Biometrija ir ķermeņa mērījumi un aprēķini, kas saistīti ar cilvēka īpašībām. Biometriskā autentifikācija (vai reālistiska autentifikācija) tiek izmantota datorzinātnēs kā identifikācijas un piekļuves kontroles veids. To izmanto arī, lai identificētu personas grupās, kuras tiek novērotas.

Biometriskie identifikatori ir atšķirīgas, izmērāmas pazīmes, ko izmanto, lai apzīmētu un aprakstītu indivīdus. Biometriskie identifikatori bieži tiek klasificēti kā fizioloģiskas pazīmes, kas saistītas ar ķermeņa formu. Piemēri ir, bet ne tikai, pirkstu nospiedumi, plaukstas vēnas, sejas atpazīšana, DNS, plaukstas nospiedums, rokas ģeometrija, varavīksnenes atpazīšana, tīklene un smarža/smarža.

Biometriskās identifikācijas tehnoloģija ietver datorzinātnes, optiku un akustiku, kā arī citas fizikas zinātnes, bioloģijas zinātnes, biosensorus un biostatistikas principus, drošības tehnoloģijas, mākslīgā intelekta tehnoloģijas un daudzas citas pamatzinātnes un inovatīvas lietojumprogrammu tehnoloģijas. Tā ir pilnīga daudznozaru tehnisko risinājumu sistēma.

Pēdējos gados, attīstoties mākslīgajam intelektam, biometriskās identifikācijas tehnoloģija ir kļuvusi nobriedušāka. Pašlaik sejas atpazīšanas tehnoloģija ir visreprezentatīvākā biometrijas tehnoloģija.

Sejas atpazīšana

Sejas atpazīšanas process ietver sejas apkopošanu, sejas noteikšanu, sejas pazīmju iegūšanu un sejas saskaņošanas atpazīšanu. Sejas atpazīšanas procesā tiek izmantotas dažādas tehnoloģijas, piemēram, AdaBoos algoritms, konvolucionālais neironu tīkls un atbalsta vektoru mašīna mašīnmācībā.

Sejas atpazīšanas process

Pašlaik tradicionālās sejas atpazīšanas grūtības, tostarp sejas rotācija, aizsegšana, līdzība utt., ir ievērojami uzlabotas, kas ievērojami uzlabo sejas atpazīšanas precizitāti. 2D seja, 3D seja, multispektrālā seja. Katram režīmam ir atšķirīgi iegūšanas adaptācijas scenāriji, datu drošības pakāpe un privātuma jutība utt., un lielo datu dziļās apguves pievienošana ļauj 3D sejas atpazīšanas algoritmam papildināt 2D projekcijas trūkumus. Tas var ātri identificēt personas identitāti, kas ir radījis zināmu izrāvienu divdimensiju sejas atpazīšanas pielietošanā.

Vienlaikus biometriskās noteikšanas tehnoloģija pašlaik tiek izmantota kā galvenā tehnoloģija sejas atpazīšanas drošības uzlabošanai, kas var efektīvi pretoties viltojumiem, piemēram, fotoattēliem, video, 3D modeļiem un protēžu maskām, un neatkarīgi noteikt darbojošos lietotāju identitāti. Pašlaik, strauji attīstoties sejas atpazīšanas tehnoloģijai, daudzas inovatīvas lietojumprogrammas, piemēram, viedierīces, tiešsaistes finanses un sejas maksājumi, ir kļuvušas arvien populārākas, nodrošinot ātrumu un ērtības ikviena dzīvē un darbā.

Plaukstas nospiedumu atpazīšana

Plaukstas nospiedumu atpazīšana ir jauna veida biometriskās atpazīšanas tehnoloģija, kas izmanto cilvēka ķermeņa plaukstas nospiedumu kā mērķa pazīmi un apkopo bioloģisko informāciju, izmantojot multispektrālu attēlveidošanas tehnoloģiju. Multispektrālo plaukstas nospiedumu atpazīšanu var uzskatīt par biometriskās atpazīšanas tehnoloģijas modeli, kas apvieno multimodalitāti un vairākas mērķa pazīmes. Šī jaunā tehnoloģija apvieno trīs identificējamās pazīmes: ādas spektru, plaukstas nospiedumu un vēnu vēnas, lai vienlaikus sniegtu plašāku informāciju un palielinātu mērķa pazīmju atšķiramību.

Šogad ir sākta Amazon plaukstu atpazīšanas tehnoloģijas, kuras kodētais nosaukums ir Orville, testēšana. Skeneris vispirms iegūst infrasarkano polarizēto oriģinālo attēlu kopu, koncentrējoties uz plaukstas ārējām iezīmēm, piemēram, līnijām un krokām; atkal iegūstot otro polarizēto attēlu kopu, tas koncentrējas uz plaukstas struktūru un iekšējām iezīmēm, piemēram, vēnām, kauliem, mīkstajiem audiem utt. Neapstrādātie attēli sākotnēji tiek apstrādāti, lai nodrošinātu attēlu kopu, kurā redzamas rokas. Šie attēli ir labi apgaismoti, fokusēti un parāda plaukstu noteiktā orientācijā, noteiktā pozā un apzīmēti kā kreilis vai labrocis.

Pašlaik Amazon plaukstas nospiedumu atpazīšanas tehnoloģija var pārbaudīt personas identitāti un veikt maksājumu tikai 300 milisekundēs, un lietotājiem nav jāpieliek rokas pie skenēšanas ierīces, tikai jāpamāj ar roku un jāveic skenēšana bez kontakta. Šīs tehnoloģijas kļūmju līmenis ir aptuveni 0,0001%. Vienlaikus plaukstas nospiedumu atpazīšana sākotnējā posmā ir divkārša verifikācija – pirmo reizi iegūst ārējās pazīmes, bet otro reizi – iekšējās organizācijas pazīmes. Salīdzinot ar citām biometriskajām tehnoloģijām, drošības ziņā tā ir uzlabota.

Papildus iepriekšminētajām biometriskajām pazīmēm tiek popularizēta arī varavīksnenes atpazīšanas tehnoloģija. Varavīksnenes atpazīšanas kļūdainās atpazīšanas līmenis ir tikai 1/1000000. Identitātes identificēšanai tā galvenokārt izmanto varavīksnenes dzīvības nemainīguma un atšķirības raksturlielumus.

Pašlaik nozarē valda vienprātība, ka vienas modalitātes atpazīšanai ir trūkumi gan atpazīšanas veiktspējā, gan drošībā, un daudzmodālā sapludināšana ir svarīgs sasniegums sejas atpazīšanā un pat biometriskajā atpazīšanā — ne tikai daudzfaktoru dēļ. Atpazīšanas precizitātes uzlabošana zināmā mērā var uzlabot arī biometriskās tehnoloģijas pielāgojamību ainai un privātuma drošību. Salīdzinot ar tradicionālo viena režīma algoritmu, tas var labāk sasniegt finanšu līmeņa kļūdainas atpazīšanas līmeni (pat viens no desmit miljoniem), kas ir arī galvenā biometriskās identifikācijas attīstības tendence.

Multimodāla biometriskā sistēma

Multimodālās biometriskās sistēmas izmanto vairākus sensorus vai biometriju, lai pārvarētu unimodālo biometrisko sistēmu ierobežojumus. Piemēram, varavīksnenes atpazīšanas sistēmas var apdraudēt novecojošas varavīksnenes, un elektronisko pirkstu nospiedumu atpazīšanu var pasliktināt nolietoti vai sagriezti pirkstu nospiedumi. Lai gan unimodālās biometriskās sistēmas ierobežo to identifikatora integritāte, maz ticams, ka vairākām unimodālām sistēmām būs identiski ierobežojumi. Multimodālās biometriskās sistēmas var iegūt informācijas kopas no viena un tā paša marķiera (t.i., vairāki varavīksnenes attēli vai viena un tā paša pirksta skenējumi) vai informāciju no dažādiem biometrijas datiem (nepieciešama pirkstu nospiedumu skenēšana un, izmantojot balss atpazīšanu, izrunāta piekļuves kods).

Multimodālās biometriskās sistēmas var apvienot šīs unimodālās sistēmas secīgi, vienlaicīgi, to kombinācijā vai virknē, kas attiecīgi attiecas uz secīgiem, paralēliem, hierarhiskiem un seriāliem integrācijas režīmiem.

CHANCCTVir izstrādājusi virknibiometriskās lēcassejas atpazīšanai, plaukstas nospiedumu atpazīšanai, kā arī pirkstu nospiedumu identifikācijai un varavīksnenes identifikācijai. Piemēram, CH3659A ir 4k zema deformācijas objektīvs, kas paredzēts 1/1,8 collu sensoriem. Tam ir pilnībā stikla un kompakts dizains ar tikai 11,95 mm TTL. Tas uztver 44 grādu horizontālu redzes lauku. Šis objektīvs ir ideāli piemērots plaukstas nospiedumu atpazīšanai.