بیومتریک اندازه گیری بدن و محاسبات مربوط به خصوصیات انسانی است. احراز هویت بیومتریک (یا احراز هویت واقع گرایانه) در علوم کامپیوتر به عنوان نوعی شناسایی و کنترل دسترسی استفاده می شود. همچنین برای شناسایی افراد در گروه هایی که تحت نظارت هستند استفاده می شود.

شناسه های بیومتریک ویژگی های متمایز و قابل اندازه گیری است که برای برچسب زدن و توصیف افراد استفاده می شود. شناسه های بیومتریک اغلب به عنوان خصوصیات فیزیولوژیکی طبقه بندی می شوند که مربوط به شکل بدن است. مثالها شامل ، اما محدود به اثر انگشت ، رگهای نخل ، تشخیص چهره ، DNA ، چاپ نخل ، هندسه دستی ، تشخیص عنبیه ، شبکیه و بو/عطر محدود نمی شود.

فناوری شناسایی بیومتریک شامل علوم کامپیوتر ، اپتیک و آکوستیک و سایر علوم فیزیکی ، علوم بیولوژیکی ، بیوسنسورها و اصول زیست شناسی ، فناوری امنیت و فناوری هوش مصنوعی و بسیاری دیگر از علوم اساسی و فن آوری های کاربردی نوآورانه است. این یک راه حل کامل فنی چند رشته ای است.

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

شناخت چهره

روند تشخیص چهره شامل جمع آوری صورت ، تشخیص چهره ، استخراج ویژگی های صورت و تشخیص تطبیق صورت است. فرآیند تشخیص چهره از فناوری های مختلفی مانند الگوریتم ADABOOS ، شبکه عصبی Convolutional و دستگاه بردار پشتیبانی در یادگیری ماشین استفاده می کند.

روند تشخیص چهره

در حال حاضر ، مشکلات سنتی تشخیص چهره از جمله چرخش صورت ، انسداد ، شباهت و غیره به شدت بهبود یافته است که این امر باعث افزایش دقت در تشخیص چهره می شود. چهره 2D ، چهره سه بعدی ، صورت چند طیفی هر حالت دارای سناریوهای سازگاری کسب کسب و کار متفاوت ، درجه امنیت داده ها و حساسیت به حریم خصوصی و غیره است و افزودن یادگیری عمیق داده های بزرگ باعث می شود الگوریتم تشخیص چهره سه بعدی نقص طرح 2D را تکمیل کند ، این می تواند به سرعت هویت یک شخص را شناسایی کند ، که موفقیت خاصی را برای استفاده از تشخیص چهره دو بعدی به ارمغان آورده است.

در عین حال ، از فناوری تشخیص بیومتریک در حال حاضر به عنوان یک فناوری کلیدی برای بهبود امنیت تشخیص چهره استفاده می شود ، که می تواند به طور موثری در برابر جعل تقلبی مانند عکس ، فیلم ، مدل های سه بعدی و ماسک های پروتز مقاومت کند و به طور مستقل هویت را تعیین کند کاربران عامل در حال حاضر ، با توسعه سریع فناوری تشخیص چهره ، بسیاری از برنامه های 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.

به رسمیت شناختن کف دست

شناخت Palmprint نوع جدیدی از فناوری تشخیص بیومتریک است که از کف دست بدن انسان به عنوان ویژگی هدف استفاده می کند و اطلاعات بیولوژیکی را از طریق فناوری تصویربرداری چند طیفی جمع می کند. شناخت پالمپرین چند طیفی می تواند به عنوان الگویی از فناوری تشخیص بیومتریک در نظر گرفته شود که ترکیب چند ماده و ویژگی های هدف چندگانه را در خود جای داده است. این فناوری جدید سه ویژگی قابل شناسایی از طیف پوست ، چاپ نخل و رگهای ورید را برای ارائه اطلاعات فراوان تر در یک زمان و افزایش تمایز ویژگی های هدف ترکیب می کند.

امسال ، فناوری تشخیص نخل آمازون ، با نام Orville ، آزمایش را آغاز کرده است. اسکنر ابتدا مجموعه ای از تصاویر اصلی قطبی مادون قرمز را به دست می آورد و روی ویژگی های خارجی کف دست ، مانند خطوط و چین ها تمرکز می کند. هنگام به دست آوردن مجموعه دوم تصاویر قطبی ، دوباره روی ساختار نخل و ویژگی های داخلی مانند رگ ها ، استخوان ها ، بافت های نرم و غیره تمرکز دارد. تصاویر خام در ابتدا پردازش می شوند تا مجموعه ای از تصاویر حاوی دست را ارائه دهند. این تصاویر به خوبی روشن هستند ، و کف دست را در یک جهت خاص ، در یک نمایش خاص نشان می دهند و به عنوان دست چپ یا راست برچسب گذاری می شوند.

در حال حاضر ، فناوری تشخیص Palmprint آمازون می تواند هویت شخصی و پرداخت کامل را فقط در 300 میلی ثانیه تأیید کند ، و نیازی به کاربران ندارد که دست خود را روی دستگاه اسکن قرار دهند ، فقط موج و اسکن کنند. میزان خرابی این فناوری در حدود 0.0001 ٪ است. در عین حال ، شناخت Palmprint یک تأیید مضاعف در مرحله اولیه است - اولین بار برای به دست آوردن خصوصیات خارجی و بار دوم برای به دست آوردن خصوصیات سازمانی داخلی. در مقایسه با سایر فن آوری های بیومتریک از نظر امنیت ، بهبود یافته است.

علاوه بر ویژگی های بیومتریک فوق ، فناوری تشخیص Iris نیز محبوبیت زیادی پیدا می کند. میزان تشخیص کاذب تشخیص Iris به اندازه 1/1000000 کم است. این امر به طور عمده از ویژگی های عدم تغییر زندگی عنبیه و تفاوت برای شناسایی هویت استفاده می کند.

در حال حاضر ، اجماع در صنعت این است که به رسمیت شناختن یک روش واحد ، هم در عملکرد تشخیص و هم در امنیت به رسمیت شناخته شده است ، و همجوشی چند منظوره یک پیشرفت مهم در تشخیص چهره و حتی شناخت بیومتریک است-نه تنها از طریق چند عامل راه برای بهبود صحت شناخت همچنین می تواند سازگاری صحنه و امنیت حریم خصوصی فناوری بیومتریک را تا حدی بهبود بخشد. در مقایسه با الگوریتم سنتی تک حالت ، می تواند بهتر از نرخ تشخیص کاذب در سطح مالی (به اندازه یک در ده میلیون) ، که این نیز روند اصلی توسعه شناسایی بیومتریک است ، برآورده کند.

سیستم بیومتریک چند حالته

سیستم های بیومتریک چندمودال از سنسورهای مختلف یا بیومتریک برای غلبه بر محدودیت های سیستم های بیومتریک غیرعادی استفاده می کنند. برای مثال سیستم های تشخیص عنبیه می توانند با پیری عنبیه و تشخیص اثر انگشت الکترونیکی با استفاده از انگشت های فرسوده یا برش بدتر شوند. در حالی که سیستم های بیومتریک Unimodal با یکپارچگی شناسه آنها محدود هستند ، بعید است که چندین سیستم Unimodal از محدودیت های یکسان رنج ببرند. سیستم های بیومتریک چند حالته می توانند مجموعه ای از اطلاعات را از همان نشانگر (به عنوان مثال ، تصاویر متعدد از عنبیه یا اسکن همان انگشت) یا اطلاعات مربوط به بیومتریک های مختلف (نیاز به اسکن اثر انگشت و با استفاده از تشخیص صدا ، یک رمز عبور گفتاری) بدست آورند.

سیستم های بیومتریک چندمودال می توانند این سیستم های غیرعادی را به طور متوالی ، همزمان ، ترکیبی از آن یا به صورت سری ، که به ترتیب به حالت های پی در پی ، موازی ، سلسله مراتبی و سریال اشاره می کنند ، فیوز کنند.

chancctvمجموعه ای ازلنزهای بیومتریکبرای تشخیص چهره ، شناخت نخل و همچنین شناسایی اثر انگشت و شناسایی عنبیه. برای مثال CH3659A یک لنز اعوجاج کم 4K است که برای سنسورهای 1/1.8 'طراحی شده است. این برنامه دارای تمام طرح های شیشه ای و جمع و جور با TTL 11.95 میلی متر است. 44 درجه از منظره افقی را ضبط می کند. این لنز برای شناخت Palmprint ایده آل است.