一、CAFIS指纹自动识别系统的应用(论文文献综述)
曹吉明[1](2021)在《《刑事技术》2011—2020年指纹学文献计量统计分析》文中研究表明目的研究《刑事技术》杂志近年来指纹学研究文献载文特点和杂志的发展状况。方法基于文献计量学的研究范式,对过去10年(2011—2020)《刑事技术》杂志指纹研究文献的产出趋势、研究机构、主要作者、高被引论文情况、获基金资助分布情况和学术研究热点等6个方面进行统计分析。结果 2011—2020年《刑事技术》杂志共发表指纹学研究论文197篇,约占总发文量的12%;58篇论文获各类基金资助共98项次,获基金资助占比29.44%;公安部物证鉴定中心和中国人民公安大学总发文量最高,均在30篇以上;被引次数最高的前10篇论文中有7篇出自中国人民公安大学,且这10篇论文中被引频次最高和下载量最高的也均出自中国人民公安大学;研究内容主要集中在指纹基础研究、指纹显现提取、指纹自动识别、指纹检验鉴定四个方面,发文量分别为13篇、98篇、10篇、49篇。结论过去10年,《刑事技术》杂志指纹学研究文献的整体质量在不断提高,其中2016年后获基金资助发文量明显增多,且国家级和公安部高质量基金发文量也逐步攀升,公安部物证鉴定中心和中国人民公安大学在指纹学研究领域处于领先地位,而指纹三级特征研究、新型显现提取技术、指纹自动化识别系统和疑难指纹检验鉴定是目前指纹学领域的发展趋势与研究热点。
吴春生,李孝君,吴浩[2](2022)在《基于深度学习的指纹自动识别技术》文中研究表明本文从学科领域入手,对指纹自动识别技术在发展过程中受人工智能技术影响所产生的新变化进行简述。指纹识别技术作为一种计算机应用技术,其发展与计算机科学的新技术密切相关。人工智能技术,特别是基于深度学习的图像技术的发展使指纹识别算法开启了全新的模式。本文将人工智能在指纹领域的发展分成三个阶段,并对当前所处的第二阶段的发展趋势进行了分析。基于深度学习的指纹识别技术使用图像特征而不是传统细节点特征的方式,改变了法庭科学领域对指纹识别的认知。本文重点对深度学习技术在指纹识别方面的应用模式和典型的技术方法进行了论述,给出了基于深度学习的指纹识别技术方案图,对技术方案中的网络模型设计等重要步骤逐一进行了说明,提出了图像处理、降维等几个需要重点攻坚的技术环节。对现有的可为指纹识别借鉴使用的深度网络模型进行了介绍,如:卷积神经网络、自编码器网络。最后对人工智能指纹识别算法与传统算法的性能进行了对比。
艾乐[3](2020)在《斗型纹三角区域相似异源研究 ——基于百万级数据库》文中进行了进一步梳理指纹鉴定的一项重要工作是将犯罪现场提取的指纹与自动识别系统中存储的已知来源指纹进行特征比对,再通过专家检视复核以认定犯罪嫌疑人的方法。由于指纹具备“人各不同、终身基本不变”的特性,长期以来被视为证据之首,成为认定嫌疑人身份的重要手段。在实际工作中,由于现场指纹受到接触方式、接触客体等客观条件的影响,指印往往残缺不全,增加了指纹比对认定的难度,导致出现错误的鉴定意见。另一方面,个体接触物体的动作导致指纹三角区域更容易遗留在客体上,因此,犯罪现场勘察人员在现场提取到的指纹大多包括了三角区域。但三角区域的指纹纹线流向复杂,特征点出现频率高,导致异源指纹在该区域容易出现高度相似,极易给鉴定人员造成干扰。本文重点研究在百万级指纹数据库中,斗型纹三角区域特征点数量和质量对同源指纹在AFIS系统中排前率的影响;发现斗型纹三角区域相似异源现象的出现及分布规律;分析总结高度相似异源指纹出现的概率以及在质量变化的情况下,高度相似异源指纹对系统排名、专家鉴定造成的影响;改进传统指纹比对算法,提升同源指纹在候选列表中的排位。具体研究内容包括:1、研究斗型纹捺印指纹三角区域,在特征点数量不同、标注特征点方法不同的情况下,自动识别系统比对列表中同源和相似异源指纹的排位,并总结同源指纹和相似异源指纹出现的规律;2、研究现场指纹三角区域,在特征点数量不同、标注特征点方法不同的情况下,出现同源指纹的几率,提升鉴定人员对三角区域特征的理解能力,给出人工标注特征的方法建议,以提升同源指纹排位;3、重点研究现场指纹质量的变化,对高度相似异源指纹在识别系统候选队列中排名的影响,提升算法研究人员重视程度,研究改进算法;4、重点研究高度相似异源指纹对专家鉴定结果的影响,分析造成鉴定错误的主客观原因,警示高度相似异源指纹的存在及其对鉴定人员的影响;5、通过将相似三角形算法和SFIT特征融合匹配,形成STSF算法,提升识别算法对残缺指纹上特征的综合利用能力,提高同源指纹排位。本研究的结果表明:1、特征标注数量能影响同源指纹和相似异源指纹的出现率及排位,整体趋势为随着特征数量增加,同源指纹排前率提升,相似异源指纹下降;2、现场指纹清晰、特征数量较多时,应采取系统自动标注特征的方法有利于查询同源指纹,指纹不清晰、特征数量较少时,应采取人工标注、改变特征组合的方式多次查询。3、高度相似异源指纹在候选列表中出现率为1.5‰,指纹质量降低会影响同源、相似异源指纹的出现率;4、鉴定人员应严格遵守鉴定流程,不能过度自信,同时建议定期开展指纹鉴定实验,提升对相似异源指纹的认识;5、提出的STSF算法与传统算法相比,能提升残缺指纹的识别能力,提升同源指纹在候选列表中的排位,降低高度相似异源指纹排位,减少相似异源的干扰。本研究的结果能够为斗型纹三角区域的深入研究提供基础数据,给同源指纹查询提供参考意见,有利于提升鉴定人员对相似异源的认知能力,降低鉴定出错的风险。同时,通过对传统指纹识别算法的改进,提高自动识别系统对残缺指纹上三角区域指纹特征点的辨识能力,提升同源指纹在候选列表中的排名。
周吉亮,冯雅娴[4](2015)在《指纹细节特征点编辑与CAFIS查中率关系研究》文中进行了进一步梳理目的研究影响CAFIS指纹自动识别系统查中率的因素,为提高CAFIS查中率提供依据。方法对实验样本先进行系统自动提取细节特征点再作人工干预,变更细节特征点的数量,获得添加系统可识别细节特征点与未识别细节特征点的得分,通过分析能否被系统自动识别的细节特征点数量与得分之间的关系,得到在人工干预下编辑指纹细节特征点对系统得分之间的影响关系。结论添加CAFIS可识别与未识别细节特征点的数量与系统得分之间的关系,为编辑指纹细节特征点入库,获取较高质量的查询比对结果提供参考依据。
王茜[5](2014)在《Cafis系统在刑侦指纹比对过程中的应用》文中研究指明通过对Cafis系统组成及比对原理介绍,应充分利用其特点,积极利用各种查询方式,达到侦察破案的目的
吴响,肖海力,王彦棡,吴春生,冯才刚[6](2012)在《基于BOINC平台的指纹自动识别系统的设计与实现》文中认为指纹技术已经成为世界各国侦查部门查找和认定犯罪人的最直接、最可靠、最快捷的途径,其在破案过程中发挥的作用越来越大。我国指纹识别系统所面临的现状是:首先,我国人口基数大,流动人员多,并处于社会重大快速转型时期,跨区域犯罪、流窜犯罪、系列案件有所上升;其次,我国现有的指纹自动识别系统来自国内外六个不同厂家,由于不同的厂家在采集指纹时采取不同的方法,导致各系统采集的指纹数据不能及时共享,很多线索或指纹信息只能在本地系统中发挥作用,这样就造成了资源短缺。为了缓解上述现状,本文通过志愿计算的模式,利用BOINC平台对现有资源进行整合,使得警用办公主机能够在其空闲时间参与指纹比对,达到充分利用已有资源,实现资源的合理化配置的效果。
吴春生,冯才刚,迟学斌[7](2012)在《GPU指纹计算程序简述及性能分析》文中提出本文介绍了指纹比对的基本概念和GPU计算的发展趋势;讨论了传统的指纹计算面临的计算效率问题和采用GPU进行指纹计算的优势;分别按不同档案库规模和不同现场特征点数量,进行了指纹CPU计算程序与GPU计算程序的时间加速比测试。使用Profiler工具分析了GPU动态库的运行效率和时间分布;综合分析了GPU计算存在的瓶颈问题;针对存在的问题提出了优化方案。
吴春生,迟学斌,冯才刚,王彦棡[8](2011)在《应用并行计算解决指纹重卡计算瓶颈》文中指出本文介绍了使用并行技术解决北京公安机关指纹库重卡归并计算难题及应用情况。首先介绍了重卡归并的意义和重卡计算面临的问题;然后分析重卡归并采用并行计算的可行性和改造方式,其中重点分析了不同改造方式的优劣并对相关技术问题进行了介绍;最后对并行程序加速比和运行结果进行了说明。
王华[9](2009)在《民用指纹识别系统的设计与实现》文中进行了进一步梳理随着社会和经济的发展,人们对身份鉴别的准确性、安全性与实用性提出了更高的要求。基于信物或口令的传统身份鉴别方式存在容易丢失、遗忘、被复制及盗用的隐患。通过辨识人的生理和行为特征进行身份认证的生物识别技术提供了一个方便可靠的解决方案。生物识别技术被认为是自动身份识别的最终技术。其中自动指纹识别技术是生物识别中最成熟的生物识别技术。指纹的唯一性和不变性被用来作为鉴别个人的主要基础并有着美好的未来。自动指纹识别系统是基于计算机来进行指纹识别的技术,可以方便、高效、可靠地应用在金融安全、数据加密、电子商务等各个领域,并将在我们的生产和生活中发挥越来越重要的作用。为了实现可靠的自动指纹识别系统,人们已经对自动指纹识别技术进行了系统的研究,但是仍然存在很多可以更加深入研究的内容。本文首先以自动指纹识别技术的流程为线索,详细论述了自动指纹识别系统的组成,它涵盖了指纹识别的所有过程,包括指纹预处理、特征提取、指纹匹配、数据库的建立,以及每部分对应的算法。准确可靠地提取细节特征是自动指纹识别实现的前提和基础,而细节特征提取的准确性依赖于指纹图像的质量,指纹图像的预处理主要是指纹图像增强算法的研究。特征提取主要是提取指纹的细节特征及其位置,再对每个细节特征进行验证,对存在的伪特征点进行滤除。采用优点突出的点模式匹配算法来实现指纹的匹配。实现指纹特征的存储功能是建立数据库并描述这种方法的优点及其实现方式。同时在VisualC++环境中对细化算法进行实现,取得了良好的效果。最后文章还分析了目前研究工作中需要进一步完善的地方,指出了今后工作的研究方向。
赵晔[10](2007)在《计算机指纹自动识别系统的应用》文中研究表明
二、CAFIS指纹自动识别系统的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、CAFIS指纹自动识别系统的应用(论文提纲范文)
(1)《刑事技术》2011—2020年指纹学文献计量统计分析(论文提纲范文)
1 数据来源与分析方法 |
1.1 数据来源 |
1.2 研究方法 |
2 结果分析 |
2.1 指纹研究文献产出趋势及整体分析 |
2.2 研究机构分析 |
2.3 作者分析 |
2.4 高被引论文分析 |
2.5 获基金资助分布情况 |
2.6 指纹学研究热点分析 |
2.6.1 指纹基础研究热点分析 |
2.6.2 指纹显现提取热点分析 |
2.6.3 指纹自动识别热点分析 |
2.6.4 指纹检验鉴定热点分析 |
3 小结 |
(2)基于深度学习的指纹自动识别技术(论文提纲范文)
1 AFIS的技术发展 |
1.1 基于模式识别技术的指纹特征识别算法 |
1.2 基于Web技术的指纹信息系统 |
1.3 基于高性能计算的指纹比对 |
2 人工智能技术 |
3 深度学习技术在指纹领域的应用 |
3.1 指纹图像特征向量的构建 |
3.2 基于深度学习的指纹识别基本技术方案 |
3.3 关键技术 |
3.4 常用的基本网络模型示例 |
3.4.1 卷积神经网络 |
3.4.2 自编码器 |
3.4.3 卷积自编码器 |
4 AFIS性能测试及比较 |
4.1 某人工智能算法的性能测试 |
4.1.1 正查测试 |
4.1.2 查重测试 |
4.2 性能对照 |
5 展望 |
(3)斗型纹三角区域相似异源研究 ——基于百万级数据库(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究进展 |
1.2.1 鉴定人认知能力研究 |
1.2.2 指纹鉴定准确性及可靠性研究 |
1.2.3 鉴定意见表述研究 |
1.2.4 基于指纹自动识别系统的特征人工标注研究 |
1.2.5 指纹相似异源研究 |
1.2.6 指纹自动识别算法研究进展 |
1.3 研究目的和意义 |
1.4 论文研究内容和组织结构 |
2 捺印斗型纹中三角区域相似异源研究 |
2.1 引言 |
2.2 实验 |
2.2.1 实验设计 |
2.2.2 实验材料与仪器设备 |
2.2.3 实验样本的制作、选取与录入 |
2.2.4 现场指纹特征标注方法 |
2.2.5 现场指纹特征标注数量 |
2.2.6 候选列表中同源指纹排位记录 |
2.2.7 候选列表中相似异源指纹的查询及记录 |
2.3 实验结果分析及讨论 |
2.3.1 同源指纹排位结果分析及讨论 |
2.3.2 相似异源指纹查询结果分析及讨论 |
2.4 本章小结 |
3 现场指纹质量不同对检索结果的影响研究 |
3.1 引言 |
3.2 实验 |
3.2.1 实验设计 |
3.2.2 实验材料与仪器设备 |
3.2.3 现场指纹的制作 |
3.2.4 现场指纹质量评估 |
3.2.5 现场指纹的录入 |
3.2.6 现场指纹特征标注方法 |
3.2.7 同源指纹及相似异源指纹的查询方法 |
3.3 实验结果分析及讨论 |
3.3.1 同源指纹与相似异源指纹均未出现的情况分析及讨论 |
3.3.2 仅出现同源指纹的情况分析及讨论 |
3.3.3 仅出现相似异源指纹的情况分析及讨论 |
3.3.4 同源指纹与相似异源指纹同时出现的情况分析及讨论 |
3.4 本章小结 |
4 相似异源指纹对鉴定的影响 |
4.1 引言 |
4.2 实验 |
4.2.1 实验设计 |
4.2.2 实验材料与仪器设备 |
4.2.3 参加实验人员 |
4.2.4 现场和档案指纹的选取 |
4.2.5 PIANOS指纹能力验证系统 |
4.2.6 实验操作 |
4.2.7 实验数据分析方法 |
4.3 实验结果与讨论 |
4.3.1 工作年限对鉴定结果的影响 |
4.3.2 对指纹检验鉴定价值的判断 |
4.3.3 鉴定人员自信程度对结果的影响 |
4.3.4 3015 指纹错误鉴定的原因分析 |
4.4 本章小结 |
5 指纹三角区域特征融合匹配STSF算法研究 |
5.1 引言 |
5.2 算法介绍 |
5.2.1 相似三角形算法改进 |
5.2.2 SIFT特征点匹配算法 |
5.2.3 改进的相似三角形匹配算法 |
5.2.4 STSF融合算法 |
5.3 STSF特征匹配算法验证实验 |
5.3.1 实验环境及数据集选取 |
5.3.2 评价指标 |
5.3.3 特征提取 |
5.4 实验结果 |
5.4.1 公开数据集和真实指纹集实验结果 |
5.4.2 实验结果分析 |
5.5 本章小结 |
6 总结与展望 |
6.1 主要研究工作及总结 |
6.2 对实战部门的建议 |
6.3 论文创新点 |
6.4 后续研究方向 |
在学研究成果 |
附录 |
附A:检索得到的高度相似异源指纹照片 |
附B:同源指纹和相似异源指纹均未出现的查询结果 |
附C:仅出现同源指纹的查询结果 |
附D:20组样本指纹查询结果 |
参考文献 |
(4)指纹细节特征点编辑与CAFIS查中率关系研究(论文提纲范文)
一、引言 |
二、实验原理 |
三、实验设计 |
(一)实验目的 |
(二)实验材料与仪器 |
(三)制作样本 |
(四)实验步骤 |
1. 制作样本 |
(1)10个固定量选取要求 |
(2)可识别细节特征点选取要求 |
(3)未识别细节特征点选取要求 |
2.数据录入 |
3.获取基础比中率得分 |
4.添加实验变量 |
四、实验数据与分析 |
(一)添加可识别细节特征点时系统得分 |
(二)添加未识别细节特征点时系统得分 |
(三)实验分析 |
1.实验量的问题 |
2.样本采集问题 |
3.人工干预问题 |
五、实验结论 |
(5)Cafis系统在刑侦指纹比对过程中的应用(论文提纲范文)
一、指纹自动识别系统 |
二、Cafis系统比对原理 |
三、Cafis系统在刑侦指纹比对过程中的应用 |
(6)基于BOINC平台的指纹自动识别系统的设计与实现(论文提纲范文)
1??引言 |
2??志愿计算主流平台?BOINC |
2.1??BOINC基本概念 |
2.2??BOINC客户端与服务器端通信协议 |
2.3??BOINC服务器端作业的生命周期 |
3??系统流程及主要模块 |
3.1??作业创建模块 |
3.2??作业的认证及收集模块 |
4??测试 |
4.1??服务器及应用程序的部署 |
4.2??客户端的接入 |
5??性能分析 |
5.1??示例结果 |
5.2??时间性能分析 |
(7)GPU指纹计算程序简述及性能分析(论文提纲范文)
1??指纹?GPU算法与?CPU串行算法比较 |
1.1??指纹比对算法基本概念 |
1.2??基于?GPU的指纹算法 |
1.3??GPU与?CPU程序对比测试 |
1.3.1 测试一:不同档案库规模测试 (现场指纹特征点数量15) |
1.3.2 测试二:现场指纹不同特征点数量测试 (底库采用390 000的档案指纹规模) |
2??指纹?GPU计算程序效率分析 |
2.1??GPU?指纹计算时间的分配 |
2.2?GPU设备内部运行时间分配 |
2.3??性能分析 |
3??优化方案 |
3.1??大内存存储方式 |
3.2??多结点内存存储方式 |
3.3??多结点显存存储方式 |
3.4??动态存储方式 |
3.5??大内存方式测试 |
4??结论 |
(8)应用并行计算解决指纹重卡计算瓶颈(论文提纲范文)
1. 引言 |
2. 重卡归并基本程序设计 |
2.1 指纹重卡归并计算串行程序设计 |
2.2 指纹重卡计算面临的问题 |
3. 对于并行模式的讨论 |
4. 指纹重卡计算的并行实现 |
4.1 并行程序设计 |
4.1.1 任务划分 |
4.1.2 进程间交互 |
4.1.3 文件同步写入 |
4.2 指纹数据整理 |
4.3 在超级计算机上测试 |
4.4 程序运行 |
5. 计算结果 |
(9)民用指纹识别系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景和意义 |
1.2 国内外民用指纹研究现状 |
1.3 本文的研究内容和主要工作 |
1.4 本文的组织结构 |
第2章 指纹图像的预处理 |
2.1 指纹图像预处理概述 |
2.2 指纹图像的增强 |
2.2.1 指纹图像的平滑处理 |
2.2.2 指纹图像的锐化处理 |
2.3 指纹图像的二值化 |
2.4 指纹图像的修补 |
2.5 指纹图像的细化处理 |
2.6 本章小结 |
第3章 指纹特征的提取 |
3.1 指纹特征的相关概述 |
3.2 指纹局部细节特征提取 |
3.3 基于局部结构信息的指纹伪特征滤除处理 |
3.4 基于点模式的细节匹配 |
3.5 指纹模型纹理的数据获取 |
3.6 本章小结 |
第4章 需求分析与总体设计 |
4.1 民用指纹识别系统的需求分析 |
4.2 民用指纹识别系统的库结构 |
4.3 民用指纹识别系统的总体设计 |
4.3.1 设计原则 |
4.3.2 指纹识别系统的总体设计 |
4.3.3 指纹识别处理过程 |
4.4 本章小结 |
第5章 民用指纹识别系统的详细设计与实现 |
5.1 民用指纹识别系统的详细设计概述 |
5.1.1 特征提取算法 |
5.1.2 基于点模式的匹配算法 |
5.2 民用指纹识别系统的编码实现 |
5.2.1 图像预处理算法的处理过程 |
5.2.2 图像二值化算法 |
5.2.3 特征提取算法的实现 |
5.2.4 基于点模式匹配算法的实现 |
5.3 民用指纹识别系统的测试 |
5.3.1 民用指纹识别系统测试 |
5.3.2 测试结果分析 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 指纹识别系统的结论 |
6.2 指纹识别系统的展望 |
参考文献 |
致谢 |
(10)计算机指纹自动识别系统的应用(论文提纲范文)
1 改善了指纹工作者的工作环境 |
2 指纹破案工作发生了质的飞跃 |
3 实现了指纹的信息共享 |
4 拓展了指纹的应用范围 |
5 提高了指纹工作者的总体业务素质 |
四、CAFIS指纹自动识别系统的应用(论文参考文献)
- [1]《刑事技术》2011—2020年指纹学文献计量统计分析[J]. 曹吉明. 刑事技术, 2021
- [2]基于深度学习的指纹自动识别技术[J]. 吴春生,李孝君,吴浩. 刑事技术, 2022
- [3]斗型纹三角区域相似异源研究 ——基于百万级数据库[D]. 艾乐. 中国人民公安大学, 2020(12)
- [4]指纹细节特征点编辑与CAFIS查中率关系研究[J]. 周吉亮,冯雅娴. 湖北警官学院学报, 2015(02)
- [5]Cafis系统在刑侦指纹比对过程中的应用[J]. 王茜. 信息系统工程, 2014(04)
- [6]基于BOINC平台的指纹自动识别系统的设计与实现[J]. 吴响,肖海力,王彦棡,吴春生,冯才刚. 科研信息化技术与应用, 2012(05)
- [7]GPU指纹计算程序简述及性能分析[J]. 吴春生,冯才刚,迟学斌. 科研信息化技术与应用, 2012(04)
- [8]应用并行计算解决指纹重卡计算瓶颈[J]. 吴春生,迟学斌,冯才刚,王彦棡. 科研信息化技术与应用, 2011(06)
- [9]民用指纹识别系统的设计与实现[D]. 王华. 东北大学, 2009(S1)
- [10]计算机指纹自动识别系统的应用[J]. 赵晔. 刑事技术, 2007(04)