信息与通信网络安全技术——生物识别技术

随着社会公共安全和个人的自身信息安全要求的提高,生物识别技术成为安全验证的首选方式,它是一种利用人体生物特征对人进行身份识别的高科技技术。简要地介绍了生物识别技术出现的背景、生物识别技术的概念、生物识别的基本过程和生物识别技术的发展动态,以及发展前景。对当前比较流行的几种生物识别技术指纹识别、虹膜识别、视网膜识别、人脸识别、签名识别和声音识别等,从原理及其特点上予以了论述和比较。     

基于耳廓参数与面部特征相结合的人耳识别

针对外耳轮廓特征与人脸五官的比例关系,提出一种基于耳廓几何参数与面部结构特征相结合的生物鉴别方法。该方法将外耳轮廓与人脸某些特征相结合,如特征向量中包括人耳宽度与两眼瞳孔之间的水平距离之比、人耳高度与眼睛和嘴之间的垂直距离之比。实验结果表明,该算法简单、可操作性强,对数据采集设备及采集条件要求较低,识别率较高。     

双分支特征融合网络的步态识别算法

目的 在步态识别算法中,基于外观的方法准确率高且易于实施,但对外观变化敏感;基于模型的方法对外观变化更加鲁棒,但建模困难且准确率较低。为了使步态识别算法在获得高准确率的同时对外观变化具有更好的鲁棒性,提出了一种双分支网络融合外观特征和姿态特征,以结合两种方法的优点。方法 双分支网络模型包含外观和姿态两条分支,外观分支采用Gait Set网络从轮廓图像中提取外观特征;姿态分支采用5层卷积网络从姿态骨架中提取姿态特征。在此基础上构建特征融合模块,融合外观特征和姿态特征,并引入通道注意力机制实现任意尺寸的特征融合,设计的模块结构使其能够在融合过程中抑制特征中的噪声。最后将融合后的步态特征应用于识别行人身份。结果 实验在CASIA-B(Institute of Automation, Chinese Academy of Sciences, Gait Dataset B)数据集上通过跨视角和不同行走状态两种实验设置与目前主流的步态识别算法进行对比,并以Rank-1准确率作为评价指标。在跨视角实验设置的MT(medium-sample training)划分中,该算法在3种行走状态下的准确率分别...     

基于动态心电信号的实时身份识别算法

心电图(ECG)信号因其具备易于监测、个体唯一性等特点在生物识别领域受到广泛关注.针对身份识别的准确性和实时性问题,给出一种快速鲁棒的、适用于微型化嵌入式平台的心电信号身份识别算法.首先,利用动态阈值法提取稳定波形用于快速生成心电模板样本和测试样本;然后,基于优化动态时间弯曲(DTW)法进行差异度计算得到识别结果;其次,考虑心电信号为非稳态时变信号,为保证模板数据与人体体征状况的一致性,对心电模板库进行动态更新管理以进一步提高识别准确性与鲁棒性.对MIT-BIH心律失常数据库和自建心电数据库的分析结果表明:所述算法的识别成功率最高达到98.6%;在安卓移动端,动态阈值与优化DTW法一次运算平均时间分别约为59.5 ms和26.0 ms,实时性能显著提高.     

生物特征模板保护综述

近年来频繁出现的网络安全事件使得网络安全上升到国家战略的高度,可靠的互联网身份认证是互联网应用的关键环节,基于生物特征的身份认证技术可以保证用户物理身份和数字身份的一致性而受到关注。为了保护生物特征模板的安全性和隐私性,近年来提出了生物特征模板保护研究。首先分析了生物特征识别系统面临的安全问题,对生物特征模板保护技术在生物特征识别系统中的定位和具体概念进行了介绍。其次,基于国内外的研究工作,归纳了各类生物特征模板保护技术的特点、效果和应用范围,包括生物哈希、不可逆变换法、密钥绑定以及密钥生成等;阐述了每类方法的主要思想、代表性工作以及主要特点,并从隐私性、实用性、敏感性、安全性和认证性能方面对其中的典型方法进行了总结对比;进一步介绍了多生物特征融合的模板保护算法,主要包括多模态生物特征和单模态生物特征的不同特征融合的模板保护方法。最后,对生物特征模板保护存在的问题进行了分析,并对进一步的研究方向进行了展望。     

一种基于无源射频技术的用户步态识别及认证方法

步态识别作为一种新兴的生物特征识别技术,具有距离远、难伪造的优点,在智能监控等领域中具有广泛的应用前景。现有的步态识别方法存在着算法计算复杂、用户参与度高、设备开销较大等问题。针对这些问题,文中提出了一种基于无源射频技术的用户步态识别方法。该方法使用了门禁系统中已经广泛部署的无源射频标签,通过标签相位数据计算用户行走动态速度,利用多标签信号互补特性进行信号补偿,提取用户步态频率响应特征。实验结果显示,该方法的用户识别准确率高达91.87%,特征提取及比对的时延仅有0.129 s。在训练数据极少、用户参与度低的情况下,实现了高效率、较准确的用户步态识别及认证。     

采用信号处理方法的生物特征密钥产生器

人的生物特征如手写签名、指纹、虹膜等已被成功应用于各种身份认证和识别系统中。提出了一种基于生物特征的密钥产生器,具有安全、成本低和使用方便等的优点。算法采用信号处理方法来消除生物特征中的相似性,并在Windows智能手机上进行了验证,实验证明了算法的有效性和安全性。     

利用场景光照识别优化的双目活体检测方法

人脸识别是生物特征识别技术中应用最广的技术之一。其中,能判断人脸图像是否是真实人脸的活体检测模块,是系统安全运行的重要保障。目前从安全度和经济性两方面综合考虑,最常用的活体检测方法是双目活体检测。但由于不同场景下光线亮度和角度变化很大,拍摄的人脸图片质量参差不齐,严重影响了活体检测的质量。针对这一问题,提出了通过对场景光照识别进行优化从而提升检测准确度的双目活体识别算法。算法通过串级PID算法对摄像头的感光度和补光灯进行控制,并利用人脸识别算法定位优化测光区域,从而对不同的光线强度和角度采取不同的策略。经过实验验证:本方法将活体检测在复杂场景下的准确率提升约30%,保证了算法在室内外不同光照场景下的有效性。     

三维步态识别研究进展

步态识别在身份识别领域具有重要的研究意义。随着技术的发展,步态识别的研究热点正从二维（2D）转向三维（3D）。与图像固有的2D信息相比,用视觉技术还原的3D信息能更有效地预测人员的身份。在2D视觉领域中,由于受到物体遮挡、视角变化等因素的影响,传统的步态识别方法在实际应用中难以取得理想的识别性能。基于人体3D重建和人体3D姿态估计等3D人体技术,近年来的研究在3D步态识别领域取得了一系列进展。本文介绍了3D步态识别方法,探讨了基于3D步态的身份识别领域的研究现状、优势与不足;总结了主要的3D步态数据集;讨论了3D识别方法与2D识别方法的对比;提出了3D身份识别领域未来潜在的研究方向,包括3D数据集的采集和整理、2D 和 3D 数据的多模态融合等。     

基于智能卡指纹认证系统

文中介绍基于智能卡的指纹认证系统,它结合指纹识别技术与智能卡技术各自的优点,提供更高的安全性和更好的实用性.