淮安信息学院毕业设计（论文） 第 6 页 共 6 页 2.1.2 局部特征
局部特征是指指纹上的节点的特征，这些具有某种特征的节点称为特征点。两枚指纹经常会具有相同的全局特征，但是它们的具有特征却不可能完全相同。
指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或者打折。这些断电、分叉点和转折点就称为“特征点”。就是这些特征点提供了指纹唯一性的确认信息。指纹上的节点有四种不同特征：
(1) 特征点的分类
有以下几种类型，最经典的是终结点和分叉点，如表2.1所示。
表2.1 指纹细节点示意图
(2) 方向(orientation)即节点可以朝着一定的方向。 (3) 曲率(curvature)即描述纹路方向的改变速度。
(4) 位置(position)节点的位置通过(x,y)坐标来表示，可以用绝对坐标，也可以用相对坐标表示[4]。
2.2 自动指纹识别技术的分类及工作原理
由于人体的生理特征具有不可复制的特点，人们把目光转向了生物识别技术，希望可以借此技术来应付现行系统所面临的安全性问题的挑战。要把人体特征用于身份识别，这些特征必须具有唯一性和稳定性。经研究表明，人的指纹、掌纹、面相、语音、虹膜、视网膜等都具有唯一性和稳定性，基于这些，人们发展了指纹识别、面相识别、语音识别等多种生物识别技术，目前许多技术都已经发展成熟并得以应用，其中对指纹识别技术的研究最为深入和成熟。 2.2.1 自动指纹识别系统的分类
按照用途和功能的不同可以将自动指纹识别系统分为两类，即身份验证系统(verification)和身份辨识系统(identification)[4]。
身份验证就是在他或她的指纹已经在指纹库中注册的前提下，把现场采集到的指纹与已经注册登记的指纹进行一对一比对(one-to-one matching)，从而来确认身份。指纹以一定的压缩格式存贮，并与其姓名或其标识(ID,PIN)联系起来。随后在比对现场，
淮安信息学院毕业设计（论文） 第 7 页 共 7 页 先验证其标识，然后利用系统的指纹模板与现场采集的指纹比对来证明其标识是合法的。验证其实是回答了这样一个问题：“他是你自称的这个人码？”这是应用系统中使用的较多的方法，验证过程如图2.3所示。
身份辨识则是把现场采集到的指纹同指纹库中的指纹逐一比对，从中找出与现场指纹相匹配的指纹，这也叫一对多(one-to-many matching)。验证其实是回答了这样一个问题：“他是谁？”辨识主要应用于犯罪指纹匹配的系统领域中。一个身份不明的人的指纹与指纹库中有犯罪记录的人的指纹进行比对，来确定此人是否曾经有过犯罪记录，辨识过程如图2.4所示。
图2.3 指纹验证过程
图2.4 指纹辨识过程
验证和辨识在比对算法和系统设计上各具特点。身份验证系统主要用于民用领域，一般只考虑对完整指纹进行比对，更强调易用性；身份辨识系统主要用于警用领域，因此还要考虑到对残纹的比对，易用性和安全性都要兼顾；；验证系统对比算法的速度要求不如辨识系统高，但更强调易用性；另外在辨识系统中，一般要使用分类计数来加快搜索的速度。
除了验证系统一对一和辨识系统一对多的比对方法，在实际应用中还有一对几个
淮安信息学院毕业设计（论文） 第 8 页 共 8 页 匹配(ont-to-few matching)匹配方式，它主要应用于只有几个(few)，例如一个家庭的成员要进入他们的房子。一对几个匹配一般使用与一对一匹配相同的方法。
指纹是人体独一无二的生物特征，其复杂程度足以提供用于身份鉴别的特征。指纹识别技术已经发展成为目前最方便、可靠、非侵害和价格低廉的生物识别技术解决方案，随着相关技术的逐步成熟，指纹识别技术的应用将有着广阔的市场空间。 2.2.2 指纹识别系统工作原理
一般来讲，自动指纹识别算法体系由指纹图像采集、指纹图像预处理、指纹特征提取、指纹分类和指纹比对几个部分组成。系统识别框图如图2.5所示。
指纹采集图像处理特征提取指纹库系统学习模块图像采集图像处理特征提取指纹比对输出结果指纹识别模块
图2.5 自动指纹识别系统框图
图中的学习模块负责采集用户指纹数据，对指纹图像进行预处理，提取出指纹特征，用来作为指纹模板存入指纹库。而识别模块则负责采集和处理指纹图像，在提取特征后与指纹库中的指纹模板进行比对，然后判断是否匹配，得出结论。整个系统的核心就是图像处理、特征提取以及指纹比对。
1.指纹图像采集
较早出现的活体指纹采集设备是光电式的，现在仍为大多数自动指纹识别系统所使用。后来出现的电容式和电感式采集设备，在某些条件下可以提高指纹采集的质量，但在耐磨性和稳定性等方面还存在一些问题。
到目前为止，光学采集头提高了更加可靠的解决方案。通过改进原来的光学取像技术，新一代的光学指纹采集器更是以无可挑剔的性能与低廉的价格赢得了广阔的市场[5]。
光学取像设备依据的是光的全反射原理(FTIR)，它需要一个光源从三棱镜反射到按在采集头上的手指上，光线照到压有指纹的玻璃表面，反射光线由CCD获取，反
淮安信息学院毕业设计（论文） 第 9 页 共 9 页 射光线的总量依赖于压在玻璃表面的指纹脊线和谷线的深度和皮肤与玻璃间的油脂和水分。光线经玻璃射到谷线后在玻璃与空气的界面发生全反射，光线被反射到CCD，而射到脊线的光线不发生全反射，而是被脊线与玻璃的接触面吸收或漫反射到其他地方，这样就在CCD上形成了指纹图像。
2.图像预处理
通常，由指纹采集器采集到的原始指纹图像的质量是比较低的，存在较多的噪声。通过对原始指纹灰度图像进行预滤波、方向图计算、基于方向图滤波、二值化、细化等一系列操作，将其转化为单像素宽的脊线线条二值图像，基于此二值图像对指纹的中心参考点，以及细节特征点进行特征提取[6]。指纹预处理的一般过程如图2.6所示。
预处理预滤波方向图方向滤波二值化细化
图2.6 指纹图像预处理流程
3.指纹特征提取
指纹特征点分为全局特征(如核心点、三角点)和局部特征(指纹细节点)。在考虑局部特征的情况下，英国的E.R.H.erry认为，在比对时，只要有13个特征点重合，就可以确定是同一枚指纹。指纹的细节特征有150多种，但这些特征出现的概率并不相等，有的特征是极其罕见的。
一般在指纹识别技术中只使用两种细节特征，即纹线的终结点和分叉点。纹线端点指的是纹线突然终止的位置，分叉点则是纹线突然一分为二的位置。大量统计结果和实际应用表明，这两类特征点在指纹中出现的概率最大、最稳定，而且比较容易获取。
4.指纹分类
指纹分类的目的是方便海量指纹库的管理，尽可能减小搜索空间，从而加速指纹匹配所需的时间。指纹分类方法越完善，划分的类型越详细，指纹库中每类中所包含的指纹模板数量就越少，对一次识别任务来讲，需要比对的次数和时间花费就会越少。
在大部分研究中，指纹一般分为旋涡型(whorl)、左环型(left loop)、右环型(right
淮安信息学院毕业设计（论文） 第 10 页 共 10 页 loop)、拱型(arch)、尖拱型(tented arch)5类[7]。对于要求严格的专用指纹识别系统，仅仅按照这样的分类方式是远远不能满足系统要求的，因此还需要进一步进行更加细致的分类。
5.指纹比对
指纹比对是通过将两枚指纹进行计较从而确定它们是否来自同一手指的过程。指纹比对主要是通过比较两枚指纹的局部特征和相互关系来决定指纹的唯一性。细节特征的集合形成一个拓扑结构，所以指纹比对的过程实际上是两个拓扑结构的匹配问题。
由于采集过程中的变形、特征点位置的偏差、真正特征点的丢失和伪特征点的存在等问题，会造成即使是同源指纹但所获得的特征信息却不完全一样，所以指纹比对的过程是一个模糊匹配的过程。 2.2.3 自动指纹识别系统系能评价指标
1.拒真率与认假率
算法是指纹识别系统实现其功能最重要的部分。据此，人们引入了拒识率(False Rejection Rate,FRR)和误识率(False Accept Rate,FAR)来描述系统的精确度[8]。
FRR拒识率又称拒真率，指将相同的指纹误认为是不同指纹，而加以拒绝的出错概率。其定义为：
FRR=拒识的指纹数目考察的指纹总数目?100%
FAR误识率又称认假率，指将不同的指纹误认为是相同指纹，而加以接收的出错概率。其定义为：
FAR?误识的指纹数目考察的指纹总数目?100%
自动指纹识别系统的拒真率和认假率存在一定的关系，其关系图如图2.7所示。