传统指纹识别技术
19世纪初，科学家发现了指纹的两个重要特性：
1、不同手指的指纹纹脊的式样不同，即指纹唯一性；
2、指纹纹脊的式样终身不变，即指纹终身不变性；
根据这两个特性的研究成果，指纹在鉴别犯罪中得到正式应用。至此，指纹识别技术在身份验证领域开启了其辉煌之路。
在传统指纹识别算法中，特征分为两种类别：总体特征和局部特征，其中总体特征包括纹形、模式区、核心点、三角点、纹数，局部特征是指纹中的细节特征也称特征点。虽然指纹之间会具有相同的总体特征，但特征点却往往不相同。指纹纹路并不是连续、笔直平滑的，而是经常出现终断、分叉或转折，这些就称为特征点，就是这些特征点赋予指纹唯一性。特征点是通过特征向量来描述的，其中包括：方向、曲率、位置等。
传统指纹识别技术在银行、刑侦、企业考勤、智能小区、指纹锁等领域得到了蓬勃发展，为我们生活带来了安全与便利。
但传统的指纹识别技术在小型化进程中遇到了瓶颈，传统的采集模式为全采集方式，即一次可覆盖大面积手指，这种采集方式很难在手机的应用上扩展，于是各个厂家纷纷效仿iPhone5s采用小尺寸指纹传感器，与此同时给指纹识别算法提出了新的问题，如此小面积下怎样才能保证每次采集后指纹特征点的存在呢？答案是否定的，即不是每次采集都能保证传统指纹特征点存在，那么在这种情况出现后怎样保证仍可识别呢？其实这个问题也是阻碍传统指纹识别算法方案商没能快速切入手机应用的关键所在。
指纹虽然有其独特所在，但从广义上讲它终究也是图像，而图像识别领域技术发展成熟，尤其图像特征提取方法层次不穷，从这个角度讲我们完全可以借鉴其中的技术与传统指纹识别方法结合来解决问题。
结合图像特征的指纹识别技术
在由多名博士和硕士共同努力与思考后，考虑到每次采集都有可能检测不到指纹特征点，所以我们引入图像特征，并与传统指纹特征生成组合特征用于识别。这样的考虑不仅仅能够解决无指纹特征点情况下的识别问题，也能够尽量保证在FRR与FAR之间找到平衡。
大家都知道在注册阶段需要用户采集若干次，这样的目的在于可以保证最终采集的整体模板数据能够尽量覆盖用户的大部分手指，以达到完美的通过体验。可是考虑到不是所有的用户都能够按照提示注册手指，所以我们需要引入连续注册时的判重机制，不仅如此，我们在识别阶段还引入学习机制，这样就大大调高了用户体验，所以大家会发现我们的指纹识别系统在体验上会越用速度越快，越用通过率越高。
之前总是强调FRR(False Rejection Rate)和FAR(False Acceptance Rate)，那么到底怎么理解这两个指标呢？实际上，它们是用来评估指纹识别算法性能的两个主要参数。
FRR即拒真率，直观理解为应该通过识别的指纹却没通过的概率；FAR即认假率，直观理解为不应该通过识别的指纹却通过的概率；另外其实还有一个ERR(Equal Error Rate)指标，即等价错误率，虽然这个参数大部分厂家没有提及，但是它把FAR、FRR两个参数统一为一个参数，来衡量指纹算法的整体性能，用户参考此指标则更加直观。
对于指纹识别算法而言，在指纹库确定的情况下，其FRR和FAR是一定的。但是指纹库发生变化，这两个指标也会发生变化。目前公开的测试库一般是由FVC(国际指纹识别算法大赛)组织者提供的。而FVC在做指纹识别算法性能测试时，并未使用采集设备引入外界指纹输入，都是使用标准的指纹图像库来测试的。但是对于加入采集设备的指纹识别系统而言，两个指标就显得不那么贴切了。因为指纹识别系统的性能除了受指纹识别算法的影响外，指纹采集设备的性能对FRR和FAR的影响也不能忽视，这里面就涉及到产线、工艺等各个方面的因素，因此说评价一套指纹识别系统的优劣要从系统工程的角度去看待，不能仅凭某一两个指标就做出武断的决定。
指纹识别之应用
传统指纹识别在银行、刑侦等领域扮演着重要角色，而它自出生在手机的那天起就被赋予安全支付的重任。这里其实不是说它就是世界上最安全的支付方式，论其安全性固然没有虹膜等生物识别安全，但是其兼顾了便利性，可以说它在便利与安全之间找到了最佳的平衡点。所以说这里真的要佩服iPhone，我们相信在手机里植入生物识别的过程中，他们是充分衡量评估过的，凭其实力想移植任何生物识别技术都不是难事，但为什么他们单独选择了指纹，至少我们目前的理解是它找到了便利与安全兼顾的支付方式。
基于此我们可以展开联想，难道只有安全支付才是指纹在手机中存在的价值吗？也不尽然，至少在我们的生活中需要密码的地方不仅仅是支付，还有很多需要密码的地方，我们是不是也能切入到这些领域中去从方便用户的角度去扩展指纹应用呢？也许未来的某一天大家真的就不需要密码而是用指纹这种便利的方式去简化我们的生活。
01月07日 18:14
