未来智讯 > 人脸语音识别论文 > 指纹识别技能的发展及展望

指纹识别技能的发展及展望

发布时间:2018-11-24 01:06:04 文章来源:未来智讯    
    指纹识别技能的发展及展望作者:未知   【摘要】指纹指手指表面由交替的“脊”和“谷”组成的平滑纹理模式,其变成取决于胚胎中变成手指表皮局部的初始环境,有很强的随机性。包括指纹在内的这些皮肤的纹路在图案、断点和交叉点上各不相同,是唯一的。依靠这种唯一性,我们就能够把一个人同他的指纹对应起来,通过对照他的指纹和预先保存的指纹进行对照,就能够验证他的真实身份。随着社会的发展,信息时代的来临,生物识别技能已经成为身份识别的热门技能,而在生物识别领域,自动指纹识别技能的研讨尤为引人注目。自动指纹识别技能是集传感器技能、生物技能、数字图像处理、模式匹配、电子技能于一体的高新技能。现今,自动指纹识别技能已经广泛应用于公安、海关、银行等需要进行身份坚定的领域。随着网络的发展,自动指纹识别技能又提供了一种解决网络积及数据库平安和保密问题的新途径。
  【关键词】指纹;指纹识别;生物特征识别;模式匹配
  
  1.指纹及指纹识别技能概括
  我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会变成各种各样的图案。这些纹路的存在增加了皮肤表面的摩擦力,使得我们可以用手来抓起重物。指纹指手指表面由交替的“脊”(ridges)和“沟”(valleys)组成的平滑纹理模式,其变成取决于胚胎中变成手指表皮局部的初始环境,有很强的随机性。人们也注意到,包括指纹在内的这些皮肤的纹路在图案、断点和交叉点上各不相同,也便是说,是唯一的。依靠这种唯一性,我们就能够把一个人同他的指纹对应起来,通过对照他的指纹和预先保存的指纹进行对照,就能够验证他的真实身份。这种依靠人体的身体特征来进行身份验证的技能称为生物识别技能,指纹识别是生物识别技能的一种。
  自动指纹识别技能是集传感器技能、生物技能、数字图像处理、模式匹配、电子技能于一体的高新技能,由于它具有唯一性和稳定性等特点,已在计算机自动化办公系统、金融、保险、证券、电子商务、社保、身份证管理等行业以及军方和警方的得到普遍应用。自动指纹识别技能能够分为两类,即验证(Verification)和辨识(Identification)。 验证便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-one matching),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已经注册。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。辨识则是把现场采集到的指纹同指纹数据厍中的指纹逐一对比,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-many matching)”。
  2.传统的平安机制受到挑战
  现行的许多计算机系统中,包括许多相当机密的系统,都是使用"用户ID+密码"的方法来进行用户的身份认证和访问抑制的。实际上,这种方案隐含着一些问题。例如,密码容易被忘记,也容易被别人窃取。而且,如果用户忘记了他的密码,他就不能进入系统,当然能够通过系统管理员重新设定密码来重新起初事务,然而一旦系统管理员忘记了自己的密码,整个系统也许惟有重新安装后才能事务。有关机构的调查证明,因为忘记密码而产生的问题已经成为IT厂商售后服务的最常见问题之一;密码被别人盗取则更是一件可怕的事情,因为用心不良的人可能会进一步窃取公司机密数据、可能会盗用别人的名义做不正当的事情、甚至从银行、ATM终端上提取别人的巨额存款。实际上,密码的盗取对照容易,别人只要留意你在计算机终端前输入口令时的击键动作就能够知道你的密码,甚至能够通过你的生日、年龄、姓名或者其他一些信息猜出你的密码。密码还能够被破解,众所周知,美国一些高度机密军事机构的计算机网络曾不止一次被黑客侵入,黑客们实际上便是破解了这些计算机网络的某一合法用户的密码来起初的。只管现行系统通过要求用户准时改变他们的口令来防止盗用口令行为,但这种方法不仅增加了用户的记忆负担,也不能从根本上解决问题。
  除了计算机网络及其应用系统外,一些传统的需要进行身份验证的局面,也存在着类似的平安性问题。例如证件的伪造和盗用、不正当的转借等。一些犯罪通过伪造证件进入机密场所以窃取机密信息,有的犯罪伪造签证和护照非法入境或移民,这是因为传统的证件使用了易于伪造、未经加密的纸制证件。另一个例子是考勤机,它的使用方便了企业进行职工的考勤管理,但使领导头疼的是经常有人弄虚作假,代别人打卡。丢了钥匙不但打不开门,还要小心坏人拾到你的钥匙盗取你的家财,其他使用钥匙的局面同样也有如此的问题……
  总之,在我们今天的事务生活中,无论你是到银行取钱、到网上交易,还是注册网络服务、购物,甚至到伙伴单位去走访,太多太多的局面都需要身份的认证,而传统的基于标志和知识的身份认证技能由于受到证件伪造以及密码破解等威胁,逐步表现得有些力不从心。这些问题都说明,现行的系统平安技能己遇到严峻的挑战。
  3.自动指纹识别技能的逐步走红
  由于人体的身体特征具有不可复制的特点,人们把目光转向了生物识别技能,希望能够籍此技能来应付现行系统平安所面临的挑战。要把人体的特征用于身份识别,这些特征必须具有唯一性和稳定性。研讨和经验证明,人的指纹、掌纹、手形、脸型、声音、虹膜、视网膜等都具有唯一性和稳定性的特征,即每个人的这些特征都与别人不同、且终生不变,因此就能够据此识别出人的身份。基于这些特征,人们发展了指纹识别、面部识别、发音识别等多种生物识别技能,目前许多技能都己经成熟并得以应用,其中的指纹识别技能更是生物识别技能的热点。相对于其它身份认证技能,自动指纹识别是一种更为理想的身份确认技能,用自动指纹识别不但具有许多独到的信息平安优点,更重要的是还具有很高的实用性、可行性。自动指纹识别系统(AFIS)出现后的很长一段时间内,由于价格、技能、人们的需求等主客观因素,只应用在银行、公安等特殊部门。随着科学技能的进步,半导体传感器的出现,指纹识别系统的价格也不时降落,使得过去高高在上的指纹识别技能,终于走入了市场广大的普通民用领域,逐步走入我们的日常生活之中。目前在世界上许多公司和研讨机构都在指纹识别技能的研讨中取得一些突破性技能,从而推出了许多新产品,这些产品己经起初在诸多领域得以运用。
  指纹识别技能的快速发展主要得益于现代电子集成制造技能和快速可靠算法的研讨。只管指纹不过人体皮肤的一小局部,但用于识别的数据量非常大,对这些数据进行比对也不是大略的相等与不相等的问题,而是使用需要进行大量运算的模糊匹配算法。现代电子集成制造技能使得我们能够制造非常小的指纹图像读取设备,同时飞速发展的个人计算机运算速度提供了在微机甚至单片机上能够进行两个指纹的比对运算的可能。另外,匹配算法可靠性也不时提高,指纹识别技能己经相当实用。
  4.自动指纹识别系统的原理
  基于指纹的身份识别系统是典型的模式识别系统。它包含两个主要的模块:离线训练模块和在线识别模块(鉴定或识别)。离线训练模块指采集指纹数据,提取代表这些数据的特征,将特征和相关的身份信息存入数据库;在线辨别模块采集待识别样本的生物统计数据,提取特征,然后在数据库中根据提取的特征进行检索,找到最佳匹配(鉴定模式)或者根据用户所宣称的身份,从数据库中调出相应的特征,决定它们是否匹配。自动指纹识别系统大致包括指纹采集、指纹分类、特征提取和指纹匹配等内容。
  4.1指纹图像采集
  从采集方式来看,所采到的指纹基本能够分为三类:捺印指纹、活体指纹和模糊指纹。
  捺印指纹指的是将沾了印墨的手指按压在某种东西(常常是纸)上留下指纹的痕迹,再经相应设备转化为数字化的信息,就得到捺印指纹图像。捺印指纹采集到的有效指纹面积对照大,但因采集方式所限,采集速度较慢,指纹缺陷较多,且采集的质量难以严格抑制。
  活体指纹是指用活体指纹录入仪采集的指纹。根据录入原理的不同,活体指纹录入仪可分为光反射式、电感式、电容式和超声反射式等几种。根据采集时指头是否与指纹录入仪接触,又可分为接触式和非接触式。经活体指纹采集设备得到的是数字化的指纹图像,相对照而言,活体指纹的质量是最好的。
  模糊指纹一般是指在犯罪现场采集到的指纹。将罪犯无意中遗留在犯罪现场的指纹痕迹经过显影、拍照和扫描等技能处理而得到的指纹图像。
  其中活体指纹采集技能目前应用最广泛,当今所使用的主要指纹采集技能有光学指纹采集技能,半导体指纹采集技能和超声波指纹采集技能。
  4.1.1 光学指纹图像采集技能
  光学指纹采集技能是目前应用最广泛的指纹采集技能,光学指纹采集设备原理是光的全反射。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上变成了指纹的图像。
  光学采集设备有着许多优势:它履历了长时间实际应用的考验,能承受一定程度温度变化,稳定性很好,成本相对较低,并能提供分别率为500dpi的图像。
  光学采集设备也有不足之处,主要表如今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。
  4.1.2 半导体指纹采集技能
  半导体传感器是含有微型晶体的平面通过多种技能来绘制指纹图像。主要有硅电容传感器、半导体压感式传感器和半导体温度感应传感器。
  硅电容指纹图像传感器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联合大约100,000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,传感面变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,就能够获得具有灰度级的指纹图像。半导体压感式传感器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。半导体温度感应传感器通过感应压在设备上的脊和远离设备的谷温度的不同就能够获得指纹图像。
  半导体指纹传感器选取了自动抑制技能,可以自动调节指纹图像像素行以及指纹部分范围的敏感程度,在不同的环境下联合反馈的信息便可产生高质量的图像。半导体指纹采集设备能够获得非常精确的指纹图像,分别率可高达600dpi,并且指纹采集时不需要象光学采集设备那样,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,能够集成到许多现有设备中,这是光学采集设备所无法比拟的。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,使得传感器偶尔会取不到图像,甚至会被损坏,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,它们并不象玻璃一样耐磨损,从而影响使用寿命。
  4.1.3 超声波指纹图像采集技能
  超声波指纹图像采集技能被认为是指纹采集技能中最好的一种,但在指纹识别系统中还不多见,成本很高,而且还处于实验室阶段。超声波指纹取像的原理是:当超声波扫描指纹的表面,紧接着接收设备获取的其反射信号,由于指纹的脊和谷的声阻抗的不同,导致反射回接受器的超声波的能量不同,测量超声波能量大小,进而获得指纹灰度图像。积累在皮肤上的脏物和油脂对超声波取像影响不大。所以这样获取的图像是实际指纹纹路凹凸的真实反映。
  总之,这几种指纹采集技能都具有它们各自的优势,也有各自的缺点。超声波指纹图像采集技能由于其成本过高,还没有应用到指纹识别系统中。常常半导体传感器的指纹采集区域小于1平方英寸,光学扫描的指纹采集区域等于或大于1平方英寸,能够根据实际需要来选择选取哪种技能的指纹采集设备。
  4.2 指纹分类
  指纹的分类是根据纹线的全局结构模式来进行的。人们经大量统计发现,虽然纹线的全局结构模式因人而异,但变化的种类却是很有限的。这证明把所有指纹分辨归属于有限的几个类别是可能的,从而奠定了指纹分类的理论基础。指纹分类是指确定一个指纹为几类指纹中的哪一类的技能,这些预先设定的指纹类型在从前的文献中已经建立,能够为指纹数据库提供一种索引机制。指纹分类能够看作粗水平上的指纹匹配,一个输入指纹最初与预先设定的指纹类型中某一类型的指纹进行粗水平的指纹匹配,然后,在更精细的水平上,将输入指纹同数据库中相应类型的指纹子集进行匹配。
  就目前的指纹分类技能而言,指纹分类主要是根据指纹中的两类特殊结构core点(中心点)、delta点(三角点)的数目和位置不同而将指纹划分为不同的类型。在大容量数据库的指纹匹配中,指纹类别常常是作为一个索引标志加以应用,用来加快指纹匹配的速度。一幅指纹图像包含了大量的信息,但在实际应用中很难正确提取和把握。常常根据所要研讨的问题从中提取与所要研讨问题相关的特征,然后根据特征选择合适的方法。指纹分类处理过程一般是最初提取是和区分不同类型的指纹的特征,然后根据所选择的特征选取结构的、句法的或神经网络、统计理论等方法来进行分类。
  经常用于指纹分类的特征有(1)奇异点的特征,即奇异点的个数、位置、奇异点之间的拓扑关系等;(2)指纹模式区的特征,Anil K Jain等提出一种FingerCode特征来进行描述;(3)根据指纹纹线方向计算的纹线句子描述法;(4)指纹纹线的几何模拟曲线特征。
  提取奇异点特征有经典的算法,针对质量较好的图像能够方便提取奇异点。使用此类特征进行分类,分类算法对照大略,容易实现。使用此特征进行分类,依赖于此特征即奇异点的可靠提取。奇异点在各种情况下的丢失造成这种方法分类正确率达不到很高的标准。FingerCode特征考察了中心点周围的对照多的信息,变成一192维的向量来进行描述,所以涵盖信息较多。计算方法应该比提取奇异点特征要复杂一些。分类正确率较高,只是仍不能达到FBI的标准。需要进一步深入研讨。使用句法描述的特征能够将指纹详细分类,在某些需要详细分类的系统应该有较多的使用局面。只是句法特征容易受指纹图像大小影响,对照大的指纹需要很长的句子才能够描述,因此给后面使用纹法进行分类带来较大的困难。使用几何模拟曲线特征来描述指纹能够得到更丰富的信息,只是对指纹进行矢量化、曲线模拟需花费的代价较高,用此特征描述的指纹进行分类时也需要专门为符合这种特征设计的分类器。
  4.3 指纹细节特征提取和定义
  指纹的细节特征能够有150种之多。但这些特征出现的几率并不相等,很多特征是极其罕见的。一般在自动指纹识别技能中只使用两种细节特征:纹线端点和分差点。纹线端点指的是纹线忽然结束的位置,而纹线分差点则是纹线忽然一分为二的位置。大量统计结果和实际应用表明,这两类特征点在指纹中出现的机会最多、最稳定,而且对照容易获取。更重要的是,使用这两类特征点足以描述指纹的唯一性。通过算法检测指纹中这两类特征点的数量以及每个特征点的类型、位置和所在区域的纹线方向是特征提取算法的任务。指纹特征提取算法由图像与背景分离、方向信息提取、纹线提取、图像二值化、图像细化和细节特征提取等步骤组成。
  图像与背景分离:指纹图像分为前景和背景两局部,所谓前景指的是清晰的指纹纹路局部,而背景指的是采集区域中无纹路或者指纹相当模糊的局部。采集到的指纹图像一般都不可避免的存在着背景区域,如果不将指纹图像同背景区域有效的分离开,则在处理图像的时候需要处理整个采集区域,造成处理速度的大幅度降落,而且由于背景区域的存在,会严重影响各种图像处理算法的处理效果。从背景中分离指纹图像的目的便是确定指纹图像的有效区域,有针对性的进行处理,从而节约处理时间,保证处理效果。常用的方法是考察各分块区域的灰度和方差,因为指纹区域是对照明显有规律的黑白条纹的间隔,而背景区则是混乱的噪声。
  方向信息提取:方向信息的正确提取在自动指纹识别技能中相当重要,惟有的获得正确的指纹纹线方向信息的基础上,才可以根据它构建合适的模板,沿指纹纹线方向对图像进行平滑,连接不应有的间断;沿指纹纹线方向对图像进行增强,保留和突出指纹图像的固有特征信息,削减伪特征的出现。并且,指纹分类和指纹匹配都依赖指纹方向信息,所以指纹方向信息提取是自动指纹识别技能的前提和基础。
  纹线提取:纹线提取的主要内容包括纹线平滑和纹线增强。指纹纹线是一种方向流模式,本身具有方向信息,联合纹线本身的方向信息,构件适当的模板,沿着纹线切线方向对纹线进行平滑处理,能够连接不应有的间断,沿着纹线法线方向对纹线进行增强,能够将粘连的纹线分开。
  图像二值化:二值化是细化处理的基础,一般的细化操作都是在二值化图像长进行的。图像的二值化便是将原来为灰度的图像变为二值的黑白图像。最大略的方法是选区固定阈值,以此为分界,大于的取为0,小于取为1。这种二值化方法在图像灰度不均匀,深浅不一的情况下效果对照差,造成大量有用信息的丢失,在实际应用中是行不通的。为此,可将整幅指纹图像分块,联合各块图像的特点,为每块图像采用不同的阈值,分辨进行处理。这种方法称为部分阈值采用。
  图像细化:图像细化操作是在二值图像的基础长进行的。一幅二值化图像的细化结果往往称作该二值图像的骨架,进行细化的目的是为特征提取做筹备。自动指纹识别系统中,一般要求细化骨架是单像素宽的,细化效果要好,否则将无法使用常规的特征提取算法提取细节特征信息。细化算法种类很多,从细化处理的顺序看,主要包括串行细化、并行细化和混合细化。串行细化一次值处理当前满足条件的像素点,下次操作由上一次操作结果决定。并行细化同时对满足给定条件的像素点进行处理,即一次处理所有像素的一个子集;混合细化则是串行细化和并行细化交互或同时进行。
  细节特征提取:常用的指纹细节特征主要包括:特征点的类型(是纹线端点还是分叉点)、特征点坐标、特征点所在部分分块图像的纹线方向、与特征点相连的纹线的一段离散采样。
  4.4 指纹匹配
  只管core点、delta点的有无、数目和位置以及纹线数等在一定程度上体现了指纹的个性,但指纹的唯一性却是由部分的纹线特征和以及它们的相互关系来决定的。指纹匹配最后是靠对照两枚指纹的部分纹线特征和相互关系来决定指纹的唯一性的。
  由于采集设备的不完善性、采集条件的随机性以及预处理技能的局限,使得真正特征点的缺失、伪特征点的存在和特征点定位偏差的情况普遍存在。所以,指纹匹配必然是一种模糊匹配,匹配算法必须要有一定的弹性。指纹匹配是指纹识别系统的核心步骤,也是一个重要的研讨课题,人们在这方面作了很多事务。算法共同的缺点是时间复杂度高,正确度不高,不适宜于在线的快速指纹识别。
  5.自动指纹识别技能的可靠性问题
  由于计算机处理指纹时,不过涉及了指纹的一些有限的信息,而且比对算法并不是精确匹配,其结果也不能保证100%正确。指纹识别系统的特定应用的重要衡量标志是识别率。主要由两局部组成,拒判率(FRR)和误判率(FAR)。我们能够根据不同的用途来调整这两个值。FRR和FAR是成反比的。只管指纹识别系统存在着可靠性问题,但其平安性也比相同可靠性级别的"用户ID+密码"方案的平安性高得多。例如选取四位数字密码的系统,不平安几率为0.01%,如果同选取误判率为0.01%指纹识别系统相比,由于不诚实的人能够在一段时间内试用所有可能的密码,因此四位密码并不平安,然而他绝对不可能找到一千个人去为他把所有的手指(十个手指)都试一遍。正因为如此,权威机构认为,在应用中1%的误判率就能够接受。
  FRR实际上也是系统易用性的重要目标。由于FRR和FAR是相互矛盾的,这就使得在应用系统的设计中,要权衡易用性和平安性。一个有效的办法是比对两个或更多的指纹,从而在不丧失易用性的同时,极大地提高了系统平安性。
  6.指纹识别技能的应用实例
  自动指纹识别技能能够通过几种方法应用到许多方面。能够想象如果计算机上的所有系统和应用程序都能够使用指纹验证的话,人们使用计算机就会相当方便和平安,用户不再讨厌必要的平安性检查,而IT开发商的售后服务事务也会减轻许多。IBM公司已经开发成功并广泛应用的Global Sign On软件通过定义唯一的口令,或者使用指纹,就能够在公司整个网络上畅行无阻。 把指纹识别技能同IC卡联合起来,是目前最有前景的一个方向之一。该技能把卡的主人的指纹(加密后)存储在IC卡上,并在IC卡的读卡机上加装指纹识别系统,当读卡机阅读卡上的信息时,一并读入持卡者的指纹,通过比对卡上的指纹与持卡者的指纹就能够确认持卡者的是否卡的真正主人,从而进行下一步的交易。在更加严格的局面,还能够进一步同后端主机系统数据库上的指纹作对照。指纹IC卡能够广泛地运用于许多行业中,例如取代现行的ATM卡、制造防伪证件(签证或护照、公费医疗卡、会员卡、借书卡等)。目前ATM提款机加装指纹识别功能在美国已经起初使用。持卡人能够取消密码 (避免老人和孩子记忆密码的困难)或者仍旧保留密码,在操作上按指纹与密码的时间差不多。
  近年来,自动发送信息的互联网络,带给人们的方便与利益,正在快速增长之中,但也因此产生了很多的问题,尤其在信息平安方面。无论是团体或者个人的信息,都害怕在四通八达的网络上传送而发生有损权益的事情。由于指纹特征数据能够通过电子邮件或其他传输方法在计算机网络长进行传输和验证,通过指纹识别技能,限定惟有指定的人才能访问相关信息,能够极大地提高网上信息的平安性,这样,包括网上银行、网上贸易、电子商务的一系列网络商业行为,就有了平安性保障。在SFNB(Security First Network Bank平安第一网络银行),便是通过互联网络来进行资金划算的,他们目前正在实施以指纹识别技能为基础的保障平安性的项目,以增强交易的平安性。
  在医院里,指纹识别技能能够验证病人身份,例如输血管理。指纹识别技能也有助于证实寻求公共救援、医疗及其他政府福利或者保险金的人的身份确认。在这些应用中,指纹识别系统将会取代或者补充许多大量使用照片和ID的系统。
  7 指纹识别技能展望20世纪80年代,个人电脑、光学扫描这两项技能的革新,使得它们作为指纹取像的工具成为现实,从而使指纹识别能够在其他领域中得以应用,比如代替IC卡。90年代后期以来,低价位取像设备的引入和飞速发展以及可靠的比对算法的发现为个人身份识别应用的增长提供了舞台。
  对生物识别技能来说,被广泛接受意味着在影响万万人的日常生活的各个地方使用。通过取代个人识别码和口令,生物识别技能能够阻止非授权的访问,能够防止盗用ATM、蜂窝电话、智能卡、桌面PC、事务站及其计算机网络;在通过电话、网络进行的金融交易时进行身份认证;在建筑物或事务场所,生物识别技能能够取代钥匙、证件、图章和卡阅读器。
  指纹技能是一种对照理想的平安认证技能,由于具有辽阔的市场前景,也受到了越来越广泛的重视,当前,世界各国都抢先在这一领域进行研讨。而在未来,一方面,随着电子信息大众化和电子商务的日益普及,信息平安管理事务将备受各行业重视;另一方面,随着国际恐怖主义事件、社会暴力事件的频频发生,公共场所及公众平安问题也得到前所未有的关注,这些均为指纹识别技能提供了辽阔的应用前景。■
  
  【参考文献】
  [1]尹义龙.自动指纹识别系统研讨.博士学位论文[C],2000.
  [2]尹义龙.自动指纹识别中若干关键算法的研讨.博士后事务归纳汇报,2002,6.
  [3]尹义龙,宁新宝,张小梅.自动指纹识别技能的发展与应用.南京大学学报,2001,38(1),30-35.
  [4]A.Jain,L.Hong,and R .Bolle.Online fingerprint verification[J].IEEE Trans. Pattern Anal.and Machine Intell.1997,19(4):302~314.

转载请注明来源。原文地址:https://www.7428.cn/page/2018/1124/46287/
 与本篇相关的热门内容: