Umbral para autenticación biométrica

2

Me gustaría preguntar, ¿cuáles son las formas adecuadas de ajustar los umbrales para un sistema biométrico cuando solo tenemos datos de capacitación y pruebas de un solo usuario? Estoy usando el reconocimiento de altavoz, rostro y marcha pero en el escenario de dispositivo móvil. En el escenario móvil, sabemos que siempre tenemos un caso de coincidencia de 1: 1 (podemos ir para la coincidencia de 1: n, pero esto haría que el sistema sea menos utilizable ya que requiere tiempo, y necesitamos conjuntos de datos más grandes y no lo necesitamos). . Por lo tanto, en esta situación, quiero encontrar alguna forma en la que pueda encontrar el umbral a partir de los datos de entrenamiento. y cada vez que obtengo algunos datos de prueba, asumo que estos datos provienen de usuarios genuinos y, luego de la comparación, el umbral básicamente decidió si esa persona es genuina / impostora.

    
pregunta Muhammad 23.06.2015 - 15:36
fuente

2 respuestas

1

Depende de cómo se realiza el aprendizaje mediante el sistema biométrico.

Si el sistema se distribuye con conocimiento previo de lo que es un rostro humano, y si solo le está enseñando las caras que debería aceptar, sería suficiente con solo inscribir a los usuarios autorizados.

Si el sistema es simplemente un modelo de aprendizaje por visión computarizada sin ningún conocimiento previo, deberá crear un conjunto de datos de rostros humanos representativos de la población humana, etiquetar los rostros de los usuarios autorizados como autorizados y los demás como denegados. y entrenar el sistema.

Nunca he usado el sistema que está preguntando, por lo que si no puede averiguar en cuál de estas dos categorías se encuentra, le sugiero que se ponga en contacto con el servicio de atención al cliente del fabricante.

    
respondido por el Steve DL 24.06.2015 - 14:55
fuente
1

Sin entrenar el sistema con datos de otros individuos, el concepto de umbral es en gran medida sin sentido.

Cuando se aprende, todos los sistemas biométricos deben ajustarse según la tasa de rechazos falsos y la tasa de aceptación falsa (FRR y FAR), pero en su situación, la capacitación no le proporcionará ningún tipo de información FAR.

Entonces, aunque puede asegurarse de que su sistema siempre reconocerá a su usuario válido, no tiene idea de si aceptará a otros, algunos que se parezcan a ellos o a todos los humanos (o posiblemente a perros, avestruces ... quién sabe). )

Debe poder permitir que el sistema determine las diferencias entre su usuario válido y el usuario no válido, y luego determinar si puede manejar un FRR (su usuario está cargando algo pesado, tal vez) o con algunos LEJOS (alguien con una marcha muy similar y una barba a juego, por ejemplo)

En resumen: no puede hacer esto a menos que obtenga un conjunto de datos de muchas personas

    
respondido por el Rory Alsop 25.06.2015 - 11:40
fuente

Lea otras preguntas en las etiquetas