从本年年初到现在，ToF传感器一直以来都是苹果、三星、GD、AMS等传感器企业和智能硬件企业所重视的技能，而ToF传感器现在运用最为广泛的范畴便是人脸辨认。

简直人人都在政务、门禁、付出等等这些运用场景运用过人脸辨认，依据查询，90%的人都运用过相关技能，尽管便利性很高，可是人脸辨认的安全问题从技能诞生到现在一直都存在质疑，不仅仅是人脸辨认，包含指纹辨认、语音辨认、虹膜辨认以及静脉辨认等生物辨认技能一直以来都是AI范畴所比较热论的论题。

可是人脸辨认安全性频频暴雷，导致生物辨认的安全性备受重视，那么生物辨认到底是什么样的一门生意?

指纹辨认和人脸辨认并非最好的生物辨认方法

从运用趋势来看，指纹辨认和人脸辨认是现在运用最为广泛的生物辨认技能，可是从技能视点和安全性来说，两者均不能算是抱负的生物辨认方法。

在生物特征辨认范畴，分为第一和第二代辨认技能，上面所说的指纹辨认、人脸辨认、虹膜辨认、掌纹辨认、DNA辨认以及签名辨认、声纹辨认、步态辨认都归于第一代生物辨认技能。静脉辨认(分为指静脉辨认和掌静脉辨认)、视网膜辨认则归于第二代生物辨认技能。

从安全性和技能迭代来看，第二代生物辨认技能比较于第一代辨认技能要更有优势。

两代技能的差异可以从特征的可显性和活体辨认进行区别。

• 特征的可显性，假如生理或行为特征可以经过肉眼看见，使得简单被仿照和仿制，这种依据生理/行为特征的生物辨认技能可以被称为第一代生物辨认技能，指纹辨认、人脸辨认、虹膜辨认、掌纹辨认、签名辨认、声纹辨认以及步态辨认，这几种辨认技能的行为或特征是可显性的，其间指纹、人脸、掌纹可以经过一些技巧或软硬件东西提取或许仿制，而声纹、签名、步态则可以经过刻意仿照来取得相似性极高的行为特征。

• 活体辨认，"活体辨认"是指不行凭借外力来替代或模仿的活体检测并辨认，也便是说假如经过仿制，或许3D打印人脸模型，进行假体辨认只能算第一代生物辨认技能，而活体辨认可以判别是否为实在的生物体，满足可显性和活体辨认要求的生物体才算是第二代生物辨认技能。

例如，静脉辨认，首要静脉躲藏于手指或许手掌内部，不行见，别的，静脉辨认技能是经过运用特定波长红外光照耀人体，拜访皮肤和皮下的血管内的血液中的血红蛋白关于红外线不同反射差异的特性，实时获取血管图画，将其与存储的图画进行特征比对匹配，完成身份认证及辨别，所以假手指和手指图画不能经过静脉辨认。静脉辨认契合断定的两点要求，归于第二代生物辨认技能。

视网膜辨认与静脉辨认相似，同归于第二代生物辨认技能。视网膜是眼睛底部的血液细胞层，特征不外显;其次，假如没有血液活动或许对错活体，视网膜辨认则也不行能经过。可是，视网膜辨认需求激光照耀眼球反面，或许对眼球形成丢失，徘徊降低本钱的难度也较大，此文不做比照。

从下图可以看出，在多项技能指标上，指纹辨认和人脸辨认并非最好的生物辨认方法。

可是从上面本钱、快捷程度、承受度来看，指纹辨认和人脸辨认确实是遍及生物辨认最好的方法，而且现在两者在商场份额上来看，也是当之无愧。依据Transparency Market最新的数据显现，指纹辨认在所有生物辨认占比58%，人脸辨认占比18%，位列前二。

可是拜访本年疫情影响下，非触摸经济和技能的增加，安全性较高的静脉辨认商场也在不断进入人们的视野。本年7月，苹果请求的一项名为"用于困难的生物辨认认证事例的静脉匹配"中说到，运用人脸静脉进行人脸辨认，这项技能比较于手指静脉和手掌静脉有着更为杂乱的静脉结构，仿制难度更大。与苹果相似，本年1月，亚马逊也经过研制手掌静脉技能进行刷手付出测验。

在商场增加方面，2020年静脉辨认的商场份额比较2015年增加了约4倍，商场规模约20亿美元。笔者以为，拜访现在智能手机逐步装配了近红外传感器，静脉辨认的商场增速将会进一步加速。

在日本，手指静脉技能已得到广泛运用，如银行ATM机、接入存有很多个人信息的PC机、门禁考勤办理体系、保险箱办理、复印机办理、电子付出等需求进行身份认证的范畴。徘徊，在以上范畴，专利简直都是日本企业所把握，包含日立和富士通。

多模态、多传感器交融才是生物辨认的未来

辩证来看，尽管静脉辨认的安全性较高，可是它的推行遍及也存在着巨大的应战。

首要，血管是3D，不同方位、不同视点的成像图画差异较大，尤其是在指静脉辨认中，略微偏移就会呈现误识或许错识的状况，极大影响用户体会。其次，本钱也是约束静脉辨认产品进行大规模推行最重要的一个要素。

结合指纹辨认、人脸辨认来看，现在并没有一种独自的生物辨认技能可以完美习惯商场需求。徘徊，拜访实践辨认体系构建和运用环境的杂乱性，单生物特征辨认会有不同的问题。例如，静脉辨认所用的近红外传感器和用于人脸辨认的ToF传感器，在收集数据进程中会有噪声，影响数据精准;适用人群不具备普遍性，例如残疾人士;以及上述所说的指纹和人脸辨认易被仿制的安全性问题。所以单生物辨认在实践的运用场景中都会存在局限性。

依据此，最近在生物辨认范畴，多模态、多品种生物辨认交融技能被看做是未来趋势，智能手机、智能门锁以及安防范畴现在现已呈现了多生物辨认技能交融的运用事例。

这种趋势也与现在传感器企业所建议的多传感交融技能相匹配。这一点需求指出的是，无论是建议的多传感器交融仍是多模态生物辨认技能，本质上并不是运用不同的传感器或许生物辨认算法别离得出相应的成果，而是经过交融算法将多重数据归纳断定得到终究的辨认成果或许数据。这种处理方法愈加有利于生物辨认以及物联网数据的处理速度和安全性。

可见，多模态生物辨认交融首要需求建立在传感器交融基础上，进行算法交融。放眼国内，尽管在指纹、人脸方面运用广泛，可是在静脉辨认等安全性、精读更高的第二代生物辨认技能上相对处于落后阶段，所以国内多模态生物辨认的开展仍需时日。