来源 | hackernoon
出品 | 大数据文摘 编译 | 周熙
现代生物识别技术始于20世纪60年代，并逐渐演变成读取生物标记的准确率触及100%的高科技扫描仪。在2020年，基于生物学的科学正在高速颠覆认证行业。
未来的潮流将是无密码的。
20世纪六十年代——探索
1960年，科学家们开始识别声学语言和语音的生理成分。这就是现代语音识别技术的前身。
1969年，联邦调查局(FBI)推动了自动指纹识别，这导致了对细微点的研究，以绘制独特的模式和纹线。
20世纪七、八十年代——FBI资助
到1975年，在联邦调查局的资助下，第一台提取指纹点的扫描器已经成型。但因数字存储成本过高，因此国家科学技术研究所（NIST）开始研究压缩和算法。
在NIST的工作导致了M40算法的发展，这是联邦调查局使用的第一个实用匹配算法。该算法用于缩小人类搜索范围，产生的图像数量大大减少，然后提供给经过培训的专业技术人员进行评估。现有的指纹技术也在持续发展改进。——Biometricupdate
NIST通过申请虹膜识别和皮下血管模式的专利，推进了语音、眼球和人脸识别。人脸照被数字化到数据库中。
20世纪九十年代——生物识别科学腾飞
20世纪90年代是生物统计学的迅速发展时期。利用代数方程可实现不到一百个值就能区分归一化的人脸图像。国家安全局（NSA）成立了生物识别联盟。国防部（DoD）与国防高级研究产品局（DARPA）合作，为商业市场的人脸识别算法提供资金。商业化产品很快跟进。
洛克希德-马丁公司与美国联邦调查局签订合同，为后者建造一套自动指纹识别系统。
CODIS（FBI法医DNA数据库）的诞生是为了数字化存储、搜索和检索DNA标记。由于数据存在于筒仓中，生物标志物实验室测序需要数小时，因此检索工作遇到了瓶颈。一个网络将很快促进存储的生物标志物的电子化大规模交换。
21世纪初——生物识别技术的推广
西弗吉尼亚大学(WVU)设立了第一个生物识别系统和计算机工程的学士学位课程。国际标准化组织（ISO）对通用生物识别技术进行了标准化，促进了国际生物识别研究和开发的合作交流。
掌纹生物标记技术开始登上生物识别的舞台。欧洲生物识别论坛成立，以解决市场采用和分散的障碍。人脸识别成为护照和其他机器可读旅行证件(MRTDs)公认的全球生物识别认证器。
美国移民部在出入境口岸对签证申请者使用生物识别技术，以加强对罪犯的安保，并为数百万合法旅行者的旅行提供便利。国防部收集生物鉴别数据(指纹、脸部、声音样本、虹膜图像和DNA拭子)，以跟踪和识别国家安全威胁。
布什总统规定所有政府人员必须持有个人身份证，并在全州部署了自动掌纹数据库。2008年，国土安全部通过交叉匹配生物识别数据，在边境阻止了一名恐怖分子嫌疑人。
21世纪10年代——从国家到智能手机的转变
生物识别技术继续为恐怖分子的身份识别提供支持，但2013年苹果在iPhone 5S上推出Touch ID时发生了转变。生物识别技术不再是严格意义上的政府工具。它现在成为了公众消费品。
Touch ID被大量集成到iOS设备中，用户可以通过Touch ID解锁设备，也可以在各种苹果数字媒体商店（iTunes Store、App Store、iBookstore）中购物，还可以在线或在应用中验证Apple Pay。在宣布该功能时，苹果明确表示，指纹信息会被存储在苹果【芯片】的本地安全位置，而不是远程存储在苹果服务器或iCloud中，外部访问非常困难。——资料来源：国家科学技术委员会。
2020——爆发
-
扫描传感器背后的科学改进到几乎完美
-
智能手机的使用达到顶峰
研究生物识别技术的专家预测，未来几年只会有更多的选择，比如语音或心率检测、签名认证，甚至可以通过走路的方式判断你是谁的设备。五角大楼已经在研究步态和心跳识别的工具。- 华盛顿邮报
<pre><section style="letter-spacing: 0.544px;white-space: normal;font-family: -apple-system-font, system-ui, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;"><section powered-by="xiumi.us"><section style="margin-top: 15px;margin-bottom: 25px;opacity: 0.8;"><section><section style="letter-spacing: 0.544px;"><section powered-by="xiumi.us"><section style="margin-top: 15px;margin-bottom: 25px;opacity: 0.8;"><section><section style="margin-bottom: 15px;padding-right: 0em;padding-left: 0em;color: rgb(127, 127, 127);font-size: 12px;font-family: sans-serif;line-height: 25.5938px;letter-spacing: 3px;text-align: center;"><span style="color: rgb(0, 0, 0);"><strong><span style="font-size: 16px;font-family: 微软雅黑;caret-color: red;">为您推荐</span></strong></span></section><p style="margin: 5px 16px;padding-right: 0em;padding-left: 0em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;">一个算法工程师的日常是怎样的？</p><p style="margin: 5px 16px;padding-right: 0em;padding-left: 0em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;">彻底搞懂机器学习中的正则化<br /></p><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;"><span style="font-size: 14px;">13个算法工程师必须掌握的PyTorch Tricks</span></section><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;"><span style="font-size: 14px;">吴恩达上新：生成对抗网络（GAN）专项课程</span></section><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;">从SGD到NadaMax，十种优化算法原理及实现</section></section></section></section></section></section></section></section></section>
本篇文章来源于: 深度学习这件小事
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈