指纹识别算法

1. 指纹识别是什么原理

不是本人写的··是当下来的

手指上的指纹表征了一个人的身份特征。1788年Mayer首次提出没有两个人的指纹完全相同，1823年Purkinie首次把指纹纹形分成9类，1889年Henry提出了指纹细节特征识别理论，奠定了现代指纹学的基础。但采用人工比对的方法，效率低、速度慢。20世纪60年代，开始用计算机图像处理和模式识别方法进行指纹分析，这就是自动指纹识别系统（简称AFIS）[1]。20世纪70年代末80年代初，刑事侦察用自动指纹识别系统（police�AFIS，P�AFIS）投入实际运用。20世纪90年代，AFIS进入民用，称为民用自动指纹识别系统（civil�AFIS，C�AFIS）。本文试图从指纹特征分析着手，阐述指纹作为人体身份识别的原理方法、指纹识别的主要技术指标和测试方法，以及实际应用的现实性与可靠性[2-4]。

1 指纹识别的原理和方法

1.1 指纹的特征与分类
指纹识别学是一门古老的学科，它是基于人体指纹特征的相对稳定与唯一这一统计学结果发展起来的。实际应用中，根据需求的不同，可以将人体的指纹特征分为：永久性特征、非永久性特征和生命特征[5]。
永久性特征包括细节特征（中心点、三角点、端点、叉点、桥接点等）和辅助特征（纹型、纹密度、纹曲率等元素），在人的一生中永不会改变，在手指前端的典型区域中最为明显，分布也最均匀[1]。细节特征是实现指纹精确比对的基础，而纹形特征、纹理特征等则是指纹分类及检索的重要依据。人类指纹的纹形特征根据其形态的不同通常可以分为“弓型、箕型、斗型”三大类型，以及“孤形、帐形、正箕形、反箕形、环形、螺形、囊形、双箕形和杂形”等9种形态[1]。纹理特征则是由平均纹密度、纹密度分布、平均纹曲率、纹曲率分布等纹理参数构成。纹理特征多用于计算机指纹识别算法的多维分类及检索。
非永久性特征由孤立点、短线、褶皱、疤痕以及由此造成的断点、叉点等元素构成的指纹特征，这类指纹有可能产生、愈合、发展甚至消失[1]。
指纹的生命特征与被测对象的生命存在与否密切相关。但它与人体生命现象的关系和规律仍有待进一步认识。目前它已经成为现代民用指纹识别应用中越来越受关注的热点之一。

1.2 指纹识别的原理和方法
指纹识别技术主要涉及四个功能：读取指纹图像、提取特征、保存数据和比对。通过指纹读取设备读取到人体指纹的图像，然后要对原始图像进行初步的处理，使之更清晰，再通过指纹辨识软件建立指纹的特征数据。软件从指纹上找到被称为“节点”（minutiae）的数据点，即指纹纹路的分叉、终止或打圈处的坐标位置，这些点同时具有七种以上的唯一性特征。通常手指上平均具有70个节点，所以这种方法会产生大约490个数据。这些数据，通常称为模板。通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果[5-6]。采集设备（即取像设备）分成几类：光学、半导体传感器和其他。

2 指纹识别技术的主要指标和测试方法

2.1 算法的精确度

指纹识别系统性能指标在很大程度上取决于所采用算法性能。为了便于采用量化的方法表示其性能，引入了下列两个指标。
拒识率（false rejection rate，FRR）：是指将相同的指纹误认为是不同的，而加以拒绝的出错概率。FRR=（拒识的指纹数目／考察的指纹总数目）×100%。
误识率（false accept rate，FAR）：是指将不同的指纹误认为是相同的指纹，而加以接收的出错概率。FAR=（错判的指纹数目／考察的指纹总数目）×100%。
对于一个已有的系统而言，通过设定不同的系统阈值，就可以看出这两个指标是互为相关的，FRR与FAR成反比关系。这很容易理解，“把关”越严，误识的可能性就越低，但是拒识的可能性就越高。

2.2 误识率和拒识率的测试方法
测试这两个指标，通常采用循环测试方法[7]。即给定一组图像，然后依次两两组合，提交进行比对，统计总的提交比对的次数以及发生错误的次数，并计算出出错的比例，就是FRR和FAR。针对FAR=0.0001%的指标，应采用不少于1 415幅不同的指纹图像作循环测试，总测试次数为1 000 405次，如果测试中发生一次错误比对成功，则FAR=1/1 000 405；针对FRR=0.1%，应采用不少于46幅属于同一指纹的图像组合配对进行测试，则总提交测试的次数为1 035次数，如果发生一次错误拒绝，则FRR=1/1 035。测试所采用的样本数越多，结果越准确。作为测试样本的指纹图像应满足可登记的条件。

2.3 系统参数
拒登率（error registration rate，ERR）：指的是指纹设备出现不能登录及处理的指纹的概率，ERR过高将会严重影响设备的使用范围，通常要求小于1%。
登录时间：指纹设备登录一枚指纹所需的时间，通常单次登录的时间要求不超过2 s。
比对时间：指纹设备对两组指纹特征模版进行比对所耗费的时间，通常要求不超过1 s。
工作温度：指纹设备正常工作时所允许的温度变化范围，一般是0～40 ℃。
工作湿度：指纹设备正常工作时所允许的相对湿度变化范围，一般是30%～95%。

3 指纹识别技术的应用
指纹识别技术已经成熟，其应用日益普遍，除了刑事侦察用之外，在民用方面已非常广泛，如指纹门禁系统、指纹考勤系统、银行指纹储蓄系统、银行指纹保管箱、指纹医疗保险系统、计划生育指纹管理系统、幼儿接送指纹管理系统、指纹献血管理系统、证券交易指纹系统、指纹枪械管理系统、智能建筑指纹门禁管理系统、驾驶员指纹管理系统等。
指纹门禁系统和指纹考勤系统是开发和使用得最早的一种出入管理系统，包括对讲指纹门禁、联机指纹门禁、脱机指纹门禁等等。在入口将个人的手指按在指纹采集器上，系统将已登录在指纹库中的指纹（称为已经注册）进行对比，如果两者相符（即匹配），则显示比对成功，门就自动打开。如不匹配，则显示“不成功”或“没有这个指纹”，门就不开。在指纹门禁系统中，可以是一对一的比对（one�to�one matching），也可以是一对几个比对（one�to�few matching）。前者可以是一个公司、部门，后者可以是一个家庭的成员、银行的营业厅、金库、财务部门、仓库等机要场所。在这些应用中，指纹识别系统将取代或者补充许多大量使用照片和ID系统。
把指纹识别技术同IC卡结合起来，是目前最有前景的一个应用之一。该技术把卡的主人的指纹（加密后）存储在IC卡上，并在IC卡的读卡机上加装指纹识别系统，当读卡机阅读卡上的信息时，一并读入持卡者的指纹，通过比对就可以确认持卡者是否是卡的真正主人，从而进行下一步的交易。指纹IC卡可取代现行的ATM卡、制造防伪证件等。ATM卡持卡人可不用密码，避免老人和孩子记忆密码的困难。

近年来，互联网带给人们方便与利益已，也存在着安全问题。指纹特征数据可以通过电子邮件或其它传输方法在计算机网络上进行传输和验证，通过指纹识别技术，限定只有指定的人才能访问相关的信息，可以极大地提高网上信息的安全性。网上银行、网上贸易、电子商务等一系列网络商业行为就有了安全性保障。
指纹社会保险系统的应用为养老金的准确发放起了非常有效的作用。避免了他人用图章或身份证复印件代领，而发放人员无法确定该人是故世的问题，要凭本人的活体指纹，才可准确发放养老金。

4 指纹识别的可靠性
指纹识别技术是成熟的生物识别技术。因为每个人包括指纹在内的皮肤纹路在图案、断点和交叉点上各不相同，是唯一的，并且终生不变。通过他的指纹和预先保存的指纹进行比较，就可以验证他的真实身份。自动指纹识别是利用计算机来进行指纹识别的一种方法。它得益于现代电子集成制造技术和快速而可靠的算法理论研究。尽管指纹只是人体皮肤的一小部分，但用于识别的数据量相当大，对这些数据进行比对是需要进行大量运算的模糊匹配算法。利用现代电子集成制造技术生产的小型指纹图像读取设备和速度更快的计算机，提供了在微机上进行指纹比对运算的可能。另外，匹配算法可靠性也不断提高。因此，指纹识别技术己经非常简单实用。由于计算机处理指纹时，只是涉及了一些有限的信息，而且比对算法并不是十分精确匹配，其结果也不能保证100%准确。

指纹识别系统的特定应用的重要衡量标志是识别率。主要包括拒识率和误识率，两者成反比关系。根据不同的用途来调整这两个值。尽管指纹识别系统存在着可靠性问题，但其安全性也比相同可靠性级别的“用户ID+密码”方案的安全性要高得多。拒识率实际上也是系统易用性的重要指标。在应用系统的设计中，要权衡易用性和安全性。通常用比对两个或更多的指纹来达到不损失易用性的同时，极大提高系统的安全性。

2. 指纹识别原理

指纹识别核心的准确、高效的采集指纹分析。指纹识别采集技术的发展大致分为三个方式：光学识别、电容传感器、生物射频。

1、光学识别

光学识别是较早的指纹识别技术。基于光学发射装置发射的光线，射到手指上再反射回机器以获取数据，并对比资料库看是否一致。光学识别只能到达皮肤的表皮层，而不能到达真皮层，而且受手指表面是否干净影响较大。

2、电容传感器

电容传感器识别是利用一定间隔的安装的两个电容，利用指纹的凹凸，在手指滑过指纹检测仪器时接通或断开两个电容的电流以检测指纹资料。电容传感器对手指的干净要求还是比较高，而且传感器表面使用硅材料，比较容易损坏。以技术面来看，电容式指纹辨识技术的供应为Authentec、Validity、FingerPrintCardsAB（FPC）等，Authentec被苹果买下，Validity也被Synaptics收购。电容式指纹传感器也是现在应用最普遍的技术。

3、生物射频

射频传感器通过传感器发射微量的射频信号，穿透手指的表皮层获取里层的纹路以获取信息。这种方法对手指的干净程度要求较低。射频是目前较新的技术方案，射频也是电容方式的一种，但受限于专利问题。射频式是未来发展方向。
指纹识别采集方式

不管采用什么采集技术，从用户角度用到的就两种录入方式：按压式与滑动式。

1、滑动式

将手指从传感器上划过，系统就能获得整个手指的指纹。手指按压上去时，无法一次性采集到完整图像。在采集时需要手指划过采集表面，对手指划过时采集到的每一块指纹图像进行快照，这些快照再进行拼接，才能形成完整的指纹图像。

滑动式的优点是成本低、易集成，可采集大面积的图像，应用传统的特征点算法，但缺点是需要客户有一个连贯规范动作采集图像，体验效果比较差，在之前的应用推广中不太成功。

2、按压式

手指平放在设备上以便获取指纹图像。一般为了获得整个手指的指纹，必须使用比手指更大的传感器，整个手指同时按压在传感器之上。

按压式的优点是客户体验好，只用一次按压就可以采集图像，与客户在手机应用的操作习惯匹配，无须教育客户。缺点是：成本高，集成难度大，一次采集图像面积相对较小，没有足够的特征点，需要用复杂的图像比对算法进行识别。

很明显，在用户角度来说，按压式最简单、最方便。以后越来越多的移动设备都将采用按压式指纹识别方案。

3. 指纹识别算法

呵呵，不知楼主是真不懂还是假不懂，问别人要指纹算法，还要详细点的！！深圳十指科技

4. 指纹识别技术的算法

于指纹所具有的唯一性和不变性，以及指纹识别技术所具有的可行性和实用性，指纹识别成为目前最流行、最方便、最可靠的身份认证技术之一。指纹图像数据量大，通过直接比对指纹图像的方法来识别指纹是不可取的，应该先对指纹图像进行预处理，然后提取出指纹的特征数据，通过特征数据的比对来实现自动指纹识别。指纹图像预处理作为指纹自动识别过程的第一个环节，它的好坏直接影响着自动识别系统的效果。预处理通常包括滤波、方向图的求取、二值化、细化等几个步骤。
本文首先阐述了生物特征识别技术的基本概念，对自动指纹识别系统的组成也作了简要的介绍。然后对目前指纹图像预处理的一些常用算法进行了介绍，针对指纹图像的特征，采用了基于Gabor滤波器的指纹预处理方法，它为特征提取和比对奠定了良好的基础。
本文所提到的算法已在PC机上用Visual C++6.0编程实现，实验结果表明，这种方法能获得令人满意的指纹图像预处理效果。

5. 指纹识别技术的识别指纹研究

总体特征是指那些用人眼直接就可以观察到的特征。包括纹形、模式区、核心点、三角点和纹数等。
纹形
指纹专家在长期实践的基础上，根据脊线的走向与分布情况一般将指纹分为三大类——环型（loop，又称斗形）、弓形（arch）、螺旋形（whorl）。
模式区
即指纹上包括了总体特征的区域，从此区域就能够分辨出指纹是属于哪一种类型的。有的指纹识别算法只使用模式区的数据，有的则使用所取得的完整指纹。
核心点
位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为参考点。许多算法是基于核心点的，即只能处理和识别具有核心点的指纹。
三角点
位于从核心点开始的第一个分叉点或者断点，或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数跟踪的开始之处。
纹数
即模式区内指纹纹路的数量。在计算指纹的纹路时，一般先连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。 局部特征是指指纹上节点的特征，这些具有某种特征的节点称为细节特征或特征点。
两枚指纹经常会具有相同的总体特征，但它们的细节特征，却不可能完全相同。指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或转折。这些断点、分叉点和转折点就称为特征点，就是这些特征点提供了指纹唯一性的确认信息，其中最典型的是终结点和分叉点，其他还包括分歧点、孤立点、环点、短纹等。特征点的参数包括：方向（节点可以朝着一定的方向）、曲率（描述纹路方向改变的速度）、位置（节点的位置通过x/y坐标来描述，可以是绝对的，也可以是相对于三角点或特征点的）。

6. 指纹识别算法哪个公司的比较先进

别说，还真知道一家比较不错的公司，名气也挺大，口碑也一直不错，关键是老品牌了，这方面有经验的，就是眼神科技，他家的指纹识别算法和指纹采集设备双双入选公安部居民身份证应用算法和设备的推荐名单

7. 指纹的识别原理

指纹识别
读取指纹图象、提取特征、保存数据和比对。在一开始，通过指纹读取设备读取到人体指纹的图象，取到指纹图象之后，要对原始图象进行初步的处理，使之更清晰。接下来，指纹辨识软件建立指纹的数字表示——特征数据，一种单方向的转换，可以从指纹转换成特征数据但不能从特征数据转换成为指纹，而两枚不同的指纹不会产生相同的特征数据。
有的算法把节点和方向信息组合产生了更多的数据，这些方向信息表明了各个节点之间的关系，也有的算法还处理整幅指纹图像。总之，这些数据，通常称为模板，保存为1K大小的记录。无论它们是怎样组成的，至今仍然没有一种模板的标准，也没有一种公布的抽象算法，而是各个厂商自行其是。最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。指纹其实是比较复杂的。
与人工处理不同，许多生物识别技术公司并不直接存储指纹的图象。多年来在各个公司及其研究机构产生了许多数字化的算法（美国有关法律认为，指纹图象属于个人隐私，因此不能直接存储指纹图象）。
指纹识别算法最终都归结为在指纹图象上找到并比对指纹的特征。指纹的特征我们定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征。总体特征是指那些用人眼直接就可以观察到的特征，包括：基本纹路图案环型（loop），弓型（arch），螺旋型（whorl）。其他的指纹图案都基于这三种基本图案。仅仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便。 （PatternArea）模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。Aetex的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。
核心点（CorePoint）核心点位于指纹纹路的渐进中心，它用于读取指纹和比对指纹时的参考点。
三角点（Delta）三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数和跟踪的开始之处。
式样线（TypeLines）式样线是在指包围模式区的纹路线开始平行的地方所出现的交叉纹路，式样线通常很短就中断了，但它的外侧线开始连续延伸。 （RidgeCount）指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。局部特征局部特征是指指纹上的节点。两枚指纹经常会具有相同的总体特征，但它们的局部特征--节点，却不可能完全相同节点（MinutiaPoints）指纹纹路并不是连续的，平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为节点。就是这些节点提供了指纹唯一性的确认节点特性
1.分类-节点有以下几种类型，最典型的是终结点和分叉点
A.终结点（Ending）--一条纹路在此终结。
B.分叉点（Bifurcation）--一条纹路在此分开成为两条或更多的纹路。
C.分歧点（RidgeDivergence）--两条平行的纹路在此分开。
D.孤立点（DotorIsland）--一条特别短的纹路，以至于成为一点
E.环点（Enclosure）--一条纹路分开成为两条之后，立即有合并成为一条，这样形成的一个小环称为环点
F.短纹（ShortRidge）--一端较短但不至于成为一点的纹路，
2.方向（Orientation）--节点可以朝着一定的方向。
3.曲率（Curvature）--描述纹路方向改变的速度。
4.位置（Position）--节点的位置通过（x,y）坐标来描述，可以是绝对的，也可以是相对于三角点或特征点的。 从“指纹”到“指纹术”的研究，经历了漫长的过程。指纹技术形成之后，又经过了从人工识别技术到自动化识别技术的发展转变。随着计算机图像处理技术和信息技术的发展，指纹识别技术逐渐进入IT技术领域，与众多计算机信息系统结合在一起，广泛应用起来。

8. 指纹识别的原理是什么

原理：指纹纹路经常出现中断、分叉或转折，这些断点、分叉点和转折点被称为"特征点"。特征点提供了指纹唯一性的确认信息，正因为这些不同，才可以进行识别。

9. 指纹识别算法或者相关的图片像素的算法

您好，目前指纹识别系统大多都采用特征点匹配，识别系统将指纹图像经过去噪处理后，把指纹图像纹理细化，然后根据指纹的特征，找到指纹的特征点进行识别，它的识别速度快，能够满足一对多个指纹的识别需要。但是对于残缺、污损指纹，在进行特征点提取的过程中只能提取到部分特征点，不能达到指纹识别所需的特征点数量，不能完成识别。同时研究发现在指纹图像的某些局部图像中，变化不明显或是有规律变化的，所以根据这些局部图像的不变和有规律变化提出了基于图像匹配的指纹局部取像辅助识别系统。因此在原有指纹系统的基础上，增加了基于garbor方向滤波的指纹识别纹理匹配的算法，作为指纹识别系统的一种有效补充，提高了识别率和降低误识率。通过对数据库BVC2004中100张不同的指纹图像测试后，系统运行性能稳定可靠，该系统既可以用于有关部门对残缺、污损指纹的识别，同时也可以满足那些强调安全性的使用者的更高使用要求。

10. 如何进行指纹识别算法的研究

由于指纹特征的唯一性和稳定性，指纹识别技术很早便应用在刑侦领域，并且已经取得了很大的成功。近年来各种领域身份认证的需求不断增长，并且随着公众的接受和认可，自动指纹识别技术在民用市场逐渐得到了更为广泛的应用。指纹图像的增强和匹配算法是影响自动指纹识别系统精度和速度的重要环节，嵌入式系统由于处理速度和内存的限制对指纹识别算法提出了更高的要求。另外，获取高质量的指纹图像和减少模板存储容量也是嵌入式指纹识别系统特别需要解决的问题。本文针对DSP处理器的技术特点，对嵌入式指纹识别系统算法中的几个关键问题进行了研究。论文的主要工作和贡献如下： 1) 提出了一种基于运动估计的扫描指纹图像重构算法。我们利用视频压缩和编码技术中的运动估计的理论，并根据手指在采集扫描图像的滑动过程中的物理运动规律，引入预测运动向量的反馈机制，动态地选取参考匹配块，多帧运动估计和亚像素精度的运动估计相结合，得到连续扫描图像的相对位移，重建出指纹图像。根据计算复杂度分析和实验表明我们的算法可以实时地准确地重构出原始指纹图像。 2) 提出了一种基于增强图像的几何特性的二值化方法。我们提出并证明了基于Hessian矩阵的迹的二值化方法等价于最大主曲率的方法，而这个方法的前提条件是指纹图像在局部邻域内具有方向一致性。因此，我们首先利用各向异性扩散滤波器，使扩散滤波的过程在适应局部纹理结构的一致性方向上进行。实验证明该算法的性能优于常用的指纹图像增强和二值化的算法。 3) 提出了一种适用于嵌入式系统的指纹方向图量化压缩的方法，并利用方向图的互信息实现指纹的匹配。根据指纹方向图特征的相关性以及DSP处理器方便的存储位操作，改进行程编码算法，实时高效地实现了量化的方向图的压缩存储。将读取的方向图模板和输入指纹方向图看作两个离散的随机变量，求取方向图的互信息作为两幅图像的相似性度量。方向图互信息匹配的算法能够在识别性能和压缩效率之间获得较好的平衡。 4) 分别在特征层次上和匹配层次上结合细节点三角形特征和方向场特征，并相应地提出了两种不同的匹配算法。在特征层次上结合细节点特征和方向场特征，定义一个旋转和平移不变的固定维数的三角形特征向量，利用非校准的方法进行匹配。针对该算法耗时较长的缺陷，我们提出了分区域查询等价三角形和几何变换参数聚类的方法。在匹配层次上，我们采取了级联的融合策略，以较小的概率启用方向图匹配并融合细节点匹配的结果，得到更高的识别率。 本文的部分研究成果已经转换到基于DSP的指纹识别核心模块中去，在实际应用中取得了良好的识别效果；部分研究成果应用在我们正在开发的生物特征通关安防教育系统上，获得了较好的实验结果。