（计算机应用技术专业论文）生物识别及其关键技术研究.pdf

摘要 生物识别是指利用人的生理学和行为学特征自动识别其身份的技术。本文主 要对生物识别尤其是其关键技术一人脸识别进行了研究。具体内容为：对于人脸 识别近年来的研究工作进行了较为系统的介绍：提出了一种肤色滤波模型人脸检 测算法，试验结果表明该算法在速度和准确性上具有一定的实用性：提出了一种 基于小波分析的人脸识别算法，该算法利用了小波分解的多分辨特性，对人脸特 征点进行了准确的定位提取的人脸特征分辨性优于传统方法提取的人脸特征。 关键词：生物识别人脸检测人脸识别模式识别 a b s t r a c t b i o m e t r i c s1 st h et e c h n o l o g yt h a tc a ni d e n t i f ya n dv e r i f yh u m a nl n d i v i d u a l sw i t h t h e i rp h y s i o l o g i c a lo rb e h n v i o u r a lf e a t u r e s i nt h i sp a p e r , b i o m e t r i c sh a sb e e ns t u d i e d a n dm o r ea t t e n t i o nb e e np a i do nf a c er e c o g n i t i o n ( f r ) b a s e do nf rr e s e a r c h ，a s y s t e m i cs u m m a r yw h i c hi n c l u d e dt h ef rr e s e a r c hi nr e c e n ty e a r sh a sb e e np r e s e n t e d ； a n dac o m p l e x i o nf i l t e rm o d e lf a c ed e t e c t i o na l g o r i t h mt h a th a sb e e np r o v e dt ob eo f h i g hp e r f o r m a n c ea n dg r e a ta c c u r a c yb yal o to f i m a g e st e s ti sa l s op r o p o s e d ；i na d d i t i o n t o ，af a c er e c o g n i t i o na l g o r i t h mb a s e do nw a v e l e ta n a l y s i si s p r o p o s e d ，a st h e m u t i l r e s o l u t i o n a lf e a t u r eo fw a v e l e td e c o m p o s e ，t h ef a c i a lf e a t u r ep o i n t sh a sb e e n p r e c i s e l yl o c a t e d , a n dt h ef a c i a l f e a t u r e sw h i c hi sm o r ed i f f e r e m i a b l ea l s ob e e n e x t r a c t e d k e y w o r d ：b i o m e t r i c s f a c ed e t e c t i o nf a c er e c o g n i t i o np a t t e r nr e c o g n i t i o n 独创性( 或创新性) 声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容外，论文中不包 含其他人已经发表或撰写过的研究成果；也不包括为获得西安电子科技大学或其 它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所作过 的任何贡献均已在论文中做了明确的说明并表示了谢意。 本人签名：燧 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：学校有 权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部 分内容，可以允许采用影印、缩印或其它复制手段保存论文。( 保密的论文在解密 后遵守此规定) 本人签名： 导师签名： 日强：芝翌三：! i 、j 5 日期：之丝i ：厶，广 暾鞭 第一章绪论 第一章绪论 1 1 研究背景 随着信息技术的发展，信息网络化日趋普及，安全性已经成为许多系统必须 考虑的首要问题。现行许多系统中，特别是一些非常机密的系统，仍然使用密码 或者磁卡等方式进行用户身份认证和访问控制。但是，这些安全方案存在难以克 服的缺陷。密码、磁卡不仅容易遗忘，而且也容易被窃取。有关机构调查表明： 忘记密码所产生的问题已经成为许多厂商售后服务中最常见的问题：而由于密码 或磁卡被窃取带来的问题更为麻烦，使用窃取的密码或磁卡，盗用者可以非法获 取用户的机密数据信息，也可以提取他人的巨额存款。因此，现行系统为了提高 安全性，往往要求用户使用复杂的密码并定期及时更换，但是，对于狡猾的盗用 者，窃取密码仍然比较容易，所以，这种增强安全方法并不能从根本上解决安全 隐患，还可能会增添用户的麻烦。 系统安全不但是现行计算机网络系统需要面对的问题，而且也是其他一些需 要身份认证的场合必须解决的问题。犯罪分子能够通过伪造签证和护照非法移民。 使用盗用和伪造的证件，可以进入机密场所盗取机密资料。造成此类问题的原因 是由于传统的证件使用易于伪造和未经加密的纸制证件。上述事实说明，现行安 全认证技术面临严峻的挑战，必须寻求行之有效的、安全性更高的、使用更便利 的身份认证技术。 生物识别是种新兴的身份认证技术。它是指利用人的生理学和行为学特征 自动识别其身份的技术。人的生理特征包括人脸、指纹、视网膜、虹膜、手掌、 血管、体味和d n a 等，行为特征包括声音、签名、步态和击键等。研究表明，生 理和行为特征具有稳定性和独特性，不同人具有相同生理特征的概率非常小：两 个不同人的虹膜能够有7 5 匹配的概率【lo j ( 即，h a m m i n g d i s t a n c e 是o 2 5 ) 小于 l o 一，甚至人的左右眼的虹膜外观区别也很大，如不遭受疾病或者意外，虹膜外观 终生不变：不同人的相貌也有差别，这不仅表现在面部轮廓有一定区别，而且五 官的局部特征和总体分布也有所不同，而且人的相貌在一段时期内基本保持不变， 具有极强的稳定性。其他用于生物识别的人体特征都具有类似的稳定性和独特性， 所以，生物特征作为鉴别身份是切实可行的。生物特征是人内在的，不会遗失， 不易复制，使用方便，比起传统的密码和磁卡等手段，具有更高的可靠性和安全 性，因而成为当前比较热门的身份识别手段。 当前，国内外各种生物识别技术如雨后春笋般蓬勃兴起，相关研究进展迅速， 部分系统也己在定程度上得到了应用。指纹识别系统大量用于入口控制、交易 认证和登记考勤等场合。虹膜和视网膜产品也在高等级安全场所使用。台湾的 生物识别及其关键技术研究 b i o i d 系统成功的使用了声音、人脸和唇迹三种生物特征进行多重身份认证。 指纹、手掌、虹膜和视网膜是研究和应用较早的生物识别技术0 】【1 1 】【1 2 】，不过 都存在一定的缺陷，使得其应用受到一定的限制。指纹和手掌识别要求待识别者 触摸传感器，冈而带来了多方面的问题，一方面人们通常不愿意去接触曾经被其 他人接触过的传感器，另一方面，在视频监视应用中，要求被监视者主动接触传 感器显然不切实际；虹膜和视网膜识别要检测眼睛，但是眼睛是人体比较敏感的 器官，因此，对待识别者的接受性有一定的考验。相比之下，人脸识别无需接触 和配合，所以成为用户比较乐于接受的身份识别技术。目前，人脸识别已经成为 生物识别中的一个热点技术。 人脸识别研究历史悠久，至今约有一百多年的历史 1 1 1 2 5 2 岬】 5 4 ，因为相关理论 基础、技术能力和应用需求等原因，一直处于冷寂时期，直到本世纪六、七十年 代，才得到了研究者的关注。进入九十年代，由于应用需求以及相关理论的突破， 人脸识别技术得到了学术界的广泛关注，成为热点研究领域，进入研究高峰期。 目前，美国许多研究小组相继投入到人脸识别方面的研究工作，他们的研究工作 得到了美国军方、警方和大公司的资助，进展迅速。美国军方更是在每年组织人 脸识别大赛( f e r t ) ，以促进人脸识别的研究。国内对于人脸识别研究较之国外稍 晚一些，现在也有许多院校的研究小组、国家公安部和一些大公司积极从事相关 的研究工作：上海交通大学模式识别与智能系统重点学科的李介谷教授等，采用 几何特征方法进行人脸识别研究【6 “；清华大学智能技术与系统国家重点实验室张 长水教授等采用“本征脸”方法进行相关研究口”，都取得了一定的成果。 广义的人脸识别研究包括：人脸检测、人脸表示、身份识别、表情姿态分析 和生理分类。因为人脸塑性变形具有不确定性、人脸模式具有多样性、图像获取 过程也存在不确定的因素，所以致使人脸识别研究任务非常艰巨。如何正确高效 地从人脸图像中识别人的身份，满足实时要求，是人脸识别技术迫切需要解决的 问题。 第一章绪论 1 2 研究状况 指纹识别、虹膜识别和视网膜等是早期研究较多的生物识别技术，目前，许 多具有一定实用性的系统已经走出实验室，并应用于入口控制、计算机网络安全、 交易认证、视频监视等场合。随着应用的不断深入，这些生物识别技术在软硬件 方面都有了一定的加强。 指纹识别技术不但指纹图像处理方法得到改进和增强，而且指纹提取设备也 有较大的改进。从光学指纹提取设备到硅胶指纹提取设备，精度不断提高，指纹 图像质量也相应有所提高。与此同时，指纹提取设备体积也不断缩小，现在已经 能够将指纹提取设备微型化，并集成到笔记本电脑中。 目前的虹膜识别算法基本上都建立在d a u g m a n 博士的专利和研究基础上， 该方法对虹膜图像使用2d g a b o r 变换，生成虹膜编码，进行识别。虹膜识别系统 准确性很高，等错率小于1 0 “，但是误警率很高，所以一般在安全等级很高的场所 使用。 人脸识别的研究经历了三个阶段：早期人脸识别以b e r t i l l o n 、a l l e n 3 】和p a r k e l 4 j 为代表，研究了人脸识别所需要的面部特征。这一阶段人脸识别的工作主要依靠 人工搡作，不属于自动人脸识别i 随后是入机交互谚 别阶段，代表性的工作是 g o l d s t i o n 、h a r m o n 和l e s k s l 用几何特征参数柬表示人脸正面图像的识别方法：目 前，目动人脸识别技术有了一定的突破，产生了许多新的人脸识别方法。自动人 脸识别算法可分为三类：几何特征方法、统计特征方法和连接机制方法。几何特 征方法是早期的人脸识别方法，能够用于身份识别，还可以用于姿态分析和生理 分类；统计特征方法以p e n t l a n d 和t u r k 等的“本征脸”为代表【j7 1 ：连接机制方法 主要使用神经网络进行人脸识别，能够识别人的身份，还可以对性别、年龄和表 情等进行识别，代表工作是a n d e r s o n 和k o h o n e n 采用的自联想映射网络捧1 。有关 人脸识别的具体研究情况在本文第三章有详细的论述。 综上所述，生物识别技术的研究正处于高速发展阶段现有识别技术在可靠 性、易用性等方面有所增强，一些具有一定程度商用价值的系统已经投入到了实 际应用中。此外，研究人员还在研究利用体味等新的生物特征进行身份识别。生 物识别研究进展迅速，一方面得益于各种安全应用的迫切需求导致了对于身份识 别研究广泛的关注，促使许多研究者投入到相关的工作中：另一方面是因为生理 学、心理学、计算机视觉、模式识别和图像处理等领域相关理论的发展。生物识 别是一个跨学科的研究课题，与之相关理论的研究和突破对于生物识别将具有极 大的促进作用。 生物识别及其关键技术研究 1 3 本文工作 本文研究了生物识别及其关键技术，围绕人脸识别的问题，在人脸检测算法 和人脸识别算法上作了一些理论和实验研究工作。主要内容如下： 1 对生物识别的意义、生物特征的选取、关键的识别技术和识别系统的实用 化问题进行了较为深入的研究。 2 对人脸识别这一关键的生物识别技术进行了深入的研究。对国内外人脸识 别研究小组的工作进行了跟踪，并对一些具有代表性的人脸识别方法进行了研究 比较。 3 在m i n 2 h s u a n y a n g 1 9 1 等提出的肤色模型基础上，提出了一种色度空间上 的人脸肤色滤波检测算法，该算法考虑了模板匹配和人脸边缘分布先验知识的利 用；建立了实验用图像数据库；进行了人脸检测算法的测试，并对测试的结果进 行详尽的理论分祈。进行人脸检测时，使用肤色滤波分割人脸和背景，然后，利 用积分投影计算出人脸区域的中心位置和尺寸，完成人脸粗检测，检测结果是一 个含有人脸的图像区域，此区域的确定有效地减少了精确搜索的空间，比起仅使 用模板匹配检测的方法在速度方面有一定优势，同时，比仅利用肤色分布进行人 脸检测方法精确性方面有所提高。另外，算法考虑了人脸边缘分布先验知识的使 用，有效降低了人脸错检的概率。在算法研究中过程中，为了能够使算法达到实 用化，检测图像并没有使用标准图库，而采用实验室人物照片作为原始数据，最 终实验结果表明本文提出的检测算法在快速性和准确性方面具有一定的实用性。 4 提出使用小波分解对人脸图像进行变换，然后在人脸细节图( 小波域) 上 进行积分投影，确定人脸特征点的位置：提出小波域中人脸特征矩阵的生成方法： 采用了统计不相关最佳鉴别变换选取人脸的最佳鉴别特征；提出使用最小错误率 贝叶斯决策对人脸进行识别。由于小波分解具有多分辨性，所以能够在小波域获 取人脸图像不同方向上的细节信息，并且在水平和垂直两个方向上，有效地确定 了人脸特征点的位置，在此基础上，生成了人脸特征矩阵。该算法在人脸特征区 分度上优于直接使用人脸图像作为输入的方法。同时，本文采用统计不相关最佳 鉴别变换对人脸特征矩阵进行变换，从中选取人脸的最佳鉴别矢量，因为统计不 相关最佳鉴别变换克服了广义最佳鉴别变换投影之间具有相关性的缺点，所以进 一步提高了人脸特征的区分度，有利于人脸的识别。 第一章绪论 l ，4本文结构 第一章介绍了本文的研究背景和意义，以及相关领域的研究状况，概述了 本文的研究工作。 第二章对于生物识别技术进行了系统的论述。 第三章对于人脸识别这一关键的生物识别技术作了深入的讨论 人脸识别的研究历史、研究方向和国内外各种人脸检测和识别的方法。 第四章给出了本文使用的人脸检测算法的理论依据和具体实现 实验数据和检测结果，最后对实验结果进行了理论分析。 主要包括 并给出了 第五章介绍了小波分解的m a l l a t 算法，给出基于小波分解的人脸识别方法、 人脸特征点定位方法和小波域人脸特征矩阵生成方法，最后给出了人脸最佳鉴别 特征的选取方法。 第六章对本文所做工作给以总结，指出解决的问题和一些尚需进一步研究 的内容，同时，展望了人脸识别研究的前景。 生物识别及其关键技术研究 第二章生物识别技术研究 2 1 生物识别的定义 e t 常工作和生活中，经常需要使用各种方式判断人的身份，比如通过声音或 面貌来判断身份，人类的这种身份识别能力非常强，甚至通过远处观察到的外形 轮廓或者步态，电能够判断出该人的身份，人类这种通过各种人体特征判断对方 身份的方法本质上建立在这样的前提下，即所有的人都具有相对固定的人体特征， 例如面貌、声音、步态和体态等，这些特征因人而异，具有非常高的独特性；对 具体的人而言，这些特征又表现出非常强的稳定性，不会随着环境和时间而改变。 随着人类社会的进步，研究者发现除了面貌和声音以外，指纹、虹膜、视网膜和 其他一些人体特征也具有相同的特点，这也就成为机器自动生物识别的理论根据。 生物识别是一种新兴的身份识别技术，指根据人唯一的和可测的生理学和行 为学特征进行自动机器身份识别的技术。当前，用于生物识别的生理特征包括人 脸、指纹、虹膜、视网膜、血液和d n a 等，行为特征包括声音、签字和步态等。 对人而言，使用面貌和声音等人体特征识别对方的身份是一件非常容易的事 情。人们通常可以在瞬间通过面貌认出对方的身份，即使是长时间没有见面的人， 通常面貌或者声音也可以轻易的认出对方的身份。但是，对于计算机而- k ，自动 生物识别去j 是一个非常困难的任务。目前，研究者进行各种生物识别技术的研究， 取得了一定程度的突破。目前，由于人类对于自身认知能力研究的制约，以及计 算机技术、图像处理、模式识别、生理学以及数学等理论的现状，能够像人类一 样高效进行生物识别的系统现在还无法实现，生物识别的研究工作才刚刚丌始。 2 2 生物特征选择 研究表明，并不是所有的人体特征都具有很强的稳定性和独特性，即一些人 体特征不能够用于生物识别。可用于生物识别的特征必须具备一定的条件，因此， 对于生物特征的选取需要有一定的标准。生物特征选择的标准如下 普遍性：生物特征的选择必须考虑特征提取的目标人群。一方面，该生物 特征必须是目标人群中所有人都具有的，否则，不具备相应特征的人无法 进行有效的身份认证，目前主要的生物识别技术，如人脸、虹膜、指纹和 声音等都是普通人所具有的；另一方面，该生物特征必须适合目标人群， 有些生物特征在指定的目标人群中不易提取，比如对于黑色的眼球，虹膜 识别有一定的困难； 独特性：生物特征必须因人而异、具有较强的可分性； 第二章生物识别技术研究 稳定性：生物特征会随着时间、身体健康、情绪状态和采集环境的不同而 有一定的变化，如果变化过于巨大，则会导致身份识别失效。因此，用于 识别的生物特征必须具备较强的稳定性，至少在一定条件下保证不会有太 大变化； 鲁棒性：生物特征会因为时间、健康、情绪、环境和输入设备差异有一定 变化，因此，生物识别中模式匹配都是非完全匹配，当匹配度高于一定闯 值，系统就认为身份已经确认，鲁棒性就是要求系统在低误警率和低错识 率的前提下，允许生物特征有一定改变： 接受性：生物特征提取应尽量避免侵犯性。一方面，生物识别系统要易于 接受和使用。指纹识别曾经因为用户不希望将指纹留在识别系统中，限制 了实际应用；视网膜识别可靠性高，但是会对人体健康造成影响，所以一 直被认为是最难接受的技术：相反，人脸u 别因为直观，无侵犯肚而得到 重视。另一方面，生物特征只能够包含个人身份信息，尽量避免包含其他 涉及个人隐私的信息。比如，人体气味中的化学成分能够提供生体健康信 息：d n a 能够提供待测者患有某种疾病的信息；血液也能提供身体健康菇 息。 以上提到的五个标准是生物识别系统必须考虑的问题，选取生物特征必；l 瞳。 此为侬据，否则，特征选择不当将带来严重问题不利于生物识别技术的应用篷 2 3 关键技术 生物特征可分为生理特征和行为特征两类，生理特征包括人脸、指纹、虹膜、 视网膜、d n a 、血液和体味等，属于人所固有的自然属陉，先获得，一些特在 在人类幼年时期就已经形成，具有非常强的稳定性。如果不遭受意外伤害或者疾 病，生理特征在一定条件下不会发生改变，有些生物特征( 虹膜、视网膜和d n a 等) 更是终身不变，稳定性极高。行为特征包括声音、步态和签字等，是人所具 有的行为习惯，后天养成，自身稳定性较之生理特征低一些，但仍然能够满足生 物识别的需求，而且，在一些特殊的应用场合，行为特征被认为更加适用，因此， 行为特征也成为生物识别技术中倍受关注的研究领域。 生物识别按照使用生物特征的类型，可以分为基于生理特征的识别、基于行 为特征的识别和多重特征识别三类： 2 31 基于生理特征的识别 23 1 1 指纹识别 指纹是指头表面的纹路，由脊线和皱纹构成f | “。人类的指纹具有如下特点： 稳定：指纹具有很强的相对稳定性。从胎儿六个月指纹完全形成到尸体腐烂， 生物识别聂其关健拄术研究 指纹的纹线类型、结构、统计特征的总体分布等始终没有明显变化。尽管随着年 龄的增大，指纹存外型大小，纹线粗细上会产生一些变化，局部纹线上也可能出 现新的特征。但从总体上看指纹是相列稳定的：即使手指皮肤受伤，只要小伤 及真皮层，伤怠后纹线仍能恢复原状：如果伤及真皮，伤愈后形成的伤疤虽然破 坏了纹线，但伤疤本身也形成了新的稳定特祉。 独特：指纹具有明显的独特性，至今仍然找不出两个指纹完全相同的人。由 于皮肤表皮上的纹路是在胎儿六个月的时候形成的翻此同卵双胞胎的指纹也是 不相同的。不仅是人与人之间，即使是同一个人，其十个指头上的指纹也有明显 的区别。根据指纹学理论，两枚指纹匹配上1 2 个特征的概率为1 0 ”。指纹的这些 特点，为指纹识别提供客观上的依掘。 指纹模式可以通过指纹的脊线和纹路确定，也可以通过指纹上节点的模式确 定。对应的指纹识别方法可以分为两种：节点法和相关性法。 节点法在指纹图像上寻找节点然后映劓这些节点的帽列位置，构成指纹模 式。节点法的缺点是：输入的指纹质量低时节点寻找困难，很难确定节点的斗日 对位置，生成指纹模式：另外，节点法也没有考虑指纹基线和纹路的全局信息。 i - g2l 显示了节点法和相关| 生方法的差别。 ( a ) 节点法( b ) 钥丈| 生法 旧2 1 ，旨纹识别方法 相关性法能够克服节点法的缺陷，不过也存在一些问题。柜关仕法需要得到 指纹的准确位置，并且对于指纹的旋转和平移比较敏感。 指纹i _ 别在指纹库子集中进行，指纹子集是通过指纹分类确定。指纹分类将 指纹指定到预先定义的指纹类型巾，公认的指纹分为五类：如图2 2 ( a ) 左环、( b ) 右环、( c ) 棋、( d ) t n n ( e ) 棚状棋。指纹分类用于指纹粗检，输入指纹后进行指纹分 类，将指纹指定到指纹子集中，再在指纹子集中进行精确的指纹检索。 ( a ) 左虾( b ) 右环 ( c ) 棋( d ) 涡( e ) 棚状供 圈2 2 指纹分娄 进行指纹识别前还必须对指纹进行预处理，即指纹增强。指纹图像的质薯对 第二章生物识别技术研究 _ r 指纹节点的抽取有很大的影响。要保证指纹识别和认证系统的性能不受到指纹 质量的影，j 目，就! 卧须在指纹节点提取模块中加入指纹增强算法。指纹增强可以有 效地改善训别算洼曲韭确世! 瓣黧 ( a ) 指纹原图f b ) 增强后指纹 罔23 指纹增强掉_ ：圭 指纹识别研究较早，技术上相对成熟一些。指纹识别的主要优点如f ： 指纹相当稳定的，很难发生变化。例如，指纹不会随着人年龄的增长、或 身体健康程度的变化而改变，而人的声音却仃着较大的变化； 指纹样术便于获取，易于”发识别系统，实用件强。目前已有标准的指纹 样本库，方便了识别系统的软忙丌发：另外，识别系统中完成指纹采样l 上 能的硬件部分( 即指纹采芟仪) 也较易实现。而对视网膜则难于采样，没 有标准的视网膜枰本厍可供系统软件丌发使用，这就导致视网膜识别系统 难以7 r 技，可行性较低：。 一一个人十指指纹皆不相同，这样，可以方便地利爿j 多个指纹构成多重 j 羚， 提高系统的安全性。同时，并不增加系统的设汁负担。 指纹识别技术在实际应用中还存在些问题： 指纹读取是触摸式的，具有一定的侵犯性，人hj 通常不愿意触摸指纹读耿 仪实际应用中有定的影l 自： 指纹图像质量对于指纹识别影_ f r 大出于图像质量问题造成的错误率从 o5 到3 7 不等； 指纹特征存在普遍性问题，掘统计，由于指纹受到伤害或哲指纹太摸韫等 原因，大约5 的人指纹无法记录。 综上所述，指纹具有特征稳定，样本容易获取，并且可以使用同一人不同手 指上的指纹构成多重l | 令等优点，有助于指纹识别系统的实际使用。但是指纹识 别系统也存在一些问题，比如指纹读取的侵犯性、指纹的普遍性等。 23 12 虾膜识别 虹膜是在眼睛中瞳孔内的织物状的各色环状物i i i ”】。每一个人的虹膜都包含 独无一的基于像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和条纹等 特征的结构。图2 4 为人眼虹膜。 生物识别及其关键技术研究 图2 4 虹膜 虹膜的结构因人而异，具有独特性，并且虹膜的独特结构在人的一生中几乎 不发生变化。这个观点有两方面的依据：第一个依据来源于临床的观察。眼科学 家和解剖学家经过大量的观察发现虹膜具有独特的结构，即便对于同一个人，左 眼和右眼的虹膜区别也是十分明显的。经过进一步持续的观察表明，自蕈年以后， 虹膜在人的一生中所发生的变化十分微小。支持这一观点的第二个证据来源是发 育生物学。尽管虹膜的基本结构是由内在遗传基因决定的，但是外界环境却对虹 膜独特的细微结构起着决定性作用。这种外部环境是指在生命初期，虹膜形成之 前的胚胎发育环境。因此，自然界不可能出现完全相同的两个虹膜。虹膜发育完 全以后，它在人的一生中是稳定不变的。另外，由于虹膜的外部有透明的角膜将 其与外界相隔离，凶此发育完全的虹膜不易受到外界的伤害而产生变化。所有这 些证据表明，每个人都有不同的虹膜结构，并且这种独特的虹膜结构是稳定的。 目前的虹模识别算法基本上都是从d a u g m a n 博士的算法演化出来。该算法将 虹膜外观特征转换为相应的虹膜编码，组成虹膜的匹配模式，进行识别。算法能 够以3 4 位平方毫米的信息密度在直径1 1 毫米虹膜中提取虹膜编码，生成的虹 膜编码的大小为5 1 2 个字节，是比较小的生物特征模板，但是能够提供非常丰富 信息，用 二身份识别。 d a u g m a n 算法使用2 dg a b o r 变换对虹膜图像进行滤波和映射，不同尺度的 小波指定了从选定区域角度和频率空间上得到的值，将其转换成一组矢量，就生 成了虹膜编码。图2 5 为2 dg a b o r 变换后的虹膜。 援 i 鹚鬣撵i k 澍 第二章生物识别技术研究 虹膜编码独特性好，两个不同的虹膜具有相同编码的概率小于l o 。： 虹膜识别具有极强的鲁棒性，在部分的虹膜被遮盖的情况下，甚至是2 3 的 虹膜被遮盖的情况下，仍然能够使用剩下的虹膜部分进行身份识别，等错 率仍然低于1 0 。 虹膜识别也存在一定的缺点： 虽然虹膜识别是一种非接触式的识别技术，但眼睛是人体比较敏感的器 官，提取虹膜特征对眼睛有一定的刺激，用户接受性稍差： 提取特征的时候，虹膜摄像机聚焦虹膜需要一些时间，用户必须配合特征 的提取过程，这也会造成一定麻烦。 总之，虹膜识别错识率较低，是一种准确性较高的技术，但是它的误警率很 高，而且需要一定的用户合作，所以一般只应用于安全等级比较高的场合。 2 3 13 视网膜识别 视网膜是一些位于眼球后部十分细小的神经，它是眼睛感受光线刺激，并将 信息通过视神经传给大脑的重要器官， 围，即视网膜四层细胞的最远处。 用于生物识别的血管分布在神经视网膜周 群 蕊 嚣 警 慧 蛰 倒2 6 视网膜 眼球视网膜的中央动脉，在眼底至视神经乳头处分为上下两支，然后在视网 膜颞侧上下及鼻侧上下再分为4 支小动脉，各支小动脉再逐级分成更细更小的动 脉，最后在视网膜上形成了四通八达的毛细血管网，这些血管逐级分支，形成网 状，形如参天大树，逐级分出树权难以计数，所以，没有二者完全相同的眼底血 管到。图2 6 为人眼视网膜的临床图片，可以看出视网膜结构非常复杂。视网膜识 别具有一定的优点： 视网膜识别的准确性很高，其错识率低于l o ； 视网膜后部血管非常稳定，在不遭受疾病或者其他意外的情况下，视网膜 终生不变； 视网膜在眼球的后面，是一种隐形的生物特征，所以伪造或者提交伪造的 视网膜非常困难； 视网膜特征模板较小，仅为9 6 字节。与此相比，指纹模板大约是2 5 0 1 0 0 0 生物识别及其关键技术研究 字节，虹膜编码是5 1 2 字节。 当然，视网膜识别也存在一些缺点： 到目前为止，视网膜识别被认为是最难使用的生物识别技术，它需要用户 具有在固定点上保持一定时间： 视网膜识别的错误率低，但是误警率很高，有时甚至高达1 0 ，这是一个 非常严重的问题，所以视网膜识别主要应用于军事场所； 视网膜特征提取刈于用户是可以感知的，眼睛非常敏感，视网膜特征提取 时要对眼睛进行检测，因此，许多用户不接受视网膜识别； 视网膜存在普遍性问题，全世界大约有5 1 0 的人不适合视网膜识别，无 法进行有效的注册： 视网膜识别设备价格昂贵，只能应用于高安全的应用场合。 2 3 1 4 其他基于生理特征的识别技术 温谱图：人体各个部位都在向外散发热量，而这种散发热量的模式就是一种 各人不同的生物特征，温谱图识别就是利用人体散热模式特征进行身份识别的技 术。温谱图可以通过红外设备获得，它反映出人体各个部位的发热强度。拍摄温 谱目的方法和拍摄普通照片的方法类似，因此可以用人体各个部位来进行鉴别。 但是，人体温谱值受外界影响很大，对于每个人来说不是完全唇定的。因此，在 进行鉴别前需要先对图像进行标准化，通常是按照身体某一特定部位的温谱值进 行标准化。由于外界环境中的热源，比如人体附近的室内暖气、汽车排气管等会 极大的干扰人体的温谱图，所以基于温涪图的身份鉴别还需要解决外界热源干扰 的问题。 血管脉络：世界上每个人手上树；吠血管脉络是各不相同的，早在胎儿生长过 程中，这种脉络就已经根据一种特殊程序形成，其结果取决于血管不断分权转化 之时胎儿所处的位置，即使是孪生胎儿j 其血管脉络也不相同，血管脉络识别就是 使用这种脉络特征进行身份鉴别的技术。鉴别血管脉络的仪器工作方式是：持卡 人将手放在红外摄像机镜头前，生成一个稳定而清晰的血纹图像，用计算机对这 种图像进行分析之后，将其转化为矢量形式，便得到一系列属于个人特有的数据， 计算机便能识别出真正的持卡人。 基因识别：人类的基因是一种非常复杂的双螺旋结构，每个人的基因是独一 无二，基因识别正是利用这种生理特征进行身份鉴别的。基因是一种稳定的生物 特征，但是基因片段提取困难，而且基因特征的提取是一个比较关键的问题，目 前基因识别应用较少。 手掌几何学识别：手掌几何学识别是指通过测量使用者的手掌和手指的物理 特征来进行身份识别，高级的识别算法还可以识别三维图像。手掌几何学识别系 统要求用户触摸读取器，所以被认为不够卫生，是一个比较大的缺点。 第_ _ = 章生物识z i 技术研究 除了以上介绍的基于生理特征的识别技术外，研究者还在研究人体气味中的 化学成分作为生物特，怔识别的方法，随着人类对自身的认识的不断深入，利用各 种人体生理特征的识别技术会越来越多。 2 32 基于行为特征的识别技术 2 3 2 l 声音识别 人体发声系统的生理结构和讲话行为的习惯具有独特肚，导致每一个人所发 出的声音特征具有根大的差别，所以可以根据人的声音特征鉴别说话人的身份。 图2 7 为一段声音波形图， 一jil 上。 1lr “1 留27 卢音波形 圈28 ( a ) 、( b ) 分别是两个人- 兑同一句话的频率再，从中司以看出声音的频谱 曲线具有明显的区别。对于每个人，其声音的频率分布是独特的，具有可分性， 所以可以作为生物口 别的根据。 ( a i( bj 吲28 声音柏频l 蔷分忻 声音特征町以表示为特征矢量序列。同一个人在不同时问的声音会产牛不同 的声音矢量序j 。所以需要为声音矢量建模，捕获声音矢量序列中的这种变化； 目前的声音模型。日以分为两类：随机模型和模扳模型。随机模型将声音生成过壬罕 当作随机参数过程，假定可以使用准确的年口显式的方式计算这个随机过程的基本 参数：模板艇型保斜 个人同一句话的矢量序列，将声音特征生成过程定义为无 参形式。模板模型法直观，早期声音识别研究都采用模板模型。最近的研究表明， 随机模型更为灵活，并且能够更好的刑声音建模最通剧的声音模型是h m m ( 隐 马尔可夫链) 模型。h m m 是常规马尔可_ 犬链的扩展，用于考察声音状态的概军函 数。罔2 9 为个三态的息马尔可夫声音模型。 生物识别及其关踺技术研究 闺2 9 三态h m m 模型 声音识别是非接触式的，用户可以很自然的接受，而且，声音识别没有侵犯 性，所以目前倍受关注。然而声音识别也存在一定的缺点 声音特征是一种行为特征，变化范围很大。健康、年龄和情绪等因素都可 能引起声音的较大变化，所以声音识别很难进行精确匹配； 声音会随着音量、速度和音质的变化而影响到采集与识别的结果，环境噪 声、麦克风差别也都可能影响声音识别的结果。 声音识别系统的活体检测是必须考虑的问题，因为可以使用录音欺骗声音 识别系统 2 3 2 2 其他基于行为特征的识别技术 签名识别：签名作为身份认证的手段具有悠久的历史，如银行的格式表单中 签名用作个人身份的标志。签名识别是指使用签名这种行为特征进行身份鉴别的 技术。签名识别和声音识别一样，是种基于行为特征的识别技术。它的优点是 使用签名淡别容易被大众接受，是一种公认的身份识别的技术。签名识别的缺点 是：随着经验的增长，性情的变化与生活方式的改变，签名会发生改变；签名相 对比较慢，因而无法在互联网上使用；用于签名的手写板结构复杂而且价格昂贵， 很难尺寸小型化，所以集成性差。 2 3 3 多重特征识另0 到目前为止，还很难使用单一的生物识别技术完成绝对可靠的安全认证，解 决的出路是使用多重生物识别技术。多重特征识别能够克服单一特征识别的局限 性，在一种特征的无法有效提取时，使用另外特征进行验证，可靠性相对比较高。 同时，多重识别系统还可以对各种特征识别的结果进行决策，迸一步提高身份识 别的准确性，增强生物识别的安全性。多重特征识别可以使用人脸、声音和唇迹 的三种特征进行识别，也可以使用人脸、声音和指纹的识别方式。图2 1 1 显示了 一个基于人脸、指纹和声音的多重生物识别系统。 第二章生物识别技术研究 斟21 】人脸、声音和指纹多亚生物识别系统 二4 生物识别技术指标 生物识别系统和其他系统一样都具有一些衡量系统优劣的技术指标，这些技 术指标非常重要，决定了系统的适用性和应用领域。用于身份认证的生物识别系 统具有三个关键的技术指标：错识率、误警率和等错率。 错识率：当合法用户进行身份认证时，由于生物识别技术自身原因、环境变 化、背景中存在噪声以及输入设备传感器噪声等的影响，系统错误的拒绝用户的 认证请求。此时，系统就产生了错误识别，错识率就是指系统错误拒绝用户认证 的概率。 误警率：非法用户提出身份认证请求，系统错误的将该用户识别为系统用户。 此时，系统产生了错误警告。误警率就是指系统发生错误警告的概率。 等错率：错识率和误警率相等的点，它也是系统的一个非常重要的指标。 理想的生物识别系统错误率和误警率都等于0 。但实际上，这两项指标都不可 能为0 。极端情况下，系统拒绝每位用户的身份认证请求，此时系统错识率达到最 生物识别及其关键技术研究 大，等于1 ，误警率达到最小，等于0 。另一极端情况下，系统接受所有用户身份 认证请求，此时，系统的错识率为0 ，而误警率为1 。现实系统中，系统指标处于 这两种极端之间，通过调整系统参数，能够使系统的技术指标处于安全等级可接 受的范围内。如银行的a t m ，关注于不使用户感到麻烦，所以错误率设置较低， 这是合适的。另一方面，对于安全区入口控制，关注于不使非法人员进入安全区， 所以误警率设置的非常低。 随着生物识别技术的发展，实际的生物识别技术指标会日趋接近理想系统指 标，从而带来极高的安全性和可靠性。 2 5生物识别技术应用的现实问题 虽然相对于传统的身份识别手段，生物识别具有非常明显的优势，但是，它是 一种新兴的技术，还不够成熟和完善，在投入实际使用时，会存在一定的问题， 因此，生物识别系统必须考虑技术实现的实际问题。 准确性：在传统的密码系统中，只要用户密码输入正确，系统总是正确接受用 户的合法身份。但是，不同于密码系统，在生物识别系统中，口使是合法用尸1 电 不一定能够得到系统的认证通过。一方面，可能由于传感器噪声、处理方法的局 限性，如声音可能受到环境噪声的影响；另一方面，可能是由于用户的生物特征 有一定的变化，如不同的健康状况和情绪下，声音会有明显的变化。 活体检测：生物识别技术面临的比较关键的问题就是对于生物特征的活体检 测，完善的生物识别系统必须通过一些技术手段进行活体检测，确保系统安全性。 指纹读取器在获取指纹的时候，能够对指头的压力分布进行判断，防止使用模具 欺骗系统；声音t 别系统会随机挑选单词要求待测人对其进行验证，防止使用录 音侵入系统；虹膜识别摄像设各非常精密，在对虹膜聚焦后，不允许眨眼，想通 过眨眼欺骗虹膜识别系统也不容易：人脸识别系统可以要求待测者表情有一定的 变化进行重复识别，也可以较好的进行生物特征活体的检测。 接受性：首先，生物识别系统必须容易使用，系统应该能够快速适应具体应用 场合。其次，由于文化等因素的影响，有些生物特征不能够在具体目标人群中提 取。最后，生物特征不应包含属于用户隐私的信息，如d n a 技术，通过d n a 可 以获知用户是否患某种疾病。体味技术，通过体味的化学分析可以知道用户的健 康状况。如果系统选择的生物特征包含涉及隐私的信息，必须考虑用户隐私保护。 窃取和假冒：生物特征自身不是保密的。人们可能会在任何地方留下指纹，冒 用者可以轻易的获得合法用户的指纹。录制合法用户的声音同样非常容易，录音 可以轻易骗过声音识别系统。所以，实际上生物特征也会被窃取，一旦生物特征 被窃取，这将是终身的。因为，用户不能像传统的账号密码方式下，重新设定， 第二章生物识别技术研究 获得新的认证密码。生物识别中的特征窃取和盗用问题如果不妥善解决，将严重 影响系统的安全性。 隐私：生物特征是人所固有的，终身不会改变，而这种特征有可能会被用于跟 踪，严重的侵犯隐私权。所以，对于生物特征应当加以处理，比如，特征数据库 中仅存放特征编码，而不存放特征的原始数据。 多重性：多重特征的使用能够增强系统的识别可靠性。由于目标人群中的少数 人可能不具备系统需要的特征或者提供的特征无法用于识别，所以必须考虑多莺 特征识别的系统。 费用：费用是与系统准确性紧密联系的问题。许多应用场合，如个人电脑登录， 对于附加设备的费用非常敏感。所以，生物识别系统费用是必须考虑的问题，可 以预见，如果能够使用非常便宜特征提取设备，生物识别应用领域就会更为广泛。 集成和开发性：生物识别技术是否能够方便的嵌入现有系统，实现集成，这是 一个重要的问题。目前，由于缺乏商业标准，没有统一的数据格式和标准的生物 识别应用程序接口，所以生物识别技术的系统集成还比较困难。 综上所述，生物识别技术投入实际使用，还要考虑许多问题。实际的生物识 别技术必须在这些方面进 j - j h 强，才能够保证生物识别系统的安全性，体现技术 优越性。 生物识别及其关键技术研究 第三章人脸识别技术研究 从面部辨认对方身份是人们进行身份识别的重要方式，通常，人们可以在瞬 间通过面部确认对方的身份，即使是长期没有见过的人，一般也可以轻易辨认出 对方，因此，人脸识别是一种最自然的机器身份识别方式，成为生物识别研究中 的热点方向。但是，人脸是塑性变形体，加之旋转、尺度和光照等的影响，表现 出非常复杂的模式，所以，自动机器人脸识别是一项非常艰巨的任务，尽管人脸 识别的研究现在有一定的进展，但是仅仅处于研究的初级阶段，有必要进行深入 的研究。 3 1人脸识别的研究方向 人脸识别通常指人脸身份识别 的人脸识别并不仅仅包括身份识别 忻和生理分类。 但是，人脸包含十分丰富的信息，所以广义 还包括人脸检测、人脸表示、表情姿态分 ( 1 ) 人脸检测( f a c ed e t e c t i o n ) ，从各种不同的场景中检测出人捡的存在，确 定人脸的位置及尺寸。通常由于光照，噪声面部倾斜度以及遮挡等的影响，人 睑的检测比较费时。 f 2 ) 人脸表示( f a c er e p r e s e n t a t i o n ) ，采用某种方式表示检测出的人脸和数掘 库中的人脸模式。通常的表示方式包括几何特征( 欧氏距离、曲率、角度) 、统计 特征( 矩阵、矢量) 、固定特征模板和云纹图等。 ( 3 ) 身份识别( f a c ei d e n t i f i c a t i o n ) ，将待识别的人脸与数据库中的人脸进行比 较，确定人脸的身份。其核心是选择适当的人脸的表示方式与匹配策略，谚 别系 统的构造与人脸的表示密切相关。 ( 4 ) 表情姿态分析( e x p r e s s i o n g e s t u r e a n a l y s i s ) ，对待识别人脸的表情和姿 态信息进行分析归类。 ( 5 ) 生理分类( p h y s i c a lc l a s s i f i c a t i o n ) ，对待识别人脸的生理特征进行分析， 得出年龄、性别等个人信息。 广义人脸识别中，人脸检测和人脸表示是其他研究的基础，如果输入的图像 具有复杂的背景，那么，必须进行人脸的检测：无论生理分类、表情姿态分析还 是身份识别都建立在人脸的数据表示上，人脸的表示方式直接影响其他研究的方 法和效果。 第二章人脸识别技术研究 3 2 人脸识别的研究进展 人脸识别研究历史悠久，甚至可以追溯到上个世纪 ”l ，g a l t o n 就曾经用一组 数字代表不同的人脸侧面特征。人脸识别研究涉及到多个学科，是一个跨学科的 领域，所以研究非常困难，相关研究一直处于冷寂状态。直到七十年，人脸识别 才得到了研究者的关注，进入九十年代以后，自动机器识别技术才有所突破。人 脸识别输入的图像分为3 种：f 面、侧面和斜面。在实际研究中，e 面人像研究 的最多，它的发展大致可以分为3 个阶段： ( 1 ) 研究人脸识别所需要的面部特征，以b e r t i l t o n 、a l l e n 和p a r k e 为代表。 b e r t i l l o n 的系统用一条简单语句与数扼库中的人脸相联系，a l l e n 3 】为待识别人脸设 计了有效和逼真模写，p a r k e 4 1 用计算机实现了a l l e n 的方法，生成了较高质量的人 脸灰度图模型。总的说，这一阶段工作依赖于人的操作，还不能完成自动的识别 工作。 ( 2 ) 人机交互识别，代表性工作有：g o l d s t i o n 、h a r m o n 和l e s k 5 1 用几何特征 参数来表示人脸丁f 面图像。他们采用2 l 维特征矢量表示人脸面部特征；k a r a 和 k