科技巨头纷纷从刷脸转向“刷手”，指纹如何扛起生物识别大旗？

日前，IBM 高调宣布不再提供任何人脸识别服务和人脸分析软件及不再继续研发相关技术，正式退出市场。紧随其后，亚马逊也宣布，将暂停警方使用其人脸识别技术一年，转向扫描手掌特征来识别用户身份。

人脸识别技术备受争议，技术领域该如何应对？

在科技巨头都正向拥抱新的技术、抢占 AI 高地的大潮下，主动放弃人脸识别这样的热门先进技术是一个重大的决定。

而在实际运用中，人脸识别的隐私安全问题一直被受外界关注，尤其对于中国这样的 14 亿人口大国，如何做到更便利安全、保护隐私的身份识别，一直是困扰 AI 界的一个重大挑战。 

除了人脸识别之外，指纹识别技术也是如今身份识别技术中的一种重要方式。现代指纹识别技术的识别原理，主要通过4个步骤：

1. 指纹图像的获取

2. 指纹图像的预处理

3. 指纹特征的提取

4. 指纹特征匹配 

而指纹识别技术在面临不同场景时，依然还有一些亟待解决的问题。其中，指纹识别技术尽管在深度学习的推动下有了长足的发展，海量图像的高精度搜索仍然是一个没有被解决的技术难题。 

从“刷脸”回归到“刷手”，再次证实指纹作为“证据之王，”以其安全、可靠且保护隐私的特性仍引领生物识别的发展。特别是在智能时代，面对中国这样数十亿人口的大国，如何在30亿枚以上的海量指纹图像中快速、精准、自动化地锁定一个人？算法如何高效完成密集的AI视觉信号比对任务？

带着疑问，一起来听墨奇科技技术大咖如何说。 

如何打造海量高速高精度图像搜索系统？

秒级30亿指纹搜索实战经验

7月 1 日 20:00，墨奇科技将带来课程分享《如何打造海量高速高精度图像搜索系统？秒级30亿指纹搜索实战经验》。通过介绍墨奇科技海量高速高精度图像搜索技术，为大家分享其如何实现在 30 亿指纹图像数量级上达到秒级、高精度、全自动化比对的规模化落地应用。

主讲嘉宾由墨奇科技联合创始人及 CTO汤林鹏、墨奇科技创始团队成员、基础架构研发负责人刘勤、墨奇科技创始团队成员、全栈研发负责人张青笛共同担任，还将带来他们基于 AI 算法上的创新突破，分享该平台如何支持指纹库扩展到百亿级别的技术。

分享嘉宾：

汤林鹏

墨奇科技创始人兼CTO

普林斯顿大学计算机科学博士。师从计算机系统领域的世界顶级专家、美国工程院院士李凯教授。全面负责核心技术架构、算法研发及软硬件产品开发。获得 KDDCup 数据挖掘比赛第一名、CIKM 最佳学生论文等奖项。

刘勤

墨奇科技创始团队成员、基础架构研发负责人

香港中文大学计算机科学与工程博士学位。负责墨奇的新一代指纹比对系统的基础设施研发和非接触指纹采集仪的软件研发。曾就职于华为诺亚方舟实验室。2012 年获得 KDD-Cup 数据挖掘比赛冠军。

张青笛 

墨奇科技创始团队成员、全栈研发负责人

宾夕法尼亚大学计算机网络与通信硕士， 负责墨奇科技系统前端应用的搭建和比对加速算法的研发， 曾担任美国亚马逊任职高级软件工程师并参与开发网络自动化部署工具。获得 AWS Infra Award。

课程大纲：

1. 现实图像搜索难题对 AI 的极限挑战

尽管在深度学习的推动下有了长足的发展，海量图像的高精度搜索仍然是一个没有被解决的技术难题。

• 当数据库规模增加到千万甚至数十亿级，以及物体存在遮挡、变形等情况时，现有方法的精度会迅速下降

• 介绍如何利用多尺度的图像表示、高速异构的比对框架和分布式的并行处理，实现了30亿指纹图像秒级精准搜索的现实需求

2. 异构并行计算和性能优化

为完成高速密集的计算任务，在海量数据中实现极速、精准的搜索：

• 介绍如何基于 CPU-GPU 的异构平台，设计了一套基于 CUDA 编程框架的并行计算算法，通过对内存访问、局部存储、代码分支、指令优化、数据传输等一系列的优化，实现了比对性能质的飞跃

3. 非易失性内存在图像搜索系统中的应用

在数十亿图像中实现秒级精准搜索，对内存资源存在极大需求：

• 介绍如何通过最新的非易失性内存（NVDIMM）技术和 Linux 系统中的内存映射技术（mmap），将异构并行计算算法需要的所有图片特征存储在一个分布式的内存数据库内，从而大大降低了海量图像搜索成本，并增强了分布式图像搜索系统的稳定性

长按海报识别二维码（或点击“阅读原文”）

立即报名学习！

随着人工智能、大数据、云计算和物联网的发展，身份识别技术的场景需求越来越多，指纹识别的技术精度要求、处理效率的要求也越来越高，核心的图像搜索系统更是尤为重要，开发者们更需要多多参考与学习在该领域有技术优势的案例，不断优化自身技术结构，在飞速发展的时代成为优秀的建设者之一。

点击「阅读原文」，立即报名！