基于生物识别的身份验证解决方案

　　在创建生物识别传感技术方面已经付出了很多努力并取得了很大成就，该技术可以毫无疑问地识别我们是谁。可用的识别方法包括指纹分析、面部识别、独特的虹膜图案标识符等。工程师可以使用全面的生物识别 ID 技术组合，其他技术仍在设计中，它们提供不同程度的身份验证，并带有同样种类繁多的价格标签。

　　好消息是，生物识别技术已经足够先进，在日常生活中几乎不会被注意到。我们的许多智能手机和平板电脑现在都采用某种形式的生物特征识别——通常是指纹分析——来提供访问和保护我们的信用卡、银行账户和个人数据。

　　生物识别技术正在迅速取代使用传统门禁卡的过时员工识别系统。这些卡存在严重漏洞，尤其是在丢失或被盗时。作为补偿，商务办公室、机场和政府机构要么实施冗余的、资源密集型的员工访问控制措施，要么让关键区域容易受到欺诈和非法进入。通过在现有安全平台上添加生物识别安全层，可以消除欺诈并显着提高安全性。

　　在 9/11 事件之后，国土安全部在生物识别技术上花费了超过 1 亿美元，在过去的八年里，仅国防部就在这项技术上花费了大约 35 亿美元；例如，在试图将叛乱分子与公众区分开来时，美国军方收集了数百万伊拉克人和阿富汗人的指纹、虹膜扫描和面部图像。

　　今天的生物识别解决方案旨在即使在最困难的情况下也能发挥作用。例如，Facebook 开发了一种先进的面部识别软件程序，即使他们的脸不可见，它也能识别个人。一旦一个人被标记并进入 Facebook 系统，据说该技术能够根据体型、头发、姿势、姿势和服装等来识别人。

　　同样，万事达卡版本使用自拍作为安全基础。用户在购买时自拍以授权购买，以确认他们的身份以及他们确实是买家。用户在拍照时必须眨眼，以防止黑客对之前拍摄的照片进行拍照。该应用程序还允许用户扫描他们的指纹，通过 Apple Pay 确认第二种形式的 ID。

　　技术选项

　　Omron 的 人类视觉组件 （HVC）模块（图 1）证明了底层传感器技术取得了长足的进步。它基于使用 10 种算法或功能，包括面部检测、面部识别、性别、年龄、表情、面部姿势、凝视和眨眼估计以及手和身体检测。通过与数据库中已注册的人脸进行比较，可以通过人脸识别出具有各种面部姿势、表情和光照条件的人。该传感器还可以在各种表情和照明条件下估计人脸的年龄和性别。HVC 传感器甚至会自动估计各种面部表情（中性、快乐、悲伤、愤怒和惊讶）。

　　图 1：使用 Omron B5T-01001 （G） 模块的水平和垂直检测范围的图像输入规格。

　　Omron 将其 OKAO Vision 图像传感技术、相机、处理器和外部接口集成到单个 60 mm x 40 mm PCB 上。HVC 充当传感器并使用 UART 接口提供有关它所看到的人的数据。除了安全应用程序之外，无论何时人们与机器交互，从消费者到工业环境，捕获此类数据都是有益的。

　　为了帮助工程师，欧姆龙还提供了一个名为B5TE001SG的人类视觉组件演示套件。

　　身份验证背后的技术通常涉及模式识别。Cogniem Technologies的 CM1K 模式识别芯片（图 2）就是这种技术状态的一个很好的例子。CogniMem 神经网络的第一个 ASIC 版本具有 1024 个并行工作的神经元，能够在短短几微秒内学习和识别多达 256 字节的模式。神经元是一种联想记忆，它可以自主地将输入模式与其参考模式进行比较。

　　图 2：CogniMem CM1K 的功能图。

　　芯片支持的两个非线性分类器即使在数据不明确、未知事件以及上下文和工作条件发生变化时也能对模式进行分类。基于低引脚数和低功耗，它被用作智能传感器和摄像头的配套芯片。

　　功能包括能够在 27 MHz 时钟下在 10 微秒内识别 1024 个或任何数字中的一个向量。该识别时间与模型数量无关。该芯片仅在 10 微秒内学习一个向量。它保存和加载模型（即知识库），并使用少于十几个寄存器的简单 RTL 指令。它提供并行和串行通信以及直接连接到识别阶段的可选数字输入总线。

　　据该公司称，模式识别技术基于一个简单的架构。它是一串并行运行的相同神经元。在识别输入向量的过程中，神经元会进行 15 个时钟周期的短暂通信以找到最佳匹配。CM1K 还集成了一个内置识别引擎，该引擎直接通过数字输入总线接收矢量数据并将其广播到神经元，在 3 微秒后返回最佳拟合类别。它还可以选择从二维视频数据中提取一维矢量。

　　应用包括协助识别图像和信号识别以及数据挖掘的能力。图像识别领域的应用包括人脸识别、注视跟踪、目标跟踪和识别以及物体识别。在信号识别领域，它用于语音识别和语音识别，在数据挖掘中，它的用途包括生物信息学和指纹识别。

　　对生物识别应用至关重要的不仅仅是准确验证 ID 的能力。一旦用户信息到位，数据的安全至关重要。为此，有 MikroBUS Fingerprint click 开发板（图 3），这是一种用于在设计中添加生物识别安全性的 click 板解决方案。GTS-511E2 模块是目前市场上最薄的指纹传感器，该模块具有一个 CMOS 图像传感器，配有一个特殊的镜头和覆盖物，可记录真实指纹并防止 2-D 伪造。它还具有用于图像处理的 STM32 MCU。

　　指纹点击可以通过UART（TX，RX）或SPI（CS，SCK，MISO，MOSI）线与目标板MCU通信。它还带有一个迷你 USB 连接器，用于将 Click 板连接到 PC——供应商表示，由于将输入与现有的大型数据库进行比较和匹配所需的处理能力，这通常是开发指纹识别软件的更合适的平台。图片。该板还配备了额外的 GPIO 引脚，可以更多地访问板载 STM32。指纹点击设计为使用 3.3 V 电源。

　　图 3：MikroBUS 指纹开发系统为生物识别应用程序增加了安全性。

　　底层算法

　　算法开发在基于生物识别的应用程序中的重要性怎么强调都不为过。一般来说，它分为两组，几何和光度。第一个专注于区分特征，后者是一种统计方法，将图像转换为值并使用这些值将它们与有助于消除差异的模板进行比较。

　　最近的趋势是 3D 人脸识别，它使用 3D 传感器收集有关人脸形状的信息，并使用它来识别眼窝轮廓、下巴和鼻子形状等不同特征。这种方法的好处是它不会因光照变化而失真，并且能够使用面部的各种角度正确识别，而不是直接拍摄。使用的 3-D 数据点提高了识别精度。

　　当人们考虑到快速改进的底层传感器、新的高度集成的芯片和先进的算法时，很容易看出为什么生物识别安全和识别正在爆炸式增长。事实上，5 月份发布的市场与市场报告预测，到 2020 年，生物识别系统市场预计将达到 244 亿美元，2015 年至 2020 年的复合年增长率为 17.9%。