天天资源网 / 初中科学 / 教学同步 / 华东师大版（2012） / 七年级上 / 第一章 地球上的生物 / 2 生物的基本特征 / 生物特征识别技术
资料简介
生物特征识别技术蔡秀梅信息与控制系
生物特征识别技术目录第一章绪论11.1传统身份识别技术简介11.2生物识别和生物识别系统61.2.1生物识别定义61.2.2生物识别系统71.2.4生物识别系统的结构81.2.5生物识别系统的工作模式81.2.6生物识别系统性能评价91.2.7生物识别技术的优势和发展前景10第二章主要生物识别技术及其比较162.1人脸识别172.1.1人脸识别研究内容182.1.2人脸检测与识别系统222.1.3人脸特征提取与识别方法232.1.4人脸识别的特点252.1.5人脸识别应用领域252.2指纹识别272.2.1指纹识别的发展历史272.2.2指纹识别系统的现状282.2.3指纹识别技术的市场及应用前景312.3虹膜识别342.3.1虹膜作为身份识别的可靠性342.3.2虹膜识别技术的历史与现状362.3.3虹膜识别特点及存在的问题372.4面部热像图识别382.5视网膜识别392.6掌形识别402.7签名识别422.8语音识别442.9掌纹识别452.10步态识别502.11静脉识别532.12其它生物识别技术552.13各种生物识别技术的比较552.14多模态识别58第三章指纹识别技术603.1指纹图像基本特征603.2指纹识别的过程623.3指纹图像的采集633.4指纹图像预处理653.4.1指纹图像质量评估673.4.2指纹图像分割68102
生物特征识别技术3.4.3指纹图像增强693.4.4图像二值化733.4.5图像细化733.5特征提取743.6指纹分类763.6.1 基于神经网络的分类方法763.6.2 基于奇异点进行分类的方法763.6.3 语法分析的方法和其他的方法773.7指纹匹配77第四章指纹图像分割算法794.1灰度方差分割法794.2指纹的方向图分割算法804.2.1指纹点方向图804.2.2指纹块方向图814.2.3指纹的方向图分割方法824.3指纹的分级分割算法84第五章指纹图像增强算法875.1基于Gabor滤波的增强885.2基于傅立叶滤波的指纹增强方法905.3基于指纹质量的增强滤波915.4其他指纹增强方法91第六章指纹图像二值化算法936.1基于灰度信息的指纹图像二值化方法936.1.1固定阈值法946.1.2 判断分析法956.1.3 动态阈值法956.2基于方向信息的指纹图像二值化方法966.2.1方向图法966.2.2方向分割法97第七章指纹细化算法997.1快速细化算法997.2OPTA细化方法1007.3改进的OPTA算法101102
生物特征识别技术第一章绪论1.1传统身份识别技术简介所谓身份识别是指证实主体（用户等）的真实身份与其声称的身份是否相符的过程。传统的身份识别技术大致分为两类：基于标志（信物）的认证和基于知识的认证。基于标志的认证主要通过检查“你有什么”来达到认证的目的，例如检查护照，身份证等。基于知识的认证主要通过检查“你知道什么”来确认身份，目前最常见的是两者结合的方式，就是ID+密码的方式。长期以来，在人类社会活动中需要验证个人身份时，基于标志（信物）的认证方法是验证该人是否持有有效的证明文件或信物。从本质上来说这种方法验证的是该人持有的某种物，而不是验证其本人，只要物的有效性得到确认则持有该物的人的身份也就随之得到确认。这种以物认人的办法的漏洞是显而易见的。首先，合法的人如果遗失验证其身份的物，如钥匙等，则合法的人本身得不到合法的验证；其次，各种伪造证件、信物被盗用，又使非法的人得到合法的验证。例如，一些罪犯通过伪造证件进入机密场所，以窃取机密信息；或伪造签证和护照非法入境或移民。另一个例子是考勤机，它的使用方便了企业进行职工的考勤管理，但使领导头疼的是，经常有人弄虚作假代别人打卡。另外，如果丢了钥匙不仅打不开门，还要当心坏人拾到你的钥匙盗取你的家财。其他使用钥匙的场合也同样有如此的问题。目前，大多数系统采用的仍然是“用户ID+密码”的方法进行身份验证，即基于知识的认证，最常见的如我们使用的银行卡以及计算机用户登陆等。使用该方法，用户只要输入用户ID以及该ID对应的密码，然后系统在数据库中查找并匹配，找到符合的即认为合法，否则认为非法。然而，该方法有很大的漏洞以及弊端：(1)密码保密性问题表现为密码容易被他人窃取，当用户在系统终端输入口令(用户ID和密码)时，别人只需观察其动作或者安装监视仪器即可以获取其口令，也可以通过用户的基本信息，如生日、姓名、年龄、电话等猜测密码。另外，密码还可以被破解，计算机系统在实现中存在一些漏洞，电脑黑客可以利用这些漏洞获取密码。有关机构的调查表明，因为忘记密码而产生的问题已经成为IT厂商售后服务的最常见问题之一。密码被别人盗取则更是一件可怕的事情，102
生物特征识别技术因为用心不良的人可能会进一步窃取公司机密数据，可能会盗用别人的名义做不正当的事情，甚至从银行ATM终端上提取别人的巨额存款。实际上密码的盗取比较容易，别人只要留意你在计算机终端前输入口令时的击键动作，就可以知道你的密码，甚至可以通过你的生日、姓名、电话号码或者其他一些信息猜出你的密码。这就显得极不安全。众所周知高度机密的美国一些军事机构计算机网络包括五角大楼和国防部曾不止一次被黑客侵入，黑客们实际上就是破解了这些计算机网络的某一合法用户的密码来开始的。表1.1给出了美国在1996年因为身份验证引起的欺诈损失。(2)密码遗失问题表现为密码过长、过多而容易忘记。为了防止密码被盗，或者增加可靠性，很多用户采用增加密码长度的方法，还有些系统要求用户定期修改密码并且限定密码长度不少于一定位数，更主要的是现实生活中很多场合都需要输入密码，如果采用相同密码则可靠性大大降低，不同密码则大大增加了用户的负担。尽管现行系统通过要求用户及时改变他们的口令来防止盗用口令行为，但这种方法不但增加了用户的记忆负担，也不能从根本上解决问题。在一个有竞争和争斗的现实社会中，身份欺诈是不可避免的，因此常常需要证明个人的身份。传统的身份证明一般靠人工的识别，正逐步由机器代替。在信息化社会中，随着信息业务的扩大，要求验证的对象集合也迅速加大，因而大大增加了身份验证的复杂性和实现的困难性。用户所知道的(密码\口令\最简单，系统开销最小、最不安全)用户所拥有的(身份证\卡\….\认证系统复杂)人们在信息社会需要记忆的密码越来越多，也越来越复杂。在IBM发布的全球商业安全报告中有一组数据：♦信息社会中，平均每人需要记忆13组用户名和密码；♦在企业信息系统中，有超过60%没有更改自己的默认密码；♦50%以上的人用不到3个密码来关联所有的用户ID和智能卡。上述这些问题表明传统的依赖于信物或口令的系统安全性技术已经面临严峻的挑战，在安全性以及方便性上都己难以满足现实需求，迫切寻求其他的技术能够更好的确保系统的安全性和方便性。尽管传统的基于密码的安全机制具有简单并且方便集成的优点，但随着网络社会的到来，电子商务日趋普及，102
生物特征识别技术人们更想通过一些更为安全可靠的信息来确认在网络的另一端与其交易的人是他宣称的那个人吗？而正是由于人体特征具有不可复制的优点，目前已经成为安全技术研究的热点。人们开始从生物识别技术寻找解决上述问题的方法。用户的特征（签名、指纹、掌纹、虹膜、DNA、….、安全性高、算法和实现复杂）常见的口令、IC卡、条纹码、磁卡或钥匙则存在着丢失、遗忘、复制及被盗用诸多不利因素。而由于人体生物特征具有人体所固有的不可复制的唯一性，这使得生物识别身份验证方法可以不依赖于各种人造的和附加的物品来证明自己的身份，而用来证明自身的恰恰是人本身，由于这些生物密钥不会丢失、不会遗忘，很难伪造和假冒。因此采用生物特征具有更强的安全性与方便性。研究和经验表明，人的指纹、手部血管分布、脸型、声音、虹膜、视网膜、手写签名等在一定程度上都具有稳定性和唯一性，即每个人的上述特征都与他人不同而且一般情况下终身不变，因此，可以据此识别出人的身份。由于生物特征具有唯一性、稳定性和不变性等特点，它已经成为一种更为安全有效的身份验证方法，正取代传统的基于知识或口令的技术。附：卡类型介绍（以会员卡为例介绍）会员卡管理系统简介卡的类型有以下几种1.磁条卡：在PVC表面附加上磁条磁卡是一种磁记录介质卡片。它由高强度、耐高温的塑料或纸质涂覆塑料制成，能防潮、耐磨且有一定的柔韧性，携带方便、使用较为稳定可靠。通常，磁卡的一面印刷有说明提示性信息，如插卡方向；另一面则有磁层或磁条，具有2-3个磁道以记录有关信息数据。磁卡以液体磁性材料或磁条为信息载体，将液体磁性材料涂复在卡片上或将宽约6-14mm的磁条压贴在卡片上。磁条上有三条磁道，前两条磁道为只读磁道，第三条磁道为读写磁道，如记录帐面余额等。磁卡的信息读写相对简单容易，使用方便，成本低，从而较早地获得了发展，并进入了多个应用领域，如电话预付费卡、收费卡、预约卡、门票、储蓄卡、信用卡等。信用卡是磁卡较为典型的应用。发达国家从本世纪六十年代就开始普遍采用了金融交易卡支付方式。其中，美国是信用卡的发祥地；日本首创了用磁卡取现金的自动取款机及使用磁卡月票的自动检票机。1972年，日本制定了磁卡的统一规范，1979年又制定了磁条存取信用卡的日本标准JIS-B-9560、9561等。国际标准化组织也制定了相应的标准。102
生物特征识别技术在整个八十年代，磁卡业务已深入发达国家的金融、电信、交通、旅游等各个领域。以美国为例，两亿多人口就拥有10亿张信用卡，持卡人为1.1亿人，人均5张，消费额约4695亿美元。其中，相当部分的信用卡由磁卡制成，产生了十分明显的经济效益和社会效益。磁卡使用须知：我们提醒您注意避免以下情况的发生：☆磁条卡在钱包、皮夹中距离磁扣太近，甚至与磁扣发生接触。☆与女士皮包、男士手包磁扣太近或接触。☆与带磁封条的通讯录、笔记本接触。☆与手机套上的磁扣、汽车钥匙等磁性物体接触。☆与手机等能够产生电磁辐射的设备长时间放在一起。☆在超市使用时，与超市中防盗用的消磁设备距离太近甚至接触。☆多张磁条卡放在一起时，两张卡的磁条互相接触。另外，磁条卡受压、被折、长时间磕碰、曝晒、高温，磁条划伤弄脏等也会使磁条卡无法正常使用。同时，在刷卡器上刷卡交易的过程中，磁头的清洁、老化程度，数据传输过程中受到干扰，系统错误动作，收银员操作不当等都可能造成磁条卡无法使用2.IC卡：在PVC片基上嵌入电子模块IC卡是集成电路卡(IntegratedCircuitCard)的简称，有些国家和地区称之为微芯片卡(Microchipcard)或微电路卡(MicrocircuitCard)，也有叫做灵巧卡(SmartCard)或智能卡(IntelligentCard)的。它把集成电路镶在塑料卡片上。IC卡的大小和磁条卡相同，在其左上方嵌有一片或若干片集成电路芯片。芯片一般是不易挥发性存储器(ROM，EPROM，E2PROM)，保护逻辑电路,甚至于CPU(中央处理单元)。通常所说的灵巧卡或智能卡的含义比较混乱，往往泛指IC卡。但我们一般所说的智能卡确切地均指的是带有CPU的IC卡,而不是灵巧卡。3.非接触卡：在PVC内置入电子模块和线圈，在PVC卡表面看不到模块和线圈。非接触式IC卡由IC芯片、感应天线组成，并完全密封在一个的标准PVC卡中，不易受外界的不良因素影响。非接触式IC卡与读写器之间通过无线电波来完成读写。存储容量大，传递速度快，读写寿命长，它具有下述优良特性：1、非接触式IC卡与读写器之间非机械接触。2、表面没有裸露器件，不会因为污损、弯曲而损坏IC卡。卡本身是无源件，体积小，耐用可靠。3、读写器不需要卡座，可以完全放置在盒子内。4、使用时没有方向性，卡可以从任意方向掠过读写器表面，完成读写工作。5、读写器与IC卡的无线通讯联系。102
生物特征识别技术6、读写器与IC卡实施双向密码鉴别制，采用三级DES算法验证。读写器识别IC卡的合法性，IC卡能识别读写器，还可读写器的读写权限。7、非接触式IC卡的发行有严格的规则。采用国际公认的mifare标准，其卡号的唯一性，在世界上是唯一的。其次，将密码一部分保存在车载机里，一部分放在卡上，保证系统的高度保密性。非接触IC卡的标准当前国际ISO组织正在确定两个主要的非接触卡标准，一个是以菲利蒲、西门子公司为代表的TYPEA，一个是以摩托罗拉、意法半导体公司为代表的TYPEB。两者各有优缺点。另外，在深圳公交用了一种非接触卡，采用“LEGIC”专利。但由于LEGIC对加密方式全封闭，即除了“LEGIC”公司外，任何人不知道其加密方式。采用这样一种方式，注定它在推广时难度较大。目前不能得到国际ISO组织的承认。1、以菲利蒲、西门子公司为代表的TYPEA。这种标准是目前广泛运用的一种标准，即MIFARE标准。它与TYPEB的区别主要是卡与读写器的通讯调制方式。MIFARE采用的是一种间断是调制方式，即当表示信息“1”时，有信号传到卡，当表示信息“0”时没有信号传到卡，当然这个间隔是相当短的，不会影响到卡的正常工作。这种方式的优点是信息区别明显，受干扰的机会少，不容易误操作。缺点是在需要持续不断的提供能量到非接触卡时，能量有可能会出现波动。2、以摩托罗拉、意法半导体公司为代表的TYPEB。这种标准刚刚研制出来，它的卡与读写器通讯采用的是一种调幅的调制方式。即信息“1”和信息“0”的区别在于信息“1”的信号幅度大，即信号强，信息“0”的信号幅度小，即信号弱。通过信号强弱的变化来识别不同的信息。这种方式的优点是有持续不断的信号传递，不会出现能量波动的情况；缺点是信息区别不明显，相对来说易受外界干扰，会有误信号出现，它也可以采用冗余效验的方式来弥补。由上面的对比可以看出，两种技术很难说孰优孰劣，这也是国际ISO组织确定两种标准的原因之一。然而对公交来说，采用那种标准需仔细分析一下。在公共汽车上干扰很大，打卡时间又必须非常快，误信号出现的机率越小越好，从这个方面来说，采用TYPEA相对来说适合一些。另外，由于受国情限制，公交在短期内采用非接触CPU卡的机会不大，一般采用非接触逻辑加密卡。在使用非接触逻辑加密卡的过程中，由于卡里没有CPU在工作，对能量的持续性要求并不是很强，所以TYPEA可以很好地工作4、条码卡(BarCard)102
生物特征识别技术条码卡以一组规则排列的条、空及其对应字符组成的条形码记载信息，常见的条码符号是由黑条和白空印刷而成，当光照射到条码符号上时，黑条和白空产生较强的对比度，从而利用条、空对光的不同反射率来识读信息。条码卡分为一维码和二维码两种。一维码比较常用，如日常商品外包装上的条码就是一维码。它的信息存储量小，仅能存储一个代号，使用时通过这个代号调取计算机网络中的数据。二维码是近几年发展起来的，它能在有限的空间内存储更多的信息，包括文字、图象、指纹、签名等，并可脱离计算机使用。条码卡制作简便，普通的条码按一定要求打印或复印即可，成本较低，但它的识读设备特别是二维码的识读设备）比较昂贵。与磁卡和IC卡不同的是，条码卡内的信息不能改写，另外，安全性能差、标准也不统一，这些都限制了它的应用。注：以上各种卡的尺寸国际上统一为ID-1型卡，尺寸为84.6×53.9，厚度按客户要求可做适当调整。超市会员卡现在一般有两种：一种为条码会员卡或磁卡，在卡片上印制条形码，销售前用条码枪扫一下条码（或用磁条刷卡器刷卡）便可以达到折扣、折价的目的，这种卡成本比较低，但是卡本身不具备身份识别功能，管理不方便。另一种是存储会员卡，使用接触式或非接触式卡，只要在销售时把卡插入便可达到折扣、折价的目的，这种卡成本较高，但卡本身存储了消费数据，管理比较方便。使用超市会员卡还需要超市的收款系统配合，使用的收款机（POS机）必需支持会员卡功能1.2生物识别和生物识别系统1.2.1生物识别定义生物识别以生物技术为基础，以信息技术为手段，是将生物和信息这两大技术交汇融合为一体的模式识别，它是根据人体生理特征(如语音、指纹、掌纹、面部特征、虹膜等)和行为特征(如步态、击键特征等)来识别身份的技术，又称为生物测定学技术。简单的说，生物特征识别就是指通过自动化技术利用人体的生理特征和（或）行为特征进行身份鉴定。102
生物特征识别技术生物测定学技术的历史可追溯到古代埃及人通过测量人的尺寸来鉴别他们。像这种未发展的基于测量人体身体某一部份或者举止的某一方面识别技术一直延续了几个世纪。指纹识别可以追溯到古代的中国，而基于指纹的识别技术在美国和西欧也一直使用了一百多年。用于商业的高级生物测定设备最早开始于二十世纪七十年代，一种叫做Identimat的设备出现了，它通过测量手的形状和手指的长度用作识别的标志。在指纹识别上的改进发生于六十年代与七十年代之间，一些公司开发出一种能自动识别指纹的仪器以用于法律的实施。从六十年代末期，FBI开始使用一种自动识别指纹的设备，到在七十年代末期，已经有一定数量的设备开始在美国大范围使用。而其他生物识别技术则随着生物学和计算机科学的发展在最近二十年才开始被人们研究，例如第一个测定视网膜的系统出现于八十年代；虹膜识别则始于剑桥大学的JohnDaughman教授的工作；对于签字与面像识别技术的研究才刚刚开始。许多新兴的生物识别技术还有待学者们进行深入而广泛的研究。1.2.2生物识别系统生物识别系统对生物特征进行取样，提取其唯一的特征并且转化成数字代码，并进一步将这些代码组成特征模板，人们同识别系统交互进行身份认证时，识别系统获取其特征并与数据库中的特征模板进行比对，以确定是否匹配，从而决定接受或拒绝访问者。并不是所有人体特征或动作都能用于身份识别而是只有满足了下列条件的才能用于验证人的身份1普遍性。即是否人人都具有该特征，比如象只有一部分人有的胎记或疤痕就无法用于大范围的身份识别。2唯一性。即每个人都应与其他人不一样。3稳定性（永久性）。即特征或行为应在一个相当长的时间内保持不变，经常变化的特征是无法保证识别系统的鲁棒性的。4可采集性。即是否可以方便地通过一定的设备和手段采集到并量化这些特征或行为。然而，从实际应用的角度讲，满足以上条件的生物特征并不是都能用于生物识别系统。在实际的生物识别系统中，还应考虑以下问题：（a）可行性，指的是可以达到的准确率、速度、鲁棒性、达到期望的速度和准确率对资源的要求以及操作、环境等因素对速度和准确率的影响，以及是否可以方便地获取这些生物特征；（b）可接受性，用于识别的生物特征对人有没有危害，人们是否愿意接受这方式；（c）防伪性能（抗欺骗性），反映系统防止被各种欺骗手段欺骗的能力。102
生物特征识别技术1.2.4生物识别系统的结构生物识别系统本质上是一个模式识别系统，它根据使用者的生理或行为特征对使用者进行辨识，从而判断其是否具有合法身份。一个通用的生物识别框图如1.1所示。从逻辑上讲，这种系统可以分为两个模块：（1）登记（或称登录）模块；（2）辨识（或称认证）模块。登记模块负责将生物特征信息登记到生物识别系统样本数据库中。在这个阶段首先利用采集器获取人体特征，产生表征特征的原始信息，为了方便后续的匹配过程，这些原始信息一般需要进行进一步处理，压缩信息量，提取最有效的部分（一般称之为模板Template），最后根据不同应用的需要将模板存入数据库或磁卡、智能卡、用户IC卡上。辨识模块负责解决待识特征信息和样本特征信息是否匹配的问题，即用于在访问控制中验证人的身份。在这个阶段同样需要用特征采集器来获取人体的生物特性，然后使用类似于登记模块中的处理方法，用一种更紧凑的形式来描述获取的信息，最后匹配子模块使用模板数据库中的模板与获取的压缩生物特征比较，输出判断结果。1.2.5生物识别系统的工作模式生物识别系统的工作模式可以分为两类，即验证(Verification)模式和辨识(Identification)模式。验证(Verification))模式：即一对一比对，也称为l：l模式(one-to-one102
生物特征识别技术matching)。这种模式下，现场采集到的生物特征与保存在模板数据库中的一个生物特征进行比对。作为验证条件，个体的生物特征数据已经存储在数据库中，并与唯一的个人识别码(ID或者PIN)建立联系。验证时，先验证识别码，然后利用现场采集的生物特征与数据库中和识别码对应的生物特征进行匹配，从而达到身份验证的目的。验证模式通常用于确定性识别，目的是为了进行身份确认，防止多人用同一个身份。辨识则是把现场采集到的生物特征同样本数据库中的生物特征逐一对比，从中找出与现场生物特征相匹配的特征信息，也称“1：N模式，一对多匹配（one-to-manymatching）”。该模式下，将现场采集到的生物特征与模板数据库中的生物特征逐一对比，从中找出相匹配的生物特征信息，从而达到确认身份的目的。识别模式的目的是防止一个人使用多个身份。在不同的应用场合下，采用不同的操作模式来提供不同的安全等级。验证模式为控制应用提供了较多的安全等级，一般适用于比较小型的民用系统。识别模式主要应用于罪犯鉴别等场合。1.2.6生物识别系统性能评价生物识别系统作为一种典型的模式识别系统，它的输出不可能象基于信物或口令的系统那样给出一个绝对正确与否的答案，而是一个有一定置信度的结果。因此就有可能出现两种错误判断，一是把正确的匹配当成错误的而拒绝，拒真率（FalseRejectRate，FRR）。另一种则是把原本不匹配的当成正确的而接纳，误识率（FalseAcceptRate，FAR）。如果系统的FRR较大就会造成用户多次输入而无法确认其身份，使用户感到不便，进而对该系统产生不信任和厌恶感；而若系统的FAR较大就会使不法之徒乘虚而入，对合法的用户造成损失。但是对于一个已有的生物识别系统，要使两者同时降低则不可能，因为由模式识别系统的特性可知这两个错误率是互成反比的。一个参数的减少必然会导致另外一个参数的增加。因此我们只能根据用途的不同调整系统的参数，使其满足于不同目的的需求。例如对于指纹识别系统如果用于高度机密的访问控制，则可适当调高拒真率，把误识率降到最小；反之，对于公安和司法部门则需要降低拒真率，在尽可能匹配上的范围内搜寻嫌疑人，而对于一般民用系统我们可以兼顾精度和效率，选取折中参数。对于一个生物识别系统，我们一般用ROC（ReceiverOperatingCurve）曲线来描述系统的精度属性。曲线上的每一点都对应了一定安全阈值下系统的FRR和FAR。图1.3给出了ROC曲线的一个实例。在实际应用中，因为各厂商和研究机构实际只是给出了最好的FRR和FAR，而这两个参数并不是对应同一个安全阈值。所以，一个更为科学的评估参数--等错误率ERR被广泛应用。所谓等错误率是指FRR与FAR相等时值（如图1.2所示）。很显然，ERR越小，102
生物特征识别技术系统的精度越高。另外，系统的匹配速度也是系统性能的一个重要指标，特别是对于辨识系统，由于做一对多的匹配，速度就显得格外重要，即使是一对一的验证系统，速度太慢也会影响系统的推广使用。图1.2指纹识别系统的ROC曲线1.2.7生物识别技术的优势和发展前景一、生物识别技术的优势生物识别技术是目前最为方便与安全的识别技术。由于每个人的生物特征具有唯一性和在一定时期内稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认定，安全、可靠、准确。此外，生物识别技术产品均借助于计算机技术实现，很容易完成安全、监控、管理系统整合，实现自动化管理；可以应用领域包括金融、法制、公安部门、网络安全、电子商务、门禁系统和其他用途。由于人体生物特征具有“人各有异、终生不变、随身携带”的特点，具有稳定、便捷、不易伪造等优点。因此，以人体生物特征为基础发展起来的生物认证技术具有以下几个方面的优点：1.验证的方便性：与使用钥匙、卡片或者个人身份号码相比，简单快速的生物认证系统更容易进行身份验证。使用生物认证技术就不用担心丢失钥匙和遗忘密码等问题，因为人体本身就是标识。这种“私人的”标识都是相对稳定和持久的。另外，生物认证技术也给信息技术和管理用户身份资料的组织提供了更大的方便。生物认证技术可以使不断更换各类证件成为历史，而不需要重新设置个人身份号码。2.验证的要求越来越严格：密码和个人身份号码都可以被轻易盗取。生物认证则可以减少这种风险，也就是降低“敌人”能够给出不合适的身份证明后，获准进入的可能性。现在，从安全出发，对逻辑的(电脑)和实体的进入要求越来越严格，生物认证提供了一种很好的方法，可以克服身份证明的盗取或丢失。3.低廉的价格：102
生物特征识别技术多年来，硬件和软件技术的进步使得生物认证和识别系统的价格降到了能够被市场承受的水平。另外，计算能力、网络和数据库系统性能的提高也使得生物认证系统能应用于大范围的地域和网络中。4.与日俱增的政府和商界用户：今天，生物认证拥有数量众多的公共和私人用户。2001年9月11日的恐怖袭击事件之后，普遍增长的公共安全意识也使生物认证更受青睐。更多的制造商给电脑设备和其他产品提供了生物认证功能。许多公司提供生物认证功能的选择，并在他们的产品中加入生物认证传感器和匹配功能。例如，在键盘、鼠标和笔记本电脑中都可以插入指纹传感器，而且，第二代传感器还具有更强的“即插即用”功能。二、生物识别技术的发展前景社会生活的各个领域都需要身份认证，随着全球信息产业的迅猛发展，生物识别技术在技术发展和市场需求上日趋成熟。其产业化发展的步伐将进一步加快。1999年华尔街预测：在安全和身份验证市场上的费用每年将以超过60％的复合增长率增长；生物识别装置产业市场在今后五年中，估计每年将增长30～35％。雷曼兄弟投资银行预测，未来5年生物识别系统的市场，将自现在每年1亿美元起，以400％的速度快速成长。Forest&Sullivan最新的一份市场调研也表明，2006年的美国身份认证设备市场销售额将达到26亿美元。整个生物识别产业发展趋势是：1国际大公司加盟近年来，包括微软、英特尔及摩托罗拉等国际大公司，纷纷投入经费，试图整合生物识别技术。2000年5月，微软公司宣布将把生物认证技术微型化，并添加到自己的视窗操作系统中，这对这项新技术的发展无疑将起到促进作用。产业分析专家认为，微软的介入将推动生物鉴定技术产业的发展，作为业界的巨头，微软的加盟自有它的意义。它以自己的行动引起IT界人士对这种技术的关注，从而使一些原本已与生物鉴定技术擦身而过的专业人士再回过头来重新审视它的价值。2价格迅速下滑Gartner集团2000年的市场分析认为：生物识别市场会在2-3年里达到一个新的增长水平，主要有4个内部和外部因素来促使这种新的增长。这些因素之一是价格的降低。价格降低的例子在生物识别技术技术市场中是十分明显的：以手指扫描设备为例，2年前需花费$500才能购买到的外部设备现在只需花费$100左右即可得到，多数外部设备的价格都在$200以下。属于外部设备的生物识别专用照相机的价格也降到了$50-$75，这就使面部扫描技术进入家庭成为了可能。最昂贵的虹膜扫描识别技术，以前一套的价格在$7000左右，现在价格只有$4000-5000虹膜扫描识别设备也已经由LG公司生产出来了。IriScan102
生物特征识别技术计划研制出价格低于$1000的虹膜扫描识别设备，并将进军价格低于$500的门禁市场。3网络应用加快随着计算机技术的飞速发展，网络应用也随之得到了普及，整个社会生活发生了巨大的变化，网络改变了人们的生活方式和理念，电子商务、网上购物等新兴产业层出不穷。与此同时，各种安全也随着不同经济模式的诞生而产生，人们越来越多地依赖口令和密码，而口令和密码易泄密的缺陷正随着不同场合的频繁应用而显得越来越明显。据Motorola公司的一份资料显示：每年因安全口令方面造成的损失增长率在60％以上，而对生物认证系统需求的年增长率也在60％以上。4其他应用扩大生物识别技术在以下4个领域：门禁，电子设备访问权限，支票信用卡验证，ATM使用认证将得到更加广泛的应用。此外，在电话通讯方面、汽车防盗、社会福利保障等都是应用生物识别技术的理想场合，美国在手机电话、汽车失窃方面由于身份验证引起的损失达到了30万美元/天和7.6亿美元/年，此外，还造成了10%的社会保障金的损失。三、我国生物识别的发展现状与挑战国内对于生物识别技术的开发和应用相对起步较晚，但近几年来却发展迅速，特别是在指纹识别研究开发方面已经取得了累累硕果。除了研制用于公安刑侦方面的指纹识别系统以外，在民用产品的研制开发和应用推广上也有了很大的发展。出现了许多专业研制开发指纹识别系统及其产品的专业公司。此外，一些公司也开始涉及其他生物识别技术的研究，如虹膜、静脉和骨骼等。1国内生物识别产品由北京大学信息科学中心石青云院士主持研究，北京大学指纹公司生产的“大容量指纹自动识别系统”是国家“八五”科技攻关项目，包括适用于保安应用的全自动指纹识别系统PU-ID和适于公安侦破的指纹自动识别系统PU-AFIS。该项目于1996年1月通过鉴定，得到了鉴定委员会专家的高度评价。深圳皇岗边检站的“出入境车辆自动检查系统”，使用了北大方正指纹自动识别技术，对卡车司机身份进行鉴别，使得验关准确可靠，同时，将大大提高通关速度，节省边检的警力。同期，深圳市社保局也将采用北大方正的指纹自动识别技术，实现退休人员养老金发放中的身份验证。清华现代电子科技有限公司开发研制完成的计算机指纹识别系统可以有效地防止金融行业舞弊及外部“黑客”对金融网络的侵入。它利用指纹识别技术有效地管理计算机系统，其性能准确安全，并在此系统基础上，开发了网络指纹验证系统、指纹IC102
生物特征识别技术卡验证系统、指纹证券柜员机、指纹金库安全及门禁管理系统、指纹考勤机系列等产品。深圳市创虹信息技术有限公司推出的虹膜身份识别产品，在奔腾计算机上不到一秒钟即可完成虹膜的识别过程。深圳市特中科实业发展有限公司在国内率先推出了成熟可靠的生物识别系统－人体静脉识别系统。该系统通过静脉识别仪取得个人静脉分布图，从静脉分布图依据专用比对算法提取特征值，将特征值存储。静脉比对时，实时采取静脉图，提取特征值，同存储在主机中静脉特征值比对，确认身份。输入个人识别号PIN通过红外线读取手背静脉西安交通大学的“陈旧骨骼ＤＮＡ分析技术”是该校法医系主任李生斌教授主持国家重点科技攻关项目。其采用先进方法，成功地从死亡６０年左右的陈旧骨骼中取出ＤＮＡ片段，进行定量分型，按国际基因分型标准，以测序为基础，建立ＳＴＲ基因扫描技术以及骨牙ＤＮＡ分型技术，并采集到我国５６个民族数万份血样，建立系列等位基因数据库，为法医个体识别、亲权鉴定提供了理论基础和科学依据。这项研究成果可广泛应用于刑事侦查与审判、民事保险赔偿中凶杀、碎尸、焚尸、客机坠毁、火灾爆炸、道路航海交通事故等造成个人或群体遇难、尸体毁损、体表特征破坏或软组织消失而需要进行个体识别、亲权鉴定和同一认定的诸多领域。同时也可应用于生物考古、遗传疾病基因诊断、中华民族起源研究，以及医学、体育等领域中性别鉴定。其他诸如上海的罗顿科技公司、北京的柏图美加科技发展有限公司、沈阳的指通科技发展公司、厦门宝利铭公司、杭州中正生物认证技术有限公司等企业都研制和开发了指纹识别系统及其产品，在办公自动化、门禁考勤、IC卡识别，银行、证券等系统中得以实际应用。指纹IC卡识别器指纹锁指纹保险箱2生物识别技术的挑战102
生物特征识别技术由此，我们可以看到生物识别技术的明天是美好的，它也必将把我们的生活带入到一个崭新的天地之中。但对于我国的生物识别产业发展来说，发展的道路上仍是困难重重，主要表现在以下几个方面：芯片的自主开发。我国的芯片开发技术相对薄弱，目前国内指纹识别系统采用的传感芯片都是从国外引进的，在DSP处理器的开发和研制上也相对落后。因此，掌握先进的芯片设计和制造技术是生物识别系统硬件发展的一个关键。软件开发。任何一种生物识别系统，都需要经过特征的选取、分析、对比和匹配，因此对于算法就提出了很高的要求，既要保证很高的识别效率，又必须具备很强的抗干扰能力，特别是对部分特征的推理和判断能力。接口的标准化。由于各种生物识别系统都可能要与其他信息系统相连接，如何解决各种接口的统一性问题就是一个重要的影响因素。据悉，开发商最近在生物识别技术的应用程序接口（ＡＰＩ）标准方面取得了一致，可以用于视窗或其他操作系统。微软已表示，将在新的视窗系统中安装生物识别应用程序接口。产品的价格和可靠性。无论是哪一种生物识别产品，要推广和应用，价格必须要为大众所能接受，如何提高技术含量、降低成本必然是每个开发商所面临的基本问题。此外，生物识别系统属于安全系统的范畴，如何在各种不同的环境条件下，保证系统的长期安全可靠的运行，都是每个生物识别产品所要必须做到的。随着我们逐渐迈入数字时代，生物特征的身份识别技术愈加显示出它的价值。据美国InternationalBiometricGroup(IBG)日前发布的对生物认证市场的预测和分析显示，到2010年，生物认证市场将从2005年的15亿美元规模迅速增长到57.4亿美元(见图1.3)o图1.3生物识别市场及未来发展(百万美元)102
生物特征识别技术我国对于生物识别技术的开发应用也十分重视。日前在一些发达地区，比如上海市，政府的政务网上己经开始使用生物识别技术，还有社保系统广泛使用指纹、驾驶员学籍指纹考勤、考试指纹准考证等等己经得到不少应用。中国正成为继美国、日本之后最具潜力的发展中市场。预计未来几年内，生物认证市场收入将达到300亿人民币。在2001年前，生物识别技术一般为指纹识别技术，其它生物识别系统，因为可靠性差，或是成本过高，而无法和指纹识别系统相抗衡。但是由于“9.11”事件的原因，使得其它的生物识别技术也得到许多关注，特别是面相识别技术，如图1.4给出几种生物识别技术在不同领域中的应用，如机场安检、ATM机等，特别是在手机和掌上电脑等上逐渐开始应用生物识别技术。生物识别技术将逐步进入实际的政府和商业应用，其主要应用领域包括：重要公共场所，车站、机场旅客控制、政府部门、门禁和考勤、法律执行、消费者管理系统、金融管理服务系统、计算机登录管理、医疗保健系统等。图1.4几种生物识别技术在不同领域的应用可见，在信息化、网络化社会中，生物识别技术具有非常广阔的发展前景，几乎可以应用到人们日常生活的方方面面，被评为能够改变未来世界的十大高新技术之一。随着社会对身份识别要求的不断提高，生物识别技术的重要性将日益凸现。102
生物特征识别技术第二章主要生物识别技术及其比较根据生物识别技术采用的生物特征的不同，生物特征识别技术可以被分成三类：高级生物识别技术(HighBiometrics)，如：视网膜、虹膜和指纹。次级生物识别技术(LesserBiometrics)，如：掌形识别、脸型识别、语音识别、签名识别。图2.1几种不同的生物识别特征第三类是“深奥的”生物识别技术(EsotericBiometrics)，如：血管纹理识别、人体气味识别等。目前生物识别技术的种类共有近20种之多，常见的生物识别技术主要有：脸形、指纹、手形、手部血管分布、虹膜、视网膜、手写体、步态、击键、102
生物特征识别技术声音和脸部热量图等。它们有的己逐步得到推广和应用，有的还仅处于实验研究阶段。其中，脸形、指纹、手形、手部血管分布、虹膜、视网膜和脸部热量图属于生理特征，手写体步态、击键属于行为特征，而声音则兼具两方面的属性。所有这些生物特征都能在一定程度上满足生物识别技术的需要，已实际应用于生物识别系统或有潜力成为实用的生物识别技术。2.1人脸识别人脸图像可以说是人们日常生活中最常用的身份确认手段。人脸识别也是当前最热门的模式识别研究课题之一。通过与计算机相连的摄像头动态捕捉人的面部图像，同时把捕捉到的面部图像与预先录入的面部图像进行比较。脸形识别是一种非干涉性生物识别技术，它几乎不给人们带来任何不便之处，人们对这种技术几乎没有任何排斥心理，所以，从理论上讲，人脸识别可以成为一种最友好的人的接受性最强的一种生物特征身份认证技术。人们在脸形识别技术的研究主要表现为两个方面：（1）自动脸形识别技术只是利用脸部特征的几何量来辨识人的身份，而很难利用难以定量度量的信息去辨识。（2）自动脸形识别系统必须实现智能化，才能使人们容易接受。虽然脸部特征识别技术已经得到应用，但是在脸部图像的获取方面加入了很多限制，有时候需要固定的简单背景或特殊的照明，这些系统在识别完全不同环境下获取的脸部图像时有困难，在没有任何前后关系信息的情况下，仅仅依靠脸部图像能否在很多人中足够的辨认出一个人来还是个问题，大部分研究生物识别的人都公认面部识别是最不准确的，也是最容易被欺骗的；热成像技术通过分析面部毛细血管的血液产生的热量来产生面部图像，与视频摄像头不同，热成像技术并不需要较好的光源条件，因此在黑暗情况下也可以使用。热成像技术进行识别的优点是非接触性的，缺点是红外线传感器价格非常昂贵。人的面部图像是最直观的也是最常用的身份认证手段。一般说来，根据应用目的不同，人脸识别分为静态识别和动态识别两种模式。所谓静态识别，就是用来识别的人脸图像是静态图像且背景及其它外界条件不变。这种情况下人脸的检测和分割都非常简单，同一人脸的不同图像间的距离比较小，因此识别就变得相对容易。而动态人脸识别则是指，在复杂的变化背景下，检测人脸的位置并识别其与模板是否匹配。因在动态环境下干扰因素较多，目前还只是处于实验室研究阶段，还有许多问题亟待解决。在过去近30年中人们对人脸识别做了深入的研究。在上世纪七十年代早期，人脸识别还主要是利用人面部各器官，如眼睛、眉毛、鼻子、嘴和下巴间的位置关系。那时由于缺乏可靠的特征提取算法和大规模实验数据库，102
生物特征识别技术仅仅有少量实验完成。识别的结果也远远不能满足人们的要求。经过八十年代初的停滞不前，在八十年代末和九十年代初，人脸识别的研究再次焕发了活力。一系列新的工具和方法被用于人脸识别。如基本元素分析法、PCA线形辨别分析法、LDA奇异点值分解法、SVD局部特征分析法、以及各种基于神经网络的算法。这些方法所表现出来的性能也令人振奋，应该说人脸识别技术已经相当成熟。目前已经有一些性能相当可靠的系统在市场上销售，如Micros公司的Trueface系统和Visionics公司的Faceit系统。人们可能觉得，依赖于人脸我们就能来区分他人，实际上则不然。人在使用人脸识别时还利用了其它相关信息。没有这些信息，无论是人还是机器视觉，都不可能达到较高的识别效果。如图2.2所示，这是一幅从1996年9月的时代周刊上选摘的图片，如果没有其它相关信息，相信大多数人都很难认出图片上的所有人是同一个。图2.2图中所有人为同一人现阶段的人脸识别主要针对静态背景。要想真正把人脸识别用于各种复杂环境，还有很长的路要走。目前人脸识别的难点主要在于：1、获取的图像中是否存在人脸；2、如果存在，则检测其位置；3、使用更有效的特征来匹配人脸；2.1.1人脸识别研究内容102
生物特征识别技术从应用来看，人脸识别可分为在无任何目标的情况下判断未知人脸的身份和针对某个或某些目标人脸来确定待识别人脸的身份。在无任何目标的情况下判断未知人脸的身份是将给定的人脸图像与己有图像库中存储的大量的人脸图像进行比较，从而确定人物身份。针对某个或某些目标人脸来确定待识别人脸的身份主要应用在己知一个或几个人脸的情况下，将待识别人脸与某人或某些人的多个角度的多幅图像进行比较，以此判断是不是己知人脸中的某一个。从人脸识别的过程来看，可将人脸识别方法划分为人脸检测、人脸表征、人脸识别。从广义上讲还包括表情分析和生理分析。1)人脸检测(FaceDetection)：是指在输入图像中确定所有人脸(如果存在)的位置、大小、位姿的过程。人脸检测作为人脸信息处理中的一项关键技术，近年来成为模式识别与计算机视觉领域内一项受到普遍重视、研究十分活跃的课题。对于一个成功的人脸识别系统，人脸检测是极其重要的和关键的一步，它直接影响人脸特征提取、识别等后续工作，但是人脸检测不仅仅在人脸识别中得到广泛应用，还可应用于跟踪、卡通漫画的生成等如图2.3所示，目前它以其在安全检查、视频监测、智能人机接口、基于内容的检索、数字视频处理等诸多领域的应用前景和重要的学术价值，已成为一个相对独立的课题而受到普遍重视。图2.3人脸检测在跟踪和卡通漫画生成中的应用人脸检测就是从各种不同的场景(包含不同的光照条件、背景、不同的摄像机参数等)中检测出人脸(包含不同的姿势、表情和各种干扰信息如胡子、眼镜、帽子和饰物等)，并且确定其位置、尺度和姿势。在大多数应用场合中，人无法控制场景，并且没有任何有关人脸位置、尺度、方向、是否遮挡和人脸姿势的先验知识，于是人脸检测就成为一个非常困难的问题。人脸检测的主要目的是在输入的图像上寻找人脸区域，把图像分割成为两部分：人脸区域和非人脸区域。导致人脸检测问题困难的主要原因有：人脸有不同的姿态(正面、45度角或者侧面等)使得在图像中人脸模式的变化较大，其中某些姿态可能会遮挡住脸部器官，如眼睛和鼻子；特殊的脸部结构信息，如脸部的胡须等影响；102
生物特征识别技术脸部表情对人脸模式的影响也很大；人脸模式可能会被其它饰物所遮挡，如帽子和眼镜等；不同的成像条件也会导致人脸模式的变化，如尺度、方向、视角和光照条件等。作为一个预处理部分，人脸检测有非常广泛的应用，如作为人脸识别的一部分、可用于保安系统、案件侦破系统以及涉及到人机交互领域，另外还可广泛用于人的跟踪、监控等系统，人脸检测的结果直接影响到整个系统的性能，因此，人脸检测的准确性和稳定性是决定后续工作的关键。目前，人们日益意识到人脸检测工作的重要性，相关的研究也日益增多。2)人脸表征(FaceRepresentation)：即确定表示检测出的人脸和数据库中的已知人脸的描述方式，是一个检测并提取人脸上的某些或所有特征的位置、大小、轮廓线等信息的过程。实际上，人脸检测定位过程中有时也会用到一部分人脸特征，而且人脸特征也是人脸识别的重要依据之一。人脸特征通常的表示方法有几何特征、代数特征、固定特征模板、特征脸、等灰度图等等。几何特征是以人脸器官的形状和几何关系为基础的特征，包括几何特征曲率和面部几何特征点。几何特征曲率是指人脸的轮廓线曲率。面部几何特征点包括眼睛、鼻子、嘴巴等各个器官，以及它们之间的相对位置和距离。这些特征具有位置、视点、大小等不变性。要求选取几何特征具有一定的独特性，能够反映不同人脸之间的差别，同时又具有一定的弹性以消除时间跨度、光照等因素的影响。代数特征是将人脸图像用特定的变换方法投影在降维子空间，形成人脸的代数特征。如经过奇异值变换得到奇异值特征、经过K-L变换得到特征脸特征、小波变换后得到的小波特征等。然而，仅仅根据特征是很难完整和准确地描述人脸，所以，寻找一种稳健和精确的人脸表征方法将会极大的推动人脸处理的研究，但是，这是一项艰巨的任务。至今为止，人们还没有找到一种灵活、方便且稳健的人脸模式的表征方法。3)人脸识别(FaceIdentification)：根据前两步所得到的特征，将待测人脸与库中人脸进行比较，确认和识别待测人脸的身份。这一部分的核心是特征的选取与分类器的设计，系统的构造与人脸的表征方法密切相关。通常是选择全局或是基于特征的方法进行匹配。基于几何特征的识别、基于代数特征的识别和基于连接机制的识别等方法在最近几年中对“人脸识别”102
生物特征识别技术这一研究领域做出了很大的贡献，同时深化了我们对人类复杂视觉机制的了解，取得了一定的成功，但是也各有其优缺点。基于几何特征的识别方法困难在于没有形成一个统一、高性能的特征提取标准，并且特征提取不稳健。由于成人的面部模式千变万化，即使是同一个人的面部图像，由于时间、光照、摄像机角度等不同，也很难用统一的模式来表达，造成了特征提取的困难。基于代数特征的提取方法在实际应用中取得一定的成功。由于代数特征矢量(即图像向空间的投影)具有一定的稳健性，识别系统对不同的倾斜角度，乃至不同的表情均有一定的鲁棒性，但是这种方法对表情的描述不够充分，难用于表情分析。基于连接机制的识别方法采用了神经网络，结构上更类似于人脑，在编码压缩信息处理方式等方面具有一定的优势。但是由于原始灰度图像数据量十分庞大，因此神经元数量通常较多，训练时间很长。总之，人脸识别因其表征对象的年龄、表情、倾斜等因素的可变性而使其表征的表述比较困难，因此，它的识别效果离实用还有较大的距离。图2.4几种基本人脸表情4)表情分析(ExpressionAnalysis)：即对待识别人脸的表情(快乐、悲伤、恐惧、惊奇等)进行分析，并对其加以归类。到目前为止，由于该问题的复杂性对表情分析的研究还处于初步阶段。Schlosberg首先提出了表情描述的3个量化尺度：注意-拒绝(A-R，attention-rejection)、高兴-不高兴(P-U，pleasant一unpleasant)、活跃程度(levelofactivation)，如“轻视”、“厌烦”2种表情就有很高的“拒绝”值，而“愤怒”则有很高的“不高兴”值。Ekman和Friesen研究了6种基本表情(即高兴、悲伤、惊讶、恐惧、愤怒和恶心)如图2.4所示，并系统的建立了上千幅不同的人脸表情图像库。最近几年，表情分析引起了人们越来越大的兴趣，并提出来一系列的人脸表情自动分析方法。102
生物特征识别技术人类能够很容易的进行人脸识别，因此很自然人们希望计算机也能轻松的做到。但实际上，人脸的自动识别是一个难度较大的课题，要建立一个能够完全自动的识别系统是非常复杂、非常困难的，它涉及到模式识别、图像处理以及生理、心理学等方面的知识。另外，由于计算机处理能力的限制，人脸识别系统也一直得不到大规模的应用。5)生理分析(PhysicalClassification)：即对待识别人脸的生理特征进行分类，得出其年龄、性别、种族等相关信息。显然，完成这一操作需要大量的知识并且通常是非常困难和复杂的。2.1.2人脸检测与识别系统一个典型的人脸自动识别系统主要包括检测和识别两部分，该系统可用于计算机登陆的身份验证，主要任务是对采集到的图像进行检测与识别，并与数据库进行匹配验证，以判断身份是否正确，系统结构如图2.5所示。图2.5人脸自动检测与识别系统102
生物特征识别技术由图像采集设备(如摄像头、扫描仪等)完成对相关人员的面像采集工作，将归一化处理后的图像加入人脸图像库中，并把相应的身份信息(如姓名、ID号等)加入身份信息数据库中。人脸检测与定位模块是判断输入图像中是否存在人脸，如果有，给出每个人脸的位置、大小，并分割出人脸图像。然后，对人脸图像进行特征提取与识别，判断采集到的人脸是否存在于图像库中；若存在，则判断具体是哪一个人，并与身份信息数据库中的信息进行匹配输出验证结果。2.1.3人脸特征提取与识别方法人脸自动识别系统包括两个主要的技术环节，首先是人脸的检测与定位，即从输入图像中找到人脸，即人脸存在的位置，将人脸从背景中分割出来，然后再对标准化后的人脸图像进行特征提取和识别。由于检测与识别两个环节的独立性很强，一般将二者分离开来，分别加以研究。下面介绍一些常用的人脸特征提取与识别方法。1)基于几何特征的方法人脸由眼睛、鼻子、嘴、下巴等部件构成，对这些部件和结构关系的几何描述，可作为识别人脸的重要特征。这类方法也有不少，如基于面部几何特征点提取方法，该方法是利用特征点构造出人脸的特征向量，这些特征向量具有位置、视点、大小等不变性，例如Kanade用眼角、嘴角等点之间的距离以及所成的角这些几何量作为人脸的特征。Yullle提出了用全局人脸模板以抽取眼睛与嘴。另一种方法是根据曲率进行识别，首先根据人脸的轮廓线曲率线建立一个分类库，然后在识别人脸时，计算人脸的轮廓线曲率线与分类库中曲率线的相关函数，将人脸进行分类。基于几何特征的方法提取过程中过多的依赖于先验知识，通常需要与其他算法结合才能有比较好的效果。2)基于统计的方法将一幅人脸图像看成一个矩阵，通过作矩阵变换或线性投影，可以抽取人脸的统计特征，这是一种基于整体的思想，把人脸整个图像看作一个模式进行识别。Kirby和sirovich提出了用K-L变换的方法来表征人脸，Turk和Pentland在K-L变换和主成分分析的基础上提出了特征脸(Eigenfaees)方法。特征脸的基本思想是将图像经过KL变换后由高维向量转换为低维向量，并形成低维线性向量空间，人脸投影到这个低维空间所得到的投影作为识别的特征矢量。所有子空间的正交基就是特征脸。特征脸方法的不足之处是受表情变化、光照角度强度变化和视角变化等严重影响，鲁棒性较差。Fisherfaces法采用线性判别分析，是对特征脸法的一种改进。奇异值分解法是与K-L类似的特征提取方法。在某种程度上，奇异值特征具有代数和几何上的双重稳定性。3)弹性图匹配102
生物特征识别技术弹性图匹配方法在二维空间中为人脸建立属性拓扑图，图中的边表示人脸各器官之间的拓扑结构，它对于人脸变形具有一定的容忍度，图中的每个顶点表示一个特征向量，用来记录人脸在该顶点附近的特征信息，然后利用弹性匹配法将库中人脸和待识别人脸的弹性图进行匹配，找到匹配程度最高的一个人脸图像。基于小波变换的弹性图匹配方法对人脸较小角度的旋转以及光照改变等都有较好的容忍性，但是与特征脸识别方法相比识别速度较慢。4)神经网络方法神经网络在模式识别领域应用十分广泛。它通过对样本的学习构造分类器，并且对分类器进行训练，最后利用分类器完成仿真分类。用于人脸识别的神经网络方法可训练有较强噪声和部分缺损的图像，这种非线性方法有时比线性方法更有效。最早应用神经网络进行人脸识别工作的是Kohonen，利用网络的联想能力回忆人脸，当输入图像噪音很多或部分图像丢失时，也能回忆出准确的人脸；Demers等提出采用PCA方法提取人脸图像特征，用自相关神经网络进一步压缩特征，最后采用一个MLP来实现人脸识别。Lawrence等通过一个多级的SOM，实现样本的聚类，将卷积神经网络CNN用于人脸识别。CNN利用了每个象素及其相邻象素之间的相关性，对图像的平移旋转和变形具有一定的鲁棒性。目前常用的人工神经网络方法是BP神经网络、自组织神经网络、径向基函数神经网络等。基于人工神经网络识别方法的不足之处是要求训练样本比较充分才能得到较好的识别效果，否则，在光照改变、尺度改变以及小的形变等情况下都不能很好地识别。5)支持向量机(SVM)方法支持向量机(SupportVectorMachine，SVM)是一种基于统计模型的方法，是统计学习理论中最年轻的部分，其主要内容在1992年到1995年间才基本完成，目前仍处在不断发展阶段。支持向量机是最近几年在模式识别领域公认的一种推广性能很好的分类器，它在人脸检测和识别的时候可以取得较好的效果，但是其速度和内存开销很大。支持向量机的基本思想是首先通过非线性变换将输入空间变换到一个高维空间，然后在这个高维空间中求得最优线性分类面，求出输入模式与所得的最优线性分类面的距离，实现对未知样本的分类，这种算法的错误率最小。这是一种通用机器算法，支持向量机求得的分类函数在形式上类似于神经网络，但是它克服了神经网络方法容易陷入局部最小的缺点。6)隐马尔可夫模型法(HMM)隐马尔可夫模型(HiddenMarkov102
生物特征识别技术Model，HMM)在语音领域应用很广泛，在文字识别方面也取得了较好的效果，目前在人脸识别方面也得到了广泛的应用。HMM通过参数化的随机过程来标定模式，这些参数可以精确的求解。在一般的模式识别的时候，HMM首先要决定大量的隐含状态，然后形成一个模式，最后通过训练来调整模型的参数，使训练数据的观察概率最大化。在训练的时候，输出的观察概率决定了它属于哪一类。显然，人脸的模式可以通过前额、眼睛、鼻子、嘴和下巴几个区域组成。因此，人脸的模式可通过一个有序地观察(比如从上到下等)，这样人脸的模式就可以通过连续密度HMM的状态来关联。HMM能提取人脸的主要特征并对姿态和环境的变化具有较好鲁棒性，在识别率上也取得了较好的效果。2.1.4人脸识别的特点人脸识别的优点：(1)其他生物特征识别方法都需要一些人的行为配合，而人脸识别不需要被动配合，用户不需要和设备直接的接触，可以用在某些隐蔽场合；(2)可远距离采集人脸；(3)充分利用已有的人脸数据库资源，更直观、更方便地核查该人身份。人脸识别的缺点：(1)只有比较高级的摄像头才可以有效高速的捕捉面部图像；(2)人脸识别受周围环境的影响较大。使用者面部的位置与周围的光环境都可能影响系统的精确性；(3)大部分研究生物识别的人都公认面部识别是最不准确的，也是最容易被欺骗的，人脸的差异性并不明显，误识率可能较高。例如，它无法分辨出双胞胎或三胞胎，无法认出理完发的用户，也无法辨认出戴眼镜与不戴眼镜的同一个人；(4)面部识别技术的改进依赖于提取特征与比对技术的提高，并且采集图像的设备会比其技术昂贵得多；(5)人脸特征的持久性差。对于因人体面部的如头发，饰物，变老以及其他的变化可能需要通过人工智能来得到补偿，机器学习功能必须不断地将以前得到的图像和现在的得到的进行比对，以改进核心数据和弥补微小的差别；(6)人脸的表情丰富多彩；(7)很难进一步降低它的成本，我们必需以昂贵的费用去购买高质量的设备。2.1.5人脸识别应用领域经过近几十年的研究和发展，人脸识别技术得到了巨大的发展，在心理学、神经科学、模式识别和计算机视觉等方面涌现出大量的成果，具有广泛的应用前景。人脸识别较早和主要的应用是法律执行部门，尤其是嫌疑犯照片的认证，以及身份证、驾驶执照、护照等的识别。在商业和民用领域，包括各类银行卡的持卡人，社会保险人的身份验证以及仓库、机场、车场、住宅小区的管理等。102
生物特征识别技术在计算机应用领域，人脸识别将有助于建立友好的人机界面，增加系统的安全性，在互联网的资料检索、数据挖掘等方面有着广泛的应用，MPEG7标准组织己经建立了人脸识别草案小组，人脸检测算法是其中征集的内容。将来在家庭娱乐领域也具有一些有趣有益的应用，比如能够识别主人身份的智能玩具、家政机器人，具有真实面像的虚拟游戏玩家等等。这些广泛的应用需求，有力地推动着人脸识别技术的发展。美国南加州大学和德国宝深大学开发了一套称为“Mugshot”的电脑软件，它把要找的人的面貌先扫描并储存在电脑里，然后通过电脑的“眼睛”――摄像机在流动的人群中，自动寻找并分析影像，从而辨认出那些已经储存在电脑中的人的脸孔。澳大利亚科学及工业研究组织（CSIRO）的科学家研制出一套自动化脸孔辨认系统，可以从储存的智能卡或者电脑资料库中调出事先储存的人脸图像，和真人的脸孔进行比较，在半秒之内，辨认出这个人的身份。这套系统采用的只是普通的个人电脑和一个普通摄像机作为硬件。科学家指出，这套系統的精确度达95％，假如再加上一套声音辨认系统，可以把精确度提高至更高的水平。一种新的面部识别技术正在英国伦敦的几家大型商场进行试用。这种面部识别技术通过摄像机扫描繁忙购物中心的人流，所有路过者的面部同时还被转换成数字代码，并由电脑进行处理。如果收集到的面部代码和电脑中事先存储的几十个当地罪犯相吻合，警报声就会在控制中心响起，管理人员将复查电脑的发现并通知警方。面部识别可以用在办公室大门和电梯中，它是企业级的解决方案。美国的佩罗尔先生牌支票兑付机装有面部识别系统，使用方便，台湾星创科技推出的“FACEON2000”面部识别系统，使用者可以结合个人电脑、摄影仪，自行制作专属的身份档案，而由于采用的是独特的特征识别技术，即使未来变胖、变瘦，换了发型，甚至可以戴上眼镜伪装，仍然能够被识别出来。2.2指纹识别102
生物特征识别技术指纹识别是指指尖表面纹路的脊谷分布模式识别，这种脊谷分布模式是由皮肤表面细胞死亡、角化、在皮肤表面积累形成的。人的指纹特征是与生俱来的，在胎儿时期就已经决定了。人们己对自动指纹识别技术作了深入广泛的研究。人类使用指纹作为身份识别的手段已经有很长的历史，使用指纹识别身份的合法性也己得到广泛的认可。指纹识别技术是指利用计算机进行的指纹自动识别的技术，它是一项综合技术，其研究发展涉及到多个前沿及边缘科学，如模糊数学、数学形态学、神经网络、模式识别、计算机视觉、人工智能、数据压缩、并行处理以及网络技术等。从指纹采集方式看，基本可以分为三类：捺印指纹、模糊指纹和活体指纹。捺印指纹指的是将沾了印墨的手指按压在某种东西(通常是纸)上所留下的指纹痕迹，过去通常采用的都是这种采集方式，直到今天，这种方式仍然是指纹采集的主要手段之一。模糊指纹一般是指犯罪现场采集到的指纹。根据录入原理的不同，活体指纹录入仪可分为光反射式、超声反射式、热敏式以及电容式几种。根据采集时指头是否与录入仪器接触，又可分为接触式和非接触式。根据是否可以滚动采集指纹又可分为滚动指纹录入仪和非滚动指纹录入仪。以光反射式为例说明，这种技术的原理是通过指纹扫描仪上的光电识别器(摄像头)对人指尖的卷状和涡状纹理进行扫描。计算机把特定的隆起部位的位置制成表并记录下来，形成一个对每一个人来说都是唯一的压痕模式，然后存入计算机指纹数据库。计算机指纹扫描仪能够区分人的手指与伪造的指纹：如蜡制的手指或橡胶手套上的指纹，这是由于对人的手指其扫描仪传感系统能分辨出血液的流动情况、血压等信息。当进行身份认证时，指纹自动识别系统会将现场通过指纹扫描仪收集到的指纹经软件系统与数据库的指纹相对照而进行确认，对主流机型只需2秒以内的时间。由于两个人拥有完全相同指纹的概率估计少于10亿分之一，因此识别率极高。2.2.1指纹识别的发展历史早在1880年英国人亨利·福兹（HenryFaulds）就提出了用指纹识别系统识别罪犯。到20世纪70年代，由于计算机的广泛应用和模式识别理论的发展，人们已开始研究使用计算机进行指纹的自动识别。目前世界各国都在争相研究和开发实用指纹识别系统。到20世纪70年代末，一些实用系统已经出现。据报道：70年代末加拿大警方首次应用激光进行指纹检验，日本立石电机公司80年代研制出了指纹核对机；美国人福勒80年代设计出了电子指纹检验系统，日本NBC在1982年首次向警方提供AFIS自动指纹识别系统，比利时刑事鉴定局在1990年开始使用AFIS；瑞士一公司研制成功指纹码智能卡；日本蝶理株式会社推出出入口指纹识别器；在英国政府的重要部门，指纹识别仪己被广泛采用；102
生物特征识别技术在澳大利亚，指纹识别仪己被广泛用在ATM机上；在美国，除军事设施外，五角大楼、政府实验室、银行、监狱和商业部门也广泛使用了自动指纹识别系统；1996年在美国亚特兰大奥运村的第26届奥运会上己广泛采用了指纹自动识别系统。目前世界上约有30家公司在为新的指纹识别系统而工作。在我国青岛，警方在50年代就采用了指纹识别系统识别罪犯，进入90年代，我国指纹识别系统的应用发展迅速，深圳攀登电子有限公司研制了活体指纹身份识别系统；深圳红光奥康光电有限公司推出自动指纹识别监控器；西安交大、清华大学、北京大学等纷纷推出指纹自动识别系统，北京大学与上海、珠海公安局合作建立了大容量指纹自动识别系统，在1995年应用该系统破案均超过120起，该系统己被国内近10个城市的公安部门选用；深圳深安计算机集成制造技术有限公司推出的指纹密码识别系统可对指纹、手指三维、手指血管造影同时控制；清华大学自动化系在1996年推出了指纹身份验证系统。2.2.2指纹识别系统的现状指纹自动识别系统是集计算机、网络、光电技术、图像处理、智能卡、数据库技术等于一体的综合高技术。目前的指纹自动识别系统是采用先进的光电识别办法采集一个指纹信息，并把它变成可以和已由计算机处理过的暗码相比对的代码。这些代码都经过加密处理，然后经独特的相关算法进行识别判断，在算法上有的采用是一个指纹的全部图案，而有的是指纹的特殊细节。根据已掌握的报道资料来看，目前的自动指纹识别系统已具有如下特点：(1)可靠性：采用独特的容错技术，即使指纹有破坏，即指纹不全或指纹随时间有自然的变化时也不影响正确识别。(2)快捷性：大多数系统鉴别时间仅需1~3S，登录注册一个新客户只需1分钟的时间。(3)灵活性：一个指纹信息的代码可以压缩到几十个字节到几百个字节，因此可以存放在一个磁条上或者一张二维条码卡上或者IC卡上，甚至几个指纹代码可以存在一张智能卡上。当然，成千上万的代码可以存放在本地或网络化数据库中，这样，代码可以沿网络迅速传输。因而可以灵活的构成各类系统，即可以独立使用或集成到一个大范围的出入口控制或者安全处理系统：如证卡存档识别系统中。(4)可接受性：一个因素是目前的系统具有高性能；另一个因素是目前的系统设计已考虑到人类工程学设计，因而易被用户接受。(5)安全性：102
生物特征识别技术所有个人代码都经过了特殊加密。通过所存储的代码不可能复原源指纹，彻底避免了指纹冒用。因此即使证卡丢失，也不存在安全问题。(6)方便性：目前出现的各类指纹识别系统一般外观设计精巧、结实，采用了精密独特的光电系统，具有全程液晶提示，备有多种安装模式。(7)兼容性：可以与现有的各类系统兼容，可实现全自动化的识别。(8)实时性，可实现完整的跟踪、实时报警功能。正是由于目前已经开发出了具有如上特点的指纹识别技术。因此以此为基础的个人识别技术，即证卡、代码、指纹的综合动态模式组合，将可以对不同的应用场所提供不同的安全等级。指纹识别技术的缺点主要表现为某些人或某些群体的指纹因为指纹特征很少，故而很难成像。此外，由于现在的指纹鉴别技术都可不存储任何含有指纹图像的数据，而只是存储从指纹中得到的加密的指纹特征数据；每一次的使用指纹时都会在指纹采集头上留下用户的指纹印痕，而这些指纹痕迹存在被用来复制指纹的可能性。迄今为止，自动指纹识别技术的研究虽然已经取得了很大的成绩，但同时也面临一些严重的困难：(l)指纹采集技术有待提高就实际应用来讲，目前的活体指纹采集设备还不能很好地满足需要。这己经成为制约自动指纹识别技术发展的一个瓶颈。主要表现在：1.对被采集指纹的适应性差—在指头较湿、较干、较脏或磨损较为严重时，采集的指纹质量往往不能让人满意。虽然可以通过指纹增强等技术提高指纹的质量，但这不可能从根本上解决问题。毕竟清晰的指纹图像是正确实现自动指纹识别的前提和保障。2.指纹采集时的变形问题至今没有得到很好的解决。指头是一个柔性体，尤其在使用平板窗口的采集设备进行指纹采集时，每次采集用力大小、用力方向和采集位置都会有所不同，造成指纹的各种变形，使指纹特征点的相对位置发生较大偏移，从而很难对各个特征点做到精确定位。另外，指头表面是一个三维曲面，而获取更为主要的是，以上因素造成的指纹变形往往是不确定的，很难用确定的数学模型去描述，这给后继的指纹比对造成了严重的干扰。(2)指纹分类技术有待突破102
生物特征识别技术对于工作在验证模式下的自动指纹识别系统，指纹分类技术并不是一个问题。但对于工作在辨识模式下的系统，指纹分类技术的研究水平则至关重要。指纹分类技术越完善，能够划分的类型越细，样本数据库每个类别中所包含的样本数量就会越少，对一次识别任务来讲，需要比对的次数和时间开销就会越少。按照现行的分类标准，将指纹分成四类、五类或六类还是远远不够的。现在，较好的指纹分类算法，将指纹分为五类和四类的准确率分别也只有87.50%和92.30%，而这样的分类结果还远不能满足实际应用的需要。(3)指纹预处理及匹配算法有待加强目前存在的指纹增强算法主要存在以下几个问题：分割算法过于武断，一般分割算法不考虑上下文问题，只是根据实际图像分块后得到的判断参数直接进行图像分割，这样很容易造成在前景图像中由于小部分不清晰而被判断为背景的情况，虽然该部分指纹图像不能有效提取特征点，但若去除，将对后续处理产生严重影响：细节点编码彼此互不兼容，目前，在细节点编码过程中，除了编码过程中都需要的坐标等小部分公共信息，其余信息往往根据自己系统的需要来进行提取，如周围细节点数，与中心点的夹角等，这样非常不利于系统的升级和扩展，对数据库的扩展也有很大的限制，不利于整个指纹识别研究的发展。自动指纹识别技术并未完善，还有大量的工作要做，要使系统性能完全满足各种应用的需求，还有很长的路要走。目前，困扰自动指纹识别的主要障碍有以下几种：一、缺乏统一的行业标准和评价方法。尽管在商业领域已经有很多产品问世，也声称达到了较高的技术水平，但是在自动指纹识别系统领域始终缺乏一个权威而统一的行业标准。在中国，指纹识别行业到现在还没有一个相应的行业标准。现在一些国际组织已经开始制定一些标准，以推动指纹技术更广泛的开展应用。典型的如BioAPIConsortium，它已经制定了一些有关的标准(生物特征识别技术的应用开发接口标准，BioAPI)，以推动生物特征验证技术在计算机操作系统、网络和电子商务等方面的应用。但对于各种算法及其不同环节所进行评价的体系还远不完善。比如对于增强方法评价的优良指数(GoodnessIndex，GI)是Hong在1998年提出的，依赖于指纹专家的主观参与，此后也没有其他文献提出过更好的评价方法。二、活体指纹传感器带来的图像误差。一般活体指纹采集都要求使用者把手指放在传感器表面采用接触测量的方法，这就会因为皮肤本身的弹性使生成的二维图像发生形变，senior和Bayesian在2001年将指纹纹线的间距归一化为常数，试图解决弹性变形问题。Bazen和Gerez提出了thin-platesplines(TPS)模型试图解决形变的问题，Ross，Dassb，Jain也在2005年提出基于(TPS)的平均形变模型，但目前尚无特别有效的方法。加之，随着传感器面积的减小，用户每次指纹捺印的重叠部分可能就会很少，另外，活体指纹传感器受外界的干扰如静电、强光等影响比较大，有时会产生较强噪声，严重时，甚至无法采集指纹。因此，指纹识别不像其他一些如钥匙、密码等传统的识别方法，即每次的输入和输出都有完全的对应关系。102
生物特征识别技术三、由于传感器的差别，以及手指的干湿，年龄，工作方式的差别，导致相当一部分人群采集到的指纹属于劣质指纹图像，特别是老人和体力劳动者。目前的指纹识别算法中，对于预处理的依赖程度很高，而对于劣质指纹图像的预处理一直是一个难点。因此国际指纹大赛(FVC)中所提供的指纹库中，劣质指纹的比例逐年增加，特别是FVC2004-DB中的劣质指纹。体现了对指纹预处理近乎苛刻的严格要求。在我国，体力劳动者的比例相当高，而且随着人口老龄化的到来，自动指纹识别算法的抗干扰能力将遇到强烈的挑战。目前指纹算法论文中，涉及指纹预处理的算法的文献是所占比例最多的文献之一，从Gorman在1989年提出的一种有效的指纹预处理方法后，指纹预处理的文献层出不穷，国内外学者做了大量研究工作，也提出了许多有价值的方法，(如Hong在1998年提出的基于Cabor滤波器的指纹增强方法等，但目前而言，没有一种方法能够真正解决劣质指纹的问题，增强处理的结果与人对残缺指纹纹线的推断能力还有相当大的距离。四、缺乏高速准确的匹配算法。指纹的匹配一直是自动指纹识别系统中的重点和难点，目前所有方法都是基于美国FBI提出的点模式匹配，由指纹图像中提取的特征点(也叫细节点)构成点集，每个点的描述由坐标，类型和方向构成向量，进行匹配。由于旋转，平移和指纹柔性形变，导致点群之间相对位置发生变化，另一方面，由于图像的不同质量，所提取到的特征点存在增加和减少以及伪特征点的干扰，导致点集的“对齐”过程非常困难，进而影响匹配的精度，造成拒识和误识。尤其是当传感器面积较小，导致无法准确分类的情况下，匹配的速度和准确性会受到非常大的影响。大量学者对指纹的匹配作了研究，Jain，Hong在1997所提出的基于点的极坐标距离串之间的匹配为基础，克服了旋转平移的影响，成为了目前各种匹配方法的基础。但基于点的描述没有和指纹本身的结构特征相联系，导致匹配出现大量的遍历，效率低。Jiang，Jain，Tico，和wang等人分别引入了局部特征点结构，特征点纹线结构，局部方向场，以及细节点编码等结构信息对特征点进行了描述，在某种程度上提高了匹配的效率，但是，指纹的局部结构的相似性极大抑止了以上结构描述的区分度，阻碍了匹配效率的提高。2.2.3指纹识别技术的市场及应用前景指纹识别芯片：Thomson-CSF专用半导体公司制造的指纹识别芯片，利用了热成像技术。只要把手指从计算机芯片上掠过，该芯片就能读取手指上的热图像，从而产生三幅指纹图。同样，朗讯技术公司的子公司Veridicom公司制造的一种芯片，是利用数千只感应电容，来感应手指发出的电荷，而产生一幅指纹图。102
生物特征识别技术由西门子公司开发的指尖传感器，满足了低制造成本的要求，这是广泛应用生物识别手段的前提。开发该项新传感技术的多功能工作组包括了来自公司总部和奥地利分部的多方面的科学家、开发家和市场营销专家，通过集中西门子公司的全部技术专长，该工作组在短短7个月时间里就研制出该系统的第一套模型。西门子公司广泛的业务范围（包括半导体、信息和通信、计算机、汽车系统等），使该项新传感技术的应用前景非常光明。据估计，到2003年，此类传感系统的市场销售额将达到20～30亿德国马克，总产量有望达到1～1.5亿套。指纹鼠标：德国电子巨人西门子，在亚洲电信2000展上推出了一款名叫“IDMouse”的鼠标，使用者可以驱动鼠标从PC或者笔记本电脑中得到信息。通过轻敲位于鼠标上端的指尖传感器，鼠标驱动查找已经被输入PC系统的模块并进行对比。一旦指纹被识别，使用者就可以启动PC的操作系统。为了安全起见，如果长时间不动鼠标，它将自动启动屏幕保护程序，直到使用者再次触摸ID鼠标为止。这个鼠标在0.25平方英寸的触摸芯片上有65000个传感系统，可以捕捉指纹的细节。这个系统非常灵敏，甚至用户的手有伤口它都能准确的辨别出来。加拿大多伦多的INGDirect公司是个有三年历史的在线金融服务机构，该公司决定采用指纹鉴别技术来确认用户的身份，INGDirect公司的用户不需要用纸、笔，他们只是坐在家里利用PC机完成认证过程；认证的关键在于一种由SecuGenCorp公司出品的特殊鼠标上，这种鼠标在按键中装有一个内置的指纹扫描仪，对新装备有特殊爱好的用户也可以尝试另一种新型的鼠标，它的形状是一个小棍子，同样装有指纹扫描仪。将这种鼠标与安全软件结合在一起使用，用户就可以建立自己识别的标志，进入自己的银行账户。INGDirect公司在2000年年初在7个国家内为自己的500余名日本用户配置了生物鼠标，同时加强了宣传和引导力量。指纹手机：网络时代日新月异的新技术，赋予了小小的手机太多的内容：打电话，上网浏览，甚至购物和中央控制，所以仅靠手机本身的密码和SIM卡锁，是不能保障用户的安全的，试想一旦利用手机购物，可能你的个人资料和信用卡资料将保存在手机中，一旦手机丢失或者被盗用，后果将十分严重．所以不少手机厂商在集成各种功能的同时，也在手机安全性上大作文章，最新的技术是个人指纹识别。最早的指纹识别手机是1998年西门子推出的SL10手机，其将"Fingertip"指纹辨认技术移植在SL10上作模拟试用。手机机身前面及后面都装有一个跟SIM102
生物特征识别技术卡大小相若的金属片指纹感应器。机主除可预先输入本身的指纹样本，更可加入最多59个其他使用者的指纹。而"其他使用者"须经机主指纹作授权，方能将指纹记录在案，并且每位用家都有个别的使用权限。此外，每个使用者最多可储存10只手指指纹，每只手指最多可储存60个指纹样本。现在，西门子指纹手机的在细小如SIM卡指纹感应器上集成了六万五千个微型感应器，侦察指纹速度可达每秒百分之一毫米。南韩一家名为Pass21的公司，以三星的SGH-A100样本机，成功示范了一次指纹手机的转帐服务。该手机暂定名为Pass-Phone，以指纹代替传统的数字密码，在手机上作银行转帐。此外，手机更可凭指纹认证，上网作购物及收发电子邮件的通行许可，防止黑客攻击。三菱也宣布推出指纹手机。手机内同样装有金属感应器式的指纹辨认装置，相比旧式的密码或IC卡辨认率，指纹辨认的错误机率不到0.1%。法国Sagem也在2000年电信展中，展出一款指纹手机，名为MC959ID，在电池背面装嵌有指纹感应器。指纹识别的汽车：西门子公司研制出了有指纹识别技术的汽车，采用了此项技术的汽车不仅门锁装置不再需要钥匙，同时还具有根据指纹及预储的信息，自动调整汽车驾驶员的座椅高度、前后距离，各个反光镜位置及自动接通车载电话等功能。PC身份验证设备：Sony公司发行了一种新型的指纹鉴定设备，这个系统在设计上超过了以往的密码式安全鉴定系统和现有的其他高级安全模式。Sony公司的这款FIU-700指纹鉴定设备和信用卡差不多大小，它通过检验用户的指纹来判定是否准许用户进入网络，计算机或者是其他独立的应用程序。这个附加的设备是通过USB端口连接到计算机上的，同时它还可以在Windows98或者是Windows2000界面下工作。其设计主要着眼于一些需要高级保护的部门，包括在电子商务，医疗保健，法律公司以及防务部门中使用；并且，还将扩大到更多的应用中，特别是在电子商务，互联网和保险等领域。自动指纹识别系统有着极其广阔的应用前景。众所周知，指纹识别最早是在罪犯鉴别中应用。它对于提高侦破手段、震慑罪犯、打击刑事犯罪起到了重要作用。著名的例子是1982年西德警方使用激光指纹检验方法，给隐藏了四十多年的一名葡萄牙纳粹法西斯分子定罪，从此激光指纹检验因其神奇特点而声名大振。根据目前的了解，AFI的其它适用场所为：政府各类机要部门(例如档案馆(室)、机要室)、国家重点实验室及生产重地、机场、军事要地(例如基地、仓库)、重要军事装备或关键设备的启动控制、银行金库、金融系统、代保管库、博物馆、珍宝馆、高级住宅、高级宾馆等重要门禁或入口控制、汽车门锁等。除此之外，另一大潜在应用前景是：102
生物特征识别技术自动取款机((ATM)、信用卡、驾驶执照、身份证、医疗健康卡、移民登记、计算机系统安全、机械登记等方面。由于指纹识别技术的诸多优点，可以预料，一方面指纹识别系统将会在一切需要验证身份的场所发挥越来越重要的作用，其应用领域将会进一步拓宽；另一方面，由于市场的推动，指纹识别技术也会不断提高，在其识别可靠性、速度、成本等方面进一步朝实用化迈进。2.3虹膜识别2.3.1虹膜作为身份识别的可靠性眼睛的外观图由瞳孔、虹膜、巩膜三部分构成。眼睛中心颜色最深的圆形部分是瞳孔，约占5%；眼球外围的白色部分是巩膜，约占眼睛的30%；虹膜位于瞳孔和巩膜之间的圆环形部分，它包含有丰富的纹理信息，约占眼睛总面积的65%。瞳孔随着入射光线强度的变化会收缩、扩张，引起虹膜的变化，是虹膜组织具有活体组织的显著特征。图2.4眼睛外观图图2.5虹膜纹理结构图虹膜与巩膜、瞳孔的边界均近似为圆形，是图像匹配可以利用的重要几何信息。虹膜表面高低不平，形貌高度细节化，有皱褶和隐窝。近瞳孔处的皱褶特别显著，称领状韧带，它是虹膜小动脉环的位置标志。领状韧带将虹膜分为了瞳孔区和睫状区两部分。睫状区靠近领状韧带的部分最光滑，内有与瞳孔为同心圆的收缩沟，当瞳孔扩大时最显著；靠近睫状体的区域为筛状区，内有睫状体小坑。虹膜在妊娠3个月的时候开始形成，整体结构在8个月的时候创建，大概在2-3岁的时候稳定。目前医学、遗传学理论认为，正常情况下，虹膜具有终身不变的稳定性。虹膜结构对每个人都是唯一的，并且它不随年龄的变化而变化，这种说法主要有两个根据。102
生物特征识别技术(l)来源于临床观察。在对大量的眼睛进行观察的过程中，眼科专家和解剖专家们注意到，虹膜是具有很高独特性的复杂模式，孪生子的虹膜，甚至同一个人的左右眼都完全不同。此外，在重复观测的情况下虹膜模式看上去变化很小，至少在孩童时期以后是这样的。(2)来源于发育生物学。研究发现当虹膜的总体结构由遗传确定以后，虹膜的细节关键取决于环境条件，比如虹膜胚胎期母体的初始条件。因此，虹膜极不可能通过自然事物发展过程来进行复制。虹膜发育的过程也极少会有走样情况发生。至于虹膜随人年龄变化而稳定不变的问题，同样也可以在进化生物学中找到依据。虹膜的某些部分(例如脉管系统)大部分是在出生的时候就己经形成了，而其他部分(例如肌肉组织)到大约两岁左右才发育完全，色素沉着模式的形成将一直持续到青春期。同时，个人平均的瞳孔大小在青春期之前也将稍有增加。青春期以后，健康的虹膜在一个人一生中剩下的时间变化很小。在人老年的时候，虹膜褪色后瞳孔的平均开度缩小则是正常现象。眼睛的各种疾病可能会彻底改变虹膜的外观，眼睛完全暴露在某种环境污染物(例如金属)之下，这样也会改变虹膜的色素沉着。但是，这些情况是极少发生的。总的说来，这些证据都表明虹膜是非常独特的，而且更为典型的是，孩童时期以后它是稳定不变的。从生物测定学的观点来看虹膜的另一个让人感兴趣的方面是虹膜一刻不停的运动状态。这种运动状态具有潜在的价值，通过对它的检测就可以知道正在被使用的虹膜是否是一个活体的样本。此外，因为虹膜收缩时间的数量级为几百毫秒，因此虹膜对外加照明情况的变化反应非常迅速，所以通过检测虹膜对受控照明情况的反应也可得到相似的证据。总结起来以下特性使得虹膜非常适合用作高可信度的身份识别系统：(l)虹膜的纹理信息丰富，且纹理信息具有高随机性；(2)天然的被保护特性；它固有的与外部环境隔绝的特性使它免受外部环境的伤害，从而大大减小了因为外伤破坏而无法进行虹膜识别的情况发生；(3)高防伪性：除非冒着极大的失明危险，否则通过手术来改变虹膜结构是几乎不可能的；(4)可进行活体检测：瞳孔的缩放使虹膜组织具有活体组织的显著特征；(5)非接触性：在识别的过程中，获取虹膜图像非常容易，不需要和被识别者物理接触，更不会造成物理损害；2.3.2虹膜识别技术的历史与现状最早记载用虹膜识别作为身份检测的历史可以追溯到1885年，巴黎刑罚系统中用肉眼查看囚犯的虹膜(特别是颜色的图样)。1936年眼科医生Frank102
生物特征识别技术Burch最先提出利用虹膜纹理来识别身份的想法。1987年两位眼科专家AranSafir和LeonardFlom首次提出了利用虹膜图像进行自动虹膜识别的概念，并申请了专利，但是他们并没有开发出一个实际的应用系统。1991年，美国洛斯阿拉莫斯国家实验室的Johnson实现了一个自动虹膜识别系统，这是有文献记载的最早的一个应用系统。1993年，JohnDaugman实现了一个高性能的虹膜识别原型系统。1994年Daugman为他的发明申请了专利，该算法是当今世界上所有商用虹膜识别系统的理论基础。1996年，RichardP.Wildles独立开发了自己的专利的虹膜识别算法，但他的方法主要是实验研究，没有投入商业应用。W.W.Boles也提出了一种小波变换的过零点的算法，但他的实验数据没有前面的两个的充分，也只是在研究阶段。目前，世界发达国家己经逐步的开展了虹膜识别的商品化过程。美国是虹膜识别最先研究的国家，其成型的产品已经应用在飞机场，金融部门等领域。在2000年中期，美国专为航空公司飞行员、机组服务人员和机场职工设计的“虹膜通行证”开始在机场启用，这是该技术在全球航空公司和机场首次得到正式应用。IBM公司的虹膜扫描技术的安检系统于2001年10月在阿姆斯特丹机场投入使用，辅助荷兰边境警察进行身份鉴定和出入境检查。为防恐怖分子渗透，美国2002年6月起发放具有生物识别技术的高科技签证。美国新泽西的虹膜技术公司研制的新型安全眼“一眼看穿”可以对每个人的眼睛中的虹膜加以记录识别，准确率达到百分之百。其执行总裁比尔.沃特莫指出，一组代码大约只有512字节，非常易于在“智能卡”这样的小型内存中存储。目前这一系统正在美国的六个主要机场进行识别检测。英国电讯有限公司早在1997年就发明了一种用于捕获眼睛图像的手持图像获取和图像传输装置。维珍大西洋航空公司和EyeTicket公司己经进行一次突破性的试验，在伦敦希思罗机场采用Jetstream(TM)虹膜识别技术加快航空公司的护照检查。英国最大的房屋建筑公司(Nationwide)己经在该公司的建筑街面墙内自动取款机上使用虹膜图像个人识别技术，用户插卡以后，无论白天、黑夜或用户是否戴普通(深色镜片除外)或者隐形眼镜，均可以摄取准确的虹膜图像，并与存储的比较、核对身份，如确认用户可以进行下一步操作、提取现金。美国的Sensar公司认为，该系统可以检查眼睛是否颤动，故可以判定机器前面的是死人或者照片，以防冒领者。日本冲电气工业公司开发研制了虹膜识别产品。在1998年2月长野冬奥会滑雪射击比赛项目的枪支管理室上进行了试用，通过对600多名选手的进出进行识别，取得了圆满成功。以消费者为主要服务对象的金融公司武富士，1999年3102
生物特征识别技术月开始在东京神田店的现金自动存取机上使用虹膜认证系统。在该店签约者中有近半数的人进行了虹膜登记，试用结果未出现特别故障。武富士今年夏天又把这一技术推广到大阪、名古屋的6个店铺。据说，登记时间只需1分钟，使用时只要2秒钟。这种方法可防止第三者的盗用、伪造，同时也省却了忘记密码的烦恼。除此之外，还有日本冲电气公司开发出的IRISPASS虹膜识别门禁系统和西门子的眼球虹膜监控系统等等。自动收款机：美国NCR公司制造的“明星”终端机利用了先进的虹膜生物识别技术，它还能够通过红外信号同笔记本电脑和移动电话进行通讯，并可以向你的电脑实时传送所需的数据。要启动这个系统，只要进入工作间，把双脚放到带有压力传感器的脚踏板上，让系统仔细观察好自己的眼睛。一旦发现你的虹膜与所存储的虹膜相符，“明星”就会呼叫你的名字，开始自动启动你经常要求的操作，这是因为在巨大的档案库里存储了每位客户提出过的种种要求。这种新型自动提款机已经在加拿大的皇家银行试用了。国内在虹膜识别方面的研究起步较晚，目前见到的成果主要是算法的探讨以及用现有的算法或改进的算法加以简单的实现，少见有产品得到应用，与国外有较大的差距。2.3.3虹膜识别特点及存在的问题虹膜具有唯一性并终生不变。虹膜的纹路人与人互不相同，即使是同一个人他的左右眼虹膜也是不一样的。虹膜隔离于外部环境而且不能通过手术修改。实验表明其识别精度甚至超过了DNA。据推算，两个人虹膜相同的概率是1/100000，这使得虹膜身份认证的技术效果非常可靠稳定。从理论上讲，虹膜的这些特性使得虹膜识别技术可以成为防伪性能最好的生物识别手段。这一技术在身份识别中简单、有效，它极有潜力成为将来生物识别技术的主流。目前，国外的一些公司推出了基于虹膜识别的商用系统样机，并在小范围内试用，但还远远未达到真正的实用程度。虹膜识别技术的优点：(l)精确度高；(2)建库和识别的速度快；(3)无需人工干预；(4)便于用户使用，用户位于设备之前而无需物理接触。缺点：(l)没有进行过任何的测试，当前的虹膜识别系统只是用统计学原理进行小规模的试验，没有进行过现实世界的唯一性认证的试验；(2)很难将图像获取设备的尺寸小型化，因为聚焦的要求，需要昂贵的摄像头，一个这样的摄像头的最低报价为4000美元；(3)镜头可能会使图像畸变导致可靠性大幅度降低；(4)黑色眼睛极难读取，所以需要一个比较好的光源；(5)对于盲人和眼疾患者虹膜技术无能为力。102
生物特征识别技术虹膜识别作为一种崭新的技术，虽然引起国内、外的高度注意，但是还有很多问题困扰着虹膜识别技术的应用，其主要表现为：①虹膜自动采集的评价和自动采集技术。如何完成虹膜采集的自动性以及完成虹膜质量的完美控制，使采集的图像到达处理的需要。②虹膜特征的提取方法以及虹膜特征如何表示，寻找有效的虹膜纹理表示方法，使虹膜能够适应较高的干扰影响，具有较高的鲁棒性。③虹膜特征匹配和分类方式，通过有效的虹膜编码，实现快速的虹膜分类匹配。④虹膜分类处理，即大量虹膜库的快速匹配和分类，完成虹膜图像的快速检索。⑤寻求有效的虹膜软件开发模式，建立有效的虹膜识别软件与其他应用软件的接口和开放式标准，以及较强的系统移植性。另外，制约虹膜识别技术应用的还有以下两个原因：1、虹膜图像的采集需要用光线扫描人的眼睛，会使人感到不适；2、虹膜扫描器的价格太高，目前还很难向普通民用市场推广。2.4面部热像图识别当热量通过面部组织，会被皮肤发散，从而使皮下血液系统呈现出一种独特的面部信号。如图2.1所示，这种信号可以被红外照相机获取，通常就称之为面部热像图。一般说来每个人的面部热像图都是不同的，因此很难被假冒，即使是精巧的外科手术，因为难于对血管重新布线，故也不能改变它的结构，并且获取面部热像图也不依赖于外部光源，红外照相机可以在极低的亮度或任意强度的自然光照下采得热像图。很明显，使用面部热像图作身份认证可以做到非接触测量，同时可以在被测者没有察觉的情况下进行识别。据称面部热像图的识别精度要高于使用CCD摄像头的人脸识别，但是面部热像图是否具有唯一性和稳定性，目前还没有得到可靠的验证。因此该技术还有待于进一步研究。2.5视网膜识别在众多人体生物特征中，视网膜有别于其它生物特征的独特之处在于：视网膜是一些位于眼球后部十分细小的神经（一英寸102
生物特征识别技术的1/50），它是人眼感受光线并将信息通过视神经传给大脑的重要器官，它同胶片的功能有些类似，用于生物识别的血管分布在神经视网膜周围，即视网膜四层细胞的最远处，位于眼球的最内层，本身透明，其特征主要由从视盘出发并向表面延伸分布的动脉静脉血管所代表，在宏观上称为视网膜血管形态。视网膜血管所组成的形态结构，因人而异，没有相重性。由于视网膜血管位于眼球内部，不直接与外界接触，其常态下的形态结构不易受外界因素的影响而改变。视网膜扫描设备要获得视网膜图像，使用者的眼睛与录入设备的距离应在半英寸之内，并且在录入设备读取图像时，眼睛必须处于静止状态，使用者的眼睛在注视一个旋转的绿灯时，录入设备从视网膜上可以获得700个特征点，同指纹录入比较，指纹只能提供30到40个特征点用来录入、创建模板和完成确认，精确度高、不易仿造，防伪性能极强。用于生物识别的视网膜图形是指眼睛背后视网膜血管的分布结构，这种结构在一定时间内相对稳定。眼球视网膜的中央动脉，在眼底至视神经乳头处分为上下两支，然后在视网膜颞侧上下及鼻侧上下再分为4支小动脉，各支小动脉再逐级分的更细，更小，以至在视网膜上形成四通八达的毛细血管网，此即临床医生观察眼底诊病的眼底血管图。在20世纪30年代，通过研究就得出了人类眼球后部血管分布唯一性的理论，除了患有眼疾或者严重的脑外伤外，视网膜的结构形式在人的一生当中都相当稳定。利用现有技术，我们能够获得的视网膜图像中血管形态明显，经过图像增强，其特征是最为理想的身份认证的人体生物特征之一。图2.6视网膜原始图像视网膜扫描技术比虹膜识别应用要早很多。世界上第一台视网膜识别系统在1985年就已经推出，就象我们在很多电影中看到的那样，军事和情报人员来到一个安全门前，把眼睛凑到一个小孔上，扫描器发出一束光射入使用者的眼睛，并反射回扫描器，系统会迅速扫描出眼睛的血管图案并录入一个数据库中。正由于使用视网膜扫描技术有如此的诸多不便，因此影响了人们对这种技术的接受程度。视网膜图形用于识别人的身份有很高的可靠性，曾有大量的系统运行于世界各地的安全保密机关，但现在已有很多被虹膜识别所取代。主要是因为它对人眼有刺激作用，且价格也一直居高不下。现有应用系统主要工作于验证方式，102
生物特征识别技术但因为获取一幅质量较好的视网膜图像并不容易，系统的拒真率偏高。视网膜识别技术的优点是：(1)有相当高的可靠性。视网膜血管分布是具有唯一性的，即使是双胞胎，这种血管分布也是有区别的。除了患有眼疾或者严重的脑外伤外，视网膜的结构形式在人的一生当中都相当稳定。(2)视网膜识别系统误识率低。录入设备从视网膜上可以获得700个特征点，同指纹录入比较，指纹只能提供30到40个特征点，这使得视网膜扫描技术录入设备的误识率低于一百万分之一。(3)视网膜是不可见的，因此也不可能被伪造。视网膜技术的缺点：(1)采集设备成本较高，采集过程较为繁琐。视网膜扫描设备要获得视网膜图像，使用者的眼睛与录入设备的距离应在半英寸之内，并且在录入设备读取图像时，眼睛必须处于静止状态，因此导致使用不方便，使用者的接受程度低。(2)视网膜静脉图像的不变性不够好，使得视网膜识别系统的拒识率相对较高。拒识率是指系统不正确地拒绝一个已经获得权限的用户，视网膜识别系统的拒识率通常在10%左右。(3)视网膜识别技术可能会对使用者的健康造成损害。利用视网膜血管作为个人身份鉴别的特征，比起其它人体生物特征的鉴别，性能具有高层次的保密性和安全度，适于作国防、国家机要部门以局部范围内以自识别为目的的保密和安全的应用，比其它人体特征具有较高的可靠性和防伪能力。2.6掌形识别掌形识别技术也是一种很早就开始使用的生物特征身份识别技术。掌形识别是利用手掌的几何尺寸关系来识别人的身份。这些尺寸主要包括手掌的形状、手指的长度和宽度，以及手指的三维特征等等。掌形图像的获取可以使用机械或光学的方法。掌形识别系统对每个手指和手指的指关节的尺寸和形状及整只手的尺寸进行三维测量。录入时，使用者只需将他的手掌放在录入装置表面，并把手指按照录入装备表面的槽位来摆放，使用者拇指、中指、和食指的位置就被确定下来了，录入设备在录入时必须有三个手指的位置。比对时，当某人把手贴在扫描仪上时，其掌形的图像就与存在数据库中被认可的掌形图像相比较。基于手掌的身份认证系统目前在世界各地有广泛应用，如1996年亚特兰大奥运会和迪斯尼主题公园等。102
生物特征识别技术图2.7掌形特征计算方法B图2.7掌形特征计算方法A图2.7掌形特征计算方法C图2.7掌形特征计算方法D掌形特征计算方法很多，图2.7A是沿着16个轴计算特征；图2.7B共有16个特征，4个指长、8个指宽、1个掌宽、1个掌长、1个手面积、1个整个手掌长度；图2.7C取四根手指，每个手指45个指宽，共180个特征；图2.7D选定的点之间有15条线的长度，与所有的线及垂直线之间有14个角度，共29个特征。手掌和手指几何学技术的优点在于：(1)比对速度快。(2)掌形识别的FTE(FailureToEnroll，不能录入率)很低。(2)需要的计算机存储空间很小。(4)技术简单，比较容易使用并且投资少，不需特殊的取像装置，可以很方便地嵌入已有应用系统。(5)环境因素如干燥的天气或干燥的皮肤、光线、噪声等，对系统精确度无任何不利影响，识别的精度在一定条件下也较为可靠。(6)与肤色无关，即使手有脏污。(7)不容易伪装，比较不让人有侵犯隐私的感觉，人们对其也能够接受。掌形识别技术的缺点在于，(1)由于手掌的相似性不是很容易区分，掌形识别技术不能像指纹、人脸和虹膜识别技术那样容易获得内容丰富的数据，如果用于大人群的身份认证，其识别精度会大大下降，不能完成一对多的识别，因此它一般只用于验证系统。(2)掌形识别技术的易用性不如其他生物特征识别技术，因为使用者需要知道自己的手掌怎样摆放，并花一定的时间来学习。(3)由于使用者必须与识别设备直接接触，可能会带来为卫生方面的问题。(4)掌形比较容易被仿冒。(5)系统本身的物理尺寸也较为庞大，价格较贵，102
生物特征识别技术这就限制了它在一些小型环境的应用。(6)当然还有最为关键的一点，掌形并不是一个具有稳定性的生物特征。2.7签名识别签名识别，也被称为签名鉴定或签名力学辨识，源于每个人都有自己独特的书写风格。签名识别和声音识别一样，是一种行为测定学。签名力学的关键在于区分出不同的签名部分，有些是习惯性的，而另一些在每次签名时都不同。签名作为身份认证的手段己经用了几百年了，应用范围从独立宣言到信用卡都可见到，是一种能很容易被大众接受而且是一种公认的较为成熟的身份识别技术。将签名数字化是这样一个过程，通过测量图像本身以及整个签名的动作(每个字母以及字母之间不同的速度、顺序和压力)来识别用户。手写签名虽然不属于个人固有的生物特征，但它是一种类生物特征，现代人体运动学研究表明，签名这种运动是由人的神经－肌肉系统决定的，与个人的性格，体质和幼时的训练有关，每个人都拥有自己独特的书写风格。因此签名可以作为个人身份的证明，与其它身份表征方法相比，它具备对采样设备要求不高、成本低、适于普及应用的特点。手写签名作为社会生活中一个不可缺少的部分，已渗入行政、金融、法律、安全等各个领域。传统的签名真伪识别是依靠人工进行的，但显而易见的，单凭人的感觉对停留在纸上的静态文字加以识别，效率低下，可靠程度不高，有时会引起严重的社会后果，造成巨大的经济损失。例如，俄罗斯的《莫斯科共青团报》2003年11月30日就曾报道说，一个人从网上下载总统普京的签名加以模仿，然后伪造有总统签名的政府决议骗钱。所以说签名识别在现代社会中，有着非常重要的现实意义。依据数据获取的方式可以分为以下两类，在线(on-line)签名识别与离线(off-line)签名识别。在线（联机）手写签名识别，也被称为签名力学辨识(DynamicSignatureverification简称DSV)，是建立在签名的动力学特征上的。它分析的是笔的动态特征，例如加速度、压力、方向以及笔划的长度，而非单纯的签名图像本身。这些特征都是很难伪造的所以这些特征能够很好的识别出签名的真伪。准确识别率较高。签名识别的关键在于找出手写签名中的相对稳定特征，籍此进行签名人身份的鉴定。102
生物特征识别技术联机手写签名识别技术是通过专用的手写输入设备来采集手写签名的字形、压力和时间分布等特征，进而通过相应的算法对签名的外部特征字形和内部特征压力、速度、加速度和时间分布等进行比对，以实时鉴别签名的真伪。该技术是公认的更容易被大众接受的身份认证方式之一，也是目前计算机模式识别领域的前沿课题，有着广阔的市场应用前景。国外联机签名识别的水平相对比较成熟，使用也较普及，在EmmaNewham所做关于签名识别技术的调查中，DSV(dynamicsignatureverification)市场出现了许多遍及世界的跨越平台产品。据PenOp公司发言人称，在1998年大约9，700，000个PenOp的签名被应用于电子形式，而在1999年此数字将突升至4千万。离线签名处理的基础是静态的图像，无法获取前述的动态信息，因而在准确识别方面存在更大的困难。但由于离线签名识别不需要特别的输入设备，如联机签名时的输入器等。因而应用范围更广、更具实用价值，且其算法可以直接应用到联机签名识别的静态分析当中，进而有效帮助联机识别准确率的提高，因此引起了人们的广泛关注。显然，离线签名比较容易伪造，识别的难度也比较大。而在线签名由于有动态信息，不容易伪造，目前，识别率也可以达到一个可以满意的程度。签名鉴定的难度在于，由于人类书写动力定型并非固定不变，签名的动态变化范围很大，单单从字形上，有时可能无法区分真实签名和伪造签名。签名识别的优点在于：人类很久以前就开始使用签名来鉴别身份，因此签名识别对于使用者来说有着良好的心理基础，使用签名识别更容易被大众所接受，而且是一种公认的身份识别技术。签名识别的缺点：(1)随着经验的增长，性情的变化与生活方式的改变，签名也会随着改变；(2)为了处理签名的自然改变，必然要在安全性方面做妥协；(3)签名很容易被伪造；(4)因为签名的速度不快，无法在Internet上广泛使用；(5)签名识别所用的硬件设备构造价格昂贵。近年来，电子签名认证技术已经越来越引起人们的重视，许多国家和地区的院校研究机构和公司企业都纷纷成立相关的实验室和研究中心，相继开发出一些产品推向市场，使之逐步成为了一个新兴的、很有希望的产业。总之，签名作为社会生活普遍接受的一种同意或授权的方式，在社会生活中发挥了重要作用2.8语音识别图2.7语音识别的过程人的声音特征是由声带、嘴、鼻腔等发声器官共同决定的。在理论上，声音具有唯一性。语音识别也是一种行为识别技术，语音识别设备不断地测量、记录声音的变化，通过将现场采集到的声音同登记过的声音模板进行精确的匹配来识别。102
生物特征识别技术语音识别主要包括了两个方面：语言和声音。声音识别是对基于生理学和行为特征的说话者嗓音和语言学模式的运用，它与语言识别不同在于不对说出的词语本身进行辩识。而是通过分析语音的唯一特性，例如发音的频率，来识别出说话的人。语音识别又称声纹识别，分依赖内容的识别和不依赖内容的识别。依赖内容的声音识别是预先规定好待识者的说话内容；而不依赖内容的声音识别则允许待识者随意选择说话的内容，这当然比依赖内容的识别难度要高。近年来，在生物识别技术领域中，声纹识别技术以其独特的方便性、经济性和准确性等优势受到世人瞩目，并日益成为人们日常生活和工作中重要且普及的安全验证方式。与其他生物身份认证技术相比，诸如指纹识别、掌形识别、虹膜识别等相比较，声纹识别除具有不会遗失和忘记、不需记忆、使用方便等优点外，声纹识别技术仍具有自己独特的优势：(1)蕴含声纹特征的语音获取方便，由于不涉及隐私问题，用户无任何心理障碍。使用者的接受程度高；(2)在基于电信网络的身份识别应用中，如电话银行、电话炒股、电子购物等，与其他生物识别技术相比，声纹识别更为擅长，得天独厚；(3)适合远程身份确认，使用麦克风或电话，手机就可以通过网络(通讯网络或互联网络)实现远程登录；(4)声纹辨认和确认的算法复杂度低；(5)配合一些其他措施，如通过语音识别进行内容鉴别等，可以提高准确率；(6)获取语音的识别成本低廉、使用简单；利用语音进行身份识别可能是最自然和最经济的方法之一。声音输入设备造价低廉，甚至无费用（电话），而其他生物识别技术的输入设备往往造价昂贵。由于与其他生物识别技术相比，声纹识别具有更为简便、准确、经济及可扩展性良好等众多优势，可广泛应用于安全验证、控制等各方面，特别是基于电信网络的身份识别。比尔·盖茨认为：“102
生物特征识别技术以人类生物特征（指纹、语音、脸像等）进行身份验证的生物识别技术，在今后数年内将成为IT产业最为重要的技术革命。”语音识别的优点在于：(1)系统的成本非常低廉。现代多媒体计算机系统中，语音采集设备已经逐渐成为标准配置，要在此基础上实现语音识别只需增加软件成本。(2)这是一种非接触的识别技术，用户可以很自然地接受。对使用者来说不需要与硬件直接接触，而且说话是一件很自然的事情，所以语音识别可能是最自然的手段。(3)最适于通过电话来进行身份识别。语音识别技术的缺点：(1)准确性太差。声音因为变化的范围太大，声音的特征常常会因年龄、疾病(如感冒)、心理状态而改变，故而很难进行一些精确的匹配；(2)随着音量、速度和音质的变化而影响到采集与比对的结果；(3)语音识别的区分度不是很好，不能用于大范围人群的识别。虽然从理论上讲，声音具有唯一性。但在实际应用中，因为客观存在很多人声音非常相象的情况，作到完全正确区分非常困难；(4)语音识别对背景噪声比较敏感，而这一点在实际应用中又很难控制；(5)高保真麦克风的价格昂贵；(6)语音可能是所有生物特征中最容易被伪造的，至少现在可以用录在磁带上的语音来进行欺骗。2.9掌纹识别人类对掌纹的研究起源于手相学。有关手相学，世界最古的记载是在圣经，旧约中就有这么一段记载：“每个人生下来，神便在手掌上刻划着各种纹线，作为一种印记，叫所有的人知道他的所作所为”。在我国手相学远在周朝即已盛行（也有的说起源于春秋时期），汉代就出现了专门论著。手相学虽然是伪科学，但是也证明了掌纹很早都受到人们关注。甚至在同时，我国已经开始利用掌纹（古时称作掌印）进行侦查活动，有文字可考的距今已有二千多年。在唐代，掌印就被应用于文书契约上，到了宋代，手印己被正式作为刑事诉讼的物证了。掌纹在中国古代得到广泛应用，反映了我国人民已经根据经验，认识到掌纹是可以代表一个人，而且是不变的，否则就不足为证了。掌纹识别是指根据人手掌上的纹理来判断哪些掌纹图像是来自同一手掌，哪些掌纹图像是来自不同的手掌，从而达到身份识别的目的。人的掌纹千差万别，没有任何两个手掌是完全相同的，具有唯一性。由于掌纹具有唯一性和稳定性，而且人人拥有，因此可以用掌纹识别（验证）人的身份。手相学虽然被称作伪科学，但是关于手相学的论著记载着人类对掌纹数千年的观察统计结果，其中有关手掌的分区、分类、点、线、颜色等特征的描述都对掌纹识别也会有所帮助。掌纹最明显的特征是，几乎每个人的手掌都有三条主线：感情线、生命线和智慧线，其次是介于主线和乳突线之间的细小褶皱，还有一些关键点。102
生物特征识别技术掌纹识别用人的掌部纹理作为生物特征进行身份的自动确认，是1998年才出现的生物认证领域的又一新兴技术。经过几年的研究已经达到了商用的要求(在低分辨率条件下识别率高于99％)。自动掌纹识别是最近几年兴起的生物特征识别技术，正处于从实验室走向实际应用的转折点。在人们宽阔的手掌皮肤表面有丰富的纹路结构，包括主线、皱纹线、脊线、奇异点、纹理等图像特征，这些特征都是人各有异、和基因无关，所以掌纹含有大量的信息可用于身份鉴别。二十世纪九十年代，香港理工大学生物识别技术研究中心开展了基于掌纹的人体生物特征识别的研究工作。日前，一种掌纹识别系统在哈工大人体生物识别技术中心研制成功，并在2008-2-6日通过有关部门鉴定。该项研究开创了掌纹识别这一新的人体生物特征识别途径，主要性能指标处于国际领新地位。据了解，“自动掌纹识别技术与系统”项目受国家自然科学基金、国家863计划资助，由哈工大人体生物识别技术中心主任张大鹏教授主持的研究队伍完成。研究人员从传统文化中获得灵感，将掌纹识别经现代科学处理。实际使用时，被识别者只需把手放在掌纹阅读机上，系统就会透过分析个人手掌纹理及结构，把个人身份辨识出来。据介绍，该项技术解决了传统指纹图像的采集质量、自动识别等方面存在的不足，具有极高的实用价值，可广泛用于保安、机场登机及银行自动柜员机等领域。目前，“自动掌纹识别技术与系统”项目建立了国际上规模最大的掌纹图像数据库。据不完全统计，该项目组发布的掌纹图像公开库已经被国际上31个国家和地区的231个研究单位申请使用，是目前国际掌纹识别研究领域最重要、最权威的数据资源。掌纹识别系统由掌纹采集模块，预处理模块，特征提取模块，匹配模块组成。如图2.8所示。图2.8掌纹识别系统结构102
生物特征识别技术掌纹的采集：生物特征基本信息的获取方式根据对象不同各异，而同一类对象的信息获取方式也根据研究方法的发展有所差异，如掌纹图像可由油墨按印、扫描仪、CCD(ChargeCoupledDevice)、数码相机等方式获取，而获取的图像质量又制约着识别系统的算法。掌纹图像的采集也很方便，对采集设备的要求不高，一般的摄像头或者扫描仪都可以采集到很清晰的图像。算法相对来说比较简单、速度快，能满足掌纹识别系统低分辨率，实时性的要求。图2.9掌纹采集仪102
生物特征识别技术图2.10不同方式采集的掌纹图像图2.10为不同方式采集的指纹图像，其中(a)墨迹掌纹图像；(b)利用数码相机采集的掌纹图像；(c)扫描仪采集的掌纹图像；(d)CCD方式采集的掌纹图像脱机掌纹采集主要有两种方式：(1)墨迹掌纹：在手掌上涂上油墨，然后在一张白纸上按手印，再通过扫描仪进行扫描而得到数字化的图像，如图(a)所示。由于这种采集方式不易被接受，而且图像质量容易受手掌用力程度及纸张质量的影响、中央部分的信息易丢失。(2)相机拍照：利用数码相机先拍摄掌纹图像再输入计算机。这种方式得到的掌纹图像细节点不如墨迹掌纹清晰，如图(b)所示。在线掌纹图像采集也有两种主要方式：(1)扫描仪采集：用扫描仪直接扫描手掌采集掌纹图像。这种方式采集掌纹图像的速度主要有扫描仪的性能决定，采集的掌纹图像如图(c)所示，采集系统如图2.9所示。(2)基于CCD的方式：这种采集方式由香港理工大学生物识别研究中心设计开发。通过这种方式可以快速获取掌纹图像，采集的掌纹图像如图(d)所示。掌纹特征一般归为三类：点、线特征，全局结构特征和纹理特征。1.主线特征：包括掌纹主线以及其它明显的纹线。其中掌纹主线是掌纹中相对最稳定、最具特点的信息集合之一，一般来说根据这些主线特征就能大致确定被识别者的身份。102
生物特征识别技术2.褶皱：褶皱是指那些介于主线和乳突线之间的、较细小的、杂乱无章的手掌皮纹。3.细节点：手掌上也包含很多和指纹上一样的乳突纹，和指纹识别一样，在手掌上也可提取这些乳突纹的细节点特征。4.三角点：三角点是乳突纹在手掌上三角区域的中心点。这些三角区域通常位于手指根下面的区域，在靠近手腕的区域也有三角区域。5.结构特征和几何特征：例如主线的长度，位置，方向等，手掌的宽度、长度，以及主线与主线之的结构关系等。图2.11掌纹特征6.纹理特征：实际上，我们可以把整个掌纹都看作是一种纹理。然后用纹理特征分析的方法来处理。预处理：经过采集设备获取的掌纹图像有时不能直接应用与特征提取，还需要提取出图像中最有用的那部分内容，对于掌纹来说，手掌中心的区域是掌纹线最丰富的区域，所以可以将手掌中心区域分割出来研究。由于采集的掌纹图像位置、方向各不相同，即使从同一个人采集的不同掌纹图像之间也有不同的旋转和偏移，所以在匹配识别时进行精确定位。同时由于不同人的手掌大小也有不同，而且采集到的掌纹图像具有很多冗余信息。在进行掌纹识别前需要通过提取掌纹感兴趣区域确定不同掌纹图像一致大小的掌纹识别区域。通过提取的掌纹感兴趣区域进行掌纹识别还可以减少掌纹图像冗余信息，提高计算速度。同时，一方面图像质量与采集方式有关，如图像的分辨率等因素，另一方面，图像信号本身可能会引入一些干扰噪声，给掌纹特征提取和识别带来困难。因此，需要对原始掌纹图像进行预处理。特征提取：102
生物特征识别技术经过预处理的图像往往信息量庞大，如一幅掌纹图像往往是上千维的数据，过多的数据量使得掌纹的存储、处理和分类变得难以操作。因此需要对信息的特征进行提取和选择，利用能够反映掌纹本质且区分能力强的特征向量，将高维的数据从模式空间映射到低维的特征空间，降低识别的复杂性。掌纹库的建立：对于某一类已知的掌纹，注册到数据库中。首先获取掌纹图像，经过固定算法的预处理，包括手掌定位，分割，归一化等处理，再选择某种特征提取算法提取特征，将提取出的特征作为该类掌纹的特征模板保存在掌纹库中，形成掌纹库。掌纹识别过程：对于待测掌纹图像样本，经过与掌纹库建立过程相同的预处理和特征提取算法处理之后，将提取出的特征与掌纹库中的掌纹特征模板进行对比，再按照某种分类和匹配的方法对掌纹进行分类。掌纹识别用人的掌部纹理作为生物特征进行身份的自动确认，是生物认证领域的又一新兴技术。掌纹识别主要有以下优势。(l)手掌面积较大，涵括的信息量丰富，因此具有更好的区分性；(2)主要特征稳定且明显，提取特征时不容易受到噪声的干扰；(3)在低分辨率图像下提取的特征已足以提供身份确认所需的信息；(4)不容易因受伤或者磨损而影响到采集图像的质量，被窃取的可能性比指纹小得多；(5)和指纹相比，其获取方式与刑事和诉讼关联较小，用户接受程度高；(6)采集设备简单易行，且成本远低于虹膜识别的采集设备；(7)从理论上讲，掌纹比指纹具有更好的分类性能和更高的识别能力。因此，掌纹同其他应用于身份识别的生物特征相比，将具有更广阔的应用前景。2.10步态识别所谓步态识别主要是指通过人体走路姿势的分析来区分人的身份。步态是指人们行走时的方式，这是一种复杂的行为特征。你可以有点瘸着腿走路，也可以用鞋掌走路沙沙作响或者是傲慢地大踏步走路，但不管怎样，一个人在行走时，双脚动作和身体其他部位的姿势是独一无二的。Murray在早期的医学研究中指出，人的步态中有24种不同的成份，如果考虑人行走过程中的所有因素，步态信息对不同人是唯一的。从生物力学的角度来看，人的步态包含身体上百种肌肉和关节的综合运动。这些运动对所有人来说都遵从基本的双足模式，然而不同人的运动又有差异，例如相对时序和幅度的不同。这些差异是整个肌肉和骨架(身体的重量、肢体的长度、骨骼的结构)的函数。因为结构难以复制，所以步态被认为是个体特有的，且完全决定于几百个运动学参数。这些运动学参数包括特定关节点的角速度、加速度以及肢体的边界等。102
生物特征识别技术而且这种姿势具有相对稳定性，在一定的时间范围和相同的步行环境下不容易改变，人们可以据此揭示出行走人的身份。图2.12步态识别的一般流程图目前的步态识别方法按是否建模主要分为两类：基于模型的方法和非基于模型的方法。基于模型的方法首先建模图像数据，再分析模型中参数的变化。基于非模型的方法大致存在两个分支：状态空间方法和时空方法。对于基于模型的方法来说，模型的建立是该类方法的关键，所建模型的好坏及其模型对行人的跟踪匹配程度决定了所能获得特征的精确度和识别结果的高低，该类方法能直观地恢复出人行走时的运动变化特征，但大多存在较大的计算量。基于非模型的方法，不需要为行人或其身体部分建立模型，通常基于对侧影分析，计算量相对较小，但侧影的某些信息有时只能间接地反映步态运动变化。步态识别是人类运动视觉分析技术的一种，即从图像序列中进行人的检测、跟踪、识别和行为理解。作为一种用来识别人物身份的生物特征，步态具有以下优越性：l)非侵犯性—人的步态可以在被测人不知道的情况下进行，而不像指纹或是虹膜识别，必须和被测人有一定的接触和交互。因此特别适合要求隐蔽实行的场合，如犯罪侦缉等；2)远距离识别—人的步态可以在远距离(500英尺以内甚至更远)捕捉到。在远距离监控中，虹膜、脸像等特征容易被隐藏，或者因分辨率太低而不易识别，然而进入监控领域的人的运动步态是可见的；3)清晰度要求低—不像人脸特征，步态特征在分辨率较低的视频序列中仍然能够很好地提取；4)难以隐藏性—指纹可以通过戴手套，人脸可以通过蒙面等方式来加以隐藏。但步态却难以隐藏或伪装，越是伪装越容易被人发觉破绽。102
生物特征识别技术因此从视觉监控的观点来看，步态是远距离情况下最有潜力的生物特征，它涉及了许多困难问题，如计算机视觉领域中的运动分割与跟踪和模式识别领域中的特征提取与模式分类等问题，从而引起了广大研究者们的浓厚兴趣。其潜在的应用领域在于安全敏感场合的大范围视觉监控，如银行、军事基地、机场等重要场合；作为法律工具辅助破案；基于人体检测、跟踪和行为识别的高级人机交互等等。当然，步态作为生物特征，也有着自身的缺点，如下一些因素都可能影响或改变它的特征：l)刺激物—药品或酒精等刺激物可能会影响行人正常走路姿势。2)身体的变化—当人怀孕，意外事故后腿部受影响，腿部疾病或体重严重增长、下降都将影响个体的运动特性。3)心理—一个人的情绪也会影响他的步态特征。4)服饰—当个体改变服饰时如穿平底鞋和穿高跟鞋等，采用自动特征提取方法提取出的步态特征可能存在较大差异。5)地形变化—同一人在不同的地形上行走，他的行走姿势有差别。另外，一些外部因素也会影响到了步态的自动特征提取过程，如光照条件、特征点的自遮挡等。步态是一种远距离非接触的识别技术，是一个非常具有挑战性的研究课题，由于步态是一种时空变化的运动模式，处理对象是视频序列，其存储量庞大，计算复杂度相对较高等。实验通常是在受限的条件下实现的，如相对简单的背景、相对于摄像机而言人的侧面行走等；而且步态识别没有如人脸识别的标准数据库，算法评估都是在小样本数据库上进行的。现有的方法通常是在一定理想的假设条件下展开研究的，存在着许多不足之处：(l)己有的步态描述方法各有利弊，不能全面快速的描述步态特征。(2)运动检测一直就是计算机视觉领域的一个难点，步态检测是步态识别的必须步骤。目前大多步态识别算法都是假定数据采集环境为：摄像机静止不动，视野中只有一个人体运动。背景常是静止的或者是不太复杂的。而实际应用环境中，背景通常是较复杂的。(3)步态与其它生物特征结合用于身份识别的研究还不太多；基于红外视频序列的步态识别研究也甚少。(4)大多算法将研究重心放在步态特征描述分析上。数据特征和特征提取、分析方法决定了用于识别的分类器，现有的步态识别算法中对分类器设计的讨论还不太多。102
生物特征识别技术(5)没有如同人脸识别一样的标准步态数据库，算法只能在常用的数据库上进行测试。目前的数据库还不太全面，规模还较小。算法在小样本上数据库上识别效果好，但在规模相对大些的数据库上结果并不太理想等。2.11静脉识别静脉是血管的一种，负责将含有二氧化碳及废物等随血液送回心脏处理，它比动脉靠近皮肤。静脉图案的曲线和分支相当的复杂，每个人的差别十分清楚，据统计，每1，000万人中可能只有8个人的手掌静脉分布会有所相似。虽然人体器官有很多都被用于身份识别，但静脉不是光凭双眼就可轻易察觉的，识别静脉必须依赖更高的科技。静脉识别是利用静脉中红血球对于特定近红外线的吸收特性来读取静脉图案（Pattern）。静脉识别的基本原理是利用近红外线照射手掌，并由传感器（Sensor）感应手掌反射的光，如图2.13。其中的关键在于流到静脉红血球中的血红蛋白（Hemoglobin）因照射会失脱氧份，而这个还原的血红蛋白对波长760nm附近的近红外线会有吸收，导致静脉部分的反射较少，在影像上就会产生静脉图案。也就是说，静脉识别就是利用反射近红外线的强弱来辨认静脉位置。图2.13静脉采集示意图以目前静脉认证的发展状况来看，虽然认证所使用的部位有手掌、手指与手背的差异。从这些部位的静脉分布来看，手背静脉较手掌静脉和手指静脉更为粗大，而手指静脉最为纤细，手掌静脉介于二者之间，图2.14b给出了通过CCD摄像机采集的手指静脉图像。102
生物特征识别技术静脉识别是对用特定设备采集到的静脉分布图像的识别。目前主要分为指静脉识别、手背静脉识别和手掌静脉识别三个内容。人体静脉血管具有生物特征的所有特性，具有很强的普遍性和唯一性。静脉血管位于体表内部，随年龄增长其组织结果变化不大；由于是身体内部的血管特征，很难伪造或是手术改变，可以避免一旦皮表受损害而无法进行指纹、掌纹识别的缺陷；相比DNA、虹膜识别，采集过程十分友好，所有这些使得静脉认证技术成为近年来生物认证技术领域的研究热点。图2.14日立公司指静脉采集原形深圳市特中科实业发展有限公司在国内率先推出了成熟可靠的生物识别系统－人体静脉识别系统。该系统通过静脉识别仪取得个人静脉分布图，从静脉分布图依据专用比对算法提取特征值，将特征值存储。静脉比对时，实时采取静脉图，提取特征值，同存储在主机中静脉特征值比对，确认身份。输入个人识别号PIN通过红外线读取手背静脉应用手掌静脉识别的PC登陆保护系统102
生物特征识别技术2.12其它生物识别技术除以上介绍的几种生物识别技术外，还有其它像耳形识别、基因识别、动态击键识别、人体气味识别和嘴唇形状识别等非主流生物识别技术。人耳识别是近几年生物识别技术研究的一个新兴热点，它借鉴了人脸识别和指纹识别的许多方法，通过获取耳朵的正面投影，经过图像处理，得到用于匹配的图形特征描述。作为一门新技术，系统识别的可靠性目前还无法得到有效的验证，另外，人耳是否具有唯一性和稳定性，仅通过现有的小样本测试（大约20000人）恐怕还无法说明。所以，目前基于人耳的身份识别还只是处于实验室研究阶段，尚无成熟的产品推向市场。基因识别即DNA鉴定。DNA，即脱氧核糖核酸，是人体内的遗传物质。利用DNA，可以通过血液、精液及混合斑鉴定进行个体识别、亲子鉴定，对微量、腐败、年代久远的生物以及骨骼、毛发等特殊物质进行种属鉴定。根据计算，世界上两个人完全一模一样的几率为三千亿分之一，也就是说，当今地球上所有的六十多亿人口中，没有两个个体是完全相同的。即使是模样、高矮、胖瘦等各方面看上去分毫不差，各自的DNA也必然会有或大或小的差异。DNA的优点是独特性和稳定性。但是仍然存在一些问题。目前DNA测试相对花费高、耗时间，这些缺点使得DNA测试不适合自动身份识别或验证。此外人们普遍认为一个DNA样本中包含很多额外的辅助信息，例如DNA可能含有遗传因素和身体障碍，这些都会比其他生物识别技术引起更多的隐私问题和情感问题。另外DNA采集过程的身体侵害性较高，它需要某种形式的组织、血或其他身体样本。采集数据带有的身体侵害性和DNA数据所提供的丰富信息引起了用户的接受问题。即使侵入性和信息内容的问题可以被克服，该技术的适用仍然存在着应用的障碍，包括费用、时效和没有便利的非临床传感器。从实际操作的角度来说，一种合适的生物特征通常包括：可被精确的测量、采集速度快、公众可以接受、较高的可信度、匹配速度快、较好的防伪性、可以接受的存储设备要求。性能：包括识别准确率、识别速度，系统鲁棒性，系统所需资源以及影响系统性能的因素等。除此之外，一般还要考虑设备价格问题。2.13各种生物识别技术的比较102
生物特征识别技术在各种生物识别技术中，指纹识别和掌形识别的应用最为广泛，可以看出使用手部特征进行身份鉴别较易被大众所接受。其中指纹识别更是占据了绝对的优势，国内外市场上的主要生物识别产品基本上都是基于指纹识别技术的。视网膜识别具有高度的准确性和防伪性，但在采集方面要求较高，因此并未普及应用，目前主要用于需要高度安全防范的场合。其它几种被看好的技术是虹膜识别、人脸识别和语音识别。虹膜识别具有相当于视网膜识别的高准确性和高防伪性，对采集设备的要求则相对低于视网膜识别。人脸识别和语音识别比较容易为人们所接受，而且下一代智能人机接口也将融合有关的采集技术，因此具有较大的应用潜力。表2.1各种生物识别技术的比较上面所提到的每一种生物识别技术都有其自己的优点和缺点，我们在表2.1中从七个方面对这些技术做了一个简单的比较，综合考虑起来，目前还不存在哪一种人体生物特征能够在所有方面同时占据优势，因此在实际应用中必须根据需要进行适当选择。每种技术都有它的适用范围，没有哪一种技术能够囊括所有的应用领域。从这个意义上来讲，每一种技术都是可行的。例如，大家都知道无论是指纹还是虹膜，其识别的精度和速度都好于声纹识别，可对于一个电话记费安全系统来说，声纹识别技术更可行，因为它可以无缝地嵌入现有语音系统。图2.14采用Zephyr分析法的对各种生物识别技术作更直观的比较。其中，不同的标号分别表示干扰用户程度、独特性、价格和易用性。标号所处的位置代表对应的技术在该项性能上所达到的水平，性能越高，对应的标号离Zephyr图的中心就越远，性能越低，标号离中心就越近。102
生物特征识别技术需要指出的是，上述的大多数生物识别技术的认证结果都不能作为法律上的证据。目前，被世界各国司法机关认可的只有指纹和签名识别。这两种技术经过多年的研究与应用已经日趋成熟并被广泛接受。图2.14生物识别技术的Zephyr分析另外，从目前的市场占有率来看，人体特征识别技术市场上占有率最高的是指纹、面像和手形机，其市场占有率分别为52%、11.4%和10%，而这些识别方式也是目前技术发展中最成熟的。IBG(InternationalBiometricGroup)在2003年生物识别技术市场的分析报告中各种生物识别技术产品市场占有率如图2.15所示。图2.152003年各种生物识别技术产品市场占有率102
生物特征识别技术2.14多模态识别随着对社会安全和身份鉴别的准确性和可靠性要求的日益提高，单一的生物特征识别已远远不能满足社会的需要，进而阻碍了该领域更广泛的应用。由于没有任何一个单一的生物特征识别系统足够精确和可靠，因此多特征识别系统的出现是一个可选的策略，比如语音与人脸可以结合在一起组成一个多特征识别系统。这个概念也可以扩展到那些对同一特征应用不同处理方法的识别系统。随着需求的增加，多模态生物特征识别(Multi-modalBiometrics)的研究与应用逐渐兴起和深入。给予多生物特征融合来进行身份鉴别的优点主要有一下几个方面：(1)准确性：多个生物特征的运用可以提高整个身份鉴别的准确性。(2)可靠性：伪造多个生物特征显然比伪造单个生物特征更为困难。(3)适用性：每种生物特征都存在应用的局限性。比如，有5%左右的人群的指纹很难提取出有效特征，人脸因为化妆、年龄增长等有所改变使识别率降低，虹膜会因为白内障等疾病有所改变，声音会因健康条件而改变。融合多种生物特征可以扩大单个生物特征的适用范围。多生物特征与信息的融合密切相关。有许多将信息融入多生物特征之中的方法，下面介绍几种融合信息的方法。(1)传感器数据级的融合这种情况下，从传感器中传出的未经加工的信息直接融合在一起。有两种主要的融合方法：加权求和（综合各种数据消除噪声）和拼凑结构（用几个相机对不同部分拍照，然后拼接）。(2)特征级融合从不同传感器中传来数据的描述融合在一起（或者从相同传感器，用不同特征提取技术）。融合时也是采用加权求和（如果特征是对称的）或者简单向量的串联（如果特征是不对称的）。(3)决策级融合在这种方式中，可以将不同的识别系统堪称相互独立的单元，每一个都做出一个鉴定结果。然后用一个汇总程序综合各个结果得出最终的结论。典型的方式是采取像投票一样的方式，用AND&OR将投票结果综合在一起。更复杂一些的方法是采用给予Bays或Neyman-Pearson理论的决定论，甚至决定的质量问题也被考虑在内，即力图用最少的信息交换获得最大的性能。(4)意见融合如果信息交换不成问题的话102
生物特征识别技术，各个系统可能不会提供一个确定的结论，但是可以给出一个意见，无论是以数字的形式还是以语言的形式，然后控制器将各个意见融合。这样，由于收集到的信息是海量的，因此要求描述也应当详尽。意见给出的形式可能是相似或相异的分数，将它们映射到[0，1]区间，然后利用经典的方法进行权值求和或求积。102
生物特征识别技术第三章指纹识别技术3.1指纹图像基本特征指纹图像由纹脊和纹谷组成，纹脊又称为纹路，对应手指皮肤的凸起部分，在指纹图像中呈现为灰度较深的粗线条；纹谷则对应手指皮肤凹进去的部分，夹在两条纹路之间，相对纹路的灰度较亮。指纹特征可以分为全局特征、局部特征和细微特征。全局特征是指那些用人眼直接就可以观察到的特征，全局特征包括：1．基本纹路图案。基本纹路图案通常分为五种：拱型(Arch)、尖拱型(TentedArch)、螺旋型（斗型）(Whorl)、左箕型（左环型）(LeftLoop)和右箕型（右环型）(RightLoop)，如图3.1所示。仅仅依靠纹形来分辨指纹是远远不够的，这只是一个粗略的分类，通过更详细的分类使得在大数据库中搜寻指纹更为方便快捷。图3.1指纹基本纹路图案（1）弓形纹。纹线由一方流向另一方，中部向上弯曲呈弓，不返转。又依据其弯曲的程度不同分为拱型（Arch）和尖拱型（Tentedarch）。一般尖拱型纹中心部位有一根以上的垂线或斜行线支撑着。弓形线在人的自然分布中拱型102
生物特征识别技术指纹和尖拱型指纹一般占6.16%和7.79%。（2）箕形纹。指纹中心的纹线从一方流向另一方，拐弯后返回原方向，其上部和两侧外围由较多的弓形线包绕。根据中间箕形线的开口不同又可分为左箕形和右箕形如图3.1所示。据统计左箕形和右箕形的比例分别为17.03%和36.48%。（3）螺旋型纹。指纹中心至少有一根环形线或螺形线或曲形线，其上部和两侧外围由较多的弓形线包绕，如图3.1所示，在所有纹形中的比例为32.52%。2．模式区模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。有的则使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。3．核心点核心点位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为参考点。许多算法是基于核心点的，即只能处理和识别具有核心点的指纹。核心点对于指纹识别算法很重要，但没有核心点的指纹有的算法仍然能够处理。4.三角点三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数跟踪的开始之处。三角点和核心点统称为奇异点。5.纹数纹数指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。局部特征是指指纹上节点的特征，这些具有某种特征的节点就是102
生物特征识别技术特征点。两枚指纹经常会具有相同的总体特征，但它们的局部特征---特征点，却不可能完全相同。指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为“特征点”。就是这些特征点提供了指纹唯一性的确认信息。指纹上的节点有四种不同特性1.特征点特征点的分类有以下几种类型，最典型的是终结点和分叉点。终结点：一条纹路在此终结分叉点：一条纹路在此分开成为两条或更多的纹路。分歧点：两条平行的纹路在此分开。孤立点：一条特别短的纹路，以至于成为一点。环点：一条纹路分开成为两条之后，立即又合并成为一条，这样形成的一个小环称为环点。短纹：一端较短但不至于成为一点的纹路。2.方向：节点可以朝着一定的方向。3.曲率：描述纹路方向改变的速度。4.位置：节点的位置通过（x，y）坐标来描述，可以是绝对的，也可以是相对于三角点或特征点的。另外，除了局部特征外，从高分辨率的传感器采集的高质量的指纹图像中还可以提取比局部特征更细微的特征：毛孔，毛孔位于纹路上，在指纹图像中表现为纹路上灰度较亮的点。提取毛孔特征一般要求传感器分辨率达到1000dpi，而且要求手指皮肤质量较高。但指纹传感器的分辨率一般在500dpi左右，而且受环境、皮肤条件的影响，采集的图像中往往难以正确地提取毛孔特征，所以实际的系统中一般不使用毛孔特征。102
生物特征识别技术图3.2指纹细节特征点示意图3.2指纹识别的过程自动指纹识别系统的总体框架如图3.3所示，系统主要包括指纹图像采集、图像预处理、特征提取，指纹分类和指纹匹配等组成部分。可以看出，自动指纹识别系统的主要目的是完成指纹分类和匹配。指纹分类很少单独使用，除了用于统计外，一般是配合指纹匹配进行使用。与前述的一般生物识别系统相同，自动指纹识别系统的工作模式分为验证和辨识两种，在辨识模式下，采用指纹分类有利于减少数据库的搜索空间，加快匹配速度；而在验证模式下，由于是一对一进行匹配，可以省去指纹分类这一环节。预处理特征提取特征匹配输出匹配结果滤波增强、二值化、细化校准、细节点匹配细节点提取指纹图像的采集指纹分类数据库图3.3指纹自动识别系统框图102
生物特征识别技术3.3指纹图像的采集传统的指纹采集方式是油墨加纸，因为该方式费时费力，现已很少应用于自动指纹识别系统。目前，自动指纹识别主要采用活体指纹传感器来采集指纹图像。活体指纹传感器是随着电子集成技术的发展，在近几年流行的新型技术。因为指纹传感器体积较小、操作方便，同时可以直接获取数字图像，因此被广泛应用于自动指纹识别系统。活体指纹传感器主要采用以下几种技术：1光学衰减全内反射FTIR，2超声波反射，3全息摄像，4热敏传感，5电容或深度电场方式。对于活体指纹传感器，一般都采用自动增益控制(AGC)技术，即使用软件调整的方法来改善获取的图像质量。AGC在不同的环境下结合反馈的信息便可产生高质量的图像。例如，Veridicom公司的FPS110指纹传感器，在指纹采集过程中根据反馈信息调节电容放电时间等参数，以增强其灵敏度，使图像不清晰对比度差的区域也能够被检测到，如手指压得较轻的地方，并在捕捉的瞬间为这些象素提高灵敏度，同时还可根据指纹图像的面积、灰度极差等特性来控制捕捉效果最佳的图像。光学指纹传感器最常用的是FTIR技术，光线照到压有指纹的玻璃表面，反射光线由CCD去获得，反射光的量依赖于压在玻璃表面指纹的脊和谷的深度和皮肤与玻璃间的油脂和水分。一般说来，光学传感器体积较大，这是因为它要在其中安装光源和光学反射系统，但大也有大的好处，它获取的指纹面积也比较大。如图3.6a所示，光学指纹仪采集的图像质量较好，但对干手指比较敏感。硅晶体传感器是目前被广泛应用的另外一种指纹采集器，它的体积很小，可以很方便图3.4Veridicom公司电容指纹传感器图3.5热敏指纹传感器地集成到鼠标、移动电话等其他设备中。这些传感器通过多种技术来绘制指纹图像，最常见的硅电容传感器见图3.4，通过电子度量被设计来捕捉指纹。在半导体金属阵列上能集成大约100，000个电容传感器，其外面是绝缘的表面，当用户的手指放在上面时，皮肤组成了电容阵列的另一面，电容器的电容值由于导体间的距离而降低，这里指的是脊(近的)和谷(远的)相对于另一极之间的距离。102
生物特征识别技术电容式的指纹传感器对湿手指比较敏感，且易受静电干扰，其产生的图像可参见图3.6b。另一种晶体传感器是压感式的。其表面的顶层是具有弹性的压感介质材料。它们依照指纹的外表地形凹凸转化为相应的电子信号。其他的晶体传感器还有深度电场型的。据说它可以穿透皮肤表面死皮层到达真皮层，这样就不用担心手指表皮划伤影响图像质量，但在测试中发现，事实并不像宣称的那样，并且这种传感器的图像分辨率偏低，只有250DPI。图3.6使用不同指纹传感器获取的指纹图像热敏温度感应传感器，它通过感应压在设备上的脊和远离设备的谷温度的不同，就可以获得指纹图像。图3.5为Thomson公司的温度指纹采集仪。而超声波扫描被认为是指纹取像技术中非常好的一类，它很象光学扫描的激光。超声波扫描指纹的表面，紧接着接收设备获取了其反射信号，测量它的范围，得到脊的深度。不象光学扫描，积累在皮肤上的脏物和油脂对超声波获得的图像影响不大，所以这样的图像是实际脊谷地形凹凸的真实反映。图3.6c为使用超声波指纹采集仪获取的指纹图像。至于全息光学指纹采集器，它避免了因成像平面与指纹平面不平行而造成的几何形变，但目前因为技术和成本原因，还很少使用。表3.1给出了几种常用指纹传感器的比较。从表中可以看出，尽管指纹图像传感器较早期已经有了显著的进步，但都还存在一定的缺陷，这主要是因为影响指纹采集的因素较为复杂，很难得到彻底解决，使用者的操作方式及其手指的干湿度和清洁度均会对采集效果产生影响。此外，对于相当一部分人群，尤其是老人和体力劳动者由于手指皮肤存在缺陷很难保证其指纹的成像质量。目前广泛使用的光学指纹传感器和半导体指纹传感器在许多情况下都会产生低质量的指纹图像，而低质指纹图像的出现显然会给计算机自动处理和识别造成困难，从而影响自动指纹识别系统的可靠性和鲁棒性。102
生物特征识别技术表3.1不同指纹图像传感器的比较3.4指纹图像预处理指纹图像预处理是各种数字图像处理技术的综合应用，通常是指纹识别算法最先需要完成的任务。在目前的技术条件下，不论采用何种采集方式，指纹图像中都有可能出现各种质量缺陷，给计算机自动识别造成困难，指纹图像预处理的任务就是尽可能降低图像噪声或质量缺陷所带来的影响，准确可靠地提取指纹特征，以保证后续处理的可靠性和鲁棒性。可以看出，指纹图像预处理在很大程度上决定了指纹识别的准确程度。一般说来，指纹图像预处理包含了图像质量评价、图像增强、图像二值化和细化等步骤。对于指纹图像预处理已有很多学者做了大量的研究。对指纹图像的分割、二值化和细化等提出了各种不同的方法。整个指纹图像预处理的流程可以如图3.7所示，指纹图像经传感器获取后，首先要对其质量进行评估，通过检查其有效面积及图像的清晰程度决定是否对该图像进行下一步处理。若图像质量合格，则将其送入图像分割子模块，否则，要求重新采集，同时给出提示是指纹太干还是太湿，或者是手指放得太偏等等。图像分割是把要处理的有效图像部分从整个指纹图像中分离出来，这样一方面减少了后续处理步骤的数据量，另一方面也避免了因为部分图像区域不可靠而导致伪特征的产生。图像增强包括两个部分：首先是对原始图像上模糊但有可能恢复的部分进行增强，然后再对整幅图像滤波，消除指纹脊线间的断裂和粘连。图像二值化是提取经增强处理的指纹图像的脊线，用“1”表示脊线上的点，“0”表示背景和谷线，从而把原始灰度图像转化为二值图像。图像细化是进一步把二值指纹脊线细化为单象素宽度的骨架线，102
生物特征识别技术这是为了方便以后的特征提取。图3.8为指纹图像预处理的示例。图3.7指纹图像预处理流程图3.8指纹图像预处理示例3.4.1指纹图像质量评估102
生物特征识别技术指纹图像的质量评估在自动指纹系统中有着重要的实际价值。影响自动指纹识别系统水平的最重要因素之一便是在注册和辨别过程中对那些采集质量差的指纹的判别及处理能力，一个较好的指纹识别系统应要求用户在登记时多次获取指纹，然后，把图像质量最好的作为注册的指纹。同时，为了获得比较好的识别率，在匹配之前要对质量比较差的指纹图像区域先进行特殊的图像预处理，然后再进行识别。为了实现这个目的，需要设计一个合适的有效地指纹图像质量评估方法。刚采集的指纹原始图像一般有很多噪音，图像质量存在着差异。这主要是由受采集者平时的工作和环境所引起的，比如手指褪皮，有刀伤，疤痕，手指被弄脏，干燥，湿润等。同时，也与采集仪器的性能有着密切的联系，例如，光学全反射技术干手指差，且汗多的和稍脏的手指成像模糊；硅晶体电容传感技术干手指好，但汗多的和稍脏的手指不能成像。图3.8为几种质量较差的指纹图像。图3.8低质量指纹图像示例指纹图像质量通常以人的主观判决作为评价准则，受评测者背景知识、评测动机等等因素的限制和影响。在实际应用中，让计算机模拟人的行为对指纹图像质量自动做出评测是困难的。迄今为止，有关指纹图像质量判断的文献较少，方法多是将一些灰度图像质量判断的方法应用于指纹图像，用图像的信噪比、灰度分布等等手段评测，没有充分考虑指纹脊线的特殊纹理特征；另一类方法是计算指纹细节点的个数，如果提取的细节点过多或过少，都认为是质量差的指纹图像，这种方法从理论分析上比较可信，但是质量判断操作是在增强处理和提取细节点的操作之后，而且判断结果依赖于增强和提取细节点的算法效率，不能完全满足自动指纹识别系统中对指纹图像注册和拒登操作的快速高效的需求。指纹图像质量评价系统所要实现的基本功能有如下几个方面：(1)将指纹图像区域从采集图像的背景区域中分离出来，尽量减少背景区域的噪声对后继处理结果的影响，并减少后继所要处理的图像区域，从而可以提高系统的精度、降低后继处理时间；(2)给出一幅指纹图像的总体区域、图像偏移方向和大小、按压力度大小、手指的干/湿度等指标，从而为现场采集指纹图像时的调整提供一个比较合理的依据；(3)给出一幅指纹图像的总体质量评价，102
生物特征识别技术完成对质量低劣的指纹图像的筛选功能，能准确识别出质量很差的指纹图像，从而实现直接拒绝，既降低了由于指纹图像质量本身的问题而出现的错误率，又有效减少了系统的处理时间；(4)完成对指纹图像的局部区域的质量评价，给出一幅指纹图像中每一个小区域的图像质量等级。从而在后继的处理过程中，可以针对这些区域进行有针对性的处理，另外，在后继的特征提取过程中可以有效的避开这些区域，有效的降低了在采集图像的过程中由于局部区域的采集图像质量问题而对整个自动指纹识系统所造成的影响。3.4.2指纹图像分割在图像处理中，通常要把感兴趣的区域与其他部分区分开来，这称为前景与背景分割。指纹图像分割通常位于预处理的前端，其目的是把指纹图像中质量很差，在后续处理中很难恢复的图像区域与有效区域区分开来，使后续处理能够集中于有效区域。分割处理不仅能提高特征提取的精确度，而且还能大大减少指纹预处理的时间，因此是指纹图像处理中的重要组成部分。它不仅要求尽可能地去除无效区域，还要尽可能完整地保留有效区域。这就需要有较精确的分割算法。好的指纹分割算法应该具有如下特点：（1）对输入图像的灰度分布不敏感；（2）能检测出信噪比低的有效区域；（3）能够有效分割残留指纹；图3.9指纹图像的四种区域根据指纹图像被噪声干扰的程度及能否正确恢复，可把图像细分为4类区域：背景区域、不可恢复区域、可恢复区域和清晰区域，如下图3.9所示。指纹图像分割的目的就是割除背景区，保留前景区，尽可能保留模糊区中能恢复的部分。（1）背景区：指不包含纹线的白边界区；（2）不可恢复区：包含指纹纹线，但受噪声干扰严重，纹线走向无法辨认，102
生物特征识别技术峰谷混杂不清，在后续处理中很难恢复的区域；（3）清晰区：纹线连续，峰谷清晰，几乎没有噪声干扰的区域；（4）可恢复区：受到噪声干扰，纹线断续或者峰谷界限不清晰的区域。指纹分割的目的就是保持后两类区域，而去除前两类区域。3.4.3指纹图像增强指纹图像增强用于改善指纹图像的质量，以保证后续指纹特征提取及匹配的准确性和鲁棒性，在自动指纹识别系统中具有十分重要的作用和地位。自动指纹识别系统通过比对指纹脊线和谷线的结构及有关特征如纹线的端点和分歧点等来实现个人身份认证。然而，要从原始指纹图像上准确提取特征信息是十分困难的，特征提取的精确性在很大程度上依赖于图像质量。因此，在指纹特征提取和匹配之前有必要对指纹图像进行增强处理。指纹图像增强，就是对指纹图像采用一定的算法进行处理，使其纹理结构清晰化，尽量突出和保留固有的指纹特征信息，并消除噪声，避免产生虚假特征。其目的是保持特征信息提取的准确性和可靠性。从目前的研究情况和各种算法的综合比较来看，空域滤波和频域滤波仍然是指纹图像增强中比较有效且占据主流地位的方法。空域滤波法通过对滤波算子和原始图像作卷积来实现图像增强，具有简单直观，易于分析的优点。O’102
生物特征识别技术Gorman和Nickerson较早提出采用方向滤波器进行指纹图像增强。他们利用指纹独特的方向性设计出相应的方向滤波器模板，这种滤波器能够沿指纹纹线方向对图像进行平滑，具有一定的消除噪声和弥合裂纹的能力，同时能提高指纹脊线和谷线在图像中的对比度。但是，该方法没有使用指纹的频率信息，主要依据经验来确定滤波器模板，对低质量指纹图像的处理效果较差，具有一定的局限性。Greenberg等使用具有结构自适应能力的各向异性滤波器对指纹图像进行滤波，能够在滤除噪声的同时保护指纹纹线结构，但是同样没有结合指纹的频率信息，对指纹纹线变化的适应能力有限。Hong等提出采用具有方向和频率选择性的二维Gabor滤波器来增强指纹图像。他们根据指纹的方向性将二维Gabor滤波器调制到各个方向，并根据指纹的频率信息来确定滤波器的中心频率，然后使用所得的Gabor滤波器组对图像进行滤波。该方法较好地结合了指纹的方向信息和频率信息，对指纹图像的增强效果比较显著。其不足之处在于，容易破坏纹线方向变化剧烈的模式区域，会在一定程度上改变脊线和谷线的位置及比例关系，对细节特征的保护能力有限。在Hong等人的研究基础上，还出现了一些改进的Gabor滤波算法。Areekul等将二维Gaobr滤波器分解为两个相互独立的一维高斯低通滤波器和一维高斯带通滤波器进行滤波。该算法在运算速度上比原始的Gabor滤波算法大约要快2.6倍。但是，分解得到的两个一维滤波器的组合并不完全等价于原始的二维Gabor滤波器，在一定程度上削弱了指纹图像增强效果。Yang等考虑到指纹脊线和谷线宽度通常不等，提出改进的Gabor滤波器设计方法。与传统的Gabor滤波器相比，改进的Gabor滤波器同时引入脊线和谷线的周期作为参数可实现双频率选择，能够适应指纹脊谷宽度的相对变化。该方法加强了对指纹纹线结构的保护，但是相应提高了计算复杂度。频域滤波法通过直接改善图像的频谱来实现图像增强。由于指纹纹线具有较强的等周期性，因此从频谱上看，指纹图像的能量通常集中在某个频率附近，这为在频域进行指纹图像增强带来方便。Sherlock等提出了基于频域的方向滤波算法。首先在频域定义出一组方向滤波器对指纹图像的频谱进行滤波处理，每一个方向滤波器在提取出对应方向的频谱信息的同时削弱其它方向的频谱信息，然后在空域将滤波结果按指纹图像的方向信息进行融合，从而得到完整的增强图像。该方法利用了图像的全局信息，对低质量指纹图像也能取得较好的增强效果，但是仅以常数作为指纹的脊线频率，没有考虑频率的空间变化性，对指纹的纹线结构和细节特征具有一定的破坏性。另外，该方法需要对整幅图像进行多次傅立叶变换，存在较多的运算，计算效率还有待提高。Kamei和Mizoguchi在频域对图像作方向滤波时进一步考虑了指纹的局部频率信息，并使用贪婪算法以能量最小化的方式对滤波图像进行融合。该方法的最大问题是计算量和存储量均较大，不利于实际应用。Willis和Myers提出了一种快速的频域增强算法。首先将指纹图像分成一系列小方块，并对各图像子块分别作傅立叶变换以得到相应的频谱，然后采用求幂的方法直接修改幅度谱值，最后通过傅立叶逆变换得到增强图像。该方法不需要计算原始指纹图像的方向和频率，因此简单易行，计算量较小，但是在噪声的影响下会对图像造成较大的破坏，其合理性还有待进一步研究。Chikkerur等使用短时傅立叶变换对图像进行频谱分析和处理。首先利用短时傅立叶变换提取出图像各个局部区域的频谱信息，并根据频谱估计出对应区域的纹线方向和频率，然后构造出相应的具有方向选择性的带通滤波器进行滤波处理。该方法能够同时在空域和频域对指纹图像进行局域化分析，优点较为明显，但是在滤波器设计上缺乏研究和改进，滤波性能一般。此外，在频域计算指纹纹线方向和频率易受噪声干扰，精度较低，影响图像增强效果。102
生物特征识别技术与空域滤波相比，频域滤波的优点是对低质量指纹图像的增强效果较好，且能够处理一些难以在空域进行增强的图像。例如对于背景噪声为规则线条的指纹图像，采用空域滤波的方法很难去除其中的规则线条，而在频域，规则线条表现为幅度谱上的几个孤立亮点，只需把这些亮点除掉即可消除这些线条噪声。频域滤波的缺点则主要在于难以对算法进行优化，其计算效率在很大程度上取决于傅立叶变换的速度。若采用快速傅立叶变换则通常要求图像的宽度和高度为2的幂次方，具有一定的局限性。除上述两类算法外，还有其它一些指纹图像增强算法，尽管大都不够成熟，但是具有各自的特点和研究参考价值。Almansa和Lindeberg在尺度空间进行指纹图像增强，提出了两种图像处理机制：自适应尺度平滑和自适应尺度选择。其中，自适应尺度平滑根据图像尺度大小对局部脊线进行平滑，自动尺度选择则用于估计脊线的宽度并根据局部噪声的数量来确定平滑程度。尽管该方法在理论上是完备的，但是模型复杂，需要估计较多参数，计算量大，并不适合实际应用。Park等采用方向滤波器组(DirectionalFilterBank，简称DFB)来实现指纹图像增强。他们使用DFB对图像进行分解和重构，首先把指纹图像分解到8个方向通道，并分别作滤波处理，然后根据各通道图像的能量大小来进行图像重构以得到增强的指纹图像。该方法能够突出指纹图像的方向性，对裂纹具有一定的修复能力，但是对方向的量化比较粗糙，且难以结合脊线频率信息进行图像增强，局限性较为明显。Hsieh等提出了基于小波变换的增强算法。首先对指纹图像作小波分解，然后将分解得到的逼近图像和细节图像转换到纹理谱域进行纹理滤波，为改善脊线结构的方向一致性，还采用方向补偿技术来修正小波分解系数，最后通过小波重构取得增强图像。该方法具有较强的噪声消除能力，但同样缺乏对脊线频率信息的利用。此外，对于指纹图像很难确定一个较理想的小波分解尺度，这限制了小波分析方法在指纹图像增强中的应用。102
生物特征识别技术从研究对象来看，指纹图像增强的研究在目前主要针对低质量指纹图像进行。这是因为随着指纹识别技术的不断发展，低质量指纹图像所带来的影响已经逐渐成为自动指纹识别系统进一步提高性能的主要障碍。第一届国际指纹识别竞赛(FVC2000)便揭示出：所占比例大致为20%的低质量指纹图像造成80%的识别错误。就目前的条件而言，很难在指纹图像采集环节彻底消除低质量指纹图像。其主要原因是：一方面，指纹图像传感器技术还有待发展；另一方面，总有部分人群的手指存在磨损、脱皮和疤痕等缺陷，难以取得理想的指纹图像。上一章所讨论的指纹图像质量评价算法用于对输入指纹图像的质量进行分析和判断，有助于控制指纹采集效果以减少出现低质量图像的可能，并能为处置低质量指纹图像带来一定的灵活性，但显然不能完全解决问题。对于被判定为质量较差的指纹图像，若采取拒绝处理和要求重新采集的策略，可以在一定程度上降低错误识别的可能性，提高指纹识别系统的鲁棒性，这在注册指纹时比较常见。但是，在验证指纹时不宜过多使用这种策略，否则会使用户感到不便，影响系统的方便性。此外，这种策略并不适用于那些已经采集的和不易采集的指纹，如司法机关保留的指纹资料和犯罪现场的遗留指纹等。因此，如何处理低质量指纹图像不可避免地成为指纹图像增强所要面临的问题。更进一步看，指纹图像增强直接在原始图像上进行，是指纹特征提取和匹配的前导步骤，其计算量通常占整个指纹识别算法的三分之二以上，因此又是克服低质量指纹图像影响的关键环节，对于改善自动指纹识别系统的性能具有举足轻重的作用。此外，指纹图像增强的前处理和后处理对展示指纹图像的增强效果起到关键性作用，是不可或缺的重要环节。其中前处理主要是归一化；后处理则主要是二值化处理。归一化的主要目的是解决按压不均匀对采集的指纹图像的影响；二值化的主要目的是更好的展示增强的效果，为后面的细化做好充分的准备。指纹图像归一化的目的是使得图像灰度值达到一个预先定义的平均值和方差，增强图像整体对比度。归一化处理能够有效地解决按压不均匀对采集到的指纹图像的影响。归一化采用如下公式实现[60]：(1)对于图像，分别为图像的灰度均值和方差，为期望的灰度均值和方差。当期望的均值和方差均取不同值时，归一化的程度不同，均值和方差取值越大，归一化程度越强。对于不同按压不均匀程度的指纹图像，通过调整参数，就可以达到消除按压不均匀对指纹图像的影响的目的。3.4.4图像二值化指纹图像的二值化是把灰度指纹图像变成仅用O和255两个值表示的二值图像，其中，O表示脊线子图，255表示背景子图，即将灰度图像变为黑白图像的过程。在指纹图像中，脊线也比谷线要暗。所谓灰度图像的二值化就是通过设定阈值(threshold)，把它变为仅用两个灰度值分别表示图像的前景和背景颜色的二值图像。二值化的方法很多，关键在于阈值T的选取。而T的取值方法又取决于二值化的技术。T的选择有基于由点的像灰度值单独决定的、有由像素的局部特征决定的、也有基于全局像素决定的。阈值可以分为两类：全局阈值和局部阈值。全局阈值是对整个图像采用一个阈值进行划分，例如非零像素置1化、固定阈值二值化、判断分析二值化、基于灰度直方图的阈值法等。局部阈值法是将图像分成一些子块，对于每一块选定一个阈值，如动态阈值法。102
生物特征识别技术3.4.5图像细化指纹图像的纹线细化处理，是在不改变图像像素拓扑连接关系的条件下，连续擦除图像的边缘像素，把纹线粗细不均匀的指纹图像转化成单像素线宽的条纹中心线图像的过程。对指纹纹线进行细化的主要作用是去除不必要的纹线粗细信息，使指纹图像的数据量及连接结构变得简单明了，便于从指纹图像中提取细节特征，从而提高指纹图像的处理速度和效率。理想细化后的纹线骨架应该是原始纹线的中间位置，并保持纹线的连接性、拓扑结构和细节特征。对细化算法的要求是：（1）收敛性：迭代算法必须是收敛的；（2）连通性：不破坏纹线的连通性；（3）拓扑性：不引起纹线的逐渐蚕食；（4）保持性：保护指纹的细节特征；（5）细化性：骨架纹线的宽度为1个像素；（6）中轴性：骨架尽可能接近条纹中心线；（7）快速性：算法简单、速度快。除此之外，指纹图像的细化还要保护好端点和分歧点等细节特征。图3.10指纹图像预处理示例3.5特征提取特征提取过程就是提取指纹细节点的过程。细节特征提取是从输入的指纹图像中提取出有代表性的特征。对自动指纹识别系统而言，找出输入指纹图像的一个显著而又合适的特征表示至关重要。一般来说，这种表示应当具有如下的特征：l保持原始图像的可区分性。要求特征表示能够保持指纹的独特性。l紧凑性。特征表示中不应当含有冗余的信息。102
生物特征识别技术l能适应不同的匹配算法。要求特征表示能适合匹配算法。l抵抗噪声和形变能力强。对指纹质量的要求不能过于苛刻。l无需很复杂的计算度。指纹细节提取的算法复杂性不能太高。目前，大多数自动指纹识别系统都是基于细节点匹配算法，这是因为指纹的细节特征模型组成了一个有效的指纹特征表示，具有紧凑、适用性好、抗干扰强、易于提取计算等特点。每个细节特征应具有如下参数：lx坐标ly坐标l细节点的方向l细节点的类型。最常用的细节特征是FBI提出的细节点坐标模型，它利用脊末梢与分叉点这两种特征来鉴定指纹。虽然也有一些文献中提出使用比较复杂的特征，如孤立点、小桥、短分叉、交叉和环等。但是这些特征的提取存在两个问题：（1）不易检测，往往需要在一个NxN的窗口中分析指纹的纹路；(2)这些复杂特征中的大多数都是由噪声引起的。因此，大多数系统都是只提取分叉点和端点。一个优良的细节提取算法应该既可靠又高效。细节提取算法的可靠性意味着：（1）不会提取出伪特征点；(2)不会漏掉真特征点；(3)能准确地计算特征点位置和方向。然而，从指纹图像中准确地提取特征是比较困难的。当指纹图像的质量不错时，脊线和谷线的分布很清晰，在这种情况下末梢点和分叉点可以很容易地被找到，并且准确定位。然而，在实际情况中，一般采集到的指纹图像的质量不一定很好。质量不好的图像中的脊线和谷线的区别很模糊，不能准确地被提取出来，因此相当多的伪特征点产生，很多真特征点丢失，而且特征点的位置和方向的计算也有很大误差。一个好的细节特征提取算法应该对指纹图像质量具有一定的适应性，能在一定程度内容忍质量较差的指纹图像，只不过随指纹图像质量的降低而性能逐渐下降而己。细节点提取方法目前主要有两类：1)从细化图像上提取。首先对指纹图像进行细化处理，然后通过分析细化纹线上像素点的8-邻接点来判定细节点的类型、位置，通过分析所连接的纹线段来判定细节点的方向。该方法的优点是原理简单、便于实现；其缺点是细化处理较慢，且当图像质量较差时细化处理往往产生很多畸变，如小毛刺、小环岛等，导致提取出很多虚假细节点。102
生物特征识别技术2)直接从原始灰度图像上提取。该方法的基本原理是在指纹方向图的引导下跟踪指纹纹线，每前进一定距离，根据图像在与跟踪方向垂直的线段上的投影的极值确定纹线的位置，当遇到端点和分叉点时跟踪过程终止。该方法的优点是克服了细化方法的不足，具有较高的效率和精度；其缺点是实现起来较复杂，且当图像质量较差时求出的方向图不可靠，导致跟踪出现偏差，产生虚假细节点或遗漏真实细节点。无论哪种提取方法都会产生虚假细节点，因此需要对提取出的细节点进行后处理。后处理的目的是尽可能清除虚假细节点，保留真实细节点。细节点后处理的方法分为两类：1)基于细节点邻域拓扑结构分析的方法。这类方法只能在指纹细化图或二值图上进行。其做法是首先分析相邻细节点的个数、与之通过细化纹线相连的其他细节点的个数、周围细化纹线的平行性或间距、所在纹线的宽度等信息，然后根据这些信息通过一些复杂的启发式规则进行细节点真假判定。这类方法的缺陷在于二值化、细化处理都会损失图像的部分信息，且可能产生新的误差，在此基础上不可能彻底清除由于二值图或细化图本身错误所产生的虚假细节点。2)基于细节点在灰度图像上局部邻域分析的方法。这类方法的基本思想是对于提取出的细节点，取其在原始灰度图像上的局部邻域图像，分析其统计特征，然后根据统计特征用神经网络进行真实细节点和虚假细节点的分类判定。这类方法的优点是利用了原始灰度图像的丰富信息，克服了前述方法的根本缺陷，在理论上可以实现很好的效果；其缺点是细节点邻域中像素点的组合方式千变万化，需要寻找具有代表性的统计特征。3.6指纹分类指纹分类的目的，是为了给大规模数据库提供一种检索机制。常用于警用辨识系统以减少指纹匹配的数量。对于一般民用AFIS指纹分类技术使用较少。指纹分类是指纹识别算法的重要组成部分，它按照指纹的宏观特征(全局特征)，把不同的指纹划分到相应的类别。在辨识模式下，合适的指纹分类可以减少所需的搜索空间，有效提高处理速度。总的说来，指纹分类的研究主要围绕以下五点进行：(1)指纹的类别数，类别越多，分类检索的效率就越高，但类别太多有可能导致类间差异过小，影响分类的准确性；(2)指纹在各类之间的分布，若指纹在各类之间的分布比较均匀，则分类检索的效率也较高；(3)分类的一致性，即来自同一手指的指纹每次都应当稳定地被归为相同类别；(4)分类的准确性，即能够依照既定的标准，准确地对指纹进行归类；(5)分类算法的计算复杂度，指纹分类是为了加快检索指纹的速度，若分类所需的计算代价过高，则将失去实际意义。指纹分类的实现方法很多，大致上可以分为4类：基于神经网络的分类方法、基于奇异点进行分类的方法、语法分析的方法和其他的方法。102
生物特征识别技术3.6.1 基于神经网络的分类方法神经网络的方法一般是基于多层感知器或Kohonen自组织网络。由于人工神经网络具有与人脑相似的高度并行性和良好的容错性，特别是以改进型BP网络为代表的神经网络具有良好的自学习能力、强大的分类能力和容错能力。运用BP网络进行指纹分类是很可行的，但是在采用BP算法训练连接权值时，由于BP算法存在易于陷入局部极值的缺点，因而可能使最终的分类结果达不到理想状态。遗传算法(GA)是一种自适应的启发式全局搜索算法，能从问题的解空间而不是单个解开始进行鲁棒性搜索，可以有效地防止寻优结果收敛于局部最优解。该算法不依赖于问题模型特性，没有解析寻优算法要求目标函数连续光滑的限制，具有较好的自适应性。3.6.2 基于奇异点进行分类的方法相对于指纹图像的其它区域而言、奇异点有许多特殊性质。比如对于给定指纹图像的任意一点，在其邻域内作一条包围该点的闭合曲线，沿该闭合曲线旋转一周计算所得到的方向向量的旋转总和，对于不同性质的点，这个总和值是不同的，涡轮形(whorl)对应的值为360°，中心点(core)对应的值为180°，三角区(delta)对应的值为-180°，而一般(ordinary)的图像区域对应值为0°。利用这一特性，可找出图像中的奇异点。基于奇异点的数量和位置的启发式规则被用来进行指纹分类。其他的一些诸如脊线形状和方向的细节特征被用来改善分类的性能。由于这些方法严重依赖奇异点，所以在一些噪声比较大和局部图像和残缺图像中，这种方法会出现比较大误差。3.6.3 语法分析的方法和其他的方法语法分析的方法是根据预定义的语法规则来表示指纹和对指纹进行分类的。在分类的过程中，根据各类规则对图像进行处理和分类。此外，Chong等提出了一种基于脊线几何形状的分类方法。利用B样条曲线来模拟指纹脊线。还利用其他的曲线来降低人为误差。分类是通过跟踪曲线得到纹线的旋转来实现的。SENIORA采用了隐含马科夫模型分类器(hiddenMarkovmodel102
生物特征识别技术classification)的方法。CAPPELLIR等提出了一种基于指纹方向图分区和遗传算法的连续分类方法。根据各种典型指纹类别的拓扑结构而引进了一组动态分区模板和代价函数用于引导方向图分区，并将寻找最佳匹配划分的过程转化成一个N维向量空间的函数优化问题。由于这种方法是一种连续分类方法，取得了很好的实验结果和较强的算法鲁棒性。3.7指纹匹配指纹匹配是自动指纹识别系统最基本也是最主要的功能，用于检验两幅指纹是否来自同一手指，通常表现为对指纹的特征模板进行比对。指纹匹配主要涉及两个方面的问题：(1)如何有效地描述指纹图像，也就是如何选择和提取能够体现指纹唯一性的特征；(2)如何比对两幅指纹，即如何根据指纹的特征确定两幅指纹的相似性。上述两个问题并不是相互独立的，而是相互影响和制约的。特征的选取在很大程度上决定了特征比对所能采用的手段，而特征比对的可靠性则决定了所选取的特征是否有意义。自动指纹匹配的过程一般可分为以下三步：一、根据指纹图像中的关键信息对指纹图像进行增强处理，削弱图像中的噪声，突出有用信号。二、提取指纹图像中的特征点(奇异点，端点和分歧点等)。三、根据匹配上的细节点对来确定两幅图像是否来自同一指纹。目前常用的自动指纹识别系统，除了一些光学系统采用图像相关的方法，其他基本上都采用细节匹配的方法。在以上三个步骤中，指纹图像的增强以及指纹的匹配算法是目前的重点和难点。102
生物特征识别技术第四章指纹图像分割算法4.1灰度方差分割法所谓的图像分割就是指：已知一幅图像像素集I和一个一致性谓词P(●)，求图像I表示成n个区域集合Ri的一种划分：(4-1)一致性谓词和图像划分具有如下特性，即任何区域满足如下谓词：P(Ri)=True(4-2)任何两个相邻区域不能合并成单一区域，即要满足谓词：P(Ri∪Rj)=False(4-3)一致性谓词P(●)定义了在区域Ri上的所有点与区域模型的相似程度。如果采用比较简单的分割方法来直接分割指纹图像，算法只用到指纹图像的灰度特性，计算简单快速，但是简单的灰度方差分割有时不能得到完好的指纹分割结果。灰度方差分割法的具体操作步骤为：假设f(i，j)代表指纹图像（i，j）处的灰度值，将指纹图像分成大小为M×M的块，M的确定依据具体的指纹图像而定，当然也可以根据多次试验而得到经验值。通过以下的两个公式来确定指纹图像的前景与背景。（1）块灰度均值设为mean，第（m，n）块的均值计算方法如下：(4-4)（2）块灰度方差variance，第（m，n）块的方差计算方法如下：(4-5)考查指纹图像就会发现，前景区域均值较低，而由于包含指纹的脊线和谷线信息，使得指纹图像的方差较大；而与之相反，背景区域均值较大，方差较小。所以，可以通过设置适当的均值和方差的阈值T1和T2，当mean>T1且variance
查看更多
Copyright 2004-2019 ttzyw.com All Rights Reserved 闽ICP备18023965号-4
天天资源网声明：本站点发布的文章作品均来自用户投稿或网络整理，部分作品未联系到知识产权人或未发现有相关的知识产权登记