تشخيص هويت بااثر انگشت

بسم الله الرحمنالرحیم

 

مقدمه

در جامعه امروز ما تشخیص هویت نقش مهمی‌را ایفا می‌کند
در تشخیص هویت سعی می‌شود تا برای چنین سوالاتی پاسخ پیدا کنیم:
۱) ایا یک فرد خاص همان کسی است که ادعا می‌کند؟
۲) ایا سوابق و یا اطلاعاتی از یک فرد خاص موجود است؟
۳) ایا یک فرد خاص حق ورود به سیستم را دارد؟
۴) یک کارمند خاص مجاز به چه عملیاتی در سیستم است؟
برای پاسخ دادن به این سوالات در اولین گام باید هویت فرد را مشخص کرد.از طرفی دیگر با رشد سریع تکنولوژی شاهد ان هستیم که ارتباط بین افراد بیش از پیش الکترونیکی می‌شود. بنابراین نیاز داریم تا هویت افراد را بطور دقیق و خودکار تعیین کنیم.

انواع مشخصه‌هاي تشخيص هويت

امروزه مشخصه‌هاي متعددي از انسانها مي تواند براي شناسايي به کار رود که تعدادي از آنها فيزيکي و تعدادي رفتاري هستند. بعنوان مثال مي توان از اثر انگشت، پوشش عنبيه و شبکيه، الگو‌هاي سياهرگهاي بدن و DNA  بعنوانويژگي‌هاي فيزيکي و تون صدا، امضا و سرعت تايپ بعنوان ويژگي‌هاي رفتاري نام برد. از ويژگي‌هاي رفتاري معمولا تنها براي تاييد هويت استفاده مي در حالي که ويژگي‌هاي فيزيکي هم براي شناسايي و هم براي تاييد هويت قابل استفاده اند. براي دسترسي به اين ويژگي‌ها از ابزارها و روشهاي خاصي مانند ضخامت و قطر رگها يا دايره‌هاي رنگي چشم، لرزشهاي ناخودآگاه دست، چيدمان و شيوه قرار گرفتن اشکال هندسي بر روي انگشتان و … استفاده مي شود.

روشهاي سنتي

با وجودیکه شناسایی افراد بصورت خودکار در جامعه امروز امری ضروری به نظر می‌اید اما شناسایی افراد توسط خصیصه‌های فیزیکی  ورفتاريان‌ها موضوع تازه ای نیست .انسان‌ها یکدیگر را با توجه به خصیصه‌های فیزیکی شان شناسایی می‌کنند.ما در ملاقات حضوری یکدیگر را از روی چهره تشخیص می‌دهیم و یا در ارتباط تلفنی با توجه به صدای فرد مقابل به هویت او پی می‌بریم. در روش‌های سنتی اطلاعاتی که فرد در اختیار دارد بیانگر هویت اوست.از جمله این اطلاعات می‌توان به کلمه رمز و یا یک شماره شناسایی اشاره کرد که این روش‌های سنتی دارای مزایا و معایبی هستند .

  • مزایا:
    سادگی و کم هزینه بودن ان‌ها است.سیستمی‌که بخواهد چنین شاخص‌هایی را مورد شناسایی قرار دهد چندان پیچیده نخواهد بود و با هزینه اندکی نیز قابل پیاده سازی است.
    معایب:
    این شاخص‌ها قابل دزدین هستند و یا ممکن است فراموش شوند.در واقع در روش‌های سنتی سیستم قادر نیست تا بین فرد واقعی و فرد نفوذ کننده تمایز قایل شود و هر کسی که دانش مورد نظر را در اختیار داشته باشد به عنوان فرد واقعی شناسایی خواهد شد پس می‌توان نتیجه گرفت که سیستم‌های سنتی از امنیت کافی برای جامعه الکترونیکی امروزی ما برخوردار نیستند.

علل استفاده ازاثرانگشت

اما امروزه تعیین هویت قطعی افراد در مبادله اطلاعات یک عنصر

حیاتی در ایمنی داده‌ها است.بنابراین روش‌های مختلفی برای

تعیین هویت افراد وجود دارد.
تعیین هویت افراد با استفاده ازاثرانگشت نسبت به سایرروش‌هاي تعیین هویت بطور گسترده ای مورد استفاده قرار می‌گیرد.به برامدگی‌ها و فرو رفتگی‌های موجود در پوست نوک انگشت اثر انگشت گویند بزرگترین دلیل استفاده گسترده و عمومی‌از اثر انگشت بعنوان ابزار تعیین هویت این است که اثر انگشت افراد منحصر به فردند و در طول عمر فرد تغییر نمی‌کنند.

كاربردها

روش‌های شناسایی اثر انگشت یکی از جالب توجه ترین روش‌های تشخیص الگو برای تعیین هویت افراد هستند.تکنیک‌های شناسایی اثر انگشت اطمینان و ثبات در تشخیص هویت را تضمین می‌کنند و بدین ترتیب در کاربردهای مختلف مورد استفاده قرار می‌گیرد.
از جمله اثر انگشت در صنایع کامپیوتری مانند business,Network,Software liciensing و وسايل جانبی مانند ماوس و صفحه کلید کاربرد دارد.همچنین در روشن کردن اتومبیل , قفل گاو صندوق یا درب‌ها و یا کارت‌های اعتباری استفاده می‌شود.

مشكلات استفاده ازاثرانگشت

از طرف دیگر مشکلات عملی زیادی در سیستم‌های شناسایی اثر انگشت وجود دارد.هر دفعهکهیک اثر انگشت گرفته می‌شود ممکن است بخاطر قابلیت کشسانی پوست , تحریفاتی در شکل و محل اثر انگشت ایجاد شود.علاوه بر این اطمینان بالا و پردازش بلادرنگ  فاکتورهای مهم مورد نیاز در سیستم خودکار شناسایی اثر انگشت هستند.
برای حل این مشکلات , استخراج ریزه‌ها از تصاویر اثر انگشت و کاربرد ان‌ها در تطبیق اثر انگشت مورد بررسی قرار می‌گیرد.

بیومتریک

به روشها و سيستمهاي آماري و رياضي مورد استفاده براي تحليل داده‌هاي فيزيولوژيک، بيومتريک گفته مي شود.

روش‌های بیومتریک از اثر انگشتان , الگوهای رفتاری , خصوصیات چهره ای , اسکن شبکیه چشم , دستخط بعنوان خصیصه‌های قابل شناخت انسان استفاده می‌کنند.
این ویژگی‌ها یا در وجود فرد مسستر است و یا رفتاری است که او از خود بروز می‌دهد.بنابراین به صورت ذاتی نسبت به روش‌های سنتی قابل اعتماد تر بوده است و از امنیت بیشتری برخوردار است.به همین نسبت نیز سیستم‌هایی که قادر به تشخیص شاخص‌های بیومتریکی هستند از پیچیدگی بیشتری برخوردارند.

نکته قابل توجه اینست که سیستم‌های بیومتریک نیز قابل نفوذ هستند و در پاره ای موارد امکان تهیه یک کپی و یا تقلید از ویژگی مورد نظر وجود دارد.در چنین مواردی سیستم بیومتریک ممکن است دچار اشتباه گردد.با این حال سیستم‌های بیومتریک به مراتب نسبت به سیستم‌های سنتی قابل اعتماد تر می‌باشند.

سیستم‌های بیومتریک

یک سیستم بیومتریک در واقع یک سیستم شناسایی الگو است که هویت فرد را با تجزیه و تحلیل ویژگی‌های استخراج شده از خصیصه بیومتریکی تعیین می‌کند.
یک سیستم بیومتریک از لحاظ منطقی به دو بخش تقسیم می‌شود:

1-بخش نام نويسي

2-بخش شناسايي

بخش نام نويسي

در بخش نام نویسی جمع اوری خصیصه‌های بیومتریکی افراد و ذخیره ان‌ها در سیستم انجام می‌شود.
در طی این فاز ویژگی مورد نظر توسط بخش بیومتریک خوان خوانده شده و سپس توسط بخشی با نام استخراج کننده ویژگی , ویژگی‌های موجود در قالب الگوهایی جدا می‌شود و در بانک داده سیستم قرار می‌گیرد.

بخش شناسايي

وظیفه بخش شناسایی , تشخیص و تایید هویت افراد در هنگام ورود و یا دستیابی به سیستم است. طی این فاز بخش بیومتریک خوان خصیصه بیومتریکی را خوانده و ویژگی‌های ان را استخراج می‌کند سپس این ویژگی‌ها را با الگو‌های موجود در بانک داده سیستم مقایسه می‌کند و در نهایت مجوز ورود یا عدم ورود به سیستم را صادر می‌کند.

تفاوت درسيستمهاي سنتي وبيومتريك
در روش‌های سنتی دانشی که به سیستم ارایه می‌شود بطور دقیق هویت فرد را مشخص می‌کند.تفاوت اصلی بین یک سیستم بیومتریک و یک سیستم سنتی تشخیص هویت در پاسخی است که هر یک از این دو به خصیصه ارایه شده می‌دهند.
بر خلاف سیستم‌های سنتی یک سیستم بیومتریک جواب مطلق اری یا نه مبنی بر رد یا پذیرش نمی‌دهند.به عنوان مثال در یک سیستم سنتی یا عین کلمه رمز ارایه شده در سیستم موجود است و یا نیست. بنابراین حالت بینایی وجود ندارد اما در یک سیستم بیومتریک عین خصیصه ارایه شده به سیستم را در بانک داده نداریم وانچه ارزیابی می‌شود میزان شباهت خصیصه ارایه شده با خصیصه موجود در بانک داده است. مثلامیزان شباهت امضای ارایه شده با امضایی که از قبل در سیستم موجود است, اندازه گیری می‌شود.

خطا در سیستم‌های بیومتریکی

هدف ایده ال طراحی یک سیستم بیومتریک است که میزان تطبیق بین دو خصیصه را بطور صد در صد مشخص کند. اما در عمل دستیابی به چنین سیستمی‌غیر ممکن است .بنابراین همواره از یک مقدار حد استانه برای تصمیم گیری در مورد  رد یا پذیرش خصیصه مورد نظر استفاده می‌شود.با توجه به مطالب بیان شده دو نوع خطا برای یک سیستم بیومتریک می‌توان تعریف کرد.
۱- رد درست: بدین معنا که به فرد اصلی اجازه ورود به سیستم داده نشود.این خطا زمانی رخ می‌دهد که سیستم شباهت کافی بین خصیصه ارایه شده و خصیصه موجود در سیستم پیدا نکند.
۲ – پذیرش نادرست :به این معنا که به کاربر غیر مجاز اجازه ورود به سیستم داده شود.این خطا زمانی رخ می‌دهد که شباهت بین خصیصه ارایه شده توسط کاربر غیر مجاز و خصیصهه موجود در سیستم از حد استانه بیشر باشد.

اخذ تصویر

قدیمی‌ترین روش همان روش استفاده از کاغذ و جوهر است در این شیوه ابتدا سطح انگشت را به جوهر اغشته کرده و سپس روی کاغذ می‌غلتانند.برای وارد کردن تصویر به دست امده به یک سیستم کامپیوتری از یک پویشگر تخت استفاده می‌شود. تصویر بدست امده از این روش بسیار اعوجاج داشته و حتی در تشخیص بصورت دستی نیز نیازمند یک فرد خبره است.

اسكن زنده

روش دیگری که امروزه در بسیاری از سیستم‌ها از ان استفاده می‌شود بکارگیری دوربین‌های CCD است.
در روش اخیر که اصطلاحا اسکن زنده نیز نامیده می‌شود دستیابی به تصویری با کیفیت خوب امکان پذیر است.چهار تکنیک برای اسکن زنده وجود داردکه به ان‌ها اشاره

می‌کنیم:
۱) تکنیک نوری
۲) ماورا صوت
۳) میدان الکتریکی
۴) تکنیک حرارتی

درکلیه این تکنیک‌ها سطح انگشت با قسمت خاصی از دستگاه در تماس قرار گرفته تصویر اخذ می‌شود.
در تکنیک نوری انگشت بر روی یک منشور قرار می‌گیرد و به ان نور تابانده می‌شود.با اندازه گیری میزان نور بازگشتی از هر قسمت تصویری از اثر انگشت شکل می‌گیرد.
در روش ماورا صوت با توجه به میزان انرژی صوتی منعکس شده از سطح انگشت برای اشکار سازی لبه‌ها و شیارها استفاده می‌شود.

میدان الکتریکی بر اساس اندازه گیری اختلاف ظرفیت الکتریکی سطح انگشتی که حسگر را لمس می‌کند عمل می‌کنند

و در نهایت حسگر‌های حرارتی با اندازه گیری اختلاف دمای سطح پوست شیارها و لبه‌های اثر انگشت را نمایان می‌سازد.

عوامل اختلاف دردونسخه ازيك اثرانگشت

روش اسکن زنده ,تصویر نسبتا خوبی از اثر انگشت ارایه میدهد.اما هنوز هم عواملی چون خشکی پوست بیماری‌های پوستی , عرق, کثیفی و چربی باعث بوجود امدن اعوجاج درتصویر اثر انگشت می‌شوند.در هر دو روش سنتی و اسکن زنده عواملی باعث بروز اختلاف در دو نسخه از یک اثر انگشت می‌شوند که در زیر به ان‌ها اشاره می‌کنیم:
۱) انتقال: تفاوت در موقعیت مکانی نسخه‌های مختلفی که از اثر انگشت گرفته می‌شود.
۲) چرخش: ناشی از چرخش انگشت هنگام اخذ اثر انگشت است.

۳) مقیاس: از اختلاف فشاری که فرد در هر بار اخذ اثر انگشت به سطح دستگاه یا کاغذ وارد می‌کند ناشی می‌شود.
۴) اختلاف در اثر انگشت به دلیل عواملی چون بیماری‌های پوستی, سوختگی و عرق با وجود این که اسکن زنده تصویری با کیفیت خوب از اثر انگشت در اختیار ما قرار می‌دهد اما باز هم مکانیزم‌هایی به موازات ان برای اخذ اثر انگشت به صورت کنترل شده به کار می‌رود. در اخذ اثر انگشت به صورت کمنرل شده میزان فشاری که فرد در هر بار اخذ به سطح دستگاه وارد می‌کند توسط یک حسگر فشار اندازه گیری شده و به عنوان یک پارامتر ورودی به سیستم داده می‌شود بدین طریق می‌توان باز هم کارایی سیستم را افزایش داد.

طبقه بندی اثر انگشت
طبقه بندی اثر انگشت در سیستم‌های تعیین هویت مورد استفادهقرار می‌گیرد.هدف از طبقه بندی اثر انگشت این است که بانکداده را تا حد امکان به بخش‌های کوچکتری تقسیم کنیم     . درسیستم‌های تعیین هویت تنها بخشی از بانک داده که از  حیث طبقه متناظر با اثر انگشت ورودی است مورد جستجوقرار         می‌گیرد.درسیستم‌هایی که با جمعیت‌های کم کار می‌کنند

می‌توان از رده ای که اثر انگشت به ان متعلق است به عنوانتنهاویژگی برای تعیین یا تایید هویت فرد استفاده کرد.

روش هنري

از جمله قدیمی‌ترین سیستم طبقه بندی مورد استفاده در سیستم‌های دستی روشی است که توسط هنری ارائه شده است.در این طبقه بندی ۵ رده وجود دارد که به ترتیب راستحلقه, چپحلقه, پیچشی , کمانی و کمانی خیمه ای نامیده می‌شود.
تعیین طبقه برای یک اثر انگشت با توجه به جهت امتداد لبه‌ها در اطراف هسته و همچنین تعداد و چگونگی قرار گرفتن نقاط هسته و دلتا صورت می‌گیرد.در موارد کمی‌نمی‌توان یک اثر انگشت را به یک طبقه خاص نسبت داد و همواره در هر نوع سیستم طبقه بندی یک طبقه با نام طبقه غیر مترقبه در نظر گرفته می‌شود و چنین اثر انگشتی را به این طبقه نسبت

می‌دهند.

طبقه بندی ارائه شده برای فرایندی دستی طبقه بندی مناسبی است.چرا که ضوابط بیان شده برای نسبت دادن یک اثر انگشت به یک رده خاص بسیار شفاف و واضح است.در یک سیستم خودکار بهتر است تا با بیشتر کردن تعداد رده‌ها بانک داده را به بخش‌های کوچکتری تقسیم کنیم.اما به دلیل واضح بودن سیستم طبقه بندی ارائه شده اکثر سیستم‌های خودکار امروزی نیز از همین طبقه بندی استفاده

می‌کنند.

استخراج ویژگی‌های موجود در اثر انگشت
خصوصیات اصلی در یک اثر انگشت لبه‌ها)برجستگی‌ها) و شیارها ( فرو رفتگی‌ها(هستند که بصورت یک در میان قرار دارند.لبه‌ها و شیارها بصورت محلی دارای جهت یکسانی بوده و موازی می‌باشند.در خطوط لبه بی نظمی‌های مانند دو شاخه شدن خط لبه و پایان یافتن خط لبه دیده می‌شود در چنین حالتی اصطلاحا می‌گوییم با عدم پیوستگی محلی مواجه گشته ایم. که چنین نقاطی را ویژگی می‌نامند.
رایج ترین ویژگی‌هایی که امروزه از اثر انگشت استخراج می‌شود ویژگی‌هایی هستند که توسط Galton معرفی شدند.در ابتدا این شخص چهار ویژگی معرفی کرد اما بعد‌ها این ویژگی توسط افراد دیگری هم توسعه پیدا کرد و تا هجده ویژگی معرفی شد.

پايان لبه وريزه

استخراج خودکار کلیه ویژگی‌های معرفی شده توسط کامپیوتر بسیار مشکل بوده و حتی استخراج ان‌ها بصورت دستی نیز نیاز به تخصص دارد. در اکثر سیستم‌های خودکار امروزی فقط به استخراج دو ویژگی خاص با نام‌های پایان  لبه و دو شاخه که ریزه نامیده

می‌شود بسنده می‌شود.این دو ویژگی خاص بیشتر از ویژگی‌های دیگر در یک اثر انگشت قابل مشاهده است و الگوریتم‌های استخراج ان از قابلیت اعتماد بیشتری برخوردار می‌باشد.شناسایی اثر انگشت بر اساس تحلیل ریزه‌های استخراج شده انجام می‌شود.بنابراین قابلیت اجرا و کارایی سیستم خودکار شناسایی اثر انگشت به دقت ریزه‌های استخراج شده بستگی دارد.

تصويرباينري

البته تعداد زیادی از روش‌ها برای کشف ریزه‌های اثر انگشت وجود دارد در بیشتر این روش‌ها تصاویر سیاه و سفیدسطح خاکستری) اثر انگشت را به یک تصویر باینری (دو سطحیتبدیل می‌کند.
طی این فاز لبه‌ها از شیارها کاملا تفکیک می‌شود. سپس یک فرایند نازک سازی که باعث می‌شود تا لبه‌ها به منحنی‌هایی با عرض یک نقطه تبدیل شوند بر روی تصویر باینری انجام

می‌دهند.در مرحله بعد ریزه را از تصویر باینری نازک سازی شده استخراج می‌شوند. البته تبدیل تصویر سطح خاکستری به تصویر باینری , ممکن است بسیاری از اطلاعات ریزه‌ها را از بین ببرد و عملیات بسیار حساسی است.همچنین فرایند نازک سازی داخلی از نظر محاسباتی بسیار پیچیده است.

روش استخراج ریزه‌ها

روش استخراج ریزه‌های بررسی شده در این پروژه بر اساس الگوریتم دنبال کردن خط لبه است.در این الگوریتم جهت لبه‌ها و مشخصه‌های ساختاری خطوط لبه مانند عرض و فاصله خطوط لبه به صورت خودکار از تصویر سطح خاکستری اثر انگشت براورد می‌شوند.
برای بدست اوردن نتایج قابل اطمینان در استخراج ریزه تصویر اثر انگشت ورودی تحلیل می‌شود و پارامتر‌های خطوط لبه براورد می‌شوند. سپس الگوریتم دنبال کردن خط لبه برای استخراج ریزه‌ها بکار می‌رود.برای حفظ هر اثر انگشت,

مرز‌های تطبیق توافقی برای حذف ریزه‌های نا معتبر خارج از محدوده مورد نظر تولید و برای تعیین مقدار کمی‌ریزه‌ها از مفهوم مجموعه‌های فازی روی ریزه‌ها استفاده می‌شود.اگر ریزه‌های بدست امده معتبر باشند در یک بانک اطلاعاتی ثبت می‌شوند و در غیر این صورت به مرحله تطبیق می‌روند.

خصوصيات استخراجي ريزه‌ها

خصوصیاتی از اثر انگشت که در یک سیستم خودکار ذخیره

می‌شود شامل موقعیت مکانی , جهت و نوع ریزه‌ها است.بدین ترتیب مساله تطبیق دو اثر انگشت به تطبیق دو گراف یا دو مجموعه از نقاط منتهی می‌شود.تحقیقاتی که در طی یکصد سال گذشته صورت گرفته یکتا بودن الگوی اثر انگشت بر اساس ریزه را برای جمعیت‌های زیاد تضمین می‌کند.بر روی یک تصویر کامل از اثر انگشت بین ۵۰ تا ۱۵۰ ریزه قابل استخراج است و در یک سیستم خودکار استخراج و تطبیق حدود ۱۰ ریزه برای نتیجه گیری در مورد یکسان بودن دو اثر انگشت کافی می‌باشد.مشکل عمده سیستم‌های امروزی که بر اساس ریزه کار می‌کنند کیفیت پايین تصاویر اثر انگشت و در نتیجه عدم وجود الگوریتم‌های قابل اعتماد در استخراج ریزه است.

ديگرويژگي‌هاي استخراجي

همواره این احتمال وجود دارد که یک ریزه به اشتباه استخراج شود و یا ریزه ای که وجود دارد استخراج نشود.مساله استخراج اشتباه یک ویژگی در مورد دیگر ویژگی‌های معرفی شده به جز ریزه‌ها شدیدتر می‌باشد.
در بعضی سیستم‌ها ویژگی‌های دیگری نیز علاوه بر ریزه‌ها استخراج می‌شوند.یکی از رایج ترین این ویژگی‌ها تعداد لبه ایی است که توسط خط واصل بین دو ریزه قطع می‌شود.از دیگر این ویژگی‌ها می‌توان به حفره‌های موجود بر روی بعضی لبهها اشاره کرد.
حجم محاسبات برای استخراج ویژگی‌های یک اثر انگشت بسیار بالا می‌باشد. و این مساله به خصوص در سیستم‌های On Line مشکل بوجود می‌اورد.

در بخش‌هایی از اثر انگشت که از کیفیت مطلوبی برخوردار نیستند تعداد زیادی ویژگی کاذب استخراج می‌شود که واقعا وجود ندارند.
برای کاهش حجم محاسبات و صرفه جویی در وقت الگوریتم استخراج ویژگی بر روی کلیه قسمت‌های تصویر اعمال

نمی‌شود.بلکه ابتدا با محاسبات ساده تری سعی می‌شود تا قسمت‌هایی که دارای کیفیت بهتری هستند مشخص شوند و سپس تنها در این قسمت‌ها به استخراج ویژگی پرداخته می‌شود.
بدین طریق هم سرعت سیستم را افزایش داده ایم و هم به قابلیت اعتماد مکانیزم استخراج ویژگی افزوده ایم.در کنار این دو مزیت این روش دارای یک عیب نیز می‌باشد و ان اینست که با کنار گذاشتن قسمت‌هایی از اثر انگشت از درجه یکتایی ان کاسته می‌شود .

نقاط تكين

در یک اثر انگشت ویژگی‌هایی وجود دارد که برای فرایند طبقه بندی بسیار مناسب می‌باشد.که این ویژگی‌ها نقاط هسته و دلتا نام دارند.که با نام نقاط تکین نیز شناخته می‌شوند.
که با استفاده از نقشه جهتی استخراج نقاط هسته و دلتا میسر

می‌شود. نقشه جهتی(Direction Map) ماتریسی است که هر درایه از ان متناظر با محلی روی تصویر اثر انگشت بوده و مقدار هر درایه جهت غالب لبه‌ها و شیارها را در موقعیت مورد نظر نشان می‌دهد .

تطبیق اثر انگشت

تطبیق فرایندی است که طی ان میزان شباهت دو اثر انگشت اندازه گیری می‌شود.در اکثر سیستم‌ها از ریزه‌ها برای تطبیق دادن دو اثر انگشت استفاده می‌شود                         .
در روشی موسوم به بانک فیلتر ابتدا تصویر اثر انگشت به بخش‌هایی تقسیم می‌شود سپس در هر بخش فیلتری موسوم به Gabor Filter را با زاویه‌های مختلف اعمال کرده و به ازای هر زاویه انحراف معیار برای ناحیه مورد نظر محاسبه

می‌شود. با توجه به این که Gabor Filter یک فیلتر جهتی است و لبه‌های اثر انگشت نیزدر هر ناحیه دارای یک جهت غالب می‌باشد اعمال فیلتر با زاویه‌های مختلف باعث می‌شود که لبه‌ها تضعیف یا تقویت شوند.

اگر زاویه انتخاب شده برای فیلتر برابر یا نزدیک به جهت غالب لبه‌ها در ناحیه مورد نظر باشد ان‌ها را تقویت خواهد کرد و در غیر این صورت باعث تضعیف یا کم رنگ تر شدن لبه‌ها

می‌شود.در هر بار بکارگیری فیلتر انحراف معیار برای ناحیه مورد نظر محاسبه شده و مجموعه انحراف معیار‌های محاسبه شده بردار ویژگی متناظر با اثر انگشت مورد نظر را تشکیل

می‌دهد.در فاز تطبیق این بردار‌های ویژگی هستند که با هم مقایسه می‌شوند. سیستم‌های تطبیق مبتنی بر ریزه می‌توانند به یکی از این دو شیوه عمل کنند :
۱) تطبیق نقاط
۲) تطبیق ساختار

در تطبیق نقاط, موقعیت مکانی , نوع ریزه و جهت لبه ای که ریزه بر روی ان قرار گرفته به عنوان خصوصیات اثر انگشت ذخیره شده و سپس در فاز تطبیق بررسی می‌شود که چند ریزه به خصوصیات یکسان بر روی هم ردیف می‌شوند.
برای بررسی این موضوع دو اثر انگشت به گونه ای بر روی هم قرار

می‌گیرند که بیشترین ریزه با خصوصیات یکسان بر روی هم ردیف شوند.سپس این تعداد شمرده شده و با مقدار حد استانه مقایسه می‌شود و تصمیم لازم نیز اتخاذ می‌گردد.
در روش تطبیق ساختاری , دیگر به موقعیت مکانی ریزه‌ها توجهی

نمی‌شود بلکه ساختار اطراف ان‌هاو یا به عبارت دیگر نوع ریزه‌هایی که در همسایگی یک ریزه قرار دارند به عنوان خصوصیات ان مد نظر قرار می‌گیرد.بدین صورت یک زیر گراف برای یک ریزه تشکیل

می‌گردد و این زیر گراف‌های ریزه‌ها هستند که با هم تطبیق داده

می‌شوند.

در چهار دهه گذشته غير از روش انگشت نگاري روشهاي جديد ديگري (بيش از 10 روش) ابداع شده و مورد استفاده قرار گرفته است. موسسات و شرکتها روشهاي جديدتري را هر روزه مطرح مي کنند و کشورها با بررسي آنها و مقايسه سرعت، قيمت و هزينه استفاده از آنها روشهاي جديد را تاييد نموده يا مورد استفاده قرار مي دهند .

با تشکر از توجه شما

image-processing-matlab-download-train

particle-filter-train-movie

optical-flow-matlab-train-movie2

2 دیدگاه دربارهٔ «تشخيص هويت بااثر انگشت»

  1. سلام
    ایا دیتاستی در مورد تشخیص هویت با اثر انگشت یا تشخیص چهره در این موضوع به کار رفته اگه رفته لطف نیکنید برای من ارسال کنید هرینه هم هر چقدر باشه من درخدمتم
    با تشکر

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

+ seventy one = 74