Kimlik kimlik doğrulama teknolojisinin gelişiminde, güvenlik ve kolaylık arasındaki optimum dengeyi bulmak her zaman endüstri için temel bir öneridir.Tek biyometrik tanıma, belirli senaryoların ihtiyaçlarını karşılayabilirken,, tüm uygulama bağlamlarını kapsaması zordur, yüksek güvenlik senaryolarında iris tanıma üstünlük gösterir, yüz tanıma kullanışlılık açısından daha büyük avantajlara sahiptir.ve parmak izi tanıma uzun süredir kullanıcı alışkanlıklarının geniş bir temelini oluşturduBu pratik talep, teknolojimizin araştırma ve geliştirme sınırlarını iris tanıma alanından daha geniş multimodal alanına genişletmemizi sağladı.
Sistematik teknik araştırma ve geliştirme yoluyla, Homsh® teknolojisi temelde çokmodal biyometrik tanıma için birleşik bir çerçevenin inşasını tamamladı.Bu çerçevenin çekirdek tasarım kavramı bizim iris tanıma segmentasyon ve kodlama modelini (çok yıl boyunca rafine ettiğimiz) temel mimari olarak kullanmaktır., ve iki yeni yöntemin (yüz ve parmak izi tanıma) transfer öğrenimini, altta yatan özellik çıkarma katmanını yeniden kullanarak tamamlar.Bu teknik yolun seçimi tesadüfi değil., özellik kodlama yöntemleri ve iris tanıma alanında biriktirdiğimiz eşleşme mantığı diğer biyometrik özelliklerin iş akışlarına yapısal olarak çok benzer..Bu anlayışa dayanarak, birleşik çerçeve, sıfırdan üç bağımsız sistem inşa etmek yerine, çapraz moda bilgi aktarımını mümkün kılar.
Performans doğrulama açısından, yüz tanıma modülü, uluslararası olarak kullanılan CASIA Face V5 değerlendirme veri kümesi üzerinde eşit hata oranı (EER) % 0,4 elde etti.Parmak izi tanıma modülü 0 EER'e ulaşırkenFVC2004 Uluslararası Parmak izi Yarışması'nın standart veri setinde %35. Bu iki performans ölçümünün nihai hedeflerimiz olmadığını özellikle belirtmek gerekir.Ama çerçevenin uygulanabilirliğini doğrulamak için aşamalı sonuçlarTek bir modalite için derinlemesine optimize edilmiş özel algoritmalar ile karşılaştırıldığında, birleşik çerçevenin her modalite için performansı en iyisi olmayabilir.Ancak temel değeri, daha sonra füzyon tanınması ve esnek bir şekilde kullanımı için teknik bir temel oluşturmaktır..
Şu anda, üç modal füzyon tanıma fonksiyonu ön doğrulama tamamlandı.Füzyon tanıma, sistemin üç biyometrik bilgiyi (IRIS) kapsamlı bir şekilde kullanma yeteneğini ifade eder., yüz ve parmak izi) kimlik belirlemesi için, teorik olarak tanıma güvenilirliğini ve saldırı karşıtı yeteneğini önemli ölçüde arttırır.Bu yetenek, finansal ödeme gibi yüksek güvenlik senaryolarında doğrudan uygulama değerine sahiptir., sınır temizliği ve kritik altyapıya erişim.
Sonraki Ar-Ge çalışmalarında, iki teknik yönü araştırmaya odaklanacağız.
İlk olarak, iki teknik rotanın etkilerini sistematik bir karşılaştırmalı çalışma ile karşılaşacağız: her modalite için bağımsız kanal çözme ve ortak baz ağlarının ortak eğitimi.Hedef, tanıma performansı ve model boyutu arasındaki en uygun dengeyi bulmaktır. Bu, algoritmayı kaynak kısıtlı kenar cihazlara dağıtmak için çok önemlidir..
İkincisi, tanıma modlarının serbest geçiş fonksiyonunun mühendislik gelişimini hızla tamamlayacağız.Son kullanıcıların gerçek uygulama senaryosunun güvenlik düzeyi gereksinimlerine göre tanıma yöntemini esnek bir şekilde seçmelerini sağlamakÖrneğin, yüksek güvenlik senaryolarında iris veya parmak izi tanıma etkinleştirilebilir, günlük kolaylık senaryolarında yüz tanıma geçebilir,ve multimodal füzyon en yüksek güvenilirliği gerektiren özel durumlar için uygundur.
Uzun vadeli bir bakış açısıyla, the construction of the multi-modal unified framework is a key step for Homsh’s technology to evolve from a professional iris recognition manufacturer to a comprehensive biometric recognition solution providerAkıllı giyilebilir cihazlar, VR / AR terminalleri, akıllı güvenlik veya finansal kimlik kimlik doğrulama gibi uygulama alanlarında olsun,Multimodal füzyon tanıma, bir sonraki nesil insan-bilgisayar etkileşim sisteminin temel yeteneklerinden biri olacakBu teknolojik başarının yakın gelecekte ortaklar ve son kullanıcılar için daha güvenli ve esnek bir kimlik kimlik deneyimi getireceğini umuyoruz.
