Biometriset tiedot ovat kehon mittauksia ja ihmisen ominaisuuksiin liittyviä laskelmia. Tietotekniikassa käytetään biometristä todennusta (tai realistista todennusta) tunnistamisen ja kulunvalvonnan muodossa. Sitä käytetään myös yksilöiden tunnistamiseen ryhmissä, jotka ovat tarkkailun alla.

Biometriset tunnisteet ovat erottuvia, mitattavissa olevia ominaisuuksia, joita käytetään yksilöiden merkitsemiseen ja kuvaamiseen. Biometriset tunnisteet luokitellaan usein fysiologisiksi ominaisuuksiksi, jotka liittyvät kehon muotoon. Esimerkkejä ovat, mutta eivät rajoitu sormenjälkeen, kämmenlaskimoihin, kasvojen tunnistamiseen, DNA: hon, kämmentulostukseen, käsin geometriaan, iiriksen tunnistukseen, verkkokalvoon ja hajuun/tuoksuun.

Biometrinen tunnistustekniikka sisältää tietotekniikan, optiikan ja akustiikan ja muut fysikaaliset tieteet, biologiset tieteet, biosensorit ja biostatistiikkaperiaatteet, turvallisuustekniikka ja tekoälytekniikka sekä monet muut perustieteet ja innovatiiviset sovellustekniikat. Se on täydellinen monitieteinen tekninen ratkaisu.

Viime vuosina tekoälyn kehittymisen myötä biometrinen tunnistustekniikka on kypsempi. Kasvojen tunnistustekniikka on tällä hetkellä biometrian edustavin.

Kasvojentunnistus

Kasvojen tunnistusprosessi sisältää kasvojen keräämisen, kasvojen havaitsemisen, kasvoominaisuuksien poiminnan ja kasvojen vastaavan tunnistuksen. Kasvontunnistusprosessissa käytetään erilaisia ​​tekniikoita, kuten Adaboos -algoritmia, konvoluutiohermostoverkkoa ja tukivektorikoneen koneoppimisessa.

Kasvojen tunnistusprosessi

Tällä hetkellä perinteisiä kasvojen tunnistusvaikeuksia, mukaan lukien kasvojen kierto, tukkeutuminen, samankaltaisuus jne., On parantunut huomattavasti, mikä parantaa huomattavasti kasvojen tunnistuksen tarkkuutta. 2D-kasvot, 3D-kasvot, monispektriset kasvot Jokaisessa tilassa on erilaiset hankinnan sopeutumisskenaariot, tietoturva- ja yksityisyyden suojaa jne., Ja isojen tietojen syvän oppimisen lisääminen tekee 3D-kasvojen tunnistusalgoritmista täydentämään 2D-projektion vikoja, Se pystyy nopeasti tunnistamaan henkilön identiteetin, joka on tuonut tietyn läpimurton kaksiulotteisen kasvojen tunnistamisen soveltamiseksi.

Samanaikaisesti biometristä havaitsemistekniikkaa käytetään parhaillaan avaintekniikkana kasvojentunnistuksen turvallisuuden parantamiseksi, mikä voi tehokkaasti vastustaa väärentäviä petoksia, kuten valokuvia, videoita, 3D -malleja ja proteesimaskeja, ja määrittää itsenäisesti henkilöllisyyden identiteetin toimivat käyttäjät. Tällä hetkellä kasvojen tunnistustekniikan nopean kehityksen myötä monista innovatiivisista sovelluksista, kuten älylaitteista, online -rahoituksesta ja kasvomaksusta, on tullut yhä suositumpia, mikä on nopeutta ja mukavuutta kaikkien elämään ja työhön.

Palmuprintin tunnistus

PalmPrint -tunnistus on uuden tyyppinen biometrinen tunnistustekniikka, joka käyttää ihmiskehon palmuprinttiä kohderyhmänä ja kerää biologista tietoa monispektrisen kuvantamistekniikan avulla. Monispektrinen palmuprintin tunnistus voidaan pitää biometrisen tunnistustekniikan mallina, joka yhdistää monimuotoisuuden ja useita kohdeominaisuuksia. Tämä uusi tekniikka yhdistää ihospektrin, kämmentulostuksen ja laskimon kolmen tunnistettavan ominaisuuden, joka tarjoaa runsaampaa tietoa kerrallaan ja lisätä kohdeominaisuuksien erotettavuutta.

Tänä vuonna Amazonin Palm-tunnustustekniikka, koodi-niminen Orville, on alkanut testata. Skanneri hankkii ensin joukon infrapunapolarisoituja alkuperäisiä kuvia, keskittyen kämmenen ulkoisiin ominaisuuksiin, kuten viivoihin ja taitoksiin; Kun hankitaan uudelleen polarisoitujen kuvien toisen sarjan, se keskittyy kämmenrakenteeseen ja sisäisiin piirteisiin, kuten suoniin, luihin, pehmytkudoksiin jne. Raakakuvat käsitellään alun perin käsien sisältävien kuvien tarjoamiseksi. Nämä kuvat ovat tarkennettuja hyvin valaistuja ja näyttävät kämmenen tietyssä suunnassa tietyssä asennossa ja merkitty vasemmaksi tai oikeakätisiksi.

Tällä hetkellä Amazonin PalmPrint -tunnistustekniikka voi tarkistaa henkilökohtaisen henkilöllisyyden ja suorittaa maksun vain 300 millisekunnassa, eikä se vaadi käyttäjiä laittamaan kätensä skannauslaitteeseen, vain aaltoileva ja skannata ilman yhteyttä. Tämän tekniikan epäonnistumisaste on noin 0,0001%. Samanaikaisesti palmuprintin tunnistus on kaksinkertainen varmennus alkuvaiheessa - ensimmäistä kertaa ulkoisten ominaisuuksien saamiseksi ja toisen kerran sisäisten organisaatioominaisuuksien saamiseksi. Verrattuna muihin biometrisiin tekniikoihin turvallisuuden suhteen, parannettu.

Yllä olevien biometristen ominaisuuksien lisäksi IRIS -tunnistustekniikkaa on myös popularisoitu. IRIS -tunnustamisen väärä tunnistusaste on niinkin alhainen kuin 1/1000000. Se käyttää pääasiassa Iris -elämän invarianssin ja eron ominaisuuksia identiteettien tunnistamiseen.

Tällä hetkellä teollisuuden yksimielisyys on, että yhden modaalisuuden tunnustamisella on pullonkauloja sekä tunnustamisen suorituskyvyssä että turvallisuudessa, ja monimuotoinen fuusio on tärkeä läpimurto kasvojen tunnistamisessa ja jopa biometrisessä tunnistuksessa-ei vain monitekijän kautta tietä. Tunnistustarkkuuden parantaminen voi myös parantaa tietyssä määrin biometrisen tekniikan kohtauksen sopeutumiskykyä ja yksityisyyden suojaa. Verrattuna perinteiseen yksimuotoiseen algoritmiin, se voi paremmin täyttää rahoitustason väärän tunnistusasteen (niin alhainen kuin yksi kymmenestä miljoonasta), mikä on myös tärkein suuntaus biometrisen tunnistamisen kehittämiselle.

Multimodaalinen biometrinen järjestelmä

Multimodaaliset biometriset järjestelmät käyttävät useita antureita tai biometrisiä tietoja unimodaalisten biometristen järjestelmien rajoitusten ratkaisemiseksi. IRIS-tunnistusjärjestelmät voivat vaarantaa ikääntyvät iirikset ja elektroninen sormenjälkitunnistus voivat pahentaa kuluneet tai leikattujen sormenjälkien avulla. Vaikka yksimodaaliset biometriset järjestelmät rajoittavat niiden tunnisteen eheys, on epätodennäköistä, että useat yksimodaaliset järjestelmät kärsivät identtisistä rajoituksista. Multimodaaliset biometriset järjestelmät voivat saada tietojoukkoja samasta merkinnästä (ts. Useita kuvia iiriksestä tai saman sormen skannauksista) tai eri biometristen tietojen (sormenjälkien skannausten ja äänentunnistuksen avulla) tietoa.

Multimodaaliset biometriset järjestelmät voivat sulauttaa nämä yksimodaaliset järjestelmät peräkkäin, samanaikaisesti, niiden yhdistelmä tai sarjassa, jotka viittaavat vastaavasti peräkkäisiin, rinnakkaisiin, hierarkkisiin ja sarjan integrointimuodoihin.

ChanccTVon kehittänyt sarjanbiometriset linssitKasvojen tunnistamista varten palmprintin tunnistus sekä sormenjälkitunnistus ja iiriksen tunnistaminen. Siinä on kaikki lasi- ja kompaktit mallit, joissa on vain 11,95 mm TTL. Se kaappaa 44 astetta vaaka -näkökenttä. Tämä linssi on ihanteellinen palmuprintin tunnistamiseen.