01、指紋識別成智能手機標配 伴隨移動支付業務的火爆，指紋識別技術已成為今天智能手機的標配，而在CMOS/TFT顯示屏、超音波偵測等新技術的不斷助推下，更讓其市場迎來了發展的新春。 據調研機構Yole預測，未來5年，指紋識別市場的復合年增率(CAGR)將達到19%，市場規模有望從2016年的28億美元，增加到2022年的47億美元。 最初只是作為方便手機解鎖功能的元器件——指紋識別，如今在智能手機移動支付業務的帶動下，已經變成要為移動支付把關的重要安全元素。據業內人士分析，目前的指紋識別市場，大多來自于OEM廠對全玻璃設計與防水功能的需求。這促使CMOS/TFT、超音波偵測等新技術，進一步推動高整合型指紋識別技術的演進。 據統計，2016年的指紋識別傳感器的出貨量已達6.89億顆，相較2013年的2300萬顆，CAGR達到210%。當然，大量的需求也促使指紋識別傳感器均價的走低，目前已從5美元下滑到3美元，甚至更低，未來供應商仍將繼續面臨價格壓力。 指紋識別市場對傳感器制造商來說具有較高彈性，雖然今后5年的市場規模非常可觀，但如何在激烈的市場競爭中脫穎而出，仍然是考驗相關廠商的一道難題。 02、指紋識別的原理 指紋識別技術包含有以下兩種主要的識別技術： 第一種是采用不同指紋圖像統計對比的方法; 第二種是采用指紋圖像本身固有的特征信息進行比對的方法。 第一種方法主要是將兩幅指紋圖像進行統計對比，查看他們之間相似度的大小，根據大小來判斷這兩幅指紋是否取自于同一個人，從而實現身份識別的作用。第二種方法是根據兩幅指紋圖像的結構特征，比較他們的特征信息，確認他們的身份。特征包含兩種類型：全局特征類型和局部特征類型。 指紋識別技術的全過程是： (1)使用指紋采集設備采集指紋圖像。 (2)對指紋圖像中的大量噪聲點進行預處理，從而提升后面處理的效率。在預處理之后，得到了一個關于指紋圖像的輪廓線，為下一步特征提取做準備。 (3)進行指紋圖像的特征提取，提取出其特征信息點。 (4)對指紋圖像進行特征匹配，把提取的特征點與數據庫中預存的特征點進行比對，通過比對來判斷身份。根據英國學者E.R.Herry 的研究發現，兩個指紋圖像中，如果特征點的對數有13 對是重合的，就可以認為這兩個圖像取自于同一個人。 指紋識別系統的主要性能參數有以下幾種： (1)誤識率：指兩個不同指紋被錯誤地識別成相同指紋的概率; (2)拒識率：指同一個手指的兩個不同指紋樣本不能匹配，即被認為來自不同手指的概率; (3)等錯誤率：第一和第二種錯誤相等時的數值; (4) 注冊時間：從指紋被采集到完成指紋特征提出所需要消耗的時間; (5) 匹配時間：兩個指紋樣本進行一次對比匹配所需要消耗的時間; (6) 模板特征的大小：從一個指紋圖像中提取出的指紋特征的存儲容量; (7)分配內存的大小：在指紋識別的各個階段，計算機系統需要占用的內存數量。 03、指紋圖像的質量評估 在通過指紋采集設備把圖像采集進入系統之后，我們需要對采集到的指紋圖像的質量進行評估。如果圖像的質量不達標，就會對后期產生影響。因此，需要對指紋圖像進行評估。目前，指紋圖像的質量評估有以下幾種方法： (1)計算圖像的信噪比： 這種方法是指求出圖像的信號與噪聲的方差之比。首先計算圖像所有像素的局部方差，將局部方差的最大值設為信號方差，最小值設為噪聲方差，求出它們的比值，再轉成dB 數，最后用經驗公式進行修正。此方法在效率方面表現一般。 (2)統計指紋圖像細節點的數量： 對指紋圖像中細節點的數量進行識別和統計。通過數量的多少來判斷該指紋圖像的質量是否在合格的范圍之內。此方法理論上可行，但是由于首先需要對指紋進行預處理、提取細節點，因此效率不高。 (3)視覺客觀測度： 該方法建立在視覺測評過程和客觀測度基礎上，利用設定的評測參數，對指紋圖像的質量評價出一個綜合結果。這一方法從全局上對指紋圖像的質量，能夠得出很好的判斷。但是從局部上來看，指紋的紋理分析缺少了對指紋方向信息的判斷。 (4)計算指紋圖像方向信息： 從指紋圖像局部特征開始，結合指紋的全局特征來判斷指紋圖像的質量。通過檢測圖像的有效面積和清晰度，來確定圖像是否合格。具體方法是：首先，通過計算圖像方向信息，確定前景塊和背景塊;然后，通過比較前景塊和背景塊的比例來判斷是否是偏手指;再次，通過圖像塊的對比度的大小來判斷是干手指或濕手指(干手指對比度較大，濕手指對比度較小)。 04、指紋圖像的分割 在指紋圖像質量評估合格后，需要對圖像進行灰度變換，即對指紋圖像均衡化，使得圖像灰度均衡，以及對圖像進行歸一化。在這些完成之后，還需要對圖像按照一定的算法和要求進行分割。即把指紋圖像中質量很差，后期無法處理的圖像區域與有效區域進行區分，使后期處理集中到有效區域上，提供特征提取精度，減少處理時間。目前，常用的分割方法有以下幾種： (1)基于方向圖的分割方法： 根據圖像上紋理的方向，區分指紋區域和背景區域，然后按照不同的區域分割。如果指紋的紋理線不連續、圖像的灰度 單一等方向難以正確估計或者有些區域變化劇烈，則此方法不能進行有效的分割。 (2)基于圖像的局部灰度均值、局部標準差和局部一致性的分割方法： 利用指紋圖像局部區域的灰度均值、標準差和一致性作為特征，再采用線性分類來分割指紋圖像。局部圖像的一致性顯示了局部圖像的紋理走向，但是這些特征對于模糊區域無法做出有效的表示。 (3)多級分割法： 就是將指紋圖像進行多級分割，逐級減少分割的范圍。例如：第一級分割圖像的背景區域，第二級在前景區域中分割出模糊區域，第三級從模糊區域中分割出不可恢復區域。 (4)動態閾值分割法： 根據各個子塊的局部灰度對比度自動調節閾值，基于像素的方差進行分割。該方法簡單、快捷、分割效果好。具體為：將圖像劃分為不重疊的各個子塊;計算每個子塊的平均灰度和灰度方差;計算方差最大值與最小值之間的差值;定義動態閾值，并分割圖像;平滑操作，去除孤立塊。 05、指紋圖像的增強 指紋圖像增強就是將模糊的指紋紋理改變得更加清晰，例如：將斷裂的指紋紋線進行連接，把連接的紋線區分開，而且在這個過程中還需要保持原有的指紋圖像結構，使圖像更加易于提取特征信息。目前，有以下幾種指紋圖像增強方法： (1)從脊線方向上采用平滑算子而在垂直于脊線的方向使用增強算子的圖像增強算法。這種算法在理論上是十分正確的，但是要估計出脊線寬度以及濾波的參數卻比較困難。如果參數估計有誤，則會使得脊線產生污染，并且對于脊線上有折痕的指紋會產生偏差。 (2)基于Gabor 濾波器的指紋圖像增強算法。此算法是在使用上一方法之前先進行濾波。將指紋圖像分成不同的區域，有效削弱垂直于主導紋線方向的噪聲，提高方向信息提取的可靠性。