『壹』 指紋是什麼技術
指紋識別演算法分為兩種，1：1和1：N。
1：1演算法，是一個驗證的過程。利用人員的ID，先從指紋庫中將事先錄入的指紋特徵提取出來，然後場採集的指紋提取的指紋特徵值進行一比一的比對，來證明該人員為所要識別的人。
1：N演算法是一個辯識的過程。將現場採集到的指紋，提取指紋特徵值，同指紋厙中存儲的指紋特徵值逐一對比，中找出與現場指紋相匹配的指紋，並識別人員身份。
詳細資料請到網路——指紋儀 查看，以下為地址：
http://ke..com/view/705947.htm
『貳』 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。
『叄』 指紋識別技術是基於哪些原理
指紋識別技術的原理
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像。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，指紋圖像屬於個人隱私，因此不能直接存儲指紋圖像）。但指紋識別演算法最終都歸結為在指紋圖像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。
模式區（Pattern
Area）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（Core
Point）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（Type
Lines）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。
紋數（Ridge
Count）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（Minutia
Points）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信息。
指紋上的節點有四種不同特性：
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（Ridge
Divergence）
--
兩條平行的紋路在此分開。
D.
孤立點（Dot
or
Island）
--
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（Short
Ridge）
--
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。
『肆』 指紋識別演算法都有哪些，最先進的是什麼演算法
現在國內外大都採用基於細節特徵點的指紋識別技術，即採用基於圖像處理的指紋識別演算法，有兩種比較有代表性的。一種是基於方向濾波增強，並在指紋細化圖上提取特徵點的演算法，另一種是直接從指紋灰度圖上提取特徵點的演算法。難題在於有些演算法會由於指紋圖像的噪音、皮膚彈性引起的非線性形變等多方面因素，導致在識別過程中出現誤差，影響識別率等[1-2]
指紋演算法存在的難題與方向
指紋圖像預處理：預處理的目的是改善輸入指紋圖像的質量，以提高特徵提取的准確性。本文採用灰度分割法對指紋圖像進行分割。利用中值濾波去噪。通過自適應二值化的方法處理指紋圖像，最後再對圖像進行細化處理並去除毛刺，斷裂等干擾。
指紋圖像特徵提取：對指紋圖像的特徵點進行提取。由於經過預處理後的細化圖像上存在大量的偽特徵點，這些偽特徵點的存在，不但使匹配的速度大大降低，還使指紋識別性能急劇下降，造成識別系統的誤拒率和誤識率的上升。因此在進行指紋匹配之前，應盡可能將偽特徵點去除，針對提取出的指紋細節特徵點含有大量的偽特徵點這一問題，提出了一種邊緣信息判別法，有效地去除了邊界偽特徵點，再根據脊線結構特性去除其毛刺和短脊等偽特徵點，明顯的減少了偽特徵點。
指紋匹配：對指紋圖像的匹配演算法進行研究。特徵匹配是識別系統的關鍵環節，匹配演算法的好壞直接影響識別的性能、速度和效率。為了克服指紋圖像非線性形變的影響，採用基於結構特徵的點匹配演算法，對校準後的點集進行匹配，匹配的特徵點個數在兩個點集中所佔比例大約百分之六十五的范圍內就可判為匹配成功。
『伍』 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。
『陸』 指紋識別是怎麼進行的
導語：指紋識別技術通常使用指紋的總體特徵如紋形、三角點等來進行分類，再用局部特徵如位置和方向等來進行用戶身份識別。盡管指紋只是人體皮膚的小部分，但是，它蘊涵著大量的信息。那麼，接下來就讓我們一起來具體的了解以下關於指紋識別是怎麼進行的內容吧。文章僅供大家的參考!
1.指紋圖像的獲取
指紋圖像的採集是自動指紋識別系統的重要組成部分。早期的指紋採集都是通過油墨按壓在紙張上產生的。20世紀80年代，隨著光學技術和計算機技術的發展，現代化的採集設備開始出現。
感測器是一種能把物理量或化學量變成便於利用的電信號的器件。在測量系統中它是一種前置部件，它是被測量信號輸入後的第一道關口，是生物認證系統中的採集設備。
這些感測器根據探測對象的不同，可分為光學感測器、熱敏感測器和超聲感測器;根據器件的不同，可分為CMOS器件感測器和CCD器件感測器。它們的工作原理都是：將生物特徵經過檢測後轉化為系統可以識別的圖像信息。在生物認證系統中，可靠和廉價的'圖像採集設備是系統運行正常、可靠的關鍵。
2.指紋圖像的增強
常見的預處理方法如下：
(1)採用灰度的均衡化，可以消除不同圖像之間對比度的差異。
(2)使用簡單的低通濾波消除斑點雜訊、高斯雜訊。
(3)計算出圖像的邊界，進行圖像的裁剪，這樣可以減少多餘的計算量，提高系統的速度。
常用圖像增強演算法具體包括以下幾種：
(1)基於傅里葉濾波的低質量指紋增強演算法;
(2)基於Gabor濾波的增強方法;
(3)多尺度濾波方法;
(4)改進的方向圖增強演算法;
(5)基於知識的指紋圖像增強演算法;
(6)非線性擴散模型及其濾波方法;
(7)改進的非線性擴散濾波方法。
目前最新的分割演算法有以下幾種：
(1)基於正態模型進行的指紋圖像分割演算法;
(2)基於馬爾科夫隨機場的指紋圖像分割演算法;
(3)基於數學形態學閉運算的灰度方差法;
(4)基於方向場的指紋圖像分割演算法。
3.指紋特徵的提取
近年來，新的指紋特徵提取演算法主要包括以下幾種：
(1)基於Gabor濾波方法對指紋局部特徵的提取演算法。
(2)基於CNN通用編程方法對指紋特徵的提取演算法。
(3)基於IFS編碼的圖像數字化技術，即建立IFS模型，計算源圖像與再生圖像之間的相似性，快速提取指紋圖像的特徵。
(4)基於脊線跟蹤的指紋圖像特徵點提取演算法。該演算法可以直接從灰度指紋圖像中有效提取細節點和脊線骨架信息。
(5)基於小波變換和ART(自適應共振理論)神經網路的指紋特徵提取演算法。
4.指紋圖像的分類與壓縮
常用的指紋分類技術有以下幾種：
(1)基於規則的方法，即根據指紋奇異點的數目和位置分類。
(2)基於句法的方法。這種方法的語法復雜，推導語法的方法復雜、不固定。這種方法已經逐漸被淘汰了。
(3)結構化的方法，即尋找低層次的特徵到高層次的結構之間相關聯的組織。
(4)統計的方法。
(5)結合遺傳演算法和BP神經元網路的方法。
(6)多分類器方法。
常用的壓縮演算法有以下兩種：
(1)圖像壓縮編碼方法：包括無損壓縮(熵編碼)和有損壓縮(量化)。
(2)基於小波變換的指紋壓縮演算法：包括WSQ演算法、DjVu演算法、改進的EZW演算法等。
5.指紋圖像的匹配
傳統的指紋匹配演算法有很多種：
(1)基於點模式的匹配方法：如基於Hough變換的匹配演算法、基於串距離的匹配演算法、基於N鄰近的匹配演算法等。
(2)圖匹配及其他方法：如基於遺傳演算法的匹配、基於關鍵點的初匹配等。
(3)基於紋理模式的匹配：如PPM匹配演算法等。
(4)混合匹配方法等。
近幾年，又出現了如下新的匹配演算法：
(1)基於指紋分類的矢量匹配。該法首先利用指紋分類的信息進行粗匹配，然後利用中心點和三角點的信息進一步匹配，最後以待識別圖像和模板指紋圖像的中心點為基準點，將中心點與鄰近的36個細節點形成矢量，於是指紋的匹配就轉變為矢量組數的匹配。
(2)基於PKI(Public Key Infrastructure，公鑰基礎設施)的開放網路環境下的指紋認證系統。
(3)實時指紋特徵點匹配演算法。該演算法的原理是：通過由指紋分割演算法得到圓形匹配限制框和簡化計算步驟來達到快速匹配的目的。
(4)一種基於FBI(Federal Bureauof Investigation)細節點的二次指紋匹配演算法。
(5)基於中心點的指紋匹配演算法。該演算法利用奇異點或指紋有效區域的中心點尋找匹配的基準特徵點對和相應的變換參數，並將待識別指紋相對於模板指紋作姿勢糾正，最後採用坐標匹配的方式實現兩個指紋的比對。
『柒』 指紋識別使用什麼原理
指紋識別系統的重要衡量標志是識別率。其主要由兩部分組成，拒判率（FRR）和誤判率（FAR）。正因為如此，權威機構認為，在應用中1%的誤判率就可以接受。FRR實際上也是系統易用性的重要指標。由於FRR和FAR是相互矛盾的，這就使得在應用系統的設計中，要權衡易用性和安全性。下面是我收集整理的指紋識別使用什麼原理，希望對你有幫助。
第一步：指紋是手指末端正麵皮膚上凸凹不平產生的紋路。
盡管指紋只是人體皮膚的小部分，但是，它蘊涵著大量的信息。指紋特徵可分為兩類：總體特徵和局部特徵。總體特徵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、模式區、核心點、三角點、式樣線和紋線等。基本紋路圖案有環形、弓形、螺旋形。局部特徵即指紋上節點的`特徵，這些具有某種特徵的節點稱為特徵點。兩枚指紋經常會具有相同的總體特徵，但它們的局部特徵——特徵點，卻不可能完全相同。指紋上的特徵點，即指紋紋路上的終結點、分叉點和轉折點。
第二步：指紋識別技術通常使用指紋的總體特徵如紋形、三角點等來進行分類，再用局部特徵如位置和方向等來進行用戶身份識別。
通常，首先從獲取的指紋圖像上找到「特徵點」（minutiae），然後根據特徵點的特性建立用戶活體指紋的數字表示——指紋特徵數據（一種單向的轉換，可以從指紋圖像轉換成特徵數據但不能從特徵數據轉換成為指紋圖像）。由於兩枚不同的指紋不會產生相同的特徵數據，所以通過對所採集到的指紋圖像的特徵數據和存放在資料庫中的指紋特徵數據進行模式匹配，計算出它們的相似程度，最終得到兩個指紋的匹配結果，根據匹配結果來鑒別用戶身份。由於每個人的指紋不同，就是同一人的十指之間，指紋也有明顯區別，因此指紋可用於身份鑒定。
第三步：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：
首先，通過指紋讀取設備讀取人體指紋的圖像，取到指紋圖像之後，要對原始圖像進行預處理。
其次，用指紋辨識軟體建立指紋的數字表示特徵數據，是一種單方向的轉換，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。軟體從指紋上找到被稱為「節點」的數據點，也就是那些指紋紋路的分叉、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。
第三，通常手指上平均具有70個節點，所以這種方法會產生大約500個數據。有的演算法將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1KB大小的記錄。
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。