“互聯網+”時代的生物識別技術及應用趨勢

■ 賽迪智庫

隨著互聯網+時代的到來，移動支付、共享出行、智慧安防、醫療等場景對身份驗證、保障安全提出了更高要求。2018年，北京地鐵有望在年內啟動人臉識別乘車試點，安檢系統也將引入刷臉技術，提高乘客通行速度。2018年4至5月，警方利用AI人臉識別技術在三場演唱會上逮捕了多名犯罪嫌疑人。

“互聯網+”時代的生物識別技術變革

人臉識別技術

傳統的人臉識別算法通常采用淺層機器學習模型，它需要根據各類任務來設計不同的系統，并采用人工來設計特征，如人臉識別采用LBP特征、人臉檢測采用Haar-like特征、行人檢測采用HOG特征。傳統方法在非約束環境的效果較差，主要的原因是非約束環境下人們姿勢呈現多樣化，且光照條件千差萬別，難以利用LBP特征、Haar特征獲取人臉顯著信息，這進一步表明人工設計特征往往難以滿足現實中的復雜任務需求。新一代的人臉識別算法主要基于深度學習CNN（卷積神經網絡），它通過構建具有多個隱層的神經網絡模型，利用海量數據來學習更有用的特征。相對于傳統特征工程,新算法能夠自動學習特征，降低了人工選擇特征對預測效果的影響。相對于淺層模型，深度模型能夠重復利用中間層的計算單元，進而減少網絡中的自由參數。

指紋識別技術

指紋識別技術是利用傳感器、圖象處理、模式識別的技術來匹配指紋之間是否一致。指紋識別涵蓋圖像采集、特征提取和匹配等環節。傳統的指紋圖像采集有油墨采集、光學全反射、電容傳感器、超聲波等方法，提取的特征主要包括指紋的方向場、脊線的密集程度、脊線端點和分叉點等。然而，傳統指紋識別技術面臨著以下問題：一是在1對N的情形下，隨著人數不斷增加，識別準確率將明顯降低；二是指紋防偽方面仍有欠缺，如利用指紋膜、照片等方法可能破解指紋驗證。為解決人數增加導致準確率下降的問題，新的方法是利用深度學習技術，它能夠隨著數據量增大逐漸提升指紋識別精度。利用高質量指紋訓練字典，處理低質量指紋時通過字典來選擇候選方向場，然后對比連續性來選出質量較好的方向場。為增強指紋識別的防偽能力，可利用光學斷層掃描技術對指紋更為精密的數據進行提取。

虹膜識別技術

虹膜識別技術是基于眼睛中的虹膜進行身份識別，虹膜體積雖然小（直徑大約1厘米），但包含大量的信息（虹膜中有許多相互交錯的斑點、細絲、冠狀、條紋、隱窩等特征），且虹膜在發育到一定階段后較為穩定，這些特征決定了虹膜對于身份識別具有較強的唯一性。虹膜識別過程可分為虹膜圖像采集、數據預處理及分析對比等環節。虹膜圖像采集需要用到CCD、CMOS及人機交互、視覺反饋模塊等。然后通過數字圖像處理技術、模式識別和人工智能技術對采集到的虹膜圖像進行處理、存儲、比對，實現對人員身份的認證和識別。

聲紋識別技術

與人臉、指紋、虹膜的人體生理特征不同，聲紋屬于人體行為特征。聲紋識別是一項提取說話人聲音特征和說話內容信息，自動核驗說話人身份的技術。聲紋識別技術可分為兩類：說話人確認技術、說話人辨認技術。說話人確認技術是用于判斷未知說話人是否為某個指定人，主要應用于證券交易、銀行交易、公安取證、電腦聲控鎖、汽車聲控鎖、身份證、信用卡等身份識別領域。說話人辨認技術是用于在已經記錄的說話人中辨認出未知說話人的身份，主要應用于刑偵破案、罪犯跟蹤、國防監聽、個性化應用等領域。當前聲紋識別技術可分為靜態檢測技術與動態監測技術。靜態檢測技術是抽取說話人聲音的基音頻譜及包絡、基音幀的能量、基音共振峰的出現頻率及其軌跡等參數表征，之后運用模式識別等匹配算法進行聲紋識別。動態檢測方面，利用VAD技術進行降噪、去除混響，動態時間規整、矢量量化、支持向量機等方法進行特征提取，主要采用隱馬爾可夫模型和高斯混合模型進行預測，深度學習模型目前也有一定應用。

未來趨勢

隨著深度學習等人工智能技術不斷成熟，生物識別技術準確率大幅上升，極大地拓展了其商業應用范圍。目前，以深度學習算法為代表的人工智能技術發展，為生物識別提供了計算和分析支撐，海量的高質量生物特征數據也為訓練深度神經網絡提供了資源。相比傳統算法，深度學習是在圖像、語音領域大大提升了識別率。如在語音識別領域，傳統使用混合高斯模型，其在真實復雜環境中的效果欠佳，深度學習算法的應用使得識別錯誤率下降30%左右。生物識別的準確率得到大幅提升，這促使了生物識別技術大大拓展了應用范圍，如向移動APP、刷臉支付、新零售、新出行等領域拓展。

隨著3D成像和傳感模組開發，人臉識別、虹膜識別功能將成為智能終端的標準配置。2017年，高通推出了前置iris生物識別模組及高端計算機視覺攝像頭模組。Iris生物識別模組主要用于虹膜識別，具有40ms的低延時，并能夠支持活體檢測。高端計算機視覺攝像頭模組通過紅外發光器發射出光束，IR攝像頭讀取該光斑圖案，對點狀圖在物體上發生的扭曲、以及點與點之間的距離進行計算，進而與RGB圖像進行復合，最后構成3D模型。這意味著搭載高通下一代處理器的智能手機能夠實現3D人臉識別、虹膜識別功能。

基于生物識別技術的數字身份將成為未來主流的身份識別方式。當前主流身份識別方法仍是主要由身份標識物品（鑰匙、證件、銀行卡等）和身份標識知識（用戶名、密碼）等承擔。相比主流身份識別方式，采用生物識別技術的數字身份更具安全性和便捷性。圍繞數字身份，Microsoft、Blockstack已開始布局，在移動設備、云存儲供應商及桌面NAS驅動器中推廣個人云存儲，將區塊鏈應用于數字證書和服務提供商之間的信任服務。N