智能感知人体识别摘要：先对在线视频信息处理降维，判断视频中是否有目标出现，进行视频信息的存储或背景更新；然后对视频图像当前帧和背景帧差分检测和当前帧Canny 边缘检测，得到视频目标初始差分边缘模板目标检测、随目标在变化更新模板通过形状和色彩差异确认新目标的出现，进而识别分类。

减少处理冗余信息的时间，提高视频目标检测识别效率。

关键词：信息处理降维；差分检测；Canny边缘检测；识别效率0引言目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。

例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。

这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。

而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。

此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。

美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。

随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。

1、企业、住宅安全和管理。

如人脸识别门禁考勤系统，人脸识别防盗门等。

2、电子护照及身份证。

这或许是未来规模最大的应用，国际民航组织(ICAO)已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。

中国的电子护照计划公安部一所正在加紧规划和实施。

3、公安、司法和刑侦。

如利用人脸识别系统和网络，在全国范围内搜捕逃犯。

4、自助服务。

如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。

如果同时应用人脸识别就会避免这种情况的发生。

5、信息安全。

如计算机登录、电子政务和电子商务。

在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。

而当前，交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全。

但是使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。

计算机技术的广泛应用和数字图像技术的发展，数字视频检测和监控系统已经被应用于交通监控、银行系统和流水线产品检测等很多方面。

传统的检测和监控是由人在主控室来操纵各路摄像机，或者是摄像机连续不断地工作，将拍摄到的图像视频信号存储起来供以后分析使用。

这样就出现以下问题1）人是控制主体，人眼视觉对视频的检测是有限的；2）人眼视觉识别目标精细，但是不间断的、长期的观察对人视觉损伤大；3）对检测和监控，视频冗余信息量大，浪费了大量存储空间，检索困难。

针对以上问题已经提出的运动目标自动检测方法主要有：光流法、相邻帧差法和背景图像差分法。

本文提出先对在线视频信息处理降维，判断视频中是否有目标出现，如有则进行视频信息的存储，如无则背景更新；然后对视频图像当前帧和背景帧差分检测和当前帧Canny边缘检测，得到视频目标初始差分边缘模板目标检测、随目标在变化更新模板通过形状和色彩差异确认新目标的出现，进而识别分类。

该方法减少了处理冗余信息的时间，提高了视频目标检测识别效率。

1指纹识别简介1.1指纹特征指纹特征并非肉眼可以轻易分辨和记录，中国物联网校企联盟形象得把指纹识别系统比做机器“敏锐的洞察力”。

指纹，英文名称：（fingerprinting），两枚指纹经常会具有相同的总体特征，但它们的细节特征，却不可能完全相同。

指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或转折。

这些断点、分叉点和转折点就称为“特征点”，就是这些特征点提供了指纹唯一性的确认信息，其中最典型的是终结点和分叉点，其他还包括分歧点、孤立点、环点、短纹等。

特征点的参数包括：方向（节点可以朝着一定的方向）、曲率（描述纹路方向改变的速度）、位置（节点的位置通过x/y坐标来描述，可以是绝对的，也可以是相对于三角点或特征点的）。

总体特征是指那些用人眼直接就可以观察到的特征。

包括纹形、模式区、核心点、三角点和纹数等。

纹形，指纹专家在长期实践的基础上，根据脊线的走向与分布情况一般将指纹分为三大类——环型（loop，又称斗形）、弓形（arch）、螺旋形（whorl）。

模式区即指纹上包括了总体特征的区域，从此区域就能够分辨出指纹是属于哪一种类型的。

有的指纹识别算法只使用模式区的数据，有的则使用所取得的完整指纹。

核心点位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为参考点。

许多算法是基于核心点的，即只能处理和识别具有核心点的指纹。

三角点位于从核心点开始的第一个分叉点或者断点，或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。

三角点提供了指纹纹路的计数跟踪的开始之处。

纹数，即模式区内指纹纹路的数量。

在计算指纹的纹路时，一般先连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。

1.2指纹识别原理指纹识别即指通过比较不同指纹的细节特征点来进行鉴别。

由于每个人的指纹不同，就是同一人的十指之间，指纹也有明显区别，因此指纹可用于身份鉴定。

其实，我国古代早就利用指纹（手印）来签押。

1684年，植物形态学家Grew发表了第一篇研究指纹的科学论文。

1809年Bewick把自己的指纹作为商标。

1823年解剖学家Purkije将指纹分为九类。

1880年，Faulds在《自然》杂志提倡将指纹用于识别罪犯。

1891年Galton 提出著名的高尔顿分类系统。

之后，英国、美国、德国等的警察部门先后采用指纹鉴别法作为身份鉴定的主要方法。

随着计算机和信息技术的发展，FBI和法国巴黎警察局于六十年代开始研究开发指纹自动识别系统（AFIS）用于刑事案件侦破。

目前，世界各地的警察局已经广泛采用了指纹自动识别系统。

九十年代，用于个人身份鉴定的自动指纹识别系统得到开发和应用。

由于每次捺印的方位不完全一样，着力点不同会带来不同程度的变形，又存在大量模糊指纹，如何正确提取特征和实现正确匹配，是指纹识别技术的关键。

指纹识别技术涉及图像处理、模式识别、计算机视觉、数学形态学、小波分析等众多学科。

1.3指纹分类纹型是指纹的基本分类，是按中心花纹和三角的基本形态划分的。

纹形从属于型，以中心线的形状定名。

我国十指纹分析法将指纹分为三大类型，九种形态。

一般，指纹自动识别系统将指纹分为弓形纹（弧形纹、帐形纹）、箕形纹（左箕、右箕）、斗形纹和杂形纹等。

指纹形态和细节特征提取：指纹形态特征包括中心（上、下）和三角点（左、右）等，指纹的细节特征点主要包括纹线的起点、终点、结合点和分叉点。

指纹比对：可以根据指纹的纹形进行粗匹配，进而利用指纹形态和细节特征进行精确匹配，给出两枚指纹的相似性得分。

根据应用的不同，对指纹的相似性得分进行排序或给出是否为同一指纹的判决结果。

1.4指纹识别系统指纹识别系统是一个典型的模式识别系统，包括指纹图像获取、处理、特征提取和比对等模块。

指纹图像获取：通过专门的指纹采集仪可以采集活体指纹图像。

目前，指纹采集仪主要有活体光学式、电容式和压感式。

对于分辨率和采集面积等技术指标，公安行业已经形成了国际和国内标准，但其他还缺少统一标准。

根据采集指纹面积大体可以分为滚动捺印指纹和平面捺印指纹，公安行业普遍采用滚动捺印指纹。

另外，也可以通过扫描仪、数字相机等获取指纹图像。

指纹图像压缩：大容量的指纹数据库必须经过压缩后存储，以减少存储空间。

主要方法包括JPEG、WSQ、EZW等。

指纹图像处理：包括指纹区域检测、图像质量判断、方向图和频率估计、图像增强、指纹图像二值化和细化等。

2虹膜技术概述2.1虹膜技术简介人眼睛的外观图由巩膜、虹膜、瞳孔三部分构成。

巩膜即眼球外围的白色部分，约占总面积的30%；眼睛中心为瞳孔部分，约占5%；虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，占据65%。

外观上看，由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。

虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形态、生理、颜色和总的外观。

人发育到八个月左右，虹膜就基本上发育到了足够尺寸，进入了相对稳定的时期。

除非极少见的反常状况、身体或精神上大的创伤才可能造成虹膜外观上的改变外，虹膜形貌可以保持数十年没有多少变化。

另一方面，虹膜是外部可见的，但同时又属于内部组织，位于角膜后面。

要改变虹膜外观，需要非常精细的外科手术，而且要冒着视力损伤的危险。

虹膜的高度独特性、稳定性及不可更改的特点，是虹膜可用作身份鉴别的物质基础。

在包括指纹在内的所有生物识别技术中，虹膜识别是当前应用最为方便和精确的一种。

虹膜识别技术被广泛认为是二十一世纪最具有发展前途的生物认证技术，未来的安防、国防、电子商务等多种领域的应用，也必然的会以虹膜识别技术为重点。

这种趋势已经在全球各地的各种应用中逐渐开始显现出来，市场应用前景非常广阔。

虹膜识别国外研究机构主要有美国的Iridian，Iriteck，韩国的Jiris公司。

Iridian 公司掌握虹膜识别核心算法，是目前全球最大的专业虹膜识别技术和产品提供商，它和LG、松下、OKI、NEC等企业进行合作（如IRISPASS®，BM-ET300，IG-H100®等产品），以授权方式提供虹膜识别核心算法，支持合作伙伴生产虹膜识别系统。

Iridian的核心技术还包括图像处理协议和数据标准PrivateID®，识别服务器KnoWho®，KnoWho®开发工具及虹膜识别摄像头等。

国内在2000年以前在虹膜识别方面一直没有自己的核心知识产权，中科院自动化所在多年研究的基础上于2000年初开发出了虹膜识别的核心算法，成为了世界上少数几家掌握了虹膜识别核心算法的单位之一。

作为中国首个开始虹膜识别机理研究的研究基地，中科院自动化所模式识别国家重点实验室研究的具有自主知识产权的虹膜识别活体检测技术不仅填补了中国活体虹膜识别技术在国际领域的空白，而且可以和世界主流的算法相媲美。

相对于国际上其它公司的核心算法，中科院自动化所的核心算法速度更快，占用的内存空间更小，整体性能更加优异。

2005年，实验室的虹膜识别科研成果荣获“国家科学技术发明二等奖”。

2006年9月，模式识别国家重点实验室作为中国虹膜识别技术的权威，参加了由国际生物特征识别组织举办的生物识别技术测评（2006 Biometric Consortium Conference and 2006 Biometrics Technology experiment），其虹膜识别算法的速度和精度得到了国际同行的认可。

此外，模式识别国家重点实验室的虹膜图像数据库已成为国际上最大规模的虹膜共享库。