Biometrija ir ķermeņa mērījumi un aprēķini, kas saistīti ar cilvēka īpašībām. Biometriskā autentifikācija (vai reālistiska autentifikācija) datorzinātnēs tiek izmantota kā identifikācijas un piekļuves kontroles veids. To izmanto arī, lai identificētu indivīdus grupās, kuras tiek uzraudzītas.

Biometriskie identifikatori ir atšķirīgās, izmērāmās īpašības, ko izmanto indivīdu marķēšanai un aprakstīšanai. Biometriskie identifikatori bieži tiek klasificēti kā fizioloģiskās īpašības, kas saistītas ar ķermeņa formu. Kā piemērus var minēt, bet ne tikai, pirkstu nospiedumu, palmu vēnas, sejas atpazīšanu, DNS, palmu apdruku, rokas ģeometriju, varavīksnenes atpazīšanu, tīkleni un smaku/smaržu.

Biometriskā identifikācijas tehnoloģija ietver datorzinātnes, optiku un akustiku un citas fizikālās zinātnes, bioloģiskās zinātnes, biosensorus un biostatistikas principus, drošības tehnoloģijas un mākslīgā intelekta tehnoloģiju un daudzas citas pamata zinātnes un novatoriskas lietojumprogrammu tehnoloģijas. Tas ir pilnīgs daudznozaru tehniskais risinājums.

Pēdējos gados ar mākslīgā intelekta attīstību biometriskās identifikācijas tehnoloģija ir kļuvusi nobriedušāka. Pašlaik sejas atpazīšanas tehnoloģija ir visvairāk reprezentatīva no biometrijas.

Sejas atpazīšana

Sejas atpazīšanas process ietver sejas savākšanu, sejas noteikšanu, sejas funkciju ekstrakciju un sejas atbilstības atpazīšanu. Sejas atpazīšanas procesā tiek izmantotas dažādas tehnoloģijas, piemēram, Adaboos algoritms, konvolūcijas neironu tīkls un atbalsta vektora mašīna mašīnā.

Sejas atpazīšanas process

Pašlaik ir ievērojami uzlabotas tradicionālās sejas atpazīšanas grūtības, ieskaitot sejas rotāciju, oklūziju, līdzību utt., Kas ievērojami uzlabo sejas atpazīšanas precizitāti. 2D seja, 3D seja, vairāku spektru seja Katrā režīmā ir atšķirīgi iegūšanas adaptācijas scenāriji, datu drošības grāds un jutība pret privātumu utt., Un lielas datu dziļas apguves pievienošana padara 3D sejas atpazīšanas algoritmu Papildināt 2D projekcijas defektus, 2D projekcijas defektus. Tas var ātri noteikt personas identitāti, kas ir izraisījis noteiktu sasniegumu divdimensiju sejas atpazīšanas piemērošanai.

Tajā pašā laikā biometriskās noteikšanas tehnoloģija pašlaik tiek izmantota kā galvenā tehnoloģija, lai uzlabotu sejas atpazīšanas drošību, kas var efektīvi pretoties viltošanai, piemēram, fotoattēliem, video, 3D modeļiem un protezēšanas maskām, un neatkarīgi nosaka identitāti Darbības lietotāji. Pašlaik, strauji attīstot sejas atpazīšanas tehnoloģiju, daudzas novatoriskas lietojumprogrammas, piemēram, viedās ierīces, tiešsaistes finanses un sejas maksājumi, ir kļuvuši arvien populārāki, radot ātrumu un ērtības ikviena dzīvē un darbā.

Plaukstas nospiedumu atpazīšana

Palmu nospiedumu atpazīšana ir jauna veida biometriskās atpazīšanas tehnoloģijas, kas kā mērķa iezīmi izmanto cilvēka ķermeņa palmu nospiedumu un apkopo bioloģisko informāciju, izmantojot multispektrālo attēlveidošanas tehnoloģiju. Vairāku spektru palmu nospiedumu atpazīšanu var uzskatīt par biometriskās atpazīšanas tehnoloģijas modeli, kas apvieno daudzmodalitāti un vairākas mērķa īpašības. Šī jaunā tehnoloģija apvieno trīs ādas spektra, plaukstu drukas un vēnu vēnu identificējamās īpašības, lai vienlaikus sniegtu bagātīgāku informāciju un palielinātu mērķa īpašību atšķiramību.

Šogad Amazon palmu atpazīšanas tehnoloģija, ko sauc par Orvilu, ir sākusi testēšanu. Skeneris vispirms iegūst infrasarkano polarizētu oriģinālo attēlu komplektu, koncentrējoties uz plaukstas ārējām īpašībām, piemēram, līnijām un krokām; Atkal iegādājoties otro polarizētu attēlu komplektu, tas koncentrējas uz palmu struktūru un iekšējām pazīmēm, piemēram, vēnām, kauliem, mīkstajiem audiem utt. Sākotnēji neapstrādāti attēli tiek apstrādāti, lai nodrošinātu attēlu komplektu, kas satur rokas. Šie attēli ir labi apgaismoti, uzmanības centrā un parāda plaukstu noteiktā orientācijā, noteiktā pozā un marķēti kā kreisā vai labā roka.

Pašlaik Amazon palmu nospiedumu atpazīšanas tehnoloģija var pārbaudīt personisko identitāti un pilnīgu samaksu tikai 300 milisekundēs, un lietotājiem nav nepieciešams, lai viņš uzliktu rokas skenēšanas ierīcē, tikai vilni un skenēšanu bez kontakta. Šīs tehnoloģijas neveiksmju līmenis ir aptuveni 0,0001%. Tajā pašā laikā palmu nospieduma atpazīšana ir divkārša pārbaude sākotnējā posmā - pirmo reizi, lai iegūtu ārējās īpašības, un otro reizi, lai iegūtu iekšējās organizatoriskās īpašības. Salīdzinot ar citām biometriskām tehnoloģijām drošības ziņā, uzlabojās.

Papildus iepriekšminētajām biometriskajām īpašībām tiek popularizēta arī IRIS atpazīšanas tehnoloģija. Irisas atpazīšanas nepatiesa atpazīšanas likme ir tikpat zema kā 1/1000000. Identitāšu identificēšanai tas galvenokārt izmanto varavīksnenes dzīves invariances un atšķirības īpašības.

At present, the consensus in the industry is that the recognition of a single modality has bottlenecks in both recognition performance and security, and multi-modal fusion is an important breakthrough in face recognition and even biometric recognition—not only through multi-factor The way Lai uzlabotu atpazīšanas precizitāti, zināmā mērā var uzlabot arī biometrisko tehnoloģiju pielāgojamību un privātuma drošību. Salīdzinot ar tradicionālo viena režīma algoritmu, tas var labāk izpildīt finanšu līmeņa nepatiesu atzīšanas līmeni (tik zemu kā viens no desmit miljoniem), kas ir arī galvenā tendence biometriskās identifikācijas attīstībā.

Multimodālā biometriskā sistēma

Multimodālas biometriskās sistēmas izmanto vairākus sensorus vai biometriju, lai pārvarētu neimodālo biometrisko sistēmu ierobežojumus. Piemēram, varavīksnenes atpazīšanas sistēmas var apdraudēt, novecojoši īrisi un elektronisko pirkstu nospiedumu atpazīšanu var pasliktināt nolietot vai sagriezt pirkstu nospiedumus. Kaut arī neimodālas biometriskās sistēmas ierobežo to identifikatora integritāte, maz ticams, ka vairākas neimodālas sistēmas cietīs no identiskiem ierobežojumiem. Multimodālas biometriskās sistēmas var iegūt informācijas kopas no tā paša marķiera (ti, vairākiem varavīksnenes attēliem vai viena un tā paša pirksta skenēšanai) vai informāciju no dažādiem biometrijas (prasa pirkstu nospiedumu skenēšanu un, izmantojot balss atpazīšanu, runājošu piekļuves kodu).

Multimodālās biometriskās sistēmas var sapludināt šīs neimodālās sistēmas secīgi, vienlaicīgi, to kombināciju vai virknē, kas attiecīgi attiecas uz secīgiem, paralēliem, hierarhiskām un sērijveida integrācijas režīmiem.

Chancctvir izstrādājis virknibiometriskās lēcasSejas atpazīšanai palmu nospiedumu atpazīšana, kā arī pirkstu nospiedumu identifikācija un varavīksnenes identifikācija. Piemēram, CH3659A ir 4K zema kropļojuma objektīvs, kas bija paredzēts 1/1,8 '' sensoriem. Tam ir visi stikla un kompaktie dizainparaugi ar tikai 11,95 mm TTL. Tas uztver 44 grādus horizontālais redzes lauks. Šis objektīvs ir ideāli piemērots plaukstas nospiedumu atpazīšanai.