导言
生物特征辨认技能是指使用人体固有的生理特征或行为特征来进行个人身份辨别认证的技能。生物特征辨认技能包含选用人体固有的生理特征(如人脸、指纹、虹膜、静脉)进行的身份认证技能和使用后天构成的行为特征(如签名、笔迹、声响、步态)进行的身份认证技能。与传统的身份判定手法比较，根据生物特征辨认的身份判定技能具有如下长处：(1)不会忘记或丢掉;(2)防伪功能好，不易假造或被盗; (3)“随身携带”，随时随地可用。正是因为生物特征身份辨认认证具有上述长处，根据生物特征的身份辨认认证技能遭到了各国的极大注重。
生物特征辨认技能及其发展趋势
现在，常用的生物特征辨认技能所用的生物特征有根据生理特征的如人脸、指纹、虹膜，也有根据行为特征的如笔迹、声响等。下面就这些常见的生物特征辨认技能的特色及其发展趋势作一简略介绍。
人脸辨认
人脸辨认作为一种根据生理特征的身份认证技能，与现在广泛应用的以暗码、IC卡为前言的传统身份认证技能比较，具有不易假造、不易盗取、不会忘记的特色;而人脸辨认与指纹、虹膜、掌纹辨认等生理特征辨认技能比较，具有非侵略性、收集便利等特色。因此人脸辨认是一种十分天然、友爱的生物特征辨认认证技能。
人脸辨认技能包含图画或视频中进行人脸检测、从检测出的人脸中定位眼睛方位、然后提取人脸特征、最终进行人脸比对等一系列相关的技能。
最早的人脸辨认体系建成于20世纪60年代，该体系以人脸特征点的距离、比率等参数作为特征，构建了一个半主动的人脸辨认体系。此刻的人脸辨认研讨多集中于研讨怎么提取特征点进行人脸辨认，如人脸特征器官(眼角、嘴角、鼻孔)的相对方位、巨细、形状、面积及彼此间的几许联系等。因为这些特征点难以精确定位、鲁棒性差，因此选用这些办法的人脸辨认体系的功能都很低。
自20世纪80年代开端，人脸辨认技能呈现了根据面部图画的办法。与根据特征点的办法比较，根据面部图画的办法不是提取人脸特征器官这一高层特征，而是将人脸作为一个图画全体，从图画中提取反映人脸特性的特征如DCT改换特征、小波特征、 Gabor特征等等。根据面部图画的办法因为使用了更多的底层信息，以及核算形式辨认办法的引进，使得这类办法具有十分高的辨认率和十分好的鲁棒性。因为根据面部图画的人脸辨认算法具有很高功能，现在现已呈现了不少推行人脸辨认技能的厂商，如国内的北京海鑫科金高科技股份有限公司、国外的L1ID等。
为了评测根据面部图画的人脸辨认算法的功能。美国ARPA和ARL于1993年至1996 年树立了FERET数据库，用于评测其时的人脸辨认算法的功能。共举行了三次测验FERET94、FERET95、FERET96。FERET测验的成果指出，光照、姿势和年纪改变会严重影响人脸辨认的功能。
FERET的测验成果也标明晰根据面部图画的办法的缺陷。人脸是一个三维非刚体，具有姿势、表情等改变，人脸图画收集进程中易遭到光照、布景、收集设备的影响。这些影响会下降人脸辨认的功能。
为了战胜姿势改变对人脸辨认功能的影响，也为了进一步进步人脸辨认功能，20世纪90年代后期，一些研讨者开端选用根据3D的人脸辨认算法。这些算法有的自身就选用三维描绘人脸，有的则用二维图画树立三维模型，并使用三维模型生成各种光照、姿势下的组成图画，使用这些组成图画进行人脸辨认。
2000年后，人脸辨认算法逐渐老练，呈现了商用的人脸辨认体系。为了评测这些商用体系的功能，也作为FERET测验的连续，美国有关组织组织了FRVT2000、FRVT2002、FRVT2006测验。测验成果标明，人脸辨认错误率在 FRVT2006上下降了至少一个数量级，这种功能的提升在根据图画的人脸辨认算法和根据三维的人脸辨认算法上都得到表现。此外，在可控环境下，虹膜、静态人脸和三维人脸辨认技能的功能是适当的。此外，FRVT2006还展示了不同光照条件下人脸辨认功能的明显进步，最终，FRVT2006标明人脸主动辨认的功能优于人。值得一提的是，清华大学电子工程系作为国内仅有参与FRVT2006的评测的学术组织，其人脸主动辨认功能优于人类。
FRVT2006为人脸辨认后续的研讨指明晰方向，人脸辨认中光照、年纪改变仍然对人脸辨认功能有很大影响，二维人脸辨认的功能不比三维人脸辨认差。
指纹辨认
指纹辨认技能是指经过比较不同人指纹中的特征点不同来区别不同人的身份。指纹辨认技能一般由三个部分组成：对指纹图画进行预处理;提取特征值，并构成特征值模板;指纹特征值比对。
指纹图画预处理的意图是为了削减噪声搅扰的影响，以便有用提取指纹特征值。常用的预处理办法有图画增强、图画滑润、二值化、图画细化等。
特征提取的意图便是从预处理后的指纹图画中，提取出可以表达该指纹图画异乎寻常的特征点的进程。开始特征提取是根据图画的，从图画全体中提取出特征进行比较，但该办法的精度和功能较低。现在一般选用根据特征点的办法，从图画中提取反响指纹特性的大局特征(如纹形、形式区、核心区、三角点、纹数等)和部分特征(如终结点、分叉点、不合点、孤立点、环点等)。得到特征点后就可以对特征点进行编码构成特征值模板。
指纹特征值比对便是把当时取得的指纹特征值与存储的指纹特征值模板进行匹配，并给出类似度的进程。
虹膜辨认
虹膜相对而言是一个较新的生物特征。1983年，Flom与Safir申请了虹膜辨认专利维护，使得虹膜辨认方面的研讨很少。1993年，Daugman宣布了关于虹膜主动辨认算法的开创性作业，奠定了世界上首个商业虹膜主动辨认体系的根底。跟着Flom和Safir专利在2005年的失效和CASIA及ICE2005中虹膜数据集的供给，虹膜辨认算法的研讨越来越繁荣。ICE2006初次对虹膜辨认算法功能进行了测验。
虹膜辨认中需求处理如下两个难点问题：一是虹膜图画的获取，二是完结高功能的虹膜辨认算法。
生物特征辨认产品的发展趋势
生物特征辨认产品逐渐从单一PC处理，转变为分布式核算。用独立的前端独立设备来完结生物特征的收集、预处理、特征提取和比对，而用中心PC或服务器完结与事务相关的处理。论述这种方法较之传统方法的长处~ 因为前端选用嵌入式设备，因此天然提出了对数字信号处理器的要求。
