W miarę jak inteligentne budownictwo miejskie wkracza w fazę głęboką, podstawowa propozycja staje się coraz bardziej jasna: kto będzie strzegł granic tożsamości cyfrowego miasta?
W ciągu ostatniej dekady rozpoznawanie twarzy wykonało większość zadań związanych z weryfikacją tożsamości w scenariuszach bezpieczeństwa publicznego. Jednak w miarę nasilania się metod ataków – wraz z rozprzestrzenianiem się technologii deepfake i częstymi przypadkami, w których zdjęcia w wysokiej rozdzielczości omijają wykrywanie aktywności – pojedynczy system rozpoznawania twarzy ujawnia swoje słabości strukturalne.
W tym kontekście rozpoznawanie tęczówki przechodzi strategiczną zmianę z „narzędzia do specjalnych scenariuszy o wysokim poziomie bezpieczeństwa” do „głównego elementu infrastruktury bezpieczeństwa na poziomie miasta”.
W maju 2026 r. najnowszy ranking IREX 10 opublikowany przez NIST pokazuje, że współczynnik fałszywych dopasowań (FMR) najwyższej klasy algorytmów rozpoznawania tęczówki można kontrolować poniżej jednego na milion (10⁻⁶), co znacznie przewyższa rozpoznawanie odcisków palców (zwykle na poziomie jednego na dziesięć tysięcy) i osiąga najniższy poziom wśród obecnych technologii biometrycznych. Globalny rynek rozwiązań biometrycznych jako usługi (BaaS) osiągnął wartość 4,2 miliarda dolarów w 2025 roku i oczekuje się, że w 2026 roku przekroczy 5 miliardów dolarów.
I. Dlaczego Iris? Bariery techniczne definiują granice zastosowań
Spośród wszystkich głównych technologii biometrycznych rozpoznawanie tęczówki może pochwalić się trzema niezastąpionymi podstawowymi zaletami:
Stabilność przez całe życie. Tekstura tęczówki tworzy się 6–18 miesięcy po urodzeniu i pozostaje niezmieniona przez całe życie, nie ma na nią wpływu choroba, starzenie się ani zużycie porodowe. Natomiast odciski palców ulegają degradacji wraz z wiekiem i środowiskiem zawodowym, podczas gdy rysy twarzy zmieniają się znacząco pod wpływem wahań wagi, operacji i starzenia się.
Wyjątkowa losowość i niepowtarzalność. Ludzka tęczówka zawiera około 266 niezależnych, wymiernych punktów charakterystycznych, o znacznie większej losowości niż odciski palców (około 35). Nawet identyczne bliźnięta mają całkowicie odmienną teksturę tęczówki, a lewe i prawe oko tej samej osoby są również niezależne i nieskorelowane. Ta właściwość zapewnia rozpoznawanie tęczówki teoretyczny współczynnik fałszywych dopasowań rzędu 10⁻¹² — najniższy spośród wszystkich współczesnych technologii biometrycznych.
Bezdotykowa obsługa z solidnym wykrywaniem aktywności. Przechwytywanie tęczówki nie wymaga kontaktu fizycznego, dzięki czemu idealnie nadaje się do scenariuszy o rygorystycznych wymaganiach w zakresie zdrowia publicznego. W połączeniu z oświetleniem w bliskiej podczerwieni i wielowymiarowym wykrywaniem żywotności może skutecznie bronić się przed atakami przy użyciu zdjęć, filmów i protez oczu wydrukowanych w 3D.
Te trzy cechy stanowią podstawowy powód, dla którego rozpoznawanie tęczówki jest niezastąpione w kontroli portów granicznych, bezpieczeństwie sądowym, weryfikacji tożsamości medycznej i scenariuszach finansowych o wysokim majątku.
II. Phaselirs™: podstawowa konkurencyjność na poziomie algorytmu
Próg komercjalizacji rozpoznawania tęczówki nie leży w sprzęcie, ale w algorytmach, a dokładniej w możliwości wyodrębnienia niezawodnych cech tęczówki z dużą szybkością w rzeczywistych warunkach, takich jak złożone oświetlenie, rozmycie ruchu i częściowa okluzja.
Opracowany przez firmę Homsh algorytm rozpoznawania tęczówki oparty na fazie Phaselirs™ stanowi barierę techniczną zbudowaną w celu rozwiązania tego podstawowego problemu. Jego podstawowa innowacja polega na wprowadzeniu struktury kodowania cech w domenie fazowej:
● Wieloskalowa analiza fazowa Gabora: wyodrębnia cechy tekstury tęczówki w dziedzinie częstotliwości, a nie przestrzeni, zapewniając naturalną odporność na rozmycie i szumy obrazu;
● Adaptacyjny silnik segmentacji granic: Zapewnia stabilną lokalizację tęczówki nawet przy silnym odbiciu źrenic lub okluzji powiek do 40%;
● Moduł dynamicznej oceny jakości: ocenia przechwycone klatki w czasie rzeczywistym i automatycznie wybiera optymalną klatkę do dopasowania, redukując liczbę niepowodzeń przechwytywania na miejscu do poniżej 1%.
Podczas weryfikacji wdrożenia w świecie rzeczywistym Phaselirs™ zapewnia prędkość pojedynczego dopasowania na poziomie milisekund dla pobierania 1:N z milionowej bazy danych, spełniając wymagania dotyczące przepustowości w scenariuszach o dużej współbieżności na poziomie miasta.
III. Qianxin + OVAI: kompleksowa pętla zamknięta systemu
Przełomy na poziomie algorytmów mogą odblokować pełną wartość komercyjną jedynie w połączeniu z głęboką integracją sprzętu.
Nadchodząca seria dedykowanych chipów AI Qianxin firmy Homsh jest głęboko dostosowana i zoptymalizowana pod kątem algorytmu Phaselirs™:
● Wbudowana dedykowana jednostka przetwarzania neuronowego (NPU) do ekstrakcji cech tęczówki, zmniejszająca zużycie energii podczas przetwarzania klatki o ponad 60%;
● Obsługuje multimodalne wnioskowanie fuzji tęczówki i twarzy, kończąc podwójną weryfikację tożsamości na jednym chipie bez dodatkowych koprocesorów;
● Konstrukcja klasy przemysłowej przystosowana do pracy w szerokim zakresie temperatur (-40°C ~ +85°C), odpowiednia do scenariuszy wdrażania inteligentnych miast na zewnątrz.
Zbudowana na chipie Qianxin, uniwersalna platforma OVAI integruje moduł oświetlenia bliskiej podczerwieni, układ kamer lornetkowych i silnik wnioskowania krawędziowego, tworząc pełną zamkniętą pętlę „przechwytywania – przetwarzania – dopasowywania – podejmowania decyzji”: synchroniczne przechwytywanie obuoczne (<0,3 s), lokalne dopasowanie Phaselirs™ (brak zależności od chmury) i szyfrowane raportowanie wyników (zgodne z wymaganiami Classified Protection 2.0).
Podstawową wartością tej kompleksowej architektury jest całkowite wyeliminowanie ryzyka opóźnień sieci i zagrożeń bezpieczeństwa transmisji danych związanych z dopasowywaniem w chmurze. W przypadku bardzo wrażliwych scenariuszy, takich jak bezpieczeństwo publiczne, wojsko i finanse, przetwarzanie lokalne nie wchodzi w grę – jest koniecznością.
IV. Krajobraz rynku: Otworzyło się okno zasad
W latach 2025–2026 pojawiło się jednocześnie wiele sygnałów politycznych, co otwiera krytyczne okno na wdrożenie na dużą skalę rozpoznawania tęczówki.
Poziom regulacyjny: Szczegółowe zasady wdrażania ustawy o ochronie danych osobowych kładą nacisk na zasadę „minimalizacji danych” w przypadku informacji biometrycznych, zmuszając branżę do przejścia na rozwiązania techniczne charakteryzujące się dużą dokładnością i niskim współczynnikiem fałszywego przechwytywania. Ustawa o bezpieczeństwie danych wymaga zlokalizowanego przechowywania danych służących do weryfikacji tożsamości dla infrastruktury krytycznej, nakładając wymierne ograniczenia na rozwiązania oparte na chmurze i przynosząc korzyści zlokalizowanym rozwiązaniom iris.
Poziom standardowy: Krajowa norma GB/T 41988-2022 Wymagania techniczne obrazu dla aplikacji do rozpoznawania tęczówki bezpieczeństwa publicznego oficjalnie weszła w życie, usuwając bariery zgodności dotyczące rozpoznawania tęczówki przy wprowadzaniu do katalogów zamówień rządowych. Trwające oceny NIST IREX 10 i ciągłe udoskonalanie algorytmów przez czołowych światowych dostawców również skłaniają krajowych producentów do przyspieszania iteracji.
Poziom rynku: Łączne inwestycje w budowę inteligentnych miast w Chinach w okresie 14. planu pięcioletniego przekroczyły 4 biliony juanów, a udział infrastruktury bezpieczeństwa stale rośnie. Dostawcy, którzy przejmą inicjatywę w zakresie całkowitej integracji pionowej algorytmu, chipa i całego urządzenia, będą mieli niezaprzeczalną przewagę jako pierwsi na rynku.
Kiedy twarz wygenerowana przez sztuczną inteligencję może oszukać kamerę, miejskie systemy bezpieczeństwa potrzebują bardziej wiarygodnej kotwicy. Tę kotwicę zapewnia niezmienna tekstura tęczówki, która trwa całe życie – nie dlatego, że jest modniejsza, ale dlatego, że ma bardziej fundamentalne znaczenie.
Od algorytmu Phaselirs™ po chipy Qianxin, od terminali OVAI po możliwości integracji systemów – Homsh buduje sprawdzony system zaufania tożsamości, dzięki czemu rozpoznawanie tęczówki oka jest najbardziej niezawodną infrastrukturą bezpieczeństwa dla inteligentnych miast.
