疫情下多模态生物识别方式迎来发展

背景及由此暴露的问题

**疫情的迅速波及，一时间使得口罩脱销，另一方面，隐藏在口罩之后的人脸识别失去效用，不论是人脸识别支付，还是Face ID，以往的便利正在成为不便。

每种生物识别技术都有自身的技术壁垒，具有一定的应用局限性，无法覆盖所有应用场景。**

了解生物识别技术

生物识别技术主要是指通过人类生物特征进行身份认证的一种技术，也即利用人体固有的生物特性来进行个人身份的鉴定。生物识别技术主要包括指纹识别、人脸识别、指静脉识别、掌静脉识别、虹膜识别、声音识别等。

人脸识别技术是基于人的脸部特征,对输入的人脸图像或者视频流,判断其是否存在人脸,进一步地给出每个脸的位置、大小和各个主要面部器官的位置信息。这些信息,进一步提取每个人脸中所瘟涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份,广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。

目前，人脸识别技术已应用于账户注册、远程开户、刷脸支付、贷款等业务中，而这些业务的办理，大都需要实名认证。在实名认证方面，人工肉眼判断、短信验证、绑定银行卡等传统认证手段存在准确率不高、客户体验较差、成本高等问题。人脸识别技术的运用，无疑是一场及时雨。

指纹识别技术是把一个人同他的指纹对应起来,通过比较指纹和预先保存的指纹进行比较,验证其真实身份。每个人包括指纹在内)皮肤纹路在图案、断点和交又点上各不相同,也就是说,是唯一的,并且终身不变。依靠这种唯一性和稳定性,我们才能创造指纹识别技术。这是生物识别阵营中的中流砥柱,由于成本较低也是目前应用最为广泛的生物技术。

当下人脸识别火爆，对比之下，指纹识别则稍显黯然。指纹识别技术早在90年代大规模进军金融行业，经过多年积淀，已十分成熟。通过登录搭载了指纹识别技术的操作系统，可以更精准的确认操作人员身份，避免出现滥授权、乱授权等现象，减少被入侵的风险，即使出现事故也可以进行责任追溯。

虹膜识别技术主要利用人的眼睛结构由巩膜虹膜、瞳孔晶状体、视网膜等部分组成,虹膜是位于黑色瞳孔和白色巩膜之间的园环状部分,其包含有很多相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征。而且虹膜在胎儿发育阶段形成后,在整个生命历程中将是保持不变的,这些特征决定了虹膜特征的唯性,同时也决定了身份识别的唯一性。因此,可以将眼睛的虹膜特征作为毎个人的身份识别对象。

静脉识别技术主要是利用静脉血管的结构来进行身份识别。由于静脉纹络包含大量的特征信息,可以作为验证的对象。

虹膜识别与指静脉识别这两项技术作为后起之秀，具有较高的识别精度、可扩展性与安全性，但因其成本较高、不够便利而未能广泛应用于金融领域。目前虹膜识别主要应用于门禁管理、押运管理等高安全要求级别的场景，指静脉识别技术也已在部分银行自助设备中得到运用。

单一生物识别技术遇到的问题

市面上见到最多的识别技术肯定是指纹识别。由于技术门槛较低，近几年指纹识别技术在考勤、移动智能设备、门禁等多个应用场景中被广泛使用。不过，受到指纹的易复制性，甚至有些人天生没指纹，或者长期劳动导致磨损，多方面因素的限制，指纹识别技术并没有在关键安防领域推行。

人脸识别技术，最有名的事件是在去年德国汉诺威电子通信展中，马云向德国总理默克尔展示蚂蚁金服的Smile to Pay，用人脸识别取代传统密码输入进行购物支付。但当系统进行人脸比对的时候，如果人脸发生了胖瘦、发型、表情的变化，识别认证或许真的会以失败告终。

根据不同需求，每种识别技术都有适合的应用场景。但每一种生物识别技术之间不应是替代关系，更多的应是融合应用，对于多模态生物识别技术（即多种以上的生物识别技术结合使用）来说，优于单一生物识别，通过多模态的多重保障，确保用户信息或数据万无一失。多模态生物识别——有望加速成为未来的发展趋势。一方面，它能够适于复杂场景下的应用变化，另一方面，也使得场景数据更丰富，识别更精准。

多模态生物识别技术的发展趋势

目前市场上已经出现指纹和指静脉复合识别、人脸和指纹复合识别等技术。

声纹识别已经在金融、安防、公共服务等领域得到较为广泛的应用，在智能手机锁屏、各类网络账号的声控密码锁、电脑声控锁、声控安全门、汽车声控锁中都是“非接触”识别中很好的应用思路，或者远程在线业务的办理时，使用声纹进行身份识别，都是下一步有望大量应用的方向。

虹膜识别技术落地速度已经开始加快，政府机关、金融机构等已经向虹膜方向发展。根据业内人士反映，虹膜技术民用化，手机可能会走在前列，下一步出现人脸和虹膜识别的结合。智能锁也可能是一个应用市场。与当前主流的密码锁、指纹锁相比，虹膜锁安全级别高，应用方便。

非接触的指/掌静脉识别技术也将逐渐得到更多应用。它利用人体血液中血红蛋白吸收近红外光的特性，获取手指/掌静脉图像，通过定位、增强、特征提取等算法提取特征值，同存储在服务器中的指/掌静脉模板进行比对，从而可确认身份，是一种活体生物识别技术。

指/掌静脉识别早期被用在公共领域，如社会治安防控体系的构建。随后，金融、教育、社区、高端公寓的安防应用中也逐渐引入相关技术及产品。不过由于成本问题，目前应用领域仍然以政府、军队、金融、医疗机构等为主，消费级应用较少。未来在无人零售、轨道交通等领域都有望落地应用。与发达国家相比，该技术在我国的渗透率还非常低，未来有很大的成长空间。

融合多种生物识别技术的平台，能够根据决策权重和场景需求，灵活自动配置适合的识别技术，是较为理想的状态。在具体的落地过程中，从技术角度看，硬件、算法不是当前的难题，更多面临着教育市场的一个过程，需要生物识别技术企业共同努力促进技术的商业化和规模化应用。

多模态生物识别技术落地遇到的挑战

生物识别作为一项典型的AI技术，要真正的落地到实际场景当中，为行业赋能，从技术的角度来看，首先要有一个核心的算法作为驱动力，同时要有相适配的部分，即与不同场景相匹配的智能硬件连接客户作为触角。与此同时，软件平台也必不可少。基于该平台实现以大数据为核心的数据挖掘和智能服务，从而真正体现多模态生物识别技术带来的商业价值和数据价值。

要推进技术在行业市场的真正落地，需要构建起从算法到硬件到后端平台端到端的解决方案能力，在完善的方案架构基础之上，再去针对性的响应不同客户的差异化诉求。

声明：本文由易百纳技术社区编写，文章内容来自网络，转载请注明出处，如有侵权请联系删除。