最后，算法統(tǒng)計(jì)所有相匹配的特征點(diǎn)數(shù)目，通過(guò)式(1)轉(zhuǎn)換成匹配分?jǐn)?shù)，其中，maxscore是通過(guò)疊加匹配的細(xì)節(jié)點(diǎn)個(gè)數(shù)得到的最大匹配得分，Temp—Num和Input—Num分別是模板和輸入指紋的細(xì)節(jié)點(diǎn)數(shù)目
本文所使用的算法是一種典型的基于特征點(diǎn)坐標(biāo)模型的點(diǎn)模式匹配算法。它對(duì)匹配過(guò)程中最難的一步一基準(zhǔn)點(diǎn)的確定和變換參數(shù)的求取作了較深入的研究，根據(jù)3個(gè)近鄰的特征點(diǎn)之間的相互關(guān)系來(lái)確定基準(zhǔn)點(diǎn)、求取變換參數(shù)。該算法在一定程度上能夠加快基準(zhǔn)點(diǎn)的求取，從而提高整個(gè)匹配算法的速度。同時(shí)，該算法是根據(jù)多點(diǎn)來(lái)確定變換參數(shù)，而不是通常意義上的一點(diǎn)，在一定程度上可以消除在特征提取過(guò)程中所引入的位置、角度的偏差，得到更為準(zhǔn)確的變換參數(shù)。
1．3 光學(xué)和電容傳感器的融合
So, Sc是分別由光學(xué)傳感器和電容傳感器采集的圖像運(yùn)用匹配算法所獲得的匹配分?jǐn)?shù)，s融合后的分?jǐn)?shù)和S。So, Sc之間有如下關(guān)系
將S和設(shè)定的閾值相比較：if：S ＞ threshold系統(tǒng)允許進(jìn)入，為真；否則，系統(tǒng)拒絕該用戶(hù)，當(dāng)然，上述方法也可用于2只以上的,。
根據(jù)方程(2)研究了兩種類(lèi)型的匹配分?jǐn)?shù)轉(zhuǎn)換執(zhí)行融合規(guī)則，第一種類(lèi)型融合規(guī)則屬于所謂的固定融合規(guī)則，因?yàn)樗鼈儾恍枰獏?shù)估計(jì)，尤其研究了兩類(lèi)傳感器的匹配分?jǐn)?shù)中值
第二種融合是所謂的訓(xùn)練樣本規(guī)則，因?yàn)樗鼈冃枰獮榱双@得理想的閾值分?jǐn)?shù)而讓樣本經(jīng)過(guò)多次訓(xùn)練，采用公式(4)訓(xùn)練樣本
