判断指纹识别算法优劣的4个方法

admin

随着Touch ID大行其道，指纹识别的概念一下子被广泛接受。许多厂商也觅到了商机，争先给产品加了指纹识别功能。瞬间，指纹手机、指纹门锁、指纹保险柜、指纹鼠标、指纹遥控、指纹电瓶车等产品纷纷涌现。产品虽多，但消费者也渐渐发现，有的指纹识别产品并不好用。
为什么会这样？其实，指纹识别产品的核心是指纹模组，而指纹模组的核心是指纹识别算法——算法不好，会导致终端产品也不好用。那么要怎样判断一套算法是好是坏呢？本文提供4个方法供大家参考。
8 S5 F1 S+ ^2 d) s6 D
一、指纹算法的认假率和拒真率是否达标
' Y1 K( t$ A: I0 @0 V认假率(FAR)也叫误识率，指的是明明不是同一枚指纹，但指纹识别模组却给通过了。国家规定认假率不能大于0.01%。
拒真率(FRR)指的是把同一枚指纹当成不同的，不让通过。国家规定拒真率不能大于5%。
4 u! k& F0 @0 @" u4 m需要提醒的是，不少指纹算法都声称自己的认假率和拒真率达标了，但给的却是实验数据，和真实使用情况有很大偏差。最好是拿样品直接测试。

8 V- N/ A- A8 @+ e# n8 j# K& w二、指纹算法是否有长期的积累
一套指纹识别算法成熟周期超过5年，拥有非常复杂的数据运算和使用规则。期间，算法需要历经内部人员、外部客户及终端消费者的不断考验，并逐步调整、升级。同时，由于硬件的更新换代（如：半导体传感器越做越小），算法也需要与时俱进。
% _9 p7 w& E9 Q5 W8 M9 W, H9 i上海图正科技的指纹算法已走过18个年头，由董事长刘君亲手设计开发，算是行业内比较有积累的，目前使用该公司指纹算法的芯片数量已达百万级别。
& v' k" u# E6 ~# P6 {' S
# m  N5 L  ?' Y$ ~三、指纹算法是否具备广泛的适应性
目前市面上主要有两类指纹传感器：光学的和半导体的。这两种传感器采集指纹图像的原理差别很大。一款算法如果没法同时驾驭这两种不同性质的传感器，那么就很可能会影响你自己产品的升级换代。
$ n" T) d$ O4 X1 n( T" G; j另外，使用指纹识别的应用场景也五花八门，既有室内室外，又有温度高低；指纹本身有干有湿，甚至有断纹；录入和比对时指纹的方向也可能完全相反……要处理好这些情况，指纹算法不仅需要适应性好（应对各种硬件和使用环境），还需要具备断纹拼接、360°旋转匹配的能力。

' W: d# A! x/ Z3 s3 O四、算法是否可以对指纹的纹理特性进行识别
( O$ X) J# {: u8 S# k指纹算法从最初发展到现在，大概经历了3个阶段：
1 j/ ^) \$ B( c& J% p1.纯特征点算法——提取并匹配指纹中的特征点是否相同。
2.特征点+图像算法——不仅比对特征点，还比对指纹的纹理特性。
4 W" Z- t) y+ E+ X) O& S& F% {( z3.纯图像算法——通过精确计算两枚指纹的图像特性来验证是否相同。
& |5 N4 P" H, Y  ~, W  }! T第一种算法是市场的主流，其特点是太过依赖特征点的稳定度和清晰度，导致通过率和误识率因采集设备、指纹特性或按压的力度、角度而出现巨大差异。
% _; [1 Y, X9 E; y; t4 D3 o第二种算法仅少数有自主算法研发能力的公司拥有，相较第一种，已有大幅提升。其不再单独依赖特征点，加入的图像、纹理信息显著地帮助算法提高对指纹的适应性，例如干湿手指、断裂纹理等。
当前最顶级的算法是第三种——在第二种算法的基础上发展而来的纯图像算法，包括对指纹斜率、疏密、间距、频率等一系统复杂信息的提取和比对。特征点不再参相似度判断，而是利用极小范围内的指纹信息即可精准地识别异同，非常适合手机产品使用。据悉，目前国内只有上海图正科技在使用第三种算法。
( r9 S$ j* [& B1 W3 t
) k$ g3 |" e$ c% ^( J: N" p总结：
6 X0 {: A4 E2 z' v3 r指纹算法虽然是指纹识别应用中最核心的因素，但客户很难直观看到，需要透过一些侧面的方法来判断它的优劣。本文给出的4个方法，属于比较普遍的判断方法，适合对大多数算法进行评价。当然，随着算法和硬件的不断提升，未来也许需要更多的方法来评价一套指纹识别算法的好坏。