Biometrie omvat lichaamsmetingen en berekeningen die verband houden met menselijke kenmerken. Biometrische authenticatie (of realistische authenticatie) wordt in de informatica gebruikt als een vorm van identificatie en toegangscontrole. Het wordt ook gebruikt om individuen te identificeren in groepen die onder toezicht staan.

Biometrische identificatoren zijn de onderscheidende, meetbare kenmerken die worden gebruikt om individuen te labelen en te beschrijven. Biometrische identificatoren worden vaak gecategoriseerd als fysiologische kenmerken die verband houden met de vorm van het lichaam. Voorbeelden hiervan zijn, maar zijn niet beperkt tot, vingerafdrukken, handpalmaders, gezichtsherkenning, DNA, handafdruk, handgeometrie, irisherkenning, netvlies en geur.

Biometrische identificatietechnologie omvat informatica, optica en akoestiek, andere natuurwetenschappen, biologie, biosensoren en biostatistische principes, beveiligingstechnologie, kunstmatige intelligentie en vele andere basiswetenschappen en innovatieve toepassingstechnologieën. Het is een complete, multidisciplinaire technische oplossing.

De afgelopen jaren is biometrische identificatietechnologie, met de ontwikkeling van kunstmatige intelligentie, steeds volwassener geworden. Momenteel is gezichtsherkenning de meest representatieve vorm van biometrie.

Gezichtsherkenning

Het gezichtsherkenningsproces omvat het verzamelen van gezichtsgegevens, gezichtsdetectie, het extraheren van gezichtskenmerken en het vergelijken van gezichten. Gezichtsherkenning maakt gebruik van diverse machine learning-technologieën, zoals het AdaBoos-algoritme, convolutionele neurale netwerken en support vector machines.

Het proces van gezichtsherkenning

De traditionele problemen bij gezichtsherkenning, zoals gezichtsrotatie, occlusie en gelijkenis, zijn tegenwoordig aanzienlijk verbeterd, wat de nauwkeurigheid van gezichtsherkenning sterk heeft verhoogd. 2D-, 3D- en multispectrale gezichtsherkenning kennen elk verschillende scenario's voor beeldacquisitie, gegevensbeveiliging en privacygevoeligheid. De toevoeging van deep learning met big data zorgt ervoor dat 3D-gezichtsherkenningsalgoritmen de tekortkomingen van 2D-projectie compenseren en snel de identiteit van een persoon kunnen vaststellen. Dit heeft een belangrijke doorbraak betekend voor de toepassing van tweedimensionale gezichtsherkenning.

Tegelijkertijd wordt biometrische detectietechnologie momenteel gebruikt als sleuteltechnologie om de beveiliging van gezichtsherkenning te verbeteren. Deze technologie kan effectief fraude met vervalste foto's, video's, 3D-modellen en prothetische maskers tegengaan en de identiteit van gebruikers zelfstandig vaststellen. Dankzij de snelle ontwikkeling van gezichtsherkenningstechnologie zijn veel innovatieve toepassingen, zoals slimme apparaten, online financiën en betalingen met gezichtsherkenning, steeds populairder geworden, wat het leven en werk van iedereen sneller en gemakkelijker maakt.

Handpalmherkenning

Handpalm- en handpalmherkenning is een nieuwe biometrische herkenningstechnologie die de handpalm- en handpalmafdruk als kenmerk gebruikt en biologische informatie verzamelt via multispectrale beeldvormingstechnologie. Multispectrale handpalm- en handpalmherkenning kan worden beschouwd als een model voor biometrische herkenningstechnologie die meerdere modaliteiten en meerdere kenmerken combineert. Deze nieuwe technologie combineert de drie identificeerbare kenmerken – huidspectrum, handpalm- en handpalmafdruk en aderen – om in één keer meer informatie te leveren en de onderscheidbaarheid van de kenmerken te vergroten.

Dit jaar is Amazon begonnen met het testen van zijn handpalmherkenningstechnologie, met de codenaam Orville. De scanner maakt eerst een reeks originele infrarood gepolariseerde beelden, waarbij de focus ligt op de uiterlijke kenmerken van de handpalm, zoals lijnen en plooien. Bij het maken van een tweede reeks gepolariseerde beelden, richt de scanner zich op de structuur en interne kenmerken van de handpalm, zoals aderen, botten, zacht weefsel, enzovoort. De ruwe beelden worden eerst verwerkt tot een reeks afbeeldingen met handen. Deze afbeeldingen zijn goed belicht, scherp en tonen de handpalm in een specifieke oriëntatie en houding, en zijn gelabeld als links- of rechtshandig.

De huidige handpalmherkenningstechnologie van Amazon kan de identiteit van een persoon verifiëren en een betaling voltooien in slechts 300 milliseconden. Gebruikers hoeven hun handen niet op het scanapparaat te leggen; een simpele handbeweging is voldoende om contactloos te scannen. Het foutpercentage van deze technologie is ongeveer 0,0001%. Tegelijkertijd voert handpalmherkenning een dubbele verificatie uit: eerst worden externe kenmerken vastgesteld, en vervolgens interne organisatiekenmerken. Dit maakt het, vergeleken met andere biometrische technologieën, een stuk veiliger.

Naast de bovengenoemde biometrische kenmerken wint ook irisherkenning aan populariteit. Het percentage foutieve herkenningen bij irisherkenning is slechts 1 op 1.000.000. De technologie maakt voornamelijk gebruik van de invariantie en verschillen in de levensduur van de iris om identiteiten te identificeren.

Momenteel is de algemene opvatting in de sector dat de herkenning van één enkele modaliteit knelpunten kent op het gebied van zowel herkenningsprestaties als beveiliging. Multimodale fusie is daarom een ​​belangrijke doorbraak in gezichtsherkenning en zelfs biometrische herkenning. Deze fusie verbetert niet alleen de herkenningsnauwkeurigheid door middel van meerdere factoren, maar kan ook de aanpasbaarheid aan verschillende omgevingen en de privacybeveiliging van biometrische technologie tot op zekere hoogte verbeteren. In vergelijking met traditionele algoritmen die slechts één modaliteit gebruiken, kan een dergelijk algoritme een lager foutpercentage (zo laag als één op tien miljoen) bereiken, wat tevens de belangrijkste ontwikkelingstrend is in biometrische identificatie.

Multimodaal biometrisch systeem

Multimodale biometrische systemen gebruiken meerdere sensoren of biometrische kenmerken om de beperkingen van unimodale biometrische systemen te overkomen. Irisherkenning kan bijvoorbeeld worden belemmerd door verouderende irissen en elektronische vingerafdrukherkenning kan worden verslechterd door versleten of beschadigde vingerafdrukken. Hoewel unimodale biometrische systemen beperkt worden door de integriteit van hun identificatiemiddel, is het onwaarschijnlijk dat meerdere unimodale systemen dezelfde beperkingen zullen ondervinden. Multimodale biometrische systemen kunnen sets informatie verkrijgen van dezelfde marker (bijvoorbeeld meerdere afbeeldingen van een iris of scans van dezelfde vinger) of informatie van verschillende biometrische kenmerken (waarbij vingerafdrukscans en, met behulp van spraakherkenning, een gesproken toegangscode vereist zijn).

Multimodale biometrische systemen kunnen deze unimodale systemen sequentieel, simultaan, in een combinatie daarvan of in serie combineren, wat respectievelijk verwijst naar sequentiële, parallelle, hiërarchische en seriële integratiemodi.

CHANCCTVheeft een reeks ontwikkeldbiometrische lenzenVoor gezichtsherkenning, handpalmherkenning, vingerafdrukherkenning en irisherkenning. De CH3659A is bijvoorbeeld een 4K-lens met lage vervorming, ontworpen voor 1/1.8''-sensoren. Deze lens is volledig van glas, heeft een compact ontwerp met een TTL-waarde van slechts 11,95 mm en een horizontale beeldhoek van 44 graden. Deze lens is ideaal voor handpalmherkenning.