Ang biometrics ay mga sukat at kalkulasyon ng katawan na may kaugnayan sa mga katangian ng tao. Ang biometric authentication (o realistic authentication) ay ginagamit sa agham pangkompyuter bilang isang anyo ng pagkakakilanlan at pagkontrol sa pag-access. Ginagamit din ito upang matukoy ang mga indibidwal sa mga grupong nasa ilalim ng pagmamatyag.

Ang mga biometric identifier ay ang mga natatanging at masusukat na katangian na ginagamit upang lagyan ng label at ilarawan ang mga indibidwal. Ang mga biometric identifier ay kadalasang ikinategorya bilang mga pisyolohikal na katangian na may kaugnayan sa hugis ng katawan. Kabilang sa mga halimbawa ang, ngunit hindi limitado sa, fingerprint, mga ugat sa palad, pagkilala sa mukha, DNA, bakas ng palad, heometriya ng kamay, pagkilala sa iris, retina, at amoy/pabango.

Ang teknolohiyang biometric identification ay kinabibilangan ng agham pangkompyuter, optika at akustika at iba pang agham pisikal, agham biyolohikal, mga prinsipyo ng biosensor at biostatistics, teknolohiya ng seguridad, at teknolohiya ng artificial intelligence at marami pang ibang pangunahing agham at makabagong teknolohiya ng aplikasyon. Ito ay isang kumpletong multidisiplinaryong teknikal na solusyon.

Sa mga nakaraang taon, kasabay ng pag-unlad ng artificial intelligence, ang teknolohiya ng biometric identification ay naging mas maunlad. Sa kasalukuyan, ang teknolohiya ng face recognition ang pinaka-representatibo ng biometrics.

Pagkilala sa mukha

Kasama sa proseso ng pagkilala ng mukha ang pagkolekta ng mukha, pagtuklas ng mukha, pagkuha ng mga katangian ng mukha, at pagkilala sa pagtutugma ng mukha. Ang proseso ng pagkilala ng mukha ay gumagamit ng iba't ibang teknolohiya tulad ng AdaBoos algorithm, convolutional neural network, at support vector machine sa machine learning.

Ang proseso ng pagkilala sa mukha

Sa kasalukuyan, ang mga tradisyunal na kahirapan sa pagkilala ng mukha kabilang ang pag-ikot ng mukha, oklusyon, pagkakatulad, atbp. ay lubos na napabuti, na lubos na nagpapabuti sa katumpakan ng pagkilala ng mukha. 2D na mukha, 3D na mukha, multi-spectral na mukha. Ang bawat mode ay may iba't ibang senaryo ng adaptasyon sa pagkuha, antas ng seguridad ng data at sensitivity sa privacy, atbp., at ang pagdaragdag ng deep learning ng big data ay ginagawang mas napupunan ng 3D face recognition algorithm ang mga depekto ng 2D projection. Mabilis nitong matutukoy ang pagkakakilanlan ng isang tao, na nagdulot ng isang tiyak na tagumpay para sa aplikasyon ng two-dimensional na pagkilala ng mukha.

Kasabay nito, ang teknolohiya ng biometric detection ay kasalukuyang ginagamit bilang isang mahalagang teknolohiya upang mapabuti ang seguridad ng pagkilala sa mukha, na maaaring epektibong labanan ang pandaraya sa mga pekeng produkto tulad ng mga larawan, video, 3D model, at prosthetic mask, at malayang matukoy ang pagkakakilanlan ng mga gumagamit nito. Sa kasalukuyan, dahil sa mabilis na pag-unlad ng teknolohiya ng pagkilala sa mukha, maraming makabagong aplikasyon tulad ng mga smart device, online finance, at face payment ang lalong naging popular, na nagdadala ng bilis at kaginhawahan sa buhay at trabaho ng lahat.

Pagkilala sa bakas ng palad

Ang pagkilala sa palmprint ay isang bagong uri ng teknolohiya ng biometric recognition, na gumagamit ng palmprint ng katawan ng tao bilang target feature, at nangongolekta ng biological na impormasyon sa pamamagitan ng multispectral imaging technology. Ang multi-spectral palmprint recognition ay maaaring ituring na isang modelo ng biometric recognition technology na pinagsasama ang multi-modality at multiple target features. Pinagsasama ng bagong teknolohiyang ito ang tatlong makikilalang katangian ng skin spectrum, palm print, at vein veins upang magbigay ng mas maraming impormasyon nang sabay-sabay at mapataas ang pagkakaiba-iba ng mga katangian ng target.

Ngayong taon, sinimulan na ang pagsubok sa teknolohiya ng pagkilala sa palad ng Amazon, na may code name na Orville. Ang scanner ay unang kumukuha ng isang set ng mga orihinal na infrared polarized na imahe, na nakatuon sa mga panlabas na katangian ng palad, tulad ng mga linya at tupi; kapag kumukuha muli ng pangalawang set ng mga polarized na imahe, nakatuon ito sa istruktura ng palad at mga panloob na katangian, tulad ng mga ugat, buto, malambot na tisyu, atbp. Ang mga hilaw na imahe ay unang pinoproseso upang magbigay ng isang set ng mga imahe na naglalaman ng mga kamay. Ang mga imaheng ito ay maliwanag, naka-focus, at ipinapakita ang palad sa isang partikular na oryentasyon, sa isang partikular na postura, at minarkahan bilang kaliwa o kanang kamay.

Sa kasalukuyan, ang teknolohiya ng pagkilala ng palmprint ng Amazon ay kayang beripikahin ang personal na pagkakakilanlan at makumpleto ang pagbabayad sa loob lamang ng 300 milliseconds, at hindi na kailangan pang hawakan ng mga gumagamit ang scanning device, kumaway lang at mag-scan nang walang kontak. Ang failure rate ng teknolohiyang ito ay humigit-kumulang 0.0001%. Kasabay nito, ang pagkilala ng palmprint ay isang dobleng beripikasyon sa unang yugto – ang unang pagkakataon ay para makuha ang mga panlabas na katangian, at ang pangalawang pagkakataon ay para makuha ang mga panloob na katangian ng organisasyon. Kung ikukumpara sa iba pang mga biometric na teknolohiya, mas bumuti ito sa mga tuntunin ng seguridad.

Bukod sa mga nabanggit na biometric feature, ang teknolohiya sa pagkilala ng iris ay pinapasikat din. Ang false recognition rate ng pagkilala ng iris ay kasingbaba ng 1/1000000. Pangunahin nitong ginagamit ang mga katangian ng iris life invariance at difference upang matukoy ang mga pagkakakilanlan.

Sa kasalukuyan, ang pinagkasunduan sa industriya ay ang pagkilala ng iisang modalidad ay may mga hadlang sa pagganap at seguridad ng pagkilala, at ang multi-modal fusion ay isang mahalagang tagumpay sa pagkilala ng mukha at maging sa biometric recognition—hindi lamang sa pamamagitan ng multi-factor. Ang paraan upang mapabuti ang katumpakan ng pagkilala ay maaari ring mapabuti ang kakayahang umangkop sa eksena at seguridad sa privacy ng biometric technology sa isang tiyak na lawak. Kung ikukumpara sa tradisyonal na single-mode algorithm, mas matutugunan nito ang antas ng maling pagkilala sa pananalapi (kasingbaba ng isa sa sampung milyon), na siya ring pangunahing trend ng pag-unlad ng biometric identification.

Sistemang biometriko na multimodal

Gumagamit ang mga multimodal biometric system ng maraming sensor o biometrics upang malampasan ang mga limitasyon ng mga unimodal biometric system. Halimbawa, ang mga iris recognition system ay maaaring maapektuhan ng mga tumatandang iris at ang electronic fingerprint recognition ay maaaring lumala dahil sa mga luma o naputol na fingerprint. Bagama't limitado ang mga unimodal biometric system ng integridad ng kanilang identifier, malabong magkaroon ng magkaparehong limitasyon ang ilang unimodal system. Ang mga multimodal biometric system ay maaaring makakuha ng mga hanay ng impormasyon mula sa parehong marker (ibig sabihin, maraming larawan ng isang iris, o mga scan ng parehong daliri) o impormasyon mula sa iba't ibang biometrics (nangangailangan ng mga fingerprint scan at, gamit ang voice recognition, isang spoken passcode).

Maaaring pagsamahin ng mga multimodal biometric system ang mga unimodal system na ito nang sunud-sunod, sabay-sabay, ang kombinasyon ng mga ito, o nang serye, na tumutukoy sa mga sequential, parallel, hierarchical at serial integration mode, ayon sa pagkakabanggit.

CHANCCTVay bumuo ng isang serye ngmga biometric lenspara sa pagkilala ng mukha, pagkilala ng bakas ng palad pati na rin ang pagkilala ng fingerprint at pagkilala ng iris. Halimbawa, ang CH3659A ay isang 4k low distortion lens na idinisenyo para sa 1/1.8'' sensors. Nagtatampok ito ng purong salamin at compact na disenyo na may 11.95mm TTL lamang. Kinukuha nito ang 44 degrees horizontal field of view. Ang lens na ito ay mainam para sa pagkilala ng bakas ng palad.