《物联网-第七章》由会员分享,可在线阅读,更多相关《物联网-第七章(21页珍藏版)》请在金锄头文库上搜索。
1、第七章 生物识别技术,2021年12月7日星期二,物联网与生物识别技术联系 生物识别技术分类,主 要 内 容,第一节 物联网与生物识别技术联系,生物识别技术定义 生物识别技术是利用人的生理特征或行为特征,对其个人身份做出鉴定的技术 生物识别技术特点 唯一性,不时移性,不易仿造性等特点,因而安全性高 生物识别技术功能 利用生物识别技术可减少人们对于密码和口令的使用,直接使用人体某些生理特征如指纹,虹膜等进行身份验证 利用生物识别技术的唯一性和不变性可将其作为信息安全领域的认证系统平台,加强对重要身份或信息的认证 可为行政部门或其它机构平台提供精确、快捷地确认他人身份的技术手段 可提供精确,快速、
2、安全的人与设备的匹配,指纹识别技术 虹膜识别技术 基因识别技术 人脸识别技术 基于耳廓特征的生物识别新技术 手形识别 声音识别 视网膜识别 签名识别 多特征融合技术 多生物特征识别技术,第二节 生物识别技术的分类,指纹识别技术,指纹识别技术定义 指纹识别是以人的指纹作为识别依据进行身份识别的一种生物识别 技术 指纹识别技术特点 优点:较强的稳定性、可靠性。同时,指纹识别还具有数据文件较 小,识别速率快 缺点:一些特殊情况下有其局限性(疾病或意外导致的先天性缺乏) 指纹识别技术应用及实施方法 广泛用于智能楼宇系统,具体实施步骤包括: 利用指纹采集器获取用户的指纹 指纹图像的预处理 图像的特征提取
3、 图像的模式识别和匹配,虹膜识别技术,虹膜识别技术定义 虹膜识识别技术是以人眼的虹膜纹理特征作为识别依据进行身份识别的一种生物识别技术。 虹膜识别技术特点 精确度高、稳定性好、最难伪造、处理速度快 虹膜识别技术的现状及发展趋势 现状:起步晚、发展快,部分研究成果国际领先 发展趋势:市场潜力巨大,与其他生物识别技术相融合组成多模态的生物识别技术也将是未来的发展趋势,基因识别技术,基因识别技术定义 随着人类基因组计划的开展及相关知识的普及,人们对基因的结构和功能的认识不断深入,有研究者正研发将基因技术应用于生物识别领域 基因识别技术特点 优点:对个体具有很好的唯一性和不变性,具有其他识别方法无可比
4、拟的优势 缺点:大范围群体识别困难,难以应用于网络,可能会对人体造成伤害,人脸识别技术,人脸识别技术研究意义 人脸识别研究可以极大地促进多门相关学科的发展 人脸识别具有十分巨大的潜在应用前景 人脸识别的优势 人脸与被识别对象是不可分割性使得人脸识别技术具有快捷方便,不需记忆、不担心遗忘丢失及被人盗取等优点 人脸识别技术具有非接触、隐蔽及友好的特点;而且不需要特别的专用设备,只需用摄像头与机器交互,相比与其他生物识别技术来说更加易于实施。人脸是人最重要的生物特征之一,具有较多的特征信息,故可提取多重特征进行多重识别,具有稳定的优势,人脸识别技术,人脸识别过程: 人脸检测:在所获取的图像上检测有无
5、人脸,如果存在人脸则判别出人脸的位置和大小 人脸分类:当前人脸模式进行比较和判别区分它们的个体特征 人脸的特征及其提取 颜色特征,如:人的肤色、发色等 几何特征,如:人脸轮廓大致呈现为椭圆形状且结构具有一定的对称性,此外人脸各个器官的形状以及相对位置比较稳定等 统计特征,由于人脸的灰度分布稳定,所以可以利用统计的方法如:正交变换、直方图、模板的方法来分析人脸灰度分布的统计特征 特征域特征,即利用数学的方法,将图像进行空间变换,然后提取特征,如:利用离散DCT变换得到的频域特征、利用小波变换得到的多尺度特征等,人脸识别技术,人脸识别的方法: 辩识:用数据库的图像来寻找相关对象,例如模拟像的人脸识
6、别 认证:即对所获得的人脸图像进行辨别,与数据库的中的人脸图像进行判别并给出判定结果,例如电子护照的持证人的人证同一认证 监视识别:主要用于对特殊区域或对象进行监控,例如智能追逃、高危人员的监控 子空间分析方法: PCA(主成分分析) LFA(局部特征分析) LDA(线性判别分析),基于耳廓特征的生物识别新技术,基于耳廓的生物识别技术特点: 耳廓生理结构复杂,切具有独特性和唯一性 空间分辨率低,不易受表情、年龄影响产生形变 基于耳廓的生物识别技术分类 基于耳廓图像的方法 基于耳纹的方法 基于耳廓温谱图的方法 其他方法:主成分分析方法,利用Voronoi图的方法,基于神经网络的方法,手形识别,手
7、形识别定义: 手形识别是利用手的外部轮廓所构成的几何图形进行身份识别的方 法,高级的产品还可以识别三维图象 手形识别特点 手形在一定时期具有稳定性 手形的摆放需要使用者配合,在使用过程中由于使用者必须与设备接触 手形识别可以结合掌纹特征进行识别,将手掌纹理的特征引入,可以取得更高的识别率和提高可靠性 也可以将指纹的特征引入该识别系统,构成多信息融合的生物特征识别系统,声音识别,声音识别: 声音识别也是一种行为识别技术,识别设备不断地测量、记录声音的波形和变化,将现场采集到的声音与登记过的声音模板进行精确的匹配。声音识别系统又称作声纹特征识别系统。 声纹是一项根据语音波形中反映说话人生理、心理和
8、行为特征的语音参数。 声音识别特点: 优点: 使用方便、距离范围大、安装简单,只需要一个话筒接收信号即可 缺点: 准确度低、应用范围有限,声音识别容易受到背景噪声、身体状况和情绪等的影响,另外不同人的录音也可能欺骗识别系统,声音识别,声音识别关键问题: 模式匹配-有以下几大类方法: 模板匹配方法 最近邻方法 神经网络方法 隐马尔可夫模型方法 聚类方法 多项式分类器方法,声音识别,声音识别待解决的问题: 有限的训练及测试样本问题,即在声音不易获取的应用场合,能否用很短的语音进行模型训练,而且可用很短的时间进行识别 声音模仿( 或放录音)问题,即怎样有效地区分开模仿声音 (录音)和真正的声音 在有
9、多个说话人说话情况下,怎样有效地提取目标说话人的声纹特征 怎样消除或减弱声音变化( 不同语言、内容、方式、身体状 况、时间、年龄、情绪等)带来的影响 环境及声道鲁棒性问题,即怎样消除声道差异和背景噪音带来的影响,视网膜识别,视网膜: 视网膜是一些位于眼球后部十分细小的神经(一英寸的150),它是人眼感受光线并将信息通过视神经传给大脑的重要器官,它同胶片的功能有些类似,用于生物识别的血管分布在神经视网膜周围,即视网膜四层细胞的最远处。 视网膜识别特点: 优点: 较好的稳定性、唯一性,认假率低,不可伪造 缺点: 使用不方便,拒真率较高(10%),签名识别,签名识别技术: 通过计算机把手写签名的图像
10、、笔顺、速度和压力等信息与真实签名样本进行比对,以实时鉴别手写签名签名识别笔迹比对图真伪 笔迹特征: 笔迹特征是个人书写习惯特性表现在笔迹中的各种征象,包括: 笔迹的概貌特征 笔迹布局特征 写法特征 搭配特征 比例特征 运笔特征 笔顺特征 笔痕特征。,签名识别,签字比对方法: 根据书写的物理特征进行比对,通过扫描仪、摄像机等设备将字迹输入到计算机里,然后进行分析与鉴定。 可靠性存在一定问题,有可能让假冒者混入,此种识别技术基本被淘汰 通过比对签字时的压力曲线变化来进行识别,也被称为签名力学辨识(Dynamic Signature Verification,DSV),分析的是笔的移动,例如加速度
11、、压力、方向以及笔划的长度,而非签名图像本身。 签名力学的关键在于区分出不同的签名部分,由于假冒者很难做到能与真正签字者一样以完全相同的力量再显签名,因此这种比对方法可靠性比前一种方法高得多。,多特征融合技术,多特征融合技术定义: 所谓多特征融合技术,是指如何协同利用同一事物或目标的多个特征信息,获得对同一事物或目标更客观、更本质认识的综合信息处理技术,该方法兼具有各个方法的优点,使得生物识别技术更加完善。 多特征融合实现方式: 并行融合:对各种识别特征赋予不同的权值,所得到的特征为序列组 串行融合:赋予权值方法与并行融合一致,只是在形成的特征序列为各特征序列的加权之和,最后得到的特征为一个序
12、列 多特征融合技术特点: 利用多特征融合技术进行身份识别能够达到更高的正确识别率,弥补了单个生物特征识别时的不足。占用数据空间大,算法复杂度增加,识别速率不如单一特征方法。,多生物特征识别技术,多生物特征识别技术定义: 多生物特征识别技术就是采用多生理或行为特征融合技术进行人的身份识别的技术,该技术通过多生物特征融合的方法,能有效提高生物特征识别系统的准确率。 多生物特征识别融合技术的三个层次: 数据层融合 特征层融合 决策级融合,本章小结,生物特征识别技术通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合,利用人体固有的生理特性(如指纹、面像、红膜等)和行为特征(笔迹、声音、步态等)来进行个人身份的鉴定。 一方面,国内的技术在不断进步和完善,已经达到了国际领先水平。另一方面,指纹识别技术的应用需求也在不断增多。遗憾的是,很少有人把很多想到的应用 推广开来。国内不缺乏典型的应用,但是成功的、规模化的应用还非常少,远没有发达国家那样广泛应用。 生物特征识别技术的市场前景还是很乐观的,我国人口众多,经济发展迅速,只要突破瓶颈,迎来规模化应用,生物特征识别技术本身的发展和在物联网中的应用效果还将大大提升,为我们的生活带来更多便利。,