第一章 绪论
1.1 生物识别技术
生物识别技术是依靠人体的身体特征来进行身份验证的一种解决方案。人体的生物特征包括指纹、声音、脸孔、视网膜、掌纹、骨架等等。所谓的生物识别的核心在于如何获取这些生物特征，并将之转换为数字信息，存储于计算机中，利用可靠的匹配算法来完成验证与识别个人身份的过程[1]。由于人体特征具有人体所固有的不可复制的唯一性，这一生物密钥无法复制、失窃或被遗忘。生物识别技术具有非凡的理论意义和广泛的应用领域，几十年来一直为各国科学家和政府所关注。生物识别技术包括面部识别技术、视网膜识别技术、亲子鉴定、签名识别技术、指纹识别技术[9]等等。
相对于其它身份识别技术，自动指纹识别是一种更为理想的身份确认技术，主要是因为：
①每个人的指纹是独一无二的，不存在完全相同的手指指纹且每个人的指纹是相对固定的，很难发生变化；
②便于获取指纹样本，易于开发识别系统，实用性强；
③一个人的十个手指指纹都不相同，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，且不会增加系统的设计负担；
④指纹识别中使用的模板并非最初的指纹图像，而是由指纹图像中提取的关键特征，系统对模板库的存储量较小。另外对输入的指纹图提取关键特征后，可以大大减少网络传输的负担，便于实现异地确认，支持计算机的网络功能。
1.2 指纹识别技术的基本内容 1.2.1 指纹识别技术的发展及现状
指纹是手指皮肤上特有的花纹，由皮肤上的隆起线构成。这些隆起线的起点、终点、分叉、结合等被称为细节特征点。隆起线的这种细节特征有无数种排列，
1
因此，每个人的指纹甚至一个指纹的每条隆起线都是独特的。人的指纹具有唯一性和稳定性，一直是身份鉴定的可靠手段。随着计算机技术及图像处理与模式识别方法的高速发展，使指纹的自动识别成为可能。
在西方，最早提出的用指纹鉴定罪犯的是英国医生亨利·福尔兹。1882年英国科学家弗朗西斯·加尔出版了他的专著《指纹》。其中影响力巨大的三个结论是：指纹终身不变；指纹可以识别；指纹可以分类。真正首次使用指纹识别技术是在1896年阿根廷警察局运用此技术顺利破获了一起案件。1963年美国首先开展了计算机指纹自动识别系统的研究，1975年日本也开始这方面的工作，我国在此领域的研究开展得较晚（约于1981年开始）[7]。近年来，有关指纹自动识别的研究已成为模式识别、图像理解及计算机视觉领域中广为关注的热点，国内也相续推出了自动化程序较高的系统。
目前指纹自动识别研究越来越受到广泛的重视，但由于缺乏统一的行业标准，国内外对指纹识别的处理方法各有不同，对指纹识别系统的描述与划分也不同。进入二十世纪九十年代，随着计算机技术，特别是图像处理技术、模式识别技术的迅速发展，以及大量快速有效的数字信号处理芯片的实现，指纹识别技术的应用越来越广泛，它不仅用于公安、司法等部门作为罪犯查证的一种手段，而且还广泛应用于银行、保密、信用等需要验证个人身份的场所及严格控制出入的地方。当今社会对技术发展的要求是先进、成本低廉、易用，为这个顺序发展，指纹识别技术作为身份识别工具，日益受到人们的欢迎。
1.2.2 指纹的验证与辨识
总体来说，指纹识别与鉴别都属于指纹识别范畴，识别通常又称为辨识，鉴别又叫验证或认证，它们在实际应用系统中的作用有所区别。
2
① 输入ID ② 出示指纹 ③ 计算特征值 ④ 保存ID与特征值 ⑤ 取出相应的指纹特征值 ⑥ 比较两个指纹特征值 用户ID ① 用户指纹② 指纹库 ④ 指纹特征值③ 指纹特征值⑤ ⑥ 对比 图1-1 一对一指纹登记与验证系统示意图
应用系统利用指纹识别技术可以分为两类，即验证（Verification）和辨别(Identification),系统分别可称为自动指纹识别系统（AFIS）和自动指纹认证系统（AFIS），其中前者又包含了后者。验证就是通过把一个现场采集到的指纹与登记的指纹进行“一对一的对比”，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已经注册。指纹以一定的压缩格式储存，并与其姓名或其标识（ID,PIN）联系起来，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，图1-1表示了验证处理过程。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，这就叫“一对多匹配”。图1-2表示了辨识处理过程。 ① 输入ID ② 出示指纹 ③ 计算特征值 ④ 保存ID与特征值 ⑤ 逐一对比 ⑥ 匹配时输出ID 用户ID
图1-2 一对多指纹登记与辨识系统示意图
3
用户ID ① 用户指纹② 指纹库 ④ ⑤ 指纹特征值③ 指纹特征值 ⑥ 对比
1.3 研究的目标和所作的工作
指纹分类的主要目的是方便大容量指纹库的管理，并减小搜索空间，加速指纹匹配过程。指纹分类是基于指纹脊或谷的整体流向以及指纹的核心点，在一对多的识别应用中尤为重要。很多研究者试图解决指纹分类问题，但至今分类算法的误识率仍较高。如何提高指纹分类的准确率在自动指纹识别研究中是一个较关键的问题。
本课题研究在Uareu开发包的基础上，运用数字图像处理和模式识别的方法，对提取的指纹加以分类，将分类特征码加入到原Uareu开发包指纹特征码中，在此基础上再进行指纹的识别，从而有较缩短指纹识别的时间，使误判率与拒识率都有所改善。对于传统的分类算法，分析了其在实际应用中的缺陷，在分类的各个步骤中提出了一种简化而有效的有向图求取算法和根据特征点划分指纹类型的算法，并通过国际标准指纹数据库的测试，得到两种方法的比较结果，证明了改进算法的正确性和优越性。我们将该算法实际应用于指纹考勤系统上，通过了相应的实际大容量测试，结果令人满意。
1.4 本文的框架
本文共分为六章，第一章为绪论，介绍了生物识别技术，其中着重介绍了指纹识别技术的现状和趋势，阐述了研究的目标和任务；第二章阐述了系统的设计原理和思想；第三章具体描述了改进的指纹分类算法及其各步骤的实现；第四章为算法的具体应用，将该算法应用到指纹考勤系统中，介绍了指纹考勤系统的模块和设计；第五章为结论，总结了所做的工作。
4
第二章 指纹识别系统设计
2.1 指纹识别系统概述 2.1.1 指纹识别系统的基本原理
指纹识别系统中的一个重要的理论工具及应用工具是模式识别。模式识别主要分为句法模式识别和统计模式识别。简单地说，统计模式识别的目标是解决分类 [2]。本文所讨论的指纹特征识别问题，属于有监督分类，它的中心问题是类内距离和类间距离。所谓类内距离，就是指同一个类中的样本的距离或差别。对应地，类间距离指不同类的样本的距离或差别。它们的关系是由识别类的所有样本的变量的自由度的个数所决定[5][6]。理想的情况是，类内距离相当小，类间距离相当大。把这一原理应用到指纹身份识别中，对于指纹特征，同一个人在不同时期不同条件下的取值差别极小，而不同的人即使在同一时期同一条件下的取值差别极大。
自动指纹识别主要包括指纹图像的采集、指纹图像预处理（图像分割、增强、二值化、滤波、平滑、细化）、指纹特征提取、指纹分类、指纹匹配（识别或鉴别）[11]。从而构成自动指纹识别的每一子系统（预处理、特征提取、指纹分类、指纹匹配），对整体来说都很关键。因此研究人员在传统算法的基础上又衍生出许多改进的算法，从而大大的提高了各步及整个系统的处理效率。
指纹自动识别系统的系统结构如图2-1所示：
指纹库 指纹输入 预处理逻辑 特征提取 指纹识别 输出结果 图2-1 自动指纹识别系统结构图
指纹识别技术主要的四个功能：读取指纹图像、提取特征、保存数据和比对。 通过指纹读取设备读取到人体指纹的图像，取到指纹图像后，要对原始图像进行初步的处理，使之更清晰。接下来，指纹识别软件建立指纹的数字表示——
5