report
活動+

生物辨識技術各分類研究與發展分析

  • DIGITIMES企劃
傳統ID加密碼的人身辨識模式,面對越來越危險的資安環境,已經不夠,所謂「盜電腦帳號」的情況時有所聞。

前言:生物辨識技術雖然已經發展許久,但是指紋辨識還是生物辨識的最大宗,不過指紋辨識的發展雖然相對較成熟,仍有不少局限性,這也帶給其他生物辨識方式發展的契機,因此在指紋辨識利用IT技術與光學技術得到前所未有的進步發展後,臉像、虹膜、語音、氣味、掌型、靜脈等生物辨識特徵,易開發出許多可實際應用的生物辨識系統。

本文:

 點擊圖片放大觀看

資料來源:IBG,DIGITIMES整理,2010/3。

資料來源:IBG,DIGITIMES整理,2010/3。

虹膜辨識為目前單一生物辨識技術中最精準的方式,不過因為成本等因素無法快速普及。LG

人臉辨識不但應用在安全產業,消費性電子產業也有相當多的應用之處,例如數位相機。NIKON

生物辨識的應用領域甚廣,而在更強的維安需求下,準確度等要求也不斷提升。LG

生物辨識與所有身分認證機制一樣,必須能夠達到身份辨認(Identification或Recognition)與身份驗證(Verification)的能力,即從所有的目標物中,篩選出正確的身分,並且能夠合理無誤的確認該目標的身分為真實。

當然,沒有完全100%精確的保全機制,因此對於生物辨識系統的精確度來說,必然有容許誤差值的參數存在,主要有兩類,地一種為接受誤差率(FAR;False Acceptance Rate),定義是指,目標物為非法使用者,但卻能異常通過身分辨識的比率;一為拒絕誤差率(FRR;False Rejected Rate),是指合法使用者,卻無法正常通過身分辨識的比率。

FAR太高會明顯影響安全性,FRR太高則會影響使用者對系統的信任度及使用的便利度,所以一般實務上會取兩者交集的最小值,亦即交叉誤差率(CER;Crossover Error Rate)做為平衡點。各種技術要求不太一樣,若以最普遍的指紋辨識為例,會控制在FAR約小於0.001%,FRR小於3%。

生物辨識雖然有這樣的誤差率,但會在911之後被攸關國家保安重任的各國本土維安部門採用,還是其安全性遠比相同可靠性等級的「ID+密碼」之辨識方法安全性高得多。例如採用四位數字密碼的系統,不安全機率為0.01%,若採用FAR為0.01%指紋辨識系統相比,一個人可在一段時間內試驗出四位數密碼,利用電腦技術會更快,但是幾乎絕對不可能找到一千個人並尋找出符合之手指。

生物辨識技術整體產業與技術發展概況

生物辨識技術發展至今,利用生理特徵為大宗,有指紋辨識(Fingerprint Recognition)、人臉(Face Recognition)、虹膜(Iris Recognition)、靜脈紋(Vein Recognition)等等,而利用人類行為則有聲音、簽名甚至步行軌跡等各種模式。臉型與指紋辨識技術其便利性優於虹膜辨識;因臉型辨識技術擁有不需接觸受測者及非侵入性之特性,其便利性與接受度又高於需要受測者接觸驗證儀器的指紋辨識。

而虹膜辨識因具高度侵入性之特性,故便利性及接受性就相對較低。換句話說,許多身分特徵雖然具備了獨一無二等等生物辨識所需要的特性,但是必須能夠利用儀器輕易判讀,加上後續的資料庫與演算法能夠搭配,並且降低到合理成本,才能為市場接受。

在技術總覽的角度,以生物特徵與行為模式兩種生物辨識整體來看,各種技術的發展軌跡差異頗大。目前生物辨識核心技術的發展,指紋辨識佔技術研發比率超過50%,第二名則是行為辨識中的簽名辨識佔技術,約21%,第三名又回到生理辨識的臉部辨識,佔有比率約16%;準確度最高的虹膜辨識,目前佔有率雖有提昇,但仍僅9%未達一成。

故市面上以指紋辨識技術較成熟,市場占有率最高,其次則為成長速度最快的臉部辨識技術。虹膜辨識的準確度最高,但是由於使用上必需以紅外線掃描眼球,在價格及安全性的考慮下,雖有一定的市場,並不容易發展成為大眾化的產品,相對的市場占有率也就無法迅速拓展。

其餘生物辨識科技則仍受一般消費者的使用習慣、可接受度以及經濟價格因素影響,成長較緩慢。所以整體而論,以技術研發與市場佔有率綜合觀察,生物辨識技術發展至今,目前生物辨識技術之主流技術為指紋辨識、臉型辨識、虹膜辨識為主要三類,如加入行為辨識的簽名則為四類。

未來發展方面,根據工研院IEK的研究指出,指紋辨識仍是全球生物辨識的主要應用技術,2009年,自動化指紋辨識、指紋辨識及臉形辨識技術營收比例最高,三項技術合計78%的市場營收比例,預估到了2014年,三項技術的市場營收比例仍將維持在77%。未來五年,指紋辨識及臉形辨識產品的市場營收比例將逐年成長。

指紋辨識

指紋辨識為目前最普遍的生物辨識機制,以市佔率而論超過六成以上。指紋辨識的原理是每個人的指紋都有其紋路之特徵,即指紋中紋脊及紋谷之分佈型態,如紋脊端點(ridges end)、分叉點(split)、分叉又接合點(split and join)或僅為一個點狀,被稱為細微特徵(minutiae),而這些細微特徵為指紋比對辨識系統之主要工具。

指紋辨識的步驟首先是樣本擷取,即對指紋影像的取得與儲存,採樣的技術主要有三種,分別是利用光學,半導體和超音波等技術。光學技術主要有吸收全內部反射式(Frustrated TotalInternal Reflection,FTIR)、片狀稜鏡之FTIR式、光纖(Optical fibers)式、光電式(Electro-optical)、直讀式(direct reading),等,每一項光電技術雖不同,主要基礎技術為利用CCD攝取指紋樣本,其品質是目前最受肯定的,但是相對卻較昂貴,而且容易受環境,例如汙垢、塵土或油汙等影響而造成取樣誤差大。

半導體模式有電容式(capacitive)、熱感式(thermal)、電場式(electric field)、壓電式(piezoelectric)等,技術差異較大,例如電容採樣則是利用電容偵測指紋所產生的電磁場而取得指紋樣本,較不易受到汙垢等環境因素影響。

超音波式則為係以朝手指送出音響(acoustic)訊號,並擷取其回響(echo)訊號,包含發出短波音響之輸送器(transmitter)及接收由手指反射回響之接收器所成。利用超音波技術則能得到非常精確的指紋樣本,因為就算滿手指汙穢,仍能得到相當高品質的指紋特徵,但是目前技術因為成本等因素,仍未廣泛被使用。

經過採樣後的指紋影像文件一般有256KB,過去如果需要保存高品質的指紋影像,則必需有高容量的記憶體。但在新的指紋獲取技術下並不需要保存完整高品質的指紋影像,只需要把指紋的一些特定的數據轉換成一個相對較小的指紋特徵碼。

因此現代指紋辨識在原始資料建檔完畢後,遇到一個需要便是的指紋目標,最重要步驟就是特徵碼的提取,這個過程是指紋辨識技術的核心,指紋特徵被提取後,會捨棄不必要的部份,並且加以精細化,例如精確的定位脊斷點和分岔。

不過,即使是精細化之後的特徵影像,當然也會存在著細節變形和錯誤細節,例如常見的由疤痕,汗液或灰塵導致的細節異常,需要作更進一步的處理,將其中的錯誤細節更正或捨棄掉,才算是處理完成。

接著是指紋特徵與資料庫進行對比與驗證,過去需要人工比對,現在則由於IT科技的進步,可以加速比對,相對的,資料庫的完整性就變得更為重要。

指紋辨識的缺點以及實務改良

指紋這項生物辨識科技自古人開始按指印作為契約憑證之時,就已經走入人類社會中,因此大部分人對於指紋辨識這項科技也都有一定程度的認識,所以對於如何挑戰這項技術,也有許多有心人士研究,例如指紋可能利用橡膠或是粘土之類的材質複製或重製;其次,指紋辨識的儀器使用後,可能會有指紋之潛像(latent print)殘留在掃描機觸,可能會被利用加以偽造。

還有指紋辨識的普及,讓許多犯罪者或是有心人士知道戴手套等方式避免留下指紋,而在大規模傳染病的威脅下,接觸式的指紋辨識掃瞄器可能有傳染病的衛生顧慮,甚至僅留下指尖的油脂堆積都可能讓其他使用者覺得不舒服。

針對前述的各種問題,指紋辨識技術採去的對抗措施有許多項,例如加入可檢驗或是感測真假手指的裝置,實際作法為感應手指的溫度,或是檢驗皮膚表層的導電度。辨識時可以採用隨機變換成要求輸入另一隻手指的模式,或是指允許特定指紋機所取得的指紋,才能作為身分辨識的標的。此外可以採用感應式的非接觸型指紋機,或是指紋機能夠自動清潔或是加上保護層,除了避免前述的衛生顧慮,也可以避免油脂干擾辨識。

人臉辨識

人臉辨識的發展在近幾年突飛猛進與目前IT技術下,影像輸入與高速影像處理能力的發展,有密切的關係,因為人臉辨識主要依靠的,是透過攝影機擷取人臉部的特徵與五官,再經過演算法確認,即從複雜背景中判斷出特定人物臉孔的任務,首先必須從一複雜背景影像中成功偵測出所有可能的人臉後,再從該些人臉逐一進行判斷是否為某特定人物臉孔的程序。

例如當從CCD中所擷取到的彩色影像時,若是直接拿整張影像的資訊來偵測人臉時,其所需耗費計算的時間是很驚人的。因此,如可以先對影像中一些不可能為人臉的資訊給予去除,則可節省需多計算的時間。由於人臉的部份其膚色佔多數,所以可以經由概略地統計出膚色在數位影像中之數值範圍,其用來做為刪除一些不需要之影像資訊的第一門檻,可以大大地提升人臉偵測速度。

經由CCD 所取得的影像,其色彩模型為R(紅)、G(綠)、B(藍)。不過由於RGB 之色彩模型易受光線影響,故不宜用來做膚色之篩選,因此得先對RGB色彩模型轉換成另一種不易受光線影響的色彩模型,這些色彩模型有HSV 及YCbCr 等。過濾之後的影像通常都會有很多的雜訊,所以必須想辦法將其雜訊給予去除。目前消除雜訊的方法有很多種,舉如:平滑法、中值法、頻率域濾波器等等。在影像經過膚色過濾之後,將所留下的膚色影像做影像二值化。

當通過人臉候選區之選取之後,將可能為人臉的區域逐一記錄起來。有了這人臉候選區之資訊,再去比對原圖之灰階影像區域做特徵濾波器一之篩選。由於人臉候選區的大小不一,為了之後的人臉特徵判斷或者是最後的類神經運算,必須將其所有人臉候選區的大小給予正規化,使其大小一致。

前述的偵測人臉只是人臉辨識的第一個步驟,但是卻相當的重要,因為如果人臉偵測成功率很高,可以讓人臉辨識成為公眾的無接觸式安全機制,例如將視訊裝置安裝在公眾來往處掃瞄行人,被掃瞄者不會感覺被侵犯,但是卻能夠達成維安的目的。

人臉辨識在臉部形象確認後,判讀能力卻不僅僅是比對資料庫這麼簡單,因為人臉可能因為表情、年齡、化妝等因素,而有些微的改變,但是這些微小的改變,卻可能成為判讀成敗的關鍵。因此人臉辨識除了基本的人臉定位、雙眼偵測、傾斜人臉校正、光線補償、正規化這些基本步驟外,各技術研究者或各廠商也加入了一些特別的技術,增強成功率。

虹膜辨識

虹膜辨識會成為生物辨識的後起之秀,主要的關鍵在於每個人的虹膜結構皆不相同,對同一個人而言,左右兩眼的虹膜區別也十分明顯。虹膜組織包含的資訊比人體任何部位還要多。虹膜共有240個獨特處,相較於臉部則約有80個獨特處、指紋的獨特處只有20至40個。因此,要找出虹膜編碼相同的機率為10的78次方之一,全世界幾乎找不到第二個虹膜相同的人,就連雙胞胎也是。一般人自兩歲之後,虹膜就已經發展完成,此後即不會改變。

虹膜辨識由於是內生物特徵,因此很難偽造,而且使用者不需要跟設備直接接觸(偵測方法是利用光線或紅外線打在眼球上),再對照虹膜優異的FAR與FRR,但目前的普及率尚待努力,原因在於非技術性的因素,例如需要將光線打在眼球上,對被測者而言排斥性會較強,且目前並沒有數據指出,頻繁使用化的情況下,是否會對眼球造成傷害。

此外,虹膜可能受到眼部疾病的傷害而改變,而且其設備的成本比較高,因此較無法大量普及,例如筆記型電腦可以安裝偵測模組而利用指紋辨識加以保全,甚至目前多數的新世代筆記型電腦都有網路攝影機,只要加入對應軟體,也可以勝任初階的臉部辨識系統,但是目前都還無法將虹膜辨識納入筆電的保全規格中,即可看出差異。

生物辨識研究與專利現況

根據工研院IEK的研究指出,台灣的生物辨識產業可分為感測器研發、演算法及軟體設計、產品應用設計、生產製造以及代理行銷等五大類別;產品仍以門禁系統或差勤管理系統為主,另外則是利用生物辨識技術作為個人資訊身份驗證解決方案,或是選擇將感測器與演算法整合成系統辨識模組,形成關鍵零組件銷售策略。

整個生物辨識產業發展上,主要還是受惠於電子產業的發展經驗,在設計與精密製造技術、資訊產品開發能力及快速量產能力都擁有高度競爭優勢。然而,由於台灣本土市場小,國外廠商挾品牌優勢,中國大陸低價產品的競爭、國內產品的標準規格問題,以及民眾對辨識技術產品的接受度等都可能是產業發展上的隱憂。

在專利研發上,更是歐美日廠的天下,美國為全球生物辨識技術專利領先國家、日本次之;技術上指紋辨識為生物辨識最大宗技術,臉型與語音辨識次之,美國為指紋、臉型、語音辨識及技術通論之技術影響力最高國家亦為為指紋、臉型、語音辨識及技術通論之科學強度最高國家。除美、日生物辨識技術專利大國外,歐洲國家於歐洲專利表現較佳,亞洲國家則於美國專利表現較佳。