一群研究人員說，他們已經提出了一種方法，可以通過耳朵的獨特結構來越來越快地識別人們，這是其他研究人員至少可以追溯到2007年的努力。
更具體地說，科學家們說，他們使用耳冊作為生物識別鑰匙來改進了使用手機訪問智能家居的生物特徵鑰匙。這項努力也可以追溯到幾年。至少有一種產品進入了市場，幾乎沒有成功（以下更多）。
以前的實驗室在使用耳朵進行生物識別技術的實驗室工作需要相當原始的條件才能實用，根據在突尼斯國家國家工程學的Sana Boujnah的新論文和科學家。
Boujnah的論文聲稱在降級或低於理想的情況下證明了更大的算法可靠性。
對於生物識別技術來說，耳朵似乎是一個奇怪的選擇，但是它們很有價值，因為隨著時間的流逝，耳朵不會太大變化，並且可以掃描它們而不必與讀者接觸。
Boujnah的創新是在圖像識別和比較中，而不是通過光學或電話應用程序如何與Home Access Electronics進行交互。儘管她已經討論了將耳塞與語音印刷相結合，但她的團隊離開了將來的實驗，這是第二層的生物識別安全性。
根據該論文，該團隊採用了“基於本地和多分辨率功能的方法來識別耳朵”。
結果是將圖像匹配的軟件在十分之六毫秒中匹配的圖像在科學與技術大學I大學數據庫中的準確度為93.88％，EVDDC上的圖像為92.5％，該論文將其描述為新數據庫。
USTB-I數據庫包含180張圖像，每個受試者有三張圖像。它們包括帶有不同照明的圖像和圖像。 EVDDC數據庫由111人組成，每個志願者至少有12張圖像。
手機用於收集距受試者五到30厘米的圖像。珠寶，帽子，眼鏡，圍巾，頭髮等使圖像複雜化。
與該地區的先前研究一樣，新解決方案包括三個步驟：圖像預處理，特徵提取和分類。
特徵提取由本地和頻域特徵組成。 Harris算法用於特徵提取和模式識別。紋理特徵源自基於光譜的雙樹複合小波的變換。
隨機森林，支持向量機（SVM）和k- 將最近的鄰居（KNN）分類器用作實驗的一部分。 KNN方法用於記錄上述最佳準確率。
boujnah提交2018年的一篇關於同一主題的論文，並建議在降級條件下使用耳朵和語音打印創建一個數據庫，以將技術推動。
耳朵識別生物識別技術實際上已經在智能手機上實施，儘管所討論的模型是暹羅7X，但並未開始趨勢。
