（2021年7月19日，北京）在近日舉辦的 ICME 2021 上，墨奇科技 CEO 及聯(lián)合創(chuàng)始人邰騁、墨奇科技 CTO 及聯(lián)合創(chuàng)始人湯林鵬受邀發(fā)表 Tutorial 演講，介紹了如何將指紋識(shí)別問(wèn)題轉(zhuǎn)化為高精度圖像搜索問(wèn)題，基于先進(jìn)的多尺度特征表示、極少樣本的自學(xué)習(xí)框架、超高性能的異構(gòu)搜索系統(tǒng)，首次實(shí)現(xiàn)了無(wú)需細(xì)節(jié)特征的指紋比對(duì)系統(tǒng)，達(dá)到 20 億量級(jí)上的秒級(jí)、高精度、自動(dòng)化比對(duì)，并揭示了這一技術(shù)泛化到其他自然圖像和非結(jié)構(gòu)化數(shù)據(jù)上的可能性。

演講還介紹了利用多目視覺(jué)和結(jié)構(gòu)光的非接觸指紋采集技術(shù)的原理，以及下一代保護(hù)隱私的生物識(shí)別技術(shù)特性和實(shí)現(xiàn)途徑探索。

指紋識(shí)別傳統(tǒng)方法的挑戰(zhàn)、基于機(jī)器學(xué)習(xí)的改進(jìn)與局限性

指紋識(shí)別是一種典型生物特征比對(duì)方式，一般來(lái)說(shuō)有兩種類型任務(wù)：第一種是驗(yàn)證，也稱之為 1：1 的比對(duì)，是看這個(gè)人是不是他所宣稱的人，例如手機(jī)解鎖等，這相對(duì)比較容易。第二種是識(shí)別，也稱之為 1：N 的比對(duì)，要回答的是這個(gè)人是誰(shuí)。從以下系統(tǒng)錯(cuò)比率和漏比率就可以看到，1：N 的問(wèn)題比 1：1 的問(wèn)題要困難得多，而且隨著庫(kù)容增大，這一問(wèn)題會(huì)變得更加困難。

現(xiàn)有的比對(duì)系統(tǒng)主要是基于衡量輸入的相似度取閾值，一個(gè)真的比對(duì)分?jǐn)?shù)是比較高的，通常會(huì)形成偏右的分布。而錯(cuò)誤比對(duì)的分?jǐn)?shù)會(huì)比較低，形成偏左邊分布。這兩個(gè)分布可能有重疊，所以系統(tǒng)會(huì)犯兩種錯(cuò)誤：錯(cuò)比（false match/false accept）：把不同的人當(dāng)成同一個(gè)人；漏比（false nonmatch/false reject）：把同一個(gè)人當(dāng)成不同的人。以下公式中，下標(biāo) N 是指有 N 個(gè)人的 1：1 的識(shí)別，可以看到兩類系統(tǒng)漏比率基本相當(dāng)，而錯(cuò)比率 1：N 系統(tǒng)近似于是 1：1 系統(tǒng)的 N 倍。

現(xiàn)場(chǎng)指紋（latent-print）比對(duì)是一個(gè)典型的1：N 識(shí)別的問(wèn)題，對(duì)這一問(wèn)題，傳統(tǒng)指紋系統(tǒng)尚未能很好地解決。傳統(tǒng)指紋識(shí)別方法主要有三方面問(wèn)題：如何實(shí)現(xiàn)現(xiàn)場(chǎng)指紋圖像自動(dòng)增強(qiáng)、如何進(jìn)行畸變校正，如何加速流程實(shí)現(xiàn)在大庫(kù)中的快速比對(duì)。

這三方面問(wèn)題存在于指紋識(shí)別的不同環(huán)節(jié)：

• 首先是采集環(huán)節(jié)，通過(guò)指紋傳感器采集指紋信息，通常分為人員指紋和現(xiàn)場(chǎng)指紋兩類，其中，人員指紋（tenprint）通過(guò)人員主動(dòng)參與獲得（例如油墨按捺或滾動(dòng)），通常質(zhì)量較高，而現(xiàn)場(chǎng)指紋（latent-print）需要借助粉塵顯影等方式顯現(xiàn)，圖像質(zhì)量往往較差，通常需要進(jìn)行圖像增強(qiáng)后才能使用。

• 第二個(gè)環(huán)節(jié)是通過(guò)圖像增強(qiáng)進(jìn)行特征提取。在傳統(tǒng)指紋識(shí)別流程中需要提取細(xì)節(jié)特征點(diǎn)（minutia），即一些帶有方向的點(diǎn)，包括端點(diǎn)和分叉點(diǎn)等，用于比對(duì)相似性。這一環(huán)節(jié)需要使用方向估計(jì)（orientatioin estimation）（如傅里葉近似法或梯度法）、使用 Gabor 濾波器進(jìn)行圖像平滑、去除假特征等圖像增強(qiáng)操作，以獲得細(xì)節(jié)特征。然而對(duì)于現(xiàn)場(chǎng)指紋，有時(shí)圖像增強(qiáng)不佳，過(guò)度壓縮，反而把真正的細(xì)節(jié)特征給去除了。

• 第三個(gè)環(huán)節(jié)是細(xì)節(jié)特征比對(duì)，在對(duì)需要比對(duì)的兩個(gè)模型做細(xì)節(jié)特征對(duì)齊（alignment）后，對(duì)比對(duì)數(shù)量和精度進(jìn)行評(píng)分，并設(shè)置閾值，以獲得相似性分?jǐn)?shù)。然而傳統(tǒng)指紋系統(tǒng)這一環(huán)節(jié)依賴于專家對(duì)細(xì)節(jié)特征進(jìn)行人工標(biāo)注，技術(shù)門檻很高，效率卻很低。

針對(duì)這些問(wèn)題，近年來(lái)，研究者們?cè)诶脵C(jī)器學(xué)習(xí)技術(shù)來(lái)改進(jìn)傳統(tǒng)的指紋識(shí)別上做了大量的工作，包括利用生成對(duì)抗網(wǎng)絡(luò)（GAN）進(jìn)行現(xiàn)場(chǎng)指紋圖像增強(qiáng)，使用基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）進(jìn)行畸變校正，以及通過(guò) FingerNet 端到端細(xì)節(jié)特征提取方法直接從圖像中提取特征點(diǎn)。這些基于深度學(xué)習(xí)的方法是對(duì)傳統(tǒng)方法的一種改進(jìn)。

然而，這些方法在精確度、訓(xùn)練數(shù)據(jù)和性能上仍存在局限：

• 第一，在精確度上，由于這些方法都是基于細(xì)節(jié)特征，而細(xì)節(jié)特征本身的精度就有限，只覆蓋了指紋信息中的一小部分，曲率和幾何信息都丟失了。只使用了細(xì)節(jié)特征的系統(tǒng)，隨著數(shù)據(jù)庫(kù)大小的增加，準(zhǔn)確率會(huì)迅速下降，即“大庫(kù)衰減”現(xiàn)象。

• 第二，這些方法需要大量的訓(xùn)練數(shù)據(jù)，但是這些數(shù)據(jù)并不易于獲得，而通過(guò)合成數(shù)據(jù)訓(xùn)練的模型通常并不能很好地應(yīng)用到真實(shí)數(shù)據(jù)中。

• 第三，在性能表現(xiàn)上，仍不能達(dá)到預(yù)期，尤其在大型數(shù)據(jù)庫(kù)比對(duì)上花費(fèi)的時(shí)間過(guò)長(zhǎng)。

新一代指紋識(shí)別技術(shù)：將指紋比對(duì)問(wèn)題轉(zhuǎn)化為高精度圖像搜索問(wèn)題

墨奇科技一直致力于探尋新的技術(shù)路徑來(lái)解決這些問(wèn)題，并發(fā)現(xiàn)了一種可行的方式：除了傳統(tǒng)細(xì)節(jié)特征外，指紋上還有很多信息，例如紋線的曲率、疏密分布、宏觀的走向、拓?fù)浣Y(jié)構(gòu)等等，這些信息對(duì)于身份識(shí)別都很重要。如果指紋比對(duì)看作一個(gè)特殊的圖像搜索問(wèn)題，就會(huì)發(fā)現(xiàn)解決問(wèn)題的關(guān)鍵在于多尺度表示，即對(duì)不同信息運(yùn)用不同尺度予以表示。然而圖像搜索問(wèn)題更多是相似性搜索問(wèn)題，對(duì)于準(zhǔn)確率的要求遠(yuǎn)沒(méi)有指紋比對(duì)這么高。

圖：多尺度特征

那么如何實(shí)現(xiàn)高精度的圖像搜索呢？

首先需要一個(gè)更有效的數(shù)學(xué)框架為指紋圖像構(gòu)建最佳的多尺度表示，可以更搜索友好而非壓縮友好，讓高精度、高性能的圖像搜索成為可能。這里運(yùn)用的是自適應(yīng)小波框架。新的表達(dá)方法具有三個(gè)顯著優(yōu)勢(shì)：一是可以學(xué)習(xí)向量、圖和標(biāo)簽的多尺度特征。二是更容易構(gòu)造多個(gè)特征。例如，在從像素到整體圖像的每一個(gè)中間尺度上，都提取了標(biāo)簽（label）、向量（vector）和圖（graph）等不同的特征，極大地?cái)U(kuò)充了指紋信息。三是表示更具冗余性，并且具有完全重構(gòu)特性，因此，可以對(duì)其應(yīng)用不同的操作以獲得更多特征，例如一個(gè)點(diǎn)在不同尺度上，可以包含標(biāo)簽等信息。

其次，只需要極少樣本的自學(xué)習(xí)框架，讓系統(tǒng)可以自學(xué)習(xí)。單張圖片的訓(xùn)練信號(hào)大大增加，因而學(xué)習(xí)所需的標(biāo)記數(shù)據(jù)很少；給定一對(duì)指紋圖像，在全部尺度都可以開(kāi)展學(xué)習(xí)；當(dāng)專家使用系統(tǒng)時(shí)，會(huì)不斷提供匹配/非匹配對(duì)，從而實(shí)現(xiàn)系統(tǒng)自驅(qū)動(dòng)；特征具有局部性，無(wú)需再使用細(xì)節(jié)特征。因而，適應(yīng)多尺度特征的 AI 自學(xué)習(xí)框架，能夠從搜索候選中不斷自學(xué)，達(dá)到無(wú)監(jiān)督學(xué)習(xí)。

另外，超高性能的異構(gòu)系統(tǒng)和架構(gòu)，讓準(zhǔn)確性和速度提升。專門用于視覺(jué)搜索的異構(gòu)多層分布式系統(tǒng)，針對(duì)多尺度特征進(jìn)行了優(yōu)化。在比對(duì)過(guò)程中，向量和標(biāo)簽被首先分配到 GPU/NPU 中去，利用其強(qiáng)大的并行計(jì)算能力，對(duì)特征進(jìn)行初步的比對(duì)和過(guò)濾；對(duì)結(jié)果使用 CPU 進(jìn)行圖等幾何特征的比對(duì)和精確匹配，以及對(duì)于多種算法的候選列表進(jìn)行再排序以優(yōu)化最終的結(jié)果，最終實(shí)現(xiàn)指紋圖像的高速比對(duì)。

上圖：需要人工標(biāo)注細(xì)節(jié)特征

下圖：無(wú)標(biāo)注比對(duì)自動(dòng)搜索指紋圖像相似的區(qū)域

憑借這些底層的技術(shù)創(chuàng)新，墨奇科技的新一代指紋識(shí)別系統(tǒng)徹底改變了傳統(tǒng)系統(tǒng)的工作流程，且突破性地不需要人工標(biāo)注，與現(xiàn)有絕大部分依賴人工的指紋系統(tǒng)都有本質(zhì)的差別。

以前，人們必須去現(xiàn)場(chǎng)收集指紋，帶回到辦公室，讓指紋專家標(biāo)記特征并將這些模板發(fā)送到系統(tǒng)進(jìn)行比對(duì)、等待結(jié)果。而現(xiàn)在只需要在現(xiàn)場(chǎng)用一些攝影設(shè)備（例如手機(jī)）來(lái)拍攝指紋，就可處理更多特征數(shù)量和特征維度，但比對(duì)效率和響應(yīng)速度卻更高，可以秒級(jí)返回高精度結(jié)果，突破性地實(shí)現(xiàn)了 20 億量級(jí)大庫(kù)的秒級(jí)、高精度、自動(dòng)化比對(duì)。這一技術(shù)目前已運(yùn)用到了指紋以外的更多圖像，如掌紋識(shí)別上，未來(lái)還可能推廣到更廣泛的圖像搜索應(yīng)用中。

相較于傳統(tǒng)系統(tǒng)，雖然墨奇科技下一代指紋識(shí)別系統(tǒng)需要處理的特征數(shù)量和特征維度更多，但比對(duì)效率和響應(yīng)速度卻更高?；谝陨系募夹g(shù)突破，該系統(tǒng)是目前行業(yè)內(nèi)比對(duì)速度更快、精度更高的系統(tǒng)，同時(shí)降低了大庫(kù)衰減率。

新一代指紋采集技術(shù)：將指紋采集升級(jí)到非接觸 3D 時(shí)代

疫情期間，非接觸指紋采集和識(shí)別技術(shù)受到越來(lái)越多的關(guān)注。傳統(tǒng)指紋采集大多是接觸式的，需要手指按壓在儀器表面。而非接觸指紋采集具有更明顯的優(yōu)勢(shì)：

• 一是因?yàn)檫@種技術(shù)能夠提供更高質(zhì)量的指紋圖像，包括采集更多 3D 信息和更大的指紋面積，且與傳統(tǒng)接觸式不同，無(wú)需擔(dān)心不同油墨量會(huì)影響指紋質(zhì)量，按壓過(guò)程中也不會(huì)出現(xiàn)非均勻畸變。

• 二是因?yàn)檫@種技術(shù)對(duì)用戶更友好，采集速度更快、更便捷、更衛(wèi)生，并且不需要非常專業(yè)的操作人員協(xié)助指導(dǎo)。

非接觸式指紋技術(shù)涉及到幾個(gè)關(guān)鍵技術(shù)，包括三維曲面重建和三維到二維曲面映射。指紋三維曲面重建目前主要有兩種方案：第一種是利用多目視覺(jué)技術(shù)，在指紋采集時(shí)，手指的每一部分都需要出現(xiàn)在至少兩個(gè)攝像頭的視野中；另外一種則基于結(jié)構(gòu)光技術(shù)，通過(guò)向被測(cè)物體表面投射特定圖案的光線，通過(guò)對(duì)光的反射構(gòu)建三維曲面。

墨奇科技提出了將多目視覺(jué)和結(jié)構(gòu)光結(jié)合使用的新方法。其中，多目視覺(jué)聚焦于中間部分，結(jié)構(gòu)光聚焦于邊緣部分，并與多目視覺(jué)的三維結(jié)果進(jìn)行交叉驗(yàn)證，這樣就實(shí)現(xiàn)了從不同角度對(duì)指紋的三維曲面進(jìn)行高精密度的重建。

圖：多目視覺(jué)技術(shù)+結(jié)構(gòu)光

三維到二維曲面映射技術(shù)，主要有兩種展開(kāi)方式：參數(shù)化展開(kāi)和非參數(shù)化展開(kāi)。參數(shù)化展開(kāi)將手指看做一個(gè)圓柱體，將圓柱體從三維鋪平到二維平面。該方法簡(jiǎn)單有效，但是它無(wú)法保持手指垂直方向上的曲線距離，況且指尖部分也和圓柱體有很大的不同，所以會(huì)有有很多失真和誤差。非參數(shù)化展開(kāi)實(shí)際上是模擬手指如何在平面上展開(kāi)，構(gòu)建從三維表面到二維平面的非參數(shù)映射。這種方法需要的計(jì)算量更大，對(duì)三維曲面的精度要求也更高。

墨奇科技組合運(yùn)用了這兩種方式。

圖：墨奇首創(chuàng)了高圖像質(zhì)量的非接觸式指紋掃描儀

第一行左邊結(jié)果來(lái)自傳統(tǒng)的掃描儀

中間圖像來(lái)自墨奇非接觸指紋掃描儀

第二行來(lái)自業(yè)界其他非接觸設(shè)備

基于這些技術(shù)，墨奇首創(chuàng)了高圖像質(zhì)量、與滾動(dòng)捺印采集面積相當(dāng)?shù)姆墙佑|式指紋掃描儀。它融合了世界領(lǐng)先的非接觸光學(xué)采集技術(shù)和三維視覺(jué)技術(shù)，通過(guò)高精度曲面重建算法，使手指表面三維建模達(dá)到亞毫米精度，擁有采集速度快、采集質(zhì)量高、無(wú)需滾動(dòng)捺印、無(wú)形變、采集面積更大等核心優(yōu)勢(shì)，是國(guó)際領(lǐng)先、國(guó)內(nèi)首創(chuàng)的自主科技創(chuàng)新成果，將指紋技術(shù)全面升級(jí)到非接觸 3D 時(shí)代。

保護(hù)隱私的生物識(shí)別技術(shù)

生物識(shí)別技術(shù)在許多應(yīng)用中帶來(lái)了便利和安全，但另一方面，對(duì)由此引發(fā)的隱私問(wèn)題的關(guān)注也在不斷增長(zhǎng)，而且重要日益凸顯。和密碼不同，生物特征與每個(gè)人都永久相連，具有終生不變的特性，一旦泄露就永遠(yuǎn)泄露。因此，生物特征識(shí)別技術(shù)需要一種更有效的隱私保護(hù)機(jī)制。

用戶的原始特征和采集到的模板都是用戶的隱私信息，都應(yīng)該被保護(hù)。用來(lái)比對(duì)的是使用變換函數(shù)變換后的特征，并只將變換后的特征存在數(shù)據(jù)庫(kù)里。對(duì)照密碼常使用的哈希加密，我們可以用類似的方法，使用加密哈希變換和存儲(chǔ)生物特征信息嗎？

實(shí)際上，典型的哈希函數(shù)在生物特征識(shí)別上并不起作用，因?yàn)樯锾卣鲾?shù)據(jù)會(huì)隨著時(shí)間變化，例如同一個(gè)人的指紋可以有不同的形狀和面積，面部圖像可以有不同的角度和亮度，虹膜數(shù)據(jù)也可能隨睜眼或閉眼而變化，而例如用一個(gè) SHA256 的哈希值，即使原始數(shù)據(jù)改變了一位，哈希值也完全改變了。

既然典型的哈希函數(shù)不起作用，保護(hù)隱私的生物識(shí)別技術(shù)應(yīng)該具有哪些特性？墨奇科技認(rèn)為，一個(gè)真正保護(hù)隱私的生物識(shí)別系統(tǒng)需要具備如下三點(diǎn)：

• 第一，不可逆。在給定比對(duì)特征的情況下，恢復(fù)原始的特征模板非常困難，并且這一難度通常由 NP-hard 類問(wèn)題來(lái)保證。這一特性防止了濫用存儲(chǔ)的生物特征數(shù)據(jù)進(jìn)行欺騙或重放攻擊，因?yàn)楣粽邔o(wú)法從變換后的特征中獲取原始模板，這樣就提高了生物識(shí)別認(rèn)證系統(tǒng)的安全性。

• 第二，可撤銷。一旦某一個(gè)模板泄露或被認(rèn)為不安全，就可以安全注銷，然后簽發(fā)一個(gè)新模板，這樣就使得使用生物識(shí)別的方式和使用密碼的方式一樣可撤銷。

• 第三，非關(guān)聯(lián)性。這意味著想要確定一個(gè)或者多個(gè)變換后的模板是源于同一個(gè)原始特征，在計(jì)算上應(yīng)該是困難的。也就是說(shuō)，用戶有不同的生物識(shí)別應(yīng)用，但彼此之間并不關(guān)聯(lián)，比如說(shuō)有小區(qū)門禁、支付等不同的應(yīng)用并不交叉認(rèn)證，從而保護(hù)了個(gè)人的隱私。

如果滿足了上述三點(diǎn)，那么這樣的方案才可被稱為可撤銷的生物識(shí)別技術(shù)，其中有三種方案最具代表性：Biohashing 、Fuzzy Commitment 和 Fuzzy Vault。

• 第一種方案，Biohashing，使用一個(gè)外部密鑰 k 生成從原始模板 T 中生成 biohash H (T, k)。這種方法的優(yōu)點(diǎn)是由于需要同時(shí)借助原始生物特征模板和外部密鑰兩個(gè)因素驗(yàn)證，實(shí)際上提高了準(zhǔn)確性。然而，該方案的缺點(diǎn)是仍需要記住密鑰，且一旦密鑰暴露，原始生物特征數(shù)據(jù)也不安全。

• 第二種方案，F(xiàn)uzzy Commitment，使用糾錯(cuò)碼技術(shù)，優(yōu)點(diǎn)是可以看到用戶不需要記住任何密鑰，而缺點(diǎn)在于取決于糾錯(cuò)碼的構(gòu)造，不可撤銷性或者不可鏈接性可能無(wú)法完全滿足。

• 第三種方案，F(xiàn)uzzy Vault，實(shí)際上假設(shè)原始生物特征模板包含圖像的許多特征點(diǎn)，使用一組網(wǎng)格點(diǎn)對(duì)圖像進(jìn)行分區(qū)，并將這些特征點(diǎn)量化到網(wǎng)格，如果足夠多的特征點(diǎn)是正確的，那多項(xiàng)式可以用Generalized Reed Solomon解碼技術(shù)來(lái)恢復(fù)，否則，有很多錯(cuò)誤點(diǎn)的多項(xiàng)式重建問(wèn)題，實(shí)際上是 NP-hard 問(wèn)題。這種方法的優(yōu)點(diǎn)是多項(xiàng)式重建問(wèn)題的難度保證了一定的安全屬性，缺點(diǎn)是比對(duì)速度很慢。

圖：Biohashing 、Fuzzy Commitment 和 Fuzzy Vault

由此可見(jiàn)，研發(fā)保護(hù)隱私的生物識(shí)別相當(dāng)困難，現(xiàn)有系統(tǒng)很難達(dá)到。另一方面，對(duì)于所有保護(hù)隱私的生物識(shí)別系統(tǒng)，都存在錯(cuò)比率（FMR）和漏比率（FNMR）之間的權(quán)衡問(wèn)題，可以視為安全性和便利性之間的權(quán)衡。

事實(shí)上，任何可撤銷的生物識(shí)別系統(tǒng)的安全級(jí)別實(shí)際上都受 1/FMR 的限制，因?yàn)楣粽呖赡軙?huì)生成一個(gè)數(shù)量超過(guò) 1/FMR 合成生物特征樣本數(shù)據(jù)庫(kù)，然后在如此大量的樣本中，可以只找到一個(gè)與原始樣本具有足夠相似度的樣本，然后我們就可以找到匹配并破解系統(tǒng)，還原原始的生物特征樣本。因此，我們需要一個(gè)具有非常低的 FMR 錯(cuò)比率的系統(tǒng)，才能確保安全。

對(duì)于指紋識(shí)別系統(tǒng)來(lái)說(shuō)，未來(lái)可撤銷的保護(hù)隱私的指紋識(shí)別系統(tǒng)，未來(lái)發(fā)展方向包括：

• 第一，進(jìn)一步提高指紋圖像的質(zhì)量和獨(dú)特性。通過(guò)采集更大的圖像面積、掃描一只手的多根手指等方式，可以顯著增加指紋細(xì)節(jié)特征的數(shù)量，從而有效提高安全級(jí)別，而非接觸指紋采集實(shí)際上是實(shí)現(xiàn)這一目標(biāo)的一種非常有前景的方法。

• 第二，結(jié)合多種方式在安全與便捷之間實(shí)現(xiàn)更好的平衡。比如，通過(guò)在每個(gè)指紋細(xì)節(jié)特征點(diǎn)中增加嵌入式向量，使得指紋細(xì)節(jié)點(diǎn)更具區(qū)別性，從而用更少的指紋細(xì)節(jié)特征達(dá)到相同的安全級(jí)別。
  
  

墨奇科技正在將圖像比對(duì)和密碼學(xué)相組合，引領(lǐng)下一代保護(hù)隱私的生物特征識(shí)別技術(shù)。盡管保護(hù)隱私的生物識(shí)別技術(shù)由于各種技術(shù)困難尚未被廣泛采用，但必是生物識(shí)別技術(shù)的未來(lái)。