指紋識別演算法

1. 指紋識別是什麼原理

不是本人寫的··是當下來的

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。

2. 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。

3. 指紋識別演算法

呵呵，不知樓主是真不懂還是假不懂，問別人要指紋演算法，還要詳細點的！！深圳十指科技

4. 指紋識別技術的演算法

於指紋所具有的唯一性和不變性，以及指紋識別技術所具有的可行性和實用性，指紋識別成為目前最流行、最方便、最可靠的身份認證技術之一。指紋圖像數據量大，通過直接比對指紋圖像的方法來識別指紋是不可取的，應該先對指紋圖像進行預處理，然後提取出指紋的特徵數據，通過特徵數據的比對來實現自動指紋識別。指紋圖像預處理作為指紋自動識別過程的第一個環節，它的好壞直接影響著自動識別系統的效果。預處理通常包括濾波、方向圖的求取、二值化、細化等幾個步驟。
本文首先闡述了生物特徵識別技術的基本概念，對自動指紋識別系統的組成也作了簡要的介紹。然後對目前指紋圖像預處理的一些常用演算法進行了介紹，針對指紋圖像的特徵，採用了基於Gabor濾波器的指紋預處理方法，它為特徵提取和比對奠定了良好的基礎。
本文所提到的演算法已在PC機上用Visual C++6.0編程實現，實驗結果表明，這種方法能獲得令人滿意的指紋圖像預處理效果。

5. 指紋識別技術的識別指紋研究

總體特徵是指那些用人眼直接就可以觀察到的特徵。包括紋形、模式區、核心點、三角點和紋數等。
紋形
指紋專家在長期實踐的基礎上，根據脊線的走向與分布情況一般將指紋分為三大類——環型（loop，又稱斗形）、弓形（arch）、螺旋形（whorl）。
模式區
即指紋上包括了總體特徵的區域，從此區域就能夠分辨出指紋是屬於哪一種類型的。有的指紋識別演算法只使用模式區的數據，有的則使用所取得的完整指紋。
核心點
位於指紋紋路的漸進中心，它在讀取指紋和比對指紋時作為參考點。許多演算法是基於核心點的，即只能處理和識別具有核心點的指紋。
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跟蹤的開始之處。
紋數
即模式區內指紋紋路的數量。在計算指紋的紋路時，一般先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。 局部特徵是指指紋上節點的特徵，這些具有某種特徵的節點稱為細節特徵或特徵點。
兩枚指紋經常會具有相同的總體特徵，但它們的細節特徵，卻不可能完全相同。指紋紋路並不是連續的、平滑筆直的，而是經常出現中斷、分叉或轉折。這些斷點、分叉點和轉折點就稱為特徵點，就是這些特徵點提供了指紋唯一性的確認信息，其中最典型的是終結點和分叉點，其他還包括分歧點、孤立點、環點、短紋等。特徵點的參數包括：方向（節點可以朝著一定的方向）、曲率（描述紋路方向改變的速度）、位置（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）。

6. 指紋識別演算法哪個公司的比較先進

別說，還真知道一家比較不錯的公司，名氣也挺大，口碑也一直不錯，關鍵是老品牌了，這方面有經驗的，就是眼神科技，他家的指紋識別演算法和指紋採集設備雙雙入選公安部居民身份證應用演算法和設備的推薦名單

7. 指紋的識別原理

指紋識別
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。
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。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）。
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。 （PatternArea）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（CorePoint）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（TypeLines）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。 （RidgeCount）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（MinutiaPoints）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節點特性
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（RidgeDivergence）--兩條平行的紋路在此分開。
D.孤立點（DotorIsland）--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（ShortRidge）--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。 從「指紋」到「指紋術」的研究，經歷了漫長的過程。指紋技術形成之後，又經過了從人工識別技術到自動化識別技術的發展轉變。隨著計算機圖像處理技術和信息技術的發展，指紋識別技術逐漸進入IT技術領域，與眾多計算機信息系統結合在一起，廣泛應用起來。

8. 指紋識別的原理是什麼

原理：指紋紋路經常出現中斷、分叉或轉折，這些斷點、分叉點和轉折點被稱為"特徵點"。特徵點提供了指紋唯一性的確認信息，正因為這些不同，才可以進行識別。

9. 指紋識別演算法或者相關的圖片像素的演算法

您好，目前指紋識別系統大多都採用特徵點匹配，識別系統將指紋圖像經過去噪處理後，把指紋圖像紋理細化，然後根據指紋的特徵，找到指紋的特徵點進行識別，它的識別速度快，能夠滿足一對多個指紋的識別需要。但是對於殘缺、污損指紋，在進行特徵點提取的過程中只能提取到部分特徵點，不能達到指紋識別所需的特徵點數量，不能完成識別。同時研究發現在指紋圖像的某些局部圖像中，變化不明顯或是有規律變化的，所以根據這些局部圖像的不變和有規律變化提出了基於圖像匹配的指紋局部取像輔助識別系統。因此在原有指紋系統的基礎上，增加了基於garbor方向濾波的指紋識別紋理匹配的演算法，作為指紋識別系統的一種有效補充，提高了識別率和降低誤識率。通過對資料庫BVC2004中100張不同的指紋圖像測試後，系統運行性能穩定可靠，該系統既可以用於有關部門對殘缺、污損指紋的識別，同時也可以滿足那些強調安全性的使用者的更高使用要求。

10. 如何進行指紋識別演算法的研究

由於指紋特徵的唯一性和穩定性，指紋識別技術很早便應用在刑偵領域，並且已經取得了很大的成功。近年來各種領域身份認證的需求不斷增長，並且隨著公眾的接受和認可，自動指紋識別技術在民用市場逐漸得到了更為廣泛的應用。指紋圖像的增強和匹配演算法是影響自動指紋識別系統精度和速度的重要環節，嵌入式系統由於處理速度和內存的限制對指紋識別演算法提出了更高的要求。另外，獲取高質量的指紋圖像和減少模板存儲容量也是嵌入式指紋識別系統特別需要解決的問題。本文針對DSP處理器的技術特點，對嵌入式指紋識別系統演算法中的幾個關鍵問題進行了研究。論文的主要工作和貢獻如下： 1) 提出了一種基於運動估計的掃描指紋圖像重構演算法。我們利用視頻壓縮和編碼技術中的運動估計的理論，並根據手指在採集掃描圖像的滑動過程中的物理運動規律，引入預測運動向量的反饋機制，動態地選取參考匹配塊，多幀運動估計和亞像素精度的運動估計相結合，得到連續掃描圖像的相對位移，重建出指紋圖像。根據計算復雜度分析和實驗表明我們的演算法可以實時地准確地重構出原始指紋圖像。 2) 提出了一種基於增強圖像的幾何特性的二值化方法。我們提出並證明了基於Hessian矩陣的跡的二值化方法等價於最大主曲率的方法，而這個方法的前提條件是指紋圖像在局部鄰域內具有方向一致性。因此，我們首先利用各向異性擴散濾波器，使擴散濾波的過程在適應局部紋理結構的一致性方向上進行。實驗證明該演算法的性能優於常用的指紋圖像增強和二值化的演算法。 3) 提出了一種適用於嵌入式系統的指紋方向圖量化壓縮的方法，並利用方向圖的互信息實現指紋的匹配。根據指紋方向圖特徵的相關性以及DSP處理器方便的存儲位操作，改進行程編碼演算法，實時高效地實現了量化的方向圖的壓縮存儲。將讀取的方向圖模板和輸入指紋方向圖看作兩個離散的隨機變數，求取方向圖的互信息作為兩幅圖像的相似性度量。方向圖互信息匹配的演算法能夠在識別性能和壓縮效率之間獲得較好的平衡。 4) 分別在特徵層次上和匹配層次上結合細節點三角形特徵和方向場特徵，並相應地提出了兩種不同的匹配演算法。在特徵層次上結合細節點特徵和方向場特徵，定義一個旋轉和平移不變的固定維數的三角形特徵向量，利用非校準的方法進行匹配。針對該演算法耗時較長的缺陷，我們提出了分區域查詢等價三角形和幾何變換參數聚類的方法。在匹配層次上，我們採取了級聯的融合策略，以較小的概率啟用方向圖匹配並融合細節點匹配的結果，得到更高的識別率。 本文的部分研究成果已經轉換到基於DSP的指紋識別核心模塊中去，在實際應用中取得了良好的識別效果；部分研究成果應用在我們正在開發的生物特徵通關安防教育系統上，獲得了較好的實驗結果。