门禁控制系统中常用的几种生物特征识别技术之比较

□文/吕立波

出入控制（门禁控制）是安全防范系统的重要组成部分，也是应用非常普遍的系统，它包含了安全防范系统所有的要素，是一个大型、综合系统不可缺少的部分，并可以独立地构成各种实用的安全防范系统。出入口控制系统的核心技术是特征识别，是在数字技术的基础上发展起来的，是现代信息技术发展的产物，是数字化社会的特征。广义上讲，出入口控制系统是对人员、物品、信息流动和状态的管理，它所涉及的应用领域和产品种类非常广泛。安全防范系统中的出入口控制则是指：采用现代电子与信息技术，在出入口对人或物这两类目标的进、出进行放行、拒绝、记录和报警等操作的控制系统。目前最先进的门禁控制系统是生物特征识别系统。

生物特征识别技术所依据的不是传统的标示物或标示知识（钥匙、卡片、密码），而是依靠人体生物特征进行身份认证的一种技术，即通过计算机将人体所固有的生理特征或行为特征收集进行处理，来进行个人身份鉴定的技术。生物特征识别方法的依据是人体本身所拥有的东西，是个体特性。生物特征分为基于身体特性(生理特征)和基于行为特点两类。生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多为后天形成。生物特征识别技术是目前最为方便与安全的识别系统，无须记住身份证号码或密码，也不需要随身携带像智能卡之类的东西。“钥匙”就是你自己，没有什么能比这更安全和更方便。目前，一些用于门禁领域中的身份鉴别的生物统计特征主要有指纹、掌纹、虹膜、人脸等。

指纹识别系统

指纹是手指皮肤上特有的花纹，由皮肤上的隆起线构成。这些隆起线的起点、终点、分叉、结合称为细节特征。隆起线的这种细节特征有无数种排列，因此，每个人的指纹甚至一个指纹的每条隆起线都是独特的，并且一生都不会改变。人体指纹的独特性和稳定性使其在鉴定罪犯、识别个人身份和出入口控制（门禁系统）等领域得到了广泛应用。

技术简介

指纹识别技术是最早的通过计算机实现的身份识别手段，过去，它主要应用于刑侦系统。近几年来，它逐渐走向市场更为广泛的民用市场。指纹门禁系统的硬件主要由微处理器、指纹识别模块、液晶显示模块、键盘、实时时钟/日历芯片、电控锁和电源等组成。微处理器作为系统的上位机，控制整个系统。指纹识别模块主要完成指纹特征的采集、比对、存储、删除等功能。液晶显示模块用于显示开门记录、实时时钟和操作提示等信息，和键盘一起组成人机界面。

指纹读取装置（采集器）采用光电技术或电容技术将指纹信息采集下来、然后进行特征提取、并与已存储的特征信息比对，完成识别过程。这一过程可全部在读取装置中完成，也可以是读取装置仅进行指纹采集，然后将其传送到后台设备（如PC）完成特征提取和识别。单独进行指纹采集的装置易于小型化，使用方便，系统识别速度也较快。进行指纹特征采集要求在操作时人的手指与采集器建立规定的关系，所以系统友好性稍差。

指纹识别的优点

生物统计学证明：指纹具有很高的唯一性，人之间出现相同指纹的概率很低，因此安全性较高，但仍存在被仿制的风险。所以、最近出现了具有活体指纹采集功能的产品，主要是增加对温度，弹性、微血管的探测来确认采集指纹的真实性。在高安全要求的场所，除指纹识别外，还可增加其它特征识别手段，如密码等来提高系统的安全性。指纹识别具有以下几点优势：

识别速度快，应用方便；

推广容易、应用最为广泛、适应能力强；

误识率低；

稳定性和可靠性强；

易操作，无需特殊培训既可使用；

安全性强，系统扫描对身体无害。

指纹识别的缺点

但在现实应用中，指纹识别也存在一些问题。当要进入办公室时，手指在指纹门禁系统上按了很多次，却总是打不开门锁；指纹纹路浅的人及体力工作者指纹难以识别；识别率不高等等。由于指纹识别技术对环境的要求很高，对手指的湿度、清洁度等很敏感，这些都会影响到识别的结果。

指纹识别技术的评价标准主要是拒登率(FTE)、拒识率(FRR)、误识率(FAR)、相等错误率(EER)。尽管不少指纹验证技术的提供厂商，通常宣称他们的产品可以达到的指标为FRR＜0.01%，FAR＜0.001%。但从公开发表的学术论文和权威性的测试看，这样的指标很难达到。

指纹识别的不足还体现在几个方面：

对环境的要求很高，对手指的湿度、清洁度等都很敏感，脏、油、水都会造成识别不了或影响到识别的结果。

某些人或某些群体的指纹特征少，甚至无指纹，所以难以成像。

对于脱皮、有伤痕等低质量指纹存在识别困难、识别率低的问题,对于一些手上老茧较多的体力劳动者等部分特殊人群的注册和识别困难较大。

每一次使用指纹时都会在指纹采集头上留下用户的指纹印痕，而这些指纹痕迹存在被用来复制指纹的可能性。

指纹识别时的操作规范要求较高。

掌纹识别系统

掌纹是指手腕与手指之间的手掌表面上的各种纹线。掌纹的形态由遗传基因控制，即使由于某种原因表皮剥落，新生的掌纹纹线仍保持着原来的结构。每个人的掌纹纹线都不一样，即使是孪生同胞，他们的掌纹也只是比较相似，而不会完全一样。

掌纹中最重要的特征是纹线特征，而且这些纹线特征中最清晰的几条纹线基本上是伴随人的一生不发生变化的。并且在低分辨率和低质量的图像中仍能够清晰的辨认。点特征主要是指手掌上所具有的和指纹类似的皮肤表面特征，如掌纹乳突纹在局部形成的奇异点及纹形。点特征需要在高分辨率和高质量的图像中获取，因此对图像的质量要求较高；纹理特征，主要是指比纹线更短、更细的一些纹线，但其在手掌上分布是毫无规律的。掌纹的特征还包括几何特征：如手掌的宽度、长度和几何形状，以及手掌不同区域的分布。

掌纹中所包含的信息丰富，利用掌纹的纹线特征、点特征、纹理特征、几何特征完全可以确定一个人的身份。

技术简介

掌纹识别技术的基础就是手掌几何学识别，手掌几何学识别是通过测量使用者的手掌和手指的物理特征来进行识别，高级的产品还可以识别三维图象。作为一种已经确立的方法，手掌几何学识别不仅性能好，而且使用比较方便。它适用的场合是用户人数比较多，或者用户虽然不经常使用，但使用时很容易接受。如果需要，这种技术的准确性可以非常高，同时可以灵活地调整性能以适应相当广泛的使用要求。手形读取器使用的范围很广，且很容易集成到其他系统中，因此应用较为广泛。

美国英格索兰旗下的全资子公司——识别系统公司(Recognition Systems Inc.简称 RSI)率先开发生产了掌纹识别产品，目前其产品的主要型号有Handkey Ⅱ，Handkey CR。

Handkey 掌形仪采用现场认证的方式，在低于1秒的时间内，通过检测使用者独一无二的手掌的大小、形状、表面积等三维特征来确认用户的身份,以确保只有被授权的人员才能进入特定的区域，从而达到门禁控制的目的。作为磁卡及钥匙门禁系统的替代品 ,Handkey 掌形仪使用户节省了使用与管理卡或钥匙的成本。同时， Handkey 掌形仪也可与第三方门禁系统结合使用以增强安全性与便利性。Handkey掌形仪己在全球范围内得到广泛应用 , 是实践证明的可靠的生物识别系统。

掌纹识别的优点

与指纹识别系统相比，掌形识别系统具有污物和伤疤不影响测量，手很容易放入扫描器的正确位置等，使用者很容易接受。其主要优点为∶拒识率低和使用方便。

掌纹识别的缺点

其主要缺点是由于手的相似性不是太容易区分，掌型识别技术不能像指纹、虹膜扫描技术那样容易获得内容丰富的数据，其可靠性稍差，另外掌形识别系统的使用者必须与识别设备直接接触，可能会带来卫生方面的问题。

人眼睛的外观图由巩膜、虹膜、瞳孔三部分构成。巩膜即眼球外围的白色部分，约占总面积的30%；眼睛中心为瞳孔部分，约占5%；虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，占据65%。

外观上看，虹膜由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形态、生理、颜色和总的外观。人发育到八个月左右，虹膜就基本上发育到了足够尺寸，进入了相对稳定的时期。除非极少见的反常状况、身体或精神上大的创伤才可能造成虹膜外观上的改变外，虹膜形貌可以保持数十年没有多少变化。另一方面，虹膜是外部可见的，但同时又属于内部组织，位于角膜后面。要改变虹膜外观，需要非常精细的外科手术，而且要冒着视力损伤的危险。虹膜的高度独特性、稳定性及不可更改的特点，是虹膜可用作身份鉴别的物质基础。

虹膜识别就是通过对比虹膜图像特征之间的相似性来确定人们的身份。虹膜识别技术的过程一般来说包含如下四个步骤：

虹膜图像获取：使用特定的摄像器材对人的整个眼部进行拍摄，并将拍摄到的图像传输给虹膜识别系统的图像预处理软件。

图像预处理：对获取到的虹膜图像进行如下处理，使其满足提取虹膜特征的需求。

虹膜定位：确定内圆、外圆和二次曲线在图像中的位置。其中，内圆为虹膜与瞳孔的边界，外圆为虹膜与巩膜的边界，二次曲线为虹膜与上下眼皮的边界。

虹膜图像归一化：将图像中的虹膜大小，调整到识别系统设置的固定尺寸。

图像增强：针对归一化后的图像，进行亮度、对比度和平滑度等处理，提高图像中虹膜信息的识别率。

特征提取：采用特定的算法从虹膜图像中提取出虹膜识别所需的特征点，并对其进行编码。

特征匹配：将特征提取得到的特征编码与数据库中的虹膜图像特征编码逐一匹配，判断是否为相同虹膜，从而达到身份识别的目的。虹膜识别研究机构主要有美国的Iridian，Iriteck，韩国的Jiris公司、北京中科虹霸、北京虹安翔宇，日本松下。Iridian公司掌握虹膜识别核心算法，是目前全球最大的专业虹膜识别技术和产品提供商，它和LG、松下、OKI、NEC等企业进行合作，以授权方式提供虹膜识别核心算法，支持合作伙伴生产虹膜识别系统。

人脸识别系统

人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。

人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。

技术特点

传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。

迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。

与其它类型的生物识别比较人脸识别具有如下特点：

非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”。

非接触性：用户不需要和设备直接接触就能获取人脸图像。

并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别。

除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

技术流程

人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。

人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。

人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。

人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

人脸识别技术的优势

人脸识别的优势在于其自然性和不被被测个体察觉的特点。所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。

人脸识别技术的困难

人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。

相似性：不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。

易变性：人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。

在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。