La biometria si basa su misurazioni e calcoli corporei relativi alle caratteristiche umane. L'autenticazione biometrica (o autenticazione realistica) viene utilizzata nell'informatica come forma di identificazione e controllo degli accessi. Viene inoltre impiegata per identificare individui all'interno di gruppi sottoposti a sorveglianza.

Gli identificatori biometrici sono le caratteristiche distintive e misurabili utilizzate per etichettare e descrivere gli individui. Gli identificatori biometrici sono spesso classificati come caratteristiche fisiologiche correlate alla forma del corpo. Esempi includono, a titolo esemplificativo ma non esaustivo, impronte digitali, vene del palmo, riconoscimento facciale, DNA, impronta palmare, geometria della mano, riconoscimento dell'iride, retina e odore/profumo.

La tecnologia di identificazione biometrica coinvolge informatica, ottica e acustica e altre scienze fisiche, scienze biologiche, biosensori e principi di biostatistica, tecnologie di sicurezza, intelligenza artificiale e molte altre scienze di base e tecnologie applicative innovative. Si tratta di una soluzione tecnica multidisciplinare completa.

Negli ultimi anni, con lo sviluppo dell'intelligenza artificiale, la tecnologia di identificazione biometrica è diventata più matura. Attualmente, la tecnologia di riconoscimento facciale è la più rappresentativa tra le tecnologie biometriche.

Riconoscimento facciale

Il processo di riconoscimento facciale comprende la raccolta dei volti, il rilevamento dei volti, l'estrazione delle caratteristiche facciali e il riconoscimento per corrispondenza dei volti. Il processo di riconoscimento facciale utilizza diverse tecnologie, come l'algoritmo AdaBoos, le reti neurali convoluzionali e le macchine a vettori di supporto (SVM) nell'ambito dell'apprendimento automatico.

Il processo di riconoscimento facciale

Attualmente, le difficoltà tradizionali del riconoscimento facciale, tra cui rotazione, occlusione e somiglianza del volto, sono state notevolmente migliorate, aumentando significativamente la precisione del riconoscimento. Le modalità di riconoscimento facciale 2D, 3D e multispettrale presentano diverse esigenze in termini di adattamento all'acquisizione, sicurezza dei dati e sensibilità alla privacy. L'integrazione del deep learning con i big data consente all'algoritmo di riconoscimento facciale 3D di compensare i difetti della proiezione 2D, identificando rapidamente l'identità di una persona e rappresentando un passo avanti significativo per l'applicazione del riconoscimento facciale bidimensionale.

Allo stesso tempo, la tecnologia di rilevamento biometrico viene attualmente utilizzata come tecnologia chiave per migliorare la sicurezza del riconoscimento facciale, che può contrastare efficacemente le frodi di contraffazione come foto, video, modelli 3D e maschere protesiche, e determinare in modo indipendente l'identità degli utenti operativi. Attualmente, con il rapido sviluppo della tecnologia di riconoscimento facciale, molte applicazioni innovative come dispositivi intelligenti, finanza online e pagamenti tramite riconoscimento facciale stanno diventando sempre più popolari, apportando velocità e comodità alla vita e al lavoro di tutti.

Riconoscimento delle impronte palmari

Il riconoscimento dell'impronta palmare è una nuova tecnologia di riconoscimento biometrico che utilizza l'impronta del palmo della mano come elemento di riferimento, raccogliendo informazioni biologiche tramite l'imaging multispettrale. Il riconoscimento multispettrale dell'impronta palmare può essere considerato un modello di tecnologia di riconoscimento biometrico che combina multimodalità e molteplici elementi di riferimento. Questa nuova tecnologia unisce tre elementi identificabili: lo spettro della pelle, l'impronta palmare e le vene, per fornire contemporaneamente maggiori informazioni e aumentare la distinguibilità degli elementi di riferimento.

Quest'anno, la tecnologia di riconoscimento del palmo di Amazon, nome in codice Orville, ha iniziato la fase di test. Lo scanner acquisisce innanzitutto una serie di immagini originali a infrarossi polarizzate, concentrandosi sulle caratteristiche esterne del palmo, come linee e pieghe; acquisendo poi una seconda serie di immagini polarizzate, si concentra sulla struttura del palmo e sulle caratteristiche interne, come vene, ossa, tessuti molli, ecc. Le immagini grezze vengono inizialmente elaborate per ottenere una serie di immagini contenenti le mani. Queste immagini sono ben illuminate, a fuoco e mostrano il palmo in un orientamento e in una posizione specifici, con l'indicazione se si tratta di una mano destra o sinistra.

Attualmente, la tecnologia di riconoscimento dell'impronta palmare di Amazon è in grado di verificare l'identità personale e completare il pagamento in soli 300 millisecondi, senza richiedere agli utenti di appoggiare le mani sul dispositivo di scansione: basta un gesto rapido per scansionare senza contatto. Il tasso di errore di questa tecnologia è di circa lo 0,0001%. Allo stesso tempo, il riconoscimento dell'impronta palmare prevede una doppia verifica iniziale: una prima volta per acquisire le caratteristiche esterne e una seconda per acquisire le caratteristiche interne dell'organizzazione. Rispetto ad altre tecnologie biometriche, risulta quindi più sicura.

Oltre alle caratteristiche biometriche sopra menzionate, si sta diffondendo anche la tecnologia di riconoscimento dell'iride. Il tasso di falsi positivi del riconoscimento dell'iride è bassissimo, pari a 1 su 1.000.000. Questa tecnologia si basa principalmente sulle caratteristiche di uniformità e differenza dell'iride nel corso della vita per identificare le persone.

Attualmente, il consenso nel settore è che il riconoscimento basato su una singola modalità presenta dei colli di bottiglia sia in termini di prestazioni che di sicurezza. La fusione multimodale rappresenta un'importante svolta nel riconoscimento facciale e persino nel riconoscimento biometrico, non solo migliorando la precisione del riconoscimento tramite fattori multipli, ma anche, in una certa misura, l'adattabilità al contesto e la sicurezza della privacy della tecnologia biometrica. Rispetto ai tradizionali algoritmi a modalità singola, consente di raggiungere tassi di falsi positivi (pari a uno su dieci milioni) più bassi, che rappresentano anche la principale tendenza nello sviluppo dell'identificazione biometrica.

Sistema biometrico multimodale

I sistemi biometrici multimodali utilizzano più sensori o dati biometrici per superare i limiti dei sistemi biometrici unimodali. Ad esempio, i sistemi di riconoscimento dell'iride possono essere compromessi dall'invecchiamento dell'iride e il riconoscimento elettronico delle impronte digitali può essere peggiorato da impronte digitali usurate o danneggiate. Mentre i sistemi biometrici unimodali sono limitati dall'integrità del loro identificatore, è improbabile che diversi sistemi unimodali presentino le stesse limitazioni. I sistemi biometrici multimodali possono ottenere insiemi di informazioni dallo stesso marcatore (ad esempio, più immagini di un'iride o scansioni dello stesso dito) o informazioni da diversi dati biometrici (richiedendo scansioni delle impronte digitali e, utilizzando il riconoscimento vocale, un codice di accesso vocale).

I sistemi biometrici multimodali possono fondere questi sistemi unimodali in sequenza, simultaneamente, in una combinazione di essi o in serie, il che si riferisce rispettivamente alle modalità di integrazione sequenziale, parallela, gerarchica e seriale.

CHANCCTVha sviluppato una serie dilenti biometricheper il riconoscimento facciale, il riconoscimento dell'impronta palmare, l'identificazione delle impronte digitali e l'identificazione dell'iride. Ad esempio, CH3659A è un obiettivo 4K a bassa distorsione progettato per sensori da 1/1,8''. Presenta un design compatto interamente in vetro con un TTL di soli 11,95 mm. Cattura un campo visivo orizzontale di 44 gradi. Questo obiettivo è ideale per il riconoscimento dell'impronta palmare.