Biometresch Moossen a Berechnungen am Zesummenhang mat mënschleche Charakteristiken. Biometresch Authentifikatioun (oder realistesch Authentifikatioun) gëtt an der Informatik als Form vun Identifikatioun a Zougangskontroll benotzt. Si gëtt och benotzt fir Eenzelpersounen a Gruppen z'identifizéieren, déi ënner Iwwerwaachung stinn.

Biometresch Identifizéierer sinn déi markant, moossbar Charakteristiken, déi benotzt gi fir Eenzelpersounen ze beschreiwen an ze beschreiwen. Biometresch Identifizéierer ginn dacks als physiologesch Charakteristiken kategoriséiert, déi mat der Kierperform zesummenhänken. Beispiller enthalen, awer sinn net limitéiert op, Fangerofdrock, Handflächvenen, Gesiichtserkennung, DNA, Handflächofdrock, Handgeometrie, Iriserkennung, Netzhaut a Geroch/Duft.

Biometresch Identifikatiounstechnologie ëmfaasst Informatik, Optik an Akustik an aner Physikalesch Wëssenschaften, biologesch Wëssenschaften, Biosensoren a biostatistesch Prinzipien, Sécherheetstechnologie, an Technologie vun der kënschtlecher Intelligenz a vill aner Grondwëssenschaften an innovativ Uwendungstechnologien. Et ass eng komplett multidisziplinär technesch Léisung.

An de leschte Joren, mat der Entwécklung vun der kënschtlecher Intelligenz, ass d'biometresch Identifikatiounstechnologie méi reif ginn. Am Moment ass d'Gesiichtserkennungstechnologie déi representativst vun der Biometrie.

Gesiichtserkennung

De Prozess vun der Gesiichtserkennung ëmfaasst Gesiichtssammlung, Gesiichtserkennung, Gesiichtszichextraktioun an d'Erkennung vu Gesiichtsmatching. De Prozess vun der Gesiichtserkennung benotzt verschidden Technologien wéi den AdaBoos Algorithmus, e konvolutionellt neuronalt Netzwierk an eng Ënnerstëtzungsvektormaschinn am maschinelle Léieren.

De Prozess vun der Gesiichtserkennung

Aktuell goufen déi traditionell Schwieregkeeten vun der Gesiichtserkennung, dorënner Gesiichtsrotatioun, Okklusioun, Ähnlechkeet, etc., däitlech verbessert, wat d'Genauegkeet vun der Gesiichtserkennung däitlech verbessert. 2D-Gesiicht, 3D-Gesiicht, multispektral Gesiicht. All Modus huet ënnerschiddlech Adaptatiounsszenarien fir d'Acquisitioun, den Datesécherheetsgrad an d'Privatsphärsensitivitéit, etc., an d'Zousätzlech vum Deep Learning vu Big Data mécht datt den 3D-Gesiichtserkennungsalgorithmus d'Mängel vun der 2D-Projektioun ergänzt. Hie kann d'Identitéit vun enger Persoun séier identifizéieren, wat e gewëssen Duerchbroch fir d'Uwendung vun der zweedimensionaler Gesiichtserkennung bruecht huet.

Gläichzäiteg gëtt d'biometresch Detektiounstechnologie de Moment als Schlësseltechnologie benotzt fir d'Sécherheet vun der Gesiichtserkennung ze verbesseren, wat effektiv géint Fälschungen wéi Fotoen, Videoen, 3D-Modeller a Prothesenmasken widderstoe kann, an onofhängeg d'Identitéit vun de Benotzer bestëmme kann. Am Moment, mat der schneller Entwécklung vun der Gesiichtserkennungstechnologie, si vill innovativ Applikatiounen wéi Smart-Geräter, Online-Finanzen a Bezuelung mat Gesiicht ëmmer méi populär ginn, wat Geschwindegkeet a Komfort an d'Liewen an d'Aarbecht vun all Mënsch bréngt.

Erkennung vun Handofdréck

D'Erkennung vun den Handflächenofdréck ass eng nei Zort biometresch Erkennungstechnologie, déi den Handflächenofdrock vum mënschleche Kierper als Zilmerkmal benotzt a biologesch Informatiounen duerch multispektral Bildgebungstechnologie sammelt. Déi multispektral Erkennung vun den Handflächenofdréck kann als e Modell vun der biometrescher Erkennungstechnologie ugesi ginn, déi Multimodalitéit a verschidde Zilmerkmaler kombinéiert. Dës nei Technologie kombinéiert déi dräi identifizéierbar Merkmaler: Hautspektrum, Handflächenofdrock a Venen, fir gläichzäiteg méi räich Informatiounen ze liwweren an d'Ënnerscheedbarkeet vun den Zilmerkmaler ze erhéijen.

Dëst Joer huet d'Handflächenerkennungstechnologie vun Amazon, mam Codenumm Orville, mat den Tester ugefaangen. De Scanner erfaasst als éischt eng Rei vun infraroutpolariséierten Originalbiller, déi sech op déi extern Charakteristike vun der Handfläch konzentréieren, wéi Linnen a Falten; wann déi zweet Rei vu polariséierte Biller erëm erfaasst gëtt, konzentréiert en sech op d'Struktur vun der Handfläch an déi intern Charakteristiken, wéi Venen, Schanken, mëll Gewëss, etc. Déi réi Biller ginn ufanks veraarbecht, fir eng Rei vu Biller mat Hänn ze kréien. Dës Biller si gutt beliicht, am Fokus a weisen d'Handfläch an enger spezifescher Orientéierung, an enger spezifescher Pose, a markéiert als lénks oder riets.

Aktuell kann d'Handofdrock-Erkennungstechnologie vun Amazon d'perséinlech Identitéit verifizéieren an d'Bezuelung an nëmmen 300 Millisekonnen ofschléissen, an d'Benotzer mussen net hir Hänn um Scanner leeën, mee einfach wénken a kontaktlos scannen. D'Ausfallquote vun dëser Technologie ass ongeféier 0,0001%. Gläichzäiteg ass d'Handofdrock-Erkennung an der éischter Phas eng duebel Verifizéierung - déi éischt Kéier fir extern Charakteristiken ze kréien, an déi zweet Kéier fir intern organisatoresch Charakteristiken ze kréien. Am Verglach mat anere biometreschen Technologien ass d'Sécherheet verbessert.

Nieft den uewe genannten biometreschen Eegeschafte gëtt och d'Iriserkennungstechnologie populär. D'Falscherkennungsquote vun der Iriserkennung ass sou niddreg wéi 1/1000000. Si benotzt haaptsächlech d'Charakteristike vun der Iris-Liewensinvarianz an -Differenz fir Identitéiten z'identifizéieren.

De Moment ass de Konsens an der Industrie, datt d'Erkennung vun enger eenzeger Modalitéit Engpässe souwuel bei der Erkennungsleistung wéi och bei der Sécherheet huet, an datt d'Multimodal-Fusioun en wichtegen Duerchbroch an der Gesiichtserkennung an och an der biometrescher Erkennung ass - net nëmmen duerch Multifaktoren. D'Verbesserung vun der Genauegkeet vun der Erkennung kann och d'Adaptabilitéit un d'Szen an d'Dateschutzsécherheet vun der biometrescher Technologie bis zu engem gewësse Grad verbesseren. Am Verglach mam traditionellen Single-Mode-Algorithmus kann en d'Falscherkennungsquote op finanziellem Niveau (sou niddreg wéi eng zu zéng Milliounen) besser erreechen, wat och den Haapttrend vun der Entwécklung vun der biometrescher Identifikatioun ass.

Multimodal biometrescht System

Multimodal biometresch Systemer benotze verschidde Sensoren oder Biometrie fir d'Limiten vun unimodale biometresche Systemer ze iwwerwannen. Zum Beispill kënnen Iriserkennungssystemer duerch alternd Irisen kompromittéiert ginn an elektronesch Fangerofdrockerkennung kann duerch ofgenotzt oder geschnidden Fangerofdréck verschlechtert ginn. Wärend unimodal biometresch Systemer duerch d'Integritéit vun hirem Identifikator limitéiert sinn, ass et onwahrscheinlech, datt verschidde unimodal Systemer ënner identesche Limitatioune leiden. Multimodal biometresch Systemer kënnen Informatiounssätz vum selwechte Marker kréien (z.B. verschidde Biller vun enger Iris oder Scans vum selwechte Fanger) oder Informatioune vu verschiddene Biometrien (déi Fangerofdrockscannungen erfuerderen an, mat Stëmmerkennung, e geschwatene Passcode).

Multimodal biometresch Systemer kënnen dës unimodal Systemer sequentiell, gläichzäiteg, eng Kombinatioun dovun oder a Serie fusionéieren, wat sech op sequentiell, parallel, hierarchesch a seriell Integratiounsmodi bezitt.

CHANCCTVhuet eng Serie vun entwéckeltbiometresch Lënsenfir Gesiichtserkennung, Handofdrockerkennung souwéi Fangerofdrockidentifikatioun an Irisidentifikatioun. Zum Beispill ass den CH3659A en 4k-Objektiv mat gerénger Verzerrung, dat fir 1/1,8 Zoll Sensoren entwéckelt gouf. Et huet ganz Glas a kompakt Designen mat nëmmen 11,95 mm TTL. Et erfaasst e horizontalt Siichtfeld vu 44 Grad. Dëst Objektiv ass ideal fir d'Handofdrockerkennung.