（仪器科学与技术专业论文）万有引力场方法在人耳图像识别中的应用研究.pdf

中文摘要 摘要 人耳识别是生物特征识别技术研究中的一个新兴领域，它旨在报据人的外耳 特征进行身份识别。人耳识别可以作为其他生物识别技术的有益补充，也可以单 独应用于一些个体识别场合。目前人耳识别技术在国内外尚处于初步探索研究阶 段，还没有形成较为完善的理论体系。作为一种生物特征识别技术，人耳识别需 要借鉴其他的生物识别技术和处理方法，同时人耳具有其特殊的生理结构和生理 位置，必然有其独特的处理方法和技术与之相适应。 本文以人耳这一特殊的生物特征为研究对象，并在前人所做工作的基础上， 以人耳图像万有引力场转换、特征提取等关键环节为研究重点，力图改善和丰富 人耳识别这种新兴的生物特征识别技术，以期对后续研究人员的工作进展有所启 发。 众所周知，确定特征空间的最终目标是在降低原有的维度空间的同时，又能 保持正确分类识别的能力。为了达到这个目标，在人耳生物识别研究领域中，一种 新的万有引力场转换理论把图像看作一系列相互吸引的像素粒子，这些粒子就作为 万有引力场源。伴随力场产生的还有一个标量势能场，在势能场中，人耳轮廓具 有光滑的表面，就像很多由山脊连接的山峰一样。这里的山峰对应的就是势能阱， 类似地山脊就对应着势能通道。本文着重描述了如何利用万有引力场转换算法来 提取力场特征，利用场线方向来定位势能通道和势能阱，这些势能通道和势能阱 最终将构成人耳的特征信息。为了进一步说明力场转换具有可逆性、良好的亮度 灵敏性及定位迅速等优点，本文利用自己建立的人耳图像库完成了实验。并通过 对比硬c 均值，模糊c 一均值和改进模糊c 均值聚类算法的实验结果，来说明力场转 换理论应用于入耳识别的有效性。本文不仅证明了人耳识别是一种有着极大发展 潜力的生物识别技术，还证明了力场转换具有很婷的鲁棒性，特别是对噪声的容 忍度。另外人耳轮廓不必从背景中提取出来，这点也是它的优势所在。 总的来说，本文主要从力场转换理论的几个关键环节进行了有益的探索与研 究，得到了较好的实验结果，为人耳识别技术的发展和应用提供了有价值的研究 思路。 关键词：人耳识别，万有引力场，势能通道，势能阱，场线，改进模糊c 均值法 英文摘要 a b s t r a c t a sar e l a t i v e l yn e wk i n d o fb i o m e t r i c s t h ep u r p o s eo fe a rr e c o g n i t i o ni s d e t e r m i n i n go rv a l i d a t i n gp e o p l e si d e n t i t yb a s e do ne 甜i m a g e s e a rr e c o g n i t i o nc a nb e ab e n e f i c i a ls u p p l e m e n tf o ro t h e rb i o l o g i cr e c o g n i t i o no rb es o l e l yu s e di nc e r t a i n s i t u a t i o n s i n c ec a rr e c o g n i t i o ni si nt h ep r i m a r yr e s e a g c h ，t h e r ei sn o ts u f f i c i e n tt h e o r y a b o u ti t e a rr e c o g n i t i o nn e e d st or e f e rt oo t h e rb i o l o g i c a lr e c o g n i t i o nt e c h n o l o g ya n d t h e o r y , a n dt h e r es h o u l db eap a r t i c u l a rr e c o g n i t i o nm e t h o db e c a u s eo ft h es p e c i a l p h y s i c a ls t r u c t u r ea n dp o s i t i o no f e a r s t i l i sp a p e rf o c u s e so nt h ek e ys t e p so f e a rr e c o g n i t i o ns u c ha su n i v e r s a lg r a v i t a t i o n f i e l dt r a n s f o r m a t i o na n df e a t u r ee x t r a c t i o n nt r i e st oe n r i c ht h em e t h o do fe a r i d e n t i f i c a t i o na n dr e c o g n i t i o n i tw o u l db em y p l e a s u r et h a tt h ep a p e rc a nb eb e n e f i c i a l t oo t h e rr e s e a r c h e r s a sw ek n o w ，t h ef i n a lo b j e c ti nd e t e r m i n i n gf e a t u r es p a c ei st or e d u c et h e d i m e n s i o n a l i t yo ft h eo r i g i n a lp a t t e r ns p a c e , w h i l em a i n t a i n i n gd i s c r i m i n a t i o nf o r c l a s s i f i c a t i o n t om e e tt h er e q u i r e m e n to fe a tb i o m e t r i c s ，an e wu n i v e r s a lg r a v i t a t i o n f i e l dt r a n s f o r m a t i o ni sp u tf o r w a r dt ot r e a tt h ei m a g ea sa na r r a yo fm u t u a l l ya t t r a c t i n g p a r t i c l e st h a ta c ta st h es o u r c eo fau n i v e r s a lg r a v i t a t i o nf i e l d a c c o m p a n yw i t l lt h e f o r c ef i e l dt h e r ei sas c a l a rp o t e n t i a le n e r g yf i e l d ，w h i c ht a k e st h ef o r mo fas m o o t h $ u t f a c et h a tr e s e m b l e sas m a l lm o u n t a i nw i t ham m a b e ro fp e a k sc o n n e c t e db yr i d g e s n 地p e a k sc o r r e s p o n dt op o t e n t i a le n e r g yw e l l s w h i l et h er i d g e sc o r r e s p o n dt op o t e n t i a l e n e r g yc h a n n e l s n l i sp a p e rd e s c r i b e sh o wt 0e x t r a c tf o r c ef i e l df e a t u r e su s i n ga l l u n i v e r s a lg r a v i t a t i o nf i e l dt r a n s f o r m a t i o na l g o r i t h m ，a n de x p l o i tt h ef i e l dl i n e st o a u t o m a t i c a l l yl o c a t et h e s ec h a n n e l sa n dw e l l s ，w h i c hf o r mt h eb a s i so fe a l f e a t u r e s w i t ht h er e s u l t so f h a r dc - m e a l 坶f u z z yc - m e a n sa n di m p r o v e df u z z yc - m 锄l l $ c l u s t e r i n g m e t h o d s ，i n v e r t i b i l i t y , b r i g h m e s ss e n s i t i v i t ya n df a s ti m p l e m e n t a t i o no fu n i v e r s a l g r a v i t a t i o nf i e l dt r a n s f o r m a t i o ni s a l s ov a l i d a t e db yp e r f o r m i n gr e c o g n i t i o no n a d a t a b a s eo fe f f fi m a g e ss e tu pb y 懈i ti ss h o w nt h a te 缸r e c o g n i t i o n 鸵黜t ob ea p o t e n t i a lb i o m e t r i c s , a n dt h ef o r c ef i e l dt r a n s f o r m a t i o nm e t h o di se s p e c i a l l yr o b u s tt o n o i s e o n eo ft h em o s td i s t i n c ta d v a n t a g e so fo u rm e t h o di st h a tt h ec o n t o u ro ft h e a u r i c l ed o e sn o tn e e dt ob ee x p l i c i t l ye x t r a c t e df r o mt h eb a c k g r o u n d i nc o n c l u s i o n ，t h ek e y s t e p so f f o r c ef i e l dt r a n s f o r m a t i o na r es t u d i e da n dag o o d e x p e r i m e n t a lr e s u l ti so b t a i n e d , w h i c hi se x p e c t e dt op r o m o t et h ed e v e l o p m e n to f e a r i t t 重庆大学硕士学位论文 r e c o g m t t o ni nac e r t a me x t e n t k e y w o r d s e a rr e c o g n i t i o n ，u n i v e r s a lg r a v i t a t i o nf i e l d ，p o t e n t i a le n e r g yc h a n n e l ， p o t e n t i a le n e r g yw e l l ，f i e l dl i n e ，i m p r o v e df u z z yc - m e a n s 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取 得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重废太堂 或其他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。 学位做储虢鞘尖签字噍7 年川钼 学位论文版权使用授权书 本学位论文作者完全了解重废太堂有关保留、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 重麽盍堂一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() ，在年解密后适用本授权书。 本学位论文属于 不保密( ) 。 ( 请只在上述个括号内打“4 ”) 学雠文储硌欺仪导师虢易。活秘 签字日期：。d 7 年丁月，日签字日期：d 2 哆年碉日 1 绪论 1 绪论 1 1 研究背景 随着信息技术和网络技术的迅速发展，计算机和网络应用深入到了我们生活 的各个方面，信息安全显示出了前所未有的重要性。如何准确识别一个人的身份， 保护信息安全是当今信息化时代必须解决的一个关键性社会问题。准确的身份识 别是保证信息系统安全的前提，在金融、电子商务、国家安全等领域有着重要的 应用。传统的身份识别方法可分为两类：一类是基于身份标识物品的识别方法， 如钥匙、证件、磁卡等；另一类是基于身份标识信息的识别方法，如用户名和密 码等。这些方法存在着难以克服的缺陷，身份标识物品容易遗失或被伪造，而身 份标识信息容易遗忘或被窃取。更为严重的是，传统的识别方法无法区别身份标 识物品( 信息) 的拥有者与非法获得身份标识物品( 信息) 的假冒者，因而只能 对系统提供有限的安全保障。 另外，系统安全不仅是计算机、网络等信息系统需要面对的问题，也是其他 一些需要身份认证的场合必须解决的问题。犯罪分子经常使用盗用和伪造的签证、 护照非法入境，盗取机密资料或进行破坏活动，造成人们生命和财产的重大损失。 究其原因正是由于传统的纸制证件未经加密且易于伪造。越来越多的个人、消费 者、公司乃至政府机关都认为，现有的基于磁卡和密码的身份识别系统是远远不 够的，必须寻求安全性更高，使用更为便利的身份识别技术。对生物特征识别技 术( b i o m e t r i c s ) 的研究正是出于这样的迫切需求而进行的。 1 1 1 生物特征识别技术的概念 所谓生物特征识别技术，就是通过计算机与各种传感器及生物统计学原理等 高科技手段密切结合，利用人体固有的生理特性和行为特征，来进行个人身份的 鉴别【l 】。生物特征是唯一的( 与他人不同) ，可以测量或可以自动识别和验证的生 理特性或行为方式，分为生理特征和行为特征。生理特征与生俱来，多为先天性 的；行为特征则是习惯使然，多是后天性的。人的生理特征包括人脸、指纹、虹 膜、视网膜、掌纹、体味和d n a 等，行为特征包括语音、签名、步态和击键等。 总的来说，并非所有的生物特征都可以用于个人身份的鉴别。身份鉴别可利用的 生物特征必须满足以下几个条件【2 】： 普遍性：即必须每个人都具备这种特征。特征的普遍性是生物特征识别的 基本前提。 唯一性：即任何两个人的特征都是不一样的。研究表明，很多生理和行为 特征具有稳定性和独特性，不同人具有某种相同生理特征的概率非常小。如，不 重庆大学硕士学位论文 同两个人的虹膜能够有7 5 匹配的概率( 即h a m m i n gd i s t a n c e 是0 2 5 ) 小于1 0 一， 甚至人的左右眼的虹膜区别也很大，如不遭受疾病或意外，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差别，而且五官的局部特 征和总体分布也有所不同，并且人的相貌在一段相当长的时期内基本保持不变。 其他用于生物识别的人体特征也都具有类似的稳定性和独特性。 可测量性：即特征可以被定量测量。特征定量测量的结果必须是易于处理 的数据，主要用于区分不同的生物个体。 稳定性：即特征在一段时间内不改变。当然，在应用过程中，还要考虑其 他的实际因素，如识别精度、识别速度、对人体有无伤害、被识别者的接受程度 等。 目前广泛研究的生物特征识别技术有：人脸识别、虹膜识别、手形识别、指 纹识别、掌纹识别、签名识别和语音识别等。这些生物特征识别技术可以广泛地 应用于公安、金融、医药卫生、门禁和考勤等需要身份鉴定的领域，并且许多生 物识别已进入商业应用阶段。在刑侦领域，用生物识别系统通过将现场获取的指 纹与数据库中已知指纹进行比较，可以确定待查指纹所属的个人身份或确定犯罪 嫌疑人等。在信息安全领域，在个人计算机上使用生物特征验证代替操作系统和 应用程序的密码。在网络安全防范、网上银行、网上贸易和电子商务的安全交易 等数据通信领域，加密技术是研究数据的加密和解密及其变换的技术，是信息安 全传输的必要手段。生物识别技术作为生物密钥可对加密传输数据进行二次加密 来增强安全性【3 】。 基于行为特征的生物识别技术有： 1 ) 步态识别。步态是指人们行走时的方式，这是一种复杂的行为特征。步态 识别主要提取的特征是人体每个关节的运动。尽管步态不是每个人都不相同的， 但是它也提供了充足的信息来识别人的身份。步态识别的输入是一段行走的视频 图像序列，因此其数据采集与人脸识别类似，具有非侵犯性和可接受性。但是， 由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比 较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别 的研究工作却是进展缓慢。到目前为止，还没有商业化的基于步态的身份鉴别系 统【3 1 。 2 ) 击键识别。这是基于人们击键时的特性。如击键的持续时间、点击不同键 之间的时间、出错的频率以及力度大小等。根据这些特征来达到进行身份识别的 目的。上世纪8 0 年代初期，美国国家科学基金和国家标准局研究证实，击键方式 是一种可以被识别的行为特征。但是它容易被模仿和作假，识别精度和可靠性也 还有待提高。 2 】绪论 3 ) 签名识别。签名作为身份认证的手段已经用了几百年了，而且我们都很熟 悉在银行的格式表单中签名作为我们身份的标志。将签名数字化是这样一个过程： 测量图像本身以及整个签名的动作在每个字以及字与字之间不同的速度、顺序和 压力等。签名识别易被大众接受，是一种公认的身份识别的技术。但事实表明人 们的签名在不同的时期和不同的精神状态下是不完全相同的，这就降低了签名识 别系统的可靠性。 4 ) 语音识别。语音识别本质上是一个行为模式识别问题。识别时需要说话 人讲一句或几句试验短旬，对它们进行某些测量。然后计算量度矢量与存储的参 考矢量之阊的一个( 或多个) 距离函数。语音信号获取方便，并且可以通过电话 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较敏感。另外，同一 个人的磁带录音也能欺骗语音识别系统。 基于生理特征的识别技术有： 1 ) 指纹识别。指纹识别技术是通过取像设备读取指纹图像，然后用计算机识 鄹软件分析指纹的全局特征和指纹的局部特征，特征点如嵴、谷、终点、分叉点 和分歧点等，从指纹中抽取特征值，可以非常可靠地通过指纹来确认一个人的身 份。 指纹识别的优点表现在：研究历史较长，技术相对成熟；指纹图像提取设备 小巧；同类产品中，指纹识别的成本较低。其缺点表现在：指纹识别是物理接触 式的，具有侵犯性；指纹易磨损，手指太干或太湿都不易提取图像。 2 ) 虹膜识别。虹膜识别技术是利用虹膜终身不变性和个体差异性的特点来识 别身份的【4 】。虹膜是一种在眼睛瞳孔内的织物状的各色环状物，每个虹膜都包含一 个独一无二的基于水晶体、细丝、斑点、凹点、皱纹和条纹等特征的结构。虹膜 在眼睛的内部，用外科手术很难改变其结构，由于瞳孔随光线的强弱变化，想用 伪造的虹膜代替活的虹膜是不可能的。目前世晃上还没有发现虹膜特征重复的案 例，就是同一个人的左右眼虹膜也有很大区别。除了白内障等原因外，即使是接 受了角膜移植手术，虹膜也不会改变。虹膜识别技术与相应的算法结合后，可以 到达十分优异的准确度，即使全人类的虹膜信息都录入到一个数据中，出现重复 的可能性也相当小。但是虹膜的采集设备成本较高，采集方式也不易让人接受。 3 ) 视网膜识别。人体的血管纹路同样具有独特性，人的视网膜上面血管的图 样可以利用光学方法透过人跟晶体来测定。用于生物识副豹血管分布在视网膜神 经周围，即视网膜视觉细胞的最远处。如果视网膜不被损伤，从三岁起就会终身 不型”。同虹膜识别技术一样，视网膜扫描可能是最可靠、最值得信赖的生物识别 技术，但是它要求使用激光照射眼球的背面以获得视网膜特征，所以视网膜识别 技术运用起来的难度较大。 3 重庆大学硕士学位论文 视网膜技术的优点：视网膜是一种极其固定的生物特征，因为它是隐藏的， 故而不易磨损、老化或是为疾病影响；非接触性的；视网膜是不可见的，故而不 会被伪造。缺点是：视网膜技术未经过任何测试，可能会给使用者带来健康的损 坏，这需要进一步的研究；对于消费者，视网膜技术没有吸引力；很难进一步降 低它的成本。 4 ) 人脸识别。人脸识别技术通过对面部特征和它们之间的关系( 眼睛、鼻子 和嘴的位置以及它们之间的相对位置) 来进行识别，用于捕捉人脸图像的两项技 术为标准视频和热成像技术：标准视频技术通过视频摄像头摄取面部的图像，热 成像技术通过分折由面部的毛细血管的血液产生的热线来产生人脸图像，与视频 摄像头不同，热成像技术并不需要较好的光源，即使在黑暗情况下也可以使用阿。 人脸识别技术优点是：非接触性的。缺点是：要比较高级的摄像头才可有效 高速地捕捉面部图像；使用者面部的位置与周围的光环境都可能影响系统的精确 性，而且人脸识别也是最容易被欺骗的；另外，因人体面部的头发、饰物，变老 或者其他的变化，可能需要通过其他人工智能技术来补偿。这些因素限制了人脸 识别技术广泛地运用。 5 ) 掌纹识别。掌纹与指纹一样也具有稳定性和唯一性，利用掌纹的线特征、 点特征、纹理特征、几何特征等完全可以确定一个人的身份，因此掌纹识别是基 于生物特征身份认证技术的重要内容之一。目前采用的掌纹图像主要分脱机掌纹 和在线掌纹两大类。脱机掌纹图像，是指在手掌上涂上油墨，然后在一张白纸上 按印，然后通过扫描仪进行扫描而得到数字化的图像。在线掌纹则是用专用的掌 纹采样设备直接获取，图像质量相对比较稳定。随着网络、通信技术的发展，在 线身份认证将变得更加重要。但是相对同样利用线特征、点特征、纹理特征和几 何特征等来进行识别的指纹识别，掌纹识别明显处于劣势。 6 ) 手形识别。手形指的是手的外部轮廓所构成的几何图形。手形识别技术中， 可利用的手形几何信息包括手指不同部位的宽度、手掌宽度和厚度、手指的长度 等。经过生物学家大量实验证明，人的手形在一段时期具有稳定性，且两个不同 人的手形是不同的，即手形作为人的生物特征具有唯一性，手形作为生物特征也 具有稳定性，且手形也比较容易采集，故可以利用手形对人的身份进行识别和认 证。但是相对而言，手形信息的采集和处理都不如其他生物特征识别。 7 ) 红外温谱图。人的身体各个部位都在向外散发热量，而这种散发热量的模 式就是一种每人都不同的生物特征。通过红外设备可以获得反映身体各个部位的 发热强度的图像，这种图像称为温谱图。拍摄温谱图的方法和拍摄普通照片的方 法类似，因此，可以用人体的各个部位来进行鉴别，比如可对面部或手背静脉结 构进行鉴别来区分不同的身份。 4 1 绪论 温谱图的数据采集方式决定了利用温谱图的方法可以用于隐蔽的身份鉴定。 除了用来进行身份鉴别外，温谱图的另一个应用是吸毒检测，因为人体服用某种 毒品后，其温谱图会显示特定的结构。 温谱图的方法具有可接受性，因为数据的获取是非接触式的，具有非侵犯性。 但是，人体的温谱值受外界环境影响很大，对于每个人来说不是完全固定的。目 前，已经有温谱图身份鉴别的产品，但是由于红外测温设备的昂贵价格，使得该 技术不能得到广泛的应用。 8 ) 味纹识别。人的身体是一种味源，人类的气味，虽然会受到饮食、情绪、 环境、时间等因素的影响和干扰，其成分和含量会发生一定的变化，但作为由基 因决定的那一部分气味的味纹却始终存在，而且终生不变，可以作为识别任何一 个人的标记。 由于气味的性质相当稳定，如果将其密封在试管里制成气味档案，足足可以 保存3 年，即使是在露天空气中也能保存1 8 小时。科学家告诉我们，人的味纹从 手掌中可以轻易获得。首先将手掌握过的物品，用一块经过特殊处理的棉布包裹 住，放迸一个密封的容器，然后通入氮气，让气流慢慢地把气味分子转移到棉布 上，这块棉布就成了保持人类味纹的档案。可以利用训练有素的警犬或电子鼻来 识别不同的气味，但是对电子鼻的分辩灵敏度有着极高的要求。 9 ) 基因( d n a ) 识别。d n a ( 脱氧核糖核酸) 存在于一切有核的动( 植) 物 中，生物的全部遗传信息都贮存在d n a 分子里。d n a 识别是利用不同的人体细 胞中具有不同的d n a 分子结构。人体内的d n a 在整个人类范围内具有唯一性和 永久性。因此，除了对双胞胎个体的鉴别可能出现偏差外，这种方法具有绝对 的权威性和准确性。不像指纹必须从手指上提取，d n a 模式在身体的每一个细胞 和组织都一样。这种方法的准确性优于其他任何生物特征识别方法，它广泛应用 于识别罪犯。它的主要问题是使用者的伦理问题和实际的可接受性，d n a 模式识 别必须在实验室中进行，不能达到实时以及抗干扰，耗时长是另一个问题。这就 限制了d n a 识别技术的使用；另外，某些特殊疾病可能改变人体d n a 的结构， 系统无法对这类人群进行识别。 1 0 ) 人耳识别。人耳识别技术是2 0 世纪9 0 年代末开始兴起的一种生物特征 识别技术。人耳具有独特的生理特征和观测角度的优势，使人耳识别技术具有相 当的理论研究价值和实际应用前景【6 】。从生理锯剖学上，人的外耳分耳廓和外耳道。 人耳识别的对象实际上是外耳裸露在外的耳廓，也就是人们习惯上所说的耳朵。 一套完整的人耳自动识别系统一般包括以下几个过程：人耳图像采集、图像的预 处理、人耳图像的边缘检测与分割、特征提取、人耳图像的识剔。目前的人耳识 别技术是在特定的人耳图像库上实现的，一般通过摄像机或数码相机采集一定数 s 重庆大学硕士学位论文 量的人耳图像，建立人耳图像库，动态的入耳图像检测与获取尚未实现。 与其它生物特征识别技术比较，人耳识别具有以下几个特点：与人脸识别 方法比较，人耳识别方法不受面部表情、化妆品和胡须变化的影响，同时保留了 人脸识别图像采集方便的优点。与人脸相比，整个人耳的颜色更加一致，图像尺 寸更小，数据处理量也更小。与指纹识别方法比较，人耳图像的获取是非接触 的，其信息获取方式容易被人接受。与虹膜识别方法比较，耳图像采集更为方 便。并且，虹膜采集装置的成本要高于人耳采集装置。正是由于人耳识别的这些 特点，人耳识别正在成为生物特征识别领域的热点。 总之，各种生物特征识别技术都有其特点，在表1 1 中，对常见几种生物特征 识别技术的性能迸行了一个简单的比较【”。 表1 1 不同生物特征识别技术的比较 生物特不变性舒适度 准确度可行性成本 征 指纹 签名 人脸 虹膜 视网膜 手形 指形 人耳 语音 d n a 击键 参考 ( 密 码) 各比较项中越多表示性能越好 从表1 1 中可以看到，不同的生物特征各有优缺点，根据它们不同的特点，在 相关的领域中都有着巨大的发展空间。 1 1 2 生物特征识别技术的标准化工作 随着信息化的发展，人们获取生物特征的方法也越来越多，而且可获取的生 物特征种类也在不断增加。但不管生物特征识别的手段如何，获取何种生物特征， 6 1 绪论 对于某一个具体的人，其相应的生物特征是确定的，因此通过多种手段获取的生 物特征之间应该存在信息的共享和交换。为达到信息交互，采用统一的准则评价 生物特征识别和特征信息，需要制定生物特征识别标准。 目前，生物特征识别的国际标准化工作主要由i s o 1 e c j t c l 负责，而近期对 此项工作的关注主要源于9 i i 恐怖袭击事件。以美国为首的西方发达国家为了 防止和打击恐怖活动，提出了基于生物特征识别的国土安全，在j t c l 下面组建了 生物特征识别标准化分技术委员会，并提出在s c l 7 和s c 2 7 的基础上建立新标准 s c 3 7 。s c 3 7 自2 0 0 2 年6 月建立以来，一直保持着快速的标准制定速度。目 前s c 3 7 完成的主要工作是规范了生物特征识别的相关术语，如a u t h e n t i c a t i o n ( 鉴 别) 、b i o m c t r i cc a p t u r e d e v i c e ( 生物特征获取设备) 、f a l s e m a t c h ( 匹配错误) 等。 本文的研究正是建立在s c 3 7 新标准上的。从当前s c 3 7 的标准制定情况可以看出 在生物特征识别领域，当前最急需的是用于信息共享和信息交换的数据格式标准， 而其他接口、测试、轮廓类标准目前还处于概念性标准研制阶段嘲。 1 1 3 生物特征识别技术的发展趋势 1 ) 多生物特征识别融合 各种生物特征识别技术都有其一定的适用范围和要求，单一的生物特征识别 系统在实际应用中显现出各自的局限性，如有些人的指纹无法提取特征，患白内 障的人虹膜会发生变化等等。统计显示迄今为止，还没有一个单生物特征能达到 完美无错的要求。因此，生物特征识别领域出现了一种新方向，即多种生物特征 识别技术结合使用。将数据融合方法用于身份鉴别，结合多种生理和行为特征进 行身份鉴别具有低错误拒绝率、特征变化适应性强、安全可靠性高等优点，能进 一步提高识别率，增加鉴别系统的可靠性。 2 ) 实时性要求 生物特征识别系统要求大量的计算，这其中包括图像的预处理、特征提取和 识别分类等。具有实时的快速计算能力是达到系统特定性能要求的关键。实现的 方法基本上有两条途径：一是在软件上改进即采用高效快速算法；二是在硬件上 实现。 3 ) 生物特征识别技术与传统技术相结合 传统的用来识别身份的i c 卡和生物特征识别技术的结合使用，具有广泛的应 用前景。智能i c 卡利用其自身的存储、计算功能，将人的生物识别特征存储在卡 内，可以现场进行脱机认证。既提高了效率，又节省了联网在线查询的成本，有 效地避免了认卡不认人的现象，以防由于卡的丢失及密码泄露而带来损失。 7 重庆大学硕士学位论文 1 2 人耳识别技术研究现状 人耳识别技术属于一种新的生物特征识别技术，目前在国内和国际上的研究 与应用都很少，还没有形成一套完整的识别体系，具有相当的理论研究价值和实 际应用前景。但是，同样属于生物特征识别范畴的人耳识别技术必定依赖于现有 的识别理论，尤其是与其相近的人脸识别技术。因此，入耳识别在识别过程方面 具有与其他生物识别共同之处，而在具体实现等一些特征提取的关键环节上又有 独特方面，有别于现有的生物识别技术【9 1 。这就是我们探索与研究的主要课题。 国外对人耳识别技术的研究走在了前列，特别是最近两年，在理论研究和应 用实验上都有了较大的发展。目前国外较为典型的人耳识别技术研究人员及研究 成果分别有： 1 ) i a r m a r e l l i 的人耳识别系统 最早的有记载的人耳识别方法是一位美国犯罪学研究专家a f r e di a n n a r e u i 于 1 9 4 6 年发表的，并在1 9 8 8 年修正过一次。他的i a n n a r e l l i 人耳分类系统已经被美国法 律执行机构采用，并应用了4 0 多年。“i a n n a r e l l i 系统”是通过在一张放大的耳朵图 像上放置一个有8 根轮辐的透明罗盘，在耳朵周围确定1 2 个测量点f l o j ，如图1 1 所示。 图1 1 a n n a r e l l i 系统 f i g 1 1l a r m a r e l l is y s t e m 该系统识别人耳的方法如下：首先，将人耳图像校准到标准位置，并进行归 一化，具体做法是将图像投影到标准“i a r m a r e l l i 系统”内接放大画板上，画板可 以水平或垂直移动，直到人耳图像投影到画板上指定的区域，从而确保参考线通 过上部的对耳轮与耳轮脚的交叉点，底部通过耳珠最里面的一个点；第二步是通 过调整放大设备，直到第二根参考线准确地从顶端到底部跨越外耳。该系统要求 人耳图像的精确校准和归一化。经过这些过程后，可以在图像中直接提取测量段， 1 绪论 每个测量段的长度为整数值，这些测量段加上性别、种族等信息综合后可以进行 不同人耳的识别。显然，这种方法需要改进( 使用更多的测量段或更小的测量单 位) 以增加空间的维数，并且由于它是以耳廓解剖学特征点作为测量系统的基础， 不易定位，丽所有的测量都取决于原点的精确定位。事实上，i a n n a r e l l i 本人也承认 该系统的缺点，所以该方法目前还不能用于人耳自动识别系统。 2 ) b u r g e 和b u r g e r 的人耳自动识别技术 b u r g e 和b u r g e r 两个人提出了一种基于人耳边缘段v o r o n o i 图表而构建的相似 图表的方法来描述耳朵信息，进而通过匹配耳朵图像的子图来完成识别。他们使 用c c d 摄像机采集个体头部灰度图像( 图像大小为3 0 0 x 5 0 0p i x e l s ) ，对图像梯度 的g a u s s i a n 金字塔使用可变形轮廓( d e f o r m a b l ec o n t o u r ) 方法进行人耳的定位，再 使用c a n n y 算子进行边缘检测，阀值上下限为4 6 和2 0 ，如图1 2 a 所示。对较大的曲 线段使用e d g er e l a x a t i o n 合成，去除较小的曲线段，形成v o r o n o i 图表，如图1 2 b 所 示。识别在此阶段完成，即将提取的曲线与模板进行比对。光照和位置的变化使 得这种方法非常不可靠，为了克服这种影响，他们将问题转化为描述曲线之间的 相邻关系，构建曲线的v o r o n o i 相邻图，如图1 2 c 所示。而这种关系不受几何变换 和光照的影响，这种方法还考虑了误差校正的问题，对由油脂和耳垢的堆积而产 生的虚假阴影形成的错误的曲线进行去除处理，并对由此可能会折断的剩余曲线 进行合并处理【1 1 】【埘。 图1 2 人耳特征模型的建立( a ) 耳印( b ) v o r o n o i 图( c ) 邻域图 f i g 1 2s t a g e si nb u i l d i n gt h ee a rb i o m e t r i c sm o d e l ( a ) e a rp r m t ( b ) v o r o n o id i a g r a m ( c ) n e i g h b o rg r a p h 3 ) m o r e n o 等的外耳图像识别方法 9 重庆大学硕士学位论文 m o r e n o 等考虑了人脸识别中未得到很好解决的，由于姿势、角度、光照等原 因造成变化的问题。一般对这些问题的解决方法有两类：基于器官的检测与分析 的方法；对整体人脸图像进行处理的方法( 如：神经网络、主元分析法、直方图 分析等) 。m o r e n o 等将这两种方法应用到了人耳图像的识别中【l ”。针对第一种方 法设计了两个分类器：第一个进行人耳特征点的提取，第二个对耳朵进行形态学 分析，提取耳形和褶皱信息；针对第二种方法，使用了压缩网络设计分类器，用 以得到宏观特征。这两个分类器分别输出相应的特征向量，然后通过复合分类技 术将其进行组合。 图1 3m o r e n o 人耳识别 f i g 1 3m o r e n o ss t u a y t h ee a rb i o m e t r i c s 使用外耳特征点进行识别 m o r e n o 等用图1 3 a 所示的点作为为外耳图像特征点，以这些特征点构成特征向 量，作为神经元的输入，并且该向量与图像变换和尺度变换无关。分类器的输出 与待识别个体相对应，特征点的提取在外耳轮廓图上进行。得到轮廓图的方法是 先对原始图像使用双s o b e l 滤波器( 水平和垂直方向) ，将得到的图像进行阀值控 制，然后相加得到轮廓图。该方法采用9 9 2 9 ( 9 输入，9 隐含，2 9 输出单元) m l p ( m u l t i 1 a y e r p e r c e p t r o n 多层感知) 网络，q u i c k p r o p 算法来调整权值，学习率参数 g = 0 0 5 ，识别率4 3 。 根据人耳形态进行识别 该方法提取形态特征向量，表达耳形和褶皱信息。形态向量的构造如下：首 先得到人耳轮廓图，大小为h v 像素；然后在水平方向进行h 分割，垂直方向进行v 分割，对角线方向进行h + v 分割，如图1 3 b 所示。其中，对轮廓图中交叉点的个数 1 绪论 和不同的分割构成的向量进行标准化，得到每幅图像的形态特征向量。该方法采 用4 0 一3 5 2 9 m l p 网络，q u i c k p r o p 算法调整权值，学习率参数肛= o 1 ，识别率8 3 。 使用压缩网络进行识别 该方法使用的神经网络分为两个阶段( 如图1 j 3 c 所示) ：第一阶段的网络为压 缩网络，提取原始人耳图像显著的统计特征和宏观特征，即压缩特征该阶段采 用q u i c k p r o p 算法调整权值，学习率参数g = 0 0 1 ，初始权值较小以防止溢出错误； 第二阶段将压缩特征作为神经元( 1 5 - 2 9 ) 的输入，其输出与待识别的个体相对应， 识别率为9 3 。经证明，具有h 个隐含单元的压缩网络张成的空间，可以包括输入 图像协方差矩阵前h 个特征向量( 对应前h 个较大特征值) 。 多种识别方法的组合 该文献就上述的识别方法使用了以下三种组合方法： a 确定性分类器( d e t e r m i n i s t i cc l a s s i f i e r s ) ：对于每个输入，输出为确定性的 分类结果。该文使用m a j o r i t y v o t e 方法，其识别率为8 3 。 b 等级分类器( r a n kc l a s s i f i e r s ) ：对于每个输入，输出一系列按照顺序排列 的可能的分类结果。该文使用b o r d ac o u n t 方法，其识别率为8 3 。 c 不确定性分类器( p r o b a b i l i t i e sc l a s s i f i e r s ) ：对于每个输入，输出隶属于每 一类别的概率向量。该文使用w e i g h t i n g b a y e s i a n 方法，其识别率为9 4 。 该系统的人耳图像库包含1 7 4 幅左侧人脸图像( 2 9 人，每人6 幅) 。图像在不 同的条件下拍摄，并且每个人都会改变其表情和头的方向。整个图像集分为三个 子集：训练集( 每人3 幅) 、确认集( 1 幅) 和测试集( 2 幅) 。 4 ) 基于主元分析( p c a ) 的识别方法 v i c t o r ，b o w y e r ，s a r k a r 等为了验证人耳生物特征是否优于人脸生物特征，用 主元分析法( p c a ) 对人脸和人耳图像分别进行识别，他们的实验使用了基于p c a 的标准算法【1 4 】。识别过程为：首先对原始图像进行预处理，根据标志点分割人脸 图像和入耳图像，再进行几何归一化和灰度归一化。训练过程使用主元分析法得 到特征脸空间，测试阶段使用最近邻法对测试图像的特征向量与注册库中的特征 向量进行匹配，结果以累积匹配率的形式给出。 该方法共进行了三个实验，实验的前提假设是人耳识别和人脸识别之间不存 在显著的差异。三个实验的样本条件分别是同一时闻不同表情、不同时间正常表 情、不周时间不同表情。通过实验，得出如下结论：第一，人脸识别率和人耳识 别率没有较大差别；第二，人脸和人耳共同构成的多模态识别方法的识别效果要 优于单独使用其中一种方法的识别效果。 5 ) 三维人耳识别方法 加利福尼亚大学的b i rb h a n u 和h u ic h e r t 提出一种三维人耳识别方法【b l 。这 重庆大学硕士学位论文 种方法分为离线处理和在线识别两个步骤，如图1 4 所示。离线处理主要是训练局 部图像，提取特征点和表面块，计算2 d 柱状图、表面类型和表面中心点，最后建 立一个典型的数据库。在线识别则首先测试人耳局部图像，然后按照离线处理的 相应步骤得到潜在的表面块，用几何约束筛选相关的块，通过模型表面与被测物 体表面的匹配来确认结果。 在线识别 离线处理 测试人耳局部图像 训练人耳局部图像 上 i 离线处理的步骤a 和b 上 a ：特征点和表面块的 找到潜在的表面块。对 提取 顶端的二个m o d e l ，用 几何约束来筛选相关 的块。 上 b ：计算2 d 柱状图、 通过校正m o d e l 表面 表面类型和表面中心 和s c e l l c 表面来确认结 点 果 j r 识别结果m o d e l 数据库 1 图1 4 三维入耳识别流程图 f i g 1 4f l o wc h a l - to f 3 de a rr e c o g n i t i o n 6 ) 力场转换理论 英国的南安普敦大学的d a v i dj h u r l e y ，m a r k s n i x o n ，j o h n n c a r t e r 提出一 种力场转换( f o r c