بیومتریک اندازه گیری بدن و محاسبات مربوط به ویژگی های انسان است. احراز هویت بیومتریک (یا احراز هویت واقعی) در علوم کامپیوتر به عنوان نوعی شناسایی و کنترل دسترسی استفاده می شود. همچنین برای شناسایی افراد در گروه هایی که تحت نظر هستند استفاده می شود.

شناسه‌های بیومتریک ویژگی‌های متمایز و قابل اندازه‌گیری هستند که برای برچسب‌گذاری و توصیف افراد استفاده می‌شوند. شناسه های بیومتریک اغلب به عنوان ویژگی های فیزیولوژیکی که به شکل بدن مربوط می شوند طبقه بندی می شوند. نمونه‌ها عبارتند از، اما نه محدود به اثر انگشت، رگ‌های کف دست، تشخیص چهره، DNA، اثر کف دست، هندسه دست، تشخیص عنبیه، شبکیه چشم، و بو/بو.

فناوری شناسایی بیومتریک شامل علوم کامپیوتر، اپتیک و آکوستیک و سایر علوم فیزیکی، علوم زیستی، حسگرهای زیستی و اصول آمار زیستی، فناوری امنیتی و فناوری هوش مصنوعی و بسیاری از علوم پایه و فناوری‌های کاربردی نوآورانه است. این یک راه حل فنی چند رشته ای کامل است.

در سال‌های اخیر، با توسعه هوش مصنوعی، فناوری شناسایی بیومتریک بالغ‌تر شده است. در حال حاضر، فناوری تشخیص چهره، نماینده بیومتریک است.

تشخیص چهره

فرآیند تشخیص چهره شامل جمع آوری چهره، تشخیص چهره، استخراج ویژگی چهره و تشخیص تطبیق چهره است. فرآیند تشخیص چهره از فناوری‌های مختلفی مانند الگوریتم AdaBoos، شبکه عصبی کانولوشن و ماشین بردار پشتیبانی در یادگیری ماشین استفاده می‌کند.

فرآیند تشخیص چهره

در حال حاضر، مشکلات سنتی تشخیص چهره شامل چرخش صورت، انسداد، شباهت و غیره بسیار بهبود یافته است که دقت تشخیص چهره را تا حد زیادی بهبود می بخشد. چهره 2 بعدی، چهره سه بعدی، چهره چند طیفی هر حالت دارای سناریوهای سازگاری اکتسابی مختلف، درجه امنیت داده ها و حساسیت حریم خصوصی و غیره است و افزودن یادگیری عمیق داده های بزرگ باعث می شود الگوریتم تشخیص چهره سه بعدی نقص های طرح ریزی دو بعدی را تکمیل کند. این می تواند به سرعت هویت یک فرد را شناسایی کند، که پیشرفت خاصی را برای استفاده از تشخیص چهره دو بعدی به ارمغان آورده است.

در عین حال، فناوری تشخیص بیومتریک در حال حاضر به عنوان یک فناوری کلیدی برای بهبود امنیت تشخیص چهره استفاده می شود که می تواند به طور موثر در برابر تقلبات جعلی مانند عکس ها، فیلم ها، مدل های سه بعدی و ماسک های مصنوعی مقاومت کند و به طور مستقل هویت افراد را تعیین کند. کاربران عامل در حال حاضر، با توسعه سریع فناوری تشخیص چهره، بسیاری از برنامه های کاربردی نوآورانه مانند دستگاه های هوشمند، امور مالی آنلاین و پرداخت چهره به طور فزاینده ای محبوب شده اند و سرعت و راحتی را برای زندگی و کار همه به ارمغان می آورند.

تشخیص اثر کف دست

تشخیص اثر کف دست نوع جدیدی از فناوری تشخیص بیومتریک است که از اثر کف دست بدن انسان به عنوان ویژگی هدف استفاده می کند و اطلاعات بیولوژیکی را از طریق فناوری تصویربرداری چند طیفی جمع آوری می کند. تشخیص اثر کف دست چند طیفی را می توان به عنوان مدلی از فناوری تشخیص بیومتریک در نظر گرفت که ویژگی های چند وجهی و چند هدف را ترکیب می کند. این فناوری جدید سه ویژگی قابل شناسایی طیف پوست، چاپ کف دست و وریدهای سیاهرگی را ترکیب می کند تا اطلاعات فراوان تری را در یک زمان ارائه دهد و قابلیت تشخیص ویژگی های هدف را افزایش دهد.

امسال، فناوری تشخیص کف دست آمازون، با نام رمز Orville، آزمایش خود را آغاز کرده است. اسکنر ابتدا مجموعه ای از تصاویر اصلی پلاریزه شده مادون قرمز را به دست می آورد که بر روی ویژگی های خارجی کف دست، مانند خطوط و چین ها تمرکز می کند. هنگام بدست آوردن مجدد مجموعه دوم از تصاویر پلاریزه، بر ساختار کف دست و ویژگی های داخلی مانند رگ ها، استخوان ها، بافت های نرم و غیره تمرکز می کند. تصاویر خام در ابتدا برای ارائه مجموعه ای از تصاویر حاوی دست ها پردازش می شوند. این تصاویر به خوبی روشن هستند، فوکوس دارند و کف دست را در یک جهت خاص، در یک حالت خاص نشان می دهند و به عنوان چپ دست یا راست نشان داده می شوند.

در حال حاضر، فناوری تشخیص اثر کف آمازون می تواند هویت شخصی و پرداخت را تنها در 300 میلی ثانیه تأیید کند و کاربران را ملزم نمی کند که دست خود را روی دستگاه اسکن بگذارند، فقط دست تکان دهند و بدون تماس اسکن کنند. میزان شکست این فناوری حدود 0.0001 درصد است. در عین حال، تشخیص اثر کف دست در مرحله اولیه تأیید مضاعف است - بار اول برای به دست آوردن ویژگی های خارجی و بار دوم برای به دست آوردن ویژگی های سازمانی داخلی. در مقایسه با سایر فناوری های بیومتریک از نظر امنیت، بهبود یافته است.

علاوه بر ویژگی های بیومتریک فوق، فناوری تشخیص عنبیه نیز رواج یافته است. نرخ تشخیص نادرست تشخیص عنبیه به اندازه 1/1000000 است. عمدتاً از ویژگی‌های تغییرناپذیری و تفاوت زندگی عنبیه برای شناسایی هویت‌ها استفاده می‌کند.

در حال حاضر، اتفاق نظر در صنعت بر این است که شناخت یک روش واحد، هم در عملکرد تشخیص و هم در امنیت، تنگناهایی دارد، و همجوشی چند وجهی یک پیشرفت مهم در تشخیص چهره و حتی تشخیص بیومتریک است - نه تنها از طریق روش چند عاملی. برای بهبود دقت تشخیص همچنین می توان سازگاری صحنه و امنیت حریم خصوصی فناوری بیومتریک را تا حدی بهبود بخشید. در مقایسه با الگوریتم سنتی تک حالته، می‌تواند نرخ شناسایی نادرست در سطح مالی را بهتر برآورده کند (یک در ده میلیون)، که همچنین روند اصلی توسعه شناسایی بیومتریک است.

سیستم بیومتریک چندوجهی

سیستم‌های بیومتریک چندوجهی از حسگرها یا بیومتریک‌های متعدد برای غلبه بر محدودیت‌های سیستم‌های بیومتریک تک وجهی استفاده می‌کنند. برای مثال، سیستم‌های تشخیص عنبیه می‌توانند توسط عنبیه‌های قدیمی به خطر بیفتند و تشخیص الکترونیکی اثر انگشت می‌تواند با اثر انگشت فرسوده یا بریده شده بدتر شود. در حالی که سیستم‌های بیومتریک تک‌وجهی توسط یکپارچگی شناسه‌شان محدود می‌شوند، بعید است که چندین سیستم تک‌وجهی از محدودیت‌های یکسان رنج ببرند. سیستم‌های بیومتریک چندوجهی می‌توانند مجموعه‌ای از اطلاعات را از یک نشانگر (یعنی چندین تصویر از یک عنبیه، یا اسکن انگشت یکسان) یا اطلاعاتی از بیومتریک‌های مختلف (نیاز به اسکن اثر انگشت و با استفاده از تشخیص صدا، رمز عبور گفتاری) به دست آورند.

سیستم‌های بیومتریک چندوجهی می‌توانند این سیستم‌های تک‌وجهی را به‌طور متوالی، همزمان، ترکیبی از آن‌ها یا به‌صورت سری ترکیب کنند که به ترتیب به حالت‌های ادغام متوالی، موازی، سلسله مراتبی و سریال اشاره دارد.

CHANCCTVیک سری ازلنزهای بیومتریکبرای تشخیص چهره، تشخیص اثر کف دست و همچنین شناسایی اثر انگشت و شناسایی عنبیه. به عنوان مثال CH3659A یک لنز با اعوجاج کم 4k است که برای سنسورهای 1/1.8 اینچی طراحی شده است. تمام شیشه ها و طرح های جمع و جور با TTL 11.95 میلی متری را داراست. میدان دید 44 درجه افقی را ثبت می کند. این لنز برای تشخیص اثر کف دست ایده آل است.