生物辨識Biometrics

第四組江承恩吳亭緯李佳軒

What is Biometrics ?

BIOS ( LIFE ) + Metron ( Measure )

The automated recognition of individuals based on statistically analyzing their biological and behavioral trait

Biometric Recognition System

精準度參數

接受誤差率（FAR；False Acceptance Rate)

非法使用者異常通過身分辨識的比率

拒絕誤差率（FRR；False Rejected Rate）合法使用者無法正常通過身分辨識的比率

交叉誤差率（CER；Crossover Error Rate）取兩者交集

辨認與驗證身份辨識 ( Identification )1 : N“ WHO AM I ? ”和先前蒐集的資料庫樣本進行比較

身份驗證(Verification)“ AM I WHO I SAY I AM ? ”1 : 1合理無誤的確認該目標的身分為真實

Why Biometrics ?

普遍性：大眾都有相同的型態特徵

唯一性：獨一無二的特徵

永久性：特徵不因時間而改變

易測性：可用精簡的技巧去測量相似度

Categories

→虹膜識別 ( Iris Recognition )

→人臉識別 ( Facial Recognition )

→指紋識別 (Fingerprinting Recognition )

耳紋識別

靜脈識別

語音識別

DNA識別

Iris Recognition

The process of recognizing a person by

analyzing the random pattern of the iris

Iris Recognition Process

Image Capture

Image Processing

Feature Extraction

Template Matching

Authentic/Imposer

A. Image Acquisition

獲得足夠解析度與銳利度的虹膜影像

B. Iris Localization

把虹膜以外的部分去除

真實區域從兩個圓圈去逼近虹膜/瞳孔虹膜/鞏膜

C. Feature Extraction

量測出兩百個以上的特徵點

特徵點包括：雀斑、環狀軌跡等等

以圓圈的方式纏繞取樣

平面的圖像→ 數個一維的訊號

D. Template Matching

用機器比對個體與資料庫的特徵點

計算漢明距離(漢明碼：線性偵錯碼 )

→ 值越小代表越相似

優點穩定十年才會有些微改變

獨特性仿造幾乎不可能

彈性容易得融入安全系統

非侵入式器官外顯，量測方式相較不壓迫

準確度高錯誤率為百萬分之一

虹膜掃描VS

視網膜掃描

虹膜這個部位是外顯的測量過程就像拍一張正常的照片

視網膜位於眼球後方掃描被視為是一個侵入式的流程

缺點生物辨識中最昂貴的

儀器準確性容易受環境亮度影響

測量距離有限

Demo

Iris Recognition

- Application of Intelligent Design

https://youtu.be/8psguPI3CyA?t=51

Facial recognition人臉辨識

Facial Recognition System

Trainging data

Feature extraction

Model initialization

Maximum selection

recognized

Testing data

Feature extraction

Facial Recognition System

Training Data – database存放的圖片庫

Testing Data – 欲辨識的圖片

Feature Extraction – 每張圖extract出來高

維的feature vector

Model Initialization – HHM, AAM…

Maximum Selection – 選取相似度(機率最大)最高者

Model

HMM(Hidden Markov Model)

AAM(Active Appearance Model)

HMM algorithm

Image – two dimensional signal 𝑓(𝑥, 𝑦)→𝑓(𝑥𝑛, 𝑦𝑛)

H X W – image size

L X W – window size

P X W – overlap size

T(number of blocks) =𝑯 −𝑳

𝑳−𝑷+ 𝟏 ;𝑷 ≤ 𝑳 − 𝟏

HMM algorithm

T =𝑯 −𝑳

𝑳−𝑷+ 𝟏

P 越大，overlap越多，observation

sequence 在垂直方向變化小，recognition rate 越高。

HMM algorithm

𝑜𝑡 = [𝑥1, 𝑦1, 𝑥2, 𝑦2, … ] 𝑇D dimension

feature vector

𝑞𝑡 ∈ 1, 2, 3, … , 𝑁 每個feature vector對應到的state

1 ~ N 個 states (頭髮，眉毛，眼睛…)

HMM algorithm

A is the NN matrix of state transition

probabilities

𝑎𝑖𝑗 = 𝑃 𝑞𝑡 = 𝑗 | 𝑞𝑡−1 = 𝑖

HMM algorithm

B is a set of N probability functions,

each describing the observation

probability with respect to a state

𝑏𝑗 = 𝑃 𝑜𝑡 | 𝑞𝑡 = 𝑗

is the vector of initial state

probabilities

𝛱 = 𝑃 𝑞1 = 𝑖

HMM algorithm

Model 𝜆 = (𝐴, 𝐵, 𝜋)

假如一個observe sequence 𝑂，機率為 𝑃 = 𝑂 | 𝜆 ，機率相近代表oberservation sequence

AAM algorithm

Shape Model –臉型外觀輪廓，幾何特徵 𝑥 = 𝑥1, 𝑦1, 𝑥2, 𝑦2, … , 𝑇

Texture Model – 𝑔 = 𝑔1, 𝑔2,…𝑇

利用統計學方法(PCA)

𝑥 = 𝑥 + 𝑃𝑠𝑏𝑠

𝑔 = 𝑔 + 𝑃𝑔𝑏𝑔

AAM algorithm

將要尋找的texture vector投影到texture model上

𝑔𝑠 = 𝑇𝑢−1(𝑔𝑖𝑚)

而選擇將向量強度降到最小者𝑔𝑚 = 𝑔 + 𝐷𝑔𝑐

𝑟 = 𝑔𝑠 − 𝑔𝑚

𝐸 = 𝑟 2

優點 缺點

自然性—指該識別方式

同人類（甚至其他生物）

進行個體識別時所利用

的生物特徵相同。

不被察覺—利用可見光

獲取人臉圖像信息。

不同個體之間的區別不

大—利於人臉定位不利

於區分個體。

受光照、遮蓋物（如口

罩、墨鏡），拍攝的姿

態角度等多方面因素的

影響。

人臉辨識優缺

Intro of Luxand FaceSDK

cross-platform face detection and recognition

offers the API (Application Programming Interface) to detect and track faces and facial features, to recognize gender, and to recognize faces on still images and videos

Intro of Luxand FaceSDK

provides the coordinates of 66

facial feature points (including

eyes, eyebrows, mouth, nose and

face contours)

Supporting Platform Windows 2000/XP/2003/Vista/2008, Windows 7, Windows 8

Linux (RHEL 5+, CentOS 5+ and other)

Mac OS X 10.5+ x86_64

iOS 5.0+, armv7/x86 (iPhone 3GS+, iPad 1+, simulator)

iOS 7.0+, arm64/x86_64 (iPhone 5S+, iPad Air+, iPad mini

retina+, simulator)

Android 4.0+ (platform version 14+), armv7 (armeabi-

v7a)/x86

Technical Specification

A. Face Detection

Robust frontal face detection

Detection of multiple faces in a photo

Head rotation support: –30~30 degrees

of rotation

Detection speed: as fast as 241 frames

per second, depending on resolution

Technical Specification

B. Face Matching

Matching of two faces at given FAR (False Acceptance Rate) and FRR (False Rejection Rate)

Matching speed: 60350 faces per second

Returned information: facial similarity level

Demo

Fingerprint Biometrics 指紋辨識

技術發展透過隆起線的端點與分岔點，隆起線間皆有斷裂處與分岔處，形成特徵點

特徵點太多無法分辨?

根據英國E.R.Henry Henry System，主要分二部八類，只要13個特徵點相同即一樣

辨識方法1. 儲存指紋特徵點(並非完整指紋圖形)

2. 分析比對指紋特徵點方向、位置是否相同

一對一 Verify比對 ∶ 搭配特定密碼與ID

一對多 Identify: 輸入指紋與資料庫比對

指紋辨識器由硬體與軟體構成

1. 硬體:

依技術區分:電容式、光學式、壓力式、溫度式、超音波式

依掃描方式區分: 滑動式、按壓式

2. 軟體:指紋辨識演算法錯誤接受率(False Acceptance

Rate)代表安全程度錯誤拒絕率(False Rejection Rate)

代表便利性

1. 儲存指紋特徵點

指紋特徵

環形、弓形、螺旋形

模式區(Pattern Area):辨別屬於何種類型

核心點(Core Point): 位於漸進中心，用來讀

取與比對指紋

三角點(Delta):提供指紋紋路的計數開端

式樣線(Type Lines): 紋路開始平行而出現的

交叉紋路

節點(Minutia Points):中斷、分岔、打折點

指紋特徵

指紋辨識器

電容式透過量測手指上的電荷變化、溫度差、壓

力等方式掃描

將陣列上數千個電容器充電到已知之值，

而在手指上的溝紋會吸掉微弱電荷，大

小取決於電容器與特徵之距離，再將距

離陣列轉換成指紋圖

電容式

Reference: 一種具有消除固定圖像雜訊能力之電容式指紋辨識晶片設計.

2009 資訊科技國際研討會論文集

指紋辨識器

光學式:

透過光線形成陰影掃描

使用時將手指按壓於三稜鏡上，靠光源反

射，其數量仰賴於指紋上脊與谷的深度和

油脂，再利用感光元件擷取影像

技術:利用光的全反射原理纖維光束微型

三稜鏡

光學式

各種蒐集指紋方式比較

電容式 光學式 滑動式 按壓式

優點 薄、小，適於行動裝置上耗電少

成本低且耐用度高

感測器面積縮減、佔用空間小

操作直覺放置指紋無方向性

缺點 成本高裸露感測器易受外在因素影響，耐用度差

指紋邊位失真調整不良耗電多

需沿固定方向辨識度低

面積較大成本高

應用 iphone 機場海關 筆電 手機

2.分析比對指紋特徵點方向、位置是否相同

利用演算法:

1. 建立指紋的數字表示(特徵數據)

從指紋上找到節點的數據點(指紋分岔、

終止或打圈的座標位置) ，共可產生約

490種數據，稱為模板

2. 利用計算機模糊比較的方式，將兩組數

據的模板進行比較

優點1. 儲存指紋特徵資料的模板是目前生物

特徵辨識中最小的。每枚指紋僅需

120- 180bytes即可，可使裝置體積

縮減許多

2. 指紋無法造假，且有助於身分確認

確保民眾權益

避免誤判民眾身分

3. 便利性

隱憂

1. 隱私權問題

指印可能遭人複製或盜用

2. 政府採集指紋建檔，是否侵犯基本人權

相關DemoArduino 指紋辨識

https://www.youtube.com/watch?v=1diFaa5

OsFg

指紋辨識Demo

https://www.youtube.com/watch?v=hoZqb6

su8h4

各種生物辨識比較

發展與隱憂

如何提升準確度?

EX：多重生物辨識技術

科技 vs 隱私基因跟生物特徵是個體私密的資料

Thanks for listening

Any Questions ?

參考資料

Special “Tutorial” on “Biometrics” Dr. James L. Wayman San Jose State University University of

Kent

Http://biometrics.org/bc2013/presentations/special_tutorial_bcc_2013.pdf

Bridging The Gap: From Biometrics to Forensics Anil K. Jain Michigan State University

http://biometrics.cse.msu.edu/Presentations/AnilJain_BridgingtheGapBiometricstoForensics_Ro

yalSociety_Feb14.pdf

生物辨識技術點將錄http://tw.nec.com/zh_TW/solutions/security/data/20090901.pdf