手指檢測演算法

⑴ 指紋識別技術是基於哪些原理

指紋其實是比較復雜的。與人工處理不同，許多生物識別技術公司並不直接存儲指紋的圖像。多年來在各個公司及其研究機構產生了許多數字化的演算法（美國有關法律認為，指紋圖像屬於個人隱私，因此不能直接存儲指紋圖像）。但指紋識別演算法最終都歸結為在指紋圖像上找到並比對指紋的特徵。
指紋的特徵
我們定義了指紋的兩類特徵來進行指紋的驗證：總體特徵和局部特徵。總體特徵是指那些用人眼直接就可以觀察到的特徵，包括：
基本紋路圖案
環型（loop）,
弓型（arch）,
螺旋型（whorl）。其他的指紋圖案都基於這三種基本圖案。僅僅依靠圖案類型來分辨指紋是遠遠不夠的，這只是一個粗略的分類，但通過分類使得在大資料庫中搜尋指紋更為方便。
模式區（Pattern
Area）模式區是指指紋上包括了總體特徵的區域，即從模式區就能夠分辨出指紋是屬於那一種類型的。有的指紋識別演算法只使用模式區的數據。
Aetex
的指紋識別演算法使用了所取得的完整指紋而不僅僅是模式區進行分析和識別。
核心點（Core
Point）核心點位於指紋紋路的漸進中心，它用於讀取指紋和比對指紋時的參考點。
三角點（Delta）三角點位於從核心點開始的第一個分叉點或者斷點、或者兩條紋路會聚處、孤立點、折轉處，或者指向這些奇異點。三角點提供了指紋紋路的計數和跟蹤的開始之處。
式樣線（Type
Lines）式樣線是在指包圍模式區的紋路線開始平行的地方所出現的交叉紋路，式樣線通常很短就中斷了，但它的外側線開始連續延伸。
紋數（Ridge
Count）指模式區內指紋紋路的數量。在計算指紋的紋數時，一般先在連接核心點和三角點，這條連線與指紋紋路相交的數量即可認為是指紋的紋數。
局部特徵
局部特徵是指指紋上的節點。兩枚指紋經常會具有相同的總體特徵，但它們的局部特徵--節點，卻不可能完全相同
節點（Minutia
Points）指紋紋路並不是連續的，平滑筆直的，而是經常出現中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為"節點"。就是這些節點提供了指紋唯一性的確認信息。
指紋上的節點有四種不同特性：
1.
分類
-
節點有以下幾種類型，最典型的是終結點和分叉點
A.
終結點（Ending）
--
一條紋路在此終結。
B.
分叉點（Bifurcation）
--
一條紋路在此分開成為兩條或更多的紋路。
C.
分歧點（Ridge
Divergence）
--
兩條平行的紋路在此分開。
D.
孤立點（Dot
or
Island）
--
一條特別短的紋路，以至於成為一點
E.
環點（Enclosure）
--
一條紋路分開成為兩條之後，立即有合並成為一條，這樣形成的一個小環稱為環點
F.
短紋（Short
Ridge）
--
一端較短但不至於成為一點的紋路，
2.
方向（Orientation）
--
節點可以朝著一定的方向。
3.
曲率（Curvature）
--
描述紋路方向改變的速度。
4.
位置（Position）
--
節點的位置通過（x,y）坐標來描述，可以是絕對的，也可以是相對於三角點或特徵點的。

⑵ 小孩手指心演算法的基本方法

初級：100以內加減 准備：教師在帶讀以下口訣並做相關手指游戲前，需發出口令「清零」，幼兒馬上雙手擊掌，然後緊握雙拳在胸前，聚精會神做好准備。（注意：手心朝里，兩拳間隔距離以方便雙手出指為准，既不要太近，也不要太遠。） 一、手指定位口訣 我有一雙手，代表九十九；左手定十位，九十我會數； 右手定個位，從一數到九；加減很方便，計算不用愁。 二、手指定數口訣 食指伸開「l」，中指伸開「2」； 無名指為「3」，小指伸開「4」； 四指一握伸拇指，拇指是「5」要記住； 再伸食指到小指，「6」「7」「8」「9」排成數。 三、右手出指練習口訣 一馬當先，二虎相爭，三言兩語，四海為家，五穀豐登， 六畜興旺，七上八下，八仙過海，九牛一毛，十萬火急。 一言九鼎，二龍戲珠，三足鼎立，四面楚歌，五穀豐登， 六神無主，七上八下，八面玲瓏，九牛一毛，十全十美。 （註：念到「十萬火急」或「十全十美」時，右手握拳，左手出「1」，代表進位。） 四、左手出指練習口訣 一十，二十，三十，四十；五十， 六十，七十，八十，九十，一百。 （註：念到「一百」時，雙手擊掌，然後緊握雙拳在胸前。） 五、雙手出數練習 15、23、46、99、58、73、61 …… （註：根據各年齡段幼兒認知水平，選擇出數的大小。） 六、加法練習 注意：在做加法練習時，比如「3+5」，右手先出「3」，「+5」的過程是：嘴裡念「加1」，出小拇指；嘴裡念「加2」，四指一提伸大拇指（注意在出指的過程中大拇指只代表「1」，只有在定數的時候，大拇指才當成「5」）；嘴裡念「加3」，出食指；嘴裡念「加4」，出中指；嘴裡念「加5」，出無名指。此時開始定數，右手手指只有小拇指未打開，結果即為「8」。 （1）個位數加法練習（10以內加法練習） 1+1 2＋l、2＋2 3+l、3＋2、3＋3 4＋l、4＋2、4＋3、4＋4 5＋ 1、5+ 2、5+ 3、5+ 4、5+5 1+ 1、1+ 2、1+ 3、1+ 4、1+ 5、1+ 6、1+ 7、1+ 8、1+9 2＋l、2＋2、2＋3、2＋4、2＋5、2＋6、2＋7、2＋8 3+l、3＋2、3＋3、3+4、3＋5、3＋6、3+7 4＋l、4＋2、4＋3、4＋4、4＋5、4+6 5＋ 1、5+ 2、5+ 3、5+ 4、5+5 （2）十位數加法練習 10+10 20＋l0、20＋20 30+l0、30＋20、30＋30 40＋l0、40＋20、40＋30、40＋40 50＋10、50+20、50+30、50+40、50+50 10+10、10+20、10+30、10+40、10+50、10+60、10+70、10+80、10+90 20＋l0、20＋20、20＋30、20＋40、20＋50、20＋60、20＋70、20＋80 30+l0、30＋20、30＋30、30+40、30＋50、30＋60、30+70 40＋l0、40＋20、40＋30、40＋40、40＋50、40+60 50＋10、50+20、50+30、50+40、50+50 （3）一百以內加法混合練習 3＋ 5、4＋5、l+5、6+5、8＋7、9＋l、9+3、7+10 13+12、24+17、49+2、47+ 6、43+8、46+54，38+62…… （4）一百以內連加混合練習 23+18＋19＋24+16、18＋6＋49＋27…… 七、雙手減法練習 減法很簡單，小指開始減，退位要記住，指法要熟練。 （l）右手減法練習 1-1 2- 1、2-2 3- 1、3- 2、3-3 4- 1、4- 2、4- 3、4-4 5- 1、5- 2、5- 3、5- 4、5-5 6- 1、6- 2、6- 3、6- 4、6- 5、6-6 7- 1、7- 2、7- 3、7- 4、7- 5、7- 6、7-7 8- 1、8- 2、8- 3、8- 4、8- 5、8- 6、8- 7、8-8 9- 1、9- 2、9- 3、9- 4、9- 5、9- 6、9- 7、9- 8、9-9 9- 1、9- 2、9- 3、9- 4、9- 5、9- 6、9- 7、9- 8、9-9 8- 1、8- 2、8- 3、8- 4、8- 5、8- 6、8- 7、8-8 7- 1、7- 2、7- 3、7- 4、7- 5、7- 6、7-7 6- 1、6- 2、6- 3、6- 4、6- 5、6-6 5- 1、5- 2、5- 3、5- 4、5-5 4- 1、4- 2、4- 3、4-4 3- 1、3- 2、3-3 2- 1、2-2 1-1 （2）左手（十位數）減法練習 10-10 20-10、20-20 30-10、30-20、30-30 40-10、40-20、40-30、40-40 50-10、50-20、50-30、50-40、50-50 60-10、60-20、60-30、60-40、60-50、60-60 70-10、70-20、70-30、70-40、70-50、70-60、70-70 80-10、80-20、80-30、80-40、80-50、80-60、80-70、80-80 90-10、90-20、90-30、90-40、90-50、90-60、90-70、90-80、90-90 100-10、100-20、100-30、100-40、100-50、100-60、100-70、100-80、100-90、100-100 100-10、100-20、100-30、100-40、100-50、100-60、100-70、100-80、100-90、100-100 90-10、90-20、90-30、90-40、90-50、90-60、90-70、90-80、90-90 80-10、80-20、80-30、80-40、80-50、80-60、80-70、80-80 70-10、70-20、70-30、70-40、70-50、70-60、70-70 60-10、60-20、60-30、60-40、60-50、60-60 50-10、50-20、50-30、50-40、50-50 40-10、40-20、40-30、40-40 30-10、30-20、30-30 20-10、20-20 10-10 （3）雙手減法混合練習 50- 1、53-6、51-8、55-6、55-16、100-53、97-49…… 八、雙手初級加減混合練習 24+26-3+53、28+27-6＋3-45＋49+43，100-51-25-15…… 九、初級運算注意事項 在加法中注意四十九和一百的進位方法，在減法中注意百位和五十的退位方法

⑶ 手機指紋識別原理是如何感應的

原理：指紋識別即指通過比較不同指紋的細節特徵點來進行鑒別 。指紋識別技術涉及 圖像處理、 模式識別、計算機視覺、 數學形態學、小波分析等眾多學科。由於每個人的 指紋不同，就是同一人的十指之間，指紋也有明顯區別，因此指紋可用於身份鑒定。由於每次捺印的方位不完全一樣，著力點不同會帶來不同程度的變形，又存在大量模糊 指紋，如何正確提取特徵和實現正確匹配，是指紋識別技術的關鍵。

⑷ 指紋識別是什麼原理呢

本來想自己寫的，但是要說的太多了，乾脆找找COPY一個。你還有什麼不明白的可以直接問我，我就是做這個行業的。

手指上的指紋表徵了一個人的身份特徵。1788年Mayer首次提出沒有兩個人的指紋完全相同，1823年Purkinie首次把指紋紋形分成9類，1889年Henry提出了指紋細節特徵識別理論，奠定了現代指紋學的基礎。但採用人工比對的方法，效率低、速度慢。20世紀60年代，開始用計算機圖像處理和模式識別方法進行指紋分析，這就是自動指紋識別系統（簡稱AFIS）[1]。20世紀70年代末80年代初，刑事偵察用自動指紋識別系統（police�AFIS，P�AFIS）投入實際運用。20世紀90年代，AFIS進入民用，稱為民用自動指紋識別系統（civil�AFIS，C�AFIS）。本文試圖從指紋特徵分析著手，闡述指紋作為人體身份識別的原理方法、指紋識別的主要技術指標和測試方法，以及實際應用的現實性與可靠性[2-4]。

1 指紋識別的原理和方法

1.1 指紋的特徵與分類
指紋識別學是一門古老的學科，它是基於人體指紋特徵的相對穩定與唯一這一統計學結果發展起來的。實際應用中，根據需求的不同，可以將人體的指紋特徵分為：永久性特徵、非永久性特徵和生命特徵[5]。
永久性特徵包括細節特徵（中心點、三角點、端點、叉點、橋接點等）和輔助特徵（紋型、紋密度、紋曲率等元素），在人的一生中永不會改變，在手指前端的典型區域中最為明顯，分布也最均勻[1]。細節特徵是實現指紋精確比對的基礎，而紋形特徵、紋理特徵等則是指紋分類及檢索的重要依據。人類指紋的紋形特徵根據其形態的不同通常可以分為「弓型、箕型、斗型」三大類型，以及「孤形、帳形、正箕形、反箕形、環形、螺形、囊形、雙箕形和雜形」等9種形態[1]。紋理特徵則是由平均紋密度、紋密度分布、平均紋曲率、紋曲率分布等紋理參數構成。紋理特徵多用於計算機指紋識別演算法的多維分類及檢索。
非永久性特徵由孤立點、短線、褶皺、疤痕以及由此造成的斷點、叉點等元素構成的指紋特徵，這類指紋有可能產生、癒合、發展甚至消失[1]。
指紋的生命特徵與被測對象的生命存在與否密切相關。但它與人體生命現象的關系和規律仍有待進一步認識。目前它已經成為現代民用指紋識別應用中越來越受關注的熱點之一。

1.2 指紋識別的原理和方法
指紋識別技術主要涉及四個功能：讀取指紋圖像、提取特徵、保存數據和比對。通過指紋讀取設備讀取到人體指紋的圖像，然後要對原始圖像進行初步的處理，使之更清晰，再通過指紋辨識軟體建立指紋的特徵數據。軟體從指紋上找到被稱為「節點」（minutiae）的數據點，即指紋紋路的分叉、終止或打圈處的坐標位置，這些點同時具有七種以上的唯一性特徵。通常手指上平均具有70個節點，所以這種方法會產生大約490個數據。這些數據，通常稱為模板。通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果[5-6]。採集設備（即取像設備）分成幾類：光學、半導體感測器和其他。

2 指紋識別技術的主要指標和測試方法

2.1 演算法的精確度

指紋識別系統性能指標在很大程度上取決於所採用演算法性能。為了便於採用量化的方法表示其性能，引入了下列兩個指標。
拒識率（false rejection rate，FRR）：是指將相同的指紋誤認為是不同的，而加以拒絕的出錯概率。FRR=（拒識的指紋數目／考察的指紋總數目）×100%。
誤識率（false accept rate，FAR）：是指將不同的指紋誤認為是相同的指紋，而加以接收的出錯概率。FAR=（錯判的指紋數目／考察的指紋總數目）×100%。
對於一個已有的系統而言，通過設定不同的系統閾值，就可以看出這兩個指標是互為相關的，FRR與FAR成反比關系。這很容易理解，「把關」越嚴，誤識的可能性就越低，但是拒識的可能性就越高。

2.2 誤識率和拒識率的測試方法
測試這兩個指標，通常採用循環測試方法[7]。即給定一組圖像，然後依次兩兩組合，提交進行比對，統計總的提交比對的次數以及發生錯誤的次數，並計算出出錯的比例，就是FRR和FAR。針對FAR=0.0001%的指標，應採用不少於1 415幅不同的指紋圖像作循環測試，總測試次數為1 000 405次，如果測試中發生一次錯誤比對成功，則FAR=1/1 000 405；針對FRR=0.1%，應採用不少於46幅屬於同一指紋的圖像組合配對進行測試，則總提交測試的次數為1 035次數，如果發生一次錯誤拒絕，則FRR=1/1 035。測試所採用的樣本數越多，結果越准確。作為測試樣本的指紋圖像應滿足可登記的條件。

2.3 系統參數
拒登率（error registration rate，ERR）：指的是指紋設備出現不能登錄及處理的指紋的概率，ERR過高將會嚴重影響設備的使用范圍，通常要求小於1%。
登錄時間：指紋設備登錄一枚指紋所需的時間，通常單次登錄的時間要求不超過2 s。
比對時間：指紋設備對兩組指紋特徵模版進行比對所耗費的時間，通常要求不超過1 s。
工作溫度：指紋設備正常工作時所允許的溫度變化范圍，一般是0～40 ℃。
工作濕度：指紋設備正常工作時所允許的相對濕度變化范圍，一般是30%～95%。

3 指紋識別技術的應用
指紋識別技術已經成熟，其應用日益普遍，除了刑事偵察用之外，在民用方面已非常廣泛，如指紋門禁系統、指紋考勤系統、銀行指紋儲蓄系統、銀行指紋保管箱、指紋醫療保險系統、計劃生育指紋管理系統、幼兒接送指紋管理系統、指紋獻血管理系統、證券交易指紋系統、指紋槍械管理系統、智能建築指紋門禁管理系統、駕駛員指紋管理系統等。
指紋門禁系統和指紋考勤系統是開發和使用得最早的一種出入管理系統，包括對講指紋門禁、聯機指紋門禁、離線指紋門禁等等。在入口將個人的手指按在指紋採集器上，系統將已登錄在指紋庫中的指紋（稱為已經注冊）進行對比，如果兩者相符（即匹配），則顯示比對成功，門就自動打開。如不匹配，則顯示「不成功」或「沒有這個指紋」，門就不開。在指紋門禁系統中，可以是一對一的比對（one�to�one matching），也可以是一對幾個比對（one�to�few matching）。前者可以是一個公司、部門，後者可以是一個家庭的成員、銀行的營業廳、金庫、財務部門、倉庫等機要場所。在這些應用中，指紋識別系統將取代或者補充許多大量使用照片和ID系統。
把指紋識別技術同IC卡結合起來，是目前最有前景的一個應用之一。該技術把卡的主人的指紋（加密後）存儲在IC卡上，並在IC卡的讀卡機上加裝指紋識別系統，當讀卡機閱讀卡上的信息時，一並讀入持卡者的指紋，通過比對就可以確認持卡者是否是卡的真正主人，從而進行下一步的交易。指紋IC卡可取代現行的ATM卡、製造防偽證件等。ATM卡持卡人可不用密碼，避免老人和孩子記憶密碼的困難。

近年來，互聯網帶給人們方便與利益已，也存在著安全問題。指紋特徵數據可以通過電子郵件或其它傳輸方法在計算機網路上進行傳輸和驗證，通過指紋識別技術，限定只有指定的人才能訪問相關的信息，可以極大地提高網上信息的安全性。網上銀行、網上貿易、電子商務等一系列網路商業行為就有了安全性保障。
指紋社會保險系統的應用為養老金的准確發放起了非常有效的作用。避免了他人用圖章或身份證復印件代領，而發放人員無法確定該人是故世的問題，要憑本人的活體指紋，才可准確發放養老金。

4 指紋識別的可靠性
指紋識別技術是成熟的生物識別技術。因為每個人包括指紋在內的皮膚紋路在圖案、斷點和交叉點上各不相同，是唯一的，並且終生不變。通過他的指紋和預先保存的指紋進行比較，就可以驗證他的真實身份。自動指紋識別是利用計算機來進行指紋識別的一種方法。它得益於現代電子集成製造技術和快速而可靠的演算法理論研究。盡管指紋只是人體皮膚的一小部分，但用於識別的數據量相當大，對這些數據進行比對是需要進行大量運算的模糊匹配演算法。利用現代電子集成製造技術生產的小型指紋圖像讀取設備和速度更快的計算機，提供了在微機上進行指紋比對運算的可能。另外，匹配演算法可靠性也不斷提高。因此，指紋識別技術己經非常簡單實用。由於計算機處理指紋時，只是涉及了一些有限的信息，而且比對演算法並不是十分精確匹配，其結果也不能保證100%准確。

指紋識別系統的特定應用的重要衡量標志是識別率。主要包括拒識率和誤識率，兩者成反比關系。根據不同的用途來調整這兩個值。盡管指紋識別系統存在著可靠性問題，但其安全性也比相同可靠性級別的「用戶ID+密碼」方案的安全性要高得多。拒識率實際上也是系統易用性的重要指標。在應用系統的設計中，要權衡易用性和安全性。通常用比對兩個或更多的指紋來達到不損失易用性的同時，極大提高系統的安全性。

⑸ 怎樣識別指紋

指紋識別技術主要涉及四個功能：讀取指紋圖象、提取特徵、保存數據和比對。

在一開始，通過指紋讀取設備讀取到人體指紋的圖象，取到指紋圖象之後，要對原始圖象進行初步的處理，使之更清晰。

接下來，指紋辨識軟體建立指紋的數字表示——特徵數據，一種單方向的轉換，可以從指紋轉換成特徵數據但不能從特徵數據轉換成為指紋，而兩枚不同的指紋不會產生相同的特徵數據。軟體從指紋上找到被稱為「節點」（minutiae）的數據點，也就是那些指紋紋路的分叉、終止或打圈處的坐標位置，這些點同時具有七種以上的唯一性特徵。因為通常手指上平均具有70個節點，所以這種方法會產生大約490個數據。

有的演算法把節點和方向信息組合產生了更多的數據，這些方向信息表明了各個節點之間的關系，也有的演算法還處理整幅指紋圖像。總之，這些數據，通常稱為模板，保存為1K大小的記錄。無論它們是怎樣組成的，至今仍然沒有一種模板的標准，也沒有一種公布的抽象演算法，而是各個廠商自行其是。

最後，通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果。

二. 取得指紋圖象

1.取象設備原理

取像設備分成兩類：光學、硅晶體感測器和其他。

光學取像設備有最悠久的歷史，可以追溯到20世紀70年代。依據的是光的全反射原理(FTIR)。光線照到壓有指紋的玻璃表面，反射光線由CCD去獲得，反射光的數量依賴於壓在玻璃表面指紋的脊和谷的深度和皮膚與玻璃間的油脂。光線經玻璃設到谷後反射到CCD，而設到脊後則不反射到CCD（確切的是脊上的液體反光的）。

由於最近光學設備的革新，極大地降低了設備的體積。最近90年代中期，感測器可以裝在6x3x6英寸的盒子里，在不久的將來更小的設備是3x1x1英寸。這些進展取決於多種光學技術的發展而不是FTIR的發展。例如：纖維光被用來捕捉指紋圖象。纖維光束垂直射到指紋的表面，他照亮指紋並探測反射光。另一個方案是把含有一微型三棱鏡矩陣的表面安裝在彈性的平面上，當手指壓在此表面上時，由於脊和谷的壓力不同而改變了微型三棱鏡的表面，這些變化通過三棱鏡光的反射而反映出來。

應用晶體感測器是最近在市場上才出現的，盡管它在傳奇文學作品中已經出現近20年。這些含有微型晶體的平面通過多種技術來繪制指紋圖象。電容感測器通過電子度量被設計來捕捉指紋。電容設備能結合大約100,000導體金屬陣列的感測器，其外面是絕緣的表面，當用戶的手指放在上面時，皮膚組成了電容陣列的另一面。電容器的電容值由於金屬間的距離而變化，這里指的是脊（近的）和谷（遠的）之間的距離。壓感式表面的頂層是具有彈性的壓感介質材料，他們依照指紋的外表地形（凹凸）轉化為相應的電子信號。溫度感應感測器被設計為感應壓在設備上的脊和遠離設備的谷溫度的不同。

超聲波掃描被認為是指紋取像技術中非常好的一類。很象光學掃描的激光，超聲波掃描指紋的表面。緊接著，接收設備獲取了其反射信號，測量他的范圍，得到脊的深度。不象光學掃描，積累在皮膚上的臟物和油脂對超音速獲得的圖象影響不大，所以這樣的圖象是實際脊地形（凹凸）的真實反映。

由於巨大的指紋辨別市場，如果想指紋識別在商業上的巨大成功，三個因素中的兩個因素是非常重要的，它們是低價格和緊湊的體積（另外一個是上面談到的識別率）。90年代初到後期，取像設備的價格已經劇烈的下降，製造商最近又承諾，在最近幾年後，又要進行大幅度降價。至於體積，上面已經提到光學感測器的體積從6x3x3英寸降到3x1x1英寸。應用晶體的感測器的體積差不多是這樣或者更小。在晶片上，集成電路的技術越來越高（如：數字化電路把指紋信號轉化為數字信號強度），系統體積將越來越小，晶體感測器的體積接近與手指大小所需要的體積，其長寬大約是1x1英寸高不到1英寸。

在晶體感測器之前，一些沒有用到的機能是局部調整、軟體控制、自動獲取控制(AGC)技術。對於大多數光學設備，只能通過人工調整來改變圖象的質量。然而，晶體感測器提供自動調節象素，行以及局部范圍的敏感程度，從而提高圖象的質量。AGC在不同的環境下結合反饋的信息產生高質量的圖象。例如，一個不清晰（對比度差）的圖象，如乾燥的指紋，能夠被感覺並增強靈敏度，在捕捉的瞬間產生清晰的圖象（對比度好）；由於提供了局部調整的能力，圖象不清晰（對比度差）的區域也能夠被檢測到（如：手指壓得較輕的地方）並在捕捉的瞬間為這些象素提高靈敏度。

光學掃描也有自己的優勢。其中之一在較大的模型可以做較大指紋取像區域。而製造較大的應用晶體感測器的指紋取像區域是非常昂貴的，所以應用晶體感測器的指紋取像區域小於1平方英寸，而光學掃描的指紋取像區域等於或大於1平方英寸。然而這個對於較小的光學掃描設備並不是優勢。較小的光學掃描也是較小指紋取像區域，這是因為較大的指紋取像區域需要較長的焦點長度，所以要有較大包裝，否則如果較大的取像區域使用較小的包裝，則光學掃描設備會受到圖象邊緣線形扭曲的影響。

晶體感測器技術最重要的弱點在於，它們容易受到靜電的影響，這使得晶體感測器有時會取不到圖象，甚至會被損壞，另外，它們並不象玻璃一樣耐磨損，從而影響了使用壽命。

總之，各種技術都具有它們各自的優勢，也有各自的缺點。我們在下面給出三種主要技術的比較。

比較項目 光學全反射技術 硅晶體電容感測技術 超聲波掃描
體 積 大 小 中
耐 用 性 非常耐用 容易損壞 一般
成像能力 干手指差，但汗多的和稍臟的手指成像模糊 干手指好，但汗多的和稍臟的手指不能成像 非常好
耗 電 較多 較少 較多
成 本 低 低 很高

2. 圖象增強

剛獲得的圖象有很多噪音。這主要由於平時的工作和環境引起的，比如，手指被弄臟，手指有刀傷、疤、痕、乾燥、濕潤或撕破等。圖象增強是減弱噪音，增強脊和谷的對比度。想得到比較干凈清晰的圖象並不是容易的事情。為這個目標而為處理指紋圖象所涉及的操作是設計一個適合、匹配的濾鏡和恰當的閥值。

指紋還有一些其他的有用的信息。比如：類似於脊的「多餘的部分」，即使一些特別的脊不連續，但仍可認為是脊的一部分，從而決定他的走向。我們可以利用這些「多餘的信息」。

有很多圖象增強的方法。大多數是通過過濾圖象與脊局部方向相匹配。圖象首先分成幾個小區域（窗口），並在每個區域上計算出脊的局部方向來決定方向圖。可以由空間域處理，或經過快速2維傅立葉變換後的頻域處理來得到每個小窗口上的局部方向。

設計合適的，相匹配的濾鏡，使之實用於圖象上所有的象素（空間場是其中的一個）。依據每個象素處脊的局部走向，濾鏡應增強在同一方向脊的走向，並且在同一位置，減弱任何不同於脊的方向。後者含有橫跨脊的噪音，所以其垂直於脊的局部方向上的那些不正確的「橋」會被濾鏡過濾掉。所以，合適的、匹配的濾鏡可以恰到好處地確定脊局部走向的自身的方向，它應該增強或匹配脊而不是噪音。

圖象增強，噪音減弱後，我們准備開始選取一些脊。雖然，在原始灰階圖象中，其強度是不同的而按一定的梯度分布，但它們真實的信息被簡單化為二元：脊及其相對的背景。二元操作使一個灰階圖象變成二元圖象，圖象在強度層次上從原始的256色（8-bits）降為2色(1-bits)。圖象二元化後，隨後的處理就會比較容易。

二元化的困難在於，並不是所有的指紋圖象有相同的閥值，所以一般不採取從單純的強度入手，而且單一的圖象的對照物是變化的，比如，手在中心地帶按的比較緊。因此一個叫「局部自適應的閥值（locally adaptive thresholding）」的方法被用來決定局部圖象強度的閥值。

在節點提取之前的最後一道工序是「細化（thinning）」。細化是將脊的寬度降為單個象素的寬度。一個好的細化方法是保持原有脊的連續性，降低由於人為因素所造成的影響。人為因素主要是毛刺，帶有非常短的分支而被誤認為是分叉。認識到合法的和不合法的節點後，在特徵提取階段排除這些節點。

三. 指紋識別技術的基本原理

指紋其實是比較復雜的。與人工處理不同，許多生物識別技術公司並不直接存儲指紋的圖象。多年來在各個公司及其研究機構產生了許多數字化的演算法（美國有關法律認為，指紋圖象屬於個人隱私，因此不能直接存儲指紋圖象）。但指紋識別演算法最終都歸結為在指紋圖象上找到並比對指紋的特徵。

指紋的特徵

我們定義了指紋的兩類特徵來進行指紋的驗證：總體特徵和局部特徵。總體特徵是指那些用人眼直接就可以觀察到的特徵，包括：

基本紋路圖案
環型（loop）, 弓型（arch）, 螺旋型（whorl）。其他的指紋圖案都基於這三種基本圖案。僅僅依靠圖案類型來分辨指紋是遠遠不夠的，這只是一個粗略的分類，但通過分類使得在大資料庫中搜尋指紋更為方便。

模式區（Pattern Area）
模式區是指指紋上包括了總體特徵的區域，即從模式區就能夠分辨出指紋是屬於那一種類型的。有的指紋識別演算法只使用模式區的數據。 Aetex 的指紋識別演算法使用了所取得的完整指紋而不僅僅是模式區進行分析和識別。

核心點（Core Point）
核心點位於指紋紋路的漸進中心，它用於讀取指紋和比對指紋時的參考點。

三角點（Delta）
三角點位於從核心點開始的第一個分叉點或者斷點、或者兩條紋路會聚處、孤立點、折轉處，或者指向這些奇異點。三角點提供了指紋紋路的計數和跟蹤的開始之處。

式樣線（ Type Lines）
式樣線是在指包圍模式區的紋路線開始平行的地方所出現的交叉紋路，式樣線通常很短就中斷了，但它的外側線開始連續延伸。

紋數（ Ridge Count）
指模式區內指紋紋路的數量。在計算指紋的紋數時，一般先在連接核心點和三角點，這條連線與指紋紋路相交的數量即可認為是指紋的紋數。 局部特徵 局部特徵是指指紋上的節點。兩枚指紋經常會具有相同的總體特徵，但它們的局部特徵——節點，卻不可能完全相同。

節點（Minutia Points）
指紋紋路並不是連續的，平滑筆直的，而是經常出現中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為「節點」。就是這些節點提供了指紋唯一性的確認信息。

指紋上的節點有四種不同特性：
1. 分類 – 節點有以下幾種類型，最典型的是終結點和分叉點

A. 終結點（Ending） -- 一條紋路在此終結。
B. 分叉點（Bifurcation） -- 一條紋路在此分開成為兩條或更多的紋路。
C. 分歧點（Ridge Divergence） -- 兩條平行的紋路在此分開。
D. 孤立點（Dot or Island） -- 一條特別短的紋路，以至於成為一點
E. 環點（Enclosure） -- 一條紋路分開成為兩條之後，立即有合並成為一條，這樣形成的一個小環稱為環點
F. 短紋（Short Ridge） -- 一端較短但不至於成為一點的紋路，

2. 方向（Orientation） -- 節點可以朝著一定的方向。

3. 曲率（Curvature） -- 描述紋路方向改變的速度。

4. 位置（Position） -- 節點的位置通過（x,y）坐標來描述，可以是絕對的，也可以是相對於三角點或特徵點的。

四. 系統問題（system issues）

有效的指紋辨識系統不僅僅依賴於辨識演算法，還有其他的一些重要因素，這里稱之為「系統問題」。包括注冊和辨識過程，速度和工作學、用戶信息的反饋、排斥欺騙和安全考慮。 為了得到較好的識別率，重要的是在注冊時盡量獲得最好的指紋圖象，這是因為注冊一般只進行一次，而以後的辨識是經常的。一個較好的指紋識別系統應要求用戶的指紋在登記指紋時多次獲取指紋，然後，把最好的指紋或每次獲得的指紋的綜合的結果作為注冊的指紋。

又一個方法可以作為指紋系統設計時的考慮，即我們可以多次取像直到得到一個確定的匹配，但這個過程在降低了拒判率的同時，提高了誤判率。辨識不僅僅只用一個手指的指紋，可以用兩個或更多的手指的指紋，這樣可以增強識別率，當然這樣一來會浪費用戶的許多時間。

系統的工作學是很重要的。例如：在個人識別系統中，人們願意等待時間的極限，這個極限時間根據特定的應用而不同，依賴於在處理的過程中人們正在做什麼。例如：刷卡或輸入ID號的過程，從0.5-1.5秒被認為是可接受的時間；另外，拒判而重復次數不應超過3次。

驗證和辨識的過程、取像設備的設計拒判率和誤判率關系的設定，為了盡可能的獲得高質量的指紋圖象而提示用戶手指該怎樣放置，正確的反饋信息是非常有用的。如「手指放得太高」，「手指按得不夠重」等。

在指紋識別系統中，反欺騙的措施用來阻止人造指紋、死指紋和殘留指紋。殘留指紋是由於皮膚油或其他原因殘留在感測器上。感測器應建立反欺對策，使得有能力識別真實的皮膚溫度、阻力或電容。

既然指紋識別系統是為安全而考慮的，例如，節點模板資料庫必須是安全的，以防止一個冒名頂替的人將自己的指紋存進資料庫而成為合法的用戶。指紋匹配的結果是「YES」或「NO」，以此獲得訪問權。如果有人簡單地繞過指紋匹配而能去直接發送一個「YES」，那麼系統就是不安全的。這個問題的解決是確保主機接收的識別結果是來自真正的合法用戶，如通過數字信號發送給主機。

總之，在一個完整的指紋識別應用系統中有許多問題值得考慮，解決好這些問題有助於成功地建立有效的系統，相反，則有可能會使得高明的技術被束之高閣，甚至導致應用系統最後的失敗。

⑹ 五指算怎麼算

手心算表示數的方法是以左手五指設點作為數碼盤，每個手指表示一位數，小拇指、無名指、中指、食指、大拇指可分別表示個、十、百、千、萬五位數字。

每個手指上9個數，首先看手指上有三根骨節，從上到下，第一骨節中部左側表示1，第二骨節中部左側表示2，第三骨節中部左側表示3，從3往下移到手掌上表示4，手指的上端表示5，指肚表示6，手指上有三道橫紋，從上到下，第一道橫紋表示7，第二道橫紋表示8，第三道橫紋表示9。

手心算的計算方法是採用心算辦法利用大腦形象再現指算計算過程而求出結果的方法。把左手當作一架五檔的小算盤，用右手五指點按這個小算盤來進行計算。記數時要用右手的手指點左手相對應的手指。

其明確分工是：右手拇指專點左手拇指，右手食指專點左手食指，右手中指專點左手中指，右手無名指專點左手無名指，右手小指專點左手小指。對應專業分工各不相擾。

哪個手指點按數，哪個手指就伸開，手指不點按數時彎屈，表示0。不藉助於任何計算工具，不列運算程序，只需兩手輕輕一合，便知答數，便可進行十萬以內任意數的加減乘除四則運算。

(6)手指檢測演算法擴展閱讀：

1、優點：進行計算總是要通過筆算或藉助於其它計算器(如算盤、計算機等)，每一個正常人的手也是一個完美的計算器；

用手心算可以進行多位數的加、減、乘、除、平方、開方這六種運算，其運算速度(當然要經過長時間的練習)，加減可與電子計算機相媲美，乘除比珠算要快，平方、開平方比筆算快得多。

2、缺點：具有局限性，有些數字不能通過此方法進行計算，並且難以記清位置，不方便記憶。

⑺ 指紋識別原理

指紋識別核心的准確、高效的採集指紋分析。指紋識別採集技術的發展大致分為三個方式：光學識別、電容感測器、生物射頻。

1、光學識別

光學識別是較早的指紋識別技術。基於光學發射裝置發射的光線，射到手指上再反射回機器以獲取數據，並對比資料庫看是否一致。光學識別只能到達皮膚的表皮層，而不能到達真皮層，而且受手指表面是否干凈影響較大。

2、電容感測器

電容感測器識別是利用一定間隔的安裝的兩個電容，利用指紋的凹凸，在手指滑過指紋檢測儀器時接通或斷開兩個電容的電流以檢測指紋資料。電容感測器對手指的干凈要求還是比較高，而且感測器表面使用硅材料，比較容易損壞。以技術面來看，電容式指紋辨識技術的供應為Authentec、Validity、FingerPrintCardsAB（FPC）等，Authentec被蘋果買下，Validity也被Synaptics收購。電容式指紋感測器也是現在應用最普遍的技術。

3、生物射頻

射頻感測器通過感測器發射微量的射頻信號，穿透手指的表皮層獲取里層的紋路以獲取信息。這種方法對手指的干凈程度要求較低。射頻是目前較新的技術方案，射頻也是電容方式的一種，但受限於專利問題。射頻式是未來發展方向。
指紋識別採集方式

不管採用什麼採集技術，從用戶角度用到的就兩種錄入方式：按壓式與滑動式。

1、滑動式

將手指從感測器上劃過，系統就能獲得整個手指的指紋。手指按壓上去時，無法一次性採集到完整圖像。在採集時需要手指劃過採集表面，對手指劃過時採集到的每一塊指紋圖像進行快照，這些快照再進行拼接，才能形成完整的指紋圖像。

滑動式的優點是成本低、易集成，可採集大面積的圖像，應用傳統的特徵點演算法，但缺點是需要客戶有一個連貫規范動作採集圖像，體驗效果比較差，在之前的應用推廣中不太成功。

2、按壓式

手指平放在設備上以便獲取指紋圖像。一般為了獲得整個手指的指紋，必須使用比手指更大的感測器，整個手指同時按壓在感測器之上。

按壓式的優點是客戶體驗好，只用一次按壓就可以採集圖像，與客戶在手機應用的操作習慣匹配，無須教育客戶。缺點是：成本高，集成難度大，一次採集圖像面積相對較小，沒有足夠的特徵點，需要用復雜的圖像比對演算法進行識別。

很明顯，在用戶角度來說，按壓式最簡單、最方便。以後越來越多的移動設備都將採用按壓式指紋識別方案。

⑻ 一百以內的幼兒園手指演算法怎樣算

初級：100以內加減 准備：教師在帶讀以下口訣並做相關手指游戲前，需發出口令「清零」，幼兒馬上雙手擊掌，然後緊握雙拳在胸前，聚精會神做好准備。（注意：手心朝里，兩拳間隔距離以方便雙手出指為准，既不要太近，也不要太遠。） 一、手指定位口訣 我有一雙手，代表九十九；左手定十位，九十我會數； 右手定個位，從一數到九；加減很方便，計算不用愁。 二、手指定數口訣 食指伸開「l」，中指伸開「2」； 無名指為「3」，小指伸開「4」； 四指一握伸拇指，拇指是「5」要記住； 再伸食指到小指，「6」「7」「8」「9」排成數。 三、右手出指練習口訣 一馬當先，二虎相爭，三言兩語，四海為家，五穀豐登， 六畜興旺，七上八下，八仙過海，九牛一毛，十萬火急。 一言九鼎，二龍戲珠，三足鼎立，四面楚歌，五穀豐登， 六神無主，七上八下，八面玲瓏，九牛一毛，十全十美。 （註：念到「十萬火急」或「十全十美」時，右手握拳，左手出「1」，代表進位。）

⑼ 手指演算法是怎麼算的

手指速演算法也叫手心算，是一種不用算盤進行數學運算的方法。長期以來,人們進行計算,總是要通過筆算或藉助於其它計算器(如算盤,計算機等),其實,我們每一個正常人的手也是一個完美的計算器,用手心算可以進行多位數的加、減、乘、除、平方、開方等六種運算,其運算速度(當然要經過一定時間的練習),加減可與電子計算機相媲美,乘除比珠算要快,平方、開平方比筆算快得多。
手指速演算法-----手心算------ 表示數的方法是以左手五指設點作為數碼盤，每個手指表示一位數，五個手指可表示個、十、百、千、萬五位數字。
每個手指上9個數，首先我們看，我們的手指上有三根骨節，從上到下，第一骨節中部左側表示1，第二骨節中部左側表示2，第三骨節中部左側表示3，從3往下移到手掌上表示4，手指的上端表示5，指肚表示6，手掌上有三道橫紋，從上到下，第一道橫紋表示7，第二道橫紋表示8，第三道橫紋表示9。
手指速演算法。手心算的計算方法是採用心算辦法利用大腦形象再現指算計算過程而求出結果的方法。它把左手當作一架五檔的小算盤，用右手五指點按這個小算盤來進行計算。記數時要用右手的手指點左手相對應的手指。其明確分工是：右手拇指/專點左手拇指，右手食指專點左手食指，右手中指專點左手中指，右手無名指專點左手無名指，右手小指專點左手小指。對應專業分工各不相擾。哪個手指點按數，哪個手指就伸開，手指不點按數時彎屈，表示0。它不藉助於任何計算工具，不列運算程序，只需兩手輕輕一合，便知答數，便可進行十萬以內任意數的加減乘除四則運算。
手指速演算法，手心算----減少筆算列算式復雜的運算過程，省時省力，提高學生計算速度。