指纹识别系统大学本科毕业论文.doc

指纹识别系统摘要指纹的唯一性和不变性决定了它在身份认证中的重要地位。它是模式识别领域中使用最早，也是应用最广的生物鉴定技术。随着低价位指纹采集仪的出现和高可靠性算法的实现，自动指纹识别技术越来越深入到人们的生活和工作当中。另一方面，由于数字信号处理器(DSP)的迅猛发展，已经可以满足图像处理中的运算量要求。本文首先介绍了指纹识别系统的发展现状，以及指纹识别技术面临的难点和发展方向，分析了三种指纹采集技术的优劣，完成了指纹芯片的选型。接下来讨论了指纹识别的有关概念及常规算法，然后在此基础上介绍了一种利用小波变换的指纹识别新算法，该算法利用指纹的子带小波变换系数近似服从广义高斯分布这一特点，从而仅使用两个参数就可代表指纹小波子带的特征，并以此为指纹识别的特征进行匹配。该算法的优点在于:预处理算法简单、处理速度快;算法的数据存储量小(存储6个数，存储量为24字节。近似于现阶段“ID+密码”方式的数据量)，适合实际应用。最后介绍了半导体指纹传感器MRB200的基本功能，并使用AVR mega16做为上位机实现指纹识别系统的设计。关键词：自动指纹识别 特征提取 小波变换 AVR应用Fingerprint Identification SystemAbstractFingerprint has important state in identity verification for its exclusivity and invariability. Along with the emergence of the low cost fingerprint sensor and the realization of the highly reliable algorithm, the automated fingerprint identification technique is applied more and more in our life and work. On the other hand, because of the fast development of the digital signal processor (DSP), the DSP already can satisfy the request of abounding computing in image processing.First, this paper introduces the developing actuality, difficulties and direction on fingerprint identification technology, and analyses the advantages and disadvantages of the technology of fingerprint capturing; and at last selects the fingerprint sensor.So then, This paper discusses the relevant concept and the traditional algorithm of fingerprint verification, then put forward a new fingerprint verification algorithm based on wavelet transformation. This algorithm is on the base of the character that the wavelet subband coefficient approximately obedient to the generalized Gaussian density. So two parameters can represent the wavelet subband and can be used to match fingerprints as fingerprints character. The algorithms advangtage is simplity of pre-processing algorithm, fast processing speed; small data memory needed by the algorithm (need to save 6 data, 24 byte. Be close to the capacity of ID+password), which suit real application.Finally, this article introduces basic functions of the semiconductor fingerprint sensor MBF200, and uses AVR mega16 as upper machine to realize the design of fingerprint identification system.Key words: Automated fingerprint identification, Feature extraction, Wavelet transformation, AVR application目录第一章 绪论11.1 引言11.2 指纹识别技术的研究背景21.3 指纹识别原理41.4 指纹识别技术面临的难点以及发展方向51.5 指纹采集技术比较71.6 特征提取与匹配91.7 性能评价91.8 本文所做工作及论文结构11第二章 指纹识别算法132.1 指纹识别的基本知识132.1.1 总体特征132.1.2 局部特征142.2 指纹的特征提取与匹配算法152.2.1基于特征点的特征提取与匹配算法162.2.2 基于指纹纹理特性的新算法172.3 指纹奇异点检测算法232.3.1 指纹主向图的求取242.3.2 指纹奇异点的提取27第三章 指纹识别系统的硬件设计313.1 MRB200指纹模块简介313.1.1 系统特点313.1.2 接口定义323.1.3 安装连接323.1.4 命令格式333.2 ATmega16 单片机介绍343.3 指纹识别系统的硬件设计353.4 指纹识别系统的软件设计41第四章 总结与展望434.1 总结434.2 展望43参考文献45致谢4647第一章 绪论1.1 引言随着网络时代的来临，人们对于安全性的要求越来越高，如何准确的鉴定个人身份，保护信息安全是当今信息化时代必须解决的一个关键性社会问题。目前，我国的各种管理大部分使用证件、磁卡、IC卡和密码，这些手段无法避免伪造或遗失，密码也很容易被窃取或遗忘。这些都给管理者和使用者带来很大不方便。面对日益增多的安全问题，我们迫切需要更加安全可靠的身份识别技术来加以解决。生物特征识别(Biometrics)技术是指通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴别。生物特征识别系统本质上是一个模式识别系统，它根据使用者的生理或行为特征对使用者进行辨识，从而判断其是否具有合法身份。目前，常见的生物特征识别手段主要有人脸、指纹、手形、手部血管分布、虹膜、视网膜、手写体、声音和脸部热量图等。它们有的已逐步得到推广和应用，有的还仅处于实验研究阶段。其中，人脸、指纹、手形、手部血管分布、虹膜、视网膜和脸部热量图都属于生理特征，手写体属于行为特征，而声音则兼有两方面的属性。相对于其它生物特征鉴定技术例如语音识别及视网膜识别，指纹识别是一种更为理想的身份确认技术。主要基于指纹的以下特性：1、每个人的指纹是独一无二，两个人之间不存在相同的指纹。19世纪末，英国学者E.R.Herry写出了专著，将指纹的特征及识别原理加以分析归纳，科学地提出了人的指纹各不相同，并提出了基于指纹特征进行识别的原理和方法，以后衍尘出的各种识别方法都是基千该理论的24。按照Herry的理论，一般人的指纹在出生后9个月得以成形并终身不变；每个指纹一般都有70-150个基本特征点。从概率学的角度来讲，在两枚指纹中只要有12-13个特征点相吻合，即可被认为是同一指纹。按照现有的人口进行计算，依照上述概率，124年才可能出现两枚完全相同的指纹。2、每个人的指纹是相当固定的，很难发生变化。例如，指纹不会随着人的年龄增长、或身体健康程度的变化而变化。而人的声音却有着较大的变化且易于伪装和模仿。3、便于获取指纹样本，易于开发识别系统，实用性强。目前己有标准的指纹样本库，方便了识别系统的软件开发；另外，识别系统中完成指纹采样功能的硬件部分（即指纹采集仪）也比较容易实现。而视网膜则难于采样，也无标准的视网膜样本库可供系统软件开发使用，这就导致了视网膜识别系统难以开发，可行性较低的问题。4、一个人十个手指的指纹皆不相同，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，同时并不增加系统的设计负担。5、指纹识别中使用的模板并非是最初的指纹图像，而是由指纹图像中提取的关键特征构成的，这样模板库占用系统的存储空间较小。另外，对输入的指纹图像提取关键特征后，可以大大减小网络传输的负担，便于实现异地确认，支持计算机的网络功能。1.2 指纹识别技术的研究背景指纹即是指尖表面的纹路，其中突起的纹线称为脊，脊之间的部分称为谷，他们的形成依赖于胚胎发育时的环境。人类对指纹的应用，从非常远古的时候就开始了。中国是世界公认的指纹发源地。而指纹在中国古代最广泛的应用，可以说是在文书契约上按手（指）印。德国之文学家海因德尔根据我国周礼曲礼断定:“中国第一个提到用指纹鉴别个人的是唐代的作家贾公彦。他的作品大约写于公元650年，他是着重提到指纹是确定个人方法的世界土最老的作家”。其实，贾公彦只不过是根据我国长期应用指、掌纹的实践经验对“质剂”和“下千书”作了进一步解释而己，中国正式应用指纹远早于此。我国是最早利用手印进行侦查活动的国家。有文字可考、有实物可证的距今已有二千一百余年。在唐代指、掌印己应用于文书契约上，而至少到了宋代，手印己正式作为刑事诉讼的物证了。指、掌纹在中国古代的借贷契约、买卖文凭、婚约休书、狱词供状，军队名籍等方面的广泛应用，反映了我国人民己经能根据经验，认识到了指、,掌纹可以代表一个人，而且是不变的。现代指纹识别起源于16世纪后期，1684年英国人N.Grew发表了指纹研究的第一篇论文，阐述了指纹的脊线、谷线、毛孔的结构，1809年T.Bewick开始用指纹代替印章，迈出了指纹识别历史上重要的一步，Henry Fauld于1880年在美国Nature杂志上发表论文，指出指纹具有唯一性、不变形，并利用现场指纹来鉴定罪犯，从此揭开了现代指纹识别的序幕。1899年，Edward Henry建立了著名的Henry指纹分类系统，并于1901年被英国政府正式采用，随后西方各国也相继采用，指纹识别正式被各国政府与法庭接受，得到了广泛的应用。随着电子计算机的出现，采集技术的发展，以及对指纹识别的研究，人们逐渐将人工的指纹识别向自动指纹识别(Automated Fingerprint Identification System, AFIS)转变，美国于1963年开展相关软件的研究，于1982年将NEC AFIS投入使用。我国也在80年代初对指纹识别展开研究，并取得了一定的成功。日前，国外从事指纹识别研究的公司，学校，科研机构共有200多家。其中，较为著名的公司有：IBM，Intel，NEC，Identity，Digital personal，韩国现代等。学校有：加州理工学院（California Institute of Technology），密歇根州立大学模式识别与图像处理实验室(Michigan State University, Pattern Recognition and Image Processing Lab)，意大利Bologna大学特征识别系统实验室等。研究机构有：美国国家标准局视觉图像处理研究组(NIST Visual, Image Processing Group)，IBM沃特生研究中心(IBM Watson Research Center)等。这些国外公司、研究机构在指纹的采集、图像处理、识别、比对等方面的技术己经比较成熟。各种相应的产品也己投放市场多年。国内从上个世纪80年代初期开始研究指纹自动识别技术。从事指纹识别的研究机构有：北京大学信息中心，清华大学自动化系，北京邮电人学，中科院，长春光机所等。从事自动指纹识别系统开发的公司有：西安青松，北京中控，厦门宝利铬等。其中部分公司拥有自主知识产权的技术和产品。单就指纹识别算法而言，国内外的研究水平处于同步状态。现在国内外指纹识别的技术基本上都是采用基于细节特征点的指纹识别技术，从研究角度来看，国内外的差距并不明显。在产品应用方面，欧美国家已经开始使用指纹识别ATM，并在南美广泛使用。同时，全美有15家连锁超市正在使用“指纹付款技术”，消费者无需自带钱包，只要在付款时扫描一下指纹，即可完成购物。而在国内，指纹识别主要应用在单位和集体的考勤、门禁、保险箱柜等领域，主要的产品有指纹考勤机、指纹门禁系统、指纹锁等。同时在个人的计算机、汽车安全、个人手机等方面也有应用。可以预见，指纹识别技术将被广泛接受从而影响人们的日常生活的各个方面：通过取代个人识别码和口令，指纹识别技术可以阻止无授权用户的访问，以防止盗用ATM，蜂窝电话、智能卡、桌面PC，工作站及其计算机网络；在通过电话、网络进行的金融交易时进行身份认证；在建筑物或工作场所，生物识别技术可以取代钥匙、证件、图章和卡阅读器。同时，指纹识别技术在中国经历了近10年缓慢的自然增长后，即将迎来一个跳跃性发展的黄金时期。据专家保守估计，未来5年，我国将有近百亿元的市场等待着企业去开拓。指纹识别技术的巨大市场前景，将对整个安防产业产生巨大的影响。1.3 指纹识别原理指纹图像其实是比较复杂的，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图像（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）。多年来各个公司及其研究机构产生了众多的指纹数字化算法，而所用的指纹识别算法最终都归结为在指纹图像上提取和比对指纹特征。指纹识别的基本过程是通过取像设备读取指纹图像，然后用计算机识别软件提取指纹的特征数据，最后通过匹配识别算法得到识别结果，以确定指纹所有人的身份。自动指纹识别技术系统AFIS可以分为两类，即验证（如图2-1）和辨识（如图2-2）。验证就是通过把一个现场采集到的指纹与一个己经登记的指纹进行一对一的比对（one-to-one matching）来确认身份的过程。作为验证的前提条件，他或她的指纹必须在指纹库中己经注册。指纹以一定的压缩格式存贮，并与其姓名或其标识（ID，PIN）联系起来。随后在比对现场，先验证其标识，然后，利用系统的指纹与现场采集的指纹比对来证明其标识是合法的。验证其实是回答了这样一个问题:“他是他自称的这个人吗？”这是应用系统中使用得较多的方法。辨识则是把现场采集到的指纹同指纹数据库中的指纹逐一对比，从中找出与现场指纹相匹配的指纹。这也叫“一对多匹配（one-to-many matching）”。验证其实是回答了这样一个问题：“他是谁？”。辨识主要应用于犯罪指纹匹配的传统领域中。一个不明身份的人的指纹与指纹库中有犯罪记录的人指纹进行比对，来确定此人是否曾经有过犯罪记录。用户ID指纹库用户指纹提取指纹特征特征匹配匹配结果图1-1 一对一指纹登记与验证示意图用户指纹提取指纹特征逐一匹配指纹库用户ID图1-2 一对多指纹登记与辨识系统示意图验证和辨识在比对算法和系统设计上各具技术特点。例如验证系统一般只考虑对完整的指纹进行比对，而辨识系统要考虑残纹的比对；验证系统对比对算法的速度要求不如辨识系统高，但更强调易用性；另外在辨识系统中，一般兼有使用分类技术来加快查询的速度。1.4 指纹识别技术面临的难点以及发展方向迄今为止，自动指纹识别技术的研究取得了很大的成绩，但也面临一些严重的困难：（1）指纹采集技术有待提高。主要表现在：（a）对被采指纹的适应性差。虽然可以通过指纹增强等技术提高指纹的质量，但这不可能从根本上解决问题。毕竟清晰的指纹图像是正确实现自动指纹识别的前提和保障。（b）指纹采集时的变形问题至今没有得到很好的解决。指头在每次采集用力大小、用力方向和采集位置都会有所不同，造成指纹的各种变形，使指纹特征的相对位置发生较大偏移，从而很难对各特征点做到精确定位。另外，指头表面是一个三维曲面，而获取的指纹图像却是一个二维平面，这种从立体向平面的转化也会造成指纹的变形。更为主要的是，以上因素造成的指纹变形往往是不确定的、随机的，很难用确定的数学模型去描述，这给后继的指纹比对造成了严重的干扰。（2）指纹分类技术有待突破。对于工作在验证模式下的自动指纹识别系统，指纹分类技术并不是一个问题。但对于工作在辨识模式下的系统，指纹分类技术的研究水平则至关重要。指纹分类技术越完善，能够划分的类型越细，指纹数据库每个类别中所包含的样本数量就会越少，对一次识别任务来讲，需要比对的次数和时间开销就会越少。按照现行的分类标准，将指纹分成四类、五类或六类还是远远不够的。现在，较好的指纹分类算法，将指纹分为五类和四类的准确率分别也只有87.5%和92.3%2122，而这样的分类结果还远不能满足实际应用的需要。（3）缺乏自动指纹识别系统的性能评价体系。国内外还没有这样一个自动指纹识别系统性能评价机构，各个自动指纹识别系统的性能往往是由开发者自己来建立或者选择数据库、设计测试方案、进行性能测试。这样，由于各个自动指纹系统在测试时使用的数据库在容量、指纹质量方面各不相同，侧试方案差别也比较大，不可避免地造成现在自动指纹识别系统性能评价的混乱和无序，而且各系统间也不存在可比性23。今后指纹识别技术研究发展的方向：（a）非接触式真皮层指纹采集。生理学的研究结果表明，指纹的结构在真皮层有着完整和稳定的表现。通过非接触方式采集指纹，则可以有效解决指纹录入时的变形问题。（b）多种生物识别技术的融合。生物识别技术是一个综合的体系，指纹识别仅仅是其中的一种。各种生物识别技术都具有自身的特点和优势。充分利用其他生物识别技术的优势，将其他生物识别技术与指纹结合使用，实现优势互补，是自动指纹识别技术的发展方向之一。自动指纹识别技术是一项综合性的高新技术，是一个学科交叉性很强的研究领域。目前该技术的研究己经取得了巨大的成就，也面临着一些困难，需要各个学科的共同参与和努力，才有可能尽快将这一技术完善并实现产业化。1.5 指纹采集技术比较目前有三种指纹采集技术：光学扫描、半导体传感器、超声波扫描技术12。光学传感器光学指纹传感器的工作原理是光的全反射 (FTIR)。光线照到压有指纹的玻璃表面，反射光线由CCD去获得，反射光的量依赖于压在玻璃表面指纹的脊和谷的深度以及皮肤与玻璃间的油脂和水分。光线经玻璃照射到谷的地方后在玻璃与空气的界面发生全反射，光线被反射到CCD，而射向脊的光线不发生全反射，而是被脊与玻璃的接触面吸收或者漫反射到别的地方，这样就在CCD上形成了指纹的图像。光学采集设备有着许多优势：它经历了长时问实际应用的考验，能承受一定程度温度变化，稳定性很好，成本相对较低，并能提供分辨率为500dpi的图像。光学采集设备也有不足之处，主要表现在图像尺寸和潜在指印两个方面。台板必须足够大才能获得质量较好的图像。潜在指印是手指在台板上按完后留下的，这种潜在指印降低了指纹图像的质量。严重的潜在指印会导致两个指印的重叠。另外台板上的涂层 (膜)和CCD阵列随着时间的推移会有损耗，精确度会降低。另外塑料假指纹也有可能骗过光学传感器。随着光学设备技术的革新，光学指纹采集设备的体积也不断减小。现在传感器可以装在636英寸的盒子里，在不久的将来更小的设备可能只有311英寸。这些进展得益于多种光学技术的发展。例如:可以利用纤维光束来获取指纹图像。纤维光束垂直照射到指纹的表面，他照亮指纹并探测反射光。另 一个方案是把含有微型二棱镜矩阵的表面安装在弹性的平面上，当手指压在此表面上时，由于指纹脊和谷的压力不同而改变了微型二棱镜的表面，这些变化通过三棱镜光的反射而反映出来。半导体传感器半导体传感器是 1998年在市场上才出现的，这些含有微型晶体的平面通过多种技术来绘制指纹图像。（1）硅电容指纹图像传感器。这是最常见的半导体指纹传感器，它通过电子度量来捕捉指纹。在半导体金属阵列上能结合大约 100000个电容传感器，其外面是绝缘的表面。传感器阵列的每一点是一个金属电极，充当电容器的一极，按在传感面上的手指头的对应点则作为另一极，传感面形成两极之间的介电层。由于指纹的脊和谷相对于另一极之间的距离不同(纹路深浅的存在），导致硅表面电容阵列的各个电容值不同，测量并记录各点的电容值，就可以获得具有灰度级的指纹图像。（2）半导体压感式传感器。其表面的顶层是具有弹性的压感介质材料，它们依照指纹的外表地形（凹凸）转化为相应的电子信号，并进一步产生具有灰度级的指纹图像。（3）半导体温度感应传感器。它通过感应压在设备上的脊和远离设备的谷温度的不同就可以获得指纹图像。半导体指纹传感器采用了自动控制技术（AGC技术），能够自动调节指纹图像像素行以及指纹局部范围的敏感程度，在不同的环境下结合反馈的信息便可产生高质量的图像。例如：一个不清晰（对比度差）的图像，如干燥的指纹，都能够被感觉到，从而可以增强其灵敏度，在捕捉的瞬间产生清晰的图像（对比度好）；由于提供了局部调整的能力，图像不清晰（对比度差）的区域也能够被检测到（如：手指压得较轻的地方），并在捕捉的瞬间为这些像素提高灵敏度。半导体指纹采集设备可以获得相当精确的指纹图像，分辨率可高达600dpi，并且指纹采集时不需要像光学采集设备那样，要求有较大面积的采集头。由于半导体芯片的体积小巧，功耗很低，可以集成到许多现有设备中，这是光学采集设备所无法比拟的，现在许多指纹识别系统研发工作都采用半导体采集设备来进行。早期半导体传感器最主要的弱点在于：容易受到静电的影响，使得传感器有时会取不到图像，甚至会被损坏图像。手指的汗液中的盐分或者其他的污物，以及手指磨损都会使半导体传感器的取像很困难。另外，它们并不像玻璃一样耐磨损，从而影响使用寿命。随着各种工艺技术的不断发展，芯片的防静电性能和耐用度得到了很大的改善。半导体传感器的缺点在于，其价格与硅晶片的面积相关，晶片面积越大，芯片价格越高。为了降低成本，晶片面积一般都比较小。小的接触面积使每次捕捉的指纹图像重叠区域变小，这样导致输入指纹与模板指纹间缺乏足够的对应细节点，传统的基于细节点的算法的性能就会下降。超声波扫描传感器超声波扫描传感器工作原理为传送超声波，并通过手指、台板和空气间的电阻来测量距离的方法完成录入，扫描指纹的表面，接收设备获取了其反射信号，测量它的范围，得到脊的深度。超声波扫描被认为是指纹取像技术中非常好的一类，积累在皮肤上的脏物和油脂对超声波获得的图像影响不大，是实际脊地形 (凹凸)的真实反映，为精确度最高的指纹录入技术。但由于超声波录入设备的耐久性还难以估计，因此实际中应用得较少。Ultra-scan公司首开超声波指纹图像采集设备产品先河。但成本很高，而且还处于实验室阶段。近年来，随着电子技术的发展，指纹采集设备越来越便宜，这为指纹识别技术的普遍应用提供了良好的条件。1.6 特征提取与匹配AFIS系统中，指纹识别算法最终都归结为在指纹图像上提取和比对指纹特征。迄今为比，指纹的提取和比对方面人们己经做了大量的研究。新近的算法大致可以分为：基于结构的特征提取和匹配、基于特征点的匹配和基于神经网络的方法19。比如Isenor等指出了一种用图匹配来对两幅指纹图像进行匹配的方法。Hrechak等用结构匹配来做指纹识别。基于DHNN人工神经网络的指纹识别技术。其中最多的是基于点匹配的方法，有Ranade等的松弛算法，Chang等基于一维聚类的快速算法，Miklos z的三角匹配算法，Jain等的串匹配算法，以及Luo等针对Jain等的算法所提出的改进算法等。这几种方法各有优缺点。点匹配方法虽然应用得最多，发展得最成熟。但是其有步骤繁多，抗干扰能力差，对指纹图像质量依赖性强，提取特征点可靠性差等缺点。基于神经网络算法容错性高，但需要大量样本事先对系统进行训练才能发挥作用，而且计算量也偏大，不符合实时性的要求。而基于图像匹配的方法不能很好的解决指纹旋转、平移等问题。1.7 性能评价指纹算法中引入了两个重要的数字指标来描述该系统的精确度。拒判率(False Rejection Rate，FRR)和误判率(False Accept Rate，FAR)。此外拒登率(Error Registration Rate，ERR)和识别速度也会影响到使用的方便性。l FRR拒判率又称拒真率，指将相同的指纹误认为是不同的指纹，而加以拒绝的出错概率。其定义为：FRR=拒识的指纹数目/考察的指纹总数目100%。l FAR又称认假率，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。其定义为：FRR=错判的指纹数目/考察的指纹总数目100%19。l 拒登率是用来描述指纹设备的适应性，是指纹设备出现不能登录及处理的指纹的概率，拒登率ERR过高将会严重影响设备的使用范围。l 速度。指纹识别系统的工作速度主要由采集时间、图像处理时间、比对时间和平均识别速度几项指标构成。采集时间通常包含了采集的操作时间和图像的传输时间；图像处理时间指的是从计算机处理指纹图像到提取出所有特征、输出特征模板所耗费的时间；比对时间是指计算机对两组指纹特征模板进行比对并给出结果所耗费的时间；平均识别速度指计算机从指纹特征模版库中搜索出特定指纹特征模板的速度，通常是一个统计平均值，其速度的快慢与指纹特征模版库的分类方法有很大关系。图1-3 FAR和FRR关系曲线图ROC曲线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。指纹识别系统的特定应用的重要衡量标志是识别率。主要由两部分组成，拒判率(FRR)和误判率(FAR)。我们可以根据不同的用途来调整这两个值。FRR和FAR是成反比的，降低FAR，会增加FRR；反过来，降低FRR，又会增加FAR。用0-1.0或百分比来表达这个数。ROC(Receiver Operating Curve)-曲线给出FAR和FRR之间的关系。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，不安全概率为 0.01%，如果同采用误判率为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，权威机构认为，在应用中1%的误判率就可以接受。图1-4 ROC曲线图FRR实际上也是系统易用性的重要指标。由于FRR和FAR是相互矛盾的，这就使得在应用系统的设计中，要权衡易用性和安全性。一个有效的办法是比对两个或更多的指纹，从而在不损失易用性的同时，极大地提高了系统安全性。有学者推论：以全球60亿人口计算，300年内都不会有两个相同的指纹出现。1.8 本文所做工作及论文结构指纹识别技术作为一种新兴的身份验证技术，具有广阔的应用空间。而考虑到产品的体积与价格因素，DSP系统是比较符合要求的。本文的指纹传感器模块就采用DSP来实现指纹识别。本文首先介绍了在身份验证中的指纹识别算法，采用一种新的算法一基于小波变换的统计算法对指纹图像进行特征提取和特征匹配。本文在第二章中详细介绍了指纹识别的常规算法和本文所采用的算法，并比较了两种算法的性能特点，同时对本文指纹奇异点提取所采用的具体方法作了详细介绍。第三章介绍了本设计所使用的硬件开发工具以及在AVR开发系统中实现指纹系统程序设计的过程。第四章是对本文所做工作的总结，并提出了今后改进的方案和指纹识别技术的前景展望。第二章 指纹识别算法本章首先介绍了传统的基于细节点的指纹识别算法，以及基于结构的指纹识别算法的基本原理，接着介绍本文指纹识别的核心算法指纹特征提取与匹配算法，不仅对常规的点匹配的方法和本文的算法进行介绍，并且对它们的性能进行了比较；而第二部分则介绍了指纹奇异点提取算法的思想和实现的具体步骤。2.1 指纹识别的基本知识我们定义了指纹的两类特征来进行指纹的验证：总体特征19和局部特征。2.1.1 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：1. 纹形 环型（loop） 弓型（arch） 螺旋型（whorl）图2-1 指纹纹形分类指纹的纹形主要有环型、弓型和螺旋型三种，其他的指纹图案都基于这三种基本图案。仅仅依靠纹形来分辨指纹是远远不够的，这只是一个粗略的分类，通过更详细的分类使得在大数据库中搜寻指纹更为方便快捷。2. 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。 SecureTouch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。3. 核心点（Core Point）核心点位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为参考点。许多算法是基于核心点的，既只能处理和识别具有核心点的指纹。核心点对于SecureTouch的指纹识别算法很重要，但没有核心点的指纹它仍然能够处理。4. 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跟踪的开始之处。5. 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。模式区 核心点 三角点 纹数图2-2 指纹总体特征2.1.2 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，但它们的局部特征特征点，却不可能完全相同。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“特征点”。就是这些特征点提供了指纹唯一性的确认信息。指纹上的细节特征点有四种不同的特征：特征点的类型、特征点的方向、特征点纹线的曲率、特征点的位置。指纹特征点的类型见表2-1，其中最典型的是终结点和分叉点。方向是指纹路灰度连续的方向，特征点可以朝着一定的方向。曲率描述纹路方向改变的速度。特征点的位置通过（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。表2-1 特征点分类表终结点（Ending） 一条纹路在此终结。分叉点（Bifurcation） 一条纹路在此分开成为两条或更多的纹路。分歧点（Ridge Divergence）两条平行的纹路在此分开。孤立点（Dot or Island） 一条特别短的纹路，以至于成为一点。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。短纹（Short Ridge） 一端较短但不至于成为一点的纹路。2.2 指纹的特征提取与匹配算法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，因此不能直接处理指纹图像）。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。传统的基于特征点的指纹识别算法的不足之处在于：只利用了指纹图像中一小部分信息(细节点)，丢失了丰富的结构信息，对于小面积的指纹图像就有可能因为缺乏足够的信息而影响识别率；在细节点的提取过程中，很容易产生虚假细节点和丢失真正的细节点，在指纹的受损区域，这种现象更为突出；由于每个指纹的细节点数都不相同，产生的特征矢量长度不同，不利于快速比对(搜索指纹库)；特征比对时，细节点的相对位置随指纹的弹性变性而改变，影响比对的准确性。Anil Jain 和 Chih-Jen Lee 在基于结构的指纹识别算法方面做了探索性的工作，不同的是Jain用的是圆形网格，有利于匹配时保持旋转不变，避免了旋转定位问题，这样就必须进行极坐标变换:而Lee用的是正方形网格，但是忽略了旋转不变的问题。他们对于参数的旋转都是用试验的方法，得到最合适的Gabor滤波器。指纹的纹理是指纹图像的一个重要特征，可以用两种基本特征来描述，即组成指纹纹理的纹理元和纹理元之间的相互关系，前者与局部灰度变化规律有关，后者则与由前者形成的空间结构相关。在一定意义下，可以认为任何图像都是由一种或多种不同纹理组成。根据指纹的脊和谷局部平行的纹理特性，可以建成包含方向和频率信息的模型。这样，图像就可以编码成一系列频率和方向的通道，纹理的局部结构就被表达成载体的频率和方向(即中心频率和通道方向)。Gabor变换用于纹理分析主要是它具有可调节的方向和中心频率，以及最优化的空间和频率分辨率。Gabor变换用于特征提取，图像增强，指纹分类以及识别等。基于结构的指纹识别算法处理流程图如图2-3所示。基于结构的指纹识别算法，能充分利用指纹图像的纹理结构信息，弥补基于特征点的识别算法的不足。但是由于基于结构的指纹识别算法需要处理多个方向上的特征，严重影响指纹识别的速度。原始指纹图像中心点计算图像扇形化图像归一化Gabor 滤波特征提取特征对比对比结果图2-3 基于结构的指纹识别算法流程图2.2.1基于特征点的特征提取与匹配算法目前国内外指纹识别的技术基本上都是采用基于细节特征点的指纹识别技术。特征点匹配方法也是应用得最早，发展得最成熟的方法。这里就将这一常规算法作一介绍。特征点的提取算法现在有很多，而且各有不同。但基本思路是：将采集的指纹图像处理成二值图，然后通过细化，抽取出指纹的纹路（Ridge），最后扫描纹路的末端判定细节点，流程图如图2-4所示：指纹采样预处理二值化细化纹路提取细节特征提取指纹匹配图2-4 基于特征点提取的指纹识别流程图一般自动指纹识别系统应该包括如下几个部分：采集指纹图像图像预处理特征点提取后处理特征点匹配得出识别结果。预处理时，首先要对图像中不显著的地方进行对比度增强，然后采用平滑方法消去图像中的噪声；由于平滑处理会使脊线边缘变模糊，再采用锐化技术以获得清晰的边缘；最后对图像进行二值化。后处理的目