Ang biometrics ay mga sukat ng katawan at kalkulasyon na nauugnay sa mga katangian ng tao. Ang biometric authentication (o realistic authentication) ay ginagamit sa computer science bilang isang paraan ng pagkilala at kontrol sa pag-access. Ginagamit din ito upang makilala ang mga indibidwal sa mga grupo na nasa ilalim ng pagbabantay.

Ang mga biometric identifier ay ang mga natatanging, nasusukat na katangian na ginagamit upang lagyan ng label at ilarawan ang mga indibidwal. Ang mga biometric identifier ay madalas na ikinategorya bilang mga katangiang pisyolohikal na nauugnay sa hugis ng katawan. Kabilang sa mga halimbawa ang, ngunit hindi limitado sa fingerprint, palm veins, face recognition, DNA, palm print, hand geometry, iris recognition, retina, at amoy/amoy.

Ang biometric identification technology ay kinabibilangan ng computer science, optics at acoustics at iba pang physical sciences, biological sciences, biosensors at biostatistics principles, security technology, at artificial intelligence technology at marami pang ibang basic sciences at innovative application technologies. Ito ay isang kumpletong multidisciplinary na teknikal na solusyon.

Sa mga nakalipas na taon, sa pag-unlad ng artificial intelligence, ang biometric identification technology ay naging mas mature. Sa kasalukuyan, ang teknolohiya sa pagkilala sa mukha ang pinakakinatawan ng biometrics.

Pagkilala sa mukha

Kasama sa proseso ng pagkilala sa mukha ang pagkolekta ng mukha, pagtukoy ng mukha, pagkuha ng feature ng mukha at pagkilala sa pagtutugma ng mukha. Gumagamit ang proseso ng pagkilala sa mukha ng iba't ibang teknolohiya tulad ng algorithm ng AdaBoos, convolutional neural network at suporta sa vector machine sa machine learning.

Ang proseso ng pagkilala sa mukha

Sa kasalukuyan, ang mga tradisyunal na paghihirap sa pagkilala sa mukha kabilang ang pag-ikot ng mukha, occlusion, pagkakatulad, atbp. ay lubos na napabuti, na lubos na nagpapabuti sa katumpakan ng pagkilala sa mukha. 2D face, 3D face, multi-spectral face Ang bawat mode ay may iba't ibang acquisition adaptation scenario, data security degree at privacy sensitivity, atbp., at ang pagdaragdag ng malalim na pag-aaral ng malaking data ay ginagawang dagdagan ng 3D face recognition algorithm ang mga depekto ng 2D projection, Mabilis nitong matukoy ang pagkakakilanlan ng isang tao, na nagdulot ng isang tiyak na tagumpay para sa paggamit ng dalawang-dimensional na pagkilala sa mukha.

Kasabay nito, ang teknolohiya ng biometric detection ay kasalukuyang ginagamit bilang isang pangunahing teknolohiya upang mapabuti ang seguridad ng pagkilala sa mukha, na maaaring epektibong labanan ang pandaraya tulad ng mga larawan, video, 3D na modelo, at prosthetic mask, at independiyenteng matukoy ang pagkakakilanlan ng gumagamit ng operating. Sa kasalukuyan, sa mabilis na pag-unlad ng teknolohiya sa pagkilala sa mukha, maraming mga makabagong application tulad ng mga matalinong device, online na pananalapi, at pagbabayad ng mukha ay lalong naging popular, na nagdadala ng bilis at kaginhawahan sa buhay at trabaho ng lahat.

Pagkilala sa palmprint

Ang Palmprint recognition ay isang bagong uri ng biometric recognition technology, na gumagamit ng palmprint ng katawan ng tao bilang target na feature, at nangongolekta ng biological na impormasyon sa pamamagitan ng multispectral imaging technology. Ang multi-spectral palmprint recognition ay maaaring ituring bilang isang modelo ng biometric recognition technology na pinagsasama ang multi-modality at maramihang target na feature. Pinagsasama ng bagong teknolohiyang ito ang tatlong makikilalang katangian ng skin spectrum, palm print at vein veins upang makapagbigay ng mas maraming impormasyon sa isang pagkakataon at mapataas ang pagkakaiba ng mga target na feature.

Ngayong taon, ang teknolohiya ng pagkilala ng palad ng Amazon, na may pangalang Orville, ay nagsimulang magsubok. Ang scanner ay unang nakakakuha ng isang set ng infrared polarized na orihinal na mga imahe, na tumutuon sa mga panlabas na katangian ng palad, tulad ng mga linya at fold; kapag nakuha muli ang pangalawang hanay ng mga polarized na imahe, nakatutok ito sa istraktura ng palad at mga panloob na katangian, tulad ng mga ugat, buto, malambot na tisyu, atbp. Ang mga hilaw na larawan ay unang pinoproseso upang magbigay ng isang hanay ng mga larawang naglalaman ng mga kamay. Ang mga larawang ito ay maliwanag, nakatutok, at ipinapakita ang palad sa isang partikular na oryentasyon, sa isang partikular na pose, at may label na kaliwa o kanang kamay.

Sa kasalukuyan, ang teknolohiya ng pagkilala sa palmprint ng Amazon ay maaaring mag-verify ng personal na pagkakakilanlan at kumpletong pagbabayad sa loob lamang ng 300 millisecond, at hindi nangangailangan ng mga user na ilagay ang kanilang mga kamay sa aparato sa pag-scan, kumaway at mag-scan nang walang kontak. Ang rate ng pagkabigo ng teknolohiyang ito ay halos 0.0001%. Kasabay nito, ang pagkilala sa palmprint ay isang dobleng pag-verify sa unang yugto - ang unang pagkakataon upang makakuha ng mga panlabas na katangian, at ang pangalawang pagkakataon upang makakuha ng mga panloob na katangian ng organisasyon. Kung ikukumpara sa iba pang biometric na teknolohiya sa mga tuntunin ng seguridad, pinabuting.

Bilang karagdagan sa mga biometric na tampok sa itaas, ang teknolohiya sa pagkilala ng iris ay pinasikat din. Ang maling rate ng pagkilala ng iris na pagkilala ay kasing baba ng 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 iisang modality ay may mga bottleneck sa parehong pagganap ng pagkilala at seguridad, at ang multi-modal fusion ay isang mahalagang tagumpay sa pagkilala sa mukha at maging sa biometric na pagkilala—hindi lamang sa pamamagitan ng multi-factor Ang paraan upang mapabuti ang katumpakan ng pagkilala ay maaari ring mapabuti ang kakayahang umangkop sa eksena at seguridad sa privacy ng biometric na teknolohiya sa isang tiyak na lawak. Kung ikukumpara sa tradisyunal na single-mode algorithm, mas matutugunan nito ang financial-level false recognition rate (kasing baba ng isa sa sampung milyon), na isa ring pangunahing trend ng pagbuo ng biometric identification.

Multimodal biometric system

Gumagamit ang mga multimodal biometric system ng maraming sensor o biometrics upang malampasan ang mga limitasyon ng unimodal biometric system. Halimbawa, ang mga iris recognition system ay maaaring makompromiso ng tumatandang irises at ang electronic fingerprint recognition ay maaaring lumala ng pagod o putol na mga fingerprint. Bagama't ang mga unimodal biometric system ay nalilimitahan ng integridad ng kanilang identifier, hindi malamang na maraming mga unimodal system ang magdurusa sa magkatulad na limitasyon. Ang mga multimodal biometric system ay maaaring makakuha ng mga hanay ng impormasyon mula sa parehong marker (ibig sabihin, maraming larawan ng isang iris, o mga pag-scan ng parehong daliri) o impormasyon mula sa iba't ibang biometrics (nangangailangan ng mga fingerprint scan at, gamit ang voice recognition, isang pasalitang passcode).

Maaaring pagsamahin ng mga multimodal biometric system ang mga unimodal system na ito nang sunud-sunod, sabay-sabay, isang kumbinasyon nito, o sa serye, na tumutukoy sa mga sequential, parallel, hierarchical at serial integration mode, ayon sa pagkakabanggit.

CHANCCTVay bumuo ng isang serye ngmga biometric na lentepara sa pagkilala sa mukha, pagkilala sa palmprint pati na rin sa pagkakakilanlan ng fingerprint at pagkilala sa iris. Halimbawa ang CH3659A ay isang 4k na mababang distortion na lens na idinisenyo para sa mga 1/1.8'' sensor. Nagtatampok ito ng lahat ng salamin at compact na disenyo na may 11.95mm TTL lamang. Kinukuha nito ang 44 degrees na pahalang na field of view. Ang lens na ito ay perpekto para sa pagkilala ng palmprint.