《指纹识别技术的简要介绍课件》由会员分享，可在线阅读，更多相关《指纹识别技术的简要介绍课件（22页珍藏版）》请在金锄头文库上搜索。
1、,指纹识别技术的简要介绍,讲解人：谭水生,目录 CONTENT,课题的研究背景,指纹识别相关算法研究,01,课题的研究背景,随着计算机技术和生物识别技术的发展，结合计算机技术发展的生物识别技术被越来越多的作为一种可靠的考勤手段应用到考勤系统当中。指纹识别是生物识别技术的一种,指纹生物特征一般是先天独有的特性，其他人无法对其进行仿造，并且随身携带，不存在被丢失、遗忘的情况。指纹作为人类基本的生物特征，它具有唯一、不会改变、不会丢生等特点，因此指纹识别的考勤方式被广泛的应用到公共安全、交通、学校等领域中。近年来，指纹识别技术在现代考勤管理中的应用越来越成熟，有效的杜绝了传统考勤中考勤记录易丢失的问
2、题，相对于传统考勤方式，指纹考勤有下面优势： 第一、能够有效的杜绝代打卡，避免磁卡丢失增加补卡成本的现象； 第二、指纹识别考勤方式准确度高，能够极大的减少不必要的争议； 第三、指纹识别的方式绿色环保，节省纸张，能够杜绝环境污染。,02,指纹识别相关算法研究,指纹识别系统由指纹图像的采集、指纹图像的预处理、指纹图像的特征提取、指纹匹配四个部分组成。 其中预处理模块又包括指纹均衡、二值化、增强、细化等过程。指纹识别系统的每一个环节都非常的重要，任何一个环节的处理结果都可能影响下一个环节的处理效果，进而影响整个指纹识别过程中系统的性能。,指纹识别系统组成,1、指纹结构 指纹由手指皮肤上交错排列的脊线
3、和谷线组成的凹凸有致的纹路。如图 2.1 所示，其中，手指纹线凸起深色部分称为脊线，其粗细大约在 100um 到 300um 之间。手指纹线凹下浅色部分称为谷线，脊线和谷线大致呈现周期性的排列方式，两者之间的宽度大约为 500um，它们基本是先天遗传因素的结果。,2. 总体特征 (纹型 、核心点、三角点 、模式区、纹数) （1）纹型 ：根据指纹纹线的走向将指纹分成三类：环形（Loop，又称斗型），螺旋形（Whorl）和弓形（Arch），如图2.2所示,（2）核心点 ：如图 2.3(a)，核心点大约位于指纹纹线的中心，核心点是纹线弧度变化最大的点。 （3）三角点 ：如图 2.3(b)，找到核心点
4、位置后，从核心点沿着纹线前进遇到的首个纹线分叉点或者断点即为三角点。 （4）模式区 ：如图 2.3(c)，指纹的总体特征基本都在模式区内，模式区可以用来分辨指纹的纹线类型。 （5）纹数 ：指纹模式区内指纹 纹路的数量。,3、局部特征,局部特征决定了指纹的唯一性，指纹的区分基本要靠局部特征来完成。指纹纹线的局部特征主要是指指纹纹线节点的特征。指纹的纹线并不是光滑连续的，经常出现中断、弯曲以及分叉，这些纹线中断的端点、转折点以及分叉点被称作指纹的局部特征点。 指纹局部细节特征点可分为以下几种类型：如图2.4所示,（1）终结点，纹路的终结点； （2）分叉点（Bifurcation），在此纹路分开成两
5、条或者多条纹路； （3）环点（Enclosure），纹路分开成两条后，然后又立即合并为一条纹路； （4）孤立点（Dot），一条非常短的纹路，短到几乎可以看成一点； （5）分歧点（Ridge Divergence），两条相互平行的纹路在分歧点处分开。 另外还有一些比如交叉点（Crossing）、短脊（Short ridge）等次要特征点。,在指纹的识别过程中，对一个细节特征点的描述通常采用以下几个参数描述： （1）特征点的类型（Type），表示特征点是何种类型。 （2）特征点的水平位置（X Position），表述特征点在直角坐标系中水平坐标的位置。 （3）特征点的垂直位置（Y Position
6、），表述特征点在直角坐标系中垂直坐标的位置。 （4）特征点曲率（Curvation），表示特征点纹路方向变化的速度。 （5）特征点方向（Orientation），表示特征点的纹路具体走向。,4、指纹识别流程 一个指纹识别系统总体上可以分成两大部分，指纹的注册部分和指纹信息的验证部分。如图 2.5 所示，指纹识别系统的流程主要由指纹图像采集、指纹图像预处理、指纹图像特征提取以及指纹图像特征匹配等组成。,图像场的计算,图像场计算包括图像的强度场、梯度场、方向场以及频率场计算。首先本研究采用 Sobel【索贝尔】 算子求指纹图像灰度函数 ，再分别沿 x 和 y 方向偏导 和 ，计算该指纹图像的梯度场
7、，因为梯度场可以较好地分割指纹图像。Sobel 算子表示方式如右：,指纹图像的分割 图像分割的目的是将指纹前景区域和背景区域分割开来。因前景区域和背景区域在灰度和梯度上存在差异，故均采用阈值分割方法处理。分割阈值的确定：根据灰度直方图分析可知，指纹图像前景和背景在灰度直方图中体现为两个峰值，故取前景和背景两峰值间峰谷处的谷值灰度作为分割阈值即可有效分割指纹图像。,指纹图像均衡化,指纹图像均衡化的目的是使图像在各种灰度场强上均匀分布相等的点数，通过均衡化使得图像对比度得到增强。指纹图像为 F （x，y），由均衡化离散的转换公式为：,式中： 第 u 级灰度的像素个数， 图像面积， 图像的最大灰度值
8、，即为 255。均衡化后，使得源指纹图像的灰度概率密度得到均匀的分布，扩展了像素点灰度的取值范围，增强了图像的对比度。,指纹图像的平滑 指纹图像的平滑的目的是消除图像噪声点，本研究通过指纹图像和模板算子的卷积实现指纹图像的平滑滤波。卷积运算公式为：,要平滑的指纹源图像 F（x，y）大小为 nn，模板A（i，j）大小为 mm，使得模板中心 A（m-1）/2，（m-1）/2与 F（x，y）对应。指纹图像平滑算法相当于低通滤波，只是让指纹信号的低频部分通过，而阻止指纹信号的高频部分，实现滤去指纹图像中噪声的目的。,指纹图像增强 指纹图像增强是指纹识别系统的重要组成部分，在通过算法使指纹不清晰的地方得
9、到改善的同时尽量保留指纹原有的特征信息，确保后续图像处理的准确性和可靠性。对于指纹图像的增强，本研究前面通过计算获得指纹的方向场和频率场信息，这里采用较成熟可靠的Gabor g:b:滤波器实现图像的智能增强，以便更有利地提取指纹特征点信息。Gabor 滤波器公式如下：,指纹图像二值化,指纹图像二值化是将连续灰度图像转化成只有两种颜色值的图像，让黑的纹线区域更黑，白的谷线区域更白。即：使白色的图像区域的灰度值为 255，黑色的灰度值为 0，成为黑白两色图像。二值化公式为,指纹图像的细化 指纹图像的细化是为了减少要处理的信息量，把指纹的脊线部分对称减薄，使指纹纹线由原来的多个像素宽度变为单个像素的
10、线形图。本研究采用查表法对指纹进行细化处理。因指纹图像已进行二值化处理，其像素要么是 0，要么是255，故把指纹图像中某个目标点（要处理的黑色点）的 8 个邻域的所有要删除的所有可能情况排列后列入一张表中，再根据图像中某点的 8 个相邻的点的情况查表，如果满足表中的情况则删除该点，否则保留。,特征点提取 特征点提取分两种情况，即：对端点和交叉点的提取；对指纹特征奇异点的提取。本研究采用基于交叉数的特征性提取算法 7（即 通过扫描某点黑点，根据该点周围 8 点（顺时针相邻两点灰度的差值情况） 来判断该点是端点还是叉点，并记录该特征点的位置、类型和方向信息。指纹特征奇异点提取是利用 Poincare 公式：,特征点匹配 本研究采用基于指纹特殊点的匹配方法，匹配过程中为减少拒判时间，把匹配分成“初匹配”和“全局匹配”两个方面，在提高了指纹识别的效率的同时，也大大提高了识别成功率。 因为两幅指纹图像不可能所有的特征点都匹配，本研究设定一个阈值，如果匹配的特征点数大于该阈值则认为这两幅指纹图像匹配成功，否则匹配失败。,谢谢聆听,
