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

　　“互聯(lián)網(wǎng)+”時代的生物識別技術(shù)變革

　　1、人臉識別技術(shù)

　　傳統(tǒng)的人臉識別算法通常采用淺層機器學習模型，它需要根據(jù)各類任務(wù)來設(shè)計不同的系統(tǒng)，并采用人工來設(shè)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(tǒng)方法在非約束環(huán)境的效果較差，主要的原因是非約束環(huán)境下人們姿勢呈現(xiàn)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(shè)計特征往往難以滿足現(xiàn)實中的復雜任務(wù)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(jīng)網(wǎng)絡(luò)），它通過構(gòu)建具有多個隱層的神經(jīng)網(wǎng)絡(luò)模型，利用海量數(shù)據(jù)來學習更有用的特征。相對于傳統(tǒng)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(yù)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(wǎng)絡(luò)中的自由參數(shù)。

　　2、指紋識別技術(shù)

　　指紋識別技術(shù)是利用傳感器、圖象處理、模式識別的技術(shù)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(huán)節(jié)。傳統(tǒng)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(tǒng)指紋識別技術(shù)面臨著以下問題：一是在1對N的情形下，隨著人數(shù)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(shù)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(shù)，它能夠隨著數(shù)據(jù)量增大逐漸提升指紋識別精度。利用高質(zhì)量指紋訓練字典，處理低質(zhì)量指紋時通過字典來選擇候選方向場，然后對比連續(xù)性來選出質(zhì)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(shù)對指紋更為精密的數(shù)據(jù)進行提取。

　　3、虹膜識別技術(shù)

　　虹膜識別技術(shù)是基于眼睛中的虹膜進行身份識別，虹膜體積雖然?。ㄖ睆酱蠹s1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(fā)育到一定階段后較為穩(wěn)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(shù)據(jù)預(yù)處理及分析對比等環(huán)節(jié)。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(shù)字圖像處理技術(shù)、模式識別和人工智能技術(shù)對采集到的虹膜圖像進行處理、存儲、比對，實現(xiàn)對人員身份的認證和識別。

　　4、聲紋識別技術(shù)

　　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(nèi)容信息，自動核驗說話人身份的技術(shù)。聲紋識別技術(shù)可分為兩類：說話人確認技術(shù)、說話人辨認技術(shù)。說話人確認技術(shù)是用于判斷未知說話人是否為某個指定人，主要應(yīng)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(lǐng)域。說話人辨認技術(shù)是用于在已經(jīng)記錄的說話人中辨認出未知說話人的身份，主要應(yīng)用于刑偵破案、罪犯跟蹤、國防監(jiān)聽、個性化應(yīng)用等領(lǐng)域。當前聲紋識別技術(shù)可分為靜態(tài)檢測技術(shù)與動態(tài)監(jiān)測技術(shù)。靜態(tài)檢測技術(shù)是抽取說話人聲音的基音頻譜及包絡(luò)、基音幀的能量、基音共振峰的出現(xiàn)頻率及其軌跡等參數(shù)表征，之后運用模式識別等匹配算法進行聲紋識別。動態(tài)檢測方面，利用VAD技術(shù)進行降噪、去除混響，動態(tài)時間規(guī)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(yù)測，深度學習模型目前也有一定應(yīng)用。

　　未來趨勢

　　隨著深度學習等人工智能技術(shù)不斷成熟，生物識別技術(shù)準確率大幅上升，極大地拓展了其商業(yè)應(yīng)用范圍。目前，以深度學習算法為代表的人工智能技術(shù)發(fā)展，為生物識別提供了計算和分析支撐，海量的高質(zhì)量生物特征數(shù)據(jù)也為訓練深度神經(jīng)網(wǎng)絡(luò)提供了資源。相比傳統(tǒng)算法，深度學習是在圖像、語音領(lǐng)域大大提升了識別率。如在語音識別領(lǐng)域，傳統(tǒng)使用混合高斯模型，其在真實復雜環(huán)境中的效果欠佳，深度學習算法的應(yīng)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(shù)大大拓展了應(yīng)用范圍，如向移動APP、刷臉支付、新零售、新出行等領(lǐng)域拓展。

　　隨著3D成像和傳感模組開發(fā)，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(fā)光器發(fā)射出光束，IR攝像頭讀取該光斑圖案，對點狀圖在物體上發(fā)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(gòu)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?qū)崿F(xiàn)3D人臉識別、虹膜識別功能。

　　基于生物識別技術(shù)的數(shù)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(shù)的數(shù)字身份更具安全性和便捷性。圍繞數(shù)字身份，Microsoft、Blockstack已開始布局，在移動設(shè)備、云存儲供應(yīng)商及桌面NAS驅(qū)動器中推廣個人云存儲，將區(qū)塊鏈應(yīng)用于數(shù)字證書和服務(wù)提供商之間的信任服務(wù)。
? ? ? ?責任編輯：tzh