Ma már többféle ilyen rendszer jelenik meg egyszerre a piacon, és különböző bonyolultságú feladatokat lát el: a tömegben való távfelismeréstől az irodai munkaidő elszámolásáig. Az arcfelismerő megoldások különböző platformokon állnak az ügyfelek rendelkezésére – ezek szerver architektúra, mobil és beágyazott megoldások és felhőszolgáltatások.

A modern rendszerek mélytanuló neurális hálózati algoritmusokon dolgoznak, így a felismerési pontosság még gyenge minőségű képek esetén is maximális, ellenállnak a fejelfordulásnak és egyéb előnyeik is vannak.

1. példa: Közbiztonság

A biztonság biztosítása egyfajta kiindulópont, ahonnan elindult a biometrikus azonosítási rendszerek bevezetése. Távoli arcfelismerő rendszereket használnak a zsúfolt létesítmények biztonságának biztosítására.

A legnehezebb feladat egy ember azonosítása a tömegben.

Az úgynevezett nem kooperatív felismerés, amikor az ember nem lép interakcióba a rendszerrel, nem néz a kamera lencséjébe, elfordul vagy megpróbálja elrejteni az arcát. Például közlekedési csomópontokon, metrón, nagy nemzetközi eseményeken.

Esetek

Cégünk számára 2017 egyik legjelentősebb projektje az EXPO-2017 legnagyobb nemzetközi kiállítás volt, amelyre idén nyáron Kazahsztánban került sor. Speciális kamerákat használtak a távoli biometrikus arcfelismerő rendszerben.

Az arcok kiválasztása a keretben magában a kamerában történik, és csak az arc képe kerül továbbításra a szerverre, ez tehermentesíti a csatornát és jelentősen csökkenti a hálózati infrastruktúra költségeit. A kamerák négy bejárati csoportot figyeltek a komplexum különböző részein. A rendszer architektúráját úgy alakítottuk ki, hogy a bemeneti csoportok külön-külön vagy mind együtt működjenek, miközben a rendszer megfelelő működését mindössze 4 szerver és 48 kamera biztosította.

Az online videóelemzés segítségével földrajzilag nagy kiterjedésű létesítményekben kutatnak gyanúsítottakat és eltűnteket, kivizsgálják a baleseteket, eseményeket, elemzik az utasforgalmat.

Egyes repülőtereken 2017 végére biometrikus adatokat is használnak az utasok járatra történő bejelentkezéséhez. A Tadviser portál szerint 12 európai ország (Spanyolország, Franciaország, Hollandia, Németország, Finnország, Svédország, Észtország, Magyarország, Görögország, Olaszország, Románia) is tervezi az intelligens kapurendszerek bevezetését a repülőtereken.

A következő lépés pedig az arcfelismerő rendszerek bevezetése kell, hogy legyen a határ- és migrációellenőrzésben. Állami támogatással a következő három-öt évben olyan általánossá válhat az arcazonosító bevezetése, mint a fémdetektor-keretek.

2. példa: Ismerje meg ügyfelét látásból

Az üzleti élet a biometrikus arcazonosításra is fogad. Először is, ez a kiskereskedelem.

A rendszerek felismerik a vásárlók nemét és életkorát, a kiskereskedelmi üzletek látogatásának gyakoriságát és idejét, statisztikai adatokat gyűjtenek a hálózat minden egyes üzletéről.

Ezt követően az osztály számára automatikus üzemmód részletes jelentések jelennek meg a hálózat egészére és az üzletekre lebontva. E jelentések alapján kényelmes "ügyfélprofil" készítése és hatékony marketingkampányok tervezése.

Az ügyfeleket sajnos nem közölhetjük. Köztük a legnagyobb kiskereskedők és barkácshálózatok (Do It Youself), amelyek drága eszközöket és alkatrészeket tartalmaznak.

Hogyan működik

Sokan félnek a szivárgástól bizalmas információ, de külön hangsúlyozzuk, hogy az archívumban nem tárolnak elismert személyek személyes adatait. Ráadásul nem is a képet tárolják, hanem annak biometrikus sablonját, amely szerint a kép nem állítható vissza.

Az ismételt látogatásoknál „felhúzódik” a biometrikus arcsablon, így a rendszer pontosan tudja, hogy ki és hányszor volt az üzletben. A személyes adatok biztonsága érdekében nyugodt lehet.

Kis üzletek, autókereskedések, gyógyszertárak esetében a marketingelemzések gyűjtésének mechanizmusa a felhő szolgáltatás elismerés. Kis- és középvállalkozások számára előnyösebb ez a lehetőség, mivel nem igényel szerverhardver-költséget, további személyzet felvételét, szoftverfrissítést stb. Először is, ez egy kényelmes eszköz az üzletek hatékonyságának értékelésére, másodszor pedig kiváló asszisztens a tolvajok felderítéséhez. Vagyis egy rendszer több funkciót lát el egyszerre.

3. példa Beléptető és felügyeleti rendszerek

A fenti funkciókon túl kényelmesen használható az arcfelismerő rendszer a Proximity kártyák alternatívájaként a beléptető és felügyeleti rendszerekben (ACS).

Számos előnnyel rendelkeznek: magas felismerési megbízhatóságot biztosítanak, nem lehet megtéveszteni, lemásolni vagy ellopni az azonosítót, könnyen integrálhatók a meglévő biztonsági berendezésekkel. Akár a meglévő térfigyelő kamerákat is használhatja. A biometrikus arcazonosító rendszerek távolról és nagyon gyorsan működnek az események archívumban történő rögzítésével.

A biometrikus ACS alapján kényelmesen nyomon követhető az alkalmazottak munkaideje, különösen a nagy irodaközpontokban.

ügy

Egy logisztikai területre szakosodott indiai nagyvállalatnál vezettünk be egy ilyen rendszert tavaly. Az állandó alkalmazottak száma több mint 600 fő. Ugyanakkor a cég éjjel-nappal dolgozik, és „lebegő” munkarendet gyakorol. Távoli biometrikus azonosítási rendszerünk segítségével az ügyfél teljes körű és megbízható nyilvántartást kapott az alkalmazottak munkaidejéről, megelőző létesítménybiztonsági eszközt és beléptető rendszert.

4. példa Szurkolói pálya a stadionba

A jegypénztárban történő jegyvásárláskor minden vásárló arcát automatikusan lefényképezi és feltölti a rendszerbe. Így alakul ki a meccslátogatói bázis. Ha a vásárlás online, ill mobil alkalmazás, akkor az engedélyezés távolról „szelfi” segítségével lehetséges. A jövőben, amikor valaki a stadionba érkezik, a rendszer útlevél nélkül is felismeri.

A sportversenyek látogatóinak azonosítása a 20. cikk módosításáról szóló 284-FZ szövetségi törvény értelmében kötelezővé vált szövetségi törvény"A testkultúráról és a sportról az Orosz Föderációban" és az Orosz Föderáció közigazgatási szabálysértési törvénykönyvének 32.14.

A stadionba az lép be, aki a jegyet vásárolta, a jegyet nem lehet másra átruházni, vagy hamis jeggyel átmenni. A távoli arcfelismerés a stadionokban ugyanazon az elven működik, mint a földrajzilag elosztott nagy közlekedési létesítményeknél: ha egy személy szerepel azon személyek listáján, akiktől megtagadják a belépést a stadionba, a rendszer nem engedi át.

ügy

2016 márciusában a Vocord és a PJSC Rostelecom Hanti-Manszijszki fiókja közös projektjének részeként egy távoli arcfelismerő rendszert használtak a Hanti-Manszijszkban megrendezett biatlon világkupa biztonságának biztosítására. 2015 óta ugyanaz a rendszer működik sikeresen az Arena Omsk multifunkcionális sportkomplexumban. Oroszország hat legnagyobb sportlétesítményének egyike, Szibéria legnagyobb sport- és szórakoztató létesítménye, valamint az Avangard jégkorongklub bázisa.

5. példa: Internetbank és ATM-ek

Egy másik rés, ahol az arcfelismerés megtelepedett, a bankszektor. Itt intenzív az új technológiák bevezetése, mivel a pénzügyi szektort jobban érdekli a személyre szabott információk megbízhatósága és biztonsága, mint mások.

Ma már fokozatosan elkezdődik a biometria, ha nem is kiszorítani a megszokott és jól bevált "papír" dokumentumokat, de egy szintre lépni velük. Ugyanakkor a fizetések védelmi foka jelentősen megnő: a tranzakció megerősítéséhez elegendő belenézni okostelefonja kamerájába. Ugyanakkor magát a biometrikus adatot nem továbbítják sehova, ezért nem lehet lehallgatni.

A biometrikus azonosítási technológiák bevezetése közvetlenül kapcsolódik a tömeges használathoz elektronikus szolgáltatásokés eszközök, az online kereskedelem fejlesztése és a készpénz helyett a plasztikkártyák forgalmazása.

A nagy teljesítmény megjelenésével GPU-k(GPU) és az ezekre épülő ultrakompakt hardverplatformok - például az NVIDIA Jetson - arcfelismerés elkezdődött az ATM-ekben. Most már csak a kártyabirtokos vehet fel készpénzt vagy hajthat végre számlatranzakciókat például a Tinkoff Bank ATM-jein keresztül. A PIN-kód pedig hamarosan megszűnhet.

Mindenki ismer jeleneteket sci-fi filmekből: a hős odajön az ajtóhoz, és kinyílik az ajtó, felismerve őt. Ez az egyik egyértelmű bizonyítéka a biometrikus technológiák hozzáférés-szabályozási használatának kényelmének és megbízhatóságának. A gyakorlatban azonban ez nem ilyen egyszerű. Manapság egyes cégek készen állnak arra, hogy biometrikus technológiák segítségével hozzáférés-szabályozást kínáljanak a fogyasztóknak.

A hagyományos személyazonosítási módszerek, amelyek különböző azonosító kártyákon, kulcsokon vagy egyedi adatokon, például jelszón alapulnak, nem olyan megbízhatóak, mint a mai elvárások. Az azonosítók megbízhatóságának javításában természetes lépés volt a biometrikus technológiák alkalmazására tett kísérlet a biztonsági rendszerekben.

Az új technológiákkal megoldható problémák köre rendkívül széles:

1. dokumentumok, kártyák, jelszavak hamisításával, ellopásával akadályozza meg a behatolók bejutását a védett területekre és helyiségekre;
2. korlátozza az információkhoz való hozzáférést, és személyes felelősséget vállal azok biztonságáért;
3. csak minősített szakemberek számára biztosítson hozzáférést a felelős létesítményekhez;
4. kerülje a beléptető rendszerek (kártyák, kulcsok) üzemeltetésével kapcsolatos rezsiköltségeket;
5. megszünteti a kulcsok, kártyák, jelszavak elvesztésével, sérülésével vagy elemi elfelejtésével járó kellemetlenségeket;
6. megszervezi az alkalmazottak belépési és jelenléti nyilvántartását.

A különböző biometrikus jellemzők alapján történő mintafelismerés technológiáinak fejlesztésével meglehetősen régen kezdtek foglalkozni, a kezdet a 60-as évekre tehető. Honfitársaink jelentős előrelépést tettek ezen technológiák elméleti alapjainak kidolgozásában. Gyakorlati eredmények azonban főleg Nyugaton születtek és csak „tegnap”. A modern számítógépek ereje és a továbbfejlesztett algoritmusok lehetővé tették olyan termékek létrehozását, amelyek jellemzőiket és arányukat tekintve a felhasználók széles köre számára elérhetővé és érdekessé váltak.

Nem új keletű az az elképzelés, hogy egy személy egyéni jellemzőit használják fel az azonosítására. A mai napig számos technológia ismert, amelyek a biztonsági rendszerekben használhatók személyazonosításra:

1. ujjlenyomatok (egyenként és a kéz egészében egyaránt);
2. arcvonások (optikai és infravörös képek alapján);
3. a szem írisz;
4. hang
5. egyéb jellemzők.

Minden biometrikus technológia rendelkezik általános megközelítések az azonosítási probléma megoldásához, bár minden módszer különbözik a könnyű használhatóságban, az eredmények pontosságában.

Bármely biometrikus technológia alkalmazása szakaszosan történik:

1. objektum szkennelés;
2. egyéni információk kinyerése;
3. sablon kialakítása;
4. az aktuális sablon összehasonlítása az adatbázissal.

A biometrikus felismerő rendszer megállapítja, hogy a felhasználó bizonyos fiziológiai vagy viselkedési jellemzői megfelelnek egyeseknek adott sablon. A biometrikus rendszer jellemzően két modulból áll: egy regisztrációs modulból és egy azonosító modulból.

Regisztrációs modul„megtanítja” a rendszert egy konkrét személy azonosítására. A regisztrációs fázis során egy videokamera vagy más érzékelők pásztázzák a személyt, hogy digitálisan ábrázolják a megjelenését. Az arcszkennelés körülbelül 20-30 másodpercet vesz igénybe, és több képet eredményez. Ideális esetben ezeknek a képeknek kissé eltérő a szöge és az arckifejezése, ami pontosabb adatokat tesz lehetővé. Különleges szoftver modul feldolgozza ezt a reprezentációt és meghatározza a személyiség jellemzőit, majd sablont készít. Az arc bizonyos részei alig változnak az idő múlásával, például a szemgödör felső kontúrja, az arccsontokat körülvevő területek és a száj szélei. A biometrikus technológiákhoz kifejlesztett algoritmusok többsége figyelembe veszi az ember frizurájának esetleges változásait, mivel nem a hajszál feletti arcterületet használják elemzésre. Minden felhasználó képsablonját a biometrikus rendszer adatbázisa tárolja.

Azonosító modul egy személy képét kapja a videokamerától, és azzá alakítja digitális formátumban Az, amely a sablont tartja. A kapott adatokat összehasonlítja az adatbázisban tárolt sablonnal, hogy megállapítsa, a képek egyeznek-e egymással. Az ellenőrzéshez szükséges hasonlóság mértéke egy küszöb, amely a különböző típusú személyzethez, a számítógép teljesítményéhez, a napszakhoz és számos egyéb tényezőhöz állítható.

Az azonosítás történhet ellenőrzés, hitelesítés vagy felismerés formájában. Az ellenőrzés megerősíti a kapott adatok és az adatbázisban tárolt sablon azonosságát. Hitelesítés – megerősíti a videokamerától kapott kép és az adatbázisban tárolt sablonok valamelyikének megfelelőségét. A felismerés során, ha a kapott jellemzők és az egyik tárolt sablon megegyezik, akkor a rendszer a megfelelő sablonnal azonosít egy személyt.

Biometrikus rendszerek, különösen arcfelismerő rendszerek használatakor még a helyes biometrikus jellemzők bevezetése esetén sem mindig helyes a hitelesítésre vonatkozó döntés. Ez számos jellemzőnek köszönhető, és mindenekelőtt annak, hogy számos biometrikus jellemző megváltozhat. Van egy bizonyos fokú rendszerhiba valószínűsége. Ezenkívül különböző technológiák használatakor a hiba jelentősen eltérhet. A biometrikus technológiák használatakor a beléptető rendszerek esetében meg kell határozni, hogy mi a fontosabb, hogy ne hagyja ki az „idegen” vagy az összes „barát”.

A biztonsági rendszerek biometrikus technológiáinak felhasználói számára fontos tényező a könnyű használat. Az a személy, akinek a jellemzőit vizsgálják, nem tapasztalhat semmilyen kellemetlenséget. Ebből a szempontból a legérdekesebb módszer természetesen az arcfelismerő technológia. Igaz, ebben az esetben más problémák is felmerülnek, elsősorban a rendszer pontosságával kapcsolatban.

A nyilvánvaló előnyök ellenére számos negatív előítélet van a biometrikus adatokkal szemben, amelyek gyakran kérdéseket vetnek fel azzal kapcsolatban, hogy a biometrikus adatokat felhasználják-e majd emberek utáni kémkedésre és magánéletük megsértésére. A szenzációs állítások és az alaptalan hype miatt a biometrikus technológiák megítélése élesen eltér a valós állapottól.

Ennek ellenére a biometrikus azonosítási módszerek alkalmazása különösen fontossá vált az elmúlt években. Különösen akut ez a probléma szeptember 11-i események után nyilvánult meg az Egyesült Államokban. A világközösség felismerte a világszerte növekvő terrorveszély mértékét és a megbízható védelem hagyományos módszerekkel történő megszervezésének bonyolultságát. Ezek a tragikus események szolgáltak kiindulópontul a modern integrált biztonsági rendszerek iránti fokozott figyelemnek. Közismert vélemény, hogy ha a repülőtereken szigorúbb lenne az ellenőrzés, akkor elkerülhetők lennének a szerencsétlenségek. És még napjainkban is jelentősen megkönnyíthető lenne a felelősök felkutatása számos egyéb incidensért, ha modern videós megfigyelőrendszereket alkalmaznának arcfelismerő rendszerekkel integrálva.

Jelenleg négy fő arcfelismerő módszer létezik:

1. „saját arcok”;
2. elemzés" megkülönböztető tulajdonságok";
3. elemzés alapján " neurális hálózatok";
4. "az arckép automatikus feldolgozásának" módszere.

Mindezek a módszerek különböznek a megvalósítás összetettségében és az alkalmazás céljában.

Az "Eigenface" lefordítható "saját arcnak". Ez a technológia kétdimenziós szürkeárnyalatos képeket használ megkülönböztető jellemzői arcképek. Az "saját arc" módszert gyakran használják más arcfelismerő módszerek alapjaként.

A 100 - 120 "saját arc" jellemzők kombinálásával nagyszámú arc visszaállítható. A regisztrációkor minden egyes személy "saját arcát" együtthatók sorozataként ábrázolják. Olyan hitelesítési mód esetén, amelyben egy képet használnak az azonosság ellenőrzésére, az élő sablont összehasonlítja egy már regisztrált sablonnal a különbségi tényező meghatározása érdekében. A minták közötti különbség mértéke határozza meg az azonosítás tényét. Az "eigenface" technológia akkor optimális, ha jól megvilágított helyiségekben használjuk, amikor lehetőség van az elülső arc pásztázására.

A „megkülönböztető” elemzési technika a legszélesebb körben alkalmazott azonosítási technológia. Ez a technológia hasonló az "Eigenface" technikához, de jobban alkalmazkodik egy személy megjelenésének vagy arckifejezésének megváltoztatásához (mosolygó vagy összeráncolt homlok). A megkülönböztető jegyek az arc különböző területeinek több tucat megkülönböztető jegyét használják, figyelembe véve azok relatív elhelyezkedését. E paraméterek egyéni kombinációja határozza meg az egyes személyek jellemzőit. Az ember arca egyedi, de meglehetősen dinamikus, mert. egy személy mosolyoghat, szakállt és bajuszt növeszthet, szemüveget vehet fel - mindez növeli az azonosítási eljárás bonyolultságát. Így például mosolygáskor az arc száj közelében elhelyezkedő részei elmozdulnak, ami viszont a szomszédos részek hasonló mozgását okozza. Az ilyen eltolódások figyelembe vételével egyedileg azonosítható az a személy, aki az arcán különböző utánzóelváltozásokkal rendelkezik. Mivel ez az elemzés az arc helyi területeit veszi figyelembe, a tűrések vízszintes síkban 25°-ig, függőleges síkban pedig körülbelül 15°-ig terjedhetnek, és kellően erős és költséges berendezésekre van szükség, ami ennek megfelelően csökkenti ennek eloszlásának mértékét. módszer.

Egy neurális hálózaton alapuló módszerben mindkét arc jellemző tulajdonságait - regisztrált és ellenőrzött - összehasonlítják egyezéshez. A "neurális hálózatok" olyan algoritmust használnak, amely az ellenőrzött személy arcának egyedi paramétereit és az adatbázisban található sablon paramétereit egyezteti, miközben a paraméterek maximális számát használja. Az összehasonlítás előrehaladtával megállapítják az ellenőrzött személy és az adatbázisból származó sablon közötti ellentmondásokat, majd elindul egy olyan mechanizmus, amely a megfelelő súlytényezők segítségével meghatározza, hogy az ellenőrzött személy milyen mértékben felel meg az adatbázisból származó sablonnak. Ez a módszer javítja az arc azonosításának minőségét nehéz körülmények között.

Az „arckép automatikus feldolgozásának” módszere a legegyszerűbb technológia, melyben az arc könnyen meghatározható pontjai, például a szemek, az orrvég, a szájzugok közötti távolságok és távolságok aránya használható. Bár ez a módszer nem olyan erős, mint a "saját arcok" vagy a "neurális hálózat", elég hatékonyan használható gyenge fényviszonyok között.

Arcfelismerő rendszerek a piacon

A mai napig számos, arcfelismerésre tervezett kereskedelmi terméket fejlesztettek ki. Az ezekben a termékekben használt algoritmusok eltérőek, és még mindig nehéz felmérni, hogy melyik technológia rendelkezik előnyökkel. A vezetők jelenleg a következő rendszerek: Visionic, Viisage és Miros.

• A Visionic FaceIt alkalmazása a Rockefeller Egyetemen kifejlesztett helyi jellemzőelemző algoritmuson alapul. Egy brit kereskedelmi cég integrálta a FaceIt a Mandrake nevű televíziós bűnözés elleni rendszerbe. Ez a rendszer 144 zárt hálózatba kapcsolt kamera videóadatai alapján keres bűnözőket. Az azonosság megállapítása után a rendszer értesíti a biztonsági tisztet. Oroszországban a Visionic képviselője a DanCom.
• Ezen a területen egy másik vezető, a Viisage egy Massachusettsben kifejlesztett algoritmust használ technológiai Intézet. Az Egyesült Államok számos államában és számos más országban a vállalkozások és a kormányok a Viisage rendszert használják az azonosító hitelesítő adatokkal, például a vezetői engedélyekkel együtt.
• A ZN Vision Technologies AG (Németország) számos olyan terméket kínál a piacon, amelyek arcfelismerő technológiát használnak. Ezeket a rendszereket a Soling mutatja be az orosz piacon.
• A Miros TrueFace arcfelismerő rendszere neurális hálózati technológiát használ, és a Mr.Payroll Corporation készpénzkiadó komplexumában használják, és az Egyesült Államok számos államában kaszinókban és más szórakoztató létesítményekben telepítik.

Az Egyesült Államokban független szakértők elvégezték a különböző arcfelismerő technológiák összehasonlító tesztjét. A teszt eredményeit az alábbiakban mutatjuk be.

Rizs. 1. Az arcfelismerés hatékonyságának összehasonlító elemzése különböző rendszerekben

A gyakorlatban, amikor az arcfelismerő rendszereket szabványos elektronikus biztonsági rendszerek részeként használják, feltételezik, hogy az azonosítandó személy közvetlenül a kamerába néz. Így a rendszer viszonylag egyszerű kétdimenziós képpel dolgozik, ami jelentősen leegyszerűsíti az algoritmusokat és csökkenti a számítások intenzitását. De még ebben az esetben sem triviális a felismerés feladata, hiszen az algoritmusoknak figyelembe kell venniük a megvilágítási szint változtatásának, az arckifejezések megváltoztatásának lehetőségét, a smink vagy szemüveg meglétét vagy hiányát.

Az arcfelismerő rendszer megbízhatósága számos tényezőtől függ:

• Képminőség. A rendszer hibamentes működésének valószínűsége érezhetően csökken, ha az általunk azonosítani kívánt személy nem néz közvetlenül a kamerába, vagy rossz megvilágítás mellett fényképezik.
• Az adatbázisba bevitt fénykép relevanciája.
• Adatbázis mérete.

Az arcfelismerő technológiák jól működnek a szabványos videokamerákkal, amelyek adatokat továbbítanak, és amelyeket személyi számítógép vezérel, és 320x240 pixel/hüvelyk felbontást igényelnek, legalább 3-5 képkocka/másodperc sebesség mellett. Összehasonlításképpen: egy videokonferencia elfogadható minőségéhez 15 képkocka/másodperc sebességű videó stream szükséges. A nagyobb videó bitsebesség nagyobb felbontás mellett jobb azonosítási minőséget eredményez. Az arcok nagy távolságból történő felismerésekor erős kapcsolat van a videokamera minősége és az azonosítás eredménye között.

Az adatbázisok mennyisége szabványos használat esetén személyi számítógépek nem haladja meg a 10 000 képet.

Következtetés

A ma kínált arcfelismerési módszerek érdekesek és közel állnak a széles körben elterjedt megvalósításhoz, de egyelőre nem lehet, mint a moziban, csak az arcfelismerő technológiára bízni az ajtót. Jó asszisztensnek biztonsági őrhöz vagy egyéb beléptető rendszerhez.

Ezt a módszert sok olyan helyzetben alkalmazzák, amikor meg kell győződni arról, hogy a bemutatott dokumentum valóban a bemutató személyhez tartozik. Ez történik például egy nemzetközi repülőtéren, amikor a határőr ellenőrzi az útlevélben lévő fényképet az útlevél tulajdonosának arcával, és eldönti, hogy az útlevél-e vagy sem. Egy számítógépes hozzáférési rendszer hasonló algoritmus szerint működik. Az egyetlen különbség az, hogy a fényképet összehasonlítja az adatbázisban már tárolt sablonnal.

Már megjelentek olyan technológiák, amelyek infravörös fényben történő arcfelismerésre épülnek. Az új technológia azon alapszik, hogy az arc ereinek hősugárzásával létrejövő hőkép, vagy más szóval az ember arcának termogramja mindenki számára egyedi, ezért felhasználható a beléptető rendszerek biometrikus jellemzője. Ez a termogram stabilabb azonosító, mint az arc geometriája, mivel szinte nem függ a személy megjelenésében bekövetkezett változásoktól.

Az elmúlt években a biometrikus adatok egyre inkább behatolnak életünkbe. A világ vezető országai már forgalomba helyezték vagy a közeljövőben tervezik bevezetni a tulajdonosuk biometrikus jellemzőire vonatkozó információkat tartalmazó elektronikus útleveleket; sok irodaközpontban biometrikus érzékelőket telepítettek vállalati rendszerek hozzáférés-szabályozás; a laptopokat régóta biometrikus felhasználói hitelesítéssel látják el; A biztonsági szolgálatok modern eszközökkel vannak felfegyverkezve, hogy az emberek tömegében azonosítsák a keresett bűnözőket

Andrej Khrulev
A biometrikus osztály vezetője
és integrált biztonsági rendszerek
Technoserv Vállalatcsoport, Ph.D.

Egyre több példa van a biometrikus rendszerek használatára. A biometrikus adatok sikere könnyen megmagyarázható. A "vagyok, amim van" (személyi igazolványok, tokenek, igazoló okmányok) és az "az vagyok, amit tudok" (jelszavak, pin kódok) elvein alapuló személyazonosítás hagyományos eszközei nem tökéletesek. A kártyát könnyű elveszíteni, a jelszót elfelejteni lehet, ráadásul bármelyik támadó használhatja, és egyetlen rendszer sem fogja tudni megkülönböztetni a figurától.

Ráadásul a hagyományos azonosítási eszközök teljesen haszontalanok, ha beszélgetünk az ember rejtett azonosításának feladatairól, és egyre több ilyen feladat van:

• felismerni a bûnözõt a tömegben;
• ellenőrizze, hogy az útlevelet valóban bemutatta-e a tulajdonosa;
• megtudja, hogy egy személyt keresnek-e;
• megtudja, hogy a személy korábban részt vett-e hitelekkel kapcsolatos pénzügyi csalásban;
• azonosítani a potenciálisan veszélyes szurkolókat a stadion bejáratánál stb.

Mindezek a feladatok csak biometrikus azonosítási eszközök használatával oldhatók meg, amelyek az „vagyok, ami vagyok” elven alapulnak. Ez az elv lehetővé teszi tájékoztatási rendszer közvetlenül azonosítani a személyt, nem pedig az általa bemutatott tárgyakat vagy információkat.

Az arcbiometrikus adatok egyedisége

A személyazonosításra használt személy biometrikus jellemzőinek sokfélesége közül érdemes megemlíteni az arc képét. Az arcbiometrika egyedülálló abban a tekintetben, hogy nem szükséges speciális szenzorok létrehozása a kép elkészítéséhez – az arckép egy videó megfigyelő rendszer hagyományos kamerájával nyerhető. Ráadásul szinte minden személyazonosító okmányon megtalálható egy arc fényképe, ami azt jelenti, hogy a technológia gyakorlati megvalósítása nem jár különféle szabályozási problémákkal és a technológia társadalmi megítélésének nehézségeivel.

Azt is érdemes megjegyezni, hogy az arckép implicit módon magáról a személyről is készíthető, ami azt jelenti, hogy az arcbiometrikus adatok optimálisan alkalmasak épületfelügyeleti rendszerekre és rejtett azonosításra.

Bármely arcfelismerő rendszer egy tipikus képfelismerő rendszer, amelynek feladata egy bizonyos jellemzőkészlet, az úgynevezett biometrikus sablon kialakítása a rendszerbe ágyazott matematikai modell szerint. Ez a modell jelenti minden biometrikus rendszer kulcsfontosságú know-how-ját, és az arcfelismerés hatékonysága közvetlenül függ olyan tényezőktől, mint a biometrikus sablon különféle interferenciákkal szembeni ellenállása, az eredeti fénykép vagy videó torzulása.

Az arcfelismerés hatékonysága közvetlenül függ olyan tényezőktől, mint a biometrikus sablon ellenállása a különféle interferenciákkal szemben, az eredeti fénykép vagy videokép torzulása.

Az orosz piacon és a világon egyaránt bemutatott arcfelismerő rendszerek hatalmas választéka ellenére sok közülük ugyanazokat a biometrikus motorokat használja - a matematikai arcmodellek összeállítására és összehasonlítására szolgáló módszerek tényleges szoftveres megvalósításait. Oroszországban olyan biometrikus motorok, mint a Cognitec (a Cognitec Systems GmbH, Németország), Kaskad-Potok (fejlesztő: Technoserv, Oroszország), FRS SDK (fejlesztő: Asia Software, Kazahsztán), FaceIt (fejlesztő: L1 Identity Solutions, USA) .

Általános szabály, hogy az arcfelismerést bármely biometrikus motorban több szakaszban hajtják végre: arcfelismerés, minőségértékelés, sablonkészítés, egyeztetés és döntéshozatal.

1. szakasz: arcfelismerés

Ebben a szakaszban a rendszer automatikusan kiválasztja (érzékeli) az emberek arcát egy videókockában vagy egy fényképen, és az arcok szögeinek és léptékeinek tartománya jelentősen eltérhet, ami rendkívül fontos az épületbiztonsági rendszerek szempontjából. Nem szükséges, hogy az összes kiválasztott arcot felismerjük (ez általában lehetetlen), de rendkívül hasznos az arcok maximális számának észlelése az adatfolyamban, és ha szükséges, elhelyezzük őket az archívumban (1. ábra). .

Az arcfelismerés a felismerés egyik kulcsfontosságú szakasza, mivel az arc detektor általi észlelése automatikusan azt jelenti, hogy a további azonosítás lehetetlen. A detektor működésének minőségét általában az arcfelismerés P0 valószínűségével jellemzik. Az emberáramlás körülményei között működő modern biometrikus rendszerek esetében az arcfelismerés valószínűségének értéke 95-99%, és a videó rögzítési körülményeitől (világítás, kamera felbontása stb.) függ.

A biometrikus piac fejlődésének egyik legígéretesebb trendje az intelligens digitális videokamerák megjelenése, amelyek a beépített logikára épülő arcfelismerő funkciót valósítják meg (2. ábra). Az intelligens videokamerák nemcsak kiváló minőségű videofolyamok fogadását teszik lehetővé, hanem a talált arcokról információkat tartalmazó kapcsolódó metaadatokat is.

Ezzel a megközelítéssel jelentősen csökkenthető a felismerő rendszer hardverkapacitásának terhelése, ami viszont csökkenti a biometrikus rendszerek végső költségét, ezáltal elérhetőbbé válik a végfelhasználó számára. Emellett csökkennek az adatátviteli csatornákkal szemben támasztott követelmények, mivel ezzel a megközelítéssel nincs szükségünk gigabites kommunikációs vonalakra a jó minőségű videó továbbításához, hanem a szabványos hálózatok jelenléte elegendő a tömörített videó és az észlelt arcképek kis folyamának továbbításához. .

2. szakasz: minőségértékelés

Ez a felismerés egy nagyon fontos szakasza, amikor a biometrikus motor az észlelt arcok teljes sorából csak azokat a képeket választja ki, amelyek megfelelnek a megadott minőségi kritériumoknak.

A biometrikus rendszerek fejlesztői gyakran furfangosak, és azt állítják, hogy rendszerük magas szintű felismerést biztosít, ha a videofolyamban lévő arcképek megfelelnek a GOST R ISO/IEC 19794-5 szabványban meghatározott minőségi követelményeknek. Ez a GOST azonban nagyon szigorú (majdnem ideális) feltételeket támaszt az arcfotók minőségére vonatkozóan (az arc elölnézete legfeljebb 5 fokos eltéréssel; egyenletes megvilágítás; semleges arckifejezés stb.), amelyek nem hajthatók végre a videofelügyeleti rendszerek valós feltételei. A GOST ilyen követelményeit teljes mértékben igazolja az a tény, hogy valójában ezt a szabványt célja, hogy egységesítse az elektronikus fénykép tárolási formátumát az útlevél- és vízumokmányok új generációjában - az úgynevezett biometrikus útlevelekben. A gyakorlatban a biometrikus azonosítási rendszereknek sokkal kedvezőtlenebb működési feltételekkel kell megküzdeniük:

• az arc eltérése az elülső helyzettől 20 fokot meghaladó szögben;
• erős megvilágítás;
• az arc egy részét lefedve;
• árnyékok jelenléte az arcon;
• kis képméret stb.

A biometrikus motor stabilitása ilyen nehéz körülmények között határozza meg a minőségét. A modern biometrikus motorokban a minőségértékelés szakaszában általában a következőket értékelik:

• arcszög (nem haladhatja meg a 20-30 fokot);
• az arc mérete (a szem pupillái közötti távolság alapján becsülhető, és nagyobbnak kell lennie 50–80 képpontnál);
• részleges arclezárás (az arc lezárása nem lehet több, mint a teljes arcfelület 10-25%-a).

Elterjedt tévhit, hogy ha az arc képén a szem be van csukva (pislogással vagy szemüveggel), akkor a rendszer állítólag nem fogja tudni felismerni az illetőt. Valójában a korai arcfelismerő algoritmusok a szem pupilláinak középpontját használták a további képfeldolgozás alapjául, különösen a szabványos arcméretezéshez. Jelenleg azonban sok modern biometrikus motor (például Cognitec vagy Kaskad-Potok) bonyolultabb arckódolási sémákat használ, és nem kötődik a tanulók középpontjának helyzetéhez.

3. szakasz: sablon készítése

Ez az arcfelismerés egyik legösszetettebb és legegyedibb szakasza, és a biometrikus motortechnológia kulcsfontosságú know-how-ját képezi. Ennek a szakasznak a lényege egy arckép nem triviális matematikai átalakítása egy biometrikus sablonba kombinált jellemzők halmazává.

Minden arcnak saját egyedi biometrikus sablonja van. A biometrikus sablonok készítésének elvei rendkívül sokrétűek: egy sablon alapozható az arc textúráira, geometriai jellemzőkre, jellemző pontokra, különféle heterogén jellemzők kombinációjára.

A biometrikus sablon legfontosabb jellemzője a mérete. Minél nagyobb a sablon mérete, annál informatívabb funkciókat tartalmaz, de annál gyorsabban és hatékonyabban keresi ezt a sablont. Az arcsablonok tipikus méretértéke biometrikus rendszerekben 1 és 20 kB között van.

4. szakasz: összehasonlítás és döntés

Ez a felismerő rendszer kombinált szakasza, amely összehasonlítja az észlelt arc alapján épített biometrikus arcsablont az adatbázisban tárolt sablonok tömbjével. A legegyszerűbb esetben az egyeztetést úgy hajtják végre, hogy egyszerűen felsorolják az összes sablont, és értékelik a hasonlóság mértékét. A kapott becslések és a megadott küszöbértékekkel való összehasonlítása alapján döntés születik azonos személy jelenlétéről vagy hiányáról az adatbázisban.

A modern rendszerekben az illesztést összetett optimális illesztési sémák szerint valósítják meg, amelyek másodpercenként 10 000 és 200 000 közötti illesztési sebességet biztosítanak. Ezenkívül meg kell érteni, hogy az illesztési folyamat párhuzamosítható, ami lehetővé teszi, hogy az azonosítási rendszerek szinte valós időben működjenek még nagy képtömbök, például 100 000 ember esetében is.

Az arcfelismerő rendszerek munkájának minőségét általában az azonosítási valószínűségek jellemzik. Nyilvánvalóan kétféle hiba fordulhat elő a biometrikus azonosítás során.

1. Az első hiba a ténylegesen az adatbázisban szereplő személy hiányának és fel nem ismerésének lehetőségével kapcsolatos – ezt gyakran első típusú hibának nevezik. És gyakran nem az első típusú hiba értékét jelzik, hanem egyet mínusz az első típusú hiba valószínűsége. Ezt az értéket a helyes felismerés valószínűségének PPR-nek nevezzük.
2. A második hiba azokat az eseteket tükrözi, amikor a rendszer felismer egy személyt, aki valójában nem szerepel az adatbázisban, vagy összetéveszti egy másik személlyel – ezt általában 2-es típusú hibának nevezik. A modern arcfelismerő rendszerek esetében a helyes felismerés valószínűségének tipikus értéke általában 80 és 97% között van, a második típusú hiba pedig nem haladja meg az 1% -ot.

A sikeres azonosítás feltételei

Meg kell érteni, hogy az arcfelismerés nem abszolút technológia. Gyakran lehet hallani kritikát a biometrikus rendszerekkel kapcsolatban, hogy valós tárgyakon nem lehet olyan magas teljesítményt elérni, mint "laboratóriumi" körülmények között. Ez az állítás csak részben igaz. Valójában csak bizonyos feltételek mellett lehetséges az arc hatékony felismerése, ezért az arcbiometrikus adatok bevezetésekor rendkívül fontos megérteni, hogy a rendszer milyen feltételek mellett működik. A legtöbb modern felismerő rendszer esetében azonban ezek a feltételek valós objektumokon eléggé elérhetőek. Így az azonosítási zónákban az arcfelismerés hatékonyságának javítása érdekében irányított emberáramlást (ajtónyílások, fémdetektor-keretek, forgókapuk stb.) kell megszervezni, amely lehetővé teszi a rövid távú (legfeljebb 1-2 másodperc) minden látogató arcának rögzítése. Ugyanakkor a videokamerákat úgy kell felszerelni, hogy a rögzített arcok elülső helyzetétől való eltérési szöge ne haladja meg a 20-30 fokot. (például kamerák felszerelése 8–10 m távolságra az áthaladási zónától, 2–3 m felfüggesztési magassággal).

E feltételeknek való megfelelés a felismerési rendszerek bevezetésekor lehetővé teszi a személy azonosításának és a különös érdeklődésre számot tartó személyek keresésének problémájának hatékony megoldását, a fejlesztők által bejelentett sikeres azonosítási mutatók értékéhez a lehető legközelebb eső valószínűséggel.

A közelmúltban számos cikk jelent meg a Habré-n, amelyek a Google arcazonosító rendszereivel foglalkoznak. Hogy őszinte legyek, sokuknak az újságírás szaga, és finoman szólva is hozzá nem értés. És írni akartam jó cikk a biometrikus adatokon nem ez az első! Van néhány jó cikk a biometrikus adatokról Habréról – de ezek elég rövidek és hiányosak. Itt megpróbálom összefoglalni Általános elvek biometrikus azonosítás és az emberiség modern vívmányai ebben a kérdésben. Beleértve a személyek általi azonosítást.

A cikknek van folytatása, ami tulajdonképpen az előzménye.

A cikk alapjául egy kolléga közös publikációja egy folyóiratban (BDI, 2009), a modern valóságnak megfelelően átdolgozva kerül felhasználásra. Habrének még nincs munkatársa, de támogatta az átdolgozott cikk itt való megjelenését. A cikk megjelenése idején az volt áttekintés a biometrikus technológiák modern piacán, amelyet termékünk bemutatása előtt magunk végeztünk. A cikk második részében az alkalmazhatóságra vonatkozó értékítéletek a termékeket használó és megvalósító személyek, valamint a biometrikus rendszerek oroszországi és európai gyártásával foglalkozó személyek véleményén alapulnak.

Általános információ

Kezdjük az alapokkal. Az esetek 95%-ában a biometrikus adatok eleve matematikai statisztika. A matstat pedig egy egzakt tudomány, amelynek algoritmusait mindenhol használják: radarokban és Bayes-rendszerekben. Az első és a második típusú hibák bármely biometrikus rendszer két fő jellemzőjének tekinthetők). A radarelméletben ezeket általában „téves riasztásoknak” vagy „céltévesztéseknek” nevezik, a biometrikus adatokban pedig a FAR (false Acceptance Rate) és az FRR (hamis elutasítási arány) a legelterjedtebb fogalmak. Az első szám két ember biometrikus jellemzőinek hamis egyezésének valószínűségét jellemzi. A második az engedéllyel rendelkező személy hozzáférésének megtagadásának valószínűsége. Minél alacsonyabb az FRR érték, annál jobb a rendszer ugyanazok az értékek MESSZE. Néha az EER összehasonlító karakterisztikáját is használják, amely meghatározza az FRR és FAR gráfok metszéspontját. De nem mindig reprezentatív. További részletek megtekinthetők pl.
A következőket lehet megjegyezni: ha a nyílt biometrikus adatbázisok FAR és FRR nincs megadva a rendszer jellemzői között, akkor függetlenül attól, hogy a gyártók mit nyilatkoznak a jellemzőiről, ez a rendszer nagy valószínűséggel működésképtelen vagy sokkal gyengébb, mint versenytársai.
De nem csak a FAR és az FRR határozza meg a biometrikus rendszer minőségét. Ha ez lenne az egyetlen út, akkor a vezető technológia az emberek DNS-felismerése lenne, amelyre a FAR és az FRR általában nullára rúg. De nyilvánvaló, hogy ez a technológia nem alkalmazható az emberiség jelenlegi fejlődési szakaszában! Számos empirikus jellemzőt dolgoztunk ki a rendszer minőségének felmérésére. A "hamisítás elleni ellenállás" egy empirikus mérőszám, amely összefoglalja, mennyire könnyű meghamisítani egy biometrikus azonosítót. "ellenállás környezet» - olyan jellemző, amely empirikusan értékeli a rendszer stabilitását különböző külső körülmények között, például a világítás vagy a szobahőmérséklet változása esetén. A „könnyű használhatóság” megmutatja, milyen nehéz a biometrikus szkenner használata, lehetséges-e az azonosítás „útközben”. Fontos jellemző a "Működési sebesség" és "A rendszer költsége". Ne felejtse el, hogy egy személy biometrikus jellemzői idővel változhatnak, ezért ha instabil, ez jelentős mínusz.
Elképesztő a biometrikus módszerek bősége. A személy statikus biometrikus jellemzőit használó fő módszerek az ujjak papilláris mintázata, az írisz, az arc geometriája, a retina, a kéz véna mintája, a kéz geometriája alapján történő azonosítás. Létezik olyan módszercsalád is, amely dinamikus jellemzőket használ: hangalapú azonosítás, kézírás dinamikája, pulzusszám, járás. Az alábbiakban a biometrikus piac megoszlása ​​látható néhány évvel ezelőtt. Minden második forrásban 15-20 százalékkal ingadoznak ezek az adatok, így ez csak becslés. Itt is a "kézi geometria" fogalma alatt kettő van különböző módszerek amiről az alábbiakban lesz szó.

A cikkben csak azokat a jellemzőket vesszük figyelembe, amelyek a beléptető és felügyeleti rendszerekben (ACS) vagy a hozzájuk közeli feladatokban alkalmazhatók. Felsőbbrendűségüknél fogva ezek elsősorban statikus jellemzők. A dinamikus jellemzők közül jelenleg csak a hangfelismerésnek van legalább némi statisztikai jelentősége (a legrosszabb statikus algoritmusokhoz hasonlítható FAR ~ 0,1%, FRR ~ 6%), de csak ideális körülmények között.
A FAR és az FRR valószínűségének átérezéséhez megbecsülhetjük, hogy milyen gyakran fordulnak elő hamis egyezések, ha egy azonosító rendszert telepítenek egy N személyzettel rendelkező zárt szervezetnél. A szkenner által N ujjlenyomatból álló adatbázishoz kapott ujjlenyomat hamis egyezési valószínűsége FAR∙N. És minden nap körülbelül N ember megy át a hozzáférés-ellenőrzési ponton. Ekkor a hiba valószínűsége munkanaponként FAR∙(N∙N). Természetesen az azonosító rendszer céljaitól függően az időegységre vetített hiba valószínűsége nagyon változó lehet, de ha munkanaponként egy hibát fogadunk el, akkor:
(1)
Akkor azt kapjuk stabil munkavégzés azonosító rendszer FAR=0,1% =0,001-nél N≈30 létszámmal lehetséges.

Biometrikus szkennerek

Ma a „biometrikus algoritmus” és a „biometrikus szkenner” fogalma nem feltétlenül kapcsolódik egymáshoz. A cég ezeket az elemeket külön-külön vagy együttesen is gyárthatja. A szkennergyártók és a szoftvergyártók között a legnagyobb különbséget a papilláris ujjmintázatú biometrikus adatok piacán érték el. A legkisebb 3D arcszkenner a piacon. Valójában a differenciáltság mértéke nagymértékben tükrözi a piac fejlődését és telítettségét. Minél több a választék - annál jobban kidolgozzák és tökéletesítik a témát. A különböző szkennerek eltérő képességekkel rendelkeznek. Alapvetően ez egy tesztsorozat annak ellenőrzésére, hogy egy biometrikus objektumot manipuláltak-e vagy sem. Ujjszkennereknél ez lehet tehermentesítési vagy hőmérséklet-ellenőrzés, szemszkennereknél ez lehet pupilla alkalmazkodási ellenőrzés, arcszkennereknél arcmozgás.
A szkennerek nagyon erősen befolyásolják a kapott FAR és FRR statisztikákat. Egyes esetekben ezek a számok több tucatszor változhatnak, különösen valós körülmények között. Általában az algoritmus jellemzőit valamilyen „ideális” alapra adják meg, vagy éppen egy jól illeszkedőre, ahol elmosódott és elmosódott képkockákat dobnak ki. Csak néhány algoritmus jelzi őszintén az alap és a teljes FAR / FRR kimenetet is.

És most részletesebben az egyes technológiákról.

Ujjlenyomatok

A daktiloszkópia (ujjlenyomat-felismerés) a személyazonosítás eddigi legfejlettebb biometrikus módszere. A módszer kifejlődésének katalizátora a 20. századi kriminalisztikai széleskörű alkalmazása volt.
Minden személynek egyedi papilláris ujjlenyomat-mintája van, amely lehetővé teszi az azonosítást. Az algoritmusok jellemzően jellemző pontokat használnak az ujjlenyomatokon: a minta vonalának vége, a vonal elágazása, egyes pontok. Ezenkívül az ujjlenyomat morfológiai szerkezetére vonatkozó információk is szerepelnek: a papilláris mintázat zárt vonalainak relatív helyzete, "íves" és spirális vonalak. A papilláris minta jellemzői egyedi kóddá alakulnak, amely megőrzi a nyomtatott kép információtartalmát. És a kereséshez és összehasonlításhoz használt adatbázisban az "ujjlenyomat-kódok" tárolódnak. Az ujjlenyomat-kép kódká fordításának és azonosításának ideje az alap méretétől függően általában nem haladja meg az 1 másodpercet. A kéz emelésére fordított időt nem vesszük figyelembe.

A FAR és FRR adatforrásaként az U.are.U DP ujjlenyomat-szkennerrel nyert VeriFinger SDK-statisztikát használták. Az elmúlt 5-10 évben az ujjal történő felismerés jellemzői nem sokat léptek előre, így a megadott ábrák a modern algoritmusok jó átlagát mutatják. Maga a VeriFinger algoritmus évek óta megnyerte a Nemzetközi Ujjlenyomat-ellenőrzési Versenyt, ahol ujjlenyomat-felismerő algoritmusok versenyeztek.

Az ujjlenyomat-felismerési módszer tipikus FAR értéke 0,001%.
Az (1) képletből azt kapjuk, hogy az azonosító rendszer stabil működése FAR=0,001%-nál N≈300 fős létszám mellett lehetséges.

A módszer előnyei. Nagy megbízhatóság - a módszer statisztikai mutatói jobbak, mint az arc, hang, festés alapján történő azonosítás módszerei. Alacsony költségű eszközök, amelyek beolvasják az ujjlenyomat-képet. Egy meglehetősen egyszerű eljárás az ujjlenyomat beolvasására.
Hátrányok: az ujjlenyomat papilláris mintája nagyon könnyen sérül apró karcolások, vágások. Azok az emberek, akik több száz alkalmazottat foglalkoztató vállalkozásokban használtak szkennert, magas szkennelési hibákról számoltak be. Sok szkenner nem kezeli megfelelően a száraz bőrt, és nem engedi át az idős embereket. Egy vegyipari nagyvállalat biztonsági szolgálatának vezetője a legutóbbi MIPS kiállításon kommunikálva elmondta, hogy próbálkoztak ujjszkennerek bevezetésével a vállalkozásnál (szkennereket kipróbáltak különféle rendszerek) meghiúsult - az alkalmazottak ujjainak minimális vegyszerhatása okozta a szkennerek biztonsági rendszereinek meghibásodását - a szkennerek hamisnak nyilvánították az ujjakat. Az ujjlenyomat-hamisítás ellen is hiányzik a biztonság, részben a módszer elterjedtsége miatt. Természetesen nem minden szkennert lehet megtéveszteni a MythBusters módszereivel, de akkor is. Egyes „nem megfelelő” ujjakkal (testhőmérséklet, páratartalom) rendelkező emberek esetében a hozzáférés megtagadásának valószínűsége elérheti a 100%-ot. Az ilyen emberek száma a drága szkennerek százalékos töredékétől az olcsó szkennerek tíz százalékáig terjed.
Természetesen érdemes megjegyezni, hogy a hiányosságok nagy részét a rendszer elterjedt használata okozza, de ezek a hiányosságok léteznek, és nagyon gyakran jelentkeznek.

Piaci helyzet

A Ebben a pillanatban az ujjlenyomat-felismerő rendszerek a biometrikus piac több mint felét foglalják el. Számos orosz és külföldi cég foglalkozik ujjlenyomat-azonosító módszeren alapuló beléptetőrendszerek gyártásával. Tekintettel arra, hogy ez az irány az egyik legrégebbi, a legnagyobb elterjedést kapta, és messze a legfejlettebb. Az ujjlenyomat-szkennerek valóban hosszú utat tettek meg. Modern rendszerek vannak felszerelve különféle érzékelők(hőmérséklet, nyomóerő stb.), amelyek növelik a hamisítás elleni védelmet. Napról napra a rendszerek egyre kényelmesebbek és kompaktabbak. Valójában a fejlesztők ezen a téren már elértek egy bizonyos határt, és nincs hol tovább fejleszteni a módszert. Ezenkívül a legtöbb cég komplett rendszereket gyárt, amelyek mindennel fel vannak szerelve, amire szüksége van, beleértve szoftver. Egyszerűen nincs szükség arra, hogy ezen a területen az integrátorok önállóan összeállítsák a rendszert, mivel ez veszteséges, és több időt és erőfeszítést igényel, mint egy kész és már olcsó rendszer vásárlása, annál nagyobb lesz a választék.
Az ujjlenyomat-felismerő rendszerekkel foglalkozó külföldi cégek közül megemlíthető a SecuGen (USB szkennerek PC-hez, vállalatokba telepíthető vagy zárakba épített szkennerek, SDK és szoftver a rendszer számítógéphez csatlakoztatására); Bayometric Inc. (ujjlenyomat-szkennerek, TAA/Hozzáférés-vezérlő rendszerek, ujjlenyomat-SDK-k, beágyazott ujjlenyomat-modulok); DigitalPersona Inc. (USB-szkennerek, SDK). Oroszországban a következő cégek működnek ezen a területen: BioLink (ujjlenyomat-szkennerek, biometrikus beléptető eszközök, szoftverek); Sonda (ujjlenyomat-szkennerek, biometrikus beléptetőeszközök, SDK); SmartLock (ujjlenyomat-szkennerek és modulok) stb.

Írisz

A szem írisz egyedülálló emberi tulajdonság. Az írisz mintázata a magzati fejlődés nyolcadik hónapjában alakul ki, végül körülbelül két éves korban stabilizálódik, és gyakorlatilag nem változik az élet során, kivéve a súlyos sérülések vagy súlyos patológiák következtében. A módszer a biometrikus módszerek közül az egyik legpontosabb.
Az írisz azonosító rendszer logikailag két részre oszlik: egy képrögzítő eszközre, amelynek elsődleges feldolgozása és továbbítása a számítógépre, valamint egy számítógép, amely összehasonlítja a képet az adatbázisban lévő képekkel, és a belépéskor parancsot továbbít az aktuátornak.
Az elsődleges képfeldolgozás ideje a modern rendszerekben körülbelül 300-500 ms, a kapott kép és az alap összehasonlításának sebessége egy hagyományos PC-n másodpercenként 50000-150000 összehasonlítás. Ez az összehasonlítási sebesség nem korlátozza a módszer alkalmazását nagy szervezetekben, ha hozzáférési rendszerekben használják. Speciális számológépek és keresésoptimalizáló algoritmusok használatával akár egy egész ország lakosai közül is azonosíthatóvá válik egy személy.
Azonnal válaszolhatom, hogy némileg elfogult vagyok és pozitívan állok ehhez a módszerhez, hiszen ezen a területen indítottuk el startupunkat. A végén egy bekezdést egy kis önreklámnak szentelünk.

A módszer statisztikai jellemzői

Az írisz FAR és FRR jellemzői a legjobbak a modern biometrikus rendszerek osztályában (a retina felismerési módszer kivételével). A cikk bemutatja algoritmusunk - EyeR SDK - íriszfelismerő könyvtárának jellemzőit, amelyek megfelelnek az ugyanazon adatbázisokon tesztelt VeriEye algoritmusnak. A szkennerük által kapott CASIA adatbázisokat használtuk.

A FAR jellemző értéke 0,00001%.
Az (1) képlet szerint N≈3000 a szervezet azon létszáma, amelynél a munkavállaló azonosítása meglehetősen stabilan megtörténik.
Itt érdemes megjegyezni egy fontos jellemzőt, amely megkülönbözteti az írisz felismerő rendszert a többi rendszertől. 1,3 MP felbontású kamera használata esetén két szemet rögzíthet egy képkockában. Mivel a FAR és FRR valószínűségek statisztikailag független valószínűségek, két szemben történő felismerés esetén a FAR érték megközelítőleg megegyezik az egyik szem FAR értékének négyzetével. Például két szem esetén 0,001%-os FAR esetén a téves tolerancia valószínűsége 10-8%, az FRR csak kétszer olyan magas, mint egy szem megfelelő FRR-értéke, ahol FAR=0,001%.

A módszer előnyei és hátrányai

A módszer előnyei. Az algoritmus statisztikai megbízhatósága. A szivárványhártya képének rögzítése több centimétertől több méterig is elvégezhető, miközben az ember fizikai kontaktusa a készülékkel nem történik meg. Az írisz védve van a sérülésektől – ami azt jelenti, hogy az idő múlásával nem változik. A hamisítás ellen védõ módszerek nagy száma is alkalmazható.
A módszer hátrányai. Az írisz alapú rendszer ára magasabb, mint az ujjfelismerésen vagy arcfelismerésen alapuló rendszer ára. A kész megoldások alacsony elérhetősége. Minden integrátor, aki ma bejön az orosz piacra, és azt mondja, hogy „adj egy kész rendszert”, nagy valószínűséggel le fog szakadni. A legtöbb esetben drága kulcsrakész rendszereket árulnak, amelyeket olyan nagy cégek telepítenek, mint az Iridian vagy az LG.

Piaci helyzet

Jelenleg az írisz azonosítási technológiák részesedése a globális biometrikus piacon különböző becslések szerint 6-9 százalék (miközben az ujjlenyomat-felismerő technológiák a piac több mint felét foglalják el). Megjegyzendő, hogy ennek a módszernek a kifejlesztésének kezdetétől fogva piaci erősödését lassította az azonosító rendszer összeállításához szükséges berendezések és alkatrészek magas költsége. A digitális technológiák fejlődésével azonban egy rendszer költsége csökkenni kezdett.
Ezen a területen a szoftverfejlesztésben vezető szerepet tölt be az Iridian Technologies.
Piacra lépés egy nagy szám A gyártót korlátozta a szkennerek műszaki bonyolultsága és ebből adódóan magas költsége, valamint az Iridian piaci monopolhelyzetéből adódóan a szoftver magas ára. Ezek a tényezők csak a nagyvállalatok fejlődését tették lehetővé az íriszfelismerés területén, amelyek nagy valószínűséggel már foglalkoztak az azonosító rendszerhez alkalmas alkatrészek (nagyfelbontású optika, infravörös megvilágítású miniatűr kamerák stb.) gyártásával. Ilyen cégek például az LG Electronics, a Panasonic, az OKI. Megállapodást kötöttek az Iridian Technologies céggel, és ennek eredményeként közös munka a következő azonosító rendszerek jelentek meg: Iris Access 2200, BM-ET500, OKI IrisPass. A jövőben továbbfejlesztett rendszermodellek jelentek meg, köszönhetően ezeknek a cégeknek a műszaki képességeinek, hogy önállóan fejlődjenek ezen a területen. El kell mondanunk, hogy a fenti cégek is fejlesztettek saját szoftvert, de végül a kész rendszerben az Iridian Technologies szoftverét részesítik előnyben.
Az orosz piacon a külföldi cégek termékei dominálnak. Annak ellenére, hogy nehéz megvenni. Papillon sokáig biztosított mindenkit arról, hogy rendelkeznek íriszfelismerővel. De még a RosAtom, közvetlen vásárlójuk képviselői is azt mondják, hogy ez nem igaz. Valamikor megjelent egy másik orosz cég, amely íriszszkennereket gyártott. Most nem emlékszem a névre. Megvették valakitől az algoritmust, talán ugyanattól a VeriEye-től. Maga a szkenner egy 10-15 éves rendszer volt, semmiképpen nem érintésmentes.
Az elmúlt évben néhány új gyártó lépett be a világpiacra, mivel lejárt az ember szemről való felismerésére vonatkozó elsődleges szabadalom. A legmegbízhatóbb közülük véleményem szerint megérdemli az AOptixet. Az előzetesük és a dokumentációjuk legalábbis nem kelt gyanút. A második cég az SRI International. Az íriszfelismerő rendszerekkel foglalkozó személy számára még első pillantásra is nagyon hamisnak tűnnek a videóik. Bár nem lepődnék meg, ha a valóságban is tehetnének valamit. Mindkét rendszer nem mutat adatokat a FAR-ról és az FRR-ről, és láthatóan nincs is védve a hamisításoktól.

arcfelismerés

Számos arcgeometria felismerési módszer létezik. Mindegyik azon a tényen alapul, hogy az arcvonások és a koponya alakja minden egyes személy egyéni. Ez a biometrikus terület sokak számára vonzónak tűnik, mert elsősorban az arcról ismerjük fel egymást. Ez a terület két részre oszlik: 2-D felismerés és 3-D felismerés. Mindegyiknek megvannak az előnyei és hátrányai, de sok függ az adott algoritmus terjedelmétől és követelményeitől is.
Röviden beszélek a 2-d-ről, és áttérek a mai egyik legérdekesebb módszerre - a 3-d-re.

2D arcfelismerés

A 2-D arcfelismerés az egyik statisztikailag legkevésbé hatékony biometrikus módszer. Elég régen jelent meg, és főleg a törvényszéki tudományban használták, ami hozzájárult a fejlődéséhez. Ezt követően megjelentek a módszer számítógépes értelmezései, aminek következtében megbízhatóbbá vált, de természetesen gyengébb volt, és évről évre egyre gyengébb, mint a többi biometrikus személyazonosítási módszer. Jelenleg a gyenge statisztikai teljesítmény miatt multimodális vagy, ahogyan más néven keresztbiometrikus, vagy közösségi hálózatokban használják.

A módszer statisztikai jellemzői

A FAR és FRR esetében a VeriLook algoritmusok adatait használtuk. Ismétlem, a modern algoritmusok számára nagyon hétköznapi jellemzői vannak. Néha a 0,1%-os FRR-értékkel és hasonló FAR-ral rendelkező algoritmusok elvillannak, de az alapok, amelyek alapján készültek, nagyon kétségesek (kivágott háttér, ugyanaz az arckifejezés, ugyanaz a frizura, világítás).

A FAR jellemző értéke 0,1%.
Az (1) képletből N≈30-at kapunk - a szervezet azon létszáma, amelynél a munkavállaló azonosítása meglehetősen stabilan megtörténik.
Amint látható, a módszer statisztikai mutatói meglehetősen szerények: ez kiküszöböli a módszer előnyét, hogy zsúfolt helyeken is lehet rejtett arcfelvételeket végezni. Vicces látni, ahogy évente néhányszor finanszíroznak egy-egy projektet, hogy zsúfolt helyekre telepített videokamerákon keresztül felderítsék a bűnözőket. Az elmúlt tíz év során az algoritmus statisztikai jellemzői nem javultak, az ilyen projektek száma nőtt. Bár érdemes megjegyezni, hogy az algoritmus nagyon alkalmas arra, hogy egy embert tömegben vezessenek sok kamerán keresztül.

A módszer előnyei és hátrányai

A módszer előnyei. A 2-D felismerésnél a legtöbb biometrikus módszertől eltérően nincs szükség drága berendezésekre. Megfelelő felszereléssel a felismerés lehetősége a kamerától jelentős távolságra.
Hibák. Alacsony statisztikai szignifikancia. Követelmények vannak a világításra vonatkozóan (például napsütéses napon az utcáról belépő emberek arcát nem lehet regisztrálni). Számos algoritmus esetében elfogadhatatlan bármilyen külső interferencia, például szemüveg, szakáll, frizura egyes elemei. Kötelező elülső arckép, nagyon kis eltérésekkel. Sok algoritmus nem veszi figyelembe az arckifejezések lehetséges változásait, vagyis a kifejezésnek semlegesnek kell lennie.

3D arcfelismerés

Ennek a módszernek a megvalósítása meglehetősen nehéz feladat. Ennek ellenére jelenleg számos módszer létezik a 3D arcfelismerésre. A módszerek nem hasonlíthatók össze egymással, mivel különböző szkennereket és alapokat használnak. korántsem mindegyik ad ki FAR-t és FRR-t, teljesen más megközelítéseket alkalmaznak.
Az átmeneti módszer a 2-d-ről a 3-d-re egy olyan módszer, amely megvalósítja az információk felhalmozását egy személyről. Ez a módszer rendelkezik legjobb teljesítmény mint a 2d módszer, de ugyanúgy, mint egy kamerát használ. Az alany adatbázisba bevitelekor az alany elfordítja a fejét, és az algoritmus összekapcsolja a képet, így 3D sablont készít. És a felismerés során a videofolyam több képkockáját használják fel. Ez a módszer meglehetősen kísérleti jellegű, és soha nem láttam implementációt ACS rendszerekre.
A legklasszikusabb módszer a sablonvetítési módszer. Abból áll, hogy egy rácsot vetítenek az objektumra (arcra). Ezután a fényképezőgép több tíz képkocka/másodperc sebességgel készít képeket, és az így kapott képeket egy speciális program dolgozza fel. Az ívelt felületre eső gerenda meghajlik - minél nagyobb a felület görbülete, annál erősebb a gerenda hajlítása. Kezdetben ez egy látható fényforrást használt, amelyet a „redőnyökön” keresztül biztosítottak. Ezután a látható fényt infravörös váltotta fel, aminek számos előnye van. Általában a feldolgozás első szakaszában eldobják azokat a képeket, amelyeken az arc egyáltalán nem látható, vagy idegen tárgyak vannak, amelyek zavarják az azonosítást. A kapott képek alapján az arc 3D-s modelljét állítják helyre, amelyen kiemelik és eltávolítják a szükségtelen beavatkozásokat (frizura, szakáll, bajusz és szemüveg). Ezután a modell elemzése megtörténik - kiemelik az antropometrikus jellemzőket, amelyeket végül egy egyedi kódban rögzítenek az adatbázisba. A képrögzítési és feldolgozási idő 1-2 másodperc legjobb modellek.
Egyre népszerűbb a több kamerából nyert képen alapuló 3-d felismerés módszere is. Példa erre a Vocord a 3D szkennerével. Ez a módszer a fejlesztők ígérete szerint nagyobb pozicionálási pontosságot ad, mint a sablonvetítési módszer. De amíg nem látom a FAR-t és az FRR-t legalább a saját adatbázisukban, addig nem hiszem el!!! De már 3 éve fejlesztik, és a kiállításokon a fejlődés még nem látható.

A módszer statisztikai mutatói

Az ebbe az osztályba tartozó algoritmusokhoz tartozó FRR- és FAR-adatok nem szerepelnek nyíltan a gyártók webhelyein. De a legjobb Bioscript modelleknél (3D EnrolCam, 3D FastPass) a sablon vetítési módszerrel való munkavégzés FAR = 0,0047% FRR 0,103%.
Úgy gondolják, hogy a módszer statisztikai megbízhatósága összemérhető az ujjlenyomat-azonosítási módszer megbízhatóságával.

A módszer előnyei és hátrányai

A módszer előnyei. Nem kell kapcsolatba lépni a lapolvasó eszközzel. Alacsony érzékenység a külső tényezőkre, mind magán (szemüveg megjelenése, szakáll, frizuraváltás), mind környezetében (megvilágítás, fej elfordítása). Magas szintű biztonság, összehasonlítható az ujjlenyomat-azonosítással.
A módszer hátrányai. Drága felszerelés. Az eladásra kínált komplexumok még az íriszszkennereknél is drágábbak voltak. Az arckifejezések változásai és az arczaj rontja a módszer statisztikai megbízhatóságát. A módszer még nem fejlett, különösen a régóta alkalmazott ujjlenyomatvételhez képest, ami megnehezíti a széles körű alkalmazását.

Piaci helyzet

Az arcgeometria felismerése az ujjlenyomat- és íriszfelismerés mellett a "három nagy biometrikus adat" egyike. Azt kell mondanom, hogy ez a módszer meglehetősen elterjedt, és eddig előnyben részesítették a szem íriszének felismerésével szemben. Az arcgeometria-felismerő technológiák részesedése a globális biometrikus piac teljes volumenéből 13-18 százalékra tehető. Oroszországban ez a technológia is nagyobb érdeklődést mutat, mint például az írisz általi azonosítás. Mint korábban említettük, számos 3D felismerési algoritmus létezik. A vállalatok többnyire előszeretettel fejlesztenek kulcsrakész rendszereket, amelyek szkennereket, szervereket és szoftvereket tartalmaznak. Vannak azonban olyanok, akik csak az SDK-t kínálják a fogyasztónak. A mai napig a következő cégeket tudjuk megjegyezni, amelyek részt vettek a technológia fejlesztésében: Geometrix, Inc. (3D arcszkennerek, szoftverek), a Genex Technologies (3D arcszkennerek, szoftverek) az USA-ban, a Cognitec Systems GmbH (SDK, speciális számítógépek, 2D kamerák) Németországban, a Bioscrypt (3D arcszkennerek, szoftverek) az amerikai leányvállalata. cég L-1 Identity Solutions.
Oroszországban az Artec csoport vállalatai (3D arcszkennerek és szoftverek) dolgoznak ebbe az irányba - egy kaliforniai székhelyű cég, a fejlesztés és a gyártás Moszkvában zajlik. Ezenkívül számos orosz cég rendelkezik 2D arcfelismerő technológiával - Vocord, ITV stb.
A 2D arcfelismerés területén a fejlesztés fő témája a szoftver, mert A hagyományos kamerák kiválóan alkalmasak arcképek rögzítésére. Az arcfelismerés problémájának megoldása bizonyos mértékig zsákutcába jutott - évek óta gyakorlatilag nem történt javulás az algoritmusok statisztikai mutatóiban. Ezen a területen szisztematikus „munka folyik a hibákon”.
A 3D arcfelismerés ma már sokkal vonzóbb terület a fejlesztők számára. Sok csapatot foglalkoztat, és rendszeresen hall új felfedezésekről. Sok mű "éppen megjelenés előtt" állapotban van. De eddig csak régi ajánlatok vannak a piacon, az elmúlt években a választék nem változott.
Az egyik érdekes pillanatok, amelyre néha gondolok, és amire talán Habr válaszol: elég a kinect pontossága egy ilyen rendszer létrehozásához? Jó néhány projekt létezik egy személy 3D-s modelljének kihúzására ezen keresztül.

Felismerés a kéz ereiről

Ez egy új technológia a biometria területén, széles körű alkalmazása csak 5-10 évvel ezelőtt kezdődött. Az infravörös kamera a kéz külső vagy belső oldaláról készít képeket. A vénák mintázata annak a ténynek köszönhető, hogy a vér hemoglobinja elnyeli az infravörös sugárzást. Ennek eredményeként a visszaverődés mértéke csökken, és a vénák fekete vonalakként láthatók a kamerán. Különleges Program a kapott adatok alapján digitális konvolúciót hoz létre. Nincs szükség emberi érintkezésre a lapolvasó eszközzel.
A technológia megbízhatósága összehasonlítható a szem szivárványhártya általi felismerésével, bizonyos tekintetben felülmúlja azt, és bizonyos tekintetben gyengébb.
Az FRR és FAR értékek a Palm Vein szkennerre vonatkoznak. A fejlesztő szerint a FAR 0,0008% FRR 0,01%. Egyetlen cég sem készít pontosabb ütemtervet több értékhez.

A módszer előnyei és hátrányai

A módszer előnyei. Nem kell kapcsolatba lépni a lapolvasó eszközzel. Nagy megbízhatóság - a módszer statisztikai mutatói összehasonlíthatók az írisz leolvasásával. Rejtett tulajdonságok: a fentiekkel ellentétben nagyon nehéz ezt a tulajdonságot megszerezni egy embertől az „utcán”, például úgy, hogy fényképezőgéppel lefotózzuk.
A módszer hátrányai. Elfogadhatatlan, hogy a lapolvasót napfénynek és halogénlámpák sugárzásának tegye ki. Egyes életkorral összefüggő betegségek, mint például az ízületi gyulladás, nagymértékben károsítják a FAR-t és az FRR-t. A módszer kevésbé tanulmányozott más statikus biometrikus módszerekkel összehasonlítva.

Piaci helyzet

A kézi vénafelismerés meglehetősen új technológia, ezért globális piaci részesedése kicsi, 3% körüli. A módszer iránt azonban egyre nagyobb az érdeklődés. Az tény, hogy ez a módszer meglehetősen pontos, így nem igényel olyan drága felszerelést, mint például az arcgeometrián vagy az íriszen alapuló felismerési módszerek. Jelenleg sok cég fejlődik ezen a területen. Így például az angol TDSi cég megrendelésére szoftvert fejlesztettek ki a Fujitsu által bemutatott PalmVein tenyérvéna biometrikus olvasóhoz. Magát a szkennert a Fujitsu elsősorban a japán pénzügyi csalások leküzdésére fejlesztette ki.
Szintén a véna azonosítás területén a következő cégek a Veid Pte. kft (szkenner, szoftver), Hitachi VeinID (szkennerek)
Nem ismerek olyan oroszországi céget, amely ezzel a technológiával foglalkozna.

Retina

Egészen a közelmúltig azt hitték, hogy a személy biometrikus azonosításának és hitelesítésének legmegbízhatóbb módszere a retina szkennelésén alapuló módszer. Az írisz és a kéz erei alapján történő azonosítás legjobb tulajdonságait tartalmazza. A szkenner leolvassa a kapillárisok mintázatát a retina felszínén. A retina rögzített szerkezetű, amely nem változik az idő múlásával, kivéve egy betegség, például szürkehályog következtében.
A retina szkennelése alacsony intenzitású infravörös fényt használ, amely a pupillán keresztül a szem hátsó részén található erek felé irányul. A retinaszkennereket széles körben alkalmazzák a fokozottan titkos objektumok beléptetőrendszereiben, mivel az egyik legalacsonyabb százalékban megtagadják a regisztrált felhasználók hozzáférését, és gyakorlatilag nincsenek hibás hozzáférési engedélyek.
Sajnos számos nehézség adódik ennek a biometrikus módszernek a használatakor. A szkenner itt egy nagyon összetett optikai rendszer, és az embernek hosszú ideig nem szabad mozognia, amíg a rendszert indukálják, ami kényelmetlenséget okoz.
Az EyeDentify szerint az ICAM2001 szkenner esetében, ahol FAR=0,001%, az FRR-érték 0,4%.

A módszer előnyei és hátrányai

Előnyök. Magas szintű statisztikai megbízhatóság. A rendszerek alacsony elterjedtsége miatt kicsi az esély arra, hogy kidolgozzák a „megcsalásuk” módját.
Hibák. Nehezen használható rendszer magas feldolgozási idővel. A rendszer magas költsége. A széles piaci kínálat hiánya, és ebből adódóan a módszer fejlesztésének nem kellő intenzitása.

Kéz geometriája

Ez a 10 évvel ezelőtt meglehetősen elterjedt, a törvényszéki tudományból származó módszer az utóbbi években hanyatlóban van. A kezek geometriai jellemzőinek megszerzésén alapul: az ujjak hossza, a tenyér szélessége stb. Ez a módszer a szem retinájához hasonlóan haldoklik, és mivel jóval alacsonyabb jellemzői vannak, nem is írunk róla teljesebb leírást.
Néha úgy gondolják, hogy a vénafelismerő rendszerekben geometriai felismerési módszereket használnak. De az eladásnál még soha nem láttunk ilyen egyértelműen kimondottat. Ráadásul gyakran az erek alapján történő felismeréskor csak a tenyérről, geometriai felismerésnél pedig az ujjakról készül kép.

Egy kis önreklám

Egy időben kifejlesztettünk egy jó szemfelismerő algoritmust. De abban az időben ilyen high-tech dologra nem volt szükség ebben az országban, és nem akartam a burzsoáziába menni (ahová a legelső cikk után meghívtak minket). De hirtelen, másfél év után még mindig voltak befektetők, akik egy „biometrikus portált” akartak építeni maguknak - egy olyan rendszert, amely 2 szemet eszik, és az írisz színkomponensét használja (amelyre a befektetőnek világszabadalma volt) ). Valójában most ezt csináljuk. De ez nem egy önreklámról szóló cikk, ez egy rövid lírai kitérő. Ha valakit érdekel, van némi információ, és valamikor a jövőben, ha piacra lépünk (vagy nem), akkor írok ide néhány szót az oroszországi biometrikus projekt hullámvölgyeiről.

következtetéseket

Még a statikus biometrikus rendszerek osztályában is nagy a választék a rendszerekből. Melyiket válasszam? Minden a biztonsági követelményektől függ. A statisztikailag legmegbízhatóbb és legmegbízhatóbb hozzáférési rendszerek az írisz és a karvéna hozzáférési rendszerek. Ezek közül az első esetében szélesebb piac kínálkozik az ajánlatoknak. De ez nem a határ. A biometrikus azonosítási rendszerek kombinálhatók csillagászati ​​pontosság elérése érdekében. A legolcsóbb és legkönnyebben használható, de jó statisztikával az ujjtűrő rendszerek. A 2D arctűrés kényelmes és olcsó, de a gyenge statisztikák miatt korlátozott a hatóköre.
Vegye figyelembe az egyes rendszerek jellemzőit: hamisítással szembeni ellenállás, környezeti ellenállás, könnyű használat, költség, sebesség, a biometrikus jellemzők időbeli stabilitása. Tegyünk minden oszlopba 1-től 10-ig terjedő jeleket. Minél közelebb van a pontszám a 10-hez, annál jobb rendszer ebben a tekintetben. Az osztályzatválasztás alapelveit a cikk elején ismertettük.


Ezen rendszerek esetében figyelembe vesszük a FAR és FRR arányát is. Ez az arány határozza meg a rendszer hatékonyságát és használatának szélességét.


Érdemes megjegyezni, hogy az írisz esetében a rendszer pontosságát szinte négyzetesen, időveszteség nélkül növelheti, ha bonyolítja a rendszert azzal, hogy két szemre készíti. Az ujjlenyomat módszernél - több ujj kombinálásával és vénák felismerésével, két kéz kombinálásával, de ilyen javulás csak az emberrel töltött idő növekedésével lehetséges.
A módszerekre vonatkozó eredményeket összegezve elmondható, hogy közepes és nagy objektumokra, valamint olyan objektumokra, amelyek maximális követelmény a biztonság kedvéért használja az íriszt biometrikus hozzáférésként és esetleg karvéna felismerésként. A több száz alkalmazottat foglalkoztató létesítményeknél az ujjlenyomat-hozzáférés optimális lesz. A 2D arcfelismerő rendszerek nagyon specifikusak. Szükség lehet rájuk olyan esetekben, amikor az elismerés megköveteli a távollétet fizikai érintkezés, de az íriszre nem lehet vezérlőrendszert tenni. Például, ha egy személyt az ő részvétele nélkül kell azonosítani, rejtett kamerával vagy kültéri érzékelő kamerával, de ez csak kis számú alany mellett lehetséges az adatbázisban, és a kamerával felvett kis számú emberrel .

A fiatal technikusok tudomásul veszik

Egyes gyártók, például a Neurotechnology, közzéteszik a biometrikus módszerek demóverzióját a webhelyükön, így csatlakoztathatja őket és játszhat. Azok számára, akik úgy döntenek, hogy komolyabban elmélyülnek a problémában, ajánlom az egyetlen könyvet, amelyet oroszul láttam - "Útmutató a biometriához", R.M. Ball, J.H. Connell, S. Pancanti. Számos algoritmus és matematikai modellje létezik. Nem minden teljes és nem minden felel meg a jelennek, de az alap nem rossz és átfogó.

P.S.

Ebben az opusban nem mentem bele a hitelesítés problémájába, csak az azonosítást érintettem. Elvileg a FAR / FRR jellemzőiből és a hamisítás lehetőségéből a hitelesítés kérdésével kapcsolatos összes következtetés önmagára utal.