生物特征识别研究进展
生物特征识别研究进展
摘要：随着科学技术的逐步发展，生物特征识别技术成了当今信息时代的一个研究热点。生物识别技术（Biometric Identification Technology）是指利用人体生物特征进行身份认证的一种技术。本文将主要介绍生物特征识别的工作原理、几种特征识别技术、生物识别技术的应用领域，以及对生物特征识别技术发展优势和未来发展方向进行探讨。 关键词：生物特征识别、身份鉴别、应用、模式识别
1 引言
在当今信息化时代，如何准确鉴定一个人的身份、保护信息安全，已成为一个必须解决的关键社会问题。传统的身份认证由于极易伪造和丢失，越来越难以满足社会的需求，目前最为便捷与安全的解决方案无疑就是生物识别技术。它不但简洁快速，而且利用它进行身份的认定，安全、可靠、准确，同时更易于配合电脑和安全、监控、管理系统整合，实现自动化管理。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。这里将生理和行为特征统称为生物特征，用于身份鉴别的生物特征应具有普遍性，即任何人都具有这一特征；唯一性，不同人的这一特征各不相同；稳定性，这一特征不随时间、外界环境等的变化发生改变；可接受性，用这一特征进行人体身份鉴别可以被人们接受和认可；防伪性，这一特征不易仿造、窃取。
生物识别就是依据每个个体之间独一无二的生物特征对其进行识别与身份的认证。生物识别技术是指利用人体生物特征进行身份认证的一种技术。更具体一点，生物特征识别技术就是通过计算机与光学、声学、生物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。
在目前的研究与应用领域中，生物特征识别主要关系到计算机视觉、图象处理与模式识别、计算机听觉、语音处理、多传感器技术、虚拟现实、计算机图形学、可视化技术、计算机辅助设计、智能机器人感知系统等其他相关的研究。已被用于生物识别的生物特征有手形、指纹、脸形、虹膜、视网膜、脉搏、耳廓等，行为特征 有签字、声音、按键力度等。基于这些特征，生物特征识别技术已经在过去的几年中已取得了长足的进展。目前人们研究和使用的生物特征识别技术主要有：人脸识别、虹膜识别、指纹识别、掌纹识别、签名识别、声音识别。
2 生物特征识别系统工作原理
通用生物认证原理与系统结构从逻辑上说，一个利用生物识别技术的通用身份认证系统
可以分为注册模块和识别模块。在注册阶段，合法用户的生物特征由传感器首次扫描以获得特征的数字化描述。为了加速匹配和减少存储需求，数字描述由特征提取程序进一步处理以生成压缩但有表达能力的描述，称为模板。取决于应用程序，模板可以存入生物认证系统的通用数据库或磁卡或分发给个人的智能卡中（见图1）。在识别阶段，传感器再次捕获用户的生物特征并转化成数字格式，此特征被特征提取程序进一步处理以产生与模板格式一样的描述。结果送到特征匹配程序后，与模板进行比较以确定用户身份是否合法。采用指纹作为身份认证的依据时，从传感器采集的就是用户的指纹图象，经处理后存入模板库的就是用户的指纹模板。
图1 通用生物认证系统
3 生物特征识别技术
3.1 指纹识别
指纹身份鉴别方法是应用最早、最广泛和最成熟的生物特征身份鉴别方法。指纹识别系统主要由指纹取像、预处理、特征提取、比对、系统管理和数据库管理几部分组成。指纹图象的采集方法有光学全反射照相、硅晶体传感器、其他技术（超声波扫描、温度传感器、压力传感器）。目前指纹识别算法较成熟、速度快、实时性好，已进入商业应用阶段。但指纹鉴别方法有其局限性，手指长期受到摩擦的体力劳动者的指纹质量极差，另外，还有少数人的指纹的端点和分叉点极少，对这一类人群指纹鉴别方法几乎无法适用。
随着指纹识别系统相关设备和算法的不断成熟，相关的研究一方面关注于获取具有更好适应性和鲁棒性的指纹图像，尤其是在残缺或污损的情况下；另一方面关注于传感器尺度的不断减小r 以便于能应用在PDA 、手机等类似设备上。例如日本三菱电机公司将指纹认证装置微型化，并内置于公司将要推出的手机中，在使用者打电话时只要用手指触摸手机的传感部，手机就能马上识别出指纹是否与使用者事先登记的指纹一致。如果与事先登记的指纹不
注册阶段
相符合，电话就不能接通。这使手机用户再也不必担心手机被人盗用了。
指纹其中突起的纹线称为脊，脊之间的部分称为谷．指坟的纹路并小是连建、平滑流畅的．向是经常出现中断、分叉或转折，这些断点、分叉点和转折点，称为细节(minutiae)，就是这些细节提供了指纹唯性的识别信息指纹的识别主要包括三部分：特征抽取、指纹分类、匹配决策。
(1)特征提取：从输入的指纹图像中提取出细节，包括，方向场估计，脊抽取及细化、细节抽取。
(2)指纹分类：在身份识别中．为了提高识别速度，通常先将指纹图像分类。分类算法可采用：利用奇异点等标志信息，利用脊的方向和结构信息，应用句法模式识别方法。
(3)匹配决策：决定两个指纹是舌来自同一手指．匹配方法有：①基丁串的匹配，将2D 的细节特征转换成lD 的串，应用串距配算法计算两个串的距离；②基于Hough 变换的匹配，首先估计变换的参数，然后对准细节点，在一个边界框内i|箅匹配的点数；③基丁二2D 动态规整的匹配，将被测指纹的细节进行规整来对准参考指纹，以获得最大的匹配细节的数目。
3.2 虹膜识别
虹膜，作为重要的身份鉴别特征，具有唯一性、稳定性、可靠性、可采集性、非侵犯性等优点。虹膜识别系统一般可由虹膜定位、图像预处理、虹膜特征提取和分类识别几个部分组成。虹膜识别系统的工作原理一般都是通过虹膜采集设备采集虹膜图像，然后通过预处理消除图像的噪声斑点和光照带给图像的影响。利用虹膜的几何特性，通过定位虹膜的内外边缘、上眼睑、下眼睑，将虹膜从原始的虹膜图像中分割出来。分割出来的虹膜图像还需要进行虹膜的归一化消除虹膜图像获取时的旋转、尺度变化，以及消除睫毛遮盖等带来的影响。 进一步将归一化后的虹膜图像进行增强，得到了预处理好的图像，供给虹膜特征提取模块提取相应的特征。虹膜的特征提取模块跟系统相关，因为不同的系统可能采用不同的虹膜特征。虹膜特征提取后，问题就转化成一个模式识别的问题。分类器模块对虹膜的特征进行分类，如果是虹膜鉴别问题只需与目标虹膜码比较即可，如果是虹膜识别还需要检索相应的数据库得出最终的判别结果。
在各种虹膜识别算法中，以Daugman 和Wildes 提出的基于虹膜Gabor 特征及粗相位量化和基于图像配准技术的虹膜识别算法最为经典．大多数商业系统都是基于这两种算法。
3.3 人脸识别
人脸识别是一个活跃的研究领域。虽然人脸识别的准确性要低于虹膜、指纹的识别。但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特
征识别方式。
脸识别主要有两方面工作：在输入的图像中定位人脸；抽取人脸特征进行匹配识别。目前的人脸识别系统，图像的背景通常是可控或近似可控的．因此人脸定位相对而言容易解决。向人脸识别由于表情、位置、方向以成光照的蛮化部会产生较大的同类差异，使得人脸的特征抽取十分困难。人脸识别的常用方法有主分量分析法、线性判别分析法、独立分量分析法、隐马尔可夫模型法、弹性素图匹配法。
主分量分析法以训练人脸图像的总体离散度矩阵为产生矩阵，由若干个最大特征值所对应的特征向量作为特征空间的基，任何一幅人脸图像都可以由这些特征向量的加权组合来表示。线性判别分析是在Fisher 准则下的线性投影变换，通过变换使模式的类间离散度和类内离散度的比值最大，从而得到最有利于分类的模式特征。独立分量分析法是通过线性非正交换把人脸图像表示为多个统计独立的人脸基图像的线性组合来实现的。独立分量分析不仅考
虑了模式的二阶统计量，而且还分析了模式的高阶统计量，它的特点是变换后的独立分量是独立非正交的。隐马尔可夫模型法，人脸识别是通过计算待识别人脸图像构造的观察向量序列与人脸库中所有人脸图像的隐马尔可夫模型参数之间匹配的似然值，最大似然值对应的人脸图像即为识别结果。弹性素图匹配法，在进行人脸识别时，首先通过未知人脸图像与人脸束图的匹配来得到未知人脸图像的标号图，然后通过比较待识别人脸图像已注册人脸图像标号图之间的相似程度来进行人脸识别。弹性图匹配法具有较高的识别精度，但计算量较大。
人脸是复杂的三维形体，很难用数学语言具体地描述；人脸图象的采集定位也比较困难，给人脸识别带来了很大的困难。人脸是一种大众公认的身份鉴别特征，是国内外生物特征身份鉴别领域的热点。人脸自动鉴别系统还处于研究完善阶段，与人类本身利用人脸识别个体的能力还有很大差距。
3.4 掌纹识别
与指纹识别相比，掌纹识别的可接受程度较高。其主要特征比指纹明显得多，而且提取时不易被噪声干扰，另外，掌纹的丰要特征比手形的特征更稳定和更具分类性，因此掌纹识 别应是一种很有发展潜力的身份识别方法。
手掌上最为明显的3—5条掌纹线，称为主线．在掌纹识别中，可利用的信息：几何特征，包括手掌的长度、宽度和面积；主线特征；皱褶特征；掌纹中的三角形区域特征；细节特征目前的掌纹认证方法主要是利用主线和皱褶特征．下面从事纹特征抽取和特征匹配两方面来溉述掌纹识别算法。
(1)掌纹特征抽取：有两类方法，一是抽取特征线、二是抽取特征点。抽取特征线的优势在于可以用于低分辨率和有噪声的图像．抽取特征点的好处是抽取的速度快。
(2)掌纹特征匹配：对应于掌纹特征的抽取，特征旺配分为特征线匹配和特征点匹配。特征线匹配是计算两幅图像对应特征线参数之间的距离，特征点匹配是两幅图像的两个点集之间的几何对准过程。
3.5 视网膜识别
视网膜是一些位于眼球后部十分细小的神经，它是眼睛感受光线并将信息通过视神经传给大脑的重要器官。由于视网膜不容易改变和复制，它被认为是最安全的生物识别方式。20世纪30年代，通过研究就得出了人类眼球后部血管分布惟一性的理论；进一步的研究表明，即使是孪生子，这种血管分布也是具有惟一性。
3.6 签名识别
签名识别是一种行为识别技术，目前签名大多还只用于认证．签名认证的困难在于，数据的动态变化范围大，即使是同一个人的两个签名也绝不会相同．签名认证按照数据的获取方式可以分为两种：离线认证和在线认证．离线认证是通过扫描仪获得签名的数字图像；在线认证是利用数字写字板或压敏笔来记录书写签名的过程离线数据容易获取。但是它投有利用笔划形成过程中的动态特性，因此较在线签名容易被伪造。
从签名中抽取的特征包括静态特征和动态特征，静态特征是指每个字的形态，动态特征是指书写笔划的顺序、笔尖的压力、倾斜度以及签名过程中坐标变化的速度和加速度．目前提出的签名认证方法，按照所应用的模型可以归为三类：模板匹配的方法，隐马尔可夫模型方法（HMM ），谱分析法。模板匹配的方法是计算被测签名和参考签名的特征矢量间的距离进行匹配；HMM 是将签名分成一系列帧或状态，然后与从其它签名中抽取的对应状态相比较；谱分析法是利用倒频谱或对数塔等对签名进行认证。
3.7 步态识别
步态识别就是要对包含人体运动的图像序列进行分析处理。通常包括步态检测、步态表征和步态识别3个过程。步态检测步态检测是在图像序列中将人体步态轮廓区域从背景图像中提取出来。步态轮廓区域的有效分割对于特征提取、目标分类等后期处理非常重要，因此步态检测常被视为步态识别的预处珲部分。步态检测作为视频序列中运动检测的一个特例，可大致分为4类方法：1) 基于特征的方法；2) 帧间差分法；3) 背景减除法；4) 光流法。步态表征就足采取某种方法表示检测出的步态和数据库中的已知步态，又称为步态特征提取。现有的方法可以分为3类：结构表征、非结构表征和融合表征。步态表征是步态识别技术的关
键所在，也是步态识别领域的研究重点。将待识别的步态信息与数据库中的步态特征进行比对，通过一定的判断依据决定它所属的类别。常用的方法有如下几类：1) 模板匹配法；2) 状态空间法。
自Niyogi 等人Ⅲ最早利用计算机视觉与模式识别技术进行步态识别研究以来，越来越多的学者对步态识别的研究产生了浓厚的兴趣，并做r 大量的工作。这些工作归纳起来可以分为3类：结构表征、非结构表征和融合表征。
4 应用领域
生物认证技术已被广泛应用于各个领域，这里简要介绍几种应用。
（1）内部网络安全
Windows 本身的安全一直是让人困扰的问题，密码容易被黑客所盗取，将指纹技术集成于计算机外设如键盘、鼠标等，通过指纹对Windows 、文件、目录和屏幕保护等进行加密，有效地解决了这一问题。
（2）建筑物通道安全
企业的员工和建筑物的主人出入各种建筑物的通道，进行必要的身份识别，防止未经授权的进出。目前使用的是各种卡片、证件等。问题是卡片和证件容易丢失、仿制和借用，而且携带麻烦。
（3）电子商务
所有的通过Internet 发送材料的公司都在寻找一种安全发送材料的方式。有越来越多的人通过网络来购买商品和服务，但其中潜在的安全问题也越来越严重，通过身份号和密码来取代传统的直接接触显然是过时了。CA 认证系统正在考虑使用将生物识别技术融合于其中。生物识别技术在电子商务时代的应用不可限量。
（4）身份证卡
伪造身份证一直是国家安全机关严厉打击的对象，但屡禁不止。使用电子身份证，将人的生理特征存储于其中，身份证需要和人自身的生物特征进行比对，这将有效解决伪造问题。 5 未来发展方向
5.1 生物特征识别性能的改善
日前生物特征识别技术的研究还处于初始发展阶段，如何提高系统的准确性和鲁棒性是这个研究领域的重大挑战每种生物特征都不是完美的，都存在固有的局限性．那么要改善系统的识别性能，就已不再是单单改善某一种识别技术的问题。因此考虑包括各种生物特征在内的多种认证信息的结合，成为一种切实可行的解决方案。
信息的结合可以采取不同的力式：(1)将生物特征识别信息和非生物特征识别信息相结合；(2)将多种生物特祉相结台，构成多模态识别系统在多模态识别系统中，需要考虑两方面的问题， 是不同生物特征的选择和实现，二是多种生物特征信息的融合。多模信息的融合可以在原始数据层、特征抽取层和分类决策层实现由于每种摸态对决策的作用不都是线性的，因此融合方案只是采用求和、相乘、多数表决等相对比较简单的线性组合方案．则不能最优地利用多模信息，周此如何利用多模态获得最大的信息量，这个虽大的信息量的极限是多少，这不仅要通过实际的多模态系统进行实验，更要有理论的分析和论证。
5.2基于生物特征识别的网络身份认证系统
由于生物特征识别固有的优越性，使它在网络身份认证中有着其它认证信息所不能比拟的优势，因此建立基于生物特征识别的网络身份认证系统是生物特征识别技术的一个重要研究方向而现在的生物特征识别的研究还局限于单机系统要建立基于生物特征识别的网络身份认证系统应当解决下面一些关键问题：
(1)在一个开放的网络上传送用户的生物特征模板，应当使用高级加密工具来保障其通信安全；(2)保证生物特征获取装置检测的是真正的用户特征，而不是照片或记录，防止生物特征信息被篡改或替换；(3)认证需要通过网络在中央服务器进行，应当建立一个可升级的、安全的平台来有效地管理模版文件；(4)为有效防止黑客攻击，阻止其绕过系统安全检漠测，应当将生物特征登录程序与汁算机操作系统紧密集成；(5)保证即使大量的应用使用用户的同一种生物特征，也不会造成未经授权而互相访问的情况．
5.3 生袖特征识别技术的标准
目前国际上对生物特征识剐尚未形成统一的标准，很多国际组织正在积扳地进行标准的制定，其中最主要的是ANSI x9 84，它是有关生物特征的管理和安全的标准．由于标准必须具有先进性、通用性和有效性，井要得到世界各国的认同，因此形成标准仍是一项艰巨的任务。
8 结语
生物特征识别技术是指基于个人独特的生理和行为特征进行自动身份鉴别的技术。它为我们这个信息社会日益加剧的安全需求提供了一个很好的解决方案．随着生物特征识别技术的不断改进，生物特征传感器价格的不断下降以及人们的接受程度程度的不断提高．生物特征识别技术必定会作为一种基本的身份识别手段而得到广泛的应用。
参考文献
生物特征识别技术研究进展 夏鸿斌 须文波 刘 渊（江南大学信息工程学院，2003）
生物特征识别技术综述 孙冬梅，裘正定（北方交通大学信息所，北京，2001)
步态识别研究进展 柴艳妹，夏天，韩文英，李海峰（2012）
虹膜识别技术的研究 党宁娜 西北工业大学硕士学位论文（2006）
人脸识别的研究进展与发展方向 李云峰杨益田俊香(河南科技大学机电工程学院 河南洛阳 ，2008)
生物特征识别及其在大型家畜个体识别中的应用研究进展 钱建平，杨信廷，吉增涛，刘学馨，孙传恒，邢斌(2010)
生物特征识别概述 网站：生物特征识别的应用与发展（2008） http://www.21csp.com.cn/ZhanTi/swsb/gs.asp.htm
虹膜识别算法的应用研究 卢珊，赵强，刘丽萍（2011)
生物特征识别综述 田启川，张润生 （2009)