日月城平台机械设备有限公司欢迎您!

章节生物特征识别技术是利用人体固有的生理特征和不道德特征展开-官方网站

时间:2021-01-02
本文摘要:生物特征识别技术及其发展趋势目前常用的生物特征识别技术中使用的生物特征是基于生理特征的如脸、指纹、虹膜,还有基于不道德特征的如笔迹、声音等。2000年以后,面部识别算法进入成熟期,商用面部识别系统经常出现。

图像

章节生物特征识别技术是利用人体固有的生理特征和不道德特征展开个人识别证书的技术。生物特征识别技术还包括使用人脸、指纹、虹膜、静脉等人体固有的生理特征展开的认证技术,和利用后天构成的不道德特征(手写签名、笔迹、声音、步态等)展开的认证技术。与以往的身份检查手段相比,基于生物特征识别的身份检查技术具有(1)消失或丢失的优点。

(2)防伪性能好,容易伪造和盗窃。随身携带,随时随地都可使用。由于生物认证证书具有上述优点,因此各国大力推荐基于生物认证的认证证书技术。

生物特征识别技术及其发展趋势目前常用的生物特征识别技术中使用的生物特征是基于生理特征的如脸、指纹、虹膜,还有基于不道德特征的如笔迹、声音等。以下对这些罕见的生物特征识别技术的特征及其发展趋势非常简单地进行说明。

脸部识别作为基于生理特征的认证技术,与现在广泛使用的密码、以IC卡为媒介的以往的认证技术相比,具有容易伪造、容易偷、消失的特征。另一方面,面部识别与指纹、虹膜、掌纹识别等生理特征识别技术相比,具有非侵害性、收集便利性等特征。

因此,人脸识别是一种非常自然友好的生物特征识别证书技术。脸部识别技术还包括在图像和影像中展开脸部的检测、根据检测出的脸部确定眼睛的方位、提取脸部的特征、最后展开脸部对照等一系列相关技术。

最初的脸部识别系统于1960年代竣工,该系统以脸部特征点的间距、比率等参数为特征,构建了半自动的脸部识别系统。这时的脸部识别研究多集中在研究如何提取脸部的特征器官(眼角、嘴角、鼻孔)的比较方位、大小、形状、面积以及彼此的几何关系等特征点来展开脸部识别。这些特征点不能正确定位,鲁棒性差,因此使用这些方法的脸部识别系统的性能很低。

从1980年代开始,面部识别技术经常出现基于面部图像的方法。与基于特征点的方法相比,基于脸部图像的方法不是提取脸部特征器官这一上位层的特征,而是将脸部作为一个图像整体,从图像中提取表现DCT变换特征、小波特征、Gabor特征等脸部特性的特征。

基于人脸图像的方法利用了更多的基础信息和统计资料模式识别方法的引入,因此这种方法具有非常低的识别率和非常好的鲁棒性。基于人脸图像的人脸识别算法具有很高的性能,因此,现在出现了国内的北京海鑫科金高新技术株式会社、海外的L1D等许多推广人脸识别技术的制造商。

特征

这是为了评价基于人脸图像的人脸识别算法的性能。美国的ARPA和ARL从1993年到1996年建立了FERET数据库,用于评价当时的面部识别算法的性能。测试FERET94、FERET95、FERET96共计举办了3次。

FERET测试的结果认为光、姿势、年龄的变化对面部识别的性能没有很大影响。FERET的测试结果也指出了基于人脸图像的方法的缺点。

脸是三维的非刚体,具备姿势、表情等的变化,在脸图像的收集中容易受到光、背景、收集设备的影响。这些影响不会降低面部识别的性能。为了解决姿势变化对脸部识别性能的影响,进一步提高脸部识别性能,也有研究者在20世纪90年代后期开始使用基于3D的脸部识别算法。

这些算法,本身有使用三维叙述脸部的算法,也有使用二维图像制作三维模型,使用三维模型分解各种各样的光和姿势下的制作图像,使用这些制作图像展开脸部识别的算法。2000年以后,面部识别算法进入成熟期,商用面部识别系统经常出现。为了评价这些商用系统的性能,作为FERET测试的沿袭,美国相关机构组织了FRVT2000、FRVT2002、FRVT2006测试。

测试结果表明,面部识别错误率在FRVT2006中最低上升了一位数,该性能的提高既反映在基于图像的面部识别算法中,也反映在基于三维的面部识别算法中。另外,在高效的环境下,虹膜、静态脸、三维脸识别技术的性能非常高。

另外,FRVT2006显示了不同照明条件下的脸部识别性能的显着提高,最后,FRVT2006指出脸部自动识别的性能比人高。值得一提的是,清华大学电子工程系作为国内唯一参与FRVT2006评价的学术机构,其面部自动识别性能高于人类。FRVT2006在面部识别之前的研究中说明了方向,面部识别中的光和年龄变化依然对面部识别性能有很大影响,二维面部识别的性能不比三维面部识别差。

指纹认证指纹认证技术是根据指纹中的特征点因人而异,从而根据人而区别身份的技术。指纹识别技术一般由三个部分组成:对指纹图像展开预处理。提取特征值,构成特征值模板的指纹特征量对照指纹图像的预处理目的是增加噪声抑制的影响,有效地提取指纹特征值。

图像

常见的预处理方法包括增强图像、平滑图像、二值化和细化图像。特征提取的目的是从预处理后的指纹图像中提取需要传达该指纹图像的不同特征点的过程。

最初的特征提取是基于图像的,从整个图像中提取出特征性的展开,但该方法的精度和性能很低。现在使用基于特征点的方法,从图像中提取反映指纹特性的全局特征(纹形、图案区域、核心区域、三角点、纹数等)和局部特征(落幕点、末端点、分支点、孤立无援点、环点等)。取得特征点后,可以构成对特征点展开编码的特征值模板。指纹特征量对照是将现在取得的指纹特征量和存储的指纹特征量模板展开到规定的范围内,求出类似度的过程。

虹膜识别虹膜是相对新的生物特征。1983年,Flom和Safir申请人进行了虹膜识别专利的维护,关于虹膜识别的研究很少。1993年,Daugman公开发表了关于虹膜自动识别算法的开创性工作,为世界上第一个商业虹膜自动识别系统奠定了基础。随着Flom和Safir专利2005年过热和CASIA和ICE2005中虹膜数据集的获取,虹膜识别算法的研究更加盛行。

ICE2006首次测试了虹膜识别算法的性能。虹膜识别必须解决的问题有提供虹膜图像和构建高性能的虹膜识别算法两个。生物特征识别产品的发展趋势生物特征识别产品从单一PC处分,变更为分散计算。

在独立国家的尖端独立国家设备上完成了生物特征的收集、预处理、特征提取和核对,在中心PC或服务器上完成了业务相关的处置。这种方式与以往方式相比说明了优点~由于前端使用了嵌入式机器,自然明确提出了拒绝数字信号处理器。


本文关键词:特征,日月城平台,面部识别,展开,性能,算法

本文来源:日月城平台-www.yaboyule172.icu