审核专家：冯建江，清华大学自动化系副教授，中国人工智能学会模式识别专业委员会委员

在影视作品中，我们经常看到在合同上按指纹的场景。 事实上，从中国的秦朝开始，官员就开始收集罪犯的指纹作为司法记录； 同样，公元前2000年左右，古巴比伦人也承认指纹是个人签名。 时至今日，指纹识别仍被认为是最可靠、应用最​​广泛的个人百思特网身份识别手段，因为指纹易于采集、细节丰富、唯一、不易更改、可伴随一生。 无论是传统的刑事侦查、协议签署，还是新兴的电子开锁、海关管理，在很多领域都可以看到指纹的应用。

指纹被认为是最可靠和最广泛使用的个人身份识别手段。 图片来源：

如果想要依靠指纹来完成很多任务，核心技术就是指纹识别。 过去很长一段时间，指纹识别都是通过肉眼直接观察来完成，既费时又容易出错。 培养相应的专业人才十分困难，研究和记录也少且不准确。 20世纪左右，指纹科学系统的研究和应用开始逐渐出现，但主要集中在刑事侦查和法医学领域。

20世纪60年代，随着计算机科学的发展，许多研究人员开始考虑使用计算机运行算法来半自动和自动识别指纹图像。 与人工比较相比，该方法不需要完全依赖特殊训练。 可以随时随地进行，使得指纹识别在更多场景（如指纹锁）的应用成为可能。 然而，直到本世纪初，现有的指纹识别技术仍无法满足在刑事侦查、社会治理、出入境管理等领域大规模应用的需求。 为此，清华大学自动化系周杰课题组从图像处理、特征表达、特征提取、图像比对等方面开展了这项历时十余年的研究项目，实现了高精度指纹对一大群人的认可。 。

指纹模糊？还原力强

指纹识别的一个大问题是图像质量参差不齐。 例如，老人的指纹可能模糊，现场的指纹可能重叠、不完整或背景杂乱，文件上的指纹可能与签名混合等。 传统算法不能很好地识别低质量的指纹图像，并且在准确性、鲁棒性和计算成本方面存在许多缺点。 对于不令人满意的图像（例如在犯罪现场收集的潜指纹），通常仍然需要依赖专家。 手工注释。 该研究项目揭示了指纹纹理的拓扑和统计规律，构建了性能优异的混合模型，并在此理论基础上发明了方向场估计、奇异点检测、重叠指纹分离和指纹增强等多种方法。 （例如，基于自然语言处理中拼写检查技术的启发，建立“方向场词典”，使程序可以像人类专家一样利用先验知识）在低质量识别方面取得了明显进展指纹。

指纹变形？精准校正

人的手指是三维的、柔软的，但图像是平面的，因此无论是特殊指纹传感器采集的还是犯罪现场留下的指纹，都容易失真； 百思特网同时，指纹图百思特网像多样，难以判定，比如人脸指纹的图像都是眼睛在上，嘴巴在下，很容易判定，而指纹则没有这么明显的特征。 传统算法对指纹的畸变和姿态研究不足，这也会导致识别困难。 该研究项目通过构建皮肤变形的变换模型提出新的畸变校正，（使用畸变指纹视频的畸变场统计模型，数据库）姿势估计，（滑动窗口检测，深度学习）密集配准（相位调制解决方案）音调）等技术大大提高了指纹比对的准确性和速度。