指纹识别系统毕业设计Word格式.docx
《指纹识别系统毕业设计Word格式.docx》由会员分享，可在线阅读，更多相关《指纹识别系统毕业设计Word格式.docx（52页珍藏版）》请在冰豆网上搜索。
sadvangtageissimplityofpre-processingalgorithm,fastprocessingspeed;
smalldatamemoryneededbythealgorithm（needtosave6data,24byte.Beclosetothecapacityof`ID+password'
）,whichsuitrealapplication.
Finally,thisarticleintroducesbasicfunctionsofthesemiconductorfingerprintsensorMBF200,andusesAVRmega16asuppermachinetorealizethedesignoffingerprintidentificationsystem.
Keywords:
Automatedfingerprintidentification,Featureextraction,Wavelettransformation,AVRapplication
第一章绪论
1.1引言
随着网络时代的来临，人们对于安全性的要求越来越高，如何准确的鉴定个人身份，保护信息安全是当今信息化时代必须解决的一个关键性社会问题。
目前，我国的各种管理大部分使用证件、磁卡、IC卡和密码，这些手段无法避免伪造或遗失，密码也很容易被窃取或遗忘。
这些都给管理者和使用者带来很大不方便。
面对日益增多的安全问题，我们迫切需要更加安全可靠的身份识别技术来加以解决。
生物特征识别（Biometrics）技术是指通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴别。
生物特征识别系统本质上是一个模式识别系统，它根据使用者的生理或行为特征对使用者进行辨识，从而判断其是否具有合法身份。
目前，常见的生物特征识别手段主要有人脸、指纹、手形、手部血管分布、虹膜、视网膜、手写体、声音和脸部热量图等。
它们有的已逐步得到推广和应用，有的还仅处于实验研究阶段。
其中，人脸、指纹、手形、手部血管分布、虹膜、视网膜和脸部热量图都属于生理特征，手写体属于行为特征，而声音则兼有两方面的属性。
相对于其它生物特征鉴定技术例如语音识别及视网膜识别，指纹识别是一种更为理想的身份确认技术。
主要基于指纹的以下特性：
1、每个人的指纹是独一无二，两个人之间不存在相同的指纹。
19世纪末，英国学者E.R.Herry写出了专著，将指纹的特征及识别原理加以分析归纳，科学地提出了人的指纹各不相同，并提出了基于指纹特征进行识别的原理和方法，以后衍尘出的各种识别方法都是基千该理论的[24]。
按照Herry的理论，一般人的指纹在出生后9个月得以成形并终身不变；
每个指纹一般都有70-150个基本特征点。
从概率学的角度来讲，在两枚指纹中只要有12-13个特征点相吻合，即可被认为是同一指纹。
按照现有的人口进行计算，依照上述概率，124年才可能出现两枚完全相同的指纹。
2、每个人的指纹是相当固定的，很难发生变化。
例如，指纹不会随着人的年龄增长、或身体健康程度的变化而变化。
而人的声音却有着较大的变化且易于伪装和模仿。
3、便于获取指纹样本，易于开发识别系统，实用性强。
目前己有标准的指纹样本库，方便了识别系统的软件开发；
另外，识别系统中完成指纹采样功能的硬件部分（即指纹采集仪）也比较容易实现。
而视网膜则难于采样，也无标准的视网膜样本库可供系统软件开发使用，这就导致了视网膜识别系统难以开发，可行性较低的问题。
4、一个人十个手指的指纹皆不相同，这样，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，同时并不增加系统的设计负担。
5、指纹识别中使用的模板并非是最初的指纹图像，而是由指纹图像中提取的关键特征构成的，这样模板库占用系统的存储空间较小。
另外，对输入的指纹图像提取关键特征后，可以大大减小网络传输的负担，便于实现异地确认，支持计算机的网络功能。
1.2指纹识别技术的研究背景
指纹即是指尖表面的纹路，其中突起的纹线称为脊，脊之间的部分称为谷，他们的形成依赖于胚胎发育时的环境。
人类对指纹的应用，从非常远古的时候就开始了。
中国是世界公认的指纹发源地。
而指纹在中国古代最广泛的应用，可以说是在文书契约上按手（指）印。
德国之文学家海因德尔根据我国《周礼·
曲礼》断定:
“中国第一个提到用指纹鉴别个人的是唐代的作家贾公彦。
他的作品大约写于公元650年，他是着重提到指纹是确定个人方法的世界土最老的作家”。
其实，贾公彦只不过是根据我国长期应用指、掌纹的实践经验对“质剂”和“下千书”作了进一步解释而己，中国正式应用指纹远早于此。
我国是最早利用手印进行侦查活动的国家。
有文字可考、有实物可证的距今已有二千一百余年。
在唐代指、掌印己应用于文书契约上，而至少到了宋代，手印己正式作为刑事诉讼的物证了。
指、掌纹在中国古代的借贷契约、买卖文凭、婚约休书、狱词供状，军队名籍等方面的广泛应用，反映了我国人民己经能根据经验，认识到了指、,掌纹可以代表一个人，而且是不变的。
现代指纹识别起源于16世纪后期，1684年英国人N.Grew发表了指纹研究的第一篇论文，阐述了指纹的脊线、谷线、毛孔的结构，1809年T.Bewick开始用指纹代替印章，迈出了指纹识别历史上重要的一步，HenryFauld于1880年在美国《Nature》杂志上发表论文，指出指纹具有唯一性、不变形，并利用现场指纹来鉴定罪犯，从此揭开了现代指纹识别的序幕。
1899年，EdwardHenry建立了著名的Henry指纹分类系统，并于1901年被英国政府正式采用，随后西方各国也相继采用，指纹识别正式被各国政府与法庭接受，得到了广泛的应用。
随着电子计算机的出现，采集技术的发展，以及对指纹识别的研究，人们逐渐将人工的指纹识别向自动指纹识别（AutomatedFingerprintIdentificationSystem,AFIS）转变，美国于1963年开展相关软件的研究，于1982年将NECAFIS投入使用。
我国也在80年代初对指纹识别展开研究，并取得了一定的成功。
日前，国外从事指纹识别研究的公司，学校，科研机构共有200多家。
其中，较为著名的公司有：
IBM，Intel，NEC，Identity，Digitalpersonal，韩国现代等。
学校有：
加州理工学院（CaliforniaInstituteofTechnology），密歇根州立大学模式识别与图像处理实验室（MichiganStateUniversity,PatternRecognitionandImageProcessingLab），意大利Bologna大学特征识别系统实验室等。
研究机构有：
美国国家标准局视觉图像处理研究组（NISTVisual,ImageProcessingGroup），IBM沃特生研究中心（IBMWatsonResearchCenter）等。
这些国外公司、研究机构在指纹的采集、图像处理、识别、比对等方面的技术己经比较成熟。
各种相应的产品也己投放市场多年。
国内从上个世纪80年代初期开始研究指纹自动识别技术。
从事指纹识别的研究机构有：
北京大学信息中心，清华大学自动化系，北京邮电人学，中科院，长春光机所等。
从事自动指纹识别系统开发的公司有：
西安青松，北京中控，厦门宝利铬等。
其中部分公司拥有自主知识产权的技术和产品。
单就指纹识别算法而言，国内外的研究水平处于同步状态。
现在国内外指纹识别的技术基本上都是采用基于细节特征点的指纹识别技术，从研究角度来看，国内外的差距并不明显。
在产品应用方面，欧美国家已经开始使用指纹识别ATM，并在南美广泛使用。
同时，全美有15家连锁超市正在使用“指纹付款技术”，消费者无需自带钱包，只要在付款时扫描一下指纹，即可完成购物。
而在国内，指纹识别主要应用在单位和集体的考勤、门禁、保险箱柜等领域，主要的产品有指纹考勤机、指纹门禁系统、指纹锁等。
同时在个人的计算机、汽车安全、个人手机等方面也有应用。
可以预见，指纹识别技术将被广泛接受从而影响人们的日常生活的各个方面：
通过取代个人识别码和口令，指纹识别技术可以阻止无授权用户的访问，以防止盗用ATM，蜂窝电话、智能卡、桌面PC，工作站及其计算机网络；
在通过电话、网络进行的金融交易时进行身份认证；
在建筑物或工作场所，生物识别技术可以取代钥匙、证件、图章和卡阅读器。
同时，指纹识别技术在中国经历了近10年缓慢的自然增长后，即将迎来一个跳跃性发展的黄金时期。
据专家保守估计，未来5年，我国将有近百亿元的市场等待着企业去开拓。
指纹识别技术的巨大市场前景，将对整个安防产业产生巨大的影响。
1.3指纹识别原理
指纹图像其实是比较复杂的，与人工处理不同，许多生物识别技术公司并不直接存储指纹图像（美国有关法律认为，指纹图像属于个人隐私，因此不能直接存储指纹图像）。
多年来各个公司及其研究机构产生了众多的指纹数字化算法，而所用的指纹识别算法最终都归结为在指纹图像上提取和比对指纹特征。
指纹识别的基本过程是通过取像设备读取指纹图像，然后用计算机识别软件提取指纹的特征数据，最后通过匹配识别算法得到识别结果，以确定指纹所有人的身份。
自动指纹识别技术系统〔AFIS〕可以分为两类，即验证（如图2-1）和辨识（如图2-2）。
验证就是通过把一个现场采集到的指纹与一个己经登记的指纹进行一对一的比对（one-to-onematching）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己经注册。
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，先验证其标识，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。
验证其实是回答了这样一个问题:
“他是他自称的这个人吗？
”这是应用系统中使用得较多的方法。
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。
这也叫“一对多匹配（one-to-manymatching）”。
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传统领域中。
一个不明身份的人的指纹与指纹库中有犯罪记录的人指纹进行比对，来确定此人是否曾经有过犯罪记录。
图1-1一对一指纹登记与验证示意图
图1-2一对多指纹登记与辨识系统示意图
验证和辨识在比对算法和系统设计上各具技术特点。
例如验证系统一般只考虑对完整的指纹进行比对，而辨识系统要考虑残纹的比对；
验证系统对比对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，一般兼有使用分类技术来加快查询的速度。
1.4指纹识别技术面临的难点以及发展方向
迄今为止，自动指纹识别技术的研究取得了很大的成绩，但也面临一些严重的困难：
（1）指纹采集技术有待提高。
主要表现在：
（a）对被采指纹的适应性差。
虽然可以通过指纹增强等技术提高指纹的质量，但这不可能从根本上解决问题。
毕竟清晰的指纹图像是正确实现自动指纹识别的前提和保障。
（b）指纹采集时的变形问题至今没有得到很好的解决。
指头在每次采集用力大小、用力方向和采集位置都会有所不同，造成指纹的各种变形，使指纹特征的相对位置发生较大偏移，从而很难对各特征点做到精确定位。
另外，指头表面是一个三维曲面，而获取的指纹图像却是一个二维平面，这种从立体向平面的转化也会造成指纹的变形。
更为主要的是，以上因素造成的指纹变形往往是不确定的、随机的，很难用确定的数学模型去描述，这给后继的指纹比对造成了严重的干扰。
（2）指纹分类技术有待突破。
对于工作在验证模式下的自动指纹识别系统，指纹分类技术并不是一个问题。
但对于工作在辨识模式下的系统，指纹分类技术的研究水平则至关重要。
指纹分类技术越完善，能够划分的类型越细，指纹数据库每个类别中所包含的样本数量就会越少，对一次识别任务来讲，需要比对的次数和时间开销就会越少。
按照现行的分类标准，将指纹分成四类、五类或六类还是远远不够的。
现在，较好的指纹分类算法，将指纹分为五类和四类的准确率分别也只有87.5%和92.3%[21][22]，而这样的分类结果还远不能满足实际应用的需要。
（3）缺乏自动指纹识别系统的性能评价体系。
国内外还没有这样一个自动指纹识别系统性能评价机构，各个自动指纹识别系统的性能往往是由开发者自己来建立或者选择数据库、设计测试方案、进行性能测试。
这样，由于各个自动指纹系统在测试时使用的数据库在容量、指纹质量方面各不相同，侧试方案差别也比较大，不可避免地造成现在自动指纹识别系统性能评价的混乱和无序，而且各系统间也不存在可比性[23]。
今后指纹识别技术研究发展的方向：
（a）非接触式真皮层指纹采集。
生理学的研究结果表明，指纹的结构在真皮层有着完整和稳定的表现。
通过非接触方式采集指纹，则可以有效解决指纹录入时的变形问题。
（b）多种生物识别技术的融合。
生物识别技术是一个综合的体系，指纹识别仅仅是其中的一种。
各种生物识别技术都具有自身的特点和优势。
充分利用其他生物识别技术的优势，将其他生物识别技术与指纹结合使用，实现优势互补，是自动指纹识别技术的发展方向之一。
自动指纹识别技术是一项综合性的高新技术，是一个学科交叉性很强的研究领域。
目前该技术的研究己经取得了巨大的成就，也面临着一些困难，需要各个学科的共同参与和努力，才有可能尽快将这一技术完善并实现产业化。
1.5指纹采集技术比较
目前有三种指纹采集技术：
光学扫描、半导体传感器、超声波扫描技
术[12]。
光学传感器
光学指纹传感器的工作原理是光的全反射（FTIR）。
光线照到压有指纹的玻璃表面，反射光线由CCD去获得，反射光的量依赖于压在玻璃表面指纹的脊和谷的深度以及皮肤与玻璃间的油脂和水分。
光线经玻璃照射到谷的地方后在玻璃与空气的界面发生全反射，光线被反射到CCD，而射向脊的光线不发生全反射，而是被脊与玻璃的接触面吸收或者漫反射到别的地方，这样就在CCD上形成了指纹的图像。
光学采集设备有着许多优势：
它经历了长时问实际应用的考验，能承受一定程度温度变化，稳定性很好，成本相对较低，并能提供分辨率为500dpi的图像。
光学采集设备也有不足之处，主要表现在图像尺寸和潜在指印两个方面。
台板必须足够大才能获得质量较好的图像。
潜在指印是手指在台板上按完后留下的，这种潜在指印降低了指纹图像的质量。
严重的潜在指印会导致两个指印的重叠。
另外台板上的涂层（膜）和CCD阵列随着时间的推移会有损耗，精确度会降低。
另外塑料假指纹也有可能骗过光学传感器。
随着光学设备技术的革新，光学指纹采集设备的体积也不断减小。
现在传感器可以装在6×
3×
6英寸的盒子里，在不久的将来更小的设备可能只有3×
1×
1英寸。
这些进展得益于多种光学技术的发展。
例如:
可以利用纤维光束来获取指纹图像。
纤维光束垂直照射到指纹的表面，他照亮指纹并探测反射光。
另一个方案是把含有微型二棱镜矩阵的表面安装在弹性的平面上，当手指压在此表面上时，由于指纹脊和谷的压力不同而改变了微型二棱镜的表面，这些变化通过三棱镜光的反射而反映出来。
半导体传感器
半导体传感器是1998年在市场上才出现的，这些含有微型晶体的平面通过多种技术来绘制指纹图像。
（1）硅电容指纹图像传感器。
这是最常见的半导体指纹传感器，它通过电子度量来捕捉指纹。
在半导体金属阵列上能结合大约100000个电容传感器，其外面是绝缘的表面。
传感器阵列的每一点是一个金属电极，充当电容器的一极，按在传感面上的手指头的对应点则作为另一极，传感面形成两极之间的介电层。
由于指纹的脊和谷相对于另一极之间的距离不同（纹路深浅的存在），导致硅表面电容阵列的各个电容值不同，测量并记录各点的电容值，就可以获得具有灰度级的指纹图像。
（2）半导体压感式传感器。
其表面的顶层是具有弹性的压感介质材料，它们依照指纹的外表地形（凹凸）转化为相应的电子信号，并进一步产生具有灰度级的指纹图像。
（3）半导体温度感应传感器。
它通过感应压在设备上的脊和远离设备的谷温度的不同就可以获得指纹图像。
半导体指纹传感器采用了自动控制技术（AGC技术），能够自动调节指纹图像像素行以及指纹局部范围的敏感程度，在不同的环境下结合反馈的信息便可产生高质量的图像。
例如：
一个不清晰（对比度差）的图像，如干燥的指纹，都能够被感觉到，从而可以增强其灵敏度，在捕捉的瞬间产生清晰的图像（对比度好）；
由于提供了局部调整的能力，图像不清晰（对比度差）的区域也能够被检测到（如：
手指压得较轻的地方），并在捕捉的瞬间为这些像素提高灵敏度。
半导体指纹采集设备可以获得相当精确的指纹图像，分辨率可高达600dpi，并且指纹采集时不需要像光学采集设备那样，要求有较大面积的采集头。
由于半导体芯片的体积小巧，功耗很低，可以集成到许多现有设备中，这是光学采集设备所无法比拟的，现在许多指纹识别系统研发工作都采用半导体采集设备来进行。
早期半导体传感器最主要的弱点在于：
容易受到静电的影响，使得传感器有时会取不到图像，甚至会被损坏图像。
手指的汗液中的盐分或者其他的污物，以及手指磨损都会使半导体传感器的取像很困难。
另外，它们并不像玻璃一样耐磨损，从而影响使用寿命。
随着各种工艺技术的不断发展，芯片的防静电性能和耐用度得到了很大的改善。
半导体传感器的缺点在于，其价格与硅晶片的面积相关，晶片面积越大，芯片价格越高。
为了降低成本，晶片面积一般都比较小。
小的接触面积使每次捕捉的指纹图像重叠区域变小，这样导致输入指纹与模板指纹间缺乏足够的对应细节点，传统的基于细节点的算法的性能就会下降。
超声波扫描传感器
超声波扫描传感器工作原理为传送超声波，并通过手指、台板和空气间的电阻来测量距离的方法完成录入，扫描指纹的表面，接收设备获取了其反射信号，测量它的范围，得到脊的深度。
超声波扫描被认为是指纹取像技术中非常好的一类，积累在皮肤上的脏物和油脂对超声波获得的图像影响不大，是实际脊地形（凹凸）的真实反映，为精确度最高的指纹录入技术。
但由于超声波录入设备的耐久性还难以估计，因此实际中应用得较少。
Ultra-scan公司首开超声波指纹图像采集设备产品先河。
但成本很高，而且还处于实验室阶段。
近年来，随着电子技术的发展，指纹采集设备越来越便宜，这为指纹识别技术的普遍应用提供了良好的条件。
1.6特征提取与匹配
AFIS系统中，指纹识别算法最终都归结为在指纹图像上提取和比对指纹特征。
迄今为比，指纹的提取和比对方面人们己经做了大量的研究。
新近的算法大致可以分为：
基于结构的特征提取和匹配、基于特征点的匹配和基于神经网络的方法[19]。
比如Isenor等指出了一种用图匹配来对两幅指纹图像进行匹配的方法。
Hrechak等用结构匹配来做指纹识别。
基于DHNN人工神经网络的指纹识别技术。
其中最多的是基于点匹配的方法，有Ranade等的松弛算法，Chang等基于一维聚类的快速算法，Miklosz的三角匹配算法，Jain等的串匹配算法，以及Luo等针对Jain等的算法所提出的改进算法等。
这几种方法各有优缺点。
点匹配方法虽然应用得最多，发展得最成熟。
但是其有步骤繁多，抗干扰能力差，对指纹图像质量依赖性强，提取特征点可靠性差等缺点。
基于神经网络算法容错性高，但需要大量样本事先对系统进行训练才能发挥作用，而且计算量也偏大，不符合实时性的要求。
而基于图像匹配的方法不能很好的解决指纹旋转、平移等问题。
1.7性能评价
指纹算法中引入了两个重要的数字指标来描述该系统的精确度。
拒判率（FalseRejectionRate，FRR）和误判率（FalseAcce
升级会员 