智能锁四大生物识别技术对比分析

发布时间:2017-11-3 阅读量:1101 来源: 我爱方案网 作者:

目前智能锁识别主要有四大生物识别技术,分别是指静脉、指纹、人脸和虹膜。这些技术或许大家都听说过,但是具体原理是什么,如何实现,各有什么特点和优缺点?本文就来总结分析下。

指静脉识别

技术原理:

指静脉识别是利用检测手指静脉血管的纹路特征实现身份认证。医学研究发现当用近红外线照射手指时,静脉中流动的血红蛋白会吸收近红外线从而形成血管的影像,通过传感器可以获取手指静脉的图像并经算法处理形成特定的指静脉模板。

经过医学的验证,每个人的手指静脉血管影像都不一样,形成的模板是一种独特的生物特征,可用于进行身份的识别。

技术实现:

指静脉识别技术主要包括4个阶段:图像采集、预处理、特征提取、特征匹配。如下图所示:

图1:典型指静脉系统流程

(1)图像采集

指静脉特采集设备主要分为光反射式采集和光投射式采集两种。

图2:光反射式采集

图3:光直射式采集

这两种图像采集方式的主要区别是近红外光源和影像手机设备的放置位置,光反射式采集近红外光源与影像传感器位于手指同侧,而光直射式采集近红外光源与影像传感器位于手指两侧。目前市场上主流的技术厂商均采用光直射式采集方法。

(2)预处理

受采集设备质量、光照条件等因素的影响,采集到的指静脉图像往往会带有一定噪声,质量不够理想,这就需要采用相应的预处理技术加以解决。

(3)特征提取

当前使用的指静脉特征主要包括静脉纹路特征、纹理特征、细节点特征和通过学习获得的特征。

(4)特征匹配

将表达信息需求的检索提问与存储在检索系统中的信息标识进行异同的比较与匹配,选取两者相符或部分相符的信息予以输出。

优劣势分析:

优点

1)属于内生理理特征,不会磨损,较难伪造,具有很高安全性。

2)血管特征通常更明显,容易辨识,抗干扰性好。

3)可实现非接触式测量,卫生性好,易于为用户接受。

4)不易受手表面伤痕或油污的影响。

缺点

1)手背静脉仍可能随着年龄和生理的变化而发生变化,永久性尚未得到证实

2)虽然可能性较小,但仍然存在无法成功注册登记的可能。

3)由于采集方式受自身特点的限制,产品难以小型化。

4)采集设备有特殊要求,设计相对复杂,制造成本高。

指纹识别

技术原理:

指纹是手指末端正面皮肤上凸凹不平产生的纹路。尽管指纹只是人体皮肤的小部分,但是,它蕴涵着大量的信息。指纹特征可分为两类:总体特征和局部特征。

指纹识别技术通常使用指纹的总体特征如纹形、三角点等来进行分类,再用局部特征如位置和方向等来进行用户身份识别。由于每个人的指纹不同,就是同一人的十指之间,指纹也有明显区别,因此指纹可用于身份鉴定。

技术实现:

指纹识别技术主要涉及四个功能:读取指纹图像、提取特征、保存数据和比对。通过指纹读取设备读取到人体指纹的图像,然后要对原始图像进行初步的处理,使之更清晰,再通过指纹辨识软件建立指纹的特征数据。

指纹识别过程:指纹采样→指纹图像预处理→二值化处理→细化,纹路提取→细节特征提取→指纹匹配(即指纹库的查对)。如下图所示。

图4:指纹识别过程

目前用于指纹采集的主要有三种方式:电容式、活体光学式、生物射频式。

(1)电容式

电容式是利用一定间隔的安装的两个电容,利用指纹的凹凸,在手指滑过指纹检测仪器时接通或断开两个电容的电流以检测指纹资料。电容传感器对手指的干净要求还是比较高,而且传感器表面使用硅材料,比较容易损坏。

图5:电容式采集

(2)光学式

通过光反射成像来记录和验证指纹。光学识别是较早的指纹识别技术。基于光学发射装置发射的光线,射到手指上再反射回机器以获取数据,并对比资料库看是否一致。光学识别只能到达皮肤的表皮层,而不能到达真皮层,而且受手指表面是否干净影响较大。

图6:光学式

(3)生物射频式

生物射频方式是通过传感器发射微量的射频信号,穿透手指的表皮层获取里层的纹路以获取信息。这种方法对手指的干净程度要求较低。相对于前两种技术来说,射频传感器对手指的干净程度要求较低,可以产生高质量的图像。

此外,由于能够采集高质量图像,所以可以在保证一定认证可靠性的前提下减小传感器面积,从而可以减少一定的成本,并且可以使得射频传感器可以应用到各种小型化移动设备当中。不过,由于是需要主动发射信号,所以功耗相对电容式要高。另外目前应用此类技术的厂商比较少,所以整体的成本还是相对比较高。

图7:生物射频式

优劣势分析:

优点

1)指纹是人体独一无二的特征,并且它们的复杂度足以提供用于鉴别的足够特征。

2) 如果想要增加可靠性,只需登记更多的指纹,鉴别更多的手指,最多可以达到十个。

3) 扫描指纹的速度很快,使用非常方便。

4)指纹采集头可以更加小型化,并且价格会更加低廉。

缺点

1)某些人或某些群体的指纹因为指纹特征很少,故而很难成像。

2)过去因为在犯罪记录中使用指纹,使得某些人害怕“将指纹记录在案”。

3)指纹痕迹存在被用来复制指纹的可能性。

人脸识别

技术原理:

人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。

技术实现:

人脸识别步骤主要分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和识别。

图8:人脸识别过程

(1)人脸检测

人脸检测是指从输入图像中检测并提取人脸图像,通常采用haar特征和Adaboost算法训练级联分类器对图像中的每一块进行分类。如果某一矩形区域通过了级联分类器,则被判别为人脸图像。

(2)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。

(3)特征提取

特征提取是指通过一些数字来表征人脸信息,这些数字就是我们要提取的特征。常见的人脸特征分为两类,一类是几何特征,另一类是表征特征。几何特征是指眼睛、鼻子和嘴等面部特征之间的几何关系,如距离、面积和角度等。由于算法利用了一些直观的特征,计算量小。

表征特征利用人脸图像的灰度信息,通过一些算法提取全局或局部特征。其中比较常用的特征提取算法是LBP算法。LBP方法首先将 图像分成若干区域,在每个区域的像素640x960邻域中用中心值作阈值化,将结果看成是二进制数。

图9:特征点提取

(4)人脸识别

这里提到的人脸识别是狭义的人脸识别,即将待识别人脸所提取的特征与数据库中人脸的特征进行对比,根据相似度判别分类。而人脸识别又可以分为 两个大类:一类是确认,这是人脸图像与数据库中已存的该人图像比对的过程,回答你是不是你的问题;另一类是辨认,这是人脸图像与数据库中已存的所有图像匹 配的过程,回答你是谁的问题。

优劣势分析:

优点

(1)使用方便,用户接受度高。

(2)直观性突出。人脸无疑是肉眼能够判别的最直观的信息源。

(3)识别精确度高,误识率、拒认率较低。

(4)不易仿冒,在安全性要求高的应用场合,人脸识别技术要求识别对象必须亲临识别现场,他人难以仿冒。

(5)成本较低,性价比高,易于推广使用。

缺点

(1)识别算法难度大。

(2)易变性。面部的外形容易受多方面因素的影响。

虹膜识别

技术原理:

虹膜识别技术,简单来说是一种基于眼睛中的虹膜进行身份识别的安全检测技术。从技术层面来讲,就是通过一种近似红外线的光线对虹膜图案进行扫描成像,并通过图案象素位的差异或操作来判定相似程度,达到用户信息确认的目的。由于人的虹膜终身不变,就算平时我们常见的近视眼、白内障、红眼病对虹膜也完全不会造成破坏,这些特征决定了虹膜特征以及身份识别的唯一性。

技术实现:

一般来说,虹膜识别技术的过程主要有四个过程,分别为虹膜图像获取、图像预处理、特征提取和特征匹配。

图10:虹膜识别系统

(1)虹膜图像获取

是指使用特定的数字摄像器材对人的整个眼部进行拍摄,并将拍摄到的图像通过图像采集卡传输到计算机中存储;

(2)图像预处理

是指由于拍摄到的眼部图像包括了很多多余的信息,并且在清晰度等方面不能满足要求,需要对其进行包括图像平滑、边缘检测、图像分离等预处理操作;

(3)·特征提取

是指通过一定的算法从分离出的虹膜图像中提取出独特的特征点,并对其进行编码;

(4)特征匹配

是指根据特征编码与数据库中事先存储的虹膜图像特征编码进行比对、验证,从而达到识别的目的。

在虹膜识别过程之前,技术实现上要求通过对人类的虹膜进行标志性特征的定位,并且利用这些特征和具体形状对虹膜进行成像、特征分离和提取。基于虹膜成像,二维Gabor波将其筛选和绘制为相量,相量的信息包括方向和空间频率(图像内容)以及图像位置,利用这些相量信息绘制为“虹膜码”,最终使用虹膜码进行认证。

目前,虹膜识别的工作方式主要是通过红外扫描来实现虹膜的解锁,实际应用的时候则利用一个发光二极管(红外光)和光接收传感器工作,在虹膜检测时,首先打开红外LED,红外LED发出红外光,打到人的眼球上再反射回来,由虹膜Camera捕捉图片,供后端算法进行识别。

图11:虹膜识别的工作方式

优劣势分析:

优点

1)便于用户使用;

2)可能会是最可靠的生物识别技术;

3)不需物理的接触;

4)可靠性高。

缺点

1)很难将图像获取设备的尺寸小型化;

2)设备造价高,无法大范围推广;

3)镜头可能产生图像畸变而使可靠性降低。

总结

最后对各大技术进行对比,依据某知名生物特征识别技术供应商对指纹、人脸、虹膜、指静脉等识别技术的比对评测,综合结论如下表所示:

图12:指纹、人脸、虹膜、指静脉等识别技术的比对评测

来源:创易栈


方案超市都是成熟的量产方案和模块,欢迎合作:

人脸识别功能的智能眼镜

人脸识别方案

人脸识别小盒


快包任务,欢迎技术服务商承接:

人脸识别系统及硬件配置  ¥50000 竞标中

带车牌识别 人脸识别的行车记录仪  ¥20000 竞标中

指纹、人脸门禁机  ¥5000 竞标中


>>购买VIP会员套餐

相关资讯
华虹半导体2025年Q1业绩解析:逆势增长背后的挑战与破局之路

2025年第一季度,华虹半导体(港股代码:01347)实现销售收入5.409亿美元,同比增长17.6%,环比微增0.3%,符合市场预期。这一增长得益于消费电子、工业控制及汽车电子领域需求的复苏,以及公司产能利用率的持续满载(102.7%)。然而,盈利能力显著下滑,母公司拥有人应占溢利仅为380万美元,同比锐减88.05%,环比虽扭亏为盈,但仍处于低位。毛利率为9.2%,同比提升2.8个百分点,但环比下降2.2个百分点,反映出成本压力与市场竞争的加剧。

边缘计算新引擎:瑞芯微RV1126B四大核心技术深度解析

2025年5月8日,瑞芯微电子正式宣布新一代AI视觉芯片RV1126B通过量产测试并开启批量供货。作为瑞芯微在边缘计算领域的重要布局,RV1126B凭借3T算力、定制化AI-ISP架构及硬件级安全体系,重新定义了AI视觉芯片的性能边界,推动智能终端从“感知”向“认知”跃迁。

半导体IP巨头Arm:季度营收破12亿,AI生态布局能否撑起估值泡沫?

2025财年第四季度,Arm营收同比增长34%至12.4亿美元,首次突破单季10亿美元大关,超出分析师预期。调整后净利润达5.84亿美元,同比增长55%,主要得益于Armv9架构芯片在智能手机和数据中心的渗透率提升,以及计算子系统(CSS)的强劲需求。全年营收首次突破40亿美元,其中专利费收入21.68亿美元,授权收入18.39亿美元,均刷新历史纪录。

Arrow Lake的突破:混合架构与先进封装的协同进化

2024年10月,英特尔正式发布Arrow Lake架构的酷睿Ultra 200系列处理器,标志着其在桌面计算领域迈入模块化设计的新阶段。作为首款全面采用Chiplet(芯粒)技术的桌面处理器,Arrow Lake不仅通过多工艺融合实现了性能与能效的优化,更以创新的混合核心布局和缓存架构重新定义了处理器的设计范式。本文将深入解析Arrow Lake的技术突破、性能表现及其对行业的影响。

暗光性能提升29%:深度解析思特威新一代AI眼镜视觉方案

2025年5月8日,思特威(股票代码:688213)正式发布专为AI眼镜设计的1200万像素CMOS图像传感器SC1200IOT。该产品基于SmartClarity®-3技术平台,集成SFCPixel®专利技术,以小型化封装、低功耗设计及卓越暗光性能,推动AI眼镜在轻量化与影像能力上的双重突破。公司发言人表示:"AI眼镜的快速迭代正倒逼传感器技术升级,需在尺寸、功耗与画质间实现平衡,这正是SC1200IOT的核心价值所在。"