1、自动指纹识别系统,传统身份验证,验证该人是否持有有效的证明文件或信物计算机系统中，多使用用户ID+密码的方法来进行用户的身份认证和访问控制的,生物识别的概念,所谓生物识别，就是利用人体的生理特征或行为动作来认证人的身份特征是每个人所独有的，其它人无法复制取代，并不是所有人体特征或动作都能用于身份识别,特征选择的要求,普遍性唯一性稳定性可采集性可接受性,通用生物识别系统,工作模式,验证：就是通过把现场采集到的生物特征与一个己经登记的模板进行“一对一的比对（one-to-one matching）”，来确认身份的过程辨识则是把现场采集到的生物特征同数据厍中的模板逐一对比，从中找出与现场特征相匹配的
2、模板。这也叫“一对多匹配（one-to-many matching）”。,生物识别系统性能评价（1）,输出是一个有一定置信度的结果有两种错误判断，一是把正确的匹配当成错误的而拒绝（拒真率False Reject Rate, FRR），另一种则是把原本不匹配的当成正确的而接纳（误识率False Accept Rate, FAR）。,生物识别系统性能评价（2）,等错误率（ERR）：是指FRR与FAR相等时值，ERR越小，系统的精度越高。系统的匹配速度也是系统性能的一个重要指标，特别对于辨识系统。,主要生物识别技术,生物识别技术或使用人体的生理特征，或使用人的行为动作。生理特征要比行为动作更加可靠。
3、广泛使用或研究较深的生物识别技术有：人脸识别、指纹识别、掌形识别、手部血管识别、虹膜识别、视网膜图形识别、面部热象图识别、人耳识别、签名识别、步态识别和声纹识别。,人脸识别,人脸识别是最友好、人的接受性最强的一种身份认证手段人脸识别技术已经相当成熟在使用人脸识别时还利用了其它相关信息动态人脸识别还存在困难,指纹识别,指纹的结构是在胎儿期形成的，不仅与遗传因素有关，还受母体内环境的影响，因此，即使是同卵双胎，其指纹也有明显的差异，而他们的DNA在目前技术条件下还无法区分。指纹的唯一性与稳定性已经得到了有力的验证，并在司法、公安和各种安全防护系统广泛应用。目前困扰指纹识别应用扩大的问题一是人们对其
4、的接受性,掌形识别,掌形识别是利用手掌的几何尺寸关系来识别人的身份，这些尺寸主要包括手掌的形状，手指的长度和宽度以及手指的三维特征等等。识别的精度在一定条件下也较为可靠最大的缺点在于如果用于大人群的身份认证，其识别精度会大大下降掌形并不是一个具有稳定性的生物特征,虹膜识别,虹膜的唯一性和稳定性虹膜不与其它任何外界环境相关联，也无法用手术修补。虹膜图象的采集需要用光线扫描人的眼睛，会使人感到不适虹膜扫描器的价格太高，目前还很难向普通民用市场推广。,人耳识别,通过获取耳朵的正面投影，经图象预处理后，得到用于匹配的图形特征描述。人耳是否具有唯一性和稳定性，仅通过现有的小样本测试，恐怕还无法说明。,签
5、名识别,签名识别有两种方式：静态识别和动态识别。所谓静态识别是指识别时仅仅考虑签名的几何特征。而动态识别除了利用静态几何特征外，还要考虑诸如速度、加速度和签名的轮廓轨道等动态因素。获取动态签名的特征，需要使用特殊的写字板或签名笔,声纹识别,声纹识别分为内容相关和内容不相关两种类型。内容相关的声纹识别要求被验证的人发出固定的同一句话，而内容不相关的识别则对被验证者的语音无特殊要求声纹识别系统中的最大问题是对于大人群，它的识别能力还有所欠缺，另外，背景的噪杂对识别效果影响很大,指纹鉴别大都采用FBI提出的细节匹配的方法。按照FBI的建议，细节分为两类：脊线的端点和分歧点。在使用中，一般如果有大于1
6、2个特征完全匹配，则认为两枚指纹完全一致。美国IBM公司和密执安州立大学的学者经研究发现，对于较为完整的指纹图象，按以上准则匹配错误的概率为理论上为5.810-7人工的鉴定方法，决不是简单的主观判断，而是建立在一系列的客观事实上的，如指纹细节间的相互位置、指纹脊线的流向，脊线的密度等等,自动指纹识别,指纹图象采集,传统的指纹采集方式是油墨加纸光学指纹传感器最常用的是FTIR技术。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和皮肤与玻璃间的油脂和水分硅晶体传感器（电容、电感、电场）热敏温度感应传感器超声波传感器,指纹分类,指纹分类,指纹分类困
7、难一方面是因为指纹本身的形状各异，另一方面是指纹分类体系的复杂与模糊性。,指纹匹配,指纹匹配主要依靠的指纹细节特征（Minutiae）。常见的指纹指纹特征主要有以下五种：端点、分歧点、桥形、交叉和口形自动指纹识别系统一般只用脊线的端点和分歧点作为指纹的细节特征，这是因为其他几种特征都可以看作是这两种特征的合成。,指纹压缩,目前由FBI提出的WSQ算法是国际上较为流行的指纹图象压缩算法，它采用了小波变换和霍夫曼编码等技术，其压缩比约为20：1,自动指纹识别所面临的问题,活体指纹传感器带来的图象误差对于质量较差的指纹图象缺乏有效的指纹特征描述手段没有一种方便稳定的，适合自动指纹识别系统的指纹分类体
8、系。,指纹图象分割,其目的是把指纹图象中质量很差，在后续处理中很难恢复的图象区域与有效区域区分开来，使后续处理能够集中于有效区域。指纹纹线具有较强的方向性，因此利用方向图对指纹图象进行分割是一种常用的方法,多级分割法：就是把分割的过程分为3级，使各级的搜索范围逐级递减，第一级分割为背景分割，第二级从前景中分割出模糊区域，第三级从模糊区中分割出不可恢复部分，这样各级分割的搜索区域有大到小，所采用的特征量也有简到繁，把计算量少的特征量作用于较大范围的区域，不仅节约了运算开销，而且提高了分割的可靠性。,滤波正规化利用块均值和方差做第一次分割，去除背景部分利用方向图和块方向图完成第二次和第三次分割,图
9、像增强,利用了传统的傅立叶变换来增强指纹图象，同时在傅立叶增强后，又使用了两种方向滤波器来进一步修补指纹纹线。经过傅立叶增强的指纹图象，还有可能存在断裂和叉连，其中断裂是指指纹脊线的小断口，叉连为两条相近的脊线由于噪音而连在了一起。使用了方向滤波器来消除这两种噪声。,方向滤波器,滤波器由两部分构成：平均滤波器和分离滤波器。平均滤波器的作用主要是连接脊线中出现的断裂，而分离滤波器可以去除图象中的叉连现象。,图像二值化,使用了一种基于脊线方向分析的方法对指纹图象进行二值化,指纹纹线细化,细化就是将二值图象变化为单象素宽度的骨架图象。,指纹匹配,基于细节特征的误匹配,传统基于Gabor滤波器的指纹匹
10、配,指纹匹配方法,（1）细节特征的提取；（2）基于多幅指纹图象的细节特征和细节编码生成匹配组合模板；（3）基于组合模板的指纹匹配。,信息融合的五层策略,组合模板生成,采集同一指纹的三幅图象，分别对其进行预处理并提取细节特征对于三幅指纹初始模板，任选两初始模板，确定两模板匹配所能达到的最大分值另选没有匹配过的两个模板，直至所有模板两两匹配完毕确定参考模板和参考点，确定各模板与参考模板的校正参数，按校正参数对各初始模板校准把各初始模板中可信度大于1的特征重新在参考模板中登记,指纹分类方法,一种新的分类体系,使用模糊聚类的方法，在特征空间重新聚类，可用迭代自组织的数据分析算法（ISODATA）或K均值算法,大作业题目,基于小波（或分形）的图像压缩（不允许使用matlab或opencv及其他开发包，必须自己编写核心代码）基于Android的动态签名识别基于Android的照相和相片修饰系统基于Android的名片识别系统基于视频的自动车牌识别系统基于视频的自动人脸识别系统图片管理系统（图片的检索、浏览、编辑、要求支持批量处理）,
