一、指纹识别成智能手机标配

伴随移动支付业务的火爆，指纹识别技术已成为今天智能手机的标配，而在CMOS图像传感器/TFT显示屏、超音波侦测等新技术的不断助推下，更让其市场迎来了发展的新春。

据调研机构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。

最初只是作为方便手机解锁功能的元器件——指纹识别传感器，如今在智能手机移动支付业务的带动下，已经变成要为移动支付把关的重要安全元素。据业内人士分析，目前的指纹识别市场，大多来自于OEM厂对全玻璃设计与防水功能的需求。这促使CMOS/TFT、超音波侦测等新技术，进一步推动高整合型指纹识别技术的演进。

据统计，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%。当然，大量的需求也促使指纹识别传感器均价的走低，目前已从5美元下滑到3美元，甚至更低，未来供应商仍将继续面临价格压力。

指纹识别市场对传感器制造商来说具有较高弹性，虽然今后5年的市场规模非常可观，但如何在激烈的市场竞争中脱颖而出，仍然是考验相关厂商的一道难题。

二、指纹识别的原理

指纹识别技术包含有以下两种主要的识别技术：

第一种是采用不同指纹图像统计对比的方法；

第二种是采用指纹图像本身固有的特征信息进行比对的方法。

第一种方法主要是将两幅指纹图像进行统计对比，查看他们之间相似度的大小，根据大小来判断这两幅指纹是否取自于同一个人，从而实现身份识别的作用。第二种方法是根据两幅指纹图像的结构特征，比较他们的特征信息，确认他们的身份。特征包含两种类型：全局特征类型和局部特征类型。

指纹识别技术的全过程是：

（1）使用指纹采集设备采集指纹图像。

（2）对指纹图像中的大量噪声点进行预处理，从而提升后面处理的效率。在预处理之后，得到了一个关于指纹图像的轮廓线，为下一步特征提取做准备。

（3）进行指纹图像的特征提取，提取出其特征信息点。

（4）对指纹图像进行特征匹配，把提取的特征点与数据库中预存的特征点进行比对，通过比对来判断身份。根据英国学者E.R.Herry 的研究发现，两个指纹图像中，如果特征点的对数有13 对是重合的，就可以认为这两个图像取自于同一个人。

指纹识别系统的主要性能参数有以下几种：

（1）误识率：指两个不同指纹被错误地识别成相同指纹的概率；

（2）拒识率：指同一个手指的两个不同指纹样本不能匹配，即被认为来自不同手指的概率；

（3）等错误率：第一和第二种错误相等时的数值；

（4） 注册时间：从指纹被采集到完成指纹特征提出所需要消耗的时间；

（5） 匹配时间：两个指纹样本进行一次对比匹配所需要消耗的时间；

（6） 模板特征的大小：从一个指纹图像中提取出的指纹特征的存储容量；

（7）分配内存的大小：在指纹识别的各个阶段，计算机系统需要占用的内存数量。

三、指纹图像的质量评估

在通过指纹采集设备把图像采集进入系统之后，我们需要对采集到的指纹图像的质量进行评估。如果图像的质量不达标，就会对后期产生影响。因此，需要对指纹图像进行评估。目前，指纹图像的质量评估有以下几种方法：

（1）计算图像的信噪比：

这种方法是指求出图像的信号与噪声的方差之比。首先计算图像所有像素的局部方差，将局部方差的最大值设为信号方差，最小值设为噪声方差，求出它们的比值，再转成dB 数，最后用经验公式进行修正。此方法在效率方面表现一般。

（2）统计指纹图像细节点的数量：

对指纹图像中细节点的数量进行识别和统计。通过数量的多少来判断该指纹图像的质量是否在合格的范围之内。此方法理论上可行，但是由于首先需要对指纹进行预处理、提取细节点，因此效率不高。

（3）视觉客观测度：

该方法建立在视觉测评过程和客观测度基础上，利用设定的评测参数，对指纹图像的质量评价出一个综合结果。这一方法从全局上对指纹图像的质量，能够得出很好的判断。但是从局部上来看，指纹的纹理分析缺少了对指纹方向信息的判断。

（4）计算指纹图像方向信息：

从指纹图像局部特征开始，结合指纹的全局特征来判断指纹图像的质量。通过检测图像的有效面积和清晰度，来确定图像是否合格。具体方法是：首先，通过计算图像方向信息，确定前景块和背景块；然后，通过比较前景块和背景块的比例来判断是否是偏手指；再次，通过图像块的对比度的大小来判断是干手指或湿手指（干手指对比度较大，湿手指对比度较小）。