生物识别技术

 

生物 识别技术和 生物 识别系统

生物识别技术（Biometric Identification Technology）是利用人体生物特征进行身份认证的一种技术。生物特征是唯一的（与他人不同），可以测量或可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。

生物识别系统对生物特征进行取样，提取其唯一的特征并且转化成数字代码，并进一步将这些代码组成特征模板，人们同识别系统交互进行身份认证时，识别系统获取其特征并与数据可中的特征模板进行比对，以确定是否匹配，从而决定接受或拒绝该人。

生物识别技术的发展

人类利用生物特征识别的历史可追溯到古代埃及人通过测量人体各部位的尺寸来进行身份鉴别，现代生物识别技术始于70年代中期，由于早期的识别设备比较昂贵，因而仅限于安全级别要求较高的原子能实验、生产基地等。现在由于微处理器及各种电子元器件成本不断下降，精度逐渐提高，生物识别系统逐渐应用于商业上的授权控制如门禁、企业考勤管理系统安全认证等领域。

用于生物识别的生物特征有手形、指纹、脸形、虹膜、视网膜、脉搏、耳廓等，行为特征有签字、声音、按键力度等。基于这些特征，人们已经发展了手形识别、指纹识别、面部识别、发音识别、虹膜识别、签名识别等多种生物识别技术。

目前人体特征识别技术市场上占有率最高的是指纹机和手形机，这两种识别方式也是目前技术发展中最成熟的。IBG(International Biometric Group)在2000年生物识别技术市场的分析报告中得出1999年度各种生物识别技术产品利润的市场占有率如右图所示。

生物识别技术优势

生物识别技术是目前最为方便与安全的识别技术，它不需要记住复杂的密码，也不需随身携带钥匙、智能卡之类的东西。生物识别技术认定的是人本身，没有什么能比这种认证方式更安全、更方便了。由于每个人的生物特征具有与其他人不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认定，安全、可靠、准确。此外，生物识别技术产品均借助于现代计算机技术实现，很容易配合电脑和安全、监控、管理系统整合，实现自动化管理。

几种常见的生物识别技术 指　纹
　　十九世纪初，科学研究发现了至今仍然承认的两个重要特征：一是两个不同手指的指纹纹脊的样式（Ridge Pattern）不同，另外一个是指纹纹脊的样式终生不变。这个研究成果使得指纹在犯罪鉴别中得以正式应用。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。

　　一个优秀的生物识别系统要求能实时迅速有效地完成其识别过程。所有的生物识别系统都包括如下几个处理过程：采集、解码、比对和匹配。指纹识别处理也一样，它包括对指纹图像采集、指纹图像处理特征提取、特征值的比对与匹配等过程。使用指纹识别方式的优点在于其可靠、方便与便于被接受。你只要花微不足道的时间去用指纹仪获取指纹图像，许多研究表明指纹识别在所有生物识别技术中是对人体最不构成侵犯的一种技术手段。

掌　纹
　　手掌几何学是基于这样一个事实：几乎每个人的手的形状都是不同的，而且这个手的形状在人达到一定年龄之后就不再发生显著变化。当用户把他的手放在手形读取器上时，一个手的三维图像就被捕捉下来。接下来，对手指和指关节的形状和长度进行测量。

　　根据用来识别人的数据的不同，手形读取技术可划分为下列三种范畴：手掌的应用，手中血管的模式，以及手指的几何分析。映射出手的不同特征是相当简单的，不会产生大量数据集。但是，即使有了相当数量的记录，手掌几何学不一定能够将人区分开来，这是因为手的特征是很相似的。与其他生物识别方法相比较，手掌几何学不能获得最高程度的准确度。当数据库持续增大时，也就需要在数量上增加手的明显特征来清楚地将人与模板进行辨认和比较。

视网膜
　　分析眼睛的复杂和独特特征的生物识别技术被划分为两个不同的领域：虹膜识别技术和角膜识别技术。

　　虹膜是环绕着瞳孔的一层有色的细胞组织。虹膜辨识系统使用一台摄像机来捕捉样本，然后由软件来对所得数据与储存的模板进行比较。

　　角膜是眼睛底部的血液细胞层。角膜扫描的进行是用低密度的红外线去捕捉角膜的独特特征。我们所知的位于角膜中心的 区域被扫描，血液细胞的唯一模式就因此被捕捉下来。角膜识别技术被认为是最好的生物识别。然而，尽管它有着高度的准确性，人们通常认为这项技术不方便与 。因此，它很难获得终端用户的普遍接受。角膜扫描仪要求被扫描者在它读取角膜信息时直立不动。

　　眼睛和角膜扫描仪对于目盲者和眼睛患有的人是无效的。

面　孔
　　面孔识别系统通过分析脸部特征的唯一形状、模式和位置来辨识人。基本上有两个方法来处理数据：摄像机和热量绘图。标准摄像技术是建立在由摄像机捕捉到的脸部图像上。热量绘图技术分析皮肤下的血管热量发生模式。这项生物识别技术的吸引力在于它能够人机交互。

　　然而，这套系统是非常不可靠和昂贵的。例如，它无法分辨出双胞胎或三胞胎，无法认出理完发的用户，也无法辨认出戴眼镜与不戴眼镜的同一个人。

声　音
　　声音的辨识是对基于生理学和行为特征的说话者嗓音和语言学模式的运用。它与语言识别不同在于这项技术不对说出的词语本身进行辨识。而是通过分析语音的唯一特性，例如发音的频率，来识别出说话的人。语音辨识技术使得人们可以通过说话的嗓音来控制能否出入限制性的区域。举例来说，通过电话拨入银行、数据库服务、购物或语音邮件，以及进入保密的装置。

　　虽然语音识别是方便的，但由于非人性化的风险、远程控制和低准确度，它并不可靠。一个患上感冒的人有可能被错误的拒认从而无法使用该语音识别系统。

签　名
　　签名识别，也被称为签名力学辨识（Danamic Signature Verification--DSV），它是建立在签名时的力度上的。它分析的是笔的移动，例如加速度、压力、方向以及笔划的长度，而非签名的图像本身。签名力学的关键在于区分出不同的签名部分，有些是习惯性的，而另一些在每次签名时都不同。

　　签名的使用已经被广泛地接受，应用范围从独立宣言到信用卡都可见到。然而，签名辨识的问题仍然存在于获取在辨识过程中使用的度量的方式以及签名的重复性。DSV系统已被控制在某种方式上去接受变量。但是，如果不降低接受率，它就无法持续地衡量签名的 力度。