浅谈生物特征识别的身份认证技术

由于人的生物特征具有稳定性和唯一性,目前最安全的身份认证技术是生物特征识别,传统的身份识别手段将被生物特征识别技术所超越和替代.该文从生物特征角度介绍了几种生物特征识别的身份认证技术,由于每一种生物特征识别身份认证技术都有局限性,采用数据融合方法进行身份鉴别,将人的多种生理特征和行为特征结合起来进行身份识别,以提高生物特征识别系统的可靠性和识别的精确率,将是今后发展的必然趋势.     

基于RGB-D图像的手语识别算法研究

手语作为表达信息的一种方式,是聋哑人与外界交流的最主要途径。随着人工智能技术的发展,新型、自然、便捷的人机交互方式已经成为当今各行业交互方式的新趋势。传统手语识别方法普遍存在背景干扰严重、特征提取不完整及识别准确率低的缺点。针对以上问题进行研究,提出基于彩色-深度（RGB-D）图像的手语识别算法。在静态孤立词手语识别的基础上测试,实验对比结果表明,基于RGB-D的方法能得到比传统手语识别算法更好地性能;利用深度信息处理图像,有效地去除了场景中光照、背景的干扰,同时结合肤色信息去除非手形部分;采用概率神经网络（PNN）手语分类器对孤立词的识别准确率超过90%,取得了较高的识别率。     

基于双层特征融合的生物识别

多模态生物识别可以弥补单模态生物识别存在的缺陷,已成为目前生物识别研究的主流趋势.现有的多模态生物识别大都使用传统的机器学习方法,而以深度学习为代表的新一代人工智能方法在该领域的应用研究相对较少.因此,提出了一种端到端、可训练的卷积神经网络(Convolutional Neural Network,CNN)模型用于多模态生物特征识别,并从单模态和多模态两方面研究模型结构和融合方式对识别性能的影响.在单模态识别中,研究不同网络层数和卷积核对识别性能的影响,并利用单模态识别的结果确定多模态识别的网络结构;在多模态识别中,为研究不同阶段特征融合对识别性能的影响,设计了两种不同的CNN结构;基于3种不同的融合方法,探索单层特征融合和双层特征融合机制对识别性能的影响,并通过组合优化给出一种最优的深度模型结构.为了评估本文方法的性能,分别在AR、Yale、Extended YaleB、LFW、PolyU和CASIA V1.0等6个标准数据库上进行验证.试验结果表明,基于CNN的单模态识别方法优于传统机器学习方法,本文提出的方法能够胜任单模态或多模态生物识别任务.     

基于RGB-D多通道特征的行人检测

针对行人检测易受物体遮挡以及光照变化干扰的问题,提出一种融合颜色与深度信息的多通道特征行人检测方法.首先,颜色采用Chn Ftrs方法中的通道,深度在其基础上引入法向量方向通道,并用快速图像特征金字塔来加速颜色和深度的通道特征的计算.其次,通道特征作为级联Ada Boost的候选特征点集输入,分别训练得到颜色和深度分类器,按一定比例权重融合颜色和深度信息进行检测.实验表明,该方法提高了检测精度,对光照变化、物体遮挡具有较好的鲁棒性.     

基于ECC的轻量级射频识别安全认证协议

针对基于椭圆曲线密码体制(ECC)的射频识别安全认证协议无法抵制服务器假冒攻击的的问题,对认证过程进行改进,设置用于实现标签对服务器认证的环节,提出基于ECC的轻量级射频识别安全认证协议.改进后的方案满足抗服务器假冒攻击、抗标签假冒攻击等各项射频识别认证协议的安全特性.计算及通信开销分析表明:该协议在提供更高的安全性的同时能很好地应用于资源受限的射频识别认证.     

生物识别安全技术

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,人们已经发展了手形识别、指纹识别、面部识别、发音识别、虹膜识别、签名识别等多种生物识别技术。指纹识别技术:现在的指纹识别系统采用了电容传感器技术,由电容传感器发出电子信号,这个电子信号将穿过手指的表面和死性皮肤层,最终达到手指皮肤的活体层(真皮层),直接读取指纹图案,从而大大提高了系统的安全性。     

基于面部特征的嵌入式安全认证终端

针对PC 平台体积大、功耗多、成本高和便携性差的问题, 设计了基于面部特征的嵌入式安全认证终端。选用ARM11 开发板作为硬件平台, Linux 操作系统作为软件平台, 并在平台上移植了Qt 图像化界面库和Opencv 计算机视觉库。人脸检测由AdaBoost 算法实现, 人脸识别由PCA(Principal Component Analysis)算法实现。测试结果表明, 该终端能实现人脸识别的功能, 并且识别精度较高, 时间较短, 达到预期目标。     

生物特征识别综述

对生物特征识别技术作了综述.着重介绍了几种主要的个人身份认证的方法,并对各种方法进行了分析和比较.单一模式的生物特征识别系统有其固有的局限性,难以满足实际应用的需求.融合多种生物特征的多模式识别系统可以提高身份认证的准确率、鲁棒性和普适性,是生物特征识别技术的发展方向.     

基于RGB-D的多线性异构信息的动作识别研究

本文提出了一种新的动作识别的方法,该方法是在前人的基础上增加了一个模态特征.为了能更好的提高动作识别的准确率和泛化能力,在前人的RGB特征和深度特征模态的双线性异构信息的动作识别的方法的基础上,增加了一个骨骼特征模态,使三个特征模态经过压缩映射到一个共享学习空间上,同时这样也有利于减少噪声和捕捉有用的识别信息.本文采用和前人一样的方法—矩阵形式来表示三种模态特征以便获得复杂的动作时空信息.用矩阵的行和列参数组成低维的多线性模型,最小化模型维度后建立一个低维分类器实现动作识别.该方法在RGB-D和骨骼两个公共数据集上进行了评估,取得了不错的效果.即使三种模态数据在训练或者测试中部分丢失也能通过其他模态实现识别.     

基于数据融合的多生物特征身份识别

针对传统的单一生物特征身份识别由于传感器的噪音以及特征的破损、匹配等缺陷,往往不能正确识别的情况,提出了一种基于语音和人脸的多生物特征身份识别方法.分别提取语音特征和人脸特征作为识别的依据,并用神经网络在特征层上进行融合识别.实验证明,这种方法可以充分挖掘特征之间的关系,在同等条件下,具有更高的识别率.     

基于RGB-D相机的点线特征融合SLAM算法

针对大场景、弱纹理环境下ORB-SLAM算法特征点采集困难和精度低的问题,提出一种基于RGB-D相机的点线特征融合SLAM算法——PAL-SLAM。在ORB-SLAM算法基础上设计点线特征融合新框架,通过研究点特征与线特征的融合原理来推导点线融合的重投影误差模型,进而得到该模型的雅可比矩阵解析形式,以此为基础提出PAL-SLAM算法的框架。利用TUM数据集对PAL-SLAM和ORB-SLAM算法进行对比实验,结果表明PAL-SLAM算法在室内大场景中的定位精度更高,标准误差仅为ORB-SLAM算法的18.9%。PAL-SLAM算法降低了传统视觉SLAM在大场景、弱纹理环境中的定位误差,有效提升了系统的准确性。文中还搭建了基于Kinect V2的实验平台,实验结果表明,PAL-SLAM算法能与硬件平台较好结合。     

基于生物特征的身份认证技术研究与发展

本文从生物特征的角度重点介绍了几种常见的身份认证技术，并对每种技术做了详细分析。最后，总结了目前生物特征身份认证技术的局限性并提出了今后的发展方向。     

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。     

远程生物认证系统中生物模板安全研究

相比传统的基于口令和智能卡的身份认证系统,基于生物特征的身份认证系统用户使用起来更方便、更舒适、更安全,势必会成为未来主流远程认证方式.但生物特征有限并且涉及用户隐私,通常都会将原始生物信息转换成可撤除的模板用于传输、存储、认证,然而在开放网络环境下,生物模板也存在诸如模板提取安全、传输过程模板安全、模板匹配安全、模板存储安全、模板更新安全问题等等.按模块详细分析生物模板在生物认证系统存在的安全威胁.     

基于指纹识别的生物特征身份认证技术研究与实现

对传统的通过验证持有物而进行身份认证的方式进行了改进,提出了利用人体生物特征进行身份识别的更为安全和有效的方法。研究了利用指纹识别技术实现了身份识别,并且在实验室条件下做出了仿真实验。     

基于混合特征的RGB-D数据初始配准方法

针对彩色物体的配准问题,提出一种面向RGB-D数据的初始配准方法.通过几何和颜色的邻域信息构建混合特征,并根据混合特征在源点云中获取物体的特征点;由归一化后的颜色值和混合特征构造特征描述符,通过该特征描述符搜索对应点;再由分块对齐策略,进一步剔除相似性较小的点对,将剩余特征点进行分块配准,选择最优的刚性变换.为了验证该初始配准方法的有效性,通过精确配准算法进一步细化配准结果.实验结果表明,基于混合特征的RGB-D数据初始配准方法对于两片部分重叠点云配准是有效的.     

基于ORB特征的改进RGB-D视觉里程计算法研究

提出一种基于ORB特征算子的改进RGB-D视觉里程计算法,针对移动机器人在室内环境定位时存在的精度低、系统处理速度慢等不足,首先对视觉里程计中ORB特征提取信息,采用四叉树形式划分,使特征信息提取均匀化;改进误匹配点剔除算法,缩小抽样点总量,有效剔除误匹配,提高机器人的位姿估计精度;最后,提出一种关键帧提取与筛选策略,利用局部地图判别关键帧,加快系统运行速度,减少跟踪丢失。仿真实验表明:改进后的视觉里程计算法鲁棒性更好,定位精度明显提高。     

护卫奥运安全的生物识别技术

雅典奥运会是一届特殊的奥运会。鉴于2001年美国“911”事件,雅典奥运会期间大街小巷有7万名军警、军用机场有“爱国者”导弹,比雷埃夫斯港有巡洋舰、地中海有北约舰队,雅典上空有战斗机和飞艇,体育史上闻所未闻的陆海空立体警戒,让希腊投入奥运会的安保费用一再追加,仅安全保卫一项就动用了15亿美元,它已相当于1996年亚特兰大奥运会安保费用的50倍,相当于悉尼的5倍。     

TH-ID多模生物特征（人脸笔迹签字虹膜）身份识别认证系统

基于生物特征身份认证识别对于反恐斗争和国家安全具有极其重要的作用,成为当今各国竞相发展的领域。在国家自然科学基金项目（60472002）等支持下。本项目研究了人脸、笔迹、签名以及虹膜等四种生物特征的识别和验证,实现了基于认证置信度加权的多模生物特征融合方法,构建了基于统一数据库的多模生物特征融合的认证系统爱。     

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。