Կենսաչափությունը մարմնի չափումներ և հաշվարկներ են՝ կապված մարդու բնութագրերի հետ: Կենսաչափական նույնականացումը (կամ իրատեսական նույնականացումը) օգտագործվում է համակարգչային գիտության մեջ որպես նույնականացման և մուտքի վերահսկման ձև: Այն նաև օգտագործվում է հսկողության տակ գտնվող խմբերում գտնվող անձանց նույնականացնելու համար:

Կենսաչափական նույնացուցիչները տարբերակիչ, չափելի հատկանիշներ են, որոնք օգտագործվում են անհատներին պիտակավորելու և նկարագրելու համար: Կենսաչափական նույնացուցիչները հաճախ դասակարգվում են որպես ֆիզիոլոգիական բնութագրեր, որոնք կապված են մարմնի ձևի հետ: Օրինակները ներառում են, բայց չեն սահմանափակվում մատնահետքով, ափի երակներով, դեմքի ճանաչմամբ, ԴՆԹ-ով, ափի հետքով, ձեռքի երկրաչափությամբ, ծիածանաթաղանթով ճանաչմամբ, ցանցաթաղանթով և հոտով/բույրով:

Կենսաչափական նույնականացման տեխնոլոգիան ներառում է համակարգչային գիտություն, օպտիկա և ակուստիկա և այլ ֆիզիկական գիտություններ, կենսաբանական գիտություններ, բիոսենսորներ և կենսավիճակագրության սկզբունքներ, անվտանգության տեխնոլոգիաներ և արհեստական ​​բանականության տեխնոլոգիաներ և բազմաթիվ այլ հիմնական գիտություններ և նորարարական կիրառական տեխնոլոգիաներ: Դա ամբողջական բազմամասնագիտական ​​տեխնիկական լուծումներ է:

Վերջին տարիներին, արհեստական ​​ինտելեկտի զարգացման հետ մեկտեղ, կենսաչափական նույնականացման տեխնոլոգիան դարձել է ավելի հասուն: Ներկայումս դեմքի ճանաչման տեխնոլոգիան կենսաչափության ամենաներկայացուցիչն է։

Դեմքի ճանաչում

Դեմքի ճանաչման գործընթացը ներառում է դեմքի հավաքում, դեմքի հայտնաբերում, դեմքի հատկությունների արդյունահանում և դեմքի համընկնող ճանաչում: Դեմքի ճանաչման գործընթացում օգտագործվում են տարբեր տեխնոլոգիաներ, ինչպիսիք են AdaBoos ալգորիթմը, կոնվոլյուցիոն նեյրոնային ցանցը և օժանդակ վեկտորային մեքենան մեքենայական ուսուցման մեջ:

Դեմքի ճանաչման գործընթացը

Ներկայումս դեմքի ճանաչման ավանդական դժվարությունները, ներառյալ դեմքի պտույտը, փակումը, նմանությունը և այլն, զգալիորեն բարելավվել են, ինչը մեծապես բարելավում է դեմքի ճանաչման ճշգրտությունը: 2D դեմք, 3D դեմք, բազմասպեկտրալ դեմք Յուրաքանչյուր ռեժիմ ունի ձեռքբերման հարմարվողականության տարբեր սցենարներ, տվյալների անվտանգության աստիճան և գաղտնիության զգայունություն և այլն, և մեծ տվյալների խորը ուսուցման ավելացումը ստիպում է 3D դեմքի ճանաչման ալգորիթմը լրացնել 2D պրոյեկցիայի թերությունները, Այն կարող է արագ բացահայտել մարդու ինքնությունը, ինչը որոշակի բեկում է բերել երկչափ դեմքի ճանաչման կիրառման համար։

Միևնույն ժամանակ, կենսաչափական հայտնաբերման տեխնոլոգիան ներկայումս օգտագործվում է որպես առանցքային տեխնոլոգիա՝ բարելավելու դեմքի ճանաչման անվտանգությունը, որը կարող է արդյունավետորեն դիմակայել կեղծ կեղծիքներին, ինչպիսիք են լուսանկարները, տեսանյութերը, 3D մոդելները և պրոթեզային դիմակները, և ինքնուրույն որոշել դրանց ինքնությունը: գործող օգտվողներ. Ներկայումս, դեմքի ճանաչման տեխնոլոգիայի արագ զարգացման հետ մեկտեղ, շատ նորարարական հավելվածներ, ինչպիսիք են խելացի սարքերը, առցանց ֆինանսները և դեմքի վճարումը, ավելի ու ավելի տարածված են դարձել՝ արագություն և հարմարավետություն հաղորդելով յուրաքանչյուրի կյանքին և աշխատանքին:

Ափի հետքի ճանաչում

Ափի հետքի ճանաչումը կենսաչափական ճանաչման տեխնոլոգիայի նոր տեսակ է, որն օգտագործում է մարդու մարմնի ափի հետքը որպես թիրախային հատկանիշ և հավաքում է կենսաբանական տեղեկատվություն բազմասպեկտրային պատկերման տեխնոլոգիայի միջոցով: Արմավենու հետքի բազմասպեկտրային ճանաչումը կարելի է համարել որպես կենսաչափական ճանաչման տեխնոլոգիայի մոդել, որը համատեղում է բազմամոդալությունը և բազմաթիվ թիրախային առանձնահատկությունները: Այս նոր տեխնոլոգիան միավորում է մաշկի սպեկտրի, արմավենու տպման և երակների երակների երեք ճանաչելի առանձնահատկությունները՝ միաժամանակ ավելի առատ տեղեկատվություն տրամադրելու և թիրախային հատկանիշների տարբերակելիությունը մեծացնելու համար:

Այս տարի Amazon-ի ափի ճանաչման տեխնոլոգիան, որը կոչվում է Orville, սկսել է փորձարկել: Սկաները նախ ձեռք է բերում ինֆրակարմիր բևեռացված բնօրինակ պատկերների մի շարք՝ կենտրոնանալով ափի արտաքին հատկանիշների վրա, ինչպիսիք են գծերն ու ծալքերը. Բևեռացված պատկերների երկրորդ հավաքածուն կրկին ձեռք բերելու ժամանակ այն կենտրոնանում է ափի կառուցվածքի և ներքին հատկանիշների վրա, ինչպիսիք են երակները, ոսկորները, փափուկ հյուսվածքները և այլն: Հում պատկերները սկզբում մշակվում են ձեռքեր պարունակող պատկերների հավաքածու ապահովելու համար: Այս պատկերները լավ լուսավորված են, կիզակետում և ցույց են տալիս ափը կոնկրետ կողմնորոշման մեջ, որոշակի դիրքում և պիտակավորված որպես ձախ կամ աջ ձեռք:

Ներկայումս Amazon-ի ափի հետքի ճանաչման տեխնոլոգիան կարող է ստուգել անձնական ինքնությունը և կատարել վճարումը ընդամենը 300 միլիվայրկյանում, և չի պահանջում օգտվողներից ձեռքերը դնել սկանավորող սարքի վրա, պարզապես թափահարել և սկանավորել առանց շփման: Այս տեխնոլոգիայի ձախողման մակարդակը կազմում է մոտ 0,0001%: Միևնույն ժամանակ, ափի հետքի ճանաչումը կրկնակի ստուգում է նախնական փուլում՝ առաջին անգամ արտաքին բնութագրերը ստանալու համար, իսկ երկրորդ անգամ՝ ներքին կազմակերպչական բնութագրերը ստանալու համար: Անվտանգության առումով այլ կենսաչափական տեխնոլոգիաների համեմատ՝ բարելավվել է։

Բացի վերը նշված կենսաչափական առանձնահատկություններից, տարածվում է նաև ծիածանաթաղանթի ճանաչման տեխնոլոգիան: Ծիածանաթաղանթի ճանաչման կեղծ ճանաչման գործակիցը 1/1000000-ից ցածր է: Այն հիմնականում օգտագործում է ծիածանաթաղանթի կյանքի անփոփոխության և տարբերության բնութագրերը՝ նույնականացման համար:

Ներկայումս արդյունաբերության մեջ կոնսենսուսն այն է, որ մեկ եղանակի ճանաչումը խոչընդոտներ ունի ինչպես ճանաչման կատարման, այնպես էլ անվտանգության մեջ, և բազմամոդալ միաձուլումը կարևոր առաջընթաց է դեմքի ճանաչման և նույնիսկ կենսաչափական ճանաչման մեջ, ոչ միայն բազմաֆունկցիոնալ ճանապարհի միջոցով: ճանաչման ճշգրտությունը բարելավելու համար կարող է նաև որոշակիորեն բարելավել տեսարանի հարմարվողականությունը և կենսաչափական տեխնոլոգիայի գաղտնիության անվտանգությունը: Համեմատած ավանդական մեկ ռեժիմի ալգորիթմի հետ, այն կարող է ավելի լավ բավարարել ֆինանսական մակարդակի կեղծ ճանաչման գործակիցը (մինչև տասը միլիոնից մեկը), որը նաև կենսաչափական նույնականացման զարգացման հիմնական միտումն է:

Մուլտիմոդալ կենսաչափական համակարգ

Մուլտիմոդալ կենսաչափական համակարգերը օգտագործում են բազմաթիվ սենսորներ կամ կենսաչափական սարքեր՝ միամոդալ կենսաչափական համակարգերի սահմանափակումները հաղթահարելու համար: Օրինակ՝ ծիածանաթաղանթի ճանաչման համակարգերը կարող են վտանգվել ծերացող ծիածանաթաղանթների պատճառով, իսկ մատնահետքերի էլեկտրոնային ճանաչումը կարող է վատթարանալ մաշված կամ կտրված մատնահետքերի պատճառով: Թեև միամոդալ կենսաչափական համակարգերը սահմանափակված են իրենց նույնացուցիչի ամբողջականությամբ, քիչ հավանական է, որ մի քանի միամոդալ համակարգեր տուժեն նույնական սահմանափակումներից: Մուլտիմոդալ կենսաչափական համակարգերը կարող են տեղեկատվության հավաքածուներ ստանալ միևնույն մարկերից (այսինքն՝ ծիածանաթաղանթի բազմաթիվ պատկերներ կամ նույն մատի սկանավորումներ) կամ տարբեր կենսաչափական տվյալներից (պահանջում են մատնահետքերի սկանավորում և ձայնի ճանաչման միջոցով՝ խոսակցական ծածկագիր):

Մուլտիմոդալ կենսաչափական համակարգերը կարող են միաձուլել այս միամոդալ համակարգերը հաջորդաբար, միաժամանակ, դրանց համակցությամբ կամ շարքով, որոնք վերաբերում են համապատասխանաբար հաջորդական, զուգահեռ, հիերարխիկ և սերիական ինտեգրման ռեժիմներին:

CHANCCTVմշակել է մի շարքկենսաչափական ոսպնյակներդեմքի ճանաչման, ափի հետքի ճանաչման, ինչպես նաև մատնահետքի և ծիածանաթաղանթի նույնականացման համար: Օրինակ, CH3659A-ն 4k ցածր աղավաղման ոսպնյակ է, որը նախատեսված է 1/1,8 դյույմ սենսորների համար: Այն ունի բոլոր ապակիները և կոմպակտ ձևավորումները՝ ընդամենը 11,95 մմ TTL-ով: Այն գրավում է 44 աստիճան հորիզոնական տեսադաշտ: Այս ոսպնյակը իդեալական է ափի հետքը ճանաչելու համար: