일반적으로 우리는 인증을 위해 컴퓨터 응용 프로그램에서 생체 인식을 사용합니다. 지문 2 개와 얼굴 인식 2 개를 얻을 수 있습니다.생체 정보 저장 및 비교
이러한 경우 우리는 비교를 위해 정보를 보관합니다. 예를 들어 우리는 매번 이미지를 유지하고 매번 처리 할 수 없습니다. 그런 경우 우리가 유사점을 저장/결정하기 위해 사용하는 방법론은 무엇입니까? 그 목적을 위해 설계된 특별한 알고리즘이 있습니까? (예 : 매번 특정 인물의 지문에 대해 대략 동일한 값을 반환하려면)
대부분의 인공 지능 기법은 이미지와 같은 원시 데이터에서 작동하지 않습니다. 그들은 일반적으로 특징 벡터에서 작동합니다. 원본 데이터를 바람직하게 압축하고 스마트하게 표시합니다. 일반적으로, 특징 벡터는 고정 된 수의 수치 또는 공칭 값 (특징)을 포함한다. 예를 들어, 얼굴 인식에서 일반적인 특징 벡터는 Eigenface이라고하는 고유 벡터 집합입니다. 나는 지문 인식에 익숙하지 않지만, 거기에 사용 된 특징 벡터는 핑거 프린트의 이미지에서 관찰 된 패턴을 어떻게 든 설명하는 숫자 세트라고 상상한다.
일반적으로 얼굴 또는 지문 이미지 세트에서 일부 기계 학습 방법을 학습 할 때 이러한 이미지에 해당하는 특징 벡터를 계산하여 데이터베이스에 저장합니다. 원본 이미지는 더 이상 사용되지 않습니다. 모든 후속 처리는 해당 특징 벡터에서 수행됩니다.
보이지 않는 새로운 인스턴스를 이전에 학습 한 인스턴스의 데이터베이스와 비교하기 위해 새 인스턴스의 특징 벡터가 계산되어 저장된 특징 벡터의 데이터베이스와 비교됩니다. 이것은 여러 가지 방법으로 이루어질 수 있습니다. 홍채 인식에 일반적으로 사용되는 예가 Hamming distance입니다.
지문 분석의 경우, 큰 다항식에 대한 매개 변수를 맞추기 위해 피쳐 포인트 (분기점 등)의 위치를 사용하는 사람들에 대해 듣고 누군가가 갤러리를 조사하려고 할 때 일치를위한 매개 변수를 저장한다고합니다. . (일치 프로세스는 분명히 프로브와 갤러리 매개 변수 사이에서 파생 된 오류 항을 최소화하여 작동합니다.) 나는 홍채로 작업하기 때문에 직접 해본 적이 없지만 조사 할 가치가 있습니다.
모든 생체 인식 프로그램은 템플릿이라는 처리 된 데이터로 작동합니다. 이 데이터는 정적 이미지 또는 이전에 말한 TC와 같이 동적 캡처에서 가져온 모델에서 가져온 데이터입니다. 이러한 템플릿은 프로세스를 일치시키는 데 사용되며 유지해야하는 고유 한 데이터입니다. 이미지는 전문가가 이미지를 분석하고 최종 결과를 얻는 데 필요한 오디션이나 형사 사건 용으로 만 저장됩니다.
지문 템플릿에는 ISO 19497-2, ISO-378 및 XYT의 3 가지 국제 표준이 가장 많이 사용됩니다. 처음 두 표준 중 하나를 사용하는 경우 이진 데이터의 길이는 일반적으로 500 바이트입니다. XYT는 모든 미카의 위치, 각도 및 품질을 갖는 텍스트 파일이기 때문에 더 많은 공간이 필요합니다. 일반적으로 약 1kb입니다. NIST website에서 볼 수있는 추출 및 일치 샘플. 따라서 더 정확하고 빠른 소프트웨어를 원한다면 상용 SDK가 필요합니다.
얼굴을 사용하여 작업하려면 자유 소프트웨어가 OpenCV입니다.