针对传统的基于WiFi的最近邻(K-nearest neighbor algorithm, WiFi-KNN)室内定位算法精确度不能达到精准定位的需求的问题，本文提出了一种基于位置范围限定的K近邻(K-nearest neighbor based on the location range limit , LRL-KNN)室内定位算法。LRL-KNN算法通过利用用户的先前位置与WiFi指纹数据库中的参考点位置之间的物理距离组成的相关范围因子来缩放指纹距离，以此来减少定位的空间歧义性。尽管利用了先前的位置，但是该算法并不需要知道用户的确切移动速度和方向。与此同时，考虑到WiFi接收信号强度的时间波动性，将RSS直方图合并到距离计算中来减小时间波动带来的影响。实验结果表明：传统KNN算法的平均定位误差为2.13 m，新算法的平均定位误差为1.80 m，该误差在相同的测试环境下比传统的KNN算法减少15%。

用于指纹识别测试的标准指纹图像资源，内含有40个人的320张指纹图像。

matlab指纹图像分割代码指纹匹配 该项目包括用于使用图像分割，基准标识，不变关系和仿射变换将指纹与指纹数据库进行匹配的代码。 入门 要运行此软件的演示，请下载存储库并运行FingerprintMatchingCV_RunMe.m 先决条件 在运行FingerprintMatchingCV_RunMe.m文件之前，您必须： 安装MATLAB 2014b或更高版本 演示版 要运行演示， 1.运行FingerprintMatchingCV_RunMe.m 2.选择要包含在指纹参考数据库中的所有图像。 3.选择所有要比较的样本图像。 4.将显示带有基准点和隔离和错误率的图形配对。 项目详情 该项目已完成以下课程： ECES681：计算机视觉基础（研究生水平） 德雷克塞尔大学 宾夕法尼亚州费城 授课教师：Ferdinand Cohen博士 2016年冬季

FVC2004指纹数据库 FVC2004指纹数据库 FVC2004指纹数据库

完成了指纹的预处理 特征提取 指纹匹配 自带指纹数据库

标准指纹数据库，用于人体生物特征识别研究。

FVC2004数据库, D1：交叉匹配光学传感器“V300” DB2：数字传感器光学传感器“U.U.U 4000”

将指纹信息存入数据库中，这里主要讲解的是SqlServer数据库

FVC2004是用于指纹识别系统的指纹数据库，这是第一部分