李爭(zhēng)名 楊南粵

摘要：高校普及生物特征識(shí)別技術(shù)是學(xué)生了解和掌握人工智能相關(guān)技術(shù)的重要方法和手段之一。本文對(duì)課程的教學(xué)內(nèi)容進(jìn)行設(shè)計(jì)，把最新的研究成果引入到教學(xué)中，能夠激發(fā)學(xué)生的學(xué)習(xí)興趣和熱情，并對(duì)公選課的課程考核進(jìn)行了闡述。

關(guān)鍵詞：生物特征;公選課;人臉識(shí)別;掌紋識(shí)別;課程設(shè)計(jì)

中圖分類號(hào)：G434? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）19-0182-02

Abstract： The public elective course "Biometric Authentication Technology" popularized by students is one of the crucial methods and approaches to understand and master the artificial intelligence technology. To enhance the learning enthusiasm and learning interest of students， the course content is designed by using the latest research results. Moreover， the teaching assessment of public elective course is described.

Key words： biometric; public elective course; face recognition; palmprint recognition; course design

1 引言

隨著人工智能技術(shù)的快速發(fā)展，尤其是人臉識(shí)別等技術(shù)已廣泛應(yīng)用于政府、軍隊(duì)、銀行、社會(huì)福利保障、零售、電子商務(wù)和安全防務(wù)等領(lǐng)域中。因此，我們的生活越來越智能化和信息化。作為當(dāng)代的大學(xué)生，了解和掌握一些人工智能技術(shù)對(duì)于以后的生活和發(fā)展都能起到積極的促進(jìn)作用。 隨著人身份信息的數(shù)字化和隱性化，如何保護(hù)信息安全和準(zhǔn)確鑒定人的身份是當(dāng)今世界面臨的一個(gè)關(guān)鍵性問題。作為人工智能領(lǐng)域的一個(gè)重要研究分支，生物特征識(shí)別技術(shù)受到越來越多的關(guān)注。

生物特征識(shí)別技術(shù)利用計(jì)算機(jī)與光學(xué)、聲學(xué)、生物傳感器和生物統(tǒng)計(jì)學(xué)等相關(guān)技術(shù)原理，根據(jù)人體固有的生理特征或行為特征對(duì)個(gè)人身份進(jìn)行鑒別和認(rèn)證的技術(shù)。 人體固有的特征包括人臉、掌紋、指紋、聲紋、人像、虹膜等。人的行為特征包括筆跡、聲音和步態(tài)等。與傳統(tǒng)的身份鑒定方法相比，生物特征識(shí)別技術(shù)具有防偽性能好以及不易丟失和遺忘，不易偽造或被盜，而且生物特征識(shí)別技術(shù)具有“隨身攜帶”和隨時(shí)隨地可用的特點(diǎn)。因此，掌握和了解生物特征識(shí)別技術(shù)對(duì)于提升大學(xué)生的科學(xué)素質(zhì)具有重要的促進(jìn)作用。但是目前高校開設(shè)生物特征識(shí)別技術(shù)課程較少，尤其是非理工科的學(xué)生更難以接觸到生物特征識(shí)別的相關(guān)知識(shí)。由于公選課是面向全校各專業(yè)、各年級(jí)學(xué)生開設(shè)的以科學(xué)素質(zhì)和人文素質(zhì)為核心的綜合素質(zhì)教育課程，因此，《生物特征識(shí)別技術(shù)》公選課的開設(shè)可以幫助大學(xué)生優(yōu)化知識(shí)結(jié)構(gòu)、拓寬學(xué)習(xí)視野、強(qiáng)化實(shí)踐創(chuàng)新，全面提高綜合素質(zhì)能力。

2 生物特征識(shí)別技術(shù)公選課的教學(xué)內(nèi)容

為了讓學(xué)生掌握生物特征識(shí)別技術(shù)的理論知識(shí)和工程實(shí)踐，利用本人主持的國家自然科技基金項(xiàng)目的相關(guān)研究成果設(shè)計(jì)生物特征識(shí)別技術(shù)公選課的部分教學(xué)內(nèi)容。 由于人臉和掌紋是學(xué)生比較容易采集和熟悉的特征，本課程設(shè)計(jì)人臉識(shí)別和掌紋識(shí)別兩個(gè)方面的教學(xué)內(nèi)容。

2.1 人臉識(shí)別技術(shù)

由于人臉圖像易于獲取，并且不令人反感和引起人的注意，已經(jīng)被廣泛應(yīng)用于人們的日常生活中。人臉識(shí)別技術(shù)主要包括人臉圖像采集、人臉的檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取和人臉圖像的識(shí)別等五個(gè)部分。

（1）人臉圖像的采集

人臉圖像的采集主要通過攝像鏡頭，在紅外或日光等條件下采集的靜態(tài)圖像或動(dòng)態(tài)圖像。在課堂中，可以讓學(xué)生通過手機(jī)進(jìn)行人臉圖像的采集。教學(xué)內(nèi)容主要包括圖像的像素和顏色空間等基本知識(shí)。

（2）人臉的檢測(cè)

人臉檢測(cè)在圖像或視頻中準(zhǔn)確標(biāo)定出人臉的位置和大小[1]。在課堂中，可以讓學(xué)生通過手機(jī)進(jìn)行人臉檢測(cè)。教學(xué)內(nèi)容是常見的人臉檢測(cè)方法，主要是 Adaboost人臉檢測(cè)算法[2]的基本知識(shí)。

（3）人臉圖像預(yù)處理

人臉圖像的預(yù)處理是在人臉檢測(cè)的基礎(chǔ)上，對(duì)人臉圖像進(jìn)行處理以利于人臉特征的提取。在課堂中，可以讓學(xué)生通過手機(jī)進(jìn)行人臉圖像的預(yù)處理。教學(xué)內(nèi)容主要是光線補(bǔ)償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等常用的人臉圖像預(yù)處理方法。

（4）人臉圖像特征提取

人臉特征提取是對(duì)人臉進(jìn)行特征建模的過程，包括基于知識(shí)的表征方法和基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法。人臉圖像中包含的特征十分豐富，如直方圖特征、顏色特征、模板特征和結(jié)構(gòu)特征等。人臉識(shí)別常用的特征有視覺特征、像素統(tǒng)計(jì)特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。基于知識(shí)的表征方法包括基于幾何特征的方法和模板匹配法，利用人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數(shù)據(jù)?；诖鷶?shù)特征的方法包括線性投影表征方法和非線性投影表征方法，利用人臉在空域內(nèi)的高維描述轉(zhuǎn)化為頻域或者其他空間內(nèi)的低維描述提取特征。教學(xué)內(nèi)容主要是基于本人主持的國基自然基金項(xiàng)目中的相關(guān)研究?jī)?nèi)容，也即基于字典學(xué)習(xí)的人臉特征提取方法。

（5）人臉圖像的識(shí)別

人臉圖像的識(shí)別主要包括兩大類。第一類是一對(duì)一進(jìn)行人類圖像比較，第二類是一對(duì)多進(jìn)行人臉圖像的識(shí)別。教學(xué)的內(nèi)容主要是基于深度學(xué)習(xí)的人臉識(shí)別方法。

2.2 掌紋識(shí)別技術(shù)

掌紋類似于指紋，其上的線條、脊末梢、分叉點(diǎn)以及皺紋等均可以作為特征[3]。 此外，掌紋采集方便，也是一種非侵犯性的識(shí)別方法。掌紋識(shí)別技術(shù)主要由掌紋圖像采集、掌握?qǐng)D像的預(yù)處理、掌紋圖像特征提取和掌紋圖像的識(shí)別等四個(gè)部分組成。

（1）掌紋圖像采集

掌紋圖像采集的目的就是利用掌紋采集儀實(shí)現(xiàn)把掌紋轉(zhuǎn)換成可以用計(jì)算機(jī)處理的矩陣數(shù)據(jù)，通常的掌紋圖像為二值圖像。教學(xué)內(nèi)容主要是掌紋圖像的二值化等知識(shí)。

（2）掌紋圖像的預(yù)處理

掌紋圖像的預(yù)處理主要是去除噪聲使掌紋圖像更清晰。教學(xué)內(nèi)容主要是均值濾波、自適應(yīng)維納濾波、形態(tài)學(xué)和小波去噪等方法以及掌紋圖像的歸一化處理。

（3）掌紋圖像的特征提取

根據(jù)文獻(xiàn)[3]，掌紋特征可以分為三級(jí)。第一級(jí)掌紋特征主要包括主線、皺線和紋理。第二級(jí)主要包括掌紋細(xì)節(jié)特征點(diǎn)、脊線的方向以及脊線頻率等。第三級(jí)主要包括掌紋中的汗孔、脊線寬度和脊線輪廓等非常細(xì)微的特征。常用的掌紋特征提取算法包括Canny 和Sobel算子以及Gabor 濾波等[4，5，6]。教學(xué)內(nèi)容主要是如何提取掌紋的第一級(jí)特征。

（4）掌紋圖像的識(shí)別

根據(jù)掌紋提取特征的不同，掌紋圖像的識(shí)別主要包括四類方法[3]。第一類是基于掌紋線特征的識(shí)別方法。第二類是基于掌紋的紋理方向特征的識(shí)別方法。第三類是基于掌紋的細(xì)節(jié)點(diǎn)特征的識(shí)別方法。第四類是基于掌紋的圖像特征的識(shí)別方法。教學(xué)內(nèi)容是如何利用稀疏理論設(shè)計(jì)基于掌紋圖像的特征識(shí)別方法。

3 教學(xué)效果評(píng)價(jià)

由于公選課的選課學(xué)生來自不同的專業(yè)和年級(jí)，學(xué)生的知識(shí)儲(chǔ)備差異較大，導(dǎo)致難以選擇合適的公選課評(píng)價(jià)方式。針對(duì)這種情況，在生物特征識(shí)別技術(shù)公選課中采取差異化的考核方式。針對(duì)文科專業(yè)的學(xué)生，以了解和應(yīng)用生物特征識(shí)別技術(shù)為主要考核目的?？己朔绞街饕ㄆ綍r(shí)成績(jī)和期末成績(jī)。其中平時(shí)成績(jī)占40%，期末成績(jī)占60%。期末成績(jī)主要是完成一個(gè)關(guān)于生物特征識(shí)別技術(shù)的應(yīng)用領(lǐng)域的一個(gè)相關(guān)調(diào)查報(bào)告。報(bào)告的題目和形式不定，可以是論文形式，但是必須是與生物特征識(shí)別技術(shù)相關(guān)。針對(duì)理工科專業(yè)的學(xué)生，以掌握生物特征識(shí)別技術(shù)為主要考核目的?？己朔绞绞瞧綍r(shí)成績(jī)占30%，期末成績(jī)占70%。期末成績(jī)主要是設(shè)計(jì)一個(gè)簡(jiǎn)單的生物特征識(shí)別模塊。通過對(duì)不同專業(yè)學(xué)生的分類評(píng)價(jià)考核，讓不同專業(yè)的學(xué)生都能主動(dòng)參與課堂中的學(xué)習(xí)，能夠充分調(diào)動(dòng)所有學(xué)生的學(xué)習(xí)主動(dòng)性和參與性，讓學(xué)生通過這種方式將課堂的知識(shí)根據(jù)自身情況轉(zhuǎn)化為已有。

4 結(jié)論

《生物特征識(shí)別技術(shù)》公選課利用人臉識(shí)別和掌紋識(shí)別設(shè)計(jì)教學(xué)內(nèi)容，讓學(xué)生了解和掌握生物特征識(shí)別技術(shù)在日常生活中的應(yīng)用。并根據(jù)學(xué)生的專業(yè)設(shè)計(jì)不同的考核方案，讓學(xué)生主動(dòng)參與課堂學(xué)習(xí)，提高了學(xué)生的學(xué)習(xí)興趣。

參考文獻(xiàn)：

[1] 李爭(zhēng)名. 《人臉檢測(cè)技術(shù)》公選課課程設(shè)計(jì)與實(shí)踐[J].電腦知識(shí)與技術(shù)， 2018， 14（15）：130-132.

[2] P. Viola， M. J. Jones. Robust real-time face detection[J]. International Journal of Computer Vision， 2004， 57（ 2） ：137-154.

[3] 費(fèi)倫科. 掌紋圖像多級(jí)特征提取與識(shí)別算法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2016：3-4.

[4] L. Liu， D. Zhang， J. You. Detecting wide lines using isotropic nonlinear filtering[J]. IEEE Transactions on Image Procession， 2007， 16（6）：1584-1595.

[5] T. S. Lee. Image representation using 2d gabor wavelets[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1996， 18（10）：959-971.

[6] V. Deemter， D. Buf. Simultaneous detection of lines and edges using compound gabor filters[J]. International Journal of Pattern Recognition and Artificial Intelligence， 2000， 14（6）：757-777.

【通聯(lián)編輯：王力】