ไบโอเมตริกส์คือการวัดและคำนวณขนาดร่างกายที่เกี่ยวข้องกับลักษณะเฉพาะของมนุษย์ การตรวจสอบตัวตนด้วยไบโอเมตริกส์ (หรือการตรวจสอบตัวตนที่สมจริง) ถูกนำมาใช้ในวิทยาศาสตร์คอมพิวเตอร์ในรูปแบบของการระบุตัวตนและการควบคุมการเข้าถึง นอกจากนี้ยังใช้เพื่อระบุตัวบุคคลในกลุ่มที่อยู่ภายใต้การเฝ้าระวังด้วย

ตัวระบุทางชีวภาพคือลักษณะเฉพาะที่วัดได้ซึ่งใช้ในการระบุและอธิบายตัวบุคคล ตัวระบุทางชีวภาพมักถูกจัดอยู่ในหมวดหมู่ลักษณะทางสรีรวิทยาที่เกี่ยวข้องกับรูปร่างของร่างกาย ตัวอย่างเช่น ลายนิ้วมือ เส้นเลือดในฝ่ามือ การจดจำใบหน้า ดีเอ็นเอ ลายฝ่ามือ รูปทรงมือ การจดจำม่านตา เรตินา และกลิ่น/ความหอม

เทคโนโลยีการระบุตัวตนด้วยไบโอเมตริกส์เกี่ยวข้องกับวิทยาศาสตร์คอมพิวเตอร์ ทัศนศาสตร์และเสียง และวิทยาศาสตร์กายภาพอื่นๆ วิทยาศาสตร์ชีวภาพ ไบโอเซนเซอร์และหลักการทางสถิติชีวภาพ เทคโนโลยีความปลอดภัย และเทคโนโลยีปัญญาประดิษฐ์ ตลอดจนวิทยาศาสตร์พื้นฐานและเทคโนโลยีการประยุกต์ใช้ที่เป็นนวัตกรรมอื่นๆ อีกมากมาย นับเป็นโซลูชันทางเทคนิคแบบสหวิทยาการที่สมบูรณ์แบบ

ในช่วงไม่กี่ปีที่ผ่านมา ด้วยการพัฒนาของปัญญาประดิษฐ์ เทคโนโลยีการระบุตัวตนด้วยไบโอเมตริกจึงมีความก้าวหน้ามากขึ้น ปัจจุบัน เทคโนโลยีการจดจำใบหน้าถือเป็นเทคโนโลยีไบโอเมตริกที่โดดเด่นที่สุด

การจดจำใบหน้า

กระบวนการจดจำใบหน้าประกอบด้วย การรวบรวมใบหน้า การตรวจจับใบหน้า การสกัดคุณลักษณะของใบหน้า และการจับคู่ใบหน้าเพื่อจดจำ กระบวนการจดจำใบหน้าใช้เทคโนโลยีต่างๆ เช่น อัลกอริทึม AdaBoos เครือข่ายประสาทเทียมแบบคอนโวลูชัน และเครื่องสนับสนุนเวกเตอร์ในด้านการเรียนรู้ของเครื่อง

กระบวนการจดจำใบหน้า

ในปัจจุบัน ปัญหาการจดจำใบหน้าแบบดั้งเดิม เช่น การหมุนใบหน้า การบดบัง ความคล้ายคลึงกัน ฯลฯ ได้รับการพัฒนาอย่างมาก ซึ่งช่วยเพิ่มความแม่นยำในการจดจำใบหน้าได้อย่างมาก ใบหน้า 2 มิติ ใบหน้า 3 มิติ และใบหน้าหลายสเปกตรัม แต่ละโหมดมีสถานการณ์การปรับตัวในการเก็บรวบรวมข้อมูล ระดับความปลอดภัยของข้อมูล และความอ่อนไหวต่อความเป็นส่วนตัวที่แตกต่างกัน และการเพิ่มการเรียนรู้เชิงลึกของข้อมูลขนาดใหญ่ทำให้ขั้นตอนวิธีจดจำใบหน้า 3 มิติสามารถแก้ไขข้อบกพร่องของการฉายภาพ 2 มิติได้ สามารถระบุตัวตนของบุคคลได้อย่างรวดเร็ว ซึ่งนำมาซึ่งความก้าวหน้าครั้งสำคัญสำหรับการประยุกต์ใช้การจดจำใบหน้าสองมิติ

ในขณะเดียวกัน เทคโนโลยีการตรวจจับไบโอเมตริกกำลังถูกนำมาใช้เป็นเทคโนโลยีหลักในการปรับปรุงความปลอดภัยของการจดจำใบหน้า ซึ่งสามารถป้องกันการปลอมแปลงได้อย่างมีประสิทธิภาพ เช่น ภาพถ่าย วิดีโอ โมเดล 3 มิติ และหน้ากากปลอม และสามารถระบุตัวตนของผู้ใช้งานได้อย่างอิสระ ปัจจุบัน ด้วยการพัฒนาอย่างรวดเร็วของเทคโนโลยีการจดจำใบหน้า แอปพลิเคชันนวัตกรรมมากมาย เช่น อุปกรณ์อัจฉริยะ การเงินออนไลน์ และการชำระเงินด้วยใบหน้า จึงได้รับความนิยมเพิ่มมากขึ้น ทำให้ชีวิตและการทำงานของทุกคนรวดเร็วและสะดวกสบายยิ่งขึ้น

การจดจำลายนิ้วมือ

การจดจำลายนิ้วมือฝ่ามือเป็นเทคโนโลยีการจดจำทางชีวภาพรูปแบบใหม่ ซึ่งใช้ลายนิ้วมือฝ่ามือของร่างกายมนุษย์เป็นคุณลักษณะเป้าหมาย และรวบรวมข้อมูลทางชีวภาพผ่านเทคโนโลยีการถ่ายภาพหลายสเปกตรัม การจดจำลายนิ้วมือฝ่ามือแบบหลายสเปกตรัมสามารถพิจารณาได้ว่าเป็นรูปแบบหนึ่งของเทคโนโลยีการจดจำทางชีวภาพที่ผสมผสานหลายรูปแบบและคุณลักษณะเป้าหมายหลายอย่าง เทคโนโลยีใหม่นี้รวมคุณลักษณะที่สามารถระบุได้สามอย่าง ได้แก่ สเปกตรัมของผิวหนัง ลายนิ้วมือฝ่ามือ และเส้นเลือด เพื่อให้ได้ข้อมูลที่ครบถ้วนมากขึ้นในคราวเดียวและเพิ่มความสามารถในการจำแนกคุณลักษณะเป้าหมาย

ในปีนี้ เทคโนโลยีการจดจำฝ่ามือของ Amazon ซึ่งมีชื่อรหัสว่า Orville ได้เริ่มทำการทดสอบแล้ว เครื่องสแกนจะทำการบันทึกภาพต้นฉบับแบบอินฟราเรดโพลาไรซ์ชุดแรก โดยเน้นที่ลักษณะภายนอกของฝ่ามือ เช่น เส้นและรอยพับ จากนั้นเมื่อบันทึกภาพโพลาไรซ์ชุดที่สอง จะเน้นที่โครงสร้างและลักษณะภายในของฝ่ามือ เช่น เส้นเลือด กระดูก เนื้อเยื่ออ่อน เป็นต้น ภาพดิบจะถูกประมวลผลเบื้องต้นเพื่อให้ได้ภาพมือชุดหนึ่ง ภาพเหล่านี้มีความสว่างเพียงพอ คมชัด และแสดงฝ่ามือในทิศทางและท่าทางที่เฉพาะเจาะจง พร้อมทั้งระบุว่าเป็นมือซ้ายหรือมือขวา

ปัจจุบัน เทคโนโลยีการจดจำลายนิ้วมือของ Amazon สามารถตรวจสอบตัวตนและชำระเงินได้ภายในเวลาเพียง 300 มิลลิวินาที โดยไม่จำเป็นต้องนำมือไปแตะอุปกรณ์สแกน เพียงแค่โบกมือและสแกนโดยไม่ต้องสัมผัส อัตราความผิดพลาดของเทคโนโลยีนี้อยู่ที่ประมาณ 0.0001% ในขณะเดียวกัน การจดจำลายนิ้วมือเป็นการตรวจสอบสองขั้นตอนในขั้นต้น – ครั้งแรกเพื่อรับลักษณะภายนอก และครั้งที่สองเพื่อรับลักษณะภายในขององค์กร เมื่อเทียบกับเทคโนโลยีไบโอเมตริกอื่นๆ แล้ว ถือว่ามีความปลอดภัยมากขึ้น

นอกจากคุณสมบัติทางชีวเมตริกข้างต้นแล้ว เทคโนโลยีการจดจำม่านตาก็กำลังได้รับความนิยมมากขึ้นเช่นกัน อัตราการจดจำผิดพลาดของการจดจำม่านตานั้นต่ำมากเพียง 1 ใน 1,000,000 โดยหลักแล้วจะใช้ลักษณะเฉพาะของม่านตาที่ไม่เปลี่ยนแปลงตลอดอายุการใช้งานและความแตกต่างในการระบุตัวตน

ในปัจจุบัน ความเห็นพ้องในอุตสาหกรรมคือ การจดจำโดยใช้เพียงรูปแบบเดียวมีข้อจำกัดทั้งในด้านประสิทธิภาพและความปลอดภัย และการผสมผสานหลายรูปแบบถือเป็นความก้าวหน้าที่สำคัญในการจดจำใบหน้าและแม้กระทั่งการจดจำไบโอเมตริก ไม่เพียงแต่จะช่วยเพิ่มความแม่นยำในการจดจำด้วยวิธีการหลายปัจจัยเท่านั้น แต่ยังช่วยเพิ่มความสามารถในการปรับตัวให้เข้ากับสถานการณ์และความปลอดภัยของความเป็นส่วนตัวของเทคโนโลยีไบโอเมตริกได้ในระดับหนึ่ง เมื่อเทียบกับอัลกอริทึมแบบรูปแบบเดียวแบบดั้งเดิมแล้ว วิธีนี้สามารถตอบสนองอัตราการจดจำผิดพลาดในระดับที่ยอมรับได้ (ต่ำถึงหนึ่งในสิบล้าน) ซึ่งเป็นแนวโน้มหลักของการพัฒนาการระบุตัวตนด้วยไบโอเมตริกด้วย

ระบบไบโอเมตริกแบบหลายโหมด

ระบบไบโอเมตริกแบบหลายโมดอลใช้เซ็นเซอร์หรือไบโอเมตริกหลายตัวเพื่อเอาชนะข้อจำกัดของระบบไบโอเมตริกแบบโมดอลเดียว ตัวอย่างเช่น ระบบการจดจำม่านตาอาจมีปัญหาเนื่องจากม่านตาเสื่อมสภาพตามวัย และการจดจำลายนิ้วมือแบบอิเล็กทรอนิกส์อาจแย่ลงเนื่องจากลายนิ้วมือสึกหรอหรือเป็นแผล ในขณะที่ระบบไบโอเมตริกแบบโมดอลเดียวมีข้อจำกัดด้านความสมบูรณ์ของตัวระบุ แต่ก็ไม่น่าเป็นไปได้ที่ระบบแบบโมดอลเดียวหลายระบบจะประสบกับข้อจำกัดที่เหมือนกัน ระบบไบโอเมตริกแบบหลายโมดอลสามารถรับชุดข้อมูลจากตัวบ่งชี้เดียวกัน (เช่น ภาพม่านตาหลายภาพ หรือการสแกนนิ้วเดียวกัน) หรือข้อมูลจากไบโอเมตริกที่แตกต่างกัน (เช่น การสแกนลายนิ้วมือ และการใช้การจดจำเสียงเพื่อป้อนรหัสผ่านที่พูด)

ระบบไบโอเมตริกแบบหลายโมดอลสามารถผสานรวมระบบแบบโมดอลเดียวเหล่านี้ได้ทั้งแบบเรียงลำดับ พร้อมกัน ผสมผสานกัน หรือแบบอนุกรม ซึ่งหมายถึงโหมดการผสานรวมแบบเรียงลำดับ แบบขนาน แบบลำดับชั้น และแบบอนุกรม ตามลำดับ

CHANCCTVได้พัฒนาชุดต่างๆเลนส์ไบโอเมตริกสำหรับการจดจำใบหน้า การจดจำลายนิ้วมือ รวมถึงการระบุลายนิ้วมือและการระบุม่านตา ตัวอย่างเช่น CH3659A เป็นเลนส์ 4K ที่มีการบิดเบือนต่ำ ซึ่งออกแบบมาสำหรับเซ็นเซอร์ขนาด 1/1.8 นิ้ว มีคุณสมบัติเป็นกระจกทั้งหมดและมีขนาดกะทัดรัดด้วยความยาวโฟกัส TTL เพียง 11.95 มม. สามารถจับภาพมุมมองแนวนอนได้ 44 องศา เลนส์นี้เหมาะอย่างยิ่งสำหรับการจดจำลายนิ้วมือ