自己就是通行证浅谈人体生物识别技术

　　人体生物特征识别 (Biometrics)系统是以人体生物特征作为辨识条件，有着“人各有异、终身不变”和“随身携带”的特点，因此具有无法仿冒与借用、不怕遗失、不用携带、不会遗忘、有着个体特征独特性、惟一性、安全性的特点，适用于高度机密性场所的安全保护。人体生物特征识别系统主要类别有生理特征(如指纹、掌纹、脸像、虹膜等)和行为特征(如语音、笔迹、步态等)两大类。这里主要谈谈基于生理特征的人体生物识别技术。

　　指纹识别

　　指纹识别设备主要包括活体指纹图像获取，提取指纹特征和指纹比对三部分。其应用分为验证(Verification)和辨识(1dentification)两类。验证是将现场指纹与已登记的指纹进行一对一的比对，而辨识则是在指纹数据库中找出与现场指纹相匹配的指纹，是一对多匹配。指纹识别的用途很广，包括门禁控制、网络网际安全、金融和商业零售等。

处理前后的指纹图像

指纹识别考勤机

　　在采集指纹时一般要对图像进行预处理。预处理的主要目的是把含有噪声的原始灰度图像转变为适于特征提取的二值图像，它是整个识别算法的基础，对系统的性能有着重要的影响。指纹图像的预处理方法主要包括方向图计算、图像增强、二值化和细化等步骤。其中，方向图计算是为了获得指纹图像的方向信息；图像增强的目的是减少噪声，增强指纹图像中脊线和谷线之间对比度，提高图像质量；二值化的意义是将指纹的脊线和谷线分别用1 和0 表示；细化的目的是尽量去掉指纹脊线上冗余的宽度，使其宽度变为一个象素宽，细化可去掉大量的冗余信息，同时又能保留指纹的拓扑连接关系，以便于后面的特征提取。

　　掌形掌脉识别

　　以三维空间测试手掌的形状、4指的长度、手掌的宽度及厚度、各手指的两个关节部分的宽与高等作为辨别的条件，通掌以俯视得到手的长度与宽度数据，从侧视得到手的厚度数据，最终将得到的手轮廓数据变换成若干个字符长度的辨识矢量，作为用户模板存贮起来。掌形识别侵入性小，资源节省，只需9个字节(72位)，可与门禁系统结合，应用面广。

掌纹掌脉识别

　　掌脉识别是一种活体认证技术，它通过近红外光源的主动照射，利用人体血红蛋白吸收特定波段红外光的特点，获取人体皮下静脉网络的红外图像，不易受手掌脱皮、受伤、潮湿等外在因素影响。但是由于不同人的手掌表皮的厚度不同，因此获取的静脉图像的清晰度有所不同，对识别精度造成很大影响。通常情况下，掌脉识别装置采集到的图像包括了类掌纹信息，类掌纹信息辅助了掌脉进行身份识别。

　　虹膜识别

　　在所有生物识别技术中，虹膜识别是当前应用最为方便和精确的一种。眼睛的虹膜是由相当复杂的纤维组织构成，其细部结构在出生之前就以随机组合的方式决定下来了，虹膜识别技术将虹膜的可视特征转换成虹膜代码（ Iris Code ），这个代码模板被存储下来以便后期识别所用。2005年，中科院自动化所模式识别国家重点实验室，因为在“虹膜图像获取以及识别技术”方面取得的突出成绩，获得国家技术发明二等奖。

虹膜识别

　　虹膜的定位可在1秒钟之内完成，产生虹膜代码（Iris Code）的时间也仅需1秒的时间，数据库的检索时间也相当快，就是在有成千上万个虹膜信息数据库中进行检索，所用时间也不多，有人可能会对如此快的速度产生质疑，其实虹膜识别技术的算法还受到了现有技术的制约。我们知道，处理器速度是大规模检索的一个瓶颈，另外网络和硬件设备的性能也制约着检索的速度。当然，由于虹膜识别技术采用的是单色成像技术，因此一些图像很难把它从瞳孔的图像中分离出来。但是虹膜识别技术所采用的算法允许图像质量在某种程度上有所变化。相同的虹膜所产生的Iris Code（虹膜代码）也有25%的变化，这听起来好像是这一技术的致使弱点，但在识别过程中，这种Iris Code（虹膜代码）的变化只占整个虹膜代码的10%，它所占代码的比例是相当小的。

　　人脸识别

　　人脸是比对人体特征时最有效的分辨部位，识别的特征有眼、鼻、口、眉、脸的轮廓(头、下巴、颊) 形状和位置关系，脸的轮廓阴影等都可利用。它有“非侵犯性系统”的优点，特别是还可用在公共场合特定人士的主动搜寻，是最具发展潜力的非侵犯性识别技术。在复杂的场景中，快速准确地判定哪一部分是人的头像是经过复杂的数学计算得出的结果。利用现代视频帧间移动检测和分析技术，对确定为面部的部分进行不断地“追踪”，同时不断地将其“分割”出来再进行比对。

　　人脸识别技术，分为二维人脸识别、三维人脸识别两大类。二维人脸识别是基于人脸平面图像的，但实际上人脸本身是三维的，人脸平面图像只是三维人脸在一个平面上的投影，在这个过程中，必然会丢失一部分信息，因此，二维人脸识别性能的进一步提升，一直受到环境光线、姿态、表情等因素的不利影响。

　　三维人脸识别是基于三维人脸图像的，从理论上讲具备一些三维图像信息的技术优势，但一直存在采集设备昂贵，采集系统复杂，存储度高，人脸重建算法很复杂，识别速度较慢等缺点。