不同领域不同需求 生物识别核心要素遇市场挑战

随着人们对生活质量要求的提高，以及数字化技术本身的不断进步，依托指纹识别、虹膜识别、人脸识别等技术的生物识别方案和视频监控方案等正逐步成为提高个人、家庭、企业和社会安全性的重要手段。生物识别方案主要包括四个步骤：图像采集、图像预处理，特征取样，匹配分析;而视频监控方案则主要包括图像采集、图像预处理、图像处理与传输、图像显示及图像管理等。不难看出，无论是生物识别还是视频监控，图像预处理都是必需的。

何为生物识别?

生物识别技术主要是通过可测量的身体或行为等生物特征进行身份认证的一种技术;而生物特征是指唯一的可以测量或可自动识别和验证的生理特征或行为方式。

生物识别技术专家、国家生物特征识别技术标准委员会委员、北京大学信息科学技术学院教授、副院长李文新指出，生物特征分为身体特征和行为特征两类。身体特征包括：指纹、手的静脉血管，掌型、视网膜、虹膜、人体气味、脸型、骨骼和DNA等;行为特征包括：签名、语音、行走步态等。

人类的生物特征通常具有唯一性、可以测量或可自动识别和验证、遗传性或终身不变等特点，因此生物识别认证技术较传统认证技术存在较大的优势。

什么是生物识别图像预处理分析?

根据目的的不同，图像预处理可分为对采集图像进行清晰化处理，对图像进行识别前的预处理，以及对图像进行压缩前的预处理等。其中，对采集图像进行清晰化处理主要包括对CMOS或CCD图像传感器感光单元的不一致进行后续纠正，对实际环境与传感器采集的图像进行差异补偿(如背光)，以及对采集到的原始图像进行去噪处理等。虽然这种预处理算法本身的难度不大，但随着实时性需求的普及，尤其是在像素较大时，这种算法还是对DSP的处理能力提出了很高的要求。

而对图像进行识别前的预处理则目的性很强，可能需要破坏原来的像素和分布，以便后续进行特征提取。这种预处理算法的难度视识别场合的不同而不同。要综合后面的识别算法部分，选择适当的DSP。图像压缩前的预处理主要是指将YUV422变为YUV420、将RGB变为YUV等。这类处理往往有实时性要求，如果采用软件实现，会对处理性能有较高的要求;如果采用硬件实现，则虽然在处理性能上有保证，但硬件成本会有所上升。

同时，根据应用不同，图像预处理又可分为生物识别应用中的图像预处理和视频监控应用中的图像预处理。对于生物识别应用，以指纹识别为例，其预处理主要包括指纹图像增强、指纹图像二值化、指纹图像细化、指纹图像细化后处理。而视频监控应用中的图像预处理主要是指对图像传感器输出的连续图像进行分析，获取足够的信息，并通过自动白平衡、伽马(Gamma)校正、自动聚焦、自动曝光、背光补偿等来提高图像的实际效果。

不同领域不同需求 生物识别图像预处理遇市场挑战

无论是生物识别还是视频监控，其图像预处理正面临以下挑战：其一，用户对图像质量的要求越来越高，图像预处理的算法越来越复杂，从而对图像预处理主芯片处理能力及存储空间提出了更加苛刻的要求;其二，用户对图像的实时性处理和传输要求越来越高，一方面要求图像预处理算法尽量优化、精简，另一方面也对图像预处理主芯片的内核处理能力、内部总线架构、数据传输能力、外围接口，以及硬件整体架构和指令集对预处理算法的支持提出了更高要求;其三，不同于图像和视频编解码算法具有业界统一的算法标准和清晰的演进路线图，图像预处理算法不仅没有统一的标准和清晰的发展方向，甚至在很大程度上，方案提供商正是通过这些“秘密”的个性化算法来作为市场竞争的法宝。