单片机与DSP中的浅谈生物特征识别技术发展和数字信号处理器的挑战
86 浏览量
2020-10-22
09:47:28
上传
评论
收藏 112KB PDF 举报
单片机与单片机与DSP中的浅谈生物特征识别技术发展和数字信号处理中的浅谈生物特征识别技术发展和数字信号处理
器的挑战器的挑战
引言 生物特征识别技术是利用人的生理特征或行为特征，来进行个人身份的鉴定。常用的生理特征有脸
像、指纹、虹膜等；常用的行为特征有步态、签名等。声纹兼具生理和行为的特点，介于两者之间。通过取像
设备读取指纹图像，然后用计算机识别软件分析指纹的全局特征和指纹的局部特征，特征点如嵴、谷、终点、
分叉点和分歧点等，从指纹中抽取特征值，可以非常可靠地通过指纹来确认一个人的身份。与传统的身份鉴定
手段相比，基于生物特征识别的身份鉴定技术具有如下优点：（1）不会遗忘或丢失；（2）防伪性能好，不易
伪造或被盗；（3）“随身携带”，随时随地可用。正是由于生物特征身份识别认证具有上述优点，基于生物特征
的身份识别认证技
引言 引言
生物特征识别技术是利用人的生理特征或行为特征，来进行个人身份的鉴定。常用的生理特征有脸像、指纹、虹膜等；常
用的行为特征有步态、签名等。声纹兼具生理和行为的特点，介于两者之间。通过取像设备读取指纹图像，然后用计算机识别
软件分析指纹的全局特征和指纹的局部特征，特征点如嵴、谷、终点、分叉点和分歧点等，从指纹中抽取特征值，可以非常可
靠地通过指纹来确认一个人的身份。与传统的身份鉴定手段相比，基于生物特征识别的身份鉴定技术具有如下优点：（1）不
会遗忘或丢失；（2）防伪性能好，不易伪造或被盗；（3）“随身携带”，随时随地可用。正是由于生物特征身份识别认证具有
上述优点，基于生物特征的身份识别认证技术受到了各国的极大重视。
生物特征识别技术及其发展趋势 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所用的生物特征有基于生理特征的如人脸、指纹、虹膜，也有基于行为特征的如笔迹、声
音等。
人脸识别 人脸识别
人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，
它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。广义的人脸识别实际包括构建人脸
识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别
特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、
视网膜、声音（语音）、体形人脸识别、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、
指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有
前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。
人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流 . 首先判断其是否存在人脸 , 如果存在人脸，则进一步
的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并
将其与已知的人脸进行对比，从而识别每个人脸的身份。
最早的人脸识别系统建成于20世纪60年代，该系统以人脸特征点的间距、比率等参数作为特征，构建了一个半自动的人
脸识别系统。此时的人脸识别研究多集中于研究如何提取特征点进行人脸识别，由于这些特征点难以准确定位、鲁棒性差，因
而采用这些方法的人脸识别系统的性能都很低。
自20世纪80年代开始，人脸识别技术出现了基于面部图像的方法。与基于特征点的方法相比，基于面部图像的方法不是
提取人脸特征器官这一高层特征，而是将人脸作为一个图像整体，从图像中提取反映人脸特性的特征如DCT变换特征、小波
特征、Gabor特征等等。基于面部图像的方法由于利用了更多的底层信息，以及统计模式识别方法的引入，使得这类方法具有
非常高的识别率和非常好的鲁棒性。
为了评测基于面部图像的人脸识别算法的性能。美国ARPA和ARL于1993年至1996年建立了FERET数据库，用于评测当
时的人脸识别算法的性能。FERET测试的结果指出，光照、姿态和年龄变化会严重影响人脸识别的性能。
FERET的测试结果也表明了基于面部图像的方法的缺点。人脸是一个三维非刚体，具有姿态、表情等变化，人脸图像采
集过程中易受到光照、背景、采集设备的影响。
为了克服姿态变化对人脸识别性能的影响，也为了进一步提高人脸识别性能，20世纪90年代后期，一些研究者开始采用
基于3D的人脸识别算法。这些算法有的本身就采用三维描述人脸，有的则用二维图像建立三维模型，并利用三维模型生成各
种光照、姿态下的合成图像，利用这些合成图像进行人脸识别。
2000年后，人脸识别算法逐渐成熟，出现了商用的人脸识别系统。为了评测这些商用系统的性能，也作为FERET测试的
延续，美国有关机构组织了FRVT2000、FRVT2002、FRVT2006测试。测试结果表明，人脸识别错误率在FRVT2006上下降
了至少一个数量级，这种性能的提升在基于图像的人脸识别算法和基于三维的人脸识别算法上都得到体现。此外，FRVT2006
还展现了不同光照条件下人脸识别性能的显着提高，最后，FRVT2006表明人脸自动识别的性能优于人。
FRVT2006为人脸识别后续的研究指明了方向，人脸识别中光照、年龄变化依然对人脸识别性能有很大影响，二维人脸识
别的性能不比三维人脸识别差。
指纹识别 指纹识别
评论0
最新资源