指紋模塊演算法
⑴ 指紋鎖的匹配方式1:1,1:N是什麼意思
指紋鎖的匹配方式1:1就是指紋采樣時對同一指紋錄入1次樣，指紋識別時只對比一次，然後判斷是與否。優點：速度比1:N快一點； 缺點；誤識率相對1：N要高點。
1：N就是指紋采樣時對同一指紋錄入N次樣，指紋識別時對比N次，然後判斷是與否。缺點：速度比1：1慢一點； 優點：誤識率相對1：1要低點。
由於指紋本身的唯一性，誤識率已經很低，N一般為2-4，過高無意義。
指紋鎖是智能鎖具，它是計算機信息技術、電子技術、機械技術和現代五金工藝的完美結晶。指紋的特性成為識別身份的最重要證據而廣泛應用於公安刑偵及司法領域。指紋認證具有方便、快速、精確、的特點。
⑵ 指紋識別模塊的主要種類是什麼
指紋識別模塊我所知道的分為三類。一是光學式指紋模塊ZAZ-010-B、二是電容式指紋模塊ZAZ-020、三是射頻指紋模塊ZAZ-030-B。通過這些指紋模塊，又研發出二代證指紋識別儀、指紋鎖等。
⑶ 想用單片機做指紋密碼鎖，需要知道哪些演算法呀
你好！指紋密碼鎖，首先要用到指紋模塊；
然後是管理指紋，錄入、識別、統計等等；
指紋模塊要配合單片機來實現基本的功能；
同時，結合上位機做進一步的數據管理！
有具體需求，可，以，私，信，我！
⑷ 如何通過電容指紋識別模塊錄取指紋
僅供參考。
FPM10A光學指紋模塊簡要使用說明
1．引腳
FPM10A使用1.0MM FPC 上接插座引出了5個引腳，在板子上有標1的位置為第一引腳。五個引腳的作用依次為：
1 為 VCC 電源的正極接 3.6V– 5.5V的電壓均可。
2 為 GND 電源的負極接地。
3 為 TXD 串口的發送。
4 為 RXD 串口的接收。
5 為 NC 懸空不需要使用。
2．串口
FPM10A使用標準的串口與外界通信，默認的波特率為57600，可以進行更改，請參考通信協議。可以與任何單片機，ARM，DSP等帶串口的設備進行連接，請注意電平轉換，連接電腦需要進行電平轉換，比如MAX232電路。3.3V 5V的單片機可以直接連接。
3．關於模塊的檢測
模塊成功上電後，指紋採集窗口會閃一下，表示自檢正常，如果不閃，請仔細檢查電源，是否接反，接錯等。
4．指紋模塊的溫度
指紋模塊使用120MHZ的DSP全速工作，工作時晶元有一些熱，經過嚴格的測試，這是沒有問題的可以放心使用，在不使用的時候可以關閉電源，以降低功耗。
volatile unsigned char UART1_FINGERPRINT_RECEVICE_BUFFER[24];
//FINGERPRINT通信協議定義
unsigned char FP_Pack_Head[6] = {0xEF,0x01,0xFF,0xFF,0xFF,0xFF}; //協議包頭
unsigned char FP_Get_Img[6] = {0x01,0x00,0x03,0x01,0x0,0x05}; //獲得指紋圖像
unsigned char FP_Templete_Num[6] ={0x01,0x00,0x03,0x1D,0x00,0x21 }; //獲得模版總數
unsigned char FP_Search[11]={0x01,0x0,0x08,0x04,0x01,0x0,0x0,0x03,0xA1,0x0,0xB2}; //搜索指紋搜索范圍0 - 929
unsigned char FP_Search_0_9[11]={0x01,0x0,0x08,0x04,0x01,0x0,0x0,0x0,0x13,0x0,0x21}; //搜索0-9號指紋
unsigned char FP_Img_To_Buffer1[7]={0x01,0x0,0x04,0x02,0x01,0x0,0x08}; //將圖像放入到BUFFER1
unsigned char FP_Img_To_Buffer2[7]={0x01,0x0,0x04,0x02,0x02,0x0,0x09}; //將圖像放入到BUFFER2
unsigned char FP_Reg_Model[6]={0x01,0x0,0x03,0x05,0x0,0x09}; //將BUFFER1跟BUFFER2合成特徵模版
unsigned char FP_Delet_All_Model[6]={0x01,0x0,0x03,0x0d,0x00,0x11};//刪除指紋模塊里所有的模版
volatile unsigned char FP_Save_Finger[9]={0x01,0x00,0x06,0x06,0x01,0x00,0x0B,0x00,0x19};//將BUFFER1中的特徵碼存放到指定的位置
volatile unsigned char FP_Delete_Model[10]={0x01,0x00,0x07,0x0C,0x0,0x0,0x0,0x1,0x0,0x0}; //刪除指定的模版
//volatile unsigned char FINGER_NUM;
/*------------------ FINGERPRINT命令字 --------------------------*/
//FINGERPRINT_獲得指紋圖像命令
void FINGERPRINT_Cmd_Get_Img(void)
{
unsigned char i;
for(i=0;i<6;i++) //發送包頭
UART1_Send_Byte(FP_Pack_Head[i]);
for(i=0;i<6;i++) //發送命令 0x1d
UART1_Send_Byte(FP_Get_Img[i]);
}
//講圖像轉換成特徵碼存放在Buffer1中
void FINGERPRINT_Cmd_Img_To_Buffer1(void)
{
unsigned char i;
for(i=0;i<6;i++) //發送包頭
{
UART1_Send_Byte(FP_Pack_Head[i]);
}
for(i=0;i<7;i++) //發送命令 將圖像轉換成 特徵碼 存放在 CHAR_buffer1
{
UART1_Send_Byte(FP_Img_To_Buffer1[i]);
}
}
//將圖像轉換成特徵碼存放在Buffer2中
void FINGERPRINT_Cmd_Img_To_Buffer2(void)
{
unsigned char i;
for(i=0;i<6;i++) //發送包頭
{
UART1_Send_Byte(FP_Pack_Head[i]);
}
for(i=0;i<7;i++) //發送命令 將圖像轉換成 特徵碼 存放在 CHAR_buffer1
{
UART1_Send_Byte(FP_Img_To_Buffer2[i]);
}
}
//將BUFFER1 跟 BUFFER2 中的特徵碼合並成指紋模版
void FINGERPRINT_Cmd_Reg_Model(void)
{
unsigned char i;
for(i=0;i<6;i++) //包頭
{
UART1_Send_Byte(FP_Pack_Head[i]);
}
for(i=0;i<6;i++) //命令合並指紋模版
{
UART1_Send_Byte(FP_Reg_Model[i]);
}
}
//刪除指紋模塊里的所有指紋模版
void FINGERPRINT_Cmd_Delete_All_Model(void)
{
unsigned char i;
for(i=0;i<6;i++) //包頭
UART1_Send_Byte(FP_Pack_Head[i]);
for(i=0;i<6;i++) //命令合並指紋模版
UART1_Send_Byte(FP_Delet_All_Model[i]);
}
//刪除指紋模塊里的指定指紋模版
void FINGERPRINT_Cmd_Delete_Model(unsigned int uiID_temp)
{
volatile unsigned int uiSum_temp = 0;
unsigned char i;
FP_Delete_Model[4]=(uiID_temp0xFF00)>>8;
FP_Delete_Model[5]=(uiID_temp0x00FF);
for(i=0;i<8;i++)
uiSum_temp = uiSum_temp + FP_Delete_Model[i];
//UART0_Send_Byte(uiSum_temp);
FP_Delete_Model[8]=(uiSum_temp0xFF00)>>8;
FP_Delete_Model[9]=uiSum_temp0x00FF;
for(i=0;i<6;i++) //包頭
UART1_Send_Byte(FP_Pack_Head[i]);
for(i=0;i<10;i++) //命令合並指紋模版
UART1_Send_Byte(FP_Delete_Model[i]);
}
//獲得指紋模板數量
void FINGERPRINT_Cmd_Get_Templete_Num(void)
{ unsigned int i;
unsigned char temp[14];
for(i=0;i<6;i++) //包頭
UART1_Send_Byte(FP_Pack_Head[i]);
//發送命令 0x1d
for(i=0;i<6;i++)
UART1_Send_Byte(FP_Templete_Num[i]);
}
//搜索全部用戶999枚
void FINGERPRINT_Cmd_Search_Finger(void)
{
unsigned char i;
for(i=0;i<6;i++) //發送命令搜索指紋庫
{
UART1_Send_Byte(FP_Pack_Head[i]);
}
for(i=0;i<11;i++)
{
UART1_Send_Byte(FP_Search[i]);
}
}
//搜索全部用戶999枚
void FINGERPRINT_Cmd_Search_Finger_Admin(void)
{
unsigned char i;
for(i=0;i<6;i++) //發送命令搜索指紋庫
{
UART1_Send_Byte(FP_Pack_Head[i]);
}
for(i=0;i<11;i++)
{
UART1_Send_Byte(FP_Search_0_9[i]);
}
}
void FINGERPRINT_Cmd_Save_Finger( unsigned char ucH_Char,unsigned char ucL_Char )
{
unsigned long temp = 0;
unsigned char i;
// SAVE_FINGER[9]={0x01,0x00,0x06,0x06,0x01,0x00,0x0B,0x00,0x19};//將BUFFER1中的特徵碼存放到指定的位置
FP_Save_Finger[5] = ucH_Char;
FP_Save_Finger[6] = ucL_Char;
for(i=0;i<7;i++) //計算校驗和
temp = temp + FP_Save_Finger[i];
FP_Save_Finger[7]=(temp 0x00FF00) >> 8; //存放校驗數據
FP_Save_Finger[8]= temp 0x0000FF;
for(i=0;i<6;i++)
UART1_Send_Byte(FP_Pack_Head[i]); //發送包頭
for(i=0;i<9;i++)
UART1_Send_Byte(FP_Save_Finger[i]); //發送命令 將圖像轉換成 特徵碼 存放在 CHAR_buffer1
}
//接收反饋數據緩沖
void FINGERPRINT_Recevice_Data(unsigned char ucLength)
{
unsigned char i;
for (i=0;i<ucLength;i++)
UART1_FINGERPRINT_RECEVICE_BUFFER[i] = UART1_Receive_Byte();
}
⑸ 智能手機屏面指紋解鎖的原理是什麼
滑動式採集是將手指在感測器上滑過，從而使手機獲得手指指紋圖像。滑動式採集具有成本相對偏低，而且可以採集大面積圖像的優勢。但這種採集方式存在體驗較差的問題，使用者需要一個連續規范的滑動動作才能實現採集成功，採集失敗的概率大大增加。某品牌手機曾經使用過這種採集方式，因滑動式採集存在的短板而受到詬病。按壓式採集顧名思義就是在感測器上按壓實現指紋數據採集，這種採集方式當然用戶體驗好一些，不過成本比滑動採集高，技術難度也相對高一些。此外，由於一次採集的指紋面積相對滑動式採集來說要小一些，就得多次採集，通過「拼湊」，拼出較大面積的指紋圖像。這就必須仰仗先進的演算法，用軟體演算法來彌補滑按壓式採集獲得的指紋面積相對偏小的問題，以保障識別的精確度。
⑹ 指紋識別演算法都有哪些，最先進的是什麼演算法
現在國內外大都採用基於細節特徵點的指紋識別技術，即採用基於圖像處理的指紋識別演算法，有兩種比較有代表性的。一種是基於方向濾波增強，並在指紋細化圖上提取特徵點的演算法，另一種是直接從指紋灰度圖上提取特徵點的演算法。難題在於有些演算法會由於指紋圖像的噪音、皮膚彈性引起的非線性形變等多方面因素，導致在識別過程中出現誤差，影響識別率等[1-2]
指紋演算法存在的難題與方向
指紋圖像預處理：預處理的目的是改善輸入指紋圖像的質量，以提高特徵提取的准確性。本文採用灰度分割法對指紋圖像進行分割。利用中值濾波去噪。通過自適應二值化的方法處理指紋圖像，最後再對圖像進行細化處理並去除毛刺，斷裂等干擾。
指紋圖像特徵提取：對指紋圖像的特徵點進行提取。由於經過預處理後的細化圖像上存在大量的偽特徵點，這些偽特徵點的存在，不但使匹配的速度大大降低，還使指紋識別性能急劇下降，造成識別系統的誤拒率和誤識率的上升。因此在進行指紋匹配之前，應盡可能將偽特徵點去除，針對提取出的指紋細節特徵點含有大量的偽特徵點這一問題，提出了一種邊緣信息判別法，有效地去除了邊界偽特徵點，再根據脊線結構特性去除其毛刺和短脊等偽特徵點，明顯的減少了偽特徵點。
指紋匹配：對指紋圖像的匹配演算法進行研究。特徵匹配是識別系統的關鍵環節，匹配演算法的好壞直接影響識別的性能、速度和效率。為了克服指紋圖像非線性形變的影響，採用基於結構特徵的點匹配演算法，對校準後的點集進行匹配，匹配的特徵點個數在兩個點集中所佔比例大約百分之六十五的范圍內就可判為匹配成功。
⑺ 智能指紋密碼鎖的指紋識別功能怎麼實現的
第吉爾指紋鎖自動指紋識別系統通過特殊的光電轉換設備和計算機圖像處理技術，對活體指紋進行採集、分析和比對，可以自動、迅速、准確地鑒別出個人身份。一般可以分成「離線部分」和「在線部分」兩個部分。其中離線部分包括用指紋採集儀採集指紋、提取出細節點、將細節點保存到資料庫中形成指紋模板庫等主要步驟。在線部分包括用指紋採集儀採集指紋、提取出細節點、然後將這些細節點與保存在資料庫中模板細節點進行匹配，判斷輸入細節點與模板細節點是否來自同一個手指的指紋。採用先進的光電識別辦法採集一個生物類指紋信息後，把它變成可以和已由計算機處理過的暗碼相比對的代碼。這些代碼都經過加密處理，然後經獨特的相關演算法進行識別判斷，在演算法上有的採用的是一個生物類指紋的全部圖案，而有的是生物類指紋的特殊細節。
⑻ 指紋模塊的指紋模塊的原理
光學指紋模塊：利用光的折射和反射原理，光從底部射向三棱鏡，並經棱鏡射出，射出的光線在手指表面指紋凹凸不平的線紋上折射的角度及反射回去的光線明暗就會不一樣。CMOS或者CCD的光學器件就會收集到不同明暗程度的圖片信息，就完成指紋的採集。
半導體指紋模塊：無論是電容式或是電感式，其原理類似，在一塊集成有成千上萬半導體器件的「平板」上，手指貼在其上與其構成了電容（電感）的另一面，由於手指平面凸凹不平，凸點處和凹點處接觸平板的實際距離大小就不一樣，形成的電容/電感數值也就不一樣，設備根據這個原理將採集到的不同的數值匯總，也就完成了指紋的採集。
射頻指紋模塊：利用生物射頻指紋識別技術，通過感測器本身發射出微量射頻信號，穿透手指的表皮層去控測里層的紋路，來獲得最佳的指紋圖像。防偽指紋能力強，射頻識別原理只對人的真皮皮膚有反應，從根本上杜絕了人造指紋的問題。
