搜索
1.身份识别：是指证实主体（用户等）的真实身份与其声称的身份是否相符的过程。2.传统的身份识别技术大致分为两类：基于标志（信物）的认证和基于知识的认证。3.生物识别：模块：（1）登记（或称登录）模块；（2）辨识（或称认证）模块。登记模块负责将生物特征信息登记到生物识别系统样本数据库中。辨识模块负责解决待识特征信息和样本特征信息是否匹配的问题，即用于在访问控制中验证人的身份。工作模式：验证(Verification)模式和辨识(Identification)模式。验证(Verification))模式：即一对一比对，也称为l：l模式(one-to-onematching)。这种模式下，现场采集到的生物特征与保存在模板数据库中的一个生物特征进行比对。辨识模式：则是把现场采集到的生物特征同样本数据库中的生物特征逐一对比，从中找出与现场生物特征相匹配的特征信息，也称“1：N模式，一对多匹配（one-to-manymatching）”。一是把正确的匹配当成错误的而拒绝，拒真率（FalseRejectRate，FRR）。另一种则是把原本不匹配的当成正确的而接纳，误识率（FalseAcceptRate，FAR）。对于一个生物识别系统，我们一般用ROC（ReceiverOperatingCurve）曲线来描述系统的精度属性。1.人脸识别：是通过与计算机相连的摄像头动态捕捉人的面部图像，同时把捕捉到的面部图像与预先录入的面部图像进行比较。人脸识别方法：1)基于几何特征的方法：2)基于代数特征的方法：3)基于连接机制的识别方法：支持向量机的基本思想：是首先通过非线性变换将输入空间变换到一个高维空间，然后在这个高维空间中求得最优线性分类面，求出输入模式与所得的最优线性分类面的距离，实现对未知样本的分类，这种算法的错误率最小。这是一种通用机器算法，支持向量机求得的分类函数在形式上类似于神经网络，但是它克服了神经网络方法容易陷入局部最小的缺点。人脸识别的特点：优点：(1)其他生物特征识别方法都需要一些人的行为配合，而人脸识别不需要被动配合，用户不需要和设备直接的接触，可以用在某些隐蔽场合；(2)可远距离采集人脸；(3)充分利用已有的人脸数据库资源，更直观、更方便地核查该人身份。缺点：(1)只有比较高级的摄像头才可以有效高速的捕捉面部图像；(2)人脸识别受周围环境的影响较大。(3)大部分研究生物识别的人都公认面部识别是最不准确的，也是最容易被欺骗的，人脸的差异性并不明显，误识率可能较高。(4)面部识别技术的改进依赖于提取特征与比对技术的提高，并且采集图像的设备会比其技术昂贵得多；(5)人脸特征的持久性差。(6)人脸的表情丰富多彩；(7)很难进一步降低它的成本，我们必需以昂贵的费用去购买高质量的设备。2.虹膜识别：1)可检测活体2)总结起来以下特性使得虹膜非常适合用作高可信度的身份识别系统：(l)虹膜的纹理信息丰富，且纹理信息具有高随机性；(2)天然的被保护特性；它固有的与外部环境隔绝的特性使它免受外部环境的伤害，从而大大减小了因为外伤破坏而无法进行虹膜识别的情况发生；(3)高防伪性：除非冒着极大的失明危险，否则通过手术来改变虹膜结构是几乎不可能的；(4)可进行活体检测：瞳孔的缩放使虹膜组织具有活体组织的显著特征；(5)非接触性：在识别的过程中，获取虹膜图像非常容易，不需要和被识别者物理接触，更不会造成物理损害；优点：(l)精确度高;(2)建库和识别的速度快；(3)无需人工干预；(4)便于用户使用，用户位于设备之前而无需物理接触。缺点：(l)没有进行过任何的测试，当前的虹膜识别系统只是用统计学原理进行小规模的试验，没有进行过现实世界的唯一性认证的试验；(2)很难将图像获取设备的尺寸小型化，因为聚焦的要求，需要昂贵的摄像头，一个这样的摄像头的最低报价为4000美元；(3)镜头可能会使图像畸变导致可靠性大幅度降低；(4)黑色眼睛极难读取，所以需要一个比较好的光源；(5)对于盲人和眼疾患者虹膜技术无能为力。制约虹膜识别技术应用的还有以下两个原因：1、虹膜图像的采集需要用光线扫描人的眼睛，会使人感到不适；2、虹膜扫描器的价格太高，目前还很难向普通民用市场推广。3.面部热像图识别：当热量通过面部组织，会被皮肤发散，从而使皮下血液系统呈现出一种独特的面部信号。这种信号可以被红外照相机获取，通常就称之为面部热像图。4.签名识别：在线(on-line)签名识别、离线(off-line)签名识别。在线（联机）手写签名识别，也被称为签名力学辨识(DynamicSignatureverification简称DSV)，是建立在签名的动力学特征上的。它分析的是笔的动态特征，例如加速度、压力、方向以及笔划的长度，而非单纯的签名图像本身。签名识别的关键在于找出手写签名中的相对稳定特征。联机手写签名识别技术是通过专用的手写输入设备来采集手写签名的字形、压力和时间分布等特征，进而通过相应的算法对签名的外部特征字形和内部特征压力、速度、加速度和时间分布等进行比对，以实时鉴别签名的真伪。优点在于：人类很久以前就开始使用签名来鉴别身份，因此签名识别对于使用者来说有着良好的心理基础，使用签名识别更容易被大众所接受，而且是一种公认的身份识别技术。缺点：(1)随着经验的增长，性情的变化与生活方式的改变，签名也会随着改变；(2)为了处理签名的自然改变，必然要在安全性方面做妥协；(3)签名很容易被伪造；(4)因为签名的速度不快，无法在Internet上广泛使用；(5)签名识别所用的硬件设备构造价格昂贵。5.静脉识别：（1）静脉识别是利用静脉中红血球对于特定近红外线的吸收特性来读取静脉图案（Pattern）。静脉识别的基本原理是利用近红外线照射手掌，并由传感器（Sensor）感应手掌反射的光，也就是说，静脉识别就是利用反射近红外线的强弱来辨认静脉位置。（2）静脉识别是对用特定设备采集到的静脉分布图像的识别。目前主要分为指静脉识别、手背静脉识别和手掌静脉识别三个内容。人体静脉血管具有生物特征的所有特性，具有很强的普遍性和唯一性。6.掌纹识别：原理：掌纹识别是指根据人手掌上的纹理来判断哪些掌纹图像是来自同一手掌，哪些掌纹图像是来自不同的手掌，从而达到身份识别的目的。特征：一般归为三类：点、线特征，全局结构特征和纹理特征。1.主线特征：2.褶皱：3.细节点：4.三角点：5.结构特征和几何特征：例如主线的长度，位置，方向等，手掌的宽度、长度，以及主线与主线之的结构关系等。6.纹理特征：整个掌纹都看作是一种纹理。7.多模态识别：优点：(1)准确性：多个生物特征的运用可以提高整个身份鉴别的准确性。(2)可靠性：伪造多个生物特征显然比伪造单个生物特征更为困难。(3)适用性：每种生物特征都存在应用的局限性。融合信息的方法：(1)传感器数据级的融合这种情况下，从传感器中传出的未经加工的信息直接融合在一起。有两种主要的融合方法：加权求和（综合各种数据消除噪声）和拼凑结构（用几个相机对不同部分拍照，然后拼接）。(2)特征级融合从不同传感器中传来数据的描述融合在一起（或者从相同传感器，用不同特征提取技术）。融合时也是采用加权求和（如果特征是对称的）或者简单向量的串联（如果特征是不对称的）。(3)决策级融合在这种方式中，可以将不同的识别系统堪称相互独立的单元，每一个都做出一个鉴定结果。然后用一个汇总程序综合各个结果得出最终的结论。典型的方式是采取像投票一样的方式，用AND&OR将投票结果综合在一起。更复杂一些的方法是采用给予Bays或Neyman-Pearson理论的决定论，甚至决定的质量问题也被考虑在内，即力图用最少的信息交换获得最大的性能。(4)意见融合如果信息交换不成问题的话，各个系统可能不会提供一个确定的结论，但是可以给出一个意见，无论是以数字的形式还是以语言的形式，然后控制器将各个意见融合。这样，由于收集到的信息是海量的，因此要求描述也应当详尽。意见给出的形式可能是相似或相异的分数，将它们映射到[0，1]区间，然后利用经典的方法进行权值求和或求积。1.指纹图像基本特征：指纹图像由纹脊和纹谷组成，纹脊又称为纹路，对应手指皮肤的凸起部分，在指纹图像中呈现为灰度较深的粗线条；纹谷则对应手指皮肤凹进去的部分，夹在两条纹路之间，相对纹路的灰度较亮。指纹特征可以分为全局特征、局部特征和细微特征。2.全局特征是指那些用人眼直接就可以观察到的特征，全局特征包括：1.基本纹路图案。基本纹路图案通常分为五种：拱型(Arch)、尖拱型(TentedArch)、螺旋型（斗型）(Whorl)、左箕型（左环型）(LeftLoop)和右箕型（右环型）(RightLoop)。（1）弓形纹。纹线由一方流向另一方，中部向上弯曲呈弓，不返转。又依据其弯曲的程度不同分为拱型（Arch）和尖拱型（Tentedarch）。一般尖拱型纹中心部位有一根以上的垂线或斜行线支撑着。（2）箕形纹。指纹中心的纹线从一方流向另一方，拐弯后返回原方向，其上部和两侧外围由较多的弓形线包绕。（3）螺旋型纹。指纹中心至少有一根环形线或螺形线或曲形线，其上部和两侧外围由较多的弓形线包绕。2.模式区。模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。有的则使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。3.核心点。核心点位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为参考点。许多算法是基于核心点的，即只能处理和识别具有核心点的指纹。核心点对于指纹识别算法很重要，但没有核心点的指纹有的算法仍然能够处理。4.三角点。三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数跟踪的开始之处。三角点和核心点统称为奇异点。5.纹数。纹数指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。3.局部特征是指指纹上节点的特征，这些具有某种特征的节点就是特征点。4.指纹上的节点有四种不同特性特征点最典型的是终结点和分叉点。自动指纹识别系统主要包括指纹图像采集、图像预处理、特征提取，指纹分类和指纹匹配等组成部分。5.指纹图像分割算法：（1）灰度方差分割法：优点：计算量小，运算速度最快，尤其适用于采集效果比较好的指纹图像，缺点：该算法也可能会把图像中对比度比较小但方向性较强的区域误判为背景区域。（2）指纹的方向图分割算法：优点：该算法分割效果依赖于所求点方向图及块方向图的可靠性，而对图像对比度的高低并不敏感，不受光照、光源分布及反射等的影响，自适应性能较好，能够较好地将指纹脊线和谷线分割开，对对比度虽然很低但方向性强的指纹分割效果很好。缺点：该算法是根据方向的变化分割指纹图像，故对指纹的方向很敏感，求得的方向不准确或者有偏差就会造成分割错误。（3）指纹的分级分割算法：优点：这种方法使用了“白背景区—模糊区一背景区”逐级分割的分割方法，即把分割过程分为3级，使各级的搜索范围逐级递减，该方法能够有效地判断出第一类模糊区与背景区，也基本能辨别出模糊区与前景区。缺点：这种方法存在着误割及漏割现象，使得有用信息丢失，并且多个阈值的凭经验确定也给分割带来不方便与不精确性。6.归一化：目的是使图像灰度值达到一个预先定义的平均值和方差，增强图像整体对比度。能够有效解决按压不均匀对采集的指纹图像的影响。公式：200200((,))(,)((,))vIijmmmvgijvIijmmmv如果I(i,j)如果I(i,j)(1)对于图像I（i,j）,m,v分别为图像的灰度均值和方差，m0,v0为期望的灰度均值和方差。当期望的均值和方差均取不同值时，归一化的程度不同，均值和方差取值越大，归一化程度越强。对于不同按压不均匀程度的指纹图像，通过调整参数m0,v0，就可以达到消除按压不均匀对指纹图像的影响的目的。7.指纹分类的研究内容：（1）指纹的类别数，类别越多，分类检索的效率就越高