Biometri är kroppsmått och beräkningar relaterade till mänskliga egenskaper. Biometrisk autentisering (eller realistisk autentisering) används inom datavetenskap som en form av identifiering och åtkomstkontroll. Det används också för att identifiera individer i grupper som är under övervakning.

Biometriska identifierare är de distinkta, mätbara egenskaperna som används för att märka och beskriva individer. Biometriska identifierare kategoriseras ofta som fysiologiska egenskaper som är relaterade till kroppens form. Exempel inkluderar, men är inte begränsade till, fingeravtryck, palmvener, ansiktsigenkänning, DNA, palmavtryck, handgeometri, irisigenkänning, näthinna och lukt/doft.

Biometrisk identifieringsteknik involverar datavetenskap, optik och akustik och andra fysikaliska vetenskaper, biologiska vetenskaper, biosensorer och biostatistikprinciper, säkerhetsteknik och artificiell intelligensteknik och många andra grundläggande vetenskaper och innovativa applikationsteknologier. Det är en komplett multidisciplinär teknisk lösning.

Under de senaste åren, med utvecklingen av artificiell intelligens, har biometrisk identifieringsteknik blivit mer mogen. För närvarande är ansiktsigenkänningsteknik den mest representativa för biometri.

Ansiktsigenkänning

Processen för ansiktsigenkänning inkluderar ansiktsinsamling, ansiktsdetektion, ansiktsutdrag och ansiktsigenkänning. Ansiktsigenkänningsprocessen använder olika teknologier som AdaBoos-algoritm, faltande neurala nätverk och stödvektormaskin vid maskininlärning.

Processen för ansiktsigenkänning

För närvarande har de traditionella ansiktsigenkänningssvårigheterna inklusive ansiktsrotation, ocklusion, likhet etc. förbättrats avsevärt, vilket avsevärt förbättrar noggrannheten i ansiktsigenkänningen. 2D-ansikte, 3D-ansikte, multispektralt ansikte Varje läge har olika scenarier för förvärvsanpassning, datasäkerhetsgrad och integritetskänslighet, etc., och tillägget av djupinlärning av big data gör att 3D-ansiktsigenkänningsalgoritmen kompletterar defekterna i 2D-projektion, Det kan snabbt identifiera en persons identitet, vilket har gett ett visst genombrott för tillämpningen av tvådimensionell ansiktsigenkänning.

Samtidigt används den biometriska detekteringstekniken för närvarande som en nyckelteknologi för att förbättra säkerheten för ansiktsigenkänning, som effektivt kan motstå förfalskning av bedrägerier såsom foton, videor, 3D-modeller och protesmasker, och självständigt fastställa identiteten på operativa användare. För närvarande, med den snabba utvecklingen av teknik för ansiktsigenkänning, har många innovativa applikationer som smarta enheter, onlinefinansiering och ansiktsbetalning blivit allt mer populära, vilket ger snabbhet och bekvämlighet till allas liv och arbete.

Handavtrycksigenkänning

Palmprint recognition är en ny typ av biometrisk igenkänningsteknik, som använder handflatan av människokroppen som målfunktion och samlar in biologisk information genom multispektral avbildningsteknik. Multispektral handavtrycksigenkänning kan betraktas som en modell av biometrisk igenkänningsteknik som kombinerar multimodalitet och flera målfunktioner. Den här nya tekniken kombinerar de tre identifierbara egenskaperna hudspektrum, palmavtryck och vener för att ge mer riklig information på en gång och öka urskiljbarheten av målegenskaper.

I år har Amazons teknik för palmigenkänning, kodnamnet Orville, börjat testa. Skannern skaffar först en uppsättning infrarödpolariserade originalbilder, med fokus på handflatans yttre egenskaper, såsom linjer och veck; när den andra uppsättningen polariserade bilder återigen skaffas fokuserar den på handflatans struktur och inre särdrag, såsom vener, ben, mjuka vävnader, etc. De råa bilderna bearbetas initialt för att ge en uppsättning bilder som innehåller händer. Dessa bilder är väl upplysta, i fokus och visar handflatan i en specifik orientering, i en specifik pose och märkta som vänster- eller högerhänt.

För närvarande kan Amazons teknik för handavtrycksigenkänning verifiera personlig identitet och slutföra betalningen på endast 300 millisekunder, och kräver inte att användarna lägger händerna på skanningsenheten, utan bara vinkar och skannar utan kontakt. Felfrekvensen för denna teknik är cirka 0,0001%. Samtidigt är handavtrycksigenkänningen en dubbel verifiering i det inledande skedet – första gången för att få externa egenskaper och andra gången för att få interna organisatoriska egenskaper. Jämfört med andra biometriska tekniker när det gäller säkerhet, förbättrad.

Utöver de ovanstående biometriska funktionerna populariseras också irisigenkänningsteknik. Den falska igenkänningsfrekvensen för irisigenkänning är så låg som 1/1000000. Den använder huvudsakligen egenskaperna hos irislivsinvarians och skillnad för att identifiera identiteter.

För närvarande är konsensus i branschen att erkännandet av en enda modalitet har flaskhalsar i både igenkänningsprestanda och säkerhet, och multimodal fusion är ett viktigt genombrott inom ansiktsigenkänning och till och med biometrisk igenkänning – inte bara genom multi-factor The way För att förbättra erkännandet noggrannhet kan också förbättra scenen anpassningsförmåga och integritet säkerhet biometrisk teknik i viss utsträckning. Jämfört med den traditionella single-mode-algoritmen kan den bättre möta den finansiella nivån för falsk igenkänning (så låg som en på tio miljoner), vilket också är huvudtrenden för utvecklingen av biometrisk identifiering.

Multimodalt biometriskt system

Multimodala biometriska system använder flera sensorer eller biometri för att övervinna begränsningarna hos unimodala biometriska system. Till exempel kan irisigenkänningssystem äventyras av åldrande iris och elektronisk fingeravtrycksigenkänning kan försämras av utslitna eller avskurna fingeravtryck. Även om unimodala biometriska system begränsas av integriteten hos deras identifierare, är det osannolikt att flera unimodala system kommer att lida av identiska begränsningar. Multimodala biometriska system kan erhålla uppsättningar av information från samma markör (dvs. flera bilder av en iris, eller skanningar av samma finger) eller information från olika biometri (kräver fingeravtrycksskanningar och, med hjälp av röstigenkänning, ett talat lösenord).

Multimodala biometriska system kan sammansmälta dessa unimodala system sekventiellt, samtidigt, en kombination därav, eller i serie, som hänvisar till sekventiella, parallella, hierarkiska respektive seriella integrationsmoder.

CHANCCTVhar utvecklat en serie avbiometriska linserför ansiktsigenkänning, handflatsigenkänning samt fingeravtrycksidentifiering och irisidentifiering. Till exempel är CH3659A en 4k låg distorsionslins som designades för 1/1,8'' sensorer. Den har alla glas och kompakta mönster med bara 11,95 mm TTL. Den fångar 44 graders horisontellt synfält. Det här objektivet är idealiskt för handavtrycksigenkänning.