生物特征識別技術(shù)的發(fā)展趨勢及對數(shù)字信號處理器的挑戰(zhàn)

摘要： 本文討論了生物特征識別技術(shù)的發(fā)展趨勢，結(jié)合人臉識別分析了生物特征識別技術(shù)需要高性能的數(shù)字信號處理器的原因，并簡單介紹了Blackfin處理器的特點(diǎn)，指出正是由于Blackfin處理器的這些特點(diǎn)，使得該處理器非常適合作為嵌入式系統(tǒng)中的計(jì)算核心，以便將人臉識別等生物特征識別技術(shù)移植到嵌入式系統(tǒng)。

關(guān)鍵詞： 生物識別；微控制器；Blackfin；MSA

引言

　　生物特征識別技術(shù)是指利用人體固有的生理特征或行為特征來進(jìn)行個(gè)人身份鑒別認(rèn)證的技術(shù)。生物特征識別技術(shù)包括采用人體固有的生理特征(如人臉、指紋、虹膜、靜脈)進(jìn)行的身份認(rèn)證技術(shù)和利用后天形成的行為特征(如簽名、筆跡、聲音、步態(tài))進(jìn)行的身份認(rèn)證技術(shù)。與傳統(tǒng)的身份鑒定手段相比，基于生物特征識別的身份鑒定技術(shù)具有如下優(yōu)點(diǎn)：(1)不會遺忘或丟失；(2)防偽性能好，不易偽造或被盜；(3)“隨身攜帶”，隨時(shí)隨地可用。正是由于生物特征身份識別認(rèn)證具有上述優(yōu)點(diǎn)，基于生物特征的身份識別認(rèn)證技術(shù)受到了各國的極大重視。
　　
生物特征識別技術(shù)及其發(fā)展趨勢

　　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。下面就這些常見的生物特征識別技術(shù)的特點(diǎn)及其發(fā)展趨勢作一簡單介紹。
　　
人臉識別

　　人臉識別作為一種基于生理特征的身份認(rèn)證技術(shù)，與目前廣泛應(yīng)用的以密碼、IC卡為媒介的傳統(tǒng)身份認(rèn)證技術(shù)相比，具有不易偽造、不易竊取、不會遺忘的特點(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(rèn)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(tǒng)建成于20世紀(jì)60年代，該系統(tǒng)以人臉特征點(diǎn)的間距、比率等參數(shù)作為特征，構(gòu)建了一個(gè)半自動的人臉識別系統(tǒng)。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(zhǔn)確定位、魯棒性差，因而采用這些方法的人臉識別系統(tǒng)的性能都很低。

　　自20世紀(jì)80年代開始，人臉識別技術(shù)出現(xiàn)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(tǒng)計(jì)模式識別方法的引入，使得這類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(xiàn)了不少推廣人臉識別技術(shù)的廠商，如國內(nèi)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(shù)據(jù)庫，用于評測當(dāng)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(jié)果指出，光照、姿態(tài)和年齡變化會嚴(yán)重影響人臉識別的性能。

　　FERET的測試結(jié)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，人臉圖像采集過程中易受到光照、背景、采集設(shè)備的影響。這些影響會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(jì)90年代后期，一些研究者開始采用基于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(xiàn)了商用的人臉識別系統(tǒng)。為了評測這些商用系統(tǒng)的性能，也作為FERET測試的延續(xù)，美國有關(guān)機(jī)構(gòu)組織了FRVT2000、FRVT2002、FRVT2006測試。測試結(jié)果表明，人臉識別錯(cuò)誤率在FRVT2006上下降了至少一個(gè)數(shù)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(xiàn)。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(dāng)?shù)?。此外，F(xiàn)RVT2006還展現(xiàn)了不同光照條件下人臉識別性能的顯著提高，最后，F(xiàn)RVT2006表明人臉自動識別的性能優(yōu)于人。值得一提的是，清華大學(xué)電子工程系作為國內(nèi)唯一參加FRVT2006的評測的學(xué)術(shù)機(jī)構(gòu)，其人臉自動識別性能優(yōu)于人類。

　　FRVT2006為人臉識別后續(xù)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不比三維人臉識別差。