多生物特征识别学习体会

等级:等级:学习体会课程名称科技创新概论课题名称多生物特征识别专业自动化班级1591班学号202301209121姓名黄建龙指导老师吴迪2023年04月21日在现代社会中，随着计算机及网络技术的高速开展，信息平安显示出前所未有的重要性。身份鉴定是保证系统平安的必要前提，在金融、国家平安、司法、电子商务、电子政务等应用领域，都需要准确的身份鉴定。身份鉴定一般可分为三类：基于特定物品；基于特定知识；基于生物特征。前两类方法〔如身份证、工作证、智能卡、密码、口令等〕存在携带不便、容易遗失、或者由于使用过多或不当而损坏、不可读和密码易被破解等诸多问题。因此，目前广泛使用的依靠证件、个人识别号码、口令等传统方法来确认个人身份的技术面临着严峻的挑战，并越来越不适应现代科技的开展和社会的进步。生物特征识别是通过利用个体特有的生理和行为特征来进行身份识别和〔或〕个体验证的一门科学。基于生物特征识别技术的个人身份识别系统具有更好的平安性、可靠性和有效性，正越来越受到人们的重视，并开始进人我们社会生活的各个领域。生物特征识别技术可分为基于生理特征的生物识别技术和基于行为特征的生物识别技术。一些典型的生物识别方法见图1.经过数十年的研究，生物特征识别在不同的领域获得了不同程度的成功。在人脸、指纹、虹膜、手型、声音、签名、步态等方面都取得了一定的成功。在实际应用中，当唯一性已被证实的情况下，限制这些理论获得实际应用的主要因素是准确性和适应性。每种生物特征都存在局限性，例如，有些指纹很难提取，人脸识别会遇到化装、表情、姿势、光照变化等问题而影响识别率、声音在人的健康状况发生变化时会改变。另外，每种生物特征的准确率也是有限的。多生物特征识别技术就是使用多种生理或行为特征进行人的身份识别的技术。多生物特征识别问题实际上就是多生物特征信息融合问题，通过多生物特征融合的方法，可以提高生物特征识别系统的准确率等性能，另一方面，近年来，迅速开展的多传感器数据融合技术为多生物特征识别提供了理论根底。多生物特征识别技术使得设计高性能实用的身份识别系统成为可能。人体本身所固有的生理特征包括面部特征、指纹、手型、基因、体热辐射与身体气味、眼部特征〔视网膜、虹膜〕、腕部/手部/面部静脉血管模式等。它不随客观条件和主观意愿而改变，因此可用于人体的身份识别。基于指纹的生物识别技术是应用得最早的。每个人都有自己唯一的、持久不变的指纹。它通常由交替出现的宽度大致相同的脊和谷组成。指纹识别技术主要包括：指纹图像的获取、特征提取、模式匹配。指纹识别具有很好的可靠性。目前在刑侦领域、人口平安系统以及驾照注册等方面应用十分广泛。但是指纹识别系统的输入传感器对大约对5％的人的指纹不能提供足够高质量的指纹图像以用于识别。其原因包括手指上的皮肤有伤疤、长茧、皮肤枯燥、病态皮肤、皮肤老化、输入传感器受污染等。人脸自动识别系统作为一种重要的个人身份鉴别方法，可以广泛地应用于公安部门的犯人档案管理、平安验证系统、信用卡验证、医学、视频会议、人机交互系统、保安监视、通道控制乃至出纳机〔ATM〕等多种场合。与其他身份鉴别方法相比，人脸识别具有直接、友好、方便和鲁棒性强等特点。但人脸识别受化装、表情、姿势、光照变化等影响。图1一些典型的生物识别方法利用红外传感器可以获得人体各局部辐射热量的图像，这叫温谱图。通过分析不同个体的红外感应图像来识别身份。由于人脸温谱图识别方法是一种非接触性的、非侵犯性的鉴别方法，因此这种方法容易被人们接受。图1〔c〕为人脸温谱图。温谱图识别方法受周围环境温度的影响较大。另外，红外传感器价格较高，这就大大限制了这种方法的广泛使用。使用虹膜进行身份鉴别是近年来研究的又一热点。虹膜是瞳孔与巩膜间的环形可视局部，见图1〔h〕。人在出生前的随机生长过程中，造成了各自虹膜组织结构的微差异，使得虹膜具备了区别个体的条件。在虹膜识别系统中，首先用数字摄像机捕获登录者的眼睛图像，然后分割提取出虹膜图像，同时加以校准，再对其进行特征的提取与编码，最后进行匹配识别。尽管虹膜扫描识别系统能够取得很高的识别率，但也存在如下的缺点：当前的虹膜识别系统没有进行过现实世界的唯一性认证的试验；图像获取设备复杂、昂贵；黑眼睛的虹膜极难读取。视网膜读取器感知人眼后面的视网膜脉络模式，见图1〔i〕尽管视网膜扫描可以得到很高的识别准确率，然而大多数人都不愿接受这种方法。眼镜的反光同样也会阻止扫描器准确地找到视网膜。手型识别是利用人手的独有的特征来进行身份识别。这些特征包括：手部的外部轮廓、内部的线条、手的几何特性、手指的长度和大小，以及手背的血管脉络模式，见图1〔e〕〔f〕手型图像采集容易，对健康没有影响。但是，手型的大小会随着年龄的增长而发生改变；另外，劳动和受伤等情况会使手型发生变化，给系统的正常判断带来困难。语音识别本质上是一个模式识别问题。识别时需要说话人讲一句或几句试验短句，对它们进行某些测量，然后计算量度矢量与存储的参考矢量之间的一个〔或多个〕距离函数。语音信号获取方便，并且可以通过进行鉴别。语音识别系统对人们在感冒时变得嘶哑的声音比拟敏感；另外，同一个人的磁带录音也能欺骗语音识别系统。各种在法律上有效的文件经常需要签名，见图1〔j〕事实说明人们的签名在不同的时期和不同的精神状态下是不一样的。这就降低了签名识别系统的可靠性。击键分析是基于人击键时的特性，如：击键的持续时间、击不同键之间的时间、出错的频率以及力度大小等而到达进行身份识别的目的。尽管使用生物特征识别有其固有的优点，但由于以下几个原因使得广泛使用受到限制。一个根本的限制是在某些应用场合达不到所要求的准确性。在基于口令的身份识别系统中正确〔或不正确〕的口令总是能准确的接受〔或拒绝〕一个被识别的人。而且对于一个身份识别系统，由于传感器的噪声以及特征提取和匹配的缺陷，往往不能保证得出正确的识别结果，一个冒充者有可能被一个基于生物特征识别系统错误的接受。因此，需要提高基于生物特征识别系统准确性。为了提高系统的性能，需要进行多生物特征信息融合，这就是多生物特征识别技术。多生物特征识别技术就是使用多种生理或行为特征进行人的身份识别的技术。多生物特征识别可减少单生物特征识别带来的一些实际问题，例如，虽然生物特征具有普遍性〔目标人群中每一个体都具有〕实际上，并不是所有的生物特征识别都真正具有普遍性。同样生物特征并不一定总能被一个实际的生物特征识别系统所检测〔量测〕也就是说，目标人群中的一小局部不容易被给定的生物特征识别系统量测出来，例如，一小局部人的指纹不易被系统识别，所以识别系统不能处理这一小局部具有特别特征的人。多生物特征识别技术实际上就是多生物特征信息融合，数据融合技术是一种对多源信息进行有效融合处理的新型理论和技术。数据融合也称为信息融合，是指对来自多个传感器的数据进行多级别、多方面、多层次的处理，从而得到更加完备、更有意义的新信息。这种新信息是任何单一传感器所无法得到的。数据融合的根本目标，就是通过组合获得比任何单个输入数据更准确的信息。多生物特征识融合多个生物特征提供的证据以改良总体的决策准确性。一般来说，可以在下面三个层次中的任意一层进行：①数据层融合，数据层融合对原始信号未作众多预处理之前进行的综合分析，然而，对于计算机处理而言，由于数据的大量性、特征的复杂性以及数据之间的强关联性等，使得直接利用原始数据的融合很难；②特征层融合，输入数据经过前端处理后，对于每种生物特征分别得到其特征描述向量，然后经过特征融合的处理，将多个低维的特征描述向量融合〔合并〕形成更高维的联合特征向量参数；③决策层融合，决策级融合是在最高层上进行的融合。在各个传感器单独决策后，按一定准那么作出全局的最优决策。目前关于生物特征数据融合的研究主要集中在决策研究方面。其特点是简单可行，不同的单个特征可以分别进行独立的处理，然后进行匹配，得到匹配分数，最后通过决策融合的过程，将多个匹配结果经过一定的融合算法进行综合，得到最终结果。而融合算法可以转化为模式识别的过程。仅进行决策阶段的研究是不够的，因为在处理过程中忽略了特征之间的关联关系所带来的作用和影响，另外，主要集中于融合算法的讨论，而忽略了对生物特征的更多考虑，因此，还需要研究数据层和特征层的融合。一个生物特征识别系统要解决的问题可以描述为：对于一个待识别的人，系统作出“是〞或“不是〞的决策，每一种类型的决策又存在两种可能性，即这一决策反映的是真实情况或不是真实情况。因此，总共有四种可能的结果：i〕具有正确身份的人〔genuine〕被接受；ii〕具有正确身份的人〔genuine〕被拒绝；iii〕假冒者〔imposter〕被拒绝；iv〕假冒者〔imposter〕被接受。i〕和iii〕是正确的决策，ii)和iv〕是错误的决策。错误决策中分别用FAF来表示错误接受率，用FFF来表示错误拒绝率，它们是衡量生物识别系统性能的重要指标。多生物特征识别系统相对复杂，数据存储量大，计算量显著增加。但随着计算机技术的高速开展以及高性能价格比的专用芯片的出现，多生物特征识别技术将得到更进一步的开展，必将成为生物识别技术的开展主流。在对身份鉴