A. 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
B. 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。
C. 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。
D. 關於激光檢測指紋技術的原理
指紋識別技術原理
1、產品構成
對指紋識別技術，目前除了一部分真正的研發人員之外，大部分涉業者或者興趣者都希望有個清晰的了解。在此，先從指紋識別產品的構成說起，也就是由產品構成再展開對技術構成的分析。
指紋識別產品是由基礎構件、中間構件和上層構件組成的，基礎構件是指一個完整的指紋識別（不是指紋採集）產品，包括硬體和軟體，都必須具備的基礎部分。中間構件，簡稱中間件，是向上支持各類軟體系統或者硬體設備，實現指紋注冊和認證功能的獨立部分。上層構件，是指在基礎構件之上，自己實現中間件或者利用中間件建立起來的執行應用的部分，也可以稱為應用構件。
指紋產品基礎構件包括：指紋感測器（指紋 Sensor ）、指紋感測器驅動程序（ Driver ）、指紋感測器底層介面程序（底層 SDK ），以及指紋演算法程序。其中前三個都是作為一個整體對待，籠統的稱為指紋 SENSOR 。指紋基礎構件的這四個部分，對於任何一類的指紋識別產品都是不可缺少的，所以稱之為基礎構件。
指紋產品中間構件，或者叫指紋應用中間件，它專門完成指紋注冊和認證功能，所以它一定包含指紋識別演算法。它屏蔽了應用層對設備層（基礎構件中的 SENSOR 以及 DRIVER ）的直接訪問。它既可以表現為軟體控制項（ ocx ），也可表現為硬體模塊，也就是俗稱的指紋離線模塊。
指紋產品上層構件，它是用戶需求的實現部分，其形態不定，可以是一個完整的指紋應用軟體產品，如指紋文件保護系統、計算機登錄指紋保護系統。也可是指紋考勤機、指紋保險櫃等這類嵌入式硬體產品。
在了解了指紋識別產品的構成要件之後，我們再一層層採用解析的方法來分析每個構件中的技術成份。
2 、指紋產品基礎構件
2.1、基礎構件之指紋SENSOR
從基礎構件層來看，其中的指紋SENSOR，是指紋圖像自動採集和生成部分，是整個指紋識別產品的數據輸入端。絕大多數指紋SENSOR通過光學掃描、晶體熱敏、晶體電容等三種主要感測原理採集指紋圖像。衡量一個指紋SENSOR的質量好壞或者使用的技術的高低，從其使用的採集原理上並不能得出結論，而是主要從以下幾個方面來衡量。
（1）成像質量。成像質量是衡量指紋 SENSOR （指紋感測器）質量的首要標准。成像質量主要表現為對指紋圖像的還原能力，以及去噪能力。
（2）手指適應能力。由於不同手指指紋的 紋路 深淺不同、干濕不同，污漬程度不同。要能夠對所有情況進行有效兼容，是指紋 SENSOR 的適用能力的表現。有時候手指適用能力被歸到成像質量中考慮。
（3）採集速度。採集速度表現為從手指放到 SENSOR 觸面後多長時間內完成一次指紋採集的時間，或者單位時間如 1S 可以採集的次數。速度的快慢直接影響到用戶的使用體驗。
（4）電氣特性。電氣特性是從產品化的角度來看，指紋 SENSOR 是否真正可用於某種產品。電氣特性主要關注三個參數，工作電壓，功耗和 ESD （防靜電能力）。如把指紋 SENSOR 應用到手機上，必然要考慮手機的現在供電方式能否滿足增加了指紋 SENOSR 後的電壓和功耗要求。不過大部分指紋 SENOSR 的電壓都在 3.6V 以下（含）。
（5）硬體介面能力。介面能力也是從產品化的角度來衡量的。介面能力直接影響著指紋 SENSOR 所獲得的指紋圖像數據的傳送方式，影響著與指紋處理模塊之間的通訊方式和通訊速度。比如已具備 USB 介面能力的指紋 SENSOR ，可以直接與 USB HUB 相連。而沒有 USB 介面的，就需要通過 USB 控制器來實現，給產品化增加一道技術門檻。
（6）SDK 能力。 SDK 能力是指指紋 SENSOR 的功能，也就是與指紋 SENSOR 配套使用的程序介面的功能。一般在這些介面中定義了上層應用如何啟動或終止硬體 SENSOR ，以及如何控制指紋 SENSOR 的函數族。比如發送指紋 SENOSR 初始化命令、開始或停止捕獲指紋圖像命令、詢問手指是存在、以及判斷是否是指紋等。對於滑動式（ SWIPE ）晶元來講，還包括指紋重構的命令介面。
作者： 西西里的豬 2007-4-30 13:23 回復此發言
--------------------------------------------------------------------------------
2 指紋識別技術原理
（7）附加功能。大部分指紋 SENSOR 除了具備指紋圖像採集能力之外，還能夠感知手指的移動方向、手指的點擊方式（單擊雙擊），這被稱之為導航能力。作者見過的一款導航能力非凡的指紋 SENSOR ，可以非常靈活的玩貪吃蛇游戲。另一方面，有的指紋 SENSOR ，如 ATMEL 和 AUTHENTECH 的，可以提供指紋特徵值的模板訪問介面。這些都是除了基本功能之外，指紋 SENSOR 廠商附加開發的功能，這部分功能可以使得，在其它條件相當的情況下，起到提升應用特色的作用。
2.2 、基礎構件之指紋演算法
以上是指紋產品基礎構件層中的指紋 SENSOR 部分的技術構成分析。下面介紹另一部分指紋演算法。全球指紋演算法據稱約有 100 種，不過這三大塊基本是少不了的。一是對指紋圖像進行預處理；二是提取特徵值，並形成特徵值模板；三是指紋特徵值比對。
2.2.1 指紋演算法之指紋圖像預處理
（1）指紋圖像增強 。指紋圖像增強的目的主要是為了減少噪音，增強脊谷對比度，使得圖像更加清晰真實，便於後續指紋特徵值提取的准確性。指紋圖像增強的方法較多，常見的如通過 8 域法計算方向場與設定合適的過濾閾值。處理時依據每個像素處脊的局部走向，會增強在同一方向脊的走向，並且在同一位置，減弱任何不同於脊的方向。這樣使得脊線相對背景更加清晰，特徵點走向更加明顯。
（2）指紋圖圖像平滑處理。 平滑處理是為了讓整個圖像取得均勻一致的明暗效果。平滑處理的過程是選取整個圖像的象素與其周期灰階差的均方值作為閾值來處理的。
（3）指紋圖像二值化。 在原始灰階圖像中，各象素的灰度是不同的，並按一定的梯度分布。在實際處理中只需要象素是不是脊線上的點，而無需知道它的灰度。所以每一個象素對判定脊線來講，只是一個「是與不是」的二元問題。所以，指紋圖像二值化是對每一個象素點按事先定義的閾值進行比較，大於閾值的，使其值等於 255 （假定），小於閾值的，使其值等於 0 。圖像二值化後，不僅可以大大減少數據儲存量，而且使得後面的判別過程少受干擾，大大簡化其後的處理。
（4）指紋圖像細化處理。 圖像細化就是將脊的寬度降為單個像素的寬度，得到脊線的骨架圖像的過程。這個過程進一步減少了圖像數據量，清晰化了脊線形態，為之後的特徵值提取作好了准備。由於我們所關心的不是紋線的粗細，而是紋線的有無。因此，在不破壞圖像連通性的情況下必須去掉多餘的信息。因而應先將指紋脊線的寬度採用逐漸剝離的方法，使得脊線成為只有一個象素寬的細線，這將非常有利於下一步的分析。
2.2.2 指紋演算法之特徵值提取
提取指紋特徵值是從細化過的指紋圖像中，掃描分析出能夠表達某個指紋圖像與眾不同的特徵點的集合。在最初的指紋識別演算法中，經歷以過圖像進行比較的階段，現在的演算法為了安全和確保精準度起見，採用圖像上的特徵點來進行比較，所以才有特徵值提取的說法。
（1）首先來認識一下指紋的特徵。
指紋特徵 ＝總體特徵＋局部特徵
總體特徵：
–紋形：環形、弓形、螺旋形（有的演算法分的更細，如左旋右旋）
–模式區：包含了紋形特徵的區域
–核心點：位於指紋紋路的漸進中心
–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。
–紋數：指模式區內指紋紋路的數量（脊密度）
局部特徵：指紋上的細節點的特徵。
特徵點：類型、方向、曲率、位置
特徵點類型
–終結點（ Ending ），一條紋路在此終結
–分叉點（ Bifurcation ），一條紋路在此分開成為兩條或更多的紋路
–分歧點（ Ridge Divergence ），兩條平行的紋路在此分開
–孤立點（ Dot or Island ），一條特別短的紋路，以至於成為一點 –環點（ Enclosure ），一條紋路分開成為兩條之後，立即有合並成為一條
作者： 西西里的豬 2007-4-30 13:23 回復此發言
--------------------------------------------------------------------------------
3 指紋識別技術原理
–短紋（ Short Ridge ），一端較短但不至於成為一點的紋路
（2）指紋特徵點的表示
認識到指紋包含以上特徵點之後，如何對指紋的特徵點進行描述？就像通過描述一個的特點不同於另一個人時，我們一般會採用儲如 「男性」「身高 170 」「偏白」等詞彙一樣，描述指紋的特徵點也有一系列的維度。如特徵點類型、位置坐標、方向、曲率等。甚至可以增加組合特徵描述。指紋處理是一個幾何域的問題，所以對這些特徵點的描述無外乎與幾何參數有關。
（3）指紋特徵點提取
對指紋的特徵信息（總體和局部的）進行選擇、編碼，形成二進制數據的過程。指紋特徵點的提取方法是演算法中的核心。一般採用 8 鄰域法對二值化、細化後的指紋圖像抽取特徵點，這種方法將脊線上的點用 「1」 表示，背景用 「0」 表示，將待測點（ x ,y ）的八鄰域點,進行循環比較，若 「0」 ， 「1」 變化有六次，則此待測點為分叉點，若變化兩次，則為端點。通過這個過程可以記錄下來一個指紋的所有特徵點。通常一個指紋的特徵點在 100~150 之間，在形成指紋特徵值模板（也就是特徵值的有序集合）時，盡量多的提取特徵點對於提高准確性是有很大幫助的。
2.2.3 指紋演算法之特徵值比對
指紋特徵值比對過程是把當前取得的指紋特徵值集合與事先存儲的指紋特徵值模板進行匹配的過程。匹配是一個模式識別的過程，判定的標准不是等與不等，而是相似的程度。這個程度判定依賴於某個閾值，以及與判定時比較的特徵點的個數有關。閾值取的合理，特徵點取的越多，誤判的機率就越小。理論一般認為只要 7 個特徵點不同就可以區別開兩枚指紋。實際在程序實現中，多採用 14 個或以上的特徵點作匹配。匹配的方法很多，包括基於特徵點的匹配、脊模式的匹配、以及線對（兩個特徵點的連線）匹配方法。匹配的過程還要處理如手指旋轉、壓力導致的伸縮及平移等情況。一般演算法的誤識率（ FAR ）為 0.001% 時，其拒認率（ FRR ）為 0.75 - 5% 。
在指紋識別演算法這一部分 補充說明一下 指紋識別和驗證的區別。
識別與驗證並不是指紋識別演算法領域的問題，而是指紋識別系統的問題。指紋識別就是指 1 ： N 模式下匹配指紋特徵值。它是從多個指紋模板中識別出一個特定指紋的過程。其結果是，有或者沒有。有時會給出是誰的信息。
指紋驗證是指在 1 ： 1 模式下匹配指紋特徵值。它是拿待比對的指紋特徵模板與事先存在的另一個指紋特徵模 板進行一次匹配的過程。其結果是，是不是。在一個系統中即可以採用 1：1模式也可以採用1：N模式，這是取決於應用系統的特點和要求。
從優缺方面比較， 1:1模式要比1：N快些，准確性高些，但方便性會差些。
3 、指紋產品中間件
指紋中間件技術，與一般中間件技術相似。對於指紋軟體中間件來講，主要是提供一系列從應用角度看已經封裝好的介面，一般不會開放指紋特徵值模板及下一級的介面。這些介面的能力表現為資料庫連接和拆線類介面、用戶注冊介面、用戶驗證介面、用戶手指信息、用戶信息訪問介面、用戶管理（增刪改）介面，以及常用的系統管理介面等。這些介面一般以 OCX組件形式提供，適用於以C/S、B/S、N-Tier等多種應用模式。 硬體中間件，一般是指指紋離線模塊。它主要是一個嵌入式指紋識別系統，對外提供兩方面的能力。一是向下能夠接入一定類型數量的指紋 SENSOR；二是向上給應用能夠提供指紋注冊、驗證、識別、指紋存儲等功能。硬體中間件的形態一直在發展和變化中，從板卡形態向晶元形態演變。市場上已經出現指紋識別IC，能夠完成所有指紋注冊驗證的功能。這對於開發嵌入式指紋識別設備，將無疑是一大福音。
4、指紋產品上層構件
指紋產品上層構件，即應用層，目前市場上所見完整的指紋產品形態多種多樣，在此不再累述。只是想說，在應用層，由於行業的不同、需求的多樣性，依然是有很多可以成就的東西。
總結
從以上分析總結來看，基礎構件中的指紋 SENSOR和指紋演算法是關鍵中的關鍵。如果沒有掌握這個關鍵，通過正常的商品交易得到這些，並以此為基礎構造出指紋中間件產品、或者開發出不同行業的不同類型的指紋應用產品（或系統），也會有非常不錯的前景，這也是創新——集成創新。
http://tieba..com/f?kz=196046842