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

બાયોમેટ્રિક ઓળખકર્તા એ વિશિષ્ટ, માપી શકાય તેવી લાક્ષણિકતાઓ છે જેનો ઉપયોગ વ્યક્તિઓનું લેબલ અને વર્ણન કરવા માટે થાય છે.બાયોમેટ્રિક ઓળખકર્તાઓને ઘણીવાર શારીરિક લાક્ષણિકતાઓ તરીકે વર્ગીકૃત કરવામાં આવે છે જે શરીરના આકાર સાથે સંબંધિત હોય છે.ઉદાહરણોમાં ફિંગરપ્રિન્ટ, હથેળીની નસો, ચહેરાની ઓળખ, ડીએનએ, પામ પ્રિન્ટ, હાથની ભૂમિતિ, મેઘધનુષની ઓળખ, રેટિના અને ગંધ/સુગંધનો સમાવેશ થાય છે, પરંતુ તે પૂરતો મર્યાદિત નથી.

બાયોમેટ્રિક આઇડેન્ટિફિકેશન ટેક્નોલોજીમાં કોમ્પ્યુટર વિજ્ઞાન, ઓપ્ટિક્સ અને એકોસ્ટિક્સ અને અન્ય ભૌતિક વિજ્ઞાન, જૈવિક વિજ્ઞાન, બાયોસેન્સર્સ અને બાયોસ્ટેટિસ્ટિક્સ સિદ્ધાંતો, સુરક્ષા તકનીક અને કૃત્રિમ બુદ્ધિ ટેકનોલોજી અને અન્ય ઘણા મૂળભૂત વિજ્ઞાન અને નવીન એપ્લિકેશન તકનીકોનો સમાવેશ થાય છે.તે એક સંપૂર્ણ મલ્ટિડિસિપ્લિનરી તકનીકી ઉકેલો છે.

તાજેતરના વર્ષોમાં, કૃત્રિમ બુદ્ધિના વિકાસ સાથે, બાયોમેટ્રિક ઓળખ તકનીક વધુ પરિપક્વ બની છે.હાલમાં, ચહેરો ઓળખવાની ટેક્નોલોજી બાયોમેટ્રિક્સની સૌથી વધુ પ્રતિનિધિ છે.

ચહેરાની ઓળખ

ચહેરાની ઓળખની પ્રક્રિયામાં ચહેરો સંગ્રહ, ચહેરો શોધ, ચહેરો વિશેષતા નિષ્કર્ષણ અને ચહેરા સાથે મેળ ખાતી ઓળખનો સમાવેશ થાય છે.ચહેરો ઓળખવાની પ્રક્રિયા મશીન લર્નિંગમાં AdaBoos અલ્ગોરિધમ, કન્વોલ્યુશનલ ન્યુરલ નેટવર્ક અને સપોર્ટ વેક્ટર મશીન જેવી વિવિધ તકનીકોનો ઉપયોગ કરે છે.

ચહેરો ઓળખવાની પ્રક્રિયા

હાલમાં, ચહેરાના પરિભ્રમણ, અવરોધ, સમાનતા, વગેરે સહિતની પરંપરાગત ચહેરો ઓળખવાની મુશ્કેલીઓમાં ઘણો સુધારો કરવામાં આવ્યો છે, જે ચહેરાની ઓળખની ચોકસાઈમાં ઘણો સુધારો કરે છે.2D ચહેરો, 3D ચહેરો, મલ્ટી-સ્પેક્ટ્રલ ચહેરો દરેક મોડમાં અલગ-અલગ એક્વિઝિશન અનુકૂલન દૃશ્યો, ડેટા સુરક્ષા ડિગ્રી અને ગોપનીયતા સંવેદનશીલતા વગેરે હોય છે, અને મોટા ડેટાના ઊંડા અભ્યાસનો ઉમેરો 3D ચહેરો ઓળખાણ અલ્ગોરિધમ 2D પ્રોજેક્શનની ખામીઓને પૂરક બનાવે છે, તે વ્યક્તિની ઓળખને ઝડપથી ઓળખી શકે છે, જેણે દ્વિ-પરિમાણીય ચહેરાની ઓળખ માટે ચોક્કસ સફળતા મેળવી છે.

તે જ સમયે, બાયોમેટ્રિક ડિટેક્શન ટેક્નૉલૉજીનો ઉપયોગ ચહેરાની ઓળખની સુરક્ષાને બહેતર બનાવવા માટે હાલમાં મુખ્ય તકનીક તરીકે કરવામાં આવી રહ્યો છે, જે ફોટો, વીડિયો, 3D મૉડલ્સ અને પ્રોસ્થેટિક માસ્ક જેવી બનાવટી છેતરપિંડીનો અસરકારક રીતે પ્રતિકાર કરી શકે છે અને સ્વતંત્ર રીતે ઓળખને નિર્ધારિત કરી શકે છે. સંચાલન વપરાશકર્તાઓ.હાલમાં, ફેસ રેકગ્નિશન ટેક્નોલોજીના ઝડપી વિકાસ સાથે, સ્માર્ટ ડિવાઈસ, ઓનલાઈન ફાયનાન્સ અને ફેસ પેમેન્ટ જેવી ઘણી નવીન એપ્લિકેશનો વધુને વધુ લોકપ્રિય બની છે, જે દરેક વ્યક્તિના જીવન અને કાર્યમાં ઝડપ અને સગવડ લાવે છે.

પામપ્રિન્ટની ઓળખ

પામપ્રિન્ટ રેકગ્નિશન એ એક નવી પ્રકારની બાયોમેટ્રિક રેકગ્નિશન ટેક્નોલોજી છે, જે માનવ શરીરની હથેળીની છાપનો ઉપયોગ લક્ષ્ય લક્ષણ તરીકે કરે છે અને મલ્ટિસ્પેક્ટ્રલ ઇમેજિંગ ટેક્નોલોજી દ્વારા જૈવિક માહિતી એકત્રિત કરે છે.મલ્ટિ-સ્પેક્ટ્રલ પામપ્રિન્ટ રેકગ્નિશનને બાયોમેટ્રિક રેકગ્નિશન ટેક્નૉલૉજીના મૉડલ તરીકે ગણી શકાય જે મલ્ટિ-મોડૅલિટી અને બહુવિધ લક્ષ્ય સુવિધાઓને જોડે છે.આ નવી ટેક્નોલોજી એક સમયે વધુ વિપુલ માહિતી પ્રદાન કરવા અને લક્ષ્ય વિશેષતાઓની વિશિષ્ટતા વધારવા માટે ત્વચા સ્પેક્ટ્રમ, પામ પ્રિન્ટ અને નસની નસોની ત્રણ ઓળખી શકાય તેવી સુવિધાઓને જોડે છે.

આ વર્ષે, એમેઝોનની હથેળી ઓળખવાની ટેક્નોલોજી, કોડ-નેમ ઓરવીલે, પરીક્ષણ શરૂ કર્યું છે.સ્કેનર પ્રથમ ઇન્ફ્રારેડ ધ્રુવીકૃત મૂળ છબીઓનો સમૂહ મેળવે છે, જે હથેળીની બાહ્ય વિશેષતાઓ, જેમ કે રેખાઓ અને ફોલ્ડ્સ પર ધ્યાન કેન્દ્રિત કરે છે;જ્યારે ફરીથી ધ્રુવીકૃત ઈમેજીસનો બીજો સેટ મેળવો, ત્યારે તે હથેળીની રચના અને આંતરિક લક્ષણો પર ધ્યાન કેન્દ્રિત કરે છે, જેમ કે નસો, હાડકાં, નરમ પેશીઓ વગેરે. કાચી ઈમેજીસને શરૂઆતમાં હાથ ધરાવતી ઈમેજનો સમૂહ પ્રદાન કરવા માટે પ્રક્રિયા કરવામાં આવે છે.આ છબીઓ સારી રીતે પ્રકાશિત છે, ફોકસમાં છે, અને હથેળીને ચોક્કસ અભિગમમાં, ચોક્કસ દંભમાં દર્શાવે છે, અને ડાબા અથવા જમણા હાથ તરીકે લેબલ થયેલ છે.

હાલમાં, એમેઝોનની હથેળીની છાપ ઓળખવાની ટેક્નોલોજી ફક્ત 300 મિલીસેકન્ડમાં વ્યક્તિગત ઓળખ અને સંપૂર્ણ ચુકવણીની ચકાસણી કરી શકે છે, અને વપરાશકર્તાઓને સ્કેનીંગ ઉપકરણ પર હાથ મૂકવાની જરૂર નથી, માત્ર વેવિંગ અને સંપર્ક વિના સ્કેન કરવાની જરૂર નથી.આ તકનીકનો નિષ્ફળતા દર લગભગ 0.0001% છે.તે જ સમયે, હસ્તરેખાની ઓળખ એ પ્રારંભિક તબક્કામાં બેવડી ચકાસણી છે - પ્રથમ વખત બાહ્ય લાક્ષણિકતાઓ મેળવવા માટે અને બીજી વખત આંતરિક સંસ્થાકીય લાક્ષણિકતાઓ મેળવવા માટે.સુરક્ષાની દ્રષ્ટિએ અન્ય બાયોમેટ્રિક ટેક્નોલોજીઓની તુલનામાં, સુધારેલ છે.

ઉપરોક્ત બાયોમેટ્રિક સુવિધાઓ ઉપરાંત, આઇરિસ રેકગ્નિશન ટેક્નોલોજીને પણ લોકપ્રિય બનાવવામાં આવી રહી છે.આઇરિસ ઓળખનો ખોટો ઓળખ દર 1/1000000 જેટલો ઓછો છે.તે મુખ્યત્વે આઇરિસ લાઇફ ઇન્વેરિઅન્સ અને ઓળખને ઓળખવા માટે તફાવતની લાક્ષણિકતાઓનો ઉપયોગ કરે છે.

હાલમાં, ઉદ્યોગમાં સર્વસંમતિ એ છે કે એક જ પદ્ધતિની માન્યતા માન્યતા પ્રદર્શન અને સુરક્ષા બંનેમાં અવરોધો ધરાવે છે, અને મલ્ટિ-મોડલ ફ્યુઝન એ ચહેરાની ઓળખ અને બાયોમેટ્રિક માન્યતામાં એક મહત્વપૂર્ણ સફળતા છે - માત્ર બહુ-પરિબળ દ્વારા જ નહીં. ઓળખની ચોકસાઈને સુધારવા માટે બાયોમેટ્રિક ટેક્નોલોજીની દ્રશ્ય અનુકૂલનક્ષમતા અને ગોપનીયતા સુરક્ષાને પણ અમુક હદ સુધી સુધારી શકે છે.પરંપરાગત સિંગલ-મોડ અલ્ગોરિધમની તુલનામાં, તે નાણાકીય સ્તરના ખોટા ઓળખ દર (દસ મિલિયનમાં એક જેટલો ઓછો) ને વધુ સારી રીતે પહોંચી શકે છે, જે બાયોમેટ્રિક ઓળખના વિકાસનો મુખ્ય વલણ પણ છે.

મલ્ટિમોડલ બાયોમેટ્રિક સિસ્ટમ

મલ્ટિમોડલ બાયોમેટ્રિક સિસ્ટમ્સ યુનિમોડલ બાયોમેટ્રિક સિસ્ટમ્સની મર્યાદાઓને દૂર કરવા માટે બહુવિધ સેન્સર્સ અથવા બાયોમેટ્રિક્સનો ઉપયોગ કરે છે. દાખલા તરીકે આઇરિસ રેકગ્નિશન સિસ્ટમ્સ વૃદ્ધત્વ દ્વારા ચેડા થઈ શકે છે અને ઈલેક્ટ્રોનિક ફિંગરપ્રિન્ટ ઓળખને ખરાબ થઈ શકે છે અથવા કપાયેલી ફિંગરપ્રિન્ટ્સ દ્વારા ખરાબ થઈ શકે છે.જ્યારે યુનિમોડલ બાયોમેટ્રિક સિસ્ટમ્સ તેમના ઓળખકર્તાની અખંડિતતા દ્વારા મર્યાદિત હોય છે, તે અસંભવિત છે કે ઘણી યુનિમોડલ સિસ્ટમ્સ સમાન મર્યાદાઓથી પીડાશે.મલ્ટિમોડલ બાયોમેટ્રિક સિસ્ટમ્સ સમાન માર્કર (એટલે ​​​​કે, આઇરિસની બહુવિધ છબીઓ, અથવા સમાન આંગળીના સ્કેન) અથવા વિવિધ બાયોમેટ્રિક્સ (ફિંગરપ્રિન્ટ સ્કેન અને વૉઇસ ઓળખનો ઉપયોગ કરીને, બોલાતા પાસકોડ) માંથી માહિતીના સેટ મેળવી શકે છે.

મલ્ટિમોડલ બાયોમેટ્રિક સિસ્ટમ્સ આ યુનિમોડલ સિસ્ટમ્સને અનુક્રમે, એકસાથે, તેનું સંયોજન અથવા શ્રેણીમાં ફ્યુઝ કરી શકે છે, જે અનુક્રમે ક્રમિક, સમાંતર, વંશવેલો અને સીરીયલ એકીકરણ મોડનો સંદર્ભ આપે છે.

CHANCCTVની શ્રેણી વિકસાવી છેબાયોમેટ્રિક લેન્સચહેરાની ઓળખ, પામપ્રિન્ટ ઓળખ તેમજ ફિંગરપ્રિન્ટ ઓળખ અને આઇરિસ ઓળખ માટે. દાખલા તરીકે CH3659A એ 4k લો ડિસ્ટોર્શન લેન્સ છે જે 1/1.8'' સેન્સર માટે ડિઝાઇન કરવામાં આવ્યો હતો.તે માત્ર 11.95mm TTL સાથે તમામ કાચ અને કોમ્પેક્ટ ડિઝાઇન ધરાવે છે.તે 44 ડિગ્રી આડી ક્ષેત્રના દૃશ્યને કેપ્ચર કરે છે.આ લેન્સ પામપ્રિન્ટની ઓળખ માટે આદર્શ છે.