பயோமெட்ரிக்ஸ் என்பது உடல் அளவீடுகள் மற்றும் மனித குணாதிசயங்களுடன் தொடர்புடைய கணக்கீடுகள் ஆகும். பயோமெட்ரிக் அங்கீகாரம் (அல்லது யதார்த்தமான அங்கீகாரம்) கணினி அறிவியலில் அடையாளம் காணல் மற்றும் அணுகல் கட்டுப்பாட்டின் ஒரு வடிவமாகப் பயன்படுத்தப்படுகிறது. கண்காணிப்பில் உள்ள குழுக்களில் உள்ள தனிநபர்களை அடையாளம் காணவும் இது பயன்படுத்தப்படுகிறது.

பயோமெட்ரிக் அடையாளங்காட்டிகள் என்பது தனிநபர்களை லேபிளிடவும் விவரிக்கவும் பயன்படுத்தப்படும் தனித்துவமான, அளவிடக்கூடிய பண்புகள் ஆகும். பயோமெட்ரிக் அடையாளங்காட்டிகள் பெரும்பாலும் உடலின் வடிவத்துடன் தொடர்புடைய உடலியல் பண்புகளாக வகைப்படுத்தப்படுகின்றன. எடுத்துக்காட்டுகளில் கைரேகை, உள்ளங்கை நரம்புகள், முகம் அடையாளம் காணுதல், டிஎன்ஏ, உள்ளங்கை அச்சு, கை வடிவியல், கருவிழி அடையாளம் காணுதல், விழித்திரை மற்றும் வாசனை/வாசனை ஆகியவை அடங்கும், ஆனால் அவை மட்டும் அல்ல.

பயோமெட்ரிக் அடையாள தொழில்நுட்பம் கணினி அறிவியல், ஒளியியல் மற்றும் ஒலியியல் மற்றும் பிற இயற்பியல் அறிவியல், உயிரியல் அறிவியல், உயிரியல் உணரிகள் மற்றும் உயிரியல் புள்ளியியல் கொள்கைகள், பாதுகாப்பு தொழில்நுட்பம் மற்றும் செயற்கை நுண்ணறிவு தொழில்நுட்பம் மற்றும் பல அடிப்படை அறிவியல் மற்றும் புதுமையான பயன்பாட்டு தொழில்நுட்பங்களை உள்ளடக்கியது. இது ஒரு முழுமையான பல்துறை தொழில்நுட்ப தீர்வுகள்.

சமீபத்திய ஆண்டுகளில், செயற்கை நுண்ணறிவின் வளர்ச்சியுடன், பயோமெட்ரிக் அடையாள தொழில்நுட்பம் மிகவும் முதிர்ச்சியடைந்துள்ளது. தற்போது, ​​முக அங்கீகார தொழில்நுட்பம் பயோமெட்ரிக்ஸின் மிகவும் பிரதிநிதித்துவமாகும்.

முகம் அடையாளம் காணுதல்

முகம் அடையாளம் காணும் செயல்பாட்டில் முகம் சேகரிப்பு, முகம் கண்டறிதல், முக அம்சப் பிரித்தெடுத்தல் மற்றும் முகம் பொருத்தம் அடையாளம் காணுதல் ஆகியவை அடங்கும். முகம் அடையாளம் காணும் செயல்முறை, AdaBoos வழிமுறை, கன்வல்யூஷனல் நியூரல் நெட்வொர்க் மற்றும் இயந்திர கற்றலில் ஆதரவு வெக்டார் இயந்திரம் போன்ற பல்வேறு தொழில்நுட்பங்களைப் பயன்படுத்துகிறது.

முகம் அடையாளம் காணும் செயல்முறை

தற்போது, ​​முகச் சுழற்சி, மறைப்பு, ஒற்றுமை போன்ற பாரம்பரிய முக அங்கீகாரச் சிரமங்கள் பெரிதும் மேம்படுத்தப்பட்டுள்ளன, இது முக அங்கீகாரத்தின் துல்லியத்தை பெரிதும் மேம்படுத்துகிறது. 2D முகம், 3D முகம், மல்டி-ஸ்பெக்ட்ரல் முகம் ஒவ்வொரு பயன்முறையும் வெவ்வேறு கையகப்படுத்தல் தழுவல் காட்சிகள், தரவு பாதுகாப்பு அளவு மற்றும் தனியுரிமை உணர்திறன் போன்றவற்றைக் கொண்டுள்ளது, மேலும் பெரிய தரவுகளின் ஆழமான கற்றலைச் சேர்ப்பது 3D முக அங்கீகார வழிமுறையை 2D ப்ரொஜெக்ஷனின் குறைபாடுகளுக்கு துணைபுரிகிறது, இது ஒரு நபரின் அடையாளத்தை விரைவாக அடையாளம் காண முடியும், இது இரு பரிமாண முக அங்கீகாரத்தைப் பயன்படுத்துவதில் ஒரு குறிப்பிட்ட திருப்புமுனையைக் கொண்டு வந்துள்ளது.

அதே நேரத்தில், முக அங்கீகாரத்தின் பாதுகாப்பை மேம்படுத்துவதற்கான முக்கிய தொழில்நுட்பமாக பயோமெட்ரிக் கண்டறிதல் தொழில்நுட்பம் தற்போது பயன்படுத்தப்படுகிறது, இது புகைப்படங்கள், வீடியோக்கள், 3D மாதிரிகள் மற்றும் செயற்கை முகமூடிகள் போன்ற போலி மோசடிகளை திறம்பட எதிர்க்கவும், இயக்க பயனர்களின் அடையாளத்தை சுயாதீனமாக தீர்மானிக்கவும் முடியும். தற்போது, ​​முகம் அங்கீகார தொழில்நுட்பத்தின் விரைவான வளர்ச்சியுடன், ஸ்மார்ட் சாதனங்கள், ஆன்லைன் நிதி மற்றும் முக கட்டணம் போன்ற பல புதுமையான பயன்பாடுகள் பெருகிய முறையில் பிரபலமடைந்து, அனைவரின் வாழ்க்கையிலும் பணியிலும் வேகத்தையும் வசதியையும் கொண்டு வருகின்றன.

கைரேகை அங்கீகாரம்

பனை அச்சு அங்கீகாரம் என்பது ஒரு புதிய வகை பயோமெட்ரிக் அங்கீகார தொழில்நுட்பமாகும், இது மனித உடலின் பனை அச்சுகளை இலக்கு அம்சமாகப் பயன்படுத்துகிறது மற்றும் மல்டிஸ்பெக்ட்ரல் இமேஜிங் தொழில்நுட்பம் மூலம் உயிரியல் தகவல்களை சேகரிக்கிறது. மல்டி-ஸ்பெக்ட்ரல் பனை அச்சு அங்கீகாரத்தை பல-மாதிரி மற்றும் பல இலக்கு அம்சங்களை இணைக்கும் பயோமெட்ரிக் அங்கீகார தொழில்நுட்பத்தின் மாதிரியாகக் கருதலாம். இந்த புதிய தொழில்நுட்பம் தோல் நிறமாலை, பனை அச்சு மற்றும் நரம்பு நரம்புகள் ஆகிய மூன்று அடையாளம் காணக்கூடிய அம்சங்களை ஒன்றிணைத்து ஒரே நேரத்தில் அதிக தகவல்களை வழங்குகிறது மற்றும் இலக்கு அம்சங்களின் வேறுபாட்டை அதிகரிக்கிறது.

இந்த ஆண்டு, அமேசானின் உள்ளங்கை அங்கீகார தொழில்நுட்பமான, ஆர்வில்லே என்ற குறியீட்டுப் பெயர், சோதனையைத் தொடங்கியுள்ளது. ஸ்கேனர் முதலில் அகச்சிவப்பு துருவப்படுத்தப்பட்ட அசல் படங்களின் தொகுப்பைப் பெறுகிறது, கோடுகள் மற்றும் மடிப்புகள் போன்ற உள்ளங்கையின் வெளிப்புற அம்சங்களில் கவனம் செலுத்துகிறது; இரண்டாவது துருவப்படுத்தப்பட்ட படங்களை மீண்டும் பெறும்போது, ​​அது உள்ளங்கையின் அமைப்பு மற்றும் நரம்புகள், எலும்புகள், மென்மையான திசுக்கள் போன்ற உள் அம்சங்களில் கவனம் செலுத்துகிறது. கைகளைக் கொண்ட படங்களின் தொகுப்பை வழங்க மூலப் படங்கள் ஆரம்பத்தில் செயலாக்கப்படுகின்றன. இந்தப் படங்கள் நன்கு ஒளிரும், கவனம் செலுத்தும் நிலையில் உள்ளன, மேலும் உள்ளங்கையை ஒரு குறிப்பிட்ட நோக்குநிலையில், ஒரு குறிப்பிட்ட போஸில், இடது அல்லது வலது கை என லேபிளிடப்பட்டுள்ளன.

தற்போது, ​​அமேசானின் கைரேகை அங்கீகார தொழில்நுட்பம் தனிப்பட்ட அடையாளத்தைச் சரிபார்த்து, 300 மில்லி வினாடிகளில் கட்டணத்தை முடிக்க முடியும், மேலும் பயனர்கள் ஸ்கேனிங் சாதனத்தில் கைகளை வைக்க வேண்டிய அவசியமில்லை, தொடர்பு இல்லாமல் கைரேகை மற்றும் ஸ்கேன் செய்யுங்கள். இந்த தொழில்நுட்பத்தின் தோல்வி விகிதம் சுமார் 0.0001% ஆகும். அதே நேரத்தில், கைரேகை அங்கீகாரம் ஆரம்ப கட்டத்தில் இரட்டை சரிபார்ப்பாகும் - வெளிப்புற பண்புகளைப் பெறுவதற்கு முதல் முறை, மற்றும் உள் நிறுவன பண்புகளைப் பெறுவதற்கு இரண்டாவது முறை. பாதுகாப்பின் அடிப்படையில் மற்ற பயோமெட்ரிக் தொழில்நுட்பங்களுடன் ஒப்பிடும்போது, ​​மேம்படுத்தப்பட்டுள்ளது.

மேற்கண்ட பயோமெட்ரிக் அம்சங்களுடன் கூடுதலாக, கருவிழி அங்கீகார தொழில்நுட்பமும் பிரபலப்படுத்தப்பட்டு வருகிறது. கருவிழி அங்கீகாரத்தின் தவறான அங்கீகார விகிதம் 1/1000000 வரை குறைவாக உள்ளது. அடையாளங்களை அடையாளம் காண இது முக்கியமாக கருவிழி வாழ்க்கை மாறுபாடு மற்றும் வேறுபாட்டின் பண்புகளைப் பயன்படுத்துகிறது.

தற்போது, ​​தொழில்துறையில் ஒருமித்த கருத்து என்னவென்றால், ஒற்றை முறையின் அங்கீகாரம் அங்கீகார செயல்திறன் மற்றும் பாதுகாப்பு இரண்டிலும் தடைகளைக் கொண்டுள்ளது, மேலும் மல்டி-மாடல் இணைவு என்பது முகம் அங்கீகாரம் மற்றும் பயோமெட்ரிக் அங்கீகாரத்தில் கூட ஒரு முக்கியமான திருப்புமுனையாகும் - பல காரணிகள் மூலம் மட்டுமல்ல. அங்கீகார துல்லியத்தை மேம்படுத்துவதற்கான வழி பயோமெட்ரிக் தொழில்நுட்பத்தின் காட்சி தகவமைப்பு மற்றும் தனியுரிமை பாதுகாப்பையும் ஒரு குறிப்பிட்ட அளவிற்கு மேம்படுத்தலாம். பாரம்பரிய ஒற்றை-முறை வழிமுறையுடன் ஒப்பிடும்போது, ​​இது நிதி அளவிலான தவறான அங்கீகார விகிதத்தை (பத்து மில்லியனில் ஒன்று வரை) சிறப்பாக சந்திக்க முடியும், இது பயோமெட்ரிக் அடையாளத்தின் வளர்ச்சியின் முக்கிய போக்காகவும் உள்ளது.

மல்டிமாடல் பயோமெட்ரிக் அமைப்பு

பல மாதிரி பயோமெட்ரிக் அமைப்புகள், ஒற்றை மாதிரி பயோமெட்ரிக் அமைப்புகளின் வரம்புகளைக் கடக்க, பல சென்சார்கள் அல்லது பயோமெட்ரிக்ஸைப் பயன்படுத்துகின்றன. உதாரணமாக, கருவிழி அங்கீகார அமைப்புகள் வயதான கருவிழிகளால் சமரசம் செய்யப்படலாம் மற்றும் மின்னணு கைரேகை அங்கீகாரம் தேய்ந்துபோன அல்லது வெட்டப்பட்ட கைரேகைகளால் மோசமடையக்கூடும். ஒற்றை மாதிரி பயோமெட்ரிக் அமைப்புகள் அவற்றின் அடையாளங்காட்டியின் ஒருமைப்பாட்டால் வரையறுக்கப்பட்டிருந்தாலும், பல ஒற்றை மாதிரி அமைப்புகள் ஒரே மாதிரியான வரம்புகளால் பாதிக்கப்படுவது சாத்தியமில்லை. பல மாதிரி பயோமெட்ரிக் அமைப்புகள் ஒரே மார்க்கரிடமிருந்து (அதாவது, ஒரு கருவிழியின் பல படங்கள், அல்லது ஒரே விரலின் ஸ்கேன்கள்) அல்லது வெவ்வேறு பயோமெட்ரிக்ஸிலிருந்து (கைரேகை ஸ்கேன்கள் தேவை மற்றும் குரல் அங்கீகாரத்தைப் பயன்படுத்தி, ஒரு பேச்சு கடவுக்குறியீடு தேவை) தகவல்களைப் பெறலாம்.

மல்டிமோடல் பயோமெட்ரிக் அமைப்புகள் இந்த யூனிமோடல் அமைப்புகளை தொடர்ச்சியாக, ஒரே நேரத்தில், அவற்றின் கலவையாக அல்லது தொடரில் இணைக்க முடியும், அவை முறையே தொடர், இணை, படிநிலை மற்றும் தொடர் ஒருங்கிணைப்பு முறைகளைக் குறிக்கின்றன.

CHANCCTV பற்றிஒரு தொடரை உருவாக்கியுள்ளதுபயோமெட்ரிக் லென்ஸ்கள்முகம் அடையாளம் காணுதல், உள்ளங்கை ரேகை அடையாளம் காணுதல் மற்றும் கைரேகை அடையாளம் காணுதல் மற்றும் கருவிழி அடையாளம் காணுதல் ஆகியவற்றிற்கு. உதாரணமாக CH3659A என்பது 4k குறைந்த சிதைவு லென்ஸ் ஆகும், இது 1/1.8'' சென்சார்களுக்காக வடிவமைக்கப்பட்டுள்ளது. இது 11.95மிமீ TTL உடன் அனைத்து கண்ணாடி மற்றும் சிறிய வடிவமைப்புகளையும் கொண்டுள்ளது. இது 44 டிகிரி கிடைமட்ட பார்வையைப் பிடிக்கிறது. இந்த லென்ஸ் உள்ளங்கை ரேகை அங்கீகாரத்திற்கு ஏற்றது.