بخشی از مقاله
چکیده
افزایش متداوم اهمیت مسأله هویت موجب افزایش اهمیت روشهاي تأیید هویت1گشته است. علم بیومتریک یکی از روشهاي تأیید و تشخیص هویت است که در آن تلاش میشود با در نظر گرفتن مشخصات رفتاري یا فیزیولوژیکی انسان،هویت وي تعیین شود.در میان روشهاي مختلف بیومتریک، کف دست یکی از قابل اعتمادترین روشهاي شناسایی افراد میباشد زیرا ویژگیها ازناحیه بزرگی استخراج میشود، درافراد مختلف متفاوت است ودرطول زندگی تغییر نمی کند.
تکنیکها و روشهاي مختلفی براي تأیید هویت و استخراج ویژگی از تصاویر مورد بررسی وجود دارد که چالش افزایش دقت و کاهش زمان را در نظر دارند. در این تحقیق الگوریتم سیفت2و طبقه بند FLANN3جهت تأیید هویت با استفاده از تصاویر کف دست مورد استفاده قرار گرفته اند که هدف بررسی زمان اجرا و سنجش میزان دقت عملکرد روش به کار گرفته شده است.
در گام اول با روشHighBoost Sharpeningپیش پردازش بر روي تصاویر ورودي انجام شده، سپس مرحله استخراج ویژگی4 و توصیف نقاط مشخصه با الگوریتم انجام شده و توصیفها در قالب ماتریسی در طبقه بند FLANN ذخیره میشود. در مرحلهنهایی نقاطمشخصهعکسمورد تست نیز پس از پیش پردازش استخراجشدهوتوصیفمیشود،سپسفاصلهآنباتوصیفهایذخیرهشدهتصا ویر شخص ادعایی محاسبهمیشود، کهاگر این فاصله کمتر از مقدار آستانه معین باشد هویت فرد تأیید و در غیر این صورتردمیشود. نتایج تجربی اجراي الگوریتم بر روي پایگاه داده کف دست PolyU نشانگر دقت %93.35 روش پیشنهادي است.
-1 مقدمه
امروزه پدیده اي به نام بیومتریک مطرح است که پیشرفت آن دستاوردهاي شاخصی درزمینههاي امنیت نظامی، تجاري و مالی در پی داشته است. از ویژگی هاي متداول و مورد استفاده در سیستمهاي بیومتریک میتوان به چهره، اثر انگشت، کف دست، صدا و غیره اشاره کرد که در این بین تشخیص و تأیید هویت با استفاده از کف دست یک روش نسبتاً جدید در شناسایی هویت است که در حال تحقیق و توسعه است و مورد استفاده قرار میگیرد.براي تأیید یا تشخیص هویت از ویژگیهایی استفاده میشود که براي هر شخص منحصربفرد باشد
سیستم. بیومتریک اساساً یک سیستم تشخیص الگو است که شخص را بر اساس ویژگیهاي خاص فیزیولوژیک یا رفتاري که دارد شناسایی میکند. مسأله مهم در این حوزه از دانش این است که با به کارگیري روشهاي جدیدتر و ترکیب روشهاي موجود مورد استفاده در بیومتریک عملیات تشخیص و تأیید هویت را تسریع بخشیده، دقت این عملیات را افزایش داده و حداقل پیچیدگی را در عملیات تشخیص و تأیید هویت داشته باشیم .
درمیان روشهاي مختلف بیومتریک کف دستیکی ازقابل اعتمادترین روشهاي شناسایی افراد است زیرا اطلاعات و ویژگیها از ناحیه بزرگی ازکف دست استخراج میشود. همچنین الگوهاي کف دست در افراد مختلف تکراري نیست و در طول زندگی ثابت میباشد. ویژگیهاي منحصر به فرد زیادي مانند خطوط اصلی، چین و چروك-ها و برآمدگیها درتصویرکف دست وجود داردکه میتوانند براي شناسایی افراد مورد استفاده قرار گیرند. از آنجا که کف دست حتی در افراد دوقلو هم تفاوت دارد لذا میتواند به عنوان یکی از مطمئن ترین عناصر بیومتریک جهت تأیید و تشخیص هویت مورد استفاده قرار بگیرد.
شکل :1 ویژگی هاي کف دست
براي استفاده از ویژگی بیومتریک جهت شناساییبایستی تصاویر جهت استخراج ویژگی آماده سازي شود که این موضوع با عمل پیش پردازش بر روي تصاویر اولیه محقق میگردد. سپس ویژگی هاي تصاویر استخراج می شود که این مرحله داده هاي خام را به شکل قابل استفاده تري جهت پردازش هاي آماري بعدي فراهم میآورد.
روشهاي مختلفی براي استخراج ویژگی وجود دارد که از جمله آنها میتوان به PCA5، ICA6، تبدیل موجک7، تبدیل رادون8، تبدیل کانتورلت9، تبدیلگسستهکسینوسی10، سیفت و سرف11 اشاره کرد. هدف از طبقه بندي12 بررسیویژگیهاي تصویر جدید با ویژگی هاییاست که براي افراد مختلف ایجادشده ودرپایگاه داده سیستم،موجوداست.
چنانچه میزان شباهت ازیک حدآستانه اي کمتر باشد،دراینصورت هویت فردجدیدتأییدمیشود. براي عمل طبقه بندي نیز روشهاي مختلفی وجود دارد که از جلمه آنها میتوان به نزدیکترین همسایگی13، فاصله اقلیدسی14، فاصله کسینوسی15، همینگ16، ماشین بردار پشتیبانی17 و FLANN اشاره کرد.
تحقیقات مختلفی براي تأیید هویت بر اساس بیومتریک کف دست انجام شده است. در سال 2014بِهِرا و همکارش [3] تأیید هویت را با روش PCA و طبقه بند فاصله اقلیدسی انجام دادند. طی این تحقیق ثابت شد ویژگیهاي مبتنی بر PCA به طور قابل توجهی کاهش نویز و کاهش استفاده از حافظه و زمان محاسباتیتأیید هویت را به دلیل کاهش ابعاد در پی دارد. این روش دقت %86.36 در تأیید هویت را نتیجه داده است.
در سال 2015 ویجایالاکسمی و همکارش [4] روش ICA و توصیفگر فیلتر گابور را اجرا کردند که در این روش براي طبقه بندي از ترکیب شبکه عصبی و نزدیکترین همسایگی k استفاده شده است. ابتدا تصاویر با هسته گابور فیلتر شده و سپس ویژگی هاي ICA استخراج شده اند. نتایج این تحقیق بیانگر این بود که این روش براي تصاویر با کیفیت پایین نیز مناسب میباشد . در این تحقیق دقت روش اجرایی به مقدار %92.7 بدست آمد.
در سال 1385 آزاده قندهاري و همکارش [5] روشی جدید براي تعیین ناحیه مطلوب از کف دست ارائه کرده اند که در آن یک ناحیه دایره اي شکل متناسب با اندازه کف دست از تصویر اصلی استخراج میشود. جهت استخراج ویژگی از فیلتر گابور و براي طبقه بندي نیز از متریک همینگ استفاده شده که نتیجه بدست آمده نشان از برتري روش تقطیع پیشنهادي - دایره اي - نسبت به سایر روشهاي تقطیع دارد. دقت روش اجرایی در این تحقیق به مقدار %98.2 اندازه گیري شده است.
در روش پیشنهادي سعی میشود با الگوریتم استخراج ویژگی سیفت و طبقه بند FLANNکه هر دو از روش هاي نسبتاً جدیدي میباشند تأیید هویت را با دقت بالاتري انجام داد.
-2 تأیید هویت
در تأیید هویت شخص یک هویت از خود ابراز میدارد و سیستم بررسی میکند که آیا ادعاي شخص درست است یا نه، یعنی سیستم به این پرسش پاسخ می دهد که "آیا تو کسی که ادعا می کنی هستی؟". در تأیید هویت، بررسی فقط با اطلاعات موجود راجع به همان شخص انجام میگیرد و اطلاعات سایر افراد مورد بررسی قرار نمی گیرد و در واقع بررسی یک به یک میباشد . اگر اطلاعات ورودي کاربر با اطلاعات موجود در سیستم مشابهت زیادي داشته باشد ادعاي وي به صورت "واقعی" و در غیر این صورت به صورت "اشتباه" گزارش می شودتأیید. هویت معمولاً در کاربردهایی به کار میرود که افراد ناشناخته حق استفاده از سرویسی را نداشته باشند. در شکل - 2 - روند کلی سیستم تأیید هویت نمایش داده شده است
شکل :2 سیستم تأیید هویت
-3 مشخصه هاي سیستم بیومتریک
امروزه براي شناسایی هویت افراداز مشخصات فیزیولوژیکی و رفتاري ازجمله اثرانگشت، صدا، عنبیه، شبکیه، دست، صورت، دست خط، راه رفتن و طرز نشستن استفاده میشود. اما سوال اصلی اینجاست، کدام مشخصه بیومتریک بهترین است؟ یک مشخصه ایده-آل بیومتریک، پنج کیفیت دارد:
-1 ثبات:عدم تغییر و ثابت بودن در طول زمان -2 تمایز:19 متفاوت بودن در اشخاص مختلف
-3دردسترس بودن:20 کل جمعیت این مقیاس را داشته باشند -4 قابلیت دستیابی:آسان و ممکن بودن تصویربرداري-5 قابلیت پذیرش:عدم اعتراض افراد به تصویربرداري و اندازه گیري
امروزه نحوه اندازه گیريکمیاین پنج کیفیت مشخص شده است. ثبات با »نرخ عدم انطباق« اندازه گیري میشود که احتمال عدم تطابق نمونه گرفته شده باتصویرثبت شده وجوددارد. تمایز به وسیله »نرخ انطباق خطا« اندازهگیري میشودکه احتمال تطابق نمونه گرفته شده باتصویرثبت شده کاربرد دیگر وجود دارد.
دردسترس بودن بوسیله نرخ »شکست به ثبت نام« اندازه گیري میشود که احتمال این است که یک کاربر قادر به ارائه مشخصات خواناي خود به سیستم به دلیل نوع ثبت مشخصات نباشد. قابلیت دستیابی از طریق »نرخ خروجی« سیستم کمی میشود، یعنی تعداد افرادي که می-توانند دریک زمان واحد مشخصات شان پردازش شود که این زما ن واحد میتواند یک دقیقه یا یک ساعت باشدو. نهایتاً قابلیت پذیرش بوسیله »رایگیري از کاربران دستگاه« ، اندازه-گیري میشود .
-4 ساختار عمومی تأیید هویت
مراحل مختلف روشهاي تأیید هویت شامل مراحل زیر میباشد:
-1 دریافت تصویر
-2 پیش پردازش تصویر
-3 استخراج ویژگی
-4 طبقه بندي و ارزیابی
شکل :3 ساختار عمومی سیستم تشخیص هویت
در مرحله اول تصویر از پایگاه داده دریافت شده و در صورت نیاز پیش پردازشهایی جهت بهبود کیفیت تصویر روي آن انجام میشود. سپس ویژگی هاي تصویر با استفاده از الگوریتمهاي استخراج ویژگی استخراج میشود. در گام بعدي با استفاده از طبقه بند کار طبقه بندي ویژگیهاي استخراجی انجام میشود و نهایتاً جهت تعیین هویت این ویژگی ها با ویژگی هاي استخراج شده تصویر تستی مورد ارزیابی قرار میگیرد.
-1-4 پیش پردازش
پیش پردازش براي آماده سازي تصویرجهت استخراج ویژگی استفاده میشودو عموماًشامل مراح لزیراست : تبدیل تصویررنگی به تصویرخاکستري: ازآنجاکه اغلب تصویر خاکستري براي استخراج ویژگیهاي تصویر کافی است، بنابراینتصویررابهخاکستریتبدیلمیکنیمکهباعث کاهش چشم-گیر حجم محاسب اتمی شود.
هموارسازي:23عمل هموارسازي با استفاده ازفیلترهایی نظیر فیلتر گاوسی به منظورکاهش نویز در تصاویر انجام میشود.
آشکارسازل به:24با استفاده از الگوریتمهاي مختلف نواحی مفید پردازش را واضح تر استخراج میکنیم،که اینکارباعث میشود تا محاسبات براي پیدا کردن نقاط مهم درتصاویر تاحدزیادي کاهش یابد .
-2-4 استخراج ویژگی
براي سهولت دسترسی به ویژگیهاي تصویر، به جاي استفاده از مقادیر پیکسلها، با استفاده از روشهایی خاص ویژگیهاي تصویر را استخراج و در قالبی نمایش میدهند که قابل مقایسه باشد. به این روشها استخراج ویژگی میگویند. خروجی این روشها عدد یا برداري است که یکی از ویژگیها را معرفی میکند که به آنها توصیفگر گفته میشود. به برداري که از کنار هم قرار دادن این کلاسهاي ویژگی به دست میآید بردار ویژگی گفته میشود. روشهاي مختلف استخراج ویژگی به یک یا چند منظور زیر انجام میشود: حذف نویزها، جداسازي اجزاي مستقل دادهها، کاهش ابعاد براي مختصر کردن تعداد ویژگیها، افزایش بعد براي تولید بازنمایی جدایی پذیرتر. مجموعهاي از ویژگیها براي هر کلاسی استخراج میشود که امکان تمایز آن از دیگر کلاسها را فراهم مینماید. مطلوب است ابعاد ویژگی انتخاب شده و بردار ویژگی ساخته شده کوچک باشد تا پیچیدگی محاسباتی آموزش و طبقهبندي کاهش یابد.
-3-4 طبقه بندي و ارزیابی
درتأیید هویت، ویژگیهاي یک هویت نامشخص و مدل هویتیکهویادعا میکند داده شده است که سؤالایناستکه آیا ویژگیهاي این هویت نامشخص، به اندازه کافی به مدل هویت ادعا شده شباهت دارد یا خیر. درحقیقت این سیستم، هویت یک شخص را از طریق مقایسه مشخصه بیومتریک برداشته شده از فرد با نمونهاي که از این شخص در پایگاه داده ذخیره شده، مقایسه می کند. دراین مسأله، مستقل از تعداد هویت هاي ذخیره شده است
