单元3生物识别技术资料.pptx

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,#,第三讲 生物特征识别技术,生物特征识别,数字时代的安全卫士,3.1,生物特征识别技术概述,1,、什么是生物特征识别技术？,生物特征识别技术是基于某人的生理特征或行为特征用自动化的方法予以辨识或认证的技术。,目前已利用的生理特征和行为特征包括：,（,1,）生理特征：手指、手掌、眼睛（包括虹膜、视网膜）、面孔等。,（,2,）行为特征：签字、语音、步态等。,一般来说，,DNA,不属于这个范畴,生物特征识别：,人脸,脸部热量图,指纹,手形,手部血管分布,虹膜,视网膜,签名,语音,2,、生物识别技术特点,（,1,）广泛性：每个人都应该具有这种特性。,（,2,）唯一性：每个人拥有的特征应该各不相同。,（,3,）稳定性：所选择的特征应该不随时间的变化而发生变化。,（,4,）可采集性：所选择的特征应该便于测量,。,5,人体生物特征的起源于传统的身份认证的问题,基于知识的身份认证,容易忘记,容易被盗,容易攻击,基于令牌的身份认证,容易丢失,容易被盗,容易伪造,知识,+,令牌,6,生物特征的评估,普遍性,Universality,唯一性,Uniqueness,恒久性,Permanence,易采集性,Collectability,系统性能,Performance,(achievable identification accuracy,resource requirements,robustness),用户接受程度,User Acceptance,防欺骗能力,Resistance to Circumvention,常用的生物认证技术,(1),指纹,指纹认证是目前国内最为成熟的生物认证技术。在古代就被用来代替签字画押，证明身份。由于指纹认证具有方便、可靠、非侵害和价格便宜的的特点，已经在许多行业领域中得到了广泛的应用，如公司或单位的考勤指纹机，银行、证券等金融系统的门禁系统，笔记本电脑的指纹识别器，以及犯罪现场的指纹识别等。,指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。纹线有规律的排列形成不同的纹型。纹线的起点、终点、结合点和分叉点，称为指纹的细节特征点（,minutiae,）。指纹认证就是通过比较不同指纹的细节特征点来进行鉴别。由于每个人的指纹不同，就是同一人的十指之间，指纹也有明显区别，而且终身不变，因此指纹可用于身份认证。,（,2,）人脸,人脸识别指利用分析比较人脸视觉特征信息进行身份认证的计算机技术。,目前常用于数码相机人脸自动对焦和笑脸快门技术、公安刑侦破案、门禁系统、摄像监视系统等领域。,由于人脸识别是利用可见光获取人脸图像信息，不容易引起人的注意而不容易被欺骗，而且在实际应用场景下可以进行多个人脸的分拣、判断及识别。,但是人脸容易受到表情、观察角度、光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响，从而影响识别的准确度。,中科院人脸识别技术成功用于奥运会开幕式,8,月,8,日，数万名观众由国家体育场鸟巢的,100,多个人脸识别系统快速身份验证关口有序入场，参加,2008,北京奥运会的开幕式。据悉，该验证系统是由中科院自动化所研制的。,（,3,）手形,手形指的是手的外部轮廓所构成的几何图形。在手形识别技术中，手形的几何信息包括手指不同部位的宽度、手掌宽度和厚度、手指的长度等。,经过生物学家大量实验证明，人的手形在一段时期具有稳定性，且两个不同人手形是不同的，即手形作为人的生物特征具有唯一性。而且手形也具有稳定性，且比较容易采集，故可以利用手形对人的身份进行认证。,手形识别是速度最快的一种生物识别技术，它对设备的要求较低，图像处理简单，且可接受程度较高。由于手形特征不像指纹那样具有高度的唯一性。因此，手形特征只用于满足中低级安全要求的认证。,（,4,）掌纹,掌纹是指手腕与手指之间的手掌表面上的各种纹线。掌纹与指纹一样，具有高度的唯一性。掌纹识别就是根据掌纹的特征信息来进行身份认证。,掌纹识别具有采样简单、图像信息丰富、用户接受程度高、不易伪造、受噪声干扰小等特点受到国内外研究人员的广泛关注。,但是由于掌纹识别技术起步较晚，目前尚处于学习和借鉴其他生物特征识别技术的阶段。,（,5,）声纹,声纹识别又称为,说话人识别,，是根据语音波形中反映说话人生理和行为的特征的语音参数进行自动识别说话人身份的技术。,所谓声纹是用电声学仪器显示的携带言语信息的,声波频谱,。由于人在讲话时使用的发声器官,-,舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，任何两个人的声纹图谱都有差异，因此可以用于身份认证。,同人脸一样，声纹的提取可在不知不觉中完成，用户的接受程度高，不容易被欺骗；而且一个麦克风就可以获取语音，识别成本低廉。但声音易受身体状况、年龄、情绪、噪音等的影响。,（,6,）虹膜,眼睛的虹膜是由相当复杂的纤维组织构成，内侧与瞳孔相邻，外侧与眼白相邻。虹膜与手指纹一样，是独一无二的，同一个人左右眼的虹膜纹理都不会相互认同。而且虹膜在人的一生中都极其稳定，不容易更改。,虹膜识别技术是将虹膜的可视特征转换成一个,512,个字节的虹膜代码，这个代码模板被存储下来以便后期识别所用,目前，虹膜识别被认为是最佳的生物认证技术，具有识别准确性高、识别速度快、防伪性强的特点。目前，虹膜识别技术在国外已广泛应用于航空、金融以及政府的反恐领域。但国内成熟的产品还很少，仅限于科学研究。,（,7,）鉴名,签名识别，也被称为签名力学辩识，源于每个人都有自己独特的书写风格，常分为静态识别（离线）和动态识别（在线）两种。静态识别是通过扫描仪获取签名的图像，分析签字的静态特征，如高度、宽度、交叉、分叉等；动态识别分析的是笔的移动，例如加速度、压力、方向以及笔划的长度，而非签名的图像本身。签名识别和声音识别一样，是一种行为测定学。,签名作为身份认证的手段已经用了几百年了，应用范围随处可见，是一种能很容易被大众接受而且是一种公认的较为成熟的身份识别技术。然而，签名识别的错误接受率很高，几乎不可能用它进行身份鉴定，一般只用于身份核实。,（,8,）视网膜,视网膜是眼睛底部的血液细胞层。通过视网膜扫描可以捕捉到视网膜的唯一模式。,由于视网膜是隐藏在眼睛底部，很难受到磨损，老化等影响，是一种极其固定的生物特征；而且视网膜是不可见的，不会被伪造。因此，视网膜可用于用于身份认证，有人甚至认为视网膜是比虹膜更唯一的生物特征。,但是视网膜技术可能会给使用者带来健康的损坏，而且设备投入较为昂贵，识别过程的要求也高。,（,9,）步态识别,步态识别是通过人的走路方式来识别人的身份的方法。,步态是指人们行走时的方式。由于每个人在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的“风格”上的不同，导致走路姿势的不同。,人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。,步态识别就是通过从相同的行走行为中寻找和提取个体之间的变化特征，以实现自动的身份识别。它是一种非接触的生物特征识别技术，而且不需要人的行为配合，特别适合于远距离的身份识别。目前已广泛应用于智能视频监控领域。,(10)DNA,DNA,，又称脱氧核糖核酸，是遗传信息的载体。生物学家研究表明，人体内的,DNA,在整个人类范围内具有唯一性和永久性。因此，,DNA,识别主要根据人体细胞中,DNA,分子的结构因人而异的特点进行身份认证，具有绝对的权威性和准确性。但是,DNA,必须通过复杂的仪器才能完成提取和识别，而且具有一定的侵害性，接受性。,（,11,）味纹,人的身体会散发出气味，每个人散发出的气味都是不同的。当一个人在一个地点停留，他散发的气味分子就留在其周围，离去后不会马上消失。,丹麦警方把这称之为,味纹,，并开创了利用,味纹,侦破刑事案件的方法：侦破人员将在犯罪现场采集到的空气进行过滤、浓缩，然后将这带有罪犯,味纹,的空气转移到一块清洁无味的布上密封保存，供警犬或电子鼻嗅闻对证。审讯时先让警犬或电子鼻嗅闻带有,味纹,的布，然后逐个嗅闻犯罪嫌疑人。当警犬或电子鼻闻到相同的气味时，就会吠叫或发出警报。,精确度与成本,Voice,Accuracy,cost,Face,Fingerprint,Retina,Iris,Signature,Hand,1.,5,生物认证技术的应用,高端领域：国防，司法，机要机关，电子政务，电子商务,低端领域：门禁，考勤，考试，会议等,欧盟各国采用的生物识别护照，是利用人面部细节来认证身份；,导弹基地、军火库房等要地的门禁或通道控制，核能设施等重要军事装备的启动控制,纽约警方采用虹膜认证以防止罪犯隐瞒身份；,美全面使用指纹、脸、瞳孔虹膜等生物识别科技来监控离境旅客；,巴西总统选举就采用了指纹识别投票器；,印度采用的新型,ATM,提款机只需指纹输入，不需要输入密码；,国际语音生物识别巨头,PerSay,公司推出一项通过语音就可以重置电子银行密码的服务；,北京部分公证机构也采用了人脸识别技术来防骗。,中国人民银行规定所有的金库安防监控系统都要有人脸识别功能,指纹门禁管理系统,日立,ATM-,手指静脉,生物特征识别的意义,Bill Gates:,以人类生物特征进行身份验证的生物识别技术，在今后数年内将成为,IT,产业最为重要的技术革命,24,各种生物特征市场份额的统计,生物认证技术市场收入的预测,25,联合国的国际民用航空组织,(ICAO),已对,188,个成员国发布了航空领域,使用生物特征认证技术,的规划，提出将在个人护照中加入生物特征,(,包括指纹识别、虹膜识别、面相识别,),，并在进入各个国家的边境时进行个人身份的确认。目前，此规划已经在美国、欧盟、澳大利亚、日本、南韩、南非等国家和地区通过，从,2004,年底就开始实施了。,生物特征识别技术在国外的研究现状,当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有,美国,MIT,的,Media lab,AI lab,CMU,（,卡耐基,-,梅隆大学,）的,Human-Computer Interface Institute,，,Microsoft Research,英国的,Department of Engineering in University of Cambridge,（剑桥大学）等。,综合有关文献，目前的方法主要集中在以下几个方面：,生物认证的起源和发展,生物认证的历史可以追溯到,14,世纪，葡萄牙历史学家若奥,德,巴洛斯记录了第一例有关指纹作为生物认证来使用的情况，当时中国的商人采用墨水拓取指纹的方式鉴定儿童的身份。,在公元前,7000,年到,6000,年以前，在古叙利亚和中国发现：一些粘土陶器上留有陶艺匠人的指纹，中国的一些文件上印有起草者的大拇指指纹，在,Jercho,古城市的房屋中也发现留有砖匠一对大拇指指纹的印记。,19,世纪初，英国科学家威廉,詹姆士,赫歇尔（,William James Herschel,）和亨利,福尔茨（,Henry Faulds,）通过对大量指纹的收集和研究发现,指纹,的两个重要特征，一是两个不同手指的指纹不同，另外一个是指纹的式样终生不改变。并把研究成果于,1880,年发表于,自然,上，提出可以利用犯罪现场的指纹来识别罪犯。但遭到政府的拒绝。,在十九世纪九十年代，巴黎警官阿方斯,贝迪永（,Alphonse Bertillion,）提出一种新的认证方法：,人体测量学,。其基本原则是：每个人的骨骼结构和尺寸都不一样，并且从,20,岁起，人的骨骼几乎保持不变。据此，贝迪永建议测量身高、坐高、臂长、头长、头宽、耳长、耳宽、左中指和左小指的长度、左脚长度等数十项指标，来区分个体。这种方法被称作“贝氏法”，并一直被警方采用。但由于后来在采用“贝氏法”的几宗案件中发生了错误的鉴定，“贝氏法”便迅速地被人们否定。,后来，英国的弗朗西斯,高尔顿爵士（,Sir Francis Galton,）应用强大的统计学知识，计算出两个人有相同指纹的概率是,六百四十亿分之一,。此外，他还对指纹进行了分类，为指纹分析建立了数学模型，并在,1892,年出版的,指纹,一书。而他的好友,Richard Edward Henry,（理查德,爱德华,享利）警官在高尔顿的研究基础上，开发了一个,指纹分类系统,，即后来大名鼎鼎的高尔顿,-,亨利指纹分类系统。,1901,年，该系统被引入伦敦警察厅，并很快在其他国家推广开来。,阿根廷警官胡安,武塞蒂赫同样受高尔顿启发，将指纹技术和贝迪永人体测量学系统结合起来用于识别和刑侦。,1892,年，他创办了世界上第一个指纹局，同年利用指纹技术首次成功地破获了一起案例：一个名为弗朗西斯卡,罗哈斯（,Francisca Rojas,）的女人残忍地将她的两个儿子割喉杀害，同时造成自己受伤的假象，并诬陷给自己的邻居。不过警方最终在现场找到了她的指印，揭示了真相。,从,20,世纪,60,年代开始，计算机可以有效地处理图形，人们开始着手研究利用计算机来处理指纹。特别是,20,世纪,80,年代，微电脑、光学扫描等技术的革新，使得指纹识别技术得到了突破性的发展，许多高效可靠的自动指纹识别系统（,Automated Fingerprint Identification System,，简称,AFIS,）相继问世。同时生物识别技术也得到了延伸和扩展，发现了脸像、虹膜、语音、气味、掌型、静脉等生物识别特征，并开发出许多可实际应用的生物识别系统。,在我国，指纹、掌纹、脸型、,DNA,、语音、脚印、行走步态的认证技术都得到了应用，并在侦查破案领域中发挥着重要的作用。但其他生物特征的认证在我国尚属空白，在国外却已经开始重视，并取得一定的成就。,生物认证的基本工作原理,1,注册模块,功能：完成用户生物特征数据的捕获、提取和存储。,注册：通过传感器装置捕捉到原始的生物特征数据,噪音数据的处理,:,数字信号处理技术，来去除数据中无关噪声或者增强其中的重要特征,;,常采用的方法主要有：去噪、分块、增强、几何变换等,特征提取：提取特征点，编码，创建特征模板,质量分数,:,反映特征提取的成功程度，与注册有关,注册失败率,FTE,注册的方式,:,在注册的时候附加一些数据（如口令）来惟一确定一个注册个体；对注册办公室和办公人员严格要求以防止人为欺骗；采用多方法的注册方式减少注册失败率。,存储：系统模板数据库,存储方式：集中、分散,注册失败率,FTE,（,Failure to enroll rate),注册时产生的所有样本中被拒绝的比例,衡量系统的注册性能,脸部、手部、语音的注册失败率最低，而指纹最高。,2,匹配模块,功能：用一定的匹配算法把认证目标的生物特征模板和数据库中的模板进行,比对,。,两种情况：,验证,(Verification),鉴别,(Identification),验证,验证就是证明一个人的身份,即回答,“,我是某人吗？,”,的问题。,匹配模块只需要将认证目标的生物特征模板与数据库中认证目标的模板进行比对，也就是,1,：,1,比对,系统数据库,1010110,1010110,1010110,两者是否匹配,（1：1）,特征提取,特征提取,Yes,No,注册,验证,(,Verification),Am I who I claim to be?,验证（续）,鉴别,前提是不知道认证目标的身份,鉴别是鉴定一个人的身份,即回答,“,我是谁？,”,的问题。,需要与数据库中所有的模板进行比对（,1,：,n,比对），从而获得该认证目标的身份,系统数据库,1010110,1010110,1010110,两者是否匹配,（1：,n）,特征提取,特征提取,Yes,No,注册,Do you know who I am?,鉴别,(,Identification),1010110,1010110,鉴别（续）,匹配原则,:,足够有效,原因：,系统在用户每次出示生物特征时采集到的特征数据是不同的；系统使用的是用户的生物特征的典型数据，并非生物特征的完整记录,模糊匹配：“足够有效”,匹配分数：,0%,100%,，用来表示模板之间的相似程度,3,判定模块,功能：最终对是否匹配做出“是”或“否”的结论,方法：给质量分数和匹配分数各设置一个阈值,当两个分数都大于阈值时，就认为匹配成功。,如果达到了质量阈值而没有达到匹配阈值，则认为匹配失败；,如果质量阈值没有达到，那么就认为数据的质量太差，系统可以拒绝匹配，并要求重新输入新数据。,生物认证系统的衡量指标,注册失败率,FTE,错误接受率,FAR,错误拒绝率,FRR,交叉错判率,CER,错误接受率,FAR,（,False Accept Rates,）,指系统接收冒名顶替者的概率,FAR,越小，安全性越高,一般是,10,万分之,1,到百万分之,1,为可接受范围,错误拒绝率,FRR,（,False Reject Rates,）,指系统拒绝授权个人的概率。,FRR,越大，安全性越高,问题：,FRR,越大，越容易被误判拒绝,FAR,和,FRR,的说明,FAR,与,FRR,是相互制约的关系,如果,FRR,减小，,FAR,就会增大；,如果,FAR,减小，,FRR,就会增大。,对安全性能要求较高的应用场合，生物认证系统需要较小的,FAR,，因为授权用户被拒绝造成的损失要小于非授权用户被接收造成的损失。,交叉错判率,CER(Crossover Error Rates),FAR,与,FRR,两条曲线相交点的错误率称为系统的交叉错判率,表征了生物认证系统总体误判率的大小，反映了系统的准确度。,对于生物认证系统来说，最好的情况就是,CER,和,FAR,越小越好,。,模板数据库的管理,模板的安全性,模板数据库安全：令牌、私钥,模板传输过程中的安全：安全的网络通道或安全的传输方式,模板撤销问题,模板无法撤销：为什么？,解决方法：在生物特征模板中掺入可以被撤销更换的其他因素,指纹识别技术,指纹识别主要根据人体指纹的纹路、细节特征等信息对操作或被操作者进行身份鉴定，是目前生物检测学中 研究最深入，应用最广泛，发展最成熟的技术。,1,、指纹的固有特性,（,1,）确定性。每幅指纹的结构是恒定的，胎儿在,4,个月左右就形成指纹，以后就终身不变。,（,2,）惟一性。两个完全一致的指纹出现的概率非常小。,（,3,）可分类性。可以按指纹的纹线走向进行分类。,2,、指纹的特征,指纹识别主要从两方面展开：总体特征和局部特征。,总体特征,（,1,）纹形：可分为斗形、弓形、螺旋形三大类。,（,2,）模式区：是指指纹上包括了总体特征的区域，从此区域就能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，而有的则使用所取得的完整指纹。,（,3,）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。有的算法只能处理和识别具有核心点的指纹。,（,4,）三角点：位于从核心点开始的第一个分叉点或者断点，或者两条纹路的会聚处、孤立点、转折处，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。,（,5,）纹数：是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以认为是指纹的纹数。,局部特征,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称为特征点，这些特征点提供了指纹惟一性的确认信息。,（,1,）终结点：条纹路在此终结。,（,2,）分叉点：条纹路在此分开,成为两条或更多的纹路。,（,3,）分歧点：两条平行的纹路,在此分开。,（,4,）孤立点：一条特别短的纹路，,以至于成为一点。,（,5,）环点：一条纹路分开成两条后，立即又合并成一条，这样形成的小环称为环点。,（,6,）短纹：一条较短但不至于成为一点的纹路,3,、指纹识别的几何基础,脊线：在指纹图象中，具有一定宽度和走向的纹线称为脊线。,根据脊线分布的位置和走向以及它们的形状，脊线可分为内部脊线、外围脊线和根基脊线三类。,（,1,）内部脊线：居于指纹的中心部位，主要有箕形、环形、螺旋形、弧形或混合形的脊线组成。,（,2,）外围脊线：从上部和左右两侧包绕着内部脊线，主要有弓形线组成。,（,3,）根基脊线：分布在内部脊线的基底部位，主要由弧度较小的波浪线或不大平坦的直纹线组成。,三类脊线常汇合在一处，构成三角状，称之为三角区，每幅指纹图象中一般有一到两个三角区。脊线的中心定点称为指纹的中心点，中心点与三角区是指纹识别中两个非常重要的特征。,4,、采集指纹图象的三种技术,（,1,）光学技术,优点是设备价廉，有较高的分辨率，缺点是设备光程长，尺寸大。,（,2,）硅技术,(,电容技术）,优点是在较小的表面上获得较好的图象，缺点是芯片昂贵、电容采集头易受干扰，可靠性不高。,（,3,）超声波技术,超声波技术的特点：超声波的能量被控制在对人体无损的程度，分辨率与光学指纹采集设备接近，成本已降到可接受的程度，超声波技术产品可能达到最好的精度。,5,、指纹识别过程,指纹识别技术主要涉及指纹图像采集、指纹图像处理、特征提取、保存数据、特征值的比对与匹配等过程。,（,1,）图象预处理,首先，通过指纹读取设备读取到人体的指纹图像，并对原始指纹图像进行初步处理，使之更清晰。图像预处理包括两个步骤,图像分割与图像增强。,图象分割：分割器读输入的指纹图，并在不损失有用指纹信息的基础上产生一个比原图象小的指纹图片。,图象增强：用于增强分割后的指纹图，提高图象质量。,（,2,）特征提取,一个高质量的图象被拾取后，需要许多步骤将它的特征转换到一个复合的模板中，这个过程称为特征拾取过程。,该步骤将灰度指纹图转换成黑白图象，然后通过指纹识别算法形成几百字节的指纹特征数据。这是一种单方向的转换，可以从指纹转换成特征数据，但不能从特征数据转换指纹，而且两枚不同的指纹不会产生相同的特征数据。这些数据通常称为模板。,（,3,）特征匹配,用特征提取获得的特征点去匹配数据库中的模板，判断是否为同一手指的两幅纹理图。,通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。,6,、指纹识别的验证和辨识,就应用方法而言，指纹识别技术可分为验证和辨识。,验证,就是通过把一个现场采集到的指纹与一个已经登记的指纹进行一对一的比对来确认身份的过程。,辨识,则是把现场采集到的指纹同指纹数据库中的指纹逐一对比，从中找出与现场指纹相匹配的指纹。,7,、指纹识别技术特点,（,1,）指纹识别的优点,a.,指纹是人体独一无二的特征。,b.,可采集的指纹多，最多可达,10,个，而且每个指纹都是独一无二的。,c.,扫描指纹的速度快，使用非常方便。,d.,指纹与采集头直接接触，读取特征方法可靠。,e.,指纹采集头体积小，价格低廉。,（,2,）指纹识别的缺点,a.,某些人或某些群体的指纹特征很少，故而很难成像。,b.,有些人害怕将指纹记录在案。,c.,每一次使用指纹时，都会在指纹采集头上留下用户的指纹印痕，而这些指纹痕迹存在被用来复制指纹的可能性。,8,、,指纹识别系统的应用领域,（,1,）计算机系统及信息安全方面,计算机系统安全。,系统使用者身份认证。,系统使用授权,网络远程登录及授权,信息加密,电子商务应用,数字证书,（,2,）金融行业,交易、清算授权,指纹信用卡,指纹,ATM,系统,指纹储蓄系统,被保险人认证,内部系统及信息加密,（,3,）其他政府及机构,社会治安管理,社会保险及救济,医疗卫生,教育系统,政府信息化工程,军队及公安国防系统中的应用,（,4,）卡、证的身份认证,（,5,）指纹识别门票系统,（,6,）指纹识别考勤,虹膜识别,虹膜识别技术是基于在自然光或红外光照射下，对虹膜上可见的外在特征进行计算机识别的一种生物识别技术。,1,、虹膜识别的特性,（,1,）惟一性高。由信息组合的复杂性决定。同卵双胞胎的虹膜纹理信息不同，同一个人左右眼的虹膜纹理也不同。,（,2,）稳定性高。虹膜纹理在胎儿,7,个月时已形成，出生,6-18,个月后终身不变，不随年龄、职业、生活方式的变化而变化，不被污染，不会磨损，不因疾病改变纹理结构。,（,3,）抗欺骗性强。不能人工仿造或手术仿造他人虹膜组织，使用克隆技术也不能复制。虹膜不留印迹，不会因痕迹残留导致他人非法获取特征信号。,（,4,）可采集性强。虹膜具有可见外形，可从一定的距离处采集信号，不需用户接触设备，可在无光照情况下进行采集。,2,、虹膜识别的应用,可以用于身份鉴别，如在银行取款、网上购物、抓捕逃犯、,ATM,自动取款等应用领域，可以准确识别行为人的真实身份，确保操作者的安全性和可靠性。,3,、虹膜识别技术的优缺点,（,1,）优点,a.,便于用户使用。,b.,可能会是最可靠的生物识别技术。,c.,用户位于设备之前，无须物理接触。,（,2,）缺点,a.,仍未进行唯一性的认证。,b.,很难将图象获取设备小型化。,c.,摄像头价格昂贵。,d.,镜头可能使图象畸变而使可靠性降低。,e.,黑眼睛极难读取。,f.,需要一个较好的光源。,视网膜识别,1,、视网膜识别的优点,（,1,）精确度高，错误接受率（,FAR,）低于百万分之一。,（,2,）生物识别样本稳定。,（,3,）难以伪造。,（,4,）使用者不需要和设备直接接触。,（,5,）记忆模板较小。,2,、缺点,使用较困难，消费者感觉不好，成本高。,人脸识别,1,、捕捉面部图象的两项技术,（,1,）视频技术,（,2,）热成像技术,2,、面像识别的特点及主要功能,主要特点,面像识别技术能适应于检测处于复杂背景中任何位置的不同大小的人脸，可以面向复杂背景的多级、多尺度、多角度人脸进行检测跟踪。具有自动的形状抽取能力，可应用于性别判别、表情识别、三维姿态复原及人脸重建等方面；具有识别速度快、同等条件下误认率和拒认率低、无须学习等特点。,主要功能：,（,1,）面像检测和识别,（,2,）面像数据摸板化和检索,（,3,）面像跟踪,（,4,）通过真人识别功能来防欺诈,（,5,）可以进行图像评价,3,、面像识别技术的应用领域及典型应用,应用领域,身份确认与人员检索：可用于电脑、网络安全、银行业务、智能卡、访问控制、边境控制等领域。,身份证：可用于选民登记、身份证、护照、驾驶执照、工作证等。,计算机保护系统：利用面像特征识别用户，保护计算机信息。,犯罪嫌疑人识别系统：应用于脸部照片登记系统，事件后分析系统。,远距离身份识别：应用于监视、监控、闭路电视、交通管理、敌友识别等。,典型应用,身份鉴定（一对多的搜索）,身份确认（一对一的比对）,监控和监视,4,、面像识别的优缺点,（,1,）优点：易于使用，非常适合隐蔽进行面像采集；可直观比对，以核查某人身份 。,（,2,）缺点：面部的位置和周围的光环境可能影响系统的精确性，采集图象的设备昂贵。,76,人脸识别的过程,登记过程,识别过程,一对一的验证过程,一对多的辨别过程,77,登记过程,78,一对一的验证过程,79,一对多的辨别过程,自动人脸识别系统,所谓自动人脸识别系统，是指不需要人为干预，能够自动获取人脸图像并且辨别出其身份的系统,一个自动人脸识别系统至少要包含三个部分，即数据采集子系统、人脸检测子系统和人脸识别子系统,“人脸识别”有时是指整个自动人脸识别系统所做的工作，有时是指人脸识别子系统所做的工作,数据采集子系统,人脸识别子系统,人脸检测子系统,自动人脸识别系统,识别结果：,He is!,签名识别,1,、签名识别的优点,容易被大众接受，是一种公认的身份识别的技术。,2,、缺点,（,1,）签名随着年龄的增长或性情的变化而变化。,（,2,）用于签名的手写板结构复杂，和电脑触摸板的分辨率有很大的差异。,（,3,）难将它的尺寸小型化。,步态识别,是通过人的走路方式来识别人的身份的方法。过程：,通过检测与跟踪获得步态的视频序列,预处理：运动检测、运动分割,分析、提取步态特征,比对识别,特点：,不具有侵害性,甚至可以在被观察者不觉察的情况下进行适合远距离身份识别,不容易伪装,采集装置简单、经济,语音识别,1,、语音识别的概念,语音识别是一种将人说话发出的声波转换成能够表达说话内容的符号序列。这些符号可以是识别系统的词汇本身，也可以是识别系统词汇的组成单元，常常称为识别系统的基元。,2,、语音识别基本原理,现有的自动语音识别技术是建立在对人的语音交互过程的坚实但又不完全理解的基础上的。语音交互技术的研究具有高度的学科交叉性质，广泛涉及信号处理、语音声学、模式识别、通信和信息理论、语言学、生理学、计算机科学、心理学等学科的原理和方法。利用这些学科知识，可以概括构成自动语音识别技术基础的三个原理：,第一，语音信号中的语言信息是按照短时幅度谱的时间变化模式来编码的；第而，语音是可以阅读的，即它的声学信号可以在不考虑说话人试图传达的信息内容的情况下用数十个具有区别性的、离散的符号来表示；第三，语音交互是一个认知过程，因而不能与语言的语法、语义和语用结构割裂开来。,按照这三个基本原理，一个语音识别系统可以从三个方面来认识：,（,1,）特征参数提取,特征参数提取的目的是对语音信号进行分析处理，从而突出所载荷的语言声音信息的特征，尽可能抑制与语言声音信息无关的特征，同时压缩特征的数据量。,（,2,）基元的选择,语音识别基元的主要任务是在不考虑说话人试图传达的信息内容的情况下，将声学信号表示为若干个具有区别性的离散符号。能够充当语音识别基元的单位可以是语句、音节、音素或更小的单位。基元的选择受识别任务的具体要求来定。,（,3,）基元模型的训练和匹配,基元模型训练是指按照一定的准则，从大量已知模式中获取表征该模式本质特征的模型参数，而基元模型匹配则是根据一定准则，使未知模式与模型库中的模式序列构成最佳匹配。,3,、语音识别的应用,（,1,）在家用电器中的应用,（,2,）在智能话务接续系统的应用,