长文详细解析指纹识别技术原理和市场趋势

  什么是指纹识别

  指纹识别是通过解析系统响应的信息来判断系统身份的技术。有些时侯,会发送出一些意外的数据组合而触发系统做出响应。

  指纹识别的原理

  指纹是手指末端正面皮肤上凸凹不平产生的纹路。尽管指纹只是人体皮肤的小部分,但是,它蕴涵着大量的信息。指纹特征可分为两类:总体特征和局部特征。总体特征指那些用人眼直接就可以观察到的特征,包括基本纹路图案、模式区、核心点、三角点、式样线和纹线等。基本纹路图案有环形、弓形、螺旋形。局部特征即指纹上节点的特征,这些具有某种特征的节点称为特征点。两枚指纹经常会具有相同的总体特征,但它们的局部特征——特征点,却不可能完全相同。指纹上的特征点,即指纹纹路上的终结点、分叉点和转折点。

  指纹识别技术通常使用指纹的总体特征如纹形、三角点等来进行分类,再用局部特征如位置和方向等来进行用户身份识别。通常,首先从获取的指纹图像上找到“特征点”(minuTIae),然后根据特征点的特性建立用户活体指纹的数字表示——指纹特征数据(一种单向的转换,可以从指纹图像转换成特征数据但不能从特征数据转换成为指纹图像)。由于两枚不同的指纹不会产生相同的特征数据,所以通过对所采集到的指纹图像的特征数据和存放在数据库中的指纹特征数据进行模式匹配,计算出它们的相似程度,最终得到两个指纹的匹配结果,根据匹配结果来鉴别用户身份。由于每个人的指纹不同,就是同一人的十指之间,指纹也有明显区别,因此指纹可用于身份鉴定。

  指纹识别技术主要涉及四个功能:读取指纹图像、提取特征、保存数据和比对。首先。通过指纹读取设备读取人体指纹的图像,取到指纹图像之后,要对原始图像进行预处理。其次,用指纹辨识软件建立指纹的数字表示特征数据,是一种单方向的转换,可以从指纹转换成特征数据但不能从特征数据转换成为指纹,而两枚不同的指纹不会产生相同的特征数据。软件从指纹上找到被称为“节点”的数据点,也就是那些指纹纹路的分叉、终止或打圈处的坐标位置,这些点同时具有七种以上的唯一性特征。因为通常手指上平均具有70个节点,所以这种方法会产生大约500个数据。有的算法将节点和方向信息组合产生了更多的数据,这些方向信息表明了各个节点之间的关系,也有的算法还处理整幅指纹图像。总之,这些数据,通常称为模板,保存为1KB大小的记录。最后,通过计算机模糊比较的方法,把两个指纹的模板进行比较,计算出它们的相似程度,最终得到两个指纹的匹配结果。

        指纹识别的过程

  指纹识别技术一般涉及指纹图像采集、指纹图像处理、细节匹配等过程,其流程图如图1所示。

  长文详细解析指纹识别技术原理和市场趋势

  图1中,细节匹配又包括指纹图像的特征提取、保存数据、特征值的匹配等过程。

  首先,通过指纹读取设备读取人体指纹的图像,并对原始图像进行初步处理,使之更清晰。然后,运用指纹识别算法建立指纹的数字表示——特征数据,这是一种单方向的转换,只能从指纹转换到特征数据。特征文件存储的是从指纹图像上找到的被称为“细节点(MinuTIae)”的数据点,也就是那些指纹纹路的分叉点或者末梢点。这时算法会处理整幅指纹图像或其中部分图像。这些数据通常称为模板,保存为1KB大小的记录。最后,通过计算机模糊比较的方法,把两个指纹的模板进行比较,计算出它们的相似程度,最终得到两个指纹的匹配结果。

  1.指纹图像的获取

  指纹图像的采集是自动指纹识别系统的重要组成部分。早期的指纹采集都是通过油墨按压在纸张上产生的。20世纪80年代,随着光学技术和计算机技术的发展,现代化的采集设备开始出现。

  传感器是一种能把物理量或化学量变成便于利用的电信号的器件。在测量系统中它是一种前置部件,它是被测量信号输入后的第一道关口,是生物认证系统中的采集设备。

  这些传感器根据探测对象的不同,可分为光学传感器、热敏传感器和超声传感器;根据器件的不同,可分为CMOS器件传感器和CCD器件传感器。它们的工作原理都是:将生物特征经过检测后转化为系统可以识别的图像信息。在生物认证系统中,可靠和廉价的图像采集设备是系统运行正常、可靠的关键。

  2.指纹图像的增强

  采集获得的指纹图像通常都伴随着各种各样的噪声:一部分是由于采集仪器造成的,如采集仪器上有污渍,参数设置不恰当等;另外一部分是由于手指的状态造成的,如手指过干、过湿、伤疤、脱皮等。第一类噪声相对来说是固定的系统误差,比较容易恢复。第二类噪声与个体手指密切相关,较难恢复。指纹增强在指纹图像的识别过程中是最为重要的一环,这部分算法的优劣将对整个系统产生至关重要的影响。

  采集到的指纹图像要经过预处理。预处理指的是在指纹图像进行增强之前使用一些简单的图像处理手段对图像进行初加工的过程。常见的预处理方法如下:

  (1)采用灰度的均衡化,可以消除不同图像之间对比度的差异。

  (2)使用简单的低通滤波消除斑点噪声、高斯噪声。

  (3)计算出图像的边界,进行图像的裁剪,这样可以减少多余的计算量,提高系统的速度。

  指纹图像的增强就是对指纹图像采用一定的算法进行处理,使其纹线结构清晰化,尽量突出和保留固有的特征信息,避免产生伪特征信息,其目的是保证特征信息提取的准确性和可靠性。常用图像增强算法具体包括以下几种:

  (1)基于傅里叶滤波的低质量指纹增强算法;

  (2)基于Gabor滤波的增强方法;

  (3)多尺度滤波方法;

  (4)改进的方向图增强算法;

  (5)基于知识的指纹图像增强算法;

  (6)非线性扩散模型及其滤波方法;

  (7)改进的非线性扩散滤波方法。

  另外,指纹图像的分割也是预处理阶段非常重要的一个步骤。对一些光学仪器采集到的指纹,分割相对容易;对一些电容传感器采集到的指纹图像,分割则比较困难。

  目前最新的分割算法有以下几种:

  (1)基于正态模型进行的指纹图像分割算法;

  (2)基于马尔科夫随机场的指纹图像分割算法;

  (3)基于数学形态学闭运算的灰度方差法;

  (4)基于方向场的指纹图像分割算法。

  3.指纹特征的提取

  指纹特征的提取是基于指纹特征来进行的。用计算机语言完整地描述稳定而又有区别的指纹特征是实现自动指纹识别的一个关键问题,选择什么特征及如何表示既关乎指纹本身的特点,又与具体的指纹匹配算法密切联系。某种提取指纹的算法在什么情况下才能达到最佳的识别效果是人们关心的问题,因此应选择一组好的特征,这些特征不仅能够达到身份识别的基本要求,而且对噪声、畸变和环境条件不敏感。

  近年来,新的指纹特征提取算法主要包括以下几种:

  (1)基于Gabor滤波方法对指纹局部特征的提取算法。

  (2)基于CNN通用编程方法对指纹特征的提取算法。

  (3)基于IFS编码的图像数字化技术,即建立IFS模型,计算源图像与再生图像之间的相似性,快速提取指纹图像的特征。

  (4)基于脊线跟踪的指纹图像特征点提取算法。该算法可以直接从灰度指纹图像中有效提取细节点和脊线骨架信息。

  (5)基于小波变换和ART(自适应共振理论)神经网络的指纹特征提取算法。

  4.指纹图像的分类与压缩

  利用指纹技术识别一个人的时候,需要将他的指纹与数据库中的所有指纹作比较才能做出判断。在某些民用或者刑侦场合,数据库可能非常大,在这种情况下,识别需要耗费很长的时间,从而降低了识别技术的可用性。这一问题可以通过减少必须执行的匹配次数以提高速度来解决。在某些情况下,加入与个体相关的信息(诸如性别、年龄等)能显著降低搜索数据库的范围,然而这些信息并不总是存在的。通常的策略是将指纹数据库划分成几个子类,这样指纹识别时只需将此类指纹与数据库中同一类的指纹作比较,这就是指纹分类技术。指纹分类就是研究如何以稳定而可靠的方式将指纹划为某一类别。

  常用的指纹分类技术有以下几种:

  (1)基于规则的方法,即根据指纹奇异点的数目和位置分类。

  (2)基于句法的方法。这种方法的语法复杂,推导语法的方法复杂、不固定。这种方法已经逐渐被淘汰了。

  (3)结构化的方法,即寻找低层次的特征到高层次的结构之间相关联的组织。

  (4)统计的方法。

  (5)结合遗传算法和BP神经元网络的方法。

  (6)多分类器方法。

  指纹压缩技术也是自动指纹识别系统中的一项重要技术。在大量的指纹库中,为了节省存储空间,必须对指纹图像进行压缩储存,使用时再进行解压缩。图像压缩编码的目的是以尽量少的比特数表示图像,同时保持原图像的质量,使它符合预定应用场合的要求。

  常用的压缩算法有以下两种:

  (1)图像压缩编码方法:包括无损压缩(熵编码)和有损压缩(量化)。

  (2)基于小波变换的指纹压缩算法:包括WSQ算法、DjVu算法、改进的EZW算法等。

  指纹压缩方法在很大程度上得益于图像压缩领域的发展。相信在不久的将来,指纹压缩技术将为指纹识别技术在大容量数据库级别上的应用提供更有利的支持。

  5.指纹图像的匹配

  指纹图像匹配指的是通过对两个指纹特征集之间的相似性进行比较来判断对应的指纹图像是否来自于同一手指的过程,它是一种非常经典而又亟待解决的模式识别问题。

  传统的指纹匹配算法有很多种,例如:

  (1)基于点模式的匹配方法:如基于Hough变换的匹配算法、基于串距离的匹配算法、基于N邻近的匹配算法等。

  (2)图匹配及其他方法:如基于遗传算法的匹配、基于关键点的初匹配等。

  (3)基于纹理模式的匹配:如PPM匹配算法等。

  (4)混合匹配方法等。

  近几年,又出现了如下新的匹配算法:

  (1)基于指纹分类的矢量匹配。该法首先利用指纹分类的信息进行粗匹配,然后利用中心点和三角点的信息进一步匹配,最后以待识别图像和模板指纹图像的中心点为基准点,将中心点与邻近的36个细节点形成矢量,于是指纹的匹配就转变为矢量组数的匹配。

  (2)基于PKI(Public Key Infrastructure,公钥基础设施)的开放网络环境下的指纹认证系统。

  (3)实时指纹特征点匹配算法。该算法的原理是:通过由指纹分割算法得到圆形匹配限制框和简化计算步骤来达到快速匹配的目的。

  (4)一种基于FBI(Federal Bureauof InvesTIgaTIon)细节点的二次指纹匹配算法。

  (5)基于中心点的指纹匹配算法。该算法利用奇异点或指纹有效区域的中心点寻找匹配的基准特征点对和相应的变换参数,并将待识别指纹相对于模板指纹作姿势纠正,最后采用坐标匹配的方式实现两个指纹的比对。

  指纹识别系统

  指纹识别系统主要由指纹取像、预处理、特征提取、比对、系统管理和数据库管理几部分组成(如图2所示)。对于警用的指纹识别系统还包括结果证实和图像数据压缩两部分,主要是将指纹图像保存下来以供指纹专家观看,从而最终判断找到的指纹与输入的指纹是否匹配来确定罪犯的身份。

  长文详细解析指纹识别技术原理和市场趋势

  数据库管理主要负责存储已提取的指纹特征信息和参与指纹的比对。一般的自动识别系统的数据库只含有指纹的特征信息,并不包含指纹图像,也不能由存储的特征数据恢复成指纹图像。警用系统的数据库可以包含指纹压缩图像以及与前两类数据相应的罪犯的文本信息。系统管理主要负责调度和协调各模块的工作,并处理可能出现的故障以确保自动指纹识别系统能够顺利工作。 
     
        而2016年对手机指纹产业来说是非常关键的一年。这一年不仅指纹芯片产业上下游供应链日渐成熟,硬软件体验大幅提升,而且用户接受度和使用频率迅速提升。品牌手机厂商也已经将其普及到销量最大千元机市场。

  有数据显示,2016年的指纹识别传感器的出货量已达6.89亿颗,相较2013年的2300万颗,CAGR达到210%。调研机构Yole预测,未来5年,指纹识别市场的复合年增率(CAGR)将达到19%,市场规模有望从2016年的28亿美元,增加到2022年的47亿美元。

  2017年中国智能手机指纹芯片翻倍至4亿颗,带动晶圆厂产能大增

  具体到今年中国智能手机指纹芯片市场上,业内预期为2017年指纹芯片需求量可望从2亿颗倍增至4亿颗。 包括FPC、思立微、神盾、汇顶等指纹芯片厂商持续放量,也带动晶圆代工厂订单大增。

  近期消息称,GlobalFoundries和联电和舰厂分别拿下思立微和汇顶的指纹芯片的订单。GlobalFoundries 2016年底与思立微合作并开始出货。而台湾神盾将订单给了世界先进,让其成功进入指纹芯片领域。业内预测,2017年指纹芯片将持续塞爆8寸厂产能。

  从格局看,台积电、中芯国际是指纹芯片主要的晶圆代工伙伴。台积电掌握的主要客户有FPC、汇顶、神盾等客户订单,中芯国际拥有FPC和思立微订单,目前仅FPC订单就让中芯国际 8 寸厂的产能爆满。

  原本在台积电投片的神盾,传新增世界先进成为指纹芯片晶圆代工伙伴,2017年神盾指纹芯片出货将放量,包括台积电、世界先进都有望受益。

  2017年指纹芯片晶圆代工订单变化将比较大,几乎每家晶圆代工厂都参与战局。很多指纹芯片厂商凭借出货量规模优势,开始寻求第二供应商,这将带动整个指纹芯片上、下游产业百花齐放。

  指纹芯片现状:中国厂商逐渐取代国外厂商

  目前国外的指纹识别厂商主要有AuthenTec(2012年被苹果收购)、FPC、Synaptics等几个国际大厂,以及神盾、义隆、敦泰、茂丞等台湾厂商之外,国产指纹识别芯片厂商主要有汇顶、迈瑞微、费恩格尔、信炜、芯启航、贝特莱、思立微、集创北方、比亚迪等十多家企业。

  其中除AuthenTec专供苹果手机外,其他厂商分食整个安卓手机市场。作为欧洲传统指纹厂商FPC 因占据先发优势,过去几年赚的盆满钵满。不过从2016年大趋势看,中国厂商崛起速度惊人,打着物美价廉的旗帜,2017年FPC已成为众多厂商对标的目标。业内认为,欧美系指纹芯片厂商在成本上还是无法拼过中国厂商,预计未来指纹芯片行业将重演LCD Driver IC产业历史,最终由亚洲厂商独占市场。

  目前中国厂商中汇顶势头最为迅猛,拿下了几乎所有的国内主要的手机品牌厂商。包括vivo、小米、魅族、乐视、金立、中兴等等。华为以前几乎全部FPC为主,目前也已经开始扩展到思立微和汇顶的解决方案。预计国内厂商将在今年下半年取代FPC,成为华为第一大供应商。

  FPC 主要地盘包括华为、OPPO、vivo 等客户,随着汇顶产量扩大,有望形成对FPC的取而代之。

  价格打响,汇顶称瞄准高端差异化竞争

  随着指纹芯片技术和产业的成熟,越来越多国内指纹芯片厂商参与其中,过去一年指纹芯片虽然放量,但是单价也迅速下滑。

  来自Yole的报告指出,指纹传感器元件均价在同一时间已从5美元下滑到3美元,甚至更低的2美元,未来供应商仍将持续面临价格压力。

  对于市场的竞争,此前汇顶科技CEO 张帆表示,“我们的这种战略定位自然离不开大环境,当前使用国产品牌手机的人越来越多,国产手机的价格也越来越高,这也使得汇顶科技有条件和基础去选择不做便宜和低端的东西。”

  去年汇顶科技在A股上市成功,受到资本市场的热捧,一度总市值逼近联发科。张帆曾对记者表示,上市意味着能够获得更多资源,那么就应该利用好资源,把产品做好;也同时意味着具备能力,去承担起推出中国高端制造的使命。

  另外,在应对同质化竞争方面,汇顶的策略是做到技术与服务的领先。此前,集微网采访汇顶高管时,其表示相比海外公司,汇顶作为中国本土厂商离客户最近,也更能理解客户,从而在服务上优势更明显。另外,汇顶在软件技术和算法上也拥有自己的技术,这比其他公司更具有竞争优势。?

  一个明显例子,就是汇顶在技术上一直保持持续领先。除了目前常见的Coating、玻璃、蓝宝石等方案,汇顶科技在2016年下半年推出了“活体指纹芯片”,能检测出真假指纹,保障机主的安全性。这些也保证了公司不会一味地陷入低端价格战泥潭中。

  整体看,2017年指纹芯片市场价格战不可避免。很多国际大品牌因为成本或服务,将被中国厂商取代。而中国厂商内部,很多竞争力比较弱小的厂商更会做出拼死一搏的举动,利用价格战搅局市场。要保持持续领先,还需厂商持续不断的提高技术和服务水平。

  另外,现有指纹表现形式能否在今年有所突破也是看点之一,例如人们希望全屏指纹识别等。

  • 长文详细解析指纹识别技术原理和市场趋势已关闭评论
    A+
发布日期:2019年07月14日  所属分类:电子百科