人臉、指紋、虹膜、行為，你需要的人工智慧生物識別AI資料集全在這裡！

一.生物識別技術定義

生物識別技術主要是指透過人類生物特徵進行身份認證的一種技術,即利用人體固有的生物特性,如人臉,指紋、虹膜、掌紋、指靜脈等和行為特徵,如筆跡、聲音、步態等來進行個人身份的鑑定。由於人類特徵通常具有唯一性、便攜性或終身不變等特點以方便自動識別和身份驗證,因此生物識別認證技術較傳統認證技術存在較大的優勢。具體來說,生物識別系統是對生物特徵進行取樣,提取其唯一的特徵並轉化為數字程式碼,並將這些程式碼組成特徵模板,透過微處理器和各種電子元器件提高精度,將生物識別系統廣泛的應用在各個領域。

二.生物識別技術和人工智慧的關係

生物識別是人工智慧的感知層和入口。

在人工智慧產業鏈中,生物識別是人工智慧領域的一種應用技術,而且是人工智慧領域裡應用場景較為廣泛的技術。作為人工智慧的感知層,為各應用領域和技術領域採集生物特徵資料;作為人工智慧的入口,透過身份認證,實現人工智慧“識人”的第一步。此外生物識別技術本身又利用人工智慧領域的大資料技術和深度學習演算法技術來實現技術的不斷迭代升級。因此生物識別技術既是人工智慧領域的重要一環,二者又是相輔相成的關係。

三.全球生物識別市場規模

我國生物識別市場規模從2002年起十幾年間一直保持高速增長,人工智慧產業是從15年起步,2019年進入起步期,未來十年將是人工智慧產業競爭的重要視窗期。隨著人工智慧產業的騰飛,生物識別也將迎來更廣闊的市場潛力。MarketsandMarkets最新發布的研究報告顯示,2020全球生物識別市場規模達到366億美元,預計到2025年將增加至686億美元,在預測期內(2020—2025年)的複合年增長率為13.4%。

四.生物識別技術商業化程式的關鍵驅動

人工智慧大資料深度學習演算法和多模態識別技術為生物識別技術提供深層次的支援,是生物識別技術商業化程式的重要推動因素。

1.深度學習演算法

在生物識別領域,是透過模擬腦科學中神經元之間資訊流的傳播方式,抽象出一種數學模型,它可以透過端對端(End-to-End)的訓練,從不同的抽象層級提取資料的本質特徵,從而完成複雜的分類或迴歸任務。此外,深度學習演算法還能不斷最佳化演算法訓練,自動學習到精準的表徵,形成具有深度的結構模型,增強表達能力、提高效率。

2.多模態識別

人類時刻透過視覺、聽覺、嗅覺、觸覺在內的多個感官與世界產生交集,其中所包含的每一種資訊形式—影片、影像、文字、語音、味道、質感等都是一種模態。透過融合人體多種生物特徵進行身份識別的技術就是多模態識別,人工智慧不再侷限於單一模態下的互動,可以像人類一樣同時感知多種型別資訊,身份認證及識別過程會更加精準、安全,整體系統的效能提高,滿足不同的應用場景。

五.生物識別技術應用

目前生物識別技術已經得到廣泛應用,按照人體的不同生物特徵劃分,可以分為指紋識別、人臉識別、虹膜識別、語音識別、掌紋識別、唇語識別、指靜脈識別、步態識別等。

按照應用領域劃分,主要應用於智慧駕駛、智慧安防、智慧家居、智慧城市、智慧校園等場景。利用不同生物識別技術的特點和各自獨特的優勢,可以滿足不同應用場景的需求。

六.常見生物識別技術的特點與難點詳解

生物特徵識別技術應用中,應對不同生物特徵,可能會選用不同的識別技術,每一種技術都有其特點和優勢,下文以智慧駕駛車載場景為例,分析不同生物識別技術的特點與難點。當然,多模態識別技術是最火爆的發展方向,正在越來越多的商業場景落地。

1.人臉識別技術

● 技術特點

人臉識別技術可以在較低的畫質、較大的偏轉角度以及部分遮擋的情況下,迅速的匹配底庫中的資料,實現智慧化的體驗。可以輕鬆實現毫秒級的人臉檢測,支援彩色、灰度、近紅外等各種影像和影片型別,支援根據證件自動錄入海量資料。可以適應側臉、部分遮擋、表情變化、髮型、妝容、眼鏡、複雜光照場景等變化。並且具備完善的活體檢測技術,防止2D/3D的惡意攻擊。

● 應用難點

成像問題:攝像頭需要捕捉到使用者的人臉,成像質量較差的情況下,直接影響識別率。透過紅外照明技術,已經可以在無感的情況下解決夜晚的人臉識別問題。隨著社會環境的變化,戴口罩轉變為典型場景,人臉識別解決大面積遮擋問題的同時會引入精度的降低。

攻擊問題:面對採用照片、人臉面皮或者3D頭模做的惡意攻擊問題,視覺演算法需要具有完整的活體檢測功能,並且具備較高的精度指標。

●人臉識別資料解決方案

①2000人臉多姿態&多表情資料集:2000人每人60張多姿態照片和9張表情照片;不同性別、不同年齡段,不同光照,不同採集環境;人臉姿態、人種、性別和年齡的標籤標註準確率超過96%;可用於人臉識別,表情識別、年齡檢測等任務。

②1000人3D活體檢測資料集:1,000人每人採集120張照片;多表情、人臉多姿態、對抗樣本、多種光照條件、多種場景;標註人物id、人種、性別、年齡、人臉動作、採集場景、光照條件;可用於3D人臉識別、3D活體檢測等任務。

2.指紋識別技術

●技術特點

人的手指末端正面皮膚上凸凹不平產生的紋線,紋線的起點、終點、結合點和分叉點,稱為指紋的細節特徵點。指紋識別技術透過分析指紋可測量的特徵點,從中抽取特徵值,然後進行認證。指紋識別分有光學式、壓敏式、電容式、電感式、熱敏式和超聲波式等。

●應用難點

以智慧駕駛汽車應用場景為例,汽車更多的工作在是戶外,每天停在外面風吹日曬,很容易會因為外面的各種因素導致車子的指紋產生不靈敏或者損壞的現象,而且把指紋解鎖的裝置安裝在門把手內,難以保證不會遭到人為的破壞。如果把指紋識別放在傳統汽車的“無鑰匙進入”位置,那指紋資訊首先要傳送到“認證控制器”,控制器再把認證資訊傳到汽車的IBU模組,然後汽車的CPU再透過對比決定是否執行開門指令,運算時間會導致開車門效率大幅降低,讓人覺得指紋識別不僅增加了成本,降低了安全,還製造了很多麻煩。

●指紋識別資料解決方案

①1476人真假指紋採集資料集:1476個id1337080張影像;假指紋採集材料:新型電容膠、固體膠、橡皮膠、指甲油、粘土、掃描列印、銅粉、新型電容膠等60餘種;真指紋採集環境:乾燥環境、溼潤環境、低溫環境、強光環境、不同角度、不同力度按壓。

3.行為識別技術

●技術特點

透過人體行為識別、高精度三維人臉檢測、目標軌跡跟蹤、高精度微表情捕捉及非接觸式生物特徵測量等方式,多維度對目標行為進行檢測,從而保障識別結果的精準度。以智慧駕駛場景為例,透過檢測追蹤包括頭部朝向、面部表情、視線方向、手勢及肢體關鍵點等人體視覺特徵,分析駕駛員及乘客的身份資訊、意圖和行為,技術需要精確檢測出駕乘人員的身份、性別年齡、五官、視線方向、頭部朝向、手勢、肢體關節點等資訊以及他們的隨身物品。透過對這些關鍵資訊的檢測,狀態監測技術可以應用在不同的功能上,比如:駕駛員監控、乘客監控、艙內物品檢測和駕艙人機互動。

●應用難點

行為特徵屬於高維時序特徵,沒有通用的方法有效提取,單個檢測模型難以覆蓋所有需要監測的行為。要達到多種行為的準確檢測,需要多個達到一定複雜程度的檢測模型,也就需要計算系統有比較高的計算能力。目前缺少有關具體場景的行為影片資料庫,需要採集、製作、標註針對訓練和測試的資料,資料的建立包含大量標註工作,人工標註的成本高且費時費力。

●行為識別資料解決方案

①500人駕駛員行為採集資料集:多人種、多年齡段、多時間段、多種行為(危險駕駛行為、疲勞駕駛行為、視線偏移行為);採集裝置:可見光和紅外雙目攝像頭;白天、傍晚和夜晚;標籤標註準確率95%以上;可用於駕駛員行為分析等任務。

②100人乘客行為識別資料集:多年齡段、多時間段、多種行為(正常行為、暈車行為、乘客睏意行為、乘客遺落物品行為);可見光和紅外雙目攝像頭;白天、傍晚、夜晚;標籤標註準確率95%以上;可用於乘客行為分析等任務。

4.虹膜識別技術

●技術特點

虹膜識別是基於對人眼虹膜影像的掃描進行身份辨識,眼睛的虹膜形成由遺傳基因決定,利用虹膜的終身不變性和差異性來實現對身份的甄別。虹膜識別使用紅外攝像技術獲取影像的豐富細節,非接觸性的特質帶來更高的效率和更優質的體驗。由於一個人的兩隻眼睛的虹膜是不同的,系統掃描一隻眼睛進行身份驗證識別的出錯的機率為百萬分之一,而同時掃描兩隻眼睛的出錯機率更會降至萬億分之一,具有更高的準確率。

●技術難點

虹膜影像採集不同於其他識別技術,需要使用專業的裝置,增加了應用成本。虹膜識別要求在較小的區域範圍內採集到清晰完整的虹膜影像,攝像頭的視場角一般比較小,同時對遮擋比較敏感,且系統無法在陽光直射下捕捉乾淨的虹膜影像,光照環境和安裝佈置位置對其影響較大。虹膜對使用者互動配合度的要求更高,目前虹膜可支援的採集距離是1米左右,超過了距離或者被識別物體進行以一定速率進行移動時識別度就會大幅下降。

●虹膜識別資料解決方案

5.指靜脈識別技術

●技術特點

指靜脈識別技術利用手指內的靜脈分佈影像來進行身份辨識,是依據人類手指中流動的血液可吸收特定波長的光線特性,使用特定波長光線對手指進行照射,得到手指靜脈的清晰影像。指靜脈隱藏在身體內部,被複制或者盜用的機會很小安全等級高,受生理和環境因素的影響小,克服了皮膚乾燥,油汙,灰塵,皮膚表面異常等因素適用性強。由於脫離生命主體的手指無法使用,實現身份標識的唯一性。指靜脈識別技術除了識別速度快,識別精準之外,對算力的要求比指紋高,比人臉低,對後端的處理器效能要求依賴性不強。

●應用難點

受演算法限制,指靜脈識別技術對手指採集區域有嚴格要求,如果採集和認證時的手指區域偏差較大,會在一定程度上影響識別的準確率,甚至是不能互認識。目前指靜脈識別產品採用光學成像形式採集血管影像,因為裝置尺寸相較於半導體指紋模組偏大,而且需要手指接觸使用,冬天存在凍手影響體驗的問題。

●指靜脈識別資料解決方案

七.景聯文科技為生物識別技術提供一站式資料解決方案

景聯文科技成立於2012年,行業領軍的AI基礎資料服務企業,全國信標委生物特徵識別分委會移動裝置工作組成員單位,全國信標委人工智慧分委會成員單位。在指紋技術領域,持有多項自主智慧財產權專利及軟體著作權,曾3次參與國家標準制定。《網際網路週刊》&eNet研究院、德本諮詢聯合釋出《2021資料標註公司排行》,景聯文科技憑藉完備的標註管理流程和豐富的專案實操經驗,榮登2021年資料標註公司TOP15。

專案經驗

景聯文科技目前已在智慧安防、智慧駕駛、智慧家居、虛擬客服、智慧金融,新零售,智慧校園等數十個場景為客戶提供一站式資料解決方案,擁有豐富的場景搭建能力和資料採集標註經驗。

在全國範圍內擁有5個標註基地,220名全職人工智慧訓練師,文字、語音、影像、影片現有資料庫超300TB;並於2020年上線了自有標註平臺,涵蓋了絕大多數主流標註工具,支援圖片標註、文字標註、語音標註、語義分割、拉框標註、多邊形標註、關鍵點標註、3D點雲、2D3D融合標註、圖片分類、聲紋識別、ASR轉寫、韻律標註、NLP、文字分類、OCR轉寫、情緒判斷等多種標註業務。

未來,景聯文科技也將不斷升級和完善多場景AI資料解決方案,為生物識別技術的發展貢獻力量,為人工智慧企業提供更優質的資料集產品和資料採集標註服務。