Biometri er kropsmål og beregninger relateret til menneskelige karakteristika. Biometrisk autentificering (eller realistisk autentificering) bruges i datalogi som en form for identifikation og adgangskontrol. Det bruges også til at identificere individer i grupper, der er under overvågning.

Biometriske identifikatorer er de karakteristiske, målbare karakteristika, der bruges til at mærke og beskrive individer. Biometriske identifikatorer kategoriseres ofte som fysiologiske karakteristika, der er relateret til kroppens form. Eksempler omfatter, men er ikke begrænset til, fingeraftryk, håndfladevener, ansigtsgenkendelse, DNA, håndfladeaftryk, håndgeometri, irisgenkendelse, nethinde og lugt/duft.

Biometrisk identifikationsteknologi omfatter datalogi, optik og akustik samt andre fysiske videnskaber, biologiske videnskaber, biosensorer og biostatistiske principper, sikkerhedsteknologi og kunstig intelligens-teknologi samt mange andre grundvidenskaber og innovative anvendelsesteknologier. Det er en komplet tværfaglig teknisk løsning.

I de senere år, med udviklingen af ​​kunstig intelligens, er biometrisk identifikationsteknologi blevet mere moden. I øjeblikket er ansigtsgenkendelsesteknologi den mest repræsentative for biometri.

Ansigtsgenkendelse

Ansigtsgenkendelsesprocessen omfatter ansigtsindsamling, ansigtsdetektion, udtrækning af ansigtstræk og ansigtsmatchning. Ansigtsgenkendelsesprocessen bruger forskellige teknologier såsom AdaBoos-algoritmen, konvolutionelle neurale netværk og supportvektormaskiner i maskinlæring.

Processen med ansigtsgenkendelse

I øjeblikket er de traditionelle vanskeligheder med ansigtsgenkendelse, herunder ansigtsrotation, okklusion, lighed osv., blevet betydeligt forbedret, hvilket i høj grad forbedrer nøjagtigheden af ​​ansigtsgenkendelse. 2D-ansigt, 3D-ansigt, multispektral ansigt. Hver tilstand har forskellige scenarier for tilpasning til optagelse, datasikkerhedsgrad og privatlivsfølsomhed osv., og tilføjelsen af ​​deep learning af big data gør, at 3D-ansigtsgenkendelsesalgoritmen supplerer manglerne ved 2D-projektion. Den kan hurtigt identificere en persons identitet, hvilket har ført til et vist gennembrud for anvendelsen af ​​todimensionel ansigtsgenkendelse.

Samtidig bruges biometrisk detektionsteknologi i øjeblikket som en nøgleteknologi til at forbedre sikkerheden ved ansigtsgenkendelse, som effektivt kan modstå forfalskningssvindel såsom fotos, videoer, 3D-modeller og proteser, og uafhængigt bestemme identiteten af ​​​​brugere. I øjeblikket, med den hurtige udvikling af ansigtsgenkendelsesteknologi, er mange innovative applikationer såsom smarte enheder, onlinefinansiering og ansigtsbetaling blevet stadig mere populære, hvilket bringer hastighed og bekvemmelighed til alles liv og arbejde.

Genkendelse af håndfladeaftryk

Håndfladeaftryksgenkendelse er en ny type biometrisk genkendelsesteknologi, der bruger menneskekroppens håndfladeaftryk som målfunktion og indsamler biologisk information gennem multispektral billeddannelsesteknologi. Multispektral håndfladeaftryksgenkendelse kan betragtes som en model for biometrisk genkendelsesteknologi, der kombinerer multimodalitet og flere målfunktioner. Denne nye teknologi kombinerer de tre identificerbare funktioner hudspektrum, håndfladeaftryk og vener for at give mere omfattende information på én gang og øge skelneevnen mellem målfunktioner.

I år er Amazons håndfladegenkendelsesteknologi, kodenavnet Orville, begyndt at blive testet. Scanneren indsamler først et sæt infrarøde polariserede originalbilleder med fokus på håndfladens ydre træk, såsom linjer og folder. Når den igen indsamler det andet sæt polariserede billeder, fokuserer den på håndfladens struktur og indre træk, såsom vener, knogler, blødt væv osv. Råbillederne behandles først for at give et sæt billeder, der indeholder hænder. Disse billeder er godt belyste, i fokus og viser håndfladen i en bestemt retning, i en bestemt stilling og mærket som venstre- eller højrehåndet.

I øjeblikket kan Amazons teknologi til genkendelse af håndfladeaftryk verificere personlig identitet og gennemføre betalinger på kun 300 millisekunder, og det kræver ikke, at brugerne lægger hænderne på scanningsenheden, blot vifter og scanner uden berøring. Fejlraten for denne teknologi er omkring 0,0001%. Samtidig er genkendelsen af ​​håndfladeaftryk en dobbelt verifikation i den indledende fase – første gang for at indhente eksterne karakteristika, og anden gang for at indhente interne organisatoriske karakteristika. Sammenlignet med andre biometriske teknologier er den forbedret med hensyn til sikkerhed.

Ud over de ovennævnte biometriske funktioner bliver irisgenkendelsesteknologi også populær. Den falske genkendelsesrate for irisgenkendelse er så lav som 1/1000000. Den bruger primært karakteristikaene for irisens livsinvarians og -forskel til at identificere identiteter.

I øjeblikket er der enighed i branchen om, at genkendelse af en enkelt modalitet har flaskehalse i både genkendelsesydelse og sikkerhed, og multimodal fusion er et vigtigt gennembrud inden for ansigtsgenkendelse og endda biometrisk genkendelse – ikke kun gennem multifaktoranalyse. Måden at forbedre genkendelsens nøjagtighed på kan også forbedre scenetilpasningsevnen og privatlivssikkerheden for biometrisk teknologi i et vist omfang. Sammenlignet med den traditionelle single-mode-algoritme kan den bedre opfylde den økonomiske falske genkendelsesrate (så lav som en ud af ti millioner), hvilket også er den vigtigste tendens i udviklingen af ​​biometrisk identifikation.

Multimodalt biometrisk system

Multimodale biometriske systemer bruger flere sensorer eller biometri til at overvinde begrænsningerne i unimodale biometriske systemer. For eksempel kan irisgenkendelsessystemer blive kompromitteret af aldrende iriser, og elektronisk fingeraftryksgenkendelse kan forværres af slidte eller skårne fingeraftryk. Mens unimodale biometriske systemer er begrænset af integriteten af ​​deres identifikator, er det usandsynligt, at flere unimodale systemer vil lide af identiske begrænsninger. Multimodale biometriske systemer kan indhente informationssæt fra den samme markør (dvs. flere billeder af en iris eller scanninger af den samme finger) eller information fra forskellige biometriske systemer (kræver fingeraftryksscanninger og, ved hjælp af stemmegenkendelse, en talt adgangskode).

Multimodale biometriske systemer kan fusionere disse unimodale systemer sekventielt, samtidigt, en kombination deraf eller i serie, hvilket refererer til henholdsvis sekventielle, parallelle, hierarkiske og serielle integrationstilstande.

CHANCCTVhar udviklet en rækkebiometriske linserTil ansigtsgenkendelse, håndfladeaftryksgenkendelse samt fingeraftryksidentifikation og irisidentifikation. For eksempel er CH3659A et 4k-objektiv med lav forvrængning, der er designet til 1/1,8'' sensorer. Det har et helt glas- og kompakt design med blot 11,95 mm TTL. Det indfanger et horisontalt synsfelt på 44 grader. Dette objektiv er ideelt til håndfladeaftryksgenkendelse.