生物特征鉴别器

篇一：生物特征识别理解与心得

生物特征识别的理解和心得

201200800309 陈潇凯 计算机一班

摘要：本文首先对Anil K.Jain的论文以及Dr.Jin的课件进行了简要概括，随后以自己的理解对生物特征识别进行了阐述。

谈到生物特征识别，我首先想到的是指纹识别，以及其在现实生活中的广泛应用，印象最深的是在破案中的应用。小时候觉得这个很神奇。

昨天看了Anil K.Jain的一篇关于生物特征识别的论文。这篇论文比我想象中的要好理解。没有艰难晦涩的数学公式或者逻辑证明，而是对生物特征识别的简述与介绍。论文首先指明了生物特征识别的应用在现代生活中越来越突出的这一时代背景。随后通过一系列的问答阐明了生物特征识别在未来身份识别的重要性并简要介绍了指纹识别和虹膜识别，以及它们的联系。最后说明了生物特征识别的系统安全问题以及一些新的技术。

随后我学习了Dr.Jin的课件，我的理解是生物识别技术与数字图像处理技术息息相关，或者说后者是前者的基础。通过课件我了解到了多种数字图像处理技术，比如：图像降噪，图像增强，图像特征提取（角点，边缘），图像匹配，图片拼接等等；我还了解到了生物特征识别有很多种，比如：毛细血管，耳朵，舌苔，行走姿势，声音，笔迹，打字节奏，掌纹等等。扩展了知识面。

下面综合的谈一下我对生物特征识别的理解：

1.什么是生物特征识别？

首先生物特征识别是区别与传统的密码识别的。

何为传统的密码识别？基于“你知道什么”，“你有什么”来进行识别的方式就是传统的。比如：你知道密码，你有钥匙，这就是传统识别；

而生物特征识别是基于生物本身的特征的识别方式。是基于“你是谁”的模式。以人的属性为识别的标志。这就在很大程度上提高了识别的安全性、可靠性与准确性。

2.生物特征识别的种类有哪些？特点？

有虹膜识别，人脸识别，指纹识别，耳朵特征识别，视网膜识别，血管识别，声音识别，打字节奏识别，步态识别，掌纹识别等。目前指纹识别和虹膜识别hi误差最小的。

就我的理解来说，掌纹识别、指纹识别和虹膜识别应用的比较广泛。论文中提到：其他的识别方法比如DNA检测，与新的技术相比较不是完全的自动化，并且需要一个更长的时间才能鉴别，这在犯罪调查中是可以容忍的，但是并不适合在商业中应用。对于指纹识别来说，这个方法有一定的局限性：设想一个这样的场景，工人长期在工地劳动，它们的指纹大都有磨损，这就为指纹识别带来了很大的误差。

3.生物特征识别离不开数字图象处理技术

数字图像是用有限 数值像素表示的二维图像。在计算机中保存为二维数组。数字图像处理与计算机科学、人工智能等领域有密切的关系。数字图像处理的技术有很多。以我的理解在生物识别中主要会用到：几何变换，降噪，边缘检测，图像配准，图像增强等。图像的位置变换、图像融合、滤波、边缘特征提取、图像恢复、图像修复、颜色填充、超分辨率、图像去模糊化等应用都离不开相应的数字图像处理技术。

前几天参加了一个关于图像配准的建模比赛，对于角点的提取和匹配有了深入的了解。角点属于图像的特征，由图像的灰度变化或者边缘分布信息可以很好的提取图像的特征，之后根据ncc等匹配算法能较好的特出特征点的对应关系。学习数字图像处理一定要学会使用matlab工具。它是基于矩阵的一种数学工具。会大大降低编写代码的复杂度。

4.生物特征识别系统的一般组成

论文中提到，生物特征识别系统通常由四部分组成。（1）特征感应器，提取生物特征。

（2）特征提取器，提取传感器采集到的生物属性的特征。（3）数据库，用于存储所有的特征信息。（4）匹配器，负责将采集到的信息与数据库的信息做对比。

5.生物特征识别的准确性

通过误接受比率和误拒绝比率来衡量准确性，目前的指纹识别系统可以是FRR达到0.01%，FAR达到0.1%。但是实际工作情况受很多因素的影响。

新的指纹识别技术可以探测到放在传感器上的手指是否是真正的人手指。

6生物特征识别的安全性

识别系统有被黑客攻击的可能性，论文中提到了一种方案，即整个系统制作在一个单独的芯片上。总之对于系统安全性的讨论不会组织生物识别系统的发展。

7.人们对生物识别的担忧

来自于三个方面：1.生物特征识别系统有被攻击的可能性。2.个人隐私的问题。3.存在文化和宗教的阻碍。

篇二：生物特征识别技术介绍

信息安全前沿——生物识别技术

随着科技水平的日益提高，人们对信息安全也越来越重视，加密技术的研究已经越来越成熟。目前比较安全的加密技术是量子加密技术。但随着计算机技术的发展，原来用普通计算机无法破解的量子加密技术现在也可以通过高速量子计算机进行解密。其他的一些加密技术就更不安全了。难道就没有一种极其安全的加密技术了吗？有，就是接下来要介绍的加密技术——生物识别技术。生物识别技术是一项新型的加密技术，它和传统的物理加密，电子加密技术、量子加密技术在原理上有很大的不同。网络信息化时代的一大特征就是个人身份的数字化和隐性化!如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键性社会问题!目前我国的各种管理大部分使用证件、磁卡、IC卡和密码，这些手段无法避免伪造或遗失，密码也很容易被窃取或遗忘!这些都给管理者和使用者带来很大不方便!生物特征身份鉴别方法可以避免这些麻烦!因此，这一技术已成为身份鉴别领域的研究热点! 所谓生物特征识别技术就是：通过计算机与各种传感器和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定!生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多为后天性的!将生理和行为特征统称为生物特征! 并非所有的生物特征都可用于个人的身份鉴别!身份鉴别可利用的生物特征必须满足以下几个条件：第一，普遍性：即必须每个人都具备这种特征!第二，唯一性：即任何两个人的特征是不一样的!第三，可测量性：即特征可测量!第四，

稳定性：即特征在一段时间内不改变!当然在应用过程中还要考虑其他的实际因素比如：识别精度、识别速度、对人体无伤害、被识别者的接受性等等!现在常用的生物特征有、人脸识别、虹膜识别、手形识别、指纹识别、掌纹识别、签名识别、声音识别等；常用的行为特征有步态、签名等!声纹兼具生理和行为的特点，介于两者之间!下面将分别介绍各种生物特征识别技术：

（一） 基于生理特征的识别技：

1、 指纹识别：指纹识别技术是通过取像设备读取指纹图像，

然后用计算机识别软件分析指纹的全局特征和指纹的局

部特征，特征点如嵴、谷、终点、分叉点和分歧点等。

从指纹中抽取特征值可以非常可靠地通过指纹来确认一

个人的身份! 指纹识别的优点表现在：研究历史较长技

术相对成熟；指纹图像提取设备小巧；同类产品中指纹

识别的成本较低!其缺点表现在：指纹识别是物理接触式

的，具有侵犯性；指纹易磨损，手指太干或太湿都不易

提取图像。

2、 虹膜识别：虹膜识别技术是利用虹膜终身不变性和差异

性的特点来识别身份的虹膜是一种在眼睛中瞳孔内的织

物状的各色环状物每个虹膜都包含一个独一无二的基于

水晶体、细丝、斑点、凹点、皱纹和条纹等特征的结构!

虹膜在眼睛的内部"用外科手术很难改变其结构。由于瞳

孔随光线的强弱变化想用伪造的虹膜代替活的虹膜是不可能的!目前世界上还没有发现虹膜特征重复的案例。就是同一个人的左右眼虹膜也有很大区别!除了白内障等原因外，即使是接受了角膜移植手术虹膜也不会改变!虹膜识别技术与相应的算法结合后，可以到达十分优异的准确度。即使全人类的虹膜信息都录入到一个数据中。出现认假和拒假的可能性也相当小! 和常用的指纹识别相比，虹膜识别技术操作更简便，检验的精确度也更高!统计表明到目前为止虹膜识别的错误率是各种生物特征识别中最低的，并且具有很强的实用性。以上计算机386以上，CCD摄像机即可满足对硬件的需求!

3、 视网膜识别：人体的血管纹路也是具有独特性的，人的

视网膜上面血管的图样可以利用光学方法透过人眼晶体来测定!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!如果视网膜不被损伤，从三岁起就会终身不变!同虹膜识别技术一样，视网膜扫描可能具有最可靠、最值得信赖的生物识别技术，但它运用起来的难度较大!视网膜识别技术要求激光照射眼球的背面以获得视网膜特征的唯一性!

视网膜技术的优点：视网膜是一种极其固定的生物特征，因为它是“隐藏”的故而不易磨损、老化或是为疾病影响；非接触性的；视网膜是不可见的，故而不会被伪造!

缺点是：视网膜技术未经过任何测试，可能会给使用者带来健康的损坏，这需要进一步的研究。对于消费者，视网膜技术没有吸引力，故很难进一步降低它的成本!

4、 面部识别：面部识别技术通过对面部特征和它们之间的

关系(眼睛、鼻子和嘴的位置以及它们之间的相对位置)来进行识别，用于扑捉面部图像的两项技术为标准视频和热成像技术：标准视频技术通过视频摄像头摄取面部的图像，热成像技术通过分析由面部的毛细血管的血液产生的热线来产生面部图像，与视频摄像头不同，热成像技术并不需要在较好的光源，即使在黑暗情况下也可以使用。

面部识别优点：非接触性的。

面部识别缺点：要比较高级的摄像头才可有效高速地扑捉面部图像；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，而且面部识别也是最容易被欺骗的；另外，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技术来得到补偿；对于采集图像的设备会比其他技术昂贵得多，这些因素限制了面部识别技术广泛地运用。

5、 掌纹识别：掌纹与指纹一样也具有稳定性和唯一性：利

用掌纹的线特征、点特征、纹理特征、几何特征等完全可以确定一个人的身份。因此掌纹识别是基于生物特征

身份认证技术的重要内容。目前采用的掌纹图像主要分脱机掌纹和在线掌纹两大类。脱机掌纹图像，是指在手掌上涂上油墨，然后在一张白纸上按印，然后通过扫描仪进行扫描而得到数字化的图像。在线掌纹则是用专用的掌纹采样设备直接获取，图象质量相对比较稳定，随着网络通信技术的发展，在线身份认证将变得更加重要。掌纹识别一般用作整体分离后的同一认定，有将其用做批量商品的防伪，以防止成箱的商品内有部分被“调包”，以部分赝品充真。也有将其用于通道口安全防范系统。

（二）基于行为特征的生物识别技术：

1、步态识别：步态是指人们行走时的方式。这是一种复杂的行为特征。步态识别主要提取的特征是人体每个关节的运动。尽管步态不是每个人都不相同的，但是它也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图像序列，因此其数据采集与脸相识别类似，具有非侵犯性和可接受性。但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。到目前为止还没有商业化的基于步态的身份鉴别系统。

篇三：生物特征识别技术比较

生物特征识别技术比较

一、 简述、背景：

身份识别是人类社会生活的一个最基本问题，每一个人，每一天都会遇到，无处不在。早在3000多年前，人类就开始使用机械钥匙，这是最早的身份识别技术。随着近代电子科技的发展，密码、条形码、磁条卡、射频卡、证件走进了人们的生活，但这类身份识别技术都是通过“what you have?”或者“What you know”来实现，其易被伪造、丢失、遗忘，且不方便、不安全，不能真正认证到人本身。于是最新一代的身份识别技术——生物特征识别技术应运而生，它是利用人类固有的生理或行为特征来识别与验证身份的技术，具体包括： (1)生理特征：指纹、人脸、掌纹、掌形、虹膜、视网膜，静脉、耳廓。(2)行为特征：签字、步态、语音、按键力度等。

基于这些特征，人们已经发展了指纹识别、掌纹识别、掌形识别、人脸识别、发音识别、虹膜识别、静脉识别、签名识别等多种生物识别技术。生物特征识别技术被列为21世纪对人类社会带来革命性影响的十大技术之一，微软比尔?盖茨曾经预言：生物识别技术，将成为21世纪未来几年IT

产业的重要革

新。

生物特征识别技术是目前最为方便、安全的身份识别技术，它辨识的是人身的固有特征，不需要身外的其他标识物。随着近代科技的发展，这些新型的身份识别方式不断走入人们的日常生活，其带来方便和安全的同时，也带来了对传统物理识别方式的冲击和思考，下面笔者就当前生物特征识别技术的市场现状与发展趋势，做一个粗浅的分析。

二、 比较：

1. 指纹识别技术：

通过分析指纹的特征，如嵴、谷和终点、分叉点或分歧点，从而抽取特征值，通过指纹特征值的比对来确认人的身份。指纹识别技术是目前应用最广泛、价格最低廉的一种生物特征识别技术，它是一种接触性的识别技术，采集比较稳定，但指纹采集头常常容易损坏，尤其是使用人数多的场景下，或许几个月就得更换一次指纹采集头。据不完全统计，大约5%左右的人，由于指纹磨损，或者指纹比较浅，是不能使用指纹识别的，因此，这就大大制约了指纹识别的应用领域。

2. 虹膜：

虹膜，一种在眼睛瞳孔内织物状的各色环状物，每一个虹膜都包含一个独一无二的基于像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和条纹等特征的结构。虹膜识别技术就是基于这些特征进行比对来确定一个人的身份的，理论上来讲虹膜识别的精度较高，但虹膜识别需要分辨率比较高的摄像头，以及合适的光学条件，成本也比较高。

因此，其应用主要集中在高端市场，市场应用面较窄。

3. 人脸识别：

在现实生活中，人与人之间的辨认不是通过指纹、掌纹、虹膜等等，而是通过对人面部(人脸)的识别来实现的。因此，在众多的生物特征识别技术中，人脸识别技术最具有吸引力，它最直观、最自然，符合人的认知规律，它具有如下特点：

非接触，用户接受度高。人脸识别技术使用摄像头作为识别信息的获取装置，以非接触方式，自动获取人脸，并完成人脸识别过程。

直观性突出。人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，“以 貌取人”符合人的认知规律。同时也方便后期人工确认，且具再利用等明显优势。

识别速度快，不易被察觉。与其它生物识别技术相比，人脸识别属于一种自动识别技术，一秒时间内可以识别好 几次。不被察觉的特点对于识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。

不易仿冒。人脸识别技术要求识别对象必须亲临识别现场，他人无法仿冒。人脸识别技术所独具的活性判别能力，保证了他人无法以非活性的照片、木偶、蜡像乃至人头欺骗识别系统。

应用领域广。除了目前指纹识别的所有应用领域外，人脸识别还可以应用到各种人脸视频监控报警系统、数码相机的人脸检测，以及未来的机器人，具有广阔的市场应用前景。

另外，人脸识别具有自然性不被察觉性的双重优点。自然性，是指该识别方式同人类(甚至其他生物)进行个体

识别时所利用的生物特征相同，人类也是通过观察比较人脸来区分和确认某个人的。另外，具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而有可能被伪装欺骗。

4. 视网膜特征：

每个人的视网膜图纹也都是不同的。视网膜血管分布具有唯一性，视网膜的结构在人的一生中是稳定的，误识率低于百万分之一。

（1）、视网膜识别技术的优点是：

a.视网膜识别的可靠性高；

b.视网膜识别技术的准确性高；

篇四：生物特征识别技术及其应用

生物特征识别技术及其应用

摘要：生物特征识别技术是一种既方便又安全的身份识别技术，应用领域非常广泛。文章首先回顾了生物特征识别技术的起源和发展情况，然后对几种常用的生物特征识别技术及其应用情况做了介绍，并对其发展进行了展望。

关键词：生物特征识别技术；身份识别；应用

1 生物特征识别技术

美国好莱坞电影中经常会涉及到许多高科技的情节，比如某人要到某一重要的场所（实验室、机房或者博物馆等），一般没有钥匙，而是通过指纹录入、虹膜扫描、声音识别、人脸识别等方式来确认身份。电影中的这些高科技元素经常会让我们惊叹不已，其实这些利用人体生物特进行验证和识别人物身份的高科技技术就是生物特征识别技术。其中这种技术主要是通过运用计算机、声学、光学、生物统计学、生物传感器等技术相互配合，并通过利用人体的行为特征比如声音、步伐、笔迹等和指纹、人脸和虹膜等固有生理特征等进行鉴别人们身份的一种技术。

2 生物特征识别技术的发展过程

早在公元前7 000年前～公元前6 000年前，在古中国和古叙利亚，人们就用指纹进行身份验证，具体可以追溯到古埃及人通过测量人的尺寸进行鉴别人的身份。而现在的生物特征识别技术主要是运用计算机技术实现的。其中在20世纪60年代，因为计算机技术能够进行处理图形，所以人们开始探究利用计算机技术进行处理指纹，从此，基于计算机技术的自动指纹识别系统的研究和应用在世界上的许多国家展开。我国的生物特征识别最早发展的也是指纹识别技术，早在20世纪80年代初就开始了研究。20世纪90年代，我国开始对人脸识别、虹膜识别、掌形识别等生物特征识别技术进行研究，并且在部分领域取得了国际领先的研究成果。最近几年，我国的生物特征识别技术发展很快，已经达到了较高的水平。由于奥运和公安保卫的需要，生物特征识别技术受到了国家的高度重视，许多大专院校、科研院所都参与了生物特征识别技术及其应用的研究。以国内顶级科研单位和著名高校的生物特征识别科研成果为依托，一批生物特征识别领域的高新技术公司也迅速发展起来。生物特征识别设备也从早期的仅限于安全级别较高的场所和军事用途，逐渐应用于商业领域，如出入口控制、考勤管理等。目前，生物特征识别技术可广泛用于政府、军队、银行、电子商务和安全防务等多个领域。

3 几种常用的生物特征识别技术

利用生物特征来进行个人身份识别， 其不需要携带如智能卡样的东西，也不需要记住身份证号以及密码等一系列的数字，而用于证明自己的就是自己本身，利用生物特征识别身份不仅不会出现丢失、遗忘，而且也很难进行造假。是目前最为方便和安全的识别技术，得到了各个国家的普遍重视和大力发展。目前，

国内外研究的生物特征识别技术有指纹、手型、掌纹、静脉、虹膜、视网膜、耳廓、语音、步态以及人脸等识别技术。这里介绍几种常用的生物特征识别技术及其应用情况。

3.1 指纹识别技术

指纹识别技术通常采用特征点法，抽出指纹上山状曲线的分歧点或指纹中切断的部分（端点）等特征来识别。特征点是一个三维向量，包含了位置和方向等信息。在特征点法的识别中，手指按压或流汗、指纹线的愈合和伤痕对识别影响不大。

每个人的指纹都是不同的，两个人之间没有相同的指纹，同时由于指纹与其他生理特征或者行为特征相比更容易获取，所以指纹识别技术应用是非常广阔的。在现代社会中，指纹识别技术最早应用在公安刑侦领域中，后逐渐被应用到军队、武警以及民用领域中。目前指纹识别技术已经成为国际公认的应用最为广泛、价格低廉以及使用最为方便的生物特征认证技术之一。但是目前指纹识别也存在着一定的安全隐患，因为在每一次使用指纹时都会在指纹采集头上留下指纹痕迹，而这些指纹痕迹很容易被非法分子复制。

3.2 手掌静脉识别技术

手掌静脉身份识别就是通过近红外线读取手掌静脉的模式数据，与预先登记的手掌静脉数据进行对比，确认本人身份的生物识别技术。由于静脉比动脉更接近于皮肤，当红外线照射手掌时，更容易读取信息。此外，静脉中的红血球具有吸收特定的近红外线的特性，利用这一特性可以实现只读取静脉的功能。当近红外线照射到手掌时，静脉部分会有微弱的反射，从而形成静脉纹路图像。简单地说，就是通过反射回来的近红外线的强弱来识别静脉的位置。

静脉血管位于人体内部，不会轻易被他人所获知，因此非常适合用于个体认证。手掌静脉识别的全过程采用非接触式，简单易行。但由于成本等原因，目前在我国应用还比较少。随着成本的不断降低和技术的成熟性越来越好，相信未来几年这项技术在我国会得到一定程度的推广。

3.3 人脸识别技术

所谓人脸识别， 就是利用计算机分析人脸视频或者图像， 并从中提取出有效的识别信息， 最终判别人脸对象的身份。识别的特征有眼、鼻、口、眉的形状和位置关系，以及脸的轮廓等。人脸识别系统主要包括人脸检测和人脸识别两个环节，其中人脸检测主要是指首先对人脸进行定位和检测，也就是指从输入图像中找到人脸及其位置，从而将人脸从背景中分割出来；而人脸识别主要是对人脸的特征进行提取，识别以及模拟匹配等。

人脸识别技术与其他生物特征识别技术相比，人脸识别由于使用方便，普通的摄像头都能够作为传感器，同时这种技术主要是根据人脸识别软件和算法进行

处理，所以其成本低，容易推广，而且也容易被广大人民群众接受。人脸识别相对于指纹识别最大的优点是非接触式的，更加方便与卫生，而且不干扰使用者，不侵犯使用者的隐私权，因此成为目前实际应用广泛程度仅次于指纹识别的生物特征识别手段。尤其是近几年，由于国际反恐和社会安全的需要，世界各国也都加强了人脸识别技术及其应用的研究。2008年我国在奥运会的历史上第一次采用人脸识别技术为之提供安全保障。目前，人脸识别技术可广泛用于人脸识别门禁、人脸识别考勤、公安布控对象监控、车站机场安检以及人脸识别出入境边检等多个领域，甚至我们可以让自己的个人计算机进行人脸识别开机，还可以让自己的手机进行人脸识别解锁。人脸识别技术在实际生活中为人们工作和生活提供极大的便利，比如在北京奥运会期间，运动员不需要门卡以及钥匙，只需要面朝门静立一会，然后房门就能够自动打开，这里就使用了人脸识别技术。虽然人脸识别技术已经得到了长足的发展和广泛的应用，但是也存在着许多问题，如周围环境的光照问题、人脸的姿态问题、遮挡物问题以及化妆整容问题等，这些都需要技术的不断发展和对问题的深入研究去逐渐解决。

3.4 声音识别技术

声音识别技术是一种非接触的生物特征识别技术，其能够很自然被人们接受，并且人们的行为特征以及心理特征等语音参数会反应在声音的波形中，声音识别就是利用分析使用者的声音的物理特性进行身份识别的技术。声音识别技术主要是通过话筒录入语音，然后通过数字信号处理技术，最后提取使用者声音特征信息并将其保存在数据库中。在使用的过程中主要将采集的声音与数据库中的特征信息进行对比，实现身份识别和身份判断。目前声音识别技术主要应用于语音拨号、声控玩具中等。但是声音识别技术和其他技术相比，由于声音的变化范围太大，所以导致很难进行精确匹配，同时由于声音很容易随着速度、音量以及音质的变化影响采集和对比结果。

3.5 其他生物特征识别技术

目前，除了指纹识别技术和人脸识别技术等常用的几种技术外，现在科学技术人员正致力于研究开发的还有身体气味以及耳朵、心音和行走步态等技术。有趣的是，日本科学家还开发了一项臀部形状识别技术，他们在汽车驾驶座上安装数百个微型压力传感器，汽车内的电脑通过压力传感器采集到的数据即可制作出坐车人的臀部形状数据库，然后与原录入数据库作比对，从而识别驾驶人是否车主。

4 展 望

生物特征识别技术的应用给我们的生活和工作带来极大的便利，但是由于每一种技术都有自身的缺点和优点，都有自己使用的范围，所以采用多种生物特征融合技术可以获得比单一生物特征识别系统更好的识别性能和可靠性，提高系统的安全性。可以预见，多种生物特征识别技术的联合应用将是身份识别领域未来发展的必然趋势，未来的生活将会因为生物特征识别技术而变得更安全、更轻松。

参考文献：

[1] 孙冬梅.裘正定.生物特征识别技术综述[J].电子学报，2001，（1）.

[2] 魏育成，赵彩云.身体就是身份证——生物特征识别技术及其在安防领域的应用[J].中国安防，2009，4.

[3] 马勇.生物特征识别技术在德国护照中的应用及其启示[J].中国安防，2010，（6）.

[4] 高福友.生物特征识别技术及其在监狱安全防范领域的应用[J].安防科技，2011，（2）.

[5] 王娟.人脸识别技术及其应用[D].武汉：中南民族大学，2009.

篇五：生物特征识别技术的发展趋势及对数字信号处理器的挑战

生物特征识别技术的发展趋势及对数字信号处理器的挑战

引言

生物特征识别技术是指利用人体固有的生理特征或行为特征来进行个人身份鉴别认证的技术。生物特征识别技术包括采用人体固有的生理特征(如人脸、指纹、虹膜、静脉)进行的身份认证技术和利用后天形成的行为特征(如签名、笔迹、声音、步态)进行的身份认证技术。与传统的身份鉴定手段相比，基于生物特征识别的身份鉴定技术具有如下优点：(1)不会遗忘或丢失；(2)防伪性能好，不易伪造或被盗；(3)“随身携带”，随时随地可用。正是由于生物特征身份识别认证具有上述优点，基于生物特征的身份识别认证技术受到了各国的极大重视。生物特征识别技术及其发展趋势

目前，常用的生物特征识别技术所用的生物特征有基于生理特征的如人脸、指纹、虹膜，也有基于行为特征的如笔迹、声音等。下面就这些常见的生物特征识别技术的特点及其发展趋势作一简单介绍。人脸识别

人脸识别作为一种基于生理特征的身份认证技术，与目前广泛应用的以密码、IC卡为媒介的传统身份认证技术相比，具有不易伪造、不易窃取、不会遗忘的特点；而人脸识别与指纹、虹膜、掌纹识别等生理特征识别技术相比，具有非侵犯性、采集方便等特点。因而人脸识别是一种非常自然、友好的生物特征识别认证技术。

人脸识别技术包括图像或视频中进行人脸检测、从检测出的人脸中定位眼睛位置、然后提取人脸特征、最后进行人脸比对等一系列相关的技术。

最早的人脸识别系统建成于20世纪60年代，该系统以人脸特征点的间距、比率等参数作为特征，构建了一个半自动的人脸识别系统。此时的人脸识别研究多集中于研究如何提取特征点进行人脸识别，如人脸特征器官(眼角、嘴角、鼻孔)的相对位置、大小、形状、面积及彼此间的几何关系等。由于这些特征点难以准确定位、鲁棒性差，因而采用这些方法的人脸识别系统的性能都很低。

自20世纪80年代开始，人脸识别技术出现了基于面部图像的方法。与基于特征点的方法相比，基于面部图像的方法不是提取人脸特征器官这一高层特征，而是将人脸作为一个图像整体，从图像中提取反映人脸特性的特征如DCT变换特征、小波特征、Gabor特征等等。基于面部图像的方法由于利用了更多的底层信息，以及统计模式识别方法的引入，使得这类方法具有非常高的识别率和非常好的鲁棒性。由于基于面部图像的人脸识别算法具有很高性能，目前已经出现了不少推广人脸识别技术的厂商，如国内的北京海鑫科金高科技股份有限公司、国外的L1ID等。

为了评测基于面部图像的人脸识别算法的性能。美国ARPA和ARL于1993年至1996年建立了FERET数据库，用于评测当时的人脸识别算法的性能。共举行了三次测试FERET94、FERET95、FERET96。FERET测试的结果指出，光照、姿态和年龄变化会严重影响人脸识别的性能。

FERET的测试结果也表明了基于面部图像的方法的缺点。人脸是一个三维非刚体，具有姿态、表情等变化，人脸图像采集过程中易受到光照、背景、采集设备的影响。这些影响会降低人脸识别的性能。

为了克服姿态变化对人脸识别性能的影响，也为了进一步提高人脸识别性能，20世纪90年代后期，一些研究者开始采用基于3D的人脸识别算法。这些算法有的本身就采用三维描述人脸，有的则用二维图像建立三维模型，并利用三维模型生成各种光照、姿态下的合成图像，利用这些合成图像进行人脸识别。

2000年后，人脸识别算法逐渐成熟，出现了商用的人脸识别系统。为了评测这些商用系统的性能，也作为FERET测试的延续，美国有关机构组织了FRVT2000、FRVT2002、FRVT2006

测试。测试结果表明，人脸识别错误率在FRVT2006上下降了至少一个数量级，这种性能的提升在基于图像的人脸识别算法和基于三维的人脸识别算法上都得到体现。此外，在可控环境下，虹膜、静态人脸和三维人脸识别技术的性能是相当的。此外，FRVT2006还展现了不同光照条件下人脸识别性能的显著提高，最后，FRVT2006表明人脸自动识别的性能优于人。值得一提的是，清华大学电子工程系作为国内唯一参加FRVT2006的评测的学术机构，其人脸自动识别性能优于人类。

FRVT2006为人脸识别后续的研究指明了方向，人脸识别中光照、年龄变化依然对人脸识别性能有很大影响，二维人脸识别的性能不比三维人脸识别差。指纹识别指纹识别技术是指通过比较不同人指纹中的特征点不同来区分不同人的身份。指纹识别技术通常由三个部分组成：对指纹图像进行预处理；提取特征值，并形成特征值模板；指纹特征值比对。

指纹图像预处理的目的是为了减少噪声干扰的影响，以便有效提取指纹特征值。常用的预处理方法有图像增强、图像平滑、二值化、图像细化等。

特征提取的目的就是从预处理后的指纹图像中，提取出能够表达该指纹图像与众不同的特征点的过程。最初特征提取是基于图像的，从图像整体中提取出特征进行比较，但该方法的精度和性能较低。现在一般采用基于特征点的方法，从图像中提取反应指纹特性的全局特征(如纹形、模式区、核心区、三角点、纹数等)和局部特征(如终结点、分叉点、分歧点、孤立点、环点等)。得到特征点后就可以对特征点进行编码形成特征值模板。

指纹特征值比对就是把当前获得的指纹特征值与存储的指纹特征值模板进行匹配，并给出相似度的过程。虹膜识别

虹膜相对而言是一个较新的生物特征。1983年，Flom与Safir申请了虹膜识别专利保护，使得虹膜识别方面的研究很少。1993年，Daugman发表了关于虹膜自动识别算法的开创性工作，奠定了世界上首个商业虹膜自动识别系统的基础。随着Flom和Safir专利在2005年的失效和CASIA及ICE2005中虹膜数据集的提供，虹膜识别算法的研究越来越蓬勃。ICE2006首次对虹膜识别算法性能进行了测试。

虹膜识别中需要解决如下两个难点问题：一是虹膜图像的获取，二是实现高性能的虹膜识别算法。

生物特征识别产品的发展趋势

生物特征识别产品逐步从单一PC处理，转变为分布式计算。用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，而用中心PC或服务器完成与业务相关的处理。阐述这种方式较之传统方式的优点~ 由于前端采用嵌入式设备，因而自然提出了对数字信号处理器的要求。

生物特征识别技术对数字信号处理的挑战

为了获得更好的性能，研究者们从算法上、应用厂商从应用上对生物特征识别技术进行改进。这些算法根据不同生物特征的特点，采用新的数学模型，有效解决了现有算法的不足，使得生物特征识别技术性能上了一个新台阶。新的数学模型，较之以往的模型更为复杂，计算量更大。为了能够有效的在数字信号处理器上实现这些算法，要求数字信号处理器有更强

的处理能力。我们下面结合人脸识别具体说生物特征识别技术对数字信号处理的挑战。 传统数字信号处理中核心算法之一就是傅立叶变换，该变换在通信、图像传输、雷达、声纳中都有很大的作用。但是，在相当长的时间里，由于傅立叶变换的计算量太大，即使采用计算机也很难对问题进行实时处理，所以并没有得到真正的运用。直到傅立叶变换的快速算法即快速傅立叶变换发现后，傅立叶变换的运算量大大缩短，从而使傅立叶变换在实际中得到了广泛的应用，也使得在数字信号处理器上实现傅立叶变换成为了可能。

尽管傅立叶变换对数学、物理产生了深远的影响，但对于大多数应用例如人脸识别而言是远远不够的。比如说人脸图像中，眼睛所含有的信息较其他部分对识别而言非常重要，需

要找到一种方法，提取出眼睛这部分重要的信息，并尽量降低不重要的信息对识别的影响。这就需要对人脸图像进行局部分析。然而，傅立叶变换无法进行局部分析，使得傅里叶变换在人脸识别中的应用很有限。

为了提高性能，研究者将数字信号处理领域中新的复杂的变换如Gabor变换、小波变换引入人脸识别中，采用这些变换进行局部分析，提取出对人脸识别有用的特征，从而大大提高了人脸识别的性能。然而，Gabor变换和小波变换的计算量较之傅立叶变换而言非常大，为了在嵌入式设备上实现人脸识别系统，需要高主频、高性能的数字信号处理器来实现，这就对数字信号处理器的设计提出了一个很大的挑战。

从应用角度而言，为了良好的交互性，在实现人脸识别系统时，要求实时实现从视频采集到人脸识别全过程完成(或者至少在1~2秒钟内实现)，否则，给人的感觉就不自然、不流畅。因而，从良好的交互性角度而言，在嵌入式设备上实现人脸识别系统需要高性能的数字处理器。

ADI公司的Blackfin系列处理器是一类专为满足当今嵌入式音频、视频和通信应用的计算要求和功耗约束条件而设计的新型 16～32 位嵌入式处理器。Blackfin 处理器基于由 ADI 和 Intel 公司联合开发的微信号架构(MSA)，它将一个 32 位 RISC 型指令集和双 16 位乘法累加(MAC)信号处理功能与通用型微控制器所具有的易用性组合在了一起。 这种处理特征的组合使得 Blackfin 处理器能够在信号处理和控制处理应用中均发挥上佳的作用—在许多场合中免除了增设单独的异类处理器的需要。该能力极大地简化了硬件和软件设计实现任务。

目前，Blackfin 处理器在单内核产品中可提供高达 756MHz 的性能。Blackfin 处理器系列中的新型对称多处理器成员在相同的频率条件下实现了性能的翻番。Blackfin 处理器系列还提供了低至 0.8V 的业界领先功耗性能。对于满足当今及未来的信号处理应用(包括宽带无线、具有音频/视频功能的因特网工具和移动通信)而言，这种高性能与低功耗的组合是必不可少的。

Blackfin处理器具有如下特点：

高性能处理器内核。Blackfin 处理器架构基于一个 10 级 RISC MCU/DSP 流水线和一个专为实现最佳代码密度而设计的混合 16/32 位指令集架构，该架构很适合于全信号处理/分析能力。这种架构，使得人脸识别中的复杂的数字信号处理运算在Blackfin上很容易实现。 高带宽DMA能力。人脸识别中需要对图像块进行操作，这就涉及到内存数据存取。采用Blackfin的DMA控制器可以自动数据传输，所需的处理器内核开销极少。这样可以将宝贵的处理器的运算能力用于人脸识别的计算，减小数据存取对性能的影响。. 视频指令。人脸识别中最常进行的操作就是对像素值进行处理，Blackfin处理器具有对8位数据以及许多像素处理算法所常用的字长的固有支持，大大提高了人脸识别的处理速度。

. 分层存储器。Blackfin具L1 Cache和L2 Cache两级Cache，由于Cache较之外部存储器具有更快的存取速度，因而，在人脸识别时，可以把运算密集的代码放在L1 Cache或L2 Cache中，这样可以有效提高处理速度。

上述Blackfin处理器特点表明，Blackfin系列处理器非常适合处理需要高性能运算能力和高数据吞吐量的生物特征识别技术。

目前，Hisign已经将人脸识别的算法移植到ADI的Blackfin上，性能正在优化中。请继续关注。

结语

本文讨论了生物特征识别技术的发展趋势，结合人脸识别分析了生物特征识别技术需要高性能的数字信号处理器的原因，并简单介绍了Blackfin处理器的特点，指出正是由于Blackfin处理器的这些特点，使得该处理器非常适合作为嵌入式系统中的计算核心，以便将

人脸识别等生物特征识(转 载于:wWw.SmHaIDA.cOM 海达 范文 网:生物特征鉴别器)别技术移植到嵌入式系统。

字数作文