เครื่องมือที่ใช้ทั่วโลกเพื่อตัดสินคุณภาพของภาพลายนิ้วมือได้รับการปรับปรุงทำให้มีความยืดหยุ่นและความสามารถมากขึ้นแม้ว่าการทำงานกับข้อ จำกัด ยังคงอยู่ วิทยากรผู้เชี่ยวชาญจากทั่วโลกได้พูดคุยเกี่ยวกับ NFIQ เวอร์ชันล่าสุดเครื่องมือประเมินคุณภาพภาพโอเพ่นซอร์สพร้อมกับการประเมินข้อมูลสังเคราะห์และลายนิ้วมือแบบไม่สัมผัสในล่าสุดสมาคมชีวภาพแห่งยุโรปเหตุการณ์ (EAB)
Elham Tabassi จาก NIST พูดเกี่ยวกับประวัติของซอฟต์แวร์ NFIQ ซึ่งออกมาจากการสำรวจว่าทำไม Biometrics ลายนิ้วมือจึงทำงานได้ไม่ดีกับผู้คนเพียงเล็กน้อย FBI ใช้ตัวชี้วัดการประเมินคุณภาพซึ่งจำเป็นต้องใช้รหัสเพื่อเปิดเผยต่อสาธารณะ
Tabassi พูดถึงการใช้การประเมินคุณภาพและปัจจัยในคุณภาพของภาพลายนิ้วมือรวมถึงความท้าทายสำหรับการพัฒนาต่อไปของ NFIQ และอัลกอริทึมการประเมินคุณภาพลายนิ้วมืออื่น ๆ เธอยังได้ลงรายละเอียดว่า NFIQ 1.0 และ 2.0 เปรียบเทียบกันอย่างไร
Christoph Busch แห่ง NTNU และ Athene พิจารณาการเชื่อมโยงระหว่าง NFIQ 2 และ ISO/IEC 29794-4: 2017 29794-4 เป็นชุดอัลกอริทึมที่อธิบายได้ Busch กล่าวในทางตรงกันข้ามการเรียนรู้ลึก เขาอธิบายบทบาทของอัลกอริทึมการเรียนรู้ของเครื่องแบบสุ่มที่ใช้ นอกจากนี้เขายังกล่าวถึงตัวชี้วัดที่มีคุณภาพสำหรับภาพลายนิ้วมือเช่นระดับความมั่นใจในการปฐมนิเทศ
Greg Fiumara จาก NIST ตามด้วยการนำเสนอเกี่ยวกับการเปลี่ยนแปลงรหัสใน NFIQ 2.1 และให้เครดิตกับซ่อนทั่วโลกRalph Lessmann และ UMD นักเรียน Andrew Figlarz สำหรับการมีส่วนร่วมที่ยอดเยี่ยมในการพัฒนาโอเพ่นซอร์ส
องค์ประกอบใหม่รวมถึงอินเทอร์เฟซบรรทัดคำสั่งใหม่การสนับสนุนข้ามแพลตฟอร์มและมัลติเธรดเพื่อผลลัพธ์ที่เร็วขึ้น การรวม API นั้นง่ายขึ้นและมีการทดสอบการปฏิบัติตามกฎระเบียบใหม่ การเปลี่ยนแปลงที่สำคัญอีกครั้งกับเวอร์ชัน 2.1 คือการลดความอดทนสำหรับภาพที่ไม่ใช่ 500 PPI หรือรูปภาพที่ไม่มีความละเอียดรวมอยู่ด้วย
การสนับสนุนอย่างเป็นทางการสำหรับ Android (ซึ่งได้รับการสนับสนุนใน NFIQ 2.0) และ iOS, A C API และการเพิ่มประสิทธิภาพรหัสเป็นหนึ่งในโครงการในอนาคตสำหรับ NFIQ Fiumara กล่าว
Lessman พูดถึงประสบการณ์ของ HID ในการนำ NFIQ 2.0 มาใช้ สิ่งเหล่านี้รวมถึงแพลตฟอร์มและความเข้ากันได้ของคอมไพเลอร์ แต่ยังใช้การใช้ทรัพยากรและผลกระทบของขนาดผ้าใบที่แตกต่างกันในคะแนน เขายังพูดถึงความหมายของคะแนนคุณภาพโดยเฉพาะ
Ramon Blanco แห่ง Eulisa พูดเกี่ยวกับวิธีการใช้ NFIQ 2 ในระบบการเข้าประเทศยุโรปและ Mickey Cohen จาก Shanit นำเสนอผลการวิจัยจากการเปรียบเทียบคะแนนที่สร้างโดย NIFQ 1 และ NFIQ 2.1
ลายนิ้วมือแบบไม่สัมผัสในโฟกัส
เป็นแนวหน้าCTO John Callahan พูดถึงการจับลายนิ้วมือแบบไม่ได้สัมผัสบนอุปกรณ์มือถือในสนาม เทคโนโลยีดำเนินการได้ดีกับภาพพิมพ์ที่สวมใส่โดย Anil Jain ในอินเดียได้รับทุนสนับสนุนจากมูลนิธิ Bill และ Melinda Gates ในปี 2561 สิทธิชัยกล่าวและประสบความสำเร็จในการใช้งานเชิงพาณิชย์โดย Ine ของเม็กซิโกสำหรับการรวมทางการเงินตำรวจเปรูและผู้ประกอบการโทรคมนาคมตำรวจฮัมบูร์ก ในการปรับใช้หลัง Nadra ได้หยุดการใช้คำตอบที่ค้างอยู่ระหว่างการลงทะเบียนและการประเมิน NFIQ 2 ชั่วคราว
นอกจากนี้เขายังได้พูดคุยเกี่ยวกับศักยภาพในการประเมินคุณภาพแบบเรียลไทม์และการใช้ NFIQ 2 เพื่อสร้างคะแนนคุณภาพฟิวชั่นสำหรับหลายนิ้ว
สิทธิชัยเพิ่งตรวจสอบคำแนะนำใหม่ของ NIST เกี่ยวกับชีวภาพลายนิ้วมือแบบไม่สัมผัสในการให้สัมภาษณ์การอัปเดตไบโอเมตริกซ์-
คณะกรรมการสรุปกิจกรรมวันแรกที่ดูแลโดย Fiumara ของ NIST และรวมถึงตัวแทนของ Veridum, Eulisa, Shanit และThales-
แผงที่กล่าวถึงเมื่อลูกค้าควรเรียกร้องกลไกเช่น NFIQ เพื่อประเมินคุณภาพของชีวภาพที่พวกเขารวบรวม สำหรับฐานข้อมูลขนาดใหญ่และการทำงานร่วมกันระหว่างระบบที่เงียบการประเมินคุณภาพมีความสำคัญมากกว่าในตัวอย่างเช่นเวลาขององค์กรและกรณีการใช้งานการเข้าร่วม
ในวันที่สองคริสโตเฟอร์ Schiel จากการบังคับใช้กฎหมายของรัฐบาลกลางของประเทศเยอรมนี BKA ได้พูดถึงการใช้ NFIQ 2.0 ของหน่วยงานของเขา
ชุดของงานนำเสนอนั้นมุ่งเน้นไปที่ NFIQ 2 และลายนิ้วมือแบบไม่สัมผัส
SecunetJohannes Merkle นำเสนอกรณีศึกษาซึ่งแสดงให้เห็นว่าคุณสมบัติ NFIQ 2 บางอย่างค่อนข้างคาดการณ์คุณภาพการพิมพ์แบบไม่มีสัมผัสในขณะที่คนอื่น ๆ มีแนวโน้มที่จะต้องปรับจูน การประมาณความละเอียด 500 PPI เป็นความท้าทายเฉพาะสำหรับชีวภาพลายนิ้วมือแบบไม่สัมผัสเช่นเดียวกับการให้ข้อเสนอแนะแก่ผู้ใช้สำหรับคำแนะนำการวางตำแหน่ง
John Libert ของ NIST ได้กล่าวถึงวิธีที่ NIST พัฒนาคำแนะนำบางอย่างเกี่ยวกับลายนิ้วมือและการประเมินภาพ
พื้นที่ของภาพลายนิ้วมือแบบไม่สัมผัสที่มีปัญหาเช่นความอิ่มตัวหรือเงาบางครั้งอาจส่งผลให้เกิดการปรากฏตัวของ minutiae ที่ผิดพลาด Libert Notes ในที่สุดโมเดลใหม่หรือดัดแปลงที่ได้รับการฝึกฝนด้วยภาพที่ไม่มีสัมผัสจะเป็นสิ่งจำเป็นเพื่อประเมินคุณภาพของภาพอย่างเหมาะสมเขาสรุป
Jannis Priesnitz จากกลุ่มวิจัย DA/SEC ของ Athene พูดถึงสิ่งที่จำเป็นในการใช้ NFIQ 2.0 กับงานพิมพ์แบบไม่สัมผัส การวิจัยของกลุ่มแสดงให้เห็นว่าสำหรับชุดข้อมูลการพิมพ์ที่มีคุณภาพสอดคล้องกัน NFIQ มีพลังการทำนายค่อนข้างน้อยว่าภาพนั้นมีคุณภาพดีพอที่จะจับคู่ได้หรือไม่ แต่มีชุดข้อมูลที่มีคุณภาพที่แตกต่างกัน สำหรับการไม่สัมผัส NFIQ 2.0 มีประโยชน์ขึ้นอยู่กับจำนวนการประมวลผลล่วงหน้า
นอกจากนี้เขายังนำเสนอการค้นพบจากฐานข้อมูลที่จับด้วยตนเองซึ่งพบความแตกต่างจากนิ้วที่ถูกวิเคราะห์และพลังการทำนายของ NFIQ 2.0 นั้นต่ำสำหรับตัวอย่างที่ไม่มีการสัมผัสที่ไม่ได้ปรับ
Andreas Uhl จากมหาวิทยาลัย Paris Lodron แห่ง Salzburg ได้พูดคุยเกี่ยวกับการใช้ NFIQ 2.0 กับข้อมูลสังเคราะห์และการวิจัยที่ระบุว่าลายนิ้วมือสามารถสร้างขึ้นได้ซึ่งมีพฤติกรรมคล้ายกับตัวอย่างจริงในแง่ของการแจกแจงคุณภาพข้อมูล
เครื่องมือตรวจสอบของ Lessman ที่สามารถใช้ในการฝึกอบรม (หรือแม่นยำกว่านั้นผู้เชี่ยวชาญกล่าวว่า“ แก้ไข”) NFIQ 2 พร้อมกับคำแนะนำและคำแนะนำหลายข้อ
ผู้ก่อตั้ง Jean-Christopheidemiaสรุปการนำเสนอเดี่ยวโดยกล่าวถึงการได้มาซึ่งภาพลายนิ้วมือแบบไม่สัมผัส เขาพูดถึงอุปกรณ์จับภาพโดยเฉพาะเรียกพวกเขาว่า "ควบคุม" และตัดกันกับระบบจับภาพที่ไม่สามารถควบคุมได้เช่นสมาร์ทโฟน ระบบลายนิ้วมือแบบไม่สัมผัสแบบควบคุมสามารถส่งมอบประสิทธิภาพไบโอเมตริกซ์ที่คล้ายกันกับระบบติดต่อ Fondeur กล่าวว่าหมายถึงสถิติ NISTและเทคโนโลยีการจับภาพทั้งสองนั้นเติบโตพอที่จะเริ่มส่งมอบประโยชน์ในวันนี้
หัวข้อบทความ
ไบโอเมตริกซ์-การวิจัยทางชีวภาพ-ไบโอเมตริกซ์แบบไม่มีสัมผัส-คนที่มีความสุข-สมาคมชีวภาพแห่งยุโรป-การจดจำลายนิ้วมือ-การเรียนรู้ของเครื่องจักร-คนที่มีความสำคัญ-โอเพ่นซอร์ส-มาตรฐาน
