五大生物识别技术报告重磅出炉

 前不久刚刚在国内发布的三星Galaxy Note 7主打虹膜识别功能，指纹识别也几乎成了智能手机的标配。众多种类的生物识别技术被用于智能设备当中，其中语音语义识别、图像识别更是涵盖了人工智能技术在其中。这些技术成为人机交互的新趋势，是未来各类终端都需要做好的底层技术。

       飞速成长的市场

       根据前瞻产业研究院统计，2007年至2013年六年期间，生物识别技术的全球市场规模年均增速为21.7%。2015年生物识别技术全球市场规模将达到130亿美元，2020年将达到250亿美元，5年内年均增速约14%。

       自2015年到2020年，各细分行业市场规模增幅分别为：指纹(73.3%) 、语音(100%) 、人脸(166.6%)、虹膜(100%)、其他(140%)。众多生物识别技术中人脸识别在增幅上居于首位，预计到2020年人脸识别技术市场规模将上升至24亿美元。我们预计在智能终端渗透脸部识别的情况下，市场规模可能大超预期。

       五大生物识别分类

       五大生物识别各有特点，但是从市场占有率看，指纹识别之后最可能脱颖而出的预计是脸部识别。终端消费电子厂商采用脸部识别技术的速度，可能在两年内接近现阶段指纹识别的市场占比。特别是支付宝、券商、银行为主的金融服务机构已经在去年开始大量采用脸部识别开户、转账、付款等，以招商银行为例，脸部识别能够实现手机端超过50万的转账，可见对于其安全性的认同。

       1.指纹识别是目前应用最为广泛的生物识别技术，技术成熟且成本低廉，广泛应用于考勤、门禁等身份识别。但容易复制，且指纹磨损后影响识别精度。

       2.虹膜识别利用人眼图像中虹膜区域的特征(环状物、皱纹、斑点、冠状物)形成特征模板，通过比较特征参数完成识别。该方法识别精度高、不易仿造但相关设备价格昂贵。

       3.语音识别通过分析语音的惟一特性进行身份验证，其设备距离范围大、安装简易，但识别准确度低，可能被录音欺骗，且易受背景噪声、身体状况、情绪等因素影响。

       4.签名识别是基于行为特征的生物识别技术，通过分析笔迹、压力、书写速度进行身份验证。但签名可仿造性高，且签名工具、情绪等均可对签名识别造成干扰。

       5.脸部识别与其他生物识别方式相比，优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别时所利用的生物特征相同，人类也通过观察比较人脸、声音等信息对其他个体进行区分和确认。因此，指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触，利用可见光即可获取人脸图像信息，而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像，在采集过程中身份信息即有可能被仿造。

       巨头布局 刷脸将成常态?

       从苹果、三星、华为、Facebook、谷歌、华为的多项专利可以发现，各大终端巨头纷纷布局脸部识别技术。

       1、苹果最早于2010年开始涉及脸部识别领域，特别是近期收购人工智能和机器学习的脸部扫描企业。在2010年9月收购瑞典算法公司Polar Rose，在2013年收购Prime Sense，自2015年9月及11月收购机器学习与图像识别公司Perceptio，以及动作捕捉公司Faceshift之后，苹果公司于2016年1月、8月又分别收购Emotient、Turi两家公司。Emotient为脸部识别系统公司，Turi为机器学习公司。在2015年获得脸部识别解锁设备的专利，特意保护红外传感器的使用，符合脸部识别的需求。

       苹果在15年获得脸部识别解锁设备的专利，根据近期产业链的发展，我们预计将大概率投入使用。专利显示设备通过探测用户面部以解锁或保持解锁状态，该设备可为内置摄像头的智能设备。该设备将包括多个传感器，如探测设备动作的动作传感器11(也叫惯性传感器)，动作传感器包括位置、角度、移动传感器，例如加速剂、陀螺仪、光感传感器、红外传感器、近距离传感器、电容式接近传感器、声音传感器、声纳传感器、雷达传感器、图像传感器、视频传感器、GPS探测器、一个反相探测器、一个射频或声学多普勒探测器、一个指南针、一个磁力计或其他类似传感器。处理器18接收传感信号并控制单个或多个进程。我们注意到专利中特意保护红外传感器的使用，符合脸部识别的需求。

       2、三星公司于2010年12月29日申请脸部识别设备、算法及机器可读媒体专利;于2004年6月19日申请图像识别特征提取的设备及算法专利;

       3、华为公司申请至少10项脸部识别相关专利，如，确定人脸图像中人脸的身份标识的方法、装置和终端;

       4、谷歌公司(Google)于2011年7月、2012年10月先后收购脸部识别系统公司PittPatt和乌克兰脸部识别公司Viewdle，截止2016年6月已申请21项脸部识别相关专利。

       5、Facebook公司于2012年6月收购以色列脸部识别平台公司Tel Aviv，并申请了两项有关在线社交媒体图片标签建议(Tag suggestions for images on online social networks)的专利。于2014年开发出深度脸部识别学习系统DeepFace。

       6、亚马逊(Amazon)、微软(Microsoft)亦分别申请7项及6项脸部识别专利。

       最红的是人脸识别技术

       人脸识别主要分为人脸检测和人脸比对两部分。其工作流程为：

       1.图像采集：通过采集传感器(如摄像头)采集人脸图像;

       2.人脸定位及提取：然后对采集到的数据进行处理，去除采集数据中的噪声和环境因素，抽取样本中能够表征个人身份的特征信息;

       3.特征对比：再把这些特征信息与数据库中已有的信息进行对比;

       4.输出结果：最后根据比对的相似程度来判断是否匹配。

       目前人脸识别市场的解决方案主要包括：2D识别、3D识别、热感识别，目前市场上主流的识别方案是采用摄像头的2D方案。2D脸部识别是基于平面图像的识别方法，但由于人的脸部并非平坦，因此2D识别在3D人脸信息平面化投影的过程中存在特征信息损失。3D识别使用三维人脸立体建模方法，可最大程度保留有效信息。因此3D人脸识别技术的算法比2D算法更合理并拥有更高精度。热传感识别技术使用一个三层的BP(back-propagation)前馈神经网作为分类器，在使用热感信息的同时使用不会被发型、呼吸等环境因素影响的关键脸部几何信息，如鼻梁角度、脸颊面积等，以增强识别精度。

       脸部识别产业链主要分为商业系统、主流软件、算法等，终端设备的集成化应用需要整套解决方案，大厂商在这方面具有优势。

       脸部识别主要商业系统包括：

       Visionics：FaceIt面像识别系统，基于Rockefeller大学开发的局部特征分析(LFA)算法

       Lau Tech.公司：面像识别/确认系统，采用MIT技术

       Miros公司：Trueface及eTrue身份验证系统，其核心技术为神经网络

       C-VIS公司：面像识别/确认系统

       Banque-Tec.公司：身份验证系统

       Visage Gallery’s：身份认证系统，基于MIT媒体实验室的Eigenface技术

       Plettac Electronic’s：FaceVACS出入控制系统

       BioID系统：基于人脸、唇动和语音三者信息融合的Biometrics系统

       脸部识别主流软件包括：

       Face++(旷视科技)

       Face recognition Intelligent module(Macroscop)

       digiKam(KDE)

       iPhoto(Apple)

       Lightroom(Adobe)

       OpenCV(Open Source)

       Photos(Apple)

       Photoshop Elements (Adobe Systems)

       Picasa (Google)

       Picture Motion Browser (Sony)

Windows Live

上一篇：2016年6月Windows 10全球份额已达19.14%
下一篇：解析3D打印十大尖端技术及国内产业走势