我们已经做出了很大的努力，并且在生物识别技术的创建上取得了很大的成就，这一技术毫无疑问地确定了我们是谁。现有的识别方法包括指纹分析、人脸识别、独特的虹膜图像识别等。有一个综合的生物识别识别技术，工程师可以使用，其他的还在画板上，提供不同程度的认证，并携带同样种类繁多的价格标签。

　　好消息是，生物识别技术已经足够先进，在日常生活中几乎无人注意。我们的许多智能手机和平板电脑现在都采用某种形式的生物特征识别——通常是指纹分析——来提供访问和保护我们的信用卡、银行账户和个人数据。

　　生物识别技术正在快速取代过时的使用传统接入卡的员工识别系统。这些卡片存在严重的漏洞，特别是当它们丢失或被盗时。为了补偿，商业办公室、机场和政府机构要么实施冗余的、资源密集的措施来控制工人的访问，要么让关键地区容易受到欺诈和非法入境的影响。通过在现有的安全平台上添加生物识别安全层，可以消除欺诈，提高安全性。

　　在911事件之后，国土安全部花费了超过1亿美元用于生物识别技术，在过去的8年里，仅国防部就花费了大约35亿美元用于这项技术;例如，在试图将叛乱分子与普通民众分开时，美国军方收集了数以百万计的伊拉克人和阿富汗人的指纹、虹影扫描和面部图像。

　　今天的生物识别解决方案被设计成即使在最困难的情况下也能执行。例如，Facebook开发了一款先进的面部识别软件程序，它能识别一个人的脸，即使他们的脸是不可见的。一旦一个人被标记并进入Facebook系统，该技术据说能够根据身体类型、头发、姿势、姿势和衣着来识别人。

　　同样，万事达卡的版本使用自拍照作为安全的基础。用户在购买时将自拍授权购买，以确认他们的身份，他们确实是买家。用户拍照时必须眨眼，以防止黑客拍摄之前拍照的照片。该应用程序还允许用户扫描指纹，通过Apple Pay确认身份的第二种形式。

　　技术方案

　　底层传感器技术已经取得了很大的进步是欧姆龙的描写就是人类的视觉组件(HVC)模块(图1)。它是基于10算法或函数的使用,包括人脸检测、人脸识别、性别、年龄、表情,面部姿势,目光闪烁估计,手和身体检测。一个人在不同的面部姿势、表情和光照条件下，可以通过与已经在数据库中注册的人脸进行对比来识别。传感器还可以在各种表情和光照条件下估计人脸的年龄和性别。HVC传感器甚至会自动估计各种面部表情(中性、快乐、悲伤、愤怒和惊讶)。

　　Omron B5T-01001 (G)模块图。

　　图1:与Omron B5T-01001 (G)模块的水平和垂直检测范围的图像输入规范。

　　欧姆龙集成了它的OKAO视觉成像技术，一个照相机，处理器和一个外部接口到一个60毫米x40毫米PCB。HVC作为一个传感器，使用UART接口来提供它所看到的人的数据。除了安全应用程序，当人们与机器交互时，从消费者到工业环境，捕捉这些数据都是有益的。

　　为了协助工程师，欧姆龙还提供了一个人类视觉组件演示套件，指定B5TE001SG。

　　认证背后的技术通常涉及模式识别。这种艺术的状态的一个很好的例子可以发现CM1K模式识别芯片Cognimem技术(图2)。第一个ASIC版本的Cognimem神经网络功能1024个神经元并行工作,能够学习和识别模式,最高可达256个字节在几微秒。神经元是一种联想记忆，它可以自主地比较传入的模式和它的参考模式。

　　CogniMem CM1K的功能图。

　　图2:CogniMem CM1K的功能图。

　　由芯片支持的两个非线性分类器，即使有不明确的数据、未知事件，以及上下文和工作条件的变化，也会对模式进行分类。基于低功耗和低功耗，它被用作智能传感器和相机的配套芯片。

　　功能包括能够识别一个向量之间的1024年,或者任何数字,在10μsec 27 MHz时钟。这种识别时间与模型的数量无关。只有10μsec芯片学习一个向量。它可以保存和加载模型(即知识库)，并使用简单的RTL指令，其中只有不到12个寄存器。它提供并行和串行通信和可选的数字输入总线直接接口到识别阶段。

　　根据公司的说法，模式识别技术基于一个简单的架构。它是一串相同的神经元在平行运作。在识别输入向量的过程中，神经元会短暂地交流15个时钟周期，以找到最佳匹配。CM1K还集成了一个内置的识别引擎,接收矢量数据直接通过一个数字输入总线和广播的神经元,最适合三级μsec后返回。它还可以选择性地从2d视频数据中提取1-D矢量。

　　应用程序包括识别图像和信号识别以及数据挖掘的能力。在图像识别领域的应用包括人脸识别，注视跟踪，目标跟踪和识别，以及目标识别。在信号识别部分，它被用于语音识别和语音识别，在数据挖掘中包括生物信息学和指纹识别。

　　它不仅能够准确地鉴别对生物识别应用至关重要的ID。一旦用户信息就位，就必须保证数据的安全。为此，有一个MikroBUS指纹点击开发板(图3)，这是一个为设计添加生物识别安全性的点击板解决方案。该模块采用GTS-511E2模块，据称是最薄的指纹传感器，该模块有一个CMOS图像传感器，带有特殊的镜头和覆盖，可以记录真实的指纹和抵抗2-D的仿真品。它还有一个STM32单片机用于图像处理。

　　指纹点击可以通过UART (TX, RX)或SPI (CS, SCK, MISO, MOSI)与目标板MCU进行通信。它还带有一个迷你USB接口，用于将点击板连接到PC上——供应商说，这通常是开发指纹识别软件的一个更合适的平台，因为对现有图像的大型数据库进行比较和匹配输入所需的处理能力。该板也内衬额外的GPIO引脚，使更多的进入板上的STM32。指纹点击被设计为使用3.3 V电源。

　　MikroElektronika MikroBUS指纹开发系统的图像。

　　图3:MikroBUS指纹开发系统增加了生物识别应用的安全性。

　　基本算法

　　在基于生物技术的应用程序中，算法开发的重要性不能被夸大。一般来说，它分为两组，几何和光度。第一个重点是区分特性，而后者是一种统计方法，将图像转换为值，并使用这些值将它们与帮助消除差异的模板进行比较。

　　最近的一种趋势是3d人脸识别技术，它利用三维传感器收集人脸形状的信息，并利用它识别出眼窝轮廓、下巴和鼻子形状等明显特征。这种方法的好处是，它不受光线变化的影响，它能够正确地识别出不同角度的脸，而不是直接的镜头。三维数据点的使用提高了识别精度。

　　当一个人考虑到快速改进的底层传感器、新的高度集成的芯片和先进的算法时，很容易就能看出为什么生物特征的安全性和识别是爆炸的。事实上，5月份发布的一份市场报告预测，到2020年，生物识别系统的市场预计将达到244亿美元，在2015年到2020年期间将占到17.9%的CAGR。