生物識(shí)別技術(shù)論文(2)
生物識(shí)別技術(shù)論文篇二
生物識(shí)別技術(shù)淺析
摘要： 生物特征識(shí)別技術(shù)作為一種身份識(shí)別的手段，具有獨(dú)特的優(yōu)勢(shì)，對(duì)信息安全具有重要意義，近年來(lái)已逐漸成為研究熱點(diǎn)。文章介紹了常見(jiàn)的生物識(shí)別技術(shù)和識(shí)別方法并闡述了每種方法的優(yōu)缺點(diǎn)。
Abstract： Biometric identification techniques is critical to our highly inter-connected information society. As a way of automatic identification， Biometrics have unique advantages because it is based on biological and behavioral traits. Biometrics is important to information safety. Firstly， this paper summarizes briefly biometric identification techniques， and introduces approaches， then analyzes the adavatge and then dis of every methods.
關(guān)鍵詞： 生物識(shí)別;指紋;人臉;虹膜
Key words： biometric identification techniques;Fingerprint;Face;Iris
中圖分類(lèi)號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311(2012)30-0213-02
0 引言
身份認(rèn)證早在很久之前就出現(xiàn)在了人類(lèi)社會(huì)生活中。身份證、護(hù)照、密碼等這類(lèi)傳統(tǒng)的身份認(rèn)證方法有許多的弊端，如：不容易攜帶、造假、容易丟失、密碼會(huì)被解除等種種問(wèn)題，在安全性和可靠性上的漏洞非常大，這樣就為方便、有效、安全的身份認(rèn)證技術(shù)的出現(xiàn)埋下了伏筆，生物識(shí)別技術(shù)應(yīng)運(yùn)而生。每個(gè)人所固有的生物特征都是唯一的，并且在一定時(shí)期內(nèi)具有是穩(wěn)定不變的，同時(shí)不會(huì)丟失、很難偽造和假冒，所以，這是一種終極的身份認(rèn)證媒介[1]。
1 生物識(shí)別技術(shù)
我們可以這樣定義生物識(shí)別技術(shù)，在計(jì)算機(jī)技術(shù)的協(xié)助下，通過(guò)采集人的生物特征樣本進(jìn)行人的身份識(shí)別。生物特征又包括生理特征和行為特征兩個(gè)方面。生理特征是人與生俱來(lái)的，多為先天性的，相對(duì)而言穩(wěn)定性比較強(qiáng)，現(xiàn)在應(yīng)用到的生理特征有：指紋、人臉、手血管[2]等。行為特征是人后天形成的，主要包括人的聲音、筆跡、以及步態(tài)識(shí)別等，隨著主體狀態(tài)和環(huán)境的變化在一定程度上也發(fā)生變化。兩者比較，生理特征在生物識(shí)別領(lǐng)域更具有應(yīng)用價(jià)值。生物識(shí)別技術(shù)的實(shí)現(xiàn)需要提取生物特征，然后對(duì)其進(jìn)行進(jìn)行比對(duì)，基本的要求就是這些生物特征需具有唯一性或非共同性。
1.1 指紋識(shí)別 指紋識(shí)別技術(shù)是應(yīng)用最早、最廣泛和最成熟的生物特征身份鑒別方法。指紋是指手指末端正面皮膚上凸凹不平產(chǎn)生的紋路，每個(gè)人指紋紋路在圖案、斷點(diǎn)和交叉點(diǎn)上都是存在差異的，是唯一的并且永遠(yuǎn)都是原來(lái)的樣子。指紋分類(lèi)的實(shí)現(xiàn)方法基本上分為基于神經(jīng)網(wǎng)絡(luò)的分類(lèi)方法、基于奇異點(diǎn)進(jìn)行分類(lèi)的方法、語(yǔ)法分析的方法和其他的方法這4類(lèi)[3]。
指紋識(shí)別的優(yōu)點(diǎn)有：具有比較悠久的研究歷史，技術(shù)上比較成熟;指紋圖像提取設(shè)備小巧;與同類(lèi)產(chǎn)品相比，它成本是不高的。缺點(diǎn)有：指紋識(shí)別是物理接觸式的，具有侵犯性;指紋易磨損，某些人不宜提取，另外在指紋采集頭上留下用戶(hù)的指紋印痕容易被復(fù)制。
1.2 虹膜識(shí)別 眼睛的外觀圖包括鞏膜、虹膜、瞳孔三部分。眼球外圍的白色部分叫鞏膜，大約占眼睛的30%;眼睛中心是瞳孔，約占5%;在鞏膜和瞳孔之間的是虹膜，由相當(dāng)復(fù)雜的纖維組織構(gòu)成，包含了最豐富的紋理信息，占據(jù)65%。虹膜識(shí)別的方法有：Gabor濾波方法，拉普拉斯金字塔方法，小波變換過(guò)零檢測(cè)方法，Haar小波分解方法，基于局部過(guò)零檢測(cè)的方法等[4]。
虹膜識(shí)別技術(shù)操作非常簡(jiǎn)單，可避免物理接觸，具有更高的檢驗(yàn)精確度。據(jù)悉，現(xiàn)在虹膜識(shí)別的正確率最高，并且具有很高的實(shí)用價(jià)值。其缺點(diǎn)是：需要昂貴的攝像頭聚焦，且很難將圖像獲取設(shè)備的尺寸小型化，需要較好光源等。
1.3 人臉識(shí)別 人臉識(shí)別技術(shù)是基于人的臉部特征，對(duì)輸入的人臉圖象或者視頻流，提取每個(gè)人臉中所蘊(yùn)涵的身份特征，并將其與已知的人臉進(jìn)行對(duì)比，一次到到識(shí)別身份的目的。目前常見(jiàn)的人臉識(shí)別基本算法可分為以下幾類(lèi)：基于幾何特征的人臉識(shí)別、基于子空間分析的人臉識(shí)別、基于彈性圖匹配的人臉識(shí)別、基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別和基于隱馬爾可夫模型的人臉識(shí)別等。
人臉識(shí)別技術(shù)優(yōu)點(diǎn)是：主動(dòng)性、非接觸性和用戶(hù)友好。缺點(diǎn)是：人臉容易受到周?chē)h(huán)境等的影響，比如光照，比如發(fā)型的改變，飾物，變老等，準(zhǔn)確率不高;對(duì)于采集圖像的設(shè)備會(huì)比其他技術(shù)昂貴得多。
1.4 掌紋識(shí)別 掌紋識(shí)別是一種新生的生物特征識(shí)別技術(shù)。掌紋是指手指末端到手腕部分的手掌圖像。紋線(xiàn)特征是掌紋中最突出的特征，手掌中最清晰的幾條紋線(xiàn)一般并不會(huì)隨著年齡的增長(zhǎng)而發(fā)生變化。即使在分辨率和質(zhì)量都比較低的圖像中也能很好的得到辨認(rèn)。掌紋識(shí)別方法大概分為基于結(jié)構(gòu)的、基于子空間的、基于編碼的和基于統(tǒng)計(jì)的四類(lèi)[5]。掌紋識(shí)別的優(yōu)點(diǎn)：有一定的穩(wěn)定性和可靠性。缺點(diǎn)：手掌損傷后無(wú)法復(fù)原，掌形識(shí)別系統(tǒng)適用對(duì)安全性要求高的場(chǎng)所，普及率比較低，同時(shí)需要高成本支撐。
1.5 人耳識(shí)別 人耳識(shí)別是以人耳作為識(shí)別媒介來(lái)進(jìn)行身份鑒別的一種生物特征識(shí)別技術(shù)。經(jīng)過(guò)醫(yī)學(xué)研究的得知，人在出生4個(gè)月之后，隨著身體的不斷發(fā)育，人耳也會(huì)按照一定的比例生長(zhǎng)，基本上保持整體結(jié)構(gòu)比率。
主要的人耳識(shí)別方法：主元分析法(PCA)，使用Voronoi圖表的鄰接圖匹配方法，使用各種組合技術(shù)的神經(jīng)網(wǎng)絡(luò)方法，力場(chǎng)轉(zhuǎn)換方法，遺傳局部搜索算法，幾何學(xué)方法，基于長(zhǎng)軸的形狀特征提取方法，基于3D的耳朵檢測(cè)和識(shí)別方法[6]。人耳識(shí)別的優(yōu)點(diǎn)：整個(gè)人耳的顏色更加一致、圖像尺寸更小，數(shù)據(jù)處理量也更小，非接觸性。缺點(diǎn)：人耳同樣受光照、頭發(fā)、帽子等的影響，且提取出來(lái)特征很少。 1.6 語(yǔ)音識(shí)別 語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器通過(guò)識(shí)別和理解過(guò)程把人類(lèi)的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。
語(yǔ)音識(shí)別的方法主要有：基于DTW(Dynamic Time Warping)和模擬匹配技術(shù)的語(yǔ)音識(shí)別方法，基于統(tǒng)計(jì)的語(yǔ)音識(shí)別方法，基于差別子空間的語(yǔ)音識(shí)別方法，基于BP神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別方法，基于隱馬爾可夫模型HMM(Hidden Markov Model)的識(shí)別方法。
語(yǔ)音識(shí)別的優(yōu)點(diǎn)：非接觸性的，用戶(hù)可以很自然地接受。 缺點(diǎn)：聲音變化范圍過(guò)大，而且聲音的大小、語(yǔ)速和音質(zhì)的不同都會(huì)給采集與比對(duì)造成相應(yīng)的影響;很容易用錄在磁帶上的聲音造假;高保真的麥克風(fēng)價(jià)格十分的高。
1.7 筆跡識(shí)別 筆跡，是指書(shū)寫(xiě)人在書(shū)寫(xiě)工具的協(xié)助下，按照文字符號(hào)的書(shū)寫(xiě)規(guī)范，書(shū)寫(xiě)運(yùn)動(dòng)器官開(kāi)始進(jìn)行的書(shū)寫(xiě)運(yùn)動(dòng)，這樣在紙張或其他書(shū)寫(xiě)面上留下動(dòng)態(tài)痕跡。筆跡鑒定是通過(guò)分析手寫(xiě)字符的書(shū)寫(xiě)風(fēng)格和書(shū)寫(xiě)結(jié)構(gòu)，來(lái)判斷書(shū)寫(xiě)人身份的一種技術(shù)。
筆跡識(shí)別(包括簽字識(shí)別)有聯(lián)機(jī)和脫機(jī)兩種。因?yàn)槁?lián)機(jī)識(shí)別除位置信息外，還可以提取時(shí)間、壓力等信息，所以識(shí)別正確率相對(duì)脫機(jī)識(shí)別較高。根據(jù)考察的對(duì)象和提取特征的方法，現(xiàn)在的筆跡識(shí)別方法主要分為文本相關(guān)、文本無(wú)關(guān)兩類(lèi)，另外還有利用內(nèi)容信息的半文本無(wú)關(guān)方法。
筆跡識(shí)別的優(yōu)點(diǎn)：大眾易接受，是一種公認(rèn)的身份識(shí)別的技術(shù);缺點(diǎn)：隨著經(jīng)驗(yàn)的增長(zhǎng)、性情的變化等簽名也會(huì)相應(yīng)的發(fā)生變化;用于簽名的手寫(xiě)板不僅結(jié)構(gòu)復(fù)雜而且價(jià)格也非常高。
1.8 步態(tài)識(shí)別 研究表明人和人的走路姿勢(shì)有很大的差別，因?yàn)槿藗冊(cè)诠趋篱L(zhǎng)度、密度、協(xié)調(diào)能力、體重等生理?xiàng)l件以及個(gè)人走路的“風(fēng)格”上都存在細(xì)微差異。步態(tài)識(shí)別就是要對(duì)包含人體運(yùn)動(dòng)的圖像序列進(jìn)行分析處理，根據(jù)人們走路的姿勢(shì)進(jìn)行身份識(shí)別。
步態(tài)識(shí)別的方法有：基于SFM的方法，基于運(yùn)動(dòng)的方法，基于整體的方法，基于特征的方法，基于HMM的方法以及基于模板匹配方法等。步態(tài)識(shí)別優(yōu)點(diǎn)：對(duì)圖像分辨率要求不高，可以通過(guò)遠(yuǎn)距離的攝像機(jī)捕獲，具有非侵犯性和可接受性。缺點(diǎn)：由于步態(tài)識(shí)別是個(gè)動(dòng)態(tài)過(guò)程，其序列圖像的數(shù)據(jù)量較大，因此計(jì)算復(fù)雜性比較高，不容易處理。而且由于人的行走姿勢(shì)受各種因素的影響，在不同環(huán)境條件下行走姿勢(shì)有或多或少的變化，因此步態(tài)識(shí)別的計(jì)算較復(fù)雜，識(shí)別的準(zhǔn)確度還不夠高。
2 結(jié)論
隨著信息網(wǎng)絡(luò)化的發(fā)展，以及經(jīng)濟(jì)全球化的推進(jìn)，人們進(jìn)一步的認(rèn)識(shí)到對(duì)安全的理解和需求。各種生物特征識(shí)別技術(shù)都在不斷的發(fā)展，同時(shí)也得到越來(lái)越廣泛的應(yīng)用。但是，在實(shí)際應(yīng)用中上述的每種識(shí)別技術(shù)都要結(jié)合到具體應(yīng)用項(xiàng)目，單憑一項(xiàng)的取勝不能評(píng)判各種識(shí)別的優(yōu)劣，不同的識(shí)別方式在指標(biāo)上不同，需要在選擇對(duì)一些項(xiàng)目進(jìn)行如下綜合地考慮：比如提取用戶(hù)生物特征的難易度、識(shí)別時(shí)的精確度、提取儀器的大小、周?chē)h(huán)境對(duì)使用的影響和使用成本等等。因?yàn)閱蝹€(gè)生物特征與生俱來(lái)的局限性，目前在實(shí)際的應(yīng)用中找不到任何基于單個(gè)生物特征的識(shí)別技術(shù)。未來(lái)的研究重點(diǎn)將是結(jié)合多種特征、多種識(shí)別方式的多模式生物特征識(shí)別技術(shù)[7]。例如人臉識(shí)別和虹膜識(shí)別的組合、指紋和掌紋的組合，因?yàn)檫@些特征可以在特征獲取時(shí)由一套設(shè)備同時(shí)或先后獲取。僅基于單一特征的生物識(shí)別對(duì)識(shí)別的精度要求非常的高，綜合了多種特征的生物識(shí)別系統(tǒng)識(shí)別率比較高，具有無(wú)限的應(yīng)用潛力。
參考文獻(xiàn)：
[1]盧官明，李海波，劉莉.生物特征識(shí)別綜述[J].南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007，27(2)：81-82.
[2]Bille R M， Pankanti S， Ratha N K. Evaluating Techniques for Biometrics-based Authentication Systems. Proceedings 15th | APR lat|. Conf. on Pattern Recogntion， Barcelona.
[3]楊宏林，吳陳.指紋識(shí)別方法的綜述[J].華東船舶工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版)，2003，17(3)：37-42.
[4]田啟川，劉正光.虹膜識(shí)別綜述[J].計(jì)算機(jī)應(yīng)用研究，2008，25(5)：1298-1299.
[5]岳峰，左旺孟，張大鵬.掌紋識(shí)別算法綜述[J].自動(dòng)化學(xué)報(bào)， 2010，36(3)，356-360.
[6]田瑩，苑瑋琦.人耳識(shí)別技術(shù)研究綜述[J].計(jì)算機(jī)應(yīng)用研究，2007，24(4)：22-24.
[7]李雪妍，郭樹(shù)旭，郜峰利.基于模式融合的生物特征識(shí)別[J].西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007，34(增)：209-210.
看了“生物識(shí)別技術(shù)論文”的人還看：