Хранение и сравнение биометрической информации

Question

В целом мы используем биометрию в компьютерных приложениях, которые говорят для аутентификации. Давайте получим 2 примера отпечатка пальцев и распознавание лица.

В этих случаях мы храним информацию для сравнения. В качестве примера мы не можем сохранить изображение и обрабатывать его каждый раз. Итак, какие методологии мы используем для хранения/определения сходства в таких случаях? Существуют ли какие -либо специальные алгоритмы, предназначенные для этих целей. (Пример: чтобы каждый раз возвращать приблизительно равное значение для отпечатка пальца определенного человека)

Answer 1

Большинство методов ИИ не работают на необработанных данных, таких как изображения. Они обычно работают на функции вектор: предпочтительно компактное и умное представление исходных данных. Как правило, вектор функций содержит фиксированное количество численных или номинальных значений (функции). Например, в распознавании лица общий вектор функций - это набор собственных векторов, называемых Собственное лицо. Анкет Я не знаком с распознаванием отпечатков пальцев, но я представляю, как используемые векторы функций есть набор чисел, которые каким -то образом описывают наблюдаемые закономерности на изображении отпечатка пальца.

Как правило, при обучении некоторого метода машинного обучения на наборе изображений лица или отпечатков пальцев вы рассчитываете соответствующие векторы функций для этих изображений и сохранить их в базе данных. Исходные изображения затем больше не используются. Вся последующая обработка выполняется на соответствующих векторах признаков.

Чтобы сравнить новый, невидимый экземпляр с базой данных ранее изученных экземпляров, вектор функций нового экземпляра рассчитывается и сравнивается с базой данных хранимых векторов функций. Это может быть сделано во многих отношениях. Одним из примеров, который обычно используется в признании радужной оболочки, является Расстояние Хэминга.

Answer 2

В случае анализа отпечатков пальцев я слышал о людях, использующих местоположение точек признаков (бифуркации и т. Д.), Чтобы соответствовать параметрам для большого полинома, а затем хранение параметров для сопоставления, когда кто -то хочет исследовать галерею. (Процесс сопоставления, по -видимому, работает, минимизируя полученный термин ошибки между параметрами зонда и галереи.) Я никогда не делал этого сам, так как в основном работаю с радужными районами, но, возможно, стоит изучить.

Answer 3

Все биометрические совпадения работают с обработанными данными, называемыми шаблонами. Эти данные взяты из статического изображения или модели, взятой из динамического захвата, как сказал ранее TC. Эти шаблоны используются для сопоставления процесса и являются уникальными данными, которые вам необходимы. Изображения хранятся только для прослушивания или в уголовных делах, когда эксперт должен анализировать изображения и получить конечный результат.

Для шаблонов отпечатков пальцев у нас есть 3 международных стандартов, которые наиболее используются: ISO 19497-2, ISO-378 и XYT. Если вы используете какой -либо из первых двух стандартов, бинарные данные, как правило, имеют 500 байтов длины. XYT нуждается в большем пространстве, потому что это текстовый файл с положением, углом и качеством всей Minutea, как правило, около 1 кб. Образец извлечения и соответствия, который вы можете увидеть в NIST сайт. Анкет Поэтому, если вы хотите более точное и быстрое программное обеспечение, вам нужен коммерческий SDK.

Работать с Faces Free Software - OpenCV.