生物特征識別技術的發展趨勢及對數字信號處理器的挑戰

　　指紋識別技術是指通過比較不同人指紋中的特征點不同來區分不同人的身份。指紋識別技術通常由三個部分組成：對指紋圖像進行預處理；提取特征值，并形成特征值模板；指紋特征值比對。

　　指紋圖像預處理的目的是為了減少噪聲干擾的影響，以便有效提取指紋特征值。常用的預處理方法有圖像增強、圖像平滑、二值化、圖像細化等。

　　特征提取的目的就是從預處理后的指紋圖像中，提取出能夠表達該指紋圖像與眾不同的特征點的過程。最初特征提取是基于圖像的，從圖像整體中提取出特征進行比較，但該方法的精度和性能較低。現在一般采用基于特征點的方法，從圖像中提取反應指紋特性的全局特征(如紋形、模式區、核心區、三角點、紋數等)和局部特征(如終結點、分叉點、分歧點、孤立點、環點等)。得到特征點后就可以對特征點進行編碼形成特征值模板。

　　指紋特征值比對就是把當前獲得的指紋特征值與存儲的指紋特征值模板進行匹配，并給出相似度的過程。
　　
虹膜識別

　　虹膜相對而言是一個較新的生物特征。1983年，Flom與Safir申請了虹膜識別專利保護，使得虹膜識別方面的研究很少。1993年，Daugman發表了關于虹膜自動識別算法的開創性工作，奠定了世界上首個商業虹膜自動識別系統的基礎。隨著Flom和Safir專利在2005年的失效和CASIA及ICE2005中虹膜數據集的提供，虹膜識別算法的研究越來越蓬勃。ICE2006首次對虹膜識別算法性能進行了測試。

　　虹膜識別中需要解決如下兩個難點問題：一是虹膜圖像的獲取，二是實現高性能的虹膜識別算法。

生物特征識別產品的發展趨勢

　　生物特征識別產品逐步從單一PC處理，轉變為分布式計算。用獨立的前端獨立設備來完成生物特征的采集、預處理、特征提取和比對，而用中心PC或服務器完成與業務相關的處理。闡述這種方式較之傳統方式的優點~ 由于前端采用嵌入式設備，因而自然提出了對數字信號處理器的要求。

生物特征識別技術對數字信號處理的挑戰

　　為了獲得更好的性能，研究者們從算法上、應用廠商從應用上對生物特征識別技術進行改進。這些算法根據不同生物特征的特點，采用新的數學模型，有效解決了現有算法的不足，使得生物特征識別技術性能上了一個新臺階。新的數學模型，較之以往的模型更為復雜，計算量更大。為了能夠有效的在數字信號處理器上實現這些算法，要求數字信號處理器有更強的處理能力。我們下面結合人臉識別具體說生物特征識別技術對數字信號處理的挑戰。