自iPhone X搭載的FACE ID出現以來，人臉識別著實火了一把，不管是在其后發布的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，但此前發展如火如荼的指紋識別卻已進入平淡期。

但據iPhone X開售近三周用戶反饋的情況來看，FACE ID并不如指紋方便快捷，而國產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。錘子羅永浩在其發布會就直言，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。

　　全面屏屏下指紋雖是最佳選擇，但是現狀是無論光學式屏下指紋還是超聲波式屏下指紋的研發都還未正式進入應用期，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。

　　那么，在人臉識別還未達到滿意的應用級別，而屏下指紋又未正式應用的空窗期內，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方向:一是將深度學習應用到指紋識別，提高識別精度；二是采集活體具有的物理成分，更好地防偽。

　　從目前指紋現狀來看，指紋識別發展還面臨兩大挑戰，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。

　　應對這兩大挑戰，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，可針對不同的應用場景進行分類和評估。他表示，基于經驗的傳統方法，在數據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據量的增大，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，簡稱OCT，即光學斷層掃描技術，此技術原本用于醫學，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，但缺少汗腺和內指紋結構。可見，該技術的應用更有利于防偽。

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

　　郭振華還以牛奶的在管道中的流速為例，介紹動態信息和靜態信息之間的差異，即流速越高，動態部分強度越高。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，但作為發展多年的已然成熟的識別方式，現已成為智能手機的標配，未來其還將繼續向中低端市場普及，市場規模仍在穩定增長。而加入了深度學習和活體檢測技術的指紋識別，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用空間，其與人臉識別等其他生物識別技術的競爭還有莫大的不確定性。