Biometri är kroppsmätningar och beräkningar relaterade till mänskliga egenskaper. Biometrisk autentisering (eller realistisk autentisering) används i 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, palmtryck, handgeometri, irisigenkänning, näthinna och lukt/doft.

Biometrisk identifieringsteknik involverar datavetenskap, optik och akustik och andra fysiska vetenskaper, biologiska vetenskaper, biosensorer och biostatistikprinciper, säkerhetsteknologi och konstgjord intelligensteknik och många andra grundvetenskaper och innovativa applikationstekniker. Det är en komplett tvärvetenskapliga tekniska lösningar.

Under de senaste åren, med utvecklingen av konstgjord intelligens, har biometrisk identifieringsteknik blivit mogenare. För närvarande är ansiktsigenkänningsteknologi den mest representativa för biometri.

Ansiktsigenkänning

Processen för ansiktsigenkänning inkluderar ansiktsinsamling, ansiktsdetektering, extraktion av ansiktsfunktioner och ansiktsmatchande erkännande. Ansiktsigenkänningsprocessen använder olika tekniker som AdaBoOS -algoritm, konvolutionellt neuralt nätverk och supportvektormaskin i maskininlärning.

Processen för ansiktsigenkänning

För närvarande har de traditionella ansiktsigenkänningssvårigheterna inklusive ansiktsrotation, tilltäppning, likhet etc. förbättrats kraftigt, vilket kraftigt förbättrar noggrannheten i ansiktsigenkänning. 2D-ansikte, 3D-ansikte, multispektralt ansikte varje läge har olika förvärvsanpassningsscenarier, datasäkerhetsgrad och sekretesskänslighet, etc., och tillägget av djup inlärning av big data gör 3D-ansiktsigenkänning algoritm tillägg defekterna av 2D-projektion, Det kan snabbt identifiera identiteten hos en person, vilket har gett ett visst genombrott för tillämpningen av tvådimensionellt ansiktsigenkänning.

Samtidigt används för närvarande den biometriska detekteringstekniken som en nyckelteknologi för att förbättra säkerheten för ansiktsigenkänning, som effektivt kan motstå förfalskande bedrägerier som foton, videor, 3D -modeller och protesmasker, och oberoende bestämma identiteten för operativa användare. För närvarande, med den snabba utvecklingen av ansiktsigenkänningsteknik, har många innovativa applikationer som smarta enheter, onlinefinansiering och ansiktsbetalning blivit allt populärare, vilket ger hastighet och bekvämlighet för allas liv och arbete.

Palmprint erkännande

Palmprint -erkännande är en ny typ av biometrisk igenkänningssteknik, som använder palmprint för människokroppen som målfunktion och samlar biologisk information genom multispektral bildteknik. Multispektral palmprint-erkännande kan betraktas som en modell för biometrisk igenkänningsteknik som kombinerar multimodalitet och flera målfunktioner. Denna nya teknik kombinerar de tre identifierbara egenskaperna hos hudspektrum, palmtryck och ven vener för att ge mer riklig information på en gång och öka märkbarheten för målfunktioner.

I år har Amazons Palm Recognition-teknik, kodnamnet Orville, börjat testa. Skannern förvärvar först en uppsättning infraröda polariserade originalbilder, med fokus på handflatans yttre funktioner, såsom linjer och veck; När du skaffar den andra uppsättningen polariserade bilder igen fokuserar den på palmstrukturen och inre funktioner, såsom vener, ben, mjuka vävnader, etc. De råa bilderna behandlas 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 palmprint -erkännande teknik verifiera personlig identitet och slutföra betalning endast i 300 millisekunder och kräver inte att användare lägger händerna på skanningsenheten, bara vinka och skanna utan kontakt. Felhastigheten för denna teknik är cirka 0,0001%. Samtidigt är Palmprint -erkännandet en dubbelverifiering i det inledande steget - 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, förbättrades.

Förutom ovanstående biometriska funktioner populariseras också irisigenkänningstekniken. Den falska erkännandehastigheten för IRIS -erkännande är så låg som 1/1000000. Den använder främst egenskaperna hos Iris Life Invarians och skillnad för att identifiera identiteter.

För närvarande är konsensus i branschen att erkännandet av en enda modalitet har flaskhalsar i både erkännandeprestanda och säkerhet, och multimodal fusion är ett viktigt genombrott i ansiktsigenkänning och till och med biometriskt erkännande-inte bara genom multifaktor som vägen För att förbättra erkännande noggrannhet kan också förbättra scenanpassningsförmågan och integritetssäkerheten för biometrisk teknik i viss utsträckning. Jämfört med den traditionella enkelläge-algoritmen kan den bättre uppfylla den falska erkännandegraden på ekonomisk nivå (så låg som en av tio miljoner), vilket också är den viktigaste trenden för utvecklingen av biometrisk identifiering.

Multimodal biometriskt system

Multimodala biometriska system använder flera sensorer eller biometri för att övervinna begränsningarna för unimodala biometriska system. För exempel kan irisigenkänningssystem komprometteras genom åldrande iris och elektroniskt fingeravtrycksigenkänning kan försämras genom slitna eller klippta fingeravtryck. Medan unimodala biometriska system är begränsade av integriteten hos deras identifierare, är det osannolikt att flera unimodala system kommer att drabbas av identiska begränsningar. Multimodala biometriska system kan erhålla uppsättningar information från samma markör (dvs. flera bilder av en iris, eller skanningar av samma finger) eller information från olika biometri (som kräver fingeravtryckssökningar och med röstigenkänning, ett talat lösenord).

Multimodala biometriska system kan smälta dessa unimodala system i följd, samtidigt, en kombination därav, eller i serie, som hänvisar till sekventiella, parallella, hierarkiska och seriella integrationslägen.

Chancctvhar utvecklat en serie avbiometriska linserFör ansiktsigenkänning är palmprint -erkännande samt fingeravtrycksidentifiering och IRIS -identifiering. För exempel är CH3659A en 4K låg distorsionslins som var designad för 1/1,8 '' sensorer. Den har alla glas och kompakta mönster med bara 11,95 mm TTL. Den fångar 44 graders horisontella synfält. Denna objektiv är idealisk för palmprint -erkännande.