- 人工智能(AI)應用從入門到精通
- 蘇秉華 吳紅輝 滕悅然編著
- 1041字
- 2020-11-18 12:00:33
六、生物特征識別
生物特征識別技術是指通過個體生理特征或行為特征對個體身份進行識別認證的技術。
1.生物特征識別的兩個階段
從應用流程看,生物特征識別通常分為注冊和識別兩個階段,如圖2-18所示。

圖2-18 生物特征識別的兩個階段
2.生物特征識別的兩種任務
從應用任務看,生物特征識別一般分為辨認與確認兩種任務,如圖2-19所示。

圖2-19 生物特征識別的兩種任務
3.生物特征識別技術的內容
生物特征識別技術涉及的內容十分廣泛,包括指紋、掌紋、人臉、虹膜、指靜脈、聲紋、步態等多種生物特征,其識別過程涉及圖像處理、計算機視覺、語音識別、機器學習等多項技術。目前,生物特征識別作為重要的智能化身份認證技術,在金融、公共安全、教育、交通等領域得到廣泛的應用。
(1)指紋識別。指紋識別過程通常包括數據采集、數據處理、分析判別三個過程,如圖2-20所示。

圖2-20 指紋識別的過程
(2)人臉識別。人臉識別是典型的計算機視覺應用,從應用過程來看,可將人臉識別技術劃分為圖2-21所示的三個過程。人臉識別技術的應用主要受到光照、拍攝角度、圖像遮擋、年齡等多個因素的影響,在約束條件下人臉識別技術相對成熟,在自由條件下人臉識別技術還在不斷改進。

圖2-21 人臉識別的過程
(3)虹膜識別。虹膜識別的理論框架主要包括虹膜圖像分割、虹膜區域歸一化、特征提取和識別四個部分,研究工作大多是基于此理論框架發展而來。虹膜識別技術應用的主要難題包含傳感器和光照影響兩個方面,如圖2-22所示。

圖2-22 虹膜識別技術應用的主要難題
(4)指靜脈識別。指靜脈識別是利用了人體靜脈血管中的脫氧血紅蛋白對特定波長范圍內的近紅外線有很好的吸收作用這一特性,采用近紅外光對指靜脈進行成像與識別的技術。由于指靜脈血管分布隨機性很強,其網絡特征具有很好的唯一性,且屬于人體內部特征,不受到外界影響,因此模態特性十分穩定。指靜脈識別技術應用面臨的主要難題來自成像單元。
(5)聲紋識別。聲紋識別是指根據待識別語音的聲紋特征識別說話人的技術。聲紋識別技術通常可以分為前端處理和建模分析兩個階段。聲紋識別的過程是將某段來自某個人的語音經過特征提取后與多復合聲紋模型庫中的聲紋模型進行匹配,常用的識別方法可以分為圖2-23所示的兩種。

圖2-23 聲紋識別的方法
(6)步態識別。步態是遠距離復雜場景下唯一可清晰成像的生物特征,步態識別是指通過身體體型和行走姿態來識別人的身份。相比上述幾種生物特征識別,步態識別的技術難度更大,體現在其需要從視頻中提取運動特征,以及需要更高要求的預處理算法,但步態識別具有圖2-24所示的優勢。

圖2-24 步態識別的優勢
- 人人都需要的通用智能體助手:Manus+扣子空間+秒噠+AutoGLM沉思實操指南
- 人工智能會搶哪些工作
- 人工智能+機器人入門與實戰
- 智能移動機器人:技術與應用(人工智能技術叢書)
- 強化學習:原理與Python實現
- 深度學習實戰:基于TensorFlow 2和Keras(原書第2版)
- 人工智能革命:歷史、當下與未來
- 通用人工智能:初心與未來
- 深度學習高手筆記(卷2):經典應用
- 深度學習之TensorFlow:入門、原理與進階實戰
- AI大模型助你輕松搞定數據分析
- 人形機器人:產業變革、商業機遇與未來趨勢
- 智能優化技術:適應度地形理論及組合優化問題的應用
- AI源碼解讀:卷積神經網絡(CNN)深度學習案例:Python版
- 機器人愛好者 (第6輯)