基于多元特征的生物识别技术警务应用研究

魏莲芳

(四川警察学院治安系， 四川泸州 646000)

0 引言

随着社会科技高速发展，人们已步入信息时代，人类身份具有隐性化和数字化特点，人类生活离不开身份认证，身份认证问题已成为社会问题。社会控制机制的有效建立是警务工作的重点[1]，警务工作是维护社会治安秩序，保证社会可持续协调发展重要部分。目前我国社会治安整体形势良好，但仍存在治安突发事件、违法犯罪活动、恐怖活动等，以上问题均需要警务工作良好解决[2]。生物识别技术是近年来发展极为迅速并被广泛应用于人们日常生活的高科技技术，生物识别技术应用于警务工作中已渐渐完善[3]，警务工作中生物识别技术主要为基于生物特征的人体身份认证，具体包括指纹、掌纹、DNA、视网膜等先天性身体特征认证以及语音、形态、笔迹等后天性行为特征认证[4]。将人类固有行为特征与生理特性利用计算机实现个人身份认证技术即生物识别技术，人类生理、形态、行为等方面由于变异、环境、遗传以及社会等因素影响使所存在差异具有稳定性[5]，利用个体差异可有效识别人类身份。

生物识别技术在警务工作中的应用主要为安防工作、刑侦工作、天网工程、证件管理、人口信息、事故灾害工作等方面，其在嫌疑犯身份认证、持证人身份验证以及无名尸体身份辨认等警务工作中极为重要。身份认证以及个人识别是警务工作的基础[6]，由于个体存在的生物特征具有唯一性以及稳定性，属于人类终极身份认证媒介，尤其是警务工作中公安通信网络、公安业务系统以及公安快速查询系统中生物识别技术均占有重要地位[7]。在实际应用中，不同生物特征识别技术的可靠性是不同的。单一生物特征识别易受不利因素诸如噪声、环境和欺骗攻击等影响而无法满足高安全性场合的需求，而融合多种生物特征的多元特征生物识别技术被认为是一种有效的解决思路[8]。警务工作是一种安全性要求比较高的工作，研究基于多元特征的生物识别技术在警务工作中应用问题，探讨警务工作中的生物识别技术，为警务工作的高效性、准确性提供必要保障。

1 基于多元特征的生物识别技术建模

基于多元特征的生物识别技术是综合运用了人体多种(至少两种)生物识别特征，依照各种生物特征的优先级与系统存储对象进行比对、识别，最终实现个体身份识别的专门技术。该识别技术的识别流程和方法主要包括生物特征采集以及生物特征识别，即建立多元特征识别模型，并综合考虑多元特征值的关联性、多元特征的时间性进行识别。采集待识别用户多种生物特征，预处理所采集多种生物特征信息获取生物特征值，将所获取生物特征值存储至生物特征信息库；依据所建立交叉索引检索至待识别特征值对象集合[9]，利用基于多元特征生物识别模型计算待识别生物特征值与信息库中生物特征值相似度，依据相似度计算结果获取相应用户信息，当所识别用户不存在于信息库中，提示待识别用户为非法用户，实现对个体身份比对和认证目的。

1.1 建立多元特征的识别模型

基于人体的多种生物特征建立多元特征的生物识别模型，利用生物特征采集设备采集待识别目标相应多种生物特征，通过生物特征优先级比较识别系统中已存储生物特征[10]，通过比较结果可判断所识别目标是否与警务工作系统生物特征相匹配。基于多元特征的生物识别模型建立步骤如下：

(1)利用生物特征采集设备采集待识别用户的指纹、人脸、虹膜图像等多种生物特征信息，所采集生物特征信息用O=(O1,O2，…,On)表示。

(2)提取生物特征信息集合于所采集生物特征信息集合中，所采集生物特征信息集合用J=(j1,j2，…,jn)表示，ji=φi(Oi)，φi表示特征提取模型。

(3)设警务工作系统中特征库用L表示，将所采集生物特征集合内的特征信息与特征库内特征信息相比较，计算二者相似度，相似度为

(1)

(4)当所获取相似度大于所设定阈值时，相似度最高的特征信息所对应用户信息Vi即为待识别用户，Vi=Max(P)，Pi>y；当警务工作系统中不存在该用户生物特征信息时，该用户为非法用户。

基于多元特征的生物识别模型识别对象需要符合多种待识别生物特征要求，设识别过程中欺骗代价为GMF，多元特征生物识别技术提升欺骗代价，GMF为独立生物特征识别的全部欺骗代价相乘，其计算公式如下：

(2)

式中，q与m分别表示不同生物特征识别欺骗代价。基于多元特征的生物识别技术具有较高的欺骗代价，能提升识别准确性。

1.2 考虑多元特征值的关联性

单一生物特征识别技术的种类较多且各有利弊，在进行多元特征选择时应考虑不同生物特征的关联性，以及所选择生物特征之间的互补性。多元特征值关联可令用户生物特征信息集中于一个多维空间中，设所聚集多维空间为L=(L1,L2，…,Ln)，相同类型特征值在多维空间中形成特征值平面为Li=(a1,a2，…,an)，多元特征值可令全部类型特征体制受到筛选以及分类[11]，经过筛选以及分类处理后，所计算相似度的计算精确性和计算速度有所提升。

1.3 考虑多元特征的时间性

人的生物特征随时间变化不大，因此生物特征识别技术具有较高实用性。生物识别技术中由于时间造成的识别误差主要包括以下两种情况：

(1)区间变化。区间变化造成的误差用λ=α±|Δr|表示，其中λ表示实测特征值，α为固定值，λ围绕α变化范围为|Δr|，设r表示最大变化量，可知Δr>r与Δr≤r时，相似度分别为0以及P=1-Δr/r。

(2)时间变化。时间变化造成的误差用λ=α(j)±|Δr|表示，即此次识别特征值与上次所识别特征值存在一定关系，仅需微调[12]。时间变化造成的误差是与时间相关的变量用公式Δr=λ(j1)-λ(j2)表示，设r表示最大变化量，可知Δr>r与Δr≤r时，相似度分别为0以及P=1-Δr/r。

基于多元特征的生物识别技术考虑时间造成的识别误差为上述(1)或(2)涉及的单一生物识别技术时间性识别误差的平均值。特别注意区间变化阈值t应设置合理，避免过高或过低造成拒识率提升或者下降。阈值r范围降低时，拒识率降低，识别精度有所提升。

2 实验与分析

为检测本文研究多元特征的生物识别技术应用于警务工作中的有效性，在CPU为锐龙Ryzen R9内存为4 GB，操作系统为windows XP的计算机中，采用Matlab仿真软件利用JAVA语言编程本文方法，模拟警务工作中公安系统智能识别平台，采用本文方法识别公民身份，公安系统智能识别平台界面图如图1所示。通过图1公安系统智能识别平台可以看出，该平台具有人脸识别、步态识别以及综合识别功能，其中识别功能中通过本文多元特征的生物识别技术，可识别人体的多种生物特征。

图1 公安系统智能识别平台

采用本文方法识别1 000名公民身份，为直观展示本文方法的识别性能，将本文方法与人脸识别以及步态识别两种单一生物识别技术对比，统计采用不同方法识别1 000名公民身份的识别准确率，对比结果如图2所示。通过图2实验结果可以看出，采用本文方法识别1 000名公民身份，识别准确率均在99%以上，而采用人脸识别方法以及步态识别方法识别1 000名公民身份识别准确率在98%～99%间，实验结果说明，本文方法识别准确率明显高于人脸识别以及步态识别两种单一生物识别技术。

图2 不同方法识别准确率对比

统计采用不同方法识别1 000名公民身份的误识率，统计结果如图3所示。通过图3实验结果可以看出，采用本文方法识别1 000名公民身份，误识率均低于0.6%；而采用人脸识别方法以及步态识别方法识别1 000名公民身份误识率均高于1%，实验结果说明，本文方法误识率明显低于人脸识别以及步态识别两种单一生物识别技术。

图3 不同方法误识率对比

统计采用不同方法识别1 000名公民身份的拒识率，统计结果如图4所示。通过图4实验结果可以看出，采用本文方法识别1 000名公民身份拒识率均低于0.8%；而采用人脸识别方法以及步态识别方法识别1 000名公民身份拒识率均高于1.5%，实验结果说明本文方法拒识率明显低于人脸识别以及步态识别两种单一生物识别技术。

图4 不同方法拒识率对比

统计采用不同方法识别1 000名公民身份识别时间，统计结果如图5所示。通过图5实验结果可以看出，采用本文方法识别1 000名公民身份识别时间仅为97 ms，而采用人脸识别方法以及步态识别方法识别1 000名公民身份识别时间分别为157 ms以及194 ms，实验结果有效验证本文方法识别速度。

图5 不同方法识别时间对比

以上统计结果可以看出，本文方法与人脸识别方法以及步态识别方法相比，具有较高的识别准确率以及识别速度。

为进一步验证本文方法识别性能，将本文方法与掌纹、指纹、虹膜、声音等几种单一特征生物识别方法对比，仍以上述识别环境识别1 000名公民身份，通过应用于警务工作中的识别精准度、误识率、拒识率以及识别速度验证本文方法识别效率，对比结果如表1所示。通过表1实验结果可以看出，本文方法具有高识别精准度、低误识率以及拒识率，识别速度优于其他任何单一生物识别方法。

表1 不同方法识别效率对比

为了验证本文方法应用于警务工作中的识别性能，充分考虑被访问对象对生物特征识别技术要有一定程度的了解，对不同职业、学历(大专以上)和年龄(20岁以上)约1 000名公民采用发放、回收和统计问卷(发放问卷1 000份，回收有效问卷934份)方式调查，将本文方法与多种单一特征生物识别方法的性能进行对比，其中设备成本性能主要参照网络文献资料查询结果来描述，对比结果如表2所示。由表2可以看出，采用本文方法应用于警务工作中，具有非常高的普遍性、可采集性、唯一性、稳定性、准确性、安全性、可接受性以及便利性。本文方法将多种单一生物特征识别技术相结合，设备成本略高，但仍处于可接受范围内，统计结果有效验证本文方法的识别性能。

3 结论

生物识别技术近年来发展极快，已在社会各行业领域有广泛使用。警务工作是维持社会治安秩序，保障居民正常生活、基本安全的重要部分，生物识别技术广泛应用于警务工作是科技发展的必然趋势。单一生物特征识别技术各有利弊，实际应用中选择何种技术用于个体身份识别也是一大难题。更为重要的是单一生物特征识别技术容易被伪造、欺骗，或者因设备使用局限、图像不够清晰、被采集特征用户抵触等因素，使其应用于警务工作中个体身份识别系统时可靠性有所降低，准确性受限。而应用于警务工作中的多元特征生物识别技术相对于单一特征生物识别技术却展现了更多方面的独特优势，比如克服了先天特征不明显情况，降低了识别系统被攻破风险，具有非常高的识别准确性、稳定性、安全性、唯一性等，将会是未来警务工作中个体身份识别应用技术必不可少部分。

表2 不同方法识别性能对比

基于多元特征的生物识别技术应用于警务工作时，应注意生物特征的选择和融合策略的取舍问题。通常综合考虑关联或互补因素选择多种单一特征生物识别技术，分别采集这些单一生物特征的图像样本比对形成多个特征样本，再利用恰当融合方式对特征样本融合二次比对，从而达到个体身份准确识别目的。其中特征融合方式及算法是难点，也是个体身份识别准确性的关键应慎重对待。虽然在警务工作实际应用中，基于多元特征的选择和融合系统识别个体身份相对难度较大，但效率较高、抗干扰能力也适中。基于多元特征的生物识别技术始终围绕个体身份识别又快又准的最终目的，选择和融合个体多元生物特征，提升个体身份识别的准确性和识别效率。随着生物识别技术不断发展，警务工作在多元特征生物识别技术应用上将会越来越完善，必然会为社会基本稳定和经济协调发展做出重要贡献。