指纹识别系统(文献综述)

指纹识别方法的综述

摘 要: 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关 键性原理和技术做了详细的说明,并对在各个过程中用到的方法做了进一步的比较,讨论了各种方法的优越性。

0 引 言

自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。近年

来,随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识

别技术越来越多地进入到人们的生活和工作中,自动指纹识别系统的研究和开发正在成为国内外学术

界和商业界的热点。相对于其他生物特征鉴别技术例如语音识别及虹膜识别,指纹识别具有许多独到

的优点,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术,有着十分

广泛的应用前景,是将来生物特征识别技术的主流。

1 指纹取像

图 1 是一个自动指纹识别系统AFIS(Automated Fingerprint Identification System) 的简单流程。 → →

→

↓ ↑

————

将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。指纹图像的获取主要利用设备取像,方便实用,比较适合AFIS 。利用设备取像的主要方法又利用光学设备、晶体传感器和超声波来进行。光学取像设备是根据光的全反射原理来设计的。晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。 2 图像的预处理与特征提取

无论采取哪种方法提取指纹,总会给指纹图像带来各种噪声。预处理的目的就是去除图像中的噪

音,把它变成一幅清晰的点线图,以便于提取正确的指纹特征。预处理是指纹自动识别过程的第一步,

它的好坏直接影响着指纹识别的效果。常用的预处理与特征提取( Image Preprocessing and Feature Ex 2

t raction) 方法的主要步骤包括方向图计算、图像滤波、二值化、细化、提取特征和后处理。当然这些步骤

可以根据系统和应用的具体情况再进行适当变化。文献[ 1 ]提出了基于脊线跟踪的方法能够指纹取像 图像预处理 特征提取 指纹识别 数据库管理

从灰度指纹图像中直接抽取细节点及其相关信息。

211 常用的方法 21111 方向图的计算

6 5 4 3 2

7 6 5 4 3 2 1

7 1 0 0 * 0

1 7 1

2

3

4 6 7

2 3 4 5 6

图2 计算灰度和的9 ×9 模板

Fig. 2 The 9 ×9 mask to compute

the slit sums 预处理常基于方向图[2 ] 。方向图是利用指纹纹线的方向信息,把指

纹的脊线和谷线分离。一般采用9 ×9 模板,基准点位于模板的中心。

从水平位置开始,每隔πP 8 确定一个方向,分别在每一个方向计算该点

的灰度和S i (slit sums , i = 0 ,1 , ?,7) , I ( i , j ) 代表点( i , j ) 的灰度值。

例如计算S 3 的公式如下:

S 3 = I ( i - 2 , j - 4) + I ( i - 1 , j - 2) +

I ( i + 1 , j + 2) + I ( i + 2 , j + 4) (1)

设S p 和S q 分别代表8 个方向中最小的与最大的灰度和。该点的方

向一般只可能在p 和q 这两个方向上。用C 代表该点的灰度值,那么可

通过公式(2) 得到该点的方向d 。如果该点位于脊沟上,那么该点的方向定义为p 否则为q 。如此可以得到每一个像素点的方向。

{∑=>++=7083)4(i i q p s

s s c if p d

q 其他 （2）

文献[3 ] 介绍了另外一种估计方向场的方法。这种方法也将指纹脊线的走向分为类似图2 的8 个方

向。但在处理上大为不同。他首先计算8 个方向的灰度平均值G mean [ i ] ( i = 0 ,1 , ?,7) ,然后将这8 个平均值按两两垂直的方向分为4 组(0 和4 、1 和5 、2 和6 、3 和7) ,计算每组中两个平均值的差值,取差值的绝对值比较大的两个方向为可能的脊线方向,然后再取这两个方向中灰度平均值与该像素的灰度值比较接近的方向作为该像素处的脊线方向。

由于这些方向图的噪声很大,所以还必须进行平滑处理。为便于进行下一步处理,计算各像素点方向角α(α ?[ 0 ,180 ]) ,并用一个单位矢量υ = [cos2α,sin2α] 来表示该点的方

向。

对于低质量的图像,不经过一定的图像增强,很难进行后续的处理工作。指纹增强的目的是对低质量的灰度指纹图进行增强,得到清晰的脊线结构。一般对灰度图的增强算法都要用到方向场和频率场的计算,如文献[ 4 ] 提出的基于Gabor 滤波器的增强算法。由于增强算法计算量很大,通常是整个系统时间性能上的瓶颈.

21112 图像滤波

图像滤波的方法很多,而且应用到指纹识别的很多步骤中。对于噪声很大的指纹,还要在计算方向图之前对原始图像进行一次滤波,一般采用高斯滤波初步除噪。在进行后续处理中常用的滤波方法有均值滤波、中值滤波、最小均方差滤波等。

由于高斯函数的傅立叶变换仍是高斯函数,因此高斯函数能构成一个在频域具有平滑性能的低通滤波器。可以通过在频域做乘积来实现高斯滤波。

均值滤波是对是对信号进行局部平均,以平均值来代表该象素点的灰度值。矩形滤波器(A veragingBox Filter) [2 ] 对这个二维矢量的每一个分量进行独立的平滑处理。通过计算和转化,得到一幅单位矢量图。这个512 ×512 的矢量图被划分成一个8 ×8 的小区域,再在每一个小区域中,统计这个区域内的主要方向,亦即将对该区域内点方向数进行统计,最多的方向作为区域的主方向。于是就得到了一个新的64 ×64 的矢量图。这个新的矢量图还可以采用一个3 ×3 模板进行进一步的平滑。

中值滤波是常用的非线性滤波方法,也是图像处理技术中最常用的预处理技术。它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。加权中值滤波能够改进中值滤波的边缘信号保持效果。但对方向性很强的指纹图像进行滤波处理时,有必要引入方向信息,即利用指纹方向图来指导中值滤波的进行。文献[5 ] 采用方向加权中值滤波运用指纹方向图和模糊理论的思想来构造滤波模板,不同的前景点方向选择不同权值的模板。

最小均方差滤波器,亦称维纳滤波器,其设计思想是使输入信号乘响应后的输出,与期望输出的均方误差为最小。文献[ 6 ] 通过在不同区域内计算该区域的标准差和灰度平均值,取标准差最小区域的灰度平均值作为点( i , j) 的灰度。

21113 二值化和细化

以上所得的是增强后的256 级灰度图像,还需要将其进一步转变为二值图像(前景点取作1 ,背景点取作0) ,提取指纹脊线,便于后续处理。

指纹纹线的细化从实现上可分为两大类:一类是从外到内逐点剥去二值图像的边界点,如Hildth[7 ]算法;另一类是从内到外,找到某一中间点,然后按扫描方向寻找其八邻域内也为纹条纹中间象素的点,逐次取得细化线。前种方法中间定位性较好,易于实现,但往往要经过若干次迭代算法,速度较慢。后种方法能保持较好的连通性,但情况复杂,中间定位不准,较难实现。

对于细化后的图像,经过一定的光滑处理后,进一步去噪(如去处孤立点、毛刺、跨接短桥、小环等)后,就可以初步提取指纹细节点。

21114 特征提取

在指纹图中出现频度较高的细节特征有8 种,即点、纹线端点、分支、眼、枝叉、交叉、小桥和短线,其中纹线端点和分支是两种基本的特征,而其他的特征可看作由其组合而成。取纹线端点和分支作为指纹的细节特征。

指纹特征的提取采用链码搜索法对指纹纹线进行搜索,提取出各种特征及其特征的坐标位置。最终形成指纹特征文件,文件中包含指纹特征点的种类、大小、坐标、方向等有用的识别信息。在有的系统中,还将细节特征与中心之间、或细节特征之间的纹线数提取并记录下来。

扫描完整幅图像后,可得其全部的特征点,这些特征点绝大部分是真实的,但其中也包括由噪音引入的伪特征点,因此,还需进一步根据以下规则去除伪特征点:

①纹线断点删除:若具有同一方向的两个端点之间的距离小于某一阀值,则认为是伪特征点。

②毛刺删除:若连接于分支上的端点且其到分支的距离小于某一阀值,则认为是伪特征点。

③位于前景区域边界的特征点应删除。

经以上步骤的处理,可删除大部分假特征点。

212 基于脊线跟踪的方法

基于脊线跟踪的方法[1 ,8 ] 是直接从灰度及图像获取细节信息的新颖算法,试验结果表明这种直接从灰度图像提取细节特征的方法比传统的先二值化再细化的方法具有明显的优点。算法的基本思想是沿纹线方向自适应地追踪指纹脊线,在追踪过程中,局部增强指纹图像,最后得到一幅细化后的指纹脊线骨架图和附加在其上的细节点信息。由于该算法只在占全图比例很少的点上估算方向并滤波处理,计算量相对较少,在时间复杂度上具有一定的优势。

3 指纹分类

指纹识别常常需要在大规模的数据库上进行计算。如果没有一种有效的数据库分类机制,输入的指纹图像将不得不同数据库中大量的指纹数据逐一进行比对,系统工作将非常繁重。为了减少时间和计算的复杂度,必须对指纹进行分类。这样查询只需在指纹数据库中的一个相应子集中进行,从而节省了运算时间并降低了复杂度。

按照西方学者的惯例,在这篇文章中将指纹分为5 类:螺旋型(Whorl) 、右旋型(Right Loop) 、左旋型(Left Loop) 、弓型(Arch) 、帐型( Tented Arch) 。

指纹分类的实现方法很多,大致上可以分为4 类:基于神经网络的分类方法、基于奇异点进行分类的方法、语法分析的方法和其他的方法。

3 . 1 基于神经网络的分类方法[9 ,10 ]

神经网络的方法一般是基于多层感知器或Kohonen 自组织网络。由于人工神经网络具有与人脑相似的高度并行性和良好的容错性,特别是以改进型BP 网络为代表的神经网络具有良好的自学习能力、强大的分类能力和容错能力。运用BP 网络进行指纹分类是很可行的,但是在采用BP 算法训练连接权值时,由于BP 算法存在易于陷入局部极值的缺点,因而可能使最终的分类结果达不到理想状态。遗传算法( GA) 是一种自适应的启发式全局搜索算法,能从问题的解空间而不是单个解开始进行鲁棒性搜索,可以有效地防止寻优结果收敛于局部最优解。该算法不依赖于问题模型特性,没有解析寻优算法要求目标函数连续光滑的限制,具有较好的自适应性。文献[ 9 ]提出了一种利用多个多层感知器来进行分类。每个感知器都试图将指纹图像分类到不同的类中,然后再通过感知器对前面的分类结果进行分析处理。

312 基于奇异点进行分类的方法[2 ,11 ]

相对于指纹图像的其它区域而言、奇异点有许多特殊性质。比如对于给定指纹图像的任意一点,在其邻域内作一条包围该点的闭合曲线,沿该闭合曲线旋转一周计算所得到的方向向量的旋转总和,对于不同性质的点,这个总和值是不同的,涡轮形(whorl) 对应的值为360°,中心点(core) 对应的值为180°,三角区(delta) 对应的值为- 180°,而一般(ordinary) 的图像区域对应值为0°。利用这一特性,可找出图像中的奇异点[11 ] 。

基于奇异点的数量和位置的启发式规则被用来进行指纹分类。其他的一些诸如脊线形状和方向的细节特征被用来改善分类的性能。由于这些方法严重依赖奇异点,所以在一些噪声比较大和局部图像和残缺图像中,这种方法会出现比较大误差。在文献[ 2 ]中提出了一种迭代

方法来降低噪声以增强分类的准确性,取得了一定的效果。

313 语法分析的方法和其他的方法

语法分析的方法是根据预定义的语法规则来表示指纹和对指纹进行分类的。在分类的过程中,根据各类规则对图像进行处理和分类。

此外，Chong 等[12 ] 提出了一种基于脊线几何形状的分类方法。利用B 样条曲线来模拟指纹脊线。还利用其他的曲线来降低人为误差。分类是通过跟踪曲线得到纹线的旋转来实现的。文献[ 13 ]采用了隐含马科夫模型分类器(hidden Markov model classification) 的方法。文献[ 14 ]提出了一种基于指纹方向图分区和遗传算法的连续分类方法。根据各种典型指纹类别的拓扑结构而引进了一组动态分区模板和代价函数用于引导方向图分区,并将寻找最佳匹配划分的过程转化成一个N 维向量空间的函数优化问题。由于这种方法是一种连续分类方法,取得了很好的实验结果和较强的算法鲁棒性。

4 指纹库的建立与指纹的比对

提取的指纹存储在数据库中。指纹识别系统中数据的存放方式不仅需要像一般数据库中的数据一样,保障其安全性和一致性,还应能以高速读取,以满足高速查询比对的需要。大型指纹识别系统的数据库很大,并行分布式数据库和指纹分类技术可以减少检索时间。建立指纹数据库,一般要采集同一枚指纹的3～5 个样本,分别对这些样本进行预处理和特征抽取,从所有样本图像中找出权值大于一给定阀值的特征点,以这些特征为模板建立指纹数据库样本。

指纹匹配是指纹识别系统的核心步骤,也是一个重要的研究课题,人们在这方面作了很多工作、文献[ 15 ]提出了一种用图匹配来对两幅指纹图像进行匹配的方法。文献[ 16 ]用结构匹配来做指纹识别。但目前最常用的方法是用美国联邦调查局提出的细节点坐标模型来做细节匹配。它利用脊线末梢(我们称为端点) 与脊线分支点这两种关键点来鉴定指纹。通过将细节点表示为点模式,一个自动指纹认证问题可以转化为一个点模式匹配(细节匹配) 问题. 一般的点模式匹配问题是模式识别中的一个有名的难题,人们对一般的点模式匹配问题提出过很多的算法,像松弛算法[17 ] 、基于二维聚类的快速算法[18 ] 、三角匹配的算法[19 ] 、基于局部和全局结构的匹配算法[20 ] 。文献[ 3 ]在针对指纹匹配中的点模式匹配问题提出了一种算法,该算法将直角坐标系中的细节点转换到极坐标系中,通过串匹配算法来进行点匹配。

指纹识别系统的特定应用的重要衡量标志是识别率。主要由两部分组成,拒判率FRR ( False Re2jection Rate) 和误判率FAR ( False Acceptance Rate) 。可以根据不同的用途来调整这两个值。FRR 和FAR 是成反比的。用0～1. 0 或百分比来表达这个数。图3 的ROC (Receiver Operating Curve) 曲线给出FAR 和FRR 之间的关系。一个良好的系统应该在FRR 和FAR 之间取得很好的平衡。

5 结论

由于指纹独特的特点,指纹识别技术正在被运用到越来越多的领域。在信息安全领域、数据通讯领域、公共安全方面、金融安全等方面都有很不错的表现和应用。但基本上这些应用都是一对一的指纹鉴别,而对于一对多的指纹识别,还存在着比对时间比较长,正确率不高的特点。为了加快指纹识别的速度,还应该考虑简化图像的预处理。指纹识别算法也要能够根据最少的特征对指纹进行匹配,并能减少由于各种原因引入的偏差,增强算法的鲁棒性。

参考文献:

[ 1 ] MAIO D ,MAL TONI D. Davide Matloni. Direct gray2scale minutiae detection in fingerprints[J ] . IEEE PAMI ,1997 ,19 (1) :27 - 39.

[ 2 ] KALL E K,ANIL KJ . Fingerprint classification[J ] . Pattern Recognition , 1996 ,29 (3) :389 - 404.

[ 3 ] ANIL J , L IN H , RUUD B. On2line fingerprint verification[J ] . IEEE PAMI ,1997 , 19 (4) :302 - 313.

[ 4 ] L IN H , YIFEI W, ANIL J . Fingerprint image enhancement : algorithm and performance valuation[J ] . IEEE PAMI ,1998 ,20 (8) :777 - 789.

[ 5 ] 冯星奎,肖兴明. 方向加权中值滤波算法[J ] . 中国图像图形学报,2000 (5) :609 - 611.

[ 6 ] HARDIC R C ,BONCEL ET C A. Class of rank2order2based filters for smoothing and sharping[J ] . IEEE Transaction on Signal Processing ,1993 ,41 (3) :1061 - 1075.

[ 7 ] LAM L ,SUE C Y. A dynamic shape reserving thinning algorithm[J ] . Signal Processing ,1991 ,22 (2) :199 - 208. [ 8 ] 简兵,庄镇泉,李海鹰,等. 基于脊线跟踪的指纹图细节提取算法[J ] . 电路与系统学报, 2001 ,6 (3) :1 - 5. [ 9 ] KAMIJO M. Classifying fingerprint images usin g neural network : deriving the classification state[J ] . Proc Third Int’l Conf Neural Network ,1993. 1932 - 1937.

[ 10 ] ANIL KJ , SAL IL P , L IN H. A m ultichannel approach to fingerprint classification[J ] . IEEE PAMI ,1999 ,21 (4) :348- 358.

[11 ] 黄韧,陆亨立,张维新. 基于方向角度变化的指纹奇异点提取的快速算法[J ] . 华东师范大学学报,2002 (1) :52 – 55

[12 ] CHONG, M M S , NGEE T H ,JUN L , et al . Geometric framework for fingerprint image classification [J ] . Pattern Recoginition ,1997 ,30 (9) :1475 - 1488.

[13 ] SENIOR A. A hidden markov model fingerprint classifier[J ] . Proc. 31st Asilomar Conf . Signals ,Systems and Comput2 ers ,1997 ,306 - 310.

[14 ] CAPPELL I R ,LUMINI A , MAIO D , et al . Fingerprint classification by directional image partitioning[J ] . IEEE PA2 MI ,1999 ,21 (5) :402 - 421.

[ 15 ] ISNOR D K,ZAKY S G. Fingerprint identification using graph matching[J ] . Pattern Recognition ,1986 ,19 (2) :113 -122.

[16 ] HRECHAK A K,MCHU GH J A. Automated fingerprint recognition using structural matching[J ] . Pattern Recognition ,1990 ,23 (8) :893 - 904.

[ 17 ] RANADE S ,ROSENFELD A. Point pattern matching by relaxation[J ] . Pattern Recognition , 1980 ,12 (4) :269 - 274.

[18 ] CHENG S H , CHENG F H ,HSU W H , et al . Fast algorithm for point pattern matching : invariant to translation , rotaions and scale changes[J ] . Pattern Recognition , 1997 ,30 (2) :311 - 316.

[19 ] MIKLOS Z ,V AJNA K. A fin gerprint verification system based on triangular matching and dynamic time warping[J ] .IEEE PAMI ,2000 ,22 (11) :1266 - 1276.

[20 ] J IANG X D , YAU W Y. Fingerprint minu tiae matching based on local and global structures[J ] . Proceeding of the 15th International Conference on Pattern Recognition. 2000 :1042 - 1045.

指纹锁指纹识别技术的基本原理介绍

官网：https://www.sodocs.net/doc/1216980169.html, 指纹锁指纹识别技术的基本原理介绍 指纹锁的识别灵敏度是指纹锁产品性能和用户体验的重要指标之一，但现实生活中指纹锁识别指纹时总容易受到外接因素的影响。比如手指多汗，或指纹采集窗太潮湿会导致指纹锁识别失灵，这究竟是什么原因呢，英迪隆智能指纹锁为你简单解答一下。 指纹是人的手指正面皮肤上有规律排列却又不尽相同的纹线。指纹中的中断、分叉或转折而形成的点就是细节特征点，而这些细节特征点，就提供了指纹唯一性的确认信息。而指纹识别传感器就是通过记录指纹纹路的方向，并将其数字化，形成一个独一无二的钥匙，并以解锁。 目前指纹锁采集指纹的方式主要有两种，光学式和电容式。光学指纹头通过计算光线在指纹的沟和脊与采集窗的不同距离而获取指纹信息，当手指有汗渍或采集窗有水分，就会影响光线的传递与距离，导致所获取的指纹信息与原来储存的信息有误，因此指纹锁识别失灵。 而电容式指纹锁虽然比光学指纹锁更先进，但也存在受潮后识别失灵的情况。说起电容式指纹锁，其原理大家应该可以联想一下电容屏的工作原理，都是利用人体的电流感应进行工作的。 电容式指纹锁指纹识别传感器周边均镀上了狭长的电极，当手指按到指纹采集窗时，由于人体是一个电场，用户指纹纹路和传感器表面会形成一个耦合电容，对于高频电流来说，电容是直接导体，于是手指就会从接触点吸走一个很小的电流。这个电流分从周边的电极中流出，并且流经周边电极的电流与指纹到周边的距离成正比，控制器通过对电流比例的精确计算，得出触摸纹路相关数据。 简单来说就是用户的指纹摁到哪儿，哪儿就“通电”“漏电”了，传感器就有了反应了。所以，当手指有汗或者采集窗有水渍时，由于水是导电的，用户使用指纹识别时，电流就会被影响，所以上面的计算就不准了，自然识别失灵了。 因此，当指纹锁用户在首次录入指纹时，最好保持手指与指纹采集窗的干燥与干净，好录入正确干净的指纹;当用户使用指纹解锁时，擦干手指和采集窗就可以避免指纹锁失灵的情况。

指纹识别系统综述简介

指纹识别系统 1.1 指纹识别系统原理 指纹识别系统的组成原理。如图1-1所示。图中的学习模块负责采集用户指纹数据，对指纹图像进行预处理，提取这些指纹的特征，作为将来的比对模板存人数据库。而识别模块则负责采集和处理指纹图像，在提取特征后与数据库中的指纹模板进行比对，然后判断是否匹配．得出结论。整个系统的核心就是图像处理、特征提取以及指纹比对。 图1-1 1.2 指纹采集与指纹图像处理方法 目前，主要的指纹采集方法有两种：一种是光学采集器；另一种是用半导体传感器。光学采集器采集指纹是通过把手指沾上油墨后按在白纸上，然后用摄像机把图像转换为电信号。光学采集受外界干扰小、采集精度较高，但是数据量较大，因此处理时问较长。而对于半导体传感器来说，手指的温度、湿度对其测量结果有影响，但是数据量不大，处理比较方便。随着半导体技术的发展，半导体传感器的成本低、体积小、方便集成等优点逐步体现，它已逐步代替光学采集器。指纹鉴定过程的第一个阶段是指纹图像的采集阶段，也就是指纹模板的录A阶段。为了初步确定图像预处理方法，我们必须首先了解指纹传感器获得的图像的尺寸和质量。根据不同的指纹传感器，我们设计不同的方案进行图像采集，并将从各个图中提出特征点储存到数据库中，来产生“活模板”，为后面的指纹鉴定做准备。 指纹图像处理是整个指纹识别过程的核心。常见的指纹图像处理包括滤波增强、二值化、细化、提取特征点四个步骤。在采集指纹图像的过程中，由于采集环境，皮肤表面的性质，采集设备的差异等各种因素的影响，采集的图像会不同程度的受到各种噪声的干扰，从而影响了采集图像的质量。所以实际的指纹图像首先通过一个滤波增强来改善图像的质量，恢复

指纹识别系统(文献综述)

指纹识别方法的综述 摘 要: 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关 键性原理和技术做了详细的说明,并对在各个过程中用到的方法做了进一步的比较,讨论了各种方法的优越性。 0 引 言 自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。近年 来,随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识 别技术越来越多地进入到人们的生活和工作中,自动指纹识别系统的研究和开发正在成为国内外学术 界和商业界的热点。相对于其他生物特征鉴别技术例如语音识别及虹膜识别,指纹识别具有许多独到 的优点,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术,有着十分 广泛的应用前景,是将来生物特征识别技术的主流。 1 指纹取像 图 1 是一个自动指纹识别系统AFIS(Automated Fingerprint Identification System) 的简单流程。 → → → ↓ ↑ ———— 将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。指纹图像的获取主要利用设备取像,方便实用,比较适合AFIS 。利用设备取像的主要方法又利用光学设备、晶体传感器和超声波来进行。光学取像设备是根据光的全反射原理来设计的。晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。 2 图像的预处理与特征提取 无论采取哪种方法提取指纹,总会给指纹图像带来各种噪声。预处理的目的就是去除图像中的噪 音,把它变成一幅清晰的点线图,以便于提取正确的指纹特征。预处理是指纹自动识别过程的第一步, 它的好坏直接影响着指纹识别的效果。常用的预处理与特征提取( Image Preprocessing and Feature Ex 2 t raction) 方法的主要步骤包括方向图计算、图像滤波、二值化、细化、提取特征和后处理。当然这些步骤 可以根据系统和应用的具体情况再进行适当变化。文献[ 1 ]提出了基于脊线跟踪的方法能够指纹取像 图像预处理 特征提取 指纹识别 数据库管理

指纹识别原理-IC及模组介绍

指纹识别原理及模组工艺 概述 指纹识别的背景知识 我们手掌及其手指、脚、脚趾侧表面的皮肤凸凹不平产生的纹路会形成各种各样的图案。这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。人们也注意到，包括指纹在的这些皮肤的纹路在图案、断点和交叉点上各不相同，也就是说，是唯一的。依靠这种唯一性，我们就可以把一个人同他的指纹对应起来，通过对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。这种依靠人体的身体特征来进行身份验证的技术称为生物识别技术，指纹识别是生物识别技术的一种。 目前，从实用的角度看，指纹识别技术是优于其他生物识别技术的身份鉴别方法。这是因为指纹各不相同、终生基本不变的特点已经得到公认。 最早的指纹识别系统应用与警方的犯罪嫌疑人的侦破，已经有30多年的历史，这为指纹身份识别的研究和实践打下了良好的技术基础。特别是现在的指纹识别系统已达到操作方便、准确可靠、价格适中的阶段，正快速的应用于民用市场。 指纹识别系统通过特殊的光电转换设备和计算机图像处理技术，对活体指纹进行采集、分析和比对，可以迅速、准确地鉴别出个人身份。 系统一般主要包括对指纹图像采集、指纹图像处理、特征提取、特征值的比对与匹配等过程。现代电子集成制造技术使得指纹图像读取和处理设备小型化，同时飞速发展的个人计算机运算速度提供了在微机甚至单片机上可以进行指纹比对运算的可能，而优秀的指纹处理和比对算法保证了识别结果的准确性。指纹自动识别技术正在从科幻小说和好莱坞电影中走入我们实际生活中，就在今天，您不必随身携带那一串钥匙，只需手指一按，门就会打开；也不必记住那烦人的密码，利用指纹就可以提款、计算机登录等等。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。 在一开始，通过指纹读取设备读取到人体指纹的图像，取到指纹图像之后，要对原始图像进行初步的处理，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。软件从指纹上找到被称为“节点”（minutiae）的数据点，也就是那些指纹纹路的分叉、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。因为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。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。 文案

指纹识别技术综述(扫盲篇)

指纹识别技术综述（扫盲篇） 1、产品构成 对指纹识别技术，目前除了一部分真正的研发人员之外，大部分涉业者或者兴趣者都希望有个清晰的了解。在此，先从指纹识别产品的构成说起，也就是由产品构成再展开对技术构成的分析。 指纹识别产品是由基础构件、中间构件和上层构件组成的，基础构件是指一个完整的指纹识别（不是指纹采集）产品，包括硬件和软件，都必须具备的基础部分。中间构件，简称中间件，是向上支持各类软件系统或者硬件设备，实现指纹注册和认证功能的独立部分。上层构件，是指在基础构件之上，自己实现中间件或者利用中间件建立起来的执行应用的部分，也可以称为应用构件。 指纹产品基础构件包括：指纹传感器（指纹Sensor）、指纹传感器驱动程序（Driver）、指纹传感器底层接口程序（底层SDK），以及指纹算法程序。其中前三个都是作为一个整体对待，笼统的称为指纹SENSOR。指纹基础构件的这四个部分，对于任何一类的指纹识别产品都是不可缺少的，所以称之为基础构件。 指纹产品中间构件，或者叫指纹应用中间件，它专门完成指纹注册和认证功能，所以它一定包含指纹识别算法。它屏蔽了应用层对设备层（基础构件中的SENSOR以及DRIVER）的直接访问。它既可以表现为软件控件（ocx），也可表现为硬件模块，也就是俗称的指纹脱机模块。 指纹产品上层构件，它是用户需求的实现部分，其形态不定，可以是一个完整的指纹应用软件产品，如指纹文件保护系统、计算机登录指纹保护系统。也可是指纹考勤机、指纹保险柜等这类嵌入式硬件产品。 在了解了指纹识别产品的构成要件之后，我们再一层层采用解析的方法来分析每个构件中的技术成份。 2、指纹产品基础构件 2.1、基础构件之指纹SENSOR 从基础构件层来看，其中的指纹SENSOR，是指纹图像自动采集和生成部分，是整个指纹识别产品的数据输入端。绝大多数指纹SENSOR通过光学扫描、晶体热敏、晶体电容等三种主要传感原理采集指纹图像。衡量一个指纹SENSOR的质量好坏或者使用的技术的高低，从其使用的采集原理上并不能得出结论，而是主要从以下几个方面

指纹识别技术综述

指纹识别技术综述 1、产品构成 对指纹识别技术，目前除了一部分真正的研发人员之外，大部分涉业者或者兴趣者都希望有个清晰的了解。在此，先从指纹识别产品的构成说起，也就是由产品构成再展开对技术构成的分析。 指纹识别产品是由基础构件、中间构件和上层构件组成的，基础构件是指一个完整的指纹识别（不是指纹采集）产品，包括硬件和软件，都必须具备的基础部分。中间构件，简称中间件，是向上支持各类软件系统或者硬件设备，实现指纹注册和认证功能的独立部分。上层构件，是指在基础构件之上，自己实现中间件或者利用中间件建立起来的执行应用的部分，也可以称为应用构件。 指纹产品基础构件包括：指纹传感器（指纹Sensor）、指纹传感器驱动程序（Driver）、指纹传感器底层接口程序（底层SDK），以及指纹算法程序。其中前三个都是作为一个整体对待，笼统的称为指纹SENSOR。指纹基础构件的这四个部分，对于任何一类的指纹识别产品都是不可缺少的，所以称之为基础构件。 指纹产品中间构件，或者叫指纹应用中间件，它专门完成指纹注册和认证功能，所以它一定包含指纹识别算法。它屏蔽了应用层对设备层（基础构件中的SENSOR以及DRIV ER）的直接访问。它既可以表现为软件控件（ocx），也可表现为硬件模块，也就是俗称的指纹脱机模块。 指纹产品上层构件，它是用户需求的实现部分，其形态不定，可以是一个完整的指纹应用软件产品，如指纹文件保护系统、计算机登录指纹保护系统。也可是指纹考勤机、指纹保险柜等这类嵌入式硬件产品。 在了解了指纹识别产品的构成要件之后，我们再一层层采用解析的方法来分析每个构件中的技术成份。

2、指纹产品基础构件 2.1、基础构件之指纹SENSOR 从基础构件层来看，其中的指纹SENSOR，是指纹图像自动采集和生成部分，是整个指纹识别产品的数据输入端。绝大多数指纹SENSOR通过光学扫描、晶体热敏、晶体电容等三种主要传感原理采集指纹图像。衡量一个指纹SENSOR的质量好坏或者使用的技术的高低，从其使用的采集原理上并不能得出结论，而是主要从以下几个方面来衡量。 （1）成像质量。成像质量是衡量指纹SENSOR（指纹传感器）质量的首要标准。 成像质量主要表现为对指纹图像的还原能力，以及去噪能力。 （2）手指适应能力。由于不同手指指纹的纹路深浅不同、干湿不同，污渍程度不同。要能够对所有情况进行有效兼容，是指纹SENSOR的适用能力的表现。 有时候手指适用能力被归到成像质量中考虑。 （3）采集速度。采集速度表现为从手指放到SENSOR触面后多长时间内完成一次指纹采集的时间，或者单位时间如1S可以采集的次数。速度的快慢直接影 响到用户的使用体验。 （4）电气特性。电气特性是从产品化的角度来看，指纹SENSOR是否真正可用于某种产品。电气特性主要关注三个参数，工作电压，功耗和ESD（防静电能 力）。如把指纹SENSOR应用到手机上，必然要考虑手机的现在供电方式能 否满足增加了指纹SENOSR后的电压和功耗要求。不过大部分指纹SENOS R的电压都在3.6V以下（含）。 （5）硬件接口能力。接口能力也是从产品化的角度来衡量的。接口能力直接影响着指纹SENSOR所获得的指纹图像数据的传送方式，影响着与指纹处理模块 之间的通讯方式和通讯速度。比如已具备USB接口能力的指纹SENSOR，可 以直接与USB HUB相连。而没有USB接口的，就需要通过USB控制器来实 现，给产品化增加一道技术门槛。

指纹识别系统(文献综述)

指纹识别方法的综述 摘要 : 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关 键性原理和技术做了详细的说明, 并对在各个过程中用到的方法做了进一步的比较, 讨论了各种方法的优越性。 0引言 自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。 近年 来, 随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识 别技术越来越多地进入到人们的生活和工作中, 自动指纹识别系统的研究和开发正在成为国 内外学术 界和商业界的热点。相对于其他生物特征鉴别技术例如语音识别及虹膜识别, 指纹识别具有许多独到 的优点 ,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术 有着十分 广泛的应用前景, 是将来生物特征识别技术的主流。 , 1指纹取像 图1 是一个自动指纹识别系统 AFIS(Automated Fingerprint Identification System)的简单流程。 指纹取像→ 图像预处理 → 特征提取 → 指纹识别 ↓↑ 数据库管理———— 将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。指纹图像的获取主要利用设备取像,方便实用 , 比较适合 AFIS 。利用设备取像的主要方法又利用光学设备、晶 体传感器和超声波来进行。光学取像设备是根据光的全反射原理来设计的。晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。 2图像的预处理与特征提取 无论采取哪种方法提取指纹 ,总会给指纹图像带来各种噪声。预处理的目的就是去除图像中的 噪 音,把它变成一幅清晰的点线图 ,以便于提取正确的指纹特征。预处理是指纹自动识别过程的第 一步 , 它的好坏直接影响着指纹识别的效果。常用的预处理与特征提取( Image Preprocessing and Feature Ex2 t raction) 方法的主要步骤包括方向图计算、图像滤波、二值化、细化、提取特征和后处理。 当然这些步骤 可以根据系统和应用的具体情况再进行适当变化。文献[ 1 ] 提出了基于脊线跟踪的方法能够

常见的几种指纹识别技术概述

常见的几种指纹识别技术概述 摘要：作为个人身份识别的重要依据——指纹识别技术已得到人们的广泛认可，本文将就指纹识别的特点对指纹的采集、识别的方法及其原理做一简要分析。 关键词：指纹识别指纹采集识别技术 随着社会的快速发展，科学技术的进步，人们也面临着各种挑战，其中身份识别与认证是各种社会活动的基础，如何快速准确的进行身份识别关系到我们生活秩序的稳定。由于人体所具有的生物特征如指纹、DNA、声音等具有独特性与单一性及无法替代的防伪性，随着现代科技的发展，使得使用这些特殊的生物特征进行身份识别成为社会发展的潮流。 指纹这种表皮纹线形态是人类所特有的，并且由于遗传特性的差异，每一个人的指纹特征都是不尽相同的。每个人的指纹甚至每个指纹的每一条纹线都是独立的且唯一的，指纹的这些特征使得其成为个人身份认定和识别的最直接最便捷的途径，因此我们把一个人的指纹与他的指纹对应起来，通过比较他的指纹特征和预先保留的指纹样品即可验证其身份[1]。尤其在各国警察机构中指纹识别为其工作带来了极大的便利。为维护社会秩序的稳定作出了重要贡献。 一、指纹技术的历史发展 我国是世界上公认最早使用指纹来确认个人身份的国家。据相关资料显示，我国古代最早的指纹应用时在秦朝，经过近千年的发展到了唐朝指纹已经广泛应用于田宅、人身买卖契约、订立抵押借贷等民事活动。到宋代随着犯罪案件的增加，指纹已经作为正式的判案工具应用于刑事诉讼领域。其中《宋史》中详细记载，元绛利用指纹明判欺诈案件的故事。 我国虽然应用指纹技术较早，但指纹识别技术科学化系统化却是近代西方人发明并完善的。在欧洲1788年，梅耶首先提出世界上没有两个人的指纹会完全相同。1889年，亨利的研究成果提出了一套完整的指纹细节特征识别理论，为现代指纹识别技术奠定了基础。同时随着近代人体解剖学、遗传学、物理学、概率统计学等科学理论的发展以及科学实验话研究方法的日趋成熟使得指纹识别技术在近百余年内越来越被人重视并应用于生活中。 指纹识别技术从被发现起就被广泛的应用于商业买卖等民事领域。由于指纹具备稳定性和唯一性，刑事侦查领域也开始广泛采用。在司法领域中，指纹一直被视为物证之首。但在早期刑事侦查中，指纹由专门部门采集特定人群的十指指纹信息并按一定管理办法进行人工分类和储存，当有送检的犯罪现场指纹或嫌疑人的指纹时吗，由专业技术人员根据指纹特征用肉眼逐一识别对比，但人工识别方法效率低、速度慢不能满足现代社会的需要，到上世界60年代末，在美国开始出现自动指纹识别系统（AFIS），此系统因其储存量大、对比话、便于查询等

指纹识别综述

指纹识别方法的综述 摘要: 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关键性原理和技术做了详细的说明,并对在各个过程中用到的方法做了进一步的比较,讨论了各种方法的优越性。 关键词: 指纹识别; 模式识别; 图象处理 0 引言 自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。近年来,随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识别技术越来越多地进入到人们的生活和工作中,自动指纹识别系统的研究和开发正在成为国内外学术界和商业界的热点。相对于其他生物特征鉴别技术例如语音识别及虹膜识别,指纹识别具有许多独到的优点,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术,有着十分广泛的应用前景,是将来生物特征识别技术的主流。 1 指纹取像 图1 是一个自动指纹识别系统AFIS(Automated Fingerprint Identification System) 的简单流程。将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。指纹图像的获取主要利用设备取像,方便实用,比较适合AFIS。利用设备取像的主要方法又利用光学设备、晶体传感器和超声波来进行。光学取像设备是根据光的全反射原理来设计的。晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。 图1 AFIS 流程简图 2 图像的预处理与特征提取 无论采取哪种方法提取指纹,总会给指纹图像带来各种噪声。预处理的目的就是去除图像中的噪音,把它变成一幅清晰的点线图,以便于提取正确的指纹特征。预处理是指纹自动识别过程的第一步,它的好坏直接影响着指纹识别的效果。常用的预处理与特征提取( Image Preprocessing and Feature Ex2t raction) 方法的主要步骤包括方向图计算、图像滤

期末大作业-指纹识别技术概述

《模式识别》期末考查 学号 姓名 班级 专业

指纹识别技术概述 Fingerprint Development Status and Application Prospect Abstract:Fingerprint, finger finger on the front end of the human skin produced uneven ridge, its has a lifelong invariance, uniqueness and convenience, has almost become synonymous with biometrics. Fingerprint minutiae points by referring to compare fingerprints to identify, involving many disciplines of image processing, pattern recognition, computer vision, mathematical morphology, wavelet analysis. Since each person's fingerprint is the same person between the fingers, there was a marked difference between a fingerprint, so fingerprints can be used for identity verification. Because each stamped orientation is not exactly the same, the focus will bring different levels of different deformation, and there are a lot of fuzzy fingerprint, how to extract features properly and achieve the correct match is the key fingerprint recognition technology. Key words: Fingerprint;Uniqueness;Biometrics;Fuzzy fingerprint 摘要: 指纹,指人的手指末端正面皮肤上凸凹不平产生的纹线,以其具有终身不变性,唯一性和方便性,已几乎成为生物特征识别的代名词.指纹识别即指通过比较不同指纹的细节特征点来进行鉴别,涉及图像处理,模式识,计算机视觉,数学形态学,小波分析等众多学科.由于每个人的指纹不同,就是同一人的十指之间,指纹也有明显区别,因此指纹可用于身份鉴定.由于每次捺印的方位不完全一样,着力点不同会带来不同程度的变形,又存在大量模糊指纹,如何正确提取特征和实现正确匹配,是指纹识别技术的关键. 关键词: 指纹;唯一性;生物特征识别;模糊指纹 1 指纹识别技术简介 指纹识别技术把一个人同他的指纹对应起来,通过比较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.每个人(包括指纹在内)皮肤纹路在图案,断点和交叉点上各不相同,也就是说,是唯一的,并且终生不变.依靠这种唯一性和稳定性,我们才能创造指纹识别技术. 指纹识别技术涉及图像处理,模式识别,计算机视觉,数学形态学,小波分析等众多学科.由于每个人的指纹不同,就是同一人的十指之间,指纹也有明显区别,因此指纹可用于身份鉴定.由于每次捺印的方位不完全一样,着力点不同会带来不同程度的变形,又存在大量模糊指纹,如何正确提取特征和实现正确匹配,是指纹识别技术的关键.

指纹识别技术

什么是指纹识别技术 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，呈现惟一性且终生不变。据此，我们就可以把一个人同他的指纹对应起来，通过将他的指纹和预先保存的指纹数据进行比较，就可以验证它的真实身份，这就是指纹识别技术。 指纹识别主要根据人体指纹的纹路、细节特征等信息对操作或被操作者进行身份鉴定，得益于现代电子集成制造技术和快速而可靠的算法研究，已经开始走入我们的日常生活，成为目前生物检测学中研究最深入，应用最广泛，发展最成熟的技术。 指纹识别算法 与人工处理不同，一般的生物识别技术公司并不直接存储指纹的图像，而是使用不同的数字化算法在指纹图像上找到并比对指纹的特征。每个指纹都有几个独一无二、可测量的特征点，每个特征点都有大约5~7个特征，我们的十个手指产生最少49 00个独立可测量的特征，这足以说明指纹识别是一个更加可靠的鉴别方式。 识别指纹主要从两个方面展开：总体特征和局部特征。 总体特征 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 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惟一性的确认信息，其中最典型的是终结点和分叉点，其他还包括

关于指纹识别技术的基本特征以及识别过程详解

关于指纹识别技术的基本特征以及识别过程详解 尽管指纹识别技术已经进入了民用领域，但是其工作原理其实还是比较复杂的。与人工处理不同，生物识别技术公司不直接存储指纹的图像。多年来，各生物识别技术公司及其研究机构研究了许多指纹识别算法（美国有关法律认为，指纹图像属于个人隐私，因此不能直接存储指纹图像）。但各种识别算法最终都归结为在指纹图像上找到并比对指纹的特征。这就是指纹识别技术的基本原理，即采集指纹图像并进行比对指纹特征。指纹的特征从普遍意义上来讲，可以定义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。它包括： 1、基本纹型 常见的指纹图案有环型、弓型、螺旋型，其他的指纹图案都基于这三种基本图案，只是一个粗略的分类，仅仅依靠图案类型来分辨指纹是远远不够的，但通过分类可以更加便利于在大数据库中搜寻到指纹。 2、模式区（Pattern Area） 模式区是包含了纹型特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。 3、核心点（Core Point） 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。 4、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。 5、式样线（Type Lines） 式样线是在指纹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。 6、纹数（Ridge Count） 纹数是指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先连接核心点和三角点，

指纹识别四大技术解析

指纹识别四大技术解析 指纹图像的获取技术主要有4种类型：光学扫描设备（例如微型三棱镜矩阵）、温差感应式指纹传感器、半导体指纹传感器、超声波指纹扫描。 一、光学识别技术 借助光学技术采集指纹是历史最久远、使用最广泛的技术。将手指放在光学镜片上，手指在内置光源照射下，用棱镜将其投射在电荷耦合器件（CCD）上，进而形成脊线（指纹图像中具有一定宽度和走向的纹线）呈黑色、谷线（纹线之间的凹陷部分）呈白色的数字化的、可被指纹设备算法处理的多灰度指纹图像。 光学的指纹采集技术有明显的优点：它已经过较长时间的应用考验，一定程度上适应温度的变异，可达到500DPI的较高分辨率等，最主要是价格低廉。也有明显的缺点：由于要求足够长的光程，因此要求足够大的尺寸，而且过分干燥和过分油腻的手指也将使光学指纹产品的效果变坏。 光学指纹传感局限性体现于潜在指印方面（潜在指印是手指在台板上按完后留下的），不但会降低指纹图像的质量，严重时还可能导致2个指印重叠，显然，难以满足实际应用需要。此外，台板涂层及CCD阵列会随时间推移产生损耗，可能导致采集的指纹图像质量下降。但是具有无法进行活体指纹鉴别、对干湿手指的适用性差等缺点。 光学指纹识别系统由于光不能穿透皮肤表层（死性皮肤层），所以只能够扫描手指皮肤的表面，或者扫描到死性皮肤层，但不能深入真皮层。在这种情况下，手指表面的干净程度，直接影响到识别的效果。如果，用户手指上粘了较多的灰尘，可能就会出现识别出错的情况。并且，如果人们按照手指，做一个指纹手模，也可能通过识别系统，对于用户而言，使用起来不是很安全和稳定。 二、温差感应式识别技术 温差感应式识别技术是基于温度感应的原理而制成的，每个像素都相当于一个微型化的电荷传感器，用来感应手指与芯片映像区域之间某点的温度差，产生一个代表图像信息的电信号。 它的优点是可在0.1s内获取指纹图像，而且传感器体积和面积最小，即目前通常所说的滑动式指纹识别仪就是采用该技术。缺点是：受制于温度局限，时间一长，手指和芯片就处于相同的温度了。 三、半导体硅感技术（电容式技术） 20世纪90年代后期，基于半导体硅电容效应的技术趋于成熟。硅传感器成为电容的一个极板，手指则是另一极板，利用手指纹线的嵴和峪相对于平滑的硅传感器之间的电容差，形成8bit的灰度图像。电容传感器发出电子信号，电子信号将穿过手指的表面和死性皮肤层，直达手指皮肤的活体层（真皮层），直接读取指纹图案。由于深入真皮层，传感器能够捕获更多真实数据，不易受手指表面尘污的影响，提高辨识准确率，有效防止辨识错误。 半导体指纹传感器包括半导体压感式传感器、半导体温度感应传感器等，其中，应用最广泛的是半导体电容式指纹传感器。 半导体电容传感器根据指纹的嵴和峪与半导体电容感应颗粒形成的电容值

基于MATLAB的指纹识别系统(开题报告)

重庆工商大学 毕业论文(设计)开题报告计算机科学与信息工程学院 (系)测控技术与仪器专业(本科) 2006级1班课题名称：基于MATLAB的指纹图像预处理系统设计 毕业论文(设计)起止时间： XX年XX 月XX 日～ XX 月XX日(共XX周) 学生姓名：XX 学号：XX 指导教师： XX 报告日期： XX学毕业论文(设计)开题报告3－1

1．本课题所涉及的问题在国内(外)的研究现状综述 1、指纹识别及其优点。人手的指纹即为手指皮肤上的花纹, 它是人的一种生物特征。该特征具有独特的性质, 其花纹的细节由细微纹点和纹脊的起点、终点、分叉、结合等组成。正是这些无穷无尽的细节特征组合构成了指纹 10, 几乎为零, 这就构成了指纹的第一大特的唯一性。事实上, 甚至包括双胞胎, 世界上两个指纹相同的几率<1/9 点。指纹特征的另外几大特点是: 不变性——即指纹的图案永远不会改变; 与主体永不分离性——即指纹不存在丢失、遗忘、被窃取的可能; 指纹的使用比起其它证卡来说更快捷、安全、准确、无干扰, 可实现快速登录注册, 系统兼容性好, 也就是说可以独立或者通过联网构成系统且很容易并入各类证卡和定义识别系统中。因此, 指纹识别技术的应用范围极广(除化学家和矿工外均能鉴定)。 2、指纹自动识别系统的发展现状。指纹自动识别系统是集计算机、网络、光电技术、图像处理、智能卡、数据库技术等于一体的综合高技术。目前的指纹自动识别系统是采用先进的光电识别办法采集一个指纹信息, 并把它变成可以和已由计算机处理过的暗码相比对的代码。这些代码都经过加密处理, 然后经独特的相关算法进行识别判断, 在算法上有的采用是一个指纹的全部图案, 而有的是指纹的特殊细节。 目前的自动指纹识别系统已具有如下特点:(1) 可靠性: 采用独特的容错技术, 既使指纹有破坏, 即指纹不全或指纹随时间有自然的变化时也不影响正确识别。(2) 快捷性: 大多数系统鉴别时间仅需1～3s, 登录注册一个新客户只需1m in 的时间。(3) 灵活性: 一个指纹信息的代码可以压缩到几十个字节到几百个字节, 因此可以存放在一个磁条上或者一张两维条码卡上或者IC 卡上, 甚至几个指纹代码可以存在一张智能卡上。当然, 成千上万的代码可以存放在局域或网络化数据库中, 这样, 代码可以沿网络迅速传输, 因而可以灵活的构成各类系统, 即可以独立使用或集成到一个大范围的出入口控制或者安全处理系统如证卡存档识别系统中。( 4) 可接受性: 一个因素是目前的系统具有高性能; 另一个因素是目前的系统设计已考虑到人类工程学设计, 因而易被用户接受。(5) 安全性: 所有个人代码都经过了特殊加密, 通过所存储的代码不可能复原原指纹, 彻底避免了指纹的冒用, 因此既使证卡丢失, 也不存在安全问题。(6) 方便性: 目前出现的各类指纹识别系统一般外观设计精巧、结实, 采用了精密独特的光电系统, 具有LD 或全程液晶提示, 备有多种安装模式。(7) 兼容性: 可以与现有的各类系统兼容, 可实现全自动化的识别。(8) 实时性: 可实现完整的跟踪、实时报警功能。正是由于目前已经开发出了具有如上特点的指纹识别技术, 因此以此为基础的个人识别技术, 即证卡、代码、指纹的综合动态模式组合, 将可以对不同的应用场所提供不同的安全等级。 3、市场前景。自动指纹识别系统有着极其广阔的应用前景。众所周知, 指纹识别最早是在罪犯鉴别中应用, 它对于提高侦破手段、震慑罪犯、打击刑事犯罪成为强有力的武器并起到了重要作用。根据目前的了解,A F IS 的其它适用场所为: 政府各类机要部门(例如档案馆(室)、机要室)、国家重点实验室及生产重地、机场、军事要地(例如基地、仓库)、重要军事装备或关键设备的启动控制、银行金库、金融系统、代保管库、博物馆、珍宝馆、高级住宅、高级宾馆等重要门禁或入口控制、汽车门锁等。除此之外, 另一大潜在应用前景是: 自动取款机(A TM )、信用卡、驾驶执照、身份证、医疗健康卡、移民登记、计算机系统安全、机械登记等方面。1、指纹锁，指纹锁可以装在门里、车内、保险箱柜的内部, 外面无锁眼, 从而避免了撬锁, 可广泛用于金库、保安、银行、出纳、自动门、百叶门、保险柜、电控装置等门禁系统中。2，指纹卡，国际上偷盗使用卡和利用信用卡进行诈骗犯罪活动越来越猖獗, 仅1995 年英国因此损失8 千万英镑, 法国损失3100 万英镑, 目前我国信用卡用户已达2～ 3 千万, 利用信用卡犯罪我国也在呈不断上升趋势。我国政府打算用10 年左右的时间, 在全国400 多个城市的3亿人中推广信用卡, 预计发行量将达到2 亿张。目前我国IC 卡年产量已达6 千万张, 生产能力已达1 亿张, 全世界到2000 年IC 卡的总需求超过38 亿张, 我国需求量为年均2 千万张。目前, 国内各种磁卡、IC 卡系统已十分普遍。例如: 大庆市1996 年已拥有医疗保险IC 卡80 万张, 全国联网的200 电话磁卡已有上百万用户。由于指纹识别技术的诸多优点, 可以预料, 一方面指纹卡将会在一切需要验证身份的场所发挥越来越重要的作用, 其应用领域将会进一步拓宽; 另一方面, 由于市场的推动, 指纹识别技术也会不断提高, 在其识别可靠性、速度、成本等方面进一步朝实用化迈进。我们期待着指纹识别这一高技术在人们的生活中起到应有的越来越重要的作用。

指纹识别技术的基本原理及过程

指纹识别技术的基本原理及过程 尽管指纹识别技术已经进入了民用领域，但是其工作原理其实还是比较复 杂的。与人工处理不同，生物识别技术公司不直接存储指纹的图像。多年来， 各生物识别技术公司及其研究机构研究了许多指纹识别算法(美国有关法律认为，指纹图像属于个人隐私，因此不能直接存储指纹图像)。但各种识别算法最终都归结为在指纹图像上找到并比对指纹的特征。这就是指纹识别技术的基本原理，即采集指纹图像并进行比对指纹特征。 ?指纹的特征从普遍意义上来讲，可以定义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。它 包括： ?1、基本纹型常见的指纹图案有环型、弓型、螺旋型，其他的指纹图案都基 于这三种基本图案，只是一个粗略的分类，仅仅依靠图案类型来分辨指纹是远 远不够的，但通过分类可以更加便利于在大数据库中搜寻到指纹。 ?2、模式区(Pattern Area)模式区是包含了纹型特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。 ?3、核心点(Core Point)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。 ?4、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。 ?5、式样线( Type Lines)式样线是在指纹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。 ?6、纹数( Ridge Count)纹数是指模式区内指纹纹路的数量。在计算指纹的纹

感知识别技术概述

指纹识别技术 1、产品构成 对指纹识别技术，目前除了一部分真正的研发人员之外，大部分涉业者或者兴趣者都希望有个清晰的了解。在此，先从指纹识别产品的构成说起，也就是由产品构成再展开对技术构成的分析。 指纹识别产品是由基础构件、中间构件和上层构件组成的，基础构件是指一个完整的指纹识别（不是指纹采集）产品，包括硬件和软件，都必须具备的基础部分。中间构件，简称中间件，是向上支持各类软件系统或者硬件设备，实现指纹注册和认证功能的独立部分。上层构件，是指在基础构件之上，自己实现中间件或者利用中间件建立起来的执行应用的部分，也可以称为应用构件。 指纹产品基础构件包括：指纹传感器（指纹Sensor）、指纹传感器驱动程序（Driver）、指纹传感器底层接口程序（底层SDK），以及指纹算法程序。其中前三个都是作为一个整体对待，笼统的称为指纹SENSOR。指纹基础构件的这四个部分，对于任何一类的指纹识别产品都是不可缺少的，所以称之为基础构件。 指纹产品中间构件，或者叫指纹应用中间件，它专门完成指纹注册和认证功能，所以它一定包含指纹识别算法。它屏蔽了应用层对设备层（基础构件中的SENSOR以及DRIVER）的直接访问。它既可以表现为软件控件（ocx），也可表现为硬件模块，也就是俗称的指纹脱机模块。

指纹产品上层构件，它是用户需求的实现部分，其形态不定，可以是一个完整的指纹应用软件产品，如指纹文件保护系统、计算机登录指纹保护系统。也可是指纹考勤机、指纹保险柜等这类嵌入式硬件产品。 在了解了指纹识别产品的构成要件之后，我们再一层层采用解析的方法来分析每个构件中的技术成份。 2、指纹产品基础构件 2.1、基础构件之指纹SENSOR 从基础构件层来看，其中的指纹SENSOR，是指纹图像自动采集和生成部分，是整个指纹识别产品的数据输入端。绝大多数指纹SENSOR 通过光学扫描、晶体热敏、晶体电容等三种主要传感原理采集指纹图像。衡量一个指纹SENSOR的质量好坏或者使用的技术的高低，从其使用的采集原理上并不能得出结论，而是主要从以下几个方面来衡量。 （1）成像质量。成像质量是衡量指纹SENSOR（指纹传感器）质量的首要标准。成像质量主要表现为对指纹图像的还原能力，以及去噪能力。 （2）手指适应能力。由于不同手指指纹的纹路深浅不同、干湿不同，污渍程度不同。要能够对所有情况进行有效兼容，是指纹SENSOR的适用能力的表现。有时候手指适用能力被归到成像质量中考虑。

指纹识别技术原理介绍

指纹识别技术原理

前言及声明

目录 一、概述 (4) 1.1 指纹识别技术概述 (4) 二、指纹识别技术原理 (4) 2.1采集指纹图像 (4) 2.1.1主动式电容指纹传感器 (6) 2.1.2 被动式电容指纹传感器 (6) 2.2提取指纹特征 (7) 2.3存储指纹特征 (8) 2.4指纹特征匹配 (8)

一、概述 1.1 指纹识别技术概述 指纹识别从概念上讲，不算一个新概念，但它依然是一个正在逐步成熟和普及应用的新技术。指纹识别技术最大的特点无非三个方面：高唯一性、高安全性和高便捷性。而这三个特点其实正是我们信息安全从业者不懈追求的目标。围绕这三个特点，指纹识别技术出现两大应用前景最为广阔的区域，一是由其高安全性和唯一性，在有高机密防护需求的国家涉密系统等领域的发展；二是凭借其便捷性和唯一性，在大众社会化领域的智能化应用。 二、指纹识别技术原理 2.1采集指纹图像 指纹图像的采集主要依靠指纹传感器。指纹传感器目前主要分为光学指纹传感器和电容式指纹传感器。 光学指纹传感器主要是利用光的折摄和反射原理，将手指放在光学镜片上，手指在内置光源照射下，光从底部射向三棱镜，并经棱镜射出，射出的光线在手指表面指纹凹凸不平的线纹上折射的角度及反射回去的光线明暗就会不一样。用棱镜将其投射在电荷耦合器件上CMOS或者CCD上，进而形成脊线（指纹图像中具有一定宽度和走向的纹线）呈黑色、谷线（纹线之间的凹陷部分）呈白色的数字化的、可被指纹设备算法处理的多灰度指纹图像。如图1所示。

图1 光学指纹传感器原理示意图 电容式指纹传感器是将电容感测器整合于一块芯片中，当指纹按压芯片表面时，内部电容感测器会根据指纹波峰与波谷而产生的电荷差，从而形成指纹影像。如下简图，可以把上面的凹凸认为是指纹的谷和脊，那么同传感器就会形成不同的电容差，这样传感器就可以根据这些不同的电容差画出指纹的纹理。如图2所示。电容传感器又分为主动式和被动式。 图2 电容式指纹传感器原理示意图