人耳识别技术研究目的意义及国内外现状

人耳识别技术研究目的意义及国内外现状1研究目的及意义 (1)

2国内外课题研究的现状 (2)

1研究目的及意义

随着信息技术的发展，计算机和网络应用深入到了我们生活的各个方面，信息安全显示出了前所未有的重要性。准确的身份鉴别是保证信息系统安全的前提，在金融、国家安全、电子商务等领域有着重要的应用。传统的身份鉴别方法可分为两类：一类为基于身份标识物品的鉴别方法，如钥匙、证件、磁卡等；另一类为基于身份标识知识的鉴别方法，如用户名和密码等。这些方法存在着难以克服的缺陷，身份标识物品容易遗失、被伪造，身份标识知识容易遗忘或被窃取。更为严重的是，传统的鉴别方法无法区别身份标识物品（知识）的拥有者与非法获得身份标识物品（知识）的假冒者，因而只能对系统提供有限的保障。越来越多的个人、消费者、公司乃至政府机关都认为，现有的基于磁卡和密码的身份鉴别系统是远远不够的，必须寻求安全性更高、使用更为便利的身份鉴别技术。在这样的迫切需求下，对生物特征识别技术的研究便出现了。

在社会经济和科学技术飞速发展的今天，生物特征个人身份识别和信息安全认证技术的发展，越来越引起人们的重视，并在金融、医疗、保险、海关、政府机构、电信、公安、国防、军事、家庭、汽车等几乎所有领域得到了应用和发展。特别是随着信息技术的飞速发展，电子商务，电子银行，网络安全等应用领域也急需高效的生物特征自动身份认证技术。1998年5月20 日，美国众议院举行了题为“Biometrics and the true of Money”的听证会。听取并讨论了关于生物特征（包括指纹，人脸，视网膜，语音等）身份确认技术应用于银行、金融、以及个人信息安全领域的情况。到会的有相关领域的公司领导、学校校长、科研机构的总裁，首席执政官，教授等高层人士。他们各自介绍了当今生物特征身份确认技术应用状况以及未来的发展，并一致认为生物特征身份确认技术将改变人们现有的生活方式和商业模式。

生物特征识别技术（Biometrics），又称生物测定学，是通过计算机与各种传感器及生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征，来进行个人身份的鉴别。生物特征是唯一的（与他人不同），可以测量或可以自动识别和验证的生理特性或行为方式，分为生理特征和行为特征。生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多是后天性的。总的来说，并非所有的生物特征都可以用于个人身份的鉴别。身份鉴别可利用的生物特征必须满足以下几个条件：普遍性、唯一性、可测量性、稳定性。目前广泛研究的生

物特征识别技术有：人脸识别、虹膜识别、手形识别、指纹识别、掌纹识别、签名识别和语音识别等。

2国内外课题研究的现状

人耳识别技术是20世纪90年代末开始兴起的一种生物特征识别技术。人耳具有独特的生理特征和观测角度的优势，使人耳识别技术具有相当大的理论研究价值和实际应用前景。与其它生物特征识别技术比较，人耳识别具有以下几个特点：①与人脸识别方法比较，人耳识别方法不受面部表情、化妆品和胡须变化的影响，同时保留了人脸识别图像采集方便的优点。与人脸相比，整个人耳的颜色更加一致，图像尺寸更小，数据处理量也更小。同时人耳还具有更大的识别范围，人耳正表面与人脸正表面互成90，对人脸的识别在25°范围内识别率相对稳定，而在大于40°之后，识别准确率急剧下降；前期研究结果表面一只人耳的有效识别范围为30°，考虑到两只人耳可以达到60°的识别范围，要大于人脸识别的有效范围。②与指纹识别方法比较，人耳图像的获取是非接触的，其信息获取方式容易被人接受。③与虹膜识别方法比较，人耳图像采集更为方便。并且，虹膜采集装置的成本要高于人耳采集装置。正是由于人耳识别的这些特点，人耳识别正在成为生物特征识别领域的热点。

我国在自然科学基金（编号60375002）的资助下，进行了一年左右的人耳识别技术研究。该项研究从人耳图像库的建立、人耳检测、人耳图像特征描述和特征信息提取、人耳图像识别方法四个层面展开。目前，结合前期在人耳识别研究方面取得的成果，提出基于人耳人脸信息融合的多模态生物特征识别技术，该研究也得到国家自然科学基金的资助。基于人耳人脸信息融合的多模态识别技术，充分利用人耳与人脸特殊的相对生理位置和多模态识别策略，研究人耳人脸跟踪定位、特征提取及融合方法，以期达到提高身份识别系统的识别率和扩大识别范围的目的。基于人耳人脸信息融合的多模态生物特征识别的研究在国内外尚少，处于起步阶段，且距离实际应用尚有一定的距离。该课题的研究对丰富非打扰式的远距离身份识别技术具有积极的推动作用。在早期研究中，对随机采集的243只人耳图像，仅以外耳轮廓曲线的傅立叶系数为特征进行的识别处理，就可以达到80%以上的正确识别率。2003年初首先拍摄了60人（每人3幅图像）的人耳图像库，研究人耳识别的可行性，使用标准的主元分析法就能达到94%的识别率。2004年初建立了77人（每人4幅图像，拍摄条件为角度变化和光照变化）的人耳图像库，旨在进行姿态和光照变化情况下的人耳识别。在该图像库上，我们首先采用基于局部特征的方法进行识别，即提取外耳形状特征和内耳结构特征，利用神经网络进行识别，识别率为85%。其次采用主元分析法提取“特征耳”，

利用神经网络进行识别。