深度学习颠覆了传统生物识别技术，未来生物识别技术的应用领域将更加广泛

目前在安防领域应用较为普遍的生物特征识别技术就包含了一部分以计算机视觉为技术基础的人员身份特征，除了人脸、步态，涉及身份认证还有指纹、虹膜、掌纹、静脉等等，这些都是依靠计算机视觉技术进行图像模式的提取、内容分析识别。还有一些生物特征识别技术如语音识别、脑电波识别、唾液提取DNA等识别技术。

近些年，人工智能热闹非凡，如果说2016年是“人工智能元年”，那么从2017年起则进入人工智能发展成熟的时代，2018年则有可能迎来人工智能走向行业细分领域应用的一年。

深度学习颠覆传统生物识别技术

作为人工智能引擎的“深度学习”概念提出于2006年，源于源于人工神经网络的研究，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

从目前行业发展来看，深度学习作为仿人类大脑神经感知外部世界的算法，在图像、声音和语义识别取得了长足的进步，特别是在图像和声音领域相比传统的算法大大提升了识别率。

图像识别：图像是深度学习最早尝试的领域，早期一些知名人工智能专家通过对卷积神经网络的研究，取得了在一些小规模(手写字)的图像识别的成果，直到2014年，香港中文大学教授汤晓鸥领导的计算机视觉研究组开发了名为DeepID的深度学习模型，在LFW(LabeledFacesintheWild)，人脸识别使用非常广泛的测试基准)数据库上获得了99.15%的识别率，人用肉眼在LFW上的识别率为97.52%，深度学习在学术研究层面上已经超过了人用肉眼的识别。

当然在处理真实场景的人脸识别时还是差强人意，例如人脸不清晰，光照条件，局部遮挡等因素都会影响识别率，所以在实际操作中机器学习与人工确认相结合，更加妥当。国内做人脸识别的公司众多，其中包括商汤、旷视以及云从、依图等，在真实环境运用或者在垂直细分领域中有着深厚的数据积累。

除了人脸、人像等面部识别的爆发式增长，另外。在基于面部特征识别技术的情绪识别领域，以及基于人体形态的步态识别等也在深度学习技术的基础上呈现快速发展。

语音识别：语音识别长期以来都是使用混合高斯模型来建模，在很长时间内都是占据垄断地位的建模方式，但尽管其降低了语音识别的错误率，但面向商业级别的应用仍然困难，也就是在实际由噪音的环境下达不到可用的级别。直到深度学习的出现，使得识别错误率在以往最好的基础上相对下降30%以上，达到商业可用的水平。

由于语音识别的算法成熟，科大讯飞、云知声、思必驰在通用识别上识别率都相差不大，在推广上科大讯飞是先行者，从军用到民用，包括移动互联网、车联网、智能家居都有广泛涉及。

深度学习算法的成熟，使得生物识别的准确率得到大幅提升，这就保证了依托人体生物特征包括人脸、形态、情绪、语音等方面建立人员身份认证应用超越原有范围，开始走向大规模的应用推广。同时，以深度学习算法为基础的计算机技术的进步，为生物识别提供了强大的计算和分析工具。反过来，巨量的生物特征数据也为机器训练提供了丰富的素材，“大数据成为人工智能的燃料”。

安防应用前景广阔

目前在安防领域应用较为普遍的生物特征识别技术就包含了一部分以计算机视觉为技术基础的人员身份特征，除了人脸、步态，涉及身份认证还有指纹、虹膜、掌纹、静脉等等，这些都是依靠计算机视觉技术进行图像模式的提取、内容分析识别。还有一些生物特征识别技术如语音识别、脑电波识别、唾液提取DNA等识别技术。

近些年，随着人工智能深度学习以及计算机视觉技术的不断发展成熟，在生物特征识别中基于计算机视觉技术的几种身份认证技术也得到了快速发展。尤其是人脸识别技术、指静脉识别技术、虹膜识别技术以及步态形体识别技术，正在随着大数据、数字化以及行业智能化的迅猛发展进入黄金时代，并不断结合行业细分领域的特点走向深度应用。

生物特征识别技术作为安防行业中的焦点应用，在技术安全与市场应用层面远远优于传统密码、刷卡等方式。随着应用日渐成熟以及消费者认知度的不断提高，生物特征识别技术的应用正在走向快速的普及。生物特征识别技术在安防业务领域的应用主要包括以下几类：

出入口门禁应用是生物特征识别技术最基本的应用领域之一，生物特征识别技术最早期的商业应用范例几乎都是物理门禁系统。除了传统的刷卡认证方式之外，指纹识别是最普及的生物特征识别技术，而随着人脸识别门禁产品成本快速下降和体验不断提升，在中高端市场占有一席之地。对于银行、政府机关等高等级安保场所，安全性更高的指静脉、虹膜识别技术则具备较大的应用空间。整体而言，门禁产品在国内生物特征识别市场占据的份额仅次于考勤产品。

另外，通过生物特征识别技术与传统电子锁具的结合，实际上可以算是实体防护产品应用的扩展，出现的指纹锁、人脸识别锁、瞳孔识别智能锁、静脉识别智能锁等等。目前伴随着国内“智能小区”、“智能家居”概念不断深入人心，这类智能锁正在呈现快速普及的态势。

生物识别技术与“平安城市”、“平安社区”建设的视频监控系统相结合，是目前人工智能深度学习表现最为活跃的。通过在视频监控系统中会嵌入人脸识别算法或者是人体形态步态的算法以及面部情绪的算范，可以对监控画面内人员进行身份识别，或者是预警预测，并通过系统联动实现各类业务应用如：识别为合法人员时，联动打开门禁、人员通道等;识别为黑名单人员时，联动后台产生报警提示;通过人员情绪以及肢体形态是识别则可以达到提前预警的目的。

这样也就使应用不再局限于常规的事后取证追溯，逐渐满足对事前事中的人员身份信息获取和风险事件预警提出的新需求。

除了在安防领域的应用与发展，生物识别技术在人们日常生活中也在急速的扩张。目前指纹识别已经在智能手机上普及，随着手机全面屏的兴起，及三星、苹果等厂商的带动，新的屏内指纹识别、虹膜识别、人脸识别、语音识别等技术也将成为智能手机新的打开方式。与此同时，生物识别技术也在智能家居、无人超市等新兴领域得到了广泛应用。

深度学习帮助打通了生物识别领域的“任督二脉”，未来将不断逼近100%的准确率，应用领域将更加广泛。