极低错误接受率的说话人识别方法研究

针对一些说话人识别方法在应用中要面对海量的集外数据，其很低的错误接受率也会带来大量识别错误的情况，进行了极低错误接受率的说话人识别技术的研究，以求在保证召回率的前提下，将错误接受率降低至约万分之一的水平。研究的重点是对经典的高斯混合模型．通用背景模型（GMM-UBM）方法进行了改进，加入一个确认判决机制来进一步拒绝集外误识，尝试了三种确认方法——基于粗粒度分析窗的方法、基于集外竞争模型的方法、基于变化状态统计矢量的方法。实验结果表明，这三种方法都能够有效降低错误接受率指标，其中基于变化状态统计矢量的方法取得了最好的效果。

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.

基于SIFT特征和Fisher的人脸识别方法

针对人脸识别中特征提取和特征分类问题,提出一种基于SIFT特征和Fisher鉴别的人脸识别新方法。采用具有旋转、缩放、平移、光照不变性及部分仿射不变性的SIFT特征作为初级特征,利用Fisher线性鉴别方法再次提取初级特征,从而得到样本的二次特征,通过比较二次特征之间的欧氏距离,得到识别结果。实验结果表明,新的方法具有99.65%的正确识别率,高于Fisher方法和核Fisher方法,识别速度和Fisher方法相当。

一种新的生物特征识别模式-手指背关节皮纹识别

提出了一种新的生物特征识别模式--手指背关节皮纹识别．利用自主设计的采集装置获得手背图像,由Canny算子和滑动窗分割并定位手指背关节皮纹．在识别时,首先对要检验的两背关节皮纹进行快速配准,然后用两种方法识别,并对两种方法进行了比较,一是基于相关分类器的识别,一是基于复Gabor小波变换的识别．后者是利用复Gabor小波提取背关节皮纹特征,并利用二进制编码得到特征码,以两背关节皮纹特征码的Hammming距离为判据,检验两者是否为同一模式．试验结果表明:手指背关节皮纹具有较高的唯一性,可以用作身份认证,在等错误率情况下,基于相关分类器的识别准确率高达98．04%,基于Gabor小波变换的识别准确率为94．61%．而后者比前者的识别速度要快得多．

手指背关节皮纹识别方法

利用自主设计的采集装置获得手背图像,由Canny算子分割并定位手指背关节皮纹,根据卷积定理,对要测试的两背关节皮纹进行快速配准,以相关分类器作为判据,检验两者是否为同一模式.在小型数据库上的试验表明:手指背关节皮纹识别具有很好的稳定性和可靠性,在等错误拒绝率和等错误接受率情况下,识别准确率初步可高达95.58%.

指纹模板量化特性研究

为把用实数表示的指纹特征模板应用到密钥生成和密钥隐藏等密码学实践中,在详细分析已有量化算法的基础上,研究了指纹模板的量化问题,讨论了不同的量化思路,提出了两种非均衡特征向量量化方法和一种复合特征向量量化方法。通过计算原始模板和3种量化情况下特征向量几何距(汉明距)的分布及错误接受率的错误拒绝率的变化情况,比较了两种量化方法和复合量化方法的优劣。实验结果表明,量化方法二优于量化方法一,而复合量化方法优于这两种方法。

基于击键动力学的中文自由文本持续认证方法

针对中文输入的特点以及用户的击键韵律,基于曼哈顿距离,提出一种中文自由文本持续认证方法,对所有采用中文输入的用户在使用社交软件聊天时进行持续认证。实验结果显示,该方法有效控制了错误拒绝率、错误接受率与相等错误率,可以在用户进行中文的自由文本敲击时持续认证身份信息,使用户在使用社交软件等情况时,其重要或隐私信息不会被非法入侵者获得并泄露。

可变光照条件下的人脸识别

主要解决人脸识别中因光照变化导致误识或者拒识的问题。使用DOG(高斯差分变换)对原始人脸图像样本集(A)进行处理,将滤波后的人脸图像样本集(B)加入到原始样本集(A)中,采用了新的方法将样本集A和B进行融合,则既对极端光照条件下人脸图像进行了矫正,又不影响正常光照条件下的人脸识别。在分类阶段,引入了SRC(Sparse Representation Classification)分类器代替传统分类器,提升了在低错误接收率下的识别率,改善因光照剧烈变换而导致的无法识别或者误识的情况。在公开人脸库Yale-B、CMU-PIE以及ORL上的实验结果表明,该方法在不同光照条件下可以提高识别率,改善拒识和误识情况。

基于相对熵的击键动力学中文自由文本用户认证

击键动力学——对用户的击键的韵律进行分析和处理,已经可以作为一种合法用户识别和入侵检测的一种有效方法。认证的过程是通过观察在击键时的用户行为模式进行判断。在这里,提出运用相对熵作为击键动力学的认证方法,跟之前的方法相比,从认证效果和效率上都有明显提升。实验结果表明,相对熵比传统的欧氏距离方法的错误接受率和错误拒绝率更低,效果更好。

芯片物理指纹的可用性评估

芯片物理指纹(Physical Unclonable Function,PUF)技术可用于构建新型可信认证体系,具有小型化、低功耗、高安全特性。通过对芯片物理指纹认证性能的研究,提出了对芯片物理指纹可用性相关概念的量化表征。基于芯片物理指纹实测数据进行了更多样本数据的模拟,分析了芯片物理指纹认证参数设置与安全性要求的关系,实现了对芯片物理指纹的可用性的有效评估,为芯片物理指纹技术进一步实现工程化应用提供了参考。

基于键盘和鼠标击键行为的用户身份识别

针对用户信息的安全性和解决单一击键行为特征识别度不高的问题,提出一种基于键盘和鼠标的击键特征识别方法。该方法通过用户聊天和点击聊天窗口等采集键盘和鼠标击键行为特征,将加权贝叶斯和欧式距离算法结合,从而实现用户身份识别。实验结果表明,该算法在32名用户真实击键记录组成的数据集上错误接受率FAR和错误拒绝率FRR分别为2.64%和3.38%,随着对外界环境因素的控制,该方法的准确率还可以进一步提升。

枪支弹药专用保险柜指纹模块比对算法的一致性验证方法

枪支弹药专用保险柜指纹模块比对算法的一致性验证过程中,存在检测程序效率低、需要人工比对的问题。提供了一种验证方法,能够将证后监督检验的检测结果更好更快地与3C认证检验的结果进行一致性比对,并编程实现。

RO PUF硬件物理指纹性能评估

入网设备的身份认证是工业互联网、物联网安全运行的基础。通过分析物理不可克隆函数(Physical Unclonable Function,PUF)作为入网设备的身份凭据应具有的特性,建立了其性能的多层指标体系。按照性能指标的重要性分为必要指标、重要指标和应用指标,对每项指标及其评估方法进行了说明,并给出了可用于PUF选型的综合评估方案。实验结果表明,该PUF性能指标体系和评估方案在工程上是可行的。

新型指形识别器

一、引言早在二十多年前，人们就开始研究可靠的身份识别方法。随着科学技术的发展，人们不但认识了世界，也认识了自己，发现指纹、掌形、视网膜、声音等具有唯一性和相对稳定性，不容易复制和伪造的特点。目前人体生物特征的自动识别技术已日益得到广泛的开发和应用。指...

虹识技术成功流片乾芯ASIC芯片QX8001

近日,武汉虹识技术有限公司(虹识技术)在公司总部所在地武汉光谷未来科技城宣布:虹识技术成功设计并流片虹膜生物识别乾芯ASIC芯片QX8001,该芯片已经通过严格的功能和性能测试。QX8001芯片采用40nm半导体制作工艺,具有QFN44和QFN68两种封装,体积分别为5mm×5mm×1mm和7mm×7mm×1mm,时钟频率为100MHz,平均功耗仅为0.1W,能处理1920×1080像素的高清图像,图像编码速度为100ms,比对速度为9万模板/s,单目错误接受率为10-7,单目错误拒绝率为10-3。

虹识技术乾芯QX8001成功流片

9月17日,武汉虹识技术有限公司(虹识技术)宣布,已经成功设计并流片虹膜生物识别乾芯ASIC芯片—QX8001。虹识技术QX8001芯片采用40nm工艺制造,QFN44、QFN68两种封装样式,频率100MHz,平均功耗仅为0.1瓦。它能处理1920×1080分辨率高清图像,图像编码速度100毫秒,比对速度9万模板/秒,单目错误接受率10-7,单目错误拒绝率10-3。虹识技术强调,QX8001具有高性价比,既能在智能手表、智能手机、智能门锁、智能门禁等普通设备上作为登录、开机、加密、支付、开门等一般应用,也能在虹膜采集器、警务通、通关闸刀机等专用设备上作为虹膜生物特征建库、黑白名单查找、边境和出入境管控等特殊应用。

智能卡与指纹识别技术的结合

智能卡作为现代个人化的信息工具,除了使用传统的加密算法及各种安全措施以确保卡片的安全性之外,越来越多的生物识别技术也逐渐得到采纳,尤其在那些数据敏感的领域,如金融,军事,社会保险,执法等部门,简单的密码口令已不能满足人们对安全的需求,许多冒名顶替者使用盗用的信息进行各种形式的欺骗行为,给社会、经济的发展带来了巨大的危害.从微观上讲,个人对安全信息的疏忽保管也是最初使人联想到开发生物识别技术的原因之一.因为存在于个体的生物特征是不可能被忘记或未被随身携带的.因此,简捷,安全,高效将成为未来信息安全认证的发展趋势. 目前,国际流行的生物识别主要是指通过可测量的身体或行为等特征对某人的身份进行自动校对识别的技术,主要包括指纹,虹膜,瞳孔,掌纹,面部特征以及动态信息如签名,键盘敲击等.其中,指纹识别由于具有易采集性,便利性被认为是最有应用前景的,各大智能卡公司纷纷看好这一领域,相继进行开发并与其它安全认证技术结合使用,如数字签名,因此才出现了多功能、带有指纹信息卡内比对技术的智能卡产品,从而使智能卡真正成为了"多重保险"卡.

富士通拟将掌纹识别引入智能手机

3月5日，富士通公司宣布计划今后将掌纹识别技术应用到智能手机中。虽然这种技术的知名度相对较低，但其理论与指纹识别几乎一样。该技术有一项十分关键的内容：必须要有血液流过手掌的血管才能完成比对，因此无法用假肢来欺骗系统。富士通称该系统的错误接受率只有0．0008％，

生物特征识别系统的应用

生物特征的自动识别系统包括生理特征和行为特征两部分。生理特征是相对稳定的物理特征,如:指纹,手的几何形状、视网膜、虹膜和面貌特征。这些特征基本不变,除非个别损伤。