CN102891751B - 从指纹图像生成业务密码的方法和设备 - Google Patents

Abstract

本发明提供一种从指纹图像生成业务密码的方法，包括：从采集的指纹图像提取多个指纹特征点；根据所提取的指纹特征点计算两两特征点间的点距值；筛去相同的点距值并取余下所有点距值的并集构成点距值集合；按照预定的数学模型在点距值集合中选取多个点距值以形成数字序列；以及对所形成的数字序列进行哈希运算以获得其摘要值作为业务密码。本发明还提供一种从指纹图像生成业务密码的设备。

Description

从指纹图像生成业务密码的方法和设备

技术领域

本发明涉及安全领域，特别涉及从指纹图像生成业务密码的领域。

背景技术

现有技术中，需要用户手动输入业务密码完成认证，或者直接发送存储在本地的用户认证信息完成认证。用户手动输入密码的场景下，太多太长的密码易被遗忘，而短密码又易被破解，因此存在密码被遗忘或被破解的问题；另外，需要用户输入密码完成认证，不仅操作步骤多，影响用户体验，而且密码容易泄漏，存在安全风险。直接发送用户认证信息的场景下，虽然用户无需输入密码，提升了用户体验，但本地存储的用户认证信息存在泄漏的风险。

通过指纹扫描装置对指纹进行扫描完成认证，可取代现有的密码输入认证方法，用户无需输入密码即可完成认证，避免了密码易遗忘或被破解的问题，提高了安全性。这种方法需要在第一次记录用户的指纹(通常作为图像文件被存储和处理)并为其创建一个模板，即所谓的指纹注册。在认证时，通过指纹扫描单元扫描用户指纹生成指纹图，然后将指纹图发给认证端，认证端将该指纹图与存储的模板进行比较来确定当前指纹所有者的身份。现有技术中，指纹图与模板间的比较是相当复杂的，并要花费较长的时间，特别是在多个认证请求并发进行时，认证端需要承受较大压力。

为解决如上问题，在申请号为200910090404.3的专利“身份认证的方法和系统”中，提出了一种通过指纹生成认证信息完成身份认证的方法。由业务平台和信息安全设备采集指纹图像，将指纹各筛格内分布的特征点数目形成一个数字作为种子来生成业务密码进行身份认证。

上述申请中的方法包括：通过业务平台采集指纹图像，定位中心点并提取特征点，等分筛子为多个筛格；获取特征点在各筛格内分布的数目，按预定规则将所有数目形成一个数字，作为种子存储；当身份认证时，信息安全设备采集用户的指纹图像，按照与业务平台相同的方法得到一个数字，根据该数字和动态密码生成要素生成业务密码，发给业务平台；业务平台根据动态密码生成要素和种子生成验证码与业务密码进行比对，相同则身份认证成功，否则身份认证失败。该方案基于指纹进行身份认证，但无需进行指纹图与模板间的比对，在一定程度上减轻了业务平台的压力。

现有的指纹生成认证信息的方法存在如下缺陷：将指纹各筛格内分布的特征点数目组成一个数字，与动态密码生成要素生成业务密码，由于各筛格内分布的特征点数目构成的集合比较小，不同指纹生成相同数字的概率较高，因此没能有效利用指纹的特征信息来生成业务密码，还需要增加动态密码生成要素来保证业务密码的质量。另外，还需要业务平台对指纹图像进行处理得到数字作为生成业务密码的种子，现有的业务平台若要使用该方法还需要改造。

因此，需要至少能够克服现有技术中的上述至少一项缺陷的方法或装置。

发明内容

本发明提供了一种从指纹图像生成业务密码的方法，包括：从采集的指纹图像提取多个指纹特征点；根据所提取的指纹特征点计算两两特征点间的点距值；筛去相同的点距值并取余下所有点距值的并集构成点距值集合；按照预定的数学模型在点距值集合中选取多个点距值以形成数字序列；以及对所形成的数字序列进行哈希运算以获得其摘要值作为业务密码。

本发明还提供了一种从指纹图像生成业务密码的设备，包括：特征点提取单元，从采集的指纹图像提取多个指纹特征点；点距值确定单元，根据所提取的指纹特征点计算两两特征点间的点距值，筛去相同的点距值并取余下所有点距值的并集构成点距值集合；数字序列生成单元，按照预定的数学模型在点距值集合中选取多个点距值以形成数字序列；以及哈希运算单元，对所形成的数字序列进行哈希运算以获得其摘要值作为业务密码。

附图说明

图1是根据本发明的从指纹图像生成业务密码的方法的流程图；

图2是根据本发明的在各种失真变形情况下得到相同点距集合所需的点距值位数的图表；

图3是根据本发明的示例指纹图像以及特征点的图示；

图4是根据本发明的以任意一个特征点为原点建立坐标系的图示；

图5是根据本发明的去掉相同点距值的图示；

图6是根据本发明的从指纹图像生成业务密码的设备的方框图；

图7是根据本发明的以USB手柄电话为例的通过指纹生成注册信息以实现在业务平台注册的方法的流程图；以及

图8是以USB手柄电话为例的通过指纹完成认证的方法的流程图。

具体实施方式

下面将参照附图对本申请的具体实施方式进行描述。

图1示出了根据本申请实施方式的从指纹图像生成业务密码的方法1000。如图1所示，在步骤S101中，从采集到的指纹图像中提取多个指纹特征点。指纹特征点可例如采用本领域技术人员公知的技术提取，指纹特征点包括但不限于纹线的交点和端点。指纹图像可以例如由用户在终端设备的指纹录入装置上录入，其中终端设备包括但不限于USB手柄电话。

在步骤S102中，根据所提取的指纹特征点计算两两特征点间的点距值。在一个示例中，可以从所提取的指纹特征点中任选一个特征点作为原点建立坐标系，随后基于原点确定其他各特征点的坐标，确定各特征点的坐标后，通过公知的两点间的距离公式计算两两特征点间的直线距离(即点距值)。在一些实施方式中，可以去掉重复的点距值，以形成无重复值的点距值集合。

此外，由于按压力度的不一致或温度等原因，采集的指纹可能发生变形失真，导致各点距值发生变化，从而影响最终结果。针对该容错问题，解决方案是：进行大规模的前期测试，采集多个指纹在各种常见失真场景下的指纹样本；针对每个指纹，计算各种失真情况下的指纹样本所对应的点距值集合，并对这些特征点距集合中的对应数据进行一一比对，根据比对的结果调整计算点距值的精度，以保证同一指纹在各种场景下都能得到相同的特征点距集合。如图2所示实例中，在计算两两特征点间的点距值时，仅取所计算的点距值的前4位数字以保证同一指纹图像在任何情况下都能得到相同的点距值集合，进而通过以下的步骤生成相同的业务密码。在一些实施方式中，可以将计算出的点距值按从小到大排列，以便于在任选坐标原点后可以构成相同的点距集，继而生成相同的数字序列。

接着，在步骤S103中，按照预定数学模型选取多个点距值以形成数字序列。具体地，该步骤可例如包括：1)按预定的数学模型从点距值的集合中选取多个元素；2)若按预定的数学模型从点距值集合中选取的元素的个数大于或等于数字序列的元素个数，则从点距值集合中选取所需个数的元素形成数字序列；以及3)若按预定的数学模型从点距值集合中选取的元素的个数小于形成数字序列所需的元素个数，则从点距值集合中选取所有可选取的元素形成数字序列的一部分，随后将已选取的元素从点距值集合中去除，然后以去除元素后的集合为基础重新执行步骤1)至步骤3)。

预定的数学模型可以包括奇数模型、偶数模型和指数模型，但不限于此。

当数字模型为奇数模型时，为了形成数字序列可执行以下步骤：

1’)从点距值的集合中选取多个奇数项元素；

2’)若点距值集合中可选取的奇数项元素的个数大于或等于数字序列的元素个数，则从点距值集合中选取所需个数的奇数项元素形成数字序列；以及

3’)若可选取的奇数项元素的个数小于形成数字序列所需的元素个数，则从点距值集合中选取所有可选取的奇数项元素形成数字序列的一部分，随后将已选取的奇数项元素从点距值集合中去除，然后以去除元素后的集合为基础重新执行步骤1’)至步骤3’)。

当数字模型为偶数模型时，为了形成数字序列可执行以下步骤：

1”)从点距值的集合中选取多个偶数项元素；

2”)若点距值集合中可选取的偶数项元素的个数大于或等于数字序列的元素个数，则从点距值集合中选取所需个数的偶数项元素形成数字序列；以及

3”)若可选取的偶数项元素的个数小于形成数字序列所需的元素个数，则从点距值集合中选取所有可选取的偶数项元素形成数字序列的一部分，随后将已选取的偶数项元素从点距值集合中去除，然后以去除元素后的集合为基础重新执行步骤1”)至步骤3”)。

此外，当数字模型为指数模型时，为了形成数字序列可执行以下步骤：

1”’)从点距值的集合中选取多个指数项元素，即取第项、第项、……、第项(以下简称指数项，其中表示下取整，z为正整数)；

2”’)若点距值集合中可选取的指数项元素的个数大于或等于数字序列的元素个数，则从点距值集合中选取所需个数的指数项元素形成数字序列；以及

3”’)若可选取的指数项元素的个数小于形成数字序列所需的元素个数，则从点距值集合中选取所有可选取的指数项元素形成数字序列的一部分，随后将已选取的指数项元素从点距值集合中去除，然后以去除元素后的集合为基础重新执行步骤1”’)至步骤3”’)。

最后，在步骤S104中，对所形成的数字序列进行哈希(Hash)运算以获得其摘要值作为业务密码。哈希算法包括但不限于MD5算法。在一些实施方式中，终端设备可以将业务密码发送给业务客户端。

为了使该方法得到更好的理解，下面将以图3所示指纹图像为例对摘要值的计算方法进行详细描述。

在图3所示的指纹图像中，共采集到7个特征点N₁、N₂…N₇，且获得的特征点数目n＝7。如图4所示，以N₂为原点建立坐标系，则N₂的坐标为(0,0)，其他各点的坐标分别为N₁:(X₁,Y₁)、N₃:(X₃,Y₃)、N₄:(X₄,Y₄)、N₅:(X₅,Y₅)、N₆:(X₆,Y₆)、N₇:(X₇,Y₇)。然后通过两点间的距离公式对所有特征点计算两两特征点间的直线距离(即点距值)，从而能够得到(n-1)*n/2个点距值，分别记为d₁,d₂,d₃,...,d_(n-1)*n/2。所有点距值的并集构成点距值集合Q₁＝{D₁,D₂,...,D_N}，N为点距值集合中的元素数。

图3所示指纹图像中的7个特征点可以得到(7-1)*7/2＝21个点距值。图5用连线表示两个相同点距值，筛去相同的点距值并取余下所有点距值的并集构成点距值集合Q₁＝{D₁,D₂,...,D₁₇}。按照预定的数学模型从点距值集合中选取M(M为不大于N的正整数)个点距值形成数字序列Seq。在一个实施例中，选用简单的奇数模型来选取点距值。从点距集合Q₁中选取D_i，i＝1+2*(k-1)，k为正整数。

1)若k能取到的最大值则k＝1,2,...,M，Seq＝D₁D₃D₅...D_[1+2*(M-1)],Pass＝H_MD5(Seq)＝H_MD5(D₁D₃D₅...D_[1+2*(M-1)])。

2)若k能取到的最大值则k＝1,2,...,m1，已取到的前m1个点距值为D₁D₃D₅...D_[1+2*(m1-1)]，还需要选取(M-m1)个点距值；从Q₁中去除已取到的m1个点距值后构成新的点距集合Q₂＝{D2₁,D2₂,...,D2_N-m1}，从中选取D2_i，i＝1+2*(k₂-1)，k₂为正整数。

a)若k₂能取到的最大值则k₂＝1,2,...,(M-m1),Seq＝D₁D₃D₅...D_[1+2*(m1-1)]D2₁D2₃...D2_{[1+2*(M-m1-1)]}。

b)若k₂能取到的最大值则k₂＝1,2,...,m2，已取到的前(m1+m2)个点距值为D₁,D₃,D₅,...,D_[1+2*(m1-1)],D2₁,D2₃,...,D2_{[1+2*(m2-1)]]}，还需要选取(M-m1-m2)个点距值；从Q₂中去除已取到的m2个点距值后构成新的点距集合Q₃＝{D3₁,D3₂,...,D3_N-m1-m2}，从中选取D3_i，i＝1+2*(k₃-1)，k₃为正整数。

c)若k_j能取到的最大值 其中j为不小于3的正整数，则Seq＝D₁D₃D₅...D_[1+2*(m1-1)]D2₁D2...D2_[1+2*(m2-1)]...Dj₁Dj₃...Dj_{{1+2*[M-m1-m2-...-m(j-1)-1]}}。

d)若k_j能取到的最大值 其中j为不小于3的正整数，则k_j＝1,2,...,mj，已取到的前(m1+m2+...+mj)个点距值为D₁,D₃,D₅,...,D_[1+2*(m1-1)],D2₁,D2₃,...,D2_[1+2*(m2-1)],...,Dj₁,Dj₃,...Dj_[1+2*(mj-1)]，还需要选取(M-m1-m2-...-mj)个点距值；从Q_j中去除已取到的mj个点距值后构成新的点距集合Q_j+1＝{D(j+1)₁,D(j+1)₂,...,D(j+1)_{N-m1-m2-...-mj}}，从中选取D(j+1)_i，i＝1+2*(k_(j+1)-1)，k_j+1为正整数。j＝j+1，转至(c)。

若取M＝12，Q₁＝{D₁,D₂,...,D₁₇}通过上述奇数模型生成的数字序列为：D₁D₃D₅D₇D₉D₁₁D₁₃D₁₅D₁₇D₂D₆D₁₀。

最后，通过哈希算法(如MD5算法)计算该数字序列的摘要值Pass，即Pass＝H_MD5(Seq)＝H_MD5(D₁D₃D₅D₇D₉D₁₁D₁₃D₁₅D₁₇D₂D₆D₁₀)

本领域技术人员应理解，虽然本文只结合奇数模型进行详细描述，但其他数学算法和数学模型也可以采用，诸如指数模型、偶数模型等等。同样地，虽然文中只结合哈希算法进行详细描述，但其他计算摘要值或实现类似作用的算法也可以采用。

图6示出了从指纹图像生成业务密码的装置2000。如图所示，装置2000包括特征点提取单元201。特征点提取单元201用于从所采集的指纹图像提取指纹特征点。在一个实施例中，指纹特征点可以采用本领域技术人员公知的技术提取，指纹特征点包括但不限于纹线的交点和端点。指纹图像可以例如由用户在终端设备的指纹录入装置上录入，其中终端设备包括但不限于USB手柄电话。

装置2000还包括点距值确定单元202。点距值确定单元202用于根据所提取的指纹特征点计算两两特征点间的点距值。点距值确定单元202还可包括：从所提取的指纹特征点中任选一个特征点作为原点建立坐标系的坐标系建立单元212，基于所述原点确定其他各特征点的坐标的坐标确定单元222，以及基于所有特征点的坐标计算两两特征点间的点距值的点距值计算单元232。

此外，由于按压力度的不一致或温度等原因，采集的指纹可能发生变形失真，导致各点距值发生变化，从而影响最终结果。针对这个容错问题，解决方案是：进行大规模的前期测试，采集多个指纹在各种常见失真场景下的指纹样本；针对每个指纹，计算各种失真情况下的指纹样本所对应的点距值集合，并对这些特征点距集合中的对应数据进行一一比对，根据比对的结果调整计算点距值的精度，以保证同一指纹在各种场景下都能得到相同的特征点距集合。例如，如图2所示，在计算两两特征点间的点距值时，仅取所计算的点距值的前4位数字以保证同一指纹图像在任何情况下都能得到相同的点距值集合，进而生成相同的业务密码。在一些实施方式中，可以将计算出的点距值按从小到大排列，以便于在任选坐标原点后可以构成相同的点距值集合，继而生成相同的数字序列。

装置2000还包括数字序列生成单元203。数字序列生成单元203用于按照预定的数学模型选取多个点距值以形成数字序列。形成数字序列的具体处理和上述步骤S103相同，因此在此不再赘述。

装置2000还包括哈希运算单元204。哈希运算单元204用于对所形成的数字序列进行哈希运算以获得其摘要值作为业务密码。哈希算法包括但不限于MD5算法。在一些实施方式中，终端设备可以将业务密码发送给业务客户端。

根据上述提出的从指纹图像生成业务密码的方法和设备，通过充分利用指纹图像的特征信息来生成业务密码，可以有效降低生成重复数字序列的概率，从而达到利用指纹自身的特征信息就能保证业务密码的质量。此外，本发明采用终端设备来处理特征信息并生成业务密码，无需对现有的业务平台进行任何改造。

图7示出了以USB手柄电话为例的通过指纹生成注册信息实现在业务平台注册的方法7000，具体步骤如下：在步骤S701中，用户将USB手柄电话插入计算机；在步骤S702中，计算机弹出USB手柄电话客户端，用户点击注册按钮；在步骤S703中，客户端提示用户录入指纹；在步骤S704中，用户通过USB手柄电话按放指纹；在步骤S705中，USB手柄电话的指纹录入装置对用户的指纹信息进行处理，按照前文所述算法生成业务密码，发给计算机上的USB手柄电话客户端；在步骤S706中，计算机上的USB手柄电话客户端暂存用户的业务密码；在步骤S707中，提示用户再次录入指纹；在步骤S708中，用户通过USB手柄电话再次按放指纹；在步骤S709中，USB手柄电话的指纹录入装置按照与步骤705相同的方法对新录入的指纹信息进行处理，生成业务密码发给计算机上的USB手柄电话客户端；在步骤S710中，计算机上的USB手柄电话客户端判断两次收到的业务密码是否一致，若不一致，则返回步骤S703，提示用户重新录入指纹进行注册；若一致，则进入步骤S711，将用户名、业务密码通过安全的传输方式(如https)发送给业务平台，提出用户注册请求；在步骤S712中，业务平台录入用户的注册信息，并为用户开通VoIP业务，然后将注册结果返回给用户计算机上的USB手柄电话客户端；在步骤S713中，计算机上的USB手柄客户端提示用户注册成功，可以通过USB手柄电话使用VoIP业务。

图8示出了以USB手柄电话为例的通过指纹完成认证的方法8000，具体步骤如下：在步骤S801中，用户将USB手柄电话插入计算机；在步骤S802中，计算机弹出USB手柄电话客户端，用户点击登录按钮；在步骤S803中，客户端提示用户录入指纹；在步骤S804中，用户通过USB手柄电话按放指纹；在步骤S805中，USB手柄电话的指纹录入装置对用户的指纹信息进行处理，按照前文所述算法生成业务密码，发给计算机上的USB手柄电话客户端；在步骤S806中，计算机上的USB手柄电话客户端将用户名、业务密码通过安全的传输方式(如https)发送给业务平台；在步骤S807中，业务平台根据用户名查找本地存储的业务密码，通过与用户的USB手柄电话客户端发来的业务密码进行比对，若一致，则认证通过，进入步骤S808，业务平台将认证结果返回给用户计算机上的USB手柄电话客户端，若不一致，否则认证不通过，返回步骤S803，提示用户重新录入指纹进行登录；在步骤S809中，用户即可在USB手柄电话上输入电话号码使用VoIP业务。

本领域技术人员应理解，虽然文中只结合USB手柄电话进行了详细描述，但其他具备指纹识别和处理功能的终端设备也可以适用于本发明。

Claims (10)

1.从指纹图像生成业务密码的方法，包括：

从采集的指纹图像提取多个指纹特征点；

根据所提取的指纹特征点计算两两特征点间的点距值；

筛去相同的点距值并取余下所有点距值的并集构成点距值集合；

按照预定的数学模型在所述点距值集合中选取多个点距值以形成数字序列；以及

对所形成的数字序列进行哈希运算以获得其摘要值作为所述业务密码；

其中，所述按照预定的数学模型在所述点距值集合中选取多个点距值以形成数字序列的步骤包括：

1)按预定的数学模型从所述点距值的集合中选取多个元素；

2)若所述点距值集合中可选取的元素的个数大于或等于所述数字序列的元素个数，则从所述点距值集合中选取所需个数的元素形成所述数字序列；以及

3)若可选取的元素的个数小于形成所述数字序列所需的元素个数，则从所述点距值集合中选取所有可选取的元素形成所述数字序列的一部分，随后将已选取的元素从所述点距值集合中去除，然后以去除元素后的集合为基础重新执行步骤1)至步骤3)。

2.如权利要求1所述的方法，其中，所述从所采集的指纹图像提取多个指纹特征点的步骤还包括：

提取所述指纹图像的纹线的交点和端点中的至少之一作为指纹特征点。

3.如权利要求1所述的方法，其中，所述根据所提取的指纹特征点计算两两特征点间的点距值的步骤还包括：

从所提取的指纹特征点中任选一个特征点作为原点建立坐标系；

基于所述原点确定其他各特征点的坐标；以及

基于所有特征点的坐标计算两两特征点间的点距值。

4.如权利要求3所述的方法，其中，所述基于所有特征点的坐标计算两两特征点间的点距值的步骤还包括：

仅取所计算的点距值的前预定位的数字以保证同一指纹图像在任何情况下都能得到相同的点距值集合。

5.如权利要求4所述的方法，其中所述预定位的数字通过以下步骤确定：

采集多个指纹在多种常见失真情况下的指纹样本；

分别计算所述指纹样本的点距值集合；以及

分别对所述点距值集合中的对应点距值进行一一比对，确定使同一指纹图像在任何情况下都能得到相同的点距值集合的精确位数。

6.如权利要求1所述的方法，其中，当所述预定的数学模型是指数模型时，所述按照预定的数学模型在所述点距值集合中选取多个点距值以形成数字序列的步骤还包括：

1)从所述点距值的集合中选取多个指数项元素；

2)若所述点距值集合中可选取的指数项元素的个数大于或等于所述数字序列的元素个数，则从所述点距值集合中选取所需个数的指数项元素形成所述数字序列；以及

3)若可选取的指数项元素的个数小于形成所述数字序列所需的元素个数，则从所述点距值集合中选取所有可选取的指数项元素形成所述数字序列的一部分，随后将已选取的指数项元素从所述点距值集合中去除，然后以去除元素后的集合为基础重新执行步骤1)至步骤3)。

7.如权利要求1所述的方法，其中，当所述预定的数学模型是奇数模型时，所述按照预定的数学模型在所述点距值集合中选取多个点距值以形成数字序列的步骤还包括：

1)从所述点距值的集合中选取多个奇数项元素；

2)若所述点距值集合中可选取的奇数项元素的个数大于或等于所述数字序列的元素个数，则从所述点距值集合中选取所需个数的奇数项元素形成所述数字序列；以及

3)若可选取的奇数项元素的个数小于形成所述数字序列所需的元素个数，则从所述点距值集合中选取所有可选取的奇数项元素形成所述数字序列的一部分，随后将已选取的奇数项元素从所述点距值集合中去除，然后以去除元素后的集合为基础重新执行步骤1)至步骤3)。

8.如权利要求1所述的方法，其中，当所述预定的数学模型是偶数模型时，所述按照预定的数学模型在所述点距值集合中选取多个点距值以形成数字序列的步骤还包括：

1)从所述点距值的集合中选取多个偶数项元素；

2)若所述点距值集合中可选取的偶数项元素的个数大于或等于所述数字序列的元素个数，则从所述点距值集合中选取所需个数的偶数项元素形成所述数字序列；以及

3)若可选取的偶数项元素的个数小于形成所述数字序列所需的元素个数，则从所述点距值集合中选取所有可选取的偶数项元素形成所述数字序列的一部分，随后将已选取的偶数项元素从所述点距值集合中去除，然后以去除元素后的集合为基础重新执行步骤1)至步骤3)。

9.从指纹图像生成业务密码的设备，包括：

特征点提取单元，从采集的指纹图像提取多个指纹特征点；

点距值确定单元，根据所提取的指纹特征点计算两两特征点间的点距值，筛去相同的点距值并取余下所有点距值的并集构成点距值集合；

数字序列生成单元，按照预定的数学模型在所述点距值集合中选取多个点距值以形成数字序列；以及

哈希运算单元，对所形成的数字序列进行哈希运算以获得其摘要值作为所述业务密码；

其中，所述数字序列生成单元被配置为：

1)按预定的数学模型从所述点距值的集合中选取多个元素；

2)若所述点距值集合中可选取的元素的个数大于或等于所述数字序列的元素个数，则从所述点距值集合中选取所需个数的元素形成所述数字序列；以及

3)若可选取的元素的个数小于形成所述数字序列所需的元素个数，则从所述点距值集合中选取所有可选取的元素形成所述数字序列的一部分，随后将已选取的元素从所述点距值集合中去除，然后以去除元素后的集合为基础重新执行步骤1)至步骤3)。

10.如权利要求9所述的设备，其中，所述点距值确定单元还包括：

坐标系建立单元，从所提取的指纹特征点中任选一个特征点作为原点建立坐标系；

坐标确定单元，基于所述原点确定其他各特征点的坐标；以及

点距值计算单元，基于所有特征点的坐标计算两两特征点间的点距值。