[00919873]基于人脸识别和手形识别的双模态生物认证系统

生物识别技术是指通过计算机利用人类自身生理或行为特征进行身份认证的一种技术，它以人体唯一、可靠的生理特征(如指纹、手形、掌纹、虹膜、人脸等)或行为特征(签字、语音、步态等)为依据，利用计算机技术进行图像处理和模式识别，用来进行身份认证。该技术具有很好的安全性和可靠性，与传统的身份认证方法(如口令、IC卡和ID卡等)相比，它不会被丢失和遗忘，也很难伪造和假冒，是一种方便、安全的身份认证方法。每种生物识别技术都有其固有的缺陷：如人的指纹图像约有4％是劣质的，加上指纹特征易受噪声影响，所以实际采集到的指纹图像有一部分难以被正确识别；虹膜特征易受眼疾影响，大众难以接受虹膜图像的采集，并且采集设备较昂贵；语音特征也容易受到被识别者身体状况和环境的影响；签字静态特征易被模仿、动态特征不稳定且难以提取；人脸识别因技术本身条件复杂，现在尚未达到实用水平；手形特征唯一性较差。现有的生物认证系统绝大多数是基于单一生物识别技术，也就相应地具有上述各种缺陷，从而大大地影响了系统的实用性。同时采用两种或两种以上生物特征进行身份认证，可以提高认证准确性，并且减小系统被欺骗的可能。现有的多模态生物认证系统较少，国际上主要有BioID(人脸、语音和唇动)、FaceKey(人脸、指纹)等，但是由于采用了抗噪性差的指纹或语音特征，对使用环境条件要求较高，从而限制了它们的广泛应用。在进行多模生物特征识别时，常用的理论方法有加权平均、贝叶斯方法、模糊积分、D-s证据法，以及神经网络方法。这些融合方法中有的依赖于各种先验概率分布及条件概率分布，或者依赖于信度函数及模糊集隶属度。前者只有在样本数目足够多的条件下才能得到较为准确的估计，而后两者在实际应用中也不易得到，往往根据历史数据或经验来确定；而基于神经网络的方法也遇到了如何确定网络结构、过学习、欠学习和陷入局部极小点等问题。该发明解决的技术问题是提供一种基于人脸识别和手形识别的双模态生物认证系统。系统采集到人脸和手形图像后，经过图像预处理技术和模式识别技术分别得到人脸和手形两个匹配结果，利用标准归一化方法将这两个匹配结果归一化到同一范围，再利用统计学习理论中的支持向量机方法把得到的两个匹配结果进行决策融合，并作出判断，得出最后认证结果。优点如下：(1)手形和人脸两种生物特征抗噪性好，采集设备简单，采用人脸和手形双模态生物特征进行身份认证，提高了认证的准确性，降低了对使用环境的要求，而对使用环境条件要求高正是已有的基于生物识别技术的身份认证系统不能广泛应用的主要原因之一；(2)该发明的手形识别算法增加了采集手形图像的自由度，并且识别结果有较高的准确率和鲁棒性，人脸识别算法对正面人脸图像识别具有较高的准确率和鲁棒性；(3)该发明的人脸和手形识别的双模态生物认证系统装置基于嵌入式芯片系统实现，体积小，功耗低，便于室内外灵活安放。