生物识别技术概述

生物识别技术是一种将人体的某种生物特征作为身份特征，利用此特征进行身份识别的技术。
生物识别技术分类
人体生物特征能被用于身份识别的特征必须具备“人人都有、人各不同、长期不变、安全可靠、方便灵活”等特点，生物识别技术就是利用满足上述特点的人体的生理特征和行为特征进行个人身份识别，生物识别技术可以按照生理特征和行为特征进行分类。

（1）生理特征包括DNA、耳廓、人脸、体味、热辐射、虹膜、视网膜、掌纹、手型、手上的静脉血管等。
上述特征都具有“人人都有、人各不同、长期不变、安全可靠、方便灵活”等特点。比如：DNA具有个性特异性，是人体内的遗传物质，其主要应用在刑侦和司法领域；个体耳廓的多个部位之间的相互关系具有固定的、相对稳定的特征；每个人体味的化学成分各不相同；人体散发出来的热辐射能可以反映个体的特征信息；人的指纹和掌纹布满了信息丰富的独特乳突纹；手形所具有的不同三维几何特征；人的眼睛里的虹膜具有丰富而稳定的纹理特征具有很强的区分能力，同时，视网膜上具有丰富的脉管且其结构复杂而稳定，因此，眼睛上的各种信息成为最可靠的人体生物特征之一，可用来实现高精度的身份识别。
（2）行为特征就是个人的动作习惯。常用的人体行为特征主要有：手写签名、击键打字、声纹、步态等。这些行为特征作为身份识别的依据在一定程度上能实现识别的功能，但是由于这些特征不具备一定的精确度，并且容易模仿和假冒，在实际使用中存在一定的不安全性。
理想的生物识别系统应该是具有高度的识别精度、成本低廉等优点，并且用户能很容易接受这些识别方法。但是现有的生物识别系统在使用精度上还不够高，比如使用人脸识别系统进行身份验证，虽然具有一些独特优势：可以隐蔽操作，适用于安全监控和抓捕逃犯等；非接触式信号采集，无侵犯性，容易被人们接受；设备成本低，更符合人类的识别习惯等。但是该系统的性能会随着外部环境的变化而影响较大，光照、背景、摄影设备以及人脸表情的变化都会导致系统出现识别错误，甚至出现错误地接受假冒者或者拒绝合法者等情况的发生。又如基于虹膜的身份识别方法虽然具有识别率高等优点，但又存在设备昂贵、有传播疾病的危险等缺陷。
生物识别系统结构
生物识别系统就是通过模式识别技术对获取的人体生物信号进行处理达到识别效果。生物识别系统进行身份识别的过程可以描述如下：
（1）信号获取：生物识别系统是利用采集设备（如传感器）来获取如指纹、掌纹、人脸、声音等人体生物信号，可以采集到一维波形或者二维图像等。收集到的原始信号作为输入数据进入后续处理过程，因此获取的信号质量、清晰度等都是至关重要的。
（2）预处理：对获取的图像进行分割、去噪等处理，以获得高质量图像。
（3）特征提取：在对获取的信号进行预处理后，提取出图像中用于分类的特征。
（4）特征匹配：将测试样本与数据库中的样本进行匹配，从而获得样本所属类别。
生物识别系统评价指标
生物识别系统准确性的评价指标是识别率，通常情况下使用两种错误率来描述识别率：错误拒绝率（False Reject Rate，FRR）和错误识别率（False Accept Rate，FAR）。其中错误识别率又被称为拒真率，是指系统认为合法用户是假冒者而将其拒绝的概率；错误识别率又称为认假率，是指系统认为假冒者是合法用户而将其接受的概率。由于各种不确定因素的存在，同一用户在不同时间、不同地点被采集的同一个生物特征信号会出现不完全一样的情况。例如进项指纹信号采集时，所得的特征图像会因为手指放置的位置、方向以及压力的不同而有所变化或者是扭曲。每次采集的数据不可能完全一样，因此，生物特征的比对只能是不精确的匹配，则识别结果也就不能保证是100%准确。所以，生物识别系统在进行识别的过程中，每次都需要将输入的生物特征与已经注册的生物特征进行不准确匹配。该用户是否是合法用户要由匹配度的大小来认定，当匹配度大于系统设置的阈值时，该用户就被认定是合法用户而被接受；当匹配度小于这个值时，该用户就被认定是假冒者而被拒绝。这两种错误率可由下列公式来描述：
FRR=(NFR/NAA)*100%
FAR=(NFA/NIA)*100%
其中，NAA代表合法用户利用生物识别系统进行尝试的总次数，NIA代表假冒者尝试的总次数；NFR为错误拒绝（False rejection）的次数，NFA为错误接受（false acception）的次数。当FAR=FRR时，FAR（FRR）称为等误率（Equal Error Rate，EER）。
上式中，FAR越低说明假冒者被接受的可能性就越低，那么就可以在越大程度上提高系统的安全性；而FRR越低说明合法用户被拒绝的可能性越低，则系统的易用性就能更好实现。
当然，我们希望这两个错误率越低越好，既可以提高系统的安全性，同时又能实现系统的易用性。但遗憾的是这两者之间是相互矛盾的，不可能同时降低，其中任何一项的降低，势必引起另一项的升高。因此，在生物识别系统中，应该根据具体应用的需求来控制两者的大小。比如在某些军事对安全性要求较高的系统中，需要很高的安全系数，这就需要降低FAR以实现“宁可错杀一千，不可放过一人”的安全宗旨。而对于安全系数要求不是很高的如民用系统中，易用性是最为重要的，因此应该相应减低FRR。
由于两个错误率FAR和FRR之间存在着上述相互矛盾的关系，因此利用两者的大小绘制出的曲线图来描述和体现它们之间的变化关系是对生物识别系统识别率的另一种描述和理解。
即ROC（Receiver Opearating Characteristic）曲线，将不同阈值下的FAR和FRR的大小作为二维坐标中的一系列点（FAR，FRR），将这些点连接起来绘制成曲线。从ROC曲线中可以清晰地看出一种生物识别系统中FAR和FRR两种错误率之间的变换关系，同时又能比较不同生物识别技术的优良。因此，ROC曲线成为评判生物识别技术的标准之一。此外，生物特征需求的存储量和系统的响应时间也是评判生物识别技术的重要指标。