Video gözetim sistemlerine ek olarak tanımlama sistemi. Algoritma kanıt arayacaktır. Entegre güvenlik sistemlerinde biyometrik tanımlama Kişi tanımlama sistemi

Herkes bilim kurgu filmlerindeki sahneleri bilir: Kahraman kapıya yaklaşır ve kapı onu tanıyarak karşılık verir. Bu, erişim kontrolü için biyometrik teknolojilerin kullanılabilirliği ve güvenilirliğinin temel kanıtlarından biridir. Ancak pratikte bu o kadar basit değil. Günümüzde şirketler biyometrik teknolojileri kullanarak çalışanlarına erişim kontrolü sağlamaya hazır.

Bir kişiyi tanımlamaya yönelik çeşitli kimlik kartlarına, anahtarlara veya örneğin şifre gibi benzersiz verilere dayanan geleneksel yöntemler, günümüz için gerekli olan bu dünyada güvenilir değildir. Tanımlayıcıların güvenilirliğini artırmanın doğal bir yolu, güvenlik sistemleri için biyometrik teknolojilerin kullanılmasıydı.

Yeni teknolojiler kullanılarak bulunabilecek sorunların kapsamı son derece geniştir:

1. ayrıntıların saklanması, belgelerin, kartların, şifrelerin çalınması amacıyla suçluların bölgeye ve tesislere girmesini önlemek;
2. bilgilere erişimi kısıtlamak ve bilgilerin kaydedilmesi için kişisel güvenilirliği sağlamak;
3. sertifikalı uzmanlar olmadan üçüncü taraf tesislere erişimin sağlanması;
4. erişim kontrol sistemlerinin (kartlar, anahtarlar) işletimiyle ilgili genel giderlerin ortadan kaldırılması;
5. anahtarların, kartların, şifrelerin israf edilmesi, israf edilmesi veya basitçe unutulmasıyla ilgili rahatsızlıkları kapatmak;
6. Uyduların erişim alanını ve kullanılabilirliğini düzenleyin.

Çeşitli biyometrik özelliklere sahip görüntülerin tanınmasına yönelik gelişmiş teknolojilerin geliştirilmesi uzun zaman önce başladı; başlangıçlar 60'lı yıllarda atıldı. Casus bilim adamlarımız bu teknolojilerin teorik pusularının geliştirilmesinde önemli başarılar elde etti. Prote pratik sonuçlar bugünün ilerlemelerinden ve “dün”den uzaklaştırılıyor. Modern bilgisayarların gelişmişliği ve gelişmiş algoritmalar, özellikleri ve karakteristikleri nedeniyle geniş bir yelpazedeki yatırımcılar için erişilebilir ve kullanışlı hale gelen ürünler yaratmayı mümkün kılmıştır.

Bir kişinin bireysel özelliklerini tanımlamak için kullanma fikri yeni değil. Günümüzde güvenlik sistemlerinde bir kişiyi aşağıdaki amaçlarla tanımlamak için kullanılabilecek düşük teknolojiler vardır:

1. parmaklar kırılmış (ya parmaklar sertleşmiş ya da eller traş edilmiş);
2. pirinç (optik ve kızılötesi görüntülere dayalı);
3. gözlerin irisi;
4. ses;
5. Diğer özellikler.

Tüm biyometrik teknolojiler nihai kimlik belirleme görevine yönelik gelişmiş yaklaşımlara sahiptir, ancak tüm yöntemler kullanım kolaylığına ve sonuçların doğruluğuna tabidir.

Biyometrik teknolojinin adım adım uygulanıp uygulanmadığı:

1. nesneyi taramak;
2. bireysel bilgilerin elde edilmesi;
3. bir şablonun kalıplanması;
4. Akış şablonunun veritabanıyla hizalanması.

Biyometrik tanıma sistemi, hastanın spesifik fizyolojik ve davranışsal özelliklerinin belirli bir kalıba uygunluğunu sağlar. Bu nedenle biyometrik sistem iki modülden oluşur: kayıt modülü ve kimlik doğrulama modülü.

Kayıt modülü Belirli bir kişiyi tanımlamak için bir sistemi "başlatır". Kayıt aşamasında video kamera veya diğer sensörler kişiyi tarayarak dijital görüntü oluşturur. Tarama işlemi yaklaşık 20 – 30 saniye kadar sürmekte olup, görüntü oluşumu sağlanmaktadır. İdeal olarak, bu görüntülerin daha doğru verilerin yakalanmasına olanak sağlamak için birkaç farklı açısı ve ifadesi vardır. Özel bir yazılım modülü olayı toplar ve karakteristik özellikleri tanımlar, ardından bir şablon oluşturur. Kişinin zaman içinde neredeyse hiç değişmeyen bazı kısımları vardır; örneğin göz çukurlarının üst hatları, yüzün üst kısmı ve ağız kenarları. Biyometrik teknolojiler için geliştirilen algoritmaların çoğu, saç büyümesi arasındaki yüzdeki kıl alanını analiz etmeye gerek kalmadan insan popülasyonunda olası değişikliklerin yapılmasını mümkün kılmaktadır. Cilt soyucunun görüntü şablonu biyometrik sistem veritabanına kaydedilir.

Tanımlama modülü Bir kişinin görüntüsünü bir video kameradan yakalar ve bunu şablonun kaydedildiği dijital formata dönüştürür. Veriler kaldırıldıktan sonra, her görüntünün birbirine nasıl karşılık geldiğini belirlemek için veritabanında saklanan şablonu kontrol edin. Doğrulama için gereken benzerlik düzeyi, farklı personel türlerine, PC ciddiyetine, üretim saatlerine ve bir dizi başka faktöre göre ayarlanabilen ileri bir düzeydir.

Kimlik doğrulama, doğrulama, kimlik doğrulama veya tanıma şeklinde olabilir. Doğrulama sırasında, çıkarılan verilerin ve veritabanına kaydedilen şablonun kimliği doğrulanır. Kimlik doğrulama - video kamerada bulunan görüntünün kimliğini veritabanında saklanan şablonlardan birine doğrular. Tanındığında kaydedilen şablonlardan birinin özelliklerinin aynı olması durumunda sistem, benzer şablona sahip kişiyi tanımlar.

Biyometrik sistemleri, özellikle de yüz tanıma sistemlerini kullanırken, kimlik doğrulama kararlarının doğru şekilde alınabilmesi için doğru biyometrik özelliklerin dahil edilmesini sağlamak önemlidir. Bununla birlikte, pek çok biyometrik özelliğin değiştirilebileceği çok az özellik vardır. Sistemin inanılmaz derecede güvenilir olduğu açıktır. Üstelik farklı teknolojilerin kullanılmasıyla karışım tamamen azaltılabilmektedir. Geçiş kontrol sistemleri için, biyometrik teknolojilerin yükselişiyle birlikte, "başkasının" girmesine izin vermemenin "kendimizin" girmesine izin vermekten daha önemli olduğunu anlamak gerekir.

Biyometrik teknolojilerin güvenlik sistemlerinde kullanılmasında önemli bir faktör kullanım kolaylığıdır. Özellikleri taranan bir kişi, gündelik yetersizliklerin farkına varmaktan suçlu değildir. Bu durumda en iyi yöntem görünüşe göre tanıma teknolojisidir. Ancak sistemin doğruluğuyla ilgili başka sorunlar da var.

Bariz avantajlara rağmen, biyometrik verileri insanları cezalandırmak ve mahremiyet haklarını ihlal etmek için kullanmayacak olanlar tarafından sıklıkla dile getirilen biyometriye karşı çok az olumsuz ilerleme vardır. Sansasyonel açıklamalar ve aktarılmayan haberler sayesinde biyometrik teknolojilerin benimsenmesi gerçek dünyaya göre hızla artıyor.

Yine de biyometrik tanımlama yöntemlerinin kullanımı gelecekte özellikle önem kazanacaktır. Bu sorun özellikle Amerika Birleşik Devletleri'nde 11 Pazar gününden sonra ciddileşti. Dünya istihbaratı, günümüz dünyasında artan terör tehdidi aşamasını ve geleneksel yöntemleri kullanarak güvenilir savunmayı organize etmenin karmaşıklığını fark etti. Bu çok trajik olaylar, güvenlik sistemlerinin mevcut entegrasyonuna duyulan saygının artması için bir başlangıç ​​noktası haline geldi. Resmi düşünce, eğer havalimanlarında kontrol olsaydı bu talihsizliğin sona erebileceği yönündeydi. Bu günlerde, düşük risk altındaki insanların sesleri, kişi tanıma sistemleriyle entegre modern video gözetim sistemlerinin yükselişiyle önemli bir rahatlama sağlayabilir.

Şu anda, bir bireyi tanımanın birkaç ana yöntemi vardır:

1. "özyüzler";
2. "tatlı pirinç" analizi;
3. “nöral ölçümlere” dayalı analiz;
4. "görüntüleri açığa çıkarmanın otomatik olarak işlenmesi" yöntemi.

Tüm bu yöntemler, uygulamanın karmaşıklığına ve sertleştirme yöntemine tabidir.

"Eigenface", "vlasne oblichya" olarak çevrilebilir. Bu teknoloji, görüntünün önemli özellikleri haline gelen gri tonlarında iki boyutlu görüntüler oluşturur. "Özyüz" yöntemi sıklıkla diğer tespit yöntemlerinin temeli olarak gösterilmektedir.

100 - 120 "özyüz" kombinasyon özellikleri çok sayıda yolla güncellenebilir. Kayıt sırasında, belirli bir kişinin derisinin "öz yüzü" bir takım katsayılarda görünür. Görüntülerin kimliği doğrulamak için kontrol edildiği kimlik doğrulama modunda, geçerlilik katsayısına göre "canlı" şablon kayıtlı şablona eşittir. Şablonlar arasındaki farkın düzeyi ve kimlik gerçeğini gösterir. "Öz yüz" teknolojisi, yüzü önden taramak mümkünse, iyi aydınlatılmış alanları seçmek için idealdir.

“Olağanüstü pirinci” analiz etme tekniği en yaygın kullanılan tanımlama teknolojisidir. Bu teknoloji “Özyüz” tekniğine benzer, ancak daha geniş bir dünyada bir kişinin görünüşünü veya yüz ifadelerini (gülümseme veya kaşlarını çatma) değiştirmek için uyarlanmıştır. “Olağanüstü pirinç” teknolojisi, bireyin farklı alanlarına ait onlarca karakteristik özelliği ve bunların uyumlaştırılmasıyla dikkat çekici bir büyüme göstermektedir. Bu parametrelerin bireysel kombinasyonu, belirli bir bireyin cildinin özelliklerini belirler. Bir kişi benzersizdir ama aynı zamanda dinamiktir, çünkü... İnsanlar gülebilir, sakal bırakabilir, göz merceklerini aşındırabilir; tüm bunlar tanımlama prosedürünü daha karmaşık hale getirir. Bu şekilde örneğin gülerken kişinin ağzının tamamına yayılmış olan kısımlarını yerinden çıkarmamaya dikkat edilir, böylece kişinin kendi bedeninde de benzer şekilde daha küçük parçaların karışımı diyebiliriz. Bu tür varsayımlara sahip doktorlar, bir kişiyi açıkça tanımlayabilir ve onu çeşitli mimetik değişikliklere maruz bırakabilir. Bu analiz bir bireyin yerel parsellerine baktığından, kabul edilebilir tedaviler yatay düzlemde 25°'ye kadar ve dikey düzlemde yaklaşık 15°'ye kadar değişebilir ve oldukça zahmetli ve pahalı ekipman gerektirecektir. Genişleme aşaması Bu yöntemin hızlandığı açıktır.

Sinirsel bağlantıya dayanan yöntem, her iki bireyin de karakteristik özelliklerini taşıyor; kayıtlı olanın başarılı olduğu doğrulanıyor. "Nöral ölçümler", doğrulanan bir kişinin benzersiz parametrelerini ve mümkün olan maksimum parametre sayısını ayarlayan veritabanındaki bir şablonun parametrelerini belirleyen bir algoritma kullanır. Dünyada tutarsızlıklar düzenli olarak tespit ediliyor ve şablon veri tabanına göre kontrol ediliyor, ardından çeşitli katsayılar yardımıyla türlerin aşamasını belirleyen bir mekanizma devreye giriyor. veritabanındaki şablon. Bu yöntem yetenekli zihinlerdeki bireyin belirlenmesinde daha doğrudur.

"Yüz görüntüsünün otomatik işlenmesi" yöntemi vikorista'nın sunduğu en basit teknoloji olup gözler, burun ucu, ağız köşeleri gibi kolayca tanımlanabilen yüz noktaları arasındaki ilişkidir. Bu yöntem “özyüzler” veya “sinir ağları” kadar sıkı olmasa da zayıf aydınlatmaya sahip zihinlerde etkili sonuçlar elde edebilirsiniz.

Piyasada mevcut olan tanımlama sistemleri

Bugüne kadar bireylerin tanınmasına yönelik az sayıda ticari ürün geliştirilmiştir. Bu ürünlerde kullanılan algoritmalar farklılık göstermektedir ve teknolojinin nasıl avantajlara sahip olduğunu değerlendirmek hâlâ zordur. Liderler şu sistemlerdir: Visionic, Viisage ve Miros.

• Visionic'in FaceIt yazılımı, Rockefeller Üniversitesi'ndeki yerel işaretleri analiz etmeye yönelik bir algoritmaya dayanmaktadır. Büyük Britanya'daki bir ticari şirket, FaceIt'i Mandrake adlı bir televizyon suçla mücadele sistemine entegre etti. Bu sistem, kapalı bir alanda bulunan 144 kameradan gelen video verilerini kullanarak suçluları arıyor. Kimlik tespit edilmesi durumunda sistem güvenlik görevlisine kimlik bilgisini bildirir. Rusya'da Visionic şirketinin temsilcisi DanCom şirketidir.
• Bu alanda bir diğer lider olan Viisage şirketi, Massachusetts Teknoloji Enstitüsü tarafından geliştirilen bir algoritma geliştiriyor. Zengin Amerika eyaletlerindeki ve diğer ülkelerdeki ticari şirketler ve hükümet yapıları, su hakları gibi kimlik sertifikalarının yanı sıra Visage şirket sistemini kullanıyor.
• ZN Vision Technologies AG (Nimechina), özellik tanıma teknolojisinden yoksun az sayıda ürünü pazara sunuyor. Bu sistemler Soling şirketi tarafından Rusya pazarına sunulmaktadır.
• Miros şirketinin TrueFace kişilik tanıma sistemi, sinirsel izleme teknolojisini kullanıyor ve sistemin kendisi, Bay Payroll şirketi tarafından üretilen ve ABD'nin zengin eyaletlerindeki kumarhanelere ve diğer önemli depolara kurulan bir kompleksin parçası.

Bağımsız uzmanlar çeşitli karakter tanıma teknolojileri üzerinde kapsamlı testler gerçekleştirdi. Test sonuçları aşağıda gösterilmiştir.

Pirinç. 1. Farklı sistemlerde özellik tanımanın etkinliğinin kaba analizi

Uygulamada standart elektronik güvenlik sistemleri stokunda bulunan kişilik tanıma sistemlerinin kullanılmasıyla kişilerin kimlikleri tespit edilir edilmez doğrudan kameraya baktıkları aktarılmaktadır. Böylece sistem çok basit iki boyutlu görüntülerle çalışıyor, bu da algoritmaları önemli ölçüde basitleştiriyor ve hesaplamaların yoğunluğunu azaltıyor. Bununla birlikte, bu durumda, algoritmalar aydınlatma seviyesini değiştirme, pozlama ifadesini değiştirme, görünürlük veya daha fazla göz merceğinin varlığını değiştirme yeteneğinden sorumlu olduğundan, tanıma hala önemsiz değildir.

Robotik tanıma sisteminin güvenilirliği çeşitli faktörlere bağlıdır:

• Görüntünün parlaklığı. Kimlik tespit etmeye çalıştığımız kişilerin doğrudan kameraya bakmaması, zayıf ışık koşullarında çekim yapması nedeniyle sessiz robotik sistemin güvenilirliğinde gözle görülür bir azalma yaşanıyor.
• Veritabanına girilen fotoğrafın alaka düzeyi.
• Veritabanı boyutu.

Tanıma teknolojileri, kişisel bilgisayarda veri ileten ve veri depolayan standart video kameralarla iyi çalışır ve saniyede 3-5 kare video akış hızında inç başına 320×240 piksel çözünürlük elde eder. Adil olmak gerekirse, iyi bir video konferans çözümü, saniyede en az 15 karelik bir video akış hızı gerektirecektir. Yüksek düzeyde ayırmaya sahip yüksek kaliteli video akışları, gelişmiş tanımlama yeteneklerine yol açar. Bireyleri uzak mesafeden tanırken, video kamera ile kimlik tespiti sonucu arasında güçlü bir korelasyon vardır.

Standart kişisel bilgisayarlar kullanılarak veritabanlarından toplam 10.000 görüntü toplanır.

Visnovok

Bitkinin özelliklerini tanımaya yönelik mevcut yöntemler yaygın olarak kullanılmaya yakındır, ancak görünüşe göre tanıma teknolojisi olmadan kapıların açılmasına güvenmek hala imkansızdır. Vaughn, diğer erişim kontrol sistemlerinin korunmasında yardımcıdır.

Belgenin sunumunun, onu sunan kişiye bağlı olarak etkili bir şekilde yapılmasını sağlamak gerekiyorsa, bu yöntemin kendisi birçok durumda kullanılır. Bu, örneğin uluslararası bir havaalanında, güvenlik görevlisinin pasaportu taşıyan kişinin vesikalık fotoğrafını kontrol etmesi ve hangi pasaportu alacağına karar vermesi durumunda gerçekleşir. Benzer bir algoritmaya bir bilgisayar sistemi tarafından erişilebilir. Önemli olan yalnızca fotoğrafın halihazırda veri tabanında depolanan şablonla eşleşmesinde yatmaktadır.

Kızılötesi ışığın tanınmış özelliklerine dayanan teknolojiler halihazırda ortaya çıkmıştır. Yeni teknoloji, ısının kan damarları tarafından aktarılmasıyla oluşturulan termal görüntünün, başka bir deyişle kişinin termogramının cilde özgü ve belki de erişim kontrolünün biyometrik bir özelliği olduğu gerçeğine dayanıyor. sistemler. Bu termogram, kişinin görünümündeki değişikliklere maruz kalabilecek yüzün alt geometrisi olan sabit bir tanımlayıcıdır.

Şu anda biyometri hayatımıza giderek daha fazla nüfuz ediyor. Dünyanın önde gelen ülkeleri, sahiplerinin biyometrik özellikleri hakkında bilgi sağlayacak elektronik pasaportları çoktan duyurdu ve yakın gelecekte çıkarmayı planlıyor; Birçok ofis merkezi, kurumsal erişim kontrol sistemlerine biyometrik sensörleri dahil etmiştir; dizüstü bilgisayarlar uzun süredir biyometrik müşteri kimlik doğrulamasıyla donatılmıştır; Kurulan güvenlik hizmetleri, kalabalık içerisinde sesi duyulan her türlü haini sürekli olarak tespit edebilmektedir.

Andriy Khrulov
Biyometri Bölüm Başkanı
ve kapsamlı güvenlik sistemleri
Şirketler grubu "Technoserv", Ph.D.

Biyometrik sistemler için daha fazla uygulama var. Biyometrinin başarısını açıklamak kolaydır. "Ben bildiğimiyim" (kimlik kartları, jetonlar, doğrulanabilen belgeler) ve "Ben bildiğimiyim" (şifreler, PIN kodları) ilkelerine dayanan geleneksel kimlik tanımlama yöntemleri - tam olarak geliştirilmemiştir i. Kart kolayca boşa gidebilir, şifre unutulabilir ve kötü niyetli bir kişi olsa bile sistem sizi sahte kişi olarak tanımlayamayacaktır.

Ayrıca, gerekli tanımlama özelliğinin belirlenmesi söz konusu olduğunda geleneksel tanımlama yöntemleri kesinlikle marjinaldir ve buna benzer daha fazla görev vardır:

• kötü adamı kalabalıktan tanıyın;
• pasaportun hükümdarınız tarafından sunulduğunu kontrol edin;
• insanların eğlenirken ne yaptığını öğrenin;
• kişinin daha önce kredi içeren mali dolandırıcılığa karışmadığını anlayın;
• Potansiyel olarak tehlikeli hastaları stadyuma girmeden önce belirleyin.

Tüm bu görevler ancak “Ben buyum” ilkesine dayanan çeşitli biyometrik tanımlama özelliklerinin yardımıyla gerçekleştirilebilir. Bu ilke, bilgi sisteminin sağladığı nesneleri değil, rapor ettiği bilgileri doğrudan kişiyi tanımlamasına olanak tanır.

Biyometrinin benzersizliği

Bir kişinin özelliklerini, yani görünüşünün imajını tanımlamak için kullanılan çok çeşitli biyometrik özellikler vardır. Biyometri, görüntü yakalamak için özel sensörler gerektirmemesi açısından benzersizdir; görüntüler standart bir video güvenlik kamerası kullanılarak yakalanabilir. Ayrıca, bir bireyin fotoğrafı, bireyi tanımlayan herhangi bir belge üzerinde pratik olarak mevcuttur ve bu nedenle, bu teknolojinin ilerlemesi, pratikte çeşitli düzenleme sorunlarıyla ve teknolojinin sosyal olarak benimsenmesindeki karmaşıklıklarla ilişkili değildir.

Bu aynı zamanda yüz görüntülerinin dolaylı olarak kişinin kendisi için yakalanabileceği ve dolayısıyla yüz biyometrisinin izleme ve tanımlama sistemleri için en uygun olduğu anlamına da gelir.

Bir kişiyi tanımaya yönelik herhangi bir sistem, matematiksel bir modelin temel sistemine benzer şekilde biyometrik şablon adı verilen belirli bir dizi işaretin oluşumuna inen tipik bir görüntü tanıma sistemidir. Bu modelin kendisi herhangi bir biyometrik sistemin temel teknik bilgisini oluşturur ve tanıma tanımanın etkinliği tamamen biyometrik şablonun çıktı fotoğrafına veya Görüntülere bağlı olarak farklı türdeki değişikliklere karşı kararlılığı gibi faktörlere bağlıdır.

Kimlik tanımanın etkinliği tamamen biyometrik şablonun çıktı fotoğraf veya video görüntüsündeki çeşitli değişikliklere karşı direnci gibi faktörlere bağlıdır.

Hem Rusya pazarında hem de dünyada sunulan çok çeşitli bireysel tanıma sistemlerine rağmen, çoğu, tanıma yöntemlerinin yazılım uygulamasına ve bireyin matematiksel modellerinin güncellenmesine dayanan aynı biyometrik motorları kullanıyor. Rusya, Cognitec (Cognitec Systems GmbH, Almanya tarafından geliştirilmiştir), Cascade-Potik (Technoserv, Rusya tarafından geliştirilmiştir), FRS SDK (Asia Software, Kazakistan tarafından geliştirilmiştir), FaceIt şirketi L1 Identity Solutions, ABD gibi biyometrik motorların en büyük genişlemesine sahiptir. ).

Kural olarak, herhangi bir biyometrik motorda bir kişinin tanınması birkaç aşamadan oluşur: bireyin tanımlanması, kişiliğin değerlendirilmesi, bir modelin tanımlanması, oluşturulması ve karar verilmesi.

Aşama 1: maruz kalma

Bu aşamada sistem, bir dizi video karesi veya fotoğraftaki kişileri otomatik olarak görür (algılar) ve özelliklerin açı aralığı ve ölçekleri önemli ölçüde değişebilir, bu da güvenlik sistemlerini uyarmak için son derece önemlidir. Görülen tüm bireylerin tanımlanması tamamen gereksizdir (kural olarak bu mümkün değildir), ancak gelecekte maksimum sayıda bireyi belirlemek ve gerekirse bunları kenarlardaki arşivlere yerleştirmek tamamen gereksizdir (Şekil 1).

Bir bireyin kimliğinin belirlenmesi, tanımanın en önemli aşamalarından biridir; dolayısıyla dedektör tarafından tespitin atlanması, otomatik olarak daha fazla kimlik tespitinin imkansızlığı anlamına gelir. Dedektörün parlaklığı genellikle P0'ın tespit yoğunluğu ile karakterize edilir. Bir dizi insanın zihninde çalışan mevcut biyometrik sistemler için, ortaya çıkan tespit oranının önemi %95 ila 99 olur ve video kaydının (ışıklandırma, ayrı kameralar vb.) akıllarında yatmaktadır.

Biyometri pazarının gelişimindeki en umut verici trendlerden biri, yerleşik mantığın yapısını tanımlama işlevini uygulayan akıllı dijital video kameraların ortaya çıkmasıdır (Şekil 2). Akıllı video kameralar, tespit edilen özellikler hakkında bilgi sağlamak için net bir video akışını ve bununla ilişkili meta verileri yakalamanıza olanak tanır.

Bu yaklaşım, tanıma sisteminin donanım gereksinimlerini önemli ölçüde azaltmayı mümkün kılar, bu da biyometrik komplekslerin son kullanılabilirliğini azaltarak onları son kullanıcı için daha erişilebilir hale getirir. Ek olarak, veri iletim kanallarına yönelik olanaklar da değişecek, böylece bu yaklaşımla yüksek kaliteli video iletimi için gigabit hatlarına ihtiyacımız olmayacak, bunun yerine sıkıştırılmış video ve algılanan görüntülerin önemsiz bir akışının iletimi için standart önlemlerin varlığına sahip olacağız.

Aşama 2: sululuk değerlendirmesi

Bu, biyometrik motorun çok sayıda tespit edilen birey arasından belirlenen doğruluk kriterlerini karşılayan en hassas görüntüleri seçtiği çok önemli bir tanıma aşamasıdır.

Biyometrik sistem geliştiricileri genellikle yalan söyleyerek, sistemlerinin GOST R ISO/IEC 19794-5'te belirtilen doğruluk temelinde bir video akışındaki bir kişinin görüntüsüyle tutarlı, yüksek düzeyde bir tanınma sağlayacağı konusunda ısrar ederler. Bununla birlikte, bu GOST, bir bireyin fotoğraflarının parlaklığına çok sert (neredeyse ideal) kısıtlamalar getirmektedir (bir bireyin ön açısı, 5 dereceden fazla olmayan bir bakış açısı; tekdüze aydınlatma; nötr yüz ifadesi vb.), ancak video gözetim sistemlerinin gerçek aklında olun. DSTU'nun bu tür faydaları, bu standardın, biyometrik pasaportlar olarak adlandırılan yeni neslin pasaport ve vize belgelerine elektronik fotoğraf kaydetme formatını birleştirmeyi amaçladığı gerçeğiyle tamamen haklıdır. Uygulamada, annelerdeki kaygının tespitine yönelik biyometrik tanımlama sistemleri, önemli ölçüde daha az sempatik zihinlerle çalışmaktadır:

• bireyin 20 dereceyi aşan eğimde ön pozisyondan kurtarılması;
• daha fazla pozlanmış;
• bir bireyin perekrittya kısımları;
• yüzeyde gölgelerin varlığı;
• minimum görüntü boyutu vb.

Biyometrik motorun bu tür katlanılabilir zihinlerdeki kararlılığı, onun gücü anlamına gelir. Mevcut biyometrik motorlarda kapasite değerlendirmesi aşamasında genellikle aşağıdakiler değerlendirilir:

• bireyin açısı (20-30 derece abartmaktan suçlu değil);
• bireyin boyutu (gözler arasındaki mesafeye göre tahmin edilir ve 50-80 pikselden fazla olmalıdır);
• Kısmen kapalı bireyler (kapalı bireyler, bireyin okült alanının %10-25'inden sorumlu değildir).

Görüntüde kişinin gözleri kapalıysa (göz kırpma veya göz merceği ile) sistemin kişiyi tanıyamayacağı gibi gizli bir gerçek vardır. Gerçekten de, ilk yüz tanıma algoritmaları, standart yüz ölçeklemenin yanı sıra daha ileri görüntü işleme için gözlerin merkezlerini temel olarak kullanıyordu. Bununla birlikte, birçok modern biyometrik motor (örneğin, Cognitec veya "Kaskad-Potik") daha karmaşık kodlama şemaları kullanır ve noktaların merkezlerinin konumuna bağlı değildir.

Aşama 3: şablona bağlı olarak

Bu, biyometrik motor teknolojisinin temel teknik bilgisi haline gelen kimlik tanımanın en karmaşık ve benzersiz aşamalarından biridir. Bu aşamanın özü, görüntünün biyometrik bir şablonla birleştirilmiş bir dizi karaktere önemsiz olmayan matematiksel dönüşümünde yatmaktadır.

Bireyin cildi neme ve benzersiz biyometrik desene benzer. Biyometrik desenlerin ilkeleri son derece çeşitlidir: Bir desen, yüzün dokusal özelliklerine, geometrik özelliklere, karakteristik noktalara, farklı farklı karakterlerin kombinasyonlarına dayanabilir.

Biyometrik şablonun en önemli özelliği boyutudur. Şablon ne kadar büyük olursa, o kadar bilgilendirici semboller içerir ve şablonun akışkanlığı ve verimliliği o kadar düşük olur. Biyometrik sistemler için tipik şablon boyutları 1 ile 20 kbyte arasında değişir.

Aşama 4: Karar verme ve karar verme

Bu, tespit edilen kişi tarafından tanımlanan kişinin biyometrik şablonunun veri tabanında saklanan şablon dizisiyle karşılaştırıldığı tanıma sisteminin birleşik aşamasıdır. En basit haliyle süreç, tüm şablonların basit bir şekilde numaralandırılmasından ve benzerliklerinin değerlendirilmesinden oluşur. Yapılan değerlendirmeler ve belirlenen eşik değerlerle karşılaştırılması sonucunda veri tabanında aynı kişinin bulunup bulunmadığına ilişkin kararlar verilmektedir.

Mevcut sistemlerde hizalama, saniyede 10.000 ila 200.000 veya daha fazla hizalama hızı sağlayan karmaşık optimal hizalama şemaları kullanılarak gerçekleştirilir. Dahası, oluşturma sürecinin paralel olabileceğini anlamak önemlidir; bu, tanımlama sistemlerinin pratik olarak gerçek zamanlı olarak, örneğin büyük dizilerin arkasında 100.000 kişinin görüntülerini oluşturmasına olanak tanır.

Kişisel tanıma sistemlerinin etkinliği genellikle kimlik doğrulamanın doğruluğu ile karakterize edilir. Açıkçası, biyometrik tanımlama iki tür ödülle sonuçlanabilir.

1. İlk merhamet, aslında veri tabanında bulunan bir kişinin kaybolması ve tanınmaması olasılığıyla ilişkilidir - bunlara genellikle ilk merhamet denir. Dahası, genellikle ilk ailenin merhametinin önemini değil, ilk ailenin merhametinin öneminin bir eksiğini belirtirler. Buna PPR'nin doğru tanınmasının önemi denir.
2. Başka bir merhamet türü, sistemin gerçekte veritabanında bulunmayan veya başka bir kişiyle karıştırılan bir kişiyi tanıdığı zaman ortaya çıkan olayları görüntüler - bunlara genellikle farklı bir merhamet türü denir. Mevcut bireysel tanıma sistemleri için, doğru tanınma olasılığının tipik değerleri genellikle% 80 ila 97 arasındadır; farklı türden hayvanlar için bu oran% 1'i geçmez.

Başarılı tanımlama

Varto, algılama tanımanın mutlak bir teknoloji olmadığını anlıyor. Gerçek nesnelerin “laboratuvar” sistemlerindekiyle aynı yüksek performansı sağlayamaması nedeniyle biyometrik sistemler sıklıkla eleştirilebilir. Bu iddia her zamankinden daha doğru. Gerçekte, yalnızca en iyi beyinlerin kanıtlarını etkili bir şekilde tanımak mümkündür ve biyometrinin kullanılmaya başlanmasından önce bireylerin sistemi hangi beyinlerin çalıştırdığını anlamaları son derece önemlidir. Ancak mevcut sistemlerin çoğunda zihnin tanınması gerçek nesneler üzerinde tamamen mümkündür. Bu nedenle, tanımlama bölgelerinde bireysel tanımanın etkinliğini artırmak için, kısa süreli (1-2 saniyeden fazla olmayan) sabitlemeyi sağlamak için insanların doğrudan akışını (kapılar, metal dedektör çerçeveleri, turnikeler vb.) düzenleyin. cilt sıvısı. Bu durumda video kayıt kameralarının, kaydedilen görüntüleri 20-30 dereceyi aşmayacak şekilde ön konumdan çekecek şekilde kurulması gerekmektedir. (örneğin, kameraların koridor bölgesinden 8-10 m'lik bir mesafeye, 2-3 m'lik bir süspansiyon yüksekliğine monte edilmesi).

Tanıma sistemlerinin tanıtılmasıyla bu zihinlerin geliştirilmesi, ilgilenen kişilerin belirli özelliklerini ve özelliklerini, tarafından beyan edilen başarı göstergelerinin değerlerine mümkün olduğunca yakın bir olasılıkla etkili bir şekilde tanımlamayı mümkün kılar. perakendeciler.kişisel kimlik.

1

Video gözetim sistemlerinin her yerde kullanılmaya başlanması, video kaydına dayalı tanıma ve tanımlama sistemlerinin ortaya çıkmasına yol açtı. Bu tür sistemler, video kameralardan gelen görüntü dizisini gerçek zamanlı olarak analiz etmek amacıyla çeşitli bilgileri otomatik olarak bir platform üzerinden çıkarmak için bilgisayar gözetim yöntemlerini kullanan teknolojiye dayanmaktadır. Başka bir deyişle bu teknoloji, video akışı analizi sonucunda görüntü tanıma ve görüntü işlemeye yönelik yöntem ve algoritmalara dayanmaktadır. İnsanların katılımı olmadan binaların video kayıtlarının tanınmasına ve tanımlanmasına yönelik mevcut sistemler, belirli bir hedefi (örneğin bir araba, bir grup insan) veya potansiyel olarak güvenli olmayan durumları (örneğin duman, doluluk, yetkisiz erişim) sonrasında derhal bir alarm sinyali üretilir. Bu tür sistemlerin durgunluğunun bir diğer avantajı, iletişim kanallarına ve video akışlarını gerçek zamanlı olarak filtrelemek için arşiv veritabanına olan talebin azalmasıdır. Video kaydına yönelik herhangi bir tanıma ve tanımlama sistemi, okuma özelliklerinin belirli bir modele benzerliğini tanımlayan benzersiz bir algoritmaya dayanır. Video kamera video akışını gerçek zamanlı olarak sunucuya iletir, tanıma ve tanımlama sistemi veritabanında saklanan bilgilerin geçerliliğini belirler ve faktörler sisteminin (örneğin, ağırlıklar veya başlıklar).

tanıma sistemi

Video kaydından kimlik tespiti.

1. Brilyuk D.V., Starovoitov V.V. Sinirsel yöntemler kullanarak görüntülerin arkasındaki kişileri tanımak. - Minsk, 2002. - 54 s. (Belarus Ulusal Bilimler Akademisi Ön Baskı/Teknik Sibernetik Enstitüsü; No. 2).

2. Kulyabichov Yu.P., Pivtoratska S.V. Görsel tanıma özelliklerine göre kişileri tanımlama yöntemlerinin gözden geçirilmesi

3. Rogozin O.V., Kladov S.A. Görsel tanımlama görevi için yüz tanıma algoritmalarının rutin analizi MDTU im. Olumsuz. Bauman, Moskova, 105005, Rusya

4. Sherstobitov A.I., Fedosov V.P., Prikhodchenko V.A., Timofeev D.V. Farklı segmentasyon algoritmaları kullanılarak grup fotoğraflarındaki yüzlerin tanınması

5. Laurenz Wiskott, Jean-Marc Fellous, Norbert Kruger ve Christoph von der Malsburg ile Eşleşen Elastik Grup Grafiği ile Yüz Tanıma,

Girmek

Günümüzde modern video gözetim sistemleri, yalnızca video akışını kaydetmek ve görüntüyü ekranda görüntülemek için değil, aynı zamanda çeşitli analitik işlevler sağlamak için de işlevsellik uygulamaktadır. Kural olarak, bu tür işlevler video bilgi analizinin otomasyonuna aittir. En çok ihtiyaç duyulan işlevlerden biri, kontrol bölgesindeki özelliklerin tanınması ve tanımlanmasıdır. Bu tür sistemlerde fiziksel parametreler gibi insan bireyinin diğerlerinden ayırt edilebilecek temel özellikleri belirlenir.

Ana bölüm

Gerçek zamanlı olarak video kaydından kişileri tanıma ve tanımlama sistemlerinin tespit ettiği sıralamada bir değişiklik olması dikkat çekicidir:

1. Doğrulama. Gerçek zamanlı video kaydına sahip olan kişi tanıma ve tanımlama sistemi, daha önce sisteme kaydedilen standart karakterle eşleştirerek kişiyi doğrulayabilmektedir. Aslında şemalar arasında bire bir eşleşme var.

2. Kapalı bir çarpan üzerinde tanımlama. Gerçek zamanlı videodan kişileri tanıma ve tanımlama sistemi, bu görüntüyle ilgili özellikleri belirlemek amacıyla farklı kişilerin desenlerini kaydetmeden video akışından görüntüler yakalar. tamam Bu görev, imajı atanan kişinin veritabanında bulunması sağlanarak gerçekleştirilebilir. Bu görev, karakterlerin "birden çoğa" şemasına göre hizalanmasına dayanmaktadır.

İlerleyen taşkınlar karşısında bu tür sistemlerin durgunluğunun kapsamı önemlidir:

1. Büyük şehirlerde veya büyük yerlerdeki hırsızların ve suçluların özelliklerinin tanınması. Video kaydına yönelik tanıma ve tanımlama sistemleri, çeşitli devlet kurumlarının video gözetim sistemlerinden ve bölgeye kurulu kameralardan gerçek zamanlı verileri yakalar. Çalınan bilgilere dayanarak, verilerin kolluk kuvvetlerine aktarılması yöntemiyle hırsızların ve suçluların aranması gerçekleştiriliyor.

Bugün Rusya'da video kayıt nesnelerinin gerçek zamanlı olarak tanınması ve tanımlanmasına yönelik büyük projeler başlatılıyor. 2017 baharından bu yana Moskova'daki 170.000 video güvenlik kamerasının bir kısmı parmak izi tanıma sistemine bağlandı. Ana izleme sistemi, bölgedeki ve okul binaları ve anaokullarındaki, stadyumlardaki, toplu taşıma istasyonlarındaki ve otobüs duraklarındaki, parkların yakınındaki, yer altı geçitleri ve diğer kentsel alanlardaki video kameraları, kameraları içerir. Bu yaklaşım artık kötülük yapanların ve ihlal edenlerin aranmasında ek bir araç haline geldi.

Dünyanın her yerindeki insanların kişiliklerini tanımak, kolluk kuvvetlerine benzersiz yetenekler kazandırır. Yaklaşık 16 bin kişinin yerel güvenlik sistemine erişimi engellendi. Kolluk kuvvetleri, devlet ve belediye kuruluşlarının uzmanları. Sistem, farklı müşteri grupları için erişimi farklılaştırarak, bölge sakinlerinin eylemlerinin gizliliğini korumanıza olanak tanır.

2. Erişim kontrolünün güvenliği. Bu tipte video güvenlik, güvenlik sistemine entegre edilir ve turnikeler üzerindeki kontrolörler tarafından izlenir.

Böyle bir sistem hem ana sistem (bir deneğin kapalı bir bölgeye girmesine izin verilmesine karar veren) hem de yedek sistem olarak kurulabilir. Görünmez korumalar, kısıtlı alana erişimi engellemeyecek ve fotoğrafları, güvenlik servisi tarafından olayın daha ileri düzeyde işlenmesi amacıyla veri tabanına kaydedilecektir.

Bu nedenle, şirketin çalışmalarının verimliliğini sağlamak (örneğin ileri teknolojilerin geliştirilmesi) için bu tür sistemler büyük işletmelere kurulmaktadır. Sistem, aktif olan tüm askeri personeli otomatik olarak tanır ve veri tabanıyla eşleştirir. Belirsizlik veya sistemde bir kişinin bulunmaması durumunda sistem, güvenlik protokollerini devreye sokarak güvenlik servislerine bildirimde bulunur.

Bu tür bir durgunluğun avantajı, sürece insan katılımının en aza indirilmesi, işgücü işçilerinin iş disiplininin arttırılması ve devlet kurumlarının iş için ödeme giderlerinin azaltılmasıdır.

3. Hipermarketlerden ve alışveriş merkezlerinden hırsızlığa karşı koruma. Sistematik hırsızlık sorunu, büyük ticaret alanlarına sahip her büyük mağazanın karşı karşıya olduğu bir sorundur. Gerçek şu ki, mevcut video gözetim sistemleri hırsızlığı caydırmada etkili değildir ve kaynakların yalnızca hırsızlığın kanıtını yakalamak için (eğer zaten tespit edilmişse) kullanılmasını gerektirir. Binaların video kayıtlarından personel tanıma ve tanımlama sistemleri, suçlulara ilişkin verilerin veri tabanına girilmesi durumunda mağdurlardan tekrarlanan potansiyel hırsızlıkları tespit edecek ve video analiz yöntemleri ter tespit edecek. Mağaza girişinde resmi bir suçlu var.

4. Büyük ipoteklerde yüz kontrolünün organizasyonu. Uzak güvenlik cihazlarındaki endişe verici bilgilerin tespit edilmesine yönelik etkili bir tanıma sistemi, çok sayıda insanda gereksiz olayların meydana gelmesini azaltmaya veya tamamen ortadan kaldırmaya yardımcı olacaktır.

5. Satış organizasyonu ve hedefli reklamcılık. Bir kişinin tanınması ve tanımlanmasına dayanarak, müşterinin ilgisini çekme potansiyeli olan reklamların nasıl sergileneceği belirlenebilir. Aynı zamanda, toplanan bilgilere dayanarak, bir kişinin katılımı olmadan başka bir satın alma işlemi sırasında müşterinin hesabından nakit yazılması da mümkündür.

Video akışı işleme algoritmasından bağımsız olarak yazılım tanıma ve tanımlama işlevi, taranan görüntünün veritabanındaki standartlarla hizalanması ilkesini izler. Hareket halindeyken tarama yapılırken, hareket halindeyken yüzünüzü tarayıcıya çevirmeniz yeterlidir.

Temel olarak tanıma sistemleri, insanların kişiliklerinin görüntülerini analiz ederek onları tanımlayan bilgisayar programlarıdır. Program görüntüyü dikkate alır ve gözlerin yüzü, burnun yüzü, çatlakların kenarları gibi özellikleri görüntüler ve buna göre "şablon" adı verilen benzersiz bir dosya oluşturulur. Program, şablonları temel alarak görüntüleri veritabanındaki diğer görüntülerle karşılaştırır ve ardından görüntülerin birbirine ne kadar benzer olduğunu değerlendirir. Birincil yöntem, görünüşe göre tanımlama yaparken veya su veri tabanında saklanan fotoğrafları kaldırmadan önce video kameralardan gelen sinyalleri görüntülemektir.

Bu yaklaşım, şarkıların görünürlüğünü video akışından çekilen görüntüye kadar genişletir. Bu hız kodunun etkinliğinin iyi bir göstergesi, sistemin, video kameradan en az 10 metre mesafeden insan kimliklerini etkili bir şekilde tanımlayabilmesidir. Bu durumda, temel fiziksel parametrelerdeki değişiklikler nedeniyle tanıma başarılı bir şekilde gerçekleştirilebilir: tarama değişikliği, sakal görünümü vb. Belirli bir süre içerisinde, örneğin giriş kapılarının ve turnikelerin videoyla izlenmesi durumunda, tanıma ve tanımlamanın öneminin abartılması gerekmez. Diğer bir avantaj ise video güvenlik özellikleridir. Her siparişten gerekli özelliklere sahip olabilecek bir dizi IP kamera türü seçilir.

Yukarıdaki açıklamaların tanımlama ve tanıma sürecine ciddi şekilde müdahale edebilmesi nedeniyle, yıkıcı tanıma ve tanımlama düzeyi yüksektir. Hipnotik tanıma göstergesinin bu kadar yüksek bir değere sahip olması sorunu, aynı zamanda parmaklar ve iris arasında kişiliklerimizin zamanla değişmesi gerçeğiyle de bağlantılıdır. Tanıma sistemleri, saç stilindeki bir değişiklik, görünüm veya vücudun büyümesi, insanların görünümü değiştirmenin en basit yöntemlerini kullanması ve aynı zamanda antik çağların mirası yoluyla kolayca değiştirilebilir.

Ulusal Standartlar ve Teknoloji Enstitüsü (NIST) tarafından yürütülen araştırma sonucunda, fotoğrafları 18 aydan uzun süredir toplanan kişilerin sahte kimlik tespit oranının da %43'ün üzerinde olduğu ortaya çıktı. Bu durumda, incelemede vikorstan fotoğrafçılığı ideal zihinlerde yetiştirildi ki bu çok önemlidir, çünkü tanıma programları parlaklıktaki değişikliklerin değerlendirilmesi veya kamera kullanımıyla başa çıkmada çok kötüdür.

Şablona kaydedilen bir kişinin görüntüsü, tanımlama ve tanıma sistemlerinin gücünü gösteren bir dizi faktöre tabidir. İlk etapta tüm zihin aydınlatılır ve göz merceği veya maske gibi farklı kapatmaların yanı sıra dönüş yönü, gücü ve görüşü de sağlanır. Bebek 1, bireyin tanınması ve tanımlanması sürecinde dikkate alınması gereken başın konumunu gösterir.

Malyunok 1 - Kutovy baş pozisyonu

Video kaydından kişi tanıma ve tanımlama sisteminin işleyişi, kişilerin örüntülerinin gelişmesiyle başlar. Kural olarak şablonlar, iki boyutlu görüntülerden veya bir video akışından çıkarılan karelerden oluşur. Aşağıda, tanıma ve tanımlama sistemi için yeni bir şablonun kaydedilmesi sürecinin şematik bir temsili bulunmaktadır.

Şekil 2 - Yeni bir şablonun tanıma ve tanımlama sistemine kaydedilmesi sürecinin şematik gösterimi

Günümüzde, RGB dizisi ek bir kızılötesi sensör tarafından desteklenen bir derinlik matrisi D ile beslendiğinde, iki boyutlu görüntüleri veya üç boyutlu görüntüleri örneklerken üçgenleme gerçekleştiren üç boyutlu modeller giderek daha fazla kullanılmaktadır. Özel ekipmanlar kullanılarak çekilen fotoğraflarla birleştirilecek üçgenleme yöntemi kullanılarak üç boyutlu modeller de çıkarılabilecek.

Deseni, tanıma ve tanımlama sisteminde kullanılan yöntemlerde, çıktı verilerinin biçiminde veya işletim sisteminin görevinde yatmaya zorlamanın bir yolu. Bebeğe sunulan özellikleri tanıma ve tanımlama sisteminin örüntüsünün oluşumunu anlatan en önemli aşamalar 3

Şekil 3 – Tanıma ve kimlik belirleme sisteminin uygulanmasına ilişkin şablon oluşturma süreci.

1. İşleme aşamasında, özelliklerin tespiti ve görsel alanların farklı bir forma dönüştürülmesi gerçekleşir: sarma (doğrulama), ölçeklendirme, kanalların yeniden düzenlenmesi vb.

2. Diğer bir aşama, hem anahtar noktaların aranmasını hem de bir bireyin piksel matrisinin karakter alanına gönderilmesini içerebilir. İşaretlerin altında, çıktı verilerinin işlenmesinin sonuçlarını çıkaran ek görüntü tanımlayıcıları vardır.

3. Son aşamada şablon kodlanarak model veri tabanına girilir. Şablonlardan oluşan bir veri tabanı oluşturuldu ve daha sonra bir dizi standart olarak kullanıldı.

Aşağıdaki değerlerin gösterildiği bebek 4'teki bireylerin tanımlanması ve tanınması ilkesinin şematik bir temsilini sunalım:

1. Sistem görüntüsünün bir video akışından aktarılması.

2. Tabanda belirgin olan desenlerin ifadesinin belirlenmesi.

3.
Listedeki en yakın işaretin doğrulanması ve sistem girişine gönderilmesi.

Malyunok 4 - Bireylerin tanımlanması ve tanınması ilkesinin şematik gösterimi

Kimlik belirleme işlemi başarılı olduktan sonra sistem, görüntülenen video akışında kişi tipine görünen olumlu sonucu, kimliği belirlenen kişiye geri döndürür.

Bu nedenle, gerçek zamanlı video yakalama yoluyla bireyleri tanımaya ve tanımlamaya yönelik sistemler geniş bir uygulama yelpazesine sahiptir ve içerdikleri görüntülerin üzerine küçük bir şekilde bindirilerek çalışır. Daha fazla araştırmanın bir parçası olarak, gerçek zamanlı video kaydından galusa tanıma ve bireylerin tanımlanmasına yönelik ana çözümleri analiz edeceğiz.

Günümüzün tanıma ve tanımlama sistemleri alanı olan video kaydı, pratik olarak insan faaliyetinin yüzeysel alanını kapsamaktadır. Gözaltının kilit alanlarından biri güvenlik faaliyetidir ve ana tanınma nesneleri bireyler ve ulaşım araçlarının plakalarıdır. Bugün, karmaşık işlevlere yönelik artan bir talep var - roc tespiti ve yabancı nesneler, roc yörünge tespiti, zengin oda takibi, nesnelerin sınıflandırılması ve tanımlanması, durumun tanınması, insan davranışlarının analizi vb.

Terörizm ve suçla mücadele, video kaydına dayalı tanıma ve tanımlama sistemlerinin geliştirilmesinde kritik öneme sahip bir alan olarak değerlendirilebilir. Bireysel suçluların görüntülerinin bir veri tabanında saklandığı durumlarda ve insanların toplu halde bulunduğu yerlerde (örneğin havaalanları, tren istasyonları, alışveriş merkezleri, spor tesisleri) gerçek zamanlı olarak anketler gerçekleştirilmekte, Bu tür sistemlerin araştırılması, kimin zor durumda olduğunu tespit etmede etkili bir yöntemdir.

Bu nedenle, bu araştırmanın sorunları, tanıma sistemlerinin durgunluğunun galusiasının hızlı bir şekilde gelişmesi ve video kayıtlarının gerçek olarak tanımlanması nedeniyle, yeni beyinlerin ve bilgi işlem gücünün akışına kadar tanıma algoritmalarının kararlılığının yerleşik düşük çözülmemiş problemlerinde yatmaktadır. zaman. İleri teknolojinin başarılı bir şekilde uygulanması için net bir rehberlik sağlamak amacıyla, özellikleri gerçek zamanlı olarak tanıyan ve tanımlayan etkili bir video kayıt sisteminin güncel bir tasarımının geliştirilmesi gerekmektedir.

Belirlenen sorunların alaka düzeyine dayanarak, gerçek zamanlı moddaki özellikleri tanıyıp tanımlayarak etkili bir video kayıt sistemi tasarlamanın önemi hakkında sonuçlar çıkarmak mümkündür.

Bibliyografik postalama

Yurko I.V., Aldobaeva V.M. ROBOT SİSTEMLERİNİN ARAŞTIRMA ALANLARI VE İLKELERİ VE GERÇEK VİDEO SABİTLEMENİN TANIMI // Uluslararası Öğrenci Bilimsel Haber Bülteni. - 2018. - Sayı 2.;
URL: http://eduherald.ru/ru/article/view?id=18416 (yayınlanma tarihi: 01/01/2020). Doğa Bilimleri Akademisi'nde mevcut olan dergileri sizlere sunmak istiyoruz.

Biyometri, insanları benzersiz fizyolojik ve davranışsal özelliklerine göre tanımlamaya yönelik bir dizi yöntem ve cihazdır.

Bu tür kimlik belirleme, telefonlara, bilgisayarlara, ATM'lere, cep telefonlarına vb. güvenli erişimi engellemek için kullanılabilir.

Biyometrik güç:

• parmak morlukları;
• yüzün geometrisi;
• gözlerin gökkuşağı örtüsü;
• bebek netkivka;
• ses;
• el yazısı;
• klavyedeki arkadaş;
• kollarda ve ellerde damarlar.

Bilim 2.0 Uzmanlığın Belirlenmesi

Biyometrik tanımlamanın avantajları

Biyometrik güvenlik, şifreler, akıllı kartlar, PIN kodları, tokenlar veya özel anahtar altyapı teknolojileriyle birlikte kullanıldığında etkisi daha büyük olur. Bu, biyometrinin cihazları değil insanları tanımlama yeteneği ile açıklanmaktadır.

Diğer güvenlik yöntemleri, yasa dışı vurguncuların kullanımına açık olan bilgilerin kaybolmasına veya çalınmasına neden olabilir. Parmak izi gibi yenilikçi bir biyometrik tanımlayıcı, israfı önleyen bir anahtardır.

Biyometrik yöntemlerin sınıflandırılması

Toplanan bilgilerin türüne bağlı olarak biyometrik tanımlama ikiye ayrılır:

• Halkın içinden kişilere verilen ve başkaları tarafından bilinmeyen, kendine özgü güçlere dayanan statik yöntemler. Fizyolojik göstergeler (avuç içi geometrisi veya parmakların papiller parmağı) insanlar için değişmemiştir.”
• Özelliğin davranışsal (veya dinamik) özelliklerine dayanan dinamik yöntemler. Bunlar, herhangi bir eylemi gerçekleştirirken (istemler, imzalar, klavye yazma dinamikleri) gizli gizli ellerin özellikleridir. Bu tür davranışsal göstergeler, beyinsel ve hatta beyinsel zihinsel yetkililerin akınını algılar. Değişkenlikleri nedeniyle biyometrik semboller bu değişimlerden sorumludur.

Biyometrik parametrelerin ardındaki özellikleri belirleme yöntemleri

Bu tanıma yöntemi en kapsamlı olanıdır. Benzersiz olan, bir deri insanının papiller iç organ parmaklarının benzersizliğidir. Özel bir tarayıcı parmak izinin görüntülerini yakalar. Dijital koda dönüştürülür ve daha önce girilen şablona ayarlanır.

Kimlik belirleme işlemi birkaç saniyeden fazla sürmez. Bu yöntemin gelişiminin en küçük kısmı, parmak uçları hakkında bilgi vermekten çekinmeyen ileri düzey insanlar arasında yatmaktadır. Perakende ekipmanının karşı argümanı, parmak iziyle ilgili bilgilerin kaydedilmemesi, yalnızca kısa bir kimlik kodunun kaydedilmesi, parmakla dokunmayı gerektirmesi ve tesviye için parmak izini açmanıza izin vermemesi gerçeğinde yatmaktadır. Bu yöntemin avantajı basitliği, güvenilirliği ve kullanım kolaylığıdır.

Elin şekline göre

Bu statik yöntem, elin gerçek şekline dayanmaktadır. Aynı zamanda kişiye özgü bir biyometrik parametredir. Özel bir cihaz, kalemin önemsiz görünümünü ortadan kaldırmanıza olanak tanır. Sonuç olarak kişiyi tanımlayan benzersiz bir dijital kodun oluşturulması gerekmektedir.

Bu yöntem, teknolojisi ve doğruluğu açısından parmağa basma yöntemiyle karşılaştırılabilir, ancak yöntemin uygulanması için cihazın kendisi çok fazla yer kaplar. İbreler birbiriyle değişse de, aynı geometriye göre hareket eden iki özdeş elin olması son derece düşük bir ihtimaldir.

Günümüzde elin geometrisine dayalı tanımlama, yasa koyucular, hastaneler, uluslararası havalimanları vb. tarafından durdurulmuştur.

İris kimlik doğrulaması

Bu yöntemin temeli gözün irisi üzerindeki viskozitesidir. Yeterli detayda görüntü yakalamak için kameraya, çekilen görüntüyü dışarıdan görüntülemek için ise özel bir yazılım programına ihtiyaç vardır. Buna göre bir kişinin kimliğini belirlemeye yarayan dijital bir kod oluşturulur.

Tarayıcıların avantajı insanların hedefe odaklanmalarına gerek olmaması, iris plazmasının parçalarının göz yüzeyinde yoğunlaşmasıdır. 1 m'den daha kısa bir mesafede tarama mümkündür Bu, örneğin ATM'lerde tarama yapmak için idealdir.

Göz ağı tanımlama

Izgaralar, düşük yoğunluklu kızılötesi ışık kullanılarak doğrudan sinüs yoluyla gözün arka duvarındaki kan damarlarına doğru taranır. Mesh tarayıcılar hassas nesnelere yönelik erişim sistemlerinde yaygın olarak kullanıldığından hatalı erişim izinlerine izin vermeyebilirler. Düzeltmeler başın standart pozisyondan uzaklaşması ve gözlerin ışığın gözlerine yanlış odaklanması ile açıklanabilir.

İkizlerin kılcal ağı giderek daha şiddetli hale geliyor. Bu nedenle, bu yöntem özgüllüğü tanımlamak için başarıyla kullanılabilir.

Bu tür birkaç sistemde psikolojik bir faktör devreye girebilir: Her insan, gözünün parlayabileceği karanlık bir deliğe bakamaz. Ayrıca bu sistemler retikülün yanlış yönlendirilmesine karşı hassastır, dolayısıyla açmadan önce göz pozisyonlarını dikkatle takip etmeniz gerekir.

Biçim kimlik nesnesi olarak bireyler

Bu statik tanımlama yöntemi, bir insan bireyinin oluşturulmuş iki veya üç katlı görüntüsüne uygulanır. Bir kamera ve özel bir yazılım kullanılarak gözlerin, dudakların, kaşların, burnun vb. konturları görüntülenen yüze eklenir. Daha sonra bu elemanlar ile diğer parametreler arasındaki farkları hesaplayın. Bu kayıtların arkasında dijital forma dönüştürülmüş bir görüntü yaratılıyor.

Bu yöntem biyometri endüstrisinde en dinamik şekilde geliştirilmektedir. Avantajı, özel pahalı ekipman gerektirmemesidir. Kişisel bilgisayar ve video kamera yeterlidir. Ayrıca cihazlarla günlük fiziksel temas. Özellikle sistemin işleyişine dikkat ederek hiçbir konuda acele etmenize veya tereddüt etmenize gerek yok.

El yazısını tanıma

El yazısını tanımlamanın temeli, kişinin cildinin benzersizliği ve sağlamlığıdır. Karakteristikler simüle edilir, dijital forma dönüştürülür ve bilgisayar işlemine tabi tutulur. Yani tesviye için seçilen ürün olarak yaprak değil, süreçtir.

İki veri işleme yöntemi genişletildi: birincil hizalama ve dinamik doğrulama. İlki güvenilmez çünkü imza bir daha aynı olmayacak. Bu yöntem çok sayıda fayda sağlayabilir. Dinamik doğrulama katlama hesaplamaları için geçerlidir. Bu yöntemle, imzalama sürecinin parametreleri gerçek zamanlı olarak kaydedilir: elin farklı kısımlardaki düzgünlüğü, baskının gücü ve imzalamanın çeşitli aşamalarının zorluğu. Bu bir ayrıntı içerir, yazarın el yazısını imzaya doğru bir şekilde kopyalamak imkansızdır.

Klavye el yazısının arkasındaki tanıma

Bu yöntem, imzanın bir kod sözcüğüyle değiştirilmesi dışında yukarıda açıklanana benzer, böylece kurulum için basit bir klavye gerekli değildir. Ana tanımlayıcı özellik, klavye kod sözcüğünü yazmanın dinamiğidir.

Mevcut araştırmalara göre, klavye el yazısı belirgin bir stabiliteye sahiptir, bu nedenle onun tuhaflığı açıkça tanımlanabilir. Çıkış verileri, tuşlara basılması ile gevşemesi arasında bir saattir. Üstelik baskılar arasındaki saat işin temposunu, sabah ise işin tarzını, yumuşak bir baskıyı ve keskin bir darbeyi gösterir.

Başlangıçta, filtreleme aşamasında, "servis" tuşlarına ilişkin veriler (işlevsel, imleç kontrolü vb.) görünür.

O zaman koristuvach'ın aşağıdaki özelliklerini görebilirsiniz:

• işe alım sürecindeki hibe sayısı;
• tuşlara basma arasında bir saat;
• Setin düzgünlüğü.
• düğmeleri ayarlamak için bir saat;
• Yazarken aritmi .

Sesi anlamak

Ses tanımlamanın biyometrik yöntemi manueldir. Bu durgunluğun nedenleri arasında telefon ağlarının yaygınlaşması ve bilgisayarlarda mikrofonların kullanılmaya başlanması yer alıyor. Tanıma işlemini etkileyen faktörleri yavaş yavaş hesaba katabilirsiniz: mikrofonlardaki kesintiler, duyulabilen gürültü, tanıma sürecindeki kafa karışıklığı, tanımlama sırasında insanların farklı duygusal durumları vb.

Günlük ses kimlik doğrulama cihazlarında asıl önemli olan, sesin bireyselliğini en iyi tanımlayan parametreleri seçmektir. Sinyalin bu parametrelerine bireysellik işaretleri denir. Bu tür işaretler, sesin özelliğine ilişkin verilere ek olarak, diğer yetkililerin annelerini de suçluyor. Örneğin koku, kolayca solmasına ve gürültüye ve gürültüye çok az maruz kalmasına neden olur. Ayrıca saatin istikrarından ve taklit işleyişinden sorumludurlar.

Sistem, ses ve yüz ifadelerinin kombine analizi yöntemi esas alınarak geliştirilmiştir. Meğer konuşanın yüz ifadesi sadece bir kişiyi rahatsız ediyor, karşıdaki kişi de bir başkasının aynı sözlerini tanıyacak.

Yüz arterleri ve damarlarının termografik izlenmesi

Kişinin kişi tarafından tanımlanması, açık renklerin kızılötesi aralığına geçmek için veda edecektir. Kimliği belirlenen bir bireyin termografisi, cilde kan sağlayan arterlerin gelişiminin benzersizliğini ortaya koyuyor. Bu biyometrik cihazların güç kaynağı tükenmez ve sıcaklık değişimlerinden dolayı ışığa maruz kalan kokuya ihtiyaç duymazlar. Tanımanın etkinliği, bireyin aşırı ısınmasına ve hipotermisine, doğal özelliklerine, plastik ameliyatlara ve damarların iç yapısını değiştirme olasılığına bağlıdır.

Yüz termografisi yöntemi, yüz kan damarları büyük ölçüde değişen ikizleri ayırabilir.

Uzun menzilli bir kızılötesi kamera bu tanımlama yöntemi için uzmanlaşmıştır.

Kol damarlarının arkasındaki tanımlama

Biyometrik piyasada kollardaki damarların bireysel dağılımını analiz eden cihazlar var. Yumruk şeklinde sıkılmış elin arka tarafında yayılan minik damarları saygıyla ele alın. Kızılötesi aydınlatmaya sahip bir televizyon kamerası küçük damarları izler. Görüntü girildiğinde damarları gösteren bir ikilileştirme gerçekleştirilir. Benzer bir ürün İngiliz şirketi Vinchek tarafından üretiliyor.

Biyometri için beklentiler

Bir kişiyi tanımlamanın baskın yöntemi parmak uçlarının tanınmasıdır. Bunun iki ana nedeni var:

• Birçok ülkede biyometrik veri içeren pasaportlara geçiş başladı;
• küçük cihazlarda (telefonlar, masaüstü bilgisayarlar, dizüstü bilgisayarlar) kullanılmak üzere güncellenmiş parmak izi tarayıcı modellerinin geliştirilmesi.

Bu genişleme, geniş yelpazedeki dijital elektronik imzalarla bağlantılı olarak imza tanımlama sektöründe bulunabilir. Ses tanıma, sıradan aydınlar arasında büyük projelerin hayata geçirilmesinde de ivme kazanabilir.

Ana tahminler, biyometrik güvenlik cihazlarının konuşlandırılmasının çığ salgınına yol açacağı gerçeğine dayanıyor. Küresel terörizme karşı mücadele, bu alanda her bakımdan pratik bir güç meselesidir. Son olarak, multimedya ve dijital teknolojilerin yoğun gelişimi ve bunların maliyetlerindeki düşüş, temelde yeni tanımlama sistemlerinin geliştirilmesine ve tanıtılmasına olanak sağlayacaktır.

Tüm biyometrik teknolojiler şu anda geliştirilme aşamasındadır ve bunlardan bazıları umut verici kabul edilmektedir:

1. kızılötesi aralıktaki bir bireyin termogramı;
2. DNA özellikleri;
3. parmak derisinin spektroskopisi;
4. vіdbitki dolon;
5. kulak şekli;
6. parametreler hodi lyudini;
7. bireysel kokular;
8. cildin tuzluluk miktarı.

Bu biyometrik tanımlama yöntemleri günümüzde geliştirilebilmektedir. Yakın zamanda kokunun bilimsel araştırmalardan ticari teknolojilere geçmesi mümkün.

Habr'da geri kalan zamanlarda Google'ın kişisel tanımlama sistemlerine ayrılmış makalelerin eksikliği yaşanıyor. Dürüst olmak gerekirse zenginler gazetecilik konusunda çok cahil ve görünüşe göre beceriksizler. Ben de Garn için biyometri hakkında bir makale yazmak istedim ama bu benim ilk tercihim değil! Habriya'da biyometriyle ilgili birkaç kötü makale - ama bunlar ne uzun ne de kısa olacak. Burada biyometrik tanımlamanın gizli ilkelerini ve insanlığın beslenme konusundaki güncel başarılarını kısaca anlatmaya çalışacağım. Buna kişilerin kimlikleri de dahildir.

Makale, özünde bir ön bölüm olduğu için bir devamıdır.

Makaleye temel olarak dergideki diğer yayınlarla (BDI, 2009) birleştirilecek ve güncel gerçeklere uyacak şekilde revize edilecektir. Meslektaşları Habré'de hâlâ yok ama o, yeniden çalışılan makalenin burada yayınlanmasını destekliyor. Yayınlandığı sırada bu makale, ürünümüzü piyasaya sürmeden önce yaptığımız biyometrik teknolojiler için mevcut pazara kısa bir bakış sunuyordu. Yazının başka bir bölümünde yer alan durgunluğa ilişkin tahminler, ürün çalan ve satan kişilerin yanı sıra Rusya ve Avrupa'da biyometrik sistemlerin geliştirilmesiyle uğraşan kişilerin düşüncelerine dayanıyor.

Gizli bilgi

Temel bilgilerle bitirelim. Vakaların %95'inde biyometri matematiksel istatistiklere dayanmaktadır. Ve matstat kesin bir bilimdir ve arkasındaki algoritmalar hem radarlarda hem de Bayes sistemlerinde test edilir. Herhangi bir biyometrik sistemin iki temel özelliği olarak birinci ve diğer türden yararlanılabilir. Teorik olarak radarlara "hibna alarmı" ve "hedef aşımı" adı verilir ve biyometri en yaygın olarak FAR (Yanlış Kabul Oranı) ve FRR (Yanlış Reddetme Oranı) olarak bilinir. İlk sayı, iki kişinin biyometrik özelliklerinin eşit şekilde karşılaştırılma olasılığını karakterize eder. Diğeri ise erişim sahibi olan kişinin erişimine duyulan güvendir. Sistem daha kısa, aynı FAR değerlerinde FRR değerleri daha düşük. Bazı durumlarda EER karakteristiği belirlenir ve eşitlenir, bu da FRR ve FAR grafiklerinin değiştiği nokta anlamına gelir. Ale vona temsili olmaktan çok uzak. Mesela rapora hayret edebilirsiniz.
Şunu demek isteyebilirsin: Sistemin özellikleri açık biyometrik veritabanları için FAR ve FRR'yi sağlamıyorsa, üreticiler özellikleri hakkında beyanda bulunmuyorsa, bu sistem büyük olasılıkla uygun değildir veya rakiplerinden çok daha zayıftır.
Sadece FAR ve FRR biyometrik sistemin gücünü göstermez. Eğer öyle olsaydı, kablolu teknoloji insanların DNA'sının tanınması anlamına gelirdi ve bunun için FAR ve FRR sıfıra indirilirdi. İnsani gelişmenin şu anki aşamasında bu teknolojinin durağan olmadığı aşikar! Sistemin gücünü değerlendirmemize olanak tanıyan bir dizi ampirik gösterge topladık. "Dayanıklı direnç", biyometrik bir tanımlayıcıyı kandırmanın ne kadar kolay olduğunu gösteren ampirik bir özelliktir. "Aşırı tutarlılığa kadar dayanıklılık", aydınlatma veya ortam sıcaklığındaki değişiklikler gibi çeşitli dış faktörlere dayalı olarak bir sistemin çalışmasının dayanıklılığını ampirik olarak değerlendiren bir özelliktir. "Vikoristan'ın Basitliği", biyometrik tarayıcı kullanmanın ne kadar zor olduğunu ve "hareket halindeyken" tanımlamanın ne kadar mümkün olduğunu gösteriyor. Önemli bir özellik “Robot Hızı” ve “Sistem Çeşitliliği”dir. Bir kişinin biyometrik özelliğinin zamanla değişebileceğini, bu yüzden istikrarsız olduğunu hatırlamak da önemlidir - bu olumsuz bir noktadır.
Çok sayıda biyometrik yöntem tartışmalıdır. Bir kişinin statik biyometrik özelliklerini belirlemek için kullanılan başlıca yöntemler, parmaklardaki papiller damarlar, iris, yüz geometrisi, gözün retikulumu, eldeki küçük damarlar, el geometrisi ile tanımlamadır. Ayrıca dinamik özellikleri tespit eden bir yöntem ailesi de vardır: sesin tanımlanması, el yazısı dinamikleri, kalp atış hızı, yürüme. Aşağıda bunun nedeninin bir parçası olan biyometrik pazarın bir dökümü bulunmaktadır. Diğer her kişi için veriler 15-20 yüz arasında değişmektedir, dolayısıyla bir tahmin yoktur. Yani burada “el geometrisi” kavramı altında aşağıda tartışılacak olan iki farklı yöntem bulunmaktadır.

İstatistikler erişim kontrol sistemleri (ACS) veya benzeri bölümlerde bulunanlarla aynı özelliklere sahiptir. Avantajıma baktığımda en statik özelliklerine bakıyorum. Dinamik özelliklerden, sesin tanınmasının bir miktar istatistiksel önemi olabilir (daha büyük statik algoritmalar olan FAR~%0,1, FRR~%6'ya eşit), ancak ideal zihinlerde.
FAR ve FRR'nin tutarlılığını anlamak için, özellikle N sayıda personeli olan bir geçiş organizasyonuna bir tanımlama sistemi kurarak süt akışlarının ne sıklıkla üretildiğini değerlendirebilirsiniz. N veri tabanı için tarayıcı tarafından çıkarılan parmak izinin tutarlılığı FAR∙N ile aynıdır. Bugün özellikle N'ye çok yakın olan erişim kontrol noktasından geçmeniz gerekiyor. İş günü başına aynı miktarda tazminat FAR∙(N∙N)'dir. Elbette, tanımlama sisteminin amaçları açısından, bir öğünün bir saatteki kıvamı büyük ölçüde değişebilir, ancak iş günü boyunca bir öğünü kabul edersek o zaman:
(1)
FAR=%0,1 =0,001 için tanımlama sisteminin kararlı çalışmasının N≈30 kişilik bir personel için mümkün olduğu da açıktır.

Biyometrik tarayıcılar

Günümüzde “biyometrik algoritma” ve “biyometrik tarayıcı” kavramları mutlaka birbiriyle ilişkili değildir. Şirket bu unsurları tek tek veya bir kerede yayınlayabilir. Tarayıcı satıcıları ile yazılım satıcıları arasındaki en büyük farklılaşma, parmak izi biyometri pazarında elde ediliyor. Piyasadaki en yeni 3D tarayıcı. Aslında farklılaşmanın yoğunluğu birçok açıdan pazarın dağılmasını ve doygunluğunu yansıtıyor. Ne kadar çok seçenek olursa konu o kadar detaylandırılır ve mükemmel hale getirilir. Farklı tarayıcıların farklı yetenekleri vardır. Temel amaç, biyometri nesnesinin ayrıntılarını doğrulamak için bir dizi testtir. Parmak tarayıcılar için rahatlama ve sıcaklığı, göz tarayıcılar için konaklama bölgesini, yüz tarayıcılar için yüzü kontrol edebilirsiniz.
Tarayıcılar halihazırda FAR ve FRR istatistiklerine büyük önem veriyor. Bazı durumlarda bu sayılar özellikle gerçek zihinlerde on kat değişebilmektedir. Bu nedenle, algoritmanın özellikleri bazı "ideal" temeller için veya sadece keskin olmayan ve bozuk çerçevelerin atıldığı çok uygun bir temel için verilmiştir. Hem temeli hem de arkasındaki FAR/FRR verilerini dürüstçe gösterebilen yalnızca birkaç algoritma vardır.

Ve şimdi cilt teknolojisi hakkında daha fazla ayrıntı

Parmak uçları

Parmak izi (parmak tanıma), günümüzde özelliklerin belirlenmesinde en yaygın kullanılan biyometrik yöntemdir. Yöntemin geliştirilmesindeki katalizör, 20. yüzyılda kriminolojinin yaygın gelişimiydi.
İnsan derisinin parmak uçlarında benzersiz bir papiller desen vardır, bu nedenle tanımlama mümkündür. Algoritmaları parmak uçlarındaki karakteristik noktaları tespit edecek şekilde ayarlayın: parmak çizgisinin sonu, çizginin düzleştirilmesi, tek noktalar. Ek olarak parmağın morfolojik yapısı hakkında bilgi elde edilir: papiller venin kapalı çizgilerinin, “kemerli” ve spiral çizgilerin net konumu. Papiller görüntünün özellikleri, görüntünün bilgi içeriğini koruyan benzersiz bir koda dönüştürülür. Ve “parmak kodları”, arama ve güncelleme için kullanılan veritabanında saklanır. Bir parmak görüntüsünün koda ve tanımlamaya dönüştürülmesi için gereken süre, tabanın boyutuna bağlı olarak 1 saniyeyi geçmemektedir. Ellerinizi kaldırmak için harcanan bir saat sigorta kapsamında değildir.

FAR ve FRR verilerine ek olarak VeriFinger SDK'sından istatistiksel veriler DP U.are.U parmak tarayıcı kullanılarak toplandı. Son 5-10 yılda parmak tanıma özellikleri çok fazla ilerlemediği için sayıları işaret etmek mevcut algoritmaların ortalama değerlerini gösterecek kadar iyi değil. VeriFinger algoritmasının kendisi, parmak tanıma algoritmalarının geliştirildiği Uluslararası Parmak İzi Doğrulama Yarışmasının bir parçası olmuştur.

Parmak parmak tanıma yöntemi için tipik FAR değeri %0,001'dir.
Formül (1)'den, N≈300 sayıda personel için tanımlama sisteminin kararlı çalışmasının FAR=%0,001 mümkün olduğu varsayılmaktadır.

Yöntemin avantajları. Yüksek güvenilirlik - kişi, ses, imza ile tanımlama yöntemlerinin göstergeleri için artıklık yönteminin istatistiksel göstergeleri. Parmak izi görüntülerini tarayan cihazların çok yönlülüğü düşük. Tarama prosedürü basittir.
Dezavantajları: Parmağın papiller sırtı küçük izler ve kesiklerden kolayca zarar görebilir. Yüzlere yakın çalışanı olan işletmelerde tarayıcı kullanmış kişiler, tarayıcı teknolojisinin yüksek düzeyde olduğunu iddia etmektedir. Birçok tarayıcı, cilt kuruyana kadar yetersiz şekilde kurulur ve yaşlı insanların geçmesine izin vermez. Kalan MIPS istasyonundaki dağıtım saatinde, büyük kimya şirketinin güvenlik servisi başkanı, işletmeye parmak tarayıcıları yerleştirme girişimlerinin (çeşitli sistemlerin tarayıcıları denendi) başarısız olduğunu doğruladı - parmaklarda kimyasal reaktiflerin minimum etkisi Spivrobitniklerin sayısı, tarayıcıların güvenlik sistemlerinin arızasını dile getirdi - tarayıcılar parmaklarını sersemletti. Genellikle geniş kapsamlı bir yöntemle kullanılan görüntü formatının detaylarında da güvenlik eksikliği bulunmaktadır. Tabii ki, tüm tarayıcılar Legends'ın kalıntılarından elde edilen yöntemleri kullanarak kandırılamaz, ama yine de. "Sıradışı" parmaklara sahip bazı kişiler için (belirli vücut ısısı, kabalık), erişimin gizliliği% 100'e ulaşabilir. Bu tür insanların sayısı, pahalı tarayıcılar için yüzlerce kişiden, ucuz tarayıcılar için on yüze kadar değişmektedir.
Elbette bu, çok sayıda eksikliğin sistemin geniş bir alana yayılmasından kaynaklandığı anlamına geliyor, ancak bu küçükler ortalıkta dolaşıyor ve kokular daha da sık ortaya çıkıyor.

Pazar durumu

Şu anda parmak tanıma sistemleri biyometrik pazarın yarısını oluşturuyor. Bir dizi Rus ve yabancı şirket, parmak izi tanımlama yöntemine dayalı erişim kontrol sistemlerinin geliştirilmesiyle ilgileniyor. Doğrudan en eskilerden olanlarla en büyük yayılımı yakalamışlar ve bugün en gelişmiş olanlardır. Parmak uçlarının tarayıcıları yeniden boyanmadan önce uzun bir süreçten geçti. Mevcut sistemler parçacıkların korunmasını iyileştirmek için çeşitli sensörlerle (sıcaklık, basınç vb.) donatılmıştır. Sistemler her geçen gün daha basit ve kompakt hale geliyor. Aslında araştırmacılar bu alanda zaten sınıra ulaşmış durumdalar ve yöntemi daha da geliştirmenin bir yolu yok. Ayrıca çoğu şirket, güvenlik yazılımı da dahil olmak üzere gerekli her şeyle donatılmış hazır sistemler oluşturur. Bu durumda entegratörlerin kendi başlarına bir sistem seçmelerine gerek kalmaz, çünkü seçim etkili bir şekilde geniş olacağından hazır ve ucuz bir sistem satın almak daha fazla zaman ve çaba gerektirmez.
Parmak tanıma sistemleriyle uğraşan yabancı şirketler arasında SecuGen (PC'ler için USB tarayıcılar, işletmelere kurulabilen veya kilitlere yerleştirilebilen tarayıcılar, SDK ve sistemi bir bilgisayara bağlamak için yazılım); Bayometri A.Ş. (parmak izi tarayıcıları, TAA/Erişim kontrol sistemleri, parmak izi SDK'ları, yerleşik parmak izi modülleri); DigitalPersona, Inc. (USB tarayıcılar, SDK). Rusya'da bu sektörde şu şirketler faaliyet göstermektedir: BioLink (parmak izi tarayıcıları, biyometrik erişim kontrol cihazları, yazılım); Sondu (parmak izi tarayıcıları, biyometrik erişim cihazları, SDK); SmartLock (parmak izi tarayıcıları ve modülleri) vb.

Raiduzhna obolonka

Gözün yanardöner zarı kişiye özgü bir özelliktir. İrisin bebeği intrauterin gelişimin sekizinci ayında oluşur, neredeyse iki yıl içinde stabil kalır ve ciddi yaralanmalar veya ciddi patolojiler sonucu hariç yaşam boyunca pratik olarak değişmez. Yöntem biyometrik yöntemler arasında en doğru olanlardan biridir.
İris özelliği tanımlama sistemi mantıksal olarak iki bölüme ayrılmıştır: görüntü için depolama cihazı, birincil işlenmesi ve iletimi ve görüntünün veri tabanındaki görüntülerle sonraki hizalanmasının hesaplanması. komutanın ek binasına.
Mevcut sistemlerde ilk görüntü işleme saati yaklaşık 300-500 ms olup, tabandan alınan görüntünün hizalanma hızı standart bir PC'de saniyede 50000-150000 ayarlama arasında değişmektedir. Bu tür bir tesviye düzgünlüğü, büyük kuruluşlarda erişim sistemlerindeki kesinti sırasında yöntemin durgunluğuna müdahale etmez. Özel hesaplama işlemcileri ve optimizasyon algoritmalarının kullanılmasıyla, tüm bölgenin sakinleri arasında bir kişiyi tanımlamak mümkün hale gelir.
Bu alanda girişimimizi başlattığımız için bu yöntem konusunda oldukça proaktif ve olumlu olduğumu söyleyebilirim. Küçük bir paragraf, küçük bir kişisel tanıtıma ayrılacaktır.

Yöntemin istatistiksel özellikleri

Gözün irisi için FAR ve FRR'nin özellikleri, mevcut biyometrik sistemler sınıfı arasında en iyisidir (belki de göz ağıyla tanıma yöntemi hariç). Makale, aynı veritabanlarından doğrulanan VeriEye algoritmasına benzeyen, algoritmamız EyeR SDK için iris tanıma kitaplığının özelliklerini göstermektedir. CASIA şirketinin temelleri bir tarayıcı tarafından analiz edildi ve yakalandı.

Tipik FAR değeri %0,00001'dir.
Bu, çalışanın kimliğinin sabit olması bekleniyorsa, (1) N≈3000 - kuruluşun personel sayısı formülüyle tutarlıdır.
Burada iris tanıma sistemini diğer sistemlerden ayıran önemli özelliğe dikkat çekmek önemlidir. Ayrı bir 1,3 MP kamerayla iki gözü tek karede yakalayabilirsiniz. FAR ve FRR değerleri istatistiksel olarak bağımsız değerler olduğundan iki göz tarafından tanındığında FAR değerleri yaklaşık olarak tek göz için FAR değerinin karesine eşittir. Örneğin, toplam iki göz ile %0,001'lik bir FAR için, kesme toleransının tutarlılığı %10-8'den fazladır, her iki gözün FRR'si ile, FAR=%0,001 ile tek göz için daha düşük bir FRR değeri. .

Yöntemin avantajları ve dezavantajları

Yöntemin avantajları. Algoritmanın güvenilirliği istatistikseldir. İrisin gömülü görüntüleri birkaç santimetreden birkaç metreye kadar mesafeden kaldırılabiliyor; kişinin cihazla herhangi bir fiziksel teması olmuyor. Yanardöner zar hasara karşı korunur - artık zamanla değişmeyecektir. Parçacıkları korumak için çok sayıda yöntem kullanmak da mümkündür.
Yöntemle ilgili bazı sorunlar. İris bazlı sistemin fiyatı, tanınmış parmak veya tanınmış kişi bazlı sistemin fiyatından daha yüksektir. Hazır çözümlerin düşük kullanılabilirliği. Bugün Rusya pazarına gelip “bana hazır bir sistem verin” diyen her entegratörün başı büyük ihtimalle belaya girecek. Burada Iridian veya LG gibi büyük şirketler tarafından kurulan daha pahalı anahtar teslimi sistemler satılıyor.

Pazar durumu

Şu anda, ışık biyometrik pazarında gözün irisini tanımlama teknolojisi yüzde 6'dan 9'a kadar çeşitli amaçlar için kullanılıyor (aynı zamanda parmak uçlarını tanıma ve pazarın yarısından fazlasını ödünç alma teknolojisi ile aynı zamanda). Bu yöntemin geliştirilmesinin başlangıcından bu yana, bir tanımlama sisteminin seçilmesi için gerekli olan yüksek düzeyde kurulu bileşenlerin pazar üzerindeki öneminin arttığı belirtilmelidir. Dijital teknolojilerin gelişmesiyle birlikte çevredeki sistemin bütünlüğü azalmaya başladı.
Bu ülkede yazılım geliştirmenin lideri Iridian Technologies'dir.
Çok sayıda yazıcının pazara girişi, tarayıcıların teknik karmaşıklığı ve bunun sonucunda yüksek üretkenliklerinin yanı sıra Iridian'ın pazardaki tekeli nedeniyle yazılımın yüksek fiyatı nedeniyle sınırlıdır. Bu faktörler, iris tanıma alanında yalnızca büyük şirketlerin gelişmesine olanak tanıdı; bu şirketler, çoğunlukla zaten tanımlama sistemiyle ilişkili çeşitli bileşenlerin (yüksek çözünürlüklü optikler, kızılötesi anahtarlara sahip minyatür kameralar) geliştirilmesiyle meşguldür. . Bu tür şirketlere örnek olarak LG Electronics, Panasonic, OKI verilebilir. Iridian Technologies ile anlaşmaya vardılar ve kapsamlı çalışmaları sonucunda şu tanımlama sistemleri ortaya çıktı: Iris Access 2200, BM-ET500, IRISPass OKI. Bu firmaların teknik kabiliyetlerinin bu alanda bağımsız olarak gelişebilmesi nedeniyle sistem modellerinin detaylı modellenmesine daha fazla önem verilmiştir. Reasürans şirketlerinin de yazılımı aynı şekilde geliştirdiğini ve bunun sonucunda bitmiş sistemin Iridian Technologies yazılımına öncelik verdiğini söylemek gerekir.
Rusya pazarında yabancı şirketlerin ürünleri "daha ağır basıyor". İstiyorsan satın alabilirsin, önemli. Bu sıkıntılı saatte Papillon firması, kokusu gökkuşağının ötesinden anlaşılabilen herkese şarkı söyledi. Ancak, sistemin kendisi için kurulduğu orta halli alıcı RosAtom'un temsilcileri, bunun etkililik anlamına gelmediğini söylüyor. Görünüşe göre iris tarayıcıları üreten bir Rus şirketi de vardı. Artık Nina’nın adını hatırlayamıyorum. Koku algoritması birinden, belki de aynı VeriEye'dan satın alındı. Tarayıcının kendisi 10-15 yıllık bir sistem ve hiçbir şekilde temassız değil.
Dünyanın geri kalanında, insanları görerek tanımaya yönelik ilk patentin tamamlanmasıyla bağlantılı olarak bir dizi yeni dedektör dünya pazarına girmiştir. Aralarında en büyük güven bence AOptix'e ait. Önceki belgelerinin kabul edilmesi şüphe yaratmaz. Bir diğer şirket ise SRI International'dır. Görünüşe göre, ilk bakışta iris tanıma sistemleri üzerinde çalışan kişilerin videoları bile yetersiz görünüyor. Buna rağmen şaşırmadım çünkü koku gerçekten de içime sinmişti. Ve bu sistem FAR ve FRR ile ilgili verileri göstermiyor ve en önemlisi verilerden korunmuyor.

Görünüşe göre tanınma

Yüzeyin geometrisini tanımaya yönelik herhangi bir yöntem yoktur. Bütün bunlar, kişinin derisinin kafatası şeklinin kişiden kişiye farklılık göstermesi gerçeğine dayanmaktadır. Biyometrinin bu alanı çok ilginç görünüyor çünkü birbirimizi ilk etapta dış görünüşümüzle tanıyoruz. Bu alan iki yöne ayrılmıştır: 2 boyutlu tanıma ve 3 boyutlu tanıma. Her birinin avantajları ve dezavantajları vardır, ancak başka bir tür durgunluk alanı, belirli bir algoritmaya sunularak büyük miktarlarda depolanabilir.
Kısaca 2 boyutludan bahsedelim ve günümüzün en popüler yöntemlerinden biri olan 3 boyutluya geçelim.

2 boyutlu kimlik tanıma

2 boyutlu yüz tanıma, istatistiksel açıdan en etkisiz biyometrik yöntemlerden biridir. Uzun zaman önce ortaya çıkmış ve esas olarak kriminolojide durgunlaşmış, bu da onun gelişimini hızlandırmıştır. Daha sonra, sonucu en güvenilir hale gelen bilgisayar yorumlama yöntemi geldi, ancak delicesine, cildin kaderinden ödün vererek, özellikleri tanımlamanın diğer biyometrik yöntemleriyle daha fazla uzlaşmaya varıyor. Şu anda, zayıf istatistiksel göstergeler nedeniyle, multimodal ya da onların deyimiyle kesitsel biyometriye ya da sosyal ölçümlere sıkışıp kaldık.

Yöntemin istatistiksel özellikleri

FAR ve FRR için VeriLook algoritmalarına yönelik wiki verileri. Yine mevcut algoritmalar için basit özellikleri kullanabilirsiniz. Bazen benzer bir FAR ile %0,1'lik bir FRR'ye sahip algoritmaları deneyebilirsiniz, ancak bazı kokuların arkasındaki temel şüpheli bir şekilde bile ortadan kaldırılır (arka plan keskindir, ancak yine de temizliği, açıklamayı açığa çıkarır).

Tipik FAR değeri %0,1'dir.
Formül (1)'den, kuruluşun personel sayısı olan N 30'u çıkarıyoruz; bu durumda profesyonel çalışanın kimliğinin sabit olması beklenir.
Görünüşe göre, yönteme ilişkin istatistiksel kanıtlar mütevazıdır: Nüfusun yoğun olduğu bölgelerdeki bireyleri yakalamanın mümkün olması yöntemin avantajını azaltmaz. Dünyada kaç kez bu projenin halka açık yerlere kurulan video kameralar aracılığıyla suçluların tespit edilmesi yoluyla finanse edildiğini düşünmek komik. Geçtiğimiz düzinelerce yılda algoritmanın istatistiksel özellikleri geliştirilmedi ve bu tür projelerin sayısı arttı. Algoritmanın yüzsüz kameralar aracılığıyla insanları kalabalığın içinde tutmaya tamamen uygun olduğunu söylemek isterim.

Yöntemin avantajları ve dezavantajları

Yöntemin avantajları. 2 boyutlu tanıma ile biyometrik yöntemlerin çoğu kullanılır, kurulum gerekmez. Kameranın önündeki önemli konumlarda güvenilir tanıma mümkündür.
Mazlumlar. Düşük istatistiksel güvenilirlik. Hava kararmadan önce takılmak mümkündür (örneğin uykulu bir günde sokağa çıkan kişilerin kayıt altına alınması mümkün değildir). Çoğu algoritma için, göz mercekleri, sakallar ve diğer kırpma elemanları gibi herhangi bir harici değişiklik kabul edilemez. Obov'yazkovo'nun ön görüntüsü çok küçük süslemelerle eğiktir. Çoğu algoritma, görünümün nötr olabilmesi için yüz ifadelerini değiştirme olasılığını garanti etmez.

3 boyutlu kimlik tanıma

Bu yöntemin uygulanması karmaşıktır. Bundan bağımsız olarak, şu anda kanıtların 3 boyutlu olarak tanınmasını sağlayan, invaziv olmayan yöntemlerin kullanımı vardır. Yöntemleri tek tek karşılaştırmak, koku vikoristinin farklı tarayıcılardan ve veritabanlarından parçalarını karşılaştırmak imkansızdır. Hepsi FAR ve FRR'yi göstermiyor; tamamen farklı yaklaşımlar var.
2 boyutlu yöntemden 3 boyutlu yönteme geçiş, kişiye ait birikmiş bilgilerin uygulamaya konulduğu bir yöntemdir. Bu yöntem 2D yönteminden daha iyi özelliklere sahiptir, ancak aynı zamanda yalnızca bir kamera gerektirmesi nedeniyle. Veritabanına bir konu eklendiğinde, kişi başını çevirir ve algoritma görüntüleri birleştirerek 3 boyutlu bir şablon oluşturur. Ve kazanan belirlendiğinde video akışına az sayıda kare eklenir. Bu yöntem yakında ACS sistemleri için deneme ve uygulamaya getirilecek, daha önce hiç yapmamıştım.
En klasik yöntem tasarım şablonu yöntemidir. Bunun nedeni nesnenin etrafında bir ağ tasarlanmasıdır. Daha sonra kamera saniyede onlarca kare hızında fotoğraf çeker ve görüntüler özel bir program kullanılarak yakalanır. Kavisli bir yüzeye düşen her şey bükülür; yüzeyin eğriliği ne kadar büyükse, o kadar çok bükülür. Aynı zamanda, panjurlardan sağlanan görünür ışık kaynağı da durgunlaştı. Daha sonra görünür ışığın yerini değeri düşük olan kızılötesi aldı. Bu nedenle işlemenin ilk aşamasında bireyin görünmediği veya kimlik tespiti açısından önemli yabancı cisimlerin bulunduğu görüntüler görüntülenir. Kaldırılan fotoğrafların arkasında, bireyin gereksiz kusurlarının (tarama, sakal, saç ve göz merceği) görülebildiği ve görülebildiği 3 boyutlu modeli güncellenmektedir. Daha sonra model analiz edilir - antropometrik özellikler görülür ve sonuç olarak veritabanına girilen benzersiz bir koda kaydedilir. En büyük modeller için depolama ve görüntü işleme saati 1-2 saniyeye ayarlanmıştır.
Birkaç kameradan çekilen görüntülerin 3 boyutlu olarak tanınması yöntemi bu şekilde popülerlik kazanıyor. Vocord firması bu uygulamayı 3 boyutlu tarayıcısıyla kullanabiliyor. Bu yöntem, şablon tasarlama yönteminden ziyade dağıtıcıların desenlerine benzer şekilde konumlandırma doğruluğu sağlar. FAR ve FRR'yi bulana kadar onların güç tabanını kullanmak isterim - buna inanmayacağım! Ale yogo zaten 3 kayayı yok ediyor, ancak yıkım henüz sergilerde görülemiyor.

Yöntemin istatistiksel göstergeleri

Geliştiricilerin web sitelerinde bu sınıftaki algoritmalar için FRR ve FAR hakkında yeni bir veri bulunmuyor. Bioscript'ten (3D EnrolCam, 3D FastPass) en kısa modeller için, FAR = %0,0047, FRR %0,103'e ayarlanmış şablon tasarım yöntemini kullanın.
Yöntemin istatistiksel güvenilirliğinin, parmak izi tanımlama yönteminin güvenilirliği ile karşılaştırılabilmesi önemlidir.

Yöntemin avantajları ve dezavantajları

Yöntemin avantajları. Tarama cihazıyla iletişime geçmenize gerek yoktur. Hem kişinin kendisinde (göz merceklerinin görünümü, sakal, saç stilinde değişiklik) hem de özelliklerinde (aydınlatma, başın dönmesi) mevcut yetkililere karşı düşük hassasiyet. Parmak izi tanımlamayla eşitlenebilecek yüksek düzeyde güvenilirlik.
Yöntemle ilgili bazı sorunlar. Sevgili sahibi. Şu anda satışa sunulan kompleksler, iris tarayıcılarının fiyatına dönüştürüldü. Yöntemin istatistiksel güvenilirliğini artırmak için yüz ifadelerini değiştirin ve suçlamalara geçin. Yöntem, özellikle uzun süredir durgun olan ve daha geniş bir durgunluğu zorlaştıran parmak izi ile karşılaştırıldığında, iyi bir analiz için hala yetersizdir.

Pazar durumu

Geometrinin tanınması, parmak uçlarının ve irisin tanınmasıyla aynı anda "üç büyük biyometri"yi ortaya çıkarır. Bu yöntemin gökkuşağı gözüyle tanınmaya göre avantaj sağlayacak şekilde genişletilebileceğini söylemek gerekir. Bu nedenle, ışık biyometrik pazarının küresel pazarında teknolojinin bireyin geometrisini tanıma gücü yüzde 13-18 aralığında değerlendirilebilir. Rusya ayrıca bu teknolojiye, örneğin iris ile tanımlamaya daha fazla ilgi gösteriyor. Daha önce tahmin edildiği gibi, insani 3 boyutlu tanıma algoritmaları yoktur. Çoğu şirket, tarayıcıları, sunucuları ve yazılımı içeren hazır sistemler geliştirecektir. Ancak aynı SDK'yı kullananlar da var. Bugün bu teknolojinin geliştirilmesinde yer alan şu şirketleri tanımlayabilirsiniz: Geometrix, Inc. (3D yüz tarayıcıları, PZ), ABD'de Genex Technologies (3D yüz tarayıcıları, PZ), Almanya'da Cognitec Systems GmbH (SDK, özel bilgi işlem, 2D kameralar), Bioscrypt (3D yüz tarayıcıları, PZ) - Amerikalı bir yan kuruluş L-1 Kimlik Çözümleri şirketi.
Rusya'da şirket, merkezi Kaliforniya'da bulunan ve geliştirme ve üretim Moskova'da yürütülen bir şirket olan Artec Group'u (3D tarayıcılar ve PZ) doğrudan işletmektedir. Ayrıca, bir dizi Rus şirketi 2D bireysel tanıma teknolojisini kullanıyor - Vocord, ITV, vb.
2D bireylerin tanınması alanında ana gelişme konusu güvenlik programıdır, çünkü İkincil kameralar, açıklayıcı görüntülerin birikmesiyle iyi başa çıkıyor. Görüntü tanımanın mevcut durumu görünüşe göre unutulmaya yüz tuttu; uzun yıllardır algoritmaların istatistiksel göstergelerinde neredeyse hiç artış olmadı. Bu galusa sağım konusunda sistemli bir çalışma yürütüyor.
Bulaşıcı hastalıkların 3 boyutlu tespiti araştırmacılar için oldukça heyecan verici bir alandır. Ekip yok ve düzenli olarak yeni keşifler duyuluyor. Bezlіch "eksen-eksen ve hadi gidelim" istasyonunda çalışıyor. Ancak geri kalan süre boyunca piyasada hala eski teklifler yok, seçim değişmedi.
Bazen üzerinde düşündüğüm ve belki de Habr'ın cevabı olan önemli noktalardan biri: Böyle bir sistem oluşturmak için kinectin doğruluğunu artırmak mümkün müdür? Tamamen insanların 3 boyutlu modellerinin çizilmesinden oluşan projeler.

El damarlarının arkasını tanıma

Biyometri alanında yeni teknolojilerin fiyatı yaklaşık 5-10 yıl önce yaygınlaşmaya başladı. Kızılötesi kamera elin dış veya iç tarafının fotoğraflarını çeker. Kızılötesi titreşim nedeniyle kandaki hemoglobinin kaybolması nedeniyle küçük damarlar oluşur. Bunun sonucunda yoğunluk seviyesi değişir ve damarlar kamerada siyah çizgiler olarak görünür. Özel bir program, çıkarılan verilere dayanarak dijital bir paket oluşturur. Tarama cihazının bulunduğu kişiyle iletişime geçmenize gerek yoktur.
Teknoloji, güvenilirliği açısından, devrildiğimiz ve taviz verdiğimiz yer olan göz irisinin tanınmasıyla karşılaştırılabilir.
Avuç İçi Damar tarayıcısı için FRR ve FAR değerleri hesaplanır. Perakendecinin verilerine göre %0,0008 FAR ile FRR %0,01 olur. Birçok değere ilişkin kesin program her şirket tarafından görülemez.

Yöntemin avantajları ve dezavantajları

Yöntemin avantajları. Tarama cihazıyla iletişime geçmenize gerek yoktur. Yüksek güvenilirlik - yöntemin istatistiksel göstergeleri irisinkilerle karşılaştırılabilir. Bir özellik yakalanmıştır: Belirtilen tüm noktalara ek olarak, bu özellik "sokaktaki" bir kişiden, örneğin onun bir kamerayla fotoğrafını çekmek için çok önemlidir.
Yöntemle ilgili bazı sorunlar. Tarayıcının halojen lambalar veya halojen lambalarla aydınlatılması kabul edilemez. Artrit gibi herhangi bir asırlık hastalık, FAR ve FRR'yi büyük ölçüde artırır. Daha az değişiklik yöntemi diğer statik biyometrik yöntemlere benzer.

Pazar durumu

Küçük el damarlarının tanınması yeni teknoloji ile tamamlanmaktadır ve bu ürünün hafif pazardaki hacmi küçüktür ve %3 civarındadır. Ancak bu yönteme olan ilgi giderek artıyor. Gerçek şu ki, oldukça doğru olan bu yöntem, örneğin yüzün veya irisin geometrisini tanıma yöntemleri gibi pahalı ekipman gerektirmez. Şu anda bu alanda araştırma yapan birçok şirket var. Örneğin İngiliz TDSi şirketinin yardımıyla Fujitsu tarafından sunulan PalmVein biyometrik damar okuyucusu için bir yazılım programı geliştirildi. Tarayıcının kendisi Fujitsu tarafından Japonya'daki mali dolandırıcılıkla mücadele etmek için geliştirildi.
Ayrıca küçük damarların tanımlanması alanında şu şirketler de bulunmaktadır: Veid Pte. Ltd. (tarayıcı, yazılım), Hitachi VeinID (tarayıcılar)
Bu teknolojiyle ilgilenen herhangi bir Rus şirketi bilmiyorum.

Sitkivka tamam

Yakın zamana kadar, biyometrik tanımlama ve kimlik doğrulamanın en güvenilir yönteminin, taranan göz retikülüne dayandığına inanılıyordu. En iyi tanımlamanızı kolun iris ve damarlarının arkasına yerleştirmelisiniz. Tarayıcı, göz retinasının yüzeyindeki küçük kılcal damarları okur. Ağ, örneğin katarakt gibi hastalıkların bir sonucu olarak bile zamanla değişmeyen stabil bir yapıya sahiptir.
Mesh taraması, düşük yoğunluklu kızılötesi ışık kullanılarak doğrudan gözün arka duvarındaki kan damarlarına darlıktan elde edilir. Örgü tarayıcılar, kayıtlı muhasebecilerin kullanabileceği en az fırsattan birine sahip oldukları ve pratik olarak erişim iznine izin vermedikleri için, özellikle hassas nesnelere yönelik erişim kontrol sistemlerinde yaygın olarak kullanılmaktadır.
Ne yazık ki, bu biyometri yöntemini kullanmayla ilgili çok az zorluk var. Buradaki tarayıcı çok karmaşık bir optik sistemdir ve hoş olmayan bir şekilde çığlık atan sistem hedeflenene kadar insanların çökmemesi çok zaman alır.
ICAM2001 tarayıcısı için EyeDentify firmasının verilerine göre FAR=%0,001 ile FRR değeri %0,4 olur.

Yöntemin avantajları ve dezavantajları

Avantajlar. Yüksek düzeyde istatistiksel güvenilirlik. Sistemlerin genişliğinin az olması nedeniyle “aldatma” yönteminin gelişme şansı çok az.
Mazlumlar. Yüksek kesme saatine sahip saat vykoristanny sistemi altında katlanabilir. Sistemin çeşitliliği yüksektir. Geniş bir pazar konumunun varlığı, yöntemin geliştirilmesindeki yoğunluk eksikliğinden kaynaklanmaktadır.

El geometrisi

Bu yöntem, 10. yüzyılda kapsamını genişletip, kriminoloji alanından geriye kalan kuvvetlerle birlikte düşüşe geçmiştir. Ellerin seçilen geometrik özelliklerine dayanmaktadır: parmakların uzunluğu, dizlerin genişliği vb. Bu yöntem, tıpkı gözün ağılı gibi ölüyor ve parçalar daha düşük özelliklere sahip olduğundan, daha fazla açıklama yapmayacağız.
Damar tanıma sistemlerinde geometrik tanıma yöntemlerinin kullanılması da önemlidir. Ale, hiçbir zaman bu kadar net ifade edilen bir ürünü satamadık. Tıpkı geometriyle tanındığında parmak izlerinin görülmesi gibi, damarlar tanındığında uyluk izleri de sıklıkla görülür.

Biraz kendini tanıtma

Kısa sürede, iğrenç görerek tanıma algoritmasını ortadan kaldırdık. Ama o zamanlar bu bölgede bu kadar ileri teknolojiye ihtiyaç yoktu ve biz de (ilk istatistiklerden sonra bize sorulan) burjuvazına gitmek istemiyorduk. Ale raptovo, ikinci kader sayesinde, bir "biyometrik portala" sahip olmak isteyen yatırımcılar bulundu - 2 gözü olan ve depo iris kabuğunun rengini değiştiren bir sistem (yatırımcının hafif bir patente sahip olacağı). Vlasna, şu anda meşgulüz. Bu kişisel PR ile ilgili bir makale değil, kısa bir lirik giriştir. Biraz bilgiye ihtiyacı olan varsa, gelecekte pazara girdiğimizde (veya girmediğimizde), Rusya'daki biyometrik projenin iniş ve çıkışları hakkında birkaç kelime yazacağım.

Visnovki

Statik biyometrik sistemler sınıfında geniş bir sistem seçeneği bulunmaktadır. Onları nasıl titreştirebilirim? Güvenlik sistemine kadar her şey saklanabiliyordu. İstatistiksel olarak en güvenilir ve detaylı erişim sistemleri iris ve kol damarlarına yönelik erişim sistemleridir. İlk etapta, teklifler için daha geniş bir pazar var. Sınır yok. Biyometrik tanımlama sistemleri astronomik hassasiyete ulaşabilir. En ucuz ve en basit olanlar Vikoristan'dadır ve iyi istatistiklere ve giriş sistemlerine sahip olanlar parmaklarınızın ucundadır. 2D bireyler için tolerans kolay ve ucuzdur, ancak durgunluk alanı zayıf istatistiksel göstergelerle belirlenebilir.
Cilt sistemlerinin özelliklerine bir göz atalım: ufalanmaya karşı direnç, dovkill'e karşı direnç, çıkarılma kolaylığı, çok yönlülük, akışkanlık, biyometrik işaretin bir saatteki stabilitesi. Cilt grafiğine 1'den 10'a kadar puanlar veriyoruz. Puan 10'a ne kadar yakınsa sistem o kadar iyidir. Değerlendirmelerin seçimine ilişkin ilkeler istatistiklere dayalı olarak açıklanmaktadır.


Bu sistemler için FAR ve FRR arasındaki ilişkiye de bakacağız. Bu ilişkiyi sistemin verimliliği ve genişliği belirler.


İris kabuğu için, sistemi iki göze katlayarak bir saat harcamadan sistemin doğruluğunu neredeyse karesel olarak artırmanın mümkün olduğunu unutmayın. Parmak izi yöntemi için - birkaç parmağı birleştirerek ve damarları tanımlayarak, iki eli birleştirerek ve bu da yalnızca bir kişiyle çalışırken harcanan daha fazla saatle mümkündür.
Yöntemlerin sonuçlarını özetledikten sonra, orta ve büyük nesnelerin yanı sıra mümkün olan maksimum güvenliğe sahip nesneler için iris membranını biyometrik erişim ve muhtemelen kolların damarları boyunca tanıma olarak kullandığını söyleyebiliriz. Çok sayıda personelin bulunduğu, yüzlerce kişiye kadar olan tesisler için parmak ucuyla erişim optimal olacaktır. 2D görüntülere dayalı tanıma sistemleri daha da spesifiktir. Tanıma fiziksel teması içeriyorsa, nöbet durumlarında bunlara ihtiyaç duyulabilir, aksi takdirde irisi izlemek için bir sistem kurmak imkansızdır. Örneğin, bir kişinin katılımı olmadan, bir kamera veya harici bir algılama kamerası kullanarak veya belki de tabandaki az sayıda nesne ve az sayıda kişi için, örneğin Kamerayı kaldırın.

Genç teknisyenler için notlar

Neuroteknoloji gibi bazı satıcıların ürettikleri biyometrik yöntemlerin demo versiyonları web sitelerinde mevcuttur, hatta bunları bağlayıp oynayabilirsiniz. Sorunu daha ciddiye almak isteyenler için, sizi Rusça okuduğum bir kitapla memnun edebilirim - R.M.'nin "Biyometri El Kitabı". Top, J.H. Connell, S. Pankanti. Orada çok sayıda algoritma ve matematiksel model var. Her şey mükemmel değil ve aciliyet belirtisi değil, ancak taban zayıf ve hacimli.

Not:

Bu makalede kimlik doğrulama sorununa girmiyorum, daha ziyade kimlik belirleme konusuna gireceğim. Prensip olarak FAR/FRR özellikleri ve ayrıntı olasılığı nedeniyle, kimlik doğrulama için gerekli tüm adımları kendinize sorabilirsiniz.