現在常用的個人識別的方法

Ⅰ 最先進的個人識別系統是什麼

如果單從技術角度考慮先進性（既技術難度）應該是DNA和音頻。
不過作為人體的生物識別方式，不好說那種最好，指紋識別有點是方便，但不是特別安全，指紋容易被復制。虹膜（並非視網膜）識別的技術和指紋識別類似，不過不是很方便快捷，但不容易被復制。這種圖形識別的還有一種新進出現的方式，就是靜脈紅外識別，克服了上述兩種方式的缺點，比較先進。

音頻識別的做到很准確是比較困難的，如果做好了，是很方便和安全的。

DNA當然是很准確的了，不過不方便使用，也不安全。

採用哪種方式的生物識別系統，要看是在什麼應用上。

Ⅱ 怎樣快速有效識別人臉，記住人名

很多人都有臉盲，看到一個人以後不知道叫他什麼，所以面對各種各樣的人，我們要有效快速的記住他的名字，我們就是要從這個人的臉上去找特點，比如說他的鼻子，他的眼睛，他的耳朵，甚至是他的頭發都是可以的。

我以前也是記不住人的，每次回家面對各種各樣的親戚，有的時候都會叫錯。有一次我回家，把一個長輩叫成了自己的老表。當時我的爸媽罵了我一頓，自那以後，我就決定，我要記住人。

所以每當面對一個陌生人的時候，我都會找他們臉上的特點，比如說他的臉上有一塊斑或者是一顆痣，從這些小細節就能夠記住了，每當遇到陌生人，我都會這么處理。後來我就再也沒有叫錯過人，那感覺還是挺有用的。

Ⅲ 有誰知道目前指紋識別有幾種方式嗎

指紋識別技術主要涉及四個功能：讀取指紋圖象、提取特徵、保存數據和比對。在一開始，通過指紋讀取設備讀取到人體指紋的圖象，取到指紋圖象之後，要對原始圖象進行初步的處理，使之更清晰。接下來，指紋辨識軟體建立指紋的數字表示——特徵數據，一種單方向的轉換，可以從指紋轉換成特徵數據但不能從特徵數據轉換成為指紋，而兩枚不同的指紋不會產生相同的特徵數據。有的演算法把節點和方向信息組合產生了更多的數據，這些方向信息表明了各個節點之間的關系，也有的演算法還處理整幅指紋圖像。總之，這些數據，通常稱為模板，保存為1K大小的記錄。無論它們是怎樣組成的，至今仍然沒有一種模板的標准，也沒有一種公布的抽象演算法，而是各個廠商自行其是。 最後，通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果。

我們手掌及其手指、腳、腳趾內側表面的皮膚凸凹不平產生的紋路會形成各種各樣的圖案。這些紋路的存在增加了皮膚表面的摩擦力，使得我們能夠用手來抓起重物。人們也注意到，包括指紋在內的這些皮膚的紋路在圖案、斷點和交叉點上各不相同，也就是說，是唯一的。依靠這種唯一性，我們就可以把一個人同他的指紋對應起來，通過對他的指紋和預先保存的指紋進行比較，就可以驗證他的真實身份。這種依靠人體的身體特徵來進行身份驗證的技術稱為生物識別技術，指紋識別是生物識別技術的一種。 目前，從實用的角度看，指紋識別技術是優於其他生物識別技術的身份鑒別方法。這是因為指紋各不相同、終生基本不變的特點已經得到公認，近二三十年的警用指紋自動識別系統的研究和實踐為保安指紋自動識別打下了良好的技術基礎。特別是現有的指紋自動識別系統已達到操作方便、准確可靠、價格適中的階段，是實用化的生物測定方法。

指紋是指手指末端正麵皮膚上凸凹不平產生的紋路。這些紋路的存在增加了皮膚表面的摩擦力，使得我們能夠用手來抓起重物。盡管指紋只是人體皮膚的一小部分，但是，它蘊涵大量的信息。這些皮膚的紋路在圖案、斷點和交叉點上是各不相同的，在信息處理中將它們稱作"特徵"，這些特徵每個手指都是不同的。依靠特徵的惟一性，我們就可以把一個人同他的指紋對應起來，通過比較他的指紋特徵和預先保存的指紋特徵，就可以驗證他的真實身份。

指紋自動識別系統通過特殊的光電轉換設備和計算機圖像處理技術，對活體指紋進行採集、分析和比對，可以自動、迅速、准確地鑒別出個人身份。系統一般主要包括對指紋圖像採集、指紋圖像處理、特徵提取、特徵值的比對與匹配等過程。現代電子集成製造技術使得指紋圖像讀取和處理設備小型化，同時飛速發展的個人計算機運算速度提供了在微機甚至單片機上可以進行指紋比對運算的可能，而優秀的指紋處理和比對演算法保證了識別結果的准確性。

在計算機系統中，指紋識別可以用於開機登錄身份確認，遠程網路資料庫的訪問許可權及身份的確認，銀行儲蓄防冒領及通存通兌的加密方法，保險行業中投保人的身份確認，期貨證券提款人的身份確認，醫療衛生系統中醫療保險人的身份確認等等.如將指紋信息記錄在特殊用途的卡上，通過現場比對，可以防止冒充等欺詐行為。例如：信用卡、醫療卡、會議卡、儲蓄卡、駕駛證、准考證、護照防偽等。

計算機指紋自動識別技術正在從科幻小說和好萊塢電影中走入我們實際生活中，也許有一天，您不必隨身攜帶那一串鑰匙，只需手指一按，門就會打開；也不必記住那煩人的密碼，利用指紋就可以提款、計算機登錄。相信這一天，不會太遠。

指紋識別技術的原理

指紋識別技術主要涉及四個功能：讀取指紋圖象、提取特徵、保存數據和比對。在一開始，通過指紋讀取設備讀取到人體指紋的圖象，取到指紋圖象之後，要對原始圖象進行初步的處理，使之更清晰。接下來，指紋辨識軟體建立指紋的數字表示——特徵數據，一種單方向的轉換，可以從指紋轉換成特徵數據但不能從特徵數據轉換成為指紋，而兩枚不同的指紋不會產生相同的特徵數據。有的演算法把節點和方向信息組合產生了更多的數據，這些方向信息表明了各個節點之間的關系，也有的演算法還處理整幅指紋圖像。總之，這些數據，通常稱為模板，保存為1K大小的記錄。無論它們是怎樣組成的，至今仍然沒有一種模板的標准，也沒有一種公布的抽象演算法，而是各個廠商自行其是。

最後，通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果。

指紋其實是比較復雜的。與人工處理不同，許多生物識別技術公司並不直接存儲指紋的圖象。多年來在各個公司及其研究機構產生了許多數字化的演算法（美國有關法律認為，指紋圖象屬於個人隱私，因此不能直接存儲指紋圖象）。但指紋識別演算法最終都歸結為在指紋圖象上找到並比對指紋的特徵。

指紋的特徵

我們定義了指紋的兩類特徵來進行指紋的驗證：總體特徵和局部特徵。總體特徵是指那些用人眼直接就可以觀察到的特徵，包括：

基本紋路圖案 環型（loop）, 弓型（arch）, 螺旋型（whorl）。其他的指紋圖案都基於這三種基本圖案。僅僅依靠圖案類型來分辨指紋是遠遠不夠的，這只是一個粗略的分類，但通過分類使得在大資料庫中搜尋指紋更為方便。

模式區（Pattern Area）模式區是指指紋上包括了總體特徵的區域，即從模式區就能夠分辨出指紋是屬於那一種類型的。有的指紋識別演算法只使用模式區的數據。 Aetex 的指紋識別演算法使用了所取得的完整指紋而不僅僅是模式區進行分析和識別。

核心點（Core Point）核心點位於指紋紋路的漸進中心，它用於讀取指紋和比對指紋時的參考點。

三角點（Delta）三角點位於從核心點開始的第一個分叉點或者斷點、或者兩條紋路會聚處、孤立點、折轉處，或者指向這些奇異點。三角點提供了指紋紋路的計數和跟蹤的開始之處。

式樣線（Type Lines）式樣線是在指包圍模式區的紋路線開始平行的地方所出現的交叉紋路，式樣線通常很短就中斷了，但它的外側線開始連續延伸。

紋數（Ridge Count）指模式區內指紋紋路的數量。在計算指紋的紋數時，一般先在連接核心點和三角點，這條連線與指紋紋路相交的數量即可認為是指紋的紋數。

局部特徵 局部特徵是指指紋上的節點。兩枚指紋經常會具有相同的總體特徵，但它們的局部特徵--節點，卻不可能完全相同 節點（Minutia Points）指紋紋路並不是連續的，平滑筆直的，而是經常出現中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為"節點"。就是這些節點提供了指紋唯一性的確認信息。

指紋上的節點有四種不同特性：

1. 分類 - 節點有以下幾種類型，最典型的是終結點和分叉點

A. 終結點（Ending） -- 一條紋路在此終結。

B. 分叉點（Bifurcation） -- 一條紋路在此分開成為兩條或更多的紋路。

C. 分歧點（Ridge Divergence） -- 兩條平行的紋路在此分開。

D. 孤立點（Dot or Island） -- 一條特別短的紋路，以至於成為一點

E. 環點（Enclosure） -- 一條紋路分開成為兩條之後，立即有合並成為一條，這樣形成的一個小環稱為環點

F. 短紋（Short Ridge） -- 一端較短但不至於成為一點的紋路，

2. 方向（Orientation） -- 節點可以朝著一定的方向。

3. 曲率（Curvature） -- 描述紋路方向改變的速度。

4. 位置（Position） -- 節點的位置通過（x,y）坐標來描述，可以是絕對的，也可以是相對於三角點或特徵點的。

Ⅳ 個人識別的介紹

個人識別（personal identification）就屍體或活體辨別該個體是誰，或是否與某個體是同一個人，是偵查破案、撫恤賠償的重要環節，方法主要有四種：直接辨認法、法醫物證學方法、法醫學親子鑒定方法、其他技術方法。

Ⅳ 在人臉識別軟體系統識別的過程中，對於人臉檢測，現在主流的方法都基本有啥可以的話詳細介紹一下吧。

基於知識的方法

基於知識的方法（Knowledge-Based Methods）一是基於規則的人臉檢測方法。規則來源於研究者關於人臉的先驗知識。一般比較容易提出簡單的規則來描述人臉特徵和它們的相互關系。

Yang和Huang使用分層的基於知識的人臉檢測方法[11]。他們的系統由3級規則組成。在最高級，通過掃描輸入圖像的窗口和應用每個位置的規則集找到所有可能的人臉候選區。較高級的規則通常描述人臉看起來象什麼，而較低級的規則依賴於面部特徵的細節。多解析度的分層圖像通過平均和二次采樣生成，如圖2所示。

編碼規則通常在較低的解析度下確定人臉的候選區，包括人臉的中心部分圖中較淺的陰影部分，其中有個基本上相同的灰度單元。

基於特徵的方法

基於特徵的方法（Feature-Based Methods）不僅可以從已有的面部特徵而且可以從它們的幾何關系進行人臉檢測。和基於知識的方法相反，它是尋找人臉的不變特徵用於人臉檢測。人們已經提出了許多先檢測人臉面部特徵，後推斷人臉是否存在的方法。面部特徵如眉毛、眼睛、鼻子、嘴和發際等，一般利用邊緣檢測器提取。根據提取的特徵，建立統計模型描述特徵之間的關系並確定存在的人臉。基於特徵的演算法存在的問題是，由於光照、雜訊和遮擋等使圖像特徵被嚴重地破壞，人臉的特徵邊界被弱化，陰影可能引起很強的邊緣，而這些邊緣可能使得演算法難以使用。

模板匹配的方法

Sakai等人用眼睛、鼻子、嘴和人臉輪廓等子模板建模，檢測照片中的正面人臉。每一個子模板按照線分割定義。基於最大梯度變化提取輸入圖像的線，然後與子模板匹配。計運算元圖像和輪廓模板之間的相互關系檢測人臉的候選區域，完成用其他子模板在候選區域的匹配。

Craw等人提出了一種基於正面人臉的形狀模板即人臉的外形定位方法。用Sobel運算元提取邊緣，將邊緣組織在一起，根據幾個約束條件去搜索人臉模板。在頭輪廓定位。

Govindaraju等人提出兩個階段的人臉檢測方法。人臉模型根據邊緣定義的特徵構成。這些特徵描述了正面人臉的左邊、發際和右邊的曲線。人臉必須是垂直、無遮擋和正面的。

基於外觀的方法

基於外觀的方法首先通過學習，在大量訓練樣本集的基礎上建立一個能對人臉和非人臉樣本進行正確識別的分類器，然後對被檢測圖像進行全局掃描，用分類器檢測掃描到的圖像窗口中是否包含人臉，若有則給出人臉所在的位置。

Moghaddam和Pentland提出在高維空間利用特徵空間分解密度估計的概率視覺學習方法[12]。用主成分(PCA)分析來定義子空間從而最好地表示人臉模式集。主成分保存數據中主分量而丟棄了那些次分量。這種方法把向量空間分解為互相排斥和互為補充的2個子空間主子空間或特徵空間和它的正交子空間。因此對象密度被分解為個2成分在主子空間由主分量張成的密度，和它的垂直成分(在標準的PCA中被丟棄的次分量)如圖3所示。用多變數Gaussians和混合Gaussians密度分布進行學習人臉局部特徵的統計。然後將這些概率密度用於基於最大

似然估計的對象檢測。這種方法已經被用於人臉定位、編碼和識別。和傳統的特徵臉方法相比，此方法在人臉識別方面表現出更好的性能。

可以的話去Ph一下colorreco，技術過硬，值得我們大家學習。

Ⅵ 人臉識別技術小知識有哪些

人臉識別技術是指利用分析比較的計算機技術識別人臉。人臉識別是一項熱門的計算機技術研究領域，其中包括人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整曝光強度等技術。

人臉識別技術屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。

(1)人臉檢測

面貌檢測是指在動態的場景與復雜的背景中判斷是否存在面像，並分離出這種面像。一般有下列幾種方法：

①參考模板法

首先設計一個或數個標准人臉的模板，然後計算測試採集的樣品與標准模板之間的匹配程度，並通過閾值來判斷是否存在人臉；

②人臉規則法

由於人臉具有一定的結構分布特徵，所謂人臉規則的方法即提取這些特徵生成相應的規則以判斷測試樣品是否包含人臉；

③樣品學習法

這種方法即採用模式識別中人工神經網路的方法，即通過對面像樣品集和非面像樣品集的學習產生分類器；

④膚色模型法

這種方法是依據面貌膚色在色彩空間中分布相對集中的規律來進行檢測。

⑤特徵子臉法

這種方法是將所有面像集合視為一個面像子空間，並基於檢測樣品與其在子空間的投影之間的距離判斷是否存在面像。

值得提出的是，上述5種方法在實際檢測系統中也可綜合採用。

(2)人臉跟蹤

面貌跟蹤是指對被檢測到的面貌進行動態目標跟蹤。具體採用基於模型的方法或基於運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。

(3)人臉比對

面貌比對是對被檢測到的面貌像進行身份確認或在面像庫中進行目標搜索。這實際上就是說，將采樣到的面像與庫存的面像依次進行比對，並找出最佳的匹配對象。所以，面像的描述決定了面像識別的具體方法與性能。主要採用特徵向量與面紋模板兩種描述方法：

①特徵向量法

該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然後再計算出它們的幾何特徵量，而這些特徵量形成一描述該面像的特徵向量。

②面紋模板法

該方法是在庫中存貯若干標准面像模板或面像器官模板，在進行比對時，將采樣面像所有象素與庫中所有模板採用歸一化相關量度量進行匹配。此外，還有採用模式識別的自相關網路或特徵與模板相結合的方法。

人臉識別技術的核心實際為「局部人體特徵分析」和「圖形/神經識別演算法。」這種演算法是利用人體面部各器官及特徵部位的方法。如對應幾何關系多數據形成識別參數與資料庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低於1秒。

識別過程

一般分三步：

(1)首先建立人臉的面像檔案。即用攝像機採集單位人員的人臉的面像文件或取他們的照片形成面像文件，並將這些面像文件生成面紋(Faceprint)編碼貯存起來。

(2)獲取當前的人體面像。即用攝像機捕捉的當前出入人員的面像，或取照片輸入，並將當前的面像文件生成面紋編碼。

(3)用當前的面紋編碼與檔案庫存的比對。即將當前的面像的面紋編碼與檔案庫存中的面紋編碼進行檢索比對。上述的「面紋編碼」方式是根據人臉臉部的本質特徵和開頭來工作的。這種面紋編碼可以抵抗光線、皮膚色調、面部毛發、發型、眼鏡、表情和姿態的變化，具有強大的可靠性，從而使它可以從百萬人中精確地辨認出某個人。人臉的識別過程，利用普通的圖像處理設備就能自動、連續、實時地完成。

技術流程

人臉識別系統主要包括四個組成部分，分別為：人臉圖像採集及檢測、人臉圖像預處理、人臉圖像特徵提取以及匹配與識別。

人臉圖像採集及檢測

人臉圖像採集：不同的人臉圖像都能通過攝像鏡頭採集下來，比如靜態圖像、動態圖像、不同的位置、不同表情等方面都可以得到很好的採集。當用戶在採集設備的拍攝范圍內時，採集設備會自動搜索並拍攝用戶的人臉圖像。

人臉檢測：人臉檢測在實際中主要用於人臉識別的預處理，即在圖像中准確標定出人臉的位置和大小。人臉圖像中包含的模式特徵十分豐富，如直方圖特徵、顏色特徵、模板特徵、結構特徵及Haar特徵等。人臉檢測就是把這其中有用的信息挑出來，並利用這些特徵實現人臉檢測。

主流的人臉檢測方法基於以上特徵採用Adaboost學習演算法，Adaboost演算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。

人臉檢測過程中使用Adaboost演算法挑選出一些最能代表人臉的矩形特徵(弱分類器)，按照加權投票的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。

人臉圖像預處理

人臉圖像預處理：對於人臉的圖像預處理是基於人臉檢測結果，對圖像進行處理並最終服務於特徵提取的過程。系統獲取的原始圖像由於受到各種條件的限制和隨機 干擾，往往不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、雜訊過濾等圖像預處理。對於人臉圖像而言，其預處理過程主要包括人臉圖像的光線補 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。

人臉圖像特徵提取

人臉圖像特徵提取：人臉識別系統可使用的特徵通常分為視覺特徵、像素統計特徵、人臉圖像變換系數特徵、人臉圖像代數 特徵等。人臉特徵提取就是針對人臉的某些特徵進行的。人臉特徵提取，也稱人臉表徵，它是對人臉進行特徵建模的過程。人臉特徵提取的方法歸納起來分為兩大 類：一種是基於知識的表徵方法；另外一種是基於代數特徵或統計學習的表徵方法。

基於知識的表徵方法主要是根據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於人臉分類的特徵數據，其特徵分 量通常包括特徵點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構成，對這些局部和它們之間結構關系的幾何描述，可作為識別人臉的重要特 征，這些特徵被稱為幾何特徵。基於知識的人臉表徵主要包括基於幾何特徵的方法和模板匹配法。

人臉圖像匹配與識別

人臉圖像匹配與識別：提取的人臉圖像的特徵數據與資料庫中存儲的特徵模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸 出。人臉識別就是將待識別的人臉特徵與已得到的人臉特徵模板進行比較，根據相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認，是一對一 進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比的過程。

衡量人臉識別的演算法能力：拒識率、誤識率、通過率，准確率。

Ⅶ 個人識別的方法

簡介
個人識別方法主要有四種：其一為直接辨認法，即通過親友、群眾辨認屍體及隨身物件確認屍體身源；其二為法醫物證學方法，即通過檢測屍體及嫌疑人的血型、DNA型等個人遺傳標記，經同一認定後確認屍體身源；其三為法醫學親子鑒定方法，即通過檢測屍體、嫌疑死者父親和/或母親某些遺傳標記，看是否符合孟德爾遺傳規律來判斷是否有親子關系，從而間接確認屍體身源；其四為其他技術方法如通過指紋、嗅味等同一認定來確認死者身源。現分述如下：
直接辨認法
此方法因直接、簡便而成為最常用的方法。即通過直接觀察、辨認屍體和隨身物品看死者或某物品是否熟識而確認死者身源。辨認依據主要為年齡、性別、身高、頭發、營養發育、面貌、膚色、衣著服飾、個人隨身物品及其他明顯的個人生理、病理特徵如體毛、胎記、手術瘢痕、假牙、妊娠、疾病、先天畸形、殘疾狀態。辨認方法包括屍體、物品直接辨認和照片辨認兩種，以前者結果可靠性大，絕大多數完整、新鮮、衣著整齊的屍體可通過此方法確認[1]。但對高度腐敗屍體、碎屍及屍體上無明顯個人特徵者誤差較大。由於個體特徵偶合性，即使是新鮮屍體，也不能以某一項個人特徵確認死者身源，必須綜合考查其他特徵並結合其他識別方法來確認[2]。
法醫物證學方法
此方法為直接確認，故較可靠，也是法醫檢案中常用方法之一。即通過運用法醫血清學、牙科學、人類學的檢測技術和方法檢驗來自無名屍體的血液、血痕、組織塊、毛發、牙齒、骨骼等生物學檢材，並與嫌疑人（調查所得）生物學檢材（如血痕、毛發）進行比較，根據同一認定原則確認死者身源。
一. 法醫血清學方法
此方法是通過檢測來自無名屍體的血液、血痕、其它體液、人體組織臟器、毛發、牙齒、骨骼等生物學檢材的血型、DNA多態性等個人遺傳特徵，並與嫌疑人檢材相應遺傳特徵相比較分析，經同一認定後即可判斷無名屍體是嫌疑人，若不相同，則可排除。
1． 血型檢測
血型是人類的個體特徵之一，由來自父母雙親的遺傳基因決定，按孟德爾遺傳規律從親代傳給子代，具穩定性強、特異性好的特點，故可用於個人識別。血型檢測是法醫學個人識別最常用方法之一，主要通過檢測來自無名屍體的血液、血痕、其它體液、組織臟器、毛發、牙齒、骨骼的血型抗原物質，確定無名屍體的血型類別。自1901年奧地利學者Landsteiner發現人類第一個血型系統即ABO血型系統之後，血型研究發展很快，新的血型抗原系統不斷被發現並廣泛應用於臨床輸血、器官移植、遺傳生化、法醫學個人識別等領域。近年來隨著醫學、生物學、生物化學、遺傳學的飛速發展，學者們發現除紅細胞血型外，其他人體細胞、組織如白細胞、血小板、血清蛋白、唾液、精液等也具有遺傳學多態性，使血型概念大大擴展，法醫學個人識別能力也得到極大提高。一些主要血型組合率便可達到天文數字，從理論上看，除單卵雙生子外，地球上每一個人的血型都不相同[3]。
常規血型檢驗雖然能解決許多案件的調查和證據提供問題，而且從理論上講，其表型可達到人各不同、終身不變的識別能力。但實際應用中血型檢驗常受多種條件的限制，如因檢材量少或陳舊、腐敗使血型物質變性、抗原型消失、酶活性下降等，使實際檢案中能檢測的血型系統不足20種，因此利用血型排除同一個體是肯定的，而認定同一個體卻是相對的。近年來隨著單克隆抗體、酶免疫、放射免疫技術、等電聚焦技術的應用，血型檢測靈敏度大大提高，但檢案中運用時因操作繁瑣、技術性強、成本高而難以普及。
2． DNA檢測與分析
80年代，隨著分子生物學的進展和重組DNA技術的建立，法醫物證鑒定得到快速發展，法醫學DNA分型技術應運而生。1985年，英國累斯特大學Jeffreys等建立了DNA指紋技術。應用放射性核素標記的多基因座探針與人基因組DNA的限制酶消化產物作分子雜交，成功地製作成高度個體特異性的多基因座DNA指紋圖。研究證實無關個體的DNA指紋圖相同的偶合率為小於2.4×10-11[4]。除同卵雙生子外，幾乎沒有兩個個體DNA指紋圖完全相同，從而使法醫學個體識別能力從排除達到同一認定水平。隨後，單位點DNA探針雜交技術、短串聯重復序列（STR）的發現及聚合酶鏈反應（PCR）技術的應用，使法醫物證鑒定的靈敏度達到超微量水平[5]。目前廣泛應用於無名屍體、碎屍案的個人識別和認定[6-8]。隨著中國DNA資料庫建設的逐漸開展，利用網路系統進行查詢比對，將使該技術在偵查破案中個人識別的作用會有新的突破。
二. 法醫牙科學方法
牙齒是人體最堅硬的組織之一，受遺傳、地區、年齡、食物、營養、衛生習慣、疾病、外傷等影響具有一定個體特異性。牙髓中含有大量細胞，可檢測其血型、DNA型，因此可用於個人識別。而且牙齒耐高溫、抗腐敗能力強，在高度腐敗屍體、白骨化無名屍體、火災、焚燒炭化屍體個人識別中，牙齒常為重要的法醫學物證。
對無名屍體的牙齒進行檢驗常運用牙科學方法進行，通過觀察牙齒類別、大小、形態、萌出及脫落時間、磨耗度等分析死者年齡[9]、性別[10-11]等特徵，結合血型檢測、DNA分型[12]結果，並與嫌疑人牙齒照片、病歷記載及血型、DNA型比較分析，可認定屍體身源，從而為偵查活動提供重要線索。
三. 法醫人類學方法
無名屍體、碎屍案檢驗常涉及人體骨骼、毛發、皮膚紋理等內容，上述組織有明顯種屬及個人特徵，隨年齡增長出現明顯規律性變化和性別差異，因此可應用人類學的理論與技術，推定是否為人體組織及其性別、年齡、身長等個人特徵，為個人識別提供依據[13]。特別是骨骼檢驗，由於骨骼具有堅固、耐高溫、抗腐敗等性能，而且骨骼組織中也含有大量血型抗原物質，可用血清學方法檢測血型；提取骨組織中DNA可進行DNA分型，所以骨骼常是無名屍體個人識別的重要檢材。
對無名屍骨的檢驗主要運用人類學方法進行，即通過觀察屍骨形態、結構特徵，測量屍骨的長度來分析無名屍體年齡、性別、身高等特徵，配合血型檢測、PCR檢測、DNA分型並與嫌疑人相應個人特徵比較分析，從而為無名屍體身源確定提供重要法醫學證據。近年來顱像重合技術、面貌復原技術的運用[14-15]可使高度腐敗甚至白骨化的屍體個人識別達到個人認定水平。
親子鑒定方法
親子鑒定是應用醫學、遺傳學和生物學的理論和技術，檢測和分析父母和子女的遺傳標記，以判斷他們之間是否存在親子關系。親子鑒定一般在活體中進行，檢材為孩子、可疑父母的外周靜脈血，通過血型檢測、DNA分型檢測各自遺傳標記，然後分析親代、子代血型、DNA型是否符合孟德爾遺傳規律來判斷是否存在親子關系。
高度腐敗屍體、碎屍等無法直接辨認的屍體通過上述法醫物證學方法雖可解決屍體性別、年齡、身高、血型、DNA型等個人特徵問題，但若無嫌疑人檢材比較或檔案記錄，就不能肯定屍體身源，此時可運用法醫學親子鑒定方法檢測嫌疑人父和（或）母血型、DNA型來分析屍體與嫌疑人親屬是否存在生物學血緣關系，從而間接確認屍體身源[16]。
其他方法
1．指紋分析
指紋同人體血型一樣是由遺傳基因控制的個體特徵，具有人各不同、終身不變的特點，所以指紋常用於司法實踐中個人識別。提取無名屍體指紋後輸入指紋庫經計算機分析，可達到同一認定結果[17]。用遺傳學原理分析屍體指紋及嫌疑人父母指紋也可為無名屍體的身源確定提供一定證據。
2．警犬辨認
通過警犬嗅聞屍體及嫌疑人常穿用且未洗的衣物嗅味也可協助辨認屍體身份。
上述四種無名屍體識別方法各有其優缺點，如直接辨認和警犬辨認法雖簡便易行，但誤差不可避免；指紋分析、DNA分型、親子鑒定方法雖可直接認定，但檢材條件、操作、技術、成本等因素常限制其運用；常規血型檢測及牙科學、人類學方法只能檢測屍體部分個人遺傳特徵，不能直接認定。因此在司法實踐中對無名屍體進行個人識別時上述方法應配合運用，結合案情調查情況綜合分析，確認屍體真正身源。

Ⅷ 目前使用的身份識別系統的種類

聲音識別、指紋識別、人臉識別。

身份識別技術採用密碼技術（尤其是公鑰密碼技術）設計出安全性高的協議。

1、口令方式：應用最廣的一種身份識別方式，一般是長度為5~8的字元串，由數字、字母、特殊字元、控制字元等組成。用戶名和口令的方法幾十年來一直用於提供所屬權和准安全的認證來對伺服器提供一定程度的保護。

2、標記方式：一種個人持有物，它的作用類似於鑰匙，用於啟動電子設備，標記上記錄著用於機器識別的個人信息。

(8)現在常用的個人識別的方法擴展閱讀

通過計算機將人臉信息（指人的臉型、面像等固有的身理特徵）採集、處理、對比等，來鑒定個人身份的一項技術。

通過CCD來採集人臉的圖像及該人臉固有的特徵，進行預處理，提取預處理的信息與採集到的身份證照片，進行人臉信息對比，將採集到的身份證信息、人臉信息及對比結果保存與資料庫。

人證識別集：計算機、通信、網路、WEB服務、人臉識別技術、資料庫、第二代居民身份證信息技術等多元化技術為一體的，綜合性身份驗證管理應用系統。

Ⅸ 網路謠言常以假亂真，個人識別網路謠言究竟有哪些好方法

我們就介紹一些預防謠言的小技巧，比如說這些謠言通常都會有特殊的“謠言體”，他們喜歡用“中央已經發話了!”，“央視都播了”“國家最高機密”之類的標題，把事情說得特別特別的嚴重，如果你看到了這樣的標題，那麼你就去政府的媒體號去查看，如果沒有這類的消息，那麼就是謠言。

謠言通常都是為了獲取關注度，有一些造謠者他們在製造謠言的時候，通常都會在結尾加上“必須轉！""不轉不是中國人""太神奇了吧”“這必須得讓大家都可以看到”之類的話，這樣子的大多數都是謠言。

以上都是一些非常流行在朋友圈或者是一些社交媒體上面的謠言，請大家記住造謠是犯法的，如果遇到一些非常緊急重要的新聞，一定要到官方媒體去求證，不要急於散播，謠言止於智者，求證了以後再轉也不遲。