使用生物識別傳感技術進行身份驗證

已經做出了很多努力，并且在生物識別傳感技術的創建方面已經取得了很大的成就，毫無疑問地確定了我們是誰?？捎玫淖R別方法包括指紋分析，面部識別，獨特的虹膜圖案標識符等。工程師可以使用全面的生物識別ID技術組合，其他人仍在繪圖板上，提供不同程度的身份驗證，并提供同樣多種價格標簽。

好消息是生物識別技術已經足夠先進，在日常生活中幾乎沒有被注意到。我們的許多智能手機和平板電腦現在采用某種形式的生物識別 - 通常是指紋分析 - 來提供訪問并保護我們的信用卡，銀行賬戶和個人數據。

生物識別技術正在快速取代過時的員工識別系統使用傳統的門禁卡。這些卡存在嚴重的漏洞，特別是當它們丟失或被盜時。為了補償，商業辦公室，機場和政府機構要么實施冗余的，資源密集的工人訪問控制措施，要么讓關鍵區域容易受到欺詐和非法進入。通過在現有安全平臺上添加生物識別安全層，可以消除欺詐并顯著提高安全性。

繼9/11事件之后，美國國土安全部在生物識別方面花費了超過1億美元，在過去的八年里，僅在國防部就已經花費了大約35億美元用于該技術;例如，在試圖將叛亂分子與公眾分開時，美國軍方收集了來自數百萬伊拉克人和阿富汗人的指紋，虹膜掃描和面部圖像。

今天的生物識別解決方案旨在實現最大化困難的情況。例如，Facebook開發了一種先進的面部識別軟件程序，即使面部不可見，也能識別個人。一旦個人被標記并進入Facebook系統，該技術據說能夠基于身體類型，頭發，姿勢，姿勢和衣服識別人。

同樣，萬事達卡版本使用自拍作為安全基礎。用戶在購買時采取自拍照來授權購買，以確認他們的身份，并且他們確實是買家。拍攝照片時，用戶必須閃爍，以防止黑客拍攝以前拍攝的照片。該應用程序還允許用戶掃描他們的指紋，通過Apple Pay確認第二種形式的ID。

技術選項

歐姆龍的人類視覺組件（HVC）模塊證明了基礎傳感器技術取得了巨大進步（圖1）。它基于10種算法或功能的使用，包括面部檢測，面部識別，性別，年齡，表情，面部姿勢，凝視和眨眼估計以及手和身體檢測。通過與已經在數據庫中登記的面部進行比較，可以通過他或她的面部識別具有各種面部姿勢，表情和照明條件的人。傳感器還可以在各種表情和照明條件下估計面部的年齡和性別。 HVC傳感器甚至可以自動估計各種面部表情（中性，快樂，悲傷，憤怒和驚訝）。

圖1：圖像輸入規格使用Omron B5T-01001（G）模塊進行水平和垂直檢測范圍。

Omron將其OKAO Vision圖像傳感技術，相機，處理器和外部接口集成到一個60 mm x 40 mm的PCB上。 HVC充當傳感器并使用UART接口提供有關其所見人的數據。除了安全應用程序之外，每當人們與機器，消費者和工業環境進行交互時，捕獲此類數據都是有益的。

為了協助工程師，Omron還提供了一個名為B5TE001SG的人類視覺組件演示套件。

身份驗證背后的技術通常涉及模式識別。在Cognimem Technologies的CM1K模式識別芯片中可以找到該技術狀態的一個很好的例子（圖2）。 CogniMem神經網絡的第一個ASIC版本具有1024個并行工作的神經元，能夠在幾微秒內學習和識別高達256字節的模式。神經元是一種關聯存儲器，它可以自主地將輸入模式與其參考模式進行比較。

圖2：CogniMem CM1K的功能圖。

芯片支持的兩個非線性分類器即使對于未定義的數據，未知事件以及上下文和工作條件發生變化，也會對模式進行分類?；诘鸵_數和低功耗，它被用作智能傳感器和相機的配套芯片。

功能包括能夠識別1024或任何數字中的一個矢量，在10微秒內使用27 MHz時鐘。該識別時間與模型的數量無關。芯片僅在10微秒內學習矢量。它保存并加載模型（即知識庫），并使用簡單的RTL指令和少量的寄存器。它提供并行和串行通信以及可選的數字輸入總線，可直接連接到識別階段。

據該公司稱，模式識別技術基于簡單的架構。它是一系列相同的神經元并行運行。在識別輸入矢量期間，神經元短暫地通信15個時鐘周期以找到最佳匹配。 CM1K還集成了一個內置的識別引擎，可直接通過數字輸入總線接收矢量數據并將其廣播到神經元，3微秒后返回最佳擬合類別。它還可以選擇從2-D視頻數據中提取1-D矢量。

應用程序包括協助識別圖像和信號識別以及數據挖掘的功能。圖像識別區域中的應用包括面部識別，凝視跟蹤，目標跟蹤和識別以及對象識別。在信號識別段中，它用于語音識別和語音識別，并且在數據挖掘中，其用途包括生物信息學和指紋識別。

這不僅能夠準確地驗證對生物識別應用程序至關重要的ID。一旦用戶信息到位，數據保持安全至關重要。為此，還有MikroBUS指紋點擊開發板（圖3），這是一個用于為設計添加生物識別安全性的點擊板解決方案。該模塊采用GTS-511E2模塊，據稱是最薄的指紋傳感器，具有CMOS圖像傳感器，配有特殊鏡頭和覆蓋物，可記錄真實指紋并抵抗2-D假動作。它還有一個用于圖像處理的STM32 MCU。

指紋點擊可通過UART（TX，RX）或SPI（CS，SCK，MISO，MOSI）線與目標板MCU通信。它還帶有一個迷你USB連接器，用于將咔嗒板連接到PC - 由于將輸入與現有大型數據庫進行比較和匹配所需的處理能力，供應商稱這通常是開發指紋識別軟件的更合適的平臺。圖片。該板還配有額外的GPIO引腳，可以更多地訪問板載STM32。指紋點擊旨在使用3.3 V電源。

圖3：MikroBUS指紋開發系統為生物識別應用增加了安全性。

基礎算法

基于生物識別技術的應用程序中算法開發的重要性不容小覷。一般來說，它分為兩組，幾何和光度。第一個集中于區分特征，后者是一種統計方法，它將圖像轉換為值，并使用這些值將它們與有助于消除差異的模板進行比較。

最近的趨勢是三維人臉識別，它采用三維傳感器收集面部形狀的信息，并用它來識別眼窩輪廓，下巴和鼻子形狀等不同的特征。 。這種方法的好處是它不會因光線變化而變形，并且能夠使用面部的各種角度正確識別，而不是直接拍攝。使用的3-D數據點可提高識別準確度。

當人們考慮快速改進的底層傳感器，新的高度集成的芯片和先進的算法時，很容易理解為什么生物識別安全和識別正在爆炸式增長。事實上，5月發布的市場和市場報告預測，到2020年生物識別系統市場預計將達到244億美元，2015年至2020年的復合年增長率為17.9％。