Biyometri, vücut ölçümleri ve insan özellikleriyle ilgili hesaplamalardır. Biyometrik kimlik doğrulama (veya gerçekçi kimlik doğrulama) bilgisayar biliminde bir tanımlama ve erişim kontrolü biçimi olarak kullanılır. Ayrıca gözetim altındaki gruplardaki bireyleri tanımlamak için de kullanılır.

Biyometrik tanımlayıcılar, bireyleri etiketlemek ve tanımlamak için kullanılan ayırt edici, ölçülebilir özelliklerdir. Biyometrik tanımlayıcılar genellikle vücudun şekli ile ilişkili fizyolojik özellikler olarak sınıflandırılır. Örnekler arasında parmak izi, palmiye damarları, yüz tanıma, DNA, palmiye baskısı, el geometrisi, iris tanıma, retina ve koku/koku bulunmaktadır.

Biyometrik kimlik teknolojisi bilgisayar bilimi, optik ve akustik ve diğer fizik bilimleri, biyolojik bilimler, biyosensörler ve biyo -alanlar ilkeleri, güvenlik teknolojisi ve yapay zeka teknolojisi ile diğer birçok temel bilim ve yenilikçi uygulama teknolojilerini içerir. Tam bir çok disiplinli teknik çözümdür.

Son yıllarda, yapay zekanın geliştirilmesiyle biyometrik kimlik teknolojisi daha olgunlaşmıştır. Şu anda, yüz tanıma teknolojisi biyometrinin en temsilcisidir.

Yüz tanıma

Yüz tanıma süreci, yüz toplama, yüz tespiti, yüz özellik çıkarma ve yüz eşleştirme tanımayı içerir. Yüz tanıma işlemi, adaboos algoritması, evrişimsel sinir ağı ve makine öğrenmesinde vektör makinesi destekleme gibi çeşitli teknolojiler kullanır.

Yüz tanıma süreci

Şu anda, yüz rotasyonu, oklüzyon, benzerlik vb. Geleneksel yüz tanıma zorlukları büyük ölçüde iyileştirilmiştir, bu da yüz tanıma doğruluğunu büyük ölçüde artırmıştır. 2D Yüz, 3D Yüz, Çok Spektral Yüz Her modda farklı edinme adaptasyon senaryoları, veri güvenliği derecesi ve gizlilik duyarlılığı, vb. Ve büyük verilerin derin öğrenmesinin eklenmesi, 3D yüz tanıma algoritması takviyesini 2D projeksiyonun kusurlarını takviye eder, İki boyutlu yüz tanımasının uygulanması için belirli bir atılım getiren bir kişinin kimliğini hızlı bir şekilde tanımlayabilir.

Aynı zamanda, biyometrik algılama teknolojisi şu anda, fotoğraflar, videolar, 3D modeller ve protez maskeleri gibi sahte sahtekarlığa etkili bir şekilde direnebilir ve bağımsız olarak belirleyebilen, yüz tanıma güvenliğini artırmak için önemli bir teknoloji olarak kullanılmaktadır. işletme kullanıcıları. Şu anda, yüz tanıma teknolojisinin hızlı gelişimi ile, akıllı cihazlar, çevrimiçi finans ve yüz ödemesi gibi birçok yenilikçi uygulama giderek daha popüler hale geldi, bu da herkesin hayatına ve işine hız ve rahatlık getirdi.

PalmPrint tanıma

PalmPrint tanıma, insan vücudunun palmprint'ini hedef özellik olarak kullanan ve çok spektrumlu görüntüleme teknolojisi aracılığıyla biyolojik bilgileri toplayan yeni bir biyometrik tanıma teknolojisi türüdür. Çok spektral palmprint tanıma, çok modalite ve çoklu hedef özellikleri birleştiren biyometrik tanıma teknolojisi modeli olarak kabul edilebilir. Bu yeni teknoloji, bir kerede daha fazla bilgi sağlamak ve hedef özelliklerin ayırt edilebilirliğini arttırmak için cilt spektrumu, palmiye baskısı ve damar damarlarının tanımlanabilir üç özelliğini birleştirir.

Bu yıl, Amazon'un Palm tanıma teknolojisi, ORVILLE adlı kod olarak adlandırıldı. Tarayıcı ilk olarak avucunun dış özelliklerine odaklanan, çizgiler ve kıvrımlar gibi bir dizi kızılötesi polarize orijinal görüntü alır; İkinci polarize görüntü kümesini tekrar edinirken, hurma yapısına ve damarlar, kemikler, yumuşak dokular, vb. Gibi iç özelliklere odaklanır. Ham görüntüler başlangıçta el içeren bir dizi görüntü sağlamak için işlenir. Bu görüntüler iyi aydınlatılmış, odaklanmıştır ve avucuyu belirli bir yönde, belirli bir pozda gösterir ve sol veya sağ elle etiketlenir.

Şu anda, Amazon'un PalmPrint tanıma teknolojisi kişisel kimliği ve ödemeyi sadece 300 milisaniyede doğrulayabilir ve kullanıcıların ellerini tarama cihazına koymasını gerektirmez, sadece temassız dalga ve tarama. Bu teknolojinin başarısızlık oranı yaklaşık%0.0001'dir. Aynı zamanda, palmPrint tanıma ilk aşamada çift bir doğrulamadır - ilk kez dış özellikler elde etmek için ve ikinci kez iç organizasyonel özellikler elde etmek için. Güvenlik açısından diğer biyometrik teknolojilerle karşılaştırıldığında gelişti.

Yukarıdaki biyometrik özelliklere ek olarak, iris tanıma teknolojisi de popüler hale getirilmektedir. İris tanımanın yanlış tanıma oranı 1/1000000 kadar düşüktür. Esas olarak kimlikleri tanımlamak için iris yaşam değişmezliğinin ve farkının özelliklerini kullanır.

Şu anda, sektördeki fikir birliği, tek bir yöntemin tanınmasının hem tanıma performansı hem de güvenlikte darboğazlara sahip olması ve çok modlu füzyonun yüz tanımada ve hatta biyometrik tanımada önemli bir atılım olmasıdır-sadece çok faktörlü yolla değil, Tanıma doğruluğunu artırmak için biyometrik teknolojinin sahnenin uyarlanabilirliğini ve gizlilik güvenliğini bir dereceye kadar geliştirebilir. Geleneksel tek modlu algoritma ile karşılaştırıldığında, biyometrik tanımlamanın gelişiminin ana eğilimi olan finansal düzeyde yanlış tanıma oranını (on milyonda biri kadar düşük) daha iyi karşılayabilir.

Multimodal biyometrik sistem

Multimodal biyometrik sistemler, unimodal biyometrik sistemlerin sınırlamalarının üstesinden gelmek için çoklu sensörler veya biyometri kullanır. Örneğin iris tanıma sistemleri yaşlanan süsenlerle tehlikeye girebilir ve elektronik parmak izi tanıma yıpranmış veya kesme parmak izleri ile daha da kötüleştirilebilir. Unimodal biyometrik sistemler tanımlayıcılarının bütünlüğü ile sınırlı olsa da, birkaç unimodal sistemin aynı sınırlamalardan muzdarip olması olası değildir. Multimodal biyometrik sistemler, aynı markörden (yani bir iris çoklu görüntüleri veya aynı parmağın taramaları) veya farklı biyometriden (parmak izi taramaları gerektiren ve ses tanıması kullanılarak konuşulan bir şifre) bilgi kümeleri alabilir.

Multimodal biyometrik sistemler, bu unimodal sistemleri sırasıyla, aynı anda, bunların bir kombinasyonunu veya sırasıyla sıralı, paralel, hiyerarşik ve seri entegrasyon modlarına atıfta bulunan seri olarak kaynaştırabilir.

Chancctvbir dizi geliştirdibiyometrik lenslerYüz tanıma için, palmprint tanıma, parmak izi tanımlama ve iris tanımlama. Örneğin CH3659A, 1/1.8 '' sensörler için tasarlanmış 4K düşük bir bozulma lensidir. Sadece 11.95mm TTL ile tüm cam ve kompakt tasarımlara sahiptir. 44 derece yatay görüş alanı yakalar. Bu lens palmprint tanıma için idealdir.