生物特徵識別：寫在前面的話

近幾年隨着深度學習技術（deep learning）的發展和推廣，在某些領域突破了傳統算法的瓶頸，尤爲是在計算機視覺方向，自從imagenet2012上AlexNet大殺四方後，短短几年時間，深度學習已經幾乎佔據了三個視覺頂會（ECCV，CVPR，ICCV）。一時間，不管在學術界和工業界，計算機視覺方向的若是沒有應用深度學習技術會被人看老古董同樣的眼光看待。作爲機器學習的一個子方向的深度學習成了煊赫一時的技術，各類開源框架如Tensorflow，Caffe，Mxnet等深度學習框架迅速誕生，並獲得大量開發人員的親睞。

另外一方面，硬件計算能力的突破，雲計算等技術的提高，深度學習直接推進了人工智能的發展。隨着科學家創業的興起，人工智能創業企業中計算機視覺方向的初創企業佔一半以上，而大多數計算機視覺企業選擇生物特徵識別做爲突破口，好比近兩年火爆的人臉檢測，人臉識別。生物特徵識別學術界和工業界的差距逐漸變成了數據的差別。

開這個專欄本意是總結生物特徵識別領域的技術，探討方案落地的具體實現方法，生物特徵識別一個很廣闊的領域，並不僅僅是其中一項技術。固然也不會僅僅侷限在深度學習或者某一項技術應用上，更多的是基於不一樣場景工程化和產品落地應用的角度選擇算法的方案。

從不一樣的生物特徵的接受度不一樣應用的場景也不會相同，當前人工智能的主要是場景應用的落地，譬如指紋須要用戶配合應用在手機支付上，而人臉識別分爲配合式和非配合式的，場景可能分別爲遠程開戶和安防領域。

雖然目前市場上基本是單一技術落地的產品，多模生物特徵識別場景有待挖掘。很看好多種生物特徵識別的應用前景，這是開專欄的目的之一。

本專欄計劃介紹一些生物特徵識別相關技術方案，同時也可能包括物體檢測及識別等部份內容，主要爲如下幾方面

1. 小面積指紋識別技術

2. 3D人臉檢測與識別

3. 眼紋識別技術

4. 語音識別與聲紋識別技術

5. 其餘生物特徵識別技術（心跳，脣語等）

............

主要探討一些可商用的算法方案，主要集中在工程上的效率優化以及算法上的微創新，但多數是對現有的技術方案優化，結合了一些新的想法，完成實際場景商業化的應用落地的可行性分析，若有侵權，請聯繫做者修改！對於一些不侵權的實現方案，會考慮Github上開源，以供參考。但願能夠多多交流。

同時也歡迎你們投稿！

---------------------------------------------------------------------------------------------

1/1/2018 更新：

通過思慮，本專欄將專一於終端上的生物識別技術的探討，其餘方向將考慮另開專欄分享，包括：

字符分隔與OCR

行人檢測及行人重識別

人體姿態識別

步態識別

 

重要提示：

專欄主要在於分享算法應用及技術進展，爲非商業贏利性質。若是其中內容有讓您感受侵犯了您的專利權或者其餘您以爲合法的權利，請及時聯繫做者！！！