各大巨頭布局臉孔辨識,IR LED 廠有肉吃

作者 | 發布日期 2016 年 09 月 09 日 7:36 | 分類 光電科技 , 尖端科技 , 零組件 follow us in feedly
下載自shutterstock

從指紋辨識到虹膜辨識,生物辨識逐步進入消費電子產品裝置,全球生物辨識市場預計 2020 年將達 250 億美元,其中目前增速最快的為臉部辨識,在應用場景不斷增加的情況下,臉部辨識極有可能是下一個消費裝置創新的大方向,而在技術上紅外線 LED 窄帶濾波有望成為核心要素。



臉部辨識可能脫穎而出

從指紋辨識到虹膜辨識,生物辨識被更多的消費電子廠商採用,大家對於技術的探討進入白熱化,但其實技術的比較意義不大,市場才能說明一切。

根據前瞻產業研究院統計,2007 年至 2013 年 6 年期間,生物辨識技術的全球市場規模年均增速為 21.7%,這在全球大部分行業增長率不到 5% 的對比下實屬罕見。2015 年生物辨識技術全球市場規模將達到130 億美元,2020 年將達到 250 億美元,5 年內年均增速約 14%。

全球生物辨識行業市場規模(億美元)

ledinside

自 2015 年到 2020 年,各細分行業市場規模增幅分別為:指紋(73.3%)、語音(100%)、人臉(166.6%)、虹膜(100%)、其他(140%)。眾多生物辨識技術中,人臉辨識在增幅上居於首位,預計到 2020 年人臉辨識技術市場規模將上升至 24 億美元。我們預計在智慧裝置滲透臉部辨識的情況下,市場規模可能大大超出預期。

全球生物辨識細分行業市場佔比

ledinside

五大生物辨識各有特點,但是從市場佔有率看,指紋辨識之後最可能脫穎而出的預計是臉部辨識。從商業角度看,支付寶、券商、銀行為主的金融服務機構已經在 2015 年開始大量採用臉部辨識開戶、轉帳、付款等,以中國招商銀行為例,臉部辨識能夠實現手機端超過 50 萬的轉帳,可見對於其安全性的認同。

  1. 指紋辨識是目前應用最為廣泛的生物辨識技術,技術成熟且成本低廉,廣泛應用於出勤、門禁等身分辨識;但容易複製,且指紋磨損後影響辨識精準度。
  2. 虹膜辨識利用人眼圖像中虹膜區域的特徵(環狀物、皺紋、斑點、冠狀物)形成特徵模板,透過比較特徵參數完成辨識。該方法辨識精準度高、不易仿造但相關設備價格昂貴。
  3. 語音辨識透過分析語音的惟一特性進行身分驗證,其設備距離範圍大、安裝簡易,但辨識準確度低,可能被錄音欺騙,且易受背景音、身體狀況、情緒等因素影響。
  4. 簽名辨識是基於行為特徵的生物辨識技術,透過分析筆跡、壓力、書寫速度進行身分驗證。但簽名可仿造性高,且簽名工具、情緒等均可對簽名辨識造成乾擾。
  5. 臉部辨識與其他生物辨識方式相比,優勢在於自然性、不被察覺性等特點。自然性即該辨識方式同人類進行個體辨識時所利用的生物特徵相同,人類也透過觀察比較人臉、聲音等資訊對其他個體進行區分和確認。因此,指紋辨識、虹膜辨識等均不具有自然性。不被察覺的特點使該辨識方法不易使人抵觸,利用可見光即可獲取人臉圖像資訊,而指紋辨識或虹膜辨識需利用電子壓力傳感器或紅外線採集指紋、虹膜圖像,在採集過程中身分資訊即有可能被仿造。

生物辨識類別比較

ledinside

業界巨頭紛紛布局

任何的技術創新都能在專利和收購中提前知曉, 臉部辨識進入智慧裝置這不僅僅是一種猜測,業界巨頭已經長期積極布局臉部辨識。

  1. 蘋果公司先後收購 Polar Rose、Prime Sense、Perceptio、Faceshift、Emotient、Turi 等臉部辨識相關技術公司。
  2. 三星公司於 2010 年 12 月 29 日申請臉部辨識設備、算法及機器可讀媒體專利;於 2004 年 6 月 19 日申請圖像辨識特徵提取的設備及演算法專利。
  3. 華為公司申請至少 10 項臉部辨識相關專利,如,確定人臉圖像中人臉的身分標識的方法、裝臵和裝置。
  4. Google 先後收購臉部辨識系統公司 PittPatt 和 Viewdle 後,截至 2016 年 6 月共申請 21 項臉部辨識相關專利。
  5. Facebook 收購 Tel Aviv 後已於 2014 年上線臉部辨識軟體 DeepFace。
  6. 亞馬遜(Amazon)、微軟(Microsoft)亦分別申請 7 項及 6 項臉部辨識專利。

 

怎麼辦到人臉辨識

人臉辨識主要分為人臉檢測和人臉比對兩部分。其工作流程為:

  1. 圖像採集:透過採集傳感器(如鏡頭)採集人臉圖像。
  2. 人臉定位及提取:然後對採集到的數據進行處理,去除採集數據中的噪聲和環境因素,抽取樣本中能夠表徵個人身分的特徵資訊。
  3. 特徵對比:再把這些特徵資訊與數據庫中已有的資訊進行對比。
  4. 輸出結果:最後根據比對的相似程度來判斷是否匹配。

人臉辨識流程

ledinside

目前人臉辨識市場的解決方案主要包括:2D 辨識、3D 辨識、熱感辨識,目前市場上主流的辨識方案是採用鏡頭的 2D 方案。2D 臉部辨識是基於平面圖像的辨識方法,但由於人的臉部並非平坦,因此 2D 辨識在將 3D 人臉資訊平面化投影的過程中存在特徵資訊損失。

3D 與 2D 臉部辨識的結果對比 

ledinside

3D 辨識使用三維人臉立體建模方法,可最大程度保留有效資訊。因此 3D 人臉辨識技術的演算法比 2D 演算法更合理並擁有更高精準度。熱傳感辨識技術使用一個三層的 BP(back-propagation)前饋神經網做為分類器,在使用熱感資訊的同時使用不會被髮型、呼吸等環境因素影響的關鍵臉部幾何資訊,如鼻樑角度、臉頰面積等影響,以增強辨識精準度。

臉部辨識創新的熱感辨識模式

ledinside

從目前的發展看,主要分為商業系統、主流軟體、演算法等,我們認為裝置的集成化應用需要整套解決方案,大廠商在這方面具有優勢。臉部辨識的組件部分主要涉及:軟體部分為數據庫、演算法;硬件部分為鏡頭模組、集成設備、傳感器、晶片、IC、硬體接口電路、液晶顯示螢幕、儲存器等;以及整合軟硬體廠商的系統服務商。其中演算法為產業鏈核心環節,同時也是技術壁壘最高的環節。從目前中國設計臉部辨識的公司看,主要還是提供鏡頭演算法等,硬體的價值可能被忽視。

臉部辨識的主要商業系統、主流軟體、主流演算法

ledinside

紅外線 LED 窄帶濾波有望成為核心要素

傳統的臉部辨識技術主要基於可見光圖像的臉部辨識,但這種方式有著難以克服的缺陷,近紅外線臉部辨識系統能夠徹底解決環境光照影響問題。傳統可將辨識在環境光照發生變化時,辨識效果會急劇下降,無法滿足實際系統的要。比如,拍照時遇到側光時出現的「陰陽臉」現象,就可能無法正確辨識。

解決光照問題的方案有三維圖像人臉辨識和熱成像人臉辨識。但目前這兩種技術還遠不成熟,辨識效果不盡人意。基於近紅外線圖像的人臉辨識核心技術和系統,在不同光線條件下,能夠拍攝不受環境光照變化影響的近紅外線人臉圖像,加上領先的演算法,能夠取得很高的辨識率。

不受環境光影響的近紅外線人臉圖像

ledinside

近紅外線人臉辨識包括兩部分:主動近紅外線人臉成像設備和相應的光照無關人臉辨識演算法。使用強度高於環境光線的主動近紅外線光源成像,配合相應波段的光學濾片,可以得到環境無關的人臉圖像,人臉圖像只會隨著人與鏡頭的距離變化而單調變化。

在此圖像上採用一些特定的特徵提取方式,如:局部二元模式(Local Binary Pattern,LBP)特徵,可以進一步消除圖像的單調變化,得到完全和光照無關的特徵表達。近年來,近紅外線人臉辨識在實際生活中已經有了諸多應用,例如「深圳-香港生物護照自助通關系統」、「澳門-珠海生物護照自助通關系統」、「北京機場 T3 航站大樓自助通關系統」等,均有很好的效果。

主動近紅外線人臉成像設備能為人臉辨識提供不受環境光影響的、高品質的人臉圖像,所謂的高品質包括圖像亮度合適、均勻、對比度合適、不存在過度曝光等。主動近紅外線人臉成像設備一般包括以下項目:

在相應波段強度高於環境光的主動近紅外線光源,一般為高功率 850nm 和 940nm 紅外 LED;

能夠接收近紅外線的鏡頭,通常為 CCD 圖像傳感器。CCD 具有體積小、重量輕、失真度小、功耗低、可低壓驅動、抗衝擊、抗振動、抗電磁干擾強的優點,因此被廣泛應用於各種圖像採集系統。在人臉辨識系統中的 CCD 基本上是矽襯底的,其光譜響應範圍為 400nm~1100nm,該範圍也就是窄帶濾光片要考慮的光譜範圍;

窄帶濾光片,置於攝影頭鏡頭外,允許近紅外線通過的同時過濾環境光。主要用來隔離干擾光,透過信號光,充分突顯有用資訊,減少干擾,為後續的圖像處理和辨識奠定基礎。

技術上紅外線 LED 窄帶濾光片有望成為核心因素。目前有些方案採用隔離可見光透過紅外線的紅外線玻璃做為濾光片,然而普通的紅外線玻璃 只是隔離了可見光和紫外光,並沒有隔離干擾光中處於紅外波段的部分。因此想得到良好的抗干擾效果,必須採用窄帶濾光片。

普通吸收型顏色濾光片與窄帶濾光片曲線比較 

ledinside

850nm LED 的光譜分布

ledinside

窄帶濾光片的選取需要考慮多個光學指標,包括頻寬、中心波長、截止波長、截止深度、峰值透過率、產品厚度等。從近期鏡頭與 AR 的發展看,中國的光學公司成為主力供應商,反映中國的光學實力足夠消費電子及特殊顯示的需求,窄帶濾光模組預計國際大客戶仍會採用中國供應商。

窄帶濾光片的選取  

ledinside

(Source:網路、安信證券研究中心)

一款典型850 窄帶濾光片產品及其曲線圖

ledinside

(本文由 LEDinside 授權轉載;首圖來源:shutterstock) 

發表迴響