指纹识别系统(文献综述)
指纹识别电子密码锁的设计文献综述
《指纹识别电子密码锁的设计》文献综述王文锐（机电工程学院指导老师李琳）关键词：单片机STC89C52 黑匣子指纹扫描模块矩阵键盘串行通信前言随着信息技术的飞速发展，单片机的应用技术日益渗透到社会生产生活的各个领域。
单片机的全称是单片微型计算机，国际上统称为微控制器。
它采用超大规模集成电路技术把具有数据处理能力（如算术运算、逻辑运算、数据传送、中断处理）的微处理器（CPU），随机存取数据存储器（RAM）、只读程序存储器（ROM）、输入/输出电路（I/O），可能还包括定时/计数器、串口通信口（SCI）、显示驱动电路、脉宽调制电路（PWM）、A/D转换电路等电路集成到一片芯片上，构成就一个最小而完善的计算机系统。
因此，它具有体积小、功能强、价格低等的特点。
其中最大的特点是它可以单独地完成现代工业控制所要求的智能化控制功能。
因此，选用单片机作为控制核心是较为理想的设计理念。
正文在设计系统中主要由单片机系统、矩阵键盘、LED显像管和报警系统组成。
设置开锁密码，利用软件与硬件结合的方法来实现。
系统能完成本机开锁、超时报警、超次锁定、管理员解密、修改用户密码基本的密码锁的功能。
除上述基本的密码锁功能外，依据实际的情况还可以添加调电存储、声光提示、遥控控制等功能。
本系统成本低廉，功能实用。
系统方框图如下：电子防盗锁应用于金融业，其根本的作用是“授权”，即被“授权”的人才可以存取钱、物。
广义上讲，金融业的“授权”主要包括以下三种层次的内容：1、授予保管权，如使用保管箱、保险箱和保险柜；2、授予出入权，如出入金库、运钞车和保管室；3、授予流通权，如自动存取款。
目前，金融行业电子防盗锁的应用主要集中在前两个层面上。
下面将介绍几种在金融行业中使用较多的电子防盗锁以及它们的技术发展方向。
当然，以上所说的授权技术再高超，都必须由精良的“锁具”担当承载结构部件，实现开启、闭锁的功能，而且承担实体防护作用，抵抗住或尽量延迟破坏行为，让电子防盗锁“软、硬不吃”。
基于单片机的指纹识别系统设计-文献综述
开题报告（文献综述）苏州大学应用技术学院 10电子（学号1016405061）陆易庭1. 引言随着时代的发展，社会越来越高效的生活方式，快速、有效的识别方式更受到了关注。
传统的身份证、IC卡、钥匙、口令等识别方式由于其可假冒、可伪造、可盗用、可破译的弱点。
生物识别技术以便捷安全的特点被应用大众生活中。
本设计的目的是设计基于单片机的指纹识别系统硬件电路，达到可以识别用户、添加用户、识别用户等功能。
选用STC89C52单片机，STC89C52是一种低功耗、高性能CMOS8位微控制器，具有8K系统可编程 Flash存储器。
系统主要由MCU （Microcontroller Unit，微程序控制器）、液晶屏、指纹模块组成。
系统的工作过程主要是当检测到有按键按下时先由MCU通过串口通信控制指纹模块对指纹进行采集、录入、存储、比对。
然后，根据所得的数据对其它接口器件，如显示屏、蜂鸣器、指示灯进行响应操作。
1.1 研究的背景及意义我国在广泛应用指纹的历史中，随着对外文化的交流，应用指纹的传统习惯传播到了世界上许多国家。
中国是世界公认的指纹发源地之一。
人们使用指纹进行个人身份鉴定已经有很长的历史.早在公元650年,唐代作家贾公秀在其作品中就着重提到了指纹是确认个人身份的方法[1]。
我国历史中对指纹的主要应用在于民间的契约，缺乏专门的研究，未能将指纹识别提升到一门学科。
现代指纹识别起源于16世纪后期。
苏格兰医生Henry Fauld[2]于1880年10月28日首次在英国《Nature》上发表论文，指出指纹人各不同，恒久不变，并利用现场指纹来鉴定罪犯。
接着，WilliamHerschel[2]也在《Nature》上发表了他本人关于指纹研究20多年来的成果，从此揭开了现代指纹识别的序幕。
1892年，英国Sir Francis Galton[2]对指纹进行了系统地研究，并提出了指纹细节特征分类，将指纹分为斗(whorl)、箕(loop)、弧(arch)三大类，使指纹识别应用进入了一个崭新的时期。
关于指纹识别技巧的参考文献综述[优质文档]
![关于指纹识别技巧的参考文献综述[优质文档]](https://img.taocdn.com/s3/m/97cf911703020740be1e650e52ea551811a6c955.png)
关于指纹识别技术的参考文献综述一引言指纹识别技术不但是一门目前被广泛应用的实用性技术，更是一个不断面临挑战的研究方向，因为在国内它相对于其他学科来说，是相当新的，无论是从理论方面还是在技术方面都有很多值得做大量研究的地方。
近年来，国际模式识别学会组织的FVC，即国际指纹识别算法竞赛，吸引了越来越多的厂商和科研机构对该方面的研究。
这也说明了学术界和产业界对此技术的关注和重视。
从大量的资料中显示，指纹识别技术除了在传统的公安司法等部门得到应用之外，已经越来越多地被应用于银行，社保，门禁，考勤和信息安全等许多行业，正逐渐步入人门的日常生活，因此，指纹识别根据用途的不同，被分为了警用自动指纹识别系统，即警用AFIS，和民用指纹识别系统，即民用AFIS。
二指纹应用历史据介绍，利用指纹进行身份认证已有很长一段历史了。
考古证实，公元前７０００年到公元前６０００年，指纹作为身份鉴别已在古中国和古叙利亚使用。
从那时出土的粘土陶器上留有的陶艺匠人的指纹，纸稿上印有的起草者的大拇指指纹，古城市的房屋留下的砖匠一对大拇指指纹的印记中可以看出，指纹认证已被应用于当时社会的许多领域里。
１９世纪初，科学发现了至今仍被承认的指纹的两个重要特征，即两个不同手指的指纹纹脊的式样不同，和指纹纹脊的式样终生不改变。
这个有关指纹唯一性和终身不变性的研究成果在指纹鉴别犯罪中得到正式应用。
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。
最初的指纹识别采用手工方法，即将指纹卡片存放在指纹库中，需要时在指纹库中人工查找由指纹专家比对指纹卡。
２０世纪６０年代后，人们利用计算机代替了效率低、投入高的手工方式来处理指纹，个人电脑和光学扫描仪成为指纹取像工具。
９０年代后期，低价位取像设备的出现，为个人身份识别技术的发展提供了舞台。
三典型产品及国际问题当前市场上已有了相当一部分比较完善的指纹识别产品。
如，在指纹传感器类的AFS 系列电场式指纹传感器；指纹采集类的AST2100型指纹采集仪；指纹采集认证设备类的AST1000型PCI指纹处理卡；嵌入式指纹识别模块中的FP-DSP指纹识别模块；指纹门锁和门禁控制类的ES2000指纹门禁；指纹考勤设备类的BIOCLOCKIII指纹考勤门禁机；指纹算法软件类的BIOKEY指纹识别算法SDK，以及指纹应用软件类的EBIOGUARDPC指纹卫士等，都是同类产品中的具有代表性的典型产品。
指纹识别系统
指纹识别系统概述指纹识别系统是一种生物识别技术，通过分析和比对人体手指上的指纹图像，可以对人体进行识别和认证。
指纹识别系统已经广泛应用于各个领域，如手机解锁、门禁控制、身份认证等。
本文将介绍指纹识别系统的原理、应用场景以及一些最新的技术发展。
原理指纹识别系统的原理是基于每个人手指上的指纹图案是唯一的，没有两个人的指纹图案完全相同。
通过图像采集设备（如指纹传感器）获取手指上的指纹图像，然后对图像进行处理和特征提取，最后将提取到的特征与已存储的指纹特征进行比对，从而实现对人体身份的认证或识别。
指纹图像的采集通常使用光电传感器或压电式传感器，光电传感器使用光学透镜和光电二极管来捕捉指纹图像，而压电式传感器则是通过感应手指压力来获取图像。
采集到的指纹图像一般是二值化的图像，即黑白图像，黑色部分表示指纹线纹，白色部分表示指纹间隙。
图像的处理和特征提取是指纹识别系统的关键步骤。
常见的处理方法包括图像增强、边缘检测、细化等，这些方法可以使得指纹图像更加清晰可见。
特征提取主要是通过对指纹图像进行分析和计算，提取出一些具有唯一性和可区分性的特征，例如指纹纹线的形状、方向、密度等。
指纹特征的比对通常使用模式匹配算法，最常见的是基于特征的匹配算法和基于相似度的匹配算法。
基于特征的匹配算法将指纹特征表示为特征向量，然后计算特征向量之间的相似度或距离，从而进行比对。
基于相似度的匹配算法则是通过计算指纹图像之间的相似度来进行比对，一般使用相关性、欧氏距离等度量指标来衡量相似度。
应用场景指纹识别系统在各个领域有广泛的应用，下面列举几个常见的应用场景：手机解锁手机解锁是最常见的指纹识别应用之一。
通过在手机上搭载指纹传感器，用户可以将自己的指纹注册到手机系统中，并设置指纹解锁功能。
在解锁时，用户只需将手指放在指纹传感器上，系统会自动比对并认证指纹，从而解锁手机。
门禁控制指纹识别系统在门禁控制领域也有广泛的应用。
通过在门禁系统中搭载指纹识别设备，用户可以通过指纹认证来开启门禁。
基于无线网络的指纹识别考勤仪的设计的文献综述
文献综述前言本人毕业设计的论题为《基于无线网络的非接触式考勤仪的设计》。
考勤系统是指一套管理公司的员工的上下班考勤记录等相关情况的管理系统。
是考勤软件与考勤硬件结合的产品，一般为HR部门使用，掌握并管理企业的员工出勤动态。
目前国内应用最广泛的是基于无线射频的IC卡考勤系统，但是该考勤系统却不尽如人意,出现了找人代打卡等弊端,不能很好的满足公平性以及准确性,违背了考勤系统的初衷。
另外如果企业比较庞大的话考勤系统的布线将变的十分繁琐，而且移动性和扩展性较差。
随着科技的发展，指纹识别技术和无线通信技术的日益成熟，我们可以将其运用到考勤系统中来解决上述的缺点，实现对考勤的现场数据的实时录入、多点采集、无线传送。
本文在收集和分析了大量近年来国内外关于指纹识别技术，考勤系统设计，无线网络应用的学术论文、研究报告等，借鉴他们的成功经验，将指纹识别和无线通信运用到考勤系统中。
这些文献给与本文很大的参考价值。
本文主要查阅进2006年之后的相关文献期刊。
现在考勤系统在企业中运用已经十分广泛，这也是企业发展所决定的，考勤系统的运用极大的节省的人力、物力和时间，提高工作效率，降低运营成本。
近几年考勤机的一直处于不断的发展之中，随着科技的进步，考勤系统变的越来越智能越来越成熟稳定。
赵升、谢文彬、高猛（2011）在《基于无线通信的非接触式IC卡读卡器设计》中给出一种用于考勤系统的非接触式IC卡读卡器的设计及实现方法.采用射频识别技术及无线通信技术,以STM8S103F3P单片机为控制核心,设计了MFRC531读卡模块和Si4432无线收发模块,并详细论述了硬件外围电路相关参数的计算方法及软件实现方法.所设计的读卡器具有可移动性强、安装简单和扩展性好等优点。
胡建（2008）在《基于指纹识别的企业员工考勤系统的设计》中提出了一种基于指纹识别的企业员工考勤系统的设计方案。
该系统利用指纹识别技术,能够彻底解决代打卡的问题,保证考勤数据的真实性;另外,该系统所实现的分布式指纹考勤,便于管理者实时监控员工在岗状况和及时获得考勤统计信息。
智能门禁系统【文献综述】
文献综述智能家居门禁系统设计电气信息工程学院电气工程及其自动化专业学生：贺亚帮指导老师：牛莹摘要：智能门禁系统是一种新型现代化安全管理系统，集自动识别技术和现代安全管理措施为一体，涉及电子、机械、计算机技术、通讯技术、生物技术等诸多新技术。
由计算机或管理人员在中心控制室监控，从而实现对出入口的控制。
概述了门禁系统的发展，介绍了几种门禁系统及其各自的特点，从技术应用和生活实际的角度介绍了发展的趋势。
关键词：智能识别;远程控制；联动安防；计算机技术0 引言在日常生活中,人们无处不在的必须使用各种各样的门禁锁具,从门禁锁具的控制方式来说,主要有钥匙、密码、磁卡和IC卡。
随着人们生活水平的提高，门禁锁具这个不可缺少的必需用具也给生活带来了很多烦恼。
每个人都有过丢钥匙或者忘记钥匙的经历,每天都要为提醒自己放好钥匙而用脑，一大串钥匙对想轻便的人来说无疑是一件痛苦的事情。
而从目前已有的门禁锁具的控制方式来看,存在着一定的安全隐患，钥匙、密码和磁卡容易复制、窃取;IC卡的安全性较高，但也容易丢失。
因此,现在人们心目中的门禁锁具必须具有方便、安全、美观等特点。
早期的技术是基于个人密码,而密码被破解或偷窥的概率越来越高.后来出现了智能IC卡,但这种方式同样存在被复制或者偷盗的安全隐患。
生物识别将成为今后几年门禁产业的重要变革。
生物特征是通过计算机利用人体固有的生理特征或行为特征鉴别个人身份。
生物识别技术具有不易遗忘和丢失,不易伪造和被盗，可以“随身携带”，随时随地使用等优点，已经被全世界所关注，并应用于身份、出入口管理，安防监控,电子商务、电子政务等各个领域。
1 几种智能门禁系统1.1 密码识别通过检验输入密码是否正确来识别进出权限. 这类产品又分两类：一类是普通型，一类是乱序键盘型(键盘上的数字不固定，不定期自动变化）。
普通型：优点:操作方便,无须携带卡片；成本低. 缺点：同时只能容纳三组密码,容易泄露，安全性很差;无进出记录；只能单向控制。
指纹识别分析论文(全文)
指纹识别分析论文一、指纹的密钥量十分巨大，具有充分可靠的个人鉴别能力关于指纹的密钥量计算，有不同的计算方法，但密钥量十分巨大是共同的。
1910年，法国巴黎大学教授勃太柴就按照人完整指纹上有平均100个的特征点（实际75个-175个），且每个特征点存在4种特征类型计算，构成的排列总数为4100=1.6069×1060，这显然是一个天文数字，完全可以保证全人类都不可能有相同的指纹。
实际上现代对指纹密钥量的计算还远远高于勃太柴的大致计算，因为勃太柴没有将100个特征出现部位的变化计算进去，如果包含位置的变化，两枚指纹所有特征都相同的概率只有1.684×10-114。
这样高的密钥量是目前其他个人识别特征无法比拟的。
而且，指纹细节特征的特异性并不受遗传基因的制约，即使是孪生关系，也不可能存在相同的指纹。
二、指纹细节特征稳定不变，能够保证经济活动凭证的识别长期有效指纹纹线细节特征取决于真皮乳头的结构，胚胎发育完成以后，人的一生不会发生实质的变化，外界的摩擦损伤只要不伤及真皮层，就不影响外表指纹的细节特征。
如果真皮受到局部损伤，所形成的疤痕组织只限于伤痕的部位，并不会影响指纹其他部位的特征。
在指纹识别中只要避开受伤变化的部分，就能够正确进行指纹的鉴别。
如果指纹数据库得到充分的开发应用，个人完整的指纹信息资料建档以后，指纹识别就可以调用档案中的样本指纹进行比对，指纹受伤变化就完全不会影响个人的识别了。
指纹的这种稳定特性对经济活动凭证识别的长期有效具有重要的作用。
三、指纹反映明显、外在，在经济活动中方便易行指纹特征比较宏观、明显，作为个人识别标记直观清楚。
而且，指纹随时随身“携带”，留痕方法简便，效果容易掌握，不受文化程度的限制，作为最为有效的个人识别手段，非常方便。
现代指纹的留痕和采集主要有油墨捺印和电子扫描，油墨捺印是商业活动中进行留痕的主要方式，油墨捺印的指纹特征清楚，便于观察。
电子扫描是目前收集样本指纹的方法，在商业活动中，需要鉴别某份文件上指纹的时候，可以很方便地进行指纹取样，特征清楚，不会污染手指。
指纹识别技术综述
指纹识别技术综述——生物认证姓名：班级：专业：教师：引言生物认证技术又称为生物识别技术，是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定。
而其中的指纹识别技术则是目前人们使用最为普遍的一种生物认证技术简介指纹识别技术是把一个人（待识别者）同他的指纹对应起来，利用特定的识别系统（例如安装了某种指纹识别软件、服务器的计算机）将他的指纹和预先保存的指纹（数据库中保存的正确的指纹数据）进行比较，就可以验证他的真实身份。
这是由于，每个人（包括指纹在内）皮肤纹路在图案、断点和交叉点等生理特征上各不相同，也就是说，是唯一的、可完全区分的，并且终生不变的——正因如此，依靠这种生理上的唯一性和稳定性，我们开发出了指纹识别技术！在这里，指纹识别主要是根据人体指纹的纹路、断点、交叉点等生物特征信息对操作或被操作者进行身份鉴定，而且得益于现代电子集成制造技术和快速而可靠的算法研究，已经开始走入并且普遍流行于我们的日常生活之中，在各种出入认证、机密事务操作等活动中都可以看见它的身影，不仅如此，指纹识别技术成为目前生物检测学中研究最为深入，应用最为广泛，发展最为成熟的技术!每个指纹都有几个独一无二、具有可测量性的特征点，每个特征点都有大约5~7个特征，我们的十个手指可以产生最少4900个独立可测量的特征，这足以说明指纹识别是一个十分可靠的鉴别方式。
个人理解“生物识别技术是把人体本身所具备的生理性状及行为特性当作长在我们身体上的钥匙一样，开启人们身份鉴定的大门。
生理性状包括有指纹、掌纹、脸貌、虹膜等；行为特征包括有语音、步态、签名等。
在生物识别过程中，需通过很多学科的结合来进行识别认证。
”——摘自[1] 陈婧,张苏.自动指纹识别技术综述[J].黑龙江科技信息, 2013(1).【维普】我们知道，生物识别和身份证识别、银行卡识别有很多相似之处，但更多的是不同，很多时候生物识别的可靠性比起那些物理硬件的识别的可靠性更高，具有高强的防伪造、防窃取、防篡改性能，也因此备受人们，尤其是需要从事机密任务的人士（相对于商业）的青睐，研究者们在这方面也是乐此不疲。
指纹识别研究报告
指纹识别研究报告第一点：指纹识别技术的起源与发展指纹识别技术的历史可以追溯到古代中国、印度和埃及，当时的人们通过指纹来标识身份和验证身份。
然而，真正意义上的指纹识别技术是在20世纪初开始的。
1924年，英国警官弗雷德里克·亨利·古德费洛首次提出了指纹识别的现代概念，并建立了世界上第一个指纹档案库。
自那时以来，指纹识别技术得到了迅速的发展和广泛的应用。
在过去的几十年里，指纹识别技术经历了多次重大的突破。
最初，指纹识别主要依赖于人工对比的方法，即由专业人员对指纹图像进行分析和比对。
然而，随着计算机技术和光学技术的进步，指纹识别逐渐向自动化和计算机化方向发展。
1991年，美国麻省理工学院的研究人员首次成功开发出了指纹识别的传感器，这标志着指纹识别技术进入了商业化阶段。
随着半导体技术和图像处理技术的不断进步，现代指纹识别系统已经取得了显著的改进。
目前的指纹识别技术主要包括以下几个步骤：首先，通过指纹传感器采集指纹图像；然后，利用图像处理算法对指纹图像进行预处理，包括去噪、增强和特征提取等；接下来，通过特征提取算法提取出指纹的特征点，如纹路起点、交叉点等；最后，通过特征比对算法将提取出的特征点与指纹库中的模板进行比对，以验证身份。
第二点：指纹识别技术的应用领域与挑战指纹识别技术在各个领域都有广泛的应用，主要包括安全认证、刑侦调查、边境控制和个人信息管理等方面。
首先，指纹识别技术在安全认证领域得到了广泛的应用。
在智能手机和电脑等电子设备中，指纹识别技术被用作解锁和身份验证的手段。
此外，指纹识别技术还被应用于门禁系统、保险柜等安全设备中，以保护个人和企业的财产安全。
其次，指纹识别技术在刑侦调查中发挥着重要的作用。
警方可以通过采集犯罪现场的指纹，与指纹数据库进行比对，以确定犯罪嫌疑人的身份。
此外，指纹识别技术还可以用于辨认无名尸体和失踪人员等。
此外，指纹识别技术在边境控制和个人信息管理方面也有着广泛的应用。
计算机专业指纹识别操作系统毕业论文外文文献翻译及原文
毕业设计（论文）外文文献翻译文献、资料中文题目：指纹识别操作系统文献、资料英文题目：文献、资料来源：文献、资料发表（出版）日期：院（部）：专业：班级：姓名：学号：指导教师：翻译日期： 2017.02.14摘要：本文拟在提出一种可以区分protocol指纹识别的方法，用帧描述指纹识别代替建立帧系统获得主机信息与系统配对从而分辨出主机操作系统的类别。
实验的结果表明这种方法能够有效的辨别操作系统，这一方法比其他例如nmap 和xprobe的系统更为隐秘。
关键词：传输控制）协议/ 协议指纹识别操作系统辨别远程主机的操作系统，这是一个很重要的领域。
了解主机操作系统可以分析和获取一些信息，例如记忆管理，CPU的类型。
这些信息对于计算机网络的攻击与防御非常重要。
主要的辨别是通过TCP/IP指纹识别来完成的。
几乎所有的操作系统的定制他们自己的协议栈都通过以下的RFC。
这种情况导致一个实例，每个协议栈会有细节上的不同。
这些不同的细节就是所知道的使辨别操作系统称为可能的指纹识别。
Nmap、Queso在传输层里使用指纹。
他们将特殊数据包发送到目标并分析返回的数据包，在指纹库中寻找配对的指纹，以便得到的结果。
指纹库中的信息受指定的探测信息的影响.很难区分类似的操作系统（例如：windows98/2000/xp）Xprobe主要是利用ICMP协议，这是利用五种包来识别操作系统。
它能够提供的在所有可能的情况下确实是操作系统的概率。
主要不足是它过分依赖ICMP协议议定书。
SYNSCAN是在应用协议中与目标主机联系时，使用的一些典型的指纹识别方法。
指纹库对在这个领域有限制。
Ring，Ttbit查明操作系统所使用TCP / IP 的性能特点。
因为这种性能受网络环境极大。
其结果往往是不完全确定的。
文献分析资料中的行动而获得的拦截（如一些同步的要求，一个封闭的端口如何响应连接请求）。
虽然这种方式是有效，它在少数特定操作系统区分上述的各种系统，都没有完整的描述指纹系统，引起他们进行分辨的主要是依靠部分的TCP/IP。
自动指纹识别技术综述
题。 在 国际上 ， 指纹研究处于领先地位 的主要有美 国、 ３本、 １ 意大利 、 当人们在使用 方便快捷 的电子商务 、 信用 卡刷卡消 费 、 个 人认 新加坡 南洋理工大学信号处理中心 等。 我 国的指纹识别技术落后与 证等各式各样的信息通信技术的同时 ， 最担 心的事莫过于信息泄露 美国 、 日本等将近 １ ５年左右 。在 ２ ０ 世纪 ９ ０年代初期 ， 我 国首次 出 的问题 。所 以 ， 保障信息安全 的 目 标助推 了各种 各样 的身份认证技 现 了有关 指纹识别 的产 品 ， ２ ０ ０ ０ — ２ ０ ０ ２ 年 主要应用 于指纹 考勤机 ； 术的发展 。其 中 ； 生物识别技术 因其独特 的优势在 身份认证领 域也 随着指纹算 法准确性 与处理速度 的不断改 进 ， ２ ０ ０ ４年 以后 主要应 得 到了快 速地 发展 和广 泛地应用 。 用于金融等信息安全方面 ，目前我 国指纹应 用的前景 十分广泛 ， 其 生物识别技术是 把人体本 身所具备 的生理性状 及行为特性 当 中较稳 显著 的有指纹支付 、 网上银行指纹 Ｕ Ｋ Ｅ Ｙ 、 指纹智能卡等 。 作长在我们身体上 的钥匙一样 ， 开启人们身份鉴定 的大门。生理性 ２ ． ２指纹识别技术的基本原理 状包 括有指纹 、 掌纹 、 脸貌 、 虹膜 等 ； 行 为特征包括有语音 、 步态、 签 指纹识别原理 决定 了指 纹识别 的算法 的研 究与发展 ， 算法 的设 名等 。在生物识别过程 中， 需通过很多学科 的结合来进行识别认证 计 与实现是 自动指纹识别系统的心脏 ， 决定 了整个系统的性能 。当 【 Ｉ 】 ｏ 今， 最常用 、 最简单的指纹识别方法是对 比识别法 。首先 ， 通过指纹 随着生物科技 和信息技术 的发展 与融合 ， 可 以用 于生 物识 别的 采 集仪器 ， 建 立所需确定其身份 的指纹数据库 ， 并 生成处理器 可识 特征也越来越多 。 其中， 经常使用的生物特征识别技术 主要包括 ： 指 别 的二进制文件 ； 然后 ， 在进行 身份认证 的时候 ， 根据待确定身份者 纹识 别技术 、 虹膜识别 技术 、 人 脸识别技术 、 视 网膜 识别技术 、 掌纹 的新 采集的指纹 与指 纹数据库中的文件是否相 匹配来完成指纹 的 识别技术 、 语音 识别 技术 等嘲 。现在 ， 生物识别技术虽 以飞快 的速度 识别过程 。 发展着 ， 但 至今仍 没有具体 的哪种特征能完美无缺地进行准确 的身 在这 里 ， 我们不能简 单的认为 ， 指纹识 别技术就是对 两幅指纹 份认证 。 事实上 ， 每种生物特征在不 同的应用背景 、 不同的应用 条件 图像进行对 比。在此 过程 中 ， 我们还需经一系列复杂的数 字图像处 下都有显示 出的不 同的优势和缺 陷。当某个生 物特 征满足广泛性 、 理 的方法来完成指纹识别 。 结束语 唯一性 、 耐久性 、 易获取 、 易接受 、 防伪性等 条件 时 ， 都可 以用来鉴定 个人身份Ｉ ３ １ ４ １ 。 指纹识别技术在生物识别领域 占有重要 的优势地位 ， 这是 因为 ２ 自动 指 纹识 别技 术 指纹具有唯一性 、 稳定性 、 可靠性 、 易采集且成本低等特点 。 所 以， 自 ２ ． １指纹识别技术的历史 与发展 动指纹识别技术是 目前为止应用最为广泛 的身份认证技术之一 ， 但 指纹就是 表皮 上突起的纹线，主要指人们 手指末端 的指腹 上 ， 同时也相应地存 在着很多关键性的问题有待进一步 的解决。 主要体 表皮层的皮肤上一组 由于 凹凸不平而产生的纹线 。 根据指纹 的形成 现在 以下两个方面 ： ａ ． 增强指纹采集设备对所采集到的低 质量 的活 原理 ， 虽然 每个人都有指纹 ， 但其细节特征各不相 同。据 推测 ， 以全 体指纹 图像 的质量 ； ｂ ． 自动指纹识别技术 的关键在 于算法 的设计 ， 世界近 ７ ０亿人 口计算 ，在三 百年 内出现两枚完全相 同的指纹 的概 选择适 当的算法能较好 的解决 指纹 识别 的准确率与识别 效率 的矛 率几乎为零 。 指纹识别就是根据这些固有不变的细节特征来进行身 盾 。 份认证 。 参考文献 纵观历史 ，国 内外对人体 指纹 的研 究从未 中断过 。我 国早在 【 １ ］ ｇ度 百科 一 生物识 别技 术［ Ｅ Ｂ ／ Ｏ Ｌ ］ ． ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗ ｗ ． ｂ ａ ｉ ｋ ｅ ． ｂ ａ ｉ ｄ ｕ ． ｃ ｏ ｍ ／ ｖ ｉ ｅ ｗ ／ ６ １ ９ ３ ． ｈ ｔ ｍｌ ， ２ ０１ １ ， ６ ， １ ５ ． ６ ０ ０ ０多年前 的陶瓷上就有指纹 印图案 ， 考古学 家认 为 ， 古人 曾用其 ３５ 指纹印来记录制造者的身份 。 指纹通常称之 为手 印 ， 从古至今 ， 手印 ［ ２ ］ 黄静 ． 指 纹识 别和快速 匹配 算法的研 究【 Ｄ 】 ． 南京： 南京航 天航 空大 ２ ０ １ ０ ． 就常见 于刑侦断案或 民间契约上 ， 但这 只是 指纹认证 的雏形 ， 主要 学， 还是靠人的主观视觉来判断其身份。 指纹识别理论上 的研究开始于 ［ ３ 】 田捷 ， 杨鑫． 生物 特 征 识 别 技 术 理 论 与 应 用［ Ｍ］ ． 北京： 电子 工业 出版 ２ ０ ０ ５ ． １ ６世 纪 的后 期 。１ ９世纪后期 ，１ ８ ８ ０年 Ｎ ａ ｔ ｕ ｒ ｅ期刊上 出现两 篇 由 社 ． Ｈ ｅ ｎ ｒ ｙ Ｆ ａ ｕ ｌ ｄ ｓ 及 ｗ－ Ｊ Ｈ ｅ ｒ ｓ ｃ ｈ ｅ ｌ 两位教 授所撰写 的文 章 ， 推 荐使 用指 ［ ４ 】Ｌ ．Ｈ ｏ ｎ ｇ ，Ａ ｕ ｔ ｏ ｍａ ｔ ｉ ｃ Ｐ ｅ ｒ ｓ ｏ ｎ ａ ｌ Ｉ ｄ ｅ ｎ ｔ ｉ ｉ ｆ ｃ ａ ｉ ｔ ｏ ｎ Ｕ ｓ ｉ ｎ ｇ Ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｓ ， 纹鉴定法作为人类独特判别身份 的方 式。 指 纹识别真 正成为科学研 Ｐ ｈ ．Ｄ ． Ｔ ｈ ｅ ｓ ｉ ｓ ． Ｄ ｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ ［ Ｊ ］ ． ｃ ｈ ｉ ｇ ａ ｎ Ｓ ｔ ａ ｔ ｅ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｅ ａ ｓ ｔ Ｌ ａ ｎ ｓ ｉ ｎ ｇ ， １ ９ ９ ８ ． 究的技术是在 １ ８ ９ ９年 ， 英国 Ｅ ｄ ｗ ａ ｒ ｄ Ｈｅ ｎ ｙ 和他 的两位助 手建立 了 Ｍｉ ｒ 著名 的 “ Ｈ ｅ ｎ ｙ ｒ Ｓ ｙ ｓ ｔ ｅ ｍ”指纹 分类 系统 ，指 出该 指纹 体 系有拱 形 （ Ａ ｒ ｃ ｈ ） 、 尖拱形 （ Ｔ ｅ ｎ ｔ ｅ ｄ Ａ ｒ ｃ ｈ ） 、 螺旋形 （ ｗｈ ０ ｄ ） 、 左 环形 （ Ｌ ｅ ｆ ｔ Ｌ ｏ ｏ ｐ ） 、 和右 环形 （ Ｒ ｉ ｇ ｈ ｔ Ｌ ０ ｏ ｐ ） 五种类型 。 但是 ， 此 时的指纹识别技术仅仅停 留在人工识别的基础之上。 到了 ２ Ｏ世纪 ６ Ｏ 年代 ， 随着计算机软件 、 硬件技术 的快速发展 ， 数字图像 处理技术的 日趋成 熟 ， 科学家们也 把兴 趣转 向了 自动指纹 识 别 系统 （ Ａ Ｆ Ｉ Ｓ ： Ａ ｕ ｔ ｏ ｍ ａ ｔ ｉ ｅ Ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｉ ｒ ｎ ｔ Ｉ ｄ ｅ ｎ ｔ ｉ ｉ ｆ ｃ ａ ｔ ｉ ｏ ｎ Ｓ ｙ ｓ ｔ ｅ ｍ） 的研 究 与开发。近二十年来 ， 由于集成 电路技术和指纹识别算法 的速度与 准确 率的大幅提高 ， Ａ Ｆ Ｉ Ｓ已经进人嵌入式处理阶段 。指纹算法技术 是 现阶段 的指 纹的核心技术 。 近年来 ， 无论是在 国外还是 国内都有很 多研究机 构在开展 指纹 算法技术 的研究与实现 ， 并且在军事 、 经济 、 网络应用 等各种 因素的 推 动作用下 ，指纹算法研究 正在一步一 步地 攻克各 种技术上 的难
文献翻译--指纹识别系统
Fingerprint Recognition SystemAbstractFingerprint recognition system consist of image preprocessing, features extraction and features matching that runs effectively and accurately on personal computer. The image preprocessing includes noise removal, histogram equalization, global thresholding and ridgeline thinning which are necessary for the features extraction. Extracted features are then stored in a file for fingerprint matching. Matching algorithm presented here is a simple, fast and accurate. Experimental results for matching are accurate, reliable and fast for implementation using a personal computer and fingerprint reader. The proposed fingerprint algorithm can provide an effective way of automated identification and can be extended to other security or identification applications. Further the algorithm can be implanted on a FPGA platform for a real time personal automated identification system.Keywords:biometric recognition;histogram equalization;ridge thinning;ridge ending;ridge bifurcation.1. INTRODUCTIONFingerprint recognition systems are termed under the umbrella of biometrics. Biometric recognition refers to the distinctive physiological (e.g. fingerprint, face, iris, retina) and behavioral (e.g. signature, gait) characteristics, called biometric identifiers or simply biometrics, for automatically recognizing individuals. In 1893, it was discovered that no two individuals have same fingerprints. After this discovery fingerprints were used in criminal identification and till now fingerprints are extensively used in various identification applications in various fields of life. Fingerprints are graphical flow-like ridges present on human fingers. They are fully formed at about seventh month of fetus development and fingerprint configuration do not change throughout the life except due to accidents such as bruises or cut on fingertips.Because of immutability and uniqueness, the use of fingerprints for identification has always been of great interest to pattern recognition researchers and law enforcement agencies. Conventionally, fingerprint recognition has been conducted via either statistical or syntactic approaches. In statistical approach a fingerprint’s features are extracted and stored in an n-dimensional feature vector and decision making process is determined by some similarity measures. In syntactic approach, a pattern is represented as a string, tree [1], or graph [2] of fingerprint features or pattern primitives and their relations. The decision making process is then simply a syntax analysis or parsing process.This paper suggests the statistical approach. Experimental results prove the effectiveness of this method on a computer platform, hence making it suitable for security applications with a relatively small database. The preprocessing of fingerprints is carried out using modified basic filtering methods which are substantially good enough for the purpose of our applications with reasonable computational time. Block diagram for the complete process is shown in Figure.1.2. IMAGE PREPROCESSINGFor the proper and true extraction of minutiae, image quality is improved and image preprocessing is necessary for the features extraction because we cannot extract the required points from the original image. First of all, any sort of noise present in the image is removed. Order statistics filters are used to remove the type of noise which occurs normally at image acquisition. Afterwards the following image preprocessing techniques are applied to enhance the fingerprint images for matching.2.1 Histogram EqualizationThis method is used where the unwanted part of the image is made lighter in intensity so as to emphasize the desired the desired part. Figure 2(a) shows the original image and Figure 2(b) histogram equalization in which the discontinuities in the small areas are removed. For the histogram equalization, let the input and the output level for an arbitrary pixel be i and l, respectively. Then the accumulation of histogram from 0 to i ( 0 ≤i ≤255,0 ≤k ≤255) is given bywhere H(k) is the number of pixel with gray level k, i.e. histogram of an area, and C(i) is also known as cumulative frequency.2.2 Dynamic ThresholdingBasic purpose of thresholding is to extract the required object form the background. Thresholding is simply the mapping of all data points having gray level more that average graylevel. The results of thresholding are shown in Figure 3.2.3 Ridgeline ThinningBefore the features can be extracted, the fingerprints have to be thinned or skeletonised so that all ridges are one pixel thick. When a pixel is decided as a boundary pixel, it is deleted directly form the image [3-5] or flagged and not deleted until the entire image been scanned [6-7]. There are deficiencies in both cases. In the former, deletion of each boundary pixel will change the object in the image and hence affect the object symmetrically. To overcome this problem, some thinning algorithms use several passes in one thinning iteration. Each pass is an operation to remove boundary pixels from a given direction. Pavlidis [8] and Fiegin and Ben-Yosef [9] have developed effective algorithms using this method. However, both the time complexity and memory requirement will increase. In the latter, as the pixels are only flagged, the state of the bitmap at the end of the last iteration will used when deciding which pixel to delete. However, if this flag map is not used to decide whether a current pixel is to be deleted, the information generated from processing the previous pixels in current iteration will be lost. In certain situations the final skeleton may be badly distorted. For example, a line with two pixels may be completely deleted. Recently, Zhou, Quek and Ng [10] have proposed an algorithm that solves the problem described earlier and is found to perform satisfactorily while providing a reasonable computational time. The thinning effect is illustrated in Figure 43. FEATURES EXTRACTIONThe two basic features extracted from the image are ridge endings and ridge bifurcation. For fingerprint images used in automated identification, ridge endings and bifurcation are referred to as minutiae. To determine the location of these features in the fingerprint image, a 3x3 window mask is used (Figure 5). M is the detected point and X1… X8 are its neighboring points in a clockwise direction. If X n is a black pixel, then its response R (n) will be 1 or otherwise it will be 0.If M is an ending, the response of the matrix will bewhere R(9)=R(1). For M to be a bifurcation,for example, if a bifurcation is encountered during extraction, mask will contain the pixel information such as R(1) = R(3)= R(4) = R(6) = R(7) = 0, R(2) = R(5) = R(8) = R(9) = 1, andFor all the minutiae detected in the interpolated thinned image, the coordinates and their minutiae type is save as feature file. At the end of feature extraction, a feature record of the fingerprint is formed.4. MATCHINGFingerprint matching is the central part of this paper. The proposed technique is based on structural model of fingerprints [11]. One of the major breakthroughs of this method is its ability to mach fingerprints that are shifted, rotated and stretched. This is achieved by a different matching approach. As it is clear that this algorithm matches the two fingerprint images captured at different time. This matching is based on the minutiae identification and minutiae type matching. Matching procedure is complex due to two main reasons;1) The minutiae of the fingerprint captured may have different coordinates2) The shape of the fingerprint captured at different time may be different due to stretching.An automated fingerprint identification system that is robust must have following criteria:1) Size of features file must be small2) Algorithm must be fast and robust3) Algorithm must be rotationally invariant4) Algorithm must be relatively stretch invariantTo achieve these criteria, the structural matching method described by Hrechak and McHugh [11] is adopted as the basis of our recognition algorithm, with changes made to the algorithm, to provide more reliable and improving overall matching speed. This matching represents the localidentification approach, in which local identified features, their type and orientation is saved in features file, is correlated with the other image’s extracted fe atures file. The model is shown in Figure 6.For each extracted features on the fingerprint, a neighborhood of some specified radius R about the central feature is defined and then Euclidean distance and relative angles between the central point and the other point is noted with the point’s type. Since the distance among the point remains the same throughout the life. So this technique works well for the rotated and shifted images.5. CONCLUSIONA fingerprint recognition algorithm that is fast, accurate and reliable has been successfully implemented. This algorithm can be modified, introducing the ridgeline count, and then could be used in online and real time automated identification and recognition system.REFERENCES[1] MOAYER, B., and FU, K.S.: ‘A tree system approach for fingerprint pattern recognition’, IEEE Trans., 1986,PAMT-8, (3), pp. 376-387[2] ISENOR, D.K., and ZAKY, S.G.: ‘Fingerprint identification using graph matching’, Pattern Recognit., 1986,19, (2) pp. 113-122[3] TAMURA, H.: ‘A comparison of line thinning algorithms from digital geometry viewpoint’. Proceedings of fourth international joint conference on Pattern Recognition, Kyoto, Nov. 1978, pp. 715-719[4] HILDITCH, C.J.: ’Linear skeleton from square cupboards’, Machine Intel., 1969, 4, pp.403-420[5] NACCACHE, N.J., and SHINCHAL, R.: ‘An investigation into the skeletonization approach of Hilditch’,Pattern Recognit., 1984, 17, (3), pp. 279-284[6] JANG, B.K., and CHIN, P.T.: ‘Analysis of thinning algorithms using mathematical morphology’, IEEE Trans.,Pattern Anal. Machine Intel., 1990, 12, (6), pp. 541-551[7] XU, W., and WANG, C.: ‘CGT: a fast thinning algorithm implemented on sequential computer’, IEEETrans.,1987, SMC-17, (5), pp. 847-851[8] PAVLIDIS, T.: ‘Algorithm for graphical and image processing’, Comput. Graph. Image Process., 1982, 20,pp133-157[9] FEIGIN, G., and BEN YOSEF, N.: ‘Line thinning algorithm’, Proc. SPIE – Int. Soc. Opt. Eng., 1984, 397, pp.108-112[10]ZHOU, R.W., QUEK, C., and NG, G.S.: ‘Novel single-pass thinning a lgorithm’, Pattern Recognit. Lett., 1995,16, (12), pp.1267-1275[11]HRECHAK, A.K., and MCHUGH, J.A.: ‘Automated fingerprint recognition using structural matching’,Pattern Recognit., 1990, 23, (8), pp. 893-904[12]GOUNZALEZ, R.C., and WOOD, R.E.: ‘Digital image processing’ (Pearson Education, 2002)指纹识别系统摘要指纹识别系统包括图像预处理、特征提取和在个人计算机上进行有效、准确地匹配的功能。
指纹识别系统毕业论文
指纹识别系统毕业论文摘要随着时代的发展，社会越来越需要高效、可靠的身份识别系统。
传统的个人身份鉴别手段如钥匙、口令、密码、身份证件，甚至IC卡等识别方式，由于它们具有可假冒、可伪造、可盗用、可破译的弱点，已不能完全满足现代社会经济活动和社会安全防范的需要。
随着识别技术的不断成熟和计算机技术的飞速发展，各种基于人体生理特征的身份识别系统如：指纹、手掌、声音、视网膜、瞳孔和面纹等识别技术纷纷从实验室中走出来。
目前，从实用的角度看，指纹识别技术是优于其它生物识别技术的身份鉴别方法。
关键词：指纹识别；单片机；图像处理绪论 (2)一、指纹识别的概述 (2)（一）指纹识别的历史 (2)（二）指纹识别的发展前景 (3)（三）指纹识别中的基本概念 (4)二、单片机MCS-51系统 (7)（一）MCS系列单片机简介 (7)（二）MCS-51存储器结构 (8)（三）MCS-51单片机的引脚功能 (12)（四）MCS-51单片机的中央处理器 (16)三、指纹识别系统的硬件设计 (18)（一）指纹识别系统硬件结构概述 (18)（二）指纹识别功能描述 (18)（三）指纹识别系统工作原理及硬件特性 (20)四、指纹识别系统的软件设计 (24)（一）识别指纹的总体特征和局部特征 (24)（二）指纹识别系统的流程 (25)（三）指纹识别系统串行口工作方式 (26)（四）单片机图像处理设计 (27)结论 (30)参考文献 (31)致谢.............................................. 错误！未定义书签。
进入21世纪后，由于国际反恐、互联网应用等因素的推动，在全球范围内，指纹识别技术得到了更加广泛的应用，指纹识别市场进入高速发展阶段。
据国际生物认证组织（International Biometric Group）的预测，到2008年，整个生物认证市场的总量将达到46亿美元，并将保持每年36％以上增长速度。
指纹识别系统简述与发展方向
指纹识别系统简述与发展方向作者：毋俊来源：《电子技术与软件工程》2018年第03期摘要本文对指纹识别技术的背景、应用历史、识别方法及原理进行了简单阐述，并简单介绍了自动指纹识别系统（AFIS）和指纹图像的归一化处理算法。
第三部分对指纹识别技术的局限性、发展方向进行了探讨。
【关键词】指纹识别 AFIS1 指纹识别技术的应用历史及发展现状1.1 指纹识别的应用历史现代指纹识别起源于16世纪末期。
早在1880年，亨利·福兹提出犯罪可用指纹识别系统识别的观点。
20世纪70年代，人们对于指纹自动识别的研究开始使用计算机进行，加上模式识别理论的迅速发展，一些实用系统逐渐面世。
70年代末，在加拿大，激光技术已经首次应用于指纹检验，取得了不错的效果。
20世纪80年代，指纹核对机在日本面世；1982年，NEC首次向警方提供了自动指纹识别技术；同时，在比利时刑事鉴定局、日本蝶理株式会社、英国政府的一些重要部门以及澳大利亚的ATM机、美国五角大楼和大多数商业部门，指纹识别技术都得到了初步应用。
中国的手印（指纹）应用起源于唐朝以前。
唐朝时期，已有记录用指纹确定个人身份的典籍。
我国现代较早使用现代指纹技术的是青岛，警方可以将指纹识别系统用于刑事侦查。
到了90年代时指纹识别应用系统发展迅速，出现了一些指纹识别技术领域的优秀研究成果。
当时，活体指纹身份识别系统已在深圳现世，自动指纹识别监控器也逐渐进入人们的视野；我国各大高校也相继推出指纹自动识别系统，并组织相关研究；深圳推出的指纹密码识别系统达到了一定的水平，可对指纹、手指三维、手指血管造影同时控制。
1.2 指纹自动识别系统的发展现状指纹识别系统集计算机网络技术、数据库技术为一体，又融合包含了光电技术、图像处理等技术，是一门综合性高技术。
其特点包括可靠、快捷、灵活、安全、方便、兼容性、实时性。
指纹识别具有一定的容错性，采用了一些容错技术，即使指纹稍微改变也能对指纹图像进行正确识别。
指纹识别系统(文献综述)
指纹识别方法的综述摘要: 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关键性原理和技术做了详细的说明,并对在各个过程中用到的方法做了进一步的比较,讨论了各种方法的优越性。
0 引言自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。
近年来,随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识别技术越来越多地进入到人们的生活和工作中,自动指纹识别系统的研究和开发正在成为国内外学术界和商业界的热点。
相对于其他生物特征鉴别技术例如语音识别及虹膜识别,指纹识别具有许多独到的优点,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术,有着十分广泛的应用前景,是将来生物特征识别技术的主流。
1 指纹取像图AFIS(AutomatedFingerprint的简→→↓↑————将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。
指纹图像的获取主要利用设备取像,方便实用,比较适合AFIS。
利用设备取像的主要方法又利用光学设备、晶体传感器和超声波来进行。
光学取像设备是根据光的全反射原理来设计的。
晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。
超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。
2 图像的预处理与特征提取无论采取哪种方法提取指纹,总会给指纹图像带来各种噪声。
预处理的目的就是去除图像中的噪音,把它变成一幅清晰的点线图,以便于提取正确的指纹特征。
预处理是指纹自动识别过程的第一步,它的好坏直接影响着指纹识别的效果。
常用的预处理与特征提取( Image Preprocessing and Feature Ex2t raction) 方法的主要步骤包括方向图计算、图像滤波、二值化、细化、提取特征和后处理。
当然这些步骤可以根据系统和应用的具体情况再进行适当变化。
(完整版)指纹识别完整论文(82页,无需修改)
第一章绪论指纹识别技术是生物特征识别领域中最为成熟的一门应用技术，具有悠久的历史。
长期以来，指纹识别技术主要应用于刑事侦查与司法鉴定领域，不被大多数人所了解。
计算机与信息处理技术的飞速发展，为这门历史悠久的应用技术开拓了更为广阔的市场，指纹识别技术与相关产品越来越多地应用于民用市场。
1.1生物特征识别技术简介1.1.1生物特征识别的意义生物识别技术（Biometric Identification Technology）是利用人体生物特征进行身份认证的一种技术[1]。
生物特征是唯一的（与他人不同）、可以测量或可以自动识别和验证的生理特性或行为方式，分为生理特征和行为特征。
生物识别系统对生物特性进行取样，提取其唯一特征并进行身份认证。
典型的生物识别系统的系统结构如图1.1：图1.1 生物识别系统结构框图现行的许多计算机系统中，包括许多非常机密的系统，都是使用"用户ID+密码"的方法来进行用户的身份认证和访问控制的。
实际上，这种方案隐含着一些问题。
例如，密码容易被忘记，也容易被别人窃取。
而且，如果用户忘记了他的密码，他就不能进入系统，当然可以通过系统管理员重新设定密码来重新开始工作，但是一旦系统管理员忘记了自己的密码，整个系统也许只有重新安装后才能工作。
有关机构的调查表明，因为忘记密码而产生的问题已经成为IT厂商售后服务的最常见问题之一[2]。
除了计算机网络及其应用系统外，一些传统的需要进行身份验证的场合，也存在着类似的安全性问题。
例如证件的伪造和盗用、不正当的转借等。
一些犯罪通过伪造证件进入机密场所以窃取机密信息，有的犯罪伪造签证和护照非法入境或移民，这是因为传统的证件使用了易于伪造、未经加密的纸制证件。
为了防范这类事件的发生，人们需要一种直接的身份认证手段，这就是“人体生物特征识别技术”。
他根据每个人自身所具有的生物特征来对每个人的真实身份进行鉴别。
这些生物特征大都具有“人格有异”、“终身不变”和“随身携带”的特点，确保认证的精确性和可靠性。
指纹识别毕业论文
指纹识别毕业论文指纹识别毕业论文指纹识别技术是一种广泛应用于生物特征识别领域的技术，它通过分析和比对人体指纹特征，实现对个体身份的准确识别。
指纹识别技术以其高度准确性和可靠性，被广泛应用于各个领域，如刑侦、安防、金融等。
本文将探讨指纹识别技术的原理、应用以及未来发展趋势。
一、指纹识别技术的原理指纹识别技术的原理基于每个人指纹独特的纹路和特征点。
人体指纹主要由脊线和脊间区域组成，脊线是指纹纹路的主干，脊间区域则是指纹纹路之间的空隙。
指纹纹路具有多样性和复杂性，每个人的指纹纹路都是独一无二的，即使是同卵双胞胎也具有不同的指纹特征。
指纹识别技术主要包括图像采集、特征提取和匹配三个步骤。
首先，通过指纹采集设备获取人体指纹图像，然后对图像进行预处理，如去噪、增强等，以提高后续处理的准确性。
接下来，通过特征提取算法，从指纹图像中提取关键特征点，如脊线、脊间区域等。
最后，将提取的特征与数据库中的指纹特征进行比对，以确定个体的身份。
二、指纹识别技术的应用指纹识别技术在各个领域都有广泛的应用。
在刑侦领域，指纹识别技术被用于破案和犯罪嫌疑人的身份确认。
通过与现场指纹数据库的比对，可以快速准确地找到嫌疑人的身份信息，为案件侦破提供重要线索。
在安防领域，指纹识别技术被应用于门禁系统和智能锁等设备中。
通过指纹识别，可以实现对特定人群的准确身份认证，提高安全性和便利性。
此外，指纹识别技术还可以应用于手机解锁、电子支付等场景，为用户提供更加安全和便捷的服务。
在金融领域，指纹识别技术被用于银行的身份认证和交易授权。
通过指纹识别，可以确保用户身份的真实性，防止身份冒用和欺诈行为。
指纹识别技术的应用，为金融行业提供了更高的安全性和可靠性，保护了用户的财产和隐私。
三、指纹识别技术的未来发展趋势随着科技的不断进步，指纹识别技术也在不断发展和完善。
未来，指纹识别技术可能在以下几个方面有更大的突破和应用。
首先，随着深度学习和人工智能的发展，指纹识别技术的准确性和鲁棒性将得到进一步提升。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
指纹识别方法的综述摘要 : 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关键性原理和技术做了详细的说明, 并对在各个过程中用到的方法做了进一步的比较, 讨论了各种方法的优越性。
0引言自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。
近年来, 随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识别技术越来越多地进入到人们的生活和工作中, 自动指纹识别系统的研究和开发正在成为国内外学术界和商业界的热点。
相对于其他生物特征鉴别技术例如语音识别及虹膜识别, 指纹识别具有许多独到的优点 ,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术有着十分广泛的应用前景, 是将来生物特征识别技术的主流。
,1指纹取像图1 是一个自动指纹识别系统 AFIS(Automated Fingerprint Identification System)的简单流程。
指纹取像→图像预处理→ 特征提取→ 指纹识别↓↑数据库管理————将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。
指纹图像的获取主要利用设备取像,方便实用 , 比较适合 AFIS 。
利用设备取像的主要方法又利用光学设备、晶体传感器和超声波来进行。
光学取像设备是根据光的全反射原理来设计的。
晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。
超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。
2图像的预处理与特征提取无论采取哪种方法提取指纹 ,总会给指纹图像带来各种噪声。
预处理的目的就是去除图像中的噪音,把它变成一幅清晰的点线图 ,以便于提取正确的指纹特征。
预处理是指纹自动识别过程的第一步 ,它的好坏直接影响着指纹识别的效果。
常用的预处理与特征提取( Image Preprocessing and Feature Ex2t raction) 方法的主要步骤包括方向图计算、图像滤波、二值化、细化、提取特征和后处理。
当然这些步骤可以根据系统和应用的具体情况再进行适当变化。
文献[ 1 ] 提出了基于脊线跟踪的方法能够从灰度指纹图像中直接抽取细节点及其相关信息。
21 1常用的方法21111方向图的计算6543276543217100*01712346723456图2计算灰度和的 9 × 9 模板Fig. 2The 9×9 mask to computethe slit sums预处理常基于方向图[2 ] 。
方向图是利用指纹纹线的方向信息, 把指纹的脊线和谷线分离。
一般采用 9× 9 模板 ,基准点位于模板的中心。
从水平位置开始 , 每隔π P8 确定一个方向 ,分别在每一个方向计算该点的灰度和 S i(slit sums , i = 0 ,1 , ?,7) , I ( i , j ) 代表点 ( i , j ) 的灰度值。
例如计算 S 3的公式如下 :S 3= I ( i - 2 , j - 4) + I ( i - 1 , j - 2) +I ( i + 1 , j+ 2) + I ( i + 2 , j + 4)(1)设S p和S q分别代表8个方向中最小的与最大的灰度和。
该点的方向一般只可能在 p 和q 这两个方向上。
用 C 代表该点的灰度值,那么可通过公式 (2) 得到该点的方向d。
如果该点位于脊沟上 ,那么该点的方向定义为p否则为q。
如此可以得到每一个像素点的方向。
37dp if (4 c s p s q )s i8i 0q 其他（ 2）文献 [3 ] 介绍了另外一种估计方向场的方法。
这种方法也将指纹脊线的走向分为类似图 2 的8个方向。
但在处理上大为不同。
他首先计算8 个方向的灰度平均值G mean[ i ] ( i = 0 ,1 , ?,7) ,然后将这8个平均值按两两垂直的方向分为4 组 (0 和4 、1 和 5 、2 和 6 、3 和 7) ,计算每组中两个平均值的差值 , 取差值的绝对值比较大的两个方向为可能的脊线方向,然后再取这两个方向中灰度平均值与该像素的灰度值比较接近的方向作为该像素处的脊线方向。
由于这些方向图的噪声很大 , 所以还必须进行平滑处理。
为便于进行下一步处理 ,计算各像素点方向角α ( α ? [ 0 ,180 ]) , 并用一个单位矢量υ = [cos2α ,sin2α ] 来表示该点的方向。
对于低质量的图像,不经过一定的图像增强,很难进行后续的处理工作。
指纹增强的目的是对低质量的灰度指纹图进行增强,得到清晰的脊线结构。
一般对灰度图的增强算法都要用到方向场和频率场的计算,如文献 [ 4 ] 提出的基于 Gabor 滤波器的增强算法。
由于增强算法计算量很大 ,通常是整个系统时间性能上的瓶颈.21112图像滤波图像滤波的方法很多,而且应用到指纹识别的很多步骤中。
对于噪声很大的指纹,还要在计算方向图之前对原始图像进行一次滤波,一般采用高斯滤波初步除噪。
在进行后续处理中常用的滤波方法有均值滤波、中值滤波、最小均方差滤波等。
由于高斯函数的傅立叶变换仍是高斯函数,因此高斯函数能构成一个在频域具有平滑性能的低通滤波器。
可以通过在频域做乘积来实现高斯滤波。
均值滤波是对是对信号进行局部平均,以平均值来代表该象素点的灰度值。
矩形滤波器(AveragingBox Filter) [2 ]对这个二维矢量的每一个分量进行独立的平滑处理。
通过计算和转化, 得到一幅单位矢量图。
这个512 ×512 的矢量图被划分成一个8 × 8 的小区域 ,再在每一个小区域中 ,统计这个区域内的主要方向,亦即将对该区域内点方向数进行统计, 最多的方向作为区域的主方向。
于是就得到了一个新的64 ×64 的矢量图。
这个新的矢量图还可以采用一个 3 × 3 模板进行进一步的平滑。
中值滤波是常用的非线性滤波方法,也是图像处理技术中最常用的预处理技术。
它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。
加权中值滤波能够改进中值滤波的边缘信号保持效果。
但对方向性很强的指纹图像进行滤波处理时,有必要引入方向信息,即利用指纹方向图来指导中值滤波的进行。
文献 [5 ] 采用方向加权中值滤波运用指纹方向图和模糊理论的思想来构造滤波模板,不同的前景点方向选择不同权值的模板。
最小均方差滤波器, 亦称维纳滤波器,其设计思想是使输入信号乘响应后的输出,与期望输出的均方误差为最小。
文献[ 6 ] 通过在不同区域内计算该区域的标准差和灰度平均值,取标准差最小区域的灰度平均值作为点( i , j) 的灰度。
21113二值化和细化以上所得的是增强后的256 级灰度图像 ,还需要将其进一步转变为二值图像(前景点取作景点取作 0) , 提取指纹脊线 ,便于后续处理。
指纹纹线的细化从实现上可分为两大类:一类是从外到内逐点剥去二值图像的边界点1 , 背, 如Hildth [7 ]算法 ; 另一类是从内到外 ,找到某一中间点 ,然后按扫描方向寻找其八邻域内也为纹条纹中间象素的点 , 逐次取得细化线。
前种方法中间定位性较好 ,易于实现 ,但往往要经过若干次迭代算法 ,速度较慢。
后种方法能保持较好的连通性,但情况复杂 ,中间定位不准 ,较难实现。
对于细化后的图像 , 经过一定的光滑处理后 ,进一步去噪 (如去处孤立点、毛刺、跨接短桥、小环等 )后 ,就可以初步提取指纹细节点。
21114特征提取在指纹图中出现频度较高的细节特征有8 种 ,即点、纹线端点、分支、眼、枝叉、交叉、小桥和短线 ,其中纹线端点和分支是两种基本的特征 ,而其他的特征可看作由其组合而成。
取纹线端点和分支作为指纹的细节特征。
指纹特征的提取采用链码搜索法对指纹纹线进行搜索, 提取出各种特征及其特征的坐标位置。
最终形成指纹特征文件 ,文件中包含指纹特征点的种类、大小、坐标、方向等有用的识别信息。
在有的系统中 ,还将细节特征与中心之间、或细节特征之间的纹线数提取并记录下来。
扫描完整幅图像后,可得其全部的特征点,这些特征点绝大部分是真实的, 但其中也包括由噪音引入的伪特征点,因此 , 还需进一步根据以下规则去除伪特征点:①纹线断点删除:若具有同一方向的两个端点之间的距离小于某一阀值,则认为是伪特征点。
②毛刺删除 :若连接于分支上的端点且其到分支的距离小于某一阀值,则认为是伪特征点。
③位于前景区域边界的特征点应删除。
经以上步骤的处理,可删除大部分假特征点。
21 2基于脊线跟踪的方法基于脊线跟踪的方法[1 ,8 ] 是直接从灰度及图像获取细节信息的新颖算法, 试验结果表明这种直接从灰度图像提取细节特征的方法比传统的先二值化再细化的方法具有明显的优点。
算法的基本思想是沿纹线方向自适应地追踪指纹脊线, 在追踪过程中 , 局部增强指纹图像, 最后得到一幅细化后的指纹脊线骨架图和附加在其上的细节点信息。
由于该算法只在占全图比例很少的点上估算方向并滤波处理,计算量相对较少,在时间复杂度上具有一定的优势。
3指纹分类,指纹识别常常需要在大规模的数据库上进行计算。
如果没有一种有效的数据库分类机制输入的指纹图像将不得不同数据库中大量的指纹数据逐一进行比对,系统工作将非常繁重。
为了减少时间和计算的复杂度 ,必须对指纹进行分类。
这样查询只需在指纹数据库中的一个相应子集中进行 , 从而节省了运算时间并降低了复杂度。
按照西方学者的惯例,在这篇文章中将指纹分为 5 类 :螺旋型 (Whorl)、右旋型(Right Loop) 、左旋型 (Left Loop)、弓型(Arch)、帐型( Tented Arch)。
指纹分类的实现方法很多,大致上可以分为 4 类:基于神经网络的分类方法、基于奇异点进行分类的方法、语法分析的方法和其他的方法。
3 . 1 基于神经网络的分类方法[9 ,10 ]神经网络的方法一般是基于多层感知器或Kohonen 自组织网络。
由于人工神经网络具有与人脑相似的高度并行性和良好的容错性,特别是以改进型 BP 网络为代表的神经网络具有良好的自学习能力、强大的分类能力和容错能力。
运用 BP 网络进行指纹分类是很可行的,但是在采用 BP 算法训练连接权值时,由于 BP 算法存在易于陷入局部极值的缺点,因而可能使最终的分类结果达不到理想状态。
遗传算法( GA)是一种自适应的启发式全局搜索算法,能从问题的解空间而不是单个解开始进行鲁棒性搜索,可以有效地防止寻优结果收敛于局部最优解。
该算法不依赖于问题模型特性,没有解析寻优算法要求目标函数连续光滑的限制, 具有较好的自适应性。