四隊和一隊-自己改

Fingerprintishumancancarryallyourlifeandkeepthesamebiologicalcharacteristics,usingtheuniquenessandinvariabilityoffingerprintsandunrepeatablecharacterysiswascarriedoutonthepeopleandtheindividualidentificationismedicine,genetics,militaryinligenceandforensicfieldssuchaswidelyusedinaveryimportantmethodoffingerprintrecognitionandstudyofthesameforourarmedforcesonduty(especiallydetainedandcustoms,andotherserviceintheuseofspecialcircumstances)ChuTu,rapidandreliablestabilitycanbemoreefficientandflexiblehasextremelyimportantsignificance,especiallyforcontactfingerprintidentificationtechnologyrapiddevelopmenttothearmedforceistheeffectthatcannotignore.Contactlessfingerprintrecognitionsystemmainlyadoptsthebrand-newimageacquisitionmethod,caneffectivelysolvethefingerprintimageacquisitioninacquisitionaspectsisinaccurateandimageacquisitioninformationdegreenotWiththegradualimprovementofthelevelofmodernscienceandtechnology,thecontactlessfingerprintidentificationtechnologyapplicationswill emoreclear.Becausethecontactcharacteristicsoffingerprintimageisquitedifferentfromthetraditionalimage,sotheimagepreprocessinglevelalsowiththetraditionalautomaticfingerprintidentificationsystemhasaverybigdifference.So,inthisarticle,Ifocusonthedifferencesandrelationsbetweenthemandthefingerprintacquisitionandmatch.:fingerprintidentification technologysourceAFIS Topologytheory matchingalgorithm中 第一章引 課題研究的背景及目的意 相關(guān)領(lǐng)域的研究研發(fā)歷 生物特征識別技 傳統(tǒng)自動識別技 的總體框 第二章．識別系統(tǒng)概述及SourceAFIS介 2.1識識別技術(shù)的概念及原 2.1.1識別技術(shù)的概 2.1.2識別技術(shù)的原 非接觸識別系統(tǒng)的概念及原 非接觸識別技術(shù)的概 非接觸性識別技術(shù)的原 SourceAFIS識別系統(tǒng)的功能介紹及應(yīng) SourceAFIS識別系統(tǒng)的功能介 SourceAFIS識別系統(tǒng)的應(yīng) 第三章基于sourceAFIS的非接觸性的圖象特征提 非接觸性的特征端點提取及代 非接觸性的特征叉點提 非接觸性特征點、叉點源代碼實 輪廓提取的方法研 計算圖象的灰度直方 基于的圖像強度場閾值分 基于的圖像強度場區(qū)域生長法分 水平集算法分 紋路提取方法研 3.3.1紋路的特征提 圖象細化方 第四章基于sourceAFIS非接觸性的圖象匹 4.1圖象匹配的相似 相似度計算公 4.1.2相似度結(jié)構(gòu)代 4.2的圖象匹配模型及其界限盒的模 4.3圖象匹配的C++代碼實 4.3.1匹配過程的描 第五章結(jié)束 工作總 下一步工作以及努力的方 致 參考文 第一章引言課題研究的背景及目的意sourceAFIS非接觸性識別系統(tǒng)是一種運用光信號轉(zhuǎn)為電信號的設(shè)備和技術(shù)水平的逐步提高，識別技術(shù)也會不斷地成熟。目前，在實際執(zhí)勤處突日常工作中的許多方面也存在隱用sourceAFIS非接觸性自動識別技術(shù)花費的時間少，識別精度高，能夠有來自英國的植物形態(tài)學(xué)家Grew在1864年就了一篇關(guān)于的科學(xué)論的來作為商標(biāo)。在1880年的時候，F(xiàn)aulds在著名《自然》雜志中提倡把指20世紀(jì)90年代，自動識別系統(tǒng)開始正式用于個人鑒定1994年，德國專利DE ColinSoutar等人在識別系統(tǒng)中提出了一種通過綁定密鑰而進行的算法(fuzzybinder)。這種算法在的時侯將一個密鑰以及用戶的圖象綁定恢復(fù)密鑰。Davida等人提出通過糾錯碼技術(shù)從而達成離線式虹膜認(rèn)證的方案。基于類似于在UNIX下使用哈希函數(shù)來保護用戶的口令。vaultscheme)。所謂模糊保險箱可以從兩方面來理解，一是保險箱：保護其中的私有數(shù)據(jù)；二是模糊性：由于生物特征的模糊性，我們可以直接使用Hash箱方案的驗證。UmutUludag等提出在模糊保險箱方案中采用基于特征點對生物特征識別普遍唯一穩(wěn)定可每個人都具任何兩個人都一一般情況下狀態(tài)可以定量測生物特征可性防性高低中高低高低手掌血紅外溫高高低高中中高高譜1-1 傳統(tǒng)自動識別技的不變性”和“的差異性”。人類生物學(xué)天然的密鑰，同現(xiàn)在各類的、IC卡等識別系統(tǒng)不同，每個人都有，而且不需要他人給予，沒對于來講比較難以，就算是了，由于其擁有生物特性，在驗證時采取一定識別措施就可以避免盜用，從而大大的加強了數(shù)據(jù)的安全性。的特殊的特征，編寫其算法，進行的分析，通過數(shù)據(jù)庫技術(shù)，對相目前，國外已經(jīng)有很多對sourceAFIS非接觸性進行了研究，例如的TBSC（TouchlessBiometricSystems)和韓國的BERCC（BiometricsEngineeringResearchCenter)。但他們的研究卻乏善可陳。他們的研題，因此，研究sourceAFIS非接觸性有著非常重要的意義。的總體框介紹了生物識別技術(shù)、傳統(tǒng)自動識別計算和sourceAFIS非接觸性自動識別技術(shù)，著重介紹可接觸性識別與非接觸性識別的區(qū)別；最后，給出第二章，基于SourceAFIS的識別概述。首先，對傳統(tǒng)的接觸式識第三章，如何進行特征的提取。首先為我們介紹了的特征端點和叉點提取，其次介紹了的輪廓提取，最后介紹了的紋路提取。中存在的，對今后的研究方向進行展望。第二章．識別系統(tǒng)概述及SourceAFIS介2.1識識別技術(shù)的概念及原2.1.1識別技術(shù)的概識別技術(shù)主要有入下這些功能：圖象，提取特征即通過指紋圖象識別設(shè)備，把到的信息在系統(tǒng)當(dāng)中進行，通過系統(tǒng)查找數(shù)據(jù)庫中的信息，提取特征；通過信息對比，進行識別即通過系統(tǒng)快速瀏覽2.1.2識別技術(shù)的原的不變性”另一個是“的差異性”。人類生物學(xué)天然的密鑰，每用作為識別的標(biāo)識成本也比較低廉。對于傳統(tǒng)，可以采取或者字典，而對于來講比較難以，就算是了，由于其擁有生物實驗，發(fā)現(xiàn)的凸起和凹陷其具有其生物電特性，可以根據(jù)形狀不同、溫度不的特殊的特征，編寫其算法，進行的分析，通過數(shù)據(jù)庫技術(shù)，對相非接觸識別系統(tǒng)的概念及原、VisualC++的接觸性和非接觸性識別技術(shù)的基礎(chǔ)上進行的基于SourceAFIS非接觸性識別技術(shù)。非接觸識別技術(shù)的概基于SourceAFIS非接觸性識別技術(shù)：是一種運用光信號轉(zhuǎn)為電信號的提高，非接觸性識別技術(shù)也會不斷的邁向成熟。非接觸性識別技術(shù)的原第二種：基于透射的非接觸式圖2-1非接觸式原觸式包含的信息和更高的圖像質(zhì)量2-22-3SourceAFIS正是基于傳統(tǒng)識別技術(shù)原理，在技術(shù)方面加以改SourceAFIS識別系統(tǒng)的功能介紹及應(yīng)SourceAFIS識別系統(tǒng)的功能介SourceAFIS是將一個識別/匹配的SDK(庫)，使用于一般的自動識紋進行搜索，配備了一個比較容易使用API（純.NETJava），以及各類工具和應(yīng)用程序。我們是基于一個已有的的程序包進行了改進：（獨立測試表明EER(相等錯誤率)其準(zhǔn)確性為3.6%ISO/IEC19794-2模板標(biāo)準(zhǔn)；NETJava含有可視化和分析的工具。SourceAFIS除了“可以每秒匹配10,000個”這個的改進以外，它還改進了Java接口（API文檔和的測試），與所有的新功能，并支持單聲道2.10。SourceAFIS識別系統(tǒng)的應(yīng)且虹膜認(rèn)證比較麻煩，受到人們的排斥。而對于面部識別來講，其較為容易，在基于生物學(xué)的識別之中，識別可操作性最強，成本也最為低廉，容易被大一、考勤識別第一次們所重視就是由于其在公共安全技偵領(lǐng)域方面有著重更新?lián)Q代，對破案起到很大的幫助作用。目前，在上增加信息的呼聲且銀行目前在升級設(shè)備，準(zhǔn)備建立用戶數(shù)據(jù)庫，對VIP客戶及對公用商業(yè)巨頭蘋果公司也在識別領(lǐng)域積極作為，其新產(chǎn)品ApplePay支付系統(tǒng)中也預(yù)留了TouchID接口，準(zhǔn)備在支付領(lǐng)域大展身手。非常的麻煩，對于這種現(xiàn)象，江蘇省無錫市率先發(fā)起了，推動認(rèn)證技術(shù)，在市民辦理各項公共服務(wù)業(yè)務(wù)時，只需刷，即可辦理。在該系統(tǒng)建設(shè)完成時，市民可以通過刷進行公共交通出行，享受城市醫(yī)療保障和社會保障，進行水在重要目標(biāo)安全方面，如果應(yīng)用基于SourceAFIS的非接觸性門務(wù)帶來了極大的壓力，我們安保人員配備了識別系統(tǒng)之后，對于不熟悉第三章基于sourceAFIS的非接觸性的圖象特征提研究和對紋路的提取。非接觸性的特征端點和叉點提取以及VC++代實非接觸性的特征端點提取及代函數(shù)名：boolIsEnd(BYTE*IpNow)；（2）圖象端點的提取函數(shù)體部分輸出計算圖象端點。Bool {IpNow：[in]當(dāng)前點{Sum+=abs(*(IpNow+siteD8[（i+1）%8])-}{Return}{Return非接觸性的特征叉點提差的絕對值之和是2乘255，那么它就成為叉點。AA如圖3-1，在圖中紋線叉點的象素模型的九點AA去掉之后，紋3個黑點的方塊，每一個黑點在兩255A8個點中其任何6255，那么A為叉點。3-非接觸性特征點、叉點源代碼實函數(shù)名：boolIsFork(BYTE*IpNow)；函數(shù)參數(shù)及其類型：IpNow：[in]表示當(dāng)前點的地（2）的圖象叉點提取函數(shù)體部分提取的叉點，并執(zhí)行運算；（3）圖象端點提取函數(shù)源代碼以及注釋如下Bool {IpNow：[in]當(dāng)前點siteD8[8]={IMGW-1,IMGWIMGW+1,1,-IMGW+1,-IMGW,-IMGW-1,-{Sum+=abs(*(IpNow+siteD8[（i+1）%8])-}{Return}{Return}}圖3-2特征點提3.2輪廓提取的方法研計算圖象的灰度直方基于的圖像強度場閾值分把這個象素的灰度值設(shè)置成0，反之設(shè)置成255。迭代選擇閾值法：R1R2里面的所有象素灰度均值1、2。T1( 基于的圖像強度場區(qū)域生長法分區(qū)域生長是把象素或其子區(qū)域合攏使其變?yōu)楦蟠蟮膮^(qū)域的過程，程一直到它不再生長。區(qū)域生長一般有3個步驟：水平集Kass等人(1988)提出，很輪廓曲線收斂到感目標(biāo)的邊緣。圖3-3圖象圖3-4圖像強度場區(qū)域分紋路提取，是將原的圖象通過智能加強，使的圖象中，谷線原滑，更方便計算機提取特征點和后續(xù)匹配工作。了解了特定的圖象照該“場”的規(guī)則進行人工編程的pc智能加強和紋路提取。3.3.1紋路的特征提再用圓形Gabor濾波器使圖象增強。最后我們再對圖像進行二值化以及細后使用方向場和結(jié)合節(jié)點的匹配算法，最終實現(xiàn)匹配算法。3.3.2圖象細化方3-5AA就被稱作邊緣點，要去掉33P1,P2,……,P8表示，1表示黑色，0P1=1（black），下面4個條件同時滿足，就刪除P1（令P1=0）：P2*P4*P80或者Z0(P1)P2*P4*P60或者Z0(P4)1nCount=0如果P-1,-1=0并且P-1,-1=1 如果P-1,-1=0并且P0,-1=0 如果P0,-1=0并且P1,-1=1 如果P1,-1=0并且P1,-0=1 如果P1,0=0并且P1,1=1 如果P1,1=0并且P0,1=1 如果P0,-1=0并且P-1,1=1 如果P-1,-1=0并且P-1,0=1

PPPPPPPPP圖3-7細化后的圖第四章基于sourceAFIS非接觸性的圖象匹由于可以提取非接觸的輪廓和手指中線，非接觸的特征匹配首此非接觸的特征匹配將會和接觸有較大差別。非接觸性識別是建立在一般的二維識別基礎(chǔ)之上的，它的過程有圖象預(yù)處理，特征提取以及特征匹配。非接觸性和接觸式的相比會下降。這些特點都是非接觸識別與接觸式識別的不同所在。非接觸輪廓完整，可以首先通過閾值分割確定的大體輪廓，然后再通過的提取特征和達成正確的匹配。匹配的概念：就是把識別設(shè)備現(xiàn)場到的圖象或特征和設(shè)備中原先所保存的圖象或者特征進行比較對比，看他們是否一4.1圖象匹配的相似相似度計算公相似度等于4乘以分?jǐn)?shù)乘以特征最大相似數(shù)和總特征點數(shù)乘以①分?jǐn)?shù)就是紋模板上的一個特征點與樣板上對應(yīng)的特征點成功匹A夾角誤差的允許的最大值，aaA)a②最大特征數(shù)③總特征點數(shù);相似度結(jié)構(gòu){

}MATCHRESULT PMATCHRESULT通過匹配模型相似度的計算公式的出的結(jié)果，如果通過設(shè)備的(1)圖象“配準(zhǔn)”的特征點結(jié)構(gòu)模型:[P(x，y）,θ?、θβ、(2)假定某一個模板圖象的特征點是P，輸入樣板圖像的是P'4.3.1匹配過程的描由于可以提取非接觸的輪廓和手指中線，非接觸的特征匹配首此非接觸的特征匹配將會和接觸有較大差別。我們通過線性的匹配算法來大大簡化匹配的計算過程。線性匹配配準(zhǔn)后的匹配C++代函數(shù)名：voi