指纹识别步入民用：从原理看技术分解

目前在国内，指纹识别由于其发展时间长，且发展速度比较快，并且经过多年的市场推广和应用，在门禁、考勤、保险箱、身份认证等方面都有比较成熟的产品，同时由于其成本较其他识别技术低，更易推广和被用户接受。

指纹识别民用市场发展

上世纪90年代，指纹识别技术就在国内兴起，当时应用仅限于刑侦领域，它可以提高公安机关破案率，同时节省了很多成本。但指纹识别技术在刑侦中属于 “不知主体”的使用，“比对”需要通过大型机处理，价格和时间的成本都比较大。所以指纹识别常常只作为刑侦的辅助手段，应用不够广泛，市场份额极为有限。

通过指纹识别技术在市场中不断的推广与应用，指纹识别企业发现指纹识别技术的真正市场应该是民用市场。因为民用指纹识别技术是“可知主体”的，“比对”速度较快，准确率高。它伴随着越来越多的电子设备，如PC、ATM提款机、门禁控制系统等，正在进入我们的日常生活。

从趋势来看，民用化的指纹识别技术最终将取代安全性方便性都有缺陷的身份识别码和密码，用于阻止非授权的访问。由于指纹识别技术的民用较之刑侦应用更易普及，市场容量更大，所以具备大规模推广的基础。在西方国家，指纹识别技术已进入大规模民用阶段。美国洛杉矶在1990年使用了世界上第一套救济金发放指纹识别系统;全球首家虚拟银行SFNB(安全第一网络银行)也实施了以指纹识别技术为基础的保障安全性项目，藉此增强交易的安全性。

指纹识别由于其技术的成熟和成本降低，开始彻底走向民用。国内生物识别未来将形成上百亿元的市场，其中安防业是最重要的应用领域之一，市场空间很大。

指纹识别技术分解

众所周知，人的指纹具有唯一性和稳定性的特征，即每一个人的指纹是独一无二的，两者之间不存在相同的指纹，而且每个人的指纹是相当固定的，一般不会随年龄和健康状况的变化而改变，因此可以通过指纹识别出人的身份。目前，国内外的自动指纹识别系统很多，但其结构大同小异，一般包括指纹的采集与分类、指纹的细节匹配及指纹的压缩与存储。

1.指纹的采集与分类

这是自动指纹识别系统(AFIS)运作的第一个环节。通过光学或 CMOS指纹采集仪将活体指纹的图像录入系统，对图像进行分割处理，在保持有用指纹信息基本完整的前提下，剪去一些多余的图像信息，产生一个相对较小的指纹图，对该图进行增强处理减弱噪声，增强脊和谷的对比度，提高图像质量。然后提取图像的特征，生成方向数组，再通过指纹分析器，根据指纹的脊和谷流向，将其分为尖拱类、拱类、左环类、右环类及旋涡类等五种或更小的种类属别。指纹分类的主要目的是方便大容量指纹库的管理，减少搜索空间，加速指纹匹配过程。

2.指纹的采集

在指纹识别设备正常连接后，可以进行指纹的登记录入。在读者指纹的采集过程中，读者的指纹需要录入两次，第一次采集的指纹和第二次采集的指纹进行比对，如果成功系统将正常保存，并添加到指纹识别系统。

如果采集的指纹不合格，系统将给出声音提示。如果识别不合格，保存功能不能使用，需要重新采集。以对所采集的读者指纹信息在保存到数据库前进行双重质量控制。要判断采集指纹的质量，将第二次采集的指纹信息和第一次采集的指纹模板进行1：1的单一比对，以保证指纹的采集质量，避免违法、不合格指纹信息存入数据库。

3.指纹的细节匹配

这是自动指纹识别系统核心。一般采用的是Biokey算法，此算法是一种快速、准确的1：1和1：N指纹识别算法，在使用Biokey进行指纹识别时2000~6000枚指纹)，不需要对指纹通过姓名、PIN等预先分类就可以在1~5S以下测试都在PentiumIII900MHZ128MB内存环境下进行)内轻松完成。

4.指纹的压缩和存储

为了节省存储空间，必须对指纹图像进行压缩。目前指纹图像数据压缩算法较常见的是JPEG、WSQ及EZW等，采用Biokey-WSQ基于自适应的标量量化和小波分解的图像压缩算法，该算法用于指纹图像压缩时，可以尽量保持指纹细节特征点信息，解压缩后对提取指纹细节特征精度的影响较小。WSQ算法在进行大压缩比率的指纹图像压缩时，还原解压后的指纹图像细节特征点的定位和有关信息保存的较好，对随后将要进行的指纹识别影响较小。WSQ压缩比为1：20或1：15，即一个指纹图像可以压缩到6~10K，这个压缩比例采用这种算法是非常合适的。这样既节省了存储空间，而且在解压后又不影响模板特征点的提取。将其用于指纹图像压缩，并考虑到指纹图像识别的需要，从尽量保持关键点信息的角度改进了该算法。