指纹识别

前言：

为了方便查看博客，特意申请了一个公众号，附上二维码，有兴趣的朋友可以关注，和我一起讨论学习，一起享受技术，一起成长。

---

1.概念

指纹是指手指末端正面皮肤上凹凸不平的纹路。这段纹路蕴含了大量的特征信息，如纹形、模式区、核心点、三角点和纹数等总体特征；细节特征，端点、断点、分叉点、三角点、核心点等称为“特征点”的细节特征。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。指纹识别就是依靠总体特征和细节特征来唯一的确认一个人的身份。

2.采集过程

指纹识别过程大致涉及的主要步骤为指纹图像采集、指纹图像预处理、指纹图像的特征提取、匹配与识别等过程。指纹图像的预处理一般又包括图像增强、二值化和细化。

2.1指纹图像的采集：

它是自动指纹识别系统的重要组成部分，图像采集就是通过专门的指纹采集仪来采集活体指纹图像的过程。最早指纹采集仪采用的光学传感器，随着半导体技术的发展，陆续出现了CMOS指纹传感器、热敏传感器、超声波传感器等新型传感器。

2.2指纹图像的预处理：

采集获得的指纹图像通常都伴随着各种各样的噪声，一部分是由于采集仪造成的，另一部份是由于手指的状态所造成的。指纹图像预处理的目的就是去除图像中的噪声，使图像画面清晰，边缘明显，把它变成一幅清晰的点线图，以便于提取正确的指纹特征。指纹图像预处理在整个指纹识别系统中具有重要的地位和作用，它的好坏直接影响着指纹识别的效果。

2.3图形增强：

指纹预处理过程中最重要的一步就是对指纹图像进行增强，图像增强的目的是在增强脊线谷线结构对比度的同时抑制噪声，连接断裂的脊线和分离粘连的脊线，按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息。指纹图像增强算法主要有基于Gabor滤波的增强方法和基于傅里叶滤波的低质量指纹增强算法。Gabor滤波增强是使用方向场图像来进行增强的，是指纹增强算法中最常见的一种。基于傅里叶滤波的低质量指纹增强算法是通过傅里叶变换把指纹图像增强从空域转化到频域，然后在频域上对指纹图像进行带通滤波、方向滤波，从而使指纹图像得到增强。

2.4二值化：

这个二值化是指非黑即白。图像经过增强处理后其中的纹线(脊)部分得到了增强，不过脊的强度并不完全相同，表现为灰度值的差异。二值化的目的就是使脊的灰度值趋向一致，使整幅图像简化为二元信息在指纹识别中，一方面对图像信息进行了压缩，保留了纹线的主要信息，节约了存储空间，另一方面还可以去除大量的粘连，为指纹特征的提取和匹配作准备。

2.5细化：

指纹图像二值化后，纹线仍具有一定的宽度，而指纹识别只对纹线的走向感兴趣，不关心它的粗细。细化的目的是为了删除指纹纹线的边缘像素，使之只有一个像素宽度，减少冗余的信息，突出指纹纹线的主要特征，从而便于后面的特征提取。细化时应保证纹线的连接性，方向性和特征点不变，还应保持纹线的中心基本不变。

2.6指纹图像的特征提取：

主要有两种特征提取方法，**一种是从灰度图像中提取特征，另一种是从细化二值图像中提取特征。**直接从灰度图像中提取特征的算法一般是对灰度指纹纹线进行跟踪，根据跟踪结果寻找特征的位置和判断特征的类型。这种方法省去了复杂的指纹图像预处理过程，但是特征提取的算法却十分复杂,而且由于噪声等因素影响，特征信息（位置、方向等）也不够准确。而从细化二值图像中提取特征的方法比较简单，在得到可靠的细化二值图像后，只需要一个3×3的模板就可以将端点和分叉点提取出来。

2.7匹配与识别：

是指纹识别系统中的最后一步，也是评价整个指纹识别系统性能的最主要依据。**指纹匹配是根据提取的指纹特征来判断两枚指纹是否来自于同一个手指。**特征匹配主要是细节特征的匹配，将新输入指纹的细节特征值与指纹库中所存指纹的细节特征值进行比对，找出最相似的指纹作为识别的输出结果，也就是所说的指纹验证识别过程，它是指纹识别系统的最终目的。由于各种因素的影响，同一指纹两次输入所得的特征模板很可能不同。因此，只要有输入指纹的细节特征与所存储的模板相似时，就说这两个指纹匹配。

3.指纹识别算法

指纹识别算法是实现指纹识别的关键，它直接决定了识别率的高低，是指纹识别技术的核心。

4.指纹识别认证

FRR（False Rejection Rate）和FAR（False Acceptance Rate）是用来评估指纹识别算法性能的两个主要参数。FRR和FAR有时被用来评价一个指纹识别系统的性能。指纹识别系统的性能除了受指纹算法的影响外，指纹采集设备的性能对FRR和FAR的影响也是不能忽视的。

FRR通俗叫法是拒真率，标准称谓是FNMR（False Non-Match Rate 不匹配率）。可以通俗的理解为“把应该相互匹配成功的指纹当成不能匹配的指纹”的概率。对指纹算法的性能测量是在给定指纹库的情况下进行测量的。

FAR一般称为认假率，其标准称谓是FMR（False Match Rate 错误匹配率）。FMR是用来评估指纹识别算法性能的最重要参数。可以通俗的理解为“把不应该匹配的指纹当成匹配的指纹”的概率。

5.指纹的特征

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。

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（Minutia Points）。 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信息。

6. 指纹识别传感器

这部分内容来自------->(http://blog.csdn.net/lowkeyway/article/details/69569669)

6.1光学传感器

它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。

优点：

1.抗静电能力强、系统稳定性较好、使用寿命长 ;

2.灵敏度特别的高 ;

3.能提供高分辨率的指纹图像（可以达到500 dpi）。

缺点：

1、潜在指印（多次按压）,会降低指纹图像的质量 ;

2、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 ;

3、体积比较大，功耗控制不好。

用途： 鉴于光学传感器的体积都比较大，因此它的应用领域主要集中在指纹门锁，保险箱，汽车指纹防盗。

####6.2电容传感器

其原理是将电容感整合于一块芯片中，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。

电容传感器又分为主动式和被动式。

主动式：

原理主要是通过外加的驱动信号（如Ring）加载到手指上以增强手指表面的电荷，使底下的感应阵列接收电场信号并对信号进行放大，根据指纹凹凸不一致底下芯片感应到的电场也不一致从而重现指纹（如下图）：

被动式:

其是利用手指按在芯片表面时，指纹的波峰波谷对芯片内部电容上下电极电荷分配的比例影响程度来对指纹进行重现指纹，无需额外增加驱动源，芯片结构非常单纯（如下图），也因为无额外驱动信号，所以模组也无需外置Ring，模组结构也非常简单。

优点：

1、芯片和模组可以做的很薄 ；

2、功耗更容易控制。

缺点：

1、穿透率比较低 ；

2、价格相对较高 ；

3、防水、防污性不强。

主动式和被动式的原理也很好辨别，主动式就是额外加了激励电源。可以想象主动式的电容传感器穿透会比较强，但是无可厚非的会带来更多的噪声，所以究竟是主动式还是被动式的传感器好，不能一概而论，还是要看各家的技术。

####6.3射频传感器原理

原理与探测海底物质的的声纳类似，是靠特定频率的信号反射来探知指纹的具体形态的。这一类指纹模块最大的优点便是手指无需与指纹模块相接触，因而不会对手机的外观造成太大影响。

6.4超声波传感器

超声检测就是依靠反射波的时间差探知脊和谷的距离差，根据这个距离差绘制出指纹图像。

特制的晶片（称为换能器）在电脉冲的激励下，产生机械振动（类似于人摸一下电门浑身一抖），振动产生超声波脉冲（pulse），超声波脉冲在传播过程中，会被传播介质（如人体）一部分一部分地被反射或者散射回来（echo），尤其是介质中物理性质不连续的地方，（比如手机上方的一根手指），反射波尤为强烈。反射或散射回换能器的回波，又使换能器产生振动，这种振动被换能器转换为电信号，对于电信号进行不同的处理，可以得到不同的信息，比如传播介质的结构，有没有运动的物体在介质中，介质的弹性等等。

参考：

1.指纹识别技术

2.指纹识别-流程

3.指纹识别认证

4.指纹识别的原理和方法