虹膜识别技术研发走向成像识别一体化 落地加速

生物识别技术在电子终端领域落地应用的过程中，安全性能一直是备受瞩目的问题。据媒体报道，10月24日举行的GeekPwn国际安全极客大赛上，便有团队破解了赛事中提供的人脸识别算法，成功误导识别效果。而这一算法的API接口来自于亚马逊名人鉴别系统（Rekognition）。

这一定程度反映出在人脸识别领域，算法仍有不断完善的空间。当前被重点研发和运用的生物识别技术主要为指纹、面部和虹膜识别三种。但指纹和面部识别更为广泛被运用，虹膜则由于信息采集和软硬件配套等问题，目前尚未大规模普及。

“针对虹膜图像的研究已经有近20年历史，第一步解决了从无到有，近距离高清虹膜图像采集问题；第二步是从单目到双目；第三步将解决识别远近难题；第四步则可以将识别形态从固定深化到移动阶段。”10月19日举行的一场业内论坛上，中科院自动化研究所研究员孙哲南表示，目前针对虹膜识别技术开展的成像技术框架已和过往有很大区别。

研发走向成像识别一体化

虹膜识别技术一直以来被认为是生物识别技术中安全性更高的一种。这是源于，无论指纹还是面部，在外部环境乃至于人的心态等变化之下，或多或少会有所改变，但若非经历危及眼睛的外科手术，人的虹膜几乎会终生不变。

因此虹膜识别相比其他两种技术，相对更稳定、防伪特征更高。“虹膜本身是动态的，瞳孔会随着光线而变化，因此从防伪角度就有很大的价值。”中科虹霸总经理马力如此解释，主要是通过红外光下呈现的如斑点、条纹、隐窝等虹膜中的细节特征，识别人的身份。

“相比其他采集的信息，虹膜的物理尺寸小，人的虹膜直径仅约11毫米，因此虹膜识别的图像分辨率要求较高，导致虹膜成像景深比较小，用户眼睛必须放在光图上，特别是东方人都是褐色虹膜色素细胞，采用近红外光才能看清虹膜纹理细节特征。”孙哲南如此解释道。

虹膜识别的关键技术主要包括四个部分：虹膜成像技术、活体判别技术、质量评价技术和特征表达技术。具体而言，分别解决的是虹膜信息有无问题、图像真假判断问题、虹膜图像的好坏问题以及图像主体问题。

也即随着虹膜技术未来的更大范围应用，不止人脸，运用在以动物为代表的其他生物等领域中同样可期。

据孙哲南介绍，目前其所在团队研究的成像技术框架，是在成像过程中，引入认知任务对光学系统的参数和计算成像算法采用自适应处理。“我们把光场成像的研究成果运用进来，既记录光的强度也记录光的方向，可以得到四维光感数据，然后进行计算成像的处理、扩展景深。 光场成像对虹膜识别的价值在于，可以实现多目标、大景深。”

算法层面的其中一个关键，是如何有效分割虹膜图像的有效区域。进行睫毛、眼睛遮挡的分割，表达虹膜的特征、进行合理检测。

“传统算法基本只能解决虹膜的分割，对图像中的像素进行语义标准，定义是虹膜区还是非虹膜区，在此基础上，我们提出多任务的神经网网络，并且带了主动视觉注意机制。不管是可见光虹膜成像分割、跨设备、跨场景的虹膜分割，都得到很好的效果。”孙哲南表示。

虽然当前在移动终端的应用尚未普及开，但据介绍识别效果已有大幅提升。“移动终端光靠虹膜识别还达不到非常好的效果，通过虹膜和眼珠问题特征的收集融合，识别错误率可以降低50%左右，在移动终端错误率可以达到千分之五左右，足够满足移动终端身份识别的需求。”孙哲南表示。

但他也指出，目前虹膜成像模式存在成像和认知计算分离问题，即成像和识别算法尚未一体化。目前的研究方向便是，在成像过程中，引入认知任务的驱动，比如在成像过程中采用动态可变的传感框架，可以自适应选择最优波段、成像光学参数、计算成像算法等，对运动的目标主动式成像。

“在未来，从受控场景到复杂场景的生物特征，一定会在感知模式、采集难度等方面进一步优化。尤其是数据量很大的时候，对于深度学习的算法需要继续革新。同时我们也在做远距离、多模态、高通量、无感知的设备。”中科虹霸总经理马力总结道。

应用场景加速落地

技术逐步成熟之后，落地的进展最先与国家标准建立有关。“十三五”以来，大量虹膜识别相关的国家和行业标准开始发布或立项。

据马力介绍，目前已发布的标准，内容指向包括图像技术要求、数据交换格式、算法测评方法、程序接口规范等方面；对于采集设备通用技术要求方面正在报批过程中。

实际上目前政府级别单位掌握的虹膜数据远比想象中庞大。马力在前述论坛中介绍，目前全球通过指纹、人脸、虹膜技术已面向十亿以上人口做过采集，而虹膜在全球到目前为止有不到20亿的采集数据在政府手中。

至于目前在生活中落地较慢的原因，主要与信息采集难度和终端应用有关。拓墣产业研究院分析师陈彦尹25日告诉21世纪经济报道记者，由于虹膜辨识技术早期的整体技术尚不够成熟、建置成本过高，因此只有如金融机构这类最在意安全性及隐私的地方采用居多。这几年随着各类型生物辨识技术成本下降，全球都更重视以此带来的价值。

“虹膜辨识与人脸辨识的确是最常被拿来做对比，因为两种技术都属于不需要像指纹辨识一样碰触感测设备的技术。但针对国内政府近几年想在众城市推行的安防概念来说，其推行难度比人脸辨识大许多。虽然两者都是针对拍回的图像进行辨识，但在相对远的距离之下，拍眼睛及人脸所传回的图片大小、清晰度等都会有较大落差，容易造成虹膜辨识所需要的生物特征值不足问题。”他解释道。

若从移动终端的应用角度分析，则与终端本身的软硬件配套有关。手机就是最直接的场景，如面部识别之所以在今年开始大规模采用，很大程度来自于去年底，苹果推出的iphone X开始大规模运用到面部识别技术。此后软件配套不断丰富，才有了更多使用场景落地的可能。

当然这是消费终端，在许多海外国家，其实早已开始虹膜识别的场景应用。“虹膜识别整体增长速度非常快，每年复合增长率可以达到20%以上。”孙哲南介绍道，除了常规2G（政府）方面落地较快的安检通关、反恐等领域，针对特殊人群的识别、在海外银行的落地也在快速推进。

比如备受关注的儿童安全方面，当前国内主要通过DNA验证，但该方式成本较高、检测时间长。马力介绍道，作为公益性项目，中科虹霸已在全国超过20个省市派出所、幼儿园建立虹膜采集点，面向0-12岁儿童采集数据，正是为解决儿童丢失、拐骗等问题。

在印度、印尼、墨西哥、菲律宾等，尤其是东南亚和非洲国家，已经出台政策推动全民采集生物特征。这是把技术落地在海外的契机。

“我们已授权一些国外公司把虹膜识别技术用在联合国难民营管理，采用虹膜识别+区块链技术，用于管理联合国几百万难民。”孙哲南介绍道，目前已运用在中东、叙利亚、埃及等国家的难民管理。

与人体形态接近的动物领域也有探索，比如宠物狗。“对宠物狗的身份管理，传统是打电子标签，但这对狗是一个伤害。现在已有地方采用虹膜对狗建立档案，运用在宠物医院、日常管理等方面。”据孙哲南介绍，经过实验，准确率可达99.9%以上。