FingerprintFeatureExtraction

As características importantes das minúcias da impressão digital são os pontos finais das cristas (também conhecidas como terminações) e as bifurcações das cristas.

O conjunto de recursos para a imagem consiste na localização das terminações e bifurcações e suas orientações

Instalação e execução dos testes

metodo 1

 pip install fingerprint-feature-extractor

uso:

import fingerprint_feature_extractor
img = cv2.imread('image_path', 0)				# read the input image --> You can enhance the fingerprint image using the "fingerprint_enhancer" library
FeaturesTerminations, FeaturesBifurcations = fingerprint_feature_extractor.extract_minutiae_features(img, spuriousMinutiaeThresh=10, invertImage=False, showResult=True, saveResult=True)

metodo 2

da pasta src, execute o arquivo "main.py"
a imagem de entrada é armazenada na pasta "enhanced". Se a imagem de entrada não for aprimorada, os recursos de minúcias serão muito ruidosos

Bibliotecas necessárias:

opencv
skimage
numpy
math

Aqui estão algumas das saídas:

Como combinar as minúcias extraídas?

Vários artigos são publicados para realizar correspondência de minúcias. Aqui estão alguns bons:

"ALGORITMOS DE CORRESPONDÊNCIA BASEADOS EM MINUTIAE EM SISTEMAS DE RECONHECIMENTO DE IMPRESSÕES DIGITAIS" por Łukasz WIĘCŁAW http://www.keia.ath.bielsko.pl/sites/default/files/publikacje/11-BIO-41-lukaszWieclawMIT_v2_popr2.pdf

"Um algoritmo de correspondência de impressão digital baseado em minúcias usando correlação de fase" por Weiping Chen e Yongsheng Gao https://core.ac.uk/download/pdf/143875633.pdf

"RECONHECIMENTO DE IMPRESSÕES DIGITAIS USANDO MINUTIA SCORE MATCHING" por RAVI. J, K. B. RAJA, VENUGOPAL. K. R https://arxiv.org/ftp/arxiv/papers/1001/1001.4186.pdf

ATUALIZADO

Extração e Comparação de Características de Impressões Digitais com Flask

Este projeto se trata da extração de características de impressões digitais e da comparação dessas características. Ele é escrito em Python e usa a biblioteca Flask para criar uma API web. O projeto consiste em dois arquivos principais:

example.py, que extrai características de uma lista de imagens e as compara com uma imagem de referência, fornecendo a distância euclidiana dos pontos extraídos.
comparar.py, que aceita duas imagens via uma requisição HTTP POST, extrai características das impressões digitais dessas imagens, compara essas características e retorna a similaridade entre as duas imagens como uma resposta HTTP.

Instalação e Configuração

Clone o repositório para o seu espaço de trabalho

git clone https://github.com/faustinopsy/Fingerprint-Feature-Extraction

cd Fingerprint-Feature-Extraction 2. Crie um ambiente virtual (opcional, mas recomendado)shell python3 -m venv venv source venv/bin/activate # No Windows, use venv\Scripts\activate 3. Instale as dependências necessáriasshell pip install flask numpy opencv-python-headless pillow json ```

Uso

Para usar este projeto, você pode seguir os passos abaixo.

Sem Flask

Para rodar example.py:

python example.py

Com Flask

Para rodar comparar.py:

python comparar.py

Isso irá iniciar um servidor Flask na porta 8000.

Para comparar duas imagens, você precisa enviar uma requisição POST para http://localhost:8000/compare com o corpo da requisição contendo duas imagens codificadas em base64 nos campos 'img1' e 'img2'. A API irá extrair características das imagens, compará-las e retornar a similaridade das imagens como resposta.

Por exemplo, usando curl:

curl -X POST -d "img1=$(base64 -w 0 image1.png)&img2=$(base64 -w 0 image2.png)" http://localhost:8000/compare

Isso retornará a similaridade entre image1.png e image2.png.

Função PHP

No metodo PHP abaixo, eu envio a imagem vinda do front-end onde faço a captura da digital, depois dentro do metodo realizo a leitura das imagens já salvas no banco de dados, e envio uma a uma dentro do loop junto com a primeira que é a base, e as demais vinda do banco, caso a porcentagem de similaridade esteja acima de 90% termina, aconselhavel enviar um outro argumento para que não percorra todas as imagens do banco.

    public function verify($image) {
       
        $imagesDb = $this->read(); ///imagens vinda do banco de dados, varias imagens
        $result['status'] = false;

            $base64_str = str_replace('data:image/png;base64,', '', $image);//imagem vinda do front-end
            $bin = base64_decode($base64_str);
            $size = getImageSizeFromString($bin);

            if (empty($size['mime']) || strpos($size['mime'], 'image/') !== 0) {
            die('Base64 value is not a valid image');
            }
            $ext = substr($size['mime'], 6);
            if (!in_array($ext, ['png', 'gif', 'jpeg'])) {
            die('Unsupported image type');
            }
            $img_login = "../../images/img_login.{$ext}";
            $size_login = $size[0];
            file_put_contents($img_login, $bin);
            $imagem=json_decode(json_encode($image), true);
            $soma=[];
            $i=0;
            foreach ($imagesDb as $users_file_b64) {
                $id =intval($users_file_b64['user_id']);
                $i++;
                $obs =$users_file_b64['obs'];
                $file_b64 =explode(',', $users_file_b64['bio']);
                $file_b64 = $file_b64[1];
                $bin2 = base64_decode($file_b64);
                $size2 = getImageSizeFromString($bin2);
                
                $img_banco = "../../images/img_{$i}.png";
                $size_banco = $size2[0];
                file_put_contents($img_banco, $bin2);


                $url = 'http://localhost:8000/compare';

                // Define the image data
                $post_data = http_build_query(array(
                    'img1' => base64_encode(file_get_contents($img_login)),
                    'img2' => base64_encode(file_get_contents($img_banco)),
                ));

                // Initialize a CURL session
                $ch = curl_init();
                curl_setopt($ch, CURLOPT_HTTPHEADER, array('Content-Type: application/x-www-form-urlencoded',
                'Content-Type: multipart/form-data'));
                curl_setopt($ch, CURLOPT_URL, $url);
                curl_setopt($ch, CURLOPT_POST, true);
                curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
                curl_setopt($ch, CURLOPT_POSTFIELDS, $post_data);

                // Execute the CURL session
                $response = curl_exec($ch);

                // Get the HTTP status code of the CURL session
                $httpcode = curl_getinfo($ch, CURLINFO_HTTP_CODE);

                // Close the cURL session
                curl_close($ch);

                // Parse the response
                $response_data = json_decode($response, true);

                $best_ssim = $response_data['ssim'];

                array_push($soma,$best_ssim);
                if($best_ssim >= 90){
                    $result['status'] = true;
                    $result['message'] = $best_ssim;
                    $result['imagem'] = $img_banco;
                    $result['obs'] = $obs;
                    echo json_encode($result);
                    exit;
                }  
            }   
            if(!empty($img_banc)){
                unlink($img_banco);
                unlink($img_login);
            }
            $result['status'] = false;
            $result['message'] = 'Dados não conferem, tente novamente!';
            $result['valores'] = $soma;
            echo json_encode($result);
            //imagedestroy($image1);
            //imagedestroy($image2);
            exit;
         
    }

faustinopsy / fingerprint-feature-extraction Goto Github PK