序論：寫作是一種深度的自我表達(dá)。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內(nèi)心深處的真相，好投稿為您帶來了七篇生物特征識別技術(shù)范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創(chuàng)作。

篇(1)

關(guān)鍵詞：身份鑒別；人體生物特征；發(fā)展趨勢

1． 引言

信息化高速發(fā)展的一大特征是個人身份的數(shù)字化和隱性化，如何準(zhǔn)確鑒定一個人的身份，保護(hù)信息安全是當(dāng)今信息化時代必須解決得一個關(guān)鍵性社會問題。生物特征身份鑒別技術(shù)是身份鑒別領(lǐng)域的一個研究熱點(diǎn)。生物特征識別技術(shù)是指利用人體固有的生理特征或行為特征來進(jìn)行個人身份鑒別認(rèn)證的技術(shù)。生物特征識別技術(shù)包括采用人體固有的生理特征（如人臉、指紋、虹膜、靜脈、視網(wǎng)膜）進(jìn)行的身份認(rèn)證技術(shù)和利用后天形成的行為特征（如簽名、筆跡、聲音、步態(tài)）進(jìn)行的身份認(rèn)證技術(shù)。與傳統(tǒng)的身份鑒定手段相比，基于生物特征識別的身份鑒定技術(shù)具有如下優(yōu)點(diǎn)：（1）不會遺忘或丟失；（2）防偽性能好，不易偽造或被盜；（3）“隨身攜帶”，隨時隨地可用。正是由于生物特征身份識別認(rèn)證具有上述優(yōu)點(diǎn)，基于生物特征的身份識別認(rèn)證技術(shù)受到了各國的極大重視。

2.  生物特征識別技術(shù)的現(xiàn)狀及發(fā)展趨勢

目前，常用的生物特征識別技術(shù)所用的生物特征有基于生理特征的如視網(wǎng)膜、人臉、指紋、虹膜，也有基于行為特征的如筆跡、聲音等。下面就這些常見的生物特征識別技術(shù)的特點(diǎn)及其發(fā)展趨勢進(jìn)行討論研究。

2.1．視網(wǎng)膜識別

人體的血管紋路也是具有獨(dú)特性的，人的視網(wǎng)膜表面血管得圖樣可以利用光學(xué)方法透過人眼晶體來測定。用于生物識別的血管分布在神經(jīng)視網(wǎng)膜周圍，即視網(wǎng)膜四層細(xì)胞得最遠(yuǎn)處。如果視網(wǎng)膜不被損傷，從三歲起就會終身不變，如同虹膜識別技術(shù)一樣，視網(wǎng)膜掃描可能具有最可靠，最值得信賴得生物識別技術(shù)，但它運(yùn)用起來的難度較大。視網(wǎng)膜識別技術(shù)要求激光照射眼球的背面以獲得視網(wǎng)膜特征得唯一性。

視網(wǎng)膜技術(shù)的優(yōu)點(diǎn)：視網(wǎng)膜是一種及其固定得生物特征，因?yàn)樗请[藏的，故而不易磨損，老化；非接觸性得；視網(wǎng)膜是不可見得，不會被偽造。缺點(diǎn)是：視網(wǎng)膜技術(shù)未經(jīng)過任何測試，可能會給使用者帶來健康的損壞。

2.2.人臉識別

人臉識別作為一種基于生理特征的身份認(rèn)證技術(shù)，與目前廣泛應(yīng)用的以密碼、IC卡為媒

介的傳統(tǒng)身份認(rèn)證技術(shù)相比，具有不易偽造、不易竊取、不會遺忘的特點(diǎn)；而人臉識別與指紋、虹膜、掌紋識別等生理特征識別技術(shù)相比，具有非侵犯性、采集方便等特點(diǎn)。因而人臉識別是一種非常自然、友好的生物特征識別認(rèn)證技術(shù)。

人臉識別技術(shù)包括圖像或視頻中進(jìn)行人臉檢測、從檢測出的人臉中定位眼睛位置、然后提取人臉特征、最后進(jìn)行人臉比對等一系列相關(guān)的技術(shù)。

為了評測基于面部圖像的人臉識別算法的性能。美國ARPA和ARL于1993年至1996年建立了FERET數(shù)據(jù)庫，用于評測當(dāng)時的人臉識別算法的性能。共舉行了三次測試FERET94、FERET95、FERET96。FERET測試的結(jié)果指出，光照、姿態(tài)和年齡變化會嚴(yán)重影響人臉識別的性能。

FERET的測試結(jié)果也表明了基于面部圖像的方法的缺點(diǎn)。人臉是一個三維非剛體，具有姿態(tài)、表情等變化，人臉圖像采集過程中易受到光照、背景、采集設(shè)備的影響。這些影響會

降低人臉識別的性能。

為了克服姿態(tài)變化對人臉識別性能的影響，也為了進(jìn)一步提高人臉識別性能，20世紀(jì)90年代后期，一些研究者開始采用基于3D的人臉識別算法。這些算法有的本身就采用三維描述人臉，有的則用二維圖像建立三維模型，并利用三維模型生成各種光照、姿態(tài)下的合成圖像，利用這些合成圖像進(jìn)行人臉識別。2000年后，人臉識別算法逐漸成熟，出現(xiàn)了商用的人臉識別系統(tǒng)。為了評測這些商用系統(tǒng)的性能，也作為FERET測試的延續(xù)，美國有關(guān)機(jī)構(gòu)組織了FRVT2000、FRVT2002、FRVT2006測試。測試結(jié)果表明，人臉識別錯誤率在FRVT2006上下降了至少一個數(shù)量級，這種性能的提升在基于圖像的人臉識別算法和基于三維的人臉識別算法上都得到體現(xiàn)。此外，在可控環(huán)境下，虹膜、靜態(tài)人臉和三維人臉識別技術(shù)的性能是相當(dāng)?shù)摹４送猓現(xiàn)RVT2006還展現(xiàn)了不同光照條件下人臉識別性能的顯著提高，最后，F(xiàn)RVT2006表明人臉自動識別的性能優(yōu)于人。值得一提的是，清華大學(xué)電子工程系作為國內(nèi)唯一參加FRVT2006的評測的學(xué)術(shù)機(jī)構(gòu)，其人臉自動識別性能優(yōu)于人類。FRVT2006為人臉識別后續(xù)的研究指明了方向，人臉識別中光照、年齡變化依然對人臉識別性能有很大影響，二維人臉識別的性能不比三維人臉識別差。

人臉識別得優(yōu)點(diǎn)：非接觸性的。缺點(diǎn)是：要是比較高級得攝像頭才也有效地?fù)渥矫娌繄D像；使用者面部的位置與周圍得光環(huán)境都可能影響系統(tǒng)的精確性，而且面部識別容易受欺騙；

對于采集圖像的設(shè)備會比其他技術(shù)昂貴得多。

2.2. 指紋識別

指紋識別技術(shù)是指通過比較不同人指紋中的特征點(diǎn)不同來區(qū)分不同人的身份。指紋識別技術(shù)通常由三個部分組成：對指紋圖像進(jìn)行預(yù)處理；提取特征值，并形成特征值模板；指紋特征值比對。指紋圖像預(yù)處理的目的是為了減少噪聲干擾的影響，以便有效提取指紋特征值。常用的預(yù)處理方法有圖像增強(qiáng)、圖像平滑、二值化、圖像細(xì)化等。

特征提取的目的就是從預(yù)處理后的指紋圖像中，提取出能夠表達(dá)該指紋圖像與眾不同的特征點(diǎn)的過程。最初特征提取是基于圖像的，從圖像整體中提取出特征進(jìn)行比較，但該方法的精度和性能較低。現(xiàn)在一般采用基于特征點(diǎn)的方法，從圖像中提取反應(yīng)指紋特性的全局特征（如紋形、模式區(qū)、核心區(qū)、三角點(diǎn)、紋數(shù)等）和局部特征（如終結(jié)點(diǎn)、分叉點(diǎn)、分歧點(diǎn)、孤立點(diǎn)、環(huán)點(diǎn)等）。得到特征點(diǎn)后就可以對特征點(diǎn)進(jìn)行編碼形成特征值模板。指紋特征值比對就是把當(dāng)前獲得的指紋特征值與存儲的指紋特征值模板進(jìn)行匹配，并給出相似度的過程。

    指紋識別的優(yōu)點(diǎn):技術(shù)相對成熟；成本較低。缺點(diǎn)是：具有侵犯性；指紋易磨損，手指太干或太濕不易提取圖像。

2.3. 虹膜識別

虹膜相對而言是一個較新的生物特征。1983年，F(xiàn)lom與Safir申請了虹膜識別專利保護(hù)，使得虹膜識別方面的研究很少。1993年，Daugman發(fā)表了關(guān)于虹膜自動識別算法的開創(chuàng)性工作，奠定了世界上首個商業(yè)虹膜自動識別系統(tǒng)的基礎(chǔ)。隨著Flom和Safir專利在2005年的失效和CASIA及ICE2005中虹膜數(shù)據(jù)集的提供，虹膜識別算法的研究越來越蓬勃。I CE2006首次對虹膜識別算法性能進(jìn)行了測試。虹膜識別中需要解決如下兩個難點(diǎn)問題：一是虹膜圖像的獲取，二是實(shí)現(xiàn)高性能的虹膜識別算法。

3.  結(jié)論

本文討論了一些常用的生物特征識別技術(shù)的技術(shù)特點(diǎn)及發(fā)展趨勢。隨著各國對生物特征識別技術(shù)的越來越重視，生物特征識別技術(shù)必將獲得更快的發(fā)展。

參考文獻(xiàn)：

[1]張敏貴，潘泉，等.多生物特征識別[J].信息與控制,2002,31(6).

[2]楊俊，景疆.淺談生物認(rèn)證技術(shù)——指紋識別[J].計算機(jī)時代，2004,(3）.

[3]侯鴻川.面部溫譜圖身份識別技術(shù)探討[J].中國人民公安大學(xué)學(xué)報（自然科學(xué)版）,2005,（3）.

篇(2)

【關(guān)鍵詞】生理特征；行為特征；鑒定

隨著越來越多的電子設(shè)備不斷進(jìn)入日常生活，傳統(tǒng)使用口令、密碼或身份證號等來辨識身份的方式已遠(yuǎn)遠(yuǎn)不能滿足人們對安全性和便利性的渴求。生物特征識別技術(shù)不再需要身份證號或密碼，也免去隨身攜帶智能卡之類物件的煩惱，它是根據(jù)人自身所擁有的東西，是人的個體特性，目前生物識別市場正處于快速增長當(dāng)中。

1生物特征識別技術(shù)的歷史

最早采用生物特征來鑒定人的身份可追溯到古埃及人采用測量人的尺寸來鑒定身份。指紋識別起源于古代的中國，而在美國和西歐，指紋識別技術(shù)也使用了有一百多年。1986年從事掌紋識別的RecognitionSystem,Inc.成立。1987年Drs.Flom&Safir研究虹膜獲得專利。1990年從事簽字識別的PenOp，Inc.在英國成立。1994年Drs.Atick,Griffin成立了從事人臉識別的Vi?sionicsCorp。

2生物特征識別技術(shù)的發(fā)展

每種生物特征識別技術(shù)不一定適合所有場合。例如有些人的指紋是很難提取特征的，患白內(nèi)障的人虹膜會發(fā)生變化等。在對安全級別要求較高的領(lǐng)域中，人們往往需要結(jié)合多種生物特征來實(shí)現(xiàn)高精度的系統(tǒng)識別，提高鑒別系統(tǒng)的精確度和可靠性是未來身份鑒別領(lǐng)域發(fā)展的必然趨勢。

3生物特征識別系統(tǒng)的內(nèi)容

生物特征識別系統(tǒng)一般包括“生物特征采集子系統(tǒng)”“圖像預(yù)處理子系統(tǒng)”“生物特征提取子系統(tǒng)”“生物特征鑒定子系統(tǒng)”和“生物特征數(shù)據(jù)庫子系統(tǒng)”，以及系統(tǒng)識別的對象——人。在“生物特征數(shù)據(jù)庫子系統(tǒng)”中建立了生物特征與相關(guān)身份信息的對應(yīng)關(guān)系，并保證數(shù)據(jù)存儲的安全性和可靠性。“生物特征鑒定子系統(tǒng)”通過模式識別方法，把待識別的生物特征與數(shù)據(jù)庫子系統(tǒng)中生物特征進(jìn)行比對，按照事先確定的篩選條件（閾值）決策來確定是否匹配成功。

4生物特征識別技術(shù)的種類

生物特征包括生理特征和行為特征，生理特征有指紋、人臉、手形、虹膜、人體氣味和DNA等；行為特征有簽名、聲音、步態(tài)、擊打鍵盤的力度等。

5基于生理特征的生物識別技術(shù)

5.1指紋識別

指紋識別的優(yōu)勢是該技術(shù)是較早被開發(fā)應(yīng)用的，作為研發(fā)歷史最為長久的生物識別技術(shù)是比較成熟的。提取指紋設(shè)備小巧方便，相應(yīng)的價格成本也比較低。其缺點(diǎn)是指紋的采集是接觸式的，人工操作比較耗時，可接受性較差，而且指紋也可以通過手術(shù)或者一些有創(chuàng)手段得以改變或者破壞，因此不是最穩(wěn)定和可靠的身份識別手段。

5.2人臉識別

人臉識別與其它生物特征識別相比具有以下特點(diǎn)：（1）方便高效，在實(shí)際應(yīng)用場景中，人臉識別可以同時進(jìn)行多個人臉的分揀、判斷以及識別。（2）非接觸的，用戶不需要和設(shè)備直接接觸。（3）由于人臉臉部存在相似性，不同個體的區(qū)別不大，所有人臉的結(jié)構(gòu)都相似。再加上現(xiàn)代妝容技術(shù)的發(fā)展，人臉識別還是有很大的識別難度。（4）人臉的易變性，人臉的外形其實(shí)并不穩(wěn)定，可以通過臉部變化產(chǎn)生很多表情，而在不同的觀察角度，人臉的視覺圖像差別也較大。此外，人臉識別還受光照條件等多種因素的影響。

5.3虹膜識別

虹膜識別的優(yōu)點(diǎn)有：虹膜本身具有穩(wěn)定性和唯一性，基本不會隨著人年齡的增長而發(fā)生變化；另外同一個人雙眼的虹膜，包括雙胞胎的虹膜特征都不會一樣，相似概率為億萬分之一，所以虹膜識別最大的優(yōu)點(diǎn)就是安全性高。在各項生物識別技術(shù)中，僅次于DNA。當(dāng)然虹膜也有缺點(diǎn)：獲取圖像不是很方便，一般人眼和設(shè)備要保持在20cm-40cm，鏡頭可能產(chǎn)生圖像畸變而使可靠性降低，用戶交互效果并不很好。另外虹膜識別技術(shù)依賴光學(xué)設(shè)備，需要紅外燈配合紅外鏡頭才能取到用于身份識別的虹膜圖像。不同種族人的虹膜顏色不同，比如亞洲人和非洲人的虹膜是黑色或者棕色。由于很難將圖像獲取設(shè)備的尺寸小型化，設(shè)備造價高，所以無法大范圍推廣。

5.4視網(wǎng)膜識別

有人認(rèn)為視網(wǎng)膜技術(shù)識別的可靠性和準(zhǔn)確率要高于虹膜識別，所以基于視網(wǎng)膜的身份識別技術(shù)也是非常可靠、值得信賴的。視網(wǎng)膜識別技術(shù)的優(yōu)點(diǎn)相似于虹膜技術(shù)，比如無法偽造，不會磨損，更不會老化，也不受疾病影響。缺點(diǎn)是到目前為止還無法證明在使用視網(wǎng)膜技術(shù)對用戶進(jìn)行檢測時，是否對用戶的健康有影響還需進(jìn)一步確實(shí)。

5.5掌靜脈識別

用掌靜脈進(jìn)行身份認(rèn)證時，獲取的是手掌內(nèi)部的靜脈圖像特征，而不是手掌表面的圖像特征。因此，掌靜脈識別不同于指紋識別，它不存在因?yàn)槭终票砻娴膿p傷、磨損、干燥或太濕等帶來的識別障礙。另外，和人臉識別技術(shù)相比，掌靜脈識別時攝像機(jī)應(yīng)對不同光照環(huán)境、雙胞胎和化妝等問題時人工智能算法更加容易自我學(xué)習(xí)和調(diào)整。但它也存在一些缺點(diǎn)：（1）手背靜脈的永久性尚未得到證實(shí)。（2）存在無法成功注冊登記的可能。（3）采集設(shè)備要求特殊，相關(guān)設(shè)計比其它生物特征獲取設(shè)備復(fù)雜，價格高，難于推廣。（4）由于優(yōu)秀的人工智能算法不多，只有極少數(shù)廠商能應(yīng)對海量掌靜脈數(shù)據(jù)的瞬時比對。

5.6人耳識別

人耳識別有基于二維圖像的人耳識別、基于3D的人耳識別和耳紋識別。人耳識別和常用的幾種生理特征識別技術(shù)相比有以下幾個優(yōu)勢：（1）人耳識別相比于虹膜識別方法其人耳圖像的獲取更加便捷。（2）和人臉識別方法比較，人耳獲取的圖像要小很多，相應(yīng)顏色也比較一致，因此對數(shù)據(jù)的處理量更小，更方便。另外，人耳識別方法不像人臉識別會因臉部化妝、表情等變化而受到影響。（3）相比指紋識別接觸式的獲取方式，人耳圖像非接觸式的采集方法更容易讓人接受。

5.7紅外溫譜圖

由紅外設(shè)備獲取能夠反映人身體各個部位熱量值的圖像稱為溫譜圖。獲取溫譜圖的方法和拍攝普通照片的方法類似，它的采集是非接觸式的，非常隱蔽的，更不具侵犯性，所以它的可接受性是比較高的。然而人體的溫譜值不是恒定不變的，它會受外界環(huán)境的變化而發(fā)生變化。

5.8基因識別

基因識別的特點(diǎn)簡單點(diǎn)來說就是唯一性、強(qiáng)識別性和防偽。但是它最大的優(yōu)點(diǎn)也是最讓人擔(dān)憂的，因?yàn)樵谥谱鳌盎蛏矸葑C”時可以測出這個人基因有哪些缺陷，有哪些疾病易感基因等，這些都涉及到個人隱私和倫理上的問題。所以基因識別的可接受性還有待商榷。目前基因識別是在特定實(shí)驗(yàn)室完成的，耗時較長，和其它生物特征識別技術(shù)比起來在便利性和及時性方面是處于劣勢的。

6基于行為特征的生物特征識別技術(shù)

6.1簽名識別

簽名被認(rèn)為是身份識別的最廣泛的行為特征之一，是人類最常見的確認(rèn)他們的身份的社會和法律認(rèn)可的方式之一。相關(guān)的寫作習(xí)慣是在兒童時期養(yǎng)成的，它們主要受視覺知覺、協(xié)調(diào)、靈巧、成長、寫作系統(tǒng)、社會關(guān)系、寫作頻率、教育和民俗等幾個參數(shù)的影響[1]。因此一個人的簽名不是一生中都固定不變的，這為簽名識別的準(zhǔn)確率提高了難度。

6.2步態(tài)識別

步態(tài)識別在生物特征識別技術(shù)研究中算是起步較晚的，目前基于步態(tài)的身份識別還只是起步階段。和人臉識別不同的是，步態(tài)識別不只是采集到人臉圖像就行，它是要采集到步態(tài)圖像的序列，因此它處理的數(shù)據(jù)量比人臉識別要大很多，應(yīng)用到的算法也復(fù)雜許多。步態(tài)識別的采集裝置只需要一個監(jiān)控攝像頭就行，簡單、經(jīng)濟(jì)。它對采集的距離要求比人臉識別低，只要能看清走路的姿態(tài)就行，甚至可以背離攝像機(jī)，這是人臉識別所不能的；另外它也不需要像人臉識別那樣具備較好的光照條件，因此使用起來較為方便。

6.3聲音識別

聲音識別與其他生物特征相比優(yōu)勢在于：（1）聲音提取方便，可在不知不覺中完成，可接受性強(qiáng)。（2）獲取聲音的設(shè)備簡單方便，比如麥克風(fēng)，價格相對比較低廉。（3）和其它生物特征身份識別相比可以實(shí)現(xiàn)遠(yuǎn)程身份辨認(rèn)，比如通過手機(jī)或麥克風(fēng)可以實(shí)現(xiàn)網(wǎng)絡(luò)遠(yuǎn)程登錄。當(dāng)然聲音識別也有一些缺點(diǎn)：（1）聲音在人不同的年齡或是身體狀況、情緒等情況下獲取會有所差別。（2）不同的采集設(shè)備或采用不同的信道對聲音識別也會有影響。（3）環(huán)境噪音對識別有于擾。（4）混合說話情形下，人的聲音特征不易提取。（5）同一個人的磁帶錄音也能欺騙語音識別系統(tǒng)。

7總結(jié)

在上述生物特征識別技術(shù)中，每種識別技術(shù)都各自有優(yōu)缺點(diǎn)，在應(yīng)用上難免會出現(xiàn)一些問題。所以，在一些安全等級要求較高的應(yīng)用場景當(dāng)中，往往會采用兩種甚至多種生物特征識別技術(shù)進(jìn)行驗(yàn)證[2]。隨著物聯(lián)網(wǎng)時代的到來，生物識別將擁有更為廣闊的市場前景。

參考文獻(xiàn)

[1]曾曉云.基于探測網(wǎng)格的離線簽名認(rèn)證方法[J].現(xiàn)代信息科技,2019,3(23):90-92.

篇(3)

【關(guān)鍵詞】生物識別技術(shù) 客戶身份識別 作用與風(fēng)險

所謂生物識別技術(shù)，就是通過計算機(jī)與各種傳感器和生物統(tǒng)計學(xué)原理等高科技手段密切結(jié)合，利用人體固有的生理特性和行為特征，來進(jìn)行個人身份的鑒定。與傳統(tǒng)的身份鑒定手段相比，生物特征是唯一的、穩(wěn)定的、可以驗(yàn)證的，基于生物特征識別的身份鑒定技術(shù)更具有防偽性能好、不易偽造或被盜等優(yōu)點(diǎn)。由此，其在互聯(lián)網(wǎng)金融領(lǐng)域的應(yīng)用也是大勢所趨。

一、生物識別技術(shù)的研發(fā)應(yīng)用情況

（一）生物識別技術(shù)主要種類

近年來，生物識別技術(shù)發(fā)展迅速，并在不同行業(yè)范圍內(nèi)得以應(yīng)用。當(dāng)前在互聯(lián)網(wǎng)金融領(lǐng)域中，有所介入、涉及的生物識別技術(shù)主要有指紋識別、虹膜識別、面部識別、掌形識別、簽名識別等。

（二）生物識別技術(shù)在互聯(lián)網(wǎng)金融發(fā)展背景下的應(yīng)用情況

目前，對于對安全防范控制有著極高要求的金融業(yè)，在金庫的安全設(shè)施、保險柜、自動柜員機(jī)等方面已使用到了生物特征識別這種直觀、準(zhǔn)確、可靠的識別系統(tǒng)，并且，今后隨著互聯(lián)網(wǎng)技術(shù)的逐漸發(fā)展，對借助生物識別技術(shù)來解決金融業(yè)務(wù)方面的身份識別、確認(rèn)或者支付的呼聲越來越高，運(yùn)用關(guān)注度將更多，銀行也在積極探索和嘗試這方面的運(yùn)用。但是目前想要進(jìn)行大規(guī)模推廣和運(yùn)用的并不多，更多的做為輔助手段。

二、以生物技術(shù)開展客戶身份識別的優(yōu)勢與不足

指紋、虹膜、面部識別等生物特征識別技術(shù)與傳統(tǒng)的身份鑒別技術(shù)相比，基于人體生物特征識別技術(shù)的安全性顯然要高得多。但在實(shí)際應(yīng)用中，生物識別技術(shù)也并非完美無缺，還不是很成熟，難以避免存在著一些漏洞。

（一）優(yōu)勢方面

一是生物識別技術(shù)認(rèn)定的是人本身，由于每個人的生物特征具有與其他人不同的唯一性和在一定時期內(nèi)不變的穩(wěn)定性，不易偽造和假冒，所以利用生物識別技術(shù)進(jìn)行身份認(rèn)定，方便、安全、可靠；二是生物識別技術(shù)產(chǎn)品均借助于現(xiàn)代計算機(jī)技術(shù)實(shí)現(xiàn)，很容易配合電腦和安全、監(jiān)控、管理系統(tǒng)整合，實(shí)現(xiàn)自動化管理；三是生物識別技術(shù)可有效避免傳統(tǒng)短信驗(yàn)證手段潛在風(fēng)險。隨著手機(jī)木馬，偽基站等黑客活動日漸增多，短信驗(yàn)證碼被攔截的可能性大幅增加，而生物識別技術(shù)的身份認(rèn)證具有不可替代性，能有效規(guī)范被網(wǎng)絡(luò)攻擊的風(fēng)險；四是由于生物識別技術(shù)具有高服務(wù)附加值和高安全性的潛在優(yōu)勢，符合商業(yè)銀行需要高效益、高性能的應(yīng)用程序來助力其運(yùn)行環(huán)境的目的，已成為非常吸引商業(yè)銀行的一項新型應(yīng)用技術(shù)，為風(fēng)險防范又增加了一道堅固的壁壘。

（二）不足之處

任何技術(shù)都可能存在一定的針對性和局限性。同樣，相對傳統(tǒng)的身份識別，生物識別技術(shù)是有較大的優(yōu)勢，但其也存在著一定的缺陷。一是準(zhǔn)確性方面的局限。比如說人手指受傷時，指紋這個生物特征在被識別過程中的準(zhǔn)確性就可能受到影響。另外，非法用戶制造有著相同指紋的橡膠手指冒認(rèn)合法用戶在技術(shù)上也是可能實(shí)現(xiàn)的；二是同傳統(tǒng)身份識別認(rèn)證方法一樣，生物特征信息在傳輸過程中也有可能被截獲或篡改，存儲在數(shù)據(jù)庫中的信息也可能會被修改，這些都會使得合法用戶的身份認(rèn)證受到影響，這也是今后生物識別技術(shù)所面臨的主要問題之一；三是要求用戶配合的程度高，如從指紋鎖的實(shí)際應(yīng)用情況來看要求用戶配合的程度高，用戶在指紋采集過程中需要直接接觸指紋采集儀，容易產(chǎn)生被侵犯的感覺，導(dǎo)致用戶對指紋識別技術(shù)的接受度降低，用戶指紋難以采集；四是存在使用專用設(shè)備、價格昂貴等缺點(diǎn)，用較高的代價來保障安全。

三、應(yīng)用中存在的困難與潛在的風(fēng)險

就目前來看，雖然關(guān)注度高，但由于生物識別技術(shù)的尚不成熟，其在金融領(lǐng)域的運(yùn)用暫時還難以大規(guī)模的推廣使用，還面臨著政策和宣傳不到位等諸多因素的困擾，如何理性、務(wù)實(shí)的直面存在的問題困難，加強(qiáng)對該項技術(shù)的投入和監(jiān)督，是金融業(yè)在未來一個時期內(nèi)應(yīng)重點(diǎn)解決的問題。

（一）困難

一是使用成本高。如通過掌靜脈識別身份進(jìn)行支付的方式比較安全可靠，但問題是這個設(shè)備的成本是比較高的，這就導(dǎo)致它更多的是在一定范圍內(nèi)使用，很難大規(guī)模推廣使用，同樣，指紋、虹膜等技術(shù)都面臨類似的問題；二是使用范圍受限。相對來說，人臉識別方面，利用攝像頭掃描就相對容易，只需要配備一個手機(jī)就可以解決，可以大面積推廣使用，但目前也不能保證這個技術(shù)就絕對安全，未來的使用可能更多的還是規(guī)定這種技術(shù)支持一定的業(yè)務(wù)范圍。

（二）風(fēng)險

生物識別技術(shù)具有使用便捷的優(yōu)點(diǎn)，同時風(fēng)險與之并存：生物特征的生物身份識別技術(shù)存在著一旦被盜用將無法吊銷的風(fēng)險，這也是目前導(dǎo)致僅依賴生物識別技術(shù)進(jìn)行身份認(rèn)證的措施還不適用于大范圍的金融業(yè)務(wù)的原因所在。同時，互聯(lián)網(wǎng)銀行業(yè)務(wù)發(fā)展的技術(shù)障礙也未解決，無論人臉識別、指紋等多重生物識別技術(shù)有多成熟，只要是網(wǎng)絡(luò)遠(yuǎn)程傳輸方式都能夠被黑客截取復(fù)制，金融業(yè)務(wù)潛在風(fēng)險。

四、相關(guān)建議

（一）加強(qiáng)互聯(lián)網(wǎng)金融業(yè)務(wù)的監(jiān)管

近年互聯(lián)網(wǎng)金融業(yè)務(wù)如火如荼，但監(jiān)管嚴(yán)重薄弱，傳統(tǒng)金融監(jiān)管部門并不十分了解信息網(wǎng)絡(luò)安全的相關(guān)技術(shù)。因此，迫切需要設(shè)立相關(guān)信息安全部門的聯(lián)席會議制度或者監(jiān)管協(xié)調(diào)機(jī)制，對有關(guān)互聯(lián)網(wǎng)金融的規(guī)則從源頭介入，制定監(jiān)管制度辦法，避免監(jiān)管部門事后被動的尷尬。

（二）加大宣傳推廣力度

當(dāng)前生物識別技術(shù)還不夠成熟，人們對其的心理接受程度，還有待從不熟悉該技術(shù)到熟悉這樣的過程和時間。因此，金融業(yè)所須做的是加大對生物識別技術(shù)技術(shù)的研發(fā)以及加強(qiáng)宣傳工作。

（三）建立個人生物特征信息中央數(shù)據(jù)庫

有效的生物特征識別應(yīng)用必須由強(qiáng)大的數(shù)據(jù)后臺作保障，應(yīng)建立一個大型個人生物特征信息數(shù)據(jù)庫，能夠采集和存儲指紋掃描、虹膜掃描、掌紋和語音數(shù)據(jù)及其他生物識別符號，以更快、更好并且將更有效地提升部門間的數(shù)據(jù)共享和可操作性。

（四）生物識別技術(shù)與其他方式有機(jī)結(jié)合

篇(4)

關(guān)鍵詞：生物特征；RFID；電子護(hù)照；安全性

隨著生物特征識別技術(shù)和數(shù)字加密技術(shù)不斷成熟和發(fā)展，生物特征電子護(hù)照應(yīng)運(yùn)而生。簡單地說，生物特征電子護(hù)照是在傳統(tǒng)護(hù)照中嵌入電子芯片，并在芯片中存儲持照人基本資料和生物特征信息的新型旅行證件。

1 生物特征電子護(hù)照應(yīng)用現(xiàn)狀

在ICAO頒布標(biāo)準(zhǔn)之前，早在1998年馬來西亞護(hù)照就已經(jīng)使用了生物特征電子護(hù)照。截至2013年，亞太地區(qū)已經(jīng)有中國、日本、印度、澳大利亞、韓國、新加坡、土耳其、伊朗、泰國、菲律賓、黎巴嫩、巴基斯坦、伊拉克、馬來西亞、文萊、塔吉克斯坦、新西蘭、中國香港、中國澳門、臺灣地區(qū)等十多個國家使用了生物特征電子護(hù)照。歐洲地區(qū)，歐盟成員國為確保個人身份證明的可靠性達(dá)成一致共識，要求各國必須在2010年3月前啟用包含指紋的生物特征電子護(hù)照。目前，歐洲絕大多數(shù)國家已經(jīng)開始使用生物特征電子護(hù)照，其中有代表性的有德國、俄羅斯、奧地利等。在美洲，美國、加拿大、巴西、委內(nèi)瑞拉等國也開始使用生物特征電子護(hù)照。在非洲，生物特征電子護(hù)照已在西部非洲和南非等地推廣開來。

2 生物特征電子護(hù)照技術(shù)現(xiàn)狀

生物特征電子護(hù)照之所以在不長的10年間，得到廣泛的應(yīng)用，與它使用的生物特征識別技術(shù)和電子加密技術(shù)不無關(guān)系。

生物特征識別技術(shù)（Biometric Identification Technology）是利用人體生物特征進(jìn)行身份辨認(rèn)的一種技術(shù)。生物特征是唯一可自動識別和驗(yàn)證人體的生理特性或行為方式，分為生理特征和行為特征，主要的生物特征有指紋、面相、虹膜、掌紋、步態(tài)、耳廓等。另外生物特征電子護(hù)照采用電子芯片作為其生物特征信息存儲和數(shù)字加密的載體。它所使用的芯片比標(biāo)準(zhǔn)的RFID要復(fù)雜，同時讀寫距離也較一般的RFID芯片要短，以Infineon（英飛凌）公司的芯片為例，其讀取距離僅限于10.5厘米之內(nèi)。采用電子芯片的護(hù)照可進(jìn)行數(shù)字加密，要侵入芯片必須知道它是如何加密和進(jìn)行程序化的，這樣便有效增加了外部破解的難度，提高了護(hù)照的安全強(qiáng)度。

隨著應(yīng)用的推廣和科技的進(jìn)步，生物特征電子護(hù)照也歷經(jīng)了技術(shù)的革新。2006年，國際民航組織推出了電子護(hù)照的第一版技術(shù)標(biāo)準(zhǔn)，選定面像作為必選的生物特征，指紋和虹膜作為可選的生物特征。2007年， 國際民航組織建立了公鑰簿（Public Key Directory，簡稱PKD），公鑰簿為各有關(guān)國家和地區(qū)電子護(hù)照的驗(yàn)證提供了便利的技術(shù)平臺。標(biāo)準(zhǔn)頒布后，生物特征電子護(hù)照在世界各國普及開來，這一階段的護(hù)照芯片中主要存儲有持照人的身份和面像信息，同時被稱為第一代電子（生物特征）護(hù)照。而近些年來，提高護(hù)照防偽特性的呼聲日益高漲，僅有持照人的面像信息已不能滿足防偽需要，各國開始考慮在電子護(hù)照中添加指紋等唯一性生物特征信息。目前，德國等部分歐盟國家開始頒發(fā)含有持照人指紋信息的生物特征電子護(hù)照，稱之為第二代電子（生物特征）護(hù)照。

3 生物特征電子護(hù)照安全性分析

盡管使用生物特征技術(shù)和數(shù)字加密技術(shù)，生物特征電子護(hù)照相比傳統(tǒng)護(hù)照擁有更高的防偽能力，但因?yàn)樯锾卣骷夹g(shù)和電子芯片本身存在的技術(shù)缺陷和安全隱患，仍然導(dǎo)致生物特征電子護(hù)照在應(yīng)用中仍然存在一些難以回避的問題。

3.1 生物特征識別技術(shù)的識別率影響生物特征電子護(hù)照的使用

不論是第一代還是第二代生物特征電子護(hù)照，它們都存儲了持照人的面像信息作為生物識別的信息依據(jù)，但面像識別技術(shù)受客觀因素的影響較大，當(dāng)拍攝光源不足時，面部識別的錯誤率可達(dá)50%，即使在一切光源符合條件的情況下，其準(zhǔn)確率也只能達(dá)到90%。同時為了提高面部識別率，一些國家規(guī)定旅客拍攝護(hù)照相時嚴(yán)禁露齒而笑，必須露出整個臉龐、表情端莊、嘴唇緊閉，嚴(yán)禁申請人對著鏡頭做鬼臉，其他一些規(guī)定還包括相片中人的眼睛要睜開及清楚可見，頭發(fā)不能遮掩眼睛，佩戴眼鏡者鏡片不能反光，鏡框亦不能遮眼睛等等，這些限制都會影響到生物特征電子護(hù)照的正常使用。另一方面，指紋識別技術(shù)相對成熟，其識別成功率高達(dá)99.6%。盡管如此，考慮到個人指紋的隱私特性，只有少數(shù)國家立法在第二代生物特征電子護(hù)照中使用指紋信息，其普及程度仍然相對較低，很難解決生物特征電子護(hù)照有可能存在識別率不高的問題。

3.2 現(xiàn)有生物特征技術(shù)在一定條件下可以進(jìn)行偽造識別，對護(hù)照的安全構(gòu)成了較大風(fēng)險

根據(jù)媒體報道，一位日本數(shù)學(xué)家在曾多次對市場上使用的生物識別儀進(jìn)行偽造識別。他用不干膠條粘貼使用過的玻璃杯，獲得了玻璃杯上殘留的指紋樣品，接著再根據(jù)指紋樣品制造假的手指；法國國防秘書處信息安全指揮中心專家菲利浦?沃爾夫也指出，通過合適的儀器收集某人眼部的圖像特征，然后進(jìn)行偽造，就可以通過虹膜識別儀的識別。因此偽造假的生物特征也給生物特征電子護(hù)照的安全性能敲響了警鐘。

3.3 由于護(hù)照芯片廠家不統(tǒng)一導(dǎo)致護(hù)照的誤讀、讀取信息不完整或讀取失敗

一項檢測表明，一些讀卡器無法檢測出電子護(hù)照芯片的存在，許多設(shè)備能檢測出芯片，但是無法讀取資料，或者對預(yù)期能顯示的信息內(nèi)容含糊不清。造成這種測試結(jié)果的原因是盡管芯片及讀卡器的供應(yīng)商都依據(jù)ISO 14443 國際標(biāo)準(zhǔn)和統(tǒng)一的參數(shù)進(jìn)行生產(chǎn)，但將眾多廠家的技術(shù)統(tǒng)一在一起仍然是個復(fù)雜的問題，以致技術(shù)人員仍然需要為讀取某些護(hù)照而調(diào)試讀卡器。

3.4 為保證生物特征電子護(hù)照的真實(shí)性完整性而設(shè)置的多種安全機(jī)制也存在漏洞

國外相關(guān)研究機(jī)構(gòu)通過對生物特征電子護(hù)照的各種安全機(jī)制進(jìn)行分析，發(fā)現(xiàn)建立在PKI、數(shù)字簽名以及智能卡技術(shù)基礎(chǔ)上的多種安全手段，并不是牢不可破的，可能會存在有安全漏洞。

4 如何增強(qiáng)電子護(hù)照安全性的幾點(diǎn)建議

4.1 實(shí)施可選安全機(jī)制，特別是擴(kuò)展訪問控制

目前ICAO僅規(guī)定了被動認(rèn)證是強(qiáng)制使用的安全手段，其他都是可選項，這對于真實(shí)實(shí)施的生物特征電子護(hù)照方案是相當(dāng)不利的。主動認(rèn)證、基本訪問控制、擴(kuò)展訪問控制的加入，將較大幅度地增加護(hù)照的安全性，特別是為了保護(hù)生物特征數(shù)據(jù)不被隨意讀取和濫用，擴(kuò)展訪問控制應(yīng)當(dāng)成為必須增加的保護(hù)手段。

4.2 及時獲取和更新證書

在電子護(hù)照的整個安全體系中，數(shù)字簽名和PKI體系是其安全基石，而相應(yīng)的各類證書的真實(shí)有效性關(guān)系到整個體系的安全性。目前的體系中，通過ICAO的公鑰簿以及其他外交途徑傳遞的各類證書，其安全性和實(shí)時性都有待改進(jìn)和提升，應(yīng)該研究其他更優(yōu)方案。

篇(5)

摘 要:對人臉和指靜脈在決策層的融合識別，給出一種新的組合圖像質(zhì)量評價方法，并采用一種改進(jìn)的基于圖像質(zhì)量加權(quán)的D-S證據(jù)理論融合這兩種生物特征。首先，組合圖像質(zhì)量評價法采用清晰度和對比度、相關(guān)系數(shù)的組合方法來評價生物特征圖像質(zhì)量；其次，應(yīng)用改進(jìn)的基于圖像質(zhì)量的匹配值增強(qiáng)方法和D-S證據(jù)理論，減少了極大值圖像質(zhì)量指標(biāo)的影響，使圖像質(zhì)量加權(quán)與實(shí)際情況更趨一致。實(shí)驗(yàn)結(jié)果表明，與沒有考慮圖像質(zhì)量因素相比，考慮了圖像質(zhì)量信息的D-S證據(jù)理論融合方法提高了識別效果。

關(guān)鍵詞:人臉；指靜脈；獨(dú)立成分分析；主元分析；圖像質(zhì)量；D-S證據(jù)理論

中圖分類號: TP391.413 文獻(xiàn)標(biāo)志碼:A

Abstract: For the fusing recognition with face and finger-vein at decision level, a new quality score of image by combining three indexes was presented, and an improved fusion strategy based on D-S evident theory was adopted to fuse two biometric characteristics. At first, the quality score of image was computed by combining index of distinct, contrast and coefficient. Then an improved method based on image quality and D-S evident theory was adopted. This improved method reduced the impact of maximum of image quality score and made the weighted parameter with the actual situation more consistent. Compared with the result of D-S evident theory with no regard to image quality, the results reveal that the fusion method in this paper based on D-S evident theory taking account of image quality information improves the performance.

Key words: human face; finger-vein; Independent Component Analysis (ICA); Principal Component Analysis (PCA); image quality; D-S evident theory

0 引言

生物特征識別技術(shù)為身份識別和信息安全等領(lǐng)域提供了一條便捷、高效、安全的新途徑。目前常見的生物特征識別技術(shù)有人臉、指紋、虹膜、指形、靜脈、掌紋、步態(tài)以及簽名等識別技術(shù)，其中指紋和人臉識別技術(shù)則是最成熟、應(yīng)用最廣泛的技術(shù)。

然而這些生物識別方式都有各自的缺點(diǎn)，尚無能取代所有其他生物特征識別的特征，尤其是一些生物特征可能被復(fù)制和偽造，影響其安全性。但若能采用融合理論，綜合多個生物特征，從理論和實(shí)踐上都表明能得到比單一生物特征更優(yōu)的識別性能和通用性［1-3］。

圖像質(zhì)量對生物特征識別系統(tǒng)的識別性能影響很大,對信息完整、圖像質(zhì)量高的樣本庫所獲得的識別率，可能因?yàn)閳D像質(zhì)量下降而迅速降低。文獻(xiàn)［4-10］都對基于圖像質(zhì)量的生物特征做了深入的研究，取得較大進(jìn)展。其中，Nandakumar等以虹膜和指紋為融合對象，對每次需要匹配的單個待測樣本和模板樣本的圖像質(zhì)量做出評價，給出一種基于圖像質(zhì)量的似然率指標(biāo)，對此進(jìn)行融合得到了滿意的識別結(jié)論［4］。文獻(xiàn)［5］則給出一種新的基于貝葉斯網(wǎng)絡(luò)的基于圖像質(zhì)量的多生物特征融合系統(tǒng)，將生物特征圖像質(zhì)量和匹配值看作同等地位的量，用貝葉斯網(wǎng)絡(luò)融合識別。Richiardi等對基于圖像質(zhì)量的語音、人臉、指紋和簽名的圖像質(zhì)量評價指標(biāo)作了綜述并分析了將圖像質(zhì)量信息應(yīng)用到多生物特征融合識別的方法［8］。Fierrez-Aguilara等在文獻(xiàn)中分別就指紋與簽名、指紋與語音的基于圖像質(zhì)量的融合方法做了分析，主要思路是在每次計算匹配值時考慮圖像質(zhì)量指標(biāo)，再用基于支持向量機(jī)的方法進(jìn)行融合［10］。

本文結(jié)合人臉和手指靜脈兩種生物特征進(jìn)行融合識別，以提高識別的精確性和系統(tǒng)的通用性。針對圖像采集中易產(chǎn)生噪聲干擾,受光照等因素影響而生成質(zhì)量差的圖像，尤其是手指靜脈圖像采集困難，實(shí)現(xiàn)了一種基于圖像質(zhì)量信息加權(quán)的D-S證據(jù)理論融合手指靜脈和人臉特征量的多特征融合識別系統(tǒng)。

1 融合識別系統(tǒng)結(jié)構(gòu)

選擇指靜脈和人臉進(jìn)行融合識別出于如下的考慮：靜脈識別技術(shù)因可實(shí)現(xiàn)活體檢測,具有更好的精確度和穩(wěn)定性；速度快、特征唯一，安全性好；且靜脈識別以非接觸的方式進(jìn)行認(rèn)證，也易于被人們接受，并減少因皮膚表面的皺紋及污垢的干擾。而人臉識別作為一種被動識別方式，易于被人接受，也是目前實(shí)用化程度較高的一種生物特征識別方法。選擇人臉和指靜脈進(jìn)行多生物特征融合識別，可利用人臉識別中成熟的識別算法，并發(fā)揮的指靜脈識別精度高、不易被偽造的優(yōu)勢，形成互補(bǔ)。

考慮圖像質(zhì)量因素的影響，一種新的基于圖像質(zhì)量的加權(quán)D-S證據(jù)理論融合系統(tǒng)的結(jié)構(gòu)如圖1所示。

由于尚無公開的多生物特征測試數(shù)據(jù)庫，這里選擇ORL人臉庫［11］和指靜脈庫［12］組成多生物特征庫，包含40個對象，每人10幅人臉和指靜脈圖像，人為組合組成測試數(shù)據(jù)庫，如圖2(a)~(d)所示是其中的4組樣本，這種人為的指定并不影響對融合結(jié)果的實(shí)驗(yàn)效果。

2 生物特征抽取

2.1 基于獨(dú)立成分分析的指靜脈特征抽取

靜脈圖像匹配方法包括結(jié)構(gòu)匹配、模板匹配等，然后根據(jù)實(shí)驗(yàn)數(shù)據(jù)得到的閾值進(jìn)行判斷。

目前的靜脈識別方法多集中在模板匹配或細(xì)節(jié)特征點(diǎn)匹配［13-15］、Gabor濾波和編碼［16］等,例如Wan等提出基于細(xì)節(jié)點(diǎn)特征提取的指紋靜脈提取方法，通過匹配匯合點(diǎn)和分叉點(diǎn)的方法實(shí)現(xiàn)手指靜脈識別［14］。但較少利用靜脈圖像的全局信息或整體紋理信息進(jìn)行分析的。這里借鑒獨(dú)立成分分析在人臉、掌紋等生物特征識別中的應(yīng)用［17-18］，采用基于獨(dú)立成分分析的方法來抽取特征量，具體步驟如下。

1)歸一化圖像。

為了方便處理和簡化計算，將大小為376×328的原始圖像剪切成為150×150大小圖像。將該矩陣的每個列向量提出來串接成為一個列向量。新的列向量表示一幅原始圖像，所以待處理的n幅圖像就組成n×2250的一個矩陣N。

2)對N做獨(dú)立成分分析。

采用FastICA算法［19］，對N做去均值后，F(xiàn)astICA首先對數(shù)據(jù)做主元分析(Principal Component Analysis, PCA)，保留主要信息的基礎(chǔ)上，壓縮數(shù)據(jù)；然后進(jìn)行獨(dú)立成分提取，經(jīng)過獨(dú)立成分分析法抽取特征后所得指靜脈基圖像的部分示例如圖3所示。

補(bǔ)充圖3中每個子圖的圖名。

2.2 基于主元分析的人臉特征抽取主元分析法抽取人臉特征

人臉識別作為生物特征識別中研究最早也較成熟的方法之一，特征提取方法有基于代數(shù)的特征提取方法，如最基本的獨(dú)立成分分析法、主元分析法和線性判別分析法等。Turk等首先提出基于主元分析的特征臉概念，并取得很好的識別效果［20］。其基本思路是將人臉圖像數(shù)據(jù)用基于二階統(tǒng)計矩的提取方法，映射到主元分量子空間。這里為了分析手指靜脈圖像和人臉進(jìn)行融合對識別性能的影響，選用主元分析的方法提取人臉特征。

對ORL人臉庫做基于主元分析法的特征提取，首先計算人臉庫的人臉圖像平均值，然后求取基于主元分析的特征臉，如圖4所示為基于主元分析法特征抽取后的部分特征臉示例。

3 基于圖像質(zhì)量信息的人臉和手指靜脈特征融合

生物特征的圖像質(zhì)量對識別性能有重要的影響，隨著圖像質(zhì)量的下降，識別率將迅速降低，甚至?xí)?dǎo)致錯誤的識別結(jié)果。而人臉圖像的采集容易受光照、采集角度的影響；手指靜脈作為一種新興的生物特征方法，其圖像采集更易受可見光、被采集個體等因素的影響，較易產(chǎn)生清晰度差、對比度弱的圖像。針對這個存在較差圖像質(zhì)量的情況，若能夠在識別過程進(jìn)行前，對樣本的質(zhì)量信息進(jìn)行量化，并弱化質(zhì)量差的信號的影響，將有可能提高系統(tǒng)的識別性能。下面先給出一種組合的圖像質(zhì)量評價方法。

3.1 圖像質(zhì)量評估

圖像質(zhì)量是圖像的一個重要信息，對圖像質(zhì)量的評價量主要有主觀評價和客觀評價，主觀評價由人們根據(jù)自己的視覺感受，根據(jù)視覺效果做出評判，受主觀因素影響較大；客觀評價以圖像內(nèi)容的數(shù)學(xué)表示，通過定義定量的數(shù)學(xué)質(zhì)量指標(biāo)，進(jìn)而判斷圖像信息［21-23］。客觀評價標(biāo)準(zhǔn)分無參考和有參考兩大類。有參考的圖像質(zhì)量評價量根據(jù)待測圖像和標(biāo)準(zhǔn)圖像之間的差異性來判斷，差異性越大，說明圖像質(zhì)量與標(biāo)準(zhǔn)圖像相差越大，質(zhì)量越差，常用的指標(biāo)有峰值信噪比和均方誤差等。但應(yīng)用過程中，標(biāo)準(zhǔn)圖像的較難選擇或找不到合適的量。圖像質(zhì)量評價的主要問題是評價指標(biāo)的通用性差，對某些圖像，有些指標(biāo)甚至背離了人類視覺感受。

常用的圖像質(zhì)量評價可根據(jù)結(jié)構(gòu)信息相似量、圖像中包含信息量多少、圖像對比度、清晰度和圖像邊緣信息等角度進(jìn)行分析。以下是幾種主要客觀圖像質(zhì)量評價度量指標(biāo)。

1）無參考圖像質(zhì)量指標(biāo)。

無參考圖像質(zhì)量指標(biāo)有圖像的均值、圖像的方差、圖像的熵、拉普拉斯和值等。圖像的熵的定義為：

H=－∑L－1i=0p(i) ln p(i)（1）

其中p(i)是灰度i的分布概率。該指標(biāo)表示圖像包含平均信息量多少的度量。熵值越大說明圖像包含信息量越多。

2）有參考圖像質(zhì)量指標(biāo)。

有參考圖像質(zhì)量指標(biāo)有均方根誤差、峰值信噪比、相關(guān)系數(shù)、結(jié)構(gòu)相似度等。皮爾松相關(guān)系數(shù)定義為：

Qp=corrcoeff(IA,I)（2）

其中：I為待測圖像，IA訓(xùn)練樣本平均值，Qp為圖像質(zhì)量的量度值。

3）亮度對比值。

人們觀察圖像時，對局部區(qū)域的絕對亮度不敏感，對局部區(qū)域與相鄰區(qū)域的相對亮度變化敏感，根據(jù)這一特點(diǎn)將圖像劃分成N×N的不重疊的子圖像，第(m,n)個塊的亮度對比度值定義為其亮度的標(biāo)準(zhǔn)差［21］：

Ic(m,n)=1N×N ∑n×N+Nj=n×N+1 ∑m×N+Ni=m×N+1(I(i, j)－I(m,n))2（3）

4）圖像清晰度指標(biāo)［22-23］。

清晰度方法是利用相鄰像素點(diǎn)的差異來度量圖像清晰度。利用高斯拉普拉斯算子：

LOG(x,y)是L0G，還是數(shù)學(xué)上的對數(shù)書寫形式Log?即中間的是零，還是字符“o”？請明確。=－1πδ41－x2+y22δ2exp－x2+y22δ2（4）

其中：σ為高斯函數(shù)的標(biāo)準(zhǔn)方差，其值較小時，銳化圖像；反之則平滑圖像。常用大小為5×5的高斯拉普拉斯算子。

利用待測圖像與高斯拉普拉斯算子卷積后的水平像素灰度均值來定義圖像清晰度［22］：

Q0(y)=∑yI(x,y)*LOG這個“LoG”中，中間的字母是“o”，還是零？請明確。(x,y)（5）

Qq=1N∑yQ0(y)（6）

其中N為圖像高度。若圖像清晰，對應(yīng)的Qq值大；反之若圖像模糊，則每個像素附近的灰度值變化很小，對應(yīng)的圖像高頻量小，Qq值也小。

5）組合的圖像質(zhì)量評價法方法。

本文根據(jù)圖像質(zhì)量評價指標(biāo)的特點(diǎn)，綜合圖像清晰度Qq、亮度對比度Ic和相關(guān)系數(shù)Qp的質(zhì)量評價指標(biāo)，定義整體質(zhì)量評價量為：

Qs=W1Qq+W2Ic+W2Qp（7）

圖5是一組圖像質(zhì)量由好到差的樣本，除了個體因素的差異外，主要是圖像采集裝置性能、光照條件等都不可能完全一致，導(dǎo)致了存在一定量的較差圖像質(zhì)量樣本。其中圖（a）、（b）圖紋理清晰，對比度好，圖（c）對比度強(qiáng)，圖（d）、（e）質(zhì)量較弱。

根據(jù)計算結(jié)果和主觀評價賦予權(quán)值量W1,W2,W3分布為1，0.5,0.5。最后所得Qs如表1所示，所得結(jié)果和主觀評價基本符合，能夠反映圖像清晰度和對比度，體現(xiàn)了人眼對圖像質(zhì)量的主觀感受。

下面分析一種基于圖像質(zhì)量的加權(quán)D-S證據(jù)理論融合方法，來探討考慮圖像質(zhì)量信息后對識別性能的影響。

3.2 基于圖像質(zhì)量加權(quán)的證據(jù)理論融合方法

由于待識別的對象個性差異及硬件因素，存在著圖像噪聲、圖像質(zhì)量差、所需生物特征信息缺損等不利因素，此外還有識別算法的內(nèi)在缺陷，兩個來自同一對象的生物特征可能得出不同的結(jié)果，這時常規(guī)的如加和、乘積、最大值法等融合策略的結(jié)果有可能比單生物特征識別還差。通過D-S證據(jù)理論對不確定信息的融合有望提高融合識別性能。

Vatsa等提出基于圖像質(zhì)量和Dezert-Smarandache理論的多個指紋特征融合識別方法［6］。首先對指紋圖像的質(zhì)量信息用基于冗余離散小波變換（Redundant Discrete Wavelet Transform, RDWT）方法求得度量值，然后對圖像匹配值做基于圖像質(zhì)量評估度量值的增強(qiáng)，最后采用Dezert-Smarandache理論進(jìn)行融合識別。

本文對Vatsa的對基于圖像質(zhì)量的圖像匹配值增強(qiáng)方法作了改進(jìn)，并對人臉和手指靜脈圖像進(jìn)行基于圖像質(zhì)量D-S證據(jù)理論進(jìn)行融合識別，具體方法如下。

先對圖像采用式（7）方法計算圖像質(zhì)量的量化值：求出一組訓(xùn)練樣本的平均值IA，然后計算每個待測樣本的圖像質(zhì)量數(shù)Qs。

然后在D-S證據(jù)理論組合規(guī)則上，考慮圖像質(zhì)量因素的影響，將圖像質(zhì)量信息正則化，Vatsa采用Tanh方法，使得其范圍在［0,1］。

在3.1節(jié)的圖像質(zhì)量評估分析中，本文采用組合的圖像質(zhì)量評估方法使其與主觀評估相一致，但考慮到圖像質(zhì)量評估對不同光照、對比度和紋理等差別的反映情況不同，且通用性有限，其圖像質(zhì)量評估指標(biāo)的最高值并不意味著該圖像一定具有最強(qiáng)的可分性，本文對以上的圖像質(zhì)量信息正則化方法進(jìn)行如下改進(jìn)：

Qnorm=Qs－min(Qs)med(Qs)－min(Qs)（8）

該方法用中間值med(Qs)代替質(zhì)量評估量化的最大值，減少圖像質(zhì)量最大值的影響，使正則化的結(jié)果更為恰當(dāng)。

Vatsa采用的方法中對所有質(zhì)量信息以閾值為0.5分作兩種情況對特征匹配值進(jìn)行基于圖像質(zhì)量的增強(qiáng)。根據(jù)本文采用的待融合生物特征，尤其是手指靜脈圖像，個別圖像質(zhì)量因光照和生物個體原因，難以根據(jù)該圖像進(jìn)行識別，根據(jù)這一情況，本文作如下改進(jìn)，通過實(shí)驗(yàn)求得評估圖像質(zhì)量為差的閾值，該閾值以下的圖像信息不參與融合識別。在圖像質(zhì)量分?jǐn)?shù)值大于閾值時，可對特征匹配值進(jìn)行基于圖像質(zhì)量的變換如式(9)所示：

Sqj=Qnormsj0.5, θ≤Qnorm≤0.5(1－Qnorm)sj0.5,0.5

下面采用D-S證據(jù)理論進(jìn)行融合識別。Dempster于1967年提出D-S證據(jù)理論，之后Shafer用信任度函數(shù)和似然度函數(shù)擴(kuò)展了該理論，成為處理不精確性的信息的數(shù)學(xué)方法，稱做D-S證據(jù)理論［24-25］。該理論可看作對貝葉斯決策的推廣，通過定義信任函數(shù)和似然函數(shù)把命題的不確定性問題轉(zhuǎn)化成集合的不確定問題，解決因信息不完備或模糊性導(dǎo)致的不確定，只要求證據(jù)間相互獨(dú)立。D-S證據(jù)理論已經(jīng)成為不確定性決策的常用理論，可以用于決策分析或故障診斷等領(lǐng)域。

D-S證據(jù)理論作為表達(dá)和處理不確定性知識的數(shù)學(xué)工具，可有效處理單生物特征在識別系統(tǒng)中存在的沖突性和不確定性。利用人臉和手指靜脈的基于D-S證據(jù)理論融合識別時，是由人臉和手指靜脈兩個識別子系統(tǒng)提供兩個證據(jù)實(shí)現(xiàn)融合識別，其中首先需要確定每條證據(jù)的基本概率賦值函數(shù)。在此基礎(chǔ)上，利用D-S證據(jù)理論的合成規(guī)則將相關(guān)證據(jù)生成一個新的證據(jù)，得到最后的可信度和判決結(jié)果。這里的證據(jù)信息來自兩個識別子系統(tǒng)，保證了證據(jù)間相互獨(dú)立。

定義U是完備的有限集合，用2U表示U所有子集和空集。

定義m(•)=2U［0,1］，稱做基本概率賦值，0表示完全不信任，1表示完全信任。對每個分類器有確認(rèn)a和拒絕－a(－a=U－a)兩個結(jié)果，計算相應(yīng)的分類識別率作為基本概率賦值［6］。假設(shè)對一個輸入模式類別為j(j∈c)被分配到包括拒絕類的k(k∈c+1)類，則分類器輸出［24］為k的預(yù)測率Pk是輸入模式正確分類的個數(shù)和被分類到k所有模式總數(shù)的比率。該方法表明對匹配值Sqj對第j個對象分類到k，所有對象被正確分類的可能性是Pkj，沒有正確分類的可能性是1－Pkj，對第j個對象的基本概率賦值計算如式(10)：

mj(k)=Pkj•sqj（10）

利用D-S證據(jù)組合規(guī)則，對多個證據(jù)的組合為：假定A,B用來計算焦元C新的信任函數(shù)，D-S證據(jù)組合規(guī)則：

m(C)=∑A∩B=Cm(A)m(B)1－∑A∩B=m(A)m(B)（11）

這里有兩種生物特征對應(yīng)兩個分類器， j=1,2，在獲得基本概率賦值后，利用基于證據(jù)理論的組合規(guī)則求：

mfinal=m1m2（12）

最后用閾值法進(jìn)行判決。

判決結(jié)果=接受, mfinal≥t拒絕,其他 （13）

4 融合實(shí)驗(yàn)結(jié)果分析

本文選擇ORL庫和指紋靜脈圖像組合形成融合特征庫。多生物特征庫中每個對象每種特征的前5個樣本進(jìn)行訓(xùn)練，其余的樣本進(jìn)行測試。在進(jìn)行同類測試和異類測試時候，計算歐幾里得距離作為匹配值。采用基于圖像質(zhì)量因素的加權(quán)D-S證據(jù)理論融合，首先求取一組待融合的人臉和手指靜脈圖像的圖像質(zhì)量度量，根據(jù)第3章的方法將圖像質(zhì)量的信息增加到融合過程中。再采用D-S證據(jù)理論融合，對基本概率賦值進(jìn)行組合，得到最后的融合結(jié)果。為評價和分析考慮圖像質(zhì)量信息的效果，與不考慮圖像質(zhì)量信息時的D-S證據(jù)理論融合作對比分析。將錯誤接受率（False Acceptance Rate, FAR）和錯誤拒絕率（False Rejection Rate, FRR）在同一坐標(biāo)中表示的結(jié)果如圖6所示，是對基于圖像質(zhì)量加權(quán)D-S證據(jù)理論融合和常規(guī)D-S證據(jù)理論融合的結(jié)果比較。

結(jié)果表明基于圖像質(zhì)量加權(quán)的D-S證據(jù)理論能降低識別結(jié)果的不確定性，提高識別性能，得到更好的識別效果。

已有較多研究工作［6-10］充分利用圖像質(zhì)量信息來提高識別系統(tǒng)的性能，這些文獻(xiàn)中基于圖像質(zhì)量的融合識別不僅比單生物特征優(yōu)越，也明顯優(yōu)于基本的Sum、加權(quán)和、最大或最小、乘積等融合策略，現(xiàn)將這些已有的考慮圖像質(zhì)量信息的融合方法加以比較，其中EER（Equal Error Rate）即等錯誤率，如表2所示。

5 結(jié)語

D-S證據(jù)理論定義信任函數(shù)和似然函數(shù)分析處理隨機(jī)性或模糊性產(chǎn)生的不確定性，可避免先驗(yàn)概率和條件概率的求取。鑒于生物特征識別系統(tǒng)中圖像質(zhì)量對識別性能的重要影響，以及多生物特征（尤其是諸如手指靜脈和人臉不相關(guān)的特征）融合識別可提升系統(tǒng)識別性能，本文結(jié)合融合理論利用多源信息的冗余性和互補(bǔ)性來克服信息的不精確性和不完整性，并考慮圖像質(zhì)量信息進(jìn)行基于D-S證據(jù)理論的多特征融合識別分析。結(jié)果表明該方法可有效地處理不確定性和不精確性的信息，基于圖像質(zhì)量加權(quán)的D-S證據(jù)理論的多特征融合識別有效提高了系統(tǒng)的識別性能。

參考文獻(xiàn):

[1]

ROSS A, JAIN A K, QIAN J Z. Information fusion in biometries ［J］. Pattern Recognition Letters, 2003, 24(13): 2115-2125.

[2]

HONG L, JAIN A, PANKANTI S. Can multibiometrics improve performance? ［C］// Proceedings of 1999 IEEE Workshop on Automatic Identification Advanced Technologies. Piscataway: IEEE, 1999: 59-64.

[3]

JAIN A K, PANKANTI S, PRABHAKAR S, et al. Biometrics: A grand challenge ［C］// Proceedings of the 17th International Conference on Pattern Recognition. Washington, DC: IEEE Computer Society, 2004: 935-942.

[4]

NANDAKUMAR K, CHEN Y, Jain A K, et al. Quality-based score level fusion in multibiometric systems ［C］// Proceedings of the 18th International Conference on Pattern Recognition. Washington, DC: IEEE Computer Society, 2006, (4): 473-476.

[5]

MAURER D E, BAKER J P. Fusing multimodal biometrics with quality estimates via a Bayesian belief network ［J］. Pattern Recognition, 2008, 41(3): 821-832.

[6]

VATSA M, SINGH R, NOORE A, et al. Quality-augmented fusion of level-2 and level-3 fingerprint information using DSM theory ［J］. International Journal of Approximate Reasoning, 2009, 50(1): 51-61.

[7]

FIERREZ-AGUILAR J, CHEN Y, ORTEGA-GARCIA J, et al. Incorporating image quality in multi-algorithm fingerprint verification ［C］// Proceedings of the International Conference on Biometrics. Berlin: Springer-Verlag, 2006: 213-220.

[8]

RICHIARDI J, KRYSZCZUK K, DRYGAJLO A. Quality measures in unimodal and multimodal biometric verification ［C］// Proceedings of the 15th European Conference on Signal Processing. Poznan, Poland: EURASIP, 2007: 301-310.

[9]

SINGH R, VATSA M, NOORE A, et al. DS theory classifier fusion with update rule to minimize training time ［J］. IEICE Electronics Express, 2006, 3(20): 429-435.

[10]

FIERREZ-AGUILAR J, ORTEGA-GARCIA J, GONZALEZ-RO-DRIGUEZ J, et al. Discriminative multimodal biometric authentication based on quality measures ［J］. Pattern Recognition, 2005, 38 (5): 777-779.

[11]

AT&T Laboratories Cambridge. The ORL database of faces ［EB/OL］. ［2011-03-25］. .

[12]

余成波，秦華鋒.手指靜脈識別技術(shù)［M］.北京：清華大學(xué)出版社，2009.

[13]

MIURA N, NAGASAKA A, MIYATAKE T. Feature extraction of finger-vein patterns based on repeated line tracking and its application to personal identification ［J］. Machine Vision and Applications, 2004, 15(4): 194-203.

[14]

WAN LINGYU, LEEDHAM G, CHO D S-Y, et al. Minutiae feature analysis for infrared hand vein pattern biometrics ［J］. Pattern Recognition, 2008, 41(3): 920-929.

[15]

WAN LINGYU, LEEDHAM G. A thermal hand vein pattern verification system ［C］// Proceedings of the Third International Conference on Advances in Pattern Recognition and Image Analysis. Berlin: Springer-Verlag, 2005: 58-65.

[16]

YANG JINFENG, SHI YIHUA, YANG JINLI. Personal identification based on finger-vein features ［J］. Computers in Human Behavior, 2011, 27(5): 1565-1570.

[17]

BARTLETT M S, MOVELLAN J R, SEJNOWSKI T J. Face recognition by independent component analysis ［J］. IEEE Transactions on Neural Network, 2002, 13(6): 1450-1464.

[18]

DENIZ O, CASTRILLON M, HERNANDEZ M, et al. Face recognition using independent component analysis and support vector machines ［J］. Pattern Recognition Letters, 2003, 24(13): 2153-2157.

[19]

HURRI J. FastICA ［EB/OL］. ［2011-04-19］. cis.hut.fi/projects/ica/fastica.

[20]

TURK M, PENTLAND A. Eigenfaces for recognition ［J］. Journal of Cognitive Neuroscience, 1991, 3(1): 71-86.

[21]

李奇,馮華君,徐之海,等.數(shù)字圖象清晰度評價函數(shù)研究［J］.光子學(xué)報,2002,31(6):736-738.

[22]

王鴻南,鐘文,汪靜,等.圖像清晰度評價方法研究［J］.中國圖象圖形學(xué)報,2004,9(7):828-892.

[23]

WANG Z, BOVIK A C, SHEIKH H R, et al. Image quality assessment: From error visibility to structural similarity ［J］. IEEE Transactions on Image Processing, 2004, 13(4): 600-612.

[24]

PARIKH C R, PONT M J, JONES N B. Application of Dempster-Shafer theory in condition monitoring systems: A case study ［J］. Pattern Recognition Letters, 2001, 22 (6/7): 777-785.

[25]

DEZERT J. Foundations for a new theory of a plausible and paradoxical reasoning ［J］. Information and Security Journal, 2002, 12(1): 13-57.

收稿日期:2011-06-15;修回日期:2011-08-08。

篇(6)

【關(guān)鍵詞】手指靜脈識別 門禁系y 設(shè)計

1 前言

手指靜脈識別技術(shù)是一種新的生物特征識別技術(shù)，依據(jù)人類手指中流動的血液可吸收特定波長光線的原理，得到手指靜脈的清晰圖像。利用這一固有的科學(xué)特征，將實(shí)現(xiàn)對獲取的影像進(jìn)行分析、處理，從而得到手指靜脈的生物特征，再將得到的手指靜脈特征信息與注冊樣本的手指靜脈特征進(jìn)行提取比對，從而確認(rèn)身份的真實(shí)性。由于必須是具有一定血壓的活體才能采集到血管結(jié)構(gòu)特征，真正的活體生物特征；靜脈血管人人具有，適應(yīng)范圍廣，據(jù)研究結(jié)果表明，只有0.01%的人識別率偏低，幾乎人人可用。

兩者的有機(jī)結(jié)合，勢必會有效提高銀行金融系統(tǒng)的安全方法等級，給人員安全管理帶來很大的便利性。

2 系統(tǒng)概述

聯(lián)網(wǎng)型門禁系統(tǒng)是最典型、功能強(qiáng)大的門禁管理系統(tǒng)，系統(tǒng)由專用以太網(wǎng)門禁控制器、指靜脈儀、電鎖、門磁、紅外、煙感、出門按紐、網(wǎng)絡(luò)轉(zhuǎn)換器、聯(lián)動報警系統(tǒng)、管理軟件、計算機(jī)及配套設(shè)備組成，還可實(shí)現(xiàn)聲音提示、監(jiān)控聯(lián)動等功能。

智能門禁管理系統(tǒng)將指靜脈識別與電控鎖有機(jī)地結(jié)合起來，進(jìn)而由指靜脈替代鑰匙，配合上位機(jī)管理軟件，聯(lián)動監(jiān)控系統(tǒng)，實(shí)行智能化管理，有效地解決了傳統(tǒng)門鎖的多種不足，其拓展功能――人力資源的管理更是給人們帶來意想不到的方便。

3 系統(tǒng)工作流程

通道AB門雙門互鎖門禁點(diǎn)位于現(xiàn)金營業(yè)廳工作場所進(jìn)出通道，兩扇門的中間是一個通道，要求雙門互鎖聯(lián)動。A門外（受保護(hù)區(qū)域外）安裝一臺HJ-300A指靜脈終端，A門內(nèi)安裝出門按鈕，B門內(nèi)安裝一臺HJ-300A指靜脈終端，B門外安裝出門按鈕。打開A門進(jìn)入通道，必須把A門關(guān)好，才能打開B門通行，如果此時A門沒關(guān)閉好，便無法打開B門，防止犯罪分子尾隨等，為區(qū)域內(nèi)安全提供了更高一級的保障。門禁控制器可通過TCP/IP局域網(wǎng)或RS485網(wǎng)絡(luò)與管理工作站聯(lián)網(wǎng)。

在各分行設(shè)置加鈔間門禁點(diǎn)，中心網(wǎng)點(diǎn)可對各分行加鈔間門禁點(diǎn)進(jìn)行監(jiān)控、遠(yuǎn)程開門、禁止開門等操作，以及開門權(quán)限的設(shè)置等。可實(shí)現(xiàn)本地“N+1確認(rèn)（按指靜脈、刷卡或密碼隨意組合）開門”、本地確認(rèn)中心軟件遠(yuǎn)程開門、本地紅外等探測器聯(lián)動報警、DVR聯(lián)動控制、語音提示、遭遇脅迫時開門同時報警等等功能。

系統(tǒng)提供專門為銀行門禁設(shè)計的CHD802D1CP銀行加鈔間門禁控制器，該控制器可實(shí)現(xiàn)多人權(quán)限開門功能，即需要多個按指靜脈及密碼且均為合法才能開門，該開門方式更適于銀行高安全區(qū)域的管理方式，開門時必須有多名員工或多名員工以及一名高級管理人員同時在場，防止了銀行內(nèi)部個別人員利用職務(wù)之便進(jìn)行犯罪行為。

門外安裝指靜脈識別儀（讀卡器）、門上安裝電控鎖、門內(nèi)安裝出門按鈕，門內(nèi)門外均在門的上方合適位置安裝揚(yáng)聲器，控制器與語音驅(qū)動板、電源等設(shè)備則放置于一專用鐵盒內(nèi)安裝于門內(nèi)墻上或隱蔽處。

4 系統(tǒng)手指靜脈識別終端參數(shù)表

作為銀行門禁系統(tǒng)中的重要組成部分，我們設(shè)計的手指靜脈識別終端的參數(shù)如表1所示。

5 結(jié)論

本設(shè)計方案很好的融合了最新的生物特征識別技術(shù)與金融安防系統(tǒng)，有效的提高了安全防范級別，為諸如金庫、監(jiān)獄等重要機(jī)構(gòu)提供了參考依據(jù)。

參考文獻(xiàn)

[1]KONO M，UEKI H，UMEMURA S I.A flew method for the identification of individuals by using of vein pattern matching of a finger[C]Fifteenth Symposium on Pattern Measurement，2014：9-12.

[2]管風(fēng)旭.王科俊.基于自動調(diào)光功能的手指靜脈圖像采集系統(tǒng)[J].電子技術(shù)應(yīng)用，2013，36（10）：120-123

篇(7)

1、指紋識別原理：比較不同指紋的細(xì)節(jié)特征點(diǎn).

2、指紋識別是將識別對象的指紋進(jìn)行分類比對從而進(jìn)行判別。指紋識別技術(shù)作為生物體特征識別技術(shù)之一在新世紀(jì)逐漸成熟，進(jìn)入了人類的生產(chǎn)生活領(lǐng)域。

3、指紋，英文名稱為fingerprint，兩枚指紋經(jīng)常會具有相同的總體特征，但它們的細(xì)節(jié)特征，卻不可能完全相同。指紋紋路并不是連續(xù)的、平滑筆直的，而是經(jīng)常出現(xiàn)中斷、分叉或轉(zhuǎn)折。這些斷點(diǎn)、分叉點(diǎn)和轉(zhuǎn)折點(diǎn)就稱為特征點(diǎn)。

（來源：文章屋網(wǎng) ）