ბიომეტრია არის სხეულის ზომები და გამოთვლები, რომლებიც დაკავშირებულია ადამიანის მახასიათებლებთან. ბიომეტრიული ავთენტიფიკაცია (ან რეალისტური ავთენტიფიკაცია) გამოიყენება კომპიუტერულ მეცნიერებაში, როგორც იდენტიფიკაციისა და წვდომის კონტროლის ფორმა. ის ასევე გამოიყენება მეთვალყურეობის ქვეშ მყოფი ჯგუფების ინდივიდების იდენტიფიცირებისთვის.

ბიომეტრიული იდენტიფიკატორები არის განმასხვავებელი, გაზომვადი მახასიათებლები, რომლებიც გამოიყენება ინდივიდების აღსაწერად და აღსაწერად. ბიომეტრიული იდენტიფიკატორები ხშირად კატეგორიზდება, როგორც ფიზიოლოგიური მახასიათებლები, რომლებიც დაკავშირებულია სხეულის ფორმასთან. მაგალითებია, მაგრამ არ შემოიფარგლება მხოლოდ თითის ანაბეჭდით, ხელისგულის ვენებით, სახის ამოცნობით, დნმ-ით, ხელისგულის ანაბეჭდით, ხელის გეომეტრიით, ფერადი გარსის ამოცნობით, ბადურათი და სუნით/სუნით.

ბიომეტრიული იდენტიფიკაციის ტექნოლოგია მოიცავს კომპიუტერულ მეცნიერებას, ოპტიკასა და აკუსტიკას და სხვა ფიზიკურ მეცნიერებებს, ბიოლოგიურ მეცნიერებებს, ბიოსენსორებსა და ბიოსტატისტიკის პრინციპებს, უსაფრთხოების ტექნოლოგიას, ხელოვნური ინტელექტის ტექნოლოგიას და მრავალ სხვა საბაზისო მეცნიერებასა და ინოვაციურ გამოყენებით ტექნოლოგიებს. ეს არის სრული მულტიდისციპლინური ტექნიკური გადაწყვეტილებები.

ბოლო წლებში, ხელოვნური ინტელექტის განვითარებასთან ერთად, ბიომეტრიული იდენტიფიკაციის ტექნოლოგია უფრო მომწიფდა. ამჟამად, სახის ამოცნობის ტექნოლოგია ბიომეტრიის ყველაზე წარმომადგენლობითი ფორმაა.

სახის ამოცნობა

სახის ამოცნობის პროცესი მოიცავს სახის შეგროვებას, სახის ამოცნობას, სახის მახასიათებლების ამოღებას და სახის შესაბამისობის ამოცნობას. სახის ამოცნობის პროცესი იყენებს სხვადასხვა ტექნოლოგიებს, როგორიცაა AdaBoos ალგორითმი, კონვოლუციური ნეირონული ქსელი და დამხმარე ვექტორული მანქანა მანქანურ სწავლებაში.

სახის ამოცნობის პროცესი

ამჟამად, სახის ამოცნობის ტრადიციული სირთულეები, მათ შორის სახის როტაცია, ოკლუზია, მსგავსება და ა.შ., მნიშვნელოვნად გაუმჯობესდა, რაც მნიშვნელოვნად აუმჯობესებს სახის ამოცნობის სიზუსტეს. 2D სახე, 3D სახე, მულტისპექტრული სახე. თითოეულ რეჟიმს აქვს განსხვავებული ადაპტაციის სცენარები, მონაცემთა უსაფრთხოების ხარისხი და კონფიდენციალურობის მგრძნობელობა და ა.შ., ხოლო დიდი მონაცემების ღრმა სწავლების დამატება 3D სახის ამოცნობის ალგორითმს 2D პროექციის დეფექტების შევსებაში ეხმარება. მას შეუძლია სწრაფად ამოიცნოს ადამიანის ვინაობა, რამაც გარკვეული გარღვევა მოიტანა ორგანზომილებიანი სახის ამოცნობის გამოყენებაში.

ამავდროულად, ბიომეტრიული ამოცნობის ტექნოლოგია ამჟამად გამოიყენება, როგორც სახის ამოცნობის უსაფრთხოების გასაუმჯობესებლად ძირითადი ტექნოლოგია, რომელსაც შეუძლია ეფექტურად გაუძლოს ყალბ თაღლითობას, როგორიცაა ფოტოები, ვიდეოები, 3D მოდელები და პროთეზული ნიღბები, და დამოუკიდებლად განსაზღვროს მოქმედი მომხმარებლების ვინაობა. ამჟამად, სახის ამოცნობის ტექნოლოგიის სწრაფი განვითარების წყალობით, სულ უფრო პოპულარული ხდება მრავალი ინოვაციური აპლიკაცია, როგორიცაა ჭკვიანი მოწყობილობები, ონლაინ ფინანსები და სახის გადახდა, რაც სიჩქარეს და მოხერხებულობას სძენს ყველას ცხოვრებასა და სამუშაოს.

ხელის ანაბეჭდის ამოცნობა

ხელის ანაბეჭდის ამოცნობა ბიომეტრიული ამოცნობის ახალი ტიპის ტექნოლოგიაა, რომელიც ადამიანის სხეულის ხელის ანაბეჭდს სამიზნე მახასიათებლად იყენებს და ბიოლოგიურ ინფორმაციას მულტისპექტრული ვიზუალიზაციის ტექნოლოგიის საშუალებით აგროვებს. მულტისპექტრული ხელის ანაბეჭდის ამოცნობა შეიძლება ჩაითვალოს ბიომეტრიული ამოცნობის ტექნოლოგიის მოდელად, რომელიც აერთიანებს მულტიმოდალობას და მრავალ სამიზნე მახასიათებელს. ეს ახალი ტექნოლოგია აერთიანებს კანის სპექტრის, ხელის ანაბეჭდის და ვენური ვენების სამ იდენტიფიცირებად მახასიათებელს, რათა ერთდროულად უზრუნველყოს უფრო მეტი ინფორმაცია და გაზარდოს სამიზნე მახასიათებლების გარჩევადობა.

წელს, Amazon-ის ხელისგულის ამოცნობის ტექნოლოგიამ, კოდური სახელწოდებით Orville, ტესტირება დაიწყო. სკანერი თავდაპირველად იღებს ინფრაწითელი პოლარიზებული ორიგინალური სურათების ერთობლიობას, ფოკუსირებით ხელისგულის გარე მახასიათებლებზე, როგორიცაა ხაზები და ნაკეცები; პოლარიზებული სურათების მეორე ნაკრების ხელახლა მიღებისას, ის ფოკუსირდება ხელისგულის სტრუქტურასა და შიდა მახასიათებლებზე, როგორიცაა ვენები, ძვლები, რბილი ქსოვილები და ა.შ. ნედლი სურათები თავდაპირველად მუშავდება ხელების შემცველი სურათების ერთობლიობის მისაღებად. ეს სურათები კარგად არის განათებული, ფოკუსირებული და აჩვენებს ხელისგულს კონკრეტულ ორიენტაციაში, კონკრეტულ პოზაში და მონიშნულია, როგორც მემარცხენე ან მემარჯვენე.

ამჟამად, Amazon-ის ხელის ანაბეჭდის ამოცნობის ტექნოლოგიას შეუძლია პირადი ვინაობის დადასტურება და გადახდის დასრულება მხოლოდ 300 მილიწამში და არ საჭიროებს მომხმარებლისგან ხელის დადებას სკანირების მოწყობილობაზე, უბრალოდ ხელის დაქნევა და სკანირება კონტაქტის გარეშე. ამ ტექნოლოგიის წარუმატებლობის მაჩვენებელი დაახლოებით 0.0001%-ია. ამავდროულად, ხელის ანაბეჭდის ამოცნობა საწყის ეტაპზე ორმაგ დადასტურებას წარმოადგენს - პირველად გარე მახასიათებლების მისაღებად, ხოლო მეორედ - შიდა ორგანიზაციული მახასიათებლების მისაღებად. სხვა ბიომეტრიულ ტექნოლოგიებთან შედარებით, უსაფრთხოების თვალსაზრისით, გაუმჯობესებულია.

ზემოთ ჩამოთვლილი ბიომეტრიული მახასიათებლების გარდა, პოპულარობას იძენს ფერადი გარსის ამოცნობის ტექნოლოგიაც. ფერადი გარსის ამოცნობის ცრუ ამოცნობის მაჩვენებელი 1/1000000-მდე დაბალია. ის ძირითადად იყენებს ფერადი გარსის სიცოცხლის უცვლელობისა და განსხვავების მახასიათებლებს იდენტობის იდენტიფიცირებისთვის.

ამჟამად, ინდუსტრიაში არსებობს კონსენსუსი, რომ ერთი მოდალობის ამოცნობას აქვს როგორც ამოცნობის შესრულების, ასევე უსაფრთხოების შეზღუდვები, ხოლო მულტიმოდალური შერწყმა მნიშვნელოვანი გარღვევაა სახის ამოცნობასა და ბიომეტრიულ ამოცნობაშიც კი - არა მხოლოდ მრავალფაქტორიანი ფაქტორის გამო. ამოცნობის სიზუსტის გაუმჯობესების გზა გარკვეულწილად ასევე აუმჯობესებს ბიომეტრიული ტექნოლოგიის სცენის ადაპტირებას და კონფიდენციალურობის უსაფრთხოებას. ტრადიციულ ერთრეჟიმიან ალგორითმთან შედარებით, მას შეუძლია უკეთ დააკმაყოფილოს ფინანსური დონის ცრუ ამოცნობის მაჩვენებელი (დაბალი ათ მილიონში ერთი), რაც ასევე ბიომეტრიული იდენტიფიკაციის განვითარების მთავარი ტენდენციაა.

მულტიმოდალური ბიომეტრიული სისტემა

მულტიმოდალური ბიომეტრიული სისტემები იყენებენ მრავალ სენსორს ან ბიომეტრიას უნიმოდალური ბიომეტრიული სისტემების შეზღუდვების დასაძლევად. მაგალითად, ფერადი გარსის ამოცნობის სისტემები შეიძლება დაზარალდეს ფერადი გარსის დაბერების გამო, ხოლო ელექტრონული თითის ანაბეჭდის ამოცნობის პრობლემა შეიძლება გაუარესდეს გაცვეთილი ან დაჭრილი თითის ანაბეჭდების გამო. მიუხედავად იმისა, რომ უნიმოდალური ბიომეტრიული სისტემები შეზღუდულია მათი იდენტიფიკატორის მთლიანობით, ნაკლებად სავარაუდოა, რომ რამდენიმე უნიმოდალურ სისტემას იდენტური შეზღუდვები ჰქონდეს. მულტიმოდალურ ბიომეტრიულ სისტემებს შეუძლიათ მიიღონ ინფორმაციის ნაკრები ერთი და იგივე მარკერიდან (ანუ, ფერადი გარსის მრავალი გამოსახულება ან ერთი და იგივე თითის სკანირება) ან ინფორმაცია სხვადასხვა ბიომეტრიიდან (რაც მოითხოვს თითის ანაბეჭდის სკანირებას და, ხმის ამოცნობის გამოყენებით, სალაპარაკო პაროლის გამოყენებას).

მულტიმოდალურ ბიომეტრიულ სისტემებს შეუძლიათ ამ უნიმოდალური სისტემების თანმიმდევრულად, ერთდროულად, მათი კომბინაციით ან სერიულად შერწყმა, რაც შესაბამისად თანმიმდევრულ, პარალელურ, იერარქიულ და სერიულ ინტეგრაციის რეჟიმებს ეხება.

CHANCCTVშეიმუშავა სერიაბიომეტრიული ლინზებისახის, ხელის ანაბეჭდის ამოსაცნობად, ასევე თითის ანაბეჭდის და ფერადი გარსის ამოსაცნობად. მაგალითად, CH3659A არის 4k დაბალი დამახინჯების ლინზა, რომელიც შექმნილია 1/1.8 დიუმიანი სენსორებისთვის. მას აქვს მთლიანად მინისებრი და კომპაქტური დიზაინი მხოლოდ 11.95 მმ TTL-ით. ის იღებს 44 გრადუსიან ჰორიზონტალურ ხედვის არეალს. ეს ლინზა იდეალურია ხელის ანაბეჭდის ამოსაცნობად.