非接触式指纹生物识别系统的设计与实现

阵列11（2021）100083用于生物认证乌佐马岛Oduah a，*，Ifeanyichukwu F. Kevinb，Daniel O.作者声明：Oluwole b，Josephat U.伊佐诺比ca拉各斯大学物理系，Akoka-Yaba，100213，Lagos，尼日利亚b拉各斯大学电气和电子工程系，Akoka-Yaba，100213，Lagos，尼日利亚c拉各斯大学化学系，Akoka-Yaba，100213，拉各斯，尼日利亚A R T I C L EI N FO关键词：身份认证生物识别蓝光COVID-19指纹模式识别A B S T R A C T2019冠状病毒病疫情肆虐，对非接触式指纹生物识别认证设备的需求日益迫切，以减少严重急性呼吸系统综合征冠状病毒2型（SARS-CoV-2）及其他传染病的传播。非接触式指纹识别扫描仪的当前方法受到限制，从与二维等效的基于触摸的指纹图像的兼容性差到透视失真、不恒定的分辨率、运动模糊图像和低相关因子。在本文中，这些约束通过实现一种系统来解决，该系统使得能够将目标手指定位在远离相机镜头的固定垂直和水平距离处，而在扫描期间手指与设备框架没有物理接触。采用这种非接触式方法，通过改变背景照明光，实现二维成像技术和近恒定分辨率，实现了高达97.51%的高精度指纹模式识别。此外，一个方便的非接触式指纹采集过程是通过一个独特的架构设计加强信用作者声明概念化：Uzoma I.Oduah，调查：Ifeanyichukwu F.凯文和丹尼尔O 。 Oluwole ， 方 法 学 ： Uzoma I. Ifea- nyichukwu F. 凯 文 和 丹 尼尔·OOluwole：分析：Uzoma I.奥杜阿和Josephat U. Izunobi，写作奥杜亚伊费尼丘克武湾作者：Daniel O. Oluwole和Josephat U. Izunobi，写作&Izunobi和Uzoma I。奥杜阿1. 介绍在当今快速变化和疾病多发的世界中，对非接触式生物识别认证设备的需求迫切且不断增长有助于卫生和安全，并减轻传染病的传播[1]。指纹生物识别技术由于其方便性、可靠性和准确性，是用于识别和认证目的的最广泛使用的识别形式之一，但它也是传染病最易受感染的传播媒介之一[43]。在最近出现的严重急性呼吸综合征冠状病毒2（SARS-CoV-2）之后，这一缺点尤其突出[3]。然而，在COVID-19疫情爆发前，一直致力于开发非接触式指纹生物识别扫描仪，主要是由于触摸式指纹扫描仪的局限性。这些在光学或电容系统上操作的扫描仪的一些限制包括：非线性失真;由皮肤在扫描期间的弹性变形引入，与干燥皮肤、疾病、汗液、污垢和湿度相关联的不规则属性，安全问题;在每次使用之后沉积在扫描板上的潜在指纹，其可以被欺骗性地复制，以及不一致的压力。在扫描过程中的手指，除其他外[4值得注意的是，非接触式指纹扫描仪以前已经开发[9-通过非接触式指纹装置，以及非接触式指纹系统对自动指纹识别系统的适应性，自动指纹识别系统（AFIS）;通常用于基于触摸（接触）的指纹识别方法[9两 方法 有 被 报道 为 非接触式指纹采集，即：二维（2-D）和三维（3-D）* 通讯作者。电子邮件地址：uoduah@unilag.edu.ng（U.I.Oduah）。https://doi.org/10.1016/j.array.2021.100083接收日期：2021年2月11日;接收日期：2021年6月22日;接受日期：2021年7月28日在线预订2021年2590-0056/© 2021作者。爱思唯尔公司出版这是一篇基于CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）的开放获取文章。可在ScienceDirect上获得目录列表阵列期刊主页：www.sciencedirect.com/journal/arrayU.I. Oduah等人阵列11（2021）1000832D）成像技术。2-D方法使用单个相机来捕获图像，而3-D技术使用多个相机，这需要叠加图像并使用复杂的算法[14 可用的非接触式指纹2-D扫描仪，如何-受限于他们的指纹采集方式它们还受到背景照明变化和反射的影响，从而产生分辨率差的指纹图像[17，19，44]。令人惊讶的是，大多数现有的非接触式指纹扫描仪都部署了3D技术来捕获更详细的指纹。3D方法强调通过将x，y，z轴中的尺寸合并来收集指纹的更多细节。各种3D图像采集技术是多视图设置、结构光或光度立体方法[45]。不幸的是，额外的细节引入了透视失真和不恒定分辨率的误差，这降低了相关因子。这个问题在从3-D计算触摸等效指纹中很明显二维图像[21同样，皮肤对光线的吸收在手指扫描过程中，表皮会降低通过非接触式方法产生的图像的分辨率。指纹图案匹配和验证的可接受标准由自动指纹识别系统（AFIS）管理，其强制要求将所获取的指纹图像（无论是2-D还是3-D）转换为等效触摸指纹2-D图像，称为触摸等效图像(TEI)的一致性和兼容性[24值得注意的是可用的非接触式指纹扫描器使用神经网络分类器来将所生成的三维图像重建为等效的二维触摸图像。相关系数是评估指纹扫描仪性能的关键因素[28]。它是注册指纹图像与验证期间捕获的指纹图像匹配程度的百分比度量因此，对于登记的真实指纹图像来说，关键是提取脊和谷的独特细节特征，以在验证[28这被称为模式识别。与基于触摸的指纹扫描仪相比，已经实施了几种策略来改善非接触式指纹扫描仪的相关因子，例如引入背景减法和上下文过滤算法[33]，但大多数非接触式指纹系统利用分辨率归一化，其涉及基于放置用于扫描的镜头相机和目标手指之间的估计距离采用恒定的分辨率因子[34]。需要指出的是，在基于触摸的指纹扫描器中，例如在扫描期间由于压力而存在手指皮肤的弹性变形，在验证期间补偿弹性变形，从而使在同一用户注册期间最初引入的误差无效。因此，在验证期间捕获的指纹与登记的指纹匹配。然而，在使用基于触摸的指纹扫描仪进行登记但使用非接触式指纹扫描仪进行验证的情况下，由于弹性变形而导致的误差变得严重;导致失配和差的相关因子，因为所捕获的非接触式指纹缺乏由基于触摸的指纹扫描仪引起的弹性变形失真。此外，多个手指同时扫描是重新设计的。移植以增强相关因子并减少假阳性错误[10]。通常，合并多个手指的方法呈现特征，这使得采样和模式识别更加精确[14]。然而，多指扫描仪需要更多的空间，因此可能被认为是笨重的。在非接触模式下捕获指纹的主要挑战仍然是定位目标手指，以在扫描期间保持目标手指与相机之间的固定距离。电子照相设备采用定位在距相机的镜头指定距离处的手指放置引导件;其中手指经常与相机的镜头接触。导游这在以前是没有问题的，因为重点是创建更高分辨率的扫描仪。然而，随着COVID-19大流行的发生，对解决方案完善、功能强大的非接触式指纹扫描仪的需求变得更加密切和迫切，以便（其中包括）在不影响安全性的情况下帮助遏制SARS-CoV-2的传播。在此，我们概述了为提高非接触式指纹扫描仪的相关系数而实施的各种努力，同时减少其误报错误。此外，开发的设备与相关的现有技术进行了比较，以突出其独特和创新的功能。所提出的方法的主要贡献包括实现具有精度的实际非接触式指纹扫描，增强的相关因子;源自高精度指纹采集过程，以及有效、高效和方便的指纹识别架构技术。2. 材料和方法非接触式指纹扫描仪的开发流程图如图所示。1.一、2.1. 手指的非接触定位在这项工作中，设计并开发了一种方便且精确的方法，该方法将手指定位在固定位置，垂直和水平，远离相机镜头，而不接触设备（参见图2）。在摄像机两侧的两个红外线近距离传感器的帮助下，引导目标手指，直到其在x、y、z轴上的指定点处正确对准。红点光束闪烁以指示手指在（指定的x、y、z坐标的）精确位置上正确对准，并且同时激活相机以捕获图像。微控制器用于执行逻辑门以控制和在扫描操作期间使红外接近传感器的动作与激光束和相机的光圈同步。该设备的独特架构为扫描过程中目标手指的定位提供了非触摸式的简单指南。根据不同设置的垂直距离评估不同的消除因子以识别相机与目标手指之间的理想距离。不同的光强度和波长Fig. 1. 非接触式指纹扫描仪的开发流程图，显示了电子电路耦合中描述的组件选择和仿真。U.I. Oduah等人阵列11（2021）1000833图二. （a）非接触式指纹生物识别扫描仪，可显示设备的尺寸。引导手指放置的开口为4 cm。玻璃窗覆盖设备并保护电子元件免受损坏。（b）示出了在扫描操作期间目标手指在3.5cm处远离相机的定位。指纹扫描仪与手指在扫描过程中放置的区域分开，以避免物理接触。（c）显示了非接触式指纹扫描仪的关键部件，以及摄像头和两个红外近距离传感器的位置。红外接近传感器和相机处于用于放置目标手指的位置，并且（d）示出了在扫描操作期间引导目标手指的对准的开口也被用来研究最佳效用。2.2. 电子电路电路元件按照图1所示的布局设计进行耦合。 3. 该电路由镜头摄像机（ESP 32 CAM），识别不同的手指，就像传统的指纹扫描仪一样。这些图像被存储并使用与面部识别中使用的图像识别算法类似的图像识别算法进行处理。每个图像文件都被转换成二进制文件，然后通过piX el进行分析。每当扫描手指时，系统都会在数据库中搜索匹配项。存储的特定指纹的样本越多，红外传感器和激光作为指示器。 两扫描结果更好、更稳健红外线传感器分别放置在摄像机的两侧并且与摄像机等距。蓝色发光二极管（LED）光束被实现为相机的闪光灯。ESP 32 CAM也是省电的，因为当红外近距离传感器没有检测到手指时，它能够进入睡眠模式。非接触式扫描设备可以通过USB充电器或USB端口供电。个人电脑2.3. 设备和网页界面非接触式指纹扫描仪微控制器（Aithinker ESP 32 WROOM）使用Arduino IDE以C语言编程。网页界面使用HTML和CSS设计，如图4所示。ESP 32 CAM的WiFi功能实现了连接智能手机、笔记本电脑和所有支持WiFi的设备。非接触式指纹生物识别扫描仪的操作遵循步骤中的算法。该设备以机器学习语言（MLL）实现模式识别算法;其中指纹首先被登记并存储在数据库中，其中任何扫描的指纹数据可以在验证阶段内被采样和匹配。在编程中部署了Python语言扫描仪使用相机捕获的图像（图片），一旦设备打开，它会搜索可用的程序兼容的WiFi设备进行配对，如果没有可用的WiFi设备，则会继续搜索。在确保连接时，它等待红外近距离传感器检测用于扫描的目标手指。一旦在距相机预定距离处检测到手指，就扫描检测到的手指。然后，它将新捕获的指纹数据存储在存储器存储设备中（当从网页启用ENROLL按钮时;参见图1）。图4）供以后使用。另一方面，当（从网页）未选择登记按钮时，装置将所捕获的指纹图像与先前存储的指纹数据进行比较，从样本计算相关因子，并显示所实现的相关因子的值以供分析。2.4. 支持WiFi以进行注册和验证该设备旨在匹配需要其服务的大量用户，因为已知多用户注册和验证设备对于具有高人口指数的公共领域的认证目的是理想的[35]。为了确保在验证过程中的简单可用性和快速周转时间，采用了微控制器Aithinker ESP32 WROOM。它可以让WiFiU.I. Oduah等人阵列11（2021）1000834图三. 电路板上电子元件的布局示意图。IRL1和IRL2是红外近距离传感器。L1是激光点光束，表示目标手指在扫描前已正确对准。EPS- 325 CAM是镜头摄像头;它在微控制器的提示下捕获指纹的图像。U1和U2是微控制器中执行逻辑门功能的晶体管。当目标手指被两个红外近距离传感器在距离相机固定的垂直和水平距离处感测到时，激光点光束打开并且相机同时捕获图像。微控制器执行逻辑功能见图4。显示了非接触式指纹生物识别扫描仪的图形用户界面。扫描仪支持WiFi，可以连接到支持WiFi的设备，如手机、iPad、个人电脑和笔记本电脑。当扫描视图中没有手指时，传感器进入睡眠模式。传感器的非活动模式节省电力，使设备节能。3. 结果观察到改变手指和相机之间的设定距离会影响相关因子的值，与之前的报告一致[34]。因此，为了确定在扫描期间目标手指距相机的理想距离，两个红外接近传感器被设置为在相机与目标手指之间的不同距离处进行检测，并且用于目标手指的相关因子被设置为在相机与目标手指之间的不同距离处进行检测。记录距离（cf. 表1）。非接触式扫描仪能够控制两点波束。近红外线传感器，透镜相机和激光在从相机到目标手指的0.5-9.5 cm距离内捕获指纹图像将非接触式指纹生物特征扫描仪连接到其他支持WiFi的设备，例如移动电话、iPad、膝上型计算机、个人计算机等。图4中示出了网页的快照，显示了互联网协议（IP）。2.5. 器械包装开发的器械的包装坚固紧凑，顶部有一个开口，可引导用户定位目标手指。指纹扫描仪在图2（a）中描绘为尺寸为14 cm（长）× 12 cm（宽）× 7 cm（高）。这与当前的方法不同，其具有开口，以使目标手指位于具有物理框架的外壳内，以在扫描期间限制手指[36]。本文中的非接触式指纹扫描器已经被设计成使得目标手指既不被限制也不被限制。与扫描仪的结构相联系扫描仪与手指对准的地方分开放置，在开放空间中，距离摄像机3.5厘米。此外，注意到所实现的相关因子随着照明背景光的强度而略微变化。因此，通过应用在3.5 cm处的不同强度（50-280 lm）的光束的结果表明，光照强度越高，指纹图像的分辨率越好，从而增强了相关因子。众所周知，反射、透射和/或吸收的光的百分比有助于在指纹扫描期间获得的图像的分辨率，并且这些又影响相关性表1确定从摄像机镜头到目标手指的理想距离，以获得最高相关系数。距离（cm）电话：+86-510 - 8888888传真：+86-510 - 8888888相机电路板上的电子部件的耦合也是通过将图像捕获部件适当地定位在它们可以在没有障碍物的情况下起作用的点来实现的。电路图布局如图所示。 3. 两种红外光谱仪相关系数（%）47.57 54.99 55.13 55.56 49.22 46.1849.05 54.64 55.48 45.16 52.75 49.71 47.1946.84 56.07 58.07 47.52 51.26 51.11 47.9546.64 51.02 59.90 50.76 45.35 45.74 54.7744.33 53.74 55.25 47.51U.I. Oduah等人阵列11（2021）1000835==表2用白光在理想距离处测定理想光通量，以获得最高相关系数。光强度（lm）图像，从而提高了它们的相关系数。认识到白光和其他较长波长的辐射被皮肤的表皮层吸收的报道[40，41]，白光被蓝光（500 nm）取代，其小于L0= 50 L3=150L6=180L9=210L12=280皮肤吸收，并评估其对相关因子的影响。 结果表明，蓝色照明光提高了指纹图像的相关系数，最高值为97.51%。使用蓝光获得的相关因子的优异值可以归因于所生成的高分辨率指纹图像，由于皮肤的吸收减少，这些图像更清楚地勾勒出目标手指的脊和谷。因此，这种从照射白光到蓝光的波长变化的重要性不仅是一个问题，的因素[34]。然而，长波长的光辐照度被表皮吸收。为了改善皮肤损伤，在3.5cm距离处以25流明实施较少被皮肤吸收的蓝光（λ500nm）用于背景照明。结果收集在表3中。还测试了280流明的蓝光，以检查其在更高强度下的影响。令人满意的是，使用280流明强度的500 nm蓝光和目标手指和镜头相机之间的距离为3.5 cm（参见 表3）。4. 讨论该项目开发的高精度非接触式指纹生物识别扫描仪克服了在扫描过程中将目标手指定位在固定点的挑战，无需接触。先前的技术实施手指放置引导件以实现目标手指在固定位置处的对准，但是手指有可能接触放置引导件，从而导致传染性感染的传播。其他不受约束的收购设置面临具有运动模糊和不恒定的指纹图像分辨率的问题，提高了相关系数，而且是一种对皮肤无害且环境友好的装置。图5比较了在低强度（25 lm）和高强度（280 lm）下使用蓝色照明光（λ500 nm）获得的相关因子（参见表3），突出了增加的光强度通过提高指纹图像的分辨率来增强相关因子的事实。这在白光下也同样观察到（参见图1）。表2）。该指纹扫描仪的鲁棒性被证明与照明背景光的强度的变化之间的50 lm和280 lm，和在500 nm的蓝光的发光通量的变化。所开发的指纹识别装置提供了改进的相关因子，并且当目标手指放置在离指纹识别装置3.5 cm的垂直距离处照相机镜头，以280 lm的强度施加500 nm的蓝光。当在我们的模型非接触式指纹扫描仪中使用280 lm强度的白光用于背景照明时获得的相关因子值（目标手指和镜头相机之间的最佳距离为3.5 cm）也与使用25 lm和280 lm的蓝光产生的相关因子值进行了比较（图6）。总体而言，蓝光被证明具有更好的分辨率，具有更高的相关因子值，tions[37、38]。在此，两近红外线传感器已白光在280 lm的强度，虽然值的相关其部署有电子逻辑控制的微控制器，以实现目标手指在远离相机的固定恒定位置的非触摸对准。在扫描操作期间，发现目标手指和镜头相机之间的距离在3.5 cm处是最佳的，相关系数为59.9%（表1）。本文还研究了影响非接触式指纹扫描器相关因子的其他因素，如大多数非接触式指纹扫描器采用漫射白光作为背景照明。据报道，这会产生均匀但低的分辨率，从而导致相关因子的降低[39]。在本研究中，背景光强度在50 lm和280 lm之间变化（表2）。还值得注意的是，所研究的样品的发光通量范围在移动电话和笔记本电脑中的液晶显示器（LCD）单元的发光通量范围内。在280 lm处指纹图谱相关系数最高，为78.12%。很明显，增加的光强度提高了指纹表3使用蓝光（500 nm）在理想距离（3.5 cm）处测定理想发光通量，以获得最高相关系数。蓝光（lm）25280相关系数（%）81.1789.1787.0895.0889.5197.5172.8280.8271.8579.8575.8083.8080.3588.3580.8888.8875.0285.0289.1495.14用280流明的白光获得的因子与用25流明的蓝色照明光获得的因子相当指纹认证的主要问题之一是安全和隐私问题。指纹生物识别扫描仪可能容易受到诸如固有故障之类的系统故障的影响，这些故障包括由故障传感器和不准确的样本匹配引起的故障以及由于指纹特征提取或假错误引起的故障[42]。另一方面，非固有故障主要归因于恶意攻击。因此，在采集、储存、取样和核查工作中保护指纹数据至关重要。相关地，本文中实施的指纹获取技术消除了与潜在指纹的欺诈性获取相关联的风险。将在其他地方报告为解决指纹数据机密性、真实性和完整性以及该器械软件开发中的多样性、不可否认性和可验证性而5. 结论在这项研究中，一种新的方法，指纹图像采集技术，使用的系统，以精确和有效的方式执行非接触式指纹已被成功地证明。其在替代传统触摸式指纹扫描仪方面具有巨大潜力，尤其是在2019冠状病毒病大流行之后，以减轻病毒的传播和其他通过表面传播的传染性感染。研究结果表明，实现最佳指纹相关因子值的最佳技术，减少假阳性错误。本文开发的非接触式指纹生物识别扫描仪目前处于其概念验证阶段 ， 并 且 已 经 在 尼 日 利 亚 提 交 了 必 要 的 专 利 （ 注 册 号 为NG/PT/NC/2020/4853）。必须指出的是，为了确保非接触式指纹生物识别系统与现有的触摸式指纹识别系统的兼容性，相关因子51.4351.0458.3660.7778.12（%）49.5550.2856.9157.8173.0543.7360.4866.9563.2269.9849.0757.4863.9158.0075.8049.5556.2050.2161.5472.73U.I. Oduah等人阵列11（2021）1000836图五、 使用强度为25 lm和280 lm的蓝光（500 nm）确定最佳发光通量。见图6。 比较发光通量使用强度为25 lm和280 lm的蓝光和强度为280 lm的白光。基于等效指纹图像，该装置具有产生二维图像的独特功能，并具有改进的相关因子。众所周知，通过使用图像的3-D场景重建来操作的指纹扫描仪遭受遮挡、尺度和光线变化以及透视畸变的挑战，这降低了它们的相关因子，特别是当应用于已经用基于触摸的指纹扫描仪捕获的2-D图像的验证时。此外，该协议实现了高精度的非接触式指纹扫描和增强的相关因子，以及有效、高效和方便的指纹识别架构技术，这不仅有利于缓解3-D/2-D图像分辨率二分法，而且有利于传染病的传播，例如SARS-CoV-2。竞合利益作者声明，他们没有已知的可能影响本文所报告工作引用[1] 库马尔在较少约束的环境下实现更精确的非接触式掌纹图像匹配。 IEEE Trans InfForensics Secur 2019;14：34-47.[3] 赖昌俊，施天平，高伟成，唐宏杰，薛宝荣。严重急性呼吸系统综合征冠状病毒2（SARS-CoV-2）和2019冠状病毒病（COVID-19）：U.I. Oduah等人阵列11（2021）1000837疫情和挑战。IntJ AntimicrobAgents 2020;55：105924.网址：http：//doi.org/10.1016/j.ijantimicag.2020.105924[4] PatilS，Sheelvant S. 图像质量评价技术综述 印度科学杂志Res2015;4：1756[5] Sampat MP，Wang Z，Gupta S，Bovik AC，Markey MK.复小波结构相似性：一种新的图像相似性指标。IEEE Trans Image Process 2009;18：2385[6] 放大图片作者：J.统计非接触式扫描中的潜在指纹残留，以支持指纹分割。2013年第18届数字信号处理（DSP）国际会议。p. 一比六希腊圣托里尼。[7] [10]杨文，李文. NIST特殊数据库301：指甲指纹挑战演练。Natl.技术人员附注2018年：22页。https://doi.org/10.6028/NIST.TN.2002网站。2002年。[8] 奥杜阿岛铌酸锂光折变效应在具有独特灵敏度的生物指纹扫描仪研制中的应用。IntJ ElectrComput Eng2014;6：236[9] Chen Y，Parziale G，Diaz-Santana E，Jain AK. 3D非接触式指纹：与传统的滚动图像兼容。收录于：生物计量研讨会论文集巴尔的摩，MD：生物识别联盟会议; 2006年。p. 一比六[10] EricsonL，Shine S.评估非接触式与接触式指纹数据，阶段2（版本1.1）。Fairmont，WV.：司法部司法项目办公室，国家司法研究所;2015年。p. 1-117[11] 杨伟华，李晓梅.无约束指纹识别：基于移动中的两个视图的完全非接触式3D系统。IEEETrans. 系统曼·赛伯恩系统2016;46：202-19.[12] 冯杰 结合细节点描述子进行指纹匹配。 Pattern Geneva2008;41：342-52.[13] Agrawal A，Raskar R，Chellappa R.从梯度场重建表面的范围是多少？In：Leonardis A，Bischof H，Pinz A，editors.计算机视觉- ECCV 2006年计算机科学讲义，第3951卷。Berlin Heidelberg：Springer-Verlag. p. 578- 91[14] 放大图片GamassiM，Piuri V，Scotti F.指纹局部分析，实现高性能细节点提取在：2005年IEEE图像处理国际会议（ICIP 2005）的会议记录; 2005。p. 265比8 意大利热那亚。[15] Kumar A，Kwong C.实现非接触、低成本和精确的3D指纹识别.在：2013年IEEE计算机视觉和模式识别研讨会会议（CVPRW '13）的会议记录。Portland，OR：IEEE ComputerSociety; 2013. p. 3438- 43[16] Jain AK，Prabhakar S，Hong L，Pankanti S.基于滤波器组的指纹匹配。IEEE TransImage Process2000;9：846[17] 尹晓，朱勇，胡军。基于全局细节点拓扑和松散遗传算法的非接触指纹识别。 IEEE Trans Inf Forensics Secur 2019;15：28[19]Maltoni D，Maio D，Jain AK，Prabhakar S.指纹识别手册。London：Springer;2009.[21]杨伟华，李晓梅.用于生物识别技术评估和实验设计的精确三维指纹虚拟环境。2013年IEEE国际测量系统和应用（CIVEMSA）。Milan，Italy：IEEE; 2013.p. 43 比8 https://doi.org/10.1109/[28] 放大图片作者：David Z.基于特征的三维指纹重建系统对应关系和先前估计的手指模型。Pattern Bronze 2014;47：178-93.[29] 放大图片SongY，Lee C，Kim J. 一种新的非接触式指纹识别系统方案。In：Ko SJ，editor. 2004年智能信号处理与通信系统国际研讨会论文集。韩国首尔：ISPACS; 2004年。p. 524- 7[30] 博尔特超越图像质量：从相似表面技术的故障分析Gaithersburg，MD：NIST生物识别质量研讨会; 2006年。第1-23页。[31] 郑Q，库马尔A，潘G.非接触式3D指纹识别无需3D重建意大利萨萨里：生物识别和法医学国际研讨会（IWBF）; 2018年。p. 一比六[32] 刘X，佩德森M，Charrier C，Chelvic FA，Bours P.一种改进的三步无触点一种指纹图像增强的细节点检测方法。第六届欧洲视觉信息处理研讨会论文集.法国马赛：EUVIP; 2016年。p. 一比六[33] 杨伟华，李晓梅.非接触式指纹识别：减少透视和旋转效应的神经方法。在：Proceedings ofIEEE生物识别和身份管理计算智能研讨会（CIBIM 2013）。新加坡：IEEE;2013年。p. 22-30分钟。[34] 刘芳，张丹，宋成，陆刚。非接触式多视图指纹采集和镶嵌。IEEE传输仪器Meas. 2013;62：2492-502.[35] Derawi MO，Yang B，Busch C.指纹识别与手机上的嵌入式摄像头。In：PrasadR，Farkas K，Schmidt AU，Lioy A，Russello G，Luccio FL，editors. 移动信息和通信系统中的安全和隐私（2011年）。计算机科学、社会信息学和电信工程，第94卷。BerlinHeidelberg：Springer; 2012. 136-147.. https://doi.org/10.1007/978-3-642-30244-2_12。[36] 王毅，刘德良.非接触式深度细节3D指纹识别。SPIE Newsroom 2009：1-3.https://doi.org/10.1117/2.1200912.002552网站。[37] 作者：J. J. J.Surround ImagerTM：多相机非接触式设备来获取3D滚动等效指纹。In：Zhang D，Jain AK，编辑。Advances in Biometrics（ICB 2006），计算机科学讲义，第3832卷。Berlin Heidelberg：Springer; 2005.第244- 250页。https://doi.org/10.1007/11608288_33.[38] [10]吴晓刚，王晓刚，王晓刚.光学相干断层扫描获取内部指纹的高分辨率特征提取第17届IEEE/ACIS软件工程、人工智能、网络和并行/分布式计算国际会议论文集上海，中国：IEEE/ACIS; 2016。第637- 641页。https://doi.org/10.1109/SNPD.2016.7515971。[39] 杨伟华，李晓梅.利用计算智能技术测量接触式与非接触式指纹图像中的主奇异点。2010年IEEE国际会议论文集测量系统和应用的计算智能（CIMSA2010）。Taranto，Italy：IEEE; 2010.p. 18比23[40] Kumar A，Zhou Y.使用零级特征的非接触式指纹识别在：2011年IEEE计算机协会计算机视觉和模式识别研讨会（CVPR研讨会2011）;2011年。114-119.. https://doi.org/10.1109/CVPRW.2011.5981823。美国科罗拉多斯普林斯CIVEMSA.2013.6617393。[22] Mil'shtein S，Pillai A. 非接触式指纹的前景和局限性在：16日[41] 作者：OduahUI，Yang W. 先进的光电探测器芯片。 IEEE Sensor J 2016;16：5610-7.[42] 赵F，唐X. 基于指纹的预处理和后处理IEEE国土安全 技术国际研讨 会（HST '17）。 马萨诸塞 州沃尔瑟 姆：IEEE;2017.p. 一比六[23] 杨 伟华，李晓梅. 非接 触 式指 纹 生 物 识 别 ： 2D 和 3D 技 术 调 查 。J InternetTechnol 2014;15：327-34.[24] 周伟，胡军，彼得森，王松，Bennamoun M.基准3D指纹数据库。 第11届模糊系统与知识发现国际会议论文集（FSKD 2014）; 2014年。第935- 940页。中国厦门。[25] 王勇，刘德亮，Hassebrook LG.三维指纹的Fit-sphere展开及性能分析。 Appl Opt2010;49：592-600.[26] 唐毅，姜良，侯毅，王荣。基于Hessian矩阵和STFT的非接触指纹图像增强算法。第二届 国际会议多媒体和图像处理（ICMIP 2017）。武汉，中国：ICMIP; 2017。 p. 156比60细节点提取Pattern B.2007;40：1270-81.[43] 张丹，刘芳，赵清，陆刚，罗南。选择参考高分辨率使用细节和毛孔的指纹识别。IEEE Trans.仪器Meas. 2011;60：863-71.[44] Zhao X，Evangelopoulos G，Chu D，Shah S，Kakadiaris AI.使用光照图最小化3D到2D人脸识别的光照差异。IEEE Trans.赛博恩2014;44：725[45] 王毅，刘德良.三维指纹的数据采集与处理。IEEE Trans. Inf. ForensicsSecur. 2010;5：750-60.[46] 小Q。技术评论：生物识别技术应用挑战与计算智能解决方案。IEEE计算内特尔麦格2007;2（2）：5-25.