生物识别技术各分类研究与发展分析
- DIGITIMES企划
-
前言：生物识别技术虽然已经发展许久，但是指纹识别还是生物识别的最大宗，不过指纹识别的发展虽然相对较成熟，仍有不少局限性，这也带给其他生物识别方式发展的契机，因此在指纹识别利用IT技术与光学技术得到前所未有的进步发展后，脸像、虹膜、语音、气味、掌型、静脉等生物识别特徵，易开发出许多可实际应用的生物识别系统。
本文：
生物识别与所有身份认证机制一样，必须能够达到身份辨认(Identification或Recognition)与身份验证(Verification)的能力，即从所有的目标物中，筛选出正确的身份，并且能够合理无误的确认该目标的身份为真实。
当然，没有完全100%精确的保全机制，因此对于生物识别系统的精确度来说，必然有容许误差值的参数存在，主要有两类，地一种为接受误差率(FAR；False Acceptance Rate)，定义是指，目标物为非法使用者，但却能异常通过身份识别的比率；一为拒绝误差率(FRR；False Rejected Rate)，是指合法使用者，却无法正常通过身份识别的比率。
FAR太高会明显影响安全性，FRR太高则会影响使用者对系统的信任度及使用的便利度，所以一般实务上会取两者交集的最小值，亦即交叉误差率(CER；Crossover Error Rate)做为平衡点。各种技术要求不太一样，若以最普遍的指纹识别为例，会控制在FAR约小于0.001%，FRR小于3%。
生物识别虽然有这样的误差率，但会在911之后被攸关国家保安重任的各国本土维安部门采用，还是其安全性远比相同可靠性等级的「ID+口令」之识别方法安全性高得多。例如采用四位数字口令的系统，不安全机率为0.01％，若采用FAR为0.01％指纹识别系统相比，一个人可在一段时间内试验出四位数口令，利用电脑技术会更快，但是几乎绝对不可能找到一千个人并寻找出符合之手指。
生物识别技术整体产业与技术发展概况
生物识别技术发展至今，利用生理特徵为大宗，有指纹识别(Fingerprint Recognition)、人脸(Face Recognition)、虹膜(Iris Recognition)、静脉纹(Vein Recognition)等等，而利用人类行为则有声音、签名甚至步行轨迹等各种模式。脸型与指纹识别技术其便利性优于虹膜识别；因脸型识别技术拥有不需接触受测者及非侵入性之特性，其便利性与接受度又高于需要受测者接触验证仪器的指纹识别。
而虹膜识别因具高度侵入性之特性，故便利性及接受性就相对较低。换句话说，许多身份特徵虽然具备了独一无二等等生物识别所需要的特性，但是必须能够利用仪器轻易判读，加上后续的数据库与演算法能够搭配，并且降低到合理成本，才能为市场接受。
在技术总览的角度，以生物特徵与行为模式两种生物识别整体来看，各种技术的发展轨迹差异颇大。目前生物识别核心技术的发展，指纹识别占技术研发比率超过50％，第二名则是行为识别中的签名识别占技术，约21％，第三名又回到生理识别的脸部识别，占有比率约16％；准确度最高的虹膜识别，目前占有率虽有提昇，但仍仅9％未达一成。
故市面上以指纹识别技术较成熟，市场占有率最高，其次则为成长速度最快的脸部识别技术。虹膜识别的准确度最高，但是由于使用上必需以红外线扫描眼球，在价格及安全性的考虑下，虽有一定的市场，并不容易发展成为大众化的产品，相对的市场占有率也就无法迅速拓展。
其余生物识别科技则仍受一般消费者的使用习惯、可接受度以及经济价格因素影响，成长较缓慢。所以整体而论，以技术研发与市场占有率综合观察，生物识别技术发展至今，目前生物识别技术之主流技术为指纹识别、脸型识别、虹膜识别为主要三类，如加入行为识别的签名则为四类。
未来发展方面，根据工研院IEK的研究指出，指纹识别仍是全球生物识别的主要应用技术，2009年，自动化指纹识别、指纹识别及脸形识别技术营收比例最高，三项技术合计78%的市场营收比例，预估到了2014年，三项技术的市场营收比例仍将维持在77%。未来五年，指纹识别及脸形识别产品的市场营收比例将逐年成长。
指纹识别
指纹识别为目前最普遍的生物识别机制，以市占率而论超过六成以上。指纹识别的原理是每个人的指纹都有其纹路之特徵，即指纹中纹脊及纹谷之分布型态，如纹脊端点(ridges end)、分叉点(split)、分叉又接合点(split and join)或仅为一个点状，被称为细微特徵(minutiae)，而这些细微特徵为指纹比对识别系统之主要工具。
指纹识别的步骤首先是样本撷取，即对指纹影像的取得与储存，采样的技术主要有三种，分别是利用光学，半导体和超声波等技术。光学技术主要有吸收全内部反射式(Frustrated TotalInternal Reflection,FTIR)、片状棱镜之FTIR式、光纤(Optical fibers)式、光电式(Electro-optical)、直读式(direct reading)，等，每一项光电技术虽不同，主要基础技术为利用CCD摄取指纹样本，其品质是目前最受肯定的，但是相对却较昂贵，而且容易受环境，例如污垢、尘土或油污等影响而造成取样误差大。
半导体模式有电容式(capacitive)、热感式(thermal)、电场式(electric field)、压电式(piezoelectric)等，技术差异较大，例如电容采样则是利用电容侦测指纹所产生的电磁场而取得指纹样本，较不易受到污垢等环境因素影响。
超声波式则为系以朝手指送出音箱(acoustic)信号，并撷取其回响(echo)信号，包含发出短波音箱之输送器(transmitter)及接收由手指反射回响之接收器所成。利用超声波技术则能得到非常精确的指纹样本，因为就算满手指污秽，仍能得到相当高品质的指纹特徵，但是目前技术因为成本等因素，仍未广泛被使用。
经过采样后的指纹影像文件一般有256KB，过去如果需要保存高品质的指纹影像，则必需有高容量的存储器。但在新的指纹获取技术下并不需要保存完整高品质的指纹影像，只需要把指纹的一些特定的数据转换成一个相对较小的指纹特徵码。
因此现代指纹识别在原始数据建档完毕后，遇到一个需要便是的指纹目标，最重要步骤就是特徵码的提取，这个过程是指纹识别技术的核心，指纹特徵被提取后，会舍弃不必要的部份，并且加以精细化，例如精确的定位脊断点和分岔。
不过，即使是精细化之后的特徵影像，当然也会存在着细节变形和错误细节，例如常见的由疤痕，汗液或灰尘导致的细节异常，需要作更进一步的处理，将其中的错误细节更正或舍弃掉，才算是处理完成。
接着是指纹特徵与数据库进行对比与验证，过去需要人工比对，现在则由于IT科技的进步，可以加速比对，相对的，数据库的完整性就变得更为重要。
指纹识别的缺点以及实务改良
指纹这项生物识别科技自古人开始按指印作为契约凭证之时，就已经走入人类社会中，因此大部分人对于指纹识别这项科技也都有一定程度的认识，所以对于如何挑战这项技术，也有许多有心人士研究，例如指纹可能利用橡胶或是粘土之类的材质复制或重制；其次，指纹识别的仪器使用后，可能会有指纹之潜像(latent print)残留在扫描机触，可能会被利用加以伪造。
还有指纹识别的普及，让许多犯罪者或是有心人士知道戴手套等方式避免留下指纹，而在大规模传染病的威胁下，接触式的指纹识别扫瞄器可能有传染病的卫生顾虑，甚至仅留下指尖的油脂堆积都可能让其他使用者觉得不舒服。
针对前述的各种问题，指纹识别技术采去的对抗措施有许多项，例如加入可检验或是传感真假手指的装置，实际作法为感应手指的温度，或是检验皮肤表层的导电度。识别时可以采用随机变换成要求输入另一只手指的模式，或是指允许特定指纹机所取得的指纹，才能作为身份识别的标的。此外可以采用感应式的非接触型指纹机，或是指纹机能够自动清洁或是加上保护层，除了避免前述的卫生顾虑，也可以避免油脂干扰识别。
人脸识别
人脸识别的发展在近几年突飞猛进与目前IT技术下，影像输入与高速影像处理能力的发展，有密切的关系，因为人脸识别主要依靠的，是透过摄影机撷取人脸部的特徵与五官，再经过演算法确认，即从复杂背景中判断出特定人物脸孔的任务，首先必须从一复杂背景影像中成功侦测出所有可能的人脸后，再从该些人脸逐一进行判断是否为某特定人物脸孔的程序。
例如当从CCD中所撷取到的彩色影像时，若是直接拿整张影像的信息来侦测人脸时，其所需耗费计算的时间是很惊人的。因此，如可以先对影像中一些不可能为人脸的信息给予去除，则可节省需多计算的时间。由于人脸的部份其肤色占多数，所以可以经由概略地统计出肤色在数码影像中之数值范围，其用来做为删除一些不需要之影像信息的第一门槛，可以大大地提升人脸侦测速度。
经由CCD 所取得的影像，其色彩模型为R(红)、G(绿)、B(蓝)。不过由于RGB 之色彩模型易受光线影响，故不宜用来做肤色之筛选，因此得先对RGB色彩模型转换成另一种不易受光线影响的色彩模型，这些色彩模型有HSV 及YCbCr 等。过滤之后的影像通常都会有很多的杂讯，所以必须想办法将其杂讯给予去除。目前消除杂讯的方法有很多种，举如：平滑法、中值法、频率域滤波器等等。在影像经过肤色过滤之后，将所留下的肤色影像做影像二值化。
当通过人脸候选区之选取之后，将可能为人脸的区域逐一记录起来。有了这人脸候选区之信息，再去比对原图之灰阶影像区域做特徵滤波器一之筛选。由于人脸候选区的大小不一，为了之后的人脸特徵判断或者是最后的类神经运算，必须将其所有人脸候选区的大小给予正规化，使其大小一致。
前述的侦测人脸只是人脸识别的第一个步骤，但是却相当的重要，因为如果人脸侦测成功率很高，可以让人脸识别成为公众的无接触式安全机制，例如将视讯装置安装在公众来往处扫瞄行人，被扫瞄者不会感觉被侵犯，但是却能够达成维安的目的。
人脸识别在脸部形象确认后，判读能力却不仅仅是比对数据库这麽简单，因为人脸可能因为表情、年龄、化妆等因素，而有些微的改变，但是这些微小的改变，却可能成为判读成败的关键。因此人脸识别除了基本的人脸定位、双眼侦测、倾斜人脸校正、光线补偿、正规化这些基本步骤外，各技术研究者或各厂商也加入了一些特别的技术，增强成功率。
虹膜识别
虹膜识别会成为生物识别的后起之秀，主要的关键在于每个人的虹膜结构皆不相同，对同一个人而言，左右两眼的虹膜区别也十分明显。虹膜组织包含的信息比人体任何部位还要多。虹膜共有240个独特处，相较于脸部则约有80个独特处、指纹的独特处只有20至40个。因此，要找出虹膜编码相同的机率为10的78次方之一，全世界几乎找不到第二个虹膜相同的人，就连双胞胎也是。一般人自两岁之后，虹膜就已经发展完成，此后即不会改变。
虹膜识别由于是内生物特徵，因此很难伪造，而且使用者不需要跟设备直接接触(侦测方法是利用光线或红外线打在眼球上)，再对照虹膜优异的FAR与FRR，但目前的普及率尚待努力，原因在于非技术性的因素，例如需要将光线打在眼球上，对被测者而言排斥性会较强，且目前并没有数据指出，频繁使用化的情况下，是否会对眼球造成伤害。
此外，虹膜可能受到眼部疾病的伤害而改变，而且其设备的成本比较高，因此较无法大量普及，例如笔记本电脑可以安装侦测模块而利用指纹识别加以保全，甚至目前多数的新时代笔记本电脑都有网络摄影机，只要加入对应软件，也可以胜任初阶的脸部识别系统，但是目前都还无法将虹膜识别纳入笔记本电脑的保全规格中，即可看出差异。
生物识别研究与专利现况
根据工研院IEK的研究指出，台湾的生物识别产业可分为传感器研发、演算法及软件设计、产品应用设计、生产制造以及代理行销等五大类别；产品仍以门禁系统或差勤管理系统为主，另外则是利用生物识别技术作为个人信息身份验证解决方案，或是选择将传感器与演算法整合成系统识别模块，形成关键零组件销售策略。
整个生物识别产业发展上，主要还是受惠于电子产业的发展经验，在设计与精密制造技术、信息产品开发能力及快速量产能力都拥有高度竞争优势。然而，由于台湾本土市场小，国外厂商挟品牌优势，国内大陆低价产品的竞争、国内产品的标准规格问题，以及民众对识别技术产品的接受度等都可能是产业发展上的隐忧。
在专利研发上，更是欧美日厂的天下，美国为全球生物识别技术专利领先国家、日本次之；技术上指纹识别为生物识别最大宗技术，脸型与语音识别次之，美国为指纹、脸型、语音识别及技术通论之技术影响力最高国家亦为为指纹、脸型、语音识别及技术通论之科学强度最高国家。除美、日生物识别技术专利大国外，欧洲国家于欧洲专利表现较佳，亚洲国家则于美国专利表现较佳。
