บทนำ
ในปัจจุบันมีวิธีในการยืนยันตัวบุคคลหลายแบบ เช่น ลายนิ้วมือ ม่านตา
เรตินา(ม่านตาดำ) เสียง ใบหน้า ฯลฯ
โดยแต่ละวิธีมีข้อดีและข้อเสียซึ่งต้องนำไปพิจารณาในการพัฒนาระบบไบโอเมตริกซ์
เช่น ความน่าเชื่อถือของระบบ ราคา ความยืดหยุ่น
ความจำเป็นในการสัมผัสส่วนใดส่วนหนึ่งของร่างกายกับ sensor ต่างๆ
การเลือกวิธียืนยันตัวบุคคลหรือใช้ระบบที่มีหลายวิธีผสมกัน
สามารถช่วยรองรับความแตกต่างและความต้องการของแต่ละระบบได้
การยืนยันใบหน้าเป็นทางเลือกที่สำคัญสำหรับการเลือกใช้และพัฒนาระบบไบโอเมตริกซ์ที่เหมาะสม
ข้อดีของวิธีนี้คือไม่ต้องมีการสัมผัสกับอุปกรณ์ตรวจจับภาพ (เช่น กล้อง)
ระบบยืนยันใบหน้าไม่ต้องมีฮาร์ดแวร์และสามารถใช้ได้กับอุปกรณ์ตรวจจับภาพที่มีอยู่เช่น
webcams หรือ กล้องรักษาความปลอดภัย ได้
ใบหน้าไม่มีความเป็นเอกลักษณ์เท่าลายนิ้วมือและม่านตา
ดังนั้นความน่าเชื่อถือของการยืนยันจึงต่ำกว่า
อย่างไรก็ตามการยืนยันใบหน้ายังเหมาะสมสำหรับหลายแอพพลิเคชั่น
เมื่อคำนึงถึงความสะดวกในการใช้งานของผู้ใช้
การยืนยันใบหน้าสามารถใช้ร่วมกับการยืนยันลายนิ้วมือ
หรือใช้ร่วมกับไบโอเมตริกซ์วิธีอื่นเพื่อพัฒนาแอพพลิเคชั่นให้มีความปลอดภัยมากขึ้น
การใช้ระบบไบโอเมตริกซ์หลายระบบร่วมกัน
มีความสำคัญมากในระบบการยืนยันตัวบุคคลแบบ 1:N
เนื่องจากไม่ต้องใช้อุปกรณ์ความปลอดภัยอื่นๆเพิ่มเติม (smart cards,
passwords ฯลฯ) การยืนยันตัวบุคคลแบบ 1:N จึงเพิ่มความสะดวกสบายในการใช้
อย่างไรก็ตาม ขั้นตอนการยืนยันแบบ 1:N มักจะสะสม False Acceptance
Probability
ซึ่งอาจทำให้เกิดค่าการไม่ยอมรับสูงสำหรับแอพพลิเคชั่นที่มีฐานข้อมูลขนาดใหญ่
การใช้การยืนยันใบหน้าร่วมกับระบบไบโอเมตริกซ์อื่นจะช่วยลดผลกระทบนี้ได้
การใช้ระบบไบโอเมตริกซ์หลายระบบร่วมกันจะสามารถช่วยได้
ในสถานการณ์ที่คุณลักษณะไบโอเมตริกซ์บางอย่างๆอาจไม่เหมาะสมกับกลุ่มผู้ใช้งานบางกลุ่ม
ตัวอย่างเช่น ผู้ใช้แรงงานมักมีลายนิ้วมือหยาบซึ่งอาจเพิ่ม False
Rejection Rate (FRR) ได้ถ้าใช้เพียงการยืนยันด้วยลายนิ้วมือ
ดังนั้น
การยืนยันใบหน้าควรได้รับการพิจารณาเป็นทางเลือกที่สำคัญในการพัฒนาระบบไบโอเมตริกซ์หรือ
multi-biometric ทำไมจึงต้องเป็นระบบ VeriLook?
Neurotechnologija ได้ทำการพัฒนา Verilook 3.3 ซึ่งเป็น algorithm สำหรับการยืนยันใบหน้าบนเครื่องคอมพิวเตอร์ ที่ออกแบบสำหรับผู้ออกแบบและติดตั้งระบบไบโอเมตริกซ์
ระบบ Verilook 3.3
เป็นระบบยืนยันใบหน้าที่นำสมัยและสะดวกที่สุด และมีราคาที่เหมาะสม:
ความน่าเชื่อถือ
Algorithm ของระบบ Verilook 3.3 ได้รับการทดสอบกับฐานข้อมูลใบหน้ามาตรฐาน
(FERET, XM2VTSDB
ฯลฯ) ผลที่ได้รับแสดงถึงความเป็นหนึ่งในระบบที่ดีที่สุดในตลาด
ความเร็ว
เวลาที่ใช้ในการลงทะเบียนใบหน้าน้อยกว่า 1
วินาทีและมีความเร็วในการยืนยันถึง 80,000
หน้าต่อวินาทีในวิธีการยืนยันแบบ 1:N
เพื่อยืนยันผลลัพธ์เหล่านี้กับตัวอย่างของท่าน
โปรดลองใช้โปรแกรมสาธิตการทำงานของ VeriLook algorithm
การประมวลผลหลายใบหน้า ระบบ Verilook 3.3 ทำการตรวจจับใบหน้าทั้งหมดที่อยู่ในกรอบปัจจุบันและประมวลผลใบหน้าทั้งหมดในขณะเดียวกัน
ไม่ต้องใช้ฮาร์ดแวร์ใดเป็นพิเศษ
สามารถใช้กล้องราคาถูกหรือ webcam ถ่ายรูปภาพใบหน้า
การประมวลภาพและการยืนยันจะดำเนินการบนเครื่องคอมพิวเตอร์ทั่วไป
เทคโนโลยีการยืนยันใบหน้าและลายนิ้วมือมาจากผู้ผลิตรายเดียวกัน
Compatible product interfaces และ customer support
จากแหล่งเดียวกันทำให้ผสมผสานระบบ multi-biometric
ได้อย่างง่ายดายและช่วยให้ได้คุณภาพการยืนยันสูง
สามารถใช้โดยลำพังหรือใช้ร่วมกับ algorithm สำหรับระบบไบโอเมตริกซ์อื่นของ
Neurotechnologija ได้
สามารถทำงานได้บนหลาย platform ทำให้สามารถพัฒนาแอพพลิเคชั่นสำหรับยืนยันใบหน้าเพื่อใช้ในระบบปฏิบัติการที่แตกต่างกันได้
ระบบ VeriLook ได้รับการออกแบบเพื่อใช้ในการยืนยันตัวบุคคลแบบ 1:1 และ 1:N
Algorithm
Algorithm สำหรับการยืนยันใบหน้าของระบบ Verilook 3.3 ประกอบด้วย advanced
face localization, การลงทะเบียนและยืนยันใบหน้าโดยใช้ algorithm
สำหรับการประมวลผลรูปดิจิตัลที่ทันสมัย:
face localization ที่รวดเร็วและแม่นยำสำหรับ การตรวจจับหลายใบหน้า ที่เชื่อถือได้ในภาพเคลื่อนไหว กับภาพนิ่ง
ประมวลผลหลายใบหน้าในเวลาเดียวกัน ทุกใบหน้าในกรอบปัจจุบันได้รับการตรวจจับในเวลาน้อยกว่า 0.1 วินาที และใช้เวลาในการประมวลแต่ละหน้าน้อยกว่า 0.2 วินาที
Algorithm สำหรับการยืนยัน template ใบหน้าของระบบ Verilook 3.3 สามารถเปรียบเทียบได้ถึง 80,000 หน้าต่อวินาที
สามารถใช้กับฐานข้อมูลใบหน้าขนาดใหญ่ ได้ เนื่องจากข้อมูลต่อคนมีขนาดเพียง 2.9 KBytes
วิธีการแปลงรูปใบหน้าเป็น template โดยวิธีการเฉลี่ย (Features Generalization Mode)
โดยสร้างกลุ่มของคุณลักษณะของใบหน้าจากรูปหลายรูปของบุคคลหนึ่งๆ
จากนั้นรูปใบหน้าแต่ละรูปจะถูกประมวลผล คุณลักษณะถูกดึงออกมา
และกลุ่มของคุณลักษณะจะถูกวิเคราะห์และรวมกับกลุ่มของ single generalized
features ซึ่งจะถูกบันทึกลงบนฐานข้อมูล ด้วยวิธีนี้ enrolled feature
template จะเชื่อถือได้มากกว่าและการยืนยันใบหน้ามีคุณภาพสูงขึ้น
หมายเหตุ: การประเมินสมรรถภาพทั้งหมดกระทำโดยใช้เครื่องคอมพิวเตอร์ Pentium4 ความเร็ว 3GHz
การทดสอบความน่าเชื่อถือ
ระบบ Verilook 3.3 ถูกทดสอบด้วยรูปภาพใบหน้าจากกล้องหลายยี่ห้อ
ผลการทดสอบที่น่าสนใจที่สุดคือผลที่ได้จากการทดสอบด้วยฐานข้อมูลมาตรฐาน
เพราะในกรณีนี้สามารถเปรียบเทียบกับผลการทดสอบที่ได้จากการใช้ algorithm
อื่นได้ โดยทั่วไปคุณภาพการยืนยันของ algorithm สามารถอธิบายได้โดย Receiver Operating Curves (ROC) ซึ่งแสดงถึงความเป็นอิสระของ False Rejection Rate (FRR) บน False Acceptance Rate (FAR) เส้นโค้ง ROC ที่แสดงนี้แสดงการเปรียบเทียบผลของการทดสอบ ระบบ VeriLook 1.1 กับระบบ Verilook 3.3 ด้วยรูปภาพใบหน้าจากฐานข้อมูล XM2VTSDB
หมายเหตุ: มีการใช้วิธีการแปลงรูปใบหน้าเป็น template
โดยวิธีการเฉลี่ยและมีความพยายามในการทำการยืนยันหลายครั้งระหว่างการทดสอบ
ความต้องการของระบบ
เครื่องคอมพิวเตอร์ Pentium ความเร็ว 1GHz
RAM ขนาด128 Mb
การสาธิตการทำงานของ Algorithm
สามารถดาวน์โหลด โปรแกรมการสาธิต VeriLook ได้ที่นี่เพื่อทำการทดสอบ algorithm สำหรับยืนยันใบหน้าของระบบ VeriLook โปรแกรมจะลงทะเบียนและยืนยันใบหน้าจากกล้องหรือ webcam แทบทุกชนิดรวมถึงจากไฟล์รูปภาพ
มี โปรแกรมการสาธิต 2 โปรแกรมต่อไปนี้
Windows
9x/ME/NT/2000/XP สามารถรองรับข้อมูลจากไฟล์รูปภาพ (BMP, JPEG, TIFF, PNG)
และจากกล้องใดๆ ต้องมี MS DirectX 8.1 หรือใหม่กว่า, MS XML Parser
และ MS GDI+ library.
Linux
สามารถรองรับข้อมูลจากไฟล์รูปภาพ (JPEG, GIF, PNG) และจากกล้องใดๆ
ต้องมี X server, gtk+-2.4 หรือใหม่กว่า และ video4linux interface
สำหรับรองรับวีดีทัศน์
ผลิตภัณฑ์ที่เกี่ยวข้อง
ผลิตภัณฑ์เหล่านี้ใช้ algorithm ของระบบ VeriLook
Next - VeriLook Features