听百家之言,集百家智慧,站在巨人肩上攀登
来自MSU的Anil Jain教授讲述了生物特征识别的定义,为啥用生物特征识别,以及过去,现在和将来。
生物特征识别的:过去 现在 将来
文章目录
什么是生物特征?过去现在FutureSpoofs (Minority Report, 2002)Targeted Advertisement (Minority Report, 2002)Biometrics at ScaleNetwork of CCTV CamerasRecognition with Noisy & Incomplete DataPrivacy最后问答环节什么是生物特征?
就是bio嘛!
活得,有生命的。
(Morris,1875年提出这个)
三类认证识别:
what you have
Lost
Stolen
what you know
Forgot
Cracked
what you are
Unique
Stable
Natural
生物特征识别是由应用驱动的。
使用ATM和司机身份识别说明生物特征识别系统的一些特点和需求,例如,价格要低,不要占用台多空间,好用等等
他又问,你知道手机上指纹识别花了多少钱么,大概一美金而已啦,所以真的是赚了很多钱。。
过去
Habitual Criminal Act(1855)
“Whatis wanted is a means of classifying
the records of habitual criminal, such that
as soon as the particulars of the
personality of any prisoner whether
description, measurements, marks, or
photographs are received, it may be
possible to ascertain readily, and with
certainty, whether his case is in the
register, and if so, who he is”
犯罪份子会被详细记
录各种身体特征。
当时记录的小本本!
Scotland Yard
(1905)
建立了指纹识别系统判断这个人是不是之前的嫌犯。
FBI (1924)
美国司法部分建立了指纹识别系统,授权执法部分收集指纹,以及被逮捕的原因。
技术影响指纹识别:
1960年还是人工处理指纹:
坐在椅子上的是指纹人工检察官,判断指纹是否来自一个人。
AFIS (1989); 15K comparisons/sec; no latent search
1989 年,已经开始使用电脑系统帮助指纹识别,现在更先进啦
Identimate (1972)
使用手掌的geopmetry
第一个商用的生物特征识别系统。
First commercial use of biometrics
现在
9/11 Attacks (2001)
开始重视假的证件,海关开始调查
US VISIT ()
美国海关开始采集指纹。(机场,海关,其他一些地方)
Walt Disney Theme Park ()
迪斯尼把门票和指纹相关联。
为啥呢?有人拿票进去玩,半天就出来,把票卖给别人。为了防止,就采用了生物特征识别。
Aadhaar ()
1568 3647 4958这么多人被采集。
Name
Parents
Gender
DoB
PoB
Address
Authentication (ongoing)
Two factor authentication: 40 M authentications
使用指纹识别,双因子认证。
Apple Touch ID ()
Apple Face ID ()
为了增加屏幕面积,把home按键拿掉,不要指纹了,用人脸。使用到是3D 的人脸,光场么!!.
In display Fingerprint Sensor ()
中国的,,屏幕下面的指纹传感器。所以,屏幕大了,成本底了。
Entry/Exit system at Airports ()
美国的机场已经部署了人脸识别,无论是入境还是出境。
Amazon Go ()
亚马孙开发了Amazon Go,无现金购物,只有相机,你拿着手机进去买东西,你随便那东西,然后出门的时候自动从你的手机账户上面扣款。
Authentication Accuracy
图片左边是驾照照片,右边是自然拍照的真实照片。
现在已经很好啦,在准确度上面。iris不是那么普遍而已。
Future
Spoofs (Minority Report, 2002)
Targeted Advertisement (Minority Report, 2002)
你去shopping 他们知道你是谁
Biometrics at Scale
人口增加,如果你要做一个全世界都在里面的生物特征系统,你怎么做?
Network of CCTV Cameras
Title Scene, Person Of Interest, CBS (); An ex assassin and a wealthy programmer save lives via a surveillance AI that sends them the identities of civilians involved in impending crimes.
监控摄像头会24小时看到你,
//01/14/learning/what students are saying about the riot at the us capitol.html
国会骚乱事件,人脸识别派上用场。
即使数据库里面没有这些数据,但是展示这些数据在电视上,也是有足够作用的,可以让公众识别这些人。
Recognition with Noisy & Incomplete Data
很多生物特征数据会收集到一起,然后鉴别身份
Privacy
需要确保隐私。
最后
Biometric ensures a person is who he claims to be and not whohe denies to beDrivers: Applications (Security, fraud, civil-ID, payment,…)Enablers: Matching algorithm, processor, memory & sensor
(fingerprint reader/matcher embedded in a mobile costs ~$1)Challenge: Recognize anyone, anywhere, anytime in real time
问答环节
EEG EKG
why do we need when face iris can do good job? there must be some use cases
the cost for the EEG should be lower
if we want to use new modality, we must justify why
问: 未来最难的问题
模型的泛化interpret加密保护检测真正的特征,防止假的生物特征大型数据的系统,
问: 是否在政策制订上我们研究者应该发挥作用
我们只能开发设计新的算法政策制订很大程度上取决于政府和立法机构采用加密的方式,在加密域
问: 模型的泛化最好的评估
使用同一个数据集去训练和测试, 不行使用不同数据集进行交叉测试,不要一个数据集一分为二进行测试。
问: GAN networks 发展的很好,但是了,许多研究者用GAN 生成数据
如果你没有数据,就不行,我们需要确保生成的数据不是真的数据,但是和真的数据有一样的性质,很多人使用GAN,但是要关注生成的数据是不是和真的很相似
问: 有限的anti-spoof数据?
建议是,使用GAN生成吧!如果你想robust你还是需要数据啦本来spoof就少啦,大多数的时候99%不会,1%的会,但是又很重要。
问: 随着新的GDPR,联邦学习被使用,你怎么看
4个组织有数据,但是不想share他们可以在自己的系统训练,然后share model但是要建立一个好的系统,我们要确保数据隐私保护,准确度要高这是未来一个研究的方向,怎么共享模型数据,但是不要破坏隐私
问: bias? 我们知道性别,种族上有bias, 数据导致的bias
demography bias 数据不平衡,最近, 传感器,对于某些人,黑人,在特征是是不一样的啦,人本身,女生倾向于化妆啦,算法本身对数据很敏感,取决于数据怎么产生我们可以decompose数据,只关注identity相关的数据那么你愿意减少其他方面的特征么?是一个dilemma,一个是数据的隐私,一个是准确度。bias在face recognition (FR)上有时候不是那么明显,如果是unconstraint的FR, 那么bias就很严重了。
问: 什么生物特征最容易bias
人脸最容易指纹和iris 没有很多研究
问: how do you achieve so good? how to influcence, or lead to more citiation
我有很多好学生,不是教授厉害,是学生厉害啦,而且教授不一定准确,大部分教授站在学生肩上啦对于citation,没有数据啦,你要坚持,坚持一条线,你会有一个更好的理解,我有这么多引用,我们坚持路线,然后开辟新的direction。
Charles@Shenzhen, -1-25
WSB-day2-1 - Anil Jain教授讲述了生物特征识别的定义 为何用生物特征识别 以及过去 现在和将来