生物特征識(shí)別技術(shù)的發(fā)展趨勢(shì)及對(duì)數(shù)字信號(hào)處理器的挑戰(zhàn)

摘要： 本文討論了生物特征識(shí)別技術(shù)的發(fā)展趨勢(shì)，結(jié)合人臉識(shí)別分析了生物特征識(shí)別技術(shù)需要高性能的數(shù)字信號(hào)處理器的原因，并簡(jiǎn)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(shí)別等生物特征識(shí)別技術(shù)移植到嵌入式系統(tǒng)。

關(guān)鍵詞： 生物識(shí)別；微控制器；Blackfin；MSA

引言

　　生物特征識(shí)別技術(shù)是指利用人體固有的生理特征或行為特征來(lái)進(jìn)行個(gè)人身份鑒別認(rèn)證的技術(shù)。生物特征識(shí)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(shí)別的身份鑒定技術(shù)具有如下優(yōu)點(diǎn)：(1)不會(huì)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(shí)別認(rèn)證具有上述優(yōu)點(diǎn)，基于生物特征的身份識(shí)別認(rèn)證技術(shù)受到了各國(guó)的極大重視。
　　
生物特征識(shí)別技術(shù)及其發(fā)展趨勢(shì)

　　目前，常用的生物特征識(shí)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(shí)別技術(shù)的特點(diǎn)及其發(fā)展趨勢(shì)作一簡(jiǎn)單介紹。
　　
人臉識(shí)別

　　人臉識(shí)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(huì)遺忘的特點(diǎn)；而人臉識(shí)別與指紋、虹膜、掌紋識(shí)別等生理特征識(shí)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(shí)別是一種非常自然、友好的生物特征識(shí)別認(rèn)證技術(shù)。

　　人臉識(shí)別技術(shù)包括圖像或視頻中進(jìn)行人臉檢測(cè)、從檢測(cè)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(duì)等一系列相關(guān)的技術(shù)。

　　最早的人臉識(shí)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(dòng)的人臉識(shí)別系統(tǒng)。此時(shí)的人臉識(shí)別研究多集中于研究如何提取特征點(diǎn)進(jìn)行人臉識(shí)別，如人臉特征器官(眼角、嘴角、鼻孔)的相對(duì)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(shí)別系統(tǒng)的性能都很低。

　　自20世紀(jì)80年代開始，人臉識(shí)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(shí)別方法的引入，使得這類方法具有非常高的識(shí)別率和非常好的魯棒性。由于基于面部圖像的人臉識(shí)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(shí)別技術(shù)的廠商，如國(guó)內(nèi)的北京海鑫科金高科技股份有限公司、國(guó)外的L1ID等。

　　為了評(píng)測(cè)基于面部圖像的人臉識(shí)別算法的性能。美國(guó)ARPA和ARL于1993年至1996年建立了FERET數(shù)據(jù)庫(kù)，用于評(píng)測(cè)當(dāng)時(shí)的人臉識(shí)別算法的性能。共舉行了三次測(cè)試FERET94、FERET95、FERET96。FERET測(cè)試的結(jié)果指出，光照、姿態(tài)和年齡變化會(huì)嚴(yán)重影響人臉識(shí)別的性能。

　　FERET的測(cè)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(guò)程中易受到光照、背景、采集設(shè)備的影響。這些影響會(huì)降低人臉識(shí)別的性能。

　　為了克服姿態(tài)變化對(duì)人臉識(shí)別性能的影響，也為了進(jìn)一步提高人臉識(shí)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(shí)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(shí)別。

　　2000年后，人臉識(shí)別算法逐漸成熟，出現(xiàn)了商用的人臉識(shí)別系統(tǒng)。為了評(píng)測(cè)這些商用系統(tǒng)的性能，也作為FERET測(cè)試的延續(xù)，美國(guó)有關(guān)機(jī)構(gòu)組織了FRVT2000、FRVT2002、FRVT2006測(cè)試。測(cè)試結(jié)果表明，人臉識(shí)別錯(cuò)誤率在FRVT2006上下降了至少一個(gè)數(shù)量級(jí)，這種性能的提升在基于圖像的人臉識(shí)別算法和基于三維的人臉識(shí)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(shí)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(shí)別性能的顯著提高，最后，F(xiàn)RVT2006表明人臉自動(dòng)識(shí)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(guó)內(nèi)唯一參加FRVT2006的評(píng)測(cè)的學(xué)術(shù)機(jī)構(gòu)，其人臉自動(dòng)識(shí)別性能優(yōu)于人類。

　　FRVT2006為人臉識(shí)別后續(xù)的研究指明了方向，人臉識(shí)別中光照、年齡變化依然對(duì)人臉識(shí)別性能有很大影響，二維人臉識(shí)別的性能不比三維人臉識(shí)別差。