指纹识别库分布查找以及对比(java)

本文介绍了一种基于Java的指纹识别方案,适用于多个场所的道闸系统。该方案采用分布式的匹配算法来提高大规模用户(约10万人)的指纹识别效率,确保服务器响应时间在3-8秒内。通过多线程技术和多台计算机协作实现指纹模板的快速对比。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

指纹识别库分布查找以及对比(java)

应用场景

有一个这样的场景:多家场所的道闸 需要通过刷指纹识别身份 然后通过之后道闸开门。
主要是基于服务器端控制道闸,指纹识别器是负责传输指纹模板。用户量大概10w左右。不考虑 连续性刷卡的问题。
大家应该都知道指纹识别的流程。首先注册的时候 需要在服务端保存指纹信息,用户刷指纹的时候,再丢给服务器进行做匹配算法。因为指纹识别是一种 1:1或者 1:N的匹配。如果规模达到1w的时候匹配的效率会耗时间。因为属于道闸 只能允许服务器响应的范围为3-8秒之间。所以就设想出需要分布匹配,或者计算。

开发语言

本服务器是使用 mina udp协议 进行跟道闸,以及指纹机通讯的。所以开发语言属于java.
指纹识别的sdk使用了

  1. SourceAFIS 指纹识别对比jar 参考:这里写链接内容
  2. 使用 使用谷歌hash算法识别

基于多线程计算

当收到指纹模板的时候,就从缓存里面取出所有的指纹库。然后 进行分页 每一页由一个线程进行做匹配!如果任何一个匹配成功则停止线程池计算。目前没有上代码,提供一个思路。分页 以1000位一页或者动态。线程池大小建议 根据内存CPU 进行合理利用。推荐使用 8G 内存 使用 50个线程。

基于多台计算机协作

多台计算机协作:当收到 指纹的时候。住宿机 进行分发。分发的逻辑是根据redis订阅的模式。根据不同的主机,匹配一定的数量。其实跟分页差不多。一但计算成功之后,还是通知其他电脑。

总结

分布计算可以应用到很多场景。当然 也可以使用 hadoop进行。后面有机会再介绍。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值