生物認證技術(shù)本篇內(nèi)容提要第1章生物認證概述第2章生物認證原理第3章指紋識別技術(shù)第4章其他生物認證技術(shù)第1章概述1.1問題引入1.2問題的展開1.3各種生物認證技術(shù)及比較1.4常用的生物認證技術(shù)1.5生物認證技術(shù)的應(yīng)用1.1.1Whatyouknowpassword,PIN缺點：易破解字典攻擊暴力攻擊易丟失1.1.2WhatyouhaveSmartcard,Usb-key優(yōu)點自帶芯片，內(nèi)存基于密碼學(xué)算法，不易破解缺點易丟失太多了1.1.3Yourself生物認證（BiometricAuthentication）優(yōu)點不易遺忘或丟失防偽性能好，不易偽造或被盜“隨身攜帶”，隨時隨地可以使用1.2問題的展開

生物認證的定義：基于個人獨特的生理或行為特征進行自動身份認證的技術(shù)—

InternationalAssociationforbiometrics生理特征(whatyouare?)與生俱來，如DNA、臉像、虹膜、指紋等行為特征(whatyoudo?)后天習(xí)慣使然，如筆跡、步態(tài)等（4）高安全性：生物認證技術(shù)能夠提供更高的安全級別，“真正”做到了判別用戶本人的身份，而傳統(tǒng)的自動身份鑒別系統(tǒng)不能區(qū)分合法用戶和持有合法用戶的磁卡或者口令的非法入侵者。生物認證技術(shù)使用人的生理或行為特征來判別身份，這些特征是人本身所固有的、獨特且不容易改變的，不可以借給其他人使用的。（5）生物認證技術(shù)能夠提供主動監(jiān)控技術(shù)。例如，把人臉識別系統(tǒng)的攝像機安裝在某些重要場合，可以在人們不知道且不必主動配合的情況下發(fā)現(xiàn)非法入侵者。常用生物特征人臉臉部熱量圖指紋手形手部血管分布虹膜視網(wǎng)膜簽名語音1.3各種生物認證技術(shù)及比較生物特征普遍性獨特性穩(wěn)定性可采集性指紋MHHM臉形手形虹膜視網(wǎng)膜簽名聲音臉形HLMH評價：自然，直觀，無侵害，最具潛力的生物認證技術(shù)1.3各種生物認證技術(shù)及比較生物特征普遍性獨特性穩(wěn)定性可采集性指紋MHHM臉形HLMH手形虹膜視網(wǎng)膜簽名聲音手形MMMH評價：易實現(xiàn)，成本低，識別速度最快的生物認證技術(shù)1.3各種生物認證技術(shù)及比較生物特征普遍性獨特性穩(wěn)定性可采集性指紋MHHM臉形HLMH手形MMMH虹膜視網(wǎng)膜簽名聲音評價：高獨特，高穩(wěn)定的生物認證技術(shù)虹膜HHHM1.3各種生物認證技術(shù)及比較生物特征普遍性獨特性穩(wěn)定性可采集性指紋MHHM臉形HLMH手形MMMH虹膜HHHM視網(wǎng)膜簽名聲音評價：受保護，防欺騙性好；采集困難視網(wǎng)膜HHML1.3各種生物認證技術(shù)及比較生物特征普遍性獨特性穩(wěn)定性可采集性指紋MHHM臉形HLMH手形MMMH虹膜HHHM視網(wǎng)膜HHML簽名聲音評價：易于接受，常用于信用卡、文件生效等場合簽名LLLH1.4常用的生物認證技術(shù)(1)指紋指紋認證是目前國內(nèi)最為成熟的生物認證技術(shù)。在古代就被用來代替簽字畫押，證明身份。由于指紋認證具有方便、可靠、非侵害和價格便宜的的特點，已經(jīng)在許多行業(yè)領(lǐng)域中得到了廣泛的應(yīng)用，如公司或單位的考勤指紋機，銀行、證券等金融系統(tǒng)的門禁系統(tǒng)，筆記本電腦的指紋識別器，以及犯罪現(xiàn)場的指紋識別等。指紋是指人的手指末端正面皮膚上凸凹不平產(chǎn)生的紋線。紋線有規(guī)律的排列形成不同的紋型。紋線的起點、終點、結(jié)合點和分叉點，稱為指紋的細節(jié)特征點（minutiae）。指紋認證就是通過比較不同指紋的細節(jié)特征點來進行鑒別。由于每個人的指紋不同，就是同一人的十指之間，指紋也有明顯區(qū)別，而且終身不變，因此指紋可用于身份認證。（2）人臉人臉識別指利用分析比較人臉視覺特征信息進行身份認證的計算機技術(shù)。目前常用于數(shù)碼相機人臉自動對焦和笑臉快門技術(shù)、公安刑偵破案、門禁系統(tǒng)、攝像監(jiān)視系統(tǒng)等領(lǐng)域。由于人臉識別是利用可見光獲取人臉圖像信息，不容易引起人的注意而不容易被欺騙，而且在實際應(yīng)用場景下可以進行多個人臉的分揀、判斷及識別。但是人臉容易受到表情、觀察角度、光照條件（例如白天和夜晚，室內(nèi)和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭發(fā)、胡須等）、年齡等多方面因素的影響，從而影響識別的準確度。（3）手形手形指的是手的外部輪廓所構(gòu)成的幾何圖形。在手形識別技術(shù)中，手形的幾何信息包括手指不同部位的寬度、手掌寬度和厚度、手指的長度等。經(jīng)過生物學(xué)家大量實驗證明，人的手形在一段時期具有穩(wěn)定性，且兩個不同人手形是不同的，即手形作為人的生物特征具有唯一性。而且手形也具有穩(wěn)定性，且比較容易采集，故可以利用手形對人的身份進行認證。手形識別是速度最快的一種生物識別技術(shù)，它對設(shè)備的要求較低，圖像處理簡單，且可接受程度較高。由于手形特征不像指紋那樣具有高度的唯一性。因此，手形特征只用于滿足中／低級安全要求的認證。（4）掌紋掌紋是指手腕與手指之間的手掌表面上的各種紋線。掌紋與指紋一樣，具有高度的唯一性。掌紋識別就是根據(jù)掌紋的特征信息來進行身份認證。掌紋識別具有采樣簡單、圖像信息豐富、用戶接受程度高、不易偽造、受噪聲干擾小等特點受到國內(nèi)外研究人員的廣泛關(guān)注。但是由于掌紋識別技術(shù)起步較晚，目前尚處于學(xué)習(xí)和借鑒其他生物特征識別技術(shù)的階段。（6）虹膜眼睛的虹膜是由相當(dāng)復(fù)雜的纖維組織構(gòu)成，內(nèi)側(cè)與瞳孔相鄰，外側(cè)與眼白相鄰。虹膜與手指紋一樣，是獨一無二的，同一個人左右眼的虹膜紋理都不會相互認同。而且虹膜在人的一生中都極其穩(wěn)定，不容易更改。虹膜識別技術(shù)是將虹膜的可視特征轉(zhuǎn)換成一個512個字節(jié)的虹膜代碼，這個代碼模板被存儲下來以便后期識別所用目前，虹膜識別被認為是最佳的生物認證技術(shù)，具有識別準確性高、識別速度快、防偽性強的特點。目前，虹膜識別技術(shù)在國外已廣泛應(yīng)用于航空、金融以及政府的反恐領(lǐng)域。但國內(nèi)成熟的產(chǎn)品還很少，僅限于科學(xué)研究。（7）鑒名簽名識別，也被稱為簽名力學(xué)辯識，源于每個人都有自己獨特的書寫風(fēng)格，常分為靜態(tài)識別（離線）和動態(tài)識別（在線）兩種。靜態(tài)識別是通過掃描儀獲取簽名的圖像，分析簽字的靜態(tài)特征，如高度、寬度、交叉、分叉等；動態(tài)識別分析的是筆的移動，例如加速度、壓力、方向以及筆劃的長度，而非簽名的圖像本身。簽名識別和聲音識別一樣，是一種行為測定學(xué)。簽名作為身份認證的手段已經(jīng)用了幾百年了，應(yīng)用范圍隨處可見，是一種能很容易被大眾接受而且是一種公認的較為成熟的身份識別技術(shù)。然而，簽名識別的錯誤接受率很高，幾乎不可能用它進行身份鑒定，一般只用于身份核實。（8）視網(wǎng)膜視網(wǎng)膜是眼睛底部的血液細胞層。通過視網(wǎng)膜掃描可以捕捉到視網(wǎng)膜的唯一模式。由于視網(wǎng)膜是隱藏在眼睛底部，很難受到磨損，老化等影響，是一種極其固定的生物特征；而且視網(wǎng)膜是不可見的，不會被偽造。因此，視網(wǎng)膜可用于用于身份認證，有人甚至認為視網(wǎng)膜是比虹膜更唯一的生物特征。但是視網(wǎng)膜技術(shù)可能會給使用者帶來健康的損壞，而且設(shè)備投入較為昂貴，識別過程的要求也高。(10)DNADNA，又稱脫氧核糖核酸，是遺傳信息的載體。生物學(xué)家研究表明，人體內(nèi)的DNA在整個人類范圍內(nèi)具有唯一性和永久性。因此，DNA識別主要根據(jù)人體細胞中DNA分子的結(jié)構(gòu)因人而異的特點進行身份認證，具有絕對的權(quán)威性和準確性。但是DNA必須通過復(fù)雜的儀器才能完成提取和識別，而且具有一定的侵害性，接受性。（11）味紋人的身體會散發(fā)出氣味，每個人散發(fā)出的氣味都是不同的。當(dāng)一個人在一個地點停留，他散發(fā)的氣味分子就留在其周圍，離去后不會馬上消失。丹麥警方把這稱之為"味紋"，并開創(chuàng)了利用"味紋"偵破刑事案件的方法：偵破人員將在犯罪現(xiàn)場采集到的空氣進行過濾、濃縮，然后將這帶有罪犯"味紋"的空氣轉(zhuǎn)移到一塊清潔無味的布上密封保存，供警犬或電子鼻嗅聞對證。審訊時先讓警犬或電子鼻嗅聞帶有"味紋"的布，然后逐個嗅聞犯罪嫌疑人。當(dāng)警犬或電子鼻聞到相同的氣味時，就會吠叫或發(fā)出警報。精確度與成本VoiceAccuracycostFaceFingerprintRetinaIrisSignatureHand1.5生物認證技術(shù)的應(yīng)用高端領(lǐng)域：國防，司法，機要機關(guān)，電子政務(wù)，電子商務(wù)低端領(lǐng)域：門禁，考勤，考試，會議等歐盟各國采用的生物識別護照，是利用人面部細節(jié)來認證身份；導(dǎo)彈基地、軍火庫房等要地的門禁或通道控制，核能設(shè)施等重要軍事裝備的啟動控制紐約警方采用虹膜認證以防止罪犯隱瞞身份；美全面使用指紋、臉、瞳孔虹膜等生物識別科技來監(jiān)控離境旅客；巴西總統(tǒng)選舉就采用了指紋識別投票器；印度采用的新型ATM提款機只需指紋輸入，不需要輸入密碼；國際語音生物識別巨頭PerSay公司推出一項通過語音就可以重置電子銀行密碼的服務(wù)；北京部分公證機構(gòu)也采用了人臉識別技術(shù)來防騙。中國人民銀行規(guī)定所有的金庫安防監(jiān)控系統(tǒng)都要有人臉識別功能指紋門禁管理系統(tǒng)日立ATM-手指靜脈第2章生物認證原理2.1生物認證的起源和發(fā)展2.2生物認證系統(tǒng)的原理2.3用戶培訓(xùn)2.1生物認證的起源和發(fā)展生物認證的歷史可以追溯到14世紀，葡萄牙歷史學(xué)家若奧·德·巴洛斯記錄了第一例有關(guān)指紋作為生物認證來使用的情況，當(dāng)時中國的商人采用墨水拓取指紋的方式鑒定兒童的身份。在公元前7000年到6000年以前，在古敘利亞和中國發(fā)現(xiàn)：一些粘土陶器上留有陶藝匠人的指紋，中國的一些文件上印有起草者的大拇指指紋，在Jercho古城市的房屋中也發(fā)現(xiàn)留有磚匠一對大拇指指紋的印記。19世紀初，英國科學(xué)家威廉?詹姆士?赫歇爾（WilliamJamesHerschel）和亨利?福爾茨（HenryFaulds）通過對大量指紋的收集和研究發(fā)現(xiàn)指紋的兩個重要特征，一是兩個不同手指的指紋不同，另外一個是指紋的式樣終生不改變。并把研究成果于1880年發(fā)表于《自然》上，提出可以利用犯罪現(xiàn)場的指紋來識別罪犯。但遭到政府的拒絕。

在十九世紀九十年代，巴黎警官阿方斯?貝迪永（AlphonseBertillion）提出一種新的認證方法：人體測量學(xué)。其基本原則是：每個人的骨骼結(jié)構(gòu)和尺寸都不一樣，并且從20歲起，人的骨骼幾乎保持不變。據(jù)此，貝迪永建議測量身高、坐高、臂長、頭長、頭寬、耳長、耳寬、左中指和左小指的長度、左腳長度等數(shù)十項指標(biāo)，來區(qū)分個體。這種方法被稱作“貝氏法”，并一直被警方采用。但由于后來在采用“貝氏法”的幾宗案件中發(fā)生了錯誤的鑒定，“貝氏法”便迅速地被人們否定。

后來，英國的弗朗西斯?高爾頓爵士（SirFrancisGalton）應(yīng)用強大的統(tǒng)計學(xué)知識，計算出兩個人有相同指紋的概率是六百四十億分之一。此外，他還對指紋進行了分類，為指紋分析建立了數(shù)學(xué)模型，并在1892年出版的《指紋》一書。而他的好友RichardEdwardHenry（理查德·愛德華·享利）警官在高爾頓的研究基礎(chǔ)上，開發(fā)了一個指紋分類系統(tǒng)，即后來大名鼎鼎的高爾頓-亨利指紋分類系統(tǒng)。1901年，該系統(tǒng)被引入倫敦警察廳，并很快在其他國家推廣開來。阿根廷警官胡安?武塞蒂赫同樣受高爾頓啟發(fā)，將指紋技術(shù)和貝迪永人體測量學(xué)系統(tǒng)結(jié)合起來用于識別和刑偵。1892年，他創(chuàng)辦了世界上第一個指紋局，同年利用指紋技術(shù)首次成功地破獲了一起案例：一個名為弗朗西斯卡?羅哈斯（FranciscaRojas）的女人殘忍地將她的兩個兒子割喉殺害，同時造成自己受傷的假象，并誣陷給自己的鄰居。不過警方最終在現(xiàn)場找到了她的指印，揭示了真相。從20世紀60年代開始，計算機可以有效地處理圖形，人們開始著手研究利用計算機來處理指紋。特別是20世紀80年代，微電腦、光學(xué)掃描等技術(shù)的革新，使得指紋識別技術(shù)得到了突破性的發(fā)展，許多高效可靠的自動指紋識別系統(tǒng)（AutomatedFingerprintIdentificationSystem，簡稱AFIS）相繼問世。同時生物識別技術(shù)也得到了延伸和擴展，發(fā)現(xiàn)了臉像、虹膜、語音、氣味、掌型、靜脈等生物識別特征，并開發(fā)出許多可實際應(yīng)用的生物識別系統(tǒng)。在我國，指紋、掌紋、臉型、DNA、語音、腳印、行走步態(tài)的認證技術(shù)都得到了應(yīng)用，并在偵查破案領(lǐng)域中發(fā)揮著重要的作用。但其他生物特征的認證在我國尚屬空白，在國外卻已經(jīng)開始重視，并取得一定的成就。2.2生物認證的基本工作原理FromAuthentication?2002.Usedbypermission1注冊模塊功能：完成用戶生物特征數(shù)據(jù)的捕獲、提取和存儲。注冊：通過傳感器裝置捕捉到原始的生物特征數(shù)據(jù)噪音數(shù)據(jù)的處理:數(shù)字信號處理技術(shù)，來去除數(shù)據(jù)中無關(guān)噪聲或者增強其中的重要特征;常采用的方法主要有：去噪、分塊、增強、幾何變換等特征提?。禾崛√卣鼽c，編碼，創(chuàng)建特征模板質(zhì)量分數(shù):反映特征提取的成功程度，與注冊有關(guān)注冊失敗率FTE注冊的方式:在注冊的時候附加一些數(shù)據(jù)（如口令）來惟一確定一個注冊個體；對注冊辦公室和辦公人員嚴格要求以防止人為欺騙；采用多方法的注冊方式減少注冊失敗率。

存儲：系統(tǒng)模板數(shù)據(jù)庫存儲方式：集中、分散注冊失敗率FTE（Failuretoenrollrate)注冊時產(chǎn)生的所有樣本中被拒絕的比例衡量系統(tǒng)的注冊性能臉部、手部、語音的注冊失敗率最低，而指紋最高。注冊失敗率臉部手部語音指紋(硅片采集)指紋(光學(xué)采集)2%(高)虹膜0%(低)來自于TonyMansfield等的《生物測試產(chǎn)品的檢測：最終報告》中的試驗結(jié)果，2001年3月21日。有關(guān)英國政府生物測試工作（包括試驗）的信息均可參閱2匹配模塊功能：用一定的匹配算法把認證目標(biāo)的生物特征模板和數(shù)據(jù)庫中的模板進行比對。兩種情況：驗證(Verification)鑒別(Identification)驗證驗證就是證明一個人的身份即回答“我是某人嗎？”的問題。匹配模塊只需要將認證目標(biāo)的生物特征模板與數(shù)據(jù)庫中認證目標(biāo)的模板進行比對，也就是1：1比對系統(tǒng)數(shù)據(jù)庫………兩者是否匹配（1：1）特征提取特征提取YesNo注冊驗證(Verification)AmIwhoIclaimtobe?驗證（續(xù)）鑒別前提是不知道認證目標(biāo)的身份鑒別是鑒定一個人的身份即回答“我是誰？”的問題。需要與數(shù)據(jù)庫中所有的模板進行比對（1：n比對），從而獲得該認證目標(biāo)的身份系統(tǒng)數(shù)據(jù)庫………兩者是否匹配（1：n）特征提取特征提取YesNo注冊DoyouknowwhoIam?鑒別(Identification)…………鑒別（續(xù)）匹配原則:足夠有效原因：系統(tǒng)在用戶每次出示生物特征時采集到的特征數(shù)據(jù)是不同的；系統(tǒng)使用的是用戶的生物特征的典型數(shù)據(jù)，并非生物特征的完整記錄模糊匹配：“足夠有效”匹配分數(shù)：0%－100%，用來表示模板之間的相似程度3判定模塊功能：最終對是否匹配做出“是”或“否”的結(jié)論方法：給質(zhì)量分數(shù)和匹配分數(shù)各設(shè)置一個閾值當(dāng)兩個分數(shù)都大于閾值時，就認為匹配成功。如果達到了質(zhì)量閾值而沒有達到匹配閾值，則認為匹配失?。蝗绻|(zhì)量閾值沒有達到，那么就認為數(shù)據(jù)的質(zhì)量太差，系統(tǒng)可以拒絕匹配，并要求重新輸入新數(shù)據(jù)。4生物認證系統(tǒng)的衡量指標(biāo)注冊失敗率FTE錯誤接受率FAR錯誤拒絕率FRR交叉錯判率CER錯誤接受率FAR（FalseAcceptRates）

指系統(tǒng)接收冒名頂替者的概率FAR越小，安全性越高一般是10萬分之1到百萬分之1為可接受范圍錯誤拒絕率FRR（FalseRejectRates）

指系統(tǒng)拒絕授權(quán)個人的概率。FRR越大，安全性越高問題：FRR越大，越容易被誤判拒絕FAR和FRR的說明FAR與FRR是相互制約的關(guān)系如果FRR減小，F(xiàn)AR就會增大；如果FAR減小，F(xiàn)RR就會增大。對安全性能要求較高的應(yīng)用場合，生物認證系統(tǒng)需要較小的FAR，因為授權(quán)用戶被拒絕造成的損失要小于非授權(quán)用戶被接收造成的損失。交叉錯判率CER(CrossoverErrorRates)FAR與FRR兩條曲線相交點的錯誤率稱為系統(tǒng)的交叉錯判率表征了生物認證系統(tǒng)總體誤判率的大小，反映了系統(tǒng)的準確度。對于生物認證系統(tǒng)來說，最好的情況就是CER和FAR越小越好。5模板數(shù)據(jù)庫的管理模板的安全性模板數(shù)據(jù)庫安全：令牌、私鑰模板傳輸過程中的安全：安全的網(wǎng)絡(luò)通道或安全的傳輸方式模板撤銷問題模板無法撤銷：為什么？解決方法：在生物特征模板中摻入可以被撤銷更換的其他因素注意：生物認證系統(tǒng)的安全薄弱環(huán)節(jié)存在于模板的傳輸過程中，以及設(shè)備和網(wǎng)絡(luò)數(shù)據(jù)庫傳輸?shù)钠ヅ湫畔⒅蠺heBiometricDilemma（PPT）2.3用戶培訓(xùn)目前有很多種不同的生物特征，每個生物認證系統(tǒng)使用其中的一種。用戶的培訓(xùn)對于改善注冊過程和匹配率是很重要的。培訓(xùn)包括指導(dǎo)用戶如何將特征正確地呈現(xiàn)給輸入設(shè)備。例如，一些指紋掃描設(shè)備使用光學(xué)技術(shù)，要求掃描鏡頭保持清潔，用戶需要經(jīng)常清潔鏡頭和手指，才能讓系統(tǒng)接受輸入培訓(xùn)的最終目的是要減少注冊失敗率，提高真實匹配的成功率。這樣有助于降低費用，并讓用戶更加滿意。第3章指紋識別3.1指紋的性質(zhì)和指紋識別發(fā)展歷史3.2圖象學(xué)基礎(chǔ)3.3指紋識別系統(tǒng)的原理指紋識別即指通過比較不同指紋的細節(jié)特征點來進行鑒別。3.1指紋的性質(zhì)和指紋識別發(fā)展歷史指紋的性質(zhì)指紋是指手指末端正面皮膚上凸凹不平的紋路，由于有這些凸凹紋路的存在，增加了皮膚表面的摩擦力，使得我們能夠用手方便的抓起重物。紋路中隆起部分是手指真皮向表皮乳突形成的皺痕，又稱指紋脊線；紋脊線之間的凹陷部分，稱為指紋的谷線。指紋特征：脊端點：一條脊線在此開始或終結(jié)。分叉點：一條紋路在此分開成為兩條或更多的紋路。交叉點：兩條紋線在此交叉，然后再各自分開。核：是指紋紋路的漸進中心，是最內(nèi)部彎曲紋線處的最高點或最低點，通常一個指紋只有1個核。短紋：相對比點長的脊線，占有兩個分叉脊的中間部分。三角形區(qū)域：位于從核心點開始的第一個分叉點或者斷點、或者兩條紋路會聚處、孤立點、折轉(zhuǎn)處，或者指向這些奇異點?？祝阂粭l紋線分開成為兩條之后，立即有合并成為一條，中間的部分即為孔。指紋具有兩大特性：（1）人人不同、指指相異（2）終身不變?nèi)祟悓W(xué)家奧克爾（Welker）在1856年提出的。他對自己34歲和75歲時的指紋進行了對比，發(fā)現(xiàn)指紋的紋形類型和細節(jié)點特征沒有變化。它具有一定的復(fù)原性和難以毀滅性。（3）此外，指紋的第三個特征是觸物留痕。這個特性在人工采集指紋時期，使用油墨采集指紋的年代非常有用。在目前電子化自動采集時代，又成為需要克服的問題之一，尤其對于光學(xué)采集方法，按壓指紋后會留下指紋殘影，影響指紋成像。指紋識別發(fā)展歷史我國古代早就利用指紋（手?。﹣砗炑骸?684年，植物形態(tài)學(xué)家Grew發(fā)表了第一篇研究指紋的科學(xué)論文。1809年Bewick把自己的指紋作為商標(biāo)。1823年解剖學(xué)家Purkije將指紋分為九類。1880年，F(xiàn)aulds在《自然》雜志提倡將指紋用于識別罪犯。1891年Galton用統(tǒng)計學(xué)和概率論的理論，整理出指紋的形態(tài)規(guī)律，提出著名的高爾頓分類系統(tǒng)，于1892年高爾頓出版了經(jīng)典力作《指紋學(xué)》。此書標(biāo)志著非經(jīng)驗意義上的、有著科學(xué)意義的現(xiàn)代指紋學(xué)的誕生。。1893年，亨利創(chuàng)造出指紋檔案分類登記法，他把指紋分為５個種類：橈側(cè)環(huán)（反箕）、尺側(cè)環(huán)（正箕）、螺型、平拱和凸拱并開始在印度使用。1901年英國政府采用了亨利指紋分類法，1903年德國、1904年美國、1914年法國也都相繼使用了亨利指紋法。其它國家如瑞士、挪威、俄羅斯、意大利、埃及等國也在后來陸續(xù)采用了亨利的指紋分類法。從此亨利指紋分類法在世界上廣泛使用，包括我國在內(nèi)。隨著計算機和信息技術(shù)的發(fā)展，F(xiàn)BI和法國巴黎警察局于六十年代開始研究開發(fā)指紋自動識別系統(tǒng)（AFIS）用于刑事案件偵破。目前，世界各地的警察局已經(jīng)廣泛采用了指紋自動識別系統(tǒng)。九十年代，用于個人身份鑒定的自動指紋識別系統(tǒng)得到開發(fā)和應(yīng)用光學(xué)圖像、照片以及人的眼睛看到的一切景物，都是模擬圖像，這類圖像無法直接用計算機處理。為了使圖像能在電子計算機中作處理運算，必須將模擬圖像轉(zhuǎn)化為離散數(shù)字所表示的圖像，即所謂的數(shù)字圖像。3.2圖像學(xué)基礎(chǔ)數(shù)字圖像常用二維矩陣A[m,n]表示1m,n說明圖像的寬和高

2矩陣元素a(ij)的值表示圖像在第i行第j列的像素的灰度值像素（pixel）基本單位,每一個像素有一個灰度值灰度值（graylevel）：色彩的明亮程度對于8位的灰度圖像,其灰度值范圍為0～255,白色為255，黑色為0

彩色圖像(用三字節(jié)表示紅（R）、藍（B）綠（G）)，彩色圖象的灰度其實在轉(zhuǎn)化為黑白圖像后的像素值,一般按加權(quán)的方法轉(zhuǎn)換。三種二值圖像（黑白圖像）灰度圖像彩色圖像1.二值圖像（黑白圖像）

是指圖像的每個像素只能是黑或者白，沒有中間的過渡，故又稱為２值圖像。2值圖像的像素值為0、1。2．灰度圖像

灰度圖像是指每個像素的信息由一個量化的灰度級來描述的圖像，沒有彩色信息。表示灰度圖像的亮度層次范圍，描述整副圖像亮度層次，級數(shù)越多圖像的亮度范圍越大層次越豐富.

灰度圖像描述示例

3．彩色圖像

彩色圖像是指每個像素的信息由RGB三原色構(gòu)成的圖像，其中RBG是由不同的灰度級來描述的。圖像數(shù)字化將模擬圖像轉(zhuǎn)化為數(shù)字圖像的過程稱為圖像數(shù)字化過程：采樣、量化等步驟圖像的采樣:圖像在空間的離散化，是將在空間上連續(xù)的圖像轉(zhuǎn)換成離散的采樣點（即像素）集的操作。由于圖像是二維分布的信息，所以采樣是在x軸和y軸兩個方向上進行。模擬圖象若在x方向采M個點，y方向采N個點，就可得到M*N個點的數(shù)字化圖象的形式。采樣是圖象進入計算機的第一個處理過程。圖像的采樣數(shù)字圖像特征－灰度直方圖（histogram）

對圖象中所有像素的灰度分布按灰度值的大小顯示出現(xiàn)頻率的直方圖橫坐標(biāo)是灰度級，縱坐標(biāo)是該灰度級出現(xiàn)的頻率，是圖象的最基本的統(tǒng)計特征

頻率0123456701234567灰度值注意：①不表示圖像的空間信息；②任一特定圖像都有唯一直方圖，但反之并不成立；灰度直方圖的線形變換使對比度較小的圖像的灰度直方圖作一個變換，將其從一個較狹窄的灰度區(qū)間中擴展到整個灰度定義域中，使得對比度增強

Lmin:最小灰度值

Lmax：最大灰度值Li(Lmin≤Li≤Lmax)Li’=255*(Li-Lmin)/(Lmax-Lmin)

對比度

對比度:是指一幅圖象中灰度反差的大小對比度=最大亮度/最小亮度圖象二值化圖像的二值化處理就是講圖像上的點的灰度置為0(白)或255（黑），也就是講整個圖像呈現(xiàn)出明顯的黑白效果。即將256個亮度等級的灰度圖像通過適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像方法：在灰度區(qū)間[Lmin,Lmax]中定一個閾值LT，圖象中灰度值大于或等于LT的像素被判定為屬于特定物體，其灰度值為255表示；小于LT的像素，被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。注意：合理選取LT（閾值）：最大值法，平均值法，加權(quán)平均值法對具有二值傾向的圖象（背景色和前景色截然不同的圖），易解決。對不具有二值傾向的圖，要增強圖象的輪廓特征LT取谷底值為LT即可Laplacian算法Fourier變換Laplacian算法一個二維圖像函數(shù)的拉普拉斯變換是各向同性的二階導(dǎo)數(shù)，定義為：

為了更適合于數(shù)字圖像處理，將該方程表示為離散形式：模板的形式從模板形式容易看出，如果在圖像中一個較暗的區(qū)域中出現(xiàn)了一個亮點，那么用拉普拉斯運算就會使這個亮點變得更亮。因為圖像中的邊緣就是那些灰度發(fā)生跳變的區(qū)域，所以拉普拉斯增強圖象的輪廓特征圖象的除噪音處理噪聲：妨礙人們感覺器官對所接收的信源信息理解的因素去除圖象噪聲的方法均值濾波器（平滑線性濾波器）中值濾波器小波去噪自適應(yīng)維納濾波器均值濾波器用濾波掩模確定的鄰域內(nèi)像素的平均灰度值去代替圖像每個像素點的值去除圖像中的不相干細節(jié)濾波掩模：兩種（1）盒濾波器：所有系數(shù)（權(quán)重）都相等的空間均值濾波器R是由掩模定義的3×3鄰域像素灰度的平均值在濾波處理之后，整個圖像被9除降低了對比度（2）加權(quán)平均處于掩模中心位置的像素比其他任何像素的權(quán)值都要大（4）與中心直接相鄰的四個像素，（2）對角項像素（1）把中心點加強為最高，而隨著距中心點距離的增加減小系數(shù)值

保留了對比度中值濾波器將圖像濾波器包圍的圖像區(qū)域中像素的排序，用中值代替該像素的值對一幅圖像上的某個點做中值濾波處理，必須先將掩模內(nèi)欲求的像素及其鄰域的像素值排序，確定出中值，并將中值賦予該像素點例如，在一個3×3的鄰域內(nèi)有一系列像素值(10，20，20，20，15，20，20，25，100)，對這些值排序后為(10，15，20，20，20，20，20，25，100)，那么其中值就是20

3.3指紋識別系統(tǒng)的原理

3.3.1指紋采集指紋采集的過程本質(zhì)上是指紋成像的過程。其原理是根據(jù)脊線和谷線的幾何特性、物理特征和生物特性的不同，以得到不同的反饋信號，根據(jù)反饋信號的量值來繪成指紋圖像。指紋采集的方法有兩種：一種是由指紋采集器件主動向手指發(fā)出探測信號，然后分析反饋信號，以形成指紋脊線和谷線的圖案。如光學(xué)采集和射頻（RF）采集屬于主動式采集。另一種是指紋采集器件是被動感應(yīng)的方式。當(dāng)手指放置到指紋采集設(shè)備上時，因為指紋嵴和峪的物理特性或生物特性的不同，會形成不同的感應(yīng)信號，然后分析感應(yīng)信號的量值來形成指紋圖案。如熱敏采集、半導(dǎo)體電容采集和半導(dǎo)體壓感采集屬于第二種。理想情況下，如果在采集過程中外界噪聲足夠小，得到的指紋圖像則是干凈的、真實的?，F(xiàn)實情況是，由于手指本身的影響、污漬的影響、設(shè)備采集面的不干凈、用力方法不當(dāng)?shù)榷喾N因素影響，采集到的圖像經(jīng)常是一幅含噪音較多的灰度圖象，這時就需要對其進行預(yù)處理。3.3.2指紋識別系統(tǒng)中的預(yù)處理技術(shù)指紋灰度圖濾波去噪二值化二值化圖象去噪細化 細化后去噪點線指紋圖韓偉紅,黃子中,王志英.指紋自動識別系統(tǒng)中的預(yù)處理技術(shù).計算機研究與發(fā)展.1997.1、灰度濾波去噪目的是去除指紋圖中的叉連、斷連及模糊不清的部分。傳統(tǒng)的灰度圖濾波方法:均值濾波、中值濾波、直方圖均衡化濾波、N×N最頻值濾波、十字型中值濾波等方法,通過實踐證明這些方法對指紋圖的處理都不是很理想，主要原因是這些方法僅僅簡單的把指紋圖當(dāng)作灰度圖來處理,而忽視了指紋圖的一個重要特性:指紋圖中紋線的方向性采用方向圖濾波來克服傳統(tǒng)灰度圖濾波算法的這一缺陷,叉連即兩條相近的脊線由于噪音而連在一起；中斷裂即指紋線上的小段口方向圖是指紋源圖象的一種變換表示方法,用紋線的方向來表示該紋線.一般有兩種：點方向圖,表示源指紋圖象中每一象素點脊線的方向。求法：灰度變化最小的方向;塊方向圖,表示源指紋圖象中某區(qū)域所有元素的平均方向，能夠表示出指紋某一塊脊線的大致方向。求法：把點方向圖分成16×16大小的塊,對每一塊計算方向直方圖,方向直方圖中的峰值方向即該塊的方向方向圖濾波器（上下文濾波器）一系列上下文相關(guān)的濾波器.使用時根據(jù)某一塊區(qū)域的某種特征,即所謂的上下文,從一系列濾波器中選擇一個相應(yīng)的濾波器來對這一塊進行濾波.對指紋圖中的某一塊區(qū)域來說,因為斷裂與叉連都與邊的方向有關(guān),所以它的上下文就是這一塊區(qū)域中邊的方向,即塊方向圖中這一塊的方向.2、二值化指紋圖像二值化的目標(biāo)是將圖像背景和前景圖案分割開，提取有關(guān)圖像的圖案信息和框架，它是指紋自動識別中的一個關(guān)鍵步驟，直接影響特征提取的準確性。把灰度指紋圖象變成0—1取值的二值圖象.對一幅圖象進行二值化,首先必須選取閾值,把高于閾值灰度的象素點轉(zhuǎn)換為1,低于閾值的象素點轉(zhuǎn)換為0問題不同圖象的灰度基值不同,以及同一幅圖象中各部分的明暗不同閾值怎么確定？平滑閾值自適應(yīng)算法：根據(jù)指紋圖象中每一部分的明暗度來調(diào)整閾值,每一塊根據(jù)自己的閾值進行二值化.3、二值濾波去噪由于灰度去噪的不完全性及二值化時又可能引入噪音,所以對二值化后的指紋圖象還需進行一次二值濾波去噪操作,目的是去除或減弱圖象中的噪音,增強圖象中有意義的部分方法：快速傅氏變換濾波4、細化細化的目的是為了以后的特征提取更方便,細化后指紋圖象中的每條紋線都是用單象素來表示的“點線”.線跟蹤算法：設(shè)置16個跟蹤方向,每次在9個方向上跟蹤紋線上的點,直到遇到背景點或者跟蹤步數(shù)超過所給閾值為止.然后以所跟蹤的最長步數(shù)為半徑作一圓,則紋線至少會被該圓切下一段圓弧,取與跟蹤方向最貼近的弧的中點為終點,在終點與該段跟蹤的起點之間連一條線段,則該直線段就作為該段紋線細化后的結(jié)果.重復(fù)執(zhí)行,直到該紋線結(jié)束3.3.3特征提取基于方向圖的特征提取和分類將256×256像元的圖像分割成16×16的小方塊，規(guī)定4個方向。方向圖由每個小方塊的主方向構(gòu)成，構(gòu)建指紋模式數(shù)字陣（其元素為0，1，2，3），從中提取指紋的特征向量。

（見論文“陸穎.指紋自動識別原理與方法綜述.工程數(shù)學(xué)學(xué)報.2004）基于奇異點的特征提取通常情況下，一枚指紋有一個核點，1-3個三角點，對每個奇異點賦予一個距離權(quán)重，將所有的奇異點以4元數(shù)組（特征向量）的形式(x,dx,y,dy)表示出來，再利用k-means算法進行聚類。指核點和三角點K-MEANS算法是輸入聚類個數(shù)k，以及包含n個數(shù)據(jù)對象的數(shù)據(jù)庫，輸出滿足方差最小標(biāo)準的k個聚類基于結(jié)構(gòu)的特征提取和匹配算法這一方法主要依據(jù)指紋的細節(jié)特征。如：點、端點、分叉、刺、交叉、橋和短紋線。這一算法的主要特點是：在每個特征點的附近確定一個鄰域，通過鄰域內(nèi)各類特征點的數(shù)目確定特征向量。特征向量由鄰域中心點的類型和八種特征點出現(xiàn)的數(shù)目(Type,Num(T1),···,Num(T8))構(gòu)成的。其優(yōu)點是具有旋轉(zhuǎn)不變性和魯棒性，并能支持更有效的搜索策略。在原理和計算上，此方法簡單明了，但對細化算法的穩(wěn)定性和準確性要求較高。細化部分的效果直接影響識別與分類的性能?；谇€解析的特征提取與分類此方法由MichaelM.S.Chong等四人在1992年基于指紋圖像的數(shù)據(jù)壓縮問題提出的。壓縮原理是：對一段多項式曲線，它只需存儲系數(shù)和定義區(qū)間的端點，而指紋曲線的存儲相比之下就相當(dāng)于無窮多的量級。Michael的設(shè)想是將指紋圖像用若干個這樣的B-樣條曲線表示出來，在數(shù)據(jù)壓縮的同時提取特征。優(yōu)點：形狀多樣、豐富、表達緊湊、可析且局部穩(wěn)定缺點：搜索時間長，對殘缺和噪聲圖像適應(yīng)性差。另外，它不是旋轉(zhuǎn)不變的圖匹配方法D.K.Isenor和S.G.Zaky1985年提出了圖匹配的指紋識別方法：將一個指紋圖像用圖的形式表達出來。其中，以紋線對應(yīng)圖的節(jié)點，以紋線間的鄰近關(guān)系和交叉確定節(jié)點之間的線。用這種方式表達的指紋保持指紋的拓撲結(jié)構(gòu)關(guān)系，具有與度量無關(guān)、旋轉(zhuǎn)不變、仿射不變和對噪聲不敏感等優(yōu)良特性。Fourier變換和楔環(huán)分類Coetzee和E.C.Botha將Fourier變換用于指紋的分類研究，將空域圖像放在頻域中去研究。這一工作的重要之處在于提供了指紋處理的兩種空間轉(zhuǎn)換形式。對指紋而言，頻域是一個較適合的特征空間。這是由于：正常的紋線有一個較為恒定的頻率，而一些明顯的特征如特殊的紋線方向和細節(jié)，則體現(xiàn)出對主頻的較大偏離，這種偏離的主頻成份對指紋而言是唯一的。這一方法的大部分計算都集中于Fourier變換上，計算量是相當(dāng)大的。3.3.4匹配粗匹配：模版圖像與待識別圖像是否屬于同一類“細”匹配：對兩個指紋的細節(jié)特征進行匹配Manual：手工的SVM：支持向量機HMM：隱馬爾可夫模型CNN：細胞神經(jīng)網(wǎng)絡(luò)分類:確定指紋屬于5種中的哪一種類型常用的匹配算法基于細節(jié)點特征的指紋匹配算法基于紋理特征的指紋匹配算法基于圖像匹配的方法基于結(jié)構(gòu)的指紋匹配Paperreading:“ApproximateFingerprintMatchingUsingKd-tree”人臉識別技術(shù)語音識別虹膜識別鑒名識別靜脈識別DNA識別步態(tài)識別第四章其他生物識別技術(shù)人臉識別技術(shù)指利用分析比較人臉視覺特征信息進行身份鑒別的計算機技術(shù)人臉識別系統(tǒng)包括：圖像攝取人臉定位:首先判斷其是否存在人臉,如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。圖像預(yù)處理人臉識別（身份確認或者身份查找）常