指纹识别传感器
指纹识别传感器
指纹的采集
指纹识别是指利用人体手指皮肤固有的生理纹路特征进行个人身份鉴定，是众多生物特征识别技术中的一种，也是应用最为广泛的一种。
早期的指纹采集方式是将十指指纹印在专门印制的指纹卡片上，然后扫描为数字图像进行存储和处理。如今，油墨印已经被光学指纹采集器取代，典型的应用如中国的二代身份证项目、美国的US-VISIT项目、欧盟的EU-VISTT项目。在商业应用中，如指纹考勤机等大都采用光学指纹采集器。
指纹采集技术主要分为两种：光学指纹采集和固态指纹传感器指纹采集。
光学指纹采集技术：优点是良好的图像质量及设备的耐用性；缺点是对干湿手敏感，且采集设备相对较大。
固态指纹传感器：通过集成电路直接测量手指皮肤的某些特性来获得指纹图像，大大降低了指纹采集器的尺寸和成本。常用的固态指纹传感器有电容式、射频式、超声波式、压力感应式等，如电脑、手机上用的指纹传感器。一些固态指纹采集器的图像质量可与光学指纹采集器相当，但固态指纹传感器的耐用性、静电及其他环境因素对其寿命有较大影响。
指纹采集面积对指纹识别的准确性有至关重要的影响，测试显示，过小的采集面积会使识别准确性急剧下降。由于成本和尺寸限制，大面积的指纹采集器难以在移动电子设备上使用。滑动式指纹采集器则通过拼接手指滑动过程中的指纹片段来获得大面积的指纹图像，但拼接图像可能产生形变，造成识别困难。
光学指纹识别
由于LCD屏幕无法自发光，所以目前支持光学屏下指纹识别的产品都采用的是OLED屏幕。而且OLED屏幕拥有的自发光、可弯曲，厚度薄等特性，是光学屏下指纹识别技术的有力支撑。
光学屏下指纹识别可以有效避免环境光的干扰，在复杂环境下的稳定性表现更好。
电容式指纹识别
电容式指纹识别技术应用发展多年，无论是识别速度还是准确性都很高，可以说已经相当成熟。其原理是利用硅晶圆在和我们皮肤上电解液接触的时候后形成电场，同时指纹在微观上是高低不平的（肉眼不可见），这时候传感器就可以记录下指纹的形状，以供解锁使用。
从电容式指纹识别原理我们可以得出，电容识别不能湿手解锁，以及无法隔着电场情况复杂的屏幕实现屏下指纹识别。想要将电容式指纹识别转移到屏下有着不小的困难，因为其穿透能力太差让它在全面屏时代显得格格不入。
手持设备上，虽然电容式指纹还可以选择后置和侧边识别，但屏下指纹识别才是目前发展较快。
超声波指纹识别
既然是超声波指纹识别，那实现原理自然就离不开它了。超声波指纹识别与电容式指纹识别原理不同，因为超声波具有穿透性，指纹模组发出的特定频率的超声波扫描手指，利用指纹的不同对超声波反射的不同，能够建立3D图像。
高通称超声波指纹识别为Sense ID，它对手指表面的清洁程度没有太多要求。而且不用对屏幕面板进行开孔，无需按压、可以实现湿手解锁。
指纹特征分类
第一个指纹分类规则是由Purkinje（Moenssens，1971）于1823年提出的，他根据脊线方向场将指纹分为九类：横向曲线（transverse curve）、中央纵纹（central longitudinal stria）、斜条纹（oblique stripe）、斜环（oblique loop）、杏仁涡（almond whorl）、螺旋涡（spiral whorl）、椭圆、圆、双螺旋（double whorl）。Francis Galton对指纹分类进行了第一次深入的科学研究，他将指纹分为三大类：弓型、箕型和斗型（螺旋型），并将每个类别进一步划分为子类别（Galton，1892）。大约在同一时间，阿根廷警官Juan Vucetich开发了一种不同的分类系统，至今Vucetich分类系统仍在许多西班牙语国家使用。十年后，Edward Henry通过增加类的数量完善了Galton分类（Henry，1900）。目前全世界多数执法机构使用的是Galton-Henry分类方案的变体。
弓型指纹：脊线从一侧进入，上升到一个小凸起，然后从它们进入的另一侧出去。弓型指纹没有环形或三角形奇异点。
尖弓型指纹：类似于（普通）弓型，只是至少有一条脊线表现出高曲率，并且存在一个环形和一个三角形奇异点。
箕型指纹：有一条或多条脊线，这些脊线从一侧进入，向后弯曲，然后从它们进入的同一侧出去。箕型指纹存在环形或三角形奇异点。箕型可以进一步细分：具有从左侧进入和离开的脊线的称为左箕，具有从右侧进入和离开的脊线的称为右箕。
斗型指纹：至少包含一条脊线，该脊线围绕指纹中心形成完整的360°路径。在斗型指纹中可以找到两个环形奇异点（或一个螺旋）和两个三角形奇异点。斗型相当复杂，在一些分类方案中，它进一步分为两类：双箕斗（twin loop或者double loop）和普通斗（plain whorl）。
指纹分类是一个困难的模式识别问题，因为指纹的类间变化很小，类内变化很大。
指纹图像的处理
指纹图像预处理是指将采集到的模糊指纹图像通过一系列处理步骤，转换成清晰、易于识别的图像的过程。
处理步骤
- 灰度处理：将彩色图像转换为灰度图像，简化图像信息。
- 归一化处理：调整图像尺寸和对比度，确保图像质量的一致性。
- 图像分割：将指纹图像从背景中分离出来，减少噪声干扰。
- 二值化：将指纹图像转换为只有0和1两个像素值的图像，便于后续处理。
- 图像增强：通过算法增强脊线和谷线的对比度，提高图像清晰度。
- 细化处理：删除指纹纹线的边缘像素，只保留纹线骨架，便于特征提取。
指纹特征提取
指纹特征提取是指从预处理后的指纹图像中提取出具有唯一性的特征信息点，如端点、分叉点等。
提取方法
直接在灰度图像中提取：这种方法省略了部分预处理步骤，但对图像质量要求极高，实际应用中较少采用。
在二值细化图像中提取：通过建立3×3模板，检测像素点周围的灰度值变化，从而确定特征点的位置。这种方法虽然预处理步骤繁琐，但提取的特征信息点较为精确。
特征分类
全局特征：包括纹形、模式区、核心点等，用于初步分类和筛选。
局部特征：如端点、分叉点等细节特征，是指纹识别的关键依据。
指纹识别
根据识别分类算法所使用的特征不同，可以将指纹识别方法分为图像特征法、纹线匹配节特征法、汗孔特征法等，其中常用的方法是细节特征法。具体识别过程举例如下：
图像特征法进行识别：设有两幅待匹配的图像，对它们分别进行傅里叶变换得到，将两个频谱相乘得到其相关谱，显而易见，若二幅图像相似，其频谱亦相似，则其错的峰值或者相关系数会比较大，因此可以根据相关谱的特点来判断图像的相似程度，通过峰值与相关谱总能量的比值来确定图像的相似性。
基于汗孔的分布来识别指纹：在指纹纹线上均匀分布着汗孔，因此汗孔也可以在一定程度上代表指纹的形态。在一枚指纹上，所有的汗孔可以看作是一个有特定分布的点集，因此，汗孔匹配可以看作一个点集匹配过程。汗孔识别的优点在于算法简单，很容易实现，但其缺点也很明显，汗孔过于细微，需要很好的采集设备才能显示清楚，同时，汗孔会受到诸如汗渍、灰尘等的干扰而变得模糊。
指纹识别应用
指纹识别的应用，人类社会越来越多的活动借助于网络来完成，传统的密码机制面临许多问题。一个用户需要在很多网站进行登记注册，从而有众多的账户和密码需要记忆，但简单的密码容易被攻击，复杂的密码又记不住，因而指纹作为密码是一个很有效的方式。指纹识别技术最早应用于门禁产品，包括重点安全防范行业的博物馆、银行金库、保险箱、机房、财务室等场所，单位考勤、区域出人管制和家庭门禁，以及实验室贵重实验设备的保护。指纹识别技术已经在个人电脑和手机等电子产品的开机，以及商业领域的支付交易中被广泛使用。
