前语
与传统的身份鉴别办法比较，生物特征辨认技能愈加安全、保密。这是因为生物特征在某种程度上都具有比较显着的普遍性、唯一性、稳定性及可搜集性，一方面便于各类辨认体系搜集特征进行剖析，另一方面可以准确地标识出身份信息。常见的生物特征包含指纹、手形、人脸、虹膜、视网膜、声响、签名等。点评这些生物特征辨认技能的好坏首要考虑以下三个方面。一是功能，包含辨认率、辨认速度，以及在环境改变下的鲁棒性等。二是可承受性，即在平常作业日子里，该生物特征辨认技能被接收的程度。三是可诈骗性，即辨认技能被诈骗的难易程度。表1给出了一些常用的生物特征辨认技能的比照。
在安防范畴中，指纹和人脸辨认技能的运用最为广泛。在生物特征辨认技能市场中，这两种特征辨认技能占了一半以上的市场份额。本文在第二、三部分将别离介绍指纹和人脸辨认技能，在第四部分对生物特征辨认技能的远景进行个人的展望。
指纹辨认技能
指纹辨认是运用频率最高的生物特征辨认技能之一。早在唐宋期间，指纹现已用于文书契约和司法审判中。现代的指纹辨认技能阅历了多年的堆集，现已十分老练，广泛运用在司法、公安和门禁范畴。
所谓指纹，是指人体指尖外表的纹理。在指纹中，凸起的纹线为脊线，脊线与脊线之间的部分为谷线。依据脊线和谷线的结构，可以得到一些细节点。指纹辨认首要便是运用这些细节点特征完成的。
指纹辨认首要包含指纹增强、特征提取和指纹匹配三个进程。
1、指纹增强：在指纹搜集进程中，因为各种原因，搜集到的指纹图画不可避免的引入了一些噪声，假如直接用于指纹辨认，往往难以到达较好的作用。咱们可以经过必定的图画增强技能，改进指纹图画质量。这儿会用到的技能有图画切割、直方图均衡化、滤波增强、二值化、细化等。
2、特征提取：前面说到，细节点特征是最常用的指纹特征。细节点特征的提取，便是在指纹图画中找到脊线结尾和脊线分叉两个特征。经过了指纹增强的进程，假如指纹图画能较好地切割，细节点很简单提取。但实践上有一些噪声很难处理，这样在增强后就会产生一些虚伪特征。一般地，启发式算法可以删去虚伪特征。特征提取后，咱们得到了多组脊结尾或分叉类型、方位坐标及方向信息等。
3、指纹匹配：指纹匹配算法有许多种，包含点形式匹配、脊形式匹配、依据图画的匹配和依据图形的匹配等。细节点匹配可以看做是点形式匹配的问题。点形式匹配便是将提取的细节点集与数据库中的细节点集进行匹配，假如经过一些旋转、标准改换和平移改换，点集间是匹配的，那个两幅指纹图画便是匹配的。
指纹辨认与安防范畴的结合首要体现在考勤和门禁等运用。指纹考勤机是最常见的指纹辨认产品之一。常见的指纹考勤机厂商有中控科技、科密、安威士等。因为指纹辨认算法比较老练，事务运用和用户体会关于这类产品显得尤为重要。
未来的指纹辨认产品开展方向将会集在搜集技能和运用形式立异。现在搜集技能首要有4种类型：超声波扫描、光学成像、温差感应式辨认及半导体硅感技能。超声波技能运用皮肤与空气关于声波阻抗的差异，可区别脊线和谷线的方位，能到达很高的精度，但因本钱高，且无法进行活体指纹辨认，运用较少。光学成像运用光学传感器搜集指纹图画，运用方便，价格便宜，运用最广泛。但光学成像设备也无法进行活体辨认，这就产生了一些缝隙，如运用硅胶指模或断指等进行身份认证。温差感应式辨认技能是依据温感原理完成的，经过感应手指与芯片映像区域间的温度差产生电信号。但因为热传导效应，时刻一长，手指与芯片的温度就趋于共同了。半导体硅感技能即电容式技能，运用手指纹理与传感器之间的电容差，得到指纹图画。因为传感器宣布的电子信号可直达真皮层，能获取更多牢靠数据，进步辨认准确率。跟着传感器本钱的不断下降，信任依据半导体硅感技能的指纹辨认产品将运用的更为广泛。
人脸因为其易搜集的特性，遭到许多职业客户的重视，特别是公安、海关、商场等。人类每天都在进行人脸辨认，因而也最能承受这种身份认证办法。人脸辨认的研讨始于上世纪中期，阅历了数十年的尽力，现在现已可以运用在咱们的实践日子中，为咱们供给各种便当。
人脸辨认首要分为人脸检测(facedetection)、特征提取(featureextraction)和人脸辨认(facerecognition)三个进程。
人脸检测：人脸检测是指从输入图画中检测并提取人脸图画，一般选用haar特征和Adaboost算法练习级联分类器对图画中的每一块进行分类。假如某一矩形区域经过了级联分类器，则被判别为人脸图画。
特征提取：特征提取是指经过一些数字来表征人脸信息，这些数字便是咱们要提取的特征。常见的人脸特征分为两类，一类是几许特征，另一类是表征特征。几许特征是指眼睛、鼻子和嘴等面部特征之间的几许联系，如间隔、面积和视点等。因为算法运用了一些直观的特征，核算量小。不过，因为其所需的特征点不能准确挑选，约束了它的运用规模。别的，当光照改变、人脸有外物遮挡、面部表情改变时，特征改变较大。所以说，这类算法只适合于人脸图画的大略辨认，无法在实践中运用。
表征特征运用人脸图画的灰度信息，经过一些算法提取大局或部分特征。其间比较常用的特征提取算法是LBP算法。LBP办法首要将图画分红若干区域，在每个区域的像素3×3邻域顶用中心值作阈值化，将成果看成是二进制数。图3显现了一个LBP算子。LBP算子的特点是对单调灰度改变坚持不变。每个区域经过这样的运算得到一组直方图，然后将一切的直方图连起来组成一个大的直方图并进行直方图匹配核算进行分类。
人脸辨认：这儿说到的人脸辨认是狭义的人脸辨认，行将待辨认人脸所提取的特征与数据库中人脸的特征进行比照，依据相似度判别分类。而人脸辨认又可以分为两个大类：一类是承认，这是人脸图画与数据库中已存的该人图画比对的进程，答复你是不是你的问题；另一类是辨认，这是人脸图画与数据库中已存的一切图画匹配的进程，答复你是谁的问题。明显，人脸辨认要比人脸承认困难，因为辨认需求进行海量数据的匹配。常用的分类器有最近邻分类器、支撑向量机等。
与指纹运用办法相似，人脸辨认技能现在比较老练的也是考勤机。因为在考勤体系中，用户是自动合作的，可以在特定的环境下获取符合要求的人脸。这就为人脸辨认供给了杰出的输入源，往往可以得到满足的成果。但是在一些公共场所装置的视频监控探头，因为光线、视点问题，得到的人脸图画很难比对成功。这也是未来人脸辨认技能开展必需求处理的难题之一。
现在已有一些组织、高校在进行人脸辨认新范畴、新技能的研讨。如远间隔人脸辨认技能，3D人脸辨认技能等。远间隔人脸辨认体系面对两个首要困难。一是怎么从远间隔获取人脸图画。其次，在得到的数据并不抱负的状况下怎么辨认身份。从某种意义上来看，远间隔人脸辨认并不是一个特定的关键技能或基础研讨问题。它可看成是一个运用和体系规划问题。一般有两类处理办法用于获取人脸图片。一种是高清的固定式摄像机，另一种是运用PTZ控制体系多摄像机体系。后者更适合于一般状况，不过其结构更为杂乱，造价也更贵。后者需求考虑怎么和谐多台摄像机的同步操作。一般地，体系由低分辨率广角摄像机和高分辨率长焦摄像机组成。前者用于检测和追寻方针，后者用于人脸图画搜集和辨认。现在远间隔人脸辨认技能还处于实验室阶段，未来假如可以处理上述问题，对人员布控这样的运用有着重要意义。
3D人脸辨认可以很好地战胜2D人脸辨认遇到的姿势、光照、表情等问题。首要原因是2D图画无法很好地表明深度信息。一般，3D人脸辨认办法运用3D扫描技能获取3D人脸，然后树立3D人脸模型并用于辨认。不过，3D人脸辨认技能的缺陷也是很显着的。首要它需求额定的3D搜集设备或双目立体视觉技能，其次，建模进程需求的核算量较大。信任跟着未来芯片技能的开展，当核算才能不再遭到限制，搜集设备本钱大幅下降的时分，3D人脸辨认将会成为抢手技能之一。
结语
生物特征辨认技能不仅仅是上文说到的指纹辨认、人脸辨认技能，还包含许多其它如静脉辨认、掌纹辨认等技能。但指纹和人脸辨认是现在或许未来运用最广泛的技能。特别是人脸辨认技能，假如可以很好地运用到现在现已布置的摄像头，将可以很好地防备一些违法事情的产生。当然，个人隐私问题也需求进一步讨论。值得一提的是，多种生物特征交融的辨认技能也将是未来的抢手方向之一。
