各大巨头布局脸部辨识,IR LED 厂有肉吃
从指纹识别到虹膜辨识,生物辨识逐步进入消费电子产品设备,全球生物辨识市场预计 2020 年将达 250 亿美元,其中目前增速最快的为脸部辨识,在应用场景不断增加的情况下,脸部辨识极有可能是下一个消费设备创新的大方向,而在技术上红外线 LED 窄带滤波有望成为核心要素。
脸部辨识可能脱颖而出
从指纹识别到虹膜辨识,生物辨识被更多的消费电子厂商采用,大家对于技术的探讨进入白热化,但其实技术的比较意义不大,市场才能说明一切。
根据前瞻产业研究院统计,2007 年至 2013 年 6 年期间,生物辨识技术的全球市场规模年均增速为 21.7%,这在全球大部分行业增长率不到 5% 的对比下实属罕见。2015 年生物辨识技术全球市场规模将达到130 亿美元,2020 年将达到 250 亿美元,5 年内年均增速约 14%。
全球生物辨识行业市场规模(亿美元)
自 2015 年到 2020 年,各细分行业市场规模增幅分别为:指纹(73.3%)、语音(100%)、人脸(166.6%)、虹膜(100%)、其他(140%)。众多生物辨识技术中,人脸辨识在增幅上居于首位,预计到 2020 年人脸辨识技术市场规模将上升至 24 亿美元。我们预计在智能设备渗透脸部辨识的情况下,市场规模可能大大超出预期。
全球生物辨识细分行业市场占比
五大生物辨识各有特点,但是从市场占有率看,指纹识别之后最可能脱颖而出的预计是脸部辨识。从商业角度看,支付宝、券商、银行为主的金融服务机构已经在 2015 年开始大量采用脸部辨识开户、转帐、付款等,以中国招商银行为例,脸部辨识能够实现手机端超过 50 万的转帐,可见对于其安全性的认同。
- 指纹识别是目前应用最为广泛的生物辨识技术,技术成熟且成本低廉,广泛应用于出勤、门禁等身份辨识;但容易复制,且指纹磨损后影响辨识精准度。
- 虹膜辨识利用人眼图像中虹膜区域的特征(环状物、皱纹、斑点、冠状物)形成特征模板,透过比较特征参数完成辨识。该方法辨识精准度高、不易仿造但相关设备价格昂贵。
- 语音辨识透过分析语音的惟一特性进行身份验证,其设备距离范围大、安装简易,但辨识准确度低,可能被录音欺骗,且易受背景音、身体状况、情绪等因素影响。
- 签名辨识是基于行为特征的生物辨识技术,透过分析笔迹、压力、书写速度进行身份验证。但签名可仿造性高,且签名工具、情绪等均可对签名辨识造成干扰。
- 脸部辨识与其他生物辨识方式相比,优势在于自然性、不被察觉性等特点。自然性即该辨识方式同人类进行个体辨识时所利用的生物特征相同,人类也透过观察比较人脸、声音等资讯对其他个体进行区分和确认。因此,指纹识别、虹膜辨识等均不具有自然性。不被察觉的特点使该辨识方法不易使人抵触,利用可见光即可获取人脸图像资讯,而指纹识别或虹膜辨识需利用电子压力传感器或红外线采集指纹、虹膜图像,在采集过程中身份资讯即有可能被仿造。
生物辨识类别比较
业界巨头纷纷布局
任何的技术创新都能在专利和收购中提前知晓, 脸部辨识进入智能设备这不仅仅是一种猜测,业界巨头已经长期积极布局脸部辨识。
- 苹果公司先后收购 Polar Rose、Prime Sense、Perceptio、Faceshift、Emotient、Turi 等脸部辨识相关技术公司。
- 三星公司于 2010 年 12 月 29 日申请脸部辨识设备、算法及机器可读媒体专利;于 2004 年 6 月 19 日申请图像辨识特征提取的设备及演算法专利。
- 华为公司申请至少 10 项脸部辨识相关专利,如,确定人脸图像中人脸的身份标识的方法、装臵和设备。
- Google 先后收购脸部辨识系统公司 PittPatt 和 Viewdle 后,截至 2016 年 6 月共申请 21 项脸部辨识相关专利。
- Facebook 收购 Tel Aviv 后已于 2014 年上线脸部辨识软件 DeepFace。
- 亚马逊(Amazon)、微软(Microsoft)亦分别申请 7 项及 6 项脸部辨识专利。
怎么办到人脸辨识
人脸辨识主要分为人脸检测和人脸比对两部分。其工作流程为:
- 图像采集:透过采集传感器(如镜头)采集人脸图像。
- 人脸定位及提取:然后对采集到的数据进行处理,去除采集数据中的噪声和环境因素,抽取样本中能够表征个人身份的特征资讯。
- 特征对比:再把这些特征资讯与数据库中已有的资讯进行对比。
- 输出结果:最后根据比对的相似程度来判断是否匹配。
人脸辨识流程
目前人脸辨识市场的解决方案主要包括:2D 辨识、3D 辨识、热感辨识,目前市场上主流的辨识方案是采用镜头的 2D 方案。2D 脸部辨识是基于平面图像的辨识方法,但由于人的脸部并非平坦,因此 2D 辨识在将 3D 人脸资讯平面化投影的过程中存在特征资讯损失。
3D 与 2D 脸部辨识的结果对比
3D 辨识使用三维人脸立体建模方法,可最大程度保留有效资讯。因此 3D 人脸辨识技术的演算法比 2D 演算法更合理并拥有更高精准度。热传感辨识技术使用一个三层的 BP(back-propagation)前馈神经网做为分类器,在使用热感资讯的同时使用不会被发型、呼吸等环境因素影响的关键脸部几何资讯,如鼻梁角度、脸颊面积等影响,以增强辨识精准度。
脸部辨识创新的热感辨识模式
从目前的发展看,主要分为商业系统、主流软件、演算法等,我们认为设备的集成化应用需要整套解决方案,大厂商在这方面具有优势。脸部辨识的组件部分主要涉及:软件部分为数据库、演算法;硬件部分为镜头模组、集成设备、传感器、芯片、IC、硬件接口电路、液晶显示屏幕、储存器等;以及整合软硬件厂商的系统服务商。其中演算法为产业链核心环节,同时也是技术壁垒最高的环节。从目前中国设计脸部辨识的公司看,主要还是提供镜头演算法等,硬件的价值可能被忽视。
脸部辨识的主要商业系统、主流软件、主流演算法
红外线 LED 窄带滤波有望成为核心要素
传统的脸部辨识技术主要基于可见光图像的脸部辨识,但这种方式有着难以克服的缺陷,近红外线脸部辨识系统能够彻底解决环境光照影响问题。传统可将辨识在环境光照发生变化时,辨识效果会急剧下降,无法满足实际系统的要。比如,拍照时遇到侧光时出现的“阴阳脸”现象,就可能无法正确辨识。
解决光照问题的方案有三维图像人脸辨识和热成像人脸辨识。但目前这两种技术还远不成熟,辨识效果不尽人意。基于近红外线图像的人脸辨识核心技术和系统,在不同光线条件下,能够拍摄不受环境光照变化影响的近红外线人脸图像,加上领先的演算法,能够取得很高的辨识率。
不受环境光影响的近红外线人脸图像
近红外线人脸辨识包括两部分:主动近红外线人脸成像设备和相应的光照无关人脸辨识演算法。使用强度高于环境光线的主动近红外线光源成像,配合相应波段的光学滤片,可以得到环境无关的人脸图像,人脸图像只会随着人与镜头的距离变化而单调变化。
在此图像上采用一些特定的特征提取方式,如:局部二元模式(Local Binary Pattern,LBP)特征,可以进一步消除图像的单调变化,得到完全和光照无关的特征表达。近年来,近红外线人脸辨识在实际生活中已经有了诸多应用,例如“深圳-香港生物护照自助通关系统”、“澳门-珠海生物护照自助通关系统”、“北京机场 T3 航站大楼自助通关系统”等,均有很好的效果。
主动近红外线人脸成像设备能为人脸辨识提供不受环境光影响的、高品质的人脸图像,所谓的高品质包括图像亮度合适、均匀、对比度合适、不存在过度曝光等。主动近红外线人脸成像设备一般包括以下项目:
在相应波段强度高于环境光的主动近红外线光源,一般为高功率 850nm 和 940nm 红外 LED;
能够接收近红外线的镜头,通常为 CCD 图像传感器。CCD 具有体积小、重量轻、失真度小、功耗低、可低压驱动、抗冲击、抗振动、抗电磁干扰强的优点,因此被广泛应用于各种图像采集系统。在人脸辨识系统中的 CCD 基本上是矽衬底的,其光谱响应范围为 400nm~1100nm,该范围也就是窄带滤光片要考虑的光谱范围;
窄带滤光片,置于摄影头镜头外,允许近红外线通过的同时过滤环境光。主要用来隔离干扰光,透过信号光,充分突显有用资讯,减少干扰,为后续的图像处理和辨识奠定基础。
技术上红外线 LED 窄带滤光片有望成为核心因素。目前有些方案采用隔离可见光透过红外线的红外线玻璃做为滤光片,然而普通的红外线玻璃 只是隔离了可见光和紫外光,并没有隔离干扰光中处于红外波段的部分。因此想得到良好的抗干扰效果,必须采用窄带滤光片。
普通吸收型颜色滤光片与窄带滤光片曲线比较
850nm LED 的光谱分布
窄带滤光片的选取需要考虑多个光学指标,包括频宽、中心波长、截止波长、截止深度、峰值透过率、产品厚度等。从近期镜头与 AR 的发展看,中国的光学公司成为主力供应商,反映中国的光学实力足够消费电子及特殊显示的需求,窄带滤光模组预计国际大客户仍会采用中国供应商。
窄带滤光片的选取
(Source:网络、安信证券研究中心)
一款典型850 窄带滤光片产品及其曲线图
(本文由 LEDinside 授权转载;首图来源:雷锋网)
- 半导体行业观察
- 摩尔芯闻