logo
products

GROW R304A DC4.2-6V 208*288 Pixel Fingerprint Module Scanner Reader Kostenloses SDK mit 1500 Kapazität Für Arduino Windows Android

Detailinformationen
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.
Hervorheben:

Biometrische Sensormodul mit hoher Genauigkeit

,

Modul zur Identifizierung von Fingerabdrücken mit hoher Genauigkeit

,

Einfache Integration des biometrischen Sensormoduls


Produkt-Beschreibung


GROW R304A DC4.2-6V 208*288 Pixel Fingerprint Module Scanner Reader Kostenloses SDK mit 1500 Kapazität Für Arduino Windows Android 0

Beschreibung

·Kommunikationsschnittstelle: USB und UART
·1:N Identifizierung (ein-zu-viele)
·1:1 Überprüfung (Ein-zu-Ein)
·Hochgeschwindigkeits-Fingerabdruck-Algorithmus-Engine
·Funktion des Selbststudiums
·Fingerabdruckdaten lesen/schreiben
·Erhalten Sie Feature-Daten von erfassten Fingerabdrücken und überprüfen/identifizieren Sie heruntergeladene Feature mit erfassten
·Fingerabdruck Identifizieren heruntergeladenen Feature mit erfassten Fingerabdruck
·Einstellung des Sicherheitsniveaus
·Die Baudrate/Geräte-ID/Geräte-Passwort kann festgelegt werden.
·Betriebssystem: Windows 98, Me, NT4.0, 2000, XP,WIN 7 oder Android


Spezifikationen

·Schnittstelle: USB 2.0 und UART (Logik 3.3V-TTL)
·Auflösung: 508 DPI
·Arbeitsstrom: < 55 mA
·Spannung: Gleichspannung 4,2-6,0 V
·Fingerabdruckkapazität:1500
·Sicherheitsstufe: 1-5, Standard ist 3
·Sensor-Array: 208*288 Pixel
·Vorlagengröße: 512 Bytes
·Fingerabdruckleser-Modulgröße: 20,4 * 33,4 (mm)
·Wirkliche Sammelfläche: 12*17,5 (mm)
·Scangeschwindigkeit: < 0,2 Sekunden
·Verifizierungsgeschwindigkeit: < 0,3 Sekunden
·Vergleichsmethode: 1:1" 1:N
·FRR (Falschausweisquote): ≤ 0,01%
·FAR (Falschakzeptanzquote): ≤ 0,00001%
·Arbeitsumgebung: -20°C --55°C
·Arbeitsfeuchtigkeit: 20-80%
·Kommunikations-Baudrate (UART): (9600 × N) bps, wobei N = 1 ~ 12 (Standard N = 6, d. h. 57600 bps)


Dateien

·Support für alle Fingerabdruckmodule mit Arduino, Android, Windows, Linux, .Net und so weiter.
·Kostenlose SDK-Dateien bereitstellen
·Bereitstellung eines Benutzerhandbuchs



 



 
Grundsatz und Umsetzung der mobilen Fingerabdruckerkennung
 
Die Prämisse der Fingerabdruckerkennung besteht darin, Fingerabdrücke zu sammeln.

Schritt 1: Fingerabdrucksammlung
 
Die gleitende Sammlung ist der Prozess des Gleitens eines Fingers über einen Sensor, so dass das Telefon ein Fingerabdruckbild des Fingers erfassen kann.Die Vorteile der gleitenden Aufnahme sind relativ geringe Kosten und die Fähigkeit, Bildflächen zu erfassen.Diese Sammelmethode hat jedoch das Problem einer schlechten Benutzererfahrung, da Benutzer eine kontinuierliche und standardisierte Gleitbewegung benötigen, um eine erfolgreiche Sammlung zu erreichen.die Wahrscheinlichkeit eines Sammelfehlers stark erhöhtEine bestimmte Marke von Mobiltelefonen nutzte einst diese Sammelmethode, die wegen der Mängel der gleitenden Sammlung kritisiert wurde.

Wie der Name schon sagt, ist die Press-basierte Sammlung der Prozess der Sammlung von Fingerabdruckdaten durch Drücken auf einen Sensor.Es ist teurer und technisch anspruchsvoller als eine gleitende SammlungAußerdem sind aufgrund der geringeren Fingerabdruckfläche im Vergleich zur gleitenden Sammlung mehrere Sammlungen erforderlich, um größere Fingerabdruckbilder zusammenzustellen.Das muss auf fortschrittliche Algorithmen beruhen., wobei Softwarealgorithmen verwendet werden, um die relativ kleine Fingerabdruckfläche zu kompensieren, die durch Schieben und Drücken ermittelt wird, um die Genauigkeit der Erkennung zu gewährleisten.

Schritt 2: Fingerabdruckbewertung
 
Nach der Fingerabdruckentnahme wird die Qualität der gesammelten Fingerabdrücke bewertet, wenn sie nicht qualifiziert sind, müssen sie erneut gesammelt werden.Das Bild wird verbessert und verfeinert.

Schritt 3: "Eigenschaften" extrahieren
 
Nach der Verarbeitung wird das binäre Bild, das raffinierte Bild und das Feature-Extraktionsbild in Reihenfolge erhalten.Nach der Merkmalentnahme und Datenspeicherung, kann der nächste Schritt der Abgleicharbeit durchgeführt werden.

Schritt 4: Fingerabdruckausgleich
 
Eine Sache, die bei der Übereinstimmung zu beachten ist, ist, dass zwei Probenbilder desselben Fingers aufgrund von Unterschieden in der Fingerverschiebung, Ablenkung und Druck unterschiedlich sein können.z. B. Kalibrierung von Merkmalpunkten, um die Genauigkeit der Fingerabdruckerkennung sicherzustellen.

Kontaktdaten