其实说到底，因为手机储存了越来越多的个人信息，我们的智能手机好像“电脑外挂”一般，已经变成了人的一部分。对于手机的过渡依赖与亲密带来诸多隐私问题，人们正在尝试用新的技术去解开这个“死循环”。这种新的技术解锁方式便是生物识别，生物识别技术的优点在于既能够简化使用过程，提升用户体验，又可以解决安全性问题。用户只需做自己，自然刷脸、说话、触摸，即可完成身份核验。
人类的体验需求迭代
曾有学者预言，人类正在进行有史以来第二次最重要的迁徙：第一次是数万年前人类祖先走出非洲。现在，我们正面临从物理世界步入数字世界的“大移民”。而在第二次“移民”过程中，就像人类在现实生活里对“我是谁”的循环追问，自信息文明诞生伊始，人类就非常清楚安全告知机器“我是谁”的重要性，并不断在身份认证方式上推陈出新，发明各种密码和数字证书。
随着越来越多的人借助数字产品管理日常生活，我们希望能够毫不费力地在各种设备和体验间建立连接，并确保其安全性。人类的身份认证识别，从前几年账号+密码的时代转变为现在手机号+验证码的时代，多账号通用登陆依然过多绑定于电子设备。随着人类与机器共享的“秘密”越来越多，安全系数越来越大，基于密码的识别方式已日趋无力。人类亟需从“我们主动让系统认识我”，到“系统自主认识我”的方式转变，这将是下一个认证时代的常态。生物识别将打上一条印记，提供新的体验方式。而生物识别也在这两年逐渐应用于生活之中，如iPhoneX的Face ID，生物识别已经从硬件识别迭代到软件级识别，云与大数据的深度应用将带给人类新的验证时代。
无论哪种生物识别技术，都是在做同一件事：回答“你是谁”这个问题。大体来说，生物特征包括生理特征和行为特征：前者包括指纹、虹膜、人脸和眼纹等;后者对大众稍显陌生，包括步态和唇语等。这些生物特征都具备很强的稳定性和唯一性，可匹配于不同应用场景。
Face ID
在了解其他生物识别之前，我们先了解一下已经大面积应用的人脸识别。如苹果面部识别通过 iPhone X 没有被覆盖的顶部区域实现，这一小块区域中的红外镜头、泛光感应元件(Flood illuminator)和点阵投影器可以向人脸投射看不见的光，形成依附用户的3D人脸图，并将它与手机存储的机主人脸图做对比，如果相符，手机就能解锁。Face ID的错误匹配率为 100 万分之一，是Touch ID的1/ 20。
AI可以将人类进化而来的“直觉系统”转为为数据分析，根据眼睛、眉毛、嘴巴、鼻子等器官特征和几何位置关系检测人脸，将待识别的人脸特征与已得到的人脸特征模板进行比较认证。iPhoneX那般“实时识别”远非人脸识别的全部，当机器记住一张人类面孔，它其实可以做到更多，比如“跨年龄识别”。
多种识别模式盘点
生活中接触最多的是指纹识别。2013年，指纹识别刚出现在 iPhone 5s 里，被很多人称作 “没用的设计”，而现在却成了大部分手机的安全防线。根据 Fingerprints 提供的数据，2016 年全球一共卖了 16 亿台手机，60% 都有指纹识别技术。
人脸识别是目前最接地气的，以人脸识别为代表的生物识别正应用于越来越多的场景。
虹膜识别识别的是眼睛的虹膜部分，虹膜属于眼球中层，位于血管膜的最前部，在睫状体前方，可调节瞳孔的大小，调节进入眼内光线多少的作用。三星Galaxy S8内置了虹膜识别技术，它要求用户以特定的姿势出现在镜头前系统才能进行识别，不够方便，导致它的实用性并不高。
眼纹识别则是识别眼睛的巩膜部分。即“眼白”区域的血管排布情况，后面会详细阐述。
视网膜是眼球背部一层非常薄的细胞层，视网膜识别的是视网膜上的血管分布。
由于虹膜、眼纹、视网膜识别的对象不同，因此三种识别的原理并不相同。虹膜是虹膜纹理来识别，屈光手术的虹膜定位就是用这个原理，因为每个人的虹膜纹理都不一样。视网膜识别是眼底的部位，主要是血管分部和行径的情况来确定，但是眼底会随着人的身体情况变化而变化，所以理论上来说应该是虹膜识别会更加稳定重复性高，更加精准一点。
声音识别：用时长，不利隐私保护，不适用于初次解锁认证们，这里不做赘述。
步态识别与唇语识别
所谓步态识别，就是只通过走路姿势，在极短时间内，摄像头就可识别特定对象。不同于人脸识别需要“主动配合”，哪怕一个人在几十米外背对摄像头，机器也可通过算法把你认出来。如果你看过《碟中谍5》，一定会对电影中“最后一道安保系统”——步态识别印象深刻：它可以对生物体的身体和步态进行360度无死角扫描，识别进入者身份。
而“远距离生物识别”不只一种，除了脚下步态，来自人类嘴唇的“唇语识别”亦可发挥威力。唇语识别是一项集机器视觉与自然语言处理于一体的技术：通过机器视觉从图像中连续识别出人脸，提取口型连续变化特征，随即将连续变化的特征输入到识别模型中，识别出讲话人口型对应的发音，计算出可能性最大的表达语句。与步态识别一样，唇语识别在安全领域意义重大。要知道，公安系统中的视频信息量非常庞大，但很多都以“默片”方式存在，只看得清嘴型，却不知说些什么。而当机器学会“读唇术”，即可判断视频中的人讲出来的关键性内容。
“远距离生物识别”正在构筑一张“数字天网”，俯视现实世界。难怪有人会说，如今人类犯罪率整体下降最根本的原因，就是技术进步提升了犯罪成本。
人脸识别与眼纹识别的微妙关系
眼纹识别，是人脸识别、虹膜识别的补充，并不是取代性技术，技术路线上算是融合了两方面的优势的产品。目前的人脸识别技术已经开始大范围应用，而人脸识别下一个阶段是较优的融合点，融合新的技术到人脸识别中，作为未来可预见的人脸识别可靠性和准确性的补充。
眼纹识别是利用眼白的可见静脉图案进行身份识别，因为没有任何两个人的脉管系统完全相同，即便是孪生兄弟或者四胞胎。同卵双胞胎的人脸识别一直是生物识别领域的世界级难题，在 iPhone X 还在为区分双胞胎而困扰的时候，利用眼纹识别技术实现了同卵多胞胎的精准识别。同卵多胞胎虽然长相极端相似，不过每个人都有独一无二的眼纹特征。
多因子识别将是未来的趋势，因为独立面部识别，缺少防伪检测技术，有可能被照片或视频攻击，将人脸与眼纹识别技术相结合的可行性非常大。
眼纹识别的基础性条件与可行性
身处数字世界的我们发现摄像头、麦克风无处不在。无论是人脸识别还是眼纹识别都是非接触式识别，只需要一个简单的摄像头就能获取带有面部及眼睛特征的图片。但是，相较于人脸识别，眼纹识别需要质量和分辨率更高的图片，对摄像头也有一定要求。因为只有这样，才能抓取到眼静脉的细微特征，完成后续算法训练。人脸的图片没有这么高的要求，所以，目前人脸识别技术的应用更加广泛。不过，现在摄像头更新换代的速度非常快。每次新手机推出时，也会伴随更高质量的摄像头，所以，未来，基于计算机视觉的生物识别技术会发挥更大潜力。
眼纹识别的历史性意义
诚然，虹膜识别在容错率，信息量及稳定性方面更有优势，但在工业界，“脱离成本谈技术”并非睿智之举。拿手机来说，虹膜识别需要专业硬件支持(远红外摄像头)，这对智能手机的改造以及规模化商用是个挑战——这也是为什么早在90年代虹膜识别就已商用，但多年来主要应用场景只是军用和一些特定领域。
另外，人类虹膜的采集过程需要用户较高的配合度，这对普通小白用户来说学习成本更高。相较之下，眼纹识别对摄像头没有特殊要求，手机前置摄像头就能满足要求，采集过程中只需要用户自然看着手机就可以。所以，从用户体验和成本上来说，都更有利于规模化商用和大众普及。
眼纹识别技术几乎可以在所有平台和智能设备上部署、扩展和使用。以较低成本，从线下认证搬到线上认证，取代PIN、密码和线下身份验证，用户将创建全面的云上数字身份，这些身份将用于各种应用程序和服务，淘汰过时的密码技术并使身份验证变得毫不费力。简单来说，不需要独立的线下硬件，只需要配合摄像头，眼纹识别可以通过软件算法达到苹果硬件的精准度，让普适性更好。
市面上常见生物识别的缺陷
iPhoneX的Face ID，人脸识别依然有“脸盲”困惑，人脸做精确识别的制约太多，作为核心认证手段暂时很难靠得住。人脸识别需要在不理想的环境、角度和光线之下，准确的识别，难度非常大，技术要求非常高。
虹膜识别获取眼睛前部的彩色部分，需要一种近红外光摄像头，在如今的智能手机或平板电脑上不标配。但虹膜安全性高于人脸识别，毕竟可以整容。
视网膜解决方案，拍摄眼睛后部里面的静脉图案，同样需要昂贵的硬件。视网膜识别速度慢，并且需要用户保持静止的状态，目前没有手机提供视网膜技术。
指纹解决方案很常见，但需要独立支持硬件。
眼纹识别仅需用普通前摄，拍清楚眼部就能够达到近乎虹膜的识别水准，对于目前方兴未艾的“人脸支付”、“人脸登录”的各类APP上面非常有吸引力，手机前摄的分辨率越来越高，画质会越来越好。在充足的可见光下，用户自然看着手机的前置摄像头就可以进行眼纹识别，而不用像虹膜识别需要特殊的摄像头。目前还没有解决眼球反光、眨眼、眼睫毛等干扰因素，现在还属于实验室产品阶段。
18221259202