logo
products

GROW R304A DC4.2-6V 208*288 پیکسل ماژول اثر انگشت اسکنر خوان رایگان SDK با 1500 ظرفیت برای Arduino ویندوز اندروید

اطلاعات تکمیلی
Model NO.: R304A Screen: as Picture
Communication Interface: RS232, USB Fingerprint Capacity: 1500
Voltage: DC 4.2-6.0V Effective Collection Area: 12 * 17.5 (mm)
Fingerprint Module Size: 20.4 * 33.4 (mm) Sensing Array: 208*288 Pixel
Template Size: 512 Bytes Resolution: 508 DPI
Work Current: <55mA Security Level: 1-5, Default is 3
Transport Package: Standard Export Carton Package Specification: Fingerprint module size: 20.4 * 33.4 (mm)
Trademark: GROW Origin: China
HS Code: 8471609000 Supply Ability: 5000
Voice Service: Without Voice Service Clock: Without Clock
Color: as Picture Samples: US$ 22.5/Piece|1 Piece(Min.Order)
Customization: Available | Customized Request Shipping Cost: Contact the supplier about freight and estimated delivery time.
Payment Method: Initial Payment,Full Payment Currency: US$
Return&refunds: Claim a refund if your order doesn't ship, is missing, or arrives with product issues.
برجسته کردن:

ماژول حسگر بیومتریک با دقت بالا,ماژول شناسایی اثر انگشت با دقت بالا,ماژول حسگر بیومتریک با ادغام آسان

,

High Accuracy fingerprint identification module

,

Easy Integration Biometric Sensor Module


توضیحات محصول


GROW R304A DC4.2-6V 208*288 پیکسل ماژول اثر انگشت اسکنر خوان رایگان SDK با 1500 ظرفیت برای Arduino ویندوز اندروید 0

توضیحات

· رابط ارتباطی: USB و UART
·1:N شناسایی (یک به بسیاری)
· 1: 1 تأیید (یک به یک)
·انجن الگوریتم شناسایی اثر انگشت با سرعت بالا
·وظیفه مطالعه شخصی
·وظیفه های خواندن / نوشتن اطلاعات اثر انگشت
·داده های ویژگی از اثر انگشت گرفته شده را دریافت کنید و ویژگی های دانلود شده را با اثر انگشت گرفته شده تأیید/ شناسایی کنید
· اثر انگشت شناسایی ویژگی های دانلود شده با اثر انگشت ضبط شده
·تنظیم سطح امنیت
· امکان تنظیم BaudRate / ID دستگاه / رمز عبور دستگاه
·سیستم عامل: ویندوز 98، ME، NT4.0، 2000، XP،WIN 7 یا اندروید


مشخصات

· رابط:USB 2.0 و UART ((3.3V-TTL منطق)
·قرارداد:508 دی پی آی
·جریان کاری: <55mA
· ولتاژ: DC 4.2-6.0V
·قدرت اثر انگشت:1500
·سطح امنيت: 1-5، پيش فرض 3
·مجموعه حسگر: 208*288 پیکسل
· اندازه قالب: 512 بایت
· اندازه ماژول خوان اثر انگشت: 20.4 * 33.4 (ملی متر)
·مساحت واقعی جمع آوری: 12*17.5 (ملی متر)
·سرعت اسکن: < 0.2 ثانیه
·سرعت تأیید: < 0.3 ثانیه
روش تطبیق: 1:1" 1:N
·FRR (نسبت رد نادرست): ≤0.01٪
·FAR (نسبت پذیرفتن نادرست): ≤0.00001%
· محیط کار: -20°C --55°C
·رطوبت کاری: 20-80٪
·سرعت باد ارتباطات (UART): (9600 × N) bps که در آن N = 1 ~ 12 ((پیش فرض N = 6، یعنی 57600bps)


پرونده ها

·تمام ماژول های اثر انگشت را با Arduino، Android، Windows، Linux پشتیبانی می کنند. شبکه و غیره.
· ارائه فایل های رایگان SDK
·تولید کتابچه راهنمای کاربر



 



 
اصول و پیاده سازی تشخیص اثر انگشت موبایل
 
پیش فرض تشخیص اثر انگشت جمع آوری اثر انگشت است. در حال حاضر، عمدتا دو نوع روش جمع آوری وجود دارد: حرکت و فشار.

مرحله ۱: جمع آوری اثر انگشت
 
جمع آوری لغزنده، فرآیند جابجایی انگشت بر روی یک سنسور است که به تلفن اجازه می دهد تا تصویر اثر انگشت انگشت را ضبط کند.گرفتن اسلایدی دارای مزیت هزینه نسبتا کم و توانایی گرفتن تصاویر منطقه بزرگ استبا این حال، این روش جمع آوری مشکل تجربه ضعیف کاربر را دارد، زیرا کاربران برای دستیابی به جمع آوری موفقیت آمیز به یک حرکت حرکت مداوم و استاندارد نیاز دارند.به شدت احتمال شکست جمع آوری را افزایش می دهدیک برند خاص تلفن همراه زمانی از این روش جمع آوری استفاده می کرد که به دلیل کمبودهای جمع آوری کششی مورد انتقاد قرار گرفت.

همان طور که از نامش معلوم است، جمع آوری مبتنی بر مطبوعات فرآیند جمع آوری داده های اثر انگشت با فشار دادن بر روی یک سنسور است. در حالی که این روش تجربه کاربر بهتری را فراهم می کند،این گران تر و از لحاظ فنی چالش برانگیز تر از جمع آوری مبتنی بر اسلایدی استعلاوه بر این، با توجه به منطقه کوچکتر اثر انگشت جمع آوری شده در یک بار در مقایسه با جمع آوری لغزنده، مجموعه های متعدد برای ترکیب تصاویر اثر انگشت بزرگتر مورد نیاز است.اين بايد به الگوریتم هاي پيشرفته تکیه کنه، با استفاده از الگوریتم های نرم افزاری برای جبران ناحیه نسبتا کوچک اثر انگشت حاصل از جمع آوری کششی و فشار، به منظور اطمینان از دقت تشخیص.

مرحله ۲: ارزیابی اثر انگشت
 
بعد از جمع آوری اثر انگشت، کیفیت اثر انگشت جمع آوری شده ارزیابی می شود. اگر آنها واجد شرایط نباشند، باید دوباره جمع آوری شوند. اگر واجد شرایط باشند،تصویر بهبود یافته و تصفیه خواهد شد.

مرحله سوم: "خصوصیات" را استخراج کنید
 
پس از پردازش، تصویر باینری، تصویر تصفیه شده و تصویر استخراج ویژگی به ترتیب به دست می آید. پس از به دست آوردن یک تصویر نسبتا واضح، استخراج ویژگی شروع می شود.پس از استخراج ویژگی و ذخیره سازی داده، مرحله بعدی کار تطابق را انجام می دهد.

مرحله 4: تطابق اثر انگشت
 
نکته ای که باید در تطبیق توجه داشته باشید این است که دو تصویر نمونه از همان انگشت ممکن است به دلیل تفاوت در جابجایی انگشت، انحراف و فشار متفاوت باشد. این امر نیاز به کالیبراسیون در طول تطبیق دارد،مانند کالیبراسیون مجموعه نقاط ویژگیبرای اطمینان از دقت تشخیص اثر انگشت

اطلاعات تماس