《信息安全工程》课件第11章.ppt

1、第11章基于生物的认证技术 第11章基于生物的认证技术 11.1生物认证技术简介生物认证技术简介 11.2生物认证系统及其性能测评生物认证系统及其性能测评 11.3指纹识别技术指纹识别技术 11.4人脸分析技术人脸分析技术 11.5其他生物认证技术其他生物认证技术 11.6生物认证技术的典型应用生物认证技术的典型应用 11.7生物认证技术应用案例生物认证技术应用案例 第11章基于生物的认证技术 11.1生物认证技术简介生物认证技术简介11.1.1生物认证的引入生物认证的引入如今人类社会已经进入信息时代。信息技术的飞速发展推动了整个社会的进步,随之现代社会对信息技术又提出了更新、更高的要求。计算

2、机使整个社会实现了信息化和网络化,而信息化和网络化的社会又对各种信息系统的安全性提出了更高的要求。身份认证成为人们加强信息系统安全性的基本方法之一,于是系统、科学的生物认证技术由此诞生,并逐步发展起来。第11章基于生物的认证技术 1.生物认证技术的必要性生物认证技术的必要性人们生活在社会中,身份认证必不可少。传统的身份认证有以下两种方式:(1)通过对用户所拥有的各种物品(称为标识物(token),如钥匙、证件等)来进行认证,这种方式称为基于标识物的身份认证。比如,进门开锁，进入图书馆时工作人员检查证件等。(2)对用户所拥有的某种知识(如密码、卡号等)进行认证,这种方式称为基于知识的身份认证。比

3、如,进入计算机操作系统时要求输入密码,在互联网上进入自己的电子邮箱时要求输入密码等,只有通过这一步的身份认证,才能够进行下一步的操作。第11章基于生物的认证技术 显然,这些传统的认证方法具有很多缺陷。例如:(1)不方便。基于标识物的身份识别系统中,证件、钥匙等携带不方便,容易丢失和伪造。另外,证件等标识物随着使用次数的增多会造成不同程度的磨损,例如身份证具有有效期,于是会造成整个认证系统的安全性能下降。第11章基于生物的认证技术(2)不安全。基于知识的身份认证系统中,由于密码等知识难以记忆,因此很可能被遗忘或者造成记忆混淆。同时,网络黑客可能蓄意盗取用户账号、密码等信息,从而影响整个系统的安全

4、性。据统计,每年因密码被盗、证件丢失或伪造等给银行、通信公司、政府部门等造成的损失达几十亿美元。(3)不可靠。传统的身份识别系统所认证的大都是“身外之物”,而不是对本人进行识别,所以很难区分经过授权的本人和通过欺诈等恶意手段得到的授权标识或指示的冒充者,所以具有“天生的缺陷”。第11章基于生物的认证技术 2.生物认证技术的可行性生物认证技术的可行性生物认证技术是为了进行身份认证而采用自动技术测量其身体的特征或者个人的行为特点,并将这些特征或特点与数据库的模板数据进行比较,完成认证的一种解决方案。生物认证技术是一项十分安全与方便的技术,它不需要记住账号和密码,也不必随身携带各种卡片,生物测定就是

5、人本身,没有什么比这个更安全或者更方便的了。人本身的生物特征具有终生不变的特性,并且不会被盗、丢失或者遗忘,也很难伪造或者模仿,所以在加强系统和信息的安全性方面,生物识别技术能有效地克服传统身份识别的缺陷。第11章基于生物的认证技术 由于生物识别技术以人的现场参与作为验证的前提和特点,且基本不受人为的验证干扰,因此较之传统的钥匙、磁卡、门卫等安全验证模式具有不可比拟的优势,更由于其软件、硬件设施的普及率上升、价格下降等因素,其应用范围越来越广泛,其作用也越来越重要。另外,生物认证技术除了能够实现身份验证,即判断是否是某人之外,还能实现身份的辨别,即从多个人中辨认出某个人。这个特点使得生物认证技

6、术的应用范围得到了极大的扩展,使之能应用于传统身份识别方法不能应用的场合。第11章基于生物的认证技术 11.1.2生物认证技术的发展和特点生物认证技术的发展和特点1.生物认证技术的发展历史、现状和趋势生物认证技术的发展历史、现状和趋势生物认证技术随着人类的诞生而诞生,近几个世纪以来发展迅速,其里程碑式的事件如下:1686年,意大利Bologna大学的学者MarcelloMalpighi用显微镜发现了指纹的涡型。1880年,科学家发现每个人的指纹独一无二,并意识到指纹作为身份识别的可行性。20世纪,指纹技术在司法方面得到了世界范围的广泛应用。1978年,销售出第一台生物识别设备。1986年,从事

7、掌纹识别的RecognitionSystemInc.成立。1987年,研究发现没有两个人的虹膜是相似的,这一理论申请了专利。第11章基于生物的认证技术 1990年,从事签字识别的PenOpInc.在英国成立,从事指纹识别的SACTechnologiesInc.成立。1994年,Dr.Daugman获得第二项基础科技的专利权IriScan许可证。由于能用计算机辨识复杂模式的算法的发展,Drs.Atick和Griffin成立了从事面部识别的VisionicsCorp.。1996年,从事签字识别的CyberSign在美国加州成立,从事指纹识别的BiometricIdentificationInc.成

8、立。1999年,Biometrics宣布参与FBI的AFIS(北美犯罪用自动指纹辨识系统)项目,其活体指纹采集系统已经应用于FBI总部。第11章基于生物的认证技术 近年来,生物认证技术发展势头迅猛,市场份额大幅度持续增长。据国际生物识别集团(InternationalBiometricGroup)统计,2005年全球生物识别技术产品的市场已经超过15亿美元,预计到2014年这个数字将会超过93亿美元。图11.1.1所示为国际生物识别集团对20092014年生物识别领域的市场预测。第11章基于生物的认证技术 图11.1.120092014年生物识别领域的市场预测 第11章基于生物的认证技术 据国

9、内有关专家估计,在今后我国也将形成高达100亿元人民币的生物识别技术市场。另据2004年国际生物识别集团统计,全球市场上主要的生物认证技术产品包括指纹识别、声音识别、人脸识别、签名识别、手形识别、虹膜识别以及多种生物特征识别。其中,指纹识别和人脸识别总共占据高达60%的市场份额,如图11.1.2所示。第11章基于生物的认证技术 图11.1.22004年全球市场上生物认证技术产品份额统计 第11章基于生物的认证技术 2.生物认证技术的特点生物认证技术的特点生物认证技术是一门利用人生理上的特征来识别人的科学。与传统方法的不同之处在于,生物特征识别方法依据的是我们本身所拥有的东西,是我们的个体特性。

10、理论上,任何生理特征都可以用来进行识别和认证,但事实上,人体有很多生物特征,并不是每一种都可以用来识别身份。可以用于身份识别和认证的人体生物特征必须满足以下几个基本条件:(1)普遍性:是指每个人都必须具有的特征。(2)独特性:是指每个人的某特征都不相同,任何两个人都可以用该特征进行区分。第11章基于生物的认证技术(3)永久性:是指某特征应该具有足够的稳定性,即不会随着时间或者环境的变化而发生大的改变。(4)可采集性:是指某特征可以较为方便地被采集和量化。(5)可接受性:是指基于某特征的识别系统应该比较容易被用户接受。(6)性能要求:是指基于某特征的系统应该能获得足够高的识别精度,并且对资源和环

11、境的要求都应该在一个合理的范围之内。(7)安全性:是指某特征不容易被伪造或者模仿,也不会对人体造成物理伤害。第11章基于生物的认证技术 11.1.3生物认证的分类和比较生物认证的分类和比较1.生物认证技术的分类生物认证技术的分类人体生物特征分为两大类,即生理特征和行为特征。生理特征是指对人体某部分进行直接测量所获得的数据。当前,常用的人体生理特征归纳如下:(1)DNA。DNA即脱氧核糖核酸,是人体内的遗传物质,主要存在于人体细胞核的染色体上,控制着人体生长、发育的全过程。但是现在其应用领域受到严重限制,主要用于刑侦和司法领域。第11章基于生物的认证技术(2)耳廓。人的耳廓是个体形态的组成部分,

12、耳廓上的耳轮、耳屏、耳垂等多个部位的宽度、弧度、位置、形态及其相互关系构成了个体耳廓所固有的、相对稳定的特征。(3)体味。体味即人体气味,指人体不间断地向环境散发出的能使鼻子和大脑皮层产生某种嗅觉的挥发性物质。体味是人体固有的、相对稳定的内源性气味。(4)人脸。在人脸识别中,用得最多的人脸特征有两类：一类是面部基本构件的位置、形状和它们的空间拓扑关系;另一类是将每个人脸用一系列标准人脸的加权和来表示,从而得到人脸的全局特征。第11章基于生物的认证技术(5)指纹。研究表明,人的指纹是终生不变的,在指纹识别中最常用的特征是乳突纹的细节点,因为其精度较高。(6)掌纹。手掌上也布满了和指纹一样的乳突纹

13、,同时还具有一些掌纹线特征,这些特征均可以实现身份识别。(7)热辐射。人体散发出来的热辐射能反映一个人的特征信息,并且可以很方便地用红外相机采集到,因而可以用于身份识别。(8)虹膜。虹膜上丰富而稳定的纹理特征具有很强的区分能力,从而使之成为最可靠的人体生物特征之一。第11章基于生物的认证技术(9)视网膜。视网膜上有丰富的脉管,这些脉管具有复杂并且稳定的结构,可以实现高精度的身份认证。(10)手形。手形特征主要是指手的三维几何特征,如手掌的宽度和厚度、各个手指的长度和宽度等。(11)手上的静脉血管。静脉血管的结构信息可用来实现身份识别。第11章基于生物的认证技术 行为特征是对一个人的习惯动作的度

14、量,是对人体特征的间接性测量。常用的人体行为特征归纳如下:(1)手写签名。每个人手写签名时都有自己特有的方式,因而可以应用于生物认证领域。(2)声纹。声纹既是行为特征，也是生理特征。声音是气流作用于人的声带、嘴、鼻腔、嘴唇等部件形成的,通过声音可以估算出这些部件的位置、形状、大小等信息。(3)步态。步态是指每个人走路时特有的姿态,可实现远距离身份识别。(4)击键打字。每个人击键打字都有自己的习惯,从而可以在一定程度上反映一个人的身份信息。第11章基于生物的认证技术 2.生物认证技术的比较生物认证技术的比较表11.1.1各种人体生物特征的比较 第11章基于生物的认证技术 11.2生物认证系统及其

15、性能测评生物认证系统及其性能测评 11.2.1系统要求系统要求1.可靠性可靠性在一个需要密码的认证系统中,提供正确的密码总是能够得到正确的结果,并且这个系统能拒绝其他任何错误的密码。然而,生物认证系统不能保证一个认证总是正确的,原因在于采集器的噪声和处理方法的限制,更重要的是生物特征的变化及表现形式的变化。另外,一个生物特征识别系统的准确性依赖于它所适用的人口数量。为了能把生物特征识别系统成功地应用到个人身份认证中,理解和评估这种技术的应用场合和人口数量是非常重要的。可靠性在大型生物认证系统中是非常重要的,因此在这种情况下准确性就变得次要了。第11章基于生物的认证技术 2.易用性易用性在生物认

16、证系统中,复杂性和安全等级之间存在一个实际的平衡点。为了能使得一个生物认证系统得以应用,应该明确说明使用和学习这个系统与系统的应用环境及潜在用户的困难。3.用户接受性用户接受性主要由生物认证系统的强迫性和干扰性所确定,对用户来说是主观的。用户绝对不会接受一个令人讨厌的系统。然而,在安全要求高的应用环境中,一个难以应用的生物认证系统也有可能受到用户的欢迎,只要这个系统足够安全。第11章基于生物的认证技术 4.易施性易施性为了提高生物认证技术并将其广泛应用,应该使该技术易于系统集成和实行。现在利用和集成生物认证技术还不是一件容易的事情,原因之一就是缺乏广泛的工业标准。为了能把生物认证技术推向主流的

17、身份认证市场,鼓励其在现实环境中的评估,促进其在终端解决方案中的集成,都是非常重要的。5.费用费用尽管已经把生物认证应用到商业解决方案中,但仍然存在一些总体成本的考虑,包括涉及到的设备、安装、调试、培训等花费,软件和硬件的维护也应该加入成本预算里。第11章基于生物的认证技术 11.2.2系统模型系统模型总体来说,任何一个生物认证系统都包括如下步骤。(1)信号获取。生物认证系统的信号(一维波形或二维图像等)是由一个采集设备来获取的。所获取的原始信号的质量非常重要,它是后继处理的输入数据。(2)预处理。在这个阶段,对信号/图像进行优化,包括传输、增强、分割、压缩、去噪、旋转和平移等。(3)特征提取

18、。在这个阶段，要提取稳定的、区分能力强的特征,即要求所提取的这些特征能满足类内距离小,类间距离大。(4)特征匹配。在该阶段,将待识别的特征与模板库中的模板进行匹配,从而得到识别结果。第11章基于生物的认证技术 11.2.3系统的操作模式系统的操作模式1.注册注册在进行验证或者辨识之前,用户需要首先将自己的身份注册到生物认证系统中。注册的具体过程如下:(1)接受用户提供的人体生物信号和他个人的标识(如ID号等)。(2)对所获取的人体生物信号进行预处理和特征提取。(3)将所提取的特征作为模板连同用户的个人标识储存到模板库或卡中。第11章基于生物的认证技术 2.身份辨识身份辨识身份辨识是指在事先对用

19、户的身份完全不清楚的情况下,根据他的生物特征来辨识出该用户的身份,以回答“他是谁”的问题,也称为一对多匹配(onetomanymatching)。其具体过程如下:(1)系统接受用户提供的人体生物信号。(2)对所获取的人体生物信号进行预处理和特征提取,并将提取的特征与系统模板库中所有或者部分模板进行匹配。(3)根据匹配结果得到最为相近的模板,则该模板对应的ID就是这个用户的身份。第11章基于生物的认证技术 3.身份验证身份验证身份验证需要用户首先声明自己的身份(通过ID号等),然后根据用户的生物特征来回答问题“他是他自称的那个ID吗？”,也称为一对一匹配(onetoonematching)。其具

20、体过程如下:(1)系统接受用户提供的人体生物信号和他个人的标识(如ID号等)。(2)对所获取的人体生物信号进行预处理和特征提取。(3)根据用户提供的ID,从系统模板库中提出相应的模板,并将其与上一步提取的特征进行匹配,进而判断该用户是否为其声称的合法用户(genuine)。第11章基于生物的认证技术 11.2.4系统的层次框架系统的层次框架 1.系统层系统层生物认证系统中,系统层关心的问题是:哪一种生物特征应该被使用,哪一种操作模式更好,怎样获得一个生物特征识别的数字表示,系统的层次结构如何,以及其他的问题,如生物工程、物理大小、电能供应、花费、管理和维护费用、对环境的影响等。第11章基于生物

21、的认证技术 图11.2.1生物认证系统的层次框架 第11章基于生物的认证技术 2.算法层算法层若已经给出了生物认证系统层的具体规划和实际应用要求,则在算法层的主要任务是特征的提取和匹配。特征的提取是指从输入的原始数据中提取出特征来表示整个数据。特征的匹配是指确定两个特征集是否来自于同一个数据源。算法层设计也包括其他的模板,如数据库管理、质量监控、加密、用户界面等。第11章基于生物的认证技术 3.评估层评估层评估层主要研究的问题是:采用何种方法,使用哪些统计量可以评价和识别算法的准确性。该层可以使不同算法间具有可比性。由于算法评估标准必须具有先进性、通用性和有效性,并要得到世界各国的认同,因此形

22、成标准仍是一项艰巨的任务。目前,国际上对生物认证尚未形成统一的标准,很多国际组织正在积极地进行标准的制定。第11章基于生物的认证技术 4.应用层应用层应用层主要研究和开发具有全面、准确、真实、客观等特点的生物认证系统,应用于司法、医疗、银行、社会保障等领域。不同的应用领域对识别算法的性能要求不同,针对不同领域的要求设计生物认证系统,是应用层研究的主要目的。上述四个层次互相联系。基于特征唯一不变的假设,算法层要选择合适的算法,识别算法的效果可以反映特征的好坏;评估层对各种识别算法进行分析比较,评估的结果有益于算法的设计。同时,根据评测得到的各种算法的特点和优势各不相同,各算法可以应用于不同领域。

23、第11章基于生物的认证技术 11.2.5系统的性能测评系统的性能测评 1.拒真率和认假率拒真率和认假率生物认证技术准确性的衡量标志是识别率。识别率主要由两种错误率来描述:拒真率(FRR,FalseRejectRate)和认假率(FAR,FalseAcceptRate)。在进行生物特征识别时,输入的生物特征要与已注册的生物特征进行不精确匹配。当匹配度大于某个阈值时,该用户就被当作合法用户(genuine)而被接受(accept);当匹配度小于这个阈值时,该用户就被认为是假冒者(impostor)而被拒绝(reject)。第11章基于生物的认证技术 拒真率是指系统将合法用户当成假冒者而拒绝的概率;

24、认假率是指系统将假冒者当成合法用户而接受的概率。这两种错误概率可以用下面的公式来计算:%100NIANFAFAR%100NAANFRFRR式中,NAA和NIA是合法用户和假冒者分别尝试的总次数;NFR和NFA是错误拒绝和错误接受的次数。当FAR=FRR时,FAR/FRR称为等误率(EER,EqualErrorRate)。第11章基于生物的认证技术 拒真率和认假率反映了一个生物认证系统两个不同方面的特性。FAR越低,假冒者被接受的可能性越低,从而系统的安全性越高;FRR越低,合法用户被拒绝的可能性越低,从而系统的易用性越好。对于任何一个生物认证系统来说,FAR和FRR越小越好。但是,这两个指标是

25、矛盾的,二者不可能同时降低,其中任何一项的降低,必将引起另一项的升高。所以,应该根据不同的应用来折中调节FAR和FRR:对于安全性能要求较高的系统,如某些军事系统中,安全最重要,因此应该降低FAR;对于安全性不是很高的系统,如很多民用系统中,易用性很重要,这时应该相应降低FRR。第11章基于生物的认证技术 2.ROC曲线曲线ROC曲线(ReceiveOperatingCharacteristicCurve)是一种已经被广泛接受的匹配算法测试指标。它给出了随着阈值的不同FAR和FRR之间的关系。如图11.2.2所示,ROC曲线可以清楚地反映一个生物识别系统中FAR和FRR的变化关系,并且有利于不

26、同生物认证系统之间的性能比较。因而,ROC曲线能够有效地描述一个生物认证系统的性能,从而成为评判生物认证技术的标准之一。第11章基于生物的认证技术 图11.2.2ROC曲线 第11章基于生物的认证技术 3.注册失败和拒登率注册失败和拒登率如果系统不能在限定的时间内通过某个个体的身份注册,则认为是一次“注册失败”。注册失败具体包括以下三种情况:(1)注册时不能生成质量较好的生物特征图。(2)生成的生物特征图不能提取出必要的生物特征。(3)注册验证不能稳定地与模板匹配。在样本生物特征库中,注册失败的比例叫做拒登率,用百分比表示,当然,这个比例越小越好。第11章基于生物的认证技术 11.2.6性能评

27、估的影响因素性能评估的影响因素(1)测试数据库。数据库中的数据是具有代表性的,因此数据库越大,评估结果就越准确。(2)数据质量的相关信息。测试数据库的图像质量越好,评估算法的准确性和稳定性就越高,因此测试数据库中的图像质量应该具有代表性,能真实反映实际应用中图像的普遍效果。(3)评估指标的科学性。设计的评估方案不同,性能测试的结果也不一样。科学、严谨的统计评估方法能够反映识别算法真实的总体特征,会成为评估标准而在实践中被人们接受。(4)识别算法和算法的参数。如果在测试时使用的数据库在容量、质量方面各不相同,且测试方案差别较大,则不可避免地会造成系统性能评价混乱和无序,而且系统间也不存在可比性。

28、第11章基于生物的认证技术 11.3指纹识别技术指纹识别技术 11.3.1概述概述指纹是指手指末端正面皮肤上凹凸不平的纹路。尽管指纹只是人体皮肤的一小部分,却蕴含着大量的信息。这些皮肤的纹路在图案、断点和交叉点上是各不相同的,在信息处理中将它们称做“特征”。这些特征在每个手指上的表现都是不同的,每个指纹都有几个独一无二、可测量的特征点,每个特征点大约都有57个特征,我们的十个手指最少可产生4900个独立可测量的特征。特征依靠其唯一性,可以把一个人与他的指纹对应起来,通过比较他的指纹特征和预先保存的指纹特征,就可以验证其身份的真实性。第11章基于生物的认证技术 11.3.2指纹的特征与类型指纹的

29、特征与类型指纹的特征主要从两个方面展开:总体特征和局部特征。1.总体特征总体特征总体特征是指那些用人的眼睛直接可以观察到的特征。总体特征包括如下内容:(1)纹形:根据脊线的走向与分布情况一般将指纹分为斗形(loop)、弓形(arch)和螺旋形(whorl)三大类型,见图11.3.1。第11章基于生物的认证技术 图11.3.1指纹的分类 第11章基于生物的认证技术(2)模式区(patternarea):是指指纹上包括总体特征的区域。从模式区就能够分辨出指纹属于哪一种类型。(3)核心点(corepoint):位于指纹纹路的渐进中心,它在读取指纹和比对指纹时作为参考点。许多算法是基于核心点的,即只能

30、处理和识别具有核心点的指纹。(4)三角点(deta):位于从核心点开始的第一个分叉点或者断点,或者两条纹路的会聚处、孤立点、转折处,或者指向这些奇异点。三角点是指纹纹路计数跟踪的始点。(5)纹数(ridgecount):是指模式区内指纹纹路的数量。在计算指纹的纹数时,一般先连接核心点和三角点,这条连线与指纹纹路相交的数量即可以认为是指纹的纹数。第11章基于生物的认证技术 2.局部特征局部特征局部特征是指指纹上节点的特征,这些具有某种特征的节点称为细节特征或特征点。局部特征包括如下内容:(1)终节点(ending):一条纹路在此终结。(2)分叉点(bifurcation):一条纹路在此分开成为两

31、条或更多的纹路。(3)分歧点(ridgedivergence):两条平行的纹路在此分开。(4)孤立点(dotorisland):一条特别短的纹路,以至于成为一点。(5)环点(enclosure):一条纹路分开成为两条之后立即又合并成为一条,这样形成的一个小环称为环点。(6)短纹(shortridge):一段较短但不至于成为一点的纹路。第11章基于生物的认证技术 11.3.3指纹识别的过程指纹识别的过程指纹识别技术一般涉及指纹图像采集、指纹图像处理、细节匹配等过程,其流程图如图11.3.2所示。图11.3.2指纹识别流程 第11章基于生物的认证技术 1.指纹图像的获取指纹图像的获取指纹图像的采集

32、是自动指纹识别系统的重要组成部分。早期的指纹采集都是通过油墨按压在纸张上产生的。20世纪80年代,随着光学技术和计算机技术的发展,现代化的采集设备开始出现。传感器是一种能把物理量或化学量变成便于利用的电信号的器件。在测量系统中它是一种前置部件,它是被测量信号输入后的第一道关口,是生物认证系统中的采集设备。第11章基于生物的认证技术 这些传感器根据探测对象的不同,可分为光学传感器、热敏传感器和超声传感器;根据器件的不同,可分为CMOS器件传感器和CCD器件传感器。它们的工作原理都是:将生物特征经过检测后转化为系统可以识别的图像信息。在生物认证系统中,可靠和廉价的图像采集设备是系统运行正常、可靠的

33、关键。第11章基于生物的认证技术 2.指纹图像的增强指纹图像的增强采集获得的指纹图像通常都伴随着各种各样的噪声:一部分是由于采集仪器造成的,如采集仪器上有污渍,参数设置不恰当等;另外一部分是由于手指的状态造成的,如手指过干、过湿、伤疤、脱皮等。第一类噪声相对来说是固定的系统误差,比较容易恢复。第二类噪声与个体手指密切相关,较难恢复。指纹增强在指纹图像的识别过程中是最为重要的一环,这部分算法的优劣将对整个系统产生至关重要的影响。第11章基于生物的认证技术 采集到的指纹图像要经过预处理。预处理指的是在指纹图像进行增强之前使用一些简单的图像处理手段对图像进行初加工的过程。常见的预处理方法如下:(1)

34、采用灰度的均衡化,可以消除不同图像之间对比度的差异。(2)使用简单的低通滤波消除斑点噪声、高斯噪声。(3)计算出图像的边界,进行图像的裁剪,这样可以减少多余的计算量,提高系统的速度。指纹图像的增强就是对指纹图像采用一定的算法进行处理,使其纹线结构清晰化,尽量突出和保留固有的特征信息,避免产生伪特征信息,其目的是保证特征信息提取的准确性和可靠性。第11章基于生物的认证技术 常用图像增强算法具体包括以下几种:(1)基于傅里叶滤波的低质量指纹增强算法;(2)基于Gabor滤波的增强方法;(3)多尺度滤波方法;(4)改进的方向图增强算法;(5)基于知识的指纹图像增强算法;(6)非线性扩散模型及其滤波方

35、法;(7)改进的非线性扩散滤波方法。另外,指纹图像的分割也是预处理阶段非常重要的一个步骤。对一些光学仪器采集到的指纹,分割相对容易;对一些电容传感器采集到的指纹图像,分割则比较困难。第11章基于生物的认证技术 目前最新的分割算法有以下几种:(1)基于正态模型进行的指纹图像分割算法;(2)基于马尔科夫随机场的指纹图像分割算法;(3)基于数学形态学闭运算的灰度方差法;(4)基于方向场的指纹图像分割算法。第11章基于生物的认证技术 3.指纹特征的提取指纹特征的提取指纹特征的提取是基于11.3.2节介绍的指纹特征来进行的。用计算机语言完整地描述稳定而又有区别的指纹特征是实现自动指纹识别的一个关键问题,

36、选择什么特征及如何表示既关乎指纹本身的特点,又与具体的指纹匹配算法密切联系。某种提取指纹的算法在什么情况下才能达到最佳的识别效果是人们关心的问题,因此应选择一组好的特征，这些特征不仅能够达到身份识别的基本要求,而且对噪声、畸变和环境条件不敏感。第11章基于生物的认证技术 近年来,新的指纹特征提取算法主要包括以下几种:(1)基于Gabor滤波方法对指纹局部特征的提取算法。(2)基于CNN通用编程方法对指纹特征的提取算法。(3)基于IFS编码的图像数字化技术,即建立IFS模型,计算源图像与再生图像之间的相似性,快速提取指纹图像的特征。(4)基于脊线跟踪的指纹图像特征点提取算法。该算法可以直接从灰度

37、指纹图像中有效提取细节点和脊线骨架信息。(5)基于小波变换和ART(自适应共振理论)神经网络的指纹特征提取算法。第11章基于生物的认证技术 4.指纹图像的分类与压缩指纹图像的分类与压缩利用指纹技术识别一个人的时候,需要将他的指纹与数据库中的所有指纹作比较才能做出判断。在某些民用或者刑侦场合,数据库可能非常大,在这种情况下,识别需要耗费很长的时间,从而降低了识别技术的可用性。这一问题可以通过减少必须执行的匹配次数以提高速度来解决。在某些情况下,加入与个体相关的信息(诸如性别、年龄等)能显著降低搜索数据库的范围,然而这些信息并不总是存在的。通常的策略是将指纹数据库划分成几个子类,这样指纹识别时只需

38、将此类指纹与数据库中同一类的指纹作比较,这就是指纹分类技术。指纹分类就是研究如何以稳定而可靠的方式将指纹划为某一类别。第11章基于生物的认证技术 常用的指纹分类技术有以下几种:(1)基于规则的方法,即根据指纹奇异点的数目和位置分类。(2)基于句法的方法。这种方法的语法复杂,推导语法的方法复杂、不固定。这种方法已经逐渐被淘汰了。(3)结构化的方法,即寻找低层次的特征到高层次的结构之间相关联的组织。(4)统计的方法。(5)结合遗传算法和BP神经元网络的方法。(6)多分类器方法。第11章基于生物的认证技术 常用的压缩算法有以下两种:(1)图像压缩编码方法:包括无损压缩(熵编码)和有损压缩(量化)。(

39、2)基于小波变换的指纹压缩算法:包括WSQ算法、DjVu算法、改进的EZW算法等。指纹压缩方法在很大程度上得益于图像压缩领域的发展。相信在不久的将来,指纹压缩技术将为指纹识别技术在大容量数据库级别上的应用提供更有利的支持。第11章基于生物的认证技术 5.指纹图像的匹配指纹图像的匹配指纹图像匹配指的是通过对两个指纹特征集之间的相似性进行比较来判断对应的指纹图像是否来自于同一手指的过程,它是一种非常经典而又亟待解决的模式识别问题。传统的指纹匹配算法有很多种,例如:(1)基于点模式的匹配方法:如基于Hough变换的匹配算法、基于串距离的匹配算法、基于N邻近的匹配算法等。(2)图匹配及其他方法:如基于

40、遗传算法的匹配、基于关键点的初匹配等。(3)基于纹理模式的匹配:如PPM匹配算法等。(4)混合匹配方法等。第11章基于生物的认证技术 近几年,又出现了如下新的匹配算法:(1)基于指纹分类的矢量匹配。该法首先利用指纹分类的信息进行粗匹配,然后利用中心点和三角点的信息进一步匹配,最后以待识别图像和模板指纹图像的中心点为基准点,将中心点与邻近的36个细节点形成矢量,于是指纹的匹配就转变为矢量组数的匹配。(2)基于PKI(PublicKeyInfrastructure,公钥基础设施)的开放网络环境下的指纹认证系统。第11章基于生物的认证技术(3)实时指纹特征点匹配算法。该算法的原理是:通过由指纹分割算

41、法得到圆形匹配限制框和简化计算步骤来达到快速匹配的目的。(4)一种基于FBI(FederalBureauofInvestigation)细节点的二次指纹匹配算法。(5)基于中心点的指纹匹配算法。该算法利用奇异点或指纹有效区域的中心点寻找匹配的基准特征点对和相应的变换参数,并将待识别指纹相对于模板指纹作姿势纠正,最后采用坐标匹配的方式实现两个指纹的比对。第11章基于生物的认证技术 11.3.4指纹识别技术的优缺点指纹识别技术的优缺点指纹识别技术的优点如下:(1)指纹是人体独一无二的特征,它们的复杂度足以提供用于鉴别的特征。(2)如果要增加可靠性,只需登记更多的指纹,鉴别更多的手指即可。(3)扫描

42、指纹的速度很快,使用非常方便。(4)读取指纹时,用户必须将手指与采集头相互接触。这种可靠的方法是指纹识别技术能够占领大部分市场份额的一个主要原因。(5)指纹采集头可以更加小型化,并且价格会更加低廉。第11章基于生物的认证技术 指纹识别技术的缺点如下:(1)某些人或者某些群体的指纹由于指纹特征很少,因而很难成像。(2)过去在犯罪记录中使用指纹,使得某些人害怕“将指纹记录在案”(实际上现在的指纹鉴别技术都可以保证不存储任何含有指纹图像的数据,而只是从指纹中得到加密的指纹特征数据)。(3)每一次使用指纹时,都会在指纹采集器上留下用户的指纹痕迹,而这些指纹痕迹存在被用来复制的可能性。第11章基于生物的

43、认证技术 11.4人脸分析技术人脸分析技术11.4.1人脸检测人脸检测1.概述概述对于一个人脸自动处理和分析系统而言,人脸检测是关键性的一步,人脸检测算法的精度直接影响着整个系统的性能。人脸检测问题一般可以描述为:给定静止或动态图像,判断其中是否有人脸存在,若有,则将所有人脸从背景中分割出来,并确定每个人脸在图像中的位置和大小。人脸检测问题从不同的角度可以有多种分类方法,如表11.4.1所示。第11章基于生物的认证技术 表表11.4.1人脸检测问题的分类人脸检测问题的分类第11章基于生物的认证技术 除了以上分类方法以外,根据所利用的人脸知识的不同,人脸检测问题可以分为基于特征(featureb

44、ased)的方法和基于图像(imagebased)的方法两大类。由于人脸检测问题的复杂性,无论哪一类方法都无法适应所有的情况,一般都针对人脸检测领域内某个或某些特定的问题。虽然人脸检测方法不断涌现出来,但是现有的算法一般都只能适应于一定的环境,无约束环境下的人脸检测问题仍没有得到很好的解决。归纳起来,人脸检测不同于一般物体检测的困难主要表现在以下几个方面:(1)人脸构件及纹理的变化,如眼睛的闭合和展开、嘴部的形状、皱纹斑点、化妆等带来的纹理特征的差异。第11章基于生物的认证技术(2)人脸表面的某些变化，如各种样式的胡须、头发、眼睛等结构特征,或不同年龄、不同性别的人的毛发差异。(3)无约束背景

45、下不可预知的成像条件，如光照和拍摄视角的变化等。(4)遮挡，如墨镜、围巾等。所有这些未知因素都会造成实际人脸检测的困难,也使人脸检测问题成为一个极富挑战性的研究课题。第11章基于生物的认证技术 2.人脸检测算法人脸检测算法人脸检测问题所包含的内容十分广泛,从不同的角度可以有多种分类方式。下面将按照基于特征的人脸检测、基于图像的人脸检测、基于活动轮廓模型的单人脸检测和多人脸检测等算法展开叙述。1)基于特征的人脸检测算法基于特征的人脸检测算法主要利用人脸的明显特征,如几何特征、肤色、纹理等,将人脸图像视为一个高维向量,从而将人脸检测问题转化为高维空间中分布信号的检测问题。这是人脸检测中最常见的方法

46、,研究的人最多,成果也最丰富。该算法的优点是直观，易于被人们所接受;其缺点是依赖于固定的先验模式,适应变化的能力较差。这种算法主要包括以下几个方面:第11章基于生物的认证技术(1)低层特征分析方法：包括灰度特征、纹理特征、颜色特征、运动特征等。其基本思想是利用这些图像的像素特征对视觉信息进行分割,一般适用于约束条件较强的情况(如简单背景、头肩图像等)下。(2)组群特征：同时利用不同种类的特征进行组群分析。根据特征的组合形式,分析方法可分为特征搜索和星群分析两类。(3)变换模型方法：主要包括三种形式,即弹性模板、点分布模型和活动轮廓模型。第11章基于生物的认证技术 2)基于图像的人脸检测算法基于

47、图像的人脸检测算法是把人脸检测问题视为一个广义的模式识别问题,通过训练过程将样本分为人脸和非人脸两类。其具体算法主要包括以下几个方面:(1)线性子空间方法:主要包括主元分析法(PCA，PrincipalComponentAnalysis)、线性判别分析法(LDA,LinearDiscriminantAnalysis)和因素分析法(FA,FactorAnalysis)等。第11章基于生物的认证技术(2)神经网络方法：利用神经网络的学习能力和分类能力,可以对人脸样本集和非人脸样本集进行学习,以产生分类器,从而达到人脸检测的目的。其中用到的技术主要有时延神经网络(TDNN，TimeDelayNeur

48、alNetworks)、FloatBug选择性神经网络、小波变换、基于小波的多尺度分解、多层感知器(MLP,MultiLayerPerception)网络、BP网络等。(3)其他统计方法:包括隐马尔科夫模型法(HMM,HiddenMarkovModels)、基于Kuback信息理论的方法、支持向量机方法(SVM,SupportVectorMachine)、Bayes决策方法(包括稀疏网络法和Winnow训练法)以及AdaBoost方法等。第11章基于生物的认证技术 3)基于活动轮廓模型的检测算法活动轮廓模型是求解曲线进化的一种重要的数学工具,它是定义在图像域上的曲线或曲面,能够在由曲线或曲面自

49、身相关的内力以及由图像数据定义的外力的作用下移动。活动轮廓模型特别适合于建模和提取任意形状的变形轮廓。第11章基于生物的认证技术 基于活动轮廓模型的单人脸检测算法包括:(1)基于梯度向量流的单人脸检测方法。其基本思想是将人脸轮廓的椭圆性约束算子加入到梯度向量流活动轮廓模型中,使模型能够最终收敛到图像中的椭圆目标边缘,然后根据图像中人脸的先验知识进行进一步验证,以确定人脸轮廓在图像中的位置。(2)基于ChanVese模型的单人脸检测方法。其基本思想是借助于ChanVese模型能够检测模糊或离散状边缘的强大优势,将人脸形状的椭圆性约束作为算子嵌入到该模型中,从而使改进的模型能够快速收敛到图像中的椭

50、圆目标边缘,然后根据图像中人脸的先验知识进行进一步验证,以确定人脸轮廓在图像中的位置。第11章基于生物的认证技术(3)基于变形垂足曲线的单人脸检测方法。其基本思想是借助于变形垂足曲线能同时表示全局形状和局部形变的能力,将人脸形状的先验知识嵌入到该模型中,同时利用变形水平集方法进行数值求解,从而自然地处理曲线的拓扑变化。第11章基于生物的认证技术 基于活动轮廓模型的多人脸检测算法包括:(1)基于多相ChanVese模型的多人脸检测方法。其基本思想是首先采用多相ChanVese模型对图像进行多区域分割,然后计算分割得到的闭合曲线与人脸先验形状之间的Hausdorff距离,根据Hausdorff距离