吳璽宏　羅定生

信息時(shí)代的到來(lái)給人類(lèi)社會(huì)帶來(lái)了極大的變革，身份認(rèn)證在信息時(shí)代也有了新的內(nèi)涵。基于對(duì)傳統(tǒng)身份認(rèn)證缺陷的考慮，利用生物特征的身份認(rèn)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(duì)人體生物特征的三類(lèi)典型代表：聲紋、人臉、指紋從系統(tǒng)框架、方法概述、當(dāng)前研究存在問(wèn)題以及應(yīng)用前景給出了較全面的綜述。

傳統(tǒng)的身份認(rèn)證方法主要借助體外物來(lái)實(shí)現(xiàn)身份的鑒定，包括標(biāo)識(shí)物品和標(biāo)識(shí)信息，前者如證件、信用卡、駕照等，后者如用戶(hù)名和密碼等。一旦證明身份的標(biāo)識(shí)物品和標(biāo)識(shí)信息被盜或遺忘，其身份就容易被他人冒充或取代?；谏锾卣鞯纳矸菡J(rèn)證則利用了人體固有的生理和行為特征來(lái)進(jìn)行個(gè)人身份的認(rèn)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(rèn)證主要是通過(guò)生物傳感器、光學(xué)、聲學(xué)、計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)原理等高科技手段的密切結(jié)合來(lái)實(shí)現(xiàn)的，因而它與傳統(tǒng)的身份認(rèn)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(wèn)題；（2） 更具保密性：用于身份認(rèn)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(diǎn)以及隨時(shí)隨地可用的特點(diǎn)。

基于生物特征的身份認(rèn)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(duì)、銀行、社會(huì)福利保障、電子商務(wù)、安全防務(wù)。伴隨著其應(yīng)用的發(fā)展,該領(lǐng)域的研究越來(lái)越深入，許多國(guó)家將其作為重大基礎(chǔ)戰(zhàn)略技術(shù)加以研究?！?·11”事件后，基于生物特征的身份認(rèn)證技術(shù)更是受到美國(guó)、日本、歐洲各國(guó)的高度重視，愈加顯示出它的價(jià)值，以美國(guó)為例，基于這項(xiàng)技術(shù)的產(chǎn)業(yè)規(guī)模已經(jīng)達(dá)到數(shù)十億美元。美國(guó)通過(guò)立法明確要求在國(guó)家安全領(lǐng)域采用這一技術(shù)。國(guó)際民用航空組織日前也要求其所屬188個(gè)成員國(guó)和地區(qū)從2004年底開(kāi)始將生物特征加入個(gè)人護(hù)照中。

一般而言，能夠用來(lái)認(rèn)證身份的生物特征應(yīng)該具有以下特點(diǎn)：（1） 廣泛性：每個(gè)人都應(yīng)該具有這種特征；（2） 唯一性：每個(gè)人擁有的特征應(yīng)該各不相同；（3） 穩(wěn)定性：所選擇的特征應(yīng)該不隨時(shí)間變化而發(fā)生變化；（4） 可采集性：所選擇的特征應(yīng)該便于獲取。然而，在實(shí)際的應(yīng)用中，并不是所有能夠滿(mǎn)足上述四個(gè)特點(diǎn)的生物特征就可以用來(lái)進(jìn)行身份認(rèn)證的。通常，還需考慮如下幾個(gè)主要指標(biāo)：性能指標(biāo)，所選擇的生物統(tǒng)計(jì)特征能夠達(dá)到多高的識(shí)別率；效率指標(biāo)，對(duì)于資源的要求，包括時(shí)間復(fù)雜度和空間復(fù)雜度兩個(gè)方面；安全性指標(biāo)，系統(tǒng)是否能夠防止被攻擊；可接受性及非侵犯性指標(biāo)，用戶(hù)是否愿意接受所選擇的生物特征；同時(shí)還要考慮具體應(yīng)用領(lǐng)域的特點(diǎn)等等?；趯?duì)這些指標(biāo)的考慮，目前諸多應(yīng)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(rèn)證

人的語(yǔ)音，包含了語(yǔ)義信息和說(shuō)話(huà)人信息，其中包含說(shuō)話(huà)人信息的成份被稱(chēng)作“聲紋”，利用聲紋進(jìn)行身份認(rèn)證的方式被稱(chēng)為聲紋識(shí)別(Voiceprint Recognition, VPR)或說(shuō)話(huà)人識(shí)別(Speaker Recognition)。一般有兩類(lèi)，即說(shuō)話(huà)人辨認(rèn)(Speaker Identification)和說(shuō)話(huà)人確認(rèn)(Speaker Verification)。前者用以判斷某段語(yǔ)音是若干人中的哪一個(gè)所說(shuō)的，是“多選一”問(wèn)題；而后者用以確認(rèn)某段語(yǔ)音是否是指定的某個(gè)人所說(shuō)的，是“一對(duì)一判別”問(wèn)題。不同的任務(wù)和應(yīng)用會(huì)使用不同的聲紋識(shí)別技術(shù)，如縮小刑偵范圍時(shí)可能需要辨認(rèn)技術(shù)，而銀行交易時(shí)則需要確認(rèn)技術(shù)?；诼暭y的身份認(rèn)證又可分為與文本有關(guān)和與文本無(wú)關(guān)兩種情形，前者是指在進(jìn)行身份認(rèn)證時(shí)，輸入語(yǔ)音必須按指定文本內(nèi)容進(jìn)行發(fā)音并被用來(lái)構(gòu)建系統(tǒng)模型；而后者在進(jìn)行身份認(rèn)證時(shí)，輸入語(yǔ)音與訓(xùn)練時(shí)所采用的語(yǔ)音無(wú)關(guān)。

國(guó)際上開(kāi)展基于聲紋的身份認(rèn)證研究已經(jīng)有近40年的歷史，研究單位包括大學(xué)、專(zhuān)門(mén)的研究機(jī)構(gòu)以及大公司等，如：德克薩斯儀器公司、麻省理工學(xué)院、貝爾實(shí)驗(yàn)室等。國(guó)內(nèi)開(kāi)展相關(guān)研究較早的單位有北京大學(xué)、中科院聲學(xué)所、清華大學(xué)、中科院自動(dòng)化所等。一些基于聲紋的身份認(rèn)證系統(tǒng)產(chǎn)品也相繼推出，如：ITT公司開(kāi)發(fā)的SpeakerKey系列產(chǎn)品，Keyware公司開(kāi)發(fā)的VoiceGuardian，Sensory公司開(kāi)發(fā)的Voice Direct364及DSP芯片，T－NETIX公司開(kāi)發(fā)的SpeakEZ產(chǎn)品等等。

1．基于聲紋的身份認(rèn)證系統(tǒng)框架

一個(gè)典型的基于聲紋的身份認(rèn)證系統(tǒng)框圖如圖1所示[1]。(注：參考文獻(xiàn)[1]~[29]請(qǐng)見(jiàn)本刊網(wǎng)站。）

不論是說(shuō)話(huà)人辨認(rèn)技術(shù)還是說(shuō)話(huà)人確認(rèn)技術(shù)，都需要先對(duì)說(shuō)話(huà)人的聲紋進(jìn)行建模，這就是所謂的“訓(xùn)練”或“學(xué)習(xí)”過(guò)程。

基于聲紋的身份認(rèn)證一般包括兩個(gè)階段：訓(xùn)練階段和認(rèn)證階段。在訓(xùn)練階段，根據(jù)輸入的訓(xùn)練語(yǔ)音數(shù)據(jù)建立說(shuō)話(huà)人的聲紋模版庫(kù)；在認(rèn)證階段，則根據(jù)身份聲明的說(shuō)話(huà)人的語(yǔ)音，通過(guò)某種距離測(cè)度進(jìn)行認(rèn)證判決。

2．方法概述

(1) 特征提取為了更有效地表征說(shuō)話(huà)人的信息，研究者們已經(jīng)提出了若干語(yǔ)音特征，但遺憾的是目前還未找到專(zhuān)門(mén)反映說(shuō)話(huà)人信息的語(yǔ)音特征，在進(jìn)行說(shuō)話(huà)人識(shí)別時(shí)采用的特征還基本上是語(yǔ)音識(shí)別中所采用的特征，如線(xiàn)性預(yù)測(cè)系數(shù)(LPC)、倒譜系數(shù)、美標(biāo)度倒譜(MFCC)、感知線(xiàn)性預(yù)測(cè)等。大多數(shù)研究者的研究結(jié)果表明，美標(biāo)度倒譜特征在語(yǔ)音識(shí)別和說(shuō)話(huà)人識(shí)別等典型的語(yǔ)音信號(hào)處理問(wèn)題中具有良好的性能，因此，該特征成為目前最常用的語(yǔ)音特征。

(2) 聲紋身份認(rèn)證基本方法基于聲紋的身份認(rèn)證方法主要有以下幾種：①動(dòng)態(tài)時(shí)間規(guī)整[2]：動(dòng)態(tài)時(shí)間規(guī)整是一種譜模式匹配方法，它可以解決語(yǔ)速變化問(wèn)題。②長(zhǎng)時(shí)平均法[3]：該方法對(duì)說(shuō)話(huà)人身份的表征是通過(guò)將語(yǔ)音特征在長(zhǎng)時(shí)間上進(jìn)行平均來(lái)實(shí)現(xiàn)。但是這種方法缺乏對(duì)短時(shí)特征的描述。③矢量量化法[4]：矢量量化通過(guò)某種聚類(lèi)規(guī)則對(duì)說(shuō)話(huà)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(duì)每一個(gè)特定的說(shuō)話(huà)人有一個(gè)碼本。該方法對(duì)短時(shí)語(yǔ)音特征能夠進(jìn)行很好的描述。④人工神經(jīng)網(wǎng)絡(luò)[5]： 對(duì)說(shuō)話(huà)人特征的提取還難以形成公認(rèn)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(luò)方法，也是一類(lèi)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(jì)變化，同時(shí)也很好地描述了短時(shí)語(yǔ)音特征以及語(yǔ)音中的時(shí)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(shuō)話(huà)人識(shí)別方法。⑥高斯混和模型[7]：高斯混和模型可被認(rèn)為是隱含馬爾可夫模型的單一狀態(tài)的特殊情形，對(duì)于與文本無(wú)關(guān)的身份認(rèn)證，該方法能夠達(dá)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(jìn)方法，也存在將若干種方法的融合起來(lái)進(jìn)行身份認(rèn)證的情形，這些嘗試都是以提高身份認(rèn)證準(zhǔn)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(luò)與隱含馬爾可夫模型的結(jié)合方法等等。

3．當(dāng)前基于聲紋的身份認(rèn)證研究中存在的問(wèn)題

基于對(duì)前人研究的歸納，F(xiàn)urui在1997年指出，在基于聲紋的身份認(rèn)證中存在如下幾大類(lèi)問(wèn)題[8]：①如何借鑒人類(lèi)在在利用聲紋進(jìn)行身份 認(rèn)證時(shí)所采用的機(jī)制，②如何處理語(yǔ)音的長(zhǎng)時(shí)變化、短時(shí)變化以及語(yǔ)音聲學(xué)特征的變異，③如何將基于聲紋的身份認(rèn)證技術(shù)與其它身份認(rèn)證技術(shù)進(jìn)行融合。

4．基于聲紋身份認(rèn)證的應(yīng)用

基于聲紋的身份認(rèn)證幾乎可以應(yīng)用到人們?nèi)粘Ｉ畹母鱾€(gè)角落，而通過(guò)電話(huà)線(xiàn)進(jìn)行身份認(rèn)證是其獨(dú)有的特色?；诼暭y身份認(rèn)證的主要應(yīng)用領(lǐng)域如下：（1）信息領(lǐng)域：如在自動(dòng)總機(jī)系統(tǒng)中；(2)銀行、證券：鑒于密碼的安全性不高，可用聲紋識(shí)別技術(shù)對(duì)電話(huà)銀行、遠(yuǎn)程證券交易等業(yè)務(wù)中的用戶(hù)身份進(jìn)行確認(rèn)；(3)公安司法：對(duì)于各種電話(huà)勒索、綁架、電話(huà)人身攻擊等案件，基于聲紋的身份認(rèn)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(shí)，該技術(shù)還可以在法庭上提供身份確認(rèn)的旁證；(4)軍事和國(guó)防：基于聲紋的身份認(rèn)證技術(shù)可以察覺(jué)電話(huà)交談過(guò)程中是否有關(guān)鍵說(shuō)話(huà)人出現(xiàn)，繼而對(duì)交談的內(nèi)容進(jìn)行跟蹤(戰(zhàn)場(chǎng)環(huán)境監(jiān)聽(tīng))；在通過(guò)電話(huà)發(fā)出軍事指令時(shí)，可以對(duì)發(fā)出命令的人的身份進(jìn)行確認(rèn)(敵我指戰(zhàn)員鑒別)；(5)保安和證件防偽：如機(jī)密場(chǎng)所的門(mén)禁系統(tǒng)；(6)其它。

基于人臉的身份認(rèn)證

基于人臉的身份認(rèn)證就是利用計(jì)算機(jī)對(duì)給定的靜止圖像或者動(dòng)態(tài)圖像序列進(jìn)行分析，從中提取出有效的識(shí)別信息，基于已有的人臉數(shù)據(jù)庫(kù)來(lái)“辨認(rèn)”或者“確認(rèn)”一個(gè)或多個(gè)人身份的一項(xiàng)技術(shù)。

人的面孔各異，世界上沒(méi)有長(zhǎng)得一模一樣的兩個(gè)人，即使是雙胞胎，用人類(lèi)學(xué)方法測(cè)量也可發(fā)現(xiàn)差異。因而，基于人臉的身份認(rèn)證技術(shù)是一項(xiàng)具有潛力的身份認(rèn)證技術(shù)?；谝幌盗性u(píng)價(jià)指標(biāo)如抗干擾性、精確度、代價(jià)、性能等，研究人員對(duì)6種主要的身份認(rèn)證技術(shù)：人臉、聲紋、指紋、手掌、虹膜、簽名進(jìn)行了綜合比較，基于人臉的身份認(rèn)證技術(shù)具有最高的得分[9]，見(jiàn)圖2。

基于人臉的身份認(rèn)證技術(shù)研究始于20世紀(jì)60年代末期。到了20世紀(jì)90年代后期以來(lái)，一些商業(yè)性的基于人臉的身份認(rèn)證系統(tǒng)逐漸進(jìn)入市場(chǎng)。作為一種非接觸式的、容易隱蔽使用的識(shí)別技術(shù)，基于人臉的身份認(rèn)證技術(shù)成為當(dāng)今國(guó)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(rèn)證系統(tǒng)框架

一個(gè)典型的人臉識(shí)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(dòng)態(tài)視頻序列，一般可以通過(guò)攝像機(jī)、照相機(jī)、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(cè)、定位 首先在圖像中檢測(cè)到人臉，然后根據(jù)人臉比較穩(wěn)定的特征如眼睛進(jìn)行特征點(diǎn)定位。人臉檢測(cè)在自動(dòng)人臉識(shí)別中占有非常重要的地位，直接影響到識(shí)別分類(lèi)的結(jié)果。復(fù)雜背景條件下實(shí)時(shí)的自動(dòng)人臉檢測(cè)是人臉識(shí)別領(lǐng)域非常重要的一個(gè)課題。

人臉圖像的預(yù)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(duì)人臉識(shí)別結(jié)果的影響，需要對(duì)人臉圖像做預(yù)處理，這些預(yù)處理過(guò)程一般包括圖像的旋轉(zhuǎn)、光線(xiàn)矯正、直方圖均衡等過(guò)程。

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

人臉圖像的匹配與分類(lèi)—身份認(rèn)證 得到人臉的特征模式之后，將模式送入設(shè)計(jì)好的分類(lèi)器，最后得到分類(lèi)的結(jié)果。

2.方法概述

（1）檢測(cè)定位人臉檢測(cè)可以被看作是一個(gè)兩類(lèi)的模式識(shí)別問(wèn)題，一個(gè)圖像區(qū)域被分類(lèi)為人臉或者非人臉。常用的人臉檢測(cè)方法大致有：

●基于知識(shí)的方法：這些基于規(guī)則的方法將人臉的結(jié)構(gòu)知識(shí)進(jìn)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(lái)進(jìn)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(lái)定位人臉。其代表方法如：針對(duì)面部特征的邊緣分組方法；針對(duì)紋理的人臉模式空間灰度級(jí)獨(dú)立矩陣方法；針對(duì)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(biāo)準(zhǔn)的人臉模式被存儲(chǔ)起來(lái)用于描述整體的人臉或者人臉的各個(gè)構(gòu)成部分。通過(guò)計(jì)算輸入圖像和存儲(chǔ)的模式之間的相關(guān)性來(lái)進(jìn)行檢測(cè)。這些方法用在人臉定位和人臉檢測(cè)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(xùn)練圖像中學(xué)習(xí)來(lái)的。這些學(xué)到的模型被用于檢測(cè)。其代表方法如：本征臉?lè)椒?、基于分布方法、神?jīng)網(wǎng)絡(luò)方法、支撐向量機(jī)、統(tǒng)計(jì)系綜學(xué)習(xí)方法(其典型代表AdaBoost方法)、原始貝葉斯分類(lèi)器、隱馬爾可夫模型、信息論方法等。這類(lèi)方法現(xiàn)基本成為人臉檢測(cè)方法的主流方法。

（2）預(yù)處理人臉圖像的預(yù)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(cè)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(jìn)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(duì)分割、定位后的人臉圖像灰度值進(jìn)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(lái)的負(fù)面影響。通常是通過(guò)光照補(bǔ)償?shù)确椒▽?shí)現(xiàn)的。

（3）人臉身份認(rèn)證基本方法 基于人臉的身份認(rèn)證涉及到諸多的技術(shù)和方法，這些方法大致可歸類(lèi)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(rèn)證主要思想是人臉圖像被表示為一個(gè)向量，可看作是高維空間中的一個(gè)點(diǎn)，其核心問(wèn)題是如何通過(guò)統(tǒng)計(jì)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(rèn)證又包括線(xiàn)性分析方法和非線(xiàn)性分析方法兩類(lèi)。

線(xiàn)性分析方法主要有：

（1）主成份分析方法(PCA－Principal Component Analysis)：通過(guò)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(chēng)作“特征臉”[11][12]，這種方法被稱(chēng)作基于特征臉的方法。該方法是一種簡(jiǎn)單、快速、實(shí)用的基于代數(shù)特征的人臉識(shí)別方法，保留了人臉部件之間的拓?fù)潢P(guān)系，也保留了各器官部件的信息，得到廣泛的應(yīng)用。但它對(duì)光照、視角的變化影響比較大，因此對(duì)預(yù)處理、歸一化的要求比較高。

（2）獨(dú)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(lèi)似，唯一不同的是各成份的分布不服從高斯分布。

（3）線(xiàn)性判別分析方法(LDA，Linear Discriminant Analysis)[14][15]：該方法是模式識(shí)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(xùn)練樣本集的類(lèi)別信息，定義了類(lèi)內(nèi)擴(kuò)散矩陣和類(lèi)間擴(kuò)散矩陣，策略就是使類(lèi)內(nèi)擴(kuò)散矩陣盡量小，類(lèi)間擴(kuò)散矩陣盡量大，以此達(dá)到降維、分類(lèi)的目的。近年來(lái)，衍生出許多改進(jìn)的或擴(kuò)展的LDA算法，如多類(lèi)問(wèn)題LDA方法、 Foley-Sammon最佳鑒別矢量集以及UODV算法等。

線(xiàn)性分析方法在將高維矢量映射為低維矢量時(shí)，其變換矩陣是線(xiàn)性的。然而，人臉圖像實(shí)際上非常復(fù)雜，很難用線(xiàn)性模型對(duì)其進(jìn)行完全的刻畫(huà)和表示，因此，相應(yīng)的非線(xiàn)性方法得到了很好的研究。常見(jiàn)的非線(xiàn)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(gè)非線(xiàn)性映射。此外，典型的非線(xiàn)性方法還有：ISOMAP[17]，LLE[18]等。

基于模型的人臉身份認(rèn)證技術(shù)與基于外觀的人臉身份認(rèn)證技術(shù)不同，其主要目標(biāo)是致力于構(gòu)建能夠表征人臉變化特性的模型，在設(shè)計(jì)模型時(shí)，人臉的先驗(yàn)知識(shí)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(dāng)前基于人臉身份認(rèn)證研究中存在的問(wèn)題

基于人臉的身份認(rèn)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(gè)存在諸多挑戰(zhàn)的課題。主要存在問(wèn)題可以歸結(jié)如下：（1）姿態(tài)：人臉的圖像會(huì)隨著相機(jī)和人臉的相對(duì)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(wú)：一些臉部特征比如胡子和眼鏡不會(huì)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?biāo)诒?。?）圖像旋轉(zhuǎn)：人臉圖像會(huì)隨著相機(jī)光軸的旋轉(zhuǎn)而不同。（6）成像條件：拍攝照片的時(shí)候，光線(xiàn)(譜段，光源分布和光強(qiáng))和相機(jī)特性(傳感器性能，鏡頭)都會(huì)影響一張臉的外觀。

其中姿態(tài)變化 (包括姿勢(shì)、表情、遮擋物等)和不同光照條件是基于人臉身份認(rèn)證技術(shù)的兩大主要挑戰(zhàn)問(wèn)題。近年來(lái)該領(lǐng)域的諸多研究致力于解決這些問(wèn)題。比如：在解決光照影響的研究中，主要形成了三類(lèi)方法：不變特征法、光照變化建模和人臉圖像歸一化方法?？偠灾M管基于人臉身份認(rèn)證技術(shù)取得了長(zhǎng)足的進(jìn)展，其性能仍然不夠令人滿(mǎn)意[22]。

4．基于人臉身份認(rèn)證的應(yīng)用

人臉自動(dòng)識(shí)別技術(shù)在商業(yè)領(lǐng)域及安全領(lǐng)域都有著廣泛的應(yīng)用。主要包括：（1）證件識(shí)別：如居民身份證、駕駛執(zhí)照、護(hù)照等，將證件上的照片與持證人核對(duì)，這方面的應(yīng)用已經(jīng)開(kāi)展了起來(lái)。（2）銀行等安全部門(mén)的身份驗(yàn)證：無(wú)須密碼，直接把交易人與銀行里的人臉數(shù)據(jù)庫(kù)核對(duì)，依此來(lái)確定人的身份，這方面應(yīng)用的安全性要求較高，應(yīng)用還不廣泛。（3）海關(guān)、機(jī)場(chǎng)等部門(mén)的監(jiān)控系統(tǒng)：計(jì)算機(jī)實(shí)時(shí)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(kù)中的恐怖分子或罪犯圖像比對(duì)，及時(shí)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(yīng)用在美國(guó)的機(jī)場(chǎng)、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(kù)中的罪犯、通緝犯等核對(duì)，對(duì)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(kù)人臉識(shí)別系統(tǒng)將有非常好的應(yīng)用前景。（5）新一代的人機(jī)交互界面：使機(jī)器與人的交互更自然，直接。（6）人臉識(shí)別還有很多應(yīng)用，如現(xiàn)在比較熱門(mén)的基于內(nèi)容的圖像與視頻數(shù)據(jù)庫(kù)檢索分類(lèi)、公司或小區(qū)的自動(dòng)門(mén)衛(wèi)系統(tǒng)、遠(yuǎn)程電視會(huì)議、遠(yuǎn)程教育等，隨著人臉識(shí)別研究的進(jìn)一步深入，它的應(yīng)用領(lǐng)域會(huì)越來(lái)越大。

基于指紋的身份認(rèn)證

基于指紋的身份認(rèn)證技術(shù)是20世紀(jì)60年代興起的、利用計(jì)算機(jī)來(lái)進(jìn)行自動(dòng)指紋識(shí)別的一種方法。作為生物特征身份認(rèn)證技術(shù)的一種，它具有其它特征識(shí)別所不可比擬的優(yōu)點(diǎn)：（1）指紋具有唯一性：每個(gè)人的指紋基本上是獨(dú)一無(wú)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(huì)找到一對(duì)特征完全相同的指紋。（2）指紋具有穩(wěn)定性：每個(gè)人的指紋是相當(dāng)固定的，很難發(fā)生變化。（3）指紋具有攜帶方便性：它是每個(gè)人天生具有的，所以獲取指紋樣本較方便。 一個(gè)人的十指指紋皆不相同，這樣，可以方便地利用多個(gè)指紋構(gòu)成多重口令，提高系統(tǒng)的安全性。所以，自動(dòng)指紋識(shí)別是一種更為理想的身份確認(rèn)技術(shù)。

1．基于指紋身份認(rèn)證的基本過(guò)程

與其它身份認(rèn)證方法類(lèi)似，基于指紋身份認(rèn)證過(guò)程也是一類(lèi)典型的模式識(shí)別過(guò)程，它包括兩個(gè)部分：登記過(guò)程和認(rèn)證過(guò)程。

2．方法概述

(1) 指紋圖像預(yù)處理—紋增強(qiáng)在指紋認(rèn)證過(guò)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(lái)登記，這是因?yàn)槟粗讣y路較清晰，而食指和中指比較靈活的緣故。同時(shí)，登記的指紋最好是紋路清晰、特征點(diǎn)明顯、沒(méi)有破損或疤痕。

在實(shí)際的自動(dòng)指紋身份認(rèn)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(qiáng)的研究成為指紋特征提取過(guò)程的一個(gè)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(qiáng)算法，如Willis等人提出的指紋增強(qiáng)算法 [23]，Lin Hong等人提出將Gabor濾波器用于指紋圖像增強(qiáng)[24]等等。

(2) 特征提取根據(jù)指紋的總體形狀和細(xì)節(jié)，指紋的特征分為兩類(lèi)：總體特征和局部特征(細(xì)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(diǎn)、三角點(diǎn)、式樣線(xiàn)、紋數(shù)等；局部特征指的是指紋上的節(jié)點(diǎn)。通常有6種類(lèi)型的指紋節(jié)點(diǎn)：脊斷點(diǎn)、分歧點(diǎn)、分叉點(diǎn)、孤立點(diǎn)、短紋、環(huán)形點(diǎn)。除了類(lèi)型特性以外，節(jié)點(diǎn)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(yuǎn)不會(huì)改變，如基本紋路圖案、核心點(diǎn)、三角點(diǎn)、脊斷點(diǎn)、分叉點(diǎn)、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(diǎn)、短紋、疤痕以及由疤痕而造成的斷點(diǎn)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(rèn)證系統(tǒng)大多是根據(jù)細(xì)節(jié)點(diǎn)的數(shù)目、類(lèi)型和位置等信息來(lái)實(shí)現(xiàn)身份的認(rèn)證。這使得準(zhǔn)確可靠的檢測(cè)細(xì)節(jié)特征對(duì)于基于指紋的身份認(rèn)證具有非常重要的意義。近年來(lái)，許多研究者對(duì)此展開(kāi)了較深入的研究，如：Srinivasan等人提出了一種通過(guò)檢測(cè)紋線(xiàn)方向直方圖的檢測(cè)方法[25]；Bazen等人提出一種用紋線(xiàn)方向變化梯度的檢測(cè)方法[26]等。

(3) 匹配及識(shí)別指紋識(shí)別系統(tǒng)的核心步驟是指紋匹配，基本包括如下幾類(lèi)：細(xì)節(jié)點(diǎn)匹配、脊線(xiàn)匹配以及指紋特征向量匹配等。一般來(lái)說(shuō)，指紋匹配首先是進(jìn)行指紋的校準(zhǔn)，然后進(jìn)行匹配點(diǎn)對(duì)的計(jì)算。指紋識(shí)別的研究在近幾年里也取得很大的進(jìn)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(xiàn)末梢與脊線(xiàn)分支點(diǎn)來(lái)進(jìn)行指紋鑒定和點(diǎn)模式匹配。此外，Hrechak等人提出了通過(guò)結(jié)構(gòu)匹配的指紋識(shí)別方法[27]；Isenor等人提出用圖匹配的方法來(lái)進(jìn)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(shí)別圖像相對(duì)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(xiàn)擬合技術(shù)引入指紋匹配過(guò)程中，通過(guò)對(duì)紋線(xiàn)擬合度的分析來(lái)進(jìn)行指紋識(shí)別。此外，由于噪聲干擾和特征點(diǎn)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(wèn)題，如特征數(shù)目不等、幾何畸變以及偽細(xì)節(jié)點(diǎn)的出現(xiàn)等等。針對(duì)這些問(wèn)題，研究者們分別提出利用Delaunay三角形化進(jìn)行特征點(diǎn)空間剖分的特征匹配方法，多模板細(xì)節(jié)點(diǎn)融合方法等等。

在對(duì)當(dāng)前指紋識(shí)別的現(xiàn)狀及趨勢(shì)進(jìn)行深入分析的基礎(chǔ)上，研究者們提出了基于細(xì)節(jié)點(diǎn)匹配，綜合多種匹配方法的指紋識(shí)別思想。這一思想被認(rèn)為是提高指紋識(shí)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(rèn)證的應(yīng)用

基于指紋的身份認(rèn)證技術(shù)歷史悠久，發(fā)展成熟，其應(yīng)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(rèn)證技術(shù)最早的應(yīng)用領(lǐng)域。（2）門(mén)禁系統(tǒng)：指紋身份認(rèn)證技術(shù)和產(chǎn)品較多應(yīng)用于門(mén)禁系統(tǒng)。（3）金融證券：由于金融業(yè)務(wù)涉及資金以及客戶(hù)的經(jīng)濟(jì)機(jī)密，為保證資金安全，保護(hù)銀行客戶(hù)及銀行自身的利益，在業(yè)務(wù)管理和經(jīng)營(yíng)過(guò)程中，利用指紋身份認(rèn)證技術(shù)越發(fā)顯現(xiàn)出其必要性。（4）戶(hù)籍管理：可以為加強(qiáng)政府行政準(zhǔn)確度和行政管理力度提供可靠的質(zhì)量保證。（5）員工考勤：?jiǎn)T工考勤的公正、合理、科學(xué)、有效逐步成為企業(yè)或公司面臨的現(xiàn)實(shí)課題，這首要強(qiáng)調(diào)的是身份認(rèn)證的準(zhǔn)確性。（6）其它如計(jì)算機(jī)及網(wǎng)絡(luò)，社會(huì)保險(xiǎn)，移動(dòng)通信等等領(lǐng)域。

發(fā)展趨勢(shì)

基于生物特征的身份認(rèn)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(lái)進(jìn)行身份認(rèn)證的發(fā)展趨勢(shì)。

由于各種生物特征的識(shí)別方式都有其一定的適用范圍和要求，單一的生物特征識(shí)別系統(tǒng)在實(shí)際應(yīng)用中顯現(xiàn)出各自的局限性，如有些人的指紋無(wú)法提取特征，患白內(nèi)障的人虹膜會(huì)發(fā)生變化等等，統(tǒng)計(jì)顯示迄今為止，還沒(méi)有一個(gè)單生物特征能達(dá)到完美無(wú)錯(cuò)的要求。目前，生物特征識(shí)別領(lǐng)域出現(xiàn)了一種新的方向，即多種生物特征識(shí)別技術(shù)結(jié)合使用。如德國(guó)知名的法蘭富爾協(xié)會(huì)研發(fā)了一種多重模板識(shí)別系統(tǒng)，DCS AG公司采用這一專(zhuān)利開(kāi)發(fā)了身份識(shí)別系統(tǒng)BiolD。BiolD利用目前日漸普及的數(shù)字?jǐn)z像頭，將一個(gè)人的面貌、聲音以及嘴唇運(yùn)動(dòng)三種生物特征相結(jié)合，在一秒鐘內(nèi)快速完成識(shí)別。由于在識(shí)別過(guò)程中同時(shí)采用了動(dòng)態(tài)、靜態(tài)這兩種特征，當(dāng)其中的一種生物特征變動(dòng)時(shí)，多重模板識(shí)別系統(tǒng)還能依據(jù)其它兩項(xiàng)生物特征進(jìn)行識(shí)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(jìn)行身份鑒別具有低錯(cuò)誤拒絕率、特征變化的適應(yīng)性強(qiáng)、安全可靠性高等優(yōu)點(diǎn)，從而進(jìn)一步精化了識(shí)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(shì)。

雖然目前中國(guó)生物識(shí)別研究的總體水平與國(guó)際先進(jìn)水平尚存在一定差距，但研究步伐大體上跟國(guó)際同步，并在虹膜、指紋、聲紋、人臉、掌紋、筆跡識(shí)別等領(lǐng)域頗具特色，達(dá)到世界先進(jìn)和領(lǐng)先水平。為了推動(dòng)國(guó)內(nèi)生物認(rèn)證技術(shù)的發(fā)展，不久前，作為國(guó)內(nèi)生物認(rèn)證技術(shù)研究單位之一的中科院自動(dòng)化研究所，以模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室為核心，成立了國(guó)內(nèi)第一個(gè)生物特征識(shí)別技術(shù)的專(zhuān)業(yè)認(rèn)證與測(cè)評(píng)機(jī)構(gòu)——“生物特征認(rèn)證與測(cè)評(píng)中心”，結(jié)束了國(guó)內(nèi)生物認(rèn)證領(lǐng)域沒(méi)有評(píng)測(cè)機(jī)構(gòu)的歷史。

在以計(jì)算機(jī)技術(shù)和生物技術(shù)為主流科技的知識(shí)經(jīng)濟(jì)崛起時(shí)代，身份認(rèn)證有了來(lái)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(shí)別技術(shù)正愈益顯示出其旺盛的生命力和遠(yuǎn)大前景。

吳璽宏 男，副教授，1967年出生。1995年于北京大學(xué)電子學(xué)系獲博士學(xué)位?，F(xiàn)任北京大學(xué)言語(yǔ)聽(tīng)覺(jué)研究中心常務(wù)副主任、北京大學(xué)信息科學(xué)技術(shù)學(xué)院智能科學(xué)系副主任、北京大學(xué)視覺(jué)與聽(tīng)覺(jué)信息處理國(guó)家重點(diǎn)實(shí)驗(yàn)室副主任、中國(guó)聽(tīng)力康復(fù)專(zhuān)業(yè)委員會(huì)副主任委員等職。主要研究方向?yàn)橛?jì)算機(jī)聽(tīng)覺(jué)、語(yǔ)音信號(hào)處理、模式識(shí)別及其在聲紋識(shí)別、人臉識(shí)別等領(lǐng)域的應(yīng)用。

羅定生男，講師，1975年出生。2003年于北京大學(xué)信息科學(xué)技術(shù)學(xué)院獲博士學(xué)位。主要研究方向?yàn)闄C(jī)器學(xué)習(xí)與統(tǒng)計(jì)模式識(shí)別，語(yǔ)言信息處理，聽(tīng)覺(jué)信息處理及其在聲紋識(shí)別、人臉識(shí)別等領(lǐng)域的應(yīng)用。