□ 文/本刊记者 何遥
人体生物特征识别技术在公共安全监控和服务中有着广泛应用。如,人脸识别系统能借助高清摄像机在不被人察觉的情况下,从人群中提取出犯罪分子的脸部信息,指纹识别技术是目前集安全性和可实现性最具性价比的生物识别解决方案,等等。有数据显示全球生物识别市场的规模到2020年总市场规模达到百亿美元,其中航空应用占有一席之地。
人体生物特征识别技术在公共安全监控和服务中有着广泛应用。如,人脸识别系统能借助高清摄像机在不被人察觉的情况下,从人群中提取出犯罪分子的脸部信息,指纹识别技术是目前集安全性和可实现性最具性价比的生物识别解决方案,等等。有数据显示全球生物识别市场的规模到2020年总市场规模达到百亿美元,其中机场应用占有一席之地。
航空业无疑是监管严格、容错率极低的行业,自从人类实现冲上云霄的梦想以来,航空人从未停止在创新上不断求索的脚步。对于航空业而言,引入或研发新技术的门槛更高,对于准确性和可靠性的要求也近乎苛刻。
霍尼韦尔一直在研究如何在航空领域运用这些新科技,以提升飞行安全和效率。大华技术、海康威视、川大智胜等国内企业在机场安防这一领域也都有很好的表现。
生物识别技术经历了四个发展阶段:第一阶段是萌芽期(20世纪60年代),标志事件是1965年 Chan 和 Bledsoe 设计的人脸识别系统;第二阶段是起步期(20 世纪 90 年代开始),标志事件是1991 年美国 MIT 的 Turk 和Pentland 提出的特征脸人脸识别方法;第三阶段是发展期(从2001 年开始),标志事件是2001 年美国 911 事件;最后一阶段就是:成熟期(2015 年),以深度学习的人脸识别方法为标志。深度学习技术很大程度取决于测试环境和训练数据 ,随硬件资源和运算能力提升,比以往表现得好。
人体生物特征是先天形成的生理特征和多年养成的行为特征的总称。
人体生物特征种分为很多种类。
生理特征:指纹、人脸、静脉、虹膜、声纹、掌纹、手形、颅像、唇纹、舌苔、足迹、牙齿、耳廓、骨骼、身形、视网膜、指节纹、DNA 等等。
行为特征:步态、语音、笔迹、书写、击键等等。
人体生物特征具有普遍性、唯一性、稳定性、可采集性和不具有伤害性。同时,生物特征也有造假的可能,这种风险不能忽视。
在机场、出入境、海关这类场所,身份识别是不可或缺的一环。
在全球,电子身份证(e-ID)已经成为一种趋势。跟传统身份证比起来,电子身份证更安全,因其智能卡安全芯片、非接触的特点。电子身份证所采用的生物特征一般包括指纹、人像、虹膜、签名等等。通过电子身份识别,实现人证核验、大库比对。
根据公安部技术标准要求,指纹识别等错率应达到0.1%,错误拒绝率 0.5%时,错误接受率0.05%,比对时间0.5s。在采访中发现,深圳市亚略特生物识别科技有限公司的在指纹识别的指标达到了等错率0.003%,错误拒绝率0.5%时,错误接受率0%,比对时间为0.0728s。
一般而言,无论一个机场的大小,乘客从安检到登上飞机,这个过程的繁锁程度都是差不多的。排队、安检,在登机口排队等待,这些在所有机场都是无法避免的,唯一差别只在于旅客在此过程中感受到的压力高低。但在2040年,这种情况有可能有所改变。新加坡樟宜国际机场通这应用人脸识别及人工智能技术提高效率与安全,从中我们可以一窥未来20年机场将会如何演变。
新加坡樟宜机场是亚洲最繁忙的机场,2016年接待了创纪录的5870万人次。而随着该地区经济进一步繁荣,航空旅行的需求仍在直线上升。2017年年底,新建成的T4航站楼开放,增加了1600 万人次的接待能力。
T4航站楼的大小足足有27个足球场大,充满各种新兴的高科技及人工智能元素:清洁机器人、运用面部识别的自动值机等等,开始正式为旅客服务。
对新加坡来说,自动化很重要,因为许多行业均面临着劳动力短缺的问题。自动化对于樟宜机场来说也是如此。因为以国际客流量来衡量,樟宜机场是全球第六繁忙机场,它的旅客吞吐量已经快要接近设计容量。樟宜机场上一次新建航站楼差不多是在十年前。
樟宜机场已在新的T4航站楼使用人脸识别技术,向旅客提供值机、行李托运、移民与登机的自助服务。据交通研究公司Crucial Perspective首席执行官Corrine Png表示,樟宜机场是亚洲首家这样做的机场。
樟宜机场预计,长期来看,T4航站楼实现流程自动化将能够节约20%左右的人力。另外,T4航站楼还将让樟宜机场的年旅客吞吐能力增加1600万人次至8200万人次。
樟宜机场称,9家航空公司将进驻T4航站楼,包括亚洲航空集团、国泰航空、宿雾太平洋航空、大韩航空、春秋航空和越南航空。
T4航站楼总占地面积为225000平方米,是樟宜机场T3航站楼的一半,但其旅客吞吐能力将能达到T3航站楼的三分之二。樟宜机场集团副总裁Poh Li San指出:“T4航站楼的目的之一就是作为新概念、新技术和新设备的试验田。”
人眼睛的外观图由巩膜、虹膜、瞳孔三部分构成。巩膜即眼球外围的白色部分,约占总面积的30%;眼睛中心为瞳孔部分,约占5%;虹膜位于巩膜和瞳孔之间,包含了最丰富的纹理信息,占据65%。虹膜区域由凹点、放射纹、色素点和其他斑点等构成,具有高达266个独立特征点。
虹膜识别概念1987年由眼科专家提出,1993年首次实现高性能自动化的原型设备。
虹膜识别的技术特点:
(1)独特性强:虹膜区域有266个独立特征点,远高于其他生物特征的14-60个。
(2)稳定性好:虹膜自婴儿胚胎期第3个月开始发育,第8个月成形,不再变化
(3)比对速度快:虹膜特征大都为二值特征,可利用异或进行比对,速度快。
(4)防伪性高:虹膜难以被盗取和仿造,且具有极强的生物活性。
(5)普遍存在:虹膜不易磨损,人人都有。
虹膜识别在国际上的应用较为成熟。1991年,美国Johnson实现最早的虹膜识别应用系统,1993年,John Daugman实现高性能自动虹膜识别原型系统。
美国的四大生物识别工程都使用了虹膜识别。美国国防部的自动生物特征识别系统(ABIS)为军队安全提供全方位的身份管理服务,如军事基地访问、疑犯管理等,建于2006年,2011年启动系统升级计划。美国联邦调查局的下一代身份识别系统(NGI)将基于生物特征识别的身份管理和犯罪历史信息相结合,减少恐怖袭击和犯罪活动,提高国家和公共安全(仅Lockheed公司合同额达$10亿)。美国国土安全部的出入境管理系统(USVisit),在外国访客在进入美国时录入指纹、虹膜、人脸等生物特征信息,用于罪犯、恐怖分子的排查。美国联邦政府的国土安全第12号总统令(HSPD-12))为1200万联邦政府雇员建立生物特征识别管理系统。
在国内,2005年,虹膜识别国际核心专利到期后,发展较快,目前已形成完成的产业链。公安部第一研究所是虹膜技术的行业应用典型。涉及虹膜识别的模组和镜头供应商有信利光电、舜宇光学等等;设备和算法供应商有中科虹霸、思源科安、天诚盛业、航天203所,等等。
虹膜识别技术在航空、机场安防中主要是与其他识别方式混合使用。混合生物识别利用多种生物特征或相同生物特征的多种采集、多种表达、多种匹配等方式恰当的融合,进行个体身份的识别及验证。这些生物识别技术包括近红外人脸、可见光人脸、虹膜、指纹、手掌、指静脉识别等,将它们组合使用,为用户提供基于自主知识产权的混合生物识别技术。例如,将指纹和指静脉,面部和指纹、面部和虹膜、掌纹和掌静脉等多种识别方式结合起来进行身份的判定。
混合生物特征识别技术融合了多种模态的特征,通过技术融合提高了识别系统的安全性和抗攻击能力,同时降低了错误率,使得多模生物特征识别技术能够有效缓解单模生物特征识别技术的缺陷,带来更好的识别性能。例如,“人脸+掌纹静脉+指纹”不仅具有多模态识别以及复合识别优势,而且识别准确率高,安全系数高。
霍尼韦尔的先进技术研发团队正着力于开发一系列语音识别工具,并结合机器学习以减少错误概率,帮助机组克服语言和口音障碍。
正如大家所知,在飞行过程中,空管人员(ATC)需要与飞行员保持沟通,以确保飞机沿正确的航线飞行。虽然不同机型情况不同,但在飞行中的驾驶舱内进行通话,和你在车里打电话可完全不一样——飞行员既要克服舱内噪音,又要判断无线电或电话那头不同国家地区空管人员的语音指令,压力也不小。
▲图:嘈杂繁忙的驾驶舱
霍尼韦尔正在开发一项语音转化工具,将飞行员与空管之间的语音转化成文字显示在屏幕上,从而辅助飞行员获取明确的空管指令。
该工具的另一个强大之处在于,它也能识别不同地区的英语方言或口音。虽然英语是航空业的通用语言,但是方言或口音着实让不少飞行员头痛不已。霍尼韦尔的语音识别技术能够有效排除方言或口音的影响,从而避免机组因口音问题造成的误解,也节省飞行员反复确认指令的时间,从容应对全球各地空管伙伴们的挑战。
有了这个工具,飞行员能在获得语音指令的同时通过屏幕上的文字明确指令内容,尤其在起飞和降落阶段,以及在应对飞行员不熟悉的语言或口音时,这份“双重保险”尤为重要。从长远来看,这类技术能够帮助减少如错降跑道这样的重大事故,确保飞行安全并提
对于人工智能在航空领域的运用,霍尼韦尔也进行着很多激动人心的探索,比如通过AI手段处理驾驶舱中的声音。霍尼韦尔在驾驶舱中安装麦克风,收集并分析每个开关及按钮所发出的不同声音,这些信息对空难调查有巨大价值。
▲霍尼韦尔Mic'd Up识别驾驶舱不同按钮及按键的声音
发生空难后,监管方、航空公司以及其他调查人员将查看飞行记录器(黑匣子),并努力拼凑、获知事件发生的具体情况。然而由于嘈杂的背景噪音,部分声音信息的细节通常难以识别。在AI和机器学习的协助下,我们可以识别出每一个按钮的声音,判断操作动作及时间。
通过大量的声音识别及事件分析,并与AI技术相结合,效果将会加倍:我们不仅可以更有效地进行事故调查,更可以总结出规律,并在飞行员即将按下错误按钮时出警告。
将驾驶舱声音作为一项独立的调查对象,能更好地了解事故发生前、发生时驾驶舱内的情况。这些认知对我们的研发也有极大意义,能有效杜绝同类错误的再次发生。
这一技术的应用前景也十分广阔,例如将该技术应用到汽车上,能够在发生事故后帮助明确驾驶员的责任,加快理赔进程。同时,它还能够通过收集数据加以分析总结,从而避免事故再次发生,加强对驾驶员的安全保护。
安防与航空业正通过结合人工智能(机器学习)、云计算以及生物识别技术(人脸识别、语音识别等等)进行革新。如今,飞机的自动驾驶技术更是日趋完善,再加上诸多航空安全技术的问世,比如霍尼韦尔的增强型近地警告系统、空中防撞系统,智能跑道及智能着陆系统,这些技术正帮助全球各类飞机输送着亿万旅客以更安全、更高效、更舒适的方式地前往目的地。