“互聯(lián)網(wǎng)+”生物識(shí)別的未來

陸平 曹茜芮

隨著“互聯(lián)網(wǎng)+”時(shí)代的到來，移動(dòng)支付、共享出行、智慧安防、智慧醫(yī)療等應(yīng)用場(chǎng)景對(duì)身份驗(yàn)證和安全保障提出了更高要求，生物識(shí)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(shí)別技術(shù)包括人臉識(shí)別、指紋識(shí)別、虹膜識(shí)別、聲紋識(shí)別、指靜脈識(shí)別及步態(tài)識(shí)別等，“互聯(lián)網(wǎng)+”生物識(shí)別成為商業(yè)創(chuàng)新的重要驅(qū)動(dòng)力。比如，2018年以來，身份證、社?？?、駕照、居住證、營業(yè)執(zhí)照等證件電子化成為重要趨勢(shì)；北京地鐵有望在年內(nèi)啟動(dòng)人臉識(shí)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(shí)別超過肉眼識(shí)別率

人臉識(shí)別技術(shù)主要基于深度學(xué)習(xí)算法。傳統(tǒng)的人臉識(shí)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(jì)不同系統(tǒng)，并采用人工設(shè)計(jì)特征，如人臉識(shí)別采用LBP特征、人臉檢測(cè)采用Haar-like特征、行人檢測(cè)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(shì)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(jì)特征往往難以滿足現(xiàn)實(shí)中的復(fù)雜任務(wù)需求。新一代的人臉識(shí)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(gè)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(duì)于傳統(tǒng)特征工程，新算法能夠自動(dòng)學(xué)習(xí)特征，降低人工選擇特征對(duì)預(yù)測(cè)效果的影響。相對(duì)于淺層模型，深度模型能重復(fù)利用中間層的計(jì)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(shí)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(shí)別數(shù)據(jù)庫LFW性能評(píng)測(cè)中獲得了99.15%的識(shí)別率，超越了人肉眼在LFW數(shù)據(jù)庫中的識(shí)別率（97.52%）。2017年，騰訊優(yōu)圖借助Tensorflow集群訓(xùn)練平臺(tái)，集成了三個(gè)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(gè)模型融合達(dá)到99.80%的準(zhǔn)確率，該成績(jī)目前處于全球領(lǐng)先水平。

應(yīng)用場(chǎng)景越來越寬，更多行業(yè)引入人臉識(shí)別技術(shù)。比如，移動(dòng)APP領(lǐng)域，F(xiàn)aceu利用商湯SenseAR增強(qiáng)現(xiàn)實(shí)感引擎，為用戶面部、手勢(shì)實(shí)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(cè)和關(guān)鍵點(diǎn)檢測(cè)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(zhǎng)楹天街與曠視合作，實(shí)現(xiàn)當(dāng)會(huì)員進(jìn)行消費(fèi)或二次到店時(shí)，智能零售系統(tǒng)便能快速地識(shí)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(yàn)證系統(tǒng)支持，以保證司機(jī)注冊(cè)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(tái)，依托騰訊優(yōu)圖的高識(shí)別率和毫秒級(jí)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(yàn)證服務(wù)。

指紋識(shí)別技術(shù)廣泛應(yīng)用

指紋識(shí)別技術(shù)是利用傳感器、圖像處理、模式識(shí)別的技術(shù)來匹配指紋之間是否一致。指紋識(shí)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(chǎng)、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(shí)別技術(shù)面臨以下問題：一是在1對(duì)N情形下，隨著人數(shù)不斷增加，識(shí)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(yàn)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(shí)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(shí)通過字典來選擇候選方向場(chǎng)，然后對(duì)比連續(xù)性來選出質(zhì)量較好的方向場(chǎng)。為增強(qiáng)指紋識(shí)別的防偽能力，可利用光學(xué)斷層掃描技術(shù)對(duì)指紋更為精密的數(shù)據(jù)進(jìn)行提取。

指紋識(shí)別技術(shù)較成熟，已廣泛應(yīng)用于金融、醫(yī)療、移動(dòng)支付等各行業(yè)。金融領(lǐng)域，指紋識(shí)別技術(shù)用于對(duì)銀行員工的身份認(rèn)證、自動(dòng)取款機(jī)客戶的身份認(rèn)證等。醫(yī)療領(lǐng)域，醫(yī)院等對(duì)用戶信息安全認(rèn)證，如對(duì)患者及捐贈(zèng)者進(jìn)行鑒定，進(jìn)而防止欺詐。移動(dòng)支付領(lǐng)域，指紋識(shí)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(gè)人身份識(shí)別，起到保護(hù)個(gè)人財(cái)產(chǎn)安全的作用。

虹膜識(shí)別具有較強(qiáng)唯一性

虹膜識(shí)別技術(shù)是基于眼睛中的虹膜進(jìn)行身份識(shí)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(cuò)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(duì)于身份識(shí)別具有較強(qiáng)唯一性。虹膜識(shí)別過程可分為虹膜圖像采集、數(shù)據(jù)預(yù)處理及分析對(duì)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(shí)別和人工智能技術(shù)對(duì)采集到的虹膜圖像進(jìn)行處理、存儲(chǔ)、比對(duì)，實(shí)現(xiàn)對(duì)人員身份的認(rèn)證和識(shí)別。

虹膜識(shí)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(shí)別、指紋識(shí)別等技術(shù)并不適用，虹膜識(shí)別技術(shù)則較適合。

聲紋識(shí)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(shí)別是一項(xiàng)提取說話人聲音特征和說話內(nèi)容信息，自動(dòng)核驗(yàn)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(gè)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(shí)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(gè)性化應(yīng)用等領(lǐng)域。當(dāng)前聲紋識(shí)別技術(shù)可分為靜態(tài)檢測(cè)技術(shù)與動(dòng)態(tài)監(jiān)測(cè)技術(shù)。靜態(tài)檢測(cè)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(shí)別等匹配算法進(jìn)行識(shí)別。動(dòng)態(tài)檢測(cè)方面，利用VAD技術(shù)降噪、去除混響，動(dòng)態(tài)時(shí)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(cè)，深度學(xué)習(xí)模型也有一定應(yīng)用。

BI智能公司的研究報(bào)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(jì)這一數(shù)據(jù)將以31%的年復(fù)合增長(zhǎng)率增長(zhǎng)。2017年巴克萊銀行宣布即將實(shí)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(hào)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(yàn)證。

未來應(yīng)用場(chǎng)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(shí)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(shí)別提供了計(jì)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(shí)別率。如在語音識(shí)別領(lǐng)域，傳統(tǒng)使用混合高斯模型，其在真實(shí)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(shí)別錯(cuò)誤率下降30%左右。生物識(shí)別的準(zhǔn)確率得到大幅提升，這促使生物識(shí)別技術(shù)大大拓展了應(yīng)用范圍，如向移動(dòng)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(shí)別、虹膜識(shí)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(shí)別模組及高端計(jì)算機(jī)視覺攝像頭模組。Iris生物識(shí)別模組主要用于虹膜識(shí)別，具有40ms的低延時(shí)，并能夠支持活體檢測(cè)。高端計(jì)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(duì)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(jì)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(shí)別、虹膜識(shí)別功能。

基于生物識(shí)別技術(shù)的數(shù)字身份，將成為未來主流的身份識(shí)別方式。當(dāng)前主流身份識(shí)別方法仍是主要由身份標(biāo)識(shí)物品（例如，鑰匙、證件、銀行卡等）和身份標(biāo)識(shí)知識(shí)（例如，用戶名、密碼）等承擔(dān)。相比主流身份識(shí)別方式，采用生物識(shí)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(dòng)設(shè)備、云存儲(chǔ)供應(yīng)商及桌面NAS驅(qū)動(dòng)器中推廣個(gè)人云存儲(chǔ)，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(shí)別技術(shù)也越來越成熟，應(yīng)用場(chǎng)景和商業(yè)前景愈加寬廣。