指纹识别技术及其在汽车防盗系统中的应用.doc

指纹识别技术及其在汽车防盗系统中的应用

———————————————————————————————— 作者：
———————————————————————————————— 日期：

2

个人收集整理 勿做商业用途

指纹识别技术及其在汽车防盗系统中的应用

十九世纪初,科学研究发现了至今仍然承认的指纹的两个重要特征，一是两个不同手指的指纹纹脊的式样不同,另外一个是指纹纹脊的式样终生不变。（即指纹的唯一性和不变性）这个研究成果使得指纹在犯罪事件的鉴别中得以正式应用。（主要代表性的事件有：十九世纪九十年代阿根廷首次应用，然后是苏格兰,二十世纪初其他国家也相继应用到犯罪事件的鉴别中.）二十世纪六十年代，由于计算机可以有效地处理图形，人们开始着手研究利用计算机来处理指纹。自那时起，自动指纹识别系统在法律实施方面的研究和应用在世界许多国家展开.到了上世纪末，个人电脑、光学扫描这两项技术的革新，使得它们作为指纹取像的工具成为现实，从而使指纹识别可以在其他领域中得以应用.现在，随着取像设备的引入及其飞速发展，指纹识别技术也日趋成熟，可靠比对算法的发现都为指纹识别技术提供了更广阔的舞台。
随着人们生活水平的不断提高，汽车越来越成为人们生活中不可缺少的一部分.从世界上第一辆T型福特牌轿车被盗开始，偷车已成为现今城市里最常见的犯罪行为之一。汽车数量增多，车辆被盗的数量也逐年上升,这给社会带来极大的不安定因素，担心车辆被盗，成为困扰每一位汽车用户的难题。随着敞篷汽车的流行，汽车门锁已无法成为万无一失的铁将军,使车门锁止系统的概念进一步被淡化，由此汽车防盗器也应运而生。现在市场上各种电子防盗器琳琅满目，销量最好的电子防盗锁在300元至400元之间即可买到。现在市场上许多新款轿车上都已经安装了原厂的汽车防盗器，有些车辆的钥匙上就有防盗芯片,随机变开锁密码，使盗车贼无法用科技手段解锁,而这种钥匙一旦丢失就只能凭车辆的用户登记卡到原厂再配一套钥匙。最新的技术资料上称，有些车主已经开始在自己的爱车上装配了指纹识别防盗器.借助指纹识别技术的独特性更有效的达到了汽车防盗的目的.

1 概述
伴随着汽车大量进入家庭，日益猖獗的汽车盗窃案件也呈上升趋势，据统计,全球每年被盗汽车数量多达近千万辆.在我国据最新统计2004年在北京被盗车辆达4000辆，全国机动车盗抢案就有69万起。如何有效防止汽车被盗已成为世界性的话题.
1。1 几种常见的汽车防盗举措
随着科学技术的进步,为对付不断升级的盗车手段，汽车制造厂商研制出一代又一代各种方式、不同结构的防盗器.不同时期的防盗器具有不同的结构及功能.目前防盗器按其结构可分三大类：机械式、电子式、网络式。
1。机械式防盗器
这个系统是采用机械的方式来达到防盗的目的。
（l）转向盘锁
使用时,主要是转向盘与制动踏板连接一起,使转向盘不能做大角度转向及制动汽车，而另一款式转向盘锁，在转向盘上加一枝长铁棒，也是使转向盘不能正常使用。
（2)安装变速手柄锁
在换档杆附近安装转速锁,可使变速器不能换档。通常在停车后，把换档杆推回空挡位或1档位置,加上变速器锁，可使汽车不能换档。
转向盘锁和变速档锁、钩锁等这些机械式防盗器，它主要是靠锁定离合、制动、油门或转向盘、变速杆来达到防盗的目的，但只防盗不报警。机械式防盗锁。其功能是靠坚固的金属结构锁住汽车的操纵部位。但使用起来不隐蔽,占用驾驶室空间，每次开、停车都要用钥匙开启;由于优质的机械防盗锁用材非常坚硬不易被锯断，而汽车的转向盘及挂档杆则是普通钢材,因此盗贼多数在转向盘上锯开一个缺口,把转向盘扭曲后，便将锁在转向盘上的锁完好取下来。
2。电子式防盗器
电子防盗报警器（也称微电脑汽车防盗器），是目前使用最广泛的类型，包括有插片式、按键式和遥控式等电子式防盗器，它主要是靠锁定点火或起动来达到防盗的目的，同时具有防盗和声音报警功能。共有4种功能：一是服务功能，包括遥控车门、遥控起动、寻车和阻吓等。二是警惕提示功能,触发报警记录（提示车辆曾被人打开过车门）。三是报警提示功能,即当有人动车时发出警报。四是防盗功能，即当防盗器处于警戒状态时，切断汽车上的起动电路。该类防盗器安装隐蔽、功能齐全、无线遥控、操作简便，但需要靠良好的安装技术和完善的售后服务来保证.由于这类电子防盗报警器的使用频率普遍被限定在300~350MHz的业余频段上，而这个频段的电子波干扰源又多，电波、雷电、工业电焊等都会干扰它而产生误报警。
3。网络式防盗系统
该类汽车防盗系统分为卫星定位跟踪系统（简称GPS）和利用车载台（对讲机）通过中央控制中心定位监控系统。GPS卫星定位汽车防盗系统属于网络式防盗器，它主要靠锁定点火或起动来达到防盗的目的,而同时还可通过GPS卫星定位系统(或其他网络系统），将报警信息和报警车辆所在位置无声地传送到报警中心.电子跟踪定位监控防盗系统，该类产品从技术上来讲是可靠的，但效果不尽人意。原因是这些系统要构成网络，消除盲目区（少数接收不到信号的地区)，要靠政府的支持，社会各方面的配合，要有完善的配套设施等.
可以看出早期的汽车防盗装置主要用于控制门锁、门窗、起动器、制动器和切断供油等连锁机构，随着科技的发展，汽车防盗装置日趋严密和完善,主要是进行整车的防护（即阻止机动车被启动开走），目前汽车防盗装置已经由初期的机械控制，发展成为电子密码、遥控呼救等。但这些汽车防盗装置都离不开用钥匙或遥控器来开启车辆，一旦钥匙和遥控器丢失，就很难再使用汽车，更危险的是捡到或者偷走钥匙和遥控器的人很容易进入车内并将车开走。如果将指纹识别技术应用到汽车上,即便是有人捡到或窃取了车主的钥匙和遥控器进入车中,也无法将汽车启动开走,给车主减少了损失.从这个方面看，指纹识别防盗系统具有其它汽车防盗产品无法比拟的优势，必将迅速地、广泛地运用在汽车防盗领域。
1.2 课题的主要工作
本课题的研究工作源于上述的背景.目的是对汽车新防盗系统的发现进行深入的研究，主要围绕指纹识别在汽车防盗领域的理论分析和实现方法进行了以下几方面的工作:
(1）归纳了指纹识别技术的总体研究情况，包括指纹识别的定义、与其它学科的关系、指纹匹配的流程和主要算法.
（2）对指纹图像增强和细节匹配进行深入研究,在深刻理解算法的基础上,针对算法中存在的问题，根据实际应用的特点，对算法进行了适当的调整。
（3)讨论现有指纹防盗系统的实现方法及过程，提出指纹识别在汽车防盗系统中实现起动的新方案。
（4)最后进行模式的理解和性能评价。
1。3 论文的主要内容和章节安排
本论文介绍了指纹识别的相关技术在汽车防盗领域的应用,在综合国内外先进指纹识别系统和汽车防盗系统的研究，试着寻找汽车防盗领域的新方法,并根据前人研究成果进行了其硬件体系和应用软件的设计与分析.
论文共分为八章,各主要章节安排如下：
（1）指纹识别发展与应用(第二章）；
(2）指纹识别系统原理分析(第三章);
(3)指纹识别中的图像增强和细节匹配算法(第四章）；
(4）软硬件优化(第五章）；
(5)数据输出(第六章）；
(6)指纹图象预处理(第七章）；
(7) 汽车防盗系统的技术发展趋势（第八章）
(8) 结论（第九章）

2 指纹识别发展与应用
2.1 生物特征识别技术概论
生物识别技术是利用人体生物特征进行身份认证的一种技术，生物特征是唯一的、可以测量或可自动识别和验证的生理特性或行为方式。生物识别系统对生物特征进行取样,提取其唯一的特征并且转化成数字代码,并将这些代码组成特征模板。人们用识别系统进行身份认证时，识别系统获取其特征并与数据库中的特征模板进行比对，以确定是否匹配，从而决定接受或拒绝该人。
用于生物识别的生理特征有虹膜、面容、指纹等,行为特征有签字、声音等。基于这些特征，人们开发了虹膜识别、面部识别、指纹识别、签名识别、发音识别等多种生物识别技术。
虹膜识别技术：虹膜是一种在瞳孔内的织物状环状物，每一个虹膜都包含水晶体、细丝、斑点、凹点、皱纹等特征。由于虹膜的采集多是通过全自动照相机来完成的，所以其优点是用户无需与设备进行物理上的接触，方便了用户的使用。其缺点是很难将图像获取设备的尺寸小型化，聚焦所需的摄像头非常昂贵,而且对光源的要求也极高。
面部识别技术：这项技术通过对面部特征和它们之间的关系来进行识别。基于这些特征的识别是非常复杂的，需要人工智能和机器知识学习系统。面部识别的优点是面部识别是非接触的，方便实用。其缺点是使用者面部的位置与周围的光环境都可能影响系统的精确性，并且采集图像的设备要比其它技术昂贵得多。
指纹识别技术:指纹识别技术己经有很长的历史了,通过分析指纹的局部特征如脊、谷、终点、分叉点等，可以从中抽取详尽的特征点，从而可靠地确认个人身份。指纹识别的优点是指纹为人体独一无二的特征,它们的复杂度可以提供用于鉴别的足够特征.进行指纹识别时，用户只需将手指与采集仪接触即可，使用非常的方便.指纹识别的缺点是某些人的指纹特征很少难以识别,另外指纹识别是物理接触式的，指纹采集时的状态对图像的提取有一定的影响。
签名识别技术：签名一识别和声音识别一样,是一种行为测定学。它通过测量整个签名动作中字母与字母之间不同速度、顺序和压力的方式来进行数字化提取。其优点是使用签名识别更容易被大众接受而且是一种公认的身份识别技术。其缺点是随着年龄的增长、性情的变化，签名将会发生改变，而且签名也很容易被仿造。
声音识别技术：它通过不断测量、纪录声音波形的变化，将现场采集到的声音同登记过的声音模板进行匹配来实现身份的认证。其优点是采取非接触的识别技术,用户可以自然的接受。其缺点是声音会随着音量、速度和音质的变化而影响到采集与比对的结果，故很难进行精确的匹配.
2.2 指纹识别技术的含义
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。在一开始，通过指纹读取设备读取到人体指纹的图像，取到指纹图像之后，要对原始图像进行初步的处理，使之更清晰。接下来，指纹辨识软件建立指纹的数字表示-—特征数据，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。有的算法把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1K大小的记录。无论它们是怎样组成的，至今仍然没有一种模板的标准,也没有一种公布的抽象算法，而是各个厂商自行其是. 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。
我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会形成各种各样的图案.这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。人们也注意到，包括指纹在内的这些皮肤的纹路在图案、断点和交叉点上各不相同，也就是说，是唯一的。依靠这种唯一性，我们就可以把一个人同他的指纹对应起来，通过对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。这种依靠人体的身体特征来进行身份验证的技术称为生物识别技术，指纹识别是生物识别技术的一种。 目前，从实用的角度看，指纹识别技术是优于其他生物识别技术的身份鉴别方法。这是因为指纹各不相同、终生基本不变的特点已经得到公认，近二三十年的警用指纹自动识别系统的研究和实践为保安指纹自动识别打下了良好的技术基础。特别是现有的指纹自动识别系统已达到操作方便、准确可靠、价格适中的阶段，是实用化的生物测定方法。
2.3 指纹识别的发展历程及发展现状
要说指纹，最终还是要追溯到古老的中国。据相关资料显示，我国古代最早的指纹应用可追溯至秦朝。至唐朝,以“按指为书"为代表的指纹捺印已经在文书、契约等民用场合被广泛采用.自宋朝起，指纹则开始被用做刑事诉讼的物证。
在欧洲，1788年，梅耶(J。Mayer）首次提出没有两个人的指纹会完全相同;1889年，亨利(E.R.Henry)在总结前人研究成果的基础上，提出了指纹细节特征识别理论,奠定了现代指纹学的基础。
早在1880年英国人亨利。福兹就提出了用指纹识别系统识别罪犯.19世纪末到20世纪初，阿根廷、苏格兰等国相继将指纹识别技术应用于罪犯鉴别。到20世纪70年代，由于计算机的广泛应用以及模式识别理论和微电子技术的快速发展，人们开始研究使用计算机进行指纹的自动识别.目前世界各国都在争先研究和开发实用指纹识别系统。到20世纪70年代末，一些实用系统己经出现.据报到:70年代末加拿大警方首次应用激光进行指纹检验;日本立石电机公司80年代研制出了指纹核对机；美国人福勒80年代设计出了电子指纹检验系统;日本NEC在1982年首次向警方提供自动指纹识别系统（AFIS);比利时刑事鉴定局在1990年开始使用AFIS;瑞士一公司研制成功指纹码智能卡；日本蝶理株式会社推出出入口指纹识别器；在英国政府的重要部门，指纹识别仪己被广泛采用；在澳大利亚，指纹识别仪己被广泛用在ATM机上;在美国，除军事设施外五角大楼、政府实验室、银行、监狱和商业部门也广泛使用了自动指纹识别系统；1996年在美国亚特兰大举办的第26届奥运会上己广泛采用了指纹自动识别系统。目前世界上约有30家公司专门从事指纹识别系统的研发工作.进入90年代，我国指纹识别系统开始迅速发展，深圳攀登电子有限公司研制了活体指纹身份识别系统;深圳红光奥康光电有限公司推出自动指纹识别监控器;西安交大、清华大学、北京大学等也推出了各自的指纹自动识别系统；北京大学与上海、珠海公安局合作建立了大容量指纹自动识别系统。目前，国内有上百家从事指纹识别技术应用的企业多以代理国外产品为主，但拥有自主知识产权的核心技术并不多。
指纹识别技术从被发现时起,就被广泛地应用于契约等民用领域。由于人体指纹具有终身稳定性和唯一性，很快就被用于刑事侦查，并被尊为“物证之首”.但早期的指纹识别采用的方法是人工比对，效率低、速度慢，不能满足现代社会的需要。20世纪60年代末，在美国开始有人提出用计算机图像处理和模式识别方法进行指纹分析以代替人工比对,这就是自动指纹识别系统（简称AFIS）。
因为成本及对运行环境的特殊要求，开始时其应用主要限于刑侦也叫警用领域。随着计算机图像处理和模式识别理论以及大规模集成电路技术的不断发展与成熟，指纹自动识别系统的体积不断缩小，其价格也不断降低，因而被应用到民用领域。
生物特征识别作为新兴的身份鉴别技术，有其不可替代的优越性.可能的风险与机会主要来自政策的导向,从目前的局势看,尤其是“ 9·11"以后，它将是国际上新世纪十大最具前景的高新技术之一；对于国内来说，基于生物特征的身份鉴别也将是国家重点鼓励及发展的关键技术之一。
据国际生物认证集团 (IBG) 的预测：美国生物认证市场 2002 年将突破 7 亿美元，其中指纹识别占近 50％ ，虹膜识别占 8% ；美国生物认证市场到 2005 年则将达到 19 亿美元，指纹识别将占 40％ ，虹膜识别将占 10% 左右；美国生物认证市场在未来几年中仍然将保持高速增长的趋势，指纹保持在 30％ 左右,虹膜将保持在 50％ 左右。 个人收集整理，勿做商业用途个人收集整理,勿做商业用途
另据一家全球权威市场调研机构对中国市场的预测:中国指纹识别2002年市场收入突破10亿元，保持50%左右的增长速度,2005年将突破35亿元；虹膜识别市场收入，预计2005年将突破5亿元,未来 5 年内将保持80％的增长率；中国正成为继美国、日本之后最具潜力的发展中市场，预计未来5年内，生物认证市场收入将达到300亿人民币。
目前的指纹自动识别系统是采用先进的光电识别办法采集一个指纹信息,并把它变成可以和已由计算机处理过的暗码相比对的代码。这些代码都经过加密处理，然后经独特的相关算法进行识别判断,在算法上有的采用是一个指纹的全部图案，而有的是指纹的特殊细节。
随着IC产业的发展，指纹自动识别系统逐渐脱离计算机朝灵活性、方便性、实时性等方向发展.特别值得提出的是，DSP在作为指纹识别的核心方面得到了广泛的应用.可以这么说，基本上所有的脱机指纹识别系统的CPU都是用DSP来做的。而其中在DSP的选择上，美国的德州仪器公司(TI）所产的DPS在世界范围内得到最为广泛的应用。
随着越来越多的指纹识别产品的开发与生产，指纹识别技术的应用已不在局限于公安、金融、证券、保险等领域.它已经开始进入民用市场并且发展迅猛，这技术的普及已经指日可待。
2。4 指纹识别的现实意义
对身份的认证基本上在所有的场合都是必不可少的，而且在很多的情况下人们都必须要借助自己的身份信息才能完成一些工作。当今的社会己经被广泛地定义为信息社会,各种事物都被定义成信息,而我们的身份证明也是一种信息。在大多数情况下，我们要利用我们的身份信息与外界交流;而外界则利用这种信息来对我们进行身份核实,例如我们办理身份证(用自己的照片)，在网上申请电子邮箱，去银行存款或取款(用帐号和密码）等。
外界之所以能利用我们的身份信息来确定我们的身份，主要是因为这些信息在很大程度上具有唯一性。当然如果一种信息失去了这种唯一性，它就不再可能被用作为身份的验证信息。
随着信息的发展及科技的普及，一些原有的技术逐渐被个人所掌握,所以建立在原有技术之上的传统的身份验证方法受到证件伪造和密码被盗等的严重威胁,而使其原有的身份信息的唯一性得不到保障。
启发于人的身体特征具有不可复制，具有绝对唯一性的特点，人们开始把目光转向了生物识别技术。人类的身体上有很多特征可用以区别自身与其他人，如：人脸,虹膜,指纹,掌纹等等。其中，人脸识别是我们人类用以识别出其他人身份的最常见的手段。但是，对于自动系统的应用来说，由于人脸的相似性和可化妆,因而最常见的计算机识别方式是指纹识别.
2。5 指纹识别技术的优点
因为相对于其它生物识别认证技术而言，自动指纹识别是一种更为理想的身份确认技术，因为指纹相对于其它几种生物特征具有以下一些独特的性质：①互异性；世界上两个指纹完全相同的概率小于10-9，几乎为零。②不变性;人的指纹特征不随年龄的增长和胖瘦或其他情况的改变而改变。③具有和主体永不分离性；这样对主体身份的识别更具真实性。④指纹的使用比起其它证卡来说更快捷、安全准确、无干扰，可实现快速登录注册。⑤一个人的十指指纹皆不相同，这样可以方便地利用多个指纹构成多重口令，提高系统的安全性。⑥指纹识别中使用的模板并非最初的指纹图，而是由指纹图中提取的关键特征，这样使系统对模板库的存储量较小。另外，对输入的指纹图提取关键特征后，可以大大减少网络传输的负担，便于实现异地确认,支持计算机的网络功能。

3 指纹识别系统原理分析
3。1 指纹识别中的基本概念
指纹图像是比较复杂的, 它有着许多不同于其他图像的特征.与人工处理不同, 现代的生物识别技术并不直接存储指纹的图像（ 一是考虑到隐私权, 二是由于存储空间） ， 而是记录从指纹原图像中提取到的特征， 基于特征的指纹识别算法最终归结为在指纹图像上找到特征并进行比对。
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（RidgeDivergence）：两条平行的纹路在此分开；d 孤立点(DotorIsland）：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，立即又合并成为一条，这样形成的一个小环称为环点;f 短纹(ShortRidge）：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.
这里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。
3.1.1 总体特征
总体特征是指那些用肉眼直接就可以观察到的特征,包括：
基本纹路图案： 旋涡型、左环型、右环型、弓型、帐型。其他的指纹图案都基于这五种基本图案。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。

环形（loop） 弓形(arch） 螺旋形(whorl)
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哪一种类型的。有的指纹识别算法只使用模式区的数据.

核心点(Core Point） : 核心点位于指纹纹路的渐进中心， 可作为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记数和跟踪的开始之处.

纹数（Ridge Count） ： 指模式区内指纹纹路的数量。在计算指纹的纹线数时， 一般先连接核心点和三角点, 然后计算核心点与三角点之间的连线与指纹纹路相交的次数, 这个次数即可认为是指纹的纹数。

3。1.2 局部特征
局部特征是指指纹上的节点的特征,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—-细节点,却不可能完全相同。
细节点(Minutia Point） ： 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、分叉点和转折点就成为“细节点"。就是这些细节点提供了指纹唯一性的确认信息。
指纹上的细节点有四种不同特性：
1）类型——细节点有以下几种类型， 最典型的是末梢点
和分叉点
A。末梢点( 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。环点( Enclosure)
一条纹路分开成为两条之后，立即又合并成为一条,这样形成的一个小环称为环点。

D。孤立点（Dot or Island）
一条特别短的纹路, 以至于成为一点.

E。短纹（ Short Ridge)
一端较短但不至于成为一点的纹路。

2) 方向(Orientation)——细节点的方向由所在的脊线方向决定。
3） 曲率(Curvature)—-描述纹路方向改变的速度。
4) 位置( Position）——细节点的位置通过(x， y）坐标来描述， 可以是绝对的, 也可以是相对于参考点或特征点的.
3。2 指纹识别系统的构成
一个优秀的生物识别系统要求能实时迅速有效地完成其识别过程.所有的生物识别系统都包括如下几个处理过程：采集、比对和匹配.指纹识别处理也一样, 它包括指纹图像采集、指纹图像预处理、特征提取、特征值的比对与匹配等过程。
指纹识别系统的结构如下图所示：

3。2。1 指纹读入
常用的指纹采集技术有光学全反射技术、硅晶体传感器技术和超声波扫描技术.
光学全反射的原理是光线照射到压有指纹的玻璃表面时，由CCD获得反射光

线，反射光的数量依赖于压在玻璃表面的手指指纹的脊和谷的深度以及皮肤与玻璃间的油脂和水分.光线经玻璃照射到指纹谷的地方后, 在玻璃和空气的界面全反射, 光线被反射到CCD， 照射向指纹脊的光线不发生全反射, 而是被脊与玻璃指纹图像预处理与特征提取的接触面吸收或者漫反射到别的地方， 于是就在CCD上生成了指纹图像。光学技术的特点是成本低, 耐性好， 缺点是体积大， 成像质量一般。
硅晶体传感器技术使用硅晶体传感器， 最常见的有电容传感器、温度感应传感器和压感传感器。电容传感器技术在半导体金属阵列上结合了约十多万个电容传感器， 其表面是绝缘的, 当用户的手指放在上面时， 手指皮肤组成了电容阵列的另一面， 电容器的电容值由于导体间的距离( 指纹的脊和谷相对于另一极的距离） 而不同.通过测量空间中不同的电容场得到完整的指纹图像。温度传感器通过感应压在传感器设备上的指纹的脊和谷的温度不同来获得指纹图像。传感器技术的特点是成本低、体积小、耗电量少， 缺点主要是易受干扰， 包括静电干扰、手指汗液中的盐份、手指脏物或磨损等。
超声波扫描技术捕捉指纹的原理是: 超声波扫描指纹的表面后， 接收设备获得指纹对超声波的反射信号， 再根据指纹的脊和谷的反射信号重构出指纹图像。
超声波扫描不像光学扫描, 积累在手指上的脏物和油脂对超声波影响不大， 可以得到高品质的指纹图像， 但是由于成本高, 限制了该技术的推广应用。
近年来由于热敏技术的发展使使用温度传感器的指纹采集仪成像质量大大提高， 成为使用最普遍的指纹采集设备之一.
表3.1介绍比较了几种常见的指纹采集技术的特点。

3。2.2 指纹图像的预处理
预处理在整个自动指纹识别系统中是很关键的一步。通常,直接输入计算机的图像有着一定的噪声， 我们需要去除这些噪声才能正确地进行特征提取、分类、匹配等操作。对于不同的特征提取方法有着不同的预处理要求, 目前， 从大的方面分， 主要有三种特征提取方法: 第一种是从细化后的图像中提取细节特征； 第二种是从灰度级图像中直接提取细节特征； 第三种是从二值化后的图像中直接提取细节特征.后两种特征提取方法中预处理的内容都较少， 但是特征提取算法十分复杂, 而且由于噪声等因素影响， 特征定位也不够准确。目前大多数系统采用第一种方法提取特征, 该方法比较简单, 在得到细化二值图像后, 只需要一个3×3 的模板便可将末梢点和分叉点提取出来; 但该方法的预处理的工作量较大, 一般包括图像增强、滤波、二值化、细化等步骤, 最后得到的是一幅指纹脊为单像素宽的二值图像。
3.2.3 特征提取
特征提取是指纹识别系统的关键部分之一, 因此特征提取的好坏直接影响到以后的指纹匹配的结果， 所以， 如果输入图像的质量很好, 很容易确定其结构, 此时的特征提取只是从细化后的单象素的纹线提取细节点的简单过程。细节点提取后还要进行虚假特征点即伪特征点去除。伪特征点， 按照其在指纹图像上的分布位置可划分为两类： 位于图像边缘的伪特征点和不是边缘点的伪特征点.大量的伪特征点会对下一步的匹配算法产生很大影响, 因此, 为了下一步匹配结果的准确性, 在提取特征点以后， 还有一步非常重要的剔除伪点的操作即特征点后处理.
最终检测出来的每一个特征点, 一般记录如下信息:
1） 特征点的坐标。
2） 特征点的方向。
3） 特征点的类型。
4） 特征点所在纹线的信息.
5) 特征点间的结构关系。
这样, 就将指纹图像转化成了一个由细节点组成的平面点集。
3。2.4 指纹的分类
自动指纹识别系统一般需要将输入指纹与一个很大的指纹数据库进行匹配,为了减少搜索时间、降低计算的复杂性,将指纹以一种精确且一致的方式分到每个指纹子库是很重要的, 这样输入指纹只要跟子库中的指纹匹配就可以了。指纹分类被认为是指纹匹配的初级阶段。在大部分的研究中， 指纹一般分为5 类： 旋涡型、左环型、右环型、弓型、帐型。

旋涡型 左环型 右环型 弓型 帐型
3.2.5 特征匹配
特征匹配是将输入指纹的特征与指纹库中所存储指纹的特征进行匹配,找出最相似的指纹作为识别的输出结果.这个过程也就是我们所说的指纹识别/认证过程，它是自动指纹识别系统的核心.其中指纹识别用以判断指纹是属于哪一个人的，而指纹认证则是用来判断两个指纹是否属于同一个人.
3.3 指纹识别系统的可靠性问题
由于计算机处理指纹时， 只是涉及了指纹的一些有限的信息， 而且比对算法并不是精确匹配，其结果也不能保证100%准确。指纹识别系统的重要衡量标志是识别率,具体说来, 它又分为误识率（false accept rate， FAR)和拒识率( false rejectrate，FRR）两个指标.误识率(FAR） 是指不属于同一手指的指纹被错误匹配上的次数与所有比对次数的比值，它实际上是系统的安全度测量; 拒识率（ FRR) 是指属于同一手指的指纹被误判为不属于同一人的次数与所有比对次数的比值。理想化的产品是安全度高且易用性强的，但是这两个指标是矛盾的， 这就使得在应用系统的设计中要权衡易用性和安全性,根据不同的应用， 在两者之间取折中.如在无法以现阶段技术达到理想指标时，产品的定位可由安全性高、方便性较低（ 例如在信息安全系统使用FAR： 千万分之一； FRR: 百分之二） 来设计; 或以易用性高但安全性较低（ 例如在指纹考勤系统使用FAR: 百万分之一; FRR： 百分之一) 方向定位。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”方案的安全性高得多。例如采用四位数字密码的系统,不安全性概率为0。01％, 如果同采用误识率为0。01%指纹识别系统相比， 由于不诚实的人可以在一段时间内试用所有可能的密码, 因此四位密码并不安全, 但是他绝对不可能找到一千个人去为他把所有的手指( 十个手指） 都试一遍。正因为如此， 在应用中1%的误识率就可以接受.文档为个人收集整理，来源于网络文档为个人收集整理，来源于网络

4 指纹识别中的图像增强和细节匹配算法
自动指纹识别系统框图如图4。1所示,系统由离线部分和在线部分两个部分组成.在系统的离线部分，用指纹采集仪采集指纹，提取出细节点,然后将细节点保存到数据库中,形成指纹模板库。在系统的在线部分，用指纹采集仪采集指纹，提取出细节点，然后将这些细节点与保存在数据库中模板细节点进行匹配，判断输入细节点与模板细节点是否来自同一个手指的指纹。
在实践中，由于手指本身的因素和采集条件的影响，采集到的指纹图像会不同程度地受到各种噪声地干扰，在进行分类和细节匹配之前一般要对采集到的指纹图像做增强处理。指纹图像增强算法多数是基于方向场估计的图像滤波算法［1］-[3]，我们采用的也是一种基于方向场估计的图像滤波算法。
指纹匹配是指纹识别系统的核心步骤，也是一个重要的研究课题，人们在这方面作了很多工作，D.K。Isenor等人[4]提出了一种用图匹配来对两幅指纹图像进行匹配的方法。Andrew K。Hrechak等人［5］用结构匹配来做指纹识别。但目前最常用的方法是用FBI提出的细节点坐标模型来做细节匹配。它利用脊线末梢（我们称为端点）与脊线分支点这两种关键点来鉴定指纹。通过将细节点表示为点模式，一个自动指纹认证问题可以转化为一个点模式匹配（细节匹配）问题.一般的点模式匹配问题是模式识别中的一个有名的难题，人们对一般的点模式匹配问题提出过很多的算法，象sanjay Ranade等人［6]的松弛算法，Shih-hsu Chang等人［7]基于二维聚类的快速算法,Zsolt Miklós等人［8］的三角匹配的算法,Xudong Jiang等人[9］的基于局部和全局结构的匹配算法。Anil Jain等人在［3]针对指纹匹配中的点模式匹配问题提出了一种算法，该算法将直角坐标系中的细节点转换到极坐标系中，通过串匹配算法来进行点匹配。

图4.1 自动指纹识别系统框图
4.1 指纹图像的增强
4。1。1 方向场估计
一般的指纹图像都有比较清晰的方向场,方向场估计的准确性直接决定了图像增强算法的效果。
为估计方向场，我们把指纹脊线的走向分为如下8个方向:

图4。2 在一个象素处的8个指纹脊线方向
对图像的每一个象素,为确定在该象素处脊线的方向，在以该象素为中心的9*9窗口内，分别计算8个方向上的灰度平均值,即将图4.2中标了i(i=0,1,…7分别代表8个方向)的位置的象素灰度值取平均得到Gmean[i]，然后将这8个平均值按两两垂直的方向分成4组，0和4一组，1和5一组，2和6一组，3和7一组，计算每组中两个平均值的差值

取差值的绝对值最大的两个方向为可能的脊线方向，若

则方向iMax和iMax+4为该象素处可能的脊线方向，若该象素处的灰度值为Gray，则脊线方向为

即取iMax和iMax+4方向中灰度平均值与该象素的灰度值比较接近的方向作为该象素处的脊线方向。
为减少噪声的影响，保证方向场估计的准确性，我们采用通用的做法，将图像分成16×16的小块，以小块内所有象素的方向的平均值作为该小块的脊线方向，该小块内每个象素的脊线方向都取为该小块的脊线方向,具体做法为，先计算该小块内方向估计为i（i=0,1,…7分别代表8个方向)的象素个数Num［i］,然后将该小块图像的脊线方向取为

4。1。2 二值化
得到图像每个象素处的方向场后,再依据方向场来对图像进行二值化。
若该象素处的脊线方向为i,先用估计方向场时用到的方法计算该象素处在方向i和垂直方向iVar=(i+4） mod 8的灰度平均值Gmean［i］和Gmean[iVar]，然后将该象素二值化为：

其中iVar表示二值图像中该象素处的值，255为二值图像中图像背景和谷线的灰度值，0为二值图像中图像脊线的灰度值。
4。2 细节提取
经过上述图像增强步骤之后,再对二值图像进行细化，检测细节点及进行细节点后处理，在此不详叙。对最终检测出来的每一个细节点，我们记录如下信息:
1) 细节点的x,y坐标
2） 细节点的方向，这个方向定义为该细节点所在的局部脊线的方向。
3） 细节点的类型，即脊线末梢或脊线分支.
4) 细节点对应的脊线（di，αi)。
这样就将一副指纹图像转化成了一个有细节点组成的平面点集。
细节点对应的脊线用在与该脊线上的采样点来表示，采样的距离约为脊线间的平均距离。脊线分支点对应的脊线是与该细节点的方向最近的那条.脊线末梢对应的脊线则就是该细节点所在的脊线.采样点用该点与对应细节点的距离di和连接该点与对应细节点的直线与对应细节点方向的夹角αi来表示, αi的取值范围是—180到180度。图4。3给出了细节点对应的脊线及脊线上的采样点的例子。在细节匹配中，对应脊线将被用来对用来匹配的两个平面点集进行校准,而且,校准的参数，也就是两个点集中任意一对脊线间的旋转角度，将被用来作为判断它们所对应的细节点能否看作匹配的细节点的条件.

图4.3 细节点的对应脊线
4。3 细节匹配
4.3.1 细节点集的校准
令