指纹模式识别算法源码及其测试和应用方法
指纹算法需求
指纹特征值生成、比对API库需求：
- 可输出指纹图像。图像格式为bmp，小于等于500DPI，不大于50K。
- 可输出指纹模板。生成模板需要至少采集几次指纹需说明，建议不超过三次。模板大小不超过1K。模板生成时间不大于1秒。
- 可输出指纹特征值（可以是非字符串格式）。特征值大小不超过512B。
- 可输出指纹特征值字符串。字符串为可见字符，长度不超1024。
- 指纹比对时，支持输入指纹特征值字符串比对。
- 指纹比对时，支持输入指纹图像进行比对。
- 指纹比对API支持多线程模式，支持大并发调用。
- 指纹比对支持1：1，即指纹验证。
- 指纹比对支持1：N，即指纹辨识。
- 指纹比对时每枚比对速度要求小于0.1秒。
- 认假率小于0.0001% 。
- 拒真率小于0.75% 。
- 库要求32位，但支持在64位操作系统运行。
- 可提供dll、jar两种形式API的库。
-
环境要求
| 系统列表 |
|
| Windows |
2003 server/xp/win7 |
| Linux |
>=内核2.6 |
| Aix unix |
>=5.2 |
| Android |
|
废话不多说，直接上干货，先附上一张指纹算法项目的思路流程图：
点击这里：指纹项目的算法及其测试完整Github链接
一、先讲解一下指纹算法源码的思路
从指纹图像中提取指纹特征:
int __stdcall Analyze(BYTE *lpImage, int Width, int Height, BYTE *lpFeature, int *lpSize)
{
///////////////////////////////////////////////////////////////////////
// Width: [in] 指纹图像宽度
// Height: [in] 指纹图像高度
// lpImage: [in] 指纹图像数据指针
// Resolution: [in] 指纹图像分辨率，默认500
// lpFeature: [out] 提取的指纹特征数据指针
// lpSize: [out] 指纹特征数据大小
// TODO: Add your implementation code here
VF_RETURN re;
// 导入指纹图像数据
VF_ImportFinger(lpImage, Width, Height);
// 处理指纹图像，提取指纹特征
re = VF_Process();
if (re != VF_OK)
return re;
// 对指纹特征进行编码
re = VF_FeatureEncode(&g_Feature, lpFeature, lpSize);
if (re != VF_OK)
return re;
return 0;
}对两个指纹进行特征比对：
int __stdcall PatternMatch(BYTE *lpFeature1, BYTE *lpFeature2, int *lpScore)
{
// lpFeature1: [in] 第一个指纹特征
// lpFeature2: [in] 第二个指纹特征
// lpScore: [out] 比对的相似度
// FastMode: [in] 是否进行快速模式比对
VF_RETURN re1,re2;
MATCHRESULT mr;
FEATURE feat1, feat2;
// 第一个指纹特征的解码
re1 = VF_FeatureDecode(lpFeature1, &feat1);
if (re1 != VF_OK)
{
printf("图像1解码失败\n");
return 0;
//return re1;
}
// 第二个指纹特征的解码
re2 = VF_FeatureDecode(lpFeature2, &feat2);
if (re2 != VF_OK)
{
printf("图像2解码失败\n");
return 0;
//return re2;
}
*lpScore = 0;
bool FastMode = true;
if (FastMode)
{
// 快速模式的比对
VF_VerifyMatch(&feat1, &feat2, &mr, VF_MATCHMODE_IDENTIFY);
}
else
{
// 精确模式的比对
VF_VerifyMatch(&feat1, &feat2, &mr, VF_MATCHMODE_VERIFY);
}
// 匹配的相似度
//*lpScore = mr.Similarity/10;
*lpScore = mr.Similarity;
/*if (mr.MMCount < 8)
{
*lpScore = 0;
}
else
{
*lpScore = mr.Similarity;
}*/
return 0;
}
二、怎么调用该源码算法库
在此不进行过多重复叙述，请移步我的另外一篇博文：https://blog.csdn.net/yanxiaolx/article/details/78730291
三、测试该算法识别率的测试demo
测试指纹算法的效果好坏，有3个指标：拒真率，认假率和识别率
测试的指纹库github已经上传：点击这里
正样本：所有指纹全部来自同一手指
负样本：所有指纹均来自不同手指
拒真率：正样本测试不通过的比率
认假率：负样本测试通过的比率
识别率：1 -(拒真率 + 认假率) / 2
第一个函数，对两个指纹图片的识别进行测试：
void test3()
{
char ImagePathName1[100] = "D:\\c++code\\test\\1 (1).BMP";
char ImagePathName2[100] = "D:\\c++code\\test\\1 (1).BMP";
BYTE lpFeature1[500] = { 0 };
BYTE lpFeature2[500] = { 0 };
int lpSize1 = 0, lpSize2 = 0, score = 0;
int iReturn = 0;
sprintf(ImagePathName1, "D:\\c++code\\test\\1 (13).BMP");
sprintf(ImagePathName2, "D:\\c++code\\test\\1 (14).BMP");
iReturn = AnalyzeFromFile(ImagePathName1, lpFeature1, &lpSize1);
if (iReturn != 0)
{
printf("从BMP文件中读取图像1失败\n");
}
iReturn = AnalyzeFromFile(ImagePathName2, lpFeature2, &lpSize2);
if (iReturn != 0)
{
printf("从BMP文件中读取图像2失败\n");
}
PatternMatch(lpFeature1, lpFeature2, &score);//对指纹进行比对
if (score >35)//原来是60
{
printf("Same Fingerprint! \n");
}
else
{
printf("Different Fingerprint! \n");
}
return;
}测试认假率：
int count1 = 0, Arr_score1[11476] = { 0 };
void test1(double *Arr1)//测试认假率
{
char ImagePathName1[100] = "E:\\c++code\\指纹测试资料\\SyntFingerDLL\\测试分类指纹库图片\\0.正常\\1 (1).BMP";
char ImagePathName2[100] = "E:\\c++code\\指纹测试资料\\SyntFingerDLL\\测试分类指纹库图片\\0.正常\\1 (1).BMP";
BYTE lpFeature1[500] = { 0 };
BYTE lpFeature2[500] = { 0 };
int lpSize1=0, lpSize2=0, score=0;
int iReturn = 0;
//DWORD start_time = GetTickCount();
for (int i = 1; i <152; i++)//注意修改循环后面的值
{
sprintf(ImagePathName1, "E:\\c++code\\指纹测试资料\\SyntFingerDLL\\测试分类指纹库图片\\0.正常\\1 (%d).BMP", i);
for (int j = i+1; j <=152; j++)//尽量保证假样本多，(n-1)*n/2
{
sprintf(ImagePathName2, "E:\\c++code\\指纹测试资料\\SyntFingerDLL\\测试分类指纹库图片\\0.正常\\1 (%d).BMP", j);
iReturn = AnalyzeFromFile(ImagePathName1, lpFeature1, &lpSize1);
if (iReturn != 0)
{
printf("从BMP文件中读取图像%d失败\n", i);
break;
}
iReturn = AnalyzeFromFile(ImagePathName2, lpFeature2, &lpSize2);
if (iReturn != 0)
{
printf("从BMP文件中读取图像%d失败\n", j);
continue;
}
PatternMatch(lpFeature1, lpFeature2, &score);//对指纹进行比对
Arr_score1[count1] = score;
count1++;
cout << count1 <<",i=" << i << ",j=" << j << endl;
}
}
//DWORD end_time = GetTickCount();
//cout << "The run time is:" << (end_time - start_time)/23436 << "ms!" << endl;
FILE *f;
f = fopen("D:\\c++code\\指纹测试资料\\认假test1\\score.txt", "w");
if (f == NULL)
{
printf("ERROR!");
return;
}
for (int i = 1; i <= 1000; i++)
{
int Y_count = 0, N_count = 0;
for (int j = 0; j < count1; j++)
{
if (Arr_score1[j]>=i-1)
{
Y_count++;
}
else
{
N_count++;
}
}
fprintf(f, "序号=%d,Y_count=%d,N_count=%d,sum=%d,认假率=%lf\n", i, Y_count, N_count, Y_count + N_count, Y_count*1.0 / (Y_count + N_count));
Arr1[i - 1] = Y_count*1.0 / (Y_count + N_count);
}
for (int j = 0; j < count1; j++)
{
fprintf(f, "序号=%d,score=%d\n", j + 1, Arr_score1[j]);
}
fclose(f);
return ;
}
测试拒真率：
int count2 = 0;
int Arr_score2[12000] = { 0 };
void test2(double *Arr2)//测试拒真率
{
char ImagePathName1[100] = "D:\\c++code\\指纹测试资料\\指纹采集2014.7.3-bmp\\1 (1)\\1 (1).BMP";
char ImagePathName2[100] = "D:\\c++code\\指纹测试资料\\指纹采集2014.7.3-bmp\\1 (1)\\1 (1).BMP";
BYTE lpFeature1[500] = { 0 };
BYTE lpFeature2[500] = { 0 };
int lpSize1 = 0, lpSize2 = 0, score = 0;
int iReturn = 0;
int N=10;//修改文件夹方便
//DWORD start_time = GetTickCount();
for (int k =1; k <= 232; k++)
{
for (int i = 1; i <= N; i++)//注意修改循环后面的值
{
sprintf(ImagePathName1, "D:\\c++code\\指纹测试资料\\指纹采集2014.7.3-bmp\\1 (%d)\\1 (%d).BMP", k, i);
for (int j = i; j <= N; j++)//不考虑比对过的重复，尽量保证真样本多，n*(n+1)/2
{
//count++;
sprintf(ImagePathName2, "D:\\c++code\\指纹测试资料\\指纹采集2014.7.3-bmp\\1 (%d)\\1 (%d).BMP", k, j);
iReturn = AnalyzeFromFile(ImagePathName1, lpFeature1, &lpSize1);
if (iReturn != 0)
{
printf("从BMP文件中读取图像%d失败\n", i);
break;
}
iReturn = AnalyzeFromFile(ImagePathName2, lpFeature2, &lpSize2);
if (iReturn != 0)
{
printf("从BMP文件中读取图像%d失败\n", j);
continue;
}
PatternMatch(lpFeature1, lpFeature2, &score);//对指纹进行比对
Arr_score2[count2] = score;
count2++;
cout << count2 << ",k=" << k << ",i="<=i-1)
{
Y_count++;
}
else
{
N_count++;
}
}
fprintf(f, "score=%d,Y_count=%d,N_count=%d,sum=%d,拒真率=%lf\n", i, Y_count, N_count, Y_count + N_count, N_count*1.0 / (Y_count + N_count));
Arr2[i - 1] = N_count*1.0 / (Y_count + N_count);
}
for (int j = 0; j < count2; j++)
{
fprintf(f, "序号=%d,score=%d\n", j + 1, Arr_score2[j]);
}
fclose(f);
return ;
}
最后输出各种识别率，存在记事本中：
int main()
{
double Arr1[1000] = { 0 }, Arr2[1000] = { 0 }, Arr3[1000] = { 0 };
test2(Arr2);//测试拒真率
test1(Arr1);//测试认假率
for (int i = 0; i < 1000; i++)
{
Arr3[i] = 1 - (Arr1[i] + Arr2[i]) / 2;
}
FILE *f;
f = fopen("D:\\c++code\\指纹测试资料\\识别率4.txt", "w");
if (f == NULL)
{
printf("ERROR!");
return 0;
}
for (int i = 0; i <1000; i++)
{
fprintf(f, "score=%d,认假率=%lf,拒真率=%lf,识别率=%lf\n", i , Arr1[i],Arr2[i],Arr3[i]);
printf("score=%d,认假率=%lf,拒真率=%lf,识别率=%lf\n", i , Arr1[i], Arr2[i], Arr3[i]);
}
fclose(f);
//test3();
system("pause");
return 0;
}本人一共测试了正副样本大概各10万对左右，在不同的阈值下，指纹的识别率分布大概呈现正态分布，其中score表示阈值，如下图数据记录：
由上图可以看出，当score=19时，识别率=0.965707达到最优峰值。
下面举例聊聊指纹算法在银行的业务应用流程：
- 指纹采集
（1）柜员到支行以上的部门进行指纹集中采集；
（2）采集时需要同时运行并打开平台、客户端、设备，同时完成联接；
（3）采集时至少采集柜员的三枚手指，优先采集左手手指，同时优先采集食指、中指、大拇指；
（4）采集指纹功能由客户端、设备完成。指纹在设备上获取后，由客户端完成模板的处理，再由客户端上传平台；
（5）平台将客户端上传的柜员号、指纹图像、指纹特征值模板、指头标记进行处理，完成平台用户、柜员、指纹的绑定。
2.指纹比对
（一）柜员签到流程
（1）柜员签到过程中的指纹验证是在系统平台上完成；
（2）首先从终端柜面输入柜员号，然后柜员将注册过的手指在设备上按压来实时采集指纹；
（3）设备对实时采集的指纹图像进行处理并生成指纹特征值，同时上传到平台；
（4）平台将指纹特征值与已采集的指纹模板进行比对，判断合法性；
（5）比对不成功，则返回错误值。比对成功，则平台将柜员关联的用户密码返回给终端；终端柜面根据此密码登录前端系统。
（二）业务授权流程
（1）柜员授权过程中的指纹验证是在系统平台上完成；
（2）在等待输入授权柜员号时，具有授权权限的柜员将注册过的手指按压到设备进行采集指纹；
（3）设备对实时采集的指纹图像进行处理并生成指纹特征值，同时上传到平台；
（4）平台将指纹特征值与已采集的指纹模板进行比对，判断合法性；
（5）比对不成功，则返回错误值。比对成功，则平台将柜员关联的用户密码返回给终端，终端柜面根据此密码完成授权过程。
该项目是传统指纹识别算法，当然识别率不是最优的，至于更优的指纹识别算法版本出于商业机密，暂时不能开源，哈哈，好气是不是，不要打我。
未完待续，空了再继续完善博文