手机指纹识别算法

‘壹’ 怎么看见的手机上的指纹

指纹识别主要包括以下步骤:指纹图像采集、指纹特征提取和指纹匹配。为了进行指纹识别，必须获得指纹图像。指纹图像可以通过三种方式获得:光学指纹识别、电容指纹识别和射频指纹识别。第一，光学指纹识别。在该方案中，光源照射在指纹上，反射光被接收器接收，从而可以获得指纹的线条。然而，这种方法有一定的缺陷，即手指的清洁度影响指纹识别的效果。如果手指沾有更多灰尘，识别可能会出错。

在获得指纹图像后，提取指纹特征并记录一些详细的特征，通常包括端点、孤立点、分叉点等。在指纹线中，指纹的端点和分叉点是最稳定和最容易获得的。特征提取相当于指纹采集。最后，指纹匹配是将现场采集的指纹与指纹数据库中存储的指纹特征进行比较，根据判断算法给出两个指纹的相似性得分，最后给出是否为同一指纹的判断结果。此时，指纹识别完成。

‘贰’ 指尖上的密码—指纹识别模式和流程，都是怎样的

随着科学技术的发展，手机防伪识别越来越先进，苹果公司之前一直在推人脸识别技术，公司的新手机全部用人脸识别，但是随着疫情的发展，用人脸识别非常不方便，苹果公司最近的指纹识别专利过审，苹果公司仿佛又要回到用指纹识别的时候。那么人脸识别和指纹解锁哪个更方便呢？指纹解锁更快捷，指纹识别不需要对着摄像头就能解锁，指纹识别能够在不方便的情况下解锁，指纹是独一无二的，相对人脸识别更加安全。

指纹对人类来讲是独一无二的，哪怕是双胞胎指纹也会不一样，因此指纹识别非常安全。有的人类识别手机无法识别双胞胎，也无法识别3D打印的人脸，所以人脸识别相对安全性不如指纹识别。活体指纹识别技术成为很多新的智能门锁新卖点。那么这项技术它的安全性和优势在于哪里呢？与当前主流的半导体识别技术和光电指纹识别技术不同的是活体指纹技术将电容指纹传感器、光学检测传感器集成在一颗芯片之内。配合独特的计算机软件算法，通过人体的指纹血液和心率信号来进行用户指纹信息验证。区别于传统的识别系统。

目前活体指纹识别技术的应用领域还不是太广，不过随着市场对于安全领域的防范需求会推动活体指纹技术不断完善和更新。加快其应用推广。由于目前的光学指纹识别技术采集的是皮肤表皮的纹理信息，而这种信息会随着人的年龄而慢慢的模糊化。教育活体指纹识别技术来说，安全性上无法保证。而活体指纹识别技术兽活体的血液流动和皮肤上电信号变化，安全性能极大提升。活体指纹识别技术义务与安全防范的领域较为广泛，其中包括家居中的智能门锁，只要随着快速更新，迭代的人工智能算法不断加入其中，其未来的发展前景会越来越好。

‘叁’ 手机指纹识别采用的是何种的传感器是哪种类型

指纹传感器一般是电容式或光学传感器采集指纹信息，并对采集到的指纹信息进行处理，进行存储，比较，分析等处理，是一种利用指纹采集头及其配套软件结合起来的为加强个人电脑加密程度的高科技安全产品。

‘肆’ 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。

‘伍’ 智能手机屏面指纹解锁的原理是什么

‍‍电容式指纹：电容式指纹模块是 利用硅芯片与导电的皮下电解液形成电场，指纹的高低起伏会导致二者之间的压差出现不同的变化，借此可实现准确的指纹测定。该方式适应能力强，对使用环境无 特殊要求，同时，硅芯片以及相关的传感原件对空间的占用在手机设计的可接受范围内，因而使得该技术在手机端得到了比较好的推广。目前的电容式指纹模块也分 为划擦式与按压式两种，前者虽然占用体积较小，但在识别率以及便捷性方面有很大的劣势，这也直接导致厂商全都将目光锁定在了操作更加随意、识别率更高的按 压式电容指纹模块。电容纹识别模组主要由芯片、“蓝宝石”、金属环、软板、载板等组成，其中芯片也就是传感器部分，而“蓝宝石”负责作为保护层（有厂商选择其他材料做为保护层，成本相应会降低），金属环作为指纹识别的触发装置。‍‍

‘陆’ 每天都用指纹识别，那指纹识别技术的工作方式是什么呢

首先介绍一下生活中主要应用的几种指纹识别技术，分别是光学式和电容式指纹识别还有超声波识别。

光学式指纹识别

光学识别是应用比较早的一种指纹识别技术，比如之前很多的考勤机、门禁都采用的就是光学指纹识别技术。

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。然后对比资料库看是否一致。而三星Galaxy S7 Edge就采用了用手指直接按压屏幕就可以实现解锁的光学指纹解锁技术。

超声波指纹识别

超声波指纹识别也可称为射频式指纹识别。超声波指纹识别与电容式需要检测指纹表面不同，超声波具有穿透性，利用指纹模组发出的特定频率的超声波扫描手指，利用指纹的不同对超声波反射的不同，能够建立3D指纹图形，因此对手指表面的清洁程度并不用太过考虑。另外，由于超声波具有比较强的穿透性，可以穿透金属、玻璃等常用手机材质，因此对手机外观方面也不会有太多限制。

‘柒’ 手机的指纹解锁真的安全吗

手机的指纹解锁并非是百分之百安全的，原因如下：

虽然每个人的指纹都是独一无二的，但纽约大学及密歇根州立大学的研究人员发现，两枚指纹之间的局部特征普遍存在相似性，因此手机或其它设备上的那些基于指纹的安全系统，要比想象中的脆弱得多。

系统的漏洞在于，用于身份验证功能的指纹传感器并不会捕捉用户指纹的完整图形，相反，它扫描储存的只有指纹的部分区域，而且许多手机还允许用户在系统里录入多个手指的指纹。只要用户的指纹与系统里保存的区域指纹相匹配，手机就会解锁。

据研究人员推测，不同人的指纹区域之间可能存在足够的相似性，足以用来制造出虚假的“超级指纹”，从而骗过手机的指纹传感器。

(7)手机指纹识别算法扩展阅读：

指纹解锁的主要不足

1、图片匹配算法

目前手机厂商所采用的指纹识别技术有些是基于指纹图片匹配计算得出，并非是真正的生物识别算法技术，而图片匹配软件的相似度带来的隐患就是识别精准度出现偏差，如果未来全面普及生物算法识别的话，那么会具备更高的唯一性。

2、识别体验效果

因为一些算法的原因，这也让一些智能手机在指纹录入或识别时存在体验糟糕的情况，比如当你用拇指边缘进行识别或者方向偏差较大时出现识别失败的现象。如果在长期使用iPhone 5s的Touch ID时发现只要手指或者Home键上存在潮湿或是有灰尘，识别的效果会大打折扣，但定期清理后效果能好很多。

3、功能应用场景

现阶段指纹识别能实现的应用并不算多，多数人顶多也就是拿指纹功能来实现解锁或是免去输入下载应用时的账号密码。在微信等支付上，指纹识别也可以快速替代传统输入密码的方式。

‘捌’ 手机指纹识别原理是如何感应的

原理：指纹识别即指通过比较不同指纹的细节特征点来进行鉴别 。指纹识别技术涉及 图像处理、 模式识别、计算机视觉、 数学形态学、小波分析等众多学科。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。由于每次捺印的方位不完全一样，着力点不同会带来不同程度的变形，又存在大量模糊 指纹，如何正确提取特征和实现正确匹配，是指纹识别技术的关键。

‘玖’ 指纹识别是什么原理呢

本来想自己写的，但是要说的太多了，干脆找找COPY一个。你还有什么不明白的可以直接问我，我就是做这个行业的。

手指上的指纹表征了一个人的身份特征。1788年Mayer首次提出没有两个人的指纹完全相同，1823年Purkinie首次把指纹纹形分成9类，1889年Henry提出了指纹细节特征识别理论，奠定了现代指纹学的基础。但采用人工比对的方法，效率低、速度慢。20世纪60年代，开始用计算机图像处理和模式识别方法进行指纹分析，这就是自动指纹识别系统（简称AFIS）[1]。20世纪70年代末80年代初，刑事侦察用自动指纹识别系统（police�AFIS，P�AFIS）投入实际运用。20世纪90年代，AFIS进入民用，称为民用自动指纹识别系统（civil�AFIS，C�AFIS）。本文试图从指纹特征分析着手，阐述指纹作为人体身份识别的原理方法、指纹识别的主要技术指标和测试方法，以及实际应用的现实性与可靠性[2-4]。

1 指纹识别的原理和方法

1.1 指纹的特征与分类
指纹识别学是一门古老的学科，它是基于人体指纹特征的相对稳定与唯一这一统计学结果发展起来的。实际应用中，根据需求的不同，可以将人体的指纹特征分为：永久性特征、非永久性特征和生命特征[5]。
永久性特征包括细节特征（中心点、三角点、端点、叉点、桥接点等）和辅助特征（纹型、纹密度、纹曲率等元素），在人的一生中永不会改变，在手指前端的典型区域中最为明显，分布也最均匀[1]。细节特征是实现指纹精确比对的基础，而纹形特征、纹理特征等则是指纹分类及检索的重要依据。人类指纹的纹形特征根据其形态的不同通常可以分为“弓型、箕型、斗型”三大类型，以及“孤形、帐形、正箕形、反箕形、环形、螺形、囊形、双箕形和杂形”等9种形态[1]。纹理特征则是由平均纹密度、纹密度分布、平均纹曲率、纹曲率分布等纹理参数构成。纹理特征多用于计算机指纹识别算法的多维分类及检索。
非永久性特征由孤立点、短线、褶皱、疤痕以及由此造成的断点、叉点等元素构成的指纹特征，这类指纹有可能产生、愈合、发展甚至消失[1]。
指纹的生命特征与被测对象的生命存在与否密切相关。但它与人体生命现象的关系和规律仍有待进一步认识。目前它已经成为现代民用指纹识别应用中越来越受关注的热点之一。

1.2 指纹识别的原理和方法
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。通过指纹读取设备读取到人体指纹的图像，然后要对原始图像进行初步的处理，使之更清晰，再通过指纹辨识软件建立指纹的特征数据。软件从指纹上找到被称为“节点”（minutiae）的数据点，即指纹纹路的分叉、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。通常手指上平均具有70个节点，所以这种方法会产生大约490个数据。这些数据，通常称为模板。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[5-6]。采集设备（即取像设备）分成几类：光学、半导体传感器和其他。

2 指纹识别技术的主要指标和测试方法

2.1 算法的精确度

指纹识别系统性能指标在很大程度上取决于所采用算法性能。为了便于采用量化的方法表示其性能，引入了下列两个指标。
拒识率（false rejection rate，FRR）：是指将相同的指纹误认为是不同的，而加以拒绝的出错概率。FRR=（拒识的指纹数目／考察的指纹总数目）×100%。
误识率（false accept rate，FAR）：是指将不同的指纹误认为是相同的指纹，而加以接收的出错概率。FAR=（错判的指纹数目／考察的指纹总数目）×100%。
对于一个已有的系统而言，通过设定不同的系统阈值，就可以看出这两个指标是互为相关的，FRR与FAR成反比关系。这很容易理解，“把关”越严，误识的可能性就越低，但是拒识的可能性就越高。

2.2 误识率和拒识率的测试方法
测试这两个指标，通常采用循环测试方法[7]。即给定一组图像，然后依次两两组合，提交进行比对，统计总的提交比对的次数以及发生错误的次数，并计算出出错的比例，就是FRR和FAR。针对FAR=0.0001%的指标，应采用不少于1 415幅不同的指纹图像作循环测试，总测试次数为1 000 405次，如果测试中发生一次错误比对成功，则FAR=1/1 000 405；针对FRR=0.1%，应采用不少于46幅属于同一指纹的图像组合配对进行测试，则总提交测试的次数为1 035次数，如果发生一次错误拒绝，则FRR=1/1 035。测试所采用的样本数越多，结果越准确。作为测试样本的指纹图像应满足可登记的条件。

2.3 系统参数
拒登率（error registration rate，ERR）：指的是指纹设备出现不能登录及处理的指纹的概率，ERR过高将会严重影响设备的使用范围，通常要求小于1%。
登录时间：指纹设备登录一枚指纹所需的时间，通常单次登录的时间要求不超过2 s。
比对时间：指纹设备对两组指纹特征模版进行比对所耗费的时间，通常要求不超过1 s。
工作温度：指纹设备正常工作时所允许的温度变化范围，一般是0～40 ℃。
工作湿度：指纹设备正常工作时所允许的相对湿度变化范围，一般是30%～95%。

3 指纹识别技术的应用
指纹识别技术已经成熟，其应用日益普遍，除了刑事侦察用之外，在民用方面已非常广泛，如指纹门禁系统、指纹考勤系统、银行指纹储蓄系统、银行指纹保管箱、指纹医疗保险系统、计划生育指纹管理系统、幼儿接送指纹管理系统、指纹献血管理系统、证券交易指纹系统、指纹枪械管理系统、智能建筑指纹门禁管理系统、驾驶员指纹管理系统等。
指纹门禁系统和指纹考勤系统是开发和使用得最早的一种出入管理系统，包括对讲指纹门禁、联机指纹门禁、脱机指纹门禁等等。在入口将个人的手指按在指纹采集器上，系统将已登录在指纹库中的指纹（称为已经注册）进行对比，如果两者相符（即匹配），则显示比对成功，门就自动打开。如不匹配，则显示“不成功”或“没有这个指纹”，门就不开。在指纹门禁系统中，可以是一对一的比对（one�to�one matching），也可以是一对几个比对（one�to�few matching）。前者可以是一个公司、部门，后者可以是一个家庭的成员、银行的营业厅、金库、财务部门、仓库等机要场所。在这些应用中，指纹识别系统将取代或者补充许多大量使用照片和ID系统。
把指纹识别技术同IC卡结合起来，是目前最有前景的一个应用之一。该技术把卡的主人的指纹（加密后）存储在IC卡上，并在IC卡的读卡机上加装指纹识别系统，当读卡机阅读卡上的信息时，一并读入持卡者的指纹，通过比对就可以确认持卡者是否是卡的真正主人，从而进行下一步的交易。指纹IC卡可取代现行的ATM卡、制造防伪证件等。ATM卡持卡人可不用密码，避免老人和孩子记忆密码的困难。

近年来，互联网带给人们方便与利益已，也存在着安全问题。指纹特征数据可以通过电子邮件或其它传输方法在计算机网络上进行传输和验证，通过指纹识别技术，限定只有指定的人才能访问相关的信息，可以极大地提高网上信息的安全性。网上银行、网上贸易、电子商务等一系列网络商业行为就有了安全性保障。
指纹社会保险系统的应用为养老金的准确发放起了非常有效的作用。避免了他人用图章或身份证复印件代领，而发放人员无法确定该人是故世的问题，要凭本人的活体指纹，才可准确发放养老金。

4 指纹识别的可靠性
指纹识别技术是成熟的生物识别技术。因为每个人包括指纹在内的皮肤纹路在图案、断点和交叉点上各不相同，是唯一的，并且终生不变。通过他的指纹和预先保存的指纹进行比较，就可以验证他的真实身份。自动指纹识别是利用计算机来进行指纹识别的一种方法。它得益于现代电子集成制造技术和快速而可靠的算法理论研究。尽管指纹只是人体皮肤的一小部分，但用于识别的数据量相当大，对这些数据进行比对是需要进行大量运算的模糊匹配算法。利用现代电子集成制造技术生产的小型指纹图像读取设备和速度更快的计算机，提供了在微机上进行指纹比对运算的可能。另外，匹配算法可靠性也不断提高。因此，指纹识别技术己经非常简单实用。由于计算机处理指纹时，只是涉及了一些有限的信息，而且比对算法并不是十分精确匹配，其结果也不能保证100%准确。

指纹识别系统的特定应用的重要衡量标志是识别率。主要包括拒识率和误识率，两者成反比关系。根据不同的用途来调整这两个值。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”方案的安全性要高得多。拒识率实际上也是系统易用性的重要指标。在应用系统的设计中，要权衡易用性和安全性。通常用比对两个或更多的指纹来达到不损失易用性的同时，极大提高系统的安全性。

‘拾’ 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。