ทีมนักวิจัยกล่าวว่าพวกเขามีหนทางที่จะระบุตัวตนได้อย่างรวดเร็วและรวดเร็วยิ่งขึ้นโดยโครงสร้างที่เป็นเอกลักษณ์ของหูของพวกเขาความพยายามของนักวิจัยคนอื่น ๆ กลับไปอย่างน้อยปี 2550
โดยเฉพาะอย่างยิ่งนักวิทยาศาสตร์กล่าวว่าพวกเขาได้ปรับปรุงการทดลองซอฟต์แวร์ก่อนหน้านี้โดยใช้ earprints เป็นคีย์ไบโอเมตริกซ์เพื่อเข้าถึงบ้านอัจฉริยะโดยใช้โทรศัพท์ ความพยายามนั้นก็กลับมาหลายปี อย่างน้อยหนึ่งผลิตภัณฑ์ทำให้ตลาดประสบความสำเร็จเพียงเล็กน้อย (ด้านล่าง)
ห้องปฏิบัติการก่อนหน้านี้ทำงานเกี่ยวกับการใช้ EARS สำหรับ Biometrics จำเป็นต้องมีเงื่อนไขที่เก่าแก่พอสมควรที่จะใช้งานได้ในวงกว้างตามไปยังบทความใหม่โดย Sana Boujnah ที่โรงเรียนวิศวกรรมแห่งชาติของตูนิสและนักวิทยาศาสตร์เพื่อน
กระดาษของ Boujnah อ้างว่าแสดงให้เห็นถึงความน่าเชื่อถือของอัลกอริทึมที่มากขึ้นภายใต้เงื่อนไขที่เสื่อมโทรมหรือน้อยกว่าอุดมคติ
หูอาจดูเหมือนเป็นตัวเลือกที่แปลกสำหรับชีวภาพ แต่มีค่าเพราะหูไม่เปลี่ยนแปลงอย่างมีนัยสำคัญเมื่อเวลาผ่านไปและสามารถสแกนได้โดยไม่ต้องติดต่อกับผู้อ่าน
นวัตกรรมของ Boujnah อยู่ในการจดจำภาพและการเปรียบเทียบไม่ใช่ในเลนส์หรือวิธีการที่แอพโทรศัพท์จะโต้ตอบกับอุปกรณ์อิเล็กทรอนิกส์การเข้าถึงบ้าน และถึงแม้ว่าเธอจะพูดคุยเกี่ยวกับการรวมภาพพิมพ์หูเข้ากับการพิมพ์ด้วยเสียงทีมของเธอก็ออกจากการทดลองในอนาคตชั้นสองของการรักษาความปลอดภัยไบโอเมตริกซ์
จากรายงานของกระดาษทีมใช้“ วิธีการตามคุณสมบัติท้องถิ่นและหลายมัลติสำหรับการจดจำหู”
ผลที่ได้คือซอฟต์แวร์ที่จับคู่ภาพในหกสิบของมิลลิวินาทีด้วยความแม่นยำ 93.88 เปอร์เซ็นต์ในฐานข้อมูลมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยี -I และ 92.5 เปอร์เซ็นต์บน EVDDC ซึ่งกระดาษอธิบายว่าเป็นฐานข้อมูลใหม่
ฐานข้อมูล USTB-I มีภาพ 180 ภาพโดยมีสามภาพต่อเรื่อง พวกเขารวมถึงภาพด้านหน้าและภาพที่มีแสงสว่างที่แตกต่างกัน ฐานข้อมูล EVDDC ประกอบด้วย 111 คนโดยมีภาพอย่างน้อย 12 ภาพจากอาสาสมัครแต่ละคน
โทรศัพท์ถูกใช้เพื่อรวบรวมภาพระหว่างห้าถึง 30 เซนติเมตรจากวิชา ภาพมีความซับซ้อนด้วยเครื่องประดับหมวกแว่นตาผ้าพันคอผมและสิ่งที่คล้ายกัน
เช่นเดียวกับการวิจัยก่อนหน้านี้ในพื้นที่โซลูชันใหม่ประกอบด้วยสามขั้นตอน: การประมวลผลภาพล่วงหน้าการสกัดคุณลักษณะและการจำแนกประเภท
การสกัดคุณลักษณะประกอบด้วยคุณสมบัติโดเมนในท้องถิ่นและความถี่ อัลกอริทึม Harris ใช้สำหรับการสกัดคุณสมบัติและการจดจำรูปแบบ คุณสมบัติของพื้นผิวนั้นได้มาจากการแปลงเวฟเล็ตคู่แบบสเปคตรัมที่มีความเท่าเทียมกัน
ป่าสุ่ม, เครื่องเวกเตอร์สนับสนุน (SVM) และK-ตัวจําแนกเพื่อนบ้าน (KNN) ถูกนำมาใช้เป็นส่วนหนึ่งของการทดลอง วิธี KNN ถูกใช้เพื่อบันทึกอัตราความแม่นยำที่ดีที่สุดดังที่ได้กล่าวไว้ข้างต้น
Boujnahที่ส่งไปกระดาษในปี 2018 ในหัวข้อเดียวกันและแนะนำให้สร้างฐานข้อมูลด้วยการพิมพ์หูและเสียงในสภาพที่เสื่อมโทรมเพื่อย้ายเทคโนโลยีไปตาม
Biometrics การจดจำหูเป็นจริงนำไปใช้กับสมาร์ทโฟนแม้ว่าแบบจำลองที่เป็นปัญหา SIAM 7X ไม่ได้เริ่มแนวโน้ม
หัวข้อบทความ
อัลกอริทึม-การระบุไบโอเมตริกซ์-การวิจัยทางชีวภาพ-หู-การจดจำหู-บ้านอัจฉริยะ-สมาร์ทโฟน
