【文章內(nèi)容簡介】 179。 6英寸的盒子里，在不久的將來更小的設(shè)備可能只有3179。 1179。 1英寸。這些進展得益于多種光學技術(shù)的發(fā)展。例如 :可以利用纖維光束來獲取指紋圖像。纖維光束垂直照射到指紋的表面，他照亮指紋并探測反射光。另 一個方案是把含有微型二棱鏡矩陣的表面安裝在彈性的平面上，當手指壓在此表面上時，由于指紋脊和谷的壓力不同而改變了微型二棱 鏡的表面，這些變化通過三棱鏡光的反射而反映出來。 半導體傳感器 半導體傳感器是 1998 年在市場上才出現(xiàn)的，這些含有微型晶體的平面通過多種技術(shù)來繪制指紋圖像。 8 （ 1）硅電容指紋圖像傳感器。這是最常見的半導體指紋傳感器，它通過電子度量來捕捉指紋。在半導體金屬陣列上能結(jié)合大約 100000 個電容傳感器，其外面是絕緣的表面。傳感器陣列的每一點是一個金屬電極，充當電容器的一極，按在傳感面上的手指頭的對應點則作為另一極，傳感面形成兩極之間的介電層。由于指紋的脊和谷相對于另一極之間的距離不同 (紋路深淺的存在），導致硅表 面電容陣列的各個電容值不同，測量并記錄各點的電容值，就可以獲得具有灰度級的指紋圖像。 （ 2）半導體壓感式傳感器。其表面的頂層是具有彈性的壓感介質(zhì)材料，它們依照指紋的外表地形（凹凸）轉(zhuǎn)化為相應的電子信號，并進一步產(chǎn)生具有灰度級的指紋圖像。 （ 3）半導體溫度感應傳感器。它通過感應壓在設(shè)備上的脊和遠離設(shè)備的谷溫度的不同就可以獲得指紋圖像。 半導體指紋傳感器采用了自動控制技術(shù)（ AGC 技術(shù)），能夠自動調(diào)節(jié)指紋圖像像素行以及指紋局部范圍的敏感程度，在不同的環(huán)境下結(jié)合反饋的信息便可產(chǎn)生高質(zhì)量的圖像。例如：一個不清晰（對比 度差）的圖像，如干燥的指紋，都能夠被感覺到，從而可以增強其靈敏度，在捕捉的瞬間產(chǎn)生清晰的圖像（對比度好）；由于提供了局部調(diào)整的能力，圖像不清晰（對比度差）的區(qū)域也能夠被檢測到（如：手指壓得較輕的地方），并在捕捉的瞬間為這些像素提高靈敏度。半導體指紋采集設(shè)備可以獲得相當精確的指紋圖像，分辨率可高達 600dpi，并且指紋采集時不需要像光學采集設(shè)備那樣，要求有較大面積的采集頭。由于半導體芯片的體積小巧，功耗很低，可以集成到許多現(xiàn)有設(shè)備中，這是光學采集設(shè)備所無法比擬的，現(xiàn)在許多指紋識別系統(tǒng)研發(fā)工作都采用半導體采集設(shè) 備來進行。早期半導體傳感器最主要的弱點在于：容易受到靜電的影響，使得傳感器有時會取不到圖像，甚至會被損壞圖像。手指的汗液中的鹽分或者其他的污物，以及手指磨損都會使半導體傳感器的取像很困難。另外，它們并不像玻璃一樣耐磨損，從而影響使用壽命。隨著各種工藝技術(shù)的不斷發(fā)展，芯片的防靜電性能和耐用度得到了很大的改善。 半導體傳感器 的缺點在于 ，其價格與硅晶片的面積相關(guān)，晶片面積越大，芯片價格越高。為了降低成本，晶片面積一般都比較小。小的接觸面積使每次捕捉的指紋圖像重疊區(qū)域變小，這樣導致輸入指紋與模板指紋間缺乏足夠的對應 細節(jié)點，傳統(tǒng)的基于細節(jié)點的算法的性能就會下降。 9 超聲波掃描傳感器 超聲波掃描傳感器工作原理為傳送超聲波，并通過手指、臺板和空氣間的電阻來測量距離的方法完成錄入，掃描指紋的表面，接收設(shè)備獲取了其反射信號，測量它的范圍，得到脊的深度。超聲波掃描被認為是指紋取像技術(shù)中非常好的一類，積累在皮膚上的臟物和油脂對超聲波獲得的圖像影響不大，是實際脊地形 (凹凸 )的真實反映，為精確度最高的指紋錄入技術(shù)。但由于超聲波錄入設(shè)備的耐久性還難以估計，因此實際中應用得較少。Ultrascan 公司首開超聲波指紋圖像采集設(shè)備產(chǎn)品先河。 但成本很高，而且還處于實驗室階段。 近年來，隨著電子技術(shù)的發(fā)展，指紋采集設(shè)備越來越便宜，這為指紋識別技術(shù)的普遍應用提供了良好的條件。 特征提取與匹配 AFIS 系統(tǒng)中，指紋識別算法最終都歸結(jié)為在指紋圖像上提取和比對指紋特征。迄今為比，指紋的提取和比對方面人們己經(jīng)做了大量的研究。新近的算法大致可以分為 ： 基于 結(jié)構(gòu) 的特征提取和匹配、基于特征點的匹配和基于神經(jīng)網(wǎng)絡(luò)的方法 [19]。 比如 Isenor等指出了一種用圖匹配來對兩幅指紋圖像進行匹配的方法。Hrechak 等用結(jié)構(gòu)匹配來做指紋識別?；?DHNN 人工神經(jīng) 網(wǎng)絡(luò)的指紋識別技術(shù)。其中最多的是基于點匹配的方法，有 Ranade 等的松弛算法， Chang 等基于 一 維聚類的快速算法， Miklos z的三角匹配算法， Jain 等的串匹配算法，以及 Luo 等針對 Jain 等的算法所提出的改進算法等。 這幾種方法各有優(yōu)缺點。點匹配方法雖然應用得最多，發(fā)展得最成熟。但是其有步驟繁多，抗干擾能力差，對指紋圖像質(zhì)量依賴性強，提取特征點可靠性差等缺點?；谏窠?jīng)網(wǎng)絡(luò)算法容錯性高，但需要大量樣本事先對系統(tǒng)進行訓練才能發(fā)揮作用，而且計算量也偏大，不符合實時性的要求。而基于圖像匹配的方法不能很好的解決 指紋旋轉(zhuǎn)、平移等問題。 性能評價 指紋算法中引入了兩個重要的數(shù)字指標來描述該系統(tǒng)的精確度。拒判率 10 (False Rejection Rate， FRR)和誤判率 (False Accept Rate， FAR)。 此外拒登率 (Error Registration Rate， ERR)和識別速度也會影響到使用的方便性。 ? FRR 拒判率又稱拒真率，指將相同的指紋誤認為是不同的指紋，而加以拒絕的出錯概率。其定義為： FRR=拒識的指紋數(shù)目 /考察的指紋總數(shù)目179。100%。 ? FAR 又稱認假率，指將不同的指紋誤認為是相同的指紋 ，而加以接收的出錯概率。其定義為： FRR=錯判的指紋數(shù)目 /考察的指紋總數(shù)目179。 100%[19]。 ? 拒登率是用來描述指紋設(shè)備的適應性，是指紋設(shè)備出現(xiàn)不能登錄及處理的指紋的概率，拒登率 ERR 過高將會嚴重影響設(shè)備的使用范圍。 ? 速度。指紋識別系統(tǒng)的工作速度主要由采集時間、圖像處理時間、比對時間和平均識別速度幾項指標構(gòu)成。采集時間通常包含了采集的操作時間和圖像的傳輸時間；圖像處理時間指的是從計算機處理指紋圖像到提取出所有特征、輸出特征模板所耗費的時間；比對時間是指計算機對兩組指紋特征模板進行比對并給出結(jié)果所耗費的時間； 平均識別速度指計算機從指紋特征模版庫中搜索出特定指紋特征模板的速度，通常是一個統(tǒng)計平均值，其速度的快慢與指紋特征模版庫的分類方法有很大關(guān)系。 F A R FR R E E R 圖 13 FAR 和 FRR 關(guān)系曲線圖 ROC 曲線 由于計算機處理指紋時，只是涉及了指紋的一些有限的信息，而且比對算法并不是精確匹配，其結(jié)果也不能保證 100%準確。指紋識別系統(tǒng)的特定應用的重要衡量標志是識別率。主要由兩部分組成，拒判率 (FRR)和誤判率(FAR)。我們可以根據(jù)不同的用途來調(diào)整這兩個值。 FRR 和 FAR 是 成反比的， 11 降低 FAR，會增加 FRR；反過來，降低 FRR，又會增加 FAR。用 比來表達這個數(shù)。 ROC(Receiver Operating Curve)曲線給出 FAR 和 FRR 之間的關(guān)系。 盡管指紋識別系統(tǒng)存在著可靠性問題，但其安全性也比相同可靠性級別的“用 戶 ID+密碼”方案的安全性高得多。例如采用四位數(shù)字密碼的系統(tǒng)，不安全概率為 %，如果同采用誤判率為 %指紋識別系統(tǒng)相比，由于不誠實的人可以在一 段時間內(nèi)試用所有可能的密碼，因此四位密碼并不安全，但是他絕對不可能找到一千個人去為他 把所有的手指（十個手指）都試一遍。正因為如此，權(quán)威機構(gòu)認為，在應用中 1%的誤判率就可以接受。 圖 14 ROC 曲線圖 FRR 實際上也是系統(tǒng)易用性的重要指標。由于 FRR 和 FAR 是相互矛盾的，這就使得在應用系統(tǒng)的設(shè)計中，要權(quán)衡易用性和安全性。一個有效的辦法是比對兩個或更多的指紋，從而在不損失易用性的同時，極大地提高了系統(tǒng)安全性。有學者推論：以全球 60億人口計算， 300 年內(nèi)都不會有兩個相同的指紋出現(xiàn)。 本文所做工作及論文結(jié)構(gòu) 指紋識別技術(shù)作為一種新興的身份驗證技術(shù)，具有廣闊的應用空間。而考慮到產(chǎn)品的 體積與價格因素， DSP 系統(tǒng)是比較符合要求的。本文 的指紋傳感器模塊就 采用 DSP 來實現(xiàn)指紋識別。 本文首先介紹了在身份驗證中的指紋識別算法，采用一種新的算法一基于小波變換的統(tǒng)計算法對指紋圖像進行特征提取和特征匹配 。 12 本文在第二章中詳細介紹了指紋識別的常規(guī)算法和本文所采用的算法，并比較了兩種算法的性能特點 ， 同時對本文指紋奇異點提取所采用的具體方法作了詳細介紹。第 三 章介紹了本設(shè)計所使用的硬件開發(fā)工具以及在 AVR 開發(fā)系統(tǒng)中實現(xiàn)指紋 系統(tǒng) 程序 設(shè)計 的過程。第 四 章是對本文所做工作的總結(jié)，并提出了今后改進的方案和指紋識別技術(shù)的 前景展望。 13 第二章 指紋識別算法 本章首先 介紹了傳統(tǒng)的基于細節(jié)點的指紋識別算法，以及基于結(jié)構(gòu)的指紋識別算法的基本原理，接著 介紹 本文 指紋識別的核心算法 —— 指紋特征提取與匹配算法，不僅對常規(guī)的點匹配的方法和本文的算法進行介紹，并且對它們的性能進行了比較；而第二部分則介紹了指紋奇異點提取算法的思想和實現(xiàn)的具體步驟。 指紋 識別 的基本知識 我們定義了指紋的兩類特征來進行指紋的驗證：總體特征 [19]和局部特征。 總體特征 總體特征是指那些用肉眼直接就可以觀察到的特征，包括： 1. 紋形 環(huán)型（ loop） 弓型（ arch） 螺旋型（ whorl） 圖 21 指紋紋形分類 指紋的紋形主要有環(huán)型、弓型和螺旋型三種， 其他的指紋圖案都基于這三種基本圖案。僅僅依靠紋形來分辨指紋是遠遠不夠的，這只是一個粗略的分類，通過更詳細的分類使得在大數(shù)據(jù)庫中搜尋指紋更為方便快捷。 2. 模式區(qū)（ Pattern Area） 模式區(qū)是指指紋上包 括了總體特征的區(qū)域，即從模式區(qū)就能夠分辨出指紋是屬于那一種類型的。有的指紋識別算法只使用模式區(qū)的數(shù)據(jù)。 SecureTouch 的指紋識別算法使用了所取得的完整指紋而不僅僅是模式區(qū)進 14 行分析和識別。 3. 核心點（ Core Point） 核心點位于指紋紋路的漸進中心，它在讀取指紋和比對指紋時作為參考點。許多算法是基于核心點的，既只能處理和識別具有核心點的指紋。核心點對于 SecureTouch 的指紋識別算法很重要，但沒有核心點的指紋它仍然能夠處理。 4. 三角點（ Delta） 三角點位于從核心點開始的第一個分叉點 或者斷點、或者兩條紋路會聚處、孤立點、折轉(zhuǎn)處，或者指向這些奇異點。三角點提供了指紋紋路的計數(shù)跟蹤的開始之處。 5. 紋數(shù)（ Ridge Count） 指模式區(qū)內(nèi)指紋紋路的數(shù)量。在計算指紋的紋數(shù)時，一般先在連接核心點和三角點，這條連線與指紋紋路相交的數(shù)量即可認為是指紋的紋數(shù)。 模式區(qū) 核心點 三角點 紋數(shù) 圖 22 指紋總體特征 局部特征 局部特征是指指紋上的節(jié)點的特征，這些具有某種特征的節(jié)點稱為特征點。兩枚指紋經(jīng)常會具 有相同的總體特征，但它們的局部特征 —— 特征點，卻不可能完全相同。 指紋紋路并不是連續(xù)的、平滑筆直的，而是經(jīng)常出現(xiàn)中斷、分叉或打折。這些斷點、分叉點和轉(zhuǎn)折點就稱為“特征點”。就是這些特征點提供了指紋唯一性的確認信息。 指紋上的細節(jié)特征點有四種不同的特征：特征點的類型、特征點的方向、特征點紋線的曲率、特征點的位置。 指紋特征點的 類型 見表 21， 其中 最典型的是終結(jié)點和分叉點。 方向 是指 紋路 灰度連續(xù)的方向，特征點 可以朝著一定的方向。 曲率 描述紋路方向改變的速度。 特征點 的位置通過（ x, y）坐標來描述，可以是絕對的，也可 以 15 是相對于三角點或特征點的。 表 21 特征點分類表 終結(jié)點（ Ending） —— 一條紋路在此終結(jié)。 分叉點（ Bifurcation） —— 一條紋路在此分開成為兩條或更多的紋路。 分歧點（ Ridge Divergence） —— 兩條平行的紋路在此分開。 孤立點（ Dot or Island） —— 一條特別短的紋路，以至于成為一點。 環(huán)點（ Enclosure） —— 一條紋路分開成為兩條之后，立即有合并成為一條，這樣形成的一個小環(huán)稱 為環(huán)點。 短紋（ Short Ridge） —— 一端較短但不至于成為一點的紋路。 指紋的特征提取與匹配算法 指紋其實是比較復雜的。與人工處理不同，許多生物識別技術(shù)公司并不直接存儲指紋的圖像。多年來在各個公司及其研究機構(gòu)產(chǎn)生了許多數(shù)字化的算法（美國有關(guān)法律認為，指紋圖像屬于個人隱私， 因此不能直接處理指紋圖像）。但指紋識別算法最終都歸結(jié)為在指紋圖像上找到并比對指紋的特征。 傳統(tǒng)的基于 特征 點的指紋識別算法的不足之處在于：只利用了指紋圖像中一小部分信息 (細節(jié)點 )，丟失了豐富的結(jié)構(gòu)信息，對于小面積的指紋圖像就有可能因為缺乏足夠的信息而影響識別率；在細節(jié)點的提取過程中，很容易產(chǎn)生虛假細節(jié)點和丟失真正的細節(jié)點，在指紋的受損區(qū)域，這種現(xiàn)象更為突出；由于每個指紋的細節(jié)點數(shù)都不相同，產(chǎn)生的特征矢量長度不同，不利于快速比對 (搜索指紋庫 )；特征比對時，細節(jié)點的相對位置隨指紋的彈性變性而改變，影響比對的準確性 。