Bei der Biometrie handelt es sich um Körpermaße und Berechnungen, die sich auf menschliche Eigenschaften beziehen. Die biometrische Authentifizierung (oder realistische Authentifizierung) wird in der Informatik als Form der Identifizierung und Zugangskontrolle eingesetzt. Es wird auch verwendet, um Personen in Gruppen zu identifizieren, die überwacht werden.

Biometrische Identifikatoren sind charakteristische, messbare Merkmale, die zur Kennzeichnung und Beschreibung von Personen verwendet werden. Biometrische Identifikatoren werden häufig als physiologische Merkmale kategorisiert, die mit der Körperform in Zusammenhang stehen. Beispiele hierfür sind unter anderem Fingerabdruck, Handvenen, Gesichtserkennung, DNA, Handflächenabdruck, Handgeometrie, Iriserkennung, Netzhaut und Geruch/Duft.

Die biometrische Identifikationstechnologie umfasst Informatik, Optik und Akustik sowie andere physikalische Wissenschaften, biologische Wissenschaften, Prinzipien der Biosensorik und Biostatistik, Sicherheitstechnologie und Technologie der künstlichen Intelligenz sowie viele andere Grundlagenwissenschaften und innovative Anwendungstechnologien. Es handelt sich um eine vollständige multidisziplinäre technische Lösung.

In den letzten Jahren ist die biometrische Identifikationstechnologie mit der Entwicklung der künstlichen Intelligenz ausgereifter geworden. Derzeit ist die Gesichtserkennungstechnologie die repräsentativste Biometrie.

Gesichtserkennung

Der Prozess der Gesichtserkennung umfasst Gesichtserfassung, Gesichtserkennung, Gesichtsmerkmalsextraktion und Gesichtserkennung. Der Gesichtserkennungsprozess nutzt verschiedene Technologien wie den AdaBoos-Algorithmus, Faltungs-Neuronale Netzwerke und Support-Vektor-Maschinen beim maschinellen Lernen.

Der Prozess der Gesichtserkennung

Gegenwärtig wurden die herkömmlichen Schwierigkeiten bei der Gesichtserkennung, einschließlich Gesichtsrotation, Okklusion, Ähnlichkeit usw., erheblich verbessert, was die Genauigkeit der Gesichtserkennung erheblich verbessert. 2D-Gesicht, 3D-Gesicht, multispektrales Gesicht Jeder Modus verfügt über unterschiedliche Erfassungsanpassungsszenarien, Datensicherheitsgrade und Datenschutzsensibilität usw. Durch die Hinzufügung von Deep Learning für Big Data ergänzt der 3D-Gesichtserkennungsalgorithmus die Mängel der 2D-Projektion. Es kann schnell die Identität einer Person identifizieren, was der Anwendung der zweidimensionalen Gesichtserkennung einen gewissen Durchbruch gebracht hat.

Gleichzeitig wird die biometrische Erkennungstechnologie derzeit als Schlüsseltechnologie zur Verbesserung der Sicherheit der Gesichtserkennung eingesetzt, die Fälschungen von Fotos, Videos, 3D-Modellen und Prothesenmasken wirksam widerstehen und die Identität von Personen unabhängig bestimmen kann Betreiberbenutzer. Mit der rasanten Entwicklung der Gesichtserkennungstechnologie erfreuen sich derzeit viele innovative Anwendungen wie intelligente Geräte, Online-Finanzierung und Gesichtszahlung immer größerer Beliebtheit und bringen Geschwindigkeit und Komfort in das Leben und die Arbeit eines jeden.

Erkennung von Handabdrücken

Bei der Handabdruckerkennung handelt es sich um eine neuartige biometrische Erkennungstechnologie, die den Handabdruck des menschlichen Körpers als Zielmerkmal nutzt und mithilfe multispektraler Bildgebungstechnologie biologische Informationen sammelt. Die multispektrale Handabdruckerkennung kann als Modell einer biometrischen Erkennungstechnologie angesehen werden, die Multimodalität und mehrere Zielmerkmale kombiniert. Diese neue Technologie kombiniert die drei identifizierbaren Merkmale Hautspektrum, Handflächenabdruck und Venenvenen, um gleichzeitig umfassendere Informationen bereitzustellen und die Unterscheidbarkeit von Zielmerkmalen zu erhöhen.

In diesem Jahr hat Amazons Handflächenerkennungstechnologie mit dem Codenamen Orville mit dem Testen begonnen. Der Scanner erfasst zunächst einen Satz infrarotpolarisierter Originalbilder und konzentriert sich dabei auf die äußeren Merkmale der Handfläche, wie z. B. Linien und Falten. Bei der erneuten Aufnahme des zweiten Satzes polarisierter Bilder liegt der Schwerpunkt auf der Handflächenstruktur und inneren Merkmalen wie Venen, Knochen, Weichteilen usw. Die Rohbilder werden zunächst verarbeitet, um einen Satz Bilder mit Händen zu erhalten. Diese Bilder sind gut beleuchtet, scharf und zeigen die Handfläche in einer bestimmten Ausrichtung, in einer bestimmten Haltung und sind als Links- oder Rechtshänder gekennzeichnet.

Derzeit kann die Handabdruckerkennungstechnologie von Amazon die persönliche Identität überprüfen und die Zahlung in nur 300 Millisekunden abschließen, ohne dass Benutzer ihre Hände auf das Scangerät legen müssen, sondern nur winken und berührungslos scannen. Die Ausfallrate dieser Technologie liegt bei etwa 0,0001 %. Gleichzeitig handelt es sich bei der Handabdruckerkennung um eine doppelte Verifizierung in der Anfangsphase – beim ersten Mal zur Erfassung externer Merkmale und beim zweiten Mal zur Erfassung interner Organisationsmerkmale. Im Vergleich zu anderen biometrischen Technologien hinsichtlich der Sicherheit verbessert.

Zusätzlich zu den oben genannten biometrischen Merkmalen erfreut sich auch die Iriserkennungstechnologie zunehmender Beliebtheit. Die Fehlerkennungsrate der Iriserkennung beträgt nur 1/1000000. Es verwendet hauptsächlich die Merkmale der Invarianz und Differenz des Irislebens, um Identitäten zu identifizieren.

Derzeit besteht in der Branche Konsens darüber, dass die Erkennung einer einzelnen Modalität sowohl bei der Erkennungsleistung als auch bei der Sicherheit Engpässe aufweist und die multimodale Fusion einen wichtigen Durchbruch bei der Gesichtserkennung und sogar der biometrischen Erkennung darstellt – nicht nur durch Multi-Faktor-Methode Durch die Verbesserung der Erkennungsgenauigkeit können in gewissem Maße auch die Szenenanpassungsfähigkeit und die Privatsphäre der biometrischen Technologie verbessert werden. Im Vergleich zum herkömmlichen Single-Mode-Algorithmus kann er die Falscherkennungsrate auf finanzieller Ebene (nur eins zu zehn Millionen) besser erfüllen, was auch der Haupttrend bei der Entwicklung der biometrischen Identifizierung ist.

Multimodales biometrisches System

Multimodale biometrische Systeme nutzen mehrere Sensoren oder Biometrie, um die Einschränkungen unimodaler biometrischer Systeme zu überwinden. Beispielsweise können Iriserkennungssysteme durch alternde Iris beeinträchtigt werden und die elektronische Fingerabdruckerkennung kann durch abgenutzte oder eingeschnittene Fingerabdrücke beeinträchtigt werden. Während unimodale biometrische Systeme durch die Integrität ihrer Kennung eingeschränkt sind, ist es unwahrscheinlich, dass mehrere unimodale Systeme unter identischen Einschränkungen leiden. Multimodale biometrische Systeme können Informationssätze aus demselben Marker (z. B. mehrere Bilder einer Iris oder Scans desselben Fingers) oder Informationen aus verschiedenen biometrischen Daten (die Fingerabdruck-Scans und mithilfe der Spracherkennung einen gesprochenen Passcode erfordern) erhalten.

Multimodale biometrische Systeme können diese unimodalen Systeme sequentiell, gleichzeitig, eine Kombination davon oder in Reihe fusionieren, was sich jeweils auf sequentielle, parallele, hierarchische und serielle Integrationsmodi bezieht.

CHANCCTVhat eine Reihe von entwickeltbiometrische Linsenfür Gesichtserkennung, Handflächenabdruckerkennung sowie Fingerabdruck- und Iriserkennung. Beispielsweise ist CH3659A ein 4K-Objektiv mit geringer Verzerrung, das für 1/1,8-Zoll-Sensoren entwickelt wurde. Es ist vollständig aus Glas gefertigt und verfügt über ein kompaktes Design mit nur 11,95 mm TTL. Es erfasst ein horizontales Sichtfeld von 44 Grad. Dieses Objektiv ist ideal für die Erkennung von Handabdrücken.