PFPINet：一个用于部分手指照片识别的端到端网络

《IEEE Transactions on Biometrics, Behavior, and Identity Science》：PFPINet: An End-to-End Network for Partial Finger Photo Identification

智能手机指纹照片识别面临质量退化问题，本文提出PFPINet框架，结合质量评估、图像增强和分块识别模块，有效提升识别准确率。

　　

摘要：

智能手机已成为日常生活中不可或缺的工具，可用于多种场景，如设备解锁、账户登录、在线交易、电子银行服务、电子健康服务以及访问控制等。近年来，利用智能手机摄像头获取指纹图像（称为“手指照片”）作为一种替代专用指纹传感器的方法受到了关注，因为这种方法更加便捷、经济且易于获取。然而，手指照片的质量会受到多种因素的影响，包括光照条件、摄像头分辨率、手指或智能手机的移动、对焦不良以及手指放置的角度等。这些因素可能导致某些区域变得模糊或质量低下，从而无法可靠地重建指纹的纹理特征。当某些区域受损时，手指照片的剩余部分也会变得不完整，这对识别系统来说是一个重大挑战。在本文中，我们提出了PFPINet，这是一个基于补丁的端到端框架，用于部分手指照片的识别。PFPINet包含多个模块，其中三个是本文新引入的组件：FreqQualNet（一种深度卷积神经网络，用于评估手指照片的质量）；EnGAN（一种生成对抗网络，用于提升图像质量）；以及PaINet（一种结合了k-means聚类算法的深度卷积神经网络，用于识别——与大多数仅关注验证的现有方法不同）。在三个手指照片数据集和两个跨数据库的非接触式指纹数据集上进行的广泛实验表明，PFPINet的性能始终优于当前最先进的方法（SOTA）。