ไบโอเมตริกคือการวัดและคำนวณร่างกายที่เกี่ยวข้องกับลักษณะของมนุษย์ การรับรองความถูกต้องด้วยไบโอเมตริกซ์ (หรือการรับรองความถูกต้องตามความเป็นจริง) ใช้ในวิทยาการคอมพิวเตอร์เป็นรูปแบบหนึ่งของการระบุตัวตนและการควบคุมการเข้าถึง นอกจากนี้ยังใช้เพื่อระบุตัวบุคคลในกลุ่มที่อยู่ภายใต้การเฝ้าระวัง

ตัวระบุไบโอเมตริกซ์เป็นคุณลักษณะเฉพาะที่สามารถวัดได้ซึ่งใช้ในการติดป้ายกำกับและอธิบายบุคคล ตัวระบุไบโอเมตริกซ์มักถูกจัดประเภทเป็นลักษณะทางสรีรวิทยาที่เกี่ยวข้องกับรูปร่างของร่างกาย ตัวอย่างรวมถึงแต่ไม่จำกัดเพียงลายนิ้วมือ หลอดเลือดดำบนฝ่ามือ การจดจำใบหน้า ดีเอ็นเอ รอยฝ่ามือ รูปทรงของมือ การจดจำม่านตา จอประสาทตา และกลิ่น/กลิ่น

เทคโนโลยีการระบุตัวตนแบบไบโอเมตริกซ์เกี่ยวข้องกับวิทยาการคอมพิวเตอร์ ออพติกและเสียง และวิทยาศาสตร์กายภาพอื่นๆ วิทยาศาสตร์ชีวภาพ ไบโอเซนเซอร์และหลักการทางชีวสถิติ เทคโนโลยีความปลอดภัย และเทคโนโลยีปัญญาประดิษฐ์ และวิทยาศาสตร์พื้นฐานอื่นๆ และเทคโนโลยีการประยุกต์ใช้ที่เป็นนวัตกรรมใหม่อีกมากมาย เป็นโซลูชันทางเทคนิคแบบสหสาขาวิชาชีพที่สมบูรณ์

ในช่วงไม่กี่ปีที่ผ่านมา ด้วยการพัฒนาปัญญาประดิษฐ์ เทคโนโลยีการระบุตัวตนแบบไบโอเมตริกซ์จึงมีความเป็นผู้ใหญ่มากขึ้น ปัจจุบันเทคโนโลยีการจดจำใบหน้าเป็นตัวแทนของไบโอเมตริกซ์มากที่สุด

การจดจำใบหน้า

กระบวนการจดจำใบหน้าประกอบด้วยการรวบรวมใบหน้า การตรวจจับใบหน้า การดึงคุณสมบัติใบหน้า และการจดจำการจับคู่ใบหน้า กระบวนการจดจำใบหน้าใช้เทคโนโลยีต่างๆ เช่น อัลกอริธึม AdaBoos, โครงข่ายประสาทเทียมแบบหมุนวน และรองรับเครื่องเวกเตอร์ในการเรียนรู้ของเครื่อง

กระบวนการจดจำใบหน้า

ปัจจุบัน ความยากในการจดจำใบหน้าแบบดั้งเดิม เช่น การหมุนใบหน้า การบดเคี้ยว ความคล้ายคลึงกัน ฯลฯ ได้รับการปรับปรุงอย่างมาก ซึ่งช่วยเพิ่มความแม่นยำของการจดจำใบหน้าได้อย่างมาก ใบหน้า 2 มิติ, ใบหน้า 3 มิติ, ใบหน้าหลายสเปกตรัม แต่ละโหมดมีสถานการณ์การปรับตัวในการรับข้อมูลที่แตกต่างกัน ระดับความปลอดภัยของข้อมูล และความไวต่อความเป็นส่วนตัว ฯลฯ และการเพิ่มการเรียนรู้เชิงลึกของข้อมูลขนาดใหญ่ทำให้อัลกอริธึมการจดจำใบหน้า 3 มิติเสริมข้อบกพร่องของการฉายภาพ 2 มิติ สามารถระบุตัวตนของบุคคลได้อย่างรวดเร็ว ซึ่งนำมาซึ่งความก้าวหน้าบางประการสำหรับการประยุกต์ใช้การจดจำใบหน้าแบบสองมิติ

ในเวลาเดียวกัน เทคโนโลยีการตรวจจับไบโอเมตริกซ์กำลังถูกใช้เป็นเทคโนโลยีหลักในการปรับปรุงความปลอดภัยของการจดจำใบหน้า ซึ่งสามารถต้านทานการฉ้อโกงการปลอมแปลง เช่น ภาพถ่าย วิดีโอ โมเดล 3 มิติ และหน้ากากเทียมได้อย่างมีประสิทธิภาพ และระบุตัวตนของ ผู้ใช้ปฏิบัติการ ในปัจจุบัน ด้วยการพัฒนาอย่างรวดเร็วของเทคโนโลยีการจดจำใบหน้า แอปพลิเคชั่นที่เป็นนวัตกรรมมากมาย เช่น อุปกรณ์อัจฉริยะ การเงินออนไลน์ และการชำระเงินด้วยใบหน้า ได้รับความนิยมเพิ่มมากขึ้น นำความรวดเร็วและความสะดวกสบายมาสู่ชีวิตและการทำงานของทุกคน

การจดจำลายนิ้วมือ

การจดจำฝ่ามือเป็นเทคโนโลยีการจดจำลายนิ้วมือรูปแบบใหม่ ซึ่งใช้ลายนิ้วมือของร่างกายมนุษย์เป็นคุณสมบัติเป้าหมาย และรวบรวมข้อมูลทางชีววิทยาผ่านเทคโนโลยีการถ่ายภาพหลายสเปกตรัม การจดจำลายฝ่ามือแบบหลายสเปกตรัมถือได้ว่าเป็นรูปแบบของเทคโนโลยีการจดจำไบโอเมตริกซ์ที่ผสมผสานคุณสมบัติหลายรูปแบบและหลายเป้าหมายเข้าด้วยกัน เทคโนโลยีใหม่นี้รวมคุณสมบัติสามประการที่สามารถระบุได้ของสเปกตรัมของผิวหนัง รอยฝ่ามือ และหลอดเลือดดำ เพื่อให้ข้อมูลที่อุดมสมบูรณ์มากขึ้นในคราวเดียว และเพิ่มความสามารถในการแยกแยะคุณลักษณะของเป้าหมาย

ในปีนี้ เทคโนโลยีการจดจำฝ่ามือของ Amazon ซึ่งมีชื่อรหัสว่า Orville ได้เริ่มทำการทดสอบแล้ว ขั้นแรกเครื่องสแกนจะได้รับชุดภาพต้นฉบับโพลาไรซ์อินฟราเรด โดยเน้นไปที่ลักษณะภายนอกของฝ่ามือ เช่น เส้นและรอยพับ เมื่อได้ภาพโพลาไรซ์ชุดที่ 2 อีกครั้ง จะเน้นที่โครงสร้างฝ่ามือและลักษณะภายใน เช่น เส้นเลือด กระดูก เนื้อเยื่ออ่อน เป็นต้น ภาพดิบจะถูกประมวลผลในขั้นต้นเพื่อให้ได้ชุดภาพที่มีมือ รูปภาพเหล่านี้มีแสงสว่างเพียงพอ อยู่ในโฟกัส และแสดงฝ่ามือในทิศทางเฉพาะ ในท่าทางเฉพาะ และติดป้ายกำกับว่าถนัดซ้ายหรือขวา

ในปัจจุบัน เทคโนโลยีการจดจำลายนิ้วมือของ Amazon สามารถตรวจสอบตัวตนส่วนบุคคลและชำระเงินให้เสร็จสิ้นภายในเวลาเพียง 300 มิลลิวินาที และผู้ใช้ไม่จำเป็นต้องวางมือบนอุปกรณ์สแกน เพียงแค่โบกมือและสแกนโดยไม่ต้องสัมผัส อัตราความล้มเหลวของเทคโนโลยีนี้อยู่ที่ประมาณ 0.0001% ในเวลาเดียวกัน การจดจำรอยฝ่ามือเป็นการตรวจสอบซ้ำซ้อนในระยะเริ่มต้น – ครั้งแรกเพื่อให้ได้คุณลักษณะภายนอก และครั้งที่สองเพื่อให้ได้คุณลักษณะภายในองค์กร เมื่อเทียบกับเทคโนโลยีไบโอเมตริกซ์อื่น ๆ ในแง่ของความปลอดภัย ดีขึ้น

นอกเหนือจากคุณสมบัติไบโอเมตริกซ์ข้างต้นแล้ว เทคโนโลยีการจดจำม่านตายังได้รับความนิยมอีกด้วย อัตราการรู้จำที่ผิดพลาดของการรู้จำม่านตานั้นต่ำเพียง 1/1000000 โดยส่วนใหญ่จะใช้ลักษณะของความแปรปรวนและความแตกต่างในชีวิตของม่านตาเพื่อระบุตัวตน

ในปัจจุบัน ฉันทามติในอุตสาหกรรมคือ การจดจำรูปแบบเดียวมีปัญหาคอขวดทั้งในด้านประสิทธิภาพการจดจำและความปลอดภัย และการหลอมรวมหลายรูปแบบเป็นความก้าวหน้าครั้งสำคัญในการจดจำใบหน้าและแม้แต่การจดจำไบโอเมตริกซ์ ไม่เพียงแต่ผ่านหลายปัจจัยเท่านั้น เพื่อปรับปรุงความแม่นยำในการจดจำยังสามารถปรับปรุงความสามารถในการปรับตัวของฉากและความปลอดภัยความเป็นส่วนตัวของเทคโนโลยีไบโอเมตริกซ์ได้ในระดับหนึ่ง เมื่อเปรียบเทียบกับอัลกอริธึมโหมดเดี่ยวแบบเดิม จะสามารถตอบสนองอัตราการรู้จำเท็จในระดับทางการเงินได้ดีกว่า (ต่ำถึงหนึ่งในสิบล้าน) ซึ่งเป็นแนวโน้มหลักของการพัฒนาการระบุตัวตนแบบไบโอเมตริกซ์ด้วย

ระบบไบโอเมตริกหลายรูปแบบ

ระบบไบโอเมตริกหลายรูปแบบใช้เซ็นเซอร์หรือไบโอเมตริกซ์หลายตัวเพื่อเอาชนะข้อจำกัดของระบบไบโอเมตริกซ์แบบยูนิโมดัล ตัวอย่างเช่น ระบบการจดจำม่านตาอาจถูกทำลายลงเนื่องจากม่านตาที่มีอายุมากขึ้น และการจดจำลายนิ้วมือแบบอิเล็กทรอนิกส์อาจแย่ลงได้เนื่องจากลายนิ้วมือที่ชำรุดหรือถูกตัด แม้ว่าระบบไบโอเมตริกซ์แบบยูนิโมดัลจะถูกจำกัดด้วยความสมบูรณ์ของตัวระบุ แต่ก็ไม่น่าเป็นไปได้ที่ระบบไบโอเมตริกซ์หลายระบบจะประสบกับข้อจำกัดที่เหมือนกัน ระบบไบโอเมตริกหลายรูปแบบสามารถรับชุดข้อมูลจากเครื่องหมายเดียวกัน (เช่น รูปภาพม่านตาหลายภาพ หรือการสแกนนิ้วเดียวกัน) หรือข้อมูลจากไบโอเมตริกซ์ที่แตกต่างกัน (ต้องใช้การสแกนลายนิ้วมือ และใช้การจดจำเสียง รหัสผ่านที่เป็นเสียงพูด)

ระบบไบโอเมตริกซ์หลายรูปแบบสามารถหลอมรวมระบบแบบยูนิโมดัลเหล่านี้ตามลำดับ พร้อมกัน รวมกัน หรือเป็นอนุกรม ซึ่งอ้างอิงถึงโหมดการรวมตามลำดับ แบบขนาน ลำดับชั้น และแบบอนุกรม ตามลำดับ

CHANCCTVได้พัฒนาชุดของเลนส์ไบโอเมตริกซ์สำหรับการจดจำใบหน้า การจดจำลายนิ้วมือ รวมถึงการระบุลายนิ้วมือ และการระบุม่านตา ตัวอย่างเช่น CH3659A เป็นเลนส์ความผิดเพี้ยนต่ำ 4k ซึ่งออกแบบมาสำหรับเซ็นเซอร์ขนาด 1/1.8 นิ้ว โดดเด่นด้วยดีไซน์แบบกระจกและขนาดกะทัดรัดด้วย TTL เพียง 11.95 มม. เก็บภาพมุมมองแนวนอนได้ 44 องศา เลนส์นี้เหมาะสำหรับการจดจำรอยฝ่ามือ