В наше время распознавание отпечатков пальцев является активным. Если вы хотите сравнить 2 отпечатка и проверить их совпадение. Рефлекция загружает динамически, во время выполнения программы. Biofinger. Прямо сейчас Вы можете бесплатно пройти тест на совместимость и определение типологии характера по отпечаткам пальцев онлайн тестирование по отпечаткам пальцев. Для того чтобы узнать на сколько Вы совместимы с партнером Вам надо просто указать тип рисунка отпечатка на всех пальцах и Вы мгновенно получите результат. Это самый простой и доступный пример работы программы Biofinger. Хотя, если Вы хотите более точно определить совместимость с партнером или узнать свой характер и в какой профессии Вы можете добиться успеха, то Вам следует воспользоваться программой Биофингер, так как она при анализе учитывает мельчайшие особенности Ваших отпечатков пальцев, а не только тип рисунка. Biofinger  программа для индивидуального определения типологии характера и способностей человека по отпечаткам его пальцев. Дактилоскопическая информация считывается при помощи сканера отпечатков пальцев, без использования бумаги, черной краски и лишней аппаратуры. Программа позволяет снимать и хранить в базе данных отпечатки со всех 1. На основе проведенного анализа Finger. Card определяет психофизиологические параметры человека, особенности его характера, а так же природные способности. Полное описание работы программы Биофингер можно скачать на ссылке. Вы так же можете пройти бесплатное тестирование Ваших способностей с помощью технологии виброизображения и сравнить результаты наследственных способностей полученные по отпечаткам пальцев и текущих способностей. Пройти бесплатное тестирование множественного интелекта и профориентации можно в режиме ДЕМО программы Вибра. МИBiofinger дает возможность пройти популярный психологический тест Айзенка и сравнить его результаты с результатами биометрического тестирования по отпечаткам пальцев. Время, которое потребуется Вам для биометрического анализа  около одной минуты. D1%81%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B5-%D0%BE%D1%82%D0%BF%D0%B5%D1%87%D0%B0%D1%82%D0%BE%D0%BA.jpg?ver=6' alt='Программа Сравнение Отпечатков Пальцев' title='Программа Сравнение Отпечатков Пальцев' />Matlab исходный код для распознавания отпечатков пальцев. Filterbank основе Matching отпечатков пальцев. Индекс условий Распознавание отпечатков пальцев, отпечатки пальцев. Связанные программы. Программа Сравнение Отпечатков Пальцев' title='Программа Сравнение Отпечатков Пальцев' />По проведении его Вы сможете узнать, к какому типу темперамента относитесьХолерик, Сангвиник, Флегматик или Меланхолик, какие способности в Вас заложены от природы, какое полушарие у Вас активнее используется. Итоги результатов представляются в виде дактилоскопического портрета. Цвет дактилоскопического портрета зависит от основного интеллекта человека, соотношение краснойсиней челки определяется по соотношению эмоциональностилогики, а величина улыбки характеризует открытость или экстравертность человека. Основной тип интеллекта определяется в соответствии с теорией Множественного Интеллекта Говарда Гарднера утверждающей, что каждый человек талантлив в определенной области. По Гарднеру существует 9 типов интеллекта  межличностный, моторно двигательный, вербально лингвистический, логико математический, природный, музыкальный, визуально пространственный, философский и внутриличностный. Естественно, что каждому типу интеллекта соответствует оптимальный выбор профессии. Программа Биофингер показывает выбор какой профессии является оптимальным для каждого человека. Так же программа показывает возможность потенциального развития для каждого типа интеллекта. Эмулятор Смарт Карт Java тут. Методы распознавания отпечатков пальцев и реализация средствами Python Хабрахабр. В текущем семестре появился в расписании предмет Методы и средства защиты компьютерной информации, частью которого являются лабораторная работа по биометрии, а точнее по распознаванию отпечатка пальца. Так же, недавно, на Хабре была статья про устройства предназначенные для сканирования. Решил написать здесь про алгоритмы распознавания. Передо мной, как перед студентом, стоит довольно стандартная задача верификация отпечатка пальцасравнение с эталоном. Так как лабораторная эта, появилась только в этом году, то методического пособия по ней еще нет. Но в виду интересности задачи, я отправился к Гуглу. Как ни странно, наиболее содержательной оказалась вторая часть статьи, указанной в топике про сканеры. В ней описано, довольно понятно, несколько алгоритмов 1. Корреляционное сравнение. Данный подход заключается в попиксельном сравнении двух изображений, для различных сдвигов и углов поворота, на основе получившихся результатов выносят решения о совпадении. Сравнения по узору. В зависимости от требуемой точности, изображение отпечатка разбивается на области. Далее узор в каждой из областей описывается синусоидальной волной, с параметрами начальный сдвиг фазыдлина волнынаправление распространения. Данный класс алгоритмов, не требует высокого разрешения при сканировании. Сравнение по особы точкам. Особые точки это конечные точки и точки ветвления. Эти точки выделяются на обоих изображения, а далее методом их корреляционного сравнения, выносится вердикт о соответствии отпечатков. В виду своей относительно простой реализации и скорости работы, данные алгоритмы более распространены. Данный тип алгоритма я выбрал для реализации в лабораторной работе. Поэтому остановимся на нем подробнее. Так как статья дала только общее представление, я продолжил гуглить. Третьей строкой выдачи стала эта презентация. В ней довольно подробно рассказаны шаги реализации выбранного подхода. Итак, план действий бинаризация полученного изображенияскелетизация изображениявыделение точексравнение точек. Реализацию решено было сделать на Python. Соответственно, помимо самого Pythonу меня версии 2. PILPython Imaging Library, для разбора картинки на пиксели. Шаг 1. Бинаризация. Тут я не стал изобретать, и сделал все довольно просто, в лоб. Img. Скелетизация. Этот шаг вызвал самое большое затруднение, так как алгоритмы гуглились сложнее всего. В итоге найдено 4 алгоритма. Выбран был шаблонный метод, и первый набор, так как в отличии от второго набора шаблонов, он требует всего один обход изображения. Правда для снижения уровня неточностей используется часть шаблонов из второго набора. Шаблоны соответствуют матрице 33, где центральный элемент является текущим пикселем в обходе изображения. Восемь первых шаблонов, являются основной частью. Четыре снизу для устранения шума, при чем эти четыре так же могут быть повернуты на 9. Если мы натыкаемся на шаблон, то центральный пиксель окрашивается в белый цветне принадлежит скелету. Обход продолжается, пока остаются возможности удаления. Код этого действа разбит на несколько функций def tmp. Deleteimg  вызов процедуры скелетизации, на входе список списковпосле бинаризацииwlenimghlenimg. Выделение особых точек. Тут все тривиально. Если в окрестности из 8 точек, есть только одна черная, то это конечная точка. Если же их 2 то это просто точка линии. Три точка ветвления. This. Pointimg, x, y подсчет количества черных в окрестностиc0for i in rangex 1,x2 for j in rangey 1,y2 if img. Для того, чтобы их не учитывать, делалась удаление близко стоящих 1. Сравнение точек. Простой поиск точки которая попадает в окрестность 3. Pointr, v вход кортеж точек эталона и кортеж проверяемого выход совпало, всегоall0match0for i in v. Данная реализация проста и топорна. Возможно, дополнить ее несколькими проверками, например, смотреть углы вхождения линий в особые точки. При проверке откидывать пары уже найденных, для тех случаев, когда в окрестность попадает много точек одного типа. Реализация на Python довольно медленна скорость выполнения на моей машине совершенно не пригодна для пунктов с большим человеческим трафиком. Возможно, что использование Num. Py повысило бы производительность, да и я не лучший реализатор. Полностью код брать тут. Тестировалось на этом наборе. PS Хотелось бы замечаний по коду, так как в питоне ориентируюсь слабовато. Ну и мнения тех, кто серьезно занимается дактилоскопией.