مقدمة
في ظل النمو السريع لسوق القياسات الحيوية العالمي، أصبحت تقنية التعرف على قزحية العين، بمزاياها الفريدة المتمثلة في الدقة العالية والأمان العالي، الحل المفضل للسيناريوهات الرئيسية مثل الدفع المالي وأمن الحدود والمدن الذكية. وفقًا لتوقعات مؤسسات أبحاث السوق، سينمو حجم سوق التعرف على قزحية العين العالمي من 5.14 مليار دولار أمريكي في عام 2025 إلى 12.92 مليار دولار أمريكي في عام 2030، بمعدل نمو سنوي مركب (CAGR) يبلغ 20.3٪.
الشكل 1: اتجاه نمو حجم سوق التعرف على قزحية العين العالمي (توقعات 2025-2030)
في هذا المنعطف الحاسم للتحول الصناعي، نجحت شركة Homsh Technology في تحقيق ترقية قفزة نوعية لتقنية التعرف على قزحية العين من النموذج التقليدي إلى نموذج الذكاء الاصطناعي بفضل براءتي اختراع أساسيتين - "نظام وطريقة استرجاع سريعة لقزحية العين تعتمد على قاعدة بيانات المتجهات" و "طريقة ترميز ميزات قزحية العين المستمرة القائمة على الشبكات العصبية العميقة" - مما أرسى مكانة ابتكارية مهمة في طليعة تقنية التعرف على قزحية العين في الصين والعالم.
الخلفية التقنية: عنق الزجاجة في الطرق التقليدية والفرص في عصر الذكاء الاصطناعي
منذ تسويق تقنية التعرف على قزحية العين في التسعينيات، اعتمدت لفترة طويلة على طريقة ترميز IrisCode القائمة على مرشحات Gabor. تستخرج هذه الطريقة ميزات نسيج قزحية العين من خلال مرشحات Gabor متعددة المقاييس ومتعددة الاتجاهات، وتقوم بتحويلها إلى رموز ثنائية 2048 بت، وتستخدم مسافة Hamming للمطابقة. ومع ذلك، يواجه هذا النموذج التقليدي ثلاثة عنق زجاجة رئيسية: أولاً، لا يمكن للمرشحات الثابتة التكيف مع الاختلافات في جودة صور قزحية العين المختلفة؛ ثانيًا، يتسبب الترميز الثنائي في فقدان كبير للمعلومات، مما يؤدي إلى معدل خطأ متساوٍ (EER) يبلغ حوالي 1.75٪ فقط على مجموعة اختبار CASIA-Iris-Lamp القياسية؛ ثالثًا، تكون سرعة الاسترجاع بطيئة في قواعد البيانات واسعة النطاق (أكثر من مليون مستوى)، مما يجعل من الصعب تلبية احتياجات التطبيقات في الوقت الفعلي.
الشكل 2: مقارنة نموذج تقنية التعرف على قزحية العين - ترميز IrisCode التقليدي مقابل ترميز الميزات المستمر للتعلم العميق
مع نضج تقنية التعلم العميق وتراكم مجموعات البيانات واسعة النطاق، شهد التعرف على قزحية العين نافذة فرصة للتحول النموذجي من "الميزات المصممة يدويًا" إلى "التعلم الشامل". أظهرت الأبحاث الأكاديمية الحديثة أن طرق التعرف على قزحية العين القائمة على الشبكات العصبية العميقة قد أظهرت إمكانات تتجاوز الطرق التقليدية. على سبيل المثال، يمكن لنموذج IrisFormer الأكاديمي المتطور تحقيق EER يبلغ 0.88٪ على نفس مجموعة البيانات. ومع ذلك، فإن كيفية تحويل الإنجازات الأكاديمية إلى حلول تقنية قابلة للتطبيق هندسيًا مع القدرة التنافسية الصناعية يمثل تحديًا شائعًا يواجه الصناعة.
الابتكار التقني: براءتا اختراع تتعاونان لبناء حل ذكاء اصطناعي كامل المكدس
تعمل براءتا الاختراع الأساسيتان اللتان أصدرتهما شركة Homsh Technology هذه المرة على حل الاختناقات التقنية للتعرف على قزحية العين التقليدي بشكل منهجي من بعدين - "تمثيل الميزات" و "كفاءة الاسترجاع"، مما يشكل حلقة تقنية مغلقة كاملة من الترميز الأمامي إلى الاسترجاع الخلفي.
الشكل 3: بنية التعاون المزدوجة لبراءات الاختراع لشركة Homsh Technology - نظام التعرف على قزحية العين الشامل
براءة الاختراع 1: طريقة ترميز ميزات قزحية العين المستمرة القائمة على الشبكات العصبية العميقة
تجمع هذه البراءة بشكل مبتكر بين بنية الشبكة العصبية الالتفافية الفعالة EfficientNet-B3 في مجال رؤية الكمبيوتر مع وظيفة فقدان الهامش الزاوي ArcFace في مجال التعرف على الوجه، مما يحقق الترميز الشامل للتعلم العميق لميزات قزحية العين لأول مرة. تشمل ابتكاراتها الأساسية:
1. استخراج الميزات التكيفي: من خلال استراتيجية التحجيم المركب (التوسع المتوازن ثلاثي الأبعاد للعمق والعرض والدقة) ووحدات MBConv الفعالة (بنية متبقية معكوسة + آلية الانتباه للضغط والإثارة)، يحقق EfficientNet-B3 استخراج ميزات عالية التمييز لنسيج قزحية العين في ظل قيود تبلغ 12.14 مليون معلمة فقط. بالمقارنة مع مرشحات Gabor الثابتة، يمكن للنموذج أن يتعلم تلقائيًا أفضل تمثيل للميزات.
2. ترميز الميزات المستمر: من خلال اختراق قيود التكميم الثنائي لـ IrisCode التقليدي، فإنه يخرج متجهات ميزات مستمرة ذات 512 بعدًا من نوع float32 بسعة معلومات تبلغ 16384 بت (8 أضعاف IrisCode). تمت ترقية مساحة الميزات من مساحة Hamming المنفصلة إلى مساحة Euclidean المستمرة، مما يتيح قياس تشابه أكثر دقة.
3. تحسين الهامش الزاوي ArcFace: في مساحة الميزات الكروية المعيارية، يؤدي إضافة هامش زاوي 10 درجات إلى فرض تجميع داخل الفئة وفصل بين الفئات، مما يقلل الزاوية بين متجهات ميزات قزحية العين لنفس الشخص وتوسيع الزاوية بين الأشخاص المختلفين، مما يحسن بشكل كبير القدرة على التمييز بين الميزات. يظهر التحقق التجريبي أنه بالمقارنة مع فقدان Softmax القياسي، يقلل ArcFace من EER بنسبة 45.4٪.
4. أخذ عينات الدُفعات المتوازنة حسب الفئة: لمعالجة مشكلة عدد العينات غير المتكافئ بين الأفراد المختلفين في مجموعات بيانات قزحية العين، تم تصميم استراتيجية أخذ عينات مبتكرة متوازنة حسب الفئة. تحتوي كل دفعة تدريب على 16 فئة مع 8 عينات لكل فئة، مما يضمن أن وظيفة فقدان ArcFace يمكنها تعلم حدود بين الفئات بشكل كامل، وتسريع التقارب بنسبة 30٪ مقارنة بأخذ العينات العشوائية.
براءة الاختراع 2: نظام وطريقة استرجاع سريعة لقزحية العين تعتمد على قاعدة بيانات المتجهات
تطبق هذه البراءة تقنية قاعدة بيانات المتجهات FAISS (بحث التشابه في الذكاء الاصطناعي من Facebook) على مجال التعرف على قزحية العين لأول مرة على مستوى العالم، مما يحقق استرجاعًا على مستوى المللي ثانية في قاعدة بيانات تضم مليون شخص ويوفر الدعم الفني الرئيسي للتطبيق في الوقت الفعلي لأنظمة التعرف على قزحية العين واسعة النطاق. تشمل ابتكاراتها الأساسية:
1. بناء فهرس المتجهات FAISS: بعد تطبيع L2 لمتجهات ميزات قزحية العين ذات 512 بعدًا المستخرجة عن طريق التعلم العميق، يتم استخدام نوع فهرس IndexFlatIP الخاص بـ FAISS للتخزين. يعتمد نوع الفهرس هذا على بحث التشابه الداخلي للمنتج، وهو ما يعادل تشابه جيب التمام للمتجهات المعيارية. بالمقارنة مع بحث القوة الغاشمة NumPy، فإنه يحقق تسريعًا لوحدة المعالجة المركزية بمقدار 15.9 ضعفًا وتسريعًا لوحدة معالجة الرسومات بمقدار 75.0 ضعفًا في قاعدة بيانات بحجم 10000 شخص.
2. استراتيجية الفهرس الذكية: تم تصميم بنية فهرس متعددة المستويات مبتكرة. من خلال تحسين توزيع الميزات والتجميع التكيفي، يتم تجنب عدم التطابق، ويتم دعم أوضاع التعرف المرنة، مما يحسن بشكل كبير دقة التعرف ومتانة النظام.
3. تصميم هيكل البيانات الفعال: يقوم النظام بتخزين ملفات فهرس FAISS (.index.faiss) وملفات البيانات الوصفية (.meta.json) بشكل منفصل. يتم تعيين ملفات الفهرس مباشرةً في الذاكرة للبحث عن أقرب جار تقريبي، بينما تقوم ملفات البيانات الوصفية بتخزين معلومات العمل مثل معرفات الموظفين وأوقات التجميع وأرقام الأجهزة. يتم التحكم في زمن استجابة الاستعلام في غضون 8.5 مللي ثانية (وضع وحدة المعالجة المركزية).
4. التكامل السلس لنماذج التعلم العميق: يستخدم الجزء الأمامي من النظام EfficientNet-B5 (112 ميجابايت ONNX) لتقسيم قزحية العين لاستخراج منطقة الاهتمام؛ يستخدم الجزء الخلفي EfficientNet-B3+ArcFace (44 ميجابايت ONNX) لاستخراج الميزات. يتم تحسين العملية بأكملها من المدخلات الصورة إلى إخراج نتيجة الاسترجاع، ودعم كل من أوضاع الاستدلال بوحدة المعالجة المركزية ووحدة معالجة الرسومات والتكيف مع سيناريوهات النشر المختلفة مثل الأجهزة الطرفية والخوادم.
المؤشرات الفنية: الوصول إلى مستويات عالمية
تظهر الاختبارات الصارمة على مجموعة بيانات قزحية العين القياسية الدولية CASIA-Iris-Lamp (573 شخصًا، 11845 صورة) أن حل Homsh Technology المزدوج الحاصل على براءة اختراع قد حقق المؤشرات الرائدة التالية:
الشكل 4: مقارنة أداء التعرف على قزحية العين (مجموعة بيانات CASIA-Iris-Lamp)
1. معدل الخطأ المتساوي (EER): 0.70٪. بالمقارنة مع طريقة Gabor+Hamming distance التقليدية (1.75٪ EER)، يتم تقليل معدل الخطأ بنسبة 60٪؛ بالمقارنة مع حل Homsh Technology الأساسي السابق EfficientNet-B3 (2.66٪ EER)، يتم تقليل معدل الخطأ بنسبة 73.7٪؛ بالمقارنة مع نموذج IrisFormer الأكاديمي المتطور (0.88٪ EER)، تم تحسين الأداء بنسبة 20.5٪، مما يرسخ مكانة رائدة عالمية في الصناعة.
2. دقة التعرف (AUC): 99.97٪، مما يشير إلى أنه يمكن الحفاظ على معدل التعرف الصحيح المرتفع جدًا حتى عند معدل التعرف الخاطئ المنخفض للغاية.
3. سرعة الاسترجاع: في قاعدة بيانات بحجم 10000 شخص، يبلغ متوسط زمن استجابة الاسترجاع 8.5 مللي ثانية في وضع وحدة المعالجة المركزية FAISS مع إنتاجية تبلغ 117.6 QPS؛ يبلغ زمن استجابة الاسترجاع 1.8 مللي ثانية في وضع وحدة معالجة الرسومات مع إنتاجية تبلغ 555.6 QPS. بالمقارنة مع بحث القوة الغاشمة NumPy التقليدي، فإنه يحقق تسريعًا بمقدار 15.9 ضعفًا و 75.0 ضعفًا على التوالي، مما يلبي تمامًا احتياجات التطبيقات في الوقت الفعلي.
4. كفاءة النموذج: يحتوي نموذج استخراج الميزات EfficientNet-B3 على 12.14 مليون معلمة فقط، مع وقت استدلال ONNX يبلغ 8 مللي ثانية (وحدة المعالجة المركزية) وبصمة ذاكرة تبلغ 1.8 جيجابايت، مما يدعم النشر على الأجهزة الطرفية والمحطات الطرفية المحمولة؛ من خلال التكميم INT8، يمكن ضغط حجم النموذج بشكل أكبر إلى 11.2 ميجابايت، وتقليل وقت الاستدلال إلى 5 مللي ثانية، وتقليل بصمة الذاكرة إلى 0.5 جيجابايت.
الريادة الصناعية: ابتكارات مزدوجة من رقائق ASIC إلى نماذج الذكاء الاصطناعي
تتمتع Homsh Technology بتراكم تقني فريد وجينات مبتكرة في طليعة تقنية التعرف على قزحية العين في الصين. في وقت مبكر قبل عام 2020، طورت الشركة بنجاح أول شريحة ASIC في العالم مخصصة للتعرف على قزحية العين، مما أدى إلى كسر عنق الزجاجة في تسريع الأجهزة لخوارزميات التعرف على قزحية العين، وزيادة سرعة التعرف إلى مستوى المللي ثانية، ووضع أساس للأجهزة للتسويق على نطاق واسع لتقنية التعرف على قزحية العين. أعطى هذا الابتكار شركة Homsh Technology ميزة المحرك الأول في عملية التصنيع.
عند دخول عصر الذكاء الاصطناعي، التقطت Homsh Technology بذكاء فرصة تقنية التعلم العميق لإعادة هيكلة نموذج التعرف على قزحية العين، واستثمرت بحزم في موارد البحث والتطوير، وحققت ترقية نموذجية من "معالجة الإشارات التقليدية" إلى "التعلم العميق الشامل" في بعدين أساسيين: طرق الترميز وأنظمة الاسترجاع. لا يحقق الحل المزدوج الحاصل على براءة اختراع الذي تم إصداره هذه المرة مستوى EER عالمي المستوى يبلغ 0.7٪ في المؤشرات الفنية فحسب، بل والأهم من ذلك، أنه يدرك التطبيق الرائد العالمي لقاعدة بيانات المتجهات FAISS في مجال التعرف على قزحية العين، مما يسد الفجوة في هذا المسار التقني. هذا يدل على أن Homsh Technology قد أكملت التحول الاستراتيجي من "مبتكر الرقائق" إلى "رائد نموذج الذكاء الاصطناعي"، مما أرسى مكانة قيادية تكنولوجية في عصر التعرف الذكي على قزحية العين.
التطبيقات المحتملة: تمكين الترقية الذكية في مجالات متعددة
بفضل مزاياها التقنية المتمثلة في الدقة العالية والسرعة العالية وسهولة النشر، يمكن تطبيق حل Homsh Technology المزدوج الحاصل على براءة اختراع على نطاق واسع في السيناريوهات التالية:
الشكل 5: سيناريوهات تطبيق حل Homsh Technology المزدوج الحاصل على براءة اختراع
الدفع المالي
يؤدي نشر التعرف على قزحية العين على أجهزة الصراف الآلي البنكية ومحطات الدفع عبر الهاتف المحمول، إلى ضمان أمان الأموال بمعدل خطأ متساوٍ منخفض للغاية يبلغ 0.7٪، وتوفر سرعة التعرف البالغة 8 مللي ثانية تجربة مستخدم سلسة، ويدعم الوضع أحادي العين المستخدمين الذين يرتدون النظارات.
أمن الحدود
يؤدي نشر أنظمة التعرف على قزحية العين واسعة النطاق في المطارات والموانئ، إلى دعم قاعدة بيانات المتجهات FAISS للاسترجاع على مستوى المللي ثانية في قاعدة بيانات تضم مليون شخص، وتعمل استراتيجية الاندماج متعدد الوسائط على تحسين الدقة بشكل أكبر، مما يمنع بشكل فعال الاحتيال على الهوية.
الحدائق الذكية
يؤدي نشر التحكم في الوصول إلى قزحية العين في حدائق الشركات والوكالات الحكومية، إلى دعم النموذج الكمي INT8 للنشر المحلي على الأجهزة الطرفية (آلات التحكم في الوصول، البوابات الدوارة)، مما يتيح التعرف في الوقت الفعلي دون شبكات ويضمن خصوصية البيانات.
الرعاية الصحية
يؤدي دمج التعرف على قزحية العين في أنظمة HIS بالمستشفيات إلى ربط هويات المرضى بدقة بالسجلات الطبية الإلكترونية، وتجنب الالتباس الناجم عن نفس الاسم وتحسين السلامة الطبية؛ وإنشاء معرف بيومتري فريد في إدارة حديثي الولادة لمنع اختطاف الأطفال.
الأمن العام
يؤدي نشر التعرف على قزحية العين في أنظمة المراقبة الحضرية، جنبًا إلى جنب مع معدات جمع قزحية العين عن بعد، إلى تحقيق الإنذار المبكر بمراقبة والتحكم في الأفراد الرئيسيين. يدعم وضع استدلال وحدة معالجة الرسومات التحليل في الوقت الفعلي عالي التزامن.
ملاحظات الرئيس التنفيذي: الدكتور يي كايجون، الرئيس التنفيذي
صرح الدكتور يي كايجون، الرئيس التنفيذي لشركة Homsh Technology، في مقابلة: "إن البحث والتطوير الناجح لهاتين البراءتين هو تتويج لتراكم Homsh Technology التقني لأكثر من عقد من الزمان والاستثمار المستمر في الابتكار. نحن ندرك بعمق أنه في مجال القياسات الحيوية شديد التنافسية، لا يمكننا البقاء لا نقهر إلا من خلال إتقان التقنيات الأساسية. من ابتكار شريحة ASIC قبل عام 2020 إلى الانتصارات المزدوجة اليوم في التعلم العميق + قاعدة بيانات المتجهات، التزمت Homsh Technology دائمًا بالتكامل المتعمق للتكنولوجيا المتطورة والاحتياجات الصناعية. مؤشر EER البالغ 0.7٪ ليس مجرد رقم؛ إنه يمثل التوازن الأمثل بين 'الأمان' و 'سهولة الاستخدام' الذي حققه النظام. بالنسبة للسيناريوهات الرئيسية مثل التمويل والفحوصات الأمنية، هذا يعني ضمانات أمان أعلى وتجربة مستخدم أفضل."
"والأهم من ذلك، أننا أول من قدم تقنية قاعدة بيانات المتجهات FAISS في العالم في مجال التعرف على قزحية العين. يفتح هذا الابتكار إمكانيات جديدة للتطبيق في الوقت الفعلي لأنظمة التعرف على قزحية العين واسعة النطاق. في المستقبل، سنواصل تعميق جهودنا في مجال الذكاء الاصطناعي + القياسات الحيوية، وتعزيز تطبيق تقنية التعرف على قزحية العين في المزيد من السيناريوهات، والمساهمة بقوة Homsh في بناء مجتمع ذكي. الابتكار لا نهاية له، وستواصل Homsh Technology قيادة التقدم التكنولوجي للصناعة."
نظرة عامة: مستقبل التعرف الذكي على قزحية العين
مع التطور المستمر لتقنية الذكاء الاصطناعي وتحسين البنية التحتية مثل 5G والحوسبة الطرفية، ينتقل التعرف على قزحية العين من "السيناريوهات المتخصصة" إلى "التطبيقات الشاملة". إن حل Homsh Technology المزدوج الحاصل على براءة اختراع، بأدائه الفني المتميز وقدراته الهندسية، مستعد تمامًا لتلبية انفجار السوق في العقد المقبل. ستواصل الشركة الاستثمار في موارد البحث والتطوير وإجراء ابتكارات مستمرة في اتجاهات مثل الاندماج متعدد الوسائط (قزحية العين + الوجه + بصمة الإصبع) واكتشاف الحيوية وحساب الخصوصية، مما يساهم بالقوة التقنية الأساسية في بناء مجتمع رقمي أكثر أمانًا وذكاءً وراحة.
حول Homsh Technology
Homsh Technology هي شركة رائدة في مجال توفير تقنية التعرف على قزحية العين في الصين، وتركز على البحث والتطوير والتصنيع لخوارزميات التعرف على قزحية العين والرقائق والأنظمة. تمتلك الشركة عددًا من براءات الاختراع التقنية الأساسية بما في ذلك أول شريحة ASIC في العالم مخصصة للتعرف على قزحية العين، وتستخدم منتجاتها على نطاق واسع في مجالات مثل التمويل والأمن والرعاية الصحية.
