第10章生物特征识别2014

模式识别

PatternClassification

第十一章:生物特征识别生物识别概述生物特征识别是指将计算机与光学、声学、生物传感器和生物统计学等相结合，利用人体固有的生物特征来进行个人身份的鉴定。其核心在于获取生物特征，并将之转换为数字信息，存储于计算机中，并利用可靠的匹配算法来完成验证与识别个人身份。3AppliedPatternRecognitionCSE616生物识别概述生物特征的涵义很广，大致上可分为生理特征和行为特征两类。生理特性包括：指纹、掌纹、虹膜、视网膜、人体气味、脸像、DNA等行为特征包括：签名、声音、步态等4AppliedPatternRecognitionCSE616生物识别概述

传统的身份鉴定方法身份标识物品：钥匙、证件、ATM卡身份标识知识：用户名和密码主要借助体外物，一旦证明身份的标识物品和标识知识被盗或遗忘，其身份就容易被他人冒充或取代。生物特征识别技术不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用比传统的身份鉴定方法更具安全、保密和方便性5AppliedPatternRecognitionCSE616生物识别概述政府、电子商务、军队、银行、社会福利保障、安全防务是生物识别技术最具潜力的应用领域美国德克薩斯洲联合银行采用“虹膜识别系统”鉴定用户身份美国维萨格公司的“脸象识别系统”在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯6AppliedPatternRecognitionCSE616生物识别概述基本原理对生物特征进行取样，提取其唯一的特征并转化成数字代码将代码生成特征模板进行身份认证时，识别系统通过获取其特征与数据库中的特征模板进行比对，以确定二者是否匹配，从而决定接受或拒绝该人

7AppliedPatternRecognitionCSE616虹膜识别8AppliedPatternRecognitionCSE616虹膜识别

虹膜是眼球前部含色素的环形薄膜，当中是瞳孔眼球的颜色是由虹膜所含色素的多少决定的不同人种的虹膜色彩不同，黄种人含色素较多，呈棕褐色，远看如黑色；白种人色素少，呈浅灰色或淡蓝色9AppliedPatternRecognitionCSE616虹膜识别虹膜的表层有凹凸不平的皱褶，这些皱褶像指纹一样每个人都不相同，而且不会改变虹膜是人体最具独特性的器官之一，世界上两个人的眼睛虹膜一模一样的情况几乎没有人的虹膜在出生6-18个月成型后终生不再发生变化成为识别每个人生物特征的独一无二的标识10AppliedPatternRecognitionCSE616虹膜识别虹膜识别(IrisRecognition)就是通过提取人眼虹膜信息并通过这种人体生物特征来识别人的身份11AppliedPatternRecognitionCSE616虹膜识别1987年，眼科专家FLOM首次提出利用虹膜图像进行自动虹膜识别的概念1991年，美国洛斯阿拉莫斯国家实验室的JOHNSON实现了一个自动虹膜识别系统1993年，DAUGMAN实现了一个高性能的自动虹膜识别原型系统大部分的自动虹膜识别系统使用DAUGMAN核心算法12AppliedPatternRecognitionCSE616虹膜识别2000年，美国国防高级研究项目署（DARPA）启动了名为HID的研究项目，即远距离身份识别其中包括远距离虹膜识别项目（IrisRecognitionataDistance）研究目的之一就是将虹膜识别应用于未来的国家安全领域，尤其是国家重要信息和技术的管理

13AppliedPatternRecognitionCSE616虹膜识别虹膜识别的原理14AppliedPatternRecognitionCSE616虹膜识别虹膜识别的原理通过一个距离眼睛3英寸的精密相机来捕获虹膜的信息15AppliedPatternRecognitionCSE616虹膜识别虹膜识别技术的特点生物活性虹膜与人体生命现象同时存在，共生共息，所以想用照片、录像的虹膜代替活体的虹膜图像都是不可能的，从而保证了生理组织的真实性唯一性虹膜的纤维组织细节复杂而丰富，具有极大的随机性，即便使用克隆技术也无法复制某个虹膜。同卵双胞胎的虹膜纹理信息不同，同一个人左右眼的虹膜纹理都不会相互认同16AppliedPatternRecognitionCSE616虹膜识别虹膜识别技术的特点非接触性从一定距离即可获得虹膜数字图像,无需用户接触设备,对人身没有侵犯，因而容易被公众接受稳定性虹膜在人的一生中都极其稳定，出生6—18个月后定型，此后终身不变防伪性不可能将一个人的虹膜组织特征改变得与某个特定对象的特征相同17AppliedPatternRecognitionCSE616虹膜识别虹膜识别技术的特点高精度虹膜识别被公认为是目前精确度、稳定性、可升级性最高的身份识别系统（humanauthentication），其特征匹配的准确性甚至超过了DNA匹配

18AppliedPatternRecognitionCSE616虹膜识别在身份识别或确认过程中会有错误有两个重要的测量因子——拒假率（FRR）和容假率(FAR)可以表明任何一种生物测量技术的有效性和可靠性拒假率（FRR）：在进行生物测量时，对某对象的某一生物特征进行生物测量所得结果与该对象已经记录在系统中的模板不匹配，这时拒假事件发生。FRR即是拒假事件发生的概率。19AppliedPatternRecognitionCSE616虹膜识别容假率(FAR)：在进行生物测量时，对某对象的某一生物特征进行生物测量所得结果与另一对象已经记录在系统中的模板匹配，这时容假事件发生。(FAR)即是容假事件发生的概率。性能良好的识别系统，FRR和FAR应尽可能低虹膜识别在FRR和FAR均表现出良好的特性20AppliedPatternRecognitionCSE616虹膜识别虹膜识别的应用虹膜识别考勤系统虹膜识别门禁系统虹膜识别信息访问系统21AppliedPatternRecognitionCSE616虹膜识别长野冬季奥运会使用该技术对射击项目行安全管理2001年，一些欧洲考试中心使用基于虹膜识别技术的系统对应试者进行身份鉴别2002年，英国最大的伦敦Heathrow机场开始在入境口岸试用虹膜识别系统，加强入境安全管理

22AppliedPatternRecognitionCSE616指纹识别指纹是指人的指尖皮肤形成的纹路23AppliedPatternRecognitionCSE616十九世纪初，科学研究发现了指纹至今仍然承认的两个重要特征两个不同手指的指纹纹脊的样式（RidgePattern）不同指纹纹脊的样式终生不变该研究成果使得指纹在犯罪鉴别中得以正式应用指纹识别24AppliedPatternRecognitionCSE616指纹识别二十世纪六十年代，由于计算机可以有效地处理图形，人们开始着手研究计算机来处理指纹自动指纹识别系统（AFIS）在法律实施方面的研究与应用有就由此展开来25AppliedPatternRecognitionCSE616指纹识别指纹的特点稳定性：每幅指纹的结构是恒定的，胎儿在4个月左右就形成指纹，以后终身不变唯一性：全球60亿人没有两个人指纹相同可分类性：可按指纹的纹线走向进行分类，特征易于提取26AppliedPatternRecognitionCSE616指纹识别利用指纹的唯一性和确定性，可将人现场采集的指纹与预先保存的指纹进行比较，以鉴定其真实身份。目前，指纹识别已被全球大部分国家政府接受与认可广泛地应用到政府、军队、银行、社会福利保障、电子商务和安全防卫等领域27AppliedPatternRecognitionCSE616指纹识别西门子公司最早将指纹识别技术运用于手机中指纹识别技术在我国已经得到较广泛的应用北大高科等对指纹识别技术的研究开发已达到可与国际先进技术抗衡中科院的汉王科技公司在指纹识别算法上取得重大进展，达到的性能指标中拒识率小于0.1％，误识率小于0.0001％，居国际先进水平28AppliedPatternRecognitionCSE616指纹识别指纹识别的原理指纹图像数据获取预处理特征提取模板生成待识指纹数据获取预处理特征提取模式匹配识别结果29AppliedPatternRecognitionCSE616指纹识别数据获取通过指纹读取设备读取人体指纹图像光学传感器晶体传感器（电容阵列）3×1×1英寸30AppliedPatternRecognitionCSE616指纹识别预处理规格化把不同原始图像的对比度和灰度调整到一个固定的级别上原始图像规格化后的图像31AppliedPatternRecognitionCSE616指纹识别预处理图像分割将指纹前景区域同背景区域分离开来，以避免在噪声和背景区域中提取特征，提高特征提取的准确性32AppliedPatternRecognitionCSE616指纹识别预处理图像增强、滤波、细化33AppliedPatternRecognitionCSE616指纹识别特征提取基于指纹脊线和谷线的细节进行特征提取分为总体特征和局部特征总体特征：环形、弓型和螺旋型局部特征节点（分叉点、终止点、孤立点等）34AppliedPatternRecognitionCSE616指纹识别特征提取每个点具有七种以上的唯一性特征（位置、方向、曲率等）每个手指平均具有70个节点产生大约1K的模板数据尚无特征提取标准，各厂商自定义35AppliedPatternRecognitionCSE616指纹识别模式匹配通过模糊模式匹配的方法，对待识指纹与模板进行比对，计算其相似度，得出分类结果36AppliedPatternRecognitionCSE616指纹识别典型应用门禁系统考勤系统犯罪记录系统银行身份认证系统37AppliedPatternRecognitionCSE616步态识别步态识别是生物特征识别领域一个新的研究方向旨在根据人们走路的姿势进行身份识别38AppliedPatternRecognitionCSE616步态识别步态分析一直是医学、心理学的研究课题，医学研究认为，如果考虑步态运动的所有信息，那么步态就是唯一的与其他生物特征识别技术(例如指纹等)相比，步态识别的优势在于非接触性、非侵犯性、易于感知、难于隐藏、难于伪装步态识别在门禁系统、安全监控、人机交互、医疗诊断等领域具有广泛的应用前景和经济价值39AppliedPatternRecognitionCSE616步态识别美国DARPA(美国国防部高级研究计划署)2000年重大研究项目—HID(远距离身份识别)计划联合马里兰大学、麻省理工学院、卡耐基梅隆大学等诸多知名院校参与，重点研究远距离的步态识别HID计划对步态识别的研究产生了深远的影响，在一定程度上也促进了计算机视觉技术的发展目前，步态识别的研究仍处于初期阶段40AppliedPatternRecognitionCSE616步态识别步态识别的原理对包含人体运动的图像序列进行分析和处理，通常包含运动检测、周期检测、特征提取、识别算法4个过程待测序列运动检测周期检测特征提取识别算法识别结果样本库41AppliedPatternRecognitionCSE616步态识别运动检测从视频序列的场景图像中检测、提取出运动目标后续处理(例如运动目标分类、跟踪、行为分析和理解等)都是在检测出来的运动区域上进行的由于光照、影子、背景扰动等因素造成的背景图像的动态变化，使得有效的运动检测成为一项挑战性的工作运动检测的方法：

基于特征的方法

、帧间差分法、背景减除法、光流法42AppliedPatternRecognitionCSE616步态识别运动检测基于特征的方法通过从视频图像序列中提取边界轮廓等特征来刻画运动目标帧间差分法利用视频序列中连续两帧或3帧图像亮度变化来提取运动目标背景减除法利用当前帧图像与背景图像的差分运算进行运动目标检测43AppliedPatternRecognitionCSE616步态识别周期检测通过计算人体轮廓随时间变化的自相似性，利用自相关分析实现周期检测或通过分析人体宽度信号或人体区域像素点数来实现周期检测44AppliedPatternRecognitionCSE616步态识别特征提取特征提取直接影响最终的识别性能基于模型的方法和非模型的方法基于模型的方法首先建立人体结构模型（人体运动模型），然后将序列图像的