เทคโนโลยีการอ่านลายนิ้วมือHID Multispectral Imaging ในบทความนี้จะอธิบายถึงหลักการของการทำงานของเซ็นเซอร์อ่านลายนิ้วมือรูปแบบใหม่แบบ Multispectral Imaging (MSI) โดย MSI Sensor นี้จะทำการจับภาพหลายๆภาพของนิ้วมือภายใต้สภาวะการส่องแสงที่แตกต่างกัน ซึ่งรวมถึง ระยะคลื่นความถี่ที่แตกต่างกัน, มุมของแสงที่แตกต่างกัน, และสภาวะสนามไฟฟ้าของคลื่นแสงระนาบเดียวที่แตกต่างกัน (polarization condition) ผลลัพธ์ของข้อมูลที่ได้จะเป็นข้อมูลทั้งจากผิวชั้นนอก และผิวชั้นในของผิวหนัง ข้อมูลนี้จะผ่านกระบวนการเพื่อประกอบเป็นรูปภาพลายนิ้วมือที่ได้ผลลัพธ์เช่นเดียวกับภาพที่ได้จากเครื่องอ่านลายนิ้วมือทั่วไป แต่เพิ่มเติมด้วยลักษณะเฉพาะที่มีประสิทธิภาพสูงขึ้น ในอีกแง่นึงคือ MSI Imaging Sensor นั้นสามารถเก็บภาพลายนิ้วมือที่ใช้งานได้ในสภาพที่ซึ่งเซ็นเซอร์อื่นมาสามารถทำไม่ได้ เช่น เมื่อมีการปนเปื้อน, ความชื้น, และมีแสงสว่างเกิดขึ้นโดยรอบ หรือ การสัมผัสนิ้วมือบนเซ็นเซอร์ที่ไม่สมบูรณ์ นอกจากนั้น ข้อมูล MSI ยังสามารถถูกดำเนินการเพื่อให้แน่ใจว่าลักษณะแสงที่วัดได้ถูกต้องตรงกับผิวหนังของมนุษย์ที่ยังมีชีวิตอยู่ เพื่อเป็นการป้องกันความพยายามในการสร้างกลไกหลอกลวงเซ็นเซอร์
บทนำ ระบบ biometric นั้นถูกนำมาใช้งานในแง่ของการแก้ปัญหาการระบุตัวบุคคลในรูปแบบอัตโนมัติ และเพื่อให้การนำมาใช้งานนั้นประสบความสำเร็จ biometric sensor จึงจำเป็นต้องสามารถเก็บข้อมูลที่ใช้งานได้ภายใต้สถานะการณ์ที่หลากหลายในขณะที่ทำงานอยู่ สถานะการณ์หล่านี้หมายถึงความแตกต่างระหว่างผู้ใช้งาน ซึ่งรวมถึงความแตกต่างด้านสภาพแวดล้อมที่เครื่องอ่านลายนิ้วมือนี้ทำงานอยู่ นอกจากนี้ ระบบ biometric ควรจะต้องมีความสามารถในการตรวจจับความพยายามในการปลอมแปลงโดยใช้สิ่งเทียมหรือการปลอมแปลงบางอย่างโดยไม่ส่งผลเสียหายให้กับการใช้งานจากผู้เป็นเจ้าของที่ได้รับอนุญาตอย่างแท้จริง ความสามารถเหล่านี้ควรจะต้องสามารถดำเนินการได้อย่างรวดเร็ว และปราศจากขั้นตอนเพิ่มเติม หรือการสร้างความไม่สะดวกสบายให้กับผู้ใช้งานที่ได้รับอนุญาต จุลกายวิภาคศาสตร์เนื้อเยื่อของผิวหนังลายนิ้วมือ (Fingerprint Skin Histology) ผิวหนังของมนุษย์นั้นเป็นเนื้อเยื่อที่มีความซับซ้อนที่เป็นส่วนติดต่อของบุคคลกับสิ่งแวดล้อมภายนอก ผิวหนังจะประกอบไปด้วยตัวรับระบบประสาท, หลอดเลือดที่ไปหล่อเลี้ยงเซล, ต่อมเหงื่อเพื่อช่วยในการควบคุมความร้อน, ต่อมไขมันสำหรับการหลั่งน้ำมัน, รูขุมขน, และองค์ประกอบที่สำคัญทางสรีรวิทยาอื่นๆอีกมากมาย ในส่วนของผิวหนังเอง ไม่ใช่เป็นเพียงชั้นผิวเนื้อเดียวกันชั้นเดียว แต่ประกอบไปด้วยชั้นต่างๆที่แตกต่างกัน ที่มีคุณสมบัติแตกต่างกัน ชั้นต่างๆเหล่านี้สามารถแยกออกเป็น ผิวชั้นนอก (Epidermis) ซึ่งเป็นชั้นที่ตื้นที่สุด, ชั้นหนังแท้ (Dermis) เป็นชั้นที่หนาและมีน้ำเป็นส่วนประกอบ, ผิวหนังชั้นไขมันที่ประกอบไปด้วยไขมันและเนื้อเยื่อต่างๆ Figure 1 . หลอดเลือดเหล่านี้จะสร้างอีกรูปแบบนึงของ รูปแบบลายนิ้วมือชั้นนอ
ยังมีอยู่หลายวิธีที่สามารถใช้ในการที่จะจับภาพโครงสร้างชั้นในของผิวหนังของนิ้วมือ หนึ่งในนั้นคือการใช้ใยแก้วนำแสง (Optics) จากผลวิจัยที่ถูกตีพิมพ์ล่าสุดแสดงให้เห็นถึงการใช้แสงเอกซ์เรย์ เพื่อวิเคราะห์คุณลักษณะของผิวนิ้วมือภายใต้รอยคลื่นบนผิวหนัง รายงานนี้แสดงให้เห็นว่ามีพื้นที่ที่แตกต่างกันของการสะท้อนแสงระดับสูง (850 nm) ในผิวหนังอยู่ที่ความลึกประมาณ 500 μm ภายใต้แต่ละรอยสันนิ้ว นอกจากนี้นักวิจัยยังสามารถแสดงให้เห็นว่ารูปแบบของผิวชั้นในนี้ยังคงมีอยู่ แม้ว่ารูปแบบจากผิวชั้นนอกจะถูกทำให้เสียรูปร่างไปโดยการกดทับ หรือถูกปิดบังโดยรอยย่นของผิวหนัง หลักการทำงานของ MSI
หลอด LED ส่องแสงตรง (Direct Illumination LED) อันที่สอง ที่เห็นในภาพ Figure 2 นั้นจะไม่มีแผ่นทำแสงโพลาไลซ์ (polarizer) อยู่ในตำแหน่งเส้นทางการส่องแสง เมื่อหลอด LED ส่องแสงขึ้น แสงจะถูกสุ่มให้เกิดแนวระนาบเดียว (randomly polarized) ในกรณีนี้ ทั้งแสงที่สะท้อนจากผิวชั้นนอก และแสงที่ทะลุผ่านลึกลงไปจะสามารถผ่านทะลุ imaging polarizer ในสัดส่วนที่เท่ากัน เมื่อเป็นเช่นนี้ ภาพที่ถูกสร้างจาก LED ที่ไม่โพลาไลซ์นี้จะมีอิทธิพลที่แข็งแกร่งมากจากคุณลักษณะของผิวนิ้วมือ
นอกเหนือไปจาก direct illumination ที่แสดงในภาพ Figure 2 แล้วนั้น MSI Sensor ยังได้รวมเข้ากับรูปแบบของ TIR imaging ตามที่แสดงในภาพ Figure 3. โดยในโหมดการส่องแสงนี้ มีหลอด LED หนึ่งหลอดหรือมากกว่าส่งแสงจากด้านข้างของแท่นรับ สัดส่วนของแสงจะแพร่กระจายผ่านแท่นรับ โดยการสร้างการสะท้อน TIR หลายๆครั้ง ณ ตำแหน่งช่องว่างของแท่นรับ ในจุดนี้ที่ TIR ถูกแตกออกโดยหน้าสัมผัสของผิว แสงจะผ่านเข้าไปยังผิวและถูกสะท้อนอย่างกระจัดกระจาย สัดส่วนของแสงที่สะท้อนอย่างกระจัดกระจายนี้จะถูกส่งตรงไปยังระบบเก็บภาพ และส่งผ่านต่อไปยังแผ่นทำแสงโพลาไลซ์ (imaging polarizer) สร้างรูปภาพสำหรับในขั้นตอนการส่องแสงนี้ ซึ่งต่างกับขั้นตอนการส่องแสงโดยตรงที่คุณภาพของผลลัพธ์จาก TIR image จะขึ้นอยู่กับผิวที่มีความชื้นเพียงพอ และความสะอาดที่ดีพอในการสร้างหน้าสัมผัสกับแท่นรับแสง เช่นเดียวกันกับกรณีของ sensor TIR ชนิดดั่งเดิมอื่นๆ อย่างไรก็ตาม สิ่งที่ต่างจาก sensor TIR แบบดั่งเดิม สำหรับ MSI Sensor นั่นก็คือความสามารถในการสร้างรูปแบบของลายนิ้วมือจากภาพจากแสงแนวตรง (direct illumination image) ถึงแม้ว่า TIR image จะถูกทำให้ด้อยคุณภาพลง หรือขาดหายไป รายละเอียดที่มากขึ้นเกี่ยวกับเรื่องนี้จะกล่าวถึงในส่วนถัดไปของบทความนี้ การสร้างภาพลายนิ้วมือ จากที่ได้กล่าวถึงก่อนหน้านี้ไปแล้วนั้นว่า ภาพดิบของลายนิ้วมือหลายภาพจะถูกถ่ายในแต่ละครั้งที่นิ้วสัมผัสกับ sensor โดยภาพเหล่านี้นั้นได้มาจากความหลากหลายของความยาวคลื่นแสง, สภาวะโพลาไรซ์, และรูปทรงเลขาคณิตของลำแสง โดยเช่นนี้แล้ว แต่ละผลลัพธ์จะประกอบไปด้วยความแตกต่างเล็กๆน้อยๆของคุณลักษณะของนิ้วมือ รวมถึงลายนิ้วมือของนิ้วนั้นๆ ตัวอย่างของภาพดิบจากลายนิ้วมือที่ได้รับจากการวัดค่าหนึ่งครั้งของ Lumidigm J110 MSI Sensor จะแสดงตามภาพ Figure 4. ภาพจากแถวบนสุดแสดงภาพดิบจาก ความยาวคลื่นแสงแบบไม่โพลาไรซ์ที่ 430, 530, และ 630 nm รวมถึงแสงสีขาว แถวกลางแสดงภาพที่เกิดจากกรณี cross-polarized และภาพเดี่ยวแถวสุดท้ายเคือภาพ TIR โดยการปรับโหมด grayscale ให้กับแต่ละภาพจะถูกขยายขึ้นเพื่อเน้นให้เห็นคุณลักษณะเด่นของลายนิ้วมือ
อย่างที่ทราบว่าภาพดิบที่ได้ต่างๆนี้คือภาพของพื้นที่ของนิ้วมือที่ถูกจับภาพได้ ภาพจากแสงตรง (direct illuminated images) ในแถวบนสุดและแถวกลางจับได้ภาพนิ้วมือเกือบทั้งหมดของพื้นผิว ในทางตรงกันข้าม ภาพ TIR ในแถวล่างจะจับได้ภาพเฉพาะส่วนพื้นที่ที่เล็กกว่า ตรงกลางของนิ้วมือ อย่างที่เป็นไปตามขนาดของพื้นที่แสงในภาพ ความแตกต่างนี้เป็นผลอันเนื่องจาก ภาพ TIR จำเป็นต้องมีพื้นที่สัมผัสแสงระหว่างนิ้วมือและแท่นรับ ในการสร้างภาพ ในขณะที่แสงตรง (direct illumination) ไม่จำเป็นต้องมีพื้นที่สัมผัสก็สามารถจับคุณลักษณะของนิ้วมือได้อย่างมีประสิทธิภาพ แม้แต่ใจพื้นที่ที่มีช่องว่างระหว่างผิวนิ้วมือกับแท่นรับ เรื่องนี้เป็นสิ่งสำคัญเนื่องจากภาพ MSI นั้นจะประกอบไปด้วยข้อมูลเกี่ยวกับนิ้วมือในรายละเอียดที่มีมากกว่าเมื่อเทียบกับการเก็บข้อมูลที่เทคโนโลยีการเก็บภาพจากพื้นผิวทำได้ ซึ่งผลลัพธ์ที่ได้จะมีรายละเอียดปลีกย่อยของคุณลักษณะลายนิ้วมือที่เพิ่มเติมขึ้น และยังเป็นการยกระดับ พัฒนาประสิทธิภาพของเทคโนโลยี biometric
ชุดรูปภาพดิบที่แสดงตาม Figure 4 สามารถนำมาประกอบรวมกันเพื่อสร้างรูปแบบลายนิ้วมือขึ้นมาใหม่ การสร้างภาพลายนิ้วมือนี้จะขึ้นอยู่กับคลื่นเวฟเล็ต ของการฟิวชั่นภาพ เพื่อคัดลอก, ควบรวม, และเสริมสร้างคุณลักษณะเหล่านั้นที่เป็นลักษณะเฉพาะของลายนิ้วมือ วิธีการสลายตัวคลื่นเวฟเล็ตที่ใช้นั้นขึ้นอยู่กับ dual-tree complex wavelet transform การฟิวชั่นรูปภาพเกิดขึ้นได้โดยการเลือกค่าสัมประสิทธิ์ ที่มี absolute magnitude สูงสุดในรูปภาพ ที่แต่ละตำแหน่ง และระดับการสลายตัว (decomposition level) จากนั้นการแปลงเวฟเล็ตผกผัน (inverse wavelet transform) จะเกิดขึ้นจากผลลัพธ์การรวบรวมค่าสัมประสิทธิ์ (coefficients) ซึ่งจะให้ผลเป็นภาพที่ถูกสร้างขึ้นภาพเดียว ตัวอย่างของผลลัพธ์จากขั้นตอนวิธีการรวมข้อมูลจากข้อมูลดิบใน Figure 4 สามารถดูได้จากภาพใน Figure 5 ซึ่งโครงสร้างที่ชัดเจน เช่น รอยสันของลายนิ้วมือสามารถเห็นได้ชัดเจนจากภาพ เพื่อให้เห็นการเปรียบเทียบ ภาพลายนิ้วมือที่เก็บได้จากเทคโนโลยี TIR แบบเดิม กับนิ้วมือนิ้วเดียวกัน สามารถดูเปรียบเทียบได้จากภาพนี้การทดลองและผลลัพธ์ประสิทธิภาพพื้นฐาน ประสิทธิภาพพื้นฐานของเซ็นเซอร์ J110 MSI ได้รับการประเมินจากการศึกษาในกลุ่มคนที่หลากหลาย Sensor Lumidigm J110 ถูกนำไปใช้ในการศึกษาที่กับคนจำนวน 118 คนได้รับคัดเลือกให้เข้าร่วม โดยใช้เวลาทดสอบนาน 3 สัปดาห์ ซึ่งเป็นช่วงที่ให้อาสาสมัครกลับเข้ามาทดสอบเป็นระยะๆ ในจำนวนหลายครั้ง อาสาสมัครถูกแบ่งกลุ่มในจำนวนที่ใกล้เคียงกันระหว่างชายและหญิง โดยมีอายุระหว่าง 18 ถึง 80 ปี อาสาสมัครไม่ได้ถูกคัดเลือกจากลักษณะเฉพาะพิเศษใดๆ และการกระจายตัวของกลุ่มประชากรอาสาสมัคร สะท้อนการกระจายตัวประชากรท้องถิ่นในย่าน Albuquerque, New Mexico
เปรียบเทียบประสิทธิภาพภายใต้ปัจจัยที่ไม่พึงประสงค์
จะเห็นได้ชัดว่าประสิทธิภาพของเซ็นเซอร์ MSI ดีกว่าเซ็นเซอร์ทั่วไปทั้งในกรณีทั่วไปและในกรณีสถานะการณ์เฉพาะเจาะจง ในบางกรณี ความแตกต่างของประสิทธิภาพจะเห็นได้ชัดอย่างค่อนข้างน่าทึ่ง (ตัวอย่างเช่น กรณีมีน้ำอยู่บนแท่นอ่านเซ็นเซอร์) ความแตกต่างของประสิทธิภาพการทำงานนี้สามารถเห็นได้ทั่วไปในทุกจุดปฏิบัติการตามเส้นโค้งของ ROCความเข้ากันได้ย้อนหลังกับข้อมูลดั้งเดิม
คอลัมน์ข้อมูลที่ไม่มีการแรเงาแสดงถึงผลลัพธ์การจับคู่แบบข้ามเซ็นเซอร์ ในขณะที่คอลัมน์ที่แรเงาเป็นผลลัพธ์การจับคู่จากเซ็นเซอร์เดียวกันที่ซ้ำกันจากตารางที่ 1 ผลลัพธ์จากการเปรียบเทียบระหว่าง เซ็นเซอร์ต่างชนิด และ เซ็นเซอร์ชนิดเดียวกัน แสดงให้เห็นถึงการพัฒนาที่น่าทึ่งในเกือบทุกตัวอย่างการทดสอบ รวมถึงค่าเฉลี่ยโดยรวมด้วย การค้นพบนี้บ่งชี้ว่าเทคโนโลยีการถ่ายภาพของ MSI นั้นเข้ากันได้กับข้อมูลดั้งเดิมที่เก็บรวบรวมไว้ในเซ็นเซอร์ลายนิ้วมือ TIR ทั่วไป ยิ่งกว่านั้นการปรับปรุงประสิทธิภาพของเซ็นเซอร์ MSI ที่ทำงานในสภาวะที่ไม่พึงประสงค์ประสบความสำเร็จ แม้ในกรณีที่ข้อมูลการลงทะเบียนถูกถ่ายภายใต้วิธีการถ่ายภาพที่แตกต่างกัน สิ่งนี้สอดคล้องกับหลักฐานที่ว่า MSI Imager สามารถรับข้อมูลดิบที่เพียงพอในการสร้างภาพลายนิ้วมือคอมโพสิตคุณภาพสูงภายใต้เงื่อนไขที่ทำให้เทคโนโลยีอื่นๆประสบปัญหาด้านประสิทธิภาพการทำงานอย่างรุนแรงการตรวจจับการปลอมแปลง
คุณสมบัติที่ซับซ้อนยิ่งกว่านั้นจะถูกบันทึกในข้อมูล MSI ตัวอย่างเช่น สีของแสงที่แตกต่างกัน มีปฏิกริยากับคุณสมบัติของผิวที่แตกต่างกัน และส่วนประกอบของผิวที่แตกต่างกัน เช่น เลือด หากลองใช้สเปคโทรสทางการแพทย์จะแสดงให้เห็นว่าส่วนประกอบสำคัญของเลือด (oxygenated และ deoxygenated hemoglobin) ดูดซับความยาวคลื่นแสงที่แตกต่างกันอย่างไร ดูได้จาก Figure 8 Oxygenated hemoglobin มีการดูดซับอย่างสูงที่ความยาวคลื่นสูงกว่า 600 นาโนเมตร หากต่ำกว่า 600 นาโนเมตร hemoglobin ทั้งสองรูปแบบจะมีการดูดซับที่สูง แต่มีคุณสมบัติทางสเปกตรัมที่แตกต่างกันอย่างชัดเจน ความยาวคลื่นแสงที่แตกต่างกันของเซ็นเซอร์ MSI ทำการวัดสเปกตรัมของผิวหนังได้อย่างมีประสิทธิภาพ ซึ่งสเปกตรัมของเลือดนั้นเป็นองค์ประกอบสำคัญ ด้วยการตรวจสอบข้อมูลของ MSI อย่างเหมาะสม จะมีการพิจารณาว่ามีหรือไม่มีเลือดในตัวอย่างซึ่งเป็นวิธีการที่แข็งแกร่งอีกวิธีหนึ่งในการแยกแยะตัวอย่างการปลอมแปลงบางประเภท
ลักษณะเชิงพื้นที่และเนื้อสัมผัสก็มีความสำคัญอย่างยิ่งสำหรับการตรวจจับการปลอมแปลง ตัวอย่างเช่น เมื่อวางวัสดุที่บางและโปร่งใส บนแท่นวางนิ้วมือ ในความพยายามที่จะหลอกระบบ รูปแบบลายนิ้วมือจากทั้งตัวอย่างที่บางอาจถูกสังเกตได้ องค์ประกอบของคุณสมบัติลายนิ้วมือนี้มักจะส่งผลให้พื้นผิวมีความผิดธรรมชาติ จากตัวอย่างที่แสดงให้เห็นใน Figure 9 วิธีการจำแนกประเภทนั้นสามารถแยกแยะระหว่างพื้นผิวปกติและพื้นผิวที่ผิดปกติได้อย่างง่ายดายดังนั้นจึงเป็นอีกช่องทางหนึ่งสำหรับการตรวจจับความพยายามที่จะหลอกเซ็นเซอร์
Stack รูปภาพ MSI แต่ละอันได้รับการแปลงเวฟเล็ตโดยใช้เวฟเล็ตที่มีโครงสร้างแบบ dual-tree complex (Kingsbury, 2001) ขนาดที่แน่นอนของค่าสัมประสิทธิ์ (coefficients) จะถูกนำมารวมกันในแนวการจำแยกทั้ง 6 แบบ ผลลัพธ์ของการรวมค่าสัมประสิทธิ์ (coefficients) นั้นจะถูกรวบรวมเป็นฮิสโตแกรม (histograms) สำหรับแต่ละภาพ MSI และแตะละระดับการจำแนก ผลลัพธ์จากฮิสโตแกรม (histograms) แต่ละอันจะถูกสรุปค่าที่ระดับเปอร์เซ็นสองค่า (ลำดับที่ 30 และ 70) การรวบรวมค่าสรุปทั้งหมดสำหรับทุกระดับและรูปภาพดิบทั้งหมด จึงก่อให้เกิดเวกเตอร์ของตัวแปรอิสระที่ใช้ในการจำแนกตัวอย่างเฉพาะว่าเป็นของแท้หรือหลอก ตัวแปรของการจำแนกเชิงเส้นของฟิชเชอร์ถูกนำไปใช้กับชุดข้อมูลทดสอบและใช้เพื่อสร้างคุณลักษณะแปดประการสำหรับการจำแนกประเภท ในส่วนของการทดสอบ ความแตกต่างระหว่าง อัตรายกกำลังสองของระยะ Euclidian ค่าการปลอมแปลง และค่าเฉลี่ยจากมนุษย์จริง ถูกนำมาใช้ในการคำนวณข้อผิดพลาดการสลับสับเปลี่ยนตัวอย่างที่ถูกต้องกับ และตัวอย่างที่ไม่ถูกต้องที่ใช้สำหรับการหลอกลวง ผลลัพธ์จะแสดงในรูปที่ 10 ซึ่งคล้ายกับเส้นโค้ง ROC ที่ใช้เพื่ออธิบายประสิทธิภาพการจับคู่ลายนิ้วมือในช่วงระยะเวลาการทดสอบ ในกรณีนี้ ค่า TAR คืออัตราที่การวัดที่ทำกับคนจริงถูกจำแนกอย่างเหมาะสมว่าเป็นตัวอย่างของแท้ ดังนั้น นี่จึงเป็นตัวชี้วัดที่สะดวกในการใช้ตรวจจับการปลอมแปลงซึ่งพิสูจน์ให้เห็นโดยผู้ที่ได้รับอนุญาต ค่า FAR จะอธิบายอัตราการสุ่มตัวอย่างการปลอมแปลงว่าเป็นตัวอย่างของแท้ อัตรานี้ให้หน่วยวัดสำหรับระดับความปลอดภัยต่อการปลอมแปลงที่ระบบจัดทำ ณ จุดปฏิบัติการเฉพาะ ความปลอดภัยและความสะดวกสบายของระบบตรวจจับการปลอมแปลงนี้เป็นการแลกเปลี่ยนแบบเดียวกับในกรณีของการจับคู่ลายนิ้วมือ ค่า TAR ที่มากขึ้นสามารถทำได้โดยการลดค่าการตรวจจับการปลอมแปลง และเช่นเดียวกันในทางกลับกัน ทางหนึ่งที่เป็นไปได้ในการกำหนดการทำงานคือ ตั้งเกณฑ์การตัดสินใจเพื่อให้ TAR 99.5% และการปลอมแปลงโดยรวมที่เป็นผลลัพธ์อยู่ที่ประมาณ 0.9% การวิเคราะห์เพิ่มเติมแสดงให้เห็นว่า ณ จุดปฏิบัติการนี้ตัวอย่างการปลอมแปลงจำนวนมากไม่เคยได้รับการยอมรับว่าเป็นของแท้และไม่มีการปลอมแปลงชั้นเดียวที่มีค่า FAR มากกว่า 15% สิ่งนี้แสดงให้เห็นว่ารูปแบบการตรวจจับที่แข็งแกร่งมากๆนี้ สามารถนำไปใช้กับเซ็นเซอร์ MSI โดยมีผลกระทบต่อผู้ใช้ที่เป็นตัวจริงน้อยที่สุด
บทสรุป เทคโนโลยีการถ่ายภาพของ MSI จะดึงภาพที่แตกต่างกัน และลักษณะพื้นผิวของนิ้วที่หลากหลาย เพื่อให้วิธีการที่ปลอดภัยและเชื่อถือได้ในการสร้างภาพลายนิ้วมือ การทดสอบที่ดำเนินการจนถึงปัจจุบันได้แสดงให้เห็นถึงข้อได้เปรียบที่แข็งแกร่งของเทคโนโลยี MSI เหนือวิธีการถ่ายภาพทั่วไปภายใต้สถานการณ์ที่หลากหลาย คำจำกัดความของข้อได้เปรียบของเทคโนโลยี MSI แบ่งได้สามเรื่องเรื่องที่หนึ่ง: มีคุณสมบัติทางกายวิภาคหลายอย่างด้านล่างพื้นผิวของผิวที่มีรูปแบบเดียวกับลายนิ้วมือและสามารถถ่ายภาพโดย MSI ซึ่งหมายความว่ามีแหล่งข้อมูลเพิ่มเติมใต้พื้นผิวสำหรับเซ็นเซอร์ MSI เพื่อรวบรวมและชดเชยคุณภาพที่ไม่ดีหรือคุณสมบัติพื้นผิวที่ขาดหายไปเรื่องที่สอง: เซ็นเซอร์ MSI ถูกออกแบบมาเพื่อให้สามารถรวบรวมข้อมูลลายนิ้วมือที่ใช้งานได้ภายใต้เงื่อนไขที่หลากหลาย ประกอบไปด้วย ผิวหนังที่แห้ง, ผิวหนังที่สกปรก, การสัมผัสระหว่างนิ้วกับเซ็นเซอร์ไม่ดี, มีน้ำบนนิ้ว และ/หรือ แท่นวาง และแสงโดยรอบที่สว่างจ้า คุณลักษณะของเซ็นเซอร์นี้ช่วยเพิ่มความน่าเชื่อถือของเซ็นเซอร์ MSI และลดเวลาและความพยายามที่ผู้ใช้ที่ได้รับอนุญาตต้องใช้ไปในการทำธุรกรรมด้วยการอ่านลายนิ้วมือเรื่องที่สาม: เนื่องจากเซ็นเซอร์ MSI ไม่เพียง แต่ตรวจจับลายนิ้วมือ แต่แทนที่จะตรวจจับวัสดุที่ซึ่งมีลายนิ้วมืออยู่ ข้อมูลที่ได้จะให้ข้อบ่งชี้ที่ชัดเจนว่ามีลายนิ้วมือที่ได้มาจากจากนิ้วที่มีชีวิตหรือวัสดุอื่นๆ ความสามารถในการให้การรับรองที่เข้มงวดของความถูกต้องของตัวอย่างนี้ช่วยเพิ่มความปลอดภัยของระบบโดยรวมและทำให้เซ็นเซอร์ลายนิ้วมือของ MSI สามารถใช้ในแอปพลิเคชันและสภาพแวดล้อมที่การปลอมแปลงเป็นปัญหา credit: Robert K. Rowe, Kristin Adair Nixon, Paul W. ButlerAdvances in Biometrics, Springer, 2008source:
Multispectral Fingerprint Image Acquisition ี บริษัท วัลแคน เทคโนโลยี จำกัด
บริษัท วัลแคน เทคโนโลยี จำกัด 98/27 หมู่บ้านพรีเมี่ยมเพลส ถนนโพธิ์แก้ว
ติดต่อทางเบอร์โทร02-026-3527
Copyright © 2022 www.vulcan-tec.com All Rights Reserved.
