По мере того, как строительство умного города вступает в глубоководную фазу, становится все более ясным основное предложение: кто будет охранять границы идентичности цифрового города?
За последнее десятилетие распознавание лиц помогло решить большинство задач по проверке личности в сценариях общественной безопасности. Однако по мере эскалации методов атак — с распространением технологии дипфейков и частыми случаями, когда фотографии высокой четкости обходят определение живости — единая система распознавания лиц обнажает свои структурные уязвимости.
На этом фоне распознавание радужной оболочки глаза претерпевает стратегический переход от «инструмента для особых сценариев с высоким уровнем безопасности» к «основному компоненту инфраструктуры безопасности на уровне города».
В мае 2026 года последний рейтинг IREX 10, опубликованный NIST, показывает, что коэффициент ложных совпадений (FMR) алгоритмов распознавания радужной оболочки глаза высшего уровня может контролироваться ниже одного на миллион (10⁻⁶), что намного превосходит распознавание отпечатков пальцев (обычно на уровне один из десяти тысяч) и достигает самого низкого уровня среди современных биометрических технологий. Мировой рынок биометрии как услуги (BaaS) достиг 4,2 миллиарда долларов в 2025 году и, как ожидается, превысит 5 миллиардов долларов в 2026 году.
I. Почему Ирис? Технические барьеры определяют границы применения
Среди всех основных биометрических технологий распознавание радужной оболочки глаза имеет три незаменимых основных преимущества:
Пожизненная стабильность. Текстура радужной оболочки формируется через 6–18 месяцев после рождения и остается неизменной на всю жизнь, не подверженная влиянию болезней, старения или родового износа. Напротив, отпечатки пальцев ухудшаются с возрастом и профессиональной средой, а черты лица значительно изменяются в зависимости от колебаний веса, операций и старения.
Исключительная случайность и уникальность. Радужная оболочка глаза человека содержит около 266 независимых, поддающихся количественной оценке точек, хаотичность которых гораздо выше, чем отпечатков пальцев (около 35). Даже у однояйцевых близнецов совершенно разная текстура радужной оболочки, а левый и правый глаза одного и того же человека также независимы и некоррелированы. Это свойство обеспечивает теоретическую частоту ложных совпадений при распознавании радужной оболочки глаза порядка 10⁻¹² — самый низкий показатель среди всех биометрических технологий на сегодняшний день.
Бесконтактная работа с надежным определением активности. Захват радужной оболочки глаза не требует физического контакта, что делает его естественным образом подходящим для сценариев со строгими требованиями общественного здравоохранения. В сочетании с ближней инфракрасной подсветкой и многомерным обнаружением активности он может эффективно защищать от атак с использованием фотографий, видео и 3D-печатных протезов глаз.
Эти три характеристики являются основной причиной того, почему распознавание радужной оболочки глаза незаменимо при пограничном портовом контроле, судебной безопасности, проверке медицинских документов и в сценариях с высоким уровнем дохода.
II. Phaselirs™: основная конкурентоспособность на уровне алгоритма
Порог коммерциализации распознавания радужной оболочки глаза лежит не в аппаратном обеспечении, а в алгоритмах — точнее, в способности извлекать надежные характеристики радужной оболочки глаза на высокой скорости в реальных условиях, таких как сложное освещение, размытие изображения при движении и частичная окклюзия.
Алгоритм фазового распознавания радужной оболочки глаза Phaselirs™, разработанный компанией Homsh, представляет собой технический барьер, созданный для решения этой основной проблемы. Его основное нововведение заключается во введении структуры кодирования признаков в фазовой области:
● Многомасштабный фазовый анализ Габора: извлекает особенности текстуры радужной оболочки в частотной, а не пространственной области, обеспечивая присущую устойчивость к размытию изображения и шуму;
● Адаптивный механизм сегментации границ: обеспечивает стабильную локализацию радужной оболочки даже при сильном отражении зрачков или окклюзии век до 40 %;
● Модуль динамической оценки качества: оценивает захваченные кадры в режиме реального времени и автоматически выбирает оптимальный кадр для сопоставления, снижая процент неудачных попыток захвата на месте до менее 1%.
При проверке развертывания в реальных условиях Phaselirs™ обеспечивает скорость одиночного сопоставления на уровне миллисекунд для поиска 1:N в базе данных уровня миллиона, удовлетворяя требованиям к пропускной способности сценариев с высоким уровнем параллелизма на уровне города.
III. Qianxin + OVAI: сквозная система с замкнутым контуром
Прорывы на уровне алгоритмов могут раскрыть полную коммерческую ценность только в сочетании с глубокой интеграцией оборудования.
Предстоящая серия специализированных ИИ-чипов Qianxin от Homsh глубоко настроена и оптимизирована для алгоритма Phaselirs™:
● Встроенный специализированный блок нейронной обработки (NPU) для извлечения признаков радужной оболочки глаза, позволяющий сократить энергопотребление на обработку каждого кадра более чем на 60 %;
● Поддерживает мультимодальный совмещенный вывод радужной оболочки + лица, выполняя двойную проверку личности на одном чипе без дополнительных сопроцессоров;
● Конструкция промышленного класса рассчитана на работу в широком диапазоне температур (-40°C ~ +85°C), подходит для сценариев развертывания умных городов на открытом воздухе.
Универсальная платформа OVAI, построенная на базе чипа Qianxin, объединяет модуль ближнего инфракрасного освещения, матрицу бинокулярных камер и механизм вывода границ, образуя полный замкнутый цикл «захват – обработка – сопоставление – принятие решений»: бинокулярный синхронный захват (<0,3 с), локальное сопоставление Phaselirs™ (без зависимости от облака) и зашифрованная отчетность о результатах (соответствует требованиям Classified Protection 2.0).
Основная ценность этой сквозной архитектуры заключается в том, что она полностью устраняет риски задержек в сети и угрозы безопасности передачи данных, связанные с облачным сопоставлением. Для очень чувствительных сценариев, таких как общественная безопасность, армия и финансы, локальная обработка не является вариантом — это необходимость.
IV. Рыночный ландшафт: окно политики открылось
В период с 2025 по 2026 год одновременно появилось множество политических сигналов, открывших критически важное окно для широкомасштабного внедрения системы распознавания радужной оболочки глаза.
Уровень регулирования: Подробные правила реализации Закона о защите личной информации подчеркивают принцип «минимизации данных» для биометрической информации, подталкивая отрасль к переходу к техническим решениям с высокой точностью и низким уровнем ложного захвата. Закон о безопасности данных требует локализованного хранения данных проверки личности для критически важной инфраструктуры, что накладывает ощутимые ограничения на облачные решения и дает преимущества локализованным решениям Iris.
Уровень стандарта: национальный стандарт GB/T 41988-2022 «Технические требования к изображениям для приложений по распознаванию радужной оболочки глаза в целях общественной безопасности» официально вступил в силу, устранив барьеры соответствия для распознавания радужной оболочки глаза для включения в каталоги государственных закупок. Постоянные оценки NIST IREX 10 и постоянное совершенствование алгоритмов ведущими мировыми поставщиками также побуждают отечественных производителей ускорять итерацию.
Уровень рынка: Совокупные инвестиции в строительство умных городов Китая в период 14-й пятилетки превысили 4 трлн юаней, при этом доля инфраструктуры безопасности продолжает расти. Поставщики, которые возглавят вертикальную интеграцию алгоритма, чипа и готового устройства, получат невоспроизводимое преимущество первопроходца.
Когда лицо, созданное искусственным интеллектом, может обмануть камеру, городским системам безопасности требуется более надежный якорь. Этот якорь обеспечивается неизменной текстурой радужной оболочки на протяжении всей жизни — не потому, что это более модно, а потому, что это более фундаментально.
От алгоритма Phaselirs™ до чипов Qianxin, от терминалов OVAI до возможностей системной интеграции — Хомш создает проверенную временем систему доверия идентификации, что делает распознавание радужной оболочки глаза самой надежной инфраструктурой безопасности для умных городов.
