மரபியல் வல்லுநர்கள் தனிப்பட்ட அடையாள தொழில்நுட்பங்களை உருவாக்குகின்றனர். ஆய்வறிக்கை: குரல் தனிப்பட்ட அடையாள அமைப்பு மூலம் தனிப்பட்ட அடையாளத்திற்கான மென்பொருள்

"1000 க்கும் மேற்பட்ட கணினி நிரல்கள்..." வடிவியல் அம்சங்களைப் பயன்படுத்தி புகைப்படத்தில் இருந்து ஒரு நபரை அடையாளம் காணும் மென்பொருள் தொகுப்பு பற்றி பேசப்பட்டது, இது இன்ஸ்டிடியூட் ஆஃப் இன்ஃபர்மேடிக்ஸ் ஆஃப் தி சயின்டிஃபிக் அண்ட் டெக்னிக்கல் சென்டரில் "நவீனமானது" தகவல் தொழில்நுட்பம்” உஸ்பெகிஸ்தானின் அகாடமி ஆஃப் சயின்சஸ்.

வெளியீட்டிற்குப் பிறகு, போரிஸ் ஃபிலடோவிடமிருந்து எங்களுக்கு ஒரு கடிதம் வந்தது, அவர் இதேபோன்ற திட்டத்தின் ஆசிரியர் என்றும் கூறினார்.

பல்கலைக்கழகத்தில் இளங்கலை பட்டத்திற்கான இறுதி தகுதிப் பணியை முடித்ததன் விளைவாக "முகத்தின் மானுடவியல் புள்ளிகளின் அடிப்படையில் தனிப்பட்ட அடையாளம்" திட்டம் உருவாக்கப்பட்டது. எனது இறுதிப் பணிக்கான தலைப்புகளை அங்கீகரிக்க வேண்டிய நேரம் வந்தபோது, ​​​​நான் நீண்ட நேரம் தயங்கினேன் - எந்த தலைப்பை தேர்வு செய்வது, எந்த திசையில்? நான் எப்போதும் கிராபிக்ஸ் வேலை செய்வதில் ஆர்வமாக உள்ளேன், எனவே இந்த துறையில் பணிபுரியும் ஒரு ஆசிரியரை தொடர்பு கொள்ள முடிவு செய்தேன். என் ஆசிரியர், நர்கிசா அலோகோட்ஜேவ்னா அரிபோவா, நான் டிஜிட்டல் இமேஜ் ப்ராசஸிங்கை மேற்கொள்ளுமாறு பரிந்துரைத்தேன். இந்த தலைப்பு அரிதானது மற்றும் தகவலைக் கண்டுபிடிப்பதில் சிக்கல்கள் இருக்கும் என்று நான் உடனடியாக எச்சரித்தேன். ஆனால் தலைப்பு என்னை கவர்ந்தது, எனவே எப்படியும் அதை செய்ய முடிவு செய்தேன்.

நர்கிசா அலோகோட்ஜேவ்னா என்னை டிஜிட்டல் இமேஜ் பிராசசிங் துறையில் நிபுணரிடம் பரிந்துரைத்தார், தொழில்நுட்ப அறிவியல் வேட்பாளர், விக்டர் நிகோலாவிச் கான். அவர் எனக்கு தனிப்பட்ட அடையாளத்தின் தலைப்பைப் பரிந்துரைத்தார் மற்றும் எனது மேற்பார்வையாளரானார். கூடுதலாக, பெலாரஷ்யன் இன்ஸ்டிடியூட் ஆப் சைபர்நெடிக்ஸ் ஊழியர் ஒருவர் பொருள் மற்றும் தகவல்களைக் கண்டுபிடிப்பதில் எனக்கு பெரும் உதவியை வழங்கினார். டிமிட்ரி இவனோவிச் சமல். எனது பணியில் இவர்களின் பங்களிப்புகள் மற்றும் உதவிகளுக்காக இந்த நேரத்தில் நன்றி தெரிவிக்க விரும்புகிறேன்.

திட்டத்தின் செயல்பாடு

திட்டத்தின் பெயரிலிருந்து - "முகத்தின் மானுடவியல் புள்ளிகளின் அடிப்படையில் தனிப்பட்ட அடையாளம்" - இது ஒரு நபரை அவரது டிஜிட்டல் படத்தால் அடையாளம் காணும் நோக்கம் கொண்டது என்பது தெளிவாகிறது. இந்த தலைப்பின் பொருத்தம் என்னவென்றால், சமீபத்தில் ஒரு மூடிய தரவுத்தளமாக இருந்தாலும் அல்லது ஒரு ரகசிய ஆய்வகமாக இருந்தாலும், பல்வேறு பொருள்களுக்கு மக்களுக்கு பாதுகாப்பான அணுகலை உறுதி செய்வதில் பெரிய சிக்கல்கள் எழுந்துள்ளன. எனவே, ஒரு நபரை அடையாளம் கண்டு, இந்த நபருக்கு கணினியில் நுழைய உரிமை உள்ளதா அல்லது அது ஒருவித தாக்குதலாளியா என்பதை தீர்மானிக்க வேண்டிய அவசியம் உள்ளது.

ஒரு நபரை கைரேகைகள் அல்லது கை ரேகைகள் மூலம் அடையாளம் காணாமல், முகப் படத்தைக் கொண்டு அடையாளம் காண்பது ஏன்? முகப் படத்தைப் பயன்படுத்தி ஒருவரை அடையாளம் காணும்போது, ​​அந்த நபருக்கும் சாதனத்துக்கும் இடையே உடல்ரீதியான தொடர்பு இருக்காது. இந்த வகைஅடையாளம் இயற்கையானது மற்றும் ஒரு நபருக்கு சிரமத்தை ஏற்படுத்தாது. ஆந்த்ரோபோமெட்ரிக் முக அம்சங்கள் என்பது ஒரு நபரின் வளர்ச்சியின் முடிவில் (21-25 ஆண்டுகள்) தொடங்கி, தீவிர முதுமை வரை காலப்போக்கில் மாறாதவை.

திட்டத்தின் முக்கிய நோக்கம் இரண்டு புகைப்படங்களை ஒப்பிட்டு, புகைப்படங்கள் வெவ்வேறு நபர்களை அல்லது ஒரே நபரை சித்தரிக்கின்றனவா என்பதை தீர்மானிப்பதாகும். முதலில், இரண்டு புகைப்படங்கள் பதிவேற்றப்படுகின்றன. பின்னர் ஒவ்வொரு படமும் செயலாக்கப்பட்டு, பெறப்பட்ட அளவுருக்களின் அடிப்படையில் ஒரு ஒப்பீடு செய்யப்படுகிறது. படம் இரண்டு நிலைகளைக் கடந்து செல்கிறது: பட செயலாக்க நிலை மற்றும் தகவல் அம்சங்களைப் பிரித்தெடுக்கும் நிலை.

படத்தை மங்கலாக்குதல், முகப் பகுதியைத் தனிப்படுத்துதல், படத்தை இருமைப்படுத்துதல், நிறங்களைத் தலைகீழாக மாற்றுதல், வரையறைகளை முன்னிலைப்படுத்துதல் மற்றும் வண்ணப் படத்தை கிரேஸ்கேலுக்கு மாற்றுதல் போன்ற மாற்றங்களை நிரல் செய்கிறது. இந்த மாற்றங்களைப் பயன்படுத்தி, முகத்தின் முக்கிய மானுடவியல் புள்ளிகளைத் தேட படம் தயாராக உள்ளது. முதலில், நபரின் முகத்தின் மானுடவியல் கட்டமைப்பின் படி முகப் பகுதிகள் ஒரு கட்டமாக பிரிக்கப்படுகின்றன. தொடர்புடைய பகுதிகள் பின்னர் மாணவர்களின் மையங்கள், நாசி, மூக்கின் முனை மற்றும் வாயின் மையம் ஆகியவற்றைத் தேடுகின்றன.

முகத்தின் காணப்படும் மானுடவியல் புள்ளிகளின் அடிப்படையில், படத்தின் முக்கிய அம்சங்கள் கணக்கிடப்படுகின்றன. ஒவ்வொரு படமும் செயலாக்கப்பட்ட பிறகு, இரண்டு படங்களும் கணக்கிடப்பட்ட குணாதிசயங்களின்படி ஒப்பிடப்பட்டு, ஆளுமைகளில் ஒற்றுமை அல்லது வேறுபாட்டின் சதவீத மதிப்பு கொடுக்கப்படுகிறது.

திட்டத்தின் வளர்ச்சி

இந்த தலைப்பு ஒப்பீட்டளவில் புதியது, எனவே பல டெவலப்பர்கள் தொடர்ந்து அதில் வேலை செய்கிறார்கள், மென்பொருள் தயாரிப்புகளை மேம்படுத்துகிறார்கள். தாஷ்கண்டில், இந்த தலைப்பு சைபர்நெட்டிக்ஸ் நிறுவனத்தால் கையாளப்படுகிறது ( முன்னாள், இப்போது - உஸ்பெகிஸ்தான் குடியரசின் அகாடமி ஆஃப் சயின்ஸின் இன்ஃபர்மேடிக்ஸ் நிறுவனம், தோராயமாக. இணையதளம்), இது பெலாரஷ்யன் இன்ஸ்டிடியூட் ஆஃப் சைபர்நெடிக்ஸ் உடன் ஒத்துழைக்கிறது. என்னுடையது போன்ற திட்டங்கள் ஏற்கனவே இந்த நிறுவனங்களில் உருவாக்கப்பட்டுள்ளன. எனவே, கேள்விகள் எழுந்தால், கேள்வி கேட்க அல்லது ஆலோசனை கேட்க வாய்ப்பு இருந்தது. ஆனால் உதவி என்பது ஒரு சிறிய தகவல் மட்டுமே, அதனால் எல்லா வேலைகளையும் நானே செய்தேன். திட்டத்தை உருவாக்க சுமார் மூன்று மாதங்கள் ஆனது.

உருவாக்கப்பட்ட நிரல் ஒரு முழுமையான மென்பொருள் தயாரிப்பு ஆகும், இருப்பினும் அதை ஒரு சிறந்த நிலைக்கு கொண்டு வர இன்னும் நிறைய வேலைகள் செய்யப்பட வேண்டும். நிரல் இன்னும் நடைமுறை பயன்பாட்டிற்கு ஏற்றதாக இல்லை, மேலும் எனது பல யோசனைகள் உணரப்படாமல் இருந்தன. திட்டத்தை முடிக்க, மென்பொருள் பகுதிக்கு கூடுதலாக, உங்களுக்குத் தேவை தொழில்நுட்ப சாதனங்கள்மற்றும் நிதி தேவைப்படும் பல சோதனைகள். அதை முடிவுக்கு கொண்டு வருவதில் நான் மகிழ்ச்சியடைவேன், ஆனால் ஒரு நபர் அத்தகைய பணியை சமாளிக்க முடியாது, ஒரு குழு தேவை, பின்னர் செயல்முறை மிக வேகமாக செல்லும்.

போரிஸ் ஃபிலடோவ்

பி.எஸ். நிரல் மைக்ரோசாஃப்ட் விஷுவல் சி++ 6.0 இல் உருவாக்கப்பட்டது.

2.1 தனிப்பட்ட அடையாளம்.

தனிப்பட்ட அடையாளம் என்பது அவர்களின் ஒப்பீட்டு ஆய்வின் மூலம் குணாதிசயங்களின் தொகுப்பின் அடிப்படையில் ஒரு நபரின் அடையாளத்தை நிறுவும் செயல்முறையாகும்.

பெரும்பாலான சந்தர்ப்பங்களில் ஒரு நபரின் அடையாளத்தை நிறுவுவது என்பது அவரது கடைசி பெயர், முதல் பெயர், புரவலன், பிறந்த ஆண்டு, பிறந்த இடம் மற்றும் நபரை சந்தேகத்திற்கு இடமின்றி அடையாளம் காணத் தேவையான பிற அடையாளம் காணும் தரவை தீர்மானிப்பதாகும். அடையாள நோக்கங்களுக்காக பல முறைகள் உருவாக்கப்பட்டு பயன்படுத்தப்பட்டுள்ளன.

காட்சி அடையாளம்

பொருளாதாரம், சட்ட அமலாக்கம் மற்றும் மனித நடவடிக்கைகளின் பிற பகுதிகளில் இன்று மிகவும் பொதுவான முறையானது, ஒரு நபரின் தனிப்பட்ட ஆவணங்களைப் பயன்படுத்தி ஒரு நபரை அடையாளம் காணும் முறையாகும், இது நபரின் அடிப்படை அடையாளம் காணும் தரவை உறுதிப்படுத்த வடிவமைக்கப்பட்டுள்ளது. நம் நாட்டில் முக்கிய அடையாள ஆவணம் பாஸ்போர்ட். ஒரு நபர் அதைக் காட்டினால் அல்லது ஒரு பாஸ்போர்ட் (அல்லது இதேபோன்ற ஆவணம்) அவரிடம் காணப்பட்டால், பாஸ்போர்ட்டில் உள்ள தரவு இந்த நபரே என்று கருதப்படுகிறது. இதை உறுதிப்படுத்த, பாஸ்போர்ட்டில் ஒரு புகைப்படம் வைக்கப்பட்டுள்ளது, இது தோற்றத்தை ஒப்பிட்டு, பாஸ்போர்ட் வைத்திருப்பவரின் அடையாளத்தை உறுதிப்படுத்த அல்லது மறுக்க அனுமதிக்கிறது.

மின்னணு அடையாளம்

"மின்னணு வடிவத்தில்" (இணையம், பிளாஸ்டிக் அட்டைகள், மின்னணு வடிவத்தில் அரசாங்க சேவைகள், மின்னணு மற்றும் மொபைல் கட்டணங்கள் போன்றவை) ஒரு நபரை அடையாளம் காணும்போது, ​​நபருக்கோ அல்லது அவரது தனிப்பட்ட தரவுகளுக்கோ ஒதுக்கப்பட்ட அடையாள எண்ணைப் பயன்படுத்துவது அவசியம். தனிப்பட்ட தரவு மற்றும் இந்த மனிதனின் கடிதப் பரிமாற்றத்தை தெளிவாக தீர்மானிக்க முடியும்.

2.2 அடையாளக் கொள்கை

ஒரு நபரின் அடையாளம் (நபரின் தனிப்பட்ட தரவு) வெவ்வேறு வழிகளில் மேற்கொள்ளப்படலாம்:

உங்கள் வாழ்நாள் முழுவதும் மாற்ற முடியாத ஒற்றை எண்

ஒரு நபரின் தரவில் ஏற்படும் மாற்றத்தால் மாறும் எண்

அடையாளம் காண எண்களின் தொகுப்பைப் பயன்படுத்துதல்

குடிமக்களின் தனிப்பட்ட தரவு மற்றும் ஒரு நபருக்கு அரசு மற்றும் வணிக ரீதியாக எந்தவொரு சேவையையும் பெறுவதற்கான வாய்ப்பை வழங்கும் பிற தகவல்களை கணக்கில் எடுத்துக்கொள்ளும் எந்தவொரு தகவல் அமைப்பின் வளர்ச்சிக்கும் அடையாள முறைகளைத் தேர்ந்தெடுப்பதில் தீர்க்கமான முக்கியத்துவம் உள்ளது.

2.3 அடையாளம் காணும் வகைகள்

மையப்படுத்தப்பட்ட அடையாளம் - மேல் (கூட்டாட்சி) மட்டத்தில் அனைத்து தகவல்களையும் சேகரிப்பதை உள்ளடக்கியது

விநியோகிக்கப்பட்ட அடையாளம் - அவர் பதிவு செய்த இடத்தில் பொருள் பற்றிய தகவல்களைச் சேமித்தல். விநியோகிக்கப்பட்ட அடையாளத்துடன், வெவ்வேறு அளவிலான பதிவுகளுக்கு இடையில் அடையாளத் தரவு பரிமாற்றத்தை ஒழுங்கமைக்க முடியும்.

படிநிலை அடையாளம் - அடையாளம் காணப்பட்ட பொருளைப் பற்றிய தகவல்கள் படிநிலையின் அனைத்து மட்டங்களிலும் உள்ளன.

3. அடிப்படை தகவல் ஆதாரங்கள்

3.1 ஒற்றை அடிப்படை தகவல் ஆதாரம்

மின்னணு முறையில் மக்களுக்கு ஏதேனும் சேவைகளை வழங்கும்போது துறைசார் தொடர்புகளை ஒழுங்கமைக்க, மனித அடையாளத் தரவைக் கொண்ட வளங்களைப் பராமரிக்க பல்வேறு முறைகளைப் பயன்படுத்தலாம். எப்படி சரியான விருப்பம்ஒரு அடிப்படை தகவல் வளத்தின் கிடைக்கும் தன்மை. அவற்றின் செயல்பாடுகளின் செயல்திறனில் தரவைக் கொண்டிருக்கும் மற்றும் குவிக்கும் பிற தகவல் ஆதாரங்களுக்கு முதன்மையான ஒரு ஆதாரம்.

ஒரு அடிப்படை தகவல் வளத்தைப் பயன்படுத்தும் விஷயத்தில், குடிமகனைப் பற்றிய அடையாளத் தரவில் ஏற்படும் எந்த மாற்றமும் இரண்டாம் நிலை ஆதாரங்களில் இந்தத் தரவில் மாற்றத்தை ஏற்படுத்துகிறது. இது ஒரு சிறந்த சூழ்நிலை.

3.2 அடிப்படை தகவல் ஆதாரங்கள்

IN நிலைமாற்ற காலம்(ஒரு அடிப்படை தகவல் வளத்தை உருவாக்குவதற்கு முன்), குடிமக்களைப் பற்றிய ஒரு பெரிய அளவிலான தகவல்களை ஏற்கனவே குவித்துள்ள பல அடிப்படை தகவல் ஆதாரங்களைப் பயன்படுத்துவது அனுமதிக்கப்படுகிறது மற்றும் அவர்களின் செயல்பாடுகளைச் செய்யும்போது இந்த திரட்சியைத் தொடர்ந்து மேற்கொள்ளலாம் (ரஷ்யாவில், இவை FMS, FNM, ரஷ்ய கூட்டமைப்பின் ஓய்வூதிய நிதி, Rosreestr, உள்நாட்டு விவகார அமைச்சகம் மற்றும் பல வளங்கள்). பல அடிப்படை தகவல் ஆதாரங்களைப் பயன்படுத்தும் போது, ​​பல தீவிரமான சிக்கல்களைத் தீர்க்க வேண்டியது அவசியம்:

அடிப்படை அடையாளங்காட்டிகளை வரையறுத்தல்

அடிப்படை அடையாளங்காட்டிகளை ஒன்றுக்கொன்று பொருத்துதல்

மற்ற அனைவருக்கும் ஒரு தரநிலையாக செயல்படும் முதன்மை (முதன்மை) வளங்களின் வரையறை

பிழைகளைத் திருத்துவதற்கான நடைமுறையை வரையறுத்தல் மற்றும் ஏதேனும் கண்டறியப்பட்டால் அடிப்படை ஆதாரங்களில் மாற்றங்களை அறிமுகப்படுத்துதல்.

அத்தகைய வளங்கள் அதிக எண்ணிக்கையில் இருந்தால், அவர்களுடன் பணிபுரிவது மிகவும் கடினமாக இருக்கும், அத்துடன் குடிமக்களின் தவறாக அடையாளம் காணப்பட்ட தனிப்பட்ட தரவுகளுடன் ஒரு சூழ்நிலையின் ஆபத்து.

4. அடையாளத்தை பராமரிப்பதற்கான சட்ட அடிப்படை

4.1 குடிமக்களின் அடையாளம்

குடிமக்களின் தனிப்பட்ட தரவுகளுக்கு அடையாளங்காட்டியை ஒதுக்குவதில் உள்ள சிக்கல்கள் ஒரு ஒழுங்குமுறை சட்டச் சட்டத்தால் தீர்மானிக்கப்பட வேண்டும், இது எங்கு, எப்போது, ​​யாரால் அடையாளங்காட்டி ஒதுக்கப்படுகிறது, யாரால் பராமரிக்கப்படுகிறது, எங்கே சேமிக்கப்படுகிறது மற்றும் எவ்வாறு பயன்படுத்தப்படுகிறது என்பதை வரையறுக்க வேண்டும். பல அடையாளங்காட்டிகள் இருந்தால், அவற்றின் பயன்பாட்டின் பகுதிகள் மற்றும் அவர்களின் தொடர்புகளின் பகுதிகள் விவரிக்கப்பட வேண்டும். இந்த அடிப்படை நெறிமுறைகளின் சட்ட மற்றும் ஒழுங்குமுறை வலுவூட்டல் இல்லாமல், அடிப்படை அடையாளங்காட்டிகளைப் பயன்படுத்தும் செயல்முறை தோல்வியடையும்.

4.2 தகவல் (தகவல்) வளங்களை உருவாக்குதல்

அடையாளத்தின் அடிப்படைகளின் ஒழுங்குமுறை மற்றும் சட்டப்பூர்வ ஒருங்கிணைப்புக்குப் பிறகு, குடிமக்களை அடையாளம் காண அனுமதிக்கும் தகவல் அமைப்பை (அமைப்புகள்) உருவாக்குவதற்கான அடிப்படைக் கொள்கைகளைத் தீர்மானிக்க வேண்டியது அவசியம். இந்த அமைப்பு (அமைப்புகள்) குடிமக்கள் பற்றிய தகவல்களைக் குவிப்பதை உறுதி செய்வது மட்டுமல்லாமல், முழு உள்கட்டமைப்பையும் கொண்டிருக்க வேண்டும். மென்பொருள் பகுதியில் மட்டுமல்ல, தொழில்நுட்ப ஆதரவிலும் இந்த தகவல் வளத்தைப் பயன்படுத்த இது உங்களை அனுமதிக்கும். இந்த வளத்தை எல்லா இடங்களிலும் பயன்படுத்துவது ஒரு விரிவான தரவு பரிமாற்ற வலைப்பின்னலின் இருப்பை முன்னிறுத்த வேண்டும், அதற்கான அணுகல் நாட்டில் எங்கிருந்தும் (மற்றும் பிற நாடுகளில் இருந்தும்) வழங்கப்பட வேண்டும், தகவல் பாதுகாப்பின் அனைத்து கொள்கைகளும் வரையறுக்கப்பட வேண்டும், அங்கீகரிக்கப்படாதவர்களிடமிருந்து பாதுகாப்பை உறுதி செய்ய வேண்டும். உள்ளேயும் வெளியேயும் அணுகலாம். கூடுதலாக, இந்த தகவல் வளத்தின் போதுமான உற்பத்தித்திறனை உறுதிசெய்வதில் உள்ள சிக்கல்களும் தீர்க்கப்பட வேண்டும், ஏனெனில் அடிப்படை தகவல் வளத்துடன் தகவல் பரிமாற்றம் என்பது எந்தவொரு செயல்பாட்டுத் துறையிலும் பயன்படுத்தப்படும் வளங்களைக் காட்டிலும் அதிக அளவு ஆர்டர்கள் ஆகும்.

கல்விக்கான ஃபெடரல் ஏஜென்சி

மாநில கல்வி நிறுவனம்

உயர் தொழில்முறை கல்வி

"IZHEVSK மாநில தொழில்நுட்ப பல்கலைக்கழகம்"

தகவல் மற்றும் கணினி அறிவியல் பீடம்

மென்பொருள் துறை

விளக்கக் குறிப்பு

தலைப்பில் ஒரு ஆய்வறிக்கைக்கு:

"கைரேகை அடையாள அமைப்பு.

பட பகுப்பாய்வு துணை அமைப்பு"

பட்டதாரி

குழுவின் மாணவர் 10-19-1 கிராஸ்னோவ் என்.ஐ.

மேற்பார்வையாளர்

தொழில்நுட்ப அறிவியல் டாக்டர், பேராசிரியர் முரினோவ் ஏ.ஐ.

பொருளாதார ஆலோசகர்

பொருளாதார அறிவியல் வேட்பாளர், இணை பேராசிரியர் ராடிஜினா I.I.

பாதுகாப்பு ஆலோசகர்

மற்றும் திட்டத்தின் சுற்றுச்சூழல் நட்பு யாக்கிமென்கோ ஜி.எஃப்.

நிலையான கட்டுப்பாடு Sobolev V.P.

விமர்சகர்

வேத். பொறியாளர் க்ரோபச்சேவா எல்.என்.

துறைத் தலைவர்

"மென்பொருள்"

தொழில்நுட்ப அறிவியல் டாக்டர், பேராசிரியர் முரினோவ் ஏ.ஐ.

சுருக்கம்

"கைரேகைகளைப் பயன்படுத்தி தனிப்பட்ட அடையாள அமைப்பு" என்ற தலைப்பில் ஆய்வறிக்கைக்கு விளக்கக் குறிப்பு. பட பகுப்பாய்வு துணை அமைப்பு" 121 தாள்களில் வடிவமைக்கப்பட்டுள்ளது, இதில் 31 புள்ளிவிவரங்கள், 17 அட்டவணைகள் உள்ளன.

இந்த வேலையின் நோக்கம், மேலும் ஆளுமை அங்கீகாரத்திற்கான பாப்பில்லரி வடிவத்தின் அடிப்படையில் கைரேகை அடையாள அமைப்பின் ஒரு பகுதியாக கைரேகை பட பகுப்பாய்வு துணை அமைப்பை உருவாக்குவதாகும்.

கைரேகையை ஸ்கேன் செய்யும் போது பெறப்பட்ட கைரேகை படத்தில் உள்ள சிதைவுகளை நீக்குவதற்கான வழிமுறையை உருவாக்குதல் மற்றும் செயல்படுத்துதல் ஆகியவை வேலையில் அடங்கும். கைரேகைகளின் ஒரே வண்ணமுடைய படத்தை செயலாக்குவதற்கு (ஒப்பீடு) பொருத்தமான ஒரு கட்டமைக்கப்பட்ட வடிவத்திற்கு மாற்றுவதை உருவாக்குதல் மற்றும் செயல்படுத்துதல்.

டிஜிட்டல் பட செயலாக்கம், வெக்டரைசேஷன், மனித உயிரியல் அமைப்பு மற்றும் அதன் பயோமெட்ரிக் அளவுருக்கள் ஆகியவற்றில் பொருத்தமான மென்பொருள், பொருட்கள் மற்றும் வெளியீடுகளை எழுதுவதற்கு ஆய்வு செய்யப்பட்டது.

செய்யப்பட்ட வேலையின் விளைவாக, எந்தவொரு பாப்பில்லரி வடிவத்தின் நெட்வொர்க்குகளின் சிறப்பியல்பு அம்சங்களின் அடிப்படையில் கைரேகைகளின் பொருள் விளக்கத்தின் செயல்முறையை தானியங்குபடுத்த வடிவமைக்கப்பட்ட மென்பொருள் உருவாக்கப்பட்டது. துணை அமைப்பின் செயல்பாட்டின் விளைவாக பெறப்பட்ட உள்ளூர் அம்சங்களின் பண்புகள் அமைப்பின் ஒரு பகுதியாக மேலும் வேலை செய்ய பயன்படுத்தப்படுகின்றன.

இன்று, தனிப்பட்ட அடையாளத்திற்கான ஆயத்த அமைப்புகள் உள்ளன, அவை அதிக அளவு பாதுகாப்பு, வேகம் மற்றும் பயன்பாட்டின் எளிமை ஆகியவற்றைக் கொண்டுள்ளன. இருப்பினும், தற்போதுள்ள வளர்ச்சிகள் எதுவும் பொருளின் விளக்கத்தையும் கைரேகைகளை ஒப்பிட்டுப் பார்க்கும் முறையையும் வழங்கவில்லை. அனைத்து முன்னேற்றங்களும் தனித்துவமானவை, அவற்றின் சொந்த கண்டுபிடிப்புகள், அறிவு மற்றும் வர்த்தக ரகசியத்தை உருவாக்குகின்றன.

இந்த வளர்ச்சி திறந்த மூலமாகும் மற்றும் பாப்பில்லரி வடிவத்தின் கட்டமைப்பு விளக்கத்தை அனுமதிக்கிறது. எனவே, இந்த வளர்ச்சி தனித்துவமானது மற்றும் நவீன கணினி பட செயலாக்கத் துறையில் ஒப்புமைகள் இல்லை. பயன்படுத்தப்படும் முறை கைரேகை படங்களை விவரிக்க மட்டுமல்லாமல், குறியீட்டு தகவல், எழுத்துருக்கள் மற்றும் கையொப்பங்கள் போன்ற பிற பிட் படங்களின் பொருள் விளக்கத்திற்கும் ஏற்றது என்பதைக் கவனத்தில் கொள்ள வேண்டும்.

உருவாக்கப்பட்டது மென்பொருள்என்பது ஆராய்ச்சி, இது பட செயலாக்க முறைகள் மற்றும் அதன் விளக்கத்தை ஆய்வு செய்து பகுப்பாய்வு செய்வதை நோக்கமாகக் கொண்டது. அதன் உதவியுடன், இந்த வேலையில் பயன்படுத்தப்படும் முக்கியமான சோதனை தரவு ஏற்கனவே பெறப்பட்டுள்ளது. இறுதி மென்பொருள் தயாரிப்பு தனிப்பட்ட அடையாளத்திற்கான பெரும்பாலும் தானியங்கு இடைமுகத்தைக் குறிக்கும் ஷெல் ஆக இருக்கலாம்.

அறிமுகம்

1. கைரேகைகள் மூலம் தனிப்பட்ட அடையாள அமைப்பை உருவாக்குதல்

1.1 கைரேகை அடையாள அமைப்பை உருவாக்குவதற்கான சாத்தியக்கூறுகளை நியாயப்படுத்துதல்

1.1.1. அமைப்பின் நோக்கம்

1.1.2. அமைப்பின் செயல்பாட்டு கட்டமைப்பின் பண்புகள்

1.1.3. அமைப்பை உருவாக்கும் நோக்கத்தை நியாயப்படுத்துதல்

1.1.4. தானியங்கு பணிகளின் கலவையை நியாயப்படுத்துதல்

1.2 பகுப்பாய்வு விமர்சனம்

1.2.1. நிறுவனம் BioLink

1.2.1.1. BioLink BioTime 2006 கட்டுப்பாட்டு அமைப்பு

1.2.1.2. பயோலிங்க் மென்பொருள் சேவையகம்

1.2.2. கைரேகை ரீடருடன் Microsoft IntelliMouse Explorer

1.2.3. செல்போன் GI100

1.2.4. அடோப் போட்டோஷாப் எடிட்டர்

1.2.5 உரை அங்கீகார நிரல் ஃபைன் ரீடர்

1.2.6. மேசை மதிப்பாய்விலிருந்து முடிவு

1.3 அடிப்படை அமைப்பு தேவைகள்

1.3.1. அமைப்பின் முக்கிய குறிக்கோள்கள் மற்றும் அதன் செயல்பாட்டின் செயல்திறனுக்கான அளவுகோல்கள்

1.3.2. அமைப்பின் செயல்பாட்டு நோக்கம்

1.3.3. அமைப்பின் அம்சங்கள் மற்றும் அதன் செயல்பாட்டின் நிபந்தனைகள்

1.3.4. செயல்பாட்டு கட்டமைப்பிற்கான தேவைகள்

1.3.5 தொழில்நுட்ப தேவைகள்

1.3.6. தகவல் ஆதரவுக்கான தேவைகள்

1.3.7. மென்பொருள் தேவைகள்

1.4 கணினி வடிவமைப்பின் முக்கிய தொழில்நுட்ப தீர்வுகள்

1.4.1. தொழில்நுட்ப வழிமுறைகளின் தொகுப்பிற்கான தீர்வு

1.4.2. மென்பொருள் அமைப்பின் விளக்கம்

2. கைரேகை பட பகுப்பாய்வு துணை அமைப்பின் வளர்ச்சி

2.1 கைரேகை பட பகுப்பாய்வு துணை அமைப்பின் சிக்கல் அறிக்கையின் விளக்கம்

2.1.1. பணியின் பண்புகள்

2.1.2. உள்ளீடு தகவல்

2.1.3. வெளியீடு தகவல்

2.1.4. சிக்கலின் கணித உருவாக்கம்

2.1.5 பாப்பில்லரி முறை பகுப்பாய்வு துணை அமைப்பின் செயல்பாட்டு வரைபடம்

2.2 ஸ்கேனிங் குறைபாடுகளை கண்டறிதல் மற்றும் அவற்றை நீக்குவதற்கான சிக்கல் அறிக்கையின் விளக்கம்

2.2.1. பணியின் பண்புகள்

2.2.2. உள்ளீடு தகவல்

2.2.3. வெளியீடு தகவல்

2.2.4. கணித அறிக்கை

2.2.5 சிக்கலைத் தீர்ப்பதற்கான அல்காரிதம்

2.2.5.1. "வரிகளின் பட்டியலை உருவாக்குதல்" என்ற வழிமுறையின் விளக்கம்

2.2.5.2. "ChangeLine" அல்காரிதம் விளக்கம்

2.3 சிக்கல் அறிக்கையின் விளக்கம்: உள்ளூர் அம்சங்களை அடையாளம் காணுதல்

2.3.1. பணியின் பண்புகள்

2.3.2. உள்ளீடு தகவல்

2.3.3. வெளியீடு தகவல்

2.3.4. சிக்கலின் கணித உருவாக்கம்

2.3.5 சிக்கலைத் தீர்ப்பதற்கான அல்காரிதம்

2.3.5.1. "வரிகளின் பட்டியலை உருவாக்குதல்" என்ற வழிமுறையின் விளக்கம்

2.3.5.2. ReadLine அல்காரிதம் விளக்கம்

2.4 முழுமையான அளவுருக்களின் பட்டியலை வரிசைப்படுத்துவது, தவறான மற்றும் நம்பமுடியாத நிமிடங்களை நீக்குவது போன்ற சிக்கலை உருவாக்குவது பற்றிய விளக்கம்

2.4.1. பணியின் பண்புகள்

2.4.2. உள்ளீடு தகவல்

2.4.3. வெளியீடு தகவல்

2.4.4. கணித அறிக்கை

2.4.5 சிக்கலைத் தீர்ப்பதற்கான அல்காரிதம்

2.5 துணைமுறைகளின் விளக்கம்

2.5.1. Subroutine NextDotCW

2.5.2. Subroutine NextDotCCW

2.5.3. LookPic சப்ரூட்டின்

2.5.4. லைன் சப்ரூட்டின் மாற்றவும்

2.5.5. ReadPic subroutine

2.5.6. DotsFilter வழக்கம்

2.5.7. படம் சப்ரூட்டின் பகுப்பாய்வு

2.6 சோதனை வழக்கு விளக்கம்

2.6.1. திட்டத்தின் நோக்கம்

2.6.2. ஆரம்ப தரவு

2.6.3. சோதனை வழக்கு

2.6.4. கைரேகை அடையாள அமைப்பு மென்பொருளை சோதிக்கிறது

3. நிறுவன மற்றும் பொருளாதாரப் பகுதி

3.1 கைரேகை அடையாள அமைப்பை உருவாக்க வேண்டியதன் அவசியத்திற்கான காரணம்

3.2 கைரேகை அடையாள அமைப்பை உருவாக்குவதற்கான செலவு கணக்கீடு

4. திட்டத்தின் பாதுகாப்பு மற்றும் சுற்றுச்சூழல் நட்பு

4.1 கணினியில் பணிபுரியும் போது எழும் ஆபத்தான மற்றும் தீங்கு விளைவிக்கும் காரணிகளின் பகுப்பாய்வு

4.2 கணினியில் பணிபுரியும் போது பாதுகாப்பு முன்னெச்சரிக்கைகள்

4.3 ஆபரேட்டரின் பணியிடத்தின் அமைப்பு

4.4 அறை மைக்ரோக்ளைமேட் அளவுருக்களுக்கான தேவைகள்

4.5 லைட்டிங் தேவைகள் மற்றும் செயற்கை விளக்குகளின் கணக்கீடு

4.6 தீ பாதுகாப்பு

முடிவுரை

இலக்கியம்

பின் இணைப்பு 1 நிரல் உரை

பின் இணைப்பு 2 புரோகிராமர் வழிகாட்டி

பின் இணைப்பு 3 ஆபரேட்டர் கையேடு

பின் இணைப்பு 4 சோதனை முடிவுகள்

இணைப்பு 5 நிரலின் மாற்றுப் பயன்பாடு சின்னங்களின் பட்டியல்

ST - குறிப்பிட்ட புள்ளி (நிமிடம்)

DB - கைரேகைகள் கொண்ட தரவுத்தளம்

பின் - தனிப்பட்ட அடையாள எண்

CCD - சார்ஜ் இணைக்கப்பட்ட சாதனம்

CMOS - சிப் உற்பத்தி தொழில்நுட்பம் (சிலிக்கான் உலோக ஆக்சைடு குறைக்கடத்தி)

OP - கைரேகை

dpi - ஒரு அங்குலத்திற்கு புள்ளிகளின் எண்ணிக்கை (ஒரு அங்குலத்திற்கு புள்ளி)

மென்பொருள் - மென்பொருள்

OS - இயக்க முறைமை

கணினி - மின்னணு கணினி

பிசி - தனிப்பட்ட கணினி

அறிமுகம்

இன்று, கடவுச்சொற்கள், தனிப்பட்ட அடையாள எண்கள் மற்றும் சிறப்பு அடையாள அட்டைகள் ஆகியவை இன்றியமையாத தேவையாகிவிட்டன. எடுத்துக்காட்டாக, ஏடிஎம்மில் இருந்து பணத்தைப் பெற, உங்களுக்கு ஒரு மின்னஞ்சல் நிரல் அல்லது ஒரு குறிப்பிட்ட வகை கணினித் தரவை அணுக, உங்களுக்கு ஒரு கடவுச்சொல் தேவை. உலகில் நடைபெற்று வரும் சமீபத்திய நிகழ்வுகளின் வெளிச்சத்தில், குறிப்பாக சர்வதேச பயங்கரவாதத்தின் அதிகரித்து வரும் நடவடிக்கைகள் தொடர்பாக, பாதுகாப்பு பிரச்சினைகள் அதிகரித்து வருகின்றன.

இவ்வாறு, ஒரு நபர் தனது நினைவகத்தில் எண்கள் மற்றும் எழுத்துக்களின் பல்வேறு சேர்க்கைகளை ஒரு பெரிய எண்ணிக்கையில் சேமிக்க வேண்டும். நவீன மனிதனின் அவலநிலையைப் போக்க, கணினி உற்பத்தியில் நிபுணத்துவம் பெற்ற நிறுவனங்கள் பயோமெட்ரிக் தொழில்நுட்பங்களை உருவாக்கத் தொடங்கின. பயோமெட்ரிக்ஸ் என்பது மனித உடலின் பல்வேறு குணாதிசயங்களை (கைரேகைகள் அல்லது மனித மாணவர் அல்லது குரலின் தனித்துவமான பண்புகள்) ஒவ்வொரு நபரையும் அடையாளம் காணும் அறிவியலாகும். பயோமெட்ரிக் தொழில்நுட்பங்களைப் பயன்படுத்தி, ஒரு நபர் தனக்குத் தேவையான கடவுச்சொல் அல்லது குறியீட்டை ஒருபோதும் மறக்க முடியாது, ஏனெனில் அவரது கட்டைவிரல், குரல் அல்லது கண் விழி எப்போதும் அவருடன் இருக்கும் /1/.

கைரேகை தோலின் ரிட்ஜ் போன்ற திட்டங்களில், பள்ளங்களால் பிரிக்கப்பட்ட பாப்பில்லரி கோடுகளை உருவாக்குகிறது. இந்த கோடுகள் சிக்கலான வடிவங்களை (ஆர்க், லூப் மற்றும் கர்ல்) உருவாக்குகின்றன, அவை தனித்தன்மை மற்றும் தனித்துவத்தின் பண்புகளைக் கொண்டுள்ளன, இது ஒரு நபரின் முற்றிலும் நம்பகமான அடையாளத்தை அனுமதிக்கிறது. அங்கீகரிக்கப்பட்ட பயனர்களுக்கு மறுக்கப்பட்ட அணுகல் சதவீதம் சுமார் 3% என்றாலும், பிழையான அணுகல் சதவீதம் ஒரு மில்லியனுக்கும் குறைவாக உள்ளது. கைரேகை அணுகலின் நன்மைகள் பயன்பாட்டின் எளிமை, வசதி மற்றும் நம்பகத்தன்மை. முழு அடையாளச் செயல்முறையும் சிறிது நேரம் எடுக்கும் மற்றும் இந்த அணுகல் முறையைப் பயன்படுத்துபவர்களிடமிருந்து முயற்சி தேவையில்லை. தனிப்பட்ட அடையாளத்திற்காக கைரேகையைப் பயன்படுத்துவது அனைத்து பயோமெட்ரிக் முறைகளிலும் மிகவும் வசதியானது என்றும் ஆராய்ச்சி காட்டுகிறது. மற்ற பயோமெட்ரிக் முறைகளுடன் ஒப்பிடும்போது ஒரு பயனரை அடையாளம் காணும் போது பிழையின் நிகழ்தகவு மிகவும் குறைவு /2/. கூடுதலாக, கைரேகை அடையாள சாதனத்திற்கு விசைப்பலகை அல்லது பொறிமுறையில் அதிக இடம் தேவையில்லை.

இதன் விளைவாக வரும் கைரேகை படம் ஒரு ராஸ்டர் ஆகும், இது பாப்பில்லரி வடிவத்தின் கட்டமைப்பின் அடிப்படையில் ஒரு சிறப்பு வழியில் விவரிக்கப்படலாம். கைரேகையின் அமைப்பைக் கண்டறிந்த பிறகு, அதை மற்ற கைரேகைகளுடன் ஒப்பிட்டு, ஒரே மாதிரியானவை அல்லது கைரேகைகள் வேறுபட்டவை என்று கூறலாம்.

ராஸ்டர் பகுப்பாய்வு, பொருள் மாதிரியைப் பெறுதல் மற்றும் ஒத்த கைரேகைகளைத் தேடுதல் ஆகியவற்றுக்கு வேலை அர்ப்பணிக்கப்பட்டுள்ளது.

1. கைரேகைகள் மூலம் தனிப்பட்ட அடையாள அமைப்பை உருவாக்குதல்

1.1 கைரேகை அடையாள அமைப்பை உருவாக்குவதற்கான சாத்தியக்கூறுகளை நியாயப்படுத்துதல்

1.1.1. நோக்கம் அமைப்புகள்

அமைப்புகைரேகைகள் மூலம் தனிப்பட்ட அடையாளம் என்பது மனித உடலின் பயோமெட்ரிக் அளவுருக்கள், அதாவது கைரேகைகளின் அமைப்பு ஆகியவற்றின் அடிப்படையில் ஆளுமையின் அடையாளத்தை செயல்படுத்துகிறது. கைரேகைகளின் கிராஃபிக் படங்களை செயலாக்க இந்த அமைப்பு வடிவமைக்கப்பட்டுள்ளது. தேர்ந்தெடுக்கப்பட்ட உள்ளூர் அம்சங்களின் அடிப்படையில் பல கைரேகைகளை ஒருவருக்கொருவர் ஒப்பிட்டுப் பார்க்க கணினி உங்களை அனுமதிக்கிறது. உள்ளூர் அம்சங்கள் minutiae மற்றும் அவற்றின் தொடர்புடைய அளவுருக்கள் (மற்றவற்றுடன் தொடர்புடைய சில minutiae இடம்), இது இணை மொழிபெயர்ப்பு மற்றும் சுழற்சியில் இருந்து ஒப்பீட்டின் சுதந்திரத்திற்கு உத்தரவாதம் அளிக்கிறது.

மென்பொருள் தயாரிப்பு பல்வேறு பயன்பாட்டு அமைப்புகளில் பயன்பாட்டைக் கண்டறியும் /3/, உட்பட:

1) சிவில் அடையாள அமைப்புகள்;

2) தடயவியல் அடையாள அமைப்புகள்;

3) பெரிய அளவிலான வணிக பயன்பாடுகள்.

சிவில் அடையாள அமைப்புகளில் பின்வருவன அடங்கும்:

ஓட்டுநரின் பாஸ்போர்ட்;

தேசிய குடிமக்கள் அடையாள அட்டைகள்;

வாக்காளர் பதிவு;

சமூக திட்டங்களுக்கான பதிவு;

குடிவரவு பதிவு, விசாக்கள்;

அரசு நிறுவனங்களின் ஊழியர்களை அடையாளம் காணுதல்.

தடயவியல் அடையாள அமைப்புகளில் பின்வருவன அடங்கும்:

இந்த குடிமகன் தேவையா?;

முந்தைய தண்டனைகள்;

கைதிகளின் பதிவு/அணுகல் கட்டுப்பாடு;

மொபைல் மற்றும் தொலைநிலை பயன்பாடுகள்;

குற்றம் நடந்த இடங்களிலிருந்து பெறப்பட்ட கைரேகை தடயங்களை செயலாக்குதல்.

பெரிய அளவிலான வணிக பயன்பாடுகளில் பின்வருவன அடங்கும்:

இணைய வளங்களுக்கான அணுகல், இ-காமர்ஸ்;

பயனர்கள் மற்றும் பணியாளர்களுக்கான அணுகல்;

நிதி சேவைகள், கட்டண சரிபார்ப்பு;

கட்டிடங்கள் மற்றும் வளாகங்களுக்கான அணுகல்;

விசுவாச திட்டங்கள்.

1.1.2. பண்பு செயல்பாட்டு கட்டமைப்புகள் அமைப்புகள்

அமைப்பின் செயல்பாட்டு வரைபடம் படத்தில் காட்டப்பட்டுள்ளது. 1.1

பட செயலாக்கம் பின்வரும் நிலைகளைக் கொண்டுள்ளது:

1) கைரேகை அடையாள அமைப்பில் ஒரு படத்தை உள்ளிடுதல்;

2) பட பகுப்பாய்வு துணை அமைப்பில், ராஸ்டர் சத்தத்தை அடக்குவதற்கும், பாப்பில்லரி வடிவத்தின் வளைவுகளை உடைத்தல் அல்லது ஒட்டுதல் போன்ற வழக்கமான உருவ சிதைவுகளை அகற்றுவதற்கும் செயலாக்கப்படுகிறது;

3) பட பகுப்பாய்வு துணை அமைப்பில், மேலும் கைரேகை அங்கீகாரத்திற்காக, முடிவடைதல் மற்றும் பிளவுகள் போன்ற உள்ளூர் அம்சங்கள் அடையாளம் காணப்படுகின்றன;

4) பட பகுப்பாய்வு துணை அமைப்பில், உள்ளூர் அம்சங்களின் பெறப்பட்ட அளவுருக்கள் வரிசைப்படுத்தப்படுகின்றன;

5) அங்கீகார துணை அமைப்பில், கைரேகையை ஸ்கேன் செய்யும் போது இணையான பரிமாற்றம் மற்றும் விரலின் சுழற்சியின் செல்வாக்கைத் தடுக்க சிறப்பு புள்ளிகளின் முழுமையான அளவுருக்கள் தொடர்புடைய அளவுருக்களாக மாற்றப்படுகின்றன;

6) தற்போதுள்ள கைரேகைகளுடன் தரவுத்தளத்திலிருந்து கைரேகை அங்கீகாரம் தரவுத்தளத்தில் சேமிக்கப்பட்டுள்ள ஒவ்வொரு கைரேகைக்கும் ஒவ்வொரு புள்ளியின் தொடர்புடைய அளவுருக்களின் அடிப்படையில் நிகழ்கிறது.

கைரேகை அடையாள அமைப்பின் செயல்பாட்டு வரைபடம்

பகுப்பாய்வு துணை அமைப்பு - அங்கீகார துணை அமைப்பு

1.1.3. அமைப்பை உருவாக்கும் நோக்கத்தை நியாயப்படுத்துதல்

கட்டமைப்பு பட பகுப்பாய்வின் சிக்கல்கள் ராஸ்டர் வெக்டரைசேஷன் முதல் பேட்டர்ன் அங்கீகாரம் வரையிலான பரவலான பயன்பாடுகளைக் கொண்டுள்ளன. படங்களின் கட்டமைப்பு பகுப்பாய்வு அவற்றிலிருந்து கட்டமைப்பு கூறுகளை பிரித்தெடுப்பதை உள்ளடக்கியது. x உறுப்புகள், ஒரு கோடு, ஒரு பகுதி, ஒரு சிறிய உறுப்பு (கடிதம்) மற்றும் பல.

இந்த நேரத்தில், நம்பகமான தகவல் பாதுகாப்பு என்பது முக்கியமான தகவல்களைச் சேமிக்கவும் செயலாக்கவும் வடிவமைக்கப்பட்ட அமைப்புகளைத் தேர்ந்தெடுக்க வேண்டிய முக்கிய அளவுகோல்களில் ஒன்றாகும். INTRANET நெட்வொர்க் மூலம் தொடர்புடைய கட்டுப்பாட்டு அமைப்புகளுடன் விரிவான தகவல் தொடர்பு இருப்பதால், அத்தகைய அமைப்புகளுக்கு அங்கீகரிக்கப்படாத அணுகலுக்கான தற்போதைய சாத்தியக்கூறு இதற்குக் காரணம். எனவே, உறுதி தகவல் பாதுகாப்புஇருக்க வேண்டும் மிக முக்கியமான கட்டம்அவற்றின் வளர்ச்சியின் போது /3/.

மனித உடலின் பயோமெட்ரிக் அளவுருக்கள் அடிப்படையிலான பாதுகாப்பு, குறிப்பாக கைரேகை, மறுக்க முடியாத பல நன்மைகளைக் கொண்டுள்ளது: பயன்பாட்டின் எளிமை, வசதி மற்றும் நம்பகத்தன்மை. முழு அடையாளச் செயல்முறையும் சிறிது நேரம் எடுக்கும் மற்றும் இந்த அணுகல் முறையைப் பயன்படுத்துபவர்களிடமிருந்து முயற்சி தேவையில்லை. தனிப்பட்ட அடையாளத்திற்காக கைரேகையைப் பயன்படுத்துவது அனைத்து பயோமெட்ரிக் முறைகளிலும் மிகவும் வசதியானது என்றும் ஆராய்ச்சி காட்டுகிறது. மற்ற பயோமெட்ரிக் முறைகளுடன் ஒப்பிடும்போது ஒரு பயனரை அடையாளம் காணும்போது பிழையின் நிகழ்தகவு மிகவும் குறைவு. கூடுதலாக, கைரேகை அடையாள சாதனத்திற்கு விசைப்பலகை அல்லது பொறிமுறையில் அதிக இடம் தேவையில்லை.

பெரும்பாலான சந்தர்ப்பங்களில், வேலை முக்கியமான தகவல்சரியான நேரத்தில் முடிவெடுப்பது மற்றும் தொடர்ச்சியான முன்னேற்ற மேலாண்மை ஆகியவற்றைக் குறிக்கிறது. இது சம்பந்தமாக, அடையாளத்தை தொடர்ந்து உறுதிப்படுத்த வேண்டிய அவசியம் உள்ளது (சில காரணங்களால் ஒரு நபர் அவரை விட்டு வெளியேறினால் பணியிடம், இந்த நேரத்தில் எவரும் டெலிகண்ட்ரோல் கட்டளைகள் அல்லது பொறுப்பான கட்டளைகளை அமைக்க முடியும்). "ஒற்றை உள்நுழைவு" முறை அத்தகைய அடையாள உறுதிப்படுத்தலை வழங்க முடியாது, மேலும் ஒவ்வொரு கட்டளைக்குப் பிறகும் கடவுச்சொல்லை உள்ளிடுவது சிக்கலானது /4/.

சந்தையில் ஆயத்த அமைப்புகள் இருந்தாலும், அவற்றின் நன்மைகளுடன், மூடிய மூலக் குறியீடு மற்றும் அல்காரிதம் போன்ற பல குறைபாடுகள் உள்ளன, இதன் விளைவாக, அவற்றை தங்கள் சொந்த அமைப்புகளில் பயன்படுத்த இயலாது. ஒரு உயர் விலை. இதன் விளைவாக, பயோமெட்ரிக் தொழில்நுட்பங்களின் அடிப்படையில் தங்கள் சொந்த திட்டங்களை உருவாக்குவதற்கான ஆயத்த தளத்தை உருவாக்குவதற்கான வாய்ப்பை அனைத்து டெவலப்பர்களுக்கும் வழங்கும் ஒரு அமைப்பை உருவாக்குவது அர்த்தமுள்ளதாக இருக்கிறது. மேலும் பல்வேறு, பாப்பில்லரி வடிவங்கள், படங்களின் புறநிலை விளக்கத்தையும் வழங்கவும்.

இந்த வேலையின் குறிக்கோள், தனிப்பட்ட அம்சங்களின் இருப்பிடம் பற்றிய தரவு மிகவும் முழுமையாகவும் குறைந்த அளவு தவறான தகவல்களுடன் சேமிக்கப்படும் அத்தகைய பட மாற்றத்தை உருவாக்கி செயல்படுத்துவதாகும்.

உருவாக்கப்படும் அமைப்பு ஒரு தேடல் மற்றும் ஆராய்ச்சி இயல்புடையது மற்றும் பட செயலாக்க வழிமுறைகளின் வளர்ச்சியை எளிதாக்குதல், சோதனை தரவுகளின் பகுப்பாய்வு மற்றும் பொதுவான வடிவங்களை அடையாளம் காண்பதை எளிதாக்குகிறது.

1.1.4. பகுத்தறிவு கலவை தானியங்கி பணிகள்

அமைப்பு செயல்படுத்தல்கைரேகைகள் மூலம் தனிப்பட்ட அடையாளம், கைரேகை படத்தை செயலாக்கும் மற்றும் பிற கைரேகைகளுடன் ஒப்பிடும் அனைத்து நிலைகளையும் ஒரே இடைமுகத்தில் ஒருங்கிணைக்க உங்களை அனுமதிக்கும்:

1) பட அளவுருக்கள் பகுப்பாய்வு, ஸ்கேனிங் குறைபாடுகளை அடையாளம் காணுதல் மற்றும் அவற்றை நீக்குதல்;

2) உள்ளூர் அம்சங்களை முன்னிலைப்படுத்துதல் - சிறியது. முழுமையான அளவுருக்களில் சிறுபடங்களின் பட்டியலை உருவாக்குதல்;

6) ஒரு கைரேகையை பலவற்றுடன் ஒப்பிடுதல்;

7) கைரேகை விளக்கங்களைச் சேமிக்கும் முறையானது, செயல்பாட்டின் பல்வேறு துறைகளுக்கு நிரலின் முடிவைப் பயன்படுத்த உங்களை அனுமதிக்கிறது.

1.2 பகுப்பாய்வு விமர்சனம்

அறிமுகத்தில் ஏற்கனவே குறிப்பிட்டுள்ளபடி, கைரேகைகளைப் பயன்படுத்தி தனிநபர்களை அடையாளம் காணும் முறை நீண்ட காலமாக அறியப்படுகிறது, மேலும் மின்னணு கணினி தொழில்நுட்பத்தின் வருகையுடன், படங்களை பகுப்பாய்வு செய்வதற்கும் ஒப்பிடுவதற்கும் மென்பொருள் தயாரிப்புகள் தோன்றத் தொடங்கின.

1.2.1. நிறுவனம் பயோலிங்க்

INஒரு முன்னணி பாதுகாப்பு தொழில்நுட்ப வழங்குநர், கைரேகை கொள்கையின் அடிப்படையில் மேம்பட்ட பயோமெட்ரிக் தயாரிப்புகளை வடிவமைத்து, தயாரித்து மற்றும் சந்தைப்படுத்துகிறது. முன்மொழியப்பட்ட தீர்வுகள் கணினி நெட்வொர்க்குகள், இ-காமர்ஸ் தளங்கள் மற்றும் உடல் அணுகல் பாதுகாப்பு அமைப்புகளில் பயனர் அங்கீகார அமைப்புகளுக்கு அடிப்படையாக அமைகின்றன.

BioLink ஆனது தனியுரிம கைரேகை ஸ்கேனிங் மற்றும் பட செயலாக்க தொழில்நுட்பங்களின் அடிப்படையில் பல தயாரிப்புகளை வழங்குகிறது, அத்துடன் இன்றைய பல பாதுகாப்பு சவால்களை தீர்க்கும் ஒரு முதல் பல அடையாள வழிமுறைகள் /5/.

1.2.1.1. உடன் கட்டுப்பாட்டு அமைப்பு பயோலிங்க் பயோடைம் 2006

உடன்வேலை நேர மேலாண்மை அமைப்பு, இது BioLink இன் சமீபத்திய வளர்ச்சியாகும். பயோடைம் 2006 அமைப்பு கணக்கியல் மற்றும் நேர நிர்வாகத்தின் வழக்கமான பணிகளை எளிதாக்குகிறது மற்றும் நிறுவன ஊழியர்களின் வருகை மற்றும் புறப்பாடு ஆகியவற்றைப் பதிவு செய்வதை எளிமையாகவும் எளிதாகவும் வசதியாகவும் செய்கிறது. கூடுதலாக, BioTime 2006 அமைப்பு வழங்குகிறது வெவ்வேறு வகையானஊழியர்களின் தாமதம், குறைபாடுகள் மற்றும் கூடுதல் நேரம் பற்றிய அறிக்கைகள், அவர்கள் வருகை மற்றும் புறப்படும் நேரம், மேலும் ஒரு நேர தாளை உருவாக்குவதை தானியங்குபடுத்துகிறது /5/.

1.2.1.2. மென்பொருள் சேவையகம் பயோலிங்க்

மென்பொருள் சேவையகம் BioLink Authenteon Software Appliance (ASA) என்பது BioLink கைரேகை டெம்ப்ளேட் பொருந்தும் மென்பொருள். ASA ஆனது Windows, Novell மற்றும் NFS இல் உள்நுழையும்போது கடவுச்சொல் பாதுகாப்பு மற்றும் கிளையன்ட்-சர்வர் அங்கீகாரத்தை ஒருங்கிணைத்து இன்று மிக முக்கியமான பாதுகாப்பு பிரச்சனைகளில் ஒன்றை தீர்க்கிறது - கார்ப்பரேட் நெட்வொர்க்கில் உள்ள பயனர்களின் நேர்மறையான அடையாளம். சேவையகம் 300 பயனர்கள் வரை ஆதரிக்கிறது /5/.

1.2.2. மைக்ரோசாப்ட் இன் டி எலிமவுஸ் கைரேகை ரீடருடன் எக்ஸ்ப்ளோரர்

அறிவித்ததுமைக்ரோசாப்ட் 2004 இலையுதிர்காலத்தில், பயோமெட்ரிக் தொழில்நுட்பங்களைப் பயன்படுத்தி ஒரு புதிய தயாரிப்புகள் - கைரேகை ஸ்கேனர், உள்ளமைக்கப்பட்ட ஸ்கேனருடன் கூடிய விசைப்பலகை மற்றும் ஸ்கேனருடன் கூடிய வயர்லெஸ் ஆப்டிகல் மவுஸ் - திறன்களைக் கொண்டுள்ளது /6/:

1) ஸ்கேனரில் சுருக்கமாக உங்கள் விரலை வைத்து கைரேகையை எடுப்பது;

2) இணைய இடைமுகங்களுக்கான கடவுச்சொல் நிர்வாகியை பராமரித்தல்;

3) ஒரு விரல் பயன்பாட்டுடன் கணினியில் உள்நுழைய ஒரு நபரை அடையாளம் காணும் திறன்.

தயாரிப்பு தனிப்பட்ட கணினியில் பயன்படுத்த ஏற்றது. மென்பொருள் மிகவும் மட்டுப்படுத்தப்பட்ட செயல்பாட்டைக் கொண்டுள்ளது. ஸ்கேன் செய்யப்பட்ட கைரேகையின் அளவுருக்களைப் பெறவோ அல்லது எந்த விரல் பயன்படுத்தப்பட்டது என்பதைப் பொறுத்து கூடுதல் செயல்களை அமைக்கவோ வழி இல்லை.

1.2.3. செல்லுலார் தொலைபேசி ஜி.ஐ. 100

GI100- கைரேகை அங்கீகாரம் கொண்ட முதல் தொலைபேசி. கைரேகைகள் டயல் மற்றும் கேமிங் ஆகிய இரண்டிற்கும் பயன்படுத்தப்படுகின்றன. தொலைபேசியின் நினைவகத்தில் உள்ளிடப்பட்ட பத்து எண்களில் ஒன்றை விரைவாக டயல் செய்ய ஃபோன் உரிமையாளரின் விரல்கள் ஒவ்வொன்றும் பயன்படுத்தப்படுகின்றன. அதே வழியில், விளையாட்டுகளின் போது பொத்தான்களை அழுத்துவதற்குப் பதிலாக கைரேகைகளைப் பயன்படுத்தலாம்.

அணுகல் கட்டுப்பாடு - நீங்கள் தொலைபேசியை இயக்கும்போது, ​​​​அதை இயக்கியவரின் கைரேகை ஸ்கேன் செய்யப்படுகிறது. தயாரிப்பின் பெரிய குறைபாடு என்னவென்றால், கைரேகை அங்கீகாரம் மூன்று முறை தோல்வியுற்றால், கடவுச்சொல்லை உள்ளிடும்படி கேட்கப்படுவீர்கள். எனவே, தொலைபேசியை அணுகுவது உரிமையாளரால் அல்ல, ஆனால் கடவுச்சொல் /7/ ஐ அறிந்த ஒருவரால் மட்டுமே பெற முடியும்.

1.2.4. ஆசிரியர் அடோ போட்டோஷாப்

தொழில்முறை ராஸ்டர் பட எடிட்டர். முக்கிய அம்சங்கள்:

1) படக் கூறுகளின் நிறம் மற்றும் தொனியின் கட்டுப்பாடு: ஒரு தட்டு தேர்ந்தெடுக்கும் திறன், வண்ணங்களை மாற்றுதல், 32-பிட் வண்ணத்திற்கான ஆதரவு (வெளிப்படைத்தன்மை), வண்ண விநியோக வரைபடங்களை உருவாக்கும் திறன்;

2) புத்திசாலித்தனமான பட எடிட்டிங்: ஃபோட்டோரியலிசத்தை அடைய சூழ்நிலை ராஸ்டர் திருத்தம் கருவிகள்;

3) படத்தை மாற்றவும் மேம்படுத்தவும் உங்களை அனுமதிக்கும் பரந்த அளவிலான வடிப்பான்கள்;

4) ஒரு படத்தில் பல சுயாதீன அடுக்குகளை உருவாக்கும் திறன்.

தயாரிப்பு புகைப்படப் படங்களை தொழில்முறை எடிட்டிங் செய்ய வடிவமைக்கப்பட்டுள்ளது மற்றும் அவற்றின் தரத்தை மேம்படுத்த சக்திவாய்ந்த கருவிகளைக் கொண்டுள்ளது. செயற்கைப் படங்களைச் செயலாக்குவதற்கு குறைவான பொருத்தமானது. இடைமுகம் சில அறிவாற்றல் திறனைக் கொண்டுள்ளது, இருப்பினும், இது ராஸ்டர் மாதிரியின் நோக்கத்தால் வரையறுக்கப்பட்டுள்ளது /8/.

1.2.5 OCR திட்டம் நன்றாக வாசகர்

தொழில்முறை உரை அங்கீகார திட்டம். முக்கிய அம்சங்கள்:

2) உரையில் உள்ள கோடுகள் மற்றும் எழுத்துக்களின் இருப்பிடத்தை புத்திசாலித்தனமாக தீர்மானித்தல், எழுத்துக்கள் தவறாக ஸ்கேன் செய்யப்படும் போது அல்லது சத்தமாக இருக்கும்போது அவற்றை அங்கீகரித்தல்;

3) தவறாக அங்கீகரிக்கப்பட்ட எழுத்துக்களை சரிசெய்யும் திறன்;

4) அங்கீகரிக்கப்பட்ட உரையை Word அல்லது PDF ஆவணமாகச் சேமிக்கும் திறன்.

ஸ்கேனிங்கிற்குப் பிறகு அச்சிடப்பட்ட உரையை அடையாளம் காணும் வகையில் தயாரிப்பு வடிவமைக்கப்பட்டுள்ளது. அங்கீகரிக்கப்பட்ட எழுத்துகளின் தொகுப்பை சேர்க்கும் திறனை இது கொண்டிருக்கவில்லை, இதன் விளைவாக பயன்பாடு அச்சிடப்பட்ட உரை /9/ ஐ அங்கீகரிப்பதற்கு மட்டுமே வரையறுக்கப்பட்டுள்ளது.

1.2.6. மேசை மதிப்பாய்விலிருந்து முடிவு

மென்பொருள் தயாரிப்புகளின் பட்டியல், நிச்சயமாக, விரிவாக்கப்படலாம், ஆனால் இன்னும் மிகவும் பொதுவான மற்றும் பிரபலமான முன்னேற்றங்கள் அதில் சேர்க்கப்பட்டுள்ளன.

பாப்பில்லரி வடிவத்தின் மூலம் அடையாளம் காண அர்ப்பணிக்கப்பட்ட மென்பொருள் தயாரிப்புகளில், முக்கிய அம்சங்களை அடையாளம் காணலாம்:

1) நிரல்கள் கைரேகைகளைப் பயன்படுத்தி அணுகும் திறனை செயல்படுத்துகின்றன;

2) நிலையான செயல்பாடுகளுடன் செயலாக்கம் சாத்தியம் (பிரகாசம், மாறுபாடு, மறுஅளவிடுதல்);

3) எழுத்து அங்கீகாரம்;

4) ஒரு நிரல் கூட அச்சின் பொதுவான குணாதிசயங்களின் அடிப்படையில் படத்தை சரிசெய்ய உங்களை அனுமதிக்காது, அச்சின் புறநிலை விளக்கத்தை வழங்கவும், மேலும் உங்கள் சொந்த பணிகளுக்கு தனித்தனியாக செயலாக்க வழிமுறைகளைப் பயன்படுத்துவதை சாத்தியமாக்குகிறது.

தற்போதுள்ள மென்பொருளின் சுட்டிக்காட்டப்பட்ட அம்சங்கள் தொடர்பாகவும், பயோமெட்ரிக் முறைகளின் பயன்பாடு அமைப்புகளின் பாதுகாப்பையும் எளிதாக்குவதையும் அதிகரிக்கச் செய்வதால் (பத்தி 1.1.1 ஐப் பார்க்கவும்), பெரும்பாலான டெவலப்பர்களுக்கு இதைப் பயன்படுத்த வசதியாக இருக்கும். கைரேகைகளுடன் வேலை செய்வதற்கான ஆயத்த தொகுதி. எனவே, பாப்பில்லரி வடிவத்தின் கட்டமைப்பு விளக்கத்தை அனுமதிக்கும் திறந்த மூல அமைப்பை உருவாக்குவது பொருத்தமானது. அதன் பொருள் விளக்கம் மற்றும் ஒப்பீடு பெற திறன். அல்காரிதத்தின் பயன்பாடு கைரேகைப் படங்களை விவரிக்க மட்டுமல்லாமல், குறியீட்டுத் தகவல், எழுத்துருக்கள் மற்றும் கையொப்பங்கள் போன்ற பிற பிட் படங்களையும் புறநிலையாக விவரிக்கவும்.

கைரேகை அடையாள அமைப்பு மூலம் இந்தப் பிரச்சனை தீர்க்கப்படுகிறது.

1.3 அடிப்படை அமைப்பு தேவைகள்

1.3.1. அமைப்பின் முக்கிய குறிக்கோள்கள் மற்றும் அதன் செயல்பாட்டின் செயல்திறனுக்கான அளவுகோல்கள்

அமைப்பு உருவாக்கம்அடையாள அங்கீகாரம் நீங்கள் பெற அனுமதிக்கும் புதிய வாய்ப்புபாதுகாப்பு மற்றும் தகவலுக்கான அணுகலை ஒழுங்கமைத்தல், அத்துடன் ராஸ்டர்களை செயலாக்குவதற்கான புதிய, பயனுள்ள வழிமுறைகளை உருவாக்குதல் மற்றும் அவற்றை ஒரு கட்டமைப்பு வடிவத்திற்கு மாற்றுதல், சிதைவு மற்றும் இரைச்சல் ஆகியவற்றைக் குறைப்பதன் மூலம் கிராஃபிக் தகவலின் தரத்தை மேம்படுத்தும் ஒரு கருவியை உருவாக்குதல்.

கணினியின் செயல்திறனை மதிப்பிடுவதற்கு, வெளியீட்டுப் படங்களின் தரம் மற்றும் அவற்றின் கட்டமைப்பு விளக்கத்தின் முழுமை ஆகியவற்றைப் பயன்படுத்தலாம். மேலும் சரியான கைரேகை அங்கீகாரத்தின் நிலை, இது சரியான கைரேகைக்கான தோல்விகளின் எண்ணிக்கை மற்றும் தவறான கைரேகைக்கான உள்ளீடுகளின் எண்ணிக்கை ஆகியவற்றைக் கொண்டு தீர்மானிக்க முடியும் /3/.

உருவாக்கப்பட்ட அமைப்பு திறந்த மூலமாகும் மற்றும் பாப்பில்லரி வடிவத்தின் கட்டமைப்பு விளக்கத்தையும் மற்ற பாப்பில்லரி வடிவங்களுடன் ஒப்பிடுவதையும் அனுமதிக்கிறது. கைரேகை படங்களுடன் மட்டுமல்லாமல், எழுத்துத் தகவல், எழுத்துருக்கள் மற்றும் கையொப்பங்கள் போன்ற பிற பிட் படங்களுடனும் வேலை செய்வதற்கு அல்காரிதம் பொருத்தமானது.

1.3.2. செயல்பாட்டு நியமனம் அமைப்புகள்

கைரேகை அடையாள அமைப்பைச் செயல்படுத்துவது, கைரேகை படத்தைச் செயலாக்குவது மற்றும் பிற கைரேகைகளுடன் ஒப்பிடுவது போன்ற அனைத்து நிலைகளையும் ஒரே இடைமுகத்தில் ஒருங்கிணைக்க அனுமதிக்கும்:

1) பட மாற்றம், விலகல் திருத்தம்;

2) உள்ளூர் அம்சங்களை முன்னிலைப்படுத்துதல் - சிறியது. முழுமையான அளவுருக்களில் சிறுபடங்களின் பட்டியலை உருவாக்குதல்;

3) தவறான மற்றும் நம்பகமற்ற நிமிடங்களைத் தவிர்த்து, முழுமையான அளவுருக்களின் பட்டியலை வரிசைப்படுத்துதல்;

4) முழுமையான அளவுருக்களை உறவினர்களாக மாற்றுதல், தொடர்புடைய அளவுருக்களின் பட்டியலை உருவாக்குதல்;

5) பட தொடர்புகளை கணக்கில் எடுத்துக்கொள்வதற்கு ஒரு சகிப்புத்தன்மை அமைப்பை நிறுவுதல்;

6) ஒரு அச்சை மற்ற பலவற்றுடன் ஒப்பிடுதல்.

1.3.3. அமைப்பின் அம்சங்கள் மற்றும் நிபந்தனைகள் இ அறுவை சிகிச்சை

அமைப்புகைரேகை அடையாளம் ஸ்கேன் மூலம் பெறப்பட்ட டிஜிட்டல் படங்களுடன் வேலை செய்ய வடிவமைக்கப்பட்டுள்ளது.

தெளிவாகத் தெரியும் பாப்பில்லரி வடிவத்துடன் கைரேகைகளின் மின்னணு பிரதிநிதித்துவத்தைப் பெறுவது மிகவும் கடினமான பணியாகும். கைரேகை மிகவும் சிறியதாக இருப்பதால், அதன் உயர்தர படத்தைப் பெற மிகவும் அதிநவீன முறைகளைப் பயன்படுத்த வேண்டும்.

இந்த நேரத்தில், பின்வரும் கைரேகை ஸ்கேனர்கள் அவர்கள் பயன்படுத்தும் இயற்பியல் கொள்கைகளின் அடிப்படையில் வேறுபடுத்தி அறியலாம்:

ஆப்டிகல்;

சிலிக்கான்;

மீயொலி.

மிகப் பழமையான கைரேகை ஸ்கேனிங் தொழில்நுட்பம் ஆப்டிகல் ஆகும். சிசிடி அல்லது சிஎம்ஓஎஸ் சிப்பில் மினி கேமராக்கள் மூலம் கைரேகையை ஸ்கேன் செய்வது, அடையாள அமைப்புகளின் விலையை கணிசமாகக் குறைத்துள்ளது. ஆனால் கைரேகையின் இந்த முறை சில தீர்க்க முடியாத சிக்கல்களை எதிர்கொள்கிறது: இதன் விளைவாக வரும் படம் சுற்றுப்புற ஒளியைப் பொறுத்தது, படத்தின் விளிம்புகளில் சிதைவுகள் சாத்தியமாகும், மேலும் சென்சார் ஒப்பீட்டளவில் எளிதாக "முட்டாளாக்கப்படலாம்" (சில மலிவான சென்சார்கள் "ஏமாறலாம்" வழக்கமான நகலெடுக்கும் இயந்திரத்தில் அச்சிடப்பட்ட நகல்). ஸ்கேனரின் அளவில் இன்னும் சிக்கல்கள் உள்ளன. சென்சார் சிறியதாக இருக்கக்கூடாது குவியத்தூரம்கேமராக்கள். ஆப்டிகல் அமைப்புகளின் முக்கிய நன்மைகளில், மின்னியல் வெளியேற்றத்தின் விளைவுகளுக்கு ஒப்பீட்டளவில் குறைந்த விலை மற்றும் நடைமுறை பாதிப்பில்லாத தன்மையை மீண்டும் குறிப்பிடலாம்.

மின்காந்த புலத்தைப் பயன்படுத்துவதற்கான தொழில்நுட்பம் முற்றிலும் புதியது. சென்சார் ஒரு பலவீனமான மின்காந்த சமிக்ஞையை வெளியிடுகிறது, இது கைரேகையின் முகடுகளையும் பள்ளத்தாக்குகளையும் பின்பற்றுகிறது மற்றும் கைரேகையின் படத்தை உருவாக்க இந்த சமிக்ஞையில் ஏற்படும் மாற்றங்களை கணக்கில் எடுத்துக்கொள்கிறது. இந்த ஸ்கேனிங் கொள்கை இறந்த செல்களின் அடுக்கின் கீழ் தோல் வடிவத்தைப் பார்க்க உங்களை அனுமதிக்கிறது, இது வழிவகுக்கிறது நல்ல முடிவுகள்மங்கலான அல்லது மங்கலான அச்சிட்டுகளை அடையாளம் காணும் போது. சென்சார் அளவு மற்றும் தெளிவுத்திறன் ஆகியவற்றுக்கு இடையே ஏற்றுக்கொள்ளக்கூடிய உறவு இல்லை என்பதே பிரச்சனை.

குறிப்பிடப்பட வேண்டிய மற்றொரு நம்பிக்கைக்குரிய தொழில்நுட்பம் அல்ட்ராசவுண்ட் ஆகும். 3D அல்ட்ராசவுண்ட் ஸ்கேனர் விரலின் குறுக்குவெட்டு மேற்பரப்பை ஒரு வகையான ரேடார் மூலம் அளவிடுகிறது. இந்த ஸ்கேனிங் முறை மிகவும் பயனுள்ளதாக இருக்கும், உதாரணமாக, சுகாதாரத்தில். மலட்டு கைகளால் எந்த சென்சார் ரீடர்களையும் தொட வேண்டிய அவசியமில்லை, மேலும் அறுவைசிகிச்சை நிபுணரின் ரப்பர் அல்லது பிளாஸ்டிக் கையுறைகள் மூலமாகவும் கைரேகையை எளிதாகப் படிக்கலாம். அல்ட்ராசவுண்ட் தொழில்நுட்பத்தின் முக்கிய தீமை அதன் அதிக செலவு மற்றும் நீண்ட ஸ்கேனிங் நேரம் /10/ ஆகும்.

பிற முறைகள் உள்ளன, அவை கடந்த காலத்தில் பயன்படுத்தப்பட்டன அல்லது உருவாக்கப்பட்டு வருகின்றன /11/.

1.3.4. செயல்பாட்டு கட்டமைப்பிற்கான தேவைகள்

கட்டுமானம்கைரேகை அடையாள அமைப்புகள் ஒரு மட்டு அமைப்பைக் கொண்டுள்ளன. ஷெல் ஒரு பொதுவான இடைமுகத்தையும் கணினியில் உள்ள அனைத்து தொகுதிக்கூறுகளையும் அணுகும் திறனையும் வழங்க வேண்டும். பின்வரும் தொகுதிகள் ஷெல்லிலிருந்து அழைக்கப்படுகின்றன: பட பகுப்பாய்வு துணை அமைப்பு, ஒரு கைரேகையை பலவற்றுடன் ஒப்பிடுவதற்கான துணை அமைப்பு. துணை அமைப்புகளுக்கிடையேயான தரவு பரிமாற்றம் ஒரு பொதுவான ஷெல்லுக்குள் திட்டத்தின் மூலம் நிகழ்கிறது.

பட பகுப்பாய்வு துணை அமைப்பு முக்கிய பகுதிகளில் பாப்பில்லரி வடிவத்தின் அடிப்படை புள்ளியியல் பண்புகளைப் பெறுவதற்கான திறனை வழங்க வேண்டும். உயர்தர கைரேகை படத்தைப் பெறுவதற்கான வழிமுறைகள் கிடைப்பதை துணை அமைப்பு கருதுகிறது.

கைரேகை பட ஒப்பீட்டு துணை அமைப்பு பாப்பில்லரி வடிவத்தின் வெவ்வேறு படங்களின் ஒற்றுமையை தானாக அடையாளம் காண பயன்படுகிறது.

1.3.5 தேவைகள் செய்ய தொழில்நுட்ப உறுதி செய்யும்

கணினியில் பட செயலாக்கத்தின் பணியானது கிராஃபிக் தகவலின் பெரிய வரிசைகளின் தானியங்கி பகுப்பாய்வோடு தொடர்புடையது. கணினியில் மேற்கொள்ளப்படும் மாற்றங்கள் பயனருடன் ஊடாடும் தொடர்பு செயல்பாட்டில் மேற்கொள்ளப்பட வேண்டும், எனவே செயலாக்கத்திற்கான இடைநிறுத்தங்கள் பலவற்றை விட அதிகமாக இருக்கக்கூடாது.வினாடிகள் இதன் அடிப்படையில், தேவைகள் தொழில்நுட்ப குறிப்புகள்கணினி இயங்கும் தனிப்பட்ட கணினி. தேவைகள் அட்டவணையில் சுருக்கப்பட்டுள்ளன. 1.1

அட்டவணை 1.1

தனிப்பட்ட கணினியின் தொழில்நுட்ப பண்புகள்

பெயர்	பொருள்
செயலி அதிர்வெண், MHz
ரேம் திறன், எம்பி
திரை தெளிவுத்திறனைக் கண்காணிக்கவும்	குறைந்தது 1024x768

1.3.6. தேவைகள் செய்ய தகவல் உறுதி செய்யும்

அமைப்பு செயலாக்க வடிவமைக்கப்பட்டுள்ளதுபிட் படங்கள். கருவிகள் (ஸ்கேனர் அல்லது வேறு ஏதேனும் கிராபிக்ஸ் மாதிரி சாதனம்) அறிமுகப்படுத்திய துல்லியமின்மை, சத்தம் மற்றும் தோராயங்களின் காரணமாக, பல்வேறு இயல்புகளின் சத்தம் படத்தில் தோன்றும். இந்த சிதைவுகளிலிருந்து ஓரளவு விடுபட கணினி அனுமதிக்கிறது. எனவே, உள்ளீட்டு படங்களின் தரம் ஏற்றுக்கொள்ளக்கூடிய அளவில் இருக்க வேண்டும்.

கணினியில் செயலாக்கப்படும் தகவல்களின் முக்கிய வகை ராஸ்டர் பிரதிநிதித்துவம் மற்றும் அதன் பொருள் பிரதிநிதித்துவத்தில் கிராஃபிக் தகவல் ஆகும். இந்த வகை தரவு மனிதர்களால் நேரடியாகவும் முழுமையாகவும் உணரப்படுகிறது, எனவே செயலாக்கத்தின் பல்வேறு நிலைகளில் படங்களை காட்சிப்படுத்துவதற்கான வழிமுறைகளை வழங்குவது அவசியம்.

1.3.7. தேவைகள் செய்ய மென்பொருள் உறுதி செய்யும்

குடும்பத்தின் இயக்க முறைமையின் கீழ் செயல்படும் அமைப்பை உருவாக்குவது நல்லதுவிண்டோஸ், இந்த வகுப்பின் இயக்க முறைமைகள் மிகவும் பரவலாகப் பயன்படுத்தப்படுகின்றன நவீன உலகம். மைக்ரோசாஃப்ட் விஷுவல் ஸ்டுடியோ C++ 2003 பயன்பாட்டு மேம்பாட்டுச் சூழல் தேர்வு செய்யப்பட்டிருக்கிறது.

1.4 கணினி வடிவமைப்பின் முக்கிய தொழில்நுட்ப தீர்வுகள்

1.4.1. தீர்வு மூலம் சிக்கலான தொழில்நுட்ப நிதி

பத்திகளில் ஏற்கனவே குறிப்பிட்டுள்ளபடி. 1.3.5, கணினியின் பயனர் நட்பு இயக்க முறைமையை அடைய, தனிப்பட்ட கணினியின் பின்வரும் குறைந்தபட்ச கட்டமைப்பு தேவை: செயலி அதிர்வெண் 900 மெகா ஹெர்ட்ஸ், ரேம் திறன் 64 எம்பி, குறைந்தபட்சம் 1024x768 பிக்சல்கள் தீர்மானத்தை ஆதரிக்கும் மானிட்டர். பின்வரும் புற தொழில்நுட்ப வழிமுறைகளை வைத்திருப்பதும் விரும்பத்தக்கது: கைரேகை ஸ்கேனர், முடிவுகளை அச்சிடுவதற்கு வண்ண இன்க்ஜெட் பிரிண்டர்.

1.4.2. மென்பொருள் அமைப்பின் விளக்கம்

திட்டத்தின் செயலாக்கம் மற்றும் செயல்பாட்டிற்கு, கணினி அளவிலான OS மென்பொருள் தேவை Windows XP ஆனது ஒரு கர்னலை அடிப்படையாகக் கொண்டது, இது 32-பிட் கம்ப்யூட்டிங் கட்டமைப்பு மற்றும் பாதுகாப்பான கணினி சூழலை வழங்க முழுப் பாதுகாப்பான நினைவக மாதிரியைக் கொண்டுள்ளது.

மைக்ரோசாஃப்ட் விஷுவல் ஸ்டுடியோ சி++ 2003 பயன்பாட்டு மேம்பாட்டு சூழலைப் பயன்படுத்தி ஆளுமை அங்கீகார அமைப்பு மற்றும் அதன் துணை அமைப்புகளின் மேம்பாடு மேற்கொள்ளப்படும். வளர்ச்சிச் சூழலில் உயர் செயல்திறன் கொண்ட 32-பிட் கம்பைலர் உள்ளது, இது உருவாக்கப்பட்ட குறியீட்டை மேம்படுத்த அனுமதிக்கிறது. மைக்ரோசாஃப்ட் விஷுவல் ஸ்டுடியோ C++ ஆனது புரோகிராமர்களின் உற்பத்தித்திறனை மேம்படுத்தும் மற்றும் வளர்ச்சி சுழற்சி நேரத்தைக் குறைக்கும் கருவிகளின் விரிவான தொகுப்பை உள்ளடக்கியது. மைக்ரோசாஃப்ட் விஷுவல் ஸ்டுடியோ C++ 2003 என்பது ஒரு ANSI/ISO கம்பைலர், உள்ளமைக்கப்பட்ட படிவ வடிவமைப்பாளர், ஒரு வளமான கூறு கருவிகள், ஒரு தீர்வு எக்ஸ்ப்ளோரர், ஒரு திட்ட மேலாளர் மற்றும் பிழைத்திருத்தி ஆகியவற்றை உள்ளடக்கிய ஒரு அம்சம் நிறைந்த ஒருங்கிணைந்த மேம்பாட்டு சூழலாகும். இந்த வளர்ச்சி சூழலில் உருவாக்கப்பட்ட நிரல்களின் எளிமை மற்றும் செயல்திறன் ஆகியவை மைக்ரோசாஃப்ட் விஷுவல் ஸ்டுடியோ சி++ 2003 ஐ ஒரு நபர் அங்கீகார அமைப்பு போன்ற ஆராய்ச்சி அமைப்பை உருவாக்குவதற்கான உகந்த தேர்வாக ஆக்குகிறது.

2. கைரேகை பட பகுப்பாய்வு துணை அமைப்பின் வளர்ச்சி

2.1 கைரேகை பட பகுப்பாய்வு துணை அமைப்பின் சிக்கல் அறிக்கையின் விளக்கம்

2.1.1. பண்பு பணிகள்

கிராஃபிக் படங்கள் குறிப்பிடப்படுகின்றன நம்மைச் சுற்றியுள்ள உலகம், பெரிய பன்முகத்தன்மை கொண்டது. ஒரு படத்தின் ஒருங்கிணைந்த பண்பு அதன் இடஞ்சார்ந்த அமைப்பு ஆகும். காட்சி உணர்வின் போது இந்த கட்டமைப்பை மறுகட்டமைக்கும் திறன் உணர்வின் புறநிலையை உறுதி செய்கிறது.

இடஞ்சார்ந்த உறுதி, இது படத்தில் உள்ள எந்தப் புள்ளியும் ஒரு பொருளைக் குறிக்கக்கூடிய அல்லது தொடர்புடைய பொருள் பகுதியின் ஒன்று அல்லது அதற்கு மேற்பட்ட பொருள்களுக்கு சொந்தமான ஒற்றை மற்றும் நன்கு வரையறுக்கப்பட்ட கட்டமைப்பு உறுப்புக்கு சொந்தமானது. எனவே, எந்தவொரு படமும் அதன் கட்டமைப்பு கூறுகளின் இருப்பிடம் மற்றும் சொற்பொருள் பண்புகளை தீர்மானிக்கும் சில முன்னோடி திட்டத்தின் படி கட்டமைக்கப்படுகிறது.

கணினிகளில் படங்களைக் குறிக்கும் மாதிரிகளை இரண்டு வகைகளாகப் பிரிக்கலாம்: ராஸ்டர் மற்றும் வெக்டார்.

கணினியில் "மூல" படங்களைக் குறிக்கும் மிகவும் பொதுவான வடிவம் ஒரு ராஸ்டர் ஆகும். இந்த வழக்கில் உள்ள படம் NxM புள்ளிகளின் (பிக்சல்கள்) அணி ஆகும். ராஸ்டர் படங்களின் காட்சிப்படுத்தல் மிகவும் எளிமையானது மற்றும் அதன் பிக்சல்களை திரையில் வரி வரியாகக் காண்பிக்கும். இருப்பினும், இந்த வகை மாதிரியானது அதன் பயன்பாட்டின் நோக்கத்தை கட்டுப்படுத்தும் கட்டமைப்பு, மிகவும் குறைவான சொற்பொருள், தகவல்களைக் கொண்டிருக்கவில்லை. நிஜ உலகில் உள்ள படங்கள் கணினியில் உள்ளிடப்படும் போது, ​​அவை பெரும்பாலும் ராஸ்டர் வடிவத்தில் தோன்றும்.

படப் பிரதிநிதித்துவத்தின் திசையன் மாதிரிகள் எந்த வரியையும் பகுப்பாய்வு வடிவத்தில் குறிப்பிடலாம் என்ற உண்மையை அடிப்படையாகக் கொண்டது, எடுத்துக்காட்டாக, திசையன்களின் தொகுப்பாக - இயக்கப்பட்ட பிரிவுகள். ராஸ்டர் மாதிரியை விட வெக்டார் மாதிரியில் படங்களை காட்சிப்படுத்துவது மிகவும் கடினம். ஆனால் ஒரு மாதிரியானது அதில் கட்டமைப்புத் தகவல்களைச் சேர்ப்பதன் மூலம் அறிவாற்றல் சக்தியைப் பெறுகிறது.

கைரேகை படம் பொதுவாக பைனரி குறியீட்டில் சேமிக்கப்படுகிறது, அங்கு ஒவ்வொரு பிக்சலும் 8 பிட்களால் விவரிக்கப்படுகிறது, அதாவது 256 சாம்பல் நிற நிழல்கள். மேம்பட்ட ஸ்கேனிங் அமைப்புகளில், கைரேகையின் டிஜிட்டல் படம் ஒரு சிறப்பு பட மேம்படுத்தல் அல்காரிதம் பயன்படுத்தி செயலாக்கப்படுகிறது. இந்த அல்காரிதம் ஸ்கேனிங் அளவுருக்களை சரிசெய்வதற்கு சென்சாருக்கு கருத்துக்களை வழங்குகிறது. சென்சார் இறுதிப் படத்தைப் பிடிக்கும் போது, ​​அல்காரிதம் சிறந்த தரம் /12/ஐப் பெற அச்சுப் படத்தின் மாறுபாடு மற்றும் தெளிவைச் சரிசெய்கிறது.

கைரேகை அடையாள முறைகள் மாதிரிகளுடன் ஒப்பிடுதல் அல்லது சிறப்பியல்பு விவரங்களைப் பயன்படுத்துதல் ஆகியவற்றை அடிப்படையாகக் கொண்டது.

விவரங்கள் மூலம் அடையாளம் காணும்போது, ​​அம்சம் (விவரம்) காணப்படும் குறிப்பிட்ட இடங்கள் மட்டுமே படத்திலிருந்து பிரித்தெடுக்கப்படும். வழக்கமாக இது ரிட்ஜின் முடிவு அல்லது அதன் பிளவு (படம் 2.1). இந்த வழக்கில் டெம்ப்ளேட்டின் உள்ளடக்கம் தொடர்புடைய ஒருங்கிணைப்புகள் மற்றும் பகுதியின் நோக்குநிலை பற்றிய தகவல்களைக் கொண்டுள்ளது. அங்கீகார அல்காரிதம் தொடர்புடைய பகுதிகளைக் கண்டுபிடித்து ஒப்பிடுகிறது. கைரேகையின் சுழற்சி அல்லது அதன் இணை மொழிபெயர்ப்பு (ஷிப்ட்) அமைப்பின் செயல்பாட்டை பாதிக்காது, ஏனெனில் அல்காரிதம் ஒப்பீட்டு மதிப்புகளுடன் செயல்படுகிறது.

சிறுபடங்களின் வகைகள்

ஒப்பிடுவதற்கு, பாப்பில்லரி வடிவத்தின் உள்ளூர் அம்சங்களுக்கான பிட் படத்தில் ஒரு தேடல் செய்யப்படுகிறது - மினுட்டியே. தேடலுக்கு, ரிட்ஜ் காண்டூர் டிராவர்சல் அல்காரிதம் பயன்படுத்தப்படுகிறது. இதன் விளைவாக, பகுப்பாய்வு துணை அமைப்பு ஒரு ராஸ்டர் பிரதிநிதித்துவத்திலிருந்து ஒரு கட்டமைப்பு பிரதிநிதித்துவத்திற்கு மாற்றத்தை செயல்படுத்துகிறது.

2.1.2. நுழைவாயில் தகவல்

600dpi தெளிவுத்திறனில் ஸ்கேன் செய்வதன் மூலம் அச்சிடப்பட்டது. பிட் கோப்பு நீட்டிப்பு
முன்னிருப்பாக *.bmp. Bmp வடிவம் (BitMaP - bitmap என்ற சொற்களிலிருந்து) சுருக்கப்படாத (பெரும்பாலும்), இது பிழைகளை அறிமுகப்படுத்துவதைத் தவிர்க்க உங்களை அனுமதிக்கிறது, இது விண்டோஸில் படிக்கவும் காண்பிக்கவும் மிகவும் எளிதானது, இது /13 க்கு உதவும் சிறப்பு API செயல்பாடுகளைக் கொண்டுள்ளது. /.

2.1.3. வெளியீடு தகவல்

வெளியீட்டுத் தகவல் என்பது முழுமையான அளவுருக்களில் உள்ள நிமிடங்களின் பட்டியலாகும், இது நினைவகத்தில் அமைந்துள்ளது, அளவுருக்கள் உள்ளனஒவ்வொரு நிமிடமும் கண்டுபிடிக்கப்பட்டது. வரிசையின் ஒவ்வொரு உறுப்பும் தேவையான அனைத்து சிறிய அளவுருக்களையும் கொண்டுள்ளது: முழு எண் வகை ஆயத்தொலைவுகள் - 2x4 பைட்டுகள், திசை கோணம் 8 பைட்டுகள், புள்ளி வகை 1 பைட்

வரிசை அமைப்பு:

அட்டவணை 2.1

கட்டமைப்பு விளக்கத்துடன் கோப்பு வரி வடிவம்

2.1.4. சிக்கலின் கணித உருவாக்கம்

துணை அமைப்பின் செயல்பாடு பின்வரும் நிலைகளில் செயல்படுத்தப்படுகிறது:

உள்ளீடு படத்தின் திருத்தம், குறைபாடுகள் மற்றும் சிதைவுகளை நீக்குதல்;

நுணுக்கங்களைத் தேடி அவற்றின் முழுமையான அளவுருக்களின் பட்டியலை உருவாக்கவும்;

பெறப்பட்ட அளவுருக்களின் பட்டியலை வடிகட்டுதல்;

இந்த சிக்கல்களைத் தீர்க்க, ஒரு வரிசையுடன் பணிபுரியும் நிலையான செயல்பாடுகள் தேவை, அவை அட்டவணையில் வழங்கப்படுகின்றன. 2.2

அட்டவணை 2.2

வரிசை செயல்பாடுகள்

பதவி	டிகோடிங்
	வரிசை உறுப்புகளின் எண்ணிக்கை
	i-th array உறுப்பை அணுகுகிறது
	M வரிசையின் முடிவில் E உறுப்பைச் சேர்க்கும் செயல்பாடு
நீக்கு (வரிசை, போஸ்)	ஒரு வரிசையிலிருந்து Pos நிலையில் உள்ள ஒரு உறுப்பை அகற்றும் செயல்பாடு
நீக்கு (வரிசை, உறுப்பு)	ஒரு வரிசையிலிருந்து ஒரு உறுப்பை அகற்றும் செயல்பாடு
Pos(வரிசை, உறுப்பு)	ஒரு வரிசை வரிசையில் உள்ள உறுப்புகளின் எண்ணிக்கையைப் பெறுவதற்கான செயல்பாடு
	Array2 இன் நகல் அல்லாத கூறுகளை Array1 இன் இறுதியில் சேர்க்கும் செயல்பாடு
	வரிசை வெட்டும் செயல்பாடு
	ஒரு வரிசை M க்கு E உறுப்பைச் சேர்ந்த தர்க்கரீதியான செயல்பாடு
	ஒரு வரிசை அணிவரிசையை புலம் f இன் மதிப்பின் மூலம் வரிசைப்படுத்தும் செயல்பாடு

2.1.5. பாப்பில்லரி பகுப்பாய்வு துணை அமைப்பின் செயல்பாட்டு வரைபடம்

முறை

சுற்றை இயக்குவதற்கான திட்டத்தை செயல்படுத்துவதே வேலையின் குறிக்கோள், படம் காட்டப்பட்டுள்ளது. 2.1.1.

பகுப்பாய்வு துணை அமைப்பு வரைபடம்

2.2 ஸ்கேனிங் குறைபாடுகளை கண்டறிதல் மற்றும் அவற்றை நீக்குவதற்கான சிக்கல் அறிக்கையின் விளக்கம்

2.2.1. பணியின் பண்புகள்

ராஸ்டர் வடிவத்தில் வழங்கப்பட்ட பாப்பில்லரி முறை தனிப்பட்ட வரி கூறுகளைக் கொண்டுள்ளது. கோடுகள் பாப்பில்லரி வடிவத்தின் முகடுகளின் பிரதிபலிப்பாகும், இந்த கோடுகளின் விளிம்பில் நடப்பது தனிப்பட்ட முகடுகளை முன்னிலைப்படுத்த உங்களை அனுமதிக்கும்விரலில் அவர்களின் இருப்பிடம் பற்றிய தகவல். இருப்பினும், ராஸ்டர் பிரிண்ட் பெறும் செயல்பாட்டில், ஸ்கேனிங் சாதனத்தில் குப்பைகள் சேருதல், தோலில் வெட்டுக்கள் மற்றும் மடிப்புகளின் இருப்பு, ஸ்கேனரில் விரலை சீரற்ற முறையில் அழுத்துதல் மற்றும் மாற்றத்தின் காரணமாக ஏற்படும் வழக்கமான படக் குறைபாடுகள் சாத்தியமாகும். ஒவ்வொரு புதிய ஸ்கேனிலும் அதன் நிலை.

இரண்டு வகையான குறைபாடுகள் உள்ளன: மேலே விவரிக்கப்பட்ட சூழ்நிலைகள் காரணமாக, அருகிலுள்ள முகடுகளின் ஒட்டுதல் மற்றும் ஒரு ராஸ்டரில் ஒரு ரிட்ஜ் முறிவு. இந்த குறைபாடுகள் ஓரளவு கணிக்கக்கூடியவை என்பதால், அவை அகற்றப்படலாம். மேலும் கட்டமைப்பு பகுப்பாய்விற்கு படத் தயாரிப்பைப் பயன்படுத்துவதன் மூலம், அசல் ராஸ்டரில் சத்தம் மற்றும் சிதைவின் அளவைக் கணிசமாகக் குறைக்க முடியும், இது அதிகரித்த அங்கீகார வேகம் மற்றும் நம்பகத்தன்மைக்கு வழிவகுக்கிறது.

ஸ்கேனிங் குறைபாடுகளைக் கண்டறிந்து நீக்குவதற்கான சிக்கலைத் தீர்ப்பதன் விளைவாக, தனிப்பட்ட அடையாள அமைப்பு அதன் செயல்பாட்டை உள்ளீட்டு படங்களின் தரத்தை மேம்படுத்தும் திறனுடன் பூர்த்தி செய்யும்.

2.2.2. நுழைவாயில் தகவல்

உள்ளீடு தகவல் ஆகும்கைரேகையின் பிட்மேப் 600dpi தீர்மானத்துடன் ஸ்கேன் செய்வதன் மூலம் பெறப்படுகிறது. பிட் கோப்பு நீட்டிப்பு
முன்னிருப்பாக *.bmp. bmp வடிவம் (BitMaP - bit array என்ற சொற்களிலிருந்து) ஒரு சுருக்கப்படாத (பெரும்பாலும்) படமாகும், இது பிழைகளை அறிமுகப்படுத்துவதைத் தவிர்க்க உங்களை அனுமதிக்கிறது. சிறப்பு API செயல்பாடுகளைக் கொண்ட Windows OS இல் bmp வடிவம் படிக்கவும் வெளியிடவும் மிகவும் எளிதானது.

உள்ளீட்டு ராஸ்டர் BMP வடிவத்தில் வழங்கப்படுகிறது, இது படம் 1 இல் காட்டப்பட்டுள்ள கட்டமைப்பைக் கொண்டுள்ளது. 2.1.2 /13/.

BMP வடிவம்

தொடக்கத்தில் ஒரு கோப்பு தலைப்பு உள்ளது - BITMAPFILEHEADER.

typedef struct tagBITMAPFILEHEADER

வார்த்தை bfReserved1;

வார்த்தை bfReserved2;

DWORD bfOffBits;

) BITMAPFILEHEADER, *PBITMAPFILEHEADER;

typedef struct tagBITMAPINFOHEADER

வார்த்தை biBitCount;

DWORD இருஅழுத்தம்;

DWORD biSizeImage;

நீண்ட biXPelsPerMeter;

நீண்ட biYPelsPerMeter;

DWORD biClrUsed;

DWORD biClr முக்கியமானது;

) BITMAPINFOHEADER, *PBITMAPINFOHEADER;

2.2.3. விடுமுறை நாள் தகவல்

இந்த பணிக்கான வெளியீடுஏறக்குறைய ஒட்டுதல் அல்லது முறிவுகள் இல்லாத ஒரு திருத்தப்பட்ட ராஸ்டர், அதில் மினுட்டியாவைத் தேடுவதற்கு மிகவும் பொருத்தமானது.

2.2.4. கணித அறிக்கை

உள்ளூர் அம்சங்களைக் கண்டறிவதன் மூலம் சிறுமைக்கான தேடல் நிகழ்கிறது. உள்ளூர் அம்சங்கள் வரி வரையறைகளின் வலுவான வளைவுகளாகும். சிறியதாக இருக்கும் வளைவுகள் முடிவுகளும் பிளவுகளும் ஆகும், ஆனால் அவற்றுக்கு கூடுதலாக அருகில் உள்ள கோடுகள் மற்றும் ஒரு வரியில் முறிவுகள் உள்ளன, அவை சிறியவை அல்ல.

படத்தில். படம் 2.2 ஒரு வரி முறிவைக் காட்டுகிறது, மேலும் பின்வரும் நிபந்தனை பூர்த்தி செய்யப்படுகிறது:

எங்கே A = (x,y);

அனுபவ மதிப்பு.

படத்தில். படம் 2.3, கோடுகள் ஒன்றாக ஒட்டிக்கொண்டிருப்பதைக் காட்டுகிறது, அதே சமயம் படம். 2.3

வரி முறிவு

D1, D2 - அருகில் உள்ள பகுதிகள்;

ஒன்றாக ஒட்டிக்கொண்டிருக்கும் கோடுகள்

A - பாப்பில்லரி முறை கோட்டின் விளிம்பின் வலுவான வளைவு;

பி - பாப்பில்லரி வடிவத்தின் வரியின் தொடர்ச்சியின் சாத்தியமான புள்ளி;

சி - தொடர்ச்சியின் சாத்தியமான புள்ளியில் விளிம்பின் வளைவு;

D1, D2 - அருகில் உள்ள பகுதிகள்;

2.2.5. தீர்வு அல்காரிதம் பணிகள்

முறிவு பகுதி கண்டறியப்பட்டால், வரி ஒருமைப்பாடு மீட்டமைக்கப்படும்;

ஒட்டும் பகுதி கண்டறியப்பட்டால், கோடுகள் பிரிக்கப்படுகின்றன.

வேலையின் முடிவு, அசல் ஒன்றை விட சிறுபடங்களைத் தேடுவதற்கு மிகவும் பொருத்தமான ஒரு ராஸ்டர் ஆகும்.

ஆர் - பிட்மேப்

வரைபடம் - பட்டியல். வரைபடம் = (x, y)i

R.width() - பிக்சல்களில் ராஸ்டர் அகலம்

R.height() - பிக்சல்களில் ராஸ்டர் உயரம்

R.ChangeLine(வரைபடம்[i]) - வரைபடம்[i] புள்ளியில் இருந்து கோட்டின் விளிம்பில் பயணிப்பது

2. ராஸ்டர் ஆர் இலிருந்து வரைபட வரிகளின் பட்டியலை உருவாக்கவும்

3. i, : i R.ChangeLine(வரைபடம்[i])

4. ராஸ்டர் R மாற்றப்பட்டிருந்தால், படி 2 க்குச் செல்லவும்

2.2.5.1. வழிமுறையின் விளக்கம் " வரிகளின் பட்டியலை உருவாக்குகிறது »

வெவ்வேறு பாப்பில்லரி கோடுகளுக்குச் சொந்தமான ராஸ்டரில் புள்ளிகளைக் கண்டறிவதற்கான ஒரு அல்காரிதம்.

3. R.GetPixelColor(x,y) != 0x000000 எனில், படி 5க்குச் செல்லவும்

4. (x,y) வரைபடம்; R.FloodFill(x, y, 0xFFFFFF)

6. y என்றால்< R.width(), то перейти к п. 3

8. x என்றால்< R.height(), то перейти к п. 3

2.2.5.2. வழிமுறையின் விளக்கம் " மாற்றம் வரி »

ஒட்டுதல், முறிவுகள் மற்றும் ராஸ்டரில் அவற்றை அகற்றுவதற்கான அல்காரிதம்.

dot0, dot1 - கோட்டின் விளிம்பிற்குச் சொந்தமான புள்ளிகள்

vec0, vec1 - உள்ளூர் திசைகள்

alphaTest - முன் வரையறுக்கப்பட்ட மாறிலி, இது பாப்பில்லரி கோடு விளிம்பின் வலுவான வளைவை தீர்மானிக்கிறது

NextDotCW(dot0, step) - படி புள்ளிகள் மூலம் அடுத்த புள்ளியின் ஆயங்களை பெறுதல்

உடைப்பு மற்றும் ஒட்டுதலுக்கான நிலைமைகள் பத்திகளில் விவரிக்கப்பட்டுள்ளன. 2.2.4

2. dot0::= ஆரம்ப மதிப்பு

3. dot1::= NextDotCW(dot0, step);

4. vec0::= GetVec(dot0, dot1);

5. dot0::= dot1;

6. dot1::= NextDotCW(dot0, step);

7. vec1::= GetVec(dot0, dot1);

8. என்றால் |vec1 - vec0|< alphaTest, то перейти к п. 11

9. கண்டுபிடிக்கப்பட்ட புள்ளி சங்கமமாக இருந்தால், கோடுகளை பிரிக்கவும்

10. கண்டுபிடிக்கப்பட்ட புள்ளி ஒரு இடைவெளியாக இருந்தால், கோட்டின் ஒருமைப்பாட்டை மீட்டெடுக்கவும்

11. விளிம்பில் நடப்பது தொடக்கப் புள்ளிக்கு வழிவகுத்தால், படி 13 க்குச் செல்லவும்

12. vec0::= vec1; படி 5 க்குச் செல்லவும்

2.3 பிரச்சனை அறிக்கையின் விளக்கம்: உள்ளூர் அடையாளம்

அம்சங்கள்

2.3.1. பண்பு பணிகள்

துணை அமைப்பின் பணியின் முக்கிய பகுதி ராஸ்டர் பிரதிநிதித்துவத்திலிருந்து மாற்றமாகும்கட்டமைப்பு பிரதிநிதித்துவம். இதைச் செய்ய, ராஸ்டரில் பிளவுகள் அல்லது முடிவுகளுக்கு ஒத்த பகுதிகளை நீங்கள் கண்டுபிடிக்க வேண்டும். பாப்பில்லரி வடிவத்தின் கோடுகளுடன் தொடர்புடைய ராஸ்டரில் உள்ள கறுப்புப் பகுதிகளைக் கடப்பதன் மூலம் தேடல் மேற்கொள்ளப்படுகிறது, அதே நேரத்தில் விளிம்பின் வலுவான வளைவு கொண்ட இடங்கள் குறிப்பிட்ட புள்ளிகளாகும்.

2.3.2. உள்ளீடு தகவல்

உள்ளீடு தகவல் ஒரு பிட்மேப் ஆகும்முன் செயலாக்கத்திற்குப் பிறகு. ராஸ்டர் ஒரு பிக்சலுக்கு 1 பிட் ஆழமும் 600 dpi தீர்மானமும் கொண்டது. bmp வடிவம் (BitMaP - bit map, அல்லது, ரஷ்ய மொழியில், bit array என்ற சொற்களிலிருந்து) ஒரு சுருக்கப்படாத (பெரும்பாலும்) படமாகும், இது பிழைகளை அறிமுகப்படுத்துவதைத் தவிர்க்க உங்களை அனுமதிக்கிறது. விண்டோஸில் Bmp வடிவம் படிக்க மற்றும் வெளியிட மிகவும் எளிதானது, இது சிறப்பு API செயல்பாடுகள் /13/.

2.3.3. விடுமுறை நாள் தகவல்

வெளியீட்டுத் தகவல் என்பது அங்கு இருந்த அளவுருக்களின் பட்டியலாகும்மற்றும் குறிப்பிட்ட புள்ளிகள் (அம்சம், விவரம்) முழுமையான அளவுருக்களில் கண்டறியப்படுகின்றன. இந்த கட்டத்தில் நினைவகத்தில் அமைந்துள்ள பட்டியலில், தேவையான புள்ளிகளுக்கு கூடுதலாக, உள்ளீட்டு படம் தரமற்றதாக இருக்கும்போது உருவாகும் தவறானவைகள் உள்ளன. ஒவ்வொரு வரிசை உறுப்புக்கும் தேவையான அனைத்து அளவுருக்கள் உள்ளன: முழு எண் வகை ஆயத்தொலைவுகள் - 2x4 பைட்டுகள், திசை கோணம் - 8 பைட்டுகள், புள்ளி வகை - 1 பைட்.

வரிசை அமைப்பு:

X i , Y i - ராஸ்டரில் நிமிட ஒருங்கிணைப்புகள்

i - நிமிட நோக்குநிலை

டி - வகை (முடிவு அல்லது பிளவு)

k - நிமிடங்களின் எண்ணிக்கை

2.3.4. கணிதவியல் அரங்கேற்றம் பணிகள்

உள்ளூர் அம்சங்களைக் கண்டறிவதன் மூலம் சிறுமைக்கான தேடல் நிகழ்கிறது. உள்ளூர் அம்சங்கள் கோடுகளின் விளிம்பின் வலுவான வளைவுகள், சில வளைவுகள் சிறியவை - இவை முடிவுகள் மற்றும் பிளவுகள், ஆனால் அவற்றுக்கு கூடுதலாக அருகிலுள்ள கோடுகளின் ஒட்டுதல் மற்றும் ஒரு வரியின் முறிவுகள் உள்ளன.

படத்தில். 2.4 "முடிவை" காட்டுகிறது, மேலும் நிபந்தனை 2 பூர்த்தி செய்யப்படுகிறது.

எங்கே A = (x,y);

அனுபவ மதிப்பு.

படத்தில். 2.5 ஒரு "பிரிவு" காட்டுகிறது, அதே சமயம் படம் 2.5

முடிவு

A - பாப்பில்லரி முறை கோட்டின் விளிம்பின் வலுவான வளைவு;

பி - பாப்பில்லரி வடிவத்தின் வரியின் தொடர்ச்சியின் சாத்தியமான புள்ளி;

சி - தொடர்ச்சியின் சாத்தியமான புள்ளியில் விளிம்பின் வளைவு;

D1, D2 - அருகில் உள்ள பகுதிகள்;

L1, L2 - பாப்பில்லரி வடிவத்தின் சாத்தியமான அருகிலுள்ள கோடுகள்.

பிரித்தல்

A - பாப்பில்லரி முறை கோட்டின் விளிம்பின் வலுவான வளைவு;

பி - பாப்பில்லரி வடிவத்தின் வரியின் தொடர்ச்சியின் சாத்தியமான புள்ளி;

சி - தொடர்ச்சியின் சாத்தியமான புள்ளியில் விளிம்பின் வளைவு;

D1, D2 - அருகில் உள்ள பகுதிகள்;

L1, L2 ஆகியவை பாப்பில்லரி வடிவத்தின் சாத்தியமான அருகிலுள்ள தாழ்வுகளாகும்.

உள்ளூர் அம்சங்கள்: முறிவு மற்றும் ஒட்டுதல் ஆகியவை பத்திகளில் விவரிக்கப்பட்டுள்ளன. 2.2.4.

2.3.5 அல்காரிதம் தீர்வுகள் பணிகள்

கைரேகை படத்தில் ஒவ்வொரு வரியையும் செயலாக்குவதற்கான முக்கிய படிகளை முன்னிலைப்படுத்துவோம்:

செயலாக்கப்படும் கோட்டிற்குச் சொந்தமான ராஸ்டரில் ஒரு தன்னிச்சையான கரும்புள்ளியைத் தேர்ந்தெடுத்து, இந்தப் புள்ளியைச் சேர்ந்த பாப்பில்லரி வடிவக் கோட்டின் விளிம்பில் நடக்கவும்;

ஒரு நிமிடம் கண்டறியப்பட்டால், அதன் ஆயங்களை பட்டியலில் எழுதுவோம்.

இதன் விளைவாக முழுமையான அளவுருக்களில் குறிப்பிட்ட புள்ளிகள் (அம்சம், விவரம்) கண்டறியப்பட்ட அளவுருக்களின் பட்டியல். இந்த கட்டத்தில் உள்ள பட்டியலில், தேவையான புள்ளிகளுக்கு கூடுதலாக, உள்ளீட்டு படம் தரமற்றதாக இருக்கும்போது உருவாகும் தவறானவைகள் உள்ளன.

ஆர் - பிட்மேப்

வரைபடம் - பட்டியல். வரைபடம் = (x, y)i

R.GetPixelColor(x,y) - ஆர் ராஸ்டரில் ஆய (x,y) உடன் பிக்சலின் வண்ண மதிப்பைப் பெறவும்

R.FloodFill(x, y, color) - R.GetPixelColor(x,y) நிறத்துடன் பகுதியை வண்ணத்தில் நிரப்பவும்

R.width() - பிக்சல்களில் ராஸ்டர் அகலம்

R.height() - பிக்சல்களில் ராஸ்டர் உயரம்

R.ReadLine(வரைபடம்[i]) - புள்ளி வரைபடம்[i] இலிருந்து ஒரு கோட்டின் விளிம்பில் பயணிப்பது, மினுட்டியாவின் ஆயங்களின் பட்டியலைப் பெறுகிறது

7. ராஸ்டர் ஆர் இலிருந்து வரைபட வரிகளின் பட்டியலை உருவாக்கவும்

8. i, : i பட்டியல்::= R.ReadLine(வரைபடம்[i])

இதே போன்ற ஆவணங்கள்

கைரேகைகள், கை வடிவம் மற்றும் கண் ஷெல் ஆகியவற்றின் அடிப்படையில் பயோமெட்ரிக் தனிப்பட்ட அடையாள அமைப்புகளின் பகுப்பாய்வு. பயோமெட்ரிக் அடையாளங்காட்டியாக முகம். ஆளுமை அங்கீகார அமைப்புகளுக்கான சந்தையின் பகுப்பாய்வு. முக வடிவவியலின் அடிப்படையில் அடையாள அமைப்புகளின் செயல்திறனை மதிப்பீடு செய்தல்.

பாடநெறி வேலை, 05/30/2013 சேர்க்கப்பட்டது


சிறுபடங்களுக்கான தொடர்புடைய அளவுருக்களை உருவாக்குவதற்கான அல்காரிதம் உருவாக்கம். அச்சுகளை ஒப்பிடும் போது சகிப்புத்தன்மை அமைப்பு அளவுருக்கள் மற்றும் ஒற்றுமை அளவுகோல்களின் தேர்வு. பிட் படங்களை அடையாளம் காண இந்த முறை பொருத்தமானது: குறியீட்டு தகவல், எழுத்துருக்கள் மற்றும் கையொப்பங்கள்.

ஆய்வறிக்கை, 06/23/2008 சேர்க்கப்பட்டது


கணினியில் சேமிக்கப்பட்ட நிரல்கள் மற்றும் தரவுகளுக்கான அங்கீகரிக்கப்படாத அணுகலில் இருந்து பாதுகாப்பதற்கான ஒரு வழியாக கடவுச்சொற்களைப் பயன்படுத்துதல். கைரேகைகள், உள்ளங்கை வடிவியல், பேச்சு பண்புகள் மற்றும் கருவிழி ஆகியவற்றின் அடிப்படையில் பயோமெட்ரிக் அடையாள அமைப்புகள்.

விளக்கக்காட்சி, 05/06/2015 சேர்க்கப்பட்டது


குரல் மூலம் தனிப்பட்ட அடையாளத்திற்கான மென்பொருள் கருவியை செயல்படுத்த ஏற்கனவே உள்ள முறைகளின் பகுப்பாய்வு. பேச்சின் தனித்துவத்தை பாதிக்கும் காரணிகள். குரல் மூலம் தனிப்பட்ட அடையாளத்திற்கான மென்பொருள் கருவியின் உருவாக்கம். பயன்பாட்டு மென்பொருள் ஆவணங்களுக்கான தேவைகள்.

ஆய்வறிக்கை, 06/17/2016 சேர்க்கப்பட்டது


தனிப்பட்ட அடையாளத்திற்கான பயோமெட்ரிக் வழிமுறைகளின் வகைப்பாடு மற்றும் முக்கிய பண்புகள். பயோமெட்ரிக் கட்டுப்பாட்டின் நிலையான மற்றும் மாறும் முறைகளை செயல்படுத்துவதற்கான அம்சங்கள். மின்னணு பாதுகாப்பு மற்றும் பாதுகாப்பு அமைப்புகளில் அங்கீகாரம் மற்றும் அங்கீகாரத்திற்கான வழிமுறைகள்.

பாடநெறி வேலை, 01/19/2011 சேர்க்கப்பட்டது


கைரேகை அடையாள திட்டத்திற்கான ஆரம்ப மற்றும் தொழில்நுட்ப வடிவமைப்பின் வளர்ச்சி. நோக்கம் மற்றும் நோக்கம், அல்காரிதம் விளக்கம், உள்ளீடு மற்றும் வெளியீடு தரவு. வன்பொருள் மற்றும் மென்பொருளின் கலவையைத் தேர்ந்தெடுப்பது. தயாரிப்பு சோதனை மற்றும் செயல்படுத்தல்.

பாடநெறி வேலை, 05/12/2015 சேர்க்கப்பட்டது


பயோமெட்ரிக் அங்கீகார அல்காரிதம்களின் செயல்திறனை அதிகரிக்க கைரேகைகளின் தரத்தை மேம்படுத்துவதில் சிக்கல். கைரேகை பட செயலாக்க அல்காரிதம்களின் மதிப்பாய்வு. கபோர் மாற்றத்தின் பயன்பாட்டின் அடிப்படையில் ஒரு அல்காரிதத்தின் பகுப்பாய்வு.

ஆய்வறிக்கை, 07/16/2014 சேர்க்கப்பட்டது


டெலிஃபாக்ஸ் தொலைப்பேசி நெட்வொர்க் மூலம் தொலைநகல் பட பரிமாற்றத்திற்கான ஒரு சாதனம். பிளாட்பெட் ஸ்கேனரின் நோக்கம். தாள் ஊட்டப்பட்ட ஸ்கேனர்களைப் பயன்படுத்துதல். டிரம் ஸ்கேனரின் செயல்பாட்டுக் கொள்கை. பார்கோடு ஸ்கேனரைப் பயன்படுத்துதல். ஆப்டிகல் கைரேகை ஸ்கேனர்.

சுருக்கம், 01/19/2010 சேர்க்கப்பட்டது


அங்கீகார அமைப்புகளை உருவாக்குவதற்கான முக்கிய குறிக்கோள்கள் மற்றும் நோக்கங்கள். கட்டுப்பாட்டு அமைப்புகளின் தானியங்கி தொலைத்தொடர்பு வளாகங்களில் இராணுவ உபகரணங்களின் பொருட்களை அடையாளம் காணும் வழிமுறையின் உதாரணத்தைப் பயன்படுத்தி ஒரு மாதிரி அங்கீகார அமைப்பின் கணித மாதிரியை உருவாக்குதல்.

ஆய்வறிக்கை, 11/30/2012 சேர்க்கப்பட்டது


பயோமெட்ரிக் அடையாளத்தின் அடிப்படைகள். பேச்சு அங்கீகார அமைப்பை உருவாக்க நரம்பியல் நெட்வொர்க்குகளைப் பயன்படுத்துவதற்கான சாத்தியம். பயனரின் குரலின் ஸ்பெக்ட்ரல் பகுப்பாய்வின் அடிப்படையில் அங்கீகரிக்கப்படாத அணுகலுக்கு எதிரான பாதுகாப்பிற்கான மென்பொருள் உருவாக்கம்.

சமீபத்தில், கூகுளின் முக அடையாள அமைப்புகளுக்கு அர்ப்பணிக்கப்பட்ட ஹப்ரேயில் பல கட்டுரைகள் வெளிவந்துள்ளன. உண்மையைச் சொல்வதென்றால், அவர்களில் பலர் பத்திரிக்கைத் தொழிலை விரும்புகின்றனர், அதை லேசாகச் சொல்வதானால், திறமையின்மை. பயோமெட்ரிக்ஸில் ஒரு நல்ல கட்டுரையை எழுத விரும்பினேன், இது என்னுடைய முதல்தல்ல! ஹப்ரேயில் பயோமெட்ரிக்ஸ் பற்றிய சில நல்ல கட்டுரைகள் உள்ளன - ஆனால் அவை மிகவும் குறுகியதாகவும் முழுமையற்றதாகவும் உள்ளன. இங்கே நான் சுருக்கமாக கோடிட்டுக் காட்ட முயற்சிப்பேன் பொதுவான கொள்கைகள்பயோமெட்ரிக் அடையாளம் மற்றும் இந்த விஷயத்தில் மனிதகுலத்தின் நவீன சாதனைகள். முகங்களால் அடையாளம் காண்பது உட்பட.

கட்டுரையில் உள்ளது, இது சாராம்சத்தில், அதன் முன்னோடியாகும்.

ஒரு பத்திரிகையில் (BDI, 2009) சக ஊழியருடன் கூட்டு வெளியீடு, நவீன யதார்த்தங்களுக்கு ஏற்ப திருத்தப்பட்டது, கட்டுரைக்கு அடிப்படையாகப் பயன்படுத்தப்படும். ஹப்ரே இன்னும் ஒரு சக ஊழியராக இல்லை, ஆனால் அவர் திருத்தப்பட்ட கட்டுரையை இங்கே வெளியிடுவதை ஆதரித்தார். பிரசுரத்தின் போது, ​​கட்டுரை இருந்தது ஒரு சுருக்கமான கண்ணோட்டம்பயோமெட்ரிக் தொழில்நுட்பங்களின் நவீன சந்தை, எங்கள் தயாரிப்பை அறிமுகப்படுத்துவதற்கு முன்பு நாங்கள் நமக்காக நடத்தினோம். கட்டுரையின் இரண்டாம் பகுதியில் முன்வைக்கப்பட்டுள்ள பொருந்தக்கூடிய தீர்ப்புகள் தயாரிப்புகளைப் பயன்படுத்திய மற்றும் செயல்படுத்திய நபர்களின் கருத்துக்கள் மற்றும் ரஷ்யா மற்றும் ஐரோப்பாவில் பயோமெட்ரிக் அமைப்புகளின் உற்பத்தியில் ஈடுபட்டுள்ள நபர்களின் கருத்துகளின் அடிப்படையில் அமைந்துள்ளது.

பொதுவான செய்தி

அடிப்படைகளுடன் ஆரம்பிக்கலாம். 95% வழக்குகளில், பயோமெட்ரிக்ஸ் அடிப்படையில் கணிதப் புள்ளியியல் ஆகும். மற்றும் matstat ஒரு துல்லியமான அறிவியல், எல்லா இடங்களிலும் பயன்படுத்தப்படும் வழிமுறைகள்: ரேடார்கள் மற்றும் பேய்சியன் அமைப்புகளில். முதல் மற்றும் இரண்டாவது வகைகளின் பிழைகள் எந்த பயோமெட்ரிக் அமைப்பின் இரண்டு முக்கிய பண்புகளாக எடுத்துக் கொள்ளலாம்). ரேடார் கோட்பாட்டில் அவை பொதுவாக "தவறான எச்சரிக்கை" அல்லது "இலக்கு தவறுதல்" என்று அழைக்கப்படுகின்றன, மேலும் பயோமெட்ரிக்ஸில் FAR (தவறான ஏற்றுக்கொள்ளல் விகிதம்) மற்றும் FRR (தவறான நிராகரிப்பு விகிதம்) ஆகியவை மிகவும் நிறுவப்பட்ட கருத்துகளாகும். முதல் எண் இரண்டு நபர்களின் பயோமெட்ரிக் பண்புகளுக்கு இடையே தவறான பொருத்தத்தின் நிகழ்தகவை வகைப்படுத்துகிறது. இரண்டாவது, அனுமதி உள்ள ஒரு நபருக்கான அணுகலை மறுப்பதற்கான நிகழ்தகவு. அதே FAR மதிப்புகளுக்கு FRR மதிப்பு குறைவாக இருந்தால், கணினி சிறப்பாக இருக்கும். சில நேரங்களில் பயன்படுத்தப்படுகிறது ஒப்பீட்டு பண்புகள் EER, இது FRR மற்றும் FAR வரைபடங்கள் வெட்டும் புள்ளியை தீர்மானிக்கிறது. ஆனால் அது எப்போதும் பிரதிநிதித்துவம் அல்ல. எடுத்துக்காட்டாக, கூடுதல் விவரங்களை நீங்கள் பார்க்கலாம்.
பின்வருவனவற்றைக் குறிப்பிடலாம்: கணினியின் பண்புகள் திறந்த பயோமெட்ரிக் தரவுத்தளங்களுக்கான FAR மற்றும் FRR ஐக் கொண்டிருக்கவில்லை என்றால், உற்பத்தியாளர்கள் அதன் குணாதிசயங்களைப் பற்றி என்ன அறிவித்தாலும், இந்த அமைப்பு அதன் போட்டியாளர்களை விட மிகவும் பயனற்றது அல்லது மிகவும் பலவீனமானது..
ஆனால் FAR மற்றும் FRR மட்டும் பயோமெட்ரிக் அமைப்பின் தரத்தை தீர்மானிக்கவில்லை. இது ஒரே வழி என்றால், முன்னணி தொழில்நுட்பம் டிஎன்ஏ அங்கீகாரமாக இருக்கும், இதற்கு FAR மற்றும் FRR பூஜ்ஜியமாக இருக்கும். ஆனால் மனித வளர்ச்சியின் தற்போதைய கட்டத்தில் இந்த தொழில்நுட்பம் பொருந்தாது என்பது வெளிப்படையானது! அமைப்பின் தரத்தை மதிப்பிட அனுமதிக்கும் பல அனுபவப் பண்புகளை நாங்கள் உருவாக்கியுள்ளோம். "ஃபோர்ஜரி ரெசிஸ்டன்ஸ்" என்பது ஒரு பயோமெட்ரிக் அடையாளங்காட்டியை ஏமாற்றுவது எவ்வளவு எளிது என்பதைச் சுருக்கமாகக் கூறும் ஒரு அனுபவப் பண்பு. "சுற்றுச்சூழல் நிலைத்தன்மை" என்பது பல்வேறு வெளிப்புற நிலைமைகளின் கீழ், விளக்குகள் அல்லது அறை வெப்பநிலையில் ஏற்படும் மாற்றங்கள் போன்றவற்றின் நிலைத்தன்மையை அனுபவபூர்வமாக மதிப்பிடும் ஒரு பண்பு ஆகும். பயோமெட்ரிக் ஸ்கேனரைப் பயன்படுத்துவது எவ்வளவு கடினம் என்பதையும், “பயணத்தின்போது” அடையாளம் காண முடியுமா என்பதையும் “பயன்பாட்டின் எளிமை” காட்டுகிறது. முக்கியமான பண்பு"செயல்பாட்டு வேகம்" மற்றும் "கணினி செலவு" ஆகும். ஒரு நபரின் பயோமெட்ரிக் பண்பு காலப்போக்கில் மாறக்கூடும் என்பதை நாம் மறந்துவிடக் கூடாது, எனவே அது நிலையற்றதாக இருந்தால், இது ஒரு குறிப்பிடத்தக்க குறைபாடு ஆகும்.
பயோமெட்ரிக் முறைகள் மிகுதியாக இருப்பது ஆச்சரியமாக இருக்கிறது. ஒரு நபரின் நிலையான பயோமெட்ரிக் பண்புகளைப் பயன்படுத்தும் முக்கிய முறைகள் விரல்களில் உள்ள பாப்பில்லரி முறை, கருவிழி, முக வடிவியல், விழித்திரை, கை நரம்புகளின் வடிவம், கை வடிவியல் ஆகியவற்றின் மூலம் அடையாளம் காணப்படுகின்றன. டைனமிக் குணாதிசயங்களைப் பயன்படுத்தும் முறைகளின் குடும்பமும் உள்ளது: குரல், கையெழுத்து இயக்கவியல், இதய துடிப்பு மற்றும் நடை மூலம் அடையாளம் காணுதல். இரண்டு ஆண்டுகளுக்கு முன்பு பயோமெட்ரிக் சந்தையின் முறிவு கீழே உள்ளது. மற்ற எல்லா ஆதாரங்களும் 15-20 சதவிகிதம் ஏற்ற இறக்கமாக இருக்கும், எனவே இது ஒரு மதிப்பீடு மட்டுமே. இங்கே, "கை வடிவியல்" என்ற கருத்தின் கீழ், இரண்டு வெவ்வேறு முறைகள் மறைக்கப்பட்டுள்ளன, அவை கீழே விவாதிக்கப்படும்.

இந்த கட்டுரையில் அணுகல் கட்டுப்பாடு மற்றும் மேலாண்மை அமைப்புகள் (ACS) அல்லது அவற்றைப் போன்ற பணிகளில் பொருந்தக்கூடிய பண்புகளை மட்டுமே கருத்தில் கொள்வோம். அதன் மேன்மை காரணமாக, இவை முதன்மையாக நிலையான பண்புகள். இந்த நேரத்தில் மாறும் பண்புகளில், குரல் அங்கீகாரம் மட்டுமே குறைந்தபட்சம் சில புள்ளிவிவர முக்கியத்துவத்தைக் கொண்டுள்ளது (மோசமான நிலையான அல்காரிதம்கள் FAR~0.1%, FRR~6% உடன் ஒப்பிடலாம்), ஆனால் சிறந்த நிலைமைகளின் கீழ் மட்டுமே.
FAR மற்றும் FRR இன் நிகழ்தகவுகளை உணர, நீங்கள் N ஊழியர்களைக் கொண்ட ஒரு நிறுவனத்தின் நுழைவாயிலில் ஒரு அடையாள அமைப்பை நிறுவினால் எவ்வளவு அடிக்கடி தவறான பொருத்தங்கள் ஏற்படும் என்பதை நீங்கள் மதிப்பிடலாம். N கைரேகைகளின் தரவுத்தளத்திற்கான கைரேகை ஸ்கேனரின் தவறான பொருத்தத்தின் நிகழ்தகவு FAR∙N ஆகும். ஒவ்வொரு நாளும் N நபர்கள் அணுகல் கட்டுப்பாட்டுப் புள்ளியைக் கடந்து செல்கிறார்கள். ஒரு வேலை நாளின் பிழையின் நிகழ்தகவு FAR∙(N∙N). நிச்சயமாக, அடையாள அமைப்பின் குறிக்கோள்களைப் பொறுத்து, ஒரு யூனிட் நேரத்திற்கு ஒரு பிழையின் நிகழ்தகவு பெரிதும் மாறுபடும், ஆனால் ஒரு வேலை நாளுக்கு ஒரு பிழையை ஏற்கத்தக்கதாக ஏற்றுக்கொண்டால், பின்:
(1)
FAR=0.1% =0.001 இல் அடையாளம் காணும் அமைப்பின் நிலையான செயல்பாடு N≈30 பணியாளர் அளவுடன் சாத்தியமாகும் என்பதைக் காண்கிறோம்.

பயோமெட்ரிக் ஸ்கேனர்கள்

இன்று, "பயோமெட்ரிக் அல்காரிதம்" மற்றும் "பயோமெட்ரிக் ஸ்கேனர்" ஆகிய கருத்துக்கள் ஒன்றோடொன்று தொடர்புடையதாக இருக்க வேண்டிய அவசியமில்லை. நிறுவனம் இந்த கூறுகளை தனித்தனியாக அல்லது ஒன்றாக உற்பத்தி செய்யலாம். ஃபிங்கர் பாப்பில்லரி பேட்டர்ன் பயோமெட்ரிக்ஸ் சந்தையில் ஸ்கேனர் உற்பத்தியாளர்களுக்கும் மென்பொருள் உற்பத்தியாளர்களுக்கும் இடையிலான மிகப்பெரிய வேறுபாடு அடையப்பட்டுள்ளது. சந்தையில் உள்ள மிகச் சிறிய 3D முகம் ஸ்கேனர். உண்மையில், வேறுபாட்டின் நிலை பெரும்பாலும் சந்தையின் வளர்ச்சி மற்றும் செறிவூட்டலை பிரதிபலிக்கிறது. அதிக தேர்வு உள்ளது, மேலும் தீம் வேலை செய்து முழுமைக்கு கொண்டு வரப்படுகிறது. வெவ்வேறு ஸ்கேனர்கள் வெவ்வேறு திறன்களைக் கொண்டுள்ளன. அடிப்படையில் இது ஒரு பயோமெட்ரிக் பொருள் சிதைக்கப்பட்டதா இல்லையா என்பதைச் சரிபார்க்கும் சோதனைகளின் தொகுப்பாகும். விரல் ஸ்கேனர்களுக்கு இது ஒரு பம்ப் சோதனை அல்லது வெப்பநிலை சரிபார்ப்பாக இருக்கலாம், கண் ஸ்கேனர்களுக்கு இது மாணவர் தங்கும் சோதனையாக இருக்கலாம், முகம் ஸ்கேனர்களுக்கு இது முக இயக்கமாக இருக்கலாம்.
இதன் விளைவாக வரும் FAR மற்றும் FRR புள்ளிவிவரங்களை ஸ்கேனர்கள் பெரிதும் பாதிக்கின்றன. சில சந்தர்ப்பங்களில், இந்த எண்கள் பல்லாயிரக்கணக்கான முறை மாறலாம், குறிப்பாக உண்மையான நிலைகளில். பொதுவாக, அல்காரிதத்தின் சிறப்பியல்புகள் ஒரு குறிப்பிட்ட "இலட்சிய" தளத்திற்கு அல்லது வெறுமனே மங்கலான மற்றும் மங்கலான பிரேம்கள் நிராகரிக்கப்படும் ஒரு நன்கு பொருந்தக்கூடிய ஒன்றிற்கு வழங்கப்படுகின்றன. ஒரு சில அல்காரிதம்கள் மட்டுமே அதற்கான அடிப்படை மற்றும் FAR/FRR இன் முழு வெளியீடு இரண்டையும் நேர்மையாகக் குறிப்பிடுகின்றன.

இப்போது ஒவ்வொரு தொழில்நுட்பத்தையும் பற்றி மேலும் விரிவாக

கைரேகைகள்

டாக்டிலோஸ்கோபி (கைரேகை அங்கீகாரம்) என்பது இன்றுவரை தனிப்பட்ட அடையாளத்திற்கான மிகவும் வளர்ந்த பயோமெட்ரிக் முறையாகும். 20 ஆம் நூற்றாண்டின் தடயவியல் அறிவியலில் அதன் பரவலான பயன்பாடானது இந்த முறையின் வளர்ச்சிக்கான ஊக்கியாக இருந்தது.
ஒவ்வொரு நபருக்கும் தனிப்பட்ட பாப்பில்லரி கைரேகை முறை உள்ளது, இது அடையாளத்தை சாத்தியமாக்குகிறது. பொதுவாக, அல்காரிதம்கள் கைரேகைகளில் சிறப்பியல்பு புள்ளிகளைப் பயன்படுத்துகின்றன: ஒரு முறை கோட்டின் முடிவு, ஒரு கோட்டின் கிளை, ஒற்றை புள்ளிகள். கூடுதலாக, கைரேகையின் உருவ அமைப்பு பற்றிய தகவல் பயன்படுத்தப்படுகிறது: பாப்பில்லரி வடிவத்தின் மூடிய கோடுகளின் உறவினர் நிலை, "வளைவு" மற்றும் சுழல் கோடுகள். பாப்பில்லரி வடிவத்தின் அம்சங்கள் கைரேகை படத்தின் தகவல் உள்ளடக்கத்தை பாதுகாக்கும் தனித்துவமான குறியீடாக மாற்றப்படுகின்றன. மேலும் இது தேடுவதற்கும் ஒப்பிடுவதற்கும் பயன்படுத்தப்படும் தரவுத்தளத்தில் சேமிக்கப்படும் "கைரேகை குறியீடுகள்" ஆகும். கைரேகைப் படத்தைக் குறியீடாக மாற்றி அதை அடையாளம் காணும் நேரம் பொதுவாக தரவுத்தளத்தின் அளவைப் பொறுத்து 1விக்கு மேல் இருக்காது. உங்கள் கையை உயர்த்தும் நேரம் கணக்கில் எடுத்துக்கொள்ளப்படவில்லை.

DP U.are.U கைரேகை ஸ்கேனரைப் பயன்படுத்தி பெறப்பட்ட VeriFinger SDK புள்ளிவிவரங்கள் FAR மற்றும் FRR தரவுகளின் ஆதாரமாகப் பயன்படுத்தப்பட்டன. கடந்த 5-10 ஆண்டுகளில், விரல் அங்கீகாரத்தின் பண்புகள் அதிக முன்னேற்றம் அடையவில்லை, எனவே மேலே உள்ள புள்ளிவிவரங்கள் நவீன வழிமுறைகளின் சராசரி மதிப்பைக் காட்டுகின்றன. வெரிஃபிங்கர் அல்காரிதம் பல ஆண்டுகளாக சர்வதேச கைரேகை சரிபார்ப்பு போட்டியில் வென்றது, அங்கு விரல் அங்கீகார வழிமுறைகள் போட்டியிட்டன.

கைரேகை அங்கீகார முறைக்கான FAR மதிப்பு 0.001% ஆகும்.
FAR=0.001% இல் அடையாளம் காணும் அமைப்பின் நிலையான செயல்பாடு N≈300 பணியாளர் அளவுடன் சாத்தியம் என்பதை சூத்திரம் (1) இலிருந்து காண்கிறோம்.

முறையின் நன்மைகள். அதிக நம்பகத்தன்மை - முகம், குரல் மற்றும் ஓவியம் மூலம் அடையாளம் காணும் முறைகளின் குறிகாட்டிகளை விட முறையின் புள்ளிவிவர குறிகாட்டிகள் சிறந்தவை. கைரேகை படத்தை ஸ்கேன் செய்யும் குறைந்த விலை சாதனங்கள். கைரேகையை ஸ்கேன் செய்வதற்கான மிகவும் எளிமையான செயல்முறை.
குறைபாடுகள்: சிறிய கீறல்கள் மற்றும் வெட்டுக்களால் கைரேகை பாப்பில்லரி முறை மிகவும் எளிதில் சேதமடைகிறது. பல நூறு ஊழியர்களைக் கொண்ட நிறுவனங்களில் ஸ்கேனர்களைப் பயன்படுத்தியவர்கள் ஸ்கேனிங் தோல்வியின் அதிக விகிதத்தைப் புகாரளிக்கின்றனர். பல ஸ்கேனர்கள் வறண்ட சருமத்திற்கு போதுமான சிகிச்சை அளிக்கவில்லை மற்றும் வயதானவர்களை கடந்து செல்ல அனுமதிப்பதில்லை. கடந்த MIPS கண்காட்சியில் தொடர்பு கொள்ளும்போது, ​​​​ஒரு பெரிய இரசாயன நிறுவனத்தின் பாதுகாப்பு சேவையின் தலைவர், நிறுவனத்தில் விரல் ஸ்கேனர்களை அறிமுகப்படுத்துவதற்கான அவர்களின் முயற்சி தோல்வியடைந்ததாகக் கூறினார் (பல்வேறு அமைப்புகளின் ஸ்கேனர்கள் முயற்சி செய்யப்பட்டன) - ஊழியர்களின் விரல்களில் ரசாயன எதிர்வினைகளுக்கு குறைந்தபட்ச வெளிப்பாடு ஸ்கேனர்களின் பாதுகாப்பு அமைப்புகளின் தோல்வியை ஏற்படுத்தியது - ஸ்கேனர்கள் விரல்களை போலி என்று அறிவித்தன. கைரேகைப் படத்தைப் பொய்யாக்குவதற்கு எதிராகப் போதிய பாதுகாப்பு இல்லை, இந்த முறையின் பரவலான பயன்பாட்டினால் ஓரளவு ஏற்படுகிறது. நிச்சயமாக, அனைத்து ஸ்கேனர்களையும் MythBusters இன் முறைகளால் ஏமாற்ற முடியாது, ஆனால் இன்னும். "பொருத்தமற்ற" விரல்கள் (உடல் வெப்பநிலை, ஈரப்பதம்) கொண்ட சிலருக்கு, அணுகல் மறுக்கப்படுவதற்கான நிகழ்தகவு 100% ஐ அடையலாம். அத்தகைய நபர்களின் எண்ணிக்கை விலையுயர்ந்த ஸ்கேனர்களுக்கு ஒரு சதவீதத்தின் ஒரு பகுதியிலிருந்து மலிவானவர்களுக்கு பத்து சதவீதம் வரை மாறுபடும்.
நிச்சயமாக, கணினியின் பரவலான பயன்பாட்டினால் அதிக எண்ணிக்கையிலான குறைபாடுகள் ஏற்படுகின்றன என்பதைக் குறிப்பிடுவது மதிப்பு, ஆனால் இந்த குறைபாடுகள் உள்ளன மற்றும் அவை அடிக்கடி தோன்றும்.

சந்தை நிலைமை

தற்போது, ​​கைரேகை அங்கீகார அமைப்புகள் பயோமெட்ரிக் சந்தையில் பாதிக்கும் மேற்பட்டவை ஆக்கிரமித்துள்ளன. பல ரஷ்ய மற்றும் வெளிநாட்டு நிறுவனங்கள் கைரேகை அடையாள முறையின் அடிப்படையில் அணுகல் கட்டுப்பாட்டு அமைப்புகளின் உற்பத்தியில் ஈடுபட்டுள்ளன. இந்த திசை மிகவும் பழமையான ஒன்றாகும் என்ற உண்மையின் காரணமாக, இது மிகவும் பரவலாகிவிட்டது மற்றும் இதுவரை மிகவும் வளர்ச்சியடைந்துள்ளது. கைரேகை ஸ்கேனர்கள் மேம்படுத்த நீண்ட வழி வந்துள்ளன. நவீன அமைப்புகள் பல்வேறு உணரிகளுடன் (வெப்பநிலை, அழுத்தம் போன்றவை) பொருத்தப்பட்டுள்ளன, அவை கள்ளநோட்டுக்கு எதிரான பாதுகாப்பின் அளவை அதிகரிக்கின்றன. ஒவ்வொரு நாளும் அமைப்புகள் மிகவும் வசதியாகவும் கச்சிதமாகவும் மாறும். உண்மையில், டெவலப்பர்கள் ஏற்கனவே இந்த பகுதியில் ஒரு குறிப்பிட்ட வரம்பை அடைந்துள்ளனர், மேலும் முறையை மேலும் உருவாக்க எங்கும் இல்லை. கூடுதலாக, பெரும்பாலான நிறுவனங்கள் மென்பொருள் உட்பட தேவையான அனைத்தையும் கொண்ட ஆயத்த அமைப்புகளை உருவாக்குகின்றன. இந்த பகுதியில் உள்ள ஒருங்கிணைப்பாளர்கள் கணினியை தாங்களாகவே ஒன்றுசேர்க்க வேண்டிய அவசியமில்லை, ஏனெனில் இது லாபமற்றது மற்றும் ஆயத்த மற்றும் ஏற்கனவே மலிவான அமைப்பை வாங்குவதை விட அதிக நேரத்தையும் முயற்சியையும் எடுக்கும், குறிப்பாக தேர்வு மிகவும் பரந்ததாக இருக்கும் என்பதால்.
கைரேகை அங்கீகார அமைப்புகளில் ஈடுபட்டுள்ள வெளிநாட்டு நிறுவனங்களில், SecuGen (பிசிகளுக்கான யூ.எஸ்.பி ஸ்கேனர்கள், நிறுவனங்களில் நிறுவப்பட்ட அல்லது பூட்டுகளில் கட்டமைக்கக்கூடிய ஸ்கேனர்கள், எஸ்.டி.கே மற்றும் கணினியுடன் கணினியை இணைக்கும் மென்பொருள்) ஆகியவற்றைக் குறிப்பிடலாம்; பேயோமெட்ரிக் இன்க். (கைரேகை ஸ்கேனர்கள், TAA/அணுகல் கட்டுப்பாட்டு அமைப்புகள், கைரேகை SDKகள், உட்பொதிக்கப்பட்ட கைரேகை தொகுதிகள்); DigitalPersona, Inc. (USB ஸ்கேனர்கள், SDK). ரஷ்யாவில், பின்வரும் நிறுவனங்கள் இந்த பகுதியில் செயல்படுகின்றன: BioLink (கைரேகை ஸ்கேனர்கள், பயோமெட்ரிக் அணுகல் கட்டுப்பாட்டு சாதனங்கள், மென்பொருள்); சோண்டா (கைரேகை ஸ்கேனர்கள், பயோமெட்ரிக் அணுகல் கட்டுப்பாட்டு சாதனங்கள், SDK); SmartLock (கைரேகை ஸ்கேனர்கள் மற்றும் தொகுதிகள்) போன்றவை.

கருவிழி

கண்ணின் கருவிழி ஒரு நபரின் தனித்துவமான பண்பு. கருவிழியின் வடிவம் கருப்பையக வளர்ச்சியின் எட்டாவது மாதத்தில் உருவாகிறது, இறுதியாக சுமார் இரண்டு வயதில் உறுதிப்படுத்துகிறது மற்றும் கடுமையான காயங்கள் அல்லது கடுமையான நோய்க்குறியியல் விளைவாக தவிர, நடைமுறையில் வாழ்நாள் முழுவதும் மாறாது. பயோமெட்ரிக் முறைகளில் இந்த முறை மிகவும் துல்லியமானது.
கருவிழி அடையாள அமைப்பு தர்க்கரீதியாக இரண்டு பகுதிகளாகப் பிரிக்கப்பட்டுள்ளது: ஒரு படத்தைப் பிடிக்கும் சாதனம், அதன் முதன்மை செயலாக்கம் மற்றும் கணினிக்கு அனுப்புதல், மற்றும் தரவுத்தளத்தில் உள்ள படங்களுடன் படத்தை ஒப்பிட்டு, நிர்வாக சாதனத்திற்கு சேர்க்கை கட்டளையை அனுப்பும் கணினி.
முதன்மை பட செயலாக்க நேரம் நவீன அமைப்புகள்தோராயமாக 300-500ms, இதன் விளைவாக வரும் படத்தை அடிப்படையுடன் ஒப்பிடும் வேகம் ஒரு வழக்கமான கணினியில் வினாடிக்கு 50,000-150,000 ஒப்பீடுகள் ஆகும். இந்த ஒப்பீட்டு வேகமானது அணுகல் அமைப்புகளில் பயன்படுத்தும் போது பெரிய நிறுவனங்களில் முறையைப் பயன்படுத்துவதில் கட்டுப்பாடுகளை விதிக்காது. சிறப்பு கணினிகள் மற்றும் தேடல் தேர்வுமுறை அல்காரிதம்களைப் பயன்படுத்தும் போது, ​​ஒரு முழு நாட்டில் வசிப்பவர்களிடையே ஒரு நபரை அடையாளம் காண்பது கூட சாத்தியமாகும்.
இந்தத் துறையில்தான் நாங்கள் எங்கள் ஸ்டார்ட்அப்பைத் தொடங்கினோம் என்பதால், நான் ஓரளவு சார்புடையவன் மற்றும் இந்த முறையைப் பற்றி நேர்மறையான அணுகுமுறையைக் கொண்டிருக்கிறேன் என்று உடனடியாக பதிலளிக்க முடியும். இறுதியில் ஒரு பத்தி ஒரு சிறிய சுய PR க்கு ஒதுக்கப்படும்.

முறையின் புள்ளிவிவர பண்புகள்

கருவிழிக்கான FAR மற்றும் FRR பண்புகள் நவீன பயோமெட்ரிக் அமைப்புகளின் வகுப்பில் சிறந்தவை (விழித்திரை அங்கீகார முறையைத் தவிர). எங்கள் வழிமுறையின் கருவிழி அங்கீகார நூலகத்தின் சிறப்பியல்புகளை கட்டுரை முன்வைக்கிறது - EyeR SDK, அதே தரவுத்தளங்களைப் பயன்படுத்தி சோதிக்கப்பட்ட VeriEye அல்காரிதத்துடன் ஒத்திருக்கிறது. அவர்களின் ஸ்கேனர் மூலம் பெறப்பட்ட CASIA தரவுத்தளங்களைப் பயன்படுத்தினோம்.

பண்பு FAR மதிப்பு 0.00001% ஆகும்.
சூத்திரத்தின் படி (1) N≈3000 என்பது ஊழியர்களின் அடையாளம் மிகவும் நிலையானதாக இருக்கும் நிறுவனத்தின் பணியாளர்களின் எண்ணிக்கை.
கருவிழி அங்கீகார அமைப்பை மற்ற அமைப்புகளிலிருந்து வேறுபடுத்தும் ஒரு முக்கிய அம்சத்தை இங்கே குறிப்பிடுவது மதிப்பு. 1.3MP அல்லது அதற்கு மேற்பட்ட ரெசல்யூஷன் கொண்ட கேமராவைப் பயன்படுத்தும்போது, ​​ஒரே சட்டகத்தில் இரண்டு கண்களைப் பிடிக்கலாம். FAR மற்றும் FRR நிகழ்தகவுகள் புள்ளிவிவர ரீதியாக சுயாதீனமான நிகழ்தகவுகள் என்பதால், இரண்டு கண்களைப் பயன்படுத்தும் போது, ​​FAR மதிப்பு ஒரு கண்ணுக்கான FAR மதிப்பின் சதுரத்திற்கு தோராயமாக சமமாக இருக்கும். எடுத்துக்காட்டாக, இரண்டு கண்களைப் பயன்படுத்தி 0.001% FARக்கு, தவறான சேர்க்கை விகிதம் 10-8% ஆக இருக்கும், FRR என்பது FAR=0.001% இல் ஒரு கண்ணுக்கான FRR மதிப்பை விட இரண்டு மடங்கு அதிகமாக இருக்கும்.

முறையின் நன்மைகள் மற்றும் தீமைகள்

முறையின் நன்மைகள். அல்காரிதத்தின் புள்ளிவிவர நம்பகத்தன்மை. கருவிழியின் படத்தைப் பிடிப்பது ஒரு நபருக்கும் சாதனத்திற்கும் இடையில் உடல் தொடர்பு இல்லாமல், பல சென்டிமீட்டர் முதல் பல மீட்டர் தூரத்தில் செய்யப்படலாம். கருவிழி சேதத்திலிருந்து பாதுகாக்கப்படுகிறது - அதாவது அது காலப்போக்கில் மாறாது. கள்ளநோட்டுகளிலிருந்து பாதுகாக்கும் அதிக எண்ணிக்கையிலான முறைகளைப் பயன்படுத்துவதும் சாத்தியமாகும்.
முறையின் தீமைகள். கருவிழியை அடிப்படையாகக் கொண்ட ஒரு அமைப்பின் விலை விரல் அங்கீகாரம் அல்லது முகத்தை அடையாளம் காணும் அமைப்பின் விலையை விட அதிகமாக உள்ளது. ஆயத்த தீர்வுகளின் குறைந்த கிடைக்கும். இன்று ரஷ்ய சந்தைக்கு வந்து "எனக்கு ஒரு ஆயத்த அமைப்பைக் கொடுங்கள்" என்று கூறும் எந்தவொரு ஒருங்கிணைப்பாளரும் பெரும்பாலும் தோல்வியடைவார்கள். அவர்களில் பெரும்பாலோர் நிறுவப்பட்ட விலையுயர்ந்த ஆயத்த தயாரிப்பு அமைப்புகளை விற்கிறார்கள் பெரிய நிறுவனங்கள், இரிடியன் அல்லது எல்ஜி போன்றவை.

சந்தை நிலைமை

இப்போதைக்கு குறிப்பிட்ட ஈர்ப்புஉலகளாவிய பயோமெட்ரிக் சந்தையில் கருவிழி அடையாளம் காணும் தொழில்நுட்பங்கள், பல்வேறு மதிப்பீடுகளின்படி, 6 முதல் 9 சதவீதம் வரை உள்ளன (கைரேகை அங்கீகார தொழில்நுட்பங்கள் சந்தையின் பாதியை ஆக்கிரமித்துள்ளன). இந்த முறையின் வளர்ச்சியின் ஆரம்பத்திலிருந்தே, சந்தையில் அதன் வலுவூட்டல் ஒரு அடையாள அமைப்பைக் கூட்டுவதற்குத் தேவையான உபகரணங்கள் மற்றும் கூறுகளின் அதிக விலையால் மெதுவாக்கப்பட்டது என்பதை கவனத்தில் கொள்ள வேண்டும். இருப்பினும், டிஜிட்டல் தொழில்நுட்பங்கள் வளரும் போது, ​​செலவு தனி அமைப்புகுறைய ஆரம்பித்தது.
இந்த பகுதியில் மென்பொருள் உருவாக்கத்தில் முன்னணியில் இருப்பது இரிடியன் டெக்னாலஜிஸ் ஆகும்.
சந்தையில் நுழைகிறது அதிக எண்ணிக்கையிலானஸ்கேனர்களின் தொழில்நுட்ப சிக்கலான தன்மையால் உற்பத்தியாளர் மட்டுப்படுத்தப்பட்டார், இதன் விளைவாக, அவற்றின் அதிக விலை மற்றும் சந்தையில் இரிடியனின் ஏகபோக நிலை காரணமாக மென்பொருளின் அதிக விலை. இந்த காரணிகள் கருவிழி அங்கீகாரத் துறையில் பெரிய நிறுவனங்களை மட்டுமே உருவாக்க அனுமதித்தன, பெரும்பாலும் அடையாள அமைப்புக்கு ஏற்ற சில கூறுகளின் உற்பத்தியில் ஏற்கனவே ஈடுபட்டுள்ளன (உயர் தெளிவுத்திறன் கொண்ட ஒளியியல், அகச்சிவப்பு வெளிச்சத்துடன் கூடிய மினியேச்சர் கேமராக்கள் போன்றவை). அத்தகைய நிறுவனங்களின் எடுத்துக்காட்டுகளில் எல்ஜி எலக்ட்ரானிக்ஸ், பானாசோனிக், ஓகேஐ ஆகியவை அடங்கும். அவர்கள் இரிடியன் டெக்னாலஜிஸுடன் ஒரு ஒப்பந்தத்தில் நுழைந்தனர், மேலும் கூட்டுப் பணியின் விளைவாக, பின்வரும் அடையாள அமைப்புகள் தோன்றின: ஐரிஸ் அக்சஸ் 2200, BM-ET500, OKI IrisPass. பின்னர், இந்த நிறுவனங்களின் தொழில்நுட்ப திறன்களுக்கு நன்றி, இந்த பகுதியில் சுயாதீனமாக உருவாக்க அமைப்புகளின் மேம்பட்ட மாதிரிகள் தோன்றின. மேற்கூறிய நிறுவனங்களும் தங்கள் சொந்த மென்பொருளை உருவாக்கின, ஆனால் இறுதியில் அவர்கள் முடிக்கப்பட்ட அமைப்பில் இரிடியன் டெக்னாலஜிஸ் மென்பொருளை விரும்புகிறார்கள் என்று சொல்ல வேண்டும்.
அன்று ரஷ்ய சந்தைவெளிநாட்டு நிறுவனங்களின் தயாரிப்புகள் "மேலோங்கி நிற்கின்றன". இருந்தாலும் அதையும் கஷ்டப்பட்டு வாங்கலாம். நீண்ட காலமாக, பாப்பிலன் நிறுவனம் அனைவருக்கும் கருவிழி அங்கீகாரம் இருப்பதாக உறுதியளித்தது. ஆனால் RosAtom இன் பிரதிநிதிகள் கூட, அவர்களின் நேரடி வாங்குபவர், யாருக்காக அவர்கள் அமைப்பை உருவாக்கினார்கள், இது உண்மையல்ல என்று கூறுகிறார்கள். ஒரு கட்டத்தில், கருவிழி ஸ்கேனர்களை உருவாக்கும் மற்றொரு ரஷ்ய நிறுவனம் தோன்றியது. இப்போது பெயர் நினைவில் இல்லை. அவர்கள் ஒருவரிடமிருந்து அல்காரிதத்தை வாங்கினார்கள், ஒருவேளை அதே VeriEye இலிருந்து. ஸ்கேனர் 10-15 ஆண்டுகள் பழமையான அமைப்பாகும், எந்த வகையிலும் தொடர்பு இல்லாதது.
கடந்த ஆண்டில், மனித கண் அங்கீகாரத்திற்கான முதன்மை காப்புரிமை காலாவதியானதால், இரண்டு புதிய உற்பத்தியாளர்கள் உலக சந்தையில் நுழைந்துள்ளனர். அவற்றில் மிகவும் நம்பகமானது, என் கருத்துப்படி, AOptix ஆகும். குறைந்தபட்சம் அவர்களின் முன்னோட்டங்கள் மற்றும் ஆவணங்கள் சந்தேகத்தை எழுப்பவில்லை. இரண்டாவது நிறுவனம் SRI இன்டர்நேஷனல். முதல் பார்வையில் கூட, கருவிழி அடையாளம் காணும் அமைப்புகளில் பணிபுரிந்த ஒருவருக்கு, அவர்களின் வீடியோக்கள் மிகவும் வஞ்சகமாகத் தெரிகிறது. உண்மையில் அவர்களால் ஏதாவது செய்ய முடிந்தால் நான் ஆச்சரியப்பட மாட்டேன். இரண்டு அமைப்புகளும் FAR மற்றும் FRR இல் தரவைக் காட்டாது, மேலும், வெளிப்படையாக, கள்ளநோட்டுகளிலிருந்து பாதுகாக்கப்படவில்லை.

முகத்தை அடையாளம் காணுதல்

முக வடிவவியலின் அடிப்படையில் பல அங்கீகார முறைகள் உள்ளன. அவை அனைத்தும் ஒவ்வொரு நபரின் முக அம்சங்கள் மற்றும் மண்டை ஓட்டின் வடிவம் தனிப்பட்டவை என்ற உண்மையை அடிப்படையாகக் கொண்டவை. பயோமெட்ரிக்ஸின் இந்த பகுதி பலருக்கு கவர்ச்சிகரமானதாக தோன்றுகிறது, ஏனென்றால் நாம் ஒருவரையொருவர் முதன்மையாக நம் முகங்களால் அடையாளம் காண்கிறோம். இந்த பகுதி இரண்டு பகுதிகளாக பிரிக்கப்பட்டுள்ளது: 2-டி அங்கீகாரம் மற்றும் 3-டி அங்கீகாரம். அவை ஒவ்வொன்றிலும் நன்மைகள் மற்றும் தீமைகள் உள்ளன, ஆனால் பயன்பாட்டின் நோக்கம் மற்றும் ஒரு குறிப்பிட்ட வழிமுறைக்கான தேவைகளைப் பொறுத்தது.
நான் உங்களுக்கு 2-டி பற்றி சுருக்கமாகச் சொல்கிறேன், இன்று மிகவும் சுவாரஸ்யமான முறைகளில் ஒன்றிற்குச் செல்கிறேன் - 3-டி.

2-டி முக அங்கீகாரம்

2-டி முக அங்கீகாரம் என்பது மிகவும் புள்ளிவிவர ரீதியாக பயனற்ற பயோமெட்ரிக் முறைகளில் ஒன்றாகும். இது மிக நீண்ட காலத்திற்கு முன்பு தோன்றியது மற்றும் முக்கியமாக தடயவியல் அறிவியலில் பயன்படுத்தப்பட்டது, இது அதன் வளர்ச்சிக்கு பங்களித்தது. பின்னர், முறையின் கணினி விளக்கங்கள் தோன்றின, இதன் விளைவாக இது மிகவும் நம்பகமானதாக மாறியது, ஆனால், நிச்சயமாக, இது தாழ்வானதாக இருந்தது மற்றும் ஒவ்வொரு ஆண்டும் தனிப்பட்ட அடையாளத்தின் பிற பயோமெட்ரிக் முறைகளை விட பெருகிய முறையில் தாழ்வாக உள்ளது. தற்போது, ​​மோசமான புள்ளிவிவரக் குறிகாட்டிகள் காரணமாக, இது மல்டிமாடலில் அல்லது, குறுக்கு-பயோமெட்ரிக்ஸ் அல்லது சமூக வலைப்பின்னல்களில் பயன்படுத்தப்படுகிறது.

முறையின் புள்ளிவிவர பண்புகள்

FAR மற்றும் FRRக்கு, VeriLook அல்காரிதம்களுக்கான தரவு பயன்படுத்தப்பட்டது. மீண்டும், நவீன வழிமுறைகளுக்கு இது மிகவும் சாதாரண குணாதிசயங்களைக் கொண்டுள்ளது. சில சமயங்களில் 0.1% FRR உடன் ஒரே மாதிரியான FAR ஃபிளாஷ் கொண்ட அல்காரிதம்கள், ஆனால் அவை பெறப்பட்ட அடிப்படைகள் மிகவும் சந்தேகத்திற்குரியவை (பின்னணி, ஒரே மாதிரியான முகபாவனை, ஒரே மாதிரியான சிகை அலங்காரம், விளக்குகள்).

பண்பு FAR மதிப்பு 0.1% ஆகும்.
சூத்திரம் (1) இலிருந்து N≈30 ஐப் பெறுகிறோம் - நிறுவனத்தின் பணியாளர்களின் எண்ணிக்கை, இதில் பணியாளர் அடையாளம் மிகவும் நிலையானது.
நீங்கள் பார்க்க முடியும் என, முறையின் புள்ளிவிவர குறிகாட்டிகள் மிகவும் மிதமானவை: இது நெரிசலான இடங்களில் முகங்களை மறைமுகமாக புகைப்படம் எடுக்கக்கூடிய முறையின் நன்மையை நீக்குகிறது. நெரிசலான இடங்களில் நிறுவப்பட்ட வீடியோ கேமராக்கள் மூலம் குற்றவாளிகளைக் கண்டறியும் மற்றொரு திட்டத்திற்கு ஆண்டுக்கு இரண்டு முறை நிதியளிக்கப்படுவது வேடிக்கையாக உள்ளது. கடந்த பத்து ஆண்டுகளில், அல்காரிதத்தின் புள்ளிவிவர பண்புகள் மேம்படுத்தப்படவில்லை, ஆனால் அத்தகைய திட்டங்களின் எண்ணிக்கை அதிகரித்துள்ளது. இருப்பினும், பல கேமராக்கள் மூலம் ஒரு கூட்டத்தில் ஒரு நபரைக் கண்காணிக்க அல்காரிதம் மிகவும் பொருத்தமானது என்பது கவனிக்கத்தக்கது.

முறையின் நன்மைகள் மற்றும் தீமைகள்

முறையின் நன்மைகள். 2-டி அங்கீகாரத்துடன், பெரும்பாலான பயோமெட்ரிக் முறைகளைப் போலல்லாமல், விலையுயர்ந்த உபகரணங்கள் தேவையில்லை. பொருத்தமான உபகரணங்களுடன், கேமராவிலிருந்து குறிப்பிடத்தக்க தூரத்தில் அங்கீகாரம் சாத்தியமாகும்.
குறைகள். குறைந்த புள்ளியியல் முக்கியத்துவம். லைட்டிங் தேவைகள் உள்ளன (உதாரணமாக, ஒரு சன்னி நாளில் தெருவில் இருந்து நுழையும் நபர்களின் முகங்களை பதிவு செய்ய முடியாது). பல வழிமுறைகளுக்கு, கண்ணாடிகள், தாடி அல்லது சிகை அலங்காரத்தின் சில கூறுகள் போன்ற வெளிப்புற குறுக்கீடுகள் ஏற்றுக்கொள்ள முடியாதவை. முகத்தின் முன் படம் தேவை, மிக சிறிய விலகல்கள். பல வழிமுறைகள் முகபாவனைகளில் சாத்தியமான மாற்றங்களை கணக்கில் எடுத்துக்கொள்வதில்லை, அதாவது வெளிப்பாடு நடுநிலையாக இருக்க வேண்டும்.

3-டி முக அங்கீகாரம்

இந்த முறையை செயல்படுத்துவது மிகவும் சிக்கலான பணியாகும். இது இருந்தபோதிலும், தற்போது 3-டி முக அங்கீகாரத்திற்கு பல முறைகள் உள்ளன. வெவ்வேறு ஸ்கேனர்கள் மற்றும் தரவுத்தளங்களைப் பயன்படுத்துவதால், முறைகளை ஒன்றோடொன்று ஒப்பிட முடியாது. அவை அனைத்தும் FAR மற்றும் FRR ஐ வெளியிடுவதில்லை;
2-டி முதல் 3-டி வரையிலான இடைநிலை முறை என்பது ஒரு நபரைப் பற்றிய தகவல்களைக் குவிப்பதைச் செயல்படுத்தும் ஒரு முறையாகும். இந்த முறை 2d முறையை விட சிறந்த குணாதிசயங்களைக் கொண்டுள்ளது, ஆனால் இது ஒரு கேமராவை மட்டுமே பயன்படுத்துகிறது. ஒரு பொருள் தரவுத்தளத்தில் உள்ளிடப்பட்டால், பொருள் தலையைத் திருப்புகிறது மற்றும் அல்காரிதம் படத்தை ஒன்றாக இணைத்து, ஒரு 3D டெம்ப்ளேட்டை உருவாக்குகிறது. அங்கீகாரத்தின் போது, ​​வீடியோ ஸ்ட்ரீமின் பல பிரேம்கள் பயன்படுத்தப்படுகின்றன. இந்த முறை மிகவும் சோதனையானது மற்றும் அணுகல் கட்டுப்பாட்டு அமைப்புகளுக்கான செயலாக்கத்தை நான் பார்த்ததில்லை.
பெரும்பாலானவை கிளாசிக்கல் முறைஒரு மாதிரி திட்ட முறை. இது ஒரு பொருளின் மீது (முகம்) ஒரு கட்டத்தை முன்னிறுத்துவதைக் கொண்டுள்ளது. அடுத்து, கேமரா வினாடிக்கு பல்லாயிரக்கணக்கான பிரேம்களின் வேகத்தில் படங்களை எடுக்கும், இதன் விளைவாக வரும் படங்கள் ஒரு சிறப்பு நிரலால் செயலாக்கப்படுகின்றன. வளைந்த மேற்பரப்பில் ஒரு பீம் சம்பவம் வளைந்திருக்கும் - மேற்பரப்பின் வளைவு அதிகமாக இருந்தால், பீமின் வளைவு வலிமையானது. ஆரம்பத்தில், புலப்படும் ஒளியின் ஆதாரம் பயன்படுத்தப்பட்டது, "குருட்டுகள்" மூலம் வழங்கப்பட்டது. பின்னர் புலப்படும் ஒளி அகச்சிவப்பு மூலம் மாற்றப்பட்டது, இது பல நன்மைகளைக் கொண்டுள்ளது. பொதுவாக, செயலாக்கத்தின் முதல் கட்டத்தில், முகம் தெரியாத படங்கள் அல்லது அடையாளம் காண்பதில் குறுக்கிடும் வெளிநாட்டுப் பொருட்கள் உள்ள படங்கள் நிராகரிக்கப்படுகின்றன. பெறப்பட்ட படங்களின் அடிப்படையில், முகத்தின் 3-டி மாதிரி புனரமைக்கப்படுகிறது, அதில் தேவையற்ற சத்தம் (சிகை அலங்காரம், தாடி, மீசை மற்றும் கண்ணாடிகள்) உயர்த்தி அகற்றப்படும். பின்னர் மாதிரி பகுப்பாய்வு செய்யப்படுகிறது - மானுடவியல் அம்சங்கள் அடையாளம் காணப்படுகின்றன, அவை இறுதியில் தரவுத்தளத்தில் உள்ளிடப்பட்ட தனிப்பட்ட குறியீட்டில் பதிவு செய்யப்படுகின்றன. படம் பிடிப்பு மற்றும் செயலாக்க நேரம் 1-2 வினாடிகள் ஆகும் சிறந்த மாதிரிகள்.
பல கேமராக்களில் இருந்து பெறப்பட்ட படங்களின் அடிப்படையில் 3-டி அங்கீகாரம் செய்யும் முறையும் பிரபலமடைந்து வருகிறது. வோகார்ட் நிறுவனம் அதன் 3டி ஸ்கேனரை இதற்கு உதாரணமாகக் கூறலாம். டெவலப்பர்களின் கூற்றுப்படி, டெம்ப்ளேட் ப்ரொஜெக்ஷன் முறையை விட இந்த முறை பொருத்துதல் துல்லியத்தை அளிக்கிறது. ஆனால் FAR மற்றும் FRR ஐ அவர்களின் சொந்த தரவுத்தளத்திலாவது பார்க்கும் வரை, நான் அதை நம்ப மாட்டேன்!!! ஆனால் இது இப்போது 3 ஆண்டுகளாக வளர்ச்சியில் உள்ளது, மேலும் கண்காட்சிகளில் முன்னேற்றம் இன்னும் தெரியவில்லை.

முறையின் புள்ளிவிவர குறிகாட்டிகள்

இந்த வகுப்பின் அல்காரிதம்களுக்கான FRR மற்றும் FAR பற்றிய முழுமையான தரவு உற்பத்தியாளர்களின் இணையதளங்களில் பொதுவில் கிடைக்காது. ஆனால் பயோஸ்கிரிப்ட் (3D EnrolCam, 3D FastPass) இலிருந்து சிறந்த மாடல்களுக்கு, FAR = 0.0047% உடன் டெம்ப்ளேட் ப்ரொஜெக்ஷன் முறையைப் பயன்படுத்தி, FRR 0.103% ஆகும்.
முறையின் புள்ளிவிவர நம்பகத்தன்மை கைரேகை அடையாள முறையின் நம்பகத்தன்மையுடன் ஒப்பிடத்தக்கது என்று நம்பப்படுகிறது.

முறையின் நன்மைகள் மற்றும் தீமைகள்

முறையின் நன்மைகள். ஸ்கேனிங் சாதனத்தை தொடர்பு கொள்ள தேவையில்லை. குறைந்த உணர்திறன் வெளிப்புற காரணிகள், நபர் தன்னை (கண்ணாடி தோற்றம், ஒரு தாடி, சிகை அலங்காரம் மாற்றம்) மற்றும் அவரது சூழலில் (விளக்கு, தலையை திருப்புதல்) இருவரும். கைரேகை அடையாளத்துடன் ஒப்பிடக்கூடிய உயர் நிலை நம்பகத்தன்மை.
முறையின் தீமைகள். உபகரணங்களின் அதிக விலை. கருவிழி ஸ்கேனர்களை விட வணிக ரீதியாக கிடைக்கக்கூடிய அமைப்புகள் அதிக விலை கொண்டவை. முகபாவங்கள் மற்றும் முக இரைச்சல் மாற்றங்கள் முறையின் புள்ளிவிவர நம்பகத்தன்மையை பாதிக்கிறது. இந்த முறை இன்னும் சிறப்பாக உருவாக்கப்படவில்லை, குறிப்பாக நீண்ட காலமாக பயன்படுத்தப்படும் கைரேகையுடன் ஒப்பிடுகையில், அதன் பரவலான பயன்பாட்டை கடினமாக்குகிறது.

சந்தை நிலைமை

முக வடிவவியலின் அங்கீகாரம் "மூன்று பெரிய பயோமெட்ரிக்ஸில்" ஒன்றாகக் கருதப்படுகிறது, அதனுடன் கைரேகைகள் மற்றும் கருவிழியின் அங்கீகாரத்துடன். இந்த முறை மிகவும் பொதுவானது என்று சொல்ல வேண்டும், மேலும் இது கண்ணின் கருவிழியால் அங்கீகரிக்கப்படுவதை விட இன்னும் விரும்பப்படுகிறது. உலகளாவிய பயோமெட்ரிக் சந்தையின் மொத்த அளவில் முக வடிவியல் அங்கீகார தொழில்நுட்பங்களின் பங்கு 13-18 சதவீதமாக மதிப்பிடப்படுகிறது. ரஷ்யாவில், கருவிழி அடையாளத்தை விட, இந்த தொழில்நுட்பத்தில் அதிக ஆர்வம் உள்ளது. ஏற்கனவே குறிப்பிட்டுள்ளபடி, பல 3-டி அங்கீகார அல்காரிதம்கள் உள்ளன. பெரும்பாலும், நிறுவனங்கள் ஸ்கேனர்கள், சர்வர்கள் மற்றும் மென்பொருள் உள்ளிட்ட ஆயத்த அமைப்புகளை உருவாக்க விரும்புகின்றன. இருப்பினும், நுகர்வோருக்கு SDK ஐ மட்டுமே வழங்குபவர்களும் உள்ளனர். இன்று, பின்வரும் நிறுவனங்கள் இந்த தொழில்நுட்பத்தின் வளர்ச்சியில் ஈடுபட்டுள்ளன: ஜியோமெட்ரிக்ஸ், இன்க். (3டி ஃபேஸ் ஸ்கேனர்கள், மென்பொருள்), அமெரிக்காவில் உள்ள ஜெனெக்ஸ் டெக்னாலஜிஸ் (3டி ஃபேஸ் ஸ்கேனர்கள், மென்பொருள்), ஜெர்மனியில் காக்னிடெக் சிஸ்டம்ஸ் ஜிஎம்பிஹெச் (எஸ்டிகே, ஸ்பெஷல் கம்ப்யூட்டர்கள், 2டி கேமராக்கள்), பயோஸ்கிரிப்ட் (3டி ஃபேஸ் ஸ்கேனர்கள், மென்பொருள்) - அமெரிக்காவின் துணை நிறுவனம் நிறுவனம் L- 1 அடையாள தீர்வுகள்.
ரஷ்யாவில் இந்த திசையில்ஆர்டெக் குழுமம் (3டி ஃபேஷியல் ஸ்கேனர்கள் மற்றும் மென்பொருள்) வேலை செய்கிறது - அதன் தலைமை அலுவலகம் கலிபோர்னியாவில் அமைந்துள்ளது, மேலும் வளர்ச்சி மற்றும் உற்பத்தி மாஸ்கோவில் மேற்கொள்ளப்படுகிறது. மேலும், பல ரஷ்ய நிறுவனங்கள் 2D முக அங்கீகார தொழில்நுட்பத்தைக் கொண்டுள்ளன - Vocord, ITV போன்றவை.
2டி முக அங்கீகாரத் துறையில், மேம்பாட்டின் முக்கிய பொருள் மென்பொருள், ஏனெனில்... வழக்கமான கேமராக்கள் முகப் படங்களைப் பிடிக்கும் ஒரு சிறந்த வேலையைச் செய்கின்றன. முகப் படத்திலிருந்து அங்கீகாரம் பெறுவதற்கான சிக்கலுக்கான தீர்வு ஓரளவிற்கு முட்டுச்சந்தில் உள்ளது - பல ஆண்டுகளாக இப்போது அல்காரிதம்களின் புள்ளிவிவர குறிகாட்டிகளில் எந்த முன்னேற்றமும் இல்லை. இந்த பகுதியில், ஒரு முறையான "தவறுகளில் வேலை" நடைபெறுகிறது.
3டி முக அங்கீகாரம் இப்போது டெவலப்பர்களுக்கு மிகவும் கவர்ச்சிகரமான பகுதியாகும். பல குழுக்கள் அங்கு வேலை செய்கின்றன, மேலும் புதிய கண்டுபிடிப்புகளைப் பற்றி நாங்கள் தொடர்ந்து கேள்விப்படுகிறோம். பல படைப்புகள் "வெளியிடப்படும்" நிலையில் உள்ளன. ஆனால் இதுவரை சந்தையில் பழைய சலுகைகள் மட்டுமே உள்ளன கடந்த ஆண்டுகள்தேர்வு மாறவில்லை.
நான் சில சமயங்களில் சிந்திக்கும் மற்றும் ஹப்ரால் பதிலளிக்கக்கூடிய சுவாரஸ்யமான புள்ளிகளில் ஒன்று: அத்தகைய அமைப்பை உருவாக்க கைனெக்டின் துல்லியம் போதுமானதா? அதன் மூலம் ஒரு நபரின் 3D மாதிரியை வெளியே இழுக்க சில திட்டங்கள் உள்ளன.

கை நரம்புகள் மூலம் அங்கீகாரம்

பயோமெட்ரிக்ஸ் துறையில் இது ஒரு புதிய தொழில்நுட்பம், அதன் பரவலான பயன்பாடு 5-10 ஆண்டுகளுக்கு முன்புதான் தொடங்கியது. அகச்சிவப்பு கேமரா, கையின் வெளிப்புறம் அல்லது உட்புறப் படங்களை எடுக்கிறது. இரத்தத்தில் உள்ள ஹீமோகுளோபின் அகச்சிவப்பு கதிர்வீச்சை உறிஞ்சுவதால் நரம்புகளின் வடிவம் உருவாகிறது. இதன் விளைவாக, பிரதிபலிப்பு அளவு குறைகிறது மற்றும் நரம்புகள் கருப்பு கோடுகளாக கேமராவில் தெரியும். சிறப்பு திட்டம்பெறப்பட்ட தரவுகளின் அடிப்படையில், இது ஒரு டிஜிட்டல் மாற்றத்தை உருவாக்குகிறது. ஸ்கேனிங் சாதனத்துடன் மனித தொடர்பு தேவையில்லை.
இந்த தொழில்நுட்பமானது கருவிழிப் படலத்தை அங்கீகரிப்பதில் நம்பகத்தன்மையுடன் ஒப்பிடத்தக்கது, சில வழிகளில் உயர்ந்ததாகவும் மற்றவற்றில் தாழ்ந்ததாகவும் இருக்கிறது.
பாம் வெயின் ஸ்கேனருக்கு FRR மற்றும் FAR மதிப்புகள் கொடுக்கப்பட்டுள்ளன. டெவலப்பரின் கூற்றுப்படி, 0.0008% FAR உடன், FRR 0.01% ஆகும். எந்த நிறுவனமும் பல மதிப்புகளுக்கு மிகவும் துல்லியமான வரைபடத்தை வழங்குவதில்லை.

முறையின் நன்மைகள் மற்றும் தீமைகள்

முறையின் நன்மைகள். ஸ்கேனிங் சாதனத்தை தொடர்பு கொள்ள தேவையில்லை. அதிக நம்பகத்தன்மை - முறையின் புள்ளிவிவர குறிகாட்டிகள் கருவிழியின் அளவீடுகளுடன் ஒப்பிடத்தக்கவை. குணாதிசயத்தின் மறைவு: மேலே உள்ள அனைத்தையும் போலல்லாமல், இந்த பண்பு "தெருவில்" ஒரு நபரிடமிருந்து பெறுவது மிகவும் கடினம், எடுத்துக்காட்டாக, அவரை கேமரா மூலம் புகைப்படம் எடுப்பதன் மூலம்.
முறையின் தீமைகள். ஸ்கேனர் சூரிய ஒளி அல்லது ஆலசன் விளக்குகளுக்கு வெளிப்படக்கூடாது. மூட்டுவலி போன்ற சில வயது தொடர்பான நோய்கள், FAR மற்றும் FRR ஆகியவற்றை மோசமாக்குகின்றன. மற்ற நிலையான பயோமெட்ரிக் முறைகளுடன் ஒப்பிடுகையில் இந்த முறை குறைவாகவே ஆய்வு செய்யப்படுகிறது.

சந்தை நிலைமை

கை நரம்பு வடிவங்களை அங்கீகரிப்பது மிகவும் புதிய தொழில்நுட்பமாகும், எனவே உலக சந்தையில் அதன் பங்கு சிறியது மற்றும் சுமார் 3% ஆகும். இருப்பினும், இந்த முறையின் மீதான ஆர்வம் அதிகரித்து வருகிறது. உண்மை என்னவென்றால், மிகவும் துல்லியமாக இருப்பதால், இந்த முறைக்கு அத்தகைய விலையுயர்ந்த உபகரணங்கள் தேவையில்லை, எடுத்துக்காட்டாக, முக வடிவியல் அல்லது கருவிழியை அடிப்படையாகக் கொண்ட அங்கீகார முறைகள். இப்போது இந்த பகுதியில் பல நிறுவனங்கள் உருவாகி வருகின்றன. எடுத்துக்காட்டாக, ஆங்கில நிறுவனமான TDSi இன் உத்தரவின்படி, ஃபுஜிட்சு வழங்கிய பயோமெட்ரிக் பாம் வெயின் ரீடரான PalmVein க்கான மென்பொருள் உருவாக்கப்பட்டது. ஜப்பானில் நிதி மோசடியை எதிர்த்துப் போராடுவதற்காக, இந்த ஸ்கேனரை ஃபுஜித்சூ நிறுவனம் உருவாக்கியது.
பின்வரும் நிறுவனங்கள் நரம்பு வடிவத்தை அடையாளம் காணும் துறையிலும் செயல்படுகின்றன: Veid Pte. லிமிடெட் (ஸ்கேனர், மென்பொருள்), ஹிட்டாச்சி வெயின்ஐடி (ஸ்கேனர்கள்)
இந்த தொழில்நுட்பத்தில் ரஷ்யாவில் எந்த நிறுவனமும் வேலை செய்வதாக எனக்குத் தெரியாது.

விழித்திரை

சமீப காலம் வரை, பயோமெட்ரிக் அடையாளம் மற்றும் தனிப்பட்ட அங்கீகாரத்தின் மிகவும் நம்பகமான முறை விழித்திரையை ஸ்கேன் செய்வதை அடிப்படையாகக் கொண்ட ஒரு முறையாகும் என்று நம்பப்பட்டது. இது கருவிழி மற்றும் கை நரம்புகளை அடையாளம் காணும் சிறந்த அம்சங்களைக் கொண்டுள்ளது. ஸ்கேனர் விழித்திரையின் மேற்பரப்பில் உள்ள நுண்குழாய்களின் வடிவத்தைப் படிக்கிறது. விழித்திரை ஒரு நிலையான அமைப்பைக் கொண்டுள்ளது, கண்புரை போன்ற நோய்களின் விளைவாக தவிர, காலப்போக்கில் மாறாது.
விழித்திரை ஸ்கேன் குறைந்த தீவிரம் கொண்ட அகச்சிவப்பு ஒளியைப் பயன்படுத்துகிறது. ரெட்டினல் ஸ்கேனர்கள் அதிக உணர்திறன் வசதிகளுக்கான அணுகல் கட்டுப்பாட்டு அமைப்புகளில் பரவலாகிவிட்டன, ஏனெனில் அவை பதிவுசெய்யப்பட்ட பயனர்களுக்கு மறுக்கப்பட்ட அணுகலின் மிகக் குறைந்த சதவீதங்களில் ஒன்றாகும், மேலும் எந்த தவறான அணுகல் அனுமதியும் இல்லை.
துரதிர்ஷ்டவசமாக, இந்த பயோமெட்ரிக் முறையைப் பயன்படுத்தும் போது பல சிரமங்கள் எழுகின்றன. இங்கே ஸ்கேனர் மிகவும் சிக்கலான ஆப்டிகல் அமைப்பாகும், மேலும் கணினியை இலக்காகக் கொண்டிருக்கும் போது நபர் கணிசமான நேரத்திற்கு நகரக்கூடாது, இது விரும்பத்தகாத உணர்வுகளை ஏற்படுத்துகிறது.
EyeDentify இன் படி, FAR=0.001% கொண்ட ICAM2001 ஸ்கேனருக்கு, FRR மதிப்பு 0.4% ஆகும்.

முறையின் நன்மைகள் மற்றும் தீமைகள்

நன்மைகள். புள்ளியியல் நம்பகத்தன்மையின் உயர் நிலை. அமைப்புகளின் குறைவான பரவல் காரணமாக, அவற்றை "ஏமாற்ற" ஒரு வழியை உருவாக்கும் வாய்ப்பு குறைவாக உள்ளது.
குறைகள். அதிக செயலாக்க நேரத்துடன் கணினியைப் பயன்படுத்துவது கடினம். அமைப்பின் அதிக செலவு. பரந்த சந்தை வழங்கல் இல்லாமை மற்றும் அதன் விளைவாக, முறையின் வளர்ச்சியின் போதுமான தீவிரம்.

கை வடிவியல்

இந்த முறை 10 ஆண்டுகளுக்கு முன்பு மிகவும் பொதுவானது மற்றும் சமீபத்திய ஆண்டுகளில் குற்றவியல் இருந்து உருவானது மற்றும் வீழ்ச்சியடைந்து வருகிறது. இது கைகளின் வடிவியல் பண்புகளைப் பெறுவதை அடிப்படையாகக் கொண்டது: விரல் நீளம், உள்ளங்கை அகலம் போன்றவை. இந்த முறை, கண்ணின் விழித்திரை போன்றது, இறந்து கொண்டிருக்கிறது, மேலும் இது மிகவும் குறைவான குணாதிசயங்களைக் கொண்டிருப்பதால், அதைப் பற்றிய முழுமையான விளக்கத்தை கூட நாங்கள் அறிமுகப்படுத்த மாட்டோம்.
சில நேரங்களில் நரம்பு அங்கீகார அமைப்புகள் வடிவியல் அங்கீகார முறைகளைப் பயன்படுத்துகின்றன என்று நம்பப்படுகிறது. ஆனால் இதுபோன்ற எதையும் வெளிப்படையாக விற்பனையில் நாங்கள் பார்த்ததில்லை. மேலும், பெரும்பாலும் நரம்புகளால் அடையாளம் காணும்போது, ​​உள்ளங்கையின் படம் மட்டுமே எடுக்கப்படுகிறது, அதே நேரத்தில் வடிவவியலால் அடையாளம் காணும்போது, ​​விரல்களின் படம் எடுக்கப்படுகிறது.

ஒரு சிறிய சுய PR

ஒரு காலத்தில், நாங்கள் ஒரு நல்ல கண் அங்கீகார அல்காரிதத்தை உருவாக்கினோம். ஆனால் அந்த நேரத்தில், அத்தகைய உயர் தொழில்நுட்ப விஷயம் இந்த நாட்டில் தேவையில்லை, நாங்கள் முதலாளித்துவத்திற்கு செல்ல விரும்பவில்லை (முதல் கட்டுரைக்குப் பிறகு நாங்கள் அழைக்கப்பட்டோம்). ஆனால் திடீரென்று, ஒன்றரை வருடங்களுக்குப் பிறகு, முதலீட்டாளர்கள் தங்களை ஒரு "பயோமெட்ரிக் போர்டல்" உருவாக்க விரும்பினர் - இது 2 கண்களுக்கு உணவளிக்கும் மற்றும் கருவிழியின் வண்ண கூறுகளைப் பயன்படுத்தும் (முதலீட்டாளருக்கு உலகளாவிய காப்புரிமை இருந்தது). உண்மையில் இதைத்தான் இப்போது செய்து கொண்டிருக்கிறோம். ஆனால் இது சுய-பிஆர் பற்றிய கட்டுரை அல்ல, இது ஒரு குறுகிய பாடல் வரிகள். யாராவது ஆர்வமாக இருந்தால், சில தகவல்கள் உள்ளன, எதிர்காலத்தில் சில நேரங்களில், நாம் சந்தையில் நுழையும்போது (அல்லது வேண்டாம்), ரஷ்யாவில் பயோமெட்ரிக் திட்டத்தின் ஏற்ற தாழ்வுகள் பற்றி இங்கே சில வார்த்தைகளை எழுதுவேன்.

முடிவுரை

நிலையான பயோமெட்ரிக் அமைப்புகளின் வகுப்பில் கூட, அமைப்புகளின் பெரிய தேர்வு உள்ளது. நீங்கள் எதை தேர்வு செய்ய வேண்டும்? இது அனைத்தும் பாதுகாப்பு அமைப்புக்கான தேவைகளைப் பொறுத்தது. மிகவும் புள்ளிவிவர ரீதியாக நம்பகமான மற்றும் போலி-எதிர்ப்பு அணுகல் அமைப்புகள் கருவிழி மற்றும் கை நரம்பு அணுகல் அமைப்புகள் ஆகும். அவற்றில் முதலாவதாக, சலுகைகளின் பரந்த சந்தை உள்ளது. ஆனால் இது வரம்பு அல்ல. வானியல் துல்லியத்தை அடைய பயோமெட்ரிக் அடையாள அமைப்புகளை இணைக்கலாம். மலிவான மற்றும் பயன்படுத்த எளிதானவை, ஆனால் நல்ல புள்ளிவிவரங்களுடன், விரல் சகிப்புத்தன்மை அமைப்புகள். 2டி முக சகிப்புத்தன்மை வசதியானது மற்றும் மலிவானது, ஆனால் மோசமான புள்ளிவிவர செயல்திறன் காரணமாக வரையறுக்கப்பட்ட அளவிலான பயன்பாடுகளைக் கொண்டுள்ளது.
ஒவ்வொரு அமைப்பும் கொண்டிருக்கும் பண்புகளை கருத்தில் கொள்வோம்: கள்ளநோட்டுக்கு எதிர்ப்பு, சுற்றுச்சூழல் எதிர்ப்பு, பயன்பாட்டின் எளிமை, செலவு, வேகம், காலப்போக்கில் பயோமெட்ரிக் அம்சத்தின் நிலைத்தன்மை. ஒவ்வொரு நெடுவரிசையிலும் 1 முதல் 10 வரை மதிப்பீடுகளை வைப்போம். மதிப்பெண் 10க்கு நெருக்கமாக இருந்தால், இந்த விஷயத்தில் சிறந்த அமைப்பு. மதிப்பீடுகளைத் தேர்ந்தெடுப்பதற்கான கொள்கைகள் கட்டுரையின் ஆரம்பத்திலேயே விவரிக்கப்பட்டுள்ளன.


இந்த அமைப்புகளுக்கான FAR மற்றும் FRR விகிதத்தையும் நாங்கள் கருத்தில் கொள்வோம். இந்த விகிதம் அமைப்பின் செயல்திறன் மற்றும் அதன் பயன்பாட்டின் அகலத்தை தீர்மானிக்கிறது.


கருவிழியைப் பொறுத்தவரை, இரண்டு கண்களுக்கு அமைப்பதன் மூலம் கணினியை சிக்கலாக்கினால், நேரத்தை இழக்காமல், கணினியின் துல்லியத்தை கிட்டத்தட்ட இருபடியாக அதிகரிக்க முடியும் என்பதை நினைவில் கொள்வது மதிப்பு. கைரேகை முறைக்கு - பல விரல்களை இணைப்பதன் மூலம், மற்றும் நரம்புகள் மூலம் அங்கீகாரம், இரண்டு கைகளை இணைப்பதன் மூலம், ஆனால் அத்தகைய முன்னேற்றம் ஒரு நபருடன் வேலை செய்யும் நேரத்தை அதிகரிப்பதன் மூலம் மட்டுமே சாத்தியமாகும்.
முறைகளுக்கான முடிவுகளைச் சுருக்கமாக, நடுத்தர மற்றும் பெரிய பொருள்களுக்கும், அதிக பாதுகாப்புத் தேவைகளைக் கொண்ட பொருட்களுக்கும், கருவிழியை பயோமெட்ரிக் அணுகலாகவும், ஒருவேளை, கை நரம்புகளால் அங்கீகரிக்கவும் பயன்படுத்த வேண்டும் என்று கூறலாம். பல நூறு பணியாளர்கள் வரை உள்ள வசதிகளுக்கு, கைரேகைகளைப் பயன்படுத்தி அணுகல் உகந்ததாக இருக்கும். 2டி முகப் படங்களை அடிப்படையாகக் கொண்ட அங்கீகார அமைப்புகள் மிகவும் குறிப்பிட்டவை. உடல் தொடர்பு இல்லாத அங்கீகாரம் தேவைப்படும் சந்தர்ப்பங்களில் அவை தேவைப்படலாம், ஆனால் கருவிழி கட்டுப்பாட்டு அமைப்பை நிறுவுவது சாத்தியமில்லை. எடுத்துக்காட்டாக, ஒரு நபரின் பங்கேற்பு இல்லாமல், மறைக்கப்பட்ட கேமரா அல்லது வெளிப்புற கண்டறிதல் கேமராவைப் பயன்படுத்தி அடையாளம் காண வேண்டியது அவசியமானால், தரவுத்தளத்தில் குறைந்த எண்ணிக்கையிலான பாடங்கள் மற்றும் படம்பிடிக்கப்பட்ட நபர்களின் சிறிய ஓட்டம் இருந்தால் மட்டுமே இது சாத்தியமாகும். கேமரா.

இளம் தொழில்நுட்ப கலைஞர்களுக்கு ஒரு குறிப்பு

சில உற்பத்தியாளர்கள், எடுத்துக்காட்டாக, நியூரோடெக்னாலஜி, அவர்கள் தயாரிக்கும் பயோமெட்ரிக் முறைகளின் டெமோ பதிப்புகள் தங்கள் இணையதளத்தில் கிடைக்கின்றன, எனவே நீங்கள் அவற்றை எளிதாக இணைத்து விளையாடலாம். சிக்கலை இன்னும் தீவிரமாக ஆராய முடிவு செய்பவர்களுக்கு, நான் ரஷ்ய மொழியில் பார்த்த ஒரே புத்தகத்தை பரிந்துரைக்க முடியும் - "பயோமெட்ரிக்ஸ் வழிகாட்டி" R.M. பால், ஜே.எச். கானல், எஸ். பங்கந்தி. பல வழிமுறைகள் மற்றும் அவற்றின் கணித மாதிரிகள் உள்ளன. எல்லாம் முழுமையடையவில்லை, எல்லாமே நவீன காலத்திற்கு ஒத்துப்போவதில்லை, ஆனால் அடிப்படை நன்றாகவும் விரிவானதாகவும் இருக்கிறது.

பி.எஸ்.

இந்த ஓபஸில் நான் அங்கீகரிப்புச் சிக்கலுக்குச் செல்லவில்லை, ஆனால் அடையாளத்தை மட்டுமே தொட்டேன். கொள்கையளவில், FAR/FRR இன் குணாதிசயங்கள் மற்றும் மோசடிக்கான சாத்தியக்கூறுகள் ஆகியவற்றிலிருந்து, அங்கீகாரம் தொடர்பான அனைத்து முடிவுகளும் தங்களைத் தாங்களே பரிந்துரைக்கின்றன.

பின்வரும் பொருட்களில் நீங்கள் ஆர்வமாக இருக்கலாம்

எரிவாயு மீட்டர்

வெப்ப அமைப்பு

தண்ணிர் விநியோகம்

காற்றோட்ட அமைப்பு

ரேடியேட்டர்கள்

நீர் குழாய்கள்

2024 வீட்டில் ஆறுதல் பற்றி. எரிவாயு மீட்டர். வெப்ப அமைப்பு. தண்ணிர் விநியோகம். காற்றோட்ட அமைப்பு