生物识别技术应用.pptVIP

尽管面像识别技术不如指纹识别应用那么普及，但市场上也已出现了众多基于面像识别技术的产品，如面像识别门禁 系统、面像识别考勤系统、公安布控对象监控系统、面像识别网上追逃系统、机场安检系统、面像识别出入境边检系统、照片比对系统、网络安全认证系统、金融防 伪系统、收容遣送管理信息系统等。 两个环节 面像识别系统包括两个技术环节：面像检测和面像识别。面像检测主要实现面像的检测和定位，即从输入图像中找到面像及面像的位置，并将人脸从背景中分割出来；面像识别则是对面像进行特征提取、模式匹配与识别。 输入图像或视频 人脸检测与分割 特征提取 人脸识别 输出识别结果 人脸检测与分割：从任意的场景中检测人脸的存在并进行定位，提取出一个人脸。 输入图像或视频 人脸检测与分割 特征提取 人脸识别 输出识别结果 特征提取是指根据已知数据库中的人脸的表征方法，从人脸图像中提取出该人脸图像的表征值。人脸的表征方法很多，通常的方法有几何特征、代数特征、特征脸、固定特征模板等。 现有的面像检测方法分为三类： 基于规则的面像检测：总结了特定条件下可用于检测面像的知识（例如肤色、轮廓等），并把这些知识归纳成指导面像检测的规则; 基于模板匹配的面像检测：首先构造具有代表性的面像模板，通过相关匹配或者其他的相似性度量检测面像; 基于统计学习的面像检测：主要利用了面部特征点结构灰度分布的共同性，是当前面像检测研究领域中的主要 内容。 面像识别由面像样本训练和待识别面像的识别两个过程组成。 在训练阶段，提取面像特征形成面像特征库。 在识别阶段，用训练好的分类器对待识别面像的特征和特征库中的特征进行匹配，输出识别结果。 早期的面像识别算法主要基于几何特征或模板匹配。对于不同人来说，面部特征点（眼睛、眉毛、鼻子和嘴）和脸部轮廓 的形状各不相同。基于几何特征的方法通过计算面部特征点形状、分布的几何参数区分不同人脸。基于模板匹配的面像识别通常采用Poggio和 Brunelli所提出的基于局部特征模板匹配的方法，它们提取局部特征的模板，进行局部模板匹配并进行识别。 四种方法 目前面像识别的几个主流方向：特征脸方法、Fisher脸方法、弹性图匹配法以及局部特征分析法。 特征脸方法 特征脸方法作为一种比较成功的人脸识别技术，它掀起了人脸识别研究的第二次高潮。特征脸方法就是通过对训练的面像样本子空间进行主成份分析得到特征脸，所提取的特征就是面像在特征脸上的投影向量。 Fisher脸方法 Fisher脸方法的基本思想是使不同人的面像在所生成的面像空间中可分性最佳，从而比特征脸方法更适用于面像识别。 弹性图匹配方法 该方法用图来描述面像，图的顶点表示面部的局部特征点（例如眼睛、鼻尖等），边表示局部特征点之间的拓扑连接关系。面像识别时主要衡量它们所对应的图之间的相似度。 局部特征分析法 我们在日常生活中识别面像时，会仔细观察属于最显著的局部区域，如大眼睛、鹰勾鼻等。局部特征分析就是基于全局的特征脸模型提出的一种局部特征的拓扑表示。 其他生物识别的过程与上述指纹识别系统的过程基本是一致的，区别在于: ?? 采集设备不同。每种生物识别技术所需的采集设备是不同的，如视网膜识别就需要红外线扫描仪、面部识别需要高精度的摄像机、声音识别需要高分辨率的麦克风等等。因此，采集设备的精度、分辨率及可靠性等各种性能指标都是直接影响识别效果的重要因素。 ?? 提取的特征点不同，每种生物识别技术都会根据识别不同的识别对象而确定不同的特征类型，如静脉识别和视网膜识别都是提取不同部位的血管分布等特征，声音识别提取的不同频率等。所以特征类型的选取也是决定该生物识别系统识别效率高低的一个方面。 在计算机处理方面，各种生物识别系统的算法都不同，就是指纹识别中，采用不同的扫描方式所采用的算法也不同。另一方面，对于大型的生物识别系统，都牵涉到 数据库技术和网络技术，成千上万的采集样本存储不可能在同一个服务中，甚至同一个地方，怎样快速的在异地网络上检索、比对、匹配所采集的样本特征是一个重 要的技术关键。 生物识别的现状 生物识别发展到现在，已经成为一个庞大的家族了。它在公安、国防、金融、保险、医疗卫生、计算机管理等领域均发挥了重要作用。出现了专业研制生产生物识别产品的公司，所开发的产品种类丰富，除传统的公安自动指纹识别系统（AFIS）及门禁系统外，还出现了指纹键盘、指纹鼠标、指纹手机、虹膜自动取款机、面部识别的支票兑付系统等。 指纹识别系统 虹膜识别系统 手形识别系统 面部识别系统 声音识别系统 复合生物识别系统 生物识别的发展前景 社会生活的各个领域都需要身份认证，随着全球信息产业的迅猛发展，生物识别技术在技术发展和市场需求上日趋成熟。其产业化发展的步伐将进一步加快。 1999年