生物识别技术就是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性，（如指纹、脸象、虹膜等）和行为特征（如笔迹、声音、步态等）来进行个人身份的鉴定。则生物识别系统就是能利用生物识别技术的软、硬件设施。

生物识别技术是利用人的生理或行为特征来核对或确认人的身份。当今，生物识别技术的利用得飞速发展，并不断地进入到众多应用领域中，在物理安全(门禁、楼宇监控)和逻辑安全(计算机，网络)领域都得到了广泛的应用。

生物识别技术是依靠人体的身体特征来进行身份验证的一种解决方案。人体的生物特征包括指纹、声音、脸孔、视网膜、掌纹、骨架等等。所谓的生物识别的核心在于如何获取这些生物特征，并将之转换为数字信息，存储于计算机中，利用可靠的匹配算法来完成验证与识别个人身份的过程。

由于人体特征具有人体所固有的不可复制的唯一性，这一生物密钥无法复制，失窃或被遗忘。而常见的口令、IC卡、条纹码、磁卡或钥匙则存在着丢失、遗忘、复制及被盗用诸多不利因素。因此采用生物“钥匙”，您可以不必携带大串的钥匙，也不用费心去记或更换密码。而系统管理员更不必因忘记密码而束手无策。

人类在追寻文档、交易及物品的安全保护的有效性与方便性经历了三个阶段的发展。第一阶段也就是最初始的方法，是采用大家早已熟悉的各种机械钥匙。第二阶段是由机械钥匙发展到数字密钥如密码或条形码等。第三阶段是利用人体所固有的生物特征来辨识与验证身份。生物识别是当今数字化生活中最高级别的安全密钥系统。

十九世纪初，科学研究发现了至今仍然承认的两个重要特征：一是两个不同手指的指纹纹脊的样式(Ridge Pattern)不同，另外一个是指纹纹脊的样式终生不变。这个研究成果使得指纹在犯罪鉴别中得以正式应用。二十世纪六十年代，由于计算机可以有效地处理图形，人们开始着手研究计算机来处理指纹，自动指纹识别系统AFIS在法律实施方面的研究与应用就由此展开来。

一个优秀的生物识别系统要求能实时迅速有效地完成其识别过程。所有的生物识别系统都包括如下几个处理过程：采集、解码、比对和匹配。指纹识别处理也一样，它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。使用指纹识别方式的优点在于其可靠、方便与便于被接受。你只要花微不足道的时间去用指纹仪获取指纹图像，许多研究表明指纹识别在所有生物识别技术中是对人体最不构成侵犯的一种技术手段。

手掌几何学是基于这样一个事实：几乎每个人的手的形状都是不同的，而且这个手的形状在人达到一定年龄之后就不再发生显著变化。当用户把他的手放在手形读取器上时，一个手的三维图像就被捕捉下来。接下来，对手指和指关节的形状和长度进行测量。

根据用来识别人的数据的不同，手形读取技术可划分为下列三种范畴：手掌的应用，手中血管的模式，以及手指的几何分析。映射出手的不同特征是相当简单的，不会产生大量数据集。但是，即使有了相当数量的记录，手掌几何学不一定能够将人区分开来，这是因为手的特征是很相似的。与其他生物识别方法相比较，手掌几何学不能获得最高程度的准确度。当数据库持续增大时，也就需要在数量上增加手的明显特征来清楚地将人与模板进行辨认和比较。

分析眼睛的复杂和独特特征的生物识别技术被划分为两个不同的领域：虹膜识别技术和角膜识别技术。

虹膜是环绕着瞳孔的一层有色的细胞组织。虹膜辨识系统使用一台摄像机来捕捉样本，然后由软件来对所得数据与储存的模板进行比较。

角膜是眼睛底部的血液细胞层。角膜扫描的进行是用低密度的红外线去捕捉角膜的独特特征。我们所知的位于角膜中心的区域被扫描，血液细胞的唯一模式就因此被捕捉下来。角膜识别技术被认为是最好的生物识别。然而，尽管它有着高度的准确性，人们通常认为这项技术不方便。因此，它很难获得终端用户的普遍接受。角膜扫描仪要求被扫描者在它读取角膜信息时直立不动。

眼睛和角膜扫描仪对于目盲者和眼睛患有的人是无效的。

面孔识别系统通过分析脸部特征的唯一形状、模式和位置来辨识人。基本上有两个方法来处理数据：摄像机和热量绘图。标准摄像技术是建立在由摄像机捕捉到的脸部图像上。热量绘图技术分析皮肤下的血管热量发生模式。这项生物识别技术的吸引力在于它能够人机交互。

然而，这套系统是非常不可靠和昂贵的。例如，它无法分辨出双胞胎或三胞胎，无法认出理完发的用户，也无法辨认出戴眼镜与不戴眼镜的同一个人。2012年，武汉公安正构建一套高精准人像识别系统，建成后能在1秒钟内比对1亿次图像，瞬间可辨认嫌疑人。

这套系统主要通过安装在城市道路路口、两侧以及公交车上的25万个视频探头进行图像采集。视频监控将捕捉到的人像，与后台数据中犯罪嫌疑人面部特征进行精确比对，可在几秒内锁定犯罪嫌疑人。这套系统将在2013年3月投入实战应用。

声音的辨识是对基于生理学和行为特征的说话者嗓音和语言学模式的运用。它与语言识别不同在于这项技术不对说出的词语本身进行辨识。而是通过分析语音的唯一特性，例如发音的频率，来识别出说话的人。语音辨识技术使得人们可以通过说话的嗓音来控制能否出入限制性的区域。举例来说，通过电话拨入银行、数据库服务、购物或语音邮件，以及进入保密的装置。虽然语音识别是方便的，但由于非人性化的风险、远程控制和低准确度，它并不可靠。一个患上感冒的人有可能被错误的拒认从而无法使用该语音识别系统。

签名识别，也被称为签名力学辨识(Danamic Signature Verification--DSV)，它是建立在签名时的力度上的。它分析的是笔的移动，例如加速度、压力、方向以及笔划的长度，而非签名的图像本身。签名力学的关键在于区分出不同的签名部分，有些是习惯性的，而另一些在每次签名时都不同。　签名的使用已经被广泛地接受，应用范围从独立宣言到信用卡都可见到。然而，签名辨识的问题仍然存在于获取在辨识过程中使用的度量的方式以及签名的重复性。DSV系统已被控制在某种方式上去接受变量。但是，如果不降低接受率，它就无法持续地衡量签名的力度 。

主要是利用静脉血管的结构来进行身份识别。由于静脉纹络包含大量的特征信息，可以作为验证的对象。手掌静脉识别的原理也是利用静脉血管与肌肉、骨骸之间对特定波长红外光不同的吸收特性来进行静脉血管造影。与手掌静脉识别的原理相同。由于手掌较厚，红外光通常无法进行透射，因而只能采用反射造影法。红外光照射在手背上，有静脉的部位吸收红外光反射暗淡，肌肉与骨路部位反射强烈，从而实现对静脉的造影。静脉纹络在人体内部很难被伪造。

任何生物识别系统都共同拥有的三个组件：

传感器：检测用于识别的特征

计算机：读取和存储信息

软件：分析特征，将特征转换成图形或代码，并执行具体的比较