Biometriset tiedot ovat kehon mittoja ja laskelmia, jotka liittyvät ihmisen ominaisuuksiin. Biometristä todennusta (tai realistista todennusta) käytetään tietojenkäsittelytieteessä tunnistamis- ja pääsynvalvontamenetelmänä. Sitä käytetään myös yksilöiden tunnistamiseen ryhmissä, joita valvotaan.

Biometriset tunnisteet ovat erottuvia, mitattavia ominaisuuksia, joita käytetään yksilöiden merkitsemiseen ja kuvaamiseen. Biometriset tunnisteet luokitellaan usein fysiologisiksi ominaisuuksiksi, jotka liittyvät kehon muotoon. Esimerkkejä ovat muun muassa sormenjälki, kämmenen suonet, kasvojentunnistus, DNA, kämmenjälki, käden geometria, iiriksen tunnistus, verkkokalvo ja haju/tuoksu.

Biometrinen tunnistusteknologia kattaa tietojenkäsittelytieteen, optiikan ja akustiikan sekä muut fysikaaliset tieteet, biologiset tieteet, biosensorit ja biostatistiikan periaatteet, turvallisuusteknologian, tekoälyteknologian sekä monia muita perustieteitä ja innovatiivisia sovellusteknologioita. Se on kokonaisvaltainen monitieteinen tekninen ratkaisu.

Viime vuosina tekoälyn kehityksen myötä biometrinen tunnistusteknologia on kypsynyt. Tällä hetkellä kasvojentunnistusteknologia on edustavin biometrian muoto.

Kasvojentunnistus

Kasvojentunnistusprosessiin kuuluu kasvojen kerääminen, kasvojen havaitseminen, kasvonpiirteiden erottaminen ja kasvojen yhteensovittamisen tunnistaminen. Kasvojentunnistusprosessissa käytetään erilaisia ​​teknologioita, kuten AdaBoos-algoritmia, konvoluutiohermoverkkoa ja koneoppimisen tukivektorikoneita.

Kasvojentunnistuksen prosessi

Tällä hetkellä perinteisiä kasvojentunnistuksen vaikeuksia, kuten kasvojen kiertämistä, peittämistä ja samankaltaisuutta, on parannettu huomattavasti, mikä parantaa huomattavasti kasvojentunnistuksen tarkkuutta. 2D-kasvot, 3D-kasvot, monispektriset kasvot. Jokaisella tilalla on erilaiset hankintasopeutusskenaariot, tietoturvan aste ja yksityisyyden herkkyys jne., ja suurten tietomäärien syväoppimisen lisääminen saa 3D-kasvojentunnistusalgoritmin täydentämään 2D-projektion puutteita. Se voi nopeasti tunnistaa henkilön henkilöllisyyden, mikä on tuonut tietyn läpimurron kaksiulotteisen kasvojentunnistuksen soveltamiseen.

Samaan aikaan biometristä tunnistustekniikkaa käytetään tällä hetkellä keskeisenä teknologiana kasvojentunnistuksen turvallisuuden parantamiseksi, sillä se voi tehokkaasti torjua väärennöksiä, kuten valokuvia, videoita, 3D-malleja ja proteesimaskeja, ja määrittää itsenäisesti toimivien käyttäjien henkilöllisyyden. Tällä hetkellä kasvojentunnistustekniikan nopean kehityksen myötä monet innovatiiviset sovellukset, kuten älylaitteet, verkkomaksut ja kasvomaksut, ovat tulleet yhä suositummiksi, tuoden nopeutta ja mukavuutta kaikkien elämään ja työhön.

Kämmenjäljen tunnistus

Kämmenjäljen tunnistus on uudentyyppinen biometrinen tunnistustekniikka, joka käyttää ihmiskehon kämmenjälkeä kohdeominaisuutena ja kerää biologista tietoa monispektrisen kuvantamistekniikan avulla. Monispektristä kämmenjäljen tunnistusta voidaan pitää biometrisen tunnistustekniikan mallina, joka yhdistää monimuotoisuuden ja useita kohdeominaisuuksia. Tämä uusi teknologia yhdistää kolme tunnistettavaa ominaisuutta: ihon spektrin, kämmenjäljen ja laskimoiden, tarjotakseen kerralla enemmän tietoa ja parantaakseen kohdeominaisuuksien erotettavuutta.

Amazonin kämmenen tunnistusteknologia, koodinimeltään Orville, on alkanut tänä vuonna testata. Skanneri hankkii ensin joukon infrapunapolarisoituja alkuperäiskuvia, jotka keskittyvät kämmenen ulkoisiin ominaisuuksiin, kuten viivoihin ja taitoksiin. Toisen polarisoitujen kuvien sarjan hankinnassa se keskittyy jälleen kämmenen rakenteeseen ja sisäisiin ominaisuuksiin, kuten suoniin, luihin, pehmytkudoksiin jne. Raakakuvista luodaan aluksi kuvasarja, joka sisältää kädet. Nämä kuvat ovat hyvin valaistuja, tarkentuneita ja näyttävät kämmenen tietyssä asennossa, tietyssä asennossa ja merkitty vasen- tai oikeakätiseksi.

Tällä hetkellä Amazonin kämmenjälkitunnistusteknologia voi varmistaa henkilöllisyyden ja suorittaa maksun vain 300 millisekunnissa, eikä käyttäjien tarvitse laittaa käsiään skanneriin, vaan ainoastaan ​​heiluttaa kättä ja skannata ilman kosketusta. Teknologian vikaantumisprosentti on noin 0,0001 %. Samalla kämmenjälkitunnistus on alkuvaiheessa kaksinkertainen vahvistus – ensimmäinen kerta ulkoisten ominaisuuksien saamiseksi ja toinen kerta sisäisten organisaation ominaisuuksien saamiseksi. Turvallisuus on parantunut verrattuna muihin biometrisiin tekniikoihin.

Edellä mainittujen biometristen ominaisuuksien lisäksi myös iiriksen tunnistusteknologia on yleistymässä. Iiriksen tunnistuksen virheellinen tunnistusprosentti on niinkin alhainen kuin 1/1000000. Se käyttää pääasiassa iiriksen elinkaaren muuttumattomuuden ja eroavaisuuden ominaisuuksia henkilöllisyyden tunnistamiseen.

Tällä hetkellä alalla vallitsee yksimielisyys siitä, että yhden modaliteetin tunnistamisessa on pullonkauloja sekä tunnistustehokkuuden että turvallisuuden kannalta, ja multimodaalinen fuusio on tärkeä läpimurto kasvojentunnistuksessa ja jopa biometrisessä tunnistuksessa – ei pelkästään monitekijäisen tekniikan kautta. Tunnistustarkkuuden parantaminen voi myös parantaa biometrisen teknologian sopeutumiskykyä kohtaukseen ja yksityisyyden suojaa jossain määrin. Perinteiseen yksimuotoiseen algoritmiin verrattuna se pystyy paremmin vastaamaan taloudellisen tason virheellisten tunnistusmäärien (jopa yksi kymmenestä miljoonasta) vaatimuksiin, mikä on myös biometrisen tunnistuksen kehityksen päätrendi.

Multimodaalinen biometrinen järjestelmä

Multimodaaliset biometriset järjestelmät käyttävät useita antureita tai biometriikkaa voittaakseen unimodaalisten biometristen järjestelmien rajoitukset. Esimerkiksi iiriksen tunnistusjärjestelmät voivat vaarantua ikääntyvien iiristen vuoksi ja elektroninen sormenjälkitunnistus voi heikentyä kuluneiden tai viiltyneiden sormenjälkien vuoksi. Vaikka unimodaalisten biometristen järjestelmien rajoituksia on niiden tunnisteen eheys, on epätodennäköistä, että useat unimodaaliset järjestelmät kärsisivät samoista rajoituksista. Multimodaaliset biometriset järjestelmät voivat saada tietojoukkoja samasta merkinnästä (eli useita kuvia iiriksestä tai saman sormen skannauksia) tai tietoja eri biometrisista tiedoista (mikä vaatii sormenjälkitunnistuksia ja puheentunnistusta käyttäen puhutun salasanan).

Multimodaaliset biometriset järjestelmät voivat yhdistää nämä unimodaaliset järjestelmät peräkkäin, samanaikaisesti, näiden yhdistelmänä tai sarjaan, mikä viittaa vastaavasti peräkkäisiin, rinnakkaisiin, hierarkkisiin ja sarjaintegraatiotiloihin.

CHANCCTVon kehittänyt sarjanbiometriset linssitkasvojentunnistukseen, kämmenjälkien tunnistukseen sekä sormenjälkien ja iiriksen tunnistukseen. Esimerkiksi CH3659A on 4k-tarkkuuksinen, vähän vääristyvä objektiivi, joka on suunniteltu 1/1,8 tuuman kennoille. Siinä on käytetty kokonaan lasia ja se on kompakti, ja sen polttoväli on vain 11,95 mm:n TTL. Se tallentaa 44 asteen vaakasuuntaisen kuvakentän. Tämä objektiivi sopii erinomaisesti kämmenjälkien tunnistukseen.