当系统不仅可以认出你的脸，还能认出你的静脉甚至血管

张司钰

2023年年末的“富豪寻亲”事件，让很多普通人见识到了生物识别技术的能力。通过人脸识别以及不断更新的AI算法等技术，一位河北富商找回了走失25年的儿子。

近年来，得益于先进的图像处理和深度学习技术，人脸识别的准确率在某些系统中甚至超过了99%。如今，作为生物识别中应用最广泛的技术之一，人脸识别已成为智能手机、安全系统和支付技术中的常见功能。

虽然在技术上获得了显著进展，但人脸识别的安全问题始终难以得到解决。受算法的精度、图像质量、光照条件、数据库规模和多样性的影响，在足够庞大的人群样本中，总会有一些人的面容相似，这可能导致识别出现误差。

此外，面部特征也容易被窃取。已有许多人脸识别系统采用3D深度感知、眨眼或头部动作识别等更复杂的活体检测方法来防范伪造，但局限性仍存在，在不同光线条件下，系统还是有可能无法有效区分真人面部和高质量的照片、视频、面部模型，以及那些利用深度学习技术生成的假面容——指纹识别也是如此，使用明胶、硅胶或其他可塑材料就可以复制指纹。

生物识别技术发展至今经历了几代演进过程，其中一类生物识别技术识别的是人体某一部分的表面形状和特征，例如指纹、掌纹、人脸、步态等；另一类识别的则是肉眼无法看到的人体内部的特征，例如静脉、虹膜、DNA等。其中，DNA识别和静脉识别是公认最难伪造、最难窃取的。而相对DNA检测，静脉识别的成本相对较低，其重复概率仅34亿分之1左右，加上具有识别隐性生物特征、不易伪造和被盗、活体识别、普适性强等特点，它受到越来越多的关注。

2023年7月，亚马逊宣布将掌静脉支付和身份验证系统Amazon One应用于全美超过500家全食超市门店。Amazon One是亚马逊在2020年推出的系统，截至2023年7月其使用次数已达到300万次。

使用Amazon One支付时，顾客无需取出手机或钱包，也不必扫描信用卡或任何应用程序，他们只需要将手掌悬停在收银机旁的Amazon One扫描器上方几厘米处，就能完成支付并享受相应的会员福利。

注册掌纹支付也非常简单。在实体店铺，顾客可以先插入一张信用卡，然后将手掌放置在Amazon One设备上，并按照提示操作，将信用卡与手掌信息关联起来。一旦信用卡信息被系统记录，顾客此后只需将手掌放在设备上一秒钟左右，就可以快速完成支付。并且AmazonOne设备不会保留采集到的生物信息，这些信息将被加密并上传至亚马逊云端的高安全区域，然后创建并储存每个用户独一无二的“手掌签名”。

Amazon One设备能够同时采集掌纹和掌静脉数据，包括手掌的线条、皱纹等表面特征，以及静脉图案、骨骼等表皮下的内部特征。由于这两种数据很难同时被伪造，双重验证提高了识别的准确性。亚马逊表示，AmazonOne的准确性比扫描人体的两个虹膜高出100倍，且应用至今未出现任何误报。

静脉识别的原理并不复杂。不同于人脸识别使用数字摄像头捕捉面部图像，静脉识别依赖红外成像技术。利用静脉中红血球吸收特定近红外线的特性，通過红外光线照射手指或者手掌，并由图像传感器感应识别部位透射的光来获取内部的静脉图像——流经静脉的红血球中的血红蛋白对波长在700至1000纳米的近红外线会有吸收作用，导致红外线在静脉部分的透射较少，当红外线透射以后，静脉在图像传感器的感应影像上会突出显示，肌肉、骨骼和其他部分都会被弱化，从而得到清晰的静脉血管图像。

根据公开资料整理

当一个人的手指、手掌第一次经含红外光的摄像头照射，系统会用算法“画”出静脉图案，并将这些图案变成一系列数字，这个数字是独一无二的，类似于每个人的身份证号。当再次使用这个系统时，它会将新拍摄的静脉图案转化的数字与之前存储的数字比较，进而确认这个人的身份。

所以，静脉识别更适合光线较弱的环境。这种情况下，人脸几乎无法被识别，人的静脉网络却清晰可见；而在强光下，人脸识别可以一秒通过，静脉线条则会出现额外的噪点或杂散光斑，变得模糊不清。

如果想获得更好的识别效果，静脉识别需要从光学器件和图像处理方法等多方面优化。研究发现，940纳米的特定波段光源在强光条件下受影响较小，有助于清晰捕捉静脉图 像。

自2000年理论研究完善至今，静脉识别技术有过3次飞跃。2000年左右，早期的原型机和实验室测试证实，静脉图案可以作为一种可靠的生物识别形式。随后，得益于图像处理和特征匹配算法的优化，静脉识别的速度和准确性得到提升，该技术也在ATM机、安全门禁系统等金融和安全领域得到实际应用。但由于芯片的限制，静脉识别技术早期大多停留在工业领域。

当时，静脉识别系统对手部姿势的要求也较为严格，需要用户将手放置在一个碗状物体的特定支架上，以确保准确捕捉静脉图像。此外，那时的静脉识别系统在算法支持方面也有所不足，芯片的计算能力无法充分支持复杂的AI算法，需要用户遵循统一的模式扫描手部。

其实，在各类生物识别技术中图像处理以及其背后的算法都尤为重要，系统必须能够准确地处理和识别各人体特征中的微小细 节。

比如前文提到的“富豪寻亲”能成功，很大程度上得益于近年A I算法的提升和突破，使“跨年龄人脸识别”技术甚至更加细分和精准化的“同亲缘人脸识别”技术得以落 地。

静脉识别同样仰赖算法的不断优化。2021年起，随着芯片技术的进步，京东方生产的成本大约2美元的芯片加入了AI计算能力，静脉识别算法得到了显著改进。这为静脉识别系统提供了更强大的支持，使产品设计变得更为成熟，静脉识别技术也开始应用于智能门锁等与普通用户距离更近的领域 中。

一直专注于静脉识别研究的圣点科技首席技术官赵国栋向《第一财经》杂志介绍，2021年圣点科技的静脉识别智能锁的出货量已达到了10万套，市占率大约10%。

传统的指纹识别系统可能因为手指上的切口、擦伤等表皮损伤而无法正确工作，或可能仅仅因为手部过于干燥或湿润就导致识别失败，而基于体内特证的静脉识别没有这样的担忧。

静脉数据库的数量、质量与多样性直接关系到算法的优化，这也一直是静脉识别技术发展的一大阻碍。

静脉生物特征是一种人体内部生物特征，其特性决定了生物库的采集难度与积累难度非普通人脸特征库收集和积累可比，比如类似于通过手机App后台采集人脸的捷径在静脉识别行业就无法实施。

据赵国栋介绍，为了解决数据稀缺的问题，圣点科技不仅与学校、企业合作，通过大量工程项目采集、积累样本，还向第三方公司付费购买，以获得包括室内外环境、不同光照条件以及办公室等特定环境下的数据。目前，该公司拥有千万级指静脉数据库和近百万级掌静脉数据库。

大模型的出现也显著改变了静脉识别行业的问题数据训练方法，降低了数据采集成本。赵国栋的团队就利用大模型，在现有数据的基础上，模拟不同角度、光线条件生成不同的静脉图案。

“我们可以在一张办公室背景的静脉图像基础上，让模型生成不同光线效果的图像，以获得更多样化的数据。”真实场景下采集的数据质量更高，但大模型生成的数据能够有效解决数据多样性的问题并协助针对问题数据的分析处理，尤其是在无法直接采集的情况 下。

得益于数据训练效率的提升，掌纹支付现已出现在便利店、商超中，圣点科技目前正在努力实现手机端的静脉识别应用，并在静脉识别芯片化及微小型化、消费电子应用、面部静脉识别、与区块链加密技术结合，以及车载、支付等领域不断投入研发。

在赵国栋看来，随着传感器等技术的快速发展，未来生物识别将出现更多类别，可穿戴设备如手表或手机将有可能识别人体内部的多种生物信息，比如血管和肌肉的特征。

生物识别技术必将是多元并存的，集合了人脸识别、静脉识别的多模态识别方式正日益受到青睐。

“每种識别方式都有其适用的特定场景和领域。例如人脸识别非常适合远距离监控、安防和刑侦，静脉识别则在安全性和便利性方面具有优势，它们都不太可能完全取代对方或其他识别方式。”赵国栋说。