Ang mga biometrics ay mga sukat ng katawan at mga kalkulasyon na may kaugnayan sa mga katangian ng tao. Ang pagpapatunay ng biometric (o makatotohanang pagpapatunay) ay ginagamit sa science sa computer bilang isang form ng pagkilala at control control. Ginagamit din ito upang makilala ang mga indibidwal sa mga pangkat na nasa ilalim ng pagsubaybay.

Ang mga biometric na pagkakakilanlan ay ang natatanging, masusukat na mga katangian na ginamit upang lagyan ng label at ilarawan ang mga indibidwal. Ang mga biometric na pagkakakilanlan ay madalas na ikinategorya bilang mga katangian ng physiological na nauugnay sa hugis ng katawan. Kasama sa mga halimbawa, ngunit hindi limitado sa fingerprint, palm veins, pagkilala sa mukha, DNA, palma print, geometry ng kamay, pagkilala sa iris, retina, at amoy/amoy.

Ang teknolohiyang pagkakakilanlan ng biometric ay nagsasangkot ng science sa computer, optika at acoustics at iba pang mga pisikal na agham, biological science, biosensors at biostatistic prinsipyo, teknolohiya ng seguridad, at teknolohiyang artipisyal na intelihensiya at maraming iba pang mga pangunahing agham at makabagong mga teknolohiya ng aplikasyon. Ito ay isang kumpletong mga solusyon sa teknikal na multidisciplinary.

Sa mga nagdaang taon, sa pag -unlad ng artipisyal na katalinuhan, ang teknolohiyang pagkakakilanlan ng biometric ay naging mas matanda. Sa kasalukuyan, ang teknolohiya ng pagkilala sa mukha ay ang pinaka kinatawan ng biometrics.

Pagkilala sa mukha

Ang proseso ng pagkilala sa mukha ay may kasamang koleksyon ng mukha, pagtuklas ng mukha, pagkuha ng tampok ng mukha at pagkilala sa pagtutugma ng mukha. Ang proseso ng pagkilala sa mukha ay gumagamit ng iba't ibang mga teknolohiya tulad ng ADABOOS algorithm, convolutional neural network at suportahan ang vector machine sa pag -aaral ng makina.

Ang proseso ng pagkilala sa mukha

Sa kasalukuyan, ang tradisyunal na mga paghihirap sa pagkilala sa mukha kabilang ang pag -ikot ng mukha, occlusion, pagkakapareho, atbp ay lubos na napabuti, na lubos na nagpapabuti sa kawastuhan ng pagkilala sa mukha. 2d mukha, 3D mukha, multi-spectral face Ang bawat mode ay may iba't ibang mga sitwasyon sa pagbagay sa pagkuha, degree ng seguridad ng data at pagiging sensitibo sa privacy, atbp, at ang pagdaragdag ng malalim na pag-aaral ng malaking data ay ginagawang suplemento ng 3D na pagkilala sa mukha ng algorithm ang mga depekto ng 2D projection, Mabilis nitong matukoy ang pagkakakilanlan ng isang tao, na nagdala ng isang tiyak na tagumpay para sa aplikasyon ng pagkilala sa two-dimensional na mukha.

Kasabay nito, ang teknolohiyang pagtuklas ng biometric ay kasalukuyang ginagamit bilang isang pangunahing teknolohiya upang mapagbuti ang seguridad ng pagkilala sa mukha, na maaaring epektibong pigilan ang pag -aalsa ng pandaraya tulad ng mga gumagamit ng operating. Sa kasalukuyan, sa mabilis na pag -unlad ng teknolohiya ng pagkilala sa mukha, maraming mga makabagong aplikasyon tulad ng mga matalinong aparato, pananalapi sa online, at pagbabayad ng mukha ay naging popular, na nagdadala ng bilis at kaginhawaan sa buhay at trabaho ng lahat.

Pagkilala sa PalmPrint

Ang pagkilala sa PalmPrint ay isang bagong uri ng teknolohiyang pagkilala sa biometric, na gumagamit ng palmprint ng katawan ng tao bilang target na tampok, at nangongolekta ng biological na impormasyon sa pamamagitan ng multispectral imaging teknolohiya. Ang pagkilala sa multi-spectral palmprint ay maaaring ituring bilang isang modelo ng teknolohiyang pagkilala sa biometric na pinagsasama ang multi-modality at maraming mga tampok na target. Pinagsasama ng bagong teknolohiyang ito ang tatlong makikilalang mga tampok ng spectrum ng balat, pag -print ng palma at mga ugat ng ugat upang magbigay ng mas maraming impormasyon sa isang pagkakataon at dagdagan ang pagkakaiba -iba ng mga tampok na target.

Ngayong taon, ang teknolohiyang pagkilala sa Palma ng Amazon, na pinangalanan na code na Orville, ay nagsimulang pagsubok. Ang scanner ay unang nakakakuha ng isang hanay ng mga infrared polarized na orihinal na mga imahe, na nakatuon sa mga panlabas na tampok ng palad, tulad ng mga linya at mga fold; Kapag nakuha ang pangalawang hanay ng mga polarized na imahe muli, nakatuon ito sa istraktura ng palad at mga panloob na tampok, tulad ng mga ugat, buto, malambot na tisyu, atbp. Ang mga larawang ito ay mahusay na naiilawan, nakatuon, at ipinapakita ang palad sa isang tiyak na orientation, sa isang tiyak na pose, at may label na kaliwa o kanang kamay.

Sa kasalukuyan, ang teknolohiya ng pagkilala sa PalmPrint ng Amazon ay maaaring mapatunayan ang personal na pagkakakilanlan at kumpletong pagbabayad sa 300 millisecond lamang, at hindi hinihiling ang mga gumagamit na ilagay ang kanilang mga kamay sa aparato ng pag -scan, mag -alon lamang at mag -scan nang walang pakikipag -ugnay. Ang rate ng pagkabigo ng teknolohiyang ito ay tungkol sa 0.0001%. Kasabay nito, ang pagkilala sa palmprint ay isang dobleng pag -verify sa paunang yugto - ang unang pagkakataon upang makakuha ng mga panlabas na katangian, at ang pangalawang pagkakataon upang makakuha ng mga panloob na katangian ng organisasyon. Kumpara sa iba pang mga teknolohiyang biometric sa mga tuntunin ng seguridad, napabuti.

Bilang karagdagan sa mga tampok na biometric sa itaas, ang teknolohiya ng pagkilala sa IRIS ay nai -popularized din. Ang maling rate ng pagkilala sa pagkilala sa Iris ay mas mababa sa 1/1000000. Pangunahing ginagamit nito ang mga katangian ng Iris Life Invariance at pagkakaiba upang makilala ang mga pagkakakilanlan.

Sa kasalukuyan, ang pinagkasunduan sa industriya ay ang pagkilala sa isang solong modality ay may mga bottlenecks sa parehong pagkilala sa pagganap at seguridad, at ang multi-modal fusion ay isang mahalagang tagumpay sa pagkilala sa mukha at maging ang pagkilala sa biometric-hindi lamang sa pamamagitan ng multi-factor sa daan Upang mapagbuti ang kawastuhan ng pagkilala ay maaari ring mapabuti ang kakayahang umangkop sa eksena at seguridad sa privacy ng teknolohiyang biometric sa isang tiyak na lawak. Kung ikukumpara sa tradisyunal na single-mode algorithm, mas mahusay na matugunan ang antas ng maling pagkilala sa rate ng pananalapi (kasing mababa sa isa sa sampung milyon), na kung saan ay din ang pangunahing kalakaran ng pagbuo ng pagkilala sa biometric.

Multimodal biometric system

Ang mga multimodal biometric system ay gumagamit ng maraming mga sensor o biometrics upang mapagtagumpayan ang mga limitasyon ng mga unimodal biometric system.Para sa halimbawa ng mga sistema ng pagkilala sa iris ay maaaring makompromiso sa pamamagitan ng pag-iipon ng mga irises at pagkilala sa elektronikong fingerprint ay maaaring mapalala ng pagod o gupitin ang mga fingerprint. Habang ang mga unimodal biometric system ay limitado sa pamamagitan ng integridad ng kanilang identifier, hindi malamang na maraming mga unimodal system ang magdurusa sa magkaparehong mga limitasyon. Ang mga multimodal biometric system ay maaaring makakuha ng mga hanay ng impormasyon mula sa parehong marker (ibig sabihin, maraming mga imahe ng isang iris, o mga pag -scan ng parehong daliri) o impormasyon mula sa iba't ibang mga biometrics (nangangailangan ng mga pag -scan ng fingerprint at, gamit ang pagkilala sa boses, isang pasalitang passcode).

Ang mga multimodal biometric system ay maaaring mag -fuse ng mga unimodal system na sunud -sunod, sabay -sabay, isang kumbinasyon nito, o sa serye, na tumutukoy sa sunud -sunod, kahanay, hierarchical at serial na mga mode ng pagsasama, ayon sa pagkakabanggit.

Chancctvay nakabuo ng isang serye ngBiometric lensPara sa pagkilala sa mukha, ang pagkilala sa palmprint pati na rin ang pagkilala sa fingerprint at pagkilala sa iris.Para sa halimbawa ng CH3659A ay isang 4K na mababang pagbaluktot na lens na idinisenyo para sa 1/1.8 '' sensor. Nagtatampok ito ng lahat ng mga disenyo ng baso at compact na may lamang 11.95mm TTL. Kinukuha nito ang 44 degree na pahalang na larangan ng pagtingin. Ang lens na ito ay mainam para sa pagkilala sa palmprint.