指紋識別和人臉識別 真的能代表生物識別嗎？

從今年年初到現在，ToF傳感器一直以來都是蘋果、三星、GD、AMS等傳感器企業和智能硬體企業所關注的技術，而ToF傳感器目前應用最為廣泛的領域就是人臉識別。

幾乎人人都在政務、門禁、支付等等這些應用場景使用過人臉識別，根據調查，90%的人都使用過相關技術，雖然便利性很高，但是人臉識別的安全問題從技術誕生到現在一直都存在質疑，不僅僅是人臉識別，包括指紋識別、語音識別、虹膜識別以及靜脈識別等生物識別技術一直以來都是AI領域所比較熱論的話題。

但是人臉識別安全性頻繁暴雷，導致生物識別的安全性備受關注，那麼生物識別到底是什麼樣的一門生意？

指紋識別和人臉識別並非最好的生物識別方式

從應用趨勢來看，指紋識別和人臉識別是目前應用最為廣泛的生物識別技術，但是從技術角度和安全性來說，兩者均不能算是理想的生物識別方式。

指紋識別和人臉識別 真的能代表生物識別嗎？

在生物特徵識別領域，分為第一和第二代識別技術，上面所說的指紋識別、人臉識別、虹膜識別、掌紋識別、DNA識別以及籤名識別、聲紋識別、步態識別都屬於第一代生物識別技術。靜脈識別(分為指靜脈識別和掌靜脈識別)、視網膜識別則屬於第二代生物識別技術。

從安全性和技術迭代來看，第二代生物識別技術相比於第一代識別技術要更有優勢。

兩代技術的差異可以從特徵的可顯性和活體識別進行區分。

特徵的可顯性，如果生理或行為特徵可以通過肉眼看見，使得容易被模仿和複製，這種基於生理/行為特徵的生物識別技術可以被稱為第一代生物識別技術，指紋識別、人臉識別、虹膜識別、掌紋識別、籤名識別、聲紋識別以及步態識別，這幾種識別技術的行為或特徵是可顯性的，其中指紋、人臉、掌紋可以通過一些技巧或軟硬體工具提取或者複製，而聲紋、籤名、步態則可以通過刻意模仿來獲得相似性極高的行為特徵。

活體識別，"活體識別"是指不可藉助外力來代替或模擬的活體檢測並識別，也就是說如果通過複製，或者3D列印人臉模型，進行假體識別只能算第一代生物識別技術，而活體識別能夠判斷是否為真實的生物體，滿足可顯性和活體識別要求的生物體才算是第二代生物識別技術。

例如，靜脈識別，首先靜脈隱藏於手指或者手掌內部，不可見，另外，靜脈識別技術是通過使用特定波長紅外光照射人體，由於皮膚和皮下的血管內的血液中的血紅蛋白對於紅外線不同反射差異的特性，實時獲取血管圖像，將其與存儲的圖像進行特徵比對匹配，實現身份認證及鑑別，所以假手指和手指圖像不能通過靜脈識別。靜脈識別符合判定的兩點要求，屬於第二代生物識別技術。

視網膜識別與靜脈識別類似，同屬於第二代生物識別技術。視網膜是眼睛底部的血液細胞層，特徵不外顯；其次，如果沒有血液流動或者是非活體，視網膜識別則也不可能通過。但是，視網膜識別需要雷射照射眼球背面，可能對眼球造成損失，同時降低成本的難度也較大，此文不做對比。

從下圖可以看出，在多項技術指標上，指紋識別和人臉識別並非最好的生物識別方式。

但是從上面成本、便捷程度、接受度來看，指紋識別和人臉識別確實是普及生物識別最好的方式，並且現在兩者在市場份額上來看，也是名副其實。根據Transparency Market最新的數據顯示，指紋識別在所有生物識別佔比58%，人臉識別佔比18%，位列前二。

但是由於今年疫情刺激下，非接觸經濟和技術的增長，安全性較高的靜脈識別市場也在不斷進入人們的視線。今年7月，蘋果申請的一項名為"用於困難的生物識別認證案例的靜脈匹配"中提到，利用人臉靜脈進行人臉識別，這項技術相比於手指靜脈和手掌靜脈有著更為複雜的靜脈結構，仿造難度更大。與蘋果類似，今年1月，亞馬遜也通過研發手掌靜脈技術進行刷手支付測試。

在市場增長方面，2020年靜脈識別的市場份額相比2015年增長了約4倍，市場規模約20億美元。筆者認為，由於目前智慧型手機逐漸裝配了近紅外傳感器，靜脈識別的市場增速將會進一步加快。

在日本，手指靜脈技術已得到廣泛應用，如銀行ATM機、接入存有大量個人信息的PC機、門禁考勤管理系統、保險箱管理、複印機管理、電子支付等需要進行身份認證的領域。同時，在以上領域，專利幾乎都是日本企業所掌握，包括日立和富士通。

多模態、多傳感器融合才是生物識別的未來

辯證來看，雖然靜脈識別的安全性較高，但是它的推廣普及也存在著巨大的挑戰。

首先，血管是3D，不同位置、不同角度的成像圖案差異較大，尤其是在指靜脈識別中，稍微偏移就會出現誤識或者錯識的情況，極大影響用戶體驗。其次，成本也是限制靜脈識別產品進行大規模推廣最重要的一個因素。

結合指紋識別、人臉識別來看，目前並沒有一種單獨的生物識別技術能夠完美適應市場需求。同時，由於實際識別系統構建和應用環境的複雜性，單生物特徵識別會有不同的問題。例如，靜脈識別所用的近紅外傳感器和用於人臉識別的ToF傳感器，在採集數據過程中會有噪聲，影響數據精準；適用人群不具備普遍性，例如殘疾人士；以及上述所說的指紋和人臉識別易被複製的安全性問題。所以單生物識別在實際的應用場景中都會存在局限性。

基於此，最近在生物識別領域，多模態、多種類生物識別融合技術被看做是未來趨勢，智慧型手機、智能門鎖以及安防領域目前已經出現了多生物識別技術融合的應用案例。

這種趨勢也與目前傳感器企業所主張的多傳感融合技術相匹配。這一點需要指出的是，無論是主張的多傳感器融合還是多模態生物識別技術，本質上並不是使用不同的傳感器或者生物識別算法分別得出相應的結果，而是通過融合算法將多重數據綜合判定得到最終的識別結果或者數據。這種處理方式更加有利於生物識別以及物聯網數據的處理速度和安全性。

可見，多模態生物識別融合首先需要建立在傳感器融合基礎上，進行算法融合。放眼國內，雖然在指紋、人臉方面應用廣泛，但是在靜脈識別等安全性、精讀更高的第二代生物識別技術上相對處於落後階段，所以國內多模態生物識別的發展仍需時日。