虹膜识别算法研究及实现
《虹膜识别技术与实现》范文
《虹膜识别技术与实现》篇一一、引言在现今科技高度发达的时代，生物识别技术已成为身份验证和安全控制的重要手段。
其中，虹膜识别技术以其独特性、稳定性和高精度性，在众多生物识别技术中脱颖而出。
本文将详细介绍虹膜识别技术的原理、特点及其实现过程。
二、虹膜识别技术概述虹膜识别技术是一种基于人体眼部虹膜特征进行身份识别的生物识别技术。
虹膜是眼睛中瞳孔周围的彩色环状部分，其纹理独特且终身不变，因此非常适合作为身份识别的依据。
虹膜识别技术通过高精度摄像设备和图像处理算法，提取并分析虹膜的纹理特征，从而实现身份验证。
三、虹膜识别技术原理虹膜识别技术的核心在于图像采集和特征提取。
首先，通过高分辨率摄像设备获取高质量的虹膜图像，然后利用图像处理和模式识别技术，提取出虹膜的纹理特征。
这些特征包括细节特征和结构特征等，具有唯一性和稳定性。
最后，将提取的特征与数据库中的模板进行比对，完成身份验证。
四、虹膜识别技术特点1. 唯一性：每个人的虹膜特征都是独一无二的，因此虹膜识别具有很高的准确性。
2. 稳定性：虹膜特征终身基本不变，即使随着年龄的增长，其变化也非常微小，因此适用于长期身份验证。
3. 非侵犯性：虹膜识别无需接触式测量，用户接受度高。
4. 高精度性：虹膜识别技术采用高精度摄像设备和图像处理算法，能够精确提取和分析虹膜特征。
五、虹膜识别技术的实现过程1. 图像采集：使用高分辨率摄像设备获取高质量的虹膜图像。
2. 图像预处理：对采集的图像进行预处理，包括去噪、增强对比度等操作，以便更好地提取虹膜特征。
3. 特征提取：利用图像处理和模式识别技术，从预处理后的图像中提取出虹膜的纹理特征。
4. 特征匹配：将提取的特征与数据库中的模板进行比对，找出最匹配的模板。
5. 身份验证：根据比对结果判断身份是否匹配，完成身份验证。
六、应用领域虹膜识别技术在多个领域都有广泛的应用。
例如，在安全领域，可以用于门禁系统、安防监控等；在金融领域，可以用于银行柜台交易、ATM机取款等需要高度安全保障的场合；在医疗领域，可以用于医疗信息管理、患者身份验证等。
智能手机中的虹膜识别技术研究
智能手机中的虹膜识别技术研究智能手机是我们日常生活中不可或缺的工具之一。
随着科技的发展，智能手机的功能越来越强大，其中的虹膜识别技术日益受到关注。
本文将探讨智能手机中的虹膜识别技术的研究进展及其应用前景。
一、虹膜识别技术的原理虹膜识别技术是一种通过采集和分析个体虹膜的生物特征来进行身份验证的技术。
虹膜是人眼中的一部分，其纹理独特而稳定，不同个体的虹膜纹理有所不同，因此可以用于身份验证。
虹膜识别技术通过摄像头采集用户的虹膜图像，然后利用算法对图像进行处理和比对，最终确认用户的身份。
二、虹膜识别技术在智能手机中的应用1. 解锁手机虹膜识别技术可以被应用于解锁智能手机，取代传统的密码、指纹等解锁方式。
用户只需凝视手机摄像头，虹膜识别系统便可以迅速验证用户身份，并解锁手机。
相比传统解锁方式，虹膜识别更加安全、方便且准确。
2. 应用和数据安全虹膜识别技术的应用不仅局限于解锁手机，还可以用于加密应用和数据。
通过虹膜识别技术，用户可以保护个人隐私，确保敏感信息不被他人窃取或篡改。
3. 手机支付随着移动支付的快速普及，虹膜识别为智能手机支付提供了更高的安全性。
用户可以通过虹膜识别技术进行支付验证，避免了传统密码支付被破解的风险。
4. 双重身份验证虹膜识别技术还可以与其他身份验证技术结合，形成双重身份验证。
例如，用户可以同时使用虹膜识别和指纹识别来解锁手机或进行支付验证，提高了安全性。
三、虹膜识别技术的研究进展虹膜识别技术在智能手机中的应用前景广阔，因此也受到了学术界和产业界的广泛关注。
近年来，许多研究机构和企业纷纷投入到虹膜识别技术的研究中，力求提高识别准确率和速度。
1. 硬件改进虹膜识别技术需要高质量的摄像头和图像传感器来采集虹膜图像，因此硬件改进是研究的重点之一。
研究人员致力于研发更小巧、更高性能的摄像头和传感器，以适应智能手机的要求。
2. 算法优化虹膜识别的核心是算法的处理和比对过程。
研究人员通过不断优化算法，提高了虹膜识别的准确率和速度。
基于深度学习的虹膜识别系统设计与实现
基于深度学习的虹膜识别系统设计与实现随着科技的迅猛发展和人工智能的普及，生物识别技术作为一种高效、准确的身份验证方法，得到了越来越广泛的应用。
虹膜识别作为一种独特的生物特征识别技术，因其高安全性和准确性而备受关注。
本文旨在介绍基于深度学习的虹膜识别系统的设计与实现。
1. 引言虹膜识别技术利用眼球中的虹膜作为独特的认证特征，可以通过对虹膜图像的采集和分析来完成身份验证。
与传统的生物识别技术相比，虹膜识别具有不可伪造性、高精确性和高鲁棒性等优点，因此广泛应用于金融、安防、边境管理等领域。
2. 虹膜图像采集虹膜图像采集是虹膜识别系统的关键步骤之一，其目的是获取高质量的虹膜图像以供后续处理和特征提取。
采集设备通常是一种非接触式的眼球拍摄设备，通过红外光或可见光照射眼睛，从而获取高清晰度和高对比度的虹膜图像。
采集过程需要确保环境光源充足、图像清晰，并通过眼球追踪技术实时控制视野和焦距，提高采集成功率。
3. 虹膜图像预处理虹膜图像预处理是为了增强图像质量、减小光照和噪声的影响，提高后续特征提取和匹配的准确性。
常见的预处理技术包括图像增强、灰度均衡化、噪声抑制和边缘检测等。
预处理后的虹膜图像应具有高对比度、清晰的纹理和丰富的细节信息。
4. 虹膜特征提取虹膜特征提取是虹膜识别系统的核心步骤，旨在从预处理后的虹膜图像中提取出独特的特征向量，用于后续的识别和匹配。
深度学习技术在虹膜特征提取中取得了显著的进展。
常用的深度学习模型包括卷积神经网络（CNN）、循环神经网络（RNN）和自编码器等。
这些模型能够自动学习虹膜图像中的抽象特征，提高分类和匹配的准确性。
5. 虹膜识别与匹配虹膜识别与匹配是虹膜识别系统的最终目标，旨在将从虹膜图像中提取出的特征向量与已知的虹膜数据库进行比对，实现身份验证或识别。
常用的虹膜匹配算法包括传统的相似性度量方法和基于深度学习的特征对比方法。
前者基于特征向量之间的相似度进行匹配，常用的相似性度量方法包括欧氏距离、余弦相似度和相对匹配窗口等；后者利用深度学习模型学习到的特征向量进行匹配，可以提高匹配的准确性和鲁棒性。
虹膜识别技术的研究
虹膜识别技术的研究摘要：虹膜识别是模式识别领域的前沿研究方向, 同时也是一项具有广泛应用前景的身份认证技术,业己得到国内外政府部门、学术界和工业界的广正关注。
通过前期的查找文献，对虹膜识别技术有了初步的了解。
本文介绍了虹膜特征、虹膜图像获取、图像预处理、特征提取、特征匹配及性能评价指标、虹膜识别技术的发展过程、虹膜识别技术优势、虹膜识别技术与应用前景、市场潜力及未来虹膜识别技术的研究方向。
关键字：虹膜识别; 身份认证; 生物特征识别is Recognition TechnologyAbstract：As a personal identification method, iris recognition is a hot top ic in both academia and industry, with very wide practical app lying fields1 This paper p resents an overview on the iris characteristic, the develop ing history and the advantage of the iris recognition technique, the technology and the app lication foreground of the iris recognition, the iris recognition market potential and its future research direction1Key words: iris recognition; identity verification; biometrics一、虹膜识别简介身份识别就是验证个人的真伪,以防范冒名顶替者的违法犯罪活动。
目前,身份识别主要靠各种证件(如身份证、智能卡等) 、个人识别码(如口令、密码等) 及生物特征识别。
虹膜识别算法的研究及实现
第３ １卷 第 ５ 期
ＶＯ１ ３１ ｏ．５ ． Ｎ
红 外 与 激 光 工 程
Ｉ ｒ ｒ ｄ ａ ｓ ｒ Ｅｎｇ ｎ ｅ ｉ ｎｆａ ｅ ｎｄ Ｌａ ｅ ｉ ｅ ｒｎ
２０ ０ ２年 ｌ ０月
０ Ｃ ．２ ２ ｔ ００
虹 膜 识 别 算 法 的研 究 及 实 现
，
ｉ ｌ ｉ ｇ ｐｒ ｐｒ ｅ ｓ ｎ ｃ ｎ— ｎｃｕｄ ｎ ｅ ｏｃ ｓ ｉ ｇ， ｏ
ｓ ｒ ｔ ｇ Ｇａ ｒ ｉｔ ｒ ａ ｄ ｈｅ ｏｍｐｕｔ ｔｏ ｏ ｉｉ ｃ ｔ ｕｃ ｍ ｂｏ ｆｌｅ ｓ ｎ ｔ ｃ ａ ｉ ｎ ｆ ｒｓ ｏｄｅ ａ ｄ ｓ ｎ Ｈ
、
ｍｉｇ距 离 的计算 等 。 实验 结 果表 明 ， 方 法计 算速 度 快 ， 取特 征 的 效 果好 ｎ 该 提
别 系统 。
，
可 用 于 实 际 的 身份 鉴
关
键
词：
虹 膜 识 别 ； 虹 膜 定位 ； Ｇａ ｏ 滤 波 器 ； 特 征 提取 ； Ｈａ ｂｒ ｍｍｉｇ距 离 ｎ 文 献标 识码 ： Ａ 文 章编 号 ：０ ７２ ７ （ ０ ２ ０ Ｏ４０４一 １ ０—２６ ２ ０ ）５ Ｏ６
（ ｐ Ｄｅ ｅ 。 ｅ ｔ ｉａ ｇ ｎｅ ｒｎ ｎ ｐ ｉ ｄ Ｅｌ ｃ ｎ ｆＥｌ ｃ ｒ ｃ １Ｅｎ ｉ ｅ ｉ ｇ ａ ｄ Ａｐ ｌ ｅ ｔ ｅ
ｒ ｎ ｃＴｓ ｇ ｕ ｉｅ ｓ ｙ ｅ ｉｇ １ Ｏ ８ ，ｃ ｉａ ｏｉ ｉ ｈ ａｕｎｖ ｒｉ ，Ｂ ｉｎ Ｏ Ｏ ４ ｈ ｎ ） ｎ ｔ ｊ
ａ ｃ ｒ ｔ ｌ ｎ ｕ ｃ ｌ ｂ ｔ ｔ ｅ ｉ ｌ ｍｅ ｔ ｔｏ ｂ ｕ ｈ ｌ ｏ ｉｈ ｃ ｕ ａ ｅ ｙ ａ ｄ ｑ ｉ ｋ ｙ， ｕ ｈ ｍｐ ｅ ｎ ａ ｉ ｎ ａ ｏ ｔ ｔ ｅ ａ ｇ ｒｔ ｍｓ ｈ ａ ｎ ｂｅ ｎ ｅ ｏｒ ｅ ｉ ｓ ｏｔ ｅ ｒ Ｄ ｔ ｄ ｎ ｏｐ ｎ ｌｔ ｒ ｔ ｅ ． Ｔｈｅ ａ ｇｏ ｉｈｍ ｓ ａ ｅ ｓ ｕｄ ｅ ｎｄ ｉ ｅ ｉｅ ａ ｕｒ ｓ ｌ ｒｔ ｒ ｔ ｉ ｄ ａ ｍｐｌ ｍｅ ｅ ｎｔ ｅ Ａ ｗ ｅ ｈｏ ｏｍ ｂ ｎ ｎ ｏａ ｓ ｄ． ｎｅ ｍ ｔ ｄ ｃ ｉｉ ｇ ｃ ｒｅ Ｆｕ ｔ ｅ ｍｏ ｅ ｎ ｙ ｔ ｅ ｒ ａ ａ ｔ ｒ ｈ ｒ ｒ ，ｏ １ ｈ ｅ １ｐ ｒ ｓ ｏｔｔｌｅ ｓ ａ ｅ ｕｓ ｄ ｄｕ ｉ ｈｅ ｆｌ ｅ ｉ ｔ ｒ ｒ ｅ ｒｎｇ ｔ ｉｔ ｒｎｇ，ｗｈｉ ｈ ｃ ｎ ｄ ｃ ｅ ｓ ｏｄ ｃ ａ ｅ ｒ ａ ｅｃ ｅｌ ｅ ｎｇｔ ｎｄ ｓ ｉｌｈａ ｅ ｇｏ ｄ ｒ ｓ ｔ ｈ ａ ｔｌ ｖ ｏ ｅ ｕＩｓ
基于图像处理的虹膜识别技术研究与应用
基于图像处理的虹膜识别技术研究与应用虹膜识别技术是一种基于生物特征识别的身份验证技术，通过对虹膜图像的提取和比对，可以实现高度精确和可靠的个人身份识别。
虹膜识别技术在安全领域、金融行业、智能手机等多个领域具有广泛的应用前景。
本文将探讨虹膜识别技术的原理和算法，并分析其在各个领域中的应用。
首先，虹膜识别技术的原理是基于每个人虹膜独特的纹理特征来进行身份验证。
虹膜处于眼球的表面，具有丰富的细节信息和独特的图案。
首先，通过近红外摄像机或者其他成像设备来采集人眼的虹膜图像，然后通过图像处理算法对图像进行分析和提取。
在图像处理过程中，首先需要提取出虹膜边界，然后对虹膜纹理进行特征提取，最后将提取到的特征与数据库中已注册的虹膜特征进行比对以验证身份。
基于图像处理的虹膜识别技术主要包括图像的预处理、虹膜区域的提取、特征提取和特征匹配四个步骤。
在图像预处理步骤中，需要先将采集到的虹膜图像进行图像去噪、增强和归一化处理，以提高后续处理的准确性。
虹膜区域的提取是识别系统的关键步骤，通常采用边缘检测、分割和区域填充等方法来提取出虹膜的边界和区域。
然后，通过采用纹理分析和变换方法来进行特征提取，常用的方法包括小波变换、Gabor滤波器和稠密光流等。
最后，通过特征匹配算法对提取到的特征与数据库中的虹膜特征进行比对，判断是否匹配。
虹膜识别技术具有较高的可靠性和准确性。
虹膜作为一种固有特征，具有不可重复性和稳定性，与其他生物特征识别技术相比，如面部识别和指纹识别，虹膜识别更加具有独特性。
同时，虹膜识别技术对于光环境和角度的要求较低，适用范围广泛。
虹膜识别技术在安全领域有着广泛的应用。
例如，虹膜识别技术可用于边境检查、机场安检、金融交易等身份验证场景中，能够有效防止身份冒用和欺诈行为的发生。
此外，虹膜识别技术可以应用于智能手机、电脑和门禁系统等设备上，提供更加安全便捷的解锁和身份验证功能。
除了在安全领域的应用，虹膜识别技术还可以在医疗领域、教育领域和物联网领域等方面发挥作用。
Embedded的虹膜识别算法的研究与实现的开题报告
基于Qt/Embedded的虹膜识别算法的研究与实现的开题报告一、选题背景及意义虹膜识别作为一种安全可靠的生物识别技术，在现代化安全管理和人脸识别等技术中得到广泛应用。
虹膜识别具有防伪性好、可用性高、误识率低等优点，因此广泛应用于生物医学、民航安全等领域。
虹膜识别技术已被广泛应用于安全领域。
然而，由于算法开发、实现和应用的复杂性，虹膜识别系统的开发依然面临很多困难和挑战，因此需要更高效、可靠、易于部署和维护的虹膜识别系统。
二、研究目标本文的目标在于开发一种基于Qt/Embedded的虹膜识别算法，实现方便、高效、低成本的虹膜识别技术应用。
主要研究内容包括：1. 虹膜图像的采集与处理：通过摄像头获取虹膜图像，并对图像进行预处理，以便后续的特征提取。
2. 虹膜特征提取：提取虹膜图像中的特征，主要包括纹孔带、角膜移位等特征。
3. 虹膜匹配与识别：通过对虹膜特征进行匹配和比对，实现虹膜识别功能。
4. 系统实现：基于Qt/Embedded平台，开发虹膜识别系统，包括虹膜图像采集、虹膜特征提取、虹膜识别等功能。
三、研究内容和方法本文主要研究内容包括虹膜信息采集、虹膜图像处理和虹膜识别算法设计。
具体方法如下：1. 虹膜信息采集：根据虹膜图像的采集原理，采用CCD摄像头获取虹膜图像，并基于DSP平台对采集图像进行预处理。
2. 虹膜图像处理：通过对采集的虹膜图像进行滤波、二值化、边缘检测等处理，提取虹膜区域，并确定相应的半径和中心坐标，为后续特征提取打下基础。
3. 特征提取：通过虹膜图像的纹理特征、血管排列特征等，提取特征信息，并将其转化为一组数字特征。
在获取特征的同时，针对各种噪声和变化，给出一种自适应的特征提取算法。
4. 虹膜匹配与识别：利用虹膜提取特征进行匹配和比对，实现虹膜识别功能。
通过支持向量机、神经网络等机器学习算法，实现虹膜识别的自动化和精度优化。
5. 系统实现：基于Qt/Embedded平台开发虹膜识别系统。
基于虹膜识别的认证系统设计与实现
基于虹膜识别的认证系统设计与实现虹膜识别技术作为一种生物特征识别技术，具有高度准确性和安全性，被广泛应用于各个领域的认证系统中。
本文将讨论基于虹膜识别的认证系统的设计与实现。
一、引言随着信息技术的快速发展，传统的身份验证方式已经难以满足日益增长的安全需求。
密码、指纹等方式容易受到伪造和黑客攻击，而虹膜作为人体内部唯一且稳定的生物特征，成为一种理想的身份认证方式。
通过虹膜识别技术，可以实现高度准确的个体认证，保护信息安全。
二、虹膜识别的原理与特点基于虹膜识别的认证系统主要通过图像采集、特征提取和匹配来实现个体认证。
虹膜识别的特点如下：1. 唯一性：每个人的虹膜纹理是唯一的，可以作为独特的身份特征。
2. 稳定性：虹膜纹理在人的一生中基本保持不变，不受年龄、情绪等因素的影响。
3. 不可伪造性：虹膜纹理无法被伪造，保证认证系统的安全性。
三、基于虹膜识别的认证系统设计基于虹膜识别的认证系统的设计包括以下几个关键环节：1. 虹膜图像采集：通过摄像设备，采集用户的虹膜图像，并进行预处理，包括对图像质量进行评估和增强处理。
2. 虹膜特征提取：从采集到的虹膜图像中提取出唯一的特征向量，通常采用基于幅度谱和相位谱的虹膜编码算法。
3. 虹膜匹配与验证：将提取的虹膜特征与数据库中已注册用户的特征进行匹配，通过相似度度量进行验证，确定用户身份的真实性。
4. 用户管理与系统安全：对用户的注册、添加、删除等操作进行管理，并加强系统的安全性，防止非法操作和攻击。
四、基于虹膜识别的认证系统实现基于虹膜识别的认证系统的实现需要同时考虑硬件和软件方面的因素。
1. 硬件设备：选择高质量的摄像头设备用于虹膜图像采集，要求具备高分辨率和快速的图像采集能力。
2. 软件算法：选择高效的虹膜特征提取和匹配算法，确保系统具备良好的识别准确性和实时性。
3. 数据库管理：建立完善的用户数据库，存储用户的虹膜特征向量和相关的个人信息，并实现高效的数据检索和管理功能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要在当今信息化时代，如何精确鉴定个人的真实身份、保护信息安全，已成为一个急待解决的关键性问题。
传统的身份认证极易伪造和丢失，难以满足急速发展的社会需求，目前最为便捷、安全的解决方案就是生物体识别技术。
它不仅简洁快速，而且安全、可靠、准确。
同时更易于配合网络和安全、监控、管理系统整合，实现自动便捷管理。
虹膜识别是一种基于人体生理特征的生物体特征识别技术，与人体纹理、掌纹、脸相、音频、步频、血液等特征识别相比，具有唯一、高稳定、识别率高、检测方便等优点，因此虹膜识别技术己成为当前身份鉴别研究的热门领域。
本论文详细阐述了虹膜识别技术的研究背景和现状、虹膜生理结构和虹膜识别系统的构成。
较深入的研究了虹膜识别算法，实现了三个步骤，即虹膜数字图像预处理、特征码提取和模式匹配。
本论文的研究工作主要集中在对虹膜数字图像预处理的归一化和模式匹配两方面的研究。
在虹膜数字图像预处理的归一化过程中，采用一种基于Dangman橡皮片的辐射线段的归一化方式，将环型区域改变成为矩形区域。
这种方式采用若千条线段表示两个非同心圆周之间的区域，只要设定这些线段上的点数就可以起到很好的归一化成果，并且仅出一种分析模型。
更加定位搜索的效率，节约时间，简化定位的过程。
采取Hough变换算子对虹膜进行精定位。
在特征提取及编码匹配过程中，本论文首先将归一化后的2D虹膜数字图像转换为1D灰度信号，从而减小了运算量;然后运用1D Gabor小波对构造的1D 灰度信号进行分析，选取一定尺度上的小波变换结果进行量化，生成二进制的特征向量，从而提高了虹膜识别技术的效率;最后通过改进的Hamming距离移位匹配，实现了识别中的旋转不可逆性。
本论文通过使用中科院自动化研究所的虹膜数据库(CASIA-IRISV1)的虹膜数字图像进行实验。
经过一定工作量的科学实验对这一算法进行了验证。
实验结果：本论文选取的CASIA-a中心波长为20像素效果最好。
最好的模板大小为辐射分辨率22像素，角分辨率为240像素。
这些参数产生了信息量为9600比特的生物体模板。
为了修正不一致旋转，平移10个单位在CASIA-a中效果最好。
FAR与FRR分别为0.004%与0.236%，这个识别率己经足够用于实际;而传统的海明距离FAR与FRR分别为0.012%与0.475%。
关键词:虹膜识别，模式识别，Hough变换，Gabor小波，Hamming距离AbstractKeyword: Iris 1Dentify, Mode 1Dentifies, Hough transformation, Gabor small wave, Hamming is apart from目录摘要 (1)Abstract (3)第1章绪论 (5)1.1课题研究背景 (5)1.2几种典型的生物体识别技术 (5)1.3国内外研究现状分析 (7)1.4本论文完成的主要工作 (9)第2章虹膜识别原理 (10)2.1虹膜特征 (10)2.2虹膜识别技术流程 (12)2.3几种典型的虹膜识别方式 (13)2.3.1 微积分算子法 (13)2.3.2 Wildes虹膜识别法 (14)2.3.3 Boles虹膜识别法 (14)2.3.4 中科院自动化所的最小二乘拟合法 (14)2.4技术难点 (14)2.5本章小结 (15)第3章虹膜数字图像预处理 (16)3.1虹膜边缘定位 (16)3.1.1虹膜内边缘粗定位 (16)3.1.2虹膜外边缘粗定位....................... 错误!未定义书签。
3.2睫毛与噪音检测 (20)3.3虹膜数字图像归一化及增强 (23)3.4实现结果 (26)3.5本章小结 (27)第4章虹膜特征码 (28)4.1小波函数..................................... 错误!未定义书签。
4.1.1小波概念............................... 错误!未定义书签。
4.1.2小波的性质............................. 错误!未定义书签。
4.1.3常用小波............................... 错误!未定义书签。
4.2基于2D Gabor滤波器的编码方式................ 错误!未定义书签。
4.2.1 2D Gabor小波特性...................... 错误!未定义书签。
4.2.2 2D Gabor小波的特征提取................ 错误!未定义书签。
4.3局部过零检测提取算法 (33)4.4 1D Log-Gabor滤波器虹膜特征提取 (34)4.5本章小结 (36)第5章模式匹配 (37)5.1模式匹配概论 (37)5.2加权欧式距离 (38)5.3改进的Hamming距离 (39)5.4实验效果 (43)5.4.1虹膜模式唯一性 (43)5.4.2个体识别 (45)5.4.3结论 (51)5.5本章小结 (53)第6章总结与展望 (54)6.1研究工作与成果 (55)6.2展望 (55)参考文献 (57)致谢 (59)第1章绪论1.1课题研究背景进入二十一世纪以来，随着科学技术不断进步发展，电子信息日益影响这人们的日常工作生活，并起到越来越重要的作用。
网络、安全、金融、电子商务、机场、地铁等，都需要可靠而准确的身份鉴定。
传统的身份鉴别方式主要基于身份表示物品和身份标示知识。
身份标识物品如证件、钥匙、银行卡等。
身份标识知识如使用者名、密码等。
随着科技进步这些方式的缺陷越来越突出，身份识别物可能丢失，也可能被伪造，使用者名、密码可能被忘记，也可能被破解泄露。
一旦他人获取这些身份标识物品和知识，系统无法区别真正的用有者和仿冒者。
后来又发展同时带有身份识别知识的身份识别物品，如数字证书和智能卡等，当其效果仍然满足不了人们对信息安全的需求。
为克服传统身份鉴别方式，人们提出基于人体生物体特征的新身份识别技术。
所谓生物体识别技术就是，通过电子信息与光学、声学、生物学等学科密切结合，利用人体固有的生理特性，（如人体纹理、脸型、虹膜等）和行为特征（如笔迹、音频、步态等）来进行个人身份的鉴定。
它具不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等优点。
1.2几种典型的生物体识别技术[1][2][3]随着科技的进步，我们已经实现了多种生物体识别技术，如人体纹理识别、虹膜识别、人脸识别、签名识别、语音识别等，其中部分技术性高的识别手段目前还存在于实验室中。
我们有理由相信科技的进步，将会有越来越多的生物体识别技术应用到实际环境中。
人体纹理识别在目前实际应用的多种识别技术中，最为广泛的人体纹理识别。
它是基于对比我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路所形成各种各样的图案识别的。
由于这些纹路的存在增加了皮肤表面的物理摩擦力，使得人们可以用手来抓起重物。
同时包括指纹在内的这些皮肤的纹理在图案、断点和交叉点上都不尽相同，也就是说，这些纹理是仅有的。
也就是这种唯一性的存在，使得我们可以通过把使用者个人同他的指纹建立起来的对应，将使用者的指纹和预先保存的指纹进行对比，验证使用者的真实身份。
这种依靠人体的独有纹理特征来进行身份验证的技术称为人体纹理识别技术，指纹识别是生物识别技术当前应用最广泛的一种。
它比较适用于室内安全系统，首先它可以有充分的条件为使用者经行讲解和培训，能较好的适应系统运行环境。
相对其他识别系统，指纹识别具有体积小、价格底的优点，键盘、鼠标、打卡机等设备可以轻易的将其集成在内，因此目前指纹识别广泛使用的在计算机系统安全访问系统和考勤系统等小型设备中。
●语音识别语音识别就是通过把使用者的语言和语声转换成可进行处理的信息的识别技术。
广泛应用在语音邮件、语声开锁、文字输入等方面。
由于音频传感设备和人的语言发音可变性很大，使用的步骤比较复杂，在需要安静的场合下不合适使用，使得这种识别系统应用起来不太方便。
●签名识别签名识别在应用中具有其他生物体识别所没有的优势，人们已经习惯将签名作为一种在交易中确认身份的方式，它的进一步的发展也不会让人们觉得有太大不同。
实践证明，签名识别是相当准确的，因此签名很容易成为一种可以被接受的识别符。
但与其他生物体识别产品相比，这类产品目前数量很少。
●人脸识别目前人脸识别技术是比较热门的计算机技术研究领域，它是对我们人体本身的生物特征来鉴别区分人的。
它特指通过对比分析使用者脸部视觉特征信息进行鉴别使用者身份的识别技术。
由于近年通信技术的发展使得视频通讯变得简单方便，因此有人夸大了这种识别的相关功效。
实际应用当中一般要求使用人多次采集图像，这是由于它易受到光线变化变化、采集或比对时脸部位置的影响。
当前最有效的是基于主动近红外图像的多光源人脸识别技术。
它能有效克服光线变化对采集人脸图像时的影响，取得了相当不错的识别能力，系统整体性能具有很高的稳定性、精确性、识别速度。
●基因识别基因识别是当前生物信息学的一个重要分支，利用生物学实验或计算机等识别人体细胞DNA序列上的生物学特征进行比对识别。
识别的主要对象是蛋白质编码基因，当然也包括RNA基因和调控因子等具有一定生物学功能的因子。
目前人类对于基因组研究就是建立在基因识别上的。
●虹膜识别虹膜识别是一种与人的眼睛有关的生物识别。
它使用普通的摄像元件，不需要使用人与机器发生密切接触。
据有关科研人员的考证和相关标本证明，人眼睛的虹膜是人还在胚胎时就形成的。
其虹膜个体由于胚胎发育和母亲子宫环境的影响，形成了虹膜个体独有特征，在人体的成长发育中，它会保持罕有的稳定性。
由于虹膜的生理结构独特，同时还有这高度得仿伪性和不可更改的特点，使得虹膜识别比其它的生物体识别技术具有更好的防伪造能力。
到目前为止，虹膜识别相对其它各种生物体特征识别技术的识别正确率很高。
因为虹膜识别算法相对简单、有效，使得相关研究越来越多的吸引广泛学者与企业的高度关注。
1.3国内外研究现状分析国外研究现状人体虹膜最早用于身份识别的尝试是由法国人Alphonse Bertillon首先做到的，他在1885年对法国巴黎刑事监狱中通过虹膜对的犯人进行身份确认，当时他主要通过人眼对人的虹膜颜色和形状的进行观察。
其后一直到了上世纪八九十年代，人体虹膜识别技术才取得了快速发展。
期间在1987年，眼科专家Lenonard Flom和Aran Safir医生首次提出利用虹膜数字图像进行自动虹膜识别的概念[4]，但令人遗憾的是他们并没有开发出能用于实际的虹膜识别系统，仅在理论上对人体虹膜识别技术做出了研究。
在1991年，一名叫Johnson的学者在美国洛斯阿拉莫斯国家实验室首次实现了一个真正可以自动识别人体虹膜的系统，这是有文献记载以来的虹膜识别技术在应用系统上的首次使用[5]。