Pattern Recognition 36 (2003) 371 – 381
www.elsevier.com/locate/patcog
Palma bosma funksiyalaridan foydalangan holda shaxsiy autentifikatsiya
-
Chin-Chuan Xan
a;
∗
, Xsu-Liang Cheng
b
, Chih-Lung Lin
b
, Kuo-Chin Fan
b
a
Chung-Xua universiteti, kompyuter fanlari va axborot muhandisligi bo'limi, 30 Tung Shiang, Hsinchu 300, Tayvan,
Xitoy Respublikasi
b
Milliy markaziy universiteti kompyuter fanlari va axborot muhandisligi bo‘limi, Chungli, Tayvan, Xitoy Respublikasi
2001 yil 21 dekabrda olingan
Abstrakt
Biometrikaga asoslangan autentifikatsiya har bir shaxsga xos biologik xususiyatlardan foydalangan holda tekshirish usulidir. Ular bir xil, ko'chma
va mashaqqatli takroriy xususiyatlar asosida qayta ishlanadi. Ushbu maqolada biz skanerga asoslangan shaxsiy autentifikatsiya tizimini kaft bosish
xususiyatlaridan foydalangan holda taklif qilamiz. Bu tarmoqqa asoslangan ko'plab ilovalarda juda mos keladi. Autentifikatsiya tizimi ro'yxatga olish
va tekshirish bosqichlaridan iborat. Ro'yxatga olish bosqichida o'quv namunalari yig'iladi va qayta ishlanadioldindan ishlov berish, xususiyatlarni
ajratib olish,vamodellashtirishMos shablonlarni yaratish uchun modullar. Tekshiruv bosqichida so'rov namunasi, shuningdek, oldingi ishlov berish va
xususiyatlarni ajratib olish modullari tomonidan qayta ishlanadi, so'ngra uning haqiqiy namunami yoki yo'qligini aniqlash uchun mos yozuvlar
shablonlari bilan mos keladi. Har bir namuna uchun qiziqish mintaqasi (ROI) birinchi navbatda oldindan ishlov berish modulidan olinadi. Keyinchalik,
Sobel va morfologik operatsiyalar yordamida ROI dan kaft bosma xususiyatlari olinadi. Muayyan foydalanuvchi uchun mos yozuvlar shablonlari
modellashtirish modulida yaratilgan. Va nihoyat, tekshirish bosqichida o'xshashlikni o'lchash uchun shablonni moslashtirish va orqaga tarqalish
neyron tarmog'idan foydalanamiz. Eksperimental natijalar shaxsiy autentifikatsiyada biz taklif qilayotgan yondashuvlar to‘g‘riligini tasdiqlaydi. ? 2002
Shaklni tan olish jamiyati. Elsevier Science Ltd tomonidan nashr etilgan. Barcha huquqlar himoyalangan.
Kalit so‘zlar:Shaxsiy autentifikatsiya; Palmprint xususiyatlari; Ko'p shablonlarni moslashtirish; Orqa tarqalish neyron tarmog'i
1.Kirish
14 diDerent biometrik texnologiyalarini batafsil taqqoslash. O'Gorman
[3], shuningdek, oltita biometrik xususiyatni moslashtirish, tekshirish,
bir kishi uchun maksimal mustaqil namunalar, sensor narxi va sensor
o'lchami mavzularida o'rganib chiqdi. Garchi gerprint va ko'z
xususiyatlari juda yuqori tanib olish tezligini ta'minlasa-da, ular
identifikatsiyalash tizimlari uchun mos emas. Birinchidan, ko'zga
asoslangan funksiyalarning sensor narxi kompyuter, uy xavfsizlik
tizimlari, cheklangan kirish nazorati, korporativ tarmoqlar va boshqalar
kabi past xavfsizlik talab qiladigan ko'plab ilovalarda qo'llash uchun
juda yuqori. Bundan tashqari, gerprint xususiyatlari jinoiy tergovda
keng qo'llaniladi. va tijorat tranzaksiyalari bilan bog'liq holda,
foydalanuvchilar ko'pchiligi maxfiylik sababli o'zlarining gerprint
ma'lumotlarini kompaniya yoki tizimga etkazib berishni xohlamaydilar.
Jain va boshqalar. [2] taʼkidlaganidek, “Biometriya va ilova oʻrtasidagi
moslik ushbu ilovaning talablariga, ilovalarning xususiyatlariga va
biometrikaning xususiyatlariga qarab belgilanadi”. Ushbu maqolada
biz kirishni nazorat qilish tizimlaridagi shaxslarni aniqlash uchun
palma iziga asoslangan texnologiyani taklif qilamiz.
So'nggi paytlarda biometrik xususiyatlar ko'plab shaxsiy
autentifikatsiya dasturlarida keng qo'llanilmoqda, chunki ular quyidagi
fiziologik xususiyatlarga ega [1]:universallik, o'ziga xoslik, doimiylik,
yig'ish qobiliyati, ishlash, maqbullik,vachetlab o'tish.Yuqoridagi
xususiyatlarga ko'ra, kirishni boshqarishning ko'plab tizimlari raqamli
parolni almashtirish uchun biometrik xususiyatlarni qabul qiladi.
Biometrik xususiyatlar insonning biologik organlari yoki xatti-
harakatlaridan olingan xususiyatlardir. Tarmoqli jamiyatda shaxsiy
identifikatsiya qilish uchun turli xil biometrik texnologiyalarga
bag'ishlangan birinchi kitob Jain va boshqalar tomonidan tahrirlangan.
1999 yilda [2]. Bu kitobda ular yaratadilar
- Ushbu ish Tayvan Milliy Ilmiy Kengashi tomonidan NSC89-2213-
E-343-004-sonli grant bo'yicha qo'llab-quvvatlanadi.
∗
Muallif. Tel.: +886-3-5374281x8306; faks:
+886-3-5374281.
E-pochta manzili:cchan@chu.edu.tw (C.-C. Xan).
0031-3203/02/$22.00 ? 2002 Shaklni tan olish jamiyati. Elsevier Science Ltd tomonidan nashr etilgan. Barcha huquqlar himoyalangan.
PII: S0 0 3 1 - 3 2 0 3 ( 0 2 ) 0 0 0 3 7 - 7
Translated from English to Uzbek - www.onlinedoctranslator.com
372
C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
1-rasm. Biometrik tekshirish tizimlarining modullari.
Golfarelli va boshqalar. [4] shaxsiy identifikatorni tekshirish uchun
qo'l shaklining 17 xususiyatini ajratib oldi. Zunkel [5] qo'lda
geometriyaga asoslangan tanib olishning tijorat mahsulotini taqdim
etdi va uni ko'plab kirishni boshqarish tizimlarida qo'lladi. Jain va
boshqalar. [6] qo'l shakllari orqali shaxslarni tekshirish uchun
deformatsiyalanadigan moslashtirish usullaridan foydalangan. Sinov
namunasining qo'l shakli ma'lumotlar bazasidagi shakliga mos keladi
va o'xshashlikni baholash uchun aniq masofa hisoblanadi. Ularning
yondashuvlarida 96,5% aniqlik darajasi va 2% noto'g'ri qabul qilish
darajasi (FAR) ga erishiladi. Chjan va Shu [7] kaft bosma funksiyalari
orqali tekshirish jarayonini oʻtkazish uchun maʼlumotlar nuqtasi
oʻzgarmas xususiyati va chiziq xususiyatlarini moslashtirish texnikasini
qoʻllagan. Ular qog'ozlarga kaft izini bo'yashdi va keyin skanerdan
o'tkazib, 400 tani olishdi
×
400 ta rasm. Bu ko'plab onlayn xavfsizlik
tizimlari uchun mos emas, chunki ularning yondashuvida palma
bosma tasvirlarni olish uchun ikki qadam kerak bo'ladi. Kung va
boshqalar. [8] qarorga asoslangan neyron tarmoq (DBNN) klassini
ishlab chiqdi va uni yuzni aniqlash va kaft izini tekshirish uchun
qo'lladi. Joshi va boshqalar. [9] 472 uzunlikdagi keng chiziqli
integratsiyalashgan pro,le(WLIP) ni yaratish uchun CCD kamera
yordamida oʻrtadagi tasvirni oldi. Shuningdek, ular kirish namunasi va
mos yozuvlar oʻrtasidagi oʻxshashlik qiymatlarini hisoblash uchun
normallashtirilgan korrelyatsiya funksiyasidan foydalanganlar.
andozalar. Bundan tashqari, Chjan [10] kaftning global atributlarini
olish uchun teksturaga asoslangan xususiyatlarni ajratib olish usulini
taklif qildi. Bundan tashqari, katta ma'lumotlar bazasida palma izlari
namunalarining to'g'ri va e'tiborli tarzda tasniflanishini ta'minlash
uchun dinamik tanlash sxemasi ishlab chiqilgan.
Ko'pgina ma'ruzalarda inson qo'lidan ikkita mumkin bo'lgan
biometrik xususiyatni olish mumkin. Birinchidan, kenglik, uzunlik
va qalinlik kabi qo'l shaklidagi geometrik xususiyatlar ko'plab
tizimlarda qabul qilingan taniqli xususiyatlardir. Bu xususiyatlar
ko'pincha ringsdagi halqalarni kiyish tufayli o'zgarib turadi.
Bundan tashqari, ayollar, gerslarning kengligi yoki qalinligi
homiladorlik tufayli qisqa vaqt ichida tez o'zgarib turadi. Qo'l
geometriyasining o'zgarishiga ko'ra, u xodimlar yoki foydalanuvchilarning
kirish ma'lumotlarini yozib olish uchun past xavfsizlik talablari va past rad
etish darajasi bilan kirishni boshqarish tizimlarida ishlatilishi mumkin.
Bundan tashqari, ma'lumotlar bazasidagi mos yozuvlar xususiyatlari tez-tez
yangilanib turishi kerak. Xurmo shakli xususiyatlari bilan solishtirganda,
qo'llardan olinadigan nisbatan barqaror xususiyat - bu kaftlarning bosilishi.
Ushbu maqolada biz moslashtirish jarayonini amalga oshirish uchun palma
bosma xususiyatlaridan foydalanamiz.
Xususiyatlarni tanlashdan tashqari, suratga olish qurilmasi
biometrikaga asoslangan tekshirish tizimlarida baholanishi kerak
bo'lgan yana bir muhim ishlash indeksidir. Ko'pgina qo'l shakliga
asoslangan suratga olish qurilmalarida foydalanuvchilar aylanish
va tarjima muammolarini oldini olish uchun qo'llarini bir nechta
qoziqli panelga qo'yishlari kerak. Ushbu mexanizm ba'zi
foydalanuvchilarni noqulay his qiladi. Bundan tashqari, CCD
kamera yordamida suratga olish moslamalari sifatsiz tasvirlarni
beradi. Yorug'lik omili tasvir sifatini chuqur ta'sir qiladi va CCD
kameraning o'lchamlari yuqori sifatli tasvirlarni olish uchun
unchalik yuqori emas. Yuqoridagi muammolarni hal qilish uchun
biz ishimizda qabul qiluvchi qurilma sifatida xizmat qiladigan
optik skanerni qabul qilamiz.
Ushbu maqolada biz skanerga asoslangan shaxsiy autentifikatsiya
tizimini kaft bosish xususiyatlaridan foydalangan holda taklif qilamiz.
Ikki bosqich,ro'yxatga olishvatekshirish,1-rasmda ko'rsatilganidek,
identifikator tizimini tashkil qiladi. Ro'yxatga olish bosqichida, Mo'quv
namunalari sifatida shaxsning qo'l tasvirlari yig'iladi. Ushbu namunalar
tomonidan qayta ishlanishi kerak oldindan ishlov berish, xususiyatlarni
ajratib olish,vamodellashtirishMos shablonlarni yaratish uchun
modullar. Tekshiruv bosqichida so'rov namunasi, shuningdek,
dastlabki ishlov berish va xususiyatlarni ajratib olish modullari
tomonidan qayta ishlanadi va keyin uning haqiqiy namunami yoki
yo'qligini aniqlash uchun shablonlarga mos keladi. Biz taklif qilayotgan
kaft izini identifikatsiya qilish tizimida,
C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
373
2-rasm. Tasvirni chegaralash va chegarani kuzatish: (a) 100 dpi ruxsatda skanerlangan qo'l tasviri; (b) (a) ning gistogramma diagrammasi;
(c) ikkilik tasvir; (d) qo'l shaklining konturi.
oldindan ishlov berish moduli, shu jumladantasvir chegarasi, platani
kuzatish, to'lqinlar asosidagi segmentatsiya,vaROI joylashuviQiziqish
mintaqasi (ROI) deb ataladigan palma jadvalida kvadrat mintaqani
olish uchun qadamlar bajarilishi kerak. So'ngra, biz Sobel va
morfologik operatsiyalar orqali xususiyat vektorlarini olish uchun
xususiyatni ajratib olish jarayonini bajaramiz. Muayyan foydalanuvchi
uchun mos yozuvlar shablonlari modellashtirish modulida yaratilgan.
Tasdiqlash bosqichida biz shablonlarni moslashtirish va orqaga
tarqalish neyron tarmog'idan mos yozuvlar shablonlari va sinov
namunalari o'rtasidagi o'xshashlikni o'lchash uchun foydalanamiz.
Ushbu maqolaning qolgan qismi quyidagicha tashkil etilgan. 2-
bo'limda oldindan ishlov berish moduli uchun to'rtta qadam ROI
joylashuvi uchun bajariladi. Xususiyatlarni ajratib olish usullari,
shu jumladan Sobel va morfologik operatsiyalar 3-bo'limda
tasvirlangan. Tekshirish maqsadi uchun modellashtirish tartibi 4-
bo'limda keltirilgan. Birinchidan, o'xshashlikni baholash uchun
bo'limda oddiy va amaliy bir nechta shablonni moslashtirish usuli
ishlab chiqilgan. so'rov va mos yozuvlar namunalari o'rtasida. BP-
ga asoslangan NN, shuningdek, tekshirish uchun o'xshashlik
qiymatlarini hisoblash uchun 4-bo'limda qurilgan. 5-bo'limda biz
taklif qilgan algoritmlar to'g'riligini tekshirish uchun
eksperimental natijalar ko'rsatilgan. Nihoyat, 6-bo'limda ba'zi
yakuniy fikrlar keltirilgan.
2. Oldindan ishlov berish
Tasvirni oldindan qayta ishlash odatda naqshni aniqlashning
birinchi va muhim bosqichidir. Bizning taklif qilayotgan
yondashuvimizda, oldindan ishlov berish modulida to'rt bosqich ishlab
chiqilgan. Tasvirni chegaralash, chegarani kuzatish, to'lqinlar asosidagi
segmentatsiya va ROI joylashuvi palma bosma ma'lumotlarga ega
bo'lgan kvadrat mintaqani olish uchun ketma-ket bajariladi. Quyidagi
kontekstlarda biz har bir bosqichning tafsilotlarini taqdim etamiz.
Qadam1:Tasvir chegarasi.256 kulrang darajadagi qo'l tasvirlari 2 (a)-
rasmda ko'rsatilganidek, platforma skaneridan olinadi. Rasmni
chegaralash operatsiyasi ikkilik qo'l shaklidagi tasvirlarni olish uchun
kulrang tasvirlarni binarlashdan iborat. Ushbu bosqichda chegara
qiymatini aniqlash uchun 2(b)-rasmda ko'rsatilganidek, kulrang
tasvirlarning gistogrammasi tahlil qilinadi. Bu qiymat avtomatik
ravishda 50 dan 100 gacha bo'lgan mahalliy minimal qiymatga
o'rnatiladi. Suratga olish muhiti barqaror va boshqariladigan bo'lgani
uchun bizning tajribalarimizda chegara qiymati qulay tarzda 70 ga
teng bo'ladi. Shunday qilib, binarlashtirilgan tasvirni 2 (c) rasmda
ko'rsatilganidek olish mumkin.
Qadam2:Chegarani kuzatish.Tasvirni chegaralash bosqichidan
so'ng chegarani kuzatish algoritmidan foydalangan holda qo'l
shaklining konturlarini olish uchun ikkilik tasvirlar kuzatiladi. The
374
C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
3-rasm. (a) qo'l shaklining egri chizig'i; (b) yuqori chastotali pastki diapazonning o'zgartirilgan pro,le.
4-rasm. Qiziqarli hududni yaratish (ROI).
Ushbu bosqichning asosiy maqsadi qo'l tasvirining chegarasini
aniqlash va keyin kaft stolini aniqlash uchun ,ve,ngers
pozitsiyalarini aniqlashdir. Palma jadvalida ROI deb nomlangan
kvadrat hudud hosil bo'ladi. Boshida qo'l shaklining birinchi
nuqtasi qo'l shaklidagi tasvirning yuqori chap nuqtasiga
o'rnatiladi. Keyin qo'l shaklining konturi soat miliga teskari
yo'nalishda aniqlanadi. Bizning tajribalarimizda chegarani
kuzatish algoritmida sakkizta mahalla yo'nalishi qabul qilingan.
Har bir kuzatilgan pikselning koordinatalari qo'lning shaklini
ifodalash uchun saqlanishi kerak. 2(a)-rasmdagi qo'l tasvirining
chizilgan konturlari 2(d)-rasmda ko'rsatilgan. Chegarani kuzatish
algoritmi tafsilotlarini Ref. [11].
Qadam3:To'lqinlar asosidagi segmentatsiya.Oldingi bosqichda
qo'l shaklidagi chegara piksellari ketma-ket kuzatilib,
koordinatalar to'plami bilan ifodalanadi (x
i
; y
i
); i =1; 2; : : : : Ushbu
bosqichda to'lqinli bo'laklarga asoslangan segmentatsiya
texnikasi ,ve ,ger uchlari va to'rtta ildizlarning joylashuvi uchun
qabul qilinadi. Ma'lumki, bu nuqtalar qo'l shaklining burchagida
joylashgan. Burchak uchun de,nitionga ko'ra, burchaklar egriligi
yuqori bo'lgan nuqtalarda yoki egriligi mahalliy minimal bo'lgan
nuqtalarda joylashgan bo'lishi kerak. Birinchidan,
koordinatalar to'plami 3(a)-rasmda ko'rsatilgandek egrilikning
pro,lesiga aylantiriladi. Keyinchalik egrilik darajasi past va yuqori
chastotali pastki diapazonlarning ko'p ruxsatli signallariga
aylantiriladi. Muhim nuqtalardan boshlabP
a
; P
b
; vaP
3
burchak
nuqtalarining (4(a)-rasmga qarang) palma jadvalidagi ROI o'rnini
aniqlang, qo'l shaklining burchak nuqtalarini aniq aniqlash juda
muhimdir. To'lqinli konvertatsiya burchakni aniqlashda barqaror
va eDektiv segmentlangan natijalarni berishi mumkin. Bu erda
yuqori chastotali pastki diapazonning o'zgartirilgan signallari 3
(b)-rasmda tasvirlangan. Ushbu signallardan burchaklar ikkita nol
kesishgan nuqta o'rtasida joylashgan bo'lishi mumkin bo'lgan
salbiy kattalikning mahalliy minimal nuqtalarida etiketlanadi. 2(d)-
rasmda aniqlangan burchak nuqtalari 4(a)-rasmda tasvirlangan.
Qadam4:ROI avlodi.Ushbu bosqichda biz 4-rasmda ko'rsatilganidek,
palma jadvalida qiziqish mintaqasini (ROI sifatida qisqartiriladi) ko'rib
chiqamiz, bu ro'yxatga olish va tekshirish jarayonlarida ishlaydigan
hudud hisoblanadi. Qo'l tasvirlarini olishda qo'llar har qanday holatda
va istalgan yo'nalishda plastinka shaklidagi skanerga erkin qo'yildi.
Yaxshiyamki, foydalanuvchilar odatdagidek kirish qurilmalariga
qo'llarini qo'yganlarida
C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
375
Sobel operatorlari ROIning natijaviy qiymati sifatida maksimal
qiymatni tanlash uchun bajariladi. Ushbu operatsiya quyidagi
ifodaga muvofiq amalga oshiriladi:
f
∗
S =maksimal(f
∗
S
0
; f
∗
S
45
; f
∗
S
90
; f
∗
S
135
):
(1)
Mana, belgi
∗
konvolyutsiya operatsiyasi sifatida ifodalanadi. Shunday
qilib, Sobelning ROI xususiyatlari 5 (b)-rasmda ko'rsatilganidek olinadi.
Keyinchalik, palma bosma xususiyatlarini ajratib olish uchun boshqa
murakkab morfologik operatorlarni taqdim etamiz. Kulrang
morfologiya nazariyasida ikkita asosiy operatsiya, ya'nikengayishiva
eroziyatasvir uchunfquyidagicha belgilanadi:
Kengayish: (f
⊕
b)(lar) =maks
{
f(s
−
x)+b(x)
|
(s
−
x)
∈
D
f
vax
∈
D
b
}
;
(2)
Eroziya: (fb)(s) =min
{
f(s + x)
−
b(x)
|
(s + x)
∈
D
f
vax
∈
D
b
}
:
(3)
Bu yerga,D
f
vaD
b
tasvir sohalarini ifodalaydifva tuzilish
elementib.Bundan tashqari, ikkita kombinatsiyalangan
operatsiyalar chaqiriladiochilishvayopilishtasvirni qayta
ishlash uchun kengaytirilgan.
5-rasm. (a) To'rtta Sobel operatori; (b) Sobel operatsiyasi orqali boshqariladigan
xususiyatlar; (c) morfologik operatsiya orqali boshqariladigan xususiyatlar.
Ochilish: f
◦
b = (fb)
⊕
b;
(4)
Yopish: f
•
b = (f
⊕
b) b:
(5)
Qo'lning yo'nalishi o'rta chiziqning markaziy chizig'i
bo'lgan asosiy o'qga mos keladi. 3-bosqichda yaratilgan
natijaga ko'ra, ROI joylashuvi nuqtalardan aniqlanadiP
a
; P
b
; P
3
, va geometrik formula. Ikki nuqtaP
a
vaP
b
ROI yaratish
uchun asosiy nuqtalardir. Birinchidan, o'rta nuqtaP
0
nuqtalardan hisoblab chiqiladi P
a
vaP
b
. Keyin, asosiy o'qP
0
P
3
O'rta chiziqning o'rta chizig'i olinadi, bu chiziqqa
perpendikulyarP
a
P
b
. Asosiy o'qP
0
P
3
keyin nuqtagacha
uzaytiriladiP
e
, qayerda
|P
0
P
e
|=|P
a
P
b
|. Nuqtai nazardanP
e
,
deb belgilangan ikkita perpendikulyar bissektrisa chizig'iP
e
P
e
2
vaP
e
P
e
1
uzunligi 128 pikselga teng bo'lgan , topilgan.
Ushbu bo'lim chizig'i asosidaP
e
1
P
e
2
, kvadrat mintaqaP
e
1
P
e
2
P
e
3
P
e
4
256 dan 256 gacha bo'lgan o'lcham 4(a)-rasmda
ko'rsatilganidek, ROI sifatida belgilanadi. Ushbu to'rt
nuqtadan ROI tasviri 4(b)-rasmda ko'rsatilganidek, qo'l
tasviridan kesiladi.
Ref. [12], Song va Mevro nomli chekka detektorni ishlab
chiqdilaro'zgaruvchan ketma-ket 3 litr (ASF), bu shovqinli yoki
loyqa tasvirlarda mukammal eDectlarni ta'minlaydi. ASF
mexanizmi quyidagicha tuzilgan. Ikki ,litr sifatida de,ed
f
1
=
ll
(6)
va
f
2
=f
1
⊕
b
3
×3
:
Algebraik ochilish
(7)
l
va yopish
l
sifatida de,ned qilinadi
l
=maksimal(f
◦
b
0;l
; f
◦
b
45;l
; f
◦
b
90;l
; f
◦
b
135;l
)
va
l
=min(f
•
b
0;l
; f
•
b
45;l
; f
•
b
90;l
; f
•
b
135;l
);
(8)
(9)
qaerda belgilarb
;l
uzunlikning tuzilish elementlarini belgilang l
va burchak. Bizning tajribalarimizda qiymatl5 bo‘ladi. Keyin
morfologik operator de,ned to be bo‘ladif
m
=f
2
−
f
1
. Shunday
qilib, morfologik funktsiya yordamida chekka piksellar olinadi
f
∗
f
m
5(c)-rasmda ko'rsatilganidek.
Endi xususiyat vektorlari quyidagi tarzda yaratilgan. Trening
namunalarini ko'rib chiqing, ROI tasvirlari bir xilda bir nechta
kichik tarmoqlarga bo'lingan. Xususiyat qiymatlarini olish uchun
kataklardagi piksellarning o'rtacha qiymatlari hisoblanadi. Bu
qiymatlar xususiyat vektorlarini hosil qilish uchun ketma-ket
qatorga joylashtirilgan. Bizning tajribalarimizda uchta diDerent
panjara o'lchami 32
×32, 16×16 va 8×8 ko'p o'lchamli xususiyat
vektorlarini olish uchun qabul qilingan.
3. Xususiyatlarni ajratib olish
Xususiyatlarni ajratib olish keyinchalik modellashtirish yoki tekshirish
jarayoni uchun segmentlangan ROIdan mazmunli xususiyatlarni olish
bosqichidir. Xususiyatlarni ajratib olishda biz operatorga asoslangan
yondashuvdan palma jadvalining ROIdagi palma izini chiziqqa o'xshash
xususiyatlarini olish uchun foydalanamiz.
Birinchidan, biz oddiy Sobel operatorlaridan kaft bosmasining
xususiyat nuqtalarini ajratib olish uchun foydalanamiz. To'rt yo'nalishli
Sobel operatorlariS
0
; S
90
; S
45
;vaS
135
5(a)-rasmda ko'rsatilganidek ishlab
chiqilgan. Palma jadvalidagi to'rt yo'nalishli ROI pikselini ko'rib chiqing
376
C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
6-rasm. Muayyan shaxs uchun FAR va FRR qiymatlari.
4. Ro'yxatga olish va tekshirish jarayonlari
mos keladigan modelni o'rgatish uchun kamroq mashg'ulot
vaqti talab qilinadi. Tekshirish bosqichida so'rov va mos
yozuvlar namunalarining korrelyatsiya koeffitsienti
tenglamadan foydalangan holda hisoblanadi. (10). Agar mos
yozuvlar va test namunalari bir shaxsdan olingan bo'lsa, u
holda koeGcient qiymati taxminan bitta bo'ladi. Aks holda,
agar o'xshashlik qiymati nolga yaqin bo'lsa, so'rov namunasi
soxta naqsh deb hisoblanishi kerak.
Oldingi kontekstlardan biz haqiqiy yoki soxta so'rov
namunasini aniqlashda biz tanlagan ko'rsatkich 1 ga
o'zgartirilishi mumkin.
−
R.Ushbu mezonga asoslanib, kirish
namunasini oldindan belgilangan chegara qiymati bilan
tekshirish oson.t.Agar qiymat 1
−
Rchegaradan kichikroqt,
keyin so'rov namunasi egasi individual deb da'vo qilinadiX.
Aks holda, so'rov namunasi soxta naqsh sifatida tasniflanadi.
Ko'pgina biometrik tekshirish modellarida chegara
qiymatini tanlashtro'yxatga olish bosqichidagi eng qiyin
qadamdir. U FAR va noto'g'ri rad etish tezligi FRR ni aniqlaydi
(6-rasm). Asosan, bu ikki qiymat bir-biriga zid. FAR qiymati
qanchalik baland bo'lsa, FRR qiymati shunchalik past bo'ladi
va aksincha. Umuman olganda, yuqori xavfsizlik tizimida FAR
talabi past bo'lgan identifikatsiya tizimi qabul qilinadi. Boshqa
tomondan, FRR talablari past bo'lgan tizimlar ko'plab
foydalanuvchilarga qulay boshqaruv tizimlarida qo'llaniladi.
FAR yoki FRR qiymatini tanlash
ilovalarning maqsadiga bog'liq. Tekshirish samaradorligini
baholash uchun FAR va FRR qiymatlarining yig'indisi ishlash
indeksi sifatida belgilanadi.Iushbu maqolada. Chegara
tanlashning asosiy maqsadi har bir shaxs uchun FAR va FRR
ning minimal qiymatlarini aniqlashdan iborat bo'lib, ular
individual namunalarning xususiyatlariga bog'liq bo'ladi.X.
Boshqacha aytganda, shaxsXo'zining chegara qiymatiga ega
bo'lishi kerakt
X
.Tanlov jarayoni quyidagi paragrafda
tasvirlangan.
Birinchidan,bir-biridan tashqaridaFRRni baholash uchun o'zaro tekshirish
metodologiyasi qo'llaniladi. O'ylab ko'ringMshablon namunalari
Palma iziga asoslangan autentifikatsiya tizimida ikki bosqich,
ro'yxatga olishvatekshirish,amalga oshirilishi kerak. Ushbu
bo'limda biz ushbu ikki bosqich uchun modellarni o'rgatishning
ikkita usulini ishlab chiqamiz. Birinchidan, biz oddiy va amaliy
texnikani ishlab chiqamiz,bir nechta shablonni moslashtirish,
ma'lum bir shaxsning veri,erini modellashtirish. Ikkinchidan, a
orqaga tarqalish (BP) neyrotarmoqqa asoslangan veri,er qurilgan.
Ushbu yondashuvda miqyosli, konjugatsiyalangan gradient
texnikasi o'quv jarayonida BP tarmog'ining eng yaxshi og'irliklari
uchun qo'llaniladi. Nihoyat, ushbu ikki yondashuv yordamida
tekshirish jarayoni joriy etiladi.
4.1. Ko'p shablonlarni moslashtirish yondashuvi
Korrelyatsiya funktsiyasi yordamida shablonlarni moslashtirish ko'plab
naqshlarni aniqlash ilovalarida qo'llaniladigan keng tarqalgan va amaliy
usuldir. Ushbu maqolada biz so'rov namunasi haqiqiy naqsh yoki yo'qligini
aniqlash uchun tekshirish topshirig'ini bajarish uchun ushbu yondashuvdan
foydalanishga harakat qilamiz. So'rov namunasini ko'rib chiqingxva shablon
namunasiy,akorrelyatsiyafunktsiya ikki xususiyat o'rtasidagi o'xshashlikni
o'lchash uchun ishlatiladi
vektorlar quyidagicha:
∑
n
R
xy
=
i=1
(x
i
−
x
)(y
i
−
y
)
:
(10)
x y
Tenglamada. (10), belgilar
mos ravishda dard hosila qiymatlari. Bundan tashqari, qiymatn-
xususiyat vektorlarining uzunligi 32 ga teng
×32, 16×16 yoki 8×
Bizning tajribalarimizda 8 ta. O'xshashlikni baholash uchun
chiziqli korrelyatsiya funktsiyasining bu koeGcient qiymati
hisoblanadi.
Ro'yxatga olish bosqichida ma'lumot shablonlarini yaratishda, M
individual namunalarXmos keladigan shablon ma'lumotlar bazasini
shakllantirish uchun yig'iladi. Ushbu yondashuvning asosiy afzalligi
va
o'rtacha va stavkani ifodalaydi
C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
377
7-rasm. Neyron tarmog'ining orqaga tarqalish mexanizmi.
shaxsningX (chaqirdiijobiy namunalar),vaNboshqa shaxslarning
namunalari (deb nomlangansalbiy namunalar).Bu namunani
tasavvur qilingxdagi namunadirMandozalar. s uchun o'rtacha
masofa
∑
kengxboshqasigaM
−
1 ta shablon hisoblab chiqiladi
bolmoqd
x
=
xususiyat vektorlarining 16 ta elementi sifatida hisoblangan.
Ushbu 80 qiymat BP neyron tarmog'iga kiritiladi. Biz taklif
qilayotgan tarmoq arxitekturasi 7-rasmda ko'rsatilganidek, kirish,
yashirin va chiqish qatlamini o'z ichiga olgan uch qatlamli tarmoq
bo'lib ishlab chiqilgan. Har bir qatlamda mos ravishda 80, 40 va 1
ta neyron mavjud. Ushbu o'xshash arxitektura yuzni aniqlashda
ham muvaffaqiyatli qo'llanilgan [13].
BP neyron tarmog'ining o'quv jarayoni o'z ichiga oladinamuna
yig'ish, vaznni ishga tushirish, oldinga o'rganish,va orqaga
o'rganishqadamlar. MATLAB dasturi BPNN ning eng yaxshi
og'irliklarini olish uchun eDective vositasini taqdim etadi. Endi biz
diqqatimizni namuna yig'ish bosqichiga qaratamiz. Bu bosqichda,
Mma'lum bir shaxsning tasvir namunalariXijobiy namunalar deb
ataladi vaNboshqalarning rasm namunalariKBP neyron tarmog'ini
o'rgatish uchun salbiy namunalar deb ataladigan shaxslar
yig'iladi. Tekshirish samaradorligini oshirish uchun, Jdan sun'iy,
ijtimoiy hosil qiluvchi namunalar yaratiladiMyuklash algoritmidan
foydalangan holda ijobiy namunalar. Ushbu algoritm yuzni
aniqlashda yetarlicha namunalarni yaratishda qo'llanilgan [13].
Tasvir namunasining ROI-ni ko'rib chiqing, biz uni tasodifiy
chapga yoki o'ngga, yuqoriga yoki pastga 0–5 pikselga siljitamiz
va tasodifiy ravishda aylantiramiz
−
5
◦
+5 gacha
◦
. Bizning
tajribalarimizda o'quv jarayonini soddalashtirish uchun ham
ijobiy, ham salbiy namunalar teng darajada yaratilgan. Bir xil
miqdordagi ijobiy va salbiy namunalarni yaratish uchun, JK
musbat namunalar ko'paytirish orqali hosil bo'ladiJijobiy
namunalarKshaxs uchun vaqtlarX.Boshqa tarafdan, JKmanfiy
namunalar tasodifiy tanlab olinadiKshaxslar. Bular 2JKnamunalar
har bir o'quv davrida tarmoqqa kiritiladi. Bundan tashqari, salbiy
namunalar chegara qiymatlarini yoki tarmoqni aniqlashda hal
qiluvchi rol o'ynaydi. Namunalarni edeektiv ravishda tanlash
uchun bootstrap metodologiyasi [13,14] va haqiqiy va qalbaki
palma bosma namunalari orasidagi aniq chegaraga qo'llanilishi
mumkin. Masshtabli
M
−
1
j=1
(1
−
R
xj
)=(M
−
1). Bundan tashqari, masofalar
boshqasi uchunM
−
1 ta mos yozuvlar namunalari ham
olinadi. Agar d
x
chegara qiymatidan kattaroqdirt
X
,keyin
namunaxsoxta naqsh va qiymat hisoblanadiE
1
(FRR ning
xato soni) 1 ga oshirilishi kerak. Xuddi shunday, o'rtacha
masofa d
y
salbiy sam
∑
plyuchunMmos yozuvlar shablonlari ham mavjud
sifatida hisoblangand
y
=
M
j=1
(1
−
R
yj
)=M.QiymatE
2
dan -
FRR ni hisoblash uchun ror raqami o'rtacha masofa bo'lganda
1 ga qo'shiladid
y
chegaradan kichikroqt
X
.Ishlash ko'rsatkichiI
x
individual uchunXShunday qilib, FAR plus FRR yig'indisi
sifatida quyidagicha aniqlanadi:
I
x
= E
1
=M + E
2
=N:
(11)
Keyin, 0 dan 1 gacha bo'lgan barcha mumkin bo'lgan chegara
qiymatlarini sanab o'ting va 6-rasmda ko'rsatilgandek FAR va FRR
egri chiziqlarini tasvirlang. Eng yaxshi qiymatt
X
=Minimal ishlash
indeksi bilan 0:38 chegara qiymati sifatida tanlanadi. Bu chegara
qiymatit
X
keyinchalik shaxs uchun tekshirish jarayonida qo'llaniladi
X.
4.2. Backpropagation Neyron Network (BPNN) yondashuvi
Orqa tarqalish neyron tarmog'i naqshni aniqlashda keng
qo'llanilgan. Ushbu bo'limda biz tekshirish, tekshirish vazifasini
bajarish uchun ushbu mashhur yondashuvni qo'llaymiz. Shablonga
mos keladigan yondashuvga o'xshab, 32 o'lchamli oynalarning 64
o'rtacha qiymati
×
Xususiyat vektorlarini olish uchun ROIda 32
hisoblanadi. Bundan tashqari, 32 o'lchamdagi sakkizta gorizontal
oynadan sakkizta qiymat hosil bo'ldi
×
256 va sakkizta qiymat 256
o'lchamdagi sakkizta vertikal oynadan yaratilgan
×
32 hammasi
378
C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
8-rasm. Kaft bosma tasvirlarni kiritish qurilmasi.
konjugat-gradient algoritmi [15] oxirgi uch bosqichda maxsus
xato funksiyasi bilan og'irliklarni moslashtirish uchun ishlatiladi.
namunalar. Biror kishini ko'rib chiqingX,Veri,erning mos yozuvlar
shablonlari sifatida 10 ta namuna tanlangan. Bu 10 ta ijobiy shaxs
namunalariXva I va II turdagi xatolarni hisoblash uchun 49
kishidan 490 ta salbiy namunalar to'plangan. Turli panjara
oynalari o'lchamlari uchun 0 dan 1 gacha bo'lgan barcha mumkin
bo'lgan chegara qiymatlaridan foydalangan holda FAR va FRR
natijalari mos ravishda eng yaxshi chegara qiymatlari uchun
hisoblanadi. Chegara qiymatit
X
individual uchunXoldingi bo'limda
aytilganidek, tanlov qoidasi bilan tanlanadi. Shunday qilib, so'rov
namunalari veri,er of tomonidan tekshiriladiXva oldindan
tanlangan qiymat bilan chegaralangant
X
.9-rasm va 1-jadvalda
ko'rsatilganidek, mos natijalarni ko'rsatish uchun palma bosma
tasvirlarning ikkita to'plami tasvirlangan. Bundan tashqari, 1000
ta ijobiy namunalar va 20 ta tajribalar.
×50×Ish faoliyatini baholash
uchun 50 kishidan 49 ta salbiy namunalar o'tkaziladi. Bir nechta
shablonni moslashtirish algoritmi 2-jadvalda keltirilganidek 91%
dan yuqori aniqlik stavkalariga erishishi mumkin. Ushbu jadvalda
FAR va FRR qiymatlari 9% dan past.
5. Eksperimental natijalar
Ushbu bo'limda bizning yondashuvimizning to'g'riligini
tekshirish uchun ba'zi eksperimental natijalar namoyish etiladi.
Birinchidan, tajriba muhiti o'rnatiladi va 5.1-bo'limda tavsiflanadi.
Keyinchalik, shablonni moslashtirish va BPNN tomonidan
yaratilgan ishonchli natijalar mos ravishda 5.2 va 5.3 bo'limlarda
ko'rsatilgan.
5.1. Eksperimental muhit
Bizning eksperimental muhitimizda qo'l tasvirlarini olish uchun
8(a)-rasmda ko'rsatilgan platforma skaneridan foydalaniladi. Bu
yerda, tizimimizda foydalanadigan skaner UMAX Co
kompaniyasining tijorat mahsuloti boʻlgan rangli skanerdir.
Foydalanuvchilardan 8-rasm (b) da koʻrsatilganidek, oʻng qoʻllarini
hech qanday qoziqsiz skaner platformasiga qoʻyishlari soʻraladi.
845 o'lchamdagi qo'l rasmlari
×829 kul rang formatda va 100 dpi
(dyuymdagi nuqta) ruxsatda skanerlanadi. Ma'lumotlar bazasini
yaratish uchun har bir shaxsning o'ttizta qo'li tasviri uch hafta
ichida uch marta olinadi. Ro'yxatdan o'tish bosqichida birinchi 10
ta rasm tekshirish modelini o'rgatish uchun ishlatiladi. Qolgan 20
ta rasm o'qitilgan veri,er tomonidan sinovdan o'tkaziladi.
Tasdiqlash tizimi Microsoft Windows muhitida C dasturlash tili va
Matlab ishlab chiqish to'plamlari yordamida dasturlashtirilgan.
Quyidagi kontekstlarda shablonlarni moslashtirish va BP neyron
tarmog'i algoritmlari bilan tasdiqlangan eksperimental natijalar
haqida xabar beriladi.
5.3. BPNN yordamida 3-versiyalash
Ushbu bo'limda so'rov namunasi haqiqiy yoki yo'qligini hal
qilish uchun 7-rasmda ko'rsatilganidek, BPNN arxitekturasi qabul
qilinadi. Bu tajribada, ma'lum bir shaxs uchun tarmoq Xoxirgi
tekshirish jarayoni uchun o'qitilgan. Shaxsiy o'nta ijobiy
namunalarXBP neyron tarmog'ini o'rgatish uchun yana 49
kishining 490 ta salbiy namunalari to'plangan. Tasdiqlashning
eng yaxshi samaradorligini olish uchun yuklash algoritmidan
foydalangan holda har bir o'quv namunasidan 10 ta sun'iy
ravishda yaratilgan namunalar yaratildi. Trening bosqichida ham
ijobiy, ham salbiy namunalar teng ravishda yaratilgan. To'rt ming
to'qqiz yuz ijobiy namunalar individual 100 ta ijobiy namunalarni
ko'paytirish orqali yaratildi.X49 marta. Boshqa tomondan,
tanlangan 49 kishining qo'l tasvirlaridan 4900 ta salbiy namunalar
yaratildi. Ushbu 9800 ta namunalar har bir o'quv davrida
tarmoqqa kiritiladi. Sinov bosqichida, qolgan 20 ta ijobiy shaxs
tasvirlariXFRR qiymatini baholash uchun o'qitilgan BP neyron
tarmog'i tomonidan tasdiqlangan. Bundan tashqari, 20
×FAR
qiymatini hisoblash uchun 49 ta salbiy namuna ham sinovdan
o'tkaziladi. Ushbu tajribada 50 kishi tanlab olindi va sinovdan
o'tkazildi
5.2. Shablonga mos keladigan algoritm yordamida Veri3cation
Birinchi tajribada oynaning uchta o'lchami 32
×
32, 16
×
16 va 8
×
8 shablonni moslashtirish metodologiyasining
ishlashini baholash uchun qabul qilingan. Har bir oynada piksellarning
o'rtacha qiymati hisoblab chiqiladi va vektorlar elementi hisoblanadi.
Chiziqli korrelyatsiya funktsiyasi mos yozuvlar va test o'rtasidagi
o'xshashlikni hisoblash uchun ishlatiladi
C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
379
9-rasm. Kaft izini tasvirlangan namunalar: (a) asl tasvirlar; (b) va ularning tegishli ROI tasvirlari.
1-jadval
Shablonni moslashtirish va BP neyron tarmog'idan foydalangan holda ikkita tasvirlangan misol
Xususiyat
Namuna
Sobel xususiyatlari
S8
×8
Morfologik xususiyatlar
M8
×8
M16
×16
S16
×16
S32
×32
BPNN
M32
×32
BPNN
Muvaffaqiyatli ish va sinovID =20
T
20
0,510
0,152
0,799
0,706
0,620
0,215
0,853
0,789
0,680
0,317
0,904
0,811
0,650
0,311
0,915
0,878
0,550
0,193
0,945
0,699
0,640
0,239
0,888
0,829
0,730
0,353
0,941
0,919
0,750
0,296
0,913
0,877
ID = 20;S =27
ID = 1;S =22
ID = 41;S =26
Muvaffaqiyatsiz ish va sinovID =23
T
23
0,300
0,313
0,272
0,295
0,390
0,412
0,382
0,385
0,480
0,567
0,470
0,445
0,490
0,514
0,472
0,423
0,340
0,363
0,339
0,323
0,450
0,474
0,430
0,437
0,550
0,657
0,538
0,524
0,520
0,613
0,478
0,481
ID = 23;S =19
ID = 5;S =18
ID = 16;S =16
380
C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
2-jadval
Shablonlarni moslashtirish va BP neyron tarmog'idan foydalangan holda eksperimental natijalar
Xususiyat
Xato
Sobel xususiyatlari
S8
×8
Morfologik xususiyatlar
M8
×8
M16
×16
S16
×16
S32
×32
BPNN
M32
×32
BPNN
FRR
FAR
7,8%
5,9%
4,5%
6,7%
4,9%
6,4%
0,6%
1,79%
5,5%
6,2%
3,3%
6,6%
5,2%
8,7%
0,5%
0,96%
ularga mos keladigan neyron tarmoqlari. Eksperimental natijalar
2-jadvalda keltirilgan va o'rtacha aniqlik ko'rsatkichlari Sobel va
morfologik xususiyatlar uchun 98% dan yuqori. Bundan tashqari,
FAR va FRR qiymatlari 2% dan past.
u haqiqiy namunami yoki yo'qmi. Biz taklif qilayotgan palma iziga
asoslangan identifikatsiyalash tizimida oldindan ishlov berish
moduli, shu jumladantasvir chegarasi, chegarani kuzatish, to'lqinli
segmentatsiya,vaROI joylashuviROI deb ataladigan palma
jadvalida kvadrat mintaqani olish uchun qadamlar bajarilishi
kerak. So'ngra, biz Sobel va morfologik operatsiyalar orqali
xususiyat vektorlarini olish uchun xususiyatni ajratib olish
jarayonini bajaramiz. Muayyan foydalanuvchi uchun mos yozuvlar
shablonlari modellashtirish modulida yaratilgan. Tasdiqlash
bosqichida biz mos yozuvlar shablonlari va sinov namunalari
o'rtasidagi o'xshashlikni o'lchash uchun shablonlarni
moslashtirish va BPNNdan foydalanamiz.
Bizning tajribalarimizda namunalar shablonni moslashtirish va
BP neyron tarmog'i algoritmlari bilan tekshiriladi. Birinchi
tajribada oynaning uchta o'lchami 32
×32, 16×16 va 8×8 shablonni
moslashtirish metodologiyasining ishlashini baholash uchun
qabul qilingan. Bir nechta shablonga mos keladigan algoritm 91%
dan yuqori aniqlik stavkalariga erishishi mumkin. FAR va FRR
qiymatlari 9% dan past. Keyinchalik, so'rov namunasi haqiqiy yoki
yo'qligini aniqlash uchun BPNN arxitekturasi qabul qilinadi.
Ushbu tajribada Sobel va morfologik xususiyatlar uchun o'rtacha
aniqlik ko'rsatkichlari 98% dan yuqori. Bundan tashqari, FAR va
FRR qiymatlari 2% dan past. Eksperimental natijalar shaxsiy
autentifikatsiyada biz taklif qilayotgan yondashuvlar to‘g‘riligini
tasdiqlaydi.
6. Xulosalar
Ushbu maqolada odamlarning autentifikatsiyasini ularning kafti bo'yicha
xususiyatlaridan foydalangan holda yangi yondashuv taqdim etiladi. Qo'l
tasvirlari skanerdan hech qanday qoziqsiz olinadi. Ushbu mexanizm barcha
foydalanuvchilar uchun juda mos va qulay. Bundan tashqari, biz ikkita
tekshirish mexanizmini taklif qilamiz, ulardan biri shablonga mos keladigan
usul, ikkinchisi esa neyron tarmoqqa asoslangan usul bo'lib, palma bosma
tasvirlarni tekshirish. Shablonni moslashtirish usulida metrik o'lchov sifatida
chiziqli korrelyatsiya funktsiyasi qabul qilinadi. Ushbu usul yordamida biz
91% dan yuqori aniqlik darajasiga erishishimiz mumkin. Neyron tarmog'iga
asoslangan usulda biz neyron tarmoqqa asoslangan veri,erni yaratish uchun
orqaga tarqalish mexanizmi va masshtabli konjugat-gradient algoritmidan
foydalanamiz. Ushbu ma'lumotdan foydalanib, biz 98% dan yuqori aniqlik
darajasini olishimiz mumkin. Tajriba natijalari shuni ko'rsatadiki, bizning
taklif qilingan yondashuvimiz kaft bosma xususiyatlaridan foydalangan
holda shaxsiy autentifikatsiya qilishda amalga oshirilishi mumkin va
samarali.
7. Xulosa
So'nggi paytlarda biometrik xususiyatlar ko'plab shaxsiy
autentifikatsiya dasturlarida keng qo'llanilmoqda. Biometrikaga
asoslangan autentifikatsiya har bir shaxsga xos biologik
xususiyatlardan foydalangan holda tekshirish usulidir. Ular bir xil,
ko'chma va mashaqqatli takroriy xususiyatlar asosida qayta ishlanadi.
Shunday qilib, ko'plab kirishni boshqarish tizimlari raqamli parolni
almashtirish uchun biometrik xususiyatlarni qabul qiladi. Ushbu
maqolada biz skanerga asoslangan shaxsiy autentifikatsiya tizimini kaft
bosish xususiyatlaridan foydalangan holda taklif qilamiz. Bu tarmoqqa
asoslangan ko'plab ilovalarda juda mos keladi.
Autentifikatsiya tizimi ro'yxatga olish va tekshirish bosqichlaridan
iborat. Ro'yxatga olish bosqichida,Mo'quv namunalari sifatida
shaxsning qo'l tasvirlari yig'iladi. Ushbu namunalar tomonidan qayta
ishlanishi kerakoldindan ishlov berish, xususiyatlarni ajratib olish,va
modellashtirishMos shablonlarni yaratish uchun modullar. Tekshiruv
bosqichida so'rov namunasi oldindan ishlov berish va xususiyatlarni
ajratib olish modullari tomonidan qayta ishlanadi va keyin qaror qabul
qilish uchun shablonlarga mos keladi.
Ma'lumotnomalar
[1] R. Klark, Axborot tizimlarida inson identifikatsiyasi:
Boshqaruv muammolari va davlat siyosati masalalari, Inf.
Technol. Odamlar 7 (4) (1994) 6–37.
[2] AK Jain, R. Bolle, S. Pankanti, Biometrika: Shaxsiy
Identifikator, Tarmoqli Jamiyatdagi katyon, Kluwer Akademik
Publishers, Dordrecht, 1999 yil.
[3] L. O'Gorman, Barmoq izini tekshirish, in: AK Jain, R. Bolle,
S. Paukauti (Eds.), Biometrika: Shaxsiy identifikator, Tarmoqli
Jamiyatda katyon, Kluwer Academic Publishers, Dordrecht,
1999, 43-64-betlar (2-bob).
[4] M. Golfarelli, D. Miao, D. Maltoni, Biometrik tekshirish
tizimlarida xato-rad etish savdosi to'g'risida, IEEE Trans. Anal
namunasi. Mach. Intell. 19 (7) (1997) 786–796.
[5] RL Zunkei, Hand geometriyaga asoslangan tekshirish, in:
AK Jain, R. Bolle, S. Pankanti (Eds.), Biometrics: Personal
Identi,cation in Networks Society, Kluwer Academic
Publishers, Dordrecht, 1999, pp. 87–101 (4-bob).
C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
381
[6] AK Jain, N. Duta, tekshirish uchun qo'l shakllarini deformatsiyalanuvchi
moslashtirish,
http://www.cse.msu.edu/
∼
dutanico/
, 1999 yil.
[7] D. Chjan, V. Shu, kaft bosmasini tekshirishda ikkita yangi xususiyat:
maʼlumotlar nuqtasi oʻzgarmasligi va chiziq xususiyatining mos kelishi.
Pattern Recognition 32 (1999) 691–702.
[8] SY Kung, SH Lin, M. Fang, A neyron network approach to
face=palma recognition, in: Neyron tarmoqlar boʻyicha
xalqaro konferentsiya materiallari, 1995 yil, 323–332-betlar.
[9] DG Joshi, YV Rao, S. Kar, V. Kumar, R. Kumar, shaxsiy
identifikatorga kompyuter ko'rinishiga asoslangan yondashuv,
katyon yordamida katyon, naqshni aniqlash 31 (1) (1998) 15-22.
[10] DD Zhang, Avtomatlashtirilgan biometrika: Texnologiyalar va
tizimlar, Kluwer Akademik Publishers, Dordrecht, 2000.
[11] M. Sonka, V. Hlavac, R. Boyle, tasvirni qayta ishlash, tahlil qilish va
mashinani ko'rish, PWS Publisher, 1999 yil.
[12] X. Song, CW Li, S. Tsuji, qisman xususiyat shablonli yuz
xususiyatlarining ekstraktsiyasi, in: Kompyuterni ko'rish bo'yicha
Osiyo konferentsiyasi materiallari, 1993 yil, 751-754-betlar.
[13] HA Rowley, S. Baluja, T. Kanade, Neyron tarmog'iga asoslangan
yuzni aniqlash, IEEE Trans. Anal namunasi. Mach. Intell. 20 (1)
(1998) 23–38.
[14] KK Sung, Ob'ekt va naqshni aniqlash uchun o'rganish va
namuna tanlash, Ph.D. Tezis, MIT, Kembrij, MA, anonim
ftp dan publications.ai.mit.edu, 1996 yil.
[15] MF Moller, Tez nazorat ostida o'rganish uchun masshtabli
konjugat gradient algoritmi, Neyron Network 6 (1993) 525–533.
Muallif haqida -CHIN-CHUAN XAN 1989 yilda Chiao-Tung Milliy universitetida kompyuter muhandisligi bo'yicha bakalavr darajasini, magistr va fan
doktori darajasini oldi. 1991 va 1994 yillarda mos ravishda Milliy markaziy universitetida kompyuter fanlari va elektron muhandislik fakultetida ilmiy
darajaga ega. 1995 yildan 1998 yilgacha u Academia Sinica, Taypey, Tayvandagi Axborot fanlari institutida postdoktorlik ilmiy xodimi bo‘lgan. U 1999
yilda Chunghwa Telecom Co. telekommunikatsiya laboratoriyasining amaliy tadqiqot laboratoriyasida yordamchi ilmiy xodim bo‘lgan. Hozirda
Chungxua universitetining kompyuter fanlari va axborot injiniringi kafedrasi assistenti. Uning ilmiy qiziqishlari yuzni aniqlash, biometrik
autentifikatsiya, tasvirlarni tahlil qilish, kompyuterda ko'rish va naqshni aniqlash sohalarida.
Muallif haqida -HSU-LIANG CHENG 1997-yilda Chung Yuan Xristian universitetining matematika boʻlimida bakalavr darajasini va 2000-yilda
Tayvanning Milliy markaziy universitetida kompyuter fanlari va axborot muhandisligi boʻyicha magistr darajasini oldi. Uning hozirgi
qiziqishlari naqshni aniqlashni oʻz ichiga oladi. , biometrik autentifikatsiya va mashinani oʻrganish.
Muallif haqida -CHIH-LUNG LIN doktorlik dissertatsiyasi uchun ishlamoqda. 1999-yildan Milliy Markaziy Universitetda kompyuter fanlari va elektron muhandislik
fanlari boʻyicha. Uning ilmiy qiziqishlari biometrik autentifikatsiya, naqshni aniqlash va tasvirni qayta ishlashni oʻz ichiga oladi.
Muallif haqida -KUO-CHIN FAN 1959-yil 21-iyunda Tayvanning Xsinchu shahrida tug‘ilgan. 1981-yilda Tayvanning Tsing-Xua milliy
universitetida elektrotexnika bo‘yicha bakalavr darajasini olgan. 1983-yilda u Elektron tadqiqot va xizmat ko‘rsatish tashkilotida (ERSO)
ishlagan. ), Tayvan, kompyuter muhandisi sifatida. U 1984 yilda Florida universitetida elektrotexnika bo'yicha magistrlik darajasini oldi va
magistr va fan nomzodi ilmiy darajasini oldi. 1985 va 1989 yillarda mos ravishda daraja. 1984 yildan 1989 yilgacha Florida universiteti
axborot tadqiqotlari markazida ilmiy xodim bo'lgan. 1989-yilda Milliy Markaziy Universitetining Kompyuter fanlari va axborot injiniringi
institutiga oʻqishga kirgan va 1994-yilda professor boʻlgan. 1994-1997-yillarda kafedra mudiri boʻlgan. Hozirda u Kompyuter markazi
direktori. U IEEE va SPIE a'zosi. Uning hozirgi ilmiy qiziqishlari tasvirlarni tahlil qilish, optik belgilarni aniqlash va hujjatlar tahlilini o'z ichiga
oladi.
Document Outline
|
