GPTfinger赋能指纹识别技术，德施曼赢下这一局

智头条> 智能门锁

2024-04-04 09:28:39

作者：智哪儿

阅读：50332

评论：0

[摘要] 四大技术突破，GPTfinger筑起技术壁垒

生成式AI这场战局里，德施曼跑赢同行，成为行业里第一个引入GPT技术的智能锁厂商。

4月2日，德施曼智能锁在北京举办了新品发布会之前的“创新技术预沟通会”，向到场媒体揭晓了最新技术突破之一——GPTfinger。

「智哪儿」认为，将GPT技术引入智能锁指纹识别功能，将成为德施曼新的“杀手锏”，搭载GPT技术的智能锁产品，也有望成为行业新的增长点。

1、95.4%的智能锁都支持指纹识别功能

事实上，科技巨头入局AI的案例并不少见，比如美的、海尔、长虹等家电企业早已宣布接入百度“文心一言”模型；再比如AI手机、AI电视将成为2024年消费电子产品的标签。但在智能锁行业应用最广的指纹识别领域，此前还未有先例。

回顾智能锁产品发展历程，从使用钥匙的机械识别，到使用密码的电子识别，再到使用指纹、人脸、指掌静脉的生物识别，智能锁的开门方式发生了天翻覆地的变化。但使用最广泛的开门方式依旧是指纹识别。据洛图科技数据显示，95.4%的智能锁都支持指纹识别功能。但是，对消费者而言，指纹识别不灵敏依然是最大的槽点。

比如，少数人群指纹质量不佳。包括指纹浅的女性和小孩，会导致采样点不清晰；还有指纹磨损、干裂的老人，通常会使指纹采样点不足；以及季节性蜕皮的人群，往往会让指纹采样点对不上，这些情况都会导致指纹不能或难以识别。

指纹识别的第二个困境则是预先设定的算法受到限制。指纹识别算法技术经历了从以捕捉指纹特征点为主的专家系统，到以捕捉图像特征点为主的机器学习的技术迭代，两者均为“规则与算法”先行。简单来说，现有指纹识别算法难以覆盖所有指纹差异，具有算法复杂度限制，硬件算力限制的问题。

因此，提升使用广泛的指纹识别的灵敏度和准确率，是智能锁品牌的必攻之战。

2、GPTfinger让指纹识别更聪明、更安全

那么，如何让指纹识别进化，变得更聪明、更安全？

在AI技术颠覆各行业的当下，ChatGPT现象级地推动了生成式AI在各行业的应用场景落地，同时，也为智能锁的指纹识别功能带来了新的技术思路。

比如，GPT-4在图像视觉识别算法、高级推理算法、上下文模型算法等方面拥有先天优势，而且自学习能力强、适应能力强，能无缝接入众多应用场景。这些特点，不就是我们希望更聪明的指纹识别应该具备的吗？

基于此，德施曼智能锁抓住了生成式AI的技术浪潮，首创了行业独家的“GPTfinger”，突破技术限制，让GPT-4技术应用于指纹识别。

GPTfinger摆脱了预定规则依赖，算法视指纹而定，形成“一人一算法”。这样就使其具备了四大优势：无惧指纹特征缺失、无惧指纹季节性变化、无惧个体差异以及更安全。

值得一提的是，在国家锁具产品质量检测中心（浙江）牵头的人群测试中，德施曼GPTfinger能让指纹不好的人，80%以上都好用。测试结果也得到了国家公证机构全程公证。

3、四大技术突破，GPTfinger筑起技术壁垒

德施曼在落地GPT技术应用于智能锁指纹识别功能的过程中，突破了四大技术难点：

首先，GPT-4模型庞大，空间和算力资源要求高。对此，德施曼首创模型蒸馏的方式，将模型进行100万级图到图的指纹识别模型训练；保留指纹识别单一场景相关120万个参数，从而模型空间从TB级别精简到MB级别，提升10倍主频、10倍算力，启用硬件加速的MPU实现资源扩充。

另外，GPT技术和指纹识别的训练模式不同。GPT-4模型通过上下文联系进行训练，处理并生成具有语意连贯性的文字。而指纹识别是根据指纹特征进行训练，采集并识别特征点吻合的指纹图像。针对训练模式的区别，德施曼行业首创“螺旋圆域技术”，模仿雷达波螺旋扫描的方式，将任意圆形区域内指纹特征组成螺旋状序列，建立指纹特征之间的上下文联系，即使有模糊的指纹，GPTfinger也能根据训练数据库，准确、快速的进行识别。

再有，针对指纹特征部分缺失导致难以准确匹配的问题，德施曼利用GPT的掩码遮挡生成式训练，能通过算法随机“遮挡”部分指纹特征进行训练，使GPTfinger实现即使在指纹特征部分缺失的情况下也能准确匹配，应对指纹磨损、不完整的情况，无惧部分特征缺失。

最后，为应对季节敏感带来的指纹变化，德施曼行业首创性地通过使用与GPT-4同源的深度卷积神经网络（CNN）大数据，来学习季节变化时指纹特征的衍变规律，让GPTfinger能够预测正常指纹变成脱皮指纹前后的变化形态，实现季节性指纹变化与正常时期指纹的可靠匹配。

可以说，四大核心技术难点的突破，让德施曼在智能锁行业建立起牢固的技术壁垒，同时也让GPTfinger技术的有效性和安全性更有保障。