生物特征识别是利用人体固有的生理特性或行为特征，来进行个人身份验证的技术。生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多为后天性的。现在常用的生物特征识别技术有：人脸识别、虹膜识别、手形识别、指纹识别、掌纹识别、签名识别、声纹识别等。使用生物特征进行身份鉴别必须满足以下几个条件：一是普遍性：即必须每个人都具备这种特征。二是性：即任何两个人的特征是不一样的。三是可测量性：即特征是可测量的。四是稳定性：即特征在一段时间内不改变。生物特征识别技术是目前最方便与安全的识别系统，全球生物特征识别技术市场迅速增长，生物识别领域的应用也日渐普及，已逐渐渗透到社会生活的各个方面。
以信息化产品为基础，不断提升核心技术水平，致力于为信息化建设提供更优质的服务，致力于成为多生物特征识别行业的领导者。形成了完整的信息化，特别是刑事科学技术信息化的整体解决方案。
我们一直在努力提升产品品质、提高系统自动化程度、提升用户体验，以下部分介绍我们在六个方面所做的工作：一是现场指纹图像增强，二是现场指纹比对，三是快速查重算法，四是高性能指纹验证算法，五是提升采集指纹图像质量，六是算法评测情况。
1、现场指纹图像增强
自动指纹识别系统(AutomatedFingerprint Identification Systems，AFISs)由于易采集、高准确性、固定不变等优点在生物特征识别中具有重要作用，在民用、出入境管理、司法等领域应用越来越广泛。在司法领域应用的AFISs包含两种重要查找，十指指纹查找和现场指纹查找，现场指纹查找是从犯罪现场提取到的指纹在指纹数据库中查找，指纹数据库中可能包含平面指纹和滚动指纹。档案指纹一般是都通过油墨捺印或者指纹采集仪获得，因此图像质量较高，现场指纹是在犯罪现场中犯罪嫌疑人触摸过的物体上提取到的，由于可能存在变形、残缺、重叠等现象，因此识别率一直不高，例如Fingerprint Vendor Technology Evaluation(FpVTE)评测中显示10000枚平面指纹Rank1识别率可以达到99.4%，而NIST现场指纹工作组报告在4000万指纹数据上Rank1识别率只有54%。
为准确提取现场指纹特征，需要对指纹图像增强，即对与脊线相同方向信号增强，对与脊线方向差别大的信号进行抑制，因此方向场在增强中至关重要。基于字典的方向场求取算法是目前最先进的方向场计算方法，该方法利用清晰的档案指纹建立局部方向场字典，求取现场指纹图像方向场时能自动估计出指纹点和姿态角，从而在查找字典时只需要查找相应的字典块，不仅加快了速度，也提高了准确度。在多个数据集上测试结果表明该算法比传统算法求出的方向场精确很多，采用局部字典方向场算法提取方向场充分利用了先验知识使得提取的方向场更可靠，用在指纹系统中提升了比对精度，能减少人工标注特征工作量，提高了指纹自动识别系统自动化程度。
2、输现场指纹对比
现场指纹比对是指纹技术中最核心的技术，目前的现场指纹识别系统仍然是半自动系统，比对后的列表需要人工挑选，因此提高现场指纹系统的自动化程度是目前的迫切任务。细节点是指纹识别中的通用特征，大部分的指纹系统都是用细节点作为特征，使用细节点的众多方法中细节点柱编码算法是近年来公开的优秀算法，将细节点特征表示为三维柱形编码，通过二值化可以得到二进制串表示的特征，计算细节点相似度时只需计算汉明距离，具有比对速度快、精度高等优点，但该算法在实用中仍存在一些问题，如特征存储、匹配细节点对丢失等。
提出了细节点球坐标柱编码算法改进了柱编码算法的缺点，所用特征更小且特征计算快速。柱编码算法中每一个单元格由其邻域细节点决定，包括空间位置影响和方向影响，三维特征结构相当于是两个距离和一个角度共同决定该单元格的值，使用两个距离一个角度的三维特征改为使用一个距离两个角度的三维特征。这种特征计算时判断每个单元格是否有效更为简单，因此特征计算很快，可以在比对时进行计算，例如当柱直径为16时，柱编码算法要判断16*16次是否有效，而球坐标编码算法只需要判断16次。
原始柱编码特征在计算单元格是否有效时，需要计算单元格处点到所有细节点组成凸包距离，是最耗时的部分，球坐标算法特征不需要这些运算，在判断是否有效时只需做简单的记录，因此特征计算速度很快，在比对时进行特征计算不会严重影响比对速度。特征计算快速使得特征文件只需存储细节点，无需存储柱编码，柱编码特征可以在比对时计算。同时球坐标柱编码在内存中的展开空间也比原始柱编码算法减小很多，比对速度也比原始柱编码比对算法快。
对于一些稀疏细节点，由于其周围细节点数目很少或没有，柱编码特征表示为全是0或几乎全是0，这些可能的细节点匹配对总是不能被找到，柱编码在这些点的匹配问题上基本失效。可以通过配准方法重新找回这些匹配对，传统的基于Hough变换的配准方法在实用中并不可行，投票过程运算量太大。提出了采用细节点柱编码求得的匹配对进行配准，使用配准结果依照一定的距离阈值和角度阈值选出匹配细节点对，用这些匹配点对求出细节点分数，选取分数最高的配准过程作为最后的配准。配准后依照一定的距离和角度阈值选出匹配对，重新计算相似度分数，并将该分数与柱编码算法分数融合在一起。实验结果证明该方法可以将细节点柱编码丢失的匹配对重新找回，与细节点柱编码有很好的互补性，同时速度也很快。
3、快速查重算法
指纹系统高速度、高精度是通过同时使用快速过滤与精确比对算法实现的，快速过滤算法用于过滤掉大部分与查询指纹差别很大的指纹，精确算法用于区分与查询指纹相似的指纹。快速过滤技术包括纹型过滤和指纹索引方法，由于纹型种类过少、许多指纹容易分错类型等原因，纹型过滤在实际中能过滤的指纹数量有限。指纹索引技术能过滤掉大部分指纹，但传统的索引技术速度并不够快，在面对数据越来越多的情况时也显得力不从心。
传统的指纹索引算法大部分是基于点匹配的算法，通过优化流程、去除一部分细节点、使用位置角度等去除大部分点对等手段提速，使得速度有一个瓶颈，不可能太快，目前公开的文献中快速算法也只能达到单线程30万指每秒的速度。我们抛弃了传统的点匹配技术，对整个指纹求一个特征比对时只求一次特征距离，因此速度快了很多。由于指纹在采集时会有不同的旋转，这就需要先对指纹做姿态矫正。指纹姿态矫正是指将指纹对齐到一种标准姿态，使得在后续比对中能快速比对的技术。对二维图像对齐最重要的就是要找到图像的一个对齐点和指纹的姿态角，指纹姿态矫正对整个索引算法精度影响很大，为了增强对齐稳定性，因此分了多种情况姿态矫正。
先对指纹进行姿态矫正后再对所有细节点计算一个全局特征，比对时也不需要对细节点对计算相似度，只需整体计算一个相似度。在相似度计算时放弃了传统的多个细节点对比较，所有特征点处理，因此大大提高了速度。在I5 3.2GHz机器单线程比对速度达到4500万次/秒，可用于过滤90%十指指纹。（待续）
