目前在安防領域應用較為普遍的生物特征識別技術就包含了一部分以計算機視覺為技術基礎的人員身份特征，除了人臉、步態，涉及身份認證還有指紋、虹膜、掌紋、靜脈等等，這些都是依靠計算機視覺技術進行圖像模式的提取、內容分析識別。還有一些生物特征識別技術如語音識別、腦電波識別、唾液提取DNA等識別技術。

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年起則進入人工智能發展成熟的時代，2018年則有可能迎來人工智能走向行業細分領域應用的一年。

深度學習顛覆傳統生物識別技術

作為人工智能引擎的“深度學習”概念提出于2006年，源于源于人工神經網絡的研究，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，以發現數據的分布式特征表示。

從目前行業發展來看，深度學習作為仿人類大腦神經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步，特別是在圖像和聲音領域相比傳統的算法大大提升了識別率。

圖像識別：圖像是深度學習最早嘗試的領域，早期一些知名人工智能專家通過對卷積神經網絡的研究，取得了在一些小規模(手寫字)的圖像識別的成果，直到2014年，香港中文大學教授湯曉鷗領導的計算機視覺研究組開發了名為DeepID的深度學習模型，在LFW(LabeledFacesintheWild)，人臉識別使用非常廣泛的測試基準)數據庫上獲得了99.15%的識別率，人用肉眼在LFW上的識別率為97.52%，深度學習在學術研究層面上已經超過了人用肉眼的識別。

當然在處理真實場景的人臉識別時還是差強人意，例如人臉不清晰，光照條件，局部遮擋等因素都會影響識別率，所以在實際操作中機器學習與人工確認相結合，更加妥當。國內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，在真實環境運用或者在垂直細分領域中有著深厚的數據積累。

除了人臉、人像等面部識別的爆發式增長，另外。在基于面部特征識別技術的情緒識別領域，以及基于人體形態的步態識別等也在深度學習技術的基礎上呈現快速發展。

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，在很長時間內都是占據壟斷地位的建模方式，但盡管其降低了語音識別的錯誤率，但面向商業級別的應用仍然困難，也就是在實際由噪音的環境下達不到可用的級別。直到深度學習的出現，使得識別錯誤率在以往最好的基礎上相對下降30%以上，達到商業可用的水平。

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，包括移動互聯網、車聯網、智能家居都有廣泛涉及。

深度學習算法的成熟，使得生物識別的準確率得到大幅提升，這就保證了依托人體生物特征包括人臉、形態、情緒、語音等方面建立人員身份認證應用超越原有范圍，開始走向大規模的應用推廣。同時，以深度學習算法為基礎的計算機技術的進步，為生物識別提供了強大的計算和分析工具。反過來，巨量的生物特征數據也為機器訓練提供了豐富的素材，“大數據成為人工智能的燃料”。

安防應用前景廣闊

目前在安防領域應用較為普遍的生物特征識別技術就包含了一部分以計算機視覺為技術基礎的人員身份特征，除了人臉、步態，涉及身份認證還有指紋、虹膜、掌紋、靜脈等等，這些都是依靠計算機視覺技術進行圖像模式的提取、內容分析識別。還有一些生物特征識別技術如語音識別、腦電波識別、唾液提取DNA等識別技術。

近些年，隨著人工智能深度學習以及計算機視覺技術的不斷發展成熟，在生物特征識別中基于計算機視覺技術的幾種身份認證技術也得到了快速發展。尤其是人臉識別技術、指靜脈識別技術、虹膜識別技術以及步態形體識別技術，正在隨著大數據、數字化以及行業智能化的迅猛發展進入黃金時代，并不斷結合行業細分領域的特點走向深度應用。

生物特征識別技術作為安防行業中的焦點應用，在技術安全與市場應用層面遠遠優于傳統密碼、刷卡等方式。隨著應用日漸成熟以及消費者認知度的不斷提高，生物特征識別技術的應用正在走向快速的普及。生物特征識別技術在安防業務領域的應用主要包括以下幾類：

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

另外，通過生物特征識別技術與傳統電子鎖具的結合，實際上可以算是實體防護產品應用的擴展，出現的指紋鎖、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“智能小區”、“智能家居”概念不斷深入人心，這類智能鎖正在呈現快速普及的態勢。

生物識別技術與“平安城市”、“平安社區”建設的視頻監控系統相結合，是目前人工智能深度學習表現最為活躍的。通過在視頻監控系統中會嵌入人臉識別算法或者是人體形態步態的算法以及面部情緒的算范，可以對監控畫面內人員進行身份識別，或者是預警預測，并通過系統聯動實現各類業務應用如：識別為合法人員時，聯動打開門禁、人員通道等;識別為黑名單人員時，聯動后臺產生報警提示;通過人員情緒以及肢體形態是識別則可以達到提前預警的目的。

這樣也就使應用不再局限于常規的事后取證追溯，逐漸滿足對事前事中的人員身份信息獲取和風險事件預警提出的新需求。

除了在安防領域的應用與發展，生物識別技術在人們日常生活中也在急速的擴張。目前指紋識別已經在智能手機上普及，隨著手機全面屏的興起，及三星、蘋果等廠商的帶動，新的屏內指紋識別、虹膜識別、人臉識別、語音識別等技術也將成為智能手機新的打開方式。與此同時，生物識別技術也在智能家居、無人超市等新興領域得到了廣泛應用。

深度學習幫助打通了生物識別領域的“任督二脈”，未來將不斷逼近100%的準確率，應用領域將更加廣泛。