生物特征识别技术综述

通过对各种生物特征识别技术的基本原理和关键技术进行分析比较，探讨了生物特征识别技术的研究前景——多生物特征识别。生物特征识别技术作为一种身份识别手段具有独特的优势，是近年来国际上的研究热点，对信息安全等有重要意义。     

基于手掌几何学的多模态生物特征识别系统的设计

针对目前生物特征识别中存在的不足,充分利用生物特征的优势,通过对掌形图像的特征提取及图像预处理、特征提取与比对技术,开展多模态生物特征融合的识别机制研究,目的在于提出一种更为实用的、多级别安全设置的多模态生物特征融合识别机制,提出基于ARM11硬件的实施方案,设计一种适合不同应用场景的安全生物特征识别系统,满足目前身份认证系统的需要。     

虹膜识别技术研究

虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术。文章详细介绍了虹膜识别技术的国内外发展现状和常用算法,并介绍了现有虹膜识别技术中存在的主要问题。     

一种基于特征串比较的眉毛识别方法

为了对眉毛这种新颖的生物特征开展识别研究,提出了一种基于特征串比较的眉毛识别方法,其基本思想是采用离散傅里叶变换和K-均值算法进行特征串提取,并通过计算2个眉毛特征串之间的编辑距离来确定所识别的候选人.在22人的小规模眉毛图像数据库上所做的6组实验表明。该方法均达到了95.45%或100%的识别正确率,从而验证了眉毛识别用于个人身份鉴别的可能性和有效性.     

余弦相似度保持的掌纹识别算法

掌纹识别作为一种新兴的生物特征识别技术,具有识别率高、特征稳定等优点。传统的基于手工提取特征的掌纹识别算法使用先验知识提取掌纹主线和细节点,存在可扩展性低、提取图像特征困难、无法挖掘数据的隐藏信息等问题。为了解决这些问题,本文提出了一种基于学习的掌纹识别算法。首先提取掌纹图像的像素值差向量(Pixel Different Vector,PDV)特征。然后,通过余弦相似度保持模型,同时学习PDV特征的二进制表示及其映射函数,以减少PDV特征的信息冗余。最后,为了处理掌纹位置偏移和光照变化等噪音,将学习得到的二进制特征编码成直方图描述子。在3个广泛使用的掌纹数据库上的实验结果表明,所提出的算法能更好地挖掘掌纹图像的内在特征,有效地提高掌纹识别精度。     

基于能量图匹配的步态识别方法研究

步态识别是一种新兴的生物特征识别技术,它依赖于图像处理和模式识别技术.本文针对步态识别目的,运用基于能量图的方法识别步态目标.首先对静态背景下的序列图像进行背景建模,根据建模结果提取出各帧图像中的目标.二值分割之后,运用形态学滤波器处理目标,得到无噪声的完整目标,经平均化计算得到能量图.讨论了相似性计算方法,运用模板匹配法进行最终的目标识别.运用步态数据库中的图像进行实验,结果证明了方法的有效性.     

生物特征密码技术综述

生物特征密码技术,即融合生物特征识别技术与密码技术的新兴技术,主要体现为基于生物特征识别技术的密钥保护技术与密钥生成技术。生物特征密码技术不仅可以安全保护用户的生物特征信息免遭泄露的风险,更重要的是可以解决各种对象实体的数字身份认证与私密信息的加密保护问题。本文综述了自1996年第一个利用指纹特征的密钥生成方案及2012年经典模糊金库提出以来主要的密钥生成技术研究工作,剖析了这些方案的基本结构及性能优劣,并探讨了生物特征密码技术的未来研究思路。     

利用生物特征水印的交易协议及其实现

为解决水印密钥保密传递和唯一性等问题,将生物识别技术与数字水印相结合,从应用角度分析了现有的数字水印协议和模型,引入生物特征识别技术,给出了一种安全的数字水印协议;实现了一种基于指纹识别的生物特征水印实施方案,解决了一般情况下生物特征数据和数据量较大、难于将其表达成能适应水印嵌入和提取的关键问题。实验证明,该方案是可行和有效的。     

指纹取像技术

生物识别技术已经成为身份识别和网络安全的发展方向之一。指纹识别技术是生物识别技术中最具有代表性和应用前景的一种技术。指纹图像的取像技术是指纹识别中的关键技术之一。本文分析比较了不同种类的指纹取像技术及其性能,并介绍了指纹取像技术的应用情况。     

手形和掌纹决策层融合方法研究

手形识别和掌纹识别是两种不同的生物特征识别技术,根据二者的特点,将它们相结合研究手形和掌纹融合算法。分别介绍了基于几何特征的手形特征提取方法和基于模糊方向能量的掌纹特征提取方法,针对两种生物特征的特点,重点研究了二者在决策层融合的方法,构建基于并联融合和串联融合的双模态识别系统。通过对每种算法的实验测试,表明融合后的系统性能要优于单一的手形识别和掌纹识别方法的性能。     

生物识别中的运动目标视觉分析

在以IT技术和生物技术为主流科技的知识经济时代，身份的鉴定有了来自生物体自身的密匙，横跨这两大科技领域的生物特征识别技术正愈益显示出其旺盛的生命力和远大前景。其中对运动目标的视觉分析是生物识别的重要内容之一，它在虚拟现实、视觉监控、感知接口中均有广泛的应用。本文介绍视觉分析中图像序列的检测，分类，跟踪，识别，并回顾运动分析目前的发展水平和常用的处理方法。     

人脸识别特征抽取方法的研究进展

人脸识别属于生物识别的研究领域,是模式识别的一个重要研究方向,特征抽取是解决人脸识别的关键问题。通过对各种特征抽取技术和方法的分析比较,认为光照和姿态是影响人脸识别效果的两个主要因素,提出了人脸识别的解决思路和今后的研究趋势。     

基于二维Fisher线性判别的人脸耳组合识别

针对人脸易受到年龄、表情等影响,提出了脸和耳相结合的组合识别方法。利用二维Fisher线性判别(2DFLD)方法分别进行了脸、耳图像层和特征层的组合识别。在北京科技大学人耳库和ORL人脸库上进行实验,结果表明,图像层组合和特征层组合的识别率分别为97.5%、95.0%,分别比人脸识别提高了12.5%和10.0%,比人耳识别提高了5.0%和2.5%;与同样应用于组合识别的主成分分析(PCA)、二维PCA(2DPCA)比较,也取得了较好识别效果。这说明,多生物特征组合识别是一种有效的识别方法。     

一种基于步幅长度及频域特征的步态识别方法

步态识别作为一种较新的生物认证技术有其独特优势,它旨在根据人行进过程中的行走步态模式来识别其身份.提出一种基于步幅长度及频域特征的步态识别方法:首先采用背景减除算法实现运动人体检测,并根据步幅长度变化特征进行周期分割.然后提取步幅长度极值结合关键帧的频幅均值构成五维特征向量,最后用标准模式分类器在中科院自动化所提供的CASIA步态数据库中进行实验,在降低了算法复杂度的同时,获得了令人鼓舞的实验结果.     

融合局部特征与深度学习的三维掌纹识别

为了探索三维掌纹在生物特征识别领域的应用,基于局部纹理特征和深度学习,提出一种有效的三维掌纹识别方法. 通过曲率特征、形状指数、表面类型分别来描述三维掌纹的局部几何特征,将其作为深度神经网络的输入,完成三维掌纹识别任务. 在香港理工大学的三维掌纹数据库上对不同的几何特征、不同的深度神经网络模型进行全面分析与比较. 三维掌纹识别实验结果表明,与其他三维掌纹识别方法相比较,所提方法的识别率更高,识别时间更短,在实时掌纹识别领域具有较大的应用潜力.     

一种基于指纹人脸的多生物特征身份认证方法

本文分别介绍了一种基于指纹人脸识别的多生物特征身份认证方法,并针对传统的指纹人脸方法提出相应的改进算法。对指纹识别,本文提出采用局部归一化方法结合Gaussian滤波器来计算指纹方向,再对局部脊线补偿法（Loca lRidge Compensation）进行快速运算,能够更加快速准确地进行指纹识别。人脸识别通过定位人脸位置并且进一步提取人脸特征来进行匹配,使用LBP（Local binary patterns）算子对人脸样本进行局部特征提取,对LBP处理后的人脸图像使用主成分分析（PCA）进行降维,并采取了极限学习机（Extreme learning machine,ELM）分类器进行匹配,将指纹、人脸的识别结果在决策层进行融合,最后做出判断,从而得到准确稳定的身份认证系统。     

基于Radon变换的特征提取在步态识别中的应用

步态识别主要通过人体走路的姿势来识别人的身份．从经过背景减除后的人体运动图像序列中,根据面积变化确定运动周期,提取人体宽度信息,对下肢进行Radon变换,经处理后提取运动角度信息．对所得到的信息主分量分析变换后进行动态时间规整,采用最近邻分类器分类．该方法可以有效地降低人体运动时身体自遮挡及影子带来的影响．在小数据库上取得了很高的识别率．实验结果表明该方法有效．     

安全高效的三因素远程身份认证协议

为有效提高远程身份认证协议的安全性能,将椭圆曲线、挑战/应答机制、生物特征、智能卡和口令认证技术相结合,提出了一种安全高效的三因素身份认证协议。协议采用椭圆曲线的点乘运算,既提升了安全性又降低了运算复杂度。认证双方使用挑战/应答机制的3次握手来实现双向认证,协议的认证过程引入随机数,并完成会话密钥协商。协议的安全性能基于Hash函数的单向性、椭圆曲线的离散对数难题和生物特征的安全特性。通过对多种已知攻击的形式化推演,证明该协议能抵御各种常见攻击,具有较高的安全性能。经仿真实验证明,协议具有更高的运算效率。