手機指紋識別演算法

『壹』 怎麼看見的手機上的指紋

指紋識別主要包括以下步驟:指紋圖像採集、指紋特徵提取和指紋匹配。為了進行指紋識別，必須獲得指紋圖像。指紋圖像可以通過三種方式獲得:光學指紋識別、電容指紋識別和射頻指紋識別。第一，光學指紋識別。在該方案中，光源照射在指紋上，反射光被接收器接收，從而可以獲得指紋的線條。然而，這種方法有一定的缺陷，即手指的清潔度影響指紋識別的效果。如果手指沾有更多灰塵，識別可能會出錯。

在獲得指紋圖像後，提取指紋特徵並記錄一些詳細的特徵，通常包括端點、孤立點、分叉點等。在指紋線中，指紋的端點和分叉點是最穩定和最容易獲得的。特徵提取相當於指紋採集。最後，指紋匹配是將現場採集的指紋與指紋資料庫中存儲的指紋特徵進行比較，根據判斷演算法給出兩個指紋的相似性得分，最後給出是否為同一指紋的判斷結果。此時，指紋識別完成。

『貳』 指尖上的密碼—指紋識別模式和流程，都是怎樣的

隨著科學技術的發展，手機防偽識別越來越先進，蘋果公司之前一直在推人臉識別技術，公司的新手機全部用人臉識別，但是隨著疫情的發展，用人臉識別非常不方便，蘋果公司最近的指紋識別專利過審，蘋果公司彷彿又要回到用指紋識別的時候。那麼人臉識別和指紋解鎖哪個更方便呢？指紋解鎖更快捷，指紋識別不需要對著攝像頭就能解鎖，指紋識別能夠在不方便的情況下解鎖，指紋是獨一無二的，相對人臉識別更加安全。

指紋對人類來講是獨一無二的，哪怕是雙胞胎指紋也會不一樣，因此指紋識別非常安全。有的人類識別手機無法識別雙胞胎，也無法識別3D列印的人臉，所以人臉識別相對安全性不如指紋識別。活體指紋識別技術成為很多新的智能門鎖新賣點。那麼這項技術它的安全性和優勢在於哪裡呢？與當前主流的半導體識別技術和光電指紋識別技術不同的是活體指紋技術將電容指紋感測器、光學檢測感測器集成在一顆晶元之內。配合獨特的計算機軟體演算法，通過人體的指紋血液和心率信號來進行用戶指紋信息驗證。區別於傳統的識別系統。

目前活體指紋識別技術的應用領域還不是太廣，不過隨著市場對於安全領域的防範需求會推動活體指紋技術不斷完善和更新。加快其應用推廣。由於目前的光學指紋識別技術採集的是皮膚表皮的紋理信息，而這種信息會隨著人的年齡而慢慢的模糊化。教育活體指紋識別技術來說，安全性上無法保證。而活體指紋識別技術獸活體的血液流動和皮膚上電信號變化，安全性能極大提升。活體指紋識別技術義務與安全防範的領域較為廣泛，其中包括家居中的智能門鎖，只要隨著快速更新，迭代的人工智慧演算法不斷加入其中，其未來的發展前景會越來越好。

『叄』 手機指紋識別採用的是何種的感測器是哪種類型

指紋感測器一般是電容式或光學感測器採集指紋信息，並對採集到的指紋信息進行處理，進行存儲，比較，分析等處理，是一種利用指紋採集頭及其配套軟體結合起來的為加強個人電腦加密程度的高科技安全產品。

『肆』 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。

『伍』 智能手機屏面指紋解鎖的原理是什麼

‍‍電容式指紋：電容式指紋模塊是 利用硅晶元與導電的皮下電解液形成電場，指紋的高低起伏會導致二者之間的壓差出現不同的變化，藉此可實現准確的指紋測定。該方式適應能力強，對使用環境無 特殊要求，同時，硅晶元以及相關的感測原件對空間的佔用在手機設計的可接受范圍內，因而使得該技術在手機端得到了比較好的推廣。目前的電容式指紋模塊也分 為劃擦式與按壓式兩種，前者雖然佔用體積較小，但在識別率以及便捷性方面有很大的劣勢，這也直接導致廠商全都將目光鎖定在了操作更加隨意、識別率更高的按 壓式電容指紋模塊。電容紋識別模組主要由晶元、「藍寶石」、金屬環、軟板、載板等組成，其中晶元也就是感測器部分，而「藍寶石」負責作為保護層（有廠商選擇其他材料做為保護層，成本相應會降低），金屬環作為指紋識別的觸發裝置。‍‍

『陸』 每天都用指紋識別，那指紋識別技術的工作方式是什麼呢

首先介紹一下生活中主要應用的幾種指紋識別技術，分別是光學式和電容式指紋識別還有超聲波識別。

光學式指紋識別

光學識別是應用比較早的一種指紋識別技術，比如之前很多的考勤機、門禁都採用的就是光學指紋識別技術。

它主要是利用光的折攝和反射原理，將手指放在光學鏡片上，手指在內置光源照射下，光從底部射向三棱鏡，並經棱鏡射出，射出的光線在手指表面指紋凹凸不平的線紋上折射的角度及反射回去的光線明暗就會不一樣。用棱鏡將其投射在電荷耦合器件上CMOS或者CCD上，進而形成脊線（指紋圖像中具有一定寬度和走向的紋線）呈黑色、谷線（紋線之間的凹陷部分）呈白色的數字化的、可被指紋設備演算法處理的多灰度指紋圖像。然後對比資料庫看是否一致。而三星Galaxy S7 Edge就採用了用手指直接按壓屏幕就可以實現解鎖的光學指紋解鎖技術。

超聲波指紋識別

超聲波指紋識別也可稱為射頻式指紋識別。超聲波指紋識別與電容式需要檢測指紋表面不同，超聲波具有穿透性，利用指紋模組發出的特定頻率的超聲波掃描手指，利用指紋的不同對超聲波反射的不同，能夠建立3D指紋圖形，因此對手指表面的清潔程度並不用太過考慮。另外，由於超聲波具有比較強的穿透性，可以穿透金屬、玻璃等常用手機材質，因此對手機外觀方面也不會有太多限制。

『柒』 手機的指紋解鎖真的安全嗎

手機的指紋解鎖並非是百分之百安全的，原因如下：

雖然每個人的指紋都是獨一無二的，但紐約大學及密歇根州立大學的研究人員發現，兩枚指紋之間的局部特徵普遍存在相似性，因此手機或其它設備上的那些基於指紋的安全系統，要比想像中的脆弱得多。

系統的漏洞在於，用於身份驗證功能的指紋感測器並不會捕捉用戶指紋的完整圖形，相反，它掃描儲存的只有指紋的部分區域，而且許多手機還允許用戶在系統里錄入多個手指的指紋。只要用戶的指紋與系統里保存的區域指紋相匹配，手機就會解鎖。

據研究人員推測，不同人的指紋區域之間可能存在足夠的相似性，足以用來製造出虛假的「超級指紋」，從而騙過手機的指紋感測器。

(7)手機指紋識別演算法擴展閱讀：

指紋解鎖的主要不足

1、圖片匹配演算法

目前手機廠商所採用的指紋識別技術有些是基於指紋圖片匹配計算得出，並非是真正的生物識別演算法技術，而圖片匹配軟體的相似度帶來的隱患就是識別精準度出現偏差，如果未來全面普及生物演算法識別的話，那麼會具備更高的唯一性。

2、識別體驗效果

因為一些演算法的原因，這也讓一些智能手機在指紋錄入或識別時存在體驗糟糕的情況，比如當你用拇指邊緣進行識別或者方向偏差較大時出現識別失敗的現象。如果在長期使用iPhone 5s的Touch ID時發現只要手指或者Home鍵上存在潮濕或是有灰塵，識別的效果會大打折扣，但定期清理後效果能好很多。

3、功能應用場景

現階段指紋識別能實現的應用並不算多，多數人頂多也就是拿指紋功能來實現解鎖或是免去輸入下載應用時的賬號密碼。在微信等支付上，指紋識別也可以快速替代傳統輸入密碼的方式。

『捌』 手機指紋識別原理是如何感應的

原理：指紋識別即指通過比較不同指紋的細節特徵點來進行鑒別 。指紋識別技術涉及 圖像處理、 模式識別、計算機視覺、 數學形態學、小波分析等眾多學科。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。由於每次捺印的方位不完全一樣，著力點不同會帶來不同程度的變形，又存在大量模糊 指紋，如何正確提取特徵和實現正確匹配，是指紋識別技術的關鍵。

『玖』 指紋識別是什麼原理呢

本來想自己寫的，但是要說的太多了，乾脆找找COPY一個。你還有什麼不明白的可以直接問我，我就是做這個行業的。

手指上的指紋表徵了一個人的身份特徵。1788年Mayer首次提出沒有兩個人的指紋完全相同，1823年Purkinie首次把指紋紋形分成9類，1889年Henry提出了指紋細節特徵識別理論，奠定了現代指紋學的基礎。但採用人工比對的方法，效率低、速度慢。20世紀60年代，開始用計算機圖像處理和模式識別方法進行指紋分析，這就是自動指紋識別系統（簡稱AFIS）[1]。20世紀70年代末80年代初，刑事偵察用自動指紋識別系統（police�AFIS，P�AFIS）投入實際運用。20世紀90年代，AFIS進入民用，稱為民用自動指紋識別系統（civil�AFIS，C�AFIS）。本文試圖從指紋特徵分析著手，闡述指紋作為人體身份識別的原理方法、指紋識別的主要技術指標和測試方法，以及實際應用的現實性與可靠性[2-4]。

1 指紋識別的原理和方法

1.1 指紋的特徵與分類
指紋識別學是一門古老的學科，它是基於人體指紋特徵的相對穩定與唯一這一統計學結果發展起來的。實際應用中，根據需求的不同，可以將人體的指紋特徵分為：永久性特徵、非永久性特徵和生命特徵[5]。
永久性特徵包括細節特徵（中心點、三角點、端點、叉點、橋接點等）和輔助特徵（紋型、紋密度、紋曲率等元素），在人的一生中永不會改變，在手指前端的典型區域中最為明顯，分布也最均勻[1]。細節特徵是實現指紋精確比對的基礎，而紋形特徵、紋理特徵等則是指紋分類及檢索的重要依據。人類指紋的紋形特徵根據其形態的不同通常可以分為「弓型、箕型、斗型」三大類型，以及「孤形、帳形、正箕形、反箕形、環形、螺形、囊形、雙箕形和雜形」等9種形態[1]。紋理特徵則是由平均紋密度、紋密度分布、平均紋曲率、紋曲率分布等紋理參數構成。紋理特徵多用於計算機指紋識別演算法的多維分類及檢索。
非永久性特徵由孤立點、短線、褶皺、疤痕以及由此造成的斷點、叉點等元素構成的指紋特徵，這類指紋有可能產生、癒合、發展甚至消失[1]。
指紋的生命特徵與被測對象的生命存在與否密切相關。但它與人體生命現象的關系和規律仍有待進一步認識。目前它已經成為現代民用指紋識別應用中越來越受關注的熱點之一。

1.2 指紋識別的原理和方法
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。通過指紋讀取設備讀取到人體指紋的圖像，然後要對原始圖像進行初步的處理，使之更清晰，再通過指紋辨識軟體建立指紋的特徵數據。軟體從指紋上找到被稱為「節點」（minutiae）的數據點，即指紋紋路的分叉、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。通常手指上平均具有70個節點，所以這種方法會產生大約490個數據。這些數據，通常稱為模板。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[5-6]。採集設備（即取像設備）分成幾類：光學、半導體感測器和其他。

2 指紋識別技術的主要指標和測試方法

2.1 演算法的精確度

指紋識別系統性能指標在很大程度上取決於所採用演算法性能。為了便於採用量化的方法表示其性能，引入了下列兩個指標。
拒識率（false rejection rate，FRR）：是指將相同的指紋誤認為是不同的，而加以拒絕的出錯概率。FRR=（拒識的指紋數目／考察的指紋總數目）×100%。
誤識率（false accept rate，FAR）：是指將不同的指紋誤認為是相同的指紋，而加以接收的出錯概率。FAR=（錯判的指紋數目／考察的指紋總數目）×100%。
對於一個已有的系統而言，通過設定不同的系統閾值，就可以看出這兩個指標是互為相關的，FRR與FAR成反比關系。這很容易理解，「把關」越嚴，誤識的可能性就越低，但是拒識的可能性就越高。

2.2 誤識率和拒識率的測試方法
測試這兩個指標，通常採用循環測試方法[7]。即給定一組圖像，然後依次兩兩組合，提交進行比對，統計總的提交比對的次數以及發生錯誤的次數，並計算出出錯的比例，就是FRR和FAR。針對FAR=0.0001%的指標，應採用不少於1 415幅不同的指紋圖像作循環測試，總測試次數為1 000 405次，如果測試中發生一次錯誤比對成功，則FAR=1/1 000 405；針對FRR=0.1%，應採用不少於46幅屬於同一指紋的圖像組合配對進行測試，則總提交測試的次數為1 035次數，如果發生一次錯誤拒絕，則FRR=1/1 035。測試所採用的樣本數越多，結果越准確。作為測試樣本的指紋圖像應滿足可登記的條件。

2.3 系統參數
拒登率（error registration rate，ERR）：指的是指紋設備出現不能登錄及處理的指紋的概率，ERR過高將會嚴重影響設備的使用范圍，通常要求小於1%。
登錄時間：指紋設備登錄一枚指紋所需的時間，通常單次登錄的時間要求不超過2 s。
比對時間：指紋設備對兩組指紋特徵模版進行比對所耗費的時間，通常要求不超過1 s。
工作溫度：指紋設備正常工作時所允許的溫度變化范圍，一般是0～40 ℃。
工作濕度：指紋設備正常工作時所允許的相對濕度變化范圍，一般是30%～95%。

3 指紋識別技術的應用
指紋識別技術已經成熟，其應用日益普遍，除了刑事偵察用之外，在民用方面已非常廣泛，如指紋門禁系統、指紋考勤系統、銀行指紋儲蓄系統、銀行指紋保管箱、指紋醫療保險系統、計劃生育指紋管理系統、幼兒接送指紋管理系統、指紋獻血管理系統、證券交易指紋系統、指紋槍械管理系統、智能建築指紋門禁管理系統、駕駛員指紋管理系統等。
指紋門禁系統和指紋考勤系統是開發和使用得最早的一種出入管理系統，包括對講指紋門禁、聯機指紋門禁、離線指紋門禁等等。在入口將個人的手指按在指紋採集器上，系統將已登錄在指紋庫中的指紋（稱為已經注冊）進行對比，如果兩者相符（即匹配），則顯示比對成功，門就自動打開。如不匹配，則顯示「不成功」或「沒有這個指紋」，門就不開。在指紋門禁系統中，可以是一對一的比對（one�to�one matching），也可以是一對幾個比對（one�to�few matching）。前者可以是一個公司、部門，後者可以是一個家庭的成員、銀行的營業廳、金庫、財務部門、倉庫等機要場所。在這些應用中，指紋識別系統將取代或者補充許多大量使用照片和ID系統。
把指紋識別技術同IC卡結合起來，是目前最有前景的一個應用之一。該技術把卡的主人的指紋（加密後）存儲在IC卡上，並在IC卡的讀卡機上加裝指紋識別系統，當讀卡機閱讀卡上的信息時，一並讀入持卡者的指紋，通過比對就可以確認持卡者是否是卡的真正主人，從而進行下一步的交易。指紋IC卡可取代現行的ATM卡、製造防偽證件等。ATM卡持卡人可不用密碼，避免老人和孩子記憶密碼的困難。

近年來，互聯網帶給人們方便與利益已，也存在著安全問題。指紋特徵數據可以通過電子郵件或其它傳輸方法在計算機網路上進行傳輸和驗證，通過指紋識別技術，限定只有指定的人才能訪問相關的信息，可以極大地提高網上信息的安全性。網上銀行、網上貿易、電子商務等一系列網路商業行為就有了安全性保障。
指紋社會保險系統的應用為養老金的准確發放起了非常有效的作用。避免了他人用圖章或身份證復印件代領，而發放人員無法確定該人是故世的問題，要憑本人的活體指紋，才可准確發放養老金。

4 指紋識別的可靠性
指紋識別技術是成熟的生物識別技術。因為每個人包括指紋在內的皮膚紋路在圖案、斷點和交叉點上各不相同，是唯一的，並且終生不變。通過他的指紋和預先保存的指紋進行比較，就可以驗證他的真實身份。自動指紋識別是利用計算機來進行指紋識別的一種方法。它得益於現代電子集成製造技術和快速而可靠的演算法理論研究。盡管指紋只是人體皮膚的一小部分，但用於識別的數據量相當大，對這些數據進行比對是需要進行大量運算的模糊匹配演算法。利用現代電子集成製造技術生產的小型指紋圖像讀取設備和速度更快的計算機，提供了在微機上進行指紋比對運算的可能。另外，匹配演算法可靠性也不斷提高。因此，指紋識別技術己經非常簡單實用。由於計算機處理指紋時，只是涉及了一些有限的信息，而且比對演算法並不是十分精確匹配，其結果也不能保證100%准確。

指紋識別系統的特定應用的重要衡量標志是識別率。主要包括拒識率和誤識率，兩者成反比關系。根據不同的用途來調整這兩個值。盡管指紋識別系統存在著可靠性問題，但其安全性也比相同可靠性級別的「用戶ID+密碼」方案的安全性要高得多。拒識率實際上也是系統易用性的重要指標。在應用系統的設計中，要權衡易用性和安全性。通常用比對兩個或更多的指紋來達到不損失易用性的同時，極大提高系統的安全性。

『拾』 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。