Biometri er kroppsmål og beregninger knyttet til menneskelige egenskaper. Biometrisk autentisering (eller realistisk autentisering) brukes i informatikk som en form for identifikasjon og tilgangskontroll. Det brukes også til å identifisere individer i grupper som er under overvåking.

Biometriske identifikatorer er de særegne, målbare egenskapene som brukes til å merke og beskrive individer. Biometriske identifikatorer kategoriseres ofte som fysiologiske egenskaper som er relatert til kroppens form. Eksempler inkluderer, men er ikke begrenset til, fingeravtrykk, håndflatenes årer, ansiktsgjenkjenning, DNA, håndflateavtrykk, håndgeometri, irisgjenkjenning, netthinne og lukt/duft.

Biometrisk identifikasjonsteknologi omfatter informatikk, optikk og akustikk og andre fysikkvitenskaper, biologiske vitenskaper, biosensorer og biostatistikkprinsipper, sikkerhetsteknologi, kunstig intelligens og mange andre grunnleggende vitenskaper og innovative applikasjonsteknologier. Det er en komplett tverrfaglig teknisk løsning.

I de senere årene, med utviklingen av kunstig intelligens, har biometrisk identifikasjonsteknologi blitt mer moden. For tiden er ansiktsgjenkjenningsteknologi den mest representative typen biometri.

Ansiktsgjenkjenning

Ansiktsgjenkjenningsprosessen inkluderer ansiktsinnsamling, ansiktsdeteksjon, utvinning av ansiktstrekk og ansiktsmatching. Ansiktsgjenkjenningsprosessen bruker ulike teknologier som AdaBoos-algoritmen, konvolusjonelt nevralt nettverk og støttevektormaskin i maskinlæring.

Prosessen med ansiktsgjenkjenning

For tiden har de tradisjonelle vanskelighetene med ansiktsgjenkjenning, inkludert ansiktsrotasjon, okklusjon, likhet osv., blitt betraktelig forbedret, noe som forbedrer nøyaktigheten av ansiktsgjenkjenning betraktelig. 2D-ansikt, 3D-ansikt, multispektralt ansikt. Hver modus har forskjellige tilpasningsscenarier for innsamling, datasikkerhetsgrad og personvernfølsomhet, osv., og tillegget av dyp læring av stordata gjør at 3D-ansiktsgjenkjenningsalgoritmen utfyller manglene ved 2D-projeksjon. Den kan raskt identifisere identiteten til en person, noe som har brakt et visst gjennombrudd for anvendelsen av todimensjonal ansiktsgjenkjenning.

Samtidig brukes biometrisk deteksjonsteknologi for tiden som en nøkkelteknologi for å forbedre sikkerheten til ansiktsgjenkjenning, som effektivt kan motstå forfalskningssvindel som bilder, videoer, 3D-modeller og proteser, og uavhengig bestemme identiteten til brukere. Med den raske utviklingen av ansiktsgjenkjenningsteknologi har mange innovative applikasjoner som smarte enheter, nettfinansiering og ansiktsbetaling blitt stadig mer populære, noe som gir hastighet og bekvemmelighet til alles liv og arbeid.

Håndavtrykkgjenkjenning

Håndflateavtrykkgjenkjenning er en ny type biometrisk gjenkjenningsteknologi som bruker menneskekroppens håndflateavtrykk som målfunksjon og samler inn biologisk informasjon gjennom multispektral bildebehandlingsteknologi. Multispektral håndflateavtrykkgjenkjenning kan betraktes som en modell for biometrisk gjenkjenningsteknologi som kombinerer multimodalitet og flere målfunksjoner. Denne nye teknologien kombinerer de tre identifiserbare egenskapene hudspektrum, håndflateavtrykk og vener for å gi mer rikelig informasjon samtidig og øke skillebarheten til målfunksjonene.

I år har Amazons håndflategjenkjenningsteknologi, med kodenavnet Orville, begynt å teste. Skanneren skanner først et sett med infrarøde polariserte originalbilder, med fokus på håndflatens ytre trekk, som linjer og folder. Når den skanner det andre settet med polariserte bilder igjen, fokuserer den på håndflatens struktur og indre trekk, som vener, bein, bløtvev osv. Råbildene behandles først for å gi et sett med bilder som inneholder hender. Disse bildene er godt belyste, i fokus og viser håndflaten i en bestemt retning, i en bestemt positur, og merket som venstre- eller høyrehendt.

For tiden kan Amazons teknologi for håndavtrykkgjenkjenning bekrefte personlig identitet og fullføre betaling på bare 300 millisekunder, og krever ikke at brukerne legger hendene på skanneren, bare vifter og skanner uten kontakt. Feilraten for denne teknologien er omtrent 0,0001 %. Samtidig er håndavtrykkgjenkjenningen en dobbel verifisering i den innledende fasen – første gang for å innhente eksterne kjennetegn, og andre gang for å innhente interne organisatoriske kjennetegn. Sammenlignet med andre biometriske teknologier er den forbedret når det gjelder sikkerhet.

I tillegg til de ovennevnte biometriske funksjonene blir også irisgjenkjenningsteknologi populær. Den falske gjenkjenningsraten for irisgjenkjenning er så lav som 1/1000000. Den bruker hovedsakelig egenskapene til irisens livsinvarians og -differanse for å identifisere identiteter.

For tiden er det enighet i bransjen om at gjenkjenning av én enkelt modalitet har flaskehalser både når det gjelder gjenkjenningsytelse og sikkerhet, og multimodal fusjon er et viktig gjennombrudd innen ansiktsgjenkjenning og til og med biometrisk gjenkjenning – ikke bare gjennom multifaktorer. Måten å forbedre gjenkjenningsnøyaktigheten på kan også forbedre tilpasningsevnen til scener og personvernsikkerheten til biometrisk teknologi til en viss grad. Sammenlignet med den tradisjonelle enkeltmodusalgoritmen kan den bedre møte den økonomiske raten for falsk gjenkjenning (så lav som én av ti millioner), som også er hovedtrenden i utviklingen av biometrisk identifikasjon.

Multimodalt biometrisk system

Multimodale biometriske systemer bruker flere sensorer eller biometri for å overvinne begrensningene til unimodale biometriske systemer. For eksempel kan irisgjenkjenningssystemer bli kompromittert av aldrende iriser, og elektronisk fingeravtrykkgjenkjenning kan bli forverret av slitte eller kuttede fingeravtrykk. Selv om unimodale biometriske systemer er begrenset av integriteten til identifikatoren sin, er det usannsynlig at flere unimodale systemer vil lide av identiske begrensninger. Multimodale biometriske systemer kan innhente sett med informasjon fra samme markør (dvs. flere bilder av en iris eller skanninger av samme finger) eller informasjon fra forskjellige biometriske systemer (som krever fingeravtrykkskanninger og, ved hjelp av stemmegjenkjenning, en muntlig passordkode).

Multimodale biometriske systemer kan fusjonere disse unimodale systemene sekvensielt, samtidig, en kombinasjon av disse, eller i serie, som refererer til henholdsvis sekvensielle, parallelle, hierarkiske og serielle integrasjonsmoduser.

CHANCCTVhar utviklet en serie medbiometriske linserfor ansiktsgjenkjenning, håndflateavtrykkgjenkjenning samt fingeravtrykkidentifikasjon og irisidentifikasjon. For eksempel er CH3659A et 4k-objektiv med lav forvrengning som ble designet for 1/1,8-tommers sensorer. Det har helglass og kompakte design med bare 11,95 mm TTL. Det fanger opp 44 graders horisontalt synsfelt. Dette objektivet er ideelt for håndflateavtrykkgjenkjenning.