基于RFID技术的多模态生物特征识别系统设计

引言 

　　未来战争主要是信息战，为适应这种新的作战形态，21世纪战场士兵的身份也应通过信息网络实现数字化、 隐形化、 安全化。生物特征识别技术是利用人体固有的生理或行为特征来进行身份识别和鉴定的科学,它比传统的基于口令和身份号码的方法更为安全、 可靠和有效,正在越来越被人们所关注,并应用于各个领域。军人身份牌， 又称/士兵牌0或/生命牌0，早在美国南北战争时，美军就开始配发这种小金属牌，作为士兵随身携带的身份标志物。为了适应现代高技术局部战争的需要，利用生物特征识别技术的特点，基于无限射频识别技术 ( RadioFrequency Ident i ficati on , 简称 RFID)，将人体信息如指纹、 面像及 DNA 等，通过信息融合技术储存在后台数据库中，并将检索关键信息载入 RFID 卡， 即/士兵牌0。用它来作为士兵身份准确识别的唯一依据,并通过计算机终端与网络数据库服务器组建成了/战场个人身份识别系统0。

　　目前，基于各种生物特征识别技术的身份识别系统,正在越来越受人们的青睐,并逐步应用于各个领域。但是，由于单个生物特征识别的信息表达和特征描述存在一定的局限性,为此,采用信息融合技术,通过对指纹、 面像及 DNA 等信息融合处理的个人多模态生物特征识别系统，不仅加强了身份识别的安全性,更提高了它的准确性，并将填补我军类似/军人牌0或/士兵牌0在相关领域的研究空白。 

1  系统总体设计 

　　目前，基于各种生物特征识别技术的身份识别系统，正逐步应用于各个领域。但是, 在 /战场个人身份识别系统0中是否需要在后台数据库中存储指纹、 面像及DNA 等大容量的人体信息，必须根据应用需求进行确定。为此，针对/士兵牌0作为士兵随身携带的身份标志物,应具有价格低廉、 防水、防磁、 耐高温、 使用寿命长等要求。我们针对生物特征信息的特点，主要对部分生物特征进行采集和信息处理。同时，按照具体作战环境的需求，依据总体设计，分别扩展了不同的内容和功能，比如：多生物特征信息融合和 GPS定位等等。 

　　个人多模态生物特征识别系统主要通过计算机终端, 首先将指纹、面像和 DNA等，以及文字信息，采集输入微处理器,进行信息融合后,通过网络写入后台个体生物特征信息数据库管理系统，并可与其他有关军人的军事信息，政治信息，医疗、被装、工薪、住房等供应关系信息等进行数据关联。同时，产生一个唯一的ID序列号，并由 RFI D读写器及其生物特征辅助信息写入 RFI D 卡中。然后，识别时只需用 RFID读写器读取ID和生物特征辅助信息，输入计算机终端后,经由无线通讯网络或局域网在个体生物特征信息数据库中对其进行匹配查询。如图1：

　　其中计算机终端可应用基于Windows . net操作系统的微型计算机，内部配置 RFID读写器，并由扩展接口，连接生物特征采集器,除 DNA外，目前可对其他特征实时采集、读写。RFI D卡中的信息在写入的同时需对其进行加密保护。最终建立个体生物特征信息数据库。以下主要针对生物特征的采集、多模态生物特征信息的融合与 RFID系统的设计详细论述。 

2  生物特征的采集设计 

　　2 . 1  生物特征识别技术 

　　生物特征识别技术就是指通过计算机与光学声学和生物统计学原理等相结合，利用人体固有的生理或行为特征，来进行个人身份识别和鉴定的科学。人们通常将生理特征和行为特征统称为生物特征。生理特征与生俱来,多为先天性的;行为特征则是习惯使然,多为后天性的。然而，人类任何生理或行为特征为实现身份识别,必须满足以下几个条件：

　　第一，普遍性: 即必须每个人都具备这种特征; 

　　第二，唯一性: 即任何两个人的特征是不一样的; 

　　第三，可采集性:即特征可测量; 

　　第四，稳定性:即特征在一段时间内不改变。 

　　同时，在实际应用时,还应考虑其他因素:实时性和准确性等等。常用的生物特征包括：指纹、掌纹、人脸、虹膜、视网膜、DNA、手形、签名、语音、步态等。与传统的基于口令和身份号码的身份识别方法相比,生物特征识别技术具有不易遗忘或丢失；防伪性能好，不易伪造或被盗； 随身携带0， 随时随地可用；价格低廉、易用性高、安全保密等诸多优点。下面分别介绍系统中用到的生物特征识别技术。 

　　2．2  指纹识别技术 

　　指纹识别技术主要包括:读取指纹图像、 特征提取、 模式匹配。首先通过指纹读取设备读取到人指纹的图像,再对原始图像进行预处理,使之更清晰。接下来进行特征提取, 指纹特征提取算法由以下三步组成: (图2) 

　　(a)读取指纹图像；( b) 区域定位；( c) 脊特征图形；(d)细节提取 

　　方向场估计：即对输入图像的方向场进行估计。 确定可用区域 

　　脊特征提取：即提取脊特征并进行细化

　　细节检测及后处理：即从细化的脊特征图中提取细节，确定脊特征参数坐标、方向角及和脊相互关系。 

　　用指纹识别技术建立指纹的数据库，从指纹上找到被称为/细节0的数据点，也就是那些指纹纹路的分叉、终止或打圈处的坐标位置。有的算法把节点和方向信息组合产生了更多的数据，这些方向信息表明了各个节点之间的关系，也有的算法针对整幅指纹图像进行处理。把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果，从而达到鉴别个人身份的目的(图 3)。

　　指纹自动识别系统是通过将输入的指纹与数据库里的指纹相比较从而实现识别的，因此它要求数据库的容量足够大，同时，实验表明指纹识别系统的输入传感器对大约 4 %的人的指纹不能提供足够高质量的指纹图像以用于识别, 包括手指上的皮肤有伤疤、有绷带包扎、长茧、皮肤干燥、干湿度、病态的皮肤、老皮肤、特别光滑的皮肤、手指窄小和输入传感器受污染等都会影响指纹的识别效果。 

　　2 . 3  人脸信号的采集 
人脸识别系统的原理如图 4所示。首先,，由传感器如 CCD 摄像机捕获人脸图像；其次经预处理来提高图像的品质；再根据人脸检测来定位人脸并将人脸图像设置成预先定义的尺寸；特征提取用于抽取有效特征以降低原模式空间的维数，分类器则根据特征来做出决策分类。最后，将已检测到的待识别的人脸与数据库中的已知人脸进行比较匹配，得出识别结果。 

　　人脸识别方法主要有: 基于侧面人脸几何特征的方法、 正面人脸特征方法、 正面人脸特征和侧面人脸特征的混合法、 模板匹配法、 主元分析法、 等密度线图法、 多模板相关方法、基于神经网络的模板匹配法等。 

　　2 . 4  其他个人基本信息 

　　DNA识别是利用人体细胞中 DNA 分子结构的独特性和永久性, 进一步深度识别个体身份,以致弥补指纹和面像识别技术中的不足, 完善系统识别的准确性。然而, 与指纹、 人脸信息相比,人体每一个细胞和组织的 DNA 序列都是一样的。这种识别方法的准确性优于其他任何生物特征识别方法, 因此, 广泛应用于犯罪侦破。它的主要问题是使用者的伦理问题和实际的可接受性, DNA 模式识别必须在实验室中进行, 难以达到实时以及抗干扰, 耗时长是另一个问题, 从而限制了 DNA 识别技术的使用; 此外, 某些特殊疾病也可能改变人体 DNA 的结构, 系统无法对这类人群进行识别。由于 DNA 识别周期太长,序列的测绘最快也需一个月。因此,它的实时性、 抗干扰性,以及某些疾病引起人体 DNA 的结构改变,是构成影响 DNA识别实际应用于识别系统的主要问题。 

3  多模态生物特征信息的融合 

　　多模态融合是对多种生物特征指示器( I nd ica -tors)的信息融合，此类系统集成多个生物特征源提供的证据评分以做出更为准确和快速的决策。多模态生物特征识别系统集成的信息可以来自一种或多种生物特征指示器。一般多模态单生物特征识别系统是指通过综合一种生物特征提供的多种证据来改进系统,在多模态生物特征识别系统( Mult- i b i ome- tric Syste m )中，一般采用指纹的多模态信息融合，从而,满足数据量和准确性的双向要求。然而，为了进 
一步提高准确性，可采用融合多个生物特征的方法，以提供特殊环境下的精确识别。

　　一般来说,融合可以在模式识别三个层次的任一个层次上进行， 即数据层融合、特征层融合和决策层融合。目前关于生物特征数据融合的研究主要集中在决策层上，不同的单个特征分别进行独立的处理，然后进行匹配，得到匹配分数，最后经过一定的融合算法综合得到结果。可采用的融合算法有许多种，如多数投票法、加法和乘法法则、K- NN分类器、SVM、贝叶斯决策、支持向量机、决策树等人工智能算法。

　　3 . 1  特征层的融合 

　　特征层融合是输入数据经过前端处理后对每种生物特征分别得到其特征描述向量, 不同的特征向量集用不同的方法来构成新的高维特征向量, 用这个高维特征向量来代表多个生物特征的融合。特征层的融合比前两层的融合效率高。 

　　3 . 2  匹配层的融合 

　　匹配层的融合模块的输入是若干个生物认证系统的匹配模块输出的分数。匹配层的融合就是针对这几个输入来进行的。在三种融合方式中, 匹配层的融合是最常见的。这是因为匹配层的融合既具有相对比较小的实现难度,又融合了若干个特征各自的信息量。匹配层融合过程中重要方面之一是对不同系统得出的分数进行归一化。在进行归一化以后,不同系统得出的分数就被映射到一个 N维的空间,在这个空间里再对所有的点进行分类。 

　　3 . 3  决策层的融合 

　　不同的单个特征可以分别进行独立的处理，然后进行匹配得到匹配分数，最后通过决策融合的过程,将多个匹配结果经过一定的融合算法进行综合，得到最终的结果。在决策层进行融合相对来说比较简单，可利用的信息量也比较少。由于决策层的输入已经是单个生物认证的逻辑输出，因此决策层的融合可以分为两种形式：

　　(1) OR规则:在这种系统中, 如果用户被子系统 H1拒绝,子系统 H2将对用户再进行一次验证,如果通过则确定为真实用户。 

　　(2) AND规则:在这种系统中用户只有同时被子系统 H1和子系统H 2接受,方能够被确认为真实用户。

　　在具体的应用中, 每种融合方式都有各自的优缺点。特征层融合虽然效率比较高, 但是不易集成实用的单生物认证系统。匹配层融合既实现了信息能算法的融合，实现起来又不是非常困难,且具有较好的应用价值。决策层虽然信息融合的程度比较小, 但是可以用于一些集成的系统当中。

　　目前关于生物特征数据融合的研究也主要集中在决策研究上,但仅进行决策阶段的研究是不够的,因为在处理过程中忽略了特征之间的关联所带来的作用和影响, 同时, 主要集中于融合算法的讨论, 而忽略了对生物特征的更多考虑, 因此尚需进行数据层和特征层的融合。 

4  身份识别工作站的设计 

　　4.1  RFID系统 

　　4.1.1  RFID技术概述 

　　RFI D射频识别是一种非接触式的自动识别技术,它通过射频信号自动识别目标对象并获取相关数据,识别工作无须人工干预。与传统的条形码相比,具有非接触、 可擦写、 快速扫描、 穿透性好、 安全性高、 数据存储容量大, 以及防水、 防磁、 耐高温、使用寿命长、 读取距离大等优点,可适应现代高技术局部战争复杂的环境要求。最基本的 RFID系统由三部分组成：

　　标签:也被称为电子标签或智能标签,由耦合元件及芯片组成,每个芯片具有唯一的电子编码, 芯片中存储有能够识别目标的信息。

　　读写器: 由发送器、接收仪、控制模块和收发器组成。收发器和控制计算机或可编程逻辑控制器( PLC )连接,，读取(写入)标签信息,设计为手持式。

　　天线:在标签和读写器间无线传递射频信号。 

　　4.1.2 　RFID的工作频率及其应用 

　　RFID系统的工作频率是其最重要的一项参数,无线电频率是一项公用资源,在使用过程中,如果不同的应用系统在时间、 空间和频率三方面出现重叠,则有可能发生相互干扰。系统间相互干扰的程度与无线电信号的重叠程度及信号的强度有关。因此,无线电应用的规则是各种应用系统必须遵循的基本原则。 

　　目前国际上制定 R I FD标准的组织比较著名的有三个: ISO、 以美国为首的 EPC globa l以及日本的Ub i qu i tous ID C enter(缩写为U ID)。常用的RFID国际标准主要有 I SO /IEC18000标准(包括 7个部分,涉及 125 KH z , 13 . 56MH z , 433MHz , 860) 960MH z ,2 . 45GH z等频段)。

　　其中，由于工作频率为 13.56MHz的高频标签便于做成卡片状，第二代电子身份证采用的标准是I S014443 TYPE B协议。这种标签是目前的主流应用之一。其一般采用无源方案，识读距离一般可达 20 cm左右, 最远可达 1 . 5M,可适用于普通的/士兵牌0。有源的识别距离不小于 9m, 实际感应区域可根据具体情况进行设置，识别距离 1~10m可以调整。可靠识别[ 100 Km /h的高速移动目标(人、车、 物)。 

　　4.2  个体生物特征信息数据库的建立 

　　通过集成 RFID读写器的采集系统, 把士兵的I D和生物特征信息相继写入卡中和发送到计算机终端再存入服务器后。计算机将个人生物特征经过处理录入服务器的数据库管理系统，并综合其他信息,最终基于数据库平台,建立一个完整的与生物特征信息相关数据库,通过数据库的查询功能,进行战时、平时个人的信息的管理。同时，可以利用信息化网络共享的数据库，建立数据仓库，使用人工智能方法进行数据挖掘, 利用有效的数据信息，从而，使个体生物特征信息数据库的利用率达到最大化，并有益于科学研究和管理决策。 

　　4．3  其他功能的扩展 

　　按照战场伤员搜救的需要，或其他特殊作战环境的需求，系统可采用有源方案，选用超高频的RFI D系统，通过构建无线通讯网络，并由计算机终端扩展GPS定位功能。主要包括：使用在有源RFID标签和读写模块，此类卡的厚度和成本与无源 RFID相比都会增加。其次，利用蓝牙等无线通讯模块将计算机终端和GPS定位系统连接，在有效范围内，实时发送方位信息，并由主机选择确认跟踪目标，进行定位。从而，实现战场伤员的搜救工作以及指挥工作。 

　　5  展望 

　　国内外研究已表明，利用指纹和面像结合，以及指纹、面像和语音结合等等生物特征识别技术进行身份识别，提高识别的准确性，已广泛应用于机场港口的安全系统、身份认证系统、金融领域、门禁系统、考勤系统、流动人口管理以及电子商务、电子政务等方面。但是,由于融合指纹、面像和 DNA 图谱的识别系统是基于无限射频识别技术，导致多模态生物特征信息数据存储量大、 运算速度慢,而有源和无源射频卡的存储容量和无线读写速度和距离有限，难以适应现代高技术局部战争和未来战争的实际需要，成为了制约多模态生物特征识别系统广泛应用的主要瓶颈。相信随着后续研究不断的创新和相关硬件技术的高速发展，多模态生物特征识别技术终将能得到更广泛应用，并在战场个人身份识别中发挥其更重要角色。