引言

　　生物特征識(shí)別技術(shù)是利用人的生理特征或行為特征，來進(jìn)行個(gè)人身份的鑒定。常用的生理特征有臉像、指紋、虹膜等；常用的行為特征有步態(tài)、簽名等。聲紋兼具生理和行為的特點(diǎn)，介于兩者之間。通過取像設(shè)備讀取指紋圖像，然后用計(jì)算機(jī)識(shí)別軟件分析指紋的全局特征和指紋的局部特征，特征點(diǎn)如嵴、谷、終點(diǎn)、分叉點(diǎn)和分歧點(diǎn)等，從指紋中抽取特征值，可以非常可靠地通過指紋來確認(rèn)一個(gè)人的身份。與傳統(tǒng)的身份鑒定手段相比，基于生物特征識(shí)別的身份鑒定技術(shù)具有如下優(yōu)點(diǎn)：（1）不會(huì)遺忘或丟失；（2）防偽性能好，不易偽造或被盜；（3）“隨身攜帶”，隨時(shí)隨地可用。正是由于生物特征身份識(shí)別具有上述優(yōu)點(diǎn)，基于生物特征的身份識(shí)別技術(shù)受到了各國的極大重視。

　　生物特征識(shí)別技術(shù)及其發(fā)展趨勢

　　目前，常用的生物特征識(shí)別技術(shù)所用的生物特征有基于生理特征的如人臉、指紋、虹膜，也有基于行為特征的如筆跡、聲音等。

　　人臉識(shí)別

　　人臉識(shí)別特指利用分析比較人臉視覺特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)。人臉識(shí)別是一項(xiàng)熱門的計(jì)算機(jī)技術(shù)研究領(lǐng)域，它屬于生物特征識(shí)別技術(shù)，是對(duì)生物體（一般特指人）本身的生物特征來區(qū)分生物體個(gè)體。廣義的人臉識(shí)別實(shí)際包括構(gòu)建人臉識(shí)別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識(shí)別預(yù)處理、身份確認(rèn)以及身份查找等；而狹義的人臉識(shí)別特指通過人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。生物特征識(shí)別技術(shù)所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網(wǎng)膜、聲音（語音）、體形人臉識(shí)別、個(gè)人習(xí)慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應(yīng)的識(shí)別技術(shù)就有人臉識(shí)別、指紋識(shí)別、掌紋識(shí)別、虹膜識(shí)別、視網(wǎng)膜識(shí)別、語音識(shí)別（用語音識(shí)別可以進(jìn)行身份識(shí)別，也可以進(jìn)行語音內(nèi)容的識(shí)別，只有前者屬于生物特征識(shí)別技術(shù)）、體形識(shí)別、鍵盤敲擊識(shí)別、簽字識(shí)別等。

　　人臉識(shí)別技術(shù)是基于人的臉部特征，對(duì)輸入的人臉圖象或者視頻流 . 首先判斷其是否存在人臉 , 如果存在人臉，則進(jìn)一步的給出每個(gè)臉的位置、大小和各個(gè)主要面部器官的位置信息。并依據(jù)這些信息，進(jìn)一步提取每個(gè)人臉中所蘊(yùn)涵的身份特征，并將其與已知的人臉進(jìn)行對(duì)比，從而識(shí)別每個(gè)人臉的身份。

　　早的人臉識(shí)別系統(tǒng)建成于20世紀(jì)60年代，該系統(tǒng)以人臉特征點(diǎn)的間距、比率等參數(shù)作為特征，構(gòu)建了一個(gè)半自動(dòng)的人臉識(shí)別系統(tǒng)。此時(shí)的人臉識(shí)別研究多集中于研究如何提取特征點(diǎn)進(jìn)行人臉識(shí)別，由于這些特征點(diǎn)難以準(zhǔn)確定位、魯棒性差，因而采用這些方法的人臉識(shí)別系統(tǒng)的性能都很低。

　　自20世紀(jì)80年代開始，人臉識(shí)別技術(shù)出現(xiàn)了基于面部圖像的方法。與基于特征點(diǎn)的方法相比，基于面部圖像的方法不是提取人臉特征器官這一高層特征，而是將人臉作為一個(gè)圖像整體，從圖像中提取反映人臉特性的特征如DCT變換特征、小波特征、Gabor特征等等。基于面部圖像的方法由于利用了更多的底層信息，以及統(tǒng)計(jì)模式識(shí)別方法的引入，使得這類方法具有非常高的識(shí)別率和非常好的魯棒性。

　　為了評(píng)測基于面部圖像的人臉識(shí)別算法的性能。美國ARPA和ARL于1993年至1996年建立了FERET數(shù)據(jù)庫，用于評(píng)測當(dāng)時(shí)的人臉識(shí)別算法的性能。FERET測試的結(jié)果指出，光照、姿態(tài)和年齡變化會(huì)嚴(yán)重影響人臉識(shí)別的性能。

　　FERET的測試結(jié)果也表明了基于面部圖像的方法的缺點(diǎn)。人臉是一個(gè)三維非剛體，具有姿態(tài)、表情等變化，人臉圖像采集過程中易受到光照、背景、采集設(shè)備的影響。

　　為了克服姿態(tài)變化對(duì)人臉識(shí)別性能的影響，也為了進(jìn)一步提高人臉識(shí)別性能，20世紀(jì)90年代后期，一些研究者開始采用基于3D的人臉識(shí)別算法。這些算法有的本身就采用三維描述人臉，有的則用二維圖像建立三維模型，并利用三維模型生成各種光照、姿態(tài)下的合成圖像，利用這些合成圖像進(jìn)行人臉識(shí)別。

　　2000年后，人臉識(shí)別算法逐漸成熟，出現(xiàn)了商用的人臉識(shí)別系統(tǒng)。為了評(píng)測這些商用系統(tǒng)的性能，也作為FERET測試的延續(xù)，美國有關(guān)機(jī)構(gòu)組織了FRVT2000、FRVT2002、FRVT2006測試。測試結(jié)果表明，人臉識(shí)別錯(cuò)誤率在FRVT2006上下降了至少一個(gè)數(shù)量級(jí)，這種性能的提升在基于圖像的人臉識(shí)別算法和基于三維的人臉識(shí)別算法上都得到體現(xiàn)。此外，F(xiàn)RVT2006還展現(xiàn)了不同光照條件下人臉識(shí)別性能的顯著提高，，F(xiàn)RVT2006表明人臉自動(dòng)識(shí)別的性能優(yōu)于人。

　　FRVT2006為人臉識(shí)別后續(xù)的研究指明了方向，人臉識(shí)別中光照、年齡變化依然對(duì)人臉識(shí)別性能有很大影響，二維人臉識(shí)別的性能不比三維人臉識(shí)別差。

　　指紋識(shí)別

　　指紋識(shí)別技術(shù)把一個(gè)人同他的指紋對(duì)應(yīng)起來，通過比較他的指紋和預(yù)先保存的指紋進(jìn)行比較，就可以驗(yàn)證他的真實(shí)身份。每個(gè)人（包括指紋在內(nèi)）皮膚紋路在圖案、斷點(diǎn)和交叉點(diǎn)上各不相同，也就是說，是的，并且終生不變。依靠這種性和穩(wěn)定性，我們才能創(chuàng)造指紋識(shí)別技術(shù)。每個(gè)人包括指紋在內(nèi)的皮膚紋路在圖案、斷點(diǎn)和交叉點(diǎn)上各不相同，呈現(xiàn)性且終生不變。據(jù)此，我們就可以把一個(gè)人同他的指紋對(duì)應(yīng)起來，通過將他的指紋和預(yù)先保存的指紋數(shù)據(jù)進(jìn)行比較，就可以驗(yàn)證它的真實(shí)身份，這就是指紋識(shí)別技術(shù)。指紋識(shí)別主要根據(jù)人體指紋的紋路、細(xì)節(jié)特征等信息對(duì)操作或被操作者進(jìn)行身份鑒定，得益于現(xiàn)代電子集成制造技術(shù)和快速而可靠的算法研究，已經(jīng)開始走入我們的日常生活，成為目前生物檢測學(xué)中研究深入，應(yīng)用廣泛，發(fā)展成熟的技術(shù)。

　　指紋圖像預(yù)處理的目的是為了減少噪聲干擾的影響，以便有效提取指紋特征值。常用的預(yù)處理方法有圖像增強(qiáng)、圖像平滑、二值化、圖像細(xì)化等。

　　特征提取的目的就是從預(yù)處理后的指紋圖像中，提取出能夠表達(dá)該指紋圖像與眾不同的特征點(diǎn)的過程。初特征提取是基于圖像的，從圖像整體中提取出特征進(jìn)行比較，但該方法的和性能較低?，F(xiàn)在一般采用基于特征點(diǎn)的方法，從圖像中提取反應(yīng)指紋特性的全局特征（如紋形、模式區(qū)、區(qū)、三角點(diǎn)、紋數(shù)等）和局部特征（如終結(jié)點(diǎn)、分叉點(diǎn)、分歧點(diǎn)、孤立點(diǎn)、環(huán)點(diǎn)等）。

　　指紋特征值比對(duì)就是把當(dāng)前獲得的指紋特征值與存儲(chǔ)的指紋特征值模板進(jìn)行匹配，并給出相似度的過程。

　　虹膜識(shí)別

　　虹膜識(shí)別是與眼睛有關(guān)的生物識(shí)別中對(duì)人產(chǎn)生較少干擾的技術(shù)。它使用相當(dāng)普通的照相機(jī)元件，而且不需要用戶與機(jī)器發(fā)生接觸。另外，它有能力實(shí)現(xiàn)更高的模板匹配性能。因此，它吸引了各種人的注意。在所有生物識(shí)別技術(shù)中，虹膜識(shí)別是當(dāng)前應(yīng)用為方便和的一種。IDC（國際數(shù)據(jù)集團(tuán)）的統(tǒng)計(jì)表明：到2003年底為止，虹膜識(shí)別技術(shù)以及相關(guān)產(chǎn)品的市場容量將達(dá)到20億美元的水平。中國生物中心的保守調(diào)查預(yù)測：在未來的5年中，僅在中國，虹膜識(shí)別的市場就高達(dá)40億人民幣。隨著虹膜識(shí)別技術(shù)應(yīng)用面的擴(kuò)大，以及在電子商務(wù)領(lǐng)域中的應(yīng)用，這個(gè)數(shù)字將擴(kuò)大到以千億計(jì)。

　　虹膜相對(duì)而言是一個(gè)較新的生物特征。1983年，F(xiàn)lom與Safir申請(qǐng)了虹膜識(shí)別保護(hù)，使得虹膜識(shí)別方面的研究很少。1993年，Daugman發(fā)表了關(guān)于虹膜自動(dòng)識(shí)別算法的開創(chuàng)性工作，奠定了世界上商業(yè)虹膜自動(dòng)識(shí)別系統(tǒng)的基礎(chǔ)。

　　虹膜識(shí)別中需要解決如下兩個(gè)難點(diǎn)問題：一是虹膜圖像的獲取，二是實(shí)現(xiàn)高性能的虹膜識(shí)別算法。

　　生物特征識(shí)別產(chǎn)品的發(fā)展趨勢

　　生物特征識(shí)別產(chǎn)品逐步從單一PC處理，轉(zhuǎn)變?yōu)榉植际接?jì)算。用獨(dú)立的前端獨(dú)立設(shè)備來完成生物特征的采集、預(yù)處理、特征提取和比對(duì)，而用中心PC或服務(wù)器完成與業(yè)務(wù)相關(guān)的處理。闡述這種方式較之傳統(tǒng)方式的優(yōu)點(diǎn)由于前端采用嵌入式設(shè)備，因而自然提出了對(duì)數(shù)字信號(hào)處理器的要求。

　　生物特征識(shí)別技術(shù)對(duì)數(shù)字信號(hào)處理的挑戰(zhàn)

　　為了獲得更好的性能，研究者們從算法上、應(yīng)用廠商從應(yīng)用上對(duì)生物特征識(shí)別技術(shù)進(jìn)行改進(jìn)。這些算法根據(jù)不同生物特征的特點(diǎn)，采用新的數(shù)學(xué)模型，有效解決了現(xiàn)有算法的不足，使得生物特征識(shí)別技術(shù)性能上了一個(gè)新臺(tái)階。新的數(shù)學(xué)模型，較之以往的模型更為復(fù)雜，計(jì)算量更大。為了能夠有效的在數(shù)字信號(hào)處理器上實(shí)現(xiàn)這些算法，要求數(shù)字信號(hào)處理器有更強(qiáng)的處理能力。

　　傳統(tǒng)數(shù)字信號(hào)處理中算法之一就是傅立葉變換，該變換在通信、圖像傳輸、雷達(dá)、聲納中都有很大的作用。但是，在相當(dāng)長的時(shí)間里，由于傅立葉變換的計(jì)算量太大，即使采用計(jì)算機(jī)也很難對(duì)問題進(jìn)行實(shí)時(shí)處理，所以并沒有得到真正的運(yùn)用。直到傅立葉變換的快速算法即快速傅立葉變換發(fā)現(xiàn)后，傅立葉變換的運(yùn)算量大大縮短，從而使傅立葉變換在實(shí)際中得到了廣泛的應(yīng)用，也使得在數(shù)字信號(hào)處理器上實(shí)現(xiàn)傅立葉變換成為了可能。

　　盡管傅立葉變換對(duì)數(shù)學(xué)、物理產(chǎn)生了深遠(yuǎn)的影響，但對(duì)于大多數(shù)應(yīng)用例如人臉識(shí)別而言是遠(yuǎn)遠(yuǎn)不夠的。比如說人臉圖像中，眼睛所含有的信息較其他部分對(duì)識(shí)別而言非常重要，需要找到一種方法，提取出眼睛這部分重要的信息，并盡量降低不重要的信息對(duì)識(shí)別的影響。這就需要對(duì)人臉圖像進(jìn)行局部分析。

　　為了提高性能，研究者將數(shù)字信號(hào)處理領(lǐng)域中新的復(fù)雜的變換如Gabor變換、小波變換引入人臉識(shí)別中，采用這些變換進(jìn)行局部分析，提取出對(duì)人臉識(shí)別有用的特征，從而大大提高了人臉識(shí)別的性能。然而，Gabor變換和小波變換的計(jì)算量較之傅立葉變換而言非常大，為了在嵌入式設(shè)備上實(shí)現(xiàn)人臉識(shí)別系統(tǒng)，需要高主頻、高性能的數(shù)字信號(hào)處理器來實(shí)現(xiàn)，這就對(duì)數(shù)字信號(hào)處理器的設(shè)計(jì)提出了一個(gè)很大的挑戰(zhàn)。

　　從應(yīng)用角度而言，為了良好的交互性，在實(shí)現(xiàn)人臉識(shí)別系統(tǒng)時(shí)，要求實(shí)時(shí)實(shí)現(xiàn)從視頻采集到人臉識(shí)別全過程完成（或者至少在1~2秒鐘內(nèi)實(shí)現(xiàn)），否則，給人的感覺就不自然、不流暢。

　　ADI公司的Blackfin系列處理器是一類專為滿足當(dāng)今嵌入式音頻、視頻和通信應(yīng)用的計(jì)算要求和功耗約束條件而設(shè)計(jì)的新型 16～32 位嵌入式處理器。Blackfin 處理器基于由 ADI 和 Intel 公司聯(lián)合開發(fā)的微信號(hào)架構(gòu)（MSA），它將一個(gè) 32 位 RISC 型指令集和雙 16 位乘法累加（MAC）信號(hào)處理功能與通用型微控制器所具有的易用性組合在了一起。

　　目前，Blackfin 處理器在單內(nèi)核產(chǎn)品中可提供高達(dá) 756MHz 的性能。Blackfin 處理器系列中的新型對(duì)稱多處理器成員在相同的頻率條件下實(shí)現(xiàn)了性能的翻番。Blackfin 處理器系列還提供了低至 0.8V 的業(yè)界功耗性能。

　　Blackfin處理器具有如下特點(diǎn)：

　　高性能處理器內(nèi)核。Blackfin 處理器架構(gòu)基于一個(gè) 10 級(jí) RISC MCU/DSP 流水線和一個(gè)專為實(shí)現(xiàn)代碼密度而設(shè)計(jì)的混合 16/32 位指令集架構(gòu)，該架構(gòu)很適合于全信號(hào)處理/分析能力。這種架構(gòu)，使得人臉識(shí)別中的復(fù)雜的數(shù)字信號(hào)處理運(yùn)算在Blackfin上很容易實(shí)現(xiàn)。

　　高帶寬DMA能力。人臉識(shí)別中需要對(duì)圖像塊進(jìn)行操作，這就涉及到內(nèi)存數(shù)據(jù)存取。采用Blackfin的DMA控制器可以自動(dòng)數(shù)據(jù)傳輸，所需的處理器內(nèi)核開銷極少。這樣可以將寶貴的處理器的運(yùn)算能力用于人臉識(shí)別的計(jì)算，減小數(shù)據(jù)存取對(duì)性能的影響。

　　視頻指令。人臉識(shí)別中常進(jìn)行的操作就是對(duì)像素值進(jìn)行處理，Blackfin處理器具有對(duì)8位數(shù)據(jù)以及許多像素處理算法所常用的字長的固有支持，大大提高了人臉識(shí)別的處理速度。

　　分層存儲(chǔ)器。Blackfin具L1 Cache和L2 Cache兩級(jí)Cache，由于Cache較之外部存儲(chǔ)器具有更快的存取速度，因而，在人臉識(shí)別時(shí)，可以把運(yùn)算密集的代碼放在L1 Cache或L2 Cache中，這樣可以有效提高處理速度。

　　上述Blackfin處理器特點(diǎn)表明，Blackfin系列處理器非常適合處理需要高性能運(yùn)算能力和高數(shù)據(jù)吞吐量的生物特征識(shí)別技術(shù)。

　　結(jié)語

　　本文討論了生物特征識(shí)別技術(shù)的發(fā)展趨勢，結(jié)合人臉識(shí)別分析了生物特征識(shí)別技術(shù)需要高性能的數(shù)字信號(hào)處理器的原因，并簡單介紹了Blackfin處理器的特點(diǎn)，指出正是由于Blackfin處理器的這些特點(diǎn)，使得該處理器非常適合作為嵌入式系統(tǒng)中的計(jì)算，以便將人臉識(shí)別等生物特征識(shí)別技術(shù)移植到嵌入式系統(tǒng)。