生物识别技术
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1. 采集指纹图像的技术 采集指纹图像的技术主要为光学技术和电容 技术。
2. 指纹识别系统运作原理
图4-11 指纹识别系统运作原理图
3. 指纹识别过程 指纹识别包括指纹图像分割、图像增强、特征 提取、指纹匹配。 4. 指纹采集设备的一般技术水平 目前市场能提供光电转换式或电容感应式指纹采 集芯片。 表征单一指纹的生物代码仅需200B到400B左右。 计算机设备从采集指纹到完成比对仅需1s~2s。
4.2.3 视网膜识别 利用视网膜上的血管分布模式进行身份识 别。视网膜读取器感知人眼后面的视网膜脉络 模式时, 使用者的眼睛与设备应在15mm 之内, 而且取图像时眼睛必须处于静止状态, 特征提取 可获得400多个特征点。
1. 精确度和识别效果 与大多数其他生物识别技术相比，它具有 非常高的精确度。 2. 视网膜扫描的优缺点 优点： • 精确度高； • 样本稳定； • 难以伪造； • 记忆模板较小。
2. 虹膜识别算法
图4-2 虹膜识别及其全编码
图4-3 局部放弃的虹膜编码
百度文库
3. 虹膜识别的精度
• 两个不同虹膜返回75%匹 配度的概率为10-16； • 错误接收率FAR与错误拒 绝率FRR相同时的错误率 小于1.2x10-6 ； • 两个不同虹膜返回相同编 码的概率为10-52； • 虹膜识别速度在1s~3s。 • 虹膜编码在500B以内。
4.2.6 语音识别 语音识别也是一种行为识别技术，语音设 备不断地测量、记录语音的波形和变化。语音 识别将现场采集到的语音同登记过的语音模板 进行各种特征的匹配。
4.2.7 步态识别 步态是指人们行走时的方式，它提供了充 足的信息来识别人的身份。步态识别的输入是 一段行走的视频序列。
4.2.8 静脉识别 所有人的静脉都是不一样的。静脉识别技 术是通过红外线摄像机采集稳定的静脉图作为 数据仓库，当需要识别时利用静脉图采集器收 集静脉图，并通过与预先收集好的静脉图作比 较来达到识别的目的。
4.2.9 指纹识别技术 1. 指纹识别技术概念与发展 每一个人的指纹是唯一的，且终身不变。 把一个人同他的指纹对应起来，通过将他的指 纹和预先保存的指纹进行比较，就可以验证他的真 实身份，这就是指纹识别技术。
指纹识别使用最早、目前最成熟的生物识别技 术，指纹是手指末端正面皮肤上的呈有规则定向排 列的纹线。 指纹识别的主要关键技术包括指纹图像增强、 特征提取、指纹分类和指纹匹配几个部分。
5. 当前的水平
图4-7 面像识别的算法流程
6. 面像识别的优缺点
面像识别优点： ·面相被识别者愿意配合； ·可以通过人进行核查对比。
面像识别缺点： . 环境可能影响系统的精确性； . 准确性不高； . 采集图像的设备昂贵
4.2.5 签名识别 将签名数字化的过程包括，将签名图像本 身数字化，以及记录整个签名的动作—每个字 母以及字母之间不同的速度、笔序和压力。
4.2 生物识别技术的内容 4.2.1 生物识别技术概述 生物识别技术是根据人体自身物理特征或 行为特征来识别个人身份。 所有的生物识别工作包括4个步骤：原始 数据获取、抽取特征、比较和匹配。
4.2.2 虹膜识别 1. 虹膜（Iris）
图4-1 虹膜在眼球中的位置
虹膜(Iris)
虹膜是围绕瞳孔呈现绚丽彩色的一层生理薄膜。
第4章 生物识别技术 4.1 4.2 4.3 4.4 生物识别技术基础知识 生物识别技术的内容 生物识别技术应用比较 指纹识别系统的应用
生物(特征)识别技术(Biological feature recognition)是基于人的物理特征或行为特征 通过计算机予以辨识或认证的技术。
由于人体特征的不可复制性，这一技术的 安全性较传统的身份验证有很大的提高。 目前用来进行身份鉴别的生物识别技术有： 指纹识别、掌纹识别、视网膜识别、虹膜识别、 面相识别、步态识别、静脉识别、语音识别、签 名识别等。
2. 指纹的固有特性 • 确定性； • 唯一性； • 可分类性。
3. 指纹识别算法
指纹特征有总体特征和局部特征。 (1) 总体特征（人眼可以直接观察到的特征） • 纹形，如图4-8；一般可分为三大类：环形 又称为斗形(Loop)，弓形(Arch)，螺旋形 (Whorl)。 • 模式区:包含总体特征的区域； • 核心点：位于指纹纹路的渐进中心； • 三角点：从核心点开始的第一个分叉点、断 点、转折处； • 纹数：模式区内指纹纹路的数量
图4-8 指纹的分类
(2) 局部特征 （指纹上节点的特征）
• 特征点的分类：终结点、分叉点、分歧点、孤 立点、环点、短纹 • 特征点的参数：方向、曲率、位置 4. 指纹识别的几何基础 脊线：具有一定宽度和走向的纹线。 可以将指纹脊线分为：直线、波浪线、 弧形线、弓形线、箕形线、环形线、螺旋线 等。 脊线还可以分为内部脊线、外围脊线、 根基脊线。
8. 指纹设备类型 指纹设备可以分为脱机的嵌入式系统和联机的 连接PC的桌面应用系统两种。
图4-12 有IC卡的数字指纹设备的物理组成
9. 指纹识别系统识别流程
图4-13 自动指纹识别系统的流程图
4.4.2 指纹识别应用解决方案
1. 方案简介
以 SecuIBAS系统为例。该系统采用了先进 的指纹识别技术，系统结构灵活，处理功能强大， 是面向互联网业务应用的成熟的身份识别解决方 案。
辨识则是把一个现场采集到的指纹与指纹数据库 的指纹进行对比，找出相匹配的指纹，如图4-10 。
图4-10 一对多指纹登记与辨识系统示意图
8. 指纹识别技术的特点
指纹识别的优点 • 指纹是人体独一无二的特征，可以用于特征 鉴别； • 多个指头指纹可以提高可靠性； • 扫描指纹快捷、方便； • 指纹获取方法可靠； • 指纹采集设备便于小型化，价格低廉
思考题与习题 1. 能够用来鉴别身份的生物特征应该具有 哪些特点？ 2. 所有的生物识别工作包括哪4个步骤？ 3. 生物识别技术应用有哪些？ 4. 请画出指纹识别系统识别流程。
5. 指纹识别技术中的软件与固件
指纹采集头中的固件负责采集图像和与PC计 算机的连接。传送到计算机的指纹需要进行必要 的加密，以保证安全。 计算机得到指纹图像后，识别算法就进行下 一步的验证过程。
6. 指纹识别系统的识别精度 光学设备单指纹比对错误接受率(FAR)可低于 0.001%；错误拒绝率(FRR)可低于0. 1%。 7. 指纹识别系统的应用领域 • • • • 计算机系统及信息安全方面 金融行业 社会治安管理 其他政府机构
指纹识别的缺点 • 某些人指纹特征少，很难成像； • 某些人担心指纹会被记录在案； • 存在指纹被复制的可能性
4.3 生物识别技术应用比较
• • • • • • • •
指纹识别 掌纹识别 面像识别 虹膜识别 视网膜识别 语音识别 签名识别 静脉识别
4.4 指纹识别系统的应用
4.4.1 指纹识别系统
图4-5 视网膜扫描产品
视网膜识别缺点： • 使用较困难； • 消费者感觉不好； • 成本高
4.2.4 面像识别
面像识别技术通过面部特征和他们之间的关 系来识别。
1. 捕捉面部图像的两项技术 （1）视频技术 （2）热成像技术
2. 面像识别的发展
图4-6 面像识别
3. 典型的框架结构 4. 降维
4.1.2 生物识别技术的应用
目前已加以利用的物理特征和行为特征包括： (1) 物理特征: 手指指纹；手掌掌纹；眼睛包 括虹膜、视网膜；面像。 (2) 行为特征: 签字；语音；步态。 • 指纹识别用于手机接通、机场安检； • 虹膜识别用于银行取款。
4.1.3 生物识别技术特点及发展
能够用来鉴别身份的生物特征应该具有以下 特点： 广泛性：每个人都应该具有这种特征； 唯一性：每个人拥有的特征应该各不相同； 稳定性：所拥有的特征不随时间变化而发生 变化； 可采集性：所选择的特征应该便于测量。 结合多种生理和生物特征进行身份鉴别， 提高鉴别系统的精度与可靠性，是身份鉴别领 域发展的必然趋势。
2. SecuIBAS系统的基本功能
图4-14 SecuIBAS系统各部分的关系图
3. “桌面金手指”电脑保护系统介 绍
图4-15 “桌面金手指”电脑保护产 品
4.4.3 指纹识别门票系统 武陵源景区指纹识别门票系统。
图4-16 保证人票合一的门票卡运作方式
图4-17 机控式门闸
图4-18 系统总体框架
4.1 生物识别技术基础知识 4.1.1 生物识别技术的起源 • • • • • 指纹识别可以追溯到古代中国； 1960年代美国联邦调查局开始使用指纹自动识 别设备； 1980年代剑桥大学Joho Daughman教授进行 了虹膜识别技术研究； 1986年从事掌纹识别的Recognition System, Inc.公司成立； 1990年从事签字识别的PenOp, Inc. 公司成立
图4-4 虹膜仪外形图
4. 虹膜识别的应用 虹膜识别用于身份鉴别： • 银行取款； • 网上购物； • 抓捕逃犯 5. 虹膜识别技术的优缺点 虹膜识别优点： • 便于用户使用； • 技术可靠； • 不需要与设备物理接触；
虹膜识别缺点： • 仍处于实验阶段； • 图像获取设备难以小型化； • 摄像头昂贵； • 可靠性尚低； • 黑眼睛极难读取
5. 采集指纹图像的三种技术 • 光学技术； • 半导体技术； • 超声波技术。
6. 特征提取
采集到高质量的图像后，需要许多步骤 将它的特征转换到一个复合模板中，这个过 程被称为特征提取。
7. 验证和辨识 验证是通过把一个现场采集到的指纹与一个已 登记的指纹进行一对一的比对如图4-9 。
图4-9 一对一指纹登记与辨识系统示意图
2. 指纹识别系统运作原理
图4-11 指纹识别系统运作原理图
3. 指纹识别过程 指纹识别包括指纹图像分割、图像增强、特征 提取、指纹匹配。 4. 指纹采集设备的一般技术水平 目前市场能提供光电转换式或电容感应式指纹采 集芯片。 表征单一指纹的生物代码仅需200B到400B左右。 计算机设备从采集指纹到完成比对仅需1s~2s。
4.2.3 视网膜识别 利用视网膜上的血管分布模式进行身份识 别。视网膜读取器感知人眼后面的视网膜脉络 模式时, 使用者的眼睛与设备应在15mm 之内, 而且取图像时眼睛必须处于静止状态, 特征提取 可获得400多个特征点。
1. 精确度和识别效果 与大多数其他生物识别技术相比，它具有 非常高的精确度。 2. 视网膜扫描的优缺点 优点： • 精确度高； • 样本稳定； • 难以伪造； • 记忆模板较小。
2. 虹膜识别算法
图4-2 虹膜识别及其全编码
图4-3 局部放弃的虹膜编码
百度文库
3. 虹膜识别的精度
• 两个不同虹膜返回75%匹 配度的概率为10-16； • 错误接收率FAR与错误拒 绝率FRR相同时的错误率 小于1.2x10-6 ； • 两个不同虹膜返回相同编 码的概率为10-52； • 虹膜识别速度在1s~3s。 • 虹膜编码在500B以内。
4.2.6 语音识别 语音识别也是一种行为识别技术，语音设 备不断地测量、记录语音的波形和变化。语音 识别将现场采集到的语音同登记过的语音模板 进行各种特征的匹配。
4.2.7 步态识别 步态是指人们行走时的方式，它提供了充 足的信息来识别人的身份。步态识别的输入是 一段行走的视频序列。
4.2.8 静脉识别 所有人的静脉都是不一样的。静脉识别技 术是通过红外线摄像机采集稳定的静脉图作为 数据仓库，当需要识别时利用静脉图采集器收 集静脉图，并通过与预先收集好的静脉图作比 较来达到识别的目的。
4.2.9 指纹识别技术 1. 指纹识别技术概念与发展 每一个人的指纹是唯一的，且终身不变。 把一个人同他的指纹对应起来，通过将他的指 纹和预先保存的指纹进行比较，就可以验证他的真 实身份，这就是指纹识别技术。
指纹识别使用最早、目前最成熟的生物识别技 术，指纹是手指末端正面皮肤上的呈有规则定向排 列的纹线。 指纹识别的主要关键技术包括指纹图像增强、 特征提取、指纹分类和指纹匹配几个部分。
5. 当前的水平
图4-7 面像识别的算法流程
6. 面像识别的优缺点
面像识别优点： ·面相被识别者愿意配合； ·可以通过人进行核查对比。
面像识别缺点： . 环境可能影响系统的精确性； . 准确性不高； . 采集图像的设备昂贵
4.2.5 签名识别 将签名数字化的过程包括，将签名图像本 身数字化，以及记录整个签名的动作—每个字 母以及字母之间不同的速度、笔序和压力。
4.2 生物识别技术的内容 4.2.1 生物识别技术概述 生物识别技术是根据人体自身物理特征或 行为特征来识别个人身份。 所有的生物识别工作包括4个步骤：原始 数据获取、抽取特征、比较和匹配。
4.2.2 虹膜识别 1. 虹膜（Iris）
图4-1 虹膜在眼球中的位置
虹膜(Iris)
虹膜是围绕瞳孔呈现绚丽彩色的一层生理薄膜。
第4章 生物识别技术 4.1 4.2 4.3 4.4 生物识别技术基础知识 生物识别技术的内容 生物识别技术应用比较 指纹识别系统的应用
生物(特征)识别技术(Biological feature recognition)是基于人的物理特征或行为特征 通过计算机予以辨识或认证的技术。
由于人体特征的不可复制性，这一技术的 安全性较传统的身份验证有很大的提高。 目前用来进行身份鉴别的生物识别技术有： 指纹识别、掌纹识别、视网膜识别、虹膜识别、 面相识别、步态识别、静脉识别、语音识别、签 名识别等。
2. 指纹的固有特性 • 确定性； • 唯一性； • 可分类性。
3. 指纹识别算法
指纹特征有总体特征和局部特征。 (1) 总体特征（人眼可以直接观察到的特征） • 纹形，如图4-8；一般可分为三大类：环形 又称为斗形(Loop)，弓形(Arch)，螺旋形 (Whorl)。 • 模式区:包含总体特征的区域； • 核心点：位于指纹纹路的渐进中心； • 三角点：从核心点开始的第一个分叉点、断 点、转折处； • 纹数：模式区内指纹纹路的数量
图4-8 指纹的分类
(2) 局部特征 （指纹上节点的特征）
• 特征点的分类：终结点、分叉点、分歧点、孤 立点、环点、短纹 • 特征点的参数：方向、曲率、位置 4. 指纹识别的几何基础 脊线：具有一定宽度和走向的纹线。 可以将指纹脊线分为：直线、波浪线、 弧形线、弓形线、箕形线、环形线、螺旋线 等。 脊线还可以分为内部脊线、外围脊线、 根基脊线。
8. 指纹设备类型 指纹设备可以分为脱机的嵌入式系统和联机的 连接PC的桌面应用系统两种。
图4-12 有IC卡的数字指纹设备的物理组成
9. 指纹识别系统识别流程
图4-13 自动指纹识别系统的流程图
4.4.2 指纹识别应用解决方案
1. 方案简介
以 SecuIBAS系统为例。该系统采用了先进 的指纹识别技术，系统结构灵活，处理功能强大， 是面向互联网业务应用的成熟的身份识别解决方 案。
辨识则是把一个现场采集到的指纹与指纹数据库 的指纹进行对比，找出相匹配的指纹，如图4-10 。
图4-10 一对多指纹登记与辨识系统示意图
8. 指纹识别技术的特点
指纹识别的优点 • 指纹是人体独一无二的特征，可以用于特征 鉴别； • 多个指头指纹可以提高可靠性； • 扫描指纹快捷、方便； • 指纹获取方法可靠； • 指纹采集设备便于小型化，价格低廉
思考题与习题 1. 能够用来鉴别身份的生物特征应该具有 哪些特点？ 2. 所有的生物识别工作包括哪4个步骤？ 3. 生物识别技术应用有哪些？ 4. 请画出指纹识别系统识别流程。
5. 指纹识别技术中的软件与固件
指纹采集头中的固件负责采集图像和与PC计 算机的连接。传送到计算机的指纹需要进行必要 的加密，以保证安全。 计算机得到指纹图像后，识别算法就进行下 一步的验证过程。
6. 指纹识别系统的识别精度 光学设备单指纹比对错误接受率(FAR)可低于 0.001%；错误拒绝率(FRR)可低于0. 1%。 7. 指纹识别系统的应用领域 • • • • 计算机系统及信息安全方面 金融行业 社会治安管理 其他政府机构
指纹识别的缺点 • 某些人指纹特征少，很难成像； • 某些人担心指纹会被记录在案； • 存在指纹被复制的可能性
4.3 生物识别技术应用比较
• • • • • • • •
指纹识别 掌纹识别 面像识别 虹膜识别 视网膜识别 语音识别 签名识别 静脉识别
4.4 指纹识别系统的应用
4.4.1 指纹识别系统
图4-5 视网膜扫描产品
视网膜识别缺点： • 使用较困难； • 消费者感觉不好； • 成本高
4.2.4 面像识别
面像识别技术通过面部特征和他们之间的关 系来识别。
1. 捕捉面部图像的两项技术 （1）视频技术 （2）热成像技术
2. 面像识别的发展
图4-6 面像识别
3. 典型的框架结构 4. 降维
4.1.2 生物识别技术的应用
目前已加以利用的物理特征和行为特征包括： (1) 物理特征: 手指指纹；手掌掌纹；眼睛包 括虹膜、视网膜；面像。 (2) 行为特征: 签字；语音；步态。 • 指纹识别用于手机接通、机场安检； • 虹膜识别用于银行取款。
4.1.3 生物识别技术特点及发展
能够用来鉴别身份的生物特征应该具有以下 特点： 广泛性：每个人都应该具有这种特征； 唯一性：每个人拥有的特征应该各不相同； 稳定性：所拥有的特征不随时间变化而发生 变化； 可采集性：所选择的特征应该便于测量。 结合多种生理和生物特征进行身份鉴别， 提高鉴别系统的精度与可靠性，是身份鉴别领 域发展的必然趋势。
2. SecuIBAS系统的基本功能
图4-14 SecuIBAS系统各部分的关系图
3. “桌面金手指”电脑保护系统介 绍
图4-15 “桌面金手指”电脑保护产 品
4.4.3 指纹识别门票系统 武陵源景区指纹识别门票系统。
图4-16 保证人票合一的门票卡运作方式
图4-17 机控式门闸
图4-18 系统总体框架
4.1 生物识别技术基础知识 4.1.1 生物识别技术的起源 • • • • • 指纹识别可以追溯到古代中国； 1960年代美国联邦调查局开始使用指纹自动识 别设备； 1980年代剑桥大学Joho Daughman教授进行 了虹膜识别技术研究； 1986年从事掌纹识别的Recognition System, Inc.公司成立； 1990年从事签字识别的PenOp, Inc. 公司成立
图4-4 虹膜仪外形图
4. 虹膜识别的应用 虹膜识别用于身份鉴别： • 银行取款； • 网上购物； • 抓捕逃犯 5. 虹膜识别技术的优缺点 虹膜识别优点： • 便于用户使用； • 技术可靠； • 不需要与设备物理接触；
虹膜识别缺点： • 仍处于实验阶段； • 图像获取设备难以小型化； • 摄像头昂贵； • 可靠性尚低； • 黑眼睛极难读取
5. 采集指纹图像的三种技术 • 光学技术； • 半导体技术； • 超声波技术。
6. 特征提取
采集到高质量的图像后，需要许多步骤 将它的特征转换到一个复合模板中，这个过 程被称为特征提取。
7. 验证和辨识 验证是通过把一个现场采集到的指纹与一个已 登记的指纹进行一对一的比对如图4-9 。
图4-9 一对一指纹登记与辨识系统示意图