总第151期舰船电子工程V ol. 26N o. 1
2006年第1期Ship E lectronic Engineering 36
多生物特征识别系统的关键技术
刘映杰 冯晓兰 马义德 杜鸿飞
(兰州大学信息科学与工程学院 兰州 730000)
①
摘 要:单生物识别技术一直存在着很多问题, 它们在准确率, 用户接受程度, 成本等方面都有不同的缺点, 并且适应于各自的应用场合。这些问题一般可以由多生物识别技术来克服。首先对各种不同生物特征识别技术作简要的介绍, 然后分析多生物特征提出的背景, 并着重阐述多生物特征识别技术系统的模型和各种数据融合技术及其相应的研究发展情况, 提出了它的应用前景。
关键词:身份识别; 多生物特征识别; 数据融合中图分类号:TP391
A Survey on Multi -biometrics Identification T echniques
Liu Yingjie Feng Xiaolan Ma H (C ollege of In formation Science and Engineering )
Abstract :Unim odal biometric systems a such as nicety acceptance and cost. S ome of these limitations can be addressed Firstly ,This paper summarizes briefly s ome biometric identification techniques. Then I t -biometrics. its principle ,and approaches are introduced. The prospect and develop 2ment of biometrics K ey w ords :pers onal identification , multi -biometrics , data fusion Class number :TP391
1 引言
身份认证是保护系统的必要前提, 传统的认证方式往往采用密码, 证件或者一些已有的特定的知识作为使用者进入系统内部进行操作的权限, 但是这种认证方式存在很多缺陷。例如, 密码容易忘记, 被修改, 证件容易丢失, 携带不方便等诸多问题。特别是那些对安全要求很高的场合, 对原有的认证方式加以改进就显得更加迫切。
生物识别技术为上述方法的不足提供了一个很好的解决方案。一个人的生物特征是“随身携带”的, 不用担心会丢失。生物识别是自动识别或确认人的生理特征(如指纹, 手掌的几何形, 掌纹, 虹膜, 视网膜, 面孔, 面部热像图, 手/腕脉络, 皮肤毛孔, 身体气味等) 和行为特征(如声音, 签名, 步态, 姿势等) 来进行身份验证的一种技术。
①
每种生物识别技术在准确率, 用户接受程度, 成本等方面都不同, 而且都有自己的缺点, 适应于各自的应用场合。例如采集视网膜和虹膜的设备昂贵, 受光照影响较大, 虽然它的识别率很高, 用户可接受率比较低; 掌纹几何形识别只适用于确认而不适合于识别; 而签名, 声音和面孔识别率不高; 有些指纹很难提取。另外, 各种生物特征的普遍性都是对有限多个个体的实验中得到的, 所以它们的普遍性很有可能不满足要求。多生物识别技术就是在这个前提下提出的。
多生物特征利用了多个生物特征, 结合了数据融合的技术, 进一步提高了认证的准确率。
2 各种生物识别技术
2. 1指纹识别
指纹识别是最古老的生物特征识别技术, 在很
收稿日期:2005年7月26日, 修回日期:2005年8月1日
2006年第1期 舰船电子工程 37
多领域中都得到了成功的运用, 任何两个不同手指的指纹纹脊的式样不同, 并且指纹纹脊的式样在人的一生中不会改变。这一发现奠定了现代指纹识别技术的理论基础。指纹识别的技术主要包括:指纹图像的获取, 特征提取, 特征匹配。
指纹识别有很好的可靠性, 但是它很大程度依赖于获取指纹的质量。影响指纹识别率的因素有噪声, 变形等, 例如脏手指, 干手指, 疤痕导致的不同时期, 不同季节间指纹的差异, 芯片表面残留物带来的噪声; 手指按压过程中的扭转和拉伸, 按压力度等因素会使指纹产生变形, 这些都会影响指纹质量。
2. 2虹膜识别
虹膜识别又是当前生物识别的又一热点, 虹膜是一个位于瞳孔和巩膜之间的环状区域。与其他生物特征相比, 虹膜识别具有:虹膜的纹理结构是随机的, 其形态依赖于胚胎的发育; 高稳定性:虹膜可以保持几十年不变, 而且不受除光线之外的周围环境的影响; 防伪性好, 虹膜本身具有规律性的震颤以及随光强变化而缩放的特性, 等伪造的虹膜; , 触; 分析方便然的极坐标。
:虹膜定位, 虹膜对准, 模式表达, 匹配决策。
尽管虹膜识别系统能够取得很高的识别率, 但也存在如下的缺点:当前的虹膜识别系统没有进行现实世界的唯一性认证的试验; 图像获取设备复杂, 昂贵; 黑眼睛的虹膜极难读取。2. 3人脸识别
人脸识别是一个活跃的研究领域。人脸识别主要有两方面工作:在输入的图像中定位人脸; 抽取人脸特征进行匹配识别。
虽然人脸的无侵害性和对用户最自然, 最直接的方式使人脸识别成为最容易被接受的生物特征识别方式, 但是人脸的准确率要低于虹膜, 指纹识别, 另外人脸识别受化妆, 表情, 姿势, 光照变化等影响。
2. 4语音识别
语音识别是一种行为识别技术, 它主要由三部分组成:声音信号的分割, 特征抽取和说话人的识别。
语音信号的获取方便, 可以通过电话进行鉴别, 但是它同其他的行为识别技术一样, 声音的变化范围比较大, 很容易受背景噪声, 身体和情绪状
态的影响。2. 5签名识别
签名识别也是一种行为识别技术, 目前签名大多还只用于认证。签名认证的困难在于, 数据的动态变化范围大, 即使是同一个人的两个签名也绝对不会相同。
从上面的概述可以看到, 每种生物特征识别技术都有自己的优势和不足。这也就是我们引入多生物识别系统的原因。
3 多生物识别技术
自然界中人和动物感知客观对象, 不是单靠某一种器官, 而是多个器官的融合。人类的视觉, 听觉, 嗅觉, 味觉实际上就是通过不同的器官获取不同的信息, 程。。
, 它可减少单生物特征识别带来的问题, 同样的生物特征并不一定总能被一个实际的生物特征识别系统所检测。3. 1多生物特征识别的过程
从生物认证本身来看, 不同的生物认证所利用的生物特征, 采用的具体的模型和方法可能大有不同, 但是基本过程是一致的。生物认证的过程就是对所处理的生物特征进行模式识别的过程。模式识别分为三个过程:特征提取, 模板匹配, 决策。
因此, 多生物识别系统的数据重建可以设定在这几个步骤中的任意一个中。
图1是多生物识别的基本过程。3. 2数据融合
数据融合技术是一种对多源信息进行的有效的融合处理的新型理论和技术。数据融合也称为信息融合, 是指对来自多个传感器的数据进行多级别, 多方面, 多层次的处理, 从而得到更加完备, 更有意义的新信息。数据融合的基本目标就是通过组合获得比任何单个输入数据更准确的信息。
多生物特征的数据融合方式可以分为3种:特征层的融合, 匹配层的融合, 决策层的融合。
目前对后两个层次的研究较多, 前一个层次的研究相对较少。3. 2. 1特征层的融合
特征层融合是输入数据经过前端处理后对每
刘映杰等:多生物特征识别系统的关键技术 总第151期38
种生物特征分别得到器特征描述向量, 不同的特征向量集用不同的方法来构成新的高维特征向量, 用这个高维特征向量来代表多个生物特征的融合。特征层的融合比前两层的融合效率高
。
中在决策研究上。但仅进行决策阶段的研究是不够的, 因为在处理过程中忽略了特征之间的关联所带来的作用和影响, 另外主要集中于融合算法的讨论而忽略了对生物特征的更多考虑, 因此还需要讨
论数据层和特征层的融合。
4 几种多生物识别系统
按照特征点, 传感器, 特征提取器的数量不同, 一个多生物识别系统可分为很多种情况(图2) 。
(1) 单个生物特征, 多个传感
图1 多生物特征的数据融合方式
3. 2. 2匹配层的融合
器:多个传感器记录了相同的生物
特征, 这样就获得了同一个生物特
征的两种原始数据。Chang et al [5]按照这种方法获得了人脸的两种数据, , (:与第一种不, , 每个分类器对这个原始数据分别进行处理, 生成它们各自的特征。Jain et al. [6]将三种不同匹配器得到的细节点用逻辑方程在匹配层进行处理, 从而提高了识别率
。
匹配层的融合模块的输入是若干个生物认证系统的匹配模块输出的分数。匹配层的融合就是对这几个输入来进行的。在3种融合方式种, 匹配层的融合是最常见的。这是因为匹配层的融合即具有相对比较小的实现难度, 各自的信息量一化以后, N 维的空间, 。3. 2. 3决策层的融合
不同的单个特征可以分别进行独立的处理, 然后进行匹配得到匹配分数, 最后通过决策融合的过程, 将多个匹配结果经过一定的融合算法进行综合, 得到最终的结果。在决策层进行融合相对来说比较简单, 可以利用的信息量也比较少。由于决策层的输入已经是单个生物认证的逻辑输出, 因此决策层的融合可以分为两种形式:
(1) OR 规则:在这种系统中, 如果用户被子系统H1拒绝, 子系统H2将对用户再进行一次验证, 如果通过则确定为真实用户。
(2) AND 规则:在这种系统中用户只有同时被子系统H1和子系统H2接受, 才能够被确认为真实用户。
在具体的应用中, 每种融合方式都有各自的优缺点。特征层融合虽然效率比较大, 但是不易于集成现成的单生物认证系统。匹配层融合既实现了信息的融合, 实现起来又不是非常困难, 具有较好的应用价值。决策层虽然信息融合的程度比较小, 但是可以用于一些集成的系统当中。
目前关于生物特征数据融合的研究也主要集
图2 多生物识别系统
(3) 单个生物特征, 多个类别:以指纹和虹膜为
例, 从一个使用者上提取2个或更多个指纹(或者
是虹膜) 。这种方法不需要多个传感器, 也不需要多个特征提取和匹配模型, 所以这种方法在改进系统效率方面是很经济的。
2006年第1期 舰船电子工程 39
(4) 多种生物特征:这个系统是利用个体的多试通过[9]。各种研究成果证明多生物识别技术是提高身份识别系统性能的有效途径。
参考文献
[1]ArunR oss and Anil K. Jain. Multim odal Biometrics :An Overview[C].Appeared in Proc of 12th European S ignal Process 2ing C on ference (E USIPC O ) , (Vienna , Austria ) , 2004, 1221~1224
[2]R.W. Frischholz and U. Dieckmann. Bioid :A multi 2m odal biometric identification system[J].IEEE C om puter ,2000,33(2) :64~68
[3]A.R oss and A. K. Jain. In formation fusion in biomet 2rics[J].Pattern Recognition Letters ,2003,24(9) :2115~2125
[4]K. K aru ,A. K. Jain. Fingerprint Classification[J].Pattern Recognition 1996,29(3) :389~404
[5]K. I. Chang , K. W. Bowyer , and P. J. Flynn. Face recognition using 2D and 3D facial data[C].in Proc. of W orkshop on Multim odal User , Barbara , C A ) ,2003:2532
, , H. C. Shen , and A. K. palm print and hand geometry bio 2].in Proc. of 4th Int ’l C on f. on Audio and Video -based Biometric Pers on Authentication (AVBPA ) , (G uild ford , UK ) ,2003:668~678
[7]R.Brunelli and D. Falavigna. Pers on identification using multiple cues[J].IEEE T ransactions on PAMI ,1995,12(10) :955
种生物特征进行识别的。通过多个传感器获得不同的数据, 这种特征间的独立性使得系统的识别有了大幅度的提高。Brunelli et al. [7]就是利用使用者的脸部和声音来识别的。
5 操作模型
一个多生物识别系统可以有3种不同的操作模型:串行模型, 并行模型和垂直模型。
串行模型必须使各个特征数据顺次输入, 在第一个特征数据还未输出之前下一个特征不能输入, 因此这些特征数据不能同时被得到, 这样就使得综合识别的时间减少了。在并行模型中, 这些特征数据可以同时进入。在垂直模型中, 各种分类器被连接成树形。这种模型一般适用于分类器比较多的情况。
6 设计问题
考虑:量。②③融合数据时所使用的方法。④。例如装有摄像头的电话就很有可能去获取使用者脸部和声音数据。而AT M 机更容易获取使用者的脸部和指纹数据。
~966
[8]LiHong and A. K. Jain. Integrating faces and fingerprints for pers onal identification[J].IEEE T ransactions on PAMI ,1998, 20(12) :1295~1307
[9]Snelick, R. , Indovina , M. , Y en , J. , and M ink , A. Multim odal biometrics :Issues in design and testing[C ].In Pro 2ceedings of International C on ference onMultim odal Inter faces , Vancouver , B. C. ,2003:5~7
[10]张敏贵, 潘泉, 张洪才, 张绍武. 多生物特征识别[J].信息与控制,2002, (12)
[11]方志刚, 叶伟中. 多生物特征识别技术综述[J].计
7 结束语
随着人们对身份认证技术的准确性和安全性要求的日益提高, 单生物认证技术有时已经无法满足各方面的需求, 因此利用多生物特征认证技术来弥补了单生物特征认证的一些不足, 从而大大提高了认证的准确度。LiH ong [8]从理论上证明了多生物特征认证系统相对于单种生物特征认证系统在实现效率上的提高; 目前NIST 已经研发了商用的多生物识别系统, 并由1000多位使用者进行了测
算机工程,2003, (6)
[12]孙冬梅, 裘正定. 生物特征识别技术综述[J].电子
学报,2001, (11)
[13]沈怡, 傅德胜. 基于虹膜的身份识别技术[J].南京
气象学院学报. 2003, (7)
总第151期舰船电子工程V ol. 26N o. 1
2006年第1期Ship E lectronic Engineering 36
多生物特征识别系统的关键技术
刘映杰 冯晓兰 马义德 杜鸿飞
(兰州大学信息科学与工程学院 兰州 730000)
①
摘 要:单生物识别技术一直存在着很多问题, 它们在准确率, 用户接受程度, 成本等方面都有不同的缺点, 并且适应于各自的应用场合。这些问题一般可以由多生物识别技术来克服。首先对各种不同生物特征识别技术作简要的介绍, 然后分析多生物特征提出的背景, 并着重阐述多生物特征识别技术系统的模型和各种数据融合技术及其相应的研究发展情况, 提出了它的应用前景。
关键词:身份识别; 多生物特征识别; 数据融合中图分类号:TP391
A Survey on Multi -biometrics Identification T echniques
Liu Yingjie Feng Xiaolan Ma H (C ollege of In formation Science and Engineering )
Abstract :Unim odal biometric systems a such as nicety acceptance and cost. S ome of these limitations can be addressed Firstly ,This paper summarizes briefly s ome biometric identification techniques. Then I t -biometrics. its principle ,and approaches are introduced. The prospect and develop 2ment of biometrics K ey w ords :pers onal identification , multi -biometrics , data fusion Class number :TP391
1 引言
身份认证是保护系统的必要前提, 传统的认证方式往往采用密码, 证件或者一些已有的特定的知识作为使用者进入系统内部进行操作的权限, 但是这种认证方式存在很多缺陷。例如, 密码容易忘记, 被修改, 证件容易丢失, 携带不方便等诸多问题。特别是那些对安全要求很高的场合, 对原有的认证方式加以改进就显得更加迫切。
生物识别技术为上述方法的不足提供了一个很好的解决方案。一个人的生物特征是“随身携带”的, 不用担心会丢失。生物识别是自动识别或确认人的生理特征(如指纹, 手掌的几何形, 掌纹, 虹膜, 视网膜, 面孔, 面部热像图, 手/腕脉络, 皮肤毛孔, 身体气味等) 和行为特征(如声音, 签名, 步态, 姿势等) 来进行身份验证的一种技术。
①
每种生物识别技术在准确率, 用户接受程度, 成本等方面都不同, 而且都有自己的缺点, 适应于各自的应用场合。例如采集视网膜和虹膜的设备昂贵, 受光照影响较大, 虽然它的识别率很高, 用户可接受率比较低; 掌纹几何形识别只适用于确认而不适合于识别; 而签名, 声音和面孔识别率不高; 有些指纹很难提取。另外, 各种生物特征的普遍性都是对有限多个个体的实验中得到的, 所以它们的普遍性很有可能不满足要求。多生物识别技术就是在这个前提下提出的。
多生物特征利用了多个生物特征, 结合了数据融合的技术, 进一步提高了认证的准确率。
2 各种生物识别技术
2. 1指纹识别
指纹识别是最古老的生物特征识别技术, 在很
收稿日期:2005年7月26日, 修回日期:2005年8月1日
2006年第1期 舰船电子工程 37
多领域中都得到了成功的运用, 任何两个不同手指的指纹纹脊的式样不同, 并且指纹纹脊的式样在人的一生中不会改变。这一发现奠定了现代指纹识别技术的理论基础。指纹识别的技术主要包括:指纹图像的获取, 特征提取, 特征匹配。
指纹识别有很好的可靠性, 但是它很大程度依赖于获取指纹的质量。影响指纹识别率的因素有噪声, 变形等, 例如脏手指, 干手指, 疤痕导致的不同时期, 不同季节间指纹的差异, 芯片表面残留物带来的噪声; 手指按压过程中的扭转和拉伸, 按压力度等因素会使指纹产生变形, 这些都会影响指纹质量。
2. 2虹膜识别
虹膜识别又是当前生物识别的又一热点, 虹膜是一个位于瞳孔和巩膜之间的环状区域。与其他生物特征相比, 虹膜识别具有:虹膜的纹理结构是随机的, 其形态依赖于胚胎的发育; 高稳定性:虹膜可以保持几十年不变, 而且不受除光线之外的周围环境的影响; 防伪性好, 虹膜本身具有规律性的震颤以及随光强变化而缩放的特性, 等伪造的虹膜; , 触; 分析方便然的极坐标。
:虹膜定位, 虹膜对准, 模式表达, 匹配决策。
尽管虹膜识别系统能够取得很高的识别率, 但也存在如下的缺点:当前的虹膜识别系统没有进行现实世界的唯一性认证的试验; 图像获取设备复杂, 昂贵; 黑眼睛的虹膜极难读取。2. 3人脸识别
人脸识别是一个活跃的研究领域。人脸识别主要有两方面工作:在输入的图像中定位人脸; 抽取人脸特征进行匹配识别。
虽然人脸的无侵害性和对用户最自然, 最直接的方式使人脸识别成为最容易被接受的生物特征识别方式, 但是人脸的准确率要低于虹膜, 指纹识别, 另外人脸识别受化妆, 表情, 姿势, 光照变化等影响。
2. 4语音识别
语音识别是一种行为识别技术, 它主要由三部分组成:声音信号的分割, 特征抽取和说话人的识别。
语音信号的获取方便, 可以通过电话进行鉴别, 但是它同其他的行为识别技术一样, 声音的变化范围比较大, 很容易受背景噪声, 身体和情绪状
态的影响。2. 5签名识别
签名识别也是一种行为识别技术, 目前签名大多还只用于认证。签名认证的困难在于, 数据的动态变化范围大, 即使是同一个人的两个签名也绝对不会相同。
从上面的概述可以看到, 每种生物特征识别技术都有自己的优势和不足。这也就是我们引入多生物识别系统的原因。
3 多生物识别技术
自然界中人和动物感知客观对象, 不是单靠某一种器官, 而是多个器官的融合。人类的视觉, 听觉, 嗅觉, 味觉实际上就是通过不同的器官获取不同的信息, 程。。
, 它可减少单生物特征识别带来的问题, 同样的生物特征并不一定总能被一个实际的生物特征识别系统所检测。3. 1多生物特征识别的过程
从生物认证本身来看, 不同的生物认证所利用的生物特征, 采用的具体的模型和方法可能大有不同, 但是基本过程是一致的。生物认证的过程就是对所处理的生物特征进行模式识别的过程。模式识别分为三个过程:特征提取, 模板匹配, 决策。
因此, 多生物识别系统的数据重建可以设定在这几个步骤中的任意一个中。
图1是多生物识别的基本过程。3. 2数据融合
数据融合技术是一种对多源信息进行的有效的融合处理的新型理论和技术。数据融合也称为信息融合, 是指对来自多个传感器的数据进行多级别, 多方面, 多层次的处理, 从而得到更加完备, 更有意义的新信息。数据融合的基本目标就是通过组合获得比任何单个输入数据更准确的信息。
多生物特征的数据融合方式可以分为3种:特征层的融合, 匹配层的融合, 决策层的融合。
目前对后两个层次的研究较多, 前一个层次的研究相对较少。3. 2. 1特征层的融合
特征层融合是输入数据经过前端处理后对每
刘映杰等:多生物特征识别系统的关键技术 总第151期38
种生物特征分别得到器特征描述向量, 不同的特征向量集用不同的方法来构成新的高维特征向量, 用这个高维特征向量来代表多个生物特征的融合。特征层的融合比前两层的融合效率高
。
中在决策研究上。但仅进行决策阶段的研究是不够的, 因为在处理过程中忽略了特征之间的关联所带来的作用和影响, 另外主要集中于融合算法的讨论而忽略了对生物特征的更多考虑, 因此还需要讨
论数据层和特征层的融合。
4 几种多生物识别系统
按照特征点, 传感器, 特征提取器的数量不同, 一个多生物识别系统可分为很多种情况(图2) 。
(1) 单个生物特征, 多个传感
图1 多生物特征的数据融合方式
3. 2. 2匹配层的融合
器:多个传感器记录了相同的生物
特征, 这样就获得了同一个生物特
征的两种原始数据。Chang et al [5]按照这种方法获得了人脸的两种数据, , (:与第一种不, , 每个分类器对这个原始数据分别进行处理, 生成它们各自的特征。Jain et al. [6]将三种不同匹配器得到的细节点用逻辑方程在匹配层进行处理, 从而提高了识别率
。
匹配层的融合模块的输入是若干个生物认证系统的匹配模块输出的分数。匹配层的融合就是对这几个输入来进行的。在3种融合方式种, 匹配层的融合是最常见的。这是因为匹配层的融合即具有相对比较小的实现难度, 各自的信息量一化以后, N 维的空间, 。3. 2. 3决策层的融合
不同的单个特征可以分别进行独立的处理, 然后进行匹配得到匹配分数, 最后通过决策融合的过程, 将多个匹配结果经过一定的融合算法进行综合, 得到最终的结果。在决策层进行融合相对来说比较简单, 可以利用的信息量也比较少。由于决策层的输入已经是单个生物认证的逻辑输出, 因此决策层的融合可以分为两种形式:
(1) OR 规则:在这种系统中, 如果用户被子系统H1拒绝, 子系统H2将对用户再进行一次验证, 如果通过则确定为真实用户。
(2) AND 规则:在这种系统中用户只有同时被子系统H1和子系统H2接受, 才能够被确认为真实用户。
在具体的应用中, 每种融合方式都有各自的优缺点。特征层融合虽然效率比较大, 但是不易于集成现成的单生物认证系统。匹配层融合既实现了信息的融合, 实现起来又不是非常困难, 具有较好的应用价值。决策层虽然信息融合的程度比较小, 但是可以用于一些集成的系统当中。
目前关于生物特征数据融合的研究也主要集
图2 多生物识别系统
(3) 单个生物特征, 多个类别:以指纹和虹膜为
例, 从一个使用者上提取2个或更多个指纹(或者
是虹膜) 。这种方法不需要多个传感器, 也不需要多个特征提取和匹配模型, 所以这种方法在改进系统效率方面是很经济的。
2006年第1期 舰船电子工程 39
(4) 多种生物特征:这个系统是利用个体的多试通过[9]。各种研究成果证明多生物识别技术是提高身份识别系统性能的有效途径。
参考文献
[1]ArunR oss and Anil K. Jain. Multim odal Biometrics :An Overview[C].Appeared in Proc of 12th European S ignal Process 2ing C on ference (E USIPC O ) , (Vienna , Austria ) , 2004, 1221~1224
[2]R.W. Frischholz and U. Dieckmann. Bioid :A multi 2m odal biometric identification system[J].IEEE C om puter ,2000,33(2) :64~68
[3]A.R oss and A. K. Jain. In formation fusion in biomet 2rics[J].Pattern Recognition Letters ,2003,24(9) :2115~2125
[4]K. K aru ,A. K. Jain. Fingerprint Classification[J].Pattern Recognition 1996,29(3) :389~404
[5]K. I. Chang , K. W. Bowyer , and P. J. Flynn. Face recognition using 2D and 3D facial data[C].in Proc. of W orkshop on Multim odal User , Barbara , C A ) ,2003:2532
, , H. C. Shen , and A. K. palm print and hand geometry bio 2].in Proc. of 4th Int ’l C on f. on Audio and Video -based Biometric Pers on Authentication (AVBPA ) , (G uild ford , UK ) ,2003:668~678
[7]R.Brunelli and D. Falavigna. Pers on identification using multiple cues[J].IEEE T ransactions on PAMI ,1995,12(10) :955
种生物特征进行识别的。通过多个传感器获得不同的数据, 这种特征间的独立性使得系统的识别有了大幅度的提高。Brunelli et al. [7]就是利用使用者的脸部和声音来识别的。
5 操作模型
一个多生物识别系统可以有3种不同的操作模型:串行模型, 并行模型和垂直模型。
串行模型必须使各个特征数据顺次输入, 在第一个特征数据还未输出之前下一个特征不能输入, 因此这些特征数据不能同时被得到, 这样就使得综合识别的时间减少了。在并行模型中, 这些特征数据可以同时进入。在垂直模型中, 各种分类器被连接成树形。这种模型一般适用于分类器比较多的情况。
6 设计问题
考虑:量。②③融合数据时所使用的方法。④。例如装有摄像头的电话就很有可能去获取使用者脸部和声音数据。而AT M 机更容易获取使用者的脸部和指纹数据。
~966
[8]LiHong and A. K. Jain. Integrating faces and fingerprints for pers onal identification[J].IEEE T ransactions on PAMI ,1998, 20(12) :1295~1307
[9]Snelick, R. , Indovina , M. , Y en , J. , and M ink , A. Multim odal biometrics :Issues in design and testing[C ].In Pro 2ceedings of International C on ference onMultim odal Inter faces , Vancouver , B. C. ,2003:5~7
[10]张敏贵, 潘泉, 张洪才, 张绍武. 多生物特征识别[J].信息与控制,2002, (12)
[11]方志刚, 叶伟中. 多生物特征识别技术综述[J].计
7 结束语
随着人们对身份认证技术的准确性和安全性要求的日益提高, 单生物认证技术有时已经无法满足各方面的需求, 因此利用多生物特征认证技术来弥补了单生物特征认证的一些不足, 从而大大提高了认证的准确度。LiH ong [8]从理论上证明了多生物特征认证系统相对于单种生物特征认证系统在实现效率上的提高; 目前NIST 已经研发了商用的多生物识别系统, 并由1000多位使用者进行了测
算机工程,2003, (6)
[12]孙冬梅, 裘正定. 生物特征识别技术综述[J].电子
学报,2001, (11)
[13]沈怡, 傅德胜. 基于虹膜的身份识别技术[J].南京
气象学院学报. 2003, (7)