时间:2023-12-22 10:06:46
引言:寻求写作上的突破?我们特意为您精选了4篇生物特性识别技术范文,希望这些范文能够成为您写作时的参考,帮助您的文章更加丰富和深入。
中图分类号:TP18 文献标识码:A 文章编号:1009-3044(2017)05-0130-02
1 概述
人员身份认证是安防体系中最重要和核心的一部分。传统的身份认证技术(如密码、门禁卡)等存在易忘记/丢失、易攻击/盗取等问题。为了克服这些问题,虹膜识别作为一种新颖的身份识别方法应运而生。虹膜识别技术采用专用光学图像采集仪采集人眼虹膜图像,再通过数字图像处理技术、模式识别和人工智能技术进行处理、存储、比对,实现对人员身份的认证和识别。虹膜识别具有超群的唯一性、稳定性、非接触性和难伪造性,已成为最具潜力的生物特征识别技术之一。林宇翔等[1]将虹膜识别技术在移动终端进行分析研究。刘扬[2]曾在虹膜识别上进行算法的研究虹膜识别技术包括硬件、软件两大模块。付鑫[3]等提出基于小波分析的虹膜识别技术的研究.王成儒等[4]提出基于几何特征的虹膜定位算法。本文考虑现实生活中各种不确定因素,提出基于虹膜技术的研究和设计,通过对比一般安检方法,论述虹膜技术的先进,从实例验证基于虹膜的可靠性,从而为安防体系提供理论依据。
2 虹膜识别的特性
门禁系统,又称出入管理控制系统,是一种管理人员进出的数字化管理系统.常见的门禁系统有:密码门禁系统,非接触 IC 卡 ( 感应式 IC 卡 ) 门禁系统,指纹虹膜掌型生物识别门禁系统等.密码识别系统由于其本身的安全性弱、便捷性差,以致面临淘汰,生物识别的时代即将来临.虹膜识别的特性决定了它越来越好的发展前景,虹膜识别的特性有如下几点:
唯一性:虹膜纹理的细节特征是由胚胎发育环境的随机因素决定的,这种纹理细节的随机分布特性为虹膜的唯一性奠定了生理基础,自然界不可能出现完全相同的两个虹膜。
稳定性:虹膜从婴儿胚胎期的第三个月前开始发育,到第8个月主要纹理结构已经形成.由于角膜的保护作用,发育完全的虹膜不易受到外界伤害,纹理几乎终生不变(活体限制)。
非接触性:虹膜是一个外部可见的内部器官,相对于指纹等需要接触采集的生物特征更加卫生、方便。通过非接触(甚至远距离)的采集装置就能获取合格的虹膜图像,这一点与指纹、脸像等人体外部器官有很大的区别。
防伪性:获取清晰的虹膜纹理需专门的虹膜图像采集装置和用户配合,因此一般情况下(相对指纹和人脸)很难盗取其他人的虹膜图像.并且,眼睛也有很多优良的光学和生理特性可用于活体虹膜检测。
3 虹膜识别技术识别流程
虹膜图像采集、虹膜图像预处理和虹膜特征提取与匹配为虹膜识别的三个主要阶段.每阶段对最终识别效果的影响都至关重要。
第一个阶段是图像获取.通过虹膜采集仪采集用户的人眼或人脸图像.虹膜身份认证的准确性直接收虹膜图像质量影响.虹膜图像的质量受虹膜采集仪性能的直接影响。
第二阶段是预处理阶段,在虹膜定位前先使用人眼检测器大概确定人眼位置,在此基础上进行虹膜内外边缘定位。因为虹膜内外边缘近似圆形,虹膜定位一般采用圆拟合虹膜边缘。
第三阶段是虹膜图像特征提取与匹配,在预处理后的虹膜图像上,提取能唯一表征该类虹膜的特征,与虹膜数据库模板匹配,得到最终匹配结果。
4 虹膜识别技术功能模块
虹膜识别技术分为六个模块,按层次结构依次为:内心圆的确定、外心圆的确定、圆心的矫正和展开、二值化和形态学处理、特征值的提取、特征值的比对。
二值化图像中的虹膜特点的描述参数如图1所示。
一系列斑点为虹膜的特征表现,这些斑点的位置、面积、形状等都可作为识别的特征。对一个特征点来说,重心位置是描述这个点的首选参数,而形状参数更丰富了其信息。在提取特征点形状时,考虑到如下实际因素:
1)特征点的大小和形状各种各样,无法一一列举。
2)因滤波和形态学处理及,镜头聚焦等因素,相同虹膜的特征点也不完全相同,只是相似。
3)形状,只能提取抽象特征。
虹膜特征点的提取:选定如上特征点之后,从二值图像中将其特征量提取出来,提取时一般采用扫描和标记不同特征点的方法实现,对图像顺序扫描,由上到下、由左到右逐行扫描,设图像中的目标像点用1代表,背景用0代表。
虹膜特征点对比:上面所对每一个特征点确定了它的描述参量,我们采用如下方法取点组成特征向量,从展开图底部,即靠近瞳孔一侧由上到下,由左至右依扫描整个图像,依次选取N个特征点放入特征向量,若模板中的特征向量少于下限t,表明此图像不合格,需重新采集。
5 实例分析
王翠曾提出基于嵌入式的虹膜识别系统[5],本文以基于虹膜识别的考试管理系统的设计为例说明虹膜识别在现实生活中的应用。
1)虹膜识别仪的识别界面:设备启动后默认界面是识别界面,可进行虹膜识别,当人眼进入虹膜摄像头拍摄范围,眼睛会被“眼睛跟踪框”标定,虹膜图像清晰时“眼睛跟框”变绿,否则是红色,同时设备会语音提示“请靠近一点”“请远一点”“请对准方框、保持稳定”等引导人员使用设备,如图2所示。
虹膜识别技术在考试中应用,能更有效地减少考试中的各种作弊现象的发生,从而更好地严肃考风考纪。
6 结束语
各种安全系统在生活中广泛使用,由于现代生活中对安全性要求越来越高.现有的系统存在安全隐患,由于虹膜核心技术的先进性,结合二值化图像和人体的生物特性,通过介绍虹膜识别的特性和工作流程,虹膜识别可替代应用于所有的安全系统,提升老旧安全系统或低效虹膜系统的安全可靠性和服务质量,也可应用于司法监狱、公安看守所、银行、 军队、武警、工矿企业、教育、国企、私企、普通公司等.虹膜识别技术可扩展用作安防、考勤,普及率逐年上升,可在未来衍生民用化产品,使得每家每户安装虹膜安全锁,家庭安保将大大提升多个档次,惠及国计民生。
参考文献:
[1] 林宇翔.虹膜识别技术在移动终端应用中的特征及优势分析[J].技术应用,2013(5):103-104.
[2] 刘扬.基于虹膜身份识别算法的研究[D].东北石油大学,2014.
中图分类号:TP391 文献标识码:A 文章编号:1671—7597(2013)041-091-01
目前技术实现最为简单、最为成熟的识别办法是指纹图像识别技术,它是生物识别个人身份之首,前提是由于指纹具有人各有异、随身携带以及终身不变的特点。指纹图像识别技术非常具有法律权威的验证手段,在国际上也具有通用性,因此广泛应用于公安、金融、证券等领域。
1 指纹的特点
我们人类在寻找能够方便、有效、安全地保护物品、交易、文档方面经历了漫长的过程,主要可以分为三个阶段,第一阶段是一个初级原始的阶段,主要是采用各种机械钥匙来进行安全保护。第二阶段是向如密码或条形码的数字密钥进行转变,而不再是过去的机械钥匙。第三阶段是利用生物特征来对身份进行验证和辩识。从目前国内外的安全密钥系统来看,安全级别最高的就应该是生物识别。而在生物识别中,价格便宜、可靠、实用、方便、不会侵犯到人生自由的应该是纹识别技术,这也是最有应用前景和最有典型代表性的一种生物识别技术。
1.1 指纹的优点
指纹是一种最成熟、最传统的生物鉴定方式,其具有两个突出优点:
1)独特性。指纹的独特性很明显。到现在还无法找出两个指纹全部一样的人。就是同卵双胞胎的指纹也不会相同。
2)稳定性。指纹的稳定性很强。指纹的结构、纹线类型、统计特征的总体分布等从胎儿在6个月时指纹完全形成到人死后尸体腐烂始终没有明显变化。
1.2 指纹的特征
指纹是表面皮肤凹凸不平而产生的纹路。此外,受光照的影响,噪声会通过摄像机或扫描仪进行数字化时引入。这些因素导致灰度图像无法直接用来匹配。所以,选择合适的指纹来描述指纹很有必要。有两种结构特征的层次一般被采用。
1)局部特征,也叫细节特征,最常用的指纹局部结构特征是端点和分叉点。细节-坐标模型是一个使用这种特征的例子,即指纹的描述可以通过指纹的坐标、细节点和其他一些特征来完成。
2)全局特征。即指指纹的全局纹路结构,在利用计算机的时候划分为:箕型、弓型、螺旋型。这3种基本图案是其余指纹图案的基础。只是靠着图案类型进行指纹的分辨仅是一个大致的分类,还远远不够。不过由于经过这样的分类过程,在数据库中寻找指纹将更为便捷。
3)指纹采集。指纹采集目的就是如何将指纹进行数字化。其根据指纹的几何特性或生理特性,利用指纹纹理的不同的几何特征以及生理特征,还有其对光的反射强度、温度、压力、导电性不同的特点,将人的不同手指的指纹进行采集,再传输到计算机系统进行一系列的处理,最后形成数字化的指纹图案。众所周知,在自动识别指纹的过程中,最初所输出的原始指纹图像是一个典型的灰度图像,含有很多噪音,是不能被我们所用的。我们必须通过相应的预处理技术,将灰度图像中所蕴含的噪音去除掉,使之能够有效地成为相对较为清晰、便于提取指纹特征的点线图。预处理技术的好坏,直接影响到指纹识别的好坏。
2 指纹图像识别技术的应用
指纹图像识别技术的应用也很广泛。现在国外主要有以下几方面的应用:
1)医疗方面:如个人医疗档案管理、献血输血管理等。
2)金融安全方面:主要涉及到如远程交易身份确认、指纹终端、交易终端客户身份确认、指纹储蓄卡、指纹储蓄卡、大额取款客户身份确认、指纹保险箱、指纹智能卡等。我们以养老金为例,在过去常常会出现有超期领取、冒领、错领养老金的行为,造成了国家财产的巨大损失。为了有效地规范管理养老保险金,我们可以将传统领取养老金的方式进行改变,使用身份指纹认证系统。只需要领取者轻轻地将指纹捺印在指纹采集仪上,就能够在不到1秒的时间内对其身份的真实性进行自动识别。
3)数据通信领域:在对数据解密、加密过程机械变换的过程中,加密技术一种有效保障安全传输信息的手段,而在数据通信加密中采用指纹识别技术,能够使得其安全性更加提高,能够进行二次加密。
4)信息安全领域:主要涉及到网上贸易、网络安全防范、指纹验证代替、电子商务、网上银行等。
5)公共安全方面:如个人指纹身份证、指纹门锁、汽车门锁等。
6)指纹特征匹配方面,指分析比对公安机关指纹库中的指纹模板和目前正在待验证的指纹的过程。比对是结合总体特征和局部特征两个方面,按照模式识别的原理进行的,如果达到预设的阈值则为两者匹配,否则不匹配。比对数据、保存数据、提取特征、读取指纹图像是指纹识别技术的四个主要功能。这种方法会产生大约490个数据,因为一般手指上平均具有70个节点。我们将此数据称为模板。我们对比分析计算两个指纹的模板,同时基于计算机模糊比较原则,将二者之间的相似度精确地计算出来,这样一来,就能够准确地得到两个指纹的匹配的结果。
7)社会福利方面:主要涉及到确认公费医疗、保险的受益人,防止有人假冒领取。
8)其他方面:主要涉及到民航、海关的通关认证、确认俱乐部会员资格、指纹考勤等。
3 结论
指纹识别技术随着指纹识别产品的开发已开始进入民用市场,而且其发展发展系数,未来将会逐渐得到普及。同时伴随着社会对保密性和安全性的要求的提高,生物识别正逐步形成一个新的领域,未来,传统的钥匙和密码和智能卡等将可能被生物识别技术取代,生物识别技术将成为安全、方便、保密的工具。
参考文献
[1]张中会,刘益成,闻辉,荣峰.一种基于中心点的指纹匹配算法的研究[J].电子与电脑,2006(07):115-119.
一、前言
随着网络经济和网络社会时代的到来,我国的经济、军事、社会各方面都越来越依赖于网络,特别是金融和电子商务方面。同传统的金融管理方式相比,金融电子化如同将金库建在计算机数据库中,资金在计算机网络中流动,金融计算机系统已成为犯罪活动的新目标。为了保障金融、电子商务的安全性,认证技术是一个重要方面。身份认证用于鉴别用户身份,以保证通信双方身份的不可抵赖性。生物识别技术是利用人体生理特征进行身份认证和识别的一种技术,生物特征是唯一的、稳定的、可以验证的,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防伪性能好,不易伪造或被盗等优点。因此近年来在金融、电子商务中,生物识别技术正成为一个重要应用方向。
二、主要的生物识别技术
1.在金融、电子商务中。常用的生物识别技术有以下几种:
指纹识别技术指纹识别技术是最早的通过计算机实现的身份识别手段。指纹识别技术涉及到许多高新技术,如指纹样本的采集和存储技术以及计算机数据处理技术等等。指纹的识别属于“模式识别”,该系统的核心是OCR(光学字符识别)技术。通过摄像头提取指纹,然后输入计算机,再通过一系列复杂的指纹识别算法,现代技术就能在极短的时间内完成任何人的身份识别认证。随着科技的进步,指纹识别技术正在走向金融、电子商务领域,指纹识别身份的ATM提款机已经有所应用。
2.掌形识别掌。人类手掌的立体形状,就如同指纹一样,是每个人都互不相同的可以作为身份确认的识别特征。手掌特征是指手掌长度、宽度、厚度以及手指的表面特征。首先,掌形识别系统获取手掌的三维图像,然后经过分析确定每个手指的长度、手指不同部位的宽度以及靠近指节的表面和手指的厚度。可得到近百个掌形的数据,从而与模板进行比较,并得出结果。手掌的几何特征的稳定性极高,不易受外在环境的影响而改变。缺点是掌形识别容易受生理状况改变的影响,而造成识别率的不稳定。
3.人脸识别。人脸识别技术具有非接触性、对被识别对象侵扰少和识别手段隐蔽,可广泛用于公安部门的犯人管理及案犯查找、医学诊断、信用卡、人机交互、证件核对等。其识别技术主要有:获取人脸图像、进行特征提取、分类器根据特征来进行决策分类、匹配识别。其不足是处理技术较复杂,人脸易受影响的因素太多(表情、光照、环境等),给特征提取增加了困难。
4.签名识别技术。笔迹是人的一种稳定的行为特征,具有一定的不变性和独特性。因此可以利用人的签名来识别个人身份。手写签名识别技术,是通过计算机把手写签名的图像、笔顺、速度和压力等信息与真实签名样本进行比对,以实时鉴别手写签名真伪的技术。签名识别技术装置一般使用有线笔、灵敏的图形输入板或二者相互结合使用。其过程分为签名采集和签名识别:签名采集提取了签名中的百余种生物特性,对每个人的签名建立一个惟一模板。签名识别系统通过签名识别,完成用户合法身份的确认。可用于电子政务、电子商务、金融机构、安全防范等领域。
虹膜识别虹膜即为人们所称的黑眼珠部分,是眼球前一层圆盘状的薄膜,中央部分是瞳孔。经计算两个人同一只眼虹膜特征相同的概率是十万分之一,两眼相同的概率是一千亿分之一。眼睛虹膜纹络识别技术是计算机技术与成像技术的结晶,采用的是红外成像技术,将人眼中的虹膜纹络特征图信息输入计算机,成为特殊的可供自动识别的人体身份证。与其他识别技术相比,虹膜识别的错误率是最低的。其不足是图像获取设备复杂、价格较高。
三、生物识别技术在金融、电子商务中的主要应用
目前,我国在金融、电子商务中使用的基本上是智能IC卡,这类卡在使用时是通过“用户ID+用户密码”来进行身份识别和数据的访问,基于该方式加密的金融卡有两大隐患,一是微机只认密码不认人;二是密码位数短,容易破解,若位数长,用户很难记,常遗忘密码,对用户造成使用时不便。全球的金融IC卡使用区域是受限制的,这主要是因为各国的IC卡标准不统一,我国目前所进行的EMV大迁移主要是解决这一问题。在EMV大迁移的过程中,符合EMV国际标准的IC卡加密就显得尤为重要。基于生物特征进行身份识别,其可靠性和安全性是非常高的。如果金融卡的使用过程像其他生物特征识别系统一样,需要建立一个生物特征数据库,那么将全球拥有IC卡的用户特征学习到生物特征数据库,数据库将是非常庞大的,这将影响到识别过程的快速性。因此,该方法是不可行的。为此,一般是将拥有IC卡的用户的生物特征信息集成到IC卡上,用户在使用IC卡进行金融交易时,只需与卡上的特征进行比对,就可达到辨识的过程,而无需在金融网络中建立庞大的特征数据库。这样,用户不需要任何密码,更不会担心丢失或遗忘。将指纹识别技术应用于金融卡,也是一种加密上的改进,但比起虹膜识别技术的误辨识率要高,拒真率也高,虹膜技术在金融卡身份识别中将更有前途。金融中心需要有虹膜学习终端,金融交易机器(自动取款机,ATM)需要安装虹膜识别镜和虹膜辨识系统。
0 引言
生物特征识别技术是根据每个人独有的、可以采样检测的生理特征或行为特征进行身份识别的技术。第一代生物特征识别技术主要利用人的指纹、脸像等特征进行识别,这通常要求上体近距离或接触性的协作感知,在远距离的情况下,这些特征不可能被利用。
由于个体之间身体结构和运动行为上的基本特性不同,步态运动为人的识别提供了独特的线索。步态具有非接触性、难以隐藏或伪装、易于捕捉等特点,且不受距离影响。除了步态本身的特点,PC处理器能力的提升,高速数据存储设备的出现,人体建模、运动跟踪等计算机视觉处理技术的提高等因素使得步态识别技术成为一种新的可行的安全应用,极具研究意义与研究价值。
近几年来步态势识别技术引起了世界各国学术科研机构的广泛的关注。美国国防高级研究所项目署资助的重大项目――HID(Human Identification a Distance)计划开展的多模态视觉监控技术以实现远距离情况下的人的检测、分类和识别。
1 步态识别过程
步态识别旨在根据人行走时的姿势来进行人的身份认证。步态识别过程可以划分为步态检测、步态特征提取、步态分类与识别三个阶段。
1.1 步态检测
步态检测是从人行走的视频序列中提取步态轮廓区域,这方面的工作包括背景建模、前景检测和形态学后处理等。步态轮廓的有效分割对于特征提取、分类识别等后期处理非常重要,因为后续处理过程仅考虑图像中轮廓区域的像素。常用的步态检测方法有背景减除法、时间差分法、光流法等。
1.2 步态特征提取
步态特征主要分为两大类:人体结构特征和运动行为特征。前者反映了人体的几何特性,如身高和体形;后者主要指行走时的肢体运动参数的变化。步态特征提取的方法主要有基于模型的方法和基于非模型的方法。
1.2.1 基于模型的方法
基于模型的方法是将人体结构或人体运动建模后,利用二维图像序列数据与模型数据进行匹配以获取特征参数。人的步行存在着携带背包、雨伞等足以改变外形、掩盖部分身体的现象,在很多运动场合还存在身体自我遮挡现象,基于模型的方法能够成功解决遮挡问题,原因在于模型是依赖于图像序列中人的运动模式而建立,能够反映当前的变化,还能对过去和将来的变化进行估算。常用的模型主要有:Lee构建的椭圆模型,即用椭圆来匹配运动人体的二值化侧影的不同身体部位,以椭圆的质心、离心率等参数反映人体步态特征参数[1];Cunado建立的钟摆模型,将大腿建模为链接的钟摆,并从其倾斜角度信号的频率分量中获取步态特征[2];Yoo建立的骨架图模型,即用直线近似在关节点处所连接的骨骼来表达人体[3]。
1.2.2 基于非模型的方法
非模型的方法是通过对位置、速度、形状等相关特征的预测或估计来建立相邻帧间的关系。例如,Little等[4]利用步态序列图像的光流频率和相位作为特征;Kale等[5]提取人体轮廓图像的宽度向量作为特征;Shutler[6]等引入速度矩作为特征;王亮等[7]提取轮廓点到人体质心的距离向量作为步态特征。
1.2.3 步态分类与识别
步态的分类识别过程,即采用适当的方法将待识别的步态与步态数据库中的步态模式进行匹配,通过一定的判别依据决策它所属的类别。考虑到步态的运动特性,对其分类识别也需要采用基于动态系统的识别方法。
2 结论
美国“9.11”事件之后,国际社会反恐形势更为严峻,加强重点场所的安全监测,提高身份识别能力,是反恐必不可少的措施。步态可在被观察者没有察觉的情况下进行非接触性的感知和度量,具有较好的非侵犯性。因此,从视觉监控的角度来看,步态识别是非常具有潜力的生物特征识别技术。当前文献报道的各种步态识别方法大多数是在一定实验假设条件下进行测试的,还没有应用到实际生活中。实际监控场景往往很复杂,可能存在多个运动物体,背景图像受天气、光照等外界因素的影响变化较大。以日照条件下运动目标的影子为例,它可能与被检测的目标相连,也可能与目标分离。前者,影子扭曲了目标形状,使基于轮廓的步态识别方法不再可靠;后者,影子可能被误认为场景中一个错误的目标。因此,实现实际场景下的步态检测仍然是一个挑战。
【参考文献】
[1]L.Lee.Gait analysis for recognition and classification[C]//Proceedings of the IEEE International Conference on Automatic Face and Gesture Recognition.2002.
[2]D.Cunado, M.Nixon, J.Carter. Using gait as a biometric, via phase-weighter magnitude spectra[C]// Proceedings of International Conference on Audio and Video-based Biometric Person Authenticetion.1997.
[3]Yoo Jang-hee,Nixon M S, Harris C J.Extracting Human Gait Signatures by Body Segment Properties[C]//Proceeding of Proc IEEE Southwest Symposium on Image Analysis and Interpretation.2002.
[4]J.Little,J. Boyd.Recognizingm people by their gait: the shape of motion[J]. Jouranl of Computer Vision Research,1998(2):2-32.