从2019生物识别论坛看这些亮点不容错过!
发布时间:2019-10-29 23:13
集微网消息,近日,由芯智讯主办的“融合·创新——2019生物识别技术与应用高峰论坛”在深圳召开。作为第三届“生物识别产业高峰论坛”,本次高峰论坛汇集了人脸、指纹、声纹、虹膜、静脉识别等多种生物识别技术代表性企业,同时还吸引了大量的产业链的上下游企业、科研院校参与   近年来,生物识别产业发展非常迅猛。根据前瞻产业研究院发布的数据显示,2007 年全球生物识别市场规模仅有 30.1 亿美元,而2013 年达到了 97.8 亿美元,6 年复合增长率高达 21.7%。2015 年的全球生物识别市场规模达到了 130 亿美元, 预计至2020 年全球生物识别市场规模将达到 250 亿美元。5年内的年复合增长率将达约 13.9%   “由于不同的生物识别技术在精度、安全性、稳定性、识别速度、便捷性、成本、功耗等众多方面有着明显的差异,因此在不同的应用领域中,也会有着各自不同的特点和优劣势。而在多生物识别技术当中选择一些不同技术的融合应用,则有望很好的平衡以上的问题。我们认为,未来多生物识别技术融合将是一大趋势。”芯智讯创始人兼总编杨健在论坛开场致词中说到   很多的生物识别技术其实早已有之,但为何近几年特别是像人脸识别和语音识别等技术为什么得以快速的爆发?中科院深圳先进技术研究院数字所所长乔宇博士表示,这主要得益于深度学习技术的推动,加速了相关技术在识别准确率上大幅提升,甚至超过了人类   乔宇博士表示,“5、6年前人脸识别的应用更多是用于公司的打卡,那时候几百人、几千人才会有比较高的识别率。现在技术可以支持做城市级的人脸识别,可以应对深圳数千万人口的人脸识别,这背后是技术巨大的进步”   另外,针对目前比较热的3D人脸识别,乔宇博士表示,目前中科院深圳先进技术研究院也在做“基于单幅图像恢复三维人脸结构”。现在的算法可以对人脸上的皱纹、胡须等细节纹理有比较好恢复效果,支持复杂的表情和复杂的姿态   目前,深度学习伴随大数据的应用,性能在不断提升。但是,深度学习在很多方面也有其局限性。乔宇博士表示,比如“小数据+异构多态”,很多数据是不规则、不完全,可能是异构多态,可以看到深度学习面临很大的瓶颈;另一方面,深度学习往往靠数据和算力进行提升,推理的能力很差,无法很好的运用常识和知识   早在2014年初,英特尔就正式推出了首款集成了 3D 深度和 2D 镜头模块的 RealSense 3D 摄像头,它能实现高度精确的手势识别、面部特征识别,可帮助机器理解人的动作和情感。经过数年的迭代,英特尔推出了一系列功能更为强大,更为小型化,成本更低的RealSense模组。目前已被广泛应用于机器人,无人机和增强/虚拟现实(AR / VR)等应用领域   在2019生物识别技术与应用高峰论坛上,英特尔RealSense事业部中国区销售总监何火高详细介绍了英特尔RealSense业务,并首次发布专为人脸认证应用场景优化的RealSense模组以及针对智能门锁市场的英特尔RealSense + Movidius AI解决方案   从目前英特尔的产品线路图中,我们可以看到,英特尔不仅有结构光的产品SR300系列(从2014年就推出了F200系列),还有双目产品(2015年开始发布),目前最新的是D400系列。虽然目前3D结构光和3D TOF非常的火热,但是何火高认为,双目立体视觉是非常有发展前景的方向。“双目3D摄像头可以室内外应用,在不同距离可近可远,相互之间不会产生干扰。它的应用场景和适用性会非常灵活。”   不过,何火高也透露,英特尔将会在今年年底,或者明年年初的CES时,发布ToF的产品L515,其表示,这将是业界低成本的LiDAR解决方案,是非常震撼的产品   何火高表示,英特尔在三种不同的3D技术方向都有深入的投入,耕耘了七八年的时间,积累了很多经验,填了很多的坑,在不断地进步,不断地进化自己的产品以及组合   目前,英特尔已经联合小钴科技推出了首款基于Realsense+Movidius AI方案的智能门锁。在2019生物识别技术与应用高峰论坛当天,小钴科技也在活动现场展示了基于该方案的3D人脸识别智能门锁产品   说起生物识别技术,大家最为熟悉的可能还是指纹识别和人脸识别,相比之下声纹识别技术的关注度并不高   但是事实上,声纹识别技术早已有之,而近几年随着深度学习推动语音AI技术的爆发,语音识别技术在智能手机和智能音箱市场被广泛应用,也开始推动了声纹识别技术的应用   在声扬科技首席科学家张伟彬博士看来,声纹识别技术的发展可以分为三个阶段   第一阶段,基于模板匹配的方法,像人脸一样要先做注册,再做验证,注册时您说的内容要和验证时是一样的。注册时要说“中华人民共和国,验证时也要说中华人民共和国”。这就相当于验证时被限制了,只是比较这两个声音像不像   第二阶段,开始于2000年基于概率模型的研究,我们知道声音有时间的长度,长度是可长可短,有的人说话快,有的人说话慢,首先我要把可变长度的向量变成物理程度,这是基于高斯模型概率统计的。识别率勉强达到95%的概率,95%在很多应用场景是达不到的,因为需要考虑噪声、干扰的影响   第三阶段,则是2012年左右深度学习在很多方面带来爆发性的影响,其中在声纹领域,最近比较大的事件是2017年X-Vector系统的提出,对声纹识别带来很大的提升   “特别是近两年,市场也对于声纹识别有了比较强烈的需求,这一方面得益于声纹识别技术的进一步成熟;另外一方面,在国家政策方面,去年10月左右央行发布了声纹识别技术在移动金融上的应用标准。这是在国家层面、政策层面承认声纹识别技术达到大规模商业应用的门槛,可以满足金融等场景对高安全语音技术需求的应用;第三个方面则是,近几年国内非接触式犯罪比较猖獗,而声纹识别技术可远程通过声音识别身份对此类犯罪案件的帮助极大。所以我们认为声纹识别将是一个新风的口。”张伟彬博士说到   那么声扬科技的声纹识别技术又有着哪些优势呢?张伟彬博士表示,声纹跟文本内容、语言无关,所以技术上要做到跟语言、文本内容无关是非常大的挑战。就像人脸一样,有了认证就有攻击,声纹识别除了模仿外,还有比较简单的录音播放,如何防止被攻击也是非常大的挑战。另外,早期声纹识别注册时,用户需要说几分钟的语音,用户体验非常差。声纹识别的应用被严重限制了,而声扬科技的技术克服了了这几个技术难题,也在多个场景下实现了大型项目的落地   “我们的优势在于,我们技术上不是只有声纹识别,我们还做语音信号处理,如语音降噪,使得输入声纹识别系统的声音更加干净。另外我们有自己的语音识别技术,通过多种技术的组合可以打造成完整的符合客户要求的解决方案。这是我们公司的竞争优势之一。”张伟彬博士总结到   目前3D人脸识别非常的热门,而其背后的3D Sensing技术的应用并不仅仅局限于3D人脸识别,还可以用于医疗美容领域。在2019生物识别技术与应用高峰论坛上,小优智能科技的副总经理代启强分享了高精度3D人脸扫描技术,在美容微整形的术前应用   随着医疗美容行业的普及,人们对自己容颜的关心已超乎寻常,这也带动了医疗美容行业的火爆。数据显示,2016年正规医美市场规模3088亿,2017年达到3817亿元,2018年高达4953亿。中国正规医美市场发展迅速,医美规模增长的同时,增长率亦逐年提升,2016年、2017年、2018年增长率维持在20%至30%   但是当前传统模式中求美者只能依靠想象或者手绘图来确定手术效果,一旦顾客对后期效果不满意,必然会产生医疗纠纷,因此迫切需要一种采集设备,能够方便快捷的采集到顾客的脸部真实数据,通过对真实数据的虚拟改动,能帮助顾客更加直观、生动、科学的看到自己手术后的模样,更有利于帮助求美者提高自信心,增加手术满意率   代启强表示,高精度人脸扫描特点及其优势主要在于,通过非接触式数据采集系统,全方位为用户提供眼部、鼻部、下巴、面部、胸部、臀部等局部或全身各部位的三维数据;通过因人而异的全息数据采集,计算机高速精算,直观展示最完美比例的面孔,身段;可视化呈现求美者的个性需求,可与医生互动共同参与方案设计,增加用户满意度;直观呈现三维立体成像及整个术前、术中、术后的效果,展示多种手术方案   思立微CSM&UTM指纹识别技术首次公开分享,LCD屏下光学指纹方案首次曝光   目前指纹识别技术在智能手机上已趋于普及,不过在全面屏、5G的趋势之下,指纹识别技术仍在快速的迭代,由此也推动了屏下指纹技术的发展,目前屏下指纹已经成为了中高端智能手机的标配   而在目前的屏下指纹市场,汇顶科技虽然仍占据了大片市场,不过思立微凭借自身的技术以及与OPPO等手机品牌厂商的合作,也成功跻身第二大屏下光学指纹厂商   在2019生物识别技术与应用高峰论坛上,思立微高级产品经理孙云刚介绍了自家的针对5G手机优化的屏下光学指纹方案CSM与UTM,同时还首次曝光了其LCD屏下光学指纹方案(目前被广泛应用的屏下光学指纹方案主要是基于更为轻薄的OLED屏)以及MEMS超声波屏下指纹方案   孙云刚表示,思立微的屏下光学指纹方案,拥有业界首创的单芯片(MCU与Sensor集成)架构设计,首创可调焦指纹识别模组,并且首个将3P Lens应用在指纹识别模组的厂商,新一代光学指纹芯片7001A灵敏度提升了40%   而现在随着智能手机摄像头(旗舰都开始上三摄、四摄了)数量的不断增加,以及5G的到来,对于智能手机内部的空间也提出了更高的要求。为了应对这一变化,思立微也在维持产品原本各项性能指标的前提下,通过工艺改良和结构创新,推出了更小尺寸的屏下光学指纹模组   除了指纹、人脸之外,虹膜识别也是应用相对较多一种生物识别技术,其很早就已经广泛应用于金融、医疗、安检、安防、特种行业考勤与门禁、工业控制等领域。2015年的时候,富士通首次将虹膜识别技术应用于智能手机当中,随后三星也将虹膜识别引入到其旗舰机Note7当中,之后三星的S8/S8+也再次标配了虹膜识别。不过,随着3D人脸识别以及屏下指纹的应用,使用并不算便利的虹膜识别在手机市场的应用受到了一些影响   在2019生物识别技术与应用高峰论坛上,芯智讯邀请了中科院深圳先进技术研究院集成所研究员陈巍博士和中科虹霸移动业务市场总监陈桦对于虹膜识别技术的最新进展与行业应用进行了分享   相对于其他生物识别技术来说,虹膜在人出生6-8个月之后就趋于稳定,并且虹膜拥有虹膜有226个生物特征点,具有极高的唯一性,即便是拥有一样面容的双胞胎,其虹膜也不一样,两个人拥有相同虹膜的概率是10的27次方分之1,这个概率可谓是极其的低,要知道一年掉落到地球上的雪花的总的片数也只有10的22次方。因此,虹膜识别具有极高的安全性   中科虹霸移动业务市场总监陈桦表示,印度全民身份认证、阿联酋出入境系统,国内的400多家矿山,包括神华集团、中煤集团、同煤集团等特大型煤炭企业所采用的虹膜识别系统都是基于中科虹霸的技术   此外,在移动设备端这块,2016年开始中科虹霸就有与多家手机公司、移动方案公司合作,截止目前推出了十几款移动虹膜设备和手机。针对目前热门的智能门锁市场,中科虹霸也推出了虹膜识别门锁解决方案,并且已经量产了   七鑫易维:眼球追踪技术助力活体检测,与虹膜识别/人脸识别结合应用更具价值   以上我们讲了很多种生物识别技术,但是不可避免的,都可能会遭到各种各样的攻击,比如攻击3D的人脸识别,可以通过打印3D的人脸面具来实现,攻击声纹识别,则可以通过高保真的录音来实现,攻击指纹识别可以通过假指纹模来实现等。所以,活体检测也就成为了提升生物识别技术安全性的一项重要手段   在2019生物识别技术与应用高峰论坛上,七鑫易维手机业务部产品总监孔祥晖介绍了眼球追踪技术在生物识别领域的活体检测方面的应用   孔祥晖表示,活体检测的方法大致可以分为三类:一类是动作指令活体检测(就根据指令进行相关动作),这一类活体检测大多数应用在银行等高可靠性、高要求、高标准的行业应用里;第二类是静默活体检测,主要采集用户的微表情,看眼纹、眼动、眼皮(是否眨眼)信息,通过微表情确认用户是不是真人;还是假人;第三类是红外活体检测,主要利用光谱特性的不一样,在不同介质的反射上有不同的反射结果,通过分析拍摄出来的图片分析这是真人还是仿真。而七鑫易维所采用的则是基于眼球追踪技术做活体检测   孔祥晖表示,眼球追踪技术采用的是不可见红外光,因此可以实现无感式追踪,并且具有低延迟的特性,注视准确率不低于98%,操作距离可适用于30-100cm,不仅可以提供注视点信息,还可以提供瞳孔位置、眨眼等信息   在眼球追踪技术应用方面,除了前面提到的活体检测之外,七鑫易维还将眼球追踪技术广泛应用于智慧医疗、VR/AR/MR、智能手机、广告传媒、智能汽车、机器人、航空航天等领域   “我们经常把这些东西应用到运动员或者广告分析上,判断广告做得好不好,用户是否真的关注到产品,还只是关注到广告上美女的图片而没有看产品。这是眼球追踪技术要做的东西。”孔祥晖说到   此外,在技术融合方面,孔祥晖认为,眼球追踪技术可以很好的与虹膜识别技术相融合,并且会衍生出更丰富的应用   嘉楠科技:AI芯片是智能时代的核心,第二代AI芯片Kendryte K510首度曝光   而随着人工智能技术的发展,通过机器学习,各种生物识别技术的准确率及安全性也在快速的提升。人脸识别和语音识别技术近几年快速爆发也正是得益于此。而人工智能的技术发展则离不开强大的算力支持,相比传统的CPU、GPU来说,专用的AI芯片性能更强,且更具效率   特别是随着物联网技术、5G技术的发展,边缘计算已是大势所趋,AI计算也开始越来越多的被放在了边缘侧。而这也推动了AI芯片市场的爆发   作为全球第二大矿机芯片厂商,很早也开始了基于边缘AI芯片的研究,随后成立了专注于AI市场的嘉楠科技,转型AI芯片厂商,并于去年9月推出了首款AI芯片Kendryte勘智K210   在2019生物识别技术与应用高峰论坛上,嘉楠科技销售总监蔡博介绍了勘智K210特色及在生物识别领域的应用,同时还透露了即将于今年年底发布的新一代AI芯片K510   蔡博表示,生物识别技术的应用场景主要集中在端侧。例如智能门锁、智能门禁等场景。由于设备端严苛的功耗与算力条件限制,AI算法对用户生物特征的提取与处理效率遭遇瓶颈。他表示,目前的端侧设备通常存在1-2秒的时间延迟,无法即时响应用户的行为,是生物识别技术落地面临的主要挑战之一。因此,边缘AI芯片的引入将有助于进一步加速生物识别技术的落地   嘉楠科技的第一代AI芯片——勘智K210基于28nm工艺,采用的是RISC-V CPU,定位于人工智能与边缘计算领域,主要目标市场定位在IoT市场。通过完全自主研发的神经网络加速器IP,可在仅0.3W的低功耗下提供1TOPS的算力支持。同时具备机器视觉和语音识别能力,可以在超低功耗下进行高速卷积神经网络计算。除了以上的机器视觉能力外,勘智K210还具备机器听觉能力。芯片上带有最高支持8通道、16方向的高性能麦克风阵列的音频处理硬件,可以进行硬件加速的实时声源定向与波束形成,无需占用主CPU资源。一颗芯片就可以实现声源定向、声场成像、波束形成、语音唤醒、语音识别等机器听觉功能   最后,蔡博还透露了嘉楠科技即将于2019年年底正是量产流片第二代AI芯片——KendryteK510。蔡博表示,嘉楠科技下一代芯片Kendryte K510面向5G场景设计,将用于新零售、智能驾驶等更多领域。(校对/Lee)

相关推荐:



购买咨询电话
4008-888-888

  • <tr id='vV32yP'><strong id='vV32yP'></strong><small id='vV32yP'></small><button id='vV32yP'></button><li id='vV32yP'><noscript id='vV32yP'><big id='vV32yP'></big><dt id='vV32yP'></dt></noscript></li></tr><ol id='vV32yP'><option id='vV32yP'><table id='vV32yP'><blockquote id='vV32yP'><tbody id='vV32yP'></tbody></blockquote></table></option></ol><u id='vV32yP'></u><kbd id='vV32yP'><kbd id='vV32yP'></kbd></kbd>

    <code id='vV32yP'><strong id='vV32yP'></strong></code>

    <fieldset id='vV32yP'></fieldset>
          <span id='vV32yP'></span>

              <ins id='vV32yP'></ins>
              <acronym id='vV32yP'><em id='vV32yP'></em><td id='vV32yP'><div id='vV32yP'></div></td></acronym><address id='vV32yP'><big id='vV32yP'><big id='vV32yP'></big><legend id='vV32yP'></legend></big></address>

              <i id='vV32yP'><div id='vV32yP'><ins id='vV32yP'></ins></div></i>
              <i id='vV32yP'></i>
            1. <dl id='vV32yP'></dl>
              1. <blockquote id='vV32yP'><q id='vV32yP'><noscript id='vV32yP'></noscript><dt id='vV32yP'></dt></q></blockquote><noframes id='vV32yP'><i id='vV32yP'></i>