指纹识别系统原理
开篇：润墨网以专业的文秘视角，为您筛选了一篇指纹识别系统原理范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：由于指纹的唯一性和不变性，以及指纹识别技术的可行性和实用性，指纹识别已成为当前最流行、最方便、最可靠的个人身份认证技术之一。本文主要涉及三个方面：指纹识别中的基本概念、指纹识别系统的构成、指纹识别系统的可靠性问题。
关键词：指纹识别 特征提取 指纹图像预处理
生物测定技术是当前研究的热点之一。目前，有很多生物测定技术可用于身份认证，包括：虹膜识别、视网膜识别、面部识别、签名识别、声音识别技术、指纹识别技术等。其中指纹因具有终生不变性及稳定性，是目前应用前景较好的生物识别系统。
一、 指纹识别中的基本概念
指纹图像是比较复杂的，它有着许多不同于其他图像的特征。与人工处理不同，现代的生物识别技术并不直接存储指纹的图像（一是考虑到隐私权，二是由于存储空间），而是记录从指纹原图像中提取到的特征，基于特征的指纹识别算法最终归结为在指纹图像上找到特征并进行比对。
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。
1.总体特征是指那些用人眼直接就可以观察到的特征
基本纹路图案：旋涡型、左环型、右环型、弓型、帐型。其他的指纹图案都基于这五种基本图案。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。
模式区（Pattern Area）：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哪一种类型的。有的指纹识别算法只使用模式区的数据。
核心点（Core Point）：核心点位于指纹纹路的渐进中心，可作为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记数和跟踪的开始之处。
纹数（Ridge Count）：指模式区内指纹纹路的数量。在计算指纹的纹线数时，一般先连接核心点和三角点，然后计算核心点与三角点之间的连线与指纹纹路相交的次数，这个次数即可认为是指纹的纹数。
2.局部特征是指指纹上的细节点
两枚指纹经常会具有相同的总体特征，但它们的局部特征――细节点，却不可能完全相同。
细节点（Minutia Point）：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、分叉点和转折点就成为“细节点”。就是这些细节点提供了指纹唯一性的确认信息。
指纹上的细节点有四种不同特性：
1）类型――细节点有以下几种类型，最典型的是末梢点和分叉点
A．末梢点（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．环点（Enclosure）
一条纹路分开成为两条之后，立即又合并成为一条，这样形成的一个小环称为环点。
D．孤立点（Dot or Island）
一条特别短的纹路，以至于成为一点。
E．短纹（Short Ridge）
一端较短但不至于成为一点的纹路。
2）方向（Orientation）――细节点的方向由所在的脊线方向决定。
3）曲率（Curvature）――描述纹路方向改变的速度。
4）位置（Position）――细节点的位置通过(x，y)坐标来描述，可以是绝对的，也可以是相对于参考点或特征点的。
二、 指纹识别系统的构成
一个优秀的生物识别系统要求能实时迅速有效地完成其识别过程。所有的生物识别系统都包括如下几个处理过程：采集、比对和匹配。指纹识别处理也一样，它包括指纹图像采集、指纹图像预处理、特征提取、特征值的比对与匹配等过程。
指纹识别系统的结构如下图所示：
（1） 指纹读入：光学、硅晶体传感器和其他
常用的指纹采集技术有光学全反射技术、硅晶体传感器技术和超声波扫描技术。光学全反射的原理是光线照射到压有指纹的玻璃表面时，由 CCD 获得反射光线，反射光的数量依赖于压在玻璃表面的手指指纹的脊和谷的深度以及皮肤与玻璃间的油脂和水分。光线经玻璃照射到指纹谷的地方后，在玻璃和空气的界面全反射，光线被反射到 CCD，照射向指纹脊的光线不发生全反射，而是被脊与玻璃指纹图像预处理与特征提取的接触面吸收或者漫反射到别的地方，于是就在 CCD 上生成了指纹图像。光学技术的特点是成本低，耐性好，缺点是体积大，成像质量一般。
硅晶体传感器技术使用硅晶体传感器，最常见的有电容传感器、温度感应传感器和压感传感器。电容传感器技术在半导体金属阵列上结合了约十多万个电容传感器，其表面是绝缘的，当用户的手指放在上面时，手指皮肤组成了电容阵列的另一面，电容器的电容值由于导体间的距离（指纹的脊和谷相对于另一极的距离）而不同。通过测量空间中不同的电容场得到完整的指纹图像。温度传感器通过感应压在传感器设备上的指纹的脊和谷的温度不同来获得指纹图像。传感器技术的特点是成本低、体积小、耗电量少，缺点主要是易受干扰，包括静电干扰、手指汗液中的盐份、手指脏物或磨损等。
超声波扫描技术捕捉指纹的原理是：超声波扫描指纹的表面后，接收设备获得指纹对超声波的反射信号，再根据指纹的脊和谷的反射信号重构出指纹图像。
超声波扫描不像光学扫描，积累在手指上的脏物和油脂对超声波影响不大，可以得到高品质的指纹图像，但是由于成本高，限制了该技术的推广应用。
近年来由于热敏技术的发展使使用温度传感器的指纹采集仪成像质量大大提高，成为使用最普遍的指纹采集设备之一。
（2）指纹图像的预处理
预处理在整个自动指纹识别系统中是很关键的一步。通常，直接输入计算机的图像有着一定的噪声，我们需要去除这些噪声才能正确地进行特征提取、分类、匹配等操作。对于不同的特征提取方法有着不同的预处理要求，目前，从大的方面分，主要有三种特征提取方法：第一种是从细化后的图像中提取细节特征；第二种是从灰度级图像中直接提取细节特征；第三种是从二值化后的图像中直接提取细节特征。后两种特征提取方法中预处理的内容都较少，但是特征提取算法十分复杂，而且由于噪声等因素影响，特征定位也不够准确。目前大多数系统采用第一种方法提取特征，该方法比较简单，在得到细化二值图像后，只需要一个 3×3 的模板便可将末梢点和分叉点提取出来；但该方法的预处理的工作量较大，一般包括图像增强、滤波、二值化、细化等步骤，最后得到的是一幅指纹脊为单像素宽的二值图像。
（3）特征提取
特征提取是指纹识别系统的关键部分之一，因此特征提取的好坏直接影响到以后的指纹匹配的结果，所以，如果输入图像的质量很好，很容易确定其结构，此时的特征提取只是从细化后的单象素的纹线提取细节点的简单过程。细节点提取后还要进行虚假特征点即伪特征点去除。伪特征点，按照其在指纹图像上的分布位置可划分为两类：位于图像边缘的伪特征点和不是边缘点的伪特征点。大量的伪特征点会对下一步的匹配算法产生很大影响，因此，为了下一步匹配结果的准确性，在提取特征点以后，还有一步非常重要的剔除伪点的操作即特征点后处理。
最终检测出来的每一个特征点，一般记录如下信息：
1) 特征点的坐标。
2) 特征点的方向。
3) 特征点的类型。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
4) 特征点所在纹线的信息。
5) 特征点间的结构关系。
这样，就将指纹图像转化成了一个由细节点组成的平面点集。
（4）指纹的分类
自动指纹识别系统一般需要将输入指纹与一个很大的指纹数据库进行匹配，为了减少搜索时间、降低计算的复杂性，将指纹以一种精确且一致的方式分到每个指纹子库是很重要的，这样输入指纹只要跟子库中的指纹匹配就可以了。指纹分类被认为是指纹匹配的初级阶段。在大部分的研究中，指纹一般分为 5 类：旋涡型、左环型、右环型、弓型、帐型。
（5）特征匹配
特征匹配是将输入指纹的特征与指纹库中所存储指纹的特征进行匹配，找出最相似的指纹作为识别的输出结果。这个过程也就是我们所说的指纹识别/认证过程，它是自动指纹识别系统的核心。其中指纹识别用以判断指纹是属于哪一个人的，而指纹认证则是用来判断两个指纹是否属于同一个人。
三、指纹识别系统的可靠性问题
由于计算机处理指纹时，只是涉及了指纹的一些有限的信息，而且比对算法并不是精确匹配，其结果也不能保证100%准确。指纹识别系统的重要衡量标志是识别率，具体说来，它又分为误识率（false accept rate，FAR）和拒识率（false rejectrate，FRR）两个指标。误识率（FAR）是指不属于同一手指的指纹被错误匹配上的次数与所有比对次数的比值，它实际上是系统的安全度测量；拒识率（FRR）是指属于同一手指的指纹被误判为不属于同一人的次数与所有比对次数的比值。理想化的产品是安全度高且易用性强的，但是这两个指标是矛盾的，这就使得在应用系统的设计中要权衡易用性和安全性，根据不同的应用，在两者之间取折中。如在无法以现阶段技术达到理想指标时，产品的定位可由安全性高、方便性较低（例如在信息安全系统使用 FAR：千万分之一；FRR：百分之二）来设计；或以易用性高但安全性较低（例如在指纹考勤系统使用 FAR：百万分之一；FRR：百分之一）方向定位。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”方案的安全性高得多。例如采用四位数字密码的系统，不安全性概率为 0.01%，如果同采用误识率为 0.01%指纹识别系统相比，由于不诚实的人可以在一段时间内试用所有可能的密码，因此四位密码并不安全，但是他绝对不可能找到一千个人去为他把所有的手指（十个手指）都试一遍。正因为如此，在应用中1%的误识率就可以接受。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文