Biometrične metode v sistemu pristopne kode

1. Kaj je biometrija ?

Biometrija predstavlja merjenje bioloških podatkov. Ko govorimo o biometričnih metodah v sistemu pristopne kode, imamo v mislih avtomatizirano identifikacijo živega bitja (človeka) glede na njegove fiziološke značilnosti. Na tržišču je veliko takšnih metod: prepoznava obraza, prstnih odtisov, prepoznava geometrije roke ali prstov, prepoznava šarenice, govora in pisave ...
V zadnjem času, ko so takšne naprave široko dostopne, biometrične metode vse bolj nadomeščajo klasične »ključavnice«, ki temeljijo na raznih PIN-ih oz. geslih. V času informacijske revolucije je nastala prava poplava PIN-ov in gesel, ki jih potrebujemo pri raznih identifikacijah bodisi na spletu, bankomatu, v lokalni/oddaljeni mreži ali v službi. Biometrija ima tukaj veliko prednosti pred klasičnimi metodami. Gesla se hitro pozabijo, kartice se lahko izgubijo, založijo, ali ukradejo. Veliko različnih biometričnih sistemov za »real-time« identifikacijo je na voljo. Najbolj popularni so tisti, ki temeljijo na prepoznavi obraza ali prstnih odtisov.

1.A. Pri vstopu

Biometrični sistemi so v bistvu primerjalniki vzorcev. Prepoznava osebe temelji na primerjanju binarne kode neke fiziološke lastnosti, s tisto kodo, ki je v napravi že shranjena. Najprej je potrebno zajeti žive podatke z osebe. S pomočjo kompleksnih algoritmov sistem zajete podatke pretvori v binarno kodo, ki jo nato primerja s tisto v svojem spominu.

1.B. FRR / FAR in EER

V nasprotju s klasičnimi metodami, moramo pri biometričnih metodah upoštevati tudi
verjetnost. Vsi senzorji, ki jih uporabljamo so
podvrženi šumom in napakam. Še večji problem pa predstavlja dober in robusten algoritem. Biometrične metode niso eksaktne metode! Na koncu se te omejtive stekajo k dvema pojmoma: FRR (false rejection rate, ang.) ter FAR (false acceptance rate, ang.).
FAR predstavlja uspešno registracijo neavtoriziranega oz. neobstoječega uporabnika v sistemu.
FRR pa pomeni neuspešno registracijo uporabnika z obstoječo avtorizacijo.
Potrebno je narediti kompromis pri občutljivosti sistema. Če je sistem visoko občutljiv, dobimo majhne FAR vrednosti, zato pa toliko večje FRR. Za slabo občutljiv sistem pa obratno, takšen sistem sprejme skoraj vsakogar (FAR > FRR).
Občutljivost lahko izberemo tako, da sta vrednosti FAR in FRR enaki, tej skupni vrednosti pravimo EER (equal error rate, ang.). Manjša kot je vrednost EER večja je točnost sistema.

Pri aplikacijah, kjer dajemo prednost uporabnosti pred varnostjo (npr. hotelske sobe), se moramo sprijazniti z visoko FAR vrednostjo.

1.C. Identifikacija / verifikacija

Večkrat se zgodi, da uporabljamo termin identifikacija, ko govorimo o verifikaciji in obratno. Identifikacija pomeni določanje osebe na podlagi njenih biometričnih podatkov. Največkrat imamo bazo biometričnih podatkov v kateri primerjamo trenutno zajete podatke, dokler ne najdemo najbolj sovpadajočih. Iščemo med N osebami v bazi, zato tudi večkrat rečemo, da je to »1:N« ali »one-to-many-comparison«. Pri identifikaciji iščemo identiteto osebe (npr. ime).
Pri verifikaciji preverjamo, ali je oseba res ta za katero se predstavlja. Tu imamo samo eno primerjavo (1-1). Zajete podatke primerjamo s podatki, ki so na smart-kartici ali pa v bazi. Ker vemo kdo naj bi ta oseba bila (poznamo ime), primerjamo podatke s senzorja samo s shranjenimi podatki te osebe.

2. Vrste biometričnih metod

V grobem si lahko biometričen sistem predstavljamo kot sistem, ki primerja vzorce na vhodu z že znanimi vzorci. Na podlagi fizioloških značilnosti se nato izvede identifikacija ali verifikacija. Pri načrtovanju takšnih sistemov je pomembno, na kakšen način bo sistem prepoznaval posameznika. Odvisno od uporabe je sistem identifikacijski ali pa verifikacijski.
Danes najbolj popularne metode so na grafu (slika 1).

Slika 1: Vlaganja ameriške vlade v biometrijo (2002)

2.A. OBRAZ
Prepoznava obraza je ena izmed zanimivejših metod. Desetletja že potekajo raziskave na tem področju, a večji uspehi se kažejo šele kakšnih 10 do 15 let. Veliko firm in raziskovalcev največ truda posveča sistemu za prepoznavo posameznikov v množici. Naraščanje števila terorističnih napadov je te raziskave še izdatno podkrepilo. Pred napadi je ameriška vlada te sisteme nameščala v območja z veliko kriminala. Danes jih najdemo na vseh večjih letališčih, mejnih prehodih, državnih ustanovah in drugih ranljivih mestih. Tako široka uporabnost je posledica velike pocenitve teh sistemov. Z uporabo PC kamer največji strošek predstavlja programska oprema, ki dejansko opravlja prepoznavanje. Cene takšnih programov so nekaj tisoč dolarjev ali manj.

2.A.1. Delovanje.

V splošnem moramo najprej zagotoviti slike (sliko) obraza. Minimum je 3 do 5 slik na sekundo pri ločljivosti 320x200 pixlov. Nato algoritem analizira določene lastnosti slike na razne načine ali pa s kombinacijo večih postopkov. Ti podatki se nato primerjajo še s podatki v bazi. V preteklosti, ko je bila računska moč draga, so se zanašali na enostavne geometrijske lastnosti. Danes pa se uporabljajo bolj izpopolnjene matematične metode.
Trenutno so popularne štiri metode. Prva je eigenface (ang.) metoda, razvita na MIT. Najbolj uporabljana metoda je LFA (local feature analysis, ang.). Metoda na katero najbolj stavijo v prihodnosti je analiza z nevronskimi mrežami. Četrta, najstarejša, metoda je AFP (automatic face processing, ang.).

2.A.2. EIGENFACE

Eigenface, ki nekako pomeni »njegov lasten obraz« je patentirana tehnologija. Razvita je bila na MIT-u.
Slika 2: Nekaj eigenface-ov

Metoda temelji na 2D sivinskih slikah, ki vsebujejo podatke o različnih obraznih lastnostih (eigenvector, ang.). Eigenface aproksimiramo iz par slik, na katerih z algoritmom poiščemo določene lastnosti. Tako nastanejo zgornje slike. Na sliki 2 je nekaj eigenface-ov večih ljudi, pridobljenih z aproksimacijo različnih slik posameznika. Ponavadi se za aproksimacijo uporabijo slike večih obraznih izrazov iste osebe, slike z in brez očal, z in brez brade oz. brkov ter različnih pričesk (čop, kitke ...). Vsakem eigenface-u je potrebno določiti še spol, raso, ime, starost in ostale potrebne lastnosti.
Uporabna je tako za 1-N kot tudi za 1-1 prepoznave. Potrebno je zagotoviti dobro osvetljen prostor in kvalitetne slike sprednje strani obraza.

2.A.3. LFA

Najbolj uporabljana metoda pri prepoznavi obraza. V nekaj pogledih zelo podobna eigenface metodi, le da se je ta metoda bolj sposobna prilagajati spremebi videza osebe, spremebi svetlobe, spremembi pričeske, barvi kože in modnih dodatkov.
LFA analizira veliko obraznih lastnosti na različnih delih obraza, pri tem pa upošteva tudi relativne razdalje (npr. med očmi, od ust do nosa ipd.). Izbrane lastnosti so uporabljene kot gradniki obraza. Pri identifikaciji / verifikaciji se upošteva tip gradnika (lastnosti okoli ust, oči ...) kot tudi postavitev na obrazu.

Metoda zna predpostavljati, da se majhni odmiki določene lastnosti (npr. ust), kažejo kot majhni odmiki različnih

Slika 4: Identifikacija zločinca
v množici

lastnosti v njeni bližini. Najboljše rezultate dobimo s slikami sprednje strani obraza, čeprav metoda pravilno prepoznava tudi pri odmikih do 25°. Težave se pojavijo, ko imamo
kompleksno ozadje
slike. Metoda je
Slika 5: Lastnosti obraza uporabna pri 1:N kot
pri 1-1 prepoznavah.

2.A.4. NEVRONSKE MREŽE

Nevronske mreže veliko obetajo v prihodnosti. Pri nastavljanju (učenju) mreži predstavimo sliko, ki jo ta primerja s sliko v svojem spominu. Mreža nato nastavlja uteži dokler ne dobimo željenega rezultata. Teoretično se lahko mreže naučijo prepoznavati vse obraze na tem planetu tudi pri zelo slabih pogojih zajemanja slike. Mreža analizira celotno sliko, na kateri išče kontrastne elemente (oči, obrvi, eno stran nosa, usta, ličnice ...).

Slika 6: Nevronska mreža

Tako kot prejšnje metode, lahko tudi to uporabljamo pri obeh načinih iskanja (1:N ali 1-1).

2.A.5. AFP

Izmed vseh obravnavanih metod za prepoznavo obraza, je AFP najbolj okrnjena metoda. Metoda se zanaša na razdalje in razmerja razdalj enostavno določljivih lastnosti obraza (razdalja med očmi, ušesi, dolžino ustnic ...). Potrebno je zagotoviti sprednjo sliko obraza. Sicer ne tako robustna metoda, a ima določene prednosti pri slabih pogojih (svetloba, ozadje ...). Uporabna za 1:N in 1-1 prepoznave.

2.A.6. Zanimivi izdelki

Neurodynamics Ltd. [4] je izdala na tržišče novo generacijo naprav. Njihov sistem je sposoben 3D prepoznave obraza. Verifikacija pod 1 sekundo je zagotovljena na 400 MHz Pentium procesorju.

Slika 7: Obraz kot ga vidi Tridentity

2.B. PRSTNI ODTIS

Izmed vseh biometričnih metod je metoda prepoznavanja prstnih odtisov najstarejša. Uspešno je uporabljena v številnih aplikacijah. Vemo, da ima vsak izmed nas prstne odtise in da so si odtisi unikatni pri vsakem posamezniku posebej. Tudi pri enojajčnih dvojčkih se prstni odtisi razlikujejo. Čeprav imata enak DNA zapis pa to še ne zadostuje za medsebojno identičnost. Kako se bo zarodek razvil je odvisno od številnih faktorjev kot npr.: količina dovajane krvi, količina hormonov, zunanji dejavniki ipd. Odtisi so zavarovani pred mutacijami.
Prstne odtise sestavljajo kožne gubice in brazde ter različni detajli. Detajli so vzorci na koncu ali na pregibu gubic. Globalni vzorci, ki jih naredijo gubice, brazde in detajli na konici prstov so na vsakem prstu drugačni in zelo prikladni za prepozavanje.
Slika 8: Prstni odtis; gubice, brazde, detajli (v kvadratkih)

Metode za prepoznavanje prstnih odtisov se v glavnem delijo na dve področji. Prve so takšne, ki iščejo detajle prstnih odtisov. Te metode najprej poiščejo vse detajle, nato pa natančno določijo njihovo lego
(2D koordinate) in medsebojno razdaljo. Težave se pojavijo pri slabi kakovosti zajetih odtisov. Pri takšni metodi je zanemarjena informacija o globalni razporeditvi brazd in gubic na prstu.
Slika 9: Primerjanje detajlov prstnega odtisa

Druge, bolj uporabne, so korelacijske metode. Te metode so bolj celostne, v tem smislu, da upoštevajo usmerjenost, debelino in gostoto gubic na določenem mestu. Bolj izpopoljnjeni algoritmi analizirajo vse karakteristike prstnega odtisa: gubice, brazde in detajle, usmerjenost, gostoto / frekvenco, zapomnijo si tudi razne anomalije.
Ti podatki se nato shranijo v spomin. Velikost podatkov je sorazmerna kompleksnosti analize. Za en prstni odtis lahko zadostuje že par sto bajtov (metode, ki iščejo detajle), medtem ko ima lahko sistem za zagotavljanje visoke varnosti, podatke shranjene v več megabajtih za en prstni odtis.
Nikoli se ne hrani dejanske slike odtisa. Iz shranjenih podatkov tako ni moč rekonstruirati slike prstnega odtisa. Pri korelacijskih metodah je količina podatkov večja.

Slika 10: Kartica z vgrajenim modulom za prepoznavanje prstnih odtisov (verifikacija)

Danes imamo že zelo velike baze prstnih odtisov, samo FBI jih ima okoli 70 milijonov. Razviti so algoritmi za hitro pregledovanje tako obsežnih baz. Prstni odtisi se najprej razdelijo v več skupin. Vsi odtisi s podobnimi lastnostmi gredo v eno skupino (npr. desno ukrivljeni, velik lok ipd.). Na skupini odtisiov nato uporabimo eno izmed zgoraj opisanih metod.

V vsakdanji rabi ima prepoznava prstnih odtisov kar nekaj prednosti pred prepoznavo obraza. Manjše so zahteve po strojni opremi. Tu ni potrebno obdelovati digitalnega videa v real-time. Enostavna postavitev, nastavitev in vzdrževanje odlikujejo vse sisteme za prepoznavanje prstnih odtisov. Takšni sistemi se bodo v velikem številu pojavili na naših tipkovnicah, BA karticah, dlančnikih in še marsikje.

2.B.1 Zanimivi izdelki

Cherry, svetovno znan proizvajalec tipkovnic, je v svojo ponudbo že pred časom vključil tipkovnice z vgrajenim senzorjem za prepoznavajne prstnih odtisov.

Slika 11: Cherry-jeva tipkovnica

Nemška družba Dermalog [5] radikalno spreminja izgled novih potnih listov, bančnih kartic, vozniških dovoljenj in podobnih dokumentov, razvijajo namreč serijo BiSeDo (biometrically secured documents). Na teh dokumentih so med drugim shranjeni tudi biometrični podatki uporabnika.

BPI [6] prodaja t.i. touch-less naprave za prepoznavanje prstnih odtisov do oddaljenosti 50 mm. Oviro ne predstavlja niti 30 mm laminiranega (neprebojnega) stekla.
FAR 1 : 10,000
FRR 1 : 1,000

Slika 12: Naprava za prepoznavo brez dotika, BPI

2.C. OKO (ŠARENICA)

Prepoznava temelji na unikatnih lastnostih človeške šarenice. Največkrat je metoda uporabljena za identifikacijo, lahko pa tudi za verifikacijo. Prepoznavnje je lahko pri vidni ali IR svetlobi. Analizirajo se radialni vzorci, pegice in brazdice v šarenici, če naštejemo samo bolj znane pojme.

Slika 13: Analiza šarenice

Naprednejše metode nam dajo 3.4 bite/mm2 podatkov pri 19 mm premeru šarenice. S takšno gostoto podatkov lahko rečemo, da ima vsaka šarenica 266 DOF (deegre of freedom, ang.). Ostale biometrične metode dosegajo od 13 do 60 DOF. Seveda tu nastopajo omejitve. Največja je omejitev samega korelacijskega algoritma pa tudi prirojene lastnosti šarenice se razlikujejo od posameznika do posameznika. Realno lahko pričakujemo do 170 DOF. Podatki se shranijo v 512 bajtne šablone (templates, ang.). To omogoča zelo hitro primerjanje (500,000 primerjav/s).

2.C.1. Zajemanje slike

S kamero prvo naredimo sliko šarenice z razdalje ne večje od enega metra. Algoritem nato z leve in desne strani poišče zunanje robove šarenice. S horizontalnim iskanjem se izognemo napakam, ki lahko nastanejo zaradi vek. Obenem se določi tudi notranji rob. Spodnjih 45° se ne upošteva pri analizi, zaradi različnih motečih dejavnikov kot je vlažnost očesa (solze) in osvetlitve. Kamera za zajemanje je monokromatska, deluje v spektru vidne in IR svetlobe.
Slika 14: Zajemanje (zanemarjenih spodnjih 45° in zgornji del blizu veke)

Boljši algoritmi vse zaznane lastnosti hranijo v obliki vektorjev in z njim tvorijo fazorski diagram. To jim omogoča zelo veliko točnost in hitrost primerjanja. Algoritem, ki primerja dve šarenici med seboj, ne primerja njihovih slik, ampak le fazorske diagrame.

2.C.2. Zanimivi izdelki

Slika 15: Modul pripravljen na nov obraz;
dimenzije v oklepajih so v mm, Ohana Intl.

Pri Ohana Intl. lahko nabavimo že pripravljen modul za prepoznavo obraza. Prikladno za integracijo v večji sistem (biometrična ključavnica).

2.D. GLAS

Prepoznavanje uporabnika s pomočjo glasu je že dolgo aktualno področje. Razvitih je že bilo veliko bolj ali manj uspešnih načinov. Razdelimo jih lahko v dve skupini. Predvsem starejši alogritmi so odvisni od izgovorjenega teksta. Kar pomeni, da mora uporabnik izgovarjati točno določene besede ali nize besed. Novejši algoritmi so bolj robustni in prilagodljivi. Ponavadi jim je vseeno katere besede uporabnik izgovarja in pri vsaki verifikaciji spreminjajo niz besed.
Laiki največkrat enačimo sistem za glasovno prepoznavo in sistem za prepoznavo izgovorjenih besed ali črk. Sistemi, ki lahko glasovno prepoznajo (verificirajo oz. identificirajo) osebo, ne prepoznavajo izgovorjenih besed. Od uporabnika zahtevajo izgovarjanje določenih nizov besed, sam sistem ne ve ali so bile izgovorjene pravilne besede. Med različnimi uporabniki lahko loči, ker ima vsaka oseba drugačen vokalni trakt. Vokalni trakt je organ za proizvajanje glasov. Sestavljajo ga številni drugi telesni organi: trebušna prepona, pljuča, glasilke, nosnice, usta ... Trakt spreminja lastnosti akustičnega vala, ki potuje skozenj ter posledično proizvaja govor.
Slika 16: Princip glasovne prepoznave

Princip prepoznave prikazuje slika 16. Vhod v preprocesor je govorni signal. Preprocesor opravlja nalogo vhodnega filtra. Zaznava začetek in konec signala ter nastavlja ojačenje. Signal se nato analizira. Poiščejo se določene lastnosti v signalu, tako se tvori vhodni vektor podatkov. Za vsakega uporabnika sistema je potrebno prej posneti vzorec glasu, ga analizirati ter shraniti vektor. Sledi primerjava, vhodni vektor se primerja z izhodnim. Alogritmi za prepoznavo glasu so zelo raznovrstni. Skoraj vsak sistem ima svojega. Eden izmed pristopov je takšen, da se najprej določi diskretna prenosna funkcija vokalnega trakta. Težave se pojavijo, ker se telo spreminja, s tem pa tudi lastnosti vokalnega trakta. V zadnjem času je vse večji trend analiza fonemov. Metoda ni odvisna od vnaprej pripravljenih besednih nizov, kar ji daje določene prednosti. Sposobna je prepoznati osebo med deseterico ljudi, tak sistem je težko prevarati s posnetkom. Metoda ima enako težavo kot prejšnje, da se parametri človeškega telesa precej spreminjajo s časom. Kljub vsemu so takšne naprave zelo zanesljive, pravilno prepoznavajo tudi prehlajena grla.

2.D.1. Zanimivi izdelki
Slika 17: Voice Extreme IC (blokovna shema), Sensory Inc.

Sensory Inc. [7] ponuja paleto IC-jev in modulov za glasovno prepoznavo.

Voice Security Systems [8] trži glasovni sistem za odpiranje garažnih vrat na stanovanjski hiši.

Veliko firm nudi algoritme za glasovno prepoznavo, kot pakete knjižnic za različne programske jezike. Tako so nastali »voice verificated« screensaver-ji, ki namesto navadnega gesla zahtevajo, da se uporabnik verificira preko mikrofona. Uporabno za zaščito delovnih postaj ali serverjev.

2.E. GEOMETRIJA ROKE

Pristop temelji na analizi geometrije dlani ali prstov. Takoj se srečamo z vrsto problemov. Posamezne geometrične lastnosti roke niso dovolj opisne za identifikacijo. Težko bi zgradili bazo podatkov geometričnih lastnostih rok velikega števila uporabnikov. Hitro se doseže število rok v bazi, ko algoritem več ni zmožen zagotovo razločiti med dvema ali več uporabniki. Takšni sistemi niso primerni za identifikacijo (1:N prepoznave). Obstajajo pa robustni in zelo uspešni algoritmi za hitro verifikacijo (1-1) posameznika. Za razliko od prstnih odtisov, geometrične lastnosti roke niso unikatne. Dolžina, debelina in ukrivljenost prstov lahko služi za verifikacijo ne zadostuje pa pri identifikaciji. V veliko primerih, kjer uporabljamo sisteme pristopne kode, naletimo na oviro varovanja osebnih podatkov. Marsikdo ne dovoli, hranjenja svojih prstnih odtisov v raznih podatkovnih bazah. V takšnih primerih je potrebno zagotoviti sistem, ki v manjši meri vdira v posameznikovo zasebnost. Sistemi za analizo geometričnih lasnosti roke so zelo prikladni za to nalogo. Če se pojavijo zahteve po večji varnosti, lahko uporabimo sistem za geometrično analizo v kombinaciji s kakšno drugo biometrično metodo. Idealen je sistem, ki uporablja geometrično analizo roke za pogoste in hitre verifikacije, med tem ko za identifikacijo uporablja prepoznavo šarenice.

Učinkovitost sitemov za geometrično analizo roke se kaže v Ameriki. Skoraj polovica tamkajšnjih nuklearnih elektrarn je na vhodih opremljena s takšnimi napravami. Ameriška vlada jih je namestila v olimpijsko vas leta 1996, ducat jih je nameščenih tudi

Slika 18: Geometrična analiza roke

na mejnih prehodih, kjer dnevno verificirajo čez 60,000 potnikov.

2.E.1 Zanimivi izdelki

Recognition systems [9] ponuja celo vrsto naprav za bolj in manj zahtevne naloge. Sisteme odlikujejo nizki stroški, točnost, velika hitrost.

Slika 19: Ena izmed Recognition systems naprav

2.F. DNA

Živimo v dobi novih odkritij. Vsak dan nam znanstveniki poročajo o še bolj neverjetnih dosežkih. Računsko zahtevni algoritmi postajajo hitrejši, procesorska moč pa cenejša. Kmalu se bomo lahko identificirali s svojim DNA zapisom. Danes je za kaj takega še malo prezgodaj.
Ameriška firma Nanogen [10] razvija čip velikosti poštne znamke, ki bi v bližnji prihodnosti lahko nadomestil kemični laboratorij. Sposoben naj bi bil analizirati tekočino, lase ali kožo. Čip lahko izolira molekulo DNA iz vzorca ter jo primerja s podatki iz baze. Američani shranjujejo DNA vsakega kaznjenca. Velike baze obstajajo tudi drugod po svetu.

Slika 20: Nanogen-ov DNA čip

Slika 21: DNA čip nemškega proizvajalca

3. Biometrija postaja biznis

Biometrične metode postajajo zelo popularna alternativa bolj tradicionalnim pristopom varovanja. Svoj delež pa si bodo biometrične metode izborile še na marsikaterem področju. Dober kazalec zrelosti tehnologije je denar. V letu 2002 je samo ameriška vlada vložila v biometrično industrijo 16,43 milijona dolarjev (graf na 1. strani). $153 mil. je pričakovani dohodek biometrične industrije v ZDA v letu 2003. Pričakovana rast dohodka med letoma 2000 in 2007 je 47%.

3.1. Kdo je največji ?

Prepoznava obraza:
Razvijalci novih sistemov se trudijo predvsem z razvojem sistema, ki bo sposoben točne identifikacije na večje razdalje.
Veliko denarja v to panogo prinesejo igralnice. S pomočjo takšnih sistemov lahko osebje veliko lažje in hitreje prepozna znane prevarante.

Dohodek v letu 2002: $34,4 mil.
Pričakovani dohodek leta 2007: $429 mil.

Prstni odtis:
Znanstveniki so na tem področju dosegli največ. Zdaj se trudijo z minimizacijo naprav in razvojem čipovnih senzorjev, namesto CCD senzorjev. To je najcenejša izmed vseh biometričnih metod. Na veliko se jih vgrajuje v tipkovnice, prenosne računalnike, dlančnike ...

Podatki samo za senzorje:
Dohodek v letu 2002: $144,2 mil.
Pričakovani dohodek leta 2007: $1,23 milijarde

Podatki za samostojne naprave:
Dohodek v letu 2002: $323 mil.
Pričakovani dohodek leta 2007: $1,25 milijarde

Prepoznava šarenice:

Najbolj pereč problem je izločanje vplivov ozadja. Raziskovalci na tem področju imajo še dolgo pot pred seboj, sanje so identifikacija posameznika s čim večje razdalje (satelita).

Dohodek v letu 2002: $16,2 mil.
Pričakovani dohodek leta 2007: $210,2 mil.

Glasovna prepoznava:

Prednosti te metode so v ceni in enostavnosti. Omogoča enostavno in učinkovito zaščito računalnikov, dlančnikov, mobitelov, web strani ter verifikacijo / identifikacijo na daljavo. Težave povzročajo šumi iz ozadja ter hudi prehladi.

Dohodek v letu 2002: $12,2 mil.
Pričakovani dohodek leta 2007: $142,1 mil.

Geometrija roke:

Na trgu že od 80-ih let prejšnjega stoletja. Dodobra preizkušena. Ni ustrezna za identifikacijo.
Dohodek v letu 2002: $27,7 mil.
Pričakovani dohodek leta 2007: $97,4 mil.

Navedeni podatki veljajo za ZDA, povzeti so po Federal Computer Week-u [11].

4. Zaključek

Biometrija vnaša nove mejnike v naša življenja. Danes biometrične metode niso več zabavna alterntiva elektronskim oz. mehanskim ključavnicam, ampak naša prva izbira. Da je to prava stvar, se v Ameriki še kako zavedajo. Vlada je podprla razvoj vrsti naprav, policija ter ostale zvezne in tudi privatne agencije pa biometrične sisteme postavljajo na veliko po celi Ameriki. Pri nas je na tem področju še veliko prostora, za mlade inženirje je to lahko zelo obetavna panoga. Kmalu bomo dočakali dan, ko nam več ne bo potrebno nositi osebnih izkaznic, denarnic ali bančnih kartic po žepih, prepoznavali nas bodo namreč stroji.

Viri:

[1] www.biomet.org

[2] www.biometricgroup.com

[3] www.biometrics.org

[4] www.neurodynamics.com

[5] www.dermalog.com

[6] www.biometricpartners.com

[7] www.sensoryinc.com

[8] www.voice-security.com

[9] www.recogsys.com

[10] www.nanogen.com

[11] www.fcw.com

Ta prispevek je na portalu Publikacije.net objavil/a Matija Mraovič dne 2006-09-29.

Ocenite prispevek:

5 out of 54 out of 53 out of 52 out of 51 out of 5 

# of Ratings = 3 | Rating = 5/5