从今年年初到现在，ToF传感器一直是苹果、三星、GD、AMS等传感器公司和智能硬件公司关注的技术，而ToF传感器应用最广泛的领域是人脸识别。几乎每个人都在政务、门禁、支付等应用场景中使用过人脸识别，据调查，90%的人都使用过相关技术。虽然便利性很高，但人脸识别的安全问题来自于技术直到现在，一直有人质疑，不仅仅是人脸识别，指纹识别、语音识别、虹膜识别、静脉识别等生物识别技术一直很火AI领域的话题。然而，人脸识别安全性的频频暴雷，让生物识别的安全性备受关注。那么生物识别是一个什么样的行业呢？指纹识别和人脸识别都不是最好的生物识别方法。从应用趋势来看，指纹识别和人脸识别是目前应用最为广泛的生物识别技术，但从技术和安全性的角度来看，两者都不能算是理想的生物识别方式。在生物特征识别领域，分为第一代和第二代身份识别技术。上述指纹识别、人脸识别、虹膜识别、掌纹识别、DNA识别、签名识别、声纹识别、步态识别都属于第一代生物识别。静脉识别（分为指静脉识别和手掌静脉识别）和视网膜识别是第二代生物识别技术。从安全和技术迭代的角度来看，第二代生物识别技术比第一代识别技术更具优势。两代技术的区别可以从特征的明确性和对活体的识别上来区分。特征的明显性，如果肉眼可以看到生理或行为特征，很容易被模仿和复制，这种基于生理/行为特征的生物识别技术可以称为第一代生物识别技术，指纹识别，人脸识别、虹膜识别、掌纹识别、签名识别、声纹识别、步态识别。工具提取或复制，而声纹、签名和步态可以被刻意模仿以获得高度相似的行为特征。活体识别，“活体识别”是指检测识别无法用外力替代或模拟的活体，也就是说，如果是复制或3D打印的人脸模型，只能算是假体识别作为第一代生物识别技术。活体识别可以判断它是否是真正的生物体，符合可见和活体识别要求的活体就是第二代生物识别技术。例如，对于静脉识别，首先静脉隐藏在手指或手掌内部并且是看不见的。另外，静脉识别技术是利用特定波长的红外线照射人体，因为皮肤和皮下血管中血液中的血红蛋白对红外线的反射不同。特征，实时采集血管图像，与存储的图像进行特征比对匹配，实现身份认证和身份识别，因此无法通过静脉识别假手指和手指图像。静脉识别满足了判断的两个要求，属于第二代生物识别技术。视网膜识别类似于静脉识别，属于第二代生物识别技术。视网膜是眼睛底部的血细胞层，特征不明显；其次，如果没有血流或没有生命，视网膜识别也是不可能的。然而，视网膜识别需要激光照射眼球后部，这可能会对眼球造成伤害。同时，成本也难以降低。本文不做比较。从下图可以看出，从多项技术指标来看，指纹识别和人脸识别都不是最好的生物识别方式。不过，从以上的成本、便利性和接受度来看，指纹识别和人脸识别确实是普及生物识别技术最好的方式，现在两者在市场份额上也名副其实。根据TransparencyMarket的最新数据，指纹识别占所有生物识别的58%，人脸识别占18%，位居前两位。不过，由于今年疫情的刺激，以及非接触式经济和技术的发展，安全性更高的静脉识别市场也开始走入人们的视线。今年7月，苹果在申请《生物特征认证疑难案例的静脉比对》时提到，利用人脸静脉进行人脸识别，这项技术比指静脉和手掌静脉更有优势。对于复杂的静脉结构，更难模仿。与苹果类似，今年1月，亚马逊也通过开发掌静脉技术进行了手刷支付测试。在市场增长方面，2020年静脉识别市场份额较2015年增长约4倍，市场规模约20亿美元。笔者认为，随着智能手机逐渐配备近红外传感器，静脉识别的市场增速将进一步加快。在日本，指静脉技术已得到广泛应用，如银行ATM、访问个人信息量大的PC、门禁和考勤管理系统、保险箱管理、复印机管理、电子支付等需要身份认证的领域。同时，在上述领域，几乎所有的专利都掌握在日本企业手中，包括日立和富士通。多模式和多传感器融合是生物识别技术的未来。辩证地看，虽然静脉识别相对安全，但其普及仍面临巨大挑战。首先，血管是3D的，不同位置和角度的成像模式差异很大。尤其是指静脉识别，稍有偏差就会造成误识别或误识别，极大影响用户体验。其次，成本也是限制静脉识别产品大规模推广的最重要因素。结合指纹识别和人脸识别，目前还没有单一的生物识别技术能够完美满足市场需求。同时，由于实际身份识别系统建设和应用环境的复杂性，单一的生物特征识别会存在不同的问题。例如，用于静脉识别的近红外传感器和用于人脸识别的ToF传感器，在采集数据的过程中会产生噪声，影响数据的准确性；适用人群不普遍，如残疾人；以及上述指纹和人脸识别被轻易复制的安全问题。因此，单一的生物识别在实际应用场景中会有局限性。基于此，近来在生物识别领域，多模态、多类型的生物识别融合技术被视为未来的趋势。在智能手机、智能门锁、安防等领域已有多种生物识别技术融合的应用案例。这一趋势也与目前传感器企业所倡导的多传感融合技术相吻合。需要指出的是，无论是提倡多传感器融合还是多模态生物识别技术，本质上都不是利用不同的传感器或生物识别算法来获得相应的结果，而是通过融合算法将多种数据进行融合。判断得到最终的识别结果或数据。这种处理方式更有利于生物识别和物联网数据的处理速度和安全性。可见，多模态生物特征融合需要基于传感器融合和算法融合。放眼中国，虽然指纹、人脸应用广泛，但在静脉识别等安全性更高、读取更密集的第二代生物识别技术上相对落后，因此多模态生物识别技术在中国的发展还需要时间。.
