最后，算法統(tǒng)計所有相匹配的特征點數(shù)目，通過式(1)轉(zhuǎn)換成匹配分數(shù)，其中，maxscore是通過疊加匹配的細節(jié)點個數(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節(jié)點數(shù)目
本文所使用的算法是一種典型的基于特征點坐標模型的點模式匹配算法。它對匹配過程中最難的一步一基準點的確定和變換參數(shù)的求取作了較深入的研究，根據(jù)3個近鄰的特征點之間的相互關(guān)系來確定基準點、求取變換參數(shù)。該算法在一定程度上能夠加快基準點的求取，從而提高整個匹配算法的速度。同時，該算法是根據(jù)多點來確定變換參數(shù)，而不是通常意義上的一點，在一定程度上可以消除在特征提取過程中所引入的位置、角度的偏差，得到更為準確的變換參數(shù)。
1．3 光學和電容傳感器的融合
So, Sc是分別由光學傳感器和電容傳感器采集的圖像運用匹配算法所獲得的匹配分數(shù)，s融合后的分數(shù)和S。So, Sc之間有如下關(guān)系
將S和設定的閾值相比較：if：S ＞ threshold系統(tǒng)允許進入，為真；否則，系統(tǒng)拒絕該用戶，當然，上述方法也可用于2只以上的,。
根據(jù)方程(2)研究了兩種類型的匹配分數(shù)轉(zhuǎn)換執(zhí)行融合規(guī)則，第一種類型融合規(guī)則屬于所謂的固定融合規(guī)則，因為它們不需要參數(shù)估計，尤其研究了兩類傳感器的匹配分數(shù)中值
第二種融合是所謂的訓練樣本規(guī)則，因為它們需要為了獲得理想的閾值分數(shù)而讓樣本經(jīng)過多次訓練，采用公式(4)訓練樣本
