融合多生物特征的RFID智能身份识别系统设计

何芙蓉　黄荣兵

摘要：RFID技术和生物特征识别得到了快速发展，为进一步提高身份识别的精度和效率，该文介绍了一种融合RFID和多生物特征的身份认证系统模型。该系统模型可以应用在很多领域如公共场所的安全检测、工作区域的出入口等，具有非常重要的实际应用价值。

关键词：射频识别；特征融合；生物特征；信息融合

中图分类号：TP391.41 文献标识码：A 文章编号：1009-3044（2014）19-4535-03

1 概述

随着无限射频识别技术（Radio Frequency Identification，简称RFID）的发展，融合生物特征的RFID识别手段已在自动身份识别领域得到了广泛应用[1][2]。传统的访问控制系统通常使用密码或非接触IC卡，或使用生物特征识别如指纹、人脸等。但是，密码容易遗忘，IC卡容易丢失且如果被人捡到容易被冒名顶替，如果使用单一的生物特征进行身份验证，有时可能导致识别失效。因此，为了提高身份识别的精度和有效性，基于RFID设计了一种综合多种生物特征信息于一体的智能身份识别系统模型。

2 系统模型

整个系统的工作过程描述如下：当一个人准备通过访问控制系统时，他随身携带的RFID卡首先会被扫描，ID信息首先进行入系统暂存，同时他还需要按指纹，另外视频头拍摄到他的人脸图像将同时存储于系统，系统会对人脸和指纹提取特征并进行融合，最后系统通过RFID卡的信息和融合的特征信息进行身份验证。整个系统可以分为三个模块：1） 信息获取；2） 信息存储；3） 信息处理及分析，系统结构如图1所示。

图1 系统结构框架

2.1 信息获取

该模块主要负责两方面的工作。一方面是离线工作，即搜集原始数据信息包括RFID卡信息和持卡人的人脸图像和指纹信息并将其存入数据库；另一方面是在线工作，即识别阶段即时读取RFID卡中的信息和实时获取持卡人的人脸图像和指纹数据，以便与数据库中的信息进行比对。该信息获取模块主要涉及的硬件设备有网络视像机、指纹采集仪及RFID读取设备。

2.2 信息存储

该模块涉及两个数据库。一个数据库主要是存储RFID卡内用户信息和持卡人的人脸和指纹信息，这些信息是通过信息获取模块得到。另一个数据库是存储访问日志信息，以便管理人员查询相关访问人的个人信息。该模块涉及到的硬件是一台高速运行、存储容量大的数据库服务器。

2.3 信息处理及分析

该模块是整个系统的核心，它涉及RFID卡信息的处理、人脸及指纹特征提取及识别，其数据处理流程如图2所示。

图2 数据处理流程

3 关键技术

3.1 RFID数据读取

具有RS232接口的RFID阅读器与计算机相连，读取RFID卡的信息。计算机与RFID阅读器的通信及数据传送过程如图3所示。它分为三个步骤：1） 阅读器（Reader）通过内置的天线发出一定频率的射频信号；2） 射频标签（Tag）进入到射频信号的磁场范围内时会产生感应电流而获得能量，进而向阅读器发出自身的编码信息；3） 阅读器将读到的Tag信息传送到计算机进行处理。

图3 RFID数据采集

3.2 指纹识别技术

该技术主要涉及指纹图像的获取和特征提取。首先通过指纹采集仪获取到持卡人的指纹纹信息，然后，通过图像的预处理手段，使其更清晰，图4给出了原始指纹图像和预处理后的指纹图像。紧接着进行特征提取，文中采用孟祥萍等[3]人提出的指纹纹线轮廓特征提取算法。在该算法里，利用Freeman链码的导数来表示从指纹图像中提取的纹线。

（a）原始指纹图像 （b）预处理后的指纹

图4 指纹图像

3.3 人脸识别技术

该技术主要包含人脸检测和人脸特征提取。人脸检测采用文献[4]提出的检测方法；而人脸特征的提取则采用具有很强鉴别能力的LDA特征提取方法[5]，其核心思想就是从高维空间中提取最具分类能力的低维信息，使得在保证类间离散度最大的同时类内离散度最小。下面给出其具体方法：给定一个数据集[{xi}，i=1，2，…M]将它分成[n]类，类间离散度[Sb]和类内离散度[Sw]分别定义为：

[Sw=1Mi=1nk=1li（xik-ni）（xik-mi）T] （1）

[Sb=1Mi=1nli（mi-m0）（mi-m0）T] （2）

其中，[m0=1Mi=1Mxi ]，[mi=1lik=1lixik i=1，2，…，n]，[xik]表示第[i]类中的第[k]个训练样本，[li]表示第[i]类样本数，则有[i=1nli=M]，[m0]表示所有训练样本的均值，[mi]表示第[i]类样本的均值。定义总体离散度矩阵[St=Sw+Sb]，则得到准则函数为：

[Fμopt=μTSbμμTSwμ] （3）

通过寻求最佳投影方向[μ]，使得[Fμ]取最大值，最后将问题转化为[Sbμi=λiSwμi]。假设[λi]为对应矩阵[S-1wSb]大于0的特征值，则所对应的特征向量[μi（i=1，2，…，n-1）]即为投影空间，构成[n-1]维矢量特征空间[W]，即[W={μ1，μ2，…μn-1}]。

3.4 特征信息融合

在本设计系统里，采用了两类生物特征，为了更加准确和快速地对持卡人身份进行判别，文中采用了决策层融合的方式对人脸和指纹信息进行融合[6]，即针对两类生物特征先分别进行处理和匹配，然后再对匹配结果进行决策融合后得到最终的识别结果。在决策层融合的过程中，采用了AND规则进行验证，只有当两种类型的特征同时被判定正确时，持卡用户才能真正被接受。

4 系统仿真

使用Pentium（R） Dual-Core CPU T2500， 2.4GHz， 2G RAM，操作系统是window XP，开发工具是C#，后台数据库使用SQL Server 2008。整个系统主要由8个类构成：访问控制类AccessControl，RFIDControl类，RFIDResultSet类，VideoControl类，FaceRecogntion类、FingerPrintRecognition类、RecordSave类和DecisionFusion类。AccessControl类是核心类，它控制RFID信息的读取、视频图像的获取、人脸检测和信息存储；RFIDControl类主要对RFID信息进行读取，它包括ReadCard（），HandleCard（）等方法；FaceRecogntion类主要进行人脸特征的提取和识别。RecordSave类用来存储日志信息；DecisionFusion类是决策融合类。整个系统仿真结果界面如图5（a）和（b），其中图（a）是待识别持卡人通过验证后得到的个人资料基本信息，（b）图是未通过验证，因为没有其相应的资料。

（a）验证通过 （b）验证未通过

图5 系统仿真结果

5 结论

本文结合RFID技术和多模态生物特征设计并初步实现了一个身份验证系统。该系统模型可以用于实际的自动智能监控，在海关、机场、大型商场的出入口具有很大的商业和实际应用价值，它对降低社会犯罪率，保护企业、政府部门的利益等有重要意义。

参考文献：

[1] 吴元，刘决仕.结合人脸识别的RFID 身份验证系统研究与实现[J].计算机工程与应用，2009，45（4）：242-248.

[2] Lokhande P，Kotkar D，Nikam P.Combined RFD-Biometric based MIS for student information.[J].International Journal of Engineering Trends and Technology，2013，4（3）：307-310.

[3] 孟祥萍，武增光，赵玉兰.基于纹理结构的指纹识别算法[J].计算机工程与设计，2009，30（13）：3136-3138.

[4] 黄荣兵，梁帼英，杜明辉.复杂背景下基于模糊集的快速人脸检测[J].计算机工程与设计，2008，29（3）：690-693.

[5] 黄荣兵，梁帼英，张敏霄，等.一种基于LDA的Gabor不变矩人脸特征提取方法[C].第十四届全国图象图形学学术会议论文集，2008.

[6] 徐新萍，赵鹏，王晓民，等.基于RFID技术的多模态生物特征认别系统设计[J].中国体视学与图像分析，2008， 13（3）：188-192.

通过寻求最佳投影方向[μ]，使得[Fμ]取最大值，最后将问题转化为[Sbμi=λiSwμi]。假设[λi]为对应矩阵[S-1wSb]大于0的特征值，则所对应的特征向量[μi（i=1，2，…，n-1）]即为投影空间，构成[n-1]维矢量特征空间[W]，即[W={μ1，μ2，…μn-1}]。

3.4 特征信息融合

在本设计系统里，采用了两类生物特征，为了更加准确和快速地对持卡人身份进行判别，文中采用了决策层融合的方式对人脸和指纹信息进行融合[6]，即针对两类生物特征先分别进行处理和匹配，然后再对匹配结果进行决策融合后得到最终的识别结果。在决策层融合的过程中，采用了AND规则进行验证，只有当两种类型的特征同时被判定正确时，持卡用户才能真正被接受。

4 系统仿真

使用Pentium（R） Dual-Core CPU T2500， 2.4GHz， 2G RAM，操作系统是window XP，开发工具是C#，后台数据库使用SQL Server 2008。整个系统主要由8个类构成：访问控制类AccessControl，RFIDControl类，RFIDResultSet类，VideoControl类，FaceRecogntion类、FingerPrintRecognition类、RecordSave类和DecisionFusion类。AccessControl类是核心类，它控制RFID信息的读取、视频图像的获取、人脸检测和信息存储；RFIDControl类主要对RFID信息进行读取，它包括ReadCard（），HandleCard（）等方法；FaceRecogntion类主要进行人脸特征的提取和识别。RecordSave类用来存储日志信息；DecisionFusion类是决策融合类。整个系统仿真结果界面如图5（a）和（b），其中图（a）是待识别持卡人通过验证后得到的个人资料基本信息，（b）图是未通过验证，因为没有其相应的资料。

（a）验证通过 （b）验证未通过

图5 系统仿真结果

5 结论

本文结合RFID技术和多模态生物特征设计并初步实现了一个身份验证系统。该系统模型可以用于实际的自动智能监控，在海关、机场、大型商场的出入口具有很大的商业和实际应用价值，它对降低社会犯罪率，保护企业、政府部门的利益等有重要意义。

参考文献：

[1] 吴元，刘决仕.结合人脸识别的RFID 身份验证系统研究与实现[J].计算机工程与应用，2009，45（4）：242-248.

[2] Lokhande P，Kotkar D，Nikam P.Combined RFD-Biometric based MIS for student information.[J].International Journal of Engineering Trends and Technology，2013，4（3）：307-310.

[3] 孟祥萍，武增光，赵玉兰.基于纹理结构的指纹识别算法[J].计算机工程与设计，2009，30（13）：3136-3138.

[4] 黄荣兵，梁帼英，杜明辉.复杂背景下基于模糊集的快速人脸检测[J].计算机工程与设计，2008，29（3）：690-693.

[5] 黄荣兵，梁帼英，张敏霄，等.一种基于LDA的Gabor不变矩人脸特征提取方法[C].第十四届全国图象图形学学术会议论文集，2008.

[6] 徐新萍，赵鹏，王晓民，等.基于RFID技术的多模态生物特征认别系统设计[J].中国体视学与图像分析，2008， 13（3）：188-192.

通过寻求最佳投影方向[μ]，使得[Fμ]取最大值，最后将问题转化为[Sbμi=λiSwμi]。假设[λi]为对应矩阵[S-1wSb]大于0的特征值，则所对应的特征向量[μi（i=1，2，…，n-1）]即为投影空间，构成[n-1]维矢量特征空间[W]，即[W={μ1，μ2，…μn-1}]。

3.4 特征信息融合

在本设计系统里，采用了两类生物特征，为了更加准确和快速地对持卡人身份进行判别，文中采用了决策层融合的方式对人脸和指纹信息进行融合[6]，即针对两类生物特征先分别进行处理和匹配，然后再对匹配结果进行决策融合后得到最终的识别结果。在决策层融合的过程中，采用了AND规则进行验证，只有当两种类型的特征同时被判定正确时，持卡用户才能真正被接受。

4 系统仿真

使用Pentium（R） Dual-Core CPU T2500， 2.4GHz， 2G RAM，操作系统是window XP，开发工具是C#，后台数据库使用SQL Server 2008。整个系统主要由8个类构成：访问控制类AccessControl，RFIDControl类，RFIDResultSet类，VideoControl类，FaceRecogntion类、FingerPrintRecognition类、RecordSave类和DecisionFusion类。AccessControl类是核心类，它控制RFID信息的读取、视频图像的获取、人脸检测和信息存储；RFIDControl类主要对RFID信息进行读取，它包括ReadCard（），HandleCard（）等方法；FaceRecogntion类主要进行人脸特征的提取和识别。RecordSave类用来存储日志信息；DecisionFusion类是决策融合类。整个系统仿真结果界面如图5（a）和（b），其中图（a）是待识别持卡人通过验证后得到的个人资料基本信息，（b）图是未通过验证，因为没有其相应的资料。

（a）验证通过 （b）验证未通过

图5 系统仿真结果

5 结论

本文结合RFID技术和多模态生物特征设计并初步实现了一个身份验证系统。该系统模型可以用于实际的自动智能监控，在海关、机场、大型商场的出入口具有很大的商业和实际应用价值，它对降低社会犯罪率，保护企业、政府部门的利益等有重要意义。

参考文献：

[1] 吴元，刘决仕.结合人脸识别的RFID 身份验证系统研究与实现[J].计算机工程与应用，2009，45（4）：242-248.

[2] Lokhande P，Kotkar D，Nikam P.Combined RFD-Biometric based MIS for student information.[J].International Journal of Engineering Trends and Technology，2013，4（3）：307-310.

[3] 孟祥萍，武增光，赵玉兰.基于纹理结构的指纹识别算法[J].计算机工程与设计，2009，30（13）：3136-3138.

[4] 黄荣兵，梁帼英，杜明辉.复杂背景下基于模糊集的快速人脸检测[J].计算机工程与设计，2008，29（3）：690-693.

[5] 黄荣兵，梁帼英，张敏霄，等.一种基于LDA的Gabor不变矩人脸特征提取方法[C].第十四届全国图象图形学学术会议论文集，2008.

[6] 徐新萍，赵鹏，王晓民，等.基于RFID技术的多模态生物特征认别系统设计[J].中国体视学与图像分析，2008， 13（3）：188-192.