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<<",j=" << j << endl;
			}
		}
	}

	//DWORD end_time = GetTickCount();

	FILE *f; 
	f = fopen("D:\\c++code\\指纹测试资料\\拒真test2\\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 < count2; j++)
		{
			if (Arr_score2[j]>=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

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

环境要求

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:

对两个指纹进行特征比对：

二、怎么调用该源码算法库

三、测试该算法识别率的测试demo

下面举例聊聊指纹算法在银行的业务应用流程：

.Net 8.0 下的新RPC，IceRPC之试试的新玩法"打洞"

完美替代postman的软件

Vue mockjs mock.js

关于游戏付费的一点想法

我通过CKA和CKS啦！

安装chromadb注意事项

《最新出炉》系列入门篇-Python+Playwright自动化测试-42-强大的可视化追踪利器Trace Viewer

大数据怎么学？对大数据开发领域及岗位的详细解读，完整理解大数据开发领域技术体系

flask文件的上傳

用c++實現紅黑樹的判斷、插入、遍歷操作

指紋模式識別算法源碼及其測試和應用方法

Python基礎之opencv框架

python實現：輸入一行字符，分別統計出其中英文字母，空格，數字和其他字符的個數

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結