指纹和脸，真的能代表生物识别吗？

从今年年初到现在，ToF传感器一直以来都是苹果、三星、GD、AMS等传感器企业和智能硬件企业所关注的技术，而ToF传感器目前应用最为广泛的领域就是人脸识别。

几乎人人都在政务、门禁、支付等等这些应用场景使用过人脸识别，根据调查，90%的人都使用过相关技术，虽然便利性很高，但是人脸识别的安全问题从技术诞生到现在一直都存在质疑，不仅仅是人脸识别，包括指纹识别、语音识别、虹膜识别以及静脉识别等生物识别技术一直以来都是AI领域所比较热论的话题。

但是人脸识别安全性频繁暴雷，导致生物识别的安全性备受关注，那么生物识别到底是什么样的一门生意？

指纹识别和人脸识别并非最好的生物识别方式

从应用趋势来看，指纹识别和人脸识别是目前应用最为广泛的生物识别技术，但是从技术角度和安全性来说，两者均不能算是理想的生物识别方式。

在生物特征识别领域，分为第一和第二代识别技术，上面所说的指纹识别、人脸识别、虹膜识别、掌纹识别、DNA识别以及签名识别、声纹识别、步态识别都属于第一代生物识别技术。静脉识别（分为指静脉识别和掌静脉识别）、视网膜识别则属于第二代生物识别技术。

从安全性和技术迭代来看，第二代生物识别技术相比于第一代识别技术要更有优势。

两代技术的差异可以从特征的可显性和活体识别进行区分。

特征的可显性，如果生理或行为特征可以通过肉眼看见，使得容易被模仿和复制，这种基于生理/行为特征的生物识别技术可以被称为第一代生物识别技术，指纹识别、人脸识别、虹膜识别、掌纹识别、签名识别、声纹识别以及步态识别，这几种识别技术的行为或特征是可显性的，其中指纹、人脸、掌纹可以通过一些技巧或软硬件工具提取或者复制，而声纹、签名、步态则可以通过刻意模仿来获得相似性极高的行为特征。

活体识别，"活体识别"是指不可借助外力来代替或模拟的活体检测并识别，也就是说如果通过复制，或者3D打印人脸模型，进行假体识别只能算第一代生物识别技术，而活体识别能够判断是否为真实的生物体，满足可显性和活体识别要求的生物体才算是第二代生物识别技术。

例如，静脉识别，首先静脉隐藏于手指或者手掌内部，不可见，另外，静脉识别技术是通过使用特定波长红外光照射人体，由于皮肤和皮下的血管内的血液中的血红蛋白对于红外线不同反射差异的特性，实时获取血管图像，将其与存储的图像进行特征比对匹配，实现身份认证及鉴别，所以假手指和手指图像不能通过静脉识别。静脉识别符合判定的两点要求，属于第二代生物识别技术。

视网膜识别与静脉识别类似，同属于第二代生物识别技术。视网膜是眼睛底部的血液细胞层，特征不外显；其次，如果没有血液流动或者是非活体，视网膜识别则也不可能通过。但是，视网膜识别需要激光照射眼球背面，可能对眼球造成损失，同时降低成本的难度也较大，此文不做对比。

从下图可以看出，在多项技术指标上，指纹识别和人脸识别并非最好的生物识别方式。

但是从上面成本、便捷程度、接受度来看，指纹识别和人脸识别确实是普及生物识别最好的方式，并且现在两者在市场份额上来看，也是名副其实。根据Transparency Market最新的数据显示，指纹识别在所有生物识别占比58%，人脸识别占比18%，位列前二。

但是由于今年疫情刺激下，非接触经济和技术的增长，安全性较高的静脉识别市场也在不断进入人们的视线。今年7月，苹果申请的一项名为"用于困难的生物识别认证案例的静脉匹配"中提到，利用人脸静脉进行人脸识别，这项技术相比于手指静脉和手掌静脉有着更为复杂的静脉结构，仿造难度更大。与苹果类似，今年1月，亚马逊也通过研发手掌静脉技术进行刷手支付测试。

在市场增长方面，2020年静脉识别的市场份额相比2015年增长了约4倍，市场规模约20亿美元。笔者认为，由于目前智能手机逐渐装配了近红外传感器，静脉识别的市场增速将会进一步加快。

在日本，手指静脉技术已得到广泛应用，如银行ATM机、接入存有大量个人信息的PC机、门禁考勤管理系统、保险箱管理、复印机管理、电子支付等需要进行身份认证的领域。同时，在以上领域，专利几乎都是日本企业所掌握，包括日立和富士通。

多模态、多传感器融合才是生物识别的未来

辩证来看，虽然静脉识别的安全性较高，但是它的推广普及也存在着巨大的挑战。

首先，血管是3D，不同位置、不同角度的成像图案差异较大，尤其是在指静脉识别中，稍微偏移就会出现误识或者错识的情况，极大影响用户体验。其次，成本也是限制静脉识别产品进行大规模推广最重要的一个因素。

结合指纹识别、人脸识别来看，目前并没有一种单独的生物识别技术能够完美适应市场需求。同时，由于实际识别系统构建和应用环境的复杂性，单生物特征识别会有不同的问题。例如，静脉识别所用的近红外传感器和用于人脸识别的ToF传感器，在采集数据过程中会有噪声，影响数据精准；适用人群不具备普遍性，例如残疾人士；以及上述所说的指纹和人脸识别易被复制的安全性问题。所以单生物识别在实际的应用场景中都会存在局限性。

基于此，最近在生物识别领域，多模态、多种类生物识别融合技术被看做是未来趋势，智能手机、智能门锁以及安防领域目前已经出现了多生物识别技术融合的应用案例。

这种趋势也与目前传感器企业所主张的多传感融合技术相匹配。这一点需要指出的是，无论是主张的多传感器融合还是多模态生物识别技术，本质上并不是使用不同的传感器或者生物识别算法分别得出相应的结果，而是通过融合算法将多重数据综合判定得到最终的识别结果或者数据。这种处理方式更加有利于生物识别以及物联网数据的处理速度和安全性。

可见，多模态生物识别融合首先需要建立在传感器融合基础上，进行算法融合。放眼国内，虽然在指纹、人脸方面应用广泛，但是在静脉识别等安全性、精读更高的第二代生物识别技术上相对处于落后阶段，所以国内多模态生物识别的发展仍需时日。