Biometrics เป็นการวัดร่างกายและการคำนวณที่เกี่ยวข้องกับลักษณะของมนุษย์ การตรวจสอบความถูกต้องทางชีวภาพ (หรือการรับรองความถูกต้องที่สมจริง) ใช้ในวิทยาศาสตร์คอมพิวเตอร์เป็นรูปแบบของการระบุและการควบคุมการเข้าถึง นอกจากนี้ยังใช้เพื่อระบุบุคคลในกลุ่มที่อยู่ภายใต้การเฝ้าระวัง

ตัวระบุไบโอเมตริกซ์เป็นลักษณะที่โดดเด่นและวัดได้ที่ใช้ในการติดฉลากและอธิบายบุคคล ตัวระบุไบโอเมตริกซ์มักจะถูกจัดประเภทเป็นลักษณะทางสรีรวิทยาซึ่งเกี่ยวข้องกับรูปร่างของร่างกาย ตัวอย่าง ได้แก่ แต่ไม่ จำกัด เพียงลายนิ้วมือหลอดเลือดดำปาล์มการจดจำใบหน้า DNA พิมพ์ปาล์มเรขาคณิตมือการรับรู้ม่านตาเรตินาและกลิ่น/กลิ่น

เทคโนโลยีการระบุไบโอเมตริกซ์เกี่ยวข้องกับวิทยาศาสตร์คอมพิวเตอร์ทัศนศาสตร์และเสียงและวิทยาศาสตร์กายภาพอื่น ๆ วิทยาศาสตร์ชีวภาพชีวภาพและหลักการชีวสถิติเทคโนโลยีความปลอดภัยและเทคโนโลยีปัญญาประดิษฐ์และวิทยาศาสตร์พื้นฐานอื่น ๆ และเทคโนโลยีแอปพลิเคชันที่เป็นนวัตกรรม มันเป็นโซลูชั่นทางเทคนิคสหสาขาวิชาชีพที่สมบูรณ์

ในช่วงไม่กี่ปีที่ผ่านมาด้วยการพัฒนาปัญญาประดิษฐ์เทคโนโลยีการระบุไบโอเมตริกซ์ได้กลายเป็นผู้ใหญ่มากขึ้น ในปัจจุบันเทคโนโลยีการจดจำใบหน้าเป็นตัวแทนมากที่สุดของชีวภาพ

การจดจำใบหน้า

กระบวนการจดจำใบหน้ารวมถึงการรวบรวมใบหน้าการตรวจจับใบหน้าการสกัดคุณลักษณะใบหน้าและการจดจำการจับคู่ใบหน้า กระบวนการจดจำใบหน้าใช้เทคโนโลยีต่าง ๆ เช่นอัลกอริทึม Adaboos, เครือข่ายประสาทเทียมและการสนับสนุนเวกเตอร์เครื่องในการเรียนรู้ของเครื่อง

กระบวนการรับรู้ใบหน้า

ในปัจจุบันปัญหาการจดจำใบหน้าแบบดั้งเดิมรวมถึงการหมุนของใบหน้าการบดเคี้ยวความคล้ายคลึงกัน ฯลฯ ได้รับการปรับปรุงอย่างมากซึ่งช่วยปรับปรุงความแม่นยำของการจดจำใบหน้าอย่างมาก ใบหน้า 2D, ใบหน้า 3 มิติ, ใบหน้าหลายตัวสเปกตรัมแต่ละโหมดมีสถานการณ์การปรับตัวที่แตกต่างกัน, ระดับความปลอดภัยของข้อมูลและความไวต่อความเป็นส่วนตัว ฯลฯ และการเพิ่มการเรียนรู้อย่างลึกซึ้งของข้อมูลขนาดใหญ่ทำให้อัลกอริทึมการจดจำใบหน้า 3 มิติเสริมความบกพร่องของการฉาย 2D มันสามารถระบุตัวตนของบุคคลได้อย่างรวดเร็วซึ่งได้นำความก้าวหน้าบางอย่างสำหรับการใช้การจดจำใบหน้าสองมิติ

ในขณะเดียวกันเทคโนโลยีการตรวจจับไบโอเมตริกซ์กำลังถูกใช้เป็นเทคโนโลยีสำคัญในการปรับปรุงความปลอดภัยของการจดจำใบหน้าซึ่งสามารถต้านทานการฉ้อโกงปลอมได้อย่างมีประสิทธิภาพเช่นภาพถ่ายวิดีโอโมเดล 3 มิติและมาสก์เทียม ผู้ใช้ปฏิบัติการ ในปัจจุบันด้วยการพัฒนาอย่างรวดเร็วของเทคโนโลยีการจดจำใบหน้าแอพพลิเคชั่นนวัตกรรมมากมายเช่นอุปกรณ์อัจฉริยะการเงินออนไลน์และการชำระเงินใบหน้าได้รับความนิยมเพิ่มขึ้นเรื่อย ๆ นำความเร็วและความสะดวกสบายมาสู่ชีวิตและการทำงานของทุกคน

การจดจำ Palmprint

การรับรู้ของ Palmprint เป็นเทคโนโลยีการจดจำไบโอเมตริกซ์ประเภทใหม่ซึ่งใช้ Palmprint ของร่างกายมนุษย์เป็นคุณสมบัติเป้าหมายและรวบรวมข้อมูลทางชีวภาพผ่านเทคโนโลยีการถ่ายภาพแบบหลายส่วน การจดจำ palmprint แบบหลายสเปกตรัมสามารถถือได้ว่าเป็นแบบจำลองของเทคโนโลยีการจดจำไบโอเมตริกซ์ที่รวมคุณสมบัติหลายแบบและคุณสมบัติหลายอย่าง เทคโนโลยีใหม่นี้ผสมผสานคุณสมบัติสามอย่างที่สามารถระบุตัวตนได้ของสเปกตรัมผิวหนังพิมพ์ปาล์มและหลอดเลือดดำเพื่อให้ข้อมูลที่อุดมสมบูรณ์มากขึ้นในครั้งเดียวและเพิ่มความแตกต่างของคุณสมบัติเป้าหมาย

ในปีนี้เทคโนโลยีการจดจำ Palm ของ Amazon ชื่อ Orville ได้เริ่มทำการทดสอบแล้ว เครื่องสแกนได้รับชุดภาพต้นฉบับโพลาไรซ์อินฟราเรดเป็นครั้งแรกโดยมุ่งเน้นไปที่คุณสมบัติภายนอกของฝ่ามือเช่นเส้นและรอยพับ เมื่อได้รับชุดภาพโพลาไรซ์ชุดที่สองอีกครั้งมันจะมุ่งเน้นไปที่โครงสร้างปาล์มและคุณสมบัติภายในเช่นเส้นเลือดกระดูกเนื้อเยื่ออ่อน ฯลฯ ภาพดิบจะถูกประมวลผลในขั้นต้นเพื่อให้ชุดของภาพที่มีมือ ภาพเหล่านี้มีแสงสว่างเพียงพอในโฟกัสและแสดงฝ่ามือในทิศทางที่เฉพาะเจาะจงในท่าเฉพาะและติดป้ายว่าเป็นมือซ้ายหรือขวา

ในปัจจุบันเทคโนโลยีการรับรู้ของ Palmprint ของ Amazon สามารถตรวจสอบตัวตนส่วนบุคคลและชำระเงินได้อย่างสมบูรณ์ในเพียง 300 มิลลิวินาทีและไม่ต้องการให้ผู้ใช้ใส่อุปกรณ์สแกนเพียงแค่คลื่นและสแกนโดยไม่ต้องติดต่อ อัตราความล้มเหลวของเทคโนโลยีนี้อยู่ที่ประมาณ 0.0001% ในเวลาเดียวกันการรับรู้ของ Palmprint เป็นการตรวจสอบสองครั้งในระยะแรก - ครั้งแรกที่ได้รับลักษณะภายนอกและครั้งที่สองที่จะได้รับลักษณะองค์กรภายใน เมื่อเทียบกับเทคโนโลยีไบโอเมตริกซ์อื่น ๆ ในแง่ของความปลอดภัยปรับปรุง

นอกเหนือจากคุณสมบัติไบโอเมตริกซ์ข้างต้นแล้วเทคโนโลยีการจดจำไอริสยังได้รับความนิยมเช่นกัน อัตราการรับรู้ที่ผิดพลาดของการรับรู้ม่านตาต่ำถึง 1/1000000 ส่วนใหญ่ใช้ลักษณะของความแปรปรวนของไอริสชีวิตและความแตกต่างเพื่อระบุตัวตน

ในปัจจุบันฉันทามติในอุตสาหกรรมคือการรับรู้ของรูปแบบเดียวมีคอขวดทั้งในประสิทธิภาพการรับรู้และความปลอดภัยและฟิวชั่นหลายแบบเป็นความก้าวหน้าที่สำคัญในการจดจำใบหน้าและแม้แต่การจดจำไบโอเมตริกซ์-ไม่เพียง แต่ผ่านหลายปัจจัย เพื่อปรับปรุงความแม่นยำในการรับรู้ยังสามารถปรับปรุงความสามารถในการปรับตัวของฉากและความปลอดภัยความเป็นส่วนตัวของเทคโนโลยีไบโอเมตริกซ์ในระดับหนึ่ง เมื่อเทียบกับอัลกอริทึมโหมดเดียวแบบดั้งเดิมมันสามารถตอบสนองอัตราการรับรู้ที่ผิดพลาดทางการเงินได้ดีขึ้น (ต่ำเพียงหนึ่งในสิบล้าน) ซึ่งเป็นแนวโน้มหลักของการพัฒนาของการระบุไบโอเมตริกซ์

ระบบไบโอเมตริกซ์หลายรูปแบบ

ระบบไบโอเมตริกซ์หลายรูปแบบใช้เซ็นเซอร์หลายตัวหรือไบโอเมตริกซ์เพื่อเอาชนะข้อ จำกัด ของระบบไบโอเมตริกซ์แบบ unimodal ตัวอย่างเช่นระบบการจดจำม่านตาสามารถลดลงได้โดยไอริสอายุและการจดจำลายนิ้วมืออิเล็กทรอนิกส์สามารถแย่ลงได้ ในขณะที่ระบบไบโอเมตริกซ์แบบ unimodal ถูก จำกัด ด้วยความสมบูรณ์ของตัวระบุของพวกเขา แต่ก็ไม่น่าเป็นไปได้ที่ระบบ unimodal หลายระบบจะได้รับผลกระทบจากข้อ จำกัด ที่เหมือนกัน ระบบไบโอเมตริกซ์หลายรูปแบบสามารถรับชุดข้อมูลจากเครื่องหมายเดียวกัน (เช่นภาพหลายภาพของม่านตาหรือสแกนนิ้วเดียวกัน) หรือข้อมูลจากไบโอเมตริกซ์ที่แตกต่างกัน (ต้องใช้การสแกนลายนิ้วมือและใช้การจดจำเสียง

ระบบไบโอเมตริกซ์แบบหลายรูปแบบสามารถหลอมรวมระบบ unimodal เหล่านี้ตามลำดับพร้อมกันการรวมกันของมันหรือในซีรีส์ซึ่งหมายถึงลำดับ, ขนาน, ขนาน, ลำดับชั้นและโหมดการรวมอนุกรมตามลำดับ

chancctvได้พัฒนาชุดของเลนส์ไบโอเมตริกซ์สำหรับการจดจำใบหน้าการรับรู้ของ Palmprint เช่นเดียวกับการระบุลายนิ้วมือและการระบุไอริสเช่นตัวอย่าง CH3659a เป็นเลนส์ที่มีการบิดเบือนต่ำ 4K ซึ่งออกแบบมาสำหรับเซ็นเซอร์ 1/1.8 '' มันมีการออกแบบกระจกและขนาดกะทัดรัดทั้งหมดด้วยเพียง 11.95 มม. TTL มันจับมุมมองแนวนอน 44 องศา เลนส์นี้เหมาะสำหรับการจดจำ Palmprint