【进阶OpenCV】 (5)--指纹验证

文章目录

  • 指纹验证
    • [1. 验证原理](#1. 验证原理)
    • [2. 读取图片](#2. 读取图片)
    • [3. 计算特征匹配点](#3. 计算特征匹配点)
  • 总结

指纹验证

指纹验证基于人类指纹的独特性和稳定性。每个人的指纹在图案、断点和交叉点上各不相同,这种唯一性和终生不变性使得指纹成为身份验证的可靠手段。指纹识别技术通过采集和分析指纹图像,提取指纹特征,并与预先存储的指纹特征进行比对,从而确认身份。

1. 验证原理

通过对比两个指纹之间的相似度,来确认两者是否匹配。其中,确认相似度是通过计算两个指纹之间的关键特征点数量,若是关键特征点数量匹配超过某个设定值,我们则认为他们是一个人的。

2. 读取图片

python 复制代码
import cv2
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)   
python 复制代码
if __name__ == '__main__':
    src1 = cv2.imread("zw1.bmp")
    cv_show("zw1",src1)
    src2 = cv2.imread("zw2.bmp")
    cv_show("zw2", src2)
    model = cv2.imread("model.bmp")
    cv_show("model",model)

3. 计算特征匹配点

通过SIFT特征提取方法,计算两者之间的特征匹配点数量,若是数量达到设定值(此处设定为500),则认证通过,反之,认证失败。

python 复制代码
def verification(src,model):
    # 创建SIFT特征提取器
    sift = cv2.SIFT_create()
    # 检测关键点和计算描述符(特征向量) 源图像
    kp1,des1 = sift.detectAndCompute(src,None)
    # 检测关键点和计算描述符  模板图像
    kp2, des2 = sift.detectAndCompute(model, None)
    # 创建FLANN匹配器
    flann = cv2.FlannBasedMatcher()
    # 使用K近邻匹配(des1中的每个描述符与des2中的最近两个描述符进行匹配)
    matches = flann.knnMatch(des1,des2,k=2)

    ok = []
    for m,n in matches:
        # 根据Lowe's比率测试,选择最佳匹配
        if m.distance < 0.8 * n.distance:
            ok.append(m)
    # 统计通过筛选的匹配数量
    num = len(ok)
    if num >= 500:
        result = "认证通过"
    else:
        result = "认证失败"
    return result
python 复制代码
result1 = verification(src1,model)
result2 = verification(src2,model)
print("src1验证结果为:",result1)
print("src2验证结果为:", result2)
----------------
src1验证结果为: 认证通过
src2验证结果为: 认证失败

总结

本篇介绍了,通过使用SIFT特征特征提取方法,统计两者之间的特征匹配点数量,来验证指纹是否匹配。

相关推荐
资源大全免费分享9 分钟前
MacOS 的 AI Agent 新星,本地沙盒驱动,解锁 macOS 操作新体验!
人工智能·macos·策略模式
跳跳糖炒酸奶26 分钟前
第四章、Isaacsim在GUI中构建机器人(2):组装一个简单的机器人
人工智能·python·算法·ubuntu·机器人
AI.NET 极客圈31 分钟前
AI与.NET技术实操系列(四):使用 Semantic Kernel 和 DeepSeek 构建AI应用
人工智能·.net
Debroon35 分钟前
应华为 AI 医疗军团之战,各方动态和反应
人工智能·华为
俊哥V36 分钟前
阿里通义千问发布全模态开源大模型Qwen2.5-Omni-7B
人工智能·ai
果冻人工智能42 分钟前
每一条广告都只为你而生: 用 人工智能 颠覆广告行业的下一步
人工智能
掘金安东尼1 小时前
GPT-4.5 被 73% 的人误认为人类,“坏了?!我成替身了!”
人工智能·程序员
掘金一周1 小时前
金石焕新程 >> 瓜分万元现金大奖征文活动即将回归 | 掘金一周 4.3
前端·人工智能·后端
白雪讲堂2 小时前
AI搜索品牌曝光资料包(精准适配文心一言/Kimi/DeepSeek等场景)
大数据·人工智能·搜索引擎·ai·文心一言·deepseek
斯汤雷2 小时前
Matlab绘图案例,设置图片大小,坐标轴比例为黄金比
数据库·人工智能·算法·matlab·信息可视化