应用生物识别技术

生物计量学是对某些生物数量或模式的测量，但现在指的是对个人特征的测量，如可以用来识别或鉴定一个人的指纹。通过这种方式，生物识别是一个不会被遗忘、丢失或被盗的密码。

有许多可能的生物识别技术，包括DNA、气味、步态、身高、笔迹和语音，但我的重点是基于视觉的生物识别技术——这些技术使用来自机器视觉的图像传感器和算法。我将回顾生物识别的基本原理，描述基于视觉的生物识别系统，使用指纹、面部或虹膜图像及其能力，提到多种生物识别技术，并快速回顾生物识别系统的市场。引用在引入时设置在方括号中。

你可能对好莱坞版的生物识别技术很熟悉。在1992年的《胶鞋》(Sneakers)中，罗伯特·雷德福(Robert Redford)饰演的角色利用一段录音(“我的声音就是我的护照”)骗过了基于声音的生物识别系统，从而进入了坏人的办公室。最近，《千钧片》(1997)提供了一场DNA生物识别的噩梦，而皮尔斯·布鲁斯南饰演的詹姆斯·邦德在奇妙的生物识别技术的挑战中行走。运动鞋是最接近现实的——基于声音的生物识别技术被用于身份验证，尤其是通过电话网络。为了防止使用录音机作弊，你被要求重复随机的单词。

生物识别技术的重要应用包括控制建筑物的访问(称为物理访问)，认证用户以允许他/她访问某些资源(例如，访问一个安全的网站)，以及从众多可能的人群中识别一个人(例如，在机场寻找恐怖分子)。

图1显示了生物识别系统中的主要元素。要使用这个系统，你首先要记录你的生物特征作为参考。这个过程被称为注册，注册或注册，并在水平虚线上方显示。注册的一个熟悉的例子是在开户时签署签名卡。您的签名是注册的生物识别，可以用来检查提交文件中的签名伪造。

处理传感器数据以查找和提取生物识别数据。这些数据被放入称为模板的数据结构中，并存储在数据库中，该数据库键入您的姓名，用户名或其他一些标识符。此过程有时称为Templification。基于面部的生物识别系统还可以存储因错误评论和非拒绝的传感器图像 - “你说你没有现金检查？好吧，这是你这样做的照片！'

当您使用生物识别系统进行身份验证时，生物识别数据(显示的数据)被转换为一个模板，该模板与注册生成的模板进行匹配。这类似于机器视觉中的模板匹配。

匹配生成一个分数，表示所提出的生物特征和所登记的生物特征之间的匹配质量。一个常见的约定是将这些分数从0扩展到10，值越大匹配越好。评分可能基于测量向量之间的距离或标准化相关系数，或更复杂的算法。

如果使用生物识别系统验证您的索赔是您，那么您首先介绍一个标识符，例如您的名称，以从数据库中获取已注册的生物识别方法。然后您所呈现的生物识别性可以将“一对一”与您的注册生物识别性进行比较。这种匹配称为验证。如果您没有身份索赔，则系统必须将呈现的生物识别性与较小的（'一对多'）或大（'一对多'）的注册生物识别数相匹配。这种匹配称为识别，虽然这导致了与该术语的一些混乱。随着我们必须匹配的人数来增加，匹配时间和错误的可能性会增加，数据库大小如此。

为了做出接受或拒绝匹配的二元决定，在分数上使用一个阈值。与机器视觉一样，阈值是我们根据先验知识尽可能设定的“自由变量”。从大量用户的测量中，我们可以计算在特定阈值下正确或错误地接受或拒绝匹配的概率。

错误接受率(FAR)是使用特定阈值接受错误人员(欺诈)的概率。错误拒绝率(FRR)是正确的人使用特定阈值被拒绝的概率。FAR和FRR概率的假设分布如下所示，作为阈值的函数。

这些错误曲线显示，更改阈值以减少一种类型的错误率增加了其他类型的错误。等于错误率（eer）是这两个错误曲线交叉（交叉速率）的错误率（概率）。eer通常用作生物识别系统的“优点”。有时，最好将阈值更高或更低的阈值。例如，为了验证ATM机交易，我们有利于通过拒绝它们来接受错误的人，以便通过拒绝它们来扰乱客户，因此我们减少了较低的FRR的阈值，并且较高。

匹配和决策的过程就是已知认证。通过身份验证后，另一个进程允许您访问已授权访问的资源。例如，您被授权进入建筑物的某些部分或基于您的安全许可级别。

指纹

你的手、手指、脚底和脚趾上的细脊皮肤形成了独特的图案，可以分析识别。手指(指纹)是最常用的，尽管有时会取婴儿脚底的指纹，以提供更大的分析区域。这些脊纹和沟纹为抓取表面提供了额外的摩擦，因此指纹分析有时也被称为“摩擦脊分析”。

指纹形成于胎儿发育期间，并在一生中基本不变。他们的一般模式有一个遗传基础(基因型)，但脊的细节是独特的每个个体(表型)。由于这种组合，即使是具有相同DNA的同卵双胞胎也会有略微不同的指纹[德国]。指纹在20世纪初成为法医(犯罪)鉴定的标准。在马克·吐温1894年出版的《傻瓜威尔逊》一书中，一个身份互换和谋杀的案件是通过使用指纹解决的。这是第一个使用指纹作为书情节的一部分的例子[WAISMAN]。

在过去，指纹是通过在手指上印墨并在指纹卡上滚动来登记的。然后手工将指纹卡与嫌疑人的墨迹或从证据中提取的“潜在”指纹进行比较。潜印通常需要经过化学处理才能“显影”，以便进行比较。电子和光学成像方法已经基本取代了油墨和卷轴法获取指纹并与潜在指纹进行比较。

大约有50家供应商提供指纹识别器用于个人识别(见附录A)。一种常见的识别器是红色LED光源，通过玻璃窗户或棱镜反射到CCD或CMOS图像传感器。当你把手指放在窗户上时，窗脊碰到玻璃，而窗脊之间的沟却碰不到。在脊线接触玻璃的地方，玻璃外的折射率会发生变化，并在那一点“挫败”整个内部反射——光被脊线吸收。因此，传感器“看到”的脊线为深色，而沟纹则保持明亮。

另一种类型的阅读器使用一个大的(可能是1.5 x 1.5厘米)集成电路“区域”传感器。放置在传感器上的手指的脊和沟可以通过电容或与传感器阵列的射频耦合来感知。有些阅读器只有一行传感器，比如一行扫描相机，用户可以在上面画手指来形成图像。混合传感器将交流电通过聚合物薄片，使其发出荧光，很像夜灯。一个指纹图像是由使荧光短路的脊形成的。这种聚合物薄片可以直接放置在区域图像传感器的顶部，也可以使用类似于led指纹阅读器的光学技术。

主要指纹特征，如螺旋、拱形或环状(见图3)，可以用来对指纹进行分组。为了进行详细的分类，我们测量了脊(或沟)的末端或分支的位置和关系。这些点被称为细枝末节(minutiae，单数)，因为它们是微小的细节。细节的提取和测量是具有挑战性的成像问题[CHANG]。

这些细节基本上是独立的衡量标准，所以只要有足够的衡量标准，即使手指受损或指纹不完整，你也能做得很好。然而，指纹小、简单或丢失的人很难或不可能登记或匹配。这些登记失败(FTE)错误可能发生在2%到4%的人口中，更多发生在非常年轻和老年人、体力劳动者和娇小的妇女中。

面对生物识别技术

我们识别和识别面孔的能力对我们的生存至关重要。我们的大脑天生就具备了识别和学习面孔的能力——一天大的婴儿可以学习识别一张特定的面孔[SLATER]，一个月之内就能认识他/她母亲的面孔[LANGLOIS]。

的困难提供一些大脑的面孔识别能力使用机器视觉系统并没有吓退一些公司和许多研究生(见附录B)。在自动人脸识别问题中变量的脸在不同照明和姿势,因为人脸是灵活的(“塑料的”)，而且人脸之间有明显的相似性(见图4)，所以很难做出准确的测量。我们如此容易地识别人脸，这一事实让每个人都自然地批评任何基于计算机的人脸识别系统。

典型的面部生物识别系统用可见光摄像机捕捉图像，然后用个人电脑(PC)处理这些图像。相机必须有足够的分辨率和图像质量来捕捉所需的面部细节。廉价的消费级摄像头可以用于办公环境，但在要求更高的环境中，如监控机场或户外区域，则需要专门的摄像头。

在识别人脸之前，必须先在图像中找到它。这本身就是一个困难的问题。可能有多个面孔，面孔可能因运动而部分模糊或模糊，也可能有类似面孔的物体“欺骗”面孔搜索算法。肤色、近似形状、立体感(深度)、纹理和/或运动被用来区分可能的面孔和非面孔(背景)。每个可能的人脸位置都使用相关性、神经网络或其他模式匹配算法进行检查。就像在机器视觉中一样，搜索人脸通常是在粗到细的尺度上进行的(从小到大的图像尺寸)，因此可以在小图像中快速找到近似的人脸位置，然后对其进行精炼，得到精确的人脸位置。

用于生成面部模板并将这些匹配到注册模板的算法通常是专有的。我将算法组分组为三个粗略类：

• 基于图像的方法使用像素的强度或派生的度量作为生物特征。例如，特征面方法生成一个人脸图像空间，其维度用于解释人脸的可变性。在这个空间中，人脸的特征是一个向量[TURK]。
• 基于特征的方法要么使用来自强度图像的特征(如强度边缘和“斑点”)进行匹配，要么尝试识别和匹配单个特征，如嘴角。为了克服位置和尺寸的变化，可以在局部基础上分析特征[VISIONICS]，或者使用神经网络提供公差测量[ETRUE]。
• 基于约束的方法利用人脸的已知结构来约束局部特征的匹配。约束可以包括将一个模型特性扩展到一个已呈现的特性所需的“能量”[YUILLE]， [ETRUE]。

这些不是清晰类——例如，图像数据成为特征，而特征可以用于基于约束的方法。与机器视觉一样，人脸生物识别技术可以通过获取更好的数据、使用更好的算法或添加更好的约束来改进。

自动人脸识别是最自然、最易于使用的生物识别技术。光照和姿势的变化、脸部的可塑性以及面部的相似性等问题，使得这种生物特征比指纹更不可靠。与指纹不同的是，如果你没有头上套个包或其他奇怪的伪装，面部生物识别绝不会失败。

虹膜扫描

虹膜是瞳孔围绕着眼睛的彩色部分。浮动，隐窝和其他结构的虹膜被假定为独特，并且在整个寿命中没有显着变化（见图5）。在1960年代提出了用于识别这些模式的使用，但在1990年代的[Daugman 1993]中首次开发了使用这些模式的有效方法。

虹膜的图像可以“展开”，产生类似条形码的线性结构。条形码中的1和0是由虹膜的结构定义的，是生物特征数据。与指纹一样，该代码中大量的独立位允许您在许多位上遗漏或出错，但仍然能够非常确定地匹配[daaugman WEB1]。

利用虹膜进行识别的一个主要问题是获得良好的虹膜图像，特别是配准。虹膜很小，很难在图像中找到，需要精确的聚焦。虹膜可能会因眼睑下垂而模糊，这在某些人群中很常见，也可能因疾病(如贝尔氏麻痹症)而模糊。一旦发现，虹膜的足够细节必须被解析，以提供构成生物特征数据的“比特”。

IriScan使用一个手持或可调节的镜子，用户必须在其中校准他/她的眼睛，并通过它拍摄虹膜的图像(见图6)。这迫使眼睛在相机的视野和在一个典型的距离，从相机。Sensar(现在是虹膜扫描技术的一部分)开发了一种复杂的光电和机械系统，用于寻找眼睛并“放大”虹膜。这使得生物识别系统的使用更简单，“免提”，但成本增加了。

有报告有没有使用虹膜生物识别学注册5％的人口的失败。虹膜扫描具有任何生物识别的错误接受率，但注册和使用难度的失败都限制了其商业验收。

比较生物识别技术

一个理想的生物识别系统应该具备以下特征:

• 小错误率(EER)或高“准确性”
• 没有未登记(FTE)
• 容易使用某人，而不是侵入性
• 成本小，尺寸小
• 快速验证，快速识别
• 强有力地反对“对策”和欺诈
• 社会认可

在下面的表格中，我估算最佳和典型的eer（相等的错误率）并对上述特征列表中的每个生物识别系统进行评分，并且使用a =优异的比例= d =差。

典型的EER比率是根据公布的数字和个人经验估计的。我已经讨论了估计的FTE费率。

易用性

面部是最容易使用的，是唯一一个给图像的生物识别，唯一可以用来检查错误或不拒绝的图像 - 我们都是面部识别的所有专家。虹膜系统要求用户对齐他们的眼睛或被培训以使用“免提”系统。指纹要求用户了解如何将手指放在传感器上以进行可靠的扫描。

成本和规模

指纹识别器可以很小，并内置在键盘、手枪等设备中。台式人脸生物识别系统通常使用一个小型、廉价的摄像头，而虹膜系统要么是一个手持的“镜子”设备(见图6)，要么是一个更大、更昂贵的设备，用于发现和成像虹膜。

速度

使用生物识别系统进行验证的总时间应该是10秒或更短，理想情况下少于3秒。大部分时间花在图像采集、搜索图像(如果需要)和模板生成上。随着“一对多”人口规模的增加，快速模板匹配变得非常重要，例如，试图将一张“嫌疑犯照片”与一大批嫌疑犯相匹配。每秒10,000次匹配的速度对于做面部或指纹匹配的高端PC来说可能已经很舒服了。

鲁棒性

随着生物识别系统保护的资产价值的增加，在验证或识别过程中造假的动机也会增加。面子有最大的欺诈风险。一种简单的方法是“照片欺诈”，即把别人的照片拿到相机前进行验证。大多数面部生物识别系统都是通过照片来检测头部运动或面部形貌是否与活人一致。

要欺骗指纹识别器是比较困难的，但也许你可以使用目标人手指的乳胶印。一些读手指的人试图通过观察热度或血液流动来感知活的手指。你可能会拿着一张照片试图欺骗虹膜扫描仪，但这是通过观察眼睛的眨眼来应对的。虹膜扫描图像是在近红外下拍摄的，所以视频“回放攻击”可能不会起作用。

社会认可

用社会可接受度来评价生物计量学似乎有些奇怪，但在生物计量学的使用中存在着强大的(有时是不合理的)心理学元素。一些人认为指纹具有“犯罪的污名”，因此一些政府将不允许指纹用于一般身份识别。一些人出于卫生考虑而反对将手指放在指纹识别器上。人们似乎毫无异议地接受了面部生物识别技术，也许是因为我们已经习惯了拍照。有些人似乎担心虹膜扫描会给他们的眼睛带来“辐射”。

多个或分层生物识别

我们可以使用多重或多层生物识别技术来提高身份验证的准确性，并“掩盖”特定生物识别技术的弱点。例如，人类使用额外的生物特征，如身高、体重、步态、声音等，以验证基于人脸的识别。

一些商业上很重要的分层生物识别系统使用指纹作为“主要”生物识别，而面部作为次要或检查生物识别。指纹提供了较高的准确性，面部覆盖了未能登记或验证指纹的情况。结合不同的生物特征以达到最佳效果需要仔细组合多个评分和阈值。仅仅基于独立概率的假设使用简单的AND或or组合，就会导致“较弱”的生物特征降低组合生物特征的准确性[daaugman WEB2]。

市场概述

我认为基于视觉的生物识别技术有一个强大且不断增长的市场，但早期围绕生物识别系统的炒作让客户有理由保持警惕。新一代的生物识别“供应商”已经从以前的供应商演变而来，他们提供更可靠和成熟的产品。新一代典型地使用基于网络的商业模式的多层(分层)生物识别技术。

例如，etrue使用一组“规则”（专家系统）结合了面部，手指和其他生物识别性，以提供高水平的精度。验证在安全服务器上通过Web完成，从而减少了围绕本地存储和模板信息管理的安全问题。异常处理过程涉及不能自动验证的少量案例。正在开发类似商业模式的其他供应商包括：

• Bionetrix Systems Corporation
• Ethentica
• Keyware技术
• Safelink公司
• 以及Identix的信托部门

基于web的生物认证应用服务提供商系统的开发不是一项简单的任务。占领这个市场的供应商可能会成为生物识别“商业链”的第一级。他们将从供应商那里购买大量的相机、指纹识别器和其他视觉生物识别组件。我猜测第一级市场的规模将达到数亿美元，视觉生物识别组件供应商应该会获得可观的收入。

与生物统计学相关的组织和论坛列于附录D。

参考文献

[道格曼WEB1] John G.道格曼。基础网站的虹膜扫描，包括方法，历史，和数学基础。
www.cl.cam.ac.uk /用户/ jgd1000 /

[道格曼WEB2]讨论结合生物特征的危害。www.cl.cam.ac.uk/users/jgd1000/combine/combine.html.

[ETRUE] eTrue.com Inc .)基于网络的认证服务供应商。以Miros公司的名义开发了人脸识别产品。www.etrue.com

[德语]Ed GERMAN, C.L.P.E, F.F.S.“关于指纹的常见问题”。http://onin.com/fp/lpfaq.html.

[IRISCAN]开发虹膜扫描技术和生物识别系统。www.iriscan.com/或www.sensar.com/

[LANGLOIS, J.H.， Roggman, los angeles, Casey, R.J， & Ritter, J.M.]“婴儿对漂亮面孔的偏好:刻板印象的雏形?”发展心理学，23，(1987)第363-369页。

[SLATER] A. SLATER和R. Kirby，“新生儿先天和习得的知觉能力”，《大脑研究》，123，(1998)第90-94页。

[马克·吐温]《傻瓜威尔逊》。由矮脚班塔姆经典和洛夫斯韦布再版。ISBN: 0553211587(1984)。

[TURK]王志强，王志强，王志强，“人脸识别技术”，计算机视觉，Vol.1381, no . 9: algorithm and Techniques(1990)。

[VISIONICS] VISIONICS公司。人脸识别产品的供应商。www.visionics.com

(魏)斯科特•魏斯曼。《关于马克·吐温》(About Mark Twain, 1999)。www.geocities.com/ samclemens

[YUILLE] A.L. YUILLE, P.W. Hallinan, D.S. Cohen。“使用可变形模板从面部提取特征”，《国际计算机视觉杂志》，第8卷第2期，(1992)第99-111页。


附录A.一些指纹读者供应商和分销商

光学的读者:
美国生物公司www.biomouse.com
BioLink Technologies International, Inc.www.biolinkusa.com

Identicatorwww.identicatorinc.com

生物识别访问有限公司
数字形象,公司。www.digitalpersona.com
囊技术有限公司
NEC技术
SECUGEN集团。www.secugen.com
I / O软件公司。www.iosoftware.com/products/integration/fiu500/index.htm
心血管病。
SECUGEN集团。www.secugen.com/

超声波的读者:
超扫描公司www.ultra-scan.com

热手指扫描阅读器:
Thomspon-CSFwww.tcs.thomson-csf.com/fingerchip/FC_home.htm

混合(聚合物荧光):
谁？Vision，Inc。www.whovision.com
(现在Ethentica)www.ethentica.com