डीजे ली, अमेरिका में ब्रिघम यंग यूनिवर्सिटी (बीईयू) के प्रोफेसर, जिन्होंने पहले से ही तकनीक पर एक पेटेंट दायर किया है, ने कहा कि विचार एप्पल के साथ प्रतिस्पर्धा करने या आवेदन करने के लिए नहीं है स्मार्टफोन का उपयोग।
बीईयू ने एक बयान में कहा, उनकी राय में, नई तकनीक में व्यापक आवेदन है, जिसमें कार्यस्थल पर प्रतिबंधित क्षेत्रों तक पहुंच, ऑनलाइन बैंकिंग, एटीएम का उपयोग, सुरक्षित जमा बॉक्स का उपयोग या यहां तक कि होटल के कमरे में प्रवेश या बिना एंट्री के प्रवेश भी शामिल है।
नई प्रणाली को समवर्ती दो-कारक पहचान सत्यापन (C2FIV) कहा जाता है और इसके लिए चेहरे की पहचान दोनों की आवश्यकता होती है और विशिष्ट चेहरे की गति अनुमति प्राप्त करना।
इसे सेट करने के लिए, एक उपयोगकर्ता एक कैमरे का सामना करता है और एक गुप्त वाक्यांश पढ़ने से एक अद्वितीय चेहरे की गति या होंठ आंदोलन के लघु 1-2 सेकंड के वीडियो रिकॉर्ड करता है।
वीडियो तब डिवाइस में इनपुट होता है, जो चेहरे की विशेषताओं और चेहरे की गति की विशेषताओं को निकालता है, बाद में आईडी सत्यापन के लिए उन्हें संग्रहीत करता है।
तकनीकी प्राप्त करने के लिए, C2FIV एक एकीकृत पर निर्भर करता है तंत्रिका नेटवर्क की रूपरेखा चेहरे की विशेषताओं और कार्यों को समवर्ती रूप से सीखना।
यह ढांचा चेहरे की गतियों की तरह गतिशील, अनुक्रमिक डेटा, जहां एक रिकॉर्डिंग में सभी फ़्रेमों पर विचार करना पड़ता है – एक आंकड़े के साथ एक स्थिर तस्वीर के विपरीत जिसे रेखांकित किया जा सकता है।
इस एकीकृत तंत्रिका नेटवर्क ढांचे का उपयोग करते हुए, उपयोगकर्ता के चेहरे की विशेषताओं और आंदोलनों को एक सर्वर पर या एक एम्बेडेड डिवाइस में संग्रहीत और संग्रहीत किया जाता है और जब वे बाद में पहुंच प्राप्त करने का प्रयास करते हैं, तो कंप्यूटर संग्रहीत किए गए नवनिर्मित एम्बेडिंग की तुलना करता है।
यदि नए और संग्रहीत एम्बेडिंग एक निश्चित सीमा पर मेल खाते हैं, तो उपयोगकर्ता की आईडी सत्यापित है।
ली ने कहा, “हम तकनीक से काफी उत्साहित हैं क्योंकि सुरक्षा के एक और स्तर को जोड़ना बहुत ही अनोखा है जो उपयोगकर्ता के लिए अधिक परेशानी का कारण नहीं है।”
अपने प्रारंभिक अध्ययन में, ली और उनके पीएचडी के छात्र झेंग सन ने 50 प्रतिभागियों से 8,000 वीडियो क्लिप रिकॉर्ड किए, जैसे कि चेहरे को हिलाना, उनके जबड़े को गिराना, मुस्कुराते हुए या उनकी भौहें और साथ ही तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए कई यादृच्छिक चेहरे की गति को दर्ज किया।
उन्होंने तब चेहरे की गतियों के सकारात्मक और नकारात्मक जोड़े का एक डेटासेट बनाया और सकारात्मक जोड़े (जो मेल खाते थे) के लिए उच्च स्कोर प्राप्त किया।
वर्तमान में, छोटे डेटासेट के साथ, प्रशिक्षित तंत्रिका नेटवर्क 90 प्रतिशत से अधिक सटीकता के साथ पहचान की पुष्टि करता है।
उन्हें विश्वास है कि सटीकता बड़े डेटासेट और नेटवर्क पर सुधार के साथ बहुत अधिक हो सकती है।
– आईएएनएस
gb / vd
।
