生物辨识与认证-清华大学资讯工程系.doc

生物辨識與認證 梁博程同學，陳朝欽教授 清華大學資訊工程系 什麼是 Biometrics? Biometrics是對生物上的資訊，進行測量與統計分析的科學與技術，特別是應用在人體上所取得的資訊。我們提供了一些biometrics研究動機的證據[25]。 銀行業每年在自動提款機因為錯誤接受(false acceptance)的損失就高達300億元。 在美國，將近一半的越獄逃犯是以假冒他人身分從大門口逃脫的。 約有4000位美國移民監察員在出入境時，攔截並拒絕將近80萬人入境，這還不包括那些利用非法手段入境的人數。 在2001年9月11日「WTC攻擊事件」之後，個人辨識與認證的工作 變的更加重要。 這些證據指出不管是PIN號碼或者是密碼都是不可靠的。為了解決上述的 問題，生物辨識或biometrics的技術越來越讓人們感興趣。在本文中，將會一一介紹各種生物辨識與認證之技術，這些技術都是建立在個體所獨有的物理和生物特徵，例如：虹膜、手寫或簽名、手形、聲紋、臉形、和指紋等[30]。 虹膜影像分析 虹膜是眼球瞳孔附近的紋理區域，此影像可由CCD照相機在適合的燈光環境 中取得。虹膜辨識技術的起源可追朔到一個世紀前，在同時指紋已經在法庭上可被採用為證據。而當時，法國的刑事專家Berthillon開始研究虹膜與個人辨識的關聯性。1980年代，Leonard Flom 和Aran Safar斷定任何兩個虹膜，甚至是來自相同人的雙眼，均不相同，因此可以作為人類認證的工具。1994年，John Dougman 在Flom和Safar所提的概念基礎下，發展一套演算法，此演算法是利用2D的Gabor濾波器取得虹膜有關方位及影像細節的空間頻率資訊，可用於人類的認證系統。 虹膜影像被處理並編成虹膜碼(IrisCode)以512位元組記錄，並儲存於資料庫中以待將來識別與比對。在Pentium III的機器上，計算一個512位元組的虹膜碼只需不到兩秒的時間。 虹膜掃描的應用已經相當普遍，例如安裝在金融業的自動提款機(ATMs)及國際機場的旅客認證。 手寫或簽名分析 手寫或簽名較屬於行為學上的biometrics而不是如指紋或虹膜影像是解剖學 上的biometrics。然而，從使用者觀點來看，在手寫辨識上有一個優點就是手寫是自然且每天都會做的動作。每個人手寫的數字或簽名有他們的特殊習慣。 手寫數字 臉形 手形 虹膜 左旋 右旋 渦紋 拱形 中國有一位名書法家-王羲之(西元前306-365)，寫了許多美麗的字使得他的字跡都能賣出高額的黃金。 基於每個人寫字的方法是非常個人化的且十分獨特的，手寫或簽名辨識不只是分析手寫或簽名的外觀，還要分析寫字時的力度、筆順、習慣。 手形分析 手形辨識系統是以3D觀點測定手掌的幾何形狀及測量手指的長、寬或其他 細節。其中一套主要的手形辨識系統[30]測量、計算約90個參數並儲存於9 bytes的紀錄，提供了彈性與儲存傳輸。 為了要測量手掌的特徵，手掌必須放置在一個反射性的壓印板表面，藉由感 應器CCD和一組鏡射器擷取3D資料[2]。而光源則是由一個紅外線發光二極體陣列所不斷提供的。將每次手掌放在壓印板上的方法的一致性是相當重要的，因此使用了一組樁釘幫助手掌定位於壓印板上。 雖然手形提供了一個良好、一般的生物技術，因為他的可接受的效率和簡單 的方法使得使用者容易操作並使用。而美國密西根州立大學的圖形識別與影像處理(PRIP)實驗室建議，手形只適合用於認證，不適合辨識，因為從兩個不同人的手掌所得到的特徵卻極為相似[30]。 語音辨識 語音辨識的技術源自於1960年代的德州儀器。而現今的語音辨識使用了標準的麥克風來記錄一個人的聲紋，擷取出個人不同的特徵，這樣做不只是為了要記錄聲音，還要精確地分析出一個人發聲的生理特性，如此在人感冒時也能夠正確的辨識出來。 一個語音辨識的系統首先需要建立一個語音的參考樣版，用來作為語音辨識子序列的比對。建立參考樣版的過程，需要使用者對一句話重複發音數次，才能擷取出較佳的樣版。整個系統在分辨語音時，將會配合著一些參數如音調、力度、波型等的變化來運作。 在語音辨識系統當中，有一個主要的課題，就是如何去處理某一個人他每一次說話聲音不同的變化，一個人每次說話的速度、音調等，都是不一樣的。所以，Hidden Markov Modeling技術的應用，就是為了減少這些差異性所造成的問題。 這種方法的根據在於系統使用了語言模型來決定多少不同的字可能出現在某特定單字的後面，這樣的好處是能夠大量地減少許多相似音的辨識如：to , too , two。據估計，在Hidden Markov Language Model之中，錯誤