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

Biometriske identifikatorer er de karakteristiske, målbare egenskaber, der bruges til at mærke og beskrive individer. Biometriske identifikatorer kategoriseres ofte som fysiologiske egenskaber, 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 involverer datalogi, optik og akustik og andre fysiske videnskaber, biologiske videnskaber, biosensorer og biostatistiske principper, sikkerhedsteknologi og kunstig intelligens-teknologi og mange andre grundlæggende videnskaber og innovative applikationsteknologier. Det er en komplet tværfaglig teknisk løsning.

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 omfatter ansigtsindsamling, ansigtsgenkendelse, ansigtsudtrækning og ansigtsgenkendelse. Ansigtsgenkendelsesprocessen bruger forskellige teknologier såsom AdaBoos-algoritme, foldende neurale netværk og understøttelse af vektormaskine i maskinlæring.

Processen med ansigtsgenkendelse

På nuværende tidspunkt er de traditionelle ansigtsgenkendelsesvanskeligheder, herunder ansigtsrotation, okklusion, lighed osv. blevet væsentligt forbedret, hvilket i høj grad forbedrer nøjagtigheden af ​​ansigtsgenkendelse. 2D-ansigt, 3D-ansigt, multispektralt ansigt Hver tilstand har forskellige scenarier for optagelsestilpasning, datasikkerhedsgrad og privatlivsfølsomhed osv., og tilføjelsen af ​​dyb læring af big data gør, at 3D-ansigtsgenkendelsesalgoritmen supplerer defekterne i 2D-projektion, Det kan hurtigt identificere en persons identitet, hvilket har bragt et vist gennembrud for anvendelsen af ​​todimensionel ansigtsgenkendelse.

Samtidig bliver den biometriske detektionsteknologi i øjeblikket brugt som en nøgleteknologi til at forbedre sikkerheden for ansigtsgenkendelse, som effektivt kan modstå forfalskningsbedrageri såsom fotos, videoer, 3D-modeller og protesemasker og uafhængigt bestemme identiteten af driftsbrugere. På nuværende tidspunkt, 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.

Håndfladeaftryksgenkendelse

Håndfladeaftryksgenkendelse er en ny type biometrisk genkendelsesteknologi, som bruger den menneskelige krops håndfladeaftryk som målfunktionen og indsamler biologisk information gennem multispektral billedteknologi. Multi-spektral håndfladeaftryksgenkendelse kan betragtes som en model af biometrisk genkendelsesteknologi, der kombinerer multimodalitet og flere målfunktioner. Denne nye teknologi kombinerer de tre identificerbare egenskaber hudspektrum, håndfladeaftryk og vener for at give mere rigelig information på én gang og øge skelnbarheden af ​​målegenskaber.

I år er Amazons håndfladegenkendelsesteknologi, kodenavnet Orville, begyndt at teste. Scanneren erhverver først et sæt infrarødt polariserede originalbilleder, der fokuserer på de ydre træk ved håndfladen, såsom linjer og folder; når det andet sæt polariserede billeder igen hentes, fokuserer det på håndfladestrukturen og indre træk, såsom vener, knogler, blødt væv osv. De rå billeder behandles indledningsvis for at give et sæt billeder, der indeholder hænder. Disse billeder er godt oplyste, i fokus og viser håndfladen i en bestemt retning, i en bestemt positur og mærket som venstre- eller højrehåndet.

På nuværende tidspunkt kan Amazons håndfladegenkendelsesteknologi verificere personlig identitet og gennemføre betaling på kun 300 millisekunder, og kræver ikke, at brugere lægger hænderne på scanningsenheden, bare vinker og scanner uden kontakt. Fejlraten for denne teknologi er omkring 0,0001%. Samtidig er håndfladeaftryksgenkendelsen en dobbelt verifikation i den indledende fase - første gang for at opnå eksterne karakteristika, og anden gang for at opnå interne organisatoriske karakteristika. Sammenlignet med andre biometriske teknologier med hensyn til sikkerhed, forbedret.

Ud over de ovennævnte biometriske funktioner bliver irisgenkendelsesteknologi også populært. Den falske genkendelsesrate for irisgenkendelse er så lav som 1/1000000. Den bruger hovedsageligt egenskaberne ved iris-livsinvarians og forskel til at identificere identiteter.

På nuværende tidspunkt er konsensus i branchen, at anerkendelsen 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 multi-faktor Vejen at forbedre genkendelsen nøjagtighed kan også forbedre scenen tilpasningsevne og privatliv sikkerhed biometrisk teknologi til en vis grad. Sammenlignet med den traditionelle single-mode algoritme, kan den bedre opfylde satsen for falsk genkendelse på finansniveau (så lavt som én ud af ti millioner), som også er hovedtendensen i udviklingen af ​​biometrisk identifikation.

Multimodalt biometrisk system

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

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

CHANCCTVhar udviklet en række afbiometriske linsertil ansigtsgenkendelse, håndfladegenkendelse samt fingeraftryksidentifikation og irisidentifikation. For eksempel er CH3659A en 4k lav forvrængning linse, som er designet til 1/1,8'' sensorer. Den har alle glas og kompakte designs med kun 11,95 mm TTL. Den fanger et horisontalt synsfelt på 44 grader. Denne linse er ideel til håndfladegenkendelse.