2019年9月20日，由芯智訊主辦的“融合·創新——2019生物識別技術與應用高峰論壇”在深圳召開。作為第三屆“生物識別產業高峰論壇”，本次高峰論壇匯集了人臉、指紋、聲紋、虹膜、靜脈識別等多種生物識別技術代表性企業，同時還吸引了大量的產業鏈的上下游企業、科研院校及媒體參與。

大會匯集了不少行業頂級資深專家，一同探討生物識別產業的新發展。

生物識別產業發展迅速，大有可為

近年來，生物識別產業發展非常迅猛。根據前瞻產業研究院發布的數據顯示，2007 年全球生物識別市場規模僅有 30.1 億美元，而2013 年達到了 97.8 億美元，6 年復合增長率高達 21.7%。2015 年的全球生物識別市場規模達到了 130 億美元， 預計至2020 年全球生物識別市場規模將達到 250 億美元。5年內的年復合增長率將達約 13.9%。

市場研究公司MarketsandMarkets的最新預測數據則顯示，全球生物識別市場將由2018年的168億美元快速增長至2023年的418億美元。年復合增長率將達到19.99%。

我們都知道，生物識別技術有很多種，比如指紋，人臉，虹膜，聲紋，靜脈識別等，現在還有新興起的步態識別、心跳識別等新技術。

不過，就目前來看，指紋識別依然占據主導地位。根據中研網數據，2017 年全球生物識別市場規模大約 172 億美元，指紋、人臉、虹膜識別分別占比 58%、7%、6%。不過，得益于iPhone X加入對3D人臉識別的支持，推動了3D人臉識別市場的快速發展。

根據 Yole 數據，3D Sensing 應用市場規模2023年將成長至185.2億美元，2017-2023年復合增速高達44%，消費、汽車、工商業為主要應用領域。

人臉識別與深度學習集合

中科院深圳先進技術研究院數字所所長喬宇博士表示，這主要得益于深度學習技術的推動，加速了相關技術在識別準確率上大幅提升，甚至超過了人類。

喬宇博士舉例稱，“以某地區的關口為例，每天大概有6萬人通關。2014年時的技術，平均每三個小時系統可能就會有一次誤判；到了2015年，平均兩天會出現一次誤判；2016年時，已經降低至平均一個月才會出現一次誤判。而按照現在的技術，系統每半年可能才會有一個誤判。這意味著你持假證件成功通關的概率，基本比購買彩票中頭獎的概率還低。”

早在2014年初，英特爾就正式推出了首款集成了 3D 深度和 2D 鏡頭模塊的 RealSense 3D 攝像頭，它能實現高度精確的手勢識別、面部特征識別，可幫助機器理解人的動作和情感。經過數年的迭代，英特爾推出了一系列功能更為強大，更為小型化，成本更低的RealSense模組。目前已被廣泛應用于機器人，無人機和增強/虛擬現實（AR / VR）等應用領域。

在2019生物識別技術與應用高峰論壇上，英特爾RealSense事業部中國區銷售總監何火高詳細介紹了英特爾RealSense業務，并首次發布專為人臉認證應用場景優化的RealSense模組以及針對智能門鎖市場的英特爾RealSense + Movidius AI解決方案。

聲紋識別將是生物識別技術新風口

近幾年隨著深度學習推動語音AI技術的爆發，語音識別技術在智能手機和智能音箱市場被廣泛應用，也開始推動了聲紋識別技術的應用。

聲紋跟文本內容、語言無關，所以技術上要做到跟語言、文本內容無關是非常大的挑戰。就像人臉一樣，有了認證就有攻擊，聲紋識別除了模仿外，還有比較簡單的錄音播放，如何防止被攻擊也是非常大的挑戰。另外，早期聲紋識別注冊時，用戶需要說幾分鐘的語音，用戶體驗非常差。聲紋識別的應用被嚴重限制了，而聲揚科技的技術克服了了這幾個技術難題，也在多個場景下實現了大型項目的落地。

據張偉彬博士透露，全球第1個應用聲紋識別技術的國家級社保項目（印尼）采用的就是聲揚科技的技術，覆蓋250萬人群。另外在金融領域，聲揚科技的聲紋識別技術在銀行POC測試當中排名第一，實際落地項目中測得準確率超高99.7%，已服務全球5000萬人。而在國內的公安系統，聲揚科技的聲紋識別技術也有被應用，可滿足公安部對此項技術的需求，目前聲揚科技的產品已在全國十多個省市的公安部門落地應用。

LCD屏下光學指紋方案首次曝光

在2019生物識別技術與應用高峰論壇上，思立微高級產品經理孫云剛介紹了自家的針對5G手機優化的屏下光學指紋方案CSM與UTM，同時還首次曝光了其LCD屏下光學指紋方案（目前被廣泛應用的屏下光學指紋方案主要是基于更為輕薄的OLED屏）以及MEMS超聲波屏下指紋方案。

目前的LCD屏下光學指紋大多選擇的是紅外光。同樣思立微也選擇的是紅外光來進行成像，在波段選擇上，思立微同時開發研究了850nm、940nm和1310nm紅外光成像方案。但是，850nm會有可見光可被人眼看到，會影響屏幕顯示效果，而1310nm紅外LED成本較高，并且光電轉換效率低，相比之下940nm效果較好，因此也成為了思立微的首選。

虹膜識別在未來的機遇與挑戰

除了指紋、人臉之外，虹膜識別也是應用相對較多一種生物識別技術，其很早就已經廣泛應用于金融、醫療、安檢、安防、特種行業考勤與門禁、工業控制等領域。2015年的時候，富士通首次將虹膜識別技術應用于智能手機當中，隨后三星也將虹膜識別引入到其旗艦機Note7當中，之后三星的S8/S8+也再次標配了虹膜識別。不過，隨著3D人臉識別以及屏下指紋的應用，使用并不算便利的虹膜識別在手機市場的應用受到了一些影響。

為什么在普通消費級市場應用遠不如指紋和人臉識別呢？陳巍博士表示，傳統虹膜成像系統約束過多，系統用戶體驗差。因為虹膜識別的成像距離較近（通常小于1m），景深小，視場小，捕獲體積較小，需要用戶配合調整好頭部、眼睛姿勢，并且不能同時對雙眼成像，識別速度較慢。還有就是虹膜識別的成本也相對較高。這項都限制了虹膜識別的應用。

但是，要想實現1-3米的更遠距離的虹膜識別，為保證識別精度，確實可以選擇更大的高清相機，但是計算量和硬件成本會呈幾何級增加。還有一種方案就是；通過光機結合的方法，實現小箱子循環識別，這也正是中科院深圳先進技術研究院目前研究的方向。

AI芯片是智能時代的核心

而隨著人工智能技術的發展，通過機器學習，各種生物識別技術的準確率及安全性也在快速的提升。人臉識別和語音識別技術近幾年快速爆發也正是得益于此。而人工智能的技術發展則離不開強大的算力支持，相比傳統的CPU、GPU來說，專用的AI芯片性能更強，且更具效率。

嘉楠科技的第一代AI芯片——勘智K210基于28nm工藝，采用的是RISC-V CPU，定位于人工智能與邊緣計算領域，主要目標市場定位在IoT市場。通過完全自主研發的神經網絡加速器IP，可在僅0.3W的低功耗下提供1TOPS的算力支持。同時具備機器視覺和語音識別能力，可以在超低功耗下進行高速卷積神經網絡計算。如基于卷積神經網絡的目標檢測和圖像分類任務，如人臉檢測和人臉識別，多分類物體檢測與識別等。K210可以獨立、實時的獲取多種被檢測目標的大小與坐標并標識出被檢測目標的種類。