基于多生物特征识别的网络身份认证研究

针对单项生物特征在网络身份认证过程中,可能由于用户身体受到伤病或污渍的影响而导致系统无法正常识别、合法用户无法登录的问题。提出了将多种生物特征用于网络身份认证的方法,并对相关技术进行了探讨。

多生物特征识别系统的关键技术

单生物识别技术一直存在着很多问题,它们在准确率,用户接受程度,成本等方面都有不同的缺点,并且适应于各自的应用场合。这些问题一般可以由多生物识别技术来克服。首先对各种不同生物特征识别技术作简要的介绍,然后分析多生物特征提出的背景,并着重阐述多生物特征识别技术系统的模型和各种数据融合技术及其相应的研究发展情况,提出了它的应用前景。

交互式多生物特征识别技术在电子商务中的应用

提出了一种交互式多生物特征识别方法,并从第三方支付平台的角度研究了这种识别方法在电子商务中的应用。交互式多生物特征识别方法主要利用鼻子、耳朵、指关节纹三重生物特征来完成用户身份的识别,用户支付确认和签名则利用交互式扫脸和指纹识别来实现。针对人脸和虹膜进行了多生物特征识别的性能。设计了第三方支付平台的框架,并在此框架中搭建了一个简便和轻量级的在线支付预认证分层模型。该模型能够较好地保障支付方、商家、银行等多方的安全性和可靠性,简化用户支付的繁琐操作过程。

多生物特征识别在计算机网络安全和身份认证中的应用研究

生物特征是人的内在属性,它具有较高的稳定性及个体差异性,因此将人体生物特征用于计算机网络安全和身份认证是一种很好的方法.但对单项生物特征而言,可能会由于用户身体受到伤病或污渍的影响,导致系统无法正常识别,造成合法用户无法登录的情况.为提高系统识别的准确性和稳定性,本文提出了将多种生物特征用于网络安全和身份认证的方法,并对相关技术进行了分析.

实验室资源安全管理策略——序列化多生物特征识别系统框架

在实验资源的安全管理工作中防止非法资源获取是关键,而合法身份认证是核心技术。不同于传统密码、IC卡等身份认证技术,生物特征识别具有不会丢失、遗忘、不易被篡改的优势。该文分析实验室资源安全管理的特殊要求,提出一种多生物特征识别系统框架,结合并行融合和序列化融合方案,利用在线的半监督学习技术提高生物特征的识别性能。经实验证实,该框架在安全性和使用方便性方面具有优势,更加符合实验室资源安全使用和管理的需求。

基于人手自然张开的多生物特征识别

手形和掌纹作为人手重要的生物特征可以用来进行身份识别。在人手自然张开、非接触式的采集条件下,基于手形识别匹配速度快和掌纹识别的识别率高的优点,采用基于匹配层的手形和掌纹融合方法,克服了单一手形识别的识别率低和掌纹识别匹配速度慢的缺点。手形采用手指的相对长度作为特征矢量,掌纹采用2D-Gabor对掌纹感兴趣区域(ROI)进行滤波,提取掌纹纹线的方向信息作为特征。在混合图库上进行实验,二者相结合的组合识别方法的识别率达到98.57%,减少了匹配时间。同时也研究了对于不同距离采集的手掌图像,实验结果表明手形和掌纹相结合的组合识别方法优势更为明显。

基于匹配分数的多生物特征识别融合综述

受数据噪音和识别系统本身的限制,基于单一生物特征的身份认证系统所能达到的准确率是有限的。通过多生物特征识别来提高识别的准确率成为当前生物特征识别领域的研究热点之一。首先介绍了多生物特征识别的必要性、多生物特征识别的分类,然后重点介绍了基于匹配分数的多生物特征识别融合的研究现状,最后总结了多生物特征识别研究中的问题和未来的研究方向。

基于C/S结构的多生物特征识别系统的研究与应用

论述了基于C/S(Client/Server)体系结构的多生物特征识别系统的实现原理,并在脊波变换域实现图像水印技术的基础上,提出了一种在网络方式下实现身份识别的方法,突破本地生物特征识别的局限性,给跨地域性生物特征识别提供了新的解决方案,同时实现了系统原型并给出了部分测试结果。

在线单机采集的人手多生物特征识别

单一生物特征识别方法在实际应用时容易受到限制,系统的识别率低、稳定性差.针对上述问题,提出了一种基于在线单机的手形和掌纹相结合的多生物特征识别方法.对于手形识别,提取手指的相对长度构成特征矢量,采用k近邻分类器和支持向量机分类器相结合实现个人身份的识别,然后利用二维Gabor提取掌纹感兴趣区域(ROI)的纹理方向信息作为掌纹特征,对手形分类结果加以认证.在混合图库上进行试验,二者相结合的识别方法的识别率达到98.65%.实验结果表明,采用手形和掌纹双模态特征识别,可以有效提高系统的安全性和稳定性.

多生物特征识别匹配层融合分析在刑事技术中的应用

公安实践中,经常会遇到客观条件差的指纹、DNA、人像等检材,使用单一生物特征识别技术无法认定嫌疑人,往往使案件的侦查陷入困境。本文探究将多生物特征识别融合分析用于案件检验,旨在为挖掘检材价值提供新的思路。首先制作3个纹型、4~8个特征的1 500份指纹样本和13个角度、3个视角、不同遮挡物的312张人脸姿态照片样本,分别发送指纹、人像系统比对,统计不同条件下的目标样本ID在比对候选集中的召回率R_(f)、R_(p),以及目标样本ID在指纹候选集中的最大排名M_(f)、人像候选集中的最小相似度S_(p)。然后利用多生物特征识别匹配层融合分析理论结合概率公式计算融合分析的平均召回率。最后开发分析软件,通过12组串并案件,计算融合结果的查准率P。在剔除实战效果较低的实验样本后,指纹的平均召回率R_(f)为71.5%,M_(f)为9 984,人像的平均召回率R_(p)为70.5%,S_(p)为70.3%,多生物特征识别匹配层融合分析的平均召回率R为92%,查准率P为34.6%。多生物特征识别匹配层融合分析能从客观条件较差的现场检材比对候选集中迅速找到有价值的侦查目标,有效挖掘现场检材的价值。其召回率能满足实战的需要,查准率良好,未出现过多需甄别的无效对象。结合知识图谱技术对串并案分析,能有效地拓展应用空间。该融合分析方法在实际工作中已取得良好的效果。

基于FAR和FRR融合的多模态生物特征识别

通过多生物特征识别融合可以显著地改善系统的识别性能,在多生物特征识别中,匹配分数级融合最常用.现有的匹配分数级融合策略包括基于归一化的融合、基于密度的融合和基于分类器的融合.本文分析了这三种融合策略的优缺点,结合分数归一化和基于密度方法的优点,提出了一种新的基于信任度的融合策略.其中,信任度是以错误拒绝率和错误接受率为基础,既避免了直接求取某个匹配分数的后验概率,又能够刻画匹配分数的分布.将本文方法与几种有代表性的方法进行实验比较,结果表明,这种新融合模式可以有效地改进多生物特征识别系统的性能.

人机自然交互中多生物特征融合与识别

生物特征是人的内在属性,具有较高的稳定性与个体差异性。人脸、虹膜与人耳等多生物特征融合与识别的研究属人类认知本质与规律的前沿课题。探讨了该研究的意义,分析了国内外研究概况及其主要研究内容,提出了研究中的关键技术问题。多生物特征融合与识别的研究成果在人机自然交互、机器智能、国家安全、生命科学、听觉视觉通信以及社会的工作方式和生活方式方面有着广泛的应用前景。

生物特征识别技术综述

通过对各种生物特征识别技术的基本原理和关键技术进行分析比较,探讨了生物特征识别技术的研究前景——多生物特征识别。生物特征识别技术作为一种身份识别手段具有独特的优势,是近年来国际上的研究热点,对信息安全等有重要意义。

基于信号质量动态加权的多模生物特征识别研究

将人脸识别和说话人识别进行决策层级的融合,为应对外界环境对识别结果的影响,引入图像质量和声音质量评价方法,通过对信息质量进行评估,去除信息质量较差的特征,根据信息质量动态调整模块的权重比例,并对单模特征识别匹配度低的个体做拒绝处理,然后根据D-S理论将各个证据合并成为一个新的证据体,实现对用户身份识别。实验结果显示,这种考虑特征信号质量的融合方法可以有效提升识别的准确率和安全性。

基于心电与光电容积脉搏波特征层融合的身份识别方法

针对单模态的心电信号(ECG)或光电容积脉搏波信号(PPG)识别技术中存在的精度不高,未考虑类内相关性等问题,该文提出基于判别相关分析法(DCA)对ECG与PPG组合特征矩阵进行特征层融合以及对K-最近邻(KNN)和支持向量机(SVM)分类器在决策层融合的识别方法。实验结果表明,使用融合特征(ECG-PPG)与融合分类器(KNN-SVM)的方法对23名受试者进行分类识别的准确率可以达到98.2%,识别精度在常规环境下优于单模态识别。为多模生物特征身份识别提供了一种有效模型。

基于人脸人耳特征的组合识别

人脸受到年龄、表情、化妆品等影响,使人脸识别具有局限性,而人耳正好弥补了人脸的不足,提出了基于正面人脸和人耳相结合的识别方法。利用二维Fisher线性判别方法分别进行了人脸、人耳、人脸人耳组合识别,其中组合识别包括脸耳相互辅助识别、脸耳图像组合识别、脸耳特征按不同权重组合识别。在北京科技大学(USTB)人耳图像库和ORL人脸图像库上进行实验,实验结果表明,人脸人耳组合识别的识别效果好于单一的人脸识别和人耳识别。

改进证据理论的多生物特征融合方法

多生物特征融合考虑了个体的多种生理或行为特征,因而能显著地改善系统的识别性能,成为生物特征识别技术未来发展趋势之一。利用训练样本的识别率和误识率,提出了基于证据理论的多生物特征融合识别方法;对各识别专家的识别率和误识率进行分析,提出了一种基于累积频率和证据理论(Cumulative Frequency based D-S,CFDS)的多生物特征融合方法;通过几个实验证明了改进的D-S算法的有效性,提高了合成结果的可靠性。

人脸与虹膜特征层融合模型的研究

多生物特征的融合与识别可提高身份识别系统的整体性能.本文在研究特征层融合的基础上,结合二维Fisher线性判别分析(2-Dimensional Fisher Linear Discriminant Analysis,2DFLD),提出了一种人脸与虹膜特征融合与识别模型.首先,对人脸图像与虹膜图像分别进行压缩降维处理,得到相应的初始特征矩阵.然后将人脸与虹膜的初始特征矩阵进行组合,获得组合特征矩阵.同时,利用2DFLD算法对组合特征矩阵进行融合,获得了人脸与虹膜的融合特征.最后运用最小距离分类器进行识别.基于ORL(Olivetti Research Laboratory)人脸数据库和CASIA(Chinese Academy ofSciences,Institute of Automation)虹膜数据库的实验结果表明,该模型实现了特征层融合,不仅克服了"小样本"效应,而且有效提高了身份识别的正确识别率,为多生物特征身份识别提供了一种有效模型.

手指静脉识别技术

相对于指纹识别等传统生物特征识别,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。综述了手指静脉识别的基本原理和关键技术,包括手指静脉图像采集、预处理、特征提取和匹配等;对与手指静脉识别有关的多生物特征技术进行了归纳总结,并对手指静脉识别技术存在的问题和未来的研究方向进行了讨论。

多指纹识别比较研究

多指纹识别系统包括多手印系统和多手指系统。本文分析了多手印系统和多手指系统的具体模型,并通过五种典型的多生物特征融合技术Sum、Min、Product、Vote、Max对多指纹识别系统进行了比较研究。实验结果显示,多手指系统能够取得优于多手印系统的性能,多手印系统采用Max规则效果较好,而多手指系统采用Sum规则效果较好。这些结论有助于设计多指纹识别系统。