生物特征识别技术范文

导语：如何才能写好一篇生物特征识别技术，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

生物特征识别技术

篇1

人手长度、宽度、厚度以及外形轮廓等方面都存在差异，并且可以在较长的时间段内保持不变，也是手部识别技术常用的生物特征之一。常见的手形识别方式为二维与三维手形识别，二维识别只包括手指与手掌二维平面几何特征，而三维识别则是包含整个手部三维立体特征。此种识别技术对图像品质要求比较低，可以有效降低识别设备成本；算法简单，匹配速度更快；注册成功率比较高，基本上很少出现无法录入数据库的情况。但是手形特征数据并不丰富，在区分的效果上成功率比较低，尤其是一对多的情况下效率更低；识别时要求手掌与检测设备进行大面积接触，存在较为严重的卫生问题；假肢伪造容易。

2掌纹识别

掌纹即手掌面上深浅褶皱与纹路的总称，不同个体差异比较明显。选择此种生物特征进行识别，特征信息比较丰富，可以提取研究多种特征，并且主线特征明显，具有较高的辨识度与抗干扰特点。另外，此项特征对采集设备的精度要求比较低，可以有效降低开发成本。但是选择利用此种生物特征进行识别，因为掌纹在一段时间内会发生变化，影响识别效果，并且掌纹特征更易被复制与伪造，在实际应用上安全级别比较低。

3多模态手部生物特征识别技术实现措施分析

3.1手部生物特征识别流程

以指纹、指静脉等识别流程为例，首先要对同一手指手指纹图像、手指静脉图像进行采集，并分别提取可以代表手指纹图像与手指静脉图像生物特征的特征向量，对此向量进行存储，完成存储样本数据的注册。然后，对当前生物特征进行采集，并将其转化为特征向量与样本库中的特征向量进行全面比较，并计算得出最终识别结果。在识别过程中要对同一手指手指纹图像、手指静脉图像进项预处理，并提取同一个体的相应特征向量，两者进行独立的特征匹配，并得到各自的多模态融合，最终采取将做小距离分类器完成身份的识别与判决。

3.2图像采集设备

图像采集设备是整个生物特征识别过程中的重要组成部分，其工作原理主要就是根据血管吸收近红外光特性，搭建出一个可行性高的采集装置。其中硬件采集装置所得图像质量高低会直接影响到后期生物特征识别的效果，因此在进行多模态手部生物特征识别技术的研究时，必须要做好此方面的工作。以静脉成像为例，应做好光源的选择，如红外LED成本低廉，其光谱分布为半峰带宽约40nm左右窄带分布，中心波长为830nm~950nm之间，利用黑白CCD相机即可获得相应信息。对于光源的确定，应以满足实际识别设计要求为基础，保证光谱波长的合理性。

3.3多模态融合算法

基于多模态识别数据获取方式以及处理顺序，多模态算法主要包括并行与连续两种结构，其中连续结构又称为层叠结构，在进行数据处理时，可以按照顺寻依次来进行，并且前一个数据处理结果会对后一个数据的处理结果产生影响。而并行结构在进行数据处理时，都是采取的单独进行方式，各项数据之间不存在影响，只需要在运算最后将各结果进行融合。如果选择用连续结构进行运算，整个过程效率更高。在运算时如果上一个数据处理效果可以满足系统要求，则后面的数据就可以不必在继续进行处理，避免了不必要运算造成的时间浪费。并且选择用此种运算方式，可以提高多模态生物识别系统的可靠性，并行考虑每一处数据处理模块，可以有效降低误识率。

4结束语

篇2

【关键词】指纹识别身份证识别人脸现场对比嵌入式系统龙芯1B

随着我国行政改革和教学改革的深化发展，冒名顶替和考场舞弊现象越来越多。针对这类情况，采用指纹识别、身份证识别、人脸现场比对等技术手段，精准判断人员身份，杜绝替考。同时采用联网通讯，异常情况联网报警等手段，也杜绝了监考人员参与的现场舞弊行为。

本论文通过项目实施开发出一种基于龙芯232内核的嵌入式身份识别终端，以达到降低成本的目的。并且针对指纹身份验证终端与服务中心之间制定一套通讯交互和指令协议，同时采用国产主控芯片，专用内部通讯协议，保证信息安全，可以用在教育考试、公务员考试等民用领域，也可以广泛采用到国防、安全相关领域中。

1 生物识别技术的选择及改进

1.1 生物识别技术简介

高速发展的现代化社会，计算机和网络信息化日益普及，如何准确识别个人身份是一个重要的社会问题，更是一个技术难度比较大的问题。适用于身份鉴定的生物特征有不少，能够做为身份识别的生物特征必须要满足以下条件：唯一性、广泛性、可测量性、稳定性、随身性、这几个特点。除此之外，在实际应用过程中，还需考虑该技术是否能被人们接受，测试过程中是否对人体造成伤害，识别过程是否方便，识别是否准确，技术手段和设备的经济与否等因素。

目前主流的生物特征识别技术有：指纹识别、掌纹识别、人脸识别、视网膜识别、虹膜识别、手形识别、生物红外谱图识别、外耳廓轮廓识别、体味特征区分、基因特征识别。每种生物识别技术都有其优劣性，这里采用指纹和人脸作为身份交叉识别的技术手段。

1.2 生物识别技术改进

为了提高生物识别精度，本文提出三个改进方向：

1.2.1 采用多种特征的融合识别（多模结合）

对各种生物特征识别技术的工作原理和优缺点研究后，了解到这些技术和手段都有一定的优缺点，在不同的场合也有不同的限制和局限性，因此采用单一生物识别技术并不能实现本论文的目标。因此，需要场合结合多种生物特征识别技术，进一步提高识别率和系统的可靠性。

1.2.2 现场采样，实时识别，数据实时可靠传输，与数据库实时比对

通过采用更高效快速的算法或者采用高性能的硬件设备或者采用专用的算法DSP辅助来实现实时出结果，实时传输，实时反馈。

1.2.3 生物特征识别技术与身份证读取技术相结合

根据各种人体生理特征识别技术的综合比较结果，本文考虑了可靠性、经济性和技术成熟度以及供货方便等因素，决定采用指纹特征识别作为首要识别手段；其次采用身份证电子读写技术进行现场的验证，做到人证合一。

1.3 指纹特征比对过程的优化

本文主要进行了以下两个方面的改进：

1.3.1 方法改进一：标志索引法

将指纹数据划分成9大类，在指纹图像特征文件上附加标识码，采用数据库索引的方法对存储的指纹档案进行归类，比对的时候先从标识码开始检索，可以大大加快比对速度。

1.3.2 方法改进二：单列循环法

每个人都会存储多个指纹档案，一般的方法是将采用档案与列表中的人员的所有指纹一一比对，都不相符才会进行下一人的比对，但实际的测试过程中发现，第一枚指纹档案的比对成功率可以达到80%以上，因此将比对策略改为：与所有人的第一个指纹档案全部进行比对，如果成功，继续比对该人的其他档案，如果不成功，再全部检查所有人的第二个档案，以此类推，也可以加快比对速度。实验表明采用这个方法额可以将2000枚样本比对的速度提高六倍。

2 软件系统的设计与实现

如图1所示。

3 结束语

本文主要设计了基于嵌入式软硬件系统平台，综合采用多种生物识别手段的在线身份识别系统。深入研究了龙芯1B软硬件平台和Linux 操作系统内核，移植了引导程序Uboot，完成了对Linux 操作系统内核的重新配置和编译，达到了减小系统体积的目的；该系统能够通过单机采集多种考生信息，提供包括指纹读取验证，身份证验证，实时拍照和照片彩屏显示等功能，利用实时采集的考生信息，通过终端设备联网验证考生身份信息，巡考复查考生身份，有效杜绝考生的替代替考情况，实现真正意义上的在线身份验证平台。

参考文献

[1]张敏贵，潘泉等.多生物特征识别[J].信息与控制，2002（32）.

[2]于瑞华，洪卫军.生物特征识别技术及其应用[J].智能建筑与城市信息，2004（08）.

[3]夏鸿斌，须文波，刘渊.生物特征识别技术研究[J].计算机工程与应用，2003（21）.

[4]杨俊，景疆.浅谈生物认证技术―指纹识别[J].计算机时代，2004（03）.

[5]谭铁牛，王蕴红.现代身份鉴别---生物特征识别技术[J].中国基础科学，2000（09）.

篇3

【关键词】条形码识别;RFID射频识别;图像识别;生物特征识别

一、前言

自动识别技术是集传感器、通信、计算机技术为一体的一门综合性科学技术，包括数据编码、采集、标识、管理、传输等多个环节，是获取信息的有效手段，作为管理决策和自动化控制的数据来源。代替原来的人工手动输入，提高信息输入的实时性与准确性，达到减员提效的目标。目前矿山物联网技术的发展还处于初级阶段，自动识别技术在很多环节还处于空白和相对薄弱的环节。

自动识别技术包括条形码识别技术、RFID射频识别技术、IC卡识别技术、磁卡识别技术、图像识别技术、生物特征识别技术等做种识别技术等多种方法与手段。总体可以分为两类：数据采集技术和特征提取技术，根据不同需求、现场的实际应用环境采用不同的识别技术。

二、条码识别技术在煤矿仓储管理中的应用

条码是一种经济、实用的识别技术，条码可以分为一维条码和二位条码，二位条码可以包含更多的信息。

一维条码是由“条”和“空”构成的二进制0和1，它们的组合来表示对应的数字和字符，表示相关信息，字符结构如下所示：

空白区起始字符数据字符校验字符终止字符空白区

二维码通过水平和垂直两个方向表示信息，通常分为行排式和矩阵式两类，信息容量大，比普通条码信息容量约高几十倍，容错能力强，具有纠错功能。编码范围广，译码可靠性高，保密性、防伪性好。

随着企业信息化技术的发展，很多矿山企业都建立了自己的物资信息化管理系统，由于煤矿企业物资种类繁多，如果物资的领用记录都依赖于手工登记，管理人员每月盘点库存时都需要花费很长时间，费时费力，人为因素还容易导致库存信息的不准确，使用物资条形码管理系统，通过条形码扫描，物资名称、规格型号、数量及价格等的信息会立即显示在电脑上，简化了工作流程，提高了物资核算速度和物资信息的准确性。

三、射频识别技术在煤矿人员与车辆定位管理中的应用

射频识别RFID技术是一种非接触式的自动识别技术，它通过射频标签和射频读卡器之间的双向通讯，实现数据交换。射频识别可实现非接触识读，识别距离从十几厘米到几十米，实现高速运动的物体，有防水、防磁、耐高温的特点，具有一定的穿透性，能够同时识别多个标签。而且存储量更大，能重复使用。可以分为有源卡和无源卡，应用的频段一般低频135KHz、高频13.56-27.12MHz超高频850-960MHz、微波2.4GHz和5.8GHz。

目前煤炭企业安装的人员、车辆、设备定位系统，由识别卡、读卡器、通讯网络、上位机与相关软件组成，可连接到煤矿的信息化系统平台，实现分类管理。提供了准确的信息，及时了解井下人员、车辆、设备的当前位置、运行轨迹，可以根据车辆的位置、种类，实现车辆的及时调度排程，提高办事效率。当出现险情和矿难时，为救援方案提供基础信息，缩短救援时间，保障矿井安全。

图1 RFID系统结构图

四、图像识别技术在煤矿矸石分选和设备故障诊断中的应用

图像识别技术是利用信息处理和计算机技术，采用数学方法，对图像进行处理、分析和理解的技术。在数字视频监控中，需要对图像进行识别，先对视频流进行实时图像截取，再进行图像预处理、图像特征提取和信息判决等图像识别工作。分析过程如下所示：

随着信息理论与机器视觉理论的发展，图像识别技术近年来已经成为故障诊断的热点技术之一，基于图像的故障诊断技术得到了快速的发展，图像识别技术应用于故障诊断可以将人从枯燥烦杂的图形判读活动中解放出来。图像信息是一类重要的故障信息形式，用图像传感器采集设备故障状态的数字图像，经过图像处理、特征提取、模板匹配等完成故障诊断。实现对皮带撕裂、跑偏、轴承磨损、设备倾斜的各种故障诊断与报警。

随着煤矿自动化水平的不断提高，生产中危、重、繁、杂的体力劳动将逐渐被智能机器人作业所取代，在煤矿生产中，矸石分选是从煤块中将矸石挑选出来，目前大块矸石的分选大多采用手工作业，通过图像识别技术对煤块和矸石进行识别，再用机电结合的控制技术，达到煤矸自动分选的目的。

五、生命特征识别技术在煤矿生产安全的应用

生命特征识别技术主要是指通过人类生物特征进行身份识别和认证的一种技术，具有普遍性、唯一性、可测量性、稳定性与不可复制。是一种方便安全的识别技术，包括指纹识别、虹膜识别、语音识别、人脸识别、掌纹识别等技术。通过计算机与各种传感器和生物统计学原理等高科技手段密切结合，用人体固有的生理特性，进行身份鉴定。其原理如下：

煤矿人员识别考勤系统，大多是采用生命特征识别技术，由识别考勤机、识别软件、人员考勤系统软件和附加设备组成。通过采集相关信息，实现指纹、虹膜、人脸等特征注册、验证，人员基本信息录入后，通过特征识别，记录井下人员进出矿井及各处门禁进出人员信息。监督管理瓦检员，巡检员，安检员、绞车工、电工等重要人员的到岗作业，特征的唯一性，从根本上解决了代人打卡的问题，保证公司考勤制度的公平性。

在煤矿连锁放炮监控系统中也广泛采用生命特征识别技术，实现放炮安全管理，综合采用了虹膜识别、语音识别等多项特征与其他识别技术组合使用，多项技术的有效集成，多个条件同时满足的情况下才能执行放炮操作指令，保证了作业安全。

六、自动识别技术在矿山物联网的的发展展望

自动识别技术发展很快，随着对自动识别技术的研究深入，应用范围不断扩大，渗透到矿山物联网的各个环节，出现了许多新型的产品，向多功能、便携式、本安型的低功耗网络化发展。与wifi，蓝牙、zigbee等无线局域网的数据通信技术的紧密结合，来引领自动识别技术在矿山物联网未来发展的潮流。

参考文献

[1]程曦.RFID应用指南[M].电子工业出版社，2011.

[2]刘平，付丽华，李志，冯暖.自动识别技术基础[M].清华大学出版社，2013.

篇4

关键词：信息验证；生物特征识别；指静脉识别

Abstract：In the context of the information age， everyone is very focused on their own information security. And the traditional way of information verification is not safe and convenient. Thus， biometric identification technology has emerged， which is the object of this paper， which can effectively solve the shortcomings and disadvantages of the current information verification. According to the principle of finger vein recognition and the key points of the system， the key points of the system are described in detail， and the rapid development of the vein recognition technology and the huge market demand are prospected.

Key word：Information verification Biometric identification Finger vein recognition

S着信息爆炸时代的来临，人类社会产生了巨大的变革，人们对信息的需求和依赖越来越大，人们在时刻进行社会活动的时候离不开身份信息的验证。在这种时代背景下信息的安全问题也就显得十分重要，然而传统的身份识别方法是需要借助外物来证明身份的，但如果证明身份的标识物品出现丢失、被盗窃或者被伪造等情况就会导致混乱甚至犯罪事件的发生。针对这一弊端，现已有很多生物特征识别技术用于身份认证，比如指纹、虹膜、视网膜、手型识别、脸部识别等等。实际上生物特征识别技术早已有人研究，随着科技的进步以及各种生物特征识别的算法和系统的问世使得生物特征识别变得火热起来。而本文涉及的是生物特征识别技术中的指静脉识别技术。

指静脉识别这一技术最初是由日立公司着手研究并开发成相关产品的，由于每个人的指静脉分布都不一样，由此特性它通过识别个人手指里的指静脉分布图像特征来进行个人的身份鉴定。指静脉的采集是根据静脉里面的血红蛋白反射采集到的图像来对比识别的，这种识别方式决定了指静脉是活体识别技术。

目前指纹识别虽然是用户广泛的一种识别技术，但弊端也随之体现出来：安全性低，虽然如今破解指纹识别机不大可能了，但现在网上都有各种制作指纹膜来达到伪造身份的目的；稳定性差，如果手指受了割伤或者手指外表皮因为温度或者摩擦等原因而脱落或者手指表面沾上某种污渍，在指纹验证时就会很困难。相较之下指静脉识别很难伪造，抗干扰性好、不易受手指表面伤痕或污渍的影响，因此指静脉的准确率比较高，FRR（拒真率）小于0.01%，FAR（认假率）小于0.0001%，FTE（登录失败）为0%。因此就目前技术方面和市场方面来说指静脉识别技术运用到的识别原理作为一种新型的身份认证方式在生物特征识别中是具有较大的优越性的。

1 指静脉识别原理及技术

1.1指静脉成像原理

根据医学研究结果，每个人都有着自己独特的手指血管纹路，左手和右手之间的静脉分布也是不同的，即使是双胞胎之间的血管纹路也不一样的。由于静脉相比于动脉更接近皮肤表层，易于采集特征；况且静脉分布的曲线和分支比较繁多复杂，采集到的图案样本多，所以个人之间图像差别明显。根据这一生物特性，我们可采用近红外线照射指静脉（近红外线范围在700～1000nm之间，本系统采用了波长为850nm的近红外线，在这个范围静脉透射的部分比较少，成像较为明显），静脉的图像就会突出显示，手指肌肉和骨骼等其它部位被弱化，由此将静脉里流动血液中的血红蛋白呈现出来的图像进行特征提取。

1.2图像的采集和预处理

采用了使用比较广泛的CMOS感光器件，相较于CCD感光器件，COMS有以下几个优点：

（1）集成度更高，所以功耗也比较低；

（2）在价格上CMOS由于结构简单所以制造成本低；

（3）在成像方面新的CMOS器件的出现提高了信噪比和影像效率，已经接近了CCD的成像质量；

（4）CMOS的光谱敏感范围在近红外线比可见光的灵敏度高达5～6倍。

根据上述分析决定使用CMOS感光器件在近红外下采集图像。

但由于使用环境中我们的图像采集成像装置会受到环境可见光的影响，会导致指静脉成像的不稳定，因此需要增加滤光片来消除可见光的干扰。一般滤光镜按照光谱的标准来区分的话有紫外滤光、可见滤光片和红外滤光片，因为我们采集指静脉图像的近红外线是采用850nm的波长，所以滤光镜选择红外滤光片。

而因为手指摆放的姿势、位置以及受到温度等其它因素的影响导致手指内部静脉收缩或者扩张，所以图像采集到还需要进一步的处理。处理过程一般都有图像感兴趣区域的裁剪、尺寸或灰度归一化、图像增强、静脉分割、位置校准、细化等操作，经过处理的图像更有利于特征的提取和图像的识别认证。可以根据实际情况的需要有选择地选取上述处理方式，好的算法会使得图像的处理更加优化，从而达到提高识别率的目的。

1.3指静脉特征点提取

在本系统的指静脉特征点提取中主要采用的是基于细节点特征提取的算法，因为利用细节点来进行识别主要有以下几个优点：

（1）细节点的特征描述相对比较简单的。

（2）细节点占用的存储空间比较小。

（3）单单凭借着细节点是无法恢复出原有的指静脉的，有利于保护个人隐私。

而细节点的特征提取一般有以下几种：

1.3.1端点：当指静脉在手指内部一定深度或者近红外线对手指透射的不够深的时候就会出现这种端点。

1.3.2分叉点：由一个单一的静脉段分裂为两个静脉段。

1.3.3p分叉点：当两个分叉点靠得比较近的时候就会出现这种双分叉点。

根据以上三种细节点进行特征提取的方法分别如下：

1.3.3.1提取端点：以端点为中心提取一个N*N范围块（N的取值视具体情况而定），然后删除该N*N区域中其它没有与该中心端点相连接的点。最后计算静脉特征和块边界的连接数，如果连接数目为一个细节点就认为该细节点是端点并保存端点段誉水平线之间的角度，否则不是。

1.3.3.2提取分叉点：以一个分叉点为中心提取一个N*N的范围块（N的取值视具体情况而定），然后删除在该N*N区域内其他的不与中心分叉点相连接的点。最后计算静脉特征和划分的N*N范围块边界的连接数，当连接数目为四，就认为该分叉点是双分叉点，同时保存分支之间的两个角度。反之则认为该分叉点为错误的细节点。

于是针对上述的三种细节点我们可以分别列出表达方式如下⑵：

端点：[X，Y，Φ1]

分叉点：[X，Y，θ2，θ3，θ4]

双分叉点：[X，Y，Φ5，Φ6，Φ7，Φ8]

其中X，Y是细节点的坐标，β是端点和水平线两者之间的角度，θ是分叉点与分支两者之间的角度，α是双分叉点与分支两者之间的角度。

具体的直观图像如下图所示：

图2.3 细节点表达图像

实际上提取特征点之后为更加简化的图像：

将上述提取特征点获得的图像与已保存的图像库做对比识别即可辨识身份。

2 总结

针对指纹识别等传统生物识别的缺点或弊端提出了指静脉识别系统的优势所在以及在指静脉系统中从选用合适的器件开始逐步到阐明在本系统中静脉采集和特征提取的原理和方式等关键问题。

从目前来看鉴于技术和成本之间的冲突，指静脉识别市场正处于市场爆发的临界状态，一旦指静脉识别技术得到进一步的完善和达到一定的量产，将会普遍推广到各类民用领域。而且国家相关机构也在制订并计划实施相关的产品技术标准。相信通过国内有实力的核心技术及上下游厂商通力合作，中国指静脉技术识别技术产品发展的前景广阔。

我们也期盼着各种高科技产品早日普及到我们平常生活中，让每个人都可以体验忘记密码、丢掉钥匙的安全又便捷的生活，就像十几年前人们纷纷丢下腰间的BP机换成手机一样，指静脉识别系统会在不久的将来大放异彩。

参考文献：

篇5

用户名/密码是最简单也是最常用的身份认证方法，它是基于“what you know”的验证手段。每个用户的密码是由这个用户自己设定的，只有他自己才知道，因此只要能够正确输入密码，计算机就认为他就是这个用户。

然而实际上，由于许多用户为了防止忘记密码，经常会采用容易被他人猜到的有意义的字符串作为密码，这存在着许多安全隐患，极易造成密码泄露。即使能保证用户密码不被泄漏，由于密码是静态的数据，并且在验证过程中，需要在计算机内存中和网络中传输，而每次验证过程使用的验证信息都是相同的，很容易被驻留在计算机内存中的木马程序或网络中的监听设备截获。因此用户名/密码方式是一种极不安全的身份认证方式。

IC卡认证

IC卡是一种内置了集成电路的卡片，卡片中存有与用户身份相关的数据，可以认为是不可复制的硬件。IC卡由合法用户随身携带，登录时必须将IC卡插入专用的读卡器中读取其中的信息，以验证用户的身份。IC卡认证是基于“what you have”的手段，通过IC卡硬件的不可复制性来保证用户身份不会被仿冒。

然而由于每次从IC卡中读取的数据还是静态的，通过内存扫描或网络监听等技术还是很容易能截取到用户的身份验证信息。因此，静态验证的方式还是存在着根本的安全隐患。

动态口令

动态口令技术是一种让用户的密码按照时间或使用次数不断动态变化，每个密码只使用一次的技术。它采用一种称之为动态令牌的专用硬件，密码生成芯片运行专门的密码算法，根据当前时间或使用次数生成当前密码。用户使用时只需要将动态令牌上显示的当前密码输入客户端计算机，即可实现身份的确认。

由于每次使用的密码必须由动态令牌来产生，只有合法用户才持有该硬件，所以只要密码验证通过就可以认为该用户的身份是可靠的。而动态口令技术采用一次一密的方法，也有效地保证了用户身份的安全性。但是如果客户端硬件与服务器端程序的时间或次数不能保持良好的同步，就可能发生合法用户无法登录的问题，这使得用户的使用非常不方便。

生物特征认证

生物特征认证是指采用每个人独一无二的生物特征来验证用户身份的技术，常见的有指纹识别、虹膜识别等。从理论上说，生物特征认证是最可靠的身份认证方式，因为它直接使用人的物理特征来表示每一个人的数字身份，几乎不可能被仿冒。

不过，生物特征认证是基于生物特征识别技术的，受到现在的生物特征识别技术成熟度的影响，采用生物特征认证还具有较大的局限性：首先，生物特征识别的准确性和稳定性还有待提高；其次，由于研发投入较大而产量较小的原因，生物特征认证系统的成本非常高。

USB Key认证

篇6

大多数专家一致认为，想提高网站安全性，势必需要有一种方法来终结密码。人们访问网站时常常喜欢使用容易被别人猜到的密码，这严重降低了密码的有效性。此外，借助先进的解密技术，黑客甚至可以轻易破解经过加密的密码。

由于这年头几乎人人都有智能手机，智能手机被认为是存储登录凭证的理想地方。如果在智能手机中添加许多可用于识别用户的传感器，那么使用这种设备用于验证的理由就变得更充足了。

市场研究公司加特纳集团的分析师特伦特·亨利（Trent Henry）谈到基于智能手机的验证时说：“我觉得这个想法很棒。我们认为，这将是未来流行的验证模式。”

替代技术的出现

许多安全厂商与亨利持有相同的观点，它们正在竭力推动行业往这个方向发展。这些安全厂商包括Authy、Clef和Duo Security等。

连各大安全公司也开始进入这个市场。7月，EMC公司旗下的RSA收购了PassBan，而PassBan提供的技术可以使用智能手机进行语音和脸部识别，以实现多因子验证（multifactor authentication）。

如今，大多数安全厂商使用手机实现双因子验证。如果某个网站支持安全厂商的服务，那么当某人登录这个网站时，一个独特的个人身份识别码（PIN）就会发送到其手机上。输入这个PIN，也就完成了登录过程。

遗憾的是，大多数消费者不愿意采取这些另外的步骤，于是厂商在继续寻找一种更简单、更无缝的方法。

Authy公司近日往这个方向迈进了一步，它推出了一款应用程序，可以将iPhone或安卓手机通过蓝牙连接到苹果电脑上。从那时候起，当用户访问Facebook、Dropbox、Google Gmail或其他支持该应用程序的网站时，存储在手机中的登录凭证就用来自动登录网站。

Authy创始人兼首席执行官丹尼尔·帕拉西奥（Daniel Palacio）认为，这款应用程序仅仅是个开始。总有一天，同样的验证方法有望用到谷歌眼镜、智能手表或另外某种类型的可佩戴式设备上。

Authy及其竞争对手开展的工作表明，业界在寻求一种完美的解决方案，可是任重而道远。

生物特征识别技术或占主导地位

弗雷斯特研究公司的分析师伊夫·（Eve Maler）说：“市场上的泡沫试验表明，我们还没有找到最理想的解决方案；我们可能永远也找不到适合各种情景的单一解决方案。除非有一天出现这样一种解决方案，否则密码不可能完全被取代。”

手机想取代密码，它就必须知道登录网站的是用户本人，而不是偷得或捡得手机的骗子。生物特征识别技术就是一种可行的方案，但前提是开发出可靠的、高度安全的指纹扫描仪及语音和脸部识别技术。

另一种可能的方案是可识别用户走路姿势的手机传感器。这种技术名为步态识别技术，目前在佐治亚理工学院和麻省理工学院处于研究阶段。

一旦生物特征识别技术能够非常可靠地识别手机用户，“我们会开始拥有非常安全的验证系统，用起来极为方便，”帕拉西奥说。“人们只要买来它，就能发挥作用。”

篇7

[关键词] PC机活体指纹识别器读卡器门禁控制器考勤系统

生物特征识别技术是一种计算机识别技术，随着计算机与信息技术的不断发展，生物特征识别技术研究受到了广泛的关注。生物特征识别是用生物体本身的生物特征来区分生物个体的计算机技术，它所研究的生物特征包括脸型、指纹、掌纹、虹膜、视网膜、声音、体形、个人习惯等，相应的识别技术包括虹膜识别技术、视网膜识别技术、掌纹识别技术、面部识别技术、声音识别技术、指纹识别技术等。本文介绍的指纹识别便是生物识别技术的一种，它相对其他识别系统(如虹膜、脸形)有很多优越性。首先指纹具有不变性和惟一性，并且信号容易采集，识别算法已经很成熟。所以指纹识别技术成为应用最广泛的识别技术。因此，采用指纹识别技术进行身份验证是安全可靠的系统，它可以取代传统的基于密码、钥匙和证件的安全系统，而且不需记忆密码，无需携带证件，指纹就是身份证明。近年来，在世界范围指纹识别技术的应用以爆炸性速度增长，如上海正推行的社会保险指纹身份验证系统，香港推行的指纹特征的电子身份证等,而且向更广阔的领域开展应用。下面介绍指纹识别技术在考勤系统中的应用。

一、指纹识别系统的原理及组成

1.指纹的特征

指纹的特征系指手指表面由交替的“脊”(ridges)和“沟”（valleys）组成的平滑纹理模式，其形成取决于胚胎中形成手指表皮部分的初始环境，有很强的随机性，一经形成又呈现不变性和惟一性。每个指纹都有几个独一无二、可测量的特征点，每个特征点都有大约5个～7个特征，我们的十个手指产生最少4900个独立可测量的特征，这足以说明指纹识别是一个更加可靠的鉴别方式。在实际应用中，我们定义了指纹的两类特征来进行指纹的验证，即：总体特征和局部特征。总体特征是指那些用肉眼直接就可以观察到的特征，包括：纹形、模式区、核心点、三角点和纹数等。一般将指纹纹型分为三大类――环型又称斗形、弓形和螺旋形。

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。两枚指纹经常会具有相同的总体特征，但它们的细节特征，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、分叉或转折。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惟一性的确认信息，英国学者E.R.Herry认为，只要比对13个特征点重合，就可以确认为是同一个指纹。

2.指纹识别过程

指纹识别分指纹登记和指纹识别两个过程：

一开始，通过指纹读取设备读取人体指纹的图像，取到指纹图像之后，对原始图像进行预处理，使之更清晰。然后由指纹辨识软件建立指纹的数字表示特征数据，并作为模板保存在数据库或其他指定的地方。

接下来进入指纹识别或验证阶段，首先要采集指纹并进行预处理，然后计算机系统自动进行特征提取，提取后的待验特征将通过计算机与数据库中的模板进行模糊比对，计算出它们的相似程度，最终得到两个指纹的匹配结果。

3.指纹采集的几种技术和特点

指纹采集主要通过指纹采集器进行，目前常用的指纹采集器主要使用的有三种采集技术，即：光学全反射技术、硅晶体电容传感技术、超声波扫描技术。其中由光学全反射技术制成的光学指纹采集器是最早的指纹采集器，是使用最为普遍的。

三种采集技术制成的采集器比较：

二、指纹识别技术在考勤系统中的应用

1.硬件设备选型

指纹识别技术在考勤系统中的应用设计中，我们采用了IC卡和指纹双认证措施，智能读卡器选用的是LEGIC公司生产的CSM100K读卡器。其主要特点如下：

读感距离 7cm～10cm；

输出格式 Wiegand26Bit、Wiegand32Bit Wiegand26Bit；

工作频率 13.56MHZ；

读卡时间 ≤3 ms/Byte。

指纹识别器选用的是Bios crypt公司的V-PASS活体指纹识别器。该指纹识别器采用嵌入式指纹识别屏，必须先检测手指的体温、体电阻、体血流振动三个要素，如果三者都符合才会开始检测指纹。另外其具有标准的工业接口（韦根26位），可直接与ACM6820/ACM6840门禁控制器相连接。

其主要特点如下：

注册时间:不到3秒；

验证时间:不到1秒，100个用户；

认假率(FAR）:0.10％；

拒真率(FRR）:0.10％；

指纹模板数:最优为100个(最多200个) ；

待机电流:0.2安培＠12伏特；

工作电流:0.25安培＠12伏特；

电压:7至24伏直流；

V-PASS记录尺寸：350BETY/指纹。

本系统在设计时还考虑了门禁控制问题，选用了COSON公司的ACM6800/ ACM6840系列门禁控制器。该门禁控制器主要适用于网络型及超大网络型门禁控制系统，具有4个单向门或2个双向门， 4组标准RJ45读卡器输入端口； 4组标准门状态输入端子，4组出门请求按钮输入端子， 8组12V/DC有源/无源输出端子:4组门锁控制输出，4组扩展输出。可以通过RS485轻易与PC机组网。

2.系统硬件结构

系统硬件结构。该系统除具有智能读卡、指纹识别、出门按钮功能外，还增加了语音提示功能，以便在读卡中进行提示。用户可通过卡、指纹双认证识别，当用户刷卡后，为合法卡，系统语音提示用户验证指纹，如卡未授权，系统等待用户再次刷卡；当系统语音提示用户验证指纹时，用户验证指纹合法后，系统语音提示欢迎光临或用户自定义的语音；当用户首先验证指纹时，系统语音会提示用户验证卡，当用户验证为卡合法卡后，系统语音提示欢迎光临或用户自定义的语音；如卡未通过验证，系统等待用户再次刷卡，如在系统规定的时间内未完成验证，则该次认证失效，须重新进行卡、指纹双认证识别。

3.软件设计

在指纹识别时，由于受到各种因素的影响，采集到的指纹图像是一幅含噪音较多的灰度图像。需要先对此图像进行预处理。指纹图像预处理是指对采集到的低质量指纹图像依据一定的算法和处理过程使其纹线结构清晰化。尽量突出和保留固有的特征信息而避免产生伪特征信息。指纹图像预处理是指纹自动识别过程中的第一步，它的好坏直接影响着指纹自动识别系统的效果。图像预处理包括滤波、二值化、细化和去噪。另外，在指纹采集中要求易于使用、运行可靠、用户不必担心指纹的放置位置，为此我们在识别算法中，考虑到支持360度旋转和残缺的指纹，用户只需轻轻的按上手指而无须担心是否位置合适或只按压了一部份。对于手指的压感、旋转、质量，以及采集头的灰尘和薄雾，系统都能很好地解决。

4.指纹门禁演示

本系统在江西省科技馆指纹门禁演示中，演示点共设 5 处。通过演示发现该系统能完成设计的各项功能，系统运行可靠、性能良好。具体演示流程如下：

(1)将门禁控制器的232串口线连接上PC机串口，运行门禁管理软件，在密码处输入：system;

(2)进入门禁软件，选择用户/卡片库;

(3)点击增加批次，将卡片的区号和卡号以及要增加的数量对应输入，然后点击入库;

(4)进入用户/用户资料，点击新增用户输入相关信息后确定;

(5)双击用户列表上的用户资料编辑权限，点击选择门，全选确定该用户就为合法用户;

(6)将指纹机通讯串口线连接好PC机串口，运行指纹管理软件Friedman点击工具栏最左边指纹按钮Template Manager开始录入指纹;

(7)点击quick enroll,进入指纹录入框在template ID处输入一个有效的ID号（就是门禁系统提前录入的卡号）点击Enroll将手指放在一号指纹机上（一号指纹机为录入机）确定指纹后按Accept;

(8)选择录入指纹时对应的手指，点击Save保存，该指纹在一号指纹机上便为合法;

(9)如果要让该指纹在其他的2至6号指纹机上也合法，选择要下发的指纹，点击Unit to Unit，再选择要下发指纹的指纹机序号，点击start transfer,该指纹便在所有的指纹机生效。

参考文献:

篇8

关键词：信息技术；视频监控；人脸识别

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9599　（2012）　19-0000-02

1 视频监控系统的应用现状

视频监控系统的发展经历了第一代的全模拟系统、第二代的部分数字化的系统、第三代的完全数字化的系统（网络摄像机和视频服务器）三个阶段的发展演变。现有的数字视频监控系统实现了视频监控手段的数字化、网络化和集成化，但是它存在一个最主要的缺陷：对视频内容只能靠人来判断，同时，它多用于“事后处理”，并不能充分发挥视频监控系统的主动性。基于先进生物特征识别技术的人脸识别智能视频监控系统的出现是视频监控系统发展的又一标志，智能视频监控系统能够识别不同的物体，发现监控画面中的异常情况，并能够以最快和最佳的方式发出警报和提供有用信息，从而能够更加有效地协助安全人员处理危机，并最大限度地降低误报和漏报现象。

2 人脸识别技术

2.1 人脸识别技术的研究及应用范畴。人脸识别（Face　Recognition）亦称面像识别是人类视觉系统的基本功能，也是人类互相辨识的最直接手段，因此他是生物特征识别中的重要研究内容。人脸识别技术作为一种新兴的生物特征识别技术，概括说，他是一种依据人体面部特征的自动身份鉴别技术。人脸识别综合运用了数字图像／视频处理、模式识别、计算机视觉等多种技术。人脸识别技术在公共安全、人机交互等领域具有广泛的应用前景，这一点已经为世人所公认。同时，人脸识别也是人工智能领域的重大研究课题，因此吸引了大量的研究人员对此展开深入研究，到现在已有30多年的研究历史。自20　世纪90年代以来（特别是美国“911”恐怖袭击事件发生以后），人脸识别技术在研究及应用方面更是得到了长足的发展。人脸识别的研究范围大致可以分为如下几个方面的内容：

（1）人脸检测（Face　Detection）：即从各种不同的场景中检测出人脸的存在并确定其位置。在大多数的场合中由于场景较复杂，人脸的位置是预先不知道的，因而首先必须确定场景中是否存在人脸，如果存在人脸，再确定图像中人脸的位置。脸部毛发、化妆品、光照、噪声、面部倾斜和人脸大小变化以及各种遮挡等因素会使人脸检测问题变得更为复杂。人脸检测的主要目的是在输入的整幅图像上寻找人脸区域，把图像分割成两个部分2人脸区域和非人脸区域，从而为后续处理奠定基础。（2）人脸表征（Face　Representation）：即采取某种表示方式表示检测出的人脸和数据库中的已知人脸。通常的表示法包括几何特征（如欧氏距离、曲率、角度）、代数特征（如矩阵特征矢量）、固定特征模板、特征脸、云纹图等。（3）人脸辨识（Face　Identification）：即将已检测到的待识别的人脸与数据库中的已知人脸进行比较匹配，得出相关信息，这一过程的核心是选择适当的人脸的表征方式与匹配策略，系统的构造与人脸的表征方式密切相关。通常或是选择全局的方法或是选择基于特征的方法进行匹配。显然，基于侧面像所选择的特征和基于正面像的特征是有很大的区别的。（4）表情分析（Expression　Analysis）：即对待识别人脸的表情信息（快乐、悲伤、恐惧、惊奇等）进行分析，并对其加以归类。（5）生理分类（Physical　Classification）：即对待识别人脸的生理特征进行分析，得出其种族、年龄、性别、职业等相关信息。显然，完成这一操作需要大量的知识并且通常是非常困难和复杂的。

2.2 人脸识别技术优势。人脸识别作为一种新兴的生物特征识别技术（Bio－met　rics），与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势：

（1）使用方便，用户接受度高。（2）直观性突出。（3）识别精确度高，速度快。（4）不易仿冒。（5）使用通用性设备。（6）基础资料易于获得。

3 人脸识别视频监控系统的架构

人脸识别视频监控系统有四大核心部分：视频处理／人脸捕获工作站、人脸比对工作站、黑名单数据库和报警显示工作站。视频处理／人脸捕获：在视频图像中发现人脸，评估图像质量并提交给人脸识别比对模块；人脸识别比对模块：对登陆的照片提取特征模板并与黑名单数据库相比较；黑名单照片采集：建立模板并将模板数据加入黑名单数据库；报警显示：根据比对结果，显示报警结果，或将报警信息传递给　PDA或其它手提终端。

4 人脸识别监控系统的关键问题

（1）人脸识别中的光照问题。光照变化是影响人脸识别性能的最关键因素，对该问题的解决程度关系着人脸识别实用化进程的成败。需要从人脸图像中将固有的人脸属性和光源、遮挡及高光等非人脸固有属性分离开来，在人脸图像预处理或者归一化阶段进行针对性的光照补偿，以便消除非均匀正面光照造成的阴影、高光等对识别性能影响；（2）人脸检测与跟踪问题。人脸检测是人脸身份识别的前期工作，而人脸跟踪就是根据人脸检测定位的结果，对运动序列后续帧中的目标人脸的运动轨迹和轮廓变化进行持续的跟踪检测。一个复杂背景下的多级结构的人脸检测与跟踪系统可采用模板匹配、特征子脸、彩色信息等人脸检测技术，这样能够检测平面内旋转的人脸，并可跟踪任意姿态的运动的人脸；（3）去冗问题。要求人脸识别监控系统能对视频捕捉中的画面能够快速的检测单个和多个人脸图像，并自动去冗余，减除重复的画像，并提取相应的人脸图像特征实现人脸的快速比对，并输出相应的结果信息；（4）人脸识别中的姿态问题。姿态问题涉及头部在三维垂直坐标系中绕三个轴的旋转造成的面部变化，其中垂直于图像平面的两个方向的深度旋转会造成面部信息的部分缺失。一种方案是基于姿态不变特征的方法，即寻求那些不随姿态的变化而变化的特征。另一种方案是采用基于统计的视觉模型，将输入姿态图像校正为正面图像，从而可以在统一的姿态空间内作特征的提取和匹配。

5 结束语

随着生物特征技术的发展，人脸识别技术正逐渐由理论探索的过程转入了实际应用的阶段，国内外都出现了专业的人脸识别产品。人脸识别技术具有广泛的应用前景，在公共安全、智能门禁、智能视频监控、公安布控、海关身份验证等有着典型的应用。其中基于人脸识别技术的智能视频监控系统可以有效地解决目前数字监控系统存在的某些难题，如确定监控场景中是否有人，对监视对象难以跟踪、确定当前监控对象的身份等问题。

当前的人脸识别视频监控系统还需要做更深入的研究、测试和推广，公安部第一研究所一直致力于人脸识别方面的研究，公安部第一研究所生物特征项目组在人脸识别视频监控方面做了大量的工作，并采集了图像和视频库，以测试人脸识别视频监控产品的功能和性能，确定人脸识别产品在实际应用中需要解决的问题。

参考文献：

篇9

人脸识别系统可以轻松解决模拟画像和视频监控的人脸识别,根据公安机关需要移动办公的特点,还可通过手机照相进行人脸识别查询。也就是说,该系统具有无线人脸的识别功能,应用手机拍摄人脸图像,通过无线传输,发送到人脸识别系统进行人脸识别,并把识别结果(包括人脸识别数据库中的人脸图像和个人身份档案)发回手机。值得一提的是,该系统具有文档资料和人脸图像混合的识别查询功能,这项功能有助于提高查找犯罪嫌疑人的准确率。

人脸识别考勤系统功能特色

篇10

关键词：人脸识别；特征脸；仿真

中图分类号：TP37 文献标识码：A文章编号：1009-3044(2007)17-31431-01

Researches of Face Recognition Syetem Based on Eigenfaces

XING Zhi-heng,CUI Lian-yan

(Information Science & Engineering College,Liaoning University of Technology, Jinzhou 121001，China)

Abstract:Face recognition is a technique used for identify identity, by analyzing face images and distilling effective recognition information from the face images.This article presents a arithmetic of face recognition based on eigenfaces,and makes a improvement for it,finally emulates the arithmetic.This method recognizes and classify face images by computing the distance between face image and eigenfaces space for database face images,it can recognize face image quickly and exactly.

Key words:Face recognition;eigenfaces;emulate

1 引言

人脸识别技术是生物特征识别技术的一种，进入九十年代以来，人脸识别的研究重新成为人们的关注的热点，在心理学、神经科学、模式识别和计算机视觉等方面涌现出大量的成果。人脸识别的方法很多，本文采用特征脸法识别人脸。该方法是目前比较成功的识别方法，考虑的是人脸的整体特征。该方法主要通过求出人脸图象与数据库中的特征脸空间距离来进行人脸的识别和分类，保留了人脸图象的基本信息。具体步骤为：建立人脸空间；把训练样本和待测样本投影到人脸空间中；选择合适的距离函数进行分类。

2 人脸空间的建立

2.1 平均脸及差值脸的计算

本文选择ORL人脸图象库中的M幅人脸做为训练样本集，该样本集为112×92象素的人脸图片，用向量Г表示，从而训练集可以表示为{?祝i|i=1,...M}。M幅人脸图象的平均人脸图象为（平均脸）：

生物特征识别技术范文

篇1

篇2

篇3

篇4

篇5

篇6

篇7

篇8

篇9

篇10

热门标签

相关文章

相关期刊

中国生物美容

生物资源

合成生物学

生物学

精品范文