指纹识别算法研究

‘壹’ 毕业设计题目：指纹识别算法及其在保险箱系统中的应用，开题报告该怎么写

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。

‘贰’ 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。

‘叁’ 指纹识别的原理是什么

原理：指纹纹路经常出现中断、分叉或转折，这些断点、分叉点和转折点被称为"特征点"。特征点提供了指纹唯一性的确认信息，正因为这些不同，才可以进行识别。

‘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’ 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。

‘陆’ 指纹识别算法或者相关的图片像素的算法

您好，目前指纹识别系统大多都采用特征点匹配，识别系统将指纹图像经过去噪处理后，把指纹图像纹理细化，然后根据指纹的特征，找到指纹的特征点进行识别，它的识别速度快，能够满足一对多个指纹的识别需要。但是对于残缺、污损指纹，在进行特征点提取的过程中只能提取到部分特征点，不能达到指纹识别所需的特征点数量，不能完成识别。同时研究发现在指纹图像的某些局部图像中，变化不明显或是有规律变化的，所以根据这些局部图像的不变和有规律变化提出了基于图像匹配的指纹局部取像辅助识别系统。因此在原有指纹系统的基础上，增加了基于garbor方向滤波的指纹识别纹理匹配的算法，作为指纹识别系统的一种有效补充，提高了识别率和降低误识率。通过对数据库BVC2004中100张不同的指纹图像测试后，系统运行性能稳定可靠，该系统既可以用于有关部门对残缺、污损指纹的识别，同时也可以满足那些强调安全性的使用者的更高使用要求。

‘柒’ 开发一个指纹识别系统要采用什么方法

指纹识别技术通过分析指纹的局部特征，从中抽取详尽的特征点，从而可靠地确认个身份。指纹识别的优点指纹作为人体独一无二的特征，它的复杂度可以提供用于鉴别的足够特征，具有极高的安全性。相对于其他身份认证技术，指纹识别是一种更为理想的身份认证技术，指纹识别不仅具有许多独到的信息安全优点，更重要的是具有很高的实用性、可行性，已经广泛应用于金融、电子商务以及安全性能要求教高的行业中。

目前多数指纹识别系统是将指纹图象采集到计算机中，利用计算机进行识别。外一些公司生产的独立指纹识别系统，价格比较高昂。些都限制了指纹识别技术的普及。因此，研究开发快速、识别率高、廉价的独立指纹识别系统具有很大的市场前景和重要的科学研究价值。

本文提出了一种新型基于DSP的指纹识别系统，硬件上利用DSP的高速处理能力，构建高速的数据处理平台，软件上考DSP和硬件逻辑的处理特点，对传统的指纹算法进行改进，满足实时性和可靠性要求。

2 硬件系统结构

系统的原理框图如图（1）所示：

图（1）系统结构框图

本系统整体上可以分为图像采集模块、图像处理及识别模块以及输出模块三部分组成。

2.1 图像采集模块

图像采集模块中，由于指纹识别系统中并不需要实时观察图像，所以对传感器要求不是很高，一般的黑白数字CMOS传感器都能满足要求。本系统中采用了一款300万象素的高清晰度黑白传感器作为图像获取器件，非常适合作为指纹图像传感器使用。主要考虑到CMOS器件成本低、分辨率高、可靠性好的优点。缺点为当手指汗液多或干裂时成像质量可能变差。在图像识别过程中，采用了基于GABOR的增强算法，基本上可以克服由此造成的影响。

2.2 图像处理及识别模块

图像处理及识别模块的结构关系到系统的性能的总体水平，采用FPGA+DSP的体系结构有利于构建高效的数据处理流程和方便处理任务的分配，提高系统的并行程度和资源利用率。系统中的SRAM、SDRAM、FLASH直接连到DSP上供其使用：FLASH用于存放程序和一些固定的表格数据；SDRAM作为DSP的系统内存，用于系统程序的运行；SRAM是高速的数据存储区，用于存放程序运行是产生的临时变量。而DDR SDRAM是专门用于存放采集到的指纹数据以及预处理过程中计算得到的象素点梯度数据等一些大容量的数据块，直接连接到FPGA，是系统中最高速的内存区域。FPGA除了作为DSP处理器的扩展总线接口外，还分担了部分数据处理任务，因为仅仅靠一块DSP是不能胜任所有的运算和控制任务的，指纹数据处理时，经常会遇到一些繁琐的加减运算和比逻辑运算，通常这部分都是由FPGA代为处理的，考虑到指纹处理算法的特殊性，同时还要兼顾实现DDR控制功能。

由于指纹识别过程中数学运算量大，因此程序设计不可避免的需要较大的存储空间，为了提高整体性能，需要把繁重的运算任务交给DSP处理，而图像采集部分则要尽可能少的占用DSP时间。另外，利用图像采集的间隙，或是图像采集的同时，由硬件完成一部分简单而繁琐的运算可以分担DSP的处理任务，提高处理的并行度，满足对实时性的要求。本系统采用了TMS320VC5402，其运算速度快，并且具有很高的性价比。系统中采集到的8bits灰度指纹图像，每个像素占用一个字节，图像尺寸为512×512个像素大小，存储一帧图像需要256k字节存贮空间。DSP单元是整个指纹处理系统的核心，负责对指纹进行实时处理。

2.3 输出模块

作为独立的指纹识别系统，经过系统识别的数据可以通过LCD直接显示出来。系统在设计时，也可以将系统作为终端使用，即通过FPGA扩展出以太网接口，作为需要通过网络传送指纹库数据的大型指纹识别系统终端。

3 指纹识别算法

指纹识别算法是指纹识别的核心，本系统中采用的指纹识别算法流程如图（2）所示。

图（2）指纹识别算法流程

图像增强是指纹图像预处理需要解决的核心问题，指纹图像增强的主要目的是为了消除噪声，改善图像质量，便于特征提取。由于指纹纹理由相间的脊线和谷线组成。这些纹理蕴涵了大量的信息，如纹理方向、纹理密度等等。在指纹图像的不同区域，这样的信息是不同的。指纹图像增强算法就是利用图像信息的区域性差异来实现的。传统的指纹图像增强就是利用图像的纹理方向信息，构造方向滤波器模板来实现滤波的。滤波器构造的简单性和指纹图像复杂性的矛盾限制了其作用的有效性。本系统中采用的是参考了指纹图像纹理频率信息，并且以GABOR变换这个能够同时对图像局部结构的方向和空域频率进行解析的最优滤波器作为滤波器的模板，因而极大的改善了增强算法的效果。

3.1 脊线方向

除奇异区外，指纹图像在一个足够小的区域内，纹理近似于相互平行的直线，这就是指纹图像的方向性特征。方向性特征是指纹图像中最为明显的特征之一，它以简化的形式直观的反映指纹图像的基本形态特征，因而被广泛应用于指纹图像的分类、增强、特征提取等方面。

提取脊线方向方法为：

⑴ 将指纹图像分割成足够小的子块，以满足块中纹理近似平行的条件。

3.2 脊线频率

指纹纹理除了具有稳定的方向性特征外，还具有稳定的频率性特点。在指纹图像的一个局部区域内，脊线和谷线的纹理走向平行，同时沿脊谷方向的灰度分布近似于正弦包络。

脊线频率被定义为两条脊线之间间距的倒数。通过定位该包络中极大、极小值点，就能得到相应的脊线间距和谷线间距，进而计算出脊线频率。

3.3 GABOR滤波器

GABOR变换由于具有最佳时域和频域连接分辨率的特点，能够同时对图像局部结构的方向和空域频率进行解析，可以很好地兼顾指纹图像的脊线方向和脊线频率信息。

本系统中采用GABOR滤波器函数的实部作为模板，以与子块纹线方向垂直的方向作为滤波器方向，以脊线频率作为滤波器频率来构建滤波器。滤波过程如下式所示：

其中， 为原始图像灰度， 是GABOR滤波后的图像灰度，W为滤波器模板大小，S为模板系数和， 为子块的域方向值。需要注意的是GABOR滤波器中的 与指纹文理方向垂直。对 和 的取值需要进行折衷，取值越大，则滤波器的抗噪性能越好，但也容易声成假的脊线。这里取 和 。

3.4 指纹匹配

本系统中指纹匹配采用基于特征点集合匹配的校准算法，该算法多为简单的比较逻辑和加减运算，不需要用到DSP处理单元。

4 系统处理流程

整个系统的处理的过程分为四个步骤：

⑴ 从图像传感器输出的指纹图像首先送到FPGA缓冲，同时运用设计好的预处理模块对数据进行处理，得到各像素点的梯度值以及子块中极大值点的坐标，所有这些数据连同原始数据以突发模式存入DDR SDRAM中；

⑵ DSP通过FPGA从DDR SDRAM中读取所有相关数据，计算出脊线方向和脊线频率，然后利用GABOR对原始数据进行滤波，处理后的图像数据再通过FPGA存入DDR SDRAM中，因此在DDR SDRAM的输入输出端都需要进行缓冲；

⑶ 根据DSP处理的指令要求，从DDR SDRAM中读出滤波后的数据，由FPGA内部的比较逻辑提取出指纹图像中每行（每列）中的极大值点，送到DSP进行进一步处理，完成指纹图像脊线提取；

⑷ 由DSP完成匹配识别算法，并输出处理结果。

5 结论

以上设计方案综合考虑了各方面因素，兼顾了DSP处理器和FPGA协处理器的性能状况和资源需求来分配任务，而且在数据采集的同时完成了指纹方向和频率提取的部分运算，减少了内存操作的次数，采用的根据系统特点优化的基于GABOR的增强算法，提高了系统的实时性，满足应用要求。

‘捌’ 我现在在准备GMAT考试 之前托福找人帮忙的 但是他说gmat 不行 我想问问大家 那个指纹识别技术是怎么回事

需要本人的指纹识别才能进入考场考试的

指纹识别技术把一个人同他的指纹对应起来，通过比较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。每个人（包括指纹在内）皮肤纹路在图案、断点和交叉点上各不相同，是唯一的，依靠这种唯一性和稳定性，我们才能创造指纹识别技术。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，呈现唯一性且终生不变。

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，呈现唯一性且终生不变。据此，我们就可以把一个人同他的指纹对应起来，通过将他的指纹和预先保存的指纹数据进行比较，就可以验证它的真实身份，这就是指纹识别技术。

指纹识别主要根据人体指纹的纹路、细节特征等信息对操作或被操作者进行身份鉴定，得益于现代电子集成制造技术和快速而可靠的算法研究，已经开始走入我们的日常生活，成为目前生物检测学中研究最深入，应用最广泛，发展最成熟的技术。

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象。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，指纹图象属于个人隐私，因此不能直接存储指纹图象）。但指纹识别算法最终都归结为在指纹图象上找到并比对指纹的特征。

与人工处理不同，一般的生物识别技术公司并不直接存储指纹的图象，而是使用不同的数字化算法在指纹图象上找到并比对指纹的特征。每个指纹都有几个独一无二、可测量的特征点，每个特征点都有大约5~7个特征，我们的十个手指产生最少4900个独立可测量的特征，这足以说明指纹识别是一个更加可靠的鉴别方式。