‘壹’ 指纹是什么技术
指纹识别算法分为两种，1：1和1：N。
1：1算法，是一个验证的过程。利用人员的ID，先从指纹库中将事先录入的指纹特征提取出来，然后场采集的指纹提取的指纹特征值进行一比一的比对，来证明该人员为所要识别的人。
1：N算法是一个辩识的过程。将现场采集到的指纹，提取指纹特征值，同指纹厍中存储的指纹特征值逐一对比，中找出与现场指纹相匹配的指纹，并识别人员身份。
详细资料请到网络——指纹仪 查看，以下为地址：
http://ke..com/view/705947.htm
‘贰’ 指纹识别技术的算法
于指纹所具有的唯一性和不变性，以及指纹识别技术所具有的可行性和实用性，指纹识别成为目前最流行、最方便、最可靠的身份认证技术之一。指纹图像数据量大，通过直接比对指纹图像的方法来识别指纹是不可取的，应该先对指纹图像进行预处理，然后提取出指纹的特征数据，通过特征数据的比对来实现自动指纹识别。指纹图像预处理作为指纹自动识别过程的第一个环节，它的好坏直接影响着自动识别系统的效果。预处理通常包括滤波、方向图的求取、二值化、细化等几个步骤。
本文首先阐述了生物特征识别技术的基本概念，对自动指纹识别系统的组成也作了简要的介绍。然后对目前指纹图像预处理的一些常用算法进行了介绍，针对指纹图像的特征，采用了基于Gabor滤波器的指纹预处理方法，它为特征提取和比对奠定了良好的基础。
本文所提到的算法已在PC机上用Visual C++6.0编程实现，实验结果表明，这种方法能获得令人满意的指纹图像预处理效果。
‘叁’ 指纹识别技术是基于哪些原理
指纹识别技术的原理
指纹其实是比较复杂的。与人工处理不同，许多生物识别技术公司并不直接存储指纹的图像。多年来在各个公司及其研究机构产生了许多数字化的算法（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）。但指纹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。
指纹的特征
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。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。
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那一种类型的。有的指纹识别算法只使用模式区的数据。
Aetex
的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。
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。
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。
式样线（Type
Lines）式样线是在指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。
纹数（Ridge
Count）指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在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。
指纹上的节点有四种不同特性：
1.
分类
-
节点有以下几种类型，最典型的是终结点和分叉点
A.
终结点（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.
分歧点（Ridge
Divergence）
--
两条平行的纹路在此分开。
D.
孤立点（Dot
or
Island）
--
一条特别短的纹路，以至于成为一点
E.
环点（Enclosure）
--
一条纹路分开成为两条之后，立即有合并成为一条，这样形成的一个小环称为环点
F.
短纹（Short
Ridge）
--
一端较短但不至于成为一点的纹路，
2.
方向（Orientation）
--
节点可以朝着一定的方向。
3.
曲率（Curvature）
--
描述纹路方向改变的速度。
4.
位置（Position）
--
节点的位置通过（x,y）坐标来描述，可以是绝对的，也可以是相对于三角点或特征点的。
‘肆’ 指纹识别算法都有哪些，最先进的是什么算法
现在国内外大都采用基于细节特征点的指纹识别技术，即采用基于图像处理的指纹识别算法，有两种比较有代表性的。一种是基于方向滤波增强，并在指纹细化图上提取特征点的算法，另一种是直接从指纹灰度图上提取特征点的算法。难题在于有些算法会由于指纹图像的噪音、皮肤弹性引起的非线性形变等多方面因素，导致在识别过程中出现误差，影响识别率等[1-2]
指纹算法存在的难题与方向
指纹图像预处理：预处理的目的是改善输入指纹图像的质量，以提高特征提取的准确性。本文采用灰度分割法对指纹图像进行分割。利用中值滤波去噪。通过自适应二值化的方法处理指纹图像，最后再对图像进行细化处理并去除毛刺，断裂等干扰。
指纹图像特征提取：对指纹图像的特征点进行提取。由于经过预处理后的细化图像上存在大量的伪特征点，这些伪特征点的存在，不但使匹配的速度大大降低，还使指纹识别性能急剧下降，造成识别系统的误拒率和误识率的上升。因此在进行指纹匹配之前，应尽可能将伪特征点去除，针对提取出的指纹细节特征点含有大量的伪特征点这一问题，提出了一种边缘信息判别法，有效地去除了边界伪特征点，再根据脊线结构特性去除其毛刺和短脊等伪特征点，明显的减少了伪特征点。
指纹匹配：对指纹图像的匹配算法进行研究。特征匹配是识别系统的关键环节，匹配算法的好坏直接影响识别的性能、速度和效率。为了克服指纹图像非线性形变的影响，采用基于结构特征的点匹配算法，对校准后的点集进行匹配，匹配的特征点个数在两个点集中所占比例大约百分之六十五的范围内就可判为匹配成功。
‘伍’ 指纹识别原理
指纹识别核心的准确、高效的采集指纹分析。指纹识别采集技术的发展大致分为三个方式：光学识别、电容传感器、生物射频。
1、光学识别
光学识别是较早的指纹识别技术。基于光学发射装置发射的光线，射到手指上再反射回机器以获取数据，并对比资料库看是否一致。光学识别只能到达皮肤的表皮层，而不能到达真皮层，而且受手指表面是否干净影响较大。
2、电容传感器
电容传感器识别是利用一定间隔的安装的两个电容，利用指纹的凹凸，在手指滑过指纹检测仪器时接通或断开两个电容的电流以检测指纹资料。电容传感器对手指的干净要求还是比较高，而且传感器表面使用硅材料，比较容易损坏。以技术面来看，电容式指纹辨识技术的供应为Authentec、Validity、FingerPrintCardsAB（FPC）等，Authentec被苹果买下，Validity也被Synaptics收购。电容式指纹传感器也是现在应用最普遍的技术。
3、生物射频
射频传感器通过传感器发射微量的射频信号，穿透手指的表皮层获取里层的纹路以获取信息。这种方法对手指的干净程度要求较低。射频是目前较新的技术方案，射频也是电容方式的一种，但受限于专利问题。射频式是未来发展方向。
指纹识别采集方式
不管采用什么采集技术，从用户角度用到的就两种录入方式：按压式与滑动式。
1、滑动式
将手指从传感器上划过，系统就能获得整个手指的指纹。手指按压上去时，无法一次性采集到完整图像。在采集时需要手指划过采集表面，对手指划过时采集到的每一块指纹图像进行快照，这些快照再进行拼接，才能形成完整的指纹图像。
滑动式的优点是成本低、易集成，可采集大面积的图像，应用传统的特征点算法，但缺点是需要客户有一个连贯规范动作采集图像，体验效果比较差，在之前的应用推广中不太成功。
2、按压式
手指平放在设备上以便获取指纹图像。一般为了获得整个手指的指纹，必须使用比手指更大的传感器，整个手指同时按压在传感器之上。
按压式的优点是客户体验好，只用一次按压就可以采集图像，与客户在手机应用的操作习惯匹配，无须教育客户。缺点是：成本高，集成难度大，一次采集图像面积相对较小，没有足够的特征点，需要用复杂的图像比对算法进行识别。
很明显，在用户角度来说，按压式最简单、最方便。以后越来越多的移动设备都将采用按压式指纹识别方案。
‘陆’ 指纹识别是怎么进行的
导语：指纹识别技术通常使用指纹的总体特征如纹形、三角点等来进行分类，再用局部特征如位置和方向等来进行用户身份识别。尽管指纹只是人体皮肤的小部分，但是，它蕴涵着大量的信息。那么，接下来就让我们一起来具体的了解以下关于指纹识别是怎么进行的内容吧。文章仅供大家的参考!
1.指纹图像的获取
指纹图像的采集是自动指纹识别系统的重要组成部分。早期的指纹采集都是通过油墨按压在纸张上产生的。20世纪80年代，随着光学技术和计算机技术的发展，现代化的采集设备开始出现。
传感器是一种能把物理量或化学量变成便于利用的电信号的器件。在测量系统中它是一种前置部件，它是被测量信号输入后的第一道关口，是生物认证系统中的采集设备。
这些传感器根据探测对象的不同，可分为光学传感器、热敏传感器和超声传感器;根据器件的不同，可分为CMOS器件传感器和CCD器件传感器。它们的工作原理都是：将生物特征经过检测后转化为系统可以识别的图像信息。在生物认证系统中，可靠和廉价的'图像采集设备是系统运行正常、可靠的关键。
2.指纹图像的增强
常见的预处理方法如下：
(1)采用灰度的均衡化，可以消除不同图像之间对比度的差异。
(2)使用简单的低通滤波消除斑点噪声、高斯噪声。
(3)计算出图像的边界，进行图像的裁剪，这样可以减少多余的计算量，提高系统的速度。
常用图像增强算法具体包括以下几种：
(1)基于傅里叶滤波的低质量指纹增强算法;
(2)基于Gabor滤波的增强方法;
(3)多尺度滤波方法;
(4)改进的方向图增强算法;
(5)基于知识的指纹图像增强算法;
(6)非线性扩散模型及其滤波方法;
(7)改进的非线性扩散滤波方法。
目前最新的分割算法有以下几种：
(1)基于正态模型进行的指纹图像分割算法;
(2)基于马尔科夫随机场的指纹图像分割算法;
(3)基于数学形态学闭运算的灰度方差法;
(4)基于方向场的指纹图像分割算法。
3.指纹特征的提取
近年来，新的指纹特征提取算法主要包括以下几种：
(1)基于Gabor滤波方法对指纹局部特征的提取算法。
(2)基于CNN通用编程方法对指纹特征的提取算法。
(3)基于IFS编码的图像数字化技术，即建立IFS模型，计算源图像与再生图像之间的相似性，快速提取指纹图像的特征。
(4)基于脊线跟踪的指纹图像特征点提取算法。该算法可以直接从灰度指纹图像中有效提取细节点和脊线骨架信息。
(5)基于小波变换和ART(自适应共振理论)神经网络的指纹特征提取算法。
4.指纹图像的分类与压缩
常用的指纹分类技术有以下几种：
(1)基于规则的方法，即根据指纹奇异点的数目和位置分类。
(2)基于句法的方法。这种方法的语法复杂，推导语法的方法复杂、不固定。这种方法已经逐渐被淘汰了。
(3)结构化的方法，即寻找低层次的特征到高层次的结构之间相关联的组织。
(4)统计的方法。
(5)结合遗传算法和BP神经元网络的方法。
(6)多分类器方法。
常用的压缩算法有以下两种：
(1)图像压缩编码方法：包括无损压缩(熵编码)和有损压缩(量化)。
(2)基于小波变换的指纹压缩算法：包括WSQ算法、DjVu算法、改进的EZW算法等。
5.指纹图像的匹配
传统的指纹匹配算法有很多种：
(1)基于点模式的匹配方法：如基于Hough变换的匹配算法、基于串距离的匹配算法、基于N邻近的匹配算法等。
(2)图匹配及其他方法：如基于遗传算法的匹配、基于关键点的初匹配等。
(3)基于纹理模式的匹配：如PPM匹配算法等。
(4)混合匹配方法等。
近几年，又出现了如下新的匹配算法：
(1)基于指纹分类的矢量匹配。该法首先利用指纹分类的信息进行粗匹配，然后利用中心点和三角点的信息进一步匹配，最后以待识别图像和模板指纹图像的中心点为基准点，将中心点与邻近的36个细节点形成矢量，于是指纹的匹配就转变为矢量组数的匹配。
(2)基于PKI(Public Key Infrastructure，公钥基础设施)的开放网络环境下的指纹认证系统。
(3)实时指纹特征点匹配算法。该算法的原理是：通过由指纹分割算法得到圆形匹配限制框和简化计算步骤来达到快速匹配的目的。
(4)一种基于FBI(Federal Bureauof Investigation)细节点的二次指纹匹配算法。
(5)基于中心点的指纹匹配算法。该算法利用奇异点或指纹有效区域的中心点寻找匹配的基准特征点对和相应的变换参数，并将待识别指纹相对于模板指纹作姿势纠正，最后采用坐标匹配的方式实现两个指纹的比对。
‘柒’ 指纹识别使用什么原理
指纹识别系统的重要衡量标志是识别率。其主要由两部分组成，拒判率（FRR）和误判率（FAR）。正因为如此，权威机构认为，在应用中1%的误判率就可以接受。FRR实际上也是系统易用性的重要指标。由于FRR和FAR是相互矛盾的，这就使得在应用系统的设计中，要权衡易用性和安全性。下面是我收集整理的指纹识别使用什么原理，希望对你有帮助。
第一步：指纹是手指末端正面皮肤上凸凹不平产生的纹路。
尽管指纹只是人体皮肤的小部分，但是，它蕴涵着大量的信息。指纹特征可分为两类：总体特征和局部特征。总体特征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、模式区、核心点、三角点、式样线和纹线等。基本纹路图案有环形、弓形、螺旋形。局部特征即指纹上节点的`特征，这些具有某种特征的节点称为特征点。两枚指纹经常会具有相同的总体特征，但它们的局部特征——特征点，却不可能完全相同。指纹上的特征点，即指纹纹路上的终结点、分叉点和转折点。
第二步：指纹识别技术通常使用指纹的总体特征如纹形、三角点等来进行分类，再用局部特征如位置和方向等来进行用户身份识别。
通常，首先从获取的指纹图像上找到“特征点”（minutiae），然后根据特征点的特性建立用户活体指纹的数字表示——指纹特征数据（一种单向的转换，可以从指纹图像转换成特征数据但不能从特征数据转换成为指纹图像）。由于两枚不同的指纹不会产生相同的特征数据，所以通过对所采集到的指纹图像的特征数据和存放在数据库中的指纹特征数据进行模式匹配，计算出它们的相似程度，最终得到两个指纹的匹配结果，根据匹配结果来鉴别用户身份。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。
第三步：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：
首先，通过指纹读取设备读取人体指纹的图像，取到指纹图像之后，要对原始图像进行预处理。
其次，用指纹辨识软件建立指纹的数字表示特征数据，是一种单方向的转换，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”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。
第三，通常手指上平均具有70个节点，所以这种方法会产生大约500个数据。有的算法将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1KB大小的记录。
最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。