基于指纹与声纹融合的身份验证研究.pdfVIP

基于指纹和声纹融合的身份验证研究‘ 王蕴红1刘红毅2谭铁牛1 中国科学院自动化研究所模式识别国家重点实验室北京 100080 2西北大学数学系西安710069 摘要：本文研究了基于指纹和声纹融合的身份验证方法，首先分析了指纹和声纹身份鉴别系 提出加权方法，分别对指纹和声纹识别系统进行加权，加权后利用Bayes理论与 Neyman—Pearson准则融合。实验结果证明所提出方法提高了身份验证的准确性。 关键词：生物特征识别：数据融合：身份鉴别 1引言 随着网络化进程的加快。信息安全乃至社会安全成为急待解决的问题。身份鉴别作为数 字安全的重要组成部分，得到了越来越多的关注，以生物特征识别为主要手段的身份鉴别技 术正在得到广泛而深入的研究和应用。 生物特征识别是利用人体固有的生理特征和行为特征，具有稳定性、防伪性和唯一性。 经过数十年的研究和艰苦的努力，生物特征识别在不同领域获得了不同程度的成功。在脸像、 用时，在唯一性已被证实的情况下，阻碍这些理论获得实际应用的两个主要因素是准确性和 适用性。我们知道．每种生物特征都存在它的使用范围，比如，有些指纹很难提取出特征， 声纹在人的健康状况发生变化时会改变，人脸识别会遇到化装、表情变化、姿态变化等问题 而影响识别准确率。除了这些问题，每种生物特征所能达到的身份鉴别准确率是有限的。通 过多生物特征融合的方法，可使我们在提高准确率和扩大应用范围两方面提高生物特征身份 鉴别系统的性能，使之更接近实用。另一方面，与此有关的融合方法的研究也对丰富基于融 合的身份验证的理论基础具有重要意义。 本文主要研究基于指纹和声纹融合的身份验证，之所以选择这两种生物特征进行融合是 因为目前基于指纹和声纹的身份鉴别都是生物特征识别中成本较低、性能和价格比较好的身 份验证手段。这两种生物特征获取相对较容易，可以把相应的传感器集成在计算机或PDA 等手持设备上，具有广泛的应用前景。 1995年提出了利用超基函数网络融合声纹和视觉特征，取得了较好的识别效果[7]。该方法 实现的难点在于需要准确构建正负样本集，选择若干映射参数，在小样本情况下有很多困难。 Due等提出利用监督学习并结合Bayes理论的方法融合声纹与脸像的身份验证结果，在M2VTS 的37个人的每个人的4个样本上进行实验，其中取每个人的3个样本作为训练集，第4个 样本作为测试集。达到了99．5％的正确率[8]。Verlinde等提出了利用参数和非参数分类器 方法融合声纹和脸像身份验证结果，并比较了多种方法【9]。Jain等人于1998年提出将指 纹与人脸识别的结果融合[10]，于2000年提出确定每个用户的特定参数的方法将指纹、脸 像和手形的识别结果融合[11]。总之，利用融合的方法可提高身份鉴别系统的整体性能[12]。 ’国家杰出青年科学基金(项目编．国家863计划(项目螭号2001从114180)资助 本文研究了基于指纹和声纹融合的身份验证方法，首先分析了指纹和声纹身份鉴别系统 输出概率模氆，在研究基于Bayes理论与Neyman—Pearson准则融合身份验证方法基础上， 准则进行融合。分析并评价了这两种融合方法在身份验证方面的适用范围和优缺点。实验结 果证明所提出方法提高了身份验证的准确性。与现有多生物特征融合识别方法相比，本方法 的优点在于不需要构造负样本集、不需要大量样本学习、融合后的识别率高。 2基于指纹和声纹的身份验证系统 2．1多生物特征融合身份验证系统 身份认证系统所要解决的问题可以归结为：在～特定的样本集里，一个人卢称他属于其 中的某一个身份，系统通过比较匹配值与事先给定的门限来作出决策：接受还是拒绝。(凰： 是这个人， 乩：不是这个人。)决策存在着四种可能的结果：具有真正身份人(cilent) 铍接受，假冒者(impostor)被拒绝、cl ient被拒绝、impostor被接受。其中前两者是正确 决策，后两者是错误决策，错误决策中分别用FAR来表示错误接受率，FRR来表示错误拒绝 率． 我们也可将这一问题看作二分类问题：即对于声称的身份拒绝或接受。不同的验证系统 (卢纹与指纹)将对身份鉴别的结果以匹配值(Score)的形式输出(以下用s表示， 5∈[0，I】)。融合系统对接受到的匹配值，依据一定的融合规则加以结合，给出～个二类决 策：接受或拒绝