【扫盲篇】一文读懂生物识别技术

什么是生物识别技术？

所谓生物识别技术就是，通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性，（如指纹、指静脉、人脸、虹膜等）和行为特征（如笔迹、声音、步态等）来进行个人身份的鉴定。 — 引自：百度百科-生物识别技术

目前主流的六种生物识别技术：指纹识别、人脸识别、掌纹识别、虹膜识别、声纹识别和静脉识别。还有更多的生物识别技术如耳膜、步态、笔迹、击键动态等等正在被研究和应用落地。

为什么我们需要生物特征识别？

传统身份鉴定方法

• 身份标识物品（如钥匙、证件、IC卡等等）
• 身份标识知识（如动态口令、用户名和密码）

缺点：一旦身份标识物品或身份标识知识被盗或遗失，其身份就容易被他人冒充或取代。

生物特征识别技术的优点

• 更安全、保密和方便性
• 不易遗忘、防伪性能好、不易伪造或被盗
• 随身“携带”和随时随地可用

正是因为人体特征具有不可复制的独一性，这一生物密钥无法复制，失窃或被遗忘，利用生物识别技术进行身份认定，来达到安全、可靠和准确的目标。

指纹识别

所谓指纹识别，即通过识别模块收集你的指纹信息，与之前存储的指纹信息进行对比。

生物特征示意图

图片引自：https://ucr.fbi.gov/fingerprints_biometrics/biometric-center-of-excellence/files/fingerprint-recognition.pdf

识别流程

图片引自：https://www.sciencedirect.com/topics/computer-science/fingerprint-recognition

1. 指纹采集：通过专门的指纹采集仪进行采集指纹图像，指纹传感器按采集方式分为划擦式和按压式，按信号采集原理目前有光学式、压敏式、电容式、电感式、热敏式和超声波式等。
2. 指纹图像处理：指纹图像压缩（主要方法包括JPEG、WSQ、EZW）、指纹图像处理（包括指纹区域检测、图像质量判断、方向图和频率估计、图像增强、指纹图像二值化和细化等）
3. 指纹特征提取 ：总体特征是指那些用人眼直接就可以观察到的特征。包括纹形、模式区、核心点、三角点和纹数等。
4. 指纹匹配：指纹匹配是用现场采集的指纹特征与指纹库中保存的指纹特征相比较，判断是否属于同一指纹。对比方式主要有1v1和1vN两种方式。

应用场景

广泛应用于银行、考勤、公安等领域

人脸识别

人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。

生物特征示意图

图片引自：https://blogs.microsoft.com/on-the-issues/2020/03/31/washington-facial-recognition-legislation/

识别过程

图片引自：https://cmusatyalab.github.io/openface/

1. 采集图像：使用摄像设备采集人脸图像，图像质量要求高清、无遮挡。
2. 预处理：对采集的图像进行预处理，包括调整图像大小、去噪、调整色彩等，以便更好地进行人脸识别。
3. 特征提取：通过对人脸图像进行特征提取，提取出面部的各种特征，如眼睛、鼻子、嘴巴、眉毛等部位的形状、大小、位置等信息，作为识别的基础。
4. 比对识别：将采集到的人脸图像与预处理后的人脸特征进行比对，比对的结果通过算法计算得出，以确定人脸的身份。
5. 后处理：对比对结果进行分析，如果识别结果与预期结果一致，则认定为合法用户；如果识别结果与预期结果不一致，则认定为非法用户。
6. 存储和应用：将识别结果存储在数据库中，以备后续应用。同时，也可以将识别结果作为人脸识别技术的应用场景，如人脸门禁、人脸支付等。

应用场景

广泛应用于公安监控、移动支付等领域

掌纹识别

掌纹识别技术是近几年提出的一种较新的生物特征识别技术。掌纹是指手指末端到手腕部分的手掌图像。其中很多特征可以用来进行身份识别：如主线、皱纹、细小的纹理、脊末梢、分叉点等。掌纹识别技术也是一种非侵犯性的识别方法，用户比较容易接受，对采集设备要求不高。

生物特征示意图

图片来源：http://www.ioa.cas.cn/webold/kxcb/kpgz/201809/t20180907_5065413.html

识别过程

1. 采集掌纹图像：掌纹识别需要采集手掌图像，通常是通过拍摄手掌并使用图像采集设备获得。
2. 图像预处理：采集到的掌纹图像通常需要进行预处理，如去除噪点、增强对比度等操作，以便于后续的特征提取和识别。
3. 特征提取：掌纹识别的关键在于提取掌纹图像中的特征，这些特征用于区分不同的个体。常用的特征包括主线、皱纹、细小的纹理、脊末梢、分叉点等。
4. 模板匹配：采集到的掌纹图像通常需要与模板进行比对，以确定掌纹图像中的掌纹是否与已有的掌纹特征相匹配。
5. 识别结果处理：比对结果确定了掌纹图像中的掌纹是否与已有的掌纹特征相匹配后，就可以进行识别结果的处理。如果掌纹匹配成功，则认定为合法用户；如果匹配失败，则认定为非法用户

应用场景

已被广泛应用于移动支付、门禁、交通运输等领域

虹膜识别

生物特征示意图

识别过程

图片来源：https://zhuanlan.zhihu.com/p/112922031

1. 虹膜图像获取：使用特定的摄像器材对人的整个眼部进行拍摄，并将拍摄到的图像传输给虹膜识别系统的图像预处理软件。
2. 图像预处理：对获取到的虹膜图像进行如下处理，使其满足提取虹膜特征的需求。虹膜定位：确定内圆、外圆和二次曲线在图像中的位置。其中，内圆为虹膜与瞳孔的边界，外圆为虹膜与巩膜的边界，二次曲线为虹膜与上下眼皮的边界。虹膜图像归一化：将图像中的虹膜大小，调整到识别系统设置的固定尺寸。图像增强：针对归一化后的图像，进行亮度、对比度和平滑度等处理，提高图像中虹膜信息的识别率。
3. 特征提取和匹配：提取虹膜图像中的特征，并将其与已知的虹膜特征进行比对，以确定身份。
4. 身份验证：根据比对结果，确认身份的真实性和有效性。

应用场景

已被广泛应用于安全监控、身份认证等领域

声纹识别

声纹(Voiceprint)，是用电声学仪器显示的携带言语信息的声波频谱，是由波长、频率以及强度等百余种特征维度组成的生物特征，具有稳定性、可测量性、唯一性等特点。

生物特征示意图

识别流程

图片来源：https://www.elecfans.com/d/883161.html

1. 说话人识别（Speaker Recognition）：声纹识别系统的核心在于对讲话者的声音信号进行处理和分析，从中提取出讲话者的声音特征，实现对讲话者身份的识别。因此，说话人识别是声纹识别的关键步骤。
2. 语音信号处理：声纹识别的基础是语音信号处理。在语音信号处理过程中，需要对声音信号进行采样、加窗、滤波、预加重等处理，以便后续的特征提取和模式匹配。
3. 特征提取：在处理过程中，需要提取语音信号的特征，这些特征用于后续的模式匹配和分类预测。常用的特征包括梅尔频率倒谱系数（MFCC）、谱特征、谐波特征、能量特征等。
4. 模式匹配：采用模式匹配的方法，将已知说话人的声音特征与当前说话人的声音特征进行比较，以确定讲话者的身份。常用的模式匹配方法包括最大似然估计（MLE）、隐马尔科夫模型（HMM）、条件随机场（CRF）等。
5. 身份验证：当确定讲话者的身份后，声纹识别系统还需要判断该身份是否真实有效。一般来说，需要采用更复杂的技术手段进行身份验证，例如基于证件照、血样比对等方法。

应用场景

已被广泛应用于语音助手、语音支付等领域

指静脉识别

指静脉识别，主要是利用 特定波长的红外光线照射指静脉血液里的血红蛋白，并使用图像传感器获取清晰的指静脉图像。通过对静脉图像的获取，利用算法后台对静脉图像预处理和静脉图像特征比对，来进行认证和识别的最新一代生物识别技术。

生物特征示意图

识别流程

图片来源：https://www.leiphone.com/category/smartsecurity/Gu3COa6TPw0573H2.html

应用场景

已被广泛应用于身份认证、司法公安、移动支付等领域

总结

本文介绍了主流的生物识别技术和基本识别流程，大部分都需要针对人体生物特征进行采集和提取，处理成计算机能够处理的图像信息，通过模型比对最终达到身份识别和认证的效果。不同的生物特征都有广泛的应用场景，比如刷脸、刷掌、虹膜均在支付场景有落地应用，均带来不错的用户体验，极具科技感，期待未来生物识别技术迎来更多的突破，相信这将会影响我们生活的方方面面。

注：以上内容基于网络检索归纳总结，如有错误可以留言补充，主要是为了对生物识别技术有一个感性的认知，介绍了核心识别流程，不涉及复杂的算法公式，如果对以上生物识别技术具体实现感兴趣可以自行查阅相关论文和文献。

参考文献

• [维基百科-生物识别技术](https://zh.wikipedia.org/zh-cn/%E7%94%9F%E7%89%A9%E8%AF%86%E5%88%AB%E6%8A%80%E6%9C%AF)
• 百度百科-生物识别技术
• MBA智库-生物识别技术
• 生物识别综述：技术分类及应用
• eefocus-指纹识别技术
• 指纹识别原理是什么？带你了解指纹识别技术