Biyometri, insan özelliklerine ilişkin vücut ölçümleri ve hesaplamalardır. Biyometrik kimlik doğrulama (veya gerçekçi kimlik doğrulama), bilgisayar bilimlerinde bir tanımlama ve erişim kontrolü biçimi olarak kullanılır. Aynı zamanda gözetim altında olan gruplardaki bireyleri tanımlamak için de kullanılır.

Biyometrik tanımlayıcılar bireyleri etiketlemek ve tanımlamak için kullanılan ayırt edici, ölçülebilir özelliklerdir. Biyometrik tanımlayıcılar genellikle vücudun şekliyle ilgili fizyolojik özellikler olarak sınıflandırılır. Örnekler arasında parmak izi, avuç içi damarları, yüz tanıma, DNA, avuç içi izi, el geometrisi, iris tanıma, retina ve koku/koku yer alır ancak bunlarla sınırlı değildir.

Biyometrik tanımlama teknolojisi, bilgisayar bilimi, optik ve akustik ile diğer fizik bilimleri, biyolojik bilimler, biyosensörler ve biyoistatistik ilkeleri, güvenlik teknolojisi ve yapay zeka teknolojisi ile diğer birçok temel bilimi ve yenilikçi uygulama teknolojilerini içerir. Tam bir multidisipliner teknik çözümdür.

Son yıllarda yapay zekanın gelişmesiyle birlikte biyometrik tanımlama teknolojisi daha olgun hale geldi. Şu anda yüz tanıma teknolojisi biyometriyi en iyi temsil eden teknolojidir.

Yüz tanıma

Yüz tanıma süreci, yüz toplama, yüz algılama, yüz özelliği çıkarma ve yüz eşleştirme tanıma işlemlerini içerir. Yüz tanıma işleminde AdaBoos algoritması, evrişimsel sinir ağı ve makine öğrenimindeki destek vektör makinesi gibi çeşitli teknolojiler kullanılmaktadır.

Yüz tanıma süreci

Şu anda, yüz döndürme, kapatma, benzerlik vb. gibi geleneksel yüz tanıma zorlukları büyük ölçüde iyileştirildi ve bu da yüz tanımanın doğruluğunu büyük ölçüde artırdı. 2D yüz, 3D yüz, çoklu spektral yüz Her modun farklı edinim uyarlama senaryoları, veri güvenliği derecesi ve gizlilik hassasiyeti vb. vardır ve büyük verilerin derin öğreniminin eklenmesi, 3D yüz tanıma algoritmasının 2D projeksiyonun kusurlarını tamamlamasını sağlar. Bir kişinin kimliğini hızlı bir şekilde tanımlayabiliyor ve bu da iki boyutlu yüz tanıma uygulamasına önemli bir atılım getiriyor.

Aynı zamanda, biyometrik algılama teknolojisi şu anda fotoğraf, video, 3D modeller ve protez maskeler gibi sahtecilik dolandırıcılığına etkili bir şekilde karşı koyabilen ve kişilerin kimliğini bağımsız olarak belirleyebilen yüz tanımanın güvenliğini artırmak için önemli bir teknoloji olarak kullanılıyor. kullanıcıları çalıştırıyor. Günümüzde yüz tanıma teknolojisinin hızla gelişmesiyle birlikte akıllı cihazlar, çevrimiçi finans, yüz ödeme gibi birçok yenilikçi uygulama giderek popüler hale gelerek herkesin hayatına ve işine hız ve kolaylık getiriyor.

Avuç içi tanıma

Avuç içi tanıma, insan vücudunun avuç izini hedef özellik olarak kullanan ve multispektral görüntüleme teknolojisi yoluyla biyolojik bilgi toplayan yeni bir biyometrik tanıma teknolojisi türüdür. Çok spektrumlu avuç içi tanıma, çok modlu ve çoklu hedef özelliklerini birleştiren bir biyometrik tanıma teknolojisi modeli olarak kabul edilebilir. Bu yeni teknoloji, tek seferde daha fazla bilgi sağlamak ve hedef özelliklerin ayırt edilebilirliğini artırmak için cilt spektrumu, avuç içi izi ve damar damarları gibi tanımlanabilir üç özelliği birleştirir.

Bu yıl Amazon'un Orville kod adlı avuç içi tanıma teknolojisi test edilmeye başlandı. Tarayıcı ilk önce avuç içi çizgileri ve kıvrımları gibi dış özelliklerine odaklanarak bir dizi kızılötesi polarize orijinal görüntü elde eder; ikinci polarize görüntü kümesini tekrar elde ederken avuç içi yapısına ve damarlar, kemikler, yumuşak dokular vb. gibi iç özelliklere odaklanır. Ham görüntüler başlangıçta elleri içeren bir dizi görüntü sağlamak üzere işlenir. Bu görüntüler iyi aydınlatılmış, odaklanmış durumda ve avuç içi belirli bir yönde, belirli bir pozda gösteriliyor ve sol veya sağ el olarak etiketleniyor.

Şu anda Amazon'un avuç içi tanıma teknolojisi, kişisel kimliği doğrulayabiliyor ve ödemeyi yalnızca 300 milisaniyede tamamlayabiliyor ve kullanıcıların ellerini tarama cihazına koymasını gerektirmiyor, sadece el sallayıp temas etmeden tarama yapıyor. Bu teknolojinin başarısızlık oranı yaklaşık %0,0001'dir. Aynı zamanda, avuç içi tanıma, ilk aşamada dışsal özelliklerin elde edilmesi ve ikinci kez dahili organizasyonel özelliklerin elde edilmesi için ilk aşamada ikili bir doğrulamadır. Güvenlik açısından diğer biyometrik teknolojilerle karşılaştırıldığında gelişmiştir.

Yukarıdaki biyometrik özelliklere ek olarak iris tanıma teknolojisi de popüler hale gelmektedir. İris tanımanın yanlış tanınma oranı 1/1000000 kadar düşüktür. Kimlikleri tanımlamak için esas olarak iris yaşam değişmezliği ve farklılığının özelliklerini kullanır.

Şu anda sektördeki fikir birliği, tek bir yöntemin tanınmasının hem tanıma performansı hem de güvenlik açısından darboğazlara sahip olduğu ve çok modlu füzyonun, yalnızca çok faktörlü değil, yüz tanıma ve hatta biyometrik tanıma konusunda da önemli bir atılım olduğu yönünde. Tanıma doğruluğunun arttırılması, biyometrik teknolojinin sahne uyarlanabilirliğini ve gizlilik güvenliğini de bir dereceye kadar geliştirebilir. Geleneksel tek modlu algoritmayla karşılaştırıldığında, aynı zamanda biyometrik tanımlamanın geliştirilmesindeki ana eğilim olan finansal düzeydeki yanlış tanıma oranını (on milyonda bir kadar düşük) daha iyi karşılayabilir.

Çok modlu biyometrik sistem

Multimodal biyometrik sistemler, tek modlu biyometrik sistemlerin sınırlamalarının üstesinden gelmek için birden fazla sensör veya biyometri kullanır. Örneğin iris tanıma sistemleri, yaşlanan irisler nedeniyle tehlikeye girebilir ve elektronik parmak izi tanıma, yıpranmış veya kesilmiş parmak izleri nedeniyle kötüleşebilir. Tek modlu biyometrik sistemler, tanımlayıcılarının bütünlüğü ile sınırlı olsa da, birkaç tek modlu sistemin aynı sınırlamalardan muzdarip olması pek olası değildir. Multimodal biyometrik sistemler, aynı işaretleyiciden (yani, bir irisin birden fazla görüntüsü veya aynı parmağın taranması) bilgi kümeleri veya farklı biyometrilerden (parmak izi taramaları gerektiren ve ses tanımayı kullanarak sözlü bir şifre gerektiren) bilgi elde edebilir.

Çok modlu biyometrik sistemler, bu tek modlu sistemleri sıralı olarak, eş zamanlı olarak, bunların bir kombinasyonuyla veya sırasıyla sıralı, paralel, hiyerarşik ve seri entegrasyon modlarına karşılık gelen seriler halinde birleştirebilir.

CHANCCTVbir dizi geliştirdibiyometrik lensleryüz tanıma, avuç içi tanımanın yanı sıra parmak izi tanıma ve iris tanımlama için. Örneğin CH3659A, 1/1,8 inç sensörler için tasarlanmış 4k düşük distorsiyonlu bir lenstir. Yalnızca 11,95 mm TTL ile tüm cam ve kompakt tasarımlara sahiptir. 44 derecelik yatay görüş alanı yakalar. Bu lens avuç içi izi tanıma için idealdir.