生物特征识别中的关键技术与发展趋势

由于生物识别技术在身份识别领域中的独特优势,近几年来已成为身份认证的重要手段。本文通过对各种生物特征识别技术的基本原理和关键技术进行分析,深入地探讨了生物识别技术中的热点问题及其发展趋势。     

生物识别技术与应用

生物识别技术可以用来鉴别身份或证明身份，主要包括虹膜识别、视网膜识别、面部识别、指纹识别、DNA识别、气味识别、签字识别和声音识别等，其中指纹识别是最常用的一种．生物识别技术在人类的物理生存空间和虚拟生存空间具有广泛的应用前景。在介绍生物识别原理的基础上。讨论了两种类型生物识别技术，一种基于生理特征：虹膜识别、视网膜识别、面部识别和指纹识别；另一种基于行为特征：签字识别和声音识别。     

浅谈生物特征识别技术

目前,国际流行的生物特征识别技术主要是借助可测量的身体或行为等特征对某人的身份进行自动校对识别。本文通过生物特征识别技术的关键技术、实现框架以及标准化工作进行分析,探讨了生物特征识别技术的发展及前景。     

手背静脉识别技术研究进展

随着信息化时代的到来,人们急需安全和便捷的身份识别方式。手背静脉识别是一种新兴的生物识别技术,区别于其他生物识别技术,其特性是利用人的手背血管分布的不同进行身份认证,具有安全性高、非接触等优点,显示出其独特的生物识别优势,进而成为近年来国内外生物识别技术研究的热点。     

基于步态的身份识别技术

基于步态的身份识别是生物识别领域的新兴问题,与传统生物识别技术相比,步态识别技术具有远距离识别性、非侵犯性、难以伪装和隐藏以及易于采集等优点,引起了国内外学者的注意。本文首先介绍了几种传统的生物识别技术,然后重点介绍了基于步态的身份识别技术的理论基础、算法流程、特征提取方法以及面临的机遇与挑战等。     

虹膜识别技术综述

虹膜识别技术是现在最有发展前景的生物特征识别技术,介绍了虹膜识别技术的研究意义和应用状况,并对虹膜识别系统及其技术难点做了详细的描述,最后给出了虹膜识别技术的难点和今后技术的发展前景。     

生物特征识别技术的标准化进程

以指纹识别为代表的生物特征识别技术近年来开始广泛地应用在网络安全、公共安全、金融服务等领域,已成为一个独立的新兴产业。生物特征识别技术的标准化工作在国际上进展非常迅速,新确立的正式或非正式标准在数据格式、应用编程接口(AP I)、系统安全、系统特性描述和系统评估方法等方面对生物特征识别的技术细节进行了全面的规范。该文概述了近年来国内外生物特征识别技术的标准化进程,并全面介绍了已确立或即将确立的各类技术标准,以唤起国内业界对生物特征识别标准及标准化工作的关注。     

指纹识别技术的研究

随着计算机技术的发展：作为身份识别手段的生物识别技术得到了广泛的应用,指纹识别技术作为生物识别技术的一种更是发展迅速。指纹识别技术为身份识别提供了更加可靠的手段。     

一种显微图像处理与识别系统

用DSP技术对显微图像进行处理和分析 ,能有效地协助诊断诸如各种癌和肿瘤等多种病症 .本文介绍了癌细胞显微图像的四种识别方案 ,即形态学识别、模糊模式识别、色度学识别、体视学方法 ,并进行了相关的实验 ,得到了较好的效果 ,为生物三维形态的定量研究提供了方法     

人脸与步态识别技术在人物识别与追踪领域的应用

对人脸和步态识别技术进行回顾与综述,展示其优点与不足.由于单个特征的生物识别系统只能从局部得到有限的性能提升,需要尝试运用多种特征的融合来提高算法的识别性能.通过阐述当前人脸与步态识别融合技术在人物身份识别领域中的研究概况,并对不同方法进行了比较,从而展示融合技术带来的性能提升效果.最后展望了生物特征融合技术在人物身份识别与追踪领域的下一步研究方向.     

步态识别综述

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证。对步态识别所涉及到的运动分割、特征提取、模式识别算法进行了综述,并对步态识别中存在的问题及未来的研究方向进行了讨论。     

全手形特征的生物识别技术综述

全手形特征多模态生物识别是结合指纹、手形和掌纹的全手形特征信息,具有信息更全面可靠的独特优势,能有效地提高生物特征识别的准确率。本文简述了全手形生物特征识别技术的基本原理和一些关键技术,对目前流行的各种单模态和多模态生物特征的优势和不足进行了分析,并对生物特征识别技术中存在的问题和未来的研究方向进行了讨论。     

虹膜门禁系统的设计与实现

随着信息技术的高速发展,传统的门禁系统已逐渐显示出其安全性弱和便捷性差的缺点,生物特征以其高精确性和高稳定性逐渐成为门禁系统采用的热点．针对目前最精确的生物识别方法——虹膜识别,设计并实现了一种基于虹膜的门禁系统,经小规模局域网测试显示,达到了良好的识别效果．     

基于人脸和人耳的多模态生物特征识别

单一模式生物特征识别系统由于存在一些固有的局限性,有时难以满足实际应用的需求,本文提出了基于正面人脸和人耳信息融合的多模态生物特征识别方法.针对USTB人耳图像库和ORL人脸图像库,利用核Fisher鉴别分析方法分别进行了人耳识别、人脸识别和人脸人耳融合识别,融合策略包括图像层融合和特征层融合两种.识别结果表明基于人脸人耳信息融合的多模态识别的识别率优于单体的人耳或人脸识别.这说明融合多种生物特征的多模态识别可以提高身份认证的准确率,也为实现非打扰式识别提供了一种新的途径.     

基于k-近邻分类匹配的虹膜识别技术与应用

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性.虹膜识别系统包括虹膜图像采集、虹膜图像预处理、特征提取、匹配与识别等部分.该文提出一种基于k-近邻分类器虹膜识别方法,该方法先对虹膜图像进行定位、归一化和增强等预处理,利用Gabor滤波实现虹膜纹理特征的提取,再用k-近邻分类器进行匹配,达到了识别的目的.实验结果表明,该方法是可行的.     

一种简单有效的说话人身份认证方法

采用生物的特征识别技术,对说话人识别中说话人确认与说话人辨认的传统方法与分类进行了讨论,对现在使用的各种说话人识别算法进行了综合分析。以LPCC(Linear Prediction coding Coefficient)和MFCC(MEL Frequency Cestrum Coefficient)两种特征参数提取为基础,对GMM(Gaussian MixtureModels),VQ(vector Quantization),DHMM(Discrete Hidden Markov Model),CHMM(Concatenation HiddenMarkov Model)等几种识别方法进行了实现,做到了真正的与文本无关。特别以GMM识别方法的部分实验结果为例进行分析,解决了系统中的阈值设置问题,改进了该方法的决策手段。根据实验数据,在各种方法中,说话人确认的错误拒识率和误识率相对说话人辨认总是较高,本文把说话人辨认的阈值选择方法应用于说话人确认,以多模板匹配方式为辅助,使得说话人确认的错误拒识率和误识率大大降低,并通过实验证明了该种改进方法的有效性。     

联合人脸与指纹的多模态生物特征识别方法综述

由于基于生物特征识别的方式不但简单快速,而且安全可靠,近年来,作为生物特征识别的典型技术,人脸识别与指纹识别被广泛应用.然而,使用单一特征的生物特征识别系统,其正确率和稳定性还有待提高,且容易被作弊手段攻破.因此,侧重于回顾联合人脸与指纹的多模态生物特征识别方法.首先分别回顾了人脸、指纹识别的研究现状;然后对单模态生物特征识别面临的挑战进行了总结;在此基础上,为了解决单模态生物特征识别存在的正确率不够高和稳定性不够强等问题,重点讨论了联合人脸与指纹进行多模态生物特征识别的方法和未来的发展方向.     

步态与人脸融合的身份识别方法

为了保持步态识别的优势,克服单一生物特征识别的不足,提高远距离的身份识别率,提出了一种步态与侧面人脸在特征层上融合识别方法.首先利用二向图像矩阵主成分分析,对步态能量图和侧面人脸图分别进行特征提取与降维处理,得到初始特征矩阵,并将得到的初始特征矩阵进行矢量化、特征组合,获得组合特征向量.然后利用多重判别分析法对组合特征向量进行特征融合,获得步态与人脸的融合特征向量,最后采用最近邻法进行身份识别.利用CASIA Dataset B步态数据库对上述方法进行了验证.结果表明,该方法提高了身份识别的正确率,验证了该方法的有效性,为多生物特征识别提供了一种新的方法.     

Activity Recognition with Smartphone Sensors

The ubiquity of smartphones together with their ever-growing computing,networking,and sensing powers have been changing the landscape of people＇s daily life.Among others,activity recoginition,which takes the raw sensor reading as inputs and predicts a user＇s motion activity,has become an active research area in recent years.It is the core building block in many high-impact applications,ranging from health and fitness monitoring,personal biometric signature,urban computing,assistive technology,and elder-care,to indoor localization and navigation,etc.This paper presents a comprehensive survey of the recent advances in activity recognition with smartphones＇ sensors.We start with the basic concepts such as sensors,activity types,etc.We review the core data mining techniques behind the main stream activity recognition algorithms,analyze their major challenges,and introduce a variety of real applications enabled by activity recognition.