現(xiàn)在面對人臉識別的沖擊，指紋識別下半場逐漸趨于平淡，許多的手機廠商都在要求向人臉識別新技術(shù)看齊，盡管以目前的經(jīng)驗和技術(shù)來說還存在很大的不足，但人們還是比較會追求新技術(shù)。面對人臉識別沖擊，指紋識別發(fā)展還面臨兩大挑戰(zhàn)。

　　自iPhone X搭載的FACE ID出現(xiàn)以來，人臉識別著實火了一把，不管是在其后發(fā)布的vivo、OPPO、錘子，還是未來準備采用的華為、小米，都已采用或準備采用人臉識別。眼看人臉識別來勢洶洶，但此前發(fā)展如火如荼的指紋識別卻已進入平淡期。

　　全面屏屏下指紋雖是最佳選擇，但是現(xiàn)狀是無論光學式屏下指紋還是超聲波式屏下指紋的研發(fā)都還未正式進入應(yīng)用期，因此，蘋果iPhone X用3D人臉識別代替指紋識別，而vivo、OPPO、錘子則是人臉識別與電容式指紋識別共存，從上述角度看，指紋識別競爭力在逐漸消退。

　　但據(jù)iPhone X開售近三周用戶反饋的情況來看，F(xiàn)ACE ID并不如指紋方便快捷，而國產(chǎn)手機廠商搭載的人臉識別如其說是一種識別方式，更不如說是一種獵奇心態(tài)。錘子羅永浩在其發(fā)布會就直言，目前人臉識別的安全性還不如指紋識別，建議用戶還是主要使用指紋識別。

　　那么，在人臉識別還未達到滿意的應(yīng)用級別，而屏下指紋又未正式應(yīng)用的空窗期內(nèi)，電容式指紋識別如何能更好地參與手機新趨勢下的競爭？

　　清華大學深圳研究生院郭振華認為有兩點研發(fā)方向：一是將深度學習應(yīng)用到指紋識別，提高識別精度；二是采集活體具有的物理成分，更好地防偽。

　　從目前指紋現(xiàn)狀來看，指紋識別發(fā)展還面臨兩大挑戰(zhàn)，一方面是大人群下的識別能力低。如部分用戶指紋表面特征不清晰，難以識別，另外，在一對一條件下，指紋識別準確率可達，但在人數(shù)不斷增加的情況下，識別準確率將明顯降低。因此，指紋識別還迫切需要提高識別精度。

　　另一方面則在于指紋防偽效果不甚理想，指紋被指紋膜、照片、斷手指等破解的新聞層出不窮，因此，指紋還迫切需要防偽特征。

　　應(yīng)對這兩大挑戰(zhàn)，郭振華也提了解決方案。針對提高指紋精度問題，郭振華建議將深度學習應(yīng)用于指紋。深度學習是一種端到端的處理過程，可針對不同的應(yīng)用場景進行分類和評估。他表示，基于經(jīng)驗的傳統(tǒng)方法，在數(shù)據(jù)量達到一定程度的時候，其性能可能也到了一個瓶頸，而深度學習則可以隨著數(shù)據(jù)量的增大，性能逐漸提升，進而提升指紋識別精度。

　　針對指紋防偽問題，郭振華稱需要用到Optical coherence tomography技術(shù)，簡稱OCT，即光學斷層掃描技術(shù)，此技術(shù)原本用于醫(yī)學，如心血管疾病診斷、眼部疾病診斷、活體檢測等，近期開始用于指紋識別。

　　該技術(shù)是利用近紅外光及光學干涉原理對生物組織進行斷層成像，其不僅可采集內(nèi)指紋和外指紋，還可在兩層指紋之間檢測到汗腺，而假指紋雖有指紋紋路，但缺少汗腺和內(nèi)指紋結(jié)構(gòu)?？梢?，該技術(shù)的應(yīng)用更有利于防偽。

　　此外，在OCT技術(shù)的基礎(chǔ)上，還可以運用Optical Anigiography，簡稱OAG，即光學微血管造影技術(shù)，其可對OCT采集到的信號進行處理，有效分離樣品中靜態(tài)散射顆粒和動態(tài)散射顆粒。

　　郭振華還以牛奶的在管道中的流速為例，介紹動態(tài)信息和靜態(tài)信息之間的差異，即流速越高，動態(tài)部分強度越高。而回歸到指紋方面來說，就可分辨出沒有血流信息的指紋，真正做到活體指紋檢測。

　　指紋識別雖在人臉識別的火熱下稍顯暗淡，但作為發(fā)展多年的已然成熟的識別方式，現(xiàn)已成為智能手機的標配，未來其還將繼續(xù)向中低端市場普及，市場規(guī)模仍在穩(wěn)定增長。而加入了深度學習和活體檢測技術(shù)的指紋識別，在提升精度和增強防偽性能的同時，也加大了攻擊的難度和代價，指紋安全性能的提升也在很大程度上助力其走向更大的應(yīng)用空間，其與人臉識別等其他生物識別技術(shù)的競爭還有莫大的不確定性。