深圳市宏昊安科技有限公司

    人为什么会有指纹呢？

　　指纹是人类手指末端指腹上由凹凸的皮肤所形成的纹路。指纹能使手在接触物件时增加摩擦力，从而更容易发力及抓紧物件。是人类进化过程式中自然形成的。　　
　　指纹由遗传影响，由于每个人的遗传基因均不同，所以指纹也不同。然而，指纹的形成虽然主要受到遗传影响，但也有环境因素，当胎儿在母体内发育三至四个月时，指纹就已经形成，但儿童在成长期间指纹会略有改变，直到青春期14岁左右时才会定型。在皮肤发育过程中，虽然表皮、真皮，以及基质层都在共同成长，但柔软的皮下组织长得比相对坚硬的表皮快，因此会对表皮产生源源不断的上顶压力，迫使长得较慢的表皮向内层组织收缩塌陷，逐渐变弯打皱，以减轻皮下组织施加给它的压力。如此一来，一方面使劲向上攻，一方面被迫往下撤，导致表皮长得曲曲弯弯，坑洼不平，形成纹路。这种变弯打皱的过程随着内层组织产生的上层压力的变化而波动起伏，形成凹凸不平的脊纹或皱褶，直到发育过程中止，最终定型为至死不变的指纹。　　
　　指纹有3种基本类型——环型、弓型和螺旋型。是皮下组织对指肚表皮顶压方向的不同造就了这不同的类型。研究表明，如果某人指头肚高而圆，其指纹的纹路将是螺旋型。现在，科学家已能够通过模型再现那些较为常见的指纹，也能重复不太复杂的罕见指纹的形成过程。　　目前尚未发现有不同的人拥有相同的指纹，所以每个人的指纹也是独一无二。由于指纹是每个人独有的标记，近几百年来，罪犯在犯案现场留下的指纹，均成为警方追捕疑犯的重要线索。现今鉴别指纹方法已经电脑化，使鉴别程序更快更准。

指纹采集原理和过程

　　指纹采集的过程本质上是指纹成像的过程。其原理是根据嵴与峪的几何特性、物理特征和生物特性的不同，以得到不同的反馈信号，根据反馈信号的量值来绘成指纹图像。
　　指纹的几何特性是指在空间上嵴是突起的，峪是凹下的。嵴与嵴相交、相连、分开会表现为一些几何图案。指纹的生物特性是指嵴和峪的导电性不同，与空气之间形成的介电常数不同、温度不同等。
　　指纹的物理特性是指嵴和峪着力在水平面上时，对接触面形成的压力不同、对波的阻抗不同等。
　　指纹采集的方法有两种，一种是由指纹采集器件主动向手指发出探测信号，然后分析反馈信号，以形成指纹嵴与峪的图案。如光学采集和射频（RF）采集属于主动式采集。另一种是指纹采集器件是被动感应的方式。当手指放置到指纹采集设备上时，因为指纹嵴和峪的物理特性或生物特性的不同，会形成不同的感应信号，然后分析感应信号的量值来形成指纹图案。如热敏采集、半导体电容采集和半导体压感采集属于第二种。
　　对指纹采集设备来讲，一般经过“感知手指”、“图像拍照”“质量判断与自动调整”三个主要过程。考虑到设备功耗，在无手指接触时，采集设备处在休眠状态。当手指接触到采集设备时，采集器会迅速感知到手指的接触并切换到工作状态。对于半导体类指纹采集设备大多具有这种敏锐的指纹察觉技术。有的时候还会根据手指特有的生理表现，来判断是否为真实的手指，如果用手背等其它肤纹来接触采集设备，会被拒绝。随着活体采集技术的研究进展，指纹采集设备还会判别是否为活体手指，这可以通过检测手指的活体特性（如出汗、血液流动、导电性等）来实现。
　　“图像拍照”是采集过程的关键步骤。指纹采集器件以每秒几十帧甚至几百帧的速度来产生指纹图像。对于主动式采集的器件，会通过器件内部的控制电路发出探测信号，如光、RF、超声波，然后根据嵴与峪对探测信号的反馈值的大小，来形成指纹图像。对于感应式采集的器件，根据感应到的嵴与峪所形成的信号大小来绘制指纹图像。
　　每次形成的指纹图像，采集器件内部的控制系统会判断图像质量。如果图像质量过低，不能达到预先设定的质量要求，会通过AGC自动增益电路，增加探测信号或感应信号的强度，以达到理想的取图效果。部分厂商的指纹采集器件，在采集过程中，能针对干湿手指作自动适应，以适应不同类型手指的用户。
　　理想情况下，如果在采集过程中外界噪声足够小，得到的指纹图像则是干净的、真实的。现实情况是，由于手指表面脱皮的影响、污渍的影响、设备采集面的不干净等多种因素影响，所以一般还需对采集到的指纹图像进行处理。这将在指纹图像预处理章节详述。由于采集面的形状不同，有的指纹采集器件是方形，手指只要按上去，整个指纹都可以一次性采集到。但目前市场上出现了较多的线型刮擦式采集器件（也叫滑动式，英文叫SWIPE或SWEEP），其宽度只有5mm左右，面积只有手指的1/5,手指按压上去时，无法一次性采集到完整图像。这类刮擦式指纹采集器件在采集时需要手指划过采集表面，对手指划过时采集到的每一块指纹图像再进行拼接，才能形成完整的指纹图像。下图为刮擦式指纹采集的过程图。

什么是指纹识别技术

　　从“指纹”到“指纹术”的研究，经历了漫长的过程。指纹技术形成之后，又经过了从人工识别技术到自动化识别技术的发展转变。随着计算机图像处理技术和信息技术的发展，指纹识别技术逐渐进入IT技术领域，与众多计算机信息系统结合在一起，被广泛应用起来。本章介绍指纹识别技术的主要技术构成。
　　几个重要概念指纹识别技术作为一个新的IT技术领域，自身具有许多新的概念。了解指纹识别技术的概念有助于准确的理解指纹识别技术。
　　指纹识别系统
　　指纹识别系统经过人工识别到机器识别的发展之后，进入自动识别阶段，称为自动指纹识别系统（AFIS）。一个典型的自动指纹识别系统，包括与人交互的前端子系统――自动指纹采集设备、完成指纹图像处理和特征值提取的后台子系统，以及用于指纹库存储的数据库子系统。当后台子系统用于指纹注册过程时，可以称为指纹注册子系统。当它用于指纹辨识过程时，称为指纹辨识子系统。
　　注册与匹配
　　指纹注册又叫指纹登记。是从指纹图像中提取指纹特征值，形成指纹特征值模板，并与人的身份信息结合起来，存储在指纹识别系统中的过程。它相当于为指纹报户口。所以指纹注册的时候，需要保证指纹与身份信息之间的正确对应。尤其对于政府、社团、公司等单位进行指纹注册时，防止冒名顶替，避免指纹与身份信息关联错误，是非常重要的。因此在这类指纹应用中，指纹登记的过程，需要现场督导人员参与。甚至把督导人的指纹采集到系统中，作为注册者指纹特征值模板的组成部分，以示职责之重要，并为后续责任审计提供依据。识别与验证识别与验证并不是指纹识别算法领域的问题，而是指纹识别系统的问题。指纹识别是指在1：N模式下匹配指纹特征值。它是从多个指纹模板中识别出一个特定指纹的过程。其结果是，“有”或者“没有”。有时会给出“是谁”的信息。
　　指纹验证是指在1：1模式下匹配指纹特征值。它是拿待比对的指纹特征模板与事先存在的另一个指纹特征模板进行一次匹配的过程。其结果是“是不是”。在一个系统中既可以采用1：1模式也可以采用1：N模式，这是取决于应用系统的特点和要求。有时候还可以业务模式的需要，把1:N模式转化为1:1模式以提高系统安全性和比对速度。
　　FRR与FAR
　　FRR（False Rejection Rate）和FAR（False Acceptance Rate）是用来评估指纹识别算法性能的两个主要参数。FRR和FAR有时被用来评价一个指纹识别系统的性能，其实这并不贴切。指纹识别系统的性能除了受指纹算法的影响外，指纹采集设备的性能对FRR和FAR的影响也是不能忽视的。
　　FRR通俗叫法是拒真率的意思，标准称谓是FNMR（False Non-Match Rate 不匹配率）。可以通俗的理解为“把应该相互匹配成功的指纹当成不能匹配的指纹”的概率。对指纹算法的性能测量是在给定指纹库的情况下进行测量的。用于测量的指纹库一般由FVC（国际指纹识别算法大赛）组织者给定。FVC在作指纹识别算法性能测试时，并无外界指纹输入，是使用标准的指纹图像库来测试的。所以FNMR是在没有连接指纹采集设备的情况下得出的测试值。本节的其它参数也都是在这一前提下得出的。
　　假定指纹库中有100个不同ID的手指，每个手指注册有3枚指纹，则该指纹库中共有300枚指纹。假定P1表示手指1的ID，则其三次注册的指纹用P1-F1,P1-F2,P1-F3来表示。FNMR是指把指纹库中的同一个手指的3枚指纹两两比较，即P1-F1与P1-F2匹配，P1-F1与P1-F3匹配，P1-F2与P1-F3匹配，P1-F2与P1-F1匹配，P1-F3与P1-F1匹配，P1-F3与P1-F2匹配，共有6种匹配方式。把所有100个手指在其内部均作6种匹配，共6x100=600次匹配。理论情况下，600次匹配均能正确匹配，匹配的成功率为100%。实际上因为同一手指的3枚指纹图像不可能完全一样，所以有一个匹配相似度问题。假定我们把匹配成功的相似度设为>90%，就是说当相似度大于90%时，表示匹配成功。然后我们从600次匹配中，找出多少次相似度在90%以上的，这个数值就表示匹配成功的次数，假定为570次。600次中其余的表示没有匹配成功的次数，为600-570=30次。则匹配失败率，就是30/600=5%。
　　对于指纹识别算法来讲，在指纹库确定的情况下，其匹配失败率FNMR是一定的。当指纹库发生变化，其FNMR也会有变化。所以国际上是以FVC公布的指纹库为统一的测试库，在该测试库中测试出来的FNMR结果作为衡量指纹算法性能的标准参考。 FAR一般称为认假率，其标准称谓是FMR（False Match Rate 错误匹配率）。FMR是用来评估指纹识别算法性能的最重要参数。可以通俗的理解为“把不应该匹配的指纹当成匹配的指纹”的概率。
　　同样以前段中的指纹库为例。把库中的每个指纹，与除自己之外的其它所有指纹进行匹配，匹配的总次数，即3x99x3x100=89100次。理论情况下，匹配成功次数为6x100=600次，匹配失败次数应为89100-600=88500次。假定由于指纹算法性能的原因，把本应该匹配失败的判为匹配成功，若假定这种错误次数为100次。则错误接受率FAR为100/89100=0.11%。匹配失败次数是因判定相似的条件严格程度而变化的。当匹配成功的筛选条件，即门限值提高时，FAR会降低。
　　FAR也与指纹库相关。所以在FVC大赛中，有4个指纹库用于测试，并取平均值。其中有一个指纹库是人工生成的，以排除采集设备不同导致的指纹图像质量不同对算法效能的影响。
　　在同一个指纹库中，对同一个算法来讲，需要设定一个阈值，作为判定相似的标准。当相似度大于这个阈值时，表示匹配成功，否则表示匹配失败。FNMR是随阈值增大而增大的，即判定相似的门槛值越高，则真的指纹判定为假的机率越大。反之，FMR是随阈值增大而减小的，即随着判定相似度的门槛值越高，把假的指纹判定为真的概率会越小。FAR与FRR成反比。根据2004年FVC大赛测试结果，一般当FMR是1/1000量级时，FNMR是5/100左右。也就是100个手指的指纹库中，进行1000次匹配，有可能发生一次匹配错误，即认错。进行100次匹配，有可能出现5次匹配失败，即不认。
　　EER
　　EER（Equal Error Rate）是相等错误率的意思。这个参数一般在普通场合不大使用。EER主要用于评价指纹算法整体效能的指标。也就是把FAR、FRR两个参数统一为一个参数，来衡量指纹算法的整体性能。FAR和FRR是同一个算法系统的两个参数，把它放在同一个坐标中，如图30所示。FAR是随阈值增大而减小的，FRR是随阈值增大而增大的。因此它们一定有交点。这个点是在某个阈值下的FAR与FRR等值的点。习惯上用这一点的值来衡量算法的综合性能。对于一个更优的指纹算法，希望在相同阈值情况下，FAR和FRR都越小越好。
　　把FAR和FRR曲线都向下平移。同时相交点ERR也向下平移。所以EER值越小的时候，表示算法的整体性能越高。
　　由于当FRR与FAR相交时对应的阈值都很小，也就是说此时的相似度阈值连30%都不到。实际使用中的阈值至少设在80%以上，所以EER值并不被用在大众化场合来描述指纹算法的性能，只是在竞赛排名中使用。
　　拒登率
　　拒登率一般使用较少，在指纹识别术语中，它是一个意思相对比较含糊的词。在世界指纹算法大赛中，有个参数叫拒绝注册率，有时被称为拒登率，用来衡量指纹识别算法对指纹图像质量的挑剔程度，用REJENROLL。表示。在给定的指纹数量，如100枚指纹图像中，可以成功注册或称为建档的指纹，如果是99，则REJENROLL　＝　1%。对FVC大赛给出的标准指纹库来讲，绝大多数的指纹算法都可以建档成功，即REJENROLL　为0.00％。
　　在另外一种场合，拒登率通常被解释为指纹识别系统（包含指纹采集设备）不接受指纹注册的概率。这种情况下，拒绝注册的因素，除了算法本身的原因外，更多的受指纹采集设备的成像能力的影响。指纹采集设备输出的指纹图像质量越好，指纹识别系统的拒登率越低，指纹采集设备输出的指纹图像质量越低，其拒登率越高。
　　注册时间和匹配时间注册时间是用来衡量指纹算法性能的另一个指标。它是指从输入指纹图像到指纹建档成功（注册成功）的时间。根据FVC大赛的结果，一般的指纹算法注册时间在0.5秒以内，这也是FVC以参加LIGHT组比赛的算法提出的参赛资格之一。
　　匹配时间有时称为比对速度，是用来指示指纹识别算法完成一次匹配所需的时间。它是从指纹图像输入算起到匹配结果输出为止的时间。参加算法大赛的绝大多数算法的匹配时间在0.3秒以内，这个参数与注册时间最小值一起构成LIGHT组的参赛条件。
　　由于这些时间都是受待测的指纹图像的质量影响，所以一般取多个指纹库的平均值，所以一般拿平均注册时间和平均匹配时间作为衡量依据。

怎样提高指纹登记和比对的成功率？

　　1.用柔软的抹布擦掉传感器的录入窗口上的污渍和汗滴，保持录入窗口干净。
　　 2.选择指纹清晰，无破损、龟裂，清洁无汗的手指作指纹录入。推荐使用大拇指、食指、中指。
　　3.手指按压点应对准感应器中心，用力适中。
　　4.手指接触传感器时，应注意避免手指接触产生的静电干扰。
　　5.按照说明书规定的步骤和次数进行录入。

如何使用和保养指纹传感器？

　　1.严禁金属物，导电物质接触或者靠近传感器指纹录入窗口的表面，以防物理伤害。
　　 2.保持传感器的录入窗口干净，不要工作在日晒、雨淋、强磁环境下。
　　3.遇到传感器灯一直亮着或按不亮的情况时，请先关断电源，进行检查。切不可让传感器灯
　　4.一直亮着太久，这会使传感器发烫直至烧毁。
　　5.指纹环是用镀镍或镀金的铜或黄铜材料制成的导电物质，并且与其它导电平面或支持结构绝缘

走近指纹识别,认识指纹

　　“指纹”是每个人与生俱来的生理特征，人们对它非常熟悉。而“指纹识别”人们却比较陌生，甚至带有一些神秘的色彩。大多数人对“指纹识别”的印象停留在电影电视中刑警破案的场景。其实，在最近几年，指纹识别技术逐渐从警用走向民用，从专用走向公用，逐渐成为人们关注的前沿高科技之一。特别是在欧美日本等发达国家，指纹识别技术已经应用在：大到出入境人员安检，小到超市购物付款等生活与工作的各个方面，其产业化程度较高。在我国，指纹识别技术从2000年以后，开始步入快速成长期。众多胸怀宏图的企业和个人，开始为这项看似神秘的前沿技术而勤耕不辍。本章将从认识指纹展开对指纹识别的阐述，使读者能够建立起对指纹识别技术的大体认知。
　　认识指纹
　　对指纹的研究，最开始是属于生物遗传学的研究范畴，同时也是人类学研究的课题之一。世界上最早从事指纹研究、并在全球第一个出版了《指纹学》杂志的大师——亨利．福尔茨（Henry．Fulds），他就是一位著名的生物学博士（同时兼任英国皇家内外科医师学会会员）。
　　指纹作为皮肤纹理学研究的三大对象之一，在中国的学术研究领域也有近百年的历史。说起指纹应用的历史，中国是世界上公认最早应用指纹的国家。在距今6000多年以前的新石器时代中期，在反映仰韶文化的陶器上，就印有清晰可见的指纹图案。
　　美国芝加哥菲尔特自然历史博物馆中，至今还珍藏着一枚中国古代的泥印，印的正面刻着主人的名字，反面印有一拇指的印痕，条条指纹，清晰可辩。世界著名考古学家一致认为，这颗距今约2000~3000年历史的泥印属于中国西周时代或西汉时代的产物，是中国最古老的指印凭证。