नामांकन (Enrollment)। जैसा कि चित्र 1 में दिखाया गया है, नामांकन प्रक्रिया के दौरान व्यक्ति के बायोमेट्रिक नमूने को कैप्चर किया जाता है (जैसे, फिंगरप्रिंट के लिए सेंसर, वक्ता पहचान के लिए माइक्रोफ़ोन, चेहरे की पहचान के लिए कैमरा, आईरिस पहचान के लिए कैमरा)। फिर बायोमेट्रिक नमूने (जैसे, छवि) से अद्वितीय विशेषताओं को निकाला जाता है ताकि उपयोगकर्ता का बायोमेट्रिक टेम्पलेट बनाया जा सके। इस बायोमेट्रिक टेम्पलेट को बाद में मिलान प्रक्रिया के दौरान उपयोग के लिए डेटाबेस में या मशीन-पठनीय आईडी कार्ड पर संग्रहीत किया जाता है।

मिलान। चित्र 2 बायोमेट्रिक मिलान प्रक्रिया को दर्शाता है। बायोमेट्रिक नमूना फिर से कैप्चर किया जाता है। उपयोगकर्ता के "लाइव" बायोमेट्रिक टेम्पलेट बनाने के लिए बायोमेट्रिक नमूने से अद्वितीय विशेषताओं को निकाला जाता है। इस नए टेम्पलेट की तुलना पहले से संग्रहीत टेम्पलेट (ओं) से की जाती है और दो टेम्पलेट के बीच सामान्य तत्वों के निर्धारण के आधार पर एक संख्यात्मक मिलान (समानता) स्कोर (ओं) उत्पन्न किया जाता है। सिस्टम डिजाइनर सिस्टम की सुरक्षा और सुविधा आवश्यकताओं के आधार पर इस सत्यापन स्कोर के लिए थ्रेशोल्ड मान निर्धारित करते हैं।

पहचान (एक-से-अनेक या 1:N तुलना) यह निर्धारित करती है कि व्यक्ति किसी नामांकित जनसंख्या में मौजूद है या नहीं, इसके लिए लाइव नमूना टेम्पलेट की तुलना सिस्टम में संग्रहीत सभी टेम्पलेट्स से की जाती है। पहचान यह पुष्टि कर सकती है कि व्यक्ति किसी अन्य पहचान के साथ नामांकित नहीं है या निषिद्ध व्यक्तियों की पूर्व-निर्धारित सूची में नहीं है। नामांकन के लिए विचार किए जा रहे व्यक्ति के बायोमेट्रिक की तुलना सभी संग्रहीत बायोमेट्रिक्स से की जानी चाहिए। कुछ क्रेडेंशियलिंग अनुप्रयोगों के लिए, नामांकन के समय एक बायोमेट्रिक पहचान प्रक्रिया का उपयोग यह पुष्टि करने के लिए किया जाता है कि व्यक्ति पहले से नामांकित नहीं है।

सत्यापन (एक-से-एक या 1:1 तुलना) यह निर्धारित करता है कि क्या लाइव बायोमेट्रिक टेम्पलेट किसी विशिष्ट नामांकित टेम्पलेट रिकॉर्ड से मेल खाता है। इसके लिए सत्यापन चाहने वाले व्यक्ति द्वारा पहचान का "दावा" आवश्यक है ताकि विशिष्ट नामांकित टेम्पलेट रिकॉर्ड तक पहुँचा जा सके। एक उदाहरण स्मार्ट कार्ड क्रेडेंशियल की प्रस्तुति और लाइव नमूना बायोमेट्रिक टेम्पलेट का स्मार्ट कार्ड मेमोरी में संग्रहीत नामांकित टेम्पलेट से मिलान करना होगा। एक अन्य उदाहरण उपयोगकर्ता नाम या आईडी नंबर दर्ज करना होगा जो डेटाबेस में नामांकित टेम्पलेट रिकॉर्ड की ओर इशारा करेगा।

उपयुक्त बायोमेट्रिक तकनीक का चयन कई एप्लिकेशन-विशिष्ट कारकों पर निर्भर करेगा, जिसमें वह वातावरण भी शामिल है जिसमें पहचान या सत्यापन प्रक्रिया की जाती है, उपयोगकर्ता प्रोफ़ाइल, मिलान सटीकता और थ्रूपुट के लिए आवश्यकताएं, समग्र सिस्टम लागत और क्षमताएं, और सांस्कृतिक मुद्दे जो उपयोगकर्ता की स्वीकृति को प्रभावित कर सकते हैं। तालिका विभिन्न बायोमेट्रिक तकनीकों की तुलना दिखाती है, जिसमें कई मेट्रिक्स के मुकाबले उनके प्रदर्शन को रेट किया गया है।

उपयुक्त बायोमेट्रिक तकनीक के चयन में एक महत्वपूर्ण कारक इसकी सटीकता है। जब लाइव बायोमेट्रिक टेम्पलेट की तुलना संग्रहीत बायोमेट्रिक टेम्पलेट (सत्यापन एप्लिकेशन में) से की जाती है, तो उपयोगकर्ता की पहचान की पुष्टि या खंडन करने के लिए एक समानता स्कोर का उपयोग किया जाता है। सिस्टम डिज़ाइनर इस संख्यात्मक स्कोर के लिए थ्रेशोल्ड (मैच या नोमैच निर्णय बिंदु) सेट करते हैं ताकि सिस्टम के लिए मिलान प्रदर्शन के वांछित स्तर को समायोजित किया जा सके, जैसा कि फॉल्स एक्सेप्टेंस रेट (FAR) और फॉल्स रिजेक्शन रेट (FRR) द्वारा मापा जाता है। फॉल्स एक्सेप्टेंस रेट उस संभावना को इंगित करता है कि एक बायोमेट्रिक सिस्टम किसी व्यक्ति को गलत तरीके से सत्यापित करेगा या किसी धोखेबाज को स्वीकार करेगा। फॉल्स रिजेक्शन रेट उस संभावना को इंगित करता है कि एक बायोमेट्रिक सिस्टम सही व्यक्ति को अस्वीकार कर देगा। बायोमेट्रिक सिस्टम प्रशासक सिस्टम सुरक्षा आवश्यकताओं का समर्थन करने वाले मिलान प्रदर्शन के वांछित स्तर को प्राप्त करने के लिए FAR और FRR के प्रति सिस्टम संवेदनशीलता को ट्यून करेंगे (उदाहरण के लिए, उच्च सुरक्षा वातावरण के लिए, कम FAR प्राप्त करने के लिए ट्यूनिंग और उच्च FRR को सहन करना; उच्च सुविधा वातावरण के लिए, उच्च FAR और कम FRR प्राप्त करने के लिए ट्यूनिंग)।

एकल बायोमेट्रिक मोडैलिटी के उपयोग से लगाई गई सटीकता और उपयोगिता की कुछ सीमाएं, कई बायोमेट्रिक मोडैलिटी का उपयोग करके दूर की जा सकती हैं। मल्टी-मोडल बायोमेट्रिक्स कई और स्वतंत्र बायोमेट्रिक मापों के उपयोग के माध्यम से समग्र मिलान सटीकता को बढ़ाते हैं। उदाहरण के लिए, उंगली के पैटर्न की नस के एक स्वतंत्र माप के साथ गणितीय रूप से "फ्यूज" किया जा सकता है, ताकि किसी व्यक्ति की पहचान में उच्च स्तर का विश्वास प्राप्त हो सके। इसके अतिरिक्त, मल्टी-मोडल बायोमेट्रिक्स उन व्यक्तियों के लिए एक समाधान प्रदान कर सकते हैं जो एक मोडैलिटी में उपयुक्त बायोमेट्रिक नमूना प्रस्तुत करने में असमर्थ हैं। एक उदाहरण प्रमाणीकरण के लिए या तो फिंगरप्रिंट या आईरिस प्रस्तुत करने का विकल्प प्रदान करना होगा। एक व्यक्ति जिसके पास उम्र, व्यवसाय या चिकित्सा स्थिति के कारण खराब परिभाषित फिंगरप्रिंट पैटर्न हैं, उसे आईरिस को अपनी पसंद की बायोमेट्रिक मोडैलिटी के रूप में नामांकित करने और उपयोग करने का विकल्प दिया जाएगा। यदि दोनों सेंसर मौजूद हैं, तो उपयोगकर्ता किसी भी मोडैलिटी का उपयोग कर सकता है जिसके लिए वे सबसे उपयुक्त हैं। इस स्थिति में, स्वतंत्र बायोमेट्रिक मापों का कोई फ्यूजन नहीं होता है। जैसा कि चित्र 3 में देखा जा सकता है, मल्टी-बायोमेट्रिक सिस्टम कई मोडैलिटी, इंस्टेंस, एल्गोरिदम, सेंसर, नमूने या पांच में से किसी भी संयोजन से जानकारी शामिल कर सकते हैं। तर्कसंगत रूप से, ऐसे सिस्टम में अन्य सूचना स्रोतों को भी शामिल किया जा सकता है, जिसमें बायोग्राफिक या यात्रा दस्तावेज़-आधारित जानकारी शामिल है।

बायोमेट्रिक्स और सुरक्षा सेल्फ-सर्विस का एक अनिवार्य हिस्सा बन गए हैं, और हुआबियाओ टेक्नोलॉजी हमेशा सुरक्षा को अपनी निचली रेखा के रूप में बनाए रखती है, जो उपयोगकर्ताओं को सुरक्षित और कुशल सेवाएं प्रदान करती है। कंपनी और उसकी पेशकशों के बारे में अधिक जानकारी के लिए, पर जाएँ।हमारे बारे में पृष्ठ या संपर्क करें समर्थन पृष्ठ।