生物識(shí)別有什么關(guān)鍵的技術(shù)

生物識(shí)別技術(shù)在近幾年有了長(zhǎng)足的進(jìn)展，但要使生物識(shí)別從理論研究走向?qū)嶋H應(yīng)用，眾多的科研單位還需要突破和解決其中一系列的關(guān)鍵技術(shù)。

1 生物特征傳感器技術(shù)

通過某種原理可以測(cè)量生物特征，并將其轉(zhuǎn)化成計(jì)算機(jī)可以處理的數(shù)字信號(hào)，這就是生物特征傳感器的主要任務(wù)，也是生物特征識(shí)別的第一步。大部分的生物特征都是通過光學(xué)傳感器如CCD 或CMOS 形成圖像信號(hào)，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(dòng)的紅外光源才可以得到細(xì)節(jié)清晰的個(gè)性特征。由于外加主動(dòng)光源能夠克服可見光線變化對(duì)生物特征的影響，所以最近在人臉識(shí)別領(lǐng)域有研究人員設(shè)計(jì)了紅外成像設(shè)備，來克服人臉模式隨光照變化的類內(nèi)差異，從而大幅度提高了人臉識(shí)別的精度。

為了提高生物識(shí)別系統(tǒng)的易用性、舒適性和用戶的接受程度，同時(shí)又要保證生物特征信號(hào)的質(zhì)量，此外還要小巧精致、成本低廉，生物特征傳感器技術(shù)還有許多需要改進(jìn)的地方。例如最近已經(jīng)有通過非接觸方式采集的3D 指紋傳感器技術(shù)。生物特征傳感器的核心技術(shù)包括：

智能定位技術(shù)

生物特征獲取裝置必須讓用戶和識(shí)別系統(tǒng)處于合適的距離和位置才可以捕獲合格的生物特征信號(hào)。最理想的方案是讓采集裝置自動(dòng)判別用戶的位置，然后主動(dòng)調(diào)節(jié)光學(xué)系統(tǒng)或者直接通過機(jī)械裝置移動(dòng)采集設(shè)備，這樣就可以降低對(duì)用戶的要求，采集方式更加智能化和人性化。

人機(jī)接口設(shè)計(jì)

生物特征采集系統(tǒng)應(yīng)該“以人為本”，符合人體工學(xué)，設(shè)計(jì)生物特征和采集裝置之間的交互接口。通過開發(fā)用戶自定位技術(shù)讓用戶在某種方式的導(dǎo)引下很快找到合適的成像位置。例如現(xiàn)有的人臉識(shí)別和虹膜識(shí)別系統(tǒng)中通常在采集裝置上安裝一面鏡子或者設(shè)置一個(gè)注視點(diǎn)或者設(shè)計(jì)比較巧妙的光學(xué)系統(tǒng)，用戶通過視覺或者語(yǔ)音反饋就可以比較迅速地找到適合成像的位置。

光學(xué)系統(tǒng)設(shè)計(jì)

主要是光學(xué)鏡頭組的設(shè)計(jì)和加工，如果需要主動(dòng)光源照明的話還要在鏡頭上安裝濾光片，根據(jù)成像距離設(shè)置主動(dòng)光源。

機(jī)械控制技術(shù)

包括自動(dòng)變焦的電控單元設(shè)計(jì)、配合用戶的身高和距離進(jìn)行程序調(diào)節(jié)的機(jī)械單元設(shè)計(jì)等。

生物特征傳感器的核心技術(shù)還包括傳感器電路設(shè)計(jì); 信號(hào)傳輸與通信技術(shù); 防撬報(bào)警技術(shù)以及和其他技術(shù)的有機(jī)結(jié)合。

2 活體檢測(cè)技術(shù)

為了防止惡意者偽造和竊取他人的生物特征用于身份認(rèn)證，生物識(shí)別系統(tǒng)必須具有活體檢測(cè)功能，即判別向系統(tǒng)提交的生物特征是否來自有生命的個(gè)體。一般生物特征的活體判別技術(shù)利用的是人們的生理特征，例如活體指紋檢測(cè)可以基于手指的溫度、排汗、導(dǎo)電性能等信息， 活體人臉檢測(cè)可以基于頭部的移動(dòng)、呼吸、紅眼效應(yīng)等信息，活體虹膜檢測(cè)可以基于虹膜振顫特性、睫毛和眼皮的運(yùn)動(dòng)信息、瞳孔對(duì)可見光源強(qiáng)度的收縮擴(kuò)張反應(yīng)特性等。

此外，基于生物特征圖像的光譜學(xué)信息也是進(jìn)行活體檢測(cè)的有效途徑。例如打印的圖像會(huì)形成有規(guī)律的紙質(zhì)紋理特征，可以用頻譜特征進(jìn)行檢測(cè)。此外，還可以通過人機(jī)互動(dòng)的形式檢測(cè)生物特征的活體特性; 使用多模態(tài)生物特征識(shí)別系統(tǒng)也可以提高偽造的難度。

從現(xiàn)有的技術(shù)水平看，活體檢測(cè)功能一直是生物識(shí)別系統(tǒng)的薄弱環(huán)節(jié)，已經(jīng)有研究人員使用偽造的指紋和人臉攻破了現(xiàn)有的系統(tǒng)，引發(fā)了有些用戶對(duì)生物識(shí)別技術(shù)的信任危機(jī)。所以活體檢測(cè)技術(shù)將是生物識(shí)別系統(tǒng)進(jìn)入高端安全應(yīng)用的最大瓶頸。

3 生物特征信號(hào)質(zhì)量評(píng)價(jià)技術(shù)

在自動(dòng)身份識(shí)別系統(tǒng)中，生物特征一般是以連續(xù)的視頻流或者音頻流的形式進(jìn)行獲取。由于有效的生物特征采集范圍總是有限的，再加上人的運(yùn)動(dòng)、姿態(tài)變化等因素，傳輸?shù)接?jì)算機(jī)的生物特征信號(hào)大部分都是不合格的。而高質(zhì)量的生物特征信號(hào)是進(jìn)行特征表達(dá)和身份識(shí)別的基礎(chǔ)，低質(zhì)量的生物特征信號(hào)有可能引起錯(cuò)誤接收或錯(cuò)誤拒絕，降低系統(tǒng)的穩(wěn)定性和魯棒性（系統(tǒng)的健壯性），浪費(fèi)大量的計(jì)算資源在無效的生物特征信號(hào)處理上。

基于上述分析，我們可以從三個(gè)方面努力排除低質(zhì)量生物特征信號(hào)對(duì)識(shí)別性能的影響：

■ 研究高性能的成像硬件平臺(tái);

■ 提高識(shí)別算法的魯棒性;

■ 在生物識(shí)別系統(tǒng)中引入智能的質(zhì)量評(píng)價(jià)軟件模塊，只容許較高質(zhì)量的生物特征信號(hào)進(jìn)行注冊(cè)或識(shí)別。

在這些措施中設(shè)計(jì)有效的質(zhì)量評(píng)價(jià)算法最實(shí)際。因?yàn)樵亵敯舻淖R(shí)別算法能夠接受的信號(hào)質(zhì)量也是有限的。雖然已經(jīng)有高性能的生物特征獲取裝置面世，但是價(jià)格十分昂貴，也解決不了根本問題。所以研究生物特征的質(zhì)量評(píng)價(jià)算法對(duì)于識(shí)別系統(tǒng)性能的提高具有重要意義。

生物特征信號(hào)的質(zhì)量評(píng)價(jià)可看做一個(gè)兩類模式識(shí)別問題——將采集到的生物特征分為合格和不合格兩種情況。如果要對(duì)合格信號(hào)量化打分，還要將評(píng)價(jià)指標(biāo)定量化。生物特征信號(hào)的質(zhì)量評(píng)價(jià)問題是一個(gè)比較困難的問題，因?yàn)樵斐商卣餍盘?hào)質(zhì)量差的原因千差萬(wàn)別，即負(fù)樣本的種類太多，不勝枚舉，很難設(shè)計(jì)一個(gè)分類器將所有的正負(fù)樣本區(qū)分開。需要通過質(zhì)量評(píng)價(jià)來過濾的低質(zhì)量生物特征一般包括存在離焦模糊或運(yùn)動(dòng)模糊的圖像，信噪比太低的信號(hào)，遮擋的圖像等。一般可以從空域和頻域兩個(gè)角度出發(fā)去設(shè)計(jì)質(zhì)量評(píng)價(jià)算法。

從產(chǎn)品實(shí)用化的角度考慮，生物識(shí)別系統(tǒng)現(xiàn)在遇到的最大的瓶頸之一就是信號(hào)的質(zhì)量評(píng)價(jià)。一方面，為了拓寬系統(tǒng)的適用范圍，提高產(chǎn)品的易用性，對(duì)用戶更友好，為此，研究人員希望系統(tǒng)能在生物特征質(zhì)量要求較低的條件下運(yùn)作，但是同時(shí)又要求系統(tǒng)能有穩(wěn)定的高精度。為了平衡這個(gè)矛盾，設(shè)計(jì)“穩(wěn)、快、準(zhǔn)”的質(zhì)量評(píng)價(jià)算法將是必由之路。

4 生物信號(hào)的定位與分割技術(shù)

經(jīng)過處理后的掌紋紋路更清晰了

從生物特征獲取裝置采集得到的原始信號(hào)一般不僅包括生物特征本身，還包括背景信息，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(gè)區(qū)域，真正能有效鑒別人們身份的圖像內(nèi)容也就在虹膜區(qū)域。所以必須從原始信號(hào)中分割出感興趣內(nèi)容進(jìn)行特征提取。定位和分割算法一般都是基于生物特征在圖像結(jié)構(gòu)和信號(hào)分布方面的先驗(yàn)知識(shí)。例如人臉檢測(cè)就是要從圖像中找到并定位人臉區(qū)域，一直是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。

2001年美國(guó)的Viola 和Jones提出了用易于計(jì)算的Harr 小波特征來描述人臉模式，用AdaBoost來訓(xùn)練人臉檢測(cè)分類器，取得了人臉檢測(cè)領(lǐng)域的突破性進(jìn)展，實(shí)現(xiàn)了實(shí)時(shí)檢測(cè)視頻中的人臉圖像，而且準(zhǔn)確率也非常高。這個(gè)方法對(duì)計(jì)算機(jī)視覺和生物識(shí)別領(lǐng)域的影響都很大，現(xiàn)在商業(yè)化的人臉識(shí)別系統(tǒng)基本上都是使用這種人臉檢測(cè)方法或者其變種。而且這種通過機(jī)器學(xué)習(xí)訓(xùn)練弱分類器的方法也被推廣到了一般視覺對(duì)象的檢測(cè)和識(shí)別上。指紋的分割算法一般是基于指紋區(qū)域和背景區(qū)域的圖像塊灰度方差的差異特性; 虹膜的定位主要利用瞳孔/虹膜/鞏膜存在較大的灰度跳變并且成圓形的邊緣分布結(jié)構(gòu)特征; 掌紋的定位一般是基于手指之間的參考點(diǎn)來構(gòu)建參考坐標(biāo)系。

5 生物特征信號(hào)增強(qiáng)技術(shù)

得到了分割后的特征區(qū)域后，有的生物特征識(shí)別方法需要在特征提取前對(duì)感興趣區(qū)域進(jìn)行增強(qiáng)，主要目的包括去噪和凸顯特征內(nèi)容。例如人臉和虹膜圖像一般用直方圖均衡化的方法增強(qiáng)圖像信息的對(duì)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征后進(jìn)行紋路增強(qiáng); 對(duì)于比較模糊的生物特征信號(hào)，可以考慮使用超分辨率的方法或者逆向?yàn)V波的方法進(jìn)行增強(qiáng)。

6 生物特征信號(hào)的校準(zhǔn)技術(shù)

為了克服不同時(shí)刻采集的生物特征信號(hào)之間的平移、尺度和旋轉(zhuǎn)變換，需要將參與比對(duì)的兩個(gè)生物特征進(jìn)行對(duì)齊。有的生物特征校準(zhǔn)在特征提取之前完成，例如常用主動(dòng)形狀模型（Active Shape Model）和主動(dòng)表觀模型（AcTIve Appearance Model）進(jìn)行人臉對(duì)齊; 有的生物特征校準(zhǔn)的過程就是特征匹配的過程。生物特征信號(hào)的校準(zhǔn)結(jié)果對(duì)于識(shí)別精度的影響很大，所以也有學(xué)者認(rèn)為生物特征識(shí)別最重要的問題是校準(zhǔn)技術(shù)。

7 生物特征表達(dá)與抽取技術(shù)

對(duì)于生物特征識(shí)別，不管是外行還是內(nèi)行，人們首先想到的問題就是： 機(jī)器是用什么特征進(jìn)行身份識(shí)別的？什么是生物特征信號(hào)中凸現(xiàn)個(gè)性化差異的本質(zhì)特征？這就是生物識(shí)別的基本的、原理性的問題。對(duì)于這個(gè)問題在個(gè)別的生物特征識(shí)別領(lǐng)域得到了共識(shí)，例如指紋識(shí)別，大家都公認(rèn)細(xì)節(jié)點(diǎn)（包括末梢點(diǎn)和分叉點(diǎn)）是描述指紋特征的最佳表達(dá)方式，所以國(guó)際上就有統(tǒng)一的基于細(xì)節(jié)點(diǎn)信息的指紋特征模板交換標(biāo)準(zhǔn)，給不同廠商的指紋識(shí)別系統(tǒng)的兼容性和數(shù)據(jù)交換帶來了便利。但是在其他生物識(shí)別領(lǐng)域，例如人臉、虹膜、掌紋等領(lǐng)域研究人員還在不斷探索最佳的特征表達(dá)模型。雖然這些領(lǐng)域的特征表達(dá)方法的種類繁多，部分算法也已經(jīng)取得了很好的識(shí)別性能，但是人臉識(shí)別、虹膜識(shí)別、掌紋識(shí)別的根本問題—— “什么是人臉、虹膜或掌紋圖像的本質(zhì)特征及其有效表達(dá)？”一直沒有得到權(quán)威和普遍認(rèn)同的回答。

這是因?yàn)槊總€(gè)人臉、虹膜和掌紋圖像的特征表達(dá)方法都是基于某種信號(hào)處理方法或者某個(gè)計(jì)算機(jī)視覺或者某個(gè)模式識(shí)別的理論，“公說公有理，婆說婆有理”，大家對(duì)于這些圖像的本質(zhì)特征表達(dá)還沒有進(jìn)行深入的研究。現(xiàn)在生物特征表達(dá)領(lǐng)域的流行趨勢(shì)是把各種經(jīng)典的或者新提出的圖像分析方法依次去試，有點(diǎn)撞大運(yùn)的感覺，產(chǎn)生這種現(xiàn)象的根源是大家沒有基礎(chǔ)理論的指導(dǎo)，不知道向哪個(gè)方向努力好。由于各種方法各自為“政”，造成生物特征模板的數(shù)據(jù)交換格式難以統(tǒng)一和標(biāo)準(zhǔn)化。例如人臉、虹膜和掌紋的數(shù)據(jù)交換標(biāo)準(zhǔn)只能基于圖像，這是因?yàn)榇蠹艺也坏揭粋€(gè)統(tǒng)一的、權(quán)威的圖像特征表達(dá)方法。

相對(duì)于基于特征的數(shù)據(jù)交換標(biāo)準(zhǔn)，基于圖像的交換標(biāo)準(zhǔn)在計(jì)算和存儲(chǔ)資源的占用、傳輸速率等多方面都處于下風(fēng)。例如在電子護(hù)照應(yīng)用中，統(tǒng)一格式的生物數(shù)據(jù)都存放在非接觸IC 芯片中，在識(shí)別前需要通過無線讀卡器從護(hù)照IC 中讀出生物數(shù)據(jù)，這時(shí)基于特征的方法比基于圖像的方法快100 倍，而且基于圖像的方法還要多一個(gè)特征提取的步驟才能得到用戶護(hù)照中的生物特征。所以不管是對(duì)于研究還是應(yīng)用，生物特征信號(hào)本質(zhì)特征的盡快確定都是最重要的。

通過模擬這些生物體神經(jīng)細(xì)胞對(duì)外界視覺刺激的信息編碼規(guī)則，計(jì)算機(jī)視覺研究人員提出了Ordinal Measures（定序測(cè)量特征）來表達(dá)圖像內(nèi)容。中科院自動(dòng)化所生物識(shí)別與安全技術(shù)研究中心通過拓展原始的定序測(cè)量特征的內(nèi)涵，提出了多極子濾波器的概念，建立了虹膜圖像特征表達(dá)的一般框架，證明了虹膜圖像區(qū)域之間的排序測(cè)度特征等價(jià)于虹膜物理表面不同位置反光率之間的大小順序關(guān)系，是獨(dú)立于光照、對(duì)比度等外界因素的虹膜圖像的本質(zhì)特征。

在這個(gè)框架下，虹膜特征抽取甚至可以簡(jiǎn)化成簡(jiǎn)單的加減運(yùn)算，成功地解決了虹膜識(shí)別從PC 向嵌入式平臺(tái)移植的計(jì)算復(fù)雜性難題。通過定序測(cè)量特征，研究中心還建立了掌紋圖像特征表達(dá)的一般框架，統(tǒng)一了該領(lǐng)域識(shí)別性能最好的三種掌紋識(shí)別方法。并針對(duì)低分辨率掌紋圖像上主線和皺紋線灰度模式特點(diǎn)，提出了新穎的十字架形微分濾波器來抽取掌紋圖像中的定序測(cè)量特征。實(shí)驗(yàn)結(jié)果表明新的掌紋識(shí)別方法不僅識(shí)別精度遠(yuǎn)高于主流方法，并且計(jì)算速度比最好方法快一倍。

8 生物特征的匹配技術(shù)

特征匹配就是計(jì)算兩個(gè)生物特征樣本的特征向量之間的相似度。圖匹配算法也在指紋細(xì)節(jié)點(diǎn)模式、人臉模式、虹膜斑塊模式的相似性度量中得到成功應(yīng)用。

9 生物特征數(shù)據(jù)庫(kù)檢索與分類技術(shù)

收集掌紋信息

隨著生物特征識(shí)別技術(shù)在人類日常生活中的普及，使用人數(shù)的增長(zhǎng)必然導(dǎo)致生物特征數(shù)據(jù)庫(kù)的不斷擴(kuò)大。這種規(guī)模的擴(kuò)大不僅僅表現(xiàn)在數(shù)據(jù)存儲(chǔ)量的擴(kuò)大，還表現(xiàn)在從數(shù)據(jù)庫(kù)中搜索某一條記錄所耗費(fèi)的時(shí)間的增加。例如在一對(duì)多的超大規(guī)模（如一個(gè)城市、一個(gè)國(guó)家、一個(gè)行業(yè)的人群）生物識(shí)別應(yīng)用中，完成一次識(shí)別的時(shí)間的長(zhǎng)度將會(huì)讓人無法忍受。這是任何一項(xiàng)成熟的生物識(shí)別技術(shù)從小規(guī)模應(yīng)用向大規(guī)模應(yīng)用轉(zhuǎn)化時(shí)不可避免的問題。

雖然可以使用并行計(jì)算技術(shù)來減少每次識(shí)別的時(shí)間，如果有一個(gè)生物特征粗分類的方法就可以實(shí)現(xiàn)分層次的生物識(shí)別： 根據(jù)生物特征向量將數(shù)據(jù)庫(kù)中所有的模板分成若干個(gè)大類，在大規(guī)模識(shí)別時(shí)首先判斷輸入生物特征所屬的大類，然后首先和這個(gè)大類的數(shù)據(jù)庫(kù)模板進(jìn)行比對(duì)，這樣就可以（至少?gòu)钠谕担p少等待識(shí)別結(jié)果的時(shí)間。例如指紋可以根據(jù)奇異點(diǎn)的個(gè)數(shù)和位置信息分成拱形、尖拱形、左旋形、右旋形和旋渦形等幾個(gè)大類。在虹膜識(shí)別研究領(lǐng)域也有人利用分形維特征將虹膜數(shù)據(jù)庫(kù)分成四大類。這些分類方法的準(zhǔn)確率都高于90%，結(jié)果是令人鼓舞的。利用生物特征模式，還可以實(shí)現(xiàn)人種分類、性別分類等。所以生物特征粗分類和數(shù)據(jù)庫(kù)檢索技術(shù)將是一個(gè)很有前途的研究方向，下一步研究的重點(diǎn)是增加類別數(shù)，提高分類的準(zhǔn)確率。

10 生物特征識(shí)別系統(tǒng)的性能評(píng)價(jià)

迄今為止，任何的生物特征識(shí)別系統(tǒng)或者方法都有出錯(cuò)的可能。對(duì)系統(tǒng)的識(shí)別精度給出客觀、準(zhǔn)確的評(píng)估其實(shí)是一個(gè)很復(fù)雜的問題，它受測(cè)試樣本的數(shù)量、質(zhì)量、評(píng)估指標(biāo)等因素的影響，但是這對(duì)應(yīng)用單位和司法部門卻是一個(gè)很關(guān)注的焦點(diǎn)問題。所以生物特征識(shí)別方法的性能測(cè)評(píng)已成為生物特征識(shí)別研究的一個(gè)重要方向。對(duì)于1∶1比對(duì)的身份驗(yàn)證系統(tǒng)，錯(cuò)誤有兩種情況： 一是把不同人的生物特征識(shí)別為同一類，稱為錯(cuò)誤接收; 另一種可能是把同一人的生物特征識(shí)別為不同類，稱為錯(cuò)誤拒絕。

一般可以從理論和實(shí)驗(yàn)兩個(gè)方面評(píng)估一個(gè)生物識(shí)別方法的性能指標(biāo)。從理論方面可以研究生物特征的唯一性，即對(duì)影響錯(cuò)誤接收和錯(cuò)誤拒絕的各種參數(shù)進(jìn)行準(zhǔn)確建模，從每種生物特征識(shí)別方法的本質(zhì)和機(jī)理出發(fā)給出理論上可以取得的錯(cuò)誤率的下界。這個(gè)工作是很有意義也是難度很大的。例如司法界對(duì)通過指紋匹配結(jié)果來指認(rèn)罪犯還存在著很大爭(zhēng)議，雖然有研究人員宣稱地球上找不到指紋特征完全相同的兩個(gè)人，但是在自動(dòng)或者人工指紋識(shí)別系統(tǒng)中，到底需要多大的相似度才可以完全確認(rèn)兩枚指紋的同源性？識(shí)別出錯(cuò)的準(zhǔn)確概率到底是多少？已經(jīng)有研究人員對(duì)這個(gè)問題進(jìn)行了比較深入的研究，但是并沒有完全解決好這個(gè)問題。

鏈接：生物識(shí)別也需要安全技術(shù)

生物識(shí)別系統(tǒng)是一個(gè)安全系統(tǒng)，和其他信息安全技術(shù)一樣，它也可能受到各種攻擊，并且在識(shí)別系統(tǒng)的每個(gè)環(huán)節(jié)都可能受到黑客的威脅。除了偽造他人的生物特征樣本外，其他可能的攻擊包括： 在采集裝置和計(jì)算機(jī)的通信鏈路上修改樣本數(shù)據(jù)，修改識(shí)別結(jié)果，替換匹配程序，攻擊生物特征模板數(shù)據(jù)庫(kù)等。并且每個(gè)環(huán)節(jié)的攻擊都是致命的，所以生物識(shí)別系統(tǒng)的安全系數(shù)取決于最薄弱的環(huán)節(jié)。

為了使生物識(shí)別技術(shù)在安全性要求較高的場(chǎng)合得到應(yīng)用，除了算法設(shè)計(jì)外，保護(hù)系統(tǒng)自身的安全性、提高對(duì)各種黑客攻擊的抵抗能力也很重要。為了提高識(shí)別系統(tǒng)的安全程度，對(duì)生物特征數(shù)據(jù)、特征模板和應(yīng)用程序采取加密、數(shù)字簽名、加時(shí)間戳等方法將是一個(gè)可行的研究方向。