眼纹识别仅需用普通前摄，拍清楚眼部就能够达到近乎虹膜的识别水准，对于目前方兴未艾的“人脸支付”、“人脸登录”的各类APP上面非常有吸引力，手机前摄的分辨率越来越高，画质会越来越好。

如今虹膜识别身份已经成为现实，不久前，眼白也被宣布可以用来识别人的身份，即使同卵双胞胎也能被区分开来。这项眼纹识别技术由生物识别技术创业公司 EyeVerify 研发，这家公司后来被蚂蚁金服用7000 万美元收购，并在2017年 10 月份整合改名为蚂蚁佐罗。

这里的所说的眼纹，不是眼角的鱼尾皱纹，也并不是所谓的虹膜识别。简单来说虹膜识别与眼纹识别最本质的区别就是：在原理上两者识别的区域完全不同。虹膜识别顾名思义识别的是眼睛的虹膜部分，而眼纹识别则是识别眼睛的巩膜部分。

眼纹就是眼白区域的血管排布纹理，每个人的眼纹都是独一无二的，所以可以被用做识别个人身份的生物特征。通俗的说，虹膜识别是识别“黑眼仁儿”的纹理，眼纹识别则是识别“眼白”的血管排布情况。据介绍，在充足的可见光下，用户自然看着手机的前置摄像头就可以进行眼纹识别，而不用像虹膜识别需要特殊的摄像头。不过这项技术还没有解决眼球反光、眨眼、眼睫毛等干扰因素，现在还属于实验室产品阶段。

人体特征识别系统是建立在每个人所具有的一些独一无二的生物特征的基础上的。目前已经投入使用的这类设备可实现对手形、笔迹、视网膜、指纹、语音和其他许多特征的识别。生物识别技术是目前最为方便与安全的识别技术，利用生物识别技术进行身份认定，安全、可靠、准确。此外，生物识别技术产品均借助于现代计算机技术实现，很容易配合电脑、互联网和安全、监控、管理系统整合，实现自动化、智能化管理。

根据美国咨询机构 Transparency Market Research 的预计，全球生物识别技术市场规模将从 2015 年的 112.4 亿美元，增长至 2020 年的 233 亿美元，复合年均增速为15.7%。生物识别市场正处在快速增长当中。

而目前最为常见的生物识别技术有：指纹识别、人脸识别、掌纹识别、语音(声纹)识别、静脉识别等。

在了解其他生物识别之前，我们先了解一下已经大面积应用的人脸识别。Face ID的登记依赖于一个人的面部在某一时刻的图像，就像Touch ID的指纹捕捉一样，在设备的安全区域中存储为数学表示。但是，Face ID还依赖于一个神经网络，它利用来自某些尝试登录时的面部数据来建立用户的面部表情。除了在注册时获取的数据外，这个安全区域还存储了“在一些解锁尝试中计算出的面部表情的数学图像，如果Face ID认为它们对增强未来的匹配有用”。

把人脸识别的安全性做到能够充当身份验证，苹果运用的正是 3D 结构光技术，通过前置的 Infrared Camera 和 Dot Project 组件，iPhone X 能够快速扫描人的面部并在人脸表面形成 3 万个看不见的 IR Dot，就像 3D 建模一样。

人体特征识别系统是建立在每个人所具有的一些独一无二的生物特征的基础上的。目前已经投入使用的这类设备可实现对手形、笔迹、视网膜、指纹、语音和其他许多特征的识别。

视网膜识别技术
人体的血管纹路也是具有独特性的，人的视网膜上面血管的图样可以利用光学方法透过人眼晶体来测定。如果视网膜不被损伤，从三岁起就会终身不变。每个人的血管路径差异很大，所以被复制的机会很少。通常这类系统使用一束低强度的发自红外发光二极管的光束环绕着瞳孔中心进行扫描。根据扫描后得到的不同位置所对应的不同反射光束强度来确定视网膜上的血管分布图样。这种方法在不是生物活体时无法反应，因此不可能伪造。但是在戴眼镜或患某些眼病时（如白内障）无法进行识别。

在注册过程，当进行扫描时，使用者必须注视检测器中的一个用于校准的目标。通常经过几次这样的扫描，按―定规律将几次扫描结果结合起来从而建立起使用者的参考图样数据。然后将这些数据存储于系统的存储器中。

语音识别技术
语音识别技术是利用每个人所特有的声音为辨识条件。人们的发音方式取决于多种因素，包括地理影响、声带和嘴型。通过让某个人重复说一套单字或短语，可以获得他的声波纹模板。

语音自动识别系统的应用是与数据自动处理分不开的。语音中可用于识别的特征包括：声波包络、声调周期、相对振幅、声带的谐振频率等。这几种方式当前可用于安全检测。而且都有较好的发展前景。

将被检测人的语音特征与事先早已注册的样本进行对比即可进行识别。但语音特征可受感冒及环境噪声等的影响发生错误判断，另外有可能好的录音可以蒙骗该系统。

面部识别技术
面部识别系统分析面部形状和特征。这些特征包括眼、鼻、口、眉、脸的轮廓，形状和位置关系。因亮度及脸的角度和面部表情各不相同，使得面部识别非常复杂。目前已投入实际应用的系统需要人站在摄像机前面面对摄像机。但又一些更先进的系统，能在人运动时识别出来。

眼纹识别，是人脸识别、虹膜识别的补充，并不是取代性技术，技术路线上算是融合了两方面的优势的产品。目前的人脸识别技术已经开始大范围应用，而人脸识别下一个阶段是较优的融合点，融合新的技术到人脸识别中，作为未来可预见的人脸识别可靠性和准确性的补充。

眼纹识别是利用眼白的可见静脉图案进行身份识别，因为没有任何两个人的脉管系统完全相同，即便是孪生兄弟或者四胞胎。同卵双胞胎的人脸识别一直是生物识别领域的世界级难题，在iPhoneX还在为区分双胞胎而困扰的时候，利用眼纹识别技术实现了同卵多胞胎的精准识别。同卵多胞胎虽然长相极端相似，不过每个人都有独一无二的眼纹特征。

眼纹识别的基础性条件与可行性

身处数字世界的我们发现摄像头、麦克风无处不在。无论是人脸识别还是眼纹识别都是非接触式识别，只需要一个简单的摄像头就能获取带有面部及眼睛特征的图片。但是，相较于人脸识别，眼纹识别需要质量和分辨率更高的图片，对摄像头也有一定要求。因为只有这样，才能抓取到眼静脉的细微特征，完成后续算法训练。人脸的图片没有这么高的要求，所以，目前人脸识别技术的应用更加广泛。不过，现在摄像头更新换代的速度非常快。每次新手机推出时，也会伴随更高质量的摄像头，所以，未来，基于计算机视觉的生物识别技术会发挥更大潜力。

眼纹识别的历史性意义

诚然，虹膜识别在容错率，信息量及稳定性方面更有优势，但在工业界，“脱离成本谈技术”并非睿智之举。拿手机来说，虹膜识别需要专业硬件支持（远红外摄像头），这对智能手机的改造以及规模化商用是个挑战——这也是为什么早在90年代虹膜识别就已商用，但多年来主要应用场景只是军用和一些特定领域。

另外，人类虹膜的采集过程需要用户较高的配合度，这对普通小白用户来说学习成本更高。相较之下，眼纹识别对摄像头没有特殊要求，手机前置摄像头就能满足要求，采集过程中只需要用户自然看着手机就可以。所以，从用户体验和成本上来说，都更有利于规模化商用和大众普及。

眼纹识别技术几乎可以在所有平台和智能设备上部署、扩展和使用。以较低成本，从线下认证搬到线上认证，取代PIN、密码和线下身份验证，用户将创建全面的云上数字身份，这些身份将用于各种应用程序和服务，淘汰过时的密码技术并使身份验证变得毫不费力。简单来说，不需要独立的线下硬件，只需要配合摄像头，眼纹识别可以通过软件算法达到苹果硬件的精准度，让普适性更好。

iPhoneX的Face ID，人脸识别依然有“脸盲”困惑，人脸做精确识别的制约太多，作为核心认证手段暂时很难靠得住。人脸识别需要在不理想的环境、角度和光线之下，准确的识别，难度非常大，技术要求非常高。

虹膜识别获取眼睛前部的彩色部分，需要一种近红外光摄像头，在如今的智能手机或平板电脑上不标配。但虹膜安全性高于人脸识别，毕竟可以整容。

视网膜解决方案，拍摄眼睛后部里面的静脉图案，同样需要昂贵的硬件。视网膜识别速度慢，并且需要用户保持静止的状态，目前没有手机提供视网膜技术。

眼纹识别仅需用普通前摄，拍清楚眼部就能够达到近乎虹膜的识别水准，对于目前方兴未艾的“人脸支付”、“人脸登录”的各类APP上面非常有吸引力，手机前摄的分辨率越来越高，画质会越来越好。在充足的可见光下，用户自然看着手机的前置摄像头就可以进行眼纹识别，而不用像虹膜识别需要特殊的摄像头。目前还没有解决眼球反光、眨眼、眼睫毛等干扰因素，现在还属于实验室产品阶段。