人脸识别备受宠爱 指纹识别进入平淡期

　　自iPhone X搭载的FACE ID出现以来，人脸识别着实火了一把，不管是在其后发布的vivo、OPPO、锤子，还是未来准备采用的华为、小米，都已采用或准备采用人脸识别。眼看人脸识别来势汹汹，但此前发展如火如荼的指纹识别却已进入平淡期。

　　全面屏屏下指纹虽是最佳选择，但是现状是无论光学式屏下指纹还是超声波式屏下指纹的研发都还未正式进入应用期，因此，苹果iPhone X用3D人脸识别代替指纹识别，而vivo、OPPO、锤子则是人脸识别与电容式指纹识别共存，从上述角度看，指纹识别竞争力在逐渐消退。

　　但据iPhone X开售近三周用户反馈的情况来看，FACE ID并不如指纹方便快捷，而国产手机厂商搭载的人脸识别如其说是一种识别方式，更不如说是一种猎奇心态。锤子罗永浩在其发布会就直言，目前人脸识别的安全性还不如指纹识别，建议用户还是主要使用指纹识别。

　　那么，在人脸识别还未达到满意的应用级别，而屏下指纹又未正式应用的空窗期内，电容式指纹识别如何能更好地参与手机新趋势下的竞争?

　　清华大学深圳研究生院郭振华认为有两点研发方向：一是将深度学习应用到指纹识别，提高识别精度;二是采集活体具有的物理成分，更好地防伪。

　　从目前指纹现状来看，指纹识别发展还面临两大挑战，一方面是大人群下的识别能力低。如部分用户指纹表面特征不清晰，难以识别，另外，在一对一条件下，指纹识别准确率可达，但在人数不断增加的情况下，识别准确率将明显降低。因此，指纹识别还迫切需要提高识别精度。

　　另一方面则在于指纹防伪效果不甚理想，指纹被指纹膜、照片、断手指等破解的新闻层出不穷，因此，指纹还迫切需要防伪特征。

　　应对这两大挑战，郭振华也提了解决方案。针对提高指纹精度问题，郭振华建议将深度学习应用于指纹。深度学习是一种端到端的处理过程，可针对不同的应用场景进行分类和评估。他表示，基于经验的传统方法，在数据量达到一定程度的时候，其性能可能也到了一个瓶颈，而深度学习则可以随着数据量的增大，性能逐渐提升，进而提升指纹识别精度。

　　针对指纹防伪问题，郭振华称需要用到Optical coherence tomography技术，简称OCT，即光学断层扫描技术，此技术原本用于医学，如心血管疾病诊断、眼部疾病诊断、活体检测等，近期开始用于指纹识别。

　　该技术是利用近红外光及光学干涉原理对生物组织进行断层成像，其不仅可采集内指纹和外指纹，还可在两层指纹之间检测到汗腺，而假指纹虽有指纹纹路，但缺少汗腺和内指纹结构。可见，该技术的应用更有利于防伪。

　　此外，在OCT技术的基础上，还可以运用Optical Anigiography，简称OAG，即光学微血管造影技术，其可对OCT采集到的信号进行处理，有效分离样品中静态散射颗粒和动态散射颗粒。

　　郭振华还以牛奶的在管道中的流速为例，介绍动态信息和静态信息之间的差异，即流速越高，动态部分强度越高。而回归到指纹方面来说，就可分辨出没有血流信息的指纹，真正做到活体指纹检测。

　　指纹识别虽在人脸识别的火热下稍显暗淡，但作为发展多年的已然成熟的识别方式，现已成为智能手机的标配，未来其还将继续向中低端市场普及，市场规模仍在稳定增长。而加入了深度学习和活体检测技术的指纹识别，在提升精度和增强防伪性能的同时，也加大了攻击的难度和代价，指纹安全性能的提升也在很大程度上助力其走向更大的应用空间，其与人脸识别等其他生物识别技术的竞争还有莫大的不确定性。