多姿多彩的生物识别技术

<正>生物学特征很难在个体之间传递,可以被认为是人类独一无二的标志。生物识别指的是利用可测量的人体生物学或行为学特征来核实个人身份。这些技术包括指纹识别、视网膜和虹膜扫描、手掌几何学、声音识别、面部识别等。对于任何需要确认个人真实身份的场合,生物识别技术都具有巨大的潜在应用市场,以旅     

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。     

身份识别没有最好只有更好

很久以前,我们的祖先采用“签字画押”的方法确定身份。19世纪,人类开始了真正科学意义上的指纹识别,发展到今天已经完全实现了计算机化。因特网普及后,用户名加密码,又成了网络世界最通用的身份识别方式。虹膜、人脸、手形、声音等各种生物特征识别方法更因其具有随身“携带”,不会“遗忘”等特点备受人们青睐。北京大学信息科学技术学院李文新教授瞄准这一契机,对生物特征识别展开了孜孜不倦的探索研究。     

21世纪最具发展前景的生物认证技术

生物识别技术是目前最为方便和安全的识别技术,它不需要记住复杂的密码,也不需要随身携带钥匙、智能卡等.可用于生物识别的特征有手形、指纹、脸形、虹膜、视网膜、脉搏、耳廊等,基于这些特征,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。     

人脸识别技术三大优势

相比于指纹识别等其他识别技术,人脸识别的优势是比较明显的。自然性 所谓的自然性是指该识别方式同人类（包括其它生物）进行个体识别时所利用的生物特征相同．是通过观察比较人脸区分和确认身份;具有自然性的识别还有语音识别和体形识别,而指纹识别和虹膜识别等则不具备自然性。     

一种虹膜内外轮廓检测方法

虹膜识别技术是人体生物识别技术的一种,它作为重要的身份鉴别特征具有唯一性,稳定性,可采集性和非侵犯性等优点.与脸像,声音等身份鉴别方法相比,虹膜具有更高的准确性.而虹膜内外轮廓提取是虹膜识别技术不可缺少的关键步骤.文章介绍了一种有效的虹膜内外轮廓检测方法,使用灰度投影方法估计虹膜内边缘圆心位置;然后采用边缘检测方法得到...     

封面图片说明：人工智能专题

 生物特征识别：通过个体生理特征或行为特征对个体身份进行识别认识的技术,包括指纹识别、人脸识别、虹膜识别、指静脉识别、声纹识别以及步态识别等。     

以指纹特征为基础的网上金融及商务身份认证技术

在电子商务、电子政务和网上银行应用日益广泛的今天,从某种意义上来说.身份认证技术可能比信息加密本身更加重要。身份认证技术是网络安全和信息系统安全的第一道屏障,它是在信息安全时代备受关注的一个研究领域。因为人的指纹、面孔、声音、虹膜、视网膜等都具有唯一性和稳定性的特征,为实现更安全、方便的用户身份认证提供了有利的物理条件。因此以指纹特征为代表的生物识别技术代表着用户身份认证技术的未来,有着广阔的应用前景。如果将指纹识别技术和密码体制有机地结合在一起,可以提供一种更加安全、便捷的用户身份认证技术。     

谈谈生物识别技术

以电子计算机和其他先进科学技术为主要手段发展起来的指纹识别、声纹识别、面部识别、虹膜识别、DNA识别、体味识别等诸多现代生物识别技术,在当今诸多领域都发挥着不可替代的作用,并且有着极其广阔的发展前景。     

基于人脸与步态特征的室外作业场景身份核验方法

在建筑、通信、电力等工程行业中,作业人员需要频繁执行室外作业。由于室外环境复杂,许多运维工作存在来自高压、高空、深坑等因素的高风险。安全事故一旦发生,将造成巨大的人员和财产损失。因此,需要在作业过程中对作业人员进行身份核验,以方便监督。然而,在传统的监督方式中,作业现场的人员管理和行为管控完全依靠人工核查,监控视频也依赖人工看守,无法做到人员身份实时核验以及对非作业人员入场的有效预警。针对室外作业场景中的作业人员身份识别,目前的研究方法大多基于人脸识别。人脸识别方法能够在作业人员脸部信息清晰且完整时准确识别出其身份信息。然而,当存在遮挡,以及受检测距离、检测角度等因素影响时,会造成脸部信息不完全或者模糊,导致采用人脸识别方法难以准确识别出作业人员的身份。步态特征是一种描述行走方式的复杂行为特征,包括脚的触地时间、离地时间和人体高度、双手摆动幅值等。相比人脸识别,步态特征识别有以下优点：第一,步态识别适用的检测距离更远,而人脸特征随着检测距离的增加识别难度明显上升;第二,步态特征识别是非主动识别,现场作业人员几乎随时随地处于行走状态,而人脸识别需要识别对象正对检测装置;第三,步态特征具有较强的特异性,不像人脸特征较易被模仿、修改。不过,单独采用步态特征进行识别,虽然在作业人员运动时可以捕捉体态信息进而较为准确地对其进行身份核验,但是无法对静态的作业人员进行身份核验。[JP]针对此问题,提出了一种多特征融合的身份核验方法,结合步态与人脸等多特征进行识别,不受衣着、环境等外在因素的干扰,可以有效提高身份核验的准确率。提出的融合人脸特征和步态特征的多特征身份核验方法包括身份注册阶段、训练阶段与测试验证阶段。身份注册阶段,人工标注人脸与步态信息,并录入人员信息库;训练阶段,首先利用相关网络提取视频中图像序列的步态轮廓图与人脸区域,然后利用深度学习网络模型提取相关特征,构建融合的特征向量与身份ID间的关系;测试阶段,首先判断图像中有无清晰人脸,如果有则使用多特征融合识别方法,否则仅通过步态特征进行特征匹配进而完成身份核验。结果表明,多特征融合方法在中科院自动化所的CASIA-A数据集上的分类准确率达到99.17%,数据集包含的3个视角下的分类准确率分别为98.75%,100%和98.75%。因此,所提方法可以有效提高单人场景中的身份识别准确率,是在室外作业场景中进行身份核验的一种有效方法。     

基于确认模式的多通道生物认证研究

单通道生物识别技术一直存在着很多问题,它们在准确率、用户接受程度、成本等方面都有不同的缺点,而采用多通道生物认证可以提高生物认证系统的识别性能,并且适应于各自的应用场合。本文介绍了多通道生物认证技术,在单通道生物认证系统模型的基础上,给出了多通道生物认证系统模型。最后基于人脸和语音特征的多通道生物认证系统进行相关实验,实验证明多通道生物认证大大改进了以往单通道认证在识别性能和用户接受程度等方面存在的不足,提高了生物认证系统的健壮性和实用性。     

基于空间曲线弹性匹配的在线手写签名鉴别

论述了将手写签名笔划轨迹视为空间曲线,并采用点－点加权弹性匹配对其进行鉴别的方法．该方法强调签名在形状和签名压力的动态特征上都具有相似性．算法中权重系数根据签名样本的稳定度来确定,加权的匹配算法考虑了局部相似性不同的特点,有利于认证指标的改善．     

一种基于特征级融合的多模态生物特征识别方法

生物特征识别是信息技术领域的研究热点,其中多模态生物识别技术凭借更好的适用性、更高的安全性及更优的性能成为发展趋势。提出了一种融合虹膜特征和掌纹特征的多模态生物特征识别方法,该方法分别提取虹膜及掌纹特征,融合时不同于传统的匹配级融合,而是从特征级融合入手,采用并行特征融合策略,将两特征向量以复向量的形式进行融合,构成复向量空间,并利用酉距离进行匹配决策。实验结果表明此方法比单模生物特征方法在识别性能上有了明显改善,同时与传统匹配级融合策略相比,更有优势,识别效果更好。     

基于Radon变换的多尺度虹膜识别算法

针对现有虹膜识别算法需要处理二维纹理信息,特征提取时间长,对噪声干扰比较敏感等问题,提出了基于Radon变换的多尺度虹膜识别算法.首先利用Radon变换将二维虹膜纹理信息转换为一维纹理信号,然后使用小波变换多尺度能量算子提取虹膜的特征信息,最后利用相异度函数进行匹配判别.实验结果表明,算法具有运算简单,快速等优点,同时算法能够较好地克服图像平移、缩放、旋转等几何攻击对识别带来的不利影响,具有较强的抗干扰能力和较高的识别率.     

虹膜识别安全管理系统的应用

随着人们对社会安全要求的增加,基于生物特征识别的智能身份鉴别方法逐渐受到广泛的关注.由于虹膜识别具有高可靠性和非侵犯性,它正成为生物特征识别领域中的一个研究热点.看守所关押人员安全监控正从安全性较低的口令、门禁卡等传统方式向安全性更高的生物特征识别认证技术发展.虹膜识别以其超群的安全性、可靠性成为新型看守所关押人员安全管理认证系统的首选.     

一种适于虹膜识别的特征提取算法

为克服现有基于线性变换特征提取方法中基向量非动态和参数需指定的缺陷,分析了虹膜的几何特征和识别原理,提出用独立成分分析ICA（Independent Component Analysis）方法进行虹膜特征提取,最大限度地去了除虹膜特征空间的冗余,克服了传统线性变换特征基向量非动态的缺陷;用BP（Back Propagation）神经网络进行虹膜分类,实现特征的降维和有效表示,并在自主研制的JLU-IRIS虹膜图像库中进行小样本空间实验。结果通过三种不同的识别率100%,96.5%和92.5%,表明了该算法的正确性和有效性。     

指纹与指静脉的特征层动态加权融合识别

结合指纹与指静脉两种生物特征的优点进行多模态特征识别,提出一种特征层动态加权融合匹配算法。在图像预处理的基础上分别提取两模式源的有效特征矢量,根据近邻消除和特殊区域保留原则对特征矢量进行降维;从待识别特征角度对特征点集的相对质量进行评价,根据对双模态特征优和差的分类引入动态加权策略,提高质量较好特征所占权重,削弱低质量及伪特征对识别结果的影响,实现了特征层特征自适应优化融合。在FVC2000公开指纹库和指静脉自建数据库上的测试取得了98.9%的识别率,较指纹、指静脉单模态识别分别提高了6.6%和9.6%,较匹配层加权平均融合识别提高了5.4%。     

用于手写签名识别的演化超网络

手写签名作为易被大众所接受的生物特征身份认证方式,已成为模式识别领域一个重要研究热点.针对现有手写签名存在易模仿难鉴定的问题,提出一种结合演化超网络模型的手写签名认证方法.为了平滑噪声,构造出可读性强的笔迹特征集,采用向量化和平滑采集点的方法对手写签名样本进行预处理,从而提取出位置和方向特征属性,采用演化超网络模型对签名进行学习和鉴定.为验证该方法的有效性,对20个签名用户分别采集了40个真实签名和20个伪造签名数据进行实验.实验结果表明,该方法对用户签名的误拒率(false rejection rate,FRR)为4.75％,误纳率(false acceptance rate,FAR)为3.75％,识别率(verification accuracy,VA)为95.75％.同时和其他传统的识别算法相比,具有更高的识别率.     

基于DTW改进算法的在线签名鉴别方法

 在线手写签名认证是一种基于生物特征的身份认证技术,识别正确率和防伪性能是签名识别的研究重点,识别响应速度也是决定系统实用化的关键。为了提高签名认证效率,提出了一种改进的在线签名鉴别算法。改进了传统的动态时间弯折算法结构,对最佳匹配路径的动态规划方法进行改进并将其应用于在线签名鉴别系统。讨论了实际应用中训练样本不足、字体随时间变化等因素带来的系统识别率下降的解决方法。避免了动态特征点提取、时序段匹配等方法由于书写环境和人物即时的生理特性所带来的问题,同时针对签名的稳定性提出了加权距离计算公式,保证高识别率的同时降低了误拒率。在模板较多时对匹配距离进行限制,节约了系统运算量,提高了模板匹配速率。随着待识别模板数目的增多,该算法效率优势更加明显。