試 想

如果在機(jī)場(chǎng)的安檢系統(tǒng)沒(méi)有旅客的人工比對(duì)系統(tǒng)，沒(méi)有身份證、沒(méi)有護(hù)照，僅僅憑借各種傳感設(shè)備記錄的信息來(lái)核對(duì)身份，乘客自如的登機(jī)，有沒(méi)有這個(gè)可能？我想大多數(shù)人的第一個(gè)反應(yīng)，這是不可能的，如果識(shí)別錯(cuò)了呢？如果這個(gè)人帶著面具呢、如果這個(gè)人做了美容、如果這個(gè)人做了手術(shù)呢、如果這個(gè)人變老呢？想象一下，有太多的不可能。

但是，譚鐵牛院士告訴我們

這不僅不是不可能，而且還是未來(lái)的趨勢(shì)。

我們的身份信息包含著年齡、性別、民族等信息，年齡性別民族等信息我們稱(chēng)為人口學(xué)特征。譚院士的講座就是告訴我們?nèi)绾瓮ㄟ^(guò)人臉識(shí)別、指紋識(shí)別、聲紋識(shí)別、耳型識(shí)別以及虹膜識(shí)別甚至加上簽名識(shí)別等生物識(shí)別來(lái)確定這個(gè)人的人口學(xué)特征。

在講座引入階段，譚院士介紹了生物識(shí)別的概念：生物識(shí)別也叫“生物特征識(shí)別”，即根據(jù)人自身的特征，比如你的指紋來(lái)識(shí)別人的身份。這些自身的特征，就叫做生物特征，有兩大類(lèi)：一類(lèi)叫生理特征，另一類(lèi)叫行為特征。生理特征是與生俱來(lái)的，比如你的指紋、你的虹膜；行為特征是后天習(xí)慣使然，比如：走路的樣子，寫(xiě)字的筆跡。人體有很多可以用來(lái)進(jìn)行身份驗(yàn)證的生物特征。

在本講座中，譚院士講述了6大生物特征類(lèi)：面部、聲音、步態(tài)、指紋、虹膜、筆跡，利用這6大生物特征來(lái)估計(jì)人的性別、年齡和種族這三大人口學(xué)身份，并講述了其涉及的模型和方法。

生物識(shí)別的技術(shù)來(lái)進(jìn)行人口學(xué)特征分析標(biāo)志性事件開(kāi)始于1988年通過(guò)聲音識(shí)別性別，而隨著信息采集技術(shù)的進(jìn)步以及深度學(xué)習(xí)技術(shù)的發(fā)展，人口學(xué)特征分析準(zhǔn)確度越來(lái)越高，針對(duì)每一種生物識(shí)別技術(shù)，譚院士都是從問(wèn)題提出、問(wèn)題過(guò)去及現(xiàn)在解決方案以及問(wèn)題挑戰(zhàn)三個(gè)角度來(lái)闡述問(wèn)題。

首先他講述的是生物特征獲取技術(shù)，手機(jī)、網(wǎng)絡(luò)、智能穿戴設(shè)備、檢測(cè)設(shè)備等都可以獲取到人體生物學(xué)信息。

然后講述了應(yīng)用最為成熟的指紋識(shí)別方法，傳統(tǒng)的指紋表示方法有山脊數(shù)、不對(duì)稱(chēng)山脊數(shù)、山脊厚度、山谷厚度比（RTVTR）等特征提取方法，也有小波表示和紋理分析方法。而最為奇妙的是男女的指紋特征并不一致，所以指紋識(shí)別可以用于性別的分類(lèi)。

而用于人口學(xué)特征分析的人臉識(shí)別技術(shù)最開(kāi)始是幾何學(xué)分析，用鼻嘴眼的距離等特征來(lái)做特征臉，這個(gè)方法僅僅能分析正面圖像，而且忽略了紋理信息，隨后是Holisic模型和流形學(xué)習(xí)在人臉識(shí)別中的應(yīng)用提高了識(shí)別的正確率，目前流行的深度學(xué)習(xí)技術(shù)在人臉識(shí)別的成功應(yīng)用更是極大提升了人口學(xué)特征提取的精確度。但是人臉識(shí)別的各種技術(shù)均依賴(lài)于獲取臉部圖像的質(zhì)量。

譚院士提出了三個(gè)挑戰(zhàn)，包括側(cè)臉圖像、低分辨率的圖像、光照或者遮擋的圖像對(duì)人臉識(shí)別的影響。這三個(gè)挑戰(zhàn)，與及其學(xué)生給出了用深度學(xué)習(xí)或者對(duì)抗網(wǎng)絡(luò)來(lái)生成正面圖像、高分辨率圖像以及其他的調(diào)整，效果都相當(dāng)好。從而也可見(jiàn)，此次的講座給出我們一個(gè)解決問(wèn)題的框架：提出問(wèn)題、問(wèn)題的傳統(tǒng)與現(xiàn)在的解決方案以及問(wèn)題的挑戰(zhàn)及解決的方法。

人臉識(shí)別對(duì)年齡的識(shí)別傳統(tǒng)的方法有BIF + Adaboost + SVM等，這些方法可以實(shí)現(xiàn)跟人工識(shí)別相同的效果，而卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用使得對(duì)年齡估計(jì)的正確度會(huì)超過(guò)人類(lèi)。但是對(duì)于非標(biāo)準(zhǔn)化的數(shù)據(jù)集人口學(xué)的預(yù)測(cè)可能相互影響，比如年齡估計(jì)會(huì)受到民族的影響，也會(huì)受到性別的影響。

而對(duì)好像千篇一律的人的行走方式在識(shí)別方面卻表現(xiàn)出驚人的準(zhǔn)確性。應(yīng)用于人口學(xué)預(yù)測(cè)的步態(tài)識(shí)別傳統(tǒng)方法有基于點(diǎn)光源的方法、基于模型和基于表觀的方法。譚院士展示了他和其學(xué)生合作的基于CNN的深度學(xué)習(xí)方法在身份識(shí)別中的應(yīng)用視頻，該視頻可以在中央電視臺(tái)的機(jī)智過(guò)人欄目中查看。

當(dāng)然譚院士是虹膜識(shí)別方面的專(zhuān)家，虹膜識(shí)別的紋理特征分析在性別識(shí)別方面應(yīng)用也較為成功，結(jié)合Gabor濾波、線(xiàn)性濾波以及尺度不變?yōu)V波等小波分析方法能較好的進(jìn)行身份識(shí)別。

聲音識(shí)別主要是提取聲紋和聲韻特征來(lái)分析性別、年齡。LPCC、MFCC和PLP系數(shù)在性別之間的辨識(shí)度較高，如果加上振幅、頻率、能量等分析方法，聲紋的識(shí)別度會(huì)更高。

手寫(xiě)體受到人們身體素質(zhì)、年齡生活方式等因素的影響，從而根據(jù)手寫(xiě)體來(lái)分析人口學(xué)特征具有先天的優(yōu)勢(shì)。微觀上的字體梯度、結(jié)構(gòu)和凸凹性以及宏觀上的字體的傾斜性、字符間距和灰度值都可以作為人口特征探索的特征。而由于電子簽名的應(yīng)用，書(shū)寫(xiě)速度、書(shū)寫(xiě)方向、傾斜度和曲率等因素的記錄更可以加強(qiáng)手寫(xiě)體識(shí)別的辨識(shí)度。

總之，綜合各種生物識(shí)別方法可以較好的識(shí)別出個(gè)人的性別、年齡、種族等人口學(xué)特征。下表是各種生物特征識(shí)別的方法和應(yīng)用。