干货：生物识别的十大关键技术解析

生物识别技术在近几年有了长足的进展，但要使生物识别从理论研究走向实际应用，众多的科研单位还需要突破和解决其中一系列的关键技术。从统计的意义上讲人类的指纹、掌形、虹膜等生理特征存在着唯一性。因而这些特征都可以作为鉴别用户身份的依据。

1、生物特征传感器技术

通过某种原理可以测量生物特征，并将其转化成计算机可以处理的数字信号，这就是生物特征传感器的主要任务，也是生物特征识别的第一步。大部分的生物特征都是通过光学传感器如CCD 或 CMOS 形成图像信号，例如人脸、指纹、虹膜、掌纹、手形、静脉等。

但是虹膜和静脉图像需要主动的红外光源才可以得到细节清晰的个性特征。由于外加主动光源能够克服可见光线变化对生物特征的影响，所以最近在人脸识别领域有研究人员设计了红外成像设备，来克服人脸模式随光照变化的类内差异，从而大幅度提高了人脸识别的精度。

为了提高生物识别系统的易用性、舒适性和用户的接受程度，同时又要保证生物特征信号的质量，此外还要小巧精致、成本低廉，生物特征传感器技术还有许多需要改进的地方。例如最近已经有通过非接触方式采集的3D指纹传感器技术。生物特征传感器的核心技术包括：

生物特征获取装置必须让用户和识别系统处于合适的距离和位置才可以捕获合格的生物特征信号。最理想的方案是让采集装置自动判别用户的位置，然后主动调节光学系统或者直接通过机械装置移动采集设备，这样就可以降低对用户的要求，采集方式更加智能化和人性化。

2、活体检测技术

为了防止恶意者伪造和窃取他人的生物特征用于身份认证，生物识别系统必须具有活体检测功能，即判别向系统提交的生物特征是否来自有生命的个体。一般生物特征的活体判别技术利用的是人们的生理特征，例如活体指纹检测可以基于手指的温度、排汗、导电性能等信息， 活体人脸检测可以基于头部的移动、呼吸、红眼效应等信息，活体虹膜检测可以基于虹膜振颤特性、睫毛和眼皮的运动信息、瞳孔对可见光源强度的收缩扩张反应特性等。

此外，基于生物特征图像的光谱学信息也是进行活体检测的有效途径。例如打印的图像会形成有规律的纸质纹理特征，可以用频谱特征进行检测。此外，还可以通过人机互动的形式检测生物特征的活体特性； 使用多模态生物特征识别系统也可以提高伪造的难度。

从现有的技术水平看，活体检测功能一直是生物识别系统的薄弱环节，已经有研究人员使用伪造的指纹和人脸攻破了现有的系统，引发了有些用户对生物识别技术的信任危机。所以活体检测技术将是生物识别系统进入高端安全应用的最大瓶颈。

3、生物特征信号质量评价技术

在自动身份识别系统中，生物特征一般是以连续的视频流或者音频流的形式进行获取。由于有效的生物特征采集范围总是有限的，再加上人的运动、姿态变化等因素，传输到计算机的生物特征信号大部分都是不合格的。而高质量的生物特征信号是进行特征表达和身份识别的基础，低质量的生物特征信号有可能引起错误接收或错误拒绝，降低系统的稳定性和鲁棒性（系统的健壮性），浪费大量的计算资源在无效的生物特征信号处理上。

生物特征信号的质量评价可看做一个两类模式识别问题——将采集到的生物特征分为合格和不合格两种情况。如果要对合格信号量化打分，还要将评价指标定量化。

生物特征信号的质量评价问题是一个比较困难的问题，因为造成特征信号质量差的原因千差万别，即负样本的种类太多，不胜枚举，很难设计一个分类器将所有的正负样本区分开。需要通过质量评价来过滤的低质量生物特征一般包括存在离焦模糊或运动模糊的图像，信噪比太低的信号，遮挡的图像等。一般可以从空域和频域两个角度出发去设计质量评价算法。

4、生物信号的定位与分割技术

从生物特征获取装置采集得到的原始信号一般不仅包括生物特征本身，还包括背景信息，例如原始的虹膜图像中包括虹膜、瞳孔、巩膜、眼皮和睫毛等多个区域，真正能有效鉴别人们身份的图像内容也就在虹膜区域。所以必须从原始信号中分割出感兴趣内容进行特征提取。定位和分割算法一般都是基于生物特征在图像结构和信号分布方面的先验知识。例如人脸检测就是要从图像中找到并定位人脸区域，一直是计算机视觉领域的研究热点。

5、生物特征信号增强技术

得到了分割后的特征区域后，有的生物特征识别方法需要在特征提取前对感兴趣区域进行增强，主要目的包括去噪和凸显特征内容。例如人脸和虹膜图像一般用直方图均衡化的方法增强图像信息的对比度； 指纹一般用频域的方法得到脊线分布的频率和方向特征后进行纹路增强； 对于比较模糊的生物特征信号，可以考虑使用超分辨率的方法或者逆向滤波的方法进行增强。

6、生物特征信号的校准技术

为了克服不同时刻采集的生物特征信号之间的平移、尺度和旋转变换，需要将参与比对的两个生物特征进行对齐。有的生物特征校准在特征提取之前完成，例如常用主动形状模型（Active Shape Model）和主动表观模型（Active Appearance Model）进行人脸对齐； 有的生物特征校准的过程就是特征匹配的过程。生物特征信号的校准结果对于识别精度的影响很大，所以也有学者认为生物特征识别最重要的问题是校准技术。

7、生物特征表达与抽取技术

对于生物特征识别，不管是外行还是内行，人们首先想到的问题就是： 机器是用什么特征进行身份识别的？什么是生物特征信号中凸现个性化差异的本质特征？这就是生物识别的基本的、原理性的问题。

对于这个问题在个别的生物特征识别领域得到了共识，例如指纹识别，大家都公认细节点（包括末梢点和分叉点）是描述指纹特征的最佳表达方式，所以国际上就有统一的基于细节点信息的指纹特征模板交换标准，给不同厂商的指纹识别系统的兼容性和数据交换带来了便利。

但是在其他生物识别领域，例如人脸、虹膜、掌纹等领域研究人员还在不断探索最佳的特征表达模型。虽然这些领域的特征表达方法的种类繁多，部分算法也已经取得了很好的识别性能，但是人脸识别、虹膜识别、掌纹识别的根本问题—— “什么是人脸、虹膜或掌纹图像的本质特征及其有效表达？”一直没有得到权威和普遍认同的回答。

这是因为每个人脸、虹膜和掌纹图像的特征表达方法都是基于某种信号处理方法或者某个计算机视觉或者某个模式识别的理论，“公说公有理，婆说婆有理”，大家对于这些图像的本质特征表达还没有进行深入的研究。

现在生物特征表达领域的流行趋势是把各种经典的或者新提出的图像分析方法依次去试，有点撞大运的感觉，产生这种现象的根源是大家没有基础理论的指导，不知道向哪个方向努力好。由于各种方法各自为“政”，造成生物特征模板的数据交换格式难以统一和标准化。例如人脸、虹膜和掌纹的数据交换标准只能基于图像，这是因为大家找不到一个统一的、权威的图像特征表达方法。

8、生物特征的匹配技术

特征匹配就是计算两个生物特征样本的特征向量之间的相似度。图匹配算法也在指纹细节点模式、人脸模式、虹膜斑块模式的相似性度量中得到成功应用。

9、生物特征数据库检索与分类技术

随着生物特征识别技术在人类日常生活中的普及，使用人数的增长必然导致生物特征数据库的不断扩大。这种规模的扩大不仅仅表现在数据存储量的扩大，还表现在从数据库中搜索某一条记录所耗费的时间的增加。例如在一对多的超大规模（如一个城市、一个国家、一个行业的人群）生物识别应用中，完成一次识别的时间的长度将会让人无法忍受。这是任何一项成熟的生物识别技术从小规模应用向大规模应用转化时不可避免的问题。

10、生物特征识别系统的性能评价

迄今为止，任何的生物特征识别系统或者方法都有出错的可能。对系统的识别精度给出客观、准确的评估其实是一个很复杂的问题，它受测试样本的数量、质量、评估指标等因素的影响，但是这对应用单位和司法部门却是一个很关注的焦点问题。

所以生物特征识别方法的性能测评已成为生物特征识别研究的一个重要方向。对于1∶1比对的身份验证系统，错误有两种情况： 一是把不同人的生物特征识别为同一类，称为错误接收； 另一种可能是把同一人的生物特征识别为不同类，称为错误拒绝。

为了使生物识别技术在安全性要求较高的场合得到应用，除了算法设计外，保护系统自身的安全性、提高对各种黑客攻击的抵抗能力也很重要。为了提高识别系统的安全程度，对生物特征数据、特征模板和应用程序采取加密、数字签名、加时间戳等方法将是一个可行的研究方向。