网络信息安全技术概论(第二版) 作者 吕林涛 第十二章 基于生物特征的身份认证技术.pptVIP

* 基于其他生物特征的身份认证 人脸认证模块的工作流程 * 基于其他生物特征的身份认证 整个识别流程如图所示。 系统的运行界面如图所示（由于肖像权问题，在此将照片省略）。 （12.5） 照片比对系统的运行结果 * 12.7 生物特征身份认证技术发展趋势 经过多年的发展，生物特征身份认证技术取得了长足进步。但因诸多因素的制约，目前，基于计算机视觉的生物特征身份认证还远未达到普及使用的程度。以下几个方面尤其值得进一步深入探索。 （1）多生物特征身份认证合作与融合机制 （2）实时性要求 （3）生物特征身份认证技术与传统技术相结合 * * * * * * * * * * * * * * * 虹膜身份认证的方法 1.虹膜图像预处理 虹膜图像预处理主要包括虹膜定位、虹膜归一化、虹膜图像的增强和去噪四个部分，其中虹膜定位是关键。 现有的虹膜定位方法主要分为两大类： 基于边缘有哪些信誉好的足球投注网站的方法 边缘检测与Hough变换相结合的方法 * 虹膜身份认证的方法 基于边缘有哪些信誉好的足球投注网站的方法，比较经典的有Daugman 提出的微积分算子方法，Daugman 系统利用如下微积分算子（Integro-Differential Operator）来计算虹膜内外圆参数： 其中 是标准差 为的高斯函数，起平滑滤波作用，I为虹膜图像，*表示卷积，除以2πr是为了归一化。 * 虹膜身份认证的方法 该算子在以圆心 （x，y）、半径为r的圆周ds上，对每点像素做积分并归一化，再求差分，差分的极值所对应的坐标 （x，y，z） 即为所求圆的中心及半径。整个算子的作用为一个以一定尺度的高斯函数模糊化的圆的边缘检测器，它在三维的参数空间迭代求最优解。同样该算子也用于眼睑的检测，检测眼睑时积分路径 改为圆弧形（Arcuate），然后用统计方法判断是否有眼睑。 * 虹膜身份认证的方法 Daugman 的虹膜定位算法的关键是如何快速地粗定位虹膜外圆的圆心及半径，因为如果在整个虹膜图像上迭代求解圆心及半径的话，速度会非常慢，此外，高斯函数的参数，即标准差σ的选择也会影响定位的精度及速度。另外，在非理想状态下，如何去除或减少睫毛、眼睑及光斑等的干扰，避免陷入局部极大值，也是值得研究的问题。 * 虹膜身份认证的方法 另一类是边缘检测与Hough变换相结合的方法，比较经典的有Wildes提出的虹膜定位方法。Wildes系统先用二维高斯函数结合拉普拉斯算子来寻找虹膜边缘点，再用Hough 变换来得到虹膜参数，也是在三维参数空间求内外圆的参数最优解。 检测眼睑时，利用Hough变换进行抛物线的拟合，由于拟合抛物线时，需要在四维参数空间求最优解，见下式 因此速度很慢。 * 虹膜身份认证的方法 （12.2） 其中，为控制曲率，为抛物线的顶点，是曲线相对x轴的旋转角度。 利用几何方法定位瞳孔，利用Canny算子结合Hough变换定位外圆的定位方法是一种较好的方法，该方法具有较好的定位精度和速度，定位过程和结果如图所示。 对定位结果进行归一化、增强和去噪处理，即可进行特征提取。在何孝富的博士论文中，提出了一种利用集合方法定位瞳孔，利用Canny算子结合Hough变化定位外圆的定位方法，取得了较好的结果。下图表示了这种方法的处理过程和结果。 * 虹膜身份认证的方法 虹膜定位过程 * 虹膜身份认证的方法 2. 虹膜特征提取与匹配 虹膜图像经过预处理之后，得到的是归一化的虹膜图像，虹膜特征提取及匹配主要是对归一化后的虹膜图像抽取特征并按照一定的匹配准则与虹膜特征库进行比对，达到认证的目的。常见的虹膜特征抽取方法有以下几类：基于相位分析的方法、基于过零点描述的方法、基于纹理分析的方法和基于形状分析的方法。 Daugman的核心算法利用Gabor滤波器的局部性和方向性对虹膜纹理进行分解编码， * 虹膜身份认证的方法 依据Gabor小波具有与人类简单视觉细胞相似的视觉特性，能够很好地分析现实世界中的各种模式，因此Daugman设计了如下的二维的Gabor滤波器对归一化后的纹理进行滤波： * 虹膜身份认证的方法 通过比较两幅虹膜图像的对应特征向量之间的相似性来判断两幅虹膜是否为同一类。常见的相似性度量方法主要有欧氏距离、加权欧氏距离、海明距离等。其中，海明距离主要是利用其相位信息进行匹配，其他主要用其幅值信息。 Daugman算法利用归一化的海明距离实现虹膜特征匹配。 * 12.4 基于人脸的身份认证 人脸身份认证的原理