目前,常用的生物特征識別技術(shù)所用的生物特征有基于生理特征的如人臉、指紋、虹膜,也有基于行為特征的如筆跡、聲音等。下面就這些常見(jiàn)的生物特征識別技術(shù)的特點(diǎn)及其發(fā)展趨勢作一簡(jiǎn)單介紹。
人臉識別
人臉識別作為一種基于生理特征的身份認證技術(shù),與目前廣泛應用的以密碼、IC卡為媒介的傳統身份認證技術(shù)相比,具有不易偽造、不易竊取、不會(huì )遺忘的特點(diǎn);而人臉識別與指紋、虹膜、掌紋識別等生理特征識別技術(shù)相比,具有非侵犯性、采集方便等特點(diǎn)。因而人臉識別是一種非常自然、友好的生物特征識別認證技術(shù)。
人臉識別技術(shù)包括圖像或視頻中進(jìn)行人臉檢測、從檢測出的人臉中定位眼睛位置、然后提取人臉特征、最后進(jìn)行人臉比對等一系列相關(guān)的技術(shù)。
最早的人臉識別系統建成于20世紀60年代,該系統以人臉特征點(diǎn)的間距、比率等參數作為特征,構建了一個(gè)半自動(dòng)的人臉識別系統。此時(shí)的人臉識別研究多集中于研究如何提取特征點(diǎn)進(jìn)行人臉識別,如人臉特征器官(眼角、嘴角、鼻孔)的相對位置、大小、形狀、面積及彼此間的幾何關(guān)系等。由于這些特征點(diǎn)難以準確定位、魯棒性差,因而采用這些方法的人臉識別系統的性能都很低。
自20世紀80年代開(kāi)始,人臉識別技術(shù)出現了基于面部圖像的方法。與基于特征點(diǎn)的方法相比,基于面部圖像的方法不是提取人臉特征器官這一高層特征,而是將人臉作為一個(gè)圖像整體,從圖像中提取反映人臉特性的特征如DCT變換特征、小波特征、Gabor特征等等?;诿娌繄D像的方法由于利用了更多的底層信息,以及統計模式識別方法的引入,使得這類(lèi)方法具有非常高的識別率和非常好的魯棒性。由于基于面部圖像的人臉識別算法具有很高性能,目前已經(jīng)出現了不少推廣人臉識別技術(shù)的廠(chǎng)商,如國內的北京海鑫科金高科技股份有限公司、國外的L1ID等。
為了評測基于面部圖像的人臉識別算法的性能。美國ARPA和ARL于1993年至1996年建立了FERET數據庫,用于評測當時(shí)的人臉識別算法的性能。共舉行了三次測試FERET94、FERET95、FERET96。FERET測試的結果指出,光照、姿態(tài)和年齡變化會(huì )嚴重影響人臉識別的性能。
FERET的測試結果也表明了基于面部圖像的方法的缺點(diǎn)。人臉是一個(gè)三維非剛體,具有姿態(tài)、表情等變化,人臉圖像采集過(guò)程中易受到光照、背景、采集設備的影響。這些影響會(huì )降低人臉識別的性能。
為了克服姿態(tài)變化對人臉識別性能的影響,也為了進(jìn)一步提高人臉識別性能,20世紀90年代后期,一些研究者開(kāi)始采用基于3D的人臉識別算法。這些算法有的本身就采用三維描述人臉,有的則用二維圖像建立三維模型,并利用三維模型生成各種光照、姿態(tài)下的合成圖像,利用這些合成圖像進(jìn)行人臉識別。
2000年后,人臉識別算法逐漸成熟,出現了商用的人臉識別系統。為了評測這些商用系統的性能,也作為FERET測試的延續,美國有關(guān)機構組織了FRVT2000、FRVT2002、FRVT2006測試。測試結果表明,人臉識別錯誤率在FRVT2006上下降了至少一個(gè)數量級,這種性能的提升在基于圖像的人臉識別算法和基于三維的人臉識別算法上都得到體現。此外,在可控環(huán)境下,虹膜、靜態(tài)人臉和三維人臉識別技術(shù)的性能是相當的。此外,FRVT2006還展現了不同光照條件下人臉識別性能的顯著(zhù)提高,最后,FRVT2006表明人臉自動(dòng)識別的性能優(yōu)于人。值得一提的是,清華大學(xué)電子工程系作為國內唯一參加FRVT2006的評測的學(xué)術(shù)機構,其人臉自動(dòng)識別性能優(yōu)于人類(lèi)。
FRVT2006為人臉識別后續的研究指明了方向,人臉識別中光照、年齡變化依然對人臉識別性能有很大影響,二維人臉識別的性能
1 2 下一頁(yè) |
上一頁(yè) 1 2 |