指紋識別在生活中的應用越來越多，那么你真的了解它嗎？今天指紋模塊FPC小編就帶您一起來了解一下指紋識別。

一、指紋識別成智能手機標配

伴隨移動支付業務的火爆，指紋識別技術已成為今天智能手機的標配，而在CMOS圖像傳感器/TFT顯示屏、超音波偵測等新技術的不斷助推下，更讓其市場迎來了發展的新春。

據調研機構Yole預測，未來5年，指紋識別市場的復合年增率（CAGR）將達到19%，市場規模有望從2016年的28億美元，增加到2022年的47億美元。

最初只是作為方便手機解鎖功能的元器件——指紋識別傳感器，如今在智能手機移動支付業務的帶動下，已經變成要為移動支付把關的重要安全元素。據業內人士分析，目前的指紋識別市場，大多來自于OEM廠對全玻璃設計與防水功能的需求。這促使CMOS/TFT、超音波偵測等新技術，進一步推動高整合型指紋識別技術的演進。

據統計，2016年的指紋識別傳感器的出貨量已達6.89億顆，相較2013年的2300萬顆，CAGR達到210%。當然，大量的需求也促使指紋識別傳感器均價的走低，目前已從5美元下滑到3美元，甚至更低，未來供應商仍將繼續面臨價格壓力。

指紋識別市場對傳感器制造商來說具有較高彈性，雖然今后5年的市場規模非常可觀，但如何在激烈的市場競爭中脫穎而出，仍然是考驗相關廠商的一道難題。

二、指紋識別的原理

指紋識別技術包含有以下兩種主要的識別技術：

第一種是采用不同指紋圖像統計對比的方法；
第二種是采用指紋圖像本身固有的特征信息進行比對的方法。

第一種方法主要是將兩幅指紋圖像進行統計對比，查看他們之間相似度的大小，根據大小來判斷這兩幅指紋是否取自于同一個人，從而實現身份識別的作用。第二種方法是根據兩幅指紋圖像的結構特征，比較他們的特征信息，確認他們的身份。特征包含兩種類型：全局特征類型和局部特征類型。
 

指紋識別技術的全過程是：

（1）使用指紋采集設備采集指紋圖像。
（2）對指紋圖像中的大量噪聲點進行預處理，從而提升后面處理的效率。在預處理之后，得到了一個關于指紋圖像的輪廓線，為下一步特征提取做準備。
（3）進行指紋圖像的特征提取，提取出其特征信息點。
（4）對指紋圖像進行特征匹配，把提取的特征點與數據庫中預存的特征點進行比對，通過比對來判斷身份。根據英國學者E.R.Herry 的研究發現，兩個指紋圖像中，如果特征點的對數有13 對是重合的，就可以認為這兩個圖像取自于同一個人。

指紋識別系統的主要性能參數有以下幾種：

(1)誤識率：指兩個不同指紋被錯誤地識別成相同指紋的概率；

(2)拒識率：指同一個手指的兩個不同指紋樣本不能匹配，即被認為來自不同手指的概率；

(3)等錯誤率：第一和第二種錯誤相等時的數值；

(4) 注冊時間：從指紋被采集到完成指紋特征提出所需要消耗的時間；

(5) 匹配時間：兩個指紋樣本進行一次對比匹配所需要消耗的時間；

(6) 模板特征的大小：從一個指紋圖像中提取出的指紋特征的存儲容量；

(7)分配內存的大小：在指紋識別的各個階段，計算機系統需要占用的內存數量。
 

三、指紋圖像的質量評估

在通過指紋采集設備把圖像采集進入系統之后，我們需要對采集到的指紋圖像的質量進行評估。如果圖像的質量不達標，就會對后期產生影響。因此，需要對指紋圖像進行評估。目前，指紋圖像的質量評估有以下幾種方法：

（1）計算圖像的信噪比：

這種方法是指求出圖像的信號與噪聲的方差之比。首先計算圖像所有像素的局部方差，將局部方差的最大值設為信號方差，最小值設為噪聲方差，求出它們的比值，再轉成dB 數，最后用經驗公式進行修正。此方法在效率方面表現一般。

（2）統計指紋圖像細節點的數量：

對指紋圖像中細節點的數量進行識別和統計。通過數量的多少來判斷該指紋圖像的質量是否在合格的范圍之內。此方法理論上可行，但是由于首先需要對指紋進行預處理、提取細節點，因此效率不高。

（3）視覺客觀測度：

該方法建立在視覺測評過程和客觀測度基礎上，利用設定的評測參數，對指紋圖像的質量評價出一個綜合結果。這一方法從全局上對指紋圖像的質量，能夠得出很好的判斷。但是從局部上來看，指紋的紋理分析缺少了對指紋方向信息的判斷。

（4）計算指紋圖像方向信息：

從指紋圖像局部特征開始，結合指紋的全局特征來判斷指紋圖像的質量。通過檢測圖像的有效面積和清晰度，來確定圖像是否合格。具體方法是：首先，通過計算圖像方向信息，確定前景塊和背景塊；然后，通過比較前景塊和背景塊的比例來判斷是否是偏手指；再次，通過圖像塊的對比度的大小來判斷是干手指或濕手指（干手指對比度較大，濕手指對比度較小）。
 

四、指紋圖像的分割

在指紋圖像質量評估合格后，需要對圖像進行灰度變換，即對指紋圖像均衡化，使得圖像灰度均衡，以及對圖像進行歸一化。在這些完成之后，還需要對圖像按照一定的算法和要求進行分割。即把指紋圖像中質量很差，后期無法處理的圖像區域與有效區域進行區分，使后期處理集中到有效區域上，提供特征提取精度，減少處理時間。目前，常用的分割方法有以下幾種：

（1）基于方向圖的分割方法：

根據圖像上紋理的方向，區分指紋區域和背景區域，然后按照不同的區域分割。如果指紋的紋理線不連續、圖像的灰度 單一等方向難以正確估計或者有些區域變化劇烈，則此方法不能進行有效的分割。

（2）基于圖像的局部灰度均值、局部標準差和局部一致性的分割方法：

利用指紋圖像局部區域的灰度均值、標準差和一致性作為特征，再采用線性分類來分割指紋圖像。局部圖像的一致性顯示了局部圖像的紋理走向，但是這些特征對于模糊區域無法做出有效的表示。

（3）多級分割法：

就是將指紋圖像進行多級分割，逐級減少分割的范圍。例如：第一級分割圖像的背景區域，第二級在前景區域中分割出模糊區域，第三級從模糊區域中分割出不可恢復區域。

（4）動態閾值分割法：

根據各個子塊的局部灰度對比度自動調節閾值，基于像素的方差進行分割。該方法簡單、快捷、分割效果好。具體為：將圖像劃分為不重疊的各個子塊；計算每個子塊的平均灰度和灰度方差；計算方差最大值與最小值之間的差值；定義動態閾值，并分割圖像；平滑操作，去除孤立塊。
 

五、指紋圖像的增強

指紋圖像增強就是將模糊的指紋紋理改變得更加清晰，例如：將斷裂的指紋紋線進行連接，把連接的紋線區分開，而且在這個過程中還需要保持原有的指紋圖像結構，使圖像更加易于提取特征信息。目前，有以下幾種指紋圖像增強方法：

（1）從脊線方向上采用平滑算子而在垂直于脊線的方向使用增強算子的圖像增強算法。這種算法在理論上是十分正確的，但是要估計出脊線寬度以及濾波的參數卻比較困難。如果參數估計有誤，則會使得脊線產生污染，并且對于脊線上有折痕的指紋會產生偏差。

（2）基于Gabor 濾波器的指紋圖像增強算法。此算法是在使用上一方法之前先進行濾波。將指紋圖像分成不同的區域，有效削弱垂直于主導紋線方向的噪聲，提高方向信息提取的可靠性。

（3）傅立葉增強后濾波的方法。基于時間和處理效果的考慮，先采用傅立葉變換來增強指紋圖像，然后使用濾波器來修補指紋圖像的紋線。具體為：首先，多級分割出可恢復區域塊，將該塊像素變為復數形式；利用離散傅立葉變換，濾掉頻率過高或過低的頻帶噪點；利用方向濾波器消除指紋的斷裂和叉連。
 

六、指紋圖像的提取

在細化圖像的基礎上提取

首先，需要對指紋圖像進行細化處理，將指紋紋線變細，然后通過分析紋線上每一個像素點的8 個方向上的連接點來判定該像素點的類型、位置，并且通過分析該像素點所連接的紋線段來判斷點位的方向，進而提取出特征點。這個方法存在的優點是原理比較簡單而且容易實現；缺點是需要對大量的像素點進行細化處理，時間較慢，當圖像質量不高時，細化處理會產生很多雜質項。

從原始灰度圖像上直接提取

利用指紋方向圖，在灰度圖像上跟蹤指紋的紋線，每跟蹤一定的長度，根據圖像的投影極值來確定紋線的位置，當遇到端點和分叉點時無法投影，跟蹤過程自動終止。這個方法的優點是具有較高的效率和精度；缺 點是實現起來比較復雜，需要大量的運算，而且當圖像質量不高時，求出的方向圖可能不可靠，導致跟蹤出的紋線出現偏差。
 

七、指紋圖像的匹配

指紋圖像匹配是指用當前指紋圖像提取出的指紋特征與事先預存在指紋數據庫中的特征進行比對，從而判斷這兩個指紋特征是否一致，即是否來源于同一根手指。這個階段為了避免一些因素的干擾，例如變形、虛假特征點、特征點位置誤差等，需要設計一個準確有效的匹配算法。目前，有以下幾種方法：

（1）基于點模式匹配算法。

目前大多數算法都是基于細節點的特征來進行匹配。該匹配分為以下幾種類型：基于匹配的對象可以分為1 對1 進行匹配和1 對多進行匹配；基于匹配的適應程度可以分為彈性的匹配和剛性的匹配。

（2）基于紋理模式匹配算法。

首先將指紋圖像分割出來的有效區域進行網格化，然后利用Gbaor 濾波從像素點的8 個不同的方向處理該紋線區域，得到指紋的全局信息和局部信息，并轉化成一個特征信息，最后比較當前指紋圖像和數據庫中的圖像相應特征信息的差異。該算法可以解決質量較差且區域細節點難以提取的圖像匹配的困難。但是這種方法需要對每個像素點進行大量的運算，而且無法處理形變比較大的指紋圖像的匹配。
 

八、常見生物識別對比

隨著生物識別技術的快速發展，用戶經常會產生一個疑問：生物識別技術這么多類別，選擇哪種才是最合適的？

除了上面一直在談的指紋識別，常見的還有人臉識別、虹膜識別，哪種技術更好？

一 般來講，個人身份驗證的方法有三種：

1)你擁有的東西，例如NFC手機、智能卡；
2)你所知道的，例如PIN、密碼；
3)最后就是你自身。

卡、令牌、 PIN驗證等技術只能100%保證接觸的信息是正確的，但卻很難保證這個人是真實存在的。生物識別技術帶來的是人與行為之間的驗證環，還有另一個好處就是方便。你不會丟了它，忘了它或是與人共用它。

最終用戶體驗和生物識別的質量同等重要，其中的影響因素有三個：

1)毋庸置疑，硬件產品質量是圖像輸入質量的關鍵因素，選擇一個靠譜的硬件產品是生物識別的基礎；
2)生物識別算法決定了生物識別驗證的結果，同時也是速度和性能的重要影響因素，尤其是在大數據時代，這一點顯得尤為重要；
3)實用性是在選擇過程常常被低估的一個影響因素。

各種生物識別技術，都有其優勢和限制。

指紋是應用最為廣泛和成熟的一種技術，也是生物識別應用的起點。指紋識別價格相對便宜，功能性較強，也是非常可靠的一種驗證方式。但是，如果你需要更高級的安全選項，指紋儀+智能卡或者指紋儀+密碼則是很好的選擇。而低級別的安全選項一般是應用在手機或平板電腦上，通過傳感器實現與用戶的交互。但是，指紋識別仍然對于一些困難手指(脫皮等)以及識別條件(潮濕手指)有很大的限制。

虹膜識別一直被譽為最精準、最安全的生物識別方式。因此，虹膜識別的成本也是比較高的，而且需要專業的硬件產品。但是隨著虹膜識別技術的成熟，當前的虹膜識別成本已不再是令人“望而卻步”的狀態了，廠商甚至已經研發出精致、小巧的移動終端專用虹膜模組，性價比超高。

靜脈識別緊隨其后，也是較為安全和準確的生物識別認證方式，提供類似于指紋識別的高品質認證方式，也可以直接與用戶交互。

人臉識別則是非接觸識別，極具友好性和便利性，也是一個利用攝像頭的更好方式。它可以廣泛應用到各種環境中，包括建筑工地、移動設備、網站登錄等，甚至不需要專門的硬件支持。

語音識別也是一個非常方便的識別方式。對于移動設備來講，這是一個快速簡便的驗證解決方案。但是語音的質量控制是影響其識別和發展的關鍵因素之一，其安全性也令人比較擔心，但是在呼叫中心、客戶服務方面仍然可以大展拳腳。

電子簽名、步態識別(步行輪廓)、耳紋識別等新技術，目前還處于觀望狀態。

選擇哪種生物識別方式并沒有一個統一的答案，需要看用戶用來做什么，但是也會有一般的原則。

1.低成本的解決方案仍傾向于指紋，有時會附加智能卡或密碼。

2.移動解決方案通常使用人臉和語音，指紋也很受歡迎，但現在虹膜識別也逐漸成為手機廠商競爭的重要手段之一。

3.如果想要非接觸式識別、則傾向于人臉識別或虹膜識別。

4.秘密監控趨向于人臉識別，語音識別和步態識別等。

5.大型項目往往采用指紋或虹膜，比如中國居民身份證將納入指紋、印度生物識別項目則包含虹膜識別等。

6.安全級別較高的項目則傾向于虹膜或指靜脈識別，也常常與卡或密碼相結合，形成多因素驗證。

7.如果認證條件或環境比較惡劣則傾向于虹膜識別，因虹膜識別受外部因素影響較小，如礦井虹膜解決方案等。