多重生物识别技术及未来发展前景

　　经过十多年的技术发展和应用市场培育，当今生物识别技术已经在诸多应用领域规模化应用。就中国市场而言，生物识别技术的应用，过去还主要是以其分之技术之一的指纹识别技术为主体，在中国市场，指纹识别的应用占据了绝大部分市场份额（根据2007年的数据，中国生物识别市场，指纹识别应用占据的市场份额超过90%）。这与全球生物识别技术应用的大趋势有较大差距。不过，我们也欣喜的看到，一些新技术，如人脸识别技术，在中国市场的应用，近一两年的发展也非常迅猛，其市场潜力不可低估。本文将从技术和应用角度，对生物识别技术目前的两个发展速度最为显著的分支：人脸识别，以及多重生物识别，分别进行论述。

　　1 人脸识别技术

　　就全球市场而论，人脸识别是仅次于指纹识别的、应用规模第二大的生物识别技术。通常，人脸识别技术主要应用于如下三大领域，在这些应用领域，人脸识别具有独特的优势：

　　1） 大型档案管理系统，如驾驶执照和护照管理系统；

　　2） 根据黑名单，通过摄像监控网络自动监控目标人物；

　　3） 门禁系统。

　　事实上，人脸识别在个人使用、商业和政府应用中都具有巨大潜力。这项技术还在不断进步和发展中，其应用越来越普及。就目前的技术和产品水平，人脸识别系统已经完全能够以客户可接收的成本水平，顺利实施和应用。

　　2 人脸识别技术的原理

　　简单说，人脸识别技术就是要计算机先记录人脸的特征（无论是现场采集还是从照片采集），然后在使用时（再次现场采集人脸图像，或提交照片）能自动准确地辨认出是否同一人。

　　和其他生物识别技术一样，人脸识别系统也是先产生人脸的特征模板并存储在数据库中。这些模板将被用于与提交来要求比对的模板进行一一匹配对比，通常，当某两个模板进行比对时，如果相似程度超过系统预先设定的阀值，系统就认为比对成功--这两个模板来自同一个人。

　　人脸识别技术原理也有不同的种类，包括基于人脸五官结构的识别，基于皮肤质地分析的识别，甚至基于人脸温度模式的识别。最新的技术采用了人脸三维图像建立模板--有从人脸二维图像自动生成三维图像建模的技术，也有真正以三维方式采集面部、头部图像建模的技术。

　　当然，这些技术的共同点是，它们都是建立在人脸图像信息基础上。除了这个共同的起点，它们的区别非常大。

　　正因为人脸识别依赖于摄像/照片的图像信息，所以可以理解图像质量对系统准确性的影响有多大。现场采集人脸图像的质量受许多因素影响：环境光线，摄像机图像分辨率，镜头的焦距和景深参数，目标人脸的移动速度以及其他诸多因素。

　　除了图像质量外，影响人脸识别系统可靠性和准确率的第二大因素就是识别算法本身的技术水平。

　　“摄像机和扫描器好比眼睛，但识别算法却是人脸识别系统的大脑”，多种生物识别技术核心算法供应商，Neurotechnology Ltd（神网科技公司）CEO奥吉曼塔斯（Algimantas Malickas）说， “没有高质量的算法，一个人脸识别系统就谈不上可靠性。而对于生物识别应用而言，系统可靠性无疑是客户最重要的考虑因素。”

　　人为因素也是影响人脸识别技术准确性的重要因素。例如摄像机的使用方法、照明条件及目标人脸上阴影的变化等，都可能使人脸识别算法的性能大打折扣。算法供应商们一直在想办法减少这些人为因素的不良影响，为此也开发了不少创新方法和技术。在特定的应用中如何确保选择到合适的摄像头和算法也很讲究。不同的应用需要不同的技术，市场上众多的摄像头产品和人脸识别算法，并非都具有同样的品质。

　　3 生物识别技术的选择与应用环境密切相关

　　在考虑如何选择某一种生物识别技术时，有许多因素都很重要，而其中有些因素并非人所共知。

　　生物识别技术顾问咨询和方案供应商，美国富尔克拉姆生物识别（Fulcrum Biometrics）公司CEO肯·诺斯卡（Ken Nosker，）说：“经常有人问我，哪种生物识别技术最好？为什么有人选择人脸识别，而不是指纹识别或虹膜识别？我告诉他们各种生物识别技术都有其特定的应用目的和针对性。所以我们的问题应该换成：‘什么时候我应该选择人脸识别技术，而非指纹识别和虹膜识别？’在选择一项具体技术的时，要考虑每个应用场景的独特要求，诸如识别准确率、价格、系统易用性等等”

　　按照诺斯卡的说法，生物识别技术的选择问题，与应用环境密切相关。例如，指纹识别不能实现非接触式的数据采集，而人脸识别就可以。所以，指纹识别明显不适用于自动监控系统，因为被监控对象不会主动配合去完成指纹采集。但另一方面，在刑事侦查中指纹识别又可大派用场，因为在犯罪现场大多会找到嫌疑人的残留指纹，却很难找到嫌疑人的“残留”视像信息。虹膜识别通常需要很高分辨率的采集镜头，并且需要使用者双眼准确定位采集到高质量图像，才能保证系统的可靠性。因为虹膜特征采集的难度，所以普通的数据库如驾驶执照和护照系统数据库中，存储虹膜特征模板的比较罕见。

　　诺斯卡说，基于计算机的自动生物识别系统应该主要用在解决安全问题，或帮助我们提高工作效率。就人脸识别技术而言，它有许多特别适合的应用场景。

　　通常大多数人脸识别系统都要求用户在使用时眼睛直视采集镜头，但一些新的技术产品，例如Neurotechnology Ltd（神网科技公司）的VeriLook Surveillance SDK产品，却可以自动从高分辨率的数字监控摄像头中采集和识别目标人脸。这些监控镜头可能安装在机场、商店、街道或任何其他环境，VeriLook技术可以用“被动方式”采集人脸图像--即无须监控对象眼睛直视镜头。

　　“因为非接触式的数据采集方式，人脸识别技术特别适用于那些不大需要使用者配合的应用系统，”诺斯卡解释道，“这就是所谓的被动式或无合作生物识别应用，对于这一类的应用，人脸识别特别适合。”例如那些使用VeriLook Surveillance SDK产品构建的系统，可以在数字监控镜头提供的实时视频图像中，自动捕捉和采集人脸图像，并与系统黑名单数据库中的人脸进行比对，实现真正的自动智能目标监控。

　　4 人脸识别技术的典型应用

　　人脸识别的应用非常广泛。准确地识别出一幅人脸图像固然意义重大，而在一个数据库中通过快速自动的检查比对，发现某幅人脸图像与数据库中所有模板都不匹配，同样很有价值。诺斯卡举了两个例子来说明人脸识别技术的这两种不同用途。

　　例子1：门禁控制

　　本系统中，壁挂式的人脸识别门禁设备包括了摄像头、键盘以及射频卡阅读器。该设备由公司人力资源或行政部门的电脑所控制。公司员工的人脸图像都已预先登录在系统中，并且发给每人射频卡方式的员工卡。员工想进入公司大楼或内部的每个房间时，需要站在壁挂设备面前眼望镜头，并将员工卡放在读卡器前。系统根据员工卡号找出预存的员工人脸模板，并与持卡者现场的人脸图像进行比对，比对过程既可在设备上进行，也可在远程的电脑服务器上进行。公司的安保和人力资源管理部门不仅可以知道进入大楼或房间的授权员工之号码，而且知道准备持卡进入者正是该员工卡的合法拥有者。

　　例子2：安全检查站应用

　　本系统中使用多台高质量摄像头，安装在机场安检处（或大型体育场、政府建筑、大商场安检处）。所有的摄像头采集图像都被送到监控室，图像中的人脸被系统自动抓取出来，并在高速运行的服务器中，与监控黑名单上的目标人脸进行比对。每个乘客踏入安检门口走过通道时，摄像机都会拍下其图像，计算机会快速从这些图像中抓取人脸图片，并与黑名单中人脸模板进行高速比对。绝大多数情况下它们都不会与黑名单中模板相匹配，乘客将顺利过关。极少数情况下，系统抓取到的人脸与黑名单中某个模板有些相似，系统将给出提示，安检人员将会立即重点检查该乘客。甚至，系统发现与黑名单中模板高度匹配的人脸图像，这时安检人员和警方将立即采取行动。

　　在上述两个应用中，摄像头都是以比较自然的方式采集人脸图像，不需要或仅需要用户作很少配合。摄像头将图像传送到服务器中进行比对，系统根据预先设定的匹配阀值，或操作人员人工确定的判断标准，来确定比对的结果。两个例子中，计算机自动快速完成的工作，都是我们人类难以做到的。另外，从上述两个例子中我们也可看到，虽然也可以使用其他的生物识别技术，但是因为系统运作的自然顺畅要求，业主的偏好，以及应用场景的特点，人脸识别技术成为其最佳选择。

　　5 人脸识别的市场机会

　　诺斯卡相信在当今的人脸识别应用市场，系统集成商的商业机会非常大。其中一个很有潜力的应用领域是应用于各类自助服务终端，例如银行业务自助服务柜员机（存款、取款），以及某些医疗服务的自助申请（如跟踪糖尿病患者的体检记录）等。

　　富尔克拉姆生物识别公司的客户之一，大金公司（Dakim Inc.），使用VeriLook人脸识别软件开发包，开发了一套基于自助服务终端的认知能力训练系统（Cognitive Fitness System），用来帮助保持老年人及老年痴呆症患者的思维活动。这套系统名为［m］Power，该系统的使用者通过人脸识别来登录，登录后系统会叫出使用者的姓名，同他们打招呼，还可以跟踪每个使用者的记忆游戏和思维测验的进度。在［m］Power系统中集成人脸识别技术，既简单代价又低，因为在自助服务终端上已经具备了电脑、触摸屏、以及集成在显示器上的摄像头等硬件资源。

　　诺斯卡说：“关于人脸识别技术，我们公司收到最多的客户查询，都同如何与视频监控录像（DVR）系统的集成应用相关。令人遗憾的是，因为各种DVR系统的巨大差异，以及DVR系统技术的所有权属问题，人脸识别技术迄今还很少与DVR系统进行集成应用。为了安全，许多企业和机构在DVR系统上大量投资，但遗憾的是DVR系统采集的图像，却未能由电脑自动分析处理，而需要人工来监视。安全系统方案供应商们应该在寻找诸如人脸识别技术之类的自动处理方案上下大功夫，开发新的DVR方案，既可以用来开拓新市场，也可以服务众多的现有客户，为他们的老系统进行升级，从而为安全系统供应商带来新的销售。”

　　诺斯卡认为，家庭应用也是人脸识别技术的一个尚未开启的潜力市场。目前。家庭使用的指纹识别产品有很多，但人脸识别产品却鲜见。人脸识别门禁设备在家庭的应用，既简单易行又便宜，潜力很大。

　　6 人脸识别技术的前景如何？

　　“人脸识别技术，以及其它生物识别技术，都还属于新兴的技术。”诺斯卡说，“现在下结论说生物识别产业已经达到了何种成熟度，还为时过早。可以说，它已经渡过了幼年，但尚未走出青春期。未来五年，我们将看到全球生物识别产业大量的企业并购等资本运作行动。”诺斯卡补充道。

　　7 多重生物识别技术

　　7.1 多重生物识别技术的原理

　　人们常说，有时事物整体的表现往往优于其各个组成部分之和。这种说法用在描述多重生物识别技术时，非常合适。普通的生物识别系统是基于单项技术的--比如指纹识别、人脸识别或虹膜识别，他们的特点和优势是单一和有局限的。而多重生物识别是指将多种生物识别技术进行整合应用，其性能表现及可靠性和安全程度比单项技术更高。

　　一个传统典型的多重生物识别系统通过不同的采集器获取各种生物特征数据，例如指纹图像、人脸图像等，然后通过各自独立的数学方程式（即所谓的“识别算法”），来决定这个指纹或人脸是否与数据库中预存的模板相匹配。如果通过其中一种识别算法未能得到明确的识别结果，另外一种算法可以用来进行再次确认。

　　多重生物识别系统有几种形式。能提供多重生物识别技术的知名供应商很少，如大昂公司（DAON）及图像软件系统公司（ImageWare System），他们提供中间件软件，在采集点使用多种生物识别采集设备，将多种生物特征数据和识别技术集成为一个完整系统。另外一些供应商，如安全识别公司（Securimetrics），则是建立一种基于多种采集技术合而为一的一体设备的系统，比如将指纹采集芯片、人脸图像采集镜头、虹膜采集镜头合而为一的采集设备。这些系统能够让操作者在识别目标时拥有多种选择，同时得到比采用单一生物识别技术更高的安全性。

　　多重生物识别技术还有另外一种形式，即所谓的“融合生物识别技术”（fused biometrics），这是多重生物识别技术领域的最新趋势。与传统典型的多重生物识别系统相同，融合生物识别系统也通过各种独立的或多种采集方式合而为一的采集器，来采集不同的生物特征（如指纹、人脸图像、虹膜图像等），但它们的区别在于如何来分析和判断这些特征值。传统上是分别使用不同的生物识别算法处理不同的生物特征，各自分别得出独立的结果（如用指纹识别算法分析指纹，用人脸识别算法分析人脸图像，各自得出指纹比对和人脸比对的判断结果）。而融合生物识别系统则是将采集到的各种不同的生物特征，用所谓的融合算法统一处理，根据多重生物识别技术的综合判断得出最终的识别结果。这样的处理方式和结果更快速、准确率更高，并且系统可扩展性更好，最终使整个系统达到新的安全高度。

　　Neurotechnology Ltd（神网科技公司）是一家专业的生物识别算法和技术供应商，该公司的大型生物识别算法软件开发包MegaMatcher SDK（软件开发包）产品就是一种指纹识别和人脸识别的融合算法产品。该产品可以单独使用指纹识别或人脸识别，也可以融合两种算法，提高系统速度和安全性。这种融合算法尤其适用于大型的政府公共项目，如护照系统、签证系统、出入境管理系统、选举系统等等，这些系统对准确性、可靠性的要求极高。而实施此类系统的迫切性正日趋强烈，因为许多国家，包括美国和欧盟国家，都已经将生物特征数据存储到护照、身份证、签证以及其他个人档案中，而且越来越多的国家正在快速跟进。

　　这种技术的另一个重要用途，是在大型指纹/人脸数据库中寻找可匹配记录，如警方的刑侦应用系统，这类系统需要速度极高的比对匹配算法。神网科技公司将自己的MegaMatcher算法软件产品，与HP公司的ProLiant DL服务器硬件产品相结合，构建起每秒1000万枚指纹的高速比对系统。该公司的另外一项产品MegaMatcher加速器（MegaMatcher Accelerator），更可以在簇计算网络中替代和节省大量的服务器结点，比如单独使用指纹识别功能时，加速器的应用可以替代1000个MegaMatcher 2.1服务器节点，而在使用指纹/人脸识别融合算法时则可以节省25个结点。

　　“对于选举系统、出入境管理系统等基于大型数据库的生物识别应用系统，比对速度至关重要”，神网科技公司的CEO奥吉曼塔斯指出，“MegaMatcher 加速器大幅度提高了比对速度，使许多原来难以实现或不可能实现的应用系统成为了现实，”他补充道。

　　融合生物识别算法的另外一个成功例子是美国Identix公司的人脸识别技术，其技术将复杂的面部皮肤模式分析与人脸特征识别融合，达到了他们自己声称的更高的准确率。

　　将基于照片的人脸识别算法与指纹或虹膜识别技术结合，其商业应用价值也极具潜力，特别是那些对目标识别准确性要求甚高的应用，如信用卡交易管理，灾难调查，刑事侦查等等。

　　7.2 多重生物识别技术应用趋势

　　目前，大多数多重生物识别系统（包括融合生物识别系统）都是政府公众项目或军方应用系统，主要是因为他们的高安全性要求。安全识别公司的HIIDE（手持式跨部门身份认证设备）系统就是一个典型例子，它采用了先进的三合一系统，集成了指纹识别、人脸识别和虹膜识别技术。因其高安全性，HIIDE系统被美国军方选中，在美军位于全球的机构和基地中使用。

　　由于迄今在大规模政府公众项目和军方系统中的上佳表现，专家们相信多重生物识别技术将会迎来更大的商业应用空间，从而让大众受益于多重生物识别技术所带来的更高的安全性和可靠性。

　　“如果有人说多重生物识别技术的市场化才刚起步，我认为那是严重的低估形势，”生物识别技术顾问咨询及方案供应商，美国富尔克拉姆生物识别公司的CEO肯·诺斯卡先生如是说，“事实上，我相信未来5年这个市场将风起云涌，我们可以预见这个领域中更多供应商将会大量推出新设备和新软件”。

　　诺斯卡先生相信市场竞争将引领多重生物识别技术进入更多的政府和军方应用，但长远看，更重要的市场演化方向是，因为竞争导致技术和系统价格的大幅降低，从而使更多的商业应用成为可能。

　　“我们要面对的情况，是越来越多的客户已经开始意识到，相比单项生物识别技术，多重生物识别技术将带来高很多的可靠性和准确性。这将使他们更乐意选择多重生物识别技术，而非单项生物识别技术。”诺斯卡先生解释道。

　　8 为什么采用多重生物识别技术？

　　在某些应用中，单项生物识别技术，如指纹识别技术，就已经完全满足了客户的需求。目前市场上也有大量的单项生物识别技术产品和系统，它们廉价，可以很快安装应用。但在大多数情况下，如果客户能够采用多重生物识别技术，而非单项生物识别技术，将是一个不错的选择。

　　最根本的原因就是高安全要求，多重生物识别可以有效降低非法入侵者进入系统的风险。一个简单的例子就是信用卡的使用，多重生物识别技术可以有效阻止那些技术高超的职业罪犯。

　　另一个重要原因，是多重生物识别技术更高的识别准确率。正如神网科技公司CEO奥吉曼塔斯先生所说：“虽然单项生物识别技术也能达到较高的安全性，但多重生物识别技术能将安全性和可靠性大幅提升。”

　　第三个，也是最现实的理由是，多重生物识别技术解决了系统的整体实用性。每种单项生物识别技术固有的特点都影响其系统的整体实用性和可靠性。例如，使用指纹识别技术时，如果用户有手部残缺的，或一个虹膜识别系统，遇到盲人用户，又或者是人脸识别，某用户面部被严重烧伤。这些基于单项生物识别技术的系统，经常因为某些特殊的使用者，而影响其整体的实用性和安全性（系统将为不能使用的个别用户安排妥协的方法，例如为不能使用指纹的用户安排密码，从而导致整体系统安全性降低）。很明显，多重生物识别技术的引入，使这个问题立刻迎刃而解。

　　“影响多重生物识别技术推广的负面原因只有一个，那就是成本”，诺斯卡说道，“但是，随着更多供应商推出的物美价廉的新技术新产品源源不断面市，例如神网科技公司的技术和产品，多重生物识别技术正走向越来越宽广的应用领域和市场。”

　　9 基于嵌入式平台的多重生物识别系统

　　随着一些更新、更先进的算法的出现，在基于嵌入式平台的移动和便携式设备上实现多重生物识别系统，已经成为现实。如今一部典型的智能手机，其计算能力已经足以满足所有主要的生物识别算法的需求。市面上绝大部分的摄像头，都具备了足够的分辨率，可以满足在手机或PDA上进行人脸识别的需求。增加特别的图像传感和照明装置，虹膜识别也不难实现。指纹采集器的集成更是容易并已经很常见。

　　这些新技术的应用前景不可估量，新的应用市场已经成熟。例如神网科技公司基于嵌入式平台的产品：指纹识别算法FingerCell EDK，以及人脸识别算法FaceCell EDK，都已经实现了在移动、便携式设备如手机和PDA上的实际应用。

　　嵌入式人脸识别技术属于新推出的技术，其应用领域和市场规模都在快速增长，尤其在商业和政府应用中。该类技术的难度和推出较晚的原因之一，是大多数人脸识别算法对计算机CPU和存储资源，都有较高的要求。另一个原因是，随着高分辨率摄像头的价格下降，体积减小，才逐渐使得该等应用开发成为可能。

　　随着更新、更先进算法的出现，在嵌入式计算平台上运行人脸识别算法已经成为现实。移动和便携式人脸识别系统构成了人脸识别技术应用的全新领域。如今的一台PDA，就完全具备足够的计算资源和高分辨率镜头来运行人脸识别算法，它可以在本机上直接比对人脸，更有意思的是，它还可以将人脸图像或模板传送到远程服务器中，进行大规模数据库的搜索比对。