ජෛවමිතික යනු මිනිස් ලක්ෂණ හා සම්බන්ධ ශරීර මිනුම් සහ ගණනය කිරීම් වේ. ජෛවමිතික සත්‍යාපනය (හෝ යථාර්ථවාදී සත්‍යාපනය) පරිගණක විද්‍යාවේදී හඳුනාගැනීමේ සහ ප්‍රවේශ පාලනය කිරීමේ ආකාරයක් ලෙස භාවිතා කරයි. නිරීක්ෂණ යටතේ සිටින කණ්ඩායම්වල පුද්ගලයින් හඳුනා ගැනීමට ද එය භාවිතා කරයි.

ජෛවමිතික හඳුනාගැනීම් යනු පුද්ගලයන් ලේබල් කිරීමට සහ විස්තර කිරීමට භාවිතා කරන සුවිශේෂී, මැනිය හැකි ලක්ෂණ වේ. ජෛවමිතික හඳුනාගැනීම් බොහෝ විට ශරීරයේ හැඩයට සම්බන්ධ භෞතික විද්‍යාත්මක ලක්ෂණ ලෙස වර්ගීකරණය කර ඇත. උදාහරණවලට ඇඟිලි සලකුණු, අත්ල නහර, මුහුණු හඳුනාගැනීම, DNA, අත්ල මුද්‍රණය, අත් ජ්‍යාමිතිය, අයිරිස් හඳුනාගැනීම, දෘෂ්ටි විතානය සහ සුවඳ/සුවඳ ඇතුළත් නමුත් ඒවාට සීමා නොවේ.

ජෛවමිතික හඳුනාගැනීමේ තාක්ෂණයට පරිගණක විද්‍යාව, ප්‍රකාශ විද්‍යාව සහ ධ්වනි විද්‍යාව සහ වෙනත් භෞතික විද්‍යාවන්, ජීව විද්‍යාවන්, ජෛව සංවේදක සහ ජෛව සංඛ්‍යාලේඛන මූලධර්ම, ආරක්ෂක තාක්‍ෂණය සහ කෘතිම බුද්ධි තාක්‍ෂණය සහ තවත් බොහෝ මූලික විද්‍යාවන් සහ නව්‍ය යෙදුම් තාක්ෂණයන් ඇතුළත් වේ. එය සම්පූර්ණ බහුවිධ තාක්ෂණික විසඳුම් වේ.

මෑත වසරවලදී, කෘතිම බුද්ධිය වර්ධනය වීමත් සමඟ ජෛවමිතික හඳුනාගැනීමේ තාක්ෂණය වඩාත් පරිණත වී ඇත. වර්තමානයේදී, ජීවමිතිකයේ වඩාත්ම නියෝජනය වන්නේ මුහුණු හඳුනාගැනීමේ තාක්ෂණයයි.

මුහුණු හඳුනාගැනීම

මුහුණු හඳුනාගැනීමේ ක්‍රියාවලියට මුහුණු එකතු කිරීම, මුහුණු හඳුනාගැනීම, මුහුණු විශේෂාංග නිස්සාරණය සහ මුහුණු ගැලපීම හඳුනාගැනීම ඇතුළත් වේ. මුහුණු හඳුනාගැනීමේ ක්‍රියාවලිය යන්ත්‍ර ඉගෙනීමේදී AdaBoos ඇල්ගොරිතම, convolutional neural network සහ support vector machine වැනි විවිධ තාක්ෂණයන් භාවිතා කරයි.

මුහුණු හඳුනාගැනීමේ ක්‍රියාවලිය

මේ වන විට මුහුණු හඳුනාගැනීමේ සාම්ප්‍රදායික අපහසුතා, මුහුණ භ්‍රමණය, අවහිර වීම, සමානකම්, යනාදී බොහෝ දුරට වැඩිදියුණු වී ඇති අතර එමඟින් මුහුණු හඳුනාගැනීමේ නිරවද්‍යතාව බෙහෙවින් වැඩි දියුණු වේ. 2D face, 3D face, multi-spectral face සෑම මාදිලියකටම විවිධ අත්පත් කර ගැනීමේ අනුවර්තන අවස්ථා, දත්ත ආරක්ෂණ උපාධිය සහ රහස්‍යතා සංවේදීතාව යනාදිය ඇත, සහ විශාල දත්ත ගැඹුරින් ඉගෙනීම එකතු කිරීම 3D face recognition algorithm මගින් 2D ප්‍රක්ෂේපණයේ දෝෂ සඳහා අතිරේකයක් සපයයි. ද්විමාන මුහුණු හඳුනාගැනීමේ යෙදීම සඳහා යම් ප්‍රගතියක් ගෙන දුන් පුද්ගලයෙකුගේ අනන්‍යතාවය එය ඉක්මනින් හඳුනාගත හැකිය.

ඒ අතරම, ඡායාරූප, වීඩියෝ, ත්‍රිමාණ ආකෘති සහ කෘතිම වෙස් මුහුණු වැනි ව්‍යාජ වංචාවන්ට ඵලදායි ලෙස ප්‍රතිරෝධය දැක්විය හැකි සහ ස්වාධීනව අනන්‍යතාවය තීරණය කළ හැකි මුහුණු හඳුනාගැනීමේ ආරක්ෂාව වැඩි දියුණු කිරීම සඳහා ජෛවමිතික හඳුනාගැනීමේ තාක්ෂණය ප්‍රධාන තාක්‍ෂණයක් ලෙස දැනට භාවිතා වේ. මෙහෙයුම් පරිශීලකයන්. වර්තමානයේදී, මුහුණු හඳුනාගැනීමේ තාක්ෂණයේ ශීඝ්‍ර දියුණුවත් සමඟ, ස්මාර්ට් උපාංග, මාර්ගගත මූල්‍ය සහ මුහුණු ගෙවීම වැනි බොහෝ නව්‍ය යෙදුම් වැඩි වැඩියෙන් ජනප්‍රිය වී ඇති අතර, සෑම කෙනෙකුගේම ජීවිතයට සහ කාර්යයට වේගය සහ පහසුව ගෙන එයි.

අත්ල මුද්‍රණය හඳුනාගැනීම

Palmprint recognition යනු නව ආකාරයේ ජෛවමිතික හඳුනාගැනීමේ තාක්‍ෂණයකි, එය ඉලක්ක ලක්‍ෂණය ලෙස මිනිස් සිරුරේ තල් සලකුණ භාවිතා කරන අතර බහු වර්ණාවලි රූපකරණ තාක්‍ෂණය හරහා ජීව විද්‍යාත්මක තොරතුරු රැස් කරයි. බහු වර්ණාවලි palmprint හඳුනාගැනීම බහු-මාදිලිය සහ බහු ඉලක්ක ලක්ෂණ ඒකාබද්ධ කරන ජෛවමිතික හඳුනාගැනීමේ තාක්ෂණයේ ආකෘතියක් ලෙස සැලකිය හැකිය. මෙම නව තාක්‍ෂණය සම වර්ණාවලිය, අත්ල මුද්‍රණය සහ ශිරා නහර යන හඳුනාගත හැකි ලක්ෂණ තුන ඒකාබද්ධ කර එකවර වඩාත් බහුල තොරතුරු ලබා දීමට සහ ඉලක්කගත ලක්ෂණ වෙන්කර හඳුනා ගැනීමේ හැකියාව වැඩි කරයි.

මේ වසරේ, Amazon හි palm recognition තාක්‍ෂණය, කේත නාමය වන Orville, පරීක්ෂණ ආරම්භ කර ඇත. ස්කෑනරය මුලින්ම අධෝරක්ත ධ්‍රැවීකරණය වූ මුල් රූප සමූහයක් ලබා ගනී, රේඛා සහ නැමීම් වැනි අත්ලෙහි බාහිර ලක්ෂණ කෙරෙහි අවධානය යොමු කරයි; ධ්‍රැවීකරණය වූ දෙවන රූප කට්ටලය නැවත ලබා ගැනීමේදී, එය අත්ල ව්‍යුහය සහ නහර, අස්ථි, මෘදු පටක වැනි අභ්‍යන්තර ලක්ෂණ කෙරෙහි අවධානය යොමු කරයි. අමු රූප මුලින් සකස් කර අත් අඩංගු රූප කට්ටලයක් ලබා දෙයි. මෙම පින්තූර හොඳින් ආලෝකමත්, නාභිගත කර ඇති අතර, නිශ්චිත දිශානතියකින්, නිශ්චිත ඉරියව්වකින්, සහ වම් හෝ දකුණු අත ලෙස ලේබල් කර ඇති අත්ල පෙන්වයි.

දැනට, Amazon හි palmprint recognition තාක්‍ෂණයට පුද්ගලික අනන්‍යතාවය සත්‍යාපනය කළ හැකි අතර මිලි තත්පර 300 කින් සම්පූර්ණ ගෙවීමක් කළ හැකි අතර, පරිශීලකයින්ට ස්කෑනිං උපාංගයට අත තැබීම, ස්පර්ශයකින් තොරව තරංග සහ ස්කෑන් කිරීම අවශ්‍ය නොවේ. මෙම තාක්ෂණයේ අසාර්ථක අනුපාතය 0.0001% පමණ වේ. ඒ අතරම, palmprint හඳුනාගැනීම ආරම්භක අදියරේදී ද්විත්ව සත්යාපනයකි - පළමු වරට බාහිර ලක්ෂණ ලබා ගැනීම සහ දෙවන වරට අභ්යන්තර සංවිධානාත්මක ලක්ෂණ ලබා ගැනීම. ආරක්ෂාව සම්බන්ධයෙන් අනෙකුත් ජෛවමිතික තාක්ෂණයන් සමඟ සසඳන විට, වැඩි දියුණු කර ඇත.

ඉහත ජෛවමිතික ලක්ෂණ වලට අමතරව, අයිරිස් හඳුනාගැනීමේ තාක්ෂණය ද ප්‍රචලිත වෙමින් පවතී. අයිරිස් හඳුනාගැනීමේ ව්‍යාජ හඳුනාගැනීමේ අනුපාතය 1/1000000 තරම් අඩුය. එය ප්‍රධාන වශයෙන් අනන්‍යතා හඳුනාගැනීම සඳහා අයිරිස් ජීවයේ විචලනය සහ වෙනසෙහි ලක්ෂණ භාවිතා කරයි.

වර්තමානයේ, කර්මාන්තයේ ඇති සම්මුතිය නම්, තනි මාදිලියක් හඳුනා ගැනීම හඳුනාගැනීමේ කාර්ය සාධනය සහ ආරක්ෂාව යන දෙකෙහිම බාධා ඇති වන අතර, බහු-මාදිලි විලයන මුහුණු හඳුනාගැනීමේ සහ ජෛවමිතික හඳුනාගැනීමේ පවා වැදගත් ඉදිරි ගමනක් වන අතර එය බහු සාධක හරහා පමණක් නොවේ. හඳුනාගැනීමේ නිරවද්‍යතාවය වැඩි දියුණු කිරීම සඳහා ජෛවමිතික තාක්‍ෂණයේ දර්ශන අනුවර්තනය වීමේ හැකියාව සහ පෞද්ගලිකත්ව ආරක්ෂාව යම් ප්‍රමාණයකට වැඩිදියුණු කළ හැකිය. සාම්ප්‍රදායික තනි මාදිලියේ ඇල්ගොරිතම සමඟ සසඳන විට, එය ජෛවමිතික හඳුනාගැනීමේ ප්‍රධාන ප්‍රවණතාවය ද වන මූල්‍ය මට්ටමේ ව්‍යාජ හඳුනාගැනීමේ අනුපාතය (මිලියන දහයකට එකක් තරම් අඩු) වඩා හොඳින් සපුරාලිය හැකිය.

බහුවිධ ජෛවමිතික පද්ධතිය

බහුවිධ ජෛවමිතික පද්ධති ඒකාකාර ජෛවමිතික පද්ධතිවල සීමාවන් මඟහරවා ගැනීම සඳහා බහු සංවේදක හෝ ජෛවමිතික භාවිතා කරයි. නිදසුනක් ලෙස අයිරිස් හඳුනාගැනීමේ පද්ධති වයස්ගත වන අයිරිස් මගින් සම්මුතියට පත් විය හැකි අතර ඉලෙක්ට්‍රොනික ඇඟිලි සලකුණු හඳුනාගැනීම දිරාගිය හෝ කැපූ ඇඟිලි සලකුණු මගින් නරක අතට හැරිය හැක. ඒකාකාර ජෛවමිතික පද්ධති ඒවායේ හඳුනාගැනීමේ අඛණ්ඩතාවයෙන් සීමා වී ඇති අතර, ඒකාකාර පද්ධති කිහිපයක් සමාන සීමාවන්ගෙන් පීඩා විඳිය නොහැක. බහුමාධ්‍ය ජෛවමිතික පද්ධතිවලට එකම සලකුණකින් තොරතුරු කට්ටල (එනම්, අයිරිස් එකක බහු රූප, හෝ එකම ඇඟිල්ලේ ස්කෑන්) හෝ විවිධ ජෛවමිතිකවලින් තොරතුරු (ඇඟිලි සලකුණු ස්කෑන් කිරීම අවශ්‍ය වන අතර, කටහඬ හඳුනාගැනීමෙන්, කථන මුර කේතයක් අවශ්‍ය වේ).

බහුවිධ ජෛවමිතික පද්ධතිවලට මෙම ඒකාකාර පද්ධති අනුක්‍රමිකව, සමගාමීව, ඒවායේ සංයෝජනයක් හෝ අනුක්‍රමික, සමාන්තර, ධූරාවලි සහ අනුක්‍රමික ඒකාබද්ධතා ක්‍රමවලට යොමු වන ශ්‍රේණිගතව ඒකාබද්ධ කළ හැකිය.

CHANCCTVමාලාවක් සංවර්ධනය කර ඇතජෛවමිතික කාචමුහුණු හඳුනාගැනීම, අත්ල සලකුණු හඳුනාගැනීම මෙන්ම ඇඟිලි සලකුණු හඳුනාගැනීම සහ අයිරිස් හඳුනාගැනීම සඳහාය. උදාහරණයක් ලෙස CH3659A යනු 1/1.8'' සංවේදක සඳහා නිර්මාණය කර ඇති 4k අඩු විකෘති කාචයකි. එය හුදෙක් 11.95mm TTL සහිත සියලුම වීදුරු සහ සංයුක්ත මෝස්තර වලින් සමන්විත වේ. එය අංශක 44ක තිරස් දර්ශන ක්ෂේත්‍රයක් ග්‍රහණය කරයි. මෙම කාචය palmprint හඳුනාගැනීම සඳහා සුදුසු වේ.