生物識別技術在近幾年有了長足的進展，但要使生物識別從理論研究走向實際應用，眾多的科研單位還需要突破和解決其中一系列的關鍵技術。從統計的意義上講人類的指紋、掌形、虹膜等生理特征存在著唯一性。因而這些特征都可以作為鑒別用戶身份的依據。

　　1、生物特征傳感器技術

　　通過某種原理可以測量生物特征，并將其轉化成計算機可以處理的數字信號，這就是生物特征傳感器的主要任務，也是生物特征識別的第一步。大部分的生物特征都是通過光學傳感器如CCD或CMOS形成圖像信號，例如人臉、指紋、虹膜、掌紋、手形、靜脈等。但是虹膜和靜脈圖像需要主動的紅外光源才可以得到細節清晰的個性特征。由于外加主動光源能夠克服可見光線變化對生物特征的影響，所以最近在人臉識別領域有研究人員設計了紅外成像設備，來克服人臉模式隨光照變化的類內差異，從而大幅度提高了人臉識別的精度。

　　為了提高生物識別系統的易用性、舒適性和用戶的接受程度，同時又要保證生物特征信號的質量，此外還要小巧精致、成本低廉，生物特征傳感器技術還有許多需要改進的地方。例如最近已經有通過非接觸方式采集的3D 指紋傳感器技術。生物特征傳感器的核心技術包括：

　　1)智能定位技術

　　生物特征獲取裝置必須讓用戶和識別系統處于合適的距離和位置才可以捕獲合格的生物特征信號。最理想的方案是讓采集裝置自動判別用戶的位置，然后主動調節光學系統或者直接通過機械裝置移動采集設備，這樣就可以降低對用戶的要求，采集方式更加智能化和人性化。

　　2)人機接口設計

　　生物特征采集系統應該“以人為本”，符合人體工學，設計生物特征和采集裝置之間的交互接口。通過開發用戶自定位技術讓用戶在某種方式的導引下很快找到合適的成像位置。例如現有的人臉識別和虹膜識別系統中通常在采集裝置上安裝一面鏡子或者設置一個注視點或者設計比較巧妙的光學系統，用戶通過視覺或者語音反饋就可以比較迅速地找到適合成像的位置。

　　3)光學系統設計

　　主要是光學鏡頭組的設計和加工，如果需要主動光源照明的話還要在鏡頭上安裝濾光片，根據成像距離設置主動光源。

　　4)機械控制技術

　　包括自動變焦的電控單元設計、配合用戶的身高和距離進行程序調節的機械單元設計等。

　　生物特征傳感器的核心技術還包括傳感器電路設計；信號傳輸與通信技術；防撬報警技術以及和其他技術的有機結合。

　　2、活體檢測技術

　　為了防止惡意者偽造和竊取他人的生物特征用于身份認證，生物識別系統必須具有活體檢測功能，即判別向系統提交的生物特征是否來自有生命的個體。一般生物特征的活體判別技術利用的是人們的生理特征，例如活體指紋檢測可以基于手指的溫度、排汗、導電性能等信息，活體人臉檢測可以基于頭部的移動、呼吸、紅眼效應等信息，活體虹膜檢測可以基于虹膜振顫特性、睫毛和眼皮的運動信息、瞳孔對可見光源強度的收縮擴張反應特性等。

　　此外，基于生物特征圖像的光譜學信息也是進行活體檢測的有效途徑。例如打印的圖像會形成有規律的紙質紋理特征，可以用頻譜特征進行檢測。此外，還可以通過人機互動的形式檢測生物特征的活體特性; 使用多模態生物特征識別系統也可以提高偽造的難度。

　　從現有的技術水平看，活體檢測功能一直是生物識別系統的薄弱環節，已經有研究人員使用偽造的指紋和人臉攻破了現有的系統，引發了有些用戶對生物識別技術的信任危機。所以活體檢測技術將是生物識別系統進入高端安全應用的最大瓶頸。

　　3、生物特征信號質量評價技術

　　在自動身份識別系統中，生物特征一般是以連續的視頻流或者音頻流的形式進行獲取。由于有效的生物特征采集范圍總是有限的，再加上人的運動、姿態變化等因素，傳輸到計算機的生物特征信號大部分都是不合格的。而高質量的生物特征信號是進行特征表達和身份識別的基礎，低質量的生物特征信號有可能引起錯誤接收或錯誤拒絕，降低系統的穩定性和魯棒性（系統的健壯性），浪費大量的計算資源在無效的生物特征信號處理上。

　　基于上述分析，我們可以從三個方面努力排除低質量生物特征信號對識別性能的影響：

　　■研究高性能的成像硬件平臺

　　■提高識別算法的魯棒性

　　■在生物識別系統中引入智能的質量評價軟件模塊，只容許較高質量的生物特征信號進行注冊或識別。

　　在這些措施中設計有效的質量評價算法最實際。因為再魯棒的識別算法能夠接受的信號質量也是有限的。雖然已經有高性能的生物特征獲取裝置面世，但是價格十分昂貴，也解決不了根本問題。所以研究生物特征的質量評價算法對于識別系統性能的提高具有重要意義。

　　生物特征信號的質量評價可看做一個兩類模式識別問題——將采集到的生物特征分為合格和不合格兩種情況。如果要對合格信號量化打分，還要將評價指標定量化。生物特征信號的質量評價問題是一個比較困難的問題，因為造成特征信號質量差的原因千差萬別，即負樣本的種類太多，不勝枚舉，很難設計一個分類器將所有的正負樣本區分開。需要通過質量評價來過濾的低質量生物特征一般包括存在離焦模糊或運動模糊的圖像，信噪比太低的信號，遮擋的圖像等。一般可以從空域和頻域兩個角度出發去設計質量評價算法。

　　從產品實用化的角度考慮，生物識別系統現在遇到的最大的瓶頸之一就是信號的質量評價。一方面，為了拓寬系統的適用范圍，提高產品的易用性，對用戶更友好，為此，研究人員希望系統能在生物特征質量要求較低的條件下運作，但是同時又要求系統能有穩定的高精度。為了平衡這個矛盾，設計“穩、快、準”的質量評價算法將是必由之路。

　　4、生物信號的定位與分割技術

　　經過處理后的掌紋紋路更清晰了。從生物特征獲取裝置采集得到的原始信號一般不僅包括生物特征本身，還包括背景信息，例如原始的虹膜圖像中包括虹膜、瞳孔、鞏膜、眼皮和睫毛等多個區域，真正能有效鑒別人們身份的圖像內容也就在虹膜區域。所以必須從原始信號中分割出感興趣內容進行特征提取。定位和分割算法一般都是基于生物特征在圖像結構和信號分布方面的先驗知識。例如人臉檢測就是要從圖像中找到并定位人臉區域，一直是計算機視覺領域的研究熱點。

　　2001年美國的Viola和Jones提出了用易于計算的Harr小波特征來描述人臉模式，用AdaBoost來訓練人臉檢測分類器，取得了人臉檢測領域的突破性進展，實現了實時檢測視頻中的人臉圖像，而且準確率也非常高。這個方法對計算機視覺和生物識別領域的影響都很大，現在商業化的人臉識別系統基本上都是使用這種人臉檢測方法或者其變種。而且這種通過機器學習訓練弱分類器的方法也被推廣到了一般視覺對象的檢測和識別上。指紋的分割算法一般是基于指紋區域和背景區域的圖像塊灰度方差的差異特性虹膜的定位主要利用瞳孔/虹膜/鞏膜存在較大的灰度跳變并且成圓形的邊緣分布結構特征;掌紋的定位一般是基于手指之間的參考點來構建參考坐標系。

　　5、生物特征信號增強技術

　　得到了分割后的特征區域后，有的生物特征識別方法需要在特征提取前對感興趣區域進行增強，主要目的包括去噪和凸顯特征內容。例如人臉和虹膜圖像一般用直方圖均衡化的方法增強圖像信息的對比度;指紋一般用頻域的方法得到脊線分布的頻率和方向特征后進行紋路增強對于比較模糊的生物特征信號，可以考慮使用超分辨率的方法或者逆向濾波的方法進行增強。

　　6、生物特征信號的校準技術

　　為了克服不同時刻采集的生物特征信號之間的平移、尺度和旋轉變換，需要將參與比對的兩個生物特征進行對齊。有的生物特征校準在特征提取之前完成，例如常用主動形狀模型和主動表觀模型進行人臉對齊;有的生物特征校準的過程就是特征匹配的過程。生物特征信號的校準結果對于識別精度的影響很大，所以也有學者認為生物特征識別最重要的問題是校準技術。

　　7、生物特征表達與抽取技術

　　對于生物特征識別，不管是外行還是內行，人們首先想到的問題就是機器是用什么特征進行身份識別的？什么是生物特征信號中凸現個性化差異的本質特征？這就是生物識別的基本的、原理性的問題。對于這個問題在個別的生物特征識別領域得到了共識，例如指紋識別，大家都公認細節點（包括末梢點和分叉點）是描述指紋特征的最佳表達方式，所以國際上就有統一的基于細節點信息的指紋特征模板交換標準，給不同廠商的指紋識別系統的兼容性和數據交換帶來了便利。但是在其他生物識別領域，例如人臉、虹膜、掌紋等領域研究人員還在不斷探索最佳的特征表達模型。雖然這些領域的特征表達方法的種類繁多，部分算法也已經取得了很好的識別性能，但是人臉識別、虹膜識別、掌紋識別的根本問題——“什么是人臉、虹膜或掌紋圖像的本質特征及其有效表達？”一直沒有得到權威和普遍認同的回答。

　　這是因為每個人臉、虹膜和掌紋圖像的特征表達方法都是基于某種信號處理方法或者某個計算機視覺或者某個模式識別的理論，“公說公有理，婆說婆有理”，大家對于這些圖像的本質特征表達還沒有進行深入的研究?，F在生物特征表達領域的流行趨勢是把各種經典的或者新提出的圖像分析方法依次去試，有點撞大運的感覺，產生這種現象的根源是大家沒有基礎理論的指導，不知道向哪個方向努力好。由于各種方法各自為“政”，造成生物特征模板的數據交換格式難以統一和標準化。例如人臉、虹膜和掌紋的數據交換標準只能基于圖像，這是因為大家找不到一個統一的、權威的圖像特征表達方法。

　　相對于基于特征的數據交換標準，基于圖像的交換標準在計算和存儲資源的占用、傳輸速率等多方面都處于下風。例如在電子護照應用中，統一格式的生物數據都存放在非接觸IC芯片中，在識別前需要通過無線讀卡器從護照IC中讀出生物數據，這時基于特征的方法比基于圖像的方法快100倍，而且基于圖像的方法還要多一個特征提取的步驟才能得到用戶護照中的生物特征。所以不管是對于研究還是應用，生物特征信號本質特征的盡快確定都是最重要的。

　　通過模擬這些生物體神經細胞對外界視覺刺激的信息編碼規則，計算機視覺研究人員提出了Ordinal Measures（定序測量特征）來表達圖像內容。中科院自動化所生物識別與安全技術研究中心通過拓展原始的定序測量特征的內涵，提出了多極子濾波器的概念，建立了虹膜圖像特征表達的一般框架，證明了虹膜圖像區域之間的排序測度特征等價于虹膜物理表面不同位置反光率之間的大小順序關系，是獨立于光照、對比度等外界因素的虹膜圖像的本質特征。

　　在這個框架下，虹膜特征抽取甚至可以簡化成簡單的加減運算，成功地解決了虹膜識別從PC向嵌入式平臺移植的計算復雜性難題。通過定序測量特征，研究中心還建立了掌紋圖像特征表達的一般框架，統一了該領域識別性能最好的三種掌紋識別方法。并針對低分辨率掌紋圖像上主線和皺紋線灰度模式特點，提出了新穎的十字架形微分濾波器來抽取掌紋圖像中的定序測量特征。實驗結果表明新的掌紋識別方法不僅識別精度遠高于主流方法，并且計算速度比最好方法快一倍。

　　8、生物特征的匹配技術

　　特征匹配就是計算兩個生物特征樣本的特征向量之間的相似度。圖匹配算法也在指紋細節點模式、人臉模式、虹膜斑塊模式的相似性度量中得到成功應用。

　　9、生物特征數據庫檢索與分類技術

　　隨著生物特征識別技術在人類日常生活中的普及，使用人數的增長必然導致生物特征數據庫的不斷擴大。這種規模的擴大不僅僅表現在數據存儲量的擴大，還表現在從數據庫中搜索某一條記錄所耗費的時間的增加。例如在一對多的超大規模（如一個城市、一個國家、一個行業的人群）生物識別應用中，完成一次識別的時間的長度將會讓人無法忍受。這是任何一項成熟的生物識別技術從小規模應用向大規模應用轉化時不可避免的問題。

　　雖然可以使用并行計算技術來減少每次識別的時間，如果有一個生物特征粗分類的方法就可以實現分層次的生物識別：根據生物特征向量將數據庫中所有的模板分成若干個大類，在大規模識別時首先判斷輸入生物特征所屬的大類，然后首先和這個大類的數據庫模板進行比對，這樣就可以（至少從期望值）減少等待識別結果的時間。例如指紋可以根據奇異點的個數和位置信息分成拱形、尖拱形、左旋形、右旋形和旋渦形等幾個大類。在虹膜識別研究領域也有人利用分形維特征將虹膜數據庫分成四大類。這些分類方法的準確率都高于90%，結果是令人鼓舞的。利用生物特征模式，還可以實現人種分類、性別分類等。所以生物特征粗分類和數據庫檢索技術將是一個很有前途的研究方向，下一步研究的重點是增加類別數，提高分類的準確率。

　　10、生物特征識別系統的性能評價

　　迄今為止，任何的生物特征識別系統或者方法都有出錯的可能。對系統的識別精度給出客觀、準確的評估其實是一個很復雜的問題，它受測試樣本的數量、質量、評估指標等因素的影響，但是這對應用單位和司法部門卻是一個很關注的焦點問題。所以生物特征識別方法的性能測評已成為生物特征識別研究的一個重要方向。對于 1∶1比對的身份驗證系統，錯誤有兩種情況：一是把不同人的生物特征識別為同一類，稱為錯誤接收;另一種可能是把同一人的生物特征識別為不同類，稱為錯誤拒絕。

　　一般可以從理論和實驗兩個方面評估一個生物識別方法的性能指標。從理論方面可以研究生物特征的唯一性，即對影響錯誤接收和錯誤拒絕的各種參數進行準確建模，從每種生物特征識別方法的本質和機理出發給出理論上可以取得的錯誤率的下界。這個工作是很有意義也是難度很大的。例如司法界對通過指紋匹配結果來指認罪犯還存在著很大爭議，雖然有研究人員宣稱地球上找不到指紋特征完全相同的兩個人，但是在自動或者人工指紋識別系統中，到底需要多大的相似度才可以完全確認兩枚指紋的同源性？識別出錯的準確概率到底是多少？已經有研究人員對這個問題進行了比較深入的研究，但是并沒有完全解決好這個問題。