1、 生物特征识别生物特征识别白皮书白皮书（2017 版）版）中国中国电子电子技术技术标准化研究院标准化研究院 全国全国信息技术标准化技术委员会信息技术标准化技术委员会生物特征识别分技术委员会生物特征识别分技术委员会 2017 年年 7 月月 生物特征识别白皮书编委会成员单位生物特征识别白皮书编委会成员单位 北京得意音通技术有限责任公司 北京集创北方科技股份有限公司 北京市商汤科技开发有限公司 北京曙光易通技术有限公司 北京中科虹霸科技有限公司 博宏信息技术有限公司 长春鸿达光电子与生物统计识别技术有限公司 广东光阵光电科技有限公司 广东智冠信息技术股份有限公司 广州广电运通金融电子股份有限公司
2、广州微盾生物科技有限公司 杭州海康威视数字技术股份有限公司 惠州市桑莱士智能科技股份有限公司 南京拉科朗哥信息科技有限公司 山西天地科技有限公司 深圳市汇顶科技股份有限公司 四川川大智胜软件股份有限公司 西安凯虹电子科技有限公司 浙江蚂蚁小微金融服务集团股份有限公司 中国电子技术标准化研究院 目 录 目目 录录 1 概述概述.1 1.1 生物特征识别简介.1 1.2 我国生物特征识别产业发展现状.2 1.3 我国政府引导与政策支持现状.5 2 技术和产业分析技术和产业分析.8 2.1 常见生物特征模态.8 2.2 生物特征识别关键技术分析.16 2.3 生物特征识别技术安全性分析.24 2.4
3、 生物特征识别技术发展趋势分析.31 2.5 国外生物特征识别产业规模和结构特征分析.32 2.6 国内生物特征识别产业发展趋势分析.37 2.7 国内生物特征识别产业风险分析.41 3 生物特征识别典型应用生物特征识别典型应用.46 3.1 金融行业.46 3.2 人社行业.49 3.3 公共安全行业.51 3.4 教育行业.55 3.5 其他行业.56 4 生物特征识别标准化生物特征识别标准化.59 4.1 国际标准化.59 4.2 国内标准化.62 5 我国生物特征识别发展规划建议我国生物特征识别发展规划建议.67 5.1 产业政策支持建议.67 5.2 标准化工作建议.72 附录附录
4、A.75 第 1 章 概述 1 1 概述概述 1.1 生物特征识别生物特征识别简介简介 随着现代社会对公共安全和身份鉴别的准确性、可靠性要求日益提高，传统的密码和磁卡等身份认证方式因容易盗用和伪造等原因已远远不能满足社会的需求。而以指纹、人脸、虹膜、静脉、声纹等为代表的生物特征（如图 1 所示）以其唯一性（即任意两人的特征应不同）、稳健性（即特征不随时间变化）、可采集性（即特征可以定量采集）、高可信度和高准确度在身份认证中发挥着越来越重要的作用，受到越来越多的重视。图图 1 部分部分常见常见生物特征生物特征 生物特征识别（biometrics）是指为了进行身份识别而采用自动技术对个体生理特征或
5、个人行为特点进行提取，并将这些特征或特点同数据库中已有的模板数据进行比对，从而完成身份认证识别的过程。生物特征识别白皮书 2 呈现数据采集传感器生物特征数据存储注册数据库声称身份重新采集信号处理模板生成模板模板样本比对质量控制特征提取分割特征比对候选？匹配否？验证成功？辨识成功？匹配/不匹配候选列表阈值决策策略验证结果辨识结果注册验证辨识决策相似度得分 图图 2 通用生物特征识别系统概念图通用生物特征识别系统概念图 理论上，所有具有普遍性、唯一性、稳健性、可采集性的生理特征和个人行为特点统称为生物特征。与传统的识别方式不同，生物特征识别是利用人类自身的个体特性进行身份认证。通用生物特征识别系统
6、应包含数据采集、数据存储、比对和决策等子系统（如图 2 所示）。生物特征识别技术涉及内容广泛，包括指纹、人脸、虹膜、静脉、声纹、姿态等多种识别方式，其识别过程涉及到数据采集、数据处理、图形图像识别、比对算法、软件设计等多项技术。目前各种基于生物特征识别技术的软硬件产品和行业应用解决方案在金融、人社、公共安全、教育等领域得到了广泛应用。1.2 我国生物特征识别产业发展我国生物特征识别产业发展现状现状 近年来，由于反恐、国土安全和社会安全的需要，世界各国都加大了对安防领域的投入，而身份识别正是安防领域的核心问第 1 章 概述 3 题之一。在这种大环境下，生物特征识别迎来了一个快速发展的时期。与指纹
7、识别相比，人脸识别、虹膜识别、静脉识别等生物特征识别技术正快速发展，市场应用场景广阔，产品比重不断增加。目前，指纹识别产品所占比重已由 90%左右下降到不到 60%，打破了生物特征识别市场上“指纹识别”一统天下的局面。我国的生物特征识别产业发展呈现以下特点：1)产业链产业链基本形成基本形成，市场规模快速增长，市场规模快速增长 近年来，我国生物特征识别产业发展迅速，以北京、上海和深圳 3 地为代表的生物特征识别企业如雨后春笋般成立，且部分企业已较有规模。从技术分布来看，我国生物特征识别企业已经基本覆盖从采集设备设计加工、到算法与方案提供、再到传感器芯片设计加工、系统集成与应用、客户服务与技术支持
8、等生物特征识别产业链的各个层级（如图 3所示）。图图 3 生物特征识别产业链示意图生物特征识别产业链示意图 系统集成 客户服务 技术支持 系统 应用 硬件部分 传感器设计生产 识别芯片设计加工 算法与方案提供 软件部分 生物特征识别白皮书 4 以指纹识别为例，目前已形成了包括 6 种产业角色的完整产业链，即指纹算法提供商、指纹传感器提供商、指纹应用软件提供商、指纹识别 IC 提供商、指纹产品提供商和指纹应用方案提供商。其中，指纹算法提供商和指纹传感器提供商是产业链的两个源点。目前，我国生物特征识别市场呈爆炸性增长，生物特征识别领域的企业已从 20 余家发展到 200 余家，市场规模也已达到数十
9、亿元。随着二代居民身份证、电子护照等由政府主导的大型项目逐渐推出，以及整个社会对公共安全、信息安全、安全可靠支付和个人安全的要求越来越高，我国生物特征识别产业还有很大的发展空间，仍将保持较快的增长速度。2)自主企业自主企业发展迅速，部分产品已达国际先进水平发展迅速，部分产品已达国际先进水平 总体来说，国外公司提供核心技术的产品在我国生物特征识别市场仍然占据一定比例，但是部分自主产品已经可以与国际先进产品相抗衡。例如，世界各国正在开展电子护照工程，我国多家企业的生物特征识别采集设备产品先后在东南亚和中东的一些发展中国家中标政府采购项目，个别企业的产品还通过了美国联邦调查局针对生物特征识别采集终端
10、的认证。3)多种识别技术蓬勃发展，多种识别技术蓬勃发展，金融领域成为近期热点金融领域成为近期热点 与国外相比，国内生物特征识别技术和应用仍有差距。目前，在我国生物特征识别产业中，指纹识别技术和产品仍然占据主导地位，但随着人脸识别、虹膜识别、静脉识别、声纹识别等技术迅猛发展，各种模态的生物特征识别产品和市场潜力不可低估。预计未来几年，金融行业将成为我国生物特征识别的重要应用第 1 章 概述 5 领域，目前我国各大银行和金融支付平台公司已采用包括指纹识别、声纹识别、人脸识别等生物特征识别技术的各类应用解决方案，并广泛应用于移动终端支付、银行管理分级授权、贵宾客户解决方案和柜员管理等方面。随着我国生
11、物特征识别公司竞争力越来越强，其产品势必将在金融领域应用市场占据主导地位。1.3 我国政府引导我国政府引导与政策与政策支持支持现状现状 我国生物特征识别产业虽然起步较晚，但后发优势显著，产业势头强劲，应用需求旺盛。同时，我们也清醒地认识到，目前我国生物特征识别企业存在标准化意识淡薄、市场测试能力不足、产品质量良莠不齐等问题，制约了我国生物特征识别产业和技术的快速有序发展。因此，需要政府主管部门加大对生物特征识别产业的引导和政策支持。1)政府引导政府引导必要性必要性 生物特征识别市场和技术的快速发展需要国家、政府部门的大力支持。国外生物特征识别市场的销售收入约 90%来自政府大中型应用项目。虽然
12、我国政府对生物特征识别产业出台了相关政策，但政府引导和政策支持的力度与国外相比差距明显。近年来，随着国内生物特征识别技术在金融、人社、公共安全和教育等领域中广泛应用，使得社会运行效率显著提高，公共安全保障明显增强。在政府的大力引导和支持下，生物特征识别产业必将为社会带来更多的安全和便捷。生物特征识别白皮书 6 2)政策支持政策支持现状现状 目前，国家相继立法规定在社会保障、二代居民身份证、电子护照等关键领域采用生物特征识别技术。2003 年，劳动和社会保障部社会保险事业管理中心发布了 支付养老金指纹身份认证系统技术规范（试行），标志着指纹识别技术在支付养老金的身份认证中被认可，积极推动了指纹认
13、证在社保事业中的大规模应用。2005 年，科学技术部发布国家中长期科学和技术发展规划纲要（20062020 年）明确提出了要重点支持生物特征识别技术和产业的发展。纲要的“突发公共事件防范与快速处置”主题中提出要“重点研究开发个体生物特征识别技术”；纲要的“智能感知技术”主题中提出要“重点研究基于生物特征为基础的、以人为中心的智能信息处理和控制技术，研究生物特征识别等相关领域的系统技术”。2006 年，第十届全国人民代表大会第 21 次会议于通过中华人民共和国护照法，其中规定护照具备视读和机读两种功能，护照的防伪性能参照国际技术标准制定，明确了电子护照的法律地位。经国务院批准，2011 年 7
14、月我国正式签发新版公务电子护照，2012 年 5 月我国正式签发新版普通个人电子护照。按照规定，新版普通个人电子护照的芯片应存储护照持有人的左右手各一枚指纹图像。2007 年，科学技术部将生物特征识别技术列入我国“十一五”期间的科技发展内容，明确指出：“要在生物特征识别技术领域缩第 1 章 概述 7 小与世界先进水平的差距，开展生物特征识别应用技术研究，开发具有高安全性、低误报率的出入口控制新产品”。2011 年，十一届全国人大常委会第 23 次会议通过立法，对 居民身份证法进行修改，规定二代居民身份证需加载个人指纹信息模块，对居民的指纹信息进行登记。自 2013 年 1 月起全面停用一代居民
15、身份证，所有二代居民身份证新领、补领都需登记加载指纹信息。2011 年，工信部发布我国“十二五”产业技术创新规划，明确将生物特征识别技术列为软件与信息技术服务业的重点开发产业，并为未来 5 年生物特征识别技术和产业的发展指明方向。总体来说，在政府引导和相关政策的支撑推动下，我国生物特征识别产业取得快速健康发展。目前我国生物特征识别技术产业自身基础愈加稳固，国家政策环境显著改善，用户认可度逐年提高。但是应用领域较为狭窄问题仍较为突出，未来还需要在政府的合理引导下进一步向其它领域延伸扩展。生物特征识别白皮书 8 2 技术和产业分析技术和产业分析 2.1 常见生物特征模态常见生物特征模态 目前，生物
16、特征识别领域常用的特征模态包括指纹识别、人脸识别、虹膜识别、指静脉识别、声纹识别和姿态识别等，各生物特征模态基本内容如下。2.1.1 指纹识别指纹识别 指纹是指人的手指末端正面皮肤上的一些凹凸不平的乳突线，每个指纹都有几十个独一无二、可测量的特征点，而每个特征点大约都有 5 至 7 个特征，因此 10 个手指指纹图像便产生最少数千个独立可测量的特征（如图 4 所示）。图图 4 指纹图像及细节点特征指纹图像及细节点特征 第 2 章 技术和产业分析 9 一个典型的指纹识别过程分为在线和离线两个部分（如图 5所示）。一般而言，在采集精度和准度合适的情况下，仅利用细节点特征即可完成匹配（如图 6 所示
17、）。但在实际操作中，还需要考虑采集过程中的噪声和形变造成的影响。图图 5 自动指纹识别流程自动指纹识别流程 图图 6 指纹细节点匹配过程指纹细节点匹配过程 生物特征识别白皮书 10 2.1.2 人脸识别人脸识别 人脸识别是通过与计算机相连的摄像头动态捕捉人脸特征，同时把捕捉到的人脸特征与预先录入人员库的人脸特征进行比对的过程（如图 7 所示）。图图 7 人脸识别步骤人脸识别步骤 人脸识别身份认证系统一般由客户端、应用系统和人脸认证平台 3 部分组成（如图 8 所示）。第 2 章 技术和产业分析 11 人证比对流程-人脸认证客户端应用系统人脸认证平台1.活体检测2.采集人脸3.采集个人信息现场照
18、、个人信息发起人脸认证比对人脸认证比对现场照、个人信息高于阈值？YN比对失败结束比对成功结束 图图 8 人脸认证流程示意图人脸认证流程示意图 2.1.3 虹膜识别虹膜识别 虹膜是瞳孔与巩膜之间的环形可视部分，具有终生不变性和差异性（如图 9 所示）。虹膜识别与其他生物特征识别技术相比，其特征稳定性和唯一性较强。一个完整的虹膜识别流程如图 10所示。生物特征识别白皮书 12 图图 9 虹膜外观图虹膜外观图 图图 10 虹膜识别流程示意图虹膜识别流程示意图 第 2 章 技术和产业分析 13 2.1.4 指静脉识别指静脉识别 指静脉识别技术是通过对手指静脉血管纹理识别进行身份认证，其成像原理如图 1
19、1 所示，技术原理如图 12 所示。a)同一手指在不同位置的静脉图像同一手指在不同位置的静脉图像 b)不同大小的手指静脉图像不同大小的手指静脉图像 图图 11 手指静脉成像手指静脉成像 图图 12 指静脉技术原理图指静脉技术原理图 生物特征识别白皮书 14 2.1.5 声纹识别声纹识别 声纹是对语音中所蕴含的、能表征和标识人的语音特征的总称。声纹识别是根据待识别语音的声纹特征识别该段语音所对应的说话人的过程。声纹识别一般由训练建模和识别认证两个步骤组成（如图 13 所示）。图图 13 声纹识别过程示意图声纹识别过程示意图 2.1.6 姿态识别姿态识别 姿态识别是一种典型的行为测定学，是将某些持
20、续时间较长的动作分割成若干个基本动作，并通过对这些基本动作的运动分析来实现对整个动作的识别。姿态识别在监测控制、医疗康复、自助服务、智能界面、娱乐游戏等很多领域都有着广泛的应用。一个典型的姿态识别应用中的运动捕捉和分析系统如图 14 所示。第 2 章 技术和产业分析 15 a)SIMI Motion 3D 运动生物力学录像分析系统运动生物力学录像分析系统 b)Qualisys Track Manager 运动捕捉系统运动捕捉系统 c)Qualisys 高精度光学运动捕捉系统高精度光学运动捕捉系统 图图 14 运动捕捉和分析系统运动捕捉和分析系统 2.1.7 多模态识别多模态识别 随着对社会安全
21、和身份鉴别准确性和可靠性要求的日益提高，单一的生物特征识别已远远不能满足应用需求，因此多生物特征识别系统的出现是一个优选策略。多生物特征融合可以发生在生物特征识别系统的任意一个阶段。对于生物特征系统来说,融合发生的阶段越早,效果就越明显,因此在前期特征提取阶段融合会有更好的识别效果。但是对于一个可靠的生物特征识别系统来说,适当的决策阶段融合将必不可少。生物特征识别白皮书 16 2.2 生物特征识别关键技术分析生物特征识别关键技术分析 在生物特征识别技术实现的过程中有很多软硬件方面的问题需要解决。本节将针对其中较为关键的技术进行阐述和分析，其中包括生物特征传感器技术、活体检测技术、生物信号处理技
22、术、生物特征处理技术和生物特征识别系统性能评价技术。2.2.1 生物特征传感器技术生物特征传感器技术 生物特征传感器的主要任务是采集生物特征，并将其转化成计算机可以处理的数字信号，这是生物特征识别的第一步（如图 15所示）。大部分的生物特征通过光学传感器如 CCD（电荷耦合元件）或 CMOS（互补金属氧化物半导体）形成图像信号，例如人脸、指纹、虹膜、掌纹、手形、静脉等，虹膜和静脉图像需要主动的红外光源才可以得到细节清晰的个性特征。由于外加主动光源能够克服可见光线变化对生物特征的影响，因此人脸识别领域的研究人员设计了红外成像设备，用以克服人脸模式随光照变化的类内差异，从而大幅度提高了人脸识别的精
23、度。此外，在提高生物特征识别系统的易用性、舒适性和用户接受程度的同时，要保证生物特征信号的质量，还要兼顾小巧精致、成本低廉等需求，因此，生物特征传感器技术还有许多需要改进的地方。生物特征传感器的核心技术包括如下几个方面。第 2 章 技术和产业分析 17 信息采集单元 数据处理单元 图图 15 生物特征采集及数据处理单元生物特征采集及数据处理单元 1)智能定位技术智能定位技术 生物特征获取装置必须让用户和识别系统处于合适的距离和位置才可以采集合格的生物特征信号。最佳方案是让采集装置自动判别用户位置，主动调节光学系统或直接通过机械装置移动采集设备，从而降低对用户的要求，使得采集方式更加智能化和人性
24、化。2)机械控制技术机械控制技术 机械控制技术也是生物特征识别传感器设计时需要重点考虑的内容，主要包括自动变焦的电控单元设计、配合用户的身高和距离进行程序调节的机械单元设计等。在设计虹膜识别系统的机械控制单元时，应考虑男女性别差异导致的身高差别，使得生物特征识别系统对不同人群都有较好的适应性。数字信号处理 传传 感感 器器 中央处理器/运算中心 显示器 存贮器 人机交互界面 有线网络端口 移动网络模块 特征采集窗口 信号筛选和放大 辅助光源或信号增强驱动电路 扩展设备接口 数据 端口 人脸 虹膜 静脉 指纹 声纹 步态 DNA 生物特征识别白皮书 18 3)交互交互接口设计接口设计 生物特征采
25、集装置的交互接口应符合人体工学，通过合适的引导方式（如开发用户自定位技术）让用户可以很快找到合适的成像位置。例如现有的人脸识别和虹膜识别系统中通常在采集装置上安装一面镜子或设置一个注视点或设计比较巧妙的光学系统，用户通过视觉或语音反馈可以比较迅速地找到适合成像的位置。4)光学系统设计光学系统设计 光学系统是生物特征识别传感器技术的重要组成部分，主要包括光学镜头组的设计和加工。光学系统设计若需要主动光源照明，则应在镜头上安装滤光片，并根据成像距离设置主动光源。常见的光学系统有可见光、近红外光等，在设计光学系统时，应考虑不同的成像原理及应用场合。此外，生物特征传感器的核心技术还包括传感器电路设计、
26、信号传输与通信技术、防撬报警技术以及和其他技术的有机结合。2.2.2 活体检测技术活体检测技术 为了防止恶意者伪造和窃取他人的生物特征用于身份认证，生物特征识别系统必须具有活体检测功能，即判别向系统提交的生物特征是否来自有生命的个体。1)活体检测的有效途径活体检测的有效途径 一般利用人体生理特征进行生物特征的活体检测，例如活体指纹检测基于手指的温度、排汗、导电性能等信息，活体人脸检测第 2 章 技术和产业分析 19 基于头部的移动、呼吸、红眼效应等信息，活体虹膜检测基于虹膜振颤特性、瞳孔对可见光源强度的收缩扩张反应特性、睫毛和眼皮运动等信息。基于生物特征图像的光谱学信息也是进行活体检测的有效途
27、径。例如打印的图像会形成有规律的纸质纹理特征，可以利用频谱特征对其进行检测。此外，还可以通过人机互动的形式检测生物特征的活体特性。2)活体检测水平仍有待提高活体检测水平仍有待提高 活体检测一直是生物特征识别系统的薄弱环节，目前已经有研究人员使用伪造的指纹和人脸攻破了现有系统，引发了用户对生物特征识别技术的信任危机。因此，活体检测技术仍是生物特征识别系统进入高端安全应用的最大瓶颈之一。2.2.3 生物信号处理技术生物信号处理技术 生物信号处理技术是生物特征识别系统中的核心部分，包括生物信号质量评价技术、生物信号的定位和分割技术、生物信号增强和校准技术等。1)生物信号质量评价技术生物信号质量评价技
28、术 在身份识别系统中，一般是以连续的视频流或音频流的形式进行生物特征的获取。由于有效的生物特征采集范围的局限性，因此传输到计算机的生物特征信号大部分质量较差。低质量的生物特征信号将引起错误接收或错误拒绝，降低系统的稳定性，浪费生物特征识别白皮书 20 大量计算资源。基于上述分析，可以考虑从以下 3 个方面排除低质量生物特征信号对识别性能的影响：提高识别算法的鲁棒性；研究高性能的成像硬件平台；智能的质量评价软件模块。识别算法鲁棒性的提高是有上限的，而且虽然已经有高性能的生物特征获取装置面世，但是价格十分昂贵，且不能从根本上解决问题。因此，研究生物特征的质量评价算法对于识别系统性能的提高具有重要意
29、义。生物特征信号的质量评价算法设计可看做一个两类模式识别问题将采集到的生物特征分为合格和不合格两种情况。一般可以从空域和频域两个角度去设计质量评价算法。此外，对合格信号量化打分，应先将评价指标定量化。由于造成特征信号质量差的原因千差万别，即负样本的种类太多，不胜枚举，因此很难设计一个分类器将所有的正负样本进行区分。需要通过质量评价来过滤的低质量生物特征一般包括存在离焦模糊或运动模糊的图像，信噪比太低的信号，遮挡的图像等。2)生物信号的定位和分割技术生物信号的定位和分割技术 从生物特征获取装置采集得到的原始信号一般不仅包括生物特征本身，还包括背景信息。因此，必须从原始信号中分割出感兴趣内容进行特
30、征提取。定位和分割一般都是基于生物特征在图像结构和信号分布方面的先验知识。例如人脸检测需要从图像中第 2 章 技术和产业分析 21 找到并定位人脸区域，一直是计算机视觉领域的研究热点。2001 年美国专家提出用 Harr 小波特征描述人脸模式，用AdaBoost 训练人脸检测分类器，取得了人脸检测领域的突破性进展，实现了对视频中人脸图像的高准确率实时检测。该方法对计算机视觉和生物特征识别领域影响巨大，现在商业化的人脸识别系统基本上基于该方法或其变种。此外，指纹的分割一般是基于指纹区域和背景区域的图像块灰度方差的差异特性；虹膜的定位主要利用瞳孔、虹膜或巩膜存在较大的灰度跳变并且成圆形的边缘分布结
31、构特征；掌纹的定位一般是基于手指之间的参考点来构建参考坐标系。3)生物信号增强和校准技术生物信号增强和校准技术 对于分割后的特征区域，有些生物特征识别方法需要在特征提取前对感兴趣区域进行增强，其主要目的是对该区域去噪和凸显特征。例如人脸和虹膜图像一般用直方图均衡化的方法增强图像信息的对比度；指纹图像一般用频域的方法得到脊线分布的频率和方向特征后进行纹路增强，也可以考虑使用超分辨率的方法或逆向滤波的方法进行增强。为了克服不同时刻采集的生物特征信号之间的平移、尺度和旋转变换，需要将参与比对的两个生物特征进行校准。有些生物特征的校准在特征提取之前完成，例如常用主动形状模型(Active Shape
32、Model)和主动表观模型(Active Appearance Model)进行人脸对齐；有些生物特征的校准过程就是特征的匹配过程。生物特征信号的校准结果对于识别精度的影响很大，所以部分学者认为生生物特征识别白皮书 22 物特征识别最重要的问题是校准技术。2.2.4 生物特征处理技术生物特征处理技术 生物特征处理技术包括表达、抽取、匹配、检索与分类等常见技术。1)生物特征表达与抽取技术生物特征表达与抽取技术 机器是用什么特征进行身份识别以及什么是生物特征信号中凸现个性化差异的本质特征，是生物特征识别中最基本的原理性问题。这两个问题在部分生物特征识别领域已经达成了共识。例如在指纹识别领域，细节点
33、(包括末梢点和分叉点)是描述指纹特征的最佳表达方式，国际上已有统一的基于细节点信息的指纹特征模板交换标准，给不同厂商的指纹识别系统的兼容性和数据交换带来了便利。但是在其他生物特征识别领域，例如人脸、虹膜、掌纹等领域，研究人员还在不断探索最佳的特征表达模型。虽然这些领域的特征表达方法的种类繁多，部分算法也已经取得了很好的识别性能，但是人脸识别、虹膜识别、掌纹识别的根本问题“什么是人脸、虹膜或掌纹图像的本质特征及其有效表达？”一直没有权威答案。每个人脸、虹膜和掌纹图像的特征表达方法都是基于某种信号处理方法或某个计算机视觉或某个模式识别的理论，由于这些图像的特征表达形式多样，造成生物特征模板的数据交
34、换格式难以统一和标准化。第 2 章 技术和产业分析 23 2)生物特征的匹配、检索与分类技术生物特征的匹配、检索与分类技术 特征匹配是计算两个生物特征样本的特征向量之间的相似度，是进一步检索和分类的基础。在一对多的超大规模(如一个城市、一个国家、一个行业的人群)生物特征识别应用中，完成一次检索和分类的时间将会让人无法忍受。这是任何一项成熟的生物特征识别技术从小规模应用向大规模应用转化时不可避免的问题。并行计算技术可以减少每次检索和分类的时间。此外，利用生物特征粗分类的方法也可以实现分层次的生物特征识别，从而减少等待识别结果的时间。例如指纹可以根据奇异点的个数和位置信息分成拱形、尖拱形、左旋形、
35、右旋形和旋涡形等几个大类。利用生物特征模式，还可以实现人种分类、性别分类等。因此，生物特征粗分类将是未来的研究方向，下一步研究的重点是如何增加类别数，提高分类的准确率。2.2.5 生物特征识别系统性能评价技术生物特征识别系统性能评价技术 迄今为止，任何生物特征识别系统或方法都有出错的可能，因此，开展生物特征识别系统性能评价意义重大。1)性能评价技术受多种因素影响性能评价技术受多种因素影响 对系统的识别精度给出客观、准确的评估是一个复杂的问题，它受测试样本的数量、质量、评估指标等因素的影响，而且该问题是应用单位和司法部门的关注焦点。因此，生物特征识别方法的性能评价已成为生物特征识别研究的一个重要
36、方向。生物特征识别白皮书 24 2)性能指标的确定需要考虑多种参数性能指标的确定需要考虑多种参数 一般可以从理论和实验两个方面评估一个生物特征识别方法的性能指标。从理论方面可以研究生物特征的唯一性，即对影响错误接收和错误拒绝的各种参数进行准确建模，从每种生物特征识别方法的本质和机理出发给出理论上可以取得的错误率的下界。2.3 生物特征识别技术安全性分析生物特征识别技术安全性分析 目前生物特征识别技术的相关产品和应用已经越来越多地出现在日常生活中，与此同时，与生物特征识别相关的安全性问题也逐渐突显，限制了生物特征识别产业的进一步发展。本节从个人隐私、技术基础和实际应用等 3 个角度对生物特征识别
37、系统的安全性问题进行分析，并总结归纳出生物特征识别安全性模型。2.3.1 个人隐私个人隐私安全性安全性 可以用于身份识别的生物特征具有典型的普遍性、唯一性、稳健性和易采集性等特点，即这些生物特征是普遍存在的，且不同个体具有不易改变和容易采集等特点，这些特点导致了其在保护个人隐私方面存在安全隐患。由于生物特征识别技术获取的是个人体征，对于个人用户而言，在一些非本人可控的环节存在个人隐私泄露甚至被盗用的可能性。针对该问题，不仅要注意相关政策法规，还应充分考虑到第 2 章 技术和产业分析 25 保护个人隐私和技术可靠性的结合，寻找一个合适的平衡点。由于生物特征存在被破解、复制或伪造的可能，使得个人隐
38、私保护一直是生物特征识别领域的一个痛点。例如，指纹的易复制性是业界公认的，一个常见的人造指纹膜如图 16 所示，而人脸识别是否可靠也一直存在争论。目前可通过多重验证、复合认证、加密技术和活体检测技术等相结合的方法消除或减小安全隐患。图图 16 人造指纹膜人造指纹膜 此外，在不同的应用场合，使用者要有针对性的选择合适的生物特征识别产品，不能盲目追求新潮流、新技术。不同场合对生物特征个人隐私保护的要求和方式不一样，如在人流量较大的公共场合和安全性要求较高的小范围场所可以分别采取拒真率较低的技术和认假率较低的技术，以及与之相应的个人隐私保护方式。2.3.2 识别系统识别系统安全性安全性 一个完整的生
39、物特征识别系统至少由两个部分组成，即生物特征注册部分和身份认证部分。生物特征注册是指用户在使用生物生物特征识别白皮书 26 特征识别系统前预先向系统注册自己的生物特征的过程（包括采集特征、提取特征、存储特征、系统授权等）。身份认证是生物特征识别系统的核心功能，即通过对待测人员提取特征，并与数据库中存储的生物特征进行匹配比对，从而完成身份识别的过程。在生物特征注册和身份认证这两个过程中，生物特征识别系统处于与外界交互的状态，系统此时非常容易受到外界攻击。在生物特征注册过程中，系统的安全性容易受到以下威胁：a）伪造身份：攻击者使用伪造的身份（如假的身份证件或身份证明材料）向系统申请注册，并且通过了
40、身份审核，在生物特征模板数据库中形成了生物特征和身份之间伪造的对应关系；b）伪造特征：攻击者在系统采集生物特征样本时，提供虚假生物特征（如图 16 所示）；c）篡改特征处理器：攻击者在系统提取、处理生物特征时进行攻击，在生物特征模板数据库中注册形成虚假样例；d）传送攻击：攻击者在生物特征采集子系统向生物特征模板数据库进行数据传送时进行攻击，一方面可以获取注册用户的生物特征信息，另一方面也可以将篡改和伪造的生物特征信息在生物特征模板数据库中注册；e）侵库攻击：攻击者通过黑客手段侵入系统的生物特征模板数据库，对已注册的生物特征信息进行篡改和伪造。在生物特征识别系统的身份认证过程中，系统的安全性容易
41、受到以下威胁：a）伪造特征：攻击者在身份认证过程中，提供了伪造的生物第 2 章 技术和产业分析 27 特征信息（如图 16 所示）；b）重放攻击：攻击者对生物特征采集子系统和匹配子系统之间的信息传递进行攻击，重放合法注册用户生物特征信息，对匹配子系统进行欺骗，从而达到通过身份认证的目的；c）侵库攻击：攻击者通过黑客手段侵入系统的生物特征模板数据库，对已注册的生物特征信息进行篡改和伪造，从而达到通过生物特征信息匹配和身份认证的目的；d）传送攻击：攻击者在生物特征匹配子系统向生物特征模板数据库进行数据传送时进行攻击，攻击者一方面可以阻断合法注册用户的生物特征信息传送，另一方面也可以将篡改和伪造的生
42、物特征信息发送给匹配子系统，从而达到通过身份认证的目的；e）篡改匹配器：攻击者通过对匹配器进行攻击，篡改匹配结果，从而达到通过身份认证的目的。生物特征识别系统受到的外界攻击威胁如图 17 所示。此外，生物特征采集时的准确度和精度、对生物特征进行提取和后续处理时所采用的技术等对系统的安全性都有一定程度的影响。生物特征识别白皮书 28 用户生物特征模板数据库用户身份审核生物特征采集生物特征采集匹配用户身份声明生物特征注册生物特征注册身份验证身份验证结果输出生物特征处理伪造身份伪造特征篡改特征处理器侵库攻击传送攻击伪造特征重放攻击篡改匹配器 图图 17 生物特征识别系统的安全性分析生物特征识别系统的
43、安全性分析 第 2 章 技术和产业分析 29 2.3.3 应用安全性应用安全性 早期生物特征识别主要基于本机认证，后来发展成为后台提取数据认证。近年来随着智能卡的迅速发展，卡片内存存储能力越来越强，使得生物特征识别与智能卡的结合越来越紧密。生物特征识别技术与其他技术的整合应用将成为一种趋势，但是这些整合往往面临着很多安全隐患，因此，多种安全机制进行整合使用将势在必行。例如目前较为引人注目的将生物特征识别、智能卡、公钥基础设施（PKI）技术相结合的应用。在生物特征识别技术与其他技术的整合过程中，如何来保证生物特征的安全性和唯一性将成为关键问题，一旦特征信息泄露或被破解将造成严重后果。以生物特征识
44、别技术与智能卡技术相结合为例，需要对以下 3 个方面的技术予以发展：一是大力提高智能卡的加密技术；二是生物特征识别要进行多重验证；三是将生物特征识别的安全机制与智能卡的加密措施整合使用。2.3.4 生物特征识别系统安全性模型生物特征识别系统安全性模型 根据前面的分析，本节设计了一个生物特征识别系统安全性模型（如图 18 所示）。除个人隐私、技术基础和实际应用等方面对生物特征识别系统的安全性模型有重要影响以外，法律法规、社会道德等对模型也有一定的影响。生物特征识别白皮书 30 普遍性易采集性稳健性唯一性软件安全网络安全硬件安全数据库安全个人隐私安全技术基础安全实际应用安全后门隐患加密技术短板隐患
45、整合机制多重验证法律法规社会道德生物特征识别系统安全其他辅助手段 图图 18 生物特征识别系统安全模型生物特征识别系统安全模型 生物特征识别系统安全模型由 4 个部分组成，分别是技术基础安全、实际应用安全、个人隐私安全和其他辅助手段。a)技术基础安全部分主要包括数据库安全、软件安全、网络安全和硬件安全等，从技术实现角度保障系统的安全；b)实际应用安全部分主要包括后门隐患、加密技术、短板隐患、整合机制和多重验证等，为系统实际应用中的安全提供保障；c)个人隐私安全部分主要包括普遍性、唯一性、稳健性和易采集性等因素，保护生物特征识别系统中个人隐私安全；d)其他辅助手段主要包括法律法规和社会道德等，为
46、生物特征识别系统其它相关安全提供保障。第 2 章 技术和产业分析 31 2.4 生物特征识别技术发展趋势生物特征识别技术发展趋势分析分析 近年来，生物特征识别领域技术发展呈现出 3 大发展趋势，具体如下。1)生物特征识别技术生物特征识别技术多元多元化发展化发展 指纹识别技术由于其技术的稳定性，一直是生物特征识别领域的应用热点，但由于其易被复制的缺陷，已无法满足生物特征识别的应用需求。近年来，随着人脸、虹膜和静脉等识别技术取得重大突破，其产品得到了广泛的应用。例如，人脸识别技术与 3维成像技术相结合，解决了 2 维成像技术中由于光照和姿势的不稳定性造成的图像质量差的问题，提高了人脸识别的可靠性，
47、虽然 3 维成像技术本身也存在一些问题，但其卓越的识别性能仍然吸引了许多技术厂商和应用客户。2)多生物特征融合技术多生物特征融合技术广泛应用广泛应用 由于客观条件变化的不可估计性，单生物特征识别技术往往会遇到难以克服的特例。例如在使用指纹识别时，相当一部分人不能采集到清晰的指纹；另外，在安全性要求极高的应用领域，单生物特征识别的性能很难达到预期的效果，因此，多生物特征识别技术越来越受到人们的关注。多生物特征识别技术利用了多个生物特征，结合数据融合技术，不仅提高了识别的准确性，而且扩大了多生物特征识别系统的应用范围，降低了多生物特征识别系统风险，是未来生物特征识别应用领域的必然趋势。目前，多生物
48、特征融合技术已在金融和安防等相关领域得到广泛应用。生物特征识别白皮书 32 3)深度学习技术深度学习技术成熟应用成熟应用 与传统的机器学习算法相比，深度学习算法有更强的大数据拟合能力，目前被广泛应用于人脸识别、语音识别和计算机视觉等方面。深度学习算法需要大量数据来保证在测试集上得到比较好的推广性。以人脸识别为例，传统的人脸识别算法往往只有几千或几万的训练数据，而商用的人脸识别算法往往拥有千万或亿万级别的训练数据。同样，在检测任务上，传统算法只能使用几万张图片，而基于深度学习的算法，可以充分利用千万级的训练图片。此外，在如何利用多个来源的训练数据，如何利用部分标注甚至是弱标注的训练数据，以及如何
49、能让算法来负责标注甚至生成数据将是深度学习算法下一步研究重点。2.5 国外国外生物生物特征识别特征识别产业规模和结构特征分析产业规模和结构特征分析 2.5.1 国外生物特征识别产业发展特点国外生物特征识别产业发展特点 1)产业增速明显，产业增速明显，规模日益扩大规模日益扩大 在市场需求和技术发展的双重推动下，国外生物特征识别产业进入快速发展的时期，2016 年全球生物特征识别产业的市场规模已经超过 120 亿美元。根据 IBG（国际生物特征识别集团）的报告，预计未来几年内生物特征识别市场将保持年均 22.3%的增速。快速增长的全球市场无疑将为我国发展生物特征识别产业提供良好的市场环境和发展契机
50、。第 2 章 技术和产业分析 33 2)政府主导为主，市场分布政府主导为主，市场分布广泛广泛 由于目前生物特征识别产业主要由政府推动发展为主，因此在世界各区域均有一定的发展，各地区所占的市场份额差异不大，尚未产生地区性的市场巨头。就目前的市场份额来看（如图 19所示），北美洲所占份额最大，约为 33.5%，其次为亚太地区为23.8%。均衡的市场分布一方面为各区域发展本地企业，壮大自身力量提供了较宽松的竞争环境；另一方面，由于政府管控及技术壁垒的存在，也为各区域间技术交流和协同发展带来了一定的难度。图图 19 生物特征识别世界市场分布生物特征识别世界市场分布 3)技术快速发展，呈现技术快速发展，
