指纹识别两大重要技术指标
目前比较成熟的生物识别技术主要有三种：包括指纹、人脸、虹膜。在iphone5S采用指纹识别的推动下，经过短短时间的技术沉淀，从联想发布的ZUK手机，到大神发布的Note3，再到奇酷青春版，都标志着指纹识别技术已经从高端旗舰机快速普及到了千元智能机中。作为指纹识别模组厂商的代表，韩国CT Park SeungYong预计在2016年智能手机的销量16亿，其中带有指纹识别模块的智能手机大概是7亿。
目前市面上的电容式指纹传感器已经非常多了，但是差异化很小，而且安全级别普遍不够。金鹏微控科技有限公司（下称“JP Sensor”）总经理萧旭峰博士表示，为了达到更高的安全级别，JP Sensor大概是除了新思之外，少数直接在指纹Sensor中做加密的公司。“JP Sensor指纹采集器内建有AES加密。（Advanced Encryption Standard，高级加密标准是美国联邦政府通用的一种区块加密标准）”萧旭峰博士表示，经过AES加密后，输出的东西不是指纹图像，要用相应算法才能解开图形，这种加密方式经常应用在通讯领域，比如ATM机，输入输出的信号一定是做了加密处理。
除了安全问题，电容传感器面临另一个常见问题是静电问题。萧旭峰博士表示，业界一般都有做防静电处理，一般ic是做8000v的，指纹识别传感器是做15000v的，JP Sensor则做了更高一层30000v的标准。
涉及到指纹识别芯片最重要的精准度问题，取决于几个因素：第一个是CPU，速度够不够快，指令层够不够；第二个是算法，这里涉及到拒真率（FRR）和认假率（FAR）两个指标。“业界厂商一般告诉你它的拒真率是千分之一，误认率是百万分之一，但这个是假设数据，实际上没有这么好的指标。”萧旭峰博士认为，指纹识别算法是非常复杂的，主要原理是通过手指的特征点来进行计算，通常要有二三十年的技术积淀才能成就一家算法公司。
“现在全球的指纹识别算法大部分来自两个地方，分别是前苏联的立陶宛和北韩。”因为要获得更准确的拒真率（FRR）和认假率参数，需要大量的指纹影响数据库做支持，而这两个地方的指纹采集是做得最好的。“现在手机采用的指纹识别，需要消费者多次按压才能采集完成。但如果按严格的安全标准，可能要按压30~40次以上，这个体验消费者是不会接受的。”萧旭峰博士认为，要提升安全标准，就必须要牺牲用户体验。而立陶宛和北韩的指纹采集就没有这方面问题。
手机指纹识别面积能否更小？
由于在手机等移动终端上，指纹识别的面积越来越小，目前苹果的指纹识别面积是88*88，在金融支付领域，一般是192*192，比如华为的Mate就是采用这个尺寸。未来手机指纹识别是否会越做越小呢？
“源自北韩的算法要做到120*120还是很有难度，因为采用特征值算法，到120*120这种就只剩下3~4个特征值，没有使用影像及特殊算法是很难算出来的。”萧旭峰博士解释道，特征值简单来说就是指纹图形中出现一个特征点，诸如Y节点，它能够算出x轴、y轴的位置，这就是一个特征值。人的一个手指头大概有20+个特征值，因为面积小能取到的特征值量就会笑，因此重复概率会非常高，也就是说认假率（FAR）会比较高。指纹识别面积做小，在成本上可能会更便宜，但过小也会带来安全性的下降，萧旭峰博士认为苹果敢做这么小，是因为它敢自己承担风险，而其他厂商很难做到这一点。
面对国内指纹识别厂商处处受限于苹果的专利问题，迈瑞微CTO李扬渊提出了三个应对方法。“最有效的风险规避就是不使用已授权的专利技术：在同一理论框架下如果不使用必要电路一定导致产品品质降低，失去竞争力；另辟蹊径自立山头，则要面对来理论研究、产业化、市场化三方面的困难。次有效的风险规避是获取专利持有人的授权：把专利风险转换为成本代价，面临竞争力降低的风险；通过发展技术并进行技术授权交换，面临自主技术被竞争对手使用而降低自身竞争力的风险。先侵权后赔钱：把侵权技术经过层层封装隐藏，给专利持有人的举证制造障碍，会增加硬件复杂度，提高成本；在专利申请中变造甚至劣化了技术方案来制造‘差异化’，试图使用‘自有专利’对抗专利持有人，但专利法庭往往不认可。”
更高安全级别的虹膜识别
相比指纹识别，由于虹膜识别具有更高安全级别，因此在金融支付、门禁安全等更高等级的安全领域，已经开始大量采用虹膜识别。人的眼睛结构由巩膜、虹膜、瞳孔晶状体、视网膜等部分组成。虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分，其包含有很多相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征。而且虹膜在胎儿发育阶段形成后，在整个生命历程中将是保持不变的。这些特征决定了虹膜特征的唯一性，同时也决定了身份识别的唯一性。因此，可以将眼睛的虹膜特征作为每个人的身份识别对象。
“如果说指纹识别的特征点在15~20几个左右，人脸识别的特征点在10个左右，那么虹膜识别的特征点会达到266个之多。”北京释马大华科技有限公司高级销售经理赵阔认为，由于具有极高的生物安全性（仅次于DNA识别），未来在智能家居、车联网、婴幼儿教育、教育考试身份认证等领域，虹膜识别有着广阔的应用前景。据介绍，目前释马大华的指纹识别模组匹配速度已经可以达到0.01秒。
目前的虹膜识别技术，主要是用于远距离、多模态、高通量的固定方式，对于新的移动与近距离的应用方式，有一定的挑战：比如复杂光线环境下，微型成像模块生成虹膜图像的质量，虹膜识别算法的公开评测等等。不同人种，所对应的虹膜识别算法也不相同。
“我们能够保证我们的精确度到亿万级的级别，这是因为我们可以支持印度8.5亿的虹膜数据库。”赵阔表示，目前虹膜识别的算法上区别不大，主要的技术指标来自于数据库的量级。国内目前对于虹膜生物识别，还没有从政策层面出台相关法规，因此缺乏足够的数据库。他表示，印度在建立全民的虹膜身份证，而释马大华与Intel合作已经中标了这个政府项目。
在手机领域，2015年日本DOCOMO联合富士通发布了全球首款虹膜智能手机，其中的硬件模组由舜宇提供，算法由美国公司提供。今年初上市的中兴手机天机3和vivo X5pro,都声称有眼球识别，用词比较模糊，实际上这两款手机都是眼纹识别，在精确度上与虹膜识别还有一定距离。“以后手机厂商要在印度市场做虹膜识别的，可以直接来找我们。目前的规划是今年年底，我们针对手机厂商会出500万颗模组。”
生态系统成为虹膜识别普及阻碍
“我们跟腾讯、京东、乐视、基于大数据应用的合作，还有一个是跟银联建立了一定的联系，打通整个虹膜支付的渠道。”赵阔表示，虹膜技术发展很短，真正市场化和产品化也只有这几年。虹膜识别要普及目前面临的最大挑战是生态系统以及应用，而不是产品本身。此外，未来如何降低虹膜识别方案的成本也是一大挑战。
北京中科虹霸科技有限公司总经理马力认为，指纹识别产业链成熟更早，虹膜识别发展比较晚，未来应该从金融平台、终端公司、硬件平台、操作系统各个层面推进虹膜生态链的建设。
作为首家与FIDO联盟打通协议的，虹膜识别技术公司，中科虹霸拥有成熟、稳定的算法作为技术支撑。由于具备强大的兼容性和扩展性，FIDO联盟发展迅速，从最初的6个成员发展至208个成员，未来FIDO联盟将成为一种国际认可的行业标准。马力表示，通过数据驱动自动学习的方式可以提升虹膜识别的精度，至少提升15%。
中科虹霸在2004年就开始跟广电运通开发第一款支持虹膜识别的ATM机，跟IrisGuard合作，开发了虹膜识别银行解决方案ibank。“目前为止我们是国内应用最多最广的虹膜识别公司。”
01月07日 18:14
