બાયોમેટ્રિક્સ એ શરીરના માપ અને માનવ લાક્ષણિકતાઓ સાથે સંબંધિત ગણતરીઓ છે. બાયોમેટ્રિક પ્રમાણીકરણ (અથવા વાસ્તવિક પ્રમાણીકરણ) નો ઉપયોગ કમ્પ્યુટર વિજ્ઞાનમાં ઓળખ અને ઍક્સેસ નિયંત્રણના સ્વરૂપ તરીકે થાય છે. તેનો ઉપયોગ દેખરેખ હેઠળ રહેલા જૂથોમાં વ્યક્તિઓને ઓળખવા માટે પણ થાય છે.

બાયોમેટ્રિક ઓળખકર્તાઓ એ વિશિષ્ટ, માપી શકાય તેવી લાક્ષણિકતાઓ છે જેનો ઉપયોગ વ્યક્તિઓને લેબલ કરવા અને તેનું વર્ણન કરવા માટે થાય છે. બાયોમેટ્રિક ઓળખકર્તાઓને ઘણીવાર શારીરિક લાક્ષણિકતાઓ તરીકે વર્ગીકૃત કરવામાં આવે છે જે શરીરના આકાર સાથે સંબંધિત છે. ઉદાહરણોમાં ફિંગરપ્રિન્ટ, હથેળીની નસો, ચહેરાની ઓળખ, ડીએનએ, હથેળીની છાપ, હાથની ભૂમિતિ, આઇરિસ ઓળખ, રેટિના અને ગંધ/સુગંધનો સમાવેશ થાય છે, પરંતુ તે તેના સુધી મર્યાદિત નથી.

બાયોમેટ્રિક ઓળખ ટેકનોલોજીમાં કોમ્પ્યુટર વિજ્ઞાન, ઓપ્ટિક્સ અને એકોસ્ટિક્સ અને અન્ય ભૌતિક વિજ્ઞાન, જૈવિક વિજ્ઞાન, બાયોસેન્સર્સ અને બાયોસ્ટેટિસ્ટિક્સ સિદ્ધાંતો, સુરક્ષા ટેકનોલોજી, અને કૃત્રિમ બુદ્ધિ ટેકનોલોજી અને અન્ય ઘણી મૂળભૂત વિજ્ઞાન અને નવીન એપ્લિકેશન ટેકનોલોજીનો સમાવેશ થાય છે. તે એક સંપૂર્ણ બહુ-શાખાકીય તકનીકી ઉકેલો છે.

તાજેતરના વર્ષોમાં, કૃત્રિમ બુદ્ધિમત્તાના વિકાસ સાથે, બાયોમેટ્રિક ઓળખ ટેકનોલોજી વધુ પરિપક્વ બની છે. હાલમાં, ચહેરો ઓળખ ટેકનોલોજી બાયોમેટ્રિક્સનું સૌથી પ્રતિનિધિત્વ કરે છે.

ચહેરાની ઓળખ

ચહેરા ઓળખવાની પ્રક્રિયામાં ચહેરાનું કલેક્શન, ચહેરાની શોધ, ચહેરાના લક્ષણ નિષ્કર્ષણ અને ચહેરાની મેચિંગ ઓળખનો સમાવેશ થાય છે. ચહેરા ઓળખવાની પ્રક્રિયા મશીન લર્નિંગમાં AdaBoos અલ્ગોરિધમ, કન્વોલ્યુશનલ ન્યુરલ નેટવર્ક અને સપોર્ટ વેક્ટર મશીન જેવી વિવિધ તકનીકોનો ઉપયોગ કરે છે.

ચહેરાની ઓળખની પ્રક્રિયા

હાલમાં, ચહેરાના પરિભ્રમણ, અવરોધ, સમાનતા, વગેરે સહિત પરંપરાગત ચહેરા ઓળખવાની મુશ્કેલીઓમાં ઘણો સુધારો કરવામાં આવ્યો છે, જે ચહેરા ઓળખવાની ચોકસાઈમાં ઘણો સુધારો કરે છે. 2D ચહેરો, 3D ચહેરો, મલ્ટી-સ્પેક્ટ્રલ ચહેરો દરેક મોડમાં અલગ અલગ સંપાદન અનુકૂલન દૃશ્યો, ડેટા સુરક્ષા ડિગ્રી અને ગોપનીયતા સંવેદનશીલતા વગેરે હોય છે, અને મોટા ડેટાના ઊંડા શિક્ષણનો ઉમેરો 3D ચહેરો ઓળખ અલ્ગોરિધમને 2D પ્રોજેક્શનની ખામીઓને પૂરક બનાવે છે, તે વ્યક્તિની ઓળખને ઝડપથી ઓળખી શકે છે, જેણે દ્વિ-પરિમાણીય ચહેરા ઓળખના ઉપયોગ માટે ચોક્કસ સફળતા લાવી છે.

તે જ સમયે, બાયોમેટ્રિક ડિટેક્શન ટેકનોલોજીનો ઉપયોગ હાલમાં ચહેરા ઓળખની સુરક્ષા સુધારવા માટે એક મુખ્ય ટેકનોલોજી તરીકે થઈ રહ્યો છે, જે ફોટા, વિડિઓઝ, 3D મોડેલ્સ અને પ્રોસ્થેટિક માસ્ક જેવા નકલી છેતરપિંડીને અસરકારક રીતે પ્રતિકાર કરી શકે છે અને ઓપરેટિંગ વપરાશકર્તાઓની ઓળખ સ્વતંત્ર રીતે નક્કી કરી શકે છે. હાલમાં, ચહેરા ઓળખ ટેકનોલોજીના ઝડપી વિકાસ સાથે, સ્માર્ટ ઉપકરણો, ઓનલાઈન ફાઇનાન્સ અને ફેસ પેમેન્ટ જેવી ઘણી નવીન એપ્લિકેશનો વધુને વધુ લોકપ્રિય બની છે, જે દરેકના જીવન અને કાર્યમાં ગતિ અને સુવિધા લાવે છે.

પામપ્રિન્ટ ઓળખ

પામપ્રિન્ટ ઓળખ એ એક નવી પ્રકારની બાયોમેટ્રિક ઓળખ ટેકનોલોજી છે, જે માનવ શરીરના પામપ્રિન્ટનો ઉપયોગ લક્ષ્ય લક્ષણ તરીકે કરે છે, અને મલ્ટિસ્પેક્ટ્રલ ઇમેજિંગ ટેકનોલોજી દ્વારા જૈવિક માહિતી એકત્રિત કરે છે. મલ્ટિ-સ્પેક્ટ્રલ પામપ્રિન્ટ ઓળખને બાયોમેટ્રિક ઓળખ ટેકનોલોજીના એક મોડેલ તરીકે ગણી શકાય જે મલ્ટિ-મોડેલિટી અને મલ્ટિપલ ટાર્ગેટ સુવિધાઓને જોડે છે. આ નવી ટેકનોલોજી ત્વચા સ્પેક્ટ્રમ, પામ પ્રિન્ટ અને નસ નસોના ત્રણ ઓળખી શકાય તેવા લક્ષણોને જોડે છે જેથી એક સમયે વધુ વિપુલ પ્રમાણમાં માહિતી પૂરી પાડી શકાય અને લક્ષ્ય લક્ષણોની વિશિષ્ટતામાં વધારો થાય.

આ વર્ષે, એમેઝોનની પામ ઓળખ ટેકનોલોજી, જેને કોડ-નેમ ઓરવિલ આપવામાં આવ્યું છે, તેનું પરીક્ષણ શરૂ થયું છે. સ્કેનર પહેલા ઇન્ફ્રારેડ પોલરાઇઝ્ડ મૂળ છબીઓનો સમૂહ મેળવે છે, જે હથેળીના બાહ્ય લક્ષણો, જેમ કે રેખાઓ અને ફોલ્ડ્સ પર ધ્યાન કેન્દ્રિત કરે છે; જ્યારે ફરીથી ધ્રુવીકૃત છબીઓનો બીજો સેટ મેળવે છે, ત્યારે તે હથેળીની રચના અને આંતરિક સુવિધાઓ, જેમ કે નસો, હાડકાં, નરમ પેશીઓ વગેરે પર ધ્યાન કેન્દ્રિત કરે છે. કાચી છબીઓને શરૂઆતમાં હાથ ધરાવતી છબીઓનો સમૂહ પ્રદાન કરવા માટે પ્રક્રિયા કરવામાં આવે છે. આ છબીઓ સારી રીતે પ્રકાશિત, ફોકસમાં હોય છે, અને હથેળીને ચોક્કસ દિશામાં, ચોક્કસ પોઝમાં અને ડાબા અથવા જમણા હાથ તરીકે લેબલ કરવામાં આવે છે.

હાલમાં, એમેઝોનની પામપ્રિન્ટ ઓળખ ટેકનોલોજી ફક્ત 300 મિલિસેકન્ડમાં વ્યક્તિગત ઓળખ અને ચુકવણી પૂર્ણ કરી શકે છે, અને વપરાશકર્તાઓને સ્કેનિંગ ઉપકરણ પર હાથ મૂકવાની જરૂર નથી, ફક્ત સંપર્ક વિના હાથ લહેરાવીને સ્કેન કરવાની જરૂર છે. આ ટેકનોલોજીનો નિષ્ફળતા દર લગભગ 0.0001% છે. તે જ સમયે, પામપ્રિન્ટ ઓળખ એ પ્રારંભિક તબક્કામાં બેવડી ચકાસણી છે - બાહ્ય લાક્ષણિકતાઓ મેળવવા માટે પ્રથમ વખત, અને આંતરિક સંગઠનાત્મક લાક્ષણિકતાઓ મેળવવા માટે બીજી વખત. સુરક્ષાની દ્રષ્ટિએ અન્ય બાયોમેટ્રિક તકનીકોની તુલનામાં, સુધારેલ છે.

ઉપરોક્ત બાયોમેટ્રિક સુવિધાઓ ઉપરાંત, આઇરિસ ઓળખ ટેકનોલોજી પણ લોકપ્રિય બની રહી છે. આઇરિસ ઓળખનો ખોટો ઓળખ દર 1/1000000 જેટલો ઓછો છે. તે મુખ્યત્વે ઓળખ ઓળખવા માટે આઇરિસ લાઇફ ઇન્વેરિયન્સ અને ડિફરન્સની લાક્ષણિકતાઓનો ઉપયોગ કરે છે.

હાલમાં, ઉદ્યોગમાં સર્વસંમતિ એ છે કે એક જ પદ્ધતિની ઓળખમાં ઓળખ કામગીરી અને સુરક્ષા બંનેમાં અવરોધો છે, અને મલ્ટી-મોડલ ફ્યુઝન એ ચહેરાની ઓળખ અને બાયોમેટ્રિક ઓળખમાં પણ એક મહત્વપૂર્ણ સફળતા છે - ફક્ત બહુ-પરિબળ દ્વારા જ નહીં. ઓળખની ચોકસાઈ સુધારવાનો માર્ગ બાયોમેટ્રિક ટેકનોલોજીની દ્રશ્ય અનુકૂલનક્ષમતા અને ગોપનીયતા સુરક્ષાને પણ ચોક્કસ હદ સુધી સુધારી શકે છે. પરંપરાગત સિંગલ-મોડ અલ્ગોરિધમની તુલનામાં, તે નાણાકીય-સ્તરના ખોટા ઓળખ દર (દસ મિલિયનમાંથી એક જેટલો ઓછો) ને વધુ સારી રીતે પૂર્ણ કરી શકે છે, જે બાયોમેટ્રિક ઓળખના વિકાસનો મુખ્ય વલણ પણ છે.

મલ્ટિમોડલ બાયોમેટ્રિક સિસ્ટમ

મલ્ટિમોડલ બાયોમેટ્રિક સિસ્ટમ્સ યુનિમોડલ બાયોમેટ્રિક સિસ્ટમ્સની મર્યાદાઓને દૂર કરવા માટે બહુવિધ સેન્સર અથવા બાયોમેટ્રિક્સનો ઉપયોગ કરે છે. ઉદાહરણ તરીકે, આઇરિસ ઓળખ સિસ્ટમ્સ વૃદ્ધ આઇરિસ દ્વારા ચેડા થઈ શકે છે અને ઇલેક્ટ્રોનિક ફિંગરપ્રિન્ટ ઓળખ ઘસાઈ ગયેલા અથવા કાપેલા ફિંગરપ્રિન્ટ્સ દ્વારા વધુ ખરાબ થઈ શકે છે. જ્યારે યુનિમોડલ બાયોમેટ્રિક સિસ્ટમ્સ તેમના ઓળખકર્તાની અખંડિતતા દ્વારા મર્યાદિત હોય છે, ત્યારે તે અસંભવિત છે કે ઘણી યુનિમોડલ સિસ્ટમ્સ સમાન મર્યાદાઓથી પીડાય. મલ્ટિમોડલ બાયોમેટ્રિક સિસ્ટમ્સ એક જ માર્કર (એટલે ​​કે, આઇરિસની બહુવિધ છબીઓ, અથવા એક જ આંગળીના સ્કેન) અથવા વિવિધ બાયોમેટ્રિક્સમાંથી માહિતી (ફિંગરપ્રિન્ટ સ્કેન અને વૉઇસ ઓળખનો ઉપયોગ કરીને, બોલાયેલ પાસકોડની જરૂર હોય છે) માંથી માહિતીના સેટ મેળવી શકે છે.

મલ્ટિમોડલ બાયોમેટ્રિક સિસ્ટમ્સ આ યુનિમોડલ સિસ્ટમ્સને ક્રમિક રીતે, એકસાથે, તેમના સંયોજનમાં, અથવા શ્રેણીમાં ફ્યુઝ કરી શકે છે, જે અનુક્રમે ક્રમિક, સમાંતર, વંશવેલો અને શ્રેણીબદ્ધ એકીકરણ મોડ્સનો સંદર્ભ આપે છે.

ચેન્કસીટીવીની શ્રેણી વિકસાવી છેબાયોમેટ્રિક લેન્સચહેરાની ઓળખ, પામપ્રિન્ટ ઓળખ તેમજ ફિંગરપ્રિન્ટ ઓળખ અને આઇરિસ ઓળખ માટે. ઉદાહરણ તરીકે CH3659A એ 4k લો ડિસ્ટોર્શન લેન્સ છે જે 1/1.8'' સેન્સર માટે ડિઝાઇન કરવામાં આવ્યો હતો. તેમાં ફક્ત 11.95mm TTL સાથે બધા કાચ અને કોમ્પેક્ટ ડિઝાઇન છે. તે 44 ડિગ્રી આડી દૃશ્ય ક્ષેત્રને કેપ્ચર કરે છે. આ લેન્સ પામપ્રિન્ટ ઓળખ માટે આદર્શ છે.