⑴ 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。