Biometrik adalah pengukuran dan perhitungan tubuh yang berkaitan dengan karakteristik manusia. Otentikasi biometrik (atau otentikasi realistis) digunakan dalam ilmu komputer sebagai bentuk identifikasi dan kontrol akses. Hal ini juga digunakan untuk mengidentifikasi individu dalam kelompok yang berada di bawah pengawasan.

Pengidentifikasi biometrik adalah karakteristik khas yang dapat diukur dan digunakan untuk memberi label dan mendeskripsikan individu. Pengidentifikasi biometrik sering dikategorikan sebagai karakteristik fisiologis yang berkaitan dengan bentuk tubuh. Contohnya termasuk, tetapi tidak terbatas pada sidik jari, pembuluh darah telapak tangan, pengenalan wajah, DNA, cetakan telapak tangan, geometri tangan, pengenalan iris, retina, dan bau/aroma.

Teknologi identifikasi biometrik melibatkan ilmu komputer, optik dan akustik serta ilmu fisika lainnya, ilmu biologi, biosensor dan prinsip-prinsip biostatistik, teknologi keamanan, dan teknologi kecerdasan buatan serta banyak ilmu dasar lainnya dan teknologi aplikasi inovatif. Ini adalah solusi teknis multidisiplin yang lengkap.

Dalam beberapa tahun terakhir, dengan perkembangan kecerdasan buatan, teknologi identifikasi biometrik menjadi lebih matang. Saat ini, teknologi pengenalan wajah adalah yang paling representatif dari biometrik.

Pengenalan wajah

Proses pengenalan wajah meliputi pengumpulan wajah, deteksi wajah, ekstraksi fitur wajah, dan pencocokan wajah. Proses pengenalan wajah menggunakan berbagai teknologi seperti algoritma AdaBoos, jaringan saraf konvolusional, dan mesin vektor pendukung dalam pembelajaran mesin.

Proses pengenalan wajah

Saat ini, kesulitan pengenalan wajah tradisional termasuk rotasi wajah, oklusi, kemiripan, dll., telah sangat ditingkatkan, yang secara signifikan meningkatkan akurasi pengenalan wajah. Wajah 2D, wajah 3D, wajah multispektral. Setiap mode memiliki skenario adaptasi akuisisi yang berbeda, tingkat keamanan data, dan sensitivitas privasi, dll., dan penambahan pembelajaran mendalam dari big data membuat algoritma pengenalan wajah 3D melengkapi kekurangan proyeksi 2D, sehingga dapat dengan cepat mengidentifikasi identitas seseorang, yang telah membawa terobosan tertentu untuk aplikasi pengenalan wajah dua dimensi.

Pada saat yang sama, teknologi deteksi biometrik saat ini digunakan sebagai teknologi kunci untuk meningkatkan keamanan pengenalan wajah, yang secara efektif dapat melawan penipuan pemalsuan seperti foto, video, model 3D, dan topeng prostetik, serta secara independen menentukan identitas pengguna yang mengoperasikannya. Saat ini, dengan perkembangan pesat teknologi pengenalan wajah, banyak aplikasi inovatif seperti perangkat pintar, keuangan online, dan pembayaran wajah menjadi semakin populer, membawa kecepatan dan kemudahan bagi kehidupan dan pekerjaan setiap orang.

Pengenalan sidik telapak tangan

Pengenalan sidik telapak tangan adalah jenis teknologi pengenalan biometrik baru, yang menggunakan sidik telapak tangan manusia sebagai fitur target, dan mengumpulkan informasi biologis melalui teknologi pencitraan multispektral. Pengenalan sidik telapak tangan multispektral dapat dianggap sebagai model teknologi pengenalan biometrik yang menggabungkan multi-modalitas dan beberapa fitur target. Teknologi baru ini menggabungkan tiga fitur yang dapat diidentifikasi yaitu spektrum kulit, sidik telapak tangan, dan pembuluh darah untuk memberikan informasi yang lebih melimpah sekaligus dan meningkatkan kemampuan membedakan fitur target.

Tahun ini, teknologi pengenalan telapak tangan Amazon, dengan nama kode Orville, telah mulai diuji. Pemindai pertama-tama mengambil serangkaian gambar asli terpolarisasi inframerah, yang berfokus pada fitur eksternal telapak tangan, seperti garis dan lipatan; ketika mengambil serangkaian gambar terpolarisasi kedua, ia berfokus pada struktur telapak tangan dan fitur internal, seperti pembuluh darah, tulang, jaringan lunak, dll. Gambar mentah tersebut awalnya diproses untuk menghasilkan serangkaian gambar yang berisi tangan. Gambar-gambar ini terang, fokus, dan menunjukkan telapak tangan dalam orientasi tertentu, dalam posisi tertentu, dan diberi label sebagai tangan kiri atau kanan.

Saat ini, teknologi pengenalan sidik telapak tangan Amazon dapat memverifikasi identitas pribadi dan menyelesaikan pembayaran hanya dalam 300 milidetik, dan tidak mengharuskan pengguna untuk meletakkan tangan mereka pada perangkat pemindai, cukup melambaikan tangan dan memindai tanpa kontak. Tingkat kegagalan teknologi ini sekitar 0,0001%. Pada saat yang sama, pengenalan sidik telapak tangan merupakan verifikasi ganda pada tahap awal – pertama untuk mendapatkan karakteristik eksternal, dan kedua untuk mendapatkan karakteristik internal organisasi. Dibandingkan dengan teknologi biometrik lainnya, dari segi keamanan, teknologi ini lebih baik.

Selain fitur biometrik di atas, teknologi pengenalan iris juga semakin populer. Tingkat kesalahan pengenalan iris sangat rendah, yaitu 1/1.000.000. Teknologi ini terutama menggunakan karakteristik invariansi dan perbedaan iris untuk mengidentifikasi identitas.

Saat ini, konsensus di industri adalah bahwa pengenalan modalitas tunggal memiliki hambatan baik dalam kinerja pengenalan maupun keamanan, dan fusi multi-modal merupakan terobosan penting dalam pengenalan wajah dan bahkan pengenalan biometrik—tidak hanya melalui cara multi-faktor untuk meningkatkan akurasi pengenalan, tetapi juga dapat meningkatkan kemampuan adaptasi adegan dan keamanan privasi teknologi biometrik hingga batas tertentu. Dibandingkan dengan algoritma mode tunggal tradisional, ia dapat lebih baik memenuhi tingkat kesalahan pengenalan tingkat finansial (serendah satu dari sepuluh juta), yang juga merupakan tren utama perkembangan identifikasi biometrik.

Sistem biometrik multimodal

Sistem biometrik multimodal menggunakan beberapa sensor atau biometrik untuk mengatasi keterbatasan sistem biometrik unimodal. Misalnya, sistem pengenalan iris dapat terganggu oleh iris yang menua dan pengenalan sidik jari elektronik dapat memburuk karena sidik jari yang aus atau terpotong. Meskipun sistem biometrik unimodal dibatasi oleh integritas pengenalnya, kecil kemungkinan beberapa sistem unimodal akan mengalami keterbatasan yang identik. Sistem biometrik multimodal dapat memperoleh serangkaian informasi dari penanda yang sama (yaitu, beberapa gambar iris, atau pemindaian jari yang sama) atau informasi dari biometrik yang berbeda (memerlukan pemindaian sidik jari dan, menggunakan pengenalan suara, kode sandi yang diucapkan).

Sistem biometrik multimodal dapat menggabungkan sistem unimodal ini secara berurutan, simultan, kombinasi keduanya, atau secara seri, yang masing-masing merujuk pada mode integrasi sekuensial, paralel, hierarkis, dan serial.

CHANCCTVtelah mengembangkan serangkaianlensa biometrikuntuk pengenalan wajah, pengenalan sidik telapak tangan serta identifikasi sidik jari dan identifikasi iris. Misalnya, CH3659A adalah lensa distorsi rendah 4K yang dirancang untuk sensor 1/1.8''. Lensa ini memiliki desain serba kaca dan kompak dengan TTL hanya 11,95mm. Lensa ini menangkap bidang pandang horizontal 44 derajat. Lensa ini ideal untuk pengenalan sidik telapak tangan.