参考观研天下发布《2018-2023年中国生物识别技术产业市场运营规模现状与投资方向评估分析报告》
尽管不同识别技术的特点不同，但是以指纹识别、人脸识别、虹膜识别等主流技术的发展方向均是在精度、稳定性和识别速度方面进行持续的提升，同时考虑到移动端的应用增加，便捷性则成为产品市场渗透速度的重要影响因子。
不管采用何种生物特征技术，生物识别技术系统总是包括生物特征的数据采集、数据的预处理、唯一特征的提取以及最终的与模板数据库的特征比对。
下面将通过指纹识别技术、人脸识别技术以及虹膜识别技术的演进来更好地理解这一技术处理过程。
1、指纹识别的技术路线
指纹识别的过程就是首先通过传感器如最常见的光学传感器、电容传感器、超声传感器和射频传感器等获得指纹图像，接着对获得的指纹图像进行增强细化的数据处理得到更清晰的纹理，然后提取细节特征点如脊线与谷线，最后和指纹库保存的指纹进行细节特征匹配的过程。
指纹细节特征点是根据指纹中以凸起的纹线为脊线，脊线与脊线之间的部分为谷线，两者间的结构不同测量出特征点，每个特征点都有大约七个特征，人们的十个手指产生最少 4,900 个独立可测量的特征，通过技术分析出可测量的特征点，抽取特征值，进行认证比对的过程。 指纹识别主要包括指纹增强、特征提取和指纹匹配三个过程。其中，准确的特征提取和实现正确匹配是指纹识别的关键。
1、 指纹增强：这一阶段需要通过图像增强技术，改善指纹图像质量。因为在指纹采集过程中，由于各种原因，采集到的指纹图像不可避免的引入了一些噪声，通过对指纹图像进行增强排除噪声才能达到较好的采集效果。
2、 特征提取：这一阶段对录入的指纹特征进行提取。细节点特征是最常用的指纹特征，即指纹图像中脊线终点和脊线分叉这两个特征。经过了指纹增强的步骤，指纹图像能较好地分割，可以提取细节点得到多组脊终点或分叉类型、位置坐标及方向信息等。
3、 指纹匹配：这一阶段对录入指纹和实时指纹信息进行匹配。指纹识别匹配细节点采用点模式匹配方式，即将提取的细节点集与数据库中的细节点集进行匹配，如果通过一些旋转、尺度变换和平移变换，点集间是匹配的，则实时指纹与录入指纹是匹配的，指纹主人的身份得到认证。
指纹识别传感器是指纹识别系统的核心模块。指纹识别传感器采集指纹信息，并将采集到的信息同指纹数据库中指纹数据进行比对，以达到指纹识别的目的。指纹传感器采集验证者指纹信息是指纹识别中最重要的一步，当前指纹传感器通常采用三种方式采集指纹信息。
2015 年与 2016 年指纹识别技术在智能手机中的渗透率分别达到了 25%和 43%。 2016 年发布的指纹识别手机包括了小米 5、三星 Galaxy S7、华为 P9 等均采用了硅晶体电容式传感器。
第一代指纹识别系统采用光学采集方式。当外来光照射在印有指纹的玻璃表面时会发生反射投射到电容耦合器（CCD）上形成指纹图像，在有脊线的地方会发生散射，而在谷线处则会发生全反射，不同的光线投射到图像控制器上形成可被处理的指纹图像。同时，大多数光传感器封装还包括 LED（发光二极管）或 LED 阵列，以照亮指尖。但由于光不能穿透皮肤表层，所以只能够扫描手指皮肤的表面。因此手指表面是否干净将会直接影响识别的效果。如果手指上粘了较多的灰尘，可能就会出现识别出错的情况，同时指纹膜也能通过该识别系统，系统的安全性和稳定性不佳。
光学传感器中因为存在棱镜，体积较大，一般为半导体的几倍甚至 10 倍大小，所以在小型设备如手机等上的应用较少，体积是它的最大障碍，而在考勤机、门禁等设备上使用频繁。成本低是光学传感器的最大优势。
第二代指纹识别系统采用电容式指纹采集方式。根据脊和谷与半导体电容感应的数值大小不同，进而判断脊和谷的位置，形成指纹图像。当手指接触半导体电容表面时，形成传感器电路，而脊和谷与表面接触程度的不同会带来距离的不同，从而可以计算出接触点处的电容值大小，从而采集完整的指纹图像。
第二代指纹识别一般采用硅材料，有 2 大方面的优点，一、发出的电子信号能够穿透手指皮肤到达真皮层，获取的数据相对更加可靠；二、尺寸小，易集成于各种设备，同时能够做到活体指纹识别。近年来成本大幅下降，成为目前为止最理想的指纹识别技术，如银行金库、监狱等均采用此识别系统。
第三代指纹识别技术采用射频指纹识别技术。这是一种新型的技术，分为无线电波探测和超声波探测两种方式。射频指纹识别技术就是通过传感器本身发射出微量射频信号，穿透手指的表皮层去控测里层的纹路，由于人体细胞液是导电的，通过读取真皮层的电场分布可获得整个真皮层最精确的图像，得到最佳的指纹图像。手指表面受损或沾有污渍都不会影响识别效果，防伪指纹能力强。
超声波指纹识别技术主要是利用超声波较强的穿透性。不同种类的材料会产生大小不同的超声反射波。 超声扫描传感器就是通过发出超声波， 利用皮肤、空气之间的声波阻抗差异， 接收反射回声来判断嵴与峪所在的位置。最大的好处是能够感知多种材料如金属蓝宝石等。同时，无需手指与指纹模块直接接触就能实现3D扫描指纹，获取比以往更精密的分析，精度不受污渍、油脂、汗水的影响，这些都是超声识别明显的优势。
苹果的 iPhone Touch ID 指纹读取就是采用了两层验证方式。第一层是借助一个指纹电容传感识别器来获取整个接触面的指纹图像。第二层则是利用无线射频技术并通过蓝宝石片下面的感应组件读取从真皮层反射回来的信号，形成一幅指纹图像。
电容感应式技术因成本低廉、体积小、精度较高是目前主流的指纹识别解决方案，超声穿透尽管精度最高，可以穿透各种材料，但是制作成本昂贵，同时，技术和制作工艺尚未达到可以使穿透厚度达到理想的状态，因此，超声感应暂时没有成为智能终端的标配。而近日，生物识别技术公司 Fingerprint cards（FPC）宣称已经可以实现任意位置屏内超声识别，这是指纹识别技术的重大突破，未来超声指纹识别有望成为主流技术引领产业链发展。
移动终端的应用方面，搭载的指纹识别模块采用触控式和滑擦式两种传感器，滑擦式采集指纹时需要滑动手指，费时较长用户体验不佳。触控式成为众多手机厂商青睐的解决方案。
苹果 iPhone 5s 首次搭载了指纹识别功能，开启了正面指纹的先河。随后，由于后置指纹识别的解决方案设计难度较低，因此绝大部分安卓手机品牌的指纹识别设计开始选择后置方案。一时间，后置指纹识别成 2015 年的主流。之后随着指纹识别模块成本逐渐下降，手机设计也亦难有所突破，2016 年期各家手机品牌逐渐选择用户体验更佳的前置指纹识别解决方案，成为当年指纹手机的最大风潮。随着今年遇全面屏潮流，促使指纹又将回归后置，而这也将促使搭载后置指纹识别的手机规模更为巨大。
2、人脸识别的技术路线
类似于指纹识别技术，人脸识别使用者首先需要采集自己的人脸特征信息。其次，在应用的过程中，使用摄像头获取当前人物的面相特征。最后将当前捕获到的人像特征与之前存储的人脸数据档案进行对比。
对于第一步信息采集过程，不同厂商采用的不同的方案。一般而言，首先需要检测人脸是否存在，并计算出人脸的位置。利用传统的摄像头进行识别的过程需要利用可见光， 这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。对于上述问题行业内提出了两种技术解决方案，第一种是利用热红外图像成像，这种技术又称远红外光技术。第二种是利用主动近红外光技术。这两种技术由于都利用了红外光，具有识别时不受环境中可见光影响的特点，再与相应的识别算法配合，可以取得较高的识别率。
人脸识别算法技术的演进已经将近 20 多年，从最早的子空间方法只能用于检查证件照到如今大量照片的阅读学习，深度学习逐渐成为主流的人脸识别方式，2D 人脸识别技术也趋于成熟。目前市场上使用频率较高的也仍为使用摄像头的 2D 平面识别方案，这是一种基于平面图像的识别方法，受到姿势、光照、表情等变化幅度的影响较大，因此会存在特征信息缺失、准确度较低等致命问题，照片、视频、化妆及人皮面具等方式都能破解此项识别技术，而 3D 识别技术是基于人脸的立体建模，较 2D 识别技术精度更高。
另外，热传感识别技术也是人脸识别的方案之一，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。
主流的 3D 成像技术主要有三种：结构光、TOF（Time Of Flight）以及双目测距。结构光主要是通过投影机和单相机投射一幅或多副编码图案，由摄像头采集。根据脸部不同物体造成光信号变化来计算物体深度、位置等信息。TOF 技术则是通过捕捉近红外光从发射到接收的时间差来判断物体的距离；双目测距技术利用双摄像头拍摄物体，再通过三角形原理计算物体距离。
相较而言，结构光技术因其低光表现良好、短距离精度高、识别时间短、成本功耗适中等的优点，更为适合应用在前置摄像头上进行人脸识别。
2017 年是苹果推出的 iPhone X 最大的亮点之一就是人脸识别技术，不同于普通的基于 2D 的人脸识别，iPhone X 是基于红外点阵投影原理的 3D 人脸识别，也就是结构光三维成像技术。三维采集体系主要包括红外相机、泛光照明灯、环境光传感器和点阵投影器。点阵投影器能够实现将 3 万多个光点在不同的光照条件下对人的脸部的投影，由红外相机获取，从而得到人脸三维深度模型，再结合前置摄像头拍摄的可见光人脸，最终获取得到真实的 3D 人脸图。
Face ID 的技术优势在于：一、能够获取三维深度信息，防止照片、视频等的破解；二、iPhone X 拥有点阵投影器和泛光照明灯，可以将人脸肤色和其他材质有效的区分，从而防止面具等的破解；三、使用结构光的三维成像技术，能够极大地提高人脸识别的精度，达到 0.1mm。目前尚不能解决的技术在于识别距离、阳光过分充足情况以及人脸持续快速移动下，人脸识别精度的问题。国内的技术暂时还没达到可以使结构光的发射接收模组集成到手机，同时还存在三维图像重建的时间过长以及数据库样本容量小、三维采集难度大等状况。
经过了 40 多年的发展，人脸识别技术已经能达到 99.84%的准确率，超过了人类的识别程度，而错误验证率也能控制在 0.16%，技术的不断进步推动了应用更加广泛的发展。
尽管不同识别技术的特点不同，但是以指纹识别、人脸识别、虹膜识别等主流技术的发展方向均是在精度、稳定性和识别速度方面进行持续的提升，同时考虑到移动端的应用增加，便捷性则成为产品市场渗透速度的重要影响因子。
不管采用何种生物特征技术，生物识别技术系统总是包括生物特征的数据采集、数据的预处理、唯一特征的提取以及最终的与模板数据库的特征比对。
图：生物识别技术处理流程图
资料来源：互联网
下面将通过指纹识别技术、人脸识别技术以及虹膜识别技术的演进来更好地理解这一技术处理过程。
1、指纹识别的技术路线
指纹识别的过程就是首先通过传感器如最常见的光学传感器、电容传感器、超声传感器和射频传感器等获得指纹图像，接着对获得的指纹图像进行增强细化的数据处理得到更清晰的纹理，然后提取细节特征点如脊线与谷线，最后和指纹库保存的指纹进行细节特征匹配的过程。
图：指纹识别技术数据处理过程
资料来源：互联网
图：指纹识别处理过程
资料来源：互联网
指纹细节特征点是根据指纹中以凸起的纹线为脊线，脊线与脊线之间的部分为谷线，两者间的结构不同测量出特征点，每个特征点都有大约七个特征，人们的十个手指产生最少 4,900 个独立可测量的特征，通过技术分析出可测量的特征点，抽取特征值，进行认证比对的过程。 指纹识别主要包括指纹增强、特征提取和指纹匹配三个过程。其中，准确的特征提取和实现正确匹配是指纹识别的关键。
1、 指纹增强：这一阶段需要通过图像增强技术，改善指纹图像质量。因为在指纹采集过程中，由于各种原因，采集到的指纹图像不可避免的引入了一些噪声，通过对指纹图像进行增强排除噪声才能达到较好的采集效果。
2、 特征提取：这一阶段对录入的指纹特征进行提取。细节点特征是最常用的指纹特征，即指纹图像中脊线终点和脊线分叉这两个特征。经过了指纹增强的步骤，指纹图像能较好地分割，可以提取细节点得到多组脊终点或分叉类型、位置坐标及方向信息等。
3、 指纹匹配：这一阶段对录入指纹和实时指纹信息进行匹配。指纹识别匹配细节点采用点模式匹配方式，即将提取的细节点集与数据库中的细节点集进行匹配，如果通过一些旋转、尺度变换和平移变换，点集间是匹配的，则实时指纹与录入指纹是匹配的，指纹主人的身份得到认证。
指纹识别传感器是指纹识别系统的核心模块。指纹识别传感器采集指纹信息，并将采集到的信息同指纹数据库中指纹数据进行比对，以达到指纹识别的目的。指纹传感器采集验证者指纹信息是指纹识别中最重要的一步，当前指纹传感器通常采用三种方式采集指纹信息。
图：指纹识别的信息采集方式演变历程
资料来源：互联网
2015 年与 2016 年指纹识别技术在智能手机中的渗透率分别达到了 25%和 43%。 2016 年发布的指纹识别手机包括了小米 5、三星 Galaxy S7、华为 P9 等均采用了硅晶体电容式传感器。
第一代指纹识别系统采用光学采集方式。当外来光照射在印有指纹的玻璃表面时会发生反射投射到电容耦合器（CCD）上形成指纹图像，在有脊线的地方会发生散射，而在谷线处则会发生全反射，不同的光线投射到图像控制器上形成可被处理的指纹图像。同时，大多数光传感器封装还包括 LED（发光二极管）或 LED 阵列，以照亮指尖。但由于光不能穿透皮肤表层，所以只能够扫描手指皮肤的表面。因此手指表面是否干净将会直接影响识别的效果。如果手指上粘了较多的灰尘，可能就会出现识别出错的情况，同时指纹膜也能通过该识别系统，系统的安全性和稳定性不佳。
图：光学指纹识别原理
资料来源：互联网
光学传感器中因为存在棱镜，体积较大，一般为半导体的几倍甚至 10 倍大小，所以在小型设备如手机等上的应用较少，体积是它的最大障碍，而在考勤机、门禁等设备上使用频繁。成本低是光学传感器的最大优势。
第二代指纹识别系统采用电容式指纹采集方式。根据脊和谷与半导体电容感应的数值大小不同，进而判断脊和谷的位置，形成指纹图像。当手指接触半导体电容表面时，形成传感器电路，而脊和谷与表面接触程度的不同会带来距离的不同，从而可以计算出接触点处的电容值大小，从而采集完整的指纹图像。
图：电容式指纹识别原理
资料来源：互联网
第二代指纹识别一般采用硅材料，有 2 大方面的优点，一、发出的电子信号能够穿透手指皮肤到达真皮层，获取的数据相对更加可靠；二、尺寸小，易集成于各种设备，同时能够做到活体指纹识别。近年来成本大幅下降，成为目前为止最理想的指纹识别技术，如银行金库、监狱等均采用此识别系统。
第三代指纹识别技术采用射频指纹识别技术。这是一种新型的技术，分为无线电波探测和超声波探测两种方式。射频指纹识别技术就是通过传感器本身发射出微量射频信号，穿透手指的表皮层去控测里层的纹路，由于人体细胞液是导电的，通过读取真皮层的电场分布可获得整个真皮层最精确的图像，得到最佳的指纹图像。手指表面受损或沾有污渍都不会影响识别效果，防伪指纹能力强。
图：苹果Touch ID 电容+射频识别原理图
资料来源：互联网
图：超声指纹识别原理
资料来源：互联网
超声波指纹识别技术主要是利用超声波较强的穿透性。不同种类的材料会产生大小不同的超声反射波。 超声扫描传感器就是通过发出超声波， 利用皮肤、空气之间的声波阻抗差异， 接收反射回声来判断嵴与峪所在的位置。最大的好处是能够感知多种材料如金属蓝宝石等。同时，无需手指与指纹模块直接接触就能实现3D扫描指纹，获取比以往更精密的分析，精度不受污渍、油脂、汗水的影响，这些都是超声识别明显的优势。
苹果的 iPhone Touch ID 指纹读取就是采用了两层验证方式。第一层是借助一个指纹电容传感识别器来获取整个接触面的指纹图像。第二层则是利用无线射频技术并通过蓝宝石片下面的感应组件读取从真皮层反射回来的信号，形成一幅指纹图像。
电容感应式技术因成本低廉、体积小、精度较高是目前主流的指纹识别解决方案，超声穿透尽管精度最高，可以穿透各种材料，但是制作成本昂贵，同时，技术和制作工艺尚未达到可以使穿透厚度达到理想的状态，因此，超声感应暂时没有成为智能终端的标配。而近日，生物识别技术公司 Fingerprint cards（FPC）宣称已经可以实现任意位置屏内超声识别，这是指纹识别技术的重大突破，未来超声指纹识别有望成为主流技术引领产业链发展。
表 ：常见的指纹识别技术比较
资料来源：公开资料整理
移动终端的应用方面，搭载的指纹识别模块采用触控式和滑擦式两种传感器，滑擦式采集指纹时需要滑动手指，费时较长用户体验不佳。触控式成为众多手机厂商青睐的解决方案。
表 ：移动终端指纹识别模块的方案比较
资料来源：公开资料整理
苹果 iPhone 5s 首次搭载了指纹识别功能，开启了正面指纹的先河。随后，由于后置指纹识别的解决方案设计难度较低，因此绝大部分安卓手机品牌的指纹识别设计开始选择后置方案。一时间，后置指纹识别成 2015 年的主流。之后随着指纹识别模块成本逐渐下降，手机设计也亦难有所突破，2016 年期各家手机品牌逐渐选择用户体验更佳的前置指纹识别解决方案，成为当年指纹手机的最大风潮。随着今年遇全面屏潮流，促使指纹又将回归后置，而这也将促使搭载后置指纹识别的手机规模更为巨大。
2、人脸识别的技术路线
类似于指纹识别技术，人脸识别使用者首先需要采集自己的人脸特征信息。其次，在应用的过程中，使用摄像头获取当前人物的面相特征。最后将当前捕获到的人像特征与之前存储的人脸数据档案进行对比。
对于第一步信息采集过程，不同厂商采用的不同的方案。一般而言，首先需要检测人脸是否存在，并计算出人脸的位置。利用传统的摄像头进行识别的过程需要利用可见光， 这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。对于上述问题行业内提出了两种技术解决方案，第一种是利用热红外图像成像，这种技术又称远红外光技术。第二种是利用主动近红外光技术。这两种技术由于都利用了红外光，具有识别时不受环境中可见光影响的特点，再与相应的识别算法配合，可以取得较高的识别率。
图：近红外光技术和热红外光技术比较
资料来源：互联网
图：热传感识别模式
资料来源：互联网
人脸识别算法技术的演进已经将近 20 多年，从最早的子空间方法只能用于检查证件照到如今大量照片的阅读学习，深度学习逐渐成为主流的人脸识别方式，2D 人脸识别技术也趋于成熟。目前市场上使用频率较高的也仍为使用摄像头的 2D 平面识别方案，这是一种基于平面图像的识别方法，受到姿势、光照、表情等变化幅度的影响较大，因此会存在特征信息缺失、准确度较低等致命问题，照片、视频、化妆及人皮面具等方式都能破解此项识别技术，而 3D 识别技术是基于人脸的立体建模，较 2D 识别技术精度更高。
表 ：3D 人脸识别技术较 2D 人脸识别技术优势较为明显
资料来源：公开资料整理
另外，热传感识别技术也是人脸识别的方案之一，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。
主流的 3D 成像技术主要有三种：结构光、TOF（Time Of Flight）以及双目测距。结构光主要是通过投影机和单相机投射一幅或多副编码图案，由摄像头采集。根据脸部不同物体造成光信号变化来计算物体深度、位置等信息。TOF 技术则是通过捕捉近红外光从发射到接收的时间差来判断物体的距离；双目测距技术利用双摄像头拍摄物体，再通过三角形原理计算物体距离。
相较而言，结构光技术因其低光表现良好、短距离精度高、识别时间短、成本功耗适中等的优点，更为适合应用在前置摄像头上进行人脸识别。
表：主流的 3D 成像技术比较
资料来源：公开资料整理
2017 年是苹果推出的 iPhone X 最大的亮点之一就是人脸识别技术，不同于普通的基于 2D 的人脸识别，iPhone X 是基于红外点阵投影原理的 3D 人脸识别，也就是结构光三维成像技术。三维采集体系主要包括红外相机、泛光照明灯、环境光传感器和点阵投影器。点阵投影器能够实现将 3 万多个光点在不同的光照条件下对人的脸部的投影，由红外相机获取，从而得到人脸三维深度模型，再结合前置摄像头拍摄的可见光人脸，最终获取得到真实的 3D 人脸图。
图：苹果iPhone X 的“前刘海”
数据来源：公开数据整理
图：技术的成熟带动全球人脸识别错误率不断降低
数据来源：公开数据整理
Face ID 的技术优势在于：一、能够获取三维深度信息，防止照片、视频等的破解；二、iPhone X 拥有点阵投影器和泛光照明灯，可以将人脸肤色和其他材质有效的区分，从而防止面具等的破解；三、使用结构光的三维成像技术，能够极大地提高人脸识别的精度，达到 0.1mm。目前尚不能解决的技术在于识别距离、阳光过分充足情况以及人脸持续快速移动下，人脸识别精度的问题。国内的技术暂时还没达到可以使结构光的发射接收模组集成到手机，同时还存在三维图像重建的时间过长以及数据库样本容量小、三维采集难度大等状况。
经过了 40 多年的发展，人脸识别技术已经能达到 99.84%的准确率，超过了人类的识别程度，而错误验证率也能控制在 0.16%，技术的不断进步推动了应用更加广泛的发展。
资料来源：观研天下整理，转载请注明出处。（ww）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
