空間指紋演算法

① 數字證書的簽名哈希演算法跟指紋演算法都是指對摘要（指紋的）的編碼嗎

證書簽名使用的演算法是發布者自己規定的 使用自己的私鑰對證書編碼的哈希值進行加密 一般演算法為md5withrsa或者sha256withrsa。哈希演算法是唯一的 就是把證書編碼轉換為固定長度的2進制 這個過程不可逆 就是說無法通過哈希值還原證書編碼。指紋演算法就是哈希演算法 一般都是sh1。證書認證的流程是證書所有者把證書和指紋（證書的哈希值並用私鑰加密）發給用戶 用戶根據證書計算出一個哈希值 用公鑰解密指紋得到一個哈希值 看一下兩者是否相同 相同及證明證書未被篡改。演算法是由所有者的私鑰加密的。ca的作用是ca是可以認證一個證書鏈，源頭就是ca 一旦你信任了這個ca 就是信任了ca發布的證書，這樣你與ca發布的證書的所有者通信時可以根據證書鏈找到ca ca可信任了則這個發布者就是可信任的

② 如何設置隱私空間的指紋密碼

1、點擊打開桌面上的【設置】， 選擇【隱私】選項。 2、點擊【隱私空間】，選擇【開啟】。 3、輸入主空間密碼後，設定一個與主空間不同的隱私空間密碼，選擇關聯指紋，然後錄入指紋即可。

③ 每天都用指紋識別，那指紋識別技術的工作方式是什麼呢

首先介紹一下生活中主要應用的幾種指紋識別技術，分別是光學式和電容式指紋識別還有超聲波識別。

光學式指紋識別

光學識別是應用比較早的一種指紋識別技術，比如之前很多的考勤機、門禁都採用的就是光學指紋識別技術。

它主要是利用光的折攝和反射原理，將手指放在光學鏡片上，手指在內置光源照射下，光從底部射向三棱鏡，並經棱鏡射出，射出的光線在手指表面指紋凹凸不平的線紋上折射的角度及反射回去的光線明暗就會不一樣。用棱鏡將其投射在電荷耦合器件上CMOS或者CCD上，進而形成脊線（指紋圖像中具有一定寬度和走向的紋線）呈黑色、谷線（紋線之間的凹陷部分）呈白色的數字化的、可被指紋設備演算法處理的多灰度指紋圖像。然後對比資料庫看是否一致。而三星Galaxy S7 Edge就採用了用手指直接按壓屏幕就可以實現解鎖的光學指紋解鎖技術。

超聲波指紋識別

超聲波指紋識別也可稱為射頻式指紋識別。超聲波指紋識別與電容式需要檢測指紋表面不同，超聲波具有穿透性，利用指紋模組發出的特定頻率的超聲波掃描手指，利用指紋的不同對超聲波反射的不同，能夠建立3D指紋圖形，因此對手指表面的清潔程度並不用太過考慮。另外，由於超聲波具有比較強的穿透性，可以穿透金屬、玻璃等常用手機材質，因此對手機外觀方面也不會有太多限制。

④ 指紋鎖的匹配方式1:1,1:N是什麼意思

• 指紋鎖的匹配方式1:1就是指紋采樣時對同一指紋錄入1次樣，指紋識別時只對比一次，然後判斷是與否。優點：速度比1:N快一點； 缺點；誤識率相對1：N要高點。

• 1：N就是指紋采樣時對同一指紋錄入N次樣，指紋識別時對比N次，然後判斷是與否。缺點：速度比1：1慢一點； 優點：誤識率相對1：1要低點。

• 由於指紋本身的唯一性，誤識率已經很低，N一般為2-4，過高無意義。

• 指紋鎖是智能鎖具，它是計算機信息技術、電子技術、機械技術和現代五金工藝的完美結晶。指紋的特性成為識別身份的最重要證據而廣泛應用於公安刑偵及司法領域。指紋認證具有方便、快速、精確、的特點。

⑤ 指紋識別是怎麼一回事

指紋識別技術主要涉及四個功能：讀取指紋圖象、提取特徵、保存數據和比對。

在一開始，通過指紋讀取設備讀取到人體指紋的圖象，取到指紋圖象之後，要對原始圖象進行初步的處理，使之更清晰。

接下來，指紋辨識軟體建立指紋的數字表示——特徵數據，一種單方向的轉換，可以從指紋轉換成特徵數據但不能從特徵數據轉換成為指紋，而兩枚不同的指紋不會產生相同的特徵數據。軟體從指紋上找到被稱為「節點」（minutiae）的數據點，也就是那些指紋紋路的分叉、終止或打圈處的坐標位置，這些點同時具有七種以上的唯一性特徵。因為通常手指上平均具有70個節點，所以這種方法會產生大約490個數據。

有的演算法把節點和方向信息組合產生了更多的數據，這些方向信息表明了各個節點之間的關系，也有的演算法還處理整幅指紋圖像。總之，這些數據，通常稱為模板，保存為1K大小的記錄。無論它們是怎樣組成的，至今仍然沒有一種模板的標准，也沒有一種公布的抽象演算法，而是各個廠商自行其是。

最後，通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果。

二. 取得指紋圖象

1.取象設備原理

取像設備分成兩類：光學、硅晶體感測器和其他。

光學取像設備有最悠久的歷史，可以追溯到20世紀70年代。依據的是光的全反射原理(FTIR)。光線照到壓有指紋的玻璃表面，反射光線由CCD去獲得，反射光的數量依賴於壓在玻璃表面指紋的脊和谷的深度和皮膚與玻璃間的油脂。光線經玻璃設到谷後反射到CCD，而設到脊後則不反射到CCD（確切的是脊上的液體反光的）。

由於最近光學設備的革新，極大地降低了設備的體積。最近90年代中期，感測器可以裝在6x3x6英寸的盒子里，在不久的將來更小的設備是3x1x1英寸。這些進展取決於多種光學技術的發展而不是FTIR的發展。例如：纖維光被用來捕捉指紋圖象。纖維光束垂直射到指紋的表面，他照亮指紋並探測反射光。另一個方案是把含有一微型三棱鏡矩陣的表面安裝在彈性的平面上，當手指壓在此表面上時，由於脊和谷的壓力不同而改變了微型三棱鏡的表面，這些變化通過三棱鏡光的反射而反映出來。

應用晶體感測器是最近在市場上才出現的，盡管它在傳奇文學作品中已經出現近20年。這些含有微型晶體的平面通過多種技術來繪制指紋圖象。電容感測器通過電子度量被設計來捕捉指紋。電容設備能結合大約100,000導體金屬陣列的感測器，其外面是絕緣的表面，當用戶的手指放在上面時，皮膚組成了電容陣列的另一面。電容器的電容值由於金屬間的距離而變化，這里指的是脊（近的）和谷（遠的）之間的距離。壓感式表面的頂層是具有彈性的壓感介質材料，他們依照指紋的外表地形（凹凸）轉化為相應的電子信號。溫度感應感測器被設計為感應壓在設備上的脊和遠離設備的谷溫度的不同。

超聲波掃描被認為是指紋取像技術中非常好的一類。很象光學掃描的激光，超聲波掃描指紋的表面。緊接著，接收設備獲取了其反射信號，測量他的范圍，得到脊的深度。不象光學掃描，積累在皮膚上的臟物和油脂對超音速獲得的圖象影響不大，所以這樣的圖象是實際脊地形（凹凸）的真實反映。

由於巨大的指紋辨別市場，如果想指紋識別在商業上的巨大成功，三個因素中的兩個因素是非常重要的，它們是低價格和緊湊的體積（另外一個是上面談到的識別率）。90年代初到後期，取像設備的價格已經劇烈的下降，製造商最近又承諾，在最近幾年後，又要進行大幅度降價。至於體積，上面已經提到光學感測器的體積從6x3x3英寸降到3x1x1英寸。應用晶體的感測器的體積差不多是這樣或者更小。在晶片上，集成電路的技術越來越高（如：數字化電路把指紋信號轉化為數字信號強度），系統體積將越來越小，晶體感測器的體積接近與手指大小所需要的體積，其長寬大約是1x1英寸高不到1英寸。

在晶體感測器之前，一些沒有用到的機能是局部調整、軟體控制、自動獲取控制(AGC)技術。對於大多數光學設備，只能通過人工調整來改變圖象的質量。然而，晶體感測器提供自動調節象素，行以及局部范圍的敏感程度，從而提高圖象的質量。AGC在不同的環境下結合反饋的信息產生高質量的圖象。例如，一個不清晰（對比度差）的圖象，如乾燥的指紋，能夠被感覺並增強靈敏度，在捕捉的瞬間產生清晰的圖象（對比度好）；由於提供了局部調整的能力，圖象不清晰（對比度差）的區域也能夠被檢測到（如：手指壓得較輕的地方）並在捕捉的瞬間為這些象素提高靈敏度。

光學掃描也有自己的優勢。其中之一在較大的模型可以做較大指紋取像區域。而製造較大的應用晶體感測器的指紋取像區域是非常昂貴的，所以應用晶體感測器的指紋取像區域小於1平方英寸，而光學掃描的指紋取像區域等於或大於1平方英寸。然而這個對於較小的光學掃描設備並不是優勢。較小的光學掃描也是較小指紋取像區域，這是因為較大的指紋取像區域需要較長的焦點長度，所以要有較大包裝，否則如果較大的取像區域使用較小的包裝，則光學掃描設備會受到圖象邊緣線形扭曲的影響。

晶體感測器技術最重要的弱點在於，它們容易受到靜電的影響，這使得晶體感測器有時會取不到圖象，甚至會被損壞，另外，它們並不象玻璃一樣耐磨損，從而影響了使用壽命。

總之，各種技術都具有它們各自的優勢，也有各自的缺點。我們在下面給出三種主要技術的比較。

比較項目 光學全反射技術 硅晶體電容感測技術 超聲波掃描
體 積 大 小 中
耐 用 性 非常耐用 容易損壞 一般
成像能力 干手指差，但汗多的和稍臟的手指成像模糊 干手指好，但汗多的和稍臟的手指不能成像 非常好
耗 電 較多 較少 較多
成 本 低 低 很高

2. 圖象增強

剛獲得的圖象有很多噪音。這主要由於平時的工作和環境引起的，比如，手指被弄臟，手指有刀傷、疤、痕、乾燥、濕潤或撕破等。圖象增強是減弱噪音，增強脊和谷的對比度。想得到比較干凈清晰的圖象並不是容易的事情。為這個目標而為處理指紋圖象所涉及的操作是設計一個適合、匹配的濾鏡和恰當的閥值。

指紋還有一些其他的有用的信息。比如：類似於脊的「多餘的部分」，即使一些特別的脊不連續，但仍可認為是脊的一部分，從而決定他的走向。我們可以利用這些「多餘的信息」。

有很多圖象增強的方法。大多數是通過過濾圖象與脊局部方向相匹配。圖象首先分成幾個小區域（窗口），並在每個區域上計算出脊的局部方向來決定方向圖。可以由空間域處理，或經過快速2維傅立葉變換後的頻域處理來得到每個小窗口上的局部方向。

設計合適的，相匹配的濾鏡，使之實用於圖象上所有的象素（空間場是其中的一個）。依據每個象素處脊的局部走向，濾鏡應增強在同一方向脊的走向，並且在同一位置，減弱任何不同於脊的方向。後者含有橫跨脊的噪音，所以其垂直於脊的局部方向上的那些不正確的「橋」會被濾鏡過濾掉。所以，合適的、匹配的濾鏡可以恰到好處地確定脊局部走向的自身的方向，它應該增強或匹配脊而不是噪音。

圖象增強，噪音減弱後，我們准備開始選取一些脊。雖然，在原始灰階圖象中，其強度是不同的而按一定的梯度分布，但它們真實的信息被簡單化為二元：脊及其相對的背景。二元操作使一個灰階圖象變成二元圖象，圖象在強度層次上從原始的256色（8-bits）降為2色(1-bits)。圖象二元化後，隨後的處理就會比較容易。

二元化的困難在於，並不是所有的指紋圖象有相同的閥值，所以一般不採取從單純的強度入手，而且單一的圖象的對照物是變化的，比如，手在中心地帶按的比較緊。因此一個叫「局部自適應的閥值（locally adaptive thresholding）」的方法被用來決定局部圖象強度的閥值。

在節點提取之前的最後一道工序是「細化（thinning）」。細化是將脊的寬度降為單個象素的寬度。一個好的細化方法是保持原有脊的連續性，降低由於人為因素所造成的影響。人為因素主要是毛刺，帶有非常短的分支而被誤認為是分叉。認識到合法的和不合法的節點後，在特徵提取階段排除這些節點。

三. 指紋識別技術的基本原理

指紋其實是比較復雜的。與人工處理不同，許多生物識別技術公司並不直接存儲指紋的圖象。多年來在各個公司及其研究機構產生了許多數字化的演算法（美國有關法律認為，指紋圖象屬於個人隱私，因此不能直接存儲指紋圖象）。但指紋識別演算法最終都歸結為在指紋圖象上找到並比對指紋的特徵。

指紋的特徵

我們定義了指紋的兩類特徵來進行指紋的驗證：總體特徵和局部特徵。總體特徵是指那些用人眼直接就可以觀察到的特徵，包括：

基本紋路圖案
環型（loop）, 弓型（arch）, 螺旋型（whorl）。其他的指紋圖案都基於這三種基本圖案。僅僅依靠圖案類型來分辨指紋是遠遠不夠的，這只是一個粗略的分類，但通過分類使得在大資料庫中搜尋指紋更為方便。

模式區（Pattern Area）
模式區是指指紋上包括了總體特徵的區域，即從模式區就能夠分辨出指紋是屬於那一種類型的。有的指紋識別演算法只使用模式區的數據。 Aetex 的指紋識別演算法使用了所取得的完整指紋而不僅僅是模式區進行分析和識別。

核心點（Core Point）
核心點位於指紋紋路的漸進中心，它用於讀取指紋和比對指紋時的參考點。

三角點（Delta）
三角點位於從核心點開始的第一個分叉點或者斷點、或者兩條紋路會聚處、孤立點、折轉處，或者指向這些奇異點。三角點提供了指紋紋路的計數和跟蹤的開始之處。

式樣線（ Type Lines）
式樣線是在指包圍模式區的紋路線開始平行的地方所出現的交叉紋路，式樣線通常很短就中斷了，但它的外側線開始連續延伸。

紋數（ Ridge Count）
指模式區內指紋紋路的數量。在計算指紋的紋數時，一般先在連接核心點和三角點，這條連線與指紋紋路相交的數量即可認為是指紋的紋數。 局部特徵 局部特徵是指指紋上的節點。兩枚指紋經常會具有相同的總體特徵，但它們的局部特徵——節點，卻不可能完全相同。

節點（Minutia Points）
指紋紋路並不是連續的，平滑筆直的，而是經常出現中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為「節點」。就是這些節點提供了指紋唯一性的確認信息。

指紋上的節點有四種不同特性：
1. 分類 – 節點有以下幾種類型，最典型的是終結點和分叉點

A. 終結點（Ending） -- 一條紋路在此終結。
B. 分叉點（Bifurcation） -- 一條紋路在此分開成為兩條或更多的紋路。
C. 分歧點（Ridge Divergence） -- 兩條平行的紋路在此分開。
D. 孤立點（Dot or Island） -- 一條特別短的紋路，以至於成為一點
E. 環點（Enclosure） -- 一條紋路分開成為兩條之後，立即有合並成為一條，這樣形成的一個小環稱為環點
F. 短紋（Short Ridge） -- 一端較短但不至於成為一點的紋路，

2. 方向（Orientation） -- 節點可以朝著一定的方向。

3. 曲率（Curvature） -- 描述紋路方向改變的速度。

4. 位置（Position） -- 節點的位置通過（x,y）坐標來描述，可以是絕對的，也可以是相對於三角點或特徵點的。

四. 系統問題（system issues）

有效的指紋辨識系統不僅僅依賴於辨識演算法，還有其他的一些重要因素，這里稱之為「系統問題」。包括注冊和辨識過程，速度和工作學、用戶信息的反饋、排斥欺騙和安全考慮。 為了得到較好的識別率，重要的是在注冊時盡量獲得最好的指紋圖象，這是因為注冊一般只進行一次，而以後的辨識是經常的。一個較好的指紋識別系統應要求用戶的指紋在登記指紋時多次獲取指紋，然後，把最好的指紋或每次獲得的指紋的綜合的結果作為注冊的指紋。

又一個方法可以作為指紋系統設計時的考慮，即我們可以多次取像直到得到一個確定的匹配，但這個過程在降低了拒判率的同時，提高了誤判率。辨識不僅僅只用一個手指的指紋，可以用兩個或更多的手指的指紋，這樣可以增強識別率，當然這樣一來會浪費用戶的許多時間。

系統的工作學是很重要的。例如：在個人識別系統中，人們願意等待時間的極限，這個極限時間根據特定的應用而不同，依賴於在處理的過程中人們正在做什麼。例如：刷卡或輸入ID號的過程，從0.5-1.5秒被認為是可接受的時間；另外，拒判而重復次數不應超過3次。

驗證和辨識的過程、取像設備的設計拒判率和誤判率關系的設定，為了盡可能的獲得高質量的指紋圖象而提示用戶手指該怎樣放置，正確的反饋信息是非常有用的。如「手指放得太高」，「手指按得不夠重」等。

在指紋識別系統中，反欺騙的措施用來阻止人造指紋、死指紋和殘留指紋。殘留指紋是由於皮膚油或其他原因殘留在感測器上。感測器應建立反欺對策，使得有能力識別真實的皮膚溫度、阻力或電容。

既然指紋識別系統是為安全而考慮的，例如，節點模板資料庫必須是安全的，以防止一個冒名頂替的人將自己的指紋存進資料庫而成為合法的用戶。指紋匹配的結果是「YES」或「NO」，以此獲得訪問權。如果有人簡單地繞過指紋匹配而能去直接發送一個「YES」，那麼系統就是不安全的。這個問題的解決是確保主機接收的識別結果是來自真正的合法用戶，如通過數字信號發送給主機。

總之，在一個完整的指紋識別應用系統中有許多問題值得考慮，解決好這些問題有助於成功地建立有效的系統，相反，則有可能會使得高明的技術被束之高閣，甚至導致應用系統最後的失敗。

⑥ 目前行業內有哪些比較高精度的室內定位演算法和實現

目前室內定位常用的較高精度的定位方法，從原理上主要分為七種：鄰近探測法、質心定位法、多邊定位法、三角定位法、極點法、指紋定位法和航位推演算法。
一、鄰近探測法
通過一些有范圍限制的物理信號的接收，從而判斷移動設備是否出現在某一個發射點附近。該方法雖然只能提供大概的定位信息，但其布設成本低、易於搭建，適合於一些對定位精度要求不高的應用，例如自動識別系統用於公司的員工簽到。
二、質心定位法
根據移動設備可接收信號范圍內所有已知的信標（beacon）位置，計算其質心坐標作為移動設備的坐標。該方法易於理解，計算量小，定位精度取決於信標的布設密度。
三、多邊定位法
通過測量待測目標到已知參考點之間的距離，從而確定待測目標的位置。精度高、應用廣。
四、三角定位法
基於無線信號的三角測量定位演算法是室內定位演算法中非常常見的一種，三角測量定位演算法類似GPS衛星定位。實際定位過程中使用的是RSSI信號值衰減模型。原理是在無線信號強度在空間中傳播隨著距離衰減，而無線信號強度（RSSI值）對於定位標簽上的接收器來說是可測的，那麼依據測試到的信號強度，再根據信號衰減模型就可以反推出距離了。獲取待測目標相對2個已知參考點的角度後結合兩參考點間的距離信息可以確定唯一的三角形，即可確定待測目標的位置。基於三角測量定位演算法的定位方案是被動式藍牙定位方案和主被動一體式藍牙定位方案。
五、極點法
通過測量相對某一已知參考點的距離和角度從而確定待測點的位置。該方法僅需已知一個參考點的位置坐標，因此使用非常方便，已經在大地測量中得到廣泛應用。
六、指紋定位法
在定位空間中建立指紋資料庫，通過將實際信息與資料庫中的參數進行對比來實現定位。指紋定位的優勢是幾乎不需要參考測量點，定位精度相對較高；但缺點是前期離線建立指紋庫的工作量巨大，同時很難自適應於環境變化較大的場景。
七、航位推演算法
是在已知上一位置的基礎上，通過計算或已知的運動速度和時間計算得到當前的位置。數據穩定，無依賴，但該方法存在累積誤差，定位精度隨著時間增加而惡化。

⑦ 指紋的重要概念

指紋識別技術作為一個新的IT技術領域，自身具有許多新的概念。了解指紋識別技術的概念有助於准確的理解指紋識別技術。 識別與驗證並不是指紋識別演算法領域的問題，而是指紋識別系統的問題。指紋識別是指在1：N模式下匹配指紋特徵值。它是從多個指紋模板中識別出一個特定指紋的過程。其結果是，「有」或者「沒有」。有時會給出「是誰」的信息。
指紋驗證是指在1：1模式下匹配指紋特徵值。它是拿待比對的指紋特徵模板與事先存在的另一個指紋特徵模板進行一次匹配的過程。其結果是「是不是」。在一個系統中既可以採用1：1模式也可以採用1：N模式，這是取決於應用系統的特點和要求。有時候還可以業務模式的需要，把1:N模式轉化為1:1模式以提高系統安全性和比對速度。
優點：
1.指紋是人體獨一無二的特徵，並且它們的復雜度足以提供用於鑒別的足夠特徵；
2.如果要增加可靠性，只需登記更多的指紋、鑒別更多的手指，最多可以多達十個，而每一個指紋都是獨一無二的；
3.掃描指紋的速度很快，使用非常方便；
4.讀取指紋時，用戶必需將手指與指紋採集頭相互接觸，與指紋採集頭直接；
5.接觸是讀取人體生物特徵最可靠的方法；
6.指紋採集頭可以更加小型化，並且價格會更加的低廉；
缺點：
1.某些人或某些群體的指紋特徵少，難成像；
2.過去因為在犯罪記錄中使用指紋，使得某些人害怕「將指紋記錄在案」。
3.實際上指紋鑒別技術都可以不存儲任何含有指紋圖像的數據，而只是存儲從指紋中得到的加密的指紋特徵數據；
4.每一次使用指紋時都會在指紋採集頭上留下用戶的指紋印痕，而這些指紋痕跡存在被用來復制指紋的可能性。 FRR（False Rejection Rate）和FAR（False Acceptance Rate）是用來評估指紋識別演算法性能的兩個主要參數。FRR和FAR有時被用來評價一個指紋識別系統的性能，其實這並不貼切。指紋識別系統的性能除了受指紋演算法的影響外，指紋採集設備的性能對FRR和FAR的影響也是不能忽視的。
FRR通俗叫法是拒真率的意思，標准稱謂是FNMR（False Non-Match Rate 不匹配率）。可以通俗的理解為「把應該相互匹配成功的指紋當成不能匹配的指紋」的概率。對指紋演算法的性能測量是在給定指紋庫的情況下進行測量的。用於測量的指紋庫一般由FVC（國際指紋識別演算法大賽）組織者給定。FVC在作指紋識別演算法性能測試時，並無外界指紋輸入，是使用標準的指紋圖像庫來測試的。所以FNMR是在沒有連接指紋採集設備的情況下得出的測試值。本節的其它參數也都是在這一前提下得出的。
假定指紋庫中有100個不同ID的手指，每個手指注冊有3枚指紋，則該指紋庫中共有300枚指紋。假定P1表示手指1的ID，則其三次注冊的指紋用P1-F1,P1-F2,P1-F3來表示。FNMR是指把指紋庫中的同一個手指的3枚指紋兩兩比較，即P1-F1與P1-F2匹配，P1-F1與P1-F3匹配，P1-F2與P1-F3匹配，P1-F2與P1-F1匹配，P1-F3與P1-F1匹配，P1-F3與P1-F2匹配，共有6種匹配方式。把所有100個手指在其內部均作6種匹配，共6x100=600次匹配。理論情況下，600次匹配均能正確匹配，匹配的成功率為100%。實際上因為同一手指的3枚指紋圖像不可能完全一樣，所以有一個匹配相似度問題。假定我們把匹配成功的相似度設為>90%，就是說當相似度大於90%時，表示匹配成功。然後我們從600次匹配中，找出多少次相似度在90%以上的，這個數值就表示匹配成功的次數，假定為570次。600次中其餘的表示沒有匹配成功的次數，為600-570=30次。則匹配失敗率，就是30/600=5%。
對於指紋識別演算法來講，在指紋庫確定的情況下，其匹配失敗率FNMR是一定的。當指紋庫發生變化，其FNMR也會有變化。所以國際上是以FVC公布的指紋庫為統一的測試庫，在該測試庫中測試出來的FNMR結果作為衡量指紋演算法性能的標准參考。
FAR一般稱為認假率，其標准稱謂是FMR（False Match Rate 錯誤匹配率）。FMR是用來評估指紋識別演算法性能的最重要參數。可以通俗的理解為「把不應該匹配的指紋當成匹配的指紋」的概率。
同樣以前段中的指紋庫為例。把庫中的每個指紋，與除自己之外的其它所有指紋進行匹配，匹配的總次數，即300×（300-1）=89700次。理論情況下，匹配成功次數為6x100=600次，匹配失敗次數應為89700-600=89100次。假定由於指紋演算法性能的原因，把本應該匹配失敗的判為匹配成功，若假定這種錯誤次數為100次。則錯誤接受率FAR為100/89100=0.11%。匹配失敗次數是因判定相似的條件嚴格程度而變化的。當匹配成功的篩選條件，即門限值提高時，FAR會降低。
FAR也與指紋庫相關。在FVC大賽中，有4個指紋庫用於測試，並取平均值。其中有一個指紋庫是人工生成的，以排除採集設備不同導致的指紋圖像質量不同對演算法效能的影響。
在同一個指紋庫中，對同一個演算法來講，需要設定一個閾值，作為判定相似的標准。當相似度大於這個閾值時，表示匹配成功，否則表示匹配失敗。FNMR是隨閾值增大而增大的，即判定相似的門檻值越高，則真的指紋判定為假的機率越大。反之，FMR是隨閾值增大而減小的，即隨著判定相似度的門檻值越高，把假的指紋判定為真的概率會越小。FAR與FRR成反比。根據2004年FVC大賽測試結果，一般當FMR是1/1000量級時，FNMR是5/100左右。也就是100個手指的指紋庫中，進行1000次匹配，有可能發生一次匹配錯誤，即認錯。進行100次匹配，有可能出現5次匹配失敗，即不認。 EER（Equal Error Rate）是相等錯誤率的意思。這個參數一般在普通場合不大使用。EER主要用於評價指紋演算法整體效能的指標。也就是把FAR、FRR兩個參數統一為一個參數，來衡量指紋演算法的整體性能。FAR和FRR是同一個演算法系統的兩個參數，把它放在同一個坐標中，如圖30所示。FAR是隨閾值增大而減小的，FRR是隨閾值增大而增大的。因此它們一定有交點。這個點是在某個閾值下的FAR與FRR等值的點。習慣上用這一點的值來衡量演算法的綜合性能。對於一個更優的指紋演算法，希望在相同閾值情況下，FAR和FRR都越小越好。
把FAR和FRR曲線都向下平移。同時相交點ERR也向下平移。EER值越小的時候，表示演算法的整體性能越高。
由於當FRR與FAR相交時對應的閾值都很小，也就是說此時的相似度閾值連30%都不到。實際使用中的閾值至少設在80%以上，故EER值並不被用在大眾化場合來描述指紋演算法的性能，只是在競賽排名中使用。
FRR實際上也是系統易用性的重要指標。由於FRR和FAR是相互矛盾的，這就使得在應用系統的設計中，要權衡易用性和安全性。一個有效的辦法是比對兩個或更多的指紋，從而在不損失易用性的同時，極大地提高了系統安全性。 拒登率一般使用較少，在指紋識別術語中，它是一個意思相對比較含糊的詞。在世界指紋演算法大賽中，有個參數叫拒絕注冊率，有時被稱為拒登率，用來衡量指紋識別演算法對指紋圖像質量的挑剔程度，用REJENROLL。表示。在給定的指紋數量，如100枚指紋圖像中，可以成功注冊或稱為建檔的指紋，如果是99，則REJENROLL=1%。對FVC大賽給出的標准指紋庫來講，絕大多數的指紋演算法都可以建檔成功，即REJENROLL為0.00%。
在另外一種場合，拒登率通常被解釋為指紋識別系統（包含指紋採集設備）不接受指紋注冊的概率。這種情況下，拒絕注冊的因素，除了演算法本身的原因外，更多的受指紋採集設備的成像能力的影響。指紋採集設備輸出的指紋圖像質量越好，指紋識別系統的拒登率越低，指紋採集設備輸出的指紋圖像質量越低，其拒登率越高。 注冊時間是用來衡量指紋演算法性能的另一個指標。它是指從輸入指紋圖像到指紋建檔成功（注冊成功）的時間。根據FVC大賽的結果，一般的指紋演算法注冊時間在0.5秒以內，這也是FVC以參加LIGHT組比賽的演算法提出的參賽資格之一。
匹配時間有時稱為比對速度，是用來指示指紋識別演算法完成一次匹配所需的時間。它是從指紋圖像輸入算起到匹配結果輸出為止的時間。參加演算法大賽的絕大多數演算法的匹配時間在0.3秒以內，這個參數與注冊時間最小值一起構成LIGHT組的參賽條件。
由於這些時間都是受待測的指紋圖像的質量影響，故一般取多個指紋庫的平均值，一般拿平均注冊時間和平均匹配時間作為衡量依據。

⑧ 指紋識別技術是基於哪些原理

指紋其實是比較復雜的。與人工處理不同，許多生物識別技術公司並不直接存儲指紋的圖像。多年來在各個公司及其研究機構產生了許多數字化的演算法（美國有關法律認為，指紋圖像屬於個人隱私，因此不能直接存儲指紋圖像）。但指紋識別演算法最終都歸結為在指紋圖像上找到並比對指紋的特徵。
指紋的特徵
我們定義了指紋的兩類特徵來進行指紋的驗證：總體特徵和局部特徵。總體特徵是指那些用人眼直接就可以觀察到的特徵，包括：
基本紋路圖案
環型（loop）,
弓型（arch）,
螺旋型（whorl）。其他的指紋圖案都基於這三種基本圖案。僅僅依靠圖案類型來分辨指紋是遠遠不夠的，這只是一個粗略的分類，但通過分類使得在大資料庫中搜尋指紋更為方便。
模式區（Pattern
Area）模式區是指指紋上包括了總體特徵的區域，即從模式區就能夠分辨出指紋是屬於那一種類型的。有的指紋識別演算法只使用模式區的數據。
Aetex
的指紋識別演算法使用了所取得的完整指紋而不僅僅是模式區進行分析和識別。
核心點（Core
Point）核心點位於指紋紋路的漸進中心，它用於讀取指紋和比對指紋時的參考點。
三角點（Delta）三角點位於從核心點開始的第一個分叉點或者斷點、或者兩條紋路會聚處、孤立點、折轉處，或者指向這些奇異點。三角點提供了指紋紋路的計數和跟蹤的開始之處。
式樣線（Type
Lines）式樣線是在指包圍模式區的紋路線開始平行的地方所出現的交叉紋路，式樣線通常很短就中斷了，但它的外側線開始連續延伸。
紋數（Ridge
Count）指模式區內指紋紋路的數量。在計算指紋的紋數時，一般先在連接核心點和三角點，這條連線與指紋紋路相交的數量即可認為是指紋的紋數。
局部特徵
局部特徵是指指紋上的節點。兩枚指紋經常會具有相同的總體特徵，但它們的局部特徵--節點，卻不可能完全相同
節點（Minutia
Points）指紋紋路並不是連續的，平滑筆直的，而是經常出現中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為"節點"。就是這些節點提供了指紋唯一性的確認信息。
指紋上的節點有四種不同特性：
1.
分類
-
節點有以下幾種類型，最典型的是終結點和分叉點
A.
終結點（Ending）
--
一條紋路在此終結。
B.
分叉點（Bifurcation）
--
一條紋路在此分開成為兩條或更多的紋路。
C.
分歧點（Ridge
Divergence）
--
兩條平行的紋路在此分開。
D.
孤立點（Dot
or
Island）
--
一條特別短的紋路，以至於成為一點
E.
環點（Enclosure）
--
一條紋路分開成為兩條之後，立即有合並成為一條，這樣形成的一個小環稱為環點
F.
短紋（Short
Ridge）
--
一端較短但不至於成為一點的紋路，
2.
方向（Orientation）
--
節點可以朝著一定的方向。
3.
曲率（Curvature）
--
描述紋路方向改變的速度。
4.
位置（Position）
--
節點的位置通過（x,y）坐標來描述，可以是絕對的，也可以是相對於三角點或特徵點的。

⑨ 指紋識別是什麼原理呢

本來想自己寫的，但是要說的太多了，乾脆找找COPY一個。你還有什麼不明白的可以直接問我，我就是做這個行業的。

手指上的指紋表徵了一個人的身份特徵。1788年Mayer首次提出沒有兩個人的指紋完全相同，1823年Purkinie首次把指紋紋形分成9類，1889年Henry提出了指紋細節特徵識別理論，奠定了現代指紋學的基礎。但採用人工比對的方法，效率低、速度慢。20世紀60年代，開始用計算機圖像處理和模式識別方法進行指紋分析，這就是自動指紋識別系統（簡稱AFIS）[1]。20世紀70年代末80年代初，刑事偵察用自動指紋識別系統（police�AFIS，P�AFIS）投入實際運用。20世紀90年代，AFIS進入民用，稱為民用自動指紋識別系統（civil�AFIS，C�AFIS）。本文試圖從指紋特徵分析著手，闡述指紋作為人體身份識別的原理方法、指紋識別的主要技術指標和測試方法，以及實際應用的現實性與可靠性[2-4]。

1 指紋識別的原理和方法

1.1 指紋的特徵與分類
指紋識別學是一門古老的學科，它是基於人體指紋特徵的相對穩定與唯一這一統計學結果發展起來的。實際應用中，根據需求的不同，可以將人體的指紋特徵分為：永久性特徵、非永久性特徵和生命特徵[5]。
永久性特徵包括細節特徵（中心點、三角點、端點、叉點、橋接點等）和輔助特徵（紋型、紋密度、紋曲率等元素），在人的一生中永不會改變，在手指前端的典型區域中最為明顯，分布也最均勻[1]。細節特徵是實現指紋精確比對的基礎，而紋形特徵、紋理特徵等則是指紋分類及檢索的重要依據。人類指紋的紋形特徵根據其形態的不同通常可以分為「弓型、箕型、斗型」三大類型，以及「孤形、帳形、正箕形、反箕形、環形、螺形、囊形、雙箕形和雜形」等9種形態[1]。紋理特徵則是由平均紋密度、紋密度分布、平均紋曲率、紋曲率分布等紋理參數構成。紋理特徵多用於計算機指紋識別演算法的多維分類及檢索。
非永久性特徵由孤立點、短線、褶皺、疤痕以及由此造成的斷點、叉點等元素構成的指紋特徵，這類指紋有可能產生、癒合、發展甚至消失[1]。
指紋的生命特徵與被測對象的生命存在與否密切相關。但它與人體生命現象的關系和規律仍有待進一步認識。目前它已經成為現代民用指紋識別應用中越來越受關注的熱點之一。

1.2 指紋識別的原理和方法
指紋識別技術主要涉及四個功能：讀取指紋圖像、提取特徵、保存數據和比對。通過指紋讀取設備讀取到人體指紋的圖像，然後要對原始圖像進行初步的處理，使之更清晰，再通過指紋辨識軟體建立指紋的特徵數據。軟體從指紋上找到被稱為「節點」（minutiae）的數據點，即指紋紋路的分叉、終止或打圈處的坐標位置，這些點同時具有七種以上的唯一性特徵。通常手指上平均具有70個節點，所以這種方法會產生大約490個數據。這些數據，通常稱為模板。通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果[5-6]。採集設備（即取像設備）分成幾類：光學、半導體感測器和其他。

2 指紋識別技術的主要指標和測試方法

2.1 演算法的精確度

指紋識別系統性能指標在很大程度上取決於所採用演算法性能。為了便於採用量化的方法表示其性能，引入了下列兩個指標。
拒識率（false rejection rate，FRR）：是指將相同的指紋誤認為是不同的，而加以拒絕的出錯概率。FRR=（拒識的指紋數目／考察的指紋總數目）×100%。
誤識率（false accept rate，FAR）：是指將不同的指紋誤認為是相同的指紋，而加以接收的出錯概率。FAR=（錯判的指紋數目／考察的指紋總數目）×100%。
對於一個已有的系統而言，通過設定不同的系統閾值，就可以看出這兩個指標是互為相關的，FRR與FAR成反比關系。這很容易理解，「把關」越嚴，誤識的可能性就越低，但是拒識的可能性就越高。

2.2 誤識率和拒識率的測試方法
測試這兩個指標，通常採用循環測試方法[7]。即給定一組圖像，然後依次兩兩組合，提交進行比對，統計總的提交比對的次數以及發生錯誤的次數，並計算出出錯的比例，就是FRR和FAR。針對FAR=0.0001%的指標，應採用不少於1 415幅不同的指紋圖像作循環測試，總測試次數為1 000 405次，如果測試中發生一次錯誤比對成功，則FAR=1/1 000 405；針對FRR=0.1%，應採用不少於46幅屬於同一指紋的圖像組合配對進行測試，則總提交測試的次數為1 035次數，如果發生一次錯誤拒絕，則FRR=1/1 035。測試所採用的樣本數越多，結果越准確。作為測試樣本的指紋圖像應滿足可登記的條件。

2.3 系統參數
拒登率（error registration rate，ERR）：指的是指紋設備出現不能登錄及處理的指紋的概率，ERR過高將會嚴重影響設備的使用范圍，通常要求小於1%。
登錄時間：指紋設備登錄一枚指紋所需的時間，通常單次登錄的時間要求不超過2 s。
比對時間：指紋設備對兩組指紋特徵模版進行比對所耗費的時間，通常要求不超過1 s。
工作溫度：指紋設備正常工作時所允許的溫度變化范圍，一般是0～40 ℃。
工作濕度：指紋設備正常工作時所允許的相對濕度變化范圍，一般是30%～95%。

3 指紋識別技術的應用
指紋識別技術已經成熟，其應用日益普遍，除了刑事偵察用之外，在民用方面已非常廣泛，如指紋門禁系統、指紋考勤系統、銀行指紋儲蓄系統、銀行指紋保管箱、指紋醫療保險系統、計劃生育指紋管理系統、幼兒接送指紋管理系統、指紋獻血管理系統、證券交易指紋系統、指紋槍械管理系統、智能建築指紋門禁管理系統、駕駛員指紋管理系統等。
指紋門禁系統和指紋考勤系統是開發和使用得最早的一種出入管理系統，包括對講指紋門禁、聯機指紋門禁、離線指紋門禁等等。在入口將個人的手指按在指紋採集器上，系統將已登錄在指紋庫中的指紋（稱為已經注冊）進行對比，如果兩者相符（即匹配），則顯示比對成功，門就自動打開。如不匹配，則顯示「不成功」或「沒有這個指紋」，門就不開。在指紋門禁系統中，可以是一對一的比對（one�to�one matching），也可以是一對幾個比對（one�to�few matching）。前者可以是一個公司、部門，後者可以是一個家庭的成員、銀行的營業廳、金庫、財務部門、倉庫等機要場所。在這些應用中，指紋識別系統將取代或者補充許多大量使用照片和ID系統。
把指紋識別技術同IC卡結合起來，是目前最有前景的一個應用之一。該技術把卡的主人的指紋（加密後）存儲在IC卡上，並在IC卡的讀卡機上加裝指紋識別系統，當讀卡機閱讀卡上的信息時，一並讀入持卡者的指紋，通過比對就可以確認持卡者是否是卡的真正主人，從而進行下一步的交易。指紋IC卡可取代現行的ATM卡、製造防偽證件等。ATM卡持卡人可不用密碼，避免老人和孩子記憶密碼的困難。

近年來，互聯網帶給人們方便與利益已，也存在著安全問題。指紋特徵數據可以通過電子郵件或其它傳輸方法在計算機網路上進行傳輸和驗證，通過指紋識別技術，限定只有指定的人才能訪問相關的信息，可以極大地提高網上信息的安全性。網上銀行、網上貿易、電子商務等一系列網路商業行為就有了安全性保障。
指紋社會保險系統的應用為養老金的准確發放起了非常有效的作用。避免了他人用圖章或身份證復印件代領，而發放人員無法確定該人是故世的問題，要憑本人的活體指紋，才可准確發放養老金。

4 指紋識別的可靠性
指紋識別技術是成熟的生物識別技術。因為每個人包括指紋在內的皮膚紋路在圖案、斷點和交叉點上各不相同，是唯一的，並且終生不變。通過他的指紋和預先保存的指紋進行比較，就可以驗證他的真實身份。自動指紋識別是利用計算機來進行指紋識別的一種方法。它得益於現代電子集成製造技術和快速而可靠的演算法理論研究。盡管指紋只是人體皮膚的一小部分，但用於識別的數據量相當大，對這些數據進行比對是需要進行大量運算的模糊匹配演算法。利用現代電子集成製造技術生產的小型指紋圖像讀取設備和速度更快的計算機，提供了在微機上進行指紋比對運算的可能。另外，匹配演算法可靠性也不斷提高。因此，指紋識別技術己經非常簡單實用。由於計算機處理指紋時，只是涉及了一些有限的信息，而且比對演算法並不是十分精確匹配，其結果也不能保證100%准確。

指紋識別系統的特定應用的重要衡量標志是識別率。主要包括拒識率和誤識率，兩者成反比關系。根據不同的用途來調整這兩個值。盡管指紋識別系統存在著可靠性問題，但其安全性也比相同可靠性級別的「用戶ID+密碼」方案的安全性要高得多。拒識率實際上也是系統易用性的重要指標。在應用系統的設計中，要權衡易用性和安全性。通常用比對兩個或更多的指紋來達到不損失易用性的同時，極大提高系統的安全性。