现在常用的个人识别的方法

Ⅰ 最先进的个人识别系统是什么

如果单从技术角度考虑先进性（既技术难度）应该是DNA和音频。
不过作为人体的生物识别方式，不好说那种最好，指纹识别有点是方便，但不是特别安全，指纹容易被复制。虹膜（并非视网膜）识别的技术和指纹识别类似，不过不是很方便快捷，但不容易被复制。这种图形识别的还有一种新进出现的方式，就是静脉红外识别，克服了上述两种方式的缺点，比较先进。

音频识别的做到很准确是比较困难的，如果做好了，是很方便和安全的。

DNA当然是很准确的了，不过不方便使用，也不安全。

采用哪种方式的生物识别系统，要看是在什么应用上。

Ⅱ 怎样快速有效识别人脸，记住人名

很多人都有脸盲，看到一个人以后不知道叫他什么，所以面对各种各样的人，我们要有效快速的记住他的名字，我们就是要从这个人的脸上去找特点，比如说他的鼻子，他的眼睛，他的耳朵，甚至是他的头发都是可以的。

我以前也是记不住人的，每次回家面对各种各样的亲戚，有的时候都会叫错。有一次我回家，把一个长辈叫成了自己的老表。当时我的爸妈骂了我一顿，自那以后，我就决定，我要记住人。

所以每当面对一个陌生人的时候，我都会找他们脸上的特点，比如说他的脸上有一块斑或者是一颗痣，从这些小细节就能够记住了，每当遇到陌生人，我都会这么处理。后来我就再也没有叫错过人，那感觉还是挺有用的。

Ⅲ 有谁知道目前指纹识别有几种方式吗

指纹识别技术主要涉及四个功能：读取指纹图象、提取特征、保存数据和比对。在一开始，通过指纹读取设备读取到人体指纹的图象，取到指纹图象之后，要对原始图象进行初步的处理，使之更清晰。接下来，指纹辨识软件建立指纹的数字表示——特征数据，一种单方向的转换，可以从指纹转换成特征数据但不能从特征数据转换成为指纹，而两枚不同的指纹不会产生相同的特征数据。有的算法把节点和方向信息组合产生了更多的数据，这些方向信息表明了各个节点之间的关系，也有的算法还处理整幅指纹图像。总之，这些数据，通常称为模板，保存为1K大小的记录。无论它们是怎样组成的，至今仍然没有一种模板的标准，也没有一种公布的抽象算法，而是各个厂商自行其是。 最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。

我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会形成各种各样的图案。这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。人们也注意到，包括指纹在内的这些皮肤的纹路在图案、断点和交叉点上各不相同，也就是说，是唯一的。依靠这种唯一性，我们就可以把一个人同他的指纹对应起来，通过对他的指纹和预先保存的指纹进行比较，就可以验证他的真实身份。这种依靠人体的身体特征来进行身份验证的技术称为生物识别技术，指纹识别是生物识别技术的一种。 目前，从实用的角度看，指纹识别技术是优于其他生物识别技术的身份鉴别方法。这是因为指纹各不相同、终生基本不变的特点已经得到公认，近二三十年的警用指纹自动识别系统的研究和实践为保安指纹自动识别打下了良好的技术基础。特别是现有的指纹自动识别系统已达到操作方便、准确可靠、价格适中的阶段，是实用化的生物测定方法。

指纹是指手指末端正面皮肤上凸凹不平产生的纹路。这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。尽管指纹只是人体皮肤的一小部分，但是，它蕴涵大量的信息。这些皮肤的纹路在图案、断点和交叉点上是各不相同的，在信息处理中将它们称作"特征"，这些特征每个手指都是不同的。依靠特征的惟一性，我们就可以把一个人同他的指纹对应起来，通过比较他的指纹特征和预先保存的指纹特征，就可以验证他的真实身份。

指纹自动识别系统通过特殊的光电转换设备和计算机图像处理技术，对活体指纹进行采集、分析和比对，可以自动、迅速、准确地鉴别出个人身份。系统一般主要包括对指纹图像采集、指纹图像处理、特征提取、特征值的比对与匹配等过程。现代电子集成制造技术使得指纹图像读取和处理设备小型化，同时飞速发展的个人计算机运算速度提供了在微机甚至单片机上可以进行指纹比对运算的可能，而优秀的指纹处理和比对算法保证了识别结果的准确性。

在计算机系统中，指纹识别可以用于开机登录身份确认，远程网络数据库的访问权限及身份的确认，银行储蓄防冒领及通存通兑的加密方法，保险行业中投保人的身份确认，期货证券提款人的身份确认，医疗卫生系统中医疗保险人的身份确认等等.如将指纹信息记录在特殊用途的卡上，通过现场比对，可以防止冒充等欺诈行为。例如：信用卡、医疗卡、会议卡、储蓄卡、驾驶证、准考证、护照防伪等。

计算机指纹自动识别技术正在从科幻小说和好莱坞电影中走入我们实际生活中，也许有一天，您不必随身携带那一串钥匙，只需手指一按，门就会打开；也不必记住那烦人的密码，利用指纹就可以提款、计算机登录。相信这一天，不会太远。

指纹识别技术的原理

指纹识别技术主要涉及四个功能：读取指纹图象、提取特征、保存数据和比对。在一开始，通过指纹读取设备读取到人体指纹的图象，取到指纹图象之后，要对原始图象进行初步的处理，使之更清晰。接下来，指纹辨识软件建立指纹的数字表示——特征数据，一种单方向的转换，可以从指纹转换成特征数据但不能从特征数据转换成为指纹，而两枚不同的指纹不会产生相同的特征数据。有的算法把节点和方向信息组合产生了更多的数据，这些方向信息表明了各个节点之间的关系，也有的算法还处理整幅指纹图像。总之，这些数据，通常称为模板，保存为1K大小的记录。无论它们是怎样组成的，至今仍然没有一种模板的标准，也没有一种公布的抽象算法，而是各个厂商自行其是。

最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。

指纹其实是比较复杂的。与人工处理不同，许多生物识别技术公司并不直接存储指纹的图象。多年来在各个公司及其研究机构产生了许多数字化的算法（美国有关法律认为，指纹图象属于个人隐私，因此不能直接存储指纹图象）。但指纹识别算法最终都归结为在指纹图象上找到并比对指纹的特征。

指纹的特征

我们定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征。总体特征是指那些用人眼直接就可以观察到的特征，包括：

基本纹路图案 环型（loop）, 弓型（arch）, 螺旋型（whorl）。其他的指纹图案都基于这三种基本图案。仅仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便。

模式区（Pattern Area）模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。 Aetex 的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。

核心点（Core Point）核心点位于指纹纹路的渐进中心，它用于读取指纹和比对指纹时的参考点。

三角点（Delta）三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数和跟踪的开始之处。

式样线（Type Lines）式样线是在指包围模式区的纹路线开始平行的地方所出现的交叉纹路，式样线通常很短就中断了，但它的外侧线开始连续延伸。

纹数（Ridge Count）指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。

局部特征 局部特征是指指纹上的节点。两枚指纹经常会具有相同的总体特征，但它们的局部特征--节点，却不可能完全相同 节点（Minutia Points）指纹纹路并不是连续的，平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为"节点"。就是这些节点提供了指纹唯一性的确认信息。

指纹上的节点有四种不同特性：

1. 分类 - 节点有以下几种类型，最典型的是终结点和分叉点

A. 终结点（Ending） -- 一条纹路在此终结。

B. 分叉点（Bifurcation） -- 一条纹路在此分开成为两条或更多的纹路。

C. 分歧点（Ridge Divergence） -- 两条平行的纹路在此分开。

D. 孤立点（Dot or Island） -- 一条特别短的纹路，以至于成为一点

E. 环点（Enclosure） -- 一条纹路分开成为两条之后，立即有合并成为一条，这样形成的一个小环称为环点

F. 短纹（Short Ridge） -- 一端较短但不至于成为一点的纹路，

2. 方向（Orientation） -- 节点可以朝着一定的方向。

3. 曲率（Curvature） -- 描述纹路方向改变的速度。

4. 位置（Position） -- 节点的位置通过（x,y）坐标来描述，可以是绝对的，也可以是相对于三角点或特征点的。

Ⅳ 个人识别的介绍

个人识别（personal identification）就尸体或活体辨别该个体是谁，或是否与某个体是同一个人，是侦查破案、抚恤赔偿的重要环节，方法主要有四种：直接辨认法、法医物证学方法、法医学亲子鉴定方法、其他技术方法。

Ⅳ 在人脸识别软件系统识别的过程中，对于人脸检测，现在主流的方法都基本有啥可以的话详细介绍一下吧。

基于知识的方法

基于知识的方法（Knowledge-Based Methods）一是基于规则的人脸检测方法。规则来源于研究者关于人脸的先验知识。一般比较容易提出简单的规则来描述人脸特征和它们的相互关系。

Yang和Huang使用分层的基于知识的人脸检测方法[11]。他们的系统由3级规则组成。在最高级，通过扫描输入图像的窗口和应用每个位置的规则集找到所有可能的人脸候选区。较高级的规则通常描述人脸看起来象什么，而较低级的规则依赖于面部特征的细节。多分辨率的分层图像通过平均和二次采样生成，如图2所示。

编码规则通常在较低的分辨率下确定人脸的候选区，包括人脸的中心部分图中较浅的阴影部分，其中有个基本上相同的灰度单元。

基于特征的方法

基于特征的方法（Feature-Based Methods）不仅可以从已有的面部特征而且可以从它们的几何关系进行人脸检测。和基于知识的方法相反，它是寻找人脸的不变特征用于人脸检测。人们已经提出了许多先检测人脸面部特征，后推断人脸是否存在的方法。面部特征如眉毛、眼睛、鼻子、嘴和发际等，一般利用边缘检测器提取。根据提取的特征，建立统计模型描述特征之间的关系并确定存在的人脸。基于特征的算法存在的问题是，由于光照、噪声和遮挡等使图像特征被严重地破坏，人脸的特征边界被弱化，阴影可能引起很强的边缘，而这些边缘可能使得算法难以使用。

模板匹配的方法

Sakai等人用眼睛、鼻子、嘴和人脸轮廓等子模板建模，检测照片中的正面人脸。每一个子模板按照线分割定义。基于最大梯度变化提取输入图像的线，然后与子模板匹配。计算子图像和轮廓模板之间的相互关系检测人脸的候选区域，完成用其他子模板在候选区域的匹配。

Craw等人提出了一种基于正面人脸的形状模板即人脸的外形定位方法。用Sobel算子提取边缘，将边缘组织在一起，根据几个约束条件去搜索人脸模板。在头轮廓定位。

Govindaraju等人提出两个阶段的人脸检测方法。人脸模型根据边缘定义的特征构成。这些特征描述了正面人脸的左边、发际和右边的曲线。人脸必须是垂直、无遮挡和正面的。

基于外观的方法

基于外观的方法首先通过学习，在大量训练样本集的基础上建立一个能对人脸和非人脸样本进行正确识别的分类器，然后对被检测图像进行全局扫描，用分类器检测扫描到的图像窗口中是否包含人脸，若有则给出人脸所在的位置。

Moghaddam和Pentland提出在高维空间利用特征空间分解密度估计的概率视觉学习方法[12]。用主成分(PCA)分析来定义子空间从而最好地表示人脸模式集。主成分保存数据中主分量而丢弃了那些次分量。这种方法把向量空间分解为互相排斥和互为补充的2个子空间主子空间或特征空间和它的正交子空间。因此对象密度被分解为个2成分在主子空间由主分量张成的密度，和它的垂直成分(在标准的PCA中被丢弃的次分量)如图3所示。用多变量Gaussians和混合Gaussians密度分布进行学习人脸局部特征的统计。然后将这些概率密度用于基于最大

似然估计的对象检测。这种方法已经被用于人脸定位、编码和识别。和传统的特征脸方法相比，此方法在人脸识别方面表现出更好的性能。

可以的话去Ph一下colorreco，技术过硬，值得我们大家学习。

Ⅵ 人脸识别技术小知识有哪些

人脸识别技术是指利用分析比较的计算机技术识别人脸。人脸识别是一项热门的计算机技术研究领域，其中包括人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度等技术。

人脸识别技术属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。

(1)人脸检测

面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：

①参考模板法

首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；

②人脸规则法

由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；

③样品学习法

这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；

④肤色模型法

这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。

⑤特征子脸法

这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子空间的投影之间的距离判断是否存在面像。

值得提出的是，上述5种方法在实际检测系统中也可综合采用。

(2)人脸跟踪

面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。

(3)人脸比对

面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。主要采用特征向量与面纹模板两种描述方法：

①特征向量法

该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。

②面纹模板法

该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。

人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。

识别过程

一般分三步：

(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。

(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。

(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。

技术流程

人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

人脸图像采集及检测

人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。

人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。

主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。

人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

人脸图像预处理

人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机 干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补 偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

人脸图像特征提取

人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数 特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大 类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。

基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分 量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特 征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

人脸图像匹配与识别

人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输 出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一 进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

衡量人脸识别的算法能力：拒识率、误识率、通过率，准确率。

Ⅶ 个人识别的方法

简介
个人识别方法主要有四种：其一为直接辨认法，即通过亲友、群众辨认尸体及随身物件确认尸体身源；其二为法医物证学方法，即通过检测尸体及嫌疑人的血型、DNA型等个人遗传标记，经同一认定后确认尸体身源；其三为法医学亲子鉴定方法，即通过检测尸体、嫌疑死者父亲和/或母亲某些遗传标记，看是否符合孟德尔遗传规律来判断是否有亲子关系，从而间接确认尸体身源；其四为其他技术方法如通过指纹、嗅味等同一认定来确认死者身源。现分述如下：
直接辨认法
此方法因直接、简便而成为最常用的方法。即通过直接观察、辨认尸体和随身物品看死者或某物品是否熟识而确认死者身源。辨认依据主要为年龄、性别、身高、头发、营养发育、面貌、肤色、衣着服饰、个人随身物品及其他明显的个人生理、病理特征如体毛、胎记、手术瘢痕、假牙、妊娠、疾病、先天畸形、残疾状态。辨认方法包括尸体、物品直接辨认和照片辨认两种，以前者结果可靠性大，绝大多数完整、新鲜、衣着整齐的尸体可通过此方法确认[1]。但对高度腐败尸体、碎尸及尸体上无明显个人特征者误差较大。由于个体特征偶合性，即使是新鲜尸体，也不能以某一项个人特征确认死者身源，必须综合考查其他特征并结合其他识别方法来确认[2]。
法医物证学方法
此方法为直接确认，故较可靠，也是法医检案中常用方法之一。即通过运用法医血清学、牙科学、人类学的检测技术和方法检验来自无名尸体的血液、血痕、组织块、毛发、牙齿、骨骼等生物学检材，并与嫌疑人（调查所得）生物学检材（如血痕、毛发）进行比较，根据同一认定原则确认死者身源。
一. 法医血清学方法
此方法是通过检测来自无名尸体的血液、血痕、其它体液、人体组织脏器、毛发、牙齿、骨骼等生物学检材的血型、DNA多态性等个人遗传特征，并与嫌疑人检材相应遗传特征相比较分析，经同一认定后即可判断无名尸体是嫌疑人，若不相同，则可排除。
1． 血型检测
血型是人类的个体特征之一，由来自父母双亲的遗传基因决定，按孟德尔遗传规律从亲代传给子代，具稳定性强、特异性好的特点，故可用于个人识别。血型检测是法医学个人识别最常用方法之一，主要通过检测来自无名尸体的血液、血痕、其它体液、组织脏器、毛发、牙齿、骨骼的血型抗原物质，确定无名尸体的血型类别。自1901年奥地利学者Landsteiner发现人类第一个血型系统即ABO血型系统之后，血型研究发展很快，新的血型抗原系统不断被发现并广泛应用于临床输血、器官移植、遗传生化、法医学个人识别等领域。近年来随着医学、生物学、生物化学、遗传学的飞速发展，学者们发现除红细胞血型外，其他人体细胞、组织如白细胞、血小板、血清蛋白、唾液、精液等也具有遗传学多态性，使血型概念大大扩展，法医学个人识别能力也得到极大提高。一些主要血型组合率便可达到天文数字，从理论上看，除单卵双生子外，地球上每一个人的血型都不相同[3]。
常规血型检验虽然能解决许多案件的调查和证据提供问题，而且从理论上讲，其表型可达到人各不同、终身不变的识别能力。但实际应用中血型检验常受多种条件的限制，如因检材量少或陈旧、腐败使血型物质变性、抗原型消失、酶活性下降等，使实际检案中能检测的血型系统不足20种，因此利用血型排除同一个体是肯定的，而认定同一个体却是相对的。近年来随着单克隆抗体、酶免疫、放射免疫技术、等电聚焦技术的应用，血型检测灵敏度大大提高，但检案中运用时因操作繁琐、技术性强、成本高而难以普及。
2． DNA检测与分析
80年代，随着分子生物学的进展和重组DNA技术的建立，法医物证鉴定得到快速发展，法医学DNA分型技术应运而生。1985年，英国累斯特大学Jeffreys等建立了DNA指纹技术。应用放射性核素标记的多基因座探针与人基因组DNA的限制酶消化产物作分子杂交，成功地制作成高度个体特异性的多基因座DNA指纹图。研究证实无关个体的DNA指纹图相同的偶合率为小于2.4×10-11[4]。除同卵双生子外，几乎没有两个个体DNA指纹图完全相同，从而使法医学个体识别能力从排除达到同一认定水平。随后，单位点DNA探针杂交技术、短串联重复序列（STR）的发现及聚合酶链反应（PCR）技术的应用，使法医物证鉴定的灵敏度达到超微量水平[5]。目前广泛应用于无名尸体、碎尸案的个人识别和认定[6-8]。随着中国DNA数据库建设的逐渐开展，利用网络系统进行查询比对，将使该技术在侦查破案中个人识别的作用会有新的突破。
二. 法医牙科学方法
牙齿是人体最坚硬的组织之一，受遗传、地区、年龄、食物、营养、卫生习惯、疾病、外伤等影响具有一定个体特异性。牙髓中含有大量细胞，可检测其血型、DNA型，因此可用于个人识别。而且牙齿耐高温、抗腐败能力强，在高度腐败尸体、白骨化无名尸体、火灾、焚烧炭化尸体个人识别中，牙齿常为重要的法医学物证。
对无名尸体的牙齿进行检验常运用牙科学方法进行，通过观察牙齿类别、大小、形态、萌出及脱落时间、磨耗度等分析死者年龄[9]、性别[10-11]等特征，结合血型检测、DNA分型[12]结果，并与嫌疑人牙齿照片、病历记载及血型、DNA型比较分析，可认定尸体身源，从而为侦查活动提供重要线索。
三. 法医人类学方法
无名尸体、碎尸案检验常涉及人体骨骼、毛发、皮肤纹理等内容，上述组织有明显种属及个人特征，随年龄增长出现明显规律性变化和性别差异，因此可应用人类学的理论与技术，推定是否为人体组织及其性别、年龄、身长等个人特征，为个人识别提供依据[13]。特别是骨骼检验，由于骨骼具有坚固、耐高温、抗腐败等性能，而且骨骼组织中也含有大量血型抗原物质，可用血清学方法检测血型；提取骨组织中DNA可进行DNA分型，所以骨骼常是无名尸体个人识别的重要检材。
对无名尸骨的检验主要运用人类学方法进行，即通过观察尸骨形态、结构特征，测量尸骨的长度来分析无名尸体年龄、性别、身高等特征，配合血型检测、PCR检测、DNA分型并与嫌疑人相应个人特征比较分析，从而为无名尸体身源确定提供重要法医学证据。近年来颅像重合技术、面貌复原技术的运用[14-15]可使高度腐败甚至白骨化的尸体个人识别达到个人认定水平。
亲子鉴定方法
亲子鉴定是应用医学、遗传学和生物学的理论和技术，检测和分析父母和子女的遗传标记，以判断他们之间是否存在亲子关系。亲子鉴定一般在活体中进行，检材为孩子、可疑父母的外周静脉血，通过血型检测、DNA分型检测各自遗传标记，然后分析亲代、子代血型、DNA型是否符合孟德尔遗传规律来判断是否存在亲子关系。
高度腐败尸体、碎尸等无法直接辨认的尸体通过上述法医物证学方法虽可解决尸体性别、年龄、身高、血型、DNA型等个人特征问题，但若无嫌疑人检材比较或档案记录，就不能肯定尸体身源，此时可运用法医学亲子鉴定方法检测嫌疑人父和（或）母血型、DNA型来分析尸体与嫌疑人亲属是否存在生物学血缘关系，从而间接确认尸体身源[16]。
其他方法
1．指纹分析
指纹同人体血型一样是由遗传基因控制的个体特征，具有人各不同、终身不变的特点，所以指纹常用于司法实践中个人识别。提取无名尸体指纹后输入指纹库经计算机分析，可达到同一认定结果[17]。用遗传学原理分析尸体指纹及嫌疑人父母指纹也可为无名尸体的身源确定提供一定证据。
2．警犬辨认
通过警犬嗅闻尸体及嫌疑人常穿用且未洗的衣物嗅味也可协助辨认尸体身份。
上述四种无名尸体识别方法各有其优缺点，如直接辨认和警犬辨认法虽简便易行，但误差不可避免；指纹分析、DNA分型、亲子鉴定方法虽可直接认定，但检材条件、操作、技术、成本等因素常限制其运用；常规血型检测及牙科学、人类学方法只能检测尸体部分个人遗传特征，不能直接认定。因此在司法实践中对无名尸体进行个人识别时上述方法应配合运用，结合案情调查情况综合分析，确认尸体真正身源。

Ⅷ 目前使用的身份识别系统的种类

声音识别、指纹识别、人脸识别。

身份识别技术采用密码技术（尤其是公钥密码技术）设计出安全性高的协议。

1、口令方式：应用最广的一种身份识别方式，一般是长度为5~8的字符串，由数字、字母、特殊字符、控制字符等组成。用户名和口令的方法几十年来一直用于提供所属权和准安全的认证来对服务器提供一定程度的保护。

2、标记方式：一种个人持有物，它的作用类似于钥匙，用于启动电子设备，标记上记录着用于机器识别的个人信息。

(8)现在常用的个人识别的方法扩展阅读

通过计算机将人脸信息（指人的脸型、面像等固有的身理特征）采集、处理、对比等，来鉴定个人身份的一项技术。

通过CCD来采集人脸的图像及该人脸固有的特征，进行预处理，提取预处理的信息与采集到的身份证照片，进行人脸信息对比，将采集到的身份证信息、人脸信息及对比结果保存与数据库。

人证识别集：计算机、通信、网络、WEB服务、人脸识别技术、数据库、第二代居民身份证信息技术等多元化技术为一体的，综合性身份验证管理应用系统。

Ⅸ 网络谣言常以假乱真，个人识别网络谣言究竟有哪些好方法

我们就介绍一些预防谣言的小技巧，比如说这些谣言通常都会有特殊的“谣言体”，他们喜欢用“中央已经发话了!”，“央视都播了”“国家最高机密”之类的标题，把事情说得特别特别的严重，如果你看到了这样的标题，那么你就去政府的媒体号去查看，如果没有这类的消息，那么就是谣言。

谣言通常都是为了获取关注度，有一些造谣者他们在制造谣言的时候，通常都会在结尾加上“必须转！""不转不是中国人""太神奇了吧”“这必须得让大家都可以看到”之类的话，这样子的大多数都是谣言。

以上都是一些非常流行在朋友圈或者是一些社交媒体上面的谣言，请大家记住造谣是犯法的，如果遇到一些非常紧急重要的新闻，一定要到官方媒体去求证，不要急于散播，谣言止于智者，求证了以后再转也不迟。