在科技发展迅速的今天，虽然电影里的黑科技不可完全复制、粘贴到现实生活中，但科学家们已通过相应的技术原理逐步拉近荧幕与现实的距离。“指纹开金库”、“扫脸抓逃犯”等一些传奇桥段早已走下神坛，披着“指纹解锁”、“刷脸支付”的亲民外衣步入了寻常百姓的日常生活。

　1.什么是生物特征识别技术？

图片来源：千家网（http://www.qianjia.com/html/2017-11/15_279678.html）

生物特征识别技术（Biometrics）是指利用人体与生俱来的生理特性和长年累月形成的行为特征来进行身份鉴定的一种识别技术。该技术的安全性和便捷性远高于口令、密码或者ID卡等传统方式^[1]。

举个例子，只要将你的目标特征（例如指纹和脸蛋儿）通过扫描设备告诉你的手机，从此它就对你死心塌地、忠心耿耿了，除了宝宝本尊，其他任何人都无法解锁。这的确是一件又方便又安全还很酷的事情。

但是，并不是所有的人体特征都可以当作目标特征来用，它必须满足唯一性和稳定性等基本要求。

目前可用于身份识别的人体特征包括指纹、虹膜、面部、掌纹、静脉等生理特征和步态、笔迹、声音等行为特征。

　2.生物特征识别技术的前世今生

Bertillon系统（图片来源：onin.com）

人类利用生物特征的历史可追溯到古代埃及，通过测量人体各部位的尺寸来鉴别身份。

犯罪甄别对身份识别技术的迫切需求是生物特征识别技术发展的重要动力来源^[2]。18世纪末期，巴黎警察局的业务人员Alphonse Bertillon建立了一套完整的基于人体各部位尺寸的分类系统，被称作Bertillon系统。其测量的目标特征包括了头部的长宽、中指长度、左脚长度和前臂长度（从肘部到中指指端）。在那个年代，这种技术作为人体测量学（Anthropometry）受到了广泛关注。1888年，成为新成立的司法身份识别部（Department of Judicial Identity）的最高负责人后，Alphonse Bertillon又引入了指纹这一目标特征。同期，Charles Darwin的表弟、人体测量学家Francis Galton开始研究用指纹识别身份，并计算得出两个来自不同手指的指纹相似的概率是640亿分之一，奠定了指纹唯一性和稳定性的理论基础^[3]。

1892年阿根廷凶杀犯Francisca Rojas的指纹（图片来源：onin.com）

19世纪初期丹麦警察局的指纹信息摩斯码（图片来源：onin.com）

20世纪60年代起，随着计算机和无线通信技术的发展，美国、英国和法国都开始研究自动指纹识别系统（Automatic Fingerprint Identification System, AFIS）^[4]，利用现代计算机技术实现指纹自动识别，从而节省人力、提高效率。

此后，针对不同目标特征的身份识别技术得到突飞猛进的发展，相关研究也变得更系统化。1964至1965年，数学与计算机学家Woody Bledsoe等对基于现代计算机的人脸识别技术进行大量研究^[5]。1987年，眼科专家Aran Safir和Leonard Flom首次提出利用虹膜图像进行自动虹膜识别^[6]。1991年，美国洛斯阿拉莫斯国家实验室的Johnson R. G.完成自动虹膜识别系统^[7]。

近年来，以深度学习算法为基础的计算机技术日渐成熟，为生物特征识别提供了强大的计算和分析能力，其准确率得到提升，尤其是指纹识别、人脸识别和虹膜识别，识别准确率均已超过了95%。

我国是世界上最早运用指纹的国家之一。据《睡虎地秦墓简》记载，在2000多年前的秦朝，“公安人员”凭借“手迹六处”破获了一起盗窃大案。20世纪初近代指纹学传入中国。新中国成立后，1956年统一使用《中国指纹分类系统》。20世纪90年代初，国内开启对于自动生物特征识别技术的研究。经过近30年的不懈努力，各项识别技术已成应用体系，多个领域已经处于世界先进水平。2016年世界人脸识别的最高准确率99.5%即由我国Face++团队创造。

目前，我国拥有世界上准确率最高的人脸识别算法、最小的虹膜识别模组（经过封装的独立功能模块，可兼容多种设备平台，以便快速进行二次开发，满足不同的应用需求），不少厂商也已拥有指纹识别自主算法及核心专利。

3.多光谱掌纹识别技术

虹膜、人脸、指纹识别过程中，都有可能出现数码相片、3D打印的冒牌货顶替上位的情况，那么，还有更多可供识别的生物特征吗？当然有！最新研究热门——多光谱掌纹识别，了解一下。

光波在皮肤组织种的传播特性：不同波长的光波可以到达不同深度的皮层（图片来源：李超）

多光谱掌纹识别是一种新型的生物特征识别技术。它以人体的掌纹作为目标特征，通过多光谱成像技术采集生物信息。受限于光波在皮肤组织中的传播特性，波长较短的可见光波（380-780nm）只能到达人体皮肤组织的真皮层，采集的信息仅限于掌纹纹线。而多光谱相机的光波涵盖了部分近红外波段（780-3000nm），可以采集到更深层次的皮下组织的光学特征信息，也就是隐藏于真皮层与皮下组织之间的静脉纹络。

多光谱掌纹识别流程图（图片来源：李超）

尽管被冠以“掌纹”的名号，但其实多光谱掌纹识别算得上是多模态和多种目标特征融合的生物特征识别技术的典范。这种新技术将皮肤光谱、掌纹纹路与静脉脉络三种可识别特征结合，一次性提供更加丰富的信息，增加了目标特征的可区分度。根据中国科学院声学研究所、法国Le2I实验室和日本本田研究院的最新研究成果^[8]，该项技术的识别精度可以达到99.9%以上，远超常规的指纹和人脸等识别方式。

皮肤组织光谱（实线）与非皮肤组织光谱（虚线）的差异性比较（图片来源：参考文献[10]）

基于Kubelka-Munk理论的光波与皮肤组织交互模型表明，人类皮肤组织对特定波长光线的反射能力取决于皮层厚度、血红蛋白浓度和氧饱和度等参数^[9]。因此，皮肤组织的光学特性与人工材料有着天壤之别。在多光谱成像的过程中可以轻易采集到目标特征的光谱信息，利用皮肤组织独有的光学特性，配上合适的辨别方法，就可以准确区分人类皮肤与人工材料。以现有的模式识别技术，区分精度可高达96.4%^[10]，使得基于木质纤维、硅胶、塑料等人工材料的仿制品无处遁形。

更重要的是，目前尚未出现关于成功制造出光学特性能够以假乱真的人工合成皮肤的报道。也就是说，即便是用户的目标特征信息被泄露，想要做出可以骗过多光谱扫描设备的仿制品，需要付出高昂的时间、技术和经济成本，相对于触手可及的数码相机或3D打印机，这几乎是一件不可能完成的任务。因此，多光谱掌纹识别具有更高的安全性。

结语

随着现代科技的飞速发展，越来越多“高大上”的生物特征识别技术将从电影屏幕走进现实生活。更多像多光谱掌纹特征这样的新型目标特征将被开发利用，惠及各行各业，我们的生活也将因此变得更加便捷。

参考文献

[1] Uludag U, Pankanti S, Prabhakar S, et al. Biometric Cryptosystems: Issues and Challenges. Proceedings of the IEEE, 2004, 92(6):948-960.

[2] The History of Fingerprints. http://onin.com/fp/fphistory.html.

[3] Francis Galton and Fingerprints. http://www.galton.org/fingerprinter.html.

[4] Automated Fingerprint Identification. https://en.wikipedia.org/wiki/Automated_fingerprint_identification.

[5] Facial Recognition System. https://en.wikipedia.org/wiki/Facial_recognition_system.

[6] Aran Safir : Iris Recognition System. http://www.invent.org/honor/inductees/inductee-detail/?IID=484.

[7] Johnson, R.G. Can Iris Patterns be Used to Identify People? In: Chemical and Laser Sciences Division LA-12331-PR, Los Alamos National Laboratory, Los Alamos, Calif. (1991).

[8] LI Chao, Benezeth Yannick, Nakamura Keisuke, GOMEZ Randy, YANG Fan. A Robust Multispectral Palmprint Matching Algorithm and Its evaluation for FPGA Applications. Journal of Systems Architecture(Volume 88, August 2018, Pages 43-53).

[9] LI Chao, Brost Vincent, Benezeth Yannick, Marzani Franck, YANG Fan. Design and evaluation of a Parallel and Optimized Light-Tissue Interaction-based Method for Fast Skin Lesion Assessment. Journal of Real-Time Image Processing, 2015, 1-14.

[10] CHEN Wei, Ardabilian Mohsen, Zine Abdelmalek. Reflectance Spectra based Skin and Non-Skin Classification Image Processing. 2015 IEEE International Conference on Image Processing, 2015, 755-759.