個人身分辨識的類型

隨著科技進步和社會變遷，身分辨識已成為保護個人安全及隱私的重 要議題，本節針對身分辨識的種類進行探討，並分析現階段已實現的方法 及其優缺點，以下為學者們針對身分辨識所提出的概念和實施方法，主要 分為傳統與生物特徵兩種。

2.1.1 以傳統的方式

傳統身分認證通常以密碼、鑰匙、智慧卡或是證件確認等人工的方式 進行，其優缺點如下。

(1) 優點：便於攜帶、直接準確。

(2) 缺點：坊間有許多針對傳統身分認證進行破解(仿造與竊取特徵，如 鑰匙、智慧卡等)的方法[3]，因此安全性較低。

8

2.1.2 以生物特徵為基礎

本研究主要是以生物特徵為基礎的辨識系統，其方法為透過電腦收集 光學、聲學與生物感測器等資訊，透過程式處理，將人類固有的生理特徵，

如臉部、手部、虹膜、DNA、靜脈血管等，和固有的行為，如筆跡，聲 音，手勢，簽名等特徵資訊[4]，轉換成特徵資料後存入電腦，以做為後 續辨識的依據條件。以下幾項是以生物特徵為基礎的身分辨識方法：

1. 掌紋辨識(Palmprint recognition)

掌紋與指紋辨識的概念相似，都是以個人因基因不同所產生身體上獨 有的紋路特徵，作為辨識的依據，其辨識率可達 97%[5]，並且廣泛用 於商業上。掌紋辨識系統的辨識率雖高，但有侵犯隱私權的問題，故 本辨識方法較適用於特殊場合之進出入管制。

2. 指紋辨識(Fingerprint recognition)

指紋辨識跟掌紋辨識方法類似，掌紋是利用手掌的紋路特徵作為辨識 的依據，而指紋只針對手指紋路的特徵，這兩中方法都有辨識率雖高，

但有接觸式與侵犯隱私權的缺點存在。

3. 人臉辨識(Face recognition)

人臉辨識主要是利用影像中人類臉部位輪廓中五官的幾何位置及距 離，做為比對的特徵依據，而臉部辨識可分為，可見光譜、紅外光譜 與混合式三種，於可見光較常見的辨識的方法有，以特徵臉（Eigen Face）基礎的人臉辨識[6]、另外以紋路與深度為基礎的人臉辨識[7]

及主成分分析（Principal Component Analysis, PCA）[8]等方法，不過 上述的方法易受環境光源變化所影響，而紅外光譜之人臉辨識主要以 人臉溫度特徵為主，故不受環境光源所影響[9-10]，並具備獨特性與 不易偽造的好處，最後有混合式的方法，將可見光與紅外光搭配進行 辨識的作業，各取所長，進而提升辨識的效能[11-13]。

9

4. 視網膜辨識(Retina recognition)

本辨識方法主要是利用眼球後方，於視網膜與脈絡膜上血管分佈的特 徵作為辨識依據。其辨識成功率很高，但礙於儀器昂貴與操作不易，

因此本研究無採用。

5. 虹膜辨識(Iris recognition)

本方法主要透過萃取眼球中虹膜影像的特徵，在影像經過一連串處理 之後(填補破洞、邊緣偵測、虹膜影像萃取、二值化)得到有依據的個 人身分特徵條件利於辨識[14]。

6. 語音辨識(Voice recognition)

語音辨識主要是應用個人的聲音獨特性（意指每個人所發出的聲音特 徵都不同），透過麥克風取得類比聲音訊號，送往音頻數位化設備轉 換為數位訊號後存入電腦進行分析，並且將分析好的個人聲音特徵資 料存入電腦中，以利後續比對使用。不過辨識的成功率會因為外在因 素的干擾與影響而降低，比如在吵雜環境或周圍有人談話等場所，因 此本方法須於安靜無聲的場所下進行，才能得到較高的辨識率。

7. 靜脈辨識(Vein recognition)

靜脈辨識可分為手掌與手指兩種方法，其最大的好處在於不容易被偽 造，即使手部塗上顏料都不會影響其辨識率[15]。

8. 結合人體量測(Integration Anthropometric Measurements)

人體量測通常運用人體的型態與特徵作為辨識依據，通常為混合式的 辨識方法，相關應用如性別分辨等；有學者提出使用機器人加上攝影 機與雷射掃描器，透過演算法計算取得人體腿部特徵與人臉特徵後，

進行人體的偵測與追蹤[16]，本研究屬於非接觸式的多重人體特徵量 測系統。

10

綜合以上辨識的方法，其型態與優缺點的比較如下表 2-1 所示：

表 2-1 各身分辨識比較

辨識技術 特徵點 接受度 適用領域 FRR FAR

靜脈 靜脈分部圖像的紋路 容易 整體 0.01% 0.0001%

指紋 手指指紋的特徵點 心理抵抗 整體 0.5% 0.001%

掌型 手的大小、長短、厚薄或比例 容易 門禁 0.15% 0.15%

臉部 臉的輪廓、眼睛鼻子的形狀及配置 容易 整體 1% 1%

虹膜 眼睛虹彩的放射狀紋路圖樣 抗拒感 整體 2.8% 0%

聲音 說話者的聲音特徵 容易 語音客服 1% 0.1%

簽名 簽名的字體及簽名時的筆順、手勁 容易 PC 0.2% 0.6%

其他 耳朵形狀、氣味、指甲、DNA 等

資料來源：由日本自動認識システム協會 HP 整理[17]

其中，FRR (False Rejection Rate)為錯誤拒絕率，FAR (False Acceptance Rate)為錯誤接受率。經文獻分析後，本研究欲使用臉部熱影像萃取臉部 溫度特徵，搭配雷射掃描萃取人體尺寸特徵後，結合專家系統，組成一套 非接觸式、不易受到外界環境干擾(如光、聲音等)、計算量較小、穩定和 有效的人體多重特徵之身分辨識系統，詳細的運作方法請參考第三章。