几种常见的生物识别技术及其原理

互联网2013-09-06

1315

相关专题

指纹识别在我们今天的工作生活中，无论你是到银行取钱，到网上交易，还是注册网络服务、购物，甚至到朋友单位去拜访，太多太多的场合都需要身份的认证，而传统的基于标志的身份认证技术由于受到证件伪造以及密码破解等手段的威胁，逐渐表现得有些力不从心。怎样保护自己的重要文件资料，如何保证自己的隐私不被泄露? 在传统的操作中，我们往往使用密码加密法，但这种方法也许是“防君子不防小人”的。在高明的黑客眼里，由几个字符组成的密码脆弱得不堪一击。现在，科技的发展让我们有了新的选择——指纹识别加密产品。将指纹锁应用于笔记本，机箱甚至鼠标上，可以对文件、系统起保护作用，并且进行身份识别。

索尼带有指纹识别模块的记忆棒

有关指纹识别模块的概念最早是由SD集团中的东芝和三菱提出的，不过这次索尼走在了前面，他们已经开发出了基于记忆棒接口的指纹识别模块并计划于今年2月份正式投放市场。

索尼记忆棒指纹识别模块外形和普通的记忆棒一样，可以很方便地插入掌上电脑、笔记本电脑等有记忆棒插槽的设备中使用。为了解决插入后感应模块被盖住的问题，索尼将同时发售配套的记忆棒读卡器。

用指纹保护自己的笔记本

相信很多笔记本用户都听说过有关指纹识别卡方面的信息，而盛传中的PCMCIA接口的指纹识别卡也已经来到了市场。图示的是一款EagleTec公司的指纹识别卡，将这块指纹识别卡与电脑连接好后，再安装相应的加密软件，便可以通过你的指纹对笔记本进行加密和解密。新奇的产品总是价格不菲，这块PCMCIA接口的指纹识别卡的售价高达1580元!

光学式指纹辨别器

说起来，指纹识别似乎也不是万分保险的，假如有人盗取了你的指模，那么打开你的文件则易如反掌。好在魔高一尺，道高一丈，更“聪明”的光学式指纹辨别器可以让你不必担心。

这个看上去像个迷你鼠标，上面还有个亮晶晶的小窗户似的东西，就是光学式指纹辨别器。它运用了高科技生物辨别技术，通过内部的光学感应器件CMOS对活体动物血液循环的感应，进行完整而便易的1对1与1对多枚指纹图像的比对辨识。而在它以前的其他指纹识别系统都是采用折射式的识别系统，如果别人取到你的指模，有可能破译指纹密码。用这种光学式感应器就不会出现这种问题了。

哦!原来是这样的。可是，万一有一天手指不小心弄伤了，指纹发生了变化，打不开锁该怎么办呢?这个不用犯愁，制造商早就替广大用户考虑周到了。建议用户输入两个指纹，第二个指纹就是一个备用工具。这个辨别器可以允许在十个手指中选用任一手指，大家可以在左右手各选一个中意的指头，但不要忘记了是哪一只手指哦。

指纹识别技术的原理

指纹识别技术是最早的通过计算机实现的身份识别手段，它在今天也是应用最为广泛的生物特征识别技术。过去，它主要应用于刑侦系统。近几年来，它逐渐走向市场更为广泛的民用市场。

公元前7000～6000年，古代的亚述人和中国人就意识到了指纹的特点，并使用指纹作为个人身份的象征，19世纪中叶开始了对指纹在科学意义上的研究，并产生了两个重要的结论：没有任何两个手指指纹的纹线形态一致; 指纹纹线的形态终生不变。这些研究使得一些政府开始使用指纹进行罪犯鉴别。在现代的科学研究领域，指纹的识别属于“模式识别”。该系统的核心是OCR(光学字符识别)技术。通过CMOS摄像头提取指纹，然后输入计算机，再通过一系列复杂的指纹识别算法，现代技术就能在极短的时间内完成任何人的身份识别认证。可以说，指纹识别实现了身份鉴定领域的世纪革命。

那么指纹识别产品是否有市场呢?毕竟现在并不是每一个拥有电脑的人都需要花很多钱用这样稀罕的硬件设备对系统进行保护。针对这个问题，专家指出：目前这种技术还没有向家用型普及，只是为商业界、政府机关资料保护与控管提供解决方案。另外它还可以集成在一些大型安全设备中，比如说门禁管制、智能大楼等等。所以说，它的市场定位也是在商用方面。

不过，值得期待的是，有了这一类产品的出现，指纹识别技术走向日常应用也就不是遥不可及的梦想了。可以想像，当有一天这种技术应用在家用领域时，它会给大家带来更多的惊喜和便利：比如说汽车防盗、ATM提款机、家里的门锁等等。是不是很让人向往呢? 指纹识别的基本原理在有的国家，指纹属于个人隐私，不能象人工处理那样直接处理指纹图像，所以许多生物识别技术并不直接存储指纹的图像。多年来在各个公司及其研究机构产生了许多不同的数字化算法。指纹识别算法虽然各不相同但是这些算法最终都归结为在指纹图像上找到并比对指纹的特征。我们定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征。

A 总体特征：总体特征是指那些用肉眼就可以直接观察到的特征，包括：

1. 纹形

其他的指纹图案都基于这三种基本图案。仅仅依靠纹形来分辨指纹是远远不够的，这只是一个粗略的分类，通过更详细的分类使得在大数据库中搜寻指纹更为方便快捷。

2. 模式区

模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。 SecureTouch的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。

3. 核心点

核心点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，既只能处理和识别具有核心点的指纹。核心点对于SecureTouch的指纹识别算法很重要，但没有核心点的指纹它仍然能够处理。

4. 三角点

三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数跟踪的开始之处。

5. 纹数

指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在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认为是指纹的纹数。

B 局部特征

局部特征是指指纹上的节点的特征，这些具有某种特征的节点称为特征点。两枚指纹经常会具有相同的总体特征，但它们的局部特征--特征点，却不可能完全相同。

指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为“特征点”。就是这些特征点提供了指纹唯一性的确认信息。指纹上的节点有四种不同特性：

1.特征点的分类：有以下几种类型，最典型的是终结点和分叉点。

终结点

一条纹路在此终结。

分叉点

一条纹路在此分开成为两条或更多的纹路。

分歧点

两条平行的纹路在此分开。

孤立点

一条特别短的纹路，以至于成为一点。

环点

一条纹路分开成为两条之后，立即有合并成为一条，这样形成的一个小环称为环点。

短纹

一端较短但不至于成为一点的纹路。

2.方向：节点可以朝着一定的方向。

3.曲率：描述纹路方向改变的速度。

4.位置：节点的位置通过(x, y)坐标来描述，可以是绝对的，也可以是相对于三角点或特征点的。虹膜识别综述基于虹膜的身份识别思想最早可以追溯到19世纪80年代。1885年，ALPHONSE BERTILLON将利用生物特征识别个体的思路应用在巴黎的刑事监狱中，当时所用的生物特征包括：耳朵的大小、脚的长度、虹膜等。受技术的限制，当时的虹膜识别主要依据颜色和形状信息，而且信息通过人的观察获取。1987年，眼科专家ARAN SAFIR和LEONARD FLOM首次提出利用虹膜图像进行自动虹膜识别的概念，但是他们并没有开发出一个实际的应用系统。到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。这是有文献记载的第一个虹膜识别应用系统。随后1993年，JOHN DAUGMAN实现了一个高性能的自动虹膜识别原型系统。目前，大部分的自动虹膜识别系统使用DAUGMAN核心算法。

虹膜是位于眼睛黑色瞳孔和白色巩膜之间的圆环状部分，总体上呈现一种由里到外的放射状结构，由相当复杂的纤维组织构成，包含有很多相互交错的类似于斑点、细丝、冠状、条纹、隐窝等细节特征，这些特征在出生之前就以随机组合的方式确定下来了，一旦形成终生不变。虹膜识别的准确性是各种生物识别中最高的。

一般的，一个自动虹膜识别系统包含硬件和软件两大模块：虹膜图像获取装置和虹膜识别算法。分别对应于图像获取和模式匹配这两个基本问题。

采集：

从直径11mm的虹膜上，Dr. Daugman的算法用3.4个字节的数据来代表每平方毫米的虹膜信息，这样，一个虹膜约有266个量化特征点，而一般的生物识别技术只有13个到60个特征点。266个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述，在算法和人类眼部特征允许的情况下， Dr. Daugman指出，通过他的算法可获得173个二进制自由度的独立特征点。在生物识别技术中，这个特征点的数量是相当大的。

算法：

第一步是通过一个距离眼睛3英寸的精密相机来确定虹膜的位置。当相机对准眼睛后，算法逐渐将焦距对准虹膜左右两侧，确定虹膜的外沿，这种水平方法受到了眼睑的阻碍。算法同时将焦距对准虹膜的内沿(即瞳孔)并排除眼液和细微组织的影响。

单色相机利用可见光和红外线，红外线定位在700-900mm的范围内(这是IR技术的低限，美国眼科学会在他们对macular cysts研究中使用同样的范围。) 在虹膜的上方，算法通过二维Gabor子波的方法来细分和重组虹膜图象，第一个细分的部分被称为phasor，要理解二维gabor子波的原理需要很深的数学知识。

精确度：

虹膜识别技术是精确度最高的生物识别技术，具体描述如下：

两个不同的虹膜信息有75%匹配信息的可能性是1:106

等错率： 1:1200000

两个不同的虹膜产生相同虹膜代码的可能性是1:1052

录入和识别：

虹膜的定位可在1秒钟之内完成，产生虹膜代码的时间也仅需1秒的时间，数据库的检索时间也相当快。处理器速度是大规模检索的一个瓶颈，另外网络和硬件设备的性能也制约着检索的速度。由于虹膜识别技术采用的是单色成像技术，因此一些图像很难把它从瞳孔的图像中分离出来。但是虹膜识别技术所采用的算法允许图像质量在某种程度上有所变化。相同的虹膜所产生的虹膜代码也有25%的变化，这听起来好象是这一技术的致命弱点，但在识别过程中，这种虹膜代码的变化只占整个虹膜代码的10%，它所占代码的比例是相当小的。

语音识别技术语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。它是一门交叉学科，正逐步成为信息技术中人机接口的关键技术。语音识别技术与语音合成技术结合使人们能够甩掉键盘，通过语音命令进行操作。语音技术的应用已经成为一个具有竞争性的新兴高技术产业。

语音识别技术

与机器进行语音交流，让机器明白你说什么，这是人们长期以来梦寐以求的事情。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。

语音识别听写机在一些领域的应用被美国新闻界评为1997年计算机发展十件大事之一。很多专家都认为语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。

语音识别技术的基础

语音识别技术关系到多学科的研究领域，不同领域上的研究成果都对语音识别的发展作了贡献。

让机器识别语音的困难在某种程度上就像一个外语不好的人听外国人讲话一样，它和不同的说话人、不同的说话速度、不同的说话内容、以及不同的环境条件有关。语音信号本身的特点造成了语音识别的困难。这些特点包括多变性，动态性，瞬时性和连续性等。

计算机语音识别过程与人对语音识别处理过程基本上是一致的。目前主流的语音识别技术是基于统计模式识别的基本理论。一个完整的语音识别系统可大致分为三部分：

(1)语音特征提取：其目的是从语音波形中提取出随时间变化的语音特征序列。

(2)声学模型与模式匹配(识别算法)：声学模型通常将获取的语音特征通过学习算法产生。在识别时将输入的语音特征同声学模型(模式)进行匹配与比较，得到最佳的识别结果。

(3)语言模型与语言处理：语言模型包括由识别语音命令构成的语法网络或由统计方法构成的语言模型，语言处理可以进行语法、语义分析。对小词表语音识别系统，往往不需要语言处理部分。

声学模型是识别系统的底层模型，并且是语音识别系统中最关键的一部分。声学模型的目的是提供一种有效的方法计算语音的特征矢量序列和每个发音模板之间的距离。声学模型的设计和语言发音特点密切相关。声学模型单元大小(字发音模型、半音节模型或音素模型)对语音训练数据量大小、系统识别率，以及灵活性有较大的影响。必须根据不同语言的特点、识别系统词汇量的大小决定识别单元的大小。

语言模型对中、大词汇量的语音识别系统特别重要。当分类发生错误时可以根据语言学模型、语法结构、语义学进行判断纠正，特别是一些同音字则必须通过上下文结构才能确定词义。语言学理论包括语义结构、语法规则、语言的数学描述模型等有关方面。目前比较成功的语言模型通常是采用统计语法的语言模型与基于规则语法结构命令语言模型。语法结构可以限定不同词之间的相互连接关系，减少了识别系统的搜索空间，这有利于提高系统的识别。

语音识别过程实际上是一种认识过程。就像人们听语音时，并不把语音和语言的语法结构、语义结构分开来，因为当语音发音模糊时人们可以用这些知识来指导对语言的理解过程，但是对机器来说，识别系统也要利用这些方面的知识，只是如何有效地描述这些语法和语义还有困难：

(1)小词汇量语音识别系统。通常包括几十个词的语音识别系统。

(2)中等词汇量的语音识别系统。通常包括几百个词至上千个词的识别系统。

(3)大词汇量语音识别系统。通常包括几千至几万个词的语音识别系统。这些不同的限制也确定了语音识别系统的困难度。

语音识别技术的发展情况

我国语音识别研究工作起步于五十年代，但近年来发展很快。研究水平也从实验室逐步走向实用。从1987年开始执行国家863计划后，国家863智能计算机专家组为语音识别技术研究专门立项，每两年滚动一次。我国语音识别技术的研究水平已经基本上与国外同步，在汉语语音识别技术上还有自己的特点与优势，并达到国际先进水平。其中具有代表性的研究单位为清华大学电子工程系与中科院自动化研究所模式识别国家重点实验室。

清华大学电子工程系语音技术与专用芯片设计课题组，研发的非特定人汉语数码串连续语音识别系统的识别精度，达到94.8%(不定长数字串)和96.8%(定长数字串)。在有5%的拒识率情况下，系统识别率可以达到96.9%(不定长数字串)和98.7%(定长数字串)，这是目前国际最好的识别结果之一，其性能已经接近实用水平。研发的5000词邮包校核非特定人连续语音识别系统的识别率达到98.73%，前三选识别率达99.96%;并且可以识别普通话与四川话两种语言，达到实用要求。

2000年7月在北京自然博物馆新开设的动物展馆中展出的具有语音识别口语对话功能“熊猫”，采用了我们研发非特定人连续语音识别系统，在展览馆这样高噪声的环境下，该识别系统的识别率也超过了98%，达到实用要求。通过该系统观众与“熊猫”自然对话可以了解熊猫的生活习惯、生理结构等信息，其形式生动、活泼，吸引了大量的学生与参观者。

采用嵌入式芯片设计技术研发了语音识别专用芯片系统，该芯片以8位微控制器(MCU)核心，加上低通滤波器，模/数(A/D)，数/模(D/A)，预放，功率放大器，RAM，ROM，脉宽调幅(PWM)等模块，构成了一个完整的系统芯片，这是国内研发的第一块语音识别专用芯片。芯片中包括了语音识别、语音编码、语音合成功能，可以识别30条特定人语音命令，识别率超过95%，其中的语音编码速率为16kbits/s。该芯片可以用于智能语音玩具;也可以与普通电话机相结合构成语音拨号电话机。这些系统的识别性能完全达到国际先进水平。研发的成果已经进入实用领域，一些应用型产品正在研发中，其商品化的过程也越来越快。