目前在安防領(lǐng)域應(yīng)用較為普遍的生物特征識別技術(shù)就包含了一部分以計(jì)算機(jī)視覺為技術(shù)基礎(chǔ)的人員身份特征，除了人臉、步態(tài)，涉及身份認(rèn)證還有指紋、虹膜、掌紋、靜脈等等，這些都是依靠計(jì)算機(jī)視覺技術(shù)進(jìn)行圖像模式的提取、內(nèi)容分析識別。還有一些生物特征識別技術(shù)如語音識別、腦電波識別、唾液提取DNA等識別技術(shù)。

近些年，人工智能熱鬧非凡，如果說2016年是“人工智能元年”，那么從2017年起則進(jìn)入人工智能發(fā)展成熟的時(shí)代，2018年則有可能迎來人工智能走向行業(yè)細(xì)分領(lǐng)域應(yīng)用的一年。

深度學(xué)習(xí)顛覆傳統(tǒng)生物識別技術(shù)

作為人工智能引擎的“深度學(xué)習(xí)”概念提出于2006年，源于源于人工神經(jīng)網(wǎng)絡(luò)的研究，通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。

從目前行業(yè)發(fā)展來看，深度學(xué)習(xí)作為仿人類大腦神經(jīng)感知外部世界的算法，在圖像、聲音和語義識別取得了長足的進(jìn)步，特別是在圖像和聲音領(lǐng)域相比傳統(tǒng)的算法大大提升了識別率。

圖像識別：圖像是深度學(xué)習(xí)最早嘗試的領(lǐng)域，早期一些知名人工智能專家通過對卷積神經(jīng)網(wǎng)絡(luò)的研究，取得了在一些小規(guī)模(手寫字)的圖像識別的成果，直到2014年，香港中文大學(xué)教授湯曉鷗領(lǐng)導(dǎo)的計(jì)算機(jī)視覺研究組開發(fā)了名為DeepID的深度學(xué)習(xí)模型，在LFW(LabeledFacesintheWild)，人臉識別使用非常廣泛的測試基準(zhǔn))數(shù)據(jù)庫上獲得了99.15%的識別率，人用肉眼在LFW上的識別率為97.52%，深度學(xué)習(xí)在學(xué)術(shù)研究層面上已經(jīng)超過了人用肉眼的識別。

當(dāng)然在處理真實(shí)場景的人臉識別時(shí)還是差強(qiáng)人意，例如人臉不清晰，光照條件，局部遮擋等因素都會(huì)影響識別率，所以在實(shí)際操作中機(jī)器學(xué)習(xí)與人工確認(rèn)相結(jié)合，更加妥當(dāng)。國內(nèi)做人臉識別的公司眾多，其中包括商湯、曠視以及云從、依圖等，在真實(shí)環(huán)境運(yùn)用或者在垂直細(xì)分領(lǐng)域中有著深厚的數(shù)據(jù)積累。

除了人臉、人像等面部識別的爆發(fā)式增長，另外。在基于面部特征識別技術(shù)的情緒識別領(lǐng)域，以及基于人體形態(tài)的步態(tài)識別等也在深度學(xué)習(xí)技術(shù)的基礎(chǔ)上呈現(xiàn)快速發(fā)展。

語音識別：語音識別長期以來都是使用混合高斯模型來建模，在很長時(shí)間內(nèi)都是占據(jù)壟斷地位的建模方式，但盡管其降低了語音識別的錯(cuò)誤率，但面向商業(yè)級別的應(yīng)用仍然困難，也就是在實(shí)際由噪音的環(huán)境下達(dá)不到可用的級別。直到深度學(xué)習(xí)的出現(xiàn)，使得識別錯(cuò)誤率在以往最好的基礎(chǔ)上相對下降30%以上，達(dá)到商業(yè)可用的水平。

由于語音識別的算法成熟，科大訊飛、云知聲、思必馳在通用識別上識別率都相差不大，在推廣上科大訊飛是先行者，從軍用到民用，包括移動(dòng)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)、智能家居都有廣泛涉及。

深度學(xué)習(xí)算法的成熟，使得生物識別的準(zhǔn)確率得到大幅提升，這就保證了依托人體生物特征包括人臉、形態(tài)、情緒、語音等方面建立人員身份認(rèn)證應(yīng)用超越原有范圍，開始走向大規(guī)模的應(yīng)用推廣。同時(shí)，以深度學(xué)習(xí)算法為基礎(chǔ)的計(jì)算機(jī)技術(shù)的進(jìn)步，為生物識別提供了強(qiáng)大的計(jì)算和分析工具。反過來，巨量的生物特征數(shù)據(jù)也為機(jī)器訓(xùn)練提供了豐富的素材，“大數(shù)據(jù)成為人工智能的燃料”。

安防應(yīng)用前景廣闊

目前在安防領(lǐng)域應(yīng)用較為普遍的生物特征識別技術(shù)就包含了一部分以計(jì)算機(jī)視覺為技術(shù)基礎(chǔ)的人員身份特征，除了人臉、步態(tài)，涉及身份認(rèn)證還有指紋、虹膜、掌紋、靜脈等等，這些都是依靠計(jì)算機(jī)視覺技術(shù)進(jìn)行圖像模式的提取、內(nèi)容分析識別。還有一些生物特征識別技術(shù)如語音識別、腦電波識別、唾液提取DNA等識別技術(shù)。

近些年，隨著人工智能深度學(xué)習(xí)以及計(jì)算機(jī)視覺技術(shù)的不斷發(fā)展成熟，在生物特征識別中基于計(jì)算機(jī)視覺技術(shù)的幾種身份認(rèn)證技術(shù)也得到了快速發(fā)展。尤其是人臉識別技術(shù)、指靜脈識別技術(shù)、虹膜識別技術(shù)以及步態(tài)形體識別技術(shù)，正在隨著大數(shù)據(jù)、數(shù)字化以及行業(yè)智能化的迅猛發(fā)展進(jìn)入黃金時(shí)代，并不斷結(jié)合行業(yè)細(xì)分領(lǐng)域的特點(diǎn)走向深度應(yīng)用。

生物特征識別技術(shù)作為安防行業(yè)中的焦點(diǎn)應(yīng)用，在技術(shù)安全與市場應(yīng)用層面遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)密碼、刷卡等方式。隨著應(yīng)用日漸成熟以及消費(fèi)者認(rèn)知度的不斷提高，生物特征識別技術(shù)的應(yīng)用正在走向快速的普及。生物特征識別技術(shù)在安防業(yè)務(wù)領(lǐng)域的應(yīng)用主要包括以下幾類：

出入口門禁應(yīng)用是生物特征識別技術(shù)最基本的應(yīng)用領(lǐng)域之一，生物特征識別技術(shù)最早期的商業(yè)應(yīng)用范例幾乎都是物理門禁系統(tǒng)。除了傳統(tǒng)的刷卡認(rèn)證方式之外，指紋識別是最普及的生物特征識別技術(shù)，而隨著人臉識別門禁產(chǎn)品成本快速下降和體驗(yàn)不斷提升，在中高端市場占有一席之地。對于銀行、政府機(jī)關(guān)等高等級安保場所，安全性更高的指靜脈、虹膜識別技術(shù)則具備較大的應(yīng)用空間。整體而言，門禁產(chǎn)品在國內(nèi)生物特征識別市場占據(jù)的份額僅次于考勤產(chǎn)品。

另外，通過生物特征識別技術(shù)與傳統(tǒng)電子鎖具的結(jié)合，實(shí)際上可以算是實(shí)體防護(hù)產(chǎn)品應(yīng)用的擴(kuò)展，出現(xiàn)的指紋鎖、人臉識別鎖、瞳孔識別智能鎖、靜脈識別智能鎖等等。目前伴隨著國內(nèi)“智能小區(qū)”、“智能家居”概念不斷深入人心，這類智能鎖正在呈現(xiàn)快速普及的態(tài)勢。

生物識別技術(shù)與“平安城市”、“平安社區(qū)”建設(shè)的視頻監(jiān)控系統(tǒng)相結(jié)合，是目前人工智能深度學(xué)習(xí)表現(xiàn)最為活躍的。通過在視頻監(jiān)控系統(tǒng)中會(huì)嵌入人臉識別算法或者是人體形態(tài)步態(tài)的算法以及面部情緒的算范，可以對監(jiān)控畫面內(nèi)人員進(jìn)行身份識別，或者是預(yù)警預(yù)測，并通過系統(tǒng)聯(lián)動(dòng)實(shí)現(xiàn)各類業(yè)務(wù)應(yīng)用如：識別為合法人員時(shí)，聯(lián)動(dòng)打開門禁、人員通道等;識別為黑名單人員時(shí)，聯(lián)動(dòng)后臺產(chǎn)生報(bào)警提示;通過人員情緒以及肢體形態(tài)是識別則可以達(dá)到提前預(yù)警的目的。

這樣也就使應(yīng)用不再局限于常規(guī)的事后取證追溯，逐漸滿足對事前事中的人員身份信息獲取和風(fēng)險(xiǎn)事件預(yù)警提出的新需求。

除了在安防領(lǐng)域的應(yīng)用與發(fā)展，生物識別技術(shù)在人們?nèi)粘Ｉ钪幸苍诩彼俚臄U(kuò)張。目前指紋識別已經(jīng)在智能手機(jī)上普及，隨著手機(jī)全面屏的興起，及三星、蘋果等廠商的帶動(dòng)，新的屏內(nèi)指紋識別、虹膜識別、人臉識別、語音識別等技術(shù)也將成為智能手機(jī)新的打開方式。與此同時(shí)，生物識別技術(shù)也在智能家居、無人超市等新興領(lǐng)域得到了廣泛應(yīng)用。

深度學(xué)習(xí)幫助打通了生物識別領(lǐng)域的“任督二脈”，未來將不斷逼近100%的準(zhǔn)確率，應(yīng)用領(lǐng)域?qū)⒏訌V泛。