指纹识别技术简介.ppt

指纹识别技术简介 指纹识别技术简介 生物特征的采集 指纹 静脉 掌纹 虹膜 指纹识别原理 指纹图像的预处理 灰度归一和均衡化 分割 二值化 滤波及细化处理 指纹匹配 生物特征的采集 生物特征的采集 生物特征的采集-指纹 生物特征的采集-指纹 生物特征的采集-指纹 生物特征的采集-指纹 生物特征的采集-指纹 生物特征的采集-静脉 生物特征的采集-静脉 生物特征的采集-静脉 生物特征的采集-静脉 生物特征的采集-静脉 生物特征的采集-掌纹 生物特征的采集-掌纹 生物特征的采集-虹膜 生物特征的采集-虹膜 生物特征的采集-虹膜 虹膜手机/PDA(OKI) 虹膜U盘Rehoboth Tech（） 指纹识别原理-指纹 人类的手掌及其手指、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。人手指内侧表面的纹路就是指纹，19世纪20年代，科学研究发现了指纹的两个重要特征: 一是唯一性，人人的指纹不同，一个人的十个手指的指纹也不相同。事实上，世界上两枚指纹相同的几率小于1/109，几乎为零; 二是稳定性，指纹的图案永远不会改变，它不会随着人的年龄而改变指纹，也不会和主体分离。 指纹识别原理-自动识别原理 自动指纹识别技术主要有两种:一种是基于指纹图像统计信息的方法，一种是基于指纹本身所固有的特征点结构的方法。 基于图像统计匹配方法主要是通过直接或间接地比较两幅原始指纹图像的统计相识程度，从而达到判断两枚指纹是否是属于同一个人的目的，例如：利用二维相关系数来直接识别指纹的方法，首先它需要储存所有注册用户的一幅完整的指纹图像，在识别时，计算录入指纹和已经注册的用户指纹图像两者之间的相关系数，然后将此相关系数与一个闭值比较得出识别结果。 由于指纹有天然的纹理特征结构，现在的自动指纹识别系统大都是围绕指纹本身所固有的特征点结构而开发的。 指纹识别原理-指纹的全局特征 基于特征点匹配识别的指纹识别系统主要是通过比较两幅指纹图的结构特征信息来达到识别的目的。指纹的特征包括两类:全局特征和局部特征。 全局特征是指那些用人眼可直接观察到的特征，可以依照全局特征对指纹进行分类，Galton分类法是较著名的分类法，其将指纹分为三类，如图所示为这三类典型的指纹图像。Henry又将这三类进行了细分，如把环型(loop)分为正环型(radial loop)、反环型(ulnar)和双环型(double loop)。但是仅仅依靠这样分类来识别指纹是远远不够的，这只是一个粗略的分类，通过分类可在大数据库中更快地检索指纹，加快识别的速度。 指纹识别原理-指纹的局部特征 两枚不同指纹可能会有相同的全局特征，所以要识别两枚指纹，仅仅依靠全局特征是不够的，还需要通过局部特征来识别。指纹是由脊线和谷线交替出现的模式构成，指纹的脊线并不是连续的、平滑笔直的，而是经常出现中断、分叉和打折，这些断点、分叉点和转折点就称为局部特征，又称为细节特征点，就是这些特征点提供了指纹唯一性的确认信息，一枚指纹可能有十几种类型的特征点，在其中出现频率较高的细节特征点有五种: 纹线端点 (ending):指一条纹线在此点终结; 分叉点 ( bifurcation):指一条纹线在此点分成两条纹线: 小桥 ( bridge):指两条平行的纹线在此处连接了; 双叉 (crossing):指两条纹线在此点相互交错; 孔形 (hole):指一条纹线一分为二后，又合并而一条纹线所形成的孔洞。 指纹识别原理-局部特征点比例 指纹识别原理-自动指纹识别系统 一个典型的自动指纹识别系统流程如图所示。它包含两个模块:训练模块和鉴别模块。 训练模块完成注册指纹的功能，鉴别模块完成识别指纹的功能。由于隐私和节约储存量的原因，所以在数据库中储存的数据是指纹的特征点信息，而不是指纹图像，训练模块和鉴别模块由同一套特征提取算法提取出特征信息，两个模块其实对应指纹识别的两个阶段，即注册阶段和识别阶段。 指纹识别原理-指纹图像预处理 指纹采集进来后，在指纹图像中往往含有大量噪声，为了提高特征提取的效率，还必须对图像进行预处理。预处理的一般流程如图所示。 图像分割是把指纹图像从背景区域中分离出来，以使图像增强集中在指纹区域中进行，提高处理的效率:图像增强用以滤除指纹图像中的噪声，在视觉上体现为得到一幅纹路清晰的指纹图; 二值化，用已二值化增强了的指纹图，方便细化处理; 细化则是为了便于提取特征点和得到精确的特征点信息。 预处理是指纹识别系统中比较占用时间的处理过程，所以有人提出了一些不用预处理就直接从原始指纹图像中提取特征点的方法，但总得看来，这种方法对图像质量较差的指纹图的识别率是较低的。 指纹识别原理-特征提取 特征提取就是指在经过预处理后的指纹图中提取出指纹的特征点信息，一般地，提取特征点的三种信息: 特征点位置