बायोमेट्रिक्स म्हणजे मानवी वैशिष्ट्यांशी संबंधित शरीराचे मोजमाप आणि गणना. बायोमेट्रिक प्रमाणीकरण (किंवा वास्तववादी प्रमाणीकरण) संगणक शास्त्रात ओळख आणि प्रवेश नियंत्रणाचा एक प्रकार म्हणून वापरले जाते. देखरेखीखाली असलेल्या गटांमधील व्यक्ती ओळखण्यासाठी देखील याचा वापर केला जातो.

बायोमेट्रिक आयडेंटिफायर्स ही विशिष्ट, मोजता येणारी वैशिष्ट्ये आहेत जी व्यक्तींना लेबल करण्यासाठी आणि त्यांचे वर्णन करण्यासाठी वापरली जातात. बायोमेट्रिक आयडेंटिफायर्सना बहुतेकदा शारीरिक वैशिष्ट्यांमध्ये वर्गीकृत केले जाते जे शरीराच्या आकाराशी संबंधित असतात. उदाहरणांमध्ये फिंगरप्रिंट, तळहाताच्या शिरा, चेहरा ओळखणे, डीएनए, तळहाताचा ठसा, हाताची भूमिती, बुबुळ ओळखणे, डोळयातील पडदा आणि गंध/गंध यांचा समावेश आहे, परंतु ते इतकेच मर्यादित नाही.

बायोमेट्रिक आयडेंटिफिकेशन तंत्रज्ञानामध्ये संगणक विज्ञान, प्रकाशशास्त्र आणि ध्वनीशास्त्र आणि इतर भौतिक विज्ञान, जैविक विज्ञान, बायोसेन्सर आणि बायोस्टॅटिस्टिक्स तत्त्वे, सुरक्षा तंत्रज्ञान आणि कृत्रिम बुद्धिमत्ता तंत्रज्ञान आणि इतर अनेक मूलभूत विज्ञाने आणि नाविन्यपूर्ण अनुप्रयोग तंत्रज्ञान समाविष्ट आहेत. हे एक संपूर्ण बहुविद्याशाखीय तांत्रिक उपाय आहे.

अलिकडच्या वर्षांत, कृत्रिम बुद्धिमत्तेच्या विकासासह, बायोमेट्रिक ओळख तंत्रज्ञान अधिक परिपक्व झाले आहे. सध्या, चेहरा ओळख तंत्रज्ञान हे बायोमेट्रिक्सचे सर्वात प्रतिनिधित्व करणारे तंत्रज्ञान आहे.

चेहरा ओळख

चेहरा ओळखण्याच्या प्रक्रियेमध्ये चेहरा संग्रह, चेहरा ओळखणे, चेहरा वैशिष्ट्य काढणे आणि चेहरा जुळवणे ओळखणे यांचा समावेश आहे. चेहरा ओळखण्याची प्रक्रिया मशीन लर्निंगमध्ये AdaBoos अल्गोरिदम, कॉन्व्होल्यूशनल न्यूरल नेटवर्क आणि सपोर्ट व्हेक्टर मशीन सारख्या विविध तंत्रज्ञानाचा वापर करते.

चेहरा ओळखण्याची प्रक्रिया

सध्या, चेहरा फिरवणे, अडथळा, समानता इत्यादींसह पारंपारिक चेहरा ओळखण्याच्या अडचणींमध्ये मोठ्या प्रमाणात सुधारणा करण्यात आली आहे, ज्यामुळे चेहरा ओळखण्याची अचूकता मोठ्या प्रमाणात सुधारते. 2D चेहरा, 3D चेहरा, मल्टी-स्पेक्ट्रल चेहरा प्रत्येक मोडमध्ये वेगवेगळे अधिग्रहण अनुकूलन परिस्थिती, डेटा सुरक्षा पदवी आणि गोपनीयता संवेदनशीलता इत्यादी असतात आणि मोठ्या डेटाच्या सखोल शिक्षणाची भर 3D चेहरा ओळख अल्गोरिदम 2D प्रोजेक्शनच्या दोषांना पूरक बनवते, ते एखाद्या व्यक्तीची ओळख त्वरीत ओळखू शकते, ज्यामुळे द्विमितीय चेहरा ओळखण्याच्या अनुप्रयोगासाठी एक विशिष्ट प्रगती झाली आहे.

त्याच वेळी, बायोमेट्रिक डिटेक्शन तंत्रज्ञानाचा वापर सध्या चेहरा ओळखण्याच्या सुरक्षिततेत सुधारणा करण्यासाठी एक प्रमुख तंत्रज्ञान म्हणून केला जात आहे, जो फोटो, व्हिडिओ, 3D मॉडेल आणि प्रोस्थेटिक मास्क यासारख्या बनावट फसवणुकीला प्रभावीपणे प्रतिकार करू शकतो आणि ऑपरेटिंग वापरकर्त्यांची ओळख स्वतंत्रपणे निश्चित करू शकतो. सध्या, चेहरा ओळखण्याच्या तंत्रज्ञानाच्या जलद विकासासह, स्मार्ट डिव्हाइसेस, ऑनलाइन फायनान्स आणि फेस पेमेंट सारख्या अनेक नाविन्यपूर्ण अनुप्रयोगांची लोकप्रियता वाढत्या प्रमाणात वाढली आहे, ज्यामुळे प्रत्येकाच्या जीवनात आणि कामात गती आणि सुविधा आली आहे.

हस्तरेखाची ओळख

पामप्रिंट रेकग्निशन ही एक नवीन प्रकारची बायोमेट्रिक रेकग्निशन टेक्नॉलॉजी आहे, जी मानवी शरीराच्या पामप्रिंटचा वापर लक्ष्य वैशिष्ट्य म्हणून करते आणि मल्टीस्पेक्ट्रल इमेजिंग तंत्रज्ञानाद्वारे जैविक माहिती गोळा करते. मल्टी-स्पेक्ट्रल पामप्रिंट रेकग्निशन हे बायोमेट्रिक रेकग्निशन टेक्नॉलॉजीचे एक मॉडेल मानले जाऊ शकते जे मल्टी-मोडॅलिटी आणि मल्टीपल टार्गेट फीचर्स एकत्र करते. हे नवीन तंत्रज्ञान स्किन स्पेक्ट्रम, पाम प्रिंट आणि व्हेन व्हेन्स या तीन ओळखण्यायोग्य वैशिष्ट्यांना एकत्रित करते जेणेकरून एकाच वेळी अधिक मुबलक माहिती मिळेल आणि लक्ष्य वैशिष्ट्यांची ओळख वाढेल.

या वर्षी, Amazon च्या हस्तरेखा ओळखण्याच्या तंत्रज्ञानाची, ज्याचे कोड-नेम ऑरव्हिल आहे, चाचणी सुरू झाली आहे. स्कॅनर प्रथम इन्फ्रारेड ध्रुवीकृत मूळ प्रतिमांचा संच प्राप्त करतो, जो तळहाताच्या बाह्य वैशिष्ट्यांवर लक्ष केंद्रित करतो, जसे की रेषा आणि घडी; ध्रुवीकृत प्रतिमांचा दुसरा संच पुन्हा प्राप्त करताना, ते तळहाताच्या संरचनेवर आणि अंतर्गत वैशिष्ट्यांवर लक्ष केंद्रित करतो, जसे की शिरा, हाडे, मऊ ऊती इत्यादी. कच्च्या प्रतिमा सुरुवातीला हात असलेल्या प्रतिमांचा संच प्रदान करण्यासाठी प्रक्रिया केल्या जातात. या प्रतिमा चांगल्या प्रकारे प्रकाशित, फोकसमध्ये असतात आणि तळहाताला विशिष्ट दिशेने, विशिष्ट पोझमध्ये आणि डाव्या किंवा उजव्या हाताने असे लेबल केलेले दर्शवितात.

सध्या, Amazon ची हस्तमुद्रण ओळख तंत्रज्ञान वैयक्तिक ओळख पडताळू शकते आणि केवळ 300 मिलिसेकंदात पेमेंट पूर्ण करू शकते आणि वापरकर्त्यांना स्कॅनिंग डिव्हाइसवर हात ठेवण्याची आवश्यकता नाही, फक्त स्पर्श न करता हात हलवा आणि स्कॅन करा. या तंत्रज्ञानाचा अपयश दर सुमारे 0.0001% आहे. त्याच वेळी, हस्तमुद्रण ओळख ही सुरुवातीच्या टप्प्यात दुहेरी पडताळणी आहे - बाह्य वैशिष्ट्ये मिळविण्यासाठी प्रथमच आणि अंतर्गत संघटनात्मक वैशिष्ट्ये मिळविण्यासाठी दुसऱ्यांदा. सुरक्षिततेच्या बाबतीत इतर बायोमेट्रिक तंत्रज्ञानाच्या तुलनेत, सुधारित.

वरील बायोमेट्रिक वैशिष्ट्यांव्यतिरिक्त, आयरीस ओळख तंत्रज्ञान देखील लोकप्रिय होत आहे. आयरीस ओळखण्याचा खोटा ओळख दर 1/1000000 इतका कमी आहे. ते प्रामुख्याने आयरीस लाइफ इन्व्हेरिअन्स आणि डिफरन्सची वैशिष्ट्ये ओळखण्यासाठी वापरते.

सध्या, उद्योगात एकमत आहे की एकाच पद्धतीची ओळख पटवण्यात ओळख कामगिरी आणि सुरक्षितता दोन्हीमध्ये अडथळे आहेत आणि मल्टी-मॉडल फ्यूजन हे चेहरा ओळखण्यात आणि अगदी बायोमेट्रिक ओळखण्यात एक महत्त्वाचे यश आहे - केवळ बहु-घटकांद्वारेच नाही. ओळख अचूकता सुधारण्याचा मार्ग बायोमेट्रिक तंत्रज्ञानाची दृश्य अनुकूलता आणि गोपनीयता सुरक्षितता देखील काही प्रमाणात सुधारू शकतो. पारंपारिक सिंगल-मोड अल्गोरिथमच्या तुलनेत, ते आर्थिक-स्तरीय खोटे ओळख दर (दहा दशलक्षांपैकी एकाइतके कमी) चांगल्या प्रकारे पूर्ण करू शकते, जो बायोमेट्रिक ओळख विकासाचा मुख्य ट्रेंड देखील आहे.

मल्टीमॉडल बायोमेट्रिक सिस्टम

युनिमॉडल बायोमेट्रिक सिस्टीम्स युनिमॉडल बायोमेट्रिक सिस्टीम्सच्या मर्यादांवर मात करण्यासाठी अनेक सेन्सर्स किंवा बायोमेट्रिक्स वापरतात. उदाहरणार्थ, बुबुळ ओळख प्रणाली जुन्या बुबुळांमुळे धोक्यात येऊ शकते आणि इलेक्ट्रॉनिक फिंगरप्रिंट ओळख जीर्ण किंवा कापलेल्या फिंगरप्रिंट्समुळे खराब होऊ शकते. युनिमॉडल बायोमेट्रिक सिस्टीम्स त्यांच्या ओळखकर्त्याच्या अखंडतेमुळे मर्यादित असतात, परंतु अनेक युनिमॉडल सिस्टीम्सना समान मर्यादा असण्याची शक्यता कमी आहे. मल्टीमॉडल बायोमेट्रिक सिस्टीम्स एकाच मार्करमधून माहितीचे संच (म्हणजेच, बुबुळाच्या अनेक प्रतिमा किंवा एकाच बोटाचे स्कॅन) किंवा वेगवेगळ्या बायोमेट्रिक्समधून माहिती (फिंगरप्रिंट स्कॅन आवश्यक आहे आणि आवाज ओळख वापरून, बोललेला पासकोड) मिळवू शकतात.

मल्टीमोडल बायोमेट्रिक सिस्टीम या युनिमॉडल सिस्टीमना अनुक्रमे, एकाच वेळी, त्यांचे संयोजन किंवा मालिकेत एकत्र करू शकतात, जे अनुक्रमे अनुक्रमिक, समांतर, श्रेणीबद्ध आणि अनुक्रमिक एकत्रीकरण मोडचा संदर्भ देतात.

चॅनसीसीटीव्हीने एक मालिका विकसित केली आहेबायोमेट्रिक लेन्सचेहरा ओळखण्यासाठी, हस्तरेख ओळखण्यासाठी तसेच फिंगरप्रिंट ओळखण्यासाठी आणि बुबुळ ओळखण्यासाठी. उदाहरणार्थ CH3659A हा 4k लो डिस्टॉर्शन लेन्स आहे जो 1/1.8'' सेन्सर्ससाठी डिझाइन केला होता. यात फक्त 11.95mm TTL सह सर्व काचेचे आणि कॉम्पॅक्ट डिझाइन आहेत. ते 44 अंशांचे क्षैतिज दृश्य क्षेत्र कॅप्चर करते. हस्तरेख ओळखण्यासाठी हे लेन्स आदर्श आहे.