百度解義，生物識別是根據人類生理特征(人臉、指紋、虹膜等)和行為特征(姿態、動作、情感等)實現身份認證的技術。在進行人體身份認證時，其主要通過計算機與光學、聲學、生物傳感器和生物統計學原理等高科技手段密切結合，利用人體固有的生理特性和行為特征來進行個人身份的鑒定。目前，常用的生物識別技術主要包括：人臉識別、指紋識別、虹膜識別、行為識別以及步態識別。
人臉識別：
人臉識別又稱面部識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。由于人臉識別所涉及的器官多、面積又大，因此該識別技術不僅復雜且易受到較多因素的干擾，如人的表情、姿態等等，而現在所提及的微表情識別、情緒識別技術，均屬于人臉識別技術的分支。
相關報道顯示，隨著政府推行用戶和數據安全舉措的增加、越來越多的移動設備的使用以及全球對健全的欺詐檢測和預防系統需求的日益增長，預計2019年人臉識別市場的規模預計為32億美元，五年后即2024年該市場規模將達到79億美元，復合年增長率為16.6%。也就是說，人臉識別技術已成為當下主流的生物識別技術。
從技術層面來看，人臉識別系統主要有四個部分組成，分別為人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。當前隨著各家算力及算法的提升、非結構化數據逐漸向架構化水平轉化，人臉識別算法準確率平均達到了99.69%，也就是說，人臉識別技術已經達到了較高水平。且在中國。已經出現了以云從科技、商湯科技、依圖科技以及曠視科技為代表的中國人臉識別“四小龍”態勢。
從應用層面來看，僅在中國，隨著天網工程、雪亮工程以及國家政策的推動，中國已經成為了人臉識別技術受益深的國家之一，基于人臉識別技術的軟硬件產品也持續更新中，如人臉匝機、人臉識別手機解鎖、人臉識別門禁與考勤、認證合一驗證、人臉識別抓逃犯、行人闖紅燈抓排系統、支付寶人臉識別付款、醫院在線辦卡等等，各種“智慧+”產業，如智能安防、智慧教育、智慧醫院、智慧金融、智慧交通等等，都已經將人臉識別技術作為主流的技術。
盡管全球已經加速進入“刷臉時代”，但人臉識別發展，依舊面臨不少挑戰：
●2D人臉識別技術
由于2D信息存在深度數據丟失的局限性，無法完整的表達出真實人臉，所以其對復雜人臉的魯棒性并不好，在實際應用中也存在著不少難點，如跨視角(跨姿態、跨年齡、化妝前后等)人臉識別、低分辨率人臉、深度學習(樣本欺騙)、人臉反欺騙、復雜場景(強弱光照、模糊、遮擋等)、外在變化、計算力限制、細粒度分類(非人體檢測和智能體檢測)等等。
●3D人臉識別技術
目前3D人臉采集技術包括雙目技術、結構光技術和TOF技術，且3D活體檢測可以有效分辨出偽造圖片、視頻、面具等的攻擊，但其在算法和硬件方面也存在不少挑戰。在算法方面，需要解決如何獲得質量較高的3D人臉圖像(深度圖像、點云圖像、網格圖像和如何解決人臉姿態、表情、遮擋等因素的影響兩大問題;在硬件層面，存在的挑戰包括光照、距離、精度、復雜度等等。
而除了以上難題，人臉識別技術還面臨多模態技術融合問題、人工智能芯片壟斷、數據隱私問題等難題。
指紋識別：
盡管人臉識別是目前市面較為流行的生物識別技術，但指紋識別依舊是當前應用廣泛的識別方式。
指紋識別主要是通過比較不同指紋的細節特征點來進行鑒別，過程主要可概括為指紋采集、指紋特征提取、指紋匹配三個環節。目前看來，指紋識別行業發展具體可概括為以下幾大態勢：
●指紋識別產業包括芯片設計、芯片制造封裝、模組制造以及整機廠商等環節，產業鏈趨于完善。
●近年來，越來越多的智能手機開始采用指紋識別技術。2013年，具備指紋識別功能的智能手機iPhone 5S、華為面世;
●隨著全面屏手機解決方案的推廣與普及，指紋識別傳感器開始轉向背面后置或者內置在顯示屏下方。
●在各類生物識別技術中，指紋識別仍占據最高份額。2017年，全球指紋識別技術規模約74.56億美元，同比增長7.71%。
可以預見的是，隨著相關技術的發展與完善，指紋識別將廣泛應用在智能終端、身份證、機動車、家居等更多的領域。但指紋識別依舊有不少需要解決的痛點：
●質量評估：指紋識別很大程度上依賴于獲取的指紋圖像質量，解決指紋質量評估問題十分關鍵
●數據壓縮：指紋庫的存儲數據量較大，進行指紋辨認時需要對所有指紋進行匹配打分，如何壓縮數據實現快速匹配值得考慮。
●真偽鑒別：指紋信息易被假冒仿制，指紋偽造成本低且難以辨別。
●隱私安全：目前大多數指紋識別系統沒有做非可逆加密，一旦指紋信息泄露會對用戶造成損失甚至威脅公共安全。
●指紋采集硬件及芯片：目前的屏下指紋識別技術主要做在OLED面板，難以做在液晶面板(LCD)
此外，指紋識別實際上并不具有終身“唯一性”且“每個人的指紋并非獨一無二“：具有血緣關系的人會出現指紋極其相似的情況，況且人的指紋隨著年齡增長、皮膚狀況的改變，指紋形狀也會受到不少影響。
虹膜識別
虹膜識別技術是基于眼睛中的虹膜進行身份識別，應用于安防設備(如門禁等)，以及有高度保密需求的場所。
虹膜識別的穩定性、準確性、安全性高，相較于指紋識別和人臉識別具有明顯優勢，但由于虹膜識別的技術難度更高、相較于其他生物識別技術生產成本較高，且對識別距離的要求較高，這些因素在一定程度上阻礙了其進入普通消費市場。
另外，當前我國虹膜識別技術的發展，還受到不少因素的局限，一是采集技術、設備，二是國家政策因素。就目前而言，我國的虹膜采集行為還處于起步階段，要達到與人臉識別同樣的廣泛應用，需要國家政策的大力支持;此外，由于虹膜識別需要比人臉識別更為特殊的采集鏡頭，而且易受外部環境干擾，其普及率還有待提高。
不過，較為慶幸的是，在相關部門的支持下，我國虹膜圖像識別和鑒定工作已經開始，虹膜識別市場未來一定可期!
行為識別：
伴隨著人臉識別、指紋識別、虹膜識別技術的不斷成熟和發展，生物識別技術也逐漸衍生為現在以姿態估計、動作識別為主的行為識別技術。
概括來說，行為識別是一種通過算法，把人的主要活動骨架結構化，根據人的運動軌跡，定義各種一場行為，通過深度學習算法，形成動作體系，能高效的被系統識別到。該識別技術通過攝像機拍攝，模擬勾勒出人的骨架，針對人的各種動作進行分析出運動軌跡，從而判斷出該運動軌跡是屬于什么動作。再通過后臺服務器進行計算，一旦吻合系統設定的管理動作，系統就會立即預警，以達到了提前預警的目的。
就目前而言，得益于行為識別技術的的幾大優勢：很多動作可以做到零誤報、能精準識別場景下人的異常動作行為、服務器識別分析效率高以及同一攝像機可以同時分析N個異常行為，該技術可對緊急求救、打架斗毆、高空拋物、聚眾圍觀等異常行為進行分析且提前預警，可廣泛應用于自動駕駛、醫療、教育、機器人、公共安全、影視娛樂等領域。
但技術總有缺陷，盡管行為識別技術將安防逐漸向主動防御靠攏，但當下行為識別技術的發展，也面臨著算法挑戰和硬件挑戰。
●算法挑戰：缺乏端到端的模型，人體姿態和動作的多樣性、復雜場景、缺乏標注良好的大型數據集、個體差異性(不同人表現統一動作的差異);
●硬件挑戰：對高精度、小型化傳感器以及高運算、低功耗芯片有一定的要求。
步態識別：
與行為識別一般，步態識別也是生物識別技術領域的后起之秀。
步態識別旨在通過人們走路的姿態進行身份識別。從解剖學的角度分析，步態唯一性的物理基礎是每個人生理結構的差異性，不一樣的腿骨長度、不一樣的肌肉強度、不一樣的重心高度、不一樣的運動神經靈敏度，共同決定了步態的唯一性。此外，由于該技術支持遠距離識別、無需硬性配合、環境適應性強等特點開始進入到安防、交通、工業等行業領域展開相關應用。
從技術層面來看，相比于指紋、人臉、掌紋、靜脈等靜態生物特征而言，步態屬于動態特征，因此在識別流程上更為復雜 。步態識別的整個過程分為采集、分析、提取、比對四大環節，但其實每個環節都面臨著挑戰。比如數據樣本的采集，如何獲取數據，又如何構建步態識別的數據庫?在獲取到數據后如何分割前景和背景，讓識別更為精確?在特征表達的階段，又該如何解決跨視角識別的問題等等。
而步態識別作為一種新興的生物識別技術，要從實驗室走向商用場景，步態識別不僅要從識別精準度、識別速度以及技術的應用成本、便捷程度等方面著手一一攻克，還得與產業高度融合，取得產業的認可。
……
相關報道顯示，預計到2020年，全球生物識別市場規模將突破250億美元，我國生物識別市場規模則達到300億元。
不止于上述提及的五大識別技術，生物識別技術還包括聲紋識別、眼紋識別、視網膜識別、靜脈識別、人體識別等等。而所有這些生物識別技術所面臨的挑戰都源自算法、硬件以及法律法規三個方面：在算法層，需要標注良好的大型數據集，滿足深度學習模型的解釋性以及實際應用場景的復雜性;在硬件層，需要致力于傳感器的設計與制造、芯片的設計與制造以及移動設備的實時計算的研發工作;最后，國家及相關政府哈必須從法律法規入手，制定相關政策保障用戶隱私保護，統一行業標準。
小結：
不可否認，從指紋認證到人臉識別、虹膜識別，生物識別技術正邁步進入“視覺時代”。技術在不斷進步是事實，但這種“視覺時代”的背后，多重生物識別才是未來生物識別技術發展的王道。
相比單項生物識別技術，把人臉識別、行為識別、步態識別與密碼、指紋、虹膜等方式相結合的多重生物識別技術，將帶來更高的可靠性和準確性，同時保障用戶的隱私問題。
展望未來，多重生物識別技術將走向越來越寬廣的應用領域和市場!
京公網安備 11010502049343號