（信号与信息处理专业论文）掌纹识别系统的研究.pdf

中文摘要 中文摘要 摘要：生物特征识别技术( b i o m e t r i c s ) 是指通过计算机利用人体所固有的生 理特征或行为特征来进行个人的身份鉴别。它被认为是当今高度互联的信息化社 会的最高级别的安全密钥系统。近年来正以其独特的优势引起了国际学术界、企 业界、政府以及国防、军事部门的高度重视。掌纹识别是指通过人体手掌的有效 信息来识别个人的身份人的掌纹具有唯一性，根据这一特点，掌纹可以被用作 人体的身份识别。本文对掌纹识别系统的关键技术与核心算法进行了深入广泛的 研究，先后开发出了两套高效的掌纹采集设备，基于这两套设备，分别构建了“北 京交通大学信息所掌纹图像数据库v 1 0 ”及“北京交通大学信息所掌纹图像数据 库v 1 1 ”这两套掌纹库分别包含个个体的双手掌纹图像，共计8 0 x 2 x 1 0 = - 1 6 0 0 幅本文提出了性能优良的掌纹图像预处理算法，使用该算法对采集到的掌纹图 像进行定位，正确率达到了9 8 8 在正确定位的基础上，本文使用二维主元素分 析法( 2 d p c a ) 和二维线性判别式分析法( 2 d l d a ) 进行掌纹特征的提取与掌纹 识别，分别取得了9 9 0 0 和9 9 1 7 的正确率。最后，本文在“北京交通大学信 息所掌纹识别系统v 1 0 ”的基础上进一步改进，构建了“北京交通大学信息所掌 纹识别系统v 1 1 ”。该系统可以完成掌纹的采集、注册以及识别等功能。 关键词：生物特征识别；掌纹图像采集；掌纹图像数据库；掌纹图像预处理；二 维主元素分析法；二维线性判别式分析法；掌纹识别；掌纹识别系统 分类号lt p 3 9 1 4 a b s t r a c t ：c o m p u t e r - a i d e dp m o 皿lr e c o g n i t i o ni sb e c o m i n gi n c r e a s i n g l yi m p o r t a n t i no u ri n f o r m a t i o ns o c i e t y h u m a np a i m p r i n tr e c o g n i t i o nh a sb e c o m ea na c t i v ea 托ao f 既沁砌o v c i t h el a s td e c a d e i nt h i s p a p e r , am e t h o do fc a p t u r i n gp a l m p r i n ti m a g e w i t h o u ta n yl i m i t a t i o ni sp r o p o s e d , a n dap a l m p r i n td a t a b a s eh a sb e e nb u i l tu s i n gt h i s m e t h o d t h i sp a i m p r i n td a t a b a s ec o u l db ew a i l d n gs e ta n dt e s t i n gs e to fp a l m p r i n t r e c o g n i t i o na l g o r i t h m , a n da l s oc o u l db eab a s eo ft h ea d v a n c e m e n to fr e s e a r c ha n d d e v e l o p m e n to fp a l m p r i n tr e c o g n i t i o n b a s e do nt h i sd a t a b a s c j tw eh a v ed o n es o m e p r e p r o c e s s i n gt ot h ep a l m p r i n ti m a g e s a f t e rt r a n s l a t i n gt h eo r i g i n a li m a g ei n t ob i n a r y i m a g e , w ef i n dt w ok e yp o s i t i o n i n gp o i n t si nt h ep a i m p r i n ti m a g eu s i n ga u t o m a t i c d e t e c t i n gm e t h o d t h ep a l m p r i n ti m a g ei sr o t a t e da c c o r d i n gt ot h et w ok e yp o s i t i o n i n g p o i n t s t h e n , as u b - i m a g eo ft h er o t a t e dp a l m p r i n ti m a g ei sa 【仃a c t c df o rf u r t h e r a b s t r a c t i n go fp a l m p r i n tf e a t u r e s p r i n c i p a lc o m p o n e n ta n a l y s i s ( p c a ) a n dl i n e a r d i s c r i m i n a n ta n a l y s i s ( l d a ) a r ew i d e l yu s e di nt h ef i e l do fp a l m p r i n tr e c o g n i t i o n h o w e v e r t h ec o n v e n t i o n a lp c aa n dl d aa r eb o t hb a s e do nv e c t o r s i tm e a n st h a tt h e t w o d i m e n s i o n a l ( 2 d ) p a i m p r i n ti m a g e m a t r i c e sm u s tb et r a n s f o r m e di n t o o n e d i m e n s i o n a l ( 1 d ) i m a g ev e c t o r sp r e v i o u s l y t h er e s u l t i n gi m a g ev e c t o r so f p a l m p r i n tu s u a l l yl e a d t oah i g hd i m e n s i o n a li m a g ev e c t o rs p a c e ht h i s p a p e r , t w o - d i m e n s i o n a lp c aa n di d aa r eu s e di np a l m p r i n tr e c o g n i t i o n u n l i k ec o n v e n t i o n a l p c aa n did at h a tt r e a ti m a g ea sv e c t o r s ，t h e2 dm e t h o d sv i e wa ni m a g ea sam a t r i x d i r e c t l y t h ee x p e r i m e n t a lr e s u l t so n o u rp a l m p r i n td a t a b a s es h o wt h a tt w o - d i m e n s i n n a l p c aa n dl d ac a no b t a i no v e r9 9 r e c o g n i t i o nr a t ei np a l m p r i n tr e c o g n i t i o n , w h i l e u s i n gl e s st i m ea n dm e m o r y t h e ya r em o r ee f f e c t i v et h a nc o n v e n t i o n a lp c aa n dl d a i nt e r m so fa c c u r a c ya n de f f i c i e n c y b e s i d e s ，”b e i j i n gj i a o t o n gu n i v e r s i t yi i sp a l m p r i n t r e c o g n i t i o ns y s t e mv 1 1 ”w a sb u i l t k e y w o r d s ：b i o m e t r i c s ；p a l m p r i n ti m a g ec a p t u r e ；p a l m p r i n ti m a g ed a t a b a s e ； p a l m p r i n ti m a g ep r e p r o c e s s ；2 d p c a ；2 d l d a ；p a l m p r i n tr e c o g n i t i o n ；p a l m p r i n t r e c o g n i t i o ns y s t e m c l a s s n o ：t p 3 9 1 4 致谢 本论文褥剿国家自然科学基金委员会项目( 6 0 4 7 2 0 3 3 ) ，嗣家教育部博士点熬 禽，以及国家科学技术委员会9 7 3 项目“数学机械化方法及其在信息技术中的戚 用”( 2 0 0 4 c b 3 1 8 0 0 5 ) 静支持，并在我盼导师歇放琏教授豹悉心指零下完j 浚。 攻读硕士学位期间，玩狱琦教授严谨的治学态度和科学的工作方法给了我极 大豹影瞎。甄爨矮对我懿辩磺工绍纛论文提窭彳诲多塞奏豹懑燹，健我熊够鞭秘 完成课题的研究。在难活上，阮老师也给予了我无微不至的关怀在此，向阮秋 琦教授表示衷心的感谢。 在研究生阶段的学习和科研过程中，摩晓芳老师、倪蓉蓉老师从各个方嚣都 绘予了我很大的帮助，为科研工作的展开提供了最大的便利。同课题组的派艳霞、 了冰玉毅学对我硪究熬谦愍提邀7 攫多珍爨兹建议，使我少走了缀多弯黪。在辩 研过程中遇到很多问题，金一，孙鬟玉，江立等同学都给予了很多凭私的帮助。 煮蘧，两瞧黧袭达我瓣感激之情。 最藤，感谢我的父母和亲人，他们的支持和鼓励给了我极大的动力，使我能 够顺利完成自融的学渡。 序 序 在日常生活中，身份鉴别活动广泛存在比如，上下班考勤需要刷卡来记录 工作时间；在银行存取资金时需要使用身份证或密码来表明自己的身份；在计算 机上登录系统需要输入用户名和密码来获得系统使用权等。这些都是传统意义上 的身份鉴别方式，已经被广泛采用传统的身份鉴别主要是基于持有物和口令两 种方式，但是持有物容易丢失或被伪造，而口令又易于被忘记与之相比，生物 特征是人与生俱来、随身携带的，不存在丢失和遗忘的可能。因此，生物特征识 别具有传统的身份鉴别方式所无法比拟的安全性和可靠性。 在基于生物特征的身份鉴别技术中，指纹识别是最为成熟的，使用也最为广 泛。然而，由于目前的指纹识别技术主要是基于指纹细节特征，这就使得指纹的 自动验证系统局限于指纹质量较好的群体手形识别是所有的生物特征识别技术 中速度最快的，但其正确率却低于一般商业需要而且手形易于仿造，唯一性也 没有得到充分的证明可见，选择一种既能像指纹和手形那样方便采样，又能克 服上述弱点的生物特征用来进行身份验证是极有意义的，掌纹恰恰符合这种要求 本文首先介绍了各种生物特征识别技术及其研究现状，并总结了生物特征识 别技术存在的问题及发展方向接着对掌纹识别技术所涉及到的关键技术进行了 描述。在此基础上，提出了一套掌纹识别系统所涉及到的技术的解决方案。基于 该方案，本文成功构建了。北京交通大学信息所掌纹识别系统v 1 1 ”，该系统可以 完成掌纹的采集，注册，识别等功能。 本课题来源于国家9 7 3 项目“数学机械化方法及其在信息技术中的应用”，课 题名称为“数学机械化在生物特征识别中的应用”，课题编号2 0 0 4 c b 3 1 8 5 。 引言 1 引言 本文旨在研究掌纹识别系统所涉及到的关键问题，包括掌纹采集方法的研究， 掌纹图像数据库的建立，掌纹图像的预处理，掌纹特征的提取与匹配，以及掌纹 识别系统的设计与实现。由于已有的掌纹采集方法在采集速度，采集精度以及成 本等方面不尽如人意，本文提出了一种基于扫描仪的掌纹采集方案。较好的改进 了以往的掌纹采集技术的不足基于该采集方案，构建了“北京交通大学信息所 掌纹图像数据库v 1 1 ”，该掌纹库为识别算法的研究以及算法识别率高低的比较提 供了一个标准的数据平台，也成为生物特征识别算法训练集和测试集的来源。此 外，本文提出了一种掌纹图像预处理方法，使用该方法，可以较准确地提取出掌 纹子图以便进行后续处理对预处理后的掌纹图像使用基于二维图像矩阵的方法 进行掌纹特征的提取与识别，取得了较高的正确率。最后，构建了。北京交通大 学信息所掌纹识别系统v 1 1 ”，该系统可以完成掌纹的采集，用户的注册，以及掌 纹的识别等功能。 生物特征识别技术综述 2 生物特征识别技术综述 现代社会的迅速发展，特别是互联网及电子商务等的飞速发展，迫切需要一 种安全有效的身份鉴别技术【l l 。个人身份鉴别的依据一般可分为三大类闭： ( 1 ) 特征物品，如：身份证、信用卡、印章、驾驶执照等； ( 2 ) 特定知识，如：密码、口令、暗号等； ( 3 ) 人体参数特征及生物统计特征，包括生理特征( 人脸、指纹、掌纹、手形、 视网膜、虹膜、声音等) 和行为特征( 声音、签名、步态等) 随着信息技术的飞速发展，传统的身份鉴别方式逐渐显现出一定的局限和弊 端1 3 j 。生物统计特征与其它两种凭据相比具有唯一性、稳定性、不易丢失、不可替 代、不易忘记等优点。因此，基于生物统计特征的身份自动鉴别技术被认为是一 种最可靠、最有前途的身份鉴别技术，可广泛应用于公安系统犯罪嫌疑人的身份 识别、信用卡身份鉴别、公司员工身份鉴别、出入控制、遗传性研究、安全系统 控制、人类学、医学研究等方面，在当今社会生活领域和各种政治经济活动中具 有广阔的应用前景并将发挥越来越重要的作用f 】。 2 1 生物特征识别技术概述 在日常生活中，身份鉴别活动广泛存在。比如，上下班考勤需要刷卡来纪律 工作时间；在银行存取资金时需要使用身份证或密码来表明自己的身份；在计算 机上登录系统需要输入用户名和密码来获得系统使用权等这些都是传统意义上 的身份鉴别方式，已经被广泛采用。传统的身份鉴别主要是基于持有物和口令两 种方式，但是持有物容易丢失或被伪造，而口令又易于被忘记。与之相比，生物 特征是人与生俱来、随身携带的，不存在丢失和遗忘的可能。因此，生物特征识 别具有传统的身份鉴别方式所无法比拟的安全性和可靠性。 所谓的生物特征识别( b i o m e t r i c s ) ，是指通过计算机利用人体所固有的生理特 征或行为特征来进行个人的身份鉴别【5 】。它被认为是当今高度互联的信息化社会的 最高级别的安全密钥系统。近年来正以其独特的优势引起了国际学术界、企业界、 政府以及国防、军事部门的高度重视。 人的任何生理或行为特征只要满足下面的条件，原则上就可以作为生物特征 用于身份鉴别1 3 l ： ( 1 ) 普遍性，每个人都具有； ( 2 ) 唯一性，任何两个人都不一样； 3 j e 京交通大掌磺士学位论文 ( 3 ) 稳定性，这秘特征黛少在一段孵瓣内是不变黪； 固可采集链，可敬定纛测量。 然而，并不是满足上述条件的所有嫩物特征都可以用于身份鉴别。实际应用 中，还必须考虑以下因素嘲： 8 掺 蘩系绫戆残本； ( 2 ) 被测试者的可接受程度； ( 3 ) 正确识别率； ( 4 ) 识剔速度； ( 5 豫麓设铸的标准纯稔凄。 利用生物特征进行身份鉴别可分为两类：识别( i d e n t i f i c a t i o n ) 和认诞 ( v e r i f i c a t i o n ) 。识别指的怒确定一个人的身份，也就怒网答“他怒谯? ”这个阙 嚣，逶遘将甏：琵采集静生物特征与数撂蓐孛戆模扳逐一送行登对，麸瑟我囊一令 磁匹配的模扳，这是“一对多”的比对邋程。认证是指验证用户魑甭为他所声名 的身份，也就怒回答“他是他所声名的这个人吗? ”遮个问题，通过把现场采集 豹燕匏特征与髑声所声名戆数据痒中静一个模扳进镎戆愆慰，来确认翅户静身傍， 这是。一对一”的眈对过稔。 典型的生物特征识别系统如图2 - 1 所示，逻辑上包括两个模块；涟册模块和识 别( 认证) 模块。在注册模块中，首先爨记用户的姓农和其它个人信息，通过生 貉特征传惑器，获致矮产瓣釜谚特征信想，纛强特薤撬毂攀元鬟载特征，形戎掰 户模板，存储程数据库中。在识别( 认诞) 模块中，与注册相同，先获生物特褫 信息，利用特征提取单元提取特征，再嗣数据库中的模板进行匹配判断，从而确 定 验证) 弱产戆：舞傍。无论系统使震疆一耱生甥特髹，其工作原毽罄大致稳弱。 敬册s 识别，认证： 圈2 - 1 生物特征识别，认证系统蒸本结构 f i g u r e 2 - 1s k e t c h m a p o f b i o m e t r i c s r e c o g n i t i o n v e r i f i c a t i o ns y s t e m 2 2 主要的生物特征识别技术 毒 生物特征识别技术综述 目前人们研究和使用的生物特征识别技术可分为两类，一类是基于生理特征 的识别，主要包括指纹识别、掌纹识别、手形识别、人脸识别、虹膜识别、视网 膜识别等；另一类是基于行为特征的识别，主要包括声音识别、签名识别等 2 2 1 指纹识别 图2 - 2 指纹图像 f i g u r e2 - 2f m g e q 目d n ti m a g e 指纹识别是最古老的生物特征识别技术。早在十九世纪初，科学研究就发现 指纹具有两个重要特征【7 l ：( 1 ) 不变性：一个人的指纹终生不变。( 2 ) 唯一性：两个 人指纹相同的概率极小，即可以认为世界上任意两个人的指纹都是不同的。这一 发现为指纹识别的应用奠定了基础。六十年代，计算机开始用来处理指纹信息。 七十年代，美国、日本等发达国家开始研究自动指纹识别系统( a f i s ) 。在我国， 清华大学和北京大学也已成功研制出了实用产品，在公安等领域得到了应用。 指纹指的是手指尖表面的纹路，如图2 - 2 所示。其中突起的纹线成为脊，脊之 间的部分称为谷指纹的纹路并不是连续、平滑流畅的，而是经常出现中断、分 叉或转折，这些断点、分叉点和转折点，成为细节( m i n u t i a e ) ，就是这些细节提 供了指纹唯一性的识别信息。通常采用的细节点是由美国f b i 组织提出的二向分 叉点和末梢点。其它复杂的细节点结构均可由这两种基本结构组合而成。一枚质 量较好的指纹图像中通常包含5 0 - 1 0 0 个细节点嗍。 指纹的识别方法主要包括三部分：特征提取，指纹分类，匹配决剩们。 ( 1 ) 特征提取：目的是从输入的指纹图像中提取出真正的细节特征而去除那些 由噪声或污染等因素造成的伪细节特征。如何从质量不高的指纹图像中提取出可 靠而有效的特征用于识别是指纹特征提取面临的挑战。典型的指纹特征提取步骤 包括i 1 0 1 ：局部纹线方向估计，指纹图像分割，脊线提取及细化，细节抽取以及后 处理( 去除伪细节点) 。 5 北京交通大学磺士学位论文 耸指纹分类：在指纹识剐系统申，隽7 减少搜索黠睡和诗算瓣复杂性，碍l ：乏 先将指纹分类，然后只须岛圈类的指纹遴行对魄。这样可以大大璁提高识掰的效 率指纹分类怒根据指纹的众局模态来进行的，即整个脊线特征和方向信息，通 常分为【1 1 l ：拱溅( a r c h ) 、帐溅( t e n t e da r c h ) 、环型( 1 0 0 p ) 、旋涡粼( w h o r l ) 。常 惩戆分类算法寄：基手毒舅赢等标志售慧f | 2 1 ，耱经爨终方法旧，鸯法模式识嬲努 澍埘。 ( 3 ) 指纹瓯配：比对不同指纹图像的特征来判断它们是否来自同一个手指。生 黉鹣匹配方法麓：1 ) 基予串豹延琵；2 ) - 基m fh o u g h 交换豹珏醛1 5 l ；3 蒺手菝羚缝梅 储息豹指纹特鬣匹配坷；4 ) 弹性模型匹配箨法硅7 l ；5 滏予多种特征和分类器融合的 腻配算法。 2 2 。2 掌绞谖别 图2 - 3 攀纹图像 f i g u r e2 - 3p a h n p r i n ti m a g e 掌纹识刹题利用手腕和手指之翔的筝掌内侧纹蠼进行身份鉴剁的生物特征识 别技术。归纳超来掌纹具脊如下特征【1 研；( 1 ) 具有唯一性和终生基本不变性，艇 不容易被伪造；( 2 ) 利用基准点帮中心慰掌纹进露定义具有旋转不变性稻唯一饿# ( 3 ) 与指纹稳院，掌纹静酝竣较大，包禽豹信患量爨多，容舞获褥质量较好豹攀 纹块来提取细节特征。即使在掌纹区域不完整或低分辨率和低质量的掌纹图像上 仍可以提取出可供身份鉴别的特征；( 4 ) 在获取掌纹细节点特征的间时，也容易 获霉手掌戆足舞特莛。忿终，矮户对掌绞谖裂懿接受疆瘦遣雯寒。遮些骛薤使德 攀纹识别成为种很有发展潜力的生物特征识别方法。 6 生物特征识别技术综述 掌纹是由主线、皱纹线和脊线共同构成的。手掌上最为明显的3 - 5 条掌纹线， 称为主线。在掌纹识别中，可利用的信息包括【1 9 1 ： 几何( g e o m e t r y ) 特征：包括手掌的长度、宽度、面积等与手掌形状有关的几 何参数： 主线( p r i n c i p a ll i n e s ) 特征：指主线的形状和空间位置信息，它是体现掌纹稳 定性和唯一性的最重要特征； 皱纹线( w r i n k l e s ) 特征：掌纹中很多比主线细、不规则的直线或曲线，它们 可提供更详细的掌纹特征； 三角点( d e l t a p o i n t s ) 特征：掌纹中很多三角形区域的中心点，这些三角点通 常位于手指的根部： 细节( m i n u t i a e ) 特征：脊线是覆盖在手掌表面的类似于指纹的细小、规则的 纹路，可以利用类似提取指纹细节特征的方法来提取掌纹的细节特征。 通常，几何特征、主线特征和皱纹线特征可以由低分辨率、有噪声的图像得 到，三角点可以在方向图像上定位，并能够在有噪声的高分辨率图像中得到，而 细节特征只能在无噪声的高分辨率的图像上获得 目前的掌纹识别方法按照所提取的特征类型可以分为四类：( 1 ) 提取掌纹的 线特征进行匹配识别【1 9 1 1 2 0 1 1 2 1 l ；( 2 ) 提取掌纹的点特征进行匹配识别1 2 2 1 ；( 3 ) 计算 掌纹图像的纹理特征进行匹配识别l l 2 4 1 z s l ；( 4 ) 通过提取掌纹图像的代数特征实 现掌纹的匹配识别【2 6 l 。 基于线特征的掌纹匹配算法，首先提取出掌纹图像的主线或皱纹线，然后计 算两幅图像对应特征线参数之间的距离进行判别决策。基于点特征的掌纹匹配算 法，首先提取出一些显著的掌纹线上的特征点，然后对两个点集进行几何对准从 而实现两个特征点集的匹配。目前这两种方法，由于计算速度较慢，还不能用于 较大数据库的识别，只能工作于认证模式。基于纹理特征的掌纹识别算法，是通 过计算不同掌纹图像的纹理参数之间的相似度来进行匹配识别。提取掌纹图像的 代数特征进行识别是通过k - l 变换等实现掌纹的自动识别。 手掌上的特征极为丰富。其中，几何特征比较容易被仿造；三角点和细节点 特征只能在高分辨率的图像中提取出来；主线和皱纹线可以从较低分辨率的图像 中被提取出来，并且很稳定，是掌纹识别用到的重要特征之一下面简单回顾近 些年来掌纹识别的发展历史吲。 1 9 9 8 年，f u n a d a 【2 s 提出一种从墨迹掌纹图像中提取乳突纹的方法。因为墨迹 掌纹图像分辨率较高，所以这种方法不适合低分辨率图像，也不能满足联机识别 的要求。 1 9 9 8 年，z h a n g 和s h u 【冽利用掌纹的线特征实现了脱机掌纹识别。他们用1 2 7 北京交通大学硕士学位论文 个模版( t e m p l a t e s ) 来提取线特征，并用若干直线段近似表示提取出每一条线， 最后用直线段匹配的方法来进行掌纹认证。虽然用直线段来近似表示不规则的掌 纹线可以简化对掌纹线的描述，但这样做会丢掉很多掌纹纹线的细节信息。 2 0 0 0 年，黎明【司等用三条掌纹主线( 生命线、智慧线和感情线) 进行身份识 别这种方法只能对小规模的掌纹数据库有效，当掌纹数据库较大时，不同的手 掌可能具有相似的主线信息，该方法不能对其进行有效的分类。 2 0 0 0 年，u 刚用方向模板的方法定义并提取一个四维的全局纹理变量( g l o b a l t e x t u r ee n e r g y , g t e ) 特征。这种全局特征易于计算，能够较好的消除噪声的影响， 对手掌的平移也具有较好的鲁棒性。但这个四维特征只能反映掌纹的全局信息， 不能反映掌纹的局部信息，因而其对掌纹的区分能力较弱。 2 0 0 1 年s h u 加】等和2 0 0 2 年张泽【3 1 j 等提出用手掌上乳突纹的方向特性来进行掌 纹分类。乳突纹的方向特性只能在高质量、高分辨率的掌纹图像中才能较准确的 计算出来，因此这种分类方法并不适合低分辨率的联机掌纹图像。 2 0 0 2 年，i “l 用傅立叶变换( f o u r i e r t r a n s f o r m ) 的方法将掌纹图像从空域变 换到频域，然后在频域中提取能反映空域中掌纹线强度的r 特征和反映掌纹纹线 方向的0 特征，并用这两种特征实现了联机掌纹验证。这两种特征在一定程度上描 述了掌纹纹线的强弱和方向信息，但不能描述掌纹纹线在手掌上的相对空间位置。 2 0 0 2 年，y o u l 3 2 1 检测出掌纹上的“感兴趣点”( i n t e r e s t i n g p o i n t s ) 并将其用于身 份验证。同样，这种“感兴趣点”只能在高质量、高分辨率的图像中才能提取出来， 不能满足联机掌纹识别的要求。 2 0 0 2 年，a j a i n 2 2 用掌纹纹线上的若干特征点来实现脱机掌纹验证。他们首 先将脱机掌纹图像二值化，然后对这个二值图像进行重采样，每幅掌纹图像采集 3 0 0 到4 0 0 个点，然后用这些点的位置和方向作为特征来进行掌纹验证。此方法的 特征存储量需求较大。 2 0 0 2 年，w u 3 3 用小波的方法对掌纹图像进行特征提取，利用小波变换为掌纹 图像定义了一种多分辨率纹理特征。该方法将小波分解的细节图像分块后计算出 特征，反映了掌纹纹理能量在不同位置、不同方向、不同分辨率下的分布情况， 有一定的抗平移和旋转能力。 2 0 0 2 年，w u l ：”l 提出了一种掌纹线特征的提取与匹配方法。该方法用一组方向 检测器来检测掌纹线，用链码的方法来存储掌纹线，通过对掌纹线上点的匹配来 实现掌纹的匹配。但是这种方法没有考虑到掌纹线的宽度信息。 2 0 0 3 年，h a n l 3 5 l 用s o b e l 算子和形态学( m o r p h n o l o g y ) 的方法、k u m a r 3 6 1 用方向 模板的方法提取用特征矢量表示的“类线特征 ( 1 i n e 1 i k ef e a t u r e ) 。他们先对掌纹图像 进行处理，使得掌纹线得到增强，然后将处理后的图像分成若干块，用每一块的 8 生物特征识别技术综述 灰度均值湖或者标准差p 町来形成特征矢量 2 0 0 3 年，h 和z h 姐d 吲等提出基于k - l 变换的特征手( e i g e n p a l m s ) 方法来提 取掌纹特征。 2 0 0 3 年，w u 和z h a n g 蚓等提出了基于f i s h e r 线性判别( f i s h e rl i n e a r d i s c r i m i n a n t ) 的掌纹特征提取和分类方法。 2 0 0 3 年，z h a n g 和k o n g 3 9 i 4 0 l 4 1 】提出了基于二维g a b o r 滤波器的掌纹纹理特征 提取方法。该方法先用二维g a b o r 滤波器对掌纹图像进行滤波，然后用滤波后的 相位信息形成二值掌纹特征码，最后用海明距离来衡量不同掌纹特征码之间的相 似程度。这种特征具有很强的区分能力，世界上第一套掌纹识别系统就是基于这 种方法的。但在某些情况下( 比如手脏) ，掌纹的纹理特性会发生大的改变，从而 影响了这种方法的识别精度 2 2 3 手形识别 图2 - 4 手形图像 f i g u r e2 - 4h a n d s l m p ei m a g e 早在七十年代，手形认证就用于访问控制系统中。八十年代，手形认证产品 开始出现。目前仅有的商用产品为美国r e c o g n i t i o ns y s t e mi n c ( r s i ) 生产的 h a n d r e a d e r s 系列产品。据r e c o g n i t i o ns y s t e mi n c 公司统计，截至到2 0 0 2 年中期 为止，全世界已有7 0 , 0 0 0 个部门或单位安装了手形认证产品，主要应用在访问控 制、工作考勤和身份认证等三个方面。1 9 9 6 年的亚特兰大奥运会上再奥运村成功 地使用了手形识别系统，接受了6 5 ，0 0 0 人的注册，进行了1 , 0 0 0 , 0 0 0 多次的出入控 制认证。据全球著名的市场调研和咨询公司f r o s t s u l l i v a n2 0 0 2 年9 月发布的市 场报告显示，r s i 的手形认证系统在访问控制和计时考勤应用中的市场占有率为 9 l 索交逶文学硬士学盟论文 整个生物谈鄹技爿乏市场的4 6 孵啊。 粤其它的生物特征攘比，等形认诞具考以下特点： ( 1 ) 用户的接驻程度高，筝形数搬不涉及隐私问题，而且用户不存在身体伤害 等方嚣豹心理矮瘩； ( 2 ) 测撬容易实现，对图像获取设备的要求不像虹膜、视网膜那样黼，也不像 指纹强像对采集环境戳及指纹本身鹃簧求较高，丽且鼙像受礤声影稿，j 、； ( 3 ) 图像处理相对简单，一般不需要对细节特镊进行处理，模扳的存储量小( 最 少的只需要9 个字节) ； 吣缀察易和其它生物特缓( 如攒纹，掌纹) 樱结合，实瑗多模态识嬲，从瑟 使生物特征识别可以灵活地应用于多种场合。 簌焘燕；睦一牲较麓，哭藐蘑予谈涯模凌。 由于受到专利等因素的影响，关于手形认证技术的参考文献并不多。目前手 形认证主要有两稀方法：一是通过测奄手鄢静三缭几何形状特镊进行瞧配豹方法 1 4 3 删嗍，一是通过提取警部轮廓特征进行匹配的方法嗍。 ( 1 ) 基于三维几何特征匹配的手形认证：绝大多数的手形认证系统( 包括r s i 系统) 都是蒸予这秘方法。典型戆手瓣建辩特征霞撬：簪指的长度纛宽度、芋掌 或手指的长宽比、手掌的后度，手指的连接模式等。用户的手肜表示为由这魑特 征褥贼豹矢霾，认涯过獠裁是计算被瓣手形稽征矢霪与摸扳特鬣矢量之耪豹爨离， 并与给定的阚值进行比较做出判决。 ( 2 ) 基于手部轮廓特征的手形认诳；上灏方法的优点建简单快速，但是需器用 户很好地配合，确保每个手形阁像帮是严格对准躲，否则其性能会大大下降。采 取提取手部轮廓特征的方法可以降低这种要求，从而提高系统的鲁棒饿，但这是 鞋增攘诗冀燕麦我俊黪。这静方法熬一般_ 遭程是：捡溅芋零积等措翡轮瘴熬绫； 提取轮廓特征，如特征点等；进行特征匹配，计算匹配参数并渤此决定两个乎形 是否来自葡一令入。 2 2 4 人脸识别 人脸识别是生物特征识别中最活跃的一个领域。与其它生物特征识别技术相 笼，入整 ； 掰最鑫然、豢麓，艇最容易被用户接受。然耨壶予入验特簸馥指纹特 征复杂得多，而且容易受到各种因素的影响，比如串富多变的表情特征、成像时 的光照强度、圈豫尺寸的大小、图像的旋转和扭荫等，因此很罐准确地提取入脸 特征，致使人脸识别技术一壹没能像指纹识别那撵得到快速的发展。轰到近几年 人脸识别技术才得到较快的发展翻。 生物特征识别技术综述 图2 - 5 人脸图像 f i g u r e2 - 5h u m a n f a c ei m a g e 人脸识别的过程包括人脸检测定位和脸部特征提取与识别两大部分。人脸检 测定位就是检测出人脸在图像中的位置，并从背景中分割出来；脸部特征提取是 对归一化的人脸图像进行处理，提取人脸特征。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而人脸识别由于 表情、位置、方向以及光照的变化都会产生较大的同类差异，使得人脸的特征提 取十分困难1 9 1 人脸检测定位的思想是首先利用统计或学习的方法为脸部建模，通过将所有 待检测区域与人脸模型比较，从而确定脸部在图像中的位置。其主要方法包括叼： ( 1 ) 基于统计的人脸检测方法：将人脸图像看作一个高维向量，将人脸检测问 题转化为高维空间中的分布信号的检测问题。 ( 萄基于知识建模的人脸检测方法：利用已有的知识建立规则，从而将人脸检 测问题转化为假设验证问题。 人脸特征提取与识别要比人脸检测定位困难得多，需考虑人脸形变、人脸模 式、光照强度等诸多因素的影响，并且需要先将人脸图像进行归一化处理。人脸 特征提取与识别的方法主要有【9 l ： ( 1 ) 基于脸部几何特征的方法 该方法通过提取以眼睛、眉毛、鼻子、嘴唇、下巴等重要器官的二维或三维 形状和几何关系为基础的特征矢量作为分类特征 4 8 1 1 4 9 1 ，这些分量通常包括人脸指 定两点间的欧式距离、曲率、角度等。 ( 2 ) 子空间分析方法 该方法是将高维空间中的人脸图像通过变换到低维子空间进行模式识别，如 特征脸、f i s h e r 脸、独立脸等。特征脸( e i g e n f a c e ) 是根据一组训练图像，利用主 1 1 l 寨交遘大学磺士学盘论文 元分析( 升i l l d p a ic o m p o n e n t a n a l y s i s ，p c a ) 的方法，构造主元子空间，将入脸投 影到这令圭元予空闻，褥烈一缀投影系数用予人黢的识别。特征验方法是入验识 别的一种基本方法，在此方法的基础上针对光照，表情、位置、角度、尺寸等的 交毙，学者懿又髭滋7 诲多改遴方法，舞融验方法嗍，独立戒分分攒( 秘如p 穗魁i c o m p o n e n t a n a l y s i s , i c a ) 1 5 l 】镣。 圆神经弼络方法 神经网络方法是将人脸特征空间投影劐隐层乎空间，由予投影变换具有非正 交、非线饿以及降维和分维的特性，丽且可根据不同的需求构造不同网络，因此 识剃效果较好。该方法程人脸识剐孛黪磺究缀多，魏基于转p 网终阉、燃鼹终嘲、 概率决策神经网络酬、辫积神经网络湖、模糊高斯神经网络闻等，它们都利用了 神经释络懿磐豹学嚣戆力纛分类能秀。 ( 4 ) 局部特征分析法 该方法克服了特征羧的菲桶部纯和非季舀扑纯，考虑捌入脸驻著的特征信息并 不是均匀分布予煞个脸部图像，可能少量的局部区域却传达了大部分的特征傧息， 而且这些局部特筏在投影前后的关系怒保持不变的。 国弹谯摸燮嚣配方法 该方法将人脸建模为二维或三维的网格表面，应用塑性图形或可变曲面匹配 羧拳进行霞琵。 目前已有各种人脸识别的商业产鼯出现，如使用局部分析方法的s i o r m i c s f a c e l t ，使麓特征脸识剐方法的v d s a g es y s t e m ，疆及应厢神经瞬络方法的m i r o s t m e f a c e 等。人脸识剔共有广阕的发疑和应耀翦景。 2 。2 5 虹膜识别 ，+ 年代串搿，凡像眼科穰师在临床试验中发现，每个虹膜都有蔫高度复杂 的、独一无二的纹理结构，面鼠即使经过几+ 年这辩纹理仍然没有变化。这一发 现为虹膜识别的发展奠定了基础。1 9 9 3 年，j o h nd a u g m a n 提出了切实可行的算法， 恕这秘思想变成了瑗实 5 7 1 1 5 s i 。1 9 9 6 年，r i c h a r dw i l d c s 也戏功缝磅裁出缎貘身份获 证系统【5 9 1 1 6 0 1 。目前，大部分商般系统都是基于这两种经典的识别算法。中科院自 动佬骚究掰注经承锻密了我国爨骞鑫燕知谖产权静甄貘身份谖鬻系统释翦。 生物特征识别技术综述 图2 - 6 虹膜图像 f i g u r e2 - 6i r i si m a g e 虹膜是一个位于瞳孔和巩膜之间的圆环状区域，如图2 - 6 所示。虹膜识别的准 确性是各种生物特征识别中最高的与其它的生物特征相比，虹膜具有以下特性： ( 1 ) 高唯一性：虹膜的纹理结构是随机的，其形态依赖于胚胎期的发育 ( 2 ) 高稳定性：虹膜可以保持几十年不变，而且不受除光线之外的周围环境的 影响。 ( 3 ) 高可靠性：虹膜本身具有规律性的震颤以及随光强变化而缩放的特性，可 以识别出伪造的虹膜，如图片等。 ( 4 ) 易使用性：识别系统不与人体相接触。 ( 5 ) 分析方便：虹膜固有的环状特性，提供了一个天然的极坐标系。 虹膜识别算法主要包括：虹膜定位，虹膜对准，特征提取，匹配决策 ( 1 ) 虹膜定位：目的是将虹膜从整幅图像中分割出来。为此必须准确定位虹膜 的内外边界，检测并排除侵入的眼睑。典型的算法是利用虹膜内外边界近似环形 的特性，应用边缘检测算法确定虹膜的位置。 ( 2 ) 虹膜对准：目的是确定两幅图像之间特征结构的对应关系，能够对图像的 平移、旋转、尺度的变化以及瞳孔的缩放做出补偿。 ( 3 ) 特征提取：虹膜图像包含有丰富的细节特征，在识别性能较好的算法中很 多是采用纹理分析的方法来描述虹膜的特征。 ( 4 ) 匹配决策：通过计算两幅虹膜图像中特征之问的距离，或者使用各种有效 的分类器，来对用户身份进行判别。 虹膜识别已经收到了广泛的关注，随着虹膜识别产品价格的不断下降，虹膜识 别的应用前景相当乐观 2 2 6 视网膜识别 j 窳交逶犬学硕士学整论文 视瓣膜识剐怒指利用税潮膜上的斑管模式迸杼身份婺羽翻。图像采榘环节要求 较糍，难度较大。摄像头附近发出盼红外线必须纛接逶过燕骥照射在视鼹睽上， 于是红外线的能缀很快被视网膜上的肛管吸收，从而呈现清晰的血管模式图像。 褪赠貘塑像熬采集嚣要凑专门入受逡行操臻，瑟巍氇罴簧震产戆积极既合。孬黧 采集劁的视网膜图像误装较大，影响识别的准确饿。由此可以耩出，视网膜识别 兵有一定静个入侵犯经矮。蠢艟视网膜扫播装置可能弓l 怒一些鞭部疾病。西诧， 视网膜识别的用户可接受程度较低，目前只在安全级别要求较商的场会有些威用， 如美强的一些监狱中使用视网膜识别系统来对犯人进行身份鉴别。 2 2 7 声酱识别 人们对声音识别技术的研究始于六十年代。七十年代，t i ( t e x a si n s t r u m e n t s ) 就已经将声音识潮用于访问控铡系统中声音识剃的优点是：非侵入住，用户比 较容易接受，薅且可以遥过电馁实现远程认证。缺点是：同一人的声豢交化范重 比较大，很容易受背景噪声、辩体和情绪状态的影响，而且有些人具肖很强的模 嚣悠入声啻瓣戆力。 声音识别利用人的声音特征来进行身份篾别。由于每个人的声音特征都与其 鑫身特定静发声嚣官( 声道、嘴、舞羟、藉等) 的形态黻及君必形戒豹语言砑惯 有关，因此通过声音可以鉴别出不同的说话人。声音识别与语音识别商着本质的 区剐，前者用来判断“说话的入是谁”，而后者贝l j 用来判断“说话的内容怒什么”。 声音识别按照语音傣号的内容，霹分为文本纛美( t e x t - i n d e p e n d e n t ) 移文本 有关( t e x t - d e p e n d e n t ) 两种方式。文本无关是不限制说话人的发音内裙，用户的 鑫盛疫魄较舞，爨憩对系绞懿整捧毪瑟求氇蔫，秀文本鸯关是麓定说落久蠡冬发音 内容，这种系统的认证凇确性较高，但系统抵抗攻击的能力较弱。目前已存在的 声音识翱产赭中，以文本有关类型静爝多。 声音识别分为声音特征提取和模式匹配蠲个过程。， ( 1 ) 声街特征参数的选取：说话入的个性特征在很大稷度上取决于说话人的声 道特铤，在语音分辑孛，通常瘸一个龛极点a r 模翟来逐钕模接声遂懿传辕瑟数， 基于这种模趔可以得到表征说话人特征的线性预测编码( l p c ) 的语音参数，包括 l p c 系数、瑟积蘧数、l p c 翻谱系数等。溺谱是最广泛缓溺麓语音特征擒取技术。 此外，能够寝征说话人特征的参数还帮：m e l 频率倒谱系数，离散子波变换系数， 语音顿能量，基音周辩、音调轮廓特征等。缀然现在已经提出了很多用于说话入 识别的语音特征，但究竟哪些特征可以可靠蕊有效地播述说话人仍然苓褥露矮。 ( 2 ) 声音识别模型的建立：声音模型一般分为参数模型和非参数模溅两类。参 1 4 生物特征识别技术综述 数模型以高斯混合模型和隐马尔可夫模型为代表高斯混合模型利用概率密度函 数来表示声音的帧特性旧，而隐马尔可夫模型利用一个语音序列表示人的声音特 征，然后通过计算模型之间的相似度，来判决两个声音是否出自同一个人。非参 数模型包括模板模型和连接模型两种模板模型把代表说话人的语音特征空间作 为模板，应用矢量量化1 6 3 l ，最小距离分类器、支持向量机【6 】等方法，与待识别的 语音段进行模式匹配。连接模型以神经网络模型为代表，对声音进行分类判决。 2 2 8 签名识别 图2 - 7 手写签名 f i g u r e2 - 7s i g n a t u r ei m a g e 签名作为身份认证的手段有着很长的历史，是人们普遍能够接受的一种认证 方式。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 名也绝不会完全相同。签名认证按照签名的获取方式可以分为两种：联机( o n - l i n e ) 认证和脱机( o f f - l i n e ) 认证。联机认证是利用数字写字板或压敏笔来记录书写签 名的整个过程，签名表示为一个或几个随时间变化的函数。而脱机认证只利用签