生物特征识别技术(Biometrics)是指利用人体与生俱来的生理特性和长年累月形成的行为特征来进行身份鉴定的一种识别技术。该技术的安全性和便捷性远高于口令、密码或者ID卡等传统方式。生物特征识别技术具有安全性好、不易丢失、难以仿冒和携带方便等诸多优点,目前可用于身份识别的人体特征包括指纹、虹膜、面部、掌纹、静脉等生理特征和步态、笔迹、声音等行为特征。
生物特征识别技术背后涉及到计算机科学、光学与声学等物理科学、生物科学、生物传感器和生物统计学原理,安全技术,以及人工智能技术等众多基础科学与创新应用技术,是一个完整的多学科技术解决方案。
近些年随着人工智能的发展,让生物特征识别技术变得更加成熟。目前,人脸识别技术是生物特征中最具代表性的。
人脸识别
人脸识别的流程包括人脸采集、人脸检测、人脸特征提取和人脸匹配识别,其中人脸识别过程采用了机器学习中的AdaBoos算法、卷积神经网络以及支持向量机等多种技术。
目前传统人脸识别困难包括面部旋转,遮挡,相似性等都有了很大的算法提升,使得人脸识别的精准度得到极大的提高,以2D人脸、3D人脸、多光谱人脸等多种模态为代表,每种模态都具有不同的采集适应场景、数据安全程度和隐私敏感度等,而大数据的深度学习的加入,使3D人脸识别算法补充2D投影的缺陷,能快速识别人员身份,为二维人脸识别的应用带来了一定的突破。
同时,目前基于活体检测技术正作为提高人脸识别安全性的关键性技术,可以有效抵御照片、视频、三维模型、假体面具等仿冒欺诈,自主判断操作用户身份。目前,伴随人脸识别技术的快速发展,智能设备、线上金融、人脸支付等诸多创新应用已日趋普遍,为大家生活、工作带来快捷和方便。
步态识别
面对人脸识别的局限,以步态识别为代表体态识别以难隐藏性、非接触性和非侵入性等特点从众多技术中脱颖而出,成为目前生物特征识别领域的一匹“黑马”。步态识别通过身体体型和行走姿态来识别目标的身份,是一种颇为复杂的行为特征,体态识别技术不需要人为配合,能够适应更为普遍的应用场景,特别适合用来进行远距离身份识别。
目前,国内已经有几家企业识别精度已经达到了非常高的水平。其中今年8月底CASIA-B步态数据集历史记录再次被银河水滴步态识别技术各项关键指标刷新,在正常、带包、穿大衣不同的检索环境下,Rank1准确率分别达98.231%、95.802%、91.364%,均创历史新高,持续保持领先水平。
掌纹识别
掌纹识别是一种新型的生物特征识别技术,它以人体的掌纹作为目标特征,通过多光谱成像技术采集生物信息。多光谱掌纹识别算得上是多模态和多种目标特征融合的生物特征识别技术的典范。这种新技术将皮肤光谱、掌纹纹路与静脉脉络三种可识别特征结合,一次性提供更加丰富的信息,增加了目标特征的可区分度。
今年亚马逊代号为Orville的手掌识别技术已经开始测试。扫描仪首先获取一组经过红外偏振的原始图像,专注于手掌外部特征,如线条、褶皱;再次获取第二组偏振图像时,则专注于手掌结构和内部特征,如静脉、骨骼、软组织等。原始图像经过初始处理,会提供包含手部的一组图像。这些图像均照度充足、正确合焦,并会以特定朝向、特定姿势显示手掌,并标示出是左手还是右手。
目前,亚马逊的掌纹识别技术可以在仅仅300毫秒的时间内验证个人身份并完成支付,并且不需要使用者将手放在扫描设备上,只需挥手扫描,无需接触。这项技术的故障率在0.0001%左右,同时掌纹识别在初始阶段即是双重验证——第一次获取外部特征,第二次获取内部组织特征,在安全性上相对于其他生物识别技术有所提高。
除了以上几种生物特征外,目前虹膜识别技术也正普及开来,虹膜识别误识率低至1/100万,主要利用虹膜寿命不变性和差异的特征来识别身份。
目前,行业中共识是,单种模态的识别无论在识别性能还是在安全性上均存在瓶颈,而多模态融合是人脸识别乃至生物特征识别的重要突破——不仅能通过多因子的方式提升识别精准度,也能在一定程度提升生物识别技术的场景适应性和隐私安全性。相比传统单模态算法,更能满足金融级误识率(低至千万分之一),也是生物特征识别发展的主要趋势。