虹识技术重磅突破：ViT+ArcFace 虹膜识别 EER 达 0.29%

虹识技术重磅突破：ViT+ArcFace

虹膜识别准确率达到世界顶尖水平

等错误率仅 0.29%，ROC AUC 逼近理论极限——

我们用视觉Transformer重新定义了虹膜识别的边界

▲ Vision Transformer 重新定义虹膜特征提取的底层范式

一、这一次，不只是进步——是范式转变

如果你问一位做了二十年虹膜识别的工程师：“你见过的最难攻克的问题是什么？”

他大概会沉默一下，然后说："橡皮布。"

自1993年 John Daugman 提出 IrisCode 算法以来，"Rubber Sheet 橡皮布展开"这道工序就像一道咒语，刻在了全球虹膜识别系统的 DNA 里。将圆形虹膜"展开"成矩形图像，再用 Gabor 滤波提取纹理……这套流程沿用了三十年，没有人觉得它有问题。

直到我们决定把它扔掉。

二、为什么橡皮布行不通了？

视觉Transformer（Vision Transformer，简称 ViT）是近三年深度学习领域最耀眼的技术突破之一——它把图像切成若干 16×16 的"词块"（patch），用语言模型的自注意力机制读懂图像全局结构，在多个顶级视觉任务上超越了此前称霸多年的卷积神经网络。

当我们尝试把 ViT 用于虹膜识别时，第一版结果令人失望：等错误率（EER）高达 4.65%，远不如预期。

团队迅速定位问题所在：橡皮布把 64 × 512 像素的环形虹膜"拉平"成矩形，再缩放为 224 × 224 的 ViT 输入——纵向拉伸 3.5 倍，横向压缩 2.3 倍。虹膜天然的径向/周向纹理结构被严重扭曲，ViT 的 patch 注意力机制根本无法感知其中的语义。

换句话说：我们一直在用错误的方式喂给最聪明的模型。  

解决方案听起来简单，却需要勇气打破惯例——放弃橡皮布，改用 ROI 圆形裁剪：以虹膜圆心为中心，裁取正方形区域（半径 2.5 倍），保留虹膜的天然空间对称性，直接 Resize 到 224×224 送入 ViT。这样，每个 16×16 patch 都能感知到真实、未扭曲的虹膜纹理。

三、关键指标：EER = 0.29%，ROC AUC = 0.9999

改变这一个预处理步骤，结果天翻地覆：

* 第3轮未经严格统计验证，存在乐观偏差

最终发布的系统采用 ViT-S/16（22.1M 参数）+ ArcFace 角度间隔损失，在8个公开数据集融合（共 4,480个身份 / 67,704张图像）上完成训练，经严格统计验证：

● EER = 0.29%（等错误率）

● 95%置信区间：[0.21%, 0.40%]（Bootstrap 200次重采样）

● ROC AUC = 0.9999（几乎满分）

● 同人对相似度均值：0.8742（同一人高度一致）

● 异人对相似度均值：0.0450（不同人特征完全分离）

● FRR=1% 时，FAR = 0.00%（高安全操作点零误识）

▲ ROC曲线（AUC=0.9999）与同人/异人分数分布——两峰完全分离

四、训练数据：不只是大，而且多元

本次研究融合了 8个公开数据集，其中包含了行业内最难的两类场景：

双胞胎数据（CASIA-Iris-Twins）

200对双胞胎的虹膜数据——即便基因几乎相同，虹膜纹理依然完全不同。这是验证算法辨别力的"极限测试"。

可见光非约束场景（UBIRIS.v2）

518个身份，超过11,000张图像，采集于自然光照下，带有运动模糊、焦外失真、照明变化——这是离真实部署场景最近的数据集。

训练在 Apple Silicon M2 Ultra（Mac Studio） 上完成，耗时约 12.3小时（90个训练轮次），峰值推理延迟仅 ~35ms（含ROI裁剪和特征提取）。

五、与同行顶尖工作的横向对比

▲ 从EER 4.65%到0.29%：四轮迭代的技术演进路径

六、下一步计划

① 跨数据集独立评估

在未参与训练的 IIT Delhi 数据集上进行盲测，验证真实泛化能力。

② 活体检测（Liveness Detection）集成

结合多帧闪光响应或纹理分析，防御照片回放攻击，实现完整反欺骗体系。

③ 中远距离虹膜识别

引入中距离（3m）数据，向更大采集距离场景延伸——这是商业落地的下一片蓝海。

④ 轻量化与端侧部署

将 ViT-S/16 模型蒸馏至 <5M 参数量，适配资源受限的边缘设备（NPU/FPGA）。

结语：三十年的惯例，值得重新审视

Daugman 的橡皮布是那个时代的最优解。但技术的本质是：当更好的工具出现时，旧的范式就该退场。

视觉Transformer 改变了图像识别的底层逻辑。我们用四轮实验、四个月探索，找到了让 ViT 在虹膜识别中真正发挥潜力的正确方式——不是让 ViT 去适应旧流程，而是为 ViT 量身设计新的预处理范式。

EER = 0.29%，是一个数字，也是一个宣告：

虹膜识别进入 Transformer 时代，虹识技术在起跑线上。  

关于虹识技术

武汉虹识技术有限公司（HOMSH）成立于2011年，是全球少数掌握虹膜识别核心算法与芯片自主知识产权的高科技企业之一。核心算法 Phaselirs™ 和乾芯系列 FPGA/ASIC虹膜识别智能芯片已广泛应用于金融采集、海关通关、政府办证、军事安防等领域。