（计算机应用技术专业论文）基于掌纹的身份自动识别技术研究.pdf

为获得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做的任何贡献均已在论文中作了明 确的说明并表示谢意。 - 签- g , ：签塑复日期：2 矽年，2 月日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：盔塑窆 导师签名： 日期：2 , 4 年月日 | ， ， i 摘要 摘要 生物特征识别技术是通过生物统计学原理和计算机等高科技的技术手段密切 结合，利用人体固有的行为特征和生理特性来进行个人身份的鉴定。它具有传统 的身份鉴别方式所不能比拟的优势，因此已经成为国际上的研究热点之一。掌纹 识别技术是生物特征识别技术的一种，它是根据人手掌上的有效信息( 如：掌纹) 来识别人的身份。每个人的掌纹千差万别，没有任何两个手掌的掌纹是完全相同 的，这就是掌纹的唯一性。因此可以利用掌纹的这一特点作人体的身份鉴别。掌 纹含有很独特的线特征，包括主线和很多皱褶，这些线特征结合在一起，就具有 了很强的区分能力。掌纹识别具有唯一性、直接、方便、友好和应用范围广等优 点。本文以掌纹为研究对象，对掌纹的定位、特征提取、分类及匹配等关键技术 进行了研究，主要研究内容如下： 1 ) 在掌纹图像预处理方面，对掌纹感兴趣区域( r o i ) 的获取过程进行改进，通 过提取出合适的基准点，建立相应的参照坐标系，可以有效减少采样过程中引进 的平移、旋转、扭曲等非线性因素的影响，提高了匹配识别算法的鲁棒性。 2 ) 在掌纹图像的识别方面，针对经典的p c a 算法中不适用于分类的缺点， 本文研究了掌纹图像特征值的提取方法，选取那些使样本类内离散度较小而样本 类间离散度较大的特征值来表示原有的掌纹图像信息。实验结果表明，此改进算 法既不会丢失掌纹图像的原有信息，又在一定程度上提高了图像的识别率。 3 ) 在掌纹图像分类方面，本文提出了一种将改进的p c a 和f i s h e r 线性判别 方法相结合的掌纹图像分类方法。此方法先将图像通过改进的p c a 算法进行降维， 然后对降维后的图像应用f i s h e r 线性判别算法进行分类。实验表明这种识别效果 比基于纯f l d 的方法更好。 关键词：掌纹识别，生物特征识别，掌纹图像，特征提取 ， a b s t r a ( 汀 a b s t r a c t b i o m e t r i c si sat e c h n i q u e ，t h a tt h r o u g ht h ec o m p u t e rw i mav a r i e t yo fs e n s o r s ， b i o m e t r i cp r i n c i p l ea n do t h e rh i g h - t e c ht e c h n i q u ec l o s e l yi n t e g r a t e d ，u $ et h ei n h e r e n t h u m a np h y s i o l o g i c a lc h a r a c t e r i s t i c sa n db e h a v i o r a lc h a r a c t e r i s t i c s ，t oc a r r yo u tt h e i d e n t i f i c a t i o no fp e r s o n a ls t a t u s t h i sn e wt e c h n o l o g yc a nb ea p p l i e dt oh o m e l a n d s e c u r i t y ，s o c i a lw e l f a r e , f i n a n c i a la n de - c o m m e r c e b i o m e t r i ci sb e c o m i n gt h eh i g h e s t p o t e n t i a lt e c h n o l o g yi nt h i se 豫p a l mp r i n tr e c o g n i t i o n e x p l o i t s t h ed e f e c t i v e i n f o r m a t i o no no u rp a l mt os e p a r a t ed i f f e r e n tp e r s o n s d i f f e r e n tp a l ms h a v e st o t a l l y d i f f e r e n tp a l mp r i n t s i no t h e rw o r d s ，p a l mp n n ti su n i q u e t h e r e f o r e ，i tc a nb eu s e df o r p e r s o n a li d e n t i f i c a t i o n t h ea d v a n t a g e so f p a l mp r i n t r e c o g n i t i o na r ed i r e c t ，f r i e n d l y ， c o n v e n i e n t ，u n i q u ea n da p p l yw i l d l y t h i sd i s s e r t a t i o nc o n c e n t r a t e so nt h er e s e a r c ho f t h ek e yt e c h n o l o g i e sa n da l g o r i t h m si np a l mp r i n ti d e n t i f i c a t i o ns y s t e m a c c o r d i n gt o t h ed e t a i lr e s e a r c ho fo t h e rb i o m e t r i c s ，a n dc o n s i d e r i n gt h ec h a r a c t e r i s t i c so fp a l m p r i n t s ，w ep r o p o s eas e r i e so fe f f i c i e n tp a l mp r i n tp r e p r o c e s s i n g ，f e a t u r ee x t r a c t i o n a l g o r i t h m s i nd e t a i l ，t h i sd i s s e r t a t i o nc o n c e n t r a t e so nt h e r es e a r c ho f t h ef o l l o w i n g k e y b ys t u d y i n gt h eo r i e n t a t i o n , t h ef e a t u r ee x t r a c t i o n ，c l a s s i f i c a t i o na n dt h em a t c h i n go f p a l mp r i n t ，t h ed i s s e r t a t i o nb r i n g sf o r w a r das e r i e so fm e t h o d s ，w h i c ha r er o b u s ta n df i t t ot h ea n a l y s i so f p a l mp r i n t t h em a i na p p r o a c h e sa r ea sf o l l o w s ： f i r s t l y , i nt h ea s p e c to ft h ep r e p r o c e s so fp a l mp r i n ti m a g e ，w ef o c u s e do nt h e e s s e n t i a lt e c h n o l o g i e so fp a l mp r i n ti d e n t i f i c a t i o no fc o l o ra d j u s t m e n t ，w ep r o p o s e da s t a t i s t i c a lm e t h o dt of i l t e ro u ts p l a s h b a s e do nt h i st e c h n o l o g i e s ，t h i sp a p e rh a dd o n e s o m ep r e p r o c e s s i n gt ot h ep a l mp r i n ti m a g e s a f t e rt r a n s l a t e dt h eo r i g i n a li m a g ei n t o b i n a r yi m a g e ，f o u n dt w ok e yp o s i t i o n i n gp o i n ts i n t h ep a l mp 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 e nt h ep a l mp r i n ti m a g ew a sr o t a t e da c c o r d i n gt ot h et w ok e y p o s i t i o n i n gp o i n t s f i n a l l y ，t h i sp a p e rr e s e a r c hp c ap i v o t a lt e c h n o l o g yo ft h ep a l mp r i n ti d e n t i f i c a t i o n t e c h n o l o g yw i t hg r e a tc o n c e n t r a t i o na n dp a i n s t a k i n g ， a n dt a k ei m p r o v e m e n ta n d i n n o v a t i o no nt h eb a s i so ft h e i ra l g o r i t h m t h a ti s a i m i n g a tt h a tc l a s s i c a lp c a a l g o r i t h mi sn o ta p p l i c a b l et ot h ec l a s s i f i c a t i o n ，a n dt h ee x p e r i m e n t si nt h i sp a p e r ， i i a b s t r a c t c l a s s i f y i n gt h o s ee i g e nv a l u et h a tt a k es a m p l ed i s p e r s i o nw i t h i nt h ec a t e g o r yo fs m a u e r ， a n dt a k es a m p l ed i s p e r s i o nb e t w e e nt h ec a t e g o r yo f l a r g e r ，t od e s c r i b et h a tt h eo r i g i n a l p a l mp r i n ti m a g e s f o l l o w i n ge x p e r i m e n t ss h o wt h a tt h i si m p r o v e da l g o r i t h mw i l ln o t b el o s to r i g i n a li n f o r m a t i o n ，a n dt oac e r t a i ne x t e n te n h a n c et h er e c o g n i t i o nr a t e t h e f i n a le x p e r i m e n tc o m b i n et h ei m p r o v e dp c a a l g o r i t h mw i t hf l da l g o r i t h m ，t h a ti s a f t e rd i s p o s i n go f i m p r o v e dp c a a l g o r i t h m ，t a k et h ee x t r a c t i o no f p a l mp r i n ti m a g e si n i n d e p e n d e n tc o m p o n e n t ，t h ee x p e r i m e n tr e s u l t si n d i c a t et h a tt h ep r o p o s e da l g o r i t h m p r o v i d e sb e t t e rp e r f o r m a n c ec o m p a r e dw i t hf l d a l g o r i t h m k e y w o r d s ：p a l m p r i n tr e c o g n i t i o n , b i o m e t r i c s ，p a l m p r i n ti m a g e ，f e a t u r ee x t r a c t i o n i i l 一 目录 第一章引言 目录 第二章生物特征识别技术 2 1 生物特征识别技术概述4 2 2 几种典型的生物特征识别技术5 2 2 1 脸像识别技术一5 2 2 2 虹膜识别技术6 2 2 3 指纹识别技术7 2 2 4 掌纹识别技术8 2 2 5 声音识别技术8 2 2 6 签名识别技术9 2 3 生物特征识别系统的结构l o 2 4 生物特征识别系统的评价标准1 0 2 5 生物识别技术的发展方向及研究意义1 1 2 6 本章小结1 3 第三章掌纹识别技术 1 4 3 1 掌纹识别技术的研究意义。1 4 3 2 掌纹的结构特征1 4 3 3 掌纹识别的优势1 6 3 4 掌纹识别的过程1 6 3 5 掌纹图像的采集1 7 3 6 掌纹图像的预处理1 8 3 6 1 掌纹图像的去噪1 9 3 6 2 手掌轮廓线的提取2 0 3 6 3 掌纹图像的定位2 0 3 6 4r o i 区域的选取2 1 3 7 掌纹图像的特征提取2 1 目录 3 7 1 掌纹特征提取方法综述2 1 3 7 2 掌纹特征提取方法的对比2 7 3 8 掌纹识别的分类算法2 8 3 9 掌纹图像的特征匹配2 9 3 1 0 本章小结3 0 第四章掌纹图像的采集和预处理3 1 4 1 掌纹图像的采集3 1 4 2 掌纹图像的预处理3 2 4 2 1 掌纹图像的去噪。3 2 4 2 2 掌纹图像的灰度化处理3 7 4 2 3 掌纹图像的二值化3 8 4 2 4 掌纹轮廓的提取和有效区域的确定4 0 4 3 试验结果及分析4 3 4 4 本章小结4 4 第五章基于改进的p c a 和f l l ) 相结合的掌纹识别方法4 5 5 1p c a 的原理和方法4 5 5 2 一种改进的p c a 算法4 6 5 3f i s h e r 线性判别方法的原理4 8 5 4 改进的p c a 和f i s h e r 线性判别相结合的识别算法4 9 5 5 特征匹配5 0 5 6 各种算法的实验结果对比5 0 5 6 1 改进的p c a 算法的实验结果5 0 5 6 2 改进的p c a 算法和f l d 方法结合的实验结果5 1 5 7 本章小结5 2 第六章掌纹识别系统的实现5 4 6 1 掌纹识别系统的平台5 4 6 2 掌纹识别系统的架构5 4 6 2 1 系统界面和功能介绍5 5 6 3 系统图像数据库介绍5 9 6 4 本章小结6 0 v 目录 第七章结论 7 1 本论文主要完成的工作6 1 7 2 工作展望6 2 致谢 参考文献。 攻硕期间取得的研究成果 v i 6 4 一 第一章引言 在当今信息社会，信息安全已经成为了世界各国广泛关注的重要问题。信息 社会的两大技术是互联网技术和通信技术。这两大技术的快速发展极大地推动了 人类社会和人类文明的进步。这个进步使得人们的思想观念、生活方式和生产方 式都发生了巨大变化。同时，人类的物理活动空间和虚拟活动空间也随之不断扩 大。人们在享受这些进步所带来的巨大利益的同时，也面临信息安全的考验。于 是对人类自身身份识别的安全性、准确性和实用性就提出了更高的要求。要解决 这些需求，就需要用更为准确、更为先进的身份识别技术来确保系统的安全。 身份识别领域最可信的技术之一就是生物识别技术。目前，在计算机网络、 员工出勤监控、计算机平台、银行、刑侦、移民管理、电信网络等许多方面，都 广泛地用到了生物识别技术。目的是以此来保障系统和信息的安全。生物识别技 术与信息科学、生命科学密切相关，信息科学和生命科学的发展使得生物特征识 别技术的用途也越来越广泛。 我们传统的身份识别方法主要分为基于物品的方法和基于知识的方法两类。 基于物品的方法常见的如：i d 卡、钥匙、身份证、学生证等；基于知识的方法常 见的如：口令、密码等。这些传统的身份识别方法在信息发展的过程中逐步暴露 出了各自固有的弊端。由于身份识别的物品容易被盗用、被伪造、丢失、损坏等； 而密码、口令等又容易被破解和遗忘等。因此传统的身份识别方法弊端越来越多， 无法确保系统的安全。所以，寻找一种准确、安全、低成本且方便的识别技术来 代替传统的身份识别方法显得尤为重要。 基于这样的背景环境，人体生物特征的身份识别技术也就越来越受到国内外 学术界、政府、国防军事部门以及企业界的高度重视。在2 1 世纪初期，麻省理工 学院的技术评论就将生物认证技术评价为：在未来五年，将对人类社会带来 革命性影响的十大技术之一。如今，生物识别确实也成为了当前信息安全技术的 研究热点。 掌纹识别技术还处于是身份识别技术中的新兴者，有越来越多的国内外研究 人员参与其研究。这是因为，掌纹识别技术有很多优点是其它技术不具备的：1 ) 手掌的区域比较大，包含了大量的纹线特征和纹理信息，这两者都具有稳定的特 点。这些丰富的线特征可以在低质量、低分辨率的掌纹图像中提取出来，并且有 电子科技大学硕士学位论文 很强的抗噪声能力和区分能力；2 _ ) 掌纹识别系统的识别精度能较好的保证，因为 提取掌纹图像的条件比较容易控制；3 ) 掌纹图像的采集设备更容易被用户所接受； 4 ) 日常生活中常用签名识别，但是签名的稳定性不及掌纹的稳定性，所以掌纹识别 的精度能够比签名识别更高。 如果采集设备的高分辨率较高，提取的到的图像上可以显示手掌上的各种特 征：如手掌的主线和皱褶线、手掌上的乳突纹、手掌的几何特征等。一个完整的 高精度的识别系统正好能通过这些多种特征的融合来形成。因为掌纹具有上述独 特性和稳定性，所以掌纹识别研究成为了近几年来生物识别领域中的一个研究热 点。 生物识别技术可以应用于身份识别，也可用于诊断人类疾病。因此生物特征 识别技术具有了更为广阔的应用前景。现已证明，通过手掌的掌纹就可以进行疾 病诊断【l l ，其依据是人体各个器官的盛衰会有规律地反映在掌纹的变化上。近年来， 有很多学者的研究 2 1 已经证明了这一点，并取得了一些公开的成果。 掌纹识别技术既可以作为科学研究也可以满足安全领域的市场需求，因此它 是一种值得深入研究也具有广泛应用前景的生物识别技术。掌纹识别研究需要采 用众多领域的理论和方法，反之，它的研究会不断给予这些领域新的启示，也会 给这些领域提出新的问题并与这些领域相互促进、共同发展。因此，掌纹识别技 术成为了生物特征识别技术中的一个重要研究课题。 本学位论文将主要研究离线掌纹图像。对掌纹图像的去噪、掌纹图像的定位 和归一化、掌纹图像特征的提取和匹配的各种方法进行讨论了研究和讨论。论文 的章节和主要工作如下安排： 第一章：首先介绍论文研究的目的和意义；介绍生物特征识别技术的研究背 景，以及国内外掌纹识别技术的研究现状；然后对本文的主要研究内容进行简要 的论述。最后给出本文主要的研究内容，以及各章节的内容安排； 第二章：介绍生物特征识别技术。首先介绍了几种典型的生物特征识别技术； 然后介绍生物特征识别系统的结构和以及系统的评价标准；最后讨论生物特征技 术的发展方向和研究背景； 第三章：对掌纹识别技术进行介绍。首先介绍掌纹识别技术的研究意义；然 后介绍掌纹的结构特征，最后介绍识别过程的三大步骤：( 1 ) 掌纹图像预处理。 ( 2 ) 掌纹特征提取。( 3 ) 特征匹配。 第四章：主要介绍对采集到的掌纹图像进行预处理的方法和实验的过程。首 先对采集到的图像去噪，给出了基于小波的掌纹图像去噪算法；接着对去噪图像 2 第一章引言 进行灰度化处理、二值化处理和提取轮廓，这些操作是为了建立坐标系对掌纹进 行定位，定位后才能提取r o i 感兴趣区域。最后给出实验结果，并对实验结果进 行了分析和比较； 第五章：主要完成特征的匹配。从上一章提取出的r o i 图像中提取出能量特 征并进行匹配。最后给出了实验结果，并对结果进行分析和比较，得出了结论并 对未来工作进行展望； 第六章：主要介绍掌纹识别系统的实现。包括系统的平台、构架以及各部分 的模块的功能。 电子科技大学硕士学位论文 第二章生物特征识别技术 2 1 生物特征识别技术概述 所谓生物识别技术，就是指通过计算机与声学、光学、生物统计学原理和生 物传感器等高科技手段密切结合，利用人体所固有的行为特征或者生物特征来进 行身份鉴定的过程。常用的行为特征主要包括声音、笔迹、步态等。生物特征主 要包括脸像嘲、虹膜m 、指纹洲、掌纹7 1 等。这些特征都具有稳定性、唯一性以 及随身携带、与生俱来和终生不变的特点。而且难于窃取、难于复制、容易使用， 因此要比传统的密码或口令等认证方式具有更高的可靠度和安全性。 而生物特征和行为特征相比较，它具有更好的普遍性和稳定性，不会随着个 体的年龄、体重等因素的变化而受到影响。所以生物特征识别技术被认为将是一 种更加方便、可靠和快捷的大众化的身份识别手段。生物特征正在逐渐取代人们 手中的密码或者信用卡等，并且已经广泛用于政府、军队、银行、各种电子设备、 社会福利保障、电子商务、安全防务、机场等领域。例如，一位储户走进了银行， 他既没带银行卡，也没有回忆密码就可直接提款。当他在提款机上提款时，一台 摄像机对该用户的眼睛扫描，然后迅速而准确地完成了对用户的身份鉴定，办理 完业务，这是美国德克蘑斯州联合银行的一个营业部中发生的一个真实的镜头。 该营业部所使用的正是现代生物识别的技术中的“虹膜视网膜识别系统”。美国 9 1 1 事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务受到各国 的重视，从而生物识别的技术得到了广泛的应用。 所谓生物识别系统，是指通过对人体的生物特征进行取样，提取图像中的唯 一的特征，然后转化成数字代码，接着再将这些代码组成对应的特征模板。当测 试者需要通过与识别系统交互进行身份认证时，识别系统就会获取其有效的特征， 随后与数据库中已经建立的特征模板进行比对确定二者是否匹配。如果匹配就得 出接受的结果，反之得出拒绝的结果。 要将人的任何行为或生理特征用来作为生物特征，用作身份的鉴别哺1 ，原则 4 第二章生物特征识别技术 上只要满足了下面的条件，就可以了： ( 1 ) 普遍性：指这个特征是每个普遍存在的个体都具有的； ( 2 ) 唯一性：指每个个体的这种特征都有不同的表现形式； ( 3 ) 稳定性：是指这种特征较长时间内相对固定； ( 4 ) 可采集性：指这种特征可以较为方便地被量化和采集； ( 5 ) 可接受性：指基于该特征的识别系统应该比较容易地被用户大众所接受； ( 6 ) 性能要求：指基于该特征的识别系统应该能够获得足够的识别精度，并且 对环境以及资源的要求都应该在合理的范围内； ( 7 ) 安全性：指该特征不容易模仿或者伪造。 在实际应用中，生物特征除了满足上述条件外，还须考虑到以下几方面因素嘲1 ： 系统的正确识别率、系统的识别速度、被测试者的心理可接受程度、识别设备的 标准化程度、识别系统的构造成本等。能将这些因素较好结合的才适合作为生物 特征。 基于以上的各个条件，目前人体生物特征识别技术的研究主要是针对于人体 的面部、虹膜、指纹、掌纹、掌形、声音、步态、签名等特征来进行。其中典型 的生物特征识别技术为面部、虹膜、签名、指纹、掌纹的识别技术，它们都有着 其各自的特点。 2 2 几种典型的生物特征识别技术 2 2 1 脸像识别技术 脸像识别【1 0 1 是通过采集设备获取人脸图像，然后依据提取出的面部特征，如 统计或几何特征来进行身份鉴别的一种技术，它综合运用了数字图象视频处理、 模式识别等多种技术【l l 】。 脸像识别指对人体脸部的识别，特指脸部眼、鼻、口以及面颊等部位的识别。 脸像识别技术又称为人脸识别、人像识别、相貌识别、面孔识别、面部识别等。 这些叫法的含义有细微的差别，脸像识别、人像识别强调的是像，以确定人像图 片中人物的身份为主，比如照片比对等应用；而人脸识别则一般依据视频中活体 人脸进行身份识别，比如门禁等应用。 基于特征脸的方法、基于面部几何特征的方法、神经网络的方法以及弹性匹 电子科技大学硕士学位论文 配的方法等是现在主要的脸像识别方法。脸像识别是一个富有挑战性的领域，因 为它的研究跨越了图像处理、模式识别、计算机视觉、神经生理学、人工神经网 络以及心理学等多个研究领域。 脸像识别技术具有性价比高、经济、可扩展性良好的特点。因为人脸识别技 术比其他的人体生物特征识别技术的性能要优越，它不要入的行为的配合能方便 有效地核查人的身份，而且只需通用的p c 硬件及相关软件，因而经济、性价比高； 由于其直观、准确，且应用更为广泛，因此具有良好的可扩展性能。通过人脸图 像进行身份识别友好、直观、方便且用户接受程度高。 但是不足之处在于，由于脸像的采集受到化妆、姿态、面部表情以及采集时 的角度和光线等多种情况的影响，使得计算机对脸像的识别程度远远达不到人眼 对脸像的识别程度，所以脸像识别的准确率远低于虹膜和指纹识别。 2 2 2 虹膜识别技术 虹膜识别 1 2 】是当前生物识别的一大热点研究【1 3 】。虹膜( i r i s ) 是一种独特的人体 器官，它是位于巩膜( s e l e r a ) 和瞳孑l ( p u p i l ) 之间的织物状环形区域，总体上，呈现 出一种由里到外的放射状结构。其形态为圆盘状薄膜，呈冠状位，中央有圆孔， 叫做瞳孔p u p i l 。虹膜内有两种不同方向排列的平滑肌，一部分环绕在瞳孔的周围， 叫做瞳孔括约肌s p h i n c t e rp u p i l l a ，由动眼神经的副交感纤维支配；另一部分呈放 射状排列于瞳孔括约肌的外周，叫做瞳孔开大肌d i l a t o rp u p i l l a ，受交感纤维支配。 在强光下或视近物时，瞳孔括约肌收缩，瞳孔缩小，以减少光线的进入量；在弱 光下或远望时，瞳孔开大肌收缩，瞳孔开大，使光线的进入量增多。 由于色素的多少虹膜的颜色也深浅不一。虹膜的主要颜色有蓝色和褐色，其 他颜色都是混合而成。像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和 条纹等特征是每一个虹膜都包含的，也是独一无二的。它的形态依赖于胚胎的发 育，纹理结构也是随机的，即使是双胞胎他们的虹膜也是不同的。所以与其他生 物特征相比，虹膜具有更可靠、更稳定的特点。 虹膜识别的步骤为：虹膜定位，特征提取，特征匹配。虹膜识别系统的原理 是采用摄像机捕获用户眼睛的图像，然后从中分割出虹膜图像，再进行定位校准、 特征提取、编码用以匹配。到目前为止，虹膜识别的错误率是各种生物特征中最 低的一种。 当然，它也有不足之处，主要体现在虹膜因为会受到睫毛和眼睑的遮挡，所 以要准确捕获到虹膜图像是很困难的，而且图像采集设备比较复杂和昂贵。还有 6 第二章生物特征识别技术 就是虹膜一旦有病变或受到损伤就会影响识别，对盲人和患有眼部疾病( 如：白 内障) 的人无效。目前，虹膜识别还不能大量地应用在低端市场，因为它所需的 采集设备十分昂贵，所以市场规模受到了限制。 2 2 3 指纹识别技术 指纹识别【1 4 】是这生物识别技术中最古老的一种，它在几百年前就被用于身份 认证。人们习惯用按指纹作为自己身份的确认。指纹是指手指末端的正面皮肤上 凹凸不平的纹路，这些纹路起到了增加手指表面摩擦力的作用。纹线有规律的排 列形成不同的纹型。纹线的起点、终点、结合点和分叉点，称为指纹的细节特征 点( m i n u t i a e ) 。指纹识别即指通过比较不同指纹的细节特征点来进行鉴别。由于 每个人的指纹不同，就是同一人的十指之间，指纹也有明显区别，因此指纹可用 于身份鉴定。目前，世界各地的警察局已经广泛采用了指纹自动识别系统。九十 年代，用于个人身份鉴定的自动指纹识别系统得到开发和应用。 指纹识别具有很多的优点，比如，第一，每个人的指纹都是独一无二的，并 且指纹相当固定，不会随着健康程度的变化或年龄的增长而发生变化；第二，指 纹样本比较容易获取，个体的心理接受程度较高，而且对指纹采集装置的研究也 己经取得了较好的成果；再者，绝大多数人都有十个手指，而且每个手指的指纹 都各不相同，因此可以利用多个手指的指纹构成多重密钥，更能提高系统的安全 性等。 因为指纹具有很好的稳定性和惟一性，所以指纹识别已经成为目前最为成熟 的身份识别技术之一。并且采集简单，所以在很多领域中都得到了广泛应用【l 孓 j 。 在我国，上世纪9 0 年代初，指纹识别产品系统开始应用于公安业务和安全防范领 域。现在，指纹识别产品是生物识别类产品的主力军之一。在2 0 0 6 年，指纹识别 占到全部生物识别产品4 4 的市场份额u 。 虽然指纹识别技术在软件算法上和硬件设备上都是使用最早、最成熟的。但 是，对于指纹质量较差的人群，如有疤痕、有病变、皮肤表面磨损严重的人无法 取得好的识别效果。另外，如果指纹的采集方式不当也会严重影响指纹提取的效 果。如采用油墨提取指纹，会因用力不均或油墨多少而使图像中出现污斑或使指 纹线断裂、粘连；采用光扫描提取指纹，皮肤的弹性、用力程度的不均或表面的 滋润程度不均都可能使指纹图像出现大量噪声，从而影响到识别的准确性。 7 电子科技大学硕士学位论文 2 2 4 掌纹识别技术 掌纹是指位于手掌内侧表面的纹线图案，一般是由众多皱纹、乳突纹和3 5 条明显的屈肌线交错构成。掌纹识别技术【1 9 - 2 1 1 是指利用手掌的掌纹进行身份鉴别 的生物特征识别技术。 由于每个人的掌纹形态均不相同，而且掌纹纹理复杂，所以能够提供的信息 量比指纹更加丰富。对它的特征我们做了如下归纳： a ) 具有唯一性和终生基本不变性，并且不容易被伪造； b ) 可以利用中心和基准点对掌纹进行精确的定位； c ) 掌纹的区域比指纹更大，能够提取的特征更加稳定并且包含的信息量也更 多，所以要获得用来提取局部细节特征的质量较好的掌纹块是比较容易的。整体 识别效果不会因为少量的磨损或局部的变化受到很大的影响； 由掌纹识别设备的价格比较低廉，对较低质量和低分辨率的掌纹图像也可以 采用特定的识别算法来完成识别过程； 曲掌纹识别在用户中的的心理接受程度较高。 掌纹识别正是因为掌纹的这些特征而成为了一种很具有发展潜力和发展空间 的生物特征识别方法。 2 2 5 声音识别技术 声音识别技术1 a - 2 3 1 也是一种行为识别技术，它是指利用人的声音特征来进行 身份的鉴别。在识别过程中，识别设备将不断地测量、记录声音的波形和变化。 然后将现场采集到的声音与登记过的声音模板进行精确的匹配，从而达到识别的 目的。每个人的声音特征都与其自身的语言习惯以及自身特定的发声器官的形态 有关。发声器官主要包括：声道、嘴、鼻腔、唇等。这样，每个人说话时的波形 都不相同，因此通过声音可以鉴别出不同的说话人。 声音特征的提取与选择是声音识别技术的一个重要环节。声音特征的提取既 是一个信息大幅度压缩的过程，也是一个信号解卷过程，目的是使模式划分器能 更好地划分。 由于语音信号的时变特性，特征提取必须在- d , 段语音信号上进行，即进行 短时分析。这一段被认为是平稳的分析区间称之为帧，帧与帧之间的偏移通常取 帧长的1 1 2 或1 3 。通常要对信号进行预加重以提升高频，对信号加窗以避免短时 第二章生物特征识别技术 语音段边缘的影响。 人们对声音识别技术的研究始于六十年代。声音识别的优点在于它是非接 触的，用户可以很自然地接受，而且可以还通过电话实现远程认证。但是同其他 基于行为特征的识别技术一样，因为声音的变化范围太大，很难进行精确匹配， 因此其识别准确率较低，同一个人由于外界环境、背景噪音、音量、语速、语气 的变化等原因会造成识别系统的误识，此外，声音信息很容易被伪造，如用录音 等方法就可以欺骗识别系统。 目前，声音识别技术已经得到较广泛的研究，并己出现很多产品应用于信息 查询、电话交易、保安系统等领域。声音识别技术的识别过程主要包括声音信号 的分割，声音特征提取、模式匹配准则等几方面。 2 2 6 签名识别技术 签名识别技术洲【2 5 】也是一种行为特征识别技术，个人手写签名虽然不是一种 固有生理特征的外在表现，但是由于签名基本上是一种自在的手腕运动，个人签 名时在握笔姿势、运笔习惯、用力轻重等方面都有自己的特点。手写签名识别就 是根据个人书写的特点来比较当前签名与预先存储的签名样本或模板之间的相似 程度，通过相似程度来判断签名的真伪并相应地判别当前签名者身份的真伪。目 前签名大多还只适用于文档证明和交易授权等方面。在美国联邦规则法典( 2 1 c f r l l ) 中对手写签名给出明确的定义：手写签名是个人签写的名字或法律标记， 是个人手写的，以永久的形式书写出真实意图，用钢笔等标记或书写工具完成的 签名行为。签名识别包括静态签名验证和动态签名验证两种，前者通过签名图像 本身的形态来进行笔迹的鉴定，如笔画的局部曲率极大值、签名的宽高之比等。 后者是通过分析签名时的动态特征，如笔的移动、笔画的顺序、加速度、压力、 笔划的长度以及倾斜度等。 签名识别与其他生物特征识别方法相比，最明显的特点就是传统手写签名的 身份识别形式在人们日常生活中经常使用，人类在很久以前就开始使用签名来鉴 别身份，同时文字书写也是人们普遍具有和使用的技能，因而容易被人们接受。 随着传感器技术和计算机技术的发展，支持手写功能的计算机和电子设备( 手写 板、个人数字助理、智能手机等) 日渐普及，这也为手写签名认证的应用提供了 极大的便利。 但其最大的问题是这种方法涉及到个人的行为，所以这个特征容易受到被测 9 电子科技大学硕士学位论文 试者的控制，可以刻意改变自己的签名写法。还与被测试者的身体状况和情绪等 密切相关。而且数据动态变化范围较大，随着行为习惯和年龄的变化，签名会产 生一定的变化。就算是同一个人所写的两个签名也不会完全相同。另外，手写签 名还很容易被伪造、仿冒。 2 3 生物特征识别系统的结构 生物识别系统实际上是一个模式识别系统。首先需要通过传感器或者采集设 备来获得人体生物特征( 如指纹、人脸、掌纹等) ；然后再利用模式识别的方法来 对该特征进行识别。一个简单的生物识别系统由四个重要部分构成： 1 数据采集模块( d a t aa c q u i s i t i o nm o d u l e ) 这个模块主要是通过采集设备来获取个体生物识别数据。例如，虹膜传感器 用来采集用户的虹膜信息，话筒用于获取声音等。 2 数据存储模块( d a t as t o r a g em o d u l e ) 这个模块的功能是用来存储所获得的数据。例如，指纹图像中的细节点和交 点的信息，掌纹图像中的主线和细节特征等。 3 信号处理模块( s i g n a lp r o c e s s i n gm o d u l e ) 这个模块包括三个步骤，首先对存储的信息做预处理，然后从所获得的数据 中提取特征信息，最后将提取到的特征值与数据库中已有特征数据进行比较，并 得出匹配的结果。 4 决策模块( d e c i s i o nm o d u l e ) 这个模块的功能是根据在特征匹配中计算出的匹配成绩，判断被鉴别人的身 份，表现为接受还是拒绝。 2 4 生物特征识别系统的评价标准 生物识别系统具有身份验证( 晒矗c a t i o n ) 和身份识另t j ( i d e n t i f i c a t i o n ) 两种典型 的工作模式。许多系统仅包含其中之一。 身份验证需要用户的生物特征必须在系统中已经注册，并以一定的格式存储。 在验证过程中先验证其标识，然后利用注册的生物特征与现场采集的生物特征比 对来证明其表示是合法的，从而来确认身份。也称为“一对一 匹配。 1 0 第二章生物特征识别技术 身份识别需要建立生物特征库，然后把注册生物特征库中的记录与现场采集 到的生物特征逐一对比，并从特征库中找出与现场生物特征相匹配的记录，也称 为“一对多 匹配。 我们不能保证在不同时间、不同地点从同一人那里采集到的同一个生物信号 完全相同，因为要受到许多不确定因素的影响。比如：手写签名时，每次的压力、 速度和方向都有可能不同，这就会使得所得到的签名会有所变化。采取任何算法， 都无法保证生物特征的比对是精准匹配，也就无法保证10 0 的准确率。 所以识别率是生物识别准确性的衡量标准，识别率主要主要由两部分组成： 误判率( f a l s ea c c e p tr a t e ，f a r ) 和拒判率( f a l s er e j e c tr a t e ，f r r ) 。这两个值是成 反比的，可以根据不同的用途来调整这两个值。 误判率是指：一个不具有合法身份的人被系统误判为具有合法身份的可能性。 拒判率是指：一个具有合法身份的人被系统误判为不具有合法身份的可能性。因 为前面提到，这两个值是成反比的，是相互制约的指标，所以如果要求低的误判 率就会导致高的拒判率，反之，如果要求低的据判率就会导致高的误判率。怎样 来确定两者的比率，就要这就要在应用系统的设计中通过衡量系统的安全性和易 用性来确定。 通常情况下，根据需求，生物特征识别系统都使用误判率作为第一性能指标， 误判率越低越为实用。如果系统的误判率为0 ，就表示系统可以保证任何不具有合 法身份的人都无法通过系统识别。 生物特征识别系统的重要性能指标一般有两个：一个是上面提到的识别的准 确率，还有一个就是识别的速度。识别速度主要由特征提取和特征匹配算法的计 算复杂度来确定的。如果是做身份验证的系统，就应该是做“一对一 匹配，所 以算法的复杂度直接决定识别速度。要识别速度比较快，才能够满足应用的要求。 如果是做身份识别的系统，因为事先需要建立对应的样本库，而样本数据库的库 存容量一般都很大，有的甚至达到上百万。那么要完成一次辨识，就需要逐一与 样本库的数据进行比对，这样的话就可能要进行几十万次、甚至上百万次的比对。 这个过程需要的时间比较长，速度就很不容易满足要求。识别速度除了和算法的 复杂度有关，还和样本数据库规模以及系统硬件性能等等都有很大的关系