基于平均周期的指纹分类技术

指纹门禁考勤一体机在识别阶段需要在数据库中反复比对指纹，直到找出与输入指纹一致的指纹，系统响应时间相对较长。为了减少系统的响应时间，通常对指纹进行分类，在识别时只需将输入指纹和数据库中与输入指纹同类的指纹进行比对，这样，只需搜索部分指纹库就可以判定输入指纹是否合法。
常用的指纹分类模式为根据指纹中核心点(coM)和三角点(b1M)的数量和位置来对指纹进行分类的HeNv分类模式或其变种。Henv分类模式将指纹分成五类：左箕型、右箕型、斗型(whorL)、拱型(sMh)和尖拱型(加以Mh)。目前的许多研究工作都围绕着如何提高Hen邱分类模式的正确率展开“15hM J：也有人通过合并多个分类器来提高分类的正确率，同时增加分类的数量。
由于指纹图像质量的影响，各种分类算法都存在一定的错误率和拒绝串。对于箕型、斗型和尖拱型的指纹很可能由于指头在指纹仪上的移动而使得三角点或某个核心点在扫描区域之外，从而扫描出来的指纹图像中只有一个核心点，H模式无法对这样的指纹分类而被系统拒绝。同时，按照H叫模式，指纹的分布很不均匀。前人的统计结果表明：不同类型指纹的分布大概为1vhorL—279％、1d11Mp—33．8％、d办INp—31．7％、矾k—3．7％、加以mh—2．9冲。衡量指纹分类方法性能的参数之一是系统穿透系数，其中外为数据库的记录数，c为比对次数。假设某分类算法的错误率为兄，拒绝率为及*理想情况下兄＝及r＝o，这时
Henl模式的系统穿透系数为公式(1．2)o