注册。如图 1 所示，在注册过程中捕获个人的生物识别样本（例如，使用指纹传感器、语音识别麦克风、面部识别摄像头、虹膜识别摄像头）。然后从生物识别样本（例如图像）中提取独特特征，以创建用户的生物识别模板。此生物识别模板存储在数据库或机器可读的身份证中，以供后续比对过程使用。

匹配。图 2 演示了生物特征匹配过程。再次捕获生物特征样本。从生物特征样本中提取独特特征，以创建用户的“实时”生物特征模板。然后将此新模板与先前存储的模板进行比较，并根据两个模板之间共同元素的确定生成数值匹配（相似度）分数。系统设计者根据系统的安全性和便利性要求确定此验证分数阈值。

识别（一对多或 1:N 比较）通过将实时样本模板与系统中所有存储的模板进行比较，来确定该个体是否存在于已注册的群体中。识别可以确认该个体没有以其他身份注册，或者不在预定的禁止人员名单中。应将待注册个体的生物特征与所有存储的生物特征进行比较。对于某些凭证应用，在注册时会使用生物识别过程来确认该个体尚未注册。

验证（一对一或1:1比对）用于确定实时生物特征模板是否与特定的已注册模板记录匹配。这要求进行验证的人员“声明”身份，以便能够访问特定的已注册模板记录。一个例子是出示智能卡凭证，并将实时样本生物特征模板与存储在智能卡内存中的已注册模板进行匹配。另一个例子是输入用户名或ID号，这将指向数据库中的已注册模板记录。

选择合适的生物识别技术将取决于许多特定于应用程序的因素，包括执行身份识别或验证过程的环境、用户画像、匹配准确性和吞吐量要求、整体系统成本和能力，以及可能影响用户接受度的文化问题。下表显示了不同生物识别技术的比较，并根据几个指标对其性能进行了评级。

选择合适的生物识别技术的一个关键因素是其准确性。当实时生物识别模板与存储的生物识别模板进行比较时（在验证应用程序中），将使用相似度分数来确认或拒绝用户的身份。系统设计者会为该数值分数设置阈值（匹配或不匹配的决策点），以适应系统所需的匹配性能水平，这通过误接受率（FAR）和误拒绝率（FRR）来衡量。误接受率表示生物识别系统错误地验证某人或接受冒名顶替者的可能性。误拒绝率表示生物识别系统拒绝正确人员的可能性。生物识别系统管理员将调整系统对 FAR 和 FRR 的敏感度，以达到支持系统安全要求的所需匹配性能水平（例如，对于高安全性环境，调整以实现低 FAR 并容忍较高的 FRR；对于高便利性环境，调整以实现较高的 FAR 和较低的 FRR）。

使用多种生物识别模态可以克服单一生物识别模态在准确性和可用性方面的一些限制。多模态生物识别通过使用多个独立的生物识别测量来提高整体匹配准确性。例如，指纹测量值的相似度得分可以与手指静脉模式的独立测量值进行数学上的“融合”，从而提高对个人身份的置信度。 此外，多模态生物识别可以为那些无法提供一种模态的合适生物识别样本的个人提供解决方案。例如，可以选择提供指纹或虹膜进行身份验证。由于年龄、职业或健康状况导致指纹模式不清晰的人，可以选择注册并使用虹膜作为其首选生物识别模态。如果同时存在两种传感器，用户可以使用他们最适合的模态。在这种情况下，不存在独立生物识别测量的融合。 如图 3 所示，多生物识别系统可以整合来自多种模态、实例、算法、传感器、样本或这五者任意组合的信息。可以说，此类系统还可以包含其他信息来源，包括基于个人信息或旅行证件的信息。

生物识别和安全已成为自助服务不可或缺的一部分，华表示科技始终坚持安全是其底线，为用户提供安全高效的服务。有关公司及其产品的更多信息，请访问关于我们页面或通过以下方式联系：支持页面。