Biometriset tiedot ovat kehon mittauksia ja ihmisen ominaisuuksiin liittyviä laskelmia. Biometristä todennusta (tai realistista todennusta) käytetään tietojenkäsittelytieteessä tunnistus- ja kulunvalvontamuotona. Sitä käytetään myös yksilöiden tunnistamiseen ryhmistä, joita valvotaan.

Biometriset tunnisteet ovat yksilöllisiä, mitattavissa olevia ominaisuuksia, joita käytetään yksilöiden merkitsemiseen ja kuvaamiseen. Biometriset tunnisteet luokitellaan usein fysiologisiin ominaisuuksiin, jotka liittyvät kehon muotoon. Esimerkkejä ovat muun muassa sormenjälki, kämmensuonet, kasvojen tunnistus, DNA, kämmenjälki, käden geometria, iiriksen tunnistus, verkkokalvo ja haju/tuoksu.

Biometriseen tunnistusteknologiaan kuuluvat tietojenkäsittelytieteet, optiikka ja akustiikka ja muut fysiikan tieteet, biologiset tieteet, biosensorit ja biostatistiikkaperiaatteet, turvallisuusteknologia ja tekoälyteknologia sekä monet muut perustieteet ja innovatiiviset sovellusteknologiat. Se on täydellinen monialainen tekninen ratkaisu.

Viime vuosina tekoälyn kehityksen myötä biometrinen tunnistustekniikka on kypsynyt. Tällä hetkellä kasvojentunnistustekniikka edustaa biometrisiä tietoja parhaiten.

Kasvojentunnistus

Kasvojentunnistusprosessi sisältää kasvojen keräämisen, kasvojentunnistuksen, kasvojen ominaisuuksien poistamisen ja kasvojen yhteensovittamisen. Kasvojentunnistusprosessissa käytetään erilaisia ​​teknologioita, kuten AdaBoos-algoritmia, konvoluutiohermoverkkoa ja tukivektorikonetta koneoppimisessa.

Kasvojentunnistusprosessi

Tällä hetkellä perinteisiä kasvojentunnistusvaikeuksia, mukaan lukien kasvojen kierto, okkluusio, samankaltaisuus jne., on parannettu huomattavasti, mikä parantaa huomattavasti kasvojentunnistuksen tarkkuutta. 2D-kasvot, 3D-kasvot, monispektrikasvot Jokaisella tilassa on erilaiset hankinnan mukautusskenaariot, tietoturva-aste ja yksityisyyden herkkyys jne., ja ison datan syvän oppimisen lisääminen saa 3D-kasvojentunnistusalgoritmin täydentämään 2D-projektion vikoja, Se tunnistaa nopeasti henkilön henkilöllisyyden, mikä on tuonut tietyn läpimurron kaksiulotteisen kasvojentunnistuksen soveltamiseen.

Samaan aikaan biometristä tunnistustekniikkaa käytetään tällä hetkellä avainteknologiana kasvojentunnistuksen turvallisuuden parantamiseksi. Se voi tehokkaasti vastustaa väärennöspetoksia, kuten valokuvia, videoita, 3D-malleja ja proteeseja, ja määrittää itsenäisesti kasvojen identiteetin. käyttäjiä. Tällä hetkellä kasvojentunnistusteknologian nopean kehityksen myötä monet innovatiiviset sovellukset, kuten älylaitteet, verkkorahoitus ja kasvomaksut, ovat tulleet yhä suositummiksi, mikä tuo nopeutta ja mukavuutta kaikkien elämään ja työhön.

Kämmenjäljen tunnistus

Kämmenjäljen tunnistus on uudenlainen biometrinen tunnistustekniikka, joka käyttää kohdeominaisuutena ihmiskehon kämmenjälkeä ja kerää biologista tietoa monispektrisen kuvantamistekniikan avulla. Monispektristä kämmenjäljen tunnistusta voidaan pitää biometrisen tunnistusteknologian mallina, jossa yhdistyvät multimodaalisuus ja useita kohdeominaisuuksia. Tämä uusi teknologia yhdistää kolme tunnistettavaa ominaisuutta ihon kirjo, kämmenjälki ja suonet tarjoavat enemmän tietoa kerralla ja parantaa kohdeominaisuuksien erottuvuutta.

Tänä vuonna Amazonin kämmenentunnistusteknologiaa, koodinimeltään Orvillea, on alettu testata. Skanneri hankkii ensin joukon infrapunapolarisoituja alkuperäiskuvia, jotka keskittyvät kämmenen ulkoisiin piirteisiin, kuten viivoihin ja taitteisiin; hankittaessa toinen sarja polarisoituja kuvia uudelleen, se keskittyy kämmenen rakenteeseen ja sisäisiin piirteisiin, kuten suoniin, luihin, pehmytkudoksiin jne. Raakakuvat käsitellään alun perin käsien sisältävien kuvien muodostamiseksi. Nämä kuvat ovat hyvin valaistuja, tarkennettuja, ja niissä näkyy kämmen tietyssä asennossa, tietyssä asennossa ja merkitty vasen- tai oikeakätisiksi.

Tällä hetkellä Amazonin kämmenjäljen tunnistustekniikka voi vahvistaa henkilöllisyyden ja suorittaa maksun vain 300 millisekunnissa, eikä se vaadi käyttäjiä laittamaan käsiään skannauslaitteeseen, heiluttele ja skannaa ilman kosketusta. Tämän tekniikan epäonnistumisprosentti on noin 0,0001 %. Samaan aikaan kämmenjäljen tunnistus on kaksinkertainen varmistus alkuvaiheessa – ensimmäisen kerran ulkoisten ominaisuuksien saamiseksi ja toisen kerran sisäisten organisaatioominaisuuksien saamiseksi. Verrattuna muihin biometrisiin teknologioihin turvallisuuden kannalta parannettu.

Edellä mainittujen biometristen ominaisuuksien lisäksi myös iiriksen tunnistustekniikkaa ollaan suosiossa. Iiris-tunnistuksen väärä tunnistusaste on niinkin alhainen kuin 1/1000000. Se käyttää pääasiassa iiriksen elämän invarianssin ja eron ominaisuuksia tunnistaakseen identiteetit.

Tällä hetkellä alalla vallitsee yksimielisyys siitä, että yksittäisen modaliteetin tunnistamisella on pullonkauloja sekä tunnistussuorituskyvyn että -turvallisuuden kannalta, ja multimodaalinen fuusio on tärkeä läpimurto kasvojentunnistuksessa ja jopa biometrisessä tunnistuksessa – ei vain monitekijän kautta. Tunnistuksen tarkkuuden parantaminen voi myös jossain määrin parantaa biometrisen tekniikan kohtauksen mukautumiskykyä ja yksityisyyden turvaa. Perinteiseen yksimuoto-algoritmiin verrattuna se pystyy paremmin vastaamaan taloustason väärien tunnistusten määrään (jopa yksi kymmenestä miljoonasta), mikä on myös biometrisen tunnistamisen kehityksen päätrendi.

Multimodaalinen biometrinen järjestelmä

Multimodaaliset biometriset järjestelmät käyttävät useita antureita tai biometriikkaa ylittääkseen unimodaalisten biometristen järjestelmien rajoitukset. Esimerkiksi iiriksen tunnistusjärjestelmät voivat vaarantua ikääntyneiden iiristen vuoksi ja elektronista sormenjälkien tunnistusta voivat huonontua kuluneet tai leikatut sormenjäljet. Vaikka unimodaalisia biometrisiä järjestelmiä rajoittaa niiden tunnisteen eheys, on epätodennäköistä, että useat unimodaaliset järjestelmät kärsivät identtisistä rajoituksista. Multimodaaliset biometriset järjestelmät voivat saada tietojoukkoja samasta merkistä (eli useita kuvia iiriksestä tai skannata samasta sormesta) tai tietoa eri biometrisista tiedoista (edellyttää sormenjälkien skannausta ja puheentunnistusta käytettäessä puhuttua salasanaa).

Multimodaaliset biometriset järjestelmät voivat sulauttaa nämä unimodaaliset järjestelmät peräkkäin, samanaikaisesti, niiden yhdistelmänä tai sarjassa, mikä viittaa peräkkäiseen, rinnakkaiseen, hierarkkiseen ja sarjaintegrointimoodiin, vastaavasti.

CHANCCTVon kehittänyt sarjanbiometriset linssitkasvojentunnistukseen, kämmenjäljen tunnistukseen sekä sormenjälkien ja iiriksen tunnistamiseen.Esimerkiksi CH3659A on 4k vähäsäröinen linssi, joka on suunniteltu 1/1,8 tuuman antureille. Siinä on kaikki lasit ja kompaktit mallit vain 11,95 mm:n TTL:llä. Se tallentaa 44 asteen vaakasuuntaisen näkökentän. Tämä objektiivi on ihanteellinen kämmenjäljen tunnistamiseen.