生物识别技术及商业应用前景分析

1、从身份证网上副本说起，生物识别正在崛起

近日，公安部第一研究所在2016国家网络安全宣传周活动上发布消息，自己所研发的“网络可信身份认证服务平台”即将在多地投入试点。通过该平台个人可以在网上生成一个终身唯一编号的“身份证网上副本”，今后无需携带身份证，在办理入住酒店、开网店等需实名认证的业务时，靠“刷脸”就可完成身份认证，同时还能避免身份被冒用的风险。

刷脸认证的技术原理是生物识别技术中的人脸识别。所谓生物识别技术，就是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性，（如指纹、脸象、虹膜、静脉等）和行为特征（如声音、步态等）来进行个人身份的鉴定。

由于人体特征具有人体所固有的不可复制的唯一性，这一生物密钥无法复制、失窃或被遗忘，利用生物识别技术进行身份认定，安全、可靠、准确。而常见的口令、IC卡、条纹码、磁卡或钥匙则存在着丢失、遗忘、复制及被盗用诸多不利因素。另外，生物识别技术产品均借助于现代计算机技术实现，很容易配合电脑和安全、监控、管理系统整合，实现自动化管理。

长久以来，技术创新不足、应用推广有限、价格成本高企是制约我国生物识别发展的三大因素。技术方面，生物特征传感器和核心算法的原始创新不足、技术标准制定不完善；应用方面，生物识别基本局限在门禁考勤、银行内部控制以及公安部门出入境管理和刑事中，生物识别也未能渗透到个人消费当中；价格方面，市场竞争不足和技术不成熟导致价格处于高位。但近几年来，这一情形开始转向，三大问题正在逐渐得到解决。

技术:深度学习算法的成熟，使得生物识别的准确率得到大幅提升。以深度学习算法为基础的计算机技术的进步，为生物识别提供了强大的计算和分析工具。反过来，巨量的生物特征数据也为机器训练提供了丰富的素材，“大数据成为人工智能的燃料”。人脸识别方面，Face++团队创造了世界上最高的人脸识别正确率，曾在人脸检测FDDB评测、人脸关键点定位300-W评测和人脸识别LFW评测上，接连拿下了三项世界第一。指纹识别方面，国内的迈瑞微、神盾、维尔科技等厂商已经拥有指纹识别自主算法及核心专利，除此之外，还涌现了杭州晟元、深圳指芯等第三方的指纹识别算法提供商。虹膜识别方面，天诚盛业推出了全球最小的虹膜识别模组，可以利用一颗模组达到自然阅读距离情况下(7-30cm)实现自然的虹膜识别。静脉识别方面，国防科技大学电子科学与工程学院成功研制出静脉特征识别安保系统。

应用：目前，生物识别的应用场景已经极大地拓宽。银行在客户身份核验场景下应用生物识别，覆盖了弱实名电子账户开户、结算账户开户和存取款等不同风险层级的场景。第三方支付和手机银行等移动支付应用开始使用生物识别方案。公安部门在视频监控和多类场所的人员进出管理中大力引入指纹、人脸识别等技术。在政策推动下，生物识别也已入驻社保、教育、医疗系统。近几年，国内智能手机消费剧增，手机用户的移动支付习惯逐渐养成，智能家居渐受青睐，三方面个人消费需求的增长推动手机端的消费级指纹识别开始爆发，虹膜也渐渐入局。

价格:指纹识别方面，指纹识别模组价格近两年不断下降。人脸识别方面，汉王的500人规模人脸识别考勤机在2009年第一代推出时价格超过4000元，2010年第二代推出时已降至3000元左右，2012年第三代推出时进一步下降到2700元左右。

受益于三大问题的逐步解决，国内生物识别产业正迎来前所未有的发展机会，其应用范围和市场规模有望实现快速扩张。

2、生物识别技术初探

2.1、生物识别的最小系统和基本工作过程

通常情况下，一个生物识别的最小系统包含传感器、存储器和处理器3个部分。传感器是用户生物信息的采集机构；处理器负责信息预处理、特征提取、特征训练、特征匹配和特征识别；存储器负责特征提取和训练结果的存放。生物识别工作过程包括用户注册和身份认证2个阶段，其过程主要包含生物特征采集、预处理、特征提取及模式识别四个步骤：

1）特征采集

特征采集是利用传感器把人体固有的生理特征转换为计算机可读取的数字信息的过程。生物识别传感器器主要采用高精度的扫描仪、摄像机等光学设备，以及基于电容、电场技术的晶体传感芯片、超声波扫描、红外线扫描等设备。

2）预处理

预处理是将传感器读取的数字信息进行标准化，将原始数据处理成半结构化数据的过程。通常预处理方法主要包括信息压缩、降噪和数据归一化等。

3）特征提取

特征提取是提取生物特征中最具代表性的部分，是将其转换为结构化数据的过程。特征提取和表达是生物识别过程的重点和难点，例如虹膜、指纹、人脸等图像在采集时极易出现光照不均、平面旋转、局部遮挡和三维形变等情况。这给后续的特征匹配与模式识别带来极大的障碍，可能导致识别失败，不能进行身份认定。

4）模式识别

模式识别通常包括特征训练、特征匹配和特征识别，是通过机器学习与数据挖掘手段构建分类器，对结构化的特征向量进行匹配和识别的过程。其中，特征训练是通过机器学习方法对用户注册阶段采集的生物特征数据集进行学习，生成生物特征分类器模型；特征匹配是将身份认证阶段提取的生物特征与用户注册阶段生成的生物特征数据库模型进行匹配，并计算二者相似度；特征识别设置相似度阈值等识别准则，并对识别的结果进行接受或拒绝。

2.2、浅析六类生物识别技术

目前生物识别技术中较为主流的主要有指纹、人脸、虹膜、静脉、声纹，步态识别六类。本章将简单介绍其各自的技术原理、技术特点以及目前所处发展阶段。

指纹识别

自动指纹识别系统（Automatic Fingerprint Identification System，AFIS）是模式识别领域中使用最早的，也是最为成熟的生物鉴定技术，它集传感器技术、生物技术、电子技术、数字图像处理、模式识别于一体。

图：指纹识别系统简图

    一般说来，AFIS 系统主要由以下部分组成：

（1）指纹图像输入

AFIS 系统中获取指纹图像一般采用两种方式，光学扫描采集和固体传感器采集。光学扫描采集指纹图像一般采用全反射技术(FTIR)。当手指放在棱镜上，手指的脊和棱镜相接触而谷不和棱镜接触，激光以一定角度照射棱镜产生全反射，由CCD 阵列接收并获取指纹图像。固体传感器采集图像时，利用手指放在传感器表面改变电容器的电压从而获取图像。固体传感器与光学扫描相比具有体积小、集成度高、数字化等特点，但采集范围较小，而光学扫描在采集范围大小则很少受到限制。

（2）指纹图像增强

指纹图像的特征定义有许多种，目前最常用细节特征的定义是美国FBI提出的细节模型。它将指纹图像的最显著特征分为脊终点和分叉点。每个清晰指纹一般有40～100个这样的细节点。细节特征提取算法的性能严重依赖于输入指纹图像的质量，为了确保细节特征算法的性能，在提取特征前首先需要首先进行指纹图像增强。指纹图像增强的目的就在于提高可恢复区域的脊信息清晰度同时删除不可恢复区域。一般来说，图像的增强采用平滑、滤波、二值化、细化等数字图像处理方法来进行。

（3）指纹图像特征提取

匹配两幅指纹图像大量地采用基于比对两幅指纹图像的点模式的方法。用来匹配的点可以分为两类:细节点和单独点。用来匹配指纹图像的点称为细节点，在指纹图像拓扑中它们是脊终点和分叉点。单独点包括中心点和三角点，它们之间的距离以及脊线的数目一般认为不会随图像变换、旋转、放大和缩小而改变。因此，往往利用这一特性来减少匹配时数据库的搜索空间。

（4）指纹图像匹配

指纹图像匹配就是对两个输入指纹的特征集合(模板)判断是否属于同一指纹。指纹匹配算法方法很多，包括基于图像的匹配、脊模式匹配、点模式匹配及基于图形的匹配。

尽管指纹识别技术技术成熟，成本较为低廉，但仍然存在着容易被伪造，精度较低，隐秘性差，容易受检验者状态和环境影响等缺点。

目前也出现了超声波传感器采集图像，它是利用超声波反射测距来采集的。超声波指纹技术能够穿透由玻璃、铝、不锈钢、蓝宝石或塑料制成的智能手机外壳进行扫描。扫描能够不受手指上可能存在的污物影响，例如汗水、护手霜或凝露等，从而提供一种更稳定、更精确的认证方法。此外，基于超声波的解决方案利用声波直接穿过皮肤表层，识别出当前基于电容式触摸屏的指纹技术无法识别出的三维细节和独特指纹特征，包括指纹脊线和汗毛孔等。这样能够产生细节丰富，难于仿制的指纹表面图。

人脸识别

人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等。该技术融合了生物学、心理学、认知学、模式识别、图像处理、计算机视觉等多领域的知识和相关技术，可广泛应用于身份确认、身份鉴别、访问控制、安全监控、人机交换场景。

人脸识别的工程应用始于20世纪60年代，经过50多年的发展，人脸识别技术已经取得了重大突破，很多经典算法和人脸库相继出现。目前人脸识别系统最高的正确率可以达到99.5%，而人眼在同等条件下识别的正确率仅为97.52%，人脸识别的准确率已经做到了比肉眼更精准。

同时随着高性能计算机的发展，国内外已经有许多机器全自动识别系统相继问世，促使人脸识别技术已经进入了实用化阶段。国外比较成功的商用人脸识别系统有Identix公司研发的FaceIt、AcSys公司的AcSysFRS、EyeMatic公司的EPL等。

我国的人脸识别技术位居世界一流水平。目前，世界上最高的人脸识别正确率即由我国的Face++团队创造。同时由于我国人口基数大的特殊国情，政府和产业对人脸识别技术具有较为迫切的需求，推动了我国的人脸识别商业化进程走在世界前列，人脸识别技术和产品已被应用于政府、军队、银行、社保、电子商务、安防等领域。

与其他生物特征识别技术相比，人脸识别技术在实用性方面具有独到的技术优势，主要体现在以下方面：

1、非接触：人脸图像的采集不同于指纹、掌纹需要接触指掌纹专用采集设备，指掌纹的采集除了对设备有一定的磨损外，也不卫生，容易引起被采集者的反感，而人脸图像采集的设备是摄像头，无须接触。

2、非侵扰：人脸照片的采集可使用摄像头自动拍照，无须工作人员干预，也无须被采集者配合，只需以正常状态经过摄像头前即可。

3、友好：人脸是一个人出生之后暴露在外的生物特征，因此它的隐私性并不像指掌纹、虹膜那样强，因此人脸的采集并不像指掌纹采集那样难以让人接受。

4、直观：我们判断一个人是谁，通过看这个人的脸就是最直观的方式，不像指掌纹、虹膜等需要相关领域专家才可以判别。

5、快速：从摄像头监控区域进行人脸的采集是非常快速的，因为它的非干预性和非接触性，让人脸采集的时间大大缩短。

6、简便：人脸采集前端设备——摄像头随处可见，它不是专用设备，因此简单易操作。

7、可扩展性好：它的采集端完全可以采用现有视频监控系统的摄像设备，后端应用的扩展性决定了人脸识别可以应用在出入控制、黑名单监控、人脸照片搜索等多领域。

虹膜识别

每一个虹膜都包含一个独一无二的基于像冠、水晶体、细丝等特征的结构，没有任何两个虹膜是一样的。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。虹膜识别系统主要由虹膜图像获取、图像预处理、特征提取、特征匹配、结论等部分组成。

（1）虹膜图像的获取：虹膜识别的首要任务是获取高质量的虹膜图像，这是虹膜识别最难解决的关键技术之一。由于虹膜的区分主要在于纹理细节的不同，而虹膜的纹理不是很清晰，特别是黄种人，用普通的CCD 摄像头和在正常的光照条件下很难获得清晰的虹膜图像。目前具有代表性的虹膜图像摄取装置有两种。一种是通过调整LED光源，数码摄像机从30～50 cm的距离摄取分辨率为256×256像素的眼部图像。另一种是一种小型便携式光机电装置，将该装置外壳的上端扣在被试者的眼睛上，在红外发射管及发光二极管的照射下，虹膜图像被CCD 摄像头采集并输入到计算机中。

（2）虹膜图像预处理：预处理是有效进行特征提取和特征匹配的前提。其主要任务是从摄取的眼睛图像中将虹膜图像分离出来。如采用自适应Wiener滤波去除由于反光等噪声干扰、用直方图均衡化的方法对虹膜图像进行局部增强、用Hough 变换对虹膜的内外边缘进行准确定位、用平移变换、图像对准的方法消除漂移、缩放和旋转，使虹膜图像结构之间具有一致性。

（3）特征提取：虹膜特征提取采用复数二维Gabor小波对虹膜图像进行分解。

（4）特征匹配：获得了虹膜图像的编码后，就要对编码作识别，以辨别身份的真伪。用于图像匹配技术的算法有多种，常用的有:相关函数测度算法、相关系数测度算法、分层搜索判决算法等。

总体而言，虹膜识别有极高的准确度，如果阀值设臵合理，虹膜识别的认假率几乎为0，且极难伪造，有很好的活体识别特性。但是仍然存在设备昂贵，采集困难，技术尚未完全成熟等问题。

静脉识别

静脉识别技术是一种生物特征识别技术，是利用人体静脉血液中的血红素具有对近红外光吸光的特性，通过静脉识别算法，实现对人的身份识别，具有安全可靠、识别精度高等特点。最常见的静脉识别部位包括指静脉和掌静脉。

从技术体系而言，静脉识别主要包括图像采集、预处理、特征提取及匹配这４个阶段，首先利用人类静脉中流动的血液可吸收特定波长的光线这一特性，使用特定波长光线对特定部位进行照射得到相关部位静脉的清晰图像，进而对获取的影像进行分析处理得到特定部位静脉的生物特征，再将得到的静脉特征信息与事先注册的静脉特征进行比对，从而确认登录者的身份。

在安全性方面，活体识别和静脉特征的唯一性使得静脉识别具有显著优势。由于静脉血管隐藏在人体内，同时血红蛋白储存在静脉血管中，只有血液流通才能提供血红蛋白的活性，从而被识别出来，因此很难被复制与盗用。同时对于成年人来说，他们的左右手静脉纹路是完全不同的，随年龄的增长静脉纹路也是不会改变，即使是双胞胎也不会出现完全相同的静脉纹路，静脉特征的唯一性很强。

在准确性方面，静脉识别是识别率最高的生物特征识别方式之一。通过近红外线照射采集的人体内部样本受外界环境干扰小，识别率很高。经过医学界严格的测试，静脉识别技术的拒真率小于0.01%，认假率小于0.0001%，登录失败率为0%，准确性位居其他生物特征识别前列。

尽管筋脉识别具有安全、准确的优点，但目前静脉识别由于采集方式受自身特点限制，产品难以小型化，对采集设备有特殊要求，设计相对复杂，制造成本偏高。

综合看在，在较为常见的生物识别技术中，指纹、人脸、虹膜是别是目前应用较为成功的三种，其中，指纹识别由于其较低的成本和采集的低门槛，已经得到了广泛的应用，人脸识别也随着图像识别技术的成熟在逐渐推广；虹膜识别精确度极高，但由于成本高、采集门槛高，应用场景有限。静脉识别也随着技术的不断进步成熟，得到了越来越广泛的应用，在某些场合实现对指纹识别的替代。

声纹识别

人在讲话时使用的器官在尺寸和形态等方面差异会很大，所以任何两个人的声纹图谱都有差异，而对于每个人而言，从十几岁发育变声后直到五十多岁，其声纹基本保持不变。声纹识别技术正是利用这一特点，将声音输入到声谱仪中，使声音不同频率的机械振动变成频谱图像，显示在荧光屏或记录在纸上，这种图像就是声纹。

声纹识别系统的工作过程一般可以分为两个过程：训练过程和识别过程。首先，需要对输入的原始语音信号进行预处理，如采样、量化、预加重和加窗等处理过程。在训练过程中，声纹识别系统要对所提取出来的说话人语音特征进行学习训练，建立声纹模板或语音模型库，或者对系统中已有的声纹模板或语音模型库进行适应性修改。在识别过程中，声纹识别系统要根据系统已有的声纹模板或语音模型库对输入语音的特征参数进行模式匹配计算，从而实现识别判断，得出识别结果。

从 20 世纪 70 年代末开始随着计算机技术的飞速发展，声纹识别研究转向对各种声学特征参数的非线性处理及新模式匹配方法上。在特征参数提取技术方面，小波特征参数及不同特征参数的的线性预测组合等非线性处理方法相继提出并得到广泛地应用。近年来， DSP 芯片计算技术的采用，使目前语音特征参数提取技术达到比较成熟的阶段。在模式匹配判断技方面： 20 世纪 80 年代开始，年代开始，隐马尔可夫模型、人工神经网络等技术在声纹识别方面得到有效的利用，逐渐成为声纹识别系统主流的模式匹配方法；进入90 年代后，高斯混合模型技术由于简单、有效及较好的鲁棒性也迅速成为重要的声纹识别技术；步入21 世纪以来，支持向量机技术及多种模式匹配方法融合也得到不断深入研究与发展，并进入了商业化实用阶段。

与其他生物识别技术相比，声纹具有简便、准确经济及可扩展性良好 与其他生物识别技术相比，声纹具有简便、准确经济及可扩展性良好 等众多优势，当然声纹识别技术 还存在一些技术难点，如：用很短的语音进行 还存在一些技术难点，如：用很短的语音进行 模型训练和识别、有效地区分仿声音真正消除或减弱变化带来的 模型训练和识别、有效地区分仿声音真正消除或减弱变化带来的 影响；消除信道差异和背景噪音带来的等。

步态识别

步态是指人们走路的姿势，一种可在远距离感知生物行为特征，用步态特征进行身份认证是近年来计算机视觉和生物特征识别领域的一个研究热点。步态识别就是要对包含人体运动的图像序列进行分析处理，通常括步态检测、表 别就是要对包含人体运动的图像序列进行分析处理，通常括步态检测、步态表征和步态识别3个过程。

步态检测是在图像序列中将人体步态轮廓区域从背景图像中提取出来。这方面的研究包括背景估计、目标检测和形态学后处理等。步态轮廓区域的有效分割对于特征提取、目标分类等后期处理非常重要，因此步态检测常被视为步态识别的预处理部分。步态表征就是采取某种方法表示检测出的步态和数据库中的已知步态，又称为步态特征提取。步态识别指将待识别的步态信息与数据库中的步态特征进行比对，通过一定的判断依据决定它所属的类别。有模板匹配法、状态空间法等。

步态识别的优势在于非接触性、非侵犯性、易于感知、难于隐藏和难于伪装。基于这些优点，步态识别在门禁系统、安全监控、人机交互、医疗诊断等领域具有广泛的应用前景和经济价值。

和其他生物特征识别技术（如指纹、人脸、虹膜等）相比，收益于数据的可得性和检测的非接触性，声纹识别与步态识别都有其独特的优势，因此在特定领域具有较高应用价值。

3、商业级应用：积淀深厚，新技术新场景驱动新市场

3.1、门禁：指纹应用广，人脸趋成熟

指纹识别是目前门禁系统中应用最广泛、价格最低廉、易用性极高的生物识别技术。但是指纹毕竟是表皮的纹路，容量受到外界因素的影响而受到变化，也容易被伪造等，在安全性要求高的行业中，指纹识别产品将一定程度上受到限制。将人脸识别产品嵌入到门禁控制系统中的新一代门禁控制产品正日趋成熟，目前人脸识别门禁系统主要应用于对安全需求较高的场所，如监狱门禁、银行金库等。此外，近年来虹膜、静脉识别等技术也开始应用到门禁系统中。2011年中船重工710所成功研制出指静脉身份识别门禁系统。

图：国内门禁系统市场规模（亿元）

近年来，智能小区及银行、智慧城市平安等项目推动门禁市场快速增长，近三年来增长率不断提升，2015 年市场规模达到了 160 亿元。叠加生物识别技术在门禁市场中渗透率的提高，生物识别将实现快速增长。

3.2、考勤：指纹当道，人脸实现技术突破

将生物识别技术应用于企业员工考勤系统，有助解决传统打卡钟、 C 卡考勤方 式带来的代打卡问题，保证考勤数据真实，提高企业员工管理的效率和质量。

在应用于考勤机的所有生物识别技术中，指纹占份额最大。另外，随着3D活体指纹识别技术在产品中得到进一步应用，利用指纹膜代打卡、指纹表皮环境异常导致纹识别困难、识别速度慢造成排队考勤的几大问题将得到缓解， 3D 指纹考勤机将在一定程度上实现对传统光学指纹识别考勤机的替代。通过对人脸一些独一无二的特征识别对验进行考勤，目前技术层面已突破昼夜光的影响，能在自然状态下达到快速识别。相较于指纹识别，人脸识别彻底杜绝了代打卡考勤的发生，也消除了指纹考勤接触使用的尴尬情况。虹膜识别技术在早期被广泛于煤矿行业的考勤。目前，将虹膜识别技术应用于建筑实名制管理系统项已在全国范围内进行推广，并以珠海和贵阳两地的案例较为突出。静脉识别考勤系统也已经在部分企业和高校中获得应用。

3.3、金融行业应用：深耕银行客户，移动支付撬动增量市场

金融机构对安全性的要求极高，因而生物识别技术首先被广泛应用于银行的内部控制中，银行的机密资料保险柜、金库门禁、柜员业务授权基本上都采用了生物识别技术。2013年5月，光大银行引入指纹识别统一身份认证平台，将指纹识别取代了密码进行柜员核心业务系统和验印系统等银行内部业务系统登录。

从弱实名电子帐户卡开到存取款，生物识别向更高风险的银行客户身份核验场 景拓展。2015年 12 月，为改进个人银行结算账户服务，中国人民银行发布了《中国人民银行关于改进个人银行账户加强账户管理的通知》。《通知》明确提出要拓宽开户渠道并增设远程开户渠道，有条件的银行可探索将生物特征识别技术和其他安全有效的技术手段作为核验开户申请人身份信息辅助。明确政 和其他安全有效的技术手段作为核验开户申请人身份的辅助手段。明确的政策支持进一步推动生物识别技术在银行客户身份核验场景进入实用化阶段。

图：招行刷脸取款

早在 2014 年，江苏银行就在全辖范围全部实体网点启用“刷脸”技术，主要用于辅助开户、联网核查、人像比对。经过多年的发展，人脸识别、静脉识别、声纹识别三类技术均已有产品落地。人脸识别目前的应用范围最广，主要用于弱实名电子账户 (如直销银行账户 )开立时的身份核验。弱实名电子账户不能支付、 转转账、取现、汇兑，因而生物识别技术的应用风险较小。比如属于弱实名电子帐户直销银行账户，其功能仅限于购买本及合作发卡、代销的余额理财产品，资金进出都只能通过绑定的银行结算账 户。此外，人脸识别技术也已用于辅助进出都只能通过绑定的银行结算账户。此外，人脸识别技术也已用于辅助户的核身开立，手机银行开户、信用卡申请也使用到人脸识别技术。随着招商户的核身开立，手机银行、信用卡申请也使到人脸识别技术。随着招商行在2015年推出刷脸取款业务，人脸识别正式进入存取款时的身份核实场景。静脉识别已经应用于多家银行自助设备的存取款业务，声纹识别则率先在建设银行的手机银行登录验证服务中得到应用。

移动支付打开巨大增量市场。目前应用最广、落地最好的技术是指纹识别。支付宝、微信等第三方移动支付工具和多家银行的手机银行都已推出指纹直支付功能。2015年9月，中信银行与华为合作首推指纹识别近场支付，MateS华为钱包APP内绑定中信银行信用卡，即可在线开通等额度的电子信用卡，用户在银联POS机上刷手机即可完成熄屏支付。“熄屏支付”即用户在结账时，只需持手机靠近POS机，即可熄屏唤起支付页面，进行指纹验证，就能完成200元以内的小额支付；若消费金额超过200元，也只需在POS机上再行键入信用卡密码，就能完成付款。最近，民生银行在业内第一家推出了虹膜支付。人脸识别技术提出已久，但至今还未在第三方移动支付工具中落地。声纹识别也还未实际投入使用。

与银行客户的身份验证相比，生物识别技术在移动支付场景中的应用还处于初级阶段，目前只有指纹支付实现了较广范围的落地。TrendForce拓墣产业研究所指出，2015年全球移动支付市场规模为4，500亿美元，预估2016年将达6，200亿美元，年成长率37.8%。2015年，中国手机网上支付用户规模达到3.58亿，增长率为64.5%，是整体网上支付市场用户规模增长速度的1.8倍，网民手机网上支付的使用比例由39.0%提升至57.7%。伴随着指纹识别渗透率的进一步提升，以及人脸识别、虹膜声纹等技术的落地，生物识别技术在第三方支付工具及手机银行等移动支付应用中将打开巨大的增量市场。

2009 年，我国生物识别产业细分市场中商应用占 84.9% （按销售额计算）。 （按销售额计算）。 如果这一比例保持不变，按预测的中国2020年生物识别市场规模为300亿元计算，商业级应用的市场规模将达到 254.7 亿元。

4、政府及公共级应用：初具规模，多政策支持开启稳定市场

4.1、公安部门：智能监控+人员进出管理助人脸识别独领风骚

今年，公安部门在生物识别上重点发力监控和人员进出管理方面实现了多个项目的落地。而在多技术中，人脸识别独领风骚。

人脸识别促进视频监控向智能化发展。随着平安城市建设的推进，中国很多城市已经部署了大量的安防监控摄像头，由此产生的海量视频数据给公共区域安全防范带来机遇的同时也带来极大的挑战。完全依靠人工监视或排查，无法满足实际应用的需求，将人脸识别技术融入视频监控系统，提升视频监控的智能分析水平，是应对挑战的有效途径。今年，合肥开启人脸识别“天网”，合肥市所有火车、汽车站的进出口都布有人脸识别设备，所有经过的人都会被系统抓取采集面部信息，采集完毕存入库中。当案件发生时，合肥的安防视频监控报警系统可以将犯罪嫌疑人的面貌录入库中进行检索，找到与之匹配的人脸。

人脸识别开始用于多类场所的人员进出管理：今年7月，深圳机场成为全国首家将人脸识别系统嵌入机场安检信息系统、实现两套系统一体化运行的机场。最先嵌入该系统的机场国内安检7号、8号通道，近一个月通过该系统检查发现冒用证件乘机旅客10人次，占到机场安检站近期查获该类旅客总人数的近三成，系统在提升现场查验能力、有效甄别旅客是否冒用证件等方面显示了很强的专业性和实用性，可有效杜绝违法分子分别取换登机牌后再故意交换登机牌登上对方飞机的安检漏洞。今年9月，南京交警首次使用人脸识别技术，自人脸识别系统启用以来，该公安检查站共检查3200人次，发现32人次存在问题，包括身份证过期、人证不符等，还有2名逃犯和2名吸毒人员被抓获。

2014年，公安部部级的生物识别采购金额为819.2万元，2015年采购金额为899.78万元，而今年截止到现在，采购金额已达1471.08万元。如果地方公安机关的采购额能够实现相似的增速，生物识别将在公安行业将迎来翻倍增长。此外，公安部部级近三年的采购项目基本都是人脸识别项目，对于其他生物识别技术，仅在今年采购了236万元的签证指纹采集仪硬备。可见，人脸识别短期内将主导市场的增长。

4.2、社保部门：生物识别正式入驻社保系统

2015年，人社部提出要紧密跟踪芯片技术的发展方向，积极研究无线支付、基于互联网服务的用卡方式、生物特征识别等新技术的应用，为新一代社会保障卡做好技术储备。由此，生物识别技术正式入驻社保卡。社保生物识别系统的基本结构和工作过程如下：

1) 特征采集：参保人在系统中注册，填报本人的身份证、年龄、地址、所属单位等基本信息，设置本人的系统登录密码并采集生物特征信息；系统将所有用户信息和其对应的生物特征集中存储于数据库中。

2) 认证：参保人定期使用密码或身份证登录系统，并进行生物特征认证，以确参保人的身份和生存状态；系统则根据用户提供的登录信息提取其生物特征进行匹配验证，认证过程中可以录像保存验证资料。 <

3) 社会保险信息系统依据认证获得的身份和生存信息决定如何进行社会保险的发放。

年以来，各级人社部门对生物识别的采购包括了人脸识别、静脉识别和指纹识别三类技术。根据下表数据，我们假设每个市的采购金额为200万元。按国内共计293个地级市计算，市级人社部门的生物识别市场约为5.86亿元。同时，假设省级采购金额为1200万元（甘肃省2016年采购金额为1264万元），按国内共计32个省和自治区计算，省级人社部门的生物识别市场约为3.84亿元。加总之后全国人社部门生物识别市场的空间约为9.7亿元。

表：各级人社部门部分生物识别采购项目

4.3、教育部门：各类考试有望搭建新入口

2016 年 2月 29 号，教育部发布了《关于做好2016年普通高校招生工作的通知》，通知中教育部明确提出：要结合各地实际，采用二代身份证现场报名确认、现场采集照片和指纹或静脉等生物特征、及时进行信息比对措施严防替考。通知 采集照片和指纹或静脉等生物特征、及时进行信息比对措施严防替考。通知表明，指纹识别、人脸识别和静脉识别三类技术有可能成为未来高考身份核查的强制手段。

早在 2012 年，河北省教育考试院为了进一步规范考试流程，就率先在国内教育为了进一步规范考试流程，就率先在国内教育考试领域试点引入指纹识别技术。 2016 年，北京、四川、湖北、广东等多个省份的高考采用人脸识别＋指纹识别双重技术确认考生身份。每个考点都配备身份核验终端，考生进入考场时需要在设备上同完成刷身份证、按捺指纹、人脸拍照，并且与之前注册信息进行联网比对，三者核验均通过才能予以参加高考。而从2015年开始，蒙古自治区在高考身份核查中使用指静脉识别技术。

指纹识别率先打开了高考市场，紧随其后的是人脸 。当前和指纹识别率先打开了高考市场，紧随其后的是人脸 。当前和识别两类技术已经应用于多省的高考身份核查，指静脉 识别两类技术已经应用于多省的高考身份核查，指静脉 识别技术还未大范围应用。 随着教育部通知的进一步落地，更多省将在高考中使用静脉识别技术。

图：高考人脸识别+指纹识别双重技术

高考之外，自2015年起，司法考试在各省各考区推行国家司法考试人脸识别系统，考生必须先扫描身份证并现场拍照，通过人脸比对后方可进入考场。2016年，部分地区的英语等级考试也引入了人脸识别技术。高考之外各类考试逐渐引入生物识别技术，将放大生物识别在教育部门的市场空间。

4.4、医疗部门：人脸识别带动智慧医疗新进展

2016年3月，全国首家“人脸识别”医保支付系统在武汉市中心医院上线，通过手机刷脸支付，医保患者偶有不适可以在家通过网络院问诊，电子处方开具后，可以直接完成医保费用的缴纳，实现了医保患者网上就诊，药品快递到家。

人脸识别系统应用于医保支付系统，是智慧医疗的新突破。不过由于刷脸支付涉及医保账户线上使用的资金安全等问题，技术能否在国各大院推广还需 涉及医保账户线上使用的资金安全等问题，技术能否在全国各大院推广，还需要看政府层面下一步的支持力度。

5、消费级应用：方兴未艾，需求端打开奠定最大增长动力

5.1、手机端指纹识别：指纹识别硬件价跌量涨，NFC支付形成新推力

指纹识别产业链主要由硬件环节和软件环节构成。硬件环节包括指纹识别芯片、指纹识别模组， 软件环节包括指纹识别方案、手机终端和软件应用。在硬指环节，从芯片到模组，还需经历封装、 coating、盖板、金属环等环节。

需求扩大和价格成本下降推动指纹模组出货量高速上升。近年来，智能手机和移 动支付需求的扩张带动了手机端指纹识别技术需求的增长。同时，指纹识别逐渐成为中高端旗舰机型的标配，且在低端千元市场的普及率剧增。两方面因素叠加，推动指纹模组的需求不断扩张。而随着中国本土厂商全面进入识别市场并加快推出产品，指纹识别模组价格进入下行通道。指纹模组的价格2014年底约为10美元，2015年降至5美元，目前市场均价在3-4美元/片。需求的扩张和价格的下行带来指纹模组出货量快速增长。2016 年上半年，指纹模组的出货量呈现逐月增长的趋势，上半年出货总达到1.51亿（不计算苹果手机的指纹模组）。我们保守估计2016年整年的出货总量为3亿，假设均价为3美元，2016年整年指纹模组的销售额将达到9亿美元。

据接近FPC的业内资深人士分析称，今年指纹识别渗透率为20%-25% 。如果指纹识别渗透率可以达到50%的水平，指纹芯片、模组市场规模将实现翻倍增长。

NFC 支付相继推出，移动成为手机指纹识别关键应用场景。2013年9月，苹果推出首款搭载正面按压式指纹识别（Touch ID）的手机iphone5s，支持解锁/支付、与 Home 键完美融合。自iPhone5s之后，全世界的高端旗舰手机都开始攻关指纹识别技术，指纹识别在消费级市场迎来了爆发式增长。手机端指纹识别的应用场景包括：屏幕解锁、对手机的文件或者 应用场景包括：屏幕解锁、对手机的文件或者app进行加密、应用互动(比如长按指纹传感器给预先设定的人打电话，双击传感器就能共享照片，打开播放器的时候在传感器上向右滑动就能切换下一首歌等)以及自家服务(各手机厂商独特的指纹解锁服务，例如华为的应用锁、OPPO N3的拍照等方面)。而随着第三方支付工具和手机银行逐渐支持指纹识别，移动支付开始成为手机指纹识别的主要应用场景。另外，三星、华为、中兴、小米等厂商相继与银联达成合作，推出NFC支付。NFC支付可在不联网的状态下完成，与手机硬件的结合更加完善，且由于其信用加密等安全功能集成在硬件上，安全性更高。NFC支付在分割当前移动支付存量市场的同时，有望凭借其优势撬动一部分增量市场，这将对指纹识别芯片、模组和指纹识别软件环节形成拉动作用。

5.2、手机端虹膜识别：正处产业化初级阶段，高端机存在空间

2015年5月，富士通推出了全球首款搭载虹膜识别技术的新款机型Arrows NX F-04G，用户只要短暂凝视触控屏便可自动解锁，并能够实现购买APP的账号输入或具备登陆网页的密码功能。三星今年的旗舰机型Galaxy Note 7支持虹膜扫描，用于解锁的同时，Samsung Pay也获得了对于虹膜扫描功能的支持。而即将发布的华为年度旗舰Mate 9据称也将内置虹膜识别功能。

图：Galaxy Note 7虹膜扫描

虹膜识别算法国外领先，国内进入产业化阶段。虹膜识别技术的核心环节是算法。在该环节，国际领先的厂商有美国Iridian、Iriteck和韩国Jiris等。美国Iridian公司是全球最大的专业虹膜识别技术和产品提供商，它和Irisguard、Securimetrics 、LG、松下、OKI、NEC 等公司进行合作，以授权方式提供虹膜识别核心算法，支持合作伙伴生产虹膜识别系统。Iritech提供核心软件以及镜头，由其他公司在此基础上开发应用系统，并且负责销售。目前，国内的虹膜识别核心算法处于起步阶段，技术提供商主要是上海交大图像所和中科院自动化所，其虹膜研究成果已经产业化，主要由中科虹霸和聚虹光电这两家公司进行运营。目前，两家公司的产品已经在商业和公共领域获得了应用，未来有望拓展到消费级的手机端。

大量黑色虹膜样本为国内研发提供契机。当前，国内虹膜技术的关键研发方向是针对东方人的黑色虹膜识别。相对于西方人的虹膜，黑色虹膜颜色更深，纹理区域更狭窄，纹理数量更少，而且普遍存在比较严重的眼睑或睫毛遮挡，这些特点导致一般的虹膜识别技术在应用于东方人时识别精度会大大下降，甚至成为虹膜识别技术在东方人群中扩大应用的潜在障碍。中国拥有最大的黑色虹膜样本，这将为国内研究机构和厂商提供契机，在该研发方向上实现赶超。

指纹识别可复制的特性一定程度上削弱了它的安全性。而中高端手机用户对手机数据保密性和支付安全性的要求极高，因而，虹膜识别技术在中高端机型上存在市场空间。

5.3、指纹锁：渗透率尚低，作为智能家居入口优势明显

指纹、智能锁应用。指纹锁是将电子技术、集成电路设计、大量的电子元器件，结合计算机网络技术、内置软件卡、网络报警、锁体的机械设计、生物识别等多种创新的识别技术的综合产品。

目前指纹锁在国内渗透率较低。国内指纹锁市场至今已经过了10多年的漫长培 育。从2012 年开始，指纹锁产品处于高速增长的阶段，2015年比2014年增长了 82% ，但目前渗透率仍然较低。以往在中国智能锁主要被用于高端酒店、公寓与别墅当中，在普通家庭用户普及率不到2%，而在欧美等西方发达国家智能锁的市场，而在欧美等西方发达国家智能锁的市场，占有率在50%以上，日本、韩国智能锁更占民用锁70%以上的市场。

近年来，在智能家居系统中，指纹锁有着独特的应用场景与集成空间。伴随智能家居功能延伸与智硬件创业浪潮，指纹锁开始成为重要的应用落地点。然而与之前相比，目前市场情况可能出现了以下变化：目前市场情况可能出现了以下变化：

（1） 去中间化销售：在2015年之前，指纹锁产品的零售价基本在三千元以上，部分品牌可以达到四千元以上。随着创新型企业进入指纹锁领域，从2016年开始，很多智能家居品牌也延伸到这一领域，再加上互联网品牌的新运作新模式助推，部分做到了去中间化，在价格上有所下降。另外，大量企业进入指纹锁市场，加速行业普及，对传统企业的产业链体系会造成冲击。随着技术和生产门槛进一步降低，各个生产厂家出现竞争现象，压缩了成本。

（2） 整体产品设计能力的提升：包括与门厂和孔位匹配兼容性的提升。以前指纹锁和门厂的设计相互都没有贴合，这就导致指纹锁到门厂去需要经过比较复杂的安装调试，安装调试和销售维护的成本都比较高。现在指纹锁和门厂在技术上形成了联通，指纹锁的安装标准遵循着门厂的标准，各方面的成本都会降低。

（3） 指纹识别和嵌入式单片机技术的成熟：包括芯片成本的降低，这会让指纹锁产品进一步稳定，推动行业发展。

（4） 智能家居和物联网技术的成熟： 智能家居和物联网技术的成熟： 让指纹锁 融入到了智能家居整体的范畴。 智能家居在宣传推广方面可以让消 费者快速认识指纹锁，有知就会智能家居在宣传推广方面可以让消 费者快速认识指纹锁，有知就会费和普及。

（5） 使用者消费习惯改变：

过去住宅等的主要购买者多为70后，没有形成指纹识别的习惯，而目前购房者中开始出现80甚至90后，这一部分消费群体由于iphone等智能手机的使用习惯培养，对于指纹识别已经较为熟悉，更愿意在住宅中接受指纹锁。

从“指纹锁”到“智能锁”：在指纹加密外，近年来新型智能锁还能做到APP 发短信、云联网报警，使得智能锁的安全级别大大高于机械锁，手指指纹代替了传统钥匙，产品体验也更便捷。

与其他众多智能家居硬件相比，指纹锁作为入口有得天独厚优势：智能锁的更换周期为 5-8年，相比于其它智能家居使用频次高，更周期长，智能化成本较低。同时智锁以个人指纹作为ID可以连接其他智能家居硬件，具备生态链的纵深潜力；

在新的市场环境下，指纹锁、智能锁创业项目迎来了投融资的春天：知名智能锁品牌第吉尔、耶鲁被瑞典锁具巨头亚萨合莱收购，行业资源整合力度加剧。国内项目，小嘀云智能锁于2016年3月获得A轮1.23亿人民币融资，代表着智能家居的突破点正从智能家电向智能安防领域转移的趋势。

目前，智能锁市场潜力巨大。随着中国人口基数扩大、新建楼盘增多、楼价总体水平上升、国人对居住条件的要求提高，目前，国内一线、二线城市房价不断上涨，如果每平米售价10000元以上，那么指纹锁的成本平摊到每平米价格上，总价上涨幅度基本可以忽略。因此，越来越多的房开商采用指纹锁来吸引消费者。同时还有对高科技的热衷、社会不稳定因素带来的安防问题，使指纹锁市场逐渐扩大。根据华经视点对物理门禁控制市场的调查研究表明，超过70%的最终用户和80%的行业受访者认为，在未来3至5年内，他们希望以手机、钥匙牌、标签或凭证卡等方式替代现在的传统门锁。目前我国全国城镇住宅在3.4亿套左右，假设有一半能实现智能锁渗透，每户使用智能生物识别锁1.5个，那智能锁的需求量可以达到2.55亿个。按照每个智能锁2000元的价格计算，总市场规模可以达到5100亿元。

6、广阔市场和多种盈利模式带来巨大利润空间

6.1、从硬件销售到数据变现，盈利模式多样

生物识别盈利模式较为多样化：我们认为盈利模式可以分硬件销售，软件、解决方案服务提供，云服务提供，未来可能的数据变现几种。 （1）硬件销售。硬件是生物识别的入口，硬件销售也是生物识别领域最基础的盈利模式。提供优秀的硬件，是生物识别领域公司一种较为传统的盈利途径。

例如虹膜识别，由于提取眼白毛细血管信息的过程容易受到光线的干扰，因此首先需要使用近红外LED 来提供照射光线，需要使用四元晶粒机台设备，这一技术难度较大，主要红外线LED 厂商包括日本EPITEX、欧洲厂商欧司朗、台湾的晶电和研晶。同时，提取信息需要小型摄像头模组（CCM），它将光学图像转化为电子视频信号的装臵，其后电子信号将被转化为于数码影像设备之显示屏上，以供使用者将其储存为数码影像。

例如指纹识别。每一次的指纹解锁经历三个过程，首先传感器检测到手指按下并判断手指覆盖传感器面积达到验证的标准，其次进行指纹数据验证，最后验证通过点亮屏幕并解锁屏幕，每一个过程都依赖于硬件本身的处理能力，因此硬件在整个指纹识别产业链中占有极高地位。在整个指纹识别产业中，芯片价值占比极高，占整个模组的70%；又分为IC设计、晶圆制造、封测三个环节，在我国A股上市公司中，硕贝德、晶方科技等公司都具有一定的封装和模组技术实力。

（2）软件、解决方案服务提供。优秀的软件技术有助于降低识别错误率，提高

识别效率，是生物识别中的核心环节，特别在人脸识别、声纹识别、步态识别等对于算法要求较高的领域。专注软件和平台开发的公司将最受益于该类领域。

例如人脸识别。目前已有多家公司在人脸识别解决方案领域布局。例如川大智胜，公司三维人脸识别技术采用“三维建库，二维识别”的方式，投入小、精度高，具有明显的技术优势。该系统已经开始试点应用。佳都科重点布局的是云从科技公司的人脸识别技术，目前研发的多项产品进入了试点和应用阶段未来，公司还将进一步加大对人脸识别等图形图像智能分析技术的投入力度，加快产品化和产业化进程，向国际领先的技术水平迈进。除此以外，东方网力、海康等上市公司已经在视频管理、人脸识别领域有较强的技术优势和稳固的市场地位。

云服务模式。除了直接提供解决方案或软件外，部分生物识别公司还应用云模式提供服务。例如旷视科技应用PaaS模式，打造智能视觉云服务，通过向下游客户提供人脸或者图像识别的服务来获得收入。例如，美图秀秀就是旷视科技“人脸识别云服务”的客户，美图秀秀不用自己开发相应的人脸识别模块，只需要接入旷视科技提供的API和离线引擎就可以享受现成的人脸检测、分析和识别等服务。这种模式区别于传统的项目制，具有非常好的盈利前景。

极视角科技是一家计算机视觉及大数据分析公司，是一家PaaS平台提供商。公司通过开放云端平台，为算法开发者提供开发环境、海量数据、架构支持等优质算法和解决方案。

（3）大数据变现。计算机公司除了提供软件工具与服务，还有可能通过与客户的合作，共同实现客户数据的变现，拓展新的商业模式。

例如指纹识别领域。作为只能家居入口的指纹锁模块，可以掌握大量有价值的用户数据，例如，户主的作息情况、家居使用频次、家人健康状况等。通过这些数据，可以实现各种衍生功能。例如儿童上、下学监督和监护，通过智能锁根据孩子的进出门纪录做到监督孩子是否按时回家或者感知人身是否安全，从而起到监督和保护的双重作用。老人健康作息管理和监护，记录每天家中老人开关门作纪录，得知老人的活动情况，从而推断出老人是否外出活动，或者是否长久没有出外活动，据此就能大致判断出家中老人身体情况。作为家庭安全中心，防止其他安全事件发生，比如加入传感器，在室内温度异常，或者空气当中某项气体超标的 同时，在用户手机进行远程报警，从而预防一下火灾和煤气爆炸事故的发生等。

在人脸识别领域。客户购买计算机公司的产品或服务，可以满足自己识别分析的需要。但数据的价值仍然没有被充分挖掘。

例如，政府掌握的人脸数据可以用于监控和破案，也可以用于其它的商业领域。

但政府作为非盈利机构，没有动力去进一步变现其数据价值。未来，技术公司可以通过与政府达成合作，在不违背公民隐私保护的前提下，进一步挖掘政府掌握的人脸数据价值，获取商业利益。未来企业可为开发者提供人脸识别软件开发包，所有基于人脸应用类型的APP（美图、刷脸推荐音乐的emo）可以通过API调取人脸相关的功能函数实现基于人脸的创新业务。同时公司可以向开发人员以技术授权形式收费。

除此之外，人脸识别盈利模式还具有其他巨大的想象空间，比如：基于刷脸消费占据支付入口，其重要性及未来变现空间不言而喻；同时基于百货商场VIP 客户识别及精准营销等应用均为人脸识别带来巨大的变现空间。

6.2、市场高速扩张，多项技术同生共长

根据前瞻产业研究院的数据，全球生物识别行业的市场规模已经由2007年的30.1亿美元增长到2015年的130亿美元，年复合增长率CAGR为20.07%。预计到2010年，全球生物识别市场将突破250亿美元。

图：全球生物识别行业市场规模与预测（亿美元）

在国内市场方面，前瞻产业研究院的数据显示2010至2014年，国内生物识别市场平均增长率保持在60% 以上，2014年生物识别市场规模为80多亿元人民币。 在当前多种驱动力的推下，预计到2020年，国内生物识别市场规模将突破300亿元。

图：中国生物识别行业市场规模与预测（亿元）

在市场结构方面，根据国际生物识别集团（IBG）的报告《生物识别市场与产业报告2009 -2014》，在多种生物特征识别技术中自动指纹系统（AFIS）和实时扫描所占份额最大，为38.3% ；指纹识别占到28.4%（自动指纹识别系统（AFIS）和实时扫描，是指在公安、刑侦、机场、安检等行业应用的指纹识别系统；指纹 识别，是指其他指纹识别的民用市场。）人脸识别占到11.4%；虹膜识别、语音识别、静脉识别和掌形识别各占8.0%、3.0%、2.4%和1.8%。

在中国市场，2014年国内人脸识别市场占比达 18%，而指纹识别占比由之前的98%下降到82%。人脸识别对指纹的替代趋势明显。此外，每一项生物技术独特的应用应用特点和应用场景、技术成熟度的提升以及多种相互融合的趋势，正在推动虹膜、声纹、静脉等生物识别技术快速成长。未来，国内生物识别领域将呈现多项技术同生共长的局面。