生物识别技术显峥嵘，ADI迎模拟新机遇

　　凭借极高的识别速度和准确的辨识能力，生物识别技术成为近年来发展最快的新型技术之一，用户不再需要记住冗长复杂的密码，也不需要随身携带多余的钥匙卡，只需通过识别每个人所特有的生物特征（指纹、掌形、面部、静脉、虹膜、声音等）便可在极短的时间内进行身份认定。由于生物特征所具有的唯一性和稳定性，这些信息都不易伪造和冒充，因此生物识别技术成为众多领域中不可否认最可靠、最准确的安全保障措施。此外，借助于现在高性能模拟技术的实现，实则对生物识别技术的发展起到了很强的助推作用。

　　据前瞻产业研究院发布的《2014-2018年中国生物识别技术行业市场前瞻与投资战略规划分析报告》，2013年全球生物识别市场的规模达到98亿美元，预计到2020年将增长至250亿美元。面对如此广阔的市场发展空间，生物识别技术赢得了众多模拟IC厂商的高度重视。全球领先的高性能信号处理解决方案供应商ADI公司近年来都在不断深耕生物识别技术的发展潜能，并致力为市场提供更多高品质的模拟产品和解决方案。ADI公司技术市场经理张铁虎先生这样表示道。

　　ADI技术市场经理  张铁虎

　　目前，在生物识别的实际应用中，基于脸部、指纹和虹膜的生物识别技术是业界公认最具可靠性的识别技术。张铁虎对此逐一展开评论，人脸识别作为一种基于生理特征的身份认证技术，与目前广泛应用的以密码、IC卡为媒介的传统身份认证技术相比，具有不易伪造、不易窃取、不会遗忘的特点；而人脸识别与指纹、虹膜、掌纹识别等生理特征识别技术相比，具有非侵犯性、采集方便等特点。因而人脸识别是一种非常自然、友好的生物特征识别认证技术。而指纹识别技术是指通过比较不同人指纹中的特征点不同来区分不同人的身份。指纹识别技术通常由三个部分组成：对指纹图像进行预处理；提取特征值，并形成特征值模板；指纹特征值比对。相比面部和指纹而言，虹膜是一个较新的生物特征。1983年，Flom与Safir申请了虹膜识别专利保护，使得虹膜识别方面的研究很少。1993 年，Daugman发表了关于虹膜自动识别算法的开创性工作，奠定了世界上首个商业虹膜自动识别系统的基础。随着Flom和Safir专利在2005年的失效和CASIA及ICE2005中虹膜数据集的提供，虹膜识别算法的研究越来越蓬勃。

　　由于生物识别技术尚还处于初步发展阶段的新兴技术，技术开发方向还在不断转变。张铁虎先生对此表示，生物特征识别产品逐步从单一PC处理，转变为分布式计算。用独立的前端设备来完成生物特征的采集、预处理、特征提取和比对，在通过中心PC或服务器完成与业务相关的处理。而这种方式较之传统方式的优点就在于前端采用性能更高的嵌入式设备，因而自然对数字信号处理器的性能也提出更高的要求。

　　ADI公司在生物识别产品开发上不断创新，并推出了很多杰出产品，为生物识别技术提供更多支持，而就在本月，ADI公司的Blackfin系列处理器刚刚又再添一员新将ADSP-BF70x。张铁虎对该产品系列着重进行评论，作为一类专为满足当今嵌入式音频、视频和通信应用的计算要求和功耗约束条件而设计的新型 16～32 位嵌入式处理器，Blackfin处理器基于由 ADI 和 Intel 公司联合开发的微信号架构（MSA），它将一个 32 位 RISC 型指令集和双 16 位乘法累加（MAC）信号处理功能与通用型微控制器所具有的易用性组合在了一起。这种处理特征的组合使得Blackfin处理器能够在信号处理和控制处理应用中均发挥上佳的作用 —— 在许多场合中免除了增设单独的异类处理器的需要。该能力极大地简化了硬件和软件设计实现任务。目前，Blackfin处理器在单内核产品中可提供高达 500MHz 的性能。Blackfin处理器系列中的新型对称多处理器成员在相同的频率条件下实现了性能的翻番。Blackfin处理器系列还提供了低至 0.8V 的业界领先功耗性能。对于满足当今及未来的信号处理应用（包括宽带无线、具有音频/视频功能的因特网工具和移动通信）而言，这种高性能与低功耗的组合是必不可少的。

　　Blackfin处理器具有如下特点：

　　（1）高性能处理器内核。Blackfin处理器架构基于一个 10 级 RISC MCU/DSP 流水线和一个专为实现最佳代码密度而设计的混合 16/32 位指令集架构，该架构很适合于全信号处理/分析能力。这种架构，使得人脸识别中的复杂的数字信号处理运算在Blackfin上很容易实现。

　　（2）高带宽DMA能力。人脸识别中需要对图像块进行操作，这就涉及到内存数据存取。采用Blackfin的DMA控制器可以自动数据传输，所需的处理器内核开销极少。这样可以将宝贵的处理器的运算能力用于人脸识别的计算，减小数据存取对性能的影响。

　　（3）视频指令。人脸识别中最常进行的操作就是对像素值进行处理，Blackfin处理器具有对8位数据以及许多像素处理算法所常用的字长的固有支持，大大提高了人脸识别的处理速度。

　　（4）分层存储器。Blackfin具L1 Cache和L2 Cache两级Cache，由于Cache较之外部存储器具有更快的存取速度，因而，在人脸识别时，可以把运算密集的代码放在L1 Cache或L2 Cache中，这样可以有效提高处理速度。

　　上述Blackfin处理器特点表明，Blackfin系列处理器非常适合处理需要高性能运算能力和高数据吞吐量的生物特征识别技术。