场中的普及率依然很高；人脸识别技术在高端市场中份额大幅提升，成为重要的市场趋势；静脉识别技术表现出强劲的增长势头，尤其在智能门锁市场中逐渐获得更多认可；面部识别技术在全球市场中占据最大份额，特别是在安防和监控领域.由于生物识别技术市场份额的调整，对其行业市场未来发展前景有如下预测.生物识别是智能化时代的身份入口，指纹、人脸和虹膜等为智能设备、智能网络、智能服务和智能安防等提供了自动精准的身份标识，而虹膜识别是其中识别精度*高的技术之一.虹膜识别可进一步提升安全性和可靠性，无论是在国家安全层面，还是在行业应用领域，都有广阔的应用前景.5G时代到来，在对虹膜识别提出更高要求的同时，也提供了前所未有的机遇.虹膜识别技术应借助传感器、光学等领域的飞速发展，向微型化、移动式、多模态和高通量方向转变.随着技术的不断进步和创新，生物识别技术将更加高效、便捷和安全，未来多模态生物识别技术融合将是一大趋势.生物识别技术将进一步拓展应用领域，如智慧城市和智能家居等.同时，随着大数据、云计算和人工智能等技术的发展，生物识别行业将迎来新的发展机遇.一些具有实力的生物识别企业将积极拓展国际市场，提升中国在该领域的国际影响力.综上所述，生物识别行业市场前景广阔，增长潜力巨大.随着技术的不断进步和应用领域的拓展，生物识别技术将在更多领域发挥重要作用. 1.2指纹识别概述 指纹（fingerprint）是人类手指末端指腹上由凹凸的皮肤形成的纹路，这些纹路看似增加了手在接触物体时的摩擦力，实际上是为了减少摩擦力，使皮肤更容易拉伸和变形，从而避免皮肤受到伤害.指纹也称为手印，包括指头纹、指节纹和掌纹. 1.2.1指纹的形成 指纹是人类进化过程中自然形成的，其是由真皮乳头突起形成的皮嵴线与皮沟之间的凹凸花纹构成的.胎儿在母体内三到四个月的时候，指纹就已经开始形 成了.指纹是伴随着皮肤的发育过程逐渐成形的，大约是在胚胎发育至7个月时完全形成.在皮肤的发育过程中，虽然表皮、真皮以及基质层都在共同成长，但柔软的皮下组织要比坚硬的表皮长得快，因此皮下组织会对表皮带来源源不断的上顶压力.这种压力迫使长得比较慢的表皮向内层组织收缩塌陷，然后逐渐变弯、打皱，以减轻皮下组织带来的压力.如此一来，皮下组织使劲向上攻，而生长慢的表皮被迫往下撤.这就导致表皮变得坑洼不平，进而形成纹路.在胎儿身上的具体表现就是：胎儿发育的第10周，指尖等部位会因为皮下组织的上顶压力鼓起一个球状的鼓包，就像猫爪的肉垫一样.当表皮向下收缩、鼓包渐渐塌陷的时候，表皮和真皮的交界处就会出现比较规律的褶皱，这就是*初的指纹模子.而决定指纹形状的就是当初鼓起来的那个“肉垫”的大小和形状. 生物有机体是基因和环境相互作用的结果，指纹的形成类似于毛细血管和血管的形成.指纹的总体特征产生于指尖的皮肤开始分化之时.分化过程是由手掌、手指、脚板和脚耻尺寸的增长而触发的.在分化过程中，胚胎周围羊水在流动，胚胎在子宫中的位置会变化.每一个手掌、每一根手指的指尖上的细胞都在不同的微环境中成长.指纹更精细的细节就是由这些变化的微环境决定的，且微环境中的一个很小的不同就会在细胞分化过程中被放大.指纹形成过程中有那么多的变化，所以两个指纹完全相同几乎是不可能的.由于指纹是从相同基因分化来的，所以它们也不是完全随机模式. 1.2.2指纹的不变性与唯_性 在皮肤长成之后，从理论上来说，人的指纹脊的分布在个体的整个生命过程中都不会改变，除非发生意外，如指尖烧伤或切伤，它会成为我们身上*一无二的记号，这就表现为指纹的不变性.然而，为何世界上不会有两个一模一样的指纹?人的指纹一定是唯一的吗？如何证明指纹的*一无二性？任何人都无法百分之百保证指纹一定*一无二，截至2025年6月1日，全球人口已达82.17亿，要想真正测试比对全人类的指纹信息，那几乎是一个不可能完成的任务.而且就算真的有人测试完世界上所有现存人类的指纹，也无法去比对那些已逝者的指纹信息.用数学语言描述，只能说古往今来，世界上存在两个一模一样的指纹的概率非常小，可以认为是一个零概率事件.从指纹形成的过程可以看出，指纹的形成虽然不是完全随机模式，但也有一定的随机性，并且在其形成过程中会产生多次变化，导致不可能形成两个完全一模一样的指纹.*初的指纹模子只有指尖中部的纹路，在鼓包塌陷的过程中，纹路逐渐向周围蔓延，这时会有一些纹路叠在一起，从而产生不同的趋势，有的纹路会中断，而有的纹路则会继续拆分.这样在随机过程中所产生的可能性
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
