生物特征識別技術
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇生物特征識別技術范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。
生物特征識別技術范文第1篇
1 引言
所謂生物識別技術就是，通過計算機與光學、聲學、生物傳感器和生物統(tǒng)計學原理等高科技手段密切結合，利用人體固有的生理特性(如指紋、臉像、虹膜等)和行為特性(如筆跡、聲音、步態(tài)等)來進行個人身份的鑒定。其核心在于如何獲取這些生物特征，并將之轉換為數(shù)字信息，存儲于計算機中，利用可靠的匹配算法來完成驗證與識別個人身份的過程。我們常見的用于生物識別的特征有手形、指紋、臉形、虹膜、視網(wǎng)膜、脈搏、耳廓、簽字、聲音、按鍵力度、步態(tài)等。
網(wǎng)絡信息化時代的一大特征就是身份的數(shù)字化和隱性化。如何準確鑒定一個人的身份，保護信息安全是當今信息化時代必須解決的一個關鍵社會問題。相信大家都還記得一個經(jīng)典的漫畫，一條狗在計算機面前一邊打字。一邊對另一條狗說：“在互聯(lián)網(wǎng)上，沒有人知道你是一個人還是一條狗!”這個漫畫說明了在互聯(lián)網(wǎng)上很難識別身份。與傳統(tǒng)的身份鑒定方法相比，生物識別技術具有安全、保密、方便、不易遺忘、防偽性能好、不易偽造或被盜、隨身“攜帶”和隨時隨地可用等優(yōu)點。生物特征由于其特有的穩(wěn)定性、唯一性和方便性，在安全、認證等身份鑒別領域有著廣泛的應用。如重要部門的合法進入、計算機網(wǎng)絡登錄安全控制、信用卡持卡人的身份認證、被保險人的身份認證等。比爾?蓋茨認為“以人類生物特征(指紋、語音、人臉識別等方式)進行身份驗證的生物特征識別技術，在今后數(shù)年內(nèi)將成為lT產(chǎn)業(yè)最為重要的技術革命”。生物識別是當今數(shù)字化生活中最高級別的安全密鑰系統(tǒng)。
2 生物特征識別技術的應用前景及發(fā)展趨勢
生物識別的應用范圍很廣：PC／局域網(wǎng)登錄――許多供應商都提供允許用戶登錄到PC或局域網(wǎng)，尤其是Windows NT的應用軟件，這減少了用戶記住密碼和經(jīng)常更改密碼的必要性，也同時減少了管理員經(jīng)常復位和管理密碼的必要性；應用系統(tǒng)登錄――生物識別可以替換訪問某項服務(比如電子郵件客戶)所需的密碼，這一自動登錄過程可以對多項服務重復進行，并與LAN登錄相結合。這使得生物識別是讓“一次性登錄”系統(tǒng)成為可能的技術；一次性登錄(SSO)――這是通過一次驗證就可以訪問多項服務和資源的過程，這樣一個系統(tǒng)的好處在于極大地方便了用戶，不必要再操作多個密碼，同時減少了訪問關鍵應用內(nèi)容所需的時間。其不足之處在于一次驗證事件就控制了對所有應用項目和資源的訪問。許多企業(yè)對于只使用一個簡單密碼進行一次性登錄很有顧慮，因為泄密的危險太大了。對于實現(xiàn)一次性登錄，生物識別成為密碼的自然替代物。有些SSO項目提供部分應用一次登錄的功能，比如：對于主要系統(tǒng)和網(wǎng)絡操作系統(tǒng)。這些應用項目可以看成是簡化的或是強化的登錄系統(tǒng)。
生物特征識別技術范文第2篇
關鍵詞：生物特征 身份認證 多目標規(guī)劃 優(yōu)化組合
中圖分類號：TP18 文獻標識碼：A 文章編號：1672-3791（2013）04（b）-0009-02
要害部位的安全性對身份認證技術提出了越來越高的要求，生物特征識別成為關注熱點。單一的生物特征識別技術存在識別率低、安全性差等問題，多生物特征身份識別技術因綜合了單生物特征識別的優(yōu)點，成為一種發(fā)展趨勢。如何在經(jīng)濟性、防偽性、穩(wěn)定性、便捷性等約束條件下，從眾多單一生物特征中挑選出最優(yōu)化的組合方案，是研究多生物特征識別技術要考慮的問題。本文從多目標規(guī)劃的角度，對多生物特征進行優(yōu)化選取，達到對不同場所給出相應的優(yōu)化組合的目的。
1 多目標規(guī)劃模型
2.3 評價指標分值的確定及數(shù)學表達
由于各生物特征識別技術的復雜性、發(fā)展成熟程度以及市場化程度等的不同，各生物特征的各自評價指標會有不同程度上的差別。根據(jù)各種生物識別技術的優(yōu)缺點以及應用中的情況，使用專家評分法對評價指標經(jīng)濟性、防偽性、穩(wěn)定性、便捷性在[0，1]內(nèi)打分，本文實驗數(shù)據(jù)由相關資料參考得到，各評價指標分值如表2所示。
為說明不同權系數(shù)的影響不同，這里、、與成本值的值在MATLAB計算中給出。將表2的數(shù)值代入到式（5）、式（6），即得到多生物特征優(yōu)化組合的數(shù)學模型。
3 多生物特征優(yōu)化組合的MATLAB求解
0-1型整數(shù)規(guī)劃常用解法為窮舉法和隱枚舉法。窮舉法在變量較多時，計算量較為龐大，這里采取MATLAB7.0，建立m文件，根據(jù)式（5）、式（6）的數(shù)學表達與2.3節(jié)指標值，調(diào)用函數(shù)bintprog（ ）求解此0-1線性整數(shù)規(guī)劃問題。
根據(jù)實際的情況和不同場所要進行安保對象的不同，采用不同的多生物特征組合，設定不同的成本代價、各評價指標權重、、，得到不同組合，找到最優(yōu)的多生物特征組合。下面給出七組不同的實際應用場合的、、、的進行實驗，得到各變量的0、1取值，其中：“1”表示選取，“0”表示未選取。根據(jù)實驗數(shù)據(jù)以及它們與表1中相對應的生物特征，得到表3。
分別給定成本預算、權重系數(shù)，根據(jù)1、2組的比較可以得到，當成本預算相同時，根據(jù)實際需保護的目標不同，改變評價指標的權重，可以得到與之匹配的優(yōu)化組合；由3、4得到權重相同時，改變成本預算也可以改變相應的生物特征組合。實驗過程中，采用0-1線性整數(shù)規(guī)劃，輸入相同的預算成本或權重系數(shù)可能會得到相同的結果，但輸出的實際成本會有不同，考慮到成本與評價指標的共同約束性，此時盡量選擇不同的成本和權重。由此可以得到，當安保的部位確定后，可以根據(jù)預算成本和各評價指標的權重來確定采取的身份認證手段，從而綜合多種生物特征識別的優(yōu)點，提高識別率，起到對要點部位的安全防范。
4 結語
本文從重要場所出入口身份識別認證的需求出發(fā)，運用多目標規(guī)劃模型，建立多生物特征的目標函數(shù)，利用線性加權和法得到評價函數(shù)，用最優(yōu)化方法求解了重要目標多種生物特征識別的優(yōu)化組合問題，通過MATLAB7.0實驗得出結果后，經(jīng)反算驗證，在約束條件下，得到的組合是最優(yōu)化組合，為后續(xù)的信息融合提供依據(jù)，也為不同軍事目標的防護提供了較好的參考。
參考文獻
[1] 曹衛(wèi)華，郭正.最優(yōu)化技術方法及MATLAB的實現(xiàn)[M].北京：化學工業(yè)出版社，2005.
[2] 周赤非.新編軍事運籌學[M].北京：軍事科學出版社，2010.
[3] 張睿.多模態(tài)手部生物特征識別技術的研究[D].重慶：重慶工學院，2008.
[4] 李秀艷.多生物特征身份識別方法研究[D].天津：天津大學，2010.
生物特征識別技術范文第3篇
【關鍵詞】生物特征識別；步態(tài)識別；步態(tài)檢測；特征提取
0 引言
生物特征識別技術是根據(jù)每個人獨有的、可以采樣檢測的生理特征或行為特征進行身份識別的技術。第一代生物特征識別技術主要利用人的指紋、臉像等特征進行識別，這通常要求上體近距離或接觸性的協(xié)作感知，在遠距離的情況下，這些特征不可能被利用。
由于個體之間身體結構和運動行為上的基本特性不同，步態(tài)運動為人的識別提供了獨特的線索。步態(tài)具有非接觸性、難以隱藏或偽裝、易于捕捉等特點，且不受距離影響。除了步態(tài)本身的特點，PC處理器能力的提升，高速數(shù)據(jù)存儲設備的出現(xiàn)，人體建模、運動跟蹤等計算機視覺處理技術的提高等因素使得步態(tài)識別技術成為一種新的可行的安全應用，極具研究意義與研究價值。
近幾年來步態(tài)勢識別技術引起了世界各國學術科研機構的廣泛的關注。美國國防高級研究所項目署資助的重大項目――HID（Human Identification a Distance）計劃開展的多模態(tài)視覺監(jiān)控技術以實現(xiàn)遠距離情況下的人的檢測、分類和識別。
1 步態(tài)識別過程
步態(tài)識別旨在根據(jù)人行走時的姿勢來進行人的身份認證。步態(tài)識別過程可以劃分為步態(tài)檢測、步態(tài)特征提取、步態(tài)分類與識別三個階段。
1.1 步態(tài)檢測
步態(tài)檢測是從人行走的視頻序列中提取步態(tài)輪廓區(qū)域，這方面的工作包括背景建模、前景檢測和形態(tài)學后處理等。步態(tài)輪廓的有效分割對于特征提取、分類識別等后期處理非常重要，因為后續(xù)處理過程僅考慮圖像中輪廓區(qū)域的像素。常用的步態(tài)檢測方法有背景減除法、時間差分法、光流法等。
1.2 步態(tài)特征提取
步態(tài)特征主要分為兩大類：人體結構特征和運動行為特征。前者反映了人體的幾何特性，如身高和體形；后者主要指行走時的肢體運動參數(shù)的變化。步態(tài)特征提取的方法主要有基于模型的方法和基于非模型的方法。
1.2.1 基于模型的方法
基于模型的方法是將人體結構或人體運動建模后，利用二維圖像序列數(shù)據(jù)與模型數(shù)據(jù)進行匹配以獲取特征參數(shù)。人的步行存在著攜帶背包、雨傘等足以改變外形、掩蓋部分身體的現(xiàn)象，在很多運動場合還存在身體自我遮擋現(xiàn)象，基于模型的方法能夠成功解決遮擋問題，原因在于模型是依賴于圖像序列中人的運動模式而建立，能夠反映當前的變化，還能對過去和將來的變化進行估算。常用的模型主要有：Lee構建的橢圓模型，即用橢圓來匹配運動人體的二值化側影的不同身體部位，以橢圓的質(zhì)心、離心率等參數(shù)反映人體步態(tài)特征參數(shù)[1]；Cunado建立的鐘擺模型，將大腿建模為鏈接的鐘擺，并從其傾斜角度信號的頻率分量中獲取步態(tài)特征[2]；Yoo建立的骨架圖模型，即用直線近似在關節(jié)點處所連接的骨骼來表達人體[3]。
1.2.2 基于非模型的方法
非模型的方法是通過對位置、速度、形狀等相關特征的預測或估計來建立相鄰幀間的關系。例如，Little等[4]利用步態(tài)序列圖像的光流頻率和相位作為特征；Kale等[5]提取人體輪廓圖像的寬度向量作為特征；Shutler[6]等引入速度矩作為特征；王亮等[7]提取輪廓點到人體質(zhì)心的距離向量作為步態(tài)特征。
1.2.3 步態(tài)分類與識別
步態(tài)的分類識別過程，即采用適當?shù)姆椒▽⒋R別的步態(tài)與步態(tài)數(shù)據(jù)庫中的步態(tài)模式進行匹配，通過一定的判別依據(jù)決策它所屬的類別?？紤]到步態(tài)的運動特性，對其分類識別也需要采用基于動態(tài)系統(tǒng)的識別方法。
2 結論
美國“9.11”事件之后，國際社會反恐形勢更為嚴峻，加強重點場所的安全監(jiān)測，提高身份識別能力，是反恐必不可少的措施。步態(tài)可在被觀察者沒有察覺的情況下進行非接觸性的感知和度量，具有較好的非侵犯性。因此，從視覺監(jiān)控的角度來看，步態(tài)識別是非常具有潛力的生物特征識別技術。當前文獻報道的各種步態(tài)識別方法大多數(shù)是在一定實驗假設條件下進行測試的，還沒有應用到實際生活中。實際監(jiān)控場景往往很復雜，可能存在多個運動物體，背景圖像受天氣、光照等外界因素的影響變化較大。以日照條件下運動目標的影子為例，它可能與被檢測的目標相連，也可能與目標分離。前者，影子扭曲了目標形狀，使基于輪廓的步態(tài)識別方法不再可靠；后者，影子可能被誤認為場景中一個錯誤的目標。因此，實現(xiàn)實際場景下的步態(tài)檢測仍然是一個挑戰(zhàn)。
【參考文獻】
[1]L.Lee.Gait analysis for recognition and classification[C]//Proceedings of the IEEE International Conference on Automatic Face and Gesture Recognition.2002.
[2]D.Cunado， M.Nixon， J.Carter. Using gait as a biometric， via phase-weighter magnitude spectra[C]// Proceedings of International Conference on Audio and Video-based Biometric Person Authenticetion.1997.
[3]Yoo Jang-hee，Nixon M S， Harris C J.Extracting Human Gait Signatures by Body Segment Properties[C]//Proceeding of Proc IEEE Southwest Symposium on Image Analysis and Interpretation.2002.
[4]J.Little，J. Boyd.Recognizingm people by their gait： the shape of motion[J]. Jouranl of Computer Vision Research，1998（2）：2-32.
[5]Kale A， Rajagopalan A，Cuntoor N.Gait based recognition of humans using continuous hmms[C]// Proceedings of IEEE International Conference on Automatic Face and Gesture Recognition.2002.
生物特征識別技術范文第4篇
【關鍵詞】考試防作弊系統(tǒng)；人臉識別技術；指靜脈識別技術
高?？荚囎鳛橐环N評價學生知識掌握程度和教師教學效果的重要手段，對優(yōu)化教學過程，提高教學質(zhì)量發(fā)揮著積極的作用。考試的質(zhì)量高低及公正與否直接影響著考試積極作用的發(fā)揮。然而，高校學生在各類考試中出現(xiàn)作弊行為屢禁不止的現(xiàn)象，使得考試不能發(fā)揮積極的作用，給個人，學校乃至社會帶來了嚴重危害?？荚囎鞅讓τ趥€人來說，不但有損品德還會因違反學校紀律受到相應處分從而影響畢業(yè)及就業(yè)。對于學校而言考試作弊之風盛行，將嚴重影響到學風校風建設，因此，作為高?？紕展芾碚邞獙⒎乐棺鞅仔袨榈陌l(fā)生作為首要課題。
一、當前高?？荚囎鞅赚F(xiàn)狀及對策分析
目前，通過對高?？荚囎鞅赚F(xiàn)象的研究進行梳理，發(fā)現(xiàn)現(xiàn)階段高?？荚囍饕尸F(xiàn)作弊人數(shù)逐年增長，作弊手段多樣、作弊技術高科技等特點。分析近幾年高校相關的考試作弊學生處理文件發(fā)現(xiàn)，作弊行為由傳統(tǒng)的夾帶，抄襲等作弊方式逐漸發(fā)展成使用手機發(fā)送短信傳遞答案、隱形耳機傳送答案，利用作弊筆、作弊眼鏡抄襲答案，偽造準考證替考等高科技作弊手段。為了有效防止作弊行為的發(fā)生，高校提出了一系列的措施，如：加強考風考紀建設，樹立嚴肅的考風；加強考務管理，健全考試制度；強化風險意識，嚴格遵守規(guī)章制度，依法按章嚴懲作弊者等。這些措施，對防止作弊行為的發(fā)生起到了一定作用，但隨著社會信息技術的發(fā)展，使用高科技手段作弊的行為逐漸增多，嚴重影響了其他考生的利益且給社會造成了惡劣的影響，本項目基于考試防作弊系統(tǒng)中人臉識別、指靜脈識別等技術的實際應用，探討符合實際應用方式。
二、人臉識別技術的含義及發(fā)展
人臉識別技術是指一種包含人臉圖像采集，人臉定位，人臉識別預處理，身份確認及查找的一系列相關技術的總和。是生物特征識別的一種，而生物特征識別是利用一種或多種人類的生理特征（如指紋、人臉、虹膜、靜脈等）或行為特征（如步態(tài)、簽名等）進行身份認證的一種技術。1相比目前的防作弊技術，例如，專門用來探測金屬或含有金屬部件的儀器金屬探測器，專門屏蔽手機等無線通訊設備信號的手機信號屏蔽器，異地采集圖像、聲音等實況信息的監(jiān)控器，生物特征識別技術具有唯一性、持久性和安全性高等諸多優(yōu)勢。
人臉識別技術由最初的識別基于人臉器官局部特征描述到識別多姿態(tài)，多表情變化，再到運用動態(tài)跟蹤技術采集比靜態(tài)圖像信息更豐富的視頻序列信息進行識別。此項技術在不斷發(fā)展的過程中，逐漸被更多的領域應用，可見其技術優(yōu)勢。
三、指靜脈識別技術的內(nèi)容及應用
指靜脈識別技術主要是利用手指的靜脈血管紋路進行身份識別的一項生物特征識別技術，指靜脈信息屬于人體的內(nèi)部特征，具有唯一性，無法被竊取和偽造并且指靜脈信息只能在活體條件下才能被采集到，準確率高。采集指靜脈信息目前主要使用指靜脈識別儀進行。首先，通過指靜脈識別儀采集指靜脈圖像并進行預處理以加強圖像信息，然后提取靜脈紋路、紋理、細節(jié)點等的指靜脈特征，從而與數(shù)據(jù)庫信息進行匹配，通過即為認證成功。
四、人臉識別技術及指靜脈識別技術的應用探討
在高?？荚囍?，如全國大學英語四六級考試，全國非計算機聯(lián)合考試等大型考試，由于參考人數(shù)眾多，存在作弊行為的人數(shù)就相對較多?，F(xiàn)階段我們采用的方式是考前入場查驗的方式。首先，基于考試防作弊系統(tǒng)信息采集模塊進行信息采集，將學生信息錄入數(shù)據(jù)庫，學生信息主要包括身份證信息、人臉模型建模信息及指靜脈信息，目前主要采用直接采集人臉模型的方式進行人臉圖像的建模。具體做法是，在考前將在籍本科生人臉模型信息通過防作弊系統(tǒng)采集之后存入數(shù)據(jù)庫，系統(tǒng)根據(jù)身份證信息存儲數(shù)據(jù)，采用身份證配對調(diào)取信息的好處在于身份證號唯一且辨識度高。然后，考試當天對參加考學生進行信息認證。在考試前通知學生攜帶本人身份證，考試當天將防作弊系統(tǒng)安裝至考試入場處，要求參加考試的學生提前拿出身份證，在身份證識別儀處刷取身份證信息，在身份證閱讀器上讀取身份證信息，同時通過雙目攝像頭檢索數(shù)據(jù)庫中，與身份證信息匹配的人臉模型，將數(shù)據(jù)庫存儲的人臉模型信息與現(xiàn)場參與考試的考生人臉圖像進行掃描對比，通過者即為認證成功，可以正常參加考試。若掃描對比失敗則進入指靜脈信息對比環(huán)節(jié)。
進入指靜脈信息對比環(huán)節(jié)后，引導考生將采集信息的手指放入指靜脈識別儀中，若讀取的考生指靜脈信息后顯示認證成功即確認為本人，則進入考場參加考試。指靜脈識別失敗即確定不是本人，認證失敗確定不是本人者即有替考嫌疑，應進行進一步審核，若確定為替考者，將取消考試資格。
防作弊系統(tǒng)信息采集及信息認證操作流程：
五、總結與展望
目前，經(jīng)過幾次測試，防作弊系統(tǒng)可以正常投入使用，但在使用過程中遇到最大的問題是，當考生人數(shù)眾多時，由于考生進場時間有限且信息認證花費的時間較長，容易造成考生入場擁堵，考前入場時間不夠等情況。為了確?？荚囌＿\行，可以考慮如下解決辦法。
（一）考前入鏊婊查驗的方式
信息認證方式可以由統(tǒng)一認證所有考生信息的方式改為單獨隨機抽查考生的方式。隨機抽取部分考生，通過防作弊系統(tǒng)的人臉識別和指靜脈識別查驗考生信息，這樣做的好處是大大縮減了認證時間，同時對考生起到警示的作用。
（二）監(jiān)考人員復核查驗的方式
在考生進入考場時，由監(jiān)考人員核對考生信息，主要核對考生證件信息與本人是否相符，若有替考嫌疑，則通過防作弊系統(tǒng)的人臉識別和指靜脈識別查驗考生信息。
綜上所述，人臉識別技術和指靜脈識別技術在高校大型考試中進行應用還是可行的，但是還是存在一些問題，影響應用效果，在使用的過程中及時發(fā)現(xiàn)問題，解決問題，做到確保考試安全平穩(wěn)運行的情況下，讓人臉識別技術和指靜脈識別技術在高?？荚囍邪l(fā)揮最大作用。
項目名稱：高?？荚嚪雷鞅准夹g應用探討；項目編號：XJNUGF201618。
作者簡介：方琴（1988-），女，漢族，新疆烏魯木齊人，碩士研究生，科員。研究方向：信息化教育。
參考文獻：
[1]Jain A K，Ross A，Pankanti S.Biometrics：A tool for information security[J].IEEE Transactions on Information Forensics and Security，2006，1（2）：125―143.
[2]余成波，秦華鋒.生物特征識別技術：手指靜脈識別技術[M].北京：清華大學出版社，2009.
[3]管鳳旭，王科俊，劉靖字，等.歸一雙向加權（2D）2 PCA的手指靜脈識別方法[J].模式識別與人工智能，2011，24（3）：417-424. Guan Fengxu，Wang Kejun，Liu Jingyu。et a1.Bi―direction weighted（2D）2 PCA with eigenvalue normalization one for finger vein recognition[J].Pattern Recognition and Artificial Intelligence，2011，24（3）：417-424.
[4]伊義龍，楊公平，楊璐.指靜脈識別研究綜述[M].濟南：山東大學計算機科學與技術學院，2015.
生物特征識別技術范文第5篇
如今社會已然是信息化時代，每個人的信息安全顯得尤為重要。于是生物特征識別技術也就應運而生了，生物特征識別技術最為常見的當屬指紋識別了，但當下指紋識別漸漸不能滿足人們的需求了。雖然指紋識別較為廣泛應用，但有著安全性不大好，識別率不高，指紋易受損，可偽造等缺陷，對于一些需要安全性高的特殊場合來說不足以勝任。而近幾年異軍突起的指靜脈識別技術不僅繼承了傳統(tǒng)指紋識別的使用方便，大眾接受性高，快捷等優(yōu)勢，還彌補了可偽造，易受損等缺陷，大幅提升了信息的安全性。
【關鍵詞】信息安全 生物特征識別 指靜脈識別技術
1 引言
在信息化時代這個大背景之下，有些信息問題和弊端是較為突出和必須解決的?，F(xiàn)在的身份識別慢慢由外物識別過渡為生物特征識別，就目前來說相對成熟和應用廣泛的生物識別技術當屬指紋識別了，但仍有著無法彌補的弊端，比如當指頭受損或者有污漬等影響指紋紋路的情況下，指紋識別的識別率將會大幅降低，而且雖然無法破解和篡改機器內(nèi)部的指紋記錄，但現(xiàn)在有方法制作指紋膜，制作好的指紋膜可以進行指紋識別認證，所以指紋識別安全性并不能長久得到保障。而指靜脈識別是根據(jù)靜脈里血紅蛋白反射的近紅外線形成的靜脈像來識別的，屬于活體識別技術，由于靜脈屬于內(nèi)部生理特征，所以不會受到表皮、污染、溫濕度等外部環(huán)境的影響，而且靜脈像也是無法復制的，所以指靜脈識別可以避免上述情況的發(fā)生。
2 指靜脈識別原理和處理技術
2.1 指靜脈特征成像原理
醫(yī)學研究表明，我們每個人的手指血管紋路都是世界上獨一無二的。之所以采用手指靜脈這一部分是因為相比于動脈來說靜脈更加接近人體皮膚表皮，更容易采集。另外靜脈相比動脈來說曲線和分支更多，采集到的靜脈圖像特征也就越明顯。通過使用近紅外線透照射手指時，靜脈血液中的血紅蛋白會吸收掉近紅外線，肌肉和骨骼等部位被弱化，從而形成了明顯的圖像。
2.2 圖像的采集
在靜脈成像這方面，目前市場上的成像設備感光傳感器多數(shù)分為兩種：CCD和CMOS。其中CMOS較為便宜，并且集成度較高，功耗也低，雖然在成像的質(zhì)量上沒有CCD優(yōu)秀，但是CMOS的光譜敏感范圍在近紅外線段中比可見光的高出5到6倍，更加適合在紅外光線下采集圖像，所以總體來說COMS更為合適。
近紅外線范圍一般選在850nm左右，在這個波長左右靜脈透射的部分較少，成像明顯，另外還需要增加紅外濾光片來盡可能消除來自可見光的干擾。
2.3 圖像的處理
采集到的圖像會帶著噪聲，并且圖像還會受到手指擺放的位置和姿勢等其他因素的影響，所以需要對采集到的圖像做進一步的處理。
其中有幾項處理方法較為重要的：
2.3.1 圖像增強
由于使用者個體的差異，不同的人手指的厚度也不盡相同。原始圖像還會受到椒鹽噪聲的影響，這就給后面圖像的分割造成了困難，所以在圖像分割之前需要對圖像進行增強處理。
2.3.2 去噪處理
需要對獲取到的圖像進行減噪，可以采用均值濾波的方式對圖像進行圖像平滑。均值濾波主要是鄰域平均，針對有噪聲的原始圖像（假設為f（x，y））的每個像素點選擇一個模板，這個模板是由鄰近的m個像素組成，求得均值之后再將均值賦給當前的像素點，即為該像素點最終的像素值。公式如下：
∑f（x，y）
2.3.3 圖像區(qū)域裁剪
采集到手指靜脈圖像的同時也會不可避免地包含了圖像背景等冗余的數(shù)據(jù)，為了避免冗余數(shù)據(jù)的干擾，就需要我們進行圖像區(qū)域的定位，最為常用的提取目標物體的方法為圖像閾值化，適用于圖像中目標物體和背景占據(jù)不同灰度級范圍的情況。通過設置多種閾值對應不同的特征，由此可將圖像像素點分為了若干類。常用的特征包括了直接來自原始圖像的灰度和彩色特征以及由原始灰度或彩色值變換得到的特征。將原始圖像設為f（x，y），按照定好的準則在f（x，y）中找到特征值T，分別賦予0和1來標明圖像的背景和目的物體，也就是圖像二值化。
2.3.4 圖像分割
根據(jù)圖像分割方法的不同，可以大致分為四種：
（1）利用圖像灰度統(tǒng)計信息的方法，比如一維直方圖閾值和二維直方圖閾值；
（2）利用圖像空間區(qū)域信息和光譜信息的圖像分割方法，比如生長法、多光譜圖像分割、紋理分割等；
（3）邊緣檢測方法，利用了圖像中灰度變化最強烈的區(qū)域信息信息，比如Canny算法；
（4）像素分類法，是利用圖像分類技術進行圖像分割的一種方法，比如統(tǒng)計分類方法、模糊分類方法和神經(jīng)網(wǎng)絡方法等。
2.4 指靜脈特征點提取
采集圖像通過處理便可以得到進一步的靜脈圖像，不同靜脈圖像的區(qū)別在于靜脈的拓撲結構以及細節(jié)點。而細節(jié)點的提取一般有以下幾種：
2.4.1 端點
當指靜脈在手指內(nèi)部一定深度或近紅外線透射不夠深的時候就會出現(xiàn)。
2.4.2 分叉點
由一個單一的靜脈段分裂為兩段靜脈段時出現(xiàn)。
2.4.3 雙分叉點
當兩個分叉點靠得比較近的時候就會出現(xiàn)。
根據(jù)上述三種細節(jié)點進行特征提取的方法如下：
2.4.4 提取端點
以端點為中心提取一塊范圍N*N（N的值視情況而定），然后刪除該范圍中沒有與端點相連接的點。計算特征與范圍邊界的連接數(shù)，如果數(shù)目為一個細節(jié)點就將該細節(jié)點作為端點并保存該點與水平線的角度，否則不成立。
2.4.5 提取分叉點
以一個分叉點為中心提取一塊范圍N*N（N的值視情況而定），接著刪除在該范圍內(nèi)不與該分叉點相連接的點，計算特征和該范圍的連接數(shù)，當連接數(shù)目是4個的時候，就認為該分叉點是雙分叉點，同時并保存分支之間的角度，否則不成立。
3 總結
針對傳統(tǒng)指紋識別所凸顯的弊端提出了指靜脈識別的優(yōu)勢以及光明的前景，闡明了指靜脈系統(tǒng)從采集到特征提取這一系列過程的原理以及方式等關鍵問題。雖然目前指靜脈識別并沒有像指紋識別那么為大眾所熟知，但目前指靜脈市場正處于臨界狀態(tài)，一旦得到進一步的完善和推廣，相信在不久的將來會普及到各類領域之中，甚至將會引領信息安全的方向。就像十幾年前人們紛紛丟掉腰間的呼叫機換成手機一樣，指靜脈識別將會大放異彩！
（通訊作者：劉晉勝）
參考文獻
[1]葛彥平.手指靜脈識別技術研究[D].哈爾濱：哈爾濱工程大學（碩士學位論文），2003.
[2]袁智.基于匹配融合的指紋與指靜脈雙模態(tài)生物識別技術的研究[D].南京：南京郵電大學（碩士學位論文），2005.
