使用生物识别传感技术进行身份验证

已经做出了很多努力，并且在生物识别传感技术的创建方面已经取得了很大的成就，毫无疑问地确定了我们是谁。可用的识别方法包括指纹分析，面部识别，独特的虹膜图案标识符等。工程师可以使用全面的生物识别ID技术组合，其他人仍在绘图板上，提供不同程度的身份验证，并提供同样多种价格标签。

好消息是生物识别技术已经足够先进，在日常生活中几乎没有被注意到。我们的许多智能手机和平板电脑现在采用某种形式的生物识别 - 通常是指纹分析 - 来提供访问并保护我们的信用卡，银行账户和个人数据。

生物识别技术正在快速取代过时的员工识别系统使用传统的门禁卡。这些卡存在严重的漏洞，特别是当它们丢失或被盗时。为了补偿，商业办公室，机场和政府机构要么实施冗余的，资源密集的工人访问控制措施，要么让关键区域容易受到欺诈和非法进入。通过在现有安全平台上添加生物识别安全层，可以消除欺诈并显着提高安全性。

继9/11事件之后，美国国土安全部在生物识别方面花费了超过1亿美元，在过去的八年里，仅在国防部就已经花费了大约35亿美元用于该技术;例如，在试图将叛乱分子与公众分开时，美国军方收集了来自数百万伊拉克人和阿富汗人的指纹，虹膜扫描和面部图像。

今天的生物识别解决方案旨在实现最大化困难的情况。例如，Facebook开发了一种先进的面部识别软件程序，即使面部不可见，也能识别个人。一旦个人被标记并进入Facebook系统，该技术据说能够基于身体类型，头发，姿势，姿势和衣服识别人。

同样，万事达卡版本使用自拍作为安全基础。用户在购买时采取自拍照来授权购买，以确认他们的身份，并且他们确实是买家。拍摄照片时，用户必须闪烁，以防止黑客拍摄以前拍摄的照片。该应用程序还允许用户扫描他们的指纹，通过Apple Pay确认第二种形式的ID。

技术选项

欧姆龙的人类视觉组件（HVC）模块证明了基础传感器技术取得了巨大进步（图1）。它基于10种算法或功能的使用，包括面部检测，面部识别，性别，年龄，表情，面部姿势，凝视和眨眼估计以及手和身体检测。通过与已经在数据库中登记的面部进行比较，可以通过他或她的面部识别具有各种面部姿势，表情和照明条件的人。传感器还可以在各种表情和照明条件下估计面部的年龄和性别。 HVC传感器甚至可以自动估计各种面部表情（中性，快乐，悲伤，愤怒和惊讶）。

图1：图像输入规格使用Omron B5T-01001（G）模块进行水平和垂直检测范围。

Omron将其OKAO Vision图像传感技术，相机，处理器和外部接口集成到一个60 mm x 40 mm的PCB上。 HVC充当传感器并使用UART接口提供有关其所见人的数据。除了安全应用程序之外，每当人们与机器，消费者和工业环境进行交互时，捕获此类数据都是有益的。

为了协助工程师，Omron还提供了一个名为B5TE001SG的人类视觉组件演示套件。

身份验证背后的技术通常涉及模式识别。在Cognimem Technologies的CM1K模式识别芯片中可以找到该技术状态的一个很好的例子（图2）。 CogniMem神经网络的第一个ASIC版本具有1024个并行工作的神经元，能够在几微秒内学习和识别高达256字节的模式。神经元是一种关联存储器，它可以自主地将输入模式与其参考模式进行比较。

图2：CogniMem CM1K的功能图。

芯片支持的两个非线性分类器即使对于未定义的数据，未知事件以及上下文和工作条件发生变化，也会对模式进行分类。基于低引脚数和低功耗，它被用作智能传感器和相机的配套芯片。

功能包括能够识别1024或任何数字中的一个矢量，在10微秒内使用27 MHz时钟。该识别时间与模型的数量无关。芯片仅在10微秒内学习矢量。它保存并加载模型（即知识库），并使用简单的RTL指令和少量的寄存器。它提供并行和串行通信以及可选的数字输入总线，可直接连接到识别阶段。

据该公司称，模式识别技术基于简单的架构。它是一系列相同的神经元并行运行。在识别输入矢量期间，神经元短暂地通信15个时钟周期以找到最佳匹配。 CM1K还集成了一个内置的识别引擎，可直接通过数字输入总线接收矢量数据并将其广播到神经元，3微秒后返回最佳拟合类别。它还可以选择从2-D视频数据中提取1-D矢量。

应用程序包括协助识别图像和信号识别以及数据挖掘的功能。图像识别区域中的应用包括面部识别，凝视跟踪，目标跟踪和识别以及对象识别。在信号识别段中，它用于语音识别和语音识别，并且在数据挖掘中，其用途包括生物信息学和指纹识别。

这不仅能够准确地验证对生物识别应用程序至关重要的ID。一旦用户信息到位，数据保持安全至关重要。为此，还有MikroBUS指纹点击开发板（图3），这是一个用于为设计添加生物识别安全性的点击板解决方案。该模块采用GTS-511E2模块，据称是最薄的指纹传感器，具有CMOS图像传感器，配有特殊镜头和覆盖物，可记录真实指纹并抵抗2-D假动作。它还有一个用于图像处理的STM32 MCU。

指纹点击可通过UART（TX，RX）或SPI（CS，SCK，MISO，MOSI）线与目标板MCU通信。它还带有一个迷你USB连接器，用于将咔嗒板连接到PC - 由于将输入与现有大型数据库进行比较和匹配所需的处理能力，供应商称这通常是开发指纹识别软件的更合适的平台。图片。该板还配有额外的GPIO引脚，可以更多地访问板载STM32。指纹点击旨在使用3.3 V电源。

图3：MikroBUS指纹开发系统为生物识别应用增加了安全性。

基础算法

基于生物识别技术的应用程序中算法开发的重要性不容小觑。一般来说，它分为两组，几何和光度。第一个集中于区分特征，后者是一种统计方法，它将图像转换为值，并使用这些值将它们与有助于消除差异的模板进行比较。

最近的趋势是三维人脸识别，它采用三维传感器收集面部形状的信息，并用它来识别眼窝轮廓，下巴和鼻子形状等不同的特征。 。这种方法的好处是它不会因光线变化而变形，并且能够使用面部的各种角度正确识别，而不是直接拍摄。使用的3-D数据点可提高识别准确度。

当人们考虑快速改进的底层传感器，新的高度集成的芯片和先进的算法时，很容易理解为什么生物识别安全和识别正在爆炸式增长。事实上，5月发布的市场和市场报告预测，到2020年生物识别系统市场预计将达到244亿美元，2015年至2020年的复合年增长率为17.9％。