基于RFID技術(shù)的多模態(tài)生物特征識(shí)別系統(tǒng)設(shè)計(jì)

3 多模態(tài)生物特征信息的融合

多模態(tài)融合是對(duì)多種生物特征指示器（ I nd ica -tors）的信息融合，此類(lèi)系統(tǒng)集成多個(gè)生物特征源提供的證據(jù)評(píng)分以做出更為準(zhǔn)確和快速的決策。多模態(tài)生物特征識(shí)別系統(tǒng)集成的信息可以來(lái)自一種或多種生物特征指示器。一般多模態(tài)單生物特征識(shí)別系統(tǒng)是指通過(guò)綜合一種生物特征提供的多種證據(jù)來(lái)改進(jìn)系統(tǒng)，在多模態(tài)生物特征識(shí)別系統(tǒng)（ Mult- i b i ome- tric Syste m ）中，一般采用指紋的多模態(tài)信息融合，從而，滿(mǎn)足數(shù)據(jù)量和準(zhǔn)確性的雙向要求。然而，為了進(jìn)一步提高準(zhǔn)確性，可采用融合多個(gè)生物特征的方法，以提供特殊環(huán)境下的精確識(shí)別。

一般來(lái)說(shuō)，融合可以在模式識(shí)別三個(gè)層次的任一個(gè)層次上進(jìn)行，即數(shù)據(jù)層融合、特征層融合和決策層融合。目前關(guān)于生物特征數(shù)據(jù)融合的研究主要集中在決策層上，不同的單個(gè)特征分別進(jìn)行獨(dú)立的處理，然后進(jìn)行匹配，得到匹配分?jǐn)?shù)，最后經(jīng)過(guò)一定的融合算法綜合得到結(jié)果?？刹捎玫娜诤纤惴ㄓ性S多種，如多數(shù)投票法、加法和乘法法則、K- NN分類(lèi)器、SVM、貝葉斯決策、支持向量機(jī)、決策樹(shù)等人工智能算法。

3.1 特征層的融合

特征層融合是輸入數(shù)據(jù)經(jīng)過(guò)前端處理后對(duì)每種生物特征分別得到其特征描述向量，不同的特征向量集用不同的方法來(lái)構(gòu)成新的高維特征向量，用這個(gè)高維特征向量來(lái)代表多個(gè)生物特征的融合。特征層的融合比前兩層的融合效率高。

3.2 匹配層的融合

匹配層的融合模塊的輸入是若干個(gè)生物認(rèn)證系統(tǒng)的匹配模塊輸出的分?jǐn)?shù)。匹配層的融合就是針對(duì)這幾個(gè)輸入來(lái)進(jìn)行的。在三種融合方式中，匹配層的融合是最常見(jiàn)的。這是因?yàn)槠ヅ鋵拥娜诤霞染哂邢鄬?duì)比較小的實(shí)現(xiàn)難度，又融合了若干個(gè)特征各自的信息量。匹配層融合過(guò)程中重要方面之一是對(duì)不同系統(tǒng)得出的分?jǐn)?shù)進(jìn)行歸一化。在進(jìn)行歸一化以后，不同系統(tǒng)得出的分?jǐn)?shù)就被映射到一個(gè)N維的空間，在這個(gè)空間里再對(duì)所有的點(diǎn)進(jìn)行分類(lèi)。

3.3 決策層的融合

不同的單個(gè)特征可以分別進(jìn)行獨(dú)立的處理，然后進(jìn)行匹配得到匹配分?jǐn)?shù)，最后通過(guò)決策融合的過(guò)程，將多個(gè)匹配結(jié)果經(jīng)過(guò)一定的融合算法進(jìn)行綜合，得到最終的結(jié)果。在決策層進(jìn)行融合相對(duì)來(lái)說(shuō)比較簡(jiǎn)單，可利用的信息量也比較少。由于決策層的輸入已經(jīng)是單個(gè)生物認(rèn)證的邏輯輸出，因此決策層的融合可以分為兩種形式：

（1） OR規(guī)則：在這種系統(tǒng)中，如果用戶(hù)被子系統(tǒng)H1拒絕，子系統(tǒng)H2將對(duì)用戶(hù)再進(jìn)行一次驗(yàn)證，如果通過(guò)則確定為真實(shí)用戶(hù)。

（2） AND規(guī)則：在這種系統(tǒng)中用戶(hù)只有同時(shí)被子系統(tǒng)H1和子系統(tǒng)H 2接受，方能夠被確認(rèn)為真實(shí)用戶(hù)。

在具體的應(yīng)用中，每種融合方式都有各自的優(yōu)缺點(diǎn)。特征層融合雖然效率比較高，但是不易集成實(shí)用的單生物認(rèn)證系統(tǒng)。匹配層融合既實(shí)現(xiàn)了信息能算法的融合，實(shí)現(xiàn)起來(lái)又不是非常困難，且具有較好的應(yīng)用價(jià)值。決策層雖然信息融合的程度比較小，但是可以用于一些集成的系統(tǒng)當(dāng)中。

目前關(guān)于生物特征數(shù)據(jù)融合的研究也主要集中在決策研究上，但僅進(jìn)行決策階段的研究是不夠的，因?yàn)樵谔幚磉^(guò)程中忽略了特征之間的關(guān)聯(lián)所帶來(lái)的作用和影響，同時(shí)，主要集中于融合算法的討論，而忽略了對(duì)生物特征的更多考慮，因此尚需進(jìn)行數(shù)據(jù)層和特征層的融合。

4 身份識(shí)別工作站的設(shè)計(jì)

4.1 RFID系統(tǒng)

4.1.1 RFID技術(shù)概述

RFID射頻識(shí)別是一種非接觸式的自動(dòng)識(shí)別技術(shù)，它通過(guò)射頻信號(hào)自動(dòng)識(shí)別目標(biāo)對(duì)象并獲取相關(guān)數(shù)據(jù)，識(shí)別工作無(wú)須人工干預(yù)。與傳統(tǒng)的條形碼相比，具有非接觸、可擦寫(xiě)、快速掃描、穿透性好、安全性高、數(shù)據(jù)存儲(chǔ)容量大，以及防水、防磁、耐高溫、使用壽命長(zhǎng)、讀取距離大等優(yōu)點(diǎn)，可適應(yīng)現(xiàn)代高技術(shù)局部戰(zhàn)爭(zhēng)復(fù)雜的環(huán)境要求。最基本的RFID系統(tǒng)由三部分組成：

標(biāo)簽：也被稱(chēng)為電子標(biāo)簽或智能標(biāo)簽，由耦合元件及芯片組成，每個(gè)芯片具有唯一的電子編碼，芯片中存儲(chǔ)有能夠識(shí)別目標(biāo)的信息。

讀寫(xiě)器：由發(fā)送器、接收儀、控制模塊和收發(fā)器組成。收發(fā)器和控制計(jì)算機(jī)或可編程邏輯控制器（ PLC ）連接，，讀?。▽?xiě)入）標(biāo)簽信息，設(shè)計(jì)為手持式。

天線：在標(biāo)簽和讀寫(xiě)器間無(wú)線傳遞射頻信號(hào)。

4.1.2 RFID的工作頻率及其應(yīng)用

RFID系統(tǒng)的工作頻率是其最重要的一項(xiàng)參數(shù)，無(wú)線電頻率是一項(xiàng)公用資源，在使用過(guò)程中，如果不同的應(yīng)用系統(tǒng)在時(shí)間、空間和頻率三方面出現(xiàn)重疊，則有可能發(fā)生相互干擾。系統(tǒng)間相互干擾的程度與無(wú)線電信號(hào)的重疊程度及信號(hào)的強(qiáng)度有關(guān)。因此，無(wú)線電應(yīng)用的規(guī)則是各種應(yīng)用系統(tǒng)必須遵循的基本原則。

目前國(guó)際上制定R I FD標(biāo)準(zhǔn)的組織比較著名的有三個(gè)： ISO、以美國(guó)為首的EPC globa l以及日本的Ub i qu i tous ID C enter（縮寫(xiě)為U ID）。常用的RFID國(guó)際標(biāo)準(zhǔn)主要有I SO /IEC18000標(biāo)準(zhǔn)（包括7個(gè)部分，涉及125 KH z ， 13 . 56MH z ， 433MHz ， 860） 960MH z ，2 . 45GH z等頻段）。

其中，由于工作頻率為13.56MHz的高頻標(biāo)簽便于做成卡片狀，第二代電子身份證采用的標(biāo)準(zhǔn)是I S014443 TYPE B協(xié)議。這種標(biāo)簽是目前的主流應(yīng)用之一。其一般采用無(wú)源方案，識(shí)讀距離一般可達(dá)20 cm左右，最遠(yuǎn)可達(dá)1 . 5M，可適用于普通的/士兵牌0.有源的識(shí)別距離不小于9m，實(shí)際感應(yīng)區(qū)域可根據(jù)具體情況進(jìn)行設(shè)置，識(shí)別距離1~10m可以調(diào)整?？煽孔R(shí)別[ 100 Km /h的高速移動(dòng)目標(biāo)（人、車(chē)、物）。

4.2 個(gè)體生物特征信息數(shù)據(jù)庫(kù)的建立

通過(guò)集成RFID讀寫(xiě)器的采集系統(tǒng)，把士兵的I D和生物特征信息相繼寫(xiě)入卡中和發(fā)送到計(jì)算機(jī)終端再存入服務(wù)器后。計(jì)算機(jī)將個(gè)人生物特征經(jīng)過(guò)處理錄入服務(wù)器的數(shù)據(jù)庫(kù)管理系統(tǒng)，并綜合其他信息，最終基于數(shù)據(jù)庫(kù)平臺(tái)，建立一個(gè)完整的與生物特征信息相關(guān)數(shù)據(jù)庫(kù)，通過(guò)數(shù)據(jù)庫(kù)的查詢(xún)功能，進(jìn)行戰(zhàn)時(shí)、平時(shí)個(gè)人的信息的管理。同時(shí)，可以利用信息化網(wǎng)絡(luò)共享的數(shù)據(jù)庫(kù)，建立數(shù)據(jù)倉(cāng)庫(kù)，使用人工智能方法進(jìn)行數(shù)據(jù)挖掘，利用有效的數(shù)據(jù)信息，從而，使個(gè)體生物特征信息數(shù)據(jù)庫(kù)的利用率達(dá)到最大化，并有益于科學(xué)研究和管理決策。

4.3 其他功能的擴(kuò)展

按照戰(zhàn)場(chǎng)傷員搜救的需要，或其他特殊作戰(zhàn)環(huán)境的需求，系統(tǒng)可采用有源方案，選用超高頻的RFID系統(tǒng)，通過(guò)構(gòu)建無(wú)線通訊網(wǎng)絡(luò)，并由計(jì)算機(jī)終端擴(kuò)展GPS定位功能。主要包括：使用在有源RFID標(biāo)簽和讀寫(xiě)模塊，此類(lèi)卡的厚度和成本與無(wú)源RFID相比都會(huì)增加。其次，利用藍(lán)牙等無(wú)線通訊模塊將計(jì)算機(jī)終端和GPS定位系統(tǒng)連接，在有效范圍內(nèi)，實(shí)時(shí)發(fā)送方位信息，并由主機(jī)選擇確認(rèn)跟蹤目標(biāo)，進(jìn)行定位。從而，實(shí)現(xiàn)戰(zhàn)場(chǎng)傷員的搜救工作以及指揮工作。