AI时代的生物识别面临怎样的挑战

从钥匙开锁到指纹开锁再到人脸开锁，生物识别技术的发展开始着力于解放人类的双手。而与此同时，生物识别技术也开始服务人们生活的每个环节，当下开启的刷脸时代就是最直白的例子。

百度解义，生物识别是根据人类生理特征(人脸、指纹、虹膜等)和行为特征(姿态、动作、情感等)实现身份认证的技术。在进行人体身份认证时，其主要通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。目前，常用的生物识别技术主要包括：人脸识别、指纹识别、虹膜识别、行为识别以及步态识别。

人脸识别：

人脸识别又称面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。由于人脸识别所涉及的器官多、面积又大，因此该识别技术不仅复杂且易受到较多因素的干扰，如人的表情、姿态等等，而现在所提及的微表情识别、情绪识别技术，均属于人脸识别技术的分支。

相关报道显示，随着政府推行用户和数据安全举措的增加、越来越多的移动设备的使用以及全球对健全的欺诈检测和预防系统需求的日益增长，预计2019年人脸识别市场的规模预计为32亿美元，五年后即2024年该市场规模将达到79亿美元，复合年增长率为16.6%。也就是说，人脸识别技术已成为当下最为主流的生物识别技术。

从技术层面来看，人脸识别系统主要有四个部分组成，分别为人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。当前随着各家算力及算法的提升、非结构化数据逐渐向架构化水平转化，人脸识别算法准确率平均达到了99.69%，也就是说，人脸识别技术已经达到了较高水平。且在中国。已经出现了以云从科技、商汤科技、依图科技以及旷视科技为代表的中国人脸识别“四小龙”态势。

从应用层面来看，仅在中国，随着天网工程、雪亮工程以及国家政策的推动，中国已经成为了人脸识别技术受益最深的国家之一，基于人脸识别技术的软硬件产品也持续更新中，如人脸匝机、人脸识别手机解锁、人脸识别门禁与考勤、认证合一验证、人脸识别抓逃犯、行人闯红灯抓排系统、支付宝人脸识别付款、医院在线办卡等等，各种“智慧+”产业，如智能安防、智慧教育、智慧医院、智慧金融、智慧交通等等，都已经将人脸识别技术作为最主流的技术。

尽管全球已经加速进入“刷脸时代”，但人脸识别发展，依旧面临不少挑战：

●2D人脸识别技术

由于2D信息存在深度数据丢失的局限性，无法完整的表达出真实人脸，所以其对复杂人脸的鲁棒性并不好，在实际应用中也存在着不少难点，如跨视角(跨姿态、跨年龄、化妆前后等)人脸识别、低分辨率人脸、深度学习(样本欺骗)、人脸反欺骗、复杂场景(强弱光照、模糊、遮挡等)、外在变化、计算力限制、细粒度分类(非人体检测和智能体检测)等等。

●3D人脸识别技术

目前3D人脸采集技术包括双目技术、结构光技术和TOF技术，且3D活体检测可以有效分辨出伪造图片、视频、面具等的攻击，但其在算法和硬件方面也存在不少挑战。在算法方面，需要解决如何获得质量较高的3D人脸图像(深度图像、点云图像、网格图像和如何解决人脸姿态、表情、遮挡等因素的影响两大问题;在硬件层面，存在的挑战包括光照、距离、精度、复杂度等等。

而除了以上难题，人脸识别技术还面临多模态技术融合问题、人工智能芯片垄断、数据隐私问题等难题。

指纹识别：

尽管人脸识别是目前市面较为流行的生物识别技术，但指纹识别依旧是当前应用最为广泛的识别方式。

指纹识别主要是通过比较不同指纹的细节特征点来进行鉴别，过程主要可概括为指纹采集、指纹特征提取、指纹匹配三个环节。目前看来，指纹识别行业发展具体可概括为以下几大态势：

●指纹识别产业包括芯片设计、芯片制造封装、模组制造以及整机厂商等环节，产业链趋于完善。

●近年来，越来越多的智能手机开始采用指纹识别技术。2013年，具备指纹识别功能的智能手机iPhone 5S、华为面世;

●随着全面屏手机解决方案的推广与普及，指纹识别传感器开始转向背面后置或者内置在显示屏下方。

●在各类生物识别技术中，指纹识别仍占据最高份额。2017年，全球指纹识别技术规模约74.56亿美元，同比增长7.71%。

可以预见的是，随着相关技术的发展与完善，指纹识别将广泛应用在智能终端、身份证、机动车、家居等更多的领域。但指纹识别依旧有不少需要解决的痛点：

●质量评估：指纹识别很大程度上依赖于获取的指纹图像质量，解决指纹质量评估问题十分关键

●数据压缩：指纹库的存储数据量较大，进行指纹辨认时需要对所有指纹进行匹配打分，如何压缩数据实现快速匹配值得考虑。

●真伪鉴别：指纹信息易被假冒仿制，指纹伪造成本低且难以辨别。

●隐私安全：目前大多数指纹识别系统没有做非可逆加密，一旦指纹信息泄露会对用户造成损失甚至威胁公共安全。

●指纹采集硬件及芯片：目前的屏下指纹识别技术主要做在OLED面板，难以做在液晶面板(LCD)

此外，指纹识别实际上并不具有终身“唯一性”且“每个人的指纹并非独一无二“：具有血缘关系的人会出现指纹极其相似的情况，况且人的指纹随着年龄增长、皮肤状况的改变，指纹形状也会受到不少影响。

虹膜识别：

虹膜识别技术是基于眼睛中的虹膜进行身份识别，应用于安防设备(如门禁等)，以及有高度保密需求的场所。

虹膜识别的稳定性、准确性、安全性高，相较于指纹识别和人脸识别具有明显优势，但由于虹膜识别的技术难度更高、相较于其他生物识别技术生产成本较高，且对识别距离的要求较高，这些因素在一定程度上阻碍了其进入普通消费市场。

另外，当前我国虹膜识别技术的发展，还受到不少因素的局限，一是采集技术、设备，二是国家政策因素。就目前而言，我国的虹膜采集行为还处于起步阶段，要达到与人脸识别同样的广泛应用，需要国家政策的大力支持;此外，由于虹膜识别需要比人脸识别更为特殊的采集镜头，而且易受外部环境干扰，其普及率还有待提高。

不过，较为庆幸的是，在相关部门的支持下，我国虹膜图像识别和鉴定工作已经开始，虹膜识别市场未来一定可期!

行为识别：

伴随着人脸识别、指纹识别、虹膜识别技术的不断成熟和发展，生物识别技术也逐渐衍生为现在以姿态估计、动作识别为主的行为识别技术。

概括来说，行为识别是一种通过算法，把人的主要活动骨架结构化，根据人的运动轨迹，定义各种一场行为，通过深度学习算法，形成动作体系，能高效的被系统识别到。该识别技术通过摄像机拍摄，模拟勾勒出人的骨架，针对人的各种动作进行分析出运动轨迹，从而判断出该运动轨迹是属于什么动作。再通过后台服务器进行计算，一旦吻合系统设定的管理动作，系统就会立即预警，以达到了提前预警的目的。

就目前而言，得益于行为识别技术的的几大优势：很多动作可以做到零误报、能精准识别场景下人的异常动作行为、服务器识别分析效率高以及同一摄像机可以同时分析N个异常行为，该技术可对紧急求救、打架斗殴、高空抛物、聚众围观等异常行为进行分析且提前预警，可广泛应用于自动驾驶、医疗、教育、机器人、公共安全、影视娱乐等领域。

但技术总有缺陷，尽管行为识别技术将安防逐渐向主动防御靠拢，但当下行为识别技术的发展，也面临着算法挑战和硬件挑战。

●算法挑战：缺乏端到端的模型，人体姿态和动作的多样性、复杂场景、缺乏标注良好的大型数据集、个体差异性(不同人表现统一动作的差异);

●硬件挑战：对高精度、小型化传感器以及高运算、低功耗芯片有一定的要求。

步态识别：

与行为识别一般，步态识别也是生物识别技术领域的后起之秀。

步态识别旨在通过人们走路的姿态进行身份识别。从解剖学的角度分析，步态唯一性的物理基础是每个人生理结构的差异性，不一样的腿骨长度、不一样的肌肉强度、不一样的重心高度、不一样的运动神经灵敏度，共同决定了步态的唯一性。此外，由于该技术支持远距离识别、无需硬性配合、环境适应性强等特点开始进入到安防、交通、工业等行业领域展开相关应用。

从技术层面来看，相比于指纹、人脸、掌纹、静脉等静态生物特征而言，步态属于动态特征，因此在识别流程上更为复杂 。步态识别的整个过程分为采集、分析、提取、比对四大环节，但其实每个环节都面临着挑战。比如数据样本的采集，如何获取数据，又如何构建步态识别的数据库?在获取到数据后如何分割前景和背景，让识别更为精确?在特征表达的阶段，又该如何解决跨视角识别的问题等等。

而步态识别作为一种新兴的生物识别技术，要从实验室走向商用场景，步态识别不仅要从识别精准度、识别速度以及技术的应用成本、便捷程度等方面着手一一攻克，还得与产业高度融合，取得产业的认可。

……

相关报道显示，预计到2020年，全球生物识别市场规模将突破250亿美元，我国生物识别市场规模则达到300亿元。

不止于上述提及的五大识别技术，生物识别技术还包括声纹识别、眼纹识别、视网膜识别、静脉识别、人体识别等等。而所有这些生物识别技术所面临的挑战都源自算法、硬件以及法律法规三个方面：在算法层，需要标注良好的大型数据集，满足深度学习模型的解释性以及实际应用场景的复杂性;在硬件层，需要致力于传感器的设计与制造、芯片的设计与制造以及移动设备的实时计算的研发工作;最后，国家及相关政府哈必须从法律法规入手，制定相关政策保障用户隐私保护，统一行业标准。

小结：

不可否认，从指纹认证到人脸识别、虹膜识别，生物识别技术正迈步进入“视觉时代”。技术在不断进步是事实，但这种“视觉时代”的背后，多重生物识别才是未来生物识别技术发展的王道。

相比单项生物识别技术，把人脸识别、行为识别、步态识别与密码、指纹、虹膜等方式相结合的多重生物识别技术，将带来更高的可靠性和准确性，同时最大限度保障用户的隐私问题。

展望未来，多重生物识别技术将走向越来越宽广的应用领域和市场!