存储和比较生物特征信息

Question

一般来说，我们在计算机应用程序中使用生物识别技术，比如用于身份验证。让我们来看两个指纹和面部识别的例子。

在这种情况下，我们如何保存信息以进行比较。例如，我们不能保留图像并每次都对其进行处理。那么，在这种情况下，我们使用什么方法来存储/确定相似性呢？有没有为此目的而设计的特殊算法？(例如:每次为某个人的指纹返回大致相等的值)

Answer 1

大多数人工智能技术不会对原始数据进行操作，例如图像。它们通常对特征向量进行操作:原始数据的优选紧凑和智能表示。通常，特征向量包含固定数量的数值或标称值(特征)。例如，在人脸识别中，一个共同的特征向量是一组称为Eigenface的特征向量。我对指纹识别并不熟悉，但我可以想象那里使用的特征向量是一组数字，它们以某种方式描述了指纹图像中观察到的模式。

通常，当在一组人脸或指纹图像上训练某种机器学习方法时，您会计算这些图像的相应特征向量，并将其存储在数据库中。然后，不再使用原始图像。所有后续处理都在相应的特征向量上进行。

为了将新的、不可见的实例与先前学习的实例的数据库进行比较，计算新实例的特征向量并将其与存储的特征向量的数据库进行比较。这可以通过多种方式来实现。虹膜识别中常用的一个例子是Hamming distance。

Answer 2

在指纹分析的情况下，我听说人们使用特征点的位置(分叉等)。来拟合一个大的多项式的参数，然后存储参数，以便在有人想要探测画廊时进行匹配。(匹配过程显然是通过最小化探针和画廊参数之间的导出误差项来实现的。)我自己从来没有做过，因为我主要使用虹膜，但它可能值得一看。

Answer 3

所有生物识别匹配器都使用被称为模板的处理过的数据。这些数据是从静态图像中获取的，或者是从动态捕获中获取的模型，正如TC之前所说的。这些模板用于匹配流程，是您需要保留的唯一数据。当专家需要分析图像并得出最终结果时，图像仅用于试听或刑事案件。

对于指纹模板，我们有三个最常用的国际标准: ISO 19497-2，ISO-378和XYT。如果使用前两种标准中的任何一种，则二进制数据的长度通常为500字节。XYT需要更多的空间，因为它是一个包含所有细节的位置、角度和质量的文本文件，通常约为1kb。您可以在NIST website中看到的提取和匹配示例。因此，如果你想要一个更准确、更快速的软件，你就需要一个商业SDK。

要使用faces，一个自由软件就是OpenCV。