獨一無二的身體特徵——生物辨識起源與演進｜科技大補帖｜善 ...

而發展最成熟且實際運作的辨識系統則大都使用指紋、人臉與虹膜等三項特徵。

生物辨識技術（biometrics）泛指利用生物特徵之比對來達成識別身分的方法。

分享 關閉 複製 關於基金會AboutUs▼▲ 本會宗旨 組織架構 董事介紹 交通位置 聯絡我們 網站地圖 最新消息News▼▲ 活動快訊 新聞稿 媒體報導 善科文集 本會公開資料 活動專區Activities▼▲ 善哥聊天室 善科校園講座 科技大補帖 偏鄉科技教育 iWant 其他活動 影音專區Media▼▲ 活動照片 活動影音 競賽作品 加入我們JoinUs▼▲ 志工招募 實習工讀機會 活動報名SignUp 捐款支持Donate▼▲ 我要捐款 捐款方式 捐款Q&A 企業合作 捐款明細 我要捐物 FACEBOOK INSTAGRAM YOUTUBE 分享網站 網站地圖 Previous Next 科技大補帖 eLearning 首頁 活動專區 科技大補帖 善哥聊天室 善科校園講座 科技大補帖 偏鄉科技教育 iWant 其他活動 志工活動 徵文/競賽 科技青年培育 Previous Next 獨一無二的身體特徵——生物辨識起源與演進 2021.09.03 黃炳森／銘傳大學電子工程學系教授、英國UniversityofSouthampton電子與計算機科學博士、美國電子電機工程師協會（IEEE）SeniorMember。

  根據日常生活經驗，在每天所接觸的人群當中，我們可以依據五官接收到這些人的外在資訊（影像、聲音或氣味等），輕易地識別出自己的親友。

仔細想想，我們究竟是如何處理這些資訊，並做成正確的判斷？這些經由人類五官所接收到的人體外在資訊，稱為生物特徵。

生物特徵的分類大致可區分為生理特徵（physiologicalcharacteristics）與行為特徵（behavioralcharacteristics）。

常見的生理特徵包括指紋、人臉、虹膜、靜脈、掌紋及掌形等，又稱為靜態的特徵；行為特徵涵蓋聲紋、心跳、步態及簽名等，則屬於動態的特徵。

圖一為科學界普遍用來識別身分所使用的生物特徵。

而發展最成熟且實際運作的辨識系統則大都使用指紋、人臉與虹膜等三項特徵。

生物辨識技術（biometrics）泛指利用生物特徵之比對來達成識別身分的方法。

  ▲圖一：辨識個人身分常用的生物特徵。

圖片來源／Pixabay，圖片提供／《科學月刊》   驗證或識別 利用獨一無二的生物特徵，我們可以辨識出個人的身分。

在實際比對時，辨識（recognition）將區分成兩種模式：「驗證（authentication）」與「識別（identication）」。

通常在設計生物特徵辨識系統之前，必須先行決定所採取的辨識模式。

「驗證」屬於一對一的比對，先由擷取裝置（如指紋掃描器）取得使用者之生物特徵，再由系統將事先儲存之該人特徵與此資訊進行比對。

「識別」則歸類於一對多的比對，則是在使用者提供個人特徵資訊後，接著系統在龐大的生物特徵資料庫內進行搜尋比對，找出最佳的比對結果，最後確認身分。

「驗證」模式的比對速度快且準確性高，不需建立資料庫。

「識別」模式則需事先建立資料庫，比對速度較慢且準確性略差。

為了提高準確性，「識別」模式通常需結合多項生物特徵進行交叉比對以降低誤判率，例如指紋與人臉。

圖二所示為一般的「生物辨識系統架構」。

首先，系統需先藉助擷取裝置（如攝影機或麥克風等）取得受測者的生物特徵（指紋、人臉或語音等），接著再經由演算法從中萃取出利於比對的特徵（feature）。

之後的運作方式可以分成兩個階段：註冊階段（enrollmentstage）與辨識階段（recognitionstage）。

  ▲圖二：生物辨識系統架構。

  1.註冊階段：系統在取得欲建檔的個人特徵後，會將其儲存至資料庫中，同時賦予一個相對應於該人的識別碼。

2.辨識階段：系統在取得受測人的生物特徵後，首先萃取其特徵（feature）集合，接著根據辨識工作為「驗證」或「識別」，再與資料庫當中的資料進行一對一或一對多的比對，最後按照設定的標準決定比對結果。

  起源及演進 生物辨識技術發展的構想起源在於，人類具有藉由個人外在的靜態或動態生物特徵，識別出特定人員身分的能力。

根據這個推理基礎，科學家們即開始設計演算法與利用計算機來發展生物辨識技術，設法從各種不同的生物特徵當中，萃取出足以區分每個人不同身分的唯一特性並進行識別。

設定的目標為，希望將來能讓電腦具有超越人類的能力，可以藉由蒐集到的個人生物特徵，自動判斷出正確的身分。

生物辨識的起源可以追溯至1869年於英國通過的慣犯法案（HabitualCriminalsAct）。

該法案要求所有的犯罪者都必須留下可以辨識身分的記錄（如照片、疤痕及外觀特徵等）。

若將來以此記錄來比對身分為再犯者，將會被加重刑罰。

在1896年，法國的貝迪永（AlphonseBertillon）警官（如圖三所示）進一步設計了一個方式。

他利用較精準的人工丈量法，量測與記錄犯罪者的資料（如身高、體重、臂長、頭圍與膚色特徵等），以便將來進行比對。

然而，因為此系統的記錄過程繁瑣且易出錯，很快地就被人工比對指紋的方法所取代。

指紋辨識技術的興起則要歸功於高爾頓（FrancisGalton）爵士等3位專家的貢獻，他們在1892年分析蒐集到的指紋檔案，並找出許多特定紋路的唯一性。

這些特徵也都成為爾後開發自動指紋辨識系統的重要參考。

這些珍貴資料都記錄於《指紋》（FingerPrints）一書當中。

根據文獻記載，最早利用生物特徵進行自動辨識身分的研究可回到1963年，由陶溫（MitchellTrauring）在國際知名的《Nature》期刊所發表關於自動指紋比對的論文。

其他的生物特徵，如語音、人臉及簽名等識別技術，也在1960年代開始萌芽。

經過了50多年的發展，同時拜電腦軟硬體技術進步之賜，生物辨識技術現已開花結果，並衍生出不同的分枝。

同時，已有許多實際的應用，如指紋與人臉辨識系統，出現於各大國際機場，擔任海關出入境旅客身分認證的重要工作。

  ▲圖三：法國貝迪永警官個人資訊。

圖片來源／Wikipedia，圖片提供／《科學月刊》   指紋辨識技術 指紋出現在我們每隻手指末端的指腹表面，由於皮膚的凹凸起伏所形成的紋路。

通常產生的方式為手指在物體上按壓後所留下的印痕。

由於每個人的指紋都是獨一無二，而且不會隨著年齡增長而改變，所以適合用來從事個人身分辨識。

我國採用之指紋分類是依美國聯邦調查局（FBI）所採用之八大類型分析法，基本上指紋可依其形狀分成三大類，即弧形類、箕形類及斗形類；而每一類可再細分為幾種類型，共計有8種紋形。

指紋識別技術通過分析指紋可測量的特徵點，再從中抽取特徵值，然後進行比對及身分辨識。

指紋辨識概念的起源可以來到1858年，當時一名派駐印度的英國官員赫歇爾（WilliamHerschel），為了建立法庭上與政府進行商業交易的誠實制度，要求當地的商人康尼（RajyadharKonai）在合約書上蓋上手掌印及指印以示負責。

然而，第一次實際運用指紋資料的為一位阿根廷警官，他於1891年啟動了罪犯需紀錄指紋的機制。

而且，他在1892年將指紋作為謀殺案的其中一項證據。

另外，在1901年，英國的蘇格蘭警場（ScotlandYard）也開始利用指紋來辦案。

英國政府則從1902年開始，正式將指紋當作辨識罪犯身分的證據。

此外，美國國會在1924年授權司法部，對所有逮捕的嫌犯建立指紋檔案。

同時，這也為FBI將來建置指紋辨識系統奠定基礎，開始蒐集十隻手指的指紋資料。

利用長時間建立的指紋資料庫，FBI在西元1970年代開始籌建自動指紋辨識系統（AFIS）。

初期仍須由專家以人工方式挑出指紋特徵點及下達最後的決定，只將中間的比對工作交給電腦自動化處理。

經過多年的發展，到2008年FBI實施的NGI計畫與印度政府在2009年推行的UIDAI計畫，指紋辨識系統才達到幾乎完全自動化的程度。

指紋辨識技術的發展速度，除了與比對演算法有關外，同時也受擷取指紋裝置的科技進展所影響。

例如，由於半導體技術的進步，今日的智慧型手機已經可以使用指紋來解鎖及完成電子支付（ApplePay與AndroidPay）。

  人臉辨識技術 雖然以人臉來辨識彼此是人類與生俱來的基本能力，但是若要讓電腦也能具備此功能，則有賴科學家長期的研究與開發相關軟硬體技術。

利用電腦來辨識人臉的研究始於1964～1966年，由布萊索（WoodrowBledsoe）及其同事所執行。

此方法需先以人工方式在2張人臉照片上的相對應特點進行定位，接著才將設計的20種距離數據之比對工作交給電腦。

至於能自動擷取臉部特點位置的方法則是由金出（TakeoKanade）教授在1973年的博士論文中所提出來的。

早期的人臉辨識系統大都使用臉部特點位置的幾何距離來進行相似度比對。

特克（MatthewA.Turk）與潘特南（Pentland）則在1991年直接利用整張人臉外觀來比對。

他們利用統計分析方法，將人臉影像轉換成具有鑑別度的特徵向量，以提高比對準確度。

類似的改良方法，之後在1996與1997年也分別由佩尼夫（PenioS.Penev）及貝呂默（PeterN.Belhumeur）之研究團隊所提出。

這些方法雖然正確性極高，但易受髮型、眼鏡及蓄鬍等影響，進而影響辨識效能。

因此，威斯克特（LaurenzWiskott）等學者從1997年開始建立人臉的二維或三維模型，並將擷取的臉部各特點位置先套用到模型中，再進行人臉辨識。

通常人臉辨識的前置處理工作為人臉偵測，從影像中找出人臉的所在位置，而對齊整張人臉的依據為兩眼的位置。

科學界最常用的方法是由維歐拉（PaulViola）與瓊斯（MichaelJ.Jones）在2004年所提出，可以在雜亂的影像中即時地找出人臉。

近年來，由於人工智慧技術的蓬勃發展，另類的深度學習（deeplearning）方法也從2014年由孫禕（YiSun）等開始應用於人臉辨識，可以讓專家不需煩惱如何事先從人臉影像中找出特徵點，直接將人臉影像交給深度學習網路處理即可。

正如同指紋辨識技術的發展進度，人臉辨識技術同時也受半導體科技的進展所影響。

尤其從1990年代初期開始，數位相機的出現，其功能與速度與日俱進，已經快逼近人眼的效能。

現代的個人電子裝置，如電腦、智慧型手機或穿戴式裝置等，皆已大都配備了數位相機。

配合人臉辨識技術，各國現在儼然進入了「刷臉時代」，不但可以使用人臉來完成電子支付，同時也被用來監控反恐，在機場或車站辨識可疑份子。

  虹膜辨識技術 由於人類眼睛的虹膜區域具有豐富的紋理資訊，所以也可以用來進行身分辨識。

最早的構想是由前述的法國貝迪永警官在西元1886年所提出的，他利用虹膜紋理及顏色來區分個人身分。

此外，第一個虹膜辨識系統的專利出現於1987年，弗洛（LeonardFlom）與賽非爾（AranSafir）將影像擷取、特徵萃取及比對等步驟設計了完整的處理過程。

然而，第一個真正可以運作的辨識系統則是在1993年由道格曼（JohnDaugman）所開發出來。

但是一直到2001年，才由阿拉伯聯合大公國（UAE）建置實際的系統並使用於入出境管制。

接著，荷蘭政府於2003年在阿姆斯特丹國際機場開始使用虹膜識別技術。

同時期的英國、美國及加拿大等國也陸續啟用此項生物特徵作為通關管制。

另一方面，為了管理全國人民的戶籍，許多人口大國如印度、墨西哥及印尼等，也接連在2009、2010與2011年先後開始建置全國性的大型國民身分資料庫，並將虹膜資料登錄為其中一項個人資料。

隨著影像感測器技術的不斷進步，虹膜影像資料的擷取難度也隨之大幅降低，這也使得虹膜辨識系統的建立日趨容易。

例如，沙諾夫（Sarnoff）公司在2006年所開發的裝置，可以在3公尺遠的距離也能擷取到受測者的虹膜資料。

另外，在2013年，兩家公司（AOptix與Delta-ID）也聲稱已經能以智慧型手機拍到清楚的虹膜影像。

當然，所有虹膜資料的採樣都必須是在受測者全力配合之下才能進行。

  其他生物特徵辨識技術 除了前述之指紋、人臉與虹膜等三項辨識技術的發展之外，科學界也致力於其他幾種生物特徵辨識技術的研究。

例如，人耳（ear）、步態（gait）、掌形（handgeometry）與指靜脈等。

近十幾年來，許多專家利用人耳的外觀、結構與型態當作生物特徵進行辨識的研究。

與前述的三項生物特徵相比，人耳的特徵相對穩定，不像人臉易受表情變化與取像方位影響。

而且，其特徵擷取不須如指紋與虹膜一般，需要受測者全力合作才能完成。

同樣的因素也引發了學者的興趣，開始開發步態的生物特徵辨識技術。

由於在心理學的研究證實，人類可以根據某人行走的步態，分辨出該人的性別與身分，更加強了他們的信心。

但是，基於許多原因，目前的這兩項生物特徵辨識技術，仍只停留在研究階段。

顧名思義，掌形就是手掌的幾何結構。

而這個結構包括指間寬度、掌寬度與厚度、各手指長度與手掌輪廓等。

根據統計，雖然這些資訊並無法當作識別的特徵，但是仍然可以拿來進行身分驗證。

此外，因為指靜脈的紋路具有類似特性，在臺灣，中國信託已使用這項生物特徵辨識技術，作為ATM無卡提款的客戶身分驗證工具。

  未來方向與展望 基於安全考量，現代社會中的許多場所都需要能即時且準確地辨識出個人身分，例如金融交易、犯罪鑑識、海關查驗、門禁管制及電腦資安等。

而通常使用的工具為身分證件、提款卡或密碼等。

然而，這些工具很容易遭到有心人士的偽造與盜用，造成衍生的治安事件層出不窮，讓當事人或單位蒙受極大的損失。

由於生物特徵因人而異且無法偽造，所以在某些場合已逐漸被選擇來搭配前述工具一起使用。

例如，許多歐美國家的海關查驗工作，現在已經是採取以護照搭配指紋甚至人臉的多重驗證方式。

然而，以生物特徵當作身分辨識工具的崛起，並不代表著可以完全取代密碼或個人證件，因為生物特徵的擷取與比對仍存在著一些限制與缺點。

例如，目前大部份的生物特徵辨識演算法，在某些特殊狀況下（如孿生兄弟的人臉區別），並無法達成100%的正確率。

因此，實際的身分認證系統若能將生物特徵與密碼或個人證件一起組合使用，才是目前較佳與安全的選擇。

科技的進步日新月異，相信生物辨識技術一定會朝向更安全的方向發展，讓我們享受便利的生活。

  延伸閱讀 1.A.K.Jain,K.NandakumarandA.Ross,50yearsofBiometricResearch:Accomplishments,Challenges,andOpportunities,PatternRecognitionLetters,Vol.79:80-105,2016. 2.M.Trauring,Automaticcomparisonoffingerridgepatterns,Nature,Vol.197:938-940,1963   ⇠上一篇：難以偽造的辨識認證——手掌與手指靜脈特徵辨識 推動第五次工業革命的量子資訊：下一篇⇢ 分享文章：   ©2019SanCodeFoundation.AllRightsReserved.