指紋識別系統(tǒng)的重要衡量標(biāo)志是識別率。其主要由兩部分組成，拒判率（FRR）和誤判率（FAR）。正因?yàn)槿绱?，?quán)威機(jī)構(gòu)認(rèn)為，在應(yīng)用中1%的誤判率就可以接受。FRR實(shí)際上也是系統(tǒng)易用性的重要指標(biāo)。由于FRR和FAR是相互矛盾的，這就使得在應(yīng)用系統(tǒng)的設(shè)計(jì)中，要權(quán)衡易用性和安全性。下面是我收集整理的指紋識別使用什么原理，希望對你有幫助。
10年的樟樹網(wǎng)站建設(shè)經(jīng)驗(yàn)，針對設(shè)計(jì)、前端、開發(fā)、售后、文案、推廣等六對一服務(wù)，響應(yīng)快，48小時(shí)及時(shí)工作處理。全網(wǎng)營銷推廣的優(yōu)勢是能夠根據(jù)用戶設(shè)備顯示端的尺寸不同，自動調(diào)整樟樹建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設(shè)計(jì)，從而大程度地提升瀏覽體驗(yàn)。創(chuàng)新互聯(lián)建站從事“樟樹網(wǎng)站設(shè)計(jì)”,“樟樹網(wǎng)站推廣”以來，每個客戶項(xiàng)目都認(rèn)真落實(shí)執(zhí)行。
第一步：指紋是手指末端正面皮膚上凸凹不平產(chǎn)生的紋路。
盡管指紋只是人體皮膚的小部分，但是，它蘊(yùn)涵著大量的信息。指紋特征可分為兩類：總體特征和局部特征?？傮w特征指那些用人眼直接就可以觀察到的特征，包括基本紋路圖案、模式區(qū)、核心點(diǎn)、三角點(diǎn)、式樣線和紋線等。基本紋路圖案有環(huán)形、弓形、螺旋形。局部特征即指紋上節(jié)點(diǎn)的`特征，這些具有某種特征的節(jié)點(diǎn)稱為特征點(diǎn)。兩枚指紋經(jīng)常會具有相同的總體特征，但它們的局部特征——特征點(diǎn)，卻不可能完全相同。指紋上的特征點(diǎn)，即指紋紋路上的終結(jié)點(diǎn)、分叉點(diǎn)和轉(zhuǎn)折點(diǎn)。
第二步：指紋識別技術(shù)通常使用指紋的總體特征如紋形、三角點(diǎn)等來進(jìn)行分類，再用局部特征如位置和方向等來進(jìn)行用戶身份識別。
通常，首先從獲取的指紋圖像上找到“特征點(diǎn)”（minutiae），然后根據(jù)特征點(diǎn)的特性建立用戶活體指紋的數(shù)字表示——指紋特征數(shù)據(jù)（一種單向的轉(zhuǎn)換，可以從指紋圖像轉(zhuǎn)換成特征數(shù)據(jù)但不能從特征數(shù)據(jù)轉(zhuǎn)換成為指紋圖像）。由于兩枚不同的指紋不會產(chǎn)生相同的特征數(shù)據(jù)，所以通過對所采集到的指紋圖像的特征數(shù)據(jù)和存放在數(shù)據(jù)庫中的指紋特征數(shù)據(jù)進(jìn)行模式匹配，計(jì)算出它們的相似程度，最終得到兩個指紋的匹配結(jié)果，根據(jù)匹配結(jié)果來鑒別用戶身份。由于每個人的指紋不同，就是同一人的十指之間，指紋也有明顯區(qū)別，因此指紋可用于身份鑒定。
第三步：指紋識別技術(shù)主要涉及四個功能： 讀取指紋圖像、提取特征、保存數(shù)據(jù)和比對：
首先，通過指紋讀取設(shè)備讀取人體指紋的圖像，取到指紋圖像之后，要對原始圖像進(jìn)行預(yù)處理。
其次，用指紋辨識軟件建立指紋的數(shù)字表示特征數(shù)據(jù)，是一種單方向的轉(zhuǎn)換，可以從指紋轉(zhuǎn)換成特征數(shù)據(jù)但不能從特征數(shù)據(jù)轉(zhuǎn)換成為指紋，而兩枚不同的指紋不會產(chǎn)生相同的特征數(shù)據(jù)。軟件從指紋上找到被稱為“節(jié)點(diǎn)”的數(shù)據(jù)點(diǎn)，也就是那些指紋紋路的分叉、終止或打圈處的坐標(biāo)位置，這些點(diǎn)同時(shí)具有七種以上的唯一性特征。
第三，通常手指上平均具有70個節(jié)點(diǎn)，所以這種方法會產(chǎn)生大約500個數(shù)據(jù)。有的算法將節(jié)點(diǎn)和方向信息組合產(chǎn)生了更多的數(shù)據(jù)，這些方向信息表明了各個節(jié)點(diǎn)之間的關(guān)系，也有的算法還處理整幅指紋圖像?？傊?，這些數(shù)據(jù)，通常稱為模板，保存為1KB大小的記錄。
最后，通過計(jì)算機(jī)模糊比較的方法，把兩個指紋的模板進(jìn)行比較，計(jì)算出它們的相似程度，最終得到兩個指紋的匹配結(jié)果。
于指紋所具有的唯一性和不變性，以及指紋識別技術(shù)所具有的可行性和實(shí)用性，指紋識別成為目前最流行、最方便、最可靠的身份認(rèn)證技術(shù)之一。指紋圖像數(shù)據(jù)量大，通過直接比對指紋圖像的方法來識別指紋是不可取的，應(yīng)該先對指紋圖像進(jìn)行預(yù)處理，然后提取出指紋的特征數(shù)據(jù)，通過特征數(shù)據(jù)的比對來實(shí)現(xiàn)自動指紋識別。指紋圖像預(yù)處理作為指紋自動識別過程的第一個環(huán)節(jié)，它的好壞直接影響著自動識別系統(tǒng)的效果。預(yù)處理通常包括濾波、方向圖的求取、二值化、細(xì)化等幾個步驟。
本文首先闡述了生物特征識別技術(shù)的基本概念，對自動指紋識別系統(tǒng)的組成也作了簡要的介紹。然后對目前指紋圖像預(yù)處理的一些常用算法進(jìn)行了介紹，針對指紋圖像的特征，采用了基于Gabor濾波器的指紋預(yù)處理方法，它為特征提取和比對奠定了良好的基礎(chǔ)。
本文所提到的算法已在PC機(jī)上用Visual C++6.0編程實(shí)現(xiàn)，實(shí)驗(yàn)結(jié)果表明，這種方法能獲得令人滿意的指紋圖像預(yù)處理效果。
1. php的aes算法，加密時(shí)會存在空格，0，\0等方式進(jìn)行補(bǔ)長，所以解密后需要進(jìn)行trim操作，才能得到原數(shù)據(jù)串
2. aes加密后進(jìn)行base64_encode，但是解密時(shí)，直接用aes進(jìn)行解密，不需要先base64_decode.【這個操作很騷氣】
function _decryptData($data,$password, $iv){
$decryptData=openssl_decrypt($data, 'aes-128-cbc', $password, OPENSSL_ZERO_PADDING, $iv);
$data =json_decode(trim($decryptData), true);
return $data;
}
function encryptData($data, $password, $iv){
$data = json_encode($data);//$data是一個數(shù)組，如果是字符串，請忽略此句.
$result = base64_encode(openssl_encrypt($data, 'aes-128-cbc', $password, OPENSSL_RAW_DATA, $iv));
return $result;
}
現(xiàn)在國內(nèi)外大都采用基于細(xì)節(jié)特征點(diǎn)的指紋識別技術(shù)，即采用基于圖像處理的指紋識別算法，有兩種比較有代表性的。一種是基于方向?yàn)V波增強(qiáng)，并在指紋細(xì)化圖上提取特征點(diǎn)的算法，另一種是直接從指紋灰度圖上提取特征點(diǎn)的算法。難題在于有些算法會由于指紋圖像的噪音、皮膚彈性引起的非線性形變等多方面因素，導(dǎo)致在識別過程中出現(xiàn)誤差，影響識別率等[1-2]
指紋算法存在的難題與方向
指紋圖像預(yù)處理：預(yù)處理的目的是改善輸入指紋圖像的質(zhì)量，以提高特征提取的準(zhǔn)確性。本文采用灰度分割法對指紋圖像進(jìn)行分割。利用中值濾波去噪。通過自適應(yīng)二值化的方法處理指紋圖像，最后再對圖像進(jìn)行細(xì)化處理并去除毛刺，斷裂等干擾。
指紋圖像特征提?。簩χ讣y圖像的特征點(diǎn)進(jìn)行提取。由于經(jīng)過預(yù)處理后的細(xì)化圖像上存在大量的偽特征點(diǎn)，這些偽特征點(diǎn)的存在，不但使匹配的速度大大降低，還使指紋識別性能急劇下降，造成識別系統(tǒng)的誤拒率和誤識率的上升。因此在進(jìn)行指紋匹配之前，應(yīng)盡可能將偽特征點(diǎn)去除，針對提取出的指紋細(xì)節(jié)特征點(diǎn)含有大量的偽特征點(diǎn)這一問題，提出了一種邊緣信息判別法，有效地去除了邊界偽特征點(diǎn)，再根據(jù)脊線結(jié)構(gòu)特性去除其毛刺和短脊等偽特征點(diǎn)，明顯的減少了偽特征點(diǎn)。
指紋匹配：對指紋圖像的匹配算法進(jìn)行研究。特征匹配是識別系統(tǒng)的關(guān)鍵環(huán)節(jié)，匹配算法的好壞直接影響識別的性能、速度和效率。為了克服指紋圖像非線性形變的影響，采用基于結(jié)構(gòu)特征的點(diǎn)匹配算法，對校準(zhǔn)后的點(diǎn)集進(jìn)行匹配，匹配的特征點(diǎn)個數(shù)在兩個點(diǎn)集中所占比例大約百分之六十五的范圍內(nèi)就可判為匹配成功。
重慶分公司
重慶分公司
