生物識(shí)別技術(shù)的發(fā)展及對(duì)數(shù)字處理器分析

本文討論了生物特征識(shí)別技術(shù)的發(fā)展趨勢(shì)，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(jiǎn)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)算核心，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)。

引言

生物特征識(shí)別技術(shù)是指利用人體固有的生理特征或行為特征來(lái)進(jìn)行個(gè)人身份鑒別認(rèn)證的技術(shù)。生物特征識(shí)別技術(shù)包括采用人體固有的生理特征(如人臉、指紋、虹膜、靜脈)進(jìn)行的身份認(rèn)證技術(shù)和利用后天形成的行為特征(如簽名、筆跡、聲音、步態(tài))進(jìn)行的身份認(rèn)證技術(shù)。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)別認(rèn)證具有上述優(yōu)點(diǎn)，基于生物特征的身份識(shí)別認(rèn)證技術(shù)受到了各國(guó)的極大重視。

生物特征識(shí)別技術(shù)及其發(fā)展趨勢(shì)

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。下面就這些常見(jiàn)的生物特征識(shí)別技術(shù)的特點(diǎn)及其發(fā)展趨勢(shì)作一簡(jiǎn)單介紹。

人臉識(shí)別

人臉識(shí)別作為一種基于生理特征的身份認(rèn)證技術(shù)，與目前廣泛應(yīng)用的以密碼、IC卡為媒介的傳統(tǒng)身份認(rèn)證技術(shù)相比，具有不易偽造、不易竊取、不會(huì)遺忘的特點(diǎn)；而人臉識(shí)別與指紋、虹膜、掌紋識(shí)別等生理特征識(shí)別技術(shù)相比，具有非侵犯性、采集方便等特點(diǎn)。因而人臉識(shí)別是一種非常自然、友好的生物特征識(shí)別認(rèn)證技術(shù)。

人臉識(shí)別技術(shù)包括圖像或視頻中進(jìn)行人臉檢測(cè)、從檢測(cè)出的人臉中定位眼睛位置、然后提取人臉特征、最后進(jìn)行人臉比對(duì)等一系列相關(guān)的技術(shù)。

最早的人臉識(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，如人臉特征器官(眼角、嘴角、鼻孔)的相對(duì)位置、大小、形狀、面積及彼此間的幾何關(guān)系等。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(kāi)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?；诿娌繄D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(lèi)方法具有非常高的識(shí)別率和非常好的魯棒性。由于基于面部圖像的人臉識(shí)別算法具有很高性能，目前已經(jīng)出現(xiàn)了不少推廣人臉識(shí)別技術(shù)的廠商，如國(guó)內(nèi)的北京海鑫科金高科技股份有限公司、國(guó)外的L1ID等。

為了評(píng)測(cè)基于面部圖像的人臉識(shí)別算法的性能。美國(guó)ARPA和ARL于1993年至1996年建立了FERET數(shù)據(jù)庫(kù)，用于評(píng)測(cè)當(dāng)時(shí)的人臉識(shí)別算法的性能。共舉行了三次測(cè)試FERET94、FERET95、FERET96。FERET測(cè)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(cè)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(guò)程中易受到光照、背景、采集設(shè)備的影響。這些影響會(huì)降低人臉識(shí)別的性能。

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(kāi)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(cè)這些商用系統(tǒng)的性能，也作為FERET測(cè)試的延續(xù)，美國(guó)有關(guān)機(jī)構(gòu)組織了FRVT2000、FRVT2002、FRVT2006測(cè)試。測(cè)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，在可控環(huán)境下，虹膜、靜態(tài)人臉和三維人臉識(shí)別技術(shù)的性能是相當(dāng)?shù)摹４送?，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，最后，F(xiàn)RVT2006表明人臉自動(dòng)識(shí)別的性能優(yōu)于人。值得一提的是，清華大學(xué)電子工程系作為國(guó)內(nèi)唯一參加FRVT2006的評(píng)測(cè)的學(xué)術(shù)機(jī)構(gòu)，其人臉自動(dòng)識(shí)別性能優(yōu)于人類(lèi)。

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)是指通過(guò)比較不同人指紋中的特征點(diǎn)不同來(lái)區(qū)分不同人的身份。指紋識(shí)別技術(shù)通常由三個(gè)部分組成：對(duì)指紋圖像進(jìn)行預(yù)處理；提取特征值，并形成特征值模板；指紋特征值比對(duì)。

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(guò)程。最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，但該方法的精度和性能較低?，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)、核心區(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)。得到特征點(diǎn)后就可以對(duì)特征點(diǎn)進(jìn)行編碼形成特征值模板。

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(guò)程。

虹膜識(shí)別

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)別專(zhuān)利保護(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(kāi)創(chuàng)性工作，奠定了世界上首個(gè)商業(yè)虹膜自動(dòng)識(shí)別系統(tǒng)的基礎(chǔ)。隨著Flom和Safir專(zhuān)利在2005年的失效和CASIA及ICE2005中虹膜數(shù)據(jù)集的提供，虹膜識(shí)別算法的研究越來(lái)越蓬勃。ICE2006首次對(duì)虹膜識(shí)別算法性能進(jìn)行了測(cè)試。

虹膜識(shí)別中需要解決如下兩個(gè)難點(diǎn)問(wèn)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(shì)

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(lái)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。我們下面結(jié)合人臉識(shí)別具體說(shuō)生物特征識(shí)別技術(shù)對(duì)數(shù)字信號(hào)處理的挑戰(zhàn)。

傳統(tǒng)數(shù)字信號(hào)處理中核心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(zhǎng)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(wèn)題進(jìn)行實(shí)時(shí)處理，所以并沒(méi)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(shuō)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。然而，傅立葉變換無(wú)法進(jìn)行局部分析，使得傅里葉變換在人臉識(shí)別中的應(yīng)用很有限。

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(lái)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(guò)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(jué)就不自然、不流暢。因而，從良好的交互性角度而言，在嵌入式設(shè)備上實(shí)現(xiàn)人臉識(shí)別系統(tǒng)需要高性能的數(shù)字處理器。

ADI公司的Blackfin系列處理器是一類(lèi)專(zhuān)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(kāi)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。 這種處理特征的組合使得 Blackfin 處理器能夠在信號(hào)處理和控制處理應(yīng)用中均發(fā)揮上佳的作用—在許多場(chǎng)合中免除了增設(shè)單獨(dú)的異類(lèi)處理器的需要。該能力極大地簡(jiǎn)化了 硬件和軟件設(shè)計(jì)實(shí)現(xiàn)任務(wù)。

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(chēng)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)界領(lǐng)先功耗性能。對(duì)于滿足當(dāng)今及未來(lái)的信號(hào)處理應(yīng)用(包括寬帶無(wú)線、具有音頻/視頻功能的因特網(wǎng)工具和移動(dòng)通信)而言，這種高性能與低功耗的組合是必不可少的。

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(zhuān)為實(shí)現(xiàn)最佳代碼密度而設(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(kāi)銷(xiāo)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)別中最常進(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(zhǎng)的固有支持，大大提高了人臉識(shí)別的處理速度?！?/p>

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)。

目前，Hisign已經(jīng)將人臉識(shí)別的算法移植到ADI的Blackfin上，性能正在優(yōu)化中。請(qǐng)繼續(xù)關(guān)注。

結(jié)語(yǔ)

本文討論了生物特征識(shí)別技術(shù)的發(fā)展趨勢(shì)，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(jiǎn)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)算核心，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)。