பயோமெட்ரிக்ஸ் என்பது உடல் அளவீடுகள் மற்றும் மனித குணாதிசயங்கள் தொடர்பான கணக்கீடுகள் ஆகும். பயோமெட்ரிக் அங்கீகாரம் (அல்லது யதார்த்தமான அங்கீகாரம்) கணினி அறிவியலில் அடையாளம் மற்றும் அணுகல் கட்டுப்பாட்டின் ஒரு வடிவமாக பயன்படுத்தப்படுகிறது. கண்காணிப்பில் இருக்கும் குழுக்களில் உள்ள நபர்களை அடையாளம் காணவும் இது பயன்படுகிறது.

பயோமெட்ரிக் அடையாளங்காட்டிகள் என்பது தனிநபர்களை லேபிளிடவும் விவரிக்கவும் பயன்படுத்தப்படும் தனித்துவமான, அளவிடக்கூடிய பண்புகளாகும். பயோமெட்ரிக் அடையாளங்காட்டிகள் பெரும்பாலும் உடலின் வடிவத்துடன் தொடர்புடைய உடலியல் பண்புகளாக வகைப்படுத்தப்படுகின்றன. எடுத்துக்காட்டுகள், கைரேகை, உள்ளங்கை நரம்புகள், முகம் கண்டறிதல், டிஎன்ஏ, உள்ளங்கை அச்சு, கை வடிவியல், கருவிழி அறிதல், விழித்திரை மற்றும் வாசனை/வாசனை ஆகியவை அடங்கும், ஆனால் அவை மட்டும் அல்ல.

பயோமெட்ரிக் அடையாள தொழில்நுட்பத்தில் கணினி அறிவியல், ஒளியியல் மற்றும் ஒலியியல் மற்றும் பிற இயற்பியல் அறிவியல், உயிரியல் அறிவியல், உயிரி உணரிகள் மற்றும் உயிரியல் புள்ளியியல் கோட்பாடுகள், பாதுகாப்பு தொழில்நுட்பம் மற்றும் செயற்கை நுண்ணறிவு தொழில்நுட்பம் மற்றும் பல அடிப்படை அறிவியல் மற்றும் புதுமையான பயன்பாட்டு தொழில்நுட்பங்கள் ஆகியவை அடங்கும். இது ஒரு முழுமையான பல்துறை தொழில்நுட்ப தீர்வுகள்.

சமீபத்திய ஆண்டுகளில், செயற்கை நுண்ணறிவின் வளர்ச்சியுடன், பயோமெட்ரிக் அடையாள தொழில்நுட்பம் மிகவும் முதிர்ச்சியடைந்துள்ளது. தற்போது, ​​முகம் அடையாளம் காணும் தொழில்நுட்பம் பயோமெட்ரிக்ஸின் மிகவும் பிரதிநிதித்துவம் வாய்ந்தது.

முக அங்கீகாரம்

முகம் அடையாளம் காணும் செயல்முறையில் முகம் சேகரிப்பு, முகம் கண்டறிதல், முக அம்சத்தைப் பிரித்தெடுத்தல் மற்றும் முகம் பொருத்துதல் ஆகியவை அடங்கும். முகம் அடையாளம் காணும் செயல்முறையானது, அடாபூஸ் அல்காரிதம், கன்வல்யூஷனல் நியூரல் நெட்வொர்க் மற்றும் சப்போர்ட் வெக்டர் மெஷின் போன்ற பல்வேறு தொழில்நுட்பங்களைப் பயன்படுத்துகிறது.

முகம் அடையாளம் காணும் செயல்முறை

தற்போது, ​​முகம் சுழற்றுதல், அடைப்பு, ஒற்றுமை போன்ற பாரம்பரிய முகம் அடையாளம் காணும் சிரமங்கள் பெரிதும் மேம்படுத்தப்பட்டுள்ளன, இது முகம் அடையாளம் காணும் துல்லியத்தை பெரிதும் மேம்படுத்துகிறது. 2D முகம், 3D முகம், மல்டி-ஸ்பெக்ட்ரல் முகம் ஒவ்வொரு பயன்முறையிலும் வெவ்வேறு கையகப்படுத்தல் தழுவல் காட்சிகள், தரவு பாதுகாப்பு பட்டம் மற்றும் தனியுரிமை உணர்திறன் போன்றவை உள்ளன, மேலும் பெரிய தரவுகளின் ஆழமான கற்றல் கூடுதலாக 3D முகம் அங்கீகாரம் அல்காரிதம் 2D ப்ரொஜெக்ஷனின் குறைபாடுகளை நிரப்புகிறது, இது ஒரு நபரின் அடையாளத்தை விரைவாக அடையாளம் காண முடியும், இது இரு பரிமாண முக அங்கீகாரத்தைப் பயன்படுத்துவதற்கு ஒரு குறிப்பிட்ட முன்னேற்றத்தைக் கொண்டு வந்துள்ளது.

அதே நேரத்தில், பயோமெட்ரிக் கண்டறிதல் தொழில்நுட்பம் தற்போது முக அங்கீகாரத்தின் பாதுகாப்பை மேம்படுத்துவதற்கான முக்கிய தொழில்நுட்பமாகப் பயன்படுத்தப்படுகிறது, இது புகைப்படங்கள், வீடியோக்கள், 3D மாதிரிகள் மற்றும் செயற்கை முகமூடிகள் போன்ற போலி மோசடிகளைத் திறம்பட எதிர்க்க முடியும், மேலும் அதன் அடையாளத்தை சுயாதீனமாக தீர்மானிக்க முடியும். இயக்க பயனர்கள். தற்போது, ​​முகத்தை அடையாளம் காணும் தொழில்நுட்பத்தின் விரைவான வளர்ச்சியுடன், ஸ்மார்ட் சாதனங்கள், ஆன்லைன் நிதி மற்றும் முகம் பணம் செலுத்துதல் போன்ற பல புதுமையான பயன்பாடுகள் பெருகிய முறையில் பிரபலமாகி, அனைவரின் வாழ்க்கையிலும் வேலையிலும் வேகத்தையும் வசதியையும் கொண்டு வருகின்றன.

கைரேகை அங்கீகாரம்

கைரேகை அங்கீகாரம் என்பது ஒரு புதிய வகை பயோமெட்ரிக் அங்கீகார தொழில்நுட்பமாகும், இது மனித உடலின் உள்ளங்கையை இலக்கு அம்சமாகப் பயன்படுத்துகிறது மற்றும் மல்டிஸ்பெக்ட்ரல் இமேஜிங் தொழில்நுட்பத்தின் மூலம் உயிரியல் தகவல்களை சேகரிக்கிறது. மல்டி-ஸ்பெக்ட்ரல் பாம்ப்ரிண்ட் அங்கீகாரம் என்பது பல முறை மற்றும் பல இலக்கு அம்சங்களை ஒருங்கிணைக்கும் பயோமெட்ரிக் அங்கீகார தொழில்நுட்பத்தின் மாதிரியாகக் கருதப்படலாம். இந்த புதிய தொழில்நுட்பம், தோல் நிறமாலை, உள்ளங்கை அச்சு மற்றும் நரம்பு நரம்புகள் ஆகிய மூன்று அடையாளம் காணக்கூடிய அம்சங்களை ஒருங்கிணைத்து ஒரே நேரத்தில் அதிக தகவல்களை வழங்குவதோடு இலக்கு அம்சங்களின் வேறுபாட்டை அதிகரிக்கவும் செய்கிறது.

இந்த ஆண்டு, அமேசானின் உள்ளங்கையை அடையாளம் காணும் தொழில்நுட்பம், Orville என்ற குறியீட்டுப் பெயரிடப்பட்டது, சோதனையைத் தொடங்கியுள்ளது. ஸ்கேனர் முதலில் அகச்சிவப்பு துருவப்படுத்தப்பட்ட அசல் படங்களின் தொகுப்பைப் பெறுகிறது, கோடுகள் மற்றும் மடிப்புகள் போன்ற உள்ளங்கையின் வெளிப்புற அம்சங்களில் கவனம் செலுத்துகிறது; துருவப்படுத்தப்பட்ட படங்களின் இரண்டாவது தொகுப்பை மீண்டும் பெறும்போது, ​​அது உள்ளங்கையின் அமைப்பு மற்றும் நரம்புகள், எலும்புகள், மென்மையான திசுக்கள் போன்ற உள் அம்சங்களில் கவனம் செலுத்துகிறது. மூலப் படங்கள் ஆரம்பத்தில் கைகளைக் கொண்ட படங்களின் தொகுப்பை வழங்க செயலாக்கப்படுகின்றன. இந்த படங்கள் நன்கு ஒளிரும், கவனம் செலுத்தும் மற்றும் உள்ளங்கையை ஒரு குறிப்பிட்ட நோக்குநிலையில், ஒரு குறிப்பிட்ட போஸில் காட்டுகின்றன, மேலும் இடது அல்லது வலது கை என பெயரிடப்பட்டுள்ளன.

தற்போது, ​​அமேசானின் கைரேகை அங்கீகார தொழில்நுட்பம் தனிப்பட்ட அடையாளத்தை சரிபார்த்து 300 மில்லி விநாடிகளில் பணம் செலுத்துவதை முடிக்க முடியும், மேலும் பயனர்கள் ஸ்கேனிங் சாதனத்தில் தங்கள் கைகளை வைத்து, அலைபேசி மற்றும் தொடர்பு இல்லாமல் ஸ்கேன் செய்ய வேண்டிய அவசியமில்லை. இந்த தொழில்நுட்பத்தின் தோல்வி விகிதம் சுமார் 0.0001% ஆகும். அதே நேரத்தில், கைரேகை அங்கீகாரம் ஆரம்ப கட்டத்தில் இரட்டை சரிபார்ப்பு ஆகும் - முதல் முறையாக வெளிப்புற பண்புகளைப் பெறுவது, மற்றும் இரண்டாவது முறையாக உள் நிறுவன பண்புகளைப் பெறுவது. பாதுகாப்பின் அடிப்படையில் மற்ற பயோமெட்ரிக் தொழில்நுட்பங்களுடன் ஒப்பிடுகையில், மேம்படுத்தப்பட்டுள்ளது.

மேற்கூறிய பயோமெட்ரிக் அம்சங்களுடன், கருவிழியை அடையாளம் காணும் தொழில்நுட்பமும் பிரபலமடைந்து வருகிறது. கருவிழி அங்கீகாரத்தின் தவறான அங்கீகார விகிதம் 1/1000000 வரை குறைவாக உள்ளது. அடையாளங்களை அடையாளம் காண இது முக்கியமாக கருவிழியின் வாழ்க்கை மாறாத தன்மை மற்றும் வேறுபாட்டின் பண்புகளைப் பயன்படுத்துகிறது.

தற்போது, ​​தொழில்துறையில் உள்ள ஒருமித்த கருத்து என்னவென்றால், ஒற்றை முறையின் அங்கீகாரம், அங்கீகாரம் செயல்திறன் மற்றும் பாதுகாப்பு ஆகிய இரண்டிலும் இடையூறுகளைக் கொண்டுள்ளது, மேலும் பல-மாடல் இணைவு என்பது முக அங்கீகாரம் மற்றும் பயோமெட்ரிக் அங்கீகாரம் ஆகியவற்றில் ஒரு முக்கியமான திருப்புமுனையாகும் - பல காரணிகள் வழி மட்டுமல்ல. அங்கீகாரத்தின் துல்லியத்தை மேம்படுத்த, பயோமெட்ரிக் தொழில்நுட்பத்தின் காட்சி தகவமைப்பு மற்றும் தனியுரிமை பாதுகாப்பையும் ஒரு குறிப்பிட்ட அளவிற்கு மேம்படுத்த முடியும். பாரம்பரிய ஒற்றை-முறை அல்காரிதத்துடன் ஒப்பிடுகையில், இது நிதி நிலை தவறான அங்கீகார விகிதத்தை (பத்து மில்லியனில் ஒன்று என) சிறப்பாகச் சந்திக்க முடியும், இது பயோமெட்ரிக் அடையாளத்தின் வளர்ச்சியின் முக்கிய போக்கு ஆகும்.

மல்டிமாடல் பயோமெட்ரிக் அமைப்பு

ஒரே மாதிரியான பயோமெட்ரிக் அமைப்புகளின் வரம்புகளைக் கடக்க மல்டிமோடல் பயோமெட்ரிக் அமைப்புகள் பல சென்சார்கள் அல்லது பயோமெட்ரிக்ஸைப் பயன்படுத்துகின்றன. உதாரணமாக கருவிழியை அடையாளம் காணும் அமைப்புகள் வயதான கருவிழிகளால் சமரசம் செய்யப்படலாம் மற்றும் மின்னணு கைரேகை அங்கீகாரம் தேய்ந்த அல்லது வெட்டப்பட்ட கைரேகைகளால் மோசமடையலாம். ஒரே மாதிரியான பயோமெட்ரிக் அமைப்புகள் அவற்றின் அடையாளங்காட்டியின் ஒருமைப்பாட்டால் வரையறுக்கப்பட்டிருந்தாலும், பல யூனிமோடல் அமைப்புகள் ஒரே மாதிரியான வரம்புகளால் பாதிக்கப்படுவது சாத்தியமில்லை. மல்டிமோடல் பயோமெட்ரிக் அமைப்புகள் ஒரே மார்க்கரில் இருந்து தகவல்களைப் பெறலாம் (அதாவது, கருவிழியின் பல படங்கள் அல்லது ஒரே விரலின் ஸ்கேன்கள்) அல்லது வெவ்வேறு பயோமெட்ரிக்ஸில் இருந்து தகவல்களைப் பெறலாம் (கைரேகை ஸ்கேன் மற்றும் குரல் அங்கீகாரத்தைப் பயன்படுத்தி, பேசும் கடவுக்குறியீடு தேவை).

மல்டிமோடல் பயோமெட்ரிக் அமைப்புகள் இந்த யூனிமோடல் அமைப்புகளை வரிசையாக, ஒரே நேரத்தில், அதன் கலவையாக அல்லது தொடரில் இணைக்க முடியும், இது முறையே வரிசை, இணை, படிநிலை மற்றும் தொடர் ஒருங்கிணைப்பு முறைகளைக் குறிக்கிறது.

CHANCCTVஎன்ற தொடரை உருவாக்கியுள்ளதுபயோமெட்ரிக் லென்ஸ்கள்முகம் கண்டறிதல், கைரேகை அடையாளம் மற்றும் கருவிழியை அடையாளம் காணுதல். உதாரணமாக CH3659A என்பது 1/1.8'' சென்சார்களுக்காக வடிவமைக்கப்பட்ட 4k குறைந்த டிஸ்டர்ஷன் லென்ஸ் ஆகும். இது அனைத்து கண்ணாடி மற்றும் சிறிய வடிவமைப்புகளை வெறும் 11.95mm TTL உடன் கொண்டுள்ளது. இது 44 டிகிரி கிடைமட்டப் பார்வையைப் பிடிக்கிறது. இந்த லென்ஸ் கைரேகை அங்கீகாரத்திற்கு ஏற்றது.