बायोमेट्रिक्स म्हणजे शरीराचे मोजमाप आणि मानवी वैशिष्ट्यांशी संबंधित गणना. बायोमेट्रिक ऑथेंटिकेशन (किंवा वास्तववादी प्रमाणीकरण) संगणक विज्ञानात ओळख आणि प्रवेश नियंत्रणाचा एक प्रकार म्हणून वापरली जाते. हे पाळत ठेवणा groups ्या गटांमधील व्यक्ती ओळखण्यासाठी देखील वापरले जाते.

बायोमेट्रिक अभिज्ञापक व्यक्तींना लेबल आणि वर्णन करण्यासाठी वापरल्या जाणार्‍या विशिष्ट, मोजण्यायोग्य वैशिष्ट्ये आहेत. बायोमेट्रिक अभिज्ञापक बहुतेकदा शारीरिक वैशिष्ट्ये म्हणून वर्गीकृत केले जातात जे शरीराच्या आकाराशी संबंधित असतात. उदाहरणांमध्ये समाविष्ट आहे, परंतु फिंगरप्रिंट, पाम नसा, चेहरा ओळख, डीएनए, पाम प्रिंट, हात भूमिती, आयरिस रिकग्निशन, रेटिना आणि गंध/सुगंध मर्यादित नाहीत.

बायोमेट्रिक ओळख तंत्रज्ञानामध्ये संगणक विज्ञान, ऑप्टिक्स आणि ध्वनिकी 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 आहे. हे संपूर्ण मल्टीडिस्प्लेनरी तांत्रिक समाधान आहे.

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

चेहरा ओळख

चेहरा ओळखण्याच्या प्रक्रियेमध्ये चेहरा संग्रह, चेहरा शोधणे, चेहरा वैशिष्ट्य उतारा आणि चेहरा जुळणारी ओळख समाविष्ट आहे. चेहरा ओळख प्रक्रिया मशीन लर्निंगमधील अडाबू अल्गोरिदम, कॉन्व्होल्यूशनल न्यूरल नेटवर्क आणि सपोर्ट वेक्टर मशीन सारख्या विविध तंत्रज्ञानाचा वापर करते.

चेहरा ओळखण्याची प्रक्रिया

सध्या, चेहरा फिरविणे, घट, समानता इत्यादींसह पारंपारिक चेहरा ओळखण्यातील अडचणी मोठ्या प्रमाणात सुधारल्या गेल्या आहेत, ज्यामुळे चेहरा ओळखण्याची अचूकता मोठ्या प्रमाणात सुधारते. 2 डी फेस, 3 डी चेहरा, बहु-स्पेक्ट्रल फेस प्रत्येक मोडमध्ये भिन्न अधिग्रहण अनुकूलता परिस्थिती, डेटा सुरक्षा पदवी आणि गोपनीयता संवेदनशीलता इत्यादी असतात आणि मोठ्या डेटाच्या सखोल शिक्षणाची जोड 3 डी फेस रिकग्निशन अल्गोरिदम 2 डी प्रोजेक्शनच्या दोषांना पूरक बनवते, हे एखाद्या व्यक्तीची ओळख द्रुतपणे ओळखू शकते, ज्याने द्विमितीय चेहरा ओळखण्याच्या वापरासाठी विशिष्ट प्रगती आणली आहे.

त्याच वेळी, बायोमेट्रिक डिटेक्शन टेक्नॉलॉजी सध्या चेहरा ओळखण्याची सुरक्षा सुधारण्यासाठी एक मुख्य तंत्रज्ञान म्हणून वापरली जात आहे, जी फोटो, व्हिडिओ, 3 डी मॉडेल्स आणि कृत्रिम मुखवटे यासारख्या बनावट फसवणूकीचा प्रभावीपणे प्रतिकार करू शकते आणि स्वतंत्रपणे ओळख निश्चित करते ऑपरेटिंग वापरकर्ते. सध्या, फेस रिकग्निशन टेक्नॉलॉजीच्या वेगवान विकासासह, स्मार्ट डिव्हाइस, ऑनलाइन फायनान्स आणि फेस पेमेंट सारख्या अनेक नाविन्यपूर्ण अनुप्रयोगांमध्ये लोकप्रिय होत आहे, ज्यामुळे प्रत्येकाच्या जीवनात आणि कार्यासाठी वेग आणि सोयीची संधी मिळते.

पामप्रिंट ओळख

पामप्रिंट रिकग्निशन हा बायोमेट्रिक रिकग्निशन तंत्रज्ञानाचा एक नवीन प्रकार आहे, जो मानवी शरीराचा पामप्रिंट लक्ष्य वैशिष्ट्य म्हणून वापरतो आणि मल्टीस्पेक्ट्रल इमेजिंग तंत्रज्ञानाद्वारे जैविक माहिती गोळा करतो. मल्टी-स्पेक्ट्रल पामप्रिंट ओळख बायोमेट्रिक रिकग्निशन तंत्रज्ञानाचे एक मॉडेल मानले जाऊ शकते जे मल्टी-मॉडॅलिटी आणि एकाधिक लक्ष्यित वैशिष्ट्यांना जोडते. हे नवीन तंत्रज्ञान एकाच वेळी अधिक विपुल माहिती प्रदान करण्यासाठी आणि लक्ष्यित वैशिष्ट्यांची भिन्नता वाढविण्यासाठी त्वचेचे स्पेक्ट्रम, पाम प्रिंट आणि शिराच्या नसा यांची तीन ओळखण्यायोग्य वैशिष्ट्ये एकत्र करते.

यावर्षी, Amazon मेझॉनचे पाम रिकग्निशन टेक्नॉलॉजी, कोड-नावाचे ऑरविले यांनी चाचणी सुरू केली आहे. स्कॅनर प्रथम अवरक्त ध्रुवीकरण केलेल्या मूळ प्रतिमांचा संच प्राप्त करते, पामच्या बाह्य वैशिष्ट्यांवर लक्ष केंद्रित करते, जसे की ओळी आणि पट; पुन्हा ध्रुवीकरण केलेल्या प्रतिमांचा दुसरा सेट मिळविताना, ते पाम रचना आणि अंतर्गत वैशिष्ट्यांवर लक्ष केंद्रित करते, जसे की नसा, हाडे, मऊ ऊतक इत्यादी. कच्च्या प्रतिमांवर सुरुवातीला हात असलेल्या प्रतिमांचा संच प्रदान करण्यासाठी प्रक्रिया केली जाते. या प्रतिमा चांगल्या प्रकारे प्रकाशित आहेत, लक्ष केंद्रित करतात आणि विशिष्ट पोझमध्ये विशिष्ट अभिमुखतेत तळहाताचे वर्णन करतात आणि डाव्या किंवा उजव्या हाताने लेबल केलेले आहेत.

सध्या, Amazon मेझॉनचे पामप्रिंट ओळख तंत्रज्ञान केवळ 300 मिलीसेकंदमध्ये वैयक्तिक ओळख आणि पूर्ण देयकाची पडताळणी करू शकते आणि वापरकर्त्यांना स्कॅनिंग डिव्हाइसवर हात ठेवण्याची आवश्यकता नाही, फक्त वेव्ह आणि स्कॅन संपर्क न करता. या तंत्रज्ञानाचा अपयश दर सुमारे 0.0001%आहे. त्याच वेळी, पामप्रिंट ओळख प्रारंभिक अवस्थेत दुहेरी पडताळणी आहे - बाह्य वैशिष्ट्ये प्राप्त करण्यासाठी प्रथमच आणि अंतर्गत संघटनात्मक वैशिष्ट्ये प्राप्त करण्यासाठी दुसरी वेळ. सुरक्षिततेच्या बाबतीत इतर बायोमेट्रिक तंत्रज्ञानाच्या तुलनेत सुधारित.

वरील बायोमेट्रिक वैशिष्ट्यांव्यतिरिक्त, आयरिस रिकग्निशन तंत्रज्ञान देखील लोकप्रिय केले जात आहे. आयरिस मान्यताचा खोटा मान्यता दर 1/1000000 पेक्षा कमी आहे. हे मुख्यतः ओळख ओळखण्यासाठी आयरिस लाइफ इन्व्हेरियन्स आणि फरकांची वैशिष्ट्ये वापरते.

सध्या, उद्योगातील एकमत अशी आहे की एकाच मोडलीची ओळख पटवणे आणि ओळख कार्यक्षमता आणि सुरक्षा या दोहोंमध्ये अडथळे आहेत आणि मल्टी-मोडल फ्यूजन हा चेहरा ओळखणे आणि बायोमेट्रिक ओळखणे देखील एक महत्त्वाचा मार्ग आहे-केवळ बहु-घटकांद्वारेच नाही. मान्यता अचूकता सुधारण्यासाठी बायोमेट्रिक तंत्रज्ञानाची देखावा अनुकूलता आणि गोपनीयता सुरक्षा काही प्रमाणात सुधारू शकते. पारंपारिक सिंगल-मोड अल्गोरिदमच्या तुलनेत, ते आर्थिक-स्तरीय खोट्या मान्यता दर (दहा दशलक्षांपेक्षा कमी इतके कमी) पूर्ण करू शकते, जे बायोमेट्रिक ओळखीच्या विकासाचा मुख्य कल आहे.

मल्टीमोडल बायोमेट्रिक सिस्टम

मल्टीमोडल बायोमेट्रिक सिस्टम युनिमोडल बायोमेट्रिक सिस्टमच्या मर्यादांवर मात करण्यासाठी एकाधिक सेन्सर किंवा बायोमेट्रिक्सचा वापर करतात. उदाहरणार्थ, आयरिस रिकग्निशन सिस्टम वृद्धत्वामुळे आणि इलेक्ट्रॉनिक फिंगरप्रिंटची ओळख पटवून दिली जाऊ शकते आणि फिंगरप्रिंट्सने विखुरलेल्या किंवा कटिंग फिंगरप्रिंट्सद्वारे खराब केले जाऊ शकते. युनिमोडल बायोमेट्रिक सिस्टम त्यांच्या अभिज्ञापकाच्या अखंडतेमुळे मर्यादित आहेत, परंतु बर्‍याच युनिमोडल सिस्टमला समान मर्यादांनी ग्रस्त होण्याची शक्यता नाही. मल्टीमोडल बायोमेट्रिक सिस्टम समान मार्कर (म्हणजेच, आयरिसच्या एकाधिक प्रतिमा किंवा त्याच बोटाच्या स्कॅन) किंवा भिन्न बायोमेट्रिक्स (फिंगरप्रिंट स्कॅन आवश्यक आणि व्हॉईस रिकग्निशनचा वापर करून, एक स्पोकन पासकोड) कडून माहितीचे संच प्राप्त करू शकतात.

मल्टीमोडल बायोमेट्रिक सिस्टम या युनिमोडल सिस्टम अनुक्रमे, एकाच वेळी, त्याचे संयोजन किंवा मालिकेत फ्यूज करू शकतात, जे अनुक्रमे अनुक्रमिक, समांतर, श्रेणीबद्ध आणि अनुक्रमांक एकत्रीकरण मोडचा संदर्भ देतात.

Chancctvची मालिका विकसित केली आहेबायोमेट्रिक लेन्सचेहरा ओळखण्यासाठी, पामप्रिंट ओळख तसेच फिंगरप्रिंट आयडेंटिफिकेशन आणि आयरिस ओळख. उदाहरणार्थ सीएच 3659 ए एक 4 के कमी विकृती लेन्स आहे जी 1/1.8 '' सेन्सरसाठी डिझाइन केली गेली होती. यात फक्त 11.95 मिमी टीटीएलसह सर्व ग्लास आणि कॉम्पॅक्ट डिझाइन आहेत. हे 44 डिग्री क्षैतिज दृश्याचे क्षेत्र कॅप्चर करते. हे लेन्स पामप्रिंट ओळखण्यासाठी आदर्श आहे.