范文一:破解指纹考勤机
破解指纹考勤机
!
以下介绍一下如果制作复制指纹,来应付考勤机,以 下制作的均为 2D 指纹,不过最近好多考勤机都不认 了
现在的打卡机原理是红色或蓝色的激光扫在手指上, 然后光被反射回去,手指纹路上凸凹不平的指纹就形 成了纹路,才能被指纹机接受。
1,必备原料,见到蜡烛,易拉罐,透明胶带,双面 胶!
知识补充:
一、指纹考勤机的原理及分析:
目前市场上销售的廉价指纹考勤机大多有着同 样的内部结构,
其核心是一个小型的激光扫描器
指纹考勤机上的激光扫描器扫描的并不是你的 手指,而是你手指和扫描窗口接触时所形成的压痕 不论考勤机采用的是蓝色激光还是红色激光,其 扫描所得的图像都是以黑白两色的格式传输到运算 电路中
所以, 想要骗过指纹考勤机,有两点最为关键:
一是要得到清晰的指纹图像 ; 二是考勤时要使图像紧 贴扫描窗口
二、破解指纹考勤机方法:
材料:宽透明胶带一卷、剪子一把、小刀一把、 HB 或 2B 铅笔一支、白色橡皮一块、白纸一张
方法:
1、先用铅笔在白纸的一小块上反复涂抹,直至 完全涂黑 ;
2、把手洗净擦干,用录过指纹的手指在纸上涂 黑处来回涂抹 10次,用嘴吹一下手指 ;
3、这步最关键!取一小块宽胶带,在涂胶面用 刚才涂黑的手指按一下(力度轻重适度,以指纹清晰 为目的) ;
4、把刚才印上指纹的胶带贴在橡皮上,不能有 气泡 ;
5、切割橡皮,以适应指纹考勤机窗口(注意保 留指纹) ;
6、拿着这块指纹橡皮去指纹考勤机上测试,如 不成功,则重复第 3步。
除此文所述方法外,还有其他破解指纹考勤机的 方法,比如做硅胶的指纹模型(在网上有销售,价格 不菲)
其宣称硅胶指模是破解指纹考勤机的唯一方法, 且误导各位网友,宣传虚假技术参数
以上方法同样适用于指纹类加密工具的破解,例如破 解指纹加密锁,破解指纹识别系统等等,但是有可能 要在上述基础上多一步操作:先骗取到目标人物的指 纹。 嘿嘿,以上方法不可用于非法用途!
范文二:正确破解指纹考勤机的方法
正确破解指纹考勤机的方法
2011年9月02日 指纹考勤机以其独特的优势逐渐占据主流市场,但由于自身的一些漏洞,掌握指纹考勤机的破解方法还是很有必要的。
一、指纹考勤机的原理及分析:
今朝市场上贩卖的指纹考勤机大多有着一样的外部布局,其焦点是一个小型的激光扫描器。
指纹考勤机上的激光扫描器扫描的其实不是你的手指,而是你手指和扫描窗口打仗时所构成的压痕。
不论考勤机采纳的是蓝色激光仍是赤色激光,其扫描所得的图象都因此黑白两色的格局传输到运算电路中。
所以,想要骗过指纹考勤机,有两点最为关头:一是要获得清楚的指纹图象;二是考勤时要使图象紧贴扫描窗口。
二、破解法子:
质料:宽通明胶带一卷、剪子一把、小刀一把、HB或2B铅笔一支、红色橡皮一块、白纸一张法子:
1、把适才印上指纹的胶带贴在橡皮上,不能有气泡;
2、切割橡皮,以顺应指纹考勤机窗口(细致保存指纹);
3、拿着这块指纹橡皮去指纹考勤机上测试,如不乐成,则反复第3步。
4、先用铅笔在白纸的一小块上反复涂抹,直至彻底涂黑;
5、把手洗净擦干,用录过指纹的手指在纸上涂黑处来回涂抹10次,用嘴吹一动手指;
6、这步最关头!取一小块宽胶带,在涂胶面用适才涂黑的手指按一下(力度轻重过度,以指纹清楚为目的);
卡联业余为你供给IC卡考勤门禁体系(黑白二色)
除此文所述法子外,另有其余破解指纹考勤机的法子,好比做硅胶的指纹模子(在网上有贩卖,代价不菲)其声称硅胶手印是破解指纹考勤机的独一法子,且误导列位网友,鼓吹子虚技能参数。
范文三:科密指纹考勤机 科密指纹考勤机A1考勤管理系统sa密码忘记怎么办
科密指考纹机勤 A1考管理系统 勤a密码忘s怎么办
s记a的密忘码怎记么办
有的户用设置A了考勤系统的管1理员sa密的码一,月后再个用使,时记不得;了 有的户用A考勤1统系管的理离员,职没有交接考系统勤,接新手的勤考不能员入进系;统有 的了做据数还原,但不记得当初备份库据时数s的密a码。 怎了么办,面是怎下清除么1考勤A系操统员作码的方密:法 、1到A1考系统勤数据库的服器所在电务脑单,击:开始运-,行入输cmmaod进入n命令窗口行 2;在命、行输令: o入ql -sEu esa 1 go pUate dysSpOr ese
tpeOPrsw =ulN gl o如图所下示
后最输e入itx退命出令行口。窗3 在运、A行考勤系1,登统录时无就需码密可进以入,进入重后修改新密即可码此(原密时为码)空 注。事项:意 、aE-示本表地认S默QLS
1
ererv安实装,例果是非默认如实要按实例实例际进行 b;、1为默认aA考勤系统1建创数的据名,如果库修过数据库改称名的,请修按后改的名称输;入c 、个这操时作清A1考勤除系所统操作有的密员码为 空
百度搜索“就爱阅读”,专业资料,生活学习,尽在就爱阅读网92to.com,您的在线图书馆
2
范文四:指纹密码
2015年数学建模与仿真课程论文
题目:找出你的指纹密码
姓名: 学院: 专业: 学号: 选课老师: 2015年月日
摘要
人的指纹各不相同,指纹可以用来确定人的身份。在众多的生物识别技术中,指纹识别是出现最早、应用最广、价格最为低廉的一种生物识别技术。目前,指纹识别相关的研究一直十分活跃,它集光学传感器技术、电子技术、数字图像处理、模式识别于一体,吸引了大量研究者的注意和参与。想要更好地利用指纹识别技术,必须在指纹的特征提取上进行优化。本文针对不同的指纹给出了普遍适用且较为精准的指纹基本特征的表示方法。在此基础上,利用不同指纹的基本特征的表示结果对不同的指纹进行对比区分,进而实现指纹的匹配。
针对问题一,我们需要对指纹的基本特征进行提取并表示。首先,我们对指纹图像利用二值化和细化处理进行了图像预处理,修复图像采集中的指纹线条信息的丢失;其次,对处理后的图像进行特征总结提取;最后,利用相邻特征点的特征向量对其进行表示。为了减少字节数,我们在图像预处理前进行了归一化和均衡化的处理,使得特征信息更为精简。事实证明,我们的表示方法能由指纹唯一确定。
针对问题二,对每一指纹进行“指纹密码”描述,只需要将问题一中的模型普遍化,推广为一般模型即可,然后通过matlab实现算法过程。比较不同指纹间的异同及相似程度即对指纹进行匹配,相似程度高的则越匹配,反之则越不匹配。对指纹进行匹配采用了特征匹配算法,抓住特征点的匹配程度衡量指纹之间的相似性。
针对问题三,首先,我们先对不同特征的指纹进行分类,主要分为五类,包括弓型、螺旋型、斗篷型、左旋、右旋。其次,通过指纹的密码表示,将具有相同特征的指纹提取出来归为一类,从而实现了对指纹的分类。
关键词:指纹 指纹密码 指纹匹配 指纹匹配 二值化 细化 特征提取
目录:
摘要 .................................................................................................................................................. 2 一、 问题的背景 ............................................................................................................................. 4 二、 问题的提出与重述 ................................................................................................................. 4 三、 基本假设 ................................................................................................................................. 5 四、 模型的主要符号变量说明 ..................................................................................................... 5 五、 问题的分析 ............................................................................................................................. 5
5.1问题一的分析 ......................................................... 5 5.2问题二的分析 ......................................................... 5 5.3问题三的分析 ......................................................... 5 六、 问题一的模型建立与求解 ..................................................................................................... 6
6.1刻画描述指纹基本特征的表示方法 ................................................................................ 6
6.1.1图像预处理阶段 .................................................................................................... 6
6.1.1.1切割 ............................................................................................................ 6 6.1.1.2均衡化处理 ................................................................................................ 7 6.1.1.3归一化处理与二值化处理 ........................................................................ 7 6.1.1.4细化并且去除毛刺处理阶段 .................................................................... 9 6.1.2 特征提取阶段 ..................................................................................................... 13 6.2进一步压缩字节数 .......................................................................................................... 14 6.3“指纹密码”的唯一性 ................................................................................................... 15 七、 问题二的模型建立与求解 ................................................................................................... 15
7.1对每一指纹的“指纹密码表示” .................................................................................. 15 7.2比较不同指纹的异同及相似程度 .................................................................................. 15
7.2.1指纹数字图像匹配过程 ...................................................................................... 15
7.2.1.1 中间点定位 ............................................................................................. 15 7.2.1.2建立特征模板 .......................................................................................... 15 7.2.1.3定义匹配点 .............................................................................................. 16 7.2.2指纹数字图像的匹配算法 .................................................................................. 16
八、 问题三的模型建立与求解 ................................................................................................... 16 参考文献.................................................................... 17 附录 ....................................................................... 18
一、 问题的背景
人的指纹各不相同,指纹可以用来确定人的身份,指纹识别技术作为最传统、最成熟的生物识别方式之一,已经在很多领域得以应用。如何对指纹的基本特征进行有效提取制约着指纹识别技术的发展。对指纹的特征进行更为完善、精准、简洁地表示是我们当前最重要的任务,只有做好这一步,才能使得指纹匹配进行的更加顺利,指纹识别技术有质的飞跃。
二、 问题的提出与重述
人的指纹各不相同,里面藏着很多秘密。指纹可以用来确定人的身份,广泛用于刑侦、加密、考勤等领域,最近还出现了用指纹进行手机解锁等应用。还有一些人声称指纹与人的健康、性格、命运等都有一定的联系。指纹传统上以图像格式存储,一般占用较多的空间,且图像里面的像素信息并不易用来进行分析或比对。为发现指纹中隐藏的秘密,我们需要有一种方法来描述指纹的内在结构、具体形态和其它特征并将其用最少的字节数来存储于计算机中。
试根据下图中的指纹例子,不借助现有的指纹相关算法及软件,来尝试进行一次“指纹密码”发现之旅。
问题1:以第一个指纹为例,给出一种用不超过200字节(下面称为“指纹密码”)来刻画描述指纹基本特征的表示方法,介绍其数学原理。你能否进一步压缩表示指纹特征的字节数?对可能性予以讨论。你给出的“指纹密码”能否由指纹唯一确定?
问题2:将你的方法编程实现,对每一幅指纹都给出其“指纹密码”的表示。基于你找到的这些指纹表示,你能否给出一种方法比较不同指纹间的异同及相似程度?
问题3:你能否对以下16个指纹进行对比和归类?请给出你对比及分类的依据和结果。
三、 基本假设
1.建模过程中不考虑指纹图像质量对各异性的影响。即假设所有的图像都是标准的图像。
四、 模型的主要符号变量说明
G(i,j)是像素点(i,j)的灰度值 M和VAR是估计的指纹平均灰度和方差
对于具有256级灰度的指纹图像,.取M0=150VAR0 = 2000 f(Pi)是原图像Pi点处的灰度值,N是领域S(Pi)内的像素个数。 g(Pi)是二值化处理后Pi点处的灰度值。
五、 问题的分析
5.1问题一的分析
问题一需要实现对指纹基本特征的提取,在此基础上,进一步简化基本特征的表示,并判断“指纹密码”表示的唯一性。首先,为了使得指纹图像更加完整,信息更加健全,我们对指纹图像进行了图像预处理,依次进行二值化处理和细化处理,得到更为完善的指纹图像;其次,通过总结指纹特征点的几何特征,提取指纹特征点的必要信息;最后,通过设计一种基于相邻特征点的特征向量达到对指纹基本特征的表示。以上过程实现了对指纹基本特征的表示。在此基础上,为了使得字节数更少,我们必须优化特征提取方案,可以在图像预处理之前进行均衡化和归一化处理,使指纹图像的特征信息更为集中从而减少了字节数。最终通过指纹进行验证“指纹密码”能否由指纹唯一确定。 5.2问题二的分析
将指纹的基本特征的表示方法用matlab实现,即将二值化,细化特征提取用编程语言进行实现。对不同指纹的异同及相似程度分析转换为指纹的匹配程度进行刻画,抓住特征点的匹配程度衡量指纹的匹配度,从而得出指纹的相似程度。 5.3问题三的分析
根据上面两问,利用上面的代码,分别两两匹配,分别匹配归类。
六、 问题一的模型建立与求解
6.1刻画描述指纹基本特征的表示方法
对指纹的基本特征进行描述采取以下算法,如图6.1所示:
6.1.1图像预处理阶段
优秀的指纹图像预处理方法能够修复图像采集中的指纹线条信息的丢失,减小指纹传感器采集高质量指纹图像的压力,同时能够为下一步的特征点提取提供一幅完整的局部指纹图像。 6.1.1.1切割
切割是指将不需要计算的空白的地方切去,可以使后面的计算点大大减少以提高处理的速度,切割的算法是分别从四边进行逐行(逐列)的扫描,遇到像素值不等于255的则退出当前方向的切割,否则将这一行切去。(详情见代码1)
处理前 处理后
6.1.1.2均衡化处理
指纹图像的灰度变换就是对指纹图像进行点运算。对于一幅输入图 像,经过点运算将产生一幅输出图像,后者的每个像素点的灰度值仅由相 应输入像素点的灰度值决定。点运算不改变图像内的空间关系。通过点运 算可以扩展图像中感兴趣部分的对比度,因而有时也称为对比度增强。 图像均衡化的目的就是增加灰度图像的对比度。[1] 并且在这里将整个图像分成了8x8的小块,分块进行处理 计算公式为:(详情见代码2)
某点处像素新值=255x小于等于该点处像素灰度值的象素数量/图像所有像素数量
处理结果:
6.1.1.3归一化处理与二值化处理 一:归一化
为了实现对不同灰度值的图像进行统一处理,需要对图像进行归一化处理。归一化处理的目的是调整指纹图像的灰度均值和方差接近期望均值M0,V0。归一化不改变脊线和谷线的清晰度,但可以减少沿着脊线和谷线方向上灰度的变化。
采用下面的方法进行归一化[2],(详情见代码3)
1N-1N-1
M(I)=2∑∑I(i,j)
Ni=0j=0
1N-1N-1
VAR(I)=∑∑(I(i,j)-M(I))2
Ni=0j=0
(公式6-1)
对以上的每一点都进行如下处理:
?0(I(i,j)-M)2
,I(i,j)>M 时?M0+
?VAR
G(i,j)=?
0(I(i,j)-M)?
M0+?VAR?
(公式6-2)
上述均衡化过程中,M0和VAR的值必须预先确定。但是从传感器差得的指纹图像因为压力或噪声的影响,图像的灰度分布可能存在很大的不同。通过实验 发现,这种自适应的均衡化对增强后的特征提耳的改善作用不是特别显著。 二:二值化
(1)二值化的定义
二值化处理即对指纹图像中像素的灰度值与阈值进行比较判断,从而把灰度值变为 0 或 255,其中0表示脊线子图,255表示背景子图,就是把灰度图像变为黑白图像的过程。 (2)阈值的计算
本题采用了局部阈值法中的分块均值法。由于指纹图像的特点是纹线和谷线交错有序地排列,纹线和谷线上的点的数量大致相当,因此,简单地求取灰度平均值即可得到分块区域的阈值。
计算公式如下:(详情见代码4)
∑f(Pi)Y=
N (公式6-3)
f(Pi)是原图像Pi点处的灰度值,N是领域S(Pi)内的像素个数。
(3)二值化的处理
二值化处理的公式:
?1,f(Pi)
g(Pi)=?
?0,f(Pi)>Y
g(Pi)是二值化处理后Pi点处的灰度值。
二值化处理前的图像 二值化处理后的图像
6.1.1.4细化并且去除毛刺处理阶段
图像细化就是将峭的宽度降为单个像素的宽度,得到峭线的骨架图像的过程。这个过程进一步减少了图像数据量,清晰化了峭线形态,为之后的特征值提取作好准备。由于我们所关心的不是峭线的粗细,而是峭线的有无。因此,在不破坏图像连通性的情况下必须去掉多余的信息。因而应先将指纹峭线的宽度采用逐渐剥离的方法,使得峭线成为只有一个象素宽的细线,这将非常有利于下一步分析。
而毛刺,带有非常短的分支而被误认为是分叉。认识到合法的和不合法的节点后,在特征提取阶段排除这些节点。指纹图像预处理的目的主要是为特征值提取的有效性、准确性作好准备。
细化处理阶段采用并行方式进行细化。如下几个过程。
具体的步骤如下:
先对图形做3x3的滤波处理、
如图 6.1 建立待测点的 14 象限模型 p 点为待检测点,又其为中心,依次列为 p1到 p14。
然后,通过与如图6.2所示的 8 个消除模板图像进行对照,如果不匹配,则保留 p 点,如果匹配,则进入下一环节。
图6.2消除模板模型
进入此环节的待测点再与图6.3中的 6 个保留模板进行对照,如果匹配,则
保留,如果不匹配,则把待测点 p点进行删除
图6.3保留模板模型
待测点p点检测完毕,进入下一p点循环。
如图6.4细化处理的流程
(详情见代码5)
最终得到细化图像如图6.5所示。
图6.5细化处理后图像相对于指纹图像的二值化来说,指纹图像的细化大大减少了指纹图像的存储空间,去除了大量的冗余信息,提高了指纹识别的效率。
6.1.2 特征提取阶段
指纹特征点在二值化和细化之后,会有着一些较为明显的拓扑性质。本阶段,通过分析指纹特征点的拓扑形状,总结出提取指纹特征点的公式。然后,通过对指纹图像细化后的脊线上的像素点计算该公式,完成指纹图像特征提取工作。
(1)端点提取
由于指纹图像已经进行了二值化和细化的处理,每一点的灰度值只能为 0 或 255,本文则以待检测点为中心,以一个像素距离的 8 个点为边界建立 8 象限模板图形。如图6.6所示,图像正中间的 A 点即为待检测点。如果待测点为端点,则其满足此 8
。
图6.5
具体的提取方法为:扫描某一待测点,如果其周围相邻的 8 个点两两灰度值之差的绝对值之和为 2*255,则此点即为端点。
(2)分叉点提取
由于指纹图像已经进行了二值化和细化的处理,每一点的灰度值只能为 0 或 255,本文则以待检测点为中心,以一个像素距离的 8 个点为边界建立 8 象限模板图形。如图6.6所示,图像正中间的黑点即为待检测点,如果待测点为分叉点,则其满足此 8 象限模板图形中相邻点像素灰度值之差的绝对值为 2*255。
图6.6
具体的提取方法为:扫描某一待测点,如果其周围相邻的 8 个点两两灰度值之差的绝对值之和为 6*255,则此点即为分叉点。
其中提取的主要算法是:
(abs(f(i-1,j+1)-f(i,j+1))+abs(f(i-1,j)-f(i-1,j+1))+abs(f(i-1,j-1)-f(i-1,j))+abs(f(i,j-1)-f(i-1,j-1))+abs(f(i+1,j-1)-f(i,j-1))+abs(f(i+1,j)-f(i+1,j-1))+abs(f(i+1,j+1)-f(i+1,j))+abs(f(i,j+1)-f(i+1,j+1))==6)&(f(i-1,j+1)+f(i,j+1)+f(i-1,j)+f(i-1,j-1)+f(i,j-1)+f(i+1,j-1)+f(i+1,j)+f(i+1,j+1)==5)
(详情见代码6)
6.2进一步压缩字节数
为了使得字节数更少,存储更加精简,我们对表示方案进行改进,在图像预处理之前对指纹图像进行归一化和均衡化处理,这样使得指纹的无用信息进一步减少,从而使得指纹的存储更加精简。
并且通过条件控制特征值提取的数量。
经过以上步骤,实现了对指纹的特征提取,经验证,表示方法小于200字节。
6.3“指纹密码”的唯一性
经过实验验证,指纹密码可由指纹唯一确定。
七、 问题二的模型建立与求解
7.1对每一指纹的“指纹密码表示”
将问题一中的对一个指纹的基本特征表示推广即得到对指纹基本特征表述的普遍方法。利用matlab软件编程实现的过程见附录。 7.2比较不同指纹的异同及相似程度
将比较不同指纹的异同及相似程度转化为指纹匹配问题。
7.2.1指纹数字图像匹配过程
在指纹数字图像匹配之前,要先提取出指纹数字图像的中间点,再建立特征模板,这些都是为指纹数字图像进行匹配做的准备工作。 7.2.1.1 中间点定位
中间点是指指纹数字图像的脊曲线曲率最大的点,在本文的匹配算法中,将中间点作为匹配参考点。这里选取的中间是指纹数字图像中间的一个小范围,先求出指纹数字图像的点方位,相邻 8 个灰度数值之和的平均数值,再求这 8 个灰度数值与平均数值之差的和,最小的所在的方位即此点所在指纹数字图像脊线的。
方位,从而得到点方位图。把点方位图分为 16×16 大小的小块,对每块计算直方图,其峰数值方位即为块方位,即每块中点的主导方位。然后在这个粗的块方位图上按照以下原则去搜索中间范围,逐行检查块方位数组。然后再根据求出各个方位的角度以及相邻 8 个灰度数值之和的平均数值,再求这 8 个灰度数值与平均数值之差的和,最小的所在的方位即此点所在指纹数字图像脊线的方位,这样就得到了点方位图。
7.2.1.2建立特征模板
如前所述,端点及交叉点是指纹细化图像的主要特征,我们可以采用这两种主要特征来构造指纹的特征向量模板。特征端点分类为 1,特征分叉点分类为 2;建立特征端点相对中间点的距离向量,和特征分叉点相对中间点的距离向量;建 立特征端点相对中间点的方位向量,和特征分叉点相对中间点的方位向量。
对于一幅彻底细化的指纹图像来说,只有三种纹线点:(1)C n(P)=1,S n(P)=1,称为端点;(2)Cn(P)=2,Sn(P)=2,3,4,称为连续点;(3)C n(P)=3,S n(P)=3,
称为叉点。设提取的特征点集用 P(P1,P2,?,Pn )表示,其中 n 为所提取的特征37点的个数,Pi=(Xi ,Yi ,Ti,Ai),Xi,Yi 表示特征点的坐标;Ti 表示特征点的类型,当特征点为端点时 Ti=1,当特征点为端点时 Ti =2;a 表示特征点的角度,端点的角度取从端点为起点的端线的角度。端线及分支的角度求法为:从特征点开始搜索连续点直到搜到另一个特征点或步长达到 7,设搜索到的最后一点为(X,Y),有: 其对应的
Ti=sqrt((X-X0)^2+(Y-Y0)^2) ai=(X-X0)/(Y-Y0) (公式7-3)
7.2.1.3定义匹配点
PointOfModel(点集合 P 中的特征点)是从输入的指纹数字图像中提取出来的,另外一个匹配点 PointOfMatch(点集合 Q 中的特征点)则是从指纹数字图像库中提取出来储存在模板库中的,将两组点集合进行比对。
7.2.2指纹数字图像的匹配算法 具体的算法步骤描述如下:
(1)分别读取两个特征点集合中的特征点;
(2)对特征点进行分类。定义取“1”时,归属特征点端点分类,取“2”时,归属特征点分叉点分类;
(3)分别计算他们相对于中间点的方位向量和距离向量; (4)定义一个误差值e1,e2
若两个特征点的距离向量之差小于“e1”且两个特征点的方位向量小于 等于e2,则认为两个特征点匹配;
如果被匹配的特征点的特征值(Ti,ai)与模板的(T,a)的误差值(e1i,e2i)小于(e1,e2),那么认为该点匹配,如果被匹配的图大部分特征点与模板匹配,则认为这两个模板是匹配的。
(5)若不满足(4)的限定条件则认为不匹配,并移除。 (详情见代码7)
八、 问题三的模型建立与求解
指纹分类是指根据指纹的全局特征将指纹分别归属到不同的类别中的过程。一般的,指纹数字图像按其基本指纹线路可分为五类,包括弓型、螺旋型、斗篷型、
左旋、右旋等等。
但是每个人的特征又都不尽相同。
经过两两匹配,发现一部分能够成功匹配,而另外一部分则差别较大,原因还是有比较多的。 主要原因:
1.模型还不够完善。
2.录取指纹的时候由于按压力度的不同,出现了很多伪特征点,或者特征点没有显现出来,缺少信息
3.指纹通过按压有些变形,且指纹方向不一,也导致结果的偏差。
参考文献
[1] Zhang D. Automated Biometrics: Technolo廖es and System[M]. USA: Kluwer AcademicPublishers,2000
[2]田捷,杨鑫.生物特征识别技术理论与应用「M].北京:电了工业出版社.2005 [3]A.K.Jain} Lin Hong Sharath Pankanti.An identity authentication system using fingerprints[J].Proceeding of the IEEE.1997,86(9):1365一1388.
[4]李海雄,刘国洁.活体指纹识别系统及其应用[J].计算技术与白动化.2003, 22(4):68-70
[5]黄裕霞.指纹图像处理中若干算法的研究[[D]. 1996
[6] Maio, D., Maltoni, D., Cappelli, R., Wayman, J.L, A. K. Jain, FVC2002: Second FingerprintVerification Competition[C]. Pattern Recognition, 2002. Proceedings. 16th InternationalConference on Volume 3, Issue,2002 Page(s): 811一814 vo1.3
[7]胡海威,公绪成,孙立民.基于二值图像的指纹特征点快速提取算法[J].广西师范大学学报2009 Vol. 27 No. 3, 162一165.
[8]丁裕锋,马利庄,聂栋栋等.Gabor滤波器在指纹图像分割中的应用[J].中国图象图形学报.2004, 9: 1037一1041
[9]公绪成,孙立民,郑植庆.改进的指纹奇异点检测算法[J].烟台大学学报(白然科学与工程版).2010, 23(02):132-137.
[10]李雄伟.指纹匹配算法研究「D].沈阳工业大学,2006
[11]吴夏平,土福明,赵景媛.基于Gabor滤波器的指纹图像增强研究[J].现代
电了技术.2008,20:145一147
附录
[m,n]=size(f); for j=n:-1:1 k=0; for i=1:m if(f(i,j)<=100) k="1;" break;="" end="" end="" if(k="">=100)>
f(:,j)=[]; else break end end
sizef=size(f);
for j=1:1:sizef(1,2) k=0; for i=1:m if(f(i,j)<=100) k="1;" break;="" end="" end="" if(k~="0)" e="">=100)>
代码1
end end
f(:,1:e)=[]; sizef=size(f);
for i=sizef(1,1):-1:1 k=0;
for j=1:sizef(1,2) if(f(i,j)<=100) k="1;" break;="" end="" end="" if(k="">=100)>
f(i,:)=[]; else break end end
sizef=size(f);
for i=1:1:sizef(1,1) k=0;
for j=1:sizef(1,2) if(f(i,j)<100) k="1;" break;="" end="" end="" if(k~="0)" e="i;">100)>
end
f(1:e,:)=[]; sizef=size(f);
modfx16=mod(sizef(1,1),32); modfy16=mod(sizef(1,2),32);
for i=modfx16:-1:1 f(i,:)=[]; end
for j=modfy16:-1:1 f(:,j)=[]; end
代码2
function y=junheng(f) sizef=size(f); ff=f(:); sizeff=size(ff); unit=sizeff(1,1); null1=ones(1,unit); for i=1:unit-1 for j=i:unit if(ff(i)<>
null1(j)=null1(j)+1; elseif(ff(i)>ff(j))
null1(i)=null1(i)+1; elseif((ff(i)==ff(j))&(ff(i)>150)) null1(j)=null1(j)+1; null1(i)=null1(i)+1; end end
end
for i=1:unit
ff(i)=255*null1(i)/unit;
end
ff(8000:8010)
y=reshape(ff,sizef(1),sizef(2));
end
代码3
function y=guiyi(x,m)
sizef=size(x);
a=sizef(1,1);
b=sizef(1,2);
x1=double(x);
a1=a/m;
b1=b/m;
M0=mean2(x1);
V=std2(x1);
V0=V*V;
M1=M0*0,6;
V1=V0-2;
T=50;
a3=1;
b3=1;
for i=1:a
for j=1:b
if x1(i,j)>M0
result(i,j)=M1+sqrt(V1*((x1(i,j)-M0)*(x1(i,j)-M0))/V0); else
result(i,j)=M1-sqrt(V1*((x1(i,j)-M0)*(x1(i,j)-M0))/V0); end
end
end
for k=1:a1
for l=1:b1
M2=mean2(result(a3:(a3+m-1),b3:(b3+m-1)));
V2=std2(result(a3:(a3+m-1),b3:(b3+m-1)));
V3=V2*V2;
if V3<>
for i1=a3:a3+m-1
for j1=b3:b3+m-1
result(i1,j1)=255;
end
end
end
if V2==0
for i1=a3:a3+m-1
for j1=b3:b3+m-1
result(i1,j1)=255;
end
end
else
Th=M2/V2;
if Th>T
for i1=a3:a3+m-1
for j1=b3:b3+m-1
result(i1,j1)=255;
end
end
end
end
b3=b3+m;
end
b3=1;
a3=a3+m;
end
代码4
function f= erzhi(f )
sizef=size(f);
cell1=sizef(1,1)/8;
cell2=sizef(1,2)/8;
f=double(f);
cell16=mat2cell(f,ones(sizef(1,1)/cell1,1)*cell1,ones(sizef(1,2)/cell2,1)*cell2);%8x8
fff=cell16;
for i=1:8
for j=1:8
fff{i,j}=fff{i,j}(:);
end
end
sum=zeros(8,8);
for i=1:8
for j=1:8
for m=1:cell1*cell2
sum(i,j)=sum(i,j)+fff{i,j}(m);
end
end
end
ave=sum/(cell1*cell2);
for i=1:8
for j=1:8
for m=1:cell1*cell2
if(fff{i,j}(m)
fff{i,j}(m)=0;
else
fff{i,j}(m)=1;
end
end
end
end
for i=1:8
for j=1:8
fff{i,j}=reshape(fff{i,j},cell1,cell2);
end
end
f=cell2mat(fff);
end
代码5
function f = xihua(f)
x=f;
I=ordfilt2(x,5,ones(3,3));
t=graythresh(I);
u=im2bw(I,t);
[m,n]=size(u);
for i=1:m
u(i,1)=1;
u(i,n)=1;
end
for j=1:n
u(1,j)=1;
u(m,j)=1;
end
for x=2:m-1
for y=2:n-1
if u(x,y)==0
if u(x,y-1)+u(x,y+1)+u(x+1,y)+u(x-1,y)>=3
u(x,y)=1;
else u(x,y)=u(x,y);
end
end
end
end
for a=2:m-1
for b=2:n-1
if u(a,b)==1
if
abs(u(a,b+1)-u(a-1,b+1))+abs(u(a-1,b+1)-u(a-1,b))+abs(u(a-1,b)-u(a-1,b-1))+abs(u(a-1,b-1)-u(a,b-1))+abs(u(a,b-1)-u(a+1,b-1))+abs(u(a+1,b-1)-u(a+1,b))+abs(u(a+1,b)-u(a+1,b+1))+abs(u(a+1,b+1)-u(a,b+1))==1; if
(u(a,b+1)+u(a-1,b+1)+u(a-1,b))*(u(a,b-1)+u(a+1,b-1)+u(a+1,b))+(u(a-1,b)+u(a-1,b-1)+u(a,b-1))*(u(a+1,b)+u(a+1,b+1)+u(a,b+1))==0;
u(a,b)=0;
end
end
end
end
end
v=~u;
v=bwmorph(v,'hbreak',Inf);
w=bwmorph(v,'thin',Inf);
for x=2:m-1
for y=2:n-1
if w(x,y)==1
if(w(x-1,y)==1&w(x,y-1)==1)|(w(x-1,y)==1&w(x,y+1)==1)|(w(x,y-1)==1&w(x+1,y)==1)|(w(x+1,y)==1&w(x,y+1)==1);
w(x,y)=0;
end
end
end
f=~w;
[sizef1,sizef2]=size(f);
for i=2:1:sizef1-1
for j=2:1:sizef2-1
if (f(i,j)==0)
if(f(i-1,j)==0&f(i,j+1)==0)|(f(i-1,j)==0&f(i,j-1)==0)|(f(i+1,j)==0&f(i,j-1)==0)|(f(i,j+1)==0&f(i+1,j)==0)
f(i,j)=1;
else
f(i,j)=0;
end
end
end
end
end
代码6
function [x,y]= tezhengdian( f,h,l )
t=1;
h,l
for i=(h-55):(h+60)
for j=(l-80):(l+60)
if
(abs(f(i-1,j+1)-f(i,j+1))+abs(f(i-1,j)-f(i-1,j+1))+abs(f(i-1,j-1)-f(i-1,j))+abs(f(i,j-1)-f(i-1,j-1))+abs(f(i+1,j-1)-f(i,j-1))+abs(f(i+1,j)-f(i+1,j-1))+abs(f(i+1,j+1)-f(i+1,j))+abs(f(i,j+1)-f(i+1,j+1))==6)&(f(i-1,j+1)+f(i,j+1)+f(i-1,j)+f(i-1,j-1)+f(i,j-1)+f(i+1,j-1)+f(i+1,j)+f(i+1,j+1)==5)
m(t)=i;
n(t)=j;
t=t+1;
end
end
t=t-1;
if t>115
for i=t-2:-1:2
for j=i-1:-1:1
d=sqrt((m(i)-m(j))^2+(n(i)-n(j))^2);
if d<>
m(i)=[];
n(i)=[];
end
end
end
x=m;
y=n;
end
end
代码7
function k=pipei( )
[r1,tan1]=jisuan(imread('D:\MATLAB2013a\bin\DB1_B\110_4.tif'));
[r2,tan2]=jisuan(imread('D:\MATLAB2013a\bin\DB1_B\110_4.tif')); sizer1=size(r1);
sizer2=size(r2);
size1=sizer1(1,2);
sizemin=sizer2(1,2);
if(size1<>
sizemin=size1;
end
k=0;
m=2;
n=0.3;
for i=1:sizemin
for j=1:sizemin
if abs((r1(i)-r2(j)))
end
end
end
end
范文五:指纹考勤
指纹机产品介绍
按键作用
ESC 取消键:取消您当前操作;
OK 确认键:确认你的当前操作;
menu 菜单键:在初始状态下长按该键可以进入管理界面;
▲ 向上键:往上翻动菜单项;
▼ 向下键:往下翻动菜单项;
◎ 电源键:当长按此键控制设备的开关机;
数 字:输入数字 0---9;
指纹机快速操作步骤
第一步 :分配考勤号码
按照部门,首先给员工分配好号码考 勤号码必须唯一
例如 :
第 1种 :销售部 001-030号财务部 031-060号
第 2种 :销售部 101-130号财务部 201-230号
可预留本部门需增加人员的号码这样有利于员工号 码的规范化管理
(注 :新机刚使用时 , 考勤号码显示全部为 0, 需用户按意愿手动输入第一个分配号码 , 完成后考 勤号码自动向后跳动 )
第二步 :登记指纹
插上并开启指纹机电源,进入“ MENU/菜单——用户管理——用户登记——指纹登记— —新登记——按分配录入考勤号码——放手指登记成功指纹 (同一手指按三次 ) —— 保存 ——在“是否断续”中按“否”备份当前员工的指纹 1枚 (当登记的指纹磨损或受伤,用备
份的指纹进行考勤 ) ,备份后再按“取消键”,即登记下一位员工指纹。
(注 :在登记指纹的时候要把手指平按在指纹采集器的表面上,手指表面和采集器表面完全接 触 )
第三步 :安装软件 , 和考勤机
1、将“指纹机光盘”放入“电脑主机的光驱中,按照提示安装成功“考勤管理程序”
2、用“ RS232数据线”连接“指纹机与电脑主机 (连接时需关闭指纹机电源,否则会烧毁 指纹机芯片或电脑芯片 ) ,进入考勤管理程序中的“设备管理——连接设备”,
3、进入考勤系统“设备管理——下载员工及指纹”,将机器中的信息下载到电脑中。 (注 :这里用 Windows2000 系统为例 )
第四步 运行考勤软件维护设置菜单中员工维护,输入员工姓名,设置部门。
员工维护
1、员工的各项信息中,‘姓名’、‘考勤号码’为必填项,其他各项根据需要填写。 新增员工:选取员工所在的部门,按按钮后,将新增一个员工,再输入员工的姓名、考勤号 码,然后选取对勾保存即可。
2、批量增加员工:当某一部门录用一批员工时,可以通过该功能增加员工,减轻操作员的 工作量。
3、修改员工:员工的考勤号码,或者姓名可以被修改。按按钮,在相应的输入框内输入新 的数据然后保存即可。
在部门管理里中设置好部门 1 部门管理。建立你所在单位的下属部门 2 新增部门,首先 单击左键选中新增部门的上级部门, 然后单击 “新增部门”, 在出现的对话框输入新部门的 名称,单击“确定”保存 。 3 要撤销部门,只需在所要撤销的部门上单击左键选中,然 后点击“撤销部门”,在出现的警告提示框中选择“确定”。 4 要修改部门的隶属关系时,
将要修改的部门选中,按住鼠标左键,拖动到新的上级部门名称上,然后按提示操作 员工录用
员工框内的员工是无部门员工, 即离岗后的员工。 离岗就是该员工暂时下岗, 但还是公司的 员工。 在员工框内选择本部门所要录用的员工后,单击加入按钮,所选择的员工加入到本 部门, 这里所录用的员工, 都是离岗的员工。 在本部门员工框内选择所要离开本部门的员工 后,单击移去按钮,所选择的员工离开本部门(离岗)。
操作完成后,单击关闭按钮或 返回部门管理界面
第五步 :员工排班
1、时间段:
在对员工排班之前,必须将所有可能用到的时间段设置完毕,选择维护 /设置菜单,单击时 间段维护选项, 可以对员工排班使用到的时间段进行设置。单击按钮, 添加一个新时段,输 入时间段名称、上下班时间、签到时间范围、签退时间范围、记迟到时间、记早退时间以及 记为 1个工作日,只有在签到和签退时间范围内的考勤记录,才是有效记录,也就是统计 时以这些记录为准。同时选择这个时间段是否要求必须签到和签退。
2、班次管理:
利用班次管理工具条,增加、删除、修改班次。在班次表编辑状态(√ 按钮可用时)下, 可以增加、修改、删除班次时间段。班次名称不能重复,表格中的所有字段不能为空。在下 拉菜单中选择设置好的班次时间段, 直接加入班次时间段, 然后选择使用该时段的日期, 同 时可以选择该时段是否记为加班
3、员工排班:
在此窗口下可以对员工的班次信息进行维护:选择部门以及所要排班的员工 , 当只选择一个 员工时,在员工应上班的时间段中显示排班时间范围内的该员工应上班时间段。
4部门排班:
1) 、 默认班次:从下拉菜单中可以选择一个班次作为该部门新录入员工时默认使用的班次, 就是登记完新员工后自动赋给新员工这个班次。
2)、可排班班次:可排班班次列表框中显示了目前所有设置好的班次名称,对该部门员工 排班时,只有选择了的班次才会出现在班次列表中
倒班排班的设置 :
例如 :A,B,C三人在同一家公司上班 ,
A 第一天上早班 , 第二天上中班 , 第三天上晚班 ;
B 第一天上中班 , 第二天上晚班 , 第三天上早班 ;
C 第一天上晚班 , 第二天上早班 , 第三天上中班 .
注 :早班 7:30— 11:30
中班 11:30-15:30
晚班 15:30-19:30
时间段:
按早 , 中 , 晚设置三个时间段 , 分别命名
班次管理:
结合三个时间段 , 先后设置三个班次
(注 :因为是 3天一个倒班 , 所以在班次设置时注意周期数应为 3, 周期单位应为天 )
第六步 :将系统中设置好的信息上传至指纹机中
进入考勤管理系统中的“设备管理——连接设备”,使指纹机与电脑通讯“连接成功”后, 进入“设备管理——上传人员信息到设备”,全选“总公司”的“所有用户”信息,点击 上传,即可
第七步 :员工公出 /请假设置,报表统计
1、公出 /请假设置:进入“考勤处理——员工公出 /请假”,选择设置的时间段,点击“新 增”按钮,设置好即可。
2、报表统计:“统计报表”的“日期”必须大于或等于“班次管理”中“起用日期”。 第八步
下载考勤数据:
到了月底需要统计考勤数据,先把指纹机和电脑连接,点击“从设备下载记录数据” 在操作系统里点击“统计报表” 选好时间和员工。点击“查询计算”,就可以直接看出员 工考勤情况。