當前主要生物特征識別技術發展及趨勢
來源：福州創安光電科技有限公司 發布時間：2020年11月16日
生物特征識別技術(Biometrics)是指利用人體與生俱來的生理特性和長年累月形成的行為特征來進行身份鑒定的一種識別技術。該技術的安全性和便捷性遠高于口令、密碼或者ID卡等傳統方式。生物特征識別技術具有安全性好、不易丟失、難以仿冒和攜帶方便等諸多優點，目前可用于身份識別的人體特征包括指紋、虹膜、面部、掌紋、靜脈等生理特征和步態、筆跡、聲音等行為特征。
生物特征識別技術背后涉及到計算機科學、光學與聲學等物理科學、生物科學、生物傳感器和生物統計學原理，安全技術，以及人工智能技術等眾多基礎科學與創新應用技術，是一個完整的多學科技術解決方案。
近些年隨著人工智能的發展，讓生物特征識別技術變得更加成熟。目前，人臉識別技術是生物特征中具代表性的。
人臉識別
人臉識別的流程包括人臉采集、人臉檢測、人臉特征提取和人臉匹配識別，其中人臉識別過程采用了機器學習中的AdaBoos算法、卷積神經網絡以及支持向量機等多種技術。
同時，目前基于活體檢測技術正作為提高人臉識別安全性的關鍵性技術，可以有效抵御照片、視頻、三維模型、假體面具等仿冒欺詐，自主判斷操作用戶身份。目前，伴隨人臉識別技術的快速發展，智能設備、線上金融、人臉支付等諸多創新應用已日趨普遍，為大家生活、工作帶來快捷和方便。
步態識別
面對人臉識別的局限，以步態識別為代表體態識別以難隱藏性、非接觸性和非侵入性等特點從眾多技術中脫穎而出，成為目前生物特征識別領域的一匹“黑馬”。步態識別通過身體體型和行走姿態來識別目標的身份，是一種頗為復雜的行為特征，體態識別技術不需要人為配合，能夠適應更為普遍的應用場景，特別適合用來進行遠距離身份識別。
目前，國內已經有幾家企業識別精度已經達到了非常高的水平。其中今年8月底CASIA-B步態數據集歷史記錄再次被銀河水滴步態識別技術各項關鍵指標刷新，在正常、帶包、穿大衣不同的檢索環境下，Rank1準確率分別達98.231%、95.802%、91.364%，均創歷史新高，持續保持領先水平。
掌紋識別
掌紋識別是一種新型的生物特征識別技術，它以人體的掌紋作為目標特征，通過多光譜成像技術采集生物信息。多光譜掌紋識別算得上是多模態和多種目標特征融合的生物特征識別技術的典范。這種新技術將皮膚光譜、掌紋紋路與靜脈脈絡三種可識別特征結合，一次性提供更加豐富的信息，增加了目標特征的可區分度。
今年亞馬遜代號為Orville的手掌識別技術已經開始測試。掃描儀首先獲取一組經過紅外偏振的原始圖像，專注于手掌外部特征，如線條、褶皺;再次獲取第二組偏振圖像時，則專注于手掌結構和內部特征，如靜脈、骨骼、軟組織等。原始圖像經過初始處理，會提供包含手部的一組圖像。這些圖像均照度充足、正確合焦，并會以特定朝向、特定姿勢顯示手掌，并標示出是左手還是右手。
目前，亞馬遜的掌紋識別技術可以在僅僅300毫秒的時間內驗證個人身份并完成支付，并且不需要使用者將手放在掃描設備上，只需揮手掃描，無需接觸。這項技術的故障率在0.0001%左右，同時掌紋識別在初始階段即是雙重驗證——第一次獲取外部特征，第二次獲取內部組織特征，在安全性上相對于其他生物識別技術有所提高。
除了以上幾種生物特征外，目前虹膜識別技術也正普及開來，虹膜識別誤識率低至1/100萬，主要利用虹膜壽命不變性和差異的特征來識別身份。
目前，行業共識是，單種模態的識別無論在識別性能還是在安全性上均存在瓶頸，而多模態融合是人臉識別乃至生物特征識別的重要突破——不僅能通過多因子的方式提升識別準度，也能在一定程度提升生物識別技術的場景適應性和隱私安全性。相比傳統單模態算法，更能滿足金融級誤識率(低至千萬分之一)，也是生物特征識別發展的主要趨勢。
生物特征識別技術背后涉及到計算機科學、光學與聲學等物理科學、生物科學、生物傳感器和生物統計學原理，安全技術，以及人工智能技術等眾多基礎科學與創新應用技術，是一個完整的多學科技術解決方案。
近些年隨著人工智能的發展，讓生物特征識別技術變得更加成熟。目前，人臉識別技術是生物特征中具代表性的。
人臉識別
人臉識別的流程包括人臉采集、人臉檢測、人臉特征提取和人臉匹配識別，其中人臉識別過程采用了機器學習中的AdaBoos算法、卷積神經網絡以及支持向量機等多種技術。
同時，目前基于活體檢測技術正作為提高人臉識別安全性的關鍵性技術，可以有效抵御照片、視頻、三維模型、假體面具等仿冒欺詐，自主判斷操作用戶身份。目前，伴隨人臉識別技術的快速發展，智能設備、線上金融、人臉支付等諸多創新應用已日趨普遍，為大家生活、工作帶來快捷和方便。
步態識別
面對人臉識別的局限，以步態識別為代表體態識別以難隱藏性、非接觸性和非侵入性等特點從眾多技術中脫穎而出，成為目前生物特征識別領域的一匹“黑馬”。步態識別通過身體體型和行走姿態來識別目標的身份，是一種頗為復雜的行為特征，體態識別技術不需要人為配合，能夠適應更為普遍的應用場景，特別適合用來進行遠距離身份識別。
目前，國內已經有幾家企業識別精度已經達到了非常高的水平。其中今年8月底CASIA-B步態數據集歷史記錄再次被銀河水滴步態識別技術各項關鍵指標刷新，在正常、帶包、穿大衣不同的檢索環境下，Rank1準確率分別達98.231%、95.802%、91.364%，均創歷史新高，持續保持領先水平。
掌紋識別
掌紋識別是一種新型的生物特征識別技術，它以人體的掌紋作為目標特征，通過多光譜成像技術采集生物信息。多光譜掌紋識別算得上是多模態和多種目標特征融合的生物特征識別技術的典范。這種新技術將皮膚光譜、掌紋紋路與靜脈脈絡三種可識別特征結合，一次性提供更加豐富的信息，增加了目標特征的可區分度。
今年亞馬遜代號為Orville的手掌識別技術已經開始測試。掃描儀首先獲取一組經過紅外偏振的原始圖像，專注于手掌外部特征，如線條、褶皺;再次獲取第二組偏振圖像時，則專注于手掌結構和內部特征，如靜脈、骨骼、軟組織等。原始圖像經過初始處理，會提供包含手部的一組圖像。這些圖像均照度充足、正確合焦，并會以特定朝向、特定姿勢顯示手掌，并標示出是左手還是右手。
目前，亞馬遜的掌紋識別技術可以在僅僅300毫秒的時間內驗證個人身份并完成支付，并且不需要使用者將手放在掃描設備上，只需揮手掃描，無需接觸。這項技術的故障率在0.0001%左右，同時掌紋識別在初始階段即是雙重驗證——第一次獲取外部特征，第二次獲取內部組織特征，在安全性上相對于其他生物識別技術有所提高。
除了以上幾種生物特征外，目前虹膜識別技術也正普及開來，虹膜識別誤識率低至1/100萬，主要利用虹膜壽命不變性和差異的特征來識別身份。
目前，行業共識是，單種模態的識別無論在識別性能還是在安全性上均存在瓶頸，而多模態融合是人臉識別乃至生物特征識別的重要突破——不僅能通過多因子的方式提升識別準度，也能在一定程度提升生物識別技術的場景適應性和隱私安全性。相比傳統單模態算法，更能滿足金融級誤識率(低至千萬分之一)，也是生物特征識別發展的主要趨勢。
上一條
兩千萬像素 4K高清 掃描識別鏡頭新品發布
下一條
掃描鏡頭-主要特征及應用領域
返回列表
創安公眾號
創安視頻號