陸平 曹茜芮

隨著互聯(lián)網(wǎng)+時代的到來，移動支付、共享出行、智慧安防、智慧醫(yī)療等應(yīng)用場景對身份驗證和安全保障提出了更高要求。生物識別是利用人體生理特征或行為特征進(jìn)行個人身份鑒定的技術(shù)，其與“互聯(lián)網(wǎng)+”相結(jié)合，成為商業(yè)創(chuàng)新的重要驅(qū)動力。

新時代生物識別技術(shù)創(chuàng)新

隨著互聯(lián)網(wǎng)+時代的到來，移動支付、共享出行、智慧安防、智慧醫(yī)療等應(yīng)用場景對身份驗證和安全保障提出了更高要求，生物識別以其便捷性和唯一性成為重要研究和應(yīng)用發(fā)展方向。生物識別技術(shù)包括人臉識別、指紋識別、虹膜識別、聲紋識別、指靜脈識別及步態(tài)識別等，互聯(lián)網(wǎng)+生物識別成為商業(yè)創(chuàng)新的重要驅(qū)動力。比如，2018年以來，身份證、社?？āⅠ{照、居住證、營業(yè)執(zhí)照等證件電子化成為重要趨勢；4至5月，警方利用AI人臉識別技術(shù)在張學(xué)友三場演唱會上逮捕了多名在逃犯罪嫌疑人；北京地鐵有望在年內(nèi)啟動人臉識別乘車試點(diǎn)，安檢系統(tǒng)也將引入刷臉技術(shù)，提高乘客通行速度等。

人臉識別超過肉眼識別率

人臉識別技術(shù)主要基于深度學(xué)習(xí)算法。傳統(tǒng)的人臉識別算法通常采用淺層機(jī)器學(xué)習(xí)模型，它需要根據(jù)各類任務(wù)設(shè)計不同系統(tǒng)，并采用人工設(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，主要原因是非約束環(huán)境下人們姿勢多種多樣，且光照條件角度也變化，難以利用LBP特征、Haar特征獲取人臉顯著信息，這進(jìn)一步表明人工設(shè)計特征往往難以滿足現(xiàn)實中的復(fù)雜任務(wù)需求。新一代的人臉識別算法主要基于深度學(xué)習(xí)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(xué)習(xí)更有用的特征。相對于傳統(tǒng)特征工程，新算法能夠自動學(xué)習(xí)特征，降低人工選擇特征對預(yù)測效果的影響。相對于淺層模型，深度模型能重復(fù)利用中間層的計算單元，進(jìn)而大量減少網(wǎng)絡(luò)中的自由參數(shù)。

從技術(shù)效果來看已經(jīng)超越人的肉眼識別率。2014年，由香港中文大學(xué)湯曉鷗等人開發(fā)的DeepID深度學(xué)習(xí)模型在國際權(quán)威人臉識別數(shù)據(jù)庫LFW性能評測中獲得了99.15%的識別率，超越了人肉眼在LFW數(shù)據(jù)庫中的識別率（97.52%）。2017年，騰訊優(yōu)圖借助Tensorflow集群訓(xùn)練平臺，集成了三個深度分別為360、540、720層的深度網(wǎng)絡(luò)，將最后一層全連接層的輸出作為特征輸出，三個模型融合達(dá)到99.80%的準(zhǔn)確率，該成績目前處于全球第一水平。

應(yīng)用場景越來越寬，更多行業(yè)引入人臉識別技術(shù)。比如，移動APP領(lǐng)域，F(xiàn)aceu利用商湯SenseAR增強(qiáng)現(xiàn)實感引擎，為用戶面部、手勢實現(xiàn)AR特效。美圖秀秀和美顏相機(jī)APP利用曠視的人臉檢測和關(guān)鍵點(diǎn)檢測技術(shù)，在圖像中精準(zhǔn)定位人臉和五官位置。新零售領(lǐng)域，龍湖長楹天街與曠視合作，實現(xiàn)當(dāng)會員進(jìn)行消費(fèi)或二次到店時，智能零售系統(tǒng)便能快速地識別并提醒商家。新出行領(lǐng)域，滴滴出行的人像認(rèn)證是由曠視FaceID身份驗證系統(tǒng)支持，以保證司機(jī)注冊賬戶和本人信息相符。安全領(lǐng)域，福建省公安廳與騰訊互聯(lián)網(wǎng)+合作事業(yè)部聯(lián)合發(fā)布的“牽掛你”防走失平臺，依托騰訊優(yōu)圖的高識別率和毫秒級的海量檢索能力，提高走失人員信息匹配準(zhǔn)確率。金融領(lǐng)域，農(nóng)行、建行、中行、交行等多家銀行與云從科技合作，進(jìn)行金融身份認(rèn)證與遠(yuǎn)程認(rèn)證，曠視為阿里巴巴的支付寶提供了從端到云的 FaceID遠(yuǎn)程身份驗證服務(wù)。

指紋識別技術(shù)廣泛應(yīng)用

指紋識別技術(shù)是利用傳感器、圖像處理、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(xué)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(diǎn)和分叉點(diǎn)等。然而，傳統(tǒng)指紋識別技術(shù)面臨以下問題：一是在1對N情形下，隨著人數(shù)不斷增加，識別準(zhǔn)確率明顯降低；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(dǎo)致準(zhǔn)確率下降的問題，新的方法是利用深度學(xué)習(xí)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(xùn)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(qiáng)指紋識別的防偽能力，可利用光學(xué)斷層掃描技術(shù)對指紋更為精密的數(shù)據(jù)進(jìn)行提取。

指紋識別技術(shù)較成熟，已廣泛應(yīng)用于金融、醫(yī)療、移動支付等各行業(yè)。金融領(lǐng)域，指紋識別技術(shù)用于對銀行員工的身份認(rèn)證、自動取款機(jī)客戶的身份認(rèn)證等。醫(yī)療領(lǐng)域，醫(yī)院等對用戶信息安全認(rèn)證，如對患者及捐贈者進(jìn)行鑒定，進(jìn)而防止欺詐。移動支付領(lǐng)域，指紋識別技術(shù)廣泛應(yīng)用于手機(jī)支付操作之中，能夠代替密碼進(jìn)行個人身份識別，起到保護(hù)個人財產(chǎn)安全的作用。

虹膜識別具有較強(qiáng)唯一性

虹膜識別技術(shù)是基于眼睛中的虹膜進(jìn)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(diǎn)、細(xì)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，這決定了虹膜對于身份識別具有較強(qiáng)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(jī)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(jìn)行處理、存儲、比對，實現(xiàn)對人員身份的認(rèn)證和識別。

虹膜識別技術(shù)主要應(yīng)用于工業(yè)領(lǐng)域，如煤炭行業(yè)，由于工人面部、指紋等生物特征易受損毀，人臉識別、指紋識別等技術(shù)并不適用，虹膜識別技術(shù)則較適合。

聲紋識別成為重要應(yīng)用

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)，可分為兩類：說話人確認(rèn)技術(shù)、說話人辨認(rèn)技術(shù)。說話人確認(rèn)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(rèn)技術(shù)是用于在已經(jīng)記錄的說話人中辨認(rèn)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(dāng)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)表征后，運(yùn)用模式識別等匹配算法進(jìn)行識別。動態(tài)檢測方面，利用VAD技術(shù)降噪、去除混響，動態(tài)時間規(guī)整、矢量量化、支持向量機(jī)等方法進(jìn)行特征提取，主要采用隱馬爾可夫模型和高斯混合模型進(jìn)行預(yù)測，深度學(xué)習(xí)模型也有一定應(yīng)用。

BI智能公司的研究報告發(fā)現(xiàn)，1800萬名美國消費(fèi)者已經(jīng)使用了語音支付，預(yù)計這一數(shù)據(jù)將以31%的年復(fù)合增長率增長。2017年巴克萊銀行宣布即將實現(xiàn)語音支付功能，用戶可以通過口語的方式指示Siri將銀行賬號內(nèi)的資金支付給收款人，用戶需要用Touch ID來進(jìn)行身份與付款驗證。

未來應(yīng)用場景將極度拓展

隨著深度學(xué)習(xí)等人工智能技術(shù)不斷成熟，生物識別準(zhǔn)確率大幅上升，商業(yè)應(yīng)用范圍將極大拓展。目前，以深度學(xué)習(xí)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(xùn)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(xué)習(xí)在圖像、語音領(lǐng)域大幅提升了識別率。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(fù)雜環(huán)境中效果欠佳，深度學(xué)習(xí)算法的應(yīng)用使得識別錯誤率下降30%左右。生物識別的準(zhǔn)確率得到大幅提升，這促使生物識別技術(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(biāo)準(zhǔn)配置。2017年，高通推出了前置iris生物識別模組及高端計算機(jī)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(jī)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(diǎn)狀圖在物體上發(fā)生的扭曲以及點(diǎn)與點(diǎn)之間的距離進(jìn)行計算，進(jìn)而與RGB圖像進(jìn)行復(fù)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(jī)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(dāng)前主流身份識別方法仍是主要由身份標(biāo)識物品（例如，鑰匙、證件、銀行卡等）和身份標(biāo)識知識（例如，用戶名、密碼）等承擔(dān)。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)。

總之，隨著信息科技的快速發(fā)展，互聯(lián)網(wǎng)+生物識別技術(shù)也越來越成熟，應(yīng)用場景和商業(yè)前景愈加寬廣。