பயோமெட்ரிக்ஸ் என்பது மனிதப் பண்புகள் தொடர்பான உடல் அளவீடுகள் மற்றும் கணக்கீடுகள் ஆகும். பயோமெட்ரிக் அங்கீகாரம் (அல்லது யதார்த்தமான அங்கீகாரம்) கணினி அறிவியலில் அடையாளம் காணுதல் மற்றும் அணுகல் கட்டுப்பாட்டின் ஒரு வடிவமாகப் பயன்படுத்தப்படுகிறது. கண்காணிப்பில் உள்ள குழுக்களில் உள்ள தனிநபர்களை அடையாளம் காணவும் இது பயன்படுத்தப்படுகிறது.

உயிரியல் அடையாளங்காட்டிகள் என்பவை, தனிநபர்களைக் குறிக்கவும் விவரிக்கவும் பயன்படுத்தப்படும் தனித்துவமான, அளவிடக்கூடிய பண்புகளாகும். உயிரியல் அடையாளங்காட்டிகள் பெரும்பாலும் உடலின் வடிவத்துடன் தொடர்புடைய உடலியல் பண்புகளாக வகைப்படுத்தப்படுகின்றன. கைரேகை, உள்ளங்கை நரம்புகள், முகத்தை அடையாளம் காணுதல், டி.என்.ஏ, உள்ளங்கை அச்சு, கை வடிவியல், கருவிழியை அடையாளம் காணுதல், விழித்திரை, மற்றும் மணம்/வாசனை ஆகியவை இதற்கு எடுத்துக்காட்டுகளாகும், ஆனால் இவை மட்டுமே அல்ல.

உயிரியளவியல் அடையாளங்காணல் தொழில்நுட்பமானது, கணினி அறிவியல், ஒளியியல் மற்றும் ஒலியியல், பிற இயற்பியல் அறிவியல்கள், உயிரியல் அறிவியல்கள், உயிரி உணர்விகள் மற்றும் உயிரிப் புள்ளியியல் கோட்பாடுகள், பாதுகாப்புத் தொழில்நுட்பம், செயற்கை நுண்ணறிவுத் தொழில்நுட்பம் மற்றும் பல அடிப்படை அறிவியல்கள் மற்றும் புதுமையான பயன்பாட்டுத் தொழில்நுட்பங்களை உள்ளடக்கியது. இது ஒரு முழுமையான பல்துறை தொழில்நுட்பத் தீர்வாகும்.

சமீபத்திய ஆண்டுகளில், செயற்கை நுண்ணறிவின் வளர்ச்சியால், பயோமெட்ரிக் அடையாள தொழில்நுட்பம் மேலும் முதிர்ச்சி அடைந்துள்ளது. தற்சமயம், முகத்தை அடையாளம் காணும் தொழில்நுட்பமே பயோமெட்ரிக்ஸின் மிகவும் பிரதிநிதித்துவமானதாக விளங்குகிறது.

முக அங்கீகாரம்

முகத்தை அடையாளம் காணும் செயல்முறையானது, முகங்களைச் சேகரித்தல், முகத்தைக் கண்டறிதல், முக அம்சங்களைப் பிரித்தெடுத்தல் மற்றும் முகப் பொருத்தத்தை அடையாளம் காணுதல் ஆகியவற்றை உள்ளடக்கியது. இந்த முகத்தை அடையாளம் காணும் செயல்முறையானது, இயந்திரக் கற்றலில் உள்ள அடாபூஸ் அல்காரிதம், கன்வல்யூஷனல் நியூரல் நெட்வொர்க் மற்றும் சப்போர்ட் வெக்டர் மெஷின் போன்ற பல்வேறு தொழில்நுட்பங்களைப் பயன்படுத்துகிறது.

முகத்தை அடையாளம் காணும் செயல்முறை

தற்போது, ​​முகச் சுழற்சி, மறைப்பு, ஒற்றுமை போன்ற பாரம்பரிய முக அங்கீகாரச் சிக்கல்கள் பெருமளவில் மேம்படுத்தப்பட்டுள்ளன, இது முக அங்கீகாரத்தின் துல்லியத்தை வெகுவாக அதிகரிக்கிறது. 2D முகம், 3D முகம், பல்நிறமாலை முகம் என ஒவ்வொரு முறையும் வெவ்வேறு தரவு சேகரிப்பு ஏற்புச் சூழல்கள், தரவுப் பாதுகாப்பு அளவு மற்றும் தனியுரிமை உணர்திறன் போன்றவற்றைக் கொண்டுள்ளது. மேலும், பெருந்தரவுகளின் ஆழ்நிலைக் கற்றலைச் சேர்ப்பது, 2D வீழலின் குறைபாடுகளை ஈடுசெய்து, ஒரு நபரின் அடையாளத்தை விரைவாகக் கண்டறிய உதவுகிறது. இது இருபரிமாண முக அங்கீகாரத்தின் பயன்பாட்டிற்கு ஒரு குறிப்பிட்ட திருப்புமுனையைக் கொண்டு வந்துள்ளது.

அதே நேரத்தில், முக அங்கீகாரத்தின் பாதுகாப்பை மேம்படுத்துவதற்கான ஒரு முக்கிய தொழில்நுட்பமாக பயோமெட்ரிக் கண்டறிதல் தொழில்நுட்பம் தற்போது பயன்படுத்தப்படுகிறது. இது புகைப்படங்கள், வீடியோக்கள், 3D மாதிரிகள் மற்றும் செயற்கை முகமூடிகள் போன்ற கள்ளத்தனமான மோசடிகளைத் திறம்படத் தடுக்கவும், செயல்படும் பயனர்களின் அடையாளத்தைத் தானாகவே கண்டறியவும் உதவுகிறது. தற்போது, ​​முக அங்கீகாரத் தொழில்நுட்பத்தின் விரைவான வளர்ச்சியுடன், ஸ்மார்ட் சாதனங்கள், ஆன்லைன் நிதி மற்றும் முகத்தின் மூலம் பணம் செலுத்துதல் போன்ற பல புதுமையான பயன்பாடுகள் பெருகிய முறையில் பிரபலமடைந்து, அனைவரின் வாழ்க்கைக்கும் வேலைக்கும் வேகத்தையும் வசதியையும் கொண்டு வருகின்றன.

கைரேகை அங்கீகாரம்

உள்ளங்கை அச்சு அடையாளம் காணுதல் என்பது ஒரு புதிய வகை உயிரியல் அடையாள தொழில்நுட்பமாகும். இது மனித உடலின் உள்ளங்கை அச்சை இலக்கு அம்சமாகப் பயன்படுத்தி, பன்நிறமாலை பிம்பத் தொழில்நுட்பத்தின் மூலம் உயிரியல் தகவல்களைச் சேகரிக்கிறது. பன்நிறமாலை உள்ளங்கை அச்சு அடையாளம் காணுதலை, பல்வகைத்தன்மை மற்றும் பல இலக்கு அம்சங்களை ஒருங்கிணைக்கும் உயிரியல் அடையாள தொழில்நுட்பத்தின் ஒரு மாதிரியாகக் கருதலாம். இந்த புதிய தொழில்நுட்பம், தோலின் நிறமாலை, உள்ளங்கை அச்சு மற்றும் நரம்புகள் ஆகிய அடையாளம் காணக்கூடிய மூன்று அம்சங்களையும் ஒருங்கிணைத்து, ஒரே நேரத்தில் மிகுதியான தகவல்களை வழங்குவதோடு, இலக்கு அம்சங்களின் வேறுபடுத்தும் திறனையும் அதிகரிக்கிறது.

இந்த ஆண்டு, 'ஆர்வில்' என்ற குறியீட்டுப் பெயரைக் கொண்ட அமேசானின் உள்ளங்கை அங்கீகாரத் தொழில்நுட்பம் சோதனையைத் தொடங்கியுள்ளது. இந்த ஸ்கேனர் முதலில், உள்ளங்கையின் வெளிப்புற அம்சங்களான கோடுகள் மற்றும் மடிப்புகளில் கவனம் செலுத்தி, அகச்சிவப்பு துருவப்படுத்தப்பட்ட அசல் படங்களின் தொகுப்பைப் பெறுகிறது; மீண்டும் துருவப்படுத்தப்பட்ட படங்களின் இரண்டாவது தொகுப்பைப் பெறும்போது, ​​அது உள்ளங்கையின் அமைப்பு மற்றும் நரம்புகள், எலும்புகள், மென்மையான திசுக்கள் போன்ற உள் அம்சங்களில் கவனம் செலுத்துகிறது. கைகளைக் கொண்ட படங்களின் தொகுப்பை வழங்குவதற்காக, மூலப் படங்கள் ஆரம்பத்தில் செயலாக்கப்படுகின்றன. இந்தப் படங்கள் நன்கு ஒளியூட்டப்பட்டு, தெளிவாகவும், உள்ளங்கையை ஒரு குறிப்பிட்ட திசையிலும், ஒரு குறிப்பிட்ட நிலையிலும் காட்டி, இடது அல்லது வலது கை என வகைப்படுத்தப்பட்டுள்ளன.

தற்போது, ​​அமேசானின் கைரேகை அங்கீகாரத் தொழில்நுட்பம், வெறும் 300 மில்லி விநாடிகளில் தனிப்பட்ட அடையாளத்தைச் சரிபார்த்து, பணம் செலுத்துதலை நிறைவுசெய்கிறது. மேலும், பயனர்கள் ஸ்கேனிங் கருவியில் தங்கள் கைகளை வைக்கத் தேவையில்லை; கைகளை அசைத்தாலே போதும், தொடுதல் இன்றி ஸ்கேன் செய்துவிடலாம். இந்தத் தொழில்நுட்பத்தின் தோல்வி விகிதம் சுமார் 0.0001% ஆகும். அதே நேரத்தில், கைரேகை அங்கீகாரமானது ஆரம்பக் கட்டத்திலேயே ஒரு இரட்டைச் சரிபார்ப்பைச் செய்கிறது – முதல் முறை வெளிப்புறப் பண்புகளையும், இரண்டாம் முறை நிறுவனத்தின் உள் பண்புகளையும் பெறுகிறது. பாதுகாப்பின் அடிப்படையில், மற்ற பயோமெட்ரிக் தொழில்நுட்பங்களுடன் ஒப்பிடும்போது இது மேம்பட்டதாக உள்ளது.

மேற்கூறிய பயோமெட்ரிக் அம்சங்களுடன், கருவிழி அடையாளங்காணல் தொழில்நுட்பமும் பிரபலப்படுத்தப்பட்டு வருகிறது. கருவிழி அடையாளங்காணலின் தவறான அடையாளங்காணல் விகிதம் 1/1000000 என்ற மிகக் குறைந்த அளவில் உள்ளது. இது அடையாளங்களை அடையாளம் காண, முக்கியமாக கருவிழியின் ஆயுள் மாறாத்தன்மை மற்றும் வேறுபாடு ஆகிய பண்புகளைப் பயன்படுத்துகிறது.

தற்போது, ​​ஒற்றை முறை அங்கீகாரத்தில் அங்கீகார செயல்திறன் மற்றும் பாதுகாப்பு ஆகிய இரண்டிலும் தடைகள் உள்ளன என்பதே தொழில்துறையில் நிலவும் பொதுவான கருத்தாகும். மேலும், பல-முறை இணைப்பு என்பது முக அங்கீகாரம் மற்றும் உயிரியல்சார் அங்கீகாரத்தில் ஒரு முக்கியமான திருப்புமுனையாகும். இது பல காரணி அங்கீகாரத்தின் மூலம் துல்லியத்தை மேம்படுத்துவது மட்டுமல்லாமல், உயிரியல்சார் தொழில்நுட்பத்தின் சூழல் ஏற்புத்திறன் மற்றும் தனியுரிமைப் பாதுகாப்பையும் ஓரளவிற்கு மேம்படுத்தும். பாரம்பரிய ஒற்றை-முறை வழிமுறையுடன் ஒப்பிடும்போது, ​​இது நிதிநிலை அளவிலான தவறான அங்கீகார விகிதத்தை (பத்து மில்லியனில் ஒன்று என்ற குறைந்த அளவில்) சிறப்பாகப் பூர்த்தி செய்ய முடியும், இதுவே உயிரியல்சார் அடையாள வளர்ச்சியின் முக்கியப் போக்காகவும் உள்ளது.

பன்முறை உயிரியல் அளவீட்டு அமைப்பு

ஒருவகை பயோமெட்ரிக் அமைப்புகளின் வரம்புகளைக் கடக்க, பன்முறை பயோமெட்ரிக் அமைப்புகள் பல சென்சார்கள் அல்லது பயோமெட்ரிக்ஸைப் பயன்படுத்துகின்றன. உதாரணமாக, வயதான கருவிழிகளால் கருவிழி அங்கீகார அமைப்புகள் பாதிக்கப்படலாம், மேலும் தேய்ந்துபோன அல்லது வெட்டப்பட்ட கைரேகைகளால் மின்னணு கைரேகை அங்கீகாரம் மோசமடையலாம். ஒருவகை பயோமெட்ரிக் அமைப்புகள் அவற்றின் அடையாளங்காட்டியின் நம்பகத்தன்மையால் வரையறுக்கப்பட்டிருந்தாலும், பல ஒருவகை அமைப்புகள் ஒரே மாதிரியான வரம்புகளால் பாதிக்கப்படுவது சாத்தியமில்லை. பன்முறை பயோமெட்ரிக் அமைப்புகள் ஒரே மார்க்கரிலிருந்து (அதாவது, ஒரு கருவிழியின் பல படங்கள், அல்லது ஒரே விரலின் ஸ்கேன்கள்) அல்லது வெவ்வேறு பயோமெட்ரிக்ஸிலிருந்து (கைரேகை ஸ்கேன்கள் மற்றும் குரல் அங்கீகாரத்தைப் பயன்படுத்தி, பேசப்படும் கடவுச்சொல் தேவைப்படும்) தகவல் தொகுப்புகளைப் பெற முடியும்.

பன்முறைமை உயிரியல் அளவியல் அமைப்புகள் இந்த ஒருமுறைமை அமைப்புகளைத் தொடர்ச்சியாக, ஒரே நேரத்தில், அவற்றின் கலவையாக அல்லது தொடராக இணைக்க முடியும், இவை முறையே தொடர், இணை, படிநிலை மற்றும் வரிசைமுறை ஒருங்கிணைப்பு முறைகளைக் குறிக்கின்றன.

சான்சிடிவிதொடர்ச்சியானவற்றை உருவாக்கியுள்ளதுபயோமெட்ரிக் லென்ஸ்கள்முகத்தை அடையாளம் காணுதல், உள்ளங்கை அச்சு அடையாளம் காணுதல், அத்துடன் கைரேகை மற்றும் கருவிழி அடையாளம் காணுதல் ஆகியவற்றுக்காக. உதாரணமாக, CH3659A என்பது 1/1.8'' சென்சார்களுக்காக வடிவமைக்கப்பட்ட ஒரு 4K குறைந்த சிதைவு லென்ஸ் ஆகும். இது முழுவதும் கண்ணாடி மற்றும் கச்சிதமான வடிவமைப்புடன் வெறும் 11.95mm TTL-ஐக் கொண்டுள்ளது. இது 44 டிகிரி கிடைமட்டப் பார்வைப் புலத்தைப் படம்பிடிக்கிறது. இந்த லென்ஸ் உள்ளங்கை அச்சு அடையாளம் காணுதலுக்கு மிகவும் ஏற்றது.