生物特征识别十大关键技术解析

  这是因为每个人脸、虹膜和掌纹图像的特征表达方法都是基于某种信号处理方法或者某个计算机视觉或者某个模式识别的理论,“公说公有理,婆说婆有理”,大家对于这些图像的本质特征表达还没有进行深入的研究。现在生物特征表达领域的流行趋势是把各种经典的或者新提出的图像分析方法依次去试,有点撞大运的感觉,产生这种现象的根源是大家没有基础理论的指导,不知道向哪个方向努力好。由于各种方法各自为“政”,造成生物特征模板的数据交换格式难以统一和标准化。例如人脸、虹膜和掌纹的数据交换标准只能基于图像,这是因为大家找不到一个统一的、权威的图像特征表达方法。

  相对于基于特征的数据交换标准,基于图像的交换标准在计算和存储资源的占用、传输速率等多方面都处于下风。例如在电子护照应用中,统一格式的生物数据都存放在非接触IC芯片中,在识别前需要通过无线读卡器从护照IC中读出生物数据,这时基于特征的方法比基于图像的方法快100倍,而且基于图像的方法还要多一个特征提取的步骤才能得到用户护照中的生物特征。所以不管是对于研究还是应用,生物特征信号本质特征的尽快确定都是最重要的。

  通过模拟这些生物体神经细胞对外界视觉刺激的信息编码规则,计算机视觉研究人员提出了Ordinal Measures(定序测量特征)来表达图像内容。中科院自动化所生物识别与安全技术研究中心通过拓展原始的定序测量特征的内涵,提出了多极子滤波器的概念,建立了虹膜图像特征表达的一般框架,证明了虹膜图像区域之间的排序测度特征等价于虹膜物理表面不同位置反光率之间的大小顺序关系,是独立于光照、对比度等外界因素的虹膜图像的本质特征。

  在这个框架下,虹膜特征抽取甚至可以简化成简单的加减运算,成功地解决了虹膜识别从PC向嵌入式平台移植的计算复杂性难题。通过定序测量特征,研究中心还建立了掌纹图像特征表达的一般框架,统一了该领域识别性能最好的三种掌纹识别方法。并针对低分辨率掌纹图像上主线和皱纹线灰度模式特点,提出了新颖的十字架形微分滤波器来抽取掌纹图像中的定序测量特征。实验结果表明新的掌纹识别方法不仅识别精度远高于主流方法,并且计算速度比最好方法快一倍。

  8、生物特征的匹配技术

  特征匹配就是计算两个生物特征样本的特征向量之间的相似度。图匹配算法也在指纹细节点模式、人脸模式、虹膜斑块模式的相似性度量中得到成功应用。

  9、生物特征数据库检索与分类技术

  随着生物特征识别技术在人类日常生活中的普及,使用人数的增长必然导致生物特征数据库的不断扩大。这种规模的扩大不仅仅表现在数据存储量的扩大,还表现在从数据库中搜索某一条记录所耗费的时间的增加。例如在一对多的超大规模(如一个城市、一个国家、一个行业的人群)生物识别应用中,完成一次识别的时间的长度将会让人无法忍受。这是任何一项成熟的生物识别技术从小规模应用向大规模应用转化时不可避免的问题。

  虽然可以使用并行计算技术来减少每次识别的时间,如果有一个生物特征粗分类的方法就可以实现分层次的生物识别:根据生物特征向量将数据库中所有的模板分成若干个大类,在大规模识别时首先判断输入生物特征所属的大类,然后首先和这个大类的数据库模板进行比对,这样就可以(至少从期望值)减少等待识别结果的时间。例如指纹可以根据奇异点的个数和位置信息分成拱形、尖拱形、左旋形、右旋形和旋涡形等几个大类。在虹膜识别研究领域也有人利用分形维特征将虹膜数据库分成四大类。这些分类方法的准确率都高于90%,结果是令人鼓舞的。利用生物特征模式,还可以实现人种分类、性别分类等。所以生物特征粗分类和数据库检索技术将是一个很有前途的研究方向,下一步研究的重点是增加类别数,提高分类的准确率。

  10、生物特征识别系统的性能评价

  迄今为止,任何的生物特征识别系统或者方法都有出错的可能。对系统的识别精度给出客观、准确的评估其实是一个很复杂的问题,它受测试样本的数量、质量、评估指标等因素的影响,但是这对应用单位和司法部门却是一个很关注的焦点问题。所以生物特征识别方法的性能测评已成为生物特征识别研究的一个重要方向。对于 1∶1比对的身份验证系统,错误有两种情况:一是把不同人的生物特征识别为同一类,称为错误接收;另一种可能是把同一人的生物特征识别为不同类,称为错误拒绝。