生物识别

1生物识别是什么
2生物识别的基本特征

3生物识别系统一般流程
4生物识别的技术种类

5生物识别的发展历程

生物识别是什么

生物识别是指根据人类的生理特征和物理特征实现个人身份信息认证的技术，基于生物识别技术可以得到具备唯一性的个体数据(即个人生物识别信息)用于进行个体的身份信息认证。

美国、欧盟等发达国家在生物识别领域发展最早，立法较为完善。美国和欧盟均将可识别性作为个人生物识别信息的核心要素，但其侧重点有所不同。欧盟侧重抽象概念定义，GDPR第4条第1款指出，“个人数据”指已经被识别或可被识别的自然人相关的任何信息。当判断自然人是否可被识别时应考虑现有技术的发展、时间等客观因素。美国加州消费者隐私法则采用抽象定义结合不完全举例进行定义，具体描述为“包括个人的视网膜、声纹、以及包含识别信息的击键模式、步态模式或节奏等”。

我国最新修订生效的《个人信息安全规范》(GB/T35273-2020)中，将个人基因、指纹、声纹、虹膜、掌纹、耳廓、面部识别特征等归属为个人生物识别信息。

生物识别技术目前可分为近二十多个种类，按照生理结构划分，手部有手形、指纹、掌纹、手写体等；眼部有虹膜、视网膜等；脸部有脸型、五官特征等。按照性质划分，生理特征有人脸，指纹，虹膜，掌纹等部位识别；行为特征包括签字识别，语音识别，和开锁动力学识别。它们有些在实际生活中已得到应用，有些还处于探索阶段甚至仅处于实验阶段。利用这些生物特征研发的生物识别系统将逐步出现在大众视野，得到广泛的推广和使用

生物识别的基本特征

能够用作生物识别的生物特征(生理的或行为的)，至少需要满足以下三个基本条件：

(1)普遍性，该生物特征存在于所有人；

(2)唯一性，该生物特征必须是独一无二的，每个人的都不相同；

(3)永久性，该生物特征随着时间的推移不发生变化。

此外，在实际应用中，一个良好的生物识别系统还必须考虑

(1)性能，即识别的准确性、速度以及为达到所要求的准确性和速度所需要的资源；

(2)可接受性，人们对于一种特定的生物识别在日常生活中的接受程度；

(3) 可欺骗性，用欺诈的方法骗过系统的难易程度。

生物识别系统一般流程

生物识别的最小系统和基本工作过程

通常情况下，一个生物识别的最小系统包含传感器、存储器和处理器3个部分。传感器是用户生物信息的采集机构；处理器负责信息预处理、特征提取、特征训练、特征匹配和特征识别；存储器负责特征提取和训练结果的存放。生物识别工作过程包括用户注册和身份认证2个阶段，其过程主要包含生物特征采集、预处理、特征提取及模式识别四个步骤：

1)特征采集

特征采集是利用传感器把人体固有的生理特征转换为计算机可读取的数字信息的过程。生物识别传感器器主要采用高精度的扫描仪、摄像机等光学设备，以及基于电容、电场技术的晶体传感芯片、超声波扫描、红外线扫描等设备。

2)预处理

预处理是将传感器读取的数字信息进行标准化，将原始数据处理成半结构化数据的过程。通常预处理方法主要包括信息压缩、降噪和数据归一化等。

3)特征提取

特征提取是提取生物特征中最具代表性的部分，是将其转换为结构化数据的过程。特征提取和表达是生物识别过程的重点和难点，例如虹膜、指纹、人脸等图像在采集时极易出现光照不均、平面旋转、局部遮挡和三维形变等情况。这给后续的特征匹配与模式识别带来极大的障碍，可能导致识别失败，不能进行身份认定。

4)模式识别

模式识别通常包括特征训练、特征匹配和特征识别，是通过机器学习与数据挖掘手段构建分类器，对结构化的特征向量进行匹配和识别的过程。其中，特征训练是通过机器学习方法对用户注册阶段采集的生物特征数据集进行学习，生成生物特征分类器模型；特征匹配是将身份认证阶段提取的生物特征与用户注册阶段生成的生物特征数据库模型进行匹配，并计算二者相似度；特征识别设置相似度阈值等识别准则，并对识别的结果进行接受或拒绝^[1]。

生物识别的技术种类

(1)基因识别

基因是控制个体性状特征的遗传单元，形状特征表现为发色、身高、单双眼皮等外部特征和免疫力、骨骼强度等内部特征，只要不同个体间存在差异便一定会在基因层面上有所不同，即基因的多态性。每个独立的个体都有各自独特的基因组，包含我们所有的遗传信息。通过测量人体的DNA序列与已有数据库对比便可以准确实现人体的身份信息识别。目前，人类基因库已经收集识别绝大多数基因数据信息，配合神经网络等工具开发了多种基因识别方法，对比识别准确率达99.9%。

(2)声纹识别

声纹是语音信号经过处理后得到的波谱信息。声纹的影响因素主要包括发声器官的生理结构差异和个人的发声习惯等两部分。前者主要是由人类发声器官，如舌头、口腔、鼻腔、咽腔等生理构造上的不同导致的，好比不同型号的汽车车鸣会有所不同。后者是由不同个体发声时的发生习惯不同导致的，比如有人说话快有人说话慢，有人发音强有人发音弱等。不同的发声器官构造和不同的发音习惯使得不同个体的言语信息经过声电转换后得到不同的声波图谱，从而便可以实现个人的身份信息认证。声纹识别技术的原理是将语音信号采集为电信号，不同的发音对应不同的电压值，经过端点检测和降噪处理后得到对应的波形特征图谱，再将足量的波形特征图谱进行特征提取，建立专属的声纹库。当需要进行识别时，将提取到的声纹特征参数与声纹库中特征参数进行对比，参数匹配则通过识别。目前声纹识别技术已经较为成熟，市场上广泛使用的声纹识别准确率已达99.1%以上。

(3)虹膜识别

虹膜是人眼瞳孔和巩膜之间的有色肌肉组织。虹膜的形成除了受基因影响外更多的是受胚胎发育环境的随机因素影响，由于不同个体的胚胎发育环境如环境、母体特征等完全不同且随机因素影响较多，故不同个体的虹膜外观特征会出现较大差异。由于虹膜的主要纹理再孕育期间9个月便已基本成型一旦形成便难以更改，只有通过及其精密的手术才能修改且需承担视力衰退的风险，故具备较好的稳定性，另外由于虹膜属于内部器官，采集时需要一定规范的完整扫描，具备良好的隐蔽性和安全性，是当下最完美的身份识别方法。虹膜的具体识别流程为先获取虹膜扫描图像，经过图像处理后得到特征图像，再将处理后的图像进行特征提取，收集提取到的特征建立虹膜数据库，进行身份识别时将提取的虹膜特征与数据库中的虹膜特征进行对比验证。虹膜识别对硬件条件如摄像头、显卡等提出了较高要求，当硬件条件一致时应用不同的深度学习算法结果也会存在差异，当下较为稳定的虹膜识别算法准确率为98.5%。

(4)掌纹识别

掌纹是人体手掌表面的纹路。掌纹的成形除了受基因、生活环境、健康状况影响外还具备较强的随机性，由于成型条件复杂且随机性较高，故不同个体的掌纹千差万别。掌纹识别的具体流程为手掌拍摄获取手掌图像，随后进行如灰度处理、均衡化、二值化、边缘提取、角点检测等图像处理，在处理后的图像中提取特征点，再根据特征点进行轮廓定位，提取相应的掌纹特征并建立掌纹数据库，当进行身份识别时再将提取到的特征与掌纹数据库进行比对验证。随着科技的发展，相比于指纹而言，掌纹范围更大，存储的信息更多，提取到的特征点更为明显，具备更高的检测准确率，目前检测准确率可达98.2%。同时，随着各个学科的交叉，掌纹识别已经不仅仅局限于手掌表面纹路的识别，还包括手掌表面光谱和手掌皮下静脉识别，通过这些识别方式可以获得更高的准确率

(5)人脸识别

现实世界中人脸是我们识别对方身份的最直观依据，根据不同的相貌特点区分对方的身份，进而进行人际交往活动。不同的个体往往拥有不同的容貌，这里的容貌便对应着不同的面部特征。人脸识别技术便是根据脸部特征进行身份识别，是当下应用最广泛的识别技术之一。人脸识别的具体实现流程为人脸拍摄获取人脸图像，而后通过各种训练器进行图像训练从而获取有效的人脸图像，进而提取人脸特征，建立相应的人脸特征库。当进行身份识别时再将提取到的特征与人脸特征库中注册的人脸特征进行比对验证。但由于现实世界中长相相似的人数较多，因而识别误差也会较大。

(5)耳廓识别

耳廓即耳朵的外形轮廓，耳廓主要在胚胎5-9周发育成形具备唯一性。耳廓识别就是对耳朵进行三维特征提取进行个人身份识别的技术。耳廓的形态并不会随着人体脸部表情、年龄等的变化而明显变化，较人脸识别而言具备更强的稳定性。耳廓识别的具体流程为耳廓拍摄获取耳廓图像，而后通过训练器进行图像训练获取有效的耳廓图像，进而进行耳廓定位提取耳廓特征，建立相应的耳廓特征库。

(7)指纹识别

指纹是人类手指皮肤上的纹路，包括纹路中的断点、交叉点等。指纹主要在胚胎在4个月左右发育成形，其成形具备随机性，号称每一个指纹都是独一无二的，因而具备唯一性，且指纹一旦成型便难以改变，即便短暂的磨损后也会随着时间重新恢复。指纹识别便是通过提取指纹的纹路特征进行身份识别的技术。指纹识别的具体流程为获取指纹图像，进行图像平滑、图像分割、图像增强、图像二值化、图像细化等指纹图像预处理操作，得到处理后指纹图像，进而提取图像的各个特征点，建立相应的指纹特征库。根据当下国家信息安全研究显示，当不考虑指尖压力对指纹的形变影响时，指纹识别具备极高的准确率，当考虑指压影响时，综合识别准确率为95%^[2]