生物识别系统功能

本文概述

• 生物识别系统性能

对于所选的生物特征，任何生物特征系统都应满足以下条件。

普遍性：所选择的生物特征必须存在于所有个体中，并且对于较大的群体，它应具有令人满意的性能。指纹生物特征可能不适合有伤痕累累的体力劳动。

唯一性：生物特征用于识别应该唯一的个人。例如，同卵双胞胎的面部特征可以相同，因此该方法被认为是唯一的，但即使是同卵双胞胎的掌纹，其指纹和特征也有所不同。

永久性：生物特征应在一段时间内保持稳定。它不应有明显的区别。面部特征会因衰老而导致变化，由于手动工作可能会出现指纹差异，由于疾病会导致生物特征发生变化，并且疾病等是满足持久性要求的重要限制。

可收集性：字符的获取过程必须易于使用且易于收集，并且具有很高的可接受性。与指纹相比，人脸识别对于商业应用中更广泛的数据库系统来说是用户友好的。对于诸如护照和移民数据获取之类的安全应用程序，其中收集了一些生物特征信息并将其存储在数据库中，在这些应用程序中，可接受性可能不是强制性的标准。

性能：生物识别系统应达到设计所要求的精度。生物识别系统的性能容易出现许多错误，即，无法控制（FTE），错误接受率（FAR）和错误拒绝率（FRR）。生物识别系统的准确性不是一成不变的，而是取决于数据的，并受多个因素的影响，例如图像的生物识别质量，数据库的大小，所采用算法的鲁棒性等。

可接受性：必须为特定应用选择生物特征，并且用户应具有很高的可接受性。它应该是用户友好的，尤其是对于商业和民用应用。与虹膜识别相比，面部和指纹被普遍接受。

规避：生物识别系统应万无一失。如今，借助现代产品和科学的发明，可以伪造签名，模仿声音，面部表情，指纹相似等。因此，应注意欺骗攻击，并应使用适当的技术来防止这些攻击。

生物识别系统性能

生物认证系统中有许多性能评估指标可以评估性能。常用的绩效评估指标如下：

• 真实接受率（GAR）：这是适当分类为真实的输入样本数与阳性输入样本总数之比。 GAR的值越高表明性能越好。
• 真实拒绝率（GRR）：这是正确分类为冒充者的输入样本数与冒充者输入样本总数之比。 GRR值越高表示性能越好。
• 错误接受率（FAR）：这是冒充者输入样本被错误分类为阳性样本的比例。可以注意到，FAR = 1？ GRR。较低的FAR值表示系统性能更好。
• 错误拒绝率（FRR）：它是许多实际输入样本中被错误分类为冒充者样本的比例。请注意，FRR = 1-GAR。较低的FRR值表示生物认证系统的性能更好。
• 等错误率（ERR）：当FRR与FAR相似时，该比率称为相同错误率。较低的ERR值表示性能较好。
• 捕获失败（FTC）或捕获失败（FTA）：它是次数的比率。生物识别系统无法捕获提供给它的生物识别样本。较低的FTA值表示较好的采集性能。
• 注册失败（FTE）：这是无法成功注册生物识别系统的用户数与呈现给生物识别系统的用户总数之比。 FTE值较低表示人口覆盖率较高。

生物识别系统性能面临的挑战

在非生物统计系统中，与基于密码的身份验证系统不同，它们不涉及任何复杂的模式识别技术，因此几乎可以按照其系统设计人员的预期准确执行。另一方面，生物特征数据及其在生物特征系统中的表示取决于采集方法，用户与采集设备的交互，采集环境以及在某些情况下由于各种病理生理现象而导致的特征变化。

许多因素会影响生物识别系统的性能，以下简要介绍其中一些：

一种。不一致的表示：传感器从生物特征获取的数据取决于生物特征的固有特征，生物特征呈现的方式以及用户与采集界面的交互。例如，由于姿势的改变，基于面部识别系统的外观可能无法成功匹配图像。由于不同的采集可能代表面部的不同姿势。类似地，手的几何形状测量可以基于手在平面上的不同投影。不同的虹膜/视网膜采集也可以对应于虹膜/视网膜在图像平面上的不同的非正面投影。

b。不完美的数据采集：在实际情况下，数据采集条件并不完美，并且会导致采集的生物特征样本产生不必要的变化。例如，不均匀的接触导致指纹采集的质量较差。仅当属于手指图像部分的凸脊与图像采集表面的物理/光学接触不完全或波谷与图像采集表面没有任何接触时，才会捕获手指的结构。但是，由于老化或遗传因素造成的皮肤干燥，浅浅或破损的山脊，皮肤疾病，汗水，灰尘和空气中的湿气都使情况变得混乱，导致不理想的接触情况。不同的照明可能会导致面部外观明显不同。背光照明可能会使图像采集在许多应用中几乎毫无用处。

C。准确性：在生物特征识别系统中，有两种匹配错误类型：错误匹配和错误不匹配。

• 错误匹配（或错误接受）：这意味着生物识别系统错误地声明了输入模式和不匹配模式之间的正匹配，该模式存储在数据库中（在识别的情况下）或与错误相关联的配置文件声称的身份（在验证的情况下）。在生物识别系统中，应将其最小化，理想情况下应为零。
• 错误不匹配（或错误拒绝）：这意味着生物识别系统错误地声明了输入模式与数据库中的匹配模式（在识别的情况下）或与正确声明的身份相关联的模式之间的匹配失败（在验证的情况下）。在生物识别系统中，应将其最小化，理想情况下应为零。