CN1167031C - 指纹模板匹配的方法和系统 - Google Patents

Abstract

一种用于匹配模板的方法及其系统。每个模板包括多个数据块，每个数据块表示一个末节和包括一个位置、一个末节角和一个邻域。该位置由两个座标表示。在一个实施例中，每个座标和末节角都被量化。对于预定数量的邻近末节而言，邻域包括相对于所选末节的位置参数。在一个实施例中，围绕所选末节画出一条邻域边界，并且从封闭区域内选择邻近末节。在逐个数据块的基础上将参考模板与测量模板进行比较。把来自每个模板的数据块装载入随机存取存储器(RAM)。分别将参考数据块中位置、末节角和邻域与测量数据块中位置、末节角和邻域进行比较。在一个实施例中，使用直接相减进行比较。如果所有参数的差值满足相应的预定容许值，则测量数据块与参考数据块匹配。如果数据块匹配的数量等于或大于预定数据块匹配率，则测量模板与参考模板匹配。通过比较每个位置参数来比较邻域。如果所有位置参数匹配，则邻居匹配。如果满足预定数量的邻居匹配，则邻域匹配。

Description

指纹模板匹配的方法和系统

发明领域

本发明涉及指纹验证。更具体地，本发明涉及用于将指纹模板与其结构进行匹配的方法。

发明背景

使用生物统计学验证来证实一个人的身份，数字地将某些物理特性的所选特征进行测量并且将这些测量结果与参考数据库中存档的该人特征，或者有时候与该人携带的智能卡上的特征进行比较。所使用的物理特性包括指纹、声音特性、手的几何形状、手腕上和眼睛视网膜上的血管模式、眼睛虹膜的拓扑图、面部模式以及签名和在键盘上打字的动态。

指纹是生物统计学验证中一种最广泛地使用的物理特性。由于其两个突出的特性，指纹被用作确认个人身份的最可靠的手段；即，它们在人的一生中从不改变以及一个人和另一个人的指纹都不同。指纹包含由皮肤的凹谷所隔离的皮肤隆起的磨擦隆脊。指纹“末节”通常定义为隆脊末端或隆脊开叉为两个隆脊处的隆脊分叉。

作为一个图像，指纹的匹配会要求大量文件容量来存储测量的和参考的特征以及复杂的计算来将测量特征与参考特征进行匹配，所以使用从指纹图像中提取的特征或末节的位置关系来实现指纹验证。表示一个指纹图像的末节被数字化并且存于数字存储器内，它可能是一个只读存储器、磁带或类似设备。以此方式数字化的指纹可以与存于存储器内的参考指纹进行比较。为进行比较，可以将参考指纹与测量指纹进行提取、特性化和数字化以使指纹模板包含相同信息并且具有相同格式。

指纹验证的一个应用是使用指纹将通常包含加密信息的智能卡解密。现在，在能够自智能卡中提取并且使用加密信息之前，需要用户输入一个PIN(个人识别号)。PIN的使用有许多缺点。例如，统计或卡发放部门面临相当多的用于管理密码的管理费用以及持卡人必须记住密码。

EP-A-O 159 037描述一种指纹验证系统，该系统包括一个输入设备、一个控制单元、一个工作存储器、一个读卡器和一个存储卡。该存储卡存储用户的参考指纹信息。该参考指纹信息包括多个末节。对于每个末节，存储卡存储其位置、其方向及其与邻近末节的关系。当准备验证一个用户时，输入设备产生用户指纹的一个图像。该读卡器从用户的存储卡中读取参考指纹信息并且将它装载入工作存储器内。控制单元然后将参考指纹信息与由输入设备产生的指纹进行比较。

某些隐私法律例如欧洲的隐私法律要求敏感信息，例如存于智能卡上的参考指纹模板，其存储方式使其在首先使用PIN将卡解密之前无法从该卡提取信息。因此，对于在欧洲实用的指纹匹配方案而言，必须由智能卡上的微处理器执行指纹模板匹配算法。否则必须在能够读取参考指纹模板之前，使用某些其他机制例如PIN将智能卡解密。在智能卡上执行传统指纹模板匹配的困难主要是传统智能卡的有限计算能力和有限的存储器。例如，一个传统的智能卡通常具有小于512字节的RAM(通常只有256字节)以及1千字节至16千字节之间的存储器。一个8位RISC(压缩指令集计算机)微处理器具有1兆赫至10兆赫之间的速度，这对于为完成测量指纹与参考指纹之间的比较而进行的计算而言是很慢的速度。事实上，硬件约束阻止使用指纹来将数据从智能卡中解密。

除硬件约束之外，另一个设计准则是费用。名为“数据携带器”的于1986年4月15日授权给Bo Lofberg的及此处全部引为参考的美国专利号4,582,985(此后称为‘985专利)描述了一种卡类型的数据携带器。根据‘985专利，数据携带器包括一个指纹验证设备，用于执行验证过程。该验证设备包括一个传感器设备，用于感测所有者的指尖及获取相应的指纹线信息。一个专用智能卡必须用于容纳传感器设备，因为传统的智能卡并不提供这类容纳条件。此外，由于指纹模板的生成、存储和比较是在数据携带器处所做，传统智能卡的微处理器并不合适。因此，必须使用一个具有更强功能处理器的专用智能卡，从而增加费用。

因此，所需要的是系统和指纹模板匹配算法，它们可由具有小存储器和低计算能力的微处理器执行，从而将智能卡的费用保持在可以接受的水平上。

本发明概要

根据第一方面，本发明涉及一种用于匹配模板的方法，包括：提供一个参考模板，所述参考模板包括多个参考数据块；其特征在于提供一个准备比较的测量模板，所述测量模板包括多个测量数据块；将所述参考数据块中的一个和所述测量数据块中的一个装载入随机存取存储器(RAM)内以供比较之用，在所述比较期间所述RAM只存储一个参考数据块和一个测量数据块；以及将所述参考数据块中的所述一个和所述测量数据块中的所述一个进行比较。

指纹模板匹配算法能够由具有小存储器和低计算能力的微处理器执行。

根据第二方面，本发明涉及一种指纹验证系统，其特征在于一个智能卡阅读器，所述智能卡阅读器包括一个指纹传感器；及一个第一微处理器，所述第一微处理器从被所述指纹传感器读取的数据中生成一个具有多个测量数据块的测量模板；一个智能卡，所述智能卡包括：一个静态存储器，所述静态存储器存储一个具有多个参考数据块的参考模板；一个第二微处理器，所述第二微处理器执行一个匹配算法以便判断所述测量模板是否与参考模板匹配；以及一个随机存取存储器，所述随机存取存储器(RAM)在执行所述匹配算法期间存储至少一个参考数据块和至少一个测量数据块；以及在所述智能卡与所述智能卡阅读器之间的通信通道。

根据第三方面，本发明涉及一种指纹验证系统，包括一个指纹传感器，一个静态存储器，所述静态存储器存储一个具有多个参考数据块的参考模板；一个微处理器，所述微处理器从被所述指纹传感器读取的数据中生成一个测量模板并且执行一个匹配算法以便判断所述测量模板是否与参考模板匹配；其特征在于所述测量模板具有多个测量数据块，以及一个随机存取存储器，所述随机存取存储器(RAM)在执行所述匹配算法期间所述存储参考数据块中的一个和所述测量数据块中的一个。

在本发明的一个实施例中，分别根据参考指纹图像和准备验证的指纹图像来生成一个参考指纹模板和一个测量指纹模板。每个模板包括多个数据块，每个数据块表示一个末节和包括一个位置、一个末节角和一个邻域。在一个实施例中，该位置由两个座标(x_j，y_j)表示，这些座标具有位于左上角处的中心点(0，0)。该末节角θ_j是x座标与末节处隆脊线的切线之间的夹角。在一个实施例中，每个座标和末节角被量化为所选数量的位数。一般而言，量化的数量是可用存储器和所需精确度的函数。

邻域由预定数量的邻近末节组成，为自指纹图像中提取的每个末节选择这些邻近末节。每个邻近末节由三个相对于所选末节的位置参数所表征。这些位置参数包括一个距离和两个角度。

在一个实施例中，围绕一个随机选择的末节画出一条可选邻域边界。在一个实施例中，如果邻域边界内的邻近末节数量小于预定数量，则选择邻域边界内的所有邻近末节。在另一个实施例中，选择预定数量的最靠近的邻近末节。在又一个实施例中，选择预定数量的在随机选择的末节周围给出最佳分布的邻近末节。在一个实施例中，选择彼此之间距离最远的末节。在另一个实施例中，不选择彼此非常靠近的末节，例如距离小于10个象素的末节。在另一个实施例中，选择非常靠近的末节中的任意一个。在一个实施例中，使用随机选择的末节作为一个中心点来任意地画出一个象限并且从每个象限中选择预定数量的末节。

在随机选择的末节处隆脊的切线方向内画出x轴。垂直于x轴而画出y轴。x轴和y轴相交于随机选择的末节处。因此随机选择的末节现在具有(0，0)的位置并且被指定为“中心末节”。在该中心末节与其邻近末节中的一个之间画出第一线。第一线具有一个距离d_i，这是用于表示邻近末节的位置参数中的一个。第一线与x轴之间的角度φ_i是第二个用于表示邻近末节的位置参数。然后在邻近末节隆脊的切线方向内自邻近末节画出第二线以便与x轴相交。x轴与第二线之间的角度_i是第三个用于表示邻近末节的位置参数。

在一个实施例中，将每个位置参数都量化为所选数量的位数。例如，每个角度φ_i和_i被量化为六位以及距离d_i被量化为五位。

一个根据每个指纹模板获取的数据块被装载入准备进行比较的随机存取存储器(RAM)。在一个实施例中将数据块分类，但这分类是可选的。在一个实施例中，按照它们的x座标将数据块分类。在另一个实施例中，按照它们的y座标将数据块分类，在一个实施例中，将参考模板中的数据块分类。在另一个实施例中，将测量模板中的数据块分类。在又一个实施例中，将测量模板和参考模板两者都进行分类。

准备比较的测量数据块的每个特性化参数即位置、末节角和邻域与参考数据块中它的相应的对应部分进行比较。可以改变比较顺序。例如，首先将测量末节的x座标中的位置参数与参考末节中相应的x座标进行比较。在另一个实施例中，首先将测量末节的y座标中的位置参数与参考末节中相应的y座标进行比较。在一个实施例中，该比较是直接相减。如果一对参数对的差值等于或小于相应的预定容许值，则这些参数匹配。如果所有参数匹配，则数据块匹配。另一方面，如果有一个参数匹配失败，则数据块不匹配，进而比较下一组数据块。

从第一参考数据块与第一测量数据块开始比较数据块，以及当匹配的数据块已经到达预定数量(即模板匹配)时，或当所有数据块组合都已进行比较时即结束数据块比较。在一个实施例中，如果第一参考数据块与第一测量数据块不匹配，则将下一个测量数据块装载入RAM，以便与第一参考数据块进行比较。该过程继续下去，直至测量的指纹模板中所有测量数据块都已比较完。然后将下一个参考数据块和第一测量数据块装载入RAM，以便进行比较。该过程继续下去，直至所有参考数据块都已比较完。在另一个实施例中，如果第一参考数据块与第一测量数据块不匹配，则将第二参考数据块装载入RAM，以便与第一测量数据块进行比较。该过程继续下去，直至所有参考数据块都已比较完。然后将第二测量数据块和第一参考数据块装载入RAM，以便进行比较。该过程继续下去，直至所有测量数据块都已比较完。

在一个其中将数据块分类的实施例中，如果参考数据块与测量数据块之间的差值超过容许值，则结束参考数据块与剩余未比较测量数据块之间的比较。在一个实施例中，从下一个参考数据块与第一个匹配的测量数据块开始进行下一个比较。

在选代的实施例中，如果测量数据块与参考数据块之间的差值超过容许值，则结束测量数据块与剩余未比较的参考数据块之间的比较。在一个实施例中，从下一个参考数据块与第一个匹配的测量数据块开始进行下一个比较。

在一个实施例中，按照距离d_i将邻域内的邻近末节分类。从参考邻域中的第一邻居和测量邻域中的第一邻居开始进行邻域比较，以及当已经达到预定的邻域匹配(即邻域匹配)时，或当所有邻居组合都已进行比较时即结束邻域比较。每个参考位置参数与其相应的测量位置参数进行比较。在一个实施例中，该比较是直接相减。如果差值满足预定容许值，则这些参数匹配。如果邻居末节中所有位置参数都匹配，则邻居末节匹配。如果有一个位置参数不匹配，则邻居末节不匹配。

在一个实施例中，参考指纹模板存于智能卡中静态存储器内，以及在智能卡中微处理器内执行指纹模板匹配算法。在一个实施例中，在智能卡阅读器处生成和存储参考指纹模板。

以上所述指纹模板匹配算法可由具有小存储器和低计算能力的微处理器执行，因为匹配算法并不要求很大的计算运算，并且不要求超过8位的比较。

附图的简要描述

图1显示一个具有用于读取智能卡的智能卡阅读器的智能卡系统。

图2A显示一个划分为数据块的参考指纹模板。

图2B显示一个划分为数据块的准备进行比较的测量指纹模板。

图3显示如何表示一个末节。

图4A显示一个圆形邻域边界。

图4B显示一个正方形邻域边界。

图4C显示一个邻居选择方法。

图4D显示一个准备在复数邻域内表示的角度。

图4E显示一个邻居选择方法的实施例。

图5显示一个邻近末节的位置参数的结构。

图6显示两个彼此之间存在误差的邻域。

图7A显示一个包括位置、末节角和邻域参数的参考数据块。

图7B显示一个包括位置、末节角和邻域参数的测量数据块。

图7C显示一个具有不同位置参数的参考邻域。

图7D显示一个具有不同位置参数的测量邻域。

图8A显示一个模板比较方法的流程图。

图8B显示另一个模板比较方法的流程图。

图9A显示一个详细的数据块比较方法的流程图。

图9B显示一个详细的数据块比较方法的流程图。

图9C显示一个详细的数据块比较方法的流程图。

图10显示一个详细的邻域比较方法的流程图。

图11A显示一个详细的邻居比较方法的流程图。

图11B显示一个详细的邻居比较方法的流程图，其中已将邻居分类。

图12显示一个多用户情况下指纹模板比较方法的流程图。

不同图中相同参考数字的使用标示类似的或相同的元件。

详细说明

以下说明只是用于阐述而不是限制性的。以下说明将使半导体技术领域中的专业人员明显地理解本发明的其他实施例。

图1显示本发明的一个实施方式。图1显示一个具有智能卡100和一个智能卡阅读器110的智能卡阅读器系统。智能卡100包括一个用于存储参考指纹模板的静态存储器102，一个用于执行指纹模板匹配算法的微处理器104以及RAM(随机存取存储器)106。智能卡阅读器110具有一个用于存储测量指纹模板的RAM 112，一个微处理器114和一个指纹传感器116。在一个实施例中，指纹传感器116是一个电容性指纹传感器。智能卡阅读器110可以是销售点处的单独单元，也可以埋嵌于例如一个ATM中。

当用户希望访问智能卡100时，他/她将智能卡100插入智能卡阅读器110内。智能卡阅读器110然后提示用户将他/她的手指放在指纹传感器116上。该提示可以是可视的，也可是可听的。智能卡阅读器110上的微处理器114然后将指纹传感器116处测量的电气信号进行量化，建立一个指纹图像，从指纹图像中提取末节，将每个末节特征化，为每个末节建立一个邻域以及根据特征化参数和邻域生成一个测量指纹模板。然后将该测量指纹模板存于RAM 112内。下面将详细地讨论模板构成。

可以使用任何已知方法从指纹中提取末节。例如，可以使用隆脊骨架化技术。此技术使用一个迭代过程将不影响隆脊线连续性的象素删去而使隆脊线变细，直至只剩一条象素线，而其末端点即为末节。其他类型的末节提取技术描述于例如名为“使用从粗糙对中选择的精确末节对的指纹匹配的方法和设备”的于1987年2月24日授权予Asai等人的美国专利号4,646,352以及名为“末节模式匹配器”的于1979年1月16日授权予Riganati等人的美国专利号4,135,147中。在此申请中不详细地描述末节提取技术，因为它不是本发明的一部分。

智能卡阅读器110然后以通常为9.6千位/秒或9600波特率的所选速度通过一条通信通道120发送测量指纹模板至智能卡100。智能卡100内的微处理器104从智能卡阅读器110接收测量指纹模板，按照需要逐个数据块地自静态存储器102中读取参考指纹模板并且将它送入RAM 106中，并且执行一个指纹模板匹配算法来比较两个指纹模板。

一组用于表示指纹的数据块，或是参考的或是测量的，此处称为指纹模板。数据块包含它所对应的提取的末节的信息，包括位置、末节角和邻域，这将在以下讨论。图2A、2B、3、4A-4E、5、6和7A-7D详细地显示如何构作一个指纹模板。图2A显示具有多个数据块201、202、203等的参考指纹模板200。通常参考指纹模板200包括50个数据块，即通常从一个指纹图像中提取50个末节。在一个实施例中，所需末节的最小数量是10。末节的最小数量通常由所需匹配正确度所确定。在一个实施例中，允许的末节最大数量是128。选择128为允许的末节最大数量，因为对于通常的数量50而言，128能够给出可从一个指纹图像中提取的末节的足够数量范围。当然，可以修改所提取末节的最小和最大数量以便适合于具体应用场合。参考指纹模板200存于例如智能卡100上的静态存储器102内。

图2B显示具有多个数据块211、212、213等的测量指纹模板210。类似地，测量指纹模板210通常包括50个数据块。测量指纹模板210由例如智能卡阅读器110生成并且存于智能卡阅读器110中RAM 112内。由于可能的虚假末节的原因，从测量指纹中提取的数据块数量可能与从参考指纹中提取的数据块数量不同。此外，从测量指纹中提取的数据块数量可能与从参考指纹中提取的数据块数量不同，因为只读取一部分指纹。然而，如果指纹数据块匹配的数量满足指纹数据块匹配的预定数量，则仍然能进行匹配。因此，测量指纹模板中的指纹数据块数量不必要与参考指纹模板中的指纹数据块数量相同。

在一个实施例中，参考指纹模板200和测量指纹模板210两者中所有数据块都包含相同位数。为每个从指纹图像中提取的末节构作一个数据块。因此，用于组成每个指纹模板的数据块数量等于从一个指纹图像中提取的末节数量。例如，如果从一个指纹图像中提取80个末节，则指纹模板将包含80个数据块。

图3显示如何表示每个末节。如此构作一个x轴和一个y轴以使点(0，0)位于指纹图像的左上角。构作x轴和y轴时不考虑指纹的旋转或平移，这将在以下讨论。指纹图像中的每个末节由位置(x_j，y_j)和末节角θ_j特征化，其中j是从指纹图像中提取的末节数量。位置(x_j，y_j)是相对于x和y轴的末节j的位置。末节角θ_j是x轴与自其中提取末节j的隆脊301的切线之间的夹角。重要的是，参考指纹和测量指纹两者的末节都必须包含相同特征化参数。

为每个末节j构作一个邻域NH_j，这将在下面讨论。图4A-4E阐述在为末节j构作邻域NH_j时选择邻近末节的不同方法。为每个从指纹图像指纹中提取的末节构作一个邻域。在一个实施例中，围绕末节j画出一个邻域边界。例如，如图4A中所示，使用末节j作为圆心画出一个具有固定半径r例如90个象素的圆300，以便提供一个邻域边界。在一个选代实施例中，如图4B中所示，使用末节j作为中心点画出一个用于表示邻域边界的方块310。当然，可以画出任何形状或大小的任何预定邻域边界。

从封闭区域中选择预定数量的邻近末节。在一个实施例中，在邻域边界内选择15个末节(不包括末节j)作为邻域NH_j的邻近末节。如果封闭区域包含小于预定数量的邻近末节，则选择包含于该封闭区域内的所有邻近末节。注意到，邻域NH_j包含多个邻近末节N₁-N_i，其中i是预定数，以使信息多到足够使邻域NH_j成为独特的，从而能够满足正确度要求。一般而言，邻居数量决定于所需邻域NH_j的独特程度。例如，如果只为一个邻域选择四个邻居N₁-N₄，则具有等效的或匹配的邻域的概率将在很大程度上高于与具有15个邻居的邻域相关联的概率。类似地，一个具有30个邻居的邻域将具有更低的与其他邻域等效的概率。邻域的独特性决定多么经常地摒弃好的指纹(即虚假摒弃率)以及多么经常地接受坏的指纹(即虚假接受率)。邻近末节数量还决定于能够满意地由微处理器完成的可接受的计算复杂性或速度。

在一个实施例中，如此选择邻近末节以便使围绕中心点即末节j的散布最大。参照图4C，在末节j处在与一条隆脊线相切的方向内画出x轴。自末节j画出一条线至末节N₁，从而形成x轴与该线的夹角σ₁。类似地，自末节j画出一条线至封闭区域内的每个剩余末节，每条线形成一个与x轴的夹角σ_k，其中k是封闭区域内末节数量。根据所有夹角σ_k计算出平均值。

在一个实施例中，在一个复数区域内计算平均值，因为，由于角度的周期特性，在角度领域内计算平均值将要复杂得多。一个复数c可以描述为其实数部分和虚数部分a与b的相应和数，即C＝a+ib，其中i是-1的平方跟。

参照图4D，可由下列等式通过复数表示角度：

C_k＝COS(σ_k)-i sin(σ_k)

其中

σ_k＝tan^-1(b_k/a_k)

因此，角度σ_k的实数部分是a_k＝cos(σ_k)以及角度σ_k的虚数部分是b_k＝sin(σ_k)。为得到所有角度σ_k的平均值，每个角度σ_k转换为其复数等效值。然后分别将实数部分a_k和虚数部分b_k求平均。然后将平均的实数部分a_avg和虚数部分b_avg转换回为实际数表示σ_avg，例如 $a_{\mathrm{avg}}=\frac{{\mathrm{\Σ}}_k\left(a_k\right)}{k},$ $b_{\mathrm{avg}}=\frac{{\mathrm{\Σ}}_k\left(b_k\right)}{k}$ 和σ_avg＝tan^-1(b_avg/a_avg)。

在一个实施例中，通过自平均角σ_avg中减去角度σ_k而获得一个差值σ_kdiff’从而检查每个角度σ_k以便确定其值是如何靠近平均角度σ_avg的。选择预定数量的具有最大差值σ_kdiff的末节以使整个邻域具有最大标准角度偏差。注意到，如果存在一簇末节例如图4C中所示簇301，则平均值将更为靠近簇301。因此处于簇301内的末节将更为靠近平均值。在一个实施例中，如果邻域内的末节数量大于邻近末节的预定数量，则将不选择簇301内的末节。如果必须从簇301内选择一个或多个末节以便满足邻近末节的预定数量要求，则随机地选择末节。换言之，与簇301之外的末节相比较，簇301内的末节被选的可能性更小。

在一个实施例中，如果多个末节例如末节N₅和N₆具有相同角度，则末节N₅与末节j之间的距离及末节N₆与末节j之间的距离用作比较的决胜依据，例如距离愈短则末节被选的可能性愈大。在另一个实施例中，如果一个末节即末节N₃与末节j过于靠近，例如10个象素，则不选择该末节。在又一个实施例中，选择彼此间隔最远(在距离上)的邻近末节。在一个实施例中，如果两个或更多邻近末节例如邻近末节N₅和邻近末节N₇彼此非常靠近，例如10个象素，则或者将两者都摒弃或者任意地地选择邻近末节N₅和N₇中的一个。

在选择邻域的邻近末节时邻域边界是可选的。例如，如上所述地，选择邻近末节以使中心点即末节j周围的散布最大。然而，在此实施例中，使用所有从指纹中提取的末节来计算平均值。所有以上描述的其它实施例也可用于没有边界的邻近末节选择。在一个附加的实施例中，以末节j为中心点任意地画出一个象限并且从每个象限中选择预定数量的邻近末节，如图4E中所示。一般而言，任何邻近末节提取方法可用于提取预定数量i的邻近末节，用于构作一个邻域NH_j。

在选择邻近末节之后，通过为每个邻近末节推导得三个位置参数而构作一个邻域NH_j。以末节j为基准来推导位置参数。这些位置参数包括一个距离d_i和两个角度φ_i和_i，其中i是邻近末节的数量。

图5显示如何推导位置参数。在末节j处沿着与隆脊线相切的方向画出一条x轴。然后垂直于x轴画出y轴，在末节j处与x轴相交。因此，末节j具有一个位置(0，0)并且被指定为“中心末节N₀”。自中心末节N₀画出一条线500至邻近末节N_i。线500具有一个距离d_i。在x轴与线500之间建立一个角度φ_i。为邻近末节N_i在隆脊线的切线方向内自邻居N_i画出另一条线501，与x轴相交并且延伸通过x轴。在延伸线501与x轴之间的角度是角度_i。因此，邻近末节N_i可以表示为(d_i，φ_i，_i)。类似地，邻近末节N₁与中心末节N₀的距离是d₁。在线502与x轴之间建立一个角度φ₁。在线503与x轴之间建立一个角度₁。邻近末节N₂与中心末节N₀的距离是d₂。在线504与x轴之间建立一个角度φ₂。在线505与x轴之间建立一个角度₂。为中心末节N₀的所有i个邻近末节重复该过程。因此对于一个具有15个邻居(即i＝15)的邻域而言，15个邻居N₁、N₂、N₃、…、N₁₅中的每一个由(d_i，φ_i，_i)表示。重要的是，距离d_i及角度φ_i和_i与指纹的旋转或平移无关，因为这些都是相对于中心末节N₀的相对位置。因此，当一个指纹旋转或平移时，所有与中心末节N₀相关联的末节都以相同方式和数量平移和旋转，以及它们相对于中心末节N₀的相对位置保持不变。

在一个实施例中，每个参数d_i，φ_i和_i都量化为所选数量的位数。量化允许减少用于表示一个值的位数。更具体地，在量化期间，所有位于两个边界值之间的数都被离散化为边界值之间的量化值。

有数个方法用于推导量化值。在线性量化中，能够通过实际方法或形心方法推导量化值。在实际方法中，可以通过将等式例如x/N的商四舍五入为最靠近的整数而计算量化值，其中x是未量化值和N是量化间隔值。例如，如果未量化值是5和量化间隔值为2，则通过将5/2＝2.5四舍五入为3而获得量化值。类似地，如果如果未量化值是5和量化间隔值为4，则通过将5/4＝1.25四舍五入为1而获得量化值。在形心方法中，量化值计算为：

$C=\frac{\underset{i}{\overset{j}{\∫}}\mathrm{xp}\left(x\right)\mathrm{dx}}{\underset{i}{\overset{j}{\∫}}p\left(x\right)\mathrm{dx}}$

其中C是量化值；i和j是准备量化间隔值的边界数量；及p是每个数x出现的概率。

在非线性量化中，可以建立一个查阅表为每个未量化值规定量化值。例如，查阅表可以为自0至1的未量化值规定量化值为1；为自1至3的未量化值规定量化值为2；为自3至6的未量化值规定量化值为5；等等。非线性量化的优点是根据与每个末节相关联的误差来设置量化值。例如，对于一个给定末节，邻近末节愈靠近给定末节，则误差愈小。类似地，邻近末节愈远则误差愈大。因此，对于更为靠近给定末节的邻近末节而言，需要比距离更远的邻近末节更为精细地将与该邻近末节相关联的参数进行量化。

虽然可以使用任何量化数量，但量化数量取决于所需匹配精度和可用存储空间。众所周知，量化愈大，则表示精度愈小和所需存储空间愈小。例如，对于一组未量化值1至10，需要4位来表示每个数。如果量化间隔值为2，则需要表示的最大量化值为10/2或5。因此，所有10个数能够由3位表示，需要较少存储空间。类似地，如果量化间隔值为5，则需要表示的最大量化值为10/5或2。因此，未量化值1至10能够由2位表示，需要更少的存储空间。然而，第一例中的最大误差将是1以及第二例中的最大误差将是2.5。因此，量化愈大，则所需存储空间愈小和误差愈大。

在一个实施例中，将距离d_i量化为5位。在另一个实施例中，将每个角度φ_i和_i量化为6位。

图6阐述两个具有小误差的邻域，既是旋转的又是平移的。使用中心末节N₀和两个邻近末节N₁和N₂来构作参考邻域510。使用中心末节N₀’和两个邻近末节N₁’和N₂’来构作测量邻域512。可以看出，参考邻域510和测量邻域512显示出某些相似性，即邻近末节N₁和N₂及N₁’和N₂’分别相对于中心末节N₀和N₀’而言，它们分别具有类似的位置关系。然而，在两个邻域之间存在误差。例如，在距离和角度上都有细小误差。这细小误差可能是由于指头具有湿润表面，因此在不同情况下指头表面伸展而变化。因此两个略为不同的邻域可能是来自同一个手指但在不同时候建立的指纹。因此，如果要求实现一个完善的匹配，则指纹匹配算法必须考虑到这些细小的变化，大量的错误摒弃将会使指纹验证成为不实用。

因此必须接受匹配容许值，一定量化量所造成的误差在比较的最后正确度中并不重要。例如，如果距离d_i的容许值设为1及距离d_i量化所造成的最大误差也是1，如果参考距离和测量距离两者都位于相同份额内，则距离匹配甚至于实际距离都可能不同。因此可接受的容许值确定了可以为每个参数做多少量化。

量化的另一个优点是增加数据传输速度，因为在量化之后数据包的尺寸变小。在一个实施例中，使用众所周知的压缩方法例如但不限于运行长度编码或L-Z-W(Lemtel-Ziv-Welch)压缩方法将量化值压缩。在例如运行长度编码中，如果一行中有5个零数，则将这些数存为“5 0.”而不是“0 0 0 0 0，”。在L-Z-W压缩方法中，在每个文件的基础上建立一个经常重复字符(8位)组的词典，以便使用较短位模式来表示常用字符串，因此，压缩方法允许使用较少位数来表示数据，从而允许数据传输更快及数据存储器更小。在一个实施例中，自智能卡阅读器110传输压缩值至智能卡100并且在智能卡100处进行解压缩。

在一个实施例中，位置信息即(x_j，y_j)和末节角θ_j被量化为所选数量的位数。例如，每个位置测量值x_j和y_j量化为4位以及末节角θ_j量化为6位。

数据块的大小取决于用于表示末节位置、末节角与其邻域的参数的大小。在一个实施例中，指纹模板中的每个数据块的大小是34个字节。在此实施例中，指纹模板由1个字节的位置信息(即两个4位测量值x_j和y_j)、6位的末节角θ_j信息以及15个17位(5位用于d_i，6位用于每个角度φ_i和_i)的邻域信息所组成。

下面将看到，指纹模板匹配算法在逐个数据块的基础上比较指纹模板。因此，指纹模板匹配算法要求RAM 106的尺寸足够大以便存储至少两个数据块，例如68个字节的数据。在传统智能卡中通常RAM的大小是256个字节，因为根据本发明的所需存储器的大小事实上低于传统智能卡的存储器约束很多，所以不需要附加存储器。

图7A详细地显示参考指纹模板200的参考数据块201。参考数据块201包括三个参数：位置702、末节角704和邻域706。位置702包括x和y座标。在一个实施例中，邻域706包括15个邻近末节N₁至N₁₅。每个邻居N₁至N₁₅还包括位置参数例如中心末节N₀与邻近末节N_i之间的距离d_i，以及两个相关的角度φ_i、_i，其中i是1至15，如图7C中所示。

类似地，图7B详细地显示测量指纹模板210的数据块211。测量数据块211包括三个参数：位置752、末节角754和邻域756。位置752包括x和y座标x_j’和y_j’。在一个实施例中，邻域756包括15个邻居N₁’至N₁₅’。每个邻居N₁’至N₁₅’还包括位置参数例如中心末节N₀’与邻近末节N_i’之间的距离d_i’，以及两个相关的角度φ_i’、_i’，其中i是1至15，如图7D中所示。虽然图7A和7B显示参考指纹数据块201和测量指纹数据块211中相同数量的邻居，但这并不必要，因为如果邻近末节匹配的数量满足邻近末节匹配的预定数量，则可以找到邻域匹配。例如，对于画出的一定邻域边界，参考指纹处的封闭区域包含足够的末节以供选择出预定数量的邻近末节例如15个末节。然而，测量指纹处的封闭区域只包含小于预定数量的邻近末节例如12个末节。如果预定邻近末节匹配是7以及在测量邻近末节与参考邻近末节之间有7个匹配，则即使邻域706包含与邻域756不同的邻居数量，在参考邻域与测量邻域之间也存在匹配。

图8A阐述智能卡应用中的指纹模板匹配过程。注意到，虽然相对于智能卡和智能卡阅读器描述指纹模板匹配算法，但此处描述的指纹模板匹配算法也能由例如个人计算机、微处理器系统或掌上计算机执行。

模板匹配过程自步骤600开始。在一个实施例中，参考数据块和测量数据块被分类(步骤601)，但这分类并不是必要的。在一个实施例中，根据由x和y座标表示的位置信息来将数据块分类。例如，根据增加的x座标x_j以及后随的增加的y座标y_j将数据块分类。当然，可以使用任何分类技术将数据块分类。一般而言，由于角度测量的周期特性，末节角θ_j不用于分类。在一个实施例中，或者将参考数据块或者将测量数据块分类。在另一个实施例中，将参考数据块和将测量数据块两者都分类。下面将解释，将数据块分类是为了效率目的。

因为是在逐个数据块的基础上比较指纹模板的，以及指纹模板被串联化，因此不需要对指纹模板进行任何随机访问。换言之，一旦已经使用过一个数据块，即可将该数据块从RAM 106中删去并且读入一个新的数据块。这允许在比较过程期间只存储一个来自每个模板的数据块。

测量指纹模板210的第一数据块例如测量块211，通过通信通道120(也参照图1)从例如智能卡阅读器110中的RAM 112装载入RAM 106(步骤602)。同样在步骤602中，将参考指纹模板200的第一数据块例如参考块201，从静态存储器中装载入智能卡100的RAM 106中。微处理器104将RAM 106中的这两个数据块即测量块211与参考块201进行比较(步骤604)。下面参照图9A、9B和9C详细地讨论如何在步骤604中比较数据块。

如果两个指纹模板数据块例如参考块201与测量块211匹配(步骤606)，则在步骤608中将一个计数器增量。如果指纹数据块匹配的数量等于或大于预定数量(步骤610)，则认为测量指纹模板210与参考指纹模板200匹配(步骤612)，并且指纹模板匹配过程在步骤614结束。在一个实施例中，多于4个数据块匹配被认为是一个匹配。

如果两个指纹模板数据块例如参考块201与测量块211并不匹配(步骤606)或者如果数据块匹配的数量小于预定数量(步骤610)，则判断用于比较的测量块例如测量块211是否为测量指纹模板200中的最后一个测量块(步骤616)。

如果测量块例如测量块211不是测量指纹模板210中的最后一个测量块，则通过通信通道120将测量指纹模板210中的下一个测量块例如测量块212自RAM 112装载入RAM 106(步骤618)。新装载的测量块例如测量块212与RAM 106中的参考块例如参考块201进行比较(步骤604)。该过程继续下去，直至测量指纹模板210中所有测量块都已比较过，或者直至已经找到预定数量的数据块匹配。

如果测量块例如测量块201是测量指纹模板210中的最后一个测量块，则判断RAM 106中用于比较的参考块例如测量块201是否为参考指纹模板210中的最后一个数据块(步骤620)。

如果参考块例如参考块201不是参考指纹模板200中的最后一个参考块，则将参考指纹模板200中的下一个参考块例如参考块202自静态存储器102装载入RAM 106(步骤622)。同样在步骤622中，将指纹模板210中的第一测量块例如测量块211装载入RAM 106。新装载的参考块例如参考块202与第一测量块例如测量块211进行比较(步骤604)。该过程继续下去，直至参考指纹模板200中所有参考块都已比较过，或者直至数据块匹配的数量已经超过预定数量。

如果参考块例如参考块201是参考指纹模板200中的最后一个参考块，则参考指纹模板200与测量指纹模板210不匹配(步骤624)，因此指纹模板匹配过程结束(步骤614)。

选代地，可以根据图8B执行指纹模板匹配过程。在图8B中，消除可选的分类步骤；首先旋转参考块然后旋转测量块。具体地，在步骤650处开始执行指纹模板匹配过程。通过通信通道120将测量指纹模板210中的第一测量块例如测量块211自智能卡阅读器110装载入RAM 106(步骤652)。同样在步骤652中，将参考指纹模板200中的第一数据块例如参考块201自静态存储器102装载入智能卡100的RAM 106。微处理器104将RAM 106中的两个指纹模板数据块例如测量块211与参考块201进行比较(步骤654)。下面参照图9C详细地讨论如何在步骤654中比较数据块。

如果两个数据块例如块201与211匹配(步骤656)，则在步骤658中将一个计数器增量。如果数据块匹配的数量等于或大于预定数量(步骤660)，则测量指纹模板210与参考指纹模板200匹配(步骤662)，并且该过程在步骤664结束。

另一方面，如果两个数据块例如数据块201与211并不匹配(步骤656)或者如果数据块匹配的数量小于预定数量(步骤660)，则判断用于比较的测量块例如参考块201是否为参考指纹模板200中的最后一个参考块(步骤666)。

如果参考块例如参考块201不是参考指纹模板200中的最后一个数据块，则将参考指纹模板200中的下一个参考块例如参考块202自静态存储器102装载入RAM 106(步骤668)。新装载的参考块例如参考块202与RAM 106中的测量块例如测量块211进行比较(步骤654)。该过程继续下去。

如果参考块例如参考块201是参考指纹模板200中的最后一个参考块，则判断RAM 106中用于比较的测量块例如测量块211是否为测量指纹模板210中的最后一个测量块(步骤670)。

如果测量块例如测量块211不是测量指纹模板210中的最后一个数据块，则通过通信通道120将测量指纹模板210中的下一个测量块例如测量块212自RAM 112装载入智能卡100的RAM 106(步骤672)。还将指纹模板200中的第一参考块例如参考块201装载入RAM 106(步骤672)。然后将新装载的测量块例如测量块212与第一参考块例如参考块201进行比较(步骤654)。

如果测量块例如测量块211是测量指纹模板210中的最后一个测量块，则测量指纹模板210与参考指纹模板200不匹配(步骤674)，因此指纹模板匹配过程结束(步骤664)。

图9A详细地阐述步骤604中如何比较指纹模板数据块的流程图。参考块包括一个位置参数(x_j和y_j)，其中x_j是参考末节的x座标和y_j是y座标。测量块包括一个位置参数(x_j’和y_j’)，其中x_j’是测量末节的x座标和y_j’是y座标。在此实施例中，根据x座标x_j以及后随的y座标y_j将测量数据块分类。在一个实施例中，通过自参考x座标x_j中减去测量x座标x_j’而将x座标进行比较，即x_j-x_j’＝x_jdiff(步骤850)。如果差值x_jdiff的绝对值大于预定容许值x_jtolerance(步骤852)，则判断粗差值x_jdiff是否小于预定容许值x_jtolerance(步骤868)。如果差值x_jdiff小于x_jtolerance，则不将其余测量数据块与参考数据块进行比较，并且判断所用参考块是否为最后一个参考块(图8A中步骤620)，并且过程继续。如果差值x_jdiff大于x_jtolerance，则这些块不匹配(步骤872)，并且过程在步骤606处继续(图8A)。

如果差值x_jdiff的绝对值小于或等于预定容许值x_jtolerance(步骤852)，即x座标匹配，则比较y座标。自参考y座标y_j中减去测量y座标y_j’以便比较y座标，即y_j-y_j’＝y_jdiff(步骤854)。如果差值y_jdiff的绝对值大于预定容许值y_jtolerance(步骤856)，则判断粗差值y_jdiff是否小于y_jtolerance。如果差值y_jdiff小于y_jtolerance，则不将其余测量数据块与参考数据块进行比较，并且判断用于比较的参考块是否为最后一个参考块(图8A中步骤620)。如果差值y_jdiff大于y_jtolerance，则这些块不匹配(步骤872)，并且过程在步骤606处继续(图8A)。如果差值y_jdiff小于或等于预定容许值y_jtolerance(步骤856)，即y座标匹配，则比较末节角θ_j和θ_j’。

注意到，由于角度的周期特性，在角度领域内直接相减的方法对角度并不成功。自参考末节角θ_j中减去测量末节角θ_j’，即θ_j-θ_j’＝θ_jdiff(步骤858)。如果差值θ_jdiff的绝对值小于或等于预定容许值θ_jtolerance(步骤860)，则末节角匹配。如果差值θ_jdiff的绝对值大于预定容许值θ_jtolerance，则判断差值θ_jdiff的绝对值是否大于或等于最大允许量化末节角θ_jmax与预定容许值θ_jtolerance之间的差值(步骤861)。如果值|θ_jdiff|大于或等于值θ_jmax与θ_jtolerance之间的差值，则末节角匹配。

下面描述角度比较的例子。在一个实施例中，角度量化为6位，因此具有值0至63，0是θ_j的最小值(θ_jmin)及63是θ_j的最大值(θ_jmax)。然后将量化值相减例如|θ_j-θ_j’|＝θ_jdiff，如果末节角θ_j具有一个量化值为61而末节角θ_j’具有一个量化值为63，而匹配容许值为2。然后|61-63|＝2，这处于容许值范围之内。因此，在末节角θ_j与θ_j’之间存在匹配。在一种情况下，角度θ_j具有一个量化值为0而末节角θ_j’具有一个量化值为63，而匹配容许值为2。然后|0-63|＝63，这超出容许值范围。然而，由于周期特性，63与0的差值实际上只是1，这处于容许值范围之内。因此，除检查是否|θ_j-θ_j′|≤θ_jtolerance之外，尚需检查是否θ_jdiff≥θ_jmax-θ_jtolerance。在以上例子中，θ_jdiff≥θ_jmax-θ_jtolerance(63≥63-2)是真实的。因此，末节角θ_j与θ_j’匹配。

如果末节角θ_j与θ_j’匹配，则在步骤862中将邻域NH_j与邻域NH_j’进行比较。下面将参照图10详细地进行描述。

如果来自参考块的邻域NH_j与来自测量块的邻域NH_j’匹配(步骤864)，则数据块匹配(步骤866)。相反，如果各参数例如x座标、y座标、末节角和邻域中任何一个参数不匹配，则数据块不匹配(步骤872)。x_jtolerance和y_jtolerance的典型值是4及θ_jtolerance的典型值是7。这些典型值是从实验中推导所得的。

由于根据x座标x_j将测量数据块分类，可以取消其余测量数据块的比较，因为其余测量数据块将具有超过容许值的x座标x_j’。因此，分类能够减少比较次数。将数据块按照y座标y_j分类能够进一步减少比较次数。

可以设置一个标志以便只使测量数据块的一个子集用于进一步比较。图9B详细地阐述步骤604中如何比较指纹模板数据块的流程图。通过自参考x座标x_j中减去测量x座标x_j’而将x座标进行比较，即x_j-x_j’＝x_jdiff(步骤880)。如果差值x_jdiff的绝对值小于或等于预定容许值x_jtolerance(步骤852)，如果差值x_jdiff的绝对值小于或等于预定容许值x_jtolerance(步骤881)，则判断这是否为参考x座标x_j与测量x座标x_j’之间的第一次匹配(步骤885)。如果该匹配是第一次匹配，则为该包含第一次匹配x座标x_j’的测量块设置一个标志(步骤886)。

如果差值x_jdiff的绝对值大于预定容许值x_jtolerance(步骤881)，则判断差值x_jdiff是否小于预定容许值x_jtolerance(步骤882)。如果差值x_jdiff小于x_jtolerance，则不将其余测量数据块与参考数据块进行比较，并且判断所用参考块是否为最后一个参考块(步骤883)。如果参考块不是参考指纹模板中的最后一个块，则将下一个参考块和起始块装载入RAM以供比较之用(步骤884)并且过程在步骤880处继续。如果参考块是参考指纹模板中的最后一个块，则指纹模板不匹配(图8A中步骤624)。

如果该匹配不是第一次匹配(标志885)，或者是在已经将起始块设置标志之后(标志886)，则比较y座标。自参考y座标y_j中减去测量y座标y_j’，即y_j-y_j’＝y_jdiff(步骤887)。如果差值y_jdiff的绝对值大于预定容许值y_jtolerance(步骤888)，则判断差值y_jdiff是否小于y_jtolerance(步骤889)。如果差值y_jdiff小于y_jtolerance，则不将其余测量数据块与参考数据块进行比较，并且判断用于比较的参考块是否为最后一个参考块(步骤883)。如果差值y_jdiff大于y_jtolerance，则这些块不匹配(步骤896)，并且过程在步骤606处继续(图8A)。

如果差值y_jdiff的绝对值小于或等于预定容许值y_jtolerance(步骤888)，则其余步骤890至896类似于参照图9A所描述的步骤858-866。

从图9A和9B可以看出，x座标和y座标的比较能够筛选掉比较次数。虽然指纹模板匹配算法能够将指纹与一个相同的但旋转和/或平移的指纹进行比较，但如将指纹约束在一定方向内，则能够加速算法的执行。由于允许平移和旋转，以致不取消或取消很少的值，因为容许值可能足够大而在比较期间不致于取消任何值而产生虚假摒弃。

图9C详细地阐述步骤654中如何比较指纹模板数据块的流程图，其中将每个块进行比较。通过例如直接相减来比较参数x_j和x_j’(步骤806)。如果值x_jdiff即|x_j-x_j’|＝x_jdiff大于可调的预定容许值x_jtolerance，则参数x_j与参数x_j’不匹配。因此这些数据块不匹配(步骤824)，并且读取下一个数据块(参照图8B)。当值x_jdiff等于或小于容许值x_jtolerance时(步骤812)，参数x_j与参数x_j’匹配(步骤808)，并且在步骤810中使用直接相减方法将参数y_j和y_j’进行比较。

如果值y_jdiff即|y_j-y_j’|＝y_jdiff大于可调的预定容许值y_jtolerance，则参数y_j与参数y_j’不匹配(步骤812)，因此这些数据块不匹配(步骤824)。读取下一个数据块(参照图8B)。当值y_jdiff等于或小于容许值y_jtolerance时，参数y_j与参数y_j’匹配(步骤812)，并且在步骤814中将参数θ_j和θ_j’进行比较。

如果末节角差值θ_jdiff大于可调的预定末节角容许值θ_jtolerance，则参数θ_j与参数θ_j’不匹配(步骤816)，因此数据块不匹配(步骤824)，及读取下一个数据块(见图8A和8B)。当末节角差值θ_jdiff等于或小于末节角容许值θ_jtolerance时或当差值θ_jdiff大于或等于最大允许量化末节角减去预定容许值θ_jtolerance之值时，参数θ_j与参数θ_j’匹配(步骤816)，并且在步骤818中将邻域NH_j与邻域NH_j’进行比较。下面将参照图10详细地进行描述。如果来自参考块的邻域NH_j与来自测量块的邻域NH_j’匹配(步骤820)，则数据块匹配(步骤822)。相反，如果邻域NH_j与邻域NH_j’不匹配，则数据块不匹配。比较顺序可以改变。例如，可以在比较参数x_j之前先比较参数y_j；可以在比较参数y_j之前先比较角度θ_j；等等。

图10显示步骤862、893和818的邻域匹配算法的流程图。步骤900中，将参考块中的第一邻居(今后称为参考邻居)例如N₁(图7A)与测量块中的第一邻居(今后称为测量邻居)例如N₁’(图7B)进行比较。下面将详细地描述步骤900。

如果邻居匹配(步骤902)，则在步骤904中将一个邻居计数器增量。如果计数器值等于或大于邻居匹配的预定数量(步骤906)，则邻域匹配(步骤918)。例如，在15个邻居的邻域内有7个邻居匹配即可认为邻域匹配。

如果邻居不匹配(步骤902)，或者如果邻居匹配的数量小于邻居匹配的预定数量(步骤906)，则判断用于比较中的测量邻居是否为测量块中的最后一个邻居(步骤908)。

如果测量邻居不是测量块中的最后一个测量邻居，则读取下一个测量邻居(步骤910)，并且将新的测量邻居与早已使用的参考邻居进行比较。如果测量邻居是测量块中的最后一个测量邻居，则判断参考邻居是否为参考块中的最后一个参考邻居(步骤912)。如果参考邻居不是参考块中的最后一个参考邻居，则读取下一个参考邻居和第一测量块(步骤914)，并且就它们进行比较(步骤900)。然而，如果参考邻居是参考块中的最后一个参考邻居，则这些邻域不匹配(步骤916)。

图11A详细地阐述图10中的步骤900及显示一个邻居与邻居的比较。步骤1000中将一个参考邻居的距离d_i与一个测量邻居的距离d_i’进行比较。使用直接相减来比较距离，即|d_i-d_i’|＝d_idiff。如果距离差值d_idiff满足距离容许值d_itolerance(步骤1002)，则将角度φ_i与角度φ_i’进行比较(步骤1004)。

角度比较再一次以类似于以上所述的末节角比较的方式进行。具体地，如果|φ_j-φ_j′|≤φ_jtolerance及φ_j-φ_j′≥φ_jmax-φ_jtolerance，则角度φ_i与角度φ_i’匹配(步骤1006)。

在步骤1008中将角度_i与角度_i’进行比较。类似地，如果|_j-_j′|≤_jtolerance及_j-_j′≥_jmax-_{jtolerance’}，则角度_i与角度_i’匹配(步骤1010)。如果一个邻居的所有参数例如距离d_i及角度φ_i和_j都匹配，则邻居即匹配(步骤1012)。d_itolerance的典型值是1及φ_itolerance和_itolerance的典型值是6。这些典型值是从实验中推导所得的。

如果参数例如距离d_i或角度φ_i或_i中任何一个参数不匹配，则邻居不匹配(步骤1014)。再有，可以修改比较顺序即d_i、φ_i和_i。

图11B显示步骤900中邻居比较过程的选代实施例。在此实施例中，根据距离d_i’将测量块分类。自参考距离d_i中减去测量距离d_i’而推导得差值d_idiff(步骤1050)。如果距离差值d_idiff满足预定距离容许值d_itolerance(步骤1052)，则将角度φ_i与角度φ_i’进行比较(步骤1054)。如果角度φ_i与角度φ_i’匹配(步骤1056)，则在步骤1058中将角度_i与角度_i’进行比较。如果角度_i与角度_i’匹配(步骤1060)，则邻居即匹配(步骤1062)。

如果测量距离与参考距离不匹配，则判断差值d_idiff是否小于预定容许值d_itolerance(步骤1053)。如果差值d_idiff小于预定容许值d_itolerance，则邻居不匹配，同时不比较其余测量邻居。该过程从图10中步骤912处继续下去。如果参数例如距离d_i或角度φ_i或_i中任何一个参数不匹配，则邻居不匹配(步骤1064)。

在一个实施例中，对于将多个参考指纹存于数据库中的多个用户而言，如果测量指纹模板与第一参考指纹模板不匹配，则将下一个参考指纹模板与测量指纹模板进行比较，如图12中所示。在步骤680处开始多个参考指纹模板比较。将第一参考指纹模板和测量指纹模板装载入RAM(一次一块)(步骤682)。参照图8A和8B，在步骤684中根据以上所述的模板比较算法将指纹模板进行比较。步骤686中判断指纹模板是否匹配。如果存在匹配(步骤688)，则过程在步骤696结束。如果没有匹配，则判断是否已经使用最后一个参考指纹模板(步骤690)。如果已经使用最后一个参考指纹模板，则没有匹配(步骤692)，同时过程在步骤696处结束。然而，如果尚未使用最后一个参考指纹模板(步骤690)，则将下一个参考指纹模板装载以便与测量指纹模板进行比较(步骤684)。一般而言，能够存储的参考模板的数量是受存储容量限制的。例如，在通常的智能卡中，典型的可用静态存储器为1千字节至16千字节。因此，能够存储的参考模板的数量是受存储容量限制的。

在另一个多用户系统的实施例中，以类似于上述方式的方式将测量指纹模板与所有参考模板进行比较。然而，在此实施例中，对于每个模板比较，将测量指纹模板与参考指纹模板两者中所有数据块进行比较。例如，即使当找到一对指纹模板的匹配例如多于4个数据块匹配时，也将其余的数据块组合进行比较。为每个参考指纹模板存储数据块匹配的数量。如果测量指纹模板与多于一个参考指纹模板匹配，则产生一个给出最高数据块匹配数量的参考指纹模板的用户被验证为用户。

根据本发明的算法可以在通常的智能卡上具有最小能力的微处理器例如8位微处理器内执行，因为算法中使用的每个参数都小于8位。例如，位置参数x_j和y_j中每一个被量化为4位；末节角θ_j及角度φ_i和_i中每一个被量化为6位；及距离d_i被量化为5位。此外，根据本发明的指纹模板匹配算法不涉及大量的计算过程，例如涉及浮点运算、乘法和除法。相反，根据本发明的指纹模板匹配算法只使用减法。因此本算法能够由一个具有很低速度例如在1至10兆赫之间的弱微处理器例如传统智能卡上的微处理器加以执行。

虽然已经参照具体的实施例描述了本发明，但以上描述只是本发明的例子，不应用作限制。可在不背离以下权利要求书所规定的本发明范围的情况下公开实施例特征的不同其他变化和组合。

Claims (16)

1.一种指纹验证系统，包括：

智能卡阅读器，所述智能卡阅读器包括：

指纹传感器；及

第一微处理器，所述第一微处理器通过末节提取从被所述指纹传感器读取的数据中生成具有多个测量数据块的测量模板，每一测量数据块表示指纹末节，

智能卡，所述智能卡包括：

静态存储器，所述静态存储器存储具有多个参考数据块的参考模板；

第二微处理器，所述第二微处理器执行一个匹配算法，用于判断所述测量模板是否与所述参考模板匹配；及

随机存取存储器，所述随机存取存储器RAM在执行所述匹配算法期间仅存储一个参考数据块和一个测量数据块；及

在所述智能卡与所述智能卡阅读器之间的通信通道。

2.权利要求1的系统，其中通过所述通信通道将测量数据块装载入所述智能卡的所述RAM中。

3.权利要求1的系统，其中每个所述测量数据块和每个所述参考数据块包括：

末节的一个位置；

所述末节的一个末节角；及

所述末节的邻域。

4.权利要求3的系统，其中所述位置包括：

第一座标；及

第二座标。

5.权利要求4的系统，其中将所述第一座标量化为等于或小于8位。

6.权利要求5的系统，其中将所述第二座标进行量化为等于或小于8位。

7.权利要求3的系统，其中将所述末节角进行量化。

8.权利要求7的系统，其中将所述末节角量化为等于或小于8位。

9.权利要求3的系统，其中所述邻域包括多个预定数量的邻居的位置参数。

10.权利要求9的系统，其中位置参数包括：

所述末节与邻近末节之间的距离；

在自其中提取所述末节的隆脊的切线方向的第一座标与一条在所述末节与所述邻近末节之间画出的线之间的第一角度；及

在所述第一座标与在自其中提取所述邻近末节的隆脊的切线方向的第二座标之间的第二角度。

11.权利要求9的系统，其中将所述邻居分类。

12.权利要求1的系统，其中所述第二微处理器是一个8位微处理器。

13.权利要求1的系统，其中所述第二微处理器具有大约在1兆赫与大约10兆赫之间的速度。

14.权利要求1的系统，其中所述RAM的大小大约是256千字节。

15.权利要求1的系统，其中将所述参考数据块分类。

16.权利要求1的系统，其中将所述测量数据块分类。

Images