信息時代的身份認證

吳璽宏　羅定生

信息時代的到來給人類社會帶來了極大的變革，身份認證在信息時代也有了新的內(nèi)涵?；趯鹘y(tǒng)身份認證缺陷的考慮，利用生物特征的身份認證由于利用了人體固有的生理和行為特征而展現(xiàn)出極大的優(yōu)越性。本文對人體生物特征的三類典型代表：聲紋、人臉、指紋從系統(tǒng)框架、方法概述、當前研究存在問題以及應用前景給出了較全面的綜述。

傳統(tǒng)的身份認證方法主要借助體外物來實現(xiàn)身份的鑒定，包括標識物品和標識信息，前者如證件、信用卡、駕照等，后者如用戶名和密碼等。一旦證明身份的標識物品和標識信息被盜或遺忘，其身份就容易被他人冒充或取代。基于生物特征的身份認證則利用了人體固有的生理和行為特征來進行個人身份的認證或鑒定，比如：指紋、聲音，人臉、虹膜、筆跡、步態(tài)等。由于基于生物特征的身份認證主要是通過生物傳感器、光學、聲學、計算機科學和統(tǒng)計學原理等高科技手段的密切結(jié)合來實現(xiàn)的，因而它與傳統(tǒng)的身份認證方法相比：（1） 更具安全性：生物特征基本不存在丟失、遺忘或被盜的問題；（2） 更具保密性：用于身份認證的生物特征技術(shù)很難被偽造；（3） 更具方便性：生物特征具有隨身“攜帶”的特點以及隨時隨地可用的特點。

基于生物特征的身份認證技術(shù)在信息安全領(lǐng)域具有重要的地位，可廣泛用于政府、軍隊、銀行、社會福利保障、電子商務、安全防務。伴隨著其應用的發(fā)展,該領(lǐng)域的研究越來越深入，許多國家將其作為重大基礎(chǔ)戰(zhàn)略技術(shù)加以研究。“9·11”事件后，基于生物特征的身份認證技術(shù)更是受到美國、日本、歐洲各國的高度重視，愈加顯示出它的價值，以美國為例，基于這項技術(shù)的產(chǎn)業(yè)規(guī)模已經(jīng)達到數(shù)十億美元。美國通過立法明確要求在國家安全領(lǐng)域采用這一技術(shù)。國際民用航空組織日前也要求其所屬188個成員國和地區(qū)從2004年底開始將生物特征加入個人護照中。

一般而言，能夠用來認證身份的生物特征應該具有以下特點：（1） 廣泛性：每個人都應該具有這種特征；（2） 唯一性：每個人擁有的特征應該各不相同；（3） 穩(wěn)定性：所選擇的特征應該不隨時間變化而發(fā)生變化；（4） 可采集性：所選擇的特征應該便于獲取。然而，在實際的應用中，并不是所有能夠滿足上述四個特點的生物特征就可以用來進行身份認證的。通常，還需考慮如下幾個主要指標：性能指標，所選擇的生物統(tǒng)計特征能夠達到多高的識別率；效率指標，對于資源的要求，包括時間復雜度和空間復雜度兩個方面；安全性指標，系統(tǒng)是否能夠防止被攻擊；可接受性及非侵犯性指標，用戶是否愿意接受所選擇的生物特征；同時還要考慮具體應用領(lǐng)域的特點等等。基于對這些指標的考慮，目前諸多應用中，在眾多的生物特征中聲音、指紋、人臉三種生物特征被廣泛選擇采用。

基于聲紋的身份認證

人的語音，包含了語義信息和說話人信息，其中包含說話人信息的成份被稱作“聲紋”，利用聲紋進行身份認證的方式被稱為聲紋識別(Voiceprint Recognition, VPR)或說話人識別(Speaker Recognition)。一般有兩類，即說話人辨認(Speaker Identification)和說話人確認(Speaker Verification)。前者用以判斷某段語音是若干人中的哪一個所說的，是“多選一”問題；而后者用以確認某段語音是否是指定的某個人所說的，是“一對一判別”問題。不同的任務和應用會使用不同的聲紋識別技術(shù)，如縮小刑偵范圍時可能需要辨認技術(shù)，而銀行交易時則需要確認技術(shù)?；诼暭y的身份認證又可分為與文本有關(guān)和與文本無關(guān)兩種情形，前者是指在進行身份認證時，輸入語音必須按指定文本內(nèi)容進行發(fā)音并被用來構(gòu)建系統(tǒng)模型；而后者在進行身份認證時，輸入語音與訓練時所采用的語音無關(guān)。

國際上開展基于聲紋的身份認證研究已經(jīng)有近40年的歷史，研究單位包括大學、專門的研究機構(gòu)以及大公司等，如：德克薩斯儀器公司、麻省理工學院、貝爾實驗室等。國內(nèi)開展相關(guān)研究較早的單位有北京大學、中科院聲學所、清華大學、中科院自動化所等。一些基于聲紋的身份認證系統(tǒng)產(chǎn)品也相繼推出，如：ITT公司開發(fā)的SpeakerKey系列產(chǎn)品，Keyware公司開發(fā)的VoiceGuardian，Sensory公司開發(fā)的Voice Direct364及DSP芯片，T－NETIX公司開發(fā)的SpeakEZ產(chǎn)品等等。

1．基于聲紋的身份認證系統(tǒng)框架

一個典型的基于聲紋的身份認證系統(tǒng)框圖如圖1所示[1]。(注：參考文獻[1]~[29]請見本刊網(wǎng)站。）

不論是說話人辨認技術(shù)還是說話人確認技術(shù)，都需要先對說話人的聲紋進行建模，這就是所謂的“訓練”或“學習”過程。

基于聲紋的身份認證一般包括兩個階段：訓練階段和認證階段。在訓練階段，根據(jù)輸入的訓練語音數(shù)據(jù)建立說話人的聲紋模版庫；在認證階段，則根據(jù)身份聲明的說話人的語音，通過某種距離測度進行認證判決。

2．方法概述

(1) 特征提取為了更有效地表征說話人的信息，研究者們已經(jīng)提出了若干語音特征，但遺憾的是目前還未找到專門反映說話人信息的語音特征，在進行說話人識別時采用的特征還基本上是語音識別中所采用的特征，如線性預測系數(shù)(LPC)、倒譜系數(shù)、美標度倒譜(MFCC)、感知線性預測等。大多數(shù)研究者的研究結(jié)果表明，美標度倒譜特征在語音識別和說話人識別等典型的語音信號處理問題中具有良好的性能，因此，該特征成為目前最常用的語音特征。

(2) 聲紋身份認證基本方法基于聲紋的身份認證方法主要有以下幾種：①動態(tài)時間規(guī)整[2]：動態(tài)時間規(guī)整是一種譜模式匹配方法，它可以解決語速變化問題。②長時平均法[3]：該方法對說話人身份的表征是通過將語音特征在長時間上進行平均來實現(xiàn)。但是這種方法缺乏對短時特征的描述。③矢量量化法[4]：矢量量化通過某種聚類規(guī)則對說話人的特征建立模型，該模型通常為一系列包含若干碼字的碼本，對每一個特定的說話人有一個碼本。該方法對短時語音特征能夠進行很好的描述。④人工神經(jīng)網(wǎng)絡[5]： 對說話人特征的提取還難以形成公認的規(guī)則，因此利用善于從大量數(shù)據(jù)中尋找規(guī)律的人工神經(jīng)網(wǎng)絡方法，也是一類可取且有效的方法。⑤隱含馬爾可夫模型[6]：隱含馬爾可夫模型能夠有效地捕捉譜特征中的統(tǒng)計變化，同時也很好地描述了短時語音特征以及語音中的時間變化，因此具有很好的性能，成為一種被廣泛采用的與文本有關(guān)的說話人識別方法。⑥高斯混和模型[7]：高斯混和模型可被認為是隱含馬爾可夫模型的單一狀態(tài)的特殊情形，對于與文本無關(guān)的身份認證，該方法能夠達到很好的效果。

上述若干方法都或多或少地有各種衍生方法和改進方法，也存在將若干種方法的融合起來進行身份認證的情形，這些嘗試都是以提高身份認證準確率為目的的，其中一些嘗試取得了很好的效果，比如人工神經(jīng)網(wǎng)絡與隱含馬爾可夫模型的結(jié)合方法等等。

3．當前基于聲紋的身份認證研究中存在的問題

基于對前人研究的歸納，F(xiàn)urui在1997年指出，在基于聲紋的身份認證中存在如下幾大類問題[8]：①如何借鑒人類在在利用聲紋進行身份 認證時所采用的機制，②如何處理語音的長時變化、短時變化以及語音聲學特征的變異，③如何將基于聲紋的身份認證技術(shù)與其它身份認證技術(shù)進行融合。

4．基于聲紋身份認證的應用

基于聲紋的身份認證幾乎可以應用到人們?nèi)粘Ｉ畹母鱾€角落，而通過電話線進行身份認證是其獨有的特色?；诼暭y身份認證的主要應用領(lǐng)域如下：（1）信息領(lǐng)域：如在自動總機系統(tǒng)中；(2)銀行、證券：鑒于密碼的安全性不高，可用聲紋識別技術(shù)對電話銀行、遠程證券交易等業(yè)務中的用戶身份進行確認；(3)公安司法：對于各種電話勒索、綁架、電話人身攻擊等案件，基于聲紋的身份認證技術(shù)可以在一段錄音中查找出嫌疑人或縮小偵察范圍；同時，該技術(shù)還可以在法庭上提供身份確認的旁證；(4)軍事和國防：基于聲紋的身份認證技術(shù)可以察覺電話交談過程中是否有關(guān)鍵說話人出現(xiàn)，繼而對交談的內(nèi)容進行跟蹤(戰(zhàn)場環(huán)境監(jiān)聽)；在通過電話發(fā)出軍事指令時，可以對發(fā)出命令的人的身份進行確認(敵我指戰(zhàn)員鑒別)；(5)保安和證件防偽：如機密場所的門禁系統(tǒng)；(6)其它。

基于人臉的身份認證

基于人臉的身份認證就是利用計算機對給定的靜止圖像或者動態(tài)圖像序列進行分析，從中提取出有效的識別信息，基于已有的人臉數(shù)據(jù)庫來“辨認”或者“確認”一個或多個人身份的一項技術(shù)。

人的面孔各異，世界上沒有長得一模一樣的兩個人，即使是雙胞胎，用人類學方法測量也可發(fā)現(xiàn)差異。因而，基于人臉的身份認證技術(shù)是一項具有潛力的身份認證技術(shù)?；谝幌盗性u價指標如抗干擾性、精確度、代價、性能等，研究人員對6種主要的身份認證技術(shù)：人臉、聲紋、指紋、手掌、虹膜、簽名進行了綜合比較，基于人臉的身份認證技術(shù)具有最高的得分[9]，見圖2。

基于人臉的身份認證技術(shù)研究始于20世紀60年代末期。到了20世紀90年代后期以來，一些商業(yè)性的基于人臉的身份認證系統(tǒng)逐漸進入市場。作為一種非接觸式的、容易隱蔽使用的識別技術(shù)，基于人臉的身份認證技術(shù)成為當今國際反恐和安全防范最重要的手段之一。

1.基于人臉的身份認證系統(tǒng)框架

一個典型的人臉識別系統(tǒng)框架如圖3所示。

人臉圖像數(shù)據(jù)的獲取 圖像數(shù)據(jù)可以是包含人臉圖像的靜態(tài)圖像，也可以是動態(tài)視頻序列，一般可以通過攝像機、照相機、掃描儀等輸入設(shè)備獲得。

圖像或視頻序列中人臉圖像的檢測、定位 首先在圖像中檢測到人臉，然后根據(jù)人臉比較穩(wěn)定的特征如眼睛進行特征點定位。人臉檢測在自動人臉識別中占有非常重要的地位，直接影響到識別分類的結(jié)果。復雜背景條件下實時的自動人臉檢測是人臉識別領(lǐng)域非常重要的一個課題。

人臉圖像的預處理為了更加有效地提取人臉特征，消減環(huán)境光照等變化對人臉識別結(jié)果的影響，需要對人臉圖像做預處理，這些預處理過程一般包括圖像的旋轉(zhuǎn)、光線矯正、直方圖均衡等過程。

人臉識別特征的提取 提取能夠有效區(qū)別于其他人的識別特征，為下一步的識別做好準備。

人臉圖像的匹配與分類—身份認證 得到人臉的特征模式之后，將模式送入設(shè)計好的分類器，最后得到分類的結(jié)果。

2.方法概述

（1）檢測定位人臉檢測可以被看作是一個兩類的模式識別問題，一個圖像區(qū)域被分類為人臉或者非人臉。常用的人臉檢測方法大致有：

●基于知識的方法：這些基于規(guī)則的方法將人臉的結(jié)構(gòu)知識進行編碼。這些規(guī)則通常描述了人臉特征之間的關(guān)系。這些方法主要用來進行人臉定位。其代表方法如基于規(guī)則的多分辨率方法等。

●特征不變法：這些算法的目的在于找到一些不受姿式、視角、光照條件影響的結(jié)構(gòu)特征，并用這些結(jié)構(gòu)特征來定位人臉。其代表方法如：針對面部特征的邊緣分組方法；針對紋理的人臉模式空間灰度級獨立矩陣方法；針對膚色的高斯混合方法以及將膚色、人臉尺寸、人臉外形等多特征的融合方法等。

●模板匹配方法：幾種標準的人臉模式被存儲起來用于描述整體的人臉或者人臉的各個構(gòu)成部分。通過計算輸入圖像和存儲的模式之間的相關(guān)性來進行檢測。這些方法用在人臉定位和人臉檢測中。其代表方法如外形模板方法及可變外形模板方法等。

●基于外觀的方法：與模板匹配不同的是，可以捕捉人臉外觀具有代表性的可變性的模型(或模板)是從一組訓練圖像中學習來的。這些學到的模型被用于檢測。其代表方法如：本征臉方法、基于分布方法、神經(jīng)網(wǎng)絡方法、支撐向量機、統(tǒng)計系綜學習方法(其典型代表AdaBoost方法)、原始貝葉斯分類器、隱馬爾可夫模型、信息論方法等。這類方法現(xiàn)基本成為人臉檢測方法的主流方法。

（2）預處理人臉圖像的預處理工作包括兩部分內(nèi)容：人臉圖像的幾何歸一化和人臉圖像的灰度歸一化。

人臉圖像的幾何歸一化是指根據(jù)人臉檢測的結(jié)果將圖像中的人臉變換到相同的位置和尺寸。一般是根據(jù)人臉圖像上器官的位置如眼睛、嘴、鼻子等進行的，歸一化后的圖像可以完整的保留眼睛、鼻子和嘴的部分。

人臉圖像的灰度歸一化是指對分割、定位后的人臉圖像灰度值進行調(diào)整，以盡可能地減小成像環(huán)境差異、光照方位、角度不同帶來的負面影響。通常是通過光照補償?shù)确椒▽崿F(xiàn)的。

（3）人臉身份認證基本方法 基于人臉的身份認證涉及到諸多的技術(shù)和方法，這些方法大致可歸類為兩種模式：基于圖像灰度分布的方法(appearance-based scheme)和基于模型的方法(model-based scheme)。

基于圖像灰度分布分析的人臉身份認證主要思想是人臉圖像被表示為一個向量，可看作是高維空間中的一個點，其核心問題是如何通過統(tǒng)計技術(shù)分析這些在高維空間中的表征人臉圖像的矢量以及分析矢量空間本身?；谕庥^模式的人臉身份認證又包括線性分析方法和非線性分析方法兩類。

線性分析方法主要有：

（1）主成份分析方法(PCA－Principal Component Analysis)：通過正交變換得到從高維圖像空間到低維子空間的變換矩陣[10]，該變換是一種最優(yōu)正交變換。這些正交基又被稱作“特征臉”[11][12]，這種方法被稱作基于特征臉的方法。該方法是一種簡單、快速、實用的基于代數(shù)特征的人臉識別方法，保留了人臉部件之間的拓撲關(guān)系，也保留了各器官部件的信息，得到廣泛的應用。但它對光照、視角的變化影響比較大，因此對預處理、歸一化的要求比較高。

（2）獨立成份分析方法(ICA－Independent Component Analysis)[13]：該方法與主成份分析方法非常類似，唯一不同的是各成份的分布不服從高斯分布。

（3）線性判別分析方法(LDA，Linear Discriminant Analysis)[14][15]：該方法是模式識別領(lǐng)域里非常有效的降維手段之一，其基本思想是：充分利用訓練樣本集的類別信息，定義了類內(nèi)擴散矩陣和類間擴散矩陣，策略就是使類內(nèi)擴散矩陣盡量小，類間擴散矩陣盡量大，以此達到降維、分類的目的。近年來，衍生出許多改進的或擴展的LDA算法，如多類問題LDA方法、 Foley-Sammon最佳鑒別矢量集以及UODV算法等。

線性分析方法在將高維矢量映射為低維矢量時，其變換矩陣是線性的。然而，人臉圖像實際上非常復雜，很難用線性模型對其進行完全的刻畫和表示，因此，相應的非線性方法得到了很好的研究。常見的非線性方法有：基于核的主成份分析方法(KPCA－Kernel PCA)[16]，其主要思想是基于某選定的核函數(shù)，構(gòu)造從輸入空間到特征空間的一個非線性映射。此外，典型的非線性方法還有：ISOMAP[17]，LLE[18]等。

基于模型的人臉身份認證技術(shù)與基于外觀的人臉身份認證技術(shù)不同，其主要目標是致力于構(gòu)建能夠表征人臉變化特性的模型，在設(shè)計模型時，人臉的先驗知識被高度利用。主要代表方法有：基于特征的彈性模板匹配方法 (Feature-based Elastic Bunch Graph Matching)[19]、二維可變?nèi)四樐Ｐ?2D morphable face model)[20]以及三維可變?nèi)四樐Ｐ?3D morphable face model)[21]等。

3．當前基于人臉身份認證研究中存在的問題

基于人臉的身份認證研究經(jīng)歷了幾十年的研究，研究者也提出了諸多經(jīng)典算法用以提高系統(tǒng)的性能，然而，它仍然是一個存在諸多挑戰(zhàn)的課題。主要存在問題可以歸結(jié)如下：（1）姿態(tài)：人臉的圖像會隨著相機和人臉的相對姿式的不同而改變(正面，45度，側(cè)面，俯視)。（2）結(jié)構(gòu)成份的有或無：一些臉部特征比如胡子和眼鏡不會在所有的人臉中出現(xiàn)，而且這些構(gòu)成部分本身在尺寸外形顏色上也具有很大的不確定性。（3）面部表情：人臉的外觀常常受到其表情的直接影響。（4）遮蔽：人臉有可能部分的被其它物體所遮蔽。在一張多人的圖像中，一些臉可能部分的被其它的臉所遮蔽。（5）圖像旋轉(zhuǎn)：人臉圖像會隨著相機光軸的旋轉(zhuǎn)而不同。（6）成像條件：拍攝照片的時候，光線(譜段，光源分布和光強)和相機特性(傳感器性能，鏡頭)都會影響一張臉的外觀。

其中姿態(tài)變化 (包括姿勢、表情、遮擋物等)和不同光照條件是基于人臉身份認證技術(shù)的兩大主要挑戰(zhàn)問題。近年來該領(lǐng)域的諸多研究致力于解決這些問題。比如：在解決光照影響的研究中，主要形成了三類方法：不變特征法、光照變化建模和人臉圖像歸一化方法。總而言之，盡管基于人臉身份認證技術(shù)取得了長足的進展，其性能仍然不夠令人滿意[22]。

4．基于人臉身份認證的應用

人臉自動識別技術(shù)在商業(yè)領(lǐng)域及安全領(lǐng)域都有著廣泛的應用。主要包括：（1）證件識別：如居民身份證、駕駛執(zhí)照、護照等，將證件上的照片與持證人核對，這方面的應用已經(jīng)開展了起來。（2）銀行等安全部門的身份驗證：無須密碼，直接把交易人與銀行里的人臉數(shù)據(jù)庫核對，依此來確定人的身份，這方面應用的安全性要求較高，應用還不廣泛。（3）海關(guān)、機場等部門的監(jiān)控系統(tǒng)：計算機實時處理由監(jiān)控設(shè)備傳回的視頻序列，將其中的人臉圖像與數(shù)據(jù)庫中的恐怖分子或罪犯圖像比對，及時發(fā)現(xiàn)恐怖、犯罪分子。隨著近兩年恐怖主義事件的頻頻發(fā)生，這方面的應用在美國的機場、海關(guān)已經(jīng)發(fā)揮了一定的作用。（4）公安刑事偵察：將嫌疑犯與公安人臉數(shù)據(jù)庫中的罪犯、通緝犯等核對，對案件的偵破有一定的輔助作用，分布式公安人臉數(shù)據(jù)庫人臉識別系統(tǒng)將有非常好的應用前景。（5）新一代的人機交互界面：使機器與人的交互更自然，直接。（6）人臉識別還有很多應用，如現(xiàn)在比較熱門的基于內(nèi)容的圖像與視頻數(shù)據(jù)庫檢索分類、公司或小區(qū)的自動門衛(wèi)系統(tǒng)、遠程電視會議、遠程教育等，隨著人臉識別研究的進一步深入，它的應用領(lǐng)域會越來越大。

基于指紋的身份認證

基于指紋的身份認證技術(shù)是20世紀60年代興起的、利用計算機來進行自動指紋識別的一種方法。作為生物特征身份認證技術(shù)的一種，它具有其它特征識別所不可比擬的優(yōu)點：（1）指紋具有唯一性：每個人的指紋基本上是獨一無二的，兩人之間就算他們是雙胞胎也不可能存在著相同的指紋。在60億人中不會找到一對特征完全相同的指紋。（2）指紋具有穩(wěn)定性：每個人的指紋是相當固定的，很難發(fā)生變化。（3）指紋具有攜帶方便性：它是每個人天生具有的，所以獲取指紋樣本較方便。 一個人的十指指紋皆不相同，這樣，可以方便地利用多個指紋構(gòu)成多重口令，提高系統(tǒng)的安全性。所以，自動指紋識別是一種更為理想的身份確認技術(shù)。

1．基于指紋身份認證的基本過程

與其它身份認證方法類似，基于指紋身份認證過程也是一類典型的模式識別過程，它包括兩個部分：登記過程和認證過程。

2．方法概述

(1) 指紋圖像預處理—紋增強在指紋認證過程中，盡管任一手指均可用于指紋登記，但通常采用拇指、食指或中指來登記，這是因為拇指紋路較清晰，而食指和中指比較靈活的緣故。同時，登記的指紋最好是紋路清晰、特征點明顯、沒有破損或疤痕。

在實際的自動指紋身份認證系統(tǒng)中，總是出現(xiàn)指紋圖像質(zhì)量偏低的情形，因而，指紋圖像增強的研究成為指紋特征提取過程的一個關(guān)鍵所在。為了提高質(zhì)量偏低指紋圖像的處理效果和效率，研究者們提出了多種指紋增強算法，如Willis等人提出的指紋增強算法 [23]，Lin Hong等人提出將Gabor濾波器用于指紋圖像增強[24]等等。

(2) 特征提取根據(jù)指紋的總體形狀和細節(jié)，指紋的特征分為兩類：總體特征和局部特征(細節(jié)特征)。其中總體特征包括：基本紋路圖案(環(huán)型、拱型、螺旋型)、核心點、三角點、式樣線、紋數(shù)等；局部特征指的是指紋上的節(jié)點。通常有6種類型的指紋節(jié)點：脊斷點、分歧點、分叉點、孤立點、短紋、環(huán)形點。除了類型特性以外，節(jié)點還有如下三種特性：方向、曲率、位置。

根據(jù)需求的不同，還可以把人的指紋特征分為永久特征和非永久特征。其中永久特征在人的一生中永遠不會改變，如基本紋路圖案、核心點、三角點、脊斷點、分叉點、紋數(shù)、紋路曲率等；而非永久特征主要是在后天環(huán)境下形成的，如孤立點、短紋、疤痕以及由疤痕而造成的斷點等等。

兩枚指紋經(jīng)常具有相同的總體特征，但它們的局部特征卻不可能完全相同。因此，一般而言，基于指紋的身份認證系統(tǒng)大多是根據(jù)細節(jié)點的數(shù)目、類型和位置等信息來實現(xiàn)身份的認證。這使得準確可靠的檢測細節(jié)特征對于基于指紋的身份認證具有非常重要的意義。近年來，許多研究者對此展開了較深入的研究，如：Srinivasan等人提出了一種通過檢測紋線方向直方圖的檢測方法[25]；Bazen等人提出一種用紋線方向變化梯度的檢測方法[26]等。

(3) 匹配及識別指紋識別系統(tǒng)的核心步驟是指紋匹配，基本包括如下幾類：細節(jié)點匹配、脊線匹配以及指紋特征向量匹配等。一般來說，指紋匹配首先是進行指紋的校準，然后進行匹配點對的計算。指紋識別的研究在近幾年里也取得很大的進展，提出了許多較好的方法，如目前最常用的FBI方法：它利用脊線末梢與脊線分支點來進行指紋鑒定和點模式匹配。此外，Hrechak等人提出了通過結(jié)構(gòu)匹配的指紋識別方法[27]；Isenor等人提出用圖匹配的方法來進行指紋匹配[28]；Miklos等人提出的三角匹配算法[29]等等。

為了尋求待識別圖像相對于模板圖像的最佳平移參數(shù)和旋轉(zhuǎn)角度，研究者將曲線擬合技術(shù)引入指紋匹配過程中，通過對紋線擬合度的分析來進行指紋識別。此外，由于噪聲干擾和特征點提取方法不完備等不利因素的影響，特征匹配需要解決由此引起的一系列問題，如特征數(shù)目不等、幾何畸變以及偽細節(jié)點的出現(xiàn)等等。針對這些問題，研究者們分別提出利用Delaunay三角形化進行特征點空間剖分的特征匹配方法，多模板細節(jié)點融合方法等等。

在對當前指紋識別的現(xiàn)狀及趨勢進行深入分析的基礎(chǔ)上，研究者們提出了基于細節(jié)點匹配，綜合多種匹配方法的指紋識別思想。這一思想被認為是提高指紋識別系統(tǒng)可靠性的一種非常有效的途徑。

3．基于指紋身份認證的應用

基于指紋的身份認證技術(shù)歷史悠久，發(fā)展成熟，其應用領(lǐng)域也非常廣泛，主要包括：（1）刑事偵破：這是指紋身份認證技術(shù)最早的應用領(lǐng)域。（2）門禁系統(tǒng)：指紋身份認證技術(shù)和產(chǎn)品較多應用于門禁系統(tǒng)。（3）金融證券：由于金融業(yè)務涉及資金以及客戶的經(jīng)濟機密，為保證資金安全，保護銀行客戶及銀行自身的利益，在業(yè)務管理和經(jīng)營過程中，利用指紋身份認證技術(shù)越發(fā)顯現(xiàn)出其必要性。（4）戶籍管理：可以為加強政府行政準確度和行政管理力度提供可靠的質(zhì)量保證。（5）員工考勤：員工考勤的公正、合理、科學、有效逐步成為企業(yè)或公司面臨的現(xiàn)實課題，這首要強調(diào)的是身份認證的準確性。（6）其它如計算機及網(wǎng)絡，社會保險，移動通信等等領(lǐng)域。

發(fā)展趨勢

基于生物特征的身份認證技術(shù)經(jīng)歷了幾十年的研究和探索，基本形成由利用單一的生物特征到綜合多種生物特征來進行身份認證的發(fā)展趨勢。

由于各種生物特征的識別方式都有其一定的適用范圍和要求，單一的生物特征識別系統(tǒng)在實際應用中顯現(xiàn)出各自的局限性，如有些人的指紋無法提取特征，患白內(nèi)障的人虹膜會發(fā)生變化等等，統(tǒng)計顯示迄今為止，還沒有一個單生物特征能達到完美無錯的要求。目前，生物特征識別領(lǐng)域出現(xiàn)了一種新的方向，即多種生物特征識別技術(shù)結(jié)合使用。如德國知名的法蘭富爾協(xié)會研發(fā)了一種多重模板識別系統(tǒng)，DCS AG公司采用這一專利開發(fā)了身份識別系統(tǒng)BiolD。BiolD利用目前日漸普及的數(shù)字攝像頭，將一個人的面貌、聲音以及嘴唇運動三種生物特征相結(jié)合，在一秒鐘內(nèi)快速完成識別。由于在識別過程中同時采用了動態(tài)、靜態(tài)這兩種特征，當其中的一種生物特征變動時，多重模板識別系統(tǒng)還能依據(jù)其它兩項生物特征進行識別。將數(shù)據(jù)融合方法用于身份鑒別，結(jié)合多種生理和行為特征進行身份鑒別具有低錯誤拒絕率、特征變化的適應性強、安全可靠性高等優(yōu)點，從而進一步精化了識別率。提高鑒別系統(tǒng)的精度和可靠性，成為身份鑒別領(lǐng)域發(fā)展的趨勢。

雖然目前中國生物識別研究的總體水平與國際先進水平尚存在一定差距，但研究步伐大體上跟國際同步，并在虹膜、指紋、聲紋、人臉、掌紋、筆跡識別等領(lǐng)域頗具特色，達到世界先進和領(lǐng)先水平。為了推動國內(nèi)生物認證技術(shù)的發(fā)展，不久前，作為國內(nèi)生物認證技術(shù)研究單位之一的中科院自動化研究所，以模式識別國家重點實驗室為核心，成立了國內(nèi)第一個生物特征識別技術(shù)的專業(yè)認證與測評機構(gòu)——“生物特征認證與測評中心”，結(jié)束了國內(nèi)生物認證領(lǐng)域沒有評測機構(gòu)的歷史。

在以計算機技術(shù)和生物技術(shù)為主流科技的知識經(jīng)濟崛起時代，身份認證有了來自生物體自身的密匙，橫跨這兩大科技領(lǐng)域的生物特征識別技術(shù)正愈益顯示出其旺盛的生命力和遠大前景。

吳璽宏 男，副教授，1967年出生。1995年于北京大學電子學系獲博士學位?，F(xiàn)任北京大學言語聽覺研究中心常務副主任、北京大學信息科學技術(shù)學院智能科學系副主任、北京大學視覺與聽覺信息處理國家重點實驗室副主任、中國聽力康復專業(yè)委員會副主任委員等職。主要研究方向為計算機聽覺、語音信號處理、模式識別及其在聲紋識別、人臉識別等領(lǐng)域的應用。

羅定生男，講師，1975年出生。2003年于北京大學信息科學技術(shù)學院獲博士學位。主要研究方向為機器學習與統(tǒng)計模式識別，語言信息處理，聽覺信息處理及其在聲紋識別、人臉識別等領(lǐng)域的應用。