虹膜识别和视网膜识别技术市场现状

    虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份的，虹膜识别技术与相应的算法结合后，可以到达十分优异的准确度，即使全人类的虹膜信息都录入到一个数据中，出现认假和拒假的可能性也相当小，但是这项技术的无法录入问题已经成了它同其它识别技术抗衡的最大障碍。不管怎样，虹膜识别技术的高精度使它能够在众多识别技术中占有一席之地。所有虹膜识别技术都是以 John Daugman博士的专利和研究为基础的。　　 

　　虹膜 　　 

　　眼睛的虹膜是由相当复杂的纤维组织构成，其细部结构在出生之前就以随机组合的方式决定下来了，虹膜识别技术将虹膜的可视特征转换成一个512个字节的Iris Code（虹膜代码），这个代码模板被存储下来以便后期识别所用，512个字节，对生物识别模板来说是一个十分紧凑的模板，但它对从虹膜获得的信息量来说是十分巨大的。　　 

　　从直径 11mm的虹膜上，Dr. Daugman的算法用3.4个字节的数据来代表每平方毫米的虹膜信息，这样，一个虹膜约有266个量化特征点，而一般的生物识别技术只有13个到60个特征点。266个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述，在算法和人类眼部特征允许的情况下， Dr. Daugman指出，通过他的算法可获得173个二进制自由度的独立特征点。这在生物识别技术中，所获得特征点的数量是相当大的。　　 

　　算法　 

　　第一步是通过一个距离眼睛 3英寸的精密相机来确定虹膜的位置。当相机对准眼睛后，算法逐渐将焦距对准虹膜左右两侧，确定虹膜的外沿，这种水平方法受到了眼睑的阻碍。算法同时将焦距对准虹膜的内沿（即瞳孔）并排除眼液和细微组织的影响。　 

　　单色相机利用可见光和红外线，红外线定位在 700-900mm的范围内（这是IR技术的低限，美国眼科学会在他们对macular cysts研究中使用同样的范围。） 在虹膜的上方，如上图所示，算法通过二维Gabor子波的方法来细分和重组虹膜图象，第一个细分的部分被称为phasor，要想明白二维gabor子波的原理需要懂得很深的数学知识。 

　　虹膜识别技术 

　　精确度　　 

　　由于虹膜代码（ Iris Code）是通过复杂的运算获得的，并能提供数量较多的特征点，所以虹膜识别技术是精确度最高的生物识别技术，具体描述如下：　　 

　　・两个不同的虹膜信息有75%匹配信息的可能性是1:10 6　　 
　　・等错率：1:1200000　　 
　　・两个不同的虹膜产生相同Iris Dode（虹膜代码）的可能性是1:10 52　　 

　　录入和识别 　　　　 

　　整个过程其实是十分简单的，虹膜的定位可在1秒钟之内完成，产生虹膜代码（Iris Dode）的时间也仅需1秒的时间，数据库的检索时间也相当快，就是在有成千上万个虹膜信息数据库中进行检索，所用时间也不多，有人可能会对如此快的速度产生质疑，其实虹膜识别技术的算法还受到了现有技术的制约。我们知道，处理器速度是大规模检索的一个瓶颈，另外网络和硬件设备的性能也制约着检索的速度。当然，由于虹膜识别技术采用的是单色成像技术，因此一些图像很难把它从瞳孔的图像中分离出来。但是虹膜识别技术所采用的算法允许图像质量在某种程度上有所变化。相同的虹膜所产生的Iris Dode（虹膜代码）也有25%的变化，这听起来好象是这一技术的致使弱点，但在识别过程中，这种Iris Dode（虹膜代码）的变化只占整个虹膜代码的10%，它所占代码的比例是相当小的。

    视网膜识别技术 

　　同虹膜识别技术一样，视网膜扫描可能具最可靠、最值得信赖的生物识别技术，但它运用起来的难度较大。 

　　历史和生理结构 

　　虽然视网膜扫描的技术含量较高，但视网膜扫描技术可能是最古老的生物识别技术，在 20世纪30年代，通过研究就得出了人类眼球后部血管分布唯一性的理论，进一步的研究的表明，即使是孪生子，这种血管分布也是具有唯一性的，除了患有眼疾或者严重的脑外伤外，视网膜的结构形式在人的一生当中都相当稳定。 

　　视网膜是一些位于眼球后部十分细小的神经（一英寸的 1/50），它是人眼感受光线并将信息通过视神经传给大脑的重要器官，它同胶片的功能有些类似，用于生物识别的血管分布在神经视网膜周围，即视网膜四层细胞的最远处。 

　　准确性和表现 

　　视网膜扫描设备要获得视网膜图像，使用者的眼睛与录入设备的距离应在半英寸之内，并且在录入设备读取图象时，眼睛必须处于静止状态，使用者的眼睛在注视一个旋转的绿灯时，录入设备从视网膜上可以获得 400个特征点，同指纹录入比较，指纹只能提供30到40个特征点用来录入，创建模板和完成确认。由此可见，视网膜扫描技术的录入设备的认假率低于0.0001%（一百万分之一），当然其它一些生物扫描录入技术也能达到0.0001%的认假率（FAR），并且拒假率的水平也会不断提高。FAR拒假率是指系统不正确地拒绝一个已经获得权限的用户，使用视网膜录入技术的场合，例如一些军事设施，10%的拒假率是一个十分令人头疼的问题。即使是这样，它仍然是提供安全度的重要组成部分，当然在销售领域，一些对拒假率不真实的描述是一个十分难处理的问题。 

　　对无法录入率，还无法获得可靠的统计数字，因为想获得无法录入的人数是件十分困难的事情，从经验来看，估计无法录入率可能在 5-10%左右。 

　　产业化进程 

　　目前，虹膜识别产业已经在国外获得了飞速的发展，越来越多的厂商开始投身于虹膜识别技术的开发。 

    美国Iriscan公司研制出的虹膜识别系统已经在美国得克萨斯州联合银行的三个营业部内试运行。储户两手空空地来办理银行业务，无需银行卡，更不需要输入烦恼的密码。他们在该取款机上取钱时，一台摄像机首先对用户的眼睛进行扫描，然后将扫描图像转化成数字信息与数据库中的资料匹配，以鉴别用户身份的真实性。 

    美国另一家公司设计的”虹膜通行证”已于开始在美国北卡罗来纳州夏洛特道格拉斯国际机场正式启用。它使用最新眼睛虹膜识别技术来管理航空公司和机场职员进出的限制区域，不仅可以大大减轻机场的身份检验工作，还可有效保障机场和乘客的安全。 

    国内也有多家公司致力于虹膜识别系统的研究和开发，有些公司已经推出了相关产品，并积极进行市场推广和销售。但是，相对于中国生物识别的市场规模，还没有任何公司获得市场的主导地位。现在的市场竞争还集中在案例和标准的竞争，哪家公司抢先开发出稳定可靠的虹膜识别产品，该公司就将占有市场先机。 

　　亟待解决的问题 

　　国内的虹膜识别产业刚刚起步，与国外虹膜识别产业蓬勃兴旺的发展势头相比，还面临着比较艰难的市场形势，当前有一系列的突出问题需要解决。国内虹膜识别行业的发展障碍主要来自几个方面。其一是技术的不成熟，其二是市场的接受程度。 

　　技术依然是影响虹膜识别技术进一步应用的拦路虎。虽然就技术而言，很多公司都在开发虹膜识别产品，但虹膜识别产品的核心技术–虹膜识别算法和图像采集设备，绝大多数国内厂商都未掌握。个别厂商只能OEM国外供应商的成品或进口半成品进行组装，其终端客户产品的成本和功能构造的灵活性因此而大受局限。 

　　技术方面的不足还表现在国内虹膜行业薄弱的应用系统开发能力。除松下、OKI等日本厂商的产品以外，真正称得上面向终端用户的、稳定的、产品化的虹膜识别系统寥寥无几。当然，随着国内更多高水平厂商的加盟及在产品研发发面的持续投入，技术方面相对薄弱的状况会逐渐好起来。 

　　技术方面的先天不足还表现在目前市场上的许多公司进入虹膜识别领域的动机都非常简单，因为虹膜识别技术很热门，就一窝蜂地投向进入门槛比较低的应用，如考勤机等，希望通过恶性的价格竞争，与指纹识别系统夺取市场份额。因为虹膜识别系统的准确性高、但易用性低，并不适用低端的应用模式。