बायोमेट्रिक्स म्हणजे शरीराचे मोजमाप आणि मानवी वैशिष्ट्यांशी संबंधित गणना. बायोमेट्रिक प्रमाणीकरण (किंवा वास्तववादी प्रमाणीकरण) संगणक विज्ञान मध्ये ओळख आणि प्रवेश नियंत्रण एक प्रकार म्हणून वापरले जाते. हे पाळताखाली असलेल्या गटांमधील व्यक्तींना ओळखण्यासाठी देखील वापरले जाते.

बायोमेट्रिक अभिज्ञापक ही विशिष्ट, मोजता येण्याजोगी वैशिष्ट्ये आहेत जी व्यक्तींना लेबल आणि वर्णन करण्यासाठी वापरली जातात. बायोमेट्रिक आयडेंटिफायर्सना अनेकदा शारीरिक वैशिष्ट्ये म्हणून वर्गीकृत केले जाते जे शरीराच्या आकाराशी संबंधित असतात. उदाहरणांमध्ये फिंगरप्रिंट, पाम व्हेन्स, फेस रेकग्निशन, डीएनए, पाम प्रिंट, हँड भूमिती, बुबुळ ओळख, डोळयातील पडदा आणि गंध/गंध यांचा समावेश आहे, परंतु ते इतकेच मर्यादित नाही.

बायोमेट्रिक ओळख तंत्रज्ञानामध्ये संगणक विज्ञान, ऑप्टिक्स आणि ध्वनिशास्त्र आणि इतर भौतिक विज्ञान, जैविक विज्ञान, बायोसेन्सर आणि बायोस्टॅटिस्टिक्स तत्त्वे, सुरक्षा तंत्रज्ञान आणि कृत्रिम बुद्धिमत्ता तंत्रज्ञान आणि इतर अनेक मूलभूत विज्ञान आणि नाविन्यपूर्ण अनुप्रयोग तंत्रज्ञान यांचा समावेश होतो. हे एक संपूर्ण बहुविद्याशाखीय तांत्रिक उपाय आहे.

अलिकडच्या वर्षांत, कृत्रिम बुद्धिमत्तेच्या विकासासह, बायोमेट्रिक ओळख तंत्रज्ञान अधिक परिपक्व झाले आहे. सध्या, चेहरा ओळखण्याचे तंत्रज्ञान हे बायोमेट्रिक्सचे सर्वात प्रतिनिधीत्व आहे.

चेहरा ओळख

चेहरा ओळखण्याच्या प्रक्रियेमध्ये चेहरा संकलन, चेहरा ओळखणे, चेहरा वैशिष्ट्य काढणे आणि चेहरा जुळणारी ओळख यांचा समावेश होतो. चेहरा ओळखण्याची प्रक्रिया मशीन लर्निंगमध्ये AdaBoos अल्गोरिदम, कॉन्व्होल्युशनल न्यूरल नेटवर्क आणि सपोर्ट वेक्टर मशीन यासारख्या विविध तंत्रज्ञानाचा वापर करते.

चेहरा ओळखण्याची प्रक्रिया

सध्या, फेस रोटेशन, ऑक्लूजन, समानता इत्यादींसह पारंपारिक चेहरा ओळखण्याच्या अडचणी मोठ्या प्रमाणात सुधारल्या गेल्या आहेत, ज्यामुळे चेहरा ओळखण्याची अचूकता मोठ्या प्रमाणात सुधारते. 2D चेहरा, 3D चेहरा, मल्टी-स्पेक्ट्रल चेहरा प्रत्येक मोडमध्ये भिन्न संपादन परिस्थिती, डेटा सुरक्षा पदवी आणि गोपनीयता संवेदनशीलता इ. आणि मोठ्या डेटाच्या सखोल शिक्षणाची भर 3D चेहरा ओळख अल्गोरिदम 2D प्रोजेक्शनच्या दोषांना पूरक बनवते, हे एखाद्या व्यक्तीची ओळख त्वरीत ओळखू शकते, ज्याने द्वि-आयामी चेहरा ओळखण्यासाठी एक विशिष्ट यश आणले आहे.

त्याच वेळी, बायोमेट्रिक डिटेक्शन टेक्नॉलॉजी सध्या चेहरा ओळखीची सुरक्षितता सुधारण्यासाठी एक प्रमुख तंत्रज्ञान म्हणून वापरली जात आहे, जे फोटो, व्हिडिओ, 3D मॉडेल्स आणि प्रोस्थेटिक मास्क यासारख्या बनावट फसवणुकीला प्रभावीपणे प्रतिकार करू शकते आणि स्वतंत्रपणे ओळख निश्चित करू शकते. ऑपरेटिंग वापरकर्ते. सध्या, चेहरा ओळखण्याच्या तंत्रज्ञानाच्या झपाट्याने विकासासह, अनेक नाविन्यपूर्ण ऍप्लिकेशन्स जसे की स्मार्ट उपकरणे, ऑनलाइन फायनान्स आणि फेस पेमेंट वाढत्या प्रमाणात लोकप्रिय झाले आहेत, ज्यामुळे प्रत्येकाच्या जीवनात आणि कामात गती आणि सोय होत आहे.

पामप्रिंट ओळख

पामप्रिंट रेकग्निशन हे बायोमेट्रिक ओळख तंत्रज्ञानाचा एक नवीन प्रकार आहे, जे मानवी शरीराच्या हस्तरेखाचा लक्ष्य वैशिष्ट्य म्हणून वापर करते आणि मल्टीस्पेक्ट्रल इमेजिंग तंत्रज्ञानाद्वारे जैविक माहिती संकलित करते. मल्टी-स्पेक्ट्रल पामप्रिंट ओळख हे बायोमेट्रिक ओळख तंत्रज्ञानाचे मॉडेल म्हणून ओळखले जाऊ शकते जे बहु-मोडॅलिटी आणि एकाधिक लक्ष्य वैशिष्ट्ये एकत्र करते. हे नवीन तंत्रज्ञान एकाच वेळी अधिक मुबलक माहिती प्रदान करण्यासाठी आणि लक्ष्य वैशिष्ट्यांची भिन्नता वाढवण्यासाठी त्वचेच्या स्पेक्ट्रम, पाम प्रिंट आणि शिराच्या शिरा या तीन ओळखण्यायोग्य वैशिष्ट्यांना एकत्र करते.

यावर्षी, ऍमेझॉनच्या हस्तरेखा ओळखण्याचे तंत्रज्ञान, कोड-नावाचे ऑरविले, चाचणी सुरू केली आहे. स्कॅनर प्रथम अवरक्त ध्रुवीकृत मूळ प्रतिमांचा संच प्राप्त करतो, तळहाताच्या बाह्य वैशिष्ट्यांवर लक्ष केंद्रित करतो, जसे की रेषा आणि पट; ध्रुवीकृत प्रतिमांचा दुसरा संच पुन्हा प्राप्त करताना, ते हस्तरेखाच्या संरचनेवर आणि अंतर्गत वैशिष्ट्यांवर लक्ष केंद्रित करते, जसे की शिरा, हाडे, मऊ उती इ. कच्च्या प्रतिमांवर सुरुवातीला हात असलेल्या प्रतिमांचा संच प्रदान करण्यासाठी प्रक्रिया केली जाते. या प्रतिमा चांगल्या प्रज्वलित आहेत, फोकसमध्ये आहेत आणि तळहाताला एका विशिष्ट अभिमुखतेमध्ये, विशिष्ट पोझमध्ये दाखवतात आणि डाव्या किंवा उजव्या हाताने लेबल केलेले आहेत.

सध्या, ॲमेझॉनचे हस्तरेखा ओळखण्याचे तंत्रज्ञान वैयक्तिक ओळख सत्यापित करू शकते आणि केवळ 300 मिलीसेकंदमध्ये पेमेंट पूर्ण करू शकते आणि वापरकर्त्यांना स्कॅनिंग डिव्हाइसवर हात ठेवण्याची आवश्यकता नाही, फक्त संपर्काशिवाय लहरी आणि स्कॅन करा. या तंत्रज्ञानाचा अपयश दर सुमारे 0.0001% आहे. त्याच वेळी, पामप्रिंट ओळख ही सुरुवातीच्या टप्प्यात दुहेरी पडताळणी आहे - बाह्य वैशिष्ट्ये प्राप्त करण्यासाठी प्रथम वेळ आणि अंतर्गत संस्थात्मक वैशिष्ट्ये प्राप्त करण्यासाठी दुसरी वेळ. सुरक्षिततेच्या दृष्टीने इतर बायोमेट्रिक तंत्रज्ञानाच्या तुलनेत, सुधारित.

वरील बायोमेट्रिक वैशिष्ट्यांव्यतिरिक्त, बुबुळ ओळखण्याचे तंत्रज्ञान देखील लोकप्रिय केले जात आहे. बुबुळ ओळखीचा खोटा ओळख दर 1/1000000 इतका कमी आहे. हे प्रामुख्याने ओळख ओळखण्यासाठी बुबुळाच्या जीवनातील फरक आणि फरकाची वैशिष्ट्ये वापरते.

सध्या, उद्योगात एकमत आहे की एकाच पद्धतीच्या ओळखीमुळे ओळख कार्यप्रदर्शन आणि सुरक्षितता या दोन्हीमध्ये अडथळे आहेत आणि मल्टी-मॉडल फ्यूजन हे चेहरा ओळखणे आणि अगदी बायोमेट्रिक ओळख - केवळ बहु-घटकांद्वारेच नव्हे तर एक महत्त्वपूर्ण यश आहे. ओळख अचूकता सुधारण्यासाठी बायोमेट्रिक तंत्रज्ञानाची दृश्य अनुकूलता आणि गोपनीयता सुरक्षा देखील काही प्रमाणात सुधारू शकते. पारंपारिक सिंगल-मोड अल्गोरिदमच्या तुलनेत, ते आर्थिक स्तरावरील खोट्या ओळखीचा दर (दहा दशलक्षांपैकी एक इतका कमी) अधिक चांगल्या प्रकारे पूर्ण करू शकतो, जो बायोमेट्रिक ओळख विकासाचा मुख्य प्रवृत्ती देखील आहे.

मल्टीमोडल बायोमेट्रिक प्रणाली

मल्टीमोडल बायोमेट्रिक सिस्टीम युनिमोडल बायोमेट्रिक सिस्टीमच्या मर्यादांवर मात करण्यासाठी एकाधिक सेन्सर्स किंवा बायोमेट्रिक्स वापरतात. उदाहरणार्थ बुबुळ ओळख प्रणाली वृद्धत्वामुळे तडजोड केली जाऊ शकते आणि इलेक्ट्रॉनिक फिंगरप्रिंट ओळखणे जीर्ण किंवा कापलेल्या बोटांचे ठसे खराब होऊ शकते. युनिमोडल बायोमेट्रिक सिस्टीम त्यांच्या आयडेंटिफायरच्या अखंडतेने मर्यादित असताना, अनेक युनिमोडल सिस्टम एकसारख्या मर्यादांनी ग्रस्त असण्याची शक्यता नाही. मल्टिमोडल बायोमेट्रिक प्रणाली एकाच मार्करवरून माहितीचे संच (म्हणजेच, बुबुळाच्या अनेक प्रतिमा, किंवा एकाच बोटाचे स्कॅन) किंवा भिन्न बायोमेट्रिक्स (फिंगरप्रिंट स्कॅन आणि आवाज ओळख वापरून, स्पोकन पासकोड) वरून माहिती मिळवू शकतात.

मल्टिमोडल बायोमेट्रिक सिस्टीम या युनिमोडल सिस्टीम्सला अनुक्रमे, एकाच वेळी, त्यांचे संयोजन किंवा मालिका, जे अनुक्रमे, समांतर, श्रेणीबद्ध आणि अनुक्रमिक एकत्रीकरण मोडचा संदर्भ देतात.

CHANCCTVची मालिका विकसित केली आहेबायोमेट्रिक लेन्सचेहरा ओळखण्यासाठी, हस्तरेखा ओळखण्यासाठी तसेच फिंगरप्रिंट ओळख आणि बुबुळ ओळखण्यासाठी. उदाहरणार्थ CH3659A ही 4k कमी विकृती लेन्स आहे जी 1/1.8'' सेन्सरसाठी डिझाइन केली गेली आहे. यात फक्त 11.95mm TTL सह सर्व ग्लास आणि कॉम्पॅक्ट डिझाईन्स आहेत. हे दृश्याचे 44 अंश क्षैतिज क्षेत्र कॅप्चर करते. पामप्रिंट ओळखण्यासाठी ही लेन्स आदर्श आहे.