आयु अनुमान API: सेल्फ़ी आयु सत्यापन

Didit आयु अनुमान एक सेल्फ़ी से किसी व्यक्ति की आयु का अनुमान लगाता है, जिसमें पैसिव लाइवनेस डिटेक्शन शामिल है, जिससे आप प्रत्येक उपयोगकर्ता से पहचान दस्तावेज़ मांगे बिना आयु-प्रतिबंधित सेवाओं तक पहुँच को नियंत्रित कर सकते हैं। यह मॉडल वहाँ सबसे सटीक है जहाँ आयु प्रतिबंध का निर्णय होता है: 16 और 17 वर्ष के लोगों के लिए इसका मीन एब्सोल्यूट एरर 1.1 वर्ष और 18 से 20 वर्ष के लोगों के लिए 1.9 वर्ष है, और यह 96% सेल्फ़ी को 18 से कम या 18 और उससे अधिक के रूप में सही ढंग से वर्गीकृत करता है (मॉडल प्रदर्शन देखें)।

​

आयु अनुमान के तरीके

हमारा प्लेटफ़ॉर्म विभिन्न लाइवनेस सत्यापन तकनीकों के साथ मिलकर आयु अनुमान लागू करता है:

तरीका	विवरण	सुरक्षा स्तर	इसके लिए सर्वोत्तम
3D Action & Flash	• मल्टी-फ़ैक्टर बायोमेट्रिक सत्यापन को रैंडमाइज़्ड एक्शन सीक्वेंस और डायनामिक लाइट पैटर्न विश्लेषण के साथ जोड़ता है। • शुरुआत में, उपयोगकर्ता को एक सरल एक्शन करने के लिए प्रेरित किया जाता है—जैसे पलक झपकाना या सिर हिलाना—जिससे रीयल-टाइम इंटरैक्शन सुनिश्चित होता है। • इसके साथ ही, सिस्टम चेहरे पर लाइट पैटर्न की एक श्रृंखला प्रोजेक्ट करता है, और चेहरे की 3D संरचना की पुष्टि करने के लिए परावर्तन का विश्लेषण करता है। • डीप लर्निंग एल्गोरिदम एक जीवित व्यक्ति की उपस्थिति को सत्यापित करने के लिए माइक्रो-एक्सप्रेशन्स और लाइट रिफ्लेक्शन प्रतिक्रियाओं की जांच करते हैं। • व्यवहार संबंधी (एक्शन) और भौतिक (प्रकाश-आधारित गहराई) संकेतों को एकीकृत करके उच्चतम सुरक्षा प्रदान करता है, जिससे स्थिर छवियों, वीडियो या उन्नत मास्क के साथ स्पूफिंग करना लगभग असंभव हो जाता है।	उच्चतम	बैंकिंग, स्वास्थ्य सेवा, सरकारी एप्लिकेशन
3D Flash	• उपयोगकर्ता इंटरैक्शन की आवश्यकता के बिना चेहरे की टोपोलॉजी को मान्य करने के लिए डायनामिक लाइट पैटर्न विश्लेषण का उपयोग करता है। • 30 फ़्रेम प्रति सेकंड से अधिक गति से चेहरे पर लाइट पैटर्न की एक श्रृंखला प्रोजेक्ट करता है, और एक डेप्थ मैप बनाने के लिए परावर्तनों का विश्लेषण करता है। • यह डेप्थ मैप चेहरे की त्रि-आयामी (3D) संरचना की पुष्टि करता है, इसे सपाट छवियों या 2D स्पूफ़ से अलग करता है। • फ़ोटो या स्क्रीन जैसे प्रेज़ेंटेशन अटैक के विरुद्ध उच्च सुरक्षा बनाए रखते हुए एक निर्बाध अनुभव प्रदान करता है।	उच्च	वित्तीय सेवाएं, खाता एक्सेस, पहचान सत्यापन
Passive Liveness	• लाइवनेस के संकेतों का पता लगाने के लिए सिंगल-फ़्रेम डीप लर्निंग विश्लेषण पर निर्भर करता है। • गोपनीयता के लिए, इंटरफ़ेस में उपयोगकर्ता का चेहरा धुंधला दिखाई देता है, जिससे उन्हें विश्वास होता है कि उनकी छवि का विश्लेषण केवल आयु अनुमान के लिए किया जा रहा है, पहचान के लिए नहीं। • वास्तविक चेहरे और स्पूफ़ के बीच अंतर करने वाले आर्टिफ़ैक्ट्स, टेक्सचर पैटर्न और अन्य सूक्ष्म संकेतकों के लिए छवि की जांच करता है। • एक कनवोल्यूशनल न्यूरल नेटवर्क (CNN) चेहरे की विशेषताओं को मान्य करता है और विसंगतियों की पहचान करता है, जैसे कि मुद्रित फ़ोटो या डिजिटल स्क्रीन से उत्पन्न होने वाली। • कम जोखिम वाले उपयोग के मामलों के लिए उपयुक्त, त्वरित और सुविधाजनक सत्यापन प्रदान करता है लेकिन मानक सुरक्षा देता है।	मानक	कम घर्षण वाले परिदृश्य, उपभोक्ता एप्लिकेशन

प्रत्येक तरीका विश्वास स्कोर और पूरक लिंग अनुमान डेटा के साथ एक सटीक आयु अनुमान उत्पन्न करता है।

​

कॉन्फ़िगर करने योग्य थ्रेशोल्ड

आप आयु अनुमान के लिए विभिन्न थ्रेशोल्ड निर्धारित करके सुरक्षा स्तरों को कस्टमाइज़ कर सकते हैं। उदाहरण के लिए:

​

देश-वार आयु प्रतिबंध

आयु प्रतिबंधों को प्रति-देश के आधार पर कॉन्फ़िगर किया जा सकता है, जो इस तथ्य को दर्शाता है कि विभिन्न न्यायालयों में वयस्कता की कानूनी आयु भिन्न होती है। एक ही वैश्विक न्यूनतम या अधिकतम आयु निर्धारित करने के बजाय, आप प्रत्येक देश के लिए विशिष्ट आयु सीमाएं परिभाषित कर सकते हैं — और किसी देश के भीतर अलग-अलग राज्यों या क्षेत्रों के लिए भी।

​

यह कैसे काम करता है

• देश-स्तरीय कॉन्फ़िगरेशन: प्रत्येक देश (दस्तावेज़ के जारीकर्ता राज्य द्वारा पहचाने जाने वाले) के लिए न्यूनतम और/या अधिकतम आयु निर्धारित करें। उदाहरण के लिए, आपको संयुक्त राज्य अमेरिका में न्यूनतम 18 वर्ष, दक्षिण कोरिया में 19 वर्ष और संयुक्त अरब अमीरात में 21 वर्ष की आयु की आवश्यकता हो सकती है।
• राज्य/क्षेत्र ओवरराइड: उप-राष्ट्रीय भिन्नता वाले देशों (जैसे संयुक्त राज्य अमेरिका या मेक्सिको) के लिए, आप प्रति राज्य ओवरराइड कॉन्फ़िगर कर सकते हैं। उदाहरण के लिए, मिसिसिपी में न्यूनतम 21 वर्ष की आवश्यकता हो सकती है जबकि अमेरिका का डिफ़ॉल्ट 18 है। सिस्टम OCR द्वारा दस्तावेज़ से निकाले गए क्षेत्र का उपयोग करके राज्य का मिलान करता है।
• वयस्कता की आयु के डिफ़ॉल्ट: कंसोल एक-क्लिक “वयस्कता की आयु लागू करें” बटन प्रदान करता है जो दुनिया भर में वयस्कता की ज्ञात कानूनी आयु के आधार पर प्रत्येक देश की न्यूनतम आयु को स्वचालित रूप से भर देता है। इसके बाद आप आवश्यकतानुसार अलग-अलग देशों या राज्यों को कस्टमाइज़ कर सकते हैं।
• कॉन्फ़िगर करने योग्य कार्रवाइयां: जब किसी उपयोगकर्ता की आयु उनके दस्तावेज़ के देश के लिए न्यूनतम से कम या अधिकतम से अधिक होती है, तो आप की जाने वाली कार्रवाई चुन सकते हैं: अस्वीकार करें या समीक्षा करें।

​

उदाहरण कॉन्फ़िगरेशन

​

यह कैसे काम करता है

​

अनुकूलनीय आयु अनुमान

उन परिदृश्यों के लिए जहां सटीक आयु सत्यापन महत्वपूर्ण है, हमारा प्लेटफ़ॉर्म पहचान सत्यापन फ़ॉलबैक के साथ अनुकूलनीय आयु अनुमान प्रदान करता है। यह दृष्टिकोण उपयोगकर्ता सुविधा और नियामक अनुपालन के बीच संतुलन प्रदान करता है।

​

अनुकूलनीय आयु अनुमान कैसे काम करता है

​

फ़ॉलबैक क्या लौटाता है

फ़ॉलबैक चेहरा मिलान वर्कफ़्लो में चेहरा मिलान नोड के बिना चलता है, इसलिए यह सत्र के निर्णय में इस तरह दिखाई देता है जिसे आसानी से ऐसा चेक समझा जा सकता है जिसे आपने कभी कॉन्फ़िगर ही नहीं किया था:

• फ़ॉलबैक चलने के बाद features में AGE_ESTIMATION और ID_VERIFICATION के अलावा FACE_MATCH भी सूचीबद्ध होता है।
• face_matches[] में score, source_image (दस्तावेज़ पोर्ट्रेट) और target_image (आयु अनुमान सेल्फ़ी) के साथ एक प्रविष्टि होती है। इसका node_id आयु अनुमान नोड (feature_age_estimation एक मूल वर्कफ़्लो पर) होता है क्योंकि यह मिलान उस चरण का हिस्सा है, न कि चेहरा मिलान चरण का।
• कम स्कोर सामान्य चेहरा मिलान चेतावनियों को ट्रिगर करता है और सत्र को समीक्षा या अस्वीकृत स्थिति में भेज सकता है, ठीक वैसे ही जैसे एक कॉन्फ़िगर किया गया चेहरा मिलान नोड करता है।
• इसे चेहरा मिलान के रूप में बिल नहीं किया जाता है: सत्र के लिए केवल आयु अनुमान और पहचान सत्यापन का शुल्क लिया जाता है।

जो सत्र केवल सेल्फ़ी के आधार पर पास या विफल हो जाते हैं, वे कभी भी फ़ॉलबैक नहीं चलाते हैं, इसलिए वे face_matches: null लौटाते हैं। छवियों को निर्णय payload से बाहर रखने के लिए, वर्कफ़्लो के रिस्पॉन्स एट्रिब्यूट के साथ face_matches फ़ील्ड को सीमित करें।

​

अनुकूलनीय आयु अनुमान के लाभ

• कम रुकावट: अधिकांश उपयोगकर्ता केवल एक सेल्फ़ी के साथ सत्यापन पूरा कर लेते हैं
• बेहतर अनुपालन: अनिश्चित मामलों में देश-विशिष्ट आयु नियमों के साथ गहन दस्तावेज़ सत्यापन होता है
• लागत दक्षता: पहचान सत्यापन का उपयोग केवल आवश्यकता पड़ने पर ही किया जाता है
• अनुकूलन योग्य जोखिम सहनशीलता: अपनी विनियामक आवश्यकताओं के आधार पर थ्रेशोल्ड को समायोजित करें
• क्षेत्राधिकार-सचेत: उपयोगकर्ता के दस्तावेज़ जारीकर्ता देश और क्षेत्र के आधार पर स्वचालित रूप से वयस्कता की सही आयु लागू करता है

यह दृष्टिकोण ऑनलाइन गेमिंग, शराब डिलीवरी और वयस्क सामग्री प्लेटफ़ॉर्म जैसी आयु-प्रतिबंधित सेवाओं के लिए विशेष रूप से मूल्यवान है, जहां उपयोगकर्ता अनुभव को नियामक अनुपालन के साथ संतुलित करना आवश्यक है।

​

आयु आश्वासन (ISO/IEC 27566-1)

एक वर्कफ़्लो यह घोषित कर सकता है कि वह ISO/IEC 27566-1 आयु आश्वासन मानक का पालन करता है। इसे कंसोल टेम्पलेट आयु अनुमान (ISO/IEC 27566-1) या आयु सत्यापन (ISO/IEC 27566-1) से बनाएं। यह घोषणा वर्कफ़्लो बनाते समय की जाती है और बाद में इसे बदला नहीं जा सकता है। जब कोई वर्कफ़्लो इस मानक की घोषणा करता है, तो Didit इसे आयु के बारे में केवल हाँ या ना वाले एकल उत्तर तक सीमित कर देता है। पिन की गई सेटिंग्स कंसोल और API दोनों के माध्यम से प्रत्येक सेव पर लागू होती हैं:

• आपको आयु का निर्णय प्राप्त होता है और कुछ नहीं। रिस्पॉन्स एट्रिब्यूट लॉक होते हैं, इसलिए निर्णय में कोई व्यक्तिगत डेटा नहीं होता है।
• प्रत्येक देश में, प्रत्येक क्षेत्रीय ओवरराइड में और अनुकूलनीय आयु अनुमान थ्रेशोल्ड में 13 सबसे कम न्यूनतम आयु है। इससे कम मान अस्वीकार कर दिया जाता है।
• सत्रों के बीच कोई पहचान नहीं। डुप्लिकेट दस्तावेज़ और डुप्लिकेट चेहरे की जांच बंद रहती है, और कोई बायोमेट्रिक टेम्पलेट संग्रहीत नहीं किया जाता है।
• सीमित कैप्चर। दस्तावेज़ केवल कैमरे से कैप्चर किए जाते हैं, कोई फ़ाइल अपलोड नहीं होती, दस्तावेज़ की फ़ोटो लेते समय कोई साइलेंट सेल्फ़ी कैप्चर नहीं होती और कोई ऑडियो रिकॉर्डिंग नहीं होती है।
• कोई अतिरिक्त डेटा जांच नहीं। अपेक्षित विवरण की तुलना और डेटा समीक्षा चरण बंद रहते हैं, और पहचान सत्यापन केवल दस्तावेज़ों को पढ़ता है, इसमें कोई डेटाबेस लुकअप या डिजिटल आईडी वॉलेट शामिल नहीं होते हैं।
• एक थ्रेशोल्ड आवश्यक है। बिना किसी आयु थ्रेशोल्ड वाले वर्कफ़्लो को सेव करने पर अस्वीकार कर दिया जाता है, ताकि यह कभी भी डिफ़ॉल्ट रूप से सभी को स्वीकृत न कर सके।

​

मॉडल का प्रदर्शन और आँकड़े

नीचे दिए गए आँकड़े 4 नवंबर 2026 से प्रोडक्शन में मौजूद आयु मॉडल का वर्णन करते हैं। वे इसके लॉक्ड मूल्यांकन सेट से आते हैं: 13 वर्ष और उससे अधिक आयु के लोगों की 2,399 सेल्फ़ी, जिन्हें ट्रेनिंग से पहले अलग रख दिया गया था, जिसमें प्रत्येक व्यक्ति की आयु उनके सत्यापित पहचान दस्तावेज़ से ली गई थी। इन सेल्फ़ी या इन व्यक्तियों पर कोई भी मॉडल प्रशिक्षित नहीं किया गया था। समग्र आँकड़े ऐसे मूल्यांकन मिश्रण के लिए हैं जिसमें 10% लोग 18 वर्ष से कम आयु के हैं और वयस्कों का आयु-वितरण लाइव ट्रैफ़िक के आयु-वितरण के अनुरूप है; नीचे प्रत्येक आयु वर्ग की अलग से रिपोर्ट दी गई है।

​

सटीकता मेट्रिक्स

मीट्रिक	मान	विवरण
मीन एब्सोल्यूट एरर (MAE)	2.6 वर्ष	अनुमानित आयु और दस्तावेज़ में दर्ज आयु के बीच का औसत अंतर
मानक विचलन	2.3 वर्ष	एक अनुमान से दूसरे अनुमान में त्रुटि कितनी भिन्न होती है
18 के थ्रेशोल्ड पर सही	96.0%	बिना किसी फ़ॉलबैक बैंड के, 18 से कम या 18 और उससे अधिक के रूप में सही ढंग से वर्गीकृत की गई सेल्फ़ी; 95% विश्वास के साथ कम से कम 95.3%

​

आयु सीमाओं में प्रदर्शन

त्रुटि उन आयु वर्गों के आसपास सबसे कम होती है जहाँ आयु-आधारित प्रवेश नियंत्रण निर्णय लेता है, और आयु के साथ बढ़ती है।

आयु सीमा	MAE (वर्ष)	मानक विचलन (वर्ष)
13-15	1.70	1.17
16-17	1.14	1.37
18-20	1.86	1.74
21-25	2.21	1.78
26-40	2.77	2.20
41-60	3.03	2.62
60 से अधिक	4.33	3.64