更新时间：2022-08-25 13:36
生物特征识别(biometrics)技术是指通过计算机利用人体所固有并特有的生理特征和行为特征来进行身份识别或个体验证的一门技术。基于面部特征的面部认证具有非接触性、稳定性好、难仿冒等优点，成为人们最易接受的身份认证方式。
生物特征识别技术作为新兴的身份识别方法，逐渐取代了传统的身份认证方式，被广泛应用于各种安全认证领域。目前，常用的生物体特征包括: 面部特征、指纹特征、掌纹特征、虹膜特征和视网膜特征等。与其他识别技术相比，基于面部特征的人脸识别具有非接触性、稳定性好、难仿冒等优点，成为人们最易接受的身份认证方式。
面部认证技术有着非常广泛的应用，在银行安全、国家安全、人脸认证、电子商务、司法、金融等领域有巨大的应用价值。人脸特征用于身份识别相对于其他人体特征有着简单、准确、不易伪造、用户友好等优势。上世纪60年代初，第一个半自动人脸识别系统诞生，1973年Kanade研究出了基于几何特征的自动人脸识别，之后面部认证技术在近几十年得到了极大的关注和研究，涌现出了各种人脸检测和识别的算法，积累了大量的研究成果，取得了长足的发展，逐渐成为了模式识别领域中最为重要和流行的研究课题之一。
嵌入式面部认证系统的研究还有很长的路要走，总结起来主要有以下困难需要克服。
(1) 复杂环境下的人脸检测。
目前大多数人脸识别系统的应用是在场景不变、环境简单的条件下运行的，对正面人脸的检测的难度不大，成功率较高。但在嵌入式设备上运行的人脸识别系统，所处的环境是复杂而多变的，这就要求对更为困难条件下的人脸检测做进一步的研究，如旋转人脸、非正面人脸、远距离人脸的检测等。
(2) 光照变化问题。
光照变化问题一直是人脸识别技术上的一个难题，目前，最好的人脸识别系统，在光照环境较大的条件下，尤其是室外光照环境下，识别率仍然不高。如何解决光照带来的干扰，仍是一个重要的研究内容。
(3) 图像质量问题。
运行在嵌入式设备上的人脸识别系统使用到的图像一般是在移动复杂的环境下采集的，这对采集到的图像的质量影响非常大，目前，嵌入式系统上的图像采集设备对强光和弱光条件比较敏感，所以如何采集到高质量的图像样本是未来嵌入式人脸识别面临的挑战之一。
(4) 年龄变化问题。
目前，大多数人脸识别系统都没有考虑年龄变化问题，但这是一个迟早要面对的问题。FERET人脸库dupII子集和训练样本仅有1岁年龄的差异，目前大多数识别算法尚不能取得很高的识别率，则更不用说年龄跨度较大的情况。要想解决年龄变化问题，还需要结合年龄特征，重新建模，所以年龄变化问题的解决并非易事，还需要长期的研究。
(5) 化妆、整容、饰物遮挡等带来问题。
化妆、整容、饰物遮挡等给人的面部特征带来的变化时非常大的，尤其是整容和饰物遮挡，严重改变了脸部某些区域的特征，有时连肉眼都难以识别。如何从变化的特征中找到不变量进行人脸的识别，是解决这类问题的关键。目前还没有解决这些问题的行之有效的方法。
(6) 3D人脸识别技术的进一步研究
3D人脸识别技术目前已经取得了不错的效果，已在有些门禁系统中运用。3D人脸识别技术还不够成熟，鲁棒性和稳定性不高，但有着很好的应用前景，如何把拍摄到的2D图像建模合成3D图像进行人脸识别，将成为未来研究的热点。
基于LTE技术的面部识别系统包括高分辨率摄像模块、图像处理模块、LTE无线模块、显示模块、USB接口模块、电源管理模块等，如图1所示。
基于LTE技术的面部识别系统可以通过高分辨率摄像设备进行人像采集，获取面部图像信息，同时，也可以通过LTE无线网络获取远程终端的图像信息，这些图像信息交给图像处理模块进行人脸检测及识别，图像处理结果可以通过本地显示模块输出，也可以由LTE无线网络发送至远程终端。
1) 高分辨率摄像模块，主要用来获取高清晰的面部图像信息，并快速传输给图像处理单元，此模块中采用的摄像头即为普通的网络摄像头，不需要驱动，这样比较简单，方便操作实现。
2) 图像处理模块，主要用来实现对高清晰面部图像进行人脸检测、人脸识别及人脸特征提取。人脸检测是在高清晰面部图像的基础上，克服光照、姿态、背景以及遮挡物等外在因素的影响，还需要对这些外在因素造成的后果进行补救或矫正，保证人脸检测和定位的准确性。人脸识别则是在上述照片和图像序列中识别某个人脸图像，其中采用小波变换的人脸特征提取技术，以保持人脸表示的多样性和唯一性，同时将人脸特征数据进行压缩，实现最小的数据量携带信息量的最大化。
3) LTE无线网络模块，主要完成LTE无线网络接入，建立LTE无线数据链路，提供高速、便捷的无线宽带接入方式，实现数据的快速上传、下载等。通过LTE无线网络，能够快速将获得的面部图像信息传送给智能网格，并进行快速处理。同时，也可以适时将智能网络中存储的信息，快速调入，满足及时发现、及时处理功能需求。
4) 显示模块，采用先进的电容触控技术和人体工程技术，给用户提供一个友好的人机交互界面，实现面部识别结果的显示，还可以通过显示模块实现用户对系统资源的管理以及系统参数的配置或更改。
5) 电源管理模块，完成对电池的充放电管理、过流保护、系统整机的供电和电源的功率动态分配。诺基亚正在研究LTE无线充电技术，通过LTE无线电波在周围环境产生的电磁辐射可以被转换成充足的电流，诺基亚研究中心研究员Markku Rouvala表示有可能在未来3至4年或可应用，届时，基于LTE技术的面部识别系统的电源管理模块可拓展LTE无线充电功能。
6) USB接口模块，为电池充电以及外置电源提供一个接口，同时也实现该终端与PC之间的数据高速传输等。基于LTE技术的便携式面部识别系统启动后，软件自动配置各个接口单元的工作参数，准备接收无线的接入数据，自动寻找、登陆LTE网络。
LBP的全称为Local Binary Pattern，中文翻译为局部二值模式，LBP算子定义的是纹理局部近邻的特性，最早的LBP算子由Ojala[39]于1996年提出，原始的LBP算子用来分析图像的纹理特征。并且Ojala介绍了如何使用LBP算子对纹理进行强力有效的分类。
纹理一般是图像分析中的概念，用来表示图像中物体由于物理表面属性的不同而产生的表面特征的各种信息，如灰度、颜色等。我们所能见到的图像，几乎都具有纹理特征信息。和图像的其他特征相比，纹理特征有以下优点：1、纹理特征反应的是灰度模式的空间分布，即描述了图像的宏观信息又能描述局部信息，因为纹理不但包含了图像的表面特征，而且包含了与周围环境的关系；2、使用LBP算子提取纹理特征时，方法简单，计算复杂度低，适合用于运算能力有限和资源受限的嵌入式设备上进行特征提取。3、分辨能力强，它描述了图像的局部特征，所以对图像的单调的灰度变化具有不变性，对光照变化有一定的鲁棒性。
经过长期的发展，LBP算子不断演化和改进。由于其较强的分类能力，其应用领域也越来越宽，如图像分析、背景建模、纹理分割、纹理分类、人脸检测、人脸识别和表情识别等领域。使用LBP算子进行人脸识别的主要思想是，把人脸图像分成若干个区域，分别计算其纹理特征，最后把这些特征组合成一个全局特征进行人脸的分类识别。
随着信息化社会的不断发展，文档的电子化成为大势所趋。电子文档在给我们提供便利的同时，也由于其易复制、难管控等特点带来了诸多安全隐患。尤其是重要单位的涉密电子文档一旦泄漏，会给国家安全带来巨大损失。如何安全高效地管控涉密电子文档，成为亟需解决的问题。一方面，在各类组织机构出台相应政策、法规和标准的同时，出现了很多产品来保障电子文档的安全。但大多数产品只在用户访问涉密文档前对用户进行认证，而在访问过程中不再进行认证，产生身份认证的盲区，导致泄密主体难追踪等问题的出现。另一方面，在用户终端不采取任何安全措施的情况下，涉密文档很容易在不同用户终端之间进行交叉传播，导涉密文档失控和知密范围扩大等问题。
涉密文档阅读器的总体设计方案如图2所示。
涉密文档阅读器是阅读涉密文档的硬件平台，实现涉密文档的授权阅读以及用户身份的实时认证。涉密文档通过专用接口向阅读器进行单向传输。
涉密文档阅读器通过面部认证技术实现可靠的访问控制。面部认证技术通过摄像头实时捕捉人脸，并将捕捉到的人脸信息与数据库进行对比实现身份的认证。面部认证包括人脸的检测和识别两部分。人脸检测用于判断并定位图像帧中的人脸，面部识别用于判断检测到的人脸是否在人脸库中。面部认证的整体流程如图3所示。
出现非授权用户使用、偷窥等行为或用户视线离开屏幕时，阅读器自动进入保护模式。并结合眼球追踪技术，对阅读者的眼球进行实时检测与标定，判断视线是否在屏幕上并做出相应的操作。为实现数据的单向传输，还为阅读器设计了专用接口电路。专用接口是阅读器对外提供的唯一接口，该电路对外提供USB Device 和USB Host 接口，通过USB Device 接口与阅读器相连，用户只能通过该电路上的USB Host 向阅读器导入涉密文档。
专用接口电路中的主控芯片通过对SCSI 协议层的READ_10 和WRITE _10 命令处理函数进行过滤操作，实现只读模式，这样就可以实现存储载体中的数据写入阅读器，而阅读器中的数据无法写入存储载体的功能。