Կենսաչափական տվյալները մարմնի չափումներ և մարդկային բնութագրերի հետ կապված հաշվարկներ են: Կենսաչափական նույնականացումը (կամ ռեալիստական ​​նույնականացումը) օգտագործվում է համակարգչային գիտության մեջ որպես նույնականացման և մուտքի վերահսկման ձև: Այն նաև օգտագործվում է խմբերում հսկողության տակ գտնվող անհատներին նույնականացնելու համար:

Կենսաչափական նույնականացուցիչները անհատներին պիտակավորելու և նկարագրելու համար օգտագործվող տարբերակիչ, չափելի բնութագրեր են: Կենսաչափական նույնականացուցիչները հաճախ դասակարգվում են որպես ֆիզիոլոգիական բնութագրեր, որոնք կապված են մարմնի ձևի հետ: Օրինակներ են, բայց չեն սահմանափակվում մատնահետքով, ափի երակներով, դեմքի ճանաչմամբ, ԴՆԹ-ով, ափի հետքով, ձեռքի երկրաչափությամբ, ծիածանաթաղանթի ճանաչմամբ, ցանցաթաղանթով և հոտով/բույրով:

Կենսաչափական նույնականացման տեխնոլոգիան ներառում է համակարգչային գիտություն, օպտիկա և ակուստիկա և այլ ֆիզիկական գիտություններ, կենսաբանական գիտություններ, կենսասենսորներ և կենսաստատիստիկայի սկզբունքներ, անվտանգության տեխնոլոգիաներ, արհեստական ​​բանականության տեխնոլոգիաներ և շատ այլ հիմնարար գիտություններ և նորարարական կիրառման տեխնոլոգիաներ: Այն ամբողջական բազմամասնագիտական ​​​​տեխնիկական լուծումներ է:

Վերջին տարիներին, արհեստական ​​բանականության զարգացման հետ մեկտեղ, կենսաչափական նույնականացման տեխնոլոգիան ավելի զարգացած է դարձել։ Ներկայումս դեմքի ճանաչման տեխնոլոգիան կենսաչափության ամենաներկայացուցչական տեսակն է։

Դեմքի ճանաչում

Դեմքի ճանաչման գործընթացը ներառում է դեմքի հավաքագրում, դեմքի հայտնաբերում, դեմքի հատկանիշների արդյունահանում և դեմքի համապատասխանեցման ճանաչում: Դեմքի ճանաչման գործընթացն օգտագործում է տարբեր տեխնոլոգիաներ, ինչպիսիք են AdaBoos ալգորիթմը, կոնվոլյուցիոն նեյրոնային ցանցը և մեքենայական ուսուցման օժանդակ վեկտորային մեքենան:

Դեմքի ճանաչման գործընթացը

Ներկայումս դեմքի ճանաչման ավանդական դժվարությունները, ներառյալ դեմքի պտույտը, օկլյուզիան, նմանությունը և այլն, զգալիորեն բարելավվել են, ինչը զգալիորեն բարելավում է դեմքի ճանաչման ճշգրտությունը: 2D դեմք, 3D դեմք, բազմասպեկտր դեմք: Յուրաքանչյուր ռեժիմ ունի տարբեր ձեռքբերման հարմարվողականության սցենարներ, տվյալների անվտանգության աստիճան և գաղտնիության զգայունություն և այլն, իսկ մեծ տվյալների խորը ուսուցման ավելացումը թույլ է տալիս 3D դեմքի ճանաչման ալգորիթմին լրացնել 2D պրոյեկցիայի թերությունները: Այն կարող է արագորեն նույնականացնել անձի ինքնությունը, ինչը որոշակի առաջընթաց է բերել երկչափ դեմքի ճանաչման կիրառման համար:

Միևնույն ժամանակ, կենսաչափական հայտնաբերման տեխնոլոգիան ներկայումս օգտագործվում է որպես դեմքի ճանաչման անվտանգության բարելավման հիմնական տեխնոլոգիա, որը կարող է արդյունավետորեն դիմակայել կեղծարարությանը, ինչպիսիք են լուսանկարները, տեսանյութերը, 3D մոդելները և պրոթեզային դիմակները, և անկախ որոշել գործող օգտատերերի ինքնությունը: Ներկայումս, դեմքի ճանաչման տեխնոլոգիայի արագ զարգացման հետ մեկտեղ, շատ նորարարական ծրագրեր, ինչպիսիք են խելացի սարքերը, առցանց ֆինանսները և դեմքով վճարումները, դարձել են ավելի ու ավելի տարածված՝ արագություն և հարմարավետություն բերելով բոլորի կյանքին և աշխատանքին:

Ատամի հետքի ճանաչում

Ափի հետքի ճանաչումը կենսաչափական ճանաչման նոր տեսակ է, որն օգտագործում է մարդու մարմնի ափի հետքը որպես թիրախային հատկանիշ և հավաքում է կենսաբանական տեղեկատվություն բազմասպեկտր պատկերման տեխնոլոգիայի միջոցով: Բազմասպեկտր ափի հետքի ճանաչումը կարող է դիտարկվել որպես կենսաչափական ճանաչման տեխնոլոգիայի մոդել, որը համատեղում է բազմամոդալությունը և բազմակի թիրախային հատկանիշները: Այս նոր տեխնոլոգիան համատեղում է մաշկի սպեկտրի, ափի հետքի և երակների երեք նույնականացվող հատկանիշները՝ միաժամանակ ավելի առատ տեղեկատվություն տրամադրելու և թիրախային հատկանիշների տարբերակելիությունը բարձրացնելու համար:

Այս տարի սկսվել է Amazon-ի ափի ճանաչման տեխնոլոգիայի՝ Orville կոդային անվամբ փորձարկումը: Սկաները նախ ստանում է ինֆրակարմիր բևեռացված բնօրինակ պատկերների հավաքածու՝ կենտրոնանալով ափի արտաքին առանձնահատկությունների վրա, ինչպիսիք են գծերը և ծալքերը. բևեռացված պատկերների երկրորդ հավաքածուն կրկին ստանալիս այն կենտրոնանում է ափի կառուցվածքի և ներքին առանձնահատկությունների վրա, ինչպիսիք են երակները, ոսկորները, փափուկ հյուսվածքները և այլն: Հում պատկերները սկզբում մշակվում են՝ ձեռքերը պարունակող պատկերների հավաքածու ստանալու համար: Այս պատկերները լավ լուսավորված են, ֆոկուսի մեջ են և ցույց են տալիս ափը որոշակի կողմնորոշմամբ, որոշակի դիրքով և պիտակավորված են որպես ձախլիկ կամ աջլիկ:

Ներկայումս Amazon-ի ափի հետքի ճանաչման տեխնոլոգիան կարող է ստուգել անձնական ինքնությունը և ավարտել վճարումը ընդամենը 300 միլիվայրկյանում, և չի պահանջում, որ օգտատերերը ձեռքը դնեն սկանավորող սարքի վրա, պարզապես ձեռքով արեն և սկանավորեն առանց շփման: Այս տեխնոլոգիայի ձախողման մակարդակը կազմում է մոտ 0.0001%: Միևնույն ժամանակ, ափի հետքի ճանաչումը սկզբնական փուլում կրկնակի ստուգում է՝ առաջին անգամ՝ արտաքին բնութագրեր ստանալու, իսկ երկրորդ անգամ՝ ներքին կազմակերպչական բնութագրեր ստանալու համար: Համեմատած այլ կենսաչափական տեխնոլոգիաների հետ՝ անվտանգության առումով բարելավվել է:

Բացի վերը նշված կենսաչափական առանձնահատկություններից, տարածվում է նաև ծիածանաթաղանթի ճանաչման տեխնոլոգիան: Ծիածանաթաղանթի ճանաչման կեղծ ճանաչման մակարդակը կազմում է ընդամենը 1/1000000: Այն հիմնականում օգտագործում է ծիածանաթաղանթի կյանքի անփոփոխության և տարբերության բնութագրերը՝ ինքնությունները նույնականացնելու համար:

Ներկայումս ոլորտում կոնսենսուս կա, որ մեկ մեթոդի ճանաչումը խոչընդոտներ ունի ինչպես ճանաչման արդյունավետության, այնպես էլ անվտանգության առումով, և բազմամոդալ միաձուլումը կարևոր առաջընթաց է դեմքի ճանաչման և նույնիսկ կենսաչափական ճանաչման ոլորտում՝ ոչ միայն բազմագործոնային ազդեցության միջոցով։ Ճանաչման ճշգրտությունը բարելավելու եղանակը կարող է նաև որոշակիորեն բարելավել կենսաչափական տեխնոլոգիայի տեսարանի հարմարվողականությունը և գաղտնիության անվտանգությունը։ Համեմատած ավանդական միառեժիմ ալգորիթմի հետ, այն կարող է ավելի լավ բավարարել ֆինանսական մակարդակի կեղծ ճանաչման մակարդակը (մինչև տասը միլիոնից մեկը), որը նաև կենսաչափական նույնականացման զարգացման հիմնական միտումն է։

Բազմամոդալ կենսաչափական համակարգ

Բազմամոդալ կենսաչափական համակարգերը օգտագործում են բազմաթիվ սենսորներ կամ կենսաչափական տվյալներ՝ միամոդալ կենսաչափական համակարգերի սահմանափակումները հաղթահարելու համար: Օրինակ՝ ծիածանաթաղանթի ճանաչման համակարգերը կարող են խաթարվել ծիածանաթաղանթի ծերացման պատճառով, իսկ էլեկտրոնային մատնահետքերի ճանաչումը՝ մաշված կամ կտրված մատնահետքերի պատճառով: Մինչդեռ միամոդալ կենսաչափական համակարգերը սահմանափակված են իրենց նույնականացուցիչի ամբողջականությամբ, քիչ հավանական է, որ մի քանի միամոդալ համակարգեր կտուժեն նույնական սահմանափակումներից: Բազմամոդալ կենսաչափական համակարգերը կարող են ստանալ տեղեկատվության հավաքածուներ նույն մարկերից (այսինքն՝ ծիածանաթաղանթի բազմաթիվ պատկերներ կամ նույն մատի սկանավորումներ) կամ տեղեկատվություն տարբեր կենսաչափական տվյալներից (պահանջելով մատնահետքերի սկանավորում և, ձայնային ճանաչում օգտագործելով, խոսակցական գաղտնաբառ):

Բազմամոդալ կենսաչափական համակարգերը կարող են միաձուլել այս միամոդալ համակարգերը հաջորդականորեն, միաժամանակ, դրանց համադրությամբ կամ հաջորդականությամբ, որոնք համապատասխանաբար վերաբերում են հաջորդական, զուգահեռ, հիերարխիկ և սերիական ինտեգրման ռեժիմներին։

CHANCCTVմշակել է մի շարքկենսաչափական ոսպնյակներԴեմքի ճանաչման, ափի հետքի ճանաչման, ինչպես նաև մատնահետքի և ծիածանաթաղանթի ճանաչման համար: Օրինակ՝ CH3659A-ն 4k ցածր աղավաղման օբյեկտիվ է, որը նախատեսված է 1/1.8'' սենսորների համար: Այն ունի ամբողջությամբ ապակե և կոմպակտ դիզայն՝ ընդամենը 11.95 մմ TTL-ով: Այն նկարահանում է 44 աստիճան հորիզոնական տեսադաշտ: Այս օբյեկտիվը իդեալական է ափի հետքի ճանաչման համար: