第1章 緒論 1 1.1 生物特征識別技術概況 1 1.2 生物特征識別的定義與模態 3 1.3 生物特征識別系統 5 1.3.1 系統的組成 5 1.3.2 系統的工作模式 6 1.4 性能評價 7 1.4.1 混淆矩陣與錯誤率 8 1.4.2 ROC曲線 9 1.4.3 CMC曲線 11 1.5 生物特征識別的發展趨勢 12 本章小結 15 思考題 15 第2章 指紋識別 16 2.1 指紋識別的發展史 16 2.2 認識指紋圖像 17 2.2.1 指紋的形成 17 2.2.2 指紋特征 18 2.3 指紋圖像采集 22 2.3.1 采集方法分類 22 2.3.2 光學指紋采集儀 23 2.3.3 半導體指紋采集儀 24 2.3.4 超聲波指紋采集儀 26 2.4 指紋圖像預處理 27 2.4.1 指紋圖像分割 27 2.4.2 指紋圖像增強 32 2.4.3 指紋圖像二值化 37 2.5 指紋特征提取 38 2.5.1 八鄰域法 38 2.5.2 鏈碼法 40 2.6 指紋匹配 42 2.6.1 Tico描述子構造 42 2.6.2 相似度計算 43 2.6.3 匹配分數計算 44 本章小結 46 思考題 46 第3章 人臉識別 47 3.1 人臉識別的起源與發展歷程 47 3.2 人臉識別技術的挑戰與發展趨勢 49 3.2.1 人臉識別技術的挑戰 49 3.2.2 人臉識別技術的發展趨勢 53 3.3 人臉圖像預處理 56 3.3.1 光照預處理 56 3.3.2 去噪 58 3.4 人臉檢測與人臉對齊 60 3.4.1 人臉檢測的基本概念 60 3.4.2 VJ人臉檢測器 62 3.4.3 人臉對齊 64 3.5 人臉識別方法 67 3.5.1 幾何測量法 67 3.5.2 特征臉法 68 3.5.3 局部特征法 70 本章小結 73 思考題 73 第4章 其他生物特征識別技術 74 4.1 虹膜識別 74 4.1.1 虹膜識別簡介 74 4.1.2 虹膜圖像采集 78 4.1.3 虹膜分割 78 4.1.4 虹膜歸一化與增強 80 4.1.5 虹膜特征提取 81 4.1.6 虹膜特征匹配 83 4.2 聲紋識別 85 4.2.1 聲紋識別簡介 85 4.2.2 聲紋特征提取 88 4.2.3 聲紋模型 90 4.3 步態識別 93 4.3.1 步態識別簡介 93 4.3.2 步態識別的過程 95 4.3.3 步態圖像背景去除 96 4.3.4 步態特征提取 97 4.3.5 步態特征降維 99 4.3.6 步態特征匹配與分類 100 4.4 掌紋識別 101 4.4.1 掌紋識別簡介 101 4.4.2 掌紋采集 104 4.4.3 掌紋圖像預處理 106 4.4.4 掌紋特征提取 108 4.4.5 掌紋特征匹配 114 4.5 生物電身份識別 114 4.5.1 腦電的產生與采集 115 4.5.2 腦電信號的類型 118 4.5.3 腦電信號的預處理 119 4.5.4 腦電特征提取 122 本章小結 123 思考題 124 第5章 生物特征識別信息安全 125 5.1 信息安全簡介 125 5.2 生物特征變換技術 135 5.2.1 生物加鹽法 135 5.3.2 不可逆變換法 138 5.3 生物特征加密技術 141 5.3.1 生物特征加密方法分類 142 5.3.2 模糊保險箱算法 144 5.4 人臉反欺騙技術 147 5.4.1 基于紋理分析的人臉反欺騙方法 147 5.4.2 基于圖像質量評估的人臉反欺騙方法 149 5.4.3 基于面部運動分析的人臉反欺騙方法 151 本章小結 153 思考題 153 第6章 深度學習基礎 154 6.1 深度學習簡史 154 6.2 感知機 156 6.2.1 感知機的數學模型 156 6.2.2 感知機學習算法 158 6.2.3 感知機的局限 159 6.3 神經網絡 160 6.3.1 激活函數 162 6.3.2 損失函數 163 6.3.3 神經網絡數學模型 164 6.3.4 網絡訓練與反向傳播算法 164 6.3.5 神經網絡的局限性 166 6.4 卷積神經網絡 167 6.4.1 從全連接神經網絡到卷積神經網絡 168 6.4.2 卷積神經網絡的構成 168 6.4.3 深度卷積神經網絡 171 6.5 基礎深度神經網絡模型 173 6.5.1 使用塊構建的VGG網絡 174 6.5.2 含有并行結構的GoogLeNet 176 6.5.3 殘差網絡(ResNet) 177 6.5.4 循環神經網絡(RNN) 178 本章小結 180 思考題 180 第7章 深度學習與生物特征識別 181 7.1 FingerNet與指紋識別 181 7.1.1 從傳統方法到Plain FingerNet 182 7.1.2 構建更強大的FingerNet 184 7.1.3 標簽設計 186 7.1.4 損失函數設計 186 7.1.5 訓練和測試 187 7.2 人臉檢測深度學習模型 187 7.2.1 MTCNN模型 188 7.2.2 RetinaFace模型 189 7.3 人臉識別深度學習模型 191 7.3.1 DeepFace模型 191 7.3.2 FaceNet模型 192 7.3.3 基于Margin損失函數的模型 193 7.4 聲紋識別深度學習模型 195 7.4.1 d-vector模型 196 7.4.1 x-vector模型 197 7.5 人臉反欺騙深度學習模型 198 7.5.1 人臉反欺騙雙流CNN模型 199 7.5.2 人臉反欺騙LSTM-CNN模型 203 本章小結 205 思考題 206 第8章 生物特征識別技術應用 207 8.1 生物特征識別技術在電子政務中的應用 207 8.2 生物特征識別技術在門禁系統中的應用 209 8.3 生物特征識別技術在移動終端中的應用 211 8.4 指紋文件加密系統 215 本章小結 217 思考題 217 附錄A 專業術語中英文對照表 218 附錄B 常見的生物特征識別數據庫 222 參考文獻 224