文章目录
- 指纹识别
-
- [1. 计算指纹间匹配点的个数](#1. 计算指纹间匹配点的个数)
- [2. 获取指纹编号](#2. 获取指纹编号)
- [3. 获取对应姓名](#3. 获取对应姓名)
- [4. 代码实现](#4. 代码实现)
- 总结
指纹识别
假设，现在我们有一个小的指纹库，此时，有一个指纹图片需要我们识别是不是指纹库中某一个人的。如果是，是谁的呢？
本篇，我们就来完成这个小项目，通过指纹图片，找出是库中哪个人的。
- 已有指纹库：
- 对应人名：
python
nameID = {0:'张三',1:'李四',2:'王五',3:'赵六',4:'朱老七',
5:'钱八',6:'铁栓',7:'铁柱',8:'金川',9:'银川',9999:"无此人"}- 源图像：
1. 计算指纹间匹配点的个数
首先，如果要对指纹进行匹配的话，我们需要计算两个指纹图片的特征匹配点个数，特征相似度越高（特征匹配点数量多），两个指纹为同一个人的概率越大。
python
"""-----计算两个指纹间匹配点的个数-----"""
def getNum(src,model):
img1 = cv2.imread(src)
img2 = cv2.imread(model)
# 创建SIFT特征提取器
sift = cv2.SIFT_create() # orb_create()
# 检测关键点和计算描述符(特征向量) 源图像
kp1,des1 = sift.detectAndCompute(img1,None)
# 检测关键点和计算描述符 模板图像
kp2, des2 = sift.detectAndCompute(img2, 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)
return num2. 获取指纹编号
对于我们需要查找的指纹对象，我们自然是在指纹库中匹配到之后，获取它的信息，得到它的编号，从而得到它的信息。
python
"""-----获取指纹编号-----"""
def getID(src,database):
max = 0
for file in os.listdir(database):
model = os.path.join(database,file)
num = getNum(src,model)
print("文件名:",file,"距离:",num)
if num > max:
max = num
name = file
ID = name[0]
if max < 100: # src图片不一定是库里的指纹
ID = 9999
return ID通过循环遍历指纹库中的每一张图片，计算每张图片与源图像的特征点数量，取出数量最多的图片，确定它是匹配成功的对象（当然最多的数量至少要超过一百个，否则没有）。
3. 获取对应姓名
python
def getName(ID):
nameID = {0:'张三',1:'李四',2:'王五',3:'赵六',4:'朱老七',
5:'钱八',6:'铁栓',7:'铁柱',8:'金川',9:'银川',9999:"无此人"}
name = nameID.get(int(ID))
return name4. 代码实现
python
if __name__ == '__main__':
src = 'src.bmp'
database = "database"
ID = getID(src,database)
name = getName(ID)
print("识别结果为:",name)
-------------------
识别结果为: 铁柱总结
本篇介绍了，如何将源图像指纹同指纹库中的指纹进行匹配，并得到的对应指纹的信息。