Biometri er kropsmålinger og beregninger relateret til menneskelige egenskaber. Biometrisk godkendelse (eller realistisk godkendelse) 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 egenskaber, der bruges til at mærke og beskrive individer. Biometriske identifikatorer er ofte kategoriseret som fysiologiske egenskaber, der er relateret til formen på kroppen. Eksempler inkluderer, men er ikke begrænset til fingeraftryk, palmeårer, ansigtsgenkendelse, DNA, palmeprint, håndgeometri, iris genkendelse, nethinde og lugt/duft.

Biometrisk identifikationsteknologi involverer datalogi, optik og akustik og andre fysiske videnskaber, biologiske videnskaber, biosensorer og biostatistikprincipper, sikkerhedsteknologi og kunstig intelligensteknologi og mange andre grundlæggende videnskaber og innovative applikationsteknologier. Det er en komplet tværfaglige tekniske løsninger.

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

Ansigtsgenkendelse

Processen med ansigtsgenkendelse inkluderer ansigtsopsamling, ansigtsdetektion, ansigtsfunktionsekstraktion og ansigtsmatchende genkendelse. Ansigtsgenkendelsesprocessen bruger forskellige teknologier, såsom Adaboos -algoritme, indviklet neuralt netværk og understøttende vektormaskine i maskinlæring.

Processen med ansigtsgenkendelse

På nuværende tidspunkt er de traditionelle ansigtsgenkendelsesproblemer, herunder ansigtsrotation, okklusion, lighed osv. 2D Face, 3d Face, Multi-Spectral Face Hver tilstand har forskellige erhvervelsestilpasningsscenarier, datasikkerhedsgrad og privatlivets følsomhed osv., Og tilføjelsen af ​​dyb læring af Big Data gør 3D-ansigtsgenkendelsesalgoritmen til supplement til defekterne ved 2D-projektion, Det kan hurtigt identificere identiteten af ​​en person, der har bragt et bestemt gennembrud til anvendelse af to-dimensionel ansigtsgenkendelse.

På samme tid bruges den biometriske detektionsteknologi i øjeblikket som en nøgleteknologi til at forbedre sikkerheden ved ansigtsgenkendelse, som effektivt kan modstå forfalskning af svig, såsom fotos, videoer, 3D -modeller og protesemasker og uafhængigt afgøre identiteten af driftsbrugere. På nuværende tidspunkt er der med den hurtige udvikling af ansigtsgenkendelsesteknologi mange innovative applikationer såsom smarte enheder, onlinefinansiering og ansigtsbetaling blevet stadig mere populær, hvilket bringer hastighed og bekvemmelighed til alles liv og arbejde.

Palmprint anerkendelse

PalmPrint -anerkendelse er en ny type biometrisk genkendelsesteknologi, der bruger palmprint af den menneskelige krop som målfunktionen og indsamler biologisk information gennem multispektral billeddannelsesteknologi. Multi-spektral palmprintgenkendelse kan betragtes som en model for biometrisk genkendelsesteknologi, der kombinerer multimodalitet og flere målfunktioner. Denne nye teknologi kombinerer de tre identificerbare funktioner i hudspektrum, palmeprint og venevene for at give mere rigelig information på én gang og øge skelnen mellem målfunktioner.

I år er Amazons Palm-genkendelsesteknologi, kode-navngivet Orville, begyndt at teste. Scanneren erhverver først et sæt infrarøde polariserede originale billeder med fokus på de eksterne træk ved håndfladen, såsom linjer og folder; Når man får det andet sæt polariserede billeder igen, fokuserer det på palmestrukturen og interne funktioner, såsom årer, knogler, blødt væv osv. De rå billeder behandles oprindeligt for at give et sæt billeder, der indeholder hænder. Disse billeder er godt oplyst i fokus og viser håndfladen i en bestemt orientering, i en bestemt position og mærket som venstre eller højrehåndet.

På nuværende tidspunkt kan Amazons PalmPrint -anerkendelsesteknologi verificere personlig identitet og fuldstændig betaling i kun 300 millisekunder og kræver ikke, at brugerne lægger hænderne på scanningsenheden, bare bølger og scanner uden kontakt. Fejlhastigheden for denne teknologi er ca. 0,0001%. På samme tid er PalmPrint -genkendelsen en dobbelt verifikation i det indledende trin - første gang for at opnå eksterne egenskaber og anden gang for at opnå interne organisatoriske egenskaber. Sammenlignet med andre biometriske teknologier med hensyn til sikkerhed forbedret.

Ud over de ovennævnte biometriske funktioner populariseres IRIS -genkendelsesteknologi også. Den falske anerkendelsesgrad for Iris -anerkendelse er så lav som 1/1000000. Den bruger hovedsageligt egenskaberne ved Iris Life Invariance og forskel til at identificere identiteter.

På nuværende tidspunkt er konsensus i branchen, at anerkendelsen af ​​en enkelt modalitet har flaskehalse i både anerkendelsesydelse og sikkerhed, og multimodal fusion er et vigtigt gennembrud i ansigtsgenkendelse og endda biometrisk anerkendelse-ikke kun gennem multifaktor vej For at forbedre genkendelsesnøjagtigheden kan også forbedre scenens tilpasningsevne og privatlivets sikkerhed for biometrisk teknologi til en vis grad. Sammenlignet med den traditionelle enkelt-mode-algoritme kan den bedre opfylde den falske anerkendelsesrate på finansiel niveau (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 IRIS-genkendelsessystemer kompromitteres af aldrende iris og elektronisk fingeraftryksgenkendelse kan forværres af slidte eller udskårne 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 få sæt information fra den samme markør (dvs. flere billeder af en iris eller scanninger af den samme finger) eller information fra forskellige biometri (kræver fingeraftryksscanninger og ved hjælp af stemmegenkendelse, en talt adgangskode).

Multimodale biometriske systemer kan smelte sammen disse unimodale systemer sekventielt, samtidig en kombination deraf eller i serie, der henviser til henholdsvis sekventielle, parallelle, hierarkiske og serielle integrationsmetoder.

Chancctvhar udviklet en række afBiometriske linserTil ansigtsgenkendelse er PalmPrint -genkendelse såvel som fingeraftryksidentifikation og IRIS -identifikation. For eksempel er CH3659A en 4K lav forvrængningslinse, der var designet til 1/1.8 '' sensorer. Det har alle glas og kompakte designs med kun 11,95 mm TTL. Det fanger 44 grader vandret synsfelt. Denne linse er ideel til palmprintgenkendelse.