．生物辨識的十大關鍵技術解析

What is Biometric Technology?

結合物聯網產業人才，共同創造全球物聯網產業合作契機。

來源:慧聪安防网讯

生物辨識技術在近幾年有了長足的進展，但要使生物辨識從理論研究走向實際應用，眾多的科研單位還需要突破，和解決其中一系列的關鍵技術。

從統計的意義上，講人類的指紋、掌形、虹膜等生理特徵，存在著唯一性。因而這些特徵，都可以作為鑒別用戶身份的依據。

1、生物特徵傳感器技術

通過某種原理可以測量生物特徵，並將其轉化成電腦可以處理的數位信號，這就是生物特徵傳感器的主要任務，也是生物特徵辨識的第一步。

大部分的生物特徵，都是通過光學傳感器，如CCD或CMOS形成圖像信號，例如人臉、指紋、虹膜、掌紋、手形、靜脈等。

但是虹膜和靜脈圖像，需要主動的紅外光源，才可以得到細節清晰的個性特徵。由於外加主動光源，能夠克服可見光線變化，對生物特徵的影響，所以最近在人臉辨識領域有研究人員，設計了紅外成像設備，來克服人臉模式隨光照變化的類內差異，從而大幅度提高了人臉辨識的精度。

為了提高生物辨識系統的易用性、舒適性和用戶的接受程度，同時又要保證生物特徵信號的品質，此外還要小巧精緻、成本低廉，生物特徵傳感器技術，還有許多需要改進的地方。

例如最近已經有通過非接觸方式，採集的3D指紋傳感器技術。生物特徵傳感器的核心技術包括：

生物特徵獲取裝置，必須讓用戶和辨識系統，處於合適的距離和位置，才可以捕獲合格的生物特徵信號。

最理想的方案是讓採集裝置，自動判別用戶的位置，然後主動調節光學系統，或者直接通過機械裝置行動採集設備，這樣就可以降低對用戶的要求，採集方式更加智慧化和人性化。

2、活體檢測技術

為了防止惡意者偽造，和竊取他人的生物特徵用於身份認證，生物辨識系統必須具有活體檢測功能，及判別向系統提交的生物特徵，是否來自有生命的個體。

一般生物特徵的活體判別技術，利用的是人們的生理特徵，例如活體指紋檢測，可以基於手指的溫度、排汗、導電性能等資訊，活體人臉檢測可以根據頭部的移動、呼吸、紅眼效應等資訊，活體虹膜檢測可以根據虹膜振顫特性、睫毛和眼皮的運動資訊、瞳孔對可見光源強度的收縮、擴張反應特性等。

此外，根據生物特徵圖像的光譜學資訊，也是進行活體檢測的有效途徑。例如列印的圖像，會形成有規律的紙質紋理特徵，可以用頻譜特徵進行檢測。

此外，還可以通過人機互動的形式，檢測生物特徵的活體特性;使用多模態生物特徵辨識系統，也可以提高偽造的難度。

從現有的技術水準看，活體檢測功能，一直是生物辨識系統的薄弱環節，已經有研究人員使用偽造的指紋和人臉，攻破了現有的系統，引發了有些用戶對生物辨識技術的信任危機。所以活體檢測技術，將是生物辨識系統，進入高端安全應用的最大瓶頸。

3、生物特徵信號品質評價技術

在自動身份辨識系統中，生物特徵一般是以連續的影像流，或者音訊流的形式進行獲取。由於有效的生物特徵採集範圍，總是有限的，再加上人的運動、姿態變化等因素，傳輸到電腦的生物特徵信號，大部分都是不合格的。

而高品質的生物特徵信號，是進行特徵表達，和身份辨識的基礎，低品質的生物特徵信號，有可能引起錯誤接收或錯誤拒絕，降低系統的穩定性和魯棒性(系統的健壯性)，浪費大量的計算資源，在無效的生物特徵信號處理上。

生物特徵信號的品質評價，可看做一個兩類模式辨識問題——將採集到的生物特徵，分為合格和不合格兩種情況。如果要對合格信號量化打分，還要將評價指標定量化。

生物特徵信號的品質評價問題，是一個比較困難的問題，因為造成特徵信號品質差的原因千差萬別，即負樣本的種類太多，不勝枚舉，很難設計一個分類器，將所有的正負樣本區分開。

需要通過品質評價，來過濾的低品質生物特徵，一般包括存在離焦模糊，或運動模糊的圖像，信噪比太低的信號，遮擋的圖像等。一般可以從空域和頻域兩個角度出發，去設計品質評價算法。

4、生物信號的定位與分割技術

從生物特徵獲取裝置採集，得到的原始信號，一般不僅包括生物特徵本身，還包括背景資訊，例如原始的虹膜圖像中包括虹膜、瞳孔、鞏膜、眼皮和睫毛等多個區域，真正能有效鑒別人們身份的圖像內容，也就在虹膜區域。

所以必須從原始信號中，分割出感興趣內容進行特徵提取。定位和分割算法，一般都是根據生物特徵在圖像結構，和信號分布方面的先驗知識。

例如人臉檢測就是要從圖像中，找到並定位人臉區域，一直是電腦視覺領域的研究熱點。

5、生物特徵信號增強技術

得到了分割後的特徵區域後，有的生物特徵辨識方法，需要在特徵提取前對感興趣區域進行增強，主要目的包括去噪和凸顯特徵內容。

例如人臉和虹膜圖像，一般用直方圖均衡化的方法，增強圖像資訊的對比度;指紋一般用頻域的方法，得到脊線分布的頻率，和方向特徵後進行紋路增強;對於比較模糊的生物特徵信號，可以考慮使用超高解析的方法，或者逆向濾波的方法進行增強。

6、生物特徵信號的校準技術

為了克服不同時刻採集的生物特徵，信號之間的平移、尺度和旋轉變換，需要將參與比對的兩個生物特徵進行對齊。

有的生物特徵校準，在特徵提取之前完成，例如常用主動形狀模型(Active Shape Model)，和主動表觀模型(Active Appearance Model)進行人臉對齊;有的生物特徵校準的過程，就是特徵匹配的過程。

生物特徵信號的校準結果，對於辨識精度的影響很大，所以也有學者認為，生物特徵辨識最重要的問題是校準技術。

7、生物特徵表達與抽取技術

對於生物特徵辨識，不管是外行還是內行，人們首先想到的問題就是：機器是用什麼特徵進行身份辨識的?什麼是生物特徵信號中，凸顯個性化差異的本質特徵?這就是生物辨識的基本的、原理性的問題。

對於這個問題，在個別的生物特徵辨識領域，得到了共識，例如指紋辨識，大家都公認細節點(包括末梢點和分叉點)，是描述指紋特徵的最佳表達方式，所以國際上就有統一的，根據細節點資訊的指紋特徵模板交換標準，給不同廠商的指紋辨識系統的相容性和數據交換，帶來了便利。

但是在其他生物辨識領域，例如人臉、虹膜、掌紋等領域研究人員，還在不斷探索最佳的特徵表達模型。雖然這些領域的特徵，表達方法的種類繁多，部分算法也已經取得了很好的辨識性能，但是人臉辨識、虹膜辨識、掌紋辨識的根本問題——「什麼是人臉、虹膜或掌紋圖像的本質特徵，及其有效表達?」一直沒有得到權威和普遍認同的回答。

這是因為每個人臉、虹膜和掌紋圖像的特徵表達方法，都是根據某種信號處理方法，或者某個電腦視覺，或者某個模式辨識的理論，「公說公有理，婆說婆有理」，大家對於這些圖像的本質特徵表達，還沒有進行深入的研究。

現在生物特徵表達領域的流行趨勢，是把各種經典的或者新提出的圖像分析方法，依次去試，有點試運氣的感覺，產生這種現象的根源，是大家沒有基礎理論的指導，不知道向哪個方向努力好。

由於各種方法各自為「政」，造成生物特徵模板的數據交換格式，難以統一和標準化。

例如人臉、虹膜和掌紋的數據交換標準，只能根據圖像，這是因為大家找不到一個統一的、權威的圖像特徵表達方法。

8、生物特徵的匹配技術

特徵匹配，就是計算兩個生物特徵樣本的特徵，向量之間的相似度。圖匹配算法也在指紋細節點模式、人臉模式、虹膜斑塊模式的相似性度量中，得到成功應用。

9、生物特徵數據庫檢索與分類技術

隨著生物特徵辨識技術，在人類日常生活中的普及，使用人數的成長，必然導致生物特徵數據庫的不斷擴大。

這種規模的擴大，不僅僅表現在數據儲存量的擴大，還表現在從數據庫中，搜索某一條記錄所耗費的時間的增加。例如在一對多的超大規模(如一個城市、一個國家、一個行業的人群)生物辨識應用中，完成一次辨識時間的長度，將會讓人無法忍受。

這是任何一項成熟的生物辨識技術，從小規模應用向大規模應用轉化時，不可避免的問題。