从指纹识别到虹膜识别，生物识别逐步进入消费电子产品终端，全球生物识别市场预计2020年将达250亿美元，其中目前增速最快的为脸部识别，在应用场景不断增加的情况下，脸部识别极有可能是下一个消费终端创新的大方向，而在技术上红外LED窄带滤波有望成为核心要素。
脸部识别或脱颖而出
从指纹识别到虹膜识别，生物识别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年六年期间，生物识别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年生物识别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%。
全球生物识别行业市场规模（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%) 。众多生物识别技术中人脸识别在增幅上居于首位，预计到 2020 年人脸识别技术市场规模将上升至 24 亿美元。我们预计在智能终端渗透脸部识别的情况下，市场规模可能大超预期。
全球生物识别细分行业市场占比
五大生物识别各有特点，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识别。商业角度看，支付宝、券商、银行为主的金融服务机构已经在去年开始大量采用脸部识别开户、转账、付款等，以招商银行为例，脸部识别能够实现手机端超过 50 万的转账，可见对于其安全性的认同。
1. 指纹识别是目前应用最为广泛的生物识别技术，技术成熟且成本低廉，广泛应用于考勤、门禁等身份识别。但容易复制，且指纹磨损后影响识别精度。
2. 虹膜识别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，通过比较特征参数完成识别。该方法识别精度高、不易仿造但相关设备价格昂贵。
3. 语音识别通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，但识别准确度低，可能被录音欺骗，且易受背景噪声、身体状况、情绪等因素影响。
4. 签名识别是基于行为特征的生物识别技术，通过分析笔迹、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、情绪等均可对签名识别造成干扰。
5. 脸部识别与其他生物识别方式相比， 优势在于自然性、 不被察觉性等特点。 自然性即该识别方式同人类进行个体识别时所利用的生物特征相同，人类也通过观察比较人脸、声音等信息对其他个体进行区分和确认。因此，指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触，利用可见光即可获取人脸图像信息，而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像，在采集过程中身份信息即有可能被仿造。
生物识别类别比较
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， 脸部识别进入智能终端这不仅仅是一种猜测，业界巨头已经长期积极布局脸部识别。
1.苹果公司先后收购 Polar Rose，Prime Sense，Perceptio，Faceshift，Emotient，Turi等脸部识别相关技术公司；
2.三星公司于 2010 年 12 月 29 日申请脸部识别设备、算法及机器可读媒体专利；于 2004年 6 月 19 日申请图像识别特征提取的设备及算法专利；
3.华为公司申请至少 10 项脸部识别相关专利，如，确定人脸图像中人脸的身份标识的方法、装臵和终端；
4.谷歌公司（Google）先后收购脸部识别系统公司 PittPatt 和 Viewdle 后，截止 2016 年 6月共申请 21 项脸部识别相关专利；
5.Facebook 收购 Tel Aviv 后已于 2014 年上线脸部识别软件 DeepFace；
6.亚马逊（Amazon）、微软（Microsoft）亦分别申请 7 项及 6 项脸部识别专利。
人脸识别怎么实现
人脸识别主要分为人脸检测和人脸比对两部分。其工作流程为：
1. 图像采集：通过采集传感器(如摄像头)采集人脸图像；
2. 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信息；
3. 特征对比：再把这些特征信息与数据库中已有的信息进行对比；
4. 输出结果：最后根据比对的相似程度来判断是否匹配。
人脸识别流程
目前人脸识别市场的解决方案主要包括：2D识别、3D识别、热感识别，目前市场上主流的识别方案是采用摄像头的 2D方案。 2D脸部识别是基于平面图像的识别方法，但由于人的脸部并非平坦，因此2D识别在将 3D人脸信息平面化投影的过程中存在特征信息损失。
3D与2D脸部识别的结果对比
3D 识别使用三维人脸立体建模方法，可最大程度保留有效信息。因此3D人脸识别技术的算法比2D算法更合理并拥有更高精度。热传感识别技术使用一个三层的 BP（back-propagation）前馈神经网作为分类器，在使用热感信息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信息，如鼻梁角度、脸颊面积等，以增强识别精度。
脸部识别创新的热感识别模式
从目前的发展看，主要分为商业系统、主流软件、算法等，我们认为终端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。脸部识别的组件部分主要涉及：软件部分为数据库、算法；硬件部分为摄像头模块、集成设备、传感器、芯片、IC、硬件接口电路、液晶显示屏、存储器等；以及，整合软硬件厂商的系统服务商。其中算法为产业链核心环节，同时也是技术壁垒最高的环节。从目前国内设计脸部识别的公司看，主要还是提供摄像头算法等，硬件的价值可能被忽视。
脸部识别的主要商业系统、主流软件、主流算法
红外 LED 窄带滤波有望成为核心要素
传统的脸部识别技术主要基于可见光图像的脸部识别，但这种方式有着难以克服的缺陷，近红外脸部识别系统能够彻底解决环境光照影响问题。传统可将识别在环境光照发生变化时，识别效果会急剧下降，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，就可能无法正确识别。
解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但目前这两种技术还远不成熟，识别效果不尽人意。基于近红外图像的人脸识别核心技术和系统，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人脸图像，加上领先的算法，能够取得很高的识别率。
不受环境光影响的近红外人脸图像
近红外人脸识别包括两部分：主动近红外人脸成像设备和相应的光照无关人脸识别算法。使用强度高于环境光线的主动近红外光源成像，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摄像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，近红外人脸识别在实际生活中已经有了诸多应用，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 航站楼自助通关系统”等，均取得了很好的效果。
主动近红外人脸成像设备能为人脸识别提供不受环境光影响的、高质量的人脸图像，所谓的高质量包括：图像亮度合适、均匀、对比度合适、不存在过度曝光等。主动近红外人脸成像设备一般包括如下单元：
在相应波段强度高于环境光的主动近红外光源，一般为高功率 850nm 和 940nm 红外LED；
能够接收近红外光的摄像头，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。在人脸识别系统中的 CCD 基本上是硅衬底的，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，臵于摄像头镜头外，允许近红外光通过的同时过滤环境光。主要用来隔离干扰光，透过信号光，充分突显有用信息，减小干扰信息，为后续的图像处理和识别奠定基础。
技术上红外 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光的红外玻璃作为滤光片，然而普通的红外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，包括带宽、中心波长、截止波长、截止深度、峰值透过率、产品厚度等等。 从近期摄像头与 AR 的发展看，国内的光学公司成为主力供应商，反应国内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国内供应商。
窄带滤光片的选取
资料来源：互联网、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
来源：LEDinside整理自安信证券
如需获取更多资讯，请关注LEDinside官网（www.ledinside.cn）或搜索微信公众账号（LEDinside）。
