動物指紋
動物指紋研究發現，除了人類，大猩猩、黑猩猩、猩猩等靈長類動物的手部和腳部也有膚紋，甚至在樹棲動物考拉及其同類（袋貂科）動物身上也有膚紋。另外，生活在南美的蜘蛛猿、捲尾猴等都有一根捲曲的尾巴，可以靈巧地抓曳物體，它們的尾巴內側也有膚紋。由此可以推斷，在動物抓曳物體部位的皮膚上總是比較容易形成膚紋。
獲取方式
一、光學識別技術
藉助光學技術採集指紋是歷史最久遠、使用最廣泛的技術。將手指放在光學鏡片上，手指在內置光源照射下，用稜鏡將其投射在電荷耦合器件(CCD)上，進而形成脊線(指紋圖像中具有一定寬度和走向的紋線)呈黑色、谷線(紋線之間的凹陷部分)呈白色的數位化的、可被指紋設備算法處理的多灰度指紋圖像。
二、溫差感應式識別技術
它的優點是可在0.1s內獲取指紋圖像，而且感測器體積和面積最小，即通常所說的滑動式指紋識別儀就是採用該技術。缺點是：受制於溫度局限，時間一長，手指和晶片就處於相同的溫度了。
三、半導體矽感技術(電容式技術)
半導體電容感測器根據指紋的嵴和峪與半導體電容感應顆粒形成的電容值大小不同，來判斷什麼位置是嵴什麼位置是峪。其工作過程是通過對每個像素點上的電容感應顆粒預先充電到某一參考電壓。當手指接觸到半導體電容指紋表現上時，因為嵴是凸起、峪是凹下，根據電容值與距離的關係，會在嵴和峪的地方形成不同的電容值。然後利用放電電流進行放電。因為嵴和峪對應的電容值不同，所以其放電的速度也不同。嵴下的像素(電容量高)放電較慢，而處於峪下的像素(電容量低)放電較快。根據放電率的不同，可以探測到嵴和峪的位置，從而形成指紋圖像數據。
四、超音波技術
超音波技術所使用的超音波頻率為1×104Hz-1×109Hz，能量被控制在對人體無損的程度(與醫學診斷的強度相同)。超音波技術產品能夠達到最好的精度，它對手指和平面的清潔程度要求較低，但其採集時間會明顯地長於前述兩類產品，而且價格昂貴，也並不能做到活體指紋識別，所以使用稀少。
其他資料
指紋是獨一無二的
並且它們的複雜度足以提供用於鑑別的足夠特徵。指紋除了具有唯一性外，還具有遺傳性和不變性。
指紋是人類手指末端指腹上由凹凸的皮膚所形成的紋路。指紋能使手在接觸物件時增加摩擦力，從而更容易發力及抓緊物件。是人類進化過程式中自然形成的。目前尚未發現有不同的人擁有相同的指紋，所以每個人的指紋也是獨一無二。由於指紋是每個人獨有的標記，近幾百年來，罪犯在犯案現場留下的指紋，均成為警方追捕疑犯的重要線索。現今鑑別指紋方法已經電腦化，使鑑別程式更快更準
由於每個人的遺傳基因均不同，所以指紋也不同。然而，指紋的形成雖然主要受到遺傳影響，但也有環境因素，當胎兒在母體內發育三至四個月時，指紋就已經形成，但兒童在成長期間指紋會略有改變，直到青春期14歲左右時才會定型。在皮膚發育過程中，雖然表皮、真皮，以及基質層都在共同成長，但柔軟的皮下組織長得比相對堅硬的表皮快，因此會對表皮產生源源不斷的上頂壓力，迫使長得較慢的表皮向內層組織收縮塌陷，逐漸變彎打皺，以減輕皮下組織施加給它的壓力。如此一來，一方面使勁向上攻，一方面被迫往下撤，導致表皮長得曲曲彎彎，坑窪不平，形成紋路。這種變彎打皺的過程隨著內層組織產生的上層壓力的變化而波動起伏，形成凹凸不平的脊紋或皺褶，直到發育過程中止，最終定型為至死不變的指紋。 有人說骨髓移植後指紋會改變，那是不對的。除非是植皮或者深達基底層的損傷，否則指紋是不會變的。
用途
你可別小看指紋，它的用途可大啦！指紋由皮膚上許多小顆粒排列組成，這些小顆粒感覺非常敏銳，只要用手觸摸物體，就會立即把感覺到的冷、熱、軟、硬等各種“情報”通報拾大腦這個司令部，然後，大腦根據這些“情報”，發號施令，指揮動作。指紋還具有增強皮膚摩擦的作用，使手指能緊緊地握住東西，不易滑掉。我們平時畫圖、寫字、拿工具、做手工，所以能夠那么得心應手，運用自如，這裡面就有指紋的功勞。
正因為指紋的這些特徵，它很早就引起人們的興趣。在古代人們把指紋當作“圖章”，印在公文上。
中國人最早發現指紋因人而異。據史書記載，遠在3000年前的西周，中國人已利用指紋來簽文書、立契約了。中非洲的一些土著部落在1000年前也會運用指紋訂立契約，不過他們不像中國人使用大拇指，而是動用食指。
據說，在一百多年前，警察就開始利用指紋破案。留下印痕主要是由於在人的手指、手掌面的皮膚上，存在有大量的汗腺和皮脂腺（想想您緊張或激動時手心裡的汗），只要生命活動存在，就不斷地有汗液、皮脂液排出，有點像原子印章不斷有油墨滲到印文表面，因此，只要手指、手掌接觸到物體表面，就會象原子印章一樣自動留下印痕。當然，這主要是說手指、手掌本身能留下指紋的原因。如果手指、手掌粘上其它液體樣物質，如頭面部的油脂（這是您最常要用的"印泥盒"）、血液和按捺指紋的油墨等時，留下指紋的原理就更象蓋普通印章。指紋的取證，包括指紋的搜尋和發現。指紋的搜尋範圍：（1）犯罪活動中心；（2）現場的進出口及其周圍；（3）犯罪分子可能接觸過的物品；（4）犯罪分子遺留在現場上的各種兇器和物品。
特殊指紋
患特殊疾病的人在現場留下“特殊指紋”的情況，主要見於某些能使患者的汗液發生變化的疾病。像糖尿病，由於使患者汗液中糖份增加，如果大量出汗留下指紋，會有可能出現像有些小說或謎題中描述的螞蟻、蜜蜂聚集的現象。還有像前段時間電視上講的，有人長期使用劣質瓷茶杯喝茶，產生銅中毒，結果出現了流紅汗的現象。象這種病人，如果留下指紋，就會發現指紋是紅色的。
在阿根廷，用指紋證據使一名殺害自己兩個孩子的婦女招供了罪行，這是現代指紋檢驗技術第一次被法庭採用。
現在，隨著科學技術的發展，指紋在醫學上又有了新的用途。有的醫生髮現，通過檢查人的指紋、掌紋，能夠查出某些疾病。
近年來，指紋又和電子計算機成了好朋友。
目前很多商家也都利用指紋獨一無二的特性，研製出一些高科技的設備，來體現指紋給生活帶來的方便和安全,比如:指紋鎖,指紋門禁，指紋考勤機，指紋採集儀，指紋保險柜以及網路指紋登入技術等等，據調查國內很多高檔智慧型小區都裝有指紋鎖，指紋門禁，指紋被用到設備最早的是指紋考勤機，公司人事管理者為了杜絕代打卡，紛紛採用指紋考勤機。同時我國首家網路指紋登入技術提供商已推出測試版，有望解決網路帳號安全性問題。
小小的指紋將來究竟還會有哪些新的用途？新的迷宮又擺在我們面前，等待著我們去探索，去尋求。
識別原理
指紋識別
讀取指紋圖象、提取特徵、保存數據和比對。在一開始，通過指紋讀取設備讀取到人體指紋的圖象，取到指紋圖象之後，要對原始圖象進行初步的處理，使之更清晰。接下來，指紋辨識軟體建立指紋的數字表示——特徵數據，一種單方向的轉換，可以從指紋轉換成特徵數據但不能從特徵數據轉換成為指紋，而兩枚不同的指紋不會產生相同的特徵數據。
有的算法把節點和方向信息組合產生了更多的數據，這些方向信息表明了各個節點之間的關係，也有的算法還處理整幅指紋圖像。總之，這些數據，通常稱為模板，保存為1K大小的記錄。無論它們是怎樣組成的，至今仍然沒有一種模板的標準，也沒有一種公布的抽象算法，而是各個廠商自行其是。最後，通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果。指紋其實是比較複雜的。
與人工處理不同，許多生物識別技術公司並不直接存儲指紋的圖象。多年來在各個公司及其研究機構產生了許多數位化的算法（美國有關法律認為，指紋圖象屬於個人隱私，因此不能直接存儲指紋圖象）。
但指紋識別算法最終都歸結為在指紋圖象上找到並比對指紋的特徵。指紋的特徵我們定義了指紋的兩類特徵來進行指紋的驗證：總體特徵和局部特徵。總體特徵是指那些用人眼直接就可以觀察到的特徵，包括：基本紋路圖案環型（loop）,弓型（arch）,螺旋型（whorl）。其他的指紋圖案都基於這三種基本圖案。僅僅依靠圖案類型來分辨指紋是遠遠不夠的，這只是一個粗略的分類，但通過分類使得在大資料庫中搜尋指紋更為方便。
模式區
（PatternArea）模式區是指指紋上包括了總體特徵的區域，即從模式區就能夠分辨出指紋是屬於那一種類型的。有的指紋識別算法只使用模式區的數據。Aetex的指紋識別算法使用了所取得的完整指紋而不僅僅是模式區進行分析和識別。
核心點（CorePoint）核心點位於指紋紋路的漸進中心，它用於讀取指紋和比對指紋時的參考點。
三角點（Delta）三角點位於從核心點開始的第一個分叉點或者斷點、或者兩條紋路會聚處、孤立點、折轉處，或者指向這些奇異點。三角點提供了指紋紋路的計數和跟蹤的開始之處。
式樣線（TypeLines）式樣線是在指包圍模式區的紋路線開始平行的地方所出現的交叉紋路，式樣線通常很短就中斷了，但它的外側線開始連續延伸。
紋數
（RidgeCount）指模式區內指紋紋路的數量。在計算指紋的紋數時，一般先在連線核心點和三角點，這條連線與指紋紋路相交的數量即可認為是指紋的紋數。局部特徵局部特徵是指指紋上的節點。兩枚指紋經常會具有相同的總體特徵，但它們的局部特徵--節點，卻不可能完全相同節點（MinutiaPoints）指紋紋路並不是連續的，平滑筆直的，而是經常出現中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為"節點"。就是這些節點提供了指紋唯一性的確認節點特性
1.分類-節點有以下幾種類型，最典型的是終結點和分叉點
A.終結點（Ending）--一條紋路在此終結。
B.分叉點（Bifurcation）--一條紋路在此分開成為兩條或更多的紋路。
C.分歧點（RidgeDivergence）--兩條平行的紋路在此分開。
D.孤立點（DotorIsland）--一條特別短的紋路，以至於成為一點
E.環點（Enclosure）--一條紋路分開成為兩條之後，立即有合併成為一條，這樣形成的一個小環稱為環點
F.短紋（ShortRidge）--一端較短但不至於成為一點的紋路，
2.方向（Orientation）--節點可以朝著一定的方向。
3.曲率（Curvature）--描述紋路方向改變的速度。
4.位置（Position）--節點的位置通過（x,y）坐標來描述，可以是絕對的，也可以是相對於三角點或特徵點的。
技術介紹
從“指紋”到“指紋術”的研究，經歷了漫長的過程。指紋技術形成之後，又經過了從人工識別技術到自動化識別技術的發展轉變。隨著計算機圖像處理技術和信息技術的發展，指紋識別技術逐漸進入IT技術領域，與眾多計算機信息系統結合在一起，被廣泛套用起來。本章介紹指紋識別技術的主要技術構成。
指紋識別技術
指紋識別技術作為一個新的IT技術領域，自身具有許多新的概念。了解指紋識別技術的概念有助於準確的理解指紋識別技術。
識別系統
指紋指紋識別系統經過人工識別到機器識別的發展之後，進入自動識別階段，稱為自動指紋識別系統（AFIS）。一個典型的自動指紋識別系統，包括與人互動的前端子系統――自動指紋採集設備、完成指紋圖像處理和特徵值提取的後台子系統，以及用於指紋庫存儲的資料庫子系統。當後台子系統用於指紋註冊過程時，可以稱為指紋註冊子系統。當它用於指紋辨識過程時，稱為指紋辨識子系統。
註冊與匹配
指紋註冊又叫指紋登記。是從指紋圖像中提取指紋特徵值，形成指紋特徵值模板，並與人的身份信息結合起來，存儲在指紋識別系統中的過程。它相當於為指紋報戶口。所以指紋註冊的時候，需要保證指紋與身份信息之間的正確對應。尤其對於政府、社團、公司等單位進行指紋註冊時，防止冒名頂替，避免指紋與身份信息關聯錯誤，是非常重要的。因此在這類指紋套用中，指紋登記的過程，需要現場督導人員參與。甚至把督導人的指紋採集到系統中，作為註冊者指紋特徵值模板的組成部分，以示職責之重要，並為後續責任審計提供依據。
識別與驗證
識別與驗證並不是指紋識別算法領域的問題，而是指紋識別系統的問題。指紋識別是指在1：N模式下匹配指紋特徵值。它是從多個指紋模板中識別出一個特定指紋的過程。其結果是，“有”或者“沒有”。有時會給出“是誰”的信息。
指紋驗證是指在1：1模式下匹配指紋特徵值。它是拿待比對的指紋特徵模板與事先存在的另一個指紋特徵模板進行一次匹配的過程。其結果是“是不是”。在一個系統中既可以採用1：1模式也可以採用1：N模式，這是取決於套用系統的特點和要求。有時候還可以業務模式的需要，把1:N模式轉化為1:1模式以提高系統安全性和比對速度。
優點：
1、指紋是人體獨一無二的特徵，並且它們的複雜度足以提供用於鑑別的足夠特徵；
2、如果要增加可靠性，只需登記更多的指紋、鑑別更多的手指，最多可以多達十個，而每一個指紋都是獨一無二的；
3、掃描指紋的速度很快，使用非常方便；
4、讀取指紋時，用戶必需將手指與指紋採集頭相互接觸，與指紋採集頭直接；
5、接觸是讀取人體生物特徵最可靠的方法；
6、指紋採集頭可以更加小型化，並且價格會更加的低廉；
缺點：
1、某些人或某些群體的指紋特徵少，難成像；
2、過去因為在犯罪記錄中使用指紋，使得某些人害怕“將指紋記錄在案”。
3、實際上現在的指紋鑑別技術都可以不存儲任何含有指紋圖像的數據，而只是存儲從指紋中得到的加密的指紋特徵數據；
4、每一次使用指紋時都會在指紋採集頭上留下用戶的指紋印痕，而這些指紋痕跡存在被用來複製指紋的可能性。
FRR與FAR
FRR（False Rejection Rate）和FAR（False Acceptance Rate）是用來評估指紋識別算法性能的兩個主要參數。FRR和FAR有時被用來評價一個指紋識別系統的性能，其實這並不貼切。指紋識別系統的性能除了受指紋算法的影響外，指紋採集設備的性能對FRR和FAR的影響也是不能忽視的。
FRR通俗叫法是拒真率的意思，標準稱謂是FNMR（False Non-Match Rate 不匹配率）。可以通俗的理解為“把應該相互匹配成功的指紋當成不能匹配的指紋”的機率。對指紋算法的性能測量是在給定指紋庫的情況下進行測量的。用於測量的指紋庫一般由FVC（國際指紋識別算法大賽）組織者給定。FVC在作指紋識別算法性能測試時，並無外界指紋輸入，是使用標準的指紋圖像庫來測試的。所以FNMR是在沒有連線指紋採集設備的情況下得出的測試值。本節的其它參數也都是在這一前提下得出的。
假定指紋庫中有100個不同ID的手指，每個手指註冊有3枚指紋，則該指紋庫中共有300枚指紋。假定P1表示手指1的ID，則其三次註冊的指紋用P1-F1,P1-F2,P1-F3來表示。FNMR是指把指紋庫中的同一個手指的3枚指紋兩兩比較，即P1-F1與P1-F2匹配，P1-F1與P1-F3匹配，P1-F2與P1-F3匹配，P1-F2與P1-F1匹配，P1-F3與P1-F1匹配，P1-F3與P1-F2匹配，共有6種匹配方式。把所有100個手指在其內部均作6種匹配，共6x100=600次匹配。理論情況下，600次匹配均能正確匹配，匹配的成功率為100%。實際上因為同一手指的3枚指紋圖像不可能完全一樣，所以有一個匹配相似度問題。假定我們把匹配成功的相似度設為>90%，就是說當相似度大於90%時，表示匹配成功。然後我們從600次匹配中，找出多少次相似度在90%以上的，這個數值就表示匹配成功的次數，假定為570次。600次中其餘的表示沒有匹配成功的次數，為600-570=30次。則匹配失敗率，就是30/600=5%。
對於指紋識別算法來講，在指紋庫確定的情況下，其匹配失敗率FNMR是一定的。當指紋庫發生變化，其FNMR也會有變化。所以國際上是以FVC公布的指紋庫為統一的測試庫，在該測試庫中測試出來的FNMR結果作為衡量指紋算法性能的標準參考。
FAR一般稱為認假率，其標準稱謂是FMR（False Match Rate 錯誤匹配率）。FMR是用來評估指紋識別算法性能的最重要參數。可以通俗的理解為“把不應該匹配的指紋當成匹配的指紋”的機率。
同樣以前段中的指紋庫為例。把庫中的每個指紋，與除自己之外的其它所有指紋進行匹配，匹配的總次數，即3x99x3x100=89100次。理論情況下，匹配成功次數為6x100=600次，匹配失敗次數應為89100-600=88500次。假定由於指紋算法性能的原因，把本應該匹配失敗的判為匹配成功，若假定這種錯誤次數為100次。則錯誤接受率FAR為100/89100=0.11%。匹配失敗次數是因判定相似的條件嚴格程度而變化的。當匹配成功的篩選條件，即門限值提高時，FAR會降低。
FAR也與指紋庫相關。所以在FVC大賽中，有4個指紋庫用於測試，並取平均值。其中有一個指紋庫是人工生成的，以排除採集設備不同導致的指紋圖像質量不同對算法效能的影響。
在同一個指紋庫中，對同一個算法來講，需要設定一個閾值，作為判定相似的標準。當相似度大於這個閾值時，表示匹配成功，否則表示匹配失敗。FNMR是隨閾值增大而增大的，即判定相似的門檻值越高，則真的指紋判定為假的機率越大。反之，FMR是隨閾值增大而減小的，即隨著判定相似度的門檻值越高，把假的指紋判定為真的機率會越小。FAR與FRR成反比。根據2004年FVC大賽測試結果，一般當FMR是1/1000量級時，FNMR是5/100左右。也就是100個手指的指紋庫中，進行1000次匹配，有可能發生一次匹配錯誤，即認錯。進行100次匹配，有可能出現5次匹配失敗，即不認。
EER
EER（Equal Error Rate）是相等錯誤率的意思。這個參數一般在普通場合不大使用。EER主要用於評價指紋算法整體效能的指標。也就是把FAR、FRR兩個參數統一為一個參數，來衡量指紋算法的整體性能。FAR和FRR是同一個算法系統的兩個參數，把它放在同一個坐標中，如圖30所示。FAR是隨閾值增大而減小的，FRR是隨閾值增大而增大的。因此它們一定有交點。這個點是在某個閾值下的FAR與FRR等值的點。習慣上用這一點的值來衡量算法的綜合性能。對於一個更優的指紋算法，希望在相同閾值情況下，FAR和FRR都越小越好。
把FAR和FRR曲線都向下平移。同時相交點ERR也向下平移。所以EER值越小的時候，表示算法的整體性能越高。
由於當FRR與FAR相交時對應的閾值都很小，也就是說此時的相似度閾值連30%都不到。實際使用中的閾值至少設在80%以上，所以EER值並不被用在大眾化場合來描述指紋算法的性能，只是在競賽排名中使用。
FRR實際上也是系統易用性的重要指標。由於FRR和FAR是相互矛盾的，這就使得在套用系統的設計中，要權衡易用性和安全性。一個有效的辦法是比對兩個或更多的指紋，從而在不損失易用性的同時，極大地提高了系統安全性。
拒登率
拒登率一般使用較少，在指紋識別術語中，它是一個意思相對比較含糊的詞。在世界指紋算法大賽中，有個參數叫拒絕註冊率，有時被稱為拒登率，用來衡量指紋識別算法對指紋圖像質量的挑剔程度，用REJENROLL。表示。在給定的指紋數量，如100枚指紋圖像中，可以成功註冊或稱為建檔的指紋，如果是99，則REJENROLL=1%。對FVC大賽給出的標準指紋庫來講，絕大多數的指紋算法都可以建檔成功，即REJENROLL為0.00%。
在另外一種場合，拒登率通常被解釋為指紋識別系統（包含指紋採集設備）不接受指紋註冊的機率。這種情況下，拒絕註冊的因素，除了算法本身的原因外，更多的受指紋採集設備的成像能力的影響。指紋採集設備輸出的指紋圖像質量越好，指紋識別系統的拒登率越低，指紋採集設備輸出的指紋圖像質量越低，其拒登率越高。
時間
註冊時間是用來衡量指紋算法性能的另一個指標。它是指從輸入指紋圖像到指紋建檔成功（註冊成功）的時間。根據FVC大賽的結果，一般的指紋算法註冊時間在0.5秒以內，這也是FVC以參加LIGHT組比賽的算法提出的參賽資格之一。
匹配時間有時稱為比對速度，是用來指示指紋識別算法完成一次匹配所需的時間。它是從指紋圖像輸入算起到匹配結果輸出為止的時間。參加算法大賽的絕大多數算法的匹配時間在0.3秒以內，這個參數與註冊時間最小值一起構成LIGHT組的參賽條件。
由於這些時間都是受待測的指紋圖像的質量影響，所以一般取多個指紋庫的平均值，所以一般拿平均註冊時間和平均匹配時間作為衡量依據。
指紋與大腦的關聯
1、拇指：
拇指反應我們大腦前額葉區的功能，從皮紋學的研究得知，拇指可以顯示我們的精神力量，是大腦的指揮中樞。
在先天傾向的表現上：左手拇指，代表創造力、領導力、想像力、目標力、直覺力、群體的成就動機等開創智慧型，也與內省智慧型相關。右手拇指，代表溝通力、管理力、計畫力、判斷力、個體的成就動機、也與人際智慧型相關。
2、食指：
食指反應我們大腦後額葉區的功能，從皮紋學的研究得知，食指可以顯示我們的思維能力。
在先天傾向的表現上：左手食指，代表空間心像、想像思考、空間藝術概念、自我期許等心像智慧型發展相關。右手食指，代表邏輯推理、概念理解、計算分析、語言表達等邏輯/推理智慧型發展相關。
3、中指：
反應我們大腦頂葉區的功能，從皮紋學的研究得知，中指可以顯示我們的感官知覺、體覺能力。
在先天傾向的表現上：左手中指，代表肢體律動、藝術學習與感受欣賞等律動智慧型、藝術智慧型發展相關。右手中指，代表分辨動作、操控肢體、理解操作、分解結合等操控智慧型、運作的肢體動覺智慧型發展相關。
4、無名指：
無名指反應我們大腦顳葉區的功能，從皮紋學的研究得知，無名指可以顯示我們的感官知覺、聽覺能力。
在先天傾向的表現上：左手無名指，代表聲音感受、音樂欣賞等音受智慧型、音用的音樂智慧型發展相關。右手無名指，代表辨識聲音、理解語言、學習記憶等語文、記憶的語言智慧型發展相關。
5、小指：
小指反應我們大腦枕葉區的功能，從皮紋學的研究得知，小指可以顯示我們的感官知覺、視覺能力。
在先天傾向的表現上：左手小指，代表視覺感受、圖像欣賞等圖像、認知的空間智慧型發展相關。右手小指，代表視覺辨識、觀察理解、閱讀能力等觀察、閱讀的自然觀察智慧型發展相關。
了解指紋技術與指紋套用
| 指紋，也稱為手印，有廣義狹義之分。狹義的指紋是指人的手指第一節手掌麵皮膚上的乳突線花紋；廣義的指紋則包括指頭紋、指節紋和掌紋。指紋與指印在字面上有區別，即指紋是指手指第一節手掌麵皮膚上的乳突線花紋，指印則是這個乳突線花紋留下的印痕，但是在司法實踐中，約定俗成，指紋與指印的概念是通用的。 |
