Entegre güvenlik sistemlerinde biyometrik tanımlama. Yüz tanıma sistemleri

Günümüzde, bu tür sistemlerin çeşitli türleri piyasada sunulmaktadır ve problemin karmaşıklığı açısından farklı şekilde yerine getirilir: Kalabalıktaki uzaktan tanımadan ofiste çalışma süresi muhasebeleştiriyor. Kişisel tanıma çözümleri farklı platformlarda müşterilere sunulmaktadır - bu bir sunucu mimarisi, mobil ve gömülü çözümler ve bulut hizmetleridir.

Modern sistemler, derin öğrenmenin sinir ağı algoritmalarında faaliyet göstermektedir, bu nedenle tanımanın doğruluğu düşük kaliteli görüntüler için bile maksimumdur, kafa dönüşlerine dirençlidirler ve başka avantajlar vardır.

Örnek 1. Kamu Güvenliği

Güvenlik sağlamak, biyometrik tanımlama sistemlerinin uygulanacağı bir tür başlangıç \u200b\u200bnoktasıdır. Kişilerin uzak tanınması sistemleri, kitlesel insan bulma nesnelerinin güvenliğini sağlamak için kullanılır.

En zor görev, kalabalıktaki bir kişinin tanımlanmasıdır.

Opektif olmayan tanıma, bir kişi sistemle etkileşime girmediğinde, kamera merceğine bakmadığında, döner veya yüzü gizlemeye çalışır. Örneğin, taşıma ve transferlerde, metro, büyük uluslararası etkinlikler.

Davalar

Şirketimiz için 2017'nin en önemli projelerinden biri, bu yaz Kazakistan'da gerçekleşen en büyük uluslararası sergi EXPO-2017 oldu. Uzaktaki biyometrik tanıma sisteminde özel odalar kullanılmıştır.

Çerçevedeki kişilerin seçilmesi, odada meydana gelir ve yalnızca yüzün görüntüsü sunucuya iletilir, kanalı boşaltır ve ağ altyapısının maliyetini önemli ölçüde azaltır. Kameralar, kompleksin farklı bölümlerinde dört giriş grubunu kontrol etti. Sistem mimarisi, giriş gruplarının ayrı ayrı ya da hep birlikte çalıştıkları şekilde tasarlanmıştır, sistemin doğru çalışması sadece 4 sunucu ve 48 kamera ile sağlanmıştır.

Büyük bölgesel dağılımlı nesnelerde çevrimiçi video analizi yardımı ile, şüpheliler, kayıp insanları arıyorlar, olayları ve olayları araştırıyorlar, yolcu trafiğinin analizini gerçekleştiriyorlar.

Bazı havaalanlarında, 2017 yılı sonuna kadar biyometrikler uygulamaya başlayacak ve yolcuları uçmaya kaydolmaya başlayacak. Tadiser Portal'a göre, akıllı kapı sistemleri de 12 Avrupa ülkesi (İspanya, Fransa, Hollanda, Almanya, Finlandiya, İsveç, Estonya, Macaristan, Yunanistan, İtalya, Romanya) tanıtmayı planlıyor.

Ve bir sonraki adım, sınır ve göç kontrolünün geçişi için bireysel tanıma sistemlerinin tanıtılması olmalıdır. Devlet desteğiyle, yüzündeki tanımlamanın tanıtılması, önümüzdeki üç ila beş yılın gelecekteki metal dedektörlerinin çerçevesi kadar yaygın olabilir.

Örnek 2. Alıcınızı yüzünde tanımak

İşletme ayrıca yüzlerce biyometrik tanımlamaya bahis yapar. Her şeyden önce, bu perakende.

Sistemler, alıcıların zemini ve yaşını, ziyaret çıktılarının sıklığını ve zamanını, her bir ağ mağazasında istatistikleri biriktirir.

Bundan sonra, otomatik mod için, hem ağda hem de çıkışlarla ayrıştırılan otomatik modda ayrıntılı raporlar görüntülenir. Bu raporlara dayanarak, etkili pazarlama kampanyalarını planlamak, "müşteri portresi" yapmak uygundur.

Ne yazık ki, müşterileri ifşa edemiyoruz. Bunların arasında, en büyük perakendeciler ve DIY (kendisinden mi) Ağı, pahalı bir araç ve bileşenlerin bulunduğu ürün yelpazesinde.

Nasıl çalışır

Birçoğu gizli bilgi sızıntılarından korkuyor, ancak tanınmış insanların hiçbir kişisel verisinin arşivlerde saklandığını vurguluyoruz. Dahası, bir görüntü bile saklanmaz, ancak görüntünün geri yüklenmemesi için biyometrik deseni.

Tekrarlanan ziyaretler, yüzün biyometrik deseni "yukarı çeker", bu nedenle sistem tam olarak kimin ve mağazada kaç kez olduğunu biliyor. Kişisel verilerin güvenliği için sakin olabilirsiniz.

Küçük dükkanlar için, araba galericileri için, Eczaneler Pazarlama Analytics Collection Mekanizması Bulut Tanıma Hizmetinde uygulanır. Küçük ve orta ölçekli işletmeler için, bu seçenek tercih edilir, çünkü sunucu ekipmanı için maliyetler gerektirmez, ek personel, yazılım güncellemesi ve böylece, ilk önce, çıkışların verimliliğini değerlendirmek için uygun bir araç ve ikinci olarak mükemmel bir araç Hırsızları tanımlamak için yardımcısı. Yani, bir sistem bir kerede birkaç işlev gerçekleştirir.

Örnek 3. Erişim Kontrolü ve Erişim Kontrol Sistemleri

Yukarıdaki fonksiyonlara ek olarak, yüz tanıma sistemi, erişim kontrolü ve erişim kontrol sistemlerinde yakınlık kartlarına alternatif olarak kullanılmaktadır.

Birkaç avantaj var: Yüksek güvenilirlik sağlama, tanımlayıcıyı aldatmak, kopyalamak veya çalmak imkansızdır, mevcut güvenlik ekipmanı ile kolayca entegre olurlar. Hatta mevcut gözetim kameralarını bile kullanabilirsiniz. Biyometrik tanımlama sistemleri, arşivdeki olayları sabitleme ile uzaktan ve çok hızlı bir şekilde.

Biyometrik SCOI'lara dayanarak, çalışanların çalışma saatlerini, özellikle de büyük ofis merkezlerinde tutmak için uygundur.

Durum

Geçen yıl lojistik alanında uzmanlaşmış büyük bir Hintli kuruluşta böyle bir sistemi uyguladık. Kalıcı çalışanların sayısı 600'den fazla kişidir. Aynı zamanda, şirket saatin etrafında faaliyet göstermekte ve "yüzen" bir işçilik programı uygular. Uzaktan Biyometrik Tanımlama Sistemimizin yardımı ile müşteri, bir nesnenin ve akud'un önleyici bir güvenliği aracı olan personel çalışma saatlerinin tam ve güvenilir bir muhasebesini aldı.

Örnek 4. Fanı Stadyuma Geçiş

Kutu ofisinde bir bilet satın alma sırasında, her alıcının yüzü otomatik olarak fotoğraflandı ve sisteme yüklenir. Bu, maçın ziyaretçilerinin temelini oluşturur. Satın alma İnternet veya mobil uygulama aracılığıysa, Selfie'yi uzaktan yetkilendirme mümkündür. Gelecekte, bir kişi stadyuma geldiğinde, sistem herhangi bir pasaport olmadan tanır.

Ziyaretçilerin spor yarışmalarına özdeşleşmesi, 284-FZ sayılı Federal Kanunu'na göre zorunlu hale geldi "Federal Hukukun 20 Maddesi'ndeki" Rusya Federasyonu'ndaki Fiziksel Kültür ve Sporun 20 Maddesi'ndeki Değişiklikler Üzerindeki Değişiklikler ve İdari Suçlar Kanunu'nun 32.14. İdari suç kodu.

Stadyum tam olarak bir bilet alan, bileti başka bir kişiye transfer eden ya da sahte bir biletten geçmek imkansız olacak. Stadyumdaki kişilerin uzaktan tanınması, büyük bölgesel dağıtılmış taşıma nesnelerinde olduğu gibi aynı prensipte çalışır: Bir kişi stadyumdan yasaklanmış kişilerin listelerine girilirse, sistem onu \u200b\u200bkaçırmaz.

Durum

Mart 2016'da, Vocoda'nın ortak projesi ve PJSC Rostelecom'un Khanty-Mansiysk Şubesi çerçevesinde, Khanty-Mansiysk'te düzenlenen Biathlon'daki Dünya Kupası'nın güvenliğini sağlamak için uzaktan tanıma sistemi kullanılmıştır. 2015'ten bu yana, aynı sistem çok işlevli spor kompleksi "Arena Omsk" bölümünde başarıyla faaliyet göstermektedir. Rusya'daki en büyük en büyük spor olanağa girer, Sibirya'nın en büyük spor ve eğlence amacı ve Hokey Kulübü'nün "Avangard" temelidir.

Örnek 5. İnternet Bankacılığı ve ATM'leri

Kişilerin tanınmasının yerleştiği bir başka niş bankacılık küresidir. Burada, yeni teknolojilerin tanıtımı yoğun bir şekildedir, çünkü finansal sektörün kişiselleştirilmiş bilgilerin güvenilirliği ve korunması ile ilgileniyor.

Günümüzde, biyometrikler kademeli olarak, normal ve kurulan "kağıt" belgelerini zorlamazsanız, daha sonra onlara gitmek için başlar. Aynı zamanda, ödemeler sırasında koruma derecesi önemli ölçüde artmaktadır: işlemi onaylamak için akıllı telefonunun kamerasını görmek yeterlidir. Aynı zamanda, biyometrik verilerin kendisi iletilmez, bunları engellemek mümkün değildir.

Biyometrik tanımlama teknolojilerinin tanıtılması, elektronik hizmet ve cihazların büyük kullanımı, internet ticaretinin geliştirilmesi ve nakit yerine plastik kartların yayılması ile doğrudan ilişkilidir.

NVIDIA Jetson gibi yüksek performanslı grafik işlemcilerin (GPU) ve üssünde ultra kompakt donanım platformlarının ortaya çıkmasıyla - kişilerin tanınması ATM'lere tanıtılmaya başlandı. Şimdi sadece kartın sahibi kaldırılabilir veya hesap işlemlerini, örneğin Tinkoff Bank ATM'leri aracılığıyla gerçekleştirebilir. Ve yakında pin emekli olabilir.

Biyometria, benzersiz fizyolojik veya davranışsal özelliklerine dayanan bir kişiyi tanımlamak için yöntem ve cihazların bir kombinasyonudur.

Bu tür bir tanımlama, binaya, bilgisayarlara, ATM'lere, cep telefonlarına vb. Yasaklanmamış erişimin önlenmesi için kullanılabilir.

Biyometrik özellikler:

• parmak izleri;
• yüzün geometrisi;
• gökkuşağı göz kılıfı;
• retina deseni;
• oy;
• el yazısı;
• klavyeye yazdırma;
• damarlar elinde, vb.

Bilim 2.0 Kişiliğin Tanımlanması

Biyometrik tanımlamanın avantajları

Biyometrik koruma, örneğin şifreler, akıllı kartlar, PIN kodları, belirteçler veya genel anahtar altyapı teknolojisini kullanarak daha büyük bir etki sağlar. Bu, biyometrenlerin cihaz olmayan, ancak bir kişiyi tanımlaması olasılığından kaynaklanmaktadır.

Geleneksel koruma yöntemleri, yasadışı kullanıcılara açık olan bilgi kaybı veya çalınması ile doludur. Olağanüstü bir biyometrik tanımlayıcı, örneğin parmak izleri, kaybolmaya tabi olmayan bir anahtardır.

Biyometri yöntemlerinin sınıflandırılması

Kullanılan bilgi türüne göre, biyometrik tanımlama bölünür:

• Eşsiz özelliklere dayanan statik yöntemler, doğumdan gelen veri adamı ve ondan ayrılmaz. Fizyolojik göstergeler (palmiye geometrisi veya papillar parmak deseni) adam için değişmeden
• Kişiliğin davranışsal (yani dinamik) özelliğini temel alan dinamik yöntemler. Bu özellikler, herhangi bir işlemi oynatırken bilinçaltı hareketlerin karakteristik özelliğidir (konuşmalar, imzalar, klavye dinamikleri). Bu tür davranış özellikleri, yönetilen ve çok kontrol edilen zihinsel faktörlerden etkilenir. Değiştilebilirlikleri nedeniyle, kullanıldığında biyometrik örnekler güncellenmelidir.

Biyometrik parametreler için kişilik kimlik yöntemleri

Bu tanıma yöntemi en yaygın olanıdır. Her kişi için parmakların papiller desenlerinin benzersizliğini kullanır. Özel bir tarayıcı, parmak izi görüntüsünü alır. Dijital Kod'a dönüştürülür ve daha önce girilen şablona eşlenir.

Birkaç saniyeden fazla tanımlama işlemi. Bu yöntemin caydırıcı gelişmesinin belirli bir dezavantajı, parmak izleri hakkında veri bırakmak istemeyen bazı insanları önyargılamaktır. Cihaz geliştiricilerin karşı dayanıklı, papiller paterni hakkındaki bilgilerin saklanmadığı ve yalnızca kısa bir kimlik kodu depolandığı, parmak izi üzerine kurulu ve karşılaştırma için kalıbı yeniden oluşturmasına izin vermemesidir. Yöntemin avantajı kullanım kolaylığı, güvenilirlik ve rahatlıktır.

El Şekilli Tanımlama

Bu statik yöntem, el fırça şeklini ölçmeye dayanır. Aynı zamanda eşsiz bir biyometrik insan parametresidir. Özel bir cihaz, fırçanın üç boyutlu bir görünümünü elde etmenizi sağlar. Sonuç olarak, bir kişiyi tanımlayan benzersiz bir dijital kod oluşturmak için ölçümler elde edilir.

Teknoloji ve doğruluğu üzerindeki bu yöntem, bir parmak izi tanımlama yöntemi ile karşılaştırılabilir, ancak cihazın yöntemin uygulanması için çok fazla alana sahip olmasına rağmen. Ellerin yaşla değişmesine rağmen, aynı geometriyle iki aynı elin varlığının son derece küçük olasılık olasılığı.

Bugün, elin geometrisinin tanımlanması yasama organlarında, hastanelerde, uluslararası havaalanlarında vb. Kullanılır.

Gökkuşağı kabuğu kimlik doğrulaması

Bu yöntemin temeli, İris üzerindeki kalıbın münhasırlığıdır. Gerçekleştirmek için, görüntüyü gökkuşağı kabuğundaki ortaya çıkan görüntüden vurgulamak için yeterli çözünürlüğe ve özel yazılıma sahip olmak için bir kameraya ihtiyacınız var. Bir kişiyi tanımlamaya hizmet eden bir dijital kod oluşturur.

Tarayıcıların avantajı, kişinin hedefe odaklanmasını gerektirmemesidir, çünkü iris lekelerinin numunesi gözün yüzeyinde konsantre edilir. Tarama, 1 m'den az bir mesafede mümkündür. Örneğin ATM'lerde kullanım için uygundur.

Retid Tanımlama

Retina, gözün arka duvarının kan damarlarına yönelik düşük yoğunluklu kızılötesi ışık kullanılarak taranır. Retina tarayıcıları erişim sistemlerinde gizli nesnelere yaygındır, çünkü neredeyse hiç yanlış erişim iznine sahip değiller. Hatalar, kafanın referans konumundan sapmasıyla ve ışık kaynağındaki görünümün yanlış odaklanmasıyla açıklanabilir.

İkizler bile retinanın kılcal modelini farklıdır. Bu yöntemin kişiliği tanımlamak için başarıyla kullanılabileceği budur.

Bu tür sistemlerin dezavantajı, psikolojik bir faktör içerebilir: Her insan gözünde bir şeyin parladığı karanlık bir deliğe bakamaz. Ek olarak, bu sistemler retinanın yanlış yönlendirilmesine duyarlıdır, bu nedenle gözün pozisyonunu deliğe doğru yakından izlemeniz gerekir.

Form Kimlik için bir nesne olarak kişiler

Bu statik kimlik yöntemi, bir kişinin yüzünün iki veya üç boyutlu bir görüntüsünü oluşturmaktır. Yüzün görüntüsündeki kamera ve özel yazılım, gözlerin, dudakların, kaşların, burun vb. Konturlarını vurgular. Sonra bu unsurlar ve diğer parametreler arasındaki mesafeleri hesaplarlar. Bu bilgilere göre, karşılaştırma için bir dijital formda dönüştürüldüğü bir görüntü oluşturulur.

Bu yöntem, biyometri endüstrisinde en dinamik olarak gelişen alanları ifade eder. Çekiciliği, özel pahalı ekipmanın gerekli olduğu gerçeğine dayanıyor. Yeterli kişisel bilgisayar ve video kamera. Ek olarak, cihazlarla fiziksel temas yoktur. Sistemin tetiklenmesini özellikle bekleyen bir şeye dokunmanıza veya durmaya gerek yok.

El yazması tanıma

El yazısının tanımlanmasının temeli, her kişi için bu faktörün benzersizliği ve istikrarıdır. Özellikler ölçülür, dijital formlara çevrilir ve bilgisayar işleme işlemine maruz kalır. Yani, karşılaştırma için, bir mektup, bir ürün olarak seçilmedi, ancak işlemin kendisi.

İki veri işleme yöntemi yaygındır: numune ve dinamik doğrulama ile normal karşılaştırma. Birincisi güvenilmez, çünkü imza her zaman aynı değildir. Bu yöntem, büyük bir hata yüzdesine yol açar. Dinamik doğrulama, daha karmaşık hesaplamalardan oluşur. Gerçek zamanlı olarak bu yöntem, imza işleminin parametrelerini kaydeder: Elin farklı parçalarda, basınç kuvveti ve farklı imzaların süresi. Bu, imza el hareketlerini doğrulukla kopyalamanın imkansız olduğu için sahte, sahteyi ortadan kaldırır.

Klavye el yazısı üzerinde tanıma

Bu yöntem genellikle yukarıdakilere benzertir, ancak içindeki imza belirli bir kod kelimesiyle değiştirilir ve ekipmandan sadece normal bir klavyeye ihtiyaç vardır. Ana tanımlama özelliği, kod kelimesinin klavyesinin dinamikleridir.

Modern araştırmaya göre, klavye el yazısının, kişiyi benzersiz bir şekilde tanımlayabileceği için belirli bir istikrarı vardır. Kaynak verileri, anahtarları ve tutulmalarını tıklatarak arasındaki süredir. Basın arasındaki süre iş hızını gösterir ve tutun, iş tarzı, yani, yumuşak bir basın veya keskin bir darbedir.

İlk başta, filtre aşamasında, "Servis" tuşları - fonksiyonel, imleç kontrolü vb. Üzerine veriler silinir.

Aşağıdaki kullanıcı özellikleri tahsis edilir:

• set sırasında hata sayısı;
• tuş vuruşları arasında zaman;
• hız ayarla.
• anahtar tutma zamanı;
• ayarlandığında Arrhidrichy .

Oylama tanıma

Sesi tanımlamanın biyometrik yöntemi kullanım için uygundur. Uygulamasının nedenleri, telefon ağlarının geniş dağılımı ve bilgisayarlarda mikrofonları gömmedir. Dezavantajları, tanınmayı etkileyen faktörler olarak değerlendirilebilir: sesleri çevreleyen mikrofonlara müdahale, telaffuz sürecindeki hatalar, tanımlama sırasında bir kişinin farklı duygusal durumu, vb.

Kimlik doğrulama cihazları oylamasındaki ana şey, sesin bireyselliğini en iyi şekilde tanımlayan parametrelerin seçimidir. Bu sinyal parametrelerine bireysellik özellikleri denir. Bu işaretler, sesin özellikleri hariç, başka özelliklere sahip olmalıdır. Örneğin, kolayca ölçülmelidir ve az miktarda gürültü ve girişime bağlıdır. Ek olarak, zaman içinde istikrarlı olmalı ve taklit direndir.

Yüz taraması ile kombine bir ses analizi yöntemi kullanan sistemler geliştirilmiştir. Hoparlörün mimica'nın sadece onu ayırt ettiği ve aynı kişinin aynı kelimeleri harcadığı farklı olacağını ortaya koydu.

Yüz arterlerinin ve damarların termografik gözlemi

Kızılötesi ışık dalgaları aralığına giderseniz, şahsen bir kişinin tanımlanması çok basittir. Tanımlanabilir kişinin termografisi, cildi kanla besleyen arterlerin yüzündeki yerin benzerliğini tanımlar. Bu biyometrik cihazlar için arka ışık sorusu mevcut değildir, çünkü yüzün sıcaklık farklarını algıladıkları ve ışığa ihtiyaçları yoktur. Tanınma verimliliği, kişiliğin doğal yaşlanmasına, plastik operasyonların, damarların iç konumunu değiştirmemeleri için aşırı ısınmaya veya süper soğutmaya bağlı değildir.

Yüz termografinin yöntemi, yüz kan damarları büyük ölçüde farklı olan ikizlerle ayırt edilebilir.

Bu kimlik yöntemi, özel bir kızılötesi aralığı kamera kullanır.

El damarlarında tanımlama

Biyometrik piyasa, duvarların bireysel damarlarının elinde bireysel damarların analizinde yerleşik olan cihazları içerir. El yumruğunda sıkıştırılmış fırçanın arkasında bulunan ven çekmecesini int. Damarların çiziminin gözlemlenmesi, kızılötesi aydınlatmalı bir televizyon kamerası yürütür. Görüntüyü girerken, binarizasyonu, damarları yayar. Bu tür bir ekipman Vinchek tek İngilizce şirketini üretir.

Biyometri Perspektifleri

Parmak izlerinin tespiti, kişiliği tanımlamanın baskın yoludur. Bunun için iki ana neden var:

• birçok ülkede, biyometrik verilerle pasaportlara geçiş başladı;
• küçük cihazlarda (cep telefonları, cep bilgisayarları, dizüstü bilgisayarlarda) kullanım için güncellenmiş parmak izi tarayıcıları modellerinin geliştirilmesi.

İmza tanımlama sektöründe, dijital elektronik imzanın geniş uygulamasıyla bağlantılı olarak önemli bir uzatma beklenebilir. Ses tanıma, akıllı binaların yapımında büyük projelerin uygulanması nedeniyle momentum kazanabilir.

Başlıca tahminler, yakın gelecekte biyometrik güvenlik cihazlarının tanıtımının çığ kazanacağı gerçeğine düşürülür. Küresel terörle mücadele, bu alandaki herhangi bir başarının pratik kullanımını gerektirecektir. Multimedya ve dijital teknolojilerin yoğun gelişimi sayesinde ve daha fazlalıkları, temel olarak yeni kimlik sistemlerinin geliştirilmesine ve uygulanmasına izin verecektir.

Bazı biyometrik teknolojiler şu anda geliştirme aşaması geçirilir ve bazıları umut verici olarak kabul edilir:

1. kızılötesi aralığında yüz termogramı;
2. dNA özellikleri;
3. parmakların derisinin spektroskopisi;
4. palm Baskılar;
5. oh lavabo şekli;
6. manifold parametreleri;
7. bireysel adam kokuyor;
8. cilt tuzluluk seviyesi.

Bugün biyometrik tanımlama yöntemleri oluşturulabilir. Belki de yakında bilimsel araştırmalardan ticari teknolojilere geçecekler.

Son zamanlarda, kişilerde Huglovsky kimlik sistemleri hakkında birçok makale var. Dürüst olmak gerekirse, onlardan birçoğundan sonra gazetecilik getirir ve hafifçe yetersizlik kazandırır. Ve biyometri hakkında iyi bir makale yazmak istedim, ilk değil! Habré'de biyometri hakkında birkaç iyi makale var - ama yeterince kısa ve eksik. Burada, biyometrik tanımlamanın genel prensiplerini ve bu konuda insanlığın modern başarılarını kısaca özetleyeceğim. Kişiler tarafından tanımlanması dahil.

Makale, özünde, boğası olan bir devamı var.

Makalenin temeli olarak, modern gerçekler altında geri dönüştürülen dergideki (BDI, 2009) meslektaşı bir yayınıyla ortak olarak kullanılacaktır. Habré değilken meslektaşlar, ancak geri dönüştürülmüş makalenin yayınlanmasını destekledi. Yayınlanma sırasında, makale, ürünlerini taşımadan önce kendileri için yaptığımız modern biyometrik teknolojilerin pazarına kısa bir genel bakışıydı. Makalenin ikinci bölümünde öne sürülen uygulanabilirlik hakkında tahmini yargılar, ürünleri kullanan ve uygulayan insanların yanı sıra, Rusya ve Avrupa'da biyometrik sistemlerin üretiminde yer alan insanların görüşlerine dayanmaktadır.

Genel bilgi

Azov ile başlayalım. Biyometrik vakaların% 95'inde, özünde, matematiksel istatistiklerdir. Ve Matstat, her yerde kullanılan algoritmalar olan doğru bir bilimdir: radarda ve Bayesian sistemlerinde. Herhangi bir biyometrik sistemin iki ana özelliği olarak, birinci ve ikinci sıradaki hataları alabilirsiniz). Radar teorisinde, genellikle "yanlış alarm" veya "geçiş hedefi" olarak adlandırılırlar ve biyometride, en belirlenmiş kavramlar - uzak (yanlış kabul oranı) ve FRR (yanlış reddetme oranı). İlk numara, iki kişinin biyometrik özelliklerinin yanlış bir tesadüfinin olasılığını karakterize ediyor. İkincisi, toleransı olan bir kişiye erişememenin olasılığıdır. Sistem, aynı uzak değerlerle daha az FRR değerinden daha iyidir. Bazen EER'nin karşılaştırmalı özelliği de kullanılır, bu da FRR ve uzak grafiklerin kesiştiği noktayı belirler. Ancak her zaman temsili olmaktan uzak. Örneğin, daha fazla ayrıntı görebilirsiniz.
Aşağıdakileri not edebilirsiniz: sistem özellikleri çok uzakta ve açık biyometrik veritabanlarında FRR verilmezse - üreticilerin özelliklerini bildirmediler, bu sistem büyük olasılıkla yetersiz veya güçlü derecede zayıf rakipler.
Ancak sadece uzakta değil ve FRR, biyometrik sistemin kalitesini tanımlar. Sadece öyleyse, o zaman lider teknoloji, uzak ve FRR'nin sıfıra girdiği DNA'daki insanların tanınması olacaktır. Ancak bu teknolojinin insani gelişme aşamasında geçerli olmadığı açıktır! Sistemin kalitesini değerlendirmenize izin veren çeşitli ampirik özellikler geliştirdik. "Sahte direnç", biyometrik tanımlayıcının ne kadar kolay kolayca aldatıldığını genelleştiren ampirik bir özelliktir. "Çevresel Direnç", sistemin kararlılığını veya oda sıcaklığını değiştirmek gibi çeşitli dış koşullar altında dengesini ampirik olarak değerlendiren bir karakteristiktir. "Kolay kullanım", biyometrik tarayıcının kullanılmasının ne kadar zor olduğunu, "Go" ın tanımlanmasının mümkün olup olmadığını gösterir. Önemli bir özellik, "iş hızı" ve "maliyet sistemi". Bir kişinin biyometrik özelliklerinin zaman içinde değişebileceğini unutmayın, bu nedenle eğer kararsızsa, önemli bir eksidir.
Biyometrik yöntemlerin bolluğu çarpıcıdır. Kişinin statik biyometrik özelliklerini kullanan ana yöntemler, parmaklardaki papiller desenini, iris, yüzün geometrisi, retina, kolun damarlarının çizimi, elin geometrisi. Ayrıca dinamik özellikler kullanarak bir yöntem ailesi vardır: oylama kimliği, el yazısı dinamiği, kalp ritmi, yürüyüş. Aşağıda biyometrik pazarın birkaç yıl önce dağılımıdır. Her ikinci kaynakta, bu veri yüzde 15-20 oranında değişmektedir, bu nedenle bu sadece bir tahmindir. Burada, "El Geometrisi" kavramı altında, aşağıda açıklanacak olan iki farklı yöntem hidden vardır.

Makalede, yalnızca erişim kontrolü ve erişim kontrol sistemlerinde (SCS) veya bunlara yakın görevlerde geçerli olan özellikleri göz önünde bulunduracağız. Üstünlüğü sayesinde, öncelikle statik özelliklerdir. Dinamik özelliklerden bugüne kadar, yalnızca sesin tanınması en azından bazı istatistiksel önemi vardır (yüz statik algoritma ile% 0.1,% 0.1,% 0.1,% 6 FRR), ancak yalnızca ideal koşullarda.
Uzak ve FRR'nin olasılıklarını hissetmek için, tanımlama sistemini insan personelinin sayısıyla birlikte kimlik sistemini belirlerseniz, yanlış tesadüflerin ne sıklıkta ortaya çıkacağını değerlendirebilirsiniz. Tarayıcı tarafından N'nin bir veritabanı için alınan parmak izinin yanlış bir tesadüfinin olasılığı, N FingerPrint'e bir veritabanı için eşittir ∙ N. Ve her gün, n adam, erişim kontrol noktasından geçer. Daha sonra çalışma günü için hata olasılığı ∙ (n ∙ n). Tabii ki, kimlik sisteminin amaçlarına bağlı olarak, zaman birimi başına bir hatanın olasılığı büyük ölçüde değişebilir, ancak iş günü boyunca izin verilen bir hatayı kabul ederseniz,:
(1)
Ardından, tanımlama sisteminin stabil çalıştırılmasının, N≈30 personel sayısına göre% 0.1 \u003d 0.001'de mümkün olduğunu elde ederiz.

Biyometrik tarayıcılar

Bugüne kadar "Biyometrik Algoritma" ve "Biyometrik Tarayıcı" kavramı, mutlaka birbiriyle ilişkili değildir. Şirket bu unsurları soliter tarafından üretebilir ve birlikte olabilir. Tarayıcı ve yazılım üreticilerinin en büyük farklılaşması, parmağın papiller deseninin biyometrik pazarında elde edilir. 3D yüz tarayıcıların pazarının en küçüğü. Aslında, birçok yönden farklılaşma seviyesi, pazarın gelişimini ve doygunluğunu gösterir. Daha fazla seçenek - daha fazla temalar çözülür ve mükemmellik getirilir. Çeşitli tarayıcıların farklı bir yetenek grubuna sahiptir. Temel olarak, bu denetleme için bu test seti, biyometri nesnesini dövme veya değil. Parmak tarayıcıları için, bu, göz tarayıcıları için bir kabartma kontrolü veya sıcaklık testi olabilir, bu, yüz tarayıcıları için, yüz tarayıcıları için, yüz tarayıcıları için konaklamanın denetleyicisi olabilir.
Tarayıcılar, uzak ve FRR istatistiklerinden çok güçlü bir şekilde etkilenir. Bazı durumlarda, bu rakamlar, özellikle gerçek koşullarda, onlarca zaman içinde değişebilir. Tipik olarak, algoritmanın özellikleri belirli bir "ideal" bir taban için veya sadece bilinmeyen ve bulanık çerçevelerin atıldığı iyi uygun bir durum için verilmiştir. Yalnızca birkaç algoritma dürüst olmak gerekirse, üssü ve üzerinde FAR / FRR'nin tamamını gösterir.

Ve şimdi teknolojilerin her biri hakkında daha ayrıntılı olarak

Parmak izi

Dactlyloscopy (parmak izi tanıma) - bugün tanımlamanın en gelişmiş biyometrik tanımlama yöntemi. Yöntemin gelişimi için katalizör, 20. yüzyılın suçlusundaki yaygın kullanımıdır.
Her kişinin, hangi tanımlamanın mümkün olduğu sayesinde benzersiz bir papillar parmak izi deseni vardır. Genellikle algoritmalar parmak izleri üzerinde karakteristik noktaları kullanır: kalıp hattının sonu, çizgi dallanma, tek noktalar. Ek olarak, parmak izinin morfolojik yapısına ilişkin bilgiler çekilir: Papiller deseninin kapalı çizgilerinin, "kemerli" ve spiral hatların göreceli konumu. Papiller deseninin özellikleri, tüfek görüntü iltihabını koruyan benzersiz bir kod haline getirilir. Ve "parmak izi kodları", arama ve karşılaştırmak için kullanılan veritabanında saklanır. Koddaki parmak izi görüntüsünün görüntüsü ve kimliğini genellikle veritabanının boyutuna bağlı olarak 1C'yi geçmez. İşlem eline harcanan zaman dikkate alınmaz.

Far ve FRR'de bir veri kaynağı olarak, parmak izi tarayıcı dp u.are.u. kullanılarak elde edilen Verifinger SDK istatistikleri kullanılmıştır. Son 5-10 yılı boyunca, parmağın tanınmasının özellikleri çok fazla adım atmadı, böylece rakamların modern algoritmaların ortalama değerini gösterdiğini gösterdi. Verifinger algoritmasının kendisi, parmağın tanıma algoritmalarının rekabet ettiği Uluslararası Parmak İzi Doğrulama Yarışması Uluslararası Yarışmasını kazandı.

Parmak izi tanıma yöntemi için karakteristik uzak değer% 0.001'dir.
Formül (1) 'den, tanımlama sisteminin stabil çalıştırılmasının, N≈300 personel sayısıyla% 0.001'in% 0.001'i mümkün olduğunu elde ediyoruz.

Yöntemin avantajları. Yüksek Güvenilirlik - Yöntem İstatistiksel Göstergeler Kişi, ses, resim için tanımlama yöntemlerinin daha iyi göstergeleri. Düşük cihazın parmak izi görüntüsünü taraması. Basit basit bir baskı tarama prosedürü.
Dezavantajları: Papillar parmak izi deseni, küçük çizikler, kesilerek çok kolay hasar görür. Scanners'teki scanners kullanan kişiler, yaklaşık birkaç yüz kişi sayısı yüksek bir tarama derecesi ilan eder. Tarayıcıların çoğu yetersiz kuru cilde aittir ve yaşlı insanları kaçırmayın. Son Sergi MIPS'sinde iletişim kurarken, büyük bir kimyasal girişimin güvenlik hizmeti başkanı, işletmede parmak tarayıcıları tanıtma girişimlerinin (çeşitli sistemlerin tarayıcıları denenmiş) başarısız oldu - kimyasal reaktiflerin parmaklardaki minimum etkisi Personelin tarayıcı güvenlik sistemlerinin başarısız olmasına neden oldu - tarayıcılar sahte parmağını ilan etti. Aynı zamanda, yöntemin geniş dağılımından kaynaklanan bir baskı görüntüsünün yanlışlanmasından da yetersiz korunma vardır. Tabii ki, tüm tarayıcılar yok edici efsanelerindeki yöntemlerle kandırılamaz, ancak yine de. Bazı insanlar için "Uygunsuz" parmakları (vücut ısısı, nem), başarısızlık olasılığı% 100 elde edilebilir. Bu tür insanların sayısı, pahalı tarayıcıların ilgisini çekinceye kadar ucuza yüzde ona kadar değişmektedir.
Tabii ki, çok sayıda dezavantajının sistemin geniş bir prevalansından kaynaklandığı, ancak bu eksikliklerin kendilerini çok sık olduğu ve tezahür ettiği bir yeri var.

Piyasadaki durum

Şu anda, biyometrik pazarın yarısından fazlası biyometrik pazarın yarısından fazlasını meşgul. Birçok Rus ve yabancı şirket, daktiloskopik tanımlama yöntemine dayanarak erişim kontrol sistemlerinin üretiminde bulunmaktadır. Bu yönün en preslemeden biri olması nedeniyle, en çok yayılan ve bugün en gelişmiş olanıdır. Parmak izi tarayıcıları geliştirmek için çok uzun bir yoldan geçti. Modern sistemler, fakelere karşı koruma derecesini artıran çeşitli sensörler (sıcaklıklar, presleme kuvveti vb.) İle donatılmıştır. Her gün sistem giderek daha rahat ve kompakt hale geliyor. Aslında, geliştiriciler bu alanda zaten belirli bir limit elde etmiş ve daha fazla bir yöntem geliştirmişlerdir. Ek olarak, çoğu şirket, yazılım da dahil olmak üzere gerekli olan her şeyle donatılmış hazır sistemler üretir. Bu alandaki entegratörler, kârsız olduğu için sistemi bağımsız olarak toplamaya gerek yoktur, çünkü hazır ve çok ucuz sistem satın almaktan daha fazla zaman ve güçler alacak, seçim daha çok geniş olacaktır.
Parmak izi tanıma sistemlerinde yer alan yabancı şirketler arasında, Secugen not edilebilir (PC için USB tarayıcıları, işletmelere kurulabilecek ve kilitlere, SDK'ya ve bir bilgisayarla yazılım iletişimi); Bayometrik A.Ş. (Parmak izi tarayıcıları, TAA / erişim kontrol sistemleri, parmak izi SDK'lar, gömülü parmak izi modülleri); DigitalPersona, Inc. (USB tarayıcılar, SDK). Bu alanda Rusya Şirketleri istihdam ediyor: Biolink (dactyloscopik tarayıcılar, biyometrik erişim kontrol cihazları, yazılım); Sonda (Dactyloscopic tarayıcılar, biyometrik erişim kontrol cihazları, SDK); SmartLock (Dactyloscopic tarayıcılar ve modüller), vb.

İris

Gökkuşağı göz kabuğu, bir kişinin eşsiz bir özelliğidir. İrisin görüntüsü, intrauterin gelişmenin sekizinci ayında oluşturulur, sonunda yaklaşık iki yıl boyunca stabilize edilir ve şiddetli yaralanmaların veya keskin patolojilerin bir sonucu olarak hayat boyunca pratikte değişmez. Yöntem, biyometrik yöntemler arasındaki en doğru olanlardan biridir.
Gökkuşağı kabuğu için tanımlama sistemi, mantıksal olarak iki bölüme ayrılmıştır: bir görüntü yakalama cihazı, bir bilgisayarın birincil işlemesi ve bir bilgisayarın birincil işlenmesi ve bir hesap makinesini ve bir hesap makinesi iletimi .
Modern sistemlerde birincil görüntü işleme süresi yaklaşık 300-500m'dir, elde edilen görüntünün tabanla karşılaştırılmasının oranı, normal bir PC'de saniyede 500.000-150000 karşılaştırma seviyesine sahiptir. Böyle bir referans hızı, erişim sistemlerinde kullanıldığında büyük kuruluşlarda yöntemin kullanımına ilişkin kısıtlamalar getirmez. Arama optimizasyonu için özel bilgisayarlar ve algoritmalar kullanırken, tüm ülkenin sakinleri arasında bir kişiyi tanımlamak bile mümkündür.
Hemen bu yöntemi önyargılı olduğumdan ve bu yöntemi olumlu bir şekilde tedavi ettiğimden cevap verebilirim, çünkü bu NIVA'yı başlattık. Sonunda küçük bir kendinden bazlı paragraf ayrılacak.

Yöntemin İstatistiksel Özellikleri

Özellikler Far ve Iris için FRR, modern biyometrik sistemlerin sınıfındaki en iyisidir (ancak belki de Retina'nın retinasının tanınması yöntemi hariç). Makale, aynı bazlarda doğrulanan VeriYe algoritmasına karşılık gelen algoritmamızın gökkuşağı kabuğunun tanıma kütüphanesinin özelliklerini sunar. Tarayıcıları tarafından elde edilen Casia bazları kullanılmıştır.

Uzak karakteristik değeri -% 0.00001.
Formül (1) N≈3000'e göre, çalışanın tanımlanmasının oldukça kararlı olduğu, kuruluşun personelinin sayısı.
Tanınma sistemini gökkuşağı kabuğundaki diğer sistemlerden ayıran önemli bir özelliğe dikkat etmeye değer. İzin kameralarını 1.3 mm'den kullanma durumunda, bir çerçeveye iki gözü yakalayabilirsiniz. Uzak ve FRR olasılıkları istatistiksel olarak bağımsız olasılıklar olduğundan, daha sonra iki gözde tanınırken, uzak değer bir göz için uzak değerin karesine yaklaşık olarak eşit olacaktır. Örneğin,% 0.001, iki göz kullanırken, yanlış tolerans olasılığı% 10-8'e eşit olacaktır, FRR ile bir göz için karşılık gelen FRR değerinden sadece iki kat daha yüksektir \u003d% 0.001.

Yöntemin avantajları ve dezavantajları

Yöntemin avantajları. Algoritmanın istatistiksel güvenilirliği. İrisin görüntüsünün yakalanması, birkaç santimetreden birkaç metreye kadar yapılabilirken, bir kişinin fiziksel teması cihazla gerçekleşmez. Gökkuşağı kabuğu hasardan korunur - bu da zaman içinde değişmeyeceği anlamına gelir. Ayrıca, sahte karşı koruyan çok sayıda yöntem kullanmak mümkündür.
Yöntemin dezavantajları. Parmak tanıma veya yüz tanıma dayalı bir sistemin fiyatının üstündeki bir gökkuşağı kabuğuna dayalı bir sistemin fiyatı. Hazır çözümlerin düşük kullanılabilirliği. Bugün Rusya pazarına gelecek olan ve "bana hazır bir sistem ver" diyecek herhangi bir entegratör - büyük olasılıkla parçalanır. En çok amaçlı, pahalı anahtar teslimi sistemler, İridian veya LG gibi büyük şirketler tarafından kurulur.

Piyasadaki durum

Şu anda, küresel biyometrik piyasadaki gözün gökkuşağı gözündeki tanımlama teknolojilerinin oranı, yüzde 6 ila 9'dan farklı tahminlerdedir (parmak izi için tanıma teknolojileri pazarın yarısından fazladır). Bu yöntemin gelişiminin başlangıcından itibaren, piyasada güçlendirilmesi, kimlik sistemini monte etmek için gerekli olan ekipman ve bileşenlerin yüksek maliyetini yavaşlattığı belirtilmelidir. Bununla birlikte, dijital teknolojilerin geliştirilmesiyle, ayrı bir sistemin maliyeti azalmıştır.
Bu alanda yazılımın geliştirilmesindeki lider, Şirket IIDIAN teknolojileridir.
Piyasaya büyük miktarda üreticiye girişi, tarayıcıların teknik karmaşıklığı ve bunun sonucunda, yüksek maliyetleri ve yanı sıra İridya'nın pazardaki tekel pozisyonunun yüksek fiyatı ile sınırlıdır. Bu faktörlerin sadece bir gökkuşağı kabuğunun sadece büyük şirketlere tanınması, en yüksek olan bazı bileşenlerin (yüksek çözünürlüklü optik, kızılötesi aydınlatmalı minyatür odalar vb.) Üretmesi muhtemeldir. Bu tür şirketlerin örnekleri LG Electronics, Panasonic, Oki olabilir. İridyalı teknolojilerle bir anlaşma yaptılar ve işbirliğinin bir sonucu olarak, aşağıdaki tanımlama sistemleri ortaya çıktı: İris Erişim 2200, BM-ET500, OKI Irispass. Gelecekte, bu şirketlerin teknik yeteneklerinden dolayı bu alanda bağımsız olarak gelişmiş sistemlerin gelişmiş sistemleri ortaya çıkmıştır. Yukarıdaki şirketlerin de kendi yazılımlarını geliştirdiği söylenmelidir, ancak sonuç olarak, Bitmiş Sistemde İridya Teknolojileri Yazılımı tercih etti.
Yabancı şirketlerin ürünleri Rus pazarında egemendir. Bu, bu zorluklarla satın alınmasına rağmen. Uzun zamandır, Papilon şirketine herkese bir gökkuşağı kabuğuna tanındıklarını sağladı. Ancak ROSATOM'un temsilcileri bile, sistemin doğru olmadığını söyledikleri doğrudan satın alımlarıdır. Bir noktada, Iris'in tarayıcılarını yapan bir başka Rus firması tezahür etti. Şimdi ismi hatırlamayacağım. Algoritma, belki de aynı Verieye'da birini satın aldılar. Tarayıcının kendisi 10-15 yıl önce bir sistemdi, hiçbir şekilde temassız.
Geçen yıl, gözlerdeki insan tanıma için birincil patentin sona ermesi nedeniyle küresel pazarda bir çift yeni üretici yayınlandı. Onların en büyük güven, bence, Aoptix'i hak ediyor. En azından onların önizlemeleri ve belgeleri şüpheye neden olur. İkinci şirket SRI International'dır. İlk bakışta bile, silindirlerinin IRIS tanıma sistemlerine nişanlanan bir kişi çok yanlış görünüyor. Her ne kadar gerçekte bir şeyler yapabilirlerse şaşırmayacağım. Aynı sistem, uzak ve FRR'de verileri göstermez, görünüşe göre fakelerden korunmaz.

Yüz tanıma

Yüzün geometrisinde birçok tanınma yöntemi vardır. Hepsi, yüzün özelliklerinin ve her insanın kafatasının şeklinin bireysel olduğu gerçeğine dayanmaktadır. Biyometri bu alanı birçok kişi için çekici görünüyor, çünkü birbirimizi öncelikle yüzünde öğreniyoruz. Bu alan iki yöne ayrılmıştır: 2-D tanıma ve 3-D tanıma. Her birinin avantajları ve dezavantajları vardır, ancak aynı zamanda belirli bir algoritmaya sunulan uygulamaya ve iddialara da bağlıdır.
Kısacası, size 2-D hakkında söyleyeceğim ve bugün için en ilginç yöntemlerden birine gidiyorum - 3-D.

2-D Yüz Tanıma

2-D Yüz Tanıma, en istatistiksel olarak verimsiz biyometrik yöntemlerinden biridir. Uzun zamandır ortaya çıktı ve çoğunlukla gelişimine katkıda bulunan adli olarak uygulandı. Sonuç olarak, yöntemin bilgisayar yorumları ortaya çıktı, bunun sonucunda daha güvenilir, ancak kesinlikle aşağı ve her yıl diğer biyometrik tanımlama yöntemlerine gittikçe daha düşük. Şu anda, kötü istatistiksel göstergeler nedeniyle, multimodal veya bununla crossbiometrics olarak da veya sosyal ağlarda da kullanıldığı için kullanılır.

Yöntemin İstatistiksel Özellikleri

Uzak ve FRR için Verilook algoritmaları için veri kullandı. Yine, modern algoritmalar için çok sıradan özelliklere sahiptir. Bazen% 0,1 FRR'li algoritmalar benzer bir uzakta gezinilir, ancak elde edildikleri bazlar da çok şüpheli (oyulmuş arka plan, aynı yüz ifadesi, aynı saç modeli, aydınlatma).

Uzak karakteristik değeri -% 0.1.
Formül (1) 'dan N≈30 elde ediyoruz - Çalışan kimliğinin oldukça kararlı olduğu organizasyonun personelinin sayısı.
Görülebileceği gibi, yöntemin istatistiksel göstergeleri oldukça mütevazıdır: bu, kalabalık yerlerde kişilerin gizli çekimini gerçekleştirebileceğiniz yöntemin avantajını sever. Yılda birkaç kez kalabalık olan kameralar aracılığıyla düzenli bir projenin suçluların keşfedilmesi için nasıl finanse edildiğini izlemek komik. Son on yılda, algoritmanın istatistiksel özellikleri geliştirilmemiştir ve bu tür projelerin sayısı büyüdü. Bir kişiyi birçok kamera aracılığıyla bir kalabalığın içindeki bir kişiyi korumak için, algoritma oldukça uygun olmasına rağmen, algoritma oldukça uygun olmasına rağmen.

Yöntemin avantajları ve dezavantajları

Yöntemin avantajları. 2-D tanıma ile, çoğu biyometrik yöntemin aksine, pahalı bir ekipman gerekmez. Uygun ekipman ile kameradan kayda değer mesafelerde tanınma olasılığı.
Dezavantajları. Düşük istatistiksel doğruluk. Aydınlatma gereksinimleri (örneğin, insanların yüzlerini güneşli bir günde sokaklardan kaydetmek mümkün değildir). Birçok algoritma için, örneğin gözlük, sakal, bazı elementler gibi herhangi bir harici girişimin kabul edilemezliği. Çok küçük sapmalarla ön yüz görüntüsüne emin olun. Birçok algoritma, yüz özelliklerinde olası değişiklikler dikkate almaz, yani ifade nötr olmalıdır.

3 boyutlu yüz tanıma

Bu yöntemin uygulanması oldukça zor bir görevdir. Buna rağmen, şu anda 3 boyutlu yüz tanıma yöntemlerinin birçok yöntemi var. Farklı tarayıcılar ve bazlar kullandıkları için yöntemler birbirleriyle karşılaştırılamaz. Hepsi uzakta değil ve FRR, kesinlikle farklı yaklaşımlar kullanılıyor.
2-D ila 3-D yönteminden geçiş, yüz hakkında bilgi birikimini uygulayan bir yöntemdir. Bu yöntem, 2D yönteminden en iyi özelliklere sahiptir, ancak yalnızca bir oda kullanır. Konuyu veritabanına girerken, konu başı döndürür ve algoritma görüntüyü bir araya getirir, bir 3D şablonu oluşturur. Ve tanınırken, video akışının birkaç karesi kullanılır. Bu yöntemin hiç görmediğim SCS sistemleri için deneysel ve uygulama olasılığı daha yüksektir.
En klasik yöntem şablonu yansıtma yöntemidir. Şebekenin nesne (yüz) üzerinde öngörülmesidir. Daha sonra, kamera saniyede düzinelerce hızla fotoğraf çeker ve ortaya çıkan görüntüler özel bir program tarafından işlenir. Kavisli yüzeye düşen ışın bükülmüş - yüzeyin eğriliği daha büyük, kirişin bükülmesi güçlenir. Başlangıçta, "güneşlikler" aracılığıyla sağlanan görünür ışığın kaynağı kullanılmıştır. Sonra görünür ışık, birkaç faydaya sahip olan kızılötesi ile değiştirildi. Tipik olarak, işlemin ilk aşamasında, yüzlerin hiç görünmemesi veya tanımlamayı engelleyen yabancı nesneler olduğu görüntüler atılır. Gereksiz girişimin (saç modeli, sakal, bıyık ve gözlük) ayırt edildiği ve çıkarıldığı bir kişinin 3 boyutlu modeli. Model analizi daha sonra yapılır - nihayetinde veritabanına girilen benzersiz bir kodda kaydedilen antropometrik özellikler tahsis edilir. Yakalama süresi ve görüntü işleme süresi, en iyi modeller için 1-2 saniyedir.
Birden fazla kameradan elde edilen görüntüdeki 3-D tanıma yöntemi de popülerlik kazanıyor. Bunun bir örneği, 3D tarayıcısıyla bir şirket vokunu olabilir. Bu yöntem, şablonu yansıtma yönteminin üstünde, geliştiricilerin güvencesine göre konumlandırmanın doğruluğunu verir. Ancak, en azından kendi veritabanında uzak ve frr'yi görene kadar - inanmayacağım !!! Ancak 3 yıldır zaten geliştirilmiştir ve henüz sergilerde ilerleme kaydedilmemiştir.

İstatistiksel yöntem yöntemleri

FRR ve FART VERİLERİ Üreticilerin sitelerinde bu sınıfın algoritmaları için açıktır. Ancak, şablonun tasarımına göre işletilen en iyi Bioscript (3D Enrolcam, 3D Fastpass) modelleri için% 0.0047 FRR% 0.103'tür.
Yöntemin istatistiksel güvenilirliğinin, parmak izi için tanımlama yönteminin güvenilirliği ile karşılaştırılabilir olduğuna inanılmaktadır.

Yöntemin avantajları ve dezavantajları

Yöntemin avantajları. Tarama cihazıyla iletişime geçmenize gerek yok. Hem kişinin kendisinde (gözlük, sakalların görünümü, saç stillerini değiştir) ve ortamında (aydınlatma, baş dönüşü) harici faktörlere düşük hassasiyet. Parmak izleri için tanımlama yöntemine kıyasla yüksek bir güvenilirlik seviyesi.
Yöntemin dezavantajları. Yükseklik ekipmanları. Karmaşık reklamlar, gökkuşağı kabuğu tarayıcıları bile fiyatı bile aştı. Yüzündeki yüzdeki değişiklikler ve yüzdeki girişim, yöntemin istatistiksel güvenilirliğini kötüleştirir. Yöntem, özellikle uzun süredir uygulanan dactlyloscopy ile karşılaştırıldığında henüz iyi tasarlanmamıştır, bu da geniş kullanımı zorlaştırır.

Piyasadaki durum

Yüzün geometrisinin tanınması, parmak izlerinin ve bir gökkuşağı kabuğunun tanınması ile birlikte "üç büyük biyometri" olarak sınıflandırılır. Bu yöntemin oldukça yaygın olduğu söylenmeli ve göz irisini tanımadan önce hala tercih ediliyor. Küresel biyometrik pazarın toplam hacminde yüzün geometrisi için tanıma teknolojilerinin oranı yüzde 13-18 içinde tahmin edilebilir. Rusya'da, bu teknolojiye, örneğin İris'i tanımlamak için daha fazla ilgi vardır. Daha önce de belirtildiği gibi, birçok 3-D tanıma algoritması var. Çoğu şirket, tarayıcılar, sunucular ve yazılımlar da dahil olmak üzere hazır sistemler geliştirmeyi tercih eder. Ancak, tüketiciye sadece SDK sunanlar var. Bugüne kadar, bu teknolojinin geliştirilmesine ilişkin aşağıdaki şirketler not edilebilir: Geometrix, Inc. (3D yüz tarayıcıları, by), Genex Technologies (3d yüz tarayıcıları, yazılım) ABD, Cognitec Systems GmbH (SDK, Özel Bilgisayarlar, 2D Kamera) Almanya, BioCrypt (3D Yüz Tarayıcılar) - Amerikan Şirketi L'nin bir iştiraki - 1 kimlik çözümleri.
Rusya'da, Artec Grubu (3D yüz tarayıcıları) bu yönde faaliyet göstermektedir - California'da bulunan merkez ofisi ve geliştirme ve üretimin Moskova'da yapılmaktadır. Ayrıca, birkaç Rus firma 2D yüz tanıma teknolojisine sahiptir - Vocord, ITV, vb.
2D'nin tanınması alanında, gelişimin ana konusu yazılımdır, çünkü Geleneksel kameralar, görüntü görüntüsü yakalama ile mükemmel bir şekilde başa çıkar. Bir kişinin bir dereceye kadar birinin görüntüsünde tanıma görevinin çözümü bir kilitlenmeye girdi - birkaç yıl boyunca algoritmaların istatistiksel göstergelerinde pratik olarak iyileşme olmuştur. Bu alanda planlanan bir "hatalar üzerinde çalışma" var.
3D Yüz Tanıma, şimdi geliştiriciler için çok daha çekici bir alandır. Birçok ekip kullanır ve yeni keşifler hakkında düzenli olarak sesli olarak kullanılır. Birçok eser bir durumda "bu ve hadi bırakalım." Ancak şu ana kadar yeni eski teklifler piyasada, son yıllarda seçim değişmedi.
Bazen gebe kaldığım ve HABR'nin cevaplayabileceği ilginç anlardan biri: ve Kinect'in doğruluğu böyle bir sistem oluşturmak için yeterli mi? Bir kişinin 3B modellerini kendileri boyunca çekmeleri için projeler.

El tanıma

Bu, biyometri alanında yeni bir teknolojidir, yaygın kullanımı sadece 5-10 yıl önce başladı. Kızılötesi oda, dış veya iç elin fotoğraflarını çeker. Damarlar, kan hemoglobininin IR radyasyonunu emmesi nedeniyle oluşur. Sonuç olarak, yansıma derecesi azalır ve damarlar, odada siyah çizgiler biçiminde görülebilir. Verilere dayanan özel bir program dijital birleşme yaratır. Tarama cihazına sahip irtibat kişisi gerekmez.
Teknoloji, iris üzerinde tanınması ile karşılaştırılabilir, onu aşan bir şeyde ve verimli bir şeyle karşılaştırılabilir.
FRR ve FAR değeri, avuç içi ven tarayıcısına verilir. Geliştiricinin verilerine göre% 0.0008 FRR% 0.01'dir. Birkaç değer için daha doğru bir grafik tek bir firma üretmez.

Yöntemin avantajları ve dezavantajları

Yöntemin avantajları. Tarama cihazıyla iletişime geçmenize gerek yok. Yüksek güvenilirlik - yöntem İstatistiksel göstergeler, iris okumalarıyla karşılaştırılabilir. Ana Bilgisayar Özellikleri: Yukarıdakilerin tümünden farklı olarak, bu özellik sokaktaki bir kişiden almak, örneğin fotoğraf çekerek çok zordur.
Yöntemin dezavantajları. Güneşli ışınların tarayıcısının ve halojen lambaların ışınlarının geçersiz aydınlatılması. Artrit gibi bazı yaş hastalıkları, büyük ölçüde bozulur ve frr. Yöntem, diğer statik biyometri yöntemleriyle karşılaştırıldığında daha az çalışılır.

Piyasadaki durum

Kolun el çizgisinin tanınması oldukça yeni bir teknolojidir ve bununla bağlantılı olarak, küresel pazardaki payı küçüktür ve yaklaşık% 3'tür. Bununla birlikte, bu yöntem için daha büyük bir ilgi gösterilir. Gerçek şu ki, oldukça doğru olan bu yöntem, yüz veya iris geometrisindeki tanıma yöntemleri gibi bu kadar pahalı bir ekipman gerektirmez. Şimdi birçok şirket bu alanda gelişiyor. Örneğin, İngiliz şirketinin emriyle TDSSI, Fujitsu tarafından temsil edilen Palmvein Palmvein'in biyometrik bir okuyucusu için geliştirilmiştir. Tarayıcının kendisi, öncelikle Japonya'daki finansal dolandırıcılık ile mücadele etmek için Fujitsu tarafından geliştirilmiştir.
Ayrıca, tanımlama alanında, aşağıdaki veid PTE şirketleri çalışır. Ltd. (Tarayıcı, Yazılım), Hitachi Veinid (Tarayıcılar)
Bu teknolojiye uğrayan Rusya şirketlerinde bilmiyorum.

Retina

Son zamanlarda, biyometrik tanımlama ve kimlik doğrulama yönteminin en güvenilir yönteminin retinanın taramasına dayanan bir yöntem olduğuna inanılmaktadır. Gökkuşağı kabuğundaki ve elin damarlarında tanımlamanın en iyi özelliklerini içerir. Tarayıcı, retinanın yüzeyinde kılcal damarlarını okur. Retina sabit bir yapıya sahiptir, örneğin kataraktların bir hastalığın sonucu olarak, zamanla devam etti.
Retina taraması, gözün arka duvarındaki kan damarlarına yönlendirilen düşük yoğunluğun kızılötesi ışığı kullanılarak gerçekleşir. Gözün retina tarayıcıları, son derece gizli nesnelere erişim kontrol sistemlerine yaygın olarak dağıtıldı, çünkü kayıtlı kullanıcıları yenilemeden en düşük yüzdelerden birine sahip oldukları ve pratik olarak hatalı erişim izni yok.
Ne yazık ki, bu biyometri yöntemini kullanırken bir dizi zorluk meydana gelir. Buradaki tarayıcı çok karmaşık bir optik sistemdir ve sistem sunulurken bir kişi önemli bir zaman hareket ettirmemelidir, bu da hoş olmayan duyumlara neden olur.
ICAM2001 tarayıcısının% \u003d% 0.001'deki tarayıcıya göre, FRR değeri% 0.4'tür.

Yöntemin avantajları ve dezavantajları

Faydaları. Yüksek düzeyde istatistiksel güvenilirlik. Düşük sistem prevalansı nedeniyle, "aldatma" yönteminin geliştirilmesinin olasılığı.
Dezavantajları. Yüksek işlem süresi olan yüksek zamanlı bir sistem kullanırken kompleks. Yüksek maliyetli sistem. Geniş bir pazar teklifinin olmaması ve sonuç olarak, yöntemin gelişmesinin yoğunluğu eksikliği.

Ellerin geometrisi

Bu yöntem, 10 yıl önce daha yaygındır ve son yıllarda suçluların oluşumu azalmıştır. Ellerin geometrik özelliklerinin alınmasına dayanır: parmakların uzunlukları, avucunun genişliği. Retina gibi bu yöntem ölüyor ve çok daha düşük özellikleri olduğu için, bunu tam bir açıklamaya bile tanıtmayacaklar.
Bazen, damarlardaki tanıma sistemlerinde geometrik tanıma yöntemlerini kullandığı düşünülmektedir. Ancak satışta, böyle bir açıkça belirtilen şekilde hiç görmedik. Ve ayrıca, genellikle damarlar üzerinde tanınırken, sadece avuç içi bir anlık görüntüsü alınırken, geometri tanınırken, parmakların bir resmi alınır.

Biraz kendini temelli bir

Bir seferde gözlerde iyi bir tanıma algoritması geliştirdik. Ancak o zaman, bu ülkedeki böyle bir yüksek teknoloji olan şey gerekli değildi ve Burzhuystan'da (ilk makalenin ardından davet edildiğimiz yer) - Gitmek istemedim. Ancak aniden, bir buçuk yılın yarısı, bir "biyometrik portal" inşa etmek isteyen yatırımcılar vardı - 2 gözü yiyebilecek ve irisin renk bileşenini kullanan bir sistem (yatırımcının küresel bir patent olduğu) kullandı. Aslında şimdi bunu yapıyoruz. Ancak bu, öz-Direktör hakkında bir makale değil, bu kısa bir lirik geri çekilme. Biri ilgileniyorsa, biraz bilgi var ve bir gün gelecekte, pazara gittiğimizde (ya da ayrılmayacağımızda), Rusya'daki biyometrik projenin biyometrik projesi hakkında birkaç kelime yazacağım.

sonuç

Statik biyometrik sistemler sınıfında bile, geniş bir sistem seçimi vardır. Ne tür birini seçer? Hepsi güvenlik gereksinimlerine bağlıdır. Sahte erişim sistemlerine en çok istatistiksel olarak güvenilir ve dayanıklı, gökkuşağı kabuğu ve ellerin damarları için tolerans sistemleridir. Bunlardan birincisi daha geniş bir teklif pazarı var. Ancak bu sınır değil. Biyometrik tanımlama sistemleri astronomik doğruluğa ulaşarak birleştirilebilir. Kullanımı en ucuz ve basit, ancak iyi istatistiklere sahip, toleranslara toleranslardır. 2D'nin kişiye kabul edilmesi uygun ve kızılmıştır, ancak kötü istatistiksel göstergeler nedeniyle sınırlı bir uygulama alanına sahiptir.
Her bir sistemin her birine sahip olacak özellikleri göz önünde bulundurun: Sahte, çevre direnişine, kullanım kolaylığı, maliyet, hız, biyometrik imzalama istikrarı için direnç. Her sütunda 1 ila 10 arasındaki tahminleri seçin. Skoru 10'a yaklaştırın, bu konuda sistem daha iyi olur. Tahminlerin seçimi ilkeleri, makalenin başında açıklanmıştır.


Ayrıca bu sistemler için Uzak ve FRR oranını da düşünün. Bu oran sistemin verimliliğini ve kullanımının genişliğini belirler.


Bir gökkuşağı kabuğunun olduğunu hatırlamaya değer, sistemin iki gözü yaparak karmaşıklaştırırsanız, zaman için kayıp olmadan sistemin doğruluğunu neredeyse dörtlü bir şekilde artırabilirsiniz. Daztiloskopik bir yöntem için - birkaç parmağınızı birleştirerek ve damarları tanımayarak, iki eli birleştirerek, ancak böyle bir gelişme yalnızca bir kişi ile çalışırken harcanan zamanlarda bir artışla mümkündür.
Metodlar için sonuçların genelleştirilmesi, orta ve büyük nesneler için olduğu gibi, maksimum güvenlik gereksinimi olan nesneler için, biyometrik erişim olarak bir gökkuşağı kabuğu kullanmanız ve muhtemelen ellerin damarlarında tanınması gerekir. Personel sayısına sahip nesneler için, parmak izlerine erişmek için birkaç yüz kişiye kadar en uygun olacaktır. Tanıma Sistemleri 2D Yüz Görüntüsü Belirli. Tanınmanın fiziksel temas eksikliğini gerektirdiği durumlarda gerekli olabilirler, ancak kontrol sistemini iris üzerine koymak imkansızdır. Örneğin, katılımı, gizli bir kamera veya dış mekan algılama odası olmadan bir kişiyi tanımlamanız gerekiyorsa, ancak belki de veritabanında az sayıda konu ve kamera tarafından kaldırılan küçük bir insan akışıdır.

Bir not için genç teknik

Bazı üreticiler için, örneğin, nöroteknoloji, site, ürettikleri biyometri yöntemlerinin demo versiyonuna sahiptir, bu nedenle bunları bağlamak ve oynatmak mümkündür. Daha ciddi sorunla kazmaya karar verenler için, Rusça'da gördüğüm tek kitabı tavsiye edebilirim - "Biyometri Kılavuzu" R.M. Boll, J.x. Connel, sh. Pankanti. Birçok algoritma ve matematiksel modelleri var. Her şey tamamen değil ve hepsi moderniteye karşılık gelmiyor, ancak baz fena ve kapsamlı değil.

P.S.

Bu opos'ta, kimlik doğrulama problemine girmedim, ancak kimliği sadece etkiledi. Prensip olarak, kimlik doğrulama konusundaki sonuçlar, FAR / FRR özelliği ve sahte olanakları tarafından sorulur.

Son yıllarda biyometri, hayatımıza giderek daha fazla nüfuz etmiştir. Dünyanın önde gelen ülkeleri, sahibinin biyometrik özellikleri hakkında bilgi içeren elektronik pasaportları tanıtmak için dolaşıma ya da yakın gelecekte önümüzdeki gelecekteki plana girmiştir; Birçok ofis merkezi, kurumsal erişim kontrol sistemlerine biyometrik sensörler tanıttı; Dizüstü bilgisayarlar uzun zamandır biyometrik kullanıcı kimlik doğrulaması fonlarıyla donatılmıştır; Güvenlik hizmetlerinin silahlanmasında, insan kalabalığındaki herhangi bir suçlunun belirlenmesinin modern aracı görünür

Andrei Khrulev
Biyometrik Bölüm Başkanı
ve entegre güvenlik sistemleri
Şirketler Grubu "Technoserv", Ph.D.

Biyometrik sistemleri kullanma örnekleri giderek daha fazlası haline geliyor. Biyometrik başarı açıklaması kolaydır. "Ben sahip olduğum şeyim" (tanımlama kartları, belirteçleri, belgeleri sertifikalandırırken) ve "Bildiğim şeyim" (şifreler, pin kodları) mükemmel olmadığım ilkelere dayanarak geleneksel tanımlama araçları. Kart kaybetmesi kolaydır, şifre unutulabilir, ayrıca herhangi bir saldırgan onlardan yararlanabilir ve hiçbir sistem sizi geçen bir kişiden ayıramaz.

Ek olarak, geleneksel kimlik araçları kesinlikle işe yaramaz, eğer kişiliğin gizli tanımlanmasının görevlerinden bahsediyoruz ve bu tür bir görev daha fazla hale geliyor:

• kalabalığın içindeki bir suçluyu tanır;
• pasaportun gerçekten sahibi olup olmadığını kontrol edin;
• kişinin arananı olup olmadığını öğrenin;
• kişinin daha önce kredilerle finansal dolandırıcılıkla ilgilenmediğini öğrenmek;
• stadyumun girişinde potansiyel olarak tehlikeli hayranları ortaya çıkarın.

Tüm bu görevler, yalnızca "Ben ne olduğum" prensibine dayanan kişiliğin biyometrik tanımlanması araçları kullanılarak çözülebilir. Bu prensip, bilgi sisteminin doğrudan bir kişi tarafından tanımlanmasına ve bulunduğu eşyaları veya bilgi raporlamasını tanımlamasını sağlar.

Yüzün biyometrisinin benzersizliği

Kişiyi tanımlamak için kullanılan kişinin biyometrik özellikleri arasında, özellikle yüzün görüntüsünü belirlemeye değerdir. Yüz biyometrileri benzersizdir. Bir görüntüyü elde etmek için özel sensörlerin oluşturulmasını gerektirmez - bir kişinin bir görüntüsü geleneksel bir video gözetim sisteminden edinilebilir. Ayrıca, kişinin fotoğrafı neredeyse herhangi bir kimlik belgesinde bulunur, bu da bu teknolojinin tanıtımının çeşitli düzenleyici sorunlarla ve sosyal teknoloji algısının zorlukları ile pratikte bulunmadığı anlamına gelir.

Ayrıca, bir kişinin görüntüsünün kendisi için dolaylı olarak elde edilebileceğini, yani, kişinin biyometrisinin, bina izleme ve gizli tanımlama sistemleri için en iyi şekilde uygun olduğu anlamına gelir.

Herhangi bir yüz tanıma sistemi, matematiksel model sistemine göre, belirli bir özelliğin oluşturulmasına, sözde biyometrik modelin oluşumuna indirgenmiş olan tipik bir desen tanıma sistemidir. Herhangi bir biyometrik sistemin temel bilgisi olan bu modeldir ve yüzün tanınmasının doğrudan etkisinin doğrudan, biyometrik modelin çeşitli girişim türlerine, kaynak fotoğraf veya videodaki bozulmalar gibi faktörlere bağlıdır. görüntü.

Yüzün tanınmasının etkinliği doğrudan, biyometrik şablonun çeşitli parazitlere, orijinal fotoğraf veya video görüntüsündeki bozulmalar gibi faktörlere bağlıdır.

Rus pazarında ve dünyada sunulan çok çeşitli yüz tanıma sistemlerine rağmen, çoğunda aynı biyometrik motorlar tarafından kullanılır - gerçek yazılımın, yüzün matematiksel modellerini oluşturma ve karşılaştırma yöntemlerinin gerçek yazılımı uygulanması. Rusya'da, Cognitec (Cognitec Systems GmbH, Almanya'nın gelişimi), "Cascade Stream" (Technoserv, Rusya'nın Geliştirilmesi), FRS SDK (Asya Yazılımının Gelişimi, Kazakistan), Fackit (Şirket Şirketi L1 Kimliği Gelişimi) Çözümler, ABD).

Kural olarak, herhangi bir biyometrik motordaki yüz tanıma birkaç aşamada gerçekleştirilir: yüz tespiti, kalite değerlendirmesi, şablon inşa etme, karşılaştırma ve karar verme.

Adım 1: Yüz Algılama

Bu aşamada, sistem video çerçevelerinin akışında veya insanların yüzünün fotoğraflarında otomatik olarak vurgulamaktadır (algılar) ve açıların ve bireylerin ölçeği önemli ölçüde değişebilir, bu da güvenlik sistemleri için son derece önemlidir. Seçilen tüm yüzlerin tanınacağı (kural olarak, imkansız), ancak akıştaki maksimum kişi sayısını tespit etmek ve gerekirse, bunları arşive yerleştirmek için son derece yararlıdır (Şekil 1) ).

Yüz algılama, anahtar tanıma adımlarından biridir, çünkü kişinin dedektörü tarafından geçişi otomatik olarak daha fazla tanımlamanın imkansızlığı anlamına gelir. Dedektör çalışmalarının kalitesi, P0 yüzünün tespit olasılığını karakterize etmek için yapılmıştır. İnsanların akışıyla çalışan modern biyometrik sistemler için, bir kişi tespitinin olasılığı% 95 ila 99'dur ve video kaydının koşullarına (aydınlatma, kamera çözünürlüğü vb.) Dara dayanır.

Biyometrik pazarın geliştirilmesindeki en umut verici eğilimlerden biri, yerleşik mantığa dayanarak yüz algılama işlevini uygulayan akıllı dijital video kameraların görünmesidir (Şekil 2). Akıllı video kameraları, yalnızca yüksek kaliteli video akışlarını değil, aynı zamanda bulunanlar hakkında bilgi içeren meta verileri de almayı mümkün kılar.

Bu yaklaşım, tanıma sisteminin donanım gücündeki yükü önemli ölçüde azaltabilir, bu da, biyometrik komplekslerin nihai değerini azaltır, bitiş kullanıcısı için daha erişilebilir hale getirir. Ek olarak, veri iletim kanallarının gereklilikleri azalır, çünkü bu yaklaşımla, yüksek kaliteli videoyu iletmek için Gigabit bağlantılarını istemiyoruz ve sıkıştırılmış bir videoyu iletmek için standart ağlara ve bir algılanan kişilerin küçük bir akışına sahip olmak yeterlidir. .

2. Aşama: Kalite Değerlendirmesi

Bu, biyometrik motorun tüm tespit edilen kişilerin tüm diziden seçtiğinin, yalnızca belirtilen kalite kriterlerini karşılayan görüntülerin seçtiği bir tanımanın çok önemli bir aşamasıdır.

Genellikle, biyometrik sistemlerin geliştiricileri, sistemlerinin, GOST R ISO / IEC 19794-5'te tanımlanan kalite gereksinimlerinin video akımındaki görüntü görüntülerine uygun olarak yüksek seviyede tanıma sağladığını savunarak gözaltında bulunur. Bununla birlikte, bu GOST, yüzün fotoğraflarının kalitesinde (5 dereceden fazla olmayan bir sapma olan tarafın ön kısmı; üniforma aydınlatma; nötr yüz maruz kalması, vb.) Olamayan, çok katı (pratik olarak ideal) koşullar uygular. sistem video gözetiminin gerçek koşullarında yapılmalıdır. Bu tür GOST gereklilikleri, aslında, bu standardın, yeni nesil pasaport ve vize belgelerinde elektronik fotoğrafçılığın depolama formatını birleştirmeyi amaçladığından tam olarak haklıdır. Biyometrik pasaportlar. Uygulamada, biyometrik tanımlama sistemi çok daha az elverişli çalışma koşulları ile başa çıkmaya zorlanır:

• yüzün ön pozisyonundan, köşelerdeki ön konumdan sapması, 20 dereceyi aşan;
• güçlü aydınlatma;
• kişinin örtüşmesi;
• yüzündeki gölgelerin varlığı;
• küçük resim boyutu, vb.

Biyometrik bir motorun bu kadar zor koşullarda stabilitesidir ve kalitesini belirler. Modern biyometrik motorlarda, bir kural olarak, kalite değerlendirme aşamasında, tahmin edilmektedir:

• kişiler zulmü (20-30 dereceyi geçmemelidir.);
• kişinin büyüklüğü (gözlerin öğrencileri arasındaki mesafeden tahmin edilir ve 50-80 pk'ten fazla olmalıdır);
• yüzün kısmi kapatılması (yüzün kapanması, yüzün toplam alanının% 10-25'inden fazlası olmamalıdır).

Yüzün yüzü kapalı (yanıp sönüyor veya gözlük), daha sonra sistemi kişiyi tanıyamadığı yaygın bir yanlış anlama var. Gerçekten erken yüz tanıma algoritmaları, göz öğrenci merkezlerini daha fazla görüntü işleme için bir üs olarak kullandı, özellikle standart yüz ölçeklemesi için. Bununla birlikte, şu anda, birçok modern biyometrik motor (örneğin, Cognitec veya "Cascade Flow") daha karmaşık yüz kodlamasının daha karmaşık şemalarını kullanır ve öğrencilerin merkezlerinin konumuna bağlı değildir.

Aşama 3: Bina şablonu

Bu, biyometrik motor teknolojisinin temel bilgisini oluşturan yüz tanımanın en karmaşık ve benzersiz aşamalarından biridir. Bu aşamanın özü, bir yüzün biyometrik bir desene birleştirilmiş bir dizi özellikte önemsiz bir matematiksel dönüşümünden oluşur.

Her kişi kendine özgü biyometrik düzenine karşılık gelir. Biyometrik desenler inşa etme prensipleri son derece çeşitlidir: Şablon, çeşitli heterojen işaretlerin kombinasyonlarında, karakteristik noktalarda, geometrik özelliklerde yüzün doku özelliklerine dayanabilir.

Biyometrik şablonun en önemli özelliği onun boyutudur. Şablonun büyüklüğü ne kadar büyükse, daha fazla bilgi verici işaretler içerir, ancak bu şablon için aramanın hızını ve verimliliğini düşürür. Biyometrik sistemlerdeki yüz şablon boyutunun tipik değeri 1 ila 20 KB'dir.

Aşama 4: Karşılaştırma ve Karar Verme

Tanıma sisteminin bu birleşik aşaması, algılanan bir kişiye inşa edilen yüzün biyometrik şablonu üreten, veritabanında depolanan bir dizi şablonla üretir. En basit durumda, karşılaştırma basitçe tüm şablonları arayarak ve benzerliklerinin ölçüsünün değerlendirilmesiyle gerçekleştirilir. Tahminlere ve belirtilen eşiklerle karşılaştırılmalarına dayanarak, veritabanındaki aynı kişiliğin varlığı veya yokluğunda bir karar verilir.

Modern sistemlerde, karşılaştırma, ikinci ve daha fazla karşılaştırmanın 10.000 ila 200.000 karşılaştırması ile karşılaştırılabilir oranını sağlayan karmaşık optimum karşılaştırma şemalarına göre uygulanır. Ayrıca, haritalama işleminin tutturulduğunu, bu da neredeyse gerçek zamanlı olarak, büyük görüntü dizileri, örneğin, 100.000 kişi tarafından bile tanımlama sistemleriyle çalışmanıza olanak sağlar.

Bireysel tanıma sistemlerinin çalışmalarının kalitesi, tanımlama olasılıkları ile karakterize edilir. Açıkçası, biyometrik tanımlama ile iki tür hata mümkündür.

1. Birinci hata, bir kişiyi kaçırma ve tanımama yeteneği ile ilgilidir, aslında veritabanında olan, genellikle ilk tür hatası olarak adlandırılır. Ve genellikle birinci tür hatasının değerini ve birimin birinci tür hatasının olasılığını belirttiğini gösterir. Böyle bir değer, PPR'nin doğru tanınması olasılığı denir.
2. İkinci hata, sistemin bir kişiyi tanırken, aslında, veritabanında olmadığını veya başka bir kişiyle karıştırıldığında, ikinci sıralama hatası olarak adlandırılması alışılmıştır. Modern yüz tanıma sistemleri için, doğru tanıma olasılığının tipik değeri genellikle% 80 ila% 97 aralığında, ikinci bir hata% 1'i geçmez.

Başarılı kimlik şartları

Yüz tanımanın mutlak bir teknoloji olmadığını anlamaya değer. Genellikle, gerçek nesnelerde "laboratuvar" koşullarında olduğu gibi yüksek göstergeler elde etmek mümkün olmadığı biyometrik sistemlerin adresinde eleştiriyi duyabilirsiniz. Bu ifade sadece kısmen doğrudur. Nitekim, bir kişiyi yalnızca belirli koşullar altında etkin bir şekilde tanınmak mümkündür, bu nedenle, sistemin hangi koşulların uygulanacağı durumunda, biyometrinin anlamak üzere tanıtıldığında son derece önemlidir. Ancak, çoğu modern tanıma sistemleri için bu koşullar gerçek nesnelerde oldukça başarılabilir. Böylece, tanımlama alanlarında yüz tanımanın verimliliğini arttırmak için, kısa vadeli olasılığını sağlamak için yönlü bir insan akışı (kapılar, metal dedektörleri çerçeveleri, turnikeler vb.) Düzenlemelisiniz. ikinci) her ziyaretçinin yüzünün fiksasyonu. Aynı zamanda, video phixation kameraları, sabit kişilerin sapma açısının ön pozisyondan sapmalarının 20-30 dereceyi geçmediği bir durumla ayarlanmalıdır. (Örneğin, 2-3 m'lik bir süspansiyon yüksekliği ile 8-10 m olan geçit bölgesinden uzaklıktaki odaların montajı).

Tanıma sistemlerinin uygulanmasında bu koşullara uygunluk, kimliğin belirlenmesi ve özel olarak ilgi çekici olan kişileri araştırmanın görevini etkili bir şekilde çözmenizi sağlar ve olası, başarılı kimlik göstergelerinin değerlerine mümkün olduğunca yakın olabildiğince yakındır.

Hepsi fantastik filmlerden iyi bilinen sahnelerdir: Kahraman kapı için uygundur ve kapıya açılır, öğrendim. Bu, erişimi kontrol etmek için biyometrik teknolojilerin kullanımının rahatlığının ve güvenilirliğinin görsel gösterilerinden biridir. Ancak, pratikte, çok basit değil. Günümüzde, bazı firmalar tüketicilere biyometrik teknolojiler kullanarak erişmeye erişmeye hazırdır.

Geleneksel kimlik yöntemleri, örneğin, şifre bugün gerekli olan ölçüde güvenilir değildir gibi çeşitli tanımlama kartlarına, tuşlarına veya benzersiz verilere dayanmaktadır. Tanımlayıcıların güvenilirliğini arttırmada doğal bir adım, güvenlik sistemleri için biyometrik teknolojileri kullanmaya çalışırdı.

Çözümü yeni teknolojiler kullanılarak, son derece geniş olan sorunların bulunabileceği sorunlar:

1. davetsiz misafirlerin korunan alanlarda ve tesislerde sahte, belgelerin, kartların, şifrelerin çalınması;
2. bilgiye erişimi sınırlayın ve güvenliği için kişisel sorumluluk sağlamak;
3. sadece sertifikalı uzmanların sorumlu nesnelerine kabul verin;
4. erişim kontrol sistemlerinin (kartlar, anahtarların) çalışmasıyla ilgili genel gider maliyetlerinden kaçının;
5. kayıp, hasar veya temel unutma anahtarları, kartlar, şifrelerle ilgili rahatsızlıkları ortadan kaldırın;
6. Çalışanların erişim ve katılımının muhasebeleştirilmesi organize edin.

Görüntülerin çeşitli biyometrik özelliklere ilişkin tanınması için teknolojilerin gelişmesi, yeterince uzun zaman önce nişanlanmaya başlandı, başlangıç \u200b\u200b60'lı yıllarda başladı. Bu teknolojilerin teorik temellerini geliştirmede önemli bir başarı, vatandaşlarımız başarmıştır. Bununla birlikte, pratik sonuçlar esas olarak batıda ve sadece "dün" olarak elde edilir. Modern bilgisayarların ve gelişmiş algoritmaların gücü, özelliklerinde ve oranın mevcut ve çok çeşitli kullanıcılara ilgi duyan ürünleri oluşturmasına izin verildi.

Bir kişinin bireysel özelliklerini kullanması fikri, onu tanımlamak için NOVA değildir. Bugüne kadar, bir dizi teknolojinin, kişiliği tanımlamak için güvenlik sistemlerine dahil olduğu bilinmektedir:

1. parmak izleri (hem ayrı hem de bir bütün olarak eller);
2. yüz özellikleri (optik ve kızılötesi görüntülere göre);
3. gökkuşağı göz kabuğu;
4. oy;
5. diğer özellikler.

Tüm biyometrik teknolojilerde, tüm yöntemler kullanım kolaylığı, sonuçların doğruluğu ile karakterize edilmesine rağmen, tanımlama problemini çözmek için genel yaklaşımlar vardır.

Herhangi bir biyometrik teknoloji aşamalarda uygulanır:

1. tarama nesnesi;
2. bireysel bilgileri çıkarmak;
3. bir şablonun oluşumu;
4. geçerli şablonun veritabanıyla karşılaştırılması.

Biyometrik tanıma sistemi, kullanıcının belirli fizyolojik veya davranışsal özelliklerinin belirli bir şablona uygunluğunu belirler. Tipik olarak, biyometrik sistem iki modülden oluşur: kayıt modülü ve tanımlama modülü.

Kayıt Modülü "Trenler" sistemi belirli bir kişiyi tanımlar. Kayıt aşamasında, video kamera veya diğer sensörler, görünüşünün dijital bir gösterimi oluşturmak için kişiyi tarar. Yüz tarama, birkaç görüntü oluşturulduğu bir sonucu yaklaşık 20 - 30 saniye sürer. İdeal durumlarda, bu görüntüler daha doğru veri elde edecek kişinin biraz farklı bir perspektifine ve ifadelerine sahip olacaktır. Özel bir program modülü bu sunumu işler ve bireyin karakteristik özelliklerini belirler, ardından bir şablon oluşturur. Neredeyse zaman içinde değişmeyen kişinin bazı kısımları vardır, örneğin gözlerin üst anahatları, elmacık kemiklerini çevreleyen alan ve ağzın kenarlarıdır. Biyometrik teknolojiler için geliştirilen çoğu algoritma, bir kişinin saç modelinde olası değişiklikleri dikkate almanıza izin verir, çünkü yüzün tarlasını saç büyüme sınırının üstünde analiz etmek için kullanılmazlar. Her kullanıcının resim şablonu biyometrik sistem veritabanında saklanır.

Kimlik Modülü Kameradan, bir kişinin görüntüsünden alır ve şablonun depolandığı aynı dijital formata dönüştürür. Elde edilen veriler, bu görüntülerin birbirleriyle tanışıp buluşmadığını belirlemek için veritabanı şablonunda depolanan ile karşılaştırılır. Doğrulama için gereken benzerlik derecesi, farklı bir personel, PC gücü, günün saati ve bir dizi diğer faktör için ayarlanabilecek belirli bir eşiktir.

Tanımlama, doğrulama, kimlik doğrulama veya tanıma biçiminde yapılabilir. Doğrulama olduğunda, verilerin kimliği ve veritabanında depolanan şablon onaylanır. Kimlik Doğrulama - Kameradan elde edilen görüntünün yazışmasını, veritabanında depolanan şablonlardan birine doğrular. Tanımlanırken, elde edilen özellikler ve kayıtlı kalıplardan biri aynı ise, sistem bir kişiyi karşılık gelen bir şablonla tanımlar.

Biyometrik sistemler kullanırken, özellikle yüzdeki tanıma sistemi, doğru biyometrik özellikler her zaman tanıtılmadığında bile, kimlik doğrulama kararı doğrudur. Bu, birçok özellikten kaynaklanıyor ve her şeyden önce, birçok biyometrik özelliklerin değişebileceği gerçeğiyle. Belli bir sistem hatası var. Ayrıca, çeşitli teknolojiler kullanırken, bir hata önemli ölçüde farklılık gösterebilir. Erişim kontrol sistemleri için, biyometrik teknolojiler kullanırken, "yabancıyı" kaçırmaması veya tüm "onların" atlamaması neyin daha önemli olduğunu belirlemek gerekir.

Güvenlik sistemlerinde biyometrik teknolojilerin kullanıcıları için önemli bir faktör kullanım kolaylığıdır. Özellikleri taranan bir kişi aynı anda herhangi bir rahatsızlık olmamalıdır. Bu bağlamda, en ilginç yöntem, elbette, yüzün tanınması teknolojisidir. Doğru, bu durumda diğer sorunlar öncelikle sistemin doğruluğu ile ortaya çıkıyor.

Açık avantajlara rağmen, biyometrilere karşı bir dizi olumsuz önyargılar vardır; bu, genellikle insanların gözetimi için kullanılmayacağı ve gizlilik hakkını ihlal edip etmediğine dair biyometrik verilerin kullanılması konusunda sorulara neden olan bir dizi olumsuz önyargı vardır. Sansasyonel ifadeler ve makul olmayan gürültü nedeniyle, biyometrik teknolojilerin algılanması, işlerin gerçek durumundan keskin bir şekilde farklıdır.

Bununla birlikte, biyometrik tanımlama yöntemlerinin kullanımı son yıllarda özel alaka düzeyi kazanmıştır. Özellikle akut bu problem, 11 Eylül'de Amerika Birleşik Devletleri'nde olaylardan sonra kendini gösterir. Dünya topluluğu, dünyadaki terörizm tehdidinde artış derecesini ve geleneksel yöntemlerle güvenilir koruma düzenlenmesinin karmaşıklığını gerçekleştirdi. Modern entegre güvenlik sistemlerine dikkatini çekmek için başlangıç \u200b\u200bnoktası olarak görev yapan trajik olaylardır. Havaalanlarında kontrolün daha katı olsaydı, talihsizliklerden kaçınılabilir olduğu iyi bilinmektedir. Evet ve bugün, bir dizi başka olaydaki failleri arayışı, bireysel tanıma sistemleriyle entegrasyonda modern video gözetim sistemleri kullanılarak önemli ölçüde kolaylaştırılabilir.

Halen dört ana yüz tanıma yöntemi vardır:

1. "Eigenfaces";
2. "Ayırt edici özelliklerin" analizi;
3. "sinir ağlarına" dayalı analiz;
4. yöntem "Otomatik Görüntü Görüntü İşleme".

Tüm bu yöntemler, uygulama ve kullanım amacının karmaşıklığında farklılık gösterir.

"Eigenface", "kendi yüzü" olarak çevrilebilir. Bu teknoloji, yüz görüntüsünün ayırt edici özelliklerini temsil eden gri tonlamalı sınıflarda iki boyutlu görüntüler kullanır. "Eigenface" yöntemi genellikle diğer yüz tanıma yöntemleri için temel olarak kullanılır.

Karakteristik özellikleri 100 - 120 "Eigenface", çok sayıda kişiyi geri yükleyebilirsiniz. Kayıt sırasında, her bir kişinin "Eigenface", bir dizi katsayılar şeklinde sunulmaktadır. Görüntünün kimliği kontrol etmek için kullanıldığı kimlik doğrulama modu için, fark oranı belirlemek için "Canlı" kalıbı zaten kayıtlı şablonla karşılaştırılır. Şablonlar arasındaki farkın derecesi ve tanımlama gerçeğini belirler. "Eigenface" teknolojisi, iyi aydınlatılmış odalarda kullanıldığında, FAS'da bir yüz tarama olasılığı olduğunda en uygundur.

"Ayırt edici özellikleri" analiz etme yöntemleri - en yaygın kullanılan kimlik teknolojisi. Bu teknoloji "Eigenface" tekniğine benzer, ancak bir kişinin görünüşündeki veya yüz ifadelerindeki değişime daha uyarlanmıştır (gülümseyen veya kaşlatıcı kişi). "Ayırt edici özellikler" teknolojisinde, çeşitli alan alanlarının düzinelerce karakteristik özelliğini ve göreceli konumu ile ilgili olarak kullanılır. Bu parametrelerin bireysel birleşimi, her bir kişinin özelliklerini belirler. Adamın yüzü benzersizdir, ancak dinamik olarak, çünkü Bir insan gülümseyebilir, sakalını ve bıyığını bırakabilir, gözlük takın - tüm bunlar, kimlik işleme prosedürünün karmaşıklığını arttırır. Böylece, örneğin bir gülümsemeyle, ağzın yakınında bulunan kişinin parçalarının bazı yer değiştirmesi gözlenir; bu da bitişik parçaların böyle bir hareketine neden olur. Bu tür yer değiştirmeler göz önüne alındığında, bir kişiyi ve çeşitli yüz değişiklikleriyle kesinlikle tanımlayabilirsiniz. Bu analiz, kişinin yerel bölümlerini göz önünde bulundurduğundan, izin verilen sapmalar yatay düzlemde 25 ° 'ye kadar ve dikey düzlemde yaklaşık 15 °' ye kadar olabilecek ve yeterince güçlü ve pahalı bir alet gerektirir ve bu Bu yöntemin buna göre yayılması.

Sinir ağına dayanan bir yöntemde, her iki kişinin karakteristik özellikleri - tesadüfle karşılaştırıldığında tescilli ve kontrol edildi. "Nöral Ağlar", kontrol edilmeyen kişinin benzersiz parametrelerinin ve veritabanındaki şablonun parametrelerini oluşturan bir algoritmayı kullanırken, mümkün olan maksimum parametre sayısı uygulanır. Karşılaştırırken, kontrol edildiği kişi arasındaki tutarsızlıklar ve veri tabanından şablon belirlenir, daha sonra uygun ağırlık katsayılarını kullanarak, veritabanından bir şablon tarafından kontrol edilen yüzün uyum derecesini belirler. . Bu yöntem, kişinin tanımlanmasının kalitesini zor koşullarda arttırır.

"Otomatik Görüntü İşleme Yöntemi" yöntemi, mesafeyi ve yüzün gözleri, burunun sonu, ağzın köşesi gibi yüzün kolayca tanımlanmış noktaları arasındaki mesafeleri kullanan en basit teknolojidir. Bu yöntem "EigenFaces" veya "Sinir Ağı" kadar güçlü olmasa da, düşük ışık koşullarında oldukça verimli bir şekilde kullanılabilir.

Piyasada mevcut olan yüz tanıma sistemleri

Bugüne kadar, kişileri tanımak için tasarlanmış bir dizi ticari ürün geliştirilmiştir. Bu ürünlerde kullanılan algoritmalar farklıdır ve hangi teknolojilerin avantajları olduğunu değerlendirmek hala zordur. Liderler şu anda aşağıdaki sistemlerdir: Vision, ViiSage ve Miros.

• Visionic Faceit uygulaması, Rockefeller Üniversitesi'nde geliştirilen yerel işaretleri analiz etmek için algoritmaya dayanmaktadır. Birleşik Krallık'ta bir ticari şirket, Faceit'i Mandrake adlı bir televizyon antikriminal sistemine entegre etti. Bu sistem, kapalı bir ağa birleştirilen 144 kameradan gelen video verileri için suçluları arıyor. Kimlik kurulduğunda, sistem bu güvenlik görevlisini rapor eder. Rusya'da, vizyon temsilcisi "Dank" şirkettir.
• Bu alanda başka bir lider, ViiSage, Massachusetts Teknoloji Enstitüsü'nde geliştirilen algoritmayı kullanır. Birçok ABD eyaletindeki ticari şirketler ve devlet yapıları ve bir dizi başka ülkede, ViiSage sistemini, ehliyet gibi tanımlama sertifikaları ile birlikte kullanır.
• Zn Vision Technologies AG (Almanya), yüz tanıma teknolojisini kullanan pazarda çeşitli ürünler sunmaktadır. Bu sistemler, Rus pazarında belirtilerek sunulur.
• Miros TrueFace tanıma sistemi sinir ağı teknolojisi tarafından kullanılır ve sistemin kendisi MR.Payroll Cash Corporation Complex'te kullanılır ve birçok ABD devletinin kumarhanesine ve diğer balıkçılık kurumlarına kurulur.

ABD'de, bağımsız uzmanlar, çeşitli yüz tanıma teknolojilerinin karşılaştırmalı testlerini gerçekleştirmiştir. Test sonuçları aşağıda sunulmuştur.

İncir. 1. Farklı sistemlerde kişilerin tanınmasının etkinliğinin karşılaştırmalı analizi

Uygulamada, standart elektronik güvenlik sistemlerinin bir parçası olarak kişilerin tanıma sistemlerini kullanarak, tanımlanması gereken bir kişinin düz odaya bakıldığı varsayılmaktadır. Böylece, sistem nispeten basit bir iki boyutlu görüntü ile çalışır, bu da algoritmaları önemli ölçüde basitleştirir ve hesaplamaların yoğunluğunu azaltır. Ancak bu durumda bile, tanınma görevi hala önemsiz değildir, çünkü algoritmalar aydınlatma seviyesini değiştirme olasılığını, ifadedeki bir değişikliği, makyajın veya gözlüklerin varlığını veya yokluğu olasılığını göz önünde bulundurmalıdır.

Yüz tanıma sisteminin güvenilirliği, çeşitli faktörlere çok bağlıdır:

• Görüntü kalitesi. Sistemin kusursuz çalışması olasılığı gözle görülür şekilde azalır, eğer tanımlamaya çalışan kişi doğrudan odaya bakmaz veya zayıf aydınlatma ile kaldırılır.
• Fotoğrafın veritabanında kaydedildiği.
• Veritabanının değeri.

Yüz tanıma teknolojileri, verileri ileten ve kişisel bir bilgisayarı yöneten standart video kameralarla iyi çalışır ve bir video akışı hızında, saniyede en az 3 - 5 kare bir video akışı hızında 320x240 piksel izni gerektirir. Karşılaştırma için - video konferans için kabul edilebilir kalite, video akışının saniyede 15 kareden hızını gerektirir. Video akışının daha yüksek bir çözünürlükte daha yüksek hızı, tanımlama kalitesinde bir gelişmeye yol açar. Kişileri çok uzaktan tanırken, kameranın kalitesi ile tanımlamanın sonucu arasında güçlü bir bağımlılık vardır.

Standart kişisel bilgisayarları kullanırken veritabanlarının miktarı 10.000 görüntüyü geçmez.

Sonuç

Bugün sunulan tanınma yöntemlerinin yöntemleri ilginç ve yaygın tanıtımlara yakındır, ancak sadece tanınmaya karşı kapıya açıklığa güvenmek için sinemada olduğu gibi mümkün değildir. Bir güvenlik görevlisi veya başka bir erişim kontrol sistemi için asistan olarak iyidir.

Belgenin gerçekten kişisine ait olduğundan emin olmak için gereken birçok durumda kullanılan bu yöntemdir. Bu, örneğin, Uluslararası Havalimanı'nda, sınır bekçi pasaportun pasaportu olan fotoğrafı geçerken ve bir karar verdiğinde, bir pasaport ya da bir pasaport haline geldiğinde gerçekleşir. Benzer bir algoritma için bir bilgisayar erişim sistemi de geçerlidir. Fark, yalnızca fotoğrafın, zaten veritabanında saklanan şablon veritabanıyla karşılaştırıldığında oluşur.

Zaten kızılötesi ışıktaki kişilerin tanınmasına dayanan teknolojiler ortaya çıktı. Yeni teknoloji, kan damarları tarafından ısı radyasyonu tarafından oluşturulan termal resmin veya farklı şekilde, bir kişinin yüzünün termogramı herkes için benzersizdir ve bu nedenle, erişim kontrol sistemleri için biyometrik bir karakteristik olarak kullanılabilir. Bu termogram, insanın görünüşünün değişmesine bağlı olmadığından, kişinin geometrisinden daha istikrarlı bir tanımlayıcıdır.