生物识别技术及应用

•
芯片录入技术：基于芯片的传感器，面 积只有一枚邮票那么大，使用者直接将手指 放在硅芯片的表面来完成指纹图像的录入。
（2）特征提取 当通过上述三种方式得到一幅指纹图像后， 需要对图像特征进行提取、分析，指纹基 本特征就是如嵴、谷和终点、分叉点或分 歧点。 平均每个指纹都有几个独一无二可 测量的特征点，每个特征点都有大约七个 特征，我们的十个手指产生最少4900个独 特征，我们的十个手指产生最少4900个独 立可测量的特征点，足以确认指纹识别的 可靠性。
面部识别
面部识别由于具有无需特殊的采集设备， 系统成本相对低，不干扰使用者，不侵犯使 用者的隐私权等特点，因此成为目前实际使 用的广泛程度公次于指纹识别的生物特 征手 段。近十年来，面像识别出现了不少诸如 Boosting、ICA、流形学习等在内的技术热点， Boosting、ICA、流形学习等在内的技术热点， 极大地促进了面像识别技术与产业的发展。
尽管面像识别技术不如指纹识别应用那么 普及，但市场上也已出现了众多基于面像识 别技术的产品，如面像识别门禁 系统、面像 识别考勤系统、公安布控对象监控系统、面 像识别网上追逃系统、机场安检系统、面像 识别出入境边检系统、照片比对系统、网络 安全认证系统、金融防 伪系统、收容遣送管 理信息系统等。
•
虹膜识别
虹膜
虹膜中间有一
直径2.5～4mm的 圆孔，这就是我们 熟悉的瞳孔。 眼球前部含色 素的环形薄膜，由 结缔组织细胞、肌 纤维等构成，当中 是瞳孔。眼球的颜 色是由虹膜所含色 素的多少决定的。
虹膜的特征
1. 高独特性。几乎任何两个人(包括双胞胎)的虹膜都是不 高独特性。
完全相同的，即使是同一个人左右眼的虹膜也存在一定的差 异。
•Fisher脸方法 Fisher脸方法
Fisher脸方法的基本思想是使不同人的面像在 Fisher脸方法的基本思想是使不同人的面像在 所生成的面像空间中可分性最佳，从而比特征 脸方法更适用于面像识别。 •弹性图匹配方法 该方法用图来描述面像，图的顶点表示面部的 局部特征点（例如眼睛、鼻尖等），边表示局 部特征点之间的拓扑连接关系。面像识别时主 要衡量它们所对应的图之间的相似度。
在数字信息处理方面，高性能、低价格 的数字信号处理器（DSP）已开始大量的应用 的数字信号处理器（DSP）已开始大量的应用 于民用领域，其对于系统所采集的信息进行 数字化处理的功能也越来越强。在比对和匹 配技术方面，各种先进的算法技术不断的开 发成功，大型数据库和分布式网络技术的发 展，使得生物识别系统的应用得以顺利实现。
与传统身份鉴定相比，生物识别技术具有以下特 点： • 随身性：生物特征是人体固有的特征，与 人体是唯一绑定的，具有随身性。 • 安全性：人体特征本身就是个人身份的最 好证明, 好证明,满足更高的安全需求。 • 唯一性：每个人拥有的生物特征各不相同。 • 稳定性：生物特征如指纹、虹膜等人体特 征会随时间等条件的变化而变化。
生物识别的技术核心在于如何获取这些 生物特征，并将其转换为数字信息，存储于 计算机中，利用可靠的匹配算法来完成验证 与识别个人身份的过程。
生物识别技术与传统身份鉴定技术 的对比分析
传统身份鉴定技术是指基于特定持有物 （如：身份证）和基于特定知识（如：密码） 进行身份鉴定的一种技术。其应用如：人们 通过信用卡和密码可以实现在ATM 通过信用卡和密码可以实现在ATM机上取款。 ATM机上取款。 传统方法的缺点是：特定持有物易丢失、 被盗和遗忘。特定知识则存在记忆上的问题。 密码太复杂，容易遗忘；密码简单（如：生 日、电话号码等），则容易被破译和猜测。
• 广泛性：每个人都具有这种特征。 • 方便性：生物识别技术不需记忆密码与携
带使用特殊工具(如钥匙) 带使用特殊工具(如钥匙)，不会遗失。 • 可采集性：选择的生物特征易于测量。 • 可接受性：使用者对所选择的个人生物特 征及其应用愿意接受。
基于以上特点，生物识别技术具有传统 的身份鉴定手段无法比拟的优点。采用生物 识别技术，可不必再记忆和设置密码，对重 要的文件、数据和交易都可以利用它进行安 全加密，有效地防止恶意盗用，使用更加方 便。
• 指纹纹线的3种基本模式是环型、弓形和螺 指纹纹线的3
旋形。
弓形
环形
螺旋形
• 局部特征 • 最常见的指纹局部特征包括纹线端点、分
叉点和短纹（孤立点）。局部特征和模式 在指纹分析中都非常重要，由这些特征， 没有两个指纹是相同的。
分叉点 短纹（孤立点） 纹线端点
（3）比对和匹配 当指纹图像的特征值被提取后，就可依照 特征值与数据库中原来存储的指纹图像特 短纹（孤立点） 征进行比对和匹配。 • 快速可靠的算法是关键
现有的面像检测方法分为三类： • 基于规则的面像检测：总结了特定条件下 可用于检测面像的知识（例如肤色、轮廓 等），并把这些知识归纳成指导面像检测 的规则; 的规则; • 基于模板匹配的面像检测：首先构造具有 代表性的面像模板，通过相关匹配或者其 他的相似性度量检测面像; 他的相似性度量检测面像; • 基于统计学习的面像检测：主要利用了面 部特征点结构灰度分布的共同性，是当前 面像检测研究领域中的主要 内容。
模式匹配
识别结果
虹膜识别实现方法——识别方法 虹膜识别实现方法——识别方法
当今社会虹膜识别技术高速发展，一下列举了一些识别方法： 当今社会虹膜识别技术高速发展，一下列举了一些识别方法：
• 基于局部二值模式特征和图匹配的虹
膜识别方法 • 一种基于灰度信息的虹膜识别预处理 方法 • 基于多分辨率分析的虹膜识别方法 • 基于小波变换和极大值检测的虹膜识 别方法
2. 高稳定性 虹膜本身一般不易发病，可以保持几十年不 高稳定性。
变。
3. 良好的防伪性能 要想精细地修改虹膜的表面结构特 良好的防伪性能。
征，即使采用目前先进的眼科手术，也必须冒着视力损伤的 危险。另外，利用虹膜本身有规律的震颤特性以及虹膜随光 强度变化而缩放的特性，可以把假冒的虹膜图片区分开来。
4. 易接受性 可以不与人体接触，甚至能够在人们没有觉 易接受性。
察的情况下把虹膜图像拍摄下来。
• 虹膜识别通过对比虹膜图像特征之间的相
似性来确定人们的身份, 似性来确定人们的身份,其核心是使用模式 识别、图像处理等方法对人眼睛的虹膜特 征进行描述和匹配, 征进行描述和匹配,从而实现自动的个人身 份认证。
虹膜识别实现方法 虹膜识别实现方法——基于人眼结构
特征的识别方法
根据匹配准则进行识别.大量实验表明, 该方法识别率高,识别时间短.
利用局部灰度极小值的方法寻找有效虹膜 区域内的特征点,依据纹理长度和方向信 息去掉伪特征点,得到虹膜二进制编码
通过图像预处理,确定虹膜的位置和大小,将 环形虹膜图像展开成矩形并进行归一化与 图像增强
一个优秀的生物识别系统要求能实时迅 速有效地完成其识别过程。但不同的生物识 别系统的采集方式以及计算机处理算法等都 不一样。下面以较为成熟的指纹识别、面部 识别为例来介绍一下生物识别系统的关键技 术。
指纹识别
（1）指纹图像的采集 • 光学录入技术：最成熟也是最古老的指 纹录入技术，只要将手指放在一个台板（通 常是用加膜的玻璃制成）上，就能完成手指 图像的录入。 • 超声波录入技术：已经存在多年，但它 的应用范围始终不是十分广泛。手指在放在 玻璃台板上，超声波扫描开始时会听到蜂鸣 声并感觉到震动。由于使用了声波，因此， 在录入图像时，手指不必直接接触台板。
• 这种技术在生物测定行业已经被广泛认为
是目前精确度、稳定性、可升级性最高的 身份识别系统（human authentication）。 身份识别系统（human authentication）。
虹膜识别技术的基本原理
图 像 获 取 位 定 膜
虹 征 提
特 识 别 取 或 识别 认 证 特 征 数 据 库 果 结
生物识别的起源和发展
• • • •
来自百度文库
古代埃及人通过测量人体各部位尺寸进 行身份鉴别； 现代生物识别技术始于70 现代生物识别技术始于70年代中期； 70年代中期； 早期生物识别设备仅限于安全级别较高 的场所和军事用途； 目前已逐渐应用于商业领域，如出入口 控制、考勤管理等。
生物识别的支撑— 生物识别的支撑—高科技
四种方法 目前面像识别的几个主流方向：特征脸方法、 Fisher脸方法、弹性图匹配法以及局部特征分 Fisher脸方法、弹性图匹配法以及局部特征分 析法。 • 特征脸方法 特征脸方法作为一种比较成功的人脸识别技 术，它掀起了人脸识别研究的第二次高潮。 特征脸方法就是通过对训练的面像样本子空 间进行主成份分析得到特征脸，所提取的特 征就是面像在特征脸上的投影向量。
人脸检测与分割： 人脸检测与分割：从任意的场景中检测人脸的存 在并进行定位，提取出一个人脸。 在并进行定位，提取出一个人脸。
输 入 图 像 或 视 频
人 输 脸 特 检 征 测 提 与 取 分 果 割 别 结 识 别 脸 识 人 出
特征提取是指根据已知数据库中的人脸的表征方法， 特征提取是指根据已知数据库中的人脸的表征方法 ， 从人 脸图像中提取出该人脸图像的表征值。 脸图像中提取出该人脸图像的表征值 。 人脸的表征方法很 通常的方法有几何特征、代数特征、特征脸、 多 ， 通常的方法有几何特征 、 代数特征 、 特征脸 、 固定特 征模板等。 征模板等。
生物特征识别技术及应用
身份识别的重要性
• 人的身份识别在现代社会变得越来越重要 • 我们急需一种更加方便、有效、安全的身
份识别技术
什么是生物识别
当前，生物识别技术正成为一个蓬勃发 展的领域，成为信息处理及计算机工业的一 个重要应用方向。 生物识别技术主要是指通过可测量的身 体或行为等生物特征进行身份认证的一种技 术；而生物特征是指唯一的可以测量或可自 动识别和验证的生理特征或行为方式。
生物特征分为身体特征和行为特征两类。 • 身体特征包括： 指纹、掌型、视网膜、虹膜、人体气味、 脸型、手的血管和DNA等； 脸型、手的血管和DNA等； • 行为特征包括： 签名、语 音、行走步态等。
• 目前部分学者将视网膜识别、虹膜识别和
指纹识别等归为高级生物识别技术； • 将掌型识别、脸型识别、语音识别和签名 识别等归为次级生物识别技 术； • 将血管纹理识别、人体气味识别、DNA识别 将血管纹理识别、人体气味识别、DNA识别 等归为“深奥的” 等归为“深奥的”生物识别技术。
3.从虹膜的纹理或类型 1.捕捉虹膜数据图像 捕捉虹膜数据图像
创造512字节的 字节的iriscode 创造 字节的
2.为虹膜的图像
分析准备过程
4.使用 使用iriscode
模板用于确认
虹膜识别实现方法——虹膜识别 虹膜识别实现方法——虹膜识别
流程
图像采集
虹膜图像库
预处理
虹膜特征模板
虹膜特征分析
两个环节 面像识别系统包括两个技术环节：面像检 测和面像识别。面像检测主要实现面像的检 测和定位，即从输入图像中找到面像及面像 的位置，并将人脸从背景中分割出来；面像 识别则是对面像进行特征提取、模式匹配与 识别。
输 入 图 像 或 视 频
人 输 脸 特 检 征 测 提 与 取 分 果 割 别 结 识 别 脸 识 人 出
现代信息技术为其提供了非常雄厚的技 术支持，当今信息技术已 超越了摩尔定律， 成几何级数发展，各种先进的图像处理技术、 计算机技术、网络技术得到了广泛的应用， 从而使得基于数字信息技术的现代生物识别 系统迅速发展 起来。
生物识别系统的处理过程
所有的生物识别系统都包括如下几个处 理过程：采集、特征提取、比对和匹配。 生物图像采集包括了高精度的扫描仪、 摄像机等光学设备，以及基于电容、电场 技 术的晶体传感芯片，超声波扫描设备、红外 线扫描设备等。
面像识别由面像样本训练和待识别面像 的识别两个过程组成。 • 在训练阶段，提取面像特征形成面像特 征库。 • 在识别阶段，用训练好的分类器对待识 别面像的特征和特征库中的特征进行匹配， 输出识别结果。
早期的面像识别算法主要基于几何特征 或模板匹配。对于不同人来说，面部特征点 （眼睛、眉毛、鼻子和嘴）和脸部轮廓 的形 状各不相同。基于几何特征的方法通过计算 面部特征点形状、分布的几何参数区分不同 人脸。基于模板匹配的面像识别通常采用 Poggio和 Brunelli所提出的基于局部特征模板 Poggio和 Brunelli所提出的基于局部特征模板 匹配的方法，它们提取局部特征的模板，进 行局部模板匹配并进行识别。