基于虹膜的人体特征识别方法研究

（3）

其中Ai和Bi为待比较的两端代码，+为异或运算，L为代码的长度。

将两幅虹膜图像的特征编码进行按位比较时，同一虹膜的不同时间提取的特征码，其 HD 分布的峰值将在 0.1 附近；而不同虹膜的特征码进行比对时，HD 分布的峰值将在 0. 5 附近。这里所说的分布的峰值是按位比较时，两段特征编码相应位相同的概率的最大值。因此，对已经得到的虹膜图像特征矩阵数组，首先要从中随机的选择一段 L 长度的代码（二进制），即随机选择代码段的起始位置。这里要注意的是，对于待识别的两段代码，起始位置要尽量一致。L 的值可随意设定，但 L 的值越大，匹配的时间越长，速度越满，识别的精度越高，匹配的正确率越大；反之，L 的值越小，匹配的时间越少，速度越快，识别的精度越低，匹配的正确率越小。本文中 L 的值设为 2048。

结果分析

精确性是最重要的一个性能指标，一般用识别率来表示，主要由拒判率、误判率和等误率来测定。

拒判率 FRR：也称错误拒读率或称错误不匹配率，表示授权人（合法的用户）不被准确承认（误认为冒名顶替者） 的程度。FRR 越大，系统越精确，安全性也越高，但宽容度越来越低，致使越来越多的合法用户被系统错误的拒绝。反之授权人越容易通过，未授权者也变得容易混入。FRR 实际上也是系统可接受性的重要指标。

误判率 FAR ：也称错误接收率或称错误匹配率，表示未授权的人（冒名顶替者）被确认成授权人（有效的个体）的程度。FAR 的值越小，说明未授权的人越无法通过，系统越安全。但是，授权人的通过将变得越发困难。如在对安全有严格要求的应用领域，可以运行在很小的 FAR 上。FRR 和 FAR 之间的关系如图 7 所示。

图7 拒判率和误判率之间的关系 实验结果表明，本文所设计的系统在精确性、识别速度上满足了实用的要求。