曾几何时，生物特征识别还是一个可望而不可即、只有在高度保密机构里才能一睹真容的“高端技术”。而技术进步是飞快的，一眨眼的功夫，智能手机的普及就让每个人对指纹识别和人脸识别习以为常。那么，对于“准确地辨别谁在使用自己”这件事，身份识别都经历了哪些过程？未来又将往何方去？

第一批“玩家”

指纹、虹膜和语音

纹理和振动，这是生物特征领域不变的核心。而最早被利用在身份识别当中的生物信息——指纹和声纹，正是其中的代表。“世界上没有任何两个人的指纹是一样的”，一直以来，指纹都是人类最有效的“身份证”。然而，随着指纹和声纹识别应用的深入，大家渐渐发现：这些特征虽然独一无二，却并不“海枯石烂”——指纹特征可能会因不慎划伤或人为磨损而改变，声音更是会随着年龄的增长而变化。于是，虹膜纹路作为第一种被认为终身不变的生物特征登上了舞台。唯一的问题是，虹膜信息是相当容易遭到窃取的——毕竟，总不能在照相的时候不看镜头吧。

▲电影中以隐形眼镜为载体的伪造虹膜特征

“后来者”居上

面部和眼纹识别的兴起

既然传统生物特征问题不少，人们自然要着手研究新的生物识别方式。于是，面部结构和眼纹进入到了业界的视野当中。两种新型生物特征的共同特点是：除了纹理以外，更加关心“形状构造”。面部识别通过对脸部特征点及其在影响中的透视深度进行建模，可以以很高的准确率对比被识别人的头骨模型是否正确。近期备受瞩目的iPhone X的Face ID就使用原深感摄像头投射3万个不可见点捕捉用户面部数据，创建具有透视效果的面部深度图，从而认出你的脸。类似地，眼纹识别在关注对象眼球的巩膜血管分布的同时，实际上也可以让眼睛轮廓参与到识别当中，因而更加难以被伪造。例如近期蚂蚁金服发布的眼纹识别技术，可以在实验室场景下精准识别长相极端相似的同卵多胞胎。目前看来，“刷脸”和“刷眼球”在相当一段时间内，都将是生物特征作为身份凭据的主流。

▲苹果Face ID所产生的具有透视效果的人脸模型

深度学习加入

新“作料”，新味道

乍看来，生物特征识别无非是图像处理和模式匹配的组合，机器学习也许能够让匹配准确率增加一些，但也不过如此。随着深度学习及其基础——卷积神经网络（CNN）的大放异彩，人们第一次发现：原来人工智能自己就可以对图像进行处理，甚至在得到特征的时候还可能有“独到”的见解！很快，生物特征识别领域就将CNN在可能的应用上用了个遍，还得到了比过去更优秀的识别效果。

要知道，对于今天能够见到的每一种基于图像的生物信息，识别的方式无非是拣选出其影像中的各种有特点的“细枝末节”，形成模板，进而由模板的独特性来实现识别的唯一性。由此，生物特征识别的性能，在很大程度上取决于模板中所选取的细节的有效程度。CNN的优势，就在于所产生的模板更有“代表性”，精确度更高。可以说，随着深度学习的加入，你的手机和电脑将会很快地从“认出你”的水平升级到“记住你”的新等级。

当然，目前深度学习在生物特征识别中还处于研究和初步应用阶段，业界不得不面对的是，神经网络较大的存储空间和计算资源占用问题。另一个问题在于，深度学习“记得快”，却可能“忘得太慢”。比如，如果要从一个训练好的网络中删除掉有关某一眼纹的“知识”，就绝不是一件容易的事情了。

未来

从“刷脸”到“刷脑”

未来还会有什么新的生物信息加入到“识别大军”中来？现阶段来看，最有潜力的或许就是脑电波（EEG）信号了。目前，许多研究已经表示，人的脑电很可能和指纹一样，具有某些个体唯一性的特征。同时，脑机接口（BCI）的发展也可谓是日新月异。目前，一家葡萄牙公司已经在其Brainflight项目中展示了以脑电信号操控无人机的技术。如果现有有关脑电的各种技术能够进一步成熟并加以融合的话，相信在未来的几十年内，人们就将有望看到“刷脑”这种科幻般的景象成为现实了。

▲脑电已经被用来操控无人机了

γ：不过这件事可能对于一时冲动的人们来说并不是啥好消息，一旦你以为的“想想而已”，那边已经刷脑消费了，实在是防不胜防啊！

本文来自百度德尔塔俱乐部，作者：干什么都刷脸的γ，百度安全经授权发布

文章图片来源于网络，如有问题请联系我们